福州都市圈能源消费碳排放空间网络结构演化及其影响因素研究
2023-12-09朱嘉豪,许章华*,李诗涵,陈秋霞,林中原,凌金瑶,王琳,刘智才
朱 嘉 豪,许 章 华*,李 诗 涵,陈 秋 霞,林 中 原,凌 金 瑶,王 琳,刘 智 才
(1.福州大学先进制造学院,福建 泉州 362200;2.福州大学环境与安全工程学院,福建 福州 350108;3.福建农林大学公共管理学院,福建 福州 350002)
0 引言
近年来,过量的碳排放诱发了气候变暖、海平面上升、冰川和冻土消融等一系列生态环境问题,备受学术界关注[1,2]。世界能源2021年统计年鉴报告指出,2020年中国的CO2排放量高达98.94亿t,位居世界首位,其中城市的碳排放量占80%[3]。随着区域协同战略实施,构建优势互补、高质量的区域发展模式已成为我国城镇发展的新模式,区域内各地区的空间关联性逐渐增强,碳排放空间联系更紧密和复杂[4,5]。科学准确地估算区域碳排放量、识别区域碳排放空间关联特征并探究其影响因素,对区域可持续发展以及中国实现“碳达峰”和“碳中和”的“双碳”目标具有重要意义。
现有区域碳排放相关研究主要包括以下三方面[6-9]:①碳排放量估算方面,排放因子法凭借计算简单、普适性高等优点受到青睐[10,11],但也存在统计数据缺失、口径不一等不足。长时序夜间灯光影像的全球覆盖性有效弥补了统计数据的缺陷,学者们在不同区域验证了利用夜间灯光数据估算碳排放量的可行性[12,13]。②空间相关性方面,传统的探索性空间分析法(如Moran′s I、重心迁移、标准差椭圆等)使用简单、快捷且能有效识别空间特征,被广泛应用于碳排放相关研究[14-16]。随着地区之间的合作日益紧密,地区之间的碳排放关联性已超越传统的“近邻”概念,转向纷杂交错的网络结构形态,而传统研究方法限于探索空间关联的“属性数据”,忽视了“关系数据”在空间关联中的作用[4,17]。社会网络分析(Social Network Analysis,SNA)方法是一种以“关系数据”为重点的量化研究方法,能考察区域碳排放的复杂网络关联并逐渐被应用于碳排放空间关联网络研究[18-20],该方法既可以分析碳排放整体网络关联,也可以厘清网络中个体的作用,更有助于理解与把握整体的关联性与个体的差异性,例如,发达地区大多处于网络的中心,掌控着碳排放网络的空间关联和空间溢出[21,22]。③碳排放空间分异的影响因素方面,学者们运用地理探测器、地理加权回归模型、STIRPAT模型等从不同方面展开对碳排放影响因素的研究,大多研究认为人口、经济、土地等方面的差异均会影响碳排放量[12,23,24]。
综上,现有区域碳排放研究取得丰硕成果,但仍有不足:①碳排放空间关联缺少城市群、都市圈尺度的研究。当前我国城市正处于区域协同发展时期,基于区域协同发展视角开展研究,可提升区域碳排放协同治理能力。②碳排放空间关联基本研究单元相对较大。县域是我国最基础的行政单元,而多数研究将SNA方法应用于省域层面,有关区域内小尺度的碳排放空间关联研究成果较少。③碳排放空间分异影响因素的研究有待完善。碳排放空间分异受人口、经济、土地等多种因素共同影响,多方面因素探究有助于全面认识造成碳排放空间分异的原因,为今后碳排放的防控工作提供合理的决策依据及有效的治理手段。
福州都市圈是第二个国家级都市圈,其设立是为打造成美丽福建样板区和未来两岸幸福家园建设的模范,都市圈的生态文明建设关乎能否实现其宏伟目标。基于此,本文以福州都市圈作为研究区,基于夜间灯光数据构建碳排放量反演模型并测算2000—2020年福州都市圈碳排放量,应用SNA方法系统分析碳排放空间网络结构演化特征,借助地理探测器模型探究碳排放空间分异的影响因素,以期为该地区的协同发展以及碳减排工作提供建议,也可为其他城市群、都市圈的发展和治理提供借鉴。
1 研究区概况与数据来源
1.1 研究区概况
