刘 姜,罗怀良,2*,孟 险,袁 勇
(1.四川师范大学 地理与资源科学学院,四川 成都 610101;2.四川师范大学 西南土地资源评价与监测教育部重点实验室,四川 成都 610068)
气候变化已成为国际共识,而减少碳排放是应对气候变化的重要手段[1]。采取相应措施,实现净碳排放,已成为全球众多国家的共识[2]。我国于2020年提出碳达峰、碳中和目标,但我国区县数量多,资源禀赋不同,社会经济件等存在较大区域差异,碳减排政策实施需落实到区县一级。县域作为践行我国减碳增汇的关键单元和基层治理组织,研究并明确其碳排放的时空演变特征和影响机制,有助于制定差异化和非均衡性的实施措施,保证“双碳”目标的有序实现[3]。在“双碳”目标政策指导下,成渝地区双城经济圈实现碳达峰,碳中和是作为区域高质量发展的内在要求。深入研究成渝地区双城经济圈县域碳排放时空演变规律和影响因素,对于推动区域协调发展战略,科学针对、可操作性实施县域碳减排政策,加快实现区域乃至全国碳中和目标具有重要意义。
区域空间依赖性和异质性研究有助于深入理解区域空间结构特征和演变趋势[4],是地理学方向研究的焦点。已有研究从不同视角和尺度下研究碳排放的总量,并揭示碳排放的时空格局演变特征及影响因素。从研究尺度来看,已从全国范围内的省域[5-7]尺度发展到市域尺度[8]和县域[3,9-11]尺度,也有针对特定地区(如长三角、京津冀、珠三角等区域)的碳排放研究[12-15]。省级尺度研究表明:2003—2010年全国省域碳排放存在较为显著的空间正相关性,且相关性的总体趋势呈现出先上升后下降的空间格局[7]。中国地级及以上城市人均CO2排放量呈现出由南向北递增,东部沿海向内陆递减的格局[8],而县域碳排放量[9]和人均碳排放量[10]均呈现先快后慢的增长趋势,具有显著空间正相关。
目前,在碳排放时空格局动态特征上,多数学者采用空间自相关、变异系数、泰尔系数和标准差椭圆等方法分析碳排放的区域差异和空间格局演变规律。长三角碳排放核密度呈现出明显的“单极”现象[13],而京津冀都市圈碳排放高值区域空间分布由“双中心”发展至“四中心”[14],黄河流域呈现东高西低的碳排放格局[16]。上述区域碳排放分布格局的形成与区域经济增长密切相关,因此探讨社会经济发展与碳排放造成的环境压力之间的复杂关系也应成为碳排放重要研究内容。目前,在探讨区域环境与经济相互关系中包括环境库兹尼茨曲线[9]、环境—经济耦合协调度[16]、脱钩指数[17]等方法,其中以脱钩指数运用较为普遍。
碳排放影响因素复杂多样,目前主要研究方法有对数平均迪氏分解法(LMDI)、STIRPAT模型、地理探测器、时空地理加权回归模型(GTWR)等。四川省能源消费碳排放量因素分解中,利用LMDI对四川省能源消费碳排放量因素分解,结果表明能源强度效应与经济发展水平效应分别是减缓和促进区域碳排放增长[18]。基于STIRPAT模型定量分析江苏能源消费碳排放影响因素,人均GDP和城市化水平起着正向促进作用[19]。采用地理探测器方法进行中国碳排放驱动因素研究中,经济发展是碳排放驱动主要因子[20]。在时空地理加权回归模型中,国民生产总值在全局上稳定表现为促进作用,其余影响因素的作用方向和强度均在时空上发生了较大转变[3],揭示了区域碳排放的异质性。
综上所述,以往研究集中在国家和省级层面的碳排放研究,对区域内部特别西部区域县域尺度的研究较少,需细化到县域尺度提高碳减排政策的精准针对和可操作性。在探讨碳排放压力与经济发展的相互关系中,以脱钩模型运用较多。经济增长是碳排放增长的重要促进因子,实现经济增长和碳排放较少是县域发展转型的必然要求,因此研究区域社会经济发展与碳排放造成的环境压力的相互关系利于进一步对区域碳排放进行合理评价。本文基于县域尺度,以成渝双城经济圈县域人均碳排放为研究对象,采用空间自相关探讨县域碳排放的时空格局,利用Tapio脱钩模型分析环境与经济相互关系,分类区域县域低碳类型,运用时空地理加权回归模型分析碳排放影响因素,对于该区“双碳”目标实现,成渝地区高质量发展和绿色低碳转型具有启示意义。
