江苏省县域碳排放时空格局及影响因素研究

何永杰， 杨新海

（苏州科技大学 建筑与城市规划学院，江苏 苏州 215011）

随着全球气候变暖和生态环境恶化问题日益凸显，应对气候危机已经成为全球共识。 在2020 年9 月，我国提出了“碳达峰、碳中和”的目标，这一承诺是基于我国生态文明建设的内在要求，同时也是作为大国责任担当的体现。 要实现这一目标不仅需要国家层面上的顶层设计和政策引导，还需要在区域层面上采取针对性的碳减排措施。 江苏省作为一个经济发达且人口密集的地区，其生活和生产部门能源需求量巨大，节能减排任务艰巨，因此，分析江苏省碳排放的空间差异性及影响成因，可有利于区域有效碳减排措施的制定。

已有学者从不同视角和不同尺度对碳排放进行了研究。 研究尺度大部分集中于国家、省域层面，研究内容主要包括碳排放的核算、碳排放格局演变以及影响因素等。 在碳排放的核算方面，既有制定碳排放清单进行分部门碳核算的研究[1]，也有集中于某一个行业的碳核算研究，如建筑生命周期碳排放、土地利用碳排放、农业碳排放、能源消费碳排放等方面[2-5]。 在碳排放格局特征方面，国内外学者大多以时间顺序和空间差异两大视角对碳排放的格局演变研究进行展开，多数学者采用泰尔指数、空间自相关、基尼系数等方法来揭示研究区域碳排放的空间分异化特征[6-9]。 在碳排放影响因素研究方面，主要采用STIRPAT 模型法、LMDI 因素分解法、GWR 模型法和GTWR 模型法等，如Chen[10]等利用GTWR-STIRPAT 模型来分析中国八大经济区碳排放的影响因素。 黄蕊[11]等通过STIRPAT 模型定量分析江苏省人口数量、能源强度和城市化率对能源消费碳排放的影响。 宋府霖[12]等利用LMDI 分解法及修正后的STIRPAT 模型分析了长三角地区能源消费碳排放驱动因素，结果表明，经济产出和人口规模为促进因素，能源强度和结构为抑制因素。 王雅楠[13]等运用GWR 模型揭示了各影响因素在不同省份的空间差异性。 肖宏伟[14]等利用GTWR 模型实证考察影响中国省域碳排放规模和碳排放强度的驱动因素。

现有研究为本文提供了理论支撑和方法借鉴，但由于数据获取和处理的难度，现有的研究成果大多从国家和省域层面对碳排放展开研究，更多的是在宏观层面对碳减排作出指导，无法准确地反映区域内部的碳排放时空格局特征及主要驱动因素，从而难以提出具有针对性的碳减排措施。 鉴于江苏省不同县域的经济发展水平、产业结构、资源禀赋等因素存在较大差异，导致江苏省碳排放具有空间差异性。 本文以江苏省县域为研究单元，基于江苏省96 个区县的碳排放数据，分析2005—2017 年江苏省县域碳排放的时空异质性，并通过GTWR 模型对县域碳排放的影响因素进行分析，以期为江苏省因地制宜制定碳减排政策提供借鉴。

1 研究方法与数据来源

1.1 研究区概况

江苏省位于中国东部沿海地区，地处长江三角洲地区，东临黄海，南接浙江省和上海市，西部和安徽省相接壤，是中国经济发达和开放水平高的省份之一。 全省的土地面积为10.72 万km2，是中国人口密度最高的省份之一，常住人口超过8 000 万人。截至2016 年12 月，江苏省下辖13 个地级市，55 个市辖区，21 个县级市，20 个县（见图1）。

图1 江苏省行政区划图

江苏省是中国的经济大省，其经济综合实力常年位居全国前列，江苏省的经济以制造业和服务业为主，其中制造业的产值占GDP 的比重较大。 有数据表明，2005—2017 年江苏省碳排放量从396.10 百万t 增至757.88 百万t，位居全国高碳省份第四位。

