基于0.1°网格中国城市CO2排放特征研究.doc

基于0.1°网格中国城市CO2排放特征研究摘要 基于中国0.1°CO2排放网格数据分析研究，全局Moran指数为0.27（P排放具有显著的正自相关性。局部Moran指数结果表明，以重点城市为核心的区域，其CO2排放具有显著的正向空间相关效应。中国CO2排放在空间上受热点城市影响而形成空间集聚格局，一些重点城市直接决定着我国CO2排放空间格局。因此在城市尺度上分析我国CO2排放特征非常重要。在349个城市层面上分析得到城市CO2排放和人口、经济呈显著正相关关系，说明人口和经济活动强度是影响我国城市CO2排放的重要因素。在中国城市层面上验证了CO2排放EKC曲线的统计显著性，U型拐点出现在一个较高的经济水平。在人均CO2排放和人均GDP二维空间上的城市聚类结果表明，根据碳排放特征，我国城市可以分为6组，其中“低排放、低经济”组是主要类型，占总城市的35.82%，而“低排放、高经济”组是比较理想的城市发展模式，但城市个数最少，仅6个。我国8个低碳试点城市在6组城市中除“高排放、高经济”组没有外，其它组都有入选城市。 关键词 CO2排放网格数据；城市；特征分析 中图分类号 X321 文献标识码 A 文章编号 1002—2104（2012）10—0151—07 doi：10.3969/j.issn.1002—2104.2012.10.022 基于高空间分辨率的CO2排放空间分异特征研究是全球和区域CO2排放研究的一个重点和热点问题，尤其是当前CO2减排责任区域分解和跨区联合控制成为碳减排的关键问题时，这一问题更显得重要。我国当前没有针对城市的较为完整的能源统计数据，因而全国所有城市几乎无法获取一致性和准确性较好的CO2排放数据，严重制约了在城市层面开展CO2排放特征的分析和研究。本文基于全球0.1°网格的CO2排放空间数据，探讨和挖掘中国城市CO2排放特征。 1 国内外研究进展 国际上基于CO2排放空间数据开展了很多研究。Akimoto等人基于亚洲地区1°×1°的空间数据，研究了CO2及SO2等污染物的区域分布特征和热点地区，并且探讨了CO2和SO2排放的空间相关性[1]；Andres等人利用行政区划数据和人口数据，建立1950—1990年的全球1°×1°的CO2排放空间数据，分析了全球不同区域的CO2排放增长特征，发现城市地区是增长的热点，同时CO2排放在空间上有南移的趋势，其原因可能是亚洲国家排放的快速增长[2]。Doll等人利用夜光数据和统计资料，建立全球1°×1°的CO2排放、地区生产总值（GDP）和人口等空间网格数据，并且分析了三者之间的空间相关性，发现CO2排放和GDP的相关性很强，并且高于CO2排放和人口的相关性[3]。Rayner等人利用经济、人口以及夜光等数据，构建了全球025°CO2排放数据，分析了全球CO2排放的分异特征[4]；Oda等人利用全球点源（企业）数据和夜光数据，建立全球1 km×1 km CO2排放网格数据，并且分别在全球、区域和城市尺度上探讨了CO2排放的空间特征[5]。 国内CO2排放空间特征研究主要是基于各省的排放数据，基于网格数据开展人为活动CO2排放的研究很少。张雷等人在省级尺度上评价中国CO2排放的空间特征，并从时间尺度上分析了东部、西部和中部的排放趋势[6]。郑林昌等人以CO2排放和GDP等建立综合指标体系，评价各省低碳经济发展水平，在空间上得到“东高西低”、“南高北低”、“局部跳跃”的格局特征[7]。肖黎姗等人研究了中国1990—2007年各省CO2排放的时空分布格局和聚集程度，认为CO2排放在局部空间上有高值的聚集现象[8]。姚奕等人基于中国各省面板数据，通过Moran I指数研究碳排放强度（单位GDP的CO2排放）的空间特征，发现各省的碳排放强度存在着显著的空间相关性[9]。赵云泰等人采用Moran I指数研究中国各省碳排放强度，结论也是呈现正相关的空间集聚分布[10]。 国内研究由于受数据限制，所以很难进一步开展全国更高空间分辨率的CO2排放特征分析。我国CO2排放受能源利用形式影响很大，而能源利用特征受资源禀赋影响，跨省/区聚集现象非常明显，而基于省级尺度的空间分析很难探究较为清晰、准确的区域格局特征。本研究采用EDGAREuropean Commission Joint Research Centre， Netherlands Environmental Assessment Agency. Emission Database for Global Atmospheric Research （EDGAR）.2012数据库中的全球0.1°网格（中纬度地区约10km）的CO2排放数据，结合我国城市层面的人口经济统计数据，深层次挖掘我国城市CO2排放空间