中国省际碳排放极化格局研究

肖黎姗 王 润 杨德伟 孙艳伟 刘 健

(1．中国科学院城市环境研究所，中国科学院城市环境与健康重点实验室，福建厦门361021;2．厦门市城市代谢重点实验室，福建 厦门361021)

中国省际碳排放极化格局研究

肖黎姗1，2王 润1，2杨德伟1，2孙艳伟1，2刘 健1，2

(1．中国科学院城市环境研究所，中国科学院城市环境与健康重点实验室，福建厦门361021;2．厦门市城市代谢重点实验室，福建 厦门361021)

温室气体减排是减缓气候变化的重要途径。由于资源、劳动力、资本和技术等要素的差异，我国社会经济发展不平衡，碳减排的潜力也各不同。文章在计算中国省际碳排放的基础上，运用基尼系数和空间自相关的方法，刻画了1990年到2007年中国省际碳排放时空分布格局和聚集程度，有利于设立合理的长期减排目标和战略，实现碳排放空间的公平分配，促进区域协调发展。研究表明，碳总量和碳强度都呈现正的空间自相关性，在局部空间上出现了高值的聚集现象。碳强度的极化现象比碳总量更加严重。文章最后根据区域经济发展，资源禀赋，碳排放聚集等，因地制宜地提出了碳排放区划方案。区划结果显示出资源丰裕程度与碳强度的关系，有利于实施差异化的减排战略，实现经济发展与碳排放脱钩。

空间自相关;极化格局;碳聚集;碳排放区划

气候变化正日益成为全球各国面临的巨大挑战，对人群健康、社会经济发展和生态系统服务产生深远影响［1］。各国应对气候变化的行动力度正日益加强。欧盟、金砖四国以及美国都从国家尺度提出了应对气候变化的战略和减排目标，区域、城市以及社区层面的气候规划和减缓方案也逐渐兴起和完善［2－4］。国际社会已经达成共识，持续的碳减排是积极应对气候变化的重要措施［5］。国际能源机构的数字显示，2007年中国人均碳排放量虽然不到美国的1/3，但首次超过世界平均水平。1990年中国碳排放总量占世界的10．54%，到2007年则上升到20．81%，略高于美国。中国碳排放的研究引起国内外学者广泛关注［6－15］，就碳排放特征、累积碳排放、碳公平测度、演变趋势、驱动机制和政策模拟等进行了研究，涉及时间、部门和空间三个维度，但是研究仍然主要集中在碳排放的数量增长方面［16］。21世纪以来，国际间的碳公平问题逐渐成为研究的热点，被视为制定气候变化政策和国际间碳减排责任的谈判的重要依据之一［17－20］。

中国承诺到2020年全国单位国内生产总值CO2排放要比2005年下降40% －45%。十二五期间，单位国内CO2排放要降低17%。碳排放水平是由一个国家或地区的技术水平、富裕程度、能源结构、经济结构、人口结构等因素共同决定的，在不同的发展阶段，这些因素对碳排放量的影响作用也不尽相同［21－22］。我国地域广阔，能源格局和社会经济发展存在显著区域差异，间接导致区域碳排放特征和减排潜力的差异，但是在研究中鲜有将空间维度的影响加以考虑。因此，有必要综合利用经济学和空间统计的方法进一步研究区域性的碳排放公平问题。

本文分析碳排放的阶段性和区域性特点，研究碳排放的空间格局和演变趋势，探索区域聚集特点和极化现象。本研究包括两个目的:第一，摸清碳减排的潜力，为区域碳减排提供理论依据，实现差异化的减排战略;第二，探索碳排放空间的公平分配，促进区域协调发展，有助于保持经济平稳较快发展，并为低碳社会的实现路径提出决策参考。

1 研究方法

1．1 碳排放计算方法

IPCC为碳排放计算提供了两种方法，分别是参考方法(亦称基准方法，Reference Approach)和部门方法(Sectoral Approach)［23］。参考方法是一种自上而下的方法，仅考虑总体的能源使用而忽略各种能源在不同部门的消耗情况，该方法的计算公式为:

其中，Ei为能源活动水平，efi为碳排放系数，Oi为氧化系数，i为某种能源种类是CO与碳的分子量之比。2

部门方法采用自下而上的方法，对各部门的能源消耗情况进行逐一计算，在计算时更强调部门信息的细化和计算。相比而言，参考方法更加简便快捷。一般来说，两种方法的计算结果差异在5%以内，而且这两种方法所得到的碳排放趋势是一致的［24］。由于源数据，方法和排放边界的差异，不同机构计算出来的碳排放量略有不同，与各国官方报告的数据也有所区别。考虑到系统误差的存在，碳排放趋势比绝对量更可靠。为刻画碳排放的年际和时空变化趋势，本文采用参考方法进行碳排放的计算。基础数据来源于中国能源统计年鉴、中国统计年鉴。碳排放系数采用国家发改委能源研究所“中国可持续发展能源暨碳排放情景分析”中的数据［25－26］。

1．2 基尼系数

基尼系数是经济学中判断居民收入分配差异的最常用的指标，表示人口比例与收入比例的关系［27］，用以静态地表征社会财富的分配情况。随着碳公平问题的日益凸显，碳基尼系数作为碳排放公平性的有效测度工具，近年来在国际上得到应用［17－20］。本文利用基尼系数来研究区域碳排放分布的不均衡性，基尼系数的计算采用梯形面积法，计算公式如下:

其中，xi是评估指标的累计比例;yi是碳排放的累计比例。本研究中，xi采用GDP的累积比例计算。yi采用碳总量和碳强度进行计算。

一般来说，基尼系数小于0．2表示绝对平均，0．2－0．3之间表示比较平均，0．3 －0．4 之间为相对合理，0．4 －0．5为差距较大，0．5以上表示差距悬殊。

1．3 空间自相关

基尼系数可以表征个别地区碳排放出现极值的情况，但是无法反映空间关系和结构，如聚集程度［28］。因此，研究采用空间自相关方法分析碳排放的空间分布特征。空间自相关是基于地理学第一定理，分析同一个变量在不同位置上的相关性，可分为全局自相关和局部自相关。全局自相关表示某一地理属性在整个研究区域的空间特征，从整体上对区域的空间相关性进行平均度量，而局部自相关则表示某一单元与邻近单元的地理属性的空间相关性，可判定其空间异质性和局部聚集程度［29－34］。利用GEODA软件建立权重矩阵。

利用Global Moran'I来衡量全局自相关性，用公式(3)表示。

利用Local Moran'I来衡量局域自相关，用公式(4)表示。

其中，n是空间单元数目，xi和xj是空间单元i和j的属性值，Wij是权重系数矩阵，表示各空间单元邻近关系。

Moran'I取值范围为［－1，1］，(0，1］表示该空间属性具有正相关性，［－1，0)表示该空间事物的属性分布具有负相关性，0表示空间随机分布。

2 结果与讨论

2．1 碳排放基尼系数

利用公式(1)计算了1990－2007年间各省份的碳排放状况，包括碳总量和碳强度，在此基础上，计算碳排放基尼系数(见图1)。在1990－2007年间，碳总量经历了持续性的稳步增长，增加了1．72倍;而碳强度则降低了49．2%，各省碳强度在经历了剧烈的降低之后，在2000年之后，下降的速度有所减缓。

从基尼系数可以看出，碳总量在全国各省区的排放比较平均，从20世纪90年代至今，基尼系数增加了18%，但是2000年之后，7年间仅增加了1．9%。全国各省份碳强度差距悬殊，基尼系数始终在0．5以上，虽然2000年后处于稳定的状态，但是仍比1990年增加了22%，说明碳强度的空间不均衡性在2000年后更加凸显。大量研究表明，经济增长是碳排放的主要驱动因子，在经济发展的不同阶段，碳排放与经济发展水平呈现不同的形态［21，35］。碳强度的基尼系数及其增速均高于碳总量，进一步验证了各省区经济发展不平衡的加剧。

图1 中国各省区碳总量和碳强度基尼系数Fig．1 Gini coefficients of total carbon emission and carbon intensity