1.2 研究方法

1.2.1 空间自相关分析

本文采用全局空间自相关和局部空间自相关对江苏省县域碳排放的空间依赖程度进行分析。 全局空间自相关能够分析县域碳排放的空间分布特征及地理位置间的依赖关系，公式如下

式中，I 表示全局Moran’s I 指数，xi和xj为分别为区县i 和区县j 的碳排放量；为县域碳排放量的平均值；n为江苏省县域总数；Wij为空间权重矩阵。

标准化Z 值得分确定Moran’I 指数的显著性，公式如下

式中， E（Ii）和VAR（Ii）分别表示Moran’I 指数的期望值与方差。

局部空间自相关主要用来判断县域碳排放的集聚类型，一般用局部Moran’I 指数（LISA）来检验。 公式如下

式中，Ii表示局部Moran’s I 指数；yi和yj为区县i 和区县j 碳排放量；为县域碳排放量的平方均值；n 为江苏省区县总数；Wij为空间权重矩阵；S2为方差。

1.2.2 GTWR 模型

时空地理加权回归（GTWR）模型可用于分析碳排放的影响因素及时空效应变化特征，相较于地理加权回归（GWR）模型纳入了时间维度的考量，通过对时间和空间权重的加权回归来揭示局部单元之间的关系。模型如下

式中，（ui，vi，ti）为第i 样本的时空坐标；β0（ui，vi，ti）为常数项；βk（ui，vi，ti）为第k 个影响因素在第i 点的回归系数；εi为误差项。

1.3 数据来源

本文选取江苏省96 个区县为研究对象，县级碳排放数据来源于中国碳排放核算数据库（CEADs），由于2017 后的县域碳排放数据缺失较多，故本文主要使用2005—2017 年江苏省县域碳排放数据。本文主要从社会、经济、技术三个角度考虑其对碳排放的影响（见表1）。 社会因素选取人口规模和城镇化率, 经济因素选取人均GDP 和固定资产投资，技术因素选取产业结构和能源强度，各区县社会、经济等相关数据来源于江苏省各地市统计年鉴。

2 江苏省县域碳排放的时空分布与集聚特征

2.1 县域碳排放的时空分布特征

如图2 所示，2005—2017 年江苏省碳排放总量呈现先上升、后平稳的趋势。从碳排放增长率来看江苏省碳排放变化主要分为三个阶段：2005—2009 年江苏省碳排放总量上升，增长幅度下降，因为江苏省根据“十一五”规划的指导，开始重点展开节能减排工作的实施，积极推动能源结构调整，严格控制高能耗高污染行业增长，淘汰落后产能，但受限于经济总量较大且增速较快，碳排放增长幅度略有下降。 2009—2011 年江苏省碳排放总量持续上升，并且增长速度较快，这一趋势与多方面因素有关，其中最主要的是金融危机后的基础设施大规模建设以及高耗能、高污染行业的扩张。 2011 年后江苏省碳排放总量趋于稳定，增速呈现下降趋势，这是因为随着碳排放强度目标的提出以及《江苏省节约能源条例》的颁布，进一步推动了江苏省碳减排进程。

图2 2005—2017 年江苏省碳排放总量变化趋势

如图3 所示，2005—2017 年江苏省各设区市碳排放量逐年增加。苏南地区碳排放量占比50%左右，年均增长率8.15%；苏中和苏北碳排放量占比分别约为20%和30%，年均增长率分别为7.27%与7.17%。 三个地区产生差异的主要原因是，苏南地区高能耗产业发达、城市化水平高、经济快速发展等，而苏中和苏北地区工业发展相对不发达。从增长趋势来看，苏州、常州、无锡、宿迁、盐城、镇江的年均增长率依次为9.24%、8.38%、8.07%、7.90%、7.83%、7.71%， 排在江苏省前六位。 徐州、 南京、 淮安的年均增长率依次为6.52%、6.72%、6.87%，处在江苏省后三位。 苏州历年碳排放量最高，约为宿迁的4 倍；南京碳排放量位居江苏省第二位，但其年均增长率较低；宿迁历年碳排放量在省内最低，但其年均增长率较高。