研究区范围为四川省的成都、自贡、泸州、德阳、绵阳(除平武县、北川县)、遂宁、内江、乐山、南充、眉山、宜宾、广安(前锋区2013年设立,缺少连续碳排放数据,将其纳入广安区)、达州(除万源市)、雅安(除天全县、宝兴县)、资阳等15个市的共计112个区(县),重庆市中心城区及万州、涪陵、綦江、大足、黔江、长寿、江津、合川、永川、南川、璧山、铜梁、潼南、荣昌、梁平、丰都、垫江、忠县以及开州、云阳(只含开州、云阳部分地区,为便于数据分析,将2县全域计入研究范围)等29个区(县)[20]。区域总面积18.5×104km2,人口总量都占到了整个西部地区的30%。2022年,成渝地区双城经济圈实现地区生产总值77 587.99亿元,占全国的比重为6.4%,占西部地区的比重为30.2%,人口总量多,经济体量大导致其碳排放总量大,强度高,区域碳排放内部差异显著。因此在推动碳减排实施,县域转型发展,实现“双碳”目标方面具有严峻考验。
图1 研究区区划图
2.1 研究方法
2.1.1 空间自相关分析方法
为了揭示成渝地区双城经济圈县级尺度人均碳排放的空间自相关性和空间依赖性特征,本文采用全局空间自相关和局部空间自相关来分析成渝地区双城经济圈县域人均碳排放的空间依赖格局。
全局空间自相关通过计算Moran’s I指数值来判断研究区域是否有集聚现象存在,检验系数Z得分来评估指数的显著性。其计算公式[22]如下:
(1)
式中:IG为全局Moran’s I指数,其取值范围;为[-1,1];n为区域总数;yi和yj分别为区域i和区域j的人均碳排放量;y为全部区域人均碳排放量的平均值;Wij为研究区域i、j的相邻权重。若IG>0表明区域碳排放之间呈显著正相关;若IG<0表明碳排放呈负相关,即相邻区域碳排放具有显著的空间差异;当IG=0时表明研究区域不存在空间自相关。IG绝对值越大,空间分布的相关性越强。其空间分析相关性强度通过Z值进行检验。在正态分布中,如果|Z|<1.96,P>0.05,即区域间不存在空间自相 关;如果|Z|≥1.96,P<0.05,即区域间存在显著的空间自相关;如果|Z|≥2.58,P<0.01,表明即 区域间存在极为显著的空间自相关[23]。
全局Moran’s I指数仅能反映该区县域人均碳排放的空间集聚平均程度,而局部Moran’s I指数则可以进一步识别不同区县人均碳排放的空间集聚模式。局部Moran’s I指数是空间自相关的局部指标,用于空间聚类分析。计算公式为:
IL=Zi∑WijZj
(2)
式中:IL为局部Moran’s I指数;Zi和Zj分别为空间单元和标准化人均碳排放;Wij为研究区域i、j的相邻权重,与全局自相关相同。利用GeoDa软件绘制局部空间自相关的LISA集聚图。
2.1.2 Tapio脱钩模型
为探讨县域碳排放与经济发展关系,明确县域发展的异质性,采用Tapio脱钩模型[24]分析成渝地区双城经济圈县域人均碳排放与人均GDP的脱钩关系,其模型构造如下:
(3)
式中:α为脱钩弹性系数;ΔM为人均碳排放量变化量;ΔG为县域人均生产总值变化量;Mt1、Mt0分别为第t1期末和基期的人均碳排放量;Gt1、Gt0分别为第t1期末和基期的人均地区生产总值;t0、t1分别为时间段的起、止时刻。
标准Tapio脱钩模型中,根据α弹性指数的大小以及ΔM/Mt0和ΔG/Gt0的符号将脱钩状态分为8类,具体分类见基于人均碳放量和人均地区生产总值的脱钩种类表(表1)。由于在测算该区各县人均生产总值的变化量ΔG均大于0,简化脱钩程度为4种,参照张华明[25]脱钩程度与城市发展分类方法,本文采用的基于脱钩程度的县域发展类型见表2。
