中國火電碳排放的時空演變特征分析

摘 要：當前，二氧化碳的排放問題受到廣泛關注，其中，電力系統碳排放已達到41%，火電行業碳排放在電力系統碳排放中占有很大比重，如何有效地降低其碳排放，對于我國實現碳達峰碳中和意義重大。本文對2005—2020年中國30個省級行政單位的火電行業碳排放量進行研究，揭示了其時間趨勢和空間分布特征。結果表明：（1）2005—2020年，我國火電行業碳排放量呈現出波動上升的趨勢，環比增長率相對穩定。（2）我國火電行業的碳排放在地理分布上顯示出非均勻性，并且具有顯著的集中趨勢。這種分布模式反映出省際碳排放的關聯性。（3）產業結構、人口規模和電源結構是決定火電碳排放的關鍵要素。本文的研究內容旨在描述在研究期內的火電碳排放量的時間和空間變化，為推動中國火電行業的低碳轉型，早日實現碳達峰碳中和提供參考依據。

關鍵詞：火電行業；碳排放量；標準差橢圓；基尼系數；GWR模型

為了應對氣候變化，實現“碳達峰”和“碳中和”的重大戰略目標[1-2]，我國政府在尋求減少溫室氣體排放的有效途徑方面做了多方面努力。火電行業作為中國能源結構中的重要組成部分，其碳排放量占據了全國總排放量的顯著比例，因此，對火電行業的碳排放進行深入研究，對于實現中國的碳達峰碳中和目標具有至關重要的意義。對于火電行業的碳排放，專家學者已經從多方面、多層次、多角度進行研究。從研究方法來看，金艷鳴等學者運用聯合國政府間氣候變化專門委員會（IPCC）的測算法，對2006—2008年間中國各省級火電行業的碳排放量的演變趨勢進行系統概算[3]。Wang等人基于2004—2019年中國各省級電力行業的面板數據，采用數據統計和空間自相關檢驗得到電力行業的區域差異[4]。Zhou等人對區域層面的碳排放問題進行了細致的研究，并對提升火電機組效率提出了實用的建議[5]。從研究層面來看，部分學者對火電行業碳排放的達峰進行了預測，余欣玥對電力行業碳排放進行了多情景預測，搭建了PSO-BP預測模型，研究結果為各區域2030年電力行業碳達峰目標的實現問題提供了相關依據[6]。Wang等人建立了中國火電廠企業層面的數據庫，量化了電廠在多方面對碳減排貢獻的區域差異，分析了中國火電廠對碳達峰目標貢獻的地區差異[7]。包雪珂利用Vensim仿真工具，針對2018—2035年中國火電產業的碳排放量，在多種可能的情景下進行了模擬預測，識別出對中國火電產業未來發展最為有利的情景[8]。趙亞濤等人運用LMDI方法構建了碳排放分析模型，并結合系統動力學進行碳排放峰值的預測分析，預計中國的碳排放量將在2029年達到峰值[9]。另外，在火電碳排放量分布空間格局[10-13]，從影響火電行業碳排放量的因素上[14-17]也有多位學者進行研究。盡管已有研究從多方面、多層次、多角度對火電行業的碳排放進行了探討，但仍存在一些不足和缺陷。例如，現有研究多集中于碳排放量的測算和預測，而對于碳排放空間分布特性的深入分析相對較少。此外，對于碳排放公平性的研究也不夠充分，缺乏對碳排放空間集聚效應和局部空間自相關的綜合研究。

因此，針對現有研究的不足，本文運用碳排放系數法對碳排放的量核算，對火電行業進行全局與局部空間自相關的綜合研究，運用Arcgis 10.7中的標準差橢圓法進行火電行業碳排放量空間上的分析，利用莫蘭指數對全局相關性展開研究，運用冷熱點法研究局部空間自相關，運用基尼系數對我國火電行業碳排放量的公平性展開討論，運用GWR模型深入探討多樣因素對火電行業碳排放空間分布特性的影響。通過上述研究方法，更準確地揭示碳排放的空間特征以及演變規律。因此，本研究不僅能夠為火電行業的低碳減排提供科學依據，還能夠為實現中國碳達峰碳中和目標提供有力的支持。

