删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

中小城市家庭生活用能碳排放空间分异——以开封市为例

本站小编 Free考研考试/2021-12-29

荣培君¹^,, 张丽君¹, 杨群涛¹, 秦小阳², 秦耀辰¹^,, 卢鹤立¹

1. 河南大学环境与规划学院,黄河文明传承与现代文明建设河南省协同创新中心,开封 475004

2. 河南省科学院地理研究所,郑州 450052

Spatial differentiation patterns of carbon emissions from residential energy consumption in small and medium-sized cities:A case study of Kaifeng

RONGPeijun¹^,, ZHANGLijun¹, YANGQuntao¹, QINXiaoyang², QINYaochen¹^,, LUHeli¹

1. College of Environment and Planning, Collaborative Innovation Center on Yellow River Civilization of Henan Province, Henan University, Kaifeng 475004, Henan, China

2. Institute of Geography, Henan Academy of Sciences, Zhengzhou 450052, China

通讯作者:通讯作者：秦耀辰（1959- ）,男,河南荥阳人,教授,博士生导师,主要从事区域可持续发展理论、模型与信息系统研究。E-mail: qinyc@henu.edu.cn
收稿日期:2015-11-14
修回日期:2016-06-25
网络出版日期:2016-08-30
版权声明:2016《地理研究》编辑部《地理研究》编辑部
基金资助:

国家重点基础研究发展计划(973计划)项目（2012CB955804）

国家自然科学基金项目（41501588,NSFC41371525）

河南省哲学社科规划办项目（2014CJJ065）

作者简介:
-->作者简介：荣培君（1986- ）,女,河南开封人,博士研究生,主要研究方向为区域可持续发展。E-mail: rongpeijun@126.com

展开

摘要
利用2015年开封市居民家庭生活用能的大样本问卷调查数据,采用探索性空间数据分析（ESDA）和标准差椭圆（SDE）方法,探索城市居住区家庭生活用能碳排放空间分布特征。结果表明：① 家庭生活用能碳排放存在以热点区为主的空间正相关特性,碳排放高值集聚发生在城市新建开发区和建成区向外扩张较快区域,以2000年以后新建高档商品房小区和机关事业单位家属院为主,低值集聚区则发生在建成时间长、后续开发力度小的区域,以老商品房小区和胡同社区为主;② 开封市家庭电力消耗碳排放占生活用能总碳排放的67%,但人均生活用能碳排放空间格局由供暖碳排放决定,且人均供暖碳排放空间格局又由集中供暖碳排放空间格局决定,故降低集中供暖能耗、缩小居民供暖用能差异成为居民生活用能碳减排工作的重中之重;③ 家庭经济状况、集中供暖设施分布和城市发展的空间格局是家庭生活用能碳排放空间依赖性和空间异质性形成的主要驱动因素。

关键词：碳排放;生活用能;城市居民;空间分异;城镇化;开封市
Abstract
In the context of global warming, to analyse spatial differentiation patterns of carbon emissions from urban residential energy consumption is of great importance. We took the city of Kaifeng as the case area, which is one of the typical small and medium-sized cites in the north of central heating transition zone of China. This study was based on questionnaire surveys, in which there are 1433 valid answers related to 5475 residents. Using the methods as descriptive statistical analysis, spatial autocorrelation analysis as well as the standard deviation ellipse analysis, we studied the spatial characteristics of the carbon emissions in term of the family-based urban resident's energy consumption in the urban area of Kaifeng city for 2015. Our study has achieved the following conclusions: (1) The carbon emissions of urban residents' energy consumption have the positive correlation in terms of spatial distribition, especially in the gathering region of high value. The high carbon emissions were observed in new urban development zone, or in the built-up area expanding faster. This is the area where there are new high-grade commercial housing estates, or the housing zone of the government-affiliated institutions. The low carbon emissions were mainly found in the region where the buildings were built up much earlier, and there is no further or less development. Mostly it is the zone with old commercial housing estate, or small local residential communities; (2) In Kaifeng city, the carbon emissions by household electricity consumption accounted for 67% of the total carbon emissions. The spatial pattern of per capita carbon emissions from residents' energy consumption was subject to heating carbon emissions, and the spatial pattern of per capita heating carbon emissions was subject to spatial pattern of central heating carbon emissions. Therefore, in order to reduce the carbon emissions of residents' energy consumption, it is important to reduce energy consumption from central heating system, and also narrow down the differences of per capita heating energy; (3) The family-based monthly income, the layout of centrally heating facilities and structure of the urban development are the main driving factors for the formation of the spatial dependence and spatial heterogeneity of carbon emissions from residential energy consumption.

Keywords：carbon emissions;residential energy consumption;urban residents;spatial differentiation;urbanization;Kaifeng

-->0
PDF (7562KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNote Ris Bibtex 收藏本文-->
荣培君, 张丽君, 杨群涛, 秦小阳, 秦耀辰, 卢鹤立. 中小城市家庭生活用能碳排放空间分异——以开封市为例[J]. , 2016, 35(8): 1495-1509 https://doi.org/10.11821/dlyj201608008
RONG Peijun, ZHANG Lijun, YANG Quntao, QIN Xiaoyang, QIN Yaochen, LU Heli. Spatial differentiation patterns of carbon emissions from residential energy consumption in small and medium-sized cities:A case study of Kaifeng[J]. 地理研究, 2016, 35(8): 1495-1509 https://doi.org/10.11821/dlyj201608008

1 引言

从微观视角研究快速城镇化背景下的城市居民家庭生活用能碳排放对科学制定低碳城市发展策略和合理引导人类活动以减少气候变化带来的负面影响有重要意义^[1]。家庭能源消耗作为二氧化碳排放的主要来源之一,如何对其进行优化日益受到国内外****及政府部门的重视。相关研究表明,美国总能耗的80%以上是由居民家庭生活直接消费以及满足其需求的生产活动导致的^[2],这一比例在印度为75%^[3],在英国为74%^[4,5]。中国的居民能源消耗也是仅次于工业的第二大能耗部门^[6]。随着中国城市化进程的不断推进和居民消费需求的持续增加,家庭生活能源消耗及二氧化碳排放将进一步增加^[7]。认清城市内部居民生活用能碳排放的空间分布规律,挖掘其形成原因,对低碳社区的建设及城市的可持续发展具有重要意义。
家庭生活用能碳排放的核算是家庭生活用能空间分异研究的基石。碳排放测算分为直接和间接两种方法,其中居民直接生活用能碳排放是指居民生活中用于取暖、炊事、照明及其他家用电器等所直接消耗的能源所产生的CO₂排放。直接碳排放的核算方法又可分为两种：第一种是“自上而下”的方法,即将区域总体居民碳排放的数据,根据人口密度、建筑密度等指标估算居住区尺度或建筑尺度的居民碳排放^[8,9];另一种是“自下而上”的方法,即根据IPCC温室气体清单指南运用各分类化石能源的统计数据或微观调查数据测算城市、社区或家庭尺度的生活用能碳排放^[10,11],这种方法对微观尺度的研究精确性相对较高。
改革开放以来,伴随住房市场化的推进,中国城市居民居住流动性不断增加,不同阶层人口在城市内部空间进行“分选”,人口社会构成及行为特征、生活方式等都存在城市内部尺度上的空间分异,也存在社区尺度上的空间分异。这些因素可能导致家庭生活用能碳排放的空间分异格局。居民碳排放影响机理研究起步较早的是在居民出行碳排放方面^[12-14],该方面的微观调查方法和分析思路为居民家庭生活用能碳排放提供了可资借鉴的基础,相关研究也逐步展开。研究结果较为一致的有：住宅面积与家庭生活用能碳排放呈正相关关系,而与单位面积碳排放呈负相关关系^[11,15-17];家庭（常住）人口数对家庭碳排放产生正向影响,但对人均碳排放产生负向影响^[18-20];节能偏好程度（如空调温度设置、节能电器使用情况等）对居民碳排放影响较大^[21-24];各功能区的布局、居住区规模、配套功能设施的完善程度也会影响到家庭生活用能碳排放^[17,25]。此外,有国外****认为自有住宅比租赁住宅的家庭生活用能碳排放高^[26];女性比例大的区域人均家庭生活用能碳排放较高^[26]。
空间分异的研究方法多样,其中探索性空间数据分析（exploratory spatial data analysis,ESDA）和标准差椭圆（standard deviation ellipse,SDE）应用较为广泛。ESDA是一系列空间数据分析方法和技术的集合,以空间关联性测度为核心,能够有效探测空间数据中潜在的关联关系,发现空间异常和空间集聚等现象^[27,28],并突出数据的空间依赖性（spatial dependence）及空间异质性（spatial heterogeneity）,便于揭示研究对象之间的空间相互作用机制^[29]。基于GIS平台的ESDA能够将图形数据的空间分析与专题数据的关联测度功能相融合,将空间关系的结果可视化,更好地分析数据空间结构特征,揭示其空间规律^[30]。SDE能够从全局的、空间的角度定量解释地理要素空间分布的中心性、方向性和展布性等,是能够精确揭示地理要素的空间分布特征的一种空间统计方法^[31,32],在地理学、环境学、生态学、犯罪学等领域得到广泛应用^[33-35]。
目前,学术界关于居民碳排放空间分异机制尚存在一些争议,如经济因素对居民生活用能碳排放的作用如何?不少****的研究证明居民收入对居民碳排放产生正向影响^[21,22,25],但也有一些****的实证研究表明经济状况对居民碳排放并没有显著影响,而节能意识等更为重要^[6,18]。已有的居民住宅内生活用能碳排放空间分异研究中,一方面,以省域^[36]和城市^[9,37,38]为单元进行不同地区比较的研究较为丰富,而在城市内部精细尺度上的研究相对薄弱;另一方面,在城市空间格局、社会经济发展、生活方式等方面自身特点突出且在城市数量上比重较大的中小城市缺乏关注。基于此,从微观视角,选取暖温带大陆性气候典型中小城市开封为研究对象,通过分析大样本实地调研数据,采用ESDA与SDE相结合的方法,直观地揭示中小城市内部居民家庭生活用能碳排放的空间分异规律,探索其形成机制,为科学制定城市低碳发展策略提供理论依据。

2 研究区概况与数据来源

2.1 研究区概况

开封是中原经济区的重要中心城市,河南省中原城市群的核心城市,是城市化进程快速发展的典型城市。“郑汴一体化”的提出加快了郑汴都市区建设,开封新区已初具规模,与具有“八朝古都”深厚历史底蕴的老城区相得益彰,城市内部形成了胡同社区、新建商品房社区、单位社区、政策性住房社区等不同区位、不同建成环境和文化特征的空间区域。开封位于113°52′15"E~115°15′42"E,34°11′45"N~35°01′20"N,属典型暖温带大陆性季风气候,南北集中供暖过渡带以北,不同季节用能呈现较大差异,因此具有一定的典型性和代表性。开封市区划分为顺和回族区、龙亭区、禹王台区、鼓楼区和祥符区。本研究聚焦于城镇化背景下的家庭生活用能,研究范围设定为城市的建成区（图1）。其中,2014年开封市行政区划新增的祥符区为原开封县,并未与开封市建成区接壤,因此未将其划入本研究范围之内。

显示原图|下载原图ZIP|生成PPT
图1样本空间分布
-->Fig. 1The spatial distribution of the samples
-->

2.2 数据来源

数据来源于2015年黄河中下游数字地理教育部重点实验室区域低碳发展模拟小组对居民日常生活用能调查的第一手资料。调查问卷从以下问项获取家庭能耗的相关指标：家庭每月使用煤球的块数、家庭每月使用液化气的罐数、家庭每月使用天然气的费用、家庭供暖的方式以及家庭春秋季、夏季、冬季每月电费。采取分层随机调查的方式,根据建成区的四个行政分区人口分布比例确定发放问卷的比例,在不同区位的各中小学学校门前、公共休闲场所随机发放问卷2000份,共收回1755份,其中一部分问卷因数据缺失或无法准确定位等原因未能使用,用于分析的问卷为1433份,共涉及5475位居民。根据《开封市统计年鉴》,2014年开封市市区非农人口69.40万,因此可以估测抽样比例接近1%。为保证随机调查的真实有效,在每一个调查点进行为期一周的固定摊位收发问卷,居民可将问卷拿回家询问家庭日常开销负责人并认真填写后交回发放地点。
从样本空间分布情况（图1）来看,样本点在四个行政分区中均有分布,因顺河区和龙亭区为居住区密度较高的老城区,其常住人口占开封市区常住人口的73%,且胡同社区较多,样本点较为密集;而鼓楼区和禹王台区以景区和规整的商品房小区为主,样本相对分散。此外,汴西湖以西为开封新开发区,以新建职教园区和在建的大量商品房为主,基本没有居民入住。
从样本家庭基本特征情况（表1）来看,开封城市居民家庭规模大于标准家庭（3人）的占57.3%,其与历史文化传统和居民的生活方式有关;住房类型以商品房为主,因中心城区改造和城郊开发尚未完成,私人建房（即胡同社区和城乡结合带）也占有不小比例;住房面积50~99 m²占半数左右,小于50 m²和大于150 m²的比例较少;家庭月收入以3000~6000元为主;住房建造年代集中于20世纪90年代和21世纪前10年;集中供暖和电器采暖是居民主要的采暖方式。
Tab. 1
表1
表1家庭主要特征
Tab. 1Main characteristics of the invested families

变量	属性及比例（%）
家庭成员数（人）	1(0.5);2(1.2);3(41.0);4(30.5);5(26.8)
住房类型	商品房(48.5);单位集资房(13.2);经济适用房(10.2);私人建房(24.0);拆迁安置房(4.1)
住房建筑面积（m²）	<50(5.0);50~99(53.0);100~149(28.3);150~199(6.1);≥200(7.6)
家庭月收入（元）	0~2999(15.5);3000~5999(55.8);6000~8999(18.4);9000~11999(6.1);≥12000(4.1)
房屋建造年（年）	1979以前(4.4);1980~1989(12.0);1990~1999(27.3);2000~2009(43.4);2010以后(12.9)
主要采暖方式	集中供暖(47.7);煤炉(5.9);燃气壁挂炉(9.8);电器类(36.6)