福州都市圈位于福建省东北部、台湾海峡西岸(117°50′E~120°15′E、25°06′N~27°37′N),是海峡西岸经济区的重要组成部分和21世纪海上丝绸之路的重要节点。2021年建设福州都市圈的方案获批,规划以福建省省会福州市作为核心区,包括福州、莆田两市全域,南平市延平区、建阳区和建瓯市的部分地区,宁德市蕉城区、福安市、霞浦县和古田县以及平潭综合实验区,陆域总面积约2.6万km2。近20年来,福州都市圈经济、人口总量不断攀升,2020年地区生产总值约为1.5万亿元,常住人口约为1 300万人,分别占全省的34.5%、33.5%,是全省经济社会高质量发展的增长极。
本文按照《福州都市圈发展规划》将研究区划分为福州中心城区、莆田中心城区、南平中心城区、宁德中心城区以及其他地区(图1)。其中,福州中心城区包含鼓楼区、台江区、晋安区、仓山区、马尾区;莆田中心城区包含城厢区、涵江区、荔城区、秀屿区;南平中心城区为建阳区;宁德中心城区为蕉城区。
注:审图号为闽S(2022)134号,底图无修改,下同。图1 研究区位置Fig.1 Location of the study area
1.2 数据来源
1)夜间灯光数据。来源于跨遥感器校正的类NPP-VIIRS数据集(https://dataverse.harvard.edu),时间跨度为2000—2020年。该数据集有效改善了DMSP-OLS和NPP-VIIRS两种夜间灯光数据源存在异常值、饱和性和不可比较性等缺陷,延长了夜间灯光影像的时间序列,并能清晰反映城市内部信息及其时间序列变化[25]。为满足研究要求,将该数据集进行裁剪、重采样等预处理。
2)统计资料。本文用于估算碳排放量的9种能源消费和社会经济指标数据从2001—2021年《中国能源统计年鉴》《福建省统计年鉴》及各城市统计年鉴、县域年鉴与统计报表中获得。采用GDP平减指数将GDP相关指标统一折算成2000年不变价格,确保各年份GDP相关指标对比的准确性。
3)矢量数据。福州都市圈行政区划底图来自全国地理信息资源目录服务系统1∶100万数据库(https://www.webmap.cn);福州都市圈边界范围来源于《福州都市圈发展规划》。
2 研究方法
2.1 能源消费碳排放测算
依据《2006年IPCC国家温室气体排放清单》测算出福建省9种常见能源的碳排放量E,公式为:
E=∑(Em×θm×fm)×44/12
(1)
式中:Em、θm分别为第m种能源的消耗量和折标准煤系数,fm为来源于IPCC有关第m种能源的碳排放系数(表1)。
表1 不同类型能源消费碳排放系数Table 1 Carbon emission coefficients for different types of energy consumption 单位:万t标准煤/万t
2.2 碳排放量反演模型
基于夜间灯光值与碳排放量统计值之间的关系构建碳排放量反演模型(式(2))[12],拟合结果R2=0.916(P<0.01),表明利用夜间灯光数据模拟碳排放具有可行性。考虑到碳排放量反演模型存在误差,加入调整因子K修正碳排放的模拟值(式(3)),测算得到福州都市圈碳排放量。
(2)
(3)
2.3 改进引力模型
参考文献[4,19],将地区生产总值、人口数量、碳排放量加入引力模型进行修正,得到测度福州都市圈碳排放空间网络关联度的改进引力模型如下:
(4)
式中:Gij和Dij分别为地区i和地区j之间的引力值和空间距离,Gi、Pi、Ci分别为地区i的生产总值、人口数量、碳排放量,kij为调节系数。
2.4 社会网络分析法
本文利用社会网络分析法分析福州都市圈碳排放空间网络结构演化特征[26]。通过改进引力模型求得福州都市圈各地区之间的碳排放引力值,将2000年碳排放空间网络平均引力值作为阈值,若引力值大于阈值记为1,反之则为0,由此得到适用于社会网络分析的二值矩阵[19]。整体网络特征由网络密度、网络关联度、网络效率3个指标测度,网络密度和网络关联度的升高表明整体网络愈加复杂且网络效率降低;个体中心性由点度中心度、中间中心度和接近中心度3个指标衡量;此外,运用核心—边缘结构识别碳排放网络中的核心区与边缘区,从而明确各地区在碳排放网络中的地位及重要程度。