一、數據與方法

（一）數據來源

本文研究的時間范圍是2005—2020年，研究中涉及的數據資料來源于《中國能源統計年鑒》以及《中國統計年鑒》，研究的區域范圍是中國30個省份、自治區、直轄市（除香港，澳門，臺灣，西藏）。本文選擇的三個影響因素分別是產業結構、人口規模、電源結構，產業結構是第二產業產值占地區產值的比重，人口規模是地區常住人口數量，電源結構是火力發電量與總發電量的比值。

（二）研究方法

本文采用了多種空間分析方法來全面探究火電行業碳排放量的空間分布和空間演變特性。標準差橢圓法提供了碳排放量空間分布的方向性和離散程度的直觀視圖，而莫蘭指數則量化了這種分布的全局相關性，揭示了排放量的聚集或分散趨勢。冷熱點分析進一步細化了局部空間自相關性的研究，識別了高排放和低排放的區域。基尼系數則評估了碳排放量在不同地區之間的公平性，為我們提供了環境正義的視角。最后， GWR模型深入探討了多樣因素對碳排放空間分布特性的影響，揭示了空間異質性關系。

1. 碳排放核算方法

“自下而上”和“自上而下”兩種方法是火電行業碳排放量測算的常用方法，本文基于IPCC“自上而下”的路徑方法，并依據國內火力發電行業的統計數據，構建相應的碳排放量計算模型[18]：

[EC=i=1Ei*Fi] （1）

式中，i為能源種類；EC為碳排放量；E為能源消費量；F為碳排放系數，詳見表1。

其中，采用了《中國能源統計年鑒》提供的各類能源排放系數，適用于常用化石能源（如原煤、焦炭等）和其他產品（如蒸汽、循環水等），以確保計算準確性以及適用性。

2. 標準差橢圓法

標準差橢圓法首先確定數據集的中心位置和離散程度，之后將標準差繪制為橢圓來表示數據點的分布情況，從而直觀地反映數據的空間分布特征，廣泛用于空間統計分析領域[19-21]。橢圓的主軸指向揭示了數據變化最為顯著的方向，橢圓的長短軸長度分別對應于數據變化的幅度和方向。

[tanθ=i=1nwix2i-i=1nwiy2i+i=1nwix2i-i=1nwiy2i2+4i=1nw2ix2iy2i2i=1nw2ixy] （2）

[xw=i=1nwixii=1nwi;yw=i=1nwiyii=1nwi] （3）

[σx=i=1nwixicosθ-wiyisinθ2i=1nw2i] （4）

[σy=i=1nwixisinθ-wiyicosθ2i=1nw2i] （5）

式中，（xi，yi）為研究對象空間坐標；w為權重；（[xw，yw]）為加權平均中心；θ為橢圓的方位角；[xi]與[yi]為各研究對象空間坐標相對于加權平均位置的偏移量；[σx，σy]分別為沿x軸和y軸的標準差。為我們提供了碳排放量空間分布的初步視圖，為后續的莫蘭指數和冷熱點分析提供了基礎的空間分布特征。

3. 基尼系數

基尼系數是經濟學家基尼提出的測量收入差距的指標，通過構造洛倫茨曲線得到[22]。基尼系數在0到1之間，基尼系數為1，代表著分配不公；基尼系數為0，代表著分配公正；基尼系數為0.4，是公平性的臨界點。基尼系數具體數值可以按照下式求得：

[SGini=1-n30（Xn-Xn-1）?（Yn+Yn-1）] （6）

將各省份碳排放量與面積的比值按從小到大的順序排列，并分別將其定義為地區n，n=1，2，...，30。式中，Xn為n地區面積占全國總面積比重的累計值；Xn-1為n-1地區面積占全國總面積比重的累計值。Yn為n地區碳排放量占全國總碳排放量比重的累計值；Yn-1為n-1地區碳排放量占全國總碳排放量比重的累計值。i=1時，Xn-1和Yn-1均為0。SGini為計算出的基尼系數。

