中国交通碳排放及影响因素时空异质性

选取30个省级行政单位作为空间单元,采用探索性空间数据分析（ESDA）方法对交通碳排放时空分布格局进行研究,同时考虑空间单元的差异性,构建地理加权回归（GWR）模型分析交通碳排放影响因素的时空异质性.研究发现：2000~2015年交通碳排放量呈现显著的空间聚类特征,聚类趋势逐年加强.双变量空间自相关指数为0.165~0.274,显著性水平介于0.016~0.045,表明交通碳排放同机动车保有量、GDP、货运周转量及客运周转量之间存在显著的空间正相关关系.GWR模型的R²在0.783~0.865之间,而OLS模型的R²在0.675~0.844之间,且GWR模型的AICc值均低于OLS模型的,说明GWR模型的拟合结果明显优于OLS模型,可以更好地解释交通碳排放的影响机制.GWR的回归结果表明碳排放的影响因素存在明显的时空异质性特征,其中GDP是主要的推动因素,部分地区回归系数高达0.91,2000年影响程度由东向西递减,而2005、2010和2015年由北向南递减.客运周转量起到关键的抑制作用,影响程度由东北向西南递减.因此建议应当充分考虑碳排放影响因素的时空异质性特征,制定差异化的碳减排政策.     

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.     

京津冀地区汽车运输碳排放影响因素研究

以空间相关性和空间异质性为基础,构建SLM-STIRPAT、SEM-STIRPAT和GWR-STIRPAT模型,对京津冀地区汽车运输碳排放进行测算和影响因素分析.结果表明：京津冀地区汽车运输碳排放存在显著空间相关性和空间异质性.人口对汽车运输碳排放呈正向影响;人均GDP对货运碳排放和总量碳排放呈正向影响,对客运碳排放呈负向影响,城镇化水平对汽车运输碳排放呈负向影响.第三产业增加值对客运碳排放和总量碳排放呈正向影响,对货运碳排放呈负向影响,人口对张家口市汽车运输碳排放影响最为显著;人均GDP对秦皇岛市和沧州市的汽车运输碳排放影响最为显著;城镇化水平对秦皇岛市的汽车运输碳排放影响最为显著;第三产业增加值对秦皇岛市的汽车运输碳排放影响最为显著.     

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.     

中国PM2.5污染空间分布的社会经济影响因素分析

中国的细颗粒物(PM_(2.5))污染具有危害性强、覆盖范围大、空间分布不均匀的特点.本研究以2015年中国PM_(2.5)监测站点数据为基础,尝试结合空间分析的方法,对PM_(2.5)污染空间分布的社会经济影响因素进行分析.首先以省级行政区划为基本单元,选取Moran's I指数和局部自相关指数(LISA)分析PM_(2.5)在国家尺度上的分布特征.然后利用普通最小二乘回归模型(OLS)和地理加权回归模型(GWR)分析PM_(2.5)浓度的空间分布和各项社会经济指标的相关性.结果表明,GWR模型比OLS模型更好地揭示出PM_(2.5)浓度分布和各项因素之间的关系.PM_(2.5)浓度在空间分布上存在以京津冀为中心的高浓度聚集区向四周逐渐递减,在广西、四川等南部省份形成低浓度聚集区的空间分布结构.另外,森林覆盖率和人均电力消费量与PM_(2.5)浓度显著负相关,人均私家车保有量和PM_(2.5)浓度显著正相关,其中人均私家车保有量是对PM_(2.5)浓度影响最大的因素.     

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.     

