中國10km二氧化碳排放網(wǎng)格及空間特征分析

王金南,蔡博峰,曹 東,劉蘭翠,周 穎,張戰(zhàn)勝,薛文博 (環(huán)境保護(hù)部環(huán)境規(guī)劃院,氣候變化與環(huán)境政策研究中心,北京 100012)

CO2排放高空間分辨率網(wǎng)格及空間分異特征研究是全球和區(qū)域 CO2排放研究的一個重點和熱點問題.國際上研究機(jī)構(gòu)和學(xué)者基于行政區(qū)劃、人口空間分布、夜光等空間數(shù)據(jù)建立了不同空間分辨率的全球及區(qū)域CO2排放網(wǎng)格數(shù)據(jù),并基于網(wǎng)格數(shù)據(jù)開展了碳排放熱點地區(qū)識別、空間變化趨勢及城市碳排放特征分析等研究[1-6].

早期CO2排放網(wǎng)格數(shù)據(jù)的建立主要是利用人口空間數(shù)據(jù),空間化處理區(qū)域 CO2排放,是一種以人口或其他輔助數(shù)據(jù)為代理自上而下的空間網(wǎng)格化方法.隨著大氣模型精度需求的不斷提高,CO2排放源統(tǒng)計、監(jiān)測能力的加強(qiáng),以及衛(wèi)星遙感CO2濃度監(jiān)測數(shù)據(jù)對于地面CO2排放網(wǎng)格校正的依賴增強(qiáng),基于排放源自下而上建立排放網(wǎng)格數(shù)據(jù)成為CO2排放空間化研究和應(yīng)用的重點和焦點.

EDGAR(Emission Database for Global Atmospheric Research)[7]數(shù)據(jù)是全球最早基于排放源建立的高分辨率溫室氣體排放空間網(wǎng)格數(shù)據(jù),其空間分辨率為 0.1°×0.1°(中緯度地區(qū)約10km),當(dāng)前已經(jīng)更新至EDGAR version 4.2版本(2008年).EDGAR數(shù)據(jù)主要來源于IEA 的排放點源數(shù)據(jù)庫和全球能源統(tǒng)計數(shù)據(jù),并結(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)在全球、區(qū)域和國家CO2排放研究[8-10],以及城市污染物和 CO2排放研究[11-12]中發(fā)揮著重要作用,并且是IEA每年全球CO2排放統(tǒng)計公告的重要數(shù)據(jù)來源[13].美國的Vulcan項目建立的10km CO2排放網(wǎng)格也對美國碳排放研究和政府決策發(fā)揮了重要作用[14-16].

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)[17-21],基于網(wǎng)格數(shù)據(jù)開展人為活動CO2排放的研究很少.Zhao等[22]建立的中國0.25°×0.25°(約 25×25km)CO2排放網(wǎng)格數(shù)據(jù)是針對中國較早和較為系統(tǒng)的CO2排放空間化數(shù)據(jù),其點源排放源主要是火電廠,其他排放數(shù)據(jù)都是基于縣的人口、經(jīng)濟(jì)統(tǒng)計數(shù)據(jù)實現(xiàn)空間化[23-24].

國內(nèi)研究由于受數(shù)據(jù)限制,很難進(jìn)一步開展全國更高分辨率的 CO2排放空間特征分析.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,而國內(nèi)當(dāng)前基于省級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.所以,研究開發(fā)中國高分率 CO2排放空間數(shù)據(jù)對于深入研究中國CO2排放空間特征,從而支持中國CO2排放控制和低碳發(fā)展,具有非常重要的意義.

本研究基于全國第一次污染源普查數(shù)據(jù),較為徹底地基于“自下而上”方法建立中國 2007年10km×10km CO2排放網(wǎng)格系統(tǒng),并基于此分析中國CO2排放空間特征.

