基于夜间灯光数据的关中平原城市群碳排放时空演变多尺度分析

摘要：选取关中平原城市群为研究对象，线性反演2001—2020年关中平原城市群市域的碳排放量，并探究不同尺度上碳排放时空分布的动态规律，结果表明：碳排放增速较快的地区主要集中在陕西省中、南部；2001—2020年市域碳排放均表现为显著的空间正相关；2001—2020年市域碳排放的显著性空间关联类型基本一致，表现为高碳排放区集中在山西省和陕西省，低碳排放区集中在甘肃省。本研究能为关中平原城市群区域化、差异化碳减排政策的制定与实施提供一定的支撑。

关键词：碳排放；关中平原城市群；夜间灯光数据

中图分类号：X321文献标识码：A文章编号：2095-6916（2024）17-0028-05

Multi Scale Analysis of Temporal and Spatial Evolution of Carbon Emissions

in Guanzhong Plain Urban Agglomeration Based on Night Light Data

Dong Xiuping1Yang Zhijie2

（1. Xi’an Transportation Development Research Center， Xi’an 710082;

2. School of Economics and Management， Chang’an University， Xi’an 710064）

Abstract： Taking the Guanzhong Plain Urban Agglomeration as the research object， the carbon emissions of the Guanzhong Plain urban agglomeration from 2001 to 2020 were inversed linearly， and the dynamic laws of the temporal and spatial distribution of carbon emissions at different scales were explored. The results showed that the regions with rapid growth of carbon emissions were mainly concentrated in the middle and south of Shaanxi Province; from 2001 to 2020， the regional carbon emissions showed a significant positive spatial correlation; the significant spatial correlation types of urban carbon emissions from 2001 to 2020 are basically the same， showing that the high carbon emission areas were concentrated in Shanxi and Shaanxi provinces， and the low carbon emission areas were concentrated in Gansu Province. This study can provide certain support for the formulation and implementation of regionalization and differentiated carbon emission reduction policies in Guanzhong Plain urban agglomeration.

Keywords： carbon emissions; Guanzhong Plain Urban Agglomeration; night light data

关中平原城市群作为西部大开发战略的龙头和西北地区经济发展的重点区域，各城市的经济水平已步入新的发展阶段，城市的能源碳排放也在相应增加。目前各大城市要从产业体系创新、低碳能源基地建设、绿色产业投入升级、清洁生产技术改造、散煤治理等多方面出发，积极探寻区域减碳、降碳新途径。然而，区域内各城市甚至各县之间在煤炭资源禀赋、经济发展水平、城市化进程等方面存在明显的差距，导致区域碳排放的分布格局具有空间异质性［1］。因此，有必要细化关中城市群碳排放空间格局的动态研究，深入分析市域不同视角下碳排放的空间集聚特点，为精准定位重点减排区域，制定针对性、差异化的减排措施提供理论依据和实践支撑。

一、研究概况与数据来源

（一）研究区域概况

关中平原城市群（简称“关中城市群”）位于我国中部地区，规划范围包括山西、陕西、甘肃三个片区，在2018年发展成为国家级城市群。在城市化建设水平和经济发展水平提高的同时，关中城市群综合能源需求量也逐渐上升，致使区域碳排放相应增加，因此，该地区的碳排放具有极大的研究价值。

（二）数据来源

本文主要使用到三类数据，包括DMSP/OLS和NPP/VIIRS夜间灯光数据、全国市、县行政界线矢量数据以及多种社会经济统计数据，其中，（1）夜间灯光数据包括DMSP/OLS和NPP/VIIRS两种夜间灯光遥感影像数据集，我们将两组夜间灯光进行融合，构造时间跨度为2001—2020年的年度夜间灯光数据集；（2）全国市、县行政界线矢量图数据来自于国家基础地理信息中心，我们借助此数据裁剪研究区域为关中平原城市群的矢量图，用于全球夜间灯光影像的掩膜提取工作和后续分析；（3）各省分品种能源消费量来自于《中国能源统计年鉴》，各区县年末常住人口、国内生产总值和第二产业增加值均来自于各省市统计年鉴和国民经济与社会发展统计公报；能源折算标准煤系数来源于《中国能源统计年鉴2017》；碳排放因子数据来源于《中国能源统计年鉴》和《2006年国家温室气体排放清单指南》。

