长江经济带碳排放时空特征及成因分析

谢振安,何赵伟

(安徽理工大学 人文社会科学学院,安徽 淮南 232001)

根据IPCCAR6(联合国政府间气候变化专门委员会第六次报告)的描述,“碳排放已造成全球变暖,且影响不可逆”。截至2019年,中国碳排放约占世界碳排放总量的21%,碳排放量居于世界第一。中国为履行对世界环保事业的义务,国家主席习近平在第七十五届联合国大会上宣布“中国力争2030年前碳排放达到峰值,努力争取2060年前实现碳中和目标”。无论对中国还是全世界,到本世纪中叶实现“碳中和”都具有重大战略意义。因此,为早日实现“双碳”战略目标,对国内重点区域的碳排放情况进行评价并分析其成因尤为必要。

一、文献回顾

当前有关碳排放的研究主要集中在碳排放计算、碳排放驱动因素的探究、碳排放空间异质性分析、碳排放趋势预测四个方面[1-4]。碳排放计算可分为区域碳排放计算、企业碳排放计算、某领域碳排放计算以及部分产品或服务的碳排放计算[5-6]。其中,在前三者的研究中,学者们通常利用碳排放因子法和物料平衡法对碳排放进行计算。然而,随着卫星遥感技术的发展,学者们逐渐开始借助NPPVIIRS、BLACKMARBLE等夜间灯光数据对卫星遥感图像进行处理,从而拟合出区域碳排放总量[7-9],在产品或服务的碳排放计算中,碳足迹法因核算结果精确而受到众多学者青睐[10-13]。学者们主要通过将STIRPAT模型作为理论基础,结合指数分解法和计量经济学的相关方法对碳排放驱动因素展开研究,LMDI指数分解法、岭回归、VAR模型、面板数据模型等较为常用[14-16]。在碳排放空间异质性分析方面,随着空间计量经济学的发展,越来越多的学者利用空间计量方法,从时空耦合、空间依赖性、空间溢出、时空格局特征、空间网络结构等视角对区域碳排放空间关系展开研究[17-20]。碳排放趋势的预测主要利用定性分析、定量分析、混合分析三类方法进行。其中,定性分析具有对碳排放总体趋势判断较为明确的优势;定量分析主要利用灰色预测模型、系统动力学、蒙特卡洛模拟、LEAP模型等对碳排放展开预测;情景分析法作为混合分析的主要方法,核心思想是将KAYA恒等式、STIRPAT模型等作为理论基础,按实际情况进行情景设计,最终结合预测模型对碳排放进行预估。具体来说,混合分析包括岭回归和情景设置的组合、蒙特卡洛模拟和情景设计的组合、BP神经网络和情景设计的组合等[21-24]。

当前,多数研究只分析了区域碳排放的时空分布特点,对时空分布的成因解释较少。本文基于2005年、2010年、2015年、2020年4年的相关数据,利用自然断点法、空间趋势法、地理探测器模型对中华人民共和国国民经济和社会发展第十个五年计划至第十三个五年规划期间长江经济带的碳排放空间分布状况及成因进行探讨。

二、研究方法

(一)碳排放计算方法

本文参考不同学者的碳排放计算方法,采用碳排放因子法对长江经济带各省份碳排放量进行计算[25],具体计算过程如下:

C=∑iei×δi

(1)

其中,C表示碳排放量;e,δ分别表示各类能源消耗量和相应碳排放系数。本文中所用各种能源消耗、GDP、人口等数据均来自《中国能源统计年鉴》《中国统计年鉴》。各类一次能源消耗数据和能源碳排放系数均来自《2019年中国区域电网平均二氧化碳排放因子》及IPCC发布的《国家温室气体订单排放指南》,具体参考系数见表1。

