黃河流域城市群碳排放與經濟增長脫鉤及減排路徑研究

關鍵詞：碳排放；Tapio脫鉤指數；LMDI模型；碳減排路徑；黃河流域城市群中圖分類號：X171.1；TV882.1 文獻標志碼：A doi：10.3969/j.issn.1000-1379.2025.08.013引用格式：秦小轉，郭淑君，張志強，等.黃河流域城市群碳排放與經濟增長脫鉤及減排路徑研究[J].人民黃河，2025，47（8）：76-82，145.

Study on Carbon Decoupling with Economic Growth and Carbon Emission Reduction Path of Urban Agglomeration in Yellow River Basin

QIN Xiaozhuan1，GUO Shujun2，ZHANG Zhiqiang3，WANG Weiwei3，WEI Yujie4，SI Wenqing4，ZHANG Xiuyu’，TAO Jie ⁶ （204號 （1.School of Materialsand Chemical Engineering，Zhengzhou Universityof Technology，Zhengzhou 450044，China; 2.Huijin Bureauof Zhengzhou YellowRiver Bureau，Zhengzhou 45oo03，China；3.Colegeof Surveying and Geo-Informatics， North ChinaUniverstyof WaterResourcesandElectricPower，Zhengzhou45O6，China;4.Henan HydrologyandWaterResourcesCente Zhengzhou450o03，China;5.Colegeof Water Resources，North China Universityof WaterResources and Electric Power， Zhengzhou450046，China；6.ScholofWaterConservancyandTransportation，ZhengzhouUniversityZhengzhou450o，China）

Abstract：InordertorevealthedecouplingefectsofcarbonemissonsinurbanagglomerationswitinteYelowRiverBasin（YRB）and identifytheiruencgfctors，tissudyidtoprovidesietificasisforfoulatingectiearbodutiopoliddvancedthenatioaltratefologicalprotectionadigquaitydevelopentinteRB.InthissudyteTapiodecouplingdeodelandLMDIodelwerecomprehensivelyadoptedtoanalzethedecouplingstatusofarbonemissosofuranaglomeratiosinheYRB andtheirtempoalandstialcagesentifectorstingthabodoupgofubaoratiosndoe tionsforthegrenandlow-carbondevelopmentofubanaglomerations.Theresultsshowthat：a）from200lto2O2O，thecarboneisions ofallurbanagglomeratiosinteYRBareontheise，andecarbonmissosfromigtolowareShandongPeninsulaurbanagglorations，Centralsubloatios，aoglainbaloeaios，an-Xiubnloatios，ngul tions，Hu-Bao-YuurbanaglomeratiosndingiaYaangurbaalomeraios.b）hetyeofcarbondecouplinginuanagloe ationsintheYRBisinlyeak，utthecarbondecouplingidexgenerallyincreasesfromtietoie.Terefore，acodingtotheiting economicdevelopntpate，thecooicevelopentofuanglomeratiointeYRBisdifltoetridofthdepndcefos silnergynthesortte，andtheadtocarboneisionreductionisstllalongaytogo.c）Energintensity，percapitaGech logicalleveldlaiaacitfalooatseopligofbo banaglomeatiositintB.Improingefcndechologicalcapabilityptiingidustraucedge populationcaingapacityofthealcoomycaneectivelypromoteaniealdcouplngeteeonomicgrowthadcarboneios.

Keywords：carbonemsions；Tapiecouplingindex;LMDodel;；carbonemissonreductionpath；YelowRiverBasinubanagloration

