张仁杰，董会忠，韩沅刚，李 旋

(山东理工大学 管理学院，山东 淄博 255012)

气候变暖是人类共同面对的问题，碳减排、低碳经济已经成为世界各国的共识[1]。据IPCC第四次评估统计指出，全球气候变暖与燃烧化石燃料有着密切的联系。自改革开放以来，我国经济迅猛增长，工业化和城市化进程不断加快，对化石能源的需求量也在不断增大。据国际能源署统计，在2007年我国碳排放量已经超越美国成为第一大二氧化碳排放国，这使得我国在碳减排的国际竞争中处于不利地位[2]。 2009年哥本哈根全球气候大会前夕，中国政府宣布要在2020年实现碳排放量较2005年的降低40%～45%[3]。自“十一五”起，中国政府相继出台了一系列碳减排政策，并取得显著成效。据权威预测，我国将在2030年达到碳排放峰值，之后将逐渐下降，那么如何在保持经济又好又快增长的同时降低碳排放量，是我国顺利完成2020年碳减排目标所面临的首要任务。国内学者对碳排放的研究主要集中在以下几个方面：单因素分析与综合因素分析[4-7]、基于行业的碳排放研究[8-10]、基于区域的碳排放研究[11-13]，除此之外，还包括对碳排放研究模型的探讨，常用的方法模型有STIRPAT模型[14-15]、主成分分析法[16]、LMDI分解法[17]、向量误差修正模型[18]等，多种模型相互结合为碳排放的研究开辟了新思路。综上，国内外学者对碳排放进行了大量的研究，但仍存在不足：注重碳排放量的测算却未分析区域间碳排放强度的差异性；对影响因素的分析忽视了各因素间的空间关联性。本文采用地理加权回归(GWR)、热点分析及空间分析方法，研究中国省域碳排放强度空间相关性、碳排放空间纹理特征和各影响因素空间关联性，明确碳排放空间分布格局、定位高排放区域，对建设生态友好型经济、加快新旧动能转化、促进可持续发展具有重要的现实意义。

1 研究对象及数据来源

本文选取了我国22个省、4个直辖市、4个民族自治区为研究对象(不含西藏、台湾省、海南省、香港和澳门特别行政区数据)。依据IPCC提供的碳排放计算方法，选取了8种主要的能源产品(煤炭、原油、焦炭、柴油、煤油、汽油、燃料油、天然气)。碳排放影响因素指标借助ArcGIS平台的探索性回归模型(Exploratory regression)进行选取，通过比较分析，确定模型为城市化率、科技发展水平、对外开放程度、产业结构、交通强度，此时校正R2在0.9以上，模型显著性较高。模型指标含义见表1。以上指标数据均来源于《中国工业统计年鉴(2007—2016)》《中国能源统计年鉴(2007—2016)》《国家温室气体排放清单指南》及国家统计局网站。其中，单位GDP能耗缺少2012—2016年数据，则根据2007—2011年数据进行线性回归得到预测值，采用预测值进行后续计算。

表1 碳排放影响指标及含义 Tab.1 Carbon emission impact indicators and implications

指标含义城市化率/%城镇人口/总人口科技发展水平/件专利数量对外开放程度/ 万元进口总额+出口总额产业结构/万元第二产业增加值交通强度/辆私人汽车数量

2 碳排放计算方法

依据IPCC提供的方法估算碳排放量，其原理是将能源实物量折算成标准煤,再用折算后的标准煤量乘以各类能源的碳排放系数，最后将结果相加得到总的碳排放量，计算公式为

(1)

式中：CE表示各类能源的碳排放总量；EPQi表示第i类能源的实物量；SCCi表示第i类能源的折算标准煤系数；CECi表示第i类能源的碳排放系数；i表示能源种类数。折算标准煤系数和碳排放系数分别来源于《中国能源统计年鉴(2007—2016)》《国家温室气体排放清单指南》，具体数据见表2。

表2 各类能源折算标准煤系数与碳排放系数Tab.2 Types of energy conversion coefficient to standard coal and carbon emission coefficient

能源种类标煤折算系数碳排放系数煤炭/t0.714 30.755 9焦炭/t0.971 40.855 0煤油/t1.471 40.571 4汽油/t1.471 40.553 8燃料油/t1.428 60.618 5天然气/ Mm312.290 00.448 3柴油/t1.457 00.592 1原油/t1.428 60.585 7