4. 冷熱點研究

研究基于局域聚類分布特征的冷熱點分析，揭示我國火電產業碳排放的“熱點”與“冷點”的空間分布特征。冷熱點檢驗值[G*i]計算公式如下[23-26]：

[G*i=j=1nwij?xjj=1nxj] （7）

[ZG*i=G*i-EG*iVarG*i] （8）

式中，[EG*i]為[G*i]的期望值，[VarG*i]為[G*i]的方差，若[ZG*i]大于0，說明該地區的碳排放量處于較高水平，呈現熱點區狀態。若[ZG*i]小于0，說明該地區的碳排放量處于較低水平，呈現冷點區狀態。

5. 地理加權回歸模型

地理加權回歸模型（GWR）作為傳統線性回歸的擴展，通過將地理坐標整合到回歸系數中，允許對空間數據進行局部化分析，揭示觀測值與其影響因素之間的空間聯系，其模型如下[27-29]：

[yi=β0（ui，vi）+j=1nβj（ui，vi）xij+εi] （9）

式中，[yi]為因變量；[βj（ui，vi）]為影響因素j在回歸點i的回歸系數；[（ui，vi）]為第j個觀察點的空間位置；xij為第i個觀察點的第j個影響因素；[εi]為獨立同分布的隨機誤差項。

通過GWR模型所得到的各影響因素回歸系數在一定程度上能夠反映對火電行業碳排放量的影響程度，較傳統的普通最小二乘法（OLS），GWR模型通過在每個位置對數據集進行局部加權回歸分析，能夠量化反映空間數據關系中的異質性或非平穩性特征，其回歸系數的差異反映了其對火電行業碳排放量影響的空間差異性。為反映火電排放的空間演變性質，本研究采用GWR模型。

二、中國火電行業碳排放變化的時空分析

（一）中國火電行業碳排放量時間變化趨勢

本文運用碳排放系數法對2005—2020年期間的中國火電行業碳排放量進行計算，計算結果表明，中國火電行業碳排放量總體上是呈現增長狀態，整體上可以分為三個階段：在首個階段，即2005—2010年間，可以看到，在這一時期，火力發電工業的碳排放呈現出一個不斷增長的過程，碳排放量由148017.34萬噸增長至211415.5萬噸，增長了42.83%。這一上升趨勢主要歸因于國內經濟的快速增長以及隨之加速的城市化和工業化，導致電力需求激增。進入第二階段，即在2011—2016年期間，碳排放量保持相對穩定并略有上升，但在2014、2015年均觀察到下降現象，可能與當時《中華人民共和國環境保護法》的修訂實施以及“十三五”規劃中環境保護工作的加強有關，表明政策干預對減排起到了積極作用。最后，在2016—2020年的第三階段，碳排放量再次呈現上升趨勢，2020年達到285510.5萬噸，相比于2005年的碳排放水平增長了近一倍。根據圖1不難看出，研究期間內，碳排放的增長率總體波動不大，在2010年出現一個峰值，可以看出2011年與2010年相比，增長量大，2011年是我國“十二五”開局之年，這一年，也是我國經濟轉型和戰略轉變的重要一年。所以環比增長率較高[30]。

（二）中國火電行業碳排放量空間變化分析

為了深入探究中國火力發電行業在不同年份的碳排放空間分布特征，文章選取了2005年、2010年、2015年、2020年作為關鍵的時間節點，采用標準差橢圓法進行更加深入研究，對碳排放量的重心遷移方向進行分析。

從橢圓的中心性可知：在所選取的四個時間節點內，四個重心分布比較范圍比較小，呈現出從東南向西北移動的趨勢，但始終是在河南省境內，2020年的重心能夠到達山西省和河南省交界處。這主要是因為中國的東南部、長江三角洲、珠江三角洲一直以來都是全國最發達、最具活力的區域，對能源的需求很大。隨著時間的變化，重心向西北移動，這主要是由于我國在此期間對西部大開發戰略進行重點部署，建設基礎設施，有一定的能源消耗量。

