“雙碳”目標下生態安全屏障區縣域單元碳排放的時空分異特征及影響因素研究

摘"要：

黃河流域作為中國重要的生態屏障和經濟帶，長期面臨經濟發展滯后、溫室氣體大量排放、土地資源破壞、生態脆弱等多重困境，在“雙碳”目標背景下實現黃河流域綠色高質量發展任重而道遠。基于2000—2021年黃河流域縣域碳排放的面板數據，采用空間相關性分析法和地理探測器分析法，探究黃河流域縣域碳排放的時空演變格局及影響因素。研究結果表明：2000—2021年期間黃河流域縣域碳排放總量不斷提高，其中以內蒙古自治區和河南省碳排放量高居首位，青海省碳排放量低居末位。各流域碳排放年均增長量呈現“上游提高、中下游保持”的總體態勢。黃河流域縣域碳排放高高集聚區（H-H）集中在以青州市、汝州市、固陽縣等為代表的黃河流域中下游地區，并沿黃河流域兩岸呈現高碳排“簇狀”分布的聚集特征；低低集聚區（L-L）主要集中在以迭部縣、宕昌縣、宜君縣等為代表的黃河流域中上游。固定資產投資水平對黃河流域上游、下游縣域地區碳排放影響力度最強，黃河流域中游地區碳排放影響因素最強的為第二產業發展水平。

關鍵詞：

縣域碳排放；ESDA數據分析法，黃河流域：地理探測器法

文章編號：2095-5960（2025）02-0094-09；中圖分類號：F270.4；文獻標識碼：A

一、引言及文獻綜述

黃河流域作為中國重要的生態屏障和經濟帶，長期面臨經濟發展滯后、溫室氣體大量排放、土地資源破壞、生態脆弱等多重困境^［1］，傳統耗能高、污染大的發展模式是黃河流域實現高質量發展的重大阻力^［2］，在“雙碳”目標背景下實現黃河流域綠色高質量發展尤其顯得任重道遠^［3］。黃河流域縣域單元是支撐區域經濟發展的基本單元，是實現城鄉融合發展的關鍵支撐，加強對黃河流域縣域尺度碳排放時空特征和影響因素的研究^［4］，對有效控制和減少黃河流域碳排放量，助推黃河流域經濟高質量發展的實現具有重大的現實意義。

隨著“雙碳”目標實現的壓力及碳減排重要性的日益突出，諸多學者對碳排放的研究主要集中在下面四個方面。一是對碳排放量的時空分異特征進行研究。主要結合Kernel密度估計、Markov鏈的動態分布法、自然斷點法、三階段SBM-DEA分析模型對全國及個別研究區域碳排放的時空演變格局進行研究。^［5-9］二是對碳排放和經濟增長之間的關系展開研究。研究結果表明人均CO₂排放量和人均收入之間有著U型關系或者N型關系，也有研究發現碳排放與經濟增長之間存在著非均衡的N形曲線關系。^［10-12］學者從不同角度研究碳排放和經濟增長之間的關系，不僅豐富了碳排放研究的相關理論內涵，更拓寬了研究思路與研究視角。三是對碳排放的測度方法進行研究。研究方法主要集中于生命周期評價方法和清單編制法。生命周期法和清單編制法分別基于消費者和生產者視角進行研究，生命周期法以產品生產和使用的整個生命周期投入和產出的碳排放進行核算，清單編制法以行政區劃范圍對各生產部門的能源消耗進行核算。^［13-19］四是碳排放研究區域多以大區域為主。碳排放的研究區域多集中于全國、區域、省域或市域的尺度^{［20，21］}，對研究區域碳排放的空間異質性特征展開研究。

已有文獻多從國家視角就碳排放和經濟增長之間的關系對碳排放進行相關研究，鮮有文獻以縣域為研究單位進行碳排放時空演變及影響因素的研究，特別是對黃河流域縣級單元碳減排的相關研究較少。這對在微觀層面制定碳減排政策有一定的阻礙因素。在新型城鎮化建設過程中，縣域單元是碳排放自身和鄰近空間動態效應的結果^［22］，是城鄉融合發展的關鍵因素與重要支撐，是黃河流域經濟發展的最基本單元區域。因此，深入研究黃河流域縣域層面碳排放量的時空演變特征及其影響因素，對該區域內產業結構優化調整、經濟社會低碳綠色轉型以及推動美麗中國建設具有顯著的理論意義與現實價值。

