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.     

成渝城市群臭氧污染特征及影响因素分析

为研究成渝城市群O_3污染特征及其影响因素,对成渝城市群15个城市2015—2016年国控环境监测站点和国家气象台站数据进行了研究.结果表明,研究区域15个城市均存在不同程度的O_3超标现象.2015—2016年成渝城市群O_3污染形势愈发严峻,春末及夏季污染最为严重,且在7月达到O_3浓度峰值(118μg·m~(-3)),O_3污染空间分布呈片状,以资阳为中心的遂宁、眉山、成都等城市为O_3污染较为严重的区域.颗粒物、NO_2及CO均与O_3有显著相关性,其中,颗粒物与O_3浓度在冬季呈负相关,在夏季则表现为正相关.太阳辐射、气温、相对湿度及流场均是影响O_3浓度的重要因子,强辐射、高温及低湿易形成较高浓度的O_3,相对湿度对O_3浓度的影响呈先升后降的关系.     

成渝城市群PM2.5的时空分布及其影响因素研究

随着工业化与城镇化的深入推进,成渝城市群的PM_2.5污染不断加剧,呈明显的区域性与复合性特征.该研究以2015—2017年成渝城市群空气质量监测站的日均ρ（PM_2.5）数据为基础,结合区域气象、遥感与统计年鉴等多源数据,采用反距离插值法分析了ρ（PM_2.5）的时空分布差异,采用Moran's I指数与LISA指数探索了ρ（PM_2.5）的全局和局部空间自相关性,并利用空间回归模型研究了自然、经济社会等因素对ρ（PM_2.5）的影响.结果表明:①成渝城市群ρ（PM_2.5）分布存在明显的时空差异.时间上,2015年PM_2.5污染最严重,ρ（PM_2.5）年均值为54.38 μg/m3,2016年、2017年PM_2.5污染状况逐年减轻,ρ（PM_2.5）年均值分别为53.68与47.56 μg/m3;空间上,成渝城市群东北部ρ（PM_2.5）较低,而南部ρ（PM_2.5）较高.②空间自相关分析结果表明,PM_2.5污染在成渝城市群存在显著的空间聚集性,成渝城市群南部ρ（PM_2.5）呈高值-高值聚集,成渝城市群北部ρ（PM_2.5）则呈低值-低值聚集.③空间回归结果表明,成渝城市群范围内某一地区邻近区域的ρ（PM_2.5）平均值增加1%时,该地区ρ（PM_2.5）将上升至少0.38%.城镇化率对ρ（PM_2.5）的影响最大,其次是第一产业增加值,再次是工业增加值占比和降水量.城镇化率、降水量与ρ（PM_2.5）呈负相关,而第一产业增加值、工业增加值占比与ρ（PM_2.5）呈正相关.研究显示,加快城镇化进程、减少第一产业排放、降低工业增加值占比（尤其是重污染工业）是有效解决成渝城市群PM_2.5污染的重要手段.      

成渝城市群碳排放空间关联结构演化及影响因素

本文基于社会网络分析法（SNA）以及二次分配程序（QAP）方法,利用成渝城市群2005~2016年面板数据,对成渝城市群碳排放空间关联性及影响因素进行研究.结果表明：①成渝城市群碳排放空间关联性显著,呈现出复杂的网络结构形态,样本期内,网络密度由0.16增长至0.68,关联关系数从38个增长为162个.②重庆、成都、绵阳和南充等城市位于网络的中心地位,发出了较多的关联关系,同时发挥着中介作用.③碳排放空间关联网络被划分成为5个层级,层级结构整体较为稳定,然而第一层级与第二层级存在较为严重的断层现象.④空间距离、人口数量差异以及经济水平差异是碳排放关联性的主要驱动因素.城市间空间距离越近、人口数量与经济水平差异越大,越容易产生碳排放关联关系.     

