青海省西寧市產業結構優化對碳收支平衡的影響

關鍵詞：產業結構合理化；產業結構高級化；碳收支平衡；時空分異；時空地理加權回歸模型；市中圖分類號：F205；X321 文獻標志碼：Adoi：10.3969/j.issn.1000-1379.2025.08.012引用格式：，，.省市產業結構優化對碳收支平衡的影響[J].人民黃河，2025，47（8）：67-75.

Impact of Industrial Structure Optimization on Carbon Balance in Xining City， Qinghai Province

CHENG Lanhua1，SHI Linna2，WU Xinyan3

（1.ScholofGeogapcalSciene，QighaiNoalUniversityining86，China；2.SholofGeograpicalSiencesandPlang， Ningxia University，Yinchan501，hina；3.FacultyofEngineringandGeogaphy，ingxiaUnivesity，Yinchan75China）

Abstract：Xiinloadindoldscalitofeloierstdeaaporante energyrevolutioinQingiProve.Takinghisitsteachct，teactofidustraluctureotiatiooabdetbal ancewassudefdidauinlsitiaiddv spatial-temporal geographic weighted regression model. The results of this study show that from 2000 to 2021，Xining City as a whole is a distinct carbonsourceaea.Thboneveuedexpediureblaeratiochountysowl-vauaegatiocharacteiticitiey enhancement，utthetrendslowsdow.earbondficitpheoenspreadsfrotenurbaareatoteperiperyespatialetio betwenthtioatoddingofdstlucuedbdgetblaeisduallregngllfosi tivimpactonthcbonbudgetalanceHowevertepromotioofteabonbudgetalancetoughteupgdingofidustrluceil needstobefurtherstrengthened.UrbanizationandEconomicdevelopenthaveangatieimpactontecarbonbudgetbalance，uttengative impactisweakedinedXinngisduallasfongfroetesieooicothtoedlaboooicohc vingremarkablesultsintewin-instateofuanzatioandosstequaltmprovent.Theosieipactofgoveentetioon thecarbonceisakedatfstdstredftgovetetadtfif impactonthecarbougetbalane.Intefuture，Xiningsouldvigorouslypromoteteprogessofceadtchologisandte cordinateddeveopofalzdeofdracurepralitfatielotdt appropriate govermment intervention for promoting tooptimize industrialstructureandrealize thegoal of“doublecarbon\".

Keyword：ratioalzatioofustralsuctue；dadofdustralcture；rbnbdgtblae；stioaldio; geographically and temporally weighted regression ； Xining City

0 引言

碳收支分析實質是碳源/匯的對比分析。碳收支平衡作為一種新型環保理念，對于推動區域或城市綠色低碳發展和協同減排具有重要價值。為實現“雙碳”目標，不僅要控制碳排放總量，而且要促進經濟的綠色、低碳、高質量發展，同時需要充分重視碳減排過程中區域間的公平性與協同性[1]。工業和城市碳排放是我國現階段碳排放的主體[2]。據有關研究測算，產業結構優化對碳排放強度目標實現的貢獻度超過60%^[3] 。黃河流域是我國重要的經濟發展帶和能源基地[4]，其高寒地區生態環境脆弱，而省市作為該地區具有典型代表性的城市，特殊的自然環境和社會經濟條件使得其產業結構轉變和碳收支平衡能力與其他地區差異較大。明晰該市縣域尺度產業結構優化對碳收支平衡的影響與時空差異，不僅有利于推動高寒地區城市產業結構優化，而且有助于充分挖掘市各縣域碳減排潛力，為各縣制定有針對性的降碳增匯策略提供參考，同時對于實現區域間碳公平、制定區域間科學有效的協同減排方案和完善碳補償機制，進而推動黃河流域實現全流域生態保護和高質量發展具有現實意義。

