新疆能源消费碳排放空间格局演化特征

刘晓婷，陈闻君

（1. 2. 新疆财经大学经济学院，新疆乌鲁木齐，830012）

一、引言

能源是人类进行社会生产的物质基础，是实现社会经济可持续发展的基本保障。新疆是我国重要的能源生产和消费大省，有着极其充裕的煤炭、石油、天然气等石化资源。在当前共建“丝绸之路经济带”的背景下，经济的快速发展必然会带来能源消费量的增加，进而带来碳排放的大规模增加。新疆作为“丝绸之路经济带”核心区，是连接中亚和中国内地的重要通道，未来具有独特的国际影响力，故有责任和义务向它国展示新疆逐渐转变传统发展模式、实现以绿色发展、低碳发展、循环发展为契机的“新常态”下的可持续经济健康体。因此研究新疆的能源碳排放具有特殊而又独特的意义。目前，国内学者侧重研究新疆能源碳排放影响因素分析，代表性的有：何昭丽等采用LMDI分解方法对新疆能源碳排放进行因素分解，分析1985—2009年人口规模、经济规模、能源消费强度、能源结构、排放系数、产业结构等因素对新疆能源碳排放的影响；[1]顾成军和龚新蜀从影响因素角度对新疆1999—2009年的碳排放进行研究，发现能源强度过和能源结构对人均碳排放增长起抑制效应，而人口规模和产业规模对人均碳排放增长起拉动效应；[2]张利、雷军和张小雷分析新疆碳排放总量、碳排放结构及碳排放强度的变化，并定量分析了能源碳排放不同阶段各影响因素对碳排放的作用程度。[3]不少学者侧重于新疆能源消费、碳排放与经济增长关系的研究，如：姚璐璐，高志刚运用计量经济模型，分析1985—2008年新疆能源消费、经济增长与碳排放的关系，结果发现：三个变量之间存在长期的协整关系，经济增长对碳排放和能源消费的影响都是正的，能源消费对经济增长和碳排放的影响也都是正的；[4]何剑和董丹丹分别从脱钩关系和近似关系两个角度剖析新疆2000—2011年能源消费、碳排放量与经济增长之间的关系。[5]此外，还有不少学者侧重于新疆能源消费碳排放反弹效应研究和能源消费碳排放脱钩及其驱动因素分析，较为代表性有：王长建和张虹鸥等基于IPAT模型对新疆1990—2010年能源碳排放的反弹效应进行分析，发现新疆能源碳排放总量不断增长，碳排放强度则呈现下降的态势。[6]张新林和王强等通过构建脱钩模型，对新疆1990—2010年能源消费碳排放与经济增长的脱钩关系进行研究，并借助IPAT模型及结构分解法，从碳排放总量、能源强度方面对脱钩弹性影响因素进行深入的剖析。[7]

可以发现，现有文献主要是通过时间序列的数据进行分析，而运用空间计量分析较少。空间分析可以挖掘隐藏在空间数据背后的重要信息，[8]任何忽视空间依赖性的政策，其制定和实施都难以实现能源与经济的绿色、循环和可持续发展，从而致使低碳经济的诸多目标难以实现。本文借鉴当前已有的研究成果，以新疆15个地州为研究单元，选取2004—2012年能源消费碳排放量为测度指标，借助空间变差函数，运用ESDA方法揭示新疆能源消费碳排放的空间演变和不均衡现象，为进一步研究新疆能源消费碳排放的分布特征及为“丝绸之路经济带”核心区的建设制定差异化的能源消费政策提供科学合理的实践依据。

二、数据来源及处理与能源碳排放的测算

选取2004年、2008年、2012年3个年份作为研究截面，数据主要包括新疆各地州的原煤、原油、天然气等17类能源，均来源于《新疆统计年鉴》（2005—2014）。

目前，我国还没有碳排放量的直接监测数据，而且关于碳排放量的计算学术界也没有统一的标准，因此，本文根据IPCC提出的碳排放的因素分解模型来估算碳排放量，如表1所示：

表1 新疆各地区2004年、2008年、2012年能源消费碳排放总量

碳排放的计算公式为：

其中，i为能源种类（共17 类），A为总的碳排放量（万吨），Bi为能源i消费量（万吨），能源消费量按一次性能源消费计算，然后折算成标准煤，Ci为能源i的碳排放系数。[9]标准煤的计算为消费实物量与折算系数的乘积，不同能源折算系数与碳排放系数详见表2：

