东北地区能源消费碳排放时空演变特征及其驱动机制

运用探索性空间分析、冷热点分析、标准差椭圆分析和地理加权回归分析等地学方法,研究了我国东北地区2005—2014年间能源消费碳排放的时空演化特征及其驱动机制.结果表明:①东北三省的能源消费碳排放量从高到低分别为辽宁省、黑龙江省、吉林省,2014年碳排放量分别达到20266、9914、6411万t;②东北三省能源消费碳排放量呈比较显著的全局空间正相关特征,在统计学上显著性检验存在多个冷、热点,其中,热点区主要集中在辽宁省的大连市、沈阳市、本溪市和辽阳市,吉林省的吉林市,以及黑龙江省的大庆市和鸡西市,冷点区主要集中在黑龙江省的大兴安岭市、黑河市、佳木斯市和伊春市;③在省级尺度上东北三省碳排放重心在2005—2014年间呈往东偏移的趋势,在市级尺度上辽宁省和吉林省碳排放重心往西偏移,而黑龙江省碳排放重心则往南偏移;④在省级尺度上,能源消费碳排放主轴方向为"西南-东北",但有往北旋转的趋势,黑龙江省能源消费碳排放主轴呈现往北旋转的趋势,辽宁省和吉林省的能源消费碳排放主轴方向则呈往东旋转的趋势;⑤东北地区影响能源消费碳排放量的主要驱动因素的影响程度排序为:人均GDP产业结构总人口数城市化率老龄化.     

“双碳”目标下城市形态对碳排放的影响:以长江经济带为例

明晰城市形态对于碳排放的影响机制,是实现城市碳减排的重要前提.以长江经济带为例,在阐述城市形态对于碳排放作用机制的基础上,利用多源数据定量评估城市形态,并分别采用空间计量模型和地理探测器在全局和分区域尺度评估2005~2020年城市形态对于碳排放的影响.结果表明:①2005~2020年,碳排放量由2365.31 Mt上升至4230.67 Mt,但增速呈逐渐放缓的趋势.其在空间上呈现两极分布格局,高值区主要集中在上海和重庆等核心城市,低值区集中在四川和云南西部地区.②建设用地面积在15年间整体扩张,建设用地人口密度呈下降趋势;城市破碎度不断降低且各市之间差异逐渐缩小;城市形状的平均规则程度有所提升,且各市紧凑度显著增加.③城市规模在全局尺度对碳排放有显著的正向作用,城市破碎度在2005年对碳排放有显著负向效应,但在随后年份负效应减弱,城市紧凑度指标在研究时段内与碳排放呈显著负相关性.④斑块类型面积、斑块密度和有效网格大小对上游城市碳排放的影响最为显著;有效网格大小、平均周长面积比和斑块类型面积在中游城市影响程度较高;有效网格大小、同类邻接百分比和最大斑块指数则是促进下游城市碳减排的关键因素.不同区域城市应当综合考虑各城市形态指标对于碳排放的影响,继而优化其城市形态以推动可持续发展.     

环境规制对碳排放时空格局演变的作用路径研究——基于东北三省地级市实证分析

基于2005-2016年东北三省36个地级市面板数据,定性分析环境规制与碳排放的时空格局演变特征,并利用中介效应分析法定量研究环境规制对碳排放的影响及作用路径。结果表明：（1）从各城市对比来看,环境规制强度呈现出明显的市域差异,碳排放量呈先增加后减小态势。（2）从空间格局来看,环境规制强度呈现由北向南逐渐增强的态势,区域间差异逐渐增大。环境规制的高水平类型分布集中,城市数量最多;低水平类型均位于黑龙江省北部,城市数量最少。碳排放量的高水平类型集中分布在辽东半岛以及大庆市和吉林市等石油型、冶金型城市,低水平类型城市数量呈波动增加,主要分布在东北北部,且向南逐渐扩散。（3）东北三省严格的环境规制不仅直接抑制碳排放,也可以通过优化产业结构和精简粗放投资间接抑制碳排放,地方政府竞争则会减弱环境规制对碳排放的抑制效应。     