表1 基于人均碳排放量和人均地区生产总值的Tapio脱钩种类表
表2 基于脱钩程度的县域发展类型
2.1.3 时空地理加权回归模型
时空地理加权回归模型(GTWR)在空间维度基础上增加了时间维度,结合了时间和空间的非平稳性。GTWR模型通过对面板数据的处理,可以有效地减小模型误差和参数估计误差。同时,它综合反映了时空数据的差异性,应用范围更广,能够满足复杂时空数据的分析要求[26]。参考前人研究[27-30],选取该区县域人均碳排放量为被解释变量,将人口规模、城镇化率、产业结构、经济发展水平、财政投入和技术进步作为解释变量,采用时空地区加权回归模型进行成渝地区双城经济圈县域人均碳排放量影响因素分析。其模型如下:
(4)
式中:Yi为第i个样本地区的被解释变量;β0为第i个样本地区的时空截距;(ui,vi,ti)为第i样本地区的时空坐标;βk(ui,vi,ti)为第k个解释变量在第i个样本地区的回归系数;β>0表示解释变量与被解释变量呈正相关,反之则为负相关;Xik为第k个解释变量在第i个样本地区的观测值;εi为随机扰动项。本文运用GTWR模型采用ArcGIS 10.2软件运算,采用Huang[31]等制作的GTWR插件,带宽采用AICc优化设置,时空距离参数比值为1。
2.2 数据来源
本文成渝地区双城经济圈县域碳排放数据来源于中国碳核算数据库(CEAD),该数据库提供了1997-2017年的碳排放数据,2000年左右社会经济数据缺失较多,造成整体数据不可比(表3)。又因为碳排放与经济发展存在滞后,脱钩效应往往以5～10年作为时间尺度[32]。因此以2002年为研究基年,2017年为研究末年,形成2002年、2007年、2012年、2017年4个时间节点,便于3个阶段(2002—2007年、2007—2012年、2012—2017年)的脱钩分析。本文采用近16年(2002—2017年)数据。该数据由国家物理地球数据中心(NGDC)提供的 DMSP/OLS和NPP/VIIRS 夜间灯光数据反演得出,数据具有统计口径一致、连续性强等优势[9]。县域常住人口数据、城镇化率、地区生产总值、人均生产总值,第二产业占比和一般公共预算支出等社会经济数据来源于2013—2018年《四川统计年鉴》和《重庆统计年鉴》。
表3 研究数据概况及来源
3.1 近16年成渝地区双城经济圈碳排放动态特征
统计2002—2017年该区县域碳排放数据和县域年末常住人口数据得到该区碳排放量和人均碳排放量(图2)。
图2 近16年来成渝地区双城经济圈碳排放量和人均碳排放量
由图2可知,2002-2017年成渝地区双城经济圈县域碳排放总量和人均碳排放量年均增速为5.43%和4.68%。历经“大幅上涨—高位波动”的发展阶段。具体而言,2002—2011年,经济圈碳排放总量增长迅速,由2002年161.7×106t上升至2011年的373.6×106t,之后6年间碳排放量围绕377×106t上下波动。人均碳排放呈现出相同的变化趋势。人均碳排放量由2002年的1.892 t/人翻倍上升至2011年的4 t/人,之后6年人均碳排放量围绕4 t/人上下波动。原因在于“十一五”以来,由于经济高速增长,城市化和工业化不断推进,高投入、高消耗、高污染的粗放型增长模式消耗了大量能源,导致碳排放量增长迅速[13]。2011年后县域人均碳排放增速明显放缓主要原因是“十二五”规划的节能减排具体目标为淘汰落后产能以及促进污染企业升级改造提供了强有力的政策约束[9]。
2002—2017年经济圈内四川地区人均碳排放量(3.03 t/人)低于重庆地区人均碳排放量(4.47 t/人)。四川地区人均碳排放量年均增速(5.7%)快于重庆地区人均碳排放量年均增速(4.4%),四川地区与重庆地区人均碳排放量差值先增大后减少。区域内的四川地区和重庆地区人均碳排放量具有相同变化趋势,经历“上涨—波动”发展阶段。