當前，國內外學者圍繞碳收支進行了大量研究，主要集中于碳收支核算[5-6]、時空變化[1]及影響因素[7]研究，對經濟增長[8]、城鎮化[9]及土地利用[0]與碳收支的關系也有相應探討。關于產業結構與碳排放之間關系的研究，一部分學者側重于從產業結構與碳排放相互關聯的視角研究二者間耦合關系，研究區多涉及全國及典型經濟發展區[3，I1]；另一部分學者則側重于廣泛開展關于產業結構與碳排放間的單向影響關系研究。其中，關于碳排放對產業結構的影響，學者們多從政府監管的視角分析產業結構調整受碳排放環境規制的影響效應[12]。研究發現：環境規制可以倒逼產業結構調整，一方面通過節能減排推動產業技術革新，實現產業優化[13]；另一方面利用碳稅、碳交易等經濟手段，促進產業低碳轉型[14]。現階段，學者研究焦點在于產業結構對碳排放的影響效應分析，研究內容大致可分為3類：一是采用投入產出模型，從能源的視角研究產業結構對能源效率、結構、強度的影響[15-16]；二是從結構、規模、技術角度，通過構建對數平均迪氏指數法（Log-MeanDixIndex，LMDI）模型進行環境效益分解[17]；三是基于回歸模型進行相關研究。Zhang 等[18]利用自回歸分布滯后（Auto-RegressiveDistributedLag，ARDL）模型研究了我國產業結構對碳排放強度的影響，結果發現第三產業份額的增加能有效抑制碳排放強度。王少劍等[19]運用面板分位數回歸方法，在環境庫茲涅茨曲線（Environmental Kuznets Curve，EKC）框架和環境影響評估（Stochastic Impacts by Re-gression on Population，Affluence，and Technology，STIR-PAT）模型下，研究社會經濟發展對人均碳排放的影響，指出第二產業產值規模與碳排放強度顯著正相關。

綜上所述，產業結構轉變與“碳”的關系是學者們研究的一個前沿熱點話題，其中產業結構優化對碳排放強度、碳排放效率的影響為主要研究內容，而關于從碳源/匯對比分析的角度探究產業結構優化對碳收支平衡影響的研究尚有不足，且多從全局角度分析碳排放形成機理，缺乏同一因素影響效應時空差異的研究。自前，市能源消費量巨大，但市域總面積僅占全省的 1% ，碳匯能力極其有限[20]。隨著國家蘭西城市群建設的不斷深人發展，市作為我國西部地區社會經濟發展的重要樞紐，在推動新時期能源革命中承載著重要使命。鑒于此，本文以市為研究對象，展開黃河流域高寒地區典型代表性城市產業結構優化對碳收支平衡的影響研究。借助stata15.1和ArcGIS10.8等工具，采用核密度估計、標準差橢圓法實證分析2000—2021年研究區產業結構優化水平和碳收支平衡的時空演化特征及空間關聯性和差異性特征，利用時空地理加權回歸模型分析研究期內市縣域產業結構合理化、產業結構高級化及其控制變量對碳收支平衡影響的時空差異。

1 研究區概況與數據來源

1.1 研究區概況

市地處省東部，青藏高原東北部，青藏高原與黃土高原交錯地帶，湟水及其支流南川河、北川河匯合處，轄區內山巒起伏、溝壑縱橫，屬于典型的高原河谷城市[21]。該市海拔為 2 200～3 130m ，市區平均海拔 2 434m ，全年平均氣溫 6.6⁶C ，降水量 453.9mm ，太陽輻射強、日照時間長、晝夜溫差大、冰凍期長，屬于典型的大陸性高原半干旱氣候[20]。全市總面積7 606.75km² ，下轄城東區、城北區、城西區、城中區、湟中區（2020年市下轄的湟中縣正式撤縣設區更名為湟中區）、湟源縣及大通回族土族自治縣（簡稱大通縣），共5區2縣，2021年常住人口247.6萬人，城鎮化率達 79.3% ，人口密度在省各地級市中最大，達325A ，綜合能源消耗量為1179.5萬tce，土地覆被類型見圖1。

1.2 數據來源

本文的基本研究單元為省市5區2縣。社會經濟數據主要來自相應年份的《省統計年鑒》《市統計年鑒》，個別缺失數據來源于《市國民經濟和社會發展統計公報》。能源消耗數據來自全球環境研究中心提供的人為二氧化碳開源數據清單（The Open - Source Data Inventory for AnthropogenicCO₂ ，ODIAC）[22]。土地利用數據來源于武漢大學發布的全國 30m 分辨率長時序土地覆被數據集（CLCD），該數據集將全國土地覆被分為9類，分別為森林、灌注：A～G分別為城北區、城西區、城東區、城中區、湟中區、大通回族土族自治縣、湟源縣

圖12021年市土地覆被類型

Fig.1Land Cover Types of Xining City in 2021

木、草原、冰雪、水域、濕地、農田、裸地、不透水面。為方便研究，本文結合中國科學院資源環境科學中心提供的 30m 分辨率中國土地利用柵格數據LUCC分類體系，利用ArcGIS10.8工具提取市各區縣土地覆被數據并進行重分類和面積統計，森林和灌木歸類為林地，草原歸類為草地，水域、冰雪、濕地歸類為水域，農田歸類為耕地，裸地歸類為未利用土地，不透水面歸類為建設用地（城鄉、工礦、居民用地）。

