基于夜间灯光数据整合的县级尺度碳排放时空格局演变研究——以哈长城市群为例

赵乘锐，李 鑫，张 鹏，张栩嘉

（哈尔滨师范大学地理科学学院，黑龙江 哈尔滨 150025）

中国的CO2排放居全球首位，并在2017 年达到全球CO2排放的27%。中国将提高国家自主贡献力度，采取政策和措施，二氧化碳排放力争于2030 年前达到峰值，努力争取2060 年前实现碳中和，以实现中国全域的绿色低碳发展。实行产业间的均衡发展、提高一次能源的使用率、扩大清洁能源使用范围是中国城市发展的必由之路，旨在完成的节能减排、绿色发展的任务。因此，科学准确地测算和分析不同区域碳排放的时空变化，揭示其机理问题，是未来明确减排目标、科学制定减排规划的根本前提。近两年我国环境和经济地理学界“碳排放”研究主要依靠政府部门发布的数据，对于数据滞后、缺失或是较微观的区域展开研究相对来说比较困难，而不同区域由于资源禀赋、人口及能源结构的差异往往面临着不同的碳排放问题。因此，如何利用新的数据源进行研究理应成为现今地理学界碳排放研究的重点。

美国国防气象卫星所获取的数据，具备长时间跨度、覆盖范围广的特点，能获取到地表微弱的灯光强度，是城市信息获取的重要的数据源之一。连续高分辨率夜间灯光数据可以清楚探测到人类足迹，诸多学者开展电力消耗量、碳排放量的估算研究。国外学者首先构建夜间灯光数据和电力消耗量的模型证实了其相关性，探讨了夜间灯光映射二氧化碳排放的优势，并进一步以夜间灯光分析了大城市的内部碳排放动态变化。国内学者碳排放研究尺度主要集中在全国省域、长三角地区、黄河流域和晋陕蒙地区，研究方法以空间自相关模型、SBM 模型和空间马尔科夫链为主，部分学者进一步对碳排放影响因素进行了探讨。以上研 究 多 以DMSP/OLS 或NPP-VIIRS 为 主， 少 有 对两种不同时序的夜间灯光数据进行整合，且多数研究尺度较大，难以发现区域内部的碳排放空间差异和规律，对区域减排政策的提出和实施有所阻碍。

哈长城市群作为东北地区“一带一路”对外开放门户，处在老东北工业基地中心区域，工业能源消耗问题突出，是东北地区产业结构调整、低碳发展的重点，探讨分析哈长城市群内部的碳排放分布是解决低碳发展问题的基础。基于此，文章将DMSP/OLS 和NPP-VIIRS 夜间灯光数据进行融合校正，得到长时间序列夜间灯光数据集，构建碳排放估算模型，系统分析1995~2019 年哈长城市群县级尺度碳排放时空演变特征，并通过长时间碳排放演化特征发现哈长城市群碳排放迁移和发展规律，为县级尺度绿色低碳发展、产业结构平衡提出相关性的建议。

1 数据来源与研究方法

1.1 研究区概况与数据来源

1.1.1 研究区概况

文章研究对象为哈长城市群，包括黑龙江省齐齐哈尔市、大庆市、哈尔滨市、绥化市、牡丹江市，吉林省松原市、长春市、吉林市、延边朝鲜族自治州、四平市、辽源市下辖的105 个县。哈长城市群是全国最大的商品粮基地，石油、煤炭、天然气等资源条件优越，拥有较为完备的能源和工业体系，产业结构偏资源型和重化工型，大气污染问题突出，哈长城市群的二氧化碳排放对东北区域整体有着巨大的影响。

1.1.2 数据来源与预处理

文章所用夜间灯光数据下载于美国国家海洋与大 气 管 理 局， 分 为DMSP/OLS 和NPP-VIIRS 两 部分。 其 中DMSP/OLS 发 布 有1992~2013 年 六 期 卫星 共34 期 影 像；NPP-VIIRS 发 布 有2012 年4 月开始至今的月度影像，文章选取2012~2019 年75N/060E 的影像进行研究。此外，利用2015、2016 年的年度合成数据进行校正和不稳定像元的去除。

