摘要：選取關(guān)中平原城市群為研究對(duì)象，線性反演2001—2020年關(guān)中平原城市群市域的碳排放量，并探究不同尺度上碳排放時(shí)空分布的動(dòng)態(tài)規(guī)律，結(jié)果表明：碳排放增速較快的地區(qū)主要集中在陜西省中、南部；2001—2020年市域碳排放均表現(xiàn)為顯著的空間正相關(guān)；2001—2020年市域碳排放的顯著性空間關(guān)聯(lián)類型基本一致，表現(xiàn)為高碳排放區(qū)集中在山西省和陜西省，低碳排放區(qū)集中在甘肅省。本研究能為關(guān)中平原城市群區(qū)域化、差異化碳減排政策的制定與實(shí)施提供一定的支撐。

關(guān)鍵詞：碳排放；關(guān)中平原城市群；夜間燈光數(shù)據(jù)

中圖分類號(hào)：X321文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：2095-6916（2024）17-0028-05

Multi Scale Analysis of Temporal and Spatial Evolution of Carbon Emissions

in Guanzhong Plain Urban Agglomeration Based on Night Light Data

Dong Xiuping1Yang Zhijie2

（1. Xi’an Transportation Development Research Center， Xi’an 710082;

2. School of Economics and Management， Chang’an University， Xi’an 710064）

Abstract： Taking the Guanzhong Plain Urban Agglomeration as the research object， the carbon emissions of the Guanzhong Plain urban agglomeration from 2001 to 2020 were inversed linearly， and the dynamic laws of the temporal and spatial distribution of carbon emissions at different scales were explored. The results showed that the regions with rapid growth of carbon emissions were mainly concentrated in the middle and south of Shaanxi Province; from 2001 to 2020， the regional carbon emissions showed a significant positive spatial correlation; the significant spatial correlation types of urban carbon emissions from 2001 to 2020 are basically the same， showing that the high carbon emission areas were concentrated in Shanxi and Shaanxi provinces， and the low carbon emission areas were concentrated in Gansu Province. This study can provide certain support for the formulation and implementation of regionalization and differentiated carbon emission reduction policies in Guanzhong Plain urban agglomeration.

Keywords： carbon emissions; Guanzhong Plain Urban Agglomeration; night light data

關(guān)中平原城市群作為西部大開發(fā)戰(zhàn)略的龍頭和西北地區(qū)經(jīng)濟(jì)發(fā)展的重點(diǎn)區(qū)域，各城市的經(jīng)濟(jì)水平已步入新的發(fā)展階段，城市的能源碳排放也在相應(yīng)增加。目前各大城市要從產(chǎn)業(yè)體系創(chuàng)新、低碳能源基地建設(shè)、綠色產(chǎn)業(yè)投入升級(jí)、清潔生產(chǎn)技術(shù)改造、散煤治理等多方面出發(fā)，積極探尋區(qū)域減碳、降碳新途徑。然而，區(qū)域內(nèi)各城市甚至各縣之間在煤炭資源稟賦、經(jīng)濟(jì)發(fā)展水平、城市化進(jìn)程等方面存在明顯的差距，導(dǎo)致區(qū)域碳排放的分布格局具有空間異質(zhì)性［1］。因此，有必要細(xì)化關(guān)中城市群碳排放空間格局的動(dòng)態(tài)研究，深入分析市域不同視角下碳排放的空間集聚特點(diǎn)，為精準(zhǔn)定位重點(diǎn)減排區(qū)域，制定針對(duì)性、差異化的減排措施提供理論依據(jù)和實(shí)踐支撐。

一、研究概況與數(shù)據(jù)來(lái)源

（一）研究區(qū)域概況

關(guān)中平原城市群（簡(jiǎn)稱“關(guān)中城市群”）位于我國(guó)中部地區(qū)，規(guī)劃范圍包括山西、陜西、甘肅三個(gè)片區(qū)，在2018年發(fā)展成為國(guó)家級(jí)城市群。在城市化建設(shè)水平和經(jīng)濟(jì)發(fā)展水平提高的同時(shí)，關(guān)中城市群綜合能源需求量也逐漸上升，致使區(qū)域碳排放相應(yīng)增加，因此，該地區(qū)的碳排放具有極大的研究?jī)r(jià)值。

