长三角都市圈工业能源消费碳排放强度区域差异及动态演进

【摘要】为应对全球气候变暖，我国积极参与全球气候治理。新发展理念强调绿色可持续发展，作为全国经济最活跃区域之一，长三角地区有效减少碳排放量和碳排放强度至关重要。通过对长三角六大都市圈的工业能源消费碳排放强度的测算，可以分析2011～2020年碳排放强度的演变情况及碳排放强度的区域差异和动态演进情况，结果表明，六大都市圈碳排放强度整体呈现下降趋势，但不同都市圈存在显著差异，应当采取调整能源消费结构、发展低碳技术等手段促进区域低碳经济一体化发展。

【关键词】碳排放强度  长三角都市圈  区域差异  动态演进

【中图分类号】F061.5                             【文献标识码】A

【DOI】10.16619/j.cnki.rmltxsqy.2022.22.006

引言

改革开放以来，我国经济实现了高速发展，创造了举世瞩目的“中国奇迹”。然而，与此同时，我国也是能源消耗大国，长期以来粗放式的发展模式伴随着能源的大量消耗，使得我国成为世界上二氧化碳排放量较多的国家。当前，日益严重的全球气候变暖与温室效应是引起各种极端天气最直接的原因，已经成为制约人类社会发展的重要因素。面对巨大的降碳减排压力，中国承诺力争2030年前实现碳达峰、2060年前实现碳中和。习近平总书记在党的二十大报告中提出要“积极稳妥推进碳达峰碳中和”，“立足我国能源资源禀赋，坚持先立后破，有计划分步骤实施碳达峰行动。完善能源消耗总量和强度调控，重点控制化石能源消费，逐步转向碳排放总量和强度‘双控制度。”[1]坚持低碳经济，实现可持续发展，是事关全人类命运的必然选择。

我国的能源结构主要以煤炭、石油、天然气等为主，其中，煤炭占一次能源消费的比例约为60%，因此，能源消耗产生了大量碳排放，工业产生的碳排放量在所有行业中所占比重最大[2]。通过对能源消耗产生的碳排放进一步分析发现，能源消耗碳排放呈现出较强的空间相关性，[3]并且具有高值集聚或低值集聚现象。从地区角度来看，中国不同地区因其不同的能源资源条件，在发展方式上存在较大差异，地区能源消费产生的碳排放也具有异质性。2000～2016年，辽中南城市群地均碳排放量呈现增长趋势，年平均碳排放速率先增大后减小，经历了一个从快到慢的过程，但各市变化差异较大。[4]2005～2019年，京津冀城市群内13个城市的碳排放量逐年增加，整体增长速度较缓，研究期内京津冀城市群大部分城市的碳排放强度降幅超40%，呈现出良好的发展趋势。[5]黄河流域作为我国重要的能源流域，长期依赖能源和矿产资源的大规模开发并以此带动经济提升。2019年，黄河流域城市群中的呼包鄂榆城市群、中原城市群和关中平原城市群合计贡献了黄河流域41%以上的工业增加值，但工业能源消费量与工业碳排放量均占黄河全流域的50%以上，工业碳排放强度也远高于全国平均水平。[6]长江经济带是我国重大国家战略发展区域，2016年《长江经济带发展规划纲要》确立了“一轴、两翼、三极、多点”的发展格局，其中“三极”指长江三角洲城市群、长江中游城市群和成渝城市群。研究发现，长江中游城市群碳排放强度在2005～2020年呈现逐年递减的趋势，从缓慢递减演变为快速递减，同时，不同城市的碳排放强度和高质量发展的耦合协调程度具有差异性；[7]成渝城市群碳排放量在2008～2018年不断增加，地均和人均碳排放量均存在不同程度的波动上升趋势，且碳排放量具有显著的空间相关性；[8]长三角城市群碳排放量在2005～2019年呈现上升趋势，但增速下降，碳排放强度也呈现稳步下降的趋势，同时碳排放和经济增长逐渐脱钩[9]。近年来，不同地区碳排放变化的共性为碳排放量呈现上升趋势，碳排放强度呈现下降趋势，但不同地区的发展方式存在差异，能源消费水平有所不同，因此，为了提出有针对性的减排降碳政策，需要针对不同地区甚至城市的碳排放进行更加深入的研究分析。