成渝城市群紧凑度与碳排放强度时空演变及协调发展

研究成渝城市群紧凑度与碳排放强度的时空演变及协调发展水平,对于实现社会绿色低碳高质量发展至关重要.运用综合评价、碳排放恒等式、耦合协调度和地理探测器等方法对2010~2020年成渝城市群紧凑度与碳排放强度的时空分异、协调发展和驱动因素进行分析.结果表明:①成渝城市群紧凑度持续上升,从2010年的0.18升至2020年的0.22,总体增长22.22 %,其中经济紧凑度的贡献率逐年增强.各城市紧凑度区域差异显著,高值区集中在城市群西北部的成都、德阳和绵阳以及西南部的自贡、内江和泸州,低值区分布在中部,雅安是城市群内紧凑度最低的地区.②成渝城市群碳排放强度逐年降低,在研究期内下降幅度达39.57 %,城市群南部的碳排放强度整体高于其他区域,成都和重庆两市常年为低值区,碳排放强度的区域差异在逐渐缩小.③城市紧凑度与碳排放强度的耦合度从拮抗阶段转为磨合阶段,耦合协调度从2010年的0.21升至2020年的0.69,两系统逐渐走向良性协调发展.城市群西北部（成都、德阳和绵阳）与川南两市（自贡和泸州）的耦合协调度整体较高.产业结构、科技创新、城镇化水平、政府干预和环境宜居对两系统的耦合协调度都具有显著影响.④优化产业结构、强化科技支撑、提升城镇化发展质量、实施积极的政策引导和建设绿色屏障是促进成渝城市群紧凑度与低碳度协调发展的有效途径.     

成渝城市群陆地碳排放时空变化及效应研究

碳达峰和碳中和是中国立足于经济发展阶段和全球可持续发展要求提出的一项战略目标。开展县级尺度土地利用碳排放研究对指导区域实现“双碳”目标具有重要意义。文章以成渝城市群为研究对象,基于2000-2020年土地利用数据、统计年鉴数据和夜间灯光遥感数据,探究成渝城市群碳排放和碳生态效应,并对碳生态压力进行评价。结果表明：（1）2000-2020年成渝城市群土地利用净碳排放呈增长趋势,年均增长289.90万t,且增速逐年减缓,主要碳源为建设用地,总体呈增长状态,年均增长291.70万t;林地是主要碳汇,呈缓慢增长。（2）碳源和碳足迹主要集中在成都市和重庆市主城区范围,部分分散在各地级市中心城区,碳汇主要分布在成渝城市群外围高山丘陵区,包括川西高原的部分区县、川东平行岭谷和重庆部分山区。（3）研究区总体呈碳赤字,碳生态承载力总体变化不大,碳足迹和碳赤字都呈增长趋势,年均增长率分别为9.78%和12.18%。（4）高度碳生态承载力区主要分布在成渝城市群外围区县,高度碳生态压力区集中在以成都市和重庆市主城区为核心的区域以及各地级市主城区;研究区内部分区县碳生态压力有所缓解,但整体上陆地生态系统碳循环压...     

2015-2019年成渝城市群臭氧浓度时空变化特征及人口暴露风险评价

近年来O₃污染给人类健康带来了很大威胁.本文利用2015—2019年中国环境监测总站的O₃地表监测数据,通过Global Moran''s I和Getis-Ord G^*指数等方法,分析了成渝城市群O₃浓度的时空变化特征,并利用空间插值和LandScan人口格网分布数据,基于人口暴露风险模型对该地区的O₃人口暴露风险进行了评价.结果表明：①2015—2019年成渝城市群O₃浓度总超标比例为6.9%,年际变化呈先上升后下降趋势,逐月变化呈"双峰型",5月和8月达到峰值,12月最低,季节变化表现为夏季>春季>秋季>冬季,日变化呈"单峰型",8：30左右开始升高,16：00左右达到峰值;②2015—2019年成渝城市群O₃浓度呈现出由成都及周边城市为污染中心向以成都市和重庆市为首尾的"带状"污染空间格局发展的趋势,且空间自相关性较强,逐步形成以成都市和重庆市为双中心的高浓度集聚特征;③2015—2019年成渝城市群平均O₃人口暴露风险指数处于较低风险,但空间分布差异较大,人口暴露高风险地区主要集中于成都市、内江市、自贡市、德阳市、泸州市北部及重庆市主城区,低风险地区主要集中于东西片区、绵阳市北部及成渝城市群边界,中部高风险区域有向西南方向转移的趋势,重庆市南部有高风险向极高风险转化的趋势,同时,成都市和重庆市存在显著的高风险指数集聚特征.     

