泛长三角地区碳生态效率的空间格局及影响因素

李平星

1 中国科学院南京地理与湖泊研究所, 南京 210008 2 中国科学院流域地理学重点实验室, 南京 210008

世界环境与发展委员会将可持续发展定义为“满足当代人类的需求而不损害子孙后代满足他们自己需求的能力”[1-2],开展可持续发展水平评估是解析发展问题并寻求相应对策的科学基础。生态效率兼顾经济社会活动的生态环境影响与经济社会效益,在评价可持续发展水平方面被学者广泛应用,其评价涉及从微观到宏观的企业、行业、区域与国家等多个层面[3- 5]。生态效率的概念由Schaltegger和Sturn两位学者于1990年首次在学术界提出,指的是经济社会活动产生的增加值与其对环境造成的破坏之比,其核心思想是以较少的资源消耗、较小的环境影响创造较高的社会价值[6- 7]。Claude Fussler将生态效率的概念引入我国,学者在方法探讨、指标选择、效率评价、因素解析等方面开展了大量研究工作[8-9]。资源消耗及其产出效率是生态效率评价的重要领域,在全球气候变化、中国节能减排的背景下,能源效率研究成为近年来学者关注的焦点[5,10-11],研究内容包括评价指标、评价方法与模型,以及能源效率的时序变化规律、空间差异特征、影响因素等[12- 16]。评价指标与方法的选择是研究开展的基础,包括基于全要素生产理论的能源效率评价[11,17-18]、能源消费与非期望产出的关系评价[19-20]、整合非期望产出与期望产出的效率评价[21]等。

碳排放是能源消费的非期望产出之一,是全球气候变化的直接影响因素,也与经济社会发展有直接关系[22]。作为全球最大的碳排放国家,中国能否有效控制碳排放对于全球气候变化有不可忽视的意义[23]。能源生态效率研究往往将碳排放作为效率评价的表征指标或非期望产出,以此反映碳排放与经济增长之间的关系,如 Wang 等构建了考虑CO2排放量在内的环境效率、经济效率、经济-环境效率评估指标研究开展碳减排与经济增长的情景研究[24]；王强等将GDP与碳排放量融合成一项综合产出指标研究中国区域能源效率时空分异特征[21]；Zaim和Taskin[22]、Rashidi和Frazipoor Saen[25]将碳排放作为非期望产出之一,综合其他指标衡量部分OECD国家的生态效率；关伟和许淑婷综合CO2排放量与其他污染物排放等非期望产出测度能源生态效率,研究中国能源生态效率的空间格局[5]；等等。虽然已有研究通过碳排放规模、排放强度等揭示了经济发展带来的环境效应[26- 29],但是缺乏基于效率视角的研究,而且偏重于碳排放与经济产出的关系、较少涉及碳排放的社会效应。此外,大量研究主要集中在国家、省等宏观尺度,对城市关注较少。

与规模、强度不同,效率从产出视角研究碳排放带来的经济社会效益,可以更加直接地反映碳排放对经济社会的支撑能力,碳生态效率越高,表明同样的碳排放带来的经济社会效益越大[5]。因此,依托生态效率、能源生态效率以及碳排放与经济社会发展关系的研究基础,本文提出碳生态效率的概念,作为衡量生态效率和能源生态效率的具体表征,核心导向是以较少的碳排放创造较高的经济社会收益。基于“社会-经济-自然复合生态系统”的内涵[30],从自然系统的合理性、经济系统的利润和社会系统的效益3个维度进行构建评价指标,以碳排放反映自然系统的合理性和环境影响,以地区生产总值体现经济系统的利润,以常住人口规模体现社会系统的效益,即以单位碳排放的GDP(地区生产总值,gross domestic product)产出和单位碳排放的人口承载规模表征碳生态效率。在此基础上,以经济关联密切的泛长三角地区为案例,研究地市尺度碳生态效率的时空差异和影响因素,旨在推动研究由碳排放总量、强度向碳生态效率深化、由省域尺度向城市尺度延伸,并揭示经济社会格局变化过程中碳生态效率的区域差异,为发展低碳经济、推进区域协同减排提供参借鉴和示范。