（二）數(shù)據(jù)來(lái)源

本文主要使用到三類數(shù)據(jù)，包括DMSP/OLS和NPP/VIIRS夜間燈光數(shù)據(jù)、全國(guó)市、縣行政界線矢量數(shù)據(jù)以及多種社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)，其中，（1）夜間燈光數(shù)據(jù)包括DMSP/OLS和NPP/VIIRS兩種夜間燈光遙感影像數(shù)據(jù)集，我們將兩組夜間燈光進(jìn)行融合，構(gòu)造時(shí)間跨度為2001—2020年的年度夜間燈光數(shù)據(jù)集；（2）全國(guó)市、縣行政界線矢量圖數(shù)據(jù)來(lái)自于國(guó)家基礎(chǔ)地理信息中心，我們借助此數(shù)據(jù)裁剪研究區(qū)域?yàn)殛P(guān)中平原城市群的矢量圖，用于全球夜間燈光影像的掩膜提取工作和后續(xù)分析；（3）各省分品種能源消費(fèi)量來(lái)自于《中國(guó)能源統(tǒng)計(jì)年鑒》，各區(qū)縣年末常住人口、國(guó)內(nèi)生產(chǎn)總值和第二產(chǎn)業(yè)增加值均來(lái)自于各省市統(tǒng)計(jì)年鑒和國(guó)民經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)；能源折算標(biāo)準(zhǔn)煤系數(shù)來(lái)源于《中國(guó)能源統(tǒng)計(jì)年鑒2017》；碳排放因子數(shù)據(jù)來(lái)源于《中國(guó)能源統(tǒng)計(jì)年鑒》和《2006年國(guó)家溫室氣體排放清單指南》。

二、研究方法

（一）碳排放量估算模型

1.統(tǒng)計(jì)碳排放計(jì)算

參考IPCC發(fā)布的碳排放計(jì)算方法，使用官方公布的各類能源消費(fèi)數(shù)據(jù)和排放系數(shù)，估計(jì)2001—2019年陜西、山西和甘肅的統(tǒng)計(jì)碳排放量，具體如式（1）：

TPF=4412×∑9i=1ξiEi 式（1）

其中，TPF代表碳排放量，Ei代表第i種能源折算為標(biāo)準(zhǔn)煤的消耗量，ξi代表第i種能源的碳排放系數(shù)，相關(guān)系數(shù)見(jiàn)表1。

2.擬合碳排放計(jì)算

參考已有研究成果，同一地區(qū)的夜間燈光總值和碳排放量之間存在較強(qiáng)的線性關(guān)系［2］?？紤]到市域的能源統(tǒng)計(jì)數(shù)據(jù)較難獲取，而不同尺度上的相關(guān)關(guān)系具有一致性，因此通過(guò)數(shù)據(jù)預(yù)處理，提取了2001—2019年陜西、山西和甘肅省的夜間燈光總值，將其和對(duì)應(yīng)時(shí)期的統(tǒng)計(jì)碳排放量進(jìn)行線性回歸，回歸模型的相關(guān)系數(shù)達(dá)到0.83，擬合優(yōu)度良好，具體如式（2）：

TPF=a×TDN＋b 式（2）

其中，a=0.031，b=-4.423，TPF、TDN分別代表對(duì)應(yīng)地區(qū)的碳排放和夜間燈光數(shù)據(jù)。以此公式為基礎(chǔ)，利用校正后的2001—2020年關(guān)中城市群市域夜間燈光DN值估算出2001—2020年關(guān)中城市群市域碳排放量。

3.碳排放擬合精度檢驗(yàn)

