基于DMSP/OLS数据的区域碳排放时空动态研究

选取IPCC碳排放核算方法并基于能源统计数据,核算了我国大陆30个省市的能源消耗碳排放量,利用纠正后的DMSP/OLS夜间灯光数据与相应空间单元的碳排放量进行回归分析,反演出1km×1km栅格的电力消耗碳排放量并分析其在地级市尺度上的时空变化.核算出2005年、2010年和2013年能源消耗排放总量分别为57.02,82.28和93.26亿t,其中电力碳排放量分别为23.03,35.62和42.07亿t.结果表明：校正后的DMSP/OLS夜间灯光数据能更好地估算碳排放,其DN总值与统计的省级能源消耗排放量、电力消耗排放量均存在较强的相关关系;整体而言,发达地区能源消耗排放量大但强度比较低.     

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.     

近十年中国陆地AOD时空分布及与城市化的关系研究

选取2008—2017年MODIS(Moderate-resolution Imaging Spectrometer) Aqua C006气溶胶产品数据,分析近10年中国陆地气溶胶光学厚度(Aerosol optical depth,AOD)时间序列变化规律、空间格局分布特征,同时比较了"三区十群"区域内外的AOD变化差异.同时,通过DMSP/OLS(Defense Meteorological Satellite System/Operational Linescan System)夜间灯光产品与AOD关系研究分析,以反映城市化进程中人类活动对AOD时空分布的影响.结果表明:①中国陆地AOD多年平均、季节分布特征符合"胡焕庸线".在时间尺度上,2008—2017年中国陆地AOD年际变化范围是0.279～0.368,整体呈现下降趋势且变化幅度较小;在空间分布上,2008—2017年高值区为京津冀地区、华中地区、长三角地区、珠三角地区及塔里木盆地,低值区为青藏高原、云贵高原、内蒙古高原等;AOD时空分布呈较强的季节性,春季AOD最高,秋季最低.②中国区域的夜间灯光图与AOD时空分布具有较好的一致性,也符合"胡焕庸线".人口稠密、城市化较快的东部地区出现大片光带,快速发展的城市光斑覆盖明显.2008—2013年间,城市亮度范围有一定程度的扩大,说明人类经济生产活动增加明显.③2010—2013年省级行政区的DMSP/OLS夜间灯光与其AOD表现为显著正相关,二者幂函数拟合度R~2分别为0.8036、0.8263、0.7701、0.8277、0.8331.DMSP/OLS夜间灯光与AOD呈显著正相关,说明城市化发展水平对气溶胶分布的影响作用显著.     

多尺度视角下重要生态功能区碳源/汇时空演变特征——以黄河流域为例

研究使用土地利用、夜间灯光和能源统计数据,采用能源碳排放模拟法计算碳排放量和碳吸收系数法计算碳吸收量,构建了黄河流域多尺度、长时间序列碳源/汇估算模型.利用构建的估算模型和探索性空间数据分析法从省、市、县以及栅格尺度对黄河流域碳源/汇以及碳平衡进行时空演变特征分析.结果表明:(1)分组模拟能源消费与夜间灯光数据,发现长时间序列碳排放估算模型拟合相关性均达到0.9以上,模型估算精度良好.(2)从空间分布看,东部地区碳排放呈逐年增加趋势,而碳吸收量较多则主要分布在东北和西南部.从省份看,碳排放量最高省为山东;碳吸收量最高省为内蒙古.从市级看,高碳排放城市呈现总体向东部、北部移动趋势,高碳吸收逐渐向西南地区扩张.从县级看,高碳排放与吸收县域向东北地区扩张.(3)黄河流域20年来碳排放与碳吸收累积变化总体均呈上升趋势,但吸收量增加幅度大于碳排放量,说明黄河流域减排增汇工作取得了积极进展,绿色发展工作持续推进.研究结果可为黄河流域减排增汇,实现绿色发展提供科学参考.     

