基于0.1°網(wǎng)格的中國城市CO2排放特征分析

蔡博峰

(環(huán)境保護(hù)部環(huán)境規(guī)劃院，北京100012)

基于0.1°網(wǎng)格的中國城市CO2排放特征分析

蔡博峰

(環(huán)境保護(hù)部環(huán)境規(guī)劃院，北京100012)

基于中國0.1°CO2排放網(wǎng)格數(shù)據(jù)分析研究，全局Moran指數(shù)為0．27(P＜0．01)，說明在空間上中國CO2排放具有顯著的正自相關(guān)性。局部Moran指數(shù)結(jié)果表明，以重點(diǎn)城市為核心的區(qū)域，其CO2排放具有顯著的正向空間相關(guān)效應(yīng)。中國CO2排放在空間上受熱點(diǎn)城市影響而形成空間集聚格局，一些重點(diǎn)城市直接決定著我國CO2排放空間格局。因此在城市尺度上分析我國CO2排放特征非常重要。在349個(gè)城市層面上分析得到城市CO2排放和人口、經(jīng)濟(jì)呈顯著正相關(guān)關(guān)系，說明人口和經(jīng)濟(jì)活動(dòng)強(qiáng)度是影響我國城市CO2排放的重要因素。在中國城市層面上驗(yàn)證了CO2排放EKC曲線的統(tǒng)計(jì)顯著性，U型拐點(diǎn)出現(xiàn)在一個(gè)較高的經(jīng)濟(jì)水平。在人均CO2排放和人均GDP二維空間上的城市聚類結(jié)果表明，根據(jù)碳排放特征，我國城市可以分為6組，其中“低排放、低經(jīng)濟(jì)”組是主要類型，占總城市的35．82%，而“低排放、高經(jīng)濟(jì)”組是比較理想的城市發(fā)展模式，但城市個(gè)數(shù)最少，僅6個(gè)。我國8個(gè)低碳試點(diǎn)城市在6組城市中除“高排放、高經(jīng)濟(jì)”組沒有外，其它組都有入選城市。

CO2排放網(wǎng)格數(shù)據(jù);城市;特征分析

基于高空間分辨率的CO2排放空間分異特征研究是全球和區(qū)域CO2排放研究的一個(gè)重點(diǎn)和熱點(diǎn)問題，尤其是當(dāng)前CO2減排責(zé)任區(qū)域分解和跨區(qū)聯(lián)合控制成為碳減排的關(guān)鍵問題時(shí)，這一問題更顯得重要。我國當(dāng)前沒有針對(duì)城市的較為完整的能源統(tǒng)計(jì)數(shù)據(jù)，因而全國所有城市幾乎無法獲取一致性和準(zhǔn)確性較好的CO2排放數(shù)據(jù)，嚴(yán)重制約了在城市層面開展CO2排放特征的分析和研究。本文基于全球0.1°網(wǎng)格的CO2排放空間數(shù)據(jù)，探討和挖掘中國城市CO2排放特征。

1 國內(nèi)外研究進(jìn)展

國際上基于CO2排放空間數(shù)據(jù)開展了很多研究。Akimoto等人基于亞洲地區(qū)1°×1°的空間數(shù)據(jù)，研究了CO2及SO2等污染物的區(qū)域分布特征和熱點(diǎn)地區(qū)，并且探討了CO2和SO2排放的空間相關(guān)性［1］;Andres等人利用行政區(qū)劃數(shù)據(jù)和人口數(shù)據(jù)，建立 1950－1990年的全球1°×1°的CO2排放空間數(shù)據(jù)，分析了全球不同區(qū)域的CO2排放增長特征，發(fā)現(xiàn)城市地區(qū)是增長的熱點(diǎn)，同時(shí)CO2排放在空間上有南移的趨勢，其原因可能是亞洲國家排放的快速增長［2］。Doll等人利用夜光數(shù)據(jù)和統(tǒng)計(jì)資料，建立全球1°×1°的CO2排放、地區(qū)生產(chǎn)總值(GDP)和人口等空間網(wǎng)格數(shù)據(jù)，并且分析了三者之間的空間相關(guān)性，發(fā)現(xiàn)CO2排放和GDP的相關(guān)性很強(qiáng)，并且高于CO2排放和人口的相關(guān)性［3］。Rayner等人利用經(jīng)濟(jì)、人口以及夜光等數(shù)據(jù)，構(gòu)建了全球0.25°CO2排放數(shù)據(jù)，分析了全球CO2排放的分異特征［4］;Oda等人利用全球點(diǎn)源(企業(yè))數(shù)據(jù)和夜光數(shù)據(jù)，建立全球1 km×1 km CO2排放網(wǎng)格數(shù)據(jù)，并且分別在全球、區(qū)域和城市尺度上探討了CO2排放的空間特征［5］。

