中國三大城市群公路貨運碳排放時空特征分析
——基于NPP-VIIRS數(shù)據(jù)的研究

呂倩，王濤

(1.北京信息科技大學(xué) 信息管理學(xué)院，北京 100192；2.北京市工貿(mào)技師學(xué)院 機電分院，北京 100097)

0 引言

由溫室氣體排放引起的全球氣候變暖是當(dāng)今人類社會面臨的共同挑戰(zhàn)。作為世界上最大的發(fā)展中國家和最大的碳排放國，我國主動應(yīng)對氣候變化，積極承擔(dān)國際減排責(zé)任[1]。交通運輸部門作為僅次于工業(yè)部門和能源供應(yīng)部門的第三大溫室氣體排放源[2-3]，是中國節(jié)能減排的重要領(lǐng)域[4]。然而相較于更強調(diào)清潔化能源使用的客運[3]，我國貨物運輸在碳減排目標(biāo)實現(xiàn)上還存在種種問題[5]。2019年全國貨物量構(gòu)成中，公路貨運占比72.88%，支撐了中國大部分的貨物運輸[6]。與此同時，城市作為物質(zhì)交換和能源消耗最集中的區(qū)域，承擔(dān)著大量交通運輸任務(wù)[7]。城市群在促進貨運繁榮發(fā)展的同時，也承擔(dān)著巨大的減排壓力。由此可見，精準(zhǔn)化估算城市群公路貨運碳排放時空分布特征，對于有效控制城市交通運輸業(yè)碳排放量、盡早實現(xiàn)中國碳達峰目標(biāo)具有重要現(xiàn)實意義。

眾多研究采取“自下而上”方法結(jié)合統(tǒng)計數(shù)據(jù)計算不同尺度的貨運碳排放量[5,8,9]。歐國立等[10]指出京津冀地區(qū)貨運碳排放存在較大的地區(qū)差異；歐陽斌等[11]提出低碳交通運輸要以公路貨運為突破重點。Zhang等[12]進一步指出精準(zhǔn)化測量公路交通碳排放仍然存在障礙，需要統(tǒng)一計量標(biāo)準(zhǔn)和口徑。與此同時，為了提高估算精準(zhǔn)性，越來越多學(xué)者考慮采用遙感數(shù)據(jù)估算碳排放量[13-15]。具體到貨運部門，Tian等[16]結(jié)合美國國防氣象衛(wèi)星計劃線性掃描業(yè)務(wù)系統(tǒng)(defense meteorological satellite program—operational linescan system，DMSP-OLS)夜間燈光數(shù)據(jù)對省級公路貨運量進行擬合，結(jié)果表明二者緊密相關(guān)；Shi等[17]則指出修正后的美國國家極軌運行環(huán)境衛(wèi)星系統(tǒng)預(yù)備計劃可見光紅外成像輻射儀(national polar-orbiting operational environmental satellite system preparatory project—visible infrared imaging radiometer suite，NPP-VIIRS)數(shù)據(jù)比DMSP-OLS數(shù)據(jù)更適合于貨運量的建模。總體而言，眾多研究表明夜間燈光數(shù)據(jù)是模擬公路貨運量的有效工具，但并沒有進一步對夜間燈光數(shù)據(jù)能否模擬公路貨運碳排放量進行分析。

已有不少學(xué)者對貨運碳排放時空演變特征進行了廣泛研究[18-20]，如余躍武等[21]從省級尺度探討了公路貨運碳排放重心轉(zhuǎn)移軌跡；王勇等[22]則對東北三省公路、鐵路等不同運輸方式的碳排放進行研究。在此基礎(chǔ)上，鄭夢柳等[23]嘗試采用設(shè)置權(quán)重得到市級貨運周轉(zhuǎn)量，但權(quán)重測算方法具有一定的局限性。

本文選取京津冀、長江三角洲(長三角)和珠江三角洲(珠三角)三大城市群作為研究對象，以NPP-VIIRS夜間燈光數(shù)據(jù)為切入點，系統(tǒng)分析2012-2020年三大城市群公路貨運碳排放時空演變特征，擬為精準(zhǔn)制定交通碳減排政策提供數(shù)據(jù)基礎(chǔ)，并選取典型城市作為城市碳達峰示范，旨在為其他城市群提供借鑒和參考。

