地球科学进展

地球科学进展 ›› 2024, Vol. 39 ›› Issue (3): 317 -328. doi: 10.11867/j.issn.1001-8166.2024.022

研究简报 上一篇    

基于夜间灯光和土地利用的珠江流域城市碳排放估算及其时空动态特征研究
张斌 1 , 2 , 3( ), 卫丹琪 1 , 2, 丁乙 1 , 2, 姜洪涛 1 , 2, 尹剑 1 , 2( )   
  1. 1.贵州财经大学 西部现代化研究中心，贵州 贵阳 550025
    2.贵州财经大学 大数据应用与经济学院，贵州 贵阳 550025
    3.吉林大学 东北亚学院，吉林 长春 130012
  • 收稿日期:2023-10-04 修回日期:2024-02-02 出版日期:2024-03-10
  • 通讯作者: 尹剑 E-mail:jlcjzb@163.com;yinjianbnu@163.com
  • 基金资助:
    贵州省高校人文社会科学研究年度项目(2023GZGXRW164)

Research on Cities’ Carbon Emissions and Their Spatiotemporal Evolution Coupled with Nighttime Light Image and Land Use Data in the Pearl River Basin

Bin ZHANG 1 , 2 , 3( ), Danqi WEI 1 , 2, Yi DING 1 , 2, Hongtao JIANG 1 , 2, Jian YIN 1 , 2( )   

  1. 1.West China Modernization Research Center, Guizhou University of Finance and Economics, Guiyang 550025, China
    2.College of Big Data Application and Economics, Guizhou University of Finance and Economics, Guiyang 550025, China
    3.Northeast Asian Studies College, Jilin University, Changchun 130012, China
  • Received:2023-10-04 Revised:2024-02-02 Online:2024-03-10 Published:2024-04-01
  • Contact: Jian YIN E-mail:jlcjzb@163.com;yinjianbnu@163.com
  • About author:ZHANG Bin, Ph. D student, research areas include regional resources and environment. E-mail: jlcjzb@163.com
  • Supported by:
    the Humanities and Social Science Research of Universities in Guizhou Province(2023GZGXRW164)
全文 ( 32 ) 下载PDF ( 496 )

揭示珠江流域碳排放时空演化和空间集聚特征，对推进流域地区低碳可持续发展具有重要意义。耦合夜间灯光数据、土地利用数据和能源消费数据构建碳排放估算模型，从流域、城市和网格尺度分析了珠江流域碳排放空间变化趋势，使用探索性时空数据分析和修正引力模型探讨了城市碳排放时空动态变化和空间关联特征。结果表明：珠江流域碳排放总量从2005年的29 497万t增长至2019年的31 877万t，东莞、深圳和广州始终是高碳排放城市。网格尺度上高碳排放集聚区以珠江三角洲地区为核心向周边扩张，中上游高碳排放区呈点状分布。珠江流域碳排放存在正向空间相关性，空间交互效应呈下降趋势。时空动态分析显示相邻城市碳排放存在正向协同发展趋势。城市碳排放关联强度均值由5.93增长至18.97，核心节点城市对外辐射能力得到提升，碳排放关联网络结构呈集中化趋势。该方法耦合多源数据开展碳排放估算研究，具有潜在的实用价值，可为碳排放时空动态分析和低碳减排策略制定提供参考。

关键词: 土地利用数据, 珠江流域, 碳排放, 遥感估算

To investigate the spatiotemporal patterns and agglomeration characteristics of carbon emissions in the Pearl River Basin, we constructed a carbon emission estimation model by coupling multi-source data. The spatiotemporal dynamics and spatial correlation characteristics of urban carbon emissions were explored using exploratory spatiotemporal data analysis and modified gravity modeling. The findings indicate that the total carbon emissions in the Pearl River Basin increased from 312.67 million tons to 336.54 million tons. Dongguan, Shenzhen, and Guangzhou consistently stood out as cities with the highest carbon emissions. On the grid scale, the high-value carbon emission agglomeration expands towards the periphery, with the Pearl River Delta region serving as the core, whereas the high-value carbon emission area in the middle and upper reaches is characterized by a point-like distribution. Carbon emissions in the Pearl River Basin show a positive spatial correlation, although there is a decreasing trend in the spatial interaction effect. Furthermore, there is a positive synergistic trend among neighboring cities in terms of carbon emissions. The average linkage intensity of urban carbon emissions increases from 5.93 to 18.97, indicating strengthened connectivity among cities. The carbon emissions network structure shows a trend towards centralization. This method incorporates carbon sources and sinks into the calculation process, has potential practical value, and can support the development of a carbon reduction strategy.