2.5 地理探测器
地理探测器既可用于检验单变量的空间分异性,也可通过检验两个变量空间分布的耦合性,探测变量之间的因果关系[27]。本文利用地理探测器中的因子探测器和交互探测器分析各影响因子对福州都市圈碳排放空间分异的作用机制。其中,因子探测器主要从空间异质性角度定量分析潜在影响因子的影响力大小,交互探测器用于判别不同影响因子是否存在交互作用以及交互作用的类型和强度。
3 结果与分析
3.1 福州都市圈碳排放量分析
从图2可知,2000—2020年福州都市圈碳排放总量从346.4万t增至2 912.5万t,增加了约7.4倍。其中,2000—2014年碳排放总量呈现持续上升趋势,年均增长145.8万t,2014—2016年出现小幅降低,减少218.8万t,2016—2020年则快速上升,从2 168.4万t升至2 912.5万t,总体呈现出“增—减—增”趋势。不同地区碳排放量存在较大差异,福州中心城区碳排放量占比最高,年均占比约34%,作为福州都市圈核心区,福州中心城区发展建设早,大规模城市建设引起碳排放量增多,后期发展逐渐放缓,导致其碳排放量占比呈现出先升后降趋势;莆田中心城区碳排放量占比位居第二,为先降后升趋势,莆田市在2008年提出了“以港兴市,工业强市”的发展策略,促使其碳排放量及占比升高;南平市发展重心由延平区转向南平中心城区,导致南平中心城区碳排放占比持续上升而延平区碳排放占比不断下降;宁德市中心城区碳排放量占比总体保持稳定;长乐区、福清市等沿海地区人口和产业的聚集导致其碳排放量较内陆地区更高,研究期内碳排放占比显著上升。目前,福州都市圈碳排放总量增长趋势有所减缓,但未呈现明显的收敛趋势。为应对可能的碳排放增长,福州都市圈应通过发展数字经济、提升技术创新、提高能源利用率等措施,因地制宜开展碳减排工作,争取早日实现“双碳”目标。
图2 2000—2020年福州都市圈碳排放总量及各地区碳排放量占比的变化趋势Fig.2 Change trend of total carbon emissions in the Fuzhou metropolitan area and the proportion of carbon emissions in each region from 2000 to 2020
3.2 福州都市圈碳排放的空间关联分析
3.2.1 整体网络结构特征分析 计算2000—2020年福州都市圈碳排放网络密度、网络关联度和网络效率(表2),分析碳排放整体网络特征。网络密度从0.111增至0.575,说明福州都市圈碳排放空间关联关系的紧密程度提高,网络结构愈加紧密;网络关联度从0.431升至1.000,表明都市圈各地区均处于碳排放空间网络中,且普遍存在碳排放的空间溢出性;网络效率从0.891减至0.478,证实碳排放空间网络趋于复杂化,关联数上升。近20年来,福州都市圈深入贯彻“山海协作”理念,深化沿海地区与内陆山区的合作,通过共建共享已形成产业协作、道路互通和福利共享等的同城化发展雏形,但同时也造成了区域碳排放量增加,使碳排放网络关联愈加紧密。基于不同地区的碳排放引力值,采用自然断点法将福州都市圈整体碳排放网络结构从低至高分为5个层级(图3),可以看出,2000—2020年福州都市圈整体碳排放空间网络结构呈现东南沿海作用强、西北内陆作用弱的空间格局。研究初期,福州中心城区和周边地区(如长乐区、福清市和闽侯县等)形成一定的网络结构,沿海地区经济起步早且区域合作更密切,导致碳排放空间关联更密切。随着碳排放空间网络结构逐渐完善,各地区之间的碳排放关联逐渐增强,形成较密集的碳排放空间网络,并逐步从沿海地区向内陆地区辐射。
表2 2000—2020年福州都市圈碳排放整体网络特征Table 2 Characteristics of the overall network of carbon emissions in the Fuzhou metropolitan area from 2000 to 2020