從橢圓的展布性可知：在研究的時間內，2005和2010年的長軸和短軸變化不明顯，橢圓的變化范圍較小；2015年和2020年相對于之前的研究期內橢圓范圍有明顯變化，橢圓空間分布面積顯著增大，表現為火電碳排放量分布重心收斂程度低，同時碳排放影響的主要區域呈現出擴大趨勢。

通過分析橢圓的方向性，觀測到2005年和2010年標準差橢圓呈現東北—西南走向，北起內蒙古東部地區，南至湖南省南部；2015年和2020年的標準差橢圓呈現出東北—西南走向，西起青海省東部，東至浙江省東部。涵蓋了我國東部和中部的大多數省份，總體可以看出我國火電行業碳排放呈空間分散狀態。在研究期內，2010年的橢圓旋轉角是12.65°，在2015年的旋轉角為130.48°，在這一時期橢圓角度發生明顯偏轉，說明在各個地區對于能源的使用有了新的變化。

1. 火電行業碳排放公平性

在對我國火電行業碳排放量的研究中，本文通過基尼系數對火電行業碳排放量的地區之間差距又做出了相關的分析，從圖2來看，全國火電行業碳排放量差距波動比較明顯，總體上呈現出波動下降的趨勢，但始終是在0.630到0.700之間變化，均大于0.4這個臨界點，隨著時間的變化，基尼系數逐漸減小，說明火電行業碳排放量在空間上的分布越均衡，且差距逐漸縮小，碳排放分布公平的趨勢明顯。我們可以預見，通過持續的政策支持和技術創新，火電行業的碳排放將更加公平地分布在不同地區，從而促進整個社會的可持續發展和環境正義。

2. 局部自相關分析

全局Moran’s I指數在宏觀層面上揭示了火電行業碳排放的空間集聚趨勢，但并未充分揭示不同區域間的具體聯系。冷熱點分析通過研究區域聚類分布特征，研究中國火力發電產業的“冷熱點”分布特征，揭示其在區域尺度上的分布規律。為實現這一目標，文章選定了2005年、2010年、2015年和2020年四個關鍵年份，以此展開冷熱點分析。

通過研究可以發現，2005—2020年期間，火電行業碳排放量的熱點區域始終是環渤海地區。其中，遼寧省，河北省，山東省等地區，在渤海地區是主要的工業地區。這些地區作為我國的主要工業基地，煤炭資源豐富，工業基礎雄厚，對火電行業碳排放量有正向影響；浙江省、江蘇省是我國經濟發展實力雄厚的地區，這也導致其對碳排放量的貢獻值大；內蒙古自治區和山西省是我國重要的產煤大省，同時也承載著重要的發電工作，故而，火電碳排放量較高。這些地區的特定特征集中于自身的工業結構中火電行業的高占比，或者是自身的能源消費需求高以及部分省份會承擔大量的發電任務，進而加劇了碳排放。

相對于熱點區域，火電行業碳排放的冷點區域主要集中在我國的西部地區。四川省、云南省是我國水電資源豐富的省份，是西電東送中線和南線的重要起點，青海省是黃河、長江、瀾滄江的發源地，水力資源具有得天獨厚的優勢，水電事業發展迅速，火電行業碳排放量較低，故能夠順利推動綠色低碳，節能減排的工作。因此，這些冷點區域的特定特征為水力資源豐富或者綠色低碳發展戰略的實施，促使地區進行碳減排，有效降低了火電行業碳排放量。

綜上所述，針對熱點和冷點的特定特征，高碳排放的省份可以采用以下的減排策略：首先，推動能源結構的優化升級，減少對煤炭等化石燃料的依賴；其次，加快清潔能源技術的研發和推廣，提高能源利用效率；最后，實施更為嚴格的能效標準和碳排放標準，促進工業和能源領域的綠色轉型。

三、中國火電行業碳排放影響因素分析

（一）GWR模型結果

在運行GWR模型之前，需要對所選取的變量進行多重共線性檢驗，以確保在模型構建過程中避免多重共線性問題。本文所選取的影響因素分別是產業結構、人口規模、電源結構三個方面，運用SPSS軟件進行檢驗，結果如表2所示：