新窗口打开

3 研究方法

3.1 家庭生活用能碳排放测算

开封市居民家庭能源消耗方式主要为电力、集中供暖（部分家庭）、液化石油气、天然气、煤气和煤炭。根据IPCC温室气体清单指南提供的核算方法,本研究家庭能耗直接碳排放的测算方法如表2所示。
Tab. 2
表2
表2家庭能耗直接碳排放计算方法
Tab. 2Calculation method of direct carbon emissions from urban residential energy consumption

CO₂排放项	计算公式	说明
家庭用电	C_electricity=E_e×EF_e	C_electricity为家庭用电CO₂排放量(kg),E为家庭用电量(kW $\begin{matrix} ? \end{matrix}$ h),EF为所在电网的碳排放因子,开封属于华中区域电网,值为0.9779(tCO₂/MW $\begin{matrix} ? \end{matrix}$ h)。
家庭用天然气	C_ngas=E_n×EF_n×NV_n×44/12	C_ngas为家庭用天然气CO₂排放量(kg),E_n为家庭用天然气量(m³),EF_n为天然气的碳排放系数15.3(kg/J),NV_n为平均低位热值0.038931(J)。
家庭用液化石油气	C_lpg=E_l×EF_l×NV_l×44/12	C_lpg为家庭用天然气CO₂排放量(kg),E_l为液化石油气量(m³),EF_l为液化石油气的碳排放系数17.2(kg/J),NV_g为平均低位热值0.005018(J)。
家庭用煤气	C_gas=E_g×EF_g×NV_g×44/12	C_gas为家庭用天然气CO₂排放量(kg),E_g为家庭用煤气量(m³),EF_g为天然气的碳排放系数12.1(kg/J),NV_g为平均低位热值0.017351(J)。
家庭用煤炭	C_coal=E_c×EF_c×NV_c×44/12	C_gas为家庭用煤炭CO₂排放量(kg),E_c为家庭用煤炭量(kg),EF_c为煤炭的碳排放系数25.8(kg/J),NV_c为平均低位热值0.002091(J)。
家庭集中供暖	C_warm=S×EF_w×N	C_warm为家庭用煤炭CO₂排放量(kg),S为家庭房间面积(m³),N为耗煤量指标(kg/m³),EF_w为二氧化碳排放系数2.493(kgCO₂/kg)。
总和	C_total=C_electricity+C_ngas+C_lipg+C_gas+C_coal+C_warm	C_total为家庭用煤炭CO₂排放总量(kg)。

新窗口打开

3.2 空间自相关

3.2.1 全局空间自相关为研究家庭生活碳排放在全局空间上可能存在的聚集、离散或随机模式,采用ESDA方法中的全局空间自相关统计量Moran's I度量,计算公式如下：

\begin{matrix} I = \frac{N}{S_{0}} \times \frac{\overset{N}{\sum_{i = 1}} \overset{N}{\sum_{j = 1}} W_{ij} (X_{i} - \overset{?}{X}) (X_{j} - \overset{?}{X})}{\overset{N}{\sum_{i = 1}} (X_{i} {- \overset{?}{X})}^{2}} \end{matrix}

（1）
式中：i≠j;X_i为观测值;

\begin{matrix} \overset{?}{X} \end{matrix}

为X_i的均值;N为研究对象的数目;

\begin{matrix} S_{0} = \overset{N}{\sum_{i = 1}} \overset{N}{\sum_{j = 1}} W_{ij} \end{matrix}

;W_ij为研究对象i和j之间的空间权重矩阵,采用反距离法进行空间关系的概念化,临近为1,不临近为0。对其结果采用Z值进行检验：

\begin{matrix} Z (I) = \frac{I - E (I)}{\sqrt{Var (I)}} \end{matrix}

（2）
式中：E(I)为数学期望,其值为-1/(N-1);Var(I)为变异系数。
全局Moran's I指数的取值范围为[-1,1],正值表示能源消耗碳排放量较高（或较低）的区域在空间上显著集聚,负值表明与其周边区域具有显著的空间差异^[27]。Z值大于正态分布函数在0.05水平下的临界值1.96,表明在空间分布上具有明显的正向相关性^[28]。
此外,全局Getis-Ord General G可以区分“热点区”和“冷点区”两种不同的空间集聚类型,公式为：

\begin{matrix} G (d) = \frac{\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} W_{ij} (d) X_{i} X_{j}}{\overset{n}{\sum_{i = 1}} \overset{n}{\sum_{j = 1}} X_{i} X_{j}} \end{matrix}

（3）
式中：d为空间单元临界距离;W_ij(d)为空间权重矩阵;X_i、X_j为观测值;其数学期望E(G)=W/n(n-1),当全局Getis-Ord General G的观察值大于期望值,并且有统计学意义时,表示存在“热点区”;当小于期望值,表示存在“冷点区”。
3.2.2 局部空间自相关全局空间自相关分析建立在空间平稳性这一假设基础之上,然而,空间过程很可能是不平稳的,特别是当数据量非常庞大时,空间平稳性的假设就变得非常不现实。因此需要引入空间联系的局部指标（LISA）方法中的Local Moran's I揭示局部区域单元在相邻空间的自相关性,计算公式为：

\begin{matrix} I_{i} = Z_{i} \overset{n}{\sum_{i = 1}} W_{ij} Z_{j} \end{matrix}

（4）
式中：Z_i和Z_j分别为空间单元i和j上观测值的标准化值;W_ij为空间权重。

3.3 标准差椭圆

标准差椭圆方法能够基于研究对象的空间区位和空间结构,定量解释地理要素空间分布的中心性、展布性、方向性等,精确揭示地理要素的空间分布特征^[33]。其中,中心表示地理要素在二维空间上分布的相对位置,方位角反映其分布的主趋势方向,长轴表征地理要素在主趋势方向上的离散程度^[34]。
旋转角计算公式为：

\begin{matrix} tanθ = \frac{(\overset{n}{\sum_{i = 1}} {\overset{?}{x}}_{i}^{2} - \overset{n}{\sum_{i = 1}} {\overset{?}{y}}_{j}^{2}) + \sqrt{{(\overset{n}{\sum_{i = 1}} {\overset{?}{x}}_{i}^{2} - \overset{n}{\sum_{i = 1}} {\overset{?}{y}}_{i}^{2})}^{2} + 4 {(\overset{n}{\sum_{i = 1}} {\overset{?}{x}}_{i} {\overset{?}{y}}_{i}^{})}^{2}}}{2 \overset{n}{\sum_{i = 1}} {\overset{?}{x}}_{i} {\overset{?}{y}}_{i}} \end{matrix}

（5）
式中：

\begin{matrix} {\overset{?}{x}}_{i} \end{matrix}

和

\begin{matrix} {\overset{?}{y}}_{i} \end{matrix}

是x坐标、y坐标与平均中心的偏差。
x轴和y轴的标准差公式为：

\begin{matrix} δ_{x} = \sqrt{\frac{\overset{n}{\sum_{i = 1}} {({\overset{?}{x}}_{i} cosθ - {\overset{?}{y}}_{i} sinθ)}^{2}}{n}}, δ_{y} = \sqrt{\frac{\overset{n}{\sum_{i = 1}} {({\overset{?}{x}}_{i} sinθ - {\overset{?}{y}}_{i} cosθ)}^{2}}{n}} \end{matrix}

（6）

4 结果分析

4.1 能源消费特点

开封市建成区家庭生活用能碳排放描述性统计分析结果（表3）显示：2015年开封市户均家庭生活用能碳排放为13.11 kg/天,最大值为84.47 kg/天,最小值为1.55 kg/天,说明不同的用能行为对环境造成的压力差异显著;从用户比例来看,电力是家庭100%使用的能源,户均电力碳排放为8.88 kg/天,在用气方面,天然气占84.13%,液化石油气占13.84%。根据当地情况,部分老城区街道社区及郊区城乡结合部的居民因天然气管道未建成而使用液化石油气;城市家庭用煤量较少,主要是用于炊事和取暖;从变异系数来看,总碳排放的变异系数最大（0.47）,液化石油气的变异系数最小（0.41）,变异程度顺序为：煤>天然气>总碳排放>电>供暖>液化石油气,说明不同居住区的家庭居民对能源消耗有不同程度的变异性。
Tab. 3
表3
表32015年开封市户均直接能耗碳排放统计数据（kg/天）
Tab. 3The statistics of CO₂ emissions per household due to direct energy consumption of the urban residents in Kaifeng in 2015 (kg/d)

能耗种类	用户比例（%）	均值	标准差	变异系数	极小值	极大值
电	100.00	8.88	3.97	0.45	1.44	21.46
天然气	84.21	2.01	1.84	0.92	0.03	19.41
液化气	13.84	0.16	0.06	0.41	0.04	0.44
煤	4.78	1.20	1.18	0.98	0.01	6.59
供暖	33.72	7.28	3.18	0.44	0.88	33.77
总碳排放	100.00	13.11	6.16	0.47	1.55	84.47

新窗口打开
从总的生活用能碳排放结构方面看（图2）,开封市居民电力消耗碳排放所占比例最大,占总生活能耗碳排放的67.13%,其次为集中供暖和天然气消耗产生的碳排放,分别占19.00%和12.83%,液化气和天然气所占比例微乎其微。从季节差异来看,家庭生活用能碳排放冬季最高,是春秋季节每月的2.36倍,夏季次之,为春秋季节每月的1.41倍;其中电力消耗因季节的不同也存在较大差异,夏季最高（为春秋季节每月1.52倍）,冬季次之（为春秋季节每月的1.47倍）。究其原因,居民生活中照明、洗衣等家用电器是城市生活的必需品,外加越来越多的电器方便和丰富了居民的生活,如电磁炉、电饼档、电火锅、豆浆机等,在一定程度上使电力消耗取代了其他能源,因此,家庭电力消耗较大。此外,开封属温带季风气候,四季分明,冬季寒冷干燥,夏季炎热潮湿,冬季供暖需要消耗大量能源,但因集中供暖的局限性（表1）,36.6%的家庭冬季主要采用电力取暖,夏季降温更离不开电力消耗,因此夏冬两季用电尤为突出。

显示原图|下载原图ZIP|生成PPT
图2家庭生活用能碳排放结构及其季节差异
-->Fig. 2The structure of carbon emissions and seasonal differences for household energy consumption
-->

4.2 空间分布特征

4.2.1 家庭生活用能碳排放基本空间格局将问卷中每个样本的具体地址通过Google Earth软件找出地理坐标,并导入ArcGIS 10.0软件,与计算出来的家庭生活用能碳排放数据匹配,而后采用分位数方法分类并进行可视化处理,得到开封市户均和人均的日常家庭用能碳排放分布图（图3）。对于高值样本,有两个明显特征,一是在城市最西部（开封市向省会郑州蔓延的开封新区）基本以高值为主;二是在东西中轴线（郑开大道—新曹路）以北的区域高值点的分布多于中轴线以南。这与开封市近些年重点向城市西部和北部开发建设的方向一致。对于碳排放的低值点,在城市东南部更为密集,在城市西部出现频率较低。而人均生活用能碳排放量与户均生活用能碳排放量大致特征相似,但又有明显区别,如北门以北地区和中心老城区高碳排点密度减少,可以推测这些地区的户均高碳排家庭多为家庭人口规模较大。

显示原图|下载原图ZIP|生成PPT
图3开封市日常家庭碳排放空间分布图
-->Fig. 3Spatial distribution for carbon emissions from urban residential energy consumption
-->

4.2.2 全局差异根据式（1）和式（3）计算出家庭生活用能碳排放的全局自相关系数Global Moran's I,并采用Z值法对其检验（表4）。户均和人均生活用能碳排放Moran′s I值均为正值,其正态统计量大于0.05的置信水平的临界值（1.96）,通过显著性检验。这表明家庭生活用能碳排放并非随机分布,存在一定的空间正相关特性,即碳排放高的家庭趋于临近,碳排放低的家庭也趋于临近。因此,为辨析是高值的空间集聚（热点区）还是低值的空间集聚（冷点区）,计算全局Getis-Ord General G值来区分两种不同的正空间自相关,结果显示,户均和人均家庭用能碳排放的观测值高于期望值,且在0.05的置信水平上显著,说明整体而言存在空间上的热点区。
Tab. 4
表4
表4家庭生活用能碳排放的Moran′s I和General G
Tab. 4Estimation of Moran's I and General G for household energy consumption

	Moran's I	Z(I)	P(I)	G(d)	E(d)	Z(d)	P(d)
户均生活碳排	0.137	3.963	0.036	0.016	0.013	3.117	0.028
人均生活碳排	0.101	2.013	0.022	0.015	0.013	2.235	0.016

注：根据实地情况,阈值选取500 m,某些要素在指定距离阈值内没有相邻点,根据系统提示删除后进行计算。

新窗口打开
4.2.3 局部差异
（1）生活总用能局部差异
LISA是衡量空间单元属性与周围单元相近和相异程度及其显著性的指标。根据式（4）计算户均及人均生活用能碳排放的LISA值,在Z检验的基础上（P<0.05）,绘制出其LISA集聚图（图4）。

显示原图|下载原图ZIP|生成PPT
图4家庭生活用能碳排放LISA集聚图
-->Fig. 4LISA cluster map for carbon emissions from urban residential energy consumption
-->

家庭碳排放高值点的集聚特征明显,全部在中心城区以西,即以龙亭区西部（原金明区）为主的开封新开发区。这些小区中,55%为2000年以后新建高档商品房小区,36%为党政机关和事业单位家属院（图5）。从统计数据来看,高高集聚小区的家庭平均收入较高、家庭住房面积较大并且集中供暖设施良好。高值被低值包围的高低集聚区特征也十分明显,基本都在中心城区以东,这些区域以开发较早的居住区为主,夹杂有个别新建商品房小区。低值集聚发生较少,且全部分布在中心城区以东的老区,包括以自建房为主的延寿寺路东街和1990年左右建成的较早的商品房小区苹果园南区。