图3 2000—2020年福州都市圈碳排放整体网络结构层级特征Fig.3 Characteristics of the overall network structure of carbon emissions in the Fuzhou metropolitan area from 2000 to 2020
3.2.2 个体中心性分析
1)点度中心度分析。由图4a可知,福州中心城区、莆田中心城区、长乐区、福清市、闽侯县和连江县的点度中心度较高,表明这类地区与周边地区建立的关联关系较多,在碳排放空间网络中处于核心节点。一方面,这类地区主要位于经济发展快速的沿海地区,并且紧凑的斑块形态有利于建立密切的合作联络;另一方面,这类地区围绕福州中心城区,中心城区是都市圈发展的核心区,对整个都市圈辐射作用最强,对邻近地区的带动作用尤为明显,导致其碳排放量加剧。而南平中心城区、建瓯市和平潭综合实验区等地区的点度中心度较低,南平中心城区和建瓯市城市发展缓慢且相邻地区少,不易建立碳排放空间关联,而平潭综合实验区位于海岛,更不利于与周边地区建立关联,因此,这类地区在碳排放网络中的重要性较弱。
图4 2000—2020年福州都市圈碳排放网络平均点度中心度、中间中心度、接近中心度的空间格局Fig.4 Spatial pattern of average degree centrality,betweenness centrality and closeness centrality of carbon emissions network in the Fuzhou metropolitan area from 2000 to 2020
2)中间中心度分析。由图4b可知,中间中心度呈现明显的“极化现象”,福州中心城区的中间中心度最高,在碳排放网络中发挥着重要的“桥梁”作用,对其他地区碳排放量有较强的控制力。福州中心城区在碳排放网络中集聚着资金、产业和人口等资源要素,通过与其他地区的经济合作、产业转移以及人口迁移等方式,进一步影响其他地区的碳排放量。其余地区的中间中心度作用不明显,主要由于自身碳排放关联要素的优势不足,基本处于“被动”情形,对碳排放空间网络关联的控制和影响作用薄弱。
3)接近中心度分析。由图4c可知,接近中心度相较于点度中心度和中间中心度的空间分布更均衡。其中,福州中心城区、莆田中心城区、宁德中心城区、长乐区、福清市、闽侯县和连江县的接近中心度较高,易与其他地区产生关联,且不易受其他地区影响,在碳排放网络中处于“主导”地位,而南平中心城区和建瓯市受地理位置影响,在碳排放空间网络中难以获得资金和产业等要素的流入,区域协同作用影响力弱,故在碳排放网络中处于“孤立”状态,接近中心度水平低。
通过个体中心性分析可知,福州都市圈碳排放空间网络存在明显的“极化效应”,福州中心城区是碳排放空间网络的绝对中心区,对整个福州都市圈碳排放空间网络具有较强的控制和分配能力,莆田中心城区、长乐区、福清市、闽侯县的个体中心性指标相对较高,易与周边地区建立碳排放网络关联;而南平中心城区和建瓯市则处于碳排放网络的边缘位置,不利于与周边地区建立碳排放联系,说明福州中心城区的核心辐射作用仍不足,未来要加强核心区的引领作用。针对福州中心城区、长乐区和福清市等个体中心度高的地区,在区域协同发展的同时应注重节能减排,并积极促进周边地区协同开展碳减排工作;对于个体中心性低的地区(如南平中心城区和建瓯市),需要进一步提升自身的网络关联性,同时谨防碳排放的空间溢出性。
3.2.3 核心—边缘结构分析 由图5可以看出,2000—2020年福州都市圈碳排放网络核心区从沿海地区逐步向周边地区蔓延,数量从4个增至9个。2000年仅有福州中心城区、长乐区、福清市、连江县处于核心区,随着时间推移,莆田中心城区、宁德中心城区、闽侯县、罗源县和永泰县从边缘区转变为核心区。沿海地区区位优势明显,人口资源和产业集群等优势突出,因而在网络中占据着核心位置。在碳排放网络发展过程中,沿海地区与周边地区通过产业、交通和服务业等多方面的强化合作,导致碳排放向周边地区扩散和溢出,使周边地区的碳排放量上升并逐步演变为核心区。相比之下,南平中心城区、建瓯市和霞浦县等地区发展较缓慢,加之与核心区距离远,受到的辐射作用弱,这类地区很难纳入核心区范围。对此,福州都市圈应加强内陆地区与核心区的协同发展,缩小地区之间的差异,避免两极分化现象。
