長江經濟帶不同等級城市碳排放時空格局演變及脫鉤效應研究

王藝熹 柳知雨 付賽

摘 要：“雙碳”目標下，如何在保持經濟穩定增長的同時降低碳排放是我國面臨的嚴峻挑戰。本文運用空間自相關分析探究長江經濟帶2015—2019年碳排放的時空格局演變。基于擴展的Tapio模型探討長江經濟帶總體和各等級城市碳排放與經濟增長的脫鉤關系。研究表明：長江經濟帶碳排放呈顯著的正自相關，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；長江經濟帶脫鉤彈性大多處于弱脫鉤與強脫鉤狀態，個別年份出現擴張性連接和擴張性負脫鉤，長江經濟帶整體脫鉤狀態較樂觀，但并未實現由弱脫鉤邁向強脫鉤。

關鍵詞：不同等級城市碳排放；空間自相關；脫鉤效應；Tapio模型；長江經濟帶

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

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

長江經濟帶作為 “三大戰略”之一，是引領經濟高質量發展的排頭兵，也是建設綠色生態文明的示范帶。因此，本文以長江經濟帶為研究范圍，探究其碳排放時空格局演變以及脫鉤效應，有利于探索碳減排與經濟增長雙贏的新模式。

在全球氣候變暖的時代背景下，碳排放的相關研究倍受學術界關注。從特征及趨勢上，國內外學者大多以時序[1-2]與空間[3-4]兩大視角對碳排放的演變格局進行探究。從驅動因素及相關關系上，現有研究主要運用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動因素，在眾多因素中尤以碳排放與經濟增長之間的脫鉤關系頗受重視。目前針對脫鉤效應的分析方法主要為Tapio理論[10]，隨著相關研究的逐步發展，越來越多的學者拓寬了脫鉤分析的視野，從時序演變、空間差異等角度進行研究[11-13]。綜上，目前國內外學者針對碳排放構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，且在研究范圍的數量上，現有研究多僅著眼于單個區域，針對多個區域尤其是多個層次、等級區域間的研究仍存在較大空白。除此之外，目前大多數關于脫鉤效應的研究僅基于傳統的Tapio理論，忽略了不同地區間人口、經濟發展等差異帶來的影響。

基于上述背景，文章以長江經濟帶共計110個城市為研究對象，為了更好地厘清長江經濟帶各等級城市碳排放時空格局演變，根據《關于調整城市規模劃分標準的通知》，將長江經濟帶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。運用空間自相關分析和擴展的Tapio模型分別探究碳排放時空演變格局和脫鉤效應。以上分析能夠彌補現有研究在區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化經濟產業結構，從而助力實現碳減排與經濟增長“雙贏”。

1 研究方法和數據來源

1.1 研究方法

1.1.1 空間自相關分析

本文利用全局空間自相關分析描述碳排放研究區域的整體空間關聯特性及差異程度，選用Morans I指標進行衡量，I的取值范圍為[-1-1]，大于0為正相關，小于0為負相關，等于0為空間無關，公式如下：

式中：n為研究地域的城市數量，w?j為城市i和j城市共同構成的空間權重矩陣，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，利用LISA進行聚類檢驗，描述碳排放局部單元與鄰近單元的空間關聯性和差異程度，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，為“高-高”或“低-低”類型，相鄰的城市碳排放存在高（低）類聚，當Ii<0時，表明相鄰的城市碳排放呈負的空間自相關，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 擴展的Tapio脫鉤模型

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

式中，%?TCO2表示當期碳排放總量的增長幅度，%?PCO2表示當期人均碳排放量的增長幅度，%?GCO2表示當期碳強度的增長幅度，%?GDP表示當期地區生產總值的增長幅度。具體脫鉤狀態劃分及含義見表1。

1.2 數據來源

本文以2015—2019年為研究時段，所有數據均來自現有的官方統計數據。城市地區生產總值和人口均來自各市統計年鑒及長江經濟帶大數據平臺，城市碳排放量數據來自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核算得出，碳排放強度通過碳排放總量和地區生產總值核算得出。部分缺失的數據利用插補法進行填補。

2 長江經濟帶碳排放的時空格局演變

根據式（1），利用GeoDa軟件，測算出長江經濟帶總體Morans I的正態統計量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，長江經濟帶總體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關系。隨著時間的推移，Morans I的值呈現上升趨勢，由2015年的0.5898增至2019年的0.7182，表明長江經濟帶碳排放空間關聯程度趨于增強，碳排放相似的城市在空間上更加趨于集中分布。