显示原图|下载原图ZIP|生成PPT
图5各类型居住区人均生活用能碳排放差异
-->Fig. 5The proportion of various types of residential areas
-->

人均碳排放高值点的集聚发生在中心城市的西部和偏北部,这些区域为开封市建成区向外蔓延较快、开发力度较大的区域。其中,43%为2000年以后新建高档小区,29%为党政机关和事业单位家属院,14%为城中村改造小区（图5）。低值集聚区发生在中心城区的东边缘,以街道社区和建成时间较早的小区为主。
（2）生活用电和供暖碳排放局部差异
电力消耗和供暖所产生的碳排放占城市居民家庭生活用能碳排放总量的86.13%,分析电力和供暖所产生碳排放的特征能够为探索居民生活用能碳排放的驱动因素以及更具体和有针对性地制定碳减排策略提供依据。
人均用电碳排放的高值集聚区（HH区）散落在建成区东部的老城区和新老城区交界处,老城区偏东地区存在较多高值被低值包围区域（HL区）和低值被高值包围区域（LH区）,冷点区（LL区）散落于老城区东南角（图6a）。HH区中,2000年以后新建商品房占58.3%,胡同社区占16.7%,老商品房、经济适用房和企业家属院均占8.3%;LL区只有老商品房小区、企业家属院和胡同社区（图5）。

显示原图|下载原图ZIP|生成PPT
图6电力和供暖碳排放空间LISA分布图
-->Fig. 6LISA cluster map for carbon emissions from urban residential energy consumption of electricity and heating
-->

人均供暖的空间局部差异明显,HH区均位于城市外圈层（图6b）,结合人均集中供暖碳排放空间特征（图6c）可知,人均供暖的碳排放空间格局基本是由人均集中供暖碳排放的空间格局决定的。用电取暖产生的碳排放采用冬季用电每天碳排放减去春秋季每天碳排放进行估算,其高值区分布（图6d）基本可以和集中供暖碳排放在空间上形成互补。说明居民基本是在无集中供暖条件时选择用电器取暖,因用电取暖大多只提升个别房间的温度,且时间上也比集中供暖家庭24小时用能模式短很多,外加碳排放系数差异,因此用电取暖在人均取暖碳排放空间格局形成中所起作用较小。人均供暖碳排放HH区中,新建商品房占52.4%,政策性住房占19%,机关事业单位家属院和城郊私人建房各占14.3%;人均供暖碳排放不存在LL区（图5）。
4.2.4 基于标准差椭圆的空间差异分析为进一步明晰家庭生活用能碳排放高低集聚区的方向性和展布性,分别将户均生活用能碳排放、人均生活用能碳排放、人均供暖用能碳排放、人均用电碳排放的LISA分类作为案例分组字段,得出以上四类碳排放HH和LL的标准差椭圆分布图（图7）。从中可知：① 以鼓楼为中心分为四个象限,户均生活用能碳排放的HH区主要分布于第二象限（西北区域）,LL区主要分布于第一象限（东北区域）,且范围较小（图7a）。而西北区域正是开封城市建成区重点投资发展的区域,以建成区西北角汴西湖景观游憩带为中心的西北部区域在未来十年将成为开封市建成区新的行政中心和商业中心,此区域的居住区以新建高档小区为主。② 人均生活用能碳排放和人均供暖碳排放HH区椭圆方向和面积大小基本一致（图7b、图7c）,说明尽管电力碳排放是居民生活用能碳排放的主要构成方面,但是人均用电碳排放的差异远远小于人均供暖碳排放的差异,从而使得供暖碳排放高值集聚和低值集聚的格局决定了总生活用能碳排放的格局。③ 从椭圆的方向上来看,人均总碳排放与人均供暖碳排放的HH区椭圆长轴方向性明显,沿东西方向展开（图7b、图7c）。究其原因,开封市建成区在省会郑州强大吸引和带动作用下,不断向西扩张,从而使得碳排放格局与开封市建成区城市扩张方向一致。④ 从椭圆面积大小来看,户均生活用能碳排放高值集聚和低值集聚椭圆均较小,说明分布重心的集聚程度较高,人均用电碳排放次之,人均供暖碳排放和人均生活用能碳排放分布重心集聚程度则较低。

显示原图|下载原图ZIP|生成PPT
图7居民生活用能碳排放标准差椭圆分析结果
-->Fig. 7Results of standard deviation ellipse for carbon emissions from urban residential energy consumption
-->

4.2.5 空间格局的驱动因素分析
（1）居民收入因素
随着经济的不断发展,居民对生活质量和生活舒适度的重视程度不断加深。然而城市居民的收入存在较大差距,富裕的家庭选择别墅区和高档新建商品房小区的可能性比较大,这些住宅普遍面积较大,集中供暖设施齐备;而收入相对较低的家庭则改变居住条件的可能性较低,往往居住在较早开发的商品房小区或胡同社区,这些小区普遍建筑面积较小,且配套基础设施陈旧。已有研究表明,住房面积越大,耗费在供暖、制冷和其他用途上的能源越多^[11,15,16]。由居民的家庭收入空间分布格局（图8）可以看出,家庭月收入的高值与家庭生活用能碳排放呈现相似的规律,亦较多分布于城市的外圈层和西部新城区。此外,因历史发展、地价、周边环境和配套公共设施等原因,同一住房类型的小区存在一定的空间集聚效应^[39],因此家庭生活能耗碳排放的空间依赖性也由此凸显。

显示原图|下载原图ZIP|生成PPT
图8开封市居民家庭收入空间分布图
-->Fig. 8Spatial distribution for household income in Kaifeng
-->

（2）城市发展空间格局因素
城镇化发展的进程中,城市空间形态（包括城市人口密度、可达性、中心性等）可以通过影响居民对住宅的选择而影响居民的家庭能源消耗碳排放^[15]。研究表明城市蔓延带来居民生活能耗的增加,而紧凑型城市发展利于能源的节约^[40]。建成区的外圈层为城市向外快速扩张的区域,除政策性住房外,多为面积较大的新建商品房（图9）。此外,开封市西邻郑州,在全省政治经济中心的吸引力和郑汴同城政策的带动下,城区建设重心不断向西转移,新建高档小区也多集中于此,因此形成了图3所示的高值集聚区全部位于中心城区以西的格局和图4所示的人均生活用能热点区全部位于建成区外圈层的现象。

显示原图|下载原图ZIP|生成PPT
图9开封市社区类型空间分布图
-->Fig. 9Spatial distribution for community types in Kaifeng
-->

（3）集中供暖因素
虽然秦岭—淮河以北属于集中供暖地区,但是因资金投入和城市历史发展等多方面因素,一些城市并未能实现集中供暖全覆盖。由调查样本可知（图10）,开封市的集中供暖家庭不及半数;新建商品房小区基本实现集中供暖,机关事业单位家属院虽然有些住宅建造年代较早,但也能实现集中供暖;而人口密度较小且面临改建的胡同社区和改造难度大的老商品房小区均未能实现集中供暖。事实上,在南北方集中供暖问题争论中发现居民若以电暖器、热泵空调等为主要采暖方式,其地均采暖能耗远低于集中供暖。因此,城市集中供暖基础设施的空间布局也是生活能耗碳排放存在空间依赖性和空间异质性的主要原因。

显示原图|下载原图ZIP|生成PPT
图10开封市家庭采暖方式空间分布图
-->Fig. 10Spatial distribution for household heating mode in Kaifeng
-->

5 结论与讨论

以开封市为例,基于大样本实地调研数据,从不同侧重点对城市居民家庭生活用能碳排放的特点和空间分异进行了分析,结论如下：
（1）虽然电力消耗产生的碳排放是家庭生活用能碳排放结构的主要组成部分,但人均生活用能碳排放局部差异空间格局由供暖碳排放决定,且人均供暖碳排放空间格局又由集中供暖碳排放空间格局决定。因此,注重清洁电力能源的研发和电力能源的合理使用的同时,降低集中供暖能耗,缩小居民供暖用能差异成为中小城市居民生活用能碳减排工作的重中之重。可从以下方面着手构建居民低碳舒适供暖体系：第一,加快热源项目建设,淘汰燃煤小锅炉,积极提升热源供应能力,加快城市供热管网配套建设,结合城区建设、旧城改造、道路新（改、扩）建,推进供暖管网建设和改造,提高城市集中供暖普及率;第二,加快推动以热电联产和大型区域锅炉房集中供暖为主,燃气、电力、热泵、工业余热等其他能源供暖为辅的城市供暖体系建设;第三,深入推进住宅供暖分户计量,严格落实新建住宅必须实施供暖分户计量,既有住宅要逐步实施供暖分户计量改造的要求,加大分户计量的推广力度。
（2）家庭生活用能碳排放与其他社会问题一样存在明显的空间依赖性和空间异质性。家庭生活用能碳排放呈现明显的空间正向自相关,从高值集聚的空间分布特征及居住区类别差异来看,城市发展的空间格局和家庭经济状况的空间格局是家庭生活用能碳排放空间特性形成的重要原因。同时印证了居民收入水平会正向影响家庭生活用能碳排放,且城市空间形态会对居民碳排放造成影响,如城市蔓延会造成人均生活用能碳排放的增加。因此,在城市扩张过程中应注重精明增长,不盲目提倡郊区化社区,促使居住面积合理化,以保障“低碳城市”和“低碳社区”的建设。
（3）探索性空间数据分析和标准差椭圆方法能够有效分析家庭生活用能碳排放的空间分异问题,其中局部LISA分析可对全局分析中被整体掩盖的空间特征进行有益补充。从居民生活用能碳排放局部集聚分布特征来看,虽然全局空间自相关结果显示为正向相关,但局部来看,也存在高低和低高集聚现象,说明家庭生活能耗碳排放是一个复杂的问题,其空间规律并非完全一致。而SDE方法则更直观的揭示了高值集聚和低值集聚区空间上的方向性和中心性,为探索空间分异的影响机理奠定了基础。
The authors have declared that no competing interests exist.