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DMSP-OLS与NPP-VIIRS整合数据的京津冀城市群碳排放时空演变特征

为探究京津冀城市群地市级以上城市尺度的碳排放时空演变特征,通过拟合最优模型,将NPP-VIIRS数据转化为DMSP-OLS尺度的夜间灯光数据,得到京津冀城市群2005—2019年的长时间序列夜间灯光数据集;再结合北京、天津、河北能源消费统计碳排放数据,构建京津冀城市群地市级以上城市尺度碳排放估算模型,模拟京津冀城市群碳排放空间分布,并结合倾向值法探究其碳排放时空演变特征。结果表明：京津冀城市群夜间灯光数据与能源消费碳排放量之间的相关性较高,且通过了1%的显著性检验。2005—2019 年,京津冀城市群13个城市的碳排放量整体逐渐增加;城市群碳排放增长速度较为缓慢,但京津唐地区增长速度较快;13个城市中已有多个城市单位国内生产总值碳排放量2019年比2005年降幅超40%。研究显示,夜间灯光数据可用于估算京津冀城市群碳排放量,且京津唐地区碳排放量较高,增速较快,应作为重点碳减排地区。

     

中国臭氧时空分异及热点城市群气象关联特征

基于2018～2020年臭氧的日最大8h滑动平均值(O₃-8h),采用空间自相关分析、暴露风险评估和多元线性回归等方法,研究了全国337个城市O₃的时空分异及其人口加权的暴露风险特征,识别了热点城市群并解析了热点城市群O₃的气象关联特征.结果表明:O₃具有显著的空间聚集特征,其中浓度高于160μg/m³(国家二级浓度限值,GB3095-2012)、超标率高于20%和人口加权暴露风险等级为高的区域主要集中在京津冀城市群(BTH-UA)、中原城市群(CP-UA)和长江三角州城市群(YRD-UA).其次,2018～2020年月均O₃-8h变化呈“M型”分布,各年最高值分别出现在6月、9月和5月,月均ρ(PM_2.5),ρ(NO₂),ρ(SO₂)和ρ(CO-95)均呈现“W型”分布,并且在12月和1月达到最高值,与O₃均呈现明显的负相关关系;月均ρ(PM_2.5     

中国县域肉类生产的时空演变及影响因素

随着人均收入的增加和城镇化的推进,促进了居民肉类消费增加。厘清肉类生产格局的变化对肉类可持续供给具有重要意义。基于中国县域视角,以2000—2016年的肉类产量数据为基础,运用标准差椭圆、空间自相关、地理探测器等方法,揭示我国肉类生产的时空演变规律及其影响因素。结果表明:（1）2000—2016年的全国肉类产量呈增加态势,增幅为43.5%,不同区域肉类产量差异较大。（2）全国肉类高产县数量增加显著,范围扩大,空间上呈条带状集聚特点,重心整体北移;其生产的集聚特征显著且相对稳定,但局部表现出一定差异。（3）自然资源禀赋、社会经济及农业技术在不同阶段都影响肉类生产空间格局的演变。粮食产量和第一产业增加值是主要因素,农业机械总动力影响逐年增大,不同因子间的交互作用会强化肉类生产空间分异的效果。     

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.     