經過檢驗，本文選取的三個變量的VIF值均小于10，且容差大于0.1，這說明所選取的因素通過了多重共線性的檢驗，可以進行GWR模型的分析。

（二）GWR模型運行結果分析

通過GWR模型可以得到的各影響因素的回歸系數在一定程度上能夠反映對火電行業碳排放量的影響程度，回歸系數的差異反映了其對火電行業碳排放影響的空間差異性。通過ArcGIS軟件創建模型中各影響因素的回歸系數空間分布圖，能夠直觀地反映選取的3個解釋變量在不同地區對火電行業碳排放量影響程度的空間差異變化。

1. 產業結構對火電行業碳排放量的空間差異變化分析

通過研究期內所選取的4個年份的產業結構回歸系數可知，在這四個年份中的回歸系數都是有正值有負值，不同省份在每年都有正效應和負效應的雙重影響，產業結構對火電行業碳排放量的影響在不同省份表現出顯著的空間異質性。一方面，內蒙古自治區、河南省、山東省、江蘇省，始終處于正效應的影響，而產業結構與能源消耗類型以及能耗量息息相關，這些省份可能擁有較多的重工業和傳統制造業，這些行業通常伴隨著較高的能源消耗和碳排放，在2005—2020年發展期間，這些省份的經濟發展重度依靠重工業。以2010年為例，這些省份的全年生產總值超過了10%，內蒙古的規模以上工業增加值提升了近20%。另一方面，廣東省近年來逐漸調結構、去產能，隨著產業科技水平的提升，其對減少碳排放量的正面影響正逐步增強。隨著產業結構的優化和科技水平的提高，廣東省在減少碳排放方面的努力正在顯現成效。

2. 人口規模對火電行業碳排放量的空間差異變化分析

在研究期間，人口規模的回歸系數始終為正，表明人口增長與火電行業碳排放量的上升之間存在正相關關系，人口的增長會導致火電行業碳排放量的增加。在2010年和2015年，人口規模回歸系數呈現條帶狀，回歸系數自西向東增加，這和我國的胡煥庸人口分界線相符合，能體現出人口密集區域能源需求的增長趨勢。隨著人口的增多，家庭、工業和商業等不同領域的電力消耗隨之上升，進而推高了火電行業的碳排放水平。此外，人口增長還伴隨著城市化步伐的加快，隨之增加的建筑、交通和工業活動進一步加劇了碳排放量的增長。因此，城市化、社會經濟等諸多因素，促使人口增長導致了碳排放增長效應，造成與火電行業碳排放之間存在顯著的正相關關系。

3. 電源結構對火電行業碳排放量的空間差異變化分析

電源結構在研究期內有正有負，隨著時間的增長，電源結構的回歸系數逐漸增大，電源結構回歸系數呈現正值的省份逐漸增多，且隨著電源結構的增加，火電碳排放量逐漸增大，這與Wang等人[4]研究電力行業情況一致。在2005年和2010年，電源結構的回歸系數呈現出西南地區低于東北地區的情況，這主要因為，我國東北地區是我國重工業基礎較雄厚的地區，工業用電和生活用電大多來源于火力發電，因此，電源結構中火電比例較高，導致碳排放量相應增加。2015年電源結構的回歸系數呈現出從南向北遞增的情況，這是由于我國南方地區水力發電工程投入使用數量增加，水力發電作為一種清潔能源，其在電源結構中的比重增加，有效降低了對火電的依賴，從而減少了火電行業碳排放量的貢獻。

四、結論

從時間維度來看，在研究期內，中國火電行業碳排放量呈現出三階段波動上升的趨勢，這與我國的經濟發展速度、國家政策的制定密切相關。碳排放量的環比增長率在研究期間內相對比較平穩，始終在0至0.2之間。未來在“雙碳”政策的引導下，發展能源結構，推動新能源建設勢在必行，為了長遠的可持續發展，必須著力推動從依賴化石燃料向可再生能源過渡的能源體系變革。這不僅能夠顯著降低碳排放，還能緩解能源供需矛盾，促進環境質量的提升。