二、研究方法

（一）碳排放量估算模型

1.统计碳排放计算

参考IPCC发布的碳排放计算方法，使用官方公布的各类能源消费数据和排放系数，估计2001—2019年陕西、山西和甘肃的统计碳排放量，具体如式（1）：

TPF=4412×∑9i=1ξiEi 式（1）

其中，TPF代表碳排放量，Ei代表第i种能源折算为标准煤的消耗量，ξi代表第i种能源的碳排放系数，相关系数见表1。

2.拟合碳排放计算

参考已有研究成果，同一地区的夜间灯光总值和碳排放量之间存在较强的线性关系［2］。考虑到市域的能源统计数据较难获取，而不同尺度上的相关关系具有一致性，因此通过数据预处理，提取了2001—2019年陕西、山西和甘肃省的夜间灯光总值，将其和对应时期的统计碳排放量进行线性回归，回归模型的相关系数达到0.83，拟合优度良好，具体如式（2）：

TPF=a×TDN＋b 式（2）

其中，a=0.031，b=-4.423，TPF、TDN分别代表对应地区的碳排放和夜间灯光数据。以此公式为基础，利用校正后的2001—2020年关中城市群市域夜间灯光DN值估算出2001—2020年关中城市群市域碳排放量。

3.碳排放拟合精度检验

为进一步检验碳排放的估计精度，对统计碳排放和拟合碳排放进行线性回归。如图1所示，统计量和估计值之间的均方根误差为4 659.89万t，最大相差12 913.06万t，最小相差14.22万t，相关系数为0.964 3，平均相对误差为9.79%。利用夜间灯光数据构建的碳排放线性估算模型精度良好，可以用于估计关中城市群市域的碳排放量，开展不同尺度上碳排放的时空演变特征研究。

（二）碳排放时空演变分析方法

在省级尺度上将各省片区分别视为一个省级地理单元，在地级市尺度上将各市或市片区分别视为一个市级地理单元，在县级尺度上将各区、县分别视为一个县级地理单元。因此，研究范围包括关中平原城市群的3个省级地理单元、11个地级市地理单元和90个县级地理单元，具体分析方法如下。

1.倾向值分析法

倾向值分析法是通过普通最小二乘法估计时间和分析变量所构造的一元线性回归方程的斜率项，即SLOPE值，来分析一定研究期内变量的时间变化趋势，包括总体序列性的上升（SLOPE>0）、下降（SLOPE<0）或者稳定不变（SLOPE=0）等规律，SLOPE的计算如式（3）：

SLOPE=n×∑ni=1xiyi－∑ni=1xi∑ni=1yin×∑ni=1xi2－（∑ni=1xi）2 式（3）

在本文中，n代表总年数，取值是20；xi代表第i年（2001年是第一年），取值为1—20；yi代表第i年的碳排放总量。SLOPE值的大小可以反映碳排放随时间变化的快慢程度，按照表2的标准将各区县的碳排放类型划分为五种，其中，h－、s分别代表关中城市群各区县SLOPE在2001—2020年的均值和标准差。

2.空间自相关分析方法

按照分析的空间范围不同，空间自相关分析包括全局空间自相关和局部空间自相关［3］。对于全局性分析，常用全局Moran’s I指数来衡量研究区域的整体关联程度；对于区域性分析，常用局部Moran’s I指数和LISA显著图来解释局部区域的集聚特征和空间差异性。

（1）全局Moran’s I指数。该指数可以用于分析在整体的空间范围内，某属性呈现的空间格局和相关关系，也可以判断该属性在相邻地理单元的相似程度，具体计算如式（4）：

I=n×∑ni=1∑nj=1Wij（xi－x－）（xj－x－）∑ni=1∑nj=1Wij∑ni=1（xi－x－）2 式（4）

其中，I代表全局Moran’s I指数，n为研究的地理单元个数，xi、xj代表某属性在第i个和第j个地理单元的数值，x－代表某属性在整个研究区域的均值，Wij代表空间权重矩阵。采用Queen标准来定义研究区域内各地理单元是否相邻，即共有边界或共有顶点的两个单元均为邻近关系。

