碳排放的空间关联网络结构特征与影响因素研究：以中国三大城市群为例

城市群建设是推动区域经济发展的重要形式,依靠城市群内的网络关系实现城市群的协同减排是建立城市群绿色发展的重要路径。该文基于社会网络分析方法对中国三大城市群的碳排放空间关联网络的结构特征及其影响因素进行分析。结果表明:京津冀城市群的网络密度较小、网络等级度较大,长三角城市群的网络密度最大,网络等级度较小,珠三角城市群网络密度和网络等级度均较大,三大城市群的网络效率均较高,维持在0.7左右的水平;京津冀城市群的空间关联关系主要受到地理位置和技术创新的影响,长三角城市群碳排放的空间关联主要受到地理位置、产业结构、人口密度和城镇化水平影响,珠三角城市群的地理位置、产业结构和城镇化水平对其碳排放的空间关联具有显著影响。     

成渝城市群碳排放时空特征及其影响因素

利用2008~2018年成渝城市群内16个城市的面板数据,运用空间自相关和时空地理加权回归模型,探究了城市群碳排放的时空演变格局,揭示了碳排放影响因素的时空异质性.结果表明,成渝城市群碳排放整体呈增长态势,总量由5亿t增加到6.6亿t,增速约为1500t/a,地均碳排放量和人均碳排放量也存在波动上涨趋势.碳排放总量热点区域集中在成都和重庆,分别占总量约20%和25%,冷点区域为雅安市.碳排放总量和地均碳排放均存在显著的空间差异,人均碳排放的莫兰指数为正,呈现明显的空间聚集格局.整体上,人均碳排放表现出东北低-西南高的空间结构特征,南充,遂宁,广安是低低聚集区域.城市群中各个城市的影响因素显示出时空异质性,能源强度、经济发展水平、人口规模对城市的碳排放都有明显正向作用,在成渝中西部城市作用强度大;而城市化水平的正向影响较弱,对成渝东部城市影响较强.     

基于时间序列模型残差的中国东部地区空气质量指数（AQI）空间自相关特征分析

空间自相关分析可以揭示变量的空间聚集性质.基于中国东部城市群的日空气质量指数(AQI)数据,研究了AQI的空间自相关特征.同时,考虑到日AQI的空间非平稳性,分析分成两步进行.首先,对每个城市的日AQI序列建立时间序列模型,进而获得其标准残差序列;然后再基于残差项进行空间自相关分析,计算其全局Moran's I指数和局域Moran's I指数.结果表明,全局Moran's I指数体现出明显的季节变化特征,呈现出冬季高而夏季低的以年为周期的循环变化.通过分析局域Moran's I指数,发现中国东部城市群存在2个值得重视的高空间自相关区域:京津冀地区和长三角地区.由于残差项体现的是气象条件的影响,因此,大面积的高自相关区体现了邻近城市群空气质量对气象条件变化的同步响应特征.     

运用地理探测器研究京津冀城市群PM2.5浓度变化及影响因素

研究京津冀城市群PM_2.5浓度时空格局变化和影响因素,对区域大气环境保护和经济可持续发展具有十分重要的意义.基于PM_2.5遥感数据、地面站点气象数据、DEM数据、MODIS NDVI数据、夜间灯光数据、人口密度数据、土地利用类型数据和路网数据,利用Theil-Sen Median趋势分析、Mann-Kendall显著性检验和Getis-Ord G_i*分析,运用地理探测器分析京津冀城市群PM_2.5浓度时空变化和空间聚集特征,并探究影响其空间分异的影响因素.结果表明：(1)2000—2021年京津冀城市群PM_2.5污染严重,全年平均PM_2.5浓度为59.94μg/m³,冬季是京津冀城市群PM_2.5污染的高发季,但京津冀城市群PM_2.5浓度总体呈下降趋势,变化斜率为–0.85μg/(m³·a).(2)PM_2.5浓度在空间上呈东南高、西北低的分布格局,且P...     