1 數(shù)據(jù)來源與研究方法

1.1 研究區(qū)域

本文借鑒中國城市群已有研究成果[24]，選取京津冀、長三角和珠三角為研究對象，包含8個省(直轄市)共54個城市。

1.2 數(shù)據(jù)來源

本文所使用的NPP-VIIRS數(shù)據(jù)均來源于美國國家地理數(shù)據(jù)中心(National Geophysical Data Center，NGDC)官方網(wǎng)站。經(jīng)過預(yù)處理，可以得到中國2012-2020年校正后的NPP-VIIRS夜間燈光數(shù)據(jù)集。校正后遙感影像像元亮度值(digital number，DN)總值如圖1所示。

圖1 校正后2012-2020年NPP-VIIRS 數(shù)據(jù)DN總值

2012-2020年三大城市群的公路貨運周轉(zhuǎn)量來源于《中國統(tǒng)計年鑒》；單位能耗來源于《交通運輸行業(yè)發(fā)展統(tǒng)計公報》；碳排放因子數(shù)據(jù)來源于《中國能源統(tǒng)計年鑒》等。

1.3 模型與分析

1.3.1 城市群碳排放估算模型構(gòu)建

本研究采用燃料消耗量法測算2012-2020年三大城市群公路貨運碳排放量：

(1)

進一步，使用NPP-VIIRS數(shù)據(jù)和公路貨運碳排放統(tǒng)計數(shù)據(jù)構(gòu)建城市群碳排放估算模型。估算假設(shè)條件參考了施開放[25]等的假設(shè)基礎(chǔ)，即DN值與碳排放量存在著一種緊密的相關(guān)性，如式(2)所示。三大城市群NPP-VIIRS數(shù)據(jù)和公路貨運碳排放的統(tǒng)計關(guān)系如表1所示。其中a、b、c分別為估算公式系數(shù)；R2為擬合優(yōu)度。

(2)

式中NDN為像元值。

表1 三大城市群NPP-VIIRS數(shù)據(jù)與公路貨運碳排放擬合關(guān)系

由表1可知，三大城市群NPP-VIIRS數(shù)據(jù)與公路貨運碳排放的擬合優(yōu)度分別達到了0.676 2、0.936 2和0.558 5，表明模型估計效果良好，結(jié)果有效，NPP-VIIRS數(shù)據(jù)與公路貨運碳排放存在顯著的相關(guān)性，這與原假設(shè)具有一致性。

為驗證本文碳排放估算模型的可靠性，選用國內(nèi)生產(chǎn)總值GDP作為比較指標(biāo)進行穩(wěn)健性檢驗，具體擬合公式如式(3)所示。GDP與公路貨運碳排放的統(tǒng)計關(guān)系如表2所示。

CG=aNGDP2+bNGDP+c

(3)

式中NGDP為國內(nèi)生產(chǎn)總值。

表2 三大城市群GDP與公路貨運碳排放擬合關(guān)系

由表2 可知，除珠三角城市群GDP與公路貨運碳排放擬合優(yōu)度0.674 3略高于NPP-VIIRS數(shù)據(jù)的0.558 5，京津冀和長三角城市群NPP-VIIRS數(shù)據(jù)估算公路貨運碳排放的效果均優(yōu)于使用GDP估算的效果。

進一步計算京津冀、長三角和珠三角城市群使用本文模型估算碳排放量與統(tǒng)計碳排放量的均方根誤差，分別為210.98、25.32和90.03，誤差水平較低。由此可見基于NPP-VIIRS數(shù)據(jù)估算城市群公路貨運碳排放模擬精度良好，可以用來開展進一步研究。

為保證空間統(tǒng)計單元碳排放量的一致性，本文對柵格尺度碳排放進行線性調(diào)整，生成省級尺度碳排放零誤差模型(空間分辨率為1 km×1 km)，使DN像元值能夠代表柵格尺度碳排放：

(4)

Cgridq=Cgrid0·KC

(5)

式中：KC為q省的調(diào)整系數(shù)；Cq和C0分別為q省的碳排放統(tǒng)計值和反演值；Cgridq和Cgrid0分別為q省調(diào)整后的碳排放柵格統(tǒng)計值和柵格反演值。本文以所得碳排放反演值進行后續(xù)空間分布方向性分析。

