華北礦業(yè)型城市長序列能源消費碳排放特征

邵克儉，董東林，林 剛，劉賀丹，徐祚榮，陳金平

(1.中國礦業(yè)大學(北京)地球科學與測繪工程學院，北京 100083； 2.北京師范大學水科學研究院地下水污染控制與修復教育部工程研究中心，北京 100875)

我國作為能源消費碳排放大國，低碳減排、綠色可持續(xù)發(fā)展是我國目前亟須解決的問題[1-2]。礦業(yè)型城市擁有豐富的能源戰(zhàn)略礦產(chǎn)資源，是我國經(jīng)濟持續(xù)健康發(fā)展的重要保障基地[3]。能源消費碳排放研究多集中在省級尺度或經(jīng)濟發(fā)達的大城市，中國地市級及以下尺度數(shù)據(jù)難以獲取，且統(tǒng)計標準存在差異[4]。遙感技術(shù)在空間一致性方面獨具優(yōu)勢[4]，研究表明，基于夜間燈光數(shù)據(jù)能直觀反映人類活動強度，有效估算能源消費碳排放量[5]。目前，基于夜間燈光數(shù)據(jù)從時間長序列角度對礦業(yè)型城市能源消費碳排放的研究較少，通過夜間燈光數(shù)據(jù)預測礦業(yè)型城市能源消費碳排放特征具有一定的可行性，同時彌補了地級市及以下尺度數(shù)據(jù)難以獲取的問題。

華北地區(qū)礦業(yè)型城市數(shù)量多，占比達55.56%，遠高于全國礦業(yè)型城市占比(25.51%)[6]。選取華北地區(qū)礦業(yè)型城市為研究對象，基于1995～2017年的夜間燈光數(shù)據(jù)、能源統(tǒng)計年鑒數(shù)據(jù)和城市統(tǒng)計年鑒數(shù)據(jù)，模擬估算華北礦業(yè)型城市能源消費碳排放量，對礦業(yè)型城市進行多維研究，分析不同礦業(yè)型城市碳排放的差異性，為礦業(yè)型城市低碳發(fā)展提供科學依據(jù)。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

選取華北地區(qū)20個礦業(yè)型城市為研究對象，根據(jù)《全國資源型城市可持續(xù)發(fā)展規(guī)劃(2013～2020年)》，從生命周期及資源類型角度將華北地區(qū)礦業(yè)型城市進行分類[6-7]，見表1。其中，燈光數(shù)據(jù)來源全球1995～2013年間DMSP/OLS夜間燈光影像與

2012～2017年VIIRS/NPP夜間燈光影像，能源統(tǒng)計數(shù)據(jù)和城市統(tǒng)計數(shù)據(jù)源于《中國能源統(tǒng)計年鑒》《中國城市統(tǒng)計年鑒》及各省市統(tǒng)計數(shù)據(jù)。

表1 華北地區(qū)礦業(yè)型城市分類Table 1 Classification of mining cities in north China

1.2 研究內(nèi)容和方法

1.2.1 能源消費碳排放測算與夜間燈光數(shù)據(jù)預處理

基于1995～2017年的華北地區(qū)能源消費統(tǒng)計數(shù)據(jù)，采用IPCC提供的《2006溫室氣體排放清單》，測算能源消費產(chǎn)生的碳排放量[8]。由于獲取燈光數(shù)據(jù)涉及的傳感器不同，不同傳感器同一年份圖像的遙感影像像元亮度值(digital number,DN)之間存在一定差異。本文參考張夢琪等[9]對DMSP/OLS穩(wěn)定夜間燈光數(shù)據(jù)的校正方法，對華北地區(qū)1995～2013年夜間燈光影像進行校正，使其具有空間連續(xù)性、同時保留城市發(fā)展特征，夜間燈光數(shù)據(jù)處理分析對比見圖1。

圖1 華北地區(qū)DMSP/OLS夜間燈光數(shù)據(jù)校正前后數(shù)據(jù)對比Fig.1 Comparison of data before and after correction of DMSP/OLS night light data in north China

