中国服务业碳排放强度时空格局及影响因素

王凯 唐小惠 甘畅 刘浩龙

摘要服务业碳排放强度是衡量服务业生态文明建设质量的重要标尺。首先，基于IPCC碳排放核算方法对1995—2018年中国服务业碳排放强度进行测算；其次，运用空间自相关分析探讨中国服务业碳排放强度的空间关联特征；最后，借助EKC曲线和IPAT模型，以人口密度、经济发展水平、技术水平、产业结构和能源结构为解释变量，运用地理加权回归模型对中国服务业碳排放强度进行影响因素分析。研究结果表明：①1995—2018年中国服务业碳排放强度均值由1. 43 t/万元下降至0. 22 t/万元，年均降幅为3. 53%，1995—2000年为高速下降阶段，2000—2018年为缓慢下降阶段；空间上呈现出“北高南低、西高东低”的分布格局，多数省份的服务业碳排放强度低于全国平均水平。②中国服务业碳排放强度存在显著空间正向相关性，表现为先增强后减弱再增强的演变特征；空间关联类型以H-H型集聚和L-L型集聚为主，空间关联格局优化趋向显著，L-H型集聚和H-L型集聚的省份不断减少，L-L型集聚的省份不断增多。③各影响因素对服务业碳排放强度均存在显著影响，产业结构和能源结构产生正向影响，人口集聚、经济发展水平和技术水平产生负向影响；影响程度由强到弱依次为技术水平、产业结构、能源结构、经济发展水平和人口密度。因此，各级政府应通过自下而上落实各项节能减排举措、建立健全区域协作机制、提高资源配置效率等途径谋求服务业低碳化发展。

关键词 服务业；碳排放强度；时空格局；影响因素；地理加权回归

中图分类号F719文献标识码A文章编号1002-2104（2021）08-0023-09DOI：10. 12062/cpre. 20200435

基金项目：湖南省自然科学基金项目“世界遗产地景区企业低碳行为的影响机理及优化路径：张家界案例”（批准号：2018JJ2259）；湖南省国内一流培育学科建设项目“地理学”（批准号：5010002）。

温室气体排放是引致全球气候变暖的重要原因，世界各国围绕全球气候变暖的博弈持續加剧。中国作为最大的发展中国家，面临温室气体减排和低碳产业竞争的双重压力与挑战，在外部国际舆论压力和国家政策的支持下，第一产业和第二产业早已率先走上节能减排之路。新世纪以来，中国服务业产值逐年攀升，服务业已成为助推中国国民经济高质量发展的重要支撑。随着工农业节能减排的边际效益日益递减，充分挖掘服务业的节能减排潜力已成为学界和业界的重要内容。在产业发展和能源合理利用的双重约束下，服务业碳排放强度是衡量服务业节能减排成效的重要指标。探寻中国服务业碳排放强度的时空格局及其影响因素对于充分挖掘服务业减排潜力、合理规划服务业发展方向、加速服务业生态文明建设进程具有重要意义。

1文献综述

碳排放强度作为衡量经济发展与生态环境之间和谐关系的重要标尺，已被广泛应用于工农业[1-4]以及区域经济、城市经济发展[5-6]的生态影响评估中，研究内容包括碳排放强度测算[7]、时空演变特征刻画[8]、空间效应检验[9-10]以及驱动因素探讨[11]等诸多方面。受限于服务业发展对资源环境影响的认识偏差和服务业能源消费数据的获取难度[12]，服务业碳排放的相关研究起步较晚，研究主题大多拘囿于服务业碳排放量[13]和碳排放效率[14-16]的测度，并逐渐延伸至时空格局[17-18]、影响因素[19-21]和驱动机制[22]等方面；研究尺度多基于宏观层面，诸如全球[17]、国家[19]、省域[15]等，中、微观尺度较少涉及；研究方法上，服务业碳排放量和碳排放效率的测度分别以IPCC碳排放核算方法[12]和数据包络分析方法[16]占据主流，影响因素和驱动机制的研究主要是基于LMDI模型[19]或EKC模型[18]进行简单因素分解。其中：Isabela等[23]和Wang等[24]分别运用投入产出分析法和数据包络分析方法测算了西班牙和中国的服务业碳排放量和碳排放效率；王凯等基于IPCC碳排放核算方法对中国服务业人均碳排放量进行核算，指出中国服务业人均碳排放量持续上升，且东部地区服务业人均碳排放量显著高于中西部地区[18]；Yuan等利用投入产出分解子系统探析了区域服务业的碳排放模式和驱动机制，指出需求和技术是影响北京市服务业碳排放量变化的主要因素[25]。

