陳鳳 尤瑛圻 劉貴利 陳帆

［摘要］以北京市第六次和第七次人口普查數(shù)據(jù)為基礎(chǔ)，按照街道人口分布，估算中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）的碳排放，通過(guò)運(yùn)用空間自相關(guān)法，并結(jié)合街道單元的主導(dǎo)用地功能，分析了2010—2020年這些街道單元的碳排放時(shí)空變化特征。結(jié)果顯示：1）中心城區(qū)街道的碳排放總體呈下降趨勢(shì)，但不同街道的降碳效果差異顯著；2）街道單元的主導(dǎo)用地功能被劃分為5種單一功能單元和10種混合功能單元，它們的降碳效果存在差異；3）在降碳效果方面，單一功能單元轉(zhuǎn)變?yōu)橐跃坝^休閑為主導(dǎo)時(shí)，降碳效果最為顯著，當(dāng)混合功能單元轉(zhuǎn)變?yōu)橐陨虡I(yè)、居住、產(chǎn)業(yè)或公共服務(wù)為主導(dǎo)的單一功能時(shí)，降碳效果受到一定的抑制；4）以公共—居住和商業(yè)—居住混合功能為主導(dǎo)的高碳排放街道單元在空間上有聚集效應(yīng)，景觀休閑功能對(duì)于維持街道單元低碳排放狀態(tài)有一定的積極作用。

［關(guān)鍵詞］碳排放；空間自相關(guān)；主導(dǎo)功能識(shí)別；街道單元

［中圖分類號(hào)］X 321;TU 984［文獻(xiàn)標(biāo)志碼］A［文章編號(hào)］10050310（2024）03005408

Research on Spatiotemporal Changes of Carbon Emissions

Based on

Subdistrict Units in Beijing City

CHEN? Feng1， YOU Yingqi1， LIU Guili1， CHEN? Fan2

（1.College of Applied Arts and Science，Beijing Union University， Beijing 100191，China；2.Appraisal Center for

Environment and Engineering，Ministry of Ecology and Environment， Beijing 100041，China）

Abstract： Based on the data from the 6th and 7th population censuses of Beijing， the carbon emissions of 121 subdistricts in the central urban area of Beijing were estimated according to the distribution of street population. By using spatial autocorrelation method and combining with the dominant land use function of subdistrict units， the spatiotemporal variation characteristics of carbon emissions of these subdistrict units from 2010 to 2020 were analyzed. The results show that： 1） The carbon emissions of subdistricts in the central urban area are generally decreasing， but the carbon reduction effects of different streets vary significantly; 2） The dominant land use functions of subdistrict units are divided into 5 single functional units and 10 mixed functional units， and their carbon reduction effects vary; 3） In terms of carbon reduction effect， when a single functional unit is transformed into a landscape leisureoriented unit， the carbon reduction effect is most significant， while when a mixed functional unit is transformed into a single functional unit dominated by commercial， residential， industrial or public services， the carbon reduction effect is somewhat inhibited; 4） High carbon emitting subdistrict units dominated by public residential and commercial residential mixed functions have a clustering effect in space， while landscape leisure functions have a certain positive effect on maintaining the lowcarbon emission status of subdistrict units.

Keywords： carbon emissions；spatial autocorrelation；identification of dominant functions；subdistrict units

近年來(lái)，全球變暖所帶來(lái)的環(huán)境、經(jīng)濟(jì)和社會(huì)問(wèn)題日益凸顯，低碳發(fā)展理念已成為世界各國(guó)的共識(shí)。在碳排放核算領(lǐng)域，我國(guó)學(xué)者的研究涉及能源、工業(yè)、交通、廢物處理等多方面，研究重點(diǎn)集中在國(guó)家、地區(qū)和行業(yè)層面。這些研究普遍遵循了政府間氣候變化專門委員會(huì)（Intergovernmental Panel on Climate Change，IPCC）于2006年發(fā)布的《IPCC國(guó)家溫室氣體清單編制指南》以及我國(guó)國(guó)家發(fā)展改革委辦公廳發(fā)布的《省級(jí)溫室氣體清單編制指南》［1-3］。在碳排放的空間分布特征研究方面，各界學(xué)者主要關(guān)注碳排放的時(shí)空演變規(guī)律、空間溢出效應(yīng)以及空間相關(guān)性，通常運(yùn)用地理加權(quán)回歸模型、泰爾指數(shù)和空間計(jì)量等方法進(jìn)行分析。部分學(xué)者還針對(duì)不同行業(yè)，如建筑業(yè)［4］、旅游業(yè)［5］、制造業(yè)［6］和交通［7］等領(lǐng)域進(jìn)行了深入研究。曾玨等運(yùn)用空間自相關(guān)分析了省域物流業(yè)的空間差異特征，發(fā)現(xiàn)我國(guó)物流業(yè)碳排放存在顯著的正向關(guān)聯(lián)性［8］；劉漢初等提出，我國(guó)高耗能產(chǎn)業(yè)在空間上呈現(xiàn) “西高東低”與“北高南低”并存的分布格局，具有顯著的空間自相關(guān)性［9］。同時(shí)，也有學(xué)者從不同尺度研究碳排放的時(shí)空特征，研究區(qū)域主要集中在黃河三角洲、長(zhǎng)江三角洲地區(qū)、京津冀地區(qū)以及相關(guān)省、市。如：王少劍等運(yùn)用地理加權(quán)回歸模型對(duì)中國(guó)省域碳足跡的空間差異和多機(jī)制進(jìn)行了研究，指出人口增長(zhǎng)和經(jīng)濟(jì)發(fā)展是碳足跡快速增長(zhǎng)的主要影響因子［10］；韋彥汀等則從區(qū)域角度出發(fā)，選取成渝城市群為研究對(duì)象，運(yùn)用空間計(jì)量法分析了該城市群碳排放的時(shí)序特征和空間差異［11］。