图3 2005—2017 年江苏省各市碳排放量变化

图4 2005—2017 年江苏省县域碳排放空间分布图

基于县域碳排放总量与分布绘制2005—2017 年江苏省县域碳排放量的空间分布图（见图3）。为了便于分析，本研究将碳排放量小于5 Mt 的定义为低碳排放型，碳排放量介于5～10 Mt 之间的定义为一般碳排放型， 碳排放量大于10 Mt 的定义为高碳排放型。 2005—2010 年江苏省县域高碳排区域存在显著扩张趋势，2010 年后各区县趋于平稳。 具体而言，2005 年有80.2%的县域单元的碳排放总量在5 Mt 以内，有3 个区县碳排放量超过了10 Mt，2010 年增加到了11 个区县，2017 年增加到了12 个区县。 其中苏州昆山和常熟市、无锡江阴市是碳排放量较高的三个地区，南京市秦淮区是碳排放量最低的地区。 其原因可能是昆山、常熟、江阴市的劳动密集型制造业规模较大，高能耗、高污染企业较多，导致碳排放较高；而南京市秦淮区碳排放较低的原因是其产业主要以金融商务、人文旅游为主导，是南京的人文绿都核心区之一。

江苏省县域碳排放量呈现“南高北低”的空间分布格局，空间不均衡程度明显，高碳排放区主要集中于苏南地区，低碳排放区以苏北地区较为居多，还有少数零星分布于苏中、苏南地区的部分县域。 其主要原因是“苏南模式”的工业化是建立在“村村点火、户户冒烟”的乡镇企业基础上的，这种乡村工业化的发展模式也带来了苏南地区企业低效分散，环境污染等问题，导致碳排放较高。

2.2 县域碳排放全局空间自相关特征

从全局自相关分析中可以看出（见表2），Moran’s I 指数在99%水平上通过显著性检验，且值大于0，说明江苏省县域碳排放量存在显著的空间正相关性，具有空间聚集特征。从时间序列来看，Moran’s I 指数变化幅度不大，说明县域碳排放的空间集聚程度相对稳定。

表2 2005—2017 年江苏省县域碳排放全局空间自相关分析

2.3 县域碳排放局部空间自相关特征

根据全局Moran’s I 指数的结果， 利用GeoDa 和ArcGIS 10.7 软件绘制绘制了2005—2017 年江苏省县域碳排放LISA 聚类图对江苏省排放量的空间集聚特征进行分析（见图5）。 从图中可看出，江苏省县域碳排放空间集聚特征变化较小，三个时间点具有显著空间自相关的区域维持在18～21 个之间。 集聚模式主要以高-高集聚区和低-低集聚区为主。 高-高聚集区主要分布苏南地区，包括苏州下辖的大部分区市、及泰州和南通南部以及无锡东部，这些县域资源丰富，经济发展对高碳排放的密集型产业较为依赖。 低-低聚集区主要分布在苏北地区，例如淮安市的盱眙县、涟水县、洪泽区、淮安区。 从时间上看，2005 年高-高聚集区为11个，低-低聚集区为4 个。 2010 年高-高聚集区相较于2005 年少了相城区，多了海门市和惠山区，低-低聚集区没有变化。 2017 年高-高相较于2010 年少了惠山区，低-低聚集区少了淮安区和涟水县。 江苏省县域整体上呈现出较为明显同质集聚现象，即碳排放量较高的区县其相邻的区县碳排放量也较高，这表明江苏省县域碳排放在局部地区具有较高的空间依赖关系。