1 研究方法和數(shù)據(jù)

1.1 CO2排放核算方法和數(shù)據(jù)

本研究主要基于排放源“自下而上”核算CO2排放,核算方法體系參考《2006年 IPCC國家溫室氣體清單指南》[25].排放源分類主要按照中國第一次污染源普查數(shù)據(jù)對排放源的分類,覆蓋除農(nóng)業(yè)/農(nóng)村和部分交通(鐵路、水運和航空)以外的所有 CO2排放源.本研究不考慮非能源利用的農(nóng)業(yè)、林業(yè)和其他土地利用相關(guān)的源與匯.

核算的排放因子主要參考《中國溫室氣體清單研究》[26],部分重點行業(yè)排放因子基于研究組實測獲取.

活動水平數(shù)據(jù)中,工業(yè)源全部來自全國第一次污染源普查,基于T3(IPCC溫室氣體核算方法分為T1,T2,T3,計算精度依次升高,T3是指基于特定技術(shù)或企業(yè)的計算過程和排放因子)水平核算每個企業(yè)直接CO2排放.全國2007年工業(yè)企業(yè)CO2排放源共有 1575397個(包括能源燃燒和工業(yè)過程).城鎮(zhèn)生活數(shù)據(jù)全部來自全國第一次污染源普查,基于區(qū)/縣水平核算直接 CO2排放.各省交通能源數(shù)據(jù)及CO2排放核算詳見文獻(xiàn)[27].中國各省農(nóng)業(yè)/農(nóng)村能源數(shù)據(jù)源自《中國能源統(tǒng)計年鑒》[28]中的各省能源平衡表,基于能源消費核算 CO2排放.本次核算中,工業(yè)活動水平采用T3方法原則,排放因子主要采用T2方法(T2是指采用特定區(qū)域的計算過程和排放因子),重點行業(yè)如火電、鋼鐵、水泥等排放因子通過研究組專題研究實現(xiàn)T3方法水平.

1.2 CO2空間網(wǎng)格化方法

本研究的 CO2排放空間網(wǎng)格數(shù)據(jù)的建立過程為:首先基于GIS平臺,構(gòu)建全國10km空間網(wǎng)格系統(tǒng);其次按照工業(yè)源、城鎮(zhèn)生活源、移動源、農(nóng)業(yè)/農(nóng)村源、工業(yè)生產(chǎn)過程,依次對其CO2排放進(jìn)行空間化;最后基于GIS空間分析平臺,將各類源的排放網(wǎng)格匯總為全國10km網(wǎng)格,見表1.

此外,在進(jìn)行交通等部門 CO2排放空間化過程中,需要人口空間數(shù)據(jù)輔助.中國1km格網(wǎng)人口數(shù)據(jù)源自中國科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心地球系統(tǒng)科學(xué)數(shù)據(jù)共享平臺,但數(shù)據(jù)僅更新至2003年,本研究基于統(tǒng)計年鑒中各省人口數(shù)據(jù)將其調(diào)整為2007年數(shù)據(jù),并通過空間分析將1km網(wǎng)格數(shù)據(jù)轉(zhuǎn)換為全國10km網(wǎng)格數(shù)據(jù).

1.3 CO2排放空間分析方法

采用空間自相關(guān)分析方法分析中國 C O2排放空間特征.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,同時探測 CO2排放的熱點地區(qū).Moran's I反映空間鄰接或鄰近的區(qū)域單元屬性值的相似程度,其根據(jù)要素空間位置和要素數(shù)值度量空間自相關(guān).在給定要素及相關(guān)屬性的情況下,該指數(shù)評估所表達(dá)的模式是聚集模式、離散模式還是隨機(jī)模式.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).

表1 中國CO2排放網(wǎng)格化方法Table 1 Gridding process of CO2 emissions of China

式中:I是全局 Moran指數(shù);zi是網(wǎng)格i的排放量與平均值()的偏差;xi是網(wǎng)格i的排放量,是屬性對應(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矢量網(wǎng)格數(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,以 Z(標(biāo)準(zhǔn)差的倍數(shù))確定,當(dāng)Z< -2.58或> +2.58時,Moran指數(shù)的置信度會達(dá)到99%.

