王 娟,胡 洋,李文丽

(1.湖南工商大学 创新创业学院，湖南 长沙 410205；2.湖南工商大学 计算机学院，湖南长沙 410205；3.湖南工商大学 经济与贸易学院，湖南长沙 410205)

过去几十年，中国经济在创造了举世瞩目的“中国奇迹”的同时，也日益面临严峻的环境污染、资源趋紧等问题。党的十八大以来，习近平总书记提出“生态环境是关系党的使命宗旨的重大政治问题”“是关系中华民族永续发展的根本大计”。全国各地的发展取向由“数量”转向“质量”，把主要精力放在转方式、调结构和改善生态环境上，积极努力地实现有质量、有效益、可持续的增长。此外，资源节约、环境友好，已成为人民对美好生活的共同向往，越来越多的公民践行绿色消费理念，比如购买新能源汽车、高能效家电等。也就是说，无论是转变发展方式，还是扩大消费内需，都对减少能源消费、加大生态创新提出了迫切要求。能源消费是反映区域产业结构的重要内容，受自然和社会经济条件共同影响。由于我国幅员辽阔，区域的自然禀赋、发展模式差异较大，导致经济发展呈现显著的不平衡特征。那么，我国的能源消费在空间上是否与产业结构一致性地表现出分异特征呢？空间上存在怎样的关联性呢？回答这些问题有利于推动政府因地制宜地制定有差异的、空间协调的产业结构绿色转型政策。

一、文献综述

能源消费是指生产和生活所消耗的能源。关于能源消费的空间分异，赵新刚等(2019)[1]认为我国能源消费在空间上显著正相关，总体上呈现由东南向西北逐级上升的分布趋势；徐超等(2018)[2]发现1996年—2013年我国能源消费呈现“北煤南油”“东油西煤”的规律；周彦楠等(2017)[3]对1990年—2014年各省份能源消费结构的地域分布和时空分异进行探讨后，发现终端能源消费倾向于产地消费。

关于能源消费空间分异的影响因素，除区域发展水平、资源分布、开发规模、公共政策等因素外(杨先明和王巧然，2017[4])，冯烽和叶阿忠(2012)[5]认为技术进步导致能源消费产生回弹效应，我国中、西部的平均回弹效应明显高于东部，全国平均回弹效应不断上升；仓定帮等(2020)[6]进一步从新能源替代的视角验证了实际GDP、能源技术进步、新能源消费、环境规制、新型城镇化是影响我国化石能源消费的主要因素；刘晓瑞和孙涛(2019)[7]认为金融发展对人均能源消费具有显著抑制作用，当经济增长水平达到4.4408时，抑制作用开始减弱。

关于能源消费的实证研究，由于样本尺度和数据方法不同，研究结论具有不同的参考价值。一些学者将研究尺度确定在世界范围，徐玲琳等(2017)[8]发现20世纪90年代以来全球158个国家能源安全格局整体呈现恶化特征，危险型与较危险型国家不断增加；朱孟珏和庄大昌(2017)[9]基于1990—2015年195个国家能源消费数据和贸易矩阵，探讨了世界能源生产、消费和运输的时空演变特征。针对我国能源消费的实证研究，大多数采用的是国家和省域层面的数据，吴健生等(2014)[10]率先将夜间灯光数据应用于我国地级市能源消费量的时空反演估算，并验证了其科学性与合理性。自此，学界陆续出现类似的实证研究[11-12]；Xiao等(2018)[13]通过建立夜间灯光和人均能源消费、单位地区能源消费之间的时空地理加权回归模型，进一步证实利用夜间灯光数据估算我国市域能源消费量的方法切实可行。

二、研究方法与数据来源

已有关于我国能源消费空间分异特征的实证研究，研究尺度大多为国家或省域层面，而基于地级市或更小尺度的研究极少，主要原因是长时间序列的地级市能源消费数据较难获取。由于夜间灯光数据与人类社会经济活动存在密切关联，借助夜间灯光数据反演能源消费，可弥补能源消费统计数据口径不一、数据不全的缺陷，于是部分学者将研究尺度聚焦于此，如吴健生等(2014)[10]、范小晶等(2019)[14]、李峰等(2018)[15]。夜间灯光数据主要分为两类：一类来源于美国军事气象卫星Defence Meteorological Satellite Program搭载的Operational Linescan System传感器获取的稳定夜间灯光影像数据(简称DMSP/OLS，获取时段为1992—2012年)，空间分辨率为1km；另一类来源于Suomi National Polarorbiting Partnership-Visible Imaging Radimeter Suite月合成夜间灯光遥感影像数据(简称NPP/VIIRS，获取时段为2012年开始的每个月度)，分辨率为500m。然而，这两类数据具有不连续性和不可比较性，已有文献研究均受限于此，因而缺少较长时间序列的比较分析。为此，本文采用ArcGIS复杂技术对上述两类数据进行系列校正，获取了具有一致性和可比性的长时间序列的夜间灯光数据，从而构建夜间灯光数据与能源统计数据之间的相关关系模型，对地级市能源消费总量进行降尺度模拟估算，进而运用空间自相关、标准差椭圆等空间计量方法，实证分析我国1998—2018年能源消费的时空分异和空间关联特征。