文中涉及哈长城市群的黑龙江、吉林两省的能源消费数据来自《中国能源统计年鉴》（1995~2020 年）中的地区能源平衡表（实物量）；单位热值含碳量和碳氧化率来自《省级温室气体清单编制指南》；平均低位发热量和能源折标准煤参考系数来自《中国能源统 计 年 鉴2020》。DMSP/OLS 和NPP-VIIRS 夜 间灯光数据处理步骤可见参考文献[12]。模型构建及精度检验如下：

（1）碳排放模型来自《IPCC2006 国家温室气体清单指南2019 修订版》的第二卷（能源）第六章，估算模型如下：

式中：Ki为能源i 折标准煤系数，Di为折二氧化碳系数，计算方法为Di=44/12*平均低位发热量*单位热值含碳量*碳氧化率，Ei为能源i 的消费量（万t）。各种能源的折标煤系数和折二氧化碳系数见表1。

表1 能源消耗折二氧化碳系数

（2）假设CO2排放量与灯光数据DN 总值存在线性相关性，即碳排放量越大，DN 总值越大。估算拟合优度达到0.959，得到如下拟合公式：

式中：Y 为CO2排放量（万t），X 为灯光数据DN 总值。

选取《能源统计年鉴》中黑龙江省和吉林省1995、2001、2007、2013、2019 年 碳 排 放 数 据 核算得到CO2碳排放量，对碳排放估算模型进行检验，可以发现P 值小于0.01 通过99%显著性检验，拟合程度极好。因此，假设成立，碳排放估算模型可用于对哈长城市群的县级碳排放进行研究分析。

1.2 研究方法

1.2.1 全局自相关

全局自相关用以研究哈长城市群中某县域的碳排放量与其相邻县域的碳排放量是否相关以及相关程度。选取Global Moran’s I 检验哈长城市群碳排放整体空间属性，进而分析空间变异规律和空间格局。具体公式见参考文献[16]。

1.2.2 热点分析

热点分析（Getis-Ord Gi*）可用于识别区域碳排放冷、热点分布状况。将冷、热点类型划分为六种，热点区域包括极热点区、热点区和次热点区；冷点区域包括极冷点区、冷点区和次冷点区。通过1995~2019 年碳排放量冷热点的时空分布，研究分析哈长城市群碳排放的空间演变规律。具体表达式见参考文献[17]。

2 哈长城市群碳排放空间格局演变特征

哈长城市群县级碳排放空间结构呈现典型的中心—外围结构，中部区域碳排放值较高，周围区域碳排放值较低。且多年动态变化趋势显著，呈现中心高值区向西部转移的态势见图1。1995 年高碳排放县有16 个，主要分布在哈尔滨市南部、大庆市市区东南部、松原市中部、吉林市市区、长春市西北部和四平市北部，碳排放量高和较高的县集中在哈长城市群中部和北部区域；2007 年碳排放呈波动增长趋势，哈长城市群边缘县级单元碳排放量增长明显；2019 年高碳排放县有15 个，主要集中在齐齐哈尔市西部、大庆市市区东南部，哈尔滨市北部，松原市中部和东部及长春市的西部，高碳排放区域向西部迁移，齐齐哈尔市、大庆市西部和松原市碳排放量增长明显。

图1 哈长城市群县级碳排放量

整体来看，哈长城市群碳排放表现为增长-中部收缩-西部迁移的过程。 1995~2019 年县碳排放量整体呈增长趋势，大庆市东南部、哈尔滨市北部和长春西部持续为高碳排放量区域，1995~2007 年碳排放量持续增加；2007~2019 年哈长城市群碳排放量继续增长，总量较2007 年增长幅度不大，但西部增长明显，表明哈尔滨、大庆和长春所属县市碳排放量显现出衰减趋势。

