Page 60 - 《环境工程技术学报》2023年第1期
P. 60
· 56 · 环境工程技术学报 第 13 卷
式中： 为二氧化碳排放量；E 为 第 k 种化石燃烧消 y i = β 0 (µ i ,v i )+ ∑ β l (µ i ,v i )X il +ε i （5）
k
y
耗量；f 为 第 k 种化石燃料的二氧化碳排放系数。 l
k
参考文 献 [20 中的方法计 算 f ， 公式如下： 式中： (µ i ,v i )为省（区、市） i的空间地理位置； 为
]
β 0
k
44 (µ i ,v i )处的固定效应截距； 为省（区、市） i的影响因
X il
f k = q k ×m k ×o k × （2）
12 素 l的取值； 为 的回归系数； ε i 为随机误差。
β
X il
式中：q 、m 和 k o 分别为 第 k 种化石燃料的低发热 l
k
k
量、碳含量因子和碳氧化因子。 2 结果与分析
鉴于中国能源的结构以煤炭为主，石油和天然
2.1 省域碳排放量空间分布特征
气次之。因此，考虑数据缺失的问题，最终选择原
按照《中国统计年鉴》对省域进行划分， 将 3 个
0
煤、焦炭、天然气 等 7 种能源消费量来计算二氧化 省（区、市）按照东部地 区 (北京、天津、河北、山东、
碳排放量。化石能源消费总量数据来源于《中国能 上海、江苏、浙江、福建、广东、海南)，东北地 区 (辽
源统计年鉴》，电力消费总量、人口规模、城市公共 宁、吉林、黑龙江)，中部地 区 (山西、河南、湖北、湖
汽电车辆等数据来源于中经网统计数据库（https:// 南、安徽、江西)，西部地 区 (内蒙古、广西、重庆、四
db.cei.cn/），主要建材消耗总量数据来源于《中国建 川、贵州、云南、陕西、甘肃、青海、宁夏、新疆 进
)
筑业统计年鉴》。 行划分 [21] 。根据上述地区划分情况 对 3 个省（区、
0
1.3 研究方法 市）200 年、201 年 和 201 年碳排放量情况进行分
2
7
7
1.3.1 空间自相关 析，结果见 图 1。
碳排放空间相关性用 Moran's 指数来衡量， 图 1 中各年度按碳排放量由高到低排序，可见
I
Moran's 指 数 分 为 全 局 Moran's 指 数 和 局部 碳排放量分布从西南到东北总体呈递增趋势，东北
I
I
Moran's 指数。其中全 局 Moran's 指数可以用于研 地区的辽宁和东部地区的河北、山东、江苏 在 1 年
1
I
I
究整体区域碳排放量的空间相关性，局 部 Moran's I 间一直是碳排放量较高的地区，其次是中部地区，西
指数可以用于研究各省（区、市）与其邻近省（区、市） 部地区除内蒙古的碳排放量较高外，其余地区的碳
[21]
之间的碳排放量的空间相关性 。 排放量均较低。
全 局 Moran's 指数计算公式如下： 200 年绝大部分省（区、市）的碳排放量处于
7
I
n n
0
∑∑ 3 195～55 40 万 t，各省（区、市）间的差异较小。而
n ω ij (y i − ¯y)(y j − ¯y)
201 年东部沿海地区的碳排放量增长显著，西部地
2
i=1 j=1
I = （3）
n
n
∑∑ 区的碳排放量增长缓慢，东西部地区间碳排放量差
ω ij (y i − ¯y) 2
异明显。201 年碳排放量的空间格局差异更为显
7
i=1 j=1
著，碳排放量最高的山东与碳排放量最低的海南之
式中： I为全局 Moran's 指数； ω ij 为空间权重函数；
I
间相差 约 110 71 万 t。
9
y i 和 分别为省（区、市） i和 j的碳排放量； ¯ y为各省
y j
2.2 空间自相关结果分析
（区、市）碳排放量的平均值； n为省（区、市）的数量。
通过 对 200 年、201 年 和 201 年碳排放量进
2
7
7
局 部 Moran's 指数计算公式如下：
I
行全局空间自相关分析，得出 这 3 年的全 局 Moran's I
n
y i − ¯y ∑
I i = n ω i j (y i − ¯y) （4） 指数分别 为 0.37、0.3 和 0.32，均 在 0. 以上，表明
3
5
1 ∑ 2 j,i
0
(y i − ¯y) 这 3 年 内 3 个省（区、市）碳排放量呈空间正相关
n
i=1 性，即相似碳排放量的区域存在一定的集聚性。
式中 I i 为省（区、市） i的 Moran's 指数。 为具体分析各省（区、市） 在 200 年、201 年和
I
2
7
1.3.2 地理加权回归 201 年的碳排放量空间差异性，对其进行局部空间
7
地 理 加 权 回 归 （ geographically weighted 自相关分析，将各个地区分为高-高型聚集区、高-低
regression，GWR） 是 Fotheringha m 等在传统最小二 型聚集区、低-高型聚集区、低-低型聚集区、不显著
乘法（ordinary least squares，OLS）模型的基础上将数 5 类，结果见 图 2。
据的地理位置加入回归参数中，同时考虑相邻点的 由 图 2 可知，200 年， 个省（区、市）的碳排放
7
7
空间权重，允许局部参数估计的地学统计方法 。 量具有显著的空间自相关性，山东、河北、山西、河
[22]
GW 用于描述碳排放量影响因素的空间异质性，公 南为高-高型聚集区，在此类聚集区主要是中原城市
R
式如下： 群，是全国城市群体规模最大、人口最密集、工业化
