松江区碳汇时间变化特征分析.docVIP

松江区碳汇时间变化特征分析 　　摘 要：随着全球人口激增及化石燃料的大量使用，全球环境和气候不断恶化。近年来，以致力于减少温室气体排放等的低碳经济、低碳生活等绿色理念不断提出。利用SPSS软件，采用主成分分析法，对松江区碳汇的时间变化特征及其驱动因素进行分析。研究结果表明，影响松江区碳汇时间变化驱动因素中，耕地为主驱动因子。从2002—2008年，松江区碳汇量显著减少，到2009年有所回升。 　　关键词：碳汇；时间变化特征；驱动因素；主成分分析 　　中图分类号：F311 文献标志码：A 文章编号：1673-291X（2013）06-0144-04 　　引言 　　伴随着生物能、风能、水能、太阳能、核能等新型能源的使用，人类逐步地走向农业文明和工业文明。然而，随着全球人口的激增和化石燃料的大量使用而造成的环境和气候变化问题也不断地冲击着人类的视听[1]。 　　低碳经济是在应对全球气候变化、提倡减少温室气体排放的大背景下提出的，在困难的国际气候谈判背景下架起了减排与发展的桥梁。其兴起的主要因素还有：（1）能源供求形势严峻。英国及欧盟倡导低碳发展的一个直接动因就是自身能源供应下降、进口依赖急剧增加。中国发展低碳经济的主因是国家能源安全、国内外环境约束、低碳发展要求[2]。（2）国际“碳政治”的要求。发达国家希望通过低碳技术创新、碳交易市场来赢得竞争新优势和可持续发展能力的提升。欧盟希望凭借技术优势和建立全球范围的碳减排交易市场，成为未来全球低碳经济发展模式的主导者与规则制定者。（3）应对金融危机、经济转型的需要[3]。2008年，联合国提出用绿色经济和绿色新政应对金融危机和气候变化的双重挑战，把低碳经济看做是拯救当前金融危机、实现全球经济转型的重要途径。 　　碳汇量精确估算是深入研究碳汇区域分布及动态变化的前提[4]。许多学者对影响碳储量估算的因子进行了深入分析，研究认为，碳储量估算结果差异的不同源于以下几个方面：碳密度的取值方法不同，计算公式不同，基础数据不一致等。本文对松江区碳汇的估算采用不同的算法进行分析，在对比过程中采用统一估算方法，使得估算结果具有可比性。 　　一、材料与方法 　　（一）研究区域与数据来源 　　松江区位于长江三角洲内上海市西南部，北纬31°，东经121°45′处。北接青浦区、南邻金山区、东边与闵行区、奉贤区区接壤，总面积604.67平方公里，占上海市总面积的9.5%，整个区域南宽北窄，南北长约24公里，东西宽约25公里，略呈梯形，其中陆地面积占87.91%，水域面积占12.09%。松江区地处太湖流域碟形洼地的底部，地势低平。2009年全区户籍总人口559 442人，实现国内生产总值756.96亿元。2009年松江区经济经受了国际金融危机的强烈冲击，同时也面临着自身结构转型的巨大压力，全区经济总体延续2008年下半年以来的下行趋势，在年初触底后逐月缓慢回升。 　　本文采用的数据资料来源于2009年上海市松江区第二次土地调查成果、《松江区统计年鉴》（2003—2010），并经过计算整理获得。 　　（二）研究方法 　　本文将采用主成分分析法对松江区碳汇的时间变化驱动因素进行客观分析。主成分分析法是利用降维的思想，把原来众多具有一定相关性（比如P个指标），重新组合成一组新的互相无关少数的几个综合指标来代替原来的指标。通常数学上的处理就是将原来P个指标作线性组合，作为新的综合指标。也就是说，主成分分析是以最小的信息丢失为前提，主成分（综合指标）特点有：其个数少于原有变量的个数，用主成分代替原有变量参加数据建模，可以大大减少分析过程中的计算工作量；主成分能够反映原有变量的绝大部分信息；主成分之间应该互不相关[5]。因此，综合指标的选取应使其既能最大程度地反映原变量XP所代表的信息，又能保证新指标之间保持相互无关（即信息不重叠）[6～7]。 　　二、实证分析 　　（一）指标选取 　　根据科学性原则，本文选取了5个指标因子对松江区碳汇量进行动态综合评价。其中，X1为耕地，X2为园林地，X3为未利用地，X4为粮食和油料作物，X5为蔬菜瓜果。由2003—2010年松江区统计年鉴和松江区土地现状图可得到相关数据，选取的指标（如表1所示）： 　　（二）结果分析 　　用软件SPSS进行主成分分析可得松江区碳汇量时间驱动因子的相关系数矩阵和方差分解主成分提取分析表（如表2所示）： 　　由表2可知，所选取的因子之间存在一定的相关性，尤其是园林地与耕地、园林地与粮食油料作物、园林地与蔬菜瓜果、耕地与粮食油料作物、耕地与蔬菜瓜果的相关性都高于85%，其他因子之间也都存在着较高的相关性。这是进行主成分分析的基础和条件，也进一步验证了对这些驱动因子做主成分分析的必要性和科学性。 　　从表3可以看出，只有一