删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

产业转移背景下广东省工业碳排放的驱动因素及碳转移分析

本站小编 Free考研考试/2021-12-29

王少剑,, 田莎莎, 蔡清楠, 伍慧清, 吴璨熹中山大学地理科学与规划学院 广东省城市化与地理环境空间模拟重点实验室,广州510275

Driving factors and carbon transfer of industrial carbon emissions in Guangdong province under the background of industrial transfer

WANG Shaojian,, TIAN Shasha, CAI Qingnan, WU Huiqing, WU CanxiGuangdong Provincial Key Laboratory of Urbanization and Geo-simulation, School of Geography and Planning, Sun Yat-sen University, Guangzhou 510275, China

收稿日期:2020-09-22接受日期:2020-12-10
基金资助:国家自然科学基金(41871111)
广东省特支计划
广州市珠江科技新星(201806010187)


Received:2020-09-22Accepted:2020-12-10
作者简介 About authors
王少剑(1986-),男,河南驻马店人,博士,副教授,博士生导师,研究方向为城市地理、城市与区域规划。E-mail: 1987wangshaojian@163.com







摘要
随着全球气候变暖,工业碳排放量持续增加已成为全球关注的热点,由于工业产业升级和转移所引起的碳排放空间重塑也成为低碳发展研究的新方向。本文综合运用碳排放量物料平衡法及结构分解模型,核算2001—2017年广东省城市工业各行业的碳排放量,揭示其时空格局演变规律,同时在产业转移背景下,分析工业碳排放变化的驱动因素以及碳转移格局变化,以期从各市碳排放变化与市际间碳排放转移两个角度探讨低碳发展的有效策略。研究表明:2001—2017年期间,广东省的工业碳排放量整体呈现增加趋势,且地区差异也逐渐增大,呈现由中心向周边扩散的空间特征,由单核心演变为“T字型”的空间分布格局;工业产业发展带来的环境效应由经济规模、产业结构和技术强度综合决定,其中规模效应的作用强度最大、技术效应次之,结构效应的作用最弱;工业碳排放转移格局呈现由珠三角地区向外围转移的趋势,珠三角地区为高、中能耗工业碳排放主要转出地,粤东西北地区为高、中能耗工业碳排放主要转入地。
关键词: 产业转移;工业碳排放;时空格局;驱动因素;碳转移;广东省

Abstract
The continuous increase of industrial carbon emissions, one of the causes for global warming, has become a hot topic, which attracts wide attention in the world. At the same time, the spatial remodeling and differences of industrial carbon emissions are caused by industrial upgrades and transfers. Therefore, these topics have consisted of a new direction for research related with low-carbon city construction. This article uses methods, such as carbon emissions material balance method and structural decomposition model, to calculate the carbon emissions of various industries in Guangdong's cities at the prefecture level, from 2001 to 2017. Besides, this article analyzes the driving factors of industrial carbon emissions differences and explores the pattern of industrial transfer and its carbon transfer under the background of industrial transfer policies in Guangdong. With the above methods and models, the study found that, as a whole, industrial carbon emissions of the province showed an increasing trend, and regional differences gradually increased, which means that the gap among cities has enlarged during the period 2001-2017 in terms of industrial carbon emissions. The distribution pattern of industrial carbon emissions within the province showed that a trend of changing from spreading from a single core to the surroundings to eventually evolving into a “fractal T-shaped” pattern. The environmental effects brought by the development of the industrial industry are determined comprehensively by three factors, which are the economic scale, industrial structure, and technological strength. Among them, the scale effect has the largest influence, while the structure factor is rather weak. The technical effect can play a more important role in regions with low-carbon emission intensity. The Pearl River Delta region is the place where the main high-energy-consuming industries are transferred out, and the inter-annual change in carbon emissions is relatively large. The cities of eastern and western Guangdong are the main places where the medium-energy-consuming and high-energy-consuming industries are transferred in, and the inter-annual change in carbon emissions is small.
Keywords:industrial transfer;industrial carbon emissions;spatiotemporal pattern;driving factor;carbon transfer;Guangdong province


PDF (4859KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
王少剑, 田莎莎, 蔡清楠, 伍慧清, 吴璨熹. 产业转移背景下广东省工业碳排放的驱动因素及碳转移分析[J]. 地理研究, 2021, 40(9): 2606-2622 doi:10.11821/dlyj020200916
WANG Shaojian, TIAN Shasha, CAI Qingnan, WU Huiqing, WU Canxi. Driving factors and carbon transfer of industrial carbon emissions in Guangdong province under the background of industrial transfer[J]. Geographical Research, 2021, 40(9): 2606-2622 doi:10.11821/dlyj020200916


1 引言

气候变化是当今全球备受关注的环境问题之一,以CO2为主的温室气体被认为是全球变暖的主要原因[1]。改革开放以来,中国工业化进程不断推进,工业经济的高增长带有明显的高投资、高能耗和高排放的特征[2]。作为《联合国气候变化框架公约》的缔约方,中国承诺以2005年为基准年,碳排放强度在2030年下降60%~65%。一方面,随着低碳高质量发展模式的提出,节能减排已经成为中国经济结构调整和发展方式转变的内在要求,中国政府积极投入节能减排和生态工程、结构调整和技术改造等低碳项目[3];另一方面,随着中国经济结构调整与产业转型升级步伐的加速,不同区域之间的产业转移趋势也日益明显,且不断通过区域分工地位与生产结构的变化引致碳排放的转移[4]。因此,探究产业转移背景下碳排放的驱动因素及碳转移是打造低碳发展新常态、积极推进低碳型城镇化建设的重点课题之一。

长期以来,国内外环境科学、资源经济、城市规划等领域的****对碳排放的估算方法、时空演变、驱动因素、预测模拟等进行了大量研究。中国的碳排放研究始于20世纪80年代,国内****密切关注全球碳权分配及碳排放交易等话题,比如陈文颖等提出了碳权混合分配机制并模拟全球的碳交易情况,分析了后者对中国经济的影响[5];21世纪以来,研究视角转向国内碳排放的区域差异以及影响因素分解,查冬兰等比较中国28个省区1995—2005年间能源利用效率的差异性,引入泰尔指数(Theil Index)和Kaya因子深入研究了能源消耗导致的人均CO2差异[6],朱勤等应用迪氏对数指标分解模型(LDMI)综合考量了经济产出规模、人口规模、产业结构、能源结构及能源效率等因素对碳排放的影响[7];近十年来中国的城市化与工业化进入中后期,大量研究聚焦碳排放问题[8,9],除区域差异和影响因素分析外,****广泛关注碳排放的转移趋势和模拟预测,并在研究尺度和技术方法等方面做进一步的拓展研究。首先,中国地域辽阔,无论经济发展水平还是产业结构等都具有显著的区域差异,相关研究表明,碳排放也具有同样类似的特征。杨骞等分别以碳排放强度和人均碳排放作为碳排放指标,运用Theil指数及其分解方法并结合STIRPAT模型发现中国八个区域1995—2009年碳排放存在显著的区域差异[10],多数****认为能源强度、能源结构、经济发展水平、产业结构等是造成碳排放区域差异的重要指标[11]。其次,针对碳排放驱动因素,王少剑等总结其研究方法大致划分为指数分解法、结构分解法、KAYA等式及其变形、环境库兹涅茨曲线和计量经济学方法等[12];王峰等运用对数平均Divisia指数分解法,将1995—2007年间中国能源消费的碳排放增长率分解为11种驱动因素的加权贡献,人为规模增长是碳排放增长的重要因素,能源强度下降是减排的核心力量[13]。此外,随着中国区域经济发展格局的演变,区域间产业转移越发频繁,对转入地和转出地产生了不同的环境效应。李平星等以处于产业转移期的泛长三角地区为例,以工业能源消费为对象,发现产业转移引起的上海市及其余53个地市的工业产值、产品结构和碳排放强度的变化是影响区域碳排放格局变化的重要因素[11];邓荣荣等基于区域间投入产出模型,测度与分析了2002—2017年中国中部地区承接国内产业转移进程中的碳排放转移规模、净流向与特征,并对区域间产业净转入是否必然引致碳排放净转入的问题进行实证探讨[3]。最后,碳排放的建模与预测对于探讨不同情境下碳排放变化趋势以及相关政策的制定具有重要作用,李汝勇基于系统动力学方法,以CO2排放量、能源消耗量、碳强度以及能源强度为分析目标,实现了北京市能源消耗排放的模型构建与情景模拟[14];朱宇恩等基于IPAT模型和情景分析法对山西省中长期能源碳排放量以及峰值年进行了预测[15]