DMSP/OLS夜間燈光影像自2013年后截止,與VIIRS/NPP夜間燈光影像不具有連續(xù)性，以DMSP/OLS影像數(shù)據(jù)為參考重分類和回歸校正VIIRS/NPP影像[10]，處理后夜間燈光數(shù)據(jù)DN值變化見圖2。

1.2.2 模擬能源消費碳排放的空間格局

將華北地區(qū)夜間燈光數(shù)據(jù)DN總值與能源消費碳排放量值進行擬合，見圖3。結(jié)果顯示，能源消費碳排放量與夜間燈光數(shù)據(jù)DN值與具有良好的相關關系，相關系數(shù)R2為0.937。因此能源消費碳排放量可以表達為夜間燈光數(shù)據(jù)DN值的函數(shù)，見式(1)，建立碳排放量空間模型，模擬能源消費碳排放的空間格局。

Aj=0.021 8×Bj

(1)

式中：Aj為j市能源消費碳排放量；Bj為j市夜間燈光數(shù)據(jù)DN值。

圖2 華北地區(qū)夜間燈光數(shù)據(jù)DN值變化Fig.2 Changes of DN value of night light datain north China

圖3 夜間燈光數(shù)據(jù)總值與碳排放量的擬合關系Fig.3 The fitting relationship between total value ofnighttime lighting data and carbon emission

1.2.3 脫鉤效應研究方法

建立Tapio脫鉤模型，定量分析碳排放與經(jīng)濟發(fā)展的關系。采用以時期為時間尺度的彈性分析方法分析能源消費碳排放量與經(jīng)濟指數(shù)GDP之間的關系[11]。其中,強脫鉤是實現(xiàn)經(jīng)濟低碳化發(fā)展的最理想狀態(tài)，強負脫鉤是最不利狀態(tài)。當經(jīng)濟總量保持持續(xù)增長(GDP>0)時，能源碳排放的GDP彈性越小，脫鉤越顯著，即脫鉤程度越高，Tapio的等級與彈性值比較見圖4。Tapio脫鉤彈性系數(shù)計算公式見式(2)。

(2)

式中：tC,G為GDP與能源消費碳排放脫鉤彈性系數(shù)；%ΔC和%ΔGDP分別為能源消費碳排放量和GDP增長率；ΔC和ΔGDP分別為碳排放和GDP增長值；C0和GDP0分別為基期的能源消費碳排放量和GDP。

圖4 Tapio 8個等級與彈性值比較Fig.4 Tapio 8 levels and elasticity comparison

1.2.4 能源消費碳排放驅(qū)動因素研究方法

為研究華北地區(qū)礦業(yè)型城市能源消費碳排放量脫鉤效應的原因，采用艾里奇和康芒提出的IPAT模型，見式(3)。

I=P×A×T

(3)

式中：I為人類發(fā)展對資源環(huán)境的壓力；P為人口總量；A為人均資源消耗程度或者消費水平；T為技術(shù)。

根據(jù)SUN[12]提出的完全分解模型思路，將能源消費碳排放分解為人口效應ΔCP、規(guī)模效應ΔCA和強度效應ΔCT。分解公式見式(4)。

(4)

式中：C為能源消費碳排放量；P為人口；G為GDP。

使用環(huán)比方法對能源消費碳排放量進行分解，公式見式(5)～(7)。

ΔCP=ΔP×A0×T0+

(5)

ΔCA=ΔA×P0×T0+

(6)

ΔCT=ΔT×A0×P0+

(7)

式中：P0、A0和T0分別為基期的人口、人均GDP和能源消費碳排放強度；ΔP、ΔA和ΔT分別為末期相對于基期人口、人均GDP和能源消費碳排放強度的變化量。

2 結(jié)果與討論

2.1 能源消費碳排放量模擬

為保證碳排放量模擬值的準確性和可靠性，將模擬值與統(tǒng)計測算值的華北地區(qū)1995～2017年的碳排放量進行對比，見圖5。結(jié)果表明，模擬的碳排放量與統(tǒng)計測算值的均方根誤差為4 231.61萬t，相對誤差為11.82%，模擬值精度良好，能有效估算能源消費碳排放量及長序列區(qū)域碳排放的空間格局和時空變化特征。