1.3.2 空間分布方向性分析

空間分布方向性分析可以揭示地理元素的空間分布性特征，標(biāo)準(zhǔn)差橢圓法(the standard deviational ellipse method，SDE)是其中的經(jīng)典方法之一[26-28]，主要用橢圓的圓心、軸線和旋轉(zhuǎn)角度來表示元素的分布特征。在SDE方法中，橢圓的大小反映要素的集中程度，橢圓的長軸表示要素分布的主導(dǎo)方向，X軸與Y軸之間差值越大，表明地理要素的方向性越強。本文采用標(biāo)準(zhǔn)差橢圓法分析公路貨運碳排放的空間分布性特征。具體計算公式如下：

(6)

(7)

(8)

(9)

(10)

(11)

(12)

(13)

1.3.3 線性傾向分析

為明確公路貨運碳排放的時間變化趨勢，利用線性傾向估計進行碳排放時間趨勢分析。線性傾向值即SLOPE值用最小二乘法估計，如式(14)所示：

(14)

式中：k為碳排放傾向值；n為總年份數(shù)，在本文中取值為9；i為年份序號，本文中2012年為第1年，后續(xù)年份依次取值；Ci代表第i年對應(yīng)的碳排放量。

表3 碳排放傾向值等級劃分標(biāo)準(zhǔn)

2 結(jié)果與討論

2.1 柵格尺度

依據(jù)省級尺度碳排放零誤差模型得到2012-2020年三大城市群柵格尺度下公路貨運碳排放分布?？傮w來看，2012-2020年三大城市群公路貨運碳排放均呈散發(fā)增長趨勢。京津冀城市群碳排放主要集中在河北省南部和天津市，并逐步呈現(xiàn)星網(wǎng)狀增長特征。長三角城市群碳排放2012年主要在西部的安徽省區(qū)域，而2020年則呈現(xiàn)出整體星網(wǎng)狀散發(fā)增強趨勢。2012-2020年珠三角城市群碳排放以廣州和深圳為中心呈現(xiàn)散發(fā)增強趨勢，廣州和深圳仍然是珠三角的工業(yè)、經(jīng)濟和物流運輸中心，對于其他城市輻射程度有限?？梢园l(fā)現(xiàn)，三大城市群柵格尺度碳排放分布特征與區(qū)域公路貨運水平現(xiàn)實相符。

2.2 市級尺度

2.2.1 總體特征

三大城市群公路貨運碳排放總量由2012年的1 599.25萬t增長為2020年的1 830.31萬t，具體如圖2所示，全國占比由26%增長為30.54%，表明了這些區(qū)域碳達峰目標(biāo)的實現(xiàn)及減排壓力巨大。

圖2 三大城市群公路貨運碳排放量總體特征

2.2.2 區(qū)域差異

三大城市群公路貨運碳排放存在顯著的區(qū)域差異特征，如表4所示。京津冀城市群碳排放最高的城市為唐山市，也即該區(qū)域的重要減排城市。長三角城市群碳排放高的城市由合肥市增加了上海市、舟山市和蘇州市，呈現(xiàn)兩點狀分布。珠三角城市群碳排放最高的城市為廣州市，其次為佛山市、東莞市和深圳市，以此為中心向周邊城市輻射。

表4 三大城市群公路貨運碳排放區(qū)域差異

2.3 碳排放變化趨勢

按照線性傾向估計方法計算得出三大城市群54個城市的SLOPE值，進一步按照自然斷點法得到2012-2020年城市公路貨運碳排放增長類型，如表5所示。

表5 三大城市群碳排放總量增長類型

由表5可知，三大城市群54個城市中，1個城市屬于較快增長型，10個城市屬于中速增長型，7個城市屬于緩慢增長型，其余36個城市屬于較慢增長型。

2.4 碳排放分布方向特征

采用SDE方法描述三大城市群空間分布方向性特征，得出橢圓的面積、中心點、X軸長度、Y軸長度和橢圓的方向角度如表6所示。

表6 碳排放分布方向性參數(shù)