表2 不同能源标准煤折算系数和碳排放系数

三、研究方法

（一）ESDA方法

1．全局空间自相关分析（Global Moran's I）

Global Moran's I指数反映的是空间临近区域单元属性的相似度，其公式如下所示：[10]

其中，Wij表示区域i与j的邻近关系，n表示空间对象个数。如果区域i与j相毗邻，则Wij=1，其他情况下，Wij=0。

Global Moran's I指数的值介于[-1，1]，大于0表示正相关，且越接近1，正相关性越强，即邻近空间地域之间具有很强的相似性；小于0为负相关，且越接近-1，负相关性越强，即邻近空间地域之间具有很强的差异性；等于0或接近0则表示空间地域不相关。

2．局域空间自相关分析（LISA）

局域空间自相关LISA指标反映一个地区与另一个地区能源消费碳排放的相关程度。局部空间自相关Moran's I指数公式如下：

3．全局G系数（Getis-Ord Gi*）

全局G系数用来区分高值聚类和低值聚类，即能识别出区域单元冷点区域与热点区域的空间分布。计算公式如下所示：[11]

为了便于比较与分析，对公式（5）进行标准化处理，处理结果如下：

其中，E（Gi*）为数学期望，Var（Gi*）为变异系数，Wij（d）为空间权重。如果Z（Gi*）为正值且显著，则表明位置i具有较高的值，且邻近的值也较高（高于均值），属于高值空间集聚即热点区；反之，如果Z（Gi*）为负值且显著，则说明位置i具有较低的值，且邻近的值也较低（低于均值），属于低值空间集聚即冷点区。

（二）空间变差函数

空间变差函数又称为半变异函数，是用来分析区域化变量随机和结构性的统计分析方法。[12]其变差函数的计算公式为：

其中，Z（xi）和Z（xi+h）分别表示 Z（x）在空间单元xi和xi+h上的能源消费碳排放量。h为两样本间的距离， N（h）是分割距离为h的样本量。变差函数包含4个参数（变程、基台值、块金值、分维数）。如果以h为横坐标，r（h）为纵坐标，就可以做出变差函数（如图1所示），用来展现新疆能源消费碳排放的空间演化特点。

图1 理论方差图

图1中的C0（块金值）表示区域化变量内部随机性变异的大小，C+C0（基台值）意味着系统或系统属性中的最大变异。C为结构方差，α（变程）表示方差函数达到基台值时的间距。C0/C+C0（块金系数）表示块金值占空间异质性变异的大小，其值越高，代表随机部分对空间异质性的程度越高，反之表明空间异质性是由特定的地理过程或多个过程综合引起。如果C0/C+C0＜0.25，表明两区域能源消费碳排放空间相关性强；0.25＜C0/C+C0＜0.75，表明具有中等空间相关性；C0/C+C＞0.75，表明空间相关性弱。

变差函数的第4个参数是D（分维数），其值由h和变差函数r（h）之间的关系来确定：

如果D（分维数）越接近2，表明空间分布越均衡，空间差异越小；如果D越远离2，则表明空间差异越大。通过计算分维数可以对不同变量之间的空间自相关强度进行比较分析。

四、新疆能源碳排放空间格局演变

（一）总体空间格局

基于公式（2），采用GeoDA9.5软件对新疆15个地州能源碳排放的Global Moran's I指数进行测算（如表3所示）,并对其进行z检验（p0.05），发现均通过显著性检验[13]（Z临界值为1.96）。

表3 新疆各县域能源消费碳排放的Moran’s I估计值

由表3可知，2004—2012年的Global Moran's I的统计值都为正值，且介于0.091915～0.273644之间，这说明新疆能源碳排放存在显著的空间集聚特征，即能源碳排放量大的地区与碳排放量大的地区相毗邻，碳排放量小的地区也趋于邻接，而非随机分布。从整体来看，新疆2004—2012年Global Moran's I的值是不断增大的，这就表明能源碳排放量相似的地区在空间上集中分布，且各地区之间的联系在不断加强。全局空间关联分析虽然能反映能源碳排放在空间上的集聚程度，但并不能够量化各个集聚区的集聚种类与集聚程度，而局部空间关联分析则能够弥补全局空间关联分析的这一不足。