长江经济带PM2.5分布格局演变及其影响因素

2000年以来,长江经济带高强度的人类社会经济活动引发了严峻的环境污染问题,灰霾污染尤为严重.研究该区域PM_(2.5)浓度的时空格局与影响因素是落实新发展理念、推进区域大气污染综合防治的迫切需要.本文基于遥感反演数据,研究了2000～2016年长江经济带PM_(2.5)浓度分布格局的演变过程,利用地理加权回归模型揭示了自然和社会经济因素对其影响的时空非平稳性.结果表明:①PM_(2.5)浓度分布总体表现为东高西低,且城市群污染特征明显.②以2007年为界, 2000～2016年PM_(2.5)年均浓度经历了逐年上升和波动下降的过程,年均浓度由27.2μg·m~(-3)上升至44.1μg·m~(-3)后, 2016年降至33.6μg·m~(-3).污染范围则先由长三角城市群、长江中游城市群和成渝城市群核心区域向四周快速扩展, 2007年后开始往回收缩.③空间自相关分析表明,PM_(2.5)浓度分布有显著的正空间自相关性,热点持续稳定地分布在上海、江苏、安徽中北部、浙江北部和湖北中部,冷点分布在云南、四川西部和南部及贵州西部.④自然因素与社会经济因素对PM_(2.5)浓度分布的影响具有时空差异性.其中社会经济因素主要呈正向影响;自然因素中,降水量主要呈负向影响,其余因子的影响大小和作用方向均随着时间和空间的变化而变化.     

基于卫星和地面观测的中国典型城市群对流层内臭氧时空变化特征

为了探明近年来中国典型城市群(京津冀城市群、长三角城市群和珠三角城市群)臭氧(O₃)污染的发生规律,利用2005—2020年OMI-MLS (臭氧监测仪-微波临边探测器)对流层O₃柱总量探测数据以及2015—2020年地面O₃浓度监测数据分析我国三大城市群O₃的时空分布特征及其演变趋势,结果表明:①对流层O₃柱总量月峰值和年均值均呈京津冀城市群>长三角城市群>珠三角城市群的特征,京津冀和长三角城市群对流层O₃柱总量均在夏季〔分别为50.0和44.4 DU (dobson unit)〕最高,而珠三角城市群在春季(42.2 DU)最高. ②三大城市群对流层O₃柱总量在空间分布上具有不同的特征,京津冀城市群对流层O₃柱总量呈东南高于西北的特征,长三角城市群对流层O₃柱总量随纬度升高而增大,珠三角城市群对流层O₃柱总量南北局地差异较小;海拔对对流层O₃柱总量的空间分布有一定影响,海拔越高,对流层O₃柱总量越低. ③京津冀、长三角和珠三角城市群对流层O₃柱总量均呈逐年显著升高的趋势,年均增长量分别为0.25、0.28和0.27 DU,其中,京津冀城市群在对流层O₃柱总量较低的秋冬季年均增长(0.29 DU)最快,而长三角和珠三角城市群分别在对流层O₃柱总量最高的夏季和春季增长最快,均为0.39 DU. ④卫星探测的对流层O₃柱总量与地面监测的O₃日最大8 h滑动平均浓度(简称“O₃-8 h浓度”)在京津冀和长三角城市群相关性明显,而在珠三角城市群相关性较差. ⑤O₃-8 h浓度呈京津冀城市群>长三角城市群>珠三角城市群的特征,其中,京津冀城市群O₃-8 h浓度在2018年(110.9 μg/m3)最高,空间上由2016年之前的北高南低转变为南高北低,多数城市O₃污染较重且达标率较低;长三角城市群2017年O₃-8 h浓度(106.7 μg/m3)最高,2016年起O₃-8 h高浓度中心由东北逐渐向西部内陆迁移,沿海城市达标率增加;珠三角城市群O₃污染程度最轻,达标城市较多,但O₃-8 h浓度呈逐年上升趋势,并在2019年达最高值(100.4 μg/m3),且中心城市上升速率远大于外围城市. 研究显示,中国三大城市群对流层O₃柱总量和O₃-8 h浓度的时空分布特征存在显著差异,造成差异的因素也不同.      