國內(nèi)CO2排放空間特征研究主要是基于各省的排放數(shù)據(jù)，基于網(wǎng)格數(shù)據(jù)開展人為活動(dòng)CO2排放的研究很少。張雷等人在省級(jí)尺度上評(píng)價(jià)中國CO2排放的空間特征，并從時(shí)間尺度上分析了東部、西部和中部的排放趨勢［6］。鄭林昌等人以CO2排放和GDP等建立綜合指標(biāo)體系，評(píng)價(jià)各省低碳經(jīng)濟(jì)發(fā)展水平，在空間上得到“東高西低”、“南高北低”、“局部跳躍”的格局特征［7］。肖黎姍等人研究了中國1990－2007年各省CO2排放的時(shí)空分布格局和聚集程度，認(rèn)為CO2排放在局部空間上有高值的聚集現(xiàn)象［8］。姚奕等人基于中國各省面板數(shù)據(jù)，通過Moran I指數(shù)研究碳排放強(qiáng)度(單位GDP的CO2排放)的空間特征，發(fā)現(xiàn)各省的碳排放強(qiáng)度存在著顯著的空間相關(guān)性［9］。趙云泰等人采用Moran I指數(shù)研究中國各省碳排放強(qiáng)度，結(jié)論也是呈現(xiàn)正相關(guān)的空間集聚分布［10］。

國內(nèi)研究由于受數(shù)據(jù)限制，所以很難進(jìn)一步開展全國更高空間分辨率的CO2排放特征分析。我國CO2排放受能源利用形式影響很大，而能源利用特征受資源稟賦影響，跨省/區(qū)聚集現(xiàn)象非常明顯，而基于省級(jí)尺度的空間分析很難探究較為清晰、準(zhǔn)確的區(qū)域格局特征。本研究采用EDGAR①數(shù)據(jù)庫中的全球0.1°網(wǎng)格(中緯度地區(qū)約10km)的CO2排放數(shù)據(jù)，結(jié)合我國城市層面的人口經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)，深層次挖掘我國城市CO2排放空間分異特征。

2 研究數(shù)據(jù)和研究方法

2．1 研究數(shù)據(jù)

EDGAR數(shù)據(jù)庫是歐盟和荷蘭環(huán)保局聯(lián)合開發(fā)的全球污染物和溫室氣體排放空間網(wǎng)格數(shù)據(jù)庫，當(dāng)前已經(jīng)更新至EDGAR version 4．2版本，該數(shù)據(jù)庫是迄今為止全球水平上空間精度最高的溫室氣體排放數(shù)據(jù)庫。數(shù)據(jù)庫中溫室氣體排放源分類完全依照IPCC分類體系，其中CO2排放源包括能源燃燒排放(1A)、逃逸排放(1B)、工業(yè)過程排放(2A、2B、2C)和生物源排放，本研究中僅采用前三項(xiàng)，不包括森林碳匯和生物質(zhì)燃料排放。EDGAR數(shù)據(jù)主要來源于IEA(國際能源署)的排放點(diǎn)源數(shù)據(jù)庫和全球能源統(tǒng)計(jì)數(shù)據(jù)，并接結(jié)合全球人口分布、土地利用/覆蓋、道路網(wǎng)絡(luò)等數(shù)據(jù)完成空間網(wǎng)格化。EDGAR數(shù)據(jù)已經(jīng)在全球、區(qū)域和國家CO2排放研究［11－13］，以及城市污染物和 CO2排放研究［13－14］中發(fā)揮著重要的作用，并且是IEA每年全球CO2排放統(tǒng)計(jì)公告的重要數(shù)據(jù)來源［15］。蔡博峰曾利用中國各省能源利用CO2排放數(shù)據(jù)和EDGAR數(shù)據(jù)中的能源利用CO2排放數(shù)據(jù)進(jìn)行比對(duì)，整體而言，EDGAR數(shù)據(jù)和能源平衡表得到的CO2排放在各省水平上有很好的一致性。但由于EDGAR對(duì)中國排放點(diǎn)源數(shù)據(jù)的獲取精度有限，同時(shí)，由于中國各省能源統(tǒng)計(jì)加和要高于全國能源總消費(fèi)水平，而EDGAR是通過IEA計(jì)算的各國總CO2排放量來控制國家層面的數(shù)據(jù)精度，從而導(dǎo)致基于各省能源統(tǒng)計(jì)計(jì)算的各省排放數(shù)據(jù)結(jié)果整體略高于 EDGAR數(shù)據(jù)［16］。但EDGAR數(shù)據(jù)庫依然是迄今我們可以利用的公開的溫室氣體空間數(shù)據(jù)集，并且其較高的空間分辨率，對(duì)于我國CO2排放空間分析具有重要的意義。

