中國能源供給側碳排放核算與空間分異格局

趙領娣+吳棟

摘要為克服能源消費側碳排放核算偏誤，文章基于能源供給側視角，運用中國能源樣本精準燃燒實驗測算出的碳排放因子，重新核算了1997—2014年中國能源碳排放并分析其演進過程，通過自然斷點法對碳排放空間分異格局進行客觀呈現，首次運用地理探測器方法識別該格局的主導驅動因子，并探測關鍵交互因子的多重空間疊加交互效應。結果表明：①中國能源碳排放從1997—2001年基本保持平穩，但在2001—2014年迅猛增長，原煤排放穩居主導地位，原油排放波動相對穩定，天然氣排放增幅最大。②在碳排放空間分異格局中，魯、冀、晉、豫、遼、蘇、粵的碳排放水平穩居全國前列，京、津、滬的碳排放長期居于低水平，陜、新、內蒙古的碳排放相對水平在樣本期內大幅攀升。③工業化是碳排放空間分異格局的主導驅動因子，經濟發展水平的決定力僅次于工業化，城鎮化的決定力長期處于居中水平但在2014年躍居首位，貿易開放和能源強度的決定力相對穩定且較為微弱。④所有包含工業化的交互因子均為關鍵交互因子，以工業化為核心相互交織的多重空間疊加交互效應存在于碳排放空間分異格局。區域碳減排應兼顧國家戰略與自身碳排放驅動特征，實施差異化低碳政策。

關鍵詞能源供給側；碳排放；空間分異格局；地理探測器

中圖分類號X24

文獻標識碼A文章編號1002-2104（2018）02-0048-11DOI：10.12062/cpre.20171003

改革開放以來，中國經濟以年均10% 的增速迅猛發展成為世界第二大經濟體，取得了舉世矚目的偉大成就，但中國碳排放總量約占全球總量的30%，已經超過美國與歐盟碳排放量總合，高居世界第一[1]。雖然中國在高能耗的粗放型發展模式下取得了經濟的迅速發展，但高碳排放的客觀現實也給中國的減排責任分攤帶來了巨大的國際壓力，與此同時能源的迅速耗竭、能源效率低下制約了中國經濟的轉型升級與可持續發展。在降低碳排放的國際壓力和低碳轉型的發展激勵之下，中國低碳減排已成為不可忽視的重要議題。中國在《巴黎氣候協定》中承諾將于2030年左右達到碳排放峰值，單位國內生產總值二氧化碳排放比2005年下降60%～65%。然而偏誤較大的核算方法和未能切合中國能源特征的默認排放因子制約著中國能源碳排放的精確核算與國際責任的公平分擔[2-3]，經濟發展及碳排放的區域異質性亦會限制碳排放目標分解和低碳轉型戰略的制定和優化[3]。如何突破既有研究的測算視角和默認排放因子的限制，進行更為精確的能源碳排放測度？中國能源碳排放呈現怎樣的空間分異格局？這種格局由哪些主導驅動因子決定，驅動因子間的空間疊加交互效應是否存在，又是如何作用于中國能源碳排放的空間分異格局？本研究將對這些不可忽視并亟待解決的關鍵問題進行分析。

1文獻綜述

隨著國際碳排放約束的不斷增強和中國綠色發展的需要，中國碳排放的估算一直是國際博弈的重要議題和學界關注的焦點[4]。美國能源部二氧化碳信息分析中心（CDIAC）、國際能源總署（IEA）、美國能源情報署（EIA）等國際研究機構提供碳排放測算數據，但多用于國家與地區間碳排放分析評估，對中國區域內部碳排放關注相對不足，中國國內尚未發布官方碳排放數據，主要依靠能源消費數據進行核算[5]。既有研究中碳排放測算視角的選擇主要集中于能源需求側，即能源消費側，學者們多從工業生產、農業生產、居民消費和交通運輸等多部門進行碳排放測度[6-9]。碳排放核算方法主要包括清單核算法與投入產出法[10]。清單核算法多基于政府間氣候變化專門委員（IPCC）、 國家發展和改革委員會（NDRC）等國內外權威機構提供的碳排放清單和默認排放因子，結合能源統計年鑒相關數據進行碳排放核算[3]。投入產出法一般通過投入產出表核算由最終需求引致的產業中間各部門直接與間接碳排放。

既有研究對碳排放空間分異特征進行了豐富探索，為本研究提供了重要參考。探索性空間分析和標準差橢圓方法被用于分析城市家庭生活用能碳排放空間分異特征[11]。省域人均碳排放空間異質性可通過GIS可視化方式或空間變差函數進行呈現與分析[12-13]。部分學者在劃分中國三區域和八區域的基礎上通過Theil指數研究碳強度的空間分異[14]，還有學者通過基尼系數、Kernel密度估計、Markov鏈等方法對碳排放分布的不平衡性與內部動態演進特征進行研究[15]。

對碳排放關鍵影響因素與作用機制的探究也為深入研究碳排放成因和優化碳排放管控提供重要依據。早期研究利用Kaya方程式從人口規模、經濟發展水平、能源強度逐層分析碳排放關鍵影響因素[16-17]。IPAT模型將碳排放成因歸納為人口數量、富裕度和技術[18]，在其基礎上擴展出的STIRPAT模型將人均收入、工業能源強度、工業結構和能源消費結構歸納為碳排放主要影響因素[19-20]。指數分解法（IDA）亦被廣泛用于分析碳排放影響因素，包括對數平均分解法（LMDI）[21]和權重調整分析法（AWD）[22]。結構分解分析（SDA）多用于分析產業部門中間產品消費的碳排放因素分解[23-24]。經驗分析中常用計量模型檢驗碳排放影響因素[25]。