前述研究为文章拓宽研究视角、深化研究内容奠定了坚实的理论基础，但也存在明显不足：首先，服务业碳排放的研究大多局限于碳排放量或碳排放效率，忽视了服务业经济增长与能源消耗之间动态关系的探讨；其次，尽管部分学者对服务业碳排放量或者碳排放效率的影响因素进行了初步剖析，但影响因素选取较片面，实证分析也有待深入。鉴于此，文章引入碳排放强度这一将经济增长和能源消耗有效联接的重要生态平衡衡量指标，基于IPCC碳排放核算方法对中国1995—2018年服务业碳排放强度进行测度，并运用空间自相关等方法探寻其时空格局演变特征，最后借助EKC曲线和IPAT模型合理选取解释变量，采用地理加权回归模型对其影响因素进行深入探讨，以期为制定和落实各项服务业节能减排举措、建立健全区域减排协作机制等提供有益启示。

2研究方法与数据来源

2. 1研究方法

2. 1. 1服务业碳排放强度测算

式中：i表示省份；t表示年份；j表示能源消费类型；Ait为i省份第t年的服务业碳排放总量；Eijt为i省份第t年第j类能源的消费量；αj为第j类能源的碳排放系数，即每消耗1kg第j类能源所产生的碳排放量；Qit为i省份第t年的服务业碳排放强度；Yit为i省份第t年的服务业产值。能源消费类型由《中国能源统计年鉴》[27]获取，各类型能源的碳排放系数根据其平均低位发热量以及《2006年IPCC温室气体排放清单指南》中所使用的碳排放因子[26]计算得出（表1）。

2. 1. 2服务业碳排放强度空间关联特征分析

采用空间自相关分析法来剖析中国服务业碳排放强度的空间关联特征。运用全局空间自相关（Global Mo？ ran’s I）对其空间相关性进行检验，以刻画其空间自相关特征的演变趋势。运用局部空间自相关（Local Moran’s I）来探析各省份与其相邻省份服务业碳排放强度的空间关联类型与空间关联格局，公式如下：

2. 2数据来源

文章测算了1995—2018年中国30个省份的服务业碳排放强度，西藏、香港、澳门和台湾地区由于数据获取困难，故未包括在此次研究范围之内。各类型能源的碳排放因子来源于《2006年IPCC温室气体排放清单指南》，碳排放系数根据其平均低位发热量及其碳排放因子计算得出。相关数据来源于1996—2019年《中国统计年鉴》《中国能源统计年鉴》《中国第三产业统计年鉴》和各省份统计年鉴，个别缺失数据采用邻近年份数值进行线性插补。

3实证分析

3. 1服务业碳排放强度测算

从时间上看，1995—2018年，中国服务业碳排放强度均值由1. 43 t/万元下降至0. 22 t/万元，年均降幅为3. 53%。吉林、内蒙古、甘肃等西部和东北省份的服务业碳排放强度处于较高水平，在研究期内下降幅度均在2. 00 t/万元以上，对中国总体服务业碳排放强度降低的贡献较大。江苏、浙江、安徽等省份的服务业碳排放强度在研究基期已低于全国平均水平，且在研究期内长期处于较低水平，下降幅度均在0. 50 t/万元以下。分阶段来看，1995—2000年（高速下降阶段），服务业碳排放强度由1. 43 t/万元降至0. 76 t/万元，年均降幅为9. 37%，下降幅度较大；2000—2018年（缓慢下降阶段），服务业碳排放强度由0. 76 t/万元下降至0. 22 t/万元，年均下降速度为3. 74%，呈小幅度平稳下降趋势。这一方面得益于国家总体节能减排方略的强力推进和服务业节能减排政策体系的不断完善，也与各级政府充分意识到国内生态环境的严峻形势和节能减排的迫切需要，严格落实能源消费总量控制目标，促进能源消费结构调整升级密切相关。