二、研究設計

（一）研究區域

研究區域以黃河水利委員會劃定的自然流域為基準，選取區域主要包括黃河流域的自然流域和受到黃河流域影響的范圍。黃河流域流經青海省、四川省、甘肅省、寧夏回族自治區、內蒙古自治區、陜西省、山西省、河南省、山東省9個省區。由于省市級數據受限于空間跨度較大等因素影響，缺少一定代表性與連續性，導致存在數據缺失較多且收集難度大。因此，本文從縣級行政區劃尺度分析黃河流域碳排放的空間差異，最終選取了黃河流域9省區771個縣級行政區作為研究區域。

（二）研究方法及數據來源

1.研究方法

（1）地理探測器。地理探測器通常用于探測各影響因素相互作用后的解釋力大小，本文運用地理探測器模型揭示黃河流域縣域碳排放的核心驅動因子及驅動因子之間的交互作用關系。^{［23，24］}具體公式如式（1）—（3）所示：

q=1－∑Lh=1N_hσ²_hNσ²=1－SSWSST""（1）

SSW=∑Lh=1N_hσ²_h""（2）

SST=Nσ²""（3）

式中，h 表示選取的影響因子的分層；N_h表示影響因子h層的單元數；N表示所有分層的加總單元數；σ_h表示h層碳排放量的方差；σ 表示所有分層碳排放的方差；SSW 為層內碳排放量方差之和；SST 為碳排放量總方差；q 值為自變量對因變量的解釋力，q 值越大代表解釋力越強。

交互探測用來明確任意兩個自變量x_a和x_b在相互作用過程中對因變量的解釋力是增加還是減少，以及這些自變量對因變量的影響是否獨立，判斷標準見表 1。

（2）空間探索性分析方法。文章結合空間數據探索性分析方法（Exploratory Spatial Data Analysis，簡稱ESDA）對通過空間相關性分析方法分析黃河流域全局和局部碳排放的Moran’s I指數，并結合Lisa空間集聚圖分析黃河流域各個縣域地區碳排放的空間集聚情況。對黃河流域碳排放的高低（H-L）集聚區、低高集聚區（L-H）、高高集聚區（H-H）和低低集聚區（L-L）的碳排放空間分布特征進行分析。

研究數據的空間相關性以及空間異質性是ESDA分析方法的重點研究內容，空間權重矩陣設定和空間自相關指數及莫蘭指數的分析是ESDA方法中常用的主要分析工具。

在空間數據探索性分析方法中，“鄰近”區域指觀測區域之間有共同的邊界，被觀測的區域單元結果會受到相鄰區域單元觀測值的作用。在空間上，使用空間權重矩陣描述鄰近的空間關系，觀測單元有相同的邊界，被觀測單元之間位置相鄰。

w_ij=1如果觀測單元i和觀測單元j有公共邊界

0如果觀測單元i和觀測單元j沒有公共邊界""（4）

或者當距離判斷值給定時，觀測單元之間的空間權重矩陣可用下式表示：

w_ij=1如果d_ij≤δ0如果d_ijgt;δ""（5）

w_ij是觀測單元i和j之間的空間權重矩陣，d_ij是i和j之間的地理距離，δ是距離的判斷值。

根據空間自相關分析Moran’s I指數對黃河流域各縣域碳排放的空間關聯性進行分析， 其計算公式為：

Moran’s I=N∑Ni=1∑Nj=1W_ij（x_i－x）（x_j－x）（∑Ni=1∑Nj=1W_ij）∑Ni=1（x_i－x）²""（6）

式中，I為全局Moran’s I指數；N為縣域個數；x_i和x_j分別是i縣域和j縣域的碳排放總量。其中W_ij為空間權重矩陣，若i縣域和j縣域相鄰，則W_ij取值為1；若i縣域和j縣域不相鄰，則W_ij取值為0；x為黃河流域縣域平均碳排放總量。

Moran’s I的取值范圍在[-1，1]之間，當Moran’s I=0時，表示空間不相關；

當Moran’s I＞0時，表示空間正相關；Moran’s I＜0時，表示空間負相關。

對于Moran’s I的計算結果，通過漸進的正態分布和隨機分布方法做進一步檢驗， Moran’s I系數的標準化形式為：

Z（I）=1－E（I）VAR（I）""（7）

標準化的Moran’s I的數學期望為：

I_i=x^/_i∑nj=1w_ijx^/_j""（8）

Moran’s I的方差VAR_n（Moran’s I）的表達式在常用的正態分布的空間數據假設條件下為：

VAR_n（Moran’s I）=1w²₀（n²－1）（n²w₁+nw₂+3w²₀）－E²_n（Moran’s I）""（9）

當Moran’s I的正態統計值Z值大于正態分布函數在1%或者5%水平下的臨界值時，表明碳排放量在空間上具有空間依賴性，根據各個研究單元所在莫蘭散點圖的象限，可以判斷各個地域單元的空間相關特性。