长三角地区是“一带一路”与长江经济带的重要交汇地带，也是中国对外开放、参与国际经济合作和竞争的重要平台。长三角地区主要包括有六大都市圈，分别为上海大都市圈（包括上海、苏州、无锡、常州、南通、嘉兴、宁波、舟山、湖州）、南京都市圈（包括南京、镇江、扬州、淮安、马鞍山、滁州、芜湖、宣城、常州的溧阳、金坛）、杭州都市圈（包括杭州、湖州、嘉兴、绍兴、衢州、黄山）、合肥都市圈（包括合肥、淮南、六安、滁州、芜湖、马鞍山、蚌埠、桐城）、苏锡常都市圈（包括苏州、无锡、常州）和宁波都市圈（包括宁波、舟山、台州）。随着区域经济一体化的发展，都市圈的协调发展被视为经济高质量发展的重要推动力，因此，长三角都市圈的协同降碳减排是中国力争实现碳达峰、碳中和的重要抓手。

长三角都市圈工业能源消费碳排放强度测算

碳排放强度指单位GDP的二氧化碳排放量，本文首先利用政府间气候变化专门委员会（IPCC）的碳排放量核算方法计算出长三角各都市圈城市的工业能源消费碳排放量，再通过碳排放量和地区GDP的比值对碳排放强度进行核算。能源数据来自长三角都市圈各市2012～2021年统计年鉴，由于桐城和台州能源数据缺乏，本文研究不包括此两地。具体计算公式如下：

其中，CEQ为地区工业能源消费碳排放量，Ei为能源消耗量，在本文中，选取原煤、焦炭、天然气、汽油、煤油、燃料油、液化石油气、热力和电力作为核算碳排放的主要能源来源，NCVi为燃料的平均低位热值，EFi为燃料单位热值含碳量，Oi为含氧量，44／12为C转换为CO2的转换系数。CEI为工业能源消费碳排放强度（万吨／亿元），GDP为各市地区生产总值。

2011～2020年，上海大都市圈碳排放强度整体呈现下降趋势，其中，上海市碳排放强度最低，2020年仅为0.1545，远低于其他城市。2011～2020年，上海大都市圈城市碳強度排名发生了较大变化，由2011年的宁波＞嘉兴＞苏州＞舟山＞湖州＞南通＞无锡＞常州＞上海演变为2020年的舟山＞苏州＞嘉兴＞宁波＞湖州＞常州＞无锡＞南通＞上海。研究期内，上海和常州碳排放强度始终小于1；而苏州、无锡、南通、嘉兴、宁波和湖州均由碳排放强度大于1演变为小于1，其中南通碳排放强度下降了64.40%，下降幅度最大；舟山碳排放强度不降反升，尤其在2020年，舟山碳排放强度高达2.6737，这也反映出舟山近年来的经济发展速度远远慢于其工业能源消费大幅提升的速度。2011～2020年，南京都市圈城市工业能源消费碳排放强度明显下降，其中扬州和滁州下降幅度较大，分别下降了60.73%和60.18%，同时，2020年两城市碳排放强度分别位居该都市圈内第8位和第9位，碳排放强度分别为0.4097和0.1979。2011～2020年，南京都市圈城市碳排放强度排名没有发生明显变化，仅扬州和常州排名互换，2020年碳排放强度从高到低依次为马鞍山＞镇江＞芜湖＞宣城＞淮安＞南京＞常州＞扬州＞滁州。具体来看，马鞍山碳排放强度远高于其他城市，其在2011～2013年呈现短暂的上升趋势，随后大幅下降；其他城市均呈现出较为平稳的下降趋势，但镇江仅下降了35.04%，下降幅度最小，并且在2020年镇江碳排放强度仍高于1。2011～2020年，杭州都市圈城市工业能源消费碳排放强度呈现明显下降趋势，且研究期内碳排放强度水平排名始终为衢州＞嘉兴＞湖州＞绍兴＞杭州＞黄山。杭州和黄山碳排放强度下降幅度最大，分别下降了72.66%和87.43%；衢州碳排放强度下降幅度最小，仅为40.73%，且在2020年其碳排放强度仍旧大于1；而湖州和嘉兴碳排放强度均从2011年高于1演变为2020年小于1。杭州都市圈城市工业能源消费碳排放强度的稳步下降说明单位经济增长能够消耗更少的能源，杭州都市圈城市发展较为均衡，同时也反映出城市能源利用率的稳定提升。2011～2020年，合肥都市圈城市工业能源消费碳排放强度整体呈现下降趋势，仅六安有一定幅度的增加。研究期内，合肥和滁州下降幅度较大，分别下降了60.75%和60.18%，而淮南下降幅度较小，仅下降了27.55%。与2011年相比，2020年合肥都市圈城市碳排放强度排名发生了较大变化，2011年碳排放强度排名为淮南＞马鞍山＞蚌埠＞芜湖＞合肥＞滁州＞六安，到2020年碳排放强度排名演变为淮南＞马鞍山＞芜湖＞蚌埠＞六安＞合肥＞滁州。淮南碳排放强度远远高于其他城市，2020年其碳排放强度高达6.9258；滁州为合肥都市圈碳排放强度最低城市，2020年其碳排放强度仅有0.1979。合肥都市圈碳排放强度的高度差异能够表现出其发展的不均衡性。苏锡常都市圈城市间工业能源消费碳排放强度差距较小，整体碳排放强度呈现稳定下降的趋势。2011～2020年，苏州、无锡和常州碳排放强度分别下降了43.18%、49.04%和45.56%。研究期内，无锡碳排放强度由高于常州演变为低于常州，并在2020年达到最小值0.5142。宁波都市圈的宁波和舟山两座城市碳排放强度发展迥异，宁波从2011年的1.5969下降到2020年的0.6416，而舟山却从2011年的1.2380上升为2020年的2.6737。2011～2019年，舟山碳排放强度虽有上升但上升幅度较小，而2020年其碳排放强度激增，主要是由于工业用电量的大幅增加导致碳排放量的突增，进而使得碳排放强度发生较为异常的变化。