現(xiàn)有的碳排放空間分布研究呈現(xiàn)以下特點(diǎn)：首先，大部分研究集中于宏觀尺度，以全國(guó)、省級(jí)或典型的區(qū)域?yàn)檠芯繉?duì)象，對(duì)微觀尺度碳排放系統(tǒng)和空間異質(zhì)性的研究相對(duì)較少；其次，碳排放的研究多聚焦于能源消耗、行業(yè)、交通等領(lǐng)域，對(duì)土地使用功能與碳排放關(guān)系的研究相對(duì)不足。本研究選取北京中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）作為研究對(duì)象，采用碳排放系數(shù)法估算碳排放，綜合考慮微觀尺度和空間相對(duì)可比性，運(yùn)用空間自相關(guān)法，并結(jié)合街道功能進(jìn)行分析。旨在通過(guò)研究北京市不同街道碳排放本文中的街道碳排放是指以街道辦事處行政管理為測(cè)算單元的碳排放量，簡(jiǎn)稱街道碳排放。的時(shí)空分布特征，分析其分布規(guī)律和變化趨勢(shì)，并提出相關(guān)建議，為北京市的降碳減排和環(huán)境治理提供科學(xué)依據(jù)，助力城市實(shí)現(xiàn)碳中和目標(biāo)。

1研究方法和數(shù)據(jù)來(lái)源

1.1研究方法

1.1.1碳排放估算方法

本研究基于土地利用碳源，參考相關(guān)文獻(xiàn)［12-14］，結(jié)合數(shù)據(jù)的可獲取性，以能源消耗、工業(yè)產(chǎn)品生產(chǎn)和廢棄物處理為主要指標(biāo)，對(duì)北京市街道碳排放進(jìn)行估算。首先，從能源消費(fèi)（E）、工業(yè)產(chǎn)品生產(chǎn)（D）和廢棄物處理（W）3個(gè)方面對(duì)各區(qū)的碳排放（C）進(jìn)行核算；其次，利用北京市第六次和第七次人口普查的鄉(xiāng)鎮(zhèn)、街道數(shù)據(jù)，進(jìn)一步核算北京中心城區(qū)121個(gè)街道的碳排放（見(jiàn)式（1））。

能源消費(fèi)碳排放的核算采用北京市2010年和2020年的終端能源（不包括電力）消費(fèi)數(shù)據(jù)，依據(jù)《2006年IPCC國(guó)家溫室氣體清單指南》中的方法［15］（見(jiàn)式（2）），并參考《省級(jí)溫室氣體清單編制指南》（發(fā)改辦氣候〔2011〕1041號(hào)）中確定的各類能源碳排放參考系數(shù)［16］，根據(jù)《中國(guó)能源統(tǒng)計(jì)年鑒2021》確定了能源折標(biāo)系數(shù)。具體計(jì)算公式如下：

式中：EC為能源消費(fèi)的CO2排放總量；

i為某類能源；SC為某類能源消耗總量；CAL為某類能源的平均低位發(fā)熱量；Cc為某類能源的含碳量；CO為某類能源的碳氧化率；44/12為C轉(zhuǎn)換為CO2的轉(zhuǎn)換系數(shù)。

在工業(yè)產(chǎn)品生產(chǎn)碳排放的計(jì)算中，通常只考慮水泥和鋼材生產(chǎn)過(guò)程中的碳排放（見(jiàn)式（3））。如果一個(gè)城市所使用的水泥、鋼材等工業(yè)品消費(fèi)量超過(guò)其生產(chǎn)量，則可能存在較大的隱含碳排放［17-18］（見(jiàn)式（4））。

北京市生態(tài)環(huán)境局發(fā)布的北京市固體廢物污染環(huán)境防治信息顯示：北京生活垃圾處理以衛(wèi)生填埋、焚燒和堆肥為主。不同的垃圾處理方式會(huì)產(chǎn)生不同的碳排放。本研究采用質(zhì)量平衡法［19］測(cè)算生活垃圾的碳排放。衛(wèi)生填埋處理產(chǎn)生的溫室氣體主要是甲烷（CH4）（見(jiàn)式（5）、式（6）），焚燒產(chǎn)生的溫室氣體則是二氧化碳（CO2）［20］（見(jiàn)式（7）），而堆肥處理同時(shí)計(jì)算CH4和氧化亞氮（N2O）的排放量［21］（見(jiàn)式（8）、式（9））。此外，參照CH4產(chǎn)生的溫室效應(yīng)是相同質(zhì)量CO2的21倍，N2O產(chǎn)生的溫室效應(yīng)是相同質(zhì)量CO2的298倍［21］，折算出2010年、2020年北京中心城區(qū)生活垃圾處理碳排放。

