Page 61 - 《环境工程技术学报》2023年第1期

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 · 57 ·

图 1 碳排放量空间分布结果
Fig.1 Spatial distribution results of carbon emission

进程较高的区域，总能源消耗与人均能源消耗均处 回归分析。利 用 ArcGIS 10. 软件 对 200 年、2012
7
6
于较高水平。新疆和四川为低-低型聚集区，该类地 年 和 201 年各省（区、市）的数据进行地理加权回归
7
e
区的经济发展水平较低，能源较为匮乏。安徽为低- 分析，带宽选 择 AICc(更正后 的 Akaik 信息准则)，
高型聚集区，即安徽的碳排放量与周边省（区、市）的 核类型选 择 FIXED（固定的），回归结果见 表 1。从
碳排放量相比较小，主要是因为安徽位于中部偏南 表 1 可以看出，拟合效果较好。此外，以分析区域的
地区，取暖能耗量小，且能源生产和消耗量较低。到 省会城市（或直辖市）经纬度为位置参考，运用
201 年， 个省（区、市）的碳排放量具有显著的空间 Matlab 201 软件进行各个区域的影响因素回归系数
7
2
6
自相关性，其中辽宁转变为高-高型聚集区，该地区的 可视化，结果见 图 3～ 图 7。
转变与东北老工业基地振兴战略相关，安徽则不再 2.3.1 人口规模
为低-高型聚集区。而 到 201 年， 个省（区、市）的 如 图 3 所示，200 年、201 年 和 201 年，3 个
6
7
7
7
0
2
碳排放量具有显著的空间自相关性，其中山西、河 省（区、市）的人口规模回归系数 为 0.019～0.538，逐
北、山东、河南仍为高-高型聚集区，四川仍为低-低 年增大，均为正值，表明对碳排放量的正向促进作用
型聚集区，而新疆则变为高-低型聚集区，新疆地区的 逐年增大，同时空间差异性较大。200 年人口规模
7
变化与当地的主要能源消费结构变化有关。 对碳排放量的影响程度从东北到西南递增， 而 2012
总而言之，各省（区、市）1 年间的碳排放量空 年和 201 年影响程度变为从东南到西北递增。
7
1
7
2
间差异性明显，山西、河北、山东、河南长年处于高- 200 年影响高值区为青海和新疆， 到 201 年影响高
高型聚集区；新疆、四川长年处于低-低型聚集区，但 值区变为新疆、青海、甘肃和内蒙古， 而 201 年影
7
是该聚集区较不稳定，容易发生变化；安徽在一段时 响高值区则变为新疆、内蒙古和黑龙江，其他地区的
间为低-高型聚集区，而高-低型聚集区的省（区、市） 影响作用也较强。总的来说，1 年间的人口规模对
1
较少。 碳排放量的影响程度较大，且呈现稳定的正相关
2.3 地理加权回归模型分析 关系。
对 200 年、201 年 和 201 年的碳排放影响因 2.3.2 电力消费总量
2
7
7
素进行最小二乘法分析，结果表明各变量的方差膨 如 图 4 所示，200 年、201 年 和 201 年，3 个
7
0
2
7
胀因子（variance inflation factor，VIF）均 为 0～10，即 省（区、市）的电力消费总量回归系数为 1.185～
各因素之间不存在高度共线性，可以进行地理加权 1.858，逐年增大，且均为正值，表明对碳排放量的正