潘竟虎

(西北師范大學(xué)地理與環(huán)境科學(xué)學(xué)院，甘肅 蘭州　730070)

?

中國私家車碳排放空間格局及其影響因素的ESDA-GWR分析

潘竟虎

(西北師范大學(xué)地理與環(huán)境科學(xué)學(xué)院，甘肅 蘭州730070)

摘要：利用探索性空間數(shù)據(jù)分析(ESDA)和地理加權(quán)回歸模型(GWR)，對2012年全國312個地級及以上城市私家車碳排放的空間分異格局、總體趨勢、空間異質(zhì)性和驅(qū)動因素進行研究。結(jié)果表明，中國地級城市私家車碳排放空間分異顯著，碳排放總量呈現(xiàn)中部>東部>西部、中部>北方>南方的變化趨勢，人均碳排放量表現(xiàn)為東高西低、北高南低的態(tài)勢，地均碳排放量則呈現(xiàn)南高北低、東高西低的態(tài)勢。人均儲蓄存款余額對私家車人均碳排放的影響最大，其次是人均GDP和城鎮(zhèn)居民可支配收入，且影響因素具有明顯的經(jīng)度或緯度地帶性規(guī)律。

關(guān)鍵詞：私家車碳排放；探索性空間數(shù)據(jù)分析(ESDA)；地理加權(quán)回歸模型(GWR)；空間異質(zhì)性

自20世紀(jì)90年代以來,我國土地和房地產(chǎn)市場快速發(fā)展,城市中以“單位制”為主體的“職住合一”模式逐漸消失,“職住分離”誘發(fā)了巨大的交通需求,居民收入水平快速增加也拉動我國城市機動車保有量的急速上升,其中大城市私家車保有量約占城市機動車保有量的80%。城市私家車保有量的飛速增加、交通擁堵引起的車速減慢以及燃料燃燒效率偏低等,均使得城市交通的能源消耗、碳排放量和大氣污染問題日益突出[1],城市交通的環(huán)境成本大大提高。國外有關(guān)私家車碳排放的研究相對較早,加之部分發(fā)達國家從20世紀(jì)90年代即開始征收碳稅,關(guān)于居民出行的交通碳排放研究比較成熟,研究內(nèi)容主要包括家庭特征、城市空間結(jié)構(gòu)特征與私家車出行碳排放的關(guān)系,城市人口密度對城市私家車碳排放的影響,居民收入水平、經(jīng)濟發(fā)展水平與私家車碳排放之間的關(guān)系等[2-3]。私家車碳排放的核算研究方法主要有回歸分析法、結(jié)構(gòu)方程模型、蒙特卡洛法、投入產(chǎn)出法和碳排放調(diào)控模型等[4-6]。在我國,2000年以來碳排放問題才逐漸受到關(guān)注,碳排放核算與碳稅設(shè)計也成為學(xué)界研究的熱點問題[7]。總體來看,國內(nèi)針對私家車碳排放、碳稅相關(guān)問題的系統(tǒng)性研究尚處于起步階段,學(xué)者們針對私家車碳排放量的測算、城市居民出行碳排放的影響因素、不同交通方式碳排放的比較、私家車碳稅設(shè)計、私家車碳排放控制對策等問題進行了研究[8-10],但對私家車碳排放的空間分異格局少有研究。國內(nèi)研究方法多采用基于經(jīng)濟學(xué)理論的統(tǒng)計模型,GIS空間分析也較少見。從研究對象看,或針對單個城市,或以省級為基本研究單元,缺乏中觀層面上的研究,以地級城市為單元的時空分異研究更是鮮見。

當(dāng)前,低碳城市已經(jīng)成為國內(nèi)外政界、學(xué)術(shù)界和企業(yè)界關(guān)注的熱點,但已有研究尚集中在相關(guān)理念界定和設(shè)計原則分析上,缺乏定量化的實證研究。按人均GDP衡量,我國已成為中上等收入水平國家,城市中私家車擁有量短期內(nèi)必然會以井噴式的速度上升。中國實行市管縣體制,地級市均為所在區(qū)域的經(jīng)濟、文化中心,在地級市整體層面上探索私家車碳排放的空間分異格局,有助于認清區(qū)域私家車碳排放的空間特征,對政府因地制宜地實行差別化的調(diào)控政策有著重要的參考意義?；诖?以2012年中國312個地級及以上城市為對象,運用GIS空間分析手段分析私家車碳排放的時空分異格局及驅(qū)動因素的空間異質(zhì)性,以期為相關(guān)政策制定提供科學(xué)借鑒。

