长江经济带不同等级城市碳排放时空格局演变及脱钩效应研究

王艺熹 柳知雨 付赛

摘 要：“双碳”目标下，如何在保持经济稳定增长的同时降低碳排放是我国面临的严峻挑战。本文运用空间自相关分析探究长江经济带2015—2019年碳排放的时空格局演变。基于扩展的Tapio模型探讨长江经济带总体和各等级城市碳排放与经济增长的脱钩关系。研究表明：长江经济带碳排放呈显著的正自相关，并形成了以超大型城市和特大型城市为主的碳排放高-高聚集和以大型城市为主的碳排放低-低聚集；长江经济带脱钩弹性大多处于弱脱钩与强脱钩状态，个别年份出现扩张性连接和扩张性负脱钩，长江经济带整体脱钩状态较乐观，但并未实现由弱脱钩迈向强脱钩。

关键词：不同等级城市碳排放；空间自相关；脱钩效应；Tapio模型；长江经济带

本文索引：王艺熹，柳知雨，付赛.长江经济带不同等级城市碳排放时空格局演变及脱钩效应研究[J].中国商论，2023（07）：-130.

中图分类号：F127 文献标识码：A 文章编号：2096-0298（2023）04（a）--04

长江经济带作为 “三大战略”之一，是引领经济高质量发展的排头兵，也是建设绿色生态文明的示范带。因此，本文以长江经济帶为研究范围，探究其碳排放时空格局演变以及脱钩效应，有利于探索碳减排与经济增长双赢的新模式。

在全球气候变暖的时代背景下，碳排放的相关研究倍受学术界关注。从特征及趋势上，国内外学者大多以时序[1-2]与空间[3-4]两大视角对碳排放的演变格局进行探究。从驱动因素及相关关系上，现有研究主要运用Kaya模型[5]、IPAT方程[6]、LMDI模型[7]及STIRPAT[8-9]模型探究碳排放的驱动因素，在众多因素中尤以碳排放与经济增长之间的脱钩关系颇受重视。目前针对脱钩效应的分析方法主要为Tapio理论[10]，随着相关研究的逐步发展，越来越多的学者拓宽了脱钩分析的视野，从时序演变、空间差异等角度进行研究[11-13]。综上，目前国内外学者针对碳排放构建了较为完善的理论研究体系，但大多局限于国家、省域等宏观视角，缺乏中观层面的研究，且在研究范围的数量上，现有研究多仅着眼于单个区域，针对多个区域尤其是多个层次、等级区域间的研究仍存在较大空白。除此之外，目前大多数关于脱钩效应的研究仅基于传统的Tapio理论，忽略了不同地区间人口、经济发展等差异带来的影响。

基于上述背景，文章以长江经济带共计110个城市为研究对象，为了更好地厘清长江经济带各等级城市碳排放时空格局演变，根据《关于调整城市规模划分标准的通知》，将长江经济带110个城市划分为超大型城市、特大型城市以及大型城市三大类。运用空间自相关分析和扩展的Tapio模型分别探究碳排放时空演变格局和脱钩效应。以上分析能够弥补现有研究在区域范围的多层级以及忽略其他影响因素等方面的缺陷，同时为不同等级城市提供差异化减碳策略建议，使各级城市因地制宜减排并优化经济产业结构，从而助力实现碳减排与经济增长“双赢”。

1 研究方法和数据来源

1.1 研究方法

1.1.1 空间自相关分析

本文利用全局空间自相关分析描述碳排放研究区域的整体空间关联特性及差异程度，选用Morans I指标进行衡量，I的取值范围为[-1-1]，大于0为正相关，小于0为负相关，等于0为空间无关，公式如下：

式中：n为研究地域的城市数量，w?j为城市i和j城市共同构成的空间权重矩阵，xi和xj分别为城市i和j城市的碳排放量。

局部空间自相关，利用LISA进行聚类检验，描述碳排放局部单元与邻近单元的空间关联性和差异程度，公式如下：

式中：Ii>0时，表明相邻的城市碳排放呈正的空间自相关，为“高-高”或“低-低”类型，相邻的城市碳排放存在高（低）类聚，当Ii<0时，表明相邻的城市碳排放呈负的空间自相关，为“高-低”或者“低-高”类型，高（低）碳排放城市被低（高）碳排放城市包围。