（2）局部Moran’s I指数和LISA显著图。该指数可以显示局部范围内的显著性集聚现象，识别某一地理单元与周边区域的空间差异，具体如式（5）：

Ii=（xi－x－）s2∑nj=1Wij（xj－x－）=zi∑j≠iWijzj 式（5）

其中，s2代表该属性观测值在研究区域内的方差，zi、zj分别代表第i、j个地理单元该属性值的标准化。该指标需要进行显著性验证，其z值定义如式（6）：

z（Ii）=Ii－E（Ii）var（Ii） 式（6）

其中，E（Ii）、var（Ii）分别代表它的期望均值和期望方差。在此基础上，LISA显著图可以突出显示Ii通过z检验的地理单元，并按照Ii和zi的正负将其划分为五种集聚情况：①HH（高高聚集）型。当Ii>0、zi>0时，第i个地理单元的标准化属性值为正数，属于高值区域，且局部呈显著的正相关性，区域差异小，表现为高值区域的局部集聚；②LL（低低聚集）型。当Ii>0、zi<0时，第i个地理单元的标准化属性值为负数，属于低值区域，且局部呈显著的正相关性，区域差异小，表现为低值区域的局部集聚；③LH（低高聚集）型。当Ii<0、zi<0时，第i个地理单元的标准化属性值为负数，属于低值区域，且局部呈显著的负相关性，区域差异大，表现为中心区域属性值较低，周边区域属性值较高的空间格局；④HL（高低聚集）型。当Ii<0、zi>0时，第i个地理单元的标准化属性值为正数，属于高值区域，且局部呈显著的负相关性，区域差异大，表现为中心区域属性值较高，周边区域属性值较低的空间格局，后面两种情况容易产生扩散和溢出效应；⑤不显著区域。

三、结果分析

（一）多尺度下的碳排放时空演变总体特征

2001—2020年，陕西、山西、甘肃片区的碳排放总量整体上呈现出上升趋势，其中山西2市的碳排放总量从3 264万t增长到7 417万t；甘肃3市的碳排放总量从723万t增长到2 425万t，增幅超过3倍；陕西6市的碳排放总量从2001年的4 572万t增长到2020年的16 053万t，增幅达到近4倍，并且碳排放总量始终位居第一（见图2）。

由图2可知，甘肃省（片区）在2001—2020年碳排放总量增长较为平稳，且呈持续上升趋势，年均增长率为6.71%。山西省（片区）在2001—2020年碳排放总量增速缓慢，年均增长率为4.57%，且在2015—2020年存在负增长。陕西省（片区）在2001—2020年碳排放总量增长较为明显，2001—2010年和2015—2020年增长趋势较快，年均增长率分别达到11.56%和4.05%；2010—2014年增速减缓，增长率为1.53%；2014—2015年出现明显拐点，增长率下降到-7.29%。

在对碳排放总体格局进行分析的基础上，为明确市域尺度上各地区碳排放的时间变化趋势，利用倾向值法（SLOPE）对2001—2020年关中城市群各地区的碳排放总量进行趋势分析，并采用一定标准将其划分为缓慢增长型、较慢增长型、中速增长型、较快增长型和迅猛增长型。在市域尺度上，关中城市群共有6个缓慢增长型和3个较慢增长型的城市，在三个省均有分布；中速、较快和迅猛增长型的城市均分布在陕西省中部和南部地区。总体来看，碳排放的时空变化特征在市级和县级尺度上具有一致性。由于各区县经济发展政策和经济发展水平的不同，不同尺度上碳排放的增长趋势存在一定的内部差异。

（二）多尺度下的碳排放时空演变动态分析

1.碳排放全局空间自相关分析

为分析地级市尺度上碳排放的整体空间分布情况，判断研究对象是否存在显著的空间相关性和集聚程度，计算出相应的全局Moran’s I指数、z值和p值。2001—2020年，关中城市群地级市尺度碳排放的全局Moran’s I指数均为正数，空间相关性呈逐渐下降的趋势，由2001年的0.287变动为2020年的0.118，说明随着现代化建设特别是西部大开发的推进，关中城市群各地市的经济发展呈现出多点网状分布格局和均匀分布态势，高值（低值）聚集的现象得到改善，高耗能、高排放行业企业不再集中于少部分重点大型城市，中小型城市的产能结构得到调整和升级。同时，2001—2020年z值均大于1.96，p值均在0.05水平上显著，说明在20年中关中城市群11个地市的碳排放存在显著的空间分布正相关性和空间集聚分布程度。整体而言，2001—2020年地级市尺度的全局Moran’s I数值均为正数，且呈现不同程度的下降趋势，研究区域之间均具有显著的空间正相关性。

2.碳排放局部空间关联分析

为分析地级市尺度上碳排放的局部空间关联情况，揭示关中城市群碳排放分布的空间异质性和区域集聚特征，明确碳排放集聚的具体地理位置，本文选取关中城市群2001、2007、2016和2020年的碳排放数据，计算局部Moran’s I指数并得到0.05显著性水平下的LISA显著性图，如图3所示。2001—2020年，关中平原城市群地级市尺度上形成以显著HH型聚集为主，显著LL型和LH型次之的碳排放空间分布格局。2001年，呈现显著性集聚分布的城市占54.5%，其中碳排放分布模式为HH型和LL型的市级地理单元有5个，山西省临汾和运城市（片区）、甘肃省平凉和天水市（片区）分别属于HH型和LL型集聚分布，位于陕西省中部的渭南市呈HH型聚集，位于陕西省中南部地区的商洛片区呈LH型聚集；2007年，LL型城市减少1个，为甘肃省天水片区，其余城市碳排放分布类型不变，呈现显著性聚集的城市占45.45%；2016年，LH型城市增加1个，为陕西省铜川市，其余较2007年保持不变，呈现显著性聚集的城市比例为54.5%；2020年与2016年的区域聚集特征相同。2001—2020年碳排放呈LL型聚集的城市总数逐渐减少，其中甘肃省天水片区由LL型聚集转变为不显著聚集的离散分布，与邻近区域的碳排放差异逐渐增大，也解释了市域尺度上全局Moran’s I指数的下降趋势。