為進(jìn)一步檢驗(yàn)碳排放的估計(jì)精度，對(duì)統(tǒng)計(jì)碳排放和擬合碳排放進(jìn)行線性回歸。如圖1所示，統(tǒng)計(jì)量和估計(jì)值之間的均方根誤差為4 659.89萬(wàn)t，最大相差12 913.06萬(wàn)t，最小相差14.22萬(wàn)t，相關(guān)系數(shù)為0.964 3，平均相對(duì)誤差為9.79%。利用夜間燈光數(shù)據(jù)構(gòu)建的碳排放線性估算模型精度良好，可以用于估計(jì)關(guān)中城市群市域的碳排放量，開展不同尺度上碳排放的時(shí)空演變特征研究。

（二）碳排放時(shí)空演變分析方法

在省級(jí)尺度上將各省片區(qū)分別視為一個(gè)省級(jí)地理單元，在地級(jí)市尺度上將各市或市片區(qū)分別視為一個(gè)市級(jí)地理單元，在縣級(jí)尺度上將各區(qū)、縣分別視為一個(gè)縣級(jí)地理單元。因此，研究范圍包括關(guān)中平原城市群的3個(gè)省級(jí)地理單元、11個(gè)地級(jí)市地理單元和90個(gè)縣級(jí)地理單元，具體分析方法如下。

1.傾向值分析法

傾向值分析法是通過(guò)普通最小二乘法估計(jì)時(shí)間和分析變量所構(gòu)造的一元線性回歸方程的斜率項(xiàng)，即SLOPE值，來(lái)分析一定研究期內(nèi)變量的時(shí)間變化趨勢(shì)，包括總體序列性的上升（SLOPE>0）、下降（SLOPE<0）或者穩(wěn)定不變（SLOPE=0）等規(guī)律，SLOPE的計(jì)算如式（3）：

SLOPE=n×∑ni=1xiyi－∑ni=1xi∑ni=1yin×∑ni=1xi2－（∑ni=1xi）2 式（3）

在本文中，n代表總年數(shù)，取值是20；xi代表第i年（2001年是第一年），取值為1—20；yi代表第i年的碳排放總量。SLOPE值的大小可以反映碳排放隨時(shí)間變化的快慢程度，按照表2的標(biāo)準(zhǔn)將各區(qū)縣的碳排放類型劃分為五種，其中，h－、s分別代表關(guān)中城市群各區(qū)縣SLOPE在2001—2020年的均值和標(biāo)準(zhǔn)差。

2.空間自相關(guān)分析方法

按照分析的空間范圍不同，空間自相關(guān)分析包括全局空間自相關(guān)和局部空間自相關(guān)［3］。對(duì)于全局性分析，常用全局Moran’s I指數(shù)來(lái)衡量研究區(qū)域的整體關(guān)聯(lián)程度；對(duì)于區(qū)域性分析，常用局部Moran’s I指數(shù)和LISA顯著圖來(lái)解釋局部區(qū)域的集聚特征和空間差異性。

（1）全局Moran’s I指數(shù)。該指數(shù)可以用于分析在整體的空間范圍內(nèi)，某屬性呈現(xiàn)的空間格局和相關(guān)關(guān)系，也可以判斷該屬性在相鄰地理單元的相似程度，具體計(jì)算如式（4）：

I=n×∑ni=1∑nj=1Wij（xi－x－）（xj－x－）∑ni=1∑nj=1Wij∑ni=1（xi－x－）2 式（4）

其中，I代表全局Moran’s I指數(shù)，n為研究的地理單元個(gè)數(shù)，xi、xj代表某屬性在第i個(gè)和第j個(gè)地理單元的數(shù)值，x－代表某屬性在整個(gè)研究區(qū)域的均值，Wij代表空間權(quán)重矩陣。采用Queen標(biāo)準(zhǔn)來(lái)定義研究區(qū)域內(nèi)各地理單元是否相鄰，即共有邊界或共有頂點(diǎn)的兩個(gè)單元均為鄰近關(guān)系。