环境规制对碳排放时空格局演变的作用路径研究——基于东北三省地级市实证分析

基于2005-2016年东北三省36个地级市面板数据,定性分析环境规制与碳排放的时空格局演变特征,并利用中介效应分析法定量研究环境规制对碳排放的影响及作用路径。结果表明:(1)从各城市对比来看,环境规制强度呈现出明显的市域差异,碳排放量呈先增加后减小态势。(2)从空间格局来看,环境规制强度呈现由北向南逐渐增强的态势,区域间差异逐渐增大。环境规制的高水平类型分布集中,城市数量最多;低水平类型均位于黑龙江省北部,城市数量最少。碳排放量的高水平类型集中分布在辽东半岛以及大庆市和吉林市等石油型、冶金型城市,低水平类型城市数量呈波动增加,主要分布在东北北部,且向南逐渐扩散。(3)东北三省严格的环境规制不仅直接抑制碳排放,也可以通过优化产业结构和精简粗放投资间接抑制碳排放,地方政府竞争则会减弱环境规制对碳排放的抑制效应。     

河南省农田生态系统碳源/汇时空分布及影响因素分解

为明确河南省农田生态系统碳源/汇分布特征及影响因素,利用2010—2020年河南省农作物播种面积、产量等数据估算农田生态系统碳源/碳汇量,分析其时空特征,并采用对数平均迪式指数法（LMDI加法分解模型）分别对碳源/汇的影响因素进行分解.结果表明,2010—2020年,河南省农田生态系统碳排放呈先增后降的趋势,田间氮肥施用所造成的碳排放贡献率最大,达74.39%～76.35%.各地市农田生态系统的碳排放量、增幅及单位播种面积碳排放强度均存在显著差异.河南省农田生态系统碳吸收呈上升趋势,净增6.0×107 t,增幅为22.93%.各地市碳吸收量及单位播种面积碳吸收强度均呈增长态势,河南省农田生态系统碳汇能力不断增强,且碳吸收量大于碳排放量.在碳源影响因素分解中,农业能源利用水平和农业低碳技术水平的提高、劳动力规模的控制可有效减少碳排放;在碳汇影响因素分解中,碳汇系数、碳汇技术水平与碳吸收量呈正效应,且小麦碳汇能力最强.建议通过提高能源利用水平和低碳技术水平、调整农作物种植结构、发展循环农业模式等措施,实现农田生态系统降碳增汇.     

基于ESDA-GWR的1997—2012年中国省域能源消费碳排放时空演变特征

利用1997—2012年《中国能源统计年鉴》和《中国统计年鉴》相关数据,结合重心转移、ESDA及GWR等模型和方法,分析了近16年间中国省域能源消费碳排放量的空间相关性、异质性及影响因素,根据碳排放量划分标准将各省份划分为不同的碳排放区.结果表明:16年间碳排放量的重心向西迁移;我国省域碳排放量存在较为显著的空间正相关,自相关性在整体上表现出先增大后减小的趋势.2001年全局Moran's I指数达到最高值,为0.3012;能源消费碳排放量的冷热点格局表现出冷点扩张、热点被压缩的趋势;影响碳排放量的6个因素的影响程度由大到小依次为:总人口人均GDP煤炭消耗比重全社会固定资产投资第二产业比重人口老龄化率,只有人口老龄化率这一指标表现出负相关性;近16年我国省域碳排放量的空间格局发生了显著变化,2012年已有13个省份属于超重型碳排放区,表明我国要加强碳减排的力度.     

山西省县域碳排放时空格局及影响因素分析

文章基于2006-2017年山西省118个县域碳排放数据,采用变异系数、空间自相关分析和时空地理加权回归模型（GTWR）对山西省县域碳排放时空格局和影响因素进行分析。结果表明：时间上,2006-2012年山西省县域碳排放量增长迅速,高碳排放区逐渐扩大;2012年之后各区县碳排放量较为稳定,且稳中有降。空间上,山西省县域碳排放呈中间高、东西低的分布格局;县域碳排放存在显著的空间不平等性和集聚性,表现为逐渐下降的特征;在局部范围内具有较高的空间依赖格局,大部分碳排放高（低）的县域相邻,且汾阳市、孝义市、介休市和大同市城区存在“高碳锁定”效应。各影响因素呈现较强的时空异质性,人口规模和产业结构是碳排放的主导因素,对山西省县域均为正向影响,且产业结构的影响逐年上升;城镇化率和经济发展水平对山西省县域碳排放影响较小,且对大部分区县具有负向影响。因此,分析山西省县域碳排放时空格局演变特征和各因素对不同县域碳排放的影响程度,可为实现区域差异化碳减排政策提供指导。     

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.     