1數(shù)據(jù)來源與研究方法

1.1數(shù)據(jù)來源

我國實行(地級)市管縣的行政體制,地級行政區(qū)的管轄范圍相對較為穩(wěn)定?？紤]到統(tǒng)計數(shù)據(jù)的可獲取性和行政單元空間完整性,以2012年地級行政區(qū)為尺度進行分析,不包括臺灣、香港和澳門地區(qū)。為保持空間的連續(xù)性和便于分析,將4個直轄市和個別屬于省直轄的縣級行政區(qū)也納入分析的范疇。此外,新疆、西藏和青海由于私家車保有量數(shù)據(jù)缺失,其地級單元沒有納入研究范圍。數(shù)據(jù)來源于《中國縣(市)社會經(jīng)濟統(tǒng)計年鑒2012》[11]與《中國區(qū)域經(jīng)濟統(tǒng)計年鑒2012》[12]。行政界線和城市位置信息等獲取自國家基礎(chǔ)地理信息中心1∶400萬數(shù)據(jù)庫。

1.2研究方法

1.2.1CO2排放計算方法

政府間氣候變化專門委員會(IPCC)指南提出了2種交通能源消費的碳排放核算方法[13]:自上而下法,即依據(jù)國家或區(qū)域范圍內(nèi)的交通燃料銷售數(shù)據(jù),乘以燃料碳排放系數(shù)得到碳排放量;自下而上法,即依據(jù)不同交通方式的行車里程,乘以單位里程的燃料消費量獲得燃料消費總量,再與燃料碳排放系數(shù)相乘得到碳排放量。因無法得到準(zhǔn)確的私家車消耗燃料銷售數(shù)據(jù),故只能采用自下而上法，計算公式[14]為

EC=CF×CE。

(1)

式(1)中,EC為CO2年排放量,kg;CF為年燃料消耗量,TJ;CE為排放系數(shù),kg·TJ-1。

CF=DT×Fh×DF×Fnc。

(2)

式(2)中,DT為年行駛里程,km;Fh為平均百公里油耗量,L;DF為燃油密度,kg·L-1;Fnc為燃料凈熱值,TJ·Gg-1。以93#汽油作為私家車燃料,以CO2計算,IPCC指南中提供的汽油排放系數(shù)為69 300 kg·TJ-1,汽油的凈熱值為 44.3 TJ·Gg-1,即44.3×10-6TJ·kg-1。由于受天氣、車流量、路況、人流量、駕駛員的操作習(xí)慣以及紅綠燈數(shù)量差異的影響,不同城市私家車百公里油耗量也各不相同,通過參考前人研究結(jié)果[14]及對蘭州市中心城區(qū)私家車駕駛?cè)藛T的調(diào)查,采用8.5 L計算。據(jù)前人調(diào)查得到的數(shù)據(jù)[14-15],私家車的年行駛里程在1.5×104km左右。

1.2.2位序-規(guī)模分析

1949年ZIPF[16]提出了城市位序-規(guī)模分布法則,采用該法則分析私家車碳排放的城市差異，計算公式為

lnDRE，i=lnDRE，1-qlnri。

(3)

式(3)中,DRE，i為第i個城市的私家車碳排放量,kg;DRE，1為排放量排名第1的城市私家車碳排放量,kg;lnDRE，1是一個常數(shù),體現(xiàn)城市體系等級最高的城市在位序-規(guī)模二維坐標(biāo)系縱軸上的截距;ri為第i個城市的位序;q為回歸曲線的斜率,其值的大小可以反映城市私家車碳排放結(jié)構(gòu)的變化,若其值變大,說明規(guī)模集中的力量大于分散的力量,反之則說明分散的力量大于集中的力量。

1.2.3探索性數(shù)據(jù)分析(ESDA)

采用基于GIS平臺的ESDA技術(shù),包括全局Moran′s I指數(shù)和局域Moran′s I指數(shù)(LISA)。引入局部自相關(guān)的G系數(shù)(Getis-OrdGi*)來判別不同空間位置上的高值與低值集聚狀況，其計算公式詳見文獻[17]。

