長江經(jīng)濟(jì)帶不同等級城市碳排放時空格局演變及脫鉤效應(yīng)研究

王藝熹 柳知雨 付賽

摘 要：“雙碳”目標(biāo)下，如何在保持經(jīng)濟(jì)穩(wěn)定增長的同時降低碳排放是我國面臨的嚴(yán)峻挑戰(zhàn)。本文運(yùn)用空間自相關(guān)分析探究長江經(jīng)濟(jì)帶2015—2019年碳排放的時空格局演變?；跀U(kuò)展的Tapio模型探討長江經(jīng)濟(jì)帶總體和各等級城市碳排放與經(jīng)濟(jì)增長的脫鉤關(guān)系。研究表明：長江經(jīng)濟(jì)帶碳排放呈顯著的正自相關(guān)，并形成了以超大型城市和特大型城市為主的碳排放高-高聚集和以大型城市為主的碳排放低-低聚集；長江經(jīng)濟(jì)帶脫鉤彈性大多處于弱脫鉤與強(qiáng)脫鉤狀態(tài)，個別年份出現(xiàn)擴(kuò)張性連接和擴(kuò)張性負(fù)脫鉤，長江經(jīng)濟(jì)帶整體脫鉤狀態(tài)較樂觀，但并未實現(xiàn)由弱脫鉤邁向強(qiáng)脫鉤。

關(guān)鍵詞：不同等級城市碳排放；空間自相關(guān)；脫鉤效應(yīng)；Tapio模型；長江經(jīng)濟(jì)帶

本文索引：王藝熹，柳知雨，付賽.長江經(jīng)濟(jì)帶不同等級城市碳排放時空格局演變及脫鉤效應(yīng)研究[J].中國商論，2023（07）：-130.

中圖分類號：F127 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2023）04（a）--04

長江經(jīng)濟(jì)帶作為 “三大戰(zhàn)略”之一，是引領(lǐng)經(jīng)濟(jì)高質(zhì)量發(fā)展的排頭兵，也是建設(shè)綠色生態(tài)文明的示范帶。因此，本文以長江經(jīng)濟(jì)帶為研究范圍，探究其碳排放時空格局演變以及脫鉤效應(yīng)，有利于探索碳減排與經(jīng)濟(jì)增長雙贏的新模式。

在全球氣候變暖的時代背景下，碳排放的相關(guān)研究倍受學(xué)術(shù)界關(guān)注。從特征及趨勢上，國內(nèi)外學(xué)者大多以時序[1-2]與空間[3-4]兩大視角對碳排放的演變格局進(jìn)行探究。從驅(qū)動因素及相關(guān)關(guān)系上，現(xiàn)有研究主要運(yùn)用Kaya模型[5]、IPAT方程[6]、LMDI模型[7]及STIRPAT[8-9]模型探究碳排放的驅(qū)動因素，在眾多因素中尤以碳排放與經(jīng)濟(jì)增長之間的脫鉤關(guān)系頗受重視。目前針對脫鉤效應(yīng)的分析方法主要為Tapio理論[10]，隨著相關(guān)研究的逐步發(fā)展，越來越多的學(xué)者拓寬了脫鉤分析的視野，從時序演變、空間差異等角度進(jìn)行研究[11-13]。綜上，目前國內(nèi)外學(xué)者針對碳排放構(gòu)建了較為完善的理論研究體系，但大多局限于國家、省域等宏觀視角，缺乏中觀層面的研究，且在研究范圍的數(shù)量上，現(xiàn)有研究多僅著眼于單個區(qū)域，針對多個區(qū)域尤其是多個層次、等級區(qū)域間的研究仍存在較大空白。除此之外，目前大多數(shù)關(guān)于脫鉤效應(yīng)的研究僅基于傳統(tǒng)的Tapio理論，忽略了不同地區(qū)間人口、經(jīng)濟(jì)發(fā)展等差異帶來的影響。

基于上述背景，文章以長江經(jīng)濟(jì)帶共計110個城市為研究對象，為了更好地厘清長江經(jīng)濟(jì)帶各等級城市碳排放時空格局演變，根據(jù)《關(guān)于調(diào)整城市規(guī)模劃分標(biāo)準(zhǔn)的通知》，將長江經(jīng)濟(jì)帶110個城市劃分為超大型城市、特大型城市以及大型城市三大類。運(yùn)用空間自相關(guān)分析和擴(kuò)展的Tapio模型分別探究碳排放時空演變格局和脫鉤效應(yīng)。以上分析能夠彌補(bǔ)現(xiàn)有研究在區(qū)域范圍的多層級以及忽略其他影響因素等方面的缺陷，同時為不同等級城市提供差異化減碳策略建議，使各級城市因地制宜減排并優(yōu)化經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)，從而助力實現(xiàn)碳減排與經(jīng)濟(jì)增長“雙贏”。

