县域尺度下能源产区能源消费碳排放强度空间分异:以陕西省榆林市为例

朱 妮，张艳芳，位贺杰

(1.陕西师范大学旅游与环境学院，西安710062;2.安康学院 政治与历史系，陕西安康725000)

0 引言

能源消费碳排放引起的全球环境变化以及如何有效地减少碳排放已成为世界各国关注的焦点［1-3］。碳排放强度指单位国内生产总值的CO2排放量，是评价碳排放水平的一个关键指标［4］。碳减排的重要措施是降低能源强度和碳排放强度，从全局尺度降低碳排放强度与从区域格局变化把握同等重要［5］。

国内外学者关于区域碳排放强度特征［6-11］及其演变机制［12-14］的研究成果颇丰。实现国家碳排放强度控制目标的可行性及其最佳途径，可从探究世界各国碳排放强度的长期变化趋势及其主要影响因素得到启示［1，15］。国内学者在大区域系统、省际尺度下研究中国碳排放地区差异问题［10，16-18］，认为资源禀赋、人均能源产量、高耗能行业占工业产值比重及煤炭占化石能源消费比重是影响区域、各省碳排放强度差异的主要影响因素。然而，我国各地区社会经济发展水平、资源环境特征差异巨大，省份众多，从国家或省际层面的分析及政策建议未必与地级市的实际情况吻合，也不利于市级单位的具体落实。此外，碳排放强度影响机制也存在空间效应，碳排放的空间差异是国际上讨论减排目标分解的依据。国内碳排放的空间差异是既作为减排任务分解的依据，又作为财政转移支付的依据。县域尺度作为中国行政管理体系中的完整基层单位，是我国资源可持续利用、管理和规划的最佳尺度［19］。洞悉县域尺度下碳排放强度空间差异及其分异机制，对基层政府更具针对性和可操作性地执行减排任务，具有重要的实践意义。

为了精确解析能源消费碳排放强度的地区差异，本研究突破以往大空间尺度范围，选取能源产区陕西省榆林市为研究区，采用Theil、标准偏差等指数和空间自相关模型，探讨县域尺度下碳排放强度的空间格局与演变及其空间依赖性的特征与机制，为榆林市制定差异化的区域减排目标和针对性的碳排放调控政策提供参考，为县域尺度下碳排放强度及其空间分异研究提供示范，也可为碳排放强度在县域尺度上提供横向对比。

1 研究区概况

榆林市位于陕西省最北部，地理坐标为36°57'～39°34'N，107°28'～111°15'E，地处陕西、甘肃、宁夏、内蒙古、山西五省份接壤地带。辖榆阳区和府谷、神木、靖边、定边、横山、佳县、米脂、清涧、吴堡、绥德、子洲11个县(图1)，总面积43 578 km2，总人口3 351 437人，耕地64.1万hm2。全市已发现8大类48种矿产资源，尤其是煤炭、石油、天然气、岩盐等能源矿产资源富集一地，资源组合配置好，为榆林市发展经济提供了绝佳条件。但是，榆林市经济发展长期以来多为粗放型增长，各区县经济发展水平、资源环境特征差异显著［20］。以能源化工工业为主的第二产业是发展经济的支柱产业，伴随着经济的发展，大量化石能源的使用，碳排放量加大。同时，能源问题已成为制约能源产区榆林经济发展的重要因素，由此引发的能源消费碳排放强度问题值得探讨。

图1 研究区示意图Fig.1 The sketch map of Yulin City

2 数据与方法

2.1 数据来源与处理

研究数据均来源于历年《榆林统计年鉴》。因榆林市政府2005年开始统计能源消费数据，故研究时段选取为2005—2010年。

鉴于榆林市能源统计口径以及化石能源消费比重高、消费种类多样化等特点，碳排放量按照下式进行估算:

式中:C为碳排放量;mi为一次能源的消费量(标准量);δi为i类能源的碳排放系数(表1)。

表1 各种能源的碳排放系数［21］Tab.1 Carbon emission coefficients for different fuels

碳排放强度(carbon emission intensity，CEI)是指单位国民生产总值碳排放总量，计算公式为:Ice=C/G。式中:Ice为碳排放强度;G为国民生产总值;C为碳排放量。