总体来看，研究期内仅有宁波都市圈的平均碳排放强度呈现上升趋势，其他各都市圈平均碳排放强度均下降，其中，杭州都市圈下降幅度最大，由2011年的0.9385降低到2020年的0.4786，而上海大都市圈下降幅度最小，仅下降了30.90%。2011年合肥都市圈平均碳排放强度最高，远高于其他都市圈，为2.5314，2020年合肥都市圈平均碳排放强度仍旧高达1.6559，而上海大都市圈、南京都市圈、杭州都市圈和苏锡常都市圈平均碳排放强度均远小于1。

长三角都市圈工业能源消费碳排放强度区域差异及分解

从总体差异看，2011～2020年，长三角都市圈工业能源消费碳排放强度总体差异及其来源如表1所示，碳排放强度总体差异呈现“上升—缓慢下降—上升”的趋势，并在2013～2014年碳排放强度基尼系数出现突增的情况，随后逐渐恢复平稳。研究期内，基尼系数由0.3850上升至0.4893，表现出长三角都市圈碳排放强度总体差异的进一步增大，反映出地区能源消费及经济发展水平的不均衡。此外，区域间差异是总体差异的最主要贡献来源，且研究期内区域内差异、区域间差异和超变密度对总体差异的贡献程度没有发生较大变化，始终为区域间差异＞超变密度＞区域内差异。区域间差异贡献率呈现出先上升后下降的趋势，在2014年贡献率达到最大值56.08%，随后稳步下降，仅在2018年有小幅上升，2020年区域间差异对总体差异的贡献率为47.85%。与区域间差异贡献趋势相反，超变密度的贡献率呈现先下降后上升的趋势，其在2014年达到最小值，为26.10%。总体来看，由于长三角都市群总体基尼系数的增大，尽管区域内差异、区域间差异和超变密度的贡献程度的变化具有波动性，但总体差异的各来源始终呈现较为明显的增大趋势。

从区域内差异看[10]：2011～2020年长三角都市圈工业能源消费碳排放强度区域内基尼系数如图1所示，从图中可以看出，长三角六大都市圈工业能源消费碳排放强度区域内基尼系数都呈现明显的增长趋势。其中，宁波都市圈增长约384%，增长幅度最大，其次是上海大都市圈，也增长了约140%。2011年长三角各都市圈区域内基尼系数从大到小为合肥都市圈＞杭州都市圈＞南京都市圈＞上海大都市圈＞宁波都市圈＞苏锡常都市圈，到2020年演变为合肥都市圈＞杭州都市圈＞上海大都市圈＞南京都市圈＞宁波都市圈＞苏锡常都市圈。上海大都市圈在2011～2016年区域内基尼系数呈现较为稳定的增长，年增长率保持在1%内，从2016年开始，区域内基尼系数增长幅度骤升，其中，2020年相较2019年增长了43.47%。宁波都市圈区域内基尼系数呈现出“上升—下降—上升”的趋势，其在2014年出现了大幅下降，区域内基尼系数达到最小值0.0273，随后持续大幅增长，并在2020年达到最大值0.3065。