基于随机森林模型的中国近地面NO2浓度估算

NH₃针对传统近地面NO₂浓度空间模拟过程中NO₂浓度与其影响要素之间关系的复杂非线性机制解释不充分的缺陷,本研究基于随机森林（RF）算法、融合多源地理要素开展了近地面NO₂浓度空间分布模拟研究.以卫星OMI对流层NO₂柱浓度数据和多源地理要素（道路交通、气象因子、土地利用/覆盖、地形高程、人口数量）为输入变量,近地面NO₂浓度为输出变量,利用RF算法构建近地面NO₂浓度反演模型.通过对比地面观测数据与传统土地利用回归模型（LUR）检验RF模型的有效性,基于所构建的最优RF模型在不同时间尺度下模拟分析中国大陆地区近地面NO₂浓度空间分布特征.结果表明：（1）集成多源地理要素的RF回归模型精度高,月均模型整体拟合度R² 0.85,RMSE 6.08μg/m³,交叉验证的R² 0.84,RMSE 6.33μg/m³,显著高于LUR模型（拟合R² 0.53,RMSE 10.48μg/m³,交叉验证的R² 0.53,RMSE 10.49μg/m³）; （2）地面NO₂浓度与预测变量呈现显著的复杂非线性与时间尺度依赖关系,卫星OMI柱浓度对模型影响程度最大,重要性指标IncMSE介于97.40%~116.54%,多源地理特征变量对RF模型同样具有不可忽视的贡献力（IncMSE在23.34%~47.53%之间）;（3）中国大陆地区NO₂污染程度较高,年均模拟浓度为24.67μg/m³,存在明显季节性空间差异,NO₂浓度冬季（31.85μg/m³） > 秋季（24.86μg/m³） > 春季（23.24μg/m³） > 夏季（18.75μg/m³）,呈现以华北平原为高值中心、向外围逐渐减轻的空间分布格局.较已有研究揭示对流层NO₂柱浓度宏观分布特征,本研究对近地面NO₂污染特征的研究成果对于合理制定污染防控策略、降低居民暴露健康损害具有指导意义.     

陕西省碳排放时空格局演变及其影响因素

基于DMSP/OLS和NPP/VIIRS夜间灯光数据,运用探索性空间分析、冷热点分析和标准差椭圆分析等方法,估算了2000～2020年陕西省碳排放量,探讨了陕西省碳排放的时空演化特征,并构建了空间杜宾面板模型分析其影响因素.结果表明:(1)2000～2020年陕西省碳排放总量呈现持续增长趋势;碳排放分布具有显著的地域差异规律,呈现“陕北>关中>陕南”的分布态势.(2)碳排放重心向陕西东北方向移动,说明陕西东部地区和北部地区对全省碳排放量的影响作用加强;碳排放具有显著的空间正自相关性,即表现为集聚效应;碳排放的冷热点转化较为明显,热点在陕北地区扩张,冷点逐渐消失.(3)陕西省碳排放的直接正向影响因素有城镇化率、人口数量、单位GDP能耗、产业结构和经济增长,其中城镇化快速发展和人口规模扩大是陕西省碳排放持续增长的主要推动力.     

基于地理加权回归模型评估土地利用对地表水质的影响

针对传统线性回归模型大多忽视空间数据局部变化特征这一缺陷,引入地理加权回归模型(GWR)用于评估土地利用对地表水质的影响,分析了不同子流域内两者关系出现空间变化的规律并阐释了原因.同时,对比了GWR模型与普通最小二乘模型(OLS)的校正R2、Akaike信息准则(AICc)及残差的空间自相关指数(Moran's I),验证了GWR模型在预测精度和处理空间自相关过程中是否优于OLS模型.结果表明,同一土地利用类型对水质的影响随空间位置的改变而发生方向或大小的变化.以温瑞塘河流域总氮(TN)与农用地的关系为例,从GWR模型局部回归系数的方向分析,两者关系表现为农村正、城区负的现象,从大小分析,旧城区TN与农用地回归系数的绝对值高于其它区域;在溶解氧(DO)与人口密度所构建的GWR模型中,两者关系在整个研究区域内均表现为负值,与OLS结果吻合,从回归系数的大小分析,人口密度对DO的作用在郊区及农村更为显著.针对此类关系出现空间变化的原因分析表明,相邻子流域土地利用百分比的改变及水体主要污染源的不同,是导致土地利用对水质作用发生变化的根本因素.最后,对比所构建的80个GWR与OLS模型校正R2、AICc指标,验证了GWR作为一种局部统计模型,其预测精度优于OLS等传统全局模型且更能反映实际空间特征.     