（2）局部Moran’s I指數(shù)和LISA顯著圖。該指數(shù)可以顯示局部范圍內(nèi)的顯著性集聚現(xiàn)象，識(shí)別某一地理單元與周邊區(qū)域的空間差異，具體如式（5）：

Ii=（xi－x－）s2∑nj=1Wij（xj－x－）=zi∑j≠iWijzj 式（5）

其中，s2代表該屬性觀測(cè)值在研究區(qū)域內(nèi)的方差，zi、zj分別代表第i、j個(gè)地理單元該屬性值的標(biāo)準(zhǔn)化。該指標(biāo)需要進(jìn)行顯著性驗(yàn)證，其z值定義如式（6）：

z（Ii）=Ii－E（Ii）var（Ii） 式（6）

其中，E（Ii）、var（Ii）分別代表它的期望均值和期望方差。在此基礎(chǔ)上，LISA顯著圖可以突出顯示Ii通過(guò)z檢驗(yàn)的地理單元，并按照Ii和zi的正負(fù)將其劃分為五種集聚情況：①HH（高高聚集）型。當(dāng)Ii>0、zi>0時(shí)，第i個(gè)地理單元的標(biāo)準(zhǔn)化屬性值為正數(shù)，屬于高值區(qū)域，且局部呈顯著的正相關(guān)性，區(qū)域差異小，表現(xiàn)為高值區(qū)域的局部集聚；②LL（低低聚集）型。當(dāng)Ii>0、zi<0時(shí)，第i個(gè)地理單元的標(biāo)準(zhǔn)化屬性值為負(fù)數(shù)，屬于低值區(qū)域，且局部呈顯著的正相關(guān)性，區(qū)域差異小，表現(xiàn)為低值區(qū)域的局部集聚；③LH（低高聚集）型。當(dāng)Ii<0、zi<0時(shí)，第i個(gè)地理單元的標(biāo)準(zhǔn)化屬性值為負(fù)數(shù)，屬于低值區(qū)域，且局部呈顯著的負(fù)相關(guān)性，區(qū)域差異大，表現(xiàn)為中心區(qū)域?qū)傩灾递^低，周邊區(qū)域?qū)傩灾递^高的空間格局；④HL（高低聚集）型。當(dāng)Ii<0、zi>0時(shí)，第i個(gè)地理單元的標(biāo)準(zhǔn)化屬性值為正數(shù)，屬于高值區(qū)域，且局部呈顯著的負(fù)相關(guān)性，區(qū)域差異大，表現(xiàn)為中心區(qū)域?qū)傩灾递^高，周邊區(qū)域?qū)傩灾递^低的空間格局，后面兩種情況容易產(chǎn)生擴(kuò)散和溢出效應(yīng)；⑤不顯著區(qū)域。

三、結(jié)果分析

（一）多尺度下的碳排放時(shí)空演變總體特征

2001—2020年，陜西、山西、甘肅片區(qū)的碳排放總量整體上呈現(xiàn)出上升趨勢(shì)，其中山西2市的碳排放總量從3 264萬(wàn)t增長(zhǎng)到7 417萬(wàn)t；甘肅3市的碳排放總量從723萬(wàn)t增長(zhǎng)到2 425萬(wàn)t，增幅超過(guò)3倍；陜西6市的碳排放總量從2001年的4 572萬(wàn)t增長(zhǎng)到2020年的16 053萬(wàn)t，增幅達(dá)到近4倍，并且碳排放總量始終位居第一（見(jiàn)圖2）。