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[21]	Gu Z H, Sun Q, Wennersten R.Impact of urban residences on energy consumption and carbon emissions: An investigation in Nanjing, China . Sustainable Cities and Society, 2013, 7: 52-61.https://doi.org/10.1016/j.scs.2012.11.004 URL [本文引用: 2]摘要 This paper analysed the energy consumption of urban households in Nanjing and the influencing factors in this energy consumption. The households studied were located in three urban districts of Nanjing: the city centre, a spontaneous residential area around the old city, and a planned satellite town. A questionnaire was used to obtain information on building characteristics, household characteristics, use of domestic appliances, and fuel oil consumption. Energy use was analysed by conversion into CO 2 emissions. The study found that household use and transport were the two main contributors to domestic energy consumption. Household electricity consumption showed obvious seasonal characteristics (higher in summer than in other seasons), while transport energy consumption showed geographical characteristics (the old town had lowest transport energy consumption). Highly efficient devices may not render buildings more energy-efficient, so architects should seek to reduce the need for such devices. Energy consumption and income were generally positively correlated. Family structure also influenced energy consumption, with high-income families and small families consuming more energy per capita. Economic and social factors were found to be equally important to technical factors for energy efficiency. Based on the findings, some possible policies are recommended.
[22]	Ahmad S, Baiocchi G, Creutzig F.CO₂ emissions from direct energy use of urban households in India . Environmental Science & Technology, 2015, 49(19): 11312-11320.https://doi.org/10.1021/es505814g URLPMID:26359859 [本文引用: 1]摘要 India hosts the world’s second largest population and offers the world’s largest potential for urbanization. India’s urbanization trajectory will have crucial implications on its future GHG emission levels. Using household microdata from India’s 60 largest cities, this study maps GHG emissions patterns and its determinants. It also ranks the cities with respect to their household actual and “counter-factual” GHG emissions from direct energy use. We find that household GHG emissions from direct energy use correlate strongly with income and household size; population density, basic urban services (municipal water, electricity, and modern cooking-fuels access) and cultural, religious, and social factors explain more detailed emission patterns. We find that the “greenest” cities (on the basis of household GHG emissions) are Bareilly and Allahabad, while the “dirtiest” cities are Chennai and Delhi; however, when we control for socioeconomic variables, the ranking changes drastically. In the control case, we fi...
[23]	Hara K, Uwasu M, Kishita Y, et al.Determinant factors of residential consumption and perception of energy conservation: Time-series analysis by large-scale questionnaire in Suita, Japan . Energy Policy, 2015, 87: 240-249.https://doi.org/10.1016/j.enpol.2015.09.016 URL摘要 In this study, we examined determinant factors associated with the residential consumption and perception of savings of electricity and city gas; this was based on data collected from a large-scale questionnaire sent to households in Suita, Osaka Prefecture, Japan, in two different years: 2009 and 2013. We applied an ordered logit model to determine the overall trend of the determinant factors, and then we performed a more detailed analysis in order to understand the reasons why the determinant factors changed between the two periods. Results from the ordered logit model reveal that electricity and gas consumption was primarily determined by such factors as household income, number of family members, the number of home appliances, and the perceptions of energy savings; there was not much difference between the two years, although in 2013, household income did not affect the perception of energy savings. Detailed analysis demonstrated that households with high energy consumption and those with moderate consumption are becoming polarized and that there was a growing gap between consumption behavior and the perception of conservation. The implications derived from the analyses provide an essential insight into the design of a municipal policy to induce lifestyle changes for an energy-saving society.
[24]	Papachristos G.Household electricity consumption and CO₂ emissions in the Netherlands: A model-based analysis . Energy and Buildings, 2015, 86: 403-414.https://doi.org/10.1016/j.enbuild.2014.09.077 URL [本文引用: 1]摘要 Twenty percent of the total energy consumption in the Netherlands comes from household electricity consumption. This comes from household electric appliances whose number has grown in recent years. The paper explores the effect of smart meter introduction, appliance efficiency and consumer behaviour on reducing electricity consumption in the Netherlands. It does so by combining two perspectives: a sociotechnical approach and a bottom up simulation approach. The range of scenarios explored through simulation in the paper provides an understanding of the interplay between efficiency, smart meter diffusion and consumer behaviour. The results show their effect on electricity consumption and suggest that further effort is required to control and reduce it. Insights from the paper suggest that future studies should disaggregate with respect to a number of factors.
[25]	张艳. 家庭直接能耗的碳排放影响因素研究进展 . 经济地理, 2011, 31(2): 284-288.URL [本文引用: 2]摘要家庭能源消费对环境的影响已经成为可持续发展领域热点研究课题之一.为了更好地开展家庭直接能耗的碳排放研究,对国际上近20年的研究进行总结分析,将国际上对家庭直接能耗碳排放影响因素的研究模型归纳为自上而下模型、自下而上模型及综合模型三大类,并对各种模型进行了评价;国际上对家庭直接能耗碳排放影响因素的研究集中于家庭外部环境、家庭特征及家庭成员3个方面.分析表明:家庭直接能耗碳排放影响因素的研究模型南简单走向综合;所用数据南历史统计数据到与微观住户调研数据相结合;研究的层面由国家(地区)、城市、社区向家庭内部全面展开:分析的视角由单一的宏观分析.到宏观与微观分析相结合.在基本反映家庭直接能耗碳排放影响因素研究的最新态势的同时,提出我国家庭直接能耗碳排放影响因素研究中值得注意的几个问题. [Zhang Yan, Qin Yaochen.Review on research of impact factors of carbon emissions due to direct household energy consumption . Economic Geography, 2011, 31(2): 284-288.]URL [本文引用: 2]摘要家庭能源消费对环境的影响已经成为可持续发展领域热点研究课题之一.为了更好地开展家庭直接能耗的碳排放研究,对国际上近20年的研究进行总结分析,将国际上对家庭直接能耗碳排放影响因素的研究模型归纳为自上而下模型、自下而上模型及综合模型三大类,并对各种模型进行了评价;国际上对家庭直接能耗碳排放影响因素的研究集中于家庭外部环境、家庭特征及家庭成员3个方面.分析表明:家庭直接能耗碳排放影响因素的研究模型南简单走向综合;所用数据南历史统计数据到与微观住户调研数据相结合;研究的层面由国家(地区)、城市、社区向家庭内部全面展开:分析的视角由单一的宏观分析.到宏观与微观分析相结合.在基本反映家庭直接能耗碳排放影响因素研究的最新态势的同时,提出我国家庭直接能耗碳排放影响因素研究中值得注意的几个问题.
[26]	Elnakat A, Gomez J D, Booth N.A zip code study of socioeconomic, demographic and household gendered influence on the residential energy sector . Energy Reports, 2016, 2: 21-27.https://doi.org/10.1016/j.egyr.2016.01.003 URL [本文引用: 2]摘要 This study investigates the influence of socioeconomic and demographic characteristics of the population on residential energy utilization patterns at the ZIP code level in San Antonio, Bexar County, Texas. The City of San Antonio, Texas is the seventh most populous city in the United States and second in the State. Variables analyzed include gender, median age, median income, educational attainment, occupancy, population density, total energy, per capita energy and per home energy. Statistically significant relationships between variables are discovered and highlighted in support of public policy development to ensure long-term, and cost-effective energy management.
[27]	孙才志, 陈栓, 赵良仕. 基于ESDA的中国省际水足迹强度的空间关联格局分析 . 自然资源学报, 2013, 28(4): 571-582.https://doi.org/10.11849/zrzyxb.2013.04.004 URL Magsci [本文引用: 2]摘要 <p>水足迹强度是一个反映水的利用效率的指标,论文在对1995-2009年中国31个省(市、区)水足迹计算的基础上(因资料所限,未考虑香港、澳门和台湾地区),利用探索性空间数据分析(ESDA)对15 a来各地区水足迹强度空间分布格局以及演变态势进行了分析和探讨。结果表明:①中国水足迹强度整体呈现明显的下降趋势,说明水资源的利用效率明显提高,但是区域发展并不平衡;②从全局空间分异来看,中国各地区水足迹强度呈现出正的空间相关性特征,存在着空间集聚特征,即水足迹强度高的地区相互邻接,强度低的地区相互邻接;③从局部空间分异来看,空间正相关模式(LL集聚和HH集聚)所占比例很大,且在研究年份内逐渐增加,反映出水足迹强度的LL集聚和HH集聚变得越来越显著。LL集聚主要分布在东部沿海一带,在空间上有明显的向周边扩散的趋势;HH集聚主要分布在西部地区,在空间分布上较稳定。</p> [Sun Caizhi, Chen Shuan, Zhao Liangshi.Spatial correlation pattern analysis of water footprint intensity based on ESDA model at provincial scale in China . Journal of Natural Resources, 2013, 28(4): 571-582.]https://doi.org/10.11849/zrzyxb.2013.04.004 URL Magsci [本文引用: 2]摘要 <p>水足迹强度是一个反映水的利用效率的指标,论文在对1995-2009年中国31个省(市、区)水足迹计算的基础上(因资料所限,未考虑香港、澳门和台湾地区),利用探索性空间数据分析(ESDA)对15 a来各地区水足迹强度空间分布格局以及演变态势进行了分析和探讨。结果表明:①中国水足迹强度整体呈现明显的下降趋势,说明水资源的利用效率明显提高,但是区域发展并不平衡;②从全局空间分异来看,中国各地区水足迹强度呈现出正的空间相关性特征,存在着空间集聚特征,即水足迹强度高的地区相互邻接,强度低的地区相互邻接;③从局部空间分异来看,空间正相关模式(LL集聚和HH集聚)所占比例很大,且在研究年份内逐渐增加,反映出水足迹强度的LL集聚和HH集聚变得越来越显著。LL集聚主要分布在东部沿海一带,在空间上有明显的向周边扩散的趋势;HH集聚主要分布在西部地区,在空间分布上较稳定。</p>
[28]	关伟, 朱海飞. 基于ESDA的辽宁省县际经济差异时空分析 . 地理研究, 2011, 30(11): 2008-2016.https://doi.org/10.11821/yj2011110007 URL Magsci [本文引用: 2]摘要以县域(含县、县级市、市辖区)为研究单元,采用人均GDP为测度指标,运用ESDA的方法对2000~2009年辽宁省县际经济差异的时空格局进行分析,认为辽宁省县际经济具有显著的空间自相关,区县经济差异呈现先扩大后缩小的趋势。在局部差异方面,"高-高"类型的区县主要集中在沈阳、大连地区并有向沿海地区扩散的趋势,"低-低"类型的区县主要集中在阜新、朝阳及葫芦岛等所属的广大辽西地区。经济热点区县在空间分布上虽表现出一定的随机性和不稳定性,但仍以沈阳地区、大连地区最为活跃。在进一步从历史发展基础、区位条件、政策因素、空间近邻效应等方面分析辽宁省县际经济差异驱动机制的基础上,指出"辽宁沿海经济带"和"沈阳经济区新型工业化综合配套改革试验区"上升为国家战略后,沈阳、大连在辽宁沿海经济带、沈阳经济区中的核心地位已经确立,但其辐射功能或带动作用仍然有限。 [Guan Wei, Zhu Haifei.Spatio-temporal analysis of inter-county economic differences in Liaoning province based on ESDA . Geographical Research, 2011, 30(11): 2008-2016.]https://doi.org/10.11821/yj2011110007 URL Magsci [本文引用: 2]摘要以县域(含县、县级市、市辖区)为研究单元,采用人均GDP为测度指标,运用ESDA的方法对2000~2009年辽宁省县际经济差异的时空格局进行分析,认为辽宁省县际经济具有显著的空间自相关,区县经济差异呈现先扩大后缩小的趋势。在局部差异方面,"高-高"类型的区县主要集中在沈阳、大连地区并有向沿海地区扩散的趋势,"低-低"类型的区县主要集中在阜新、朝阳及葫芦岛等所属的广大辽西地区。经济热点区县在空间分布上虽表现出一定的随机性和不稳定性,但仍以沈阳地区、大连地区最为活跃。在进一步从历史发展基础、区位条件、政策因素、空间近邻效应等方面分析辽宁省县际经济差异驱动机制的基础上,指出"辽宁沿海经济带"和"沈阳经济区新型工业化综合配套改革试验区"上升为国家战略后,沈阳、大连在辽宁沿海经济带、沈阳经济区中的核心地位已经确立,但其辐射功能或带动作用仍然有限。