Key words: Land use data, Pearl River Basin, Carbon emissions, Remote sensing estimation

中图分类号: 

图1 研究区域（珠江流域及贵州省遵义和铜仁）位置图
Fig. 1 Map of the research area （The Pearl River Basin and Zunyi City and Tongren City in Guizhou Province）
表1 土地利用碳排放系数
Table 1 Land use carbon emissions coefficient
土地类型 碳排放系数/［kg/（m2·a）］
草地 -0.002 1
耕地 0.042 2
林地 -0.057 8
水域 -0.025 2
未利用地 -0.000 5
表2 能源折算标准煤系数和碳排放系数
Table 2 Energy conversion standard coal coefficient and carbon emissions coefficient
能源类型 折算标准煤系数/（kg/kg） 碳排放系数/（t/t）
煤炭 0.714 3 0.755 9
焦炭 0.971 4 0.855 0
原油 1.428 6 0.587 5
煤油 1.471 4 0.571 4
柴油 1.457 1 0.592 1
汽油 1.471 4 0.553 8
燃料油 1.428 6 0.618 5
天然气 1.214 3 0.448 3
电力 0.404 0 0.793 5
表3 单位根检验结果
Table 3 Unit root test results
变量 LLC IPS Fisher-ADF Fisher-PP
水平值 Ck -2.370 7*** -1.255 0 3.406 0 13.922 5*
NTLk -0.159 0 -3.627 7*** 0.878 0 10.932 6
一阶差分 Ck -4.056 5*** -2.637 6*** 35.562 2*** 25.637 0***
NTLk -3.494 9*** -4.951 7*** 40.486 8*** 207.032 8***
表4 面板协整检验结果
Table 4 Cointegration test results
Panel PP Panel ADF Group PP Group ADF
统计量值 -1.585 827* -1.670 890** -1.312 360* -1.795 575**
表5 面板数据回归结果
Table 5 Panel data regression results
模型（1） 模型（2） 模型（3）
变量 Ck Ck Ck
NTLk 0.000 244*** 0.000 284*** 0.000 200***
（1.07×10-5） （6.91×10-6） （1.39×10-5）
常数项 82.80*** 47.80*** 61.28**
（3.006） （5.756） （12.930）
个体固定 是 否 是
时间固定 否 是 是
R2 0.671 0.846 0.861
图2 2005年、2010年、2015年和2019年珠江流域碳排放变化
Fig. 2 Carbon emissions in the Pearl River Basin in 2005， 2010， 2015 and 2019
图3 2005年、2010年、2015年和2019年珠江流域城市碳排放演变特征
Fig. 3 Temporal and spatial distribution of urban carbon emissions in the Pearl River Basin in 2005， 2010， 2015 and 2019
图4 2005年、2010年、2015年和2019年珠江流域网格尺度（1 km）碳排放演变特征
Fig. 4 The spatiotemporal evolution of carbon emissions with 1 km resolution in the Pearl River Basin in 2005， 2010， 2015 and 2019
图5 2005年、2010年、2015年和2019年珠江流域碳排放全局空间自相关结果
Fig. 5 Global spatial autocorrelation results of carbon emissions in the Pearl River Basin in 2005， 2010， 2015 and 2019
图6 2005年、2010年、2015年和2019年珠江流域城市碳排放冷热点分布
Fig. 6 Cold and hot spots of urban carbon emissions in the Pearl River Basin fin 2005， 2010， 2015 and 2019
图7 2005年、2010年、2015年和2019年珠江流域网格尺度（1 km）碳排放冷热点分布
Fig. 7 Cold and hot spots of carbon emissions with 1 km resolution in the Pearl River Basin in 2005， 2010， 2015 and 2019
图8 2005年、2010年、2015年和2019年珠江流域碳排放LISA时间路径和时空交互网络
Fig. 8 Spatial distribution of LISA time path and spatio-temporal interaction network of carbon emissions in the Pearl River Basin in 2005， 2010， 2015 and 2019
图9 2005年、2010年、2015年和2019年珠江流域城市碳排放核心网络空间模式
Fig. 9 Core network of urban carbon emissions in the Pearl River Basin in 2005， 2010， 2015 and 2019