2．2 碳排放空间自相关

2．2．1 全局空间自相关分析

利用公式(2)和(3)得出Global Moran's I的时间序列变化(见图2)。从20世纪90年代至今，碳总量和碳强度都显示出较强的空间自相关性。碳总量的Global Moran's I总体上比较平稳，但略有上升，特别是进入2000年后，碳总量的空间正相关性有所增加，空间聚集效应日益凸显。碳强度则呈现明显的波动，出现了先下降后上升的趋势。在空间聚集上，碳总量和碳强度也呈现出很大不同。在2000年之后，碳总量的空间聚集程度略高于碳强度的聚集程度。

2．2．2 局部自相关分析

为了更清晰的展示碳总量和碳强度格局的时空演变，利用LISA图来表示各主要年份的区域属性的相互关系(见图3)。高值聚集High－High表示某区域与其相邻区域的有较高的聚集效应，高值区邻近区域仍旧是高值区;低值聚集Low－Low表示有较低的聚集效应，低值区邻近区域仍然是低值区;表征为High－High和Low－Low的区域均表明相邻区域具有比较高的空间自相关。高低聚集High－Low和低高聚集Low－High表明某区域与其相邻区域存在较大差异，出现了空间负相关。

图2 中国碳总量和碳强度全局自相关系数Fig．2 Globalmoran's Iof total carbon emission and carbon intensity

图3 中国碳总量和碳强度的LISA聚集图(1990，2007)Fig．3 LISA clustermap of total carbon emission and carbon intensity(1990，2007)

从图3可见，1990年碳总量的高值有一个相对“离散”的聚集区域，集中在内蒙古，吉林，河北，河南和山东。而在2007年，高值聚集区域集中在河北，河南，山西和山东的环形区域。1990年碳强度高值聚集区域集中在内蒙古，黑龙江，吉林，辽宁，河北，山西，陕西和甘肃。碳强度2007年高值聚集的区域比1990年缩小，最显著的变化是东北地区碳强度高值区减弱了，高值集聚区域转移到内蒙古，甘肃和陕西三省。东南部省份经济发展和碳排放水平决定了1990年和2007年广东省始终处于碳强度低值聚集区。

2．3 碳排放时间演变和空间分布规律

在碳排放基尼系数分析基础上，通过空间自相关方法，可以分析碳排放的区域极化现象，阐释碳排放的空间分布特征和演变规律。

近20年来，中国碳总量和碳强度聚集区域都发生了变化，这与国家的区域经济布局(见图4)及能源消费战略有很大关系。1990年碳总量最高的5个省份是辽宁、山东、河北、山西和黑龙江，2007年，碳总量最高的5个省份是山东、山西、河北、河南和江苏。碳总量的区域变化导致了2007年碳总量的高值聚集区比1990年更为集中。在20世纪90年代初，东北地区以能源重工业为主导，能源消耗较大，导致碳强度最高。到2007年，东北老工业基地经济发展速度放缓，GDP比重占全国的比例从12%下降到8%，同时随着山西和内蒙等能源大省的兴起，东北的碳强度在全国的区域格局上出现相对下降。因此，东北地区碳强度聚集程度逐渐降低，到2007年处于全国中等水平。由于产业结构，经济发展和技术进步等原因，江苏、广东、福建和浙江省虽然2007年比1990年的碳总量格局更加靠前，处于第二梯队，但是碳强度始终比较低，导致了广东省为碳强度低值聚集区。总体而言，碳强度北方高于南方，中西部地区高于经济比较发达的东部地区。

碳总量和碳强度都出现了明显的空间分异特征，尤其是碳强度在区域经济发展的背景下，出现了极大的省际不平衡，较之20世纪90年代，这种不平衡性还在进一步扩大。与此同时，碳排放出现局部的高值的聚集现象。

图4 省际GDP所占比重(1990年，2007年)Fig．4 GDP proportion in provinces(1990，2007)

2．4 碳排放区划

1990－2007年，我国的区域碳排放产生了动态变化。因此，制定碳减排策略时，应充分考虑到经济发展，资源禀赋，碳排放的聚集程度以及能源供给情况。本研究结合碳强度的区域聚集特征分析，从宏观上对碳排放进行区划(见表1)，有利于实行差异化的减排战略，以期实现经济发展与碳排放脱钩。