基于長江經濟帶2015—2019年的碳排放情況做進一步局部空間相關性分析。分析可知，2015—2019年長江經濟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定。長江經濟帶碳排放高-高聚集區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、重慶市等城市的經濟發展較快，且人口密度大、重工業集聚、能源消耗大，所以碳排放呈現高-高聚集狀態。長江經濟帶碳排放低-低聚集區以大型城市為主，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，且以農業、旅游和輕工業為主，也是國家森林城市，因此碳排放呈現低-低聚集。研究時段內，長江經濟帶均未出現高-低、低-高聚集區，表明長江經濟帶碳排放的空間分布具有強空間自相關性，即極顯著性空間聚集模式。

3 長江經濟帶的脫鉤效應

3.1 碳排放總量脫鉤效應分析

根據圖1可知，長江經濟帶總體和不同等級城市在研究時段內碳排放總量脫鉤彈性處于強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呈現擴張性連接。由此可見，長江經濟帶整體GDP與碳排放量的脫鉤態勢大體較為樂觀。雖然長江經濟帶總體和不同等級城市的地區生產總值增長率在研究時段內均大于碳排放增長率，卻并未拉開較大差距。因此，需要進一步強化減排效率，促進長江經濟帶碳排放總量脫鉤彈性從“弱脫鉤”向 “強脫鉤”穩定推進。

3.2 人均碳排放量脫鉤效應分析

“人均碳排放”指標消除了地區間人口差異的影響，更能全面反映碳排放與經濟增長的脫鉤關系。根據圖2可知，長江經濟帶總體在研究時段內人均碳排放量脫鉤彈性呈增-減-增態勢。超大型城市和特大型城市的人均碳排放量2015—2016年均呈強脫鉤狀態，2016—2019年則呈弱脫鉤狀態。這是因為2014年國務院發布《2014—2015年節能減排低碳發展行動方案》，各省也出臺了相應的實施方案，使人均碳排放出現了短時間的下降。大型城市中2016—2017年呈現擴張性負脫鉤狀態，人均碳排放增長達到經濟增長的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濟增長方式；2017—2019年人均碳排放與經濟增長回歸合理的階段，處于弱脫鉤狀態。人均增速放緩，各地級市的經濟依舊處于高增長階段，經濟增長方式由粗放型轉變為相對集約型。

3.3 碳強度脫鉤效應分析

“碳強度”指標消除了地區間經濟發展不平衡的影響，可以更全面地反映碳排放與經濟增長之間的脫鉤關系。如圖3所示，2015—2019年長江經濟帶總體和不同等級城市碳強度均呈現負增長態勢，且GDP均保持穩定速度的增長，故碳排放脫鉤狀態均呈現強脫鉤。因此，長江經濟帶2015—2019年碳強度與經濟增長的脫鉤關系一直處于穩定理想狀態。

4 結語

綜合以上分析，本文得出以下結論：（1）長江經濟帶總體2015—2019年Morans I的正態統計量Z值在1%水平下顯著，且碳排放空間集聚性持續增強；（2）長江經濟帶碳排放的空間分布具有強空間自相關性，高-高聚集區以超大型城市和特大型城市為主，低-低聚集區則以大型城市為主；（3）歸納各類脫鉤指標，得出長江經濟帶2015—2019年碳排放與經濟增長大多處于弱脫鉤與強脫鉤狀態，個別年份出現擴張性連接和擴張性負脫鉤。長江經濟帶整體脫鉤狀態大體較為樂觀，但并未實現由“弱脫鉤”向“強脫鉤”的推進。

根據上述研究結論，文章提出如下政策建議：根據碳排放情形相似的地級市制定同類減排政策。對于高-高聚集區的地級市，應開展區域減排協同共治，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-低聚集區的地級市應繼續保持中心區域的減排措施現狀，使其周圍城市獲得示范效應。同時，積極推進綠色可持續經濟發展模式，優化經濟結構并加快產業結構轉型。

參考文獻

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

邱子健，靳紅梅，高南，等.江蘇省農業碳排放時序特征與趨勢預測[J].農業環境科學學報，2022，41（3）：658-669.

王兆峰，李竹，吳衛.長江經濟帶不同等級城市碳排放的時空演變及其影響因素[J].環境科學研究，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].生態學報，2020，40（24）：8988-8998.

孫葉飛，周敏.中國能源消費碳排放與經濟增長脫鉤關系及驅動因素研究[J].經濟與管理評論，2017，33（6）：21-30.

王杰，李治國，谷繼建.金磚國家碳排放與經濟增長脫鉤彈性及驅動因素：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濟增長研究[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，馮學鋼，王亞玲.中國旅游業碳排放脫鉤效應測度與時空格局演變[J].統計與決策，2021，37（22）：46-51.

程慧，徐瓊，郭堯琦.中國旅游業碳排放脫鉤的空間異質性及其驅動因素[J].華東經濟管理，2020，34（3）：86-93.

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

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