1 研究区与研究方法

1.1 研究区概况

图1 泛长三角地区位置与行政区划图Fig.1 Location and administrative map of PYRD

泛长三角地区包含上海市以及江苏、浙江、安徽、江西四省,是长江三角洲世界级城市群及其辐射带动的区域。不考虑2011年安徽省巢湖市拆分因素,地区共52个市。其中上海市和江苏省的南京市、无锡市、常州市、苏州市、镇江市、南通市、扬州市、泰州市,浙江省的杭州市、嘉兴市、湖州市、宁波市、绍兴市、台州市、舟山市,共16个市作为泛长三角地区的核心区,其余36个城市作为外围地区[31](图1)。2000—2014年,地区生产总值、人口规模分别增长491.39%和2.55%,能源消费导致的碳排放量从2.41亿吨增长至8.44亿吨,呈现总量增长快、区域差异大的特征[32-33]。受到经济发展、人口分布格局变化因素的影响,碳生态效率时空格局可能呈现不同的特征。研究以泛长三角各市能源消费导致的碳排放为对象,基于数据可获得性高、指标简单明了、反映主要能源消费的碳排放等原则,分别以单位碳排放的GDP产出反映经济效益、以单位碳排放的人口承载规模反映社会效益,对各市碳生态效率进行评价。鉴于2011年安徽省拆分巢湖市,为保证年份间数据可比性,根据2014年合肥、芜湖、马鞍山三市的统计年鉴、统计公报等数据组合出原巢湖市的数据。

1.2 研究方法

1.2.1 能源消费碳排放核算

各市能源消费碳排放依据IPCC碳排放计算指南进行核算[34]。首先,综合确定各市主要化石能源的消费量,包括原煤、燃料煤、焦炭、原油、汽油等细类[35]；其中,省级层面的数据来源于《中国能源统计年鉴》,市级层面的数据主要来源于各省和各市的统计年鉴或能源利用状况白皮书,并通过《中国能源统计年鉴》中的省级层面能源消费数据进行校正；鉴于电力、热力生产导致的能源消费已基本包含在上述主要能源消费中,外来电力导致的碳排放不在本地发生,故暂不考虑其碳排放。其次,根据《中国能源统计年鉴》确定的相应能源的标准煤折算系数,将各市能源消费的实物量转换为标准煤量。第三,根据IPCC确定的相应能源的碳排放系数[32,34],得到各市碳排放量。计算公式如下：

(1)

式中,Ci表示i市的碳排放量,Eij表示i市j种能源的消费量,kj表示j种能源的碳排放系数,分别为：原煤、洗精煤,0.7559；焦炭,0.8550；其他焦化产品,0.6449；原油,0.6449；汽油,0.5538；柴油,0.5714；燃料油,0.6185；其他石油制品,0.5857；液化石油气,0.5042；天然气,0.4483；焦炉煤气,0.3548；炼厂干气,0.4602；其他煤气,0.3548。

1.2.2 碳生态效率评价

以单位碳排放的GDP产出和人口承载规模反映碳生态效率,计算公式为：

(2)

(3)

式中,Ci表示i市的碳排放量,CEi和CPi分别表示i市的经济产出效率和人口承载效率,GDPi和POPi表示i市的地区生产总值和常住人口规模。2000年人口规模来自《2000年人口普查分县资料》,2014年人口规模和2000、2014年地区生产总值数据来自各省市统计年鉴,GDP指该市2000和2014年的名义GDP。

1.3 空间分布格局与影响因素解析

1.3.1 空间自相关分析

为进一步揭示区域碳排放总量的空间依赖、空间关联或空间自相关特征,采用空间自相关方法度量空间单元属性值集聚程度[5,36]。全局空间相关测度研究区域内所有空间对象的总体关联程度、空间分布模式及其显著性,全局Moran′sI指数为：

(4)

式(5)为Z检验统计量,E(I)为期望,Var(I)为方差。

(5)

全局空间自相关假定空间同质,无法反映局部集聚特征,因此进行局部空间自相关分析。局部空间自相关反映每个市与相邻市之间的空间关联程度,局部Moran′sI指数为[37,38]：

(6)

式中,Ii为i市的局部Moran′sI指数,w为空间权重矩阵,wij表示空间单元i和j之间的影响程度,zi为z标准化后i市的属性值。Ii的取值范围为[-1, 1],小于0表示负相关,值越小,表示该空间单元与邻近单元的属性值不相似性越高(L-H聚集、H-L聚集)；等于0表示不相关；大于0表示正相关,值越大,该空间单元与邻近单元的属性值相似性越高(H-H聚集或L-L聚集)。