县级尺度的重庆市碳排放时空格局动态

碳排放具有明显的时间和空间分布特征,研究区域碳排放时空格局动态特征可为制定合理的碳减排政策和措施提供重要的依据.本文以重庆为例,基于其38个区县的碳排放数据,利用空间统计、空间自相关和位序-规模法则探讨了其县级尺度碳排放的区域差异和空间格局演变特征.结果表明,重庆市各区县都经历了快速的碳排放增长过程,但碳排放的二元空间分布结构并没有改变;重庆市县级尺度碳排放全局Moran's I指数呈现出波浪式的降低趋势,主城区区县在中心相互辐射,形成一个碳排放HH中心;位序-规模法则分析结果则表明重庆市县级尺度碳排放基本属于首位型分布,1997~2012年区县碳排放规模分布趋于分散的力量均大于趋于集中的力量;1997和2012年,第二产业比例和城市化率成为影响重庆市碳排放的最重要的因素,人口与碳排放的相关关系却并不显著.     

1990~2020年阿克苏河流域土地利用碳排放时空轨迹与影响因素

土地利用变化会导致不同类型碳源和碳汇功能变化,是碳排放的关键来源.从土地利用变化的角度开展阿克苏河流域碳排放及其影响因素研究,对于促进流域山水林田湖草沙冰一体化保护修复、助力碳达峰与碳中和目标实现具有重要意义.基于1990~2020年的4期土地利用数据与同期社会经济数据,测算土地利用碳排放总量,探究土地利用碳排放时空轨迹及其影响因素.结果表明:①1990~2020年,耕地、林地、建设用地和未利用地整体呈增加趋势,草地和水域呈减少态势.土地利用类型空间变化特征主要表现为草地、未利用地转换为耕地;②1990~2020年流域净碳总排放量呈现持续上升趋势,累计增加了14.78×10⁴ t,耕地面积增加是引起流域净碳排放量增长的关键因素;③流域土地利用碳排放量空间上呈中间高四周低的分布格局,净碳排放量显著变化区域主要分布在温宿县南部、阿克苏市、阿瓦提县及阿拉尔市;④人类活动对土地利用碳排放驱动作用最强且其影响由东部向西部逐渐增大,年均气温对土地利用碳排放影响贡献主要集中在阿克苏市东部和阿瓦提县北部,年均降雨量对温宿县北部和阿合奇县西部的抑制作用较强.     

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.     

我国旅游业碳排放的空间关联性及其影响因素

为全面厘清我国旅游业碳排放的空间网络结构特征,基于2000-2015年我国各省（自治区、直辖市）旅游业碳排放相关数据（不含西藏自治区和港澳台地区数据,下同）,结合修正的引力模型,构建旅游业碳排放的空间关联关系;采用社会网络分析法,深入剖析我国旅游业碳排放的空间关联性及其影响因素.结果表明:①2000-2015年,我国旅游业碳排放的空间网络关联度始终为1,其网络关系数与网络密度持续增加,而网络等级度与网络效率平稳下降.②上海市、浙江省、江苏省、北京市、天津市等东部经济发达地区在网络中处于核心位置,对旅游业碳排放空间关联性的影响显著;而海南省、云南省、广西壮族自治区、青海省、吉林省等在网络中居于边缘位置,对旅游业碳排放空间关联性的影响微弱.③广西壮族自治区、贵州省、新疆维吾尔自治区等归为"净溢出"板块,河北省、甘肃省、陕西省等处于"经纪人"板块,北京市、天津市、内蒙古自治区等归为"双向溢出"板块,江苏省、浙江省、上海市等属于"净受益"板块.④空间邻接关系、城镇化水平差异在1%的显著性水平上对旅游业碳排放空间关联性起正向促进作用,旅游消费水平差异和产业结构差异分别在5%和10%的显著性水平上与旅游业碳排放空间关联性呈正相关,能源消耗差异在1%的显著性水平上与其呈负相关.研究显示,我国整体旅游业碳排放空间关联性愈趋紧密,但仍存在较大改良空间,各板块间的空间关联性有待进一步加强.      