式（5）中：ECH4為填埋場(chǎng)CH4的排放量，萬(wàn)t/a；MSW0為生活垃圾填埋處理量，萬(wàn)t/a；L0為CH4產(chǎn)生潛力，以每萬(wàn)t廢物產(chǎn)生的CH4量計(jì)算，t/萬(wàn)t；R為CH4回收量，取值0［21］，萬(wàn)t/a；OX為氧化因子，取值01［21］，%；式（6）中：MCF為CH4修正因子，取值09［22］；DOC為垃圾中可降解的有機(jī)碳含量，取值015［23］；DOCF為可降解有機(jī)碳占比，取值05［24］；F為垃圾填埋產(chǎn)生的氣體中CH4的占比，取值0.5［25］；16/12為C轉(zhuǎn)換為CH4的轉(zhuǎn)換系數(shù)。

式（7）中：ECO2為垃圾焚燒過(guò)程中CO2的排放量，萬(wàn)t/a；MSWS為焚燒處理的生活垃圾量，萬(wàn)t/a；CCW為焚燒垃圾中碳的比例，取值20［24］，%；EF為垃圾焚燒過(guò)程中焚燒爐的燃燒效率，取值95［24］，%；FCF為焚燒垃圾中礦物碳占碳總量的比例，2010年和2020年分別取值317和37［21］，%；44/12為C轉(zhuǎn)換為CO2的轉(zhuǎn)換系數(shù)。

式中：ECH4為堆肥處理CH4的排放量，萬(wàn)t/a；EN2O為堆肥處理N2O的排放量，萬(wàn)t/a；MSWL為堆肥處理生活垃圾處理量，萬(wàn)t/a；EFC為對(duì)堆肥處理CH4排放因子，取值4［23］，g/kg；EFN為堆肥處理N2O排放因子，取值0.3［23］ ，g/kg。

1.1.2街道單元的主導(dǎo)功能判別

本研究借鑒已有的研究方法，采用用地功能單元的定量識(shí)別方法，并引入公眾認(rèn)知度作為權(quán)重，對(duì)諸多大型商場(chǎng)（購(gòu)物中心）、大學(xué)（高等院校）、醫(yī)院（?？漆t(yī)院）、政府機(jī)構(gòu)（市委、市政府及以上單位）、風(fēng)景名勝（風(fēng)景區(qū)、景點(diǎn)、公園）等具有地標(biāo)性的POI賦予相應(yīng)權(quán)重，即大型商場(chǎng)16、大學(xué)13、醫(yī)院10、政府機(jī)構(gòu)7、風(fēng)景名勝16［2628］。通過(guò)增權(quán)POI數(shù)量，如，某大學(xué)原來(lái)僅有一個(gè)POI，其權(quán)重為13，則該大學(xué)POI的計(jì)算數(shù)量為13個(gè)。計(jì)算公式為

式中：i表示POI類型，Ni表示研究單元內(nèi)第i類POI數(shù)占該類POI總數(shù)的頻數(shù)密度；Ci表示第i類POI頻數(shù)密度占研究單元內(nèi)所有類型POI頻數(shù)密度的比例。

根據(jù)上述公式計(jì)算出每個(gè)單元的頻數(shù)密度比例，以判別其主導(dǎo)功能?，F(xiàn)有研究大多以50%作為判斷標(biāo)準(zhǔn)，即如果某研究單元內(nèi)某類POI頻數(shù)密度大于50%，則該單元被視為單一功能單元，否則，為混合功能單元。這種方法雖然精確度較高，但鑒于本研究是以街道為研究單元，研究區(qū)域內(nèi)POI的頻數(shù)密度差值較為平均，因此功能劃分效果并不理想。郭亞峰等提出以各類POI頻數(shù)密度比例之間的差值作為主導(dǎo)功能劃分依據(jù)［28］。即如果某單元內(nèi)頻數(shù)密度比例最高的POI與次高的POI比值相差超過(guò)10%，則判定此單元為單一功能單元。對(duì)于混合功能單元，則根據(jù)單元內(nèi)POI頻數(shù)密度比值之差小于10%的POI類型進(jìn)行劃分。例如，某單元內(nèi)頻數(shù)密度比例最高的為a類POI，次高為b類POI，該單元可稱為ab混合功能單元。

1.1.3空間自相關(guān)分析

本研究運(yùn)用探索性空間數(shù)據(jù)分析方法（ESDA）中的全局空間自相關(guān)和局部空間自相關(guān)，對(duì)北京中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）碳排放進(jìn)行空間異質(zhì)性和聚集性特征分析。其中，全局空間自相關(guān)能夠描述空間要素屬性值在區(qū)域內(nèi)的空間關(guān)聯(lián)特征，同時(shí)體現(xiàn)相鄰區(qū)域?qū)傩灾档南嚓P(guān)性，常用Morans I指數(shù)表示；局部空間自相關(guān)能夠揭示局部區(qū)域內(nèi)空間的異質(zhì)性。計(jì)算公式為

