中国沿海城市群减污降碳协同增效时空演变及影响因素

陈小龙，狄乾斌,b,2，吴洪宇

（1. 辽宁师范大学 a. 地理科学学院；b. 海洋经济与可持续发展研究中心，辽宁 大连 116029；2. 河北科技师范学院 海洋经济与沿海经济带研究中心，河北 秦皇岛 066004）

“十四五”时期，中国生态文明建设进入减污降碳协同增效新阶段（王涵 等，2022a）。党中央、国务院对深入打好污染防治攻坚战、实现减污降碳协同增效提出明确部署和要求；中央经济工作会议也明确要求“继续打好污染防治攻坚战，实现减污降碳协同效应”（姜华 等，2021）。城市群作为区域经济发展重要载体，尤其京津冀、长三角和珠三角城市群是最具经济活力、开放程度最高的国家级城市群，其减污降碳协同增效作用的发挥是国家可持续发展重要驱动力量（任梅 等，2019）。厘清中国沿海三大城市群减污降碳协同增效的演变规律和影响机制，准确把握减污降碳协同增效的发展重点、方向和着力点，对推动区域污染物减少与碳排放达峰尽早实现具有重要意义。

碳排放引起的生态环境污染与全球气候问题已成为研究热点，国内外学者都给予高度关注。1）研究内容上：主要集中在大气污染物与碳排放的驱动机理、应对策略及其效应的研究（Ramanthan et al., 2010; Mosikaei et al., 2020; Wang et al., 2019; Du et al., 2021）；环境治理对碳减排、气候变化的协同效应及评价研究；减污降碳对策措施及其协同效应评价研究（Yu et al., 2020）。如牛彤（2019）构建大气污染物和二氧化碳协同减排系统的理论模型，测算不同地区工业协同减排程度，并提出相应对策；Okorn 等（2021）通过对大气污染物排放和碳排放监测，验证污染物减排协同性；高庆先等（2021）对大气污染防治进行效果评估，发现技术进步对SO2、NO2、烟尘和碳减排的产生正向协同效应；王涵等（2022b）构建减污-降碳-经济评价指标体系，对各地区减污、降碳和经济指标进行综合评价，提出减污降碳与经济协调发展建议。2）研究区域上：包括全国、城市群等尺度。如Li等（2021）对中国减污降碳协同效应的时空特征及其影响机制分析；孙丽文等（2020）对京津冀区域碳排放协同治理及影响因素进行分析；马伟波等（2022）利用时空地理加权回归法和随机森林法分析长三角城市群减污降碳驱动因素的重要性变迁特征；长江流域典型（Ren et al., 2020）等区域尺度研究；也有北京（谢元博 等，2013）、重庆（王敏 等，2021）、上海和黑龙江省等省级尺度研究；阿迪拉·阿力木江等（2020）以上海市为例，对碳减排和大气污染控制的协同效益进行评价；张扬等（2015）对黑龙江省大气污染防治行动计划的温室气体减排进行核算；以及沈阳（温娜，2021）、乌鲁木齐（高玉冰 等，2014）和唐山等城市尺度研究；邢有凯等（2020）以唐山市为例，基于城市蓝天保卫战行动，对协同控制局地大气污染物和温室气体效果进行评估。3）研究部门上，涉及到交通部门（Jiao et al., 2020）；工业部门的电力行业（Zhou et al., 2015）、钢铁行业（汪旭颖 等，2022）、水泥行业（Zhang et al.,2020）、农业等部门。何艳秋等（2020）对中国农业碳排放空间网络结构及区域协同减排进行分析。4）研究对象上，包括清洁能源规则及排放回升对二氧化碳和大气污染物排放的影响（Keyes et al.,2019），也涉及对“大气污染防治行动计划”和“城市蓝天保卫战行动”的减污降碳协同效应分析。5）研究方法上，测算大气污染物和二氧化碳等温室气体主要是《IPCC国家温室气体排放清单指南》（2006）公布的排放因子法（李晴 等，2013）、大气污染物当量法（李建熹 等，2011）；减污降碳协同效应评价多采用相关系数法（宋飞 等，2012）、弹性系数法（何峰 等，2021）、协同减排当量法（毛显强 等，2012）、协同效应坐标系法（高玉冰 等，2021）和协同效应评估指数法（高庆先 等，2021）；减污降碳协同效应预测多采用多元线性回归模型（常树诚 等，2021）、LEAP 模型（冯相昭 等，2021）、STIRPAT模型（杨森 等，2019）等方法。