綜合來看，既有研究對碳排放測算、特征識別和影響因素和機制探究等方面作出了廣泛探索，但仍存在如下方面有待改進：①多數研究基于能源消費側視角運用清單核算法與投入產出法進行碳排放估算，這將無法控制一次能源向二次能源轉化過程中出現的能源消耗，還忽視了眾多終端能源消費部門使用多種混合類型能源帶來的核算誤差。②基于統一的排放因子進行碳排放的測算雖然能夠保證研究的一致性和可比性，但由于各國能源消費結構、能源含碳量、能源加工水平存在差異，采用統一的默認排放因子未能契合中國能源特征，導致碳排放測算與實際碳排放水平之間存在較大偏差[2-3，26]，不利于國際之間碳減排責任的合理分攤，進而會影響國家減排政策的制定與實施。③早期學者對碳排放的空間分異特征進行了有益探索，但隨著技術條件的不斷優化和研究方法的逐漸改進，空間分異研究能否以新的研究方法進行補充完善仍有待繼續挖掘。④既有研究一般基于模型分解和計量檢驗對碳排放影響因素和影響機制進行分析驗證，缺乏對碳排放空間分異格局主導驅動力的探測分析，對多個影響因子的空間分異格局決定力相對重要性判定關注不足，影響因子之間可能存在的復雜交互作用亦需進一步深化。endprint

本研究在前人基礎上作出了如下拓展：①從能源供給側視角出發重新核算全國與各省份碳排放?；谀茉瓷a和貿易統計數據的能源供給側碳排放測算方法可對化石燃料來源進行追蹤，使得排放因子能夠與相應類型的化石燃料合理匹配，而且只需考慮三種主要的能源類型，避免能源轉換和多終端能源消費部門混合能耗帶來的統計誤差，比消費側碳排放核算更加精確。②運用中國能源樣本精確燃燒實驗得到的全新碳排放因子來核算碳排放。相對于IPCC等國際組織提供的默認碳排放因子，運用科學采樣精確實驗得到的碳排放因子更契合中國能源實際特征，誤差相對更小[2-3]。③基于空間分異視角運用自然斷點法呈現中國碳排放空間分異格局。該方法以數據本身的自然間斷特征對碳排放空間分異格局進行更加客觀真實地呈現與分析，規避了人為因素的干擾。④運用地理探測器方法對中國碳排放空間分異格局的主導驅動因子進行探測識別與決定力判斷排序，深入分析關鍵交互因子的存在性及其對碳排放空間分異格局的的多重空間疊加交互效應。

2研究方法、變量測度與數據來源

2.1研究方法

空間統計學早期理論基于“地學第一定律”從空間相關視角進行空間分析，既有的碳排放空間特征研究多數基于空間相似性分析碳排放空間集聚特征?？臻g統計學中的另一項重要理論假設是空間分層分異性，簡稱為空間分異性，“層”是按屬性特征進行的地理分區，同一區域可以按照屬性特征進行多種分層劃分，在按某一屬性特征的分層中，若其屬性值在子區域內方差小于子區域間方差，說明該屬性在不同子區域間存在空間分層分異性。

自然斷點法（Natural Breaks Classification Method）由Jenks[27]于1971年首先提出，是地理學研究中用于呈現和識別區域空間分異特征的經典分析工具。自然斷點法以子區域內屬性值方差最小化，子區域間屬性值方差最大化作為間斷點的確立與子區域自然分類的依據，間斷點選擇出現在數值劇烈變動之處，間斷點處屬性數值一般不均勻。假設某地理區域具備屬性X，初始分類為m，在[min（X），max（X）]范圍內產生m-1個值作為分類邊界，計算初始類均值及其類成員間方差和，通過反復調整類邊界設定，直至實現組內離散方差盡可能小，組間離散方差盡可能大，盡量排除人為因素干擾，最終實現依據屬性數值自然間斷特征的分組聚類。

地理探測器（Geographical Detectors， GeoDetector）由Wang等[28]在2010年首先提出的研究空間分異主導驅動因子及因子間交互作用的前沿空間統計分析方法，已被廣泛應用于遙感、氣象、地質、區域規劃、公共衛生等研究領域[29]。GeoDetector方法的基本原理是當被解釋變量和影響因子的空間分異格局趨同，說明二者具備統計關聯性。具體來說，通過對同一區域進行空間分層疊加分析，以q統計量的數值大小與方向判定解釋因子是否為被解釋變量空間分異的主導驅動因子，再通過不同解釋因子與被解釋變量的多重空間疊加分析，以交互因子的q統計量結果來探尋被解釋變量空間分異的關鍵交互因子。

相較于經典統計學，GeoDetector方法無需對樣本分布作先定假設，對多重共線性問題具備免疫功能，還拓展了傳統計量模型探究交互效應時僅限于變量相乘的設定，通過空間疊加技術更真實地探測變量之間交互效應[29]。與傳統的基于空間自相關性假設的空間全局自相關檢驗、空間局部熱點探測等分析工具相比，GeoDetector方法不要求空間連續，對空間面數據和點數據皆可進行處理，使用更加靈活。需要注意的是，運用GeoDetector方法之前需要對數據進行離散化處理，潛在影響因子的選擇需要結合具體的專業理論知識或數據的統計分類特征，數據的格點化與空間疊加分析需要借助ArcGIS10.3等專業的空間分析軟件。

GeoDetector主要通過因子地理探測和交互作用地理探測來進行探測分析。

（1）因子地理探測，用于探索潛在影響因子對被解釋變量空間分異格局的決定力，用q統計量來進行探測識別。q統計量的計算公式見式（1），其中i=1， …， n為按照某一影響因子所代表的屬性特征值劃分的“層”內子區域類別；Ni表示第i類子區域中的單元數，σ2i和σ2分別為被解釋變量在第i類子區域和全部子區域的方差；Niσ2i表示被解釋變量在第i類子區域的層內方差之和，Nσ2為全區總體方差；q統計量取值范圍為[0，1]，當q越趨近于1說明，該影響因子越有可能為主導驅動因子。

q=1-∑ni=1Niσ2iNσ2（1）

以圖1舉例，假設對某一區域的Y屬性空間分異格局存在潛在影響因子A，圖1（1）、（2）分別表示同一區域的Y屬性空間分異格局與按A屬性特征值劃分的地理分區，通過運用空間疊加技術將圖（1）、（2）疊加后呈現結果為圖1（3），再通過GeoDetector軟件計算因子A的q統計量q（A），按照q值判定結果分析潛在影響因子A對區域屬性值Y的空間分異格局的決定力水平。