从空间上看，中国服务业碳排放强度呈现“北高南低、西高东低”的分布格局（图1）。东部各省份服务业碳排放强度均较低，为服务业碳排放低强度区；西部各省份服务业碳排放强度相对较高，为服务业碳排放高强度区；中部和东北地区服务业碳排放高强度省份和低强度省份同时存在，为服务业碳排放高强度区和低强度区的过渡地带。多数省份的服务业碳排放强度均值低于全国平均水平，其中：北京、上海、广东等12个省份的服务业碳排放强度均值在0. 50 t/万元以下；内蒙古、吉林、贵州等5个省份的服务业碳排放强度均值在1. 00 t/万元以上。值得注意的是，天津的服务业碳排放强度在研究基期居全国前列，与其所拥有的产业结构优势不符，原因在于其在研究基期尚未开始产业转移、经济发展主要依靠高耗能产业，此后逐步将能源密集型产业转移至内蒙古、甘肃等地，并通过政策、资金扶持大力发展服务业，加上能源利用技术水平显著提升，服务业碳排放强度由2. 84 t/万元下降至0. 11 t/万元，由高强度区跻身于低强度区行列。

3. 2服务业碳排放强度空间格局演化

3. 2. 1全局空间格局演化

1995—2018年，中国服务业碳排放强度的全局Mo？ ran’s I值均大于零，并在[0. 22，0. 50]内大致经历了“上升—下降—上升”3个阶段（表2），表明中国服务业碳排放强度存在显著空间正向相关性，且其相关性强弱呈现先增强后减弱再增强的演变特征。分阶段来看：1995—2007年，全局Moran’s I指数在[0. 22，0. 50]内波动上升，服务业碳排放强度空间正向相关性增强，空间集聚特征显著增强；2007—2014年，全局Moran’s I指数在[0. 29，0. 50]内波动下降，服务业碳排放强度空间正向相关性出现短暂性减弱态势，空间集聚特征减弱；2014—2018年，全局Moran’s I指数在[0. 29，0. 34]内持续上升，服务业碳排放强度空间正向相关性不断增强，空间集聚特征又再次增强。

3. 2. 2局部空间格局演化

分别绘制1995、2002、2010和2018年的Moran’s I散点图（图2），将各省份服务业碳排放强度的空间关系划分为4种类型：L-L（低-低）型、L-H（低-高）型、H-L（高-低）型和H-H（高-高）型。4个时间截面中，L-L型、L-H型、H-L型和H-H型省份数量所占比例分别为39%、21%、6%和33%，L-L型和H-H型共占72%，L-H型和H-L型共占28%，表明中国服务业碳排放强度存在明显空间聚类现象。H-H型和L-L型分布广泛，是服务业碳排放强度空间关联的主要类型，且空间集聚格局优化趋势渐显，L-L型省份数量逐渐增多，并逐渐向西、向北扩散；L-H型和H-L型省份数量逐渐减少，由无规律分散分布逐渐转向在中部地区的少数省份集中分布，形成H-H型和L-L型之间的“隔离分异”地带。

（1）H-H型省份占比无明显变化，主要分布于西部和东北地区，这与服务业碳排放高强度省份的空间分布格局基本一致。其中：内蒙古、青海、新疆和贵州4省份始终处于H-H型集聚区，为中国服务业碳排放高强度集聚核心区；吉林、辽宁、云南、甘肃、宁夏等邻近省份在H-H型集聚区中频次高，与内蒙古、青海、新疆和貴州4省份共同构成中国服务业碳排放高强度集聚区。

（2）L-L型省份占比由1995年的33%提升至2018年的39%，主要分布于东部和中部地区且始终连接成片，并逐渐由东部地区向中部地区扩散，这与服务业碳排放低强度省份的空间分布格局基本一致。其中：江苏、浙江、安徽、福建、江西、山东和河南7省份始终处于L-L型集聚区，为中国服务业碳排放低强度集聚核心区；北京、天津和上海等邻近省份在L-L型集聚区中的频次较高，与江苏、浙江、安徽、福建、江西、山东和河南等7省份共同构成中国服务业碳排放低强度集聚区。