综上，已有文献侧重环境污染治理或碳排放测度的研究范式，随着对协同效应研究的不断深入，越来越多的研究讨论大气污染物与碳排放的协同效应，但对减污降碳的研究限于协同控制的案例，对减污降碳协同增效的城市对比数据研究成果较少；其次，区域减污降碳协同增效内涵、性质等理论研究居多，主要集中在全国及省域层面，现阶段城市群水平的减污降碳缺乏测度指标，对不同规模、发展程度的城市群呈现的异质性现象难以做出有效的解释；且少有研究将局部空间相关分析与局部空间回归分析相结合，从城市群内部城市角度切入进行长时间尺度上影响因素的作用机制研究。

基于此，本文以中国沿海三大城市群为研究对象，将协同发展理论、区域碳排放与环境治理纳入统一框架，构建减污降碳协同增效评价体系；采用改进Topsis模型、空自间相关分析、复合系统协同度模型和回归模型，定量测度三大城市群减污降碳协同增效时空演化规律及其协同度，分析其影响因素。以期为城市群因地制宜地制定减污降碳协同增效策略和助力双碳目标实现提供参考依据。

1 研究方法与数据来源

1.1 减污降碳协同增效内涵与评价指标体系

1.1.1 减污降碳协同增效内涵 参考相关研究，对减污降碳协同增效内涵进行定义。刘茂辉等（2022）认为中国大气污染物与二氧化碳等温室气体之间产生协同效应，即污染物减排措施的实施在实现此项污染物减排的同时，还产生其他环境效益的现象；侯静怡等（2022）从“减污”“降碳”“协同度”3 个维度定义减污降碳协同度；郑逸璇等（2021）从目标、区域、对象、任务、政策等5个维度的协同性系统的给出减污降碳协同增效的基本内涵；姜华等（2021）从减污和降碳的目标、路径、管理手段和责任主体4个方面分析减污降碳协同增效的内涵。综上可知，降碳与减污之间可以产生很好的协同效应，在减污降碳协同增效整体动态系统中，运用多种手段和措施推进降低二氧化碳等温室气体排放同时，也能减少常规污染物排放（狄乾斌等，2022a）。城市是碳排放的主要来源地，中国城市地区碳排放约占全国碳排放总量的80%以上（Shan et al., 2017），主要来源于城市产业、交通、建筑、土地等领域的碳排放活动；同时也是各类污染物排放相对集中区域，在城市化、工业化建设中协同推进节能减排，对中国实现减污降碳协同增效愿景至关重要（马伟波 等，2022）。近年来，随着中国一系列区域和空间发展战略的实施，城市群作为中国经济发展最为集中和活跃的空间场所，是中国经济发展和能源消耗的集聚区域，具有典型的污染物、碳排放时空分异与协同特征，同时城市群内各城市间也面临着减污降碳协同增效任务（Chen et al., 2023）。

根据现有研究，城市群减污降碳协同增效内涵丰富：1）减污和降碳构成城市生态文明建设布局，目标高度协同；2）以全局性、系统化的视角统筹融合城市群污染治理与碳减排的战略规划，以减污制度建设维护降碳目标平衡，同时用降碳政策促减污发展，体现减污降碳政策协同；3）减污和降碳突出城市源头、系统、综合治理及同根同源同过程性质，使得减污降碳协同治理手段和路径协同；4）重点关注碳排放量大及环境污染严重城市，人口稠密、能源消耗量大城市群，对应环境污染与碳排放在区域分布上高度一致；5）城市群中能源、工业、建筑、交通等重点领域，火电、钢铁等高排放行业，其责任主体高度协同（狄乾斌 等，2022a）。