综合而言,中国碳排放的研究内容涵盖了时空异质性、区域转移、影响因素、预测模拟等方面,研究尺度包含国际、区域、省际和城市等,研究方法包括空间分析和计量经济分析等,研究成果丰富,但仍存在不足。首先,受数据获取限制,已有研究主要集中在国家、区域和行业尺度,而针对城市尺度的研究相对较少,面对城市群的迅速发展,地理区位与发展背景相似的城市间碳排放的时空差异亟待深入研究。其次,当前中国各地区进行经济结构转型及产业转移,针对产业转移引致的工业碳排放转移的探讨相对匮乏。广东省作为中国经济大省,工业化进程以东亚地区工业布局转型为大背景,根据比较优势理论,珠三角地区凭借地域优势承接发达地区转移的劳动力密集型和污染密集型产业[16],成为“污染避难所”。在新经济格局因素和“双转移战略”的推动下,广东省内城市间开始出现环境污染转移问题,一方面,珠三角外围地区由于承接珠三角工业产业的转移,实现了经济发展速度的快速提升,但重工业产业和劳动力的转移使东西两翼和粤北山区面临严重的环境污染转入,逐渐成为珠三角地区的“污染避难所”[17]。另一方面,有关广东省内产业转移及其相应的碳转移的实证研究相对匮乏,例如产业转移进程中的碳排放转移规模、净流向与特征,各城市产业净转移规模和流向与由此引致的碳排放净转移规模和流向是否一致等问题,这使得现有研究无法更好地地定量描述广东省内产业转移对碳排放变化的影响,并为“双转移战略”提供建设性意见。

鉴于广东省在工业发展进程和地区间产业转移等方面所具有的典型性与代表性,本文以广东省21个地级市为研究对象,按照珠三角和粤东西北共四个区域进行对比研究,统计不同城市工业行业各类能源的消费总量以较准确地测算2001—2017年各城市的工业行业的碳排放量,以期通过实证研究,揭示广东省工业碳排放的时空演变规律,并探析产业转移背景下工业碳排放量变化的驱动因素以及相应的碳转移情况,为促进广东省低碳经济发展和低碳城市建设提供政策建议。

2 研究方法与数据来源

2.1 研究方法

2.1.1 工业碳排放估算方法 本研究从能源利用视角,根据物料守恒原理,采用IPCC碳排放清单估算法[1],通过各类能源工业消费总量计算得到工业CO2排放量,公式如下:

ECO2=ECO2k=Mk×NCVk×CEFk×COF×44/12
式中:k表示能源种类;ECO2)表示各类能源产生的工业CO2排放总量;M表示各类能源工业消费总量;NCV为各类能源的平均低位发热量(IPCC称为净发热值);CEF为单位热值当量的碳排放因子;COF为碳氧化因子(由于化石燃料中被氧化的碳达99%~100%,故缺省值设为1);44和12分别表示为CO2和C的分子量(表1)。

Tab. 1
表1
表1工业能源碳排放估算的参数设定
Tab. 1Parameter setting for carbon emission estimation of industrial energy
能源NCV(kJ/kg)CEF(kgC/100万kJ)
原煤2090825.8
焦炭2843529.2
汽油4307018.9
煤油4307019.5
柴油4265220.2
燃料油4181621.1
液化石油气5017917.2
其他石油制品980020.0
天然气(气态,单位万m33893115.3
洗精煤2634425.8
其他洗煤836325.8
原油4181620.0
炼厂干气4605515.7
焦炉煤气1672612.1
型煤2070026.6
其他煤气1505412.1
其他焦化产品2834525.8

新窗口打开|下载CSV

对于表1中未提供对应 CEF值的煤制品、发生炉煤气等部分能源(表2),采取将该能源工业消费总量折算为原煤工业消费总量后进行估算的方式获取其对应的工业CO2排放量,公式如下:

ECO2=Mk×CORCk×NCVrc×CEFrc×COF×44/12
CORCk=CVkCVrc
式中:rc表示原煤;CORC表示能源的折原煤系数;CV为能源的实际热值。

Tab. 2
表2
表2工业能源参考折标准煤系数
Tab. 2Reference conversion coefficient of industrial energy into standard coal
能源CORC
煤制品0.5286kgC/kg
发生炉煤气0.1786kgC/m3
液化天然气1.7572kgC/kg
石油沥青1.3307kgC/kg
高炉煤气0.1286kgC/m3
转炉煤气0.2714kgC/m3
煤矸石0.2857kgC/kg
城市生活垃圾0.2714kgC/kg
余热余压0.0341tC/106kJ
工业废料0.4285kgC/kg
蔗渣0.5000kgC/kg

新窗口打开|下载CSV

2.1.2 工业产业转移和碳排放转移测算方法 产业转移表现为不同时期产业活动的空间分布变化,发达国家有专业机构提供企业区位迁移的准确数据,进而准确识别产业转移的规模及方向[18],而在中国由于该类数据的缺乏,大多通过区位熵[19]、赫芬达尔指数[20]以及基于区域间投入产出等指标[21]来间接测度转移程度。

各个城市的工业产业可通过技术进步、管理模式改革等方式实现自身产值的增长,此外由于产业发展政策的地域偏向性,受产业政策鼓励的地区往往会迎来外地产业的迁入,而受产业政策限制的地区则会面临本地产业的转出,二者同样会对行业总产值产生影响[22]

基于此,本文主要根据前人的研究成果[23]和本研究的实际情况,结合各行业实际碳排放强度等测算得到相应的碳排放转移量,其中,各市的产业转移为正表明产业转入、反之为产业转出[24]。具体公式如下:

G˙t,i=Gt,ij-Gt-1,ijGt-1,ij×21
G0t,ij=Gt-1,ij×G˙t,i
gt,ij=Gt,ij-Gt-1,ij-G0t,ij
式中:t表示时间;i表示工业产业类别;j表示城市; G˙t,i表示各市i类工业第t-1期到第t期的工业产值增长率,由全省平均值计算得到; Gt,iGt-1,i表示ji类工业在第t期和第t-1期的工业产值; G0t,ij为不发生产业转移假设下ji类工业第t-1期到第t期的自身产值增加值; gt,ij表示ji类工业第t期的产业转移量。

碳排放强度由CO2排放量与工业总产值相除得到,与技术进步密切相关[25]。由于惠州、河源、潮州、肇庆等城市年鉴中部分年份未分工业行业统计能源消费量,进而工业碳排放量及工业碳排放强度也无法计算,因此研究中不考虑分工业行业碳排放强度的区域差异,各个城市的各类工业碳排放强度以广东省各类工业的碳排放强度为标准代入计算。碳排放自身增长量与转移量由各个城市分类产业的产业自身增长量、转移量分别与碳排放强度相乘得到,其中碳转移量的正负值意义与产值转移量相同。计算公式如下:

τt,i=Et,ijGt,ij
E0t,ij=G0t,ij×τt,i
et,ij=gt,ij×τt,i
式中: τt,i表示i类产业第t期的碳排放强度; E0t,j表示ji类工业第t-1期到第t期的碳排放自身增长量,也即工业产业自身增长引发的环境效应; et,ij表示ji类工业第t-1期到第t期的碳转移量。

2.1.3 环境效应分解模型 工业规模的变化、产业结构的调整以及生产技术的变革等都会对碳排放产生不同的影响[26]。为了定量研究工业产值的自身增长造成的环境效应,将碳排放自身增长量按Grossman公式[27]进行分解:

E0t,jG0t,j-Gt-1,jiτt,i×G0t,ijG0t,j+G0t,jiτt,i×G0t,ijG0t,j-Gt-1,ijGt-1,j+G0t,jiτt,i-τt-1,i×G0t,ijG0t,j=E0l+E0s+E0t
通过 E0lE0sE0t分别与 E0相除,得到工业产业自身发展引发的环境效应的规模、结构和技术因素的系数。对于规模效应而言, E0lE0的数值大小体现了产业规模扩张带来的碳排放量增长幅度;对于结构效应而言,若 E0sE0<0,说明该市的产业调整造成了碳排放量的减少,起到了节能减排、低碳发展的良好效果,反之则表明碳排放量有所增加,产业结构有待改进;对于技术效应而言, E0tE0的数值大小体现了技术进步导致的碳排放量减少的程度。

2.1.4 数据来源 本研究以广东省21个城市为研究对象,以2001—2017年为研究年份,根据2019年4月16日广东省自然资源厅正式发布的新版广东省标准地图,全省划分为四个区域:珠三角地区、粤东地区、粤西地区、粤北地区[28]图1)。根据《国民经济行业分类(GB/T 4754—2017)》并结合广东省各市统计年鉴的实际情况,将所有工业行业划分为37个部门,并参照有关****对各个部门的资源消耗和环境影响的研究[29],将37个部门划分为高能耗、中能耗、低能耗三种类型。各工业行业国有和规模以上企业的工业总产值、各类能源消费总量来自于广东省及各市统计年鉴,国有和规模以上企业占整个工业部门的比例都在70%以上,故数据的选取具有一定说明力。各类能源的平均低位发热量、碳排放因子、折原煤系数来自《中国能源统计年鉴》和中华人民共和国工业和信息化部《各种能源折标准煤参考系数》。

图1

新窗口打开|下载原图ZIP|生成PPT
图1广东省地理区位

注:此图基于国家自然资源部标准地图服务系统的标准地图(审图号:GS(2019)3333号)绘制,底图无修改。
Fig. 1Geographical location of Guangdong province