0 引言

2020年9月22日，我國政府在第七十五屆聯合國大會上提出我國2030年碳達峰、2060年碳中和的“雙碳”目標，我國經濟從此進入低碳轉型的快車道[]。城市群具有經濟高度密集、人口高度集聚的特征，是踐行低碳經濟的主陣地[2]。截至2021年，我國發布了19個城市群的建設規劃綱要，涉及全國 25% 的國土面積 .75% 的人口和 80% 的國內生產總值。城市群在創造經濟效益的同時，通常會伴隨生態環境的退化和大量碳排放。黃河是中華民族的“母親河”，流域面積占國土總面積的 8.28% ，是我國重要的生態安全屏障，也是推動區域協調發展的核心地帶。黃河流域集中了全國約 30% 的能源生產和 40% 的煤炭消費，能源依賴度高，碳排放總量長期處于高位[3]。黃河流域各城市群發展差異顯著，上游生態脆弱區與下游工業區城市群的碳排放特征及驅動機制存在顯著空間異質性[4]。傳統“一刀切”的減排政策難以平衡碳減排和高質量發展之間的關系，制約黃河流域生態保護和高質量發展重大國家戰略的實施。因此，厘清黃河流域城市群碳排放脫鉤時空格局和影響因素，科學合理制定差異化的減排對策，對實現黃河流域低碳轉型具有重要意義。

碳排放脫鉤研究起源于環境經濟學中的“脫鉤理論”[5]，早期研究多利用Tapio彈性模型分析經濟增長與碳排放的關聯性。近年來，學者們逐漸關注空間異質性[6-7]和多維驅動因素[8-9]，如產業結構升級[10]、能源利用效率提高[11]及政策規制[12]等。針對黃河流域，Meng等[13]運用碳排放系數法和LMDI模型，分析了1990—2018年沿黃9省（區）土地利用碳排放的時空演變特征和影響因素，研究發現經濟規模、土地利用結構和人口規模是促進碳排放的主要因素，而土地利用效率限制了土地利用碳排放;Zhang等[14]運用耦合協調度模型和地理探測器等，探究了城市尺度碳排放強度與經濟高質量發展的耦合協調關系和驅動因素，研究發現黃河流域大多數城市碳排放強度呈下降趨勢，經濟呈U形發展趨勢，碳排放強度與經濟高質量發展的耦合協調度低，其耦合協調度主要受人均GDP、人口密度、城市化水平、產業結構和能源強度的影響。總體而言，現有研究主要聚焦省域尺度、城市尺度或單一行業，缺乏對全流域城市群系統性、動態性的脫鉤效應研究，難以為黃河流域差異化碳減排政策制定提供科學依據。

鑒于此，本研究綜合采用Tapio脫鉤指數模型和LMDI模型，分析研究黃河流域7個城市群碳排放和經濟增長的脫鉤狀態、時空變化特征及影響因素，以期為黃河流域城市群制定差異化的碳減排政策和低碳轉型發展提供參考。

1流域概況和數據來源

1.1 流域概況

黃河流域是我國重要的生態安全屏障，然而其上游局部地區生態系統退化、水源涵養功能降低，中游水王流失嚴重、汾河等支流污染問題突出，下游生態流量偏小、河口濕地萎縮。黃河流域也是我國重要的人口聚集區和經濟帶，擁有蘭西城市群、寧夏沿黃城市群等7個城市群[15-16]，涉及69個地級市（見圖1）。黃河流域九省（區）2023年底總人口4.2億，占全國的 29.7% ;

圖1黃河流域城市群及地級市行政區劃

注：1.石嘴山市：2.吳忠市；3.銀川市；4.中衛市；5.寶雞市；6.臨汾市；7.平涼市；8.慶陽市；9.商洛市：10.天水市；11.銅川市；12.渭南市；13.西安市；14.咸陽市；15.運城市；16.包頭市；17.鄂爾多斯市；18.呼和浩特市；19.榆林市；20.晉中市；21.呂梁市；2.太原市；23.忻州市；24.陽泉市；25.白銀市；26.定西市；27.海北藏族自治州；28.海東市；29.海南藏族自治州；30.黃南藏族自治州；31.蘭州市；32.臨夏回族自治州；3.西寧市；34.濱州市；35.德州市；36.東營市；37.菏澤市；38.濟南市；39.聊城市；40.臨沂市；41.青島市；42.日照市；43泰安市；44.威海市；45.濰坊市；46.煙臺市；47棗莊市；48.淄博市；49.濟寧市；50.安陽市；51.鶴壁市；52.濟源市；53.焦作市：54.晉城市；55.開封市56.洛陽市；57.漯河市；58.南陽市；59.平頂山市；60.濮陽市；61.三門峽市；62.商丘市；63.新鄉市；64.信陽市；65.許昌市；66.長治市；67.周口市；68.駐馬店市；69.市