3.2 县域人均碳排放集聚特征
由公式1计算成渝地区双城经济圈县域人均碳排放量全局空间自相关Moran’s I值,其结果通过Z值进行检验得到区域全局自相关指数表(表4),由公式2计算成渝地区双城经济圈县域人均碳排放量局部空间自相关值,得到区域局部自相关LISA集聚图(图3)。
表4 成渝双城经济县域人均碳排放空间自相关Moran’s I
图3 2002—2017年成渝地区双城经济圈县域人均碳排放的LISA集聚图
由表4可知,2002—2017年成渝双城经济圈县域人均碳排放量各年Moran’s I值均为正,且Z值大于2.58,通过99%的置信水平以上,检验结果显著,表明成渝双城经济圈县域人均碳排放具有空间正相关关系;2002年以来,人均碳排放量接近的县域在空间上呈现集中分布,集聚态势明显。Moran’s I值在逐渐减小,空间集聚程度降低。
由图3可知,从空间上来看,2002—2017年成渝地区双城经济圈县域出现显著的高—高集聚和低—低集聚。人均碳排放的高高聚集区县包括新都区、龙泉驿区、双流区、温江区、郫都区、彭州市、崇州市、大邑市、什邡市、广汉市、北碚区、沙坪坝区、渝北区、江北区、巴南区等区县,即主要位于成都市区县及周边相邻区县和重庆市主城区构成“双核心”模式的分布格局,存在“高碳锁定”效用。低低聚集区域主要位于北部南充市、遂宁市和中部内江市、自贡市、南部的宜宾市等区县。数量由22个县域增加为到24个县域,成都市主城区的金牛区、成华区、锦江区、以及重庆市长寿区人均碳排放降低,脱离了高值聚集区。新津县、绵竹市、旌阳区和江油市等区域人均碳排放量有所增加,进入高值聚集区。成都市高高聚集区向北扩张明显,区域经济发展程度较高的成都市与绵阳市经济发展速度快,导致区域的碳排放增加;低低聚集区显著减少,数量由27个县域下降为17个县域,主要变化为成都市与重庆市之间的县域人均碳排放增加,脱离了低低聚集区域,原因可能与两地间经济交流和交通条件改善,带动沿线地区的经济发展和碳排放增加;高低和低高区域数量较为稳定;南部低低聚集区域稳定。
3.3 县域经济增长与碳排放的脱钩分析
为衡量县域发展差异,研究经济发展与碳排放造成的环境压力的相互关系,将人均碳排放量和人均生产总值代入公式(3),计算得出成渝地区双城经济圈141县域碳排放与经济增长的脱钩程度,再结合表2对该区县域进行基于脱钩程度的城市发展类型分类,得到成渝地区双城经济圈县域基于Tapio脱钩分类图(图4)。
图4 2002—2017年成渝地区双城经济圈县域基于Tapio脱钩分类
由图4可知,2002—2017年成渝地区双城经济圈县域发展类型区域异质性明显,县域发展类型以低碳发展型和集约扩张型为主,城市发展类型已由类型3、类型4向类型1和类型2转变,44.37%的县域属于低碳发展型,55.63%的县域属于集约扩张型,县域发展类型优化改善。
2002—2007年69.72%的县域属于类型2(集约扩张型),18.31%县域属于类型3(低效扩张型),11.27%县域属于类型3(粗放扩张型),未出现类型1(低碳发展型);2007—2012年,94.37%的县域处于类型2,2.82%的县域处于类型3(低效扩张型),2.11%的县域处于类型4;9.93%的县域由类型4转变为类型2,19.15%的县域由类型3转变为类型2,60.09%的县域城市类型未发生变化,2.84%的县域城市类型出现倒退即由类型2转变为类型3和类型4;2012—2017年处于类型2的县域占比为55.63%,处于类型1的县域占比44.37%,类型3和类型4县域消失,县域发展类型优化改善。52.48%的县域发展类型不变,2.13%的县域由类型4转变为类型2,1.42%的县域由类型3转变为类型1,43.97%的县域实现从类型3转变为类型2或由类型2转变为类型1。
3.4 县域人均碳排放的影响因素分析