式中:I是局部Moran指數(shù),局部Moran指數(shù)計算的空間權(quán)重、數(shù)值特征及顯著性檢驗與全局Moran指數(shù)相同.

2 研究結(jié)果

2.1 中國CO2排放10km網(wǎng)格數(shù)據(jù)

中國CO2排放10km空間網(wǎng)格數(shù)據(jù)見圖1.結(jié)果表明,全國整體CO2排放空間格局的特點是基本沿著我國人口胡煥庸線[29-30]分為東部和西部,東部地區(qū)明顯高于西部地區(qū).全國CO2排放明顯受城市活動影響,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.京津冀、長江三角洲、珠江三角洲地區(qū)是我國CO2排放空間格局的重點地區(qū).

工業(yè)能源燃燒CO2排放占全國CO2總排放的85%,因而能源燃燒CO2排放空間格局直接影響了全國總排放空間格局.中國典型企業(yè)能源燃燒 CO2排放主要集中在北京、上海、廣州等典型城市.能源燃燒尤其是重點企業(yè)(污染源普查中的重點源)的能源燃燒CO2是全國CO2排放主要部分,一般企業(yè)(污染源普查中的一般源)能源燃燒CO2排放一般都在10萬t以下,全國所有重點企業(yè)能源燃燒 CO2排放占全國能源燃燒排放的 82%.中國大部分 10km網(wǎng)格內(nèi)的重點企業(yè)個數(shù)都在10個以下,而諸如北京、天津、上海、廣州、成都等城市,其部分地區(qū)單位網(wǎng)格重點企業(yè)的個數(shù)都超過了 100個.重點企業(yè)密集、能源燃燒 CO2排放強(qiáng)度大,是我國重點城市及其周邊區(qū)域成為全國CO2排放熱點地區(qū)的主要原因.

圖1 中國2007年CO2排放10km網(wǎng)格Fig.1 China 10km CO2 emission grids dataset in 2007

將本研究與 EDGAR數(shù)據(jù)進(jìn)行對比分析,發(fā)現(xiàn)中國10km網(wǎng)格數(shù)據(jù)和EDGAR數(shù)據(jù)在空間整體趨勢有很好的一致性,盡管 EDGAR數(shù)據(jù)精度(約 10km)與本研究接近,但其空間效果明顯要低于本研究的結(jié)果,并且CO2排放空間連續(xù)性很強(qiáng).主要原因是 EDGAR數(shù)據(jù)源不完整,其空間網(wǎng)格化的過程主要是依據(jù) IEA的重點排放點源數(shù)據(jù)庫和全球能源統(tǒng)計數(shù)據(jù),結(jié)合全球人口分布、土地利用/覆蓋等數(shù)據(jù)完成空間網(wǎng)格化.而本研究所實現(xiàn)的 10km 網(wǎng)格數(shù)據(jù),是較為徹底得從企業(yè)排放源層面自下而上實現(xiàn)空間網(wǎng)格化.

2.2 中國CO2排放空間特征分析

空間自相關(guān)分析計算得到全局 Moran指數(shù)為0.028(Z值= 40.28,P<0.01),可以判斷,中國CO2排放空間格局在 10km 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.但Moran指數(shù)值較低,也說明集聚現(xiàn)象并非普遍存在,集聚強(qiáng)度也并非很高.

由局部Moran指數(shù)計算結(jié)果(圖2)可以看出,中國CO2排放在空間上真正具有顯著集聚效應(yīng)的區(qū)域面積并不大,主要集中在北京、上海、廣州等重點城市核心區(qū)周邊. 中國區(qū)域圍繞重點城市存在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,地理位置的相鄰對地區(qū)CO2排放具有顯著的正向影響.并且距離重點城市越近,Local Moran指數(shù)越高,說明聚集效應(yīng)和相互影響越強(qiáng)烈.區(qū)域正向空間相關(guān)效應(yīng)主要存在于北京、上海、廣州、鄭州等特大城市及其周邊,這些城市強(qiáng)烈的經(jīng)濟(jì)活動,帶動了其周邊能源活動強(qiáng)度,從而直接影響區(qū)域CO2排放.重點城市的經(jīng)濟(jì)、人口、產(chǎn)業(yè)的體量很大,所以其 CO2排放空間影響能力很強(qiáng).因而基于這些重點城市采取 CO2排放政策和措施,必將產(chǎn)生帶動效應(yīng)和連鎖反應(yīng).