（2）交互作用地理探測，用于判定不同影響因子對被解釋變量空間分異格局影響的獨立性，探索關鍵交互因子并分析其空間疊加交互效應。以圖2舉例，假設存在2個影響因子A、B對被解釋變量Y存在影響，通過分別將A、B、AB相交的地理分區和Y空間分異格局進行空間疊加分析，如圖2（1）、（2）、（3）。為驗證A、B對Y的交互作用，分別計算并比較q（A）、q（B）、q（A∩B），這3個q統計量分別表示A、B、A與B的空間疊加交互效應對Y的空間分異格局決定力大小。GeoDetector軟件的交互作用地理探測結果判別標準如下：當q（A∩B）=q（A）+q（B）時，A與

B相互獨立；q（A∩B）max（q（A），q（B）），交互因子存在增強效應；q（A∩B）∈[0，1]，q值越趨近于1，A∩B就越可能是關鍵交互因子。

2.2變量測度

能源碳排放是受多方因素影響的社會經濟活動產物，既有研究通過Kaya恒等式、IPAT模型、STIRPAT模型、LMDI分解法、AWD分析法、SDA結構分解等方法對碳排放影響因素進行了有益探索[4，16-24]。本研究基于前人研究，兼顧科學性和數據可得性，選取工業化、城鎮化、經濟發展水平、能源強度、貿易開放等典型因素作為碳排放空間分異格局的潛在影響因子進行地理探測分析。

2.2.1碳排放

雖然從理論上看地區能源消費與能源供給數值應該相等，但是本研究在估算中國化石能源消費帶來的碳排放時并未使用已被證明存在較大誤差的能源消費數據[30-31]，而是從能源供給側出發，運用地區能源平衡表中“可供本地區消費的能源量”、“損失量”與“終端消費量”欄目中的一次能源生產量、外?。▍^、市）調入量、本省（區、市）調出量、進口量、出口量、庫存增減量、能源損失量、工業原材料（非能源燃燒）來進行能源供給量核算，具體計算公式見式（2）。相對于能源消費側視角而言，從能源供給側核算能源消費量能在一定程度上規避能源加工過程中的能耗統計偏誤和多終端能源消費部門使用多種混合類型能源帶來的核算誤差，還能追蹤能源供給來源，便于合適的排放因子與能源類型達到準確匹配。

能源供給量=一次能源生產量+外?。▍^、市）調入量-本省（區、市）調出量+進口量-出口量±庫存增減量-能源損失量-工業原材料（非能源使用）（2）

在碳排放主要來自于原煤燃燒的大框架下，碳排放估算主要依賴于原煤的排放因子。本文借鑒Liu[2]和Shan[3]的研究以更為契合中國能源特征的全新精確排放因子進行中國地區碳排放核算。排放因子由中國前100家最大煤礦開采區（加總占中國原煤生產的99%）的602份原煤樣本進行精確燃燒實驗并結合修正后的碳含量、凈熱值與氧化率得出，具體見表1。

化石燃料燃燒導致的碳排放由化石能源使用量與各自的排放因子計算得到，見式（3），j表示第j種化石能源類型，CE表示化石能源碳排放總量，ADj表示第j種能源燃燒量，EFj表示第j種能源排放因子，44/12為碳排放轉換系數。

CE=∑3jADj×EFj×4412（3）

2.2.2工業化

中國正處于工業化發展時期，能源需求始終居高不下，工業發展保持高能源投入、高碳排放的特征[20]。既有研究表明工業產出每增加1萬元伴隨著碳排放平均提升3.81t，工業產業比重每上升1%帶來碳排放平均增加56.58×106 t，工業比重變動的邊際碳排放量還在不斷上升，中國工業的高速發展仍對能源消耗保持高度依賴[32]。工業化與碳排放存在密切聯系[33]，是影響碳排放空間分異格局的重要潛在影響因子。本文借鑒涂正革[32]的研究，運用工業產值占GDP 的比例表示工業化（INDUS）。

2.2.3城鎮化

本應基于Kaya方程將人口因素作為影響碳排放空間分異格局的潛在影響因子，但中國人口總量相對穩定，而人口的城鎮化水平的演化趨勢卻更為激烈，1997—2014年的全國人口總量平均年增長率為0.6%，而城鎮化的平均年增長率為5.23%，且城市人口的能源消費水平遠高于農村人口[17，32]?？紤]人口的城鎮化遷移趨勢更能有效解釋碳排放的波動，本研究將城鎮化水平作為衡量碳排放空間分異格局的潛在解釋因子，運用非農業人口占總人口的比重這一常用指標來表征衡量城鎮化（URBAN）。

2.2.4經濟發展水平

改革開放以來中國經歷著經濟的高速發展，但能源消費總量保持5.7%的平均年增長率，能源消費始終是經濟發展的剛性需求，對碳排放量及其空間分異格局的形成有著密切關聯。本研究將經濟發展水平作為潛在影響因子進行分析，運用普遍認可的人均GDP指標衡量經濟發展水平（PGDP）。

2.2.5能源強度

中國“富煤貧油少氣”能源稟賦結構決定了以原煤為主的能源消費結構，在能源消費結構相對穩定的情況下，能源強度是影響碳排放規模與格局的潛在影響指標，能夠反映能源利用的技術水平與效率。借鑒Torrie[34]的研究，運用能源消費量與GDP的比值表示能源強度（EI）。

2.2.6貿易開放

隨著對外開放的不斷擴大，外需帶動經濟高速發展的同時也使得高能耗產業在中國不斷擴張，國內日益增長的物質文化需求和企業自身的生產發展需求導致大量商品進口亦會引發碳排放的增加。既有研究表明貿易開放程度每上升1%會導致人均碳排放增加0.3%[35]，貿易開放與碳排放空間分異格局存在一定關聯。本研究以進出口貿易總額與GDP的比值這一通用的貿易依存度指標來衡量貿易開放（TRADE）。

2.3數據來源

本研究收集并整理了1997—2014年的中國30個省、自治區和直轄市相關數據，由于西藏、港澳臺地區的數據存在缺失嚴重或無法獲取等問題，故不將其列入研究樣本。用于核算碳排放、工業化、城鎮化、經濟發展水平、能源強度、貿易開放等變量所需的能源供給量、能源損失量、能源消費量、工業產值、非農人口占比、人均GDP（以1997年為基期）、進出口貿易總額等相關數據來源于《中國能源統計年鑒》《中國統計年鑒》《中國人口與就業統計年鑒》與各省份統計年鑒。由于GeoDetector方法是基于截面數據來進行分析，在篇幅有限的條件下為盡可能保證碳排放地理探測的全面性，本文以1997年作為初始年份，平均每6年選取研究截面，最終選擇1997年、2003年、2009年和2014年數據進行碳排放空間分異格局的地理探測分析。

