中国暖季近地面臭氧浓度空间格局演变及主要气象驱动因素

中国的近地面臭氧（O₃）浓度在2015~2018年间持续升高,已成为仅次于颗粒物的重要大气污染物.基于中国337个城市2015~2018年暖季（4~9月）的实时O₃浓度数据和气象数据,利用趋势分析、空间自相关、热点分析和多尺度地理加权回归（MGWR）,研究了2015~2018年中国暖季地表O₃浓度的空间演变格局,探讨了气象因素对其驱动的空间差异性.结果表明：①中国暖季O₃浓度整体呈显著升高趋势（P<0.05）,平均升高速率为0.28 μg·（m³·a）^-1,其中超过55%的城市O₃浓度每年升高0.50 μg·m^-3;②O₃浓度存在明显的区域差异,高值区（平均浓度>60 μg·m^-3）分布在华东、华北、华中和西北部分地区;低值区（平均浓度<20 μg·m^-3）分布在华南和西南地区;③O₃浓度变化趋势在空间上存在位于华东、华北、西北以及华中地区的热点区域和位于西南、华南（广西）以及东北地区的冷点区域;④气温是中国暖季O₃变化的主要气象驱动因素,其对华北、西北和东北地区O₃浓度的影响显著高于其他地区;除广西、云南和江西部分地区外,O₃浓度与气温呈显著正相关;O₃浓度在华南、华东和华中大部分地区与风速呈显著负相关,O₃浓度在华北和东北部分地区与风速呈显著正相关;除辽宁、山东、河北、甘肃、广东及西南部分地区外,O₃浓度与云层覆盖度呈显著负相关;除西北和西南部分地区外,O₃浓度与降水呈显著负相关.     

基于MGWR的土壤pH值空间建模及其影响因素分析

以安徽、河南、江苏和山东省为研究区,利用599个土壤样点数据,从地形、气候和生物等方面选取与土壤pH相关的9个环境因子,采用多尺度地理加权回归（MGWR）、混合地理加权回归（Mixed GWR）、地理加权回归（GWR）和多元线性回归（MLR）这4种模型对研究区土壤pH空间分布进行建模,并结合MGWR与分位数回归揭示环境因子对土壤pH作用的空间差异性.结果表明：①研究区土壤pH在不同空间距离上呈不同程度的显著全局和局部空间自相关性,聚集特征明显.② 4种模型中MGWR模型最优,MGWR、Mixed GWR、GWR和MLR的建模集R_adj²为0.64、0.62、0.59和0.48.MGWR的残差独立分布性最强,其空间自相关性最弱,全局Moran''s I仅为0.07.③ 3种GWR预测结果显示,研究区土壤pH值空间分布总体由北至南逐渐降低,河南北部最高,安徽南部最低.④ MGWR回归结果表明年均降雨量（MAP）、多尺度谷底平坦度（MRVBF）和海拔对土壤pH的影响较强,且存在较强的空间异质性.在江苏北部和山东大部分地区,MAP对土壤pH的影响较强;在江苏北部和山东西部,MRVBF对土壤pH的正向作用较强;在江苏北部和中部,海拔对土壤pH的负向作用最强.⑤ MAP对不同分位数水平上的土壤pH均呈显著负作用,作用强度随分位数水平增加呈减弱趋势;MRVBF对低分位数水平（θ为0.1~0.4）上的土壤pH呈显著负作用,对高分位数水平（θ为0.5~0.9）的土壤pH作用不显著.研究结果可为利用MGWR开展大区域土壤属性影响因素分析及预测制图提供参考.     