表1 能源碳排放系数转换表

(二)自然断点分类

自然断点法是一种根据数值统计分布规律进行分级和分类的统计方法。具体来说,任何统计数列都存在一些自然转折点、特征点,用这些点可以把研究的对象分成性质相似的群组[26-27]。因此,裂点本身就是分级的良好界限。相较于其他分类方法,自然断点法具有使类与类之间的不同最大化的优势,本文主要参考何恩业等的研究[26]。

首先,给定样本集合R={R1,R2,…Rm},计算样本集合的离差平方和及样本均值:

(2)

(3)

其次,设集合R共划分了k个类簇,即C1,C2,…,Ck,依次计算相应的离差平方和,即SDAMC1,SDAMC2,…,SDAMCk,并将相应的离差平方和进行求和:

(4)

再次,还需要进行拟合优度验证,计算各种分类的梯度gvft:

(5)

其中,0≤gvft≤1,gvft越大表示类别间的差距越大。在步骤(2)中,SDAMmin对应的分类梯度值最大,则自然断点分级的结果最为理想。

(三)空间趋势分析

空间趋势分析反映了空间物体在空间区域上变化的主体特征,这种方法具有揭示空间物体的总体规律而忽略局部变异的优势[28]。Zi(Xi,Yi)为第i个省的碳排放量,其中(Xi,Yi)为空间平面坐标,X表示东西指向,Y表示南北指向。根据空间趋势分析原理可得:

Zi(Xi,Yi)=Ti(Xi,Yi)+εi

(6)

其中,Ti(Xi,Yi)为空间趋势函数,此处代表长江经济带各省份的总体趋势函数。εi为变异项,即实际碳排放趋势值与总体碳排放趋势值之间的误差。

(四)地理探测器

地理探测器是一种用来探测空间分异性以及揭示其背后驱动力的统计学方法,该方法在因变量为数值量(如碳排放量)、自变量为类型量(如GDP的分类等)的分析上具有一定优势。地理探测器包括4个探测器,即分异及因子探测、交互作用探测、风险区探测、生态探测。本文根据实际需要在此选取分异及因子探测、交互作用探测对长江经济带的碳排放进行分析[29]。

1.分异及因子探测。分异及因子探测的目的是探测Y的空间分异性,同时解释探测某因子X多大程度上解释了属性Y的空间分异。具体原理见公式(7)～(9)。

(7)

(8)

SST=Nσ2

(9)

2.交互作用探测。交互作用探测是用来识别不同风险因子间交互作用的方法。该方法可以判断X1和X2共同作用是否会增加或减弱对因变量Y的解释力,或是X1和X2对因变量Y的解释力是否呈现累加关系,即X1和X2对因变量Y的影响是否相互独立。具体来看,该方法分别计算出两种因子各自对Y的q值,即q(X1)和q(X2),再计算两者的交互q值,即q(X1∩X2),最后将q(X1)、q(X2)和q(X1∩X2)进行对比。两者间的关系可分为如下几种情况,具体见表2。

表2 交互作用探测分类表

三、实证结果与分析

(一)碳排放变化特征分析

1.碳排放演进过程分析。本文对长江经济带各区域在2005年、2010年、2015年、2020年4个代表年份的碳排放量进行计算,展示近20年内长江经济带各区域碳排放的变化趋势,如图1所示。

图1 2005年、2010年、2015年、2020年长江经济带碳排放量变化图

从长江经济带总体碳排放分布来看,江苏、浙江、安徽三地的碳排放量显著高于其他省市。其中,江苏省碳排放量居于榜首,其碳排放峰值出现在2020年,数值一度达到1.243 41×105万吨;湖北,湖南,四川3省份碳排放处于中游水平,碳排放水平较为平均,一直维持在4×104万吨上下;上海、重庆、江西、贵州、云南碳排放量相对较低,均保持在4×104万吨以下,其中重庆在2005年碳排放达到1.247 6×104万吨,为所有年份中的最低值。从各省市4年间的碳排放变化趋势来看,江苏、浙江、安徽、贵州、云南、江西在4年间的碳排放量持续递增,其中江苏、浙江、安徽增幅明显,且增长速度逐渐加快;贵州、云南、江西碳排放虽然持续增长,但增幅有所减缓;上海、湖北、湖南、重庆、四川在第十二个五年规划前的碳排放持续增长,在第十三个五年规划期间碳排放增速开始放缓,可见前期低碳管理的效果开始显现。