根据区划结果，碳排放与能源自给率存在一定关系，利用最小二乘法(OLS)对能源自给率和排放度进行拟合(见图5)。拟合结果表明，能源自给率和碳强度二者呈显著正相关，相关系数为0．689。能源自给率越高的省份，碳强度也比较高，能源自给率对碳强度的解释能力为47．4%。碳总量的分布比较离散，虽然随着能源自给率的提高略有增加，但增加的趋势不如碳强度的明显，对碳排放的解释能力较差(见图5)。

在资源匮乏地区，经济发展反而比较快，往往伴随着较低的碳排放水平，分布在以东部沿海地区为代表的Ⅰ类区;资源丰裕地区，经济发展相对滞后，碳排放水平较高，分布在以内蒙古，山西等能源大省为代表的Ⅲ区。主要原因在于:①人口，经济增长和能源消费是碳排放的主要驱动力［25，36］。人口和经济增长的趋势导致对碳排放贡献逐渐增加。能源消费在能源结构和能源强度方面，对碳排放起着重要作用;②资源对经济发展有正反两方面作用。资源丰裕地区的经济发展水平普遍落后于资源匮乏地区，这是传统的“资源诅咒(Resource curse)”理论的内涵［37－38］。伴随着各地区制度，技术和产业结构的调整和差异，自然资源对许多地区的经济发展并没有起到推动作用;③资源丰裕地区的经济发展模式属于资源依赖型，对劳动和资本等要素具有挤出效应，使得各种经济要素向资源型行业流动，极大助长了高碳行业的发展快速;加上自身的资源丰度，能源利用模式也比较粗放，间接导致碳排放的增加。以山西省为例，作为碳排放的大省，产业结构的重化工倾向日益增加，2007年重工业总产值占工业比重达到93．9%。资源丰裕地区的碳排放总体上高于资源匮乏地区。在气候变化与低碳经济的的背景下，资源丰裕地区的社会经济发展将受到严峻的挑战。

表1 碳排放区划方案Tab．1 Carbon Emission Regionalization in China

因此，应根据碳减排分析的区划结果，制定差异性的区域碳减排目标和碳减排战略。在碳排放Ⅰ区，能源自给率低，碳强度低的经济发达地区，现阶段由于低碳能源的开发成本高于传统能源，需要大量资金投入和政策倾斜。这些地区以发展低碳能源为主，在新能源的资金、技术和制度上创造发展条件。实施可持续的能源发展战略，有利于发展低碳经济，并切实保障能源安全。在碳排放Ⅱ区，新能源的优势并不明显，因此还应该着眼于改变经济增长方式，促进产业升级和能源集约利用，降低经济增长对能源的依赖，切实提高能源效率和能源服务水平。在能源自给率高、碳强度高、经济相对落后的碳排放Ⅲ区，利用资源丰裕度提高生产力，实现资源红利，摆脱“资源诅咒”。同时，大力开发清洁煤技术，改变能源粗放利用的模式，提高单位能源的服务价值，使生产要素自由流动，加强资源的正效应。在太阳能和风能比较丰富的省份，还可利用东部发达地区的资金，为可再生能源发展助力。

图5 能源自给率与碳排放关系(2007)Fig．5 Relationship between energy self-sufficient rate and carbon emission(2007)

3 结论

在碳排放核算的基础上，利用经济学的基尼系数方法和地理学的空间自相关的方法，分析了碳排放的时空演变特征，主要结论如下:

(1)碳强度在各省份之间出现了极化现象，碳强度的差异尤为悬殊。碳排放在空间上出现了局部的高值区聚集现象。但从时间上看，2007年碳总量的高值聚集区比1990年更加集中，碳强度的高值聚集区随着东北地区的变动而缩小。

(2)针对碳排放及其聚集程度，对碳排放进行区划。碳排放区划与资源丰裕程度有很大相关性。资源丰裕地区出现了类似于“资源诅咒”的现象，碳强度普遍较高，而资源匮乏地区碳强度反而低。

(3)由于经济，资源，劳动力，资本，技术等要素的差异，我国不同区域之间的碳减排潜力不同，减排方向也不同。因此应针对不同区划结果在含碳能源利用和新能源开发上应各有侧重，才能实现碳强度的下降。