由圖2可知，甘肅?。ㄆ瑓^(qū)）在2001—2020年碳排放總量增長(zhǎng)較為平穩(wěn)，且呈持續(xù)上升趨勢(shì)，年均增長(zhǎng)率為6.71%。山西?。ㄆ瑓^(qū)）在2001—2020年碳排放總量增速緩慢，年均增長(zhǎng)率為4.57%，且在2015—2020年存在負(fù)增長(zhǎng)。陜西省（片區(qū)）在2001—2020年碳排放總量增長(zhǎng)較為明顯，2001—2010年和2015—2020年增長(zhǎng)趨勢(shì)較快，年均增長(zhǎng)率分別達(dá)到11.56%和4.05%；2010—2014年增速減緩，增長(zhǎng)率為1.53%；2014—2015年出現(xiàn)明顯拐點(diǎn)，增長(zhǎng)率下降到-7.29%。

在對(duì)碳排放總體格局進(jìn)行分析的基礎(chǔ)上，為明確市域尺度上各地區(qū)碳排放的時(shí)間變化趨勢(shì)，利用傾向值法（SLOPE）對(duì)2001—2020年關(guān)中城市群各地區(qū)的碳排放總量進(jìn)行趨勢(shì)分析，并采用一定標(biāo)準(zhǔn)將其劃分為緩慢增長(zhǎng)型、較慢增長(zhǎng)型、中速增長(zhǎng)型、較快增長(zhǎng)型和迅猛增長(zhǎng)型。在市域尺度上，關(guān)中城市群共有6個(gè)緩慢增長(zhǎng)型和3個(gè)較慢增長(zhǎng)型的城市，在三個(gè)省均有分布；中速、較快和迅猛增長(zhǎng)型的城市均分布在陜西省中部和南部地區(qū)?？傮w來(lái)看，碳排放的時(shí)空變化特征在市級(jí)和縣級(jí)尺度上具有一致性。由于各區(qū)縣經(jīng)濟(jì)發(fā)展政策和經(jīng)濟(jì)發(fā)展水平的不同，不同尺度上碳排放的增長(zhǎng)趨勢(shì)存在一定的內(nèi)部差異。

（二）多尺度下的碳排放時(shí)空演變動(dòng)態(tài)分析

1.碳排放全局空間自相關(guān)分析

為分析地級(jí)市尺度上碳排放的整體空間分布情況，判斷研究對(duì)象是否存在顯著的空間相關(guān)性和集聚程度，計(jì)算出相應(yīng)的全局Moran’s I指數(shù)、z值和p值。2001—2020年，關(guān)中城市群地級(jí)市尺度碳排放的全局Moran’s I指數(shù)均為正數(shù)，空間相關(guān)性呈逐漸下降的趨勢(shì)，由2001年的0.287變動(dòng)為2020年的0.118，說(shuō)明隨著現(xiàn)代化建設(shè)特別是西部大開發(fā)的推進(jìn)，關(guān)中城市群各地市的經(jīng)濟(jì)發(fā)展呈現(xiàn)出多點(diǎn)網(wǎng)狀分布格局和均勻分布態(tài)勢(shì)，高值（低值）聚集的現(xiàn)象得到改善，高耗能、高排放行業(yè)企業(yè)不再集中于少部分重點(diǎn)大型城市，中小型城市的產(chǎn)能結(jié)構(gòu)得到調(diào)整和升級(jí)。同時(shí)，2001—2020年z值均大于1.96，p值均在0.05水平上顯著，說(shuō)明在20年中關(guān)中城市群11個(gè)地市的碳排放存在顯著的空間分布正相關(guān)性和空間集聚分布程度。整體而言，2001—2020年地級(jí)市尺度的全局Moran’s I數(shù)值均為正數(shù)，且呈現(xiàn)不同程度的下降趨勢(shì)，研究區(qū)域之間均具有顯著的空間正相關(guān)性。