基于ESDA的京津冀地区草地变化空间分异

论文以县域为基本研究空间单元,借助GIS软件与Geoda空间统计分析软件,利用ESDA方法,对京津冀地区县域草地资源数量变化的总体与局域空间差异进行了分析。结果表明:①1980-2000年京津冀地区草地动态变化系数的Global Moran’s I为0.184 4,α = 0.05时呈显著的空间正相关,草地变化呈现出较明显的空间集聚特征;②时段Ⅰ(1980-1995年)到时段Ⅱ(1995-2000年)的全局Moran指数有所增加,表明草地变化在空间分布上集聚的趋势在增强;③各县域Local Moran’s I的Grid图反映了京津冀地区草地变化在局域空间上的均质性,尤其是高值区域与低值区域的集聚特征十分显著;④LISA集聚4种类型中,正相关的"H-H"类型区、"L-L"类型区占主体部分,二者约占总数的70%以上,其中,在时段Ⅱ,"H-H"关联的县域主要聚集在西北部山区,而中部的平原区域则表现出明显的"L-L"关联特征。     

土地利用变化对京津冀热环境时空演变的影响

选取中国三大城市群之一的京津冀城市群作为研究区,利用Getis-Ord Gi*指数、贡献指数等分析方法,探究了2001～2020年不同土地利用类型对京津冀城市群夏季昼夜区域热环境的影响.结果发现,夏季昼夜相对地表温度空间分布差异较大.白天,西北部和东南部的相对地表温度都较高.夜晚,西北部以冷点为主,而热点主要聚集于东南部.京津冀城市群主要以耕地、林地、草地和建设用地为主.耕地、建设用地主要分布于东南部,林地和草地主要位于西北部.其中,耕地面积最大,约占总体面积的45.5%.然而自2001～2020年,随着城市化的发展,耕地面积降低了5.2%,而建设用地面积增加了2.3%.土地利用在夏季昼夜的相对地表温度变化较大.水体在白天的相对地表温度基本低于0℃,对区域热环境具有明显的降温作用,在夜晚水体的相对地表温度则位于3～4℃,具有明显的增温作用.草地在白天对区域的降温作用不明显,而在夜晚的降温作用明显强于林地.本文通过研究不同土地利用类型对区域热环境的昼夜影响,将有助于理解区域热环境分布特征及影响机制,从而为区域层面的热岛缓解策略制定提供理论依据.     

哈长城市群县域碳排放空间溢出效应及影响因素研究——基于NPP-VIIRS夜间灯光数据的实证

基于2012-2016年NPP-VIIRS夜间灯光数据测算哈长城市群共计68个县级单元碳排放数据,采用空间自相关、位序规模法则、空间计量模型以及空间马尔科夫链模型,对县级尺度城市碳排放空间特征、影响因素和动态空间溢出作用进行分析.结果表明：①城市碳排放呈现逐年下降的趋势,空间Moran''s I指数表明研究区城市碳排放存在高度的空间自相关,碳排放的高值集聚性呈降低的趋势.②位序规模法则表明,研究区全部城市的碳排放属于次位型分布,高位次城市的碳排放表现突出;在前十位城市的碳排放规模先减少再增加,由分散向集中演变.③多种空间面板模型对比分析表明,城市经济水平和人口密度因素呈现显著的正相关关系;固定投资和外商投资因素仅在时间固定模型中起到正向影响作用;技术进步以及路网密度因素则起到显著的抑制作用.④空间马尔科夫链分析结果表明,城市碳排放空间溢出效应明显,位于低水平区域与高水平区域的城市在转移过程中保持稳定;位于中低水平区域的城市与高碳排放的城市相邻会降低转移概率,反之则会提升转移概率.     

