基于GWR模型的温室气体和大气污染排放空间差异性研究
2022-11-01张国会刘轩铭
张国会，杜 莹，刘轩铭，易 攀
(沈阳工学院，辽宁 抚顺 113122)
我国各区域碳排放差异较大，这与区域经济发展、地理地貌特征、工业化水平、人口密度等有着直接的关系，这些因素也会影响当地的空气质量，令大气污染物分布也呈现空间差异性和时间差异性。结合统计年鉴，对碳排放和大气污染物进行建模，根据建模结果给出相应的建议。
1 数据来源与研究方法
1.1 数据来源
选取部分省、自治区及直辖市(其中不含新疆、港、澳、台)的相关数据进行研究。
以作为影响温室气体的主要代表，对大气污染物的分析主要包括氮氧化物、颗粒物。获取各省、自治区、直辖市的相关排放量数据，在研究碳排放和大气污染物空间差异性时，结合各区域人口、汽车保有量、人均GDP、各产业增值量、人均GDP等情况进行研究。
1.2 研究方法
采用地理加权回归(Geographical Weighted Regression，GWR)模型，建立空间内每一个点处的局部回归方程，研究某一对象空间内的驱动因素。考虑空间对象的局部效应，使该模型具有较高的准确性。GWR模型能够较好地反映温室气体和大气污染物排放与其驱动因子之间的关系，模型如下所示：
yi=βo(μi,νi)+∑βk(μi,νi)xik+εi
(1)
式(1)中，yi是n×1维因变量向量；xik是n×k维因变量矩阵；βk(μi,νi)(k=1,2,3,…)为因素k位于回归点i的回归系数；(μi,νi)是第i个观测点的空间地理位置，εi表示第i个地区的随机误差项。
数据来源：《环境统计年鉴》《中国统计年鉴》图1 2011-2020年度各地区SO2的排放量Fig.1 SO2 emission of all regions from 2011 to 2020
数据来源：中国碳排放数据库图2 2012-2020年度各地区CO2的排放量Fig.2 CO2 emission of all regions from 2012 to 2020
GWR模型是将各个观测点的每个参数向量使用加权的最小二乘法进行估算。权重设为观测点到其他观测点距离的函数。GWR模型在加权计算时选取方法多样，本研究选取高斯函数法来设置空间权函数，具体形式如下：
Wij=exp(-(dij/b)2)
(2)
式(2)中，Wij为空间权重矩阵，b为带宽，dij为观测点i和j之间的距离。带宽是关于权重与距离之间的函数，给定带宽值越大，权重会随着距离的减小增强得越快；给定带宽值越小，权重会随着距离的减小增强得越慢。而在加权回归模型中，特定权函数的确定依赖于带宽的优化与选择。
2 实证结果与分析
2.1 我国CO2排放与SO2排放空间的差异性
对各省份的CO2、SO2、粉尘颗粒物的空间排放分布进行研究，通过GWR方法，选取不同的主因，得到各年度各地区的回归方程。以下仅列出2016年的CO2回归结果。
表1 2016年部分省份的GWR回归结果Tab.1 GWR regression results of some provinces in 2016
以2016年为例，各因素中，车辆拥有量对于大气污染物中氮氧化物、颗粒物等排放具有较大的贡献，而区域GDP则是影响排放的关键要素。
按照以上方法，获得大气污染物、氮氧化物和粉尘颗粒物的回归结果，其他年份做类似回归。
2.2 结果分析
利用地理加权回归模型分析各指标对CO2和大气污染物空间差异性的影响，得出以下结果：一是经济增长速度与环境污染和碳排放存在自相关性，具有较为明显的聚集特征。二是相同经济环境下，在国家提出相关环境政策后，政策对环境污染程度和碳排放均产生负向影响，即新能源等相关技术创新在一定程度上促进了环境的良性发展，为节能减排提供助力。三是环境污染受多方面相关因素的影响，经济发展影响占据主位，而不同产业结构类型对环境影响有巨大的差异，优化产业结构有助于控制环境污染。
图3 2016年排放各因素的系数对比Fig.3 Comparison of coefficients of all factors of emission in 2016
3 讨论
利用GWR方法对2011—2020年的各地区碳排放和大气污染物排放进行了研究，从经济发展、工业结构、车辆增长等方面进行实证研究，寻求各区域空间结构上的差异性。研究表明，不同省份经济发展情况不同，碳排放存在一定的差异性，但聚集效应较为明显，可以根据经济带制定减排政策。工业结构对碳排放有一定的影响，第二产业对碳排放影响较大。应优化产业机构，针对产业制定减排方针政策，寻求低碳环保的产业发展思路，助力实现快速减排。社会经济因素对大气污染物影响是弹性的、可控的，可从政策引导和技术创新上助力环境改善。能源结构的改变在一定程度上促进了大气质量改善，随着新能源的快速发展，广东、海南等省份空气质量得到了改善。