(一)研究方法

1.能源消费的线性模拟模型

本文主要参考吴健生(2014)[10]的研究，对能源消费总量和夜间灯光数据做指数关系、线性关系、对数关系和二次多项式关系的检验，设定因变量y为中国30个省份能源消费总量，自变量x为30个省份的夜间灯光总值，对上述两组变量进行拟合回归，得出能源消费总量和灯光总量之间的拟合优度(图1)。

图1 能源消费量与灯光总量拟合优度图(1998—2018年)

由图1可知，我国能源消费总量与夜间灯光总量之间存在较强的线性相关和二次项相关关系。为方便计算，本文选取中国30个省份能源消费总量和夜间灯光总量的线性相关关系，构建省级能源消费量的线性模型，进一步做回归分析。为避免降尺度模型反演出现精度问题，本文采取不含截距的线性模型：

Eit=KtDNit

(1)

式中：Eit为t年i省的能源消费量的统计值；Kt为t年的系数；DNit为t年i省的所有栅格的灯光值之和。

运用ArcGIS10.2计算中国大陆各地级市的DN总和，根据式(1)的最终模型结果，反演计算出每个地级市的模拟能源消费量，并将反演结果空间化，最终建立中国分地市的能源消费总量格局。

2.能源消费的空间效应模型

能源消费的空间效应主要通过空间集聚度和关联度来反映。本文采用全局空间自相关(GlobalMoran’sI)描述能源消费的整体分布状况，判断能源消费在空间上是否存在集聚性；采用局部空间自相关(LocalMoran’sI)测度局部空间单元相对于整体研究区域空间自相关的影响程度，即一个区域单元的能源消费与邻近单元能源消费的相关程度。

(2)

(3)

3.能源消费的标准差椭圆模型

本文采用标准差椭圆(SDE)方法考察地级市能源消费量的空间演化特征。SDE空间范围体现能源消费量的空间主体区域。其中，SDE中心相当于能源消费在二维空间上的分布重心；SDE偏转角代表能源消费主导趋势的方向；SDE长短轴的比值体现能源消费空间分布的形态，值越接近1，椭圆越接近于圆，能源消费均衡性就越高。计算方法如下：

椭圆中心：

(4)

偏转角：

(5)

方向性：

(6)

离散性：

(7)

(二)数据来源

本文以中国大陆344个地级市为研究区(港、澳、台、藏的统计数据暂时缺失)，使用数据包括夜间灯光数据、能源统计数据和其他相关辅助数据。

1.夜间灯光数据

夜间灯光数据来源于美国国家海洋和大气管理局(NOAA)的国家地理数据中心，包括DMSP/OLS数据(1992—2013年)和NPP/VIIRS数据(2013—2018年)，并按照“获取中国区域夜间灯光影像数据—相互校正”的技术思路对数据进行整合，校正步骤详见周翼等(2019)[16]。

2.能源统计数据

能源统计数据来源于《中国能源统计年鉴》(1998—2018年)，为方便计算，能源消费总量的单位统一换算为102tce(百吨标准煤)。

3.相关辅助数据

中国省级行政区划采用国家基础地理信息中心提供的1∶400万行政区划矢量图，地理数据的参考系为 WGS-84 坐标系。涉及到中国所有的地级行政区划则采用最新2015年中国地级市及以上矢量图。

三、实证分析

(一)能源消费强度的空间分异特征

根据夜间灯光数据模拟能源消费模型，可得到1998—2018年我国地级市的能源消费值。由于不同时段、不同区域的能源消费具有不同时序演化规律及空间分异，本文借助 ArcGIS软件，以1998年、2003年、2008年、2013年和2018年的能源消费强度为观测点，将能源消费强度分为最高强度、次高强度、中间强度、次低强度和最低强度5个等级(表1)，采用分级色彩表示法分析不同时间段的能源消费强度时序变化与空间分布规律。

表1 不同能源消费强度下的地级市数量(1998—2018年)