Fig.1Urban Agglomerations and Prefecture-Level Administrative Divisions in Yellow River Basin地區生產總值31.6萬億元，占全國的 25.1% 。黃河流域又被稱為“能源流域”，煤炭、石油、天然氣和有色金屬資源豐富，煤炭儲量占全國一半以上，是我國重要的能源、化工、原材料和基礎工業基地。

1.2 數據來源

2001—2020年黃河流域各地級市碳排放數據來源于馬克數據網碳核算數據庫（https：//www.macrodatas.cn/），該數據庫由DMSP/OLS衛星影像和NPP/VIRS衛星影像反演得到，廣泛應用于碳排放相關研究[17-19]。經濟社會統計數據包括各地級市的能源消費數據、GDP、人口數量、城鎮化率、產業結構等，主要來源于《中國城市統計年鑒》《中國能源統計年鑒》《中國工業統計年鑒》和各省（區）統計年鑒。

2 研究方法

2.1 Tapio脫鉤模型

本研究采用Tapio脫鉤模型量化7個城市群以及各城市碳排放與經濟增長（以GDP表征）的脫鉤關系。Tapio脫鉤模型表達式為

式中： T_c，G 為碳排放脫鉤指數， %ΔC 和 %ΔG 分別為碳排放增長率和經濟增長率， C₀L₀L_Lt 分別為研究期初、期末的碳排放量， G₀，G_t 分別為研究期初、期末的 GDP 。

參考我國經濟發展五年規劃，本研究將整個研究期（2001—2020年）劃分為2001—2005 年、2006—2010年、2011—2015年和2016—2020年4個時段。

參考已有研究[20-22]，根據脫鉤指數、碳排放增量ΔC 和GDP增量 ΔG ，將碳排放脫鉤分為強脫鉤、弱脫鉤、衰退脫鉤、增長連接、衰退連接、增長負脫鉤、弱負脫鉤、強負脫鉤8種脫鉤狀態，見表1。

表1碳排放與經濟發展脫鉤狀態劃分標準

Tab.1 Classification Criteria for Decoupling States Between Carbon Emissions and Economic Development

表1（續）

2.2 LMDI模型

本研究利用LMDI模型識別影響碳排放與經濟增長脫鉤的關鍵因素。該模型可有效解決拉氏指數分解法的殘差項問題，確保因素分解的可逆性，已廣泛應用于能源、資源環境領域影響因素分析研究。

首先，利用Kaya恒等式，把碳排放量寫成能源碳排放系數、能源強度、人均GDP、產業結構、實體經濟人口承載強度、技術水平、人口城鎮化率和人口規模乘積的形式：

E_f×E_i×P_g×P_ci×I_s×L_ab×U×P

式中： c 為碳排放量， E 為能源消耗量， G 為地區生產總值， G_in 為第二產業產值， P_U 為城鎮人口， P 為區域常住人口， E_f 為能源碳排放系數， E_i 為能源強度， P_g 為人均GDP， P_ci 為實體經濟人口承載強度， I_s 為產業結構，L_ab 為技術水平， U 為人口城鎮化率， P 為人口規模。

然后，采用LMDI模型對式（2）進行無殘差分解，把碳排放的變化量表示為ΔC=C-C₀=ΔC_Ef+ΔC_Ei+ΔC_Pg+ΔC_Pei+ΔC_Is+ΔC_Lab+ΔC_U+ΔC_p 式中： ΔC_Ef 為由能源碳排放系數變化引起的碳排放量變化量（由于能源碳排放系數通常是不變的，因此取ΔC_Ef=0 ）， ΔC_Ei?ΔC_Pg?ΔC_Pei?ΔC_Is?ΔC_Lab?ΔC_U?ΔC_p 分別為能源強度、人均GDP、實體經濟人口承載強度、產業結構、技術水平、人口城鎮化率和人口規模變化導致的碳排放量變化量。