本文以Geoda为分析软件,以2014年为对象,采用Univariate LISA(空间关联的局部指标,Local Indicators of Spatial Association)分析碳生态效率的空间聚类状况,采用Multivariate LISA分析碳生态效率与各影响因素之间的空间相关性。

1.3.2 逐步回归分析

在通过空间自相关分析揭示碳生态效率与影响因素单独相关结果的基础上,采用逐步回归分析方法解析关键因素,并避免影响因素的多重共线性问题。碳生态效率反映碳排放与经济社会发展之间的关系,其影响因素与碳排放规模、强度具有类似性[5,39-40]。考虑到碳生态效率更多地体现一种碳排放的效率、而非总量,因此偏重于选择表示结构、水平等的指标。其中,人均地区生产总值衡量经济发展水平,以PCGDP(GDP per capita)表示；城镇化率衡量城镇化水平,指城镇常住人口占比,以URN(Urbanization rate)表示；工业、服务业增加值占地区生产总值比重表征产业结构,分别以IND(Proportion of industry added value accounting for GDP)和SER(Proportion of service industry accounting for GDP)表示；固定资产投资额、进出口总额占地区生产总值的比重表示经济增长结构,分别以FAI(Proportion of fixed assets investment accounting for GDP)和I&E(Proportion of import & export value accounting for GDP)表示；R&D经费占地区生产总值比重衡量技术水平,以R&D(Proportion of R&D input accounting for GDP)表示；环保投资占比衡量对环境保护和污染治理的重视程度,考虑地市层面数据可获得性,以工业污染治理投入占工业增加值的比重计算,以ENV(Proportion of environmental protection investment)表示；煤炭类能源消费量占全部能源消费量的比重衡量能源结构,以ENG(Energy Consumption Structure)表示。以2014年碳生态效率(包括经济产出和人口承载效率)为因变量,回归分析模型为：

Y=μ+∑k1[PCGDP]+∑k2[URBAN]+∑k3[IND]+∑k4[SER]+∑k5[FAI]+∑k6[I&E]+∑k7[R&D]+∑k8[ENV]+∑k9[ENG]+ε

式中,Y表示经济产出效率或人口承载效率,μ为常数项,k1—k9表示回归系数；[]表示相应的解释变量,ε为随机误差。

2 碳生态效率与空间格局

2.1 经济产出效率

图2 2000和2014年经济产出效率及分类Fig.2 Economic output efficiency and its classification in 2000 and 2014

2000和2014年,泛长三角地区的经济产出效率分别为0.99和1.94万元/吨碳,增长近97%。依据“Natural Breaks”对各市经济产出效率的分级结果表明,泛长三角地区经济产出效率格局呈现明显的差异,总体呈现低值区向外围地区转移、高值区向核心区转移的态势(图2)。2000年,低值区主要集中在安徽和江西沿江地区,高值区则主要分布在苏北和赣南；到2014年,核心区和浙南的高值区明显增多,而外围的高值区转变为中值区或中低值区,安徽沿江仍以低值区和中低值区为主。2000和2014年,空间自相关指数分别为0.2343和0.3399,且两个年份的检验统计量z值均在0.05的置信区间下通过检验,表明经济产出效率存在较强的空间集聚性和互相关联现象,且集聚和关联度明显增长。

图3 2000—2014年经济产出效率变化分类 Fig.3 Classification of the variation of economic output efficiency from 2000 to 2014

2000—2014年,各市经济产出效率变化幅度较大,在-43%至455%之间,大部分增速在120%以下、个别城市产出效率降低。根据实际情况,划分≤0为降低型、(0,50%]为慢速增长型、(50%,100%]为中速增长型、(100%,200%]为较快增长型、>200%为快速增长型(图3)。快速增长区主要分布在环鄱阳湖地区,较快增长区分布在苏南地区和浙江沿江,降低区主要分布在赣东北和赣南地区,苏中和苏北、安徽和浙江的大部分地区以中速增长和慢速增长区为主。2000—2014年经济集聚效率增幅的空间自相关指数为-0.0494,z值未在0.05置信区间下通过检验,表明各市经济产出效率变化的空间关联特征不明显,临近市差异较大。