3 哈长城市群碳排放空间集聚特征分析

3.1 全局空间自相关分析

计算哈长城市群县级尺度碳排放的Global Moran’s I 指数以及相应的Z 值和P 值，相关结果见表2。

表2 全局自相关性分析结果

1995~2019 年哈长城市群z 值均大于2.68，P 值均在1% 水平上显著，通过了显著性检验，Moran’s I 指数为正值，表明哈长城市群碳排放在区县尺度上存在较强的正相关性。

整体来看，哈长城市群碳排放在县级尺度上呈现聚集状态，即碳排放量较高的县的周边县碳排放量也较高。仅通过空间自相关分析无法发现哈长城市群内部县级单元的碳排放高低集聚状态，因此，需进一步利用热点分析探究县级尺度的碳排放的变化以发现其规律。

3.2 热点分析

哈长城市群县级碳排放热点分布呈现显著的中部点轴—“大长哈”三角结构演变的趋势见图2。可以发现，1995 年哈尔滨市的道外区、阿城区和五常市，大庆市的萨尔图区、龙凤区和红岗区，长春市的九台区和榆树市，吉林市的舒兰市共9 个县为极热点区，说明这9 个县碳排放量大且呈集聚状态；热点区和次热点区分布在大庆市市区周围，哈尔滨市市区西部，长春市宽城区及其北部县级单元，松原市的扶余市，表明高碳排放量县级单元对其周边存在辐射效应；冷点和次冷点区分布在齐齐哈尔市，表现为大庆—哈尔滨高碳排放量集聚，西北部冷点区域集聚。2007 年热点区域向大庆市、哈尔滨市、长春市市域南部集聚，形成片状的极热点区，碳排放呈现出向三个市集聚的趋势，点轴热点扩散、两端冷点基本产生。2019 年高碳排放量点轴现象愈加明显，热点区域集中分布在哈尔滨市北部，大庆市东南部，松原市全域，四平市西北部和长春市西部；冷点区域变化不大，大庆—哈尔滨点轴结构变为大庆—哈尔滨—长春三角结构。

图2 哈长城市群县级尺度冷热点分析

从1995~2019 年哈长城市群县级碳排放量冷热点区域的演变趋势来看，1995-2007 年，冷热点分布呈现以大庆市和哈尔滨市两个点为核心形成轴带，碳排放高值区域向轴带两端扩散； 2019 年热点区域结构改变，形成大庆—哈尔滨—长春三角结构，碳排放量热点区域向松原市持续扩展。

4 哈长城市群碳排放城市类型划分

依据哈长城市群县级碳排放量进行静态和动态划分，得到105 个县级单元的综合划分类型。静态划分方法为对1995、2007、2019 年的碳排放量计算均值，≥700 t 的为高值型、＜700 t 的为低值型。动态划分计算方法为（1995 年县碳排放量~2019 年县碳排放量）/1995 年县碳排放量，将≥50%、0~50%、＜0的划分为显著增长型、增长型和衰退型。最终将哈长城市群县级单元综合划分为高值显著增长型、高值增长型、高值衰退型、低值显著增长型、低值增长型和低值衰退型见图3。