线性回归模型中解释变量之间由于存在相关关系使模型估计失真,因此需检验人均碳排放影响因素之间的多重共线性问题,同时为减少异方差,消除变量量纲影响,对文中影响因素中所有变量进行取自然对数标准化处理。运用SPSS软件对人口规模、城镇化率、产业结构、经济发展水平、财政投入、技术进步6个解释变量进行相关分析得到相关变量的多重共线性检验表(表5)。方差膨胀因子(VIF)大于10且容差小于0.1,表明可能存在多重共线性。由表5可知,各解释变量的容差大于0.1,方差膨胀因子(VIF)小于10,不存在明显的多重共线性,可进行时空地理加权回归分析。
表5 相关变量的多重共线性检验
采用公式(4)进行GTWR模型分析,模型的拟合度R2为0.963 641,R2的取值范围为0～1,值越大说明该模型的解释力越高。AICc值为-1 444.76。选择最小值、中位数、最大值、平均值等变量对该区影响因素的回归系数进行统计性描述,得到成渝双城经济圈县域GTWR模型回归系数描述统计表(表6)。对该区域利用模型得到的各县域碳排放影响因素的回归系数进行整个时序的年均值计算,采用ArcGIS 10.2软件的自然断点法对成渝地区双城经济圈县域人均碳排放的影响因素系数的空间分布进行可视化,得到碳排放影响因素系数的空间分布格局图(封三图版Ⅰ图5)。
表6 成渝双城经济圈县域GTWR模型回归系数描述统计表
3.4.1 影响因素回归系数的空间异质性分析
结合图5(封三图版Ⅰ)和表6,可以得出以下结论:
(1)成渝地区双城经济圈县域人均碳排放因素影响因素(除财政投入)主要具有正向影响,影响系数的大小排序为:技术进步(0.792)>经济发展水平(0.755)>城镇化率(0.371)>产业结构(0.209)>人口规模(0.019)>财政投入(-0.027)。
(2)人口规模的影响具有双向性(封三图版Ⅰ图5a)。人口规模对人均碳排放量正向影响较大区域主要分布在川渝交界的泸州市区县和重庆市西部的永川、荣昌、大足区县,影响程度向东西两侧减弱。人口规模系数低值分布在绵阳和德阳区县。受益于人口和经济活动的集聚,各县公共设施和交通以及减排设施的优化,提高了能源利用率。而作为川渝交界的区县,区域间联系加强,基础设施完善,推动了当地人才和资源的的流入,引起资源和劳动力密集型产业的布局,带动县域经济发展造成了碳排放增加。
(3)城镇化率(封三图版Ⅰ图5b)对人均碳排放量影响起促进作用,由重庆市主城区和环主城区县高值区域向东北—西南递减。其原因可能是城镇化率高的区域人口密度大,随着城市化水平提高,人口生活水平和能源利用碳排放增加,碳排放量增加效应明显,未来应合理调控城市化程进程。低值区域主要分布区域的东西部两端,即西部雅安市区县和东部的黔江、云阳、开州等区县。人口密度的提升有利于能源资源的有效配置和集约利用[33]。
(4)产业结构(封三图版Ⅰ图5c)主要的促进作用在空间上呈现与城镇化作用类似,由重庆庆市主城区和环主城区县向两侧减弱。产业结构是碳排放增加的重要驱动因素,因历史原因,重庆市第二产业在各区县分布比较分散,未能在早期合理统筹规划布局第二产业,第二产业占经济总量的比重较大,优化产业结构方面存在不足,促进碳排放。产业结构系数低值区域分布于东北部区县和西部雅安、眉山等区县。
(5)经济发展水平(封三图版Ⅰ图5d)对区域人均碳排放具有明显的促进作用。经济发展及粗放的工业化模式加剧县域碳排放,多数县处于快速工业化导致工业发展粗放,能源利用低效。发展资源密集型产业促进高碳溢出效应。东部的区县,开州区、万州区、云阳县和黔江区。主要原因这些区县生产总值基数低,增长速度快,在促进经济发展的过程中,技术提升有限。不断扩张建设用地、发展重工业,能源需求量增加,导致碳排放量增加过快,东部区县应提升产业发展的质量,减少粗放式经济扩张带来的碳排放增加。