根據式（1），得到碳排放的脫鉤分解模型：

式中： D_Ei?D_Pg?D_Pei?D_Is?D_Lab?D_U?DP 分別為能源強度、人均GDP、實體經濟人口承載強度、產業結構、技術水平、人口城鎮化率和人口規模的脫鉤彈性指數。

若某因素脫鉤彈性指數為正，則表示該因素對碳排放脫鉤具有促進作用，反之有抑制作用。各因素的

脫鉤彈性指數計算公式為

3 結果與分析

3.1 碳排放量和GDP時序變化

黃河流域7個城市群碳排放量和GDP的時序變化見圖2。由圖2可知：2001—2020年7個城市群的碳排放量和GDP均呈增長趨勢，碳排放量的增長速率從大到小依次為山東半島城市群（18.21億 Δt/a ）） gt; 中原城市群（13.64億 ua ）gt;關中平原城市群（11.37億 ua ） gt; 蘭西城市群（5.97億 Ω_t/a ）gt;晉中城市群（3.52億 ua ） gt; 呼包鄂榆城市群（1.99億 ua ） gt; 寧夏沿黃城市群（1.22億 Δt/a ），GDP的增長速率從大到小依次為山東半島城市群（3.82萬億元/a） gt; 中原城市群（2.90萬億元/a） gt; 關中平原城市群（1.14萬億元/a） gt; 呼包鄂榆城市群（0.71萬億元/a） gt; 晉中城市群（0.45萬億元/a） gt; 蘭西城市群（0.34萬億元/a） gt; 寧夏沿黃城市群（0.20萬億元/a）。

各研究時段城市群碳排放量和GDP的變化率見表2。由表2可知：蘭西、寧夏沿黃和呼包鄂榆城市群的碳排放量變化率呈先降后升的變化趨勢，晉中、關中平原、中原和山東半島城市群的碳排放量變化率呈波動下降趨勢；相較2001—2005 年，2016—2020 年晉中城市群碳排放量變化率降幅最大，累計下降 14.09% ；7個城市群的GDP變化率均呈遞減態勢，其中山東半島城市群GDP變化率下降幅度最大，由2001—2005年的 98.84% 回落至2016—2020年的 10.48% ，累計下降88.36個百分點。

表3不同研究時段黃河流域城市群碳排放與經濟增長脫鉤指數和脫鉤狀態

3.2 碳排放與經濟增長脫鉤關系

不同研究時段黃河流域城市群碳排放與經濟增長脫鉤指數和脫鉤狀態見表3。由表3可知：2001—2005年，黃河流域7個城市群均為弱脫鉤狀態，其中蘭西城市群的脫鉤指數最大（0.26）、呼包鄂榆城市群的脫鉤指數最小（0.10）；2006—2010 年和2011—2015年，除寧夏沿黃城市群實現強脫鉤外，其余城市群仍維持弱脫鉤狀態；2016—2020年，7個城市群脫鉤狀態呈顯著空間分異特征，山東半島城市群、呼包鄂榆城市群和蘭西城市群的脫鉤狀態為增長連接，寧夏沿黃城市群的脫鉤狀態為增長負脫鉤，其他城市群則延續弱脫鉤狀態;除呼包鄂榆城市群和晉中城市群外，其他城市群脫鉤指數均呈先降后升的U形變化趨勢，2006—2010年脫鉤指數最小。由此推斷，在現行經濟發展模式下，黃河流域城市群難以實現經濟發展與能源消耗的有效脫鉤，低碳轉型仍面臨嚴峻挑戰。