2.2 研究方法

2.2.1 标准偏差指数和变异系数。区域某一属性值的差距包括绝对差距和相对差距。一般情况下，采用标准偏差指数和变异系数可同时从绝对和相对意义上测算区域间的差距［22］。

2.2.2 泰尔(Theil)指数。Theil指数［10］作为衡量观测值相对差异的指标，最大的优点在于具有在不同区域间进行分解的性质。计算公式为:式中:n为县区个数;Gi和Ci为各区县地区生产总值和总各区县碳排放量;G和C为研究区总生产总值和总碳排放量。Theil指数越高，区域间观测值的差异越大。

2.2.3 空间自相关。空间自相关［23］是一种检测与量化观测值在多个研究区域取值的空间依赖性的空间统计方法，反映的是某个区域单元上的一种地理现象或某一观测值与邻近区域单元上同种现象或同一观测值的相关程度。空间自相关方法包括全局自相关和局部自相关。步骤如下。

①建立空间权重矩阵。一般地，定义一个二元对称空间权重矩阵Wn×n来反映n个地理位置的空间区域邻近关系。空间权重矩阵的建立常用的有邻接规则和距离规则［16］，采用 Rook 邻接标准，Wij公式如下:

②全局Moran’sI统计量［24］。该统计量描述空间对象属性值在整个区域的空间分布状态，公式如下:

③ 局部 Moran’sI统计量［25］。局部 Moran’sI是衡量局部地区之间是否存在相似或相异性的属性值聚集在一起的指标，计算公式为:

Moran’sI散点图的4个象限分别表示邻接地区观测值的4种空间集聚类型:第Ⅰ象限为HH型，表示本地区与邻接地区观测值均高;第Ⅲ象限为LL型，表示本地区与邻接地区观测值均低;第Ⅱ象限为LH型，表示本地区观测值低而邻接地区观测值高;第Ⅳ象限为HL型，表示本地区观测值高而邻接地区低。

3 榆林市碳排放强度空间分异特征

3.1 榆林市碳排放强度县域空间格局与变化

3.1.1 空间格局特征。榆林市县域碳排放强度平均值在整个考察期总体上呈波动增长状态。从变异系数来看，研究时段内榆林县域碳排放强度的绝对差异变化分为增长期和减小期2个阶段，且无论是增长期还是减小期均表现为变化速率先大后小的趋势。2005—2007年增长期县域碳排放强度差异愈加显著，2007—2010年减小期县域碳排放强度差异略有减小。从标准偏差指数来看，2005—2010年标准差值呈现“拱形”发展变化，说明榆林县域碳排放强度的相对差距先逐年扩大，再逐年缩小，其中2007年是变化的转折点，但2008—2010年县域碳排放强度相对差距始终大于2005年。极差的走势与标准偏差的变化相似，2005—2007年县域碳排放强度两极分化加剧，2007—2010年分化减小。Theil指数与变异系数高度相关，经历了相同的波动历程，区域碳排放强度总差异也表现出先增大后减小的态势。综合以上指数来看，榆林各区县能源消费碳排放强度水平差异明显，总体差异呈扩大趋势，两极分化加剧(图2)。通过5种方法的相互佐证，变异系数适用于具有不同均值的数组之间组内差距的比较，Theil指数具有在不同区域间进行分解的性质，两者结合更易刻划碳排放时空差异。

图2 榆林市2005—2010年碳排放强度各指标年际变化Fig.2 The annual variation of different index of CEI in Yulin City from 2005 to 2010

3.1.2 空间变化趋势分析。为了进一步分析榆林市县域碳排放强度空间变化趋势，利用ArcGIS 9.3软件分别绘制榆林市县域2005，2010年碳排放强度三维透视图(图3)。其中，采样点的位置绘制在X，Y平面上，在每个采样点的上方，CEI值由Z维中杆的高度给定。“趋势分析”工具最大的优势是观测值将会作为散点图投影到X，Z平面和Y，Z平面上。借助投射点得到的最佳拟合线分析表明:从整个榆林市来看，县域碳排放强度南北走向上表现出逐渐减小趋势，东西走向上具有微弱的“U型”变化态势。总体上，东北部区县碳排放强度高于西南部。