基于MGWR的黄河流域土壤有机碳密度和影响因素分析

土壤有机碳作为最大陆地碳库,其空间分布特征和影响因素对于全球碳循环过程具有重要影响.基于土壤有机碳密度数据,结合环境因子,使用多尺度地理加权回归（MGWR）模型预测了黄河流域土壤有机碳密度（SOCD）和影响因素.结果表明：①黄河流域0~20 cm和0~100 cm的SOCD范围分别为0~14.82 kg ·m^-2和0~32.39kg ·m^-2,均值分别为3.48 kg ·m^-2和8.07kg ·m^-2,储量则分别为2.76 Pg和6.48 Pg;②各生态系统类型中,0~20 cm的SOCD从大到小依次为：森林>水体与湿地>其他>草地>农田>聚落>荒漠,0~100 cm的SOCD从大到小依次为：水体与湿地>森林>其他>草地>农田>聚落>荒漠,SOCR从大到小皆为：草地>农田>森林>荒漠>水体与湿地>聚落>其他;③黄河流域SOCD的分布主要受常数项、剖面曲率、NDVI和降水的影响,曲率和粉砂对深层的SOCD的分布也具有重要影响;此外,降水、NDVI和常数项（除森林外）是影响各生态系统的主要因素,曲率和粉砂则仅对荒漠和其他生态系统具有重要影响.研究结果得出了黄河流域SOCD的空间分布和影响因素,可为黄河流域碳平衡、土壤质量评价和生态治理恢复与巩固提升提供科学依据.     

基于MGWR模型的中国城市PM2.5影响因素空间异质性

基于全国297个地级市2018年PM_2.5浓度数据、自然与社会经济数据,采用多尺度地理加权回归（MGWR）模型分析了各影响因素对PM_2.5浓度的作用尺度与影响效果的空间异质性.结果表明,MGWR模型适用于中国地级市PM_2.5浓度影响因素研究.在作用尺度上,人均GDP、技术支持水平作用尺度最大,其次是相对湿度、居民地比重、人口密度与风速,降水量、第二产业比重、植被覆盖状况、温度与能源消费强度作用尺度最为局限.在影响效果上,相对湿度、人口密度与居民地比重全部为正向作用;第二产业比重和能源消费强度主要为正向作用,分别占总样本的70.71%与64.98%;风速、温度既存在正向作用也存在负向作用,空间上呈两极分化,其中正向作用分别占总样本的49.83%与57.91%;降水量、植被覆盖状况主要为负向作用,分别占总样本的91.58%与69.70%;人均GDP、技术支持水平全部为负向作用.研究结果表明各因素对于中国城市PM_2.5浓度的影响均存在着不同程度的空间异质性.     

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.     

西北五省碳排放时空格局及影响因素研究

西北五省地理位置和生态环境特殊,经济发展相对落后,要在促进经济社会发展的同时兼顾减碳、控碳的目标,非常具有挑战。文章分析了西北五省碳排放变化情况,采用空间自相关刻画了在县域尺度下研究区域内部碳排放指标的空间关联性,借助趋势面模拟了研究区域内碳排放在空间上的分布规律,运用地理加权回归模型定量描述了各区县碳排放总量影响因素的空间异质性。结果表明：西北地区各县域碳排放量差距逐渐增大,高碳排量县域数量明显增加,空间不均衡程度明显,多极化特征日趋显现;各区县碳排放量空间集聚模式变化程度较小,H-H集聚和L-L集聚是其主要集聚模式;高值县域逐渐向东部和南北方向中部的区域集中,分异情况逐渐显著;由技术引领的产业与生产方式优化在节能减排的道路上发挥的作用越来越大,应因地制宜采取差异化的控碳策略。     

关中平原城市群PM2.5时空演变格局及其影响因素

PM_2.5作为大气污染的主要来源,其时空演变格局和影响因素对于大气环境质量调控具有重要意义.基于2000~2020年PM_2.5遥感反演数据,采用空间自相关和数理统计方法分析关中平原城市群PM_2.5时空演变特征,以海拔、年均气温和人均GDP等10种因子为自变量,结合地理探测器和多尺度地理加权回归（MGWR）模型对PM_2.5污染影响因素进行空间分异探究.结果表明：①2000~2020年,关中平原城市群PM_2.5浓度总体呈下降趋势.浓度高值区集中在研究区中东部,低值区集中在研究区西部.热点区域集中在临汾市和运城市,冷点区则集中在天水市和宝鸡市.②自然因子在关中平原城市群PM_2.5污染中占主导地位,2020年PM_2.5浓度主控影响因子按解释力大小排序依次为：海拔>年均气温>地形起伏度>年均相对湿度>年降水量>人均GDP>植被覆盖度>能源消耗指数.③主控影响因子按照作用尺度大小排序依次为：植被覆盖度>年均气温>能源消耗指数>年降水量>地形起伏度>海拔>人均GDP>年均相对湿度.其中人均GDP、地形起伏度、能源消耗指数和年均气温主要为正向作用,植被覆盖度、年降水量、海拔和年均相对湿度主要为负向作用.研究得出了关中平原城市群PM_2.5时空演变格局和影响因素,可为相关部门制定大气污染防治政策提供决策依据,同时丰富实证研究.     