各研究時段黃河流域不同脫鉤狀態的地級市數量統計見表4，不同研究時段黃河流域地級市尺度脫鉤狀態的空間分布格局見圖3。2001—2020年黃河流域7個城市群69個地級市中有68個為弱脫鉤狀態，僅1個地級市為增長負脫鉤狀態，說明弱脫鉤是黃河流域的主要脫鉤狀態。從時序演變看，強脫鉤狀態地級市空間分布格局動態調整顯著；弱脫鉤狀態地級市數量呈現劇烈減少趨勢，由2001—2005年的63個減少至2016—2020年的29個，具體而言，原弱脫鉤狀態地級市中有 15.87% 轉變為強脫鉤狀態， 12.70% 演變為增長連接狀態， 19.05% 轉變為增長負脫鉤狀態， 7.94% 退化為強負脫鉤狀態， 1.59% 退化為弱負脫鉤狀態；增長連接和增長負脫鉤地級市數量總體呈增加趨勢（除2006—2010年外），2016—2020年增長連接和增長負脫鉤地級市數量分別增加到9個和14個。由圖3（d）可知：增長連接狀態地級市主要位于中原城市群，增長負脫鉤狀態地級市則主要分布于蘭西和山東半島兩個城市群，弱負脫鉤地級市僅有山東半島城市群的威海市1個；相比2001—2005年，2016—2020年強負脫鉤地級市數量明顯增多（由1個增為6個，分別是淄博市、棗莊市、東營市、泰安市、聊城市和海北藏族自治州）。

表4各研究時段黃河流域不同脫鉤狀態的地級市數量統計

圖3黃河流域城市群地級市尺度脫鉤狀態空間分布格局

Fig.3Spatial Distribution of Decoupling Status at City Scale of Urban Agglomerations of Y

3.3 碳排放與經濟增長脫鉤的驅動因素分析

各研究時段黃河流域城市群碳排放與經濟增長脫鉤的驅動因素脫鉤彈性指數見表5。由表5可知：各城市群碳排放脫鉤的主要驅動因素不盡相同，總體而言，能源強度、人均GDP、技術水平和實體經濟人口承載強度是影響脫鉤狀態的主要因素；不同時段各城市群的人均GDP脫鉤彈性指數和技術水平脫鉤彈性指數大多為正值且絕對值較大，由此推斷提高人均GDP和技術水平對實現黃河流域城市群碳排放脫鉤具有促進作用；能源強度脫鉤彈性指數和實體經濟人口承載強度脫鉤彈性指數大多為負值且絕對值較大，表明上述兩因素對碳排放脫鉤具有抑制作用；人口規模脫鉤彈性指數和人口城鎮化率脫鉤彈性指數基本保持正值但絕對值較小，表明這兩個因素對碳排放脫鉤雖然有促進作用，但是影響較小；產業結構脫鉤彈性指數的正負有較大變動，絕對值變化較大，表明該因素對脫鉤狀態影響不穩定。

4討論

2001—2020年黃河流域7個城市群的碳排放量與GDP均呈上升趨勢。山東半島城市群經濟規模最大且增長速率最大，但其碳排放量占比亦處于最高水平。2016—2020年呼包鄂榆和寧夏沿黃城市群碳排放增速均處于較高水平，原因在于這兩個城市群是我國能源和重化工產業集聚區（呼包鄂榆城市群被列為國家高端能源化工基地），區域內煤炭、石油、天然氣等化石能源儲量豐富，且第二產業以煤炭采掘加工、鋼表5各研究時段黃河流域城市群碳排放與經濟增長脫鉤的驅動因素脫鉤彈性指數鐵冶煉、焦化生產等高能耗產業為主導。

研究期內，黃河流域城市群脫鉤狀態以弱脫鉤為主。但就碳排放脫鉤指數而言，在4個研究時段各城市群碳排放脫鉤指數普遍呈增大趨勢。在地級市尺度， 81.16% 的地級市屬于弱脫鉤。強脫鉤狀態的地級市數量基本穩定在10個左右，主要位于中原和山東半島城市群。弱脫鉤狀態地級市數量逐時段減小，主要轉變為增長連接狀態、增長負脫鉤狀態和強負脫鉤狀態。增長連接狀態、增長負脫鉤狀態和強負脫鉤狀態的地級市數量逐時段增大。由此推斷，按照現有經濟發展模式，黃河流域經濟增長難以擺脫對化石燃料的依賴，降碳增效的綠色發展任重道遠