（3）L-H型省份占比由1995年的30%下降至2018年的21%，主要分布于西部地区，并由无规律分散分布向西部地区集中分布转变。其中：四川始终处于L-H型集聚区，河北、湖南、广东等省份在L-H型集聚区中频次较高。上述省份服务业碳排放强度较低，与邻近的内蒙古、贵州、青海等碳排放高强度省份形成空间分异，在空间格局上呈现出中间低、四周高的分布形态。

（4）H-L型省份占比始终较低，主要包括天津、上海、山西、湖北和广东5个省份，上述省份在研究期内都经历过服务业高碳排放强度阶段，与邻近的北京、江西、江苏等碳排放低强度省份形成空间分异，在空间格局上呈现中间高、四周低的分布形态。同时，这5个省份分别在不同年份由H-L型转变为L-L型，原因在于研究期内这些省份服务业碳排放强度明显降低，与邻近的福建、江苏、江西等碳排放低强度省份连接成片，形成L-L型集聚，使得L-L型集聚区范围不断扩大。

3. 3服务业碳排放强度影响因素分析3. 3. 1影响因素选取

EKC曲线和IPAT模型均强调人口密度、富裕程度和技术水平对环境的重要影响[5，28]。人口密度通过规模效应和集聚效应分别促使能源消费总量增加和人均消费量降低[6]。EKC曲线表明，财富增长的过程也是环境质量变化的过程[5]。技术水平通过提高能源利用效率降低单位GDP所产生的能源消耗[5-6]。产业结构优化是衡量服务业发展层次的重要标尺，服务业的发展层次对生态环境和能源利用具有重要影响[4-6]。能源结构对服务业碳排放强度产生直接影响，煤炭、石油等化石能源过多使用将导致大量二氧化碳排放，而风能等清洁能源的污染程度较低[4]。

综上所述，参照EKC曲线和IPAT模型，同时参考刘贤赵等[5]和王少剑等[6]等的研究成果，选取人口密度、经济发展水平、技术水平、产业结构和能源结构5个解释变量对服务业碳排放强度进行影响因素分析（图3）。分别以各省份的人口密度（万人/km2）、人均GDP（万元）、研究与事业发展经费支出占地区生产总值比重（%）、第三产业产值占GDP比重（%）和服务业煤炭消费量占能源消费总量的比重（%）予以表征[5-6]。

3. 3. 2影响因素的时空异质性分析

选取研究基期和末期两个时间截面对服务业碳排放强度进行地理加权回归分析，根据回归结果（图4）对各影响因素进行详细分析：

（1）人口密度。人口密度与服务业碳排放强度的关系由在全国范围内均存在负向影响逐渐转变为正向影响，仅甘肃、青海和新疆3省份在2018年呈现微弱负向影响，影响程度由由南向北递增转变为由北向南递增。人口密度对碳排放的影响表现为规模效应和集聚效应，规模效应促使碳排放总量增加，集聚效应则使得人均碳排放量降低[4]。研究期内，集聚效应逐渐强于规模效应，人口密度与服务业碳排放强度的关系逐渐转移至EKC曲线右侧；影响程度大小与各省份的人口密度并不一致，这表明集聚效应并不是随人口密度的增加呈直线上升，可能与不同人口密度下规模效应和集聚效应的不同强弱态势有关。

（2）经济发展水平。经济发展水平对服务业碳排放强度的影响由正向转变为负向，影响程度总体呈现由西北向东南递增态势。经济发展通过速度加快和方式转变对碳排放施加影响，前者可能引致碳排放总量的急速攀升，导致碳排放强度居高不下，而后者则更多通过发展方式优化和发展质量提升来降低碳排放强度，这表明国内生态环境形式的日益严峻、节能减排意识的逐渐增强，使得各级政府逐渐摒弃高耗能发展方式，经济发展对服务业碳排放强度的抑制作用逐渐显露；影响程度由西北向东南递增也与中国东西部地区经济发展水平基本吻合。

（3）技术水平。技术水平对服务业碳排放强度始终呈现显著负向影响，影响程度由东向西递增。技术水平提升是降低能源损耗和提高能源利用效率的关键因素，技术进步对碳排放强度的抑制效用显著；影响程度由东向西递增的分布格局与技术水平相反，说明技术水平低下导致的能源利用效率低是目前中西部地区服务业碳排放强度高居不下的主要原因，也从侧面印证了提高技术水平将是未来中西部地区服务业节能减排的重要抓手。