2 研究方法

2.1產業結構優化水平

參照相關研究[23-24]，從產業結構布局的科學性和各類產業占比是否利于未來優化升級兩個層面綜合考量，用產業結構合理化指標和產業結構高級化指標表征市產業結構優化水平。

對于產業結構合理化，用重新定義的泰爾指數衡量[24]，公式如下：

式中： T_L 為重新定義的泰爾指數， Z 為地區生產總值， Z_i 為第 i 產業增加值， P 為就業總人數， P_i 為第 χ_i 產業就業人數。

泰爾指數多用于研究地區間收入差距，又稱泰爾熵。重新定義的泰爾指數在考慮產業相對重要性的前提下，將結構偏離度的經濟內涵及理論基礎保留，可以較好地刻畫產業結構合理性。 T_L 越接近0，說明產業結構越接近均衡狀態，越合理;反之，說明實際產業結構偏離合理狀態，且 T_L 值越大，產業結構越不合理。

對于產業結構高級化，用產業結構高級化指數

衡量[24]，公式為

式中： U_G 為產業結構高級化指數，刻畫了第一、第二、第三產業的升級關系，值越大，表示產業結構的發展層次越高； I_i 為第 i 產業增加值與地區生產總值的比。

2.2 碳收支核算

2.2.1 碳排放

省市地理位置和自然條件特殊，具有較為脆弱的高寒干旱生態系統。其碳排放主要來自城鄉、工礦、居民用地。參考相關研究[9，25]，通過整理ODIAC2022版 1km×1km 分辨率的GeoTIFF數據獲得碳排放數據，替代城鄉、工礦、居民用地碳排放數據。

2.2.2 碳吸收

青藏高原陸地生態系統具有穩定性較高、年際波動小的碳匯總體特征[26]。其碳匯主要來自林地、草地、水域、耕地和未利用土地，且這些土地利用類型長時間內碳吸收能力變化較小。參照相關研究[9]，本文采用碳吸收系數法測算各土地利用類型碳吸收量，公式為

式中： C_sj 為城市 j 的碳吸收量， B_g 為第 g 種土地利用類型面積， δ_g 為第 g 種土地利用類型（林地、草地、水域、耕地和未利用土地）的碳吸收系數。

市地處青藏高原高寒區，考慮地區自然環境差異，參照已有研究成果[27-29]，林地、草地的碳吸收系數分別取 3.810、0.948tC/（hm²?a） 。有研究指出[30]我國湖泊濕地固碳速率差異很大，介于 3.48～123.39 gC/（m²?a） ，而青藏高原區湖泊濕地處于中間位置，因此本文水域的碳吸收系數取 0.567tC/（hm²?a） 。耕地既具碳匯功能，又具碳源功能，相關研究成果指出省耕地凈碳匯量為正值，但碳匯作用較弱[31-32]本文取 0.007tC/（hm²?a） 。關于未利用土地的碳吸收系數，已有研究成果基本一致，本文取 0.005tC/ 0 。

2.2.3 碳收支平衡比

碳收支平衡比反映某一地區碳吸收與碳排放之間的匹配程度，可表征碳收支盈余、平衡或赤字狀況。公式為

C_BRj=C_sj/C_ej

式中： C_BRj 為城市 j 的碳收支平衡比， C_ej 為城市 j 的碳排放量。

2.2.4 核密度估計

核密度估計（Kernel Density Estimation，KDE）是研究指標值非均衡分布的較具代表性的非參數估計方法[33]。本文借助stata15.1軟件，選用較為常用的高斯核函數繪制市縣域碳收支平衡比核密度曲線，根據曲線位置、波峰形狀、延展性等探究其動態演化趨勢。核密度估計值計算公式為

式中 ：f（x） 為點 x 的概率密度， M 為樣本總量， h 為帶寬， K 為核函數， x_j 為隨機變量， x 為均值。

2.2.5 標準差橢圓模型

標準差橢圓模型是一種以空間數據的標準差構建橢圓，可視化描述研究對象或變量的多維空間分布特征的統計學方法，其參數包括橢圓中心位置、面積、長軸方位角及長軸與短軸之比，可反映研究要素的發展重心遷移、空間展布范圍、方向及各組數據的空間關聯性、差異性與演變特征，具體公式見文獻[34]。本文基于ArcGIS10.8平臺進行標準差橢圓空間統計計算，使用Albers投影坐標系，橢圓覆蓋研究要素量占 68% 。

2.2.6 時空地理加權回歸模型

時空地理加權回歸（GTWR）模型將地理加權回歸（GWR）模型與時間加權回歸模型有機結合，在GWR模型只考慮空間維度基礎上將時間的非平穩性考量在內，引入時間維度。該模型中自變量的回歸參數隨著時空位置變化而改變，在反映因變量與自變量的時空關系上具有突出優勢[35]，能較好地揭示研究區產業結構優化對碳收支平衡影響效應的時空差異。公式如下：