从时序上看，1998年全国340个地级市能源消费处于最低强度(0-2290.82tce)，3个地级市能源消费处于次低强度(2290.8-4581.62tce)，能源消费强度处于中间水平(4581.6-6872.42tce)的地级市为1个；随着时间的推移，2018年处于最低能源消费强度的地级市减少为295个，次低强度能源消费水平的地级市数量增加至41个，能源消费在中间强度的地级市数量为4个，次高强度地级市数量为3个，最高强度地级市数量为1 个；全国地级市能源消费强度整体趋向上升。综上，我国能源消费强度的空间分异特征表现为：东部向西部、沿海向内陆递减的梯度分布，上海、北京、天津、苏州、哈尔滨、重庆等地市的能源消费强度排在前列。

(二)能源消费强度的空间关联特征

1. 全局空间的俱乐部效应

根据表2中GlobalMoran’sI指数，1998—2018年所有权重矩阵下的全局空间自相关指数均为正值，且在0.01置信水平下均通过显著性检验，表明全国范围内能源消费量较高的地区在空间上均趋于相邻，形成空间俱乐部效应。从GlobalMoran’sI指数的变动趋势看，整体缓慢递增，说明能源消费量相似地区的空间集聚效应随着时间的推移呈现逐步加强的趋势。

表2 中国地级市能源消费强度Global Moran’s I值(1998—2018年)

2.局部空间的集聚效应

为进一步刻画能源消费的局部空间状态，根据公式(3)，采用Stata14.0软件，选取邻接权重矩阵、地理距离权重矩阵、经济距离权重矩阵绘制1998—2018年中国大陆344个地级市的能源消费散点图(如图2)，发现三个矩阵下各年份的Moran’sI指数有差异，多数地级市位于第一、第三象限，尤以第三象限为主，即大部分地市能源消费量处于较低水平，且呈现集聚特征。从城市数量来看，2018年较1998年在第一、第二象限的地级市数量显著增加，第三象限的地级市数量减少，表明随着区域产业结构的优化和能源利用水平的提高，部分地级市的能源消费量显著增加

图2 不同矩阵下中国地级市能源消费散点图(1998—2018年)

3.空间格局的动态演化

根据ArcGIS进行标准差椭圆分析，得到椭圆的重心、展布范围、形状和方向等一系列参数的变化特征，即地级市能源消费总量空间格局动态分布情况(如图3)。

图3 中国地级市能源消费标准差椭圆分布图(1998—2018年)

1998—2018年我国地级市能源消费总量空间格局演化特征明显，即标准差椭圆覆盖的主体区域在东部、中部地区，移动轨迹表现为“北(偏东)—南(偏西)”，分布范围在波动中逐渐缩小，重心散布在河南省开封市境内，分布形状和分布方向显现出以下变化特征：

一是，能源消费中心向西南侧移动。研究时段内，我国能源消费的标准差椭圆主要分布在胡焕庸线右侧地区，椭圆中心始终在河南省开封市境内，但不断向西南方向移动。

二是，能源消费标准差椭圆方向呈逆时针旋转。主轴方向始终为东北—西南方向，方位角略有缩小趋势，表明轴线呈逆时针旋转，椭圆西南方向的地区对能源消费的拉动作用增强；短轴呈延长趋势，长轴总体呈缩短趋势，表明能源消费呈现东西方向扩张，在南北方向收缩。

三是，能源消费标准差椭圆的面积略有上升趋势。表明标准差椭圆内所在的地区对于能源消费的需求增量大于椭圆外侧的地区。椭圆主体范围往西南部略有迁移，反映了我国西部大开发、中部崛起、“一带一路”等战略实施下区域产业结构升级的成效。

四、结论与建议

根据实证研究结果发现，我国能源消费主体区域集中在胡焕庸线右侧，能源消费在地理空间格局上呈现显著区域差异，整体表现为自东北至西南、由沿海向内陆递减的梯度分布态势；能源消费的空间上关联性显著，主要表现为高—高型集聚和低—低型集聚，其中，高—高型集聚城市主要分布在东部沿海地区且数量较少；能源消费的空间集聚特征，总体上呈现偏东北—西南走向的格局，分布重心表现出向西南移动的趋势。上述研究结论有助于政府更进一步了解我国地级市能源消费量的空间分异、演化及关联特征，为加快制定创新、协调、绿色、共享的区域产业政策提供理论支撑。第一，政府分解节能目标任务时，不仅要考虑区域的产业结构、环境容量、经济发展水平、节能潜力等因素还需重点考虑能源分布的要素区位；第二，积极引导我国西南部能源消费集聚区域扩散，加快东部城市的节能技术向西部转移，比如采取对口支援的方式，切断东北部城市集聚的路径依赖等；第三，在我国新型城镇化由高速发展转向高质量发展过程中，有序引进重视节能环保、创新高效的产业转型，加大技术研发的政策支持，强化清洁高效能源对传统能源的替代。