我國當(dāng)前缺乏全國城市層面CO2排放分析，主要是受城市能源統(tǒng)計(jì)數(shù)據(jù)不足制約。而利用EDGAR數(shù)據(jù)結(jié)合城市GIS矢量數(shù)據(jù)，可以較為準(zhǔn)確地計(jì)算出全國每個(gè)城市CO2排放水平，并且由于采用統(tǒng)一數(shù)據(jù)源，因而城市間數(shù)據(jù)一致性和可比性較強(qiáng)，非常有利于開展統(tǒng)計(jì)分析研究。中國城市2008年人口、經(jīng)濟(jì)數(shù)據(jù)來自《中國城市統(tǒng)計(jì)年鑒2009》(地級(jí)及地級(jí)以上城市共287個(gè))，為了空間分析的方便，將其他非地級(jí)市區(qū)域(民族自治州、盟、地區(qū)等)也做城市處理，共計(jì)62個(gè)，其人口經(jīng)濟(jì)數(shù)據(jù)來自各省2009年統(tǒng)計(jì)年鑒。因而，本研究中所涉及的城市共計(jì)349個(gè)。

2．2 研究方法

本文主要采用空間自相關(guān)分析方法分析中國CO2排放空間特征及與城市空間分布關(guān)聯(lián)性，同時(shí)基于城市CO2排放數(shù)據(jù)和人口、經(jīng)濟(jì)數(shù)據(jù)，進(jìn)行相關(guān)分析、環(huán)境庫茲涅茨曲線(EKC)檢驗(yàn)和空間聚類分析。

(1)CO2排放空間自相關(guān)分析。以全局空間自相關(guān)指數(shù)(Global Moran’s I)和局部空間自相關(guān)指數(shù)(Local Moran’s I)為測度，分析中國CO2排放在空間上的聚集或分散程度，同時(shí)探測CO2排放的熱點(diǎn)地區(qū)。全局Moran指數(shù)用于分析全國的空間模式，使用單一數(shù)值反映空間自相關(guān)程度，見式(1)和式(2);局部Moran指數(shù)用于計(jì)算不同區(qū)域空間單元與鄰近單元的相關(guān)程度，見式(3)和式(4)。

其中:I是全局Moran指數(shù)，zi是網(wǎng)格i的排放量與平均值(xi－X)的偏差;xi是網(wǎng)格i的排放量，X是屬性對(duì)應(yīng)的平均值;wi，j是網(wǎng)格i和j之間的空間權(quán)重，n等于總網(wǎng)格數(shù)，S0是所有空間權(quán)重的聚合:

由于所分析的是大小一樣的網(wǎng)格矢量數(shù)據(jù)，所以采用共同邊界的權(quán)重矩陣。全局Moran指數(shù)值界于［－1，1］之間，值愈接近1，表明具有相似屬性的空間單元集聚程度越強(qiáng);值愈接近－1表明具有相異屬性的空間單元產(chǎn)生集聚。如果接近或等于0，表明空間單元屬性屬于隨機(jī)分布狀態(tài)。Moran指數(shù)需要進(jìn)行顯著性檢驗(yàn)，以Z(標(biāo)準(zhǔn)差的倍數(shù))確定，當(dāng)Z＜ －2.58或 ＞ +2.58時(shí)，Moran指數(shù)的置信度會(huì)達(dá)到99%。

式(3)其中Ii是局部Moran指數(shù)，局部Moran指數(shù)計(jì)算的空間權(quán)重、數(shù)值特征及顯著性檢驗(yàn)與全局Moran指數(shù)相同。

(2)城市CO2排放與社會(huì)、經(jīng)濟(jì)數(shù)據(jù)的空間統(tǒng)計(jì)分析。由于城市數(shù)據(jù)樣本量大，所以更加有利于挖掘趨勢和判斷顯著水平。采用Pearson相關(guān)系數(shù)判斷CO2排放和GDP、人口的相關(guān)性，并采用t檢驗(yàn)判斷相關(guān)系數(shù)的顯著性;利用二次曲線擬合人均GDP和人均CO2排放，從空間橫向角度判斷我國CO2排放是否存在EKC。EKC的提出是為了說明隨著經(jīng)濟(jì)的發(fā)展和收入的提高，國家或者區(qū)域污染物排放會(huì)出現(xiàn)拐點(diǎn)，開始下降［17］。當(dāng)前較為成熟的EKC分析都先對(duì)變量取對(duì)數(shù)，以便獲得更優(yōu)的擬合關(guān)系。本文將城市人均GDP和人均CO2排放取自然對(duì)數(shù)后，以二次函數(shù)進(jìn)行擬合，從而判斷其EKC趨勢特征。

