中国省域碳减排能力时空格局演化研究

李苏伦， 张克勇

（中北大学 经济与管理学院，太原 030051）

改革开放以来，中国经济快速增长，取得了举世瞩目的成就，然而长期粗放型的经济增长方式也使得累积的资源约束和环境污染问题日益突出［1］. 大量化石能源的消耗使得中国的碳排放量逐年增长. 为应对气候变化问题和彰显中国在国际上的大国担当，在第75届联合国大会上，中国首次提出“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”的战略目标. 这表明中国将完成全球最高碳排放强度降幅，用全球历史上最短的时间实现从碳达峰到碳中和，中国未来面临的碳减排压力达到了前所未有的高度.

中国省域碳减排能力的有效提升是减缓二氧化碳排放，如期实现碳达峰碳中和目标的重要手段；同时各省份主体作为我国碳排放的重要担纲者，实现国家层面的碳减排目标有赖于各省份碳减排能力的共同提升. 但是，我国各省份经济状况、产业结构、资源禀赋、科技水平等发展各异，这导致各省份碳减排能力存在较大差异；并且碳减排能力及其影响因素在时间和空间上叠加的积累效应和溢出效应造成了中国省域碳减排能力在时间和空间维度上的异质分布，这些都不利于我国气候变化问题的解决和双碳目标的实现. 因此，研究中国省域碳减排能力在时间维度上的发展态势和在空间维度上的演变格局尤为重要，亟待给出科学的分析和结论.

1 文献综述

目前碳达峰碳中和视角下的碳减排问题是国内外学者研究的热点. 通过对国内外文献进行梳理发现：在我国双碳目标提出之前，已有学者对碳排放影响因素进行了广泛研究. 如Cramer［2］、York［3］、Cole［4］等学者从部门层面分析了人口、城市化水平、能源使用效率等影响因素与碳排放的关系. 还有学者利用LMDI分解模型探究影响中国化石能源消耗碳排放［5］、城乡居民碳排放［6］、交通运输业碳排放［7］的因素. 同时也有学者运用计量模型研究特定变量对碳排放的影响. 如付云鹏等［8］利用空间滞后模型分析人口结构、能源强度、能源结构和产业结构对中国碳排放强度的影响；Xu等［9］、肖雁飞等［10］、邱立新和袁赛［11］与孙振清等［12］利用面板数据模型或动态空间杜宾模型分别研究某些变量对县级层面工业碳排放、全国及区域层面、省域层面与城市层面碳排放的影响；李志学等［13］通过构建影响碳减排效率的制动因素模型，进一步实证分析了产业结构、碳权市场、技术创新对碳减排效率的影响. 另有部分学者从省域异质性、产业异质性视角展开研究. 孙焱林［14］在省域异质性视角下，运用固定效应随机前沿分析方法测算了中国省域碳排放效率并分析了其影响因素.杨莉莎等［15］构建一致性宏观二氧化碳反弹效应研究框架并定量分析了中国各地区不同产业碳排放与技术进步之间的关系. 此外，还有学者运用DID和PSM-DID方法分析了碳交易政策对碳排放的影响［16］.

国内学术界在探究碳减排影响因素的同时也进行了碳减排能力测度与评价方面的研究. 王小兵等［17］在分析东北地区经济发展水平、能源生产与消耗以及环境状况的基础上定量测度了东北各省“十一五”期间的节能减排能力. 姚奕和倪勤［18］在综合考虑影响我国各地区碳减排能力因素的基础上，构建碳减排能力评价指标体系并通过计算最佳投影值测度各地区碳减排能力. 朴胜任和李健［19］从影响区域碳减排能力的五个方面构建评价指标体系，应用基于熵值法的综合评价模型测度了京津冀地区的碳减排能力. 汪明月等［20］则综合考虑经济、社会、环境三个要素构建了区域碳减排能力评价指标体系. 唐德才等［21］通过构建低碳能力综合评价指标体系并运用TOPSIS模型测度了长江经济带11个省份的碳减排能力.