2.碳排放局部空間關(guān)聯(lián)分析

為分析地級(jí)市尺度上碳排放的局部空間關(guān)聯(lián)情況，揭示關(guān)中城市群碳排放分布的空間異質(zhì)性和區(qū)域集聚特征，明確碳排放集聚的具體地理位置，本文選取關(guān)中城市群2001、2007、2016和2020年的碳排放數(shù)據(jù)，計(jì)算局部Moran’s I指數(shù)并得到0.05顯著性水平下的LISA顯著性圖，如圖3所示。2001—2020年，關(guān)中平原城市群地級(jí)市尺度上形成以顯著HH型聚集為主，顯著LL型和LH型次之的碳排放空間分布格局。2001年，呈現(xiàn)顯著性集聚分布的城市占54.5%，其中碳排放分布模式為HH型和LL型的市級(jí)地理單元有5個(gè)，山西省臨汾和運(yùn)城市（片區(qū)）、甘肅省平?jīng)龊吞焖校ㄆ瑓^(qū)）分別屬于HH型和LL型集聚分布，位于陜西省中部的渭南市呈HH型聚集，位于陜西省中南部地區(qū)的商洛片區(qū)呈LH型聚集；2007年，LL型城市減少1個(gè)，為甘肅省天水片區(qū)，其余城市碳排放分布類型不變，呈現(xiàn)顯著性聚集的城市占45.45%；2016年，LH型城市增加1個(gè)，為陜西省銅川市，其余較2007年保持不變，呈現(xiàn)顯著性聚集的城市比例為54.5%；2020年與2016年的區(qū)域聚集特征相同。2001—2020年碳排放呈LL型聚集的城市總數(shù)逐漸減少，其中甘肅省天水片區(qū)由LL型聚集轉(zhuǎn)變?yōu)椴伙@著聚集的離散分布，與鄰近區(qū)域的碳排放差異逐漸增大，也解釋了市域尺度上全局Moran’s I指數(shù)的下降趨勢(shì)。

總體來(lái)看，地級(jí)市尺度上關(guān)中城市群碳排放的空間格局主要為HH型正相關(guān)聚集，聚集趨勢(shì)由山西、陜西的高碳聚集區(qū)形成。以運(yùn)城片區(qū)、臨汾片區(qū)、渭南市為中心的高—高聚集區(qū)保持長(zhǎng)期不變，表現(xiàn)為高碳排放城市的集聚現(xiàn)象。以陜西省商洛市為中心的低—高聚集區(qū)也保持長(zhǎng)期不變，由于商洛片區(qū)自身的碳排放量較低，將會(huì)受到周邊城市對(duì)其正向溢出的影響。陜西省銅川市由不顯著聚集轉(zhuǎn)變?yōu)長(zhǎng)H型聚集，與鄰近區(qū)域的碳排放差異逐漸增大，說(shuō)明該地區(qū)碳排放增長(zhǎng)較為緩慢，與碳排放趨勢(shì)分析結(jié)果相對(duì)應(yīng)。此外，甘肅3市片區(qū)城市化水平較低，生態(tài)環(huán)境管制嚴(yán)格，綜合能源消耗占比較少，屬于關(guān)中平原城市群的低碳排放區(qū)；山西和陜西城市的煤炭資源豐富、重工業(yè)比重較大，城市綜合能源消耗量大，屬于關(guān)中平原城市群的高碳排放區(qū)。

綜上，不同尺度上的碳排放時(shí)空演變特征分析結(jié)果存在整體一致性和內(nèi)部差異性，省、市域視角下的結(jié)果揭示了關(guān)中城市群碳排放總體的時(shí)間變化趨勢(shì)和空間分布格局。多尺度分析方法有助于在宏觀政策制定的基礎(chǔ)上，提出差異化、精細(xì)化和針對(duì)性的區(qū)域減排政策。

四、結(jié)論

針對(duì)地級(jí)市及以下能源消費(fèi)數(shù)據(jù)不足、數(shù)據(jù)統(tǒng)計(jì)口徑存在差異等問(wèn)題，以DMSP/OLS和NPP/VIIRS兩類夜間燈光數(shù)據(jù)為切入點(diǎn)，通過(guò)校正融合獲得關(guān)中平原城市群2001—2020年的夜間燈光DN值，并以此為基礎(chǔ)，估算研究區(qū)域內(nèi)3個(gè)?。ㄆ瑓^(qū)）、11個(gè)城市（片區(qū)）的碳排放量，在此基礎(chǔ)上，探討關(guān)中平原城市群在不同研究尺度上碳排放的時(shí)空演變特征，主要結(jié)論如下。

