Page 59 - 《环境工程技术学报》2023年第1期
P. 59

第 1 期                       杨青等:基于地理加权回归的省域碳排放影响因素研究                                        · 55 ·


                气候变化是当今人类面临的重大挑战,应对气                           撑 [18] 。当前,我国生态文明建设和城镇化发展正进
            候变化已经成为全球共识,全球各国和地区均需要                             入由量变到质变的关键时期,如何检验各省(区、市)
                                                 [1]
            大幅提升自主贡献目标,加大碳减排力度 。然而随                            的碳排放量及其影响因素并采取措施达到减排效
            着我国成为全球碳减排领域的主要国家之一,我国                             果,从而实现我国区域经济的协调发展,已成为亟须
            的碳排放量变化趋势也逐渐成为全球关注的焦点,                             解决的难题。
            积极应对气候变化并早日实现碳达峰是我国对国际                                 为探索区域发展与碳减排的空间演化关系,笔
            社会的一项重要承诺          [2-4] 。然而中国幅员辽阔,不同              者从人口、能源消费、城镇化建设发                 展  3  个因素中
            区域的碳排放及其驱动因素存在差异性,因此,探讨                            选 取  2007—201 年   3 个省(区、市)的人口规模、化
                                                                            7
                                                                                  0
            碳排放影响的区域特征对各地区低碳政策的制定具                             石能源消费总量、电力消费总量、城市公共汽电车
                             [5]
            有一定的指导意义 。                                         辆和主要建材消耗         量  5  个变量,利用地理加权回归
                目前,众多学者对区域碳排放量及其影响因素                           方法从空间效应视角对我国省域碳排放量进行深入
                                       [6
                                        ]
            进行了大量研究。         如  Wan 等 研究发现,能源强度                分析,并根据所得结论提出相应的减排措施和政策
                                   g
            对碳排放量的影响在发达地区最大,城市化水平、产                            建议。
            业结构和对外贸易的便利程度对欠发达地区的碳排
                                                                1 数据来源与方法
                                [7
                                 ]
            放量影响较大。X 等 研究发现,黄河中游、东北
                             u
            和西北地区的资源供给对区域经济增长产生不利影                                 以  3 个省(区、市)为研究对象(西藏和港澳台
                                                                      0
            响,从而间接影响该地区的碳排放量。马忠等 运                             缺乏数据),选     取  200 年、201 年    和  201 年作为时
                                                      [8
                                                       ]
                                                                                         2
                                                                                                   7
                                                                                 7
            用假设抽取法(HEM)研究了中国区域间碳排放关联                           间节点,分析碳排放量及影响因素的空间差异性。
            分析,结果表明,较发达沿海地区和发展中区域在减                             1.1 变量选择
            排方面承担的责任更大,对能源的需求也更高,这导                                影响碳排放量的因素众多,包括人口因素、经济
            致碳排放量增加,尤其是石化、电力、蒸汽、热水、燃                           水平、城镇化水平、工业结构、外贸程度、能源消费
            气、供水等行业对碳排放的影响较大。邬娜等 对                             等 [19] 。在选择指标变量时主要考虑以             下  3  个方面:
                                                       ]
                                                      [9
            “一带一路”的沿线国家碳排             放  EK 检验及脱钩关             1)我国是一个人口规模巨大、各地区能源生产和消
                                            C
            系开展研究,结果表明沿线国家人均能源消费量随                             费不均衡的国家,不同发展地区的人口因素和能源
            着人   均  GD 的增长而下降,而人均碳排放量则随着                       消费对碳排放量的影响值得深入研究和讨论;2)在
                      P
            人 均  GD 的增长而上升。李艳红             [10 ]  以经济、能源、      国家的“十四五”规划         和  203 年远景目标中大力倡
                    P
                                                                                        5
            人口和环境要素构建山东省能源消耗碳排放系统仿                             导发展城镇化建设和生态文明建设,其中建筑业和
            真模型,进行单维度情景与多维度综合情景仿真模                             城市公共交通发展占有不可忽视的地位,鉴于此探
            拟,发现产业结构、科技投入与能源结构调整能够有                            究这两大因素对碳排放量的影响;3)碳排放量影响
            效促进碳减排,尤其是清洁技术投入作用显著,多因                            因素众多,而地理加权回归方法对多个变量的多重
            素协同比单因素调整更有作用。崔盼盼等                     [11 ]  运用   共线性的要求较高,因此在选择变量时要着重考虑
            LMDI-Ⅰ分解方法解析中国能源行业各区域碳减排                           各变量之间是否存在高度多重共线性。综上,选择
            过程,遵循“减排有效性-碳排放强度贡献-省份综合                           2007—201 年   3 个省(区、市)的人口规模、电力消
                                                                        7
                                                                             0
            贡献-减排有效性与省份综合贡献关系”的思路,发                            费总量、化石能源消费总量、城市公共汽电车辆和
            现各省份间的减排路径存在显著差异。刘彤等                      [12 ]  研
                                                               主要建材消耗总量作为自变量,分别探究                   这  5  个因
            究城镇化建设的不同阶段对建筑业碳排放量的影
                                                               素对碳排放量影响的空间差异性。
            响,发现在城镇化进程中,短期内容易促进建筑业碳
                                                                1.2 碳排放量测算及数据来源
            排放量的增加,而在长期发展过程中,一旦城镇化发
                                                                   对于二氧化碳排放量的测算,目前国际上现有
            展达到转折点,将会抑制建筑业碳排放。
                                                               比较权威的是根据《200 年           IPC 国家温室气体清
                                                                                    6
                                                                                            C
                目前,碳排放研究多集中于基于序列数据和面                           单指南》中能源部分所提供的基准方法,即二氧化碳
            板数据的碳排放预测           [13-14] 、基于回归分析和指标体            的排放量可以根据各种能源消费量和对应的碳排放
            系的碳排放评价        [15-16] 、碳排放政策情景演化      [17 ]  等,碳  系数计算求得,其计算公式如下:
            排放空间效应分析则较为薄弱,而碳排放地理空间                                              y =  ∑  E k × f k       (1)
            差异分析是碳减排路径解析与碳政策优化的重要支                                                  k
   54   55   56   57   58   59   60   61   62   63   64