2.2 人口承载效率

与经济产出效率相比,2000和2014年的人口承载效率分别为0.95人/t和0.31人/t,大幅下降68%。各市分级结果表明,人口承载效率空间格局变化不明显,主要表现为外围地区高、核心地区低(图4)。2000年,核心区人口承载效率以低值区和较低值区为主,而高值区则分布在苏北和赣南地区；到2014年,皖北地区高值区增加,赣南地区仍以高值区为主,而核心区仍以低值区和较低值区为主。2000和2014年,空间自相关指数分别为0.2570和0.2722,z值均在0.05置信区间下通过检验,表明人口承载效率具有一定的空间集聚性和关联现象；与经济承载效率相比,人口承载效率集聚度低、变化小、格局比较稳定。

图4 2000和2014年人口承载效率及分类Fig.4 Population carrying efficiency and its classification in 2000 and 2014

2000—2014年,各市人口承载效率均下降,降幅在-93%至-23%之间,其中大部分市的降幅在-60%以下。根据实际情况,划分≤-85%为快速降低型、(-85%,-75%]为较快降低型、(-75%,-65%]为中速降低型、(-65%,-55%]为较慢降低型、>-55%为慢速降低型(图5)。外围地区降幅更大,以快速降低区和较快降低区为主,其中赣南是快速降低区的主要分布区,苏北和皖北是较快降低区的主要分布区。长三角核心区降幅较小,以较慢降低区和慢速降低区为主,两者交错分布；中速降低区处于中间,主要分布于安徽和浙江两省。2000—2014年人口承载效率增幅的空间自相关指数为0.1348,且z值在0.05的置信区间下通过检验,表明人口承载有一定的空间集聚特征,但是空间集聚程度不很高。

图5 2000—2014年人口承载效率变化分类 Fig.5 Classification of the variation of population carrying efficiency from 2000 to 2014

3 影响因素分析

3.1 碳生态效率与影响因素空间自相关分析

3.1.1 经济产出效率

LISA结果表明,大部分影响因素与经济产出效率具有明显的关联性,但关联度差异明显。产业结构对经济产出效率影响最为明显,其中服务业占比起到促进作用,而工业占比则起到抑制作用,表明服务业发展促进经济产出效率的提高,有助于提高单位碳排放的经济产出(表1)。进出口占比、环保投资占比的正相关性较高,表明外向经济发展水平高、环保投资高的区域,经济发展的效率较高。从聚类结果看,具有正相关性的因素,如服务业占比、进出口总额占比、环保投资占比、人均地区生产总值、城镇化率等,以H-H和L-L集聚区为主,前者主要分布在经济发达的东部沿海地区,后者主要分布在经济发展相对落后、碳生态效率较低的西部沿江地区(图6)。负相关的因素,如工业占比、固定资产投资占比等,以H-L和L-H集聚区为主,前者分布在东部沿海地区,而后者分布在西部沿江地区。

3.1.2 人口承载效率

与经济产出效率相比,各因素与人口承载效率的相关性全部相反,对经济产出效率起促进作用的因素,对人口承载效率起抑制作用(表1)。与人口规模与结构相关的两个因素,人均地区生产总值、城镇化率对人口承载效率起到较强的抑制作用,表明经济越发展、城镇化水平越高,人口承载效率越低。服务业占比、进出口总额占比、R&D投资占比等也起到较强的抑制作用,而固定资产投资占比、能源结构起促进作用,表明固定资产投资占比高、煤炭消费占比高的地区,人口承载效率较高,即人均碳排放量较少。负相关性较高的因素,如人均地区生产总值、城镇化率、R&D投资占比等空间聚类格局类似,H-L集聚区集中在江苏-浙江-安徽三省交界地区,该类城市的影响因素值较高、人口承载效率较低；L-H集聚区主要分布于安徽北部和江西南部,该类城市的影响因素值较低、人口承载效率较高(图7)。