2.影響因素指標選取及數據來源

碳排放原始數據來源于Emissions Database for Global Atomspheric Research（EDGAR）發布的全球碳排放數據，運用Arcgis10.5提取得到黃河流域縣域層面的碳排放數據。其中，植被歸一化指數原始數據來源于NASA發布的 MODIS數據集下的MOD13A3數據，運用Arcgis10.5軟件提取得到黃河流域縣域層面的植被歸一化指數。縣域綠色專利授權量數據來源于國家知識產權局，其他指標數據均通過《中國縣域統計年鑒》《中國城市統計年鑒》和各省統計年鑒進行獲取。借鑒已有研究^［25-27］，本文選擇經濟發展水平（gdp）、產業結構（sec）、公共財政支出（gov）、固定資產投資（fix）、城市人口密度（den）、技術創新水平（tec）與植被覆蓋率（green）作為碳排放的影響因素。

三、實證分析

（一）黃河流域縣域碳排放時序演變特征

借鑒相關研究，將黃河流域分為上游、中游和下游地區以便探索其協同發展的空間差異。^［28-30］其中，黃河流域上游地區包括青海省、甘肅省、寧夏回族自治區三省區，中游地區包括山西省、內蒙古自治區和陜西省三省區，下游地區包括山東、河南兩省。黃河流域以縣域為單位，2000—2021年黃河流域各個省份每年碳排放量、黃河流域總域碳排放量以及黃河流域各省份從2000—2021年的碳排放量增量如表2所示。

2000—2021年期間黃河流域縣域碳排放總量不斷提高，總體來看，黃河流域上中下游碳排放量增長量呈現“上游提高、中下游保持”的格局。區域內碳排放總量從2000年的1102.62百萬噸增長至2021年的4090.32MT，增長率高達271.14%。其中山東省以839.19MT碳排放增長量位居黃河流域各省份首位，其次為內蒙古自治區與河南省，分別以569.09MT與516.18MT碳排放增長量位居第二、第三，青海省以59.48MT碳排放增長量居于末位。

黃河流域上游主要由青海省、甘肅省和寧夏回族自治區構成，碳排放量的增加值為376.49百萬噸；中游由山西省、內蒙古自治區和陜西省構成，碳排放量的增加值為1255.84百萬噸；下游則以山東省和河南省為主，碳排放量的增加值為1355.37百萬噸。造成這一現象的主要原因在于，上游地區地處內陸，產業發展相對滯后，同時其豐富的風能、地熱能、太陽能和水電等清潔能源，使得上游碳排放量的增長量相對較低。中游地區則以煤炭開采和天然氣煉化為主導產業，碳排放增加量明顯高于上游；而下游地區由于處于華北平原，人口規模較大，產業相對發達，碳排放量的增加量也相對較高。

（二）黃河流域縣域碳排放空間演變特征

1.黃河流域縣域碳排放量空間分布特征

根據黃河流域各縣域的社會經濟發展模式及資源稟賦特點，將縣域碳排放總量劃分為四個等級（其單位是百萬噸）：低度排放（0—0.75）、中度排放（0.75—1.5）、高度排放（1.5—2.25）和重度排放（gt;2.25）。

重度碳排放區域呈現逐年增加態勢，自2000年的169個縣域增加至2021年的371個縣域，主要集中于黃河中下游地區。如洛陽市新安縣、菏澤市曹縣等。這些區域呈現出沿黃河流域兩岸“簇狀”分布的高碳排放聚集特征。黃河流域中下游地區，尤其是河南省和山東省，因其人口規模大、市場廣闊、交通設施發達，碳排放總量較為龐大。以鄭州為代表的交通樞紐城市促進了區域工業的快速發展，從而加劇了碳排放。黃河中游地區，如陜西省、山西省和內蒙古自治區，依托豐富的能源資源和相關產業的配套設施，碳排放水平在過去二十年間持續攀升，重度碳排放區域不斷擴大。陜西省榆林市作為典型代表，其2021年碳排放量達到139.59百萬噸，占全省總碳排放量的36.04%。

低度和中度碳排放區域呈現逐年遞減態勢，自2000年的509個縣域減少至2021年284個縣域，分布較為廣泛，主要分布在黃河上游及中游地區。諸如錫林郭勒盟阿巴嘎旗、包頭市青山區等。這些地區的碳排放分布格局與當地人類活動水平及植被覆蓋度密切相關。甘肅、青海和寧夏等黃河中上游地區，大多數縣域的碳排放水平仍處于低度或中度，主要受到地理、交通不便及人口規模較小的制約。然而，隨著西部大開發戰略及“一帶一路”倡議的推進，區域經濟發展日益加速，銀川市、蘭州市等重要城市的交通條件不斷改善，導致高度和重度碳排放縣域逐步增多。