3 结果分析

3.1 广东省工业碳排放量的时空演变特征

3.1.1 工业碳排放的时序演变特征 广东省各区域工业碳排放量的测算结果表明(图2),2001—2017年,广东省工业碳排放总量整体呈现上升趋势,各区域工业碳排放总量的差异较大。珠三角地区碳排放总量远高于其他三个区域,粤西、粤北和粤东地区的排放基数较为接近,介于800~3000万t之间,随时序演变,粤西地区的工业碳排放总量增长最快,2009年后逐渐与粤北和粤东地区拉大差距。

图2

新窗口打开|下载原图ZIP|生成PPT
图2广东省四大分区工业碳排放总量

Fig. 2Total industrial carbon emissions of the four major regions in Guangdong province



广东省各城市工业碳排放总量的测算结果表明(图3),珠三角地区的城市中,工业碳排放总量较大且整体呈增长趋势的城市有佛山、惠州、东莞,工业碳排放总量较大且整体呈减少趋势的城市为广州,这可能与广州的产业升级和转移战略相关。2008年广东省提出“双转移”战略,将传统劳动力密集型和资源密集型产业转移到珠三角外围地区,为承接和发展新产业腾出空间,实现产业转型升级,一定程度减缓经济发展下工业碳排放总量的增长速度。非珠三角地区的城市中,粤西地区的茂名和湛江的工业碳排放总量较大且增长迅速,其余城市的工业碳排放总量基数较小,但总体仍呈现不断上升的趋势,各个城市的工业碳排放总量快速增长与承接产业转移、建立工业基地有关。粤东地区及粤北地区的城市工业碳排放总量发展基数较为接近,总体呈现增长趋势,但是增长的幅度较粤西地区的城市小。

图3

新窗口打开|下载原图ZIP|生成PPT
图3广东省各城市工业碳排放总量

Fig. 3Total industrial carbon emissions in cities of Guangdong province



3.1.2 碳排放空间格局演变特征 广东省的工业碳排放量整体呈现中间多,四周少的特点(图4),中部珠三角地区的工业碳排放总量远高于其余地区,以广州和佛山等珠三角地区核心城市为中心,各城市的工业碳排放量向外围递减。2001年,广州是广东省工业碳排放量最多的城市,佛山和深圳等珠三角地区城市紧随其后;粤北地区的韶关和清远构成了广东省工业碳排放的次级中心,排放量仅次于广佛等珠三角地区中心城市。粤北城市的高工业碳排放总量与珠三角和粤北城市的产业分工有紧密关系,珠三角地区与粤北城市形成了“总部+生产基地”的合作模式[30],在区域发展空间有限的情况下,部分低效率、低技术、高排放的产业生产基地建在了用地资源相对不紧张的粤北地区,因此,粤北城市的工业碳排放总量较高,仅次于珠三角地区的核心城市。

图4

新窗口打开|下载原图ZIP|生成PPT
图4广东省工业碳排放总量

注:此图基于国家自然资源部标准地图服务系统的标准地图(审图号:GS(2019)3333号)绘制,底图无修改。
Fig. 4Total industrial carbon emissions in Guangdong province



2001—2017年间工业碳排放量高值区由中部向周边扩散,由单核心演变形成“T字型”空间分布格局。2001年,工业碳排放量较多的城市主要分布于珠三角地区与粤北地区构成的轴带上,以广州和佛山为核心向外延伸;2005年,工业碳排放量高值区逐步向粤西地区扩散,全省呈现珠三角地区、粤北地区、粤西地区工业碳排放量较多的状态;2009年,粤东城市工业碳排放量逐步增加,工业碳排放量级与粤北城市的排放量级比肩;2013年,全省大部分城市的工业碳排放量增加,除粤东和粤西地区的部分城市外,大部分城市的工业碳排放量级差异减小,开始构成由“清远-广州”和“湛江-潮州”两对垂直线所形成的“T字型”空间形态;2017年,“T字型”工业碳排放量分布的空间形态未发生较大改变,全省各城市工业碳排放量均已达到500万t以上,且广州等珠三角中心城市的碳排放量有减少的趋势。

3.2 环境效应与驱动因素分析

2001—2017年间,广东省的工业碳排放量仍在持续增加,但是在2013年后增速显著放缓,甚至在部分城市同时实现了工业产值的增加与碳排放量的减少。为了深入分析2001—2017年间广东省工业碳排放量的时空演变过程并对不同城市的经济活动和碳排放变化做针对性分析,需计算不考虑碳转移情况下各市工业产值自身增长值引发的环境效应(表3)并做对应的驱动因素分解(图5)。

Tab. 3
表3
表3广东省工业产值自身增长值及其引发的环境效应
Tab. 3The growth value of industrial output value and its environmental effects in Guangdong province
产值增长(亿元)环境效应(万t)
年份2001—20052005—20092009—20132013—20172001—20052005—20092009—20132013—2017
阳江136.78290.781059.52170.09111.0274.0162.7824.08
湛江362.24384.551005.26630.65239.76387.92297.00-195.51
珠海907.28835.461021.84447.15678.25336.20145.61115.12
深圳6787.895548.717637.139050.342465.371707.07964.39378.44
云浮9.90170.55461.12-196.71153.97102.1274.92-82.97
韶关230.47205.87560.79-61.31516.76266.7886.65-363.87
东莞2900.532131.034951.936603.021082.061139.43561.9998.36
汕头436.47769.73946.451039.40304.33273.85152.37-66.85
惠州720.561576.493600.161561.63517.84262.55187.29263.32
河源140.06422.59535.42205.84101.51122.0959.3661.71
江门508.881480.03174.601052.58770.07704.26267.30-34.20
佛山2998.516930.415410.613892.992101.242363.981216.8212.69
汕尾80.02206.12648.53119.7832.9030.6720.83-26.73
肇庆-108.86857.842227.38-470.45457.3865.14-133.65387.86
中山1537.041836.511615.78-756.88617.19777.14224.6922.53
潮州201.66287.34507.22264.27193.32144.85179.26-97.68
广州3202.915344.655791.84511.072894.802756.37964.72392.44
梅州123.51144.12216.9156.32158.05113.8476.21-26.46
揭阳149.18854.472438.651187.3987.74132.2468.0112.48
茂名296.58396.101048.01533.11428.411016.8130.92108.68
清远287.041659.76-591.67161.43138.02208.46434.10-79.51
合计21908.6532333.1141267.4826001.711405012985.505941.57903.93

新窗口打开|下载CSV

图5

新窗口打开|下载原图ZIP|生成PPT
图52001—2017年广东省产业增长过程中的环境效应及驱动因素系数

Fig. 5Environmental effects and driving factor coefficients in Guangdong province from 2001 to 2017



3.2.1 工业自身发展引发的环境效应 2001—2017年间广东省的工业自身增长值合计为121510.95亿元,产生的环境效应为33881万t。纵向来看,前期的工业发展以高额的环境污染为代价,随着城市发展和技术进步,中后期的能源使用效率逐步提高、各类工业经济活动所排放的CO2得到控制[31],在2001—2005年、2005—2009年、2009—2013年及2013—2017年四个时段内,产值增长分别为21908.65、32333.11、41267.48、26001.71亿元,产生的环境效应分别为14050、12985.5、5941.57、903.93万t。

横向分析不同城市间的发展模式差异,总体而言,各地区的产值增长越高环境效应越大是普遍规律,然而地区之间也存在着一定的差异,比如珠三角地区的平均产值增长高于粤东,但环境效应却与此相反,表征了二者工业发展的精细与粗放程度不同;此外就单个地区而言,粤西地区的内部差异明显,最高的茂名与最低的阳江之间相差巨大。广东省内各个城市处于不同的工业化和城市化进程当中,拥有不同的经济规模、产业结构和技术水平,进而造成产业发展和环境效应的空间分异现象[32]

3.2.2 驱动因素分析 从分解结果来看,规模效应和技术效应分别对工业碳排放量变化起到显著的正向和负向效应,结构效应除湛江和江门外均为负效应。能源的供给是一切经济活动的基本保障,因而经济活动的规模扩张意味着碳排放量的增多,规模效应是碳排放量增多的最大驱动因素[33],本研究的规模效应系数在阳江、湛江、珠海、深圳等16个城市的表现上,均大于或约等于结构和技术效应系数,与已有研究结果一致。狭义上,技术效应包括物理效率、能源强度、能源生产率等的综合,既能通过能源利用效率的提高节能减排又由于回报效应(技术进步促进经济发展继而对能源产生新的需求)部分抵消了节约的碳排放量[34],由本研究的实证结果来看,技术效应在21市均产生了显著的负效果,尤其在汕尾、潮州、揭阳等单位产值带来的环境效应较低地区,其系数达到-4.51、-3.75和-3.65,发挥出强烈的减排作用。结构效应指的是工业部门的比例变动造成的碳排放量在不同碳排放强度的部门间分布的变化,其造成的碳排放总量的变化已被诸多****研究所证实,但在本次研究中起到的作用对比规模和技术效应相对较小,因此各个城市产业结构的调整对于碳排放量的影响主要通过改变具有不同经济效益和碳排强度的行业比例来间接发挥作用。例如阳江在2001—2017年间黑色金属冶炼及压延加工业、水电供应业等产业产值占比从35.60%增长到49.97%,产业结构呈现明显的高能耗化,虽因其经济效益低、工业生产规模较小,目前尚未引起较强的环境效应,但仍具有产业结构向低能耗化调整以抑制碳排强度及碳排总量增长的必要。

