基于夜间灯光和土地利用的珠江流域城市碳排放估算及其时空动态特征研究

张斌^1,2,3, 卫丹琪^1,2, 丁乙^1,2, 姜洪涛^1,2, 尹剑^1,2

【导读】揭示珠江流域碳排放时空演化和空间集聚特征，对推进流域地区低碳可持续发展具有重要意义。贵州财经大学尹剑研究团队耦合夜间灯光数据、土地利用数据和能源消费数据构建碳排放估算模型，从流域、城市和网格尺度分析了珠江流域碳排放空间变化趋势，使用探索性时空数据分析和修正引力模型探讨了城市碳排放时空动态变化和空间关联特征。该方法耦合多源数据开展碳排放估算研究，具有潜在的实用价值，可为碳排放时空动态分析和低碳减排策略制定提供参考。相关成果已经以张斌博士生为第一作者发表在《地球科学进展》2024年第3期。

土地利用数据来源于中国科学院资源环境科学数据中心（https：//www.resdc.cn）发布的中国多时期土地利用遥感监测数据集。参考相关研究，将研究区土地利用类型分为草地、耕地、建设用地、林地、水域和未利用地六大类进行碳排放估算。夜间灯光数据来源于Harvard Dataverse（https://dataverse.harvard.edu）。人口和经济数据来源于《中国城市统计年鉴》，省级能源消费数据来源于《中国能源统计年鉴》。

首先，耦合夜间灯光数据、土地利用数据和能源消费数据构建碳收支估算模型，分别从流域、城市和网格尺度揭示碳排放时空变化趋势。其次，采用探索性时空数据分析方法探究研究区域碳排放空间集聚和时空互动特征，明确评价单元碳排放的时空交互态势。再次，由于城市碳排放存在空间复杂性特征，构建修正引力模型实现城市碳排放空间关联分析，从网络视角揭示碳排放空间溢出效应。最后，借助“规模—位序”方法对碳排放关联网络进行分析，探究碳排放关联网络收敛特征，为制定精准、有针对性的碳减排政策提供参考。

总体来看，珠江流域碳排放总量由29 497万t增长到31 877万t，呈持续增长态势。建设用地是珠江流域碳排放的主要来源，碳排放量从31 267万t增长至33 654万t。从生态碳收支变化看，草地、耕地、林地和水域对碳排放的吸收量由2005年的1 769万t变化为2019年的1 776万t，增长幅度较小。2005—2019年林地、草地和建设用地面积呈增长趋势，而耕地面积呈减小态势。可能是由于快速的城市化和工业化进程增加了对土地资源的需求，部分耕地被重新开发为建设用地。

总体来看，各城市碳排放量呈明显增长趋势，碳排放高值城市主要分布在下游的珠江三角洲（以下简称珠三角）地区以及上游的昆明和贵阳，中游地区城市碳排放量相对较低。

总体上，珠江流域碳排放由以珠三角为核心的“单核”碳排放空间分布向“多核”转变。下游珠三角地区始终是高碳排放区，并以广州、深圳和佛山为中心呈连片扩张趋势。中上游高碳排放区呈点状密集增加，昆明、贵阳和南宁的高碳排放区增加趋势显著。不同空间尺度下碳排放存在显著空间异质性，可能是由于各地区在资源禀赋、产业结构以及能源消费结构方面存在差异性。

2005年、2010年、2015年和2019年的Moran指数分别为0.514、0.482、0.460和0.445，各年期内P值明显低于5%，表明城市碳排放呈正向空间自相关性，碳排放存在高值聚集和低值聚集现象。在莫兰散点图中，大多数点出现在第一和第三象限，同样表明城市碳排放存在空间集聚效应。Moran指数呈减小趋势，空间交互效应有所减弱。究其原因，珠江流域沿线城市在能源消费需求和环保政策方面存在差异，各城市推动产业结构转型升级，导致碳排放的区域差异和空间分布发生变化，城市碳排放空间相关性有所降低。

总体上，经济较为发达的珠三角地区是高值碳排放集聚区，碳排放低值集聚区分布在柳州和百色等城市。究其原因，珠三角地区工业化水平高、资源要素流动性强，与周边城市经济联系愈加紧密。同时，为实现自身能源结构转型需求，部分工业企业向周边城市转移，造成了巨大的碳排放产出，形成碳排放高值集聚区。碳排放冷点集聚区总体呈减小趋势，2005年冷点城市分布在文山、百色、河池和柳州，2010年冷点城市增加了黔南布依族苗族自治州，2019年冷点城市仅为柳州。可能是由于这些城市受自然条件限制，产业发展基础较为薄弱，建设用地扩张速度缓慢，能源消费较少，形成碳排放冷点集聚区。