图5 2000—2020年福州都市圈碳排放网络核心区与边缘区Fig.5 Core and edge areas of carbon emissions network in the Fuzhou metropolitan area from 2000 to 2020
3.3 福州都市圈碳排放的影响因素分析
3.3.1 影响因子选取 为探究福州都市圈碳排放的空间异质性,本文参考杜海波等的研究[8,28,29],从人口、经济、土地和社会4类要素中选取城镇化率、人口规模、产业结构、经济发展水平、土地利用程度、社会资本和社会服务共7个因子指标(表3),将所有因子进行离散化处理[30],利用地理探测器分析各因子对碳排放空间分异的影响。
表3 影响因子的选取Table 3 Selection of influencing factors
3.3.2 单因子影响研究 利用因子探测器对碳排放空间分异的影响因子进行检验分析,从而得出各因子的影响力(表4)。结果显示,城镇化率、人口规模、经济发展水平、土地利用程度、社会资本和社会服务对福州都市圈碳排放空间分异均有显著影响,但各因子的影响程度有差异。
表4 2000—2020年各因子的影响力Table 4 Influences of factors from 2000 to 2020
1)从人口要素对碳排放空间的影响看,城镇化率、人口规模对碳排放空间格局的影响力较强,但影响力总体呈现下滑态势。具体看,2000—2010年福州都市圈全面推动户籍管理制度改革,极大促进农村剩余劳动力向城市转移,快速的城镇化进程不仅加大对基本生活物资的需求,还易造成城市拥堵、资源浪费等不良现象,导致福州都市圈的城镇化对碳排放空间分异作用增强。2010年以后,福州都市圈积极推进新型城镇化建设,合理引导人口流动,并随着产业由沿海省份向内陆省份转移,跨省务工人员流动比重降低,有效缓解区域碳排放压力,促使城镇化率的影响力减弱。
2)从经济要素对碳排放空间的影响看:①产业结构对碳排放空间分异作用不显著,可能缘于福州都市圈二、三产业发展较均衡,且随着经济社会数字化转型加快,促进产业结构从“二三一”转向“三二一”,通过数字技术赋能以及发挥山海资源优势,壮大水产、茶叶和食用菌等绿色产业,使产业结构变化对碳排放空间分异的作用变弱。②经济发展水平的影响力呈现先升后降趋势。20世纪末,随着“3820”战略实施,福州都市圈充分利用区位优势,依托海洋和侨力资源,经济水平迅速提升并培育出机械制造、纺织化纤和冶金建材等千亿产业集群,导致碳排放量增加。随着数字产业不断发展,传统企业向现代化转型,经济增长渐渐摆脱对能源的依赖,对碳排放空间分异作用减弱。
3)从土地要素对碳排放空间的影响看,土地利用程度对碳排放空间分异的作用持续增强。建设用地主要承载人类的生活与生产,大规模的土地建设必然加快化石能源消耗[31]。福州都市圈内独特的“八山一水一分田”地形,使土地资源较贫瘠,前期建设用地通过侵占耕地达到扩张目的,随着耕地资源不断减少以及加强对耕地的保护,迫使建设用地向山地蔓延,开采难度增加并耗费更多的人力、物力,导致土地利用程度对碳排放量的作用增强。
4)从社会要素对碳排放空间的影响看:①社会资本对碳排放空间分异的影响最显著。研究初期,福州都市圈基础设施薄弱,随着大规模的招商引资,促进旧城改造和新区开发等,社会资本的投入加快刺激建筑工程材料等重污染型企业产品的需求,对碳排放空间分异作用明显加强;研究末期,福州都市圈基础设施建设仍在完善,通过加快公路、铁路和港口等重要交通基础设施的建设以提升区域互联互通水平,因此,社会资本对碳排放空间分异的影响虽有所减弱但仍显著。②社会服务的影响力逐渐减小。一方面社会服务需要依靠配套基础设施,前期大规模的配套基础设施建设势必造成碳排放量增加;另一方面,随着福州都市圈打造社会资源共建共享的同城化生活圈,推动社会服务向都市圈各地区辐射,居民就近即可享受完善的配套服务,节约了出行成本且降低能源消耗,因此后期社会服务对碳排放空间分异的驱动力衰减。