3.3 碳排放转移分析

3.3.1 碳转移时空间格局分析 根据广东省各市的工业产业转移测算得出相应的工业碳排放转移量(图6),2001—2009年工业碳排放转入的城市主要分布在珠三角及粤东地区;2009—2017年工业碳排放转入的城市主要集中于粤西或粤东地区,与2001—2009年相比,工业碳排放表现为转入的城市在空间上有向广东省东西两翼集聚分布的趋势,工业碳排放转出的城市主要分布在珠三角西岸及粤北地区。在2001—2009年,广东省四个区域的碳排放转移趋势尚未明显,而在2008年广东省政府出台《关于推进产业转移和劳动力转移的决定》后,珠三角开始发生大规模的碳排放转出,粤西、粤东部分地区碳排放则表现出较大规模的转入,说明“双转移”政策对广东省工业碳排放转移的空间格局调整具有重要影响。根据产业转移理论,珠三角地区作为广东省经济发展条件较好的高梯度地区,土地租金和劳动力等生产要素成本逐渐上升,因此工业产业沿梯度逐级向经济发展较为落后的但生产要素成本更低且具有政策扶持优势的低梯度地区转移。

图6

新窗口打开|下载原图ZIP|生成PPT
图62001—2009年及2009—2017年广东省各市工业碳排放转移量

注:此图基于国家自然资源部标准地图服务系统的标准地图(审图号:GS(2019)3333号)绘制,底图无修改。
Fig. 6Industrial carbon emission transfer in Guangdong province, 2001-2009 and 2009-2017



根据2001—2017年广东省各市工业碳排放转移量(图7),在工业产业转移的影响下,2001—2009年及2009—2017年各城市的工业碳排放转移量存在显著差异。

图7

新窗口打开|下载原图ZIP|生成PPT
图72001—2017年广东省各市工业碳排放转移量

Fig. 7Industrial carbon emission transfer in Guangdong province, 2001-2017



工业碳排放转移仍为转出的城市有:广州、深圳、江门、梅州,表明这些城市是广东省主要的产业转出地,但随着产业结构不断调整优化,这些城市工业碳排放转出量有减小的趋势,而梅州工业碳排放转移量相对较小,因工业产业发展较为滞后,产业转移对承接地和迁出地的贡献尚未体现[35]。工业碳排放转移仍为转入的城市有:揭阳、东莞、惠州、阳江、汕头、汕尾、潮州。粤东地区工业产业虽然规模不断扩大,但发展较为粗放,工业产业发展能力有待提高[36]

工业碳排放转移由转出变为转入的城市有:湛江、茂名、韶关、云浮、珠海、肇庆。其中云浮、韶关具有产业结构效益提升较慢、产业结构较为趋同的特征,工业产业发展规模较小、动力不足使工业碳排放转移量的年际变化较小。工业碳排放转移由转入变为转出的城市有:佛山、中山、清远、河源。这些城市在2001—2009年间均具有经济规模和工业产业迅速扩张的特征,并以“工业立市”作为城市发展战略,工业碳排放转入量较高[37]。在2009年后,佛山、中山加快与粤东西北地区建立产业转移园的进程,工业碳排放由转入逐渐调整为转出;清远因“双转移”及粤东西北振兴战略对产业结构调整和升级的影响尚未显现,在2009年后,工业碳排放由转入变为转出[38]

3.3.2 高、中、低能耗工业碳转移分析 根据2001—2017年广东省各市高、中、低能耗工业碳排放转移总量(图8),珠三角地区城市由于产业结构及发展阶段不同,工业碳排放转出转入情况有所不同。广州、中山、江门为工业碳排放转出地,高、中、低能耗工业碳排放均表现为转出,其中,广州的工业碳排放转出情况最为明显,主要与城市环境保护倡议和产业升级过程中加快淘汰劣质企业有关;佛山、惠州为工业碳排放转入地,高、中、低能耗工业碳排放均表现为转入,主要承接了毗邻的珠三角核心城市(广州、深圳)的工业产业转移;深圳、珠海、东莞、肇庆既有产业转入部分,也有转出的部分,其中,工业碳排放转出以高、中能耗工业为主。粤东西地区城市基本呈现工业碳排放转入趋势,其中,以茂名、湛江、汕尾为代表的粤西地区城市的中能耗工业碳排放转入量较高,是珠三角中能耗工业产业转移的主要承接地;粤北山区城市工业发展尚处于起步阶段,可能受投资环境优势较弱的影响,转移趋势不明显。

图8

新窗口打开|下载原图ZIP|生成PPT
图82001—2017年广东省各市高中低能耗工业碳排放转移总量

Fig. 8Total industrial carbon emission transfer of high and low energy consumption in Guangdong province from 2001 to 2017



根据2001—2017年广东省各市高、中、低能耗工业产业份额空间变化(图9),珠三角和粤东西北地区的产业份额和变化趋势具有显著的地区内部相似性和地区间的差异性。珠三角地区的低能耗工业产业一直处于主导地位,且随着年份增加低能耗产业份额有继续增加的趋势,随着工业产业结构高级化,2017年低能耗产业已完全占据主导地位,实现工业高能耗产业的结构升级;随着产业结构的调整,粤西地区高能耗产业的份额逐渐下降,中能耗产业居于主导地位;粤东地区的高、中能耗产业的份额有所增加,但增加幅度受到控制,份额变化不明显;粤北地区的高、中、低能耗产业份额变化不明显。从整体产业份额的变化来看,2001—2017年广东省产业结构发生了巨大的调整,珠三角地区的高、中能耗工业有向外围转移的趋势,高、中、低能耗产业的转移和规模扩张,给不同地区带来不同程度的环境代价。

图9

新窗口打开|下载原图ZIP|生成PPT
图92001—2017年广东省各市高、中、低能耗工业产业份额空间变化

注:此图基于国家自然资源部标准地图服务系统的标准地图(审图号:GS(2019)3333号)绘制,底图无修改。
Fig. 9Spatial change of industrial share of high, medium and low energy consumption in Guangdong province from 2001 to 2017



3.3.3 典型产业碳转移分析 城市碳排放转移具有明显的复杂性和多样性,因此本文以广东省六个典型工业产业转移城市(阳江、湛江、中山、东莞、揭阳、清远)为例(表4)。高、中能耗工业产业是粤西地区城市主要的转入产业,该部分产业污染强度高,对环境影响较大;珠三角地区城市转入的产业多为附加值较高的低能耗产业,如通信设备、计算机及其他电子设备制造业等,同时将一些劳动密集型的纺织业、文教体育用品制造业等产业转出;粤东地区城市大量转入纺织业、纺织服装、鞋、帽制造业等高能耗的轻工业,以及污染环境较为严重的黑色金属冶炼及压延加工业等;粤北地区城市转入产业以有色金属冶炼及压延加工业、电力、热力的生产和供应业等高能耗产业为主。


表4
表42001—2017年广东省部分城市工业产业转移及产值变化情况
Total industrial carbon emission transfer and industrial output changes in Guangdong province (万t)
城市主要产业碳排放转入情况
主要产业碳排放转出情况
阳江电力、热力的生产和供应业(+184.77)
黑色金属冶炼及压延加工业(+172.03)
非金属矿物制品业(+101.82)
金属制品业(+75.74)
有色金属冶炼及压延加工业(+72.36)
家具制造业(-11.76)
饮料、烟草制造业(-7.04)
纺织业(-6.90)
通用设备制造业(-6.36)
文教体育用品制造业(-1.24)
湛江黑色金属冶炼及压延加工业(+643.87)
造纸及纸制品业(+215.02)
石油加工、炼焦及核燃料加工业(+162.90)
非金属矿物制品业(+111.62)
电气机械及器材制造业(+28.75)
电力、热力的生产和供应业(-97.42)
农副食品加工业(-30.04)
纺织业(-26.76)
专用设备制造业(-15.31)
交通运输设备制造业(-8.43)
中山电力、热力的生产和供应业(+122.99)
电气机械及器材制造业(+42.73)
医药制造业(+18.56)
通用设备制造业(+12.50)
工艺品及其他制造业(+11.16)
非金属矿物制品业(-192.31)
造纸及纸制品业(-89.66)
金属制品业(-85.88)
橡胶和塑料制品业(-77.79)
化学原料及化学制品制造业(-54.73)
东莞通信设备、计算机及其他电子设备制造业(+492.50)
造纸及纸制品业(+430.06)
橡胶和塑料制品业(+178.95)
金属制品业(+96.60)
电气机械及器材制造业(+94.63)
电力、热力的生产和供应业(-271.97)
纺织业(-141.19)
文教体育用品制造业(-27.84)
水的生产和供应业(-26.43)
非金属矿采选业(-2.72)
揭阳黑色金属冶炼及压延加工业(+429.84)
非金属矿物制品业(+423.52)
纺织业(+294.50)
纺织服装、鞋、帽制造业(+103.65)
皮革、毛皮、羽毛(绒)及其制品业(+103.26)
工艺品及其他制造业(-1.83)
交通运输设备制造业(-0.77)
石油加工、炼焦及核燃料加工业(-0.01)
清远非金属矿物制品业(+289.38)
有色金属冶炼及压延加工业(+47.84)
化学原料及化学制品制造业(+46.18)
电力、热力的生产和供应业(+21.35)
黑色金属冶炼及压延加工业(+17.01)
废弃资源和废旧材料回收加工业(-26.49)
造纸及纸制品业(-21.64)
通用设备制造业(-21.43)
文教体育用品制造业(-5.14)
通信设备、计算机及其他电子设备制造业(-4.82)