[29]	潘竟虎, 尹君. 中国地级及以上城市发展效率差异的DEA-ESDA测度 . 经济地理, 2012, 32(12): 53-60.URL [本文引用: 1]摘要选取土地、资本、劳动、技术和通信等投入量作为输入指标,城市经济总量和地方财政收入输出指标,构建指标体系,运用数据包络分析(DEA)方法,并通过探索性空间数据分析(ESDA) 技术对2000—2010年中国286个地级及以上城市发展效率及其空间差异变化特征进行了分析,结果表明:2010年中国地级及以上城市综合效率水平较低,只有少数城市达到了效率最优。城市效率呈现出与三大地带经济发展格局、城市行政等级和规模等级相一致的空间格局,综合性城市和专业型城市间的效率差异显著。城市发展效率存在较强的空间关联。10年间,中国城市效率呈现先降后升的演变态势,总体有所降低,大多数城市都处在规模收益递增阶段,规模投入不足是中国城市要素效率不高的主要原因。区位、资源禀赋、产业结构和政策因素是中国城市效率格局分布与演化的主要影响因素。 [Pan Jinghu, Yinjun. Analysis on the urban development efficiency of cities at prefecture level or above in China based on DEA-ESDA . Economic Geography, 2012, 32(12): 53-60.]URL [本文引用: 1]摘要选取土地、资本、劳动、技术和通信等投入量作为输入指标,城市经济总量和地方财政收入输出指标,构建指标体系,运用数据包络分析(DEA)方法,并通过探索性空间数据分析(ESDA) 技术对2000—2010年中国286个地级及以上城市发展效率及其空间差异变化特征进行了分析,结果表明:2010年中国地级及以上城市综合效率水平较低,只有少数城市达到了效率最优。城市效率呈现出与三大地带经济发展格局、城市行政等级和规模等级相一致的空间格局,综合性城市和专业型城市间的效率差异显著。城市发展效率存在较强的空间关联。10年间,中国城市效率呈现先降后升的演变态势,总体有所降低,大多数城市都处在规模收益递增阶段,规模投入不足是中国城市要素效率不高的主要原因。区位、资源禀赋、产业结构和政策因素是中国城市效率格局分布与演化的主要影响因素。
[30]	胡艳兴, 潘竟虎, 王怡睿. 基于ESDA-GWR的1997-2012年中国省域能源消费碳排放时空演变特征 . 环境科学学报, 2015, 35(6): 1896-1906.Magsci [本文引用: 1]摘要利用1997—2012年《中国能源统计年鉴》和《中国统计年鉴》相关数据,结合重心转移、ESDA及GWR等模型和方法,分析了近16年间中国省域能源消费碳排放量的空间相关性、异质性及影响因素,根据碳排放量划分标准将各省份划分为不同的碳排放区.结果表明:16年间碳排放量的重心向西迁移;我国省域碳排放量存在较为显著的空间正相关,自相关性在整体上表现出先增大后减小的趋势.2001年全局Moran's <em>I</em>指数达到最高值,为0.3012;能源消费碳排放量的冷热点格局表现出冷点扩张、热点被压缩的趋势;影响碳排放量的6个因素的影响程度由大到小依次为:总人口>人均GDP >煤炭消耗比重>全社会固定资产投资>第二产业比重>人口老龄化率,只有人口老龄化率这一指标表现出负相关性;近16年我国省域碳排放量的空间格局发生了显著变化,2012年已有13个省份属于超重型碳排放区,表明我国要加强碳减排的力度. [Hu Yanxing, Pan Jinghong, Wang Yirui.Spatial-temporal evolution of provincial carbon emission in China from 1997 to 2012 based on ESDA and GWR model . Acta Scientiae Circumstantiae, 2015, 35(6): 1896-1906.]Magsci [本文引用: 1]摘要利用1997—2012年《中国能源统计年鉴》和《中国统计年鉴》相关数据,结合重心转移、ESDA及GWR等模型和方法,分析了近16年间中国省域能源消费碳排放量的空间相关性、异质性及影响因素,根据碳排放量划分标准将各省份划分为不同的碳排放区.结果表明:16年间碳排放量的重心向西迁移;我国省域碳排放量存在较为显著的空间正相关,自相关性在整体上表现出先增大后减小的趋势.2001年全局Moran's <em>I</em>指数达到最高值,为0.3012;能源消费碳排放量的冷热点格局表现出冷点扩张、热点被压缩的趋势;影响碳排放量的6个因素的影响程度由大到小依次为:总人口>人均GDP >煤炭消耗比重>全社会固定资产投资>第二产业比重>人口老龄化率,只有人口老龄化率这一指标表现出负相关性;近16年我国省域碳排放量的空间格局发生了显著变化,2012年已有13个省份属于超重型碳排放区,表明我国要加强碳减排的力度.
[31]	王录仓, 高静. 张掖灌区聚落与水土资源空间耦合关系研究 . 经济地理, 2014, 34(2): 139-147.URL [本文引用: 1]摘要应用标准差椭圆和邻近距离指数分析模型,对张掖绿洲3个典型灌区的居民点、渠系和水浇地的空间分布模式进行了系统分析。结果表明:渠系、聚落和水浇地空间分布的标准差椭圆均以该要素的重心为中心,存在着高度的空间耦合性,其中渠系是关键的和基础性因素。在沿山独立灌区(新坝灌区):渠系—水浇地空间分布模式基本重合,空间分布走向一致,居民点空间分布模式在西北方向边缘部分略微收缩,说明渠系与水浇地空间耦合性更强。在绿洲边缘灌区(平川灌区):居民点—渠系—水浇地空间分布模式基本重合。在典型的绿洲核心灌区(盈科灌区):渠系、水浇地空间分布模式基本重合,而与居民点存在较大差异,说明水土资源与聚落的空间耦合性较差。从三类灌区总体特征来考察,可以发现,从沿山独立灌区(新坝灌区)到绿洲边缘区灌区(平川灌区)再到绿洲中腹灌区,水浇地、道路和渠系斑块所占比例在逐步提高,说明水、土地开发强度在增大,廊道作用越来越明显;居民点与水浇地、渠系(道路)之间的最邻近距离在缩短,说明居民点与水土资源之间的关系更密切。 [Wang Lucang, Gaojing. The spatial coupling relationship between settlements and land-water resources in Zhangye irrigation districts . Economic Geography, 2014, 34(2): 139-147.]URL [本文引用: 1]摘要应用标准差椭圆和邻近距离指数分析模型,对张掖绿洲3个典型灌区的居民点、渠系和水浇地的空间分布模式进行了系统分析。结果表明:渠系、聚落和水浇地空间分布的标准差椭圆均以该要素的重心为中心,存在着高度的空间耦合性,其中渠系是关键的和基础性因素。在沿山独立灌区(新坝灌区):渠系—水浇地空间分布模式基本重合,空间分布走向一致,居民点空间分布模式在西北方向边缘部分略微收缩,说明渠系与水浇地空间耦合性更强。在绿洲边缘灌区(平川灌区):居民点—渠系—水浇地空间分布模式基本重合。在典型的绿洲核心灌区(盈科灌区):渠系、水浇地空间分布模式基本重合,而与居民点存在较大差异,说明水土资源与聚落的空间耦合性较差。从三类灌区总体特征来考察,可以发现,从沿山独立灌区(新坝灌区)到绿洲边缘区灌区(平川灌区)再到绿洲中腹灌区,水浇地、道路和渠系斑块所占比例在逐步提高,说明水、土地开发强度在增大,廊道作用越来越明显;居民点与水浇地、渠系(道路)之间的最邻近距离在缩短,说明居民点与水土资源之间的关系更密切。
[32]	Lefever D W.Measuring geographic concentration by means of the standard deviational ellipse . The American Journal of Sociology, 1926, 32(1): 88-94.https://doi.org/10.1086/214027 URL [本文引用: 1]摘要 Many social problems involve the geographic location of the social factors concerned. To know the characteristics of the areas in which these factors appear is to throw light on the entire situation. A statistical method for measuring the concentration of unit locations on a"
[33]	赵璐, 赵作权. 基于特征椭圆的中国经济空间分异研究 . 地理科学, 2014, 34(8): 979-986.URL Magsci [本文引用: 2]摘要 <p>根据克鲁格曼的“两个自然”理论，运用空间统计SDE方法，在GIS 技术的支持下，基于中国国土空间特征椭圆系列——国土均衡分布椭圆、国土地形分布椭圆、人口分布椭圆等，在空间上定量刻画了中国经济空间分异的基本特征，并为分析经济空间分异提供了新的方法参考。主要结论如下：① 在“两个自然”的分异作用下，中国经济空间分异主要以东-西方向为主。相对于国土均衡分布椭圆，国土地形分布椭圆明显偏西，长、短轴均明显减小，这反映出中国高地势主要集中分布在西部；中国人口空间分布靠近东部地区，其椭圆长、短轴长度均显著减小，充分表现出了经济活动的空间分异特征和空间聚集特征；② 国土地形等“第一自然”要素对社会经济活动的控制作用显著。人口分布椭圆对于地形分布椭圆的空间分异系数为89.55%，其93%的空间展布范围位于胡焕庸线的东南，且分布轴线基本与胡焕庸线平行；③ 在“第二自然”聚集机制的作用下，中国城市体系人口、GDP主体集中在胡焕庸线东南方约20%的大陆国土面积上，且二者之间也存在着明显的空间差异。从“第一自然”要素的空间分异和控制作用来看，胡焕庸线以西地区，特别是西北侧地区发展经济、集聚人口的功能较弱。同时，由于区域发展的内在核心动力聚集机制的空间差异性，区域发展的过程也呈现不平衡的特征。从兼顾效率和公平的角度出发，可通过重点培育人口分布较为集中的成渝城市群、关中城市群等中西部经济增长极拉动中国经济增长和市场空间向中西部发展；可通过制定相关政策吸引人口向GDP分布椭圆北部地区流动、聚集，发挥人口的红利作用，推进经济增长由南向北发展。</p> [Zhao Lu, Zhao Zuoquan.Projecting the spatial variation of economic based on the specific ellipses in China . Scientia Geographica Sinica, 2014, 34(8): 979-986.]URL Magsci [本文引用: 2]摘要 <p>根据克鲁格曼的“两个自然”理论，运用空间统计SDE方法，在GIS 技术的支持下，基于中国国土空间特征椭圆系列——国土均衡分布椭圆、国土地形分布椭圆、人口分布椭圆等，在空间上定量刻画了中国经济空间分异的基本特征，并为分析经济空间分异提供了新的方法参考。主要结论如下：① 在“两个自然”的分异作用下，中国经济空间分异主要以东-西方向为主。相对于国土均衡分布椭圆，国土地形分布椭圆明显偏西，长、短轴均明显减小，这反映出中国高地势主要集中分布在西部；中国人口空间分布靠近东部地区，其椭圆长、短轴长度均显著减小，充分表现出了经济活动的空间分异特征和空间聚集特征；② 国土地形等“第一自然”要素对社会经济活动的控制作用显著。人口分布椭圆对于地形分布椭圆的空间分异系数为89.55%，其93%的空间展布范围位于胡焕庸线的东南，且分布轴线基本与胡焕庸线平行；③ 在“第二自然”聚集机制的作用下，中国城市体系人口、GDP主体集中在胡焕庸线东南方约20%的大陆国土面积上，且二者之间也存在着明显的空间差异。从“第一自然”要素的空间分异和控制作用来看，胡焕庸线以西地区，特别是西北侧地区发展经济、集聚人口的功能较弱。同时，由于区域发展的内在核心动力聚集机制的空间差异性，区域发展的过程也呈现不平衡的特征。从兼顾效率和公平的角度出发，可通过重点培育人口分布较为集中的成渝城市群、关中城市群等中西部经济增长极拉动中国经济增长和市场空间向中西部发展；可通过制定相关政策吸引人口向GDP分布椭圆北部地区流动、聚集，发挥人口的红利作用，推进经济增长由南向北发展。</p>
[1]	樊杰, 李平星, 梁育填. 个人终端消费导向的碳足迹研究框架: 支撑我国环境外交的碳排放研究新思路 . 地球科学进展, 2010, 25(1): 61-68.Magsci [本文引用: 3]摘要 <p>碳足迹揭示了终端消费领域人类活动对于全球气候变化的影响，是碳排放研究从生产层面转向消费层面的重要标志。开展碳足迹研究可以揭示人类终端消费活动导致的碳排放以及消费能力、消费结构与碳足迹的关系，并最终服务于我国的环境外交。在分析传统生产层面碳排放研究、总结碳足迹研究最新进展的基础上，从气候变化研究领域中就人类活动进行研究的3大核心命题——“规律、权益、策略”出发，提出了碳足迹研究的基本理念、基本假设和基本判断，总结了相应的原则。最后，对生存型、发展型和奢侈型消费及相应碳排放进行了初步的判断和核算。</p> [Fan Jie, Li Xingping, Liang Yutian.Framework of final consumption oriented research on carbon footprints: New idea of research on carbon emissions supporting the environmental diplomacy of China . Advances in Earth Science, 2010, 25(1): 61-68.]Magsci [本文引用: 3]摘要 <p>碳足迹揭示了终端消费领域人类活动对于全球气候变化的影响，是碳排放研究从生产层面转向消费层面的重要标志。开展碳足迹研究可以揭示人类终端消费活动导致的碳排放以及消费能力、消费结构与碳足迹的关系，并最终服务于我国的环境外交。在分析传统生产层面碳排放研究、总结碳足迹研究最新进展的基础上，从气候变化研究领域中就人类活动进行研究的3大核心命题——“规律、权益、策略”出发，提出了碳足迹研究的基本理念、基本假设和基本判断，总结了相应的原则。最后，对生存型、发展型和奢侈型消费及相应碳排放进行了初步的判断和核算。</p>
[34]	蒋金亮, 徐建刚, 吴文佳, 等. 中国人—地碳源汇系统空间格局演变及其特征分析 . 自然资源学报, 2014, 29(5): 757-768.https://doi.org/10.11849/zrzyxb.2014.05.003 URL [本文引用: 1]摘要论文从人-地结合视角看待碳移动问题,根据2001—2009年遥感数据和能源数据,分别计算各省碳排放和碳吸收量,引入流动比率,从而划分出高碳源地、低碳源地和碳汇地,结合标准差椭圆进一步分析人-地碳源汇系统离散和聚集趋势,进而得出人-地碳源汇系统空间格局演变及其特征。研究表明:①高碳源地主要集中在华北地区和上海地区,作为高碳源地的华北地区呈逐步向外扩张趋势,低碳源地主要在华东地区、华中地区和广东地区,呈现不断向西、南方向扩散趋势,碳汇地主要在西北、东北和西南地区;②高碳源地从点状式分布逐步向外扩散,到2009年呈现华北两端聚集,上海突出的类三角形结构,低碳源地呈现华中和华东两端聚集,广东、吉林突出的类四边形结构,而碳汇地基本是在外围包围低碳源地,人-地碳源汇系统呈现逐级由上至下态势,高碳源地不断由内向外扩散,低碳源地不断转变成高碳源地,同时碳汇地也不断转变成低碳源地;③2001—2009年高碳源地标准差椭圆位于华东和华北地区,分布格局呈西北—东南格局,范围在2005年之前基本不变,2005年之后逐步扩大;2001—2009年低碳源地标准差椭圆主要集中在华东和华北地区,分布格局从"东北—西南"到"西北—东南",再到"东北—西南",最后又回到"西北—东南",低碳源地在主轴和辅轴上分布不断分散,2001—2003年间变化最大,2003年之后变化幅度减少;2001—2009年期间碳汇地系统呈东北—西南分布格局,且椭圆整体位于中国东部和中部地区,碳汇地系统在此期间并没有出现较大的波动。 [Jiang Jinliang, Xu Jiangang, Wu Wenjia, et al.Patterns and dynamics of China's human-nature carbon source-sink system. Journal of Natural Resources . Journal of Natural Resources, 2014, 29(5): 757-768.]https://doi.org/10.11849/zrzyxb.2014.05.003 URL [本文引用: 1]摘要论文从人-地结合视角看待碳移动问题,根据2001—2009年遥感数据和能源数据,分别计算各省碳排放和碳吸收量,引入流动比率,从而划分出高碳源地、低碳源地和碳汇地,结合标准差椭圆进一步分析人-地碳源汇系统离散和聚集趋势,进而得出人-地碳源汇系统空间格局演变及其特征。研究表明:①高碳源地主要集中在华北地区和上海地区,作为高碳源地的华北地区呈逐步向外扩张趋势,低碳源地主要在华东地区、华中地区和广东地区,呈现不断向西、南方向扩散趋势,碳汇地主要在西北、东北和西南地区;②高碳源地从点状式分布逐步向外扩散,到2009年呈现华北两端聚集,上海突出的类三角形结构,低碳源地呈现华中和华东两端聚集,广东、吉林突出的类四边形结构,而碳汇地基本是在外围包围低碳源地,人-地碳源汇系统呈现逐级由上至下态势,高碳源地不断由内向外扩散,低碳源地不断转变成高碳源地,同时碳汇地也不断转变成低碳源地;③2001—2009年高碳源地标准差椭圆位于华东和华北地区,分布格局呈西北—东南格局,范围在2005年之前基本不变,2005年之后逐步扩大;2001—2009年低碳源地标准差椭圆主要集中在华东和华北地区,分布格局从"东北—西南"到"西北—东南",再到"东北—西南",最后又回到"西北—东南",低碳源地在主轴和辅轴上分布不断分散,2001—2003年间变化最大,2003年之后变化幅度减少;2001—2009年期间碳汇地系统呈东北—西南分布格局,且椭圆整体位于中国东部和中部地区,碳汇地系统在此期间并没有出现较大的波动。