1 研究方法和數(shù)據(jù)來源

1.1 研究方法

1.1.1 空間自相關(guān)分析

本文利用全局空間自相關(guān)分析描述碳排放研究區(qū)域的整體空間關(guān)聯(lián)特性及差異程度，選用Morans I指標(biāo)進(jìn)行衡量，I的取值范圍為[-1-1]，大于0為正相關(guān)，小于0為負(fù)相關(guān)，等于0為空間無關(guān)，公式如下：

式中：n為研究地域的城市數(shù)量，w?j為城市i和j城市共同構(gòu)成的空間權(quán)重矩陣，xi和xj分別為城市i和j城市的碳排放量。

局部空間自相關(guān)，利用LISA進(jìn)行聚類檢驗，描述碳排放局部單元與鄰近單元的空間關(guān)聯(lián)性和差異程度，公式如下：

式中：Ii>0時，表明相鄰的城市碳排放呈正的空間自相關(guān)，為“高-高”或“低-低”類型，相鄰的城市碳排放存在高（低）類聚，當(dāng)Ii<0時，表明相鄰的城市碳排放呈負(fù)的空間自相關(guān)，為“高-低”或者“低-高”類型，高（低）碳排放城市被低（高）碳排放城市包圍。

1.1.2 擴(kuò)展的Tapio脫鉤模型

為了更加全面地反映長江經(jīng)濟(jì)帶總體和不同等級城市碳排放和經(jīng)濟(jì)增長之間的脫鉤關(guān)系，文章采用碳排放總量、人均碳排放量、碳強(qiáng)度這三個指標(biāo)分別計算與經(jīng)濟(jì)增長之間的脫鉤彈性與脫鉤狀態(tài)[14]。公式如下：

式中，%?TCO2表示當(dāng)期碳排放總量的增長幅度，%?PCO2表示當(dāng)期人均碳排放量的增長幅度，%?GCO2表示當(dāng)期碳強(qiáng)度的增長幅度，%?GDP表示當(dāng)期地區(qū)生產(chǎn)總值的增長幅度。具體脫鉤狀態(tài)劃分及含義見表1。

1.2 數(shù)據(jù)來源

本文以2015—2019年為研究時段，所有數(shù)據(jù)均來自現(xiàn)有的官方統(tǒng)計數(shù)據(jù)。城市地區(qū)生產(chǎn)總值和人口均來自各市統(tǒng)計年鑒及長江經(jīng)濟(jì)帶大數(shù)據(jù)平臺，城市碳排放量數(shù)據(jù)來自CEADs城市碳排放清單，人均碳排放量通過碳排放總量和人口數(shù)核算得出，碳排放強(qiáng)度通過碳排放總量和地區(qū)生產(chǎn)總值核算得出。部分缺失的數(shù)據(jù)利用插補(bǔ)法進(jìn)行填補(bǔ)。

2 長江經(jīng)濟(jì)帶碳排放的時空格局演變

根據(jù)式（1），利用GeoDa軟件，測算出長江經(jīng)濟(jì)帶總體Morans I的正態(tài)統(tǒng)計量Z值均超過0.01的置信水平的臨界值2.58，通過顯著性檢驗。如表2所示，長江經(jīng)濟(jì)帶總體2015—2019年各年的Morans I值均大于0，表明其碳排放具有空間正相關(guān)關(guān)系。隨著時間的推移，Morans I的值呈現(xiàn)上升趨勢，由2015年的0.5898增至2019年的0.7182，表明長江經(jīng)濟(jì)帶碳排放空間關(guān)聯(lián)程度趨于增強(qiáng)，碳排放相似的城市在空間上更加趨于集中分布。