表1 碳生态效率与影响因素的全局Moran′s I指数

PCGDP,人均地区生产总值,GDP per capita；URN,城镇化率,Urbanization rate；IND,工业增加值占地区生产总值比重,Proportion of industry added value accounting for GDP；SER,服务业增加值占地区生产总值比重,Proportion of service industry accounting for GDP；FAI,固定资产投资额占地区生产总值比重,Proportion of fixed assets investment accounting for GDP；I&E,进出口总额占地区生产总值比重,Proportion of Import & Export value accounting for GDP；R&D,R&D经费占地区生产总值比重,Proportion of R&D input accounting for GDP；ENV,以工业污染治理投入占工业增加值比重衡量环保投资占比,Environmental protection investment proportion；ENG,以煤炭类能源消费量占全部能源消费量的比重衡量能源结构,Energy consumption structure

图6 经济产出效率与影响因素LISA聚类图Fig.6 LISA cluster maps between economic output efficiency and influencing factorsPCGDP,人均地区生产总值,GDP per capita；URBAN,城镇化率,Urbanization rate；IND,工业增加值占地区生产总值比重,Proportion of industry added value accounting for GDP；SER,服务业增加值占地区生产总值比重,Proportion of service industry accounting for GDP；FAI,固定资产投资额占地区生产总值比重,Proportion of fixed assets investment accounting for GDP；I&E,进出口总额占地区生产总值比重,Proportion of Import & Export value accounting for GDP；R&D,R&D经费占地区生产总值比重,Proportion of R&D input accounting for GDP；ENV,以工业污染治理投入占工业增加值比重衡量环保投资占比,Environmental protection investment proportion；ENG,以煤炭类能源消费量占全部能源消费量的比重衡量能源结构,Energy consumption structure。LISA,是空间关联的局部指标,即Local Indicators of Spatial Association,H-H、L-L、H-L和L-H为LISA聚类分析得到的4种空间聚类关系

图7 人口承载效率与影响因素LISA聚类图Fig.7 LISA cluster maps of between population carrying efficiency and influencing factors

3.2 影响因素多元回归分析

经济产出效率与各影响因素的逐步回归OLS模型解释度为58%,衡量产业结构的两个指标——服务业占比和工业占比的相关性最高,表明产业结构是影响经济产出效率的核心因素,与空间自相关分析结果基本一致,说明服务经济越发达、工业经济占比越低的城市,经济产出效率越高(表2)。人口承载效率逐步回归模型的解释度为67%,城镇化率是最主要的抑制因素,城镇化率越高,人口承载效率越低。其次,工业增加值占比的抑制作用也很明显,工业占比越高、同样经济产出的能源消耗越大,单位碳排放所承载的人口规模越小。

表2 碳生态效率与影响因素回归结果

*、**、***分别表示P<0.10、P<0.05、P<0.01；模型因变量分别为经济产出效率和人口承载效率,调整R2分别为0.580和0.668,均方差为0.196和0.020,F分别为36.892和35.806,Sig.均为0.000

这不同于空间自相关分析结果,说明工业增加值占比虽然具有较高相关性,却不是人口承载效率的直接影响因素。此外,人均地区生产总值的抑制作用较为明显,表明经济越发展,人口承载效率越低。研发投入占比起到较为明显的抑制作用,研发投入较高的城市经济较为发达,其人口承载效率一般较低。

4 讨论与结论

4.1 讨论

本文基于“经济-社会-自然复合系统”理论,以碳生态效率为研究对象,综合考虑碳排放量与经济、社会效益的关系,研究泛长三角地区各市2000和2014年经济产出和人口承载效率变化,并采用定量分析方法揭示关键影响因素,对于揭示碳排放的经济社会效益、解析时空格局和影响因素、丰富生态效率理论具有参考价值。