新窗口打开|下载CSV

为更好的反映广东省各市之间的工业产业转移对工业碳排放的影响,本文选取三类工业产业做进一步分析。纺织服装、鞋、帽制造业属于高能耗的传统轻工业,从广东省各市工业碳排放转移量可见(图10),随着珠三角“退二进三”和“腾笼换鸟”政策的推进,高污染、低附加值的产业将逐渐退出珠三角地区,因此纺织服装、鞋、帽制造业表现出明显的转移倾向。黑色金属冶炼及压延加工业的产业链能源消耗较高,属于中能耗的产业,受供给侧和环保影响较大,目前发展速度减缓。通信设备、计算机及其他电子设备制造业属低能耗、高附加值的新兴产业,是广东省重要产业之一,广州和深圳受集聚经济和规模经济的影响,是该产业的主要转入地,并成为广东省该行业的增长点。相比于广州,深圳更早开始了产业升级,并开始构建“高新技术、先进制造、现代服务”的现代产业体系,因此在产业升级的背景下,深圳该产业对工业碳排放的影响程度较东莞低。

图10

新窗口打开|下载原图ZIP|生成PPT
图102001—2017年广东省各市纺织服装、鞋、帽制造业、黑色金属冶炼及压延加工业、通信设备、计算机及其他电子设备制造业碳排放转移量

Fig. 10Cities of Guangdong province in 2001-2017 in textile and garment, shoes, caps manufacturing, ferrous metal smelting and rolling processing industry, communications equipment, computers and other electronic equipment manufacturing carbon emissions transfer volume



4 结论与讨论

本研究通过测算2001—2017年广东省各城市工业行业的碳排放量,首先分析了工业碳排放的时空演变和分布特征;其次,从产业增长引发的环境、结构和技术效应三个方面进一步探讨工业发展模式对碳排放变化的影响;最后,从产业转移的角度出发,分析2001—2017年广东省内地区间的工业产业转移及对应的碳排放量转移。

(1)从时序变化来看,2001—2017年广东省工业碳排放总量呈现整体上升趋势,且随着时间的推移,碳排放总量地区差异逐渐增大。广东省各城市的工业碳排放量分布格局由整体上呈现中间多,四周少的分布特点,演变为主要沿“清远-广州”和“湛江-潮州”两对垂直线呈“T字型”的空间分布形态。2001年,中部珠三角地区的工业碳排放总量远高于其他地区,尤其以广州和佛山等珠三角地区核心城市为中心,城市的工业碳排放量向外围递减。2017年,广东省工业碳排放中心由中部向周边扩散,由单核心演变形成“T字型”空间分布格局。

(2)工业产业发展经济活动的增多会相应带来碳排放量的增长,但是增长的幅度由经济规模、产业结构和技术强度等综合决定,其中规模效应的作用强度最大、技术效应次之,结构效应最弱,且结构效应在经济增长引起的环境效应较低的地区发挥更强作用。因此,在发展工业的同时,合理调整工业产业结构并加大技术研发力度可以尽可能减少CO2的排放。

(3)在2001—2017年间,广东省经历了工业产业结构的调整与升级,受产业转移的影响,工业碳排放在各市之间发生转移,工业碳排放转移格局基本表现为由珠三角地区向外围转移,其中珠三角地区为高、中能耗工业产业主要的碳排放转出地,粤东西则是其主要的转入地。同时,城市工业产业转移对碳排放转移的影响程度存在明显的空间分异,经济规模和工业产业迅速扩张的城市碳排放转移量年际变化幅度较大,而粤东西北地区部分工业产业发展水平较低或规模较小的城市,其工业碳排放转移量则年际变化相对较小。

广东省的工业碳排放量中心已经由中部的珠三角地区扩散到周边区域,该空间格局的演变不仅源于粤东西北地区城市自身的经济发展,也与广东省内部跨地区的产业转移密切相关。在“双转移”战略背景下,珠三角地区城市与外围城市之间的产业转移促进了转出地的产业结构升级与转入地的投资规模扩张,产生了可观的经济效益。然而从环境效应的角度考虑,珠三角地区城市转入的产业大多附加值高、能耗低,而附加值低能耗高的产业则转移到了粤东西北地区城市,造成地区产业结构的差异化发展,最终导致粤东西北地区城市的碳排放量增速显著高于珠三角地区城市。此外,考虑技术效应在碳排放过程中起到的巨大作用,一方面,珠三角地区城市应该给予外围城市一定的资金和技术支持,帮助其提高能源利用效率;另一方面,粤东西北地区也应在接受产业转入时慎重考虑相应的环境效应,并从长远角度出发,逐步推进本地产业结构的高级化。

参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

IPCC. Summary for Policymakers of Climate Change: The Physical Science Basis
2007 -06-30[2020-02-25]. https://www.ipcc.ch/pdf/assessment-report/ar4/wg1/ar4-wg1-spm.pdf.

URL [本文引用: 2]

梁尚龙. 清远市产业转型升级战略选择研究
兰州: 兰州大学硕士学位论文, 2013: 7-9.

[本文引用: 1]

[ Liang Shanglong. Qingyuan city industry transformation and upgrading of strategic choice
Lanzhou: Master Dissertation of Lanzhou University, 2013: 7-9.]

[本文引用: 1]

邓荣荣, 李亚芳. 中国中部区域承接国内产业转移进程中的碳排放转移测度
产业经济评论(山东大学), 2019, 18(3):114-133.

[本文引用: 2]

[ Deng Rongrong, Li Yafang. CO2 Emissions transfer in central region induced by undertaking inter-regional industry transfer
Review of Industrial Economics (Shandong University), 2019, 18(3):114-133.]. DOI: CNKI: SUN:CYJP.0.2019-03-005.

[本文引用: 2]

许姣丽, 吴康梅, 邵诗敏. 粤港澳大湾区建设背景下江门主导产业的发展机遇与挑战
广东经济, 2019, 28(2):40-45.

[本文引用: 1]

[ Xu Jiaoli, Wu Kangmei, Shao Shimin. Development opportunities and challenges of Jiangmen leading industries in the context of Guangdong-Hong Kong-Macao Greater Bay Area onstruction
Guangdong Economy, 2019, 28(2):40-45.]. DOI: CNKI: SUN: GDJJ.0.2019-02-006.

[本文引用: 1]

陈文颖, 吴宗鑫. 碳排放权分配与碳排放权交易
清华大学学报(自然科学版), 1998, 84(12): 16-19+23.

[本文引用: 1]

[ Chen Wenying, Wu Zongxin. Carbon emission permit allocation and trading
Journal of Tsinghua University(Science and Technology), 1998, 84(12): 16-19+23.]. DOI: 10.16511/j.cnki.qhdxxb.1998.12.005.

[本文引用: 1]

查冬兰, 周德群. 地区能源效率与二氧化碳排放的差异性: 基于Kaya因素分解
系统工程, 2007, 25(11):65-71.

[本文引用: 1]

[ Cha Donglan, Zhou Dequn. The inequality about provincial energy efficiency and its related CO2 emission: Decomposition based on Kaya
System Engineering, 2007, 25(11):65-71.]. DOI: 10.3969/j.issn.1001-4098.2007.11.012.

[本文引用: 1]

朱勤, 彭希哲, 陆志明, . 中国能源消费碳排放变化的因素分解及实证分析
资源科学, 2009, 31(12):2072-2079.

[本文引用: 1]

[ Zhu Qin, Peng Xizhe, Lu Zhiming, et al. Factors decomposition and empirical analysis of variations in energy carbon emission in China
Resources Science, 2009, 31(12):2072-2079.]. DOI: CNKI:SUN:ZRZY.0.2009-12-011.

[本文引用: 1]

王少剑, 苏泳娴, 赵亚博. 中国城市能源消费碳排放的区域差异、空间溢出效应及影响因素
地理学报, 2018, 73(3):414-428.