综上所述，碳减排影响因素问题的研究主要集中在从国家、地区、产业、城市等层面进行影响因素差异分析；探究单因素或多因素与碳排放之间的作用机理. 关于碳减排能力测度与评价的研究则相对较少，且已有研究较少考虑到碳减排能力的空间溢出效应，多是运用传统的数据分析方法从时间维度进行评价.基于此，本文在现有研究的基础上做了如下改进：第一，在研究对象上，以我国30 个省（自治区、直辖市）作为主体，从省域视角展开研究；第二，在研究内容上，将时间与空间因素纳入同一框架，研究中国省域碳减排能力的时空动态演化；第三，在研究方法上，将传统数据分析方法与地理信息系统技术结合，以期提高结果的精确性和可视化程度. 因此，本文将基于熵值法构建中国省域碳减排能力评价模型并测度中国省域2006—2018 年的碳减排能力，引入变异系数、基尼系数等统计量和采用探索性空间数据方法（ESDA）和ArcGIS10.2软件分析碳减排能力时间维度上的发展态势和空间维度上的演变格局.

2 中国省域碳减排能力评价模型构建

2.1 碳减排能力评价指标体系

在已有碳减排能力测度与评价的文献中，姚奕和倪勤［18］从产业与能源消费结构水平、对外开放水平、技术与碳汇水平、能源消耗与碳排放水平、经济发展水平五个方面构建评价指标体系；朴胜任和李健［19］从经济发展能力、能源消耗与碳排放能力、碳转移能力、技术与碳汇能力、产业发展能力五个方面构建评价指标体系；汪明月等［20］在测算区域碳减排能力协同度时也构建了相似的指标体系. 本文借鉴相关研究成果［19-21］，采用付云鹏等［8］碳排放强度的测算方法并纳入区域森林覆盖率指标对碳减排能力评价指标体系进行优化（见表1）.

表1 中国省域碳减排能力评价指标体系Tab.1 Evaluation index system of provincial carbon emission reduction capacity in China

2.2 基于熵值法的评价模型

2.2.1 熵值法和指标权重计算

熵值法根据各指标的相对变化程度对系统整体的影响来确定指标的权重，减少了在权重确定过程中主观因素的影响及指标间可能存在的多重共线性问题；不仅能深刻反映出指标的区分能力，也能反映出指标权重随时间的变化，适用于本文碳减排能力的评价研究. 因此，本文选取熵值法确定各指标权重，具体计算步骤如下：

1）原始数据标准化. 为统一评价指标的单位和量纲，本文对原始数据进行了无量纲化处理.

正向指标：

逆向指标：

2）计算第j项指标的第i个省份数据所占的比重.

3）计算第j项指标的熵值.

4）计算第j项指标的差异系数. 对于第j项指标，其值的差异越大，对碳减排能力评价的影响就越大，熵值就越小.

5）计算各指标的权重. 对差异系数进行归一化处理即可得到指标的权重值.

2.2.2 碳减排能力评价模型

本文将经济发展水平、能源消耗与碳排放水平、碳转移能力、技术与碳汇水平、产业发展水平按序记作CRCk（k=1，2，3，4，5）.

式中：lk为第k个碳减排能力指标下的二级指标个数. 按照上述赋权步骤和计算公式，可以得到各省份历年的CRCk，在此基础上进一步求得各省份碳减排能力指数TCRC.

式中：w′k（k=1，2，3，4，5）分别为利用熵值法计算得到的经济发展水平、能源消耗与碳排放水平、碳转移能力、技术与碳汇水平、产业发展水平对碳减排能力指数的贡献率.

3 中国省域碳减排能力评价结果及时空演化分析

3.1 中国省域碳减排能力评价结果

中国于2007年成为全球最大的碳排放国，同年，在发展中国家里，中国第一个制定并实施了应对气候变化的国家方案［21］. 之后相继制定的碳减排目标多以2005年为基准. 鉴于此，综合考虑所选取的碳减排能力指标体系数据的可获得性，本文以2006—2018 为样本期，研究数据主要来源于《中国统计年鉴》《中国能源统计年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》. 应用构建的中国省域碳减排能力评价模型，计算得到中国30个省份2006—2018年的碳减排能力评价值并进行排名（见表2），限于篇幅仅列出2006年和2018年的评价结果.

由表2 可知：第一，26个省份的碳减排能力在样本期内得到不同程度的提升；第二，除吉林、黑龙江、安徽、四川和陕西五省外，其余省份排名并无太大变动；第三，各省份间碳减排能力评价值差异较大，以2018年为例，排名第一北京市的碳减排能力评价值是最后一位青海省的近9倍；第四，整体来看，中国省域碳减排能力在空间上呈现“东高西低”的特征，以2018年为例，排名前5的北京、上海、广东、江苏、浙江全部位于东部沿海地区，而排名后5的贵州、宁夏、新疆、甘肃、青海则全部位于西部地区.