图10 碳排放核心网络入度（a）和出度（b）“规模—位序”拟合曲线
Fig. 10 The scale-rank fitting curve for in-degree （a） and out-degree （b） of the core network of carbon emissions
1 DING Yi， YIN Jian， JIANG Hongtao， et al. System dynamics prediction of carbon peaking in Pearl River Delta［J］. Environmental Engineering， 2023， 41（7）： 22-29.
丁乙， 尹剑， 姜洪涛， 等. 珠三角碳达峰系统动力学预测［J］. 环境工程， 2023， 41（7）： 22-29.
2 新华网. 中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要［EB/OL］. （2021-03-13） ［2023-10-05］. .
3 ZHAO Dong， LIU Xiaojie， JIN Xiaobin. Spatiotemporal dynamics of county-level carbon budgets and carbon-balanced zoning in the Yangtze River Delta［J］. Modern Urban Research， 2023， 38（6）： 23-30.
赵栋， 刘笑杰， 金晓斌. 长三角地区县域碳收支时空动态及碳平衡分区［J］. 现代城市研究， 2023， 38（6）： 23-30.
4 LAI L， HUANG X J， YANG H， et al. Carbon emissions from land-use change and management in China between 1990 and 2010［J］. Science Advances， 2016， 2（11）. DOI：10.1126/sciadv.1601063 .
5 DAI Linlin， FENG Changwei， ZHOU Zijie， et al. Temporal and spatial evolution of carbon budget at county scale in China［J］. Ecological Economy， 2023， 39（11）： 31-39， 59.
戴林琳， 封昌炜， 周子杰， 等. 中国县域尺度碳收支的时空演变研究［J］. 生态经济， 2023， 39（11）： 31-39， 59.
6 LIU Xianzhao， YANG Xu. The accuracy of nighttime light data to estimate China's provincial carbon emissions： a comparison with carbon emissions allocated by international carbon database［J］. Remote Sensing Technology and Application， 2022， 37（2）： 319-332.
刘贤赵， 杨旭. 夜间灯光数据估算中国省域碳排放与国际碳数据库分配的碳排放比较［J］. 遥感技术与应用， 2022， 37（2）： 319-332.
7 LIU Chang， SU Yun， LI Lingling. The estimation and spatial distribution of the carbon emissions of county units in China［J］. Environmental Pollution & Control， 2020， 42（1）： 113-119.
刘畅， 苏筠， 黎玲玲. 中国县域能源消费碳排放估算及其空间分布［J］. 环境污染与防治， 2020， 42（1）： 113-119.
8 WANG Jianshi， WANG Chengxin， REN Wanxia， et al. “Carbon peaking and carbon neutrality” studies in geosciences： theme， effects， and prospects［J］. Advances in Earth Science， 2023， 38（7）： 757-768.
王建事， 王成新， 任婉侠， 等. 地理学视角下“双碳”研究：主题、成效及展望［J］. 地球科学进展， 2023， 38（7）： 757-768.
9 HUANG Hanzhi， JIA Junsong， ZHANG Zhenxu. Spatiotemporal pattern evolution and influencing factors of land-use carbon emissions in counties， Jiangxi Province［J］. Acta Ecologica Sinica， 2023， 43（20）： 8 390-8 403.
黄汉志， 贾俊松， 张振旭. 江西县域土地利用变化碳排放时空演变及其影响因素［J］. 生态学报， 2023， 43（20）： 8 390-8 403.
10 WANG Rui， ZHANG He， QIANG Wenli， et al. Spatial characteristics and influencing factors of carbon emissions in county-level cities of China based on urbanization［J］. Progress in Geography， 2021， 40（12）： 1 999-2 010.