(1)研究认为基于经济和社会综合效益的碳生态效率评价更加符合“经济-社会-自然复合系统”的理论框架,可以较为全面地反映碳排放与经济社会产出的关系。已有关于碳排放与经济社会发展关系的研究多通过碳排放量、碳排放强度和碳排放经济效率等指标,本文以单位碳排放的GDP产出表征经济效率、以单位碳排放的人口承载规模表征社会效率,能更加客观全面地体现低碳经济发展对碳排放的经济和社会效益双提升的要求。已有研究往往认为经济产出效率的提高在经济增速高于碳排放增速的情况下可以实现,本文针对泛长三角的研究结论与这一判断基本一致,泛长三角整体及大部分城市的经济产出效率明显增长,碳排放量并没有随着经济总量的增长而同步增加。这是因为经济发展往往伴随着产业结构改善、能源利用效率提升,使得单位产出的碳排放下降,带来经济产出效率提升,使得环境负荷有所下降[24,33]。然而,提高人口承载效率需要人口增速快于碳排放增速,实现难度较大。已有针对特定国家或区域的研究表明,经济发展往往意味着生活水平的提高和生活方式的改变,带来能源消费量和碳排放的增长,导致人均碳排放量增长、人口承载效率下降[41]。本研究结论证实了这一点,虽然泛长三角人口增速较快,但仍慢于碳排放增速,人口承载效率明显下降。但是,部分城市已经出现指标同步改善的迹象,如上海、南京等经济产出效率明显增长、人口承载效率降速更低,与其对碳排放进行了更为严格的控制、经济增长更快、人口集聚力更强有关。

(2)经济产出效率和人口承载效率的空间集聚格局及其变化有明显差异,两者的影响因素呈现类别相似、作用方向不同的特征。经济产出效率的空间自相关指数更高,集聚特征更加明显,且总体上呈现低值区向外围地区转移、高值区向核心区转移的态势；而人口承载效率集聚度较低,核心区的人口承载效率明显低于外围地区。泛长三角核心区城市的经济发展水平明显高于外围区城市,其单位地区生产总值碳排放较低、人均碳排放量较高,导致经济产出效率更高、人口承载效率更低。从时间变化看,核心区城市经济产出效率整体增长较快,而外围区城市的经济产出效率增长较慢、甚至个别城市出现下降。这可能与核心区城市产业结构优化和能源利用效率提升更为明显、外围区城市承接了较多的高能耗产业相关[21,32]。两个效率指标的影响因素也存在明显差异,总体表现为影响因素种类基本一致、作用方向明显不同。首先,产业结构、尤其是服务业增加值等是两者的主要影响因素,但对经济产出效率起到促进作用,表明经济发展阶段越高、服务经济越发达,等量的经济产出带来的碳排放量越小,这与服务经济高碳能源消耗较少、而工业经济能源消耗量较大有关；对人口承载效率起到抑制作用,则说明经济发达地区的人均碳排放量越高。空间自相关分析结果也证实了这一点,经济产出效率与影响因素以同向集聚(H-H和L-L集聚)为主,而人口承载效率与影响因素的关系更多体现为反向集聚(L-H和H-L集聚)。其次,经济产出效率的影响因素更加简单和清晰,主要是产业结构,而人口承载效率的影响因素较为复杂,人均地区生产总值、城镇化率的作用较为明显,表明经济发达、城镇化水平高的地区人均碳排放量较大、人口承载效率则较低,与人口承载效率的集聚格局类似。此外,由于R&D投入占比往往与经济发展水平正相关,经济发展水平较高的地区人口承载效率较低,因此R&D投入占比与人口承载效率呈现负相关关系。

4.2 主要结论与建议

与碳排放量、强度、经济效益研究相比,碳生态效率研究兼顾单位碳排放的经济和社会产出水平,能清晰地揭示环境要素投入与经济社会产出之间的关系问题。但是,“经济-社会-自然复合系统”复杂关系通过经济产出效率、人口承载效率两个指标的时空格局和影响因素的差异得到了体现。对泛长三角地区,这一差异表现为各市经济产出效率普遍增长、人口承载效率却全都下降；经济结构是主要影响因素,但是对经济产出效率起到促进作用、对人口承载效率却是抑制作用。可见,无论是开展碳生态效率或其他生态效率研究,还是通过相关政策措施来提升生态效率,都需要进行更加全面、深入的考虑。一方面,鉴于不同指标的时空格局及其变化趋势明显不同,需要碳生态效率评价中对指标进行更加全面的考虑,以避免出现通过单一指标评价得到片面、甚至是不客观结论的情况。另一方面,各影响因素与不同指标的关系具有明显的差异性,因此对于某一因素的调控有可能对各个生态效率衡量指标产生明显不同的效应,这也要求对政策制定及其效应进行针对性的评估。无论如何,通过优化产业结构和能源结构、提高能源利用效率等手段实现碳排放低速增长甚至负增长,或是进一步推动经济快速增长和人口快速集聚,是提升经济产出效率和人口承载效率的直接措施。