1.1.2 扩展的Tapio脱钩模型

为了更加全面地反映长江经济带总体和不同等级城市碳排放和经济增长之间的脱钩关系，文章采用碳排放总量、人均碳排放量、碳强度这三个指标分别计算与经济增长之间的脱钩弹性与脱钩状态[14]。公式如下：

式中，%?TCO2表示当期碳排放总量的增长幅度，%?PCO2表示当期人均碳排放量的增长幅度，%?GCO2表示当期碳强度的增长幅度，%?GDP表示当期地区生产总值的增长幅度。具体脱钩状态划分及含义见表1。

1.2 数据来源

本文以2015—2019年为研究时段，所有数据均来自现有的官方统计数据。城市地区生产总值和人口均来自各市统计年鉴及长江经济带大数据平台，城市碳排放量数据来自CEADs城市碳排放清单，人均碳排放量通过碳排放总量和人口数核算得出，碳排放强度通过碳排放总量和地区生产总值核算得出。部分缺失的数据利用插补法进行填补。

2 长江经济带碳排放的时空格局演变

根据式（1），利用GeoDa软件，测算出长江经济带总体Morans I的正态统计量Z值均超过0.01的置信水平的临界值2.58，通过显著性检验。如表2所示，长江经济带总体2015—2019年各年的Morans I值均大于0，表明其碳排放具有空间正相关关系。随着时间的推移，Morans I的值呈现上升趋势，由2015年的0.5898增至2019年的0.7182，表明长江经济带碳排放空间关联程度趋于增强，碳排放相似的城市在空间上更加趋于集中分布。

基于长江经济带2015—2019年的碳排放情况做进一步局部空间相关性分析。分析可知，2015—2019年长江经济带碳排放的局部空间集聚特征明显，且碳排放空间格局基本上保持稳定。长江经济带碳排放高-高聚集区以超大型城市和特大型城市为主，主要分布在上海市、南京市等东部城市，武汉市等中部城市以及以重庆市等西部城市，即碳排放较高的地级市趋于和碳排放较高的地级市相邻。这是因为上海市、重庆市等城市的经济发展较快，且人口密度大、重工业集聚、能源消耗大，所以碳排放呈现高-高聚集状态。长江经济带碳排放低-低聚集区以大型城市为主，主要分布在四川、云南等西部省份以及安徽、江西等中部省份，即碳排放较低的地级市趋于和碳排放较低的地级市相邻。例如，广元市和眉山市等城市的人口集中度、人均GDP相对较低，且以农业、旅游和轻工业为主，也是国家森林城市，因此碳排放呈现低-低聚集。研究时段内，长江经济带均未出现高-低、低-高聚集区，表明长江经济带碳排放的空间分布具有强空间自相关性，即极显著性空间聚集模式。

3 长江经济带的脱钩效应

3.1 碳排放总量脱钩效应分析

根据图1可知，长江经济带总体和不同等级城市在研究时段内碳排放总量脱钩弹性处于强脱钩和弱脱钩的年份约占所有年份的93.8%，仅有超大型城市在2018—2019年碳排放总量脱钩状态呈现扩张性连接。由此可见，长江经济带整体GDP与碳排放量的脱钩态势大体较为乐观。虽然长江经济带总体和不同等级城市的地区生产总值增长率在研究时段内均大于碳排放增长率，却并未拉开较大差距。因此，需要进一步强化减排效率，促进长江经济带碳排放总量脱钩弹性从“弱脱钩”向 “强脱钩”稳定推进。

3.2 人均碳排放量脱钩效应分析

“人均碳排放”指标消除了地区间人口差异的影响，更能全面反映碳排放与经济增长的脱钩关系。根据图2可知，长江经济带总体在研究时段内人均碳排放量脱钩弹性呈增-减-增态势。超大型城市和特大型城市的人均碳排放量2015—2016年均呈强脱钩状态，2016—2019年则呈弱脱钩状态。这是因为2014年国务院发布《2014—2015年节能减排低碳发展行動方案》，各省也出台了相应的实施方案，使人均碳排放出现了短时间的下降。大型城市中2016—2017年呈现扩张性负脱钩状态，人均碳排放增长达到经济增长的1.5倍左右，说明此阶段大型城市对化石能源的依赖程度变大，是一种较为粗放的经济增长方式；2017—2019年人均碳排放与经济增长回归合理的阶段，处于弱脱钩状态。人均增速放缓，各地级市的经济依旧处于高增长阶段，经济增长方式由粗放型转变为相对集约型。