广东省非道路移动机械排放清单及不确定性研究

随着工业源和机动车等重点污染源减排空间的下降,非道路移动机械排放已成为大气污染防治领域的研究热点之一.本研究通过资料收集与实地调研,初步构建了广东省非道路机械基于机型的活动水平数据集、综合排放因子及时空分配因子,采用自下而上的排放因子法,建立了广东省2014年非道路移动机械排放清单.并利用蒙特卡洛方法定量评估清单结果不确定性.结果表明,广东省2014年非道路移动机械的SO_2、NO_x、PM_(10)、PM_(2.5)、VOCs和CO排放总量分别为4.9、61.1、4.8、4.5、11.6 kt和45.1 kt.其中,农业机械排放以四轮农用运输车和小型拖拉机为主,贡献率分别为38.4%和18.0%,主要分布在非珠三角的农村地区;工程机械排放以建筑运输车和挖掘机为主,贡献率分别为40.1%和33.9%,主要分布在珠三角地区.此外,不确定性分析结果显示VOCs和PM_(2.5)排放结果不确定性较大,不确定性范围分别为-25.2%~41.7%和-23.4%~32.8%.NO_x不确定性较小,不确定性范围为-15.2%~17.5%.     

长三角经济增长与碳排放异速关系及形成机制

低碳经济是长三角高质量一体化发展的内在要求。针对2000—2017年长三角地区经济增长与碳排放时空关联、异速增长关系及影响因素的研究发现：（1）长三角地区经济增长与碳排放具有正向关联,关联强度总体呈“V”型波动变化。2000—2008年高关联强度区相对集中分布于苏南、苏北及浙中等地区,2009—2017年空间关联强度明显下降,大体呈“南低北高”分布。（2）长三角地区经济增长与碳排放异速变化以经济扩张弱型为主,大部分地区经济增长与碳排放异速关系实现由正转负。（3）地理探测器诊断第二产业比例、第三产业比例、城市化和人口密度是驱动长三角地区经济增长与碳排放异速变动的主要因子。（4）多尺度地理加权回归表明人口密度显著负向影响长三角地区经济增长与碳排放异速变化,投资强度和财政支出强度起到抑制作用,城市化和消费水平表现出先促进后抵消作用,第二产业与第三产业占比及固碳水平则起到先抑制后促进作用。     

江西省土地利用碳排放空间格局及碳平衡分区

二氧化碳浓度升高,导致全球气候变暖,生态环境问题逐渐凸显. 为此,绿色、低碳和循环发展成为我国当前工作重点. 江西省作为长江经济带生态文明建设的重要节点,大规模的城镇化建设导致碳排放量增加. 鉴于此,基于土地利用和能源消费数据构建碳排放量计算模型,探究江西省2000—2018年的碳排放空间格局特征,通过基尼系数、经济贡献系数和生态承载系数等多种分析方法探讨区域内的碳排放空间差异以及碳收支情况,同时从经济和生态的角度进行碳平衡分区并提出针对性的策略. 结果表明:①江西省2000—2018年土地利用碳排放总量逐年上升,从1 215.687×104 t增至4 907.425×104 t,总体表现为净碳源,碳减排压力较大. ②江西省碳排放空间格局呈现北高南低、西高东低的特征,北部和西部地区的碳排放总量明显大于南部和东部地区,其碳排放总量与各区域内的土地利用结构以及能源消费结构密切相关. ③江西省历年的碳补偿率均低于34%且逐年递减,碳补偿率、经济贡献系数和生态承载系数三者均空间差异明显,其中北部地区的碳补偿率低于南部地区,南部地区、东北地区的经济贡献率和生态承载系数高于西部地区. ④基于碳平衡分析,根据净碳排放量、生态承载系数等指标将江西省各地级市划分为4个碳排放发展功能区域,即碳汇功能区、低碳经济区、碳强度控制区、高碳优化区. 研究期内碳汇功能区数量变化较大,逐渐转为低碳经济区;碳强度控制区和高碳优化区数量基本无变化. 研究显示,江西省土地利用碳排放空间差异显著,协同减排的困难较大,为此根据碳平衡分区调整土地利用结构,有利于促进区域协同减排,推动全省低碳经济的发展,缓解因碳排放引起的全球气候变化问题.      