(3)中國城市碳排放特征聚類分析。以人均CO2排放和人均GDP為分區(qū)指標(biāo)，在這兩個(gè)指標(biāo)構(gòu)成的二維空間內(nèi)對(duì)349個(gè)城市進(jìn)行聚類，聚類方法采用自組織神經(jīng)網(wǎng)絡(luò)模型(Self-Organizing Feature Maps，SOM)。SOM方法非監(jiān)督學(xué)習(xí)能力和非線性求解能力強(qiáng)，可以最大限度滿足聚類的內(nèi)部相似性和彼此差異性原則，并且避免聚類個(gè)數(shù)的主觀設(shè)定［18］。

3 結(jié)果與分析

3．1 中國CO2排放空間特征

全國整體CO2排放空間格局特點(diǎn)表現(xiàn)為:基本沿著我國人口胡煥庸線分為東部和西部，東部地區(qū)明顯高于西部地區(qū);東部地區(qū)內(nèi)部，華北平原及上海周邊聯(lián)接成片，其CO2排放明顯高于其它地區(qū)。全國CO2排放明顯受城市活動(dòng)影響，網(wǎng)格排放高值區(qū)域都是以北京、上海、重慶、成都、武漢、西安、鄭州、廣州等大型城市為核心的區(qū)域。

空間自相關(guān)分析計(jì)算得到全局Moran指數(shù)為0.27(Z值=38.57，P＜0.01)，可以判斷，中國 CO2排放空間格局在0.1°空間分辨率水平上，具有顯著的正空間自相關(guān)性，即空間上存在顯著的集聚效應(yīng)，而非隨機(jī)雜散分布。這一結(jié)論驗(yàn)證前面直觀判斷的中國CO2排放是以典型城市為聚集的空間分布。

局部Moran指數(shù)計(jì)算結(jié)果表明:中國局部區(qū)域上存在較為顯著的正向空間相關(guān)效應(yīng)，即一些區(qū)域的CO2排放一定程度上受相近地區(qū)CO2排放顯著影響，地理位置的相鄰對(duì)地區(qū)CO2排放具有顯著的正向影響。區(qū)域正向空間相關(guān)效應(yīng)主要存在于北京、上海、廣州、鄭州等中國特大城市及其周邊，這些城市強(qiáng)烈的經(jīng)濟(jì)活動(dòng)，帶動(dòng)了其周邊能源活動(dòng)強(qiáng)度，從而直接影響區(qū)域CO2排放。此外，中國局部Moran指數(shù)中一些區(qū)域存在空間負(fù)相關(guān)(具有顯著水平)，非常典型是山西省東南部和安徽省東南部(以黃山市為中心)，前者是中國重要的能源輸出地，而后者則植被生態(tài)保育較好，區(qū)域內(nèi)基本無高能耗、高排放工業(yè)。這兩個(gè)區(qū)域都和其周邊CO2排放形成明顯反差。

基于0.1°網(wǎng)格CO2排放數(shù)據(jù)分析得到的空間格局特征和肖黎姍等人［8］、姚奕等人［9］、趙云泰等人［10］基于各省CO2排放數(shù)據(jù)進(jìn)行的空間格局分析結(jié)論基本一致。

從空間分析可以看出，我國CO2排放在空間上受熱點(diǎn)城市影響而形成空間集聚格局，一些重點(diǎn)城市直接決定著我國CO2排放空間格局，而省級(jí)行政區(qū)劃并沒有明顯影響我國CO2排放空間格局特征，各省內(nèi)部的CO2排放空間差異性都較大。所以基于城市尺度，深入挖掘我國CO2排放特征就顯得極為重要。

3．2 中國城市CO2排放特征分析

圖1 中國城市CO2排放與人口經(jīng)濟(jì)的相關(guān)性Fig．1 Relationship between CO2 emissionswith population and GDP of cities in China

圖1顯示了中國城市CO2排放與城市人口、GDP之間的相關(guān)性分析結(jié)果。兩組相關(guān)分析的Pearson相關(guān)系數(shù)都通過顯著性檢驗(yàn)，說明人口和經(jīng)濟(jì)活動(dòng)強(qiáng)度是影響我國城市CO2排放的重要因素。從前面的分析也可以看出，我國CO2排放空間格局中的熱點(diǎn)城市都是人口、經(jīng)濟(jì)大市，和此結(jié)論一致。CO2排放與城市GDP的相關(guān)系數(shù)要高于CO2排放與人口的相關(guān)系數(shù)，這一結(jié)論和Doll等人的研究結(jié)果一致［3］。說明城市CO2排放受經(jīng)濟(jì)活動(dòng)強(qiáng)度的驅(qū)動(dòng)要大于受人口增長的驅(qū)動(dòng)。