1.2001—2020年關(guān)中平原城市群的夜間燈光分布范圍呈現(xiàn)明顯的擴(kuò)大趨勢(shì)，具體表現(xiàn)為：以西安市為中心的城市區(qū)域向邊緣地區(qū)的擴(kuò)散；運(yùn)城片區(qū)和臨汾片區(qū)夜間燈光明顯的高值分散分布。

2.整體上看，甘肅?。ㄆ瑓^(qū)）在2001—2020年碳排放總量增長(zhǎng)較為平穩(wěn)，且呈持續(xù)上升趨勢(shì)；山西?。ㄆ瑓^(qū)）在2001—2020年碳排放總量增速緩慢且在2015—2020年存在負(fù)增長(zhǎng)的情況；陜西?。ㄆ瑓^(qū)）在2001—2020年碳排放總量變化趨勢(shì)較為明顯，且碳排放總量始終位居第一。

3.在市域尺度上，關(guān)中城市群碳排放增長(zhǎng)緩慢的城市集中在山西和甘肅省，增速較快的城市分布在陜西省中部和南部地區(qū)。

4.通過(guò)計(jì)算全局Moran’s I指數(shù)發(fā)現(xiàn)，研究區(qū)域的尺度劃分會(huì)影響全局相關(guān)性的顯著程度，劃分尺度越小呈現(xiàn)的空間聚集性會(huì)越高。在市域尺度上，2001—2020年關(guān)中城市群碳排放的全局Moran’s I指數(shù)均為正數(shù)，空間相關(guān)性呈逐漸下降的趨勢(shì)。說(shuō)明在20年中關(guān)中城市群11個(gè)地市的碳排放存在顯著的空間集聚分布，且各地市的經(jīng)濟(jì)發(fā)展逐漸呈現(xiàn)出多點(diǎn)網(wǎng)狀分布格局和均勻分布態(tài)勢(shì)。

5.通過(guò)計(jì)算局部Moran’s I指數(shù)并結(jié)合LISA顯著圖發(fā)現(xiàn)，關(guān)中城市群碳排放在不同尺度上的顯著性空間關(guān)聯(lián)類型基本一致，均以正相關(guān)聚集為主導(dǎo)類型，表現(xiàn)為高碳排放區(qū)集中在山西和陜西境內(nèi)，低碳排放區(qū)集中在甘肅，不同尺度上的顯著性類型存在局部差異性。

參考文獻(xiàn)：

［1］周翼，陳英，謝保鵬，等.關(guān)中平原城市群城市聯(lián)系與影響范圍分析［J］.地域研究與開發(fā)，2019（3）：54-59.

［2］趙小風(fēng)，黃賢金，張興榆，等.區(qū)域COD、SO2及TSP排放的空間自相關(guān)分析：以江蘇省為例［J］.環(huán)境科學(xué)，2009（6）：1580-1587.

［3］李江蘇，孟琳琳，李韋華，等.黃河流域生產(chǎn)性服務(wù)業(yè)綜合發(fā)展水平時(shí)空演變及影響因素分析［J］.人文地理，2023（2）：116-125.

作者簡(jiǎn)介：董秀萍（1969—），女，漢族，陜西西安人，西安市交通發(fā)展研究中心高級(jí)經(jīng)濟(jì)師，研究方向?yàn)榻煌ㄟ\(yùn)輸規(guī)劃與管理、物流工程與管理。

楊治杰（2000—），男，漢族，山西長(zhǎng)治人，長(zhǎng)安大學(xué)經(jīng)濟(jì)與管理學(xué)院博士研究生，研究方向?yàn)橹腔劢煌ㄏ到y(tǒng)及交通優(yōu)化。

（責(zé)任編輯：王寶林）