本文探讨了碳排放的时间和空间两个基本要素，分析了区域间的碳公平及其在空间上的差异，有效反映了碳排放的空间聚集演变。在未来研究中可进一步探究其成因。这将有利于减缓气候变化的影响，实现区域协调发展和可持续发展的总体目标。

(编辑:田 红)

References)

［1］石龙宇，崔胜辉．气候变化对城市生态系统的影响研究进展［J］．环境科学与技术，2010，33(6E):193 －197．［Shi Longyu，Cui Shenghui．Research Progressof Climate Change Effects on Urban Ecosystem［J］．Environmental Science ＆ Technology，2010，33(6E):193－197．］

［2］Progress Report of the Interagency Climate Change Adaptation Task Force［EB/OL］．［2010 －12 － 15］．http://www．whitehouse．gov/sites/default/files/microsites/ceq/Interagency-Climate-Change-Adaptation-Progress-Report．pdf

［3］Biesbroek G R，Swartt R J，Carter T R，et al．Europe Adapts To Climate Change:Comparing National Adaptation Strategies［J］．Global Environmental Change，2010，20(3):440－450．

［4］Kithiia J，Dowling R．An Integrated City-level Planning Process to Address the Impacts of Climate Change in Kenya:The Case of Mombasa［J］．Cities，27(6):466 －475．

［5］Elisabeth M H，Nicole G．Urban Form and Climate Change:Balancing Adaptation and Mitigation in the U S and Australia［J］．Habitat International，2009，33(3):238 －245．

［6］胡初枝，黄贤金，钟太洋，等．中国碳排放特征及其动态演进分析［J］．中国人口·资源与环境，2008，18(3):38－42．［Hu Chuzhi，Huang Xianjin，Zhong Taiyang，et al．Character of Carbon Emission in China and Its Dynamic Development Analysis［J］．China Population，Resources and Environment，2008，18(3):38 －42．］

［7］Shobhakar D．Urban Energy Use and Carbon Emissions from Cities in China and Policy Implications［J］．Energy Policy，2009，37(11):4208－4219．

［8］朱永彬，王铮，庞丽，等．基于经济模拟的中国能源消费与碳排放高峰预测［J］．地理学报，2009，64(8):935－944．［Zhu Yongbin，Wang Zheng，Pang Li，et al．Simulation on China's Economy and Prediction on Energy Consumption and Carbon Emission under Optimal Growth Path［J］．Acta Geographica Sinica，2009，64(8):935 －944．］

［9］Li J，Colombier M．Managing Carbon Emissions in China Through Building Energy Efficiency［J］．Energy Policy，2009，90(8):2436－2447．

［10］查冬兰，周德群．地区能源效率与二氧化碳排放的差异性:基于 Kaya因素分解［J］．系统工程，2007，25(11):65－71．［Zha Donglan，Zhou Dequn．The Inequality about Provincial Energy Efficiency and Its Related CO2Emission:Decomposition Based on Kay［J］．Systems Engineering，2007，25(11):65 －71．］

［11］陈红敏．包含工业生产过程碳排放的产业部门隐含碳研究［J］．中国人口·资源与环境，2009，19(3):25－30．［Chen Hongmin．Analysis on Embodied CO2Emissions Including Industrial Process Emissions［J］． China Population， Resources and Environment，2009，19(3):25 － 30．］

［12］岳超，胡雪洋，贺灿，等．1995－2007年我国省区碳排放及碳强度的分析［J］．北京大学学报:自然科学版，2010，46(4):510 － 516．［Yue Chao，Hu Xueyang，He Canfei，et al．Provincial Carbon Emissions and Carbon Intensity in China from 1995 to 2007［J］．Acta Scientiarum Naturalium Universitatis Pekinensis，2010，46(4):510 －516．］

［13］Solveig G，Wei T．Coal Cleaning:A Viable Strategy for Reduced Carbon Emissions and Improved Environment in China［J］．Energy Policy，2005，33(4):525－542．

［14］滕飞，何建坤，潘勋章，等．碳公平的测度:基于人均历史累积排放的碳基尼系数［J］．气候变化研究进展，2010，6(6):449 － 455．［ Teng Fei，He Jiankun，Pan Xunzhang．How to Measure Carbon Equity:Carbon Gini Index Based on Historical Cumulative Emission Per Capita［J］．Advances in Climate Change Research，2010，6(6):449 －455．］