2.碳排放时空异质性分析。本文结合2005年、2010年、2015年、2020年长江经济带的碳排放数据,利用自然断点法将长江经济带各省市划分为高碳排放、中高碳排放、中等碳排放、中低碳排放、低碳排放五类地区。从时间维度分析,结果如下:高碳排放地区数量较少且较为稳定,仅有江苏省常年处于高碳排放地区。中高碳排放地区在数量上有所增长,在2015年之前仅包含浙江省,而在2020年增加为浙江、安徽两省;中等碳排放地区、中低碳排放地区包含数量相对较多,中等碳排放地区在2005年、2010年包括安徽、湖南、湖北、四川、上海五地,在2015年和2020年中等碳排放省份数量减少为三省一市。具体来看,在2015年中等碳排放区域为安徽、湖北、四川,2020年为湖北、湖南、四川3个省份。中低碳排放地区数量逐渐增加,2005年、2010年包括贵州、云南两地,2015年增加了上海市,2020年为贵州、云南、江西、上海。低碳排放地区数量有所起伏,2010年前由重庆、江西组成,2015年增加云南省,2020年仅有重庆属于该范畴。从空间维度分析,结果为:高碳排放以及中高碳排放地区集中在以江苏、浙江为主的东部地区;中等碳排放、中低碳排放地区主要集中在四川以及湖南、湖北等省份;中低碳排放地区集中在贵州、云南等西南省份;低碳排放地区主要以重庆为代表。总体而言,长江经济带碳排放呈现自东向西、自北向南由高碳排放向低碳排放逐渐递减的分布特点。

3.碳排放时空趋势分析。为了更加直观地反映长江经济带碳排放空间演变趋势,本文利用ArcGIS软件,结合长江经济带2005年、2010年、2015年、2020年4年数据进行三维透视分析。

从空间上分析,长江经济带的碳排放在东西方向上呈现东高西低、自东向西递减的分布特征;在南北方向上,碳排放总体趋势呈现南高北低的明显U型分布特征。长江经济带碳排放在南北向的分布差异大于东西向的分布差异。基于时间维度分析,虽然局部地区碳排放量出现起伏,但4年间整体碳排放趋势较为稳定,均表现出自东北向西南方向逐渐递减的趋势,预计未来一段时间内该趋势仍将持续。

(二)碳排放时空变化因素分析

1.时空变化影响因素选取。STIRPAT模型被认为是研究碳排放影响因素的重要模型之一。该模型认为碳排放量是由技术因素、经济因素和人口因素共同决定的。综合学界的不同观点后,选取能源强度、GDP、人口数量3个因素作为长江经济带碳排放时空分布的影响因素并对其进行分析。

2.分异及因子探测分析。对能源强度、GDP、人口数量3个因素进行自然断点法分类,并利用GeoDetector软件对选取因素进行分异及因子探测分析,结果如图2所示。

图2 因子探测结果

从因子探测结果可见,GDP的q值较为稳定,数值始终保持在1附近,明显高于能源强度和人口因素的数值。由此可见,经济因素是形成长江经济带碳排放空间格局的主要影响因素。人口因素除在2010年出现小幅波动,总体上q值基本维持在0.6左右,整体高于能源强度而低于GDP的数值,因而人口是碳排放空间格局形成的次要因素。能源强度q值变化幅度较大,在2010年之后逐渐增长,但整体数值小于GDP和人口的q值,因而能源强度对长江经济带碳排放空间布局的影响较小。

3.交互作用探测分析。本文对2005年、2010年、2015年、2020年能源强度、GDP、人口数量进行两两交互探测以探究影响因素间是否对长江经济带碳排放空间分布存在交互影响,具体结果如表3所示。