DOI:10.11821/dlxb201803003 [本文引用: 1]
基于1992-2013年中国城市遥感模拟反演碳排放数据,采用空间自相关、空间马尔科夫矩阵和动态空间面板数据模型,在同时考虑碳排放的时空滞后效应和不同地理经济空间权重矩阵的条件下,对城市碳排放的演化路径和关键影响因素进行了定量识别和减排政策探讨。研究表明,中国城市能源消费碳排放的区域差异正逐步缩小,空间上呈现出明显的高排放俱乐部集聚特征,同时碳排放类型演化具有明显的路径依赖特征;面板数据模型估计结果表明经济增长与人均碳排放呈现显著的倒“U”型曲线关系,而绝大多数城市的人均碳排放处于随经济发展而增加的阶段,二产偏重的经济结构和投资的粗放增长共同正向作用于城市碳排放,而人口的集聚效应、技术水平的提升、对外开放度和公路运输强度的增加则共同抑制城市碳排放水平的提高。因此未来要抑制促增因素和发挥促降因素的作用才能有效降低城市碳排放;优化产业结构、精简粗放投资、增加研发强度以及提升公路通达性是未来实现中国城市节能减排的有效途径。
[ Wang Shaojian, Su Yongxian, Zhao Yabo. Regional inequality, spatial spillover effects and influencing factors of China's city-level energy-related carbon emissions
Acta Geographica Sinica, 2018, 73(3):414-428.]. DOI: 10.11821/dlxb201803003.

[本文引用: 1]
Carbon emissions are increasing due to human activities related with the energy consumptions for economic development. Thus, attention has been paid to the reduction of the growth of carbon emissions and formulation of policies for addressing climate change. Although most studies have explored the driving forces behind carbon emissions in China, literature lacks studies at the city-level due to a limited availability of statistics on energy consumptions. In this study, based on China's city-level remote sensing carbon emissions from 1992 to 2013, we applied the spatial autocorrelation, spatial Markov-chain transitional matrices, dynamic spatial panel model and Sys-GMM to empirically estimate the key determinants of carbon emissions at the city-level and discuss its spatial spillover effects in consideration of spatiotemporal lag effects and different geographical and economic weighting matrices. Results indicated that the regional inequalities of city-level carbon emissions decreased over time and presented an obvious spatial spillover effect and high-emission "club" agglomeration. In addition, the evolution of the emission pattern has the characteristic of obvious path dependence. Panel data analysis results indicated that there was a significant U-shaped curve that can reflect the relationship between carbon emissions and GDP per capita. In addition, carbon emissions per capita are increasing with economic growth for most cities. High-proportion of secondary industry and extensive growth of investment exerted significantly positive effects on China's city-level carbon emissions. Conversely, rapid population agglomeration, the improvement of technology level, the increase of trade openness and road density play an inhibiting role in carbon emissions. Therefore, in order to reduce carbon emissions, the Chinese government should inhibit the effects of promotion factors and enhance the effects of mitigation factors. Combining with the analysis of results, we argued that optimizing the industrial structure, streamlining the extensive investment, increasing the level of technology and improving the road accessibility are the effective ways to increase energy savings and reduce carbon emissions in China.

王少剑, 高爽, 黄永源, . 基于超效率SBM模型的中国城市碳排放绩效时空演变格局及预测
地理学报, 2020, 75(6):1316-1330.

DOI:10.11821/dlxb202006016 [本文引用: 1]
由CO<sub>2</sub>排放所引起的气候变化是当今社会所关注的热点话题,提高碳排放绩效是碳减排的重要途径。目前关于碳排放绩效的研究多从国家尺度和行业尺度进行探讨,由于能源消耗统计数据有限,缺乏城市尺度的研究。基于遥感模拟反演的1992—2013年中国各城市碳排放数据,采用超效率SBM模型对城市碳排放绩效进行测定,构建马尔可夫和空间马尔可夫概率转移矩阵,首次从城市尺度探讨了中国碳排放绩效的时空动态演变特征,并预测其长期演变的趋势。研究表明,中国城市碳排放绩效均值呈现波动中稳定上升的趋势,但整体仍处于较低的水平,未来城市碳排放绩效仍具有较大的提升空间,节能减排潜力大;全国城市碳排放绩效空间格局呈现“南高北低”特征,城市间碳排放绩效水平的差异性显著;空间马尔科夫概率转移矩阵结果显示,中国城市碳排放绩效类型转移具有稳定性,且存在“俱乐部收敛”现象,地理背景在中国城市碳排放绩效类型转移过程中发挥重要作用;从长期演变的趋势预测来看,中国碳排放绩效未来演变较为乐观,碳排放绩效随时间的推移而逐步提升,碳排放绩效分布呈现向高值集中的趋势。因此未来中国应继续加大节能减排力度以提高城市碳排放绩效,实现国家节能减排目标;同时不同地理背景的邻域城市之间应建立完善的经济合作联动机制,以此提升城市碳排放绩效水平并追求经济增长与节能减排之间协调发展,从而实现低碳城市建设和可持续发展。
[ Wang Shaojian, Gao Shuang, Huang Yongyuan, et al. Spatio-temporal evolution and trend prediction of urban carbon emission performance in China based on super-efficiency SBM model
Acta Geographica Sinica, 2020, 75(6):1316-1330.]. DOI: 10.11821/dlxb202006016.

[本文引用: 1]
Climate change caused by CO2 emissions has become an environmental issue globally in recent years, and improving carbon emission performance is an important way to reduce carbon emissions. Although some scholars have discussed the carbon emission performance at the national scale and industry level, literature lacks studies at the city- level due to a limited availability of statistics on energy consumptions. In this study, based on China's city-level remote sensing carbon emissions from 1992 to 2013, we used the super-efficiency SBM model to measure the urban carbon emission performance, and the traditional Markov probability transfer matrix and spatial Markov probability transfer matrix are constructed to explore the spatio-temporal dynamic evolution characteristics of urban carbon emission performance in China for the first time and to predict its long-term evolution trend. The study shows that urban carbon emission performance in China presents a trend of steady increase in the fluctuation, but the overall level is still at a low level, so there is still a great improvement space in urban carbon emission performance, with huge potential for energy conservation and emission reduction. The spatial pattern of national urban carbon emission performance shows the characteristics of "high in the south and low in the north", and there is a significant difference in the level of carbon emission performance between cities. The spatial Markov probabilistic transfer matrix results show that the transfer of carbon emission performance type in Chinese cities is stable, thus it forms the "club convergence" phenomenon, and the geographical background plays an important role in the process of the transfer. From the perspective of long-term trend prediction, the future evolution of urban carbon emission performance in China is relatively optimistic. The carbon emission performance will gradually improve over time, and the distribution of carbon emission performance presents a trend of high concentration. Therefore, in the future, China should continue to strengthen research and development to improve the performance level of urban carbon emissions and achieve the national target of energy conservation and emission reduction. At the same time, neighboring cities with different geographical backgrounds should establish a sound linkage mechanism of economic cooperation to pursue coordinated development between economic growth, energy conservation and emission reduction, so as to realize low-carbon city construction and sustainable development.

杨骞, 刘华军. 中国二氧化碳排放的区域差异分解及影响因素: 基于1995-2009年省际面板数据的研究
数量经济技术经济研究, 2012, 29(5): 36-49+148.

[本文引用: 1]

[ Yang Qian, Liu Huajun. Regional difference decomposition and influence factors of China's carbon dioxide emissions
The Journal of Quantitative & Technical Economics, 2012, 29(5): 36-49+14. ].DOI: 10.13653/j.cnki.jqte.2012.05.005.

[本文引用: 1]

李平星, 曹有挥. 产业转移背景下区域工业碳排放时空格局演变: 以泛长三角为例
地球科学进展, 2013, 28(8):939-947.

[本文引用: 2]

[ Li Pingxing, Cao Youhei. Spatial and temporal changes of industrial carbon emissions under regional industrial transfer: The case of Pan-Yangtze River Delta
Advances in Earth Science, 2013, 28(8):939-947.]. DOI: CNKI:SUN:DXJZ.0.2013-08-012.

[本文引用: 2]

王少剑, 刘艳艳, 方创琳. 能源消费CO2排放研究综述
地理科学进展, 2015, 34(2):151-164.

DOI:10.11820/dlkxjz.2015.02.004 [本文引用: 1]
气候变化已成为当前国际社会所关注的热点问题,而CO<sub>2</sub>排放是影响全球变暖的主要因素。本文基于多学科视角,综合运用文献资料法、对比分析法,梳理了CO<sub>2</sub>排放的估算方法、排放强度、排放绩效、排放影响因素和未来排放模拟方法的研究进展,分析了存在的主要问题,并展望了下一步的研究重点与方向。结果表明,CO<sub>2</sub>排放研究发展迅速并且成果丰富,CO<sub>2</sub>排放是不同因素众多变量之间相互作用、相互依赖的一个综合复杂的系统工程;多学科融合框架下地理与空间因素重视不足,研究尺度以全球化、国际化为主,多尺度研究逐步凸显并开始关注尺度效应,但省级、城市尺度的面板研究仍匮乏;面板数据逐步受到关注,动态分析对比评价仍待完善。未来研究在变量选取上应更加全面细化,尝试多尺度综合分析,逐步凸显城市碳排放研究,需更加关注理论结合本地化实践,运用系统的思维和方法掌握差异化趋势研究。
[ Wang Shaojian, Liu Yanyan, Fang Chuanglin. Review of energy-related CO2 emission in response to climate change
Advances in Earth Science, 2015, 34(2):151-16.]. DOI: 10.11820/dlkxjz.2015.02.004.