早期EKC研究多采用時(shí)間序列數(shù)據(jù)，但其存在的一個(gè)不足是依據(jù)歷史數(shù)據(jù)很難推測未來發(fā)展趨勢，尤其是未來技術(shù)進(jìn)步和能源結(jié)構(gòu)變化。所以許多分析結(jié)果都很難發(fā)現(xiàn)EKC，例如世界銀行早期的研究發(fā)現(xiàn)隨著收入水平的提高，人均CO2排放量呈上升趨勢，并不存在轉(zhuǎn)折點(diǎn)［19］;Holtz-Eakin等人的研究發(fā)現(xiàn)人均CO2排放的拐點(diǎn)會(huì)出現(xiàn)在人均GDP相當(dāng)高的水平［20］，遠(yuǎn)遠(yuǎn)超過了當(dāng)前研究數(shù)據(jù)范圍。這一問題在中國環(huán)境EKC研究中同樣存在。我國由于能源統(tǒng)計(jì)口徑變化等問題，使得時(shí)間序列數(shù)據(jù)一致性很難保證，同時(shí)較少的樣本數(shù)(一般不超過50年)使整體數(shù)據(jù)質(zhì)量對(duì)個(gè)別數(shù)據(jù)偏差較為敏感，都不利于我國EKC的研究。國際上橫向(國家/區(qū)域)EKC的研究越來越受到重視［21－22］，因?yàn)橐恍┘夹g(shù)擴(kuò)散、國際/區(qū)域貿(mào)易等因素可以更加合理地被考慮進(jìn)來。本研究利用我國2008年349個(gè)城市的CO2排放和GDP數(shù)據(jù)，在城市層面上考量我國CO2排放的EKC，見圖2。二次曲線的擬合方程參數(shù)檢驗(yàn)見表1，顯示了t檢驗(yàn)的結(jié)果?？梢钥闯?，二次曲線擬合參數(shù)具有顯著性，所以可以認(rèn)為很可能存在CO2排放的EKC。但擬合曲線的二次項(xiàng)系數(shù)的置信度僅有90%，這從圖2中也可以看出，EKC的拐點(diǎn)很不明顯，整體趨勢還是人均CO2排放隨著人均GDP的升高而升高。根據(jù)擬合曲線，中國CO2排放EKC的倒U型拐點(diǎn)出現(xiàn)32.87萬元/人的地方，這需要達(dá)到一個(gè)較高的經(jīng)濟(jì)發(fā)展水平。

圖2 中國CO2排放EKCFig．2 CO2 emissions Kuznetz curve of China

表1 CO2排放EKC二次曲線擬合參數(shù)Tab．1 Coefficients of simulated Kuznetz curve for CO2 emissions

3．3 中國城市CO2排放空間聚類分析

基于區(qū)域CO2排放特征和經(jīng)濟(jì)發(fā)展水平將區(qū)域分類，針對(duì)不同類型采取不同的政策舉措，是CO2排放控制的重要措施之一。國內(nèi)進(jìn)行碳排放分區(qū)研究基本都是基于省級(jí)單位，如張雷等人根據(jù)CO2排放規(guī)模分區(qū)［6］，肖黎姍等人根據(jù)CO2排放強(qiáng)度分區(qū)［8］，王金南等人根據(jù)人均CO2排放和人均GDP分區(qū)等［23］。但我國各省地域面積很大，各省內(nèi)部也存在較大差異，根據(jù)前面分析，我國CO2排放空間格局更多是受重點(diǎn)城市影響和驅(qū)動(dòng)，而并非省級(jí)行政區(qū)劃，所以基于城市進(jìn)行聚類分區(qū)，其結(jié)論要比基于省的結(jié)論更具有政策針對(duì)性。當(dāng)前尚未有在城市層面開展此類研究。本研究在人均CO2排放和人均GDP二維空間中，利用SOM方法對(duì)城市進(jìn)行聚類分區(qū)，挖掘我國城市層面碳排放特征，聚類結(jié)果見表2和圖5，最優(yōu)分組為6組(初始設(shè)定4－10組)，聚類結(jié)果的顯著性檢驗(yàn)見表3。可以看出，SOM方法實(shí)現(xiàn)了組內(nèi)差異最小、組間差異最大的原則，并且聚類結(jié)果通過F檢驗(yàn)(P＜0.01)。需要說明的是，由于人均GDP僅是城市經(jīng)濟(jì)活動(dòng)強(qiáng)度的表征，并不完全代表生活水平和富裕程度，因而，表2中的高經(jīng)濟(jì)僅代表人均GDP水平較高，對(duì)于一些資源型城市和部分工業(yè)城市，其較高的人均GDP并不完全反映社會(huì)生活水平。但人均GDP依然是經(jīng)濟(jì)發(fā)展的重要表征指標(biāo)。