式中：I為Morans指數(shù)，n為研究單元數(shù)量；X為要素x的平均值；

S為要素x的標(biāo)準(zhǔn)差；Wij為要素i和j之間的空間權(quán)重；Ii為局部Morans I。Morans I取值區(qū)間為［-1，1］，當(dāng)I>0時(shí)，表示空間分布呈正相關(guān)，碳排放較高或較低的區(qū)聚集在一起；當(dāng)I=0時(shí)，表示空間分布無(wú)相關(guān)，碳排放缺乏空間關(guān)聯(lián)性；當(dāng)I<0時(shí)，表示空間分布呈負(fù)相關(guān)，相鄰區(qū)的碳排放存在差異。

式中：E（I）表示Morans I指數(shù)的期望值；V（I）表示Morans I指數(shù)的方差。當(dāng)Z（I）>196時(shí)，說(shuō)明變量在P=5%的顯著水平上通過(guò)檢驗(yàn)。

1.2數(shù)據(jù)來(lái)源與預(yù)處理

本研究中碳排放核算所使用的能源消費(fèi)、房屋竣工量、水泥生產(chǎn)量和生活垃圾處理量等數(shù)據(jù)，主要來(lái)源于《中國(guó)能源統(tǒng)計(jì)年鑒》《北京市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》《北京市區(qū)域統(tǒng)計(jì)年鑒》《北京市統(tǒng)計(jì)年鑒》以及國(guó)家統(tǒng)計(jì)局。街道人口數(shù)據(jù)則來(lái)源于城市人口網(wǎng)站，北京市鄉(xiāng)鎮(zhèn)邊界矢量數(shù)據(jù)來(lái)源于OpenStreetMap。本研究選取2020年的行政區(qū)劃為樣本，根據(jù)街道（鄉(xiāng)鎮(zhèn)）人口普查數(shù)據(jù)，對(duì)街道（鄉(xiāng)鎮(zhèn)）矢量數(shù)據(jù)進(jìn)行校對(duì)與合并。使用Arcgis102軟件進(jìn)行裁剪，最終得到2010年和2020年北京中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）的數(shù)據(jù)。

①由于未能獲取北京市2010年P(guān)OI數(shù)據(jù)，考慮到時(shí)間跨度不大，本文用2012年P(guān)OI數(shù)據(jù)進(jìn)行處理，劃分結(jié)果代表2010年街道（鄉(xiāng)鎮(zhèn)）的功能。

在街道功能識(shí)別方面，本研究利用Python爬取了高德開放平臺(tái)提供的北京市2012年和2020年的POI數(shù)據(jù)，劃分出121個(gè)街道（鄉(xiāng)鎮(zhèn)）在2010年和2020年的街道功能①，對(duì)獲取的數(shù)據(jù)進(jìn)行清洗，剔除與功能單元識(shí)別不相關(guān)的POI，如公廁、ATM、自然地名、門牌等，再通過(guò)定義投影、坐標(biāo)轉(zhuǎn)換、裁剪、合并等預(yù)處理步驟，將POI數(shù)據(jù)劃分為居住、商業(yè)、產(chǎn)業(yè)、公共服務(wù)和景觀休閑五大類。

2碳排放時(shí)空變化分析

2.1碳排放時(shí)間變化特征

依據(jù)上述碳排放測(cè)算公式，本研究估算了北京中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）2010年和2020年的碳排放，之后，根據(jù)2010年碳排放的自然斷點(diǎn)法數(shù)值標(biāo)準(zhǔn)，將這兩個(gè)年份內(nèi)的街道（鄉(xiāng)鎮(zhèn)）分為5個(gè)等級(jí)（見(jiàn)圖1）。Ⅰ～Ⅴ級(jí)街道的碳排放依次遞增，級(jí)別的降低代表碳排放的減少程度。由圖1可知，從2010年至2020年，北京中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）的碳排放等級(jí)明顯降低，碳排放顯著減少。Ⅰ級(jí)街道單元數(shù)量從48個(gè)增加到96個(gè)，Ⅴ級(jí)街道單元數(shù)量降至0。此外，選取的街道單元在中心城區(qū)街道單元總數(shù)中占比較大，這一數(shù)據(jù)在很大程度上反映了10年間街道碳排放的時(shí)空變化特征，也反映了北京中心城區(qū)街道單元10年間碳排放整體呈顯著下降趨勢(shì)。另外，街道等級(jí)的空間分布呈區(qū)塊狀特征，由此推測(cè)，北京中心城區(qū)街道（鄉(xiāng)鎮(zhèn)）的碳排放可能存在一定的空間關(guān)聯(lián)性。