图5 2005—2017 江苏省县域碳排放LISA 聚类图

无锡惠山区在2005—2017 年间从低-高聚集区转变为高-高聚集区，最终又转变为低-高聚集区，这可能得益于惠山区在2013 年生态文明建设工程和环境保护重点工作得顺利开展， 对低碳发展进行了科学布局，围绕节能降耗目标任务，强势推进污染企业整改整治，关闭大量“三高两低”企业，同时大力绿色新兴产业，打造绿色低碳产业园，碳排放相对周围其他地区减少较多。 此外，苏州市大部分县域、无锡市锡山区、靖江市、如皋市以及江阴市在研究期间一直属于高-高集聚，说明这些地区碳排放量长期处在较高的水平，其原因可能是这些地区劳动密集型产业规模较大，产业类型较为低端，长期依赖于高碳能源，形成了高碳锁定效应。

2.4 县域碳排放趋势面分析

通过ArcGIS 10.7 软件对江苏省县域碳排放在空间上演变趋势进行分析（见图6）。X 轴表示正东方向，Y轴表示正北方向，Z 轴表示各县域碳排放量， 图中X-Z 和Y-Z 平面上的曲线分别表示东西方向和南北方向上平面投影点所拟合的趋势线。从图中可以看出，从2005—2010 年江苏省县域碳排放的差异趋势较为稳定，在2010 年后东西方向碳排放差异逐渐变大。 在东西方向上，由西向东先略微减少后呈增加趋势，在南北方向上，呈正“U”型变化，且呈现南高北低的特征，即江苏省高碳排放县域逐渐向东北部和东南部集中，这可能是因为江苏省东部沿海地区自然资源条件、经济发展状况比西部区县较好，使得碳排放分异程度明显。

图6 2005—2017 年江苏省县域碳排放趋势

3 江苏省县域碳排放的影响因素

基于上文研究得出，江苏省县域碳排放存在时空非平稳性，需要引入GTWR 模型对江苏省县域碳排放的时空异质性以及各影响因素的驱动效应进行分析，这对各区县因地制宜地制定碳减排政策具有重要的指导意义，助力江苏省早日实现“双碳”目标。

3.1 GTWR 模型的结果分析

由于各变量间可能会存在多重共线性问题从而导致回归模型的准确性，为此需要对6 个变量进行相关分析（见表3）。 表格中各影响因素的VIF 值均小于5，且容差均大于0.1，这说明不存在明显多重共线性问题。

表3 多重共线性检验

选取拟合度R2和AICc 作为评价GTWR 模型可信度的指标，拟合度R2取值范围在0～1 之间，R2值越大表明模型的解释能力越强；AICc 值越小表明模型的拟合观测数据越好，如表4 所列，GTWR 模型的拟合度R2为0.904 8，AICc 值为1 737.94，说明GTWR 模型能很好的解释时空异质性。

表4 GTWR 模型拟合效果

从回归系数的结果可以看出，各影响因素回归系数的最大值、最小值与均值存在一定差距，这意味着各区县的碳排放影响因素具有显著的非平稳性，需要进一步对碳排放的时空异质性进行分析（见表5）。

表5 基于GTWR 模型的影响因素回归系数统计分析

3.2 县域碳排放影响因素分析

总体来看，产业结构对江苏省县域碳排放的影响最大，其次是能源强度，且两者对碳排放有正向影响作用，这说明产业与技术的发展水平成为了影响江苏省县域碳排放的主导因素，这是后期制定碳减排政策需要着重考虑的方面。 人口规模和人均GDP 也对碳排放有着一定影响，城镇化率和固定资产投资对于碳排放的影响较弱。 为了更好的探究各影响因素对县域碳排放影响的时空异质性，使用ArcGlS10.7 软件对各影响因素回归系数进行可视化分析，生成回归系数空间分布图（见图7）。