3碳排放演進過程與空間分異格局

3.1碳排放演進過程

圖3呈現了從1997—2014年中國化石能源碳排放演進過程。從碳排放結構來看，包含原煤、原油和天然氣三類，其中原煤碳排放是化石能源碳排放量的主要來源，平均占化石能源排放量的80.75%，原油碳排放量平均占比為17.07%，天然氣碳排放在化石能源中所占份額最少，占化石能源排放量的2.18%，值得關注的是2014年天然氣碳排放量占比大幅躍升至7.99%。endprint

從總體演變趨勢來看，從1997—2000年，原油和天然氣的碳排放基本保持穩定，原煤以平均-4.27%速度保持穩定遞減狀態，但減少幅度較為微弱。但是從2001—2014年，化石能源的碳排放量以10%的平均增長率保持高速增長，原煤的碳排放與其保持同步增長，原油碳排放平均增長率為6.52%，然而天然氣碳排放以平均28.21%的增長率持續大幅躍進。

從2001年后的演進過程轉折點來看，化石能源、原煤的碳排放量以2012年為轉折點，年增長率均由約12%水平大跌至約為2%水平，在隨后年份均未超過10%的平均增長率水平，其中原煤在2014年還出現-0.55%的碳排放負增長。原油碳排放增長率以2010年為轉折點，從2009年的13.24%跌至7.04%，并在之后一直低于6.52%的平均水平。天然氣碳排放量在研究期內以25.54%的年均增長率保持高速提升，甚至在2014年實現185.02%的巨幅同比增長。

3.2碳排放空間分異格局

本研究基于空間分異性基本原理，運用自然斷點法將全國30省、自治區和直轄市碳排放數值劃分為五類（低排放區、較低排放區、中排放區、較高排放區、高排放區）進行空間分異格局分析，見表2。

總體來看，中國碳排放空間分異格局較為明顯。在研究期內碳排放相對高值區重點位于除了京、津外的環渤海地區（魯、冀、遼）、黃河中游部分地區（晉、豫）以及東部與南部沿海部分地區（蘇、粵）。而東北部分地區（吉、黑）、東部與南部沿海部分地區（浙、閩、瓊）、長江中游地區（皖、鄂、湘、贛）、西北地區（青、甘、寧）、西南地區（川、渝、云、桂、黔）長期處于碳排放相對低值區，尤其是以京津滬為典型代表的直轄市長期居于碳排放低值區。值得關注的是，陜、新、內蒙古在樣本期內從碳排放相對低值區向碳排放相對高值區快速躍升。

從各研究截面具體來看，碳排放空間分異特征存在一定波動，尤其是高排放區和較高排放區的內部變異需要重點關注。1997年的碳排放量空間分異格局中高排放區包括魯、冀、晉、遼等以重工業為支柱產業和能源稟賦結構以原煤為主的省份，較高排放區包括蘇、黑、豫等制造業發展較快或能源消費結構以原煤為主的省份。2003年高排放區范圍與1997年結果保持一致，但黑龍江不再屬于碳排放較高值區，廣東新進入其中。2009年碳排放空間分異結果呈現較大變化，冀、晉、遼等省份被劃分入碳排放較高

排放區，內蒙古新劃入較高排放區。2014年的結果中，內

蒙古新劃入高排放值區，山西再次位于其中，陜西、新疆躍入較高排放區。

4地理探測結果與分析

4.1因子地理探測

由表3的因子探測結果可知，1997年各影響因子對應的空間分異格局決定力判定排序為：INDUS>EI>URBAN>PGDP>TRADE。與1997年因子探測結果不同的是，2003年城鎮化對應的q統計量小于經濟發展水平對應的q值，能源強度的決定力水平有所下降，各影響因子的排序為：INDUS>PGDP>URBAN>EI>TRADE。2009年各因子探測結果排序與2003年保持一致。2014年城鎮化對碳排放空間分異格局的決定力躍升為第一位，各因子決定力判斷排序呈現新變化：URBAN>INDUS>PGDP>EI>TRADE?？傮w來看，工業化是碳排放空間分異的主導驅動因子，經濟發展水平在2003年和2009年截面中對

碳排放空間分異格局的決定力最為接近工業化，城鎮化在2014年樣本截面內躍升為決定力最高的影響因子，能源強度對碳排放的空間分異格局的決定力相對較小并長期保持穩定，貿易開放在五個影響因子中的決定力始終最小。

除2014年樣本截面外，工業化對碳排放空間分異的決定力均為最大，但總體來看呈現下滑趨勢。中國仍處于工業化發展的中后期，工業的化石能源消費量居于產業部門首位，與碳排放存在緊密聯系，但由于產業服務化趨勢的不斷推進，服務業產值占比從1997年的32.14%到2014年上升為48.11%，服務產業在產業結構中的份額穩步提升，工業所占份額相對減少，從1997年的49.18%到2014年降至42.72%。以魯、冀、晉、豫、粵為代表的工業大省的碳排放量始終保持高水平，而以蘇、浙、滬、黑為代表的工業發達地區的工業占比份額在不斷下降，碳排放水平也相對降低，雖然工業化對碳排放格局形成一直居于主導影響地位，但決定力有所下降。

經濟發展水平的決定力水平相對較高且在前三個樣本截面內不斷提升，但在2014年的樣本截面內出現較大幅度下滑。中國經濟發展規模一直以近10%的速度保持高速擴張，化石能源消費水平不斷攀升，由能源消耗帶來的碳排放亦在不斷增加。但隨著中國經濟進入增長速度換檔期和結構調整陣痛期，高能耗的粗放型經濟發展方式逐步向綠色低碳的可持續方向轉型，對降低碳排放起到了重要作用。以粵、浙、蘇、遼等經濟發展水平相對較高的典型地區為例，這四個省份在2003年的能源消費增長率分別為15.36%、15.1%、15.01%、6.14%，從2008年開始不斷下降，到2014年分別降至3.91%、1.00%、2.25%、0.38%。雖然經濟發展水平的提升仍保持一定的能源剛性，但在逐漸減低對能源的依賴性。