王睿， 张赫， 强文丽， 等. 基于城镇化的中国县级城市碳排放空间分布特征及影响因素［J］. 地理科学进展， 2021， 40（12）： 1 999-2 010.
11 Qian LYU， LIU Haibin. Multiscale spatio-temporal characteristics of carbon emission of energy consumption in Yellow River Basin based on the nighttime light datasets［J］. Economic Geography， 2020， 40（12）： 12-21.
吕倩， 刘海滨. 基于夜间灯光数据的黄河流域能源消费碳排放时空演变多尺度分析［J］. 经济地理， 2020， 40（12）： 12-21.
12 CHEN Shaopeng， DUAN Yuefang. Research on status， focus， and developing trend of agricultural carbon effect in China［J］. Advances in Earth Science， 2023， 38（1）： 86-98.
陈少鹏， 段跃芳. 中国农业碳效应研究的现状、热点与趋势［J］. 地球科学进展， 2023， 38（1）： 86-98.
13 LI Yaohui， YU Jinglei， GU Juan， et al. Review of research on CO2 emissions from civil aviation flights and its impact on climate change［J］. Advances in Earth Science， 2023， 38（1）： 9-16.
李耀辉， 于敬磊， 谷娟， 等. 民航飞行CO2排放及其对气候变化影响研究综述［J］. 地球科学进展， 2023， 38（1）： 9-16.
14 FAN Jianshuang， ZHOU Lin. Spatiotemporal distribution and provincial contribution decomposition of carbon emissions for the construction industry in China［J］. Resources Science， 2019， 41（5）： 897-907.
范建双， 周琳. 中国建筑业碳排放时空特征及分省贡献 ［J］. 资源科学， 2019， 41（5）： 897-907.
15 ZHANG Jiekuan. Tourism and carbon emissions： global perspectives and regional comparisons［J］. Geographical Research， 2022， 41（11）： 3 088-3 104.
章杰宽. 旅游与碳排放：全球视角与区域比较［J］. 地理研究， 2022， 41（11）： 3 088-3 104.
16 CHENG Yu， ZHANG Yue， WANG Jingjing. Spatial-temporal evolution of provincial carbon emission performance and driving force of technological innovation in China［J］. Scientia Geographica Sinica， 2023， 43（2）： 313-323.
程钰， 张悦， 王晶晶. 中国省域碳排放绩效时空演变与技术创新驱动研究［J］. 地理科学， 2023， 43（2）： 313-323.
17 WANG Xingmin， WU Jing， BAI Bing， et al. Spatial differentiation and driving factors of CO2 emissions： analysis based on 198 cities at prefecture level and above in China［J］. Economic Geography， 2020， 40（11）： 29-38.
王兴民， 吴静， 白冰， 等. 中国CO2排放的空间分异与驱动因素——基于198个地级及以上城市数据的分析［J］. 经济地理， 2020， 40（11）： 29-38.
18 WU Zhiyong， BAI Boyu， HE Hai， et al. Temporal and spatial characteristics of hydrological drought in the Pearl River Basin from 1981 to 2020［J］. Journal of Hohai University （Natural Sciences）， 2023， 51（1）： 1-9.
吴志勇， 白博宇， 何海， 等. 珠江流域1981—2020年水文干旱时空特征分析［J］. 河海大学学报（自然科学版）， 2023， 51（1）： 1-9.
19 LIANG Juping， LI Guancheng， MU Guizhen， et al. Consideration of the 14th five-year plan for water ecological environment protection in the Pearl River valley［J］. Environmental Protection， 2021， 49（19）： 14-17.
梁菊平， 李冠城， 穆桂珍， 等. 珠江流域水生态环境保护“十四五”规划思考［J］. 环境保护， 2021， 49（19）： 14-17.
20 WANG Chenxi， ZHANG Qiongrui， ZHANG Ruoqi， et al. Effects of landscape pattern on water quality purification service in the Pearl River Basin in Guangdong Province［J］. Ecology and Environmental Sciences， 2022， 31（7）： 1 425-1 433.