5 結論和建議

5.1 結論

1）2001—2020年黃河流域各城市群碳排放量和GDP均呈增長趨勢。蘭西、寧夏沿黃和呼包鄂榆城市群的碳排放量變化率呈先減小后增大趨勢。

2）在城市群尺度和地級市尺度，弱脫鉤均為主要脫鉤狀態。在城市群尺度，除呼包鄂榆和晉中城市群外，其他城市群的脫鉤指數均先減小后增大。2016—2020年山東半島、呼包鄂榆和蘭西城市群的脫鉤狀態轉變為增長連接，寧夏沿黃城市群轉變為增長負脫鉤，其余城市群均為弱脫鉤。在地級市尺度，研究時段內弱脫鉤地級市數量由2001—2005年的63個減少為2016—2020 年的29個，其中 15.87% 的地級市轉變為強脫鉤， 12.70% 轉變為增長連接， 19.05% 轉變為增長負脫鉤， 7.94% 轉變為強負脫鉤， 1.59% 轉變為弱負脫鉤。總體而言，按照現有的經濟發展模式，黃河流域城市群經濟發展難以擺脫對化石能源的依賴，碳減排任重而道遠。

3）各城市群碳排放脫鉤的主要影響因素不完全相同。從整體看，能源強度、人均GDP、技術水平和實體經濟人口承載強度是影響黃河流域城市群碳排放脫鉤的主要因素，其中：人均GDP、技術水平促進碳排放脫鉤，而能源強度和實體經濟人口承載強度抑制碳排放脫鉤;產業結構脫鉤彈性指數的正負有較大變動，且絕對值變化較大，表明該因素對脫鉤狀態影響不穩定。

5.2 建議

1）山東半島和關中平原城市群是黃河流域碳排放的高值聚集區域，需要穩步降低碳排放量。應結合城市群資源環境特點，整合優勢產業，發展低碳產業。山東半島城市群位于東部沿海，應科學布局并穩步發展海上光伏、海上風電等清潔能源產業，逐步提升清潔能源在能源體系中的占比，降低碳排放量。濟南、青島、濰坊、煙臺等裝備制造業發達的地級市，應大力發展新質生產力，提升高端裝備制造業科技水平，降低高耗能、高碳排放產業在工業體系中的占比。關中平原城市群是我國重要的工業基地，降低能耗、提高能源利用效率對減少碳排放量和實現碳排放脫鉤影響顯著。因此，關中平原城市群應通過技術進步、產業升級，促進產業向綠色低碳方向發展，優化能源結構，減少城市群碳排放量。

2）蘭西城市群和呼包鄂榆城市群應加強區域間經濟合作，共享優質資源，保持穩定的脫鉤狀態，持續低碳發展。應建立高效的現代化能源化工基地，淘汰落后產能，提高能源利用效率，帶動周邊碳排放脫鉤狀態不理想的地級市走向低碳綠色發展道路

3）中原城市群人口眾多，應完善公共交通體系，倡導綠色低碳出行方式，減少生活碳排放量。在工業領域，應積極推動產業結構優化，淘汰高能耗低產值的落后產能，發展新質生產力，培育科技創新型產業。此外，應積極整合少林寺、黃河、殷墟、開封等優質文旅資源，大力發展第三產業。

4）寧夏沿黃城市群產業結構以重工業和能源化工為主，研究期內碳排放增長率較高，脫鉤狀態變化較大。應加強政策引導，建立科學的發展規劃，優化產業結構，減少傳統重工業占比。同時，借鑒其他城市群低碳發展模式，加快技術升級，穩步推進城鎮化，達到穩定理想的碳排放脫鉤狀態。

5）晉中城市群近年來在降低碳排放量方面成效顯著，應堅持政策引導和科技創新，逐步實施能源節約和降低碳排放量的措施，推廣清潔能源，通過產業升級和技術創新提高能源利用效率。

參考文獻：

[1] 陳迎.碳中和概念再辨析[J].中國人口·資源與環境，2022，32（4） ：1-12.

[2] 鄒艷芬，黃美娟.城市群碳排放：特征挖掘、形成機理及達峰干預[J].北京理工大學學報（社會科學版），2023，25（6）：56-67.

[3] 金鳳君，馬麗，許堞.黃河流域產業發展對生態環境的脅迫診斷與優化路徑識別[J].資源科學，2020，42（1）：127-136.