1.1.2 减污降碳协同增效综合评价指标体系构建

从城市层面看，应重点关注环境污染严重的地区，该地区同时也是碳排放量大的地区，城市温室气体与环境污染物排放具有同根、同源、同过程的特点，具备协同治理的巨大潜力。利用该特点，采取相应的手段减少污染物排放和降低温室气体排放，是一种高效环境管理策略（陈小龙 等，2021）。城市群各城市间协调发展、产业集聚、经济联系密切等特征，可促进城市群减污降碳协同增效提升，在环境污染与治理、能源和产业结构优化、生态环境统一协调、资源综合利用等方面更易统筹安排（王少剑 等，2022）。依据减污降碳协同增效理论内涵和核心特征，将环境、资源、经济协同发展理念贯穿到本研究的体系构建中，凸显经济发展与环境效益相结合原则，并遵循评价指标和数据的可操作性、可获取性原则获取指标，构建中国沿海三大城市群各城市减污降碳协同增效综合评价指标体系，具体见参考文献（狄乾斌 等，2022a）。

1.2 研究方法

1.2.1 改进的TOPSIS 模型 采用改进的TOPSIS模型对沿海三大城市群减污降碳协同增效水平进行测算。该方法根据各评价方案到理想解的欧式距离远近，评价方案优劣状况，与传统的TOPSIS 算法相比，克服因权重改变可能产生逆序现象的缺点，使评价结果区分度更加明显，在此基础上计算中国沿海三大城市群减污降碳协同增效指数，使得评价结果更加合理准确（狄乾斌 等，2019）。

1.2.2 核密度估计（KDE） 为探究中国沿海城市群减污降碳协同增效的动态演进过程，借助核密度估计对其在不同阶段的动态变化趋势进行可视化展示。具体公式为（狄乾斌 等，2022b）：

式中：fh(x)为核密度估计值；n为样本数；h为带宽。K()为核函数；（x-x）i为估计值点到测量点xi的距离值。

1.2.3 空间自相关分析 中国沿海三大城市群区位条件、资源优势、经济发展水平差异明显，其减污降碳协同增效必然具有区域性差异特征，而这些差异可能存在影响城市本身及相邻城市减污降碳的空间自相关性。因此，需要对中国沿海城市群减污降碳协调增效进行空间自相关分析，检验空间积集聚性。利用GeoDa 软件计算三大城市群全局莫兰指数，检验减污降碳协同增效在整体空间的相关性，再进行局部空间相关性分析城市内部减污降碳协同增效集聚规律，公式分别为（任梅 等，2019）：1）全局空间自相关：

2）局部空间自相关：

式中：n为研究城市总数；i、j为具体城市；xi、xj分别为城市发展指数；xˉ为均值；wij为空间权重矩阵，表示i与j的邻近关系。Moran'sI∈ [-1, 1]，接近0时，空间自相关弱，随机分布特征；接近1或-1时，空间自相关强，集聚分布特征。Moran'sIi值为正时，表示与相邻城市有相似高值（低值），即空间集群为HH 集群和LL 集群；Moran'sIi值为负时，说明城市与相邻城市有显著差异，即空间离群为HL集群和LH集群。

1.2.4 复合系统协同度模型 1）子系统有序度。Twk为减污降碳协同增效的序参量，基于序参量对减污降碳协同治理系统有序度的正负影响，分为正向和负向的序参量，正向序参量取值越大，系统有序度越高，负向序参量取值越大，系统有序度越低，Twk序参量有序度计算公式为（狄乾斌 等，2022a）：

式中：Uw(Twk)为序参量有序度，Uw(Twk)∊［0，1］；Twk∊［awk，bwk］，awk、bwk分别为减污降碳协同增效第w个子系统的第k个序参量的最小值和最大值；城市子系统Tw的有序度可通过Uw(Twk)加总求和获得，公式为：

式中：Uw(Tw)为子系统有序度；Pw为权系数，Pw≥0且Pw=1。2）复合系统协同度。设定从初始时刻t0发展到时刻t1， 则各城市子系统的有序度为(Tw)、U1w(Tw)，从t0到t1时刻的减污降碳协同增效复合系统的整体协同度为：

式中：F表示减污降碳协同增效复合系统协同度；n表示城市数量；β表示系统协同度的稳定性，当β＜0时，表示系统整体处于不稳定或不协同状态，β＞0处于正协同状态；γw表示权重系数。