式中： u_j?v_j?t_j 分別為第 j 個觀測位置緯度、經度、所處時序， 為回歸常數， 為第 k 個自變量在第 j 個觀測位置的回歸系數， X_jk 為第 j 個觀測位置第 k 個自變量的值， ε_j 為模型殘差。

3 結果與分析

3.1 市產業結構優化時空演化特征

為探究市產業結構優化時空演化特征，本文利用ArcGIS10.8軟件對2000年、2005年、2010年、2015年、2021年市區縣產業結構合理化和高級化水平進行空間可視化表達（見圖2），并測算2000—2021年變化幅度（見表1）。

由2000—2021年市區縣產業結構合理化和高級化水平變化幅度可知：主城區內城東區、城西區和城北區均有明顯提升，城中區則相反；外圍區縣中湟源縣均有所下降，湟中區和大通縣產業結構合理化水平下降而高級化水平有所上升。2000年以來市多數區縣第一、第二、第三產業生產總值占比合理，產業結構發展層次較高，但生產要素配置合理性有所下降，產業協調發展水平有待提升。

表1市區縣產業結構優化變化幅度

Tab.1RangeabilityofIndustrialStructureOptimization at the County Level in Xining

由圖2可知，2000—2021年市區縣產業結構合理化和高級化水平均呈現明顯的空間分異特征，位于主城區的城東區、城中區、城西區和城北區產業結構合理化和高級化水平較高，而位于外圍的湟中區、湟源縣和大通縣產業結構合理化和高級化水平相對較低。該結果主要受區縣產業發展歷史基礎和空間效應綜合影響，市主城區內產業發展歷史基礎良好，各類生產要素集聚，且因空間距離較近而便于城區間要素充分流動，推動了產業結構優化升級。

3.2 市碳收支平衡時空演化特征

3.2.1 碳收支平衡時序演化特征

利用stata15.1工具，繪制碳收支平衡比散點圖和核密度曲線探究市區縣碳收支平衡時序動態演化特征，見圖3。由圖3（a）可知，2000—2021年市區縣碳收支平衡比均值下降，區縣間差異不斷減小，呈現收斂態勢。由圖3（b）可知，2000—2010年核密度曲線隨著時間的推移呈現較為明顯的左移和峰值上升態勢，2010—2021年左移和峰值上升態勢趨緩。市區縣碳收支平衡比呈現較為明顯的具有時間增效性的低值集聚特性，即碳收支平衡比具有低值集聚特性，隨著時間的推移低值集聚增多，但趨勢有所放緩。

3.2.2 區縣碳收支空間演化特征

為研究市區縣碳排放總量和碳吸收總量的空間差異，本文對市各區縣2000年、2005年、2010年、2015年、2021年共5期累計碳吸收和碳排放量進行了計算（見表2）。大通縣累計碳排放量最大，城中區和湟源縣較小，這主要是區縣人口數量差異、經濟活動強弱、城鎮化水平、工業化水平、科技投入及產業結構狀況綜合作用的結果。大通縣、湟中區、湟源縣累計碳吸收量明顯高于其他區縣，其中大通縣累計碳吸收量最大，主要原因在于區域自然條件、生態環境基礎

表2代表年份區縣累計碳排放與碳吸收量

Tab.2 Cumulative Carbon Emissions and Carbon Sequestration at the County Level in Xiningin

圖5代表年份市區縣碳收支平衡分區 Fig.5Carbon Balance Ratio of Counties in Xining inRepresentativeYears

深刻影響碳匯功能的發揮，外圍縣區土地面積大、草地及森林占比較高，從而碳吸收能力強。由代表年份市全域碳排放與碳吸收量（見圖4）可知，2000年以來市碳排放量始終高于碳吸收量，二者均呈上升趨勢，前者上升更為明顯但趨勢逐漸放緩。可見，2000年以來市始終為明顯碳源區，且能源需求量持續增長，但增速有所放緩，受人口、經濟、科技、自然條件及生態環境等因素的綜合影響，各區縣間累計碳源/匯量差異明顯。

為深入探究市區縣碳收支平衡的空間演化特征，參考相關研究[9]，將2000—2021年市區縣按碳收支平衡比劃分為5類區域：碳嚴重赤字（0，0.06]、碳嚴重赤字（0.06，0.30]、碳輕微赤字（0.30，0.80]、碳基本平衡（0.80，1.30]、碳盈余 （1.30，+∞] 。代表年份市區縣碳收支平衡分區見圖5。