3.2 中国省域碳减排能力时间演化分析

3.2.1 碳减排能力平均水平的发展态势

根据计算得到的中国各省份2006—2018 年碳减排能力评价值，进一步求得其总体变化趋势（见图1）.由图1可知：2006—2013年碳减排能力稳步提升，2013—2018年碳减排能力波动提升；样本期内碳减排能力总体上呈现上升趋势. 碳减排能力的提升源于国家重视低碳经济发展和生态文明建设，各省份不断加大绿色技术创新投入力度和出台相关政策激发碳减排潜力. 2013年后碳减排能力出现波动，从侧面反映出我国绿色低碳循环发展经济体系还不够健全，碳减排要素有待加强和优化，也表明我国碳减排能力仍有提升的空间.

图1 2006—2018年中国省域碳减排能力总体走势图Fig.1 Overall trend chart of China’s provincial carbon emission reduction capacity from 2006 to 2018

中国省域碳减排能力各指标走势图（见图2）可以更好地反映样本期内中国省域碳减排能力的时间演化特征. 由图2可知：样本期内经济发展水平最高且提升明显，由2006年的0.063上升到2018年的0.071，提高了12.560%. 可见，随着我国经济由高速增长转向高质量发展，大力发展低碳经济会使得碳减排能力不断增强. 能源消耗与碳排放水平呈现先升后降的趋势，表明近些年经济发展对能源需求有所增加，国家应合理调整能源结构，出台举措降低对高耗能资源的利用. 碳转移能力则是波动发展，无明显改善，并且其处于中游水平. 可见，碳转移能力对提升碳减排能力的作用空间广阔，需要相应的政策举措来促进碳转移能力的良性发展. 技术与碳汇水平提升最为明显，由2006 年的0.053 提升到2018 年的0.069，提高了29.379%. 各省仍要贯彻落实国家可持续发展战略和绿色发展理念，继续加大在绿色技术创新方面的投入和碳汇方面的宣传，使技术与碳汇水平保持稳步提升. 产业发展水平前期提升缓慢，2015年后持续下降，并且其明显低于其他碳减排能力指标. 这表明近些年我国第三产业和高技术产业发展迟缓，但未来发展态势趋好，各省要加大对高技术产业的扶持力度，以产业转型促进我国碳减排能力提升.

图2 2006—2018年中国省域碳减排能力各指标走势图Fig.2 Trend chart of China’s provincial carbon emission reduction capacity indicators from 2006 to 2018

3.2.2 碳减排能力非均衡性的时间演化

本文引入极差（R）、标准差（SD）、变异系数（CV）和基尼系数（G）对各省份碳减排能力差异性的发展态势进行分析，以更深入地刻画中国省域碳减排能力的时间演化特征. 其计算公式为：

式中：TCRCmax，TCRCmin分别为中国省域碳减排能力的最高值和最低值；tcrc为碳减排能力平均值；TCRC1，TCRC2，…，TCRCn是从大到小的样本值，n为省份数量. 具体的计算结果如表3所示.

表3 2006—2018年中国30个省份碳减排能力描述性统计表Tab.3 Descriptive statistics of carbon emission reduction capacities of 30 provinces in China from 2006 to 2018

由表3可知：样本期内碳减排能力极差呈现先升后降的“倒U型”趋势，反映出不同省份之间碳减排能力由极化增长向均衡发展的过程. 碳减排能力的标准差和变异系数在波动中下降，基尼系数大致呈稳定下降趋势，这表明中国各省份之间碳减排能力的差异在逐渐缩小，正逐步地向优化均衡方向发展.

进一步测算中国省域碳减排能力各指标的基尼系数（见图3）可知：经济发展水平尼基系数在2013年达到最低值，反弹后又有所回落，整体上呈现下降趋势，这表明我国各省的经济发展水平总体上趋向均衡发展. 能源消耗与碳排放水平基尼系数整体呈下降趋势，说明其在各省份之间的差异在不断缩小. 碳转移能力基尼系数降幅明显，说明各省份碳转移能力之间的差异已经急剧缩小. 技术与碳汇水平基尼系数在样本期内稳步下降，说明各省份技术与碳汇水平之间的差异在稳定减小. 产业发展水平基尼系数于2007年达峰值后下降到一定水平呈升降交替，说明产业发展水平呈现极化发展与溢出追赶相互交替的趋势. 此外，整体来看碳转移能力、经济发展水平、技术与碳汇水平的基尼系数偏高，这说明中国省域碳减排能力的差异主要存在于碳转移能力、经济发展水平和技术与碳汇水平方面.