1.2.4地理加權(quán)回歸模型(GWR)

GWR對經(jīng)典回歸模型進行了改進與加工,充分考慮了影響因素變量的空間位置,容許局部回歸的參數(shù)估計值,計算公式[18]為

(4)

式(4)中,yi為觀測值；(Si,Ti)為第i個城市的空間地理位置坐標(biāo)，作為地理加權(quán);α0(Si,Ti)為第i個城市的回歸常數(shù);αj(Si,Ti)為第i個城市的第j個回歸參數(shù),是地理位置函數(shù);n為獨立變量個數(shù);xij為獨立變量xj在第i個城市的值;εi為隨機誤差。運用GWR模型研究中國地級城市私家車碳排放量的區(qū)域差異及其驅(qū)動因子,可將數(shù)據(jù)的空間特性納入模型,以更客觀地探測數(shù)據(jù)的空間非平穩(wěn)性。

2私家車碳排放空間分異特征

2.1總體分異特征

2.1.1位序-規(guī)模分析

2012年中國地級及以上城市私家車碳排放總量、人均碳排放和地均碳排放的位序-規(guī)?；貧w曲線如圖1所示。

圖1　2012年中國地級及以上城市碳排放的位序-規(guī)模分析

回歸擬合的決定系數(shù)R2均在0.8以上,顯著性水平P<0.01,說明擬合度較好。圖1表明,中國地級城市私家車碳排放符合位序-規(guī)模分布,說明城市之間私家車碳排放的差異巨大,位序靠前城市的私家車碳排放明顯高于位序靠后城市的碳排放,這意味著位序靠前城市面臨更大的節(jié)能減排壓力。

2.1.2空間分異格局

依據(jù)ArcGIS軟件中的自然斷點分類法繪制私家車碳排放空間分布分級圖(圖2),該分級方法可以使得類內(nèi)的方差最小而類間的方差最大。由圖2可見,2012年有67個地級單元私家車碳排放>1 Gg,城市數(shù)量僅占地級單元總數(shù)的21%,但其排放量占研究單元總排放量的62%,集中分布在京津冀、山東、長三角、珠三角以及呼和浩特-包頭-鄂爾多斯-榆林地區(qū),散布在東南沿海和安徽、黑龍江等省區(qū);其中,北京市私家車碳排放量最大,高達11.44 Gg,其次是成都、天津和深圳市,均在5 Gg以上;碳排放>4 Gg的城市還有廣州、昆明、蘇州和上海。私家車碳排放最高的城市(北京)碳排放量是最低的地級單元(神農(nóng)架林區(qū))的1 003倍。

較之總排放量而言,人均碳排放高值區(qū)在空間分布上更為集中,形成華北地區(qū)中部、內(nèi)蒙古西部和長三角3大連片區(qū)。2012年有45個地級單元人均碳排放量>0.3 kg。其中,內(nèi)蒙古烏海市最高,達0.713 kg;其次是昆明市和阿拉善盟;人均碳排放量>0.5 kg的城市還包括鄂爾多斯、北京、欽州和東營。人均碳排放量低的城市大多位于華中、西南地區(qū)東部和西北地區(qū)南部。人均碳排放最高的城市(烏海)碳排放量是最低城市(綏化)的68倍。

就地均碳排放量來看,高排放城市集中在沿海地區(qū),散布在中部多個省份。2012年有86個地級單元地均碳排放量>100 kg·km-2。其中,深圳市最高,達2 530 kg·km-2;其次是東莞、佛山和廈門;地均碳排放量>600 kg·km-2的城市還包括北京、中山、廣州和上海。地均碳排放最高的城市(深圳)碳排放量是最低城市(甘孜)的14 016倍?？傮w來看,京津冀、山東半島、江浙和珠三角私家車碳排放總量、人均碳排放量和地均碳排放量均很高,應(yīng)是控制私家車數(shù)量、降低碳排放和倡導(dǎo)綠色出行的重點地區(qū)。