城鎮化的碳排放空間格局決定力在前三個樣本截面內基本保持穩定居中水平，但在2014年躍升為對碳排放格局決定力最大的影響因子。以陜、新、內蒙古等城鎮化快速躍升的省份為例，1997年城鎮化水平分別為33.37%、

21.47%、35.2%，到2014年上漲至70.64%、55.23%、66.15%，其對應的碳排放水平從1997年至2014年增長率分別為736.43%、716.72%、534.57%。中國城鎮化水平從1997年的24.79%到2014年上漲至54.33%，一方面城鎮化的高速推進帶來了資本、勞動力、技術等要素的集聚和消費需求的增加，促進了生產發展與經濟增長，另一方面城鎮化伴隨著能源消費需求剛性的增加，帶動了能源消費和碳排放的快速增長[17]。endprint

能源強度的碳排放空間分異決定力在樣本期內基本保持穩定，但決定力水平在所有影響因子中相對較低。黔、甘、青、寧等能源強度水平相對較高地區依賴于高能耗的經濟發展模式，但其經濟發展總量與能源消耗總量在全國范圍內相對滯后，能源強度與碳排放水平存在不均衡現象。在蘇、粵等能源強度相對較低的地區，經濟發展對能源的依賴在樣本期內相對減弱，但能源消費總量仍然巨大，能源強度與碳排放存在區域不匹配特征。能源消費結構與開發利用技術水平在省域內部相對穩定但在省際間差異較大，經濟發展水平與能源消費量在各省亦呈現不均衡現象，各地區能源強度基本保持穩定，但對碳排放空間分異決定力相對較低。

貿易開放對碳排放的決定力在各截面內都是最小的，但在2009年呈現驟降現象。中國貿易開放水平相對較高地區主要長期穩定集中于粵、浙、蘇、滬、津等沿海地區，在冀、晉、豫、內蒙古等碳排放水平相對較高地區貿易開放水平卻相對較低，貿易開放高值區與碳排放高值區的重合度較低。在2008年全球經濟沖擊的波及之下，中國貿易開放較發達地區出口相對低迷，能源消耗與碳排放出現大幅下降。

4.2交互作用地理探測

表4呈現了五個影響因子通過兩兩空間疊加后形成的交互因子在樣本截面內的q統計量結果。綜合來看，所有交互因子對碳排放空間分異的決定力水平相對于單個影響因子均有明顯增強。在所有樣本截面內，對碳排放空間分異決定力水平相對較高的關鍵交互因子為INDUS ∩ URBAN、INDUS ∩ PGDP、INDUS ∩ EI、INDUS ∩ TRADE，這表明包含工業化的關鍵交互因子對碳排放空間分異格局具有重要的多重空間疊加交互效應。與城鎮化相關的交互因子URBAN ∩ PGDP、URBAN ∩ TRADE分別在2009年、2014年截面出現空間疊加交互效應大幅躍升現象。

在上述關鍵交互因子中，INDUS ∩ PGDP與INDUS ∩ URBAN的決定力水平在樣本期內始終居于前列，這說明中國的工業化、城鎮化、經濟發展水平對碳排放空間分異格局的影響緊密交織。從1997—2014年，工業以10.6%的平均增速迅猛發展，在國民經濟發展中占據重要地位，但工業長期保持高能耗的粗放型發展模式，樣本期內原煤、原油、天然氣分別保持5.2%、2.0%、6.4%的平均消費增速，以工業為重心的經濟發展帶來碳排放的不斷增加。中國工業化進程亦伴隨著城鎮化的穩步前進，樣本期內中國城鎮人口平均增速為4.2%，意味著資本和人才的集聚、技術水平的提升與更多的生產需求，促進了工業規模的擴大。工業的高速發展提升了城市勞動力就業吸納能力，促進了城市基礎設施優化完善，加速城市人口集聚，帶來更多能源消費需求，城鎮化與工業化的交織帶來了更多的能源消耗與碳排放[36]。以陜、新、內蒙古等典型區域為例，其碳排放大幅躍進與工業化、城鎮化的快速發

展密切相關，從1997—2014年這三省的城鎮化水平增長了111.68%、157.24%、87.93%，工業化水平增長了30.69%、28.56%、18.64%，與此同時碳排放分別以736.43%、716.72%、534.57%的速度驚人增長。

INDUS ∩ TRADE在前三個樣本截面內的決定力水平一直保持相對較高水平，但在2014年截面內卻有所下降。隨著中國對外開放水平的穩步提升，貿易開放有利于中國出口型制造業的不斷發展，但能源消費亦保持較大剛性，這在粵、浙、蘇等貿易開放水平相對較高的制造業大省體現地尤為明顯。在能源稟賦結構與能源消費結構保持穩定、能源利用效率較低的情形下，中國的貿易開放并未有效促進工業高能耗的粗放型發展模式的改變[37]。在遭受2008年全球金融危機的巨大沖擊之后，中國經濟增速放緩、貿易開放受到沖擊，高能耗低效率的發展模式面臨轉型升級，能源消費與碳排放增速也相應下降。

INDUS ∩ EI在交互因子中保持相對較高的決定力水平，但在2009年截面內出現大幅下滑。由于樣本期內各省份能源消費結構與能源技術水平未發生太大波動，能源強度對碳排放空間分異格局的影響始終保持穩定態勢，工業仍保持著高能耗發展模式的蘇、魯、粵等地區的碳排放水平相對較高，而工業相對滯后的贛、桂、瓊、黔、云、甘、青、寧等地區的碳排放水平也相對較低，這說明能源強度與工業化的交互作用對碳排放空間分異格局存在重要影響。但在2008年宏觀經濟沖擊下，工業受到較大波及，能源消耗與碳排放亦受到限制，q（INDUS ∩ EI）在2009年截面內出現跳躍式下滑。