图3 2006—2018年中国省域碳减排能力各指标基尼系数走势图Fig.3 Trend chart of Gini coefficient of China’s provincial carbon emission reduction capacity indicators from 2006 to 2018

3.3 中国省域碳减排能力空间演化分析

3.3.1 全局空间统计分析

1）全局空间自相关检验

全局空间自相关能够反映各省份碳减排能力空间关联程度的总体特征，本文采用“莫兰指数法”（Moran’sI）来表征中国省域碳减排能力的空间关联程度. 计算公式为：

式中：n为省份个数，xi为省份i的碳减排能力评价值，wij为空间权重矩阵. 全局莫兰指数I的取值范围为[-1，1]，I＜0表示各省份碳减排能力之间存在负向的空间相关性；I>0表示存在正向的空间相关性. 本文运用ArcGIS10.2软件测算中国30个省份碳减排能力的全局莫兰指数，结果见表4.

表4 中国省域碳减排能力历年莫兰检验结果Tab.4 Moran test results on the carbon emission reduction capacities of China’s provinces over the years

由表4可知：2006—2018年的Moran’sI均在1%的水平上显著为正，表明中国省域碳减排能力在全域空间上存在显著的正相关性，这说明中国省域碳减排能力具有空间集聚和空间溢出的特征.

2）全局空间格局演化分析

本文选用2006 年和2018 年中国省域碳减排能力的数据，采用自然间断点分级法将各省份碳减排能力分为高水平、较高水平、较低水平、低水平四个等级，并运用ArcGIS10.2软件直观地呈现中国省域碳减排能力的空间演变格局（见图4）.

图4 中国省域碳减排能力空间格局演变图Fig.4 Evolution map of spatial pattern of China’s provincial carbon emission reduction capacity

由图4可知：2006年，高水平碳减排能力省份有3个，分别是北京、上海、广东；较高水平碳减排能力省份有4个，分别是天津、江苏、浙江、福建；较低水平省份有14个；低水平省份有9个. 2018年，高水平碳减排能力省份有5个，新增原先为较高水平的江苏和浙江；较高水平碳减排能力省份有6个，辽宁、山东、湖北和重庆由较低水平碳减排能力省份上升到较高水平省份；较低水平省份有8个；低水平省份有11个. 整体来看，高水平与较高水平碳减排能力省份数量增加，表明各省份碳减排能力水平呈上升趋势；但东西差异仍然巨大，处于低水平的中西部省份几乎没有变动. 此外，2018年中国省域碳减排能力呈现出更明显的空间集群化特征，形成了“京津”“长三角”“珠三角”等高水平地带.

3.3.2 局部空间统计分析

1）局部空间自相关检验

局部空间自相关分析可以识别异常值或者集聚出现的范围和位置，反映的是不同省份之间的集聚模式和集聚程度. 本文采用“局部莫兰指数法”（Local Moran’sI）来判断各省份之间的集聚模式和集聚程度，计算公式为：

在测算局部莫兰指数的基础上将中国省域碳减排能力分为四种空间集聚模式，即高高集聚（H-H）、高低集聚（H-L）、低高集聚（L-H）、低低集聚（L-L），Ii>0表示邻近省份的碳减排能力存在正向的空间集聚效应（H-H或L-L）；Ii＜0表示邻近省份的碳减排能力存在负向的空间集聚效应（H-L或L-H）. 为探究中国省域碳减排能力的空间异质性，本文运用Stata15.1软件绘制2006年和2018年碳减排能力的Moran’sI散点图（见图5、图6）. 由图5和图6可知，2006年和2018年中国省域碳减排能力集聚模式变化不大，表现出一定的时空惯性.