圖5 能源消費碳排放量統(tǒng)計測算值與模擬值散點圖Fig.5 The scatter diagram of statistical calculation value and simulation value of energy consumption carbon emission

2.2 華北地區(qū)不同類型礦業(yè)型城市能源消費碳排放對比分析

2.2.1 華北地區(qū)礦業(yè)型城市碳排放總量變化趨勢

根據(jù)華北地區(qū)碳排放空間格局及時空變化特征，從整體到局部，對華北礦業(yè)型城市能源消費碳排放特征進行分析，見圖6。發(fā)現(xiàn)華北礦業(yè)型城市的能源消費碳排放量占比逐年增加。這表明1995～2017年華北礦業(yè)型城市依托資源，經(jīng)濟快速發(fā)展，能源消耗碳排放量逐年增加，增幅速度高于華北地區(qū)平均水平。

從生命周期分析，成長型礦業(yè)城市能源消費碳排放量增長率普遍大于再生型、成熟型和衰退型礦業(yè)城市；成熟型礦業(yè)城市中承德市、張家口市、赤峰市、忻州市增長較快；衰退型城市烏海市增長較慢；再生型礦業(yè)城市增長較快。從礦產(chǎn)資源類型分析，鐵礦型礦業(yè)城市能源消費碳排放量增長率普遍大于煤炭型礦業(yè)城市，而煤炭型礦業(yè)城市中鄂爾多斯市、呼倫貝爾市、朔州市、赤峰市能源消費碳排放量增長較為快速。綜合分析，成長型煤炭型、再生型鐵礦型、成熟型鐵礦型以及成熟型煤炭型中的張家口市、忻州市和赤峰市能源消費碳排放量增長較快。

圖6 華北地區(qū)礦業(yè)型城市能源消耗碳排放量比重Fig.6 The proportion of energy consumption and carbon emission of mining cities in north China

2.2.2 華北礦業(yè)型城市經(jīng)濟增長與能源消費碳排放脫鉤分析

運用Tapio彈性脫鉤指標對華北礦業(yè)型城市GDP增長與能源消費碳排放進行脫鉤分析，見圖7。

圖7 不同類型礦業(yè)型城市脫鉤彈性系數(shù)變化Fig.7 Changes of decoupling elastic coefficient of different types of mining cities

2.2.2.1 從生命周期角度對礦業(yè)型城市進行能源消費碳排放脫鉤分析

礦業(yè)型城市能源消費碳排放脫鉤系數(shù)整體變化的趨勢是從1996年至2000年前后逐年增長，2000年后，在2010年小幅增加，整體逐年下降。

成長型礦業(yè)城市的脫鉤系數(shù)變化整體下降速度大于成熟型礦業(yè)城市、再生型礦業(yè)城市、衰退型礦業(yè)城市。鄂爾多斯市在1996年至1998年脫鉤彈性系數(shù)大于1.2，處于擴張負脫鉤狀態(tài)，經(jīng)濟增長速度小于能源消費碳排放增長速度；在1999年至2001年脫鉤彈性系數(shù)大于0.8，小于1.2，為擴張連接狀態(tài)；其余年份脫鉤系數(shù)均小于0.8，為弱脫鉤狀態(tài)，經(jīng)濟增長速度大于能源消費碳排放增長速度，經(jīng)濟增長處于較好的狀態(tài)。呼倫貝爾市在1998年至2003年脫鉤系數(shù)均大于0.8，小于1.2，為擴張連接狀態(tài)；其余年份均小于0.8。朔州市脫鉤彈性系數(shù)均小于0.8，為弱脫鉤狀態(tài)。