（二）局域空间格局

1．Moran散点图

Moran散点图是用于研究局域空间的异质性，图中四个象限表示某一区域和其周围区域四种类型的局域空间关系，第一象限为“高—高”集聚（HH），代表中心区域与相邻区域的能源碳排放量都较高；第二象限为“低—高”集聚（LH），表示中心区域碳排放量低，而与其相邻的区域碳排放量高；第三象限为“低—低”集聚（LL），表示中心区域与相邻区域的能源碳排放量都较低；第四象限为“高—低”集聚（HL），表示中心区域碳排放量高，而与其相邻的区域碳排放量低。根据前文Global Moran's I指数的时段特征，选取2004、2008、2012年新疆能源碳排放量作为研究对象，获得碳排放的Moran散点图，如图2所示：

图2 新疆能源消费碳排放散点图

从图2可以看出：（1）2004年能源碳排放散点落入第一象限3个，占20%，落入第三象限5个，占33.3%，合计空间正相关的县域占53.3%，表明能源碳排放量高的地区相邻的情况并不多，而碳排放量低的地区相邻的情况却很多，新疆能源碳排放量呈现出明显的空间差异性；（2）2008年新疆碳排放散点图与2004年相比，散点落入第一象限的个数逐渐增多，而落入第四象限的散点不断减少，这表明新疆一些地州的碳排放量呈现逐年上升的态势，这与新疆实际相符合；（3）2012年能源消费碳排放散点落入第三象限的明显增多，这可能与国家优惠政策扶持及新疆自身能源消费结构调整和产业结构升级有关。

2．LISA空间分布

为了更好地比较2004年、2008年、2012年新疆各地区能源碳排放空间差异的局部变化，利用ArcGIS9.3软件绘制出LISA集聚图，如图3所示：

图3 新疆能源碳排放 LISA集聚图

由图3显示可知：（1）2004年“高—高”类型分布在乌鲁木齐市，说明该市能源碳排放量高，且周边相邻区域的碳排放量也较高。图中显示的仅为核心地区，其范围还应该涵盖与核心地区相邻的那些区域。“低—低”类型的地区分布在阿克苏地区，说明该地区由于受恶劣自然条件及落后的基础设施等方面的影响，长期以来经济发展主要以第一产业为主，经济发展对石化能源的依赖较小，且与邻近地区的联系较小，碳排放集聚性较弱。落入“低—高”区域的地区不显著，巴州落在“高—低”区域，说明其能源碳排放与邻近地区的碳排放联系较为紧密，但比邻近地区的碳排放量大。（2）2008年，新疆能源碳排放空间差异分布发生了变化，“高—高”类型的地区由乌鲁木齐市向石河子市扩散。值得注意的是巴州地区由“高—低”类型进入“低—低”类型，说明巴州地区的能源碳排放量有所缓和。阿克苏地区则由“低—低”类型步入“低—高”类型，说明阿克苏地区邻近地区的能源碳排放量在逐年增加。（3）与2004年、2008年相比，2012年“高—高”类型的地区除了乌鲁木齐市、石河子市，还包含克拉玛依市，这表明新疆能源碳排放相对碳排放量大的地区的辐射效应在一定程度上发挥了作用，而同时“低—低”类型的地区由巴州、阿克苏地区逐渐向和田、克州地区扩散，表明新疆地区能源碳排放量两极分化较为严重，各地区的碳排放量不但没有缩小，反而呈现出不断拉大的态势。

（三）能源消费碳排放热点区域演化

为了更进一步探明新疆能源碳排放格局演变状况，根据公式（5）和公式（6），运用Arc GIS9.3软件的空间统计工具测算了2004年、2008年、2012年Getis-Ord Gi*指数值，接着采用Jenks最佳自然断裂法将这三个年份的局域Getis-Ord Gi*指数值按从高到底分为热点区域、次热点区域、次冷点区域与冷点区域四类，生成新疆能源碳排放空间格局的热点演变图，如图4所示：