3 实证分析

3.1 碳排放时空特征分析

1)碳排放强度呈波动式增长，碳排放总量与GDP持续增长。2007—2016年我国能源消费碳排放总量由4 158万t增加到12 100万t，增幅为191%，而GDP由279 737亿元增长到780 070亿元，增幅为179%。碳排放总量与GDP及碳排放强度的变化趋势如图1所示。由图1(a)可以看出2007年碳排放总量与GDP的增幅接近，2008—2009年GDP增加速度稍有变缓，2009—2011年又恢复原有增加速度。2011年后，碳排放总量与GDP增加速度基本稳定，但两者绝对增量的差值在不断增大，说明经济增长对于碳排放的影响逐渐增强。碳排放强度是指单位GDP的碳排放量，由图1(b)可以看出，碳排放强度始终处于波动状态。其中，2008—2009年波动幅度最大，碳排放强度由144.48 t/万元增加到154.06 t/万元，增幅为6.6%;2011年后，碳排放强度波动幅度减小，但仍处于增长状态，这与图1(a)中碳排放总量与GDP增长方式基本吻合。

(a)碳排放总量与GDP变化趋势

(b)碳排放强度变化趋势

2)2007—2016年我国能源消费碳排放量空间分布格局变化明显。为直观地观察碳排放总量的空间分布格局，将碳排放量进行分级处理，具体分级见表3。

表3 碳排放量分级表Tab.3 Carbon emission scale

分类低水平较低水平中等水平较高水平高水平碳排放量/万t<100100～250251～500501～750>750

为进一步研究中国省域碳排放的空间纹理特征，借助ArcGRS软件进行渲染，得到主要年份碳排放空间分布格局，如图2所示。由图2可以看出，2007年全国大部分地区处于低排放水平，仅有新疆、重庆、北京、江苏等省市处于中等排放水平，四川省是唯一一个处于较高排放水平的省份。2009年内蒙古、陕西也加入到中等排放水平的行列中，并且广东省的碳排放量迅速增加，达到较高排放水平。2013年中等排放水平的省份数量急剧增加，接近总数的1/3。值得注意的是：该时间段内进入中等或较高排放水平的省份多为沿海地区，同时四川省成为唯一一个达到高排放水平的省份。2016年高排放水平地区又增加了北京、江苏、新疆、广东，较高排放水平地区新增陕西、重庆、河南、山东等省份。整体上看，全国有一半以上的地区碳排放量超过中等排放水平，较高和高排放水平省市主要分布在沿海和西北地区，而较低排放水平的区域主要集中在华南地区。整体上，2007—2016年间我国能源消费碳排放呈明显递增态势，可以看出高排放水平区域多为工业、旅游业大省。近十几年来，我国城镇化发展迅速，各省市工业企业相继取得重大发展，但在发展过程中忽视或缺乏对碳排放的关注与治理，造成经济增长与碳排放的关联程度越来越高。

3.2 碳排放空间相关性分析

对2007—2016年能源消费碳排放进行空间自相关检验，发现研究期内Moran′s I指数始终为负，但P值和Z值并不显著，说明碳排放具有较弱的空间自相关性。为直观反映碳排放是否具有明显的高值或低值集聚，借助ArcGIS中的热点分析工具进行分析，结果如图3所示。

图2 主要年份碳排放空间分布特征

图3 碳排放热点分析

由图3可以得出，2007年碳排放具有明显的热点(高值集聚)，主要包括青海省和甘肃省，但并没有明显的冷点(低值集聚)。2012年碳排放热点集聚程度下降，但仍位于甘肃省附近，2016年后不再有热点。2007—2016年我国能源消费碳排放量不断增加，不同地区间的碳排放差距逐渐缩小。这与图2反映的变化规律基本一致：由2007年的单个高排放水平区域，转变到多个高排放水平区域，中等、较高排放水平区域覆盖了大部分地区，区域间差距变小，所以不再有热点区域。

3.3 碳排放影响因素的空间相关性分析

3.3.1 碳排放影响因素的OLS回归分析

采用普通最小二乘法(OLS)对我国碳排放的影响因素做进一步分析，尝试探寻影响碳排放的关键，结果见表4。从结果中可以看出校正R2大于0.9，说明模型可以解释90%以上的信息，模型拟合度高，碳排放影响因子的OLS回归结果较为理想。具有显著性(P<0.05)的变量主要包括城市化率、对外开放程度、产业结构、交通强度、科技发展水平。其中，城市化率、产业结构与碳排放呈负相关趋势，即城市化率、产业结构值越高，碳排放量越低。多数学者认为城市化率升高，城乡人口结构变动，居民消费和生产水平提高会引起碳排放量的增加。但本文认为城市化水平提高，促进产业结构更加合理，资源利用效率提高，企业向着清洁化方向发展，人口高度集中带来的规模效应，能够降低人均碳排放量，对减少碳排放起促进作用。对外开放程度、交通强度、科技发展水平与碳排放呈正相关趋势。提升对外开放程度吸引大量国外企业在我国投资建厂，从而造成国内企业数量激增，引起碳排放量的增加。同样，交通强度的增加提高了对能源的消耗，同样会造成碳排放量的增加。另外，由回归系数结果可以得出，科技进步对碳排放起促进作用，这可能是由科技研发的长期性、复杂性引起的。