从区域间差异看，长三角都市圈工业能源消费碳排放强度区域间差异整体呈现增长趋势，研究期内上海大都市圈—苏锡常都市圈、上海大都市圈—宁波都市圈、南京都市圈—宁波都市圈、杭州都市圈—宁波都市圈和苏锡常都市圈—宁波都市圈区域间基尼系数涨幅均超过100%。2011年，区域间基尼系数较高的都市圈有上海大都市圈—合肥都市圈、南京都市圈—合肥都市圈、杭州都市圈—合肥都市圈、合肥都市圈—苏锡常都市圈、合肥都市圈—宁波都市圈，分别为0.5556、0.5236、0.6030、0.5482和0.5000。从中可以看出，2011年区域间差异较大的都市圈均包含合肥都市圈，这主要是由于合肥都市圈的碳排放强度远远高于其他都市圈，因此出现了较大的区域间差异。2020年杭州都市圈—宁波都市圈区域间基尼系数也超过了0.5，达到0.5882。2011～2020年长三角都市圈工业能源消费碳排放强度区域间基尼系数均值如表2所示，可以发现，均值在0.1～0.2之间的仅有上海大都市圈—苏锡常都市圈；均值在0.2～0.3之间的包括上海大都市圈—宁波都市圈、南京都市圈—苏锡常都市圈、南京都市圈—宁波都市圈，杭州都市圈—苏锡常都市圈，苏锡常都市圈—宁波都市圈；均值在0.3～0.4之间的包括上海大都市圈—南京都市圈、上海大都市圈—杭州都市圈、南京都市圈—杭州都市圈、杭州都市圈—宁波都市圈；没有都市圈均值在0.4～0.5之间；均值在0.5以上的包括上海大都市圈—合肥都市圈、南京都市圈—合肥都市圈、杭州都市圈—合肥都市圈、合肥都市圈—苏锡常都市圈、合肥都市圈—宁波都市圈。

从2011～2020年区域间基尼系数的演变情况来看，仅有上海大都市圈和合肥都市圈、合肥都市圈和苏锡常都市圈、合肥都市圈和宁波都市圈区域间差异增长幅度小于10%，长三角地区其余都市圈间碳排放强度差异均呈现大幅增长，区域一体化程度下降明显。

长三角都市圈工业能源消费碳排放强度动态演进

长三角都市圈城市工业能源消费碳排放强度核密度曲线如图2所示，研究期内核密度曲线主要呈现三峰形态，具有右拖尾现象。主峰在曲线左端，其中一个侧峰离主峰距离较近，而另一个侧峰距离左端两个峰的距离较远。主峰峰值整体呈现上升趋势，且逐年稳步提升。主峰峰值中心具有波动性，呈现先左移后右移的趋势，但与2011年相比，主峰峰值中心左移，且峰寬变窄，表现出长三角都市圈中碳排放强度值在0.7左右的城市增加。核密度曲线最右端侧峰峰值也呈现上升趋势，且中心右移。更突出的多峰现象表现出长三角地区城市碳排放强度的多极化，具有明显的梯度效应，这主要是由于舟山、马鞍山和淮南的“超高”碳排放强度，增强了地区间的不均衡性。