（4）产业结构。产业结构对服务业碳排放强度始终呈现显著正向影响，影响程度由由北向南递增转变为由南向北递增。当前中国产业结构亟待转型升级，产业结构的正向外部示范效应并不明显，因而未对服务业碳排放强度产生抑制作用；影响程度大小的空间分异变化与各省份所处的产业结构调整阶段相关，产业结构调整初期，服务业盲目扩张导致碳排放强度较大，而随着发展方式的优化升级，产业结构对碳排放强度的正向影响减弱，因此，在研究基期南部省份的影响程度较强，研究末期转变为北部省份的影响程度较强。

（5）能源结构。能源结构对服务业碳排放强度始终呈现显著正向影响，影响程度总体呈现由东北向西北和西南递增的态势。在空间分布上影响程度虽然有所变化，但从各省份的回归系数来看，能源结构对服务业碳排放强度的影响程度变化较小。这表明在全国范围内，不合理的能源消费结构是服务业碳排放强度降低的重要阻碍，以煤炭為代表的强污染性能源的过度消费严重阻碍服务业碳排放强度降低。

4结论与启示

基于1995—2018年服务业能源消费数据，运用IPCC碳排放核算方法对中国30个省份的服务业碳排放强度进行测算，并运用空间自相关分析和地理加权回归模型等方法对中国服务业碳排放强度时空演变特征及其影响因素进行分析，主要研究结论及政策建议如下：

（1）1995—2018年，中国服务业碳排放强度显著降低，服务业碳排放强度均值由1. 43 t/万元下降至0. 22 t/万元，年均下降幅度为3. 53%，1995—2000年为高速下降阶段，2000—2018年为缓慢下降阶段；空间上呈现“北高南低、西高东低”的分布格局，东部为服务业碳排放低强度区，西部为服务业碳排放高强度区，中部和东北地区为服务业碳排放高强度区和低强度区的过渡地帶，多数省份的服务业碳排放强度低于全国平均水平。因此，首先国家层面应制定服务业减排长期目标和短期目标，并分级落实到各省；其次各省应严格执行中央减排政策和规划，精准定位、合理施策，积极探索差异化的服务业减排政策和措施，东部服务业碳排放低强度省份应打造服务业生态产业集群；中西部服务业碳排放高强度省份应以转换能源结构为重点，淘汰高能耗产业。

（2）中国服务业碳排放强度存在显著空间正向相关性，表现为先增强后减弱再增强的演变特征；服务业碳排放强度空间依赖特征显著，空间关联类型以H-H型集聚和L-L型集聚为主，空间关联格局优化趋向显著，L-H型集聚和H-L型集聚的省份不断减少，L-L型集聚的省份不断增多，并逐渐由东部地区向中部地区扩散。因此，应建立健全区域协作机制，促进中央和地方各级政府之间的协作，明确东、中、西部地区的服务业减排优势和劣势，推动东、中、西部地区区域协调联动减排；东部服务业碳排放低强度省份应充分发挥示范作用，增强对中、西部地区的技术溢出；中、西部服务业碳排放高强度省份应合理借鉴东部服务业碳排放低强度省份的服务业减排经验，在联防联治机制下谋求服务业可持续发展长效共赢。

（3）人口密度、经济发展水平、技术水平、产业结构和能源结构对服务业碳排放强度均存在显著影响。产业结构和能源结构产生正向影响，人口集聚、经济发展水平和技术水平产生负向影响；影响程度由强到弱依次为：技术水平>产业结构>能源结构>经济发展水平>人口密度。因此，各级政府均应提高资源配置效率，摒弃高消耗、高投入、高污染的传统发展模式，走绿色、低碳、环保的循环发展道路；充分发挥人口集聚、经济发展和规模报酬递增带来的减排效应，积极推广太阳能和风能等新能源，加速能源消费结构调整升级；通过财政扶持、税收减免和人才激励等措施推动服务业低碳减排技术的发展，加速服务业低碳技术应用和推广，利用现代科技助推服务业可持续发展。