［15］Lin JY，Cao B，CuiSH，etal．Evaluating Effectiveness of Xiamen City's Local Measures for Energy Conservation and GHG Mitigation［J］．Energy Policy，2010，38(9):5123 －5132．

［16］张雷，黄园淅，李艳梅，等．中国碳排放区域格局变化与减排途径分析［J］．资源科学，2010，32(2):211－217．［Zhang Lei，Huang Yuanxi，Li Yanmei， et al． An Investigation on Spatial Changing Pattern of CO2Emissions in China［J］．Resources Science，2010，32(2):211 －217．］

［17］Padilla E，Serrano A．Inequality in CO2Emissions Across Countries and Its Relationship with Income Inequality:A Distributive Approach［J］．Energy Policy，2006，34(14):1762 －1772．

［18］Groot L．Carbon Lorenz Curves［J］． Resource and Energy Economics，2010，32(1):45 －64．

［19］Duro JA，Padilla E．International Inequalities in Per Capita CO2Emissions:A Decomposition Methodology by Kaya Factors［J］．Energy Economics，2006，28(2):170－187．

［20］Mark T H，Quentin TW．Future Inequality in CO2Emissions and the Impactof Abatement Proposals［J］．Environmental and Resource Economics，2000，17(2):163 －181．

［21］魏一鸣，刘兰翠，范英，等．中国能源报告(2008):碳排放研究［M］．北京:科学出版社，2008．［Wei Yiming，Liu LanYing，Fan Ying，et al．China Energy Report(2008):CO2Emissions Research［M］．Beijing:Science Press，2008．］

［22］Hoffer M I，Calderia K，Jain A K，et al．Energy Implications of Future Stabilization of Atmospheric CO2Content［J］．Letters to Nature，1998，395(10):881－884．

［23］IPCC．Revised 1996 IPCC Guidelines for National Greenhouse Gas Inventories［EB/OL］．［2010 －10 －20］．http://www．ipccnggip．iges．or．jp/public/gl/invs1．html．

［24］IEA．CO2Emissions from Fuel Combustion(2009)［EB/OL］．［2010 －12 －5］http://www．iea．org/

［25］徐国泉，刘则渊，姜照华．中国碳排放因素分解模型及实证研究:1995－2004［J］．中国人口·资源与环境，2006，16(6):158－ 161．［Xu Guoquan， Liu Zeyuan， Jiang Zhaohua．Decomposition Model and Empirical Study of Carbon Emissions for China，1995 － 2004［J］． China Population， Resources and Environment，2006，16(6):158 －161．］

［26］国家发改委能源研究所．中国可持续发展能源暨碳排放情景分析综合报告［R］．国家发改委能源研究所，2003．［Energy Research Institute National Development and Reform Comission．China Sustainable Energy and Carbon Emission Scenarios Report［R］．Energy Research Institute National Development and Reform Comission，2003．］

［27］吴悦颖，李云生，刘伟江．基于公平性的水污染物总量分配评估方法研究［J］．环境科学研究，2006，19(2):66－70．［Wu Yingyue，Li Yunsheng，Liu Weijiang．Study on Gini Coefficient Method of Total Pollutant Load Allocation for Water Bodies［J］．Research of Environmental Sciences，2006，19(2):66 －70．］

［28］Tsai Y H．Quantifying Urban Form:Compactness Versus Sprawl［J］．Urban Studies，2005，42(1):141 －161．

［29］赵小风，黄贤金，张兴榆，等．区域COD、SO2及TSP排放的空间自相关分析:以浙江省为例［J］．环境科学，2009，30(6):1580 － 1587．［Zhao Xiaofeng，Huang Xianjin，Zhang Xingyu et al．Application of Spatial Autocorrelation Analysis to the COD，SO2and TSP Emission in Jiangsu Province［J］．Environmental Science，2009，30(6):1580 －1587．］

［30］王劲峰，等．空间分析［M］．北京:科学出版社，2006．［Wang Jinfeng，et al．Spatial Analysis［M］．Beijing:Science Press，2006．］