由圖5可知，研究期內市碳赤字由主城區向外圍擴散，除城北區和城西區一直為碳嚴重赤字外，其他區縣碳赤字均表現出加重趨勢，其中湟中區由碳盈余轉變為碳輕微赤字、大通縣由碳輕微赤字轉變為碳較嚴重赤字、城中區和城東區由碳較嚴重赤字轉變為碳嚴重赤字。

改革開放后，市大量的能源消費是快速的城鎮化引起的[20]。2000 年，市工業化和城鎮化發展水平較低，碳排放量較少，湟源縣、湟中區和大通縣草地和森林資源豐富，碳匯能力較強，僅2個城區為碳嚴重赤字；2000—2010年，該市工業化和城鎮化進入較快速發展階段，碳排放量增多，4個主城區均演變為碳嚴重赤字，在輻射帶動作用下，碳赤字由主城區向外圍呈擴張態勢；2010—2021年該市工業化和城鎮化進程進一步加快，主城區輻射帶動作用進一步增強，外圍區縣承接主城區及外省轉移的高耗能產業增多，唯一的碳盈余區湟源縣演變為碳基本平衡區。

3.3 市產業結構優化和碳收支平衡比空間關聯性及差異性特征

采用標準差橢圓法從市產業結構合理化、產業結構高級化與碳收支平衡比的空間分布范圍、形狀、方向及重心方面探究其空間關聯性與差異性，見圖6。

圖6市產業結構優化與碳收支平衡比空間分布標準差橢圓比較

Fig.6Industrial Structure Optimizationand Carbon Balance RatioSpatialDistributionStandardDeviation Ellipses of Xining

2000—2021年，市產業結構合理化標準差橢圓的重心坐標位于中部地區，重心遷移波動較大，最終由東南向西北遷移，表明市外圍區縣產業結構合理化水平提升速度較慢；產業結構高級化標準差橢圓以東南一西北方向為主要變化軸，產業結構高級化提升的區縣在長軸方向上增長不明顯，長軸與短軸之比變化小，形狀基本不變，表明市產業結構高級化水平整體提升速度較慢，重心坐標位于市偏東部區域，重心遷移波動較大，最終從西向東遷移，表明市東部主城區產業結構高級化水平增速相對較快；碳收支平衡比標準差橢圓以西南一東北為主要變化軸，長軸方向上高碳收支平衡比的區縣增長明顯，長軸與短軸之比逐漸增大，空間分布面積擴大，形狀扁平化，重心坐標位于市西部區域，從南向北波動遷移，表明市外圍區縣碳收支平衡優勢明顯，但區域差異在縮小。

通過比較發現，市產業結構合理化、產業結構高級化與碳收支平衡比空間分布標準差橢圓重疊區域不斷增大，表明該市產業結構優化與碳收支平衡比關聯性逐漸增強。但產業結構合理化、產業結構高級化與碳收支平衡比主要變化軸和重心坐標移動方向差異較大，表明市在通過產業結構升級促進碳收支平衡方面仍需進一步強化。整體上，區縣間土地資源類型及面積、城鎮化及工業化水平、產業發展政策是造成產業結構合理化、產業結構高級化與碳收支平衡比空間關聯性區域差異的主要原因。

3.4 市產業結構優化對碳收支平衡的影響

據前文分析，市各區縣2000—2021年碳收支平衡狀態變化明顯，這不僅與各區縣間工業化和城鎮化發展水平和速度引起的碳排放量差異、土地面積大小引起的碳匯功能強弱有關，而且與各區縣間產業結構優化密切相關。2000—2021年是市各縣域產業結構快速調整時期，因此進一步探討2000—2021年市區縣產業結構優化對碳收支平衡影響的時空差異具更重要且現實的意義。

3.4.1 時空地理加權回歸結果

時空地理加權回歸模型中，碳收支平衡比為因變量；解釋變量分別為產業結構合理化 （F₁） 、產業結構高級化（ F₂ ）及控制變量經濟發展水平（ F₃ ，人均GDP）、城鎮化水平（ F₄ ，城鎮人口占年末總人口的比例）、政府干預程度（ F₅ ，公共財政支出占地區生產總值的比例）。為避免變量間相互干擾，利用stata15.1軟件對變量進行共線性檢驗，結果表明：所有變量之間不具有顯著的共線性關系（方差膨脹因子 VIFlt;10 ）。GTWR參數統計顯示：殘差平方和為0.014，擬合優度R² 為0.990，調整后的 R² 為0.988，這表明超過 98% 的縣域碳收支平衡比可以由所選解釋變量解釋，模型的擬合優度較高。