[本文引用: 1]

王锋, 吴丽华, 杨超. 中国经济发展中碳排放增长的驱动因素研究
经济研究, 2010, 45(2):123-136.

[本文引用: 1]

[ Wang Feng, Wu Lihua, Yang Chao. Driving factors for growth of carbon dioxide emissions during economic development in China
Economic Research Journal, 2010, 45(2):123-136.]. DOI: CNKI:SUN:JJYJ.0.2010-02-011.

[本文引用: 1]

李汝勇. 基于系统动力学的北京市能源消耗碳排放系统仿真分析
成都: 西南交通大学硕士学位论文, 2016: 1-42.

[本文引用: 1]

[ Li Ruyong. Simulation analysis of energy consumption carbon emission system of Beijing city based on system dynamics
Chengdu: Master Dissertation of Southwest Jiaotong University, 2016: 1-42.]

[本文引用: 1]

朱宇恩, 李丽芬, 贺思思, . 基于IPAT模型和情景分析法的山西省碳排放峰值年预测
资源科学, 2016, 38(12):2316-2325.

[本文引用: 1]

[ Zhu Yuen, Li Lifen, He Sisi, et al. Peak year prediction of Shanxi province's carbon emissions based on IPAT modeling and scenario analysis
Resources Science, 2016, 38(12):2316-2325.]. DOI: CNKI:SUN:ZRZY.0.2016-12-011.

[本文引用: 1]

孙颖, 刘宁宁. 工业化、城市化与地区碳排放强度: 基于STIRPAT模型的省际面板数据分析
改革与开放, 2019, 28(17):16-20.

[本文引用: 1]

[ Sun Ying, Liu Ningning. Industrialization, urbanization and regional carbon emission intensity: An analysis of provincial panel data based on STIRPAT model
Reform & Openning, 2019, 28(17):16-20.]. DOI: 10.16653/j.cnki.32-1034/f.2019.017.005.

[本文引用: 1]

彭连清, 詹向阳. 沿海地区产业转移与欠发达地区农村劳动力转移模式的演变: 以珠三角为例
当代经济研究, 2007, 18(5):48-51.

[本文引用: 1]

[ Peng Lianqing, Zhan Xiangyang. Industrial transfer in coastal areas and evolution of rural labor transfer mode in underdeveloped areas: A case study of the Pearl River Delta
Contemporary Economic Research, 2007, 18(5):48-51.]. DOI: CNKI:SUN:DDJJ.0.2007-05-012.

[本文引用: 1]

Dijk J V, Pellenbarg P H. Firm relocation decisions in the Netherlands: An ordered logit approach
Papers in Regional Ence, 2010, 79(2):191-219. DOI: 10.1111/j.1435-5597.2000.tb00768.x.

[本文引用: 1]

豆建民, 沈艳兵. 产业转移对中国中部地区的环境影响研究
中国人口·资源与环境, 2014, 24(11):96-102.

[本文引用: 1]

[ Dou Jianmin, Shen Yanbing. On the influence of the industrial transfer on the environment in the central region of China.
China Population, Resources and Environment, 2014, 24(11):96-102.]. DOI: 10.3969/j.issn.1002-2104.2014.11.013.

[本文引用: 1]

张公嵬, 梁琦. 产业转移与资源的空间配置效应研究
产业经济评论, 2010, 9(3):1-21.

[本文引用: 1]

[ Zhang Gongwei, Liang Qi. The study of industry transfer and the spacial allocative effect of resources
Review of Industrial Economics, 2010, 9(3):1-21.]. DOI: CNKI: SUN: CYJP.0.2010-03-002.

[本文引用: 1]

刘红光, 刘卫东, 刘志高. 区域间产业转移定量测度研究
中国工业经济, 2011, 29(6):79-88.

[本文引用: 1]

[ Liu Hongguang, Liu Weidong, Liu Zhigao. The quantitative study on inter-regional industry transfer
China Industrial Economics, 2011, 29(6):79-88.]. DOI: 10.19581/j.cnki.ciejournal.2011.06.008.

[本文引用: 1]

成艾华, 赵凡. 基于偏离份额分析的中国区域间产业转移与污染转移的定量测度
中国人口·资源与环境, 2018, 28(5):49-57.

[本文引用: 1]

[ Cheng Aihua, Zhao Fan. Quantitative measure on inter-regional industry transfer and pollution transfer based on the idea of shift share analysis. China Population,
Resources and Environment, 2018, 28(05):49-57.]. DOI: CNKI:SUN:ZGRZ.0.2018-05-006.

[本文引用: 1]

贺灿飞, 周沂, 张腾. 中国产业转移及其环境效应研究
城市与环境研究, 2014, 1(1):34-49.

[本文引用: 1]

[ He Canfei, Zhou Yi, Zhang Teng. Industrial transfer and its environmental effect in China
Urban and Environmental Studies, 2014, 1(1):34-49.]. DOI: CNKI:SUN:CSHY.0.2014-01-004.

[本文引用: 1]

成艾华. 技术进步、结构调整与中国工业减排: 基于环境效应分解模型的分析
中国人口·资源与环境, 2011, 21(3):41-47.

[本文引用: 1]

[ Cheng Aihua. Technological progress, structural readjustment and pollution reduction for the industry in China
China Population, Resources and Environment, 2011, 21(3):41-47.]. DOI: CNKI:SUN:ZGRZ.0.2011-03-007.

[本文引用: 1]

程叶青, 王哲野, 叶信岳, . 中国能源消费碳排放强度及其影响因素的空间计量
地理学报, 2013, 68(10):1418-1431.

DOI:10.11821/dlxb201310011 [本文引用: 1]
碳排放所引起的全球气候变化对人类经济社会发展带来了严峻的挑战。中国政府承诺到2020 年GDP碳排放强度较2005 年降低40%~45%,这一目标的实现有赖于全国层面社会经济和产业结构的实质性转型,更有赖于省区层面节能减排的具体行动。基于联合国政府间气候变化专门委员会(IPCC) 提供的方法,本文估算了全国30 个省区1997-2010 年碳排放强度,采用空间自相关分析方法和空间面板计量模型,探讨了中国省级尺度碳排放强度的时空格局特征及其主要影响因素,旨在为政府制定差异化节能减排的政策和发展低碳经济提供科学依据。研究结果表明:① 1997-2010 年,中国能能源消费CO<sub>2</sub>排放总量从4.16 Gt 增加到11.29Gt,年均增长率为7.15%,而同期GDP年均增长率达11.72%,碳排放强度总体上呈逐年下降的态势;② 1997-2010 年,碳排放强度的Moran's I 指数呈波动型增长,说明中国能源消费碳排放强度在省区尺度上具有明显的空间集聚特征,且集聚程度有不断增强的态势,同时,碳排放强度高值集聚区和低值集聚区表现出一定程度的路径依赖或空间锁定;③ 空间面板计量模型分析结果表明,能源强度、能源结构、产业结构和城市化率对中国能源消费碳排放强度时空格局演变具有重要影响;④ 提高能源利用效率,优化能源结构和产业结构,走低碳城市化道路,以及实行节能减排省区联动策略是推动中国实现节能减排目标的重要途径。
[ Cheng Yeqing, Wang Zheye, Ye Xinyue, et al. Spatial econometric analysis of carbon emission intensity and its driving factors from energy consumption in China
Acta Geographica Sinica, 2013, 68(10):1418-143.]. DOI: CNKI:SUN:DLXB.0.2013-10-012.

[本文引用: 1]
The economic and social development has been facing with serious challenge brought by global climate change due to carbon emissions. As a responsible developing country, China pledged to reduce its carbon emission intensity by 40%-45% below 2005 levels by 2020. The realization of this target depends on not only the substantive transition of society, economy and industrial structure in national scale, but also the specific action and share of energy saving and emissions reduction in provincial scale. Based on the method provided by the IPCC, this paper examines the spatio-temporal dynamic patterns and domain factors of China's carbon emission intensity from energy consumption in 1997-2010 using spatial autocorrelation analysis and spatial panel econometric model. The aim is to provide scientific basis for making different policies on energy conservation and carbon emission reduction in China. The results are shown as follows. Firstly, China's carbon emissions increased from 4.16 Gt to 11.29 Gt in 1997-2010, with an annual rate of 7.15%, which was much slower than that of annual growth rate of GDP (11.72%); therefore, China's carbon emission intensity tended to decline. Secondly, the changing curve of Moran's I indicated that China's carbon emission intensity from energy consumption has a continued strengthening tendency of spatial agglomeration at provincial scale. The provinces with higher and lower values appeared to be path-dependent or space-locked to some extent. Third, according to the analysis of spatial panel econometric model, it can be found that energy intensity, energy structure, industrial structure and urbanization rate were the domain factors that have impact on the spatio-temporal patterns of China's carbon emission intensity from energy consumption. Therefore, in order to realize the targets of energy conservation and emission reduction, we should improve the utilizing efficiency of energy, and optimize energy and industrial structure, and choose the low-carbon urbanization way and implement regional cooperation strategy of energy conservation and emissions reduction.