3.3 碳强度脱钩效应分析

“碳强度”指标消除了地区间经济发展不平衡的影响，可以更全面地反映碳排放与经济增长之间的脱钩关系。如图3所示，2015—2019年长江经济带总体和不同等级城市碳强度均呈现负增长态势，且GDP均保持稳定速度的增长，故碳排放脱钩状态均呈现强脱钩。因此，长江经济带2015—2019年碳强度与经济增长的脱钩关系一直处于稳定理想状态。

4 结语

综合以上分析，本文得出以下结论：（1）长江经济带总体2015—2019年Morans I的正态统计量Z值在1%水平下显著，且碳排放空间集聚性持续增强；（2）长江经济带碳排放的空间分布具有强空间自相关性，高-高聚集区以超大型城市和特大型城市为主，低-低聚集区则以大型城市为主；（3）归纳各类脱钩指标，得出长江经济带2015—2019年碳排放与经济增长大多处于弱脱钩与强脱钩状态，个别年份出现扩张性连接和扩张性负脱钩。长江经济带整体脱钩状态大体较为乐观，但并未实现由“弱脱钩”向“强脱钩”的推进。

根据上述研究结论，文章提出如下政策建议：根据碳排放情形相似的地级市制定同类减排政策。对于高-高聚集区的地级市，应开展区域减排协同共治，降低中心城市的碳排放，使其碳减排的影响溢出周边城市；对于低-低聚集区的地级市应继续保持中心区域的减排措施现状，使其周围城市获得示范效应。同时，积极推进绿色可持续经济发展模式，优化经济结构并加快产业结构转型。

参考文献

陈秋红.湖南省碳源与碳汇变化的时序分析[J].长江流域资源与环境，2012，21（6）：766-772.

邱子健，靳红梅，高南，等.江苏省农业碳排放时序特征与趋势预测[J].农业环境科学学报，2022，41（3）：658-669.

王兆峰，李竹，吴卫.长江经济带不同等级城市碳排放的时空演变及其影响因素[J].环境科学研究，2022，35（10）：2273-2281.

张赫，彭千芮，王睿，等.中国县域碳汇时空格局及影响因素[J].生态学报，2020，40（24）：8988-8998.

孙叶飞，周敏.中国能源消费碳排放与经济增长脱钩关系及驱动因素研究[J].经济与管理评论，2017，33（6）：21-30.

王杰，李治国，谷继建.金砖国家碳排放与经济增长脱钩弹性及驱动因素：基于Tapio脱钩和LMDI模型的分析[J].世界地理研究，2021，30（3）：501-508.

吴洋，范如国.基于弹性脱钩理论的我国碳排放及经济增长研究[J].科技管理研究，2014，34（20）：221-225.

Dietz T，Rosa E A. Rethinking the environmental impacts of population，affluence and technology [J]. Human Ecology Review，1994，1（2）：277–300.

Su K，Lee C M. When will China achieve its carbon emission peak？ A scenario analysis based on optimal control and the STIRPAT model[J]. Ecological Indicators，2020，112：106138.

Tapio P . Towards a theory of decoupling：degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J]. Transport Policy，2005，12（2）：137-151.

李振环，冯学钢，王亚玲.中国旅游业碳排放脱钩效应测度与时空格局演变[J].统计与决策，2021，37（22）：46-51.

程慧，徐琼，郭尧琦.中国旅游业碳排放脱钩的空间异质性及其驱动因素[J].华东经济管理，2020，34（3）：86-93.

黄国庆，汪子路，时朋飞，等.黄河流域旅游业碳排放脱钩效应测度与空间分异研究[J].中国软科学，2021（4）：82-93.

齐绍洲，林屾，王班班.中部六省经济增长方式对区域碳排放的影响：基于Tapio脱钩模型、面板数据的滞后期工具变量法的研究[J].中国人口·资源与环境，2015，25（5）：59-66.