與其他國家相比,我國私家車碳減排問題存在著一定的特殊性,我國人口基數(shù)龐大導(dǎo)致汽車需求量巨大,加之受國人消費觀念轉(zhuǎn)變的影響,城市私家車擁有量普遍偏高;此外,我國城市間發(fā)展極不平衡,不同城市間經(jīng)濟發(fā)展水平差異巨大,使得不能用同一標(biāo)準(zhǔn)衡量所有城市,客觀上要求對不同類別城市的私家車碳減排問題進行具體分析。為此,在前人研究[19]的基礎(chǔ)上,以品牌進入密度和數(shù)量、GDP、人均收入、“211”高校數(shù)量、“全球500強”數(shù)量、機場吞吐量、城市排名、使領(lǐng)館數(shù)量以及國際航線數(shù)量等作為主要指標(biāo),將中國城市劃分為一線、二線、三線、四線、五線和民族地區(qū)城市6種類型，計算各類城市的私家車碳排放均值情況(表1)。結(jié)果發(fā)現(xiàn),私家車碳排放總量、人均碳排放量和地均碳排放量呈按一線、二線、三線、四線、五線、民族地區(qū)城市的順序依次遞減態(tài)勢,尤其是一線城市的碳排放總量和地均碳排放量均遠高于其他類型城市。這表明私家車已經(jīng)同住房一樣,成為擁有雄厚經(jīng)濟基礎(chǔ)、龐大中產(chǎn)階層人群、可觀政治文化教育醫(yī)療資源的“前線”城市追逐現(xiàn)代生活品位的必需品,限制碳排放理應(yīng)從一線城市著手。

圖2　2012年中國地級及以上城市私家車碳排放分級示意圖

表12012年中國各類城市私家車碳排放統(tǒng)計值

Table 1Statistics of carbon emissions from private cars in those cities in 2012

城市分級城市數(shù)年碳排放總量/Gg人均碳排放量/kg地均碳排放量/(kg·km-2)一線193.6200.337488.411二線361.7830.288230.930三線570.9340.21299.417四線600.4850.14649.776五線1180.3320.13135.665民族地區(qū)220.2360.1289.354

2.1.3宏觀趨勢特征

采用ArcGIS軟件中的全局趨勢分析方法,以正西和正南方向作為X和Y軸,分別以碳排放總量、人均碳排放量和地均碳排放量為Z軸,制作三維透視圖,將透視角度合理旋轉(zhuǎn)，用以揭示中國地級單元私家車碳排放空間特征及其趨勢(圖3)。在空間分布上,2012年碳排放總量空間分異呈現(xiàn)中部>東部>西部、中部>北方>南方的趨勢,中部地區(qū)的碳排放相對較高。人均碳排放量表現(xiàn)為東高西低、北高南低的態(tài)勢,且南北差異大于東西差異。地均碳排放量則呈現(xiàn)出南高北低、東高西低的態(tài)勢,南北差異略大于東西差異。總體而言,人均碳排放的區(qū)域差異最為明顯。

2.2空間相關(guān)性

分別計算基于邊鄰接(rook)標(biāo)準(zhǔn)和廣義鄰接(queen)標(biāo)準(zhǔn)的各階空間權(quán)重矩陣的全局Moran′s I值,來考察中國私家車碳排放的總體空間相關(guān)程度。經(jīng)GeoDa軟件計算,碳排放總量、人均碳排放量和地均碳排放量的全局Moran′s I值分別為0.256 6、0.432 3和0.367 6,而且3個指標(biāo)Moran′s I的正態(tài)統(tǒng)計量Z值均超過0.05置信水平的臨界值1.96,表明全國地級單元私家車碳排放存在著全局空間自相關(guān)特征,私家車碳排放量較高的地級單元趨于集聚,私家車碳排放量較低的地級單元也趨于集聚。采用GS+軟件構(gòu)造距離權(quán)重矩陣,計算不同距離帶內(nèi)的點數(shù)據(jù)間的Moran′s I值,結(jié)果發(fā)現(xiàn)312個地級單元的平均距離在240 km左右開始出現(xiàn)空間自相關(guān)。