1.3 数据来源

本研究涉及的研究区域包括京津冀城市群的13个城市、长三角城市群的26个城市和珠三角城市群的14 个城市。指标数据来源为2011—2020 年《中国城市统计年鉴》（中华人民共和国国家统计局，2011—2020）《中国环境统计年鉴》（中华人民共和国国家统计局 等，2011—2020）《中国城市建设统计年鉴》（中华人民共和国住房和城乡建设部，2011—2020）和北京、天津、上海、广东等省（市）国民经济和社会发展统计公报①https://www.beijing.gov.cn/; http://www.tianjin.gov.cn/; https://www.hebei.gov.cn/; https://www.shanghai.gov.cn/; https://www.zhejiang.gov.cn/; https://www.jiangsu.gov.cn/; https://www.guangdong.gov.cn/。碳排放数据来源于中国碳核算数据库②https://www.ceads.net.cn/data/，并采用Chen等（2020）利用国家物理地球数据中心提供的DMSP/OLS 和NPP/VIRRS 夜间灯光数据得出。结合中国城市温室气体排放数据（中国城市温室气体工作组，2019）进行处理，得到2010—2019年中国沿海三大城市群53个城市碳排放量。

2 中国沿海城市群减污降碳协同增效时空演变分析

2.1 减污降碳协同增效时间特征分析

根据改进Topsis模型求得沿海三大城市群53个城市2010—2019 年的减污降碳协同增效指数（表1）。整体看，三大城市群减污降碳协同增效指数平均值从2010 年的0.433 上升到2019 年的0.592，呈现稳定增长趋势。城市群层面看，三大城市群减污降碳协同增效指数群际和群内差异较小，长三角减污降碳协同增效指数整体呈上升趋势；京津冀减污降碳协同增效指数为平稳波动；珠三角减污降碳协同增效指数出现增长速度变缓的态势。长三角城市群减污降碳协同增效指数具有较高水平，但增长速度缓慢；京津冀城市群虽在研究初期较低，但提升幅度最大，从2010年0.434增长至2019年的0.585，年均增长率达34.79%；珠三角城市群减污降碳协同增效指数虽在初期较高，但在研究期内增长率为33.25%，从2016 年低于三大城市群平均水平，到2019年，均值在三大城市群中处于中间位置。

表1 2010—2019年三大城市群减污降碳协同增效指数Table 1 Synergistic index of reducing pollution and carbon in three urban agglomerations from 2010 to 2019

为进一步分析三大城市群减污降碳协同增效的时序变化特征，利用Eviews软件绘制相应年份的核密度曲线（图1）。从位置变化看，研究期间三大城市群核密度曲线随时间推移呈现右移趋势，表明减污降碳协同增效保持上升态势，同时核密度曲线右尾的移动距离大于左尾，说明减污降碳协同增效指数的低值区域相对减小，高值区域相对增加。从分布形态看，京津冀城市群变化曲线主峰高度上升、宽度减小，城市群内部绝对差异呈缩小趋势；长三角城市群主峰高度先降低后升高，总体表现为降低，宽度则有所减小；珠三角城市群在2019年时波峰高度快速提升，表明在观测期内该地区减污降碳协同增效呈现逐渐集中的趋势。

图1 三大城市群（a. 京津冀；b. 长三角；c. 珠三角）减污降碳协同增效核密度Fig.1 Synergistic kernel density of pollution reduction and carbon reduction in three major urban agglomerations(a. Beijing-Tianjin-Hebei; b. Yangtze River Delta; c. Pearl River Delta)

2.2 减污降碳协同增效空间特征分析

选取2010、2015、2019 年数据，利用Arc-GIS10.2 绘制减污降碳协同增效空间分布（图2），探讨中国三大城市群减污降碳协同增效的空间分异特征。

图2 三大城市群减污降碳协同增效空间格局Fig.2 Spatial pattern of synergy in reducing pollution and carbon in three urban agglomerations

从图2可以看出，沿海三大城市群内减污降碳协同增效呈现不同的空间演化特征。京津冀城市群减污降碳协同增效从2010年的以沧州、保定、廊坊为中心，从东北向西南递减，演变为以北京、唐山、秦皇岛为中心，向南北两侧递减的空间格局。长三角城市群减污降碳协同增效的空间分布则由“沿杭州-湖州-苏州-南通-盐城的“S”型向东西两侧递减，演变为从东南沿海向西北内陆递减的格局。珠三角城市群减污降碳协同增效的空间分布相对稳定，呈现以多城市为中心，从珠江入海口两侧向内陆递减，城市集群环绕分布的格局。2010—2019年减污降碳协同增效低效运行城市数量逐渐减少，2010年减污降碳协同增效低效运行城市为张家口、邢台、杭州、绍兴、嘉兴和东莞，主要分布在长三角城市群；2010年减污降碳协同增效低效运行城市为秦皇岛、南通、韶关和肇庆，主要分布在珠三角城市群；2016年减污降碳协同增效低效运行城市为京津冀和长三角城市群的承德、滁州和无锡。