與城鎮化相關的交互因子URBAN ∩ PGDP、URBAN ∩ TRADE的決定力分別在2009年、2014年截面出現大幅上漲。在經受全球經濟沖擊之后，中國經濟增速放緩，產業結構面臨轉型升級，城鎮化的穩步推進對產業結構升級具有強烈的空間關聯性與沖擊效應[38]，經濟發展服務化與產業結構高級化趨勢不斷深化，第三產業以10.4%的平均增速迅猛發展，與此同時碳排放水平也相應提升。冀、晉、陜、新、內蒙古等省份是城鎮化與經濟發展水平交互因子對碳排放空間分異決定力大幅增加的典型地區。隨著中國城鎮化進程和對外開放的國家級頂層設計不斷演進深化，城鎮化和貿易開放亦呈現出相互交織的緊密聯系，城鎮化進程的加深帶來了資本、人才、技術的集聚，促進了基礎設施的完善，為貿易開放提供了有利條件，貿易開放水平的提升轉而促進出口型企業的生產需求和規模的擴張，進一步帶來生產要素的吸納，加速城鎮化進程。城鎮化與貿易開放的空間疊加交互效應使得粵、浙、蘇等傳統貿易開放大省和陜、新等“一帶一路”上新型貿易省份的能源消費需求不斷攀升、碳排放迅速增長。

5結論與政策建議

本研究從能源供給側視角運用基于精確燃燒實驗得到的碳排放因子核算中國能源碳排放水平，并對中國碳排放的演進過程與空間分異格局進行呈現，通過地理探測器方法對其進行影響因子決定力判斷排序、主導驅動因子探測識別，并分析關鍵交互因子的空間疊加交互效應。結果表明：1997—2001年的能源碳排放相對穩定，但2001年后以原煤為主導的碳排放迅猛增長。在樣本期內，魯、冀、晉、豫、遼、蘇、粵等區域碳排放水平穩定居于全國前列，京、津、滬等地區的碳排放水平長期居于低水平，陜、新、內蒙古的碳排放水平實現了大幅躍升，其他省份碳排放水平在國內保持穩定居中或較低狀態。總體來看，工業化是中國碳排放空間分異格局的主導驅動因子，經濟發展水平僅次于工業化，城鎮化在2014年的樣本截面內反超成為最重要的驅動因子。包含工業化的四個交互因子均為碳排放空間分異格局的關鍵交互因子，城鎮化與經濟發展水平、貿易開放的交互因子決定力分別在2009年、2014年截面出現大幅躍升。endprint

各地區分擔“共同而有區別”的減排目標時需考慮碳排放空間分異格局及其驅動因素，并兼顧地區發展客觀現實。碳排放空間分異格局顯示不同區域的碳排放狀況存在差異，其背后的驅動因子決定力水平并非在全國范圍內完全統一，加之經濟發展水平、工業化、城鎮化、能源強度、貿易開放等因素在各省份呈現不同程度相互交織的區域特征，“一刀切”式的減排策略無法公平有效地實現國家減排目標。各地區在共同承擔碳排放國家承諾的同時應結合自身碳排放狀況和地區發展特征，因地制宜地選擇契合發展現實、體現區域特色的低碳減排模式。因此，本研究提出如下政策建議：

（1）在全國范圍內，尤其是魯、冀、晉、豫、遼、蘇、粵等碳排放大省，需促進工業化、城鎮化與經濟發展水平相協調。中國處于工業化中后期和城市化高速發展時期，經濟發展水平不斷提升的同時碳排放總量也在不斷增長。在既有的以煤炭為主的能源稟賦結構和消費結構長期保持穩定的情形下，應逐步轉變高能耗高排放的粗放型經濟發展模式，以城鎮化促進資本、人才、技術等要素的集聚，設計合理產業政策優化要素配置流向與方式，推進工業向資本密集與勞動密集方向轉型升級，降低能源消耗、提升能源效率，在實現工業化、城鎮化與經濟發展水平系統優化的同時降低碳排放水平。

（2）針對諸如陜、新、貴、隴、青、寧、內蒙古等能源強度高的地區，應嘗試從能源效率視角來降低碳排放。以上能源強度較高的地區的經濟發展水平相對滯后且正處于工業化快速躍升時期，能源消費具有較強剛性，能源消耗總量難以在短期下降。限于以煤炭為主的能源稟賦和煤炭相對較低的能源價格，這些區域以煤炭為主的能源消費結構難以在短期內轉變，提升能源利用效率是較為可行的方法。政府應制定合理稅收政策、財政補貼并實施政策監督，促進企業引入清潔型生產技術和設備，提升能源利用效率，從排放端盡可能降低碳排放。

（3）針對津、滬、蘇、浙、粵等貿易大省，應促進產業轉型升級，調整能源消費結構，進一步提升能源效率。以上省份早期利用人口紅利優勢、區位優勢、政策優勢發展出口型制造業，使經濟得到了高速發展，但過高的能源剛性也使得碳排放水平迅速提升。在人口紅利漸失的情形下，這些省份需充分利用長期以來資本和技術的累積，逐步轉變粗放型的產業發展現狀，實現出口型產業的轉型升級，降低能源剛性需求，逐漸轉變以煤炭為主的能源消費結構，更多采用天然氣等清潔能源，革新能源使用技術和設備，提升能源效率，實現經濟發展的低碳轉型。

由于篇幅、數據和方法等因素的限制，本研究仍存在有待優化之處：①能源稟賦結構與能源消費結構可能對碳排放空間分異格局產生潛在影響，而本研究未將其作為潛在影響因子進行探討；②本文通過能源強度間接衡量技術進步，還未能充分表征其全面內涵；③工業是影響碳排放空間分異格局的關鍵產業部門，還需深入工業內部結構進行探索分析；④隨著地理探測器方法的不斷優化，多因素間的空間交互效應對碳排放空間分異格局的影響研究仍需繼續深化。這些都是未來研究的努力方向。

（編輯：李琪）

參考文獻（References）

[1]FRIEDLINGSTEIN P， ANDREW R M， ROGELJ J， et al. Persistent growth of CO2 emissions and implications for reaching climate targets[J]. Nature geoscience， 2014， 7（10）：709-715.

[2]LIU Z， GUAN D， WEI W， et al. Reduced carbon emission estimates from fossil fuel combustion and cement production in China[J]. Nature， 2015， 524（7565）：335-338.

[3]SHAN Y， LIU J， LIU Z， et al. New provincial CO2， emission inventories in China based on apparent energy consumption data and updated emission factors[J]. Applied energy， 2016， 184：742-750.