綜上所述，黃河流域的碳排放分布受到區域經濟發展、人口規模、能源產業結構以及交通基礎設施等多重因素的影響。上游地區碳排放總量較低，但隨著經濟的不斷發展和基礎設施的逐步改善，碳排放水平呈現上升趨勢。中下游地區碳排放較高，主要源于該地區的工業化進程、人口密集和交通發達原因所致。

2.黃河流域縣域碳排放增量空間分布特征

2000—2021年各縣域的碳排放總量均出現顯著增長。基于黃河流域各縣域的社會經濟發展情況以及區域內資源稟賦的實際狀況，本文將縣域的碳排放增長量進行分類劃分。具體劃分為緩慢增加（0～0275）、適度增加（0.275～10.75）、快速增加（10.75～21.5）和迅速增加（gt;21.5）四個等級（其單位是百萬噸），以使黃河流域縣域碳排放增加量更具可比性。

2000—2021年間，黃河流域縣域碳排放增量呈現按“市轄區-近郊縣（市）-外圍縣（市）”依次遞減的特征，碳排放增量的“中心-外圍”空間格局較為明顯。經濟發達程度較高的縣區，其碳排放增量往往也相對較高；相反，在經濟相對落后的周邊縣區及偏遠山區，碳排放增量則普遍較低，縣域碳排放量的“中心-外圍”遞減空間格局較為明顯。黃河流域各縣域處于快速增加與迅速增加的縣域數量為83個，多位于黃河流域中下游的主流沿岸地區。黃河流域各縣域處于緩慢增加與適度增加的縣域為688個，緩慢增加與適度增加的縣域多位于黃河的洛河、汾河等支流沿岸地區。

3.黃河流域縣域碳排放局部空間自相關特征

為進一步深入剖析黃河流域縣域碳排放的空間聚類與擴散特征，本文選擇2000年、2007年、2014年、2021年四個年份作為時間截面來繪制黃河流域縣域碳排放集聚現象。四個年份中碳排放量具有明顯的局部空間分布差異，自2000年來黃河流域縣域碳排放空間特征主要呈現出高高集聚區逐漸增加，低低集聚區逐漸減少的態勢，即當前黃河流域縣域碳排放呈現出“高高溢出，低碳減少”的態勢。

高高集聚區（H-H）主要分布在黃河流域中下游地區，以青州市、汝州市、固陽縣、神木市、榆陽區，準格爾旗、莒南縣，登封市為主要代表。山東半島依托以青島港、煙臺港為代表的沿海城市大力發展進出口貿易，結合地區工業特征，形成前店后廠模式，帶動內陸縣域工業發展；以陜西榆林及內蒙古鄂爾多斯為代表的黃河中游流域縣域依托地區煤炭、石油等能源行業不斷發展，帶動周邊地區產業協同發展，最終促使高高集聚區范圍顯著擴大。黃河流域中下游地區依托本地人口優勢、交通優勢、能源優勢容易優先發展勞動密集型產業、資源密集型產業，對周邊地區產生一定程度的溢出作用。

低低集聚區（L-L）主要集中分布在黃河流域中上游地區，以迭部縣、宕昌縣、宜君縣、慶城縣、漢濱區、禮縣、臨潭縣、通渭縣，瑪曲縣，鎮巴縣等為代表。受限于當地地理因素、人口規模、基礎設施建設、交通建設情況等因素，黃河中上游區域內第二產業發展較為困難，此外黃河上游地區多以草原、戈壁地區為主，對區域內碳排放量有較大的分散作用。在這些因素的共同作用下，形成當下的碳排放低集聚態勢。

高低集聚區與低高集聚區均呈現零星分布態勢，高低集聚區（H-L）主要零星分布黃河中游地區，以錫林浩特市、武川縣、陳倉區、商州區、彬州市主要代表。低高集聚區（L-H）零星分布在黃河流域中下游地區，以烏審旗、泰山區、新泰市、泗水縣、孟州市為主要代表。

綜上所述，2000—2021年間黃河流域縣域碳排放高高集聚區主要分布在黃河中游及下游地區，低低集聚主要位于黃河中上游流域，高低集聚區與低高集聚區呈現零星分布態勢。