能源消耗碳排放的时空演变与预测：基于山西省夜间灯光数据

为了研究能源消耗碳排放的时空演变规律并进行“碳达峰”预测,该研究以山西省为例,基于1997-2020年夜间灯光数据反演该省碳排放量,并采用引力模型与标准差椭圆模型对高碳排放区展开为期20年的时空演变分析,通过长短期记忆网络模型对山西省“碳达峰”进行预测。结果显示,1997-2020年山西省碳排放量以5.8%的增长率呈上升趋势;太原市和大同市为高碳排放区,阳泉市为低碳排放区;太原对其周边城市碳排放产生明显引力作用,形成以其为中心的高碳排放区,碳排放重心由晋中地区向太原迁移;目前山西省煤炭产业仍然占据优势地位,但节能减排成效显著,有望在2030年实现“碳达峰”,且峰值排放量为14.5亿t,研究结果将为区域社会经济绿色转型发展及碳减排机制的制定提供科学依据。     

服务于地震应急的人口格网精细化研究——以合肥市为例

运用遥感、GIS技术和数学建模理论,结合DMSP/OLS夜间灯光数据、人口统计数据、建筑数据对人口格网数据进行精细化、实时化研究,模拟合肥市500m×500m的格网人口分布数据,并进行精度验证。研究结果表明,网格精细化的人口数据能够客观的反映研究区的人口密度分布情况,为地震灾害损失快速评估提供数据支持。     

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.     

基于市域尺度的陕西省碳排放空间特征分析

为完善陕西省节能减排措施并减少碳排放量,基于市域尺度视角,采用空间统计分析及空间自相关法,借助ArcGIS技术分析陕西省2000～2017年的碳排放量、碳排放强度时空变化特征及空间集聚特征.研究发现:陕西省整体碳排放量呈增加趋势,碳排放强度显著降低,处于低碳排放区和高碳排放强度的市区数显著减少;部分城市上升至次高碳排区...     

我国东部沿海三大城市群热岛变化及其与城市群发展的关系

随着城市化进程的快速推进,城市群已经成为区域空间的重要组织形式.为揭示我国东部沿海京津唐、长三角和珠三角三大城市群热岛变化与城市群发展的关系,利用MODIS地表温度产品数据和DMSP/OLS夜间灯光数据,对2001-2013年这3个城市群的热岛效应与区域发展二者之间的关系进行研究.结果表明:2001-2013年,3个城市群的热岛斑块面积均有较大幅度的增加,并且在空间上逐渐相连接,形成热岛城市带;RHⅡ（区域热岛指数）不断升高,京津唐城市群、长三角城市群、珠三角城市群分别升高0.051、0.070、0.101,其热岛状况不断加剧.随着城市群的发展,城区对周边区域的辐射作用不断加强,建成区边缘的城郊过渡带是地表温度增加最为显著的区域.总体而言,城市群的扩展是其区域热岛效应的主要成因,表征城市扩展变化的夜间灯光亮度平均值差值与表征热岛变化的地表温度平均值差值之间存在对数关系,表现出先快后慢的趋势.      

多元观测资料融合应用的灰霾天气关键成因研究

利用临安作为区域大气本底站的优势和杭州大气复合污染综合观测设施,再融合DMSP/OLS夜间灯光数据及气象观测数据,从不同层面研究了灰霾天气形成的主导因素.通过浙江省灰霾日数空间分布与同时期Defense Meteorological Satellite System (DMSP)/Operational Linescan System (OLS)卫星遥感得到的夜间灯光分布对比以及1960-2009年间杭州和浙江省年平均灰疆日数演变过程,从空间和年代际变化两个角度论证了当前不科学的社会发展是造成灰霾天气日益严重的根本原因.通过杭州和临安本底站实际观测对比发现,对灰霾天气形成起主要作用的是细粒子,关键排放因子不是尘粒等气溶胶,而是黑碳、NO2、SO2等.脱硫减排可以使霾污染有所减缓,但由汽车尾气等排放的含氮前体物对霾污染的贡献却越显突出.气象条件是灰霾天气形成的外部控制因素.在各种天气形势中,由于高压控制下下沉气流明显、大气相对稳定,出现灰霾天气的概率最高,达64.5％.除天气形势、大气稳定度外,风速、气温、湿度、气压、降水、变温等地面气象因子及前1日PM10浓度对污染物浓度皆有一定影响,其中降水、湿度、风速与污染物浓度之间的相关性最显著,是灰霾天气形成的关键气象因子.     