3.4.2 區縣產業結構優化對碳收支平衡的影響

為更直觀分析縣域產業結構優化對碳收支平衡影響的時空差異，利用ArcGIS10.8工具空間可視化表達2000年、2005年、2010年、2015年和2021年的回歸系數，見圖7。

圖7市區縣產業結構優化及控制變量對碳收支平衡比的回歸系數

Fig.7Regression Coefficients of Industrial Structure Optimizationand Control Variablesatthe County Level in Xining

2000—2021年市產業結構合理化、高級化對碳收支平衡的影響均表現出較明顯的時空分異特征。區縣產業結構合理化的正向影響逐漸減弱，主城區內各區之間差異相對較小且變化不明顯；外圍區縣間差異較大且變化明顯，湟中區和大通縣正向影響減弱最為明顯。原因可能在于外圍區縣受制于閉塞的地理環境，資源流通渠道不暢、配置效率較低，導致第一、第二、第三產業部門生產要素配置合理性下降，產業協調發展水平降低，正向影響減弱較為明顯。區縣產業結構高級化的正向影響先增強后減弱，主城區內各區之間差異相對較小且變化不明顯，始終表現為正向影響；外圍區縣間差異較大且變化明顯，2021年均演變為負向影響。原因可能在于外圍縣域經濟發展基礎薄弱和地理環境閉塞，科技水平提升較慢，高能耗、低生產率的中低級產業升級轉型進程緩慢，正向影響減弱。可見，市區縣產業結構合理化和高級化的提升均可延緩碳赤字加重趨勢，對碳收支平衡實現具有正向效應，但各區縣尤其是外圍區縣的湟中區和大通縣亟須進一步提升科技發展水平，疏通資源要素流通渠道，提高各產業部門生產要素配置的合理性。

控制變量中，市經濟發展水平、城鎮化水平和政府干預程度對碳收支平衡的影響也呈現明顯的時空分異特征。經濟發展水平呈負向影響，除湟源縣外，其他區縣負向影響均逐漸減弱。主要原因是2000年以來市因經濟增長而加大了對石油、電力等能源的消耗，造成碳排放量增加，但近年來除湟源縣外該趨勢得到緩解，表明市正逐漸從粗放式經濟增長轉向綠色低碳經濟增長。城鎮化水平也呈負向影響，主城區城鎮化水平對碳收支平衡負向影響先增強后減弱，外圍區縣中湟源縣和大通縣負向影響逐漸減弱，湟中區負向影響先增強后減弱。主要原因是2000年以來市城鎮化的快速推進導致碳排放量增大，但近年來隨著黃河流域生態保護和高質量發展戰略的有序推進，市致力在生態文明理念下有序推進城鎮化，各區縣在實現生態系統質量提升與推進城鎮化高質量發展的“雙贏”中成效明顯。除湟源縣和湟中區外，其余區縣政府干預的正向影響先減弱后增強，2021年除湟源縣外均表現正向影響，主要原因是大量重復性資金的耗費和工程建設既不利于節能減排，又會造成部分受擠壓的企業涌向其他地區，導致技術和人才流失，市早期區縣政府財政資金多投入于城市建設和產業擴張，近年來在產業轉型升級方面支出開始增多，從而導致政府干預的正向影響先減弱后增強。

4結論與建議

4.1 結論

從碳收支平衡的角度分析了2000—2021年市區縣產業結構優化對碳收支平衡的影響，結論如下：

1）2000年以來，市整體始終為明顯碳源區，碳收支平衡比具有時間增效性的低值集聚特性但趨勢有所放緩。空間上，鑒于工業化、城鎮化發展水平和速度及碳匯能力強弱的差異，該市碳赤字現象由主城區向外圍擴散，除城北區和城西區一直保持為碳嚴重赤字外，其他區縣均表現出碳赤字加重趨勢

2）研究期內，市多數區縣第一、第二、第三產業生產總值占比合理，產業結構發展層次較高，但產業協調發展水平有待提升。受歷史發展基礎、現有發展條件、空間效應、科技進步及產業政策影響，產業結構合理化、高級化水平整體表現為主城區內較高、外圍區縣較低；與碳收支平衡比空間關聯性逐漸增強，對碳收支平衡具有正向效應，均表現出較明顯的時空分異特征，但前者正向影響逐漸減弱，后者先增強后減弱，各區縣尤其是外圍區縣通過產業結構升級促進碳收支平衡仍需進一步強化