图7 江苏省县域碳排放影响因素回归系数空间分布图

3.2.1 产业结构的驱动影响

有90%以上的县域产业结构回归系数为正值，说明第二产业比重的上升会促进碳排放的增长。 其中受产业结构影响较高的地区主要分布在南通市的多个区县以及淮安市金湖县、盱眙县。 这是因为这些区县第二产业占经济总量的比重较大，优化产业结构方面存在不足，且以重工业发展经济，从而促进了碳排放量的增加。 其中南通市的区县的碳排放受产业结构的正向驱动影响最大，南通制造业发达，拥有规模以上工业企业5 300 多家，产业类型以金属制造业、非金属矿物品业以及化工制造业等高能耗、高碳排的制造业为主导，产业结构相对低端，造成了经济的高碳特征。 产业结构对碳排放起负向作用的地区主要集中东部沿海的盐城市和连云港市的大部分区县，其原因一方面是沿海地区的海洋资源较为丰富，蕴藏着极为丰富的“风光”资源，能够布局清洁高效的绿色能源；另一方面，如连云港市在工业布局中，多年来着力推进新医药、新材料和高端装备制造业的发展，积极淘汰落后产能，打造绿色工厂和绿色产业链，这些区县积极寻求产业结构的低碳转型，打造低碳产业园区，促进产业可持续发展，从而降低了碳排放。

3.2.2 能源强度的驱动影响

有85%以上的县域能源强度回归系数为正值，表明技术水平的提升对江苏省县碳排放有抑制作用。 从空间上看，在徐州市西北部的丰县、沛县、铜山区等地形成能源强度高值集聚区，这些地区社会经济发展相对落后，工业化水平较低，技术水平的提升能大幅提高能源利用效率，从而抑制碳排放。 同时能源强度对碳排放有正向影响的地区还有苏州、南京、常州、无锡、盐城、南通等大部分区县，这些地区工业化程度相对较高，在采用了更先进的技术、更高效的生产流程和管理方法等后能够对碳排放有一定的抑制作用。 连云港市所有区县以及响水县、涟水县、沭阳县的能源强度回归系数为负值，即出现了能源强度降低，碳排放总量却增加的情况，这种现象可能是在产业结构调整过程中，一些高排放行业的产值可能仍然占比较大，导致碳排放反而增加，符合林伯强提出的能源强度与碳排放之间呈现倒U 型曲线特征[15]。

3.2.3 人口规模的驱动影响

所有区县的人口规模回归系数均为正值，说明人口规模对江苏省各县域碳排放具有促进作用，影响程度由南向北逐渐减弱。从时间上来看，人口规模对碳排放的驱动作用在逐年减弱。从空间上来看，受人口规模影响较大的地区主要分布在苏南地区，如苏州市、无锡市和南通市的大部分区县，这些地区人口规模还呈增长趋势，能源消费水平还在上升，致使碳排放增加。 受人口规模影响较小的地区主要分布在苏北地区，如徐州市、连云港市和宿迁市的大部分区县以及淮安市和盐城市的北部区县，原因有两点：一方面是有部分区县人口较少，经济发展水平相对落后，对碳排放的影响较弱，如洪泽区、金湖县、响水县等；二是部分区县虽人口数量较多，但是其规划布局较为紧凑，人口分布与基础设施布置较为集中，有利于能源的高效供应，提高了能源利用率，如邳州市、沛县、滨海县等区县。

3.2.4 城镇化率的驱动影响

有57.29%的县域城镇化率回归系数为负值，说明城镇化率对江苏省一半以上的区县碳排放具有抑制作用。 城镇化率对碳排放有负向影响的地区主要分布在布在苏南地区，包括苏州市、南京市、无锡市、南通市、镇江市的绝大部分县域，这种现象是由于苏南地区的区县经济社会发展水平较高，城市基础设施相对完善，随着城市化水平的提高，公共设施服务效率和能源利用率也会提高，从而抑制碳排放。 城镇化率对碳排放有正向影响的地区主要分布在盐城市、扬州市北部区县、徐州市西北部区县以及淮安市大部分区县，其原因主要是这些地区受发展条件限制，城镇化进程相对缓慢，基础设施建设投入不足，产业规模不成体系，聚集程度较低，随着城镇化率的提升，碳排放量反而增加。