齐志新, 陈文颖. 结构调整还是技术进步?: 改革开放后中国能源效率提高的因素分析
上海经济研究, 2006, 25(6):8-16.

[本文引用: 1]

[ Qi Zhixin, Chen Wenying. Structural adjustment or technological progress? An analysis of the factors of improving China's energy efficiency after reform and opening up
Shanghai Journal of Economics, 2006, 25(6):8-16.]. DOI: 10.19626/j.cnki.cn31-1163/f.2006.06.002.

[本文引用: 1]

Gene M Grossman, Alan B Krueger. Economic growth and the environment
Quarterly Journal of Economics, 1995, 110(2):353-377. DOI: doi.org/10.2307/2118443.

URL [本文引用: 1]

黄焕玲. 基于GIS的广东省区域经济差异时空演变特征研究
新经济, 2020, 39(1):47-55.

[本文引用: 1]

[ Huang Huanling. Study on spatial and temporal evolution characteristics of regional economic differences in Guangdong province Based on GIS
New Economy, 2020, 39(1):47-55.]. DOI: CNKI:SUN:XJJB.0.2020-01-016.

[本文引用: 1]

孙根年. 基于节能-减排的中国工业行业分类研究
商丘师范学院学报, 2008, 24(3):7-12.

[本文引用: 1]

[ Sun Gennian. A study of industrial classification based on the energy conservation and pollution reduction in China
Journal of Shangqiu Normal University, 2008, 24(3):7-12.]. DOI: 10.3969/j.issn.1672-3600.2008.03.002.

[本文引用: 1]

孙波. 珠三角与粤北地区产业结构差异与产业合作研究
深圳: 深圳大学硕士学位论文, 2018: 52-67.

[本文引用: 1]

[ Sun Bo. Industrial structure difference and industrial cooperation between Pearl River Delta and Northern Guangdong
Shenzhen: Master Dissertation of Shenzhen University, 2018: 52-67.]

[本文引用: 1]

涂正革, 谌仁俊. 工业化、城镇化的动态边际碳排放量研究: 基于LMDI“两层完全分解法”的分析框架
中国工业经济, 2013, 27(9):31-43.

[本文引用: 1]

[ Tu Zhengge, Chen Renjun. Industrialization's, urbanization's dynamic marginal carbon emissions: The analytical framework based on LMDI “Two-Level Perfect Decomposition” method
China Industrial Economics, 2013, 27(9):31-43.]. DOI: 10.19581/j.cnki.ciejournal.2013.09.004.

[本文引用: 1]

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
地理学报, 2019, 74(6):1131-1148.

DOI:10.11821/dlxb201906005 [本文引用: 1]
采用核密度估计、空间自相关、空间马尔科夫链和面板分位数回归等方法对1992-2013年全国283个城市碳排放强度的空间溢出效应和驱动因素进行了分析。① 核密度估计结果表明,中国城市碳排放强度总体均值下降,差异在逐步缩小。② 空间自相关Moran's I指数表明城市碳排放强度存在显著的空间集聚性且空间集聚性在逐渐增强,但空间集聚水平的变化逐年缩小。③ 空间马尔科夫链分析结果表明:第一,中国城市碳排放强度存在马太效应,低强度与高强度的城市在相邻年份转移过程中呈现维持初始状态的特征。第二,城市碳排放“空间溢出”效应明显,且不同区域背景下溢出效应存在异质性,即若与碳排放强度低的城市为邻,该城市的碳强度能够增加向上转移的概率,反之亦然。④ 面板分位数结果显示:在碳排放强度低的城市,经济增长、技术进步、适当的人口密度起到减排作用;外商投资强度与交通排放是使碳强度增大的主要因素。在碳排放强度高的城市,人口密度是重要的减排因素,技术进步暂时没起减排作用;工业排放、粗放式的资本投资以及城市土地蔓延则是碳强度上升的主要因素。
[ Wang Shaojian, Huang Yongyuan. Spatial spillover effect and driving forces of carbon emission intensity at city level in China
Acta Geographica Sinica, 2019, 74(6):1131-1148.]. DOI: 10.11821/dlxb201906005.

[本文引用: 1]
Since the Paris Climate Change Conference in 2015, reducing carbon emission and lowering carbon intensity has become a global consensus to deal with climate change. Due to different economic development stages, carbon intensity is regarded as a better index to measure regional energy-related carbon emissions. Although previous scholars have made great efforts to explore the spatiotemporal patterns and key driving factors of carbon intensity in China, the results lack the perspective from city level because of limited availability of statistical data of city-level carbon emission. In this study, based on carbon intensity of 283 cities in China from 1992-2013, we used the kernel density estimation, spatial autocorrelation, spatial Markov-chain and quantile regression panel model to empirically reveal its spatial spillover effects and explore the critical impact factors of carbon intensity at the city level. Our result indicates that although the total carbon emission increased during the study period, carbon intensity saw a gradual decline and regional differences were shrinking. Secondly, the city-level carbon intensity presented a strong spatial spillover effect and diverse regional backgrounds exerted heterogeneous effects on regions. Thirdly, quantile panel data analysis result showed that for low-intensity cities, on the one hand, FDI and transport sector were main contributing factors, and economic growth, technical progress and high population density negatively affected carbon intensity. On the other hand, industrial activity, extensive growth of investment and urban sprawl were key promoting factors for high-intensity cities, and population density was beneficial to emission reduction task. Furthermore, technological advance has not exerted negative influence on carbon intensity in high-intensity cities. At last, we suggested that Chinese government should take different carbon intensity levels into full consideration before policy making.

李廉水, 周勇. 技术进步能提高能源效率吗?: 基于中国工业部门的实证检验
管理世界, 2006, 22(10):82-89.

[本文引用: 1]

[ Li Lianshui, Zhou Yong. Can technological advance improve energy effect: A empirical study based on industrial sectors in China
Management World, 2006, 22(10):82-89.]. DOI: 10.19744/j.cnki.11-1235/f.2006.10.010.

[本文引用: 1]

谢锐, 王振国, 张彬彬. 中国碳排放增长驱动因素及其关键路径研究
中国管理科学, 2017, 25(10):119-129.

[本文引用: 1]

[ Xie Rui, Wang Zhenguo, Zhang Binbin. Study on driving factors and critical supply chain paths of CO2 emissions in China
Chinese Journal of Management Science, 2017, 25(10):119-129.]. DOI: 10.16381/j.cnki.issn1003-207x.2017.10.013.

[本文引用: 1]

许树辉. 广东欠发达地区产业结构升级的空间分异研究: 基于2001-2013年的时间序列数据分析
世界地理研究, 2016, 25(3):115-124.

[本文引用: 1]

[ Xu Shuhui. Study on the spatial distribution of the industrial structure upgrading in the less developed regions of Guangdong province: Based on 2001-2013 time series data
World Regional Studies, 2016, 25(3):115-124.]. DOI: 10.3969/j.issn.1004-9479.2016.03.013.

[本文引用: 1]

高怡冰. 产业园区培育现代产业集群的对策研究: 以广东产业转移工业园为例
新经济, 2017, 24(12):43-50.

[本文引用: 1]

[ Gao Yibing. Research on the countermeasures of cultivating modern industrial clusters in industrial parks: Taking Guangdong industrial transfer industrial park as an example
New Economy, 2017, 24(12):43-50.]. DOI: 10.3969/j.issn.1009-8461.2017.12.011.

[本文引用: 1]

左伟, 周锦源. “双转移”策略下佛山陶瓷产业转移现状与对策研究
当代经济, 2009, 16(16):96-97.

[本文引用: 1]

[ Zuo Wei, Zhou Jinyuan. Research on the status quo and countermeasures of Foshan ceramic industry transfer under the "Double Transfer" strategy
Contemporary Economics, 2009, 16(16):96-97.]. DOI: 10.3969/j.issn.1007-9378.2009.16.049.

[本文引用: 1]

张林, 陈珍涛. 产业政策对产业升级、经济增长的影响: 以清远市2001-2017年数据为例
清远职业技术学院学报, 2020, 13(1):21-26.

[本文引用: 1]

[ Zhang Lin, Chen Zhentao. Research on the impact of industrial policy on industrial upgrading and economic growth: Taking the data of Qingyuan city from 2001 to 2017 as an example
Journal of Qingyuan Polytechnic, 2020, 13(1):21-26.]. DOI: CNKI:SUN:QYZJ.0.2020-01-006.

[本文引用: 1]

相关话题/工业 城市 空间 能源 环境