3.2 县域碳排放强度空间自相关分析

3.2.1 全局自相关分析。采用GeoDa统计软件，分析2005—2010年榆林各县域碳排放强度Global Moran’sI，结果(表2)表明:① 考察期内，Global Moran’sI估计值均为正，表明该研究区碳排放强度空间差异总体存在正的空间自相关特征，且空间分布呈现相似值之间的空间集聚态势(如HH或LL);②研究时段内，各期Moran’sI均在95%的可置信水平上，检验结果显著;③Global Moran’sI值越接近于1，总体差异越小。本研究Moran’sI值在0.25～0.45范围内，说明该区域的整体空间差异还较大;④研究期内，这种正相关性呈现较为明显的波动。2005—2008年总体水平的Global Moran’sI下降趋势明显，表明其显著性在不断减弱，空间集聚效应也越来越不明显，总体空间差异在逐渐扩大，究其原因，进入“十一五规划”以来，榆林资源富集地区与其他县域相比，凭借自身优势大力发展经济，碳排放强度空间差异日益扩大;2008年以后Global Moran’sI上升，但上升幅度不大，研究区内空间差异有微弱减小，认为与榆林市经济发展中的整体产业技术升级以及城镇化促进资源合理配置和生产要素的合理流动等因素有关，但产业结构和能源结构调整及资源配置的内部机理及其驱动机制等尚需要进一步研究。

图3 2005，2010年榆林市县域碳排放强度趋势Fig.3 Trend analysis of CEI in Yulin City in 2005 and 2010

表2 2005—2010年榆林市碳排放强度全局Moran’s I估计值Tab.2 Estimates of Global Moran’s I for overall level of CEI in Yulin City from 2005 to 2010

3.2.2 局部自相关分析。Global Moran’sI仅用于考察碳排放强度在空间分布上的整体关联性，而Local Moran’sI可以反映研究区单元与邻近单元碳排放强度的相关程度，且可结合Moran散点图将局部差异的空间结构可视化，以研究其空间分布规律［26］。

Moran散点图(图4)反映变量(Ice)与其空间滞后向量(WIce)之间的相关关系。其中，横轴对应变量(Ice)的所有观测值，纵轴对应空间滞后向量(WIce)的所有取值，每个区域观测值的空间滞后为该区域周围邻接观测值的加权平均。

图4 2005—2010年榆林市碳排放强度Local Moran散点图Fig.4 Scatter diagram of Moran of CEI in Yulin City from 2005 to 2010

从2005—2010年县域碳排放强度Local Moran散点图可以看出:① 榆林大部分县域都落在Ⅰ、Ⅲ象限内，2005，2006年落入HH和LL两种类型的县区所占比重分别为 91.67%，66.67%，2007，2008 年均为 83.33%，2009，2010年均为75.00%，且HH类型县域所占比重最高，均在58%以上，而HL或LH两种类型的县区所占比重最高为33.33%。说明自2005年以来，榆林碳排放强度具有正的空间关联分布特征，且处于低水平非均衡空间分布状态，空间依赖性明显。②考察期局部区县集聚格局显著，自身与周围区县碳排放强度均低的区域主要集中于南六县，而“HH关联区”主要集中于榆阳区、府谷县和神木县即东北部三县，说明县域间碳排放强度差距很大，总体上处于一种低水平集聚发展状态。但随着经济技术的不断发展，少量区县碳排放强度分布趋于分散，HH和LL关联县区之间的碳排放强度差距在不断增大，而中心县域与周围地区的碳排放强度逐渐接近，其极化作用在逐渐增强，但辐射带动能力还较弱。