3.2.5 人均GDP 的驱动影响

有70%以上的县域人均GDP 对碳排放的影响均为正值，这表明人均GDP 的提高会导致碳排放的增加，且对碳排放的影响存在明显的空间异质性，在盐城市东部地区形成高值集聚区，在徐州市西北地区形成低值集聚区。 人均GDP 对碳排放有负向影响的地区主要分布在徐州市西北部区县、连云港市南部区县以及南京市大部分区县，其原因可能有两方面，一是部分经济发展水平高的区县注重产业结构转型升级与能源结构优化调整，促进技术进步和创新，从而减少了碳排放，如南京市大部分区县等；还有部分区县由于经济发展水平较低，产业结构较为简单，能源消费水平相对较低，所以碳排放量较少，如丰县、沛县、灌云县、灌南县等。 其余大部分区县受到正向影响，主要原因是这些地区在经济社会发展的同时，不断扩张建设用地、发展高能耗产业，此外人们消费水平的提升也会促进能源消费水平的提高，导致碳排放量增加过快。

3.2.6 固定资产投资的驱动影响

有90%以上的县域固定资产投资回归系数为正值，说明固定资产投资的增加对江苏省县域碳排放起到正向促进作用。 南京市大部分区县和徐州市西北部区县形成高值中心，影响程度由西向东递减，这些地区固定资产投资的增长加快了高碳排、高能耗产业的发展，增加了能源消耗，导致碳排放有所上升。 少部分区县受到负向影响，如盐城市阜宁县、建湖县、射阳县等，这是因为绿色低碳发展示范区成为盐城市建设重点，协同推进高质量发展和高水平保护，推动区域碳排放总量减少。

4 结论与建议

4.1 结论

（1）时间上，2005—2017 年江苏省碳排放总量呈现先上升、后平稳的趋势。 2005—2011 年碳排放量增长迅速，2011 年后江苏省碳排放总量趋于稳定，增速呈现下降趋势。

（2）空间上，江苏省碳排放整体呈现“南高北低”的空间分布格局，县域碳排放在局部范围内呈现出较高的空间依赖格性，集聚模式主要以高-高集聚区和低-低集聚区为主，呈现出较为明显同质集聚现象。 苏南地区部分县域存在高碳锁定效应，需要针对性的制定碳减排策略来实现高碳锁定的全面脱钩。

（3）各影响因素对江苏省碳排放的影响具有显著的时空异质性，影响程度依次为产业结构＞能源强度＞人口规模＞人均GDP＞城镇化率＞固定资产投资。 产业结构、能源强度、人口规模、人均GDP 以及固定资产投资对江苏省县域碳排放具有正向影响，而城镇化率对碳排放总体上呈抑制作用。

4.2 建议

江苏省作为经济发展水平和能源消费水平较高的大省，为了积极响应“双碳”目标，应当根据县域不同的发展状况，制定差异化的区域碳减排策略，实现县域的低碳可持续发展。

（1）强化县域协同。 江苏省县域碳排放存在明显的不均衡现象，各地区需打破行政壁垒，加强县域产业协作、资源互补、环境共治来缩小县域碳排放差异，共同制定低碳发展规划，实现优势互补和协同发展。

（2）优化产业结构。 对于像昆山市、常熟市这类碳排放量较高的县域，应当加快产业结构转型，积极培育新兴产业，限制高污染、高耗能行业，大力打造绿色低碳产业园区，摆脱高碳锁定效应。

（3）调整能源结构。 调整以煤炭为主的能源消费结构对于实现江苏省县域低碳发展至关重要。 一方面对于经济条件较好的区县可以强化产业科技赋能，淘汰落后产能；另一方面对于沿海的区县可以充分利用地区资源禀赋，发展太阳能、风能等清洁能源。 减少高碳排能源的使用。