圖2 中國2007年CO2排放局部Moran指數(shù)Fig.2 Local Moran's I of spatial pattern of CO2 emissions of China

從空間分析可以看出,我國CO2排放在空間上受熱點城市影響而形成空間集聚格局,一些重點城市直接決定著我國CO2排放空間格局,而省級行政區(qū)劃并沒有明顯影響我國 CO2排放空間格局,各省內(nèi)部的CO2排放空間差異性都較大.

3 結(jié)論

3.1 從我國CO2排放10km空間格局上可以明顯看出,我國CO2排放空間格局非常不平衡,以胡煥庸線分為東西兩部分,東部地區(qū)顯著高于西部地區(qū).而我國東部地區(qū)的人口規(guī)模和經(jīng)濟(jì)水平也明顯高于西部地區(qū).因而無論是CO2排放控制的效果還是成本承擔(dān)能力,東部地區(qū)必然是我國CO2排放控制的重點,也是未來全國開展碳排放交易的先行者,而西部地區(qū)則要防止東部高碳行業(yè)和企業(yè)的轉(zhuǎn)移,避免走向東部地區(qū)高碳發(fā)展的老路,在當(dāng)前的基礎(chǔ)上,積極進(jìn)行低碳發(fā)展.

3.2 我國CO2排放的熱點地區(qū)基本都聚集于重點城市.全局和局部Moran指數(shù)計算結(jié)果也表明,以重點城市為核心的區(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).這都說明重點城市對于全國CO2排放有著非常重要的影響,而省級邊界對CO2排放空間格局影響不大.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.所以,在城市層面開展低碳研究和低碳規(guī)劃對于我國更有現(xiàn)實意義.從中國局部Moran指數(shù)看,中國CO2排放在空間上真正具有顯著集聚效應(yīng)的區(qū)域面積并不大,主要集中在北京、上海、廣州等重點城市核心區(qū)周邊.這些城市的經(jīng)濟(jì)、人口、產(chǎn)業(yè)的體量很大,其 CO2排放空間正向影響能力很強(qiáng).因而基于這些重點城市采取CO2減排政策和措施,必將產(chǎn)生帶動效應(yīng)和連鎖反應(yīng),實際減排效果要遠(yuǎn)大于直接減排效果.

建立中國 CO2排放空間網(wǎng)格將彌補(bǔ)我國在CO2排放空間化領(lǐng)域的嚴(yán)重不足,極大推動中國低碳發(fā)展的精細(xì)化管理.本研究需要基于污染源普查動態(tài)更新和環(huán)境統(tǒng)計年度數(shù)據(jù),逐步實現(xiàn)中國 CO2排放網(wǎng)格數(shù)據(jù)的更新,從而逐步建立中國空間系列化數(shù)據(jù),為科學(xué)研究和政府決策提供數(shù)據(jù)支持.

[1]Akimoto H, Narita H. Distribution of SO2, NOx and CO2emissions from fuel combustion and industrial activities in Asia with 1o×1oresolution [J]. Atmos. Environ., 1994,28(2): 213-225.

[2]Andres R J, Marland G, Fung I, et al. A 1o×1odistribution 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 J P, 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 set of CO2emissions from fossil fuel combustion:Methodology and evaluation [J]. Journal of geophysical research,2010,115(D19306):1-11.

[5]Raupach M R, Rayner P J, Paget M. Regional variations in spatial structure of nightlights, population density and fossil-fuel CO2emissions [J]. Energy Policy, 2010,38(9):4756-4764.