[4] 任貴秀，劉凱.黃河流域綠色創新的時空演化特征及影響因素分析[J].干旱區地理，2024，47（1）：158-169.

[5] 查建平，戴家權，劉珂吉，等.旅游增長與碳排放脫鉤狀態及其驅動因素研究：一個新的脫鉤分析框架[J].旅游學刊，2022，37（4）：13-24.

[6] 陳柯君，王永剛，劉海斌，等.種植業碳排放時空特征、脫鉤效應及其驅動因素[J].中國農業氣象，2024，45（3）：219-231.

[7] 公維鳳，范振月，王傳會，等.黃河流域碳排放區域差異、成因及脫鉤分析[J].人民黃河，2021，43（12）：12-17.

[8] 朱嘉晴，秦會艷，張夢春.基于時變參數C-D生產函數的江西省農業碳排放驅動因素及脫鉤效應［J].應用生態學報，2023，34（11）：3085-3094.

[9] 常青，蔡為民，谷秀蘭，等.河南省農業碳排放時空分異、 影響因素及趨勢預測[J].水土保持通報，2023，43（1）： 367-377.

[10] 吳茜，陳強強.甘肅省行業碳排放影響因素及脫鉤努力 研究[J].干旱區地理，2023，46（2）：274-283.

[11] AN R K，ZHU G H.Clustering of Economic Efficiency of Urban Energy Carbon Emissions Based on Decoupling Theory[J].Energy Reports，2022，8：9569-9575.

[12] WANG Q，SU M.Drivers of Decoupling Economic Growth from Carbon Emission：An Empirical Analysis of 192 Countries UsingDecouplingModel and Decomposition Method[J].Environmental Impact Assessment Review，2020，81：106356.

[13] MENG Q X，ZHENG YN，LIU Q，et al.Analysis of Spatiotemporal Variation and Influencing Factors of Land-Use Carbon Emissionsin Nine Provinces of the YellowRiver Basin Based ontheLMDIModel[J].Land，2023，12（2）：437.

[14] ZHANG Q F，LI JF，LI Y，et al.Coupling Analysis and Driving Factors Between Carbon Emission Intensity and High-Quality Economic Development：Evidence from the Yellow River Basin， China[J].Journal of Cleaner Production，2023，423：138831.

[15] 宋冬凌，盧文宇.黃河流域城市群碳排放時空演變多尺 度分析[J].華北水利水電大學學報（自然科學版）， 2024，45（5） ：48-59.

[16] LANF，HUI Z，BIAN J，et al.Ecological Well-Being Performance Evaluationand Spatio-Temporal Evolution Characteristics ofUrban Agglomerationsin the YellowRiverBasin [J].Land，2022，11（11） ：2044.

[17] 趙含，李占玲，王紅瑞，等.黃河中游地區水-能-糧-碳紐 帶關系模擬與韌性調控［J].華北水利水電大學學報（自 然科學版），2024，45（6）：9-19.

[18] HUOD，LIUK，LIUJW，etal.Near-Real-TimeDailyEstimates of Fossil Fuel CO₂"Emissions from Major High-EmissionCitiesinChina[J].ScientificData，2O22，9（1）：684.

[19] CUI C，LI S P，ZHAO W C，et al.Energy-Related CO₂"Emission Accounts and Datasets for 4O Emerging Economies in 2010-2019[J].Earth System Science Data Discussions ， 2022，15（3）：1317-1328.

[20] 張赫，黃雅哲，王睿，等.中國縣域碳排放脫鉤關系及其 時空特征演變[J].資源科學，2022，44（4）：744-755.

[21] SONG HY，HOU G S，XU S.CO₂"Emissions in China Under Electricity Substitution：Influencing Factors and Decoupling Effects[J].Urban Climate，2023，47：101365.

[22] CUI YF，LI L，LEI YL，et al.The Decoupling Effect of CO₂"Emissions and Economic Growth in China's Iron and Steel Industry and Its Influencing Factors[J].Resources Policy， 2024，97：105269.

【責任編輯 張華興】