（三）黃河流域碳排放強度的影響因素分析

借鑒相關研究，將黃河流域分為上游、中游和下游地區以便探索其協同發展的空間差異。^［31-36］黃河流域及三大地區縣域碳排放影響因子探測分析結果如表3所示：整體上看，經濟發展水平等影響因子均通過了 1%水平上的顯著性檢驗，表明其與黃河流域縣域碳排放之間存在密切關系。其中，q值的大小表示自變量X在多大程度上能夠解釋因變量Y，這7個影響因子對碳排放的解釋力從大到小排列依次是第二產業發展水平（sec）gt;固定資產投資水平（fix）gt;政府財政支出（gov）gt;經濟發展水平（gdp）gt;城市人口密度（pop）gt;植被覆蓋率（green）gt;科技創新水平（tec）。

研究發現，第二產業發展水平與固定資產投資水平的解釋力較強，系數分別為0.1866和0.1436，這是因為無論是發展第二產業還是擴大固定資產投資均會加大煤炭、石油等化石燃料的消耗，繼而增加碳排放量。以第二產業為例，電、熱生產活動、制造產業和建筑業、交通運輸業等行業的生產活動均是碳排放的主要來源。政府財政支出在碳減排方面也發揮著重要作用，因子解釋力為0.0939。實現“雙碳”目標離不開財稅政策的支持。為此，國務院出臺《關于完整準確全面貫徹新發展理念做好碳達峰碳中和工作的意見》，指出各級財政要加大對綠色低碳技術研發與產業發展的支持力度，對碳減排成效突出的企業給予一定的稅收優惠，同時完善政府綠色采購政策，彰顯財政資金在支持碳減排方面的重大作用。因子解釋力最小的是科技創新水平，這表明黃河流域科技創新推動碳減排的成效還有待提升。未來要加強綠色科技創新，通過創新成果轉化加快轉變經濟發展模式，降低生產活動對自然資源的消耗與依賴，從根本上降低碳排放量。

分區域來看，上游地區碳排放影響因子的解釋力從大到小排列依次是固定資產投資水平（fix）gt;第二產業發展水平（sec）gt;政府財政支出（gov）gt;植被覆蓋率（green）gt;經濟發展水平（gdp） gt;科技創新水平（tec）gt;城市人口密度（den）。其中，上游地區的固定資產投資和第二產業發展水平因子解釋力遠高于其他影響因子，這是因為上游地區經濟發展遲緩，公共基礎設施尚不完善，第二產業仍處于加速發展階段，固定資產投資與第二產業規模擴大是上游地區碳排放的核心途徑。值得注意的是，上游地區的植被覆蓋率因子解釋力為0.1192，遠高于其他地區。上游地區是我國重要的生態功能區，森林草地等自然資源豐富，且依賴國家退耕還林還草等利好政策的驅動，上游地區的森林草地面積呈持續增長趨勢，生態系統碳匯能力不斷增強。中游地區碳排放影響因子的解釋力從大到小排列依次是第二產業發展水平（sec）gt;固定資產投資水平（fix）gt;政府財政支出（gov）gt;植被覆蓋率（green）gt;經濟發展水平（gdp）gt;城市人口密度（den）gt;科技創新水平（tec）。其中，第二產業發展水平因子解釋力“一家獨大”，遠超第二位固定資產投資水平。原因是資源消耗型的能源工業仍然是中游地區的支柱產業，煤炭開采及洗選業、石油天然氣開采業、有色金屬冶煉和壓延加工業等資源能源產業和重化工業等高碳行業比重過高。下游地區碳排放影響因子的解釋力普遍偏小。其中，固定資產和第二產業發展水平的因子解釋力居于前兩位，分別為01109和0.0893，表明上游地區經濟發展態勢良好，完善的基礎設施降低了固定資產投資需求，產業結構日趨高級化使得第二產業比重持續降低，從而對碳排放的解釋力較弱。

考慮到不同因子對黃河流域縣域碳排放的影響可能存在疊加作用，本文進一步探測因子交互影響，分析碳排放空間分異交互機制，結果如表4所示。研究期內，各項影響因子之間存在緊密聯系，影響因子交互作用使得 q 值有不同程度的提高，具體表現為雙因子增強或非線性增強，且任意兩個影響因子之間不具有獨立關系，表明黃河流域縣域碳排放的空間差異是多方面因素綜合作用、相互疊加所產生的結果。具體地，第二產業發展水平與固定資產投資水平雙因子交互解釋力最高，q值為0.2751，說明對于經濟發展相對落后、尚處于工業化和城鎮化加速階段、生態本底脆弱的黃河流域而言，產業結構與能源消費結構是影響全流域縣域碳排放的重要影響因素。其次是第二產業發展水平與植被覆蓋率雙因子交互；雙因子交互解釋力最弱的是科技創新水平與植被覆蓋率，q值僅為0.0776，表明黃河流域未來應大力推進創新驅動發展戰略，以創新推動產業結構優化升級，同時加快生態環境治理修復，提高植被覆蓋率，以此增強縣域碳減排效率。不難發現，第二產業發展水平與其他影響因子的交互解釋力普遍較高，充分說明了第二產業發展水平與其他因子相結合是黃河流域縣域碳排放的主要影響因素。