中国能源消费碳排放影响因素分析

利用改进的主成分回归分析技术考察1990年以来中国人口和经济因素对化石能源消费碳排放的影响作用。研究发现：以人口总量、人口城市化和居民收入水平为代表的人口因素和以经济规模、产业结构、能耗结构及碳排放强度为代表的经济因素对碳排放均具有显著的正向影响;其中,经济规模和人口总量是能源消费碳排放的关键决定因子。研究结果为国家制订合理的节能减排政策、协调人地关系提供了参考依据。     

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.     

浙江省碳排放与经济增长的脱钩关系及驱动因素研究

运用IPCC参考方法、Tapio脱钩模型、协整分析和Granger因果检验,研究了浙江碳排放特征及其驱动因素.结果表明:碳排放量呈增长趋势,碳排放强度呈下降趋势,多数年份碳排放与经济增长之间呈"弱脱钩"状态;经济增长、外贸和人口增长对碳排放正向驱动,能源效率和城市化对碳排放负向驱动;经济增长、外贸、城市化和人口增长是引起碳排放增长的单向Granger原因,能源效率与碳排放互为Granger原因.     

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.     

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.     

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.      

昆明市城镇家庭消费碳排放特征及影响因素分析

根据IPCC国家温室气体（GHG）碳排放计算清单指南,研究和修正昆明碳排放系数,对2000～2008年昆明市家庭城镇消费进行调查与碳排放量核算。结果表明：昆明市城镇家庭碳排放总量变化趋势为平稳上升趋势。碳排结构中能源碳排量占比最大,其排放主体为家庭用电、家用燃料,而物质消费碳排放主体为衣着类、粮食、肉类。另外,人口特征和经济特征因素与城镇家庭碳排放量具有显著相关性。     

基于IPAT扩展模型分析人口因素对碳排放的影响

以5个典型国家(中国、日本、印度、德国和美国)为研究对象,利用IPAT模型比较分析了人口总量、能源强度和人均财富对碳排放的影响程度.结果表明:中国和印度的人口总量是影响其碳排放变化的主要因素;而美国和日本财富的积累刺激碳排放增加的作用明显.基于1978─2007年中国人口和能源相关数据,以STIRPAT模型为框架,分别构建了总人口模型及家庭户模型,用于分析我国人口数量、人口结构、能源强度及消费变化对碳排放产生的影响.经模型验证发现,家庭户模型的解释力度总体优于总人口模型.碳排放量的各解释因素按其影响程度的大小依次为平均家庭户规模、人均居民消费额、人口结构、能源强度和家庭户数.针对适应低碳发展的人口政策提出了相关建议.      

县域尺度下长株潭地区城市化与碳排放的关系

基于碳代谢模型核算了1995~2020年长株潭县域碳排放,采用Tapio脱钩模型探讨了长株潭各县域碳排放与城市用地之间的脱钩关系,并用时空地理加权回归（GTWR）模型分析了城市空间形态对碳排放的影响机制.结果表明：①研究区县域碳排放总体上形成了以市辖区为中心的聚集分布,且呈逐年扩散趋势.2020年相比1995年新增7个高碳排放区,均为长沙市区县.②1995~2020年,研究区整体由以强脱钩为主转变为以扩张负脱钩为主,空间上脱钩状态在脱钩和负脱钩之间来回波动;除7个县域脱钩状态在倒退外,2020年其余均达到脱钩状态或向脱钩状态靠近.③城市斑块面积（CA）、城市斑块数量（NP）和斑块结合度（COHESION）与城市碳排放之间呈正相关效应,而景观形状指数（LSI）、最大斑块指数（LPI）和欧氏距离均值（ENN_MN）与城市碳排放则呈负相关效应,不同城市形态指标对碳排放的影响具有显著空间异质性.