表4 OLS回归结果Tab.4 OLS regression results

项目相关性概率稳健性概率城市化率-0.01∗0.01∗对外开放程度+0.01∗0.01∗产业结构-0.03∗0.02∗交通强度+0.01∗0.01∗科技发展水平+0.03∗0.03∗Koenker统计量0.001 503校正R20.949Jarque-Bera统计量<0.01

3.3.2 碳排放影响因素的GWR回归分析

从OLS模型回归结果可以看出，Jarque-Bera统计量具有统计学上的显著性，说明模型残差没有正态分布，并且Moran′s I指数大于0.2，P值、Z值均显著，说明残差项存在着明显的空间自相关性。地理加权回归模型针对不同空间单元赋予不同权重，能够解决空间位置对于回归结果的影响。本文对具有显著性的5个影响因素分别进行地理加权回归，如图4—图8所示，并对结果进行分析。

1)城市化率与碳排放呈明显正相关趋势，个别地区呈负相关趋势。由图4可以得出：2007年广西、广东的城市化与碳排放空间相关性最高，并逐渐向北递减。到2016年，广西、广东两省的相关性逐渐减弱，青海、甘肃、山西等省份相关性有所上升，并且呈负相关的省份逐渐增多。结合现有学者的研究结论，可以得出：2007—2016年我国城市化率迅速提高，当城市化达到一定水平时，会对碳排放起到一定的抑制作用。

图4 城市化率与碳排放的空间相关性分析

2)对外开放程度与碳排放呈正相关趋势。由图5得出：2007年相关系数以新疆、福建为中心向内陆扩散，并且相关性逐渐降低。2012年高相关性区域扩大，广东、广西、贵州等省份相关性系数升高，说明进出口总额增加对碳排放量的影响程度提升。整体上看，形成以南方地区和新疆为中心向东北方向扩散的趋势。2017年高相关性区域分布分散，形成以新疆、黑龙江和内蒙古、广东和广西为中心向内陆扩散的趋势。

3)产业结构与碳排放呈明显正相关趋势。由图6可以得出：2007年高相关性系数区域位于新疆、福建、湖南和江西，并以此区域为中心向周围扩散。2012年高相关性区域向西部扩大，包括云南、广西等省份，这些省份第二产业增加值对碳排放总量的影响程度提高。2016年高相关性区域有所减小，但减少幅度偏小，整体上形成由西南向东北方向相关性逐渐降低的趋势。

4)交通强度与碳排放呈明显正相关关系。整体上，私人汽车拥有量与第二产业增加值变化趋势类似，呈现出由西南向东北方向逐渐递减的趋势。2007—2016年西南地区相关性系数逐渐升高，说明私人汽车拥有量对碳排放量的影响程度增加。

5)科技发展水平与碳排放呈正相关关系。由图8可以得出：2007年以新疆、福建和江西为高相关性中心向内陆和东北地区扩散。2012年高相关性区域大量增加，但总体趋势仍为西南高东北低，2016年与2012年相比，高相关性区域缩小，说明科技水平对碳排放的影响程度减弱。

图5 对外开放程度与碳排放的相关性分析

图6 产业结构与碳排放的空间相关性

图7 交通强度与碳排放的空间相关性

图8 科技发展水平与碳排放的空间相关性

4 结论

1)时间上，2007—2010年，碳排放总量与GDP增幅接近，碳排放强度波动大，但实际增幅较小；2011年起，碳排放总量与GDP增幅差距逐渐扩大，碳排放强度波动趋于稳定，但增长速度明显升高。空间上，我国能源消费碳排放空间异质性逐渐降低，较高排放水平的省市数量不断增加，由最初的 “锥形结构”(低排放水平省市数量多，高排放水平省市数量少)发展到多个高排放水平区域齐头并进的空间分布格局。

2)我国能源消费碳排放具有较弱的空间自相关性，通过热点分析发现，2007—2016年热点效应逐渐消失，原因是全国各省市的碳排放水平均有所升高，区域间碳排放水平差距不断缩小。

3)采用最小二乘法对碳排放影响因素进行分析，并选出主要的因子，包括城市化率、产业结构、对外开放程度、科技发展水平、交通强度。其中，城市化率和产业结构对碳排放具有抑制作用，本文认为当城市化率达到一定水平时，人口、企业等高度集中有利于发挥规模效应，降低人均碳排放量，同时，企业向清洁化方向发展也能降低碳排放量。对外开放程度、科技发展水平、交通强度对碳排放具有促进作用。

4)结合ArcGIS平台中的地理加权回归模型(GWR)，对选出的主要影响因素进行空间相关性分析，得出：城市化率与碳排放呈正相关关系，个别地区呈负相关。对外开放程度与碳排放呈正相关关系，相关系数由西北、东北和南部向内陆递减。产业结构与碳排放呈正相关关系，高相关性区域数量呈倒“U”型变化。交通强度、科技发展水平均与碳排放呈正相关关系，相关性由西南地区向东北地区逐渐降低。