不同地區雙因子交互結果如表5所示：可以看出，不同地區雙因子交互對碳排放解釋力存在明顯的空間差異，但上、中、下游地區出現的因子交互類型有且僅有雙因子增強或非線性增強。其中，上游地區第二產業發展水平與固定資產投資水平雙因子交互解釋力最高，q值為0.5658；其次是第二產業發展水平與植被覆蓋率雙因子交互；科技創新水平與城市人口密度雙因子交互解釋力最低，q值為0.0154。因此，推動上游地區碳減排應從科學規制其第二產業和固定資產投資方面著手，堅持推進綠色發展模式，持續優化升級產業結構，從而降低上游地區生產活動的碳排放量。中游地區雙因子交互解釋力最高的是經濟發展水平與第二產業發展水平，q值為0.4035，可能的解釋為中游地區第二產業占比較高，使得經濟發展水平與第二產業發展水平兩影響因子之間高度相關，二者交互的解釋力較高。雙因子交互解釋力最低的是科技創新水平與城市人口密度，q值為0.0547，前者是后者的約7.38倍。類似地，下游地區第二產業發展水平與固定資產投資水平雙因子交互的解釋力最高，q值為0.3083；但解釋力最低的是經濟發展水平與政府財政支出雙因子交互，q值為0.0487。這表明下游地區的產業結構與能源消費結構仍有待優化，未來應加快推進工業綠色發展，降低傳統工業能耗、水耗及碳排放強度，繼而推動黃河流域高質量發展。綜上所述，經濟發展水平等影響因子交互作用對黃河流域縣域碳排放空間分異的影響十分重要。

綜上所述，黃河流域各縣域上游地區固定資產投資水平對各個縣域碳排放的影響力度最大，中游地區主要影響因素為第二產業發展水平，下游地區主要影響因素也以固定資產投資水平為主。

四、研究結論與政策建議

（一）研究結論

本文基于2000—2021年黃河流域縣域碳排放的面板數據，采用空間相關性分析法和地理探測器分析法，探索并分析黃河流域內各縣域碳排放量隨時間推移的空間變化態勢及其背后的驅動因素。研究結果表明：第一，2000—2021年期間黃河流域縣域碳排放總量不斷提高，其中以內蒙古自治區和河南省碳排放量位居首位，青海省碳排放量位居末位。黃河流域碳排放年均增長量呈現出“上游提高、中下游保持”的總體態勢。第二，黃河流域縣域碳排放空間分布特征主要表現為高、重度碳排放區域集中分布在黃河中、下游沿線，呈現出沿流域兩岸“簇狀”分布的高碳排聚集特征；^［37］低、中度碳排放區域要分布在黃河流域上游地區與中游地區，下游地區分布較少。黃河流域縣域碳排放增量呈現按“市轄區-近郊縣（市）-外圍縣（市）”依次遞減的特征，碳排放增量的“中心-外圍”空間格局較為明顯^［37］。高高集聚區（H-H）主要分布在以青州市、汝州市、固陽縣為代表的黃河流域中下游地區；低低集聚區（L-L）主要集中在以迭部縣、宕昌縣、宜君縣為代表的黃河流域中上游。第三，運用地理探測器的研究方法，對黃河流域各縣域碳排放的影響因素進行深入分析后發現，黃河流域各縣域上游地區固定資產投資水平對各個縣域碳排放的影響力度最大，中游地區主要影響因素為第二產業發展水平，下游地區主要影響因素也以固定資產投資水平為主。

（二）政策建議

第一，針對黃河流域中、下游的高度與重度碳排放區域，積極做到優化能源結構，提高可再生資源的比例，積極發展低碳經濟，為盡快推進“碳達峰、碳中和”戰略目標的實現，黃河流域各縣域中、下游地區應積極推進產業結構的優化轉型與發展，構建綠色低碳的產業體系，引入循環經濟發展模式，提升經濟高質量低碳發展。^［38］

第二，針對黃河流域上游碳排放中、輕度地區，注重協調人口土地增長關系，對人口規模進行科學合理的調控，有節制地促進建設用地開發，推動居民綠色出行和低碳消費，規范和教育人類活動是進行黃河流域各個縣市生態建設，推進城市實現高質量發展的重要因素。^{［39，40］}在規范人類活動的前提下，合理擴大黃河流域各個縣市規模范圍，優化資源配置并合理開發各類資源。