[2]	Bin S, Dowlatabadi H.Consumer lifestyle approach to US energy use and the related CO₂ emissions . Energy Policy, 2005, 33(2): 197-208.https://doi.org/10.1016/S0301-4215(03)00210-6 Magsci [本文引用: 1]摘要 <h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">Historically, a sectoral approach (based on the industrial, transportation, commercial, and residential sectors) has shaped the way we frame and analyze issues of energy conservation and CO<sub>2</sub> mitigation. This sectoral categorization, however, is limited in its capacity to reveal the total impacts of consumer activities on energy use and its related environmental impacts. In this paper, we propose an alternative paradigm, called the Consumer Lifestyle Approach (CLA), to explore the relationship between consumer activities and environmental impacts in the US. Estimates based on our methodology reveal that more than 80% of the energy used and the CO<sub>2</sub> emitted in the US are a consequence of consumer demands and the economic activities to support these demands. Direct influences due to consumer activities (home energy use and personal travel) are 4% of the US GDP, but account for 28% and 41% of US energy use and CO<sub>2</sub> emissions, respectively. Indirect influences (such as housing operations, transportation operations, food, and apparel) involve more than twice the direct energy use and CO<sub>2</sub> emissions. Characterization of both direct and indirect energy use and emissions is critical to the design of more effective energy and CO<sub>2</sub> emission policies. It may also help erode the false dichotomy of “them versus us” (industrial polluters versus consumers) references to the locus of responsibility for control of energy use and CO<sub>2</sub> emissions.</p>
[3]	Pachauri S, Spreng D.Direct and indirect energy requirements of households in India . Energy Policy, 2002, 30(6): 511-523.https://doi.org/10.1016/S0301-4215(01)00119-7 Magsci [本文引用: 1]摘要 <h2 class="secHeading" id="section_abstract">Abstract</h2><p id="">This study is based on the 115 sector classification input–output tables for India for the years 1983–84, 1989–90 and 1993–94. Calculated total primary energy intensities along with private final consumption expenditures are used as a basis for determining the indirect energy requirements of Indian households. Results reveal that total household energy consumption is about evenly divided between direct and indirect energy and together comprises 75% of the total energy consumption of India. Most of household energy consumed directly is still non-commercial and the consumption of food is responsible for about half the indirect energy consumption. Household energy requirements have increased significantly, both in total and per capita terms over this time period. The commercial component of direct household energy consumption and the indirect energy requirements have increased continuously. The main drivers of this increase have been (1) the growing expenditures per capita, (2) population and (3) increasing energy intensity in the food and agricultural sectors.</p>
[35]	O'Loughlin J, Witmer F D W. The localized geographies of violence in the North Caucasus of Russia, 1999-2007 . Annals of the Association of American Geographers, 2010, 101(1): 178-201. [本文引用: 1]
[36]	曲建升, 刘莉娜, 曾静静, 等. 中国城乡居民生活碳排放驱动因素分析 . 中国人口·资源与环境, 2014, 24(8): 33-41.https://doi.org/10.3969/j.issn.1002-2104.2014.08.005 URL [本文引用: 1]摘要本文基于时间序列数据从生活消费视角定量评估居民人均生活碳排放的驱动因素。基于Kaya恒等式基本原理,采用LMDI分解法构建一个包括消费碳排放强度、消费结构、城乡消费比重、消费水平、经济水平和城乡结构在内的居民人均生活碳排放驱动因素分解模型,对我国1995-2012年的城乡居民人均生活碳排放影响因素进行分解分析。研究结果表明:消费水平、经济水平、消费结构、城乡结构、城乡消费比重各因素效应对我国城镇居民人均生活碳排放的影响均大于对我国农村居民人均生活碳排放的影响;消费水平、经济水平、消费结构因素对我国城乡居民人均生活碳排放的影响最为明显;城镇人口效应对城镇居民人均生活碳排放量的减排意义重大,而农村人口效应导致农村居民人均生活碳排放量的增加;城乡结构变化会带动居民人均生活碳排放的变化,随着时间推移,城乡结构达到一定程度,我国城乡居民人均生活碳排放的变化也相对稳定。在此基础上,提出我国家庭生活消费节能减排的对策及建议,引导居民低碳生活,绿色消费。
[4]	Baiocchi G, Minx J, Hubacek K.The impact of social factors and consumer behavior on carbon dioxide emissions in the United Kingdom . Journal of Industrial Ecology, 2010, 14(1): 50-72.https://doi.org/10.1111/j.1530-9290.2009.00216.x URL [本文引用: 1]摘要 Summary In this article we apply geodemographic consumer segmentation data in an input61output framework to understand the direct and indirect carbon dioxide (CO 2 ) emissions associated with consumer behavior of different lifestyles in the United Kingdom. In a subsequent regression analysis, we utilize the lifestyle segments contained in the dataset to control for aspects of behavioral differences related to lifestyles in an analysis of the impact of various socioeconomic variables on CO 2 emissions, such as individual aspirations and people's attitudes toward the environment, as well as the physical context in which people act. This approach enables us to (1) test for the significance of lifestyles in determining CO 2 emissions, (2) quantify the importance of a variety of individual socioeconomic determinants, and (3) provide a visual representation of “where” the various factors exert the greatest impact, by exploiting the spatial information contained in the lifestyle data. Our results indicate the importance of consumer behavior and lifestyles in understanding CO 2 emissions in the United Kingdom. Across lifestyle groups, CO 2 emissions can vary by a factor of between 2 and 3. Our regression results provide support for the idea that sociodemographic variables are important in explaining emissions. For instance, controlling for lifestyles and other determinants, we find that emissions are increasing with income and decreasing with education. Using the spatial information, we illustrate how the lifestyle mix of households in the United Kingdom affects the geographic distribution of environmental impacts.
[5]	Hamamoto M.Energy-saving behavior and marginal abatement cost for household CO₂ emissions . Energy Policy, 2013, 63(4): 809-813.https://doi.org/10.1016/j.enpol.2013.08.082 URL [本文引用: 1]摘要 This paper attempts to measure consumers' perceived net benefits (or net costs) of energy-saving measures in using energy-consuming durable goods. Using the estimated net costs and the volume of CO 2 reduced by the measures, a marginal abatement cost (MAC) curve for the average household's CO 2 emissions is produced. An analysis using the curve suggests that in order to provide households with an incentive to take actions that can lead to CO 2 emission reductions in using energy-consuming durables, a high level of carbon price is needed. In addition, a regression analysis reveals that the net benefits of the measures are larger for households that put a higher priority on energy saving, for those living in detached houses, for those with a smaller number of persons living together, and for those with less income. The result of the analysis using the MAC curve may suggest that promoting energy-saving behavior will require not only a policy to provide economic incentives but also interventions to influence psychological factors of household behavior.
[36]	[Qu Jiansheng, Liu Lina, Zeng Jingjing, et al.An analysis on driving factors of China's urban and rural household carbon emissions. China Population, Resources and Environment, 2014, 24(8): 33-41.]https://doi.org/10.3969/j.issn.1002-2104.2014.08.005 URL [本文引用: 1]摘要本文基于时间序列数据从生活消费视角定量评估居民人均生活碳排放的驱动因素。基于Kaya恒等式基本原理,采用LMDI分解法构建一个包括消费碳排放强度、消费结构、城乡消费比重、消费水平、经济水平和城乡结构在内的居民人均生活碳排放驱动因素分解模型,对我国1995-2012年的城乡居民人均生活碳排放影响因素进行分解分析。研究结果表明:消费水平、经济水平、消费结构、城乡结构、城乡消费比重各因素效应对我国城镇居民人均生活碳排放的影响均大于对我国农村居民人均生活碳排放的影响;消费水平、经济水平、消费结构因素对我国城乡居民人均生活碳排放的影响最为明显;城镇人口效应对城镇居民人均生活碳排放量的减排意义重大,而农村人口效应导致农村居民人均生活碳排放量的增加;城乡结构变化会带动居民人均生活碳排放的变化,随着时间推移,城乡结构达到一定程度,我国城乡居民人均生活碳排放的变化也相对稳定。在此基础上,提出我国家庭生活消费节能减排的对策及建议,引导居民低碳生活,绿色消费。
[37]	李治, 李培, 郭菊娥, 等. 城市家庭碳排放影响因素与跨城市差异分析 . 中国人口·资源与环境, 2013, 23(10): 87-94.https://doi.org/10.3969/j.issn.1002-2104.2013.10.013 URL [本文引用: 1]摘要我国城市化发展既提高了城市居民收入水平同时又增加了碳排放.本文使用56个城市的微观家庭数据,在各个城市层面上建立不同类型能源消耗的行为方程,对包含固定收入、家庭规模和户主年龄的标准家庭居住碳排放进行有效的估算,同时对跨城市差异进行分析解释.结果表明,在以标准家庭居住碳排放为唯一衡量标准时,东川市和蚌埠市是碳排放最少的城市,而新乡市与郑州市则是碳排放最多的城市,很多低排放城市位于秦岭-淮河南北分界线的南侧,大城市排放要高于中小城市.通过对城市收入弹性的估算,发现相对富裕的家庭会增加消耗清洁燃料.一个家庭从低排放城市移动到高排放城市造成的环境成本占家庭年均收入的6.6％,同时低密度城市发展模式以及具有严寒气候的城市都会增加居住碳排放.这些实证研究结果可以辅助城市规划和城市管理者进行“低碳城市”或“低碳生活模式”等相关政策的制定.
[6]	Lu H, Liu G.Spatial effects of carbon dioxide emissions from residential energy consumption: A county-level study using enhanced nocturnal lighting . Applied Energy, 2014, 131(9): 297-306.https://doi.org/10.1016/j.apenergy.2014.06.036 URL [本文引用: 2]摘要 As the world’s largest developing country and greenhouse gas emitter, China’s residential energy consumption (REC) is now responsible for over 11% of the country’s total energy consumption. In this paper, we present a novel method that utilizes spatially distributed information from the Defense Meteorological Satellite Program’s Operational Linescan System (DMSP–OLS) and human activity index (HAI) to test the hypothesis that counties with similar carbon dioxide emissions from REC are more spatially clustered than would be expected by chance. Our results revealed a high degree of county-level clustering in the distribution of emissions per capita. However, further analysis showed that high-emission counties tended to be surrounded by counties with relatively low per capita GDP levels. Therefore, our results contrasted with other evidence that REC emissions were closely related to GDP levels. Accordingly, we stress the need for the consideration of other factors in determining emission patterns, such as residential consumption patterns (e.g., consumer choices, behavior, knowledge, and information diffusion).
[7]	冯蕊, 朱坦, 陈胜男, 等. 天津市居民生活消费CO₂排放估算分析 . 中国环境科学, 2011, 31(1): 163-169.Magsci [本文引用: 1]摘要根据联合国政府间气候变化专门委员会(IPCC)碳排放计算指南(2006年版)中的计算公式和CO2排放系数缺省值,以居住综合消费碳排放、叠加交通消费碳排放计算模型为基础,应用碳排放系数法估算了2006~2008年天津市居民人均生活消费CO2排放量及其在总的能源消耗CO2排放量中所占比例.结果表明,2006~2008年天津市居民生活消费CO2排放量呈逐年上升趋势,2008年的排放量比2006年增加了13.7%.居民生活消费CO2排放在总的能源消耗CO2排放中所占比例整体呈上升趋势,并从产业结构和能源消费结构两个角度分析了导致这一现象的原因.