具體來(lái)看，2010年至2020年，北京中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）的碳排放出現(xiàn)了不同程度的降級(jí)或等級(jí)不變的情況，沒(méi)有一條街道的碳排放等級(jí)出現(xiàn)回升，這說(shuō)明中心城區(qū)采取的降碳減排措施已取得了實(shí)質(zhì)性效果。為了進(jìn)一步分析這些街道單元的降碳效果，本研究通過(guò)計(jì)算10年間的碳排放變化率，來(lái)反映街道單元的降碳幅度，并將街道單元的降碳幅度分為3個(gè)等級(jí)（見(jiàn)圖2）。即變化率小于02為輕度下降，變化率位于（02～05）之間為中度下降，變化率大于05為高度下降。據(jù)統(tǒng)計(jì)，高度下降的街道單元數(shù)量有86個(gè)，71%的街道單元的降碳幅度超過(guò)了50%，26%的街道單元的降碳幅度超過(guò)了60%。

2.2碳排放空間變化特征

2.2.1街道空間用途劃分

為了進(jìn)一步探究街道碳排放空間變化特征，本研究運(yùn)用空間自相關(guān)法，對(duì)北京中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）在2010年和2020年的街道功能類型變化情況進(jìn)行了分析。根據(jù)功能單元的判定標(biāo)準(zhǔn)，識(shí)別出商業(yè)、產(chǎn)業(yè)、居住、公共服務(wù)和景觀休閑等5種單一功能單元，以及公共—居住、產(chǎn)業(yè)—商業(yè)和商業(yè)—居住等10種混合功能單元。數(shù)據(jù)顯示：2010年，121個(gè)街道單元產(chǎn)生了40個(gè)單一功能單元和81個(gè)混合功能單元；到2020年，單一功能單元減少至32個(gè)，混合功能單元?jiǎng)t增加至89個(gè)。

①本文所有圖基于國(guó)家地理信息公共平臺(tái)GS（2022）0002號(hào)專題地圖制作，底圖無(wú)修改。

從碳排放的角度來(lái)看，在單一功能單元街道中，景觀休閑功能單元的碳排放平均值分別為45萬(wàn)噸和16萬(wàn)噸，均低于其他單一功能單元的碳排放均值。這些街道公園、廣場(chǎng)、步行街等休閑場(chǎng)所較多，大型建筑和設(shè)施較少，綠化覆蓋率較高，交通需求和能源消耗較低。在10種混合功能單元中，商業(yè)—居住的碳排放平均值分別為95萬(wàn)噸和47萬(wàn)噸，均高于其他混合功能單元的碳排放均值。這主要是因?yàn)檫@類街道人口密度高、交通需求大、建筑體積大、能源消耗高。

從降碳效果的角度來(lái)看，91個(gè)街道單元的功能類型發(fā)生了變化，包括25個(gè)單一功能單元和66個(gè)混合功能單元。對(duì)比分析兩個(gè)功能單元的降碳幅度，研究發(fā)現(xiàn)由單一功能單元轉(zhuǎn)變?yōu)榛旌瞎δ軉卧慕堤挤燃s為53%，混合功能單元轉(zhuǎn)變?yōu)閱我还δ軉卧慕堤挤燃s為48%，混合功能單元之間轉(zhuǎn)變的降碳幅度約為52%，單一功能單元之間轉(zhuǎn)變的降碳幅度約為57%。值得注意的是，當(dāng)混合功能單元轉(zhuǎn)變?yōu)橐跃坝^休閑為主導(dǎo)的單一功能單元時(shí)，降碳幅度提升了約10%。在功能類型未發(fā)生變化的30個(gè)街道單元中，單一功能單元和混合功能單元數(shù)量各占一半。混合功能單元的降碳幅度約為55%，單一功能單元的降碳幅度約為58%，其中，以景觀休閑為主的單一功能單元占73%。這說(shuō)明，當(dāng)街道單元功能由單一功能轉(zhuǎn)變?yōu)橐跃坝^休閑為主導(dǎo)功能時(shí)，其降碳效果最佳。相反，混合功能單元轉(zhuǎn)變?yōu)橐陨虡I(yè)、居住、產(chǎn)業(yè)或公共服務(wù)為主導(dǎo)的單一功能單元，則會(huì)對(duì)降碳效果產(chǎn)生一定的抑制作用。因此，在未來(lái)街道規(guī)劃和建設(shè)中，應(yīng)適當(dāng)增加景觀休閑區(qū)域，這不僅有助于保持街道的低碳排放狀態(tài)，還能提高街道的環(huán)境質(zhì)量和居民的生活品質(zhì)。

2.2.2空間關(guān)聯(lián)性分析

1）全局自相關(guān)

本研究運(yùn)用全局Morans? I指數(shù)來(lái)描述街道碳排放與地理空間的相關(guān)性。北京中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）2010年和2020年碳排放的全局Morans I指數(shù)如表1所示，兩個(gè)年份的Morans I指數(shù)估計(jì)值都大于0，正態(tài)統(tǒng)計(jì)量Z值均大于005，置信水平的臨界值為196，數(shù)據(jù)均通過(guò)顯著性檢驗(yàn)。這一結(jié)果說(shuō)明，北京中心城區(qū)的街道碳排放在空間上存在顯著正相關(guān)性，即某個(gè)街道的碳排放會(huì)受到周圍街道碳排放的正向影響，呈現(xiàn)顯著的聚集分布態(tài)勢(shì)。從全局Morans I指數(shù)變化趨勢(shì)來(lái)看，兩個(gè)年份的空間自相關(guān)性有所增強(qiáng)，這意味著碳排放較高或較低街道的聚集分布狀態(tài)也呈現(xiàn)遞增趨勢(shì)。