宜居地球、碳中和与全球可持续城市化

人类世标志人类活动已经对地球系统产生重要影响。全球大规模城市化过程伴随碳排放快速增加和下垫面改变,对地球表层影响加剧,地球宜居性遭受破坏。碳中和是应对气候变化的国际共识、建设宜居地球的关键举措。基于多源数据对全球大规模城市化的地理格局与演化过程进行多维度刻画,对碳排放与城市化关联进行初步分析。主要结论如下：（1）全球城市化进程持续推进,城乡人口结构增长呈分化趋势,城市规模结构整体增长,规模增长的空间热点集中在东南亚以及非洲中东部等地区,越来越多的人口生活在大城市。（2）全球城镇用地显著增长,自1992年的36.4 km²增长至2018年的79.3万 km²,增长率达126.0%。同期,亚洲增长占比45.4%,是全球城镇用地扩张的主要地区。（3）伴随快速城市化全球能源碳排放迅速增长,2018年碳排放量达到376.7亿t CO₂,自1970年增长219.1亿t CO₂,其中,结构上电力部门增长占比45.8%、地区上亚洲增长占比84.3%。城市化率、人均GDP与人均碳排放关联呈分异特征,高城市化率、高收入国家间分异显著。呼吁建立跨学科的协同研究,探究“碳中和—宜居地球—可持续城市化”的关联关系,认识可持续城市化对于碳中和目标的潜力。     

安徽省近15年建设用地变化对碳排放效应测度及趋势预测——基于STIRPAT模型

建设用地变化的碳排放效应是现阶段土地利用变化研究热点之一.因此,本文运用安徽省统计年鉴数据,采用建设用地动态度模型及IPCC碳排放计算方法,对安徽省1997-2011年建设用地与碳排放动态变化特征进行了分析.同时,基于STIRPAT模型,采用偏最小二乘回归方法,揭示了建设用地对碳排放的边际效应,并运用SPSS软件对未来碳排放进行了预测.结果表明:研究时序内,建设用地与碳排放均呈增长态势,建设用地年均扩展速率为16.91％,碳排放年均增长6.61％,建设用地与碳排放正向效应显著;建设用地对碳排放的边际弹性系数为0.1194;惯性情景模式下,2015年、2020年安徽省建设用地扩展导致的碳排放将分别增至14472.42万t、19930.37万t;通过政策规制控制建设用地扩展趋势有利于抑制或减缓碳排放.本研究对了解安徽省碳排放变化趋势和指导土地利用规划有重要的现实意义,也可为省域尺度的建设用地碳排放效应研究提供范式借鉴.     

长江经济带交通碳排放测度及其效率格局(1985~2016年)

采用"自上而下"的方法测度了长江经济带1985~2016年交通碳排放量并分析其空间格局和时序演化特征;在考虑非期望产出的基础上,剔除外部环境变量和随机误差的影响,构建了三阶段DEA模型进行长江经济带交通碳排放效率值的评价与比较.结果发现：①长江经济带交通碳排放总量呈不断上升趋势,其中石油类能源消费产生的排放量占比最大,四川、两湖地区和苏浙沪地区分别是长江上、中、下游交通碳排放的高值区.②从东西方向看,交通碳排放重心总体上呈现先东移、后西移的变动轨迹;从南北方向看,在空间上突出表现为越来越向长江沿岸集中分布的特征.③不同省份的交通碳排放效率值存在显的空间分异现象;2007~2016年东部地区的效率值始终最高,但中部地区的效率值由高于西部地区演变为低于西部地区.④外部环境因素对交通碳排放效率具有显著性影响,其中产业结构优化始终有利于交通碳排放效率提升,而政府干预的影响则由"创新补偿"效应转变为"遵循成本"效应.     

基于神经网络的碳排放预测及影响因素分析

基于新疆1995—2014年农业生产碳排放源,建立碳排放关系数据库。应用广义神经网络(generalized regression neural network,GRNN)构建了排放量预测模型,结合平均影响值(mean impact value,MIV)方法对碳排放影响因素进行量化。结果表明:1)GRNN模型预测碳排放的平均绝对百分误差和拟合优度分别为2.7860%和0.8720;2)新疆人口、人均GDP、农业贡献值、农机总动力和农户固定资产投资等因素对农业生产碳排放的影响程度分别为0.6210、0.2377、0.3698、0.8500和0.1000。该成果可为新疆碳排放总量分析和影响因素量化方面提供参考。