表2 中國城市碳排放特征聚類結(jié)果Tab．2 The features of cities groups of China

城市碳排放特征的6組分類中，第一組是“高排放、高經(jīng)濟(jì)”組，其特征是人均GDP和人均CO2排放都高，這類城市僅8個(gè)，包括北京、上海、廣州等前面分析到的影響我國CO2排放空間格局的熱點(diǎn)城市。但值得注意的是，鄂爾多斯和包頭也在這一組中;第二組是“較高排放、較低經(jīng)濟(jì)”組，其特征是CO2排放高，但人均GDP卻并不高。這組城市較多，共計(jì)89個(gè)，主要是我國各省重要的地級(jí)市;第三組是“低排放、高經(jīng)濟(jì)”組，其特征是CO2排放低，但人均GDP高，這組城市是低碳發(fā)展比較理想的城市，但這類城市主要是深圳、廈門等東部沿海城市，第二產(chǎn)業(yè)以加工工業(yè)為主，并且第三產(chǎn)業(yè)發(fā)達(dá)，這組城市較少，僅6個(gè);第四組是“高排放、較低經(jīng)濟(jì)”組，其特征是CO2排放高，GDP較低，絕大多數(shù)是工業(yè)型城市;第五組是“較高排放、低經(jīng)濟(jì)”組，其CO2排放水平較高，但人均GDP很低，此類城市也較多，達(dá)到88個(gè);第六組是“低排放、低經(jīng)濟(jì)”組，其CO2排放和人均GDP都處于低水平，這類城市個(gè)數(shù)達(dá)到125個(gè)，是各類分組中最多的(見圖3)。

表3 中國城市碳排放特征聚類顯著性檢驗(yàn)Tab．3 Significance test of the classification results

從聚類分析中可以看出，我國城市有一半處于低排放、低經(jīng)濟(jì)的水平，反映了我國城市發(fā)展在整體上處于較低水平，根據(jù)前面分析得到的城市CO2排放和GDP相關(guān)性研究，如果依然按照當(dāng)前的經(jīng)濟(jì)發(fā)展模式，則隨著經(jīng)濟(jì)增長和生活水平的提高，我國城市有可能走向高排放、高經(jīng)濟(jì)發(fā)展模式。國內(nèi)北京、上海等特大城市就是這種發(fā)展模式的代表，當(dāng)前已經(jīng)處于高排放、高經(jīng)濟(jì)階段，其人均CO2排放水平超過了一些發(fā)達(dá)國家國際大都市水平［24］。另外，我國城市還存在著一些特殊類型，即資源型城市和工業(yè)型城市。鄂爾多斯和包頭市等資源型城市，其人均GDP和人均CO2排放往往較高，但CO2排放的驅(qū)動(dòng)力主要是資源開采和工業(yè)生產(chǎn);烏海、太原等工業(yè)型城市由于產(chǎn)業(yè)結(jié)構(gòu)不平衡，導(dǎo)致其排放水平高。

圖3 中國城市碳排放聚類結(jié)果Fig．3 Classification of cities of China based on carbon emissions features

國家發(fā)改委于2010年開展五省八市低碳試點(diǎn)工作，其中低碳試點(diǎn)城市包括天津、重慶、深圳、廈門、杭州、南昌、貴陽、保定(見表2)。如果認(rèn)為低碳發(fā)展是城市向低碳化轉(zhuǎn)型的一個(gè)過程，則所有城市都有低碳發(fā)展的必要和可能。對(duì)比試點(diǎn)城市與我國城市碳排放特征分類，除了“高排放、高經(jīng)濟(jì)”組沒有試點(diǎn)城市外，其它5組分類都有試點(diǎn)城市，說明試點(diǎn)城市的選擇具有較好的代表性。但“低排放、高經(jīng)濟(jì)”組試點(diǎn)城市比例(試點(diǎn)城市個(gè)數(shù)占該組城市的比例為33%)明顯高于其它各組，也說明國家試圖從一些經(jīng)濟(jì)條件好，并且CO2排放水平較低的城市開始嘗試性地開展低碳城市發(fā)展。不足之處是對(duì)于更具普遍性的“低排放、低經(jīng)濟(jì)”組試點(diǎn)選擇較少，這類城市代表著我國城市發(fā)展的整體水平，其低碳發(fā)展的成功經(jīng)驗(yàn)和挫折教訓(xùn)對(duì)于我國城市低碳發(fā)展的借鑒作用，顯然要高于“低排放、高經(jīng)濟(jì)”組的試點(diǎn)。此外，試點(diǎn)城市對(duì)我國工業(yè)型城市關(guān)注不夠，這類城市在我國為數(shù)不少，而從圖5中可以看出，天津并不是理想的代表。