利用CDOM吸收系数估算博斯腾湖水体表层DOC浓度

基于2021年夏秋两季西部干旱区博斯腾湖表层50个采样点位实测数据,通过对DOC特征的统计学分析、内外源因素影响的时空差异以及电导率相关性验证,将博斯腾湖划分为河口和非河口区域.然后以CDOM特征波长吸收系数a₂₅₀和a₃₆₅为自变量,以DOC浓度（c_DOC）为因变量,分别构建了基于CDOM的河口和非河口水域DOC浓度估算模型.结果表明：河流与湖泊进行水体交换的同时,会将大量陆源DOC输送到博斯腾湖中,使得河口区域DOC浓度明显高于非河口区域（t-tests,P<0.01）,河口区域的DOC浓度（c_DOC）约是非河口区域的2.2~2.3倍,且在河口区域c_DOC与电导率呈现显著相关关系（夏季：R²=0.81,P<0.01;秋季：R²=0.84,P<0.01）.本文构建拟合模型（c_DOC=α+β·α₂₅₀+γ·α₃₆₅）,并通过交叉验证的方法来检验模型精度.将夏季和秋季同区域数据统一建模,河口和非河口区域CDOM与DOC均存在较好的相关关系,且模型精度较高（河口区域：R²=0.60,RMSE=8.56%;非河口区域：R²=0.66,RMSE=8.77%）.本文所建立的模型可以在不增加环境因子变量的前提下提高精度,有利于实现卫星遥感反演.同时,本研究揭示了河流输入对博斯腾湖DOC分布和估算的时空影响,提出可利用CDOM估算DOC浓度,但需根据水文特征和c_DOC等因素区分河口和非河口区域.本研究对实现新疆水资源合理开发、有效保护以及综合治理提供科学依据,对我国西部干旱区湖泊DOC遥感动态监测具有重要意义.     

浙江省都市区碳排放时空演变及其影响因素

都市区建设促进城镇协同发展,对碳排放产生了影响,因此研究都市区建设与碳排放的关系,有助于探索减排的有效途径。基于浙江省各县市区2010—2018年间土地利用、能源消费等数据,测算碳排放量;利用空间自相关方法和空间计量回归模型,探讨四大都市区碳排放的时空演变特征及其影响因素。结果表明：（1）杭州都市区是浙江省最大的碳排放都市区,其次是宁波、温州和金义都市区。（2）碳排放在空间上具有明显的集聚特征。不同都市区碳排放的时空演变特征具有显著的差异性。（3）都市区建设有助于各城镇的协同作用,促进资源的高效配置和利用,进而降低碳排放。（4）都市区碳排放的影响因素和驱动机制受到都市区发展阶段和特色影响,形成不同的空间特征。（5）都市区低碳建设任务和方案是由其独特的碳排放驱动机制和时空演变特征决定的。     

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.     

中国居民消费碳排放影响因素的时空异质性

研究我国居民消费间接碳排放的阶段性和区域性特征,对于制定社会经济新常态发展下的碳减排策略具有重要的现实意义.利用投入产出法和结构分解分析法,核算了2002~2017年中国居民消费间接碳排放水平,量化了影响因素对间接碳排放的贡献;利用地理加权回归模型定量描述了省域间接碳排放的时空分异特征.结果显示:2002~2017年中国居民消费间接碳排放呈现先增长后下降的趋势,“食品”类和“居住”类消费是其主要来源,占比42%~48%.新常态下,“直接碳排放强度”、“生产技术”和“消费倾向”因素的抑制作用显著加强,大大抵消了“收入规模”、“人口”及“消费结构”因素对碳排放的促进作用,促使碳排放降低了145MtC.省域间接碳排放从东至西呈现递减的分布特征,表现出一定的集聚性.碳排放的影响因素具有空间异质性,“生产技术”与碳排放呈现负相关关系,其他因素呈现正相关关系.其中,“人口”、“收入规模”及“直接碳排放强度”对碳排放的影响程度较为突出.     