东北三省农田生态系统碳排放时空分异特征及驱动因素研究

根据2000—2014年东北三省碳排放的相关数据,结合空间探索性分析及地理加权回归等模型方法,对研究区农田生态系统碳排放量的空间集聚性、差异性及其重要驱动因素进行研究.结果表明:东北三省农田生态系统碳排放量存在比较显著的全局空间正相关,自相关性在整体上表现出逐渐增强的趋势,到2014年全局Moran's I指数达到最高值0.3395.在局部空间相关关系上,东北三省农田生态系统碳排放量的高-高区域集中在黑龙江省和吉林省,低-低地区主要集中在辽宁省,表现出不平衡的发展格局.人均GDP对农田生态系统碳排放有负效应,总人口数对农田生态系统碳排放的影响从正效应转变为负效应,化肥施用对农田生态系统碳排放影响程度的空间分布格局发生了较大变化,代表生产技术水平和能源消耗的农业化肥施用量和农业机械总动力因素对农田生态系统碳排放的影响较大,东北三省农田生态系统碳排放和农业机械总动力相关程度有逐渐趋同的趋势.     

中国县域碳排放时空演变与异质性

县域是实现减排控碳的关键空间单元,研究并揭示县域碳排放的时空演变特征和影响机制对于实现“双碳”目标具有重要意义.以县域作为分析单元,运用数理统计和面板数据回归模型等方法,分析2000～2017年中国县域碳排放时空演变和异质性特征,探究其影响机制.结果表明：(1) 2000～2017年碳排放年均增速为7.12%,历经“大幅上升-缓慢上升-高位波动”3个发展阶段,最终稳定在90×10⁸ t左右;在县域尺度上表现为显著正向空间自相关.(2)普通面板回归模型显示,GDP、建设用地规模、人口规模、人均GDP和人均金融机构存款余额和碳排放关系显著,前三者对碳排放的促进作用最为强烈.(3)时空地理加权回归模型拟合优度较高,除国民生产总值在全局上稳定表现为促进作用以外,其余影响因素的作用方向和强度均在时空上发生了较大转变;表明我国不同类型县域间碳排放水平和主要影响因素各异.该研究一定程度上揭示了县域碳排放的演变特征和异质性,有助于优化“双碳”目标的空间实施路径.     

中国城市碳排放强度时空演变与影响因素的时空异质性

运用地图可视化、核密度估计、标准差椭圆等方法对中国2005～2020年城市碳排放强度的时空演变与路径迁移进行探究,并基于时空地理加权模型(GTWR),实证考察了城市碳排放强度影响因素的时空异质性.研究发现:(1)中国城市碳排放强度逐年降低,但仍远超同期发达国家水平,减排空间较大.碳排放强度呈“北高南低”的空间分布,南北分异趋势在研究后期愈发明显.(2)各区域内部城市碳排放强度差异逐渐收敛,分布越发均衡.东部城市碳排放强度的多级分化现象显著,西部高碳城市集聚分布.碳排放强度高值区域自山西省境内持续向西北方向转移,西北地区逐步成为中国碳排放的主要贡献区域.(3)总体上,高碳化能源消费对碳排放强度呈正向促进效应,产业升级、经济发展、人口集聚、科技研发与外资强度则主要表现为负向抑制.局部内,各因素作用效果存在较强的时空分异,不同区域与时期内,各影响因素的波动方向与作用强度不尽相同.     

