成果案例 | 中国交通碳排放及影响因素时空异质性

碳排放量计算 —— 自上而下法

由于中国各类机动车行驶里程、单位里程燃料消耗量等数据可获性较差 ，而燃料消耗数据以及计算参数获取方便。因此，本研究使用“自上而下”法估算交通碳排放总量。

交通碳排放空间相关性 —— 探索性空间数据分析

1. 热点分析

热点分析通过计算数据集中每个要素的 Z 值和 P 值，获得高值或低值要素在空间上发生聚类的位置，从而直观的了解高值或低值要素在何处发生聚类以及聚集程度。运用热点分析，刻画我国省域交通碳排放的空间分布特征。

2. 双变量空间自相关

双变量空间自相关在描述 2 个变量的空间关联和分布特征上具有较高的适用性。利用双变量空间自相关，分析交通碳排放量同各影响因素的空间相关性。

影响因素 时空异质性 —— 地理加权回归

地理加权回归 模型将数据的空间位置引入回归参数中，通过对样本点赋予不同的权重进行局部回归估计，从而克服普通最小二乘法忽略空间效应、回归系数基于区域平均的缺陷。本文主要以交通运输行业发展水平为研究视角，选取机动车保有量(VP) 、 GDP 、货运周转量 (FT) 以及客运周转量 (PT) 为解释变量构建模型。

省域交通 碳排放量空间相关性

中国省域碳排放高低值聚类演变在空间上呈现由东向西递减的趋势 。在时间变化上，碳排放高低值聚类格局变化不大，高值聚类区主要集中在浙江、江苏、安徽、上海；低值聚类区主要集中在新疆、青海、甘肃、四川等地。同时，碳排放高值、次高值聚类区还呈现先增加后减少的趋势，且聚类格局带状分布更具规律性。