3.3.3 因子间交互作用分析 本文利用交互探测器评估2000—2020年碳排放空间分异影响因子的交互作用,结果显示(图6),因子间交互作用均比单因子对福州都市圈碳排放空间分异作用强,并以双因子增强作用为主导(由于产业结构因子影响力在研究期内均不显著,故不再讨论其交互性)。从年际变化看,2000年城镇化率∩人口规模、城镇化率∩土地利用程度(均为0.998)对碳排放空间分异的交互作用表现强烈;2005年、2010年城镇化率∩社会资本(0.997、0.998)的交互作用最突出;2015年土地利用程度∩社会资本(0.979)交互作用较高;2020年经济发展水平∩社会资本(0.994)交互作用显著,这与单因子探测结果相一致。2000—2010年福州都市圈“人口红利”效应明显,通过大规模的招商引资,在完善城市基础设施建设基础上发展产业集群优势,吸引大量周边地区农业人口和邻省人口的迁移,势必会增强碳排放及其空间分异;2010—2020年福州都市圈注重区域的联动发展,通过完善区域交通网络,加强山海之间的区域合作,提升区域的发展水平并缩小地区之间的发展差距,但同时大规模的资本投入与土地资源开发促进区域碳排放增加并导致碳排放空间分异增强。由于双因子交互作用均会增加碳排放量以及碳排放空间分异化,在现实的碳排放治理中更需要关注此类现象,削弱多因子的共同作用可以促进福州都市圈的碳减排。
图6 2000—2020年影响因子交互作用结果Fig.6 Results of influencing factor interactions from 2000 to 2020
4 结论
本文利用夜间灯光数据和统计数据测算2000—2020年福州都市圈的碳排放量,并利用社会网络分析法和地理探测器探究福州都市圈碳排放空间网络结构演化及其影响因素,得出以下主要结论:
1)2000—2020年福州都市圈能源消费碳排放总量持续增加,从346.4万t升至2 912.5万t。福州中心城区是主要的碳排放源,但随着时间推移,福州中心城区碳排放量占比有所下降;莆田中心城区碳排放量位居第二,研究期内碳排放占比出现小幅波动、略有上升趋势;南平中心城区和宁德中心城区碳排放量较低;长乐区和福清市等沿海地区的碳排放量较内陆地区更高。
2)从整体网络结构看,碳排放网络密度和网络关联度上升,而网络效率降低,表明福州都市圈各地区在促进区域协同发展的同时,加强经济、产业等方面的合作,导致区域碳排放量增加,碳排放整体网络关联程度提升。从个体中心性看,福州中心城区属于碳排放网络的绝对核心区,对整个碳排放网络具有重要控制作用,周边的莆田中心城区、长乐区、福清市、闽侯县等处于碳排放网络的相对核心位置,受到福州中心城区的辐射作用,使其个体中心性增强,易与其他地区建立碳排放空间关联;延平区、永泰县、霞浦县等都市圈边缘地区的个体中心性低,在碳排放网络中扮演着相对“孤立”角色。
3)城镇化率、人口规模、经济发展水平、土地利用程度、社会资本和社会服务对福州都市圈碳排放空间分异作用显著。其中,土地利用程度对碳排放空间分异作用逐渐上升,而城镇化率、人口规模、经济发展水平、社会资本和社会服务对碳排放空间分异的影响力逐渐衰减。因子的交互作用对碳排放空间分异的影响显著增强,并以双因子增强为主。
本研究从区域协同发展角度出发,有助于提升福州都市圈碳排放污染联合防控治理能力以及指导各地区开展差异化的治理工作。结合夜间灯光数据与统计数据估算各地区的碳排放,延长了研究年限,但可能会与真实碳排放情况存在一定差异,未来可根据不同地区实测数据估算碳排放,使计算结果更精确。区域协同发展是一个复杂的结构体系,如何科学衡量区域整体发展水平以及评估各地区之间的发展差异是未来工作的重点,厘清区域协同发展与碳排放相关问题的关系,对区域发展和环境污染协同治理具有一定的现实意义。