[37]	[Li Zhi, Li Pei, Guo Ju'e, et al. Impact factors estimation and research on the differences across cities of residential CO₂ emissions in Chinese major cities. China Population, Resources and Environment, 2013, 23(10): 87-94.]https://doi.org/10.3969/j.issn.1002-2104.2013.10.013 URL [本文引用: 1]摘要我国城市化发展既提高了城市居民收入水平同时又增加了碳排放.本文使用56个城市的微观家庭数据,在各个城市层面上建立不同类型能源消耗的行为方程,对包含固定收入、家庭规模和户主年龄的标准家庭居住碳排放进行有效的估算,同时对跨城市差异进行分析解释.结果表明,在以标准家庭居住碳排放为唯一衡量标准时,东川市和蚌埠市是碳排放最少的城市,而新乡市与郑州市则是碳排放最多的城市,很多低排放城市位于秦岭-淮河南北分界线的南侧,大城市排放要高于中小城市.通过对城市收入弹性的估算,发现相对富裕的家庭会增加消耗清洁燃料.一个家庭从低排放城市移动到高排放城市造成的环境成本占家庭年均收入的6.6％,同时低密度城市发展模式以及具有严寒气候的城市都会增加居住碳排放.这些实证研究结果可以辅助城市规划和城市管理者进行“低碳城市”或“低碳生活模式”等相关政策的制定.
[38]	李媛芳, 张晓平. 中国城市居民生活用电碳排放差异及时空演变 . 热带地理, 2015, 35(2): 250-257.Magsci [本文引用: 1]摘要 <p>以地级市为研究单元，以人均生活用电碳排放为测度指标，借助经典统计学中的各类不平衡指数，对2002―2011年间中国城市居民生活用电碳排放的差异程度进行动态时序分析。同时，运用ESDA方法，从静态的碳排放量和动态的碳排放增长率2个角度，定量描述了2002年以来中国城市生活用电碳排放的时空演化特征。结果表明：中国城市居民人均生活用电碳排放差异逐渐缩小；就人均碳排放量来说，总体上表现为空间正相关，且集聚程度逐渐增强，冷热点格局基本稳定，高值区域从广东省逐渐向北延伸至其他东南沿海地区；就碳排放增长率来说，碳排放增长在总体上无显著的空间相关性，地理集中现象不明显，冷热点区域转换迅速，高值区域数目显著增加且表现出向北转移的趋势。</p>
[7]	[Feng Rui, Zhu Tan, Chen Shengnan, et al.Analysis on estimation of CO₂ emission on household energy consumption in Tianjin . China Environmental Science, 2011, 31(1): 163-169.]Magsci [本文引用: 1]摘要根据联合国政府间气候变化专门委员会(IPCC)碳排放计算指南(2006年版)中的计算公式和CO2排放系数缺省值,以居住综合消费碳排放、叠加交通消费碳排放计算模型为基础,应用碳排放系数法估算了2006~2008年天津市居民人均生活消费CO2排放量及其在总的能源消耗CO2排放量中所占比例.结果表明,2006~2008年天津市居民生活消费CO2排放量呈逐年上升趋势,2008年的排放量比2006年增加了13.7%.居民生活消费CO2排放在总的能源消耗CO2排放中所占比例整体呈上升趋势,并从产业结构和能源消费结构两个角度分析了导致这一现象的原因.
[8]	Baiocchi G, Creutzig F, Minx J, et al.A spatial typology of human settlements and their CO₂ emissions in England . Global Environmental Change, 2015, 34(9): 13-21.https://doi.org/10.1016/j.gloenvcha.2015.06.001 URL [本文引用: 1]摘要 Case studies demonstrate that urban greenhouse gas emissions are driven by socio-economic, climatic and urban-form specific characteristics. But neither the interdependence between attributes nor their place-specific context has been well understood. In this paper, we develop a nested typology of human settlements in England, containing both urban and rural environments, that is based on local drivers of emissions from direct energy use in nearly 7000 local areas. We reject the standard hypothesis that settlements obey a global linear model explaining emissions. The emissions of human settlement types are characterized by unique, place-specific combinations of emission drivers. We find that density and income are dominant classifiers of local carbon dioxide emissions. However, their specific impacts are particular to human settlement types as characterized by the place-specific combination of income, household size, and local climate, which are themselves spatially contextualized. Our typology strongly correlates with the geographic distribution of lifestyles. Average household carbon dioxide emissions are highest for very high income households (top 3%) living in low-density settlement areas with large houses, mostly concentrated in outer suburbs. Our results provide a first step towards enabling decision makers to go beyond one-size-fits-all approaches but instead to apply appropriate and specific mitigating measures for each type of human settlement. In turn, successful strategies could be transferred between similar types of human settlements.
[38]	[Li Yuanfang, Zhang Xiaoping.Regional disparities and spatial-temporal evolution of carbon emissions of domestic electricity consumption in urban China . Tropical Geography, 2015, 35(2): 250-257.]Magsci [本文引用: 1]摘要 <p>以地级市为研究单元，以人均生活用电碳排放为测度指标，借助经典统计学中的各类不平衡指数，对2002―2011年间中国城市居民生活用电碳排放的差异程度进行动态时序分析。同时，运用ESDA方法，从静态的碳排放量和动态的碳排放增长率2个角度，定量描述了2002年以来中国城市生活用电碳排放的时空演化特征。结果表明：中国城市居民人均生活用电碳排放差异逐渐缩小；就人均碳排放量来说，总体上表现为空间正相关，且集聚程度逐渐增强，冷热点格局基本稳定，高值区域从广东省逐渐向北延伸至其他东南沿海地区；就碳排放增长率来说，碳排放增长在总体上无显著的空间相关性，地理集中现象不明显，冷热点区域转换迅速，高值区域数目显著增加且表现出向北转移的趋势。</p>
[39]	孙倩, 汤放华. 基于空间扩展模型和地理加权回归模型的城市住房价格空间分异比较 . 地理研究, 2015, 34(7): 1343-1351.https://doi.org/10.11821/dlyj201507013 Magsci [本文引用: 1]摘要 <p>鉴于已有研究主要集中探讨住房价格的空间依赖性,较少涉及空间异质性对住房特征价格的影响,也很少尝试构建不同计量模型来比较模型间刻画住房价格影响因素空间分异的准确性,以长沙市中心城区为研究区,采用空间扩展模型和地理加权回归模型比较分析城市住房价格影响因素的空间分异,结果表明：① 空间扩展模型和地理加权回归模型都表明,长沙市中心城区的住房属性边际价格随着区位的变化而变化,揭示住房价格影响因素具有显著的空间异质性;小区环境、交通条件、教育配套、生活设施等因素对住房价格的影响强度存在明显的空间分异。② 地理加权回归模型和空间扩展模型都能对传统特征价格模型进行改进,但地理加权回归模型在解释能力和精度方面都超过空间扩展模型;对属性系数估计空间模式的分析,地理加权回归模型形成的结果比采用坐标多义扩展的空间扩展模型更为复杂和直观。</p>
[9]	Petsch S, Guhathakurta S, Heischbourg L, et al.Modeling, monitoring, and visualizing carbon footprints at the urban neighborhood scale . Journal of Urban Technology, 2011, 18(4): 81-96.https://doi.org/10.1080/10630732.2011.648436 Magsci [本文引用: 2]摘要 This paper presents a novel approach for calculating the carbon footprint in an urban region at the scale of individual neighborhoods. The approach is applied to Maricopa County, Arizona, for two different scenarios of growth. Our strategy for monitoring carbon footprints also involves a new form of visualization that goes beyond the two-dimensional thematic maps and provides better representation of multidimensional spatial data. Our monitoring system includes grid-based calculation and visualization of potential carbon dioxide emissions for future years under different policy and behavioral scenarios. To calculate a total carbon footprint value, we designate several varieties of relevant emissions such as housing expenditure and electricity. We develop datasets and models that allow for accurate calculation of the carbon footprint for Maricopa County. We provide emissions information for different types of housing units and compare the results for different future scenarios of household change. Finally, we visualize the results in three-dimensional representations that take into account the multidimensional dataset. We employ an intuitive approach in constructing three-dimensional surfaces of carbon footprints using B-Splines and Bezier techniques. This 3D representation allows for understanding and comparing multidimensional data using transparency, different layers, and superimposition techniques.
[10]	张艳, 秦耀辰, 闫卫阳, 等. 我国城市居民直接能耗的碳排放类型及影响因素 . 地理研究, 2012, 31(2): 345-356.https://doi.org/10.11821/yj2012020014 URL Magsci [本文引用: 1]摘要针对我国287个地级以上城市,在测算了近9年居民直接能耗导致的CO<sub>2</sub>排放量的基础上,进行聚类、对比,并分析城市居民直接能耗的碳排放影响因素,得到以下结论:全国分为6类城市居民直接能耗碳排放类型;高碳排放型城市的地均碳排放强度、人均工资碳排放强度及居民直接能耗CO<sub>2</sub>排放总量等方面均比低碳排放型城市高,人均地方生产总值碳排放强度低于低碳排放型城市,并多为经济发达城市和资源丰富城市,其碳排放构成上分别以电、交通能耗碳排放和气碳排放为主导,高碳排放型城市居民直接能耗CO<sub>2</sub>排放量占全国地级以上城市的86.20%。我国大部分地级城市居民直接能耗的碳排放属于相对低碳排放型,其人均CO<sub>2</sub>排放量低于全国平均水平。城市所在地的降温度日数(CDD)、采暖期、采暖强度、人均能源供给量、居民的人均工资、城市人均地方生产总值是影响城市居民直接能耗CO<sub>2</sub>排放量的主要因素。
[39]	[Sun Qian, Tang Fanghua.The comparison of city housing price spatial variances based on spatial expansion and geographical weighted regression models . Geographical Research, 2015, 34(7): 1343-1351.]https://doi.org/10.11821/dlyj201507013 Magsci [本文引用: 1]摘要 <p>鉴于已有研究主要集中探讨住房价格的空间依赖性,较少涉及空间异质性对住房特征价格的影响,也很少尝试构建不同计量模型来比较模型间刻画住房价格影响因素空间分异的准确性,以长沙市中心城区为研究区,采用空间扩展模型和地理加权回归模型比较分析城市住房价格影响因素的空间分异,结果表明：① 空间扩展模型和地理加权回归模型都表明,长沙市中心城区的住房属性边际价格随着区位的变化而变化,揭示住房价格影响因素具有显著的空间异质性;小区环境、交通条件、教育配套、生活设施等因素对住房价格的影响强度存在明显的空间分异。② 地理加权回归模型和空间扩展模型都能对传统特征价格模型进行改进,但地理加权回归模型在解释能力和精度方面都超过空间扩展模型;对属性系数估计空间模式的分析,地理加权回归模型形成的结果比采用坐标多义扩展的空间扩展模型更为复杂和直观。</p>
[40]	郑童. 中国资源型城市的城市形态测度:是否存在城市蔓延 . 中国人口·资源与环境, 2014, 24(11): 403-406.URL [本文引用: 1]摘要中国资源型城市在长期发展中,不仅攫取自然资源,也粗放地利用着有限的土地资源。在21世纪全球城市面临城市蔓延挑战的背景下,中国资源型城市的城市形态及变化也受到学术界和决策者的关注。本文基于1996年至2006年中国地级以上城市的数据,对中国资源型城市的城市形态加以测度。分析发现,无论是从建成区的扩张、城市人口密度的下降还是城市足迹的下降等指标测度,中国资源型城市都存在着向不良城市形态的发展的趋势,甚至出现了城市蔓延的现象;并且相对于非资源型城市,资源型城市的建成区扩张更快、城市人口密度下降也更迅速。本文的研究意义在于从"资源节约型、环境友好型"的社会目标出发,为中国城市向着健康、可持续的城市形态方向发展提供启示和借鉴。
[10]	[Zhang Yan, Qin Yaochen, Yan Weiyang, et al.Urban types and impact factors on carbon emissions from direct energy consumption of residents in China . Geographical Research, 2012, 31(2): 345-356.]https://doi.org/10.11821/yj2012020014 URL Magsci [本文引用: 1]摘要针对我国287个地级以上城市,在测算了近9年居民直接能耗导致的CO<sub>2</sub>排放量的基础上,进行聚类、对比,并分析城市居民直接能耗的碳排放影响因素,得到以下结论:全国分为6类城市居民直接能耗碳排放类型;高碳排放型城市的地均碳排放强度、人均工资碳排放强度及居民直接能耗CO<sub>2</sub>排放总量等方面均比低碳排放型城市高,人均地方生产总值碳排放强度低于低碳排放型城市,并多为经济发达城市和资源丰富城市,其碳排放构成上分别以电、交通能耗碳排放和气碳排放为主导,高碳排放型城市居民直接能耗CO<sub>2</sub>排放量占全国地级以上城市的86.20%。我国大部分地级城市居民直接能耗的碳排放属于相对低碳排放型,其人均CO<sub>2</sub>排放量低于全国平均水平。城市所在地的降温度日数(CDD)、采暖期、采暖强度、人均能源供给量、居民的人均工资、城市人均地方生产总值是影响城市居民直接能耗CO<sub>2</sub>排放量的主要因素。
[11]	叶红, 潘玲阳, 陈峰, 等. 城市家庭能耗直接碳排放影响因素: 以厦门岛区为例 . 生态学报, 2010, 30(14): 3802-3811.Magsci [本文引用: 3]摘要中国科学院知识创新工程重要方向资助项目(KZCX2-YW-BR-03)；中国科学院知识创新工程重要方向资助项目（KZCX2-YW-450-40）；中国科学院知识创新工程青年人才领域前沿资助项目(0714151d40) [Ye Hong, Pan Lingyang, Chen feng, et al. Direct carbon emission from urban residential energy consumption: A case study of Xiamen, China . Acta Ecologica Sinica, 2010, 30(14): 3802-3811.]Magsci [本文引用: 3]摘要中国科学院知识创新工程重要方向资助项目(KZCX2-YW-BR-03)；中国科学院知识创新工程重要方向资助项目（KZCX2-YW-450-40）；中国科学院知识创新工程青年人才领域前沿资助项目(0714151d40)
[12]	马静, 柴彦威, 刘志林. 基于居民出行行为的北京市交通碳排放影响机理 . 地理学报, 2011, 66(8): 1023-1032.URL Magsci [本文引用: 1]摘要近年来低碳城市逐渐成为众多学科关注的焦点所在,国内外**从多个角度对其开展一系列的理论与实证研究,但从微观层面深入探讨城市交通碳排放的影响机理的研究相对较为缺乏。利用北京市居民活动日志调查获取的第一手数据,基于居民日常出行行为计算微观层面的城市交通碳排放,并采用结构方程模型深入挖掘居住空间、个体行为以及交通碳排放三者之间的内在关系。结果表明,出行距离、机动出行概率对交通碳排放产生显著的正效应,而出行频率的影响并不显著；同时,出行结构的影响要远远大于出行总量的影响。另外,城市空间结构对城市交通碳排放产生显著影响,单位社区居民的出行行为整体具有“低碳”性质,应从低碳视角对单位社区进行重新审视。 [Ma Jing, Chai Yanwei, Liu Zhilin.The mechanism of CO₂ emissions from urban transport based on individuals' travel behavior in Beijing . Acta Geographica Sinica, 2011, 66(8): 1023-1032.]URL Magsci [本文引用: 1]摘要近年来低碳城市逐渐成为众多学科关注的焦点所在,国内外**从多个角度对其开展一系列的理论与实证研究,但从微观层面深入探讨城市交通碳排放的影响机理的研究相对较为缺乏。利用北京市居民活动日志调查获取的第一手数据,基于居民日常出行行为计算微观层面的城市交通碳排放,并采用结构方程模型深入挖掘居住空间、个体行为以及交通碳排放三者之间的内在关系。结果表明,出行距离、机动出行概率对交通碳排放产生显著的正效应,而出行频率的影响并不显著；同时,出行结构的影响要远远大于出行总量的影响。另外,城市空间结构对城市交通碳排放产生显著影响,单位社区居民的出行行为整体具有“低碳”性质,应从低碳视角对单位社区进行重新审视。