根据各城市减污降碳协同增效指数变动情况，参考任梅等（2019）将53 个城市划分为4 种类型：提高、稳定、波动和下降，对应城市总数分别为20、11、16和7个（表2）。长三角占比最高的是提高型和波动型，城市数和占比分别为8 个和30.76%。京津冀中占比最高的是提高型，城市数量和占比分别为6 个和46.15%，分别是北京、天津、石家庄、唐山、衡水、邢台，这些城市的经济发展与科技创新水平相对较高；波动型城市有秦皇岛、保定、廊坊、沧州，提高型和波动型城市是整体提升京津冀减污降碳协同增效关键。珠三角提高型占比最高，城市数量和占比分别是6个和42.86%；属于稳定型为中山、汕尾、河源，属于下降型的为东莞，提高型城市是整体提升珠三角减污降碳协同增效的努力方向。

表2 三大城市群减污降碳协同增效城市分类Table 2 Classification of cities for synergy in reducing pollution and carbon in three urban agglomerations

2.3 减污降碳协同增效的空间关联特征

2.3.1 全局空间自相关结果分析 进一步利用全局空间自相关系数研究中国沿海城市群减污降碳协同增效的相关性（表3）。从结果可知，京津冀城市群除2010、2016、和2018 年全局Moran'sI为正值以外，其余年份的全局Moran'sI均为负值；且前8年未通过10%以下显著性水平的假设检验，表明2010—2017年京津冀减污降碳协同增效呈分散分布，之后年份均通过5%检验，集聚明显，京津冀空间特征由随机向规律化转变，负向相关关系占比较多。长三角除2011和2016年全局Moran'sI为正值以外，其余年份的全局Moran'sI均为负值；除2014 年外长三角均未通过显著性检验，表明长三角各城市间减污降碳协同增效合作机制需进一步加强。珠三角全局Moran'sI在研究期间波动较大，除2013、2018和2019年其他年份均未通过显著性检验，表明珠三角城市对周边城市引领作用较弱，但该情况逐步得到改善。

表3 三大城市群减污降碳协同增效全局Moran's I指数Table 3 Moran's I index of global synergy in reducing pollution and carbon in three urban agglomerations

2.3.2 局部空间自相关结果分析 根据三大城市群各年局部Moran'sI散点图（图略）绘制成减污降碳协同增效局部空间聚类表，分析减污降碳协同增效局部关联特征（表4）。

表4 三大城市群减污降碳协同增效局部空间聚类Table 4 Local spatial clustering table of synergy in reducing pollution and carbon in three urban agglomerations

从数量看，3个时期三大城市群53个城市分别有45.28%、43.39%、37.73%的区域显示为正向的空间自相关性（H-H、L-L），但空间集聚不明显；H-H和L-L集群数量分别从2010年的14、10个下降到2019 年的11、9 个，说明空间集聚程度变化较小，发展成效低的城市集聚程度略有减轻；L-H 集聚区和H-L集聚区数量较多，说明三大城市群减污降碳协同增效空间格局基本稳定，但区域差异明显。从动态分布看，H-H集聚区在研究初期主要分布于经济发展水平、科学技术水平高的城市，如京津冀城市群的北京、天津等城市，长三角城市群的上海、南京、合肥等城市。L-L 集聚区是三大城市群分布最少的的集聚类型；L-L 集聚区减污降碳协同增效相对较差，发展经济效益的同时却忽略生态环境，如京津冀城市群的张家口、唐山，长三角城市群的盐城等城市。近年来，三大城市群转变相对粗放的发展方式，调整产业结构，减污降碳协同增效逐步提高，在高协同城市的辐射带动，逐步发展成新的H-H集聚区。L-H集聚区位于H-H集聚区和L-L 集聚区中间的过渡地带，占比最高区域，如京津冀城市群秦皇岛、邯郸等城市，长三角城市群的苏州、合肥、泰州等城市，珠三角城市群的韶关、河源等城市；这些区域易受相邻集聚类型区的影响，向其他集聚区类型转变，具有较大的减污降碳协同增效提升空间。H-L集聚区的减污降碳协同增效较高，但相邻城市的减污降碳协同增效较低，如京津冀城市群石家庄、邢台等城市，长三角城市群的舟山、金华、安庆等城市，珠三角城市群的江门、肇庆等城市；该集聚区容易出现极化效应，说明城市减污降碳协同增效发展不平衡，需不断加强城市间的合作与联系。