长三角各都市圈工业能源消费碳排放强度核密度曲线如图3所示。研究期内上海大都市圈主峰中心具有左移的趋势，2011～2013年主峰峰值呈现快速增长，且由2011年的双峰演变为2013年的四峰，说明尽管部分城市碳排放强度值更相近，但多极化现象加重，出现明显的梯度效应，2014年主峰峰值骤降，2014～2020年，主峰峰值较为稳定，呈现波动性增长，但增长幅度较小，各年核密度曲线基本为双峰或三峰，但侧峰峰值较小，说明上海大都市圈内的城市碳排放强度有缩小的趋势，数值更为集中但仍具有明显的极化特征。研究期内南京都市圈由双峰演变为四峰，主峰峰值波动性上升，主峰峰值中心先左移后又轻微右移，2011～2018年，南京都市圈碳排放强度核密度曲线基本呈现双峰形态，侧峰在主峰右端，且距离较远，侧峰峰值增加且中心有右移趋势，主峰和侧峰的峰宽均变窄，说明南京都市圈城市碳排放强度城市极化现象加剧。杭州都市圈工业能源消费碳排放强度核密度曲线始终保持单峰形态，但峰宽变窄，峰值呈现波动上升的趋势，研究期内峰值中心先左移后右移，相较2011年，2020年峰值中心没有明显的偏移，核密度曲线右拖尾现象加强。杭州都市圈碳排放强度核密度曲线的动态演进趋势表现出圈内城市间碳排放强度更接近于0.9，呈现较为良好的发展态势。合肥都市圈工业能源消费碳排放强度核密度曲线在研究期内由双峰演变为明显的三峰，主峰峰值呈现“缓慢上升—急速上升—急速下降—缓慢上升”的态势，并在2017年达到最大值，主峰峰宽也由宽变窄再变宽，与2011年相比，2020年主峰峰值中心左移，侧峰峰值与主峰峰值呈现相同变化趋势。合肥都市圈碳排放强度核密度曲线整体呈现右拖尾现象，三峰现象的出现也表明碳排放强度呈现多极化的发展特征。苏锡常都市圈工业能源消费碳排放强度核密度曲线在2013年和2019年主峰和侧峰的峰值较高，极化现象严重，研究期内核密度曲线基本均呈现双峰趋势，侧峰在主峰右端，存在一定的右拖尾现象。宁波都市圈工业能源消费碳排放强度核密度曲线始终呈现单峰形态，峰值呈现“缓慢下降—急速上升—急速下降—缓慢下降”的演变趋势，并且2014年峰值远远高于其他年份，峰值中心没有显著的左移或右移，且不具有明显的拖尾现象。整体来看，研究期内长三角六大都市圈工业能源消费碳排放强度核密度曲线主峰峰值平均水平从大到小依次为苏锡常都市圈＞上海大都市圈＞南京都市圈＞宁波都市圈＞杭州都市圈＞合肥都市圈。由此说明各都市圈的碳排放强度存在明显差异。南京都市圈和合肥都市圈核密度曲线的动态演进趋势以及曲线多极化现象较为相似。

結语

2011～2020年，长三角都市圈工业能源消费碳排放强度整体呈现下降趋势，仅有舟山和六安在研究期内上升；工业能源消费碳排放强度基尼系数计算结果和碳排放强度核密度曲线演进趋势表明，各都市圈碳排放强度区域差异增大，不均衡性较强，特别是上海大都市圈和宁波都市圈区域内差异增长幅度最大。为此，应加速推进区域低碳经济一体化，促进碳达峰、碳中和目标的达成，实现经济社会绿色可持续发展。一方面，要着力缩小各城市、各都市圈间的差距；另一方面，要尽量避免极化现象的产生，促进都市圈以及长三角一体化发展。[11]

加快建设新型能源体系，着力推进绿色低碳高质量发展。中国“富煤少油”的自然资源概况很大程度影响了能源消费结构转型进度，长三角都市圈当前的能源消费依旧以煤炭为主，工业行业的煤炭消费占比突出，进而产生高碳排放量。作为中国能源消费的高地，长三角地区加快推进能源结构转型十分重要。能源要素配置和经济发展具有高度的适配性，因此，受到经济发展方式、体制机制、基础设施等方面影响，清洁能源的发展在一定程度上会受到制约。在面对低碳发展的诸多问题上，要采取控制化石能源消费的增量、促进替代能源的发展、加速产业结构升级等措施，加速长三角地区的能源转型步伐。控制化石能源消费量，并不意味着以可再生能源完全替代煤炭等化石能源，而是要降低煤炭消费比重，推动可再生能源和天然气、石油等能源的多元化发展。加速产业结构升级主要是在现有产业基础上，逐步构建更加适应低碳能源消费的生产方式，以此配合新能源技术，助力长三角都市圈的低碳发展。

大力发展低碳技术，加强技术创新水平。发展低碳技术包括对煤的清洁高效利用等减碳技术，发展核能、风能等无碳技术以及对二氧化碳的捕获、利用和封存等去碳技术。长三角地区的新能源资源条件有限，因此，发展碳捕获、碳利用和碳封存等去碳技术是长三角低碳发展的关键，尽管当前去碳技术在快速发展，也取得显著成效，但目前的技术仍旧存在成本高、技术能耗高等问题，限制了去碳技术的规模化应用。因此，长三角地区亟需突破去碳技术的发展瓶颈，加强都市圈之间的相关合作，加大对低碳技术的投资力度，大力支持企业技术创新。同时要在各都市圈的重点规划建设区域中融入绿色发展理念，大力探索减碳路径。