基于長江經(jīng)濟(jì)帶2015—2019年的碳排放情況做進(jìn)一步局部空間相關(guān)性分析。分析可知，2015—2019年長江經(jīng)濟(jì)帶碳排放的局部空間集聚特征明顯，且碳排放空間格局基本上保持穩(wěn)定。長江經(jīng)濟(jì)帶碳排放高-高聚集區(qū)以超大型城市和特大型城市為主，主要分布在上海市、南京市等東部城市，武漢市等中部城市以及以重慶市等西部城市，即碳排放較高的地級市趨于和碳排放較高的地級市相鄰。這是因為上海市、重慶市等城市的經(jīng)濟(jì)發(fā)展較快，且人口密度大、重工業(yè)集聚、能源消耗大，所以碳排放呈現(xiàn)高-高聚集狀態(tài)。長江經(jīng)濟(jì)帶碳排放低-低聚集區(qū)以大型城市為主，主要分布在四川、云南等西部省份以及安徽、江西等中部省份，即碳排放較低的地級市趨于和碳排放較低的地級市相鄰。例如，廣元市和眉山市等城市的人口集中度、人均GDP相對較低，且以農(nóng)業(yè)、旅游和輕工業(yè)為主，也是國家森林城市，因此碳排放呈現(xiàn)低-低聚集。研究時段內(nèi)，長江經(jīng)濟(jì)帶均未出現(xiàn)高-低、低-高聚集區(qū)，表明長江經(jīng)濟(jì)帶碳排放的空間分布具有強(qiáng)空間自相關(guān)性，即極顯著性空間聚集模式。

3 長江經(jīng)濟(jì)帶的脫鉤效應(yīng)

3.1 碳排放總量脫鉤效應(yīng)分析

根據(jù)圖1可知，長江經(jīng)濟(jì)帶總體和不同等級城市在研究時段內(nèi)碳排放總量脫鉤彈性處于強(qiáng)脫鉤和弱脫鉤的年份約占所有年份的93.8%，僅有超大型城市在2018—2019年碳排放總量脫鉤狀態(tài)呈現(xiàn)擴(kuò)張性連接。由此可見，長江經(jīng)濟(jì)帶整體GDP與碳排放量的脫鉤態(tài)勢大體較為樂觀。雖然長江經(jīng)濟(jì)帶總體和不同等級城市的地區(qū)生產(chǎn)總值增長率在研究時段內(nèi)均大于碳排放增長率，卻并未拉開較大差距。因此，需要進(jìn)一步強(qiáng)化減排效率，促進(jìn)長江經(jīng)濟(jì)帶碳排放總量脫鉤彈性從“弱脫鉤”向 “強(qiáng)脫鉤”穩(wěn)定推進(jìn)。

3.2 人均碳排放量脫鉤效應(yīng)分析

“人均碳排放”指標(biāo)消除了地區(qū)間人口差異的影響，更能全面反映碳排放與經(jīng)濟(jì)增長的脫鉤關(guān)系。根據(jù)圖2可知，長江經(jīng)濟(jì)帶總體在研究時段內(nèi)人均碳排放量脫鉤彈性呈增-減-增態(tài)勢。超大型城市和特大型城市的人均碳排放量2015—2016年均呈強(qiáng)脫鉤狀態(tài)，2016—2019年則呈弱脫鉤狀態(tài)。這是因為2014年國務(wù)院發(fā)布《2014—2015年節(jié)能減排低碳發(fā)展行動方案》，各省也出臺了相應(yīng)的實施方案，使人均碳排放出現(xiàn)了短時間的下降。大型城市中2016—2017年呈現(xiàn)擴(kuò)張性負(fù)脫鉤狀態(tài)，人均碳排放增長達(dá)到經(jīng)濟(jì)增長的1.5倍左右，說明此階段大型城市對化石能源的依賴程度變大，是一種較為粗放的經(jīng)濟(jì)增長方式；2017—2019年人均碳排放與經(jīng)濟(jì)增長回歸合理的階段，處于弱脫鉤狀態(tài)。人均增速放緩，各地級市的經(jīng)濟(jì)依舊處于高增長階段，經(jīng)濟(jì)增長方式由粗放型轉(zhuǎn)變?yōu)橄鄬s型。

3.3 碳強(qiáng)度脫鉤效應(yīng)分析

“碳強(qiáng)度”指標(biāo)消除了地區(qū)間經(jīng)濟(jì)發(fā)展不平衡的影響，可以更全面地反映碳排放與經(jīng)濟(jì)增長之間的脫鉤關(guān)系。如圖3所示，2015—2019年長江經(jīng)濟(jì)帶總體和不同等級城市碳強(qiáng)度均呈現(xiàn)負(fù)增長態(tài)勢，且GDP均保持穩(wěn)定速度的增長，故碳排放脫鉤狀態(tài)均呈現(xiàn)強(qiáng)脫鉤。因此，長江經(jīng)濟(jì)帶2015—2019年碳強(qiáng)度與經(jīng)濟(jì)增長的脫鉤關(guān)系一直處于穩(wěn)定理想狀態(tài)。