图4 新疆能源消费碳排放热点区演化图

由图4所示可知：（1）从整体上来看，新疆2004年、2008年、2012年碳排放热点区主要分布于阿勒泰和博州地区，次热点区主要分布在以乌鲁木齐市、石河子市、克拉玛依市、巴州、吐鲁番、哈密等为核心的北疆和东疆地区，说明就新疆能源消费碳排放量而言，北疆和东疆地区始终是最具活力的地区，碳排放量始终占据主导地位。而以克州、和田、喀什地区为核心的南疆地区大多属于低值簇，处于冷点和次冷点区域，但随着时间的推移，这种局面并未发生过实质性的转变。（2）2008年相对于2004年并未发生明显的变化，基本保持一个相对稳定的状态，值得一提的是喀什地区由次冷点区域落入次热点区域。2012年热点区域包揽了阿勒泰和博州地区。从2012年与2004年、2008年比较来看，次冷与冷点区的范围逐渐扩大，且部分县域出现向上一级区域跳跃的现象，如和田地区由次冷区域转变为冷点区域，这一现象的出现主要由国家优惠政策、十九省市“对口援疆”战略、各地区资源禀赋、经济发展水平及产业机构和能源消费结构等因素共同决定。但从整体的发展水平来看，新疆能源碳排放碳排放量空间差距显著，新疆低碳、绿色、可持续发展依旧任重而道远。

五、能源消费碳排放差异时空特征分析

利用空间变差函数，并运用GS+7.0软件对新疆3个年份（2004年、2008年、2012年）的能源消费碳排放空间格局演变进行研究。选取能源碳排放量为研究数据，并将其作为区域化变量赋予15个地州空间单元的几何中心点，得到点要素的空间坐标，经过多次模拟比较，最终将步长确定为10km，然后采用球状模型、线性模型、指数模型、高斯模型对变差函数进行拟合，通过比较各参数，选取拟合效果最好的模型分别计算2004年、2008年、2012年能源碳排放的实验变差函数，并根据结果计算三个年份四个方向上的D（分维数），然后进行Kriging空间插值，计算结果如表4、表5、图5所示。

表4 新疆能源消费碳排放变差函数拟合参数

从表4中基台值、块金值、块金系数的变化来看，2004年、2008年、2012年的块金系数均小于0.25，说明新疆各地州能源消费碳排放的空间相关性较强，该结论与Global Moran's I指数测算结果基本保持一致。2004—2012年，基台值逐渐增大，块金值经历“增大—减小”的过程，但块金系数则由2008年的0.0416降至2012年的0.0008，表明新疆能源碳排放空间差异不断增大，其数据变异受随机因素的影响逐渐减弱，由空间自相关引起的结构化分异则越来越显著。从变差函数拟合模型效果来看，其决定系数均较高，说明新疆能源碳排放的空间自组织性强，空间能源碳排放分布差异明显。由表4和图5中的方差拟合图显示可知，2004—2008年，新疆能源碳排放在既定步长下的变程呈现上升趋势，这表明新疆能源碳排放空间关联效应的作用范围在不断扩大，能源碳排放量有从乌鲁木齐向外围扩散的趋势；而2008—2012年，变程呈现下降趋势，这可能是受金融危机、国家优惠政策、以及新疆自身产业结构调整、能源消费结构转变等多方面因素影响所致，能源碳排放空间关联效应的作用范围相对于2008年呈现一定程度的缩小。

表5 新疆能源消费碳排放变差函数分维数

由表5可知，2004年分维数最高，而2008年分维数最低，说明2004年新疆能源碳排放空间异质性较高，2008年能源碳排放由随机性因素引起的空间异质性较低。2004至2008年，继而至2012年，南—北、东—西、东北—西南、东南—西北四个方向的分维数均经历“下降—上升”的波动趋势。2004—2008年，四个方向的分维数均不断下降，而决定系数则不断提高，拟合程度越来越好，说明这四个方向的均质性都呈现不同程度的下滑，空间差异逐渐增大。相对于2008年，2012年四个方向能源碳排放的空间差异都有所缓和。自2004年以来，四个方向的分维数始终是南—北向的分维数最大，但其决定系数相对不高，而东—西方向则呈现相反态势，表明在南—北方向上新疆能源碳排放的空间差异相对较小，而东—西方向上空间差异较大。