基于机器学习的交通碳排放预测模型构建与分析

针对交通运输碳排放问题,基于2005~2019年30个省份的面板数据,采用多种机器学习算法构建不同预测模型对30个省份的交通碳排放量与影响因素进行分析.首先,基于固定效应模型思想将省份差异转化为影响因素,进一步采用Pearson相关系数法与Spearman秩相关系数相结合的方法对18个交通碳排放影响因素进行筛选;其次,采用K-折交叉验证方法,并绘制学习曲线对各预测模型性能进行测试,选用MSE、MAE、R²和MAPE作为模型的评价指标进行分析,来选定最佳预测模型,并选择SHAP值来计算最佳预测模型中各解释变量的重要度.结果表明,省份差异、社会商品消费总额、城市绿地面积、货运周转量、私家车数量、交通运输业产值和常住人口这7个因素之间多重共线性弱且均通过显著性检验,可作为交通运输碳排放预测模型的解释变量;随机森林算法和XGBoost算法预测结果均表现优异,R²均高于0.97,误差均低于10 %,且不存在过拟合与欠拟合现象,其中XGBoost算法表现最优,而KNN算法表现欠佳;各解释变量的重要度排名为:省份差异 > 社会商品消费总额 > 私家车数量 > 常住人口 > 货运周转量 > 城市绿地面积 > 交通运输业产值, 综合相关性与重要性分析来看,在交通运输碳排放预测中,省份差异是一个不可忽视的变量.研究结果可为政策制定者和决策者提供参考,促进交通运输行业的可持续发展.     

中国省域能源消费碳排放时空异质性的EOF和GWR分析

利用自然正交函数(EOF)揭示中国各省份能源消费碳排放量变动的时空特征,借助地理加权回归模型(GWR)分析了碳排放量驱动因素的空间分布状况.研究结果表明:中国省域能源消费碳排放量整体处于增长状态,但其增长速度有减缓趋势;EOF第一模态结果显示,碳排放量以四川省为中心向南北方向扩散,低值区集中分布在西北地区和珠三角地区;第二模态结果显示,碳排放量增长速度表现出西南地区和东南沿海地区较快,而中部省份碳排放量增长速度较慢的态势.碳排放量影响因素的重要程度由大到小依次为:总人口变化量、人均GDP变化量、城镇化率变化量、二产比重变化量、贸易开放程度变化量和能源消耗强度变化量,其中,总人口变化量的影响程度最为剧烈,每当总人口变化1%时,碳排放量相应地会变化0.5358%.     

大湘西高级别景区时空分布特征及影响因素的空间异质性

旅游景区既是旅游业发展的先决条件和核心载体,也是最主要和最根本的旅游供给。基于大湘西高级别旅游景区数据,引入高级别景区发展差异指数,运用标准差椭圆分析法、核密度估计、全局空间自相关等多种空间统计方法,对2007年、2012年和2016年大湘西高级别旅游景区时空分布特征进行测度,并运用全局回归（OLS）模型和地理加权回归（GWR）模型,分析大湘西高级别景区影响因素的空间异质性。结果表明：大湘西高级别景区空间分布总体走向为东北—西南方向,且整体呈现小幅度逆时针旋转;高级别景区空间分布格局呈现出由“三核心两区县”向“一极多点”再到双核带动的“遍地开花型”空间格局的演化;高级别景区数量的空间正相关性不断减弱,且其在空间上的分布呈现一定的集聚特征;区域经济发展水平、政府政策扶持力度、交通条件、旅游资源因素对大湘西高级别景区空间分布格局影响显著,且不同影响因素呈现出一定的空间异质性。研究结论可为全域旅游背景下深化旅游景区体制机制改革提供科学依据和参考价值。     

平原丘陵过渡带土壤有机碳空间分布及环境影响

为定量分析景观过渡带中土壤有机碳空间分布及环境影响,将环境因子纳入空间自回归模型与地理加权回归模型分析比较,并以普通最小二乘回归模型作对照.结果表明:土壤性质指标中,容重及有效铁与土壤有机碳存在极显著相关关系;地形及区位因子中,纬度、高程、坡度、粗糙度等稳定性因素与土壤有机碳存在极显著相关关系;土壤有机碳的局部集聚性多发生在核心景观过渡带;空间回归模型的拟合优度均优于普通最小二乘回归模型,估计值的空间自相关变化趋势与实测值一致,残差的空间模式显著减弱;能够灵活调整权函数与带宽的地理加权回归模型能够更好地分析土壤有机碳的空间变异.模型评价方面,GWR-1和GWR-2的残差平方和较OLS分别降低了20.717%和8.799%; SLM、SEM、GWR-1、GWR-2的AIC值较OLS分别减小了5.108、5.391、19.887和11.751.除本身存在的空间自相关外,模型中土壤性质指标及环境因子能大幅解释土壤有机碳的异质性.本研究引入辅助变量,运用空间回归模型分析了平原丘陵过渡带土壤有机碳的空间变异,可为生态恢复、环境变化指示及研究区典型柑橘区的区划提供依据.