4 結(jié)論與討論

從我國CO2排放空間格局上可以明顯看出，我國CO2排放的熱點(diǎn)地區(qū)基本都聚集于重點(diǎn)城市，全局和局部Moran指數(shù)計(jì)算結(jié)果也表明，以重點(diǎn)城市為核心的區(qū)域，其CO2排放在空間上具有顯著的正向空間相關(guān)效應(yīng)。這都說明重點(diǎn)城市對(duì)于全國CO2排放有著非常重要的影響。因而，在城市尺度上分析我國CO2排放特征非常重要。本文在中國城市層面上發(fā)現(xiàn)了CO2排放和人口、經(jīng)濟(jì)的顯著相關(guān)性，并且存在CO2排放EKC，這對(duì)我國城市層面開展低碳研究和低碳規(guī)劃具有積極的借鑒意義。根據(jù)我國城市碳排放聚類分區(qū)結(jié)果，建議國家能從城市碳排放類型、代表性以及其借鑒意義出發(fā)綜合考慮低碳試點(diǎn)城市。我國CO2排放空間研究和城市層面CO2排放分析尚存在諸多不足，最大的制約因素是高分辨率的空間網(wǎng)格數(shù)據(jù)。EDGAR數(shù)據(jù)難以滿足中國城市碳排放的深入研究，環(huán)境保護(hù)部環(huán)境規(guī)劃院已經(jīng)開始基于全國企業(yè)CO2排放點(diǎn)源數(shù)據(jù)(約150萬家企業(yè)排放數(shù)據(jù))建立中國CO2排放10km網(wǎng)格數(shù)據(jù)，其對(duì)于我國CO2排放空間研究和全國區(qū)域CO2排放與污染物協(xié)同治理、聯(lián)防聯(lián)控、區(qū)域減排責(zé)任分解，及城市碳排放特征研究等將會(huì)產(chǎn)生非常重要的支撐作用。

References)

［1］Akimoto H，Narita H．Distribution of SO2，NOx and CO2Emissions from Fuel Combustion and Industrial Activities in Asia with 1°×1°Resolution［J］．Atmospheric Environment，1994，28(2):213 －225．

［2］Andres R J，Marland G，F(xiàn)ung I，et al．A 1°× 1°Distribution of Carbon Dioxide Emissions from Fossil Fuel Consumption and Cement Manufacture，1950 － 1990［J］．Global Biogeochemical Cycles，1996，10(3):419－429．

［3］Doll C N H，Muller JP，Elvidge C D．Night-time Imagery as a Tool for Global Mapping of Socioeconomic Parameters and Greenhouse Gas Emissions［J］．AMBIO:A Journal of the Human Environment，2000，29(3):157－162．

［4］Rayner P J，Raupach M R，Paget M，et al．A New Global Gridded Data Setof CO2Emissions from Fossil Fuel Combustion:Methodology and Evaluation［J］．Journal of Geophysical Research，2010，115(D19306):1－11．

［5］Oda T，Maksyutov S．A Very High-resolution Global Fossil Fuel CO2Emission Inventory Derived Using a Point Source Database and Satellite Observations of Nighttime Lights，1980 － 2007［J］．Atmospheric Chemistry and Physics Discussions，2010，(10):16307－16344．

［6］張雷，黃園淅，李艷梅，等．中國碳排放區(qū)域格局變化與減排途徑分析［J］．資源科學(xué)，2011，32(2):211 －217．［Zhang Lei，Huang Yuanxi，Li Yanmei，etal．An Investigation on Spatial Changing Pattern of CO2Emissions in China［J］．Resources Science，2011，32(2):211 －217．］

［7］鄭林昌，付加鋒，李江蘇．中國省域低碳經(jīng)濟(jì)發(fā)展水平及其空間過程評(píng)價(jià)［J］．中國人口·資源與環(huán)境，2011，21(7):80－85．［Zheng Linchang，F(xiàn)u Jiafeng，Li Jiangsu．Evaluation on the Development Level and Spatial Progress of Low-carbon Economy at Provincial Scale in China［J］．China Population，Resources and Environment，2011，21(7):80 －85．］

［8］肖黎姍，王潤，楊德偉，等．中國省際碳排放極化格局研究［J］．中國人口·資源與環(huán)境，2011，21(11):21 －27．［Xiao Lishan，Wang Run，Yang Dewei，et al． Polarization Pattern of Carbon Emission in China's Provinces［J］．China Population，Resources and Environment，2011，21(11):21 －27．］

［9］姚奕，倪勤．中國地區(qū)碳強(qiáng)度與FDI的空間計(jì)量分析——基于空間面板模型的實(shí)證研究［J］．經(jīng)濟(jì)地理，2011，31(9):1432－1438．［Yao Yi，Ni Qin．The Impact of Foreign Direct Investment on Carbon Intensity:Empirical Study Based on Chinese Provincial Dynamic Panel Data［J］．Economic Geography，2011，31(9):1432 －1438．］

［10］趙云泰，黃賢金，鐘太洋，等．1999—2007年中國能源消費(fèi)碳排放強(qiáng)度空間演變特征［J］．環(huán)境科學(xué)，2011，32(11):3145－3152．［Zhao Yuntai，Huang Xianjin，Zhong Taiyang，et al．Spatial Pattern Evolution of Carbon Emission Intensity from Energy Consumption in China［J］．Environmental Science，2011，32(11):3145 －3152．］

