中国城市碳排放时空演化格局及影响因素的多尺度研究

本研究针对中国城市碳排放的时空异质性，采用GBRT模型构建1992-2021年碳排放数据集，结合Moran's指数、SNA和MGWR模型，揭示了碳排放的空间集聚规律及网络节点重要性（GASE模型）。研究发现长三角、珠三角等区域为核心排放节点，NDVI、NTL等因素对碳排放的驱动作用存在显著时空差异，为差异化减排政策制定提供了科学依据。

　　

随着全球气候变化加剧，碳排放控制成为国际社会关注的焦点。中国作为全球最大的碳排放国，其城市级碳排放的时空特征研究对实现"双碳"目标至关重要。然而，现有研究存在三大瓶颈：传统线性回归模型难以捕捉碳排放的非线性特征；省级尺度分析掩盖了城市间差异；缺乏对碳排放网络节点重要性的量化评估。

针对这些问题，国内研究人员在《Ecological Indicators》发表了一项开创性研究。团队首先采用K-means算法将中国365个地级市划分为三类，利用梯度提升回归树(GBRT)构建了1992-2021年高精度碳排放数据集。通过融合局部Moran's指数、改进重力模型和社会网络分析(SNA)，首次提出基于全局平均结构熵(GASE)的节点重要性排序方法，并结合多尺度地理加权回归(MGWR)揭示了影响因素的空间异质性。

关键技术包括：1) 基于ODIAC和夜间灯光数据(NTL)的碳排放反演；2) 采用深度优先搜索(DFS)算法解析网络微观结构；3) 构建包含NDVI、地形起伏度(RDLS)等环境因子和产业结构(IS)等社会经济因子的多维度分析框架。

研究结果揭示：

1. 碳排放估算模型优化
   GBRT模型在R²
   和RMSE指标上显著优于线性回归，对三类城市的拟合精度分别达0.895、0.845和0.780。Shapley值分析显示，一类城市碳排放主要受温度(Temp)和NTL驱动，二类城市受产业结构影响更大。

2. 空间集聚动态演变
   Moran's指数呈现"上升-下降-稳定"三阶段特征，1997年达峰值0.2222，2009年降至0.1470后趋于稳定。高-高集聚区从京津冀向长三角、珠三角迁移，形成核心-边缘结构。

3. 网络结构演化规律
   网络密度(ND)持续增长，环结构占比中2边环从1992年38%升至2021年67%。节点中心性分析表明，度中心性(DC)提升而中介中心性(BC)下降，反映网络连接从枢纽式向分布式转变。

4. 节点重要性排序
   GASE模型在单调性评分(0.92)和区分度上优于传统方法。长三角的上海、苏州等节点影响力持续增强，而资源型城市如焦作排名下降，反映区域经济格局变迁。

5. 影响因素时空异质性
   MGWR模型显示：NDVI在一类城市呈促进作用(系数+0.054)，在三类城市转为抑制；IS在长三角呈现显著负效应(-0.378)，揭示产业转移的减排效果；Temp的抑制作用从三类城市(-0.642)到一类城市(-0.221)递减。

这项研究创新性地构建了城市碳排放多尺度分析框架，其理论价值体现在三方面：1) 提出的GASE模型解决了复杂网络中节点重要性评估的全局-局部平衡难题；2) 证实产业结构升级对减排的贡献存在区域梯度差异；3) 揭示植被覆盖(NDVI)对碳排放的影响存在"生态阈值效应"。实践层面，研究为识别关键减排节点、制定区域差异化政策提供了量化工具，特别是对长三角城市群协同减排具有直接指导意义。未来研究可进一步整合动态网络模型，探究碳交易市场与网络结构的互动机制。