图5 新疆能源消费碳排放变差函数演化图（左：同方差拟合图；右：Kriging插值3D图）

从Kriging插值3D拟合图可以看出新疆能源碳排放差异的演变过程、分布形态以及内在结构。2004年，高峰主要集中在乌鲁木齐，而广大地区呈现低平结构，这表明新疆能源碳排放在整体上呈现出相对稳定的态势。相对于2004年，2008年能源碳排放的高点发生显著变化，以乌鲁木齐为核心的峰值进一步上升，并向四周不断扩散，说明新疆各地区在经济的发展过程中过度依赖碳基能源（煤炭、石油、天然气），从而造成碳排放量不断增加。2008年与2012年能源碳排放在图形上表现较为相似，都呈现多峰值的坡形结构，高峰主要分布在乌鲁木齐、克拉玛依天山北坡一带，而西北部和南疆地区则呈现低平结构。值得注意的是，相对于2008年，2012年高峰区域的范围有所缩小，但整体上能源消费碳排放空间结构性差异依然较为明显，尤其是南疆和北疆地区及东—西方向的异质性相对最大，能源碳排放量分布极不均衡，故在今后的经济发展过程中，北疆地区要比南疆地区更加注重能源消费结构的调整。

六、结论与讨论

本文基于2004年、2008年、2012年能源消费碳排放数据，运用ESDA方法研究了新疆15个地州能源消费碳排放的空间自相关现象，借助空间变差函数，采用GS+软件分析了能源碳排放的空间演化特征，发现自2004年以来新疆能源消费碳排放的空间格局演变呈现出一定的规律性。

从能源碳排放总体空间格局来看，新疆能源消费碳排放呈现出较强的空间自相关性，相似的地区在空间上集聚分布，即高排放地区与碳排放量大的地区相毗邻，而低排放地区的邻接地区能源碳排放量也较低，且这种空间集聚的态势还在随着时间的推移不断增强，一个地区的能源消费碳排放不仅受自身特点的影响，还受其邻近地区能源消费碳排放行为的影响。因此，各地区要打破行政地域范围，加强跨区域的技术交流与合作，天山北坡一带的地区应充分发挥其示范和拉动作用，加快低碳技术向南疆三地州等地区的转移，并借助国家的优惠政策，针对性地协助碳排放技术落后的地区进行技术的革新。碳排放技术落后的地区也应积极主动的加强与技术相对先进地区的合作，借鉴其优质的改革成果并因地制宜地制定出适合自身绿色发展、低碳发展、循环发展的战略。

新疆能源碳排放的空间集聚特征启示政府在绿色发展、低碳发展、循环发展的过程中不仅要重视地理空间因素的作用，而且要充分认识邻近地区能源消费碳排放溢出效应的重要性，并根据碳排放的空间异质性制定出科学合理的政策措施。新疆能源碳排放的空间异质性启示自治区政府在各地州划分绿色发展、低碳发展、循环发展以及节能减排的任务不能一刀切，而应根据各地区能源消费的实际情况，把握能源碳排放空间格局演化规律，因地制宜地实行差异化的低碳经济政策措施。天山北坡一带经济发展水平较高，应以低碳技术的发展为牵引力，加快产业结构升级，发展技术密集型产业，加大能源碳排放规避力度，有效提高能源碳排放效率；而南疆三地州地区经济发展水平相对较低，目前经济增长更多的依赖资金的投入而不是技术的革新，因此政府一方面应通过政策倾斜加大对该地区减排设施的资金投入，逐步推广低碳适用性技术，另一方面应根据本地区的资源禀赋优势，通过技术改造，提高能源碳排放效率，进而逐步缩小与北疆地区技术层面的差距。

从三个年份对比来看，能源消费碳排放热点和次热点区域的数量逐年增加，主要集中在乌鲁木齐、克拉玛依、石河子等天山北坡一带，冷点和次冷点区域的数量变化不显著，其主要集中在和田、克州地区。2012年新疆的能源消费结构是原油21.5%，原煤55.7%，这两个加起来就将近80%。由此可见，新疆大部分地区的经济发展过度依赖石化燃料，所以目前新疆的能源消费结构还不太合理。因此，新疆在未来的绿色发展、低碳发展、循环发展也有赖于能源消费结构的优化升级。一方面应根据各地区的能源消费情况，降低对煤炭、石油等石化能源的依赖性，使煤炭和石油在能源消费中的比重不断下降。同时，借助新疆得天独厚的资源禀赋优势，开发结合新疆空间地理、经济特点的非石化能源，积极寻找石化燃料的替代品，进而逐步实现能源碳排放与经济增长的脱钩。另一方面应加强策划新疆各地区清洁、高效能源产业链，以风电和核电为龙头进行科学合理开发，争取列入国家电网接入规划，除此之外，还可以充分利用国家的各项优惠政策，引入风机制造项目，从而延伸风电开发产业链。