4 結(jié)語

綜合以上分析，本文得出以下結(jié)論：（1）長江經(jīng)濟(jì)帶總體2015—2019年Morans I的正態(tài)統(tǒng)計量Z值在1%水平下顯著，且碳排放空間集聚性持續(xù)增強(qiáng)；（2）長江經(jīng)濟(jì)帶碳排放的空間分布具有強(qiáng)空間自相關(guān)性，高-高聚集區(qū)以超大型城市和特大型城市為主，低-低聚集區(qū)則以大型城市為主；（3）歸納各類脫鉤指標(biāo)，得出長江經(jīng)濟(jì)帶2015—2019年碳排放與經(jīng)濟(jì)增長大多處于弱脫鉤與強(qiáng)脫鉤狀態(tài)，個別年份出現(xiàn)擴(kuò)張性連接和擴(kuò)張性負(fù)脫鉤。長江經(jīng)濟(jì)帶整體脫鉤狀態(tài)大體較為樂觀，但并未實現(xiàn)由“弱脫鉤”向“強(qiáng)脫鉤”的推進(jìn)。

根據(jù)上述研究結(jié)論，文章提出如下政策建議：根據(jù)碳排放情形相似的地級市制定同類減排政策。對于高-高聚集區(qū)的地級市，應(yīng)開展區(qū)域減排協(xié)同共治，降低中心城市的碳排放，使其碳減排的影響溢出周邊城市；對于低-低聚集區(qū)的地級市應(yīng)繼續(xù)保持中心區(qū)域的減排措施現(xiàn)狀，使其周圍城市獲得示范效應(yīng)。同時，積極推進(jìn)綠色可持續(xù)經(jīng)濟(jì)發(fā)展模式，優(yōu)化經(jīng)濟(jì)結(jié)構(gòu)并加快產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型。

參考文獻(xiàn)

陳秋紅.湖南省碳源與碳匯變化的時序分析[J].長江流域資源與環(huán)境，2012，21（6）：766-772.

邱子健，靳紅梅，高南，等.江蘇省農(nóng)業(yè)碳排放時序特征與趨勢預(yù)測[J].農(nóng)業(yè)環(huán)境科學(xué)學(xué)報，2022，41（3）：658-669.

王兆峰，李竹，吳衛(wèi).長江經(jīng)濟(jì)帶不同等級城市碳排放的時空演變及其影響因素[J].環(huán)境科學(xué)研究，2022，35（10）：2273-2281.

張赫，彭千芮，王睿，等.中國縣域碳匯時空格局及影響因素[J].生態(tài)學(xué)報，2020，40（24）：8988-8998.

孫葉飛，周敏.中國能源消費(fèi)碳排放與經(jīng)濟(jì)增長脫鉤關(guān)系及驅(qū)動因素研究[J].經(jīng)濟(jì)與管理評論，2017，33（6）：21-30.

王杰，李治國，谷繼建.金磚國家碳排放與經(jīng)濟(jì)增長脫鉤彈性及驅(qū)動因素：基于Tapio脫鉤和LMDI模型的分析[J].世界地理研究，2021，30（3）：501-508.

吳洋，范如國.基于彈性脫鉤理論的我國碳排放及經(jīng)濟(jì)增長研究[J].科技管理研究，2014，34（20）：221-225.

Dietz T，Rosa E A. Rethinking the environmental impacts of population，affluence and technology [J]. Human Ecology Review，1994，1（2）：277–300.

Su K，Lee C M. When will China achieve its carbon emission peak？ A scenario analysis based on optimal control and the STIRPAT model[J]. Ecological Indicators，2020，112：106138.

Tapio P . Towards a theory of decoupling：degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J]. Transport Policy，2005，12（2）：137-151.

李振環(huán)，馮學(xué)鋼，王亞玲.中國旅游業(yè)碳排放脫鉤效應(yīng)測度與時空格局演變[J].統(tǒng)計與決策，2021，37（22）：46-51.

程慧，徐瓊，郭堯琦.中國旅游業(yè)碳排放脫鉤的空間異質(zhì)性及其驅(qū)動因素[J].華東經(jīng)濟(jì)管理，2020，34（3）：86-93.

黃國慶，汪子路，時朋飛，等.黃河流域旅游業(yè)碳排放脫鉤效應(yīng)測度與空間分異研究[J].中國軟科學(xué)，2021（4）：82-93.

齊紹洲，林屾，王班班.中部六省經(jīng)濟(jì)增長方式對區(qū)域碳排放的影響：基于Tapio脫鉤模型、面板數(shù)據(jù)的滯后期工具變量法的研究[J].中國人口·資源與環(huán)境，2015，25（5）：59-66.