從空間維度來看，中國火電行業碳排放存在著明顯的全局空間集聚效應，這反映出不同省份間碳排放的分布顯示出空間上的相互聯系和依賴性，特別是在某些地區，碳排放量呈現出集中現象。鑒于我國第二產業的電力消費占據了相當大的比重，為了使電力消費更加合理，需要通過調整產業結構來優化工業布局，進而轉變經濟增長模式。這意味著要減少資源消耗型工業的數量，并逐步過渡到一種更為節約、清潔、高效的經濟模式。同時，我們必須堅持環境保護與經濟發展并重的原則，避免以犧牲環境為代價來追求經濟效益。

從公平性來看，中國火電行業碳排放量差距波動比較明顯，總體上呈現出波動下降的趨勢，但始終是在0.630到0.700之間變化，基尼系數0.4為分配公平的警戒線，我國碳排放量的基尼系數均大于0.4這個臨界點，隨著時間的變化，基尼系數逐漸減小，說明火電行業碳排放量在空間上的分布越均衡，且差距逐漸縮小，碳排放分布公平的趨勢明顯。未來如果要使碳排放量更加公平，必須加強各個省份之間的合作來避免分配不公的現象。

通過GWR模型的回歸分析可知，產業結構、人口規模、電源結構這三個影響因素都會對火電行業碳排放量產生影響，必須要轉變現在的結構，提升產業的技術水平，關注碳排放的生命周期問題，加強對清潔能源和清潔生產的投入，加大對清潔能源發電行業的關注和運用，各省份應結合地區有利條件提升對水力發電、風力發電等發電模式的布局，進一步優化電源結構[31]。

本研究深入分析了中國火電行業在時間和空間兩個層面上碳排放量的變化情況，并探討了影響這些變化的關鍵因素。研究結果表明，推動從依賴化石燃料向可再生能源過渡的能源體系變革是實現長期可持續發展的關鍵。在產業結構調整方面，為了優化工業布局和轉變經濟增長模式，需要減少資源消耗型工業的數量，推動產業結構向更節約、清潔、高效的方向轉變。鑒于碳排放的空間集聚效應，加強省份間的合作，共同制定和實施區域性減排策略，對于實現碳達峰碳中和目標至關重要。

本文的研究，不僅為理解中國火電行業碳排放量的變化提供了新的視角，也為實現碳達峰碳中和目標提供了實踐指導和政策建議。但本研究尚未深入分析造成這些變化的具體因素；且本文在數據收集的過程中主要是以來源于相關統計年鑒等書面資料做“自上而下”的研究，如果能有多方面數據收集的渠道，未來可以考慮深一層研究“自下至上”和“自上而下”的結合研究，以更深入地分析和理解火電行業時空演變特征，進一步為實現碳達峰碳中和目標做出貢獻。

參考文獻：

［1］ ROGELJ J，GEDEN O，COWIE A，et al. Three Ways to Improve Net-zero Emissions Targets［J］.Nature，2021，591（7850）：365-368.

［2］ SHINDELL D，SMITH C J. Climate and Air-quality Benefits of a Realistic Phase-out of Fossil Fuels［J］.Nature，2019，573（7774）：408-411.

［3］ 金艷鳴.我國各省電力工業碳排放現狀與趨勢分析［J］.能源技術經濟，2011，23（10）：56-60.

［4］ WANG X，FAN F Y，LIU G H，et al. Regional Differences and Driving Factors Analysis of Carbon Emissions from Power Sector in China［J］.Ecological Indicators，2022，142，109297.

［5］ ZHOU G H，WILLIAM C，ZHANG Y X. Carbon Dioxide Emissions and Energy Efficiency Analysis of China's Regional Thermal Electricity Generation［J］.Journal of Cleaner Production，2014，83：173-184.

［6］ 余欣玥.電力行業碳排放影響因素分解及多情景預測研究［D］.北京：華北電力大學，2023.

［7］ WANG Y H，WEN Z G，LV X J，et al. The Regional Discrepancies in the Contribution of China’s Thermal Power Plants toward the Carbon Peaking Target，2023，337，120922.