對于京津冀城市群來說，公路貨運碳排放整體呈現(xiàn)向西北方向移動趨勢，生成的橢圓主趨勢向廊坊、保定和石家莊方向偏移。對于長三角城市群來說，公路貨運碳排放整體呈現(xiàn)向東北方向移動趨勢，生成的橢圓主趨勢向蘇州、上海方向偏移。對于珠三角城市群來說，公路貨運碳排放整體呈現(xiàn)向東北方向移動趨勢，生成的橢圓主趨勢向廣州、東莞和深圳方向偏移。

3 結(jié)束語

本文綜合運用NPP-VIIRS夜間燈光數(shù)據(jù)，結(jié)合統(tǒng)計數(shù)據(jù)，構(gòu)建三大城市群公路貨運碳排放估算模型，估計效果良好。衛(wèi)星遙感數(shù)據(jù)和統(tǒng)計數(shù)據(jù)可以為城市群精細(xì)化碳排放估算和預(yù)測提供良好支撐。針對城市統(tǒng)計數(shù)據(jù)的局限性，與鄭夢柳等[23]學(xué)者采用依據(jù)省級數(shù)據(jù)設(shè)置權(quán)值得到市級貨運碳排放不同，本文采用NPP-VIIRS遙感數(shù)據(jù)對市級公路貨運碳排放進行柵格級模擬估算，相比Kellner等[29]學(xué)者提出的依據(jù)“距離”分配貨運碳排放，更具有客觀性和時效性。研究結(jié)果表明，柵格尺度來看，2012-2020年京津冀城市群碳排放主要集中在河北省南部和天津；長三角城市群碳排放呈現(xiàn)出整體星網(wǎng)狀散發(fā)增強趨勢；珠三角城市群碳排放則以廣州和深圳為中心呈現(xiàn)散發(fā)增強趨勢。京津冀城市群碳排放重心整體向西北方向移動；長三角城市群碳排放重心整體向東北方向移動；珠三角城市群碳排放重心整體向東北方向移動。與曾曉瑩等[18]學(xué)者的研究結(jié)論相似，華東和華北是貨運碳排放大區(qū)，上海、天津和廣州是高碳城市。在珠三角城市群中，廣州是主要的公路貨運碳排放城市，這與黃瑩等[30]學(xué)者的研究具有相似性。相比余躍武等[21]從省級尺度分析我國公路貨運碳排放方向性特征，曾曉瑩等[18]學(xué)者從省級層面分析交通碳排放時空特征，本文從更精細(xì)的城市群尺度入手，指出公路貨運方向性分布趨勢，擬為精準(zhǔn)制定交通碳減排政策提供數(shù)據(jù)基礎(chǔ)。

隨著衛(wèi)星遙感技術(shù)的不斷發(fā)展，政府部門應(yīng)積極利用多源夜間燈光數(shù)據(jù)，和統(tǒng)計數(shù)據(jù)相結(jié)合構(gòu)建城市群公路貨運碳排放動態(tài)監(jiān)測系統(tǒng)，為城市群乃至全國的交通運輸碳排放動態(tài)監(jiān)測和政策制定提供借鑒和參考。同時，針對京津冀城市群貨運結(jié)構(gòu)以公路為主的現(xiàn)狀，應(yīng)持續(xù)優(yōu)化運輸結(jié)構(gòu)、實現(xiàn)多式聯(lián)運；長三角和珠三角應(yīng)進一步依靠其區(qū)位優(yōu)勢，提高城鄉(xiāng)物流配送效率，實現(xiàn)公路貨運綠色低碳轉(zhuǎn)型?？紤]到唐山市作為資源型城市，貨運需求旺盛，重點需要優(yōu)化其產(chǎn)業(yè)結(jié)構(gòu)和貨運結(jié)構(gòu)，淘汰更新老舊柴油貨車，實現(xiàn)節(jié)能減排；合肥市、上海市、舟山市和蘇州市應(yīng)持續(xù)推進貨物運輸“公轉(zhuǎn)鐵”、“公轉(zhuǎn)水”，實現(xiàn)低碳降耗的貨運結(jié)構(gòu)；廣州市、佛山市、東莞市和深圳市應(yīng)積極發(fā)展多式聯(lián)運，推動清潔能源使用，并進一步推動船舶和港口綠色改造。