2）局部自相關(guān)

為了探究相鄰街道碳排放的空間相關(guān)性、空間分異特征及空間聚集或離散程度，本研究運(yùn)用局部空間自相關(guān)檢驗(yàn)并結(jié)合LISA圖進(jìn)行分析（見(jiàn)圖3）。LISA圖分為高—高（H.H）聚集區(qū)、低—低（L.L）聚集區(qū)、高—低（H.L）聚集區(qū)、低—高（L.H）聚集區(qū)和不顯著區(qū)域。H.H和L.L聚集區(qū)的街道碳排放與相鄰街道碳排放之間存在空間正相關(guān)，H.L和L.H聚集區(qū)則相反。由此可見(jiàn)，北京中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）碳排放主要位于HH和LL聚集區(qū)，說(shuō)明中心城區(qū)街道碳排放呈高高和低低的空間關(guān)聯(lián)模式。

2010—2020年，北京中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）單元的碳排放在空間分布上具有顯著的空間自相關(guān)性，并呈現(xiàn)出相對(duì)穩(wěn)定的空間聚集性（見(jiàn)表2）。在此期間，LL聚集區(qū)的街道單元數(shù)量增加了42%，其他3個(gè)聚集區(qū)數(shù)量的相對(duì)穩(wěn)定，說(shuō)明街道碳排放的LL聚集效應(yīng)在逐漸增強(qiáng)。具體來(lái)看，32個(gè)街道單元的聚集狀態(tài)相對(duì)穩(wěn)定，8個(gè)街道單元一直處于HH聚集區(qū)，2個(gè)街道單元一直處于LH聚集區(qū)，19個(gè)街道單元一直處于LL聚集區(qū)，3個(gè)街道單元一直處于HL聚集區(qū)。

本研究結(jié)合街道單元降碳效果及其功能特性，具體分析了2010—2020年北京中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）4個(gè)聚集區(qū)的特征。在HH聚集區(qū)中，2010年有9個(gè)街道單元，包括兩個(gè)以商業(yè)、產(chǎn)業(yè)為主的單一功能單元和7個(gè)以產(chǎn)業(yè)、居住、商業(yè)、公共服務(wù)兩兩混合的混合功能單元。10年間，單一功能單元的降碳平均量為97萬(wàn)噸，混合功能單元的降碳平均量為67萬(wàn)噸。雖然碳排放均有明顯下降，但2010年9個(gè)處于

H.H聚集區(qū)的街道單元中有8個(gè)街道單元在2020年仍處于該聚集狀態(tài)，且這8個(gè)街道單元的主導(dǎo)功能發(fā)生了變化，主要以公共—居住和商業(yè)—居住混合功能為主。說(shuō)明以公共—居住和商業(yè)—居住混合功能為主導(dǎo)的高碳排放街道單元在空間上有聚集效應(yīng)，這是北京中心城區(qū)街道未來(lái)減碳的主要壓力。

2010年，在L.H聚集區(qū)中有3個(gè)街道單元，其中有兩個(gè)以景觀休閑和產(chǎn)業(yè)為主導(dǎo)的單一功能街道單元，1個(gè)以公共—商業(yè)為主導(dǎo)的混合功能街道單元。10年間，單一功能單元轉(zhuǎn)變?yōu)榛旌瞎δ軉卧慕堤挤燃s為55%，混合功能單元轉(zhuǎn)變?yōu)橐怨卜?wù)為主導(dǎo)的單一功能單元的降碳幅度僅為3%。到2020年，L.H聚集區(qū)的3個(gè)街道單元的主導(dǎo)功能均具有景觀休閑特征，該類街道自身碳排放較低，但周邊街道碳排放較高。

從以上數(shù)據(jù)從側(cè)面說(shuō)明，混合功能單元轉(zhuǎn)變?yōu)槌坝^休閑功能以外的單一功能單元的降碳效果不佳，而以景觀休閑功能或景觀混合功能為主導(dǎo)的街道單元的碳排放普遍較低。

2010年，在L.L聚集區(qū)中有19個(gè)街道單元，其中單一功能單元中以景觀休閑為主的街道占80%，混合功能單元中景觀混合型街道占36%，主導(dǎo)功能具備景觀休閑功能的街道單元在這類街道單元中占比較大。10年間，該類街道單元的降碳平均量為18萬(wàn)噸，部分街道單元的主導(dǎo)功能向景觀休閑功能轉(zhuǎn)變，且該聚集區(qū)的街道單元數(shù)量在原有基礎(chǔ)上有明顯增加，說(shuō)明景觀休閑功能對(duì)街道單元維持低碳排放狀態(tài)有一定積極作用。