[13]	柴彦威, 肖作鹏, 刘志林. 居民家庭日常出行碳排放的发生机制与调控策略: 以北京市为例 . 地理研究, 2012, 31(2): 334-344.https://doi.org/10.11821/yj2012020013 URL Magsci摘要根据2007年北京市居民活动日志调查数据,利用Amos7.0软件建立单效标因素的路径分析模型,试图在"社区-家庭"层面上挖掘"空间利用-出行特征-碳排放"的内在发生机理,藉此寻找城市空间组织低碳化的调控路径。研究发现:影响居民家庭日常出行碳排放的主要因素是出行距离和出行方式。社区空间利用特征对家庭出行的距离总量有显著影响,对小汽车出行比率则没有明显作用效果;私家车的购置对居民家庭出行行为的高碳化具有不可逆的作用特点;在现有设施条件、空间环境和车辆使用政策下,公共交通对私人交通出行没有替代性。研究认为,城市空间组织和调控优化应通过土地混合利用、设施供给等物质空间组织与再组织手段,形成空间行为组织和行为规划策略,引导居民降低交通发生量,优化居民交通发生的时空结构,建构低碳的城市空间结构。 [Chai Yanwei, Xiao Zuopeng, Liu Zhilin.Low-carbon optimization strategies based on CO₂ emission mechanism of household daily travels: A case study of Beijing . Geographical Research, 2012, 31(2): 334-344.]https://doi.org/10.11821/yj2012020013 URL Magsci摘要根据2007年北京市居民活动日志调查数据,利用Amos7.0软件建立单效标因素的路径分析模型,试图在"社区-家庭"层面上挖掘"空间利用-出行特征-碳排放"的内在发生机理,藉此寻找城市空间组织低碳化的调控路径。研究发现:影响居民家庭日常出行碳排放的主要因素是出行距离和出行方式。社区空间利用特征对家庭出行的距离总量有显著影响,对小汽车出行比率则没有明显作用效果;私家车的购置对居民家庭出行行为的高碳化具有不可逆的作用特点;在现有设施条件、空间环境和车辆使用政策下,公共交通对私人交通出行没有替代性。研究认为,城市空间组织和调控优化应通过土地混合利用、设施供给等物质空间组织与再组织手段,形成空间行为组织和行为规划策略,引导居民降低交通发生量,优化居民交通发生的时空结构,建构低碳的城市空间结构。
[14]	黄晓燕, 刘夏琼, 曹小曙. 广州市三个圈层社区居民通勤碳排放特征: 以都府小区、南雅苑小区和丽江花园为例 . 地理研究, 2015, 34(4): 751-761.https://doi.org/10.11821/dlyj201504013 Magsci [本文引用: 1]摘要 <p>低碳城市已成为应对全球气候变化和促进人与自然和谐相处的重要研究领域,但从微观层面探讨城市居民通勤碳排放特征和影响因素的研究较为缺乏。利用对广州市不同圈层社区的问卷调查数据,对其通勤碳排放进行测算,采用分等定级和洛伦兹曲线分析社区间、社区内、个体间的分异,并建立了基于多元回归的社区居民通勤碳排放的影响模型。结果显示：社区居民通勤碳排放较符合“60-20”规律（温室气体排放最多的20%的人排放了总量的60%）。中心区和边缘区的通勤碳排放不均等性更大;不同个人、家庭和通勤属性的通勤者的碳排放量存在较大差异;通勤距离、出行交通方式、每天的通勤往返次数、个人的工作月收入和所在街道的人口密度对家庭通勤碳排放有显著影响。</p> [Huang Xiaoyan, Liu Xiaqiong, Cao Xiaoshu.Commuting carbon emission characteristics of community residents of three spheres: A case study of three communities in Guangzhou city . Geographical Research, 2015, 34(4): 751-761.]https://doi.org/10.11821/dlyj201504013 Magsci [本文引用: 1]摘要 <p>低碳城市已成为应对全球气候变化和促进人与自然和谐相处的重要研究领域,但从微观层面探讨城市居民通勤碳排放特征和影响因素的研究较为缺乏。利用对广州市不同圈层社区的问卷调查数据,对其通勤碳排放进行测算,采用分等定级和洛伦兹曲线分析社区间、社区内、个体间的分异,并建立了基于多元回归的社区居民通勤碳排放的影响模型。结果显示：社区居民通勤碳排放较符合“60-20”规律（温室气体排放最多的20%的人排放了总量的60%）。中心区和边缘区的通勤碳排放不均等性更大;不同个人、家庭和通勤属性的通勤者的碳排放量存在较大差异;通勤距离、出行交通方式、每天的通勤往返次数、个人的工作月收入和所在街道的人口密度对家庭通勤碳排放有显著影响。</p>
[15]	Ewing R, Rong F.The impact of urban form on US residential energy use . Housing Policy Debate, 2008, 19(1): 1-30. [本文引用: 3]
[16]	Allinson D, Irvine K N, Edmondson J L, et al.Measurement and analysis of household carbon: The case of a UK city . Applied Energy, 2016, 164: 871-881.https://doi.org/10.1016/j.apenergy.2015.11.054 URL [本文引用: 1]摘要 There is currently a lack of data recording the carbon and emissions inventory at household level. This paper presents a multi-disciplinary, bottom-up approach for estimation and analysis of the carbon emissions, and the organic carbon (OC) stored in gardens, using a sample of 575 households across a UK city. The annual emission of carbon dioxide emissions from energy used in the homes was measured, personal transport emissions were assessed through a household survey and OC stores estimated from soil sampling and vegetation surveys. The results showed that overall carbon patterns were skewed with highest emitting third of the households being responsible for more than 50% of the emissions and around 50% of garden OC storage. There was diversity in the relative contribution that gas, electricity and personal transport made to each household total and different patterns were observed for high, medium and low emitting households. Targeting households with high carbon emissions from one source would not reliably identify them as high emitters overall. While carbon emissions could not be offset by growing trees in gardens, there were considerable amounts of stored OC in gardens which ought to be protected. Exploratory analysis of the multiple drivers of emissions was conducted using a combination of primary and secondary data. These findings will be relevant in devising effective policy instruments for combatting city scale green-house gas emissions from domestic end-use energy demand.
[17]	秦波, 戚斌. 城市形态对家庭建筑碳排放的影响: 以北京为例 . 国际城市规划, 2013, 28(2): 42-46.URL [本文引用: 2]摘要优化空间形态、减少碳排放已成为构建低碳城市的关键举措。国内外**已经证实空间形态对交通碳排放的显著影响,但其对建筑碳排放影响方面的研究相对不足。本文通过对北京1188份家庭碳排放问卷进行统计分析,发现人均住房面积每增加1%,建筑碳排放增加0.48%;家庭每增加1人,建筑碳排放量增加27.54%;家庭人均收入对于建筑碳排放有阶段性影响,呈曲线关系;人口密度与家庭建筑碳排放存在负向关系。因此,北京可通过构建紧凑型城市、加强房地产市场住房面积调控以及提升中高收入人群低碳意识等政策,降低家庭建筑碳排放,构建低碳城市。 [Qin Bo, Qi Bin.The impact of urban form on household building carbon emission: A case study of Beijing . Urban Planning International, 2013, 28(2): 42-46.]URL [本文引用: 2]摘要优化空间形态、减少碳排放已成为构建低碳城市的关键举措。国内外**已经证实空间形态对交通碳排放的显著影响,但其对建筑碳排放影响方面的研究相对不足。本文通过对北京1188份家庭碳排放问卷进行统计分析,发现人均住房面积每增加1%,建筑碳排放增加0.48%;家庭每增加1人,建筑碳排放量增加27.54%;家庭人均收入对于建筑碳排放有阶段性影响,呈曲线关系;人口密度与家庭建筑碳排放存在负向关系。因此,北京可通过构建紧凑型城市、加强房地产市场住房面积调控以及提升中高收入人群低碳意识等政策,降低家庭建筑碳排放,构建低碳城市。
[18]	杨选梅, 葛幼松, 曾红鹰. 基于个体消费行为的家庭碳排放研究 . 中国人口·资源与环境, 2010, 20(5): 35-40.https://doi.org/10.3969/j.issn.1002-2104.2010.05.007 URL [本文引用: 2]摘要以"南京1 000家庭碳排放"调查的家庭活动数据为基础,运用国外新范式"消费者生活方式方法"(CLA)探讨了家庭消费活动与碳排放之间的关系,采用多元回归研究了碳排放与家庭特征之间的相关关系,并总结出了一套适合中国国情的碳排放系数.分析得出:①户均年家庭碳排放量3 705.76 kg;②人均家庭碳排放约占总碳排放量的29.27%;③家庭用电碳排放量几乎占家庭碳排放总量的一半,生活垃圾碳排放比例位居其次占了将近1/4;④户均碳排放量随月际变化波动较大,在7月份为峰值,10月份为谷值,差值为181.10 kg;⑤家庭能耗、生活垃圾、交通出行碳排放比例为64∶24∶12;⑥常住人口、交通出行、住宅面积是影响家庭碳排放中的显著性因子;⑦常住人口增加一个、住宅面积多一个平方米、交通工具每提高一个层次,户均年碳排放量分别增加397.84 kg、8.54 kg、551.21 kg.家庭碳排放定量化研究为公众提供了有效减少碳排放的途径,并为政府部门制定碳减排政策提供了决策依据. [Yang Xuanmei, Ge Yousong, Zeng Hongying.The household carbon emission analysis under individual consumer behavior. China Population, Resources and Environment, 2010, 20(5): 35-40.]https://doi.org/10.3969/j.issn.1002-2104.2010.05.007 URL [本文引用: 2]摘要以"南京1 000家庭碳排放"调查的家庭活动数据为基础,运用国外新范式"消费者生活方式方法"(CLA)探讨了家庭消费活动与碳排放之间的关系,采用多元回归研究了碳排放与家庭特征之间的相关关系,并总结出了一套适合中国国情的碳排放系数.分析得出:①户均年家庭碳排放量3 705.76 kg;②人均家庭碳排放约占总碳排放量的29.27%;③家庭用电碳排放量几乎占家庭碳排放总量的一半,生活垃圾碳排放比例位居其次占了将近1/4;④户均碳排放量随月际变化波动较大,在7月份为峰值,10月份为谷值,差值为181.10 kg;⑤家庭能耗、生活垃圾、交通出行碳排放比例为64∶24∶12;⑥常住人口、交通出行、住宅面积是影响家庭碳排放中的显著性因子;⑦常住人口增加一个、住宅面积多一个平方米、交通工具每提高一个层次,户均年碳排放量分别增加397.84 kg、8.54 kg、551.21 kg.家庭碳排放定量化研究为公众提供了有效减少碳排放的途径,并为政府部门制定碳减排政策提供了决策依据.
[19]	霍燚, 郑思齐, 杨赞. 低碳生活的特征探索: 基于2009年北京市“家庭能源消耗与居住环境”调查数据的分析 . 城市与区域规划, 2010, 3(2): 55-72.URL摘要目前学术界和产业界对于"低碳小区"的兴趣渐浓。本文利用清华大学房地产研究所于2009年9月开展的北京市小区住户"家庭能源消耗与居住环境"调查数据,估算得到家庭生活碳排放①平均值为7.4吨/年,并探索了小区的区位选址和建筑结构形式特征,以及家庭社会经济特征和能源消费偏好等方面对小区低碳性的影响效果。研究发现,住宅小区距离公共服务设施(如公共交通和购物中心)的距离越近,越有利于减少机动车出行从而降低碳排放;保温隔热性能较好的建筑结构形式也有利于碳排放的降低。同时,家庭收入水平、人口规模、住房面积、对家用电器的依赖程度等也对小区的低碳性有显著影响。本文还给出了小区生活碳排放对于这些因素的弹性系数。这些实证发现有助于从城市(小区)规划及家庭能源消费模式等方面把握低碳小区特征,估算小区的区位特征、结构特征和居民特征对于小区碳排放的影响力度,为今后低碳小区的设计和建设提供一定的借鉴。 [Huo Yi, Zheng Siqi, Yang Zan.Low-carbon lifestyle and its determinants: An empirical analysis based on survey of "household energy consumption and community environment in Beijing" . Urban and Reginal Planning, 2010, 3(2): 55-72.]URL摘要目前学术界和产业界对于"低碳小区"的兴趣渐浓。本文利用清华大学房地产研究所于2009年9月开展的北京市小区住户"家庭能源消耗与居住环境"调查数据,估算得到家庭生活碳排放①平均值为7.4吨/年,并探索了小区的区位选址和建筑结构形式特征,以及家庭社会经济特征和能源消费偏好等方面对小区低碳性的影响效果。研究发现,住宅小区距离公共服务设施(如公共交通和购物中心)的距离越近,越有利于减少机动车出行从而降低碳排放;保温隔热性能较好的建筑结构形式也有利于碳排放的降低。同时,家庭收入水平、人口规模、住房面积、对家用电器的依赖程度等也对小区的低碳性有显著影响。本文还给出了小区生活碳排放对于这些因素的弹性系数。这些实证发现有助于从城市(小区)规划及家庭能源消费模式等方面把握低碳小区特征,估算小区的区位特征、结构特征和居民特征对于小区碳排放的影响力度,为今后低碳小区的设计和建设提供一定的借鉴。
[20]	Batih H, Sorapipatana C.Characteristics of urban households' electrical energy consumption in Indonesia and its saving potentials . Renewable and Sustainable Energy Reviews, 2016, 57: 1160-1173.https://doi.org/10.1016/j.rser.2015.12.132 URL [本文引用: 1]摘要 It was found that if energy efficiency improvement programs are initiated and implemented for the four types of appliances mentioned above from now to 2030, the costs of saved energy (CSE) of these energy saving programs are only a fraction of the long run marginal cost (LRMC) of new power plant constructions, ranging from 5.1% for lamps, 21.6% for television sets, 80.9% for refrigerators, and 19.5% for air conditioning units, respectively. In addition, energy efficiency improvement program can also help to reduce total amount of electricity generation and CO 2 emission. In 2030, this alternative can reduce amounts electricity generation and CO 2 emission attributed for household sector by 21.4% and 21.6%, respectively, as compared to the conventional supply side of expanding new power plants.
[40]	[Zheng Tong.Measuring urban form of resource-based cities in China: Do they sprawl or not. China Population, Resources and Environment, 2014, 24(11): 403-406.]URL [本文引用: 1]摘要中国资源型城市在长期发展中,不仅攫取自然资源,也粗放地利用着有限的土地资源。在21世纪全球城市面临城市蔓延挑战的背景下,中国资源型城市的城市形态及变化也受到学术界和决策者的关注。本文基于1996年至2006年中国地级以上城市的数据,对中国资源型城市的城市形态加以测度。分析发现,无论是从建成区的扩张、城市人口密度的下降还是城市足迹的下降等指标测度,中国资源型城市都存在着向不良城市形态的发展的趋势,甚至出现了城市蔓延的现象;并且相对于非资源型城市,资源型城市的建成区扩张更快、城市人口密度下降也更迅速。本文的研究意义在于从"资源节约型、环境友好型"的社会目标出发,为中国城市向着健康、可持续的城市形态方向发展提供启示和借鉴。

中小城市家庭生活用能碳排放空间分异——以开封市为例

本站小编 Free考研考试/2021-12-29

Spatial differentiation patterns of carbon emissions from residential energy consumption in small and medium-sized cities:A case study of Kaifeng

1 引言