自从长三角一体化发展上升为国家战略以来，以上海为中心的上海大都市圈、以南京为中心的南京都市圈等六大都市圈各展所长、相互支撑，不断推进长三角区域一体化发展。一体化发展不但需要中心城市带动周边地区经济发展，同时也承担着推动实现区域共同富裕、生态绿色发展的重大使命。因此，长三角各都市圈应推进圈内碳排放平衡和圈间碳排放平衡共同发展，在圈内，碳排放强度低的城市可以通过技术、资源的支持，帮助碳排放强度高的城市进行有效减排；在圈外，应当加快建立跨都市圈的区域低碳技术的共享机制，在产业、能源、建筑、交通等重点领域加速开展政府主导、市场驱动的绿色低碳一体化，构建绿色交通网络，共建绿色低碳示范区。此外，还要充分调动居民的积极性和参与度，推动形成全民共建的低碳社会，在控制能源消费量和能源消费强度的基础上加强对碳排放量和碳排放强度的控制。

（本文系国家社会科学基金重大项目“二元经济转型视角下中国新型城乡关系的构建研究”的阶段性成果，项目编号：21ZDA053；辽宁大学博士研究生傅莉媛对本文亦有重要贡献）

注释

[1]习近平：《高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告》，《人民日报》，2022年10月26日，第1～5版。

[2]代丽娟、马琼、侯玉龙：《基于IPCC清单编制法的碳排放现状分析》，《中国市场》，2022年第19期。

[3]杨世杰：《中国省域能源消耗碳排放的空间效应研究：基于不同空间权重矩阵视角》，《环境科学与技术》，2019年第S2期。

[4]邢梓涵、李晓燕、石振宇等：《辽中南城市群城市扩张及其碳排放效应》，《自然资源遥感》，2022年6月。

[5]李云燕、盛清、代建：《基于DMSP–OLS与NPP–VIIRS整合数据的京津冀城市群碳排放时空演变特征》，《环境工程技术学报》，2022年4月。

[6]刘伟、毛显强、李巍等：《黄河流域城市群工业增长与碳排放脱钩关系研究》，《环境工程技术学报》，2022年9月。

[7]邝嫦娥、李文意、黄小丝：《长江中游城市群碳排放强度与经济高质量发展耦合协调的时空演变及驱动因素》，《经济地理》，2022年第8期。

[8]韦彦汀、李思佳、张华：《成渝城市群的碳排放时空演变特征及其影响因素分析》，《中国环境科学》，2022年第10期。

[9]蒋惠琴、陈苗苗、余昭等：《异质性视角下长三角城市群碳达峰影响因素研究》，《城市问题》，2022年第8期。

[10]王青、肖宇航：《华北平原城市绿色发展效率时空演变趋势及影响因素》，《城市问题》，2021年第10期。

[11]王青、刘亚男：《长三角六大都市圈经济高质量发展的区域差距及动态演进》，《南通大学学报（社会科学版）》，2022年第3期。

责 编／陈璐颖

Regional Differences and Dynamic Evolution of Carbon Emission Intensity

of Industrial Energy Consumption in the Yangtze River Delta Metropolitan Area

Wang Qing

Abstract： In response to global warming， China has taken an active part in global climate governance. The new development concept emphasizes green and sustainable development. Therefore， it is crucial to effectively reduce carbon emissions and carbon emission intensity in the Yangtze River Delta region as it is one of the most economically active regions in China. Based on the calculation of carbon emission intensity of industrial energy consumption in the six metropolitan areas of the Yangtze River Delta， the evolution of carbon emission intensity， regional differences and dynamic evolution of carbon emission intensity from 2011 to 2020 were analyzed. The results showed that the carbon emission intensity of the six metropolitan areas showed a downward trend as a whole， but there were significant differences among these metropolitan areas. We should adjust the energy consumption structure and develop low-carbon technology to promote the development of regional low-carbon economic integration.

Keywords： carbon emission intensity， Yangtze Delta metropolitan areas， regional differences， dynamic evolution