成熟型礦業(yè)城市中，呂梁市在1999年脫鉤彈性系數(shù)為55.12，遠大于1.2，處于擴張負脫鉤狀態(tài)，能源消費碳排放量遠遠大于經(jīng)濟增長速度，當年呂梁市經(jīng)濟GDP下降幅度較大，人口增長較快導致脫鉤彈性系數(shù)較大，2000年和2001年脫鉤彈性系數(shù)大于0.8，小于1.2，為擴張連接狀態(tài)；其余年份脫鉤系數(shù)均小于0.8，為弱脫鉤狀態(tài)。運城市在1998年至2000年，忻州市在1999年至2003年脫鉤彈性系數(shù)大于0.8，小于1.2，為擴張連接狀態(tài)；其余年份脫鉤系數(shù)均小于0.8，為弱脫鉤狀態(tài)。其余成熟型礦業(yè)城市脫鉤彈性系數(shù)均小于0.8，為弱脫鉤狀態(tài)。

衰退型礦業(yè)城市與再生型礦業(yè)城市脫鉤彈性系數(shù)均小于0.8，且值較小，變化不明顯，為弱脫鉤狀態(tài)，經(jīng)濟增長速度遠大于能源消費碳排放增長速度。

2.2.2.2 從資源類型角度對礦業(yè)型城市進行能源消費碳排放脫鉤分析

煤炭型礦業(yè)城市中，忻州市、呂梁市、運城市同是成熟型礦業(yè)城市，鄂爾多斯市、呼倫貝爾市同是成長型礦業(yè)城市，脫鉤彈性系數(shù)有部分年份為擴張負脫鉤、擴張連接狀態(tài)，其余年份為弱脫鉤狀態(tài)，其余煤炭型均處于弱脫鉤狀態(tài)。

鐵礦型礦業(yè)城市中，唐山市、包頭市同是再生型礦業(yè)城市，承德市為成熟型礦業(yè)城市，均處于弱脫鉤狀態(tài)。

2.2.3 華北礦業(yè)型城市脫鉤效應的驅(qū)動因素分析

計算華北地區(qū)20個礦業(yè)型城市經(jīng)濟增長的人口效應、規(guī)模效應、強度效應對能源消費碳排放的貢獻影響程度，見圖8。

圖8 不同類型礦業(yè)型城市經(jīng)濟發(fā)展人口效應、規(guī)模效應和強度效應對能源消費碳排放量的貢獻率Fig.8 Contribution ratios of population effects,scale effects and intensity effects on energy consumption carbon emissions of different types of mining cities

總體上看，礦業(yè)型城市規(guī)模效應、人口效應對能源消費碳排放量起促進作用，強度效應起反向作用；規(guī)模效應促進作用最大，且呈現(xiàn)逐年下降趨勢并趨于穩(wěn)定狀態(tài)；人口效應整體上呈現(xiàn)促進作用，促進貢獻率較低，在不同礦業(yè)型城市中變化情況不同；強度效應對能源消費碳排放量總體上起抑制作用，且呈現(xiàn)逐年上升趨勢并趨于穩(wěn)定狀態(tài)；對于礦業(yè)型城市脫鉤彈性系數(shù)整體在2010年小幅增加，從規(guī)模效應上可以看出，是由于規(guī)模效應對能源消費碳排放量促進作用增加所導致。

成長型礦業(yè)城市規(guī)模效應從1996年至2017年下降幅度較大，強度效應增長幅度較大。鄂爾多斯市在1996年至1998年處于擴張負脫鉤狀態(tài)，這期間人口效應、規(guī)模效應和強度效應均對能源消費碳排放量均起促進作用；其余年份，強度效應起反向作用，規(guī)模效應對能源消費碳排放量的貢獻率最高。呼倫貝爾市在1998年至1999年脫鉤彈性系數(shù)均大于1，為擴張連接狀態(tài)，這期間人口效應、規(guī)模效應和強度效應均對能源消費碳排放量均起促進作用；其余年份，人口效應、規(guī)模效應促進能源消費碳排放量的增加，規(guī)模效應貢獻率最高。朔州市的強度效應起反向作用，人口效應、規(guī)模效應促進能源消費碳排放量的增加，規(guī)模效應對能源消費碳排放量起主導促進作用，并在1999年達到最大影響，并逐年下降。