[4]彭水軍， 張文城， 孫傳旺. 中國生產側和消費側碳排放量測算及影響因素研究[J]. 經濟研究， 2015（1）：168-182.[PENG Shuijun， ZHANG Wencheng， SUN Chuanwang. Chinas productionbased and consumptionbased carbon emission and their determinants [J].Economic research journal， 2015（1）：168-182.]

[5]張曉梅， 莊貴陽. 中國省際區域碳減排差異問題的研究進展[J]. 中國人口·資源與環境， 2015， 25（2）：135-143.[ZHANG Xiaomei， ZHUANG Guiyang. China provincial carbon emissions differences research progress and prospect[J]. China population， resources and environment， 2015， 25（2）：135-143.]

[6]楊順順. 中國工業部門碳排放轉移評價及預測研究[J]. 中國工業經濟， 2015（6）：55-67.[YANG Shunshun. Evaluation and prediction on carbon emission transferring across the industrial sectors in China[J].China industrial economics， 2015（6）：55-67.]endprint

[7]田云， 張俊飚， 李波. 中國農業碳排放研究：測算、時空比較及脫鉤效應[J]. 資源科學， 2012， 34（11）：2097-2105.[TIAN Yun， ZHANG Junbiao， LI Bo. Agricultural carbon emissions in China： calculation， spatialtemporal comparison and decoupling effects.[J]. Resources science， 2012， 34（11）：2097-2105.]

[8]彭水軍， 張文城. 中國居民消費的碳排放趨勢及其影響因素的經驗分析[J]. 世界經濟， 2013（3）：124-142.[PENG Shuijun， ZHANG Wencheng. Empirical analysis on carbon emission trend and influencing factors of Chinese residents consumption[J]. The journal of world economy， 2013（3）：124-142.]

[9]李琳娜， LOO B P Y.中國客運交通的碳排放地理特征與展望[J]. 地理研究， 2016， 35（7）：1230-1242.[LI Linna， LOO B P Y. Carbon dioxide emissions from passenger transport in China： geographical characteristics and future challenges[J]. Geographical research， 2016， 35（7）：1230-1242.]

[10]王少劍， 劉艷艷， 方創琳. 能源消費CO2排放研究綜述[J]. 地理科學進展， 2015， 34（2）：151-164.[WANG Shaojian， LIU Yanyan， FANG Chuanglin. Review of energyrelated CO2 emission in response to climate change[J]. Progress in geography， 2015， 34（2）：151-164.]

[11]榮培君，張麗君，楊群濤，等. 中小城市家庭生活用能碳排放空間分異——以開封市為例[J]. 地理研究，2016，35（8）：1495-1509. [RONG Peijun， ZHANG Lijun， YANG Quntao， et al. Spatial differentiation patterns of carbon emissions from residential energy consumption in small and mediumsized cities： a case study of Kaifeng[J]. Geographical research， 2016， 35（8）：1495-1509.]

[12]王喜， 張艷， 秦耀辰，等. 我國碳排放變化影響因素的時空分異與調控[J]. 經濟地理， 2016， 36（8）：158-165.[WANG Xi， ZHANG Yan， QIN Yaochen， et al. Spatiotemporal differentiation and regulation of influencing factors of carbon emission in China[J]. Economic geography， 2016， 36（8）：158-165.]

[13]李建豹，黃賢金，吳常艷，等. 中國省域碳排放影響因素的空間異質性分析[J]. 經濟地理，2015，35（11）：21-28. [LI Jianbao， HUANG Xianjin， WU Changyan， et al. Spatial heterogeneity analysis of influencing factors of carbon emissions in Chinas provinces[J]. Economic geography， 2015，35（11）：21-28.]

[14]楊騫，劉華軍. 中國二氧化碳排放的區域差異分解及影響因素——基于1995—2009年省際面板數據的研究[J]. 數量經濟技術經濟研究，2012，29（5）：36-49，148. [YANG Qian， LIU Huajun. Regional decomposition of carbon dioxide emissions in China and influencing factors： based on provincial panel data from 1995 to 2009[J]. The journal of quantitative & technical economics，2012，29（5）：36-49，148.]

[15]劉華軍， 鮑振， 楊騫. 中國二氧化碳排放的分布動態與演進趨勢[J]. 資源科學， 2013， 35（10）：1925-1932.[LIU Huajun BAO Zhen， YANG Qian. Distributional dynamic and evolution of Chinas CO2 emissions[J]. Resources science， 2013， 35（10）：1925-1932.]

[16]YOICHI K. Impact of carbon dioxide emission on GNP growth： interpretation of proposed scenarios[R]. Paris： IPCC， 1989.endprint

[17]林伯強， 劉希穎. 中國城市化階段的碳排放：影響因素和減排策略[J]. 經濟研究， 2010（8）：66-78.[LIN Boqiang， LIU Xiying. Chinas carbon dioxide emission under the urbanization process： influence factors and abatement policies[J]. Economic research journal， 2010（8）：66-78.]

[18]DIETZ T， ROSA E A. Rethinking the environmental impacts of population， affluence， and technology[J]. Human ecology review， 1994（1）：277-300.

[19]EHRLICH P R， HOLDREN J P. Impact of population growth[J]. Science， 1971， 171（3977）：1212.

[20]林伯強， 蔣竺均. 中國二氧化碳的環境庫茲涅茨曲線預測及影響因素分析[J]. 管理世界， 2009（4）：27-36.[LIN Boqiang， JIANG Zhujun. Environmental Kuznets Curve prediction of Chinas carbon dioxide and analysis of its influencing factors[J]. Management world， 2009（4）：27-36.]

[21]ANG B W.The LMDI approach to decomposition analysis： a practical guide[J]. Energy policy， 2005， 33（7）：867-871.

[22]FAN Y， LIU L C， WU G， et al. Changes in carbon intensity in China： empirical findings from 1980-2003[J]. Ecological economics， 2007， 62（3）：683-691.

[23]ZHANG Y. Supplyside structural effect on carbon emissions in China[J]. Energy economics， 2010， 32（1）：186-193.

[24]FENG K， SIU Y L， GUAN D， et al. Analyzing drivers of regional carbon dioxide emissions for China[J]. Journal of industrial ecology， 2012， 16（4）：600-611.