[6]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.

[7]European Commission Joint Research Centre (JRC), (PBL)Netherlands Environmental Assessment Agency.Emission database for global atmospheric research (EDGAR)[Z]. 2013.

[8]Marland G, Brenkert A, Olivier J. CO2from fossil fuel burning: a comparison of ORNL and EDGAR estimates of national emissions [J].Environ. Sci. Policy, 1999,2(3):265-273.

[9]Giraudel J L, Lek S. A comparison of self-organizing map algorithm and some conventional statistical methods for ecological community ordination [J]. Ecological Modelling,2001,146(1):329-339.

[10]Ohara T, Akimoto H, Kurokawa J, et al. An Asian emission inventory of anthropogenic emission sources for the period 1980-2020 [J]. Atmospheric Chemistry and Physics Discussions,2007,7(3):6843-6902.

[11]Parrish D D, Kuster W C, Shao M, et al. Comparison of air pollutant emissions among mega-cities [J]. Atmos. Environ.,2009,43(40):6435-6441.

[12]Alonso M F, Longo K M, Freitas S R, 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.

[13]IEA. CO2Emissions from Fuel Combustion 2010 [R]. 2010.

[14]Gurney K R, Mendoza D L, Zhou Y, et al. High resolution fossil fuel combustion CO2emission fluxes for the United States [J].Environmental Science and Technology, 2009,43(14):5535-5541.

[15]Zhou Y, Gurney K R. A new methodology for quantifying on-site residential and commercial fossil fuel CO2emissions at the building spatial scale and hourly time scale [J]. Carbon Management, 2010,1(1):45-56.

[16]Gurney K R.Vulcan science methods documentation,Version 2.0[Z]. 2011.

[17]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.

[18]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價 [J]. 中國人口 · 資源與環(huán)境, 2011,21(7):80-85.

[19]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.

[20]姚 奕,倪 勤.中國地區(qū)碳強(qiáng)度與 FDI的空間計量分析——基于空間面板模型的實證研究 [J]. 經(jīng)濟(jì)地理, 2011,31(9):1432-1438.

[21]趙雲(yún)泰,黃賢金,鐘太洋,等.1999～2007年中國能源消費碳排放強(qiáng)度空間演變特征 [J]. 環(huán)境科學(xué), 2011,32(11):3145-3152.

[22]Zhao Y, Nielsen C P, McElroy M B. China’s CO2emissions estimated from the bottom up: recent trends, spatial distributions,and quantification of uncertainties [J]. Atmos. Environ., 2012,59:214-223.

[23]Zhao Y, Wang S, Duan L, et al. Primary air pollutant emissions of coal-fired power plants in China: Current status and future prediction[J]. Atmos. Environ., 2008,42(36):8442-8452.

[24]Zhao Y, Nielsen C P, McElroy Michael B, et al. CO emissions in China: Uncertainties and implications of improved energy efficiency and emission control [J]. Atmos. Environ., 2012,49(3):103-113.

[25]IPCC. IPCC guidelines for national greenhouse gas inventories[M]. Kanagawa: IGES, 2006.

[26]國家氣候變化對策協(xié)調(diào)小組辦公室/國家發(fā)展和改革委員會能源研究所.中國溫室氣體清單研究 [M]. 北京:中國環(huán)境科學(xué)出版社, 2007.

[27]蔡博峰,曹 東,劉蘭翠,等.中國交通二氧化碳排放研究 [J]. 氣候變化研究進(jìn)展, 2011,7(3):197-203.

[28]國家統(tǒng)計局能源統(tǒng)計司,國家能源局綜合司.中國能源統(tǒng)計年鑒2008 [M]. 北京:中國統(tǒng)計出版社, 2008.

[29]胡煥庸.中國人口之分布——附統(tǒng)計表與密度圖 [J]. 地理學(xué)報, 1935,2:33-74.

[30]胡煥庸.中國人口的分布、區(qū)劃和展望 [J]. 地理學(xué)報, 1990,45(2):139-145.