3）控制變量中，區縣經濟發展水平對碳收支平衡呈負向影響，但除湟源縣外，負向影響均逐漸減弱，市正逐漸從粗放式經濟增長轉向綠色低碳經濟增長；快速推進的城鎮化對碳收支平衡也呈負向影響，但近年來市在實現城鎮化與生態系統質量提升的“雙贏”中成效明顯；方式的轉變導致政府干預對碳收支平衡影響方向的差異，近年來市政府財政支出由多用于城市建設或產業擴張逐漸向產業轉型升級傾斜，對碳收支平衡的正向影響先減弱后增強

4.2建議

為促進市區縣產業結構升級和實現“雙碳”目標，提出以下建議：

1）大力推動科學技術進步。科學技術作為第一生產力，其不斷發展對產業結構優化和碳排放強度降低具有關鍵性作用。借助國家對省扶持優惠政策，市應充分發揮省會城市發展優勢，激發各區縣自身科技創新潛力，通過人才外引內培方式積極發展先進低碳科技，提高能源利用效率，強化光伏、風電、水電等清潔能源發展，促進能源替代，進而減少對傳統能源的使用。在科技創新水平提升的同時，各區縣應充分利用好自身資源優勢進一步促進產業結構優化升級，強化節能減排的內生性因素，促進低碳經濟和綠色經濟協同發展。

2）強化產業結構合理化和高級化協同發展。在產業結構合理化和高級化提升方面，針對各區縣發展實際制定差異化政策，將兩者有機結合，實現相互促進、協同發展。市主城區應繼續強化第三產業在產業結構中的優勢地位，建立健全綠色化產業體系，不斷推進技術創新，努力保持穩中向好的產業發展態勢。外圍縣域尤其是湟源縣應在加大第三產業投入的同時，強化對資金、技術、人才等資源更為合理的配置，此外可適當引進省外及市主城區高新科研技術和人才，參考和借鑒其典型發展經驗，推動產業結構合理化和高級化協同并進。

3）提高城鎮化發展質量。城鎮化是一個復雜的綜合系統，在推進城鎮化的過程中要充分考慮人口、土地、經濟等多維子系統之間的交互作用，人口轉移過程中，應深化城鎮居民低碳消費理念，促進新能源的使用，減少人口城鎮化引起的碳排放問題；城市擴張過程中應重視空間利用的高效化和集約化，避免因無序擴張而帶來的碳排放量增多及碳匯量減少問題；還應加快促進產業結構調整，并妥善處理好其與人口、土地之間的關系，全面提高城鎮化發展質量。

4）適度適合的政府干預。政府干預是產業結構調整和實現降碳增匯的重要手段，政府應制定合理的經濟優惠政策和支持低碳產業發展的相關措施，積極帶動國民經濟向以科學技術領域和第三產業為基礎的綠色低碳方向發展。

需要指出的是，產業結構優化不僅要考慮產業結構合理化和高級化兩方面，還要考慮產業結構高效化、生態化等。下一步可深人挖掘產業結構優化的深層次內涵，并開展市區縣產業結構優化對碳排放效率的影響研究。

參考文獻：

［1］夏四友，楊宇.基于主體功能區的京津冀城市群碳收支時空分異與碳補償分區[J].地理學報，2022，77（3）：679-696.

[2］張琳杰，崔海洋.長江中游城市群產業結構優化對碳排放的影響[J].改革，2018（11）：130-138.

[3] 周迪，王雪芹.中國碳排放效率與產業結構升級的耦合度及耦合路徑[J].自然資源學報，2019，34（11）：2305-2316.

［4］任保平，杜宇翔.黃河流域高質量發展背景下產業生態化轉型的路徑與政策[J].人民黃河，2022，44（3）：5-10.

[5] WUH，FANG SM，ZHANG C，etal.Exploring the Impact ofUrban Form on Urban Land Use Efficiency Under Low-Carbon Emission Constraints：A Case Study in China’sYellowRiverBasin[J].Journal of EnvironmentalManagement，2022，311：114866.

[6]FANG JY，HUANG Y，ZHU JL，et al.Carbon Budget ofForest Ecosystems and Its Driving Forces[J].China Basic Sci-ence，2015，20（3） ：20-25.

[7］陸海岳，齊嬌嬌，葉延磊，等.中國不同行政尺度下的碳收支時空變化特征[J].環境科學，2024，45（10）：5601-5612.

[8] 陳田田，陳果，王強.貴州省碳吸收/碳排放時空變化特征及其與經濟的脫鉤效應[J].生態學報，2024，44（3）：915-929.

[9] 李碩碩，李汝資，劉耀彬，等.環鄱陽湖區縣域城鎮化對碳收支平衡的影響[J].地理研究，2023，42（8）：2245-2263.