图5 2006年碳减排能力Moran’s I散点图Fig.5 Moran’s I scatter plot of carbon emission reduction capacity in 2006

图6 2018年碳减排能力Moran’s I散点图Fig.6 Moran’s I scatter plot of carbon emission reduction capacity in 2018

2）局部空间冷热点分析

为考察某省份是否为碳减排的热点或者冷点省份，本文测算了中国30个省份碳减排能力的局部Getis-OrdGi*指数值. 计算公式为：

根据局部Getis-OrdGi*指数值将中国省域划分为热点区、次热点区、随机分布区和冷点区，运用ArcGIS10.2软件绘制2006年和2018年中国省域碳减排能力冷热点分布图（见图7）以进一步揭示中国省域碳减排能力的空间演变格局.

图7 中国省域碳减排能力冷热点分布演变图Fig.7 Evolution map of hot and cold spot distribution of China’s provincial carbon emission reduction capacity

由图7可知：2006年碳减排热点省份只有上海；次热点省份有5个，分别是北京、天津、江苏、浙江、福建；冷点省份有4个，分别是内蒙古、甘肃、陕西、四川；其余省份均处随机分布区. 2018年随着陕西与四川退出冷点省份，新疆进入冷点省份，冷点省份变为3个，其余省份冷热点未发生变化. 整体来看，中国省域碳减排冷热点分布呈现“东热西冷”的空间格局，并存在冷点区不断向西部扩散的趋势.

4 结论与政策建议

4.1 研究结论

本文首先从经济发展水平、能源消耗与碳排放水平、碳转移能力、技术与碳汇水平、产业发展水平五个维度测度了中国省域2006—2018年的碳减排能力；其次引入变异系数、基尼系数等统计量从时间维度分析中国省域碳减排能力平均水平和非均衡性的演化格局；最后采用探索性空间数据方法（ESDA）从空间维度分析中国省域碳减排能力的全局空间和局部空间演化格局. 主要结论有：

1）时间维度上的集中趋势：中国省域碳减排能力前期稳步提升，后期波动提升，整体上呈现上升趋势；经济发展水平和技术与碳汇水平在样本期内提升明显，能源消耗与碳排放水平和产业发展水平提升后又有所回落，碳转移能力无明显改善；总体上产业发展水平明显低于其余碳减排能力指标，产业发展短板突出.

2）时间维度上的离散趋势：变异系数和基尼系数的下降表明中国省域碳减排能力正逐步向优化均衡方向发展；能源消耗与碳排放水平、碳转移能力、技术与碳汇水平的基尼系数呈现明显下降趋势，经济发展水平的基尼系数总体呈下降趋势，产业发展水平则呈现先下降后波动趋势. 整体来看，中国省域碳减排能力的差异主要存在于碳转移能力、经济发展水平和技术与碳汇水平方面.

3）空间维度上的全局格局：全局空间自相关检验显示，中国省域碳减排能力在全域空间上存在显著的正自相关性，具有空间集聚特征；总体来看，中国省域碳减排能力在空间上呈现出“东高西低”的特征，且表现出更明显的空间集群化特征.

4）空间维度上的局部格局：莫兰散点图显示，样本期内中国省域碳减排能力集聚模式变化不大，表现出一定的时空惯性；局部Getis-OrdGi*指数冷热点分析显示，中国省域碳减排能力呈现“东热西冷”的空间格局，并存在冷点区不断西扩的趋势.

4.2 政策建议

1）国家层面要做出更详细的“顶层设计”来保障中国省域碳减排能力的持续提升和优化均衡发展. 在提升能力方面，要加快建立健全绿色低碳循环发展经济体系，建立减排市场机制与生态创政策的协调机制；在优化均衡发展方面，要实施差异化的低碳转型发展战略，各省份根据自身情况加强碳转移能力培养，加大绿色技术创新投资力度.

2）省域层面要坚持问题导向，因省施策. 碳减排能力弱的省份，首要的是识别出制约自身碳减排能力提升的根本原因，有针对性地出台相应政策举措；其次要增强接收高水平省份辐射和示范作用的能力. 碳减排能力强的省份，要继续从碳转移和第三产业发展方面寻求进一步提升碳减排能力的方案.

3）我国要建立健全合作减排政策机制，尽早实现多省域优势互补联动发展机制设计. 宏观层面上布局省域碳减排网络，借助空间溢出效应实现合作减排；中观层面上有序加强东西部省份的碳减排合作，由东部高水平省份带动西部低水平省份，由碳减排热点省份引领碳减排冷点省份；由此构建全方位、多层次、宽领域的碳减排格局.