结合相关性分析，县域尺度下的榆林市碳排放强度表现出4个特征(表3):①极化区。2005年碳排放强度呈现以榆阳区、府谷县和神木县组成的片状极化中心，碳排放强度远远高于相邻的其他县城，呈负相关关系。2010年逐渐形成以府谷和神木县组成的极化中心，碳排放总量是其他区县的8.72倍，平均碳排放强度是其他地区的7.68倍。这类县城最显著的特点是依托其资源优势，大力发展以化石能源消费为主的产业，是榆林乃至陕西省经济发展的活跃地区。② 扩散区。2005—2010年极化区域逐渐缩小，表现出明显的扩散效应，形成以榆阳区为中心的扩散区域，带动其周边县城的发展，碳排放强度形成了明显的“北部六县大于南部六县”的格局。首先由于资源分布不均，北部资源丰富的6个县是榆林能源主产区，地区生产总值占全市GDP总量93%，而南部六县仅占7%;北部六县地方财政收入占到全市的98%左右，南部六县仅占2%。因此，在能源化工产业占主导的榆林市，经济总量是导致南北碳排放强度差异的主要因素。其次，经济区位的优劣导致区域经济增长因素、开放次序以及开放程度的差异。榆阳区是榆林市的经济、政治、文化中心，经济的迅速崛起和发展，将制造企业和生产逐步向城市外围转移，对其周边县区具有一定的辐射作用。然而远离经济中心的其他县区受到的辐射作用小，经济、工业均发展缓慢。③ 传染区。南部六县在整个考察期表现出低碳排放强度的空间集群效应。子洲、清涧、米脂、佳县、吴堡和靖边县属于黄土高原丘陵沟壑区，有主要水系分布，但能源资源储备不足，因此，长期形成以农业与商贸为主的经济类型，产业发展先天优势不足。能源缺乏、低碳能耗产业比重高是该区碳排放强度处于低值的主要驱动因素。④塌陷区。因榆阳区周边的府谷县和神木县碳排放强度始终处于极化状态，且极化中心县域对相邻县域扩散作用不强，故榆阳区碳排放强度与极化中心碳排放强度呈负相关关系。分析其形成原因，经济中心榆阳区迅速发展的教育、经贸、商务、休闲娱乐等服务业(低碳能耗行业)，成为碳排放强度减小的主要拉动力量。

总体来看，2005—2010年榆林碳排放强度的“热点”区(高值集聚区)与“冷点”区(低值集聚区)的空间格局均较稳定。碳排放强度的“热点”区分布集中于榆林的东北部三县，考察期内榆阳区碳排放强度虽有所减小，但是减小的幅度不大。这类地区自2002年以来依托其自身丰富的煤炭、石油资源建成了陕北能源化工基地，高耗能产业的急速发展，长期形成的经济结构对能源依赖较高以及单一资源密集型主导产业和初级加工方式，使得该区域碳排放强度远大于其他地区。“冷点”区主要分布于南部六县。其薄弱的经济和工业基础、贫乏的能源资源使该区域产生的碳排放量远小于其他区域。

4 结论

以能源产区榆林市为研究对象，结合趋势分析方法和空间统计方法，分析2005—2010年榆林县域尺度下的能源消费碳排放强度的空间格局特征与空间分异机制。1)榆林各区县能源消费碳排放强度水平差异明显，总体差异呈扩大趋势，两极分化加剧。2)趋势分析结果表明，从整个榆林市来看，县域碳排放强度南北走向上表现出逐渐减小趋势，东西走向上具有微弱的“U型”变化态势。总体上，东北部区县碳排放强度高于西南部。3)从全局自相关分析来看，考察期内，各期Moran’sI均在95%的可置信水平上，研究区碳排放强度空间差异总体存在正的空间自相关特征，其空间分布呈现相似值之间的空间集聚态势，但区域的整体空间差异还较大。4)通过对Moran散点图分析，揭示了自2005年以来，各县区碳排放强度具有正的空间关联分布特征，且处于低水平非均衡空间分布状态，空间依赖性明显。HH和LL关联县区之间的碳排放强度差距在不断增大，而中心县域与除极化中心以外的其他区县碳排放强度逐渐接近，其极化作用在逐渐增强，但辐射带动能力还较弱。5)结合相关分析，榆林区县碳排放强度表现出极化区、扩散区、传染区和塌陷区4个特征。经济总量是导致碳排放强度形成了明显的“北部六县大于南部六县”格局的主要原因;南部六县在整个考察期表现出低碳排放强度的空间集群效应，低碳能耗产业比重高是该区碳排放强度处于低值的主要驱动因素;榆阳区碳排放强度与极化中心碳排放强度呈负相关关系，低碳能耗行业是促使其碳排放强度减小的主要拉动力量。6)榆林市各区县碳排放强度不协调，榆林的东北部三县是碳排放强度的“热点”区。长期形成的经济结构对能源依赖较高以及单一资源密集型主导产业和初级加工方式，使得该区域碳排放强度远大于其他地区。“冷点”区主要分布于南部六县。其薄弱的经济和工业基础、贫乏的能源资源使该区域产生的碳排放量远小于其他区域。总之，能源资源分布不均、经济总量以及产业结构差异是造成榆林碳排放强度空间分布不均的主要原因。

［1］ Usama Al-mulali，Che Normee Binti Che Sab.The Impact of Energy Consumption and CO2Emission on the Economic and Financial Development in 19 Selected Countries［J］.Renewable and Sustainable Energy Reviews，2012，16(7):4365-4369.