成熟型礦業(yè)城市中，呂梁市規(guī)模效應對能源消費碳排放量起主導促進作用，1999年為擴張負脫鉤狀態(tài)、2000年為擴張連接狀態(tài)，能源消費碳排放量遠遠大于經(jīng)濟增長速度，這期間人口效應、規(guī)模效應和強度效應均對能源消費碳排放量均起促進作用；2001年為擴張連接狀態(tài)，人口效應、規(guī)模效應對促進能源消費碳排放量的增加，強度效應抑制貢獻率極低。運城市在1998年至1999年脫鉤彈性系數(shù)接近1。忻州市在1999年至2002年脫鉤彈性系數(shù)均大于1，為擴張連接狀態(tài)，期間人口效應、規(guī)模效應和強度效應均對能源消費碳排放量均起促進作用；其余年份，人口效應、規(guī)模效應促進能源消費碳排放量的增加，規(guī)模效應貢獻率最高。其余成熟型礦業(yè)型城市規(guī)模效應起主導促進作用，人口效應起促進作用、貢獻率小，強度效應起抑制作用。

衰退型礦業(yè)城市烏海市，人口效應較其他類型礦業(yè)城市對能源消費碳排放量促進貢獻率更大，規(guī)模效應促進貢獻率最大且逐年降低，強度效應抑制能源消費碳排放量的增加。再生型礦業(yè)城市，強度效應對能源消費碳排放量抑制貢獻率較其他類型礦業(yè)城市更高，規(guī)模效應起主導促進作用。

煤炭型礦業(yè)城市和鐵礦型礦業(yè)城市均能從生命周期各類礦業(yè)城市分析中體現(xiàn)能源消費碳排放貢獻特征，其中鐵礦型城市強度效應對能源消費碳排放量抑制貢獻率較其他類型礦業(yè)城市更高。

對于成長型煤炭型、成熟型鐵礦型承德市以及成熟型煤炭型張家口市、忻州市和赤峰市這些能源消費碳排放量增長率較快的城市，綜合分析，規(guī)模效應對能源消費碳排放量促進作用比較大，強度效應較其他礦業(yè)城市貢獻較少，因此，對于這幾類礦業(yè)城市，通過科技手段，促進產(chǎn)業(yè)結(jié)構(gòu)變化，加強強度效應對能源消費碳排放量的影響，是降低能源消費碳排放量的重要手段；再生型鐵礦型目前已經(jīng)通過加強強度效應對能源消費碳排放量起到很好的抑制作用，應進一步提升強度效應的影響，同時減少規(guī)模效應對能源消費碳排放量的促進。

3 結(jié)論與建議

1) 利用夜間燈光影像有效估算了我國華北地區(qū)礦業(yè)型城市1995～2017年能源消費碳排放量，彌補了地級市及以下尺度統(tǒng)計數(shù)據(jù)難以獲取的問題。

2) 通過對能源消費碳排放量特征分析，華北礦業(yè)型城市能源消費碳排放量占華北地區(qū)比重逐年增加，成長型煤炭型、再生型鐵礦型、成熟型鐵礦型以及成熟型煤炭型中的張家口市、忻州市和赤峰市能源消費碳排放量增長較快，華北地區(qū)低碳減排的工作重點應向這類城市傾斜。

3) 對于能源消費碳排放量較高的礦業(yè)型城市，通過科技手段促使能源消費碳排放量下降是實現(xiàn)能源消費碳排放量與經(jīng)濟增長脫鉤的重要手段，應該加強科技手段的力度結(jié)合人口效應、規(guī)模效應的調(diào)控，通過科學的低碳減排政策，更好地控制能源消費碳排放量的增加。