(6)财政投入(封三图版Ⅰ图5e)对县域人均碳排放具有负效应。影响系数由西向东减低,出现由促进作用转变为抑制作用。财政对于公共基础设施建设的支出具有正外部经济效用时,有利于社会和生态环境的变化[9]。广安市、达州市、重庆市市辖区受到财政投入的抑制作用显著。川南地区内江、自贡、乐山等区县公共支出的回报效应强于减排效应,在通过完善设施提高城市产业竞争力,促进碳排放[16]。
(7)技术进步(封三图版Ⅰ图5f)对县域人均碳排放的影响远高于其他社会经济因素。相比单一调整产业结构,各区县通过生产技术改进降低碳排放强度,降低单位产值的碳排放量,在维持自身经济发展的同时通过技术创新和减少单位能耗等手段实现县域的绿色转型发展。技术进步的影响系数的高值区域位于西部的雅安、乐山、眉山等区县,西部区县首要考虑技术进步带来的碳减排效用。低值区域位于重庆市市辖区。自西向东影响系数降低。
本文运用近16年(2002—2017年)来成渝地区双城经济圈县域碳排放数据和社会经济数据,采用空间自相关、脱钩模型和时空地理加权回归模型等方法,探讨了该区县域人均碳排放的时空格局演变,以及基于人均碳排放和人均生产总值脱钩程度的县域发展类型和影响因素。结果表明:(1)2003—2017年成渝地区双城经济圈县域碳排放总量和人均碳排放量年均增速为5.43%和4.68%。历经“大幅上涨—高位波动”的发展阶段。人均碳排放量由2002年的1.892 t/人翻倍上升至2011年的4 t/人,2002—2017年经济圈内四川地区人均碳排放量(3.03 t/人)低于重庆地区人均碳排放量(4.47 t/人),但年均增速(5.7%)快于重庆地区年均增速(4.4%)。(2)成渝双城经济圈县域人均碳排放具有空间正相关关系,空间集聚程度降低。局部空间自相关高高聚集区位于成都市区县和重庆市主城区构成的“双核心”区域;成都市人均碳排放高高聚集出现向北增加,重庆市西部高高聚集区减少。(3)县域发展类型以低碳发展型和集约扩张型为主,44.37%的县域属于低碳发展型。(4)影响因素具有空间异质性,影响系数的大小排序为:技术进步(0.792)>经济发展水平(0.755)>城镇化率(0.371)>产业结构(0.209)>人口规模(0.019)>财政投入(-0.027)。技术进步和经济发展水平是区域县域的首要影响因素,西部区县是技术进步,东部首要因素是经济发展水平。人口规模的影响具有异质性,对川渝交界的区县正向影响较大。城镇化率和产业结构空间作用强度类似,由重庆市主城区和环主城区县高值区域向东北-西南递减。财政投入对大部门地区具有显著的负向作用,对东部区县减排作用明显。
由于碳排放及其与经济水平的关系受多种因素影响,且时空变化比较复杂,本文仅讨论了16年时间尺度的县域尺度碳排放动态变化及与经济的脱钩关系和影响因素。未来应加强拓展研究的时间尺度,获取更小尺度的碳排放数据,深入探究碳排放的脱钩关系和影响因素。同时还可将成渝地区与中国东部的其他重点地区如长三角、京津冀等作对比,以便为区域碳减排找到更有针对性的措施。
猜你喜欢 双城经济圈成渝 活色生香新成渝党员文摘(2024年1期)2024-01-20“双城剧汇”共促戏剧发展现代艺术(2022年1期)2022-02-07青年共建“双城圈” 摄影同话“巴蜀情”现代艺术(2022年1期)2022-02-07中国双城发展模式西部大开发(2017年7期)2017-06-26首都经济圈建设存在问题及对策建议新时代职业教育(2016年4期)2016-02-06成渝双城到同城今日重庆(2015年12期)2015-08-15基于Shift-share的成渝产业结构效益与竞争力研究当代经济(2015年4期)2015-04-16双城和一周参花（下）(2014年10期)2014-12-11论兰州经济圈体育公共服务体系建立的必要性卫生职业教育(2014年20期)2014-05-16首都经济圈京津冀分产业区位优势研究河南科技(2014年7期)2014-02-27