表3 交互作用地理探测结果

从2005年、2015年、2020年各影响因素的交互结果来看,能源强度、GDP、人口数量任意两者之间的交互q值均大于各自独立q值,其中最大的q值出现在能源强度与人口数量的交互情景下,达到0.998。最低的q值为2020年能源强度与人口数量的交互值,达到0.583,但各影响因子间的交互类型均属于双因子增强。由此可见,2005年、2010年、2015年长江经济带碳排放空间格局的形成是三者共同作用的结果。同时,2010年的能源强度与人口的交互结果呈现非线性增强,其余因素呈现双因子增强。综上可知,长江经济带碳排放时空格局的形成存在明显的多重空间叠加交互效应。

四、结论与建议

(一)结论

本文选取2005年、2010年、2015年、2020年4个代表年份,对目标年份长江经济带碳排放空间分布进行分析,并利用地理探测器模型对空间分布背后的成因进行探索,最终得出如下结论:

1.区域总体碳排放呈上升态势,部分区域已实现“碳达峰”。长江经济带的多数省份碳排放常年保持上升趋势,其中江苏、浙江、安徽的碳排放增长趋势较为明显,但增速逐渐放缓。湖南、湖北、四川、重庆、上海在 “十二五”期间已实现“碳达峰”,并逐渐开始减少碳排放。这说明,我国前期对长江经济带的碳排放治理工作已初见成效,“双碳”战略目标正在逐步实现。

2.区域碳排放空间分布差异显著,碳排放分布合理化短期难以实现。通过对各省市碳排放总量进行计算后发现,东部省市碳排放总量明显高于中西部省市。通过趋势分析可以发现,长江经济带大体呈现出东高西低、南北呈U型的布局特点,且这种分布特点长时间保持稳定。将各省市碳排放进行分类后发现,东部地区、中部地区、西部地区碳排放依次递减,空间差异明显。因此,长江经济带碳排放空间分布存在明显差异,且这种空间差异常年保持稳定且并未出现缓和的趋势。

3.区域碳排放空间布局成因复杂,经济是碳排放空间差异的核心要素。研究发现,能源强度、人口、GDP对碳排放空间布局均有不同程度的贡献。其中,经济因素对碳排放空间布局的影响最为明显,人口规模和能源强度贡献依次递减。通过交互以及因子探测发现,相较任意两个因素对区域碳排放影响效应的累加,两者的交互作用对碳排放空间布局的影响效应更明显。综上分析,长江经济带碳排放空间布局是多重因素共同叠加的结果。

(二)政策建议

1.制定差异化低碳政策和减排政策。各地要坚定落实“双碳”战略,从宏观上总结长江经济带各省市碳排放时空异质性共有规律,制定普适性低碳发展目标。同时,由于长江经济带各省市所处地理位置、经济状况、资源分配有所差别,各地更要具体把握碳排放的空间分布特点,因地制宜制定差异化政策,坚决实施“双碳”战略,打好节能减排的持久战和攻坚战。

2.继续深化中部地区减排力度。以江苏、浙江、安徽、江西为代表的东部地区和以贵州、云南为代表的西部地区,在推动经济发展的同时也应当加强节能减排的意识,树立可持续发展观,把低碳发展作为各地区提高地区综合竞争力的目标。以湖北、湖南、重庆、四川为代表的省市,则应当在原有基础上提升减排力度,推出更多可持续的减排举措,争取早日实现“双碳”战略目标。

3.全面干预碳排放影响因素,重点推动经济高质量发展。在能源强度方面,需要借助能源技术革新、新能源使用,来优化单位国民生产总值的能源消耗结构,降低能源强度;在人口方面,要完善地方人才政策,保障各省市人力资源长期均衡发展;经济方面,要提升经济发展质量,避免以高能耗、高污染为代价发展经济。要落实产业转移政策,同时优化产业结构,着力推动新能源、半导体集成电路等高新技术产业落地,以推动高附加值低污染产业发展。