文章引入碳排放强度对中国服务业经济增长和能源消耗的长期动态关系进行有效探析，对于中国转变服务业发展方式具有重要意义。但本研究也存在以下不足：第一，服务业碳排放强度演变涉及国家宏观调控、产业结构升级等国家和区域联动因素，此次研究基于省际层面，将各省份作为一个独立样本来探讨其时空格局演变，尚未明晰中国整体服务业碳排放强度的演化特征；第二，此次研究选用地理加权回归模型进行影响因素分析，由于模型限制，仅截取了研究基期和研究末期两个时间截面进行回归分析，尚未充分考虑各影响因素的时序演变特征，以上均是后续研究的重点。

参考文献

[1]韩会庆，王世尧，马庚，等.我国农业碳排放强度与农业经济空间相关性研究[J].水土保持研究，2018，25（5）：269-274，281.

[2]颜廷武，田云，张俊飚，等.中国农业碳排放拐点变动及时空分异研究[J].中国人口？资源与环境，2014，24（11）：1-8.

[3]赵涛，田莉，许宪硕.天津市工业部门碳排放强度研究：基于LM？ DI-Attribution分析方法[J].中国人口·资源与环境，2015，25（7）：40-47.

[4]田华征，马丽.中国工业碳排放强度变化的结构因素解析[J].自然资源学报，2020，35（3）：639-653.

[5]刘贤赵，高长春，张勇，等.中国省域碳强度空间依赖格局及其影响因素的空间异质性研究[J].地理科学，2018，38（5）：681-690.

[6]王少剑，黄永源.中国城市碳排放强度的空间溢出效应及驱动因素[J].地理学报，2019，74（6）：1131-1148.

[7]阿依吐尔逊·沙木西，艾力西尔·亚力坤，刘晓曼，等.乌鲁木齐土地利用碳排放强度时空演变研究[J].中国农业资源与区划，2020，41（2）：139-146.

[8]夏四友，赵媛，许昕，等.近20年来中国农业碳排放强度区域差异、时空格局及动态演化[J].长江流域资源与环境，2020，29（3）：596-608.

[9]ZHAO X T，WESLEY B，JERALD J，et al. Spatial analysis of Chi？ na province-level CO2 emission intensity[J]. Renewable and sus？ tainable energy reviews，2014（33）：1-10.

[10]赵桂梅，耿涌，孙华平，等.中国省际碳排放强度的空间效应及其传导机制研究[J].中国人口·资源与环境，2020，30（3）：49-55.

[11]TANG Z，MEI Z，LIU W，et al. Identification of the key factors af？ fecting Chinese carbon intensity and their historical trends using random forest algorithm[J]. Journal of geographical sciences，2020，30（5）：743-756.

[12]王凯，李娟，席建超.中国服务业能源消费CO2排放及其因素分解[J].环境科学研究，2013，26（5）：576-582.

[13]RUI X，TATSUYA H，YUKO K，et al. Estimating energy service demand and CO2emissions in the Chinese service sector at provin？ cial level up to 2030[J]. Resources，conservation and recycling，2018，134（7）：347-360.

[14]MULDER P，DE GROOT H L F，PFEIFFER B. Dynamics and de？ terminants of energy intensity in the service sector：a cross？coun？ try analysis，1980—2005[J]. Ecological economics，2014，100（4）：1-15.

[15]王许亮，王恕立，滕泽伟.中国服务业碳生产率的空间收敛性研究[J].中国人口·资源与环境，2020，30（2）：70-79.

[16]王恕立，滕泽伟，刘军.中国服务业生产率变动的差异分析：基于区域及行业视角[J].经济研究，2015，50（8）：73-84.

[17]王许亮，王恕立.服务业能源生产率变迁及收敛性分析：基于全球40个经济体细分行业数据的经验研究[J].数量经济技术经济研究，2018，35（1）：42-59.

[18]王凯，肖燕，刘浩龙，等.中国服务业CO2排放的时空特征与EKC检验[J].环境科学研究，2016，29（2）：306-314.

[19]王凯，李娟，唐宇凌，等.中国服务业能源消费碳排放量核算及影响因素分析[J].中国人口·资源与环境，2013，23（5）：21-28.

[20]LAM T N T，WAN K K W，WONG S L，et al. Impact of climate change on commercial sector air conditioning energy consumption in subtropical Hong Kong[J]. Applied energy，2009，87（7）：2321-2327.