基于多源遥感信息的人为热排放量空间化——以浙江省为例

基于自上而下能源清单法,主要考虑工业、交通、建筑和人体新陈代谢这4个热源对人为热的贡献,估算了2010年浙江省68个县市的人为热排放总量.使用DMSP/OLS遥感夜间灯光数据以及阈值法提取出人为热排放的主要区域,并有效减少夜灯像元溢出效应的影响.利用夜间灯光数据和增强型植被指数(EVI)构建人居指数,基于各市县人为热排放总量与其行政区范围内人居指数累计值之间很强的相关关系建立人为热排放量空间化模型,获得了250m分辨率下浙江省2010年城市人为热通量的空间分布.结果显示浙江省各县市的平均人为热排放通量为5.5W/m²,城市高值区一般介于10~40W/m².栅格化的人为热数据可以为城市气候环境的数值模拟研究提供基础数据支持.     

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.     

长江经济带不同等级城市碳排放的时空演变及其影响因素

厘清区域不同等级城市碳排放对实施差异化的城市碳减排行动方案具有重要的指导意义. 采用2000—2019年DMSP_OLS和NPP_VIIRS夜间灯光数据模拟长江经济带城市碳排放,运用空间自相关分析和空间面板杜宾模型分别探讨长江经济带整体和各等级城市碳排放的时空演变及其影响因素. 结果表明:①研究期间,长江经济带整体和各等级城市碳排放量均呈波动上升趋势,其中各等级城市碳排放量呈大型城市>中型城市>小型城市的特征,整体和各等级城市碳排放量的年均增长率均有所降低. ②除个别年份外,整体和各等级城市碳排放的全局Moran′s I值均大于0,分别在5%和10%水平下显著,高-高聚集区主要分布在上海市、江苏省和浙江省等东部地区的城市,高-低聚集区主要分布在重庆市,低-低聚集区主要分布在乐山市等城市. ③人口增长、城镇化率和经济增长等因素对整体碳排放有显著的直接正向影响,而城镇生活污水处理率和生活垃圾无害化处理率对整体碳排放有显著的直接负向影响;人口增长、经济增长及环境规制等因素对各等级城市碳排放的影响有明显差异. 研究显示,长江经济带整体和各等级城市碳排放的时空演变及其影响因素有显著差异,城市减碳行动方案的制定和实施需要注重差异性.      

关中典型城市及农村夏季PM2.5的化学组成对比

于2016年7~8月采集了陕西省西安市（城市）及蔺村（农村）夏季昼夜PM_2.5样品,分析其有机碳（OC）、元素碳（EC）和无机离子等化学组分的含量,探讨关中平原城市和农村地区PM_2.5的化学组成和来源的差异.结果表明,采样期间西安和蔺村的PM_2.5浓度分别为（49.7±22.8）和（62.6±14.2）μg/m³.西安PM_2.5中OC和EC的浓度[（6.5±2.5）μg/m³,（3.2±1.8）μg/m³]与蔺村[（6.8±1.8）μg/m³,（3.8±2.3）μg/m³]相当.西安OC/EC比值白天（2.6）高于夜晚（1.9）,蔺村反之（白天：1.6;夜晚：2.7）,主要是因为夜间城市地区重型卡车运输活动增强导致排放更多EC,而夜间农村地区人为活动较少导致EC排放显著降低.西安和蔺村无机离子总浓度分别为（20.2±14.6）和（30.1±10.5）μg/m³,占PM_2.5浓度的40.6%和47.6%.蔺村SO₄^2-的平均浓度高达19.0μg/m³,占PM_2.5浓度的30%以上,远高于西安（9.4μg/m³和18.9%）,主要与农村固体燃料（煤和生物质）使用有关.西安NO₃^-和Ca²⁺的浓度及其对PM_2.5的贡献、NO₃^-/SO₄^2-比值均明显大于蔺村,表明城市地区受机动车尾气和扬尘的影响更大.西安K⁺与Ca²⁺和Mg²⁺的相关性较强,而蔺村K⁺与EC的相关性显著强于西安,说明西安市区K⁺由粉尘源主导,而农村地区则主要来自生物质燃烧.     