為進一步分析各地級單元在空間上的相互關(guān)聯(lián)類型,依據(jù)樣本單元與其相鄰單元的空間關(guān)系,在0.05顯著水平下,將各單元歸為下述4類:高-高,即地級單元自身與相鄰單元碳排放均較高,兩者呈顯著正相關(guān);低-低,即地級單元自身與相鄰單元碳排放均較低,兩者呈顯著正相關(guān);低-高,即自身碳排放較低,而相鄰單元碳排放較高;高-低,即自身碳排放較高,而相鄰單元碳排放較低,兩者呈顯著負相關(guān)。從各關(guān)聯(lián)類型地級單元數(shù)量分布來看,碳排放總量:低-低(28)>高-高(23)>低-高(6)>高-低(3);人均碳排放:低-低(67)>高-高(31)>低-高(8)>高-低(6);地均碳排放:低-低(68)>高-高(16)>低-高(6)>高-低(5)。這說明中國地級單元私家車碳排放呈現(xiàn)非均衡的發(fā)展格局,表現(xiàn)在碳排放高的地級單元往往也和碳排放高的地級單元為鄰,而碳排放低的地級單元則大多也與碳排放低的地級單元為鄰。碳排放總量的高-高聚集區(qū)域在空間上聚為3片:冀中-山東半島、長三角和珠三角;低-低聚集區(qū)域則集中在甘肅和川滇西部。人均碳排放的高-高聚集區(qū)域則在碳排放總量格局的基礎(chǔ)上增加內(nèi)蒙古西部-甘肅酒泉地區(qū);低-低聚集區(qū)域則大面積集中于長江中游、黃淮和川北-隴中南地區(qū)。地均碳排放的高-高聚集區(qū)域很小且趨于分散,低-低聚集區(qū)域主要分布在東北北部、陜甘寧、云貴桂和湘鄂贛等地區(qū)，低-高聚集區(qū)域多分布在高-高聚集區(qū)域周圍,高-低聚集區(qū)域則多分布在低-低聚集區(qū)域外緣。

圖3　2012年中國地級及以上城市私家車碳排放分布趨勢

3基于地理加權(quán)回歸的私家車碳排放驅(qū)動力分析

由前文空間自相關(guān)分析可知,碳排放的空間分布并非完全呈隨機分布,而是呈現(xiàn)較顯著的空間集聚性和異質(zhì)性,這說明私家車碳排放不再符合普通最小二乘法(OLS)所要求的樣本間須相互獨立的假設(shè),換言之,基于OLS的經(jīng)典線性回歸模型所估計的結(jié)果和推論很可能不夠可靠,必須引入空間因素(空間差異性和空間依賴性)對經(jīng)典線性模型加以修正。地理加權(quán)回歸(GWR)模型可以解決因空間位置導(dǎo)致的因變量與自變量間關(guān)系的局部變異,從而減小模型殘差的空間自相關(guān)性。由于私家車碳排放量大小直接取決于私家車保有量,以私家車人均碳排放量為因變量,綜合考慮數(shù)據(jù)的科學(xué)性、完整性與可獲取性,選取10個指標(biāo)作為影響私家車碳排放的解釋變量。首先將各指標(biāo)進行標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化處理，應(yīng)用逐步回歸法剔除共線性指標(biāo),選取容忍度大于0.7的人均GDP、城鎮(zhèn)化率、城鎮(zhèn)居民人均可支配收入、城鎮(zhèn)居民人均消費支出、恩格爾系數(shù)、路網(wǎng)密度、人均居住面積和人均儲蓄存款余額8個指標(biāo)作為解釋變量,建立GWR模型,采用自適應(yīng)(adaptive)核函數(shù)使赤池信息準(zhǔn)則(AICc)最小的帶寬法進行局域估計。所選8個指標(biāo)OLS模型的決定系數(shù)R2為0.805,殘差平方和(residual squares)為9.13,而利用GWR分析的決定系數(shù)R2為0.851,殘差平方和為2.27,這說明GWR模型對因變量的解釋更為合理。

從私家車人均碳排放的局部系數(shù)估計結(jié)果來看,影響中國地級城市私家車人均碳排放的因素重要程度在空間上存在較大差異。私家車人均碳排放的解釋變量重要程度由高到低依次為人均儲蓄存款余額、人均GDP、城鎮(zhèn)居民可支配收入、人均居住面積、城鎮(zhèn)化率、路網(wǎng)密度、恩格爾系數(shù)和城鎮(zhèn)居民人均消費支出。GWR模型可以解釋私家車人均碳排放變異的72.8%～91.6%,AICc值為602.32,其回歸方程通過了0.001 的顯著性水平檢驗。GWR模型估計的變量回歸系數(shù)中,城鎮(zhèn)居民可支配收入和人均儲蓄存款余額為正值,城鎮(zhèn)居民人均消費支出和恩格爾系數(shù)為負值。