3 中国沿海城市群减污降碳协同增效复合系统协同度分析

中国沿海城市群减污降碳协同增效复合系统包含环境污染、环境治理、生态保护、经济发展和资源利用5个子系统。由上述分析可知，中国沿海城市群减污降碳协同增效空间差异较大，为进一步探求5个子系统间协同发展状况，采用复合系统协同度模型法对中国沿海三大城市群减污降碳协同增效发展水平进行分析。

3.1 子系统有序度

首先，对原始数据进行无量纲化处理，将数据运用到式（4）和（5），得到2010—2019 年中国沿海城市群减污降碳协同增效系统的有序度（图3）。

图3 三大城市群减污降碳协同增效系统的有序度Fig.3 Order degree of synergistic system of reducing pollution and carbon in three urban agglomerations

由图3可知：2010—2019年中国沿海城市群减污降碳协同增效系统有序度呈显著增长趋势，上升速度均较快，说明减污降碳协同治理系统协同作用在不断增强，城市经济发展与生态环境保护工作成效正在加速显现。不同城市群减污降碳协同增效子系统增长速度存在差异，长三角城市群增长速度最快，从2010 年的0.362 增长到2019 年的0.686，主要受长三角一体化政策的影响，环境污染治理水平得到提高，促进城市群内部城市之间减污降碳协同增效。京津冀、珠三角次之，受绿色发展共同体理念影响，京津冀整体有序度较高，逐渐形成完善的大气污染治理利益协调和生态补偿机制；珠三角增长潜力大，其城市群中部分城市已经进入后工业化阶段，协同发展水平较高，促进减污降碳协同增效有序度的提高。

3.2 复合系统协同度

根据式（6）计算三大城市群减污降碳协同增效复合系统协同度，选取2010、2015、2019 年进行可视化分析（图4）。总体上，研究期间中国沿海城市群减污降碳协同增效复合系统协同度较低，表明中国沿海城市群内部不协调，更深层次的作用机制尚未形成，减污降碳协同增效协同度整体波动大，系统处于不稳定、不协调的状态。其主要原因在于城市之间经济发展、环境污染，资源利用等情况差异大，城市减污降碳协同增效仍面临较多难题。从变动趋势看，长三角城市群协同度增长的速度最快，京津冀城市群次之，珠三角城市增长速度最慢。京津冀城市群2011—2019 年波动最大，尤其是在2014—2015 年，2015 年后协同度一直处于上升的趋势；长三角城市群协同度整体处于波动上升趋势，2011—2014 年处于下滑，由于积极实施减污降碳措施，2014 年开始缓慢上升；珠三角城市群与前两者相比处于较稳定的状态，整体波动较小。

图4 三大城市群减污降碳协同增效系统协同度Fig.4 Synergy degree of synergistic system of reducing pollution and carbon in three urban agglomerations

4 减污降碳协同增效影响因素分析

借鉴已有研究（孙丽文 等，2020），构建中国沿海城市群减污降碳协同增效影响因素指标体系。以各子系统整体有序度（ZDS）为被解释变量，解释变量为：1）环境污染序参量有序度（HDS）表征城市污染物排放对减污降碳协同增效影响；2）环境治理序参量有序度（JDS）表征城市污染治理对减污降碳协同增效影响；3）生态保护序参量有序度（SDS）表征城市绿化对减污降碳协同增效影响；4）资源利用序参量有序度（YDS）表征能源消耗对减污降碳协同增效影响；5）经济发展序参量有序度（CDS）表征产业等对减污降碳协同增效影响。通过构建回归模型利用Stata16.0软件对减污降碳协同增效影响因素进行分析，模型公式为（孙丽文 等，2020）：