2010年，在H.L聚集區(qū)中有3個(gè)街道單元，均為居住—商業(yè)混合功能單元，碳排放均相對(duì)較高。10年間，降碳幅度約為53%，到2020年，有3個(gè)街道單元仍處于該類聚集區(qū)，且街道單元的主導(dǎo)功能基本沒(méi)有變化。該區(qū)域的特征是自身的碳排放較高，但周邊街道的碳排放較低，說(shuō)明以商業(yè)—居住混合功能為主導(dǎo)的街道單元碳排放普遍較高。

3結(jié)論與討論

3.1結(jié)論

本研究以北京中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）單元為研究對(duì)象，研究了2010—2020年間這些街道單元的碳排放時(shí)空變化特征，得到以下結(jié)論：

1）中心城區(qū)街道碳排放總體呈下降趨勢(shì)。研究將街道單元根據(jù)碳排放量從小到大分為Ⅰ～Ⅴ級(jí)。令人欣喜的是，到2020年，Ⅰ級(jí)街道單元的數(shù)量從48個(gè)增加至96個(gè)，Ⅴ級(jí)街道單元的數(shù)量減少至0個(gè)。這一顯著變化說(shuō)明北京中心城區(qū)121個(gè)街道（鄉(xiāng)鎮(zhèn)）在碳排放上都取得了顯著成效，其中，71%的街道單元的降碳幅度超過(guò)50%，26%的街道單元的降碳幅度甚至超過(guò)60%。

2）根據(jù)街道單元的主導(dǎo)用地功能，本研究將121個(gè)街道（鄉(xiāng)鎮(zhèn)）單元?jiǎng)澐譃榫幼?、商業(yè)、產(chǎn)業(yè)、公共服務(wù)和景觀休閑等單一功能，以及多種類混合功能的街道單元，不同功能的街道單元的降碳效果有一定的差異。

3）在碳排放方面，以景觀休閑功能為主的單一功能街道的碳排放最低，以商業(yè)—居住為主的混合功能街道單元的碳排放最高。在降碳方面，當(dāng)街道單元的功能從單一功能向以景觀休閑為主導(dǎo)功能轉(zhuǎn)變時(shí)，降碳效果最為明顯；混合功能單元向以商業(yè)、居住、產(chǎn)業(yè)或公共服務(wù)為主導(dǎo)的單一功能單元轉(zhuǎn)變時(shí)，降碳效果受到一定程度的抑制。

4）中心城區(qū)街道碳排放的全局空間自相關(guān)性顯著，隨著時(shí)間的推移，相關(guān)性有所增強(qiáng)，聚集效應(yīng)不斷提升。同時(shí)，街道碳排放也表現(xiàn)出局部自相關(guān)性，主要呈現(xiàn)

H.H和L.L聚集的特征，H.H聚集區(qū)的效應(yīng)相對(duì)穩(wěn)定，L.L聚集區(qū)的效應(yīng)在逐漸增強(qiáng)。

5）通過(guò)局部自相關(guān)分析發(fā)現(xiàn)，以公共—居住和商業(yè)—居住混合功能為主導(dǎo)的高碳排放街道單元在空間上有聚集效應(yīng)，景觀休閑功能對(duì)于保持街道單元的低碳排放狀態(tài)有一定的積極作用。

3.2討論

本研究發(fā)現(xiàn)，2010—2020年，雖然北京部分街道的人口數(shù)量有所增長(zhǎng)，碳排放卻呈下降趨勢(shì)，這一現(xiàn)象反映出近年來(lái)北京市實(shí)施的一系列降碳減排措施取得了顯著成效，包括功能疏解、城市綠化、垃圾分類和處理、企業(yè)碳排放標(biāo)準(zhǔn)提高、機(jī)動(dòng)車限行、公共交通網(wǎng)絡(luò)建設(shè)和優(yōu)化、環(huán)保監(jiān)督加強(qiáng)、清潔能源以及節(jié)能減排技術(shù)推廣等。研究還發(fā)現(xiàn)，單一功能街道與混合功能街道對(duì)碳排放的影響差異并不顯著，但在降碳效果上，具有景觀休閑功能的街道有顯著的優(yōu)勢(shì)，對(duì)提升降碳效果有明顯的推動(dòng)作用。因此，在未來(lái)街道的更新和建設(shè)中，應(yīng)更加注重景觀休閑功能的發(fā)展和提升。同時(shí)，研究也暴露出一些問(wèn)題，部分街道單元的碳排放變化不大，降碳效果不明顯，一方面說(shuō)明這些地區(qū)的降碳減排工作面臨著新的挑戰(zhàn)，未來(lái)的工作任重道遠(yuǎn)。另一方面反映出本研究在碳核算方面選取的指標(biāo)還有待完善，未來(lái)研究應(yīng)進(jìn)一步探討估算街道碳排放的方法。

［參考文獻(xiàn)］

［1］孫建衛(wèi)，趙榮欽，黃賢金，等.1995—2005年中國(guó)碳排放核算及其因素分解研究［J］.自然資源學(xué)報(bào)，2010，25（8）：1284-1295.

［2］趙欣，龍如銀.江蘇省碳排放現(xiàn)狀及因素分解實(shí)證分析［J］.中國(guó)人口·資源與環(huán)境，2010，20（7）：25-30.