人均儲蓄存款余額對人均碳排放的影響最大,呈正相關(guān),表明老百姓實際富裕程度對私家車保有量的增加起到最直接的影響作用。人均儲蓄存款余額對人均碳排放的影響程度空間上自西南向東北遞減,高值區(qū)位于西南地區(qū),該區(qū)多為少數(shù)民族聚集的山地丘陵地區(qū),私家車保有量主要依靠居民儲蓄的增長拉動,這些地區(qū)私家車更多地是一種身份、地位和成功的象征。低值區(qū)分布于東部沿海和東北地區(qū),這些地區(qū)多為地勢較為平坦的平原區(qū),私家車更多地承擔(dān)了交通工具的職能。

絕大多數(shù)地級市人均GDP回歸系數(shù)為正值,人均GDP對私家車人均碳排放的影響程度在空間上自北向南依次減弱,高值區(qū)出現(xiàn)在陜甘寧、內(nèi)蒙古西部和山西等地,這些地區(qū)多為能源和礦產(chǎn)資源集中輸出地,即所謂的“高碳經(jīng)濟”地區(qū),煤炭、石油、天然氣、電力和化工等高耗能產(chǎn)業(yè)發(fā)展迅速，推動了人均GDP快速增長;低值區(qū)主要分布在廣東省,產(chǎn)業(yè)升級轉(zhuǎn)型已基本完成,其經(jīng)濟發(fā)展因素對私家車人均碳排放的驅(qū)動作用較小。

城鎮(zhèn)居民可支配收入的回歸系數(shù)為正值,對私家車人均碳排放的影響程度在空間上總體呈現(xiàn)自南向北依次增加的趨勢,高值區(qū)出現(xiàn)在云南、廣西西南部以及吉林和遼寧的東部沿邊地區(qū),低值區(qū)則分布于甘肅、山西、陜西北部和內(nèi)蒙古中西部。受傳統(tǒng)置業(yè)觀念的影響,住房是城市居民首要的大宗消費品,在滿足住房需求的前提下,購買私家車成為位列第2的重要需求。人均居住面積對人均碳排放的影響程度在空間上呈現(xiàn)以低值區(qū)為中心的環(huán)狀分布特征。上海、江蘇和浙江所轄部分一線城市因房價較高,其人均住房面積系數(shù)為較小的負值。

除甘肅河西走廊、寧夏和內(nèi)蒙古西部部分城市外,其余地級城市城鎮(zhèn)化率的回歸系數(shù)均為負值,表明城鎮(zhèn)化水平的提高并不是私家車人均碳排放的正向影響因素,反而會降低私家車的人均碳排放,這或許是由于城鎮(zhèn)化率提升導(dǎo)致城鎮(zhèn)人口的增速高于私家車碳排放增速所致。高值區(qū)出現(xiàn)在2個完全相反的地域,即城鎮(zhèn)化水平不高的西南地區(qū)和城鎮(zhèn)化率較高的東北地區(qū)。

路網(wǎng)密度、恩格爾系數(shù)和城鎮(zhèn)居民人均消費支出這3個變量對私家車人均碳排放的正向影響較小。絕大多數(shù)地級市路網(wǎng)密度的回歸系數(shù)為負值,其影響程度在空間上自西向東逐漸降低。絕大多數(shù)地級市恩格爾系數(shù)的回歸系數(shù)為負值,表明生活水平越高(恩格爾系數(shù)低)的城市,其私家車碳排放量越大。值得注意的是,城鎮(zhèn)居民人均消費支出的回歸系數(shù)為負值,說明居民人均消費支出越多,私家車碳排放反而越小,這可能是因為對于絕大多數(shù)城市而言,汽車消費在居民總消費中的比例并不大,用于其他消費的支出增加,必然會限制私家車消費的支出,從而降低人均碳排放。