王晨茜， 张琼锐， 张若琪， 等. 广东省珠江流域景观格局对水质净化服务的影响［J］. 生态环境学报， 2022， 31（7）： 1 425-1 433.
21 YANG Yang， ZHAO Liangjie， XIA Riyuan， et al. Distribution and influencing factors of karst underground rivers in the Pearl River Basin［J］. Carsologica Sinica， 2022， 41（4）： 562-576.
杨杨， 赵良杰， 夏日元， 等. 珠江流域岩溶地下河分布特征与影响因素研究［J］. 中国岩溶， 2022， 41（4）： 562-576.
22 JI Xueqiang， LIU Huimin， ZHANG Yuesong. Spatiotemporal evolution and driving factors of spatial correlation network structure of China’s land-use carbon emission［J］. Economic Geography， 2023， 43（2）： 190-200.
吉雪强， 刘慧敏， 张跃松. 中国省际土地利用碳排放空间关联网络结构演化及驱动因素［J］. 经济地理， 2023， 43（2）： 190-200.
23 KE N， LU X H， ZHANG X P， et al. Urban land use carbon emission intensity in China under the “double carbon” targets： spatiotemporal patterns and evolution trend［J］. Environmental Science and Pollution Research， 2023， 30（7）： 18 213-18 226.
24 CHEN Z Q， YU B L， YANG C S， et al. An extended time series （2000-2018） of global NPP-VIIRS-like nighttime light data from a cross-sensor calibration［J］. Earth System Science Data， 2021， 13（3）： 889-906.
25 DENG Lingying， LI Hongbo. Spatial and temporal evolution of land use carbon emissions and analysis of driving factors in Wuhan metropolitan area ［J］. Research of Soil and Water Conservation， 2024， 31（1）： 345-353.
邓灵颖，李红波. 武汉城市圈土地利用碳排放时空演变及驱动因素［J］. 水土保持研究， 2024， 31（1）： 345-353.
26 SUN He， LIANG Hongmei， CHANG Xueli， et al. Land use patterns on carbon emission and spatial association in China［J］. Economic Geography， 2015， 35（3）： 154-162.
孙赫， 梁红梅， 常学礼， 等. 中国土地利用碳排放及其空间关联［J］. 经济地理， 2015， 35（3）： 154-162.
27 FANG G C， GAO Z Y， TIAN L X， et al. What drives urban carbon emission efficiency？—Spatial analysis based on nighttime light data［J］. Applied Energy， 2022， 312. DOI： 10.1016/j.apenergy.2022.118772 .
28 KASMAN A， DUMAN Y S. CO2 emissions， economic growth， energy consumption， trade and urbanization in new EU member and candidate countries： a panel data analysis［J］. Economic Modelling， 2015， 44： 97-103.
29 YANG Jianxin， LIU Jing， GONG Jian， et al. Application and comparison of spatial clustering algorithms in prioritizing protected plots of basic farmland［J］. China Land Science， 2022， 36（1）： 107-117.
杨建新， 刘静， 龚健， 等. 不同空间聚类算法在识别优质集聚基本农田图斑中的应用及对比研究［J］. 中国土地科学， 2022， 36（1）： 107-117.
30 REY S J， MURRAY A T， ANSELIN L. Visualizing regional income distribution dynamics［J］. Letters in Spatial and Resource Sciences， 2011， 4（1）： 81-90.
31 YE X Y， REY S. A framework for exploratory space-time analysis of economic data［J］. The Annals of Regional Science， 2013， 50（1）： 315-339.
