论文部分内容阅读
近年来,二氧化碳等温室气体在大气中不断积累,严重影响全球气候变化,频繁出现雾霾等极端天气。货物运输业高度依赖石油能源,能源消耗过程中产生大量二氧化碳,货物运输业已经成为全球碳排放的主要来源之一。我国国土面积辽阔,各市之间的经济发展、资源禀赋、交通设施发展不均衡,各地区间货物运输碳排放具有较大差别,具有显著的地区性分布特征。本文的研究对象为各市的货物运输碳排放量,研究区域包含全国286个市,测算并分析2000年到2015年货物运输碳排放时空数据。以经济变量、人口变量、城镇用地面积和货运强度为影响因素,探测了货物运输碳排放量与影响因素间的关系。具体的研究目的包括:(1)利用相关因素综合计算得到各市货物运输碳排放量;(2)依据货物运输碳排放的时空分布特征,总结碳排放的时空变化规律;(3)探求货物运输碳排放的空间异质性特征;(4)运用地理加权回归方法,与普通线性回归模型结果进行对比,分析影响因素对货物运输碳排放的影响水平。为实现以上的研究目的,本文将从以下四个方面进行研究,得到如下结论:首先,利用微观排放模型完成了市域尺度的公路、铁路、航空和水路货运运输碳排放的测算。整体来看,2000年到2012年间,我国货物运输碳排放整体呈现逐渐增长的趋势,2012年后碳排放呈波动趋势,由2000年的1.5亿吨增长为2015年的11.2亿吨,碳排放总量超过250万吨的市由66个增长到156个,碳排放量较多的地区集中在发展较快的一线城市。我国货物运输碳排放贡献最大的运输方式为公路运输。其次,利用空间分析方法探究货物运输碳排放的时空分布特征。空间自相关性分析结果显示:Moran’s I值均大于0且P<0.05,各市间货物运输碳排放量存在正相关关系,且具有显著的空间集聚特征,其中2010年的热点区域(H-H)最多,有32个。热点区域分布在华北地区和华东地区,冷点区域散布在西南地区。再次,利用地理探测器分析了货物运输碳排放的空间分层异质性,探究了影响因素与货物运输碳排放的空间分异性关系,整体来看经济变量的因子贡献力最强,其次是城镇用地面积和人口变量。最后,利用地理加权回归(GWR)方法探究了各因素与货物运输碳排放的影响程度,以及变量在不同空间区域的影响。GWR模型的回归精度较线性回归精度明显提高,本文还分别统计了各因素与货物运输碳排放显著相关的市的数量占比、空间分布及对应的年平均碳排放量。四种影响因素与碳排放量间都存在不同程度的正相关关系。