4討論

4.1政策啟示

國際能源組織(IEA)2011年發(fā)布的《全球能源展望》年度報告中指出,世界2/3的碳排放量由交通和電力供熱貢獻[20]。西方國家的發(fā)展經(jīng)驗顯示,當(dāng)城市步入工業(yè)化中后期,伴隨著人口和私家車的增長,以及以“去重工業(yè)化”和“軟化”為特點的產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型,由居民交通出行所產(chǎn)生的碳排放占比將不斷上升。由于公共交通可達性的受限,即使政府實施公交優(yōu)先等措施,在居民收入增加的大背景下,私家車保有量預(yù)計仍會持續(xù)上升。筆者建議:(1)控制私家車。采取在市中心減少機動車道、增加自行車道和步行道及限號出行等措施,降低私家車在城市居民出行中的比例。(2)引導(dǎo)消費結(jié)構(gòu)。引導(dǎo)消費者更多地選擇小排量汽車和綠色能源汽車。(3)施行碳稅試點。由于私家車碳排放所產(chǎn)生的外部性屬于消費外部性,不同于生產(chǎn)外部性,在人均碳排放、地均碳排放很高的城市進行碳稅試點,對大排量私家車征收科學(xué)合理的碳稅,可達到既節(jié)能減排又不增加中低收入人群負擔(dān)的目的,比之行政管制更為有效。(3)倡導(dǎo)低碳生活。通過政策引導(dǎo)來提倡節(jié)能減排的生活方式,提高居民節(jié)能意識。(4)注重空間溢出效應(yīng)。該研究也表明,私家車碳排放存在空間關(guān)聯(lián)和鄰近溢出效應(yīng),因此在制定調(diào)控措施時,要區(qū)域聯(lián)動,共同發(fā)力。

4.2不足與展望

IPCC指南中提供了溫室氣體排放量的測算思路,然而具體到某個國家或地區(qū),由于數(shù)據(jù)獲取的途徑和精度不同,其計算結(jié)果自然存在一定的不確定性。該不確定性主要來自于燃料消費量和碳排放系數(shù)2個因素,在缺乏中國碳排放系數(shù)的情況下,該研究只能采用缺省值。私家車百公里油耗量和年行駛里程主要來自于調(diào)查數(shù)據(jù),該研究對這些指標(biāo)均采用較保守的數(shù)值。此外,文中未考慮不同排量私家車碳排放的差異,有研究顯示年行駛里程與城市形態(tài)、人口密度、公共交通等有密切關(guān)系,年行駛里程存在較大的地區(qū)差異[21]。由于購買力水平和環(huán)保意識等因素的差異,百公里油耗量也可能存在地區(qū)差異,這些問題有待今后深入研究。

參考文獻：

[1]張艷芳,位賀杰.西安市工業(yè)內(nèi)部碳排放的拉動效應(yīng)與空間分異[J].生態(tài)與農(nóng)村環(huán)境學(xué)報,2015,31(3):293-300.

[2]HANDY S.Smart Growth and the Transportation-Land Use Connection:What Does the Research Tell Us?[J].International Regional Science Review,2005,28(2):146-167.

[3]BREHENY M.The Compact City and Transport Energy Consumption[J].Transactions of the Institute of British Geographers,1995,20(1):81-101.

[4]HANKEY S,MARSHALL J D.Impacts of Urban Form on Future US Passenger-Vehicle Greenhouse Gas Emissions[J].Energy Policy,2010,38(9):4880-4887

[5]DRUCKMAN A,JACKSON T.The Carbon Footprint of UK Households 1990-2004:A Socio-Economically Disaggregated,Quasi-Multi-Regional Input-Output Model[J].Ecological Economics,2009,68(7):2066-2077.

[6]HICKMAN R,ASHIRU O,BANISTER D.Transport and Climate Change:Simulating the Options for Carbon Reduction in London[J].Transport Policy,2010,17(2):110-125.

[7]王曉霞,南靈.基于LMDI模型的陜西省能源消費碳排放壓力解耦分析[J].生態(tài)與農(nóng)村環(huán)境學(xué)報,2014,30(3):311-316.

[8]劉愷.北京市私家車保有量的計量經(jīng)濟學(xué)分析[J].山西財經(jīng)大學(xué)學(xué)報,2012,34(2):3-4.

[9]龍瀛,毛其智,楊東峰,等.城市形態(tài)、交通能耗和環(huán)境影響集成的多智能體模型[J].地理學(xué)報,2011,66(8):1033-1044.

[10]上官筱燕,孫瑞紅.九寨溝景區(qū)內(nèi)居民私家車碳排放研究[J].中國人口·資源與環(huán)境,2013,23(5):140-142.