32 JIANG H T， YIN J， ZHANG B， et al. Industrial carbon emission distribution and regional joint emission reduction： a case study of cities in the Pearl River Basin， China［J］. Chinese Geographical Science， 2024， 34（2）： 210-229.
33 YIN Jian， ZHANG Bin， DING Rui， et al. Urban agglomeration economic connection and evolution of spatial features in the new western land-sea corridor of China［J］. Scientia Geographica Sinica， 2023， 43（11）： 1 983-1 993.
尹剑， 张斌， 丁锐， 等. 西部陆海新通道城市群经济联系空间特征演化过程研究［J］. 地理科学， 2023， 43（11）： 1 983-1 993.
34 ZHANG R J， TAI H， CHENG K T， et al. Carbon emission efficiency network formation mechanism and spatial correlation complexity analysis： taking the Yangtze River Economic Belt as an example［J］. The Science of the Total Environment， 2022， 841. DOI： 10.1016/j.scitotenv.2022.156719 .
35 JING S Q， YAN Y G， NIU F Q， et al. Urban expansion in China： spatiotemporal dynamics and determinants［J］. Land， 2022， 11（3）. DOI：10.3390/land11030356 .
36 ZHANG Bin， YIN Jian， QIU Yuanhong， et al. Study of spatial-temporal evolution of urban development in the new western land-sea corridor—Based on nighttime light data［J］. Resource Development & Market， 2022， 38（11）： 1 364-1 373.
张斌， 尹剑， 邱远宏， 等. 西部陆海新通道城市发展时空格局演变研究——基于夜间灯光数据［J］. 资源开发与市场， 2022， 38（11）： 1 364-1 373.
[1] 韩瑞玲. 基于空域资源时空优化配置的航空碳减排研究[J]. 地球科学进展, 2023, 38(3): 309-319.
[2] 陈少鹏, 段跃芳. 中国农业碳效应研究的现状、热点与趋势[J]. 地球科学进展, 2023, 38(1): 86-98.
[3] 李耀辉, 于敬磊, 谷娟, 桑文军, 靳晓琳, 黄玉. 民航飞行 CO2 排放及其对气候变化影响研究综述[J]. 地球科学进展, 2023, 38(1): 9-16.
[4] 韩瑞玲,路紫,姚海芳. 航空碳排放环境损害评估方法的动态化转换、应用与比较研究[J]. 地球科学进展, 2019, 34(7): 688-696.
[5] 黄强,陈子燊,唐常源,李绍峰. 珠江流域重大干旱事件时空发展过程反演研究[J]. 地球科学进展, 2019, 34(10): 1050-1059.
[6] 常海钦,付亚龙,林鑫,张苗苗,孟刚刚. 流域盆地化学风化强度空间分布及控制因素研究：以长江和珠江为例[J]. 地球科学进展, 2019, 34(1): 93-102.
[7] 赵燕慧, 路紫. 航线网络碳排放模型及外部性要素分析[J]. 地球科学进展, 2018, 33(1): 103-111.
[8] 杨占红, 罗宏, 薛婕, 张保留. 中印两国碳排放形势及目标比较研究[J]. 地球科学进展, 2016, 31(7): 764-773.
[9] 李平星，曹有挥. 产业转移背景下区域工业碳排放时空格局演变——以泛长三角为例[J]. 地球科学进展, 2013, 28(8): 939-947.
[10] 王勤花, 张志强, 曲建升. 家庭生活碳排放研究进展分析[J]. 地球科学进展, 2013, 28(12): 1305-1312.
[11] 张志强，曾静静，曲建升. 世界主要国家碳排放强度历史变化趋势及相关关系研究[J]. 地球科学进展, 2011, 26(8): 859-869.
[12] 于宇，宋金明，李学刚，袁华茂，李宁，段丽琴. 长江口海域表层沉积物中磷的形态分布及环境意义[J]. 地球科学进展, 2011, 26(8): 870-880.
[13] 樊杰，李平星. 基于城市化的中国能源消费前景分析及对碳排放的相关思考[J]. 地球科学进展, 2011, 26(1): 57-65.
[14] 樊杰,李平星,梁育填. 个人终端消费导向的碳足迹研究框架——支撑我国环境外交的碳排放研究新思路[J]. 地球科学进展, 2010, 25(1): 61-68.
[15] 彭琴，董云社，齐玉春. 氮输入对陆地生态系统碳循环关键过程的影响[J]. 地球科学进展, 2008, 23(8): 874-883.
阅读次数
全文


摘要

网站版权所有 © 《地球科学进展》编辑部
地址：甘肃省兰州市天水中路8号
QQ：114723517
电话：0931-8762293　E-mail：adearth@lzb.ac.cn
陇ICP备2021001824号-5　 甘公网安备62010202000687