［3］劉明達(dá)，蒙吉軍，劉碧寒.國(guó)內(nèi)外碳排放核算方法研究進(jìn)展［J］.熱帶地理，2014，34（2）：248-258.

［4］王越.中國(guó)建筑業(yè)碳排放強(qiáng)度時(shí)空差異及影響因素研究［D］.哈爾濱：哈爾濱師范大學(xué)，2021.

［5］王凱，肖燕，李志苗，等.中國(guó)旅游業(yè)CO2排放區(qū)域差異的空間分析［J］.中國(guó)人口·資源與環(huán)境，2016，26（5）：83-90.

［6］XU B，XU L，XU，R J，et al.Geographical analysis of CO2 emissions in Chinas manufacturing industry：a geographically weighted regression model［J］.J Clean Prod，2017，166（10）：628-640.

［7］YING L A，CHAO F B.Decouple transport CO2 emissions from Chinas economic expansion： a temporalspatial analysisScienceDirect［J］.Transportation Research Part D： Transport and

Environment，2020，79（2）1-16.

［8］曾玨，周葉.中國(guó)省域物流業(yè)碳排放空間差異分析［J］.物流科技，2019，42（6）：113-119.

［9］劉漢初，樊杰，曾瑜皙，等.中國(guó)高耗能產(chǎn)業(yè)碳排放強(qiáng)度的時(shí)空差異及其影響因素［J］.生態(tài)學(xué)報(bào)，2019，39（22）：8357-8369.

［10］WANG S， FANG C， GUAN X， et al. Urbanisation， energy consumption， and carbon dioxide emissions in China： a panel data analysis of Chinas provinces［J］.Applied Energy，2014（136）：738-749.

［11］韋彥汀，李思佳，張華.成渝城市群碳排放時(shí)空特征及其影響因素［J］.中國(guó)環(huán)境科學(xué)，2022，42（10）：4807-4816.

［12］方琦，錢立華，魯政委.我國(guó)實(shí)現(xiàn)碳達(dá)峰與碳中和的碳排放量測(cè)算［J］.環(huán)境保護(hù)，2021，49（16）：49-54.

［13］王偉歌.城市碳排放測(cè)算研究——以鄭州市為例［J］.環(huán)境科學(xué)與管理，2015，40（4）：13-16.

［14］唐偉，鄭思偉，何平，等.杭州市城市生活垃圾處理主要溫室氣體及VOCs排放特征［J］.環(huán)境科學(xué)研究，2018，31（11）：1883-1890.

［15］李惠民，張西，張哲瑜，等.北京市碳排放達(dá)峰路徑及政策啟示［J］.環(huán)境保護(hù)，2020，48（5）：24-31.

［16］宋明智.北京城市碳排放量與影響指標(biāo)分析［J］.環(huán)境工程，2016，34（S1）：1125-1131.

［17］錢杰.大都市碳源碳匯研究——以上海市為例［D］.上海：華東師范大學(xué)，2004.

［18］婁偉.城市碳排放量測(cè)算方法研究——以北京市為例［J］.華中科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2011，25（3）：104-110.

［19］WANG， H，WANG C M.Municipal solid waste management in Beijing： characteristics and challenges［J］.Waste Manage， 2013，31（1）67-72.

［20］鄒瓊，付君哲，楊麗瓊，等.云南省城市生活垃圾處理溫室氣體排放特征［J］.資源開發(fā)與市場(chǎng)，2021，37（2）：141-145.

［21］劉春紅，郝學(xué)軍，劉楓.北京市城市生活垃圾處理溫室氣體排放特征及減排策略［J］.環(huán)境工程技術(shù)學(xué)報(bào)，2022，12（4）：1041-1047.

［22］蔡博峰，劉建國(guó)，曾憲委，等.基于排放源的中國(guó)城市垃圾填埋場(chǎng)甲烷排放研究［J］.氣候變化研究進(jìn)展，2013，9（6）：406-413.

［23］仲璐，胡洋，王璐.城市生活垃圾的溫室氣體排放計(jì)算及減排思考［J］.環(huán)境衛(wèi)生工程，2019，27（5）：45-48.

［24］省級(jí)溫室氣體清單編制指南（試行 ）［EB/OL］.（2020-03-19）［2023-10-20］.http：//www.ncsc.org.cn/SY/tjkhybg/202003/t20200319_769763.shtml.

［25］雷欽平.爐排式生活垃圾焚燒爐技術(shù)及應(yīng)用［J］.重慶科技學(xué)院學(xué)報(bào)（社會(huì)科學(xué)版），2011，155（16）：71-72.

［26］趙衛(wèi)鋒，李清泉，李必軍.利用城市POI數(shù)據(jù)提取分層地標(biāo)［J］.遙感學(xué)報(bào)，2011，15（5）：973-988.

［27］池嬌，焦利民，董婷，等.基于POI數(shù)據(jù)的城市功能區(qū)定量識(shí)別及其可視化［J］.測(cè)繪地理信息，2016，41（2）：68-73.

［28］郭亞峰，藍(lán)貴文，范冬林，等.基于POI數(shù)據(jù)的城市功能區(qū)識(shí)別［J］.桂林理工大學(xué)學(xué)報(bào)，2022，42（3）：655-662.