基于夜间灯光的城市居民直接碳排放及影响因素——以中原经济区为例

城市居民直接能源消耗及其碳排放对区域碳减排政策的制定具有重要影响。受统计数据缺乏与研究方法的限制,当前的研究不仅较少探讨精细空间尺度上的城市居民直接碳排放,同时也缺乏在县级尺度上对人均居民直接碳排放的影响因素进行深入分析。鉴于此,论文以中原经济区为例,通过引入夜间灯光数据,利用增强型饱和校正模型估算了网格尺度上的城市居民碳排放,并采用地理加权回归模型对其影响因素进行了分析。主要研究发现:中原经济区的碳排放总体空间特征是西北高、东南低。郑州市市辖区的城市居民直接碳排放总量位于首位,而邢台县、辉县市和襄垣县的人均碳排放较高。此外,就其影响因素来看,人均GDP、碳排放强度、第二产业比重和HDD(Heating Degree Days,热度日)均表现为正效应,城镇化率为负效应,而CDD(Cooling Degree Days,冷度日)的系数有正有负。城市居民直接碳排放的影响因素分析为中原经济区制定切实可行的区域碳排放政策提供了重要的基础理论依据。     

县域尺度的京津冀都市圈CO2排放时空演变特征

二氧化碳排放具有阶段性空间分布特征,研究其区域特征和格局演变可为减排提供重要的依据和方向.利用1990~2009年京津冀都市圈128个县级区域的二氧化碳排放量数据,运用比较统计地图和空间自相关分析方法对都市圈的二氧化碳排放的空间格局和空间依赖性进行研究.结果表明,京津冀都市圈二氧化碳排放量逐年增加,2002年之后的平均增速是2002年之前的1.8倍.各市二氧化碳排放增长趋势不一,呈三类变化趋势.都市圈二氧化碳排放格局呈现较明显的分层聚集现象,全局Moran指数先由1.44降低至1998年的0.09后缓慢回升至0.10,二氧化碳排放高值区域空间分布由"双中心"发展至"四中心",低值区域变化较小.局部空间自相关性则呈现了4种类型的变化:大部分区域基本保持不变或减弱,唐山等地增强,天津部分区域和宣化县转变.高值中心和低值区域的空间自相关演变过程并不相同,在制定减排规划时需要因地制宜,适当考虑周边区域的相互作用.空间格局和空间自相关关系的探讨对于认识京津冀都市圈二氧化碳排放的空间规律和制定减排战略规划具有重要意义,也为都市圈低碳发展研究提供了基础.     

基于生态网络分析的京津冀城市群隐含碳代谢强度研究

针对当前城市群发展中所映射出的高碳排放现状,选取京津冀城市群作为研究对象,构建区域及产业部门两个层面的网络模型.结果发现,在区域层面,北京、天津、河北隐含碳排放量均呈稳步增加趋势,其中,北京受减排政策影响隐含碳排放量增长幅度较小且排放强度最小,而河北作为城市群主要工业生产区,排放量及排放强度依然居高不下.在产业部门层面...     

城市群碳排放空间关联网络结构及其影响因素

基于社会网络分析(SNA)及二次分配(QAP)方法,利用珠江三角洲城市群2001~2019年地级市数据,探究珠江三角洲城市群碳排放空间关联性及其影响因素.结果表明,珠江三角洲城市群碳排放空间相关性呈现出复杂的网络结构形态,空间关联的紧密程度呈现周期性变化,表现出“依政策波动”特征.碳排放空间关联网络呈现显著的“核心-边缘”分布模式,广州和深圳等经济发达城市处于网络核心,发挥“中介”和“桥梁”作用,惠州,江门等发展较为落后的城市处于网络边缘,对网络的控制和影响能力较为微弱.碳排放空间关联网络划分为“净受益”,“净溢出”,“双向溢出”和“经纪人”4个板块,各板块之间的联动效应显著.经济发展水平,能源利用效率,技术水平和环保力度差异的扩大促进了碳排放空间关联关系的形成.研究结果将有助于决策者为珠江三角洲城市群各城市界定减排责任和减排目标,制定更公平,更有针对性的城市群协同减排方案提供借鉴.     