[25]ALMULALI U U. Factors affecting CO2 emission in the middle east： a panel data analysis[J]. Energy， 2012， 44（1）：564-569.

[26]陳彬， 楊維思. 產業園區碳排放核算方法研究[J]. 中國人口·資源與環境， 2017， 27（3）：1-10.[CHEN Bin， YANG Weisi. Carbon emission accounting methods for industrial parks[J]. China population， resources and environment， 2017， 27（3）：1-10.]

[27]JENKS G F. The data model concept in statistical mapping[C]// International Yearbook of Cartography.1967： 186-190.

[28]WANG J， LI X， CHRISTAKOS G， et al. Geographical detectorsbased health risk assessment and its application in the neural tube defects study of the Heshun Region， China[J]. International journal of geographical information science， 2010， 24（1）：107-127.

[29]王勁峰， 徐成東. 地理探測器：原理與展望[J]. 地理學報， 2017， 72（1）：116-134.[WANG Jinfeng， XU Chengdong. Geodetector： principle and prospective[J]. Acta geographica sinica， 2017， 72（1）：116-134.]

[30]GUAN D， LIU Z， GENG Y， et al. The gigatonne gap in Chinas carbon dioxide inventories[J]. Nature climate change， 2012， 2（9）：672-675.

[31]ZHAO Y， NIELSEN C P， MCELROY M B. Chinas CO2 emissions estimated from the bottom up： recent trends， spatial distributions， and quantification of uncertainties[J]. Atmospheric environment， 2012， 59：214-223.endprint

[32]涂正革， 諶仁俊. 工業化、城鎮化的動態邊際碳排放量研究——基于LMDI“兩層完全分解法”的分析框架[J]. 中國工業經濟， 2013（9）：31-43.[TU Zhengge， CHEN Renjun. Industrializations urbannizations dynamic marginal carbon emission： the framework based on LMDI ‘twolevel perfect decomposition method[J]. China industrial economics， 2013（9）：31-43.]

[33]陳詩一， 嚴法善， 吳若沉. 資本深化、生產率提高與中國二氧化碳排放變化[J]. 財貿經濟， 2010（12）：111-119.[CHEN Shiyi， YAN Fashan， WU Ruochen. Capital deepening， productivity promotion and CO2 emission in China[J]. Finance & trade economics， 2010（12）：111-119.]

[34]TORRIE R D， STONE C， LAYZELL D B. Understanding energy systems change in Canada： 1. decomposition of total energy intensity[J]. Energy economics， 2016， 56：101-106.

[35]馬翠萍， 史丹. 貿易開放與碳排放轉移：來自中國對外貿易的證據[J]. 數量經濟技術經濟研究， 2016（7）：25-39.[MA Cuiping， SHI Dan. Trade openess and carbon emission transfer： evidence from Chinas foreign trade[J]. The journal of quantitative & technical economics， 2016（7）：25-39.]

[36]張騰飛， 楊俊， 盛鵬飛. 城鎮化對中國碳排放的影響及作用渠道[J]. 中國人口·資源與環境， 2016， 26（2）：47-57.[ZHANG Tengfei， YANG Jun， SHENG Pengfei. The impacts and channels of urbanization on carbon dioxide emissions in China[J]. China population， resources and environment， 2016， 26（2）：47-57.]

[37]趙文軍， 于津平. 貿易開放、FDI與中國工業經濟增長方式——基于30個工業行業數據的實證研究[J]. 經濟研究， 2012（8）：18-31.[ZHAO Wenjun， YU Jinping. Trade openness，FDI and Chinas industrial economic growth pattern： empirical analysis based on data of 30 industrial sectors[J]. Economic research journal， 2012（8）：18-31.]

[38]藍慶新， 陳超凡. 新型城鎮化推動產業結構升級了嗎？——基于中國省級面板數據的空間計量研究[J]. 財經研究， 2013（12）：57-71.[LAN Qingxin， CHEN Chaofan. Does newtype urbanization promote the upgrading of industrial structure？： spatial econometric research based on Chinas provincial panel data [J]. Journal of finance and economics， 2013（12）：57-71.]

[39]SUN R，KUANG D.CGE modelbased analysis of the neutralized hybrid carbon

policy and its decomposed effects on economic growth，carbon reduction， and energy

utilization costs[J].Chinese journal of population，resources and environment，

2015，13（1）：43-54.

[40]TIAN Y，ZHANG J B，CHEN Q Q.Distributional dynamic and trend evolution of

Chinas agricultural carbon emissions： an analysis on panel data of 31 provinces

from 2002 to 2011[J].Chinese journal of population，resources and

environment，2015，13（3）：206-214.

AbstractIn order to reduce the uncertainty of energy consumptionside carbon emissions accounting， from the perspective of energy supplyside， this paper uses the carbon emission factors measured by the precise combustion experiment of Chinese energy samples to reaccount Chinese energy carbon emission. The Natural Breaks Classification Method is used to present the spatial heterogeneity pattern of carbon emission. Geo Detector is the first time to be used for identifying the dominant driving factors of this pattern， and for analyzing the multiple spatial overlay interaction of key interaction factors. The results show that： ①The total energy carbon emission in China remained stable from 1997 to 2001， which increased rapidly during 2001-2014， coal emission dominated energy emission， crude oil emission was relatively stable， and the increase magnitude of natural gas emission was the largest. ②In the pattern of carbon emission， the carbon emission levels of Shandong， Hebei， Shanxi， Henan， Liaoning， Jiangsu and Guangdong remained stable in the forefront rank of the country， the carbon emission levels of Beijing， Tianjin and Shanghai were low， and the relative levels of carbon emission of Shanxi， Xinjinag Inner Mongolia rose sharply during the sample period. ③Industrialization was the dominant driving factor of carbon emission spatial heterogeneity pattern， followed by economic development. The influence of urbanization was stably in the middle level but ranked first in 2014， and the influences of trade openness and energy intensity were stable and relatively weak. ④ All interaction factors that contained industrialization were the key interaction factors， and the multiple spatial overlay interaction intertwined with industrialization existed in the carbon emission spatial heterogeneity pattern. Each region should both take national strategy and their own carbon driving characteristics into account， then implementing differentiated lowcarbon policies.

Key wordsenergy supply side； carbon emission； spatial heterogeneity pattern； geographical detectoendprint