新疆能源消费碳排放有从乌鲁木齐向周围地区扩散的态势，空间自组织性相对较强。2004—2008年，南—北、东北—西南、东—西、东南—西北4个方向的分维数均呈现下降的态势，2008—2012年四个方向的分维数均有所上升，但从整体来说，新疆能源碳排放的空间差异较为显著，尤其是东—西方向的异质性相对最大，这主要归咎于东疆地区是能源资源的富集区，而西部地区资源相对分散。政府应对能源供求进行空间优化配置，从而减少部分地区对石化能源的过度依赖，进而缓减部分地区能源供求紧张的局面。除此之外，政府要根据能源碳排放空间演化特征，通过制度创新，制定出科学合理的低碳经济政策。首先，完善环保管理制度，提升各地区大规模企业的环保意识，从源头上抬高产业项目的环保、技术等门槛，适当降低或淘汰“高能耗”“高污染”“高排放”的产业项目，对低碳项目进行政策上的扶持。其次，完善价格运行机制，通过对高碳排放产品进行增税，利用税收杠杆调节大众对低碳产品与高碳产品的选择，控制高碳产品的需求，从而激励微观经济主体低碳消费、低碳生产。最后，加快培养低碳科研人才，在各高校的学科研究领域里应加入绿色、低碳内容，着重培养专门研究这方面的高素质科研人才，动员高校师生及研究院的科研人员承担国家有关低碳化的课题，规范、引领和扶持企业进行低碳技术的创新和研究。

针对上述研究结论，本文提出了相应规避能源碳排放的政策建议。可见，挖掘隐藏在空间数据背后的重要信息，揭示能源消费碳排放空间相关性和演变特征不仅能够为能源消费政策提供科学合理的实践依据，而且有助于新疆实现能源碳排放与经济增长的脱钩，同时也有助于新疆向中亚它国展示以绿色发展、低碳发展、循环发展为契机的经济健康体。然而由于数据的限制，选取的能源品种虽有代表性，但并未涵盖所有的能源品种，故最终测算的能源消费碳排放量可能比实际的碳排放量偏低。本文没有进行时间和空间上的对比分析，也缺乏对能源碳排放空间演化的驱动力研究，这些将会在后续的研究中进一步考察。

[1] 何昭丽，孙慧，王雅楠. 新疆能源碳排放现状及因素分解分析[J]. 资源与产业，2013，15（4）：76-81.

[2] 顾成军，龚新蜀. 1999—2009年新疆能源消费碳排放的因素分解及实证研究[J]. 资源科学，2012，34（1）：42-49.

[3] 张利，雷军，张小雷. 1952—2008年新疆能源消费碳排放变化及其影响因素分析[J]. 地域研究与开发，2012，31（3）：141-144.

[4] 姚璐璐，高志刚. 新疆能源消费、经济增长与碳排放关系的实证研究[J]. 新疆大学学报（哲学人文社会科学版），2012，40（1）：20-24.

[5] 何剑，董丹丹. 新疆能源消费、碳排放与经济增长—基于近似和脱钩关系的实证[J]. 科技管理研究，2014，（17）：236-240.

[6] 王长建，张虹鸥，汪菲，张新林. 新疆1990—2010年能源消费碳排放反弹效应研究[J]. 资源与产业，2014，16（6）：124-128.

[7] 张新林，王强，王长建，鲁建荣. 新疆1990—2010年能源消费碳排放脱钩及其驱动因素分析[J]. 资源与产业，2014，16（2）：76-82.

[8] 杨海军，邵全琴. GIS空间分析技术在地理数据处理中的应用研究[J]. 地球信息科学，2007，9（5）：70-75.

[9] 国家统计局工业交通统计司、国家发展和改革委员会能源局. 中国统计年鉴[M]. 北京：中国统计出版社，2011.

[10] ANSELIN. Local indicators of spatial association：LISA [J].Geographical Analysis，1995，27（2）：93-115.

[11] ANSELIN. Spatial econometrics: Methods and models [M]. Dordrecht：Kluwer Academic Publishers，2000：410-419.

[12] 吴学文，晏路明. 普通法的参数设置及变异函数模型选择方法——以福建一月均温空间内插值为例[J]. 地球信息科学，2007，9（3）：104-108.

[13] 陈建飞，张筱林. 地理信息导论[M]. 北京：科学出版社，2010.