[11]國家統(tǒng)計局農(nóng)村社會經(jīng)濟調(diào)查司.中國縣(市)社會經(jīng)濟統(tǒng)計年鑒2012[M].北京:中國統(tǒng)計出版社,2013:183-416.

[12]國家統(tǒng)計局綜合司.中國區(qū)域經(jīng)濟統(tǒng)計年鑒2012[M].北京:中國統(tǒng)計出版社,2013:191-420.

[13]IPCC.2006 IPCC Guidelines for National Greenhouse Gas Inventories[EB/OL].(2008-07-12)[2015-03-04].http:∥www.ipcc-nggip.iges.or.Jp/public/gl/invs1.html.

[14]趙敏,張衛(wèi)國,俞立中.上海市居民出行方式與城市交通CO2排放及減排對策[J].環(huán)境科學(xué)研究,2009,22(6):747-752.

[15]李永芳,錢宇彬.我國家用轎車運行成本分析[J].汽車與配件,2008,28(2):52-54.

[16]ZIPF G K.Human Behaviour and the Principle of Least Effort[M].MA：Addison-Wesley Reading,1949:32-41.

[17]ANSELIN L,SYABRI I,KHO Y.GeoDa:An Introduction to Spatial Data Analysis[J].Geographical Analysis,2006,38(1):5-22.

[18]白景鋒,張海軍.基于EOF和GWR模型的中原經(jīng)濟區(qū)經(jīng)濟增長的時空分析[J].地理研究,2014,33(7):1230-1238.

[19]丁祖昱.中國房地產(chǎn)依賴度的城市分異研究[J].華東師范大學(xué)學(xué)報:哲學(xué)社會科學(xué)版,2013,45(3):121-127.

[20]楊上廣,王春蘭,劉淋.上海家庭出行碳排放基本特征、空間模式及影響因素研究[J].中國人口·資源與環(huán)境,2014,24(6):148-153.

[21]HUO H,ZHANG Q,HE K,etal.Vehicle-Use Intensity in China:Current Status and Future Trend[J].Energy Policy,2012,43(3):6-16.

(責(zé)任編輯： 許素)

ESDA-GWR Analysis of Spatial Pattern of Carbon Emission From Private Cars and Its Influencing Factors in China.

PANJing-hu

(College of Geography and Environmental Science, Northwest Normal University, Lanzhou 730070, China)

Abstract:A study was carried out on spatial differentiation pattern, general trend, spatial heterogeneity and driving factors of carbon emission from private cars in 312 cities of prefecture or above level in 2012, using the exploratory spatial data analysis (ESDA) and the geographic weight regression (GWR) model. Results show that spatial difference in carbon emission from private cars is significant between the cities, displaying a general trend of Central China >East China >West China, and Central China >North China >South China, in terms of total volume of carbon emission, East China >West China, and North China > South China in terms of per capita carbon emission, and East China >West China, and South China > North China in terms of carbon emissions per unit area of land. GWR analysis shows that the driving factor of the per capita carbon emission from private cars also varied between cities of prefecture-or above levels in China. Per capita saving deposit is the major factor affecting the per capita carbon emissions from private cars, and the latter is closely related to the former. Per capita gross domestic product (GDP) comes the second, also has a positive relationship with carbon emission and then is followed by disposable income of urban residents, per capita living space, urbanization rate, density of the road network and Engel′s coefficient. Per capital annual expenditure of urban residents on consumption has the least influence. The influencing factors of carbon emission from private cars in the cities of prefecture or above levels in China show a clear latitudinal zonality or longitudinal zonality.

Key words:carbon emission from private cars；ESDA;GWR；spatial heterogeneity;China

作者簡介：潘竟虎(1974—),男,甘肅嘉峪關(guān)人,副教授,博士,研究方向為生態(tài)環(huán)境遙感。E-mail: panjh-nwnu@nwnu.edu.cn

DOI：10.11934/j.issn.1673-4831.2016.02.015

中圖分類號：TU984；F512

文獻標(biāo)志碼：A

文章編號：1673-4831(2016)02-0270-07

基金項目：國家自然科學(xué)基金(41361040,41271184);甘肅省高?；究蒲袠I(yè)務(wù)費項目(2014-63)

收稿日期：2015-03-04