第三，建構科學、精準的碳排放監測體系，確保碳排放數據的準確性、可比性與時效性。著重加強地方層面的碳排放監測，特別是對縣域及中小城市的碳排放源進行全面覆蓋，確保各類碳排放源均納入監管體系。通過建立完善的監測機制，可以為政府制定更加精確、科學的碳減排政策提供強有力的數據支持，并為區域內減排目標的落實提供量化依據，進而提升碳減排政策的實施效果和可操作性。

參考文獻：

［1］張振華，陳曦，汪京，等.綠色金融改革創新試驗區政策對碳排放的影響效應——基于282個城市面板數據的準實驗研究［J］.中國人口·資源與環境，2024（2）：32～45.

［2］李小建，文玉釗，李元征，等.黃河流域高質量發展：人地協調與空間協調［J］.經濟地理，2020（4）：1～10.

［3］高新才，韓雪.黃河流域碳排放的空間分異及影響因素研究［J］.經濟經緯，2022，39（1）：13～23.

［4］周桂芳，周彥兵，胡濤.中原城市群縣域碳排放時空演變及影響因素分析［J］.管理學刊，2023，36（3）：19～34

［5］Zhang Y，Yu Z，Zhang J.2022.Research on carbon emission differences decomposition and spatial heterogeneity pattern of China's eight economicregions［J］.Environmental science and pollution research international，29（20）：29976～29992.

［6］王青，傅莉媛，孫海添.中國工業生產能源消費碳排放的區域差異、動態演進與影響因素［J］.資源科學，2023，45（6）：1239～1254.

［7］尹莎，楊新軍，陳佳.人地系統適應性研究進展：概念、理論框架與方法［J］.地理科學進展，2021，40（2）：330～342.

［8］趙強，周月凌，方潛生，等.中部地區碳排放時空演變及其影響因素分析［J］.環境科學學報，2023，43（2）：354～364.

［9］劉琳軻，梁流濤，高攀，等.黃河流域生態保護和高質量發展的耦合關系及交互響應［J］.自然資源學報，2021，36（1）：176～195.

［10］肖驍，李京忠，楊新軍，等.黃河流域中上游林草生態調節服務功能價值核算［J］.生態學報，2022，42（19）：7830～7844.

［11］邵帥，李嘉豪.“低碳城市”試點政策能否促進綠色技術進步？基于漸進雙重差分模型的考察［J］.北京理工大學學報（社會科學版），2022（4）：151～162.

［12］王亞飛，陶文清.低碳城市試點對城市綠色全要素生產率增長的影響及效應［J］.中國人口·資源與環境，2021（6）：78～89.

［13］DU M，ANTUNES J，WANKE P，et al.Ecological efficiency assessment under the construction of low-carbon city：a perspective of green technology innovation［J］.Journal of environmental planning and management，2022，65（9）：1727～1752.

［14］SONG M，ZHAO X，SHANG Y.The impact of low-carbon city construction on ecological efficiency：Empirical evidence from quasi-natural experiments［J］.Resources，conservation and recycling，2020，157.

［15］徐佳，崔靜波.低碳城市和企業綠色技術創新［J］.中國工業經濟，2020（12）：178～196.

［16］陸菁，鄢云，王韜璇.綠色信貸政策的微觀效應研究——基于技術創新與資源再配置的視角［J］.中國工業經濟，2021（1）：174～192.

［17］方創琳.黃河流域城市群形成發育的空間組織格局與高質量發展［J］.經濟地理，2020 （6） ：1～8.

［18］蔡榕碩，王慧，鄭惠澤，等.氣候臨界點及應對：碳中和［J］.中國人口·資源與環境，2021（9）：16～13.

［19］王猛猛，劉紅光.碳排放責任核算研究進展［J］.長江流域資源與環境，2021（10）：2502～2511.

［20］陳世強，張航，齊瑩，等.黃河流域霧霾污染空間溢出效應與影響因素［J］.經濟地理，2020，40（5）：40～48.

［21］李治國，王杰.黃河流域經濟集聚的碳強度時空躍遷效應研究［J］.華東經濟管理，2020，34（9）：61～71.

［22］莫惠斌，王少劍.黃河流域縣域碳排放的時空格局演變及空間效應機制［J］.地理科學，2021，41（8）：1324～1335.

［23］王少劍，謝紫寒，王澤宏.中國縣域碳排放的時空演變及影響因素［J］.地理學報，2021，（12）：3103～3118.