图3 县级碳排放综合划分

哈长城市群碳排放中部呈高值增长，北部增长趋势明显，大庆、哈尔滨市及部分县出现衰退迹象。从全局来看，增长型的县有74 个，占总县数的70.48%，超过哈长城市群县数量的一半，说明哈长城市群的碳排放形势不容乐观，亟需针对碳排放量不同增幅的县提出发展性建议。高值显著增长和增长型县，主要分布在松原市东部和中部、长春市西部、吉林市东部、延边朝鲜族自治州中部及哈尔滨市南部，能源消耗和温室气体过快过度的排放会对环境产生不可修复的影响，因此对于这些县应当大力控制碳排放，监管高耗能工业企业，减少资源的损耗。低值显著增长和增长型县主要分布在哈长城市群北部、东部和西部部分区县，这些县产业发展较弱，但增速相对较快，在发展过程中理应优化碳排放结构、提高能源利用率和清洁能源使用率。高值衰退型县能源消耗和碳排放已达到峰值，高排放行业设施相对较老化，除了开发清洁能源外，应当推进产业的转型和升级避免环境的持续性恶化和污染。此外，部分低值衰退型县对于高耗能产业的发展不敏感，碳排放量持续缩减，如何根据其产业现状提出指向性发展建议理当成为现阶段的重点见表3。

表3 全局自相关性分析结果

5 结论与讨论

5.1 结论

文章基于DMSP/OLS 和NPP-VIIRS 整合的长时序夜间灯光数据，对哈长城市群碳排放构建拟合模型，分析了县级尺度的碳排放量分布，然后利用空间自相关、热点分析和综合划分的方法探讨了碳排放量的分布规律和动态变化。主要结论如下：

（1）在县级尺度哈长城市群碳排放量空间演变特征分析上，表现出了明显的集聚特征，形成了中心—外围结构。高碳排放量县级单元主要集中在哈尔滨市、长春市和大庆市东南部。通过全局空间自相关分析，发现105 个县为明显的正相关且通过99%显著性检验，存在较明显集聚演化趋势，表明县级尺度的碳排放研究在内部存在差异，碳排放呈现出向西转移的趋势且在城市群内部已表现出高能源消耗县碳排放量减少的走向。

（2）哈长城市群碳排放量高值集聚区域由中部点轴逐渐转化为“三角”区域并处在持续演化的过程中。通过热点分析发现，1995~2007 年大庆市和哈尔滨市为核心点逐渐形成轴带，向轴带两侧扩散。随后，2007~2019 年碳排放结构变化较大，已演化为由大庆市、哈尔滨市和长春市形成的大城市“三角区域”，位于其西侧的松原市受到溢出效应明显，表现为高碳排放量集聚。低碳排放集聚区域逐渐减少，整体呈波动增长趋势，哈长城市群西北部尤为明显。

（3）哈长城市群有70.48%的县碳排放呈增长趋势，急需提出差异化的碳减排政策。高值增长型、低值显著增长型和低值增长型县为碳排放增长县的主要组成，不同类型县处在不同的发展阶段面临着不同的绿色低碳发展问题。高值和低值衰退型县已出现，高值衰退型主要分布在大城市，如哈尔滨市、大庆市，低值衰退型县则更多出现在哈长城市群边缘。

5.2 讨论

（1）哈长城市群县级尺度精准，夜间灯光数据在区域存在精度差别。文章成功对县级尺度碳排放进行分析研究，对于栅格尺度的分析，还存在拟合上的阻滞，如何对夜间灯光数据进行处理使研究更精细化需要进一步研究分析，灯光数据与遥感影像获取建成区相印证应成为深入研究的内容。

（2）针对高碳排县碳排放提出低碳发展方案，平衡哈长城市群产业结构。高碳排放来自于人口的集聚和工业的过度发展，对高碳排放区县展开针对性治理，转移重化工业、提高能源利用效率和清洁能源利用率是发展绿色低碳经济的有效路径。尤其是哈尔滨、长春、大庆的下辖县的产业结构应作为重点调整对象。

（3）在综合划分过程中，发现大庆市市区东南部、哈尔滨市市区北部、吉林市北部及其他部分区县呈现碳排放衰退趋势。大城市碳排放的衰退是否由碳达峰或是人口流失、资源短缺等问题所导致可以深入研究；在部分边缘县也表现出了衰退的迹象，是来自于外部资源优势的吸引，亦或是哈长城市群、哈大齐等政策因素造成，在未来的研究上值得深化讨论。