式中：ZDS为子系统有序度；β0为常数项；βi为各影响因素回归系数；∊为随机误差项。

从各城市群内部分析各因素对减污降碳协同增效的影响，由表5可知，5个因素对减污降碳协同增效均具有影响作用，但对不同城市群的影响有所差异。

表5 三大城市群减污降碳协同增效影响因素回归检验Table 5 Regression test of influencing factors of synergy in reducing pollution and carbon in three urban agglomerations

1）经济发展对城市群减污降碳协同增效的影响存在空间差异，京津冀、长三角和珠三角城市群经济发展回归系数分别为1.010、0.967和0.889，均在1%的水平下显著相关，城市经济增长可为减污降碳协同增效提供必要的资金支持、科技创新。对比回归系数可知，提高经济发展有序度能显著提升京津冀减污降碳协同增效水平；由于长三角较高的经济发展水平能在一定程度上为减污降碳各个环节提供资金支持，有效推动了减污降碳协同增效发展；珠三角相对粗放型经济增长造成污染严重，固体废弃、污水处理缓慢，需进一步加强建设投资力度。各城市群应不断挖掘经济增长的潜力，努力缩小经济发展水平上的差距，通过制度创新、技术创新等途径，实现绿色增长，以不断完善减污降碳协同增效。

2）环境污染对珠三角城市群减污降碳协同增效具有负向影响，回归系数为-0.857，可能由珠三角城市群中各城市的环境管理协调能力、环境执法力度、污染治理水平差异较大导致；对京津冀和长三角城市群具有正向影响，提高环境治理和碳减排水平，有助于减污降碳协同增效水平发展。环境污染是制约京津冀、长三角城市群减污降碳协同增效重要因素，本质上污染物排放越少，对减污降碳的负面影响越小，越有利于减污降碳协同增效，政府应采取一定措施减少污染物和碳排放，优化制造业、提升服务业，促进产业结构升级。

3）环境治理对城市群减污降碳协同增效具有显著的正向影响，京津冀、长三角和珠三角城市群环境治理回归系数分别为0.881、0.999和0.960，均通过1%的显著水平检验。环境治理中，对SO2去除、废水排放达标处理、垃圾无害化处理、固体废物处理能有效减少污染物与碳的排放，提升环境空气质量；政府的作用体现在环境污染治理投资上，治理投资越多减污降碳协同增效水平越高，所以在继续发挥生态保护和资源利用优势的同时，需增加环境治理的投入。

4）生态保护对城市群减污降碳协同增效的影响存在空间差异，京津冀、长三角、珠三角城市群生态保护回归系数分别为0.904、0.897和0.869，均在1%的水平下显著相关。珠三角、京津冀和长三角城市群“城市化与工业化”的快速建设，使得制造业和第三产业快速发展、城市建设面积不断扩张，加重了城市群的生态环境压力。生态保护和减污降碳协同增效需协调发展，其中建成区绿化面积及覆盖率、森林覆盖率、公园绿色面积和城市绿地面积的提高，能有效吸收污染物，生态保护对城市群减污降碳协同增效的影响作用越来越大。

5）资源利用是京津冀、长三角城市群协同增效的关键因素，回归系数较高，达1.028 和1.055，均通过1%的显著水平检验。而资源利用对珠三角城市群减污降碳协同增效具有显著的负向影响，表明资源利用是制约珠三角城市群减污降碳协同增效提升的重要因素，珠三角以煤炭、原油等能源消耗过多，能源消费总量不断增加，加剧城市资源浪费，导致环境污染，降低减污降碳协同增效成效。基于此，三大城市群在保证经济增长质量、加大生态保护力度和改善环境质量同时，关注资源综合利用效率，努力弥补环境治理的短板。

5 结论与讨论

5.1 结论

1）2010—2019 年中国沿海三大城市群减污降碳增效呈显著且稳定增长的趋势，减污降碳协同增效指数群际和群内差异较小。长三角城市群减污降碳协同增效指数整体呈上升趋势，京津冀指数为平稳波动，珠三角指数则出现增长速度变缓的态势。应从城市群内部优化减污降碳协同增效顶层制度设计，破除地区间的行政壁垒，缩小区域间差距。