［2］ Niu Shuwen，Ding Yongxia，Niu Yunzhu，et al.Economic Growth，Energy Conservation and Emissions Reduction:A Comparative Analysis Based on Panel Data for 8 Asian-Pacific Countries［J］.Energy Policy，2011，39(4):2121-2131.

［3］ Mahamat Hamit-Haggar.Greenhouse Gas Emissions，Energy Consumption and Economic Growth:A Panel Cointegration Analysis from Canadian Industrial Sector Perspective［J］.Energy Economics，2012，34(1):358-364.

［4］ 程南洋，杨洪强，聂影.国际碳排放贸易与循环经济的协调［J］.生态经济，2006(3):71-74.

［5］ 张雷，黄园淅，李艳梅，等.中国碳排放区域格局变化与减排途径分析［J］.资源科学，2010，32(2):211-217.

［6］ 苏雅莉，张艳芳.陕西省土地利用变化的碳排放效益研究［J］.水土保持通报，2011，25(1):152-156.

［7］ González D，Martínez M.Changes in CO2Emission Intensities in the Mexican Industry［J］.Energy Policy，2012，51:149-163.

［8］ 贾君君，张艳芳.陕西产业碳排放与结构高级化的低碳效应［J］.陕西师范大学学报(自然科学版)，2012，40(4):83-88.

［9］ 郭彩霞，邵超峰，鞠美庭.天津市工业能源消费碳排放量核算及影响因素分解［J］.环境科学研究，2012，25(2):232-239.

［10］ 岳超，胡雪洋，贺灿飞，等.1995—2007年我国省区碳排放及碳强度的分析——碳排放与社会发展［J］.北京大学学报(自然科学版)，2010，46(4):510-516.

［11］ 赵雲泰，黄贤金，钟太洋，等.1999—2007年中国能源消费碳排放强度空间演变特征［J］.环境科学，2011，32(11):3145-3152.

［12］ 赵爱文，李东.中国碳强度与能源强度实证研究［J］.干旱区资源与环境，2012，26(1):1-5.

［13］ 张珍花，方勇.我国区域碳排放强度影响因素及动态关系探究［J］.统计与决策，2012(16):90-93.

［14］ 李健，周慧.中国碳排放强度与产业结构的关联分析［J］.中国人口·资源与环境，2012，22(1):7-14.

［15］ 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.

［16］ 刘军华，赵浩.中国二氧化碳排放强度的地区差异分析［J］.统计研究，2012，29(6):46-50.

［17］ 杜官印，蔡运龙，李双成.1997—2007年中国分省化石能源碳排放强度变化趋势分析［J］.地理与地理信息科学，2010，26(5):76-81，92.

［18］ 王卉彤，王妙平.中国30省区碳排放时空格局及其影响因素的灰色关联分析［J］.中国人口·资源与环境，2011，21(7):140-145.

［19］ 王静，郭旭东.我国县级尺度土地可持续利用的科学调控［J］.地理科学进展，2002，21(3):216-222.

［20］ 师谦友，王伟平.基于能值分析的榆林市循环经济发展研究［J］.地域研究与开发，2010，29(2):59-64.

［21］ PCC.2006 IPCC Guidelines for National Greenhouse Gas Inventories:VolumeⅡ［R］.Arlington:Institute for Global Environmental Strategies，2008.

［22］ 钟业喜，陆玉麒.红三角经济圈县域经济差异研究［J］.经济地理，2010，30(4):568-573.

［23］ 刘湘南，黄方.GIS空间分析原理与方法［M］.北京:科学出版社，2008:189-191.

［24］ 鲁凤，徐建华.中国区域经济差异的空间统计分析［J］.华东师范大学学报(自然科学版)，2007(2):44-51.

［25］ Moran P.The Interpretation of Statistical Maps［J］.Journal of the Royal Statical Society，1984，10(2):243-251.

［26］ 陈彦光.基于Moran统计量的空间自相关理论发展和方法改进［J］.地理研究，2009，28(6):1449-1463.