［8］ 包雪珂.基于SD的中國火電碳排放預測與控制研究［D］.衡陽：南華大學，2022.

［9］ 趙亞濤，南新元，王偉德.基于LMDI-SD方法的火電行業碳排放峰值預測［J］.計算機仿真，2019，36（10）：116-120，428.

［10］ 馬大衛，蘇陽，王正風，等.安徽省地級市發電碳排放因子特征與聚類研究［J］.電力科技與環保，2023，39（06）：524-532.

［11］ 張欽魯.“雙碳”目標下碳減排系統仿真預測及控制策略研究［D］.銀川：北方民族大學，2023.

［12］ 黃河曲.中國火電行業碳排放強度的時空差異及影響因素分析［D］.哈爾濱：哈爾濱師范大學，2023.

［13］ 孫學晶.雙碳目標下省域火電容量規劃模型及碳達峰路徑研究［D］.北京：華北電力大學，2023.

［14］ 徐國泉，封士偉.中國火電行業能源消費碳排放的時空演變特征［J］.生態經濟，2024，40（2）：30-38.

［15］ 彭皓月，戴豪礽，劉洪潤.電力碳排放特征及影響因素分析以重慶市為例［J］.節能與環保，2024（1）：67-75.

［16］ 王冰玉.火力發電企業低碳轉型績效評價和影響因素研究［D］.西安：西安建筑科技大學，2023.

［17］ 廖冬平.我國火電行業碳全要素生產率測度、分解以及政策效應研究［D］.南昌：江西財經大學，2023.

［18］ 蔣毅一，彭林，趙爽，等.基于空間計量的中國省域火電行業碳排放效率分析［J］.山東財經大學學報，2019，31（2）：31-42，83.

［19］ 李鳳嬌，劉家明，姜麗麗.東北地區戰略性新興產業發展水平時空演變與影響因素研究［J］.地理科學進展，2022，41（4）：541-553.

［20］ FISCHER M M，GETIS A.Handbook of Applied Spatial Analysis：Software Tools，Methods and Applications［M］.Berlin：Springer，2010.

［21］ WONG D W S. Several Fundamentals in Implementing Spatial Statistics in GIS：Using Centrographic Measures as Examples［J］.Geographic Information Sciences，1999，5（2）：163-174.

［22］ 徐嘉琦.中國物流業碳排放效率評價及時空差異分析［D］.哈爾濱：哈爾濱師范大學，2023.

［23］ CARDONE B，DI M F，MIRAGLIA V. A GIS-Based Hot and Cold Spots Detection Method by Extracting Emotions from Social Streams［J］.Future Internet，2022，15（1）：23.

［24］ 李濤，甘德欣，楊知建，等.土地利用變化影響下洞庭湖地區生態系統服務價值的時空演變［J］.應用生態學報，2016，27（12）：3787-3796.

［25］ 肖黎明，吉薈茹.綠色技術創新視域下中國生態福利績效的時空演變及影響因素——基于省域尺度的數據檢驗［J］.科技管理研究，2018，38（17）：243-251.

［26］ 化祥雨，金祥榮，呂海萍，等.高質量發展耦合協調時空格局演化及影響因素——以浙江省縣域為例［J］.地理科學，2021，41（2）：223-231.

［27］ 張余，姜博，趙映慧，等.東北三省土地利用碳排放時空格局及影響因素研究［J］.地域研究與開發，2022，41（4）：150-156.

［28］ 王櫻橋.基于GWR模型海南省碳排放空間差異性研究［J］.自然資源情報，2024（2）：27-32.

［29］ 韓聰，張立新，岳美亭.基于GWR模型的京津冀縣域碳排放強度時空演變及影響因素分析［J］.湖南工業大學學報，2023，37（5）：68-77.

［30］ 汪穎翔，黃河曲，陳遠，等.中國電力消費碳排放驅動因素分析——基于LMDI分解方法［J］.湖北經濟學院學報（人文社會科學版），2023，20（6）：38-44.

［31］ 鄭敏嘉，吳偉杰，李逸欣，等.廣東電力碳達峰路徑研究［J］.廣東電力，2023，36（1）：29-34.