2）2010—2019 年三大城市群减污降碳协同增效呈现不同的空间格局，京津冀以沧州、保定、廊坊为中心，从东北向西南递减，演变为以北京、唐山、秦皇岛为中心，向南北两侧递减空间格局；长三角由“沿杭州-湖州-苏州-南通-盐城的高值区向东西两侧递减，演变为从东南沿海向西北内陆递减的格局；珠三角的空间分布相对稳定，呈现以多城市为中心，从珠江入海口两侧向内陆递减，城市集群环绕分布的格局。

3）2010—2019 年京津冀城市群空间特征由随机性分布向规律化转变，存在较为显著空间负向相关关系；除2014年外长三角城市群均未通过显著性检验，表明长三角各城市间减污降碳协同增效合作机制需进一步加强；珠三角城市对周边城市辐射效应弱，但辐射作用明显提升；各城市显示正向局部空间自相关性，空间集聚不明显，应进一步建立城市群区域减污降碳协同增效经验和资源共享机制。

4）2010—2019 年城市群减污降碳协同增效系统有序度呈显著增长趋势；复合系统协同度整体较低，长三角城市群增长的速度最快，京津冀城市群次之，珠三角城市增长速度最慢，空间上呈现出不同的演化与关联特征，城市群内部更深层次的作用机制尚未形成，减污降碳协同增效整体波动大，处于不稳定、不协调的状态。未来需构建城市群区域绿色低碳化技术协同创新体系，使之成为减污降碳协同增效核心动力和低碳转型的重要保障。

5）经济发展、环境污染、环境治理、生态保护和资源利用对中国沿海城市群减污降碳协同增效的影响存在差异。经济发展、环境污染、环境治理、生态保护和资源利用对京津冀和长三角城市群减污降碳协同增效水平的提升，具有显著正向影响；珠三角城市群减污降碳协同增效提升主要影响因素是环境治理、生态保护，进一步印证加强污染防治和提高资源利用效率可促进减污降碳协同增效提升。

5.2 讨论

根据中国沿海三大城市群减污降碳协同增效特征，结合对三大城市群减污降碳协同增效的时空演变及影响因素分析，提出以下建议：

1）针对城市群减污降碳协同增效系统相互独立、方式差异导致的协同水平低问题，首先，需深入贯彻《关于统筹和加强应对气候变化与生态环境保护相关工作的指导意见》，将协同治理作为重要指导思想；其次，制定相关法律法规政策，实现依法降碳和依法治污协同；再次，完善城市群气候变化投资、融资政策，发挥经济手段在减污降碳协同治理中的作用；最后，在城市群内部清理与减污降碳协同治理不相适应的政策。

2）针对城市群减污降碳协同增效内部不协调，区域差异大，受技术条件的限制的问题，未来应加强技术创新与科技支持力度。城市群减污降碳协同增效中的能源结构调整、产业结构升级，都离不开技术创新，未来应积极制定重点行业和部门的减污降碳协同治理指南；建立城市群减污降碳协同增效科技创新体制；开展关键技术研发；加快发展方式转型升级；设立专门减污降碳协同增效技术研发专项资金；为实现城市群减污降碳协同增效提供有利的技术保障。

3）针对城市群减污降碳协同增效多以污染防控和治理为主，其他领域合作较少的问题，未来应积极拓展环境合作领域。需充分认识减污降碳协同增效在城市群经济发展、生态保护、资源利用进程中的重要作用；将区域合作作为减污降碳协同治理的平台，推动城市间的合作和技术的共享；通过开展减污降碳协同增效专业人员培训，加强城市间的合作；推动生态环境质量持续改善和合作的拓展。

本文基于中国沿海三大城市群减污降碳协同增效定量测度，解释了三大城市群减污降碳协同增效时空演化及复合系统协同度，分析了关键因素，对城市群减污降碳，改善环境质量，促进碳达峰碳中和目标实现具有重要意义。城市群为城市经济发展主要载体，其减污降碳协同作用的发挥，成为城市发展重要驱动力量，能对周边地区形成良好示范引领作用，未来需对城市群污染与碳减排问题进行更深入研究。本文对城市群减污降碳协同增效的测度还不够全面，影响城市减污降碳协同增效的因素还有很多，指标还需进一步完善。