用户名
密码
(30天内有效)
注册
注册
首页 > 案例资料 >

【论文学习】基于大数据的南京市高分辨率碳排放模拟与空间异质性分析

我要收藏
2022-05-24

图片


题目:基于大数据的南京市高分辨率碳排放模拟与空间异质性分析

作者:揣小伟,南京大学地理与海洋科学学院

通讯作者:冯建喜,南京大学建筑与城市规划学院城市规划与设计系

E-mail:  jxfup@nju.edu.cn  (J. Feng).



1 研究综述

研究碳排放的空间分布对制定碳减排战略具有重要意义,准确的碳排放地图可以帮助政府合理分配碳减排任务,制定切实可行的低碳发展战略。本研究在城市层面收集了各种来源的大数据,并设计了一种新的方法来检验南京市在300m高分辨率下的碳排放。此外,还比较了区域差异,分析了影响因素。


随着大数据的快速发展,南京市的数据库变得更加丰富。本研究在城市层面收集了对提高碳排放空间分辨率有很大帮助的各种大数据,并设计了一个研究框架,以更好地利用这些数据,提高模拟精度。本研究可为高分辨率碳排放模拟提供全新的理论和实践指导,特别是对于缺乏详细领域调查的地区,可从空间角度为低碳管理提供详细的参考。



2 研究数据与方法

本研究考虑的碳排放包括城市住宅、农村住宅、工业、商业和农业活动的能源消耗所产生的排放。由于数据限制,交通运输的排放不包括在内。中国能源消费统计以省为基本单位,采用多源数据完成碳排放计算。能源类别包括煤、石油、天然气和电力。能源消费和其他与碳排放计算有关的经济社会数据由《中国能源统计年鉴》和《南京统计年鉴》提供。


2016年不同土地利用类型矢量层图像由南京市规划局和南京市国土资源局提供。土地利用类型分布包括城市居住用地、农村居住用地、商业用地、工业用地、道路、绿地、水域和耕地。对于居住用地,获取了所有居住小区的大数据,包括经纬度信息、土地面积、居民人数、某一居住小区内的建筑数量。由城市规划部门提供。农村居民点分布由土地利用类型的图像提供。采用碳排放系数法计算不同行业的碳排放量,根据不同土地利用类型对碳排放进行分配,并根据土地分布和不同土地特征进行二次分配,详情如下表:


图片

表 数据来源、分配过程及空间分辨率


对于住宅用地的碳排放分配,我们假设每幢建筑和每层楼都在使用,都有一个平均的能耗水平。假设江苏省所有城市的能源消费水平都是相同的。因此,根据南京市人口占全省的比例计算南京市碳排放的分布。在模拟碳排放强度时,我们假设同类行业的技术水平相同。



3 结果与分析

高分辨率碳排放的空间分布

基于各种大数据,绘制了300 m网格的碳排放空间分布图。由于数据有限,道路和水域的碳排放没有包括在内。碳排放密度分布在0-18158 t/格网之间,均值为517t,标准差为2459t。空间上,南京市碳排放密度低于50t/格网的格网分布较广。50-1000 t/格网中等排放水平的格网主要集中在城市核心区,特别是长江以南地区,南京人口和人类活动集中在该区域。也有远离中心城区分散分布的网格,如南部,主要是丽水和高淳地区的居住用地。


此外,核心区外围区域包含主要工业园区用地,如沿江西南、北部和东南部,主要分布在江宁、浦口、六河和栖霞区域内。由于工业能耗是碳排放的主要来源,因此工业用地的排放密度远高于其他网格,甚至远高于人口和人类活动最集中的核心城区。


图片

图 (a)南京市各栅格碳排放空间分布(t/栅格)、(b)工业 (c)商业 (d)居民,每个栅格面积约为0.09 km2。对于耕地,碳排放的计算基于区域差异


不同地区碳排放的比较

首先,比较了11个区县的平均碳排放强度。网格区域内的平均碳排放密度存在明显差异。第二,统计数据不同排放水平的碳排放强度的百分比计算为南京的城市和11区。


分析影响因素,确定碳排放的空间差异

本部分选取主要影响因素来解释11个区域的排放强度差异。由于土地利用的类型可以决定相应的人类在土地上的活动,从而影响能源消耗,因此土地利用肯定是决定碳排放的最关键因素。


根据本研究考虑的碳排放,本文采用商业用地、耕地、工业用地、居住用地和未开发用地的排放百分比作为指标进行分析。社会和经济指标可以驱动碳排放的增加,我们选择与家庭、人口、GDP、工业产出和夜间照明相关的强度进行分析。下表列出所有11个地区所选指标的值。


图片

表 11个地区的影响因素选择与比较


对11个地区的碳排放强度与影响因素进行相关性分析。结果表明,碳排放强度与各指标均存在较强的相关性。显著性检验除绿地外,均通过了pb0.01水平。耕地和绿地比例是仅有的两个呈负相关的指标。这说明增加这两种土地利用方式可以减少碳排放。与工业用地和工业产出相关的百分比相关性相对较弱。显著性检验表明,在0.05水平上可以通过检验,但在0.01水平上不能通过检验。GDP、住宅用地比例和夜间光照强度的相关系数均大于0.8。



4 讨论与研究贡献

碳排放的计算主要基于能源结构资产负债表,只包括能源消费产生的碳排放。根据政府间气候变化专门委员会(IPCC)的框架,碳源还包括工业过程、废物处理、土地利用变化和林业变化的排放。因此,研究中考虑的碳排放总量可能略低于现实值,因为其他三个部门的碳排放远远低于能源消费的碳排放总量。


工业用地也是其他空气污染物的来源,将对人类的生存环境产生重大影响。城市规划中工业用地的空间布局设计必须受到环境保护部门的严格控制。水、土壤、空气的影响和对人类健康的损害将被认真评估。住宅用地是继工业用地之后的第二大碳排放源。住宅建筑的主要功能是支撑人口,是碳排放的主要贡献者,住宅小区的容积率直接影响人口密度,从而确定了碳排放强度。在享受各种便利的同时,核心城区也面临着人口密度高带来的许多问题,如环境噪音、交通堵塞、空气污染、比郊区温度更高等。为了减少碳排放,必须鼓励绿色建筑技术,节能实践也很重要,需要渗透到生活的各个方面。


在城市层面,本研究首次提出了碳排放空间分布分析的新方法和框架,并在大数据的支持下,比以往研究提高了分辨率和准确性。可为其他城市的碳排放研究提供概念和方法上的指导。高空间分辨率的碳排放图对于科学研究和政策制定都具有重要意义,有利于绿色城市规划和建设。



【声明】

本推送内容仅代表个人对文章的理解,请有兴趣的同学阅读原文。本人水平有限,难免出现错讹,也请各位老师、同学批评指正!


本文转载自: 土地资源管理文献分享 

原文作者:王颖涵


本站声明

本文仅代表作者观点,不代表城市数据派立场;
本文系作者授权城市数据派发表,未经许可,不得转载;
本网站上的所有内容均为虚拟服务,一经购买成功概不退款,请您理解。

点赞0