总体来看，珠江流域碳排放以冷点集聚为主，热点集聚区呈扩张趋势。2005年和2010年，碳排放热点集聚区呈片状主要分布在珠三角地区，在中上游呈点状分布。2015—2019年，珠三角碳排放热点集聚区向周边扩张，中上游高值碳排放集聚趋势愈加显著。可能是由于城市化建设促进了建设用地向周边扩张，形成新的高碳排放集聚区。与城市尺度相比，1 km网格下碳排放高值集聚区显著增加。因此，从多尺度对碳排放集聚特征的差异性进行探究，可为制定精细化的碳减排政策提供支撑。

总体上，珠江流域城市碳排放平均关联强度由5.93增长至18.97，碳排放关联愈加紧密。具体来看，2005年广州、深圳和佛山间的碳排放关联强度较高，并随时间推移关联强度进一步提升，增加了整体碳排放网络的复杂性。2019年，珠三角地区城市碳排放网络向周边城市扩展，逐渐形成了以深圳、广州和东莞为核心，向周边城市延伸的网络结构。究其原因，这些城市通过低碳人才流动和技术交流等方式发挥空间溢出效应，城市经济联系密切的同时碳排放关联也得到加强。此外，城市碳排放联系在空间分布上存在不平衡性。下游城市在碳排放网络中辐射能力强，与周边城市联系密切。上游城市碳排放网络复杂化趋势明显，逐渐由点轴向放射状网络结构演变。中游城市碳排放关联仍然不够紧密，网络结构相对单一。

采用“规模—位序”理论分析碳排放网络中各城市度数中心性分布规律。拟合系数的绝对值反映了网络节点间连接密度的差异性和网络的层次特征。

本文以珠江流域为研究区域，耦合多源数据获得了流域、城市和网格尺度碳排放，借助探索性时空数据和修正引力模型分析了碳排放时空动态变化与空间关联特征，主要结论如下：①珠江流域碳排放总量由2005年的29 497万t增长至2019年的31 877万t，能源消费是碳排放的主要来源。城市尺度上，东莞、深圳和广州始终是高碳排放城市，昆明、贵阳以及南宁等省会城市碳排放增长态势明显。网格尺度上，碳排放高值以珠三角地区为核心向周边扩张，中上游高值碳排区呈点状分布特征。②珠江流域碳排放存在正向空间相关性，空间交互效应存在下降趋势。局部空间上碳排放热点集聚区主要分布在珠三角城市群，中上游碳排放热点集聚区呈扩张趋势。③东莞、百色和广州的碳排放在局部空间动态变化特征显著，安顺和毕节等城市碳排放在局部空间变化较为稳定，相邻城市间碳排放存在正向协同发展趋势。④深圳、东莞和广州是碳排放网络核心城市，在碳排放网络中发挥辐射作用。城市碳排放关联网络整体规模呈增加趋势，部分节点城市对外辐射能力得到提升，网络结构集中化趋势明显。

研究发现珠江流域碳排放存在空间异质性，且城市和网格尺度下高碳排放集聚特征显著。由于珠江流域沿线城市在经济发展、资源禀赋以及产业结构方面存在差异性，分区域制定有针对性的碳减排策略尤为关键：①珠三角地区城市应大力应用低碳技术改造提升传统产业，重点发展高新技术产业和服务业，利用好人才流动所产生的技术溢出效应，推动本地区产业升级创新。密切与周边城市技术资源交流，促进人才和技术等要素向周边城市流动。②上游城市应充分利用本区域内丰沛的水电和风电资源，实现能源结构调整和能源利用效率提升。加强与珠三角城市间合作，充分吸收其技术溢出效应，提高绿色技术创新能力。③南宁和柳州等城市一方面应积极承接下游产业转移，淘汰落后产能，提高行业智能化、绿色化水平。另一方面可加强与上游城市在文旅产业的合作，大力开展生态旅游。

碳排放估算研究一直是学界研究的热点和难点。本文采用夜间灯光数据进行建设用地碳排放估算，解决了能源消费统计数据难以获取的问题。然而，夜间灯光数据本身存在像元过饱和以及像元溢出等局限性，这在一定程度上降低了碳排放估算的准确性。未来研究将采用多种空间观测统计方法进行碳排放估算，并借助机器学习方法与地面观测数据进行交叉验证，提升碳排放估算结果的准确性。同时将进一步降低研究尺度，将城市功能区域和土地利用类型一并纳入研究设计，为制定更加精细化的碳减排政策提供参考。