［24］胡劍波，王楷文.中國省域碳排放效率時空差異及空間收斂性研究［J］.管理學刊，2022（4）：36～52.

［25］高新才，韓雪.黃河流域碳排放的空間分異及影響因素研究［J］.經濟經緯，2022 （1）：13～23.

［26］萬文玉，趙雪雁，王偉軍，等.我國農村居民生活能源碳排放的時空特征分析［J］.生態學報，2017（19）：6390～6401.

［27］韓夢瑤，劉衛東，謝漪甜，等.中國省域碳排放的區域差異及脫鉤趨勢演變［J］.資源科學，2021（4）：710～721.

［28］趙雲泰，黃賢金，鐘太洋，等.1999～2007年中國能源消費碳排放強度空間演變特征［J］.環境科學，2011（11）：3145～3152.

［29］孫赫，梁紅梅，常學禮，等.中國土地利用碳排放及其空間關聯［J］.經濟地理，2015，（3）：154～162.

［30］王睿，張赫，強文麗，等.基于城鎮化的中國縣級城市碳排放空間分布特征及影響因素［J］.地理科學進展，2021 （12）：1999～2010.

［31］施開放.多尺度視角下的中國碳排放時空格局動態及影響因素研究［D］.華東師范大學.2017.

［32］丁志偉，簡子菡，李凌子，等.中原城市群研究進展——基于1987—2017年中國知網文獻的計量分析［J］.地域研究與開發，2020 （1）：51～58.

［33］袁霄，倪九派，謝德體.重慶市縣域空間土地利用碳排放的時空格局分析［J］.應用基礎與工程科學學報，2021 （1）：25～38.

［34］禹湘，陳楠，李曼琪.中國低碳試點城市的碳排放特征與碳減排路徑研究［J］.中國人口·資源與環境，2020（7）：1～9.

［35］王連芬，趙園，王良健.低碳試點城市的減碳效果及機制研究［J］.地理研究，2022（7）：1898～1912.

［36］郭沛，梁棟.低碳試點政策是否提高了城市碳排放效率——基于低碳試點城市的準自然實驗研究［J］.自然資源學報，2022，（7）：1876～1892.

［37］鄧翔，任伊夢，玉國華.低碳城市建設與產業結構優化升級——來自低碳城市試點工作的經驗證據［J］.軟科學，2023（2）：10～19.

［38］Ang B W，Liu N，2007.Handling zero values in the logarithmic mean Divisia index decomposition approach- ScienceDirect［J］.Energy Policy，2007，（1）：238～246.

［39］DU M，ANTUNES J，WANKE P，et al.Ecological efficiency assessment under the construction of low-carbon city：a perspective of green technology innovation［J］.Journal of environmental planning and management，2022，（9）：1727～1752.

［40］李瑞，劉騰花.黃河流域沿線城市生態足跡與經濟增長脫鉤關系及影響因素分析［J］.貴州財經大學學報，2021（3）：103～111.

Research on the Spatiotemporal Differentiation Characteristics and Influencing Factors of Carbon Emissions from County-level Units in Ecological Security Barrier Areas under the “Dual Carbon Target”

ZHANG Yongfang

（School of Business， Xinxiang University， Xinxiang， Henan 453000， China）

Abstract：

Based on panel data of county-level carbon emissions in the Yellow River Basin from 2000 to 2021， this article uses spatial correlation analysis and geographic detector analysis to explore the spatiotemporal evolution pattern and influencing factors of county-level carbon emissions in the Yellow River Basin. The research results show that the total carbon emissions of counties in the Yellow River Basin have continuously increased from 2000 to 2021， with Inner Mongolia Autonomous Region and Henan Province ranking first in carbon emissions， and Qinghai Province ranking last. The average annual growth rate of carbon emissions shows an overall trend of \"Upstream improvement， middle and downstream maintenance\". The high carbon emission high concentration areas （H-H） in counties of the Yellow River Basin are mainly distributed in the middle and lower reaches of the Yellow River Basin， represented by Qingzhou City， Ruzhou City， and Guyang County， and exhibit a high carbon emission concentration characteristic of \"clustered\" distribution along both banks of the basin along the Yellow River Basin; The Low Low Agglomeration Areas （L-L） are mainly concentrated in the upper and middle reaches of the Yellow River Basin， represented by Diebu County， Dangchang County， and Yijun County. The level of fixed assets investment has the greatest impact on the upstream and downstream counties of the Yellow River basin， and the development level of the secondary industry has the greatest impact on the middle reaches of the Yellow River basin.

Key words：

county level carbon emissions; ESDA data analysis method; yellow river basin; geographic detector method

責任編輯：吳錦丹