［11］Ohara T，Akimoto H，Kurokawa J，et al．An Asian Emission Inventory of Anthropogenic Emission Dources for the Period 1980－2020［J］．Atmospheric Chemistry and Physics Discussions，2007，7(3):6843－6902．

［12］Marland G，Brenkert A，Olivier J．CO2from Fossil Fuel Burning:A Comparison of ORNL and EDGAR Estimates of National Emissions［J］．Environmental Science ＆ Policy，1999，2(3):265 －273．

［13］Alonso M F，Longo K M，F(xiàn)reitas SR，et al．An Urban Emissions Inventory for South America and Its Application in Numerical Modeling of Atmospheric Chemical Composition at Local and Regional Scales［J］．Atmospheric Environment，2010，44(39):5072－5083．

［14］Parrish D D，Kuster W C，Shao M，et al．Comparison of Air Pollutant Emissions among Mega-cities［J］． Atmospheric Environment，2009，43(40):6435 －6441．

［15］IEA．CO2Emissions from Fuel Combustion 2010［M］．Paris:IEA Publishing，2010:320 －350．

［16］蔡博峰．低碳城市規(guī)劃［M］．北京:化學(xué)工業(yè)出版社，2011:157－159．［Cai Bofeng．Low Carbon City Planning［M］．Beijing:Chemical Industry Press，2011:157 －159．］

［17］Grossman G M，Krueger A B．Environmental Impacts of a North American Free Trade Agreement［R］，1991．

［18］Giraudel JL，Lek S．A Comparison of Self-organizing Map Algorithm and Some Conventional StatisticalMethods for Ecological Community Ordination［J］．Ecological Modelling，2001，146(1):329 － 339．

［19］Shafik N，Bandyopadhyay S．Economic Growth and Environmental Quality Time-series and Cross-country Evidence［R］，1992．

［20］Holtz-Eakin D，Selden TM．Stoking the Fires?CO2Emissions and Economic Growth［R］，1992．

［21］Moomaw W R，Unruh G C．Are Environmental Kuznets Curves Misleading Us?The Case of CO2Emissions［J］．Environment and Development Economics，1997，(2):451 －463．

［22］Dinda S．Environmental Kuznets Curve Hypothesis:A Survey［J］．Ecological Economics，2004，49(4):431 －455．

［23］王金南，蔡博峰，曹東，等．中國 CO2排放總量控制區(qū)域分解方案研究［J］．環(huán)境科學(xué)學(xué)報(bào)，2011，31(4):680 －685．［Wang Jinnan，Cai Bofeng，Cao Dong，et al．Scenario Study on Regional Allocation of CO2Emissions Allowance in China［J］．Acta Scientiae Circumstantiae，2011，31(4):680 －685．］

［24］蔡博峰．城市溫室氣體清單研究［J］．氣候變化研究進(jìn)展，2011，7(1):23 － 28．［Cai Bofeng．A Study on City Greenhouse Gas Emissions Inventory［J］．Advances in Climate Change Research，2011，7(1):23 －28．］

Characteristics Analysis of CO2Em issions of Cities in China Based on 0.1°Grid Dataset

CAIBo-feng
(Chinese Academy for Environmental Planning，Beijing 100012，China)

The spatial pattern of CO2emissions of China was analyzed based on 0.1°gridded dataset．The result of Global Moran’s I index was0．27(P ＜0．01)，which indicated that CO2emissions in Chinawere spatially autocorrelated．The localMoran’s I index also exhibit there were significant spatial autocorrelation in the regions centered by typical cities．The spatial analysis implied that some hotspot cities have decisively influenced the spatial pattern of the emissions in China．This resultwarranted the importance of cities in emissions study．The relationship between CO2emissions with population and GDP in 349 cities were significant positive．The CO2emissions of cities were influenced by population and GDP．The CO2emissions’Kuznetz curve was also identified and tested．The turning point of inverted-U curve appeared at a relatively high economical level．The cities of China could be categorized into 6 groups based on both CO2emissions per capita and GDP per capita，among which the“l(fā)ow emissions，low economy”category has been identified as themain type and only 6 cities are the“l(fā)ow emissions，high economy”the ideal type．The nominated low carbon pilot cities appeared in 5 groups except“high emissions，high economy”group．

CO2emission grid data;cities;characteristics analysis

X321

A

1002－2104(2012)10－0151－07

10．3969/j．issn．1002－2104．2012．10．022

2012－04－16

蔡博峰，副研究員，主要研究方向?yàn)闇厥覛怏w排放清單和低碳城市。

國家自然科學(xué)基金資助項(xiàng)目“中國城市碳排放清單核心問題研究”(編號(hào):41101500)。

(編輯:劉照勝)