总体来看，地级市尺度上关中城市群碳排放的空间格局主要为HH型正相关聚集，聚集趋势由山西、陕西的高碳聚集区形成。以运城片区、临汾片区、渭南市为中心的高—高聚集区保持长期不变，表现为高碳排放城市的集聚现象。以陕西省商洛市为中心的低—高聚集区也保持长期不变，由于商洛片区自身的碳排放量较低，将会受到周边城市对其正向溢出的影响。陕西省铜川市由不显著聚集转变为LH型聚集，与邻近区域的碳排放差异逐渐增大，说明该地区碳排放增长较为缓慢，与碳排放趋势分析结果相对应。此外，甘肃3市片区城市化水平较低，生态环境管制严格，综合能源消耗占比较少，属于关中平原城市群的低碳排放区；山西和陕西城市的煤炭资源丰富、重工业比重较大，城市综合能源消耗量大，属于关中平原城市群的高碳排放区。

综上，不同尺度上的碳排放时空演变特征分析结果存在整体一致性和内部差异性，省、市域视角下的结果揭示了关中城市群碳排放总体的时间变化趋势和空间分布格局。多尺度分析方法有助于在宏观政策制定的基础上，提出差异化、精细化和针对性的区域减排政策。

四、结论

针对地级市及以下能源消费数据不足、数据统计口径存在差异等问题，以DMSP/OLS和NPP/VIIRS两类夜间灯光数据为切入点，通过校正融合获得关中平原城市群2001—2020年的夜间灯光DN值，并以此为基础，估算研究区域内3个省（片区）、11个城市（片区）的碳排放量，在此基础上，探讨关中平原城市群在不同研究尺度上碳排放的时空演变特征，主要结论如下。

1.2001—2020年关中平原城市群的夜间灯光分布范围呈现明显的扩大趋势，具体表现为：以西安市为中心的城市区域向边缘地区的扩散；运城片区和临汾片区夜间灯光明显的高值分散分布。

2.整体上看，甘肃省（片区）在2001—2020年碳排放总量增长较为平稳，且呈持续上升趋势；山西省（片区）在2001—2020年碳排放总量增速缓慢且在2015—2020年存在负增长的情况；陕西省（片区）在2001—2020年碳排放总量变化趋势较为明显，且碳排放总量始终位居第一。

3.在市域尺度上，关中城市群碳排放增长缓慢的城市集中在山西和甘肃省，增速较快的城市分布在陕西省中部和南部地区。

4.通过计算全局Moran’s I指数发现，研究区域的尺度划分会影响全局相关性的显著程度，划分尺度越小呈现的空间聚集性会越高。在市域尺度上，2001—2020年关中城市群碳排放的全局Moran’s I指数均为正数，空间相关性呈逐渐下降的趋势。说明在20年中关中城市群11个地市的碳排放存在显著的空间集聚分布，且各地市的经济发展逐渐呈现出多点网状分布格局和均匀分布态势。

5.通过计算局部Moran’s I指数并结合LISA显著图发现，关中城市群碳排放在不同尺度上的显著性空间关联类型基本一致，均以正相关聚集为主导类型，表现为高碳排放区集中在山西和陕西境内，低碳排放区集中在甘肃，不同尺度上的显著性类型存在局部差异性。

参考文献：

［1］周翼，陈英，谢保鹏，等.关中平原城市群城市联系与影响范围分析［J］.地域研究与开发，2019（3）：54-59.

［2］赵小风，黄贤金，张兴榆，等.区域COD、SO2及TSP排放的空间自相关分析：以江苏省为例［J］.环境科学，2009（6）：1580-1587.

［3］李江苏，孟琳琳，李韦华，等.黄河流域生产性服务业综合发展水平时空演变及影响因素分析［J］.人文地理，2023（2）：116-125.

作者简介：董秀萍（1969—），女，汉族，陕西西安人，西安市交通发展研究中心高级经济师，研究方向为交通运输规划与管理、物流工程与管理。

杨治杰（2000—），男，汉族，山西长治人，长安大学经济与管理学院博士研究生，研究方向为智慧交通系统及交通优化。

（责任编辑：王宝林）