中国典型城市群PM2.5污染特征研究进展

为进一步梳理近年来我国城市区域大气PM_2.5污染防治方面的研究成果,基于我国31个城市PM_2.5污染现状,以城市群为视角,总结了京津冀城市群、长三角城市群与川渝城市群PM_2.5组成与污染特征,分析了PM_2.5及其含碳气溶胶、水溶性无机离子、地壳元素等的整体特征,并在城市群间进行对比分析.结果表明:①3个城市群的ρ（PM_2.5）高低顺序依次为京津冀城市群>川渝城市群>长三角城市群,长距离传输使PM_2.5污染成为京津冀城市群、长三角城市群与川渝城市群面临的共同问题.②3个城市群的PM_2.5中均以SNA和OC为主,尽管ρ（PM_2.5）水平有下降趋势,但个别污染物（如SNA）略呈上升趋势.③京津冀城市群与川渝城市群的ρ（OC）接近,并且均高于长三角城市群的80%,较高的ρ（OC）/ρ（EC）反映我国城市群普遍存在SOC污染.④各城市群PM_2.5监测网（如监测时间和采样方法）发展水平迥异,城市群之间的相互影响和传输机制尚不清楚.建议今后的研究向以下几个方面扩展:①对城郊乡村等大气背景点,以及水库、湖泊等地化循环的重要源汇区域开展研究.②针对同一区域开展采样时段更长且研究方法和分析手段上保持一致的研究.③借用国外经验公式时需考虑我国国情,对基础研究方法开展一系列优化,建立符合我国国情的标准化研究方法.      

基于空间回归模型的中国碳排放空间差异模拟

以中国碳排放数据库的多年分省碳排放数据为基础,选取植被指数NDVI、夜间灯光影像DMSP-OLS、生产总值、工业总产值和人口数5项指标,采用1 km×1 km格网,运用空间滞后回归模型对中国2000年和2013年的碳排放进行时空分布模拟,并对空间模拟结果进行误差分析及纠正,获得地均碳排放强度的空间分布图,以弥补传统碳排放统计空间展示效果差、空间分辨率低等缺陷.结果发现,中国碳排放的空间分布格局差异显著,地均碳排放强度分布呈现由东部地区向中西部地区逐渐递减的阶梯状区域分布差异,东部地区的碳排放高值聚集区域大致呈现面状聚集分布特征,区域之间碳排放的差异较小,西部省会城市、工矿城市与农村地区碳排放量差异显著.2013年的地均碳排放强度明显高于2000年,且高值区域的分布范围明显扩大,低值区域分布范围面积明显减少.     

中国建筑业碳排放效率空间特征及其影响因素

基于中国30个省份2007—2016年的面板数据,利用考虑非期望产出的超效率SBM模型对建筑业碳排放效率进行估算,并结合空间自相关分析和空间杜宾面板计量模型,探讨了中国建筑业碳排放效率的时空分布特征及其主要影响因素。结果表明:建筑业碳排放效率在区域分布上呈现明显的空间聚集现象;其中,H-H聚集区主要集中在东部沿海地区,L-L聚集区主要分布在西部和北部地区。节能技术水平,城镇化水平,能源消费结构,资源禀赋均对中国建筑业碳排放效率的时空分布特征具有重要影响。     

中国交通运输碳排放及影响因素时空差异分析

为减少交通运输二氧化碳排放量,采用ESDA方法对交通运输碳排放时空分布格局进行研究,同时考虑了空间联系作用,构建GWR模型对碳排放影响因素进行时空差异分析.研究发现:(1)2000—2013年中国省域交通碳排放空间聚类特征随时间变化不大,存在显著的高值、低值聚类特征.京津冀地区、辽宁、山东、山西、陕西、河南地区为高值聚类区,新疆、青海地区一直处于低值聚类区.(2)碳排放影响因素在相邻地区差异较小.其中城镇化率、交通运输结构为主要推动因素,能源强度则起到关键抑制作用.应对碳排放聚类区域施行协同减排目标,同时,应根据因素影响作用差异,分区域制定针对性减排政策.