[10］王詩逸，李艷，楊佳鈺，等.杭州都市圈碳收支的土地利用變化驅動和優化[J].環境科學，2024，45（8）：4670-4682.

［11］葉蕓，於冉，萬年順，等.長江經濟帶產業—碳排放—土地協同發展研究[J].水土保持通報，2022，42（5）：312-320.

[12]CHEN X，QIAN W W.Effect of Marine Environmental Reg-ulationon the Industrial Structure Adjustment ofManufac-turingIndustry：An Empirical Analysis of China’s ElevenCoastal Provinces[J].Marine Polic，202O，113：103797.

[13］生延超，徐珊，李倩，等.環境規制賦能黃河流域產業結構升級：供給優化抑或需求牽引[J].地理科學進展，2023，42（6）：1039-1054.

［14］張靜，申俊，徐夢.碳排放交易是否促進了產業結構轉型升級？：來自中國碳排放交易試點政策的經驗證據[J].經濟問題，2023（8）：84-91.

[15] ZHAO R，MIN N，GENG Y，et al.Allocation of CarbonEmissionsAmongIndustries/Sectors：AnEmissionsIntensity Reduction Constrained Approach[J].Journal ofCleaner Production，2017，142：3083-3094.

［16］張熒楠.海洋漁業產業結構優化對碳排放效率的影響：基于我國沿海地區的空間計量分析［J].海洋開發與管理，2021，38（4） ：3-15.

[17]ANG BW，SU B.Carbon Emission Intensity in Electricity Production：A Global Analysis[J].Energy Policy，2016，94：56-63.

[18]ZHANG Y J，LIU Z，ZHANG H，et al.The Impact of Eco-nomic Growth，Industrial Structure and Urbanization on Car-bon Emission Intensity in China[J].Natural Hazards，2014，73（2） ：579-595.

[19］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，2021，76（12）：3103-3118.

[20] 姜璐，丁博文鵬，周學偉，等.高原城鎮社區家庭能耗直接碳排放研究[J].地理科學，2023，43（1）：119-129.

[21］高云，謝苗苗，付梅臣，等.高原河谷城市植被時空變化及其影響因素：以省市為例[J].生態學報，2014，34（5） ：1094-1104.

[22］金聲甜，李小花.國家重點生態功能區設立對縣域碳排放強度的影響：以長江經濟帶為例[J].經濟地理，2023，43（9） ：139-147.

［23］陳超超，馬丁丑，陳強強.湟水流域段產業結構升級與生態效率提升的耦合路徑識別[J].干旱區地理，2023，46（12） ：2042-2051.

[24］徐敏，姜勇.中國產業結構升級能縮小城鄉消費差距嗎？[J].數量經濟技術經濟研究，2015，32（3）：3-21.

[25] GUANYR，SHANYL，HUANGQ，etal.Assessment to Chi-na's Recent Emission Pattern Shifts[J].Earth’s Future，2021，9（11）：e2021EF002241.

[26] 王錯，樸世龍，何悅，等.中國陸地生態系統碳匯穩定性的空間分布特征及驅動機制[J].中國科學：地球科學，2023，53（2） ：216-226.

[27] 呂國瑋，周建春，蔡玉梅，等.廣東省土地利用及其變化和林業碳核算研究[J].地理學報，2023，78（3）：640-657.

[28] 張繼平，劉春蘭，郝海廣，等.基于MODISGPP/NPP數據的三江源地區草地生態系統碳儲量及碳匯量時空變化研究[J].生態環境學報，2015，24（1）：8-13.

[29] 何勇，姜允迪，丹利，等.中國氣候、陸地生態系統碳循環研究［M].北京：氣象出版社，2006：108-109.

[30] 段曉男，王效科，逯非，等.中國濕地生態系統固碳現狀和潛力[J].生態學報，2008，28（2）：463-469.

[31] XIA L L，CAO L，YANG Y，et al.Integrated Biochar SolutionsCanAchieve Carbon-Neutral Staple Crop Production[J].NatureFood，2023，4（3）：236-246.

[32] 李強，高威，魏建飛，等.中國耕地利用凈碳匯時空演進及綜合分區[J].農業工程學報，2022，38（11）：239-249.

[33] 馮朝睿，張楠.云南省農產品流通業綠色發展效率測度及影響因素研究[J].經濟問題探索，2024（4）：124-135.

[34] 白冰，趙作權.基于多橢圓模型的中國制造業空間集中度計量[J].地理科學，2024，44（1）：50-58.

[35] 王子安，盧明華.北京對外投資與吸引投資的時空特征及影響因素的比較研究［J].地理科學進展，2023，42（3）：438-451.

【責任編輯 張華巖】