[21]LI L，XUE F，KE P. A spatial panel analysis of carbon emissions，economic growth and high？technology industry in China[J]. Struc？ tural change and economic dynamics，2019（6）：83-92.

[22]MA M，CAI W. Do commercial building sector-derived carbon emissions decouple from the economic growth in tertiary industry：a case study of four municipalities in China[J]. The science of the total environment，2019，650（1）：822-834.

[23]ISABELA B，MARIA L. Structural decomposition analysis and in？ put–output subsystems：changes in CO2emissions of Spanish ser？ vice sectors（2000—2005）[J]. Ecological economics，2011，70（11）：2012-2019.

[24]WANG R，HAO J X，WANG C，et al. Embodied CO2emissions and efficiency of the service sector：evidence from China[J]. Jour？ nal of cleaner production，2020，274（20）：116-129.

[25]YUAN R，ZHAO T，XU J. A subsystem input-output decomposi？ tion analysis of CO2emissions in the service sectors：a case study of Beijing，China[J]. Environment development and sustainabili？ ty，2017，19（6）：2181-2198.

[26]IPCC. IPCC guidelines for national green gas inventories：volumeⅡ[EB/OL]. Kanagawa：IGES，（2008-07-20）[2012-08-19]. http：www.ipcc.ch/ipccreports/Methodology-reports.htm.

[27]中華人民共和国国家统计局.中国能源统计年鉴[M]北京：中国统计出版社，2010.

[28]王永刚，王旭，孙长虹，等.IPAT及其扩展模型的应用研究进展[J].应用生态学报，2015，26（3）：949-957.

Temporal？spatial evolution and influencing factors of carbon emission intensity of China？s service industry

WANG Kai1，TANG Xiaohui1，GAN Chang1，LIU Haolong2

（1. College of Tourism， Hunan Normal University， Changsha Hunan 410081， China； 2. Institute of Geographic Sciences and Natural Resources Research， Chinese Academy of Sciences， Beijing 100101， China）

AbstractThe carbon emission intensity of the service industry is an important index to measure the harmonious relationship between the development of service industry and the ecological environment. First， the carbon emission intensity of China？s service industry was calculated from 1995 to 2018 by means of the reference approach introduced by the IPCC. Then， spatial auto？correlation was used to an？ alyze its spatial correlation feature. Finally， based on the EKC and the IPAT model， taking population density， economic development， technology， industrial structure and energy structure as explanatory variables， this study assessed the influencing factors of the carbon emission intensity of China？s service industry by means of the GWR model. The results showed that：①The carbon emission intensity of China？s service industry decreased from 1.43 tons per 10 000 yuan to 0.22 tons per 10 000 yuan during 1995-2018 with an average an？ nual decrease of 3.53%. The period of high？speed descent was 1995 to 2000， and the period of slow descent was 2000 to 2018. The car？ bon emission intensity of China？s service industry was high in the northwestern region while low in the southeastern region， and that in most provinces was below the national average.②There was significant spatial positive auto？correlation of carbon emission intensity of China？s service industry. The spatial positive auto？correlation went through three stages： strengthening， weakening and strengthening again. The main spatial correlation types of carbon emission intensity of China？s service industry were？H？H？and？L？L？agglomeration models. The spatial agglomeration of carbon emission intensity in China？s service industry presented an obvious trend of optimization； the provinces with？L？H？and？H？L？agglomeration model decreased， while the ones with？L？L？agglomeration model increased and spread from the eastern region to the central region.③Each influencing factor had significant influence on the carbon emission intensity of the service industry. Industrial structure and energy structure had positive effect on the carbon emission intensity of the service industry， while population density， economic development and technology had obvious negative effect on it and technology was the most impor？ tant factor affecting the carbon emission intensity of the service industry. The degree of influence was shown in a descending order of technology， industrial structure， energy structure， economic development， and population density. Therefore， the central government and local governments should implement energy？saving and emission？reduction measures from the bottom up， establish and improve region？ al cooperation mechanisms， and improve the efficiency of resource allocation to achieve low？carbon development of the service industry. Key wordsservice industry； carbon emission intensity； temporal？spatial evolution； influencing factor； GWR model

（責任编辑：于杰）