天山北坡城市群PM2.5浓度时空分布特征及影响因素分析

针对天山北坡城市群开展PM_2.5浓度时空分布特征和影响因素分析,对区域经济建设和环境保护具有积极的意义.通过地理加权回归（GWR）模型,利用MCD19A2气溶胶产品结合气象因子,反演得到天山北坡城市群2015~2021年3~11月的PM_2.5浓度时空分布,继而实现变化趋势和影响因素分析.结果如下：①研究区PM_2.5浓度高值主要分布在天山北麓和古尔班通古特沙漠之间的绿洲城市群地带,呈现“四周低,中间高”和“西低东高”的空间分布特征,2015~2021年研究区的ρ（PM_2.5）年均值为16.98 μg·m^-3,高值主要聚集在乌鲁木齐市市区部分,并向昌吉市和阜康市延伸递减;ρ（PM_2.5）月均值分布规律与年均一致,但存在季节差异,表现为：秋季（20.32 μg·m^-3）>春季（18.25 μg·m^-3）>夏季（12.47 μg·m^-3）,春季和冬季聚集现象会更明显;②研究区PM_2.5浓度年均值在2015~2021年呈现下降趋势,3~10月均值同样表现为下降趋势,仅11月表现为略有升高;从PM_2.5浓度变化趋势空间分布分析,下降集中在主要城市市区部分,尤其是乌鲁木齐市市区部分及其周边地区减少幅度最大,变化最为剧烈;③研究区气温、气压与PM_2.5浓度呈现正相关效应,而相对湿度,风速,大气边界层高度,降水量与PM_2.5浓度呈现负相关效应;各因子影响程度从高向低排列为：大气边界层高度>相对湿度>气压>气温>风速>降水量.     

沈阳市降尘时空分布特征及影响因素分析

大气中的污染物对人体健康存在直接危害,对其分布特征和来源开展研究可为大气环境质量改善提供理论依据。本文通过对沈阳市1997~2006年间大气降尘布点监测数据进行分析,发现沈阳市降尘量总体呈现下降趋势,采暖期降尘量高于非采暖期;沈阳市各城区降尘量大小顺序为:于洪区>沈河区>和平区>大东区>铁西区>东陵区>皇姑区;对比同期环境质量公报与气象数据,燃煤和区域气象条件是影响沈阳市降尘的重要内在和外来因素。     

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。     

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.     

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。     

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.     

中国城市居民生活能源碳排放的时空格局及影响因素分析

随着经济社会的发展与人民生活水平的提高,生活用能强度逐年增大,城市居民生活能源碳排放日益成为碳排放的新增长点.本文采用Theil指数、空间自相关分析了我国城市居民生活能源碳排放的时空格局演变特征,并利用STIRPAT模型分析了影响城市居民生活能源碳排放的主要因素.结果表明:12001—2012年我国城市居民生活能源碳排放总量及人均生活能源碳排放量均呈增长趋势,其年增长率分别为9.69%、3.29%;2八大经济区域间城市居民人均生活能源碳排放的差异是构成我国城市居民人均生活能源碳排放总体差异的主要原因,其对总差异的贡献率达到了57.90%;3我国城市居民人均生活能源碳排放具有显著的空间正相关性,2001—2012年间城市居民人均生活能源碳排放的"冷点"区变化较为稳定,主要分布在东部和南部经济区,而"热点"区主要分布在西北、东北和黄河中游经济区;4城市人口规模、城市居民可支配收入、城市居民生活消费支出、城市居民年龄结构均对城市居民生活能源碳排放量具有加剧作用,而城市居民能源消费结构具有减缓作用,且北方城市居民生活能源碳排放量明显高于南方;5现有样本数据支持环境Kuznets曲线假说,即随着经济的发展,城市居民生活能源碳排放量存在转折点.     

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.