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。     

基于CiteSpace的城市空间形态与碳排放关系研究进展

城市空间形态与碳排放的关系是低碳城市建设的理论依据。基于WOS和CNKI数据库，采用CiteSpace软件对1991—2022年城市空间形态与碳排放的关系进行了综述。从发文趋势、合作网络、突现词探测、关键词分析等角度，分析了该领域的发展动态、研究热点，并通过关键词聚类对文献相关内容进行综合解析。结果表明：（1）1991—2022年该领域发文量总体呈上升趋势，在国际重要事件节点上，发文量有大幅上升。（2）中国是该领域发文最多的国家，发文量达34.03%，美国发文中心性最高，为0.48，且国家、机构合作紧密。（3）关键词共现表明探究城市形态对碳排放的影响一直是学术界关注的热点；突现词探测表明研究重心逐渐从与交通碳排放相关的城市空气质量转移到与城市形态和碳排放有关的内容上来。（4）从关键词聚类标签来看，国内外将城市碳排放测算作为重中之重，并通过指标量化城市空间形态分析城市形态对碳排放的驱动作用；通过建立模型定量探讨城市空间形态与碳排放的关系是未来的研究趋势。未来应编制规范的城市层面碳排放清单以提高测算精度、拓宽城市形态与碳排放关系的研究尺度、深入挖掘三维城市空间形态与碳排放的关系。     

自上而下的城市能源消耗碳排放估算方法

快速的城镇化进程带来城市碳排放的快速增长,准确的城市水平碳排放数据对于制定科学合理的碳减排政策极为关键,明确碳排放源的关键类别可以做到有的放矢和精准管控.但是目前中国碳排放数据的研究主要集中在国家、地区和省级层面,城市水平由于所需基础数据的不透明和不准确,长久以来缺乏完整的碳排放清单.为解决该问题,在以前相关研究的基础上,通过省级能源平衡表,尝试利用合理的分配指标从省级碳排放数据估算出下属城市的碳排放,构建了一套自上而下的城市能源消耗碳排放估算方法.通过与现有可获得的城市水平数据进行对比,发现估算差距均在10%以内,证明了该方法的可行性和准确性,并尝试在时间尺度进行了扩展.为获取在时间和空间上均连续的中国城市能源消耗碳排放数据提供了科学的方法和合理的思路,也能为各城市分配减排任务和城市间进行减排协商提供可靠的数据支撑.     

Will polycentric cities cause more CO2 emissions? A case study of 232 Chinese cities

From 2000 to 2010 China experienced rapid economic development and urbanization. Many cities in economically developed areas have developed from a single-center status to polycentricity. In this study, we used exploratory spatial data analysis (ESDA) to identify the population centers, which identified 232 cities in China as having urban centers. COMP was used to represent urban agglomeration, and POLYD (representing how far is the city's sub-centers to the main center), POLYC (representing the number of a city's centers), and POLYP (representing the population distributed between the main center and the sub-centers) were used to indicate urban polycentricity. Night light data were used to determine the CO₂ emissions from various cities in China. A mixed model was used to study the impact of urban aggregation and polycentric data on the CO₂ emission efficiency in 2000 and 2010. The study found that cities with higher compactness were distributed in coastal areas, and the cities with higher multicentricity were distributed in the Yangtze River Delta and Shandong Province. The more compact the city was, the less conducive it was to improving CO₂ emission efficiency. Polycentric development of the city was conducive to improving the CO₂ emission efficiency, but the number of urban centers had no significant relationship with the CO₂ emission efficiency. Our research showed that the compactness and multicentricity of the city had an impact on the CO₂ emission efficiency and provided some planning suggestions for the low carbon development of the city.