［31］孟斌，王劲峰，张文忠，等．基于空间分析方法的中国区域差异研究［J］．地理科学，2005，25(4):393 －400．［Meng Bin，Wang Jinfeng，Zhang Wenzhong，et al．Evaluation of Regional Disparity in China Based on Spatial Analysis［J］．Scientia Geographica Sinica，2005，25(4):393 －400．］

［32］高凯，周志翔，杨玉萍．长江流域土地利用结构及其空间自相关分析［J］．长江流域资源与环境，2010，19(Z1):13 －20．［Gao Kai，Zhou Zhixiang，Yang Yuping．Land Use Structure and its Spatial Autocorrelation Analysis in the Yangtze River Basin［J］．Resources and Environment in the Yangtze Basin，2010，19(Z1):13 －20．］

［33］Anselin L．Exploring Spatial Data with GeoDa:A Workbook．http://sal．agecon．uiuc．edu/

［34］曹志冬，曾大军，郑晓龙，等．北京市SARS流行的特征与时空传播规律［J］．中国科学:地球科学，2010，40(6):776－788．［Cao Zhidong，Zeng Dajun，Zheng Xiaolong，etal．Spatio-temporal Evolution of Beijing 2003 SARS Epidemic［J］．Scientia Sinica(Terrae)，2010，40(6):776－788．］

［35］中国可持续发展战略研究组．中国可持续发展战略报告(2009)［M］．北京:科学出版社，2009．［China's Sustainable Development Research Group．2009 Strategic Report:China's Sustainable Development［M］．Beijing:Science Press，2009．］

［36］主春杰，马忠玉，王灿．中国能源消费导致的CO2排放量的差异特征分析［J］．生态环境，2006，15(5):1029－1034．［Zhu Chunjie，Ma Zhongyu，Wang Can．Analysis of Difference Features of Energy-related CO2Emission in China［J］． Ecology and Environment，2006，15(5):1029 －1034．］

［37］Stijns J C．Natural Resource Abundance and Economic Growth Revisited［J］．Resources Policy，2005，30(2):107 －130．

［38］徐康宁，王剑．自然资源丰裕程度与经济发展水平关系的研究［J］．经济研究，2006，41(1):78－89．［Xu Kangning，Wang Jian．An Empirical Study of A Linkage Between Natural Resource Abundance and Economic Development［J］．Economic Research，2006，41(1):78 －89．］

Polarization Pattern of Carbon Em ission in China's Provinces

XIAO Li-shan1，2WANG Run1，2YANG De-wei1，2SUN Yan-wei1，2LIU Jian1，2
(1．Institute of Urban Environment，Key Lab of Urban Environment and Health，Chinese Academy of Sciences，Xiamen Fujian 361021，China;2．Xiamen Key Lab of Urban Metabolism，Xiamen Fujian 361021，China)

The reduction of greenhouse gas emissions is an important aspect of climate change impacts mitigation．Due to the differentiation of natural and labor resources，capital and technology，China has experienced an imbalance in social and economic development，which means that carbon reduction potential differs among regions．This paper calculates total carbon emissions and carbon intensity in China．The Gini coefficient and spatial autocorrelation were utilized to analyze regional polarization and local cluster characteristics of carbon emissions in China during 1990 and 2007，with a view to promoting carbon reduction equality and coordinated regional development of a long-term carbon reduction goal．The result illustrated a positive spatial autocorrelation at the national level，and local carbon clusters were demonstrated，especially for carbon intensity．The regionalization results also showed a closed relationship with energy self-sufficient rate．We put forward a carbon emission proposal according to regional characteristics，resources and carbon cluster，along with a spatial differential strategy to achieve carbon reduction and decouple China's carbon emissions from economic growth．

spatial autocorrelation;polarization pattern;carbon cluster;carbon emission regionalization

K902

A

1002－2104(2011)11－0021－07

10．3969/j．issn．1002－2104．2011．11．004

2011－06－31

肖黎姗，硕士，主要研究方向为生态环境管理。

王润，研究员，主要研究方向为气候变化适应性政策与对策。

国家自然科学基金项目(编号:41001098);厦门市科技项目(编号:Y0G5831D30)。