中国经济空间格局演变及其CO2排放效应

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

姜宛贝¹^,², 刘卫东^,¹^,²^,³

1. 中国科学院地理科学与资源研究所,北京100101

2. 中国科学院区域可持续发展分析与模拟重点实验室,北京100101

3. 中国科学院大学资源环境学院,北京100049

Effect of change of the spatial pattern of economic activities on CO₂ emissions in China

JIANG Wanbei¹^,², LIU Weidong^,¹^,²^,³

1. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

2. Key Laboratory of Regional Sustainable Development Modeling, CAS, Beijing 100101, China

3. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

通讯作者: 刘卫东,男,河北隆化人,研究员,主要从事经济地理与区域发展研究。E-mail: liuwd@igsnrr.ac.cn

收稿日期:2020-06-4修回日期:2020-09-2网络出版日期:2021-04-25

基金资助:

国家重点研发计划项目.2016YFA0602804
中国博士后科学基金项目.2019M650822

Received:2020-06-4Revised:2020-09-2Online:2021-04-25
作者简介 About authors
姜宛贝,女,四川绵阳人,博士,主要研究方向为经济地理与区域发展。E-mail: jiangyb@igsnrr.ac.cn

摘要
改革开放以来,中国经历了由东部率先发展到区域协调发展的区域战略调整,中国经济空间格局发生较大改变。探究CO₂排放量对经济空间格局演变的响应,对中国尽早实现CO₂排放达峰目标、确保可持续发展具有重要意义。本文在刻画1985—2017年中国经济空间格局演变特征的基础上,基于LMDI因素分解方法分析了中国CO₂排放的驱动因素,从经济行业层面探析了经济空间格局演化对中国CO₂排放的作用机制。研究发现：①1985—2017年,东部地区的GDP份额经历了上升继而下降的过程,六大经济行业的区位呈现出向中西部地区迁移的总体趋势。②1985—2017年经济规模和行业碳强度分别为CO₂排放量增加和下降的主导因素。1985—1997年、1997—2007年和2007—2017年,经济空间格局变化分别降低、增加和降低了中国CO₂排放总量。③经济空间格局演化引起的CO₂排放变化量中,工业的贡献最大。行业区位变迁对CO₂排放量的作用方向和大小,分别与行业转入、转出地碳强度的相对高低和行业区位变迁活跃程度具有一定的相关性。本文研究结果可为中国经济和环境的协调发展提供一些政策启示。
关键词： 经济空间格局;行业区位变迁;碳排放;驱动因素;行业碳强度;LMDI;可持续发展;中国

Abstract

Since the reform and opening up in the late 1970s, China has adjusted its regional development strategies from the east taking the lead to regional coordinated development. This article first described the characteristics of change of the spatial pattern of economic activities in China during 1985-2017; then adopted the logarithmic mean weight divisia index (LMDI) decomposition method to decompose the changes of CO₂ emissions in China in 1985-1997, 1997-2007, and 2007-2017 into the contributions of four factors, including economic scale, industrial structure, spatial pattern of economic activities, and sectoral CO₂ emissions intensity; and then calculated the contribution of each sector in CO₂ emission change caused by the change of the spatial pattern of economic activities, and explored the effect of sectoral relocation on CO₂emissions. The results show that the GDP share of the eastern region experienced a process of rise and then decline during 1985-2017, and the locations of the six economic sectors showed an overall trend of agglomeration to the central and western regions. The economic scale and the sectoral CO₂ emissions intensity were respectively the leading factors for the increase and decrease of CO₂ emissions. During 1985-1997, 1997-2007, and 2007-2017, the change of the spatial pattern of economic activities has decreased, increased, and decreased China’s total CO₂ emissions respectively. Among the six economic sectors, industry made the biggest contribution in the CO₂ emission change caused by the change of the spatial pattern of economic activities. The direction of impact of sectoral relocation on CO₂ emissions showed a certain correlation with the relative level of sectoral CO₂ emissions intensities of inbound and outbound provinces, and the strength of impact on CO₂ emissions was somewhat related to its activity degree. The results of this study have some policy implications for the coordinated development of China’s economy and environment.

Keywords：spatial pattern of economic activities;sectoral relocation;CO₂ emissions;driving factors;sectoral CO₂ emission intensity;logarithmic mean weight divisia index (LMDI);sustainable development;China

PDF (2993KB)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
姜宛贝, 刘卫东. 中国经济空间格局演变及其CO₂排放效应. 资源科学[J], 2021, 43(4): 722-732 doi:10.18402/resci.2021.04.07
JIANG Wanbei, LIU Weidong. Effect of change of the spatial pattern of economic activities on CO₂ emissions in China. RESOURCES SCIENCE[J], 2021, 43(4): 722-732 doi:10.18402/resci.2021.04.07

1 引言

改革开放以来,中国经济空间格局总体呈现出沿海化非均衡发展,继而东、中、西部相对均衡发展的演变特征^[1]。中国东部省份^①的GDP份额由1978年的42.24%增长至2007年的55.87%^[2],而后降至2017年的53.58%^[3]。在此过程中,中国CO₂排放量迅速增长,已超过美国成为目前世界上第一大CO₂排放国^[4]。碳排放与人类的社会经济活动密切相关^[5,6,7]。区域经济格局演化是对人类社会经济活动的响应,其与碳排放之间必然存在着内在联系。探析这两者间的关系可以为国家碳减排政策的制定提供新的视角,亦使得国家在制定区域发展战略时,同时考虑到其碳排放响应。这对中国经济与环境的协调发展、实现生态文明建设具有重要意义。

国内外****对于碳排放驱动因素的研究主要从经济增长、产业结构、能源结构、技术水平、城市化、土地利用方式、对外贸易以及对外直接投资等方面展开论述。现有研究结果表明,碳排放与经济增长之间存在环境库兹涅茨曲线（EKC）,但同时也表明,大多数国家还未达到拐点所对应的经济水平,碳排放仍与经济发展水平呈正相关^[8,9,10,11]。产业结构优化是碳排放呈倒“U”型关系的关键因素,第二产业比重降低对碳排放降低有显著影响^[12,13]。能源结构调整有助于直接降低能源碳强度,进而降低碳排放量^[14,15]。技术进步能够提升能源利用效率,对于减少碳排放具有重要作用^[16,17]。在土地利用方式方面,国内外****普遍认为建设用地是主要的碳源,林地则是主要的碳汇^[18]。张梅等^[19]证明了城镇建设用地在利用和扩张过程中承载和拉动着大量的碳排放。对外贸易与碳排放的关系主要依赖于该国的经济发展水平,在发达国家,对外贸易可能会减少该国碳排放,而在发展中国家,对外贸易则会促进碳排放^[20]。外商直接投资（FDI）主要通过技术和结构效应促进东道国碳排放强度下降。但另一方面,FDI规模的增加会导致东道国碳排放总量的增长^[21]。

碳排放驱动机制研究为理解碳排放的影响因素提供了丰富且有意义的信息,但经济空间格局作为碳减排的重要驱动因子^[22],探析其对碳排放作用机制的研究还相对较少。在相关研究中,有****根据投入产出原理,采用区域投入产出模型,考察了中国八大区域间产业转移对区域碳排放的作用^[23]。亦有****计算了产业转入、转出地的碳强度,通过比较两地碳强度的相对大小,定性分析了产业转移对碳排放总量的影响^[24,25]。姜宛贝等^[26]以各国制造业总产值占国际总产值的比重表征国际制造业空间格局,以比重变化刻画制造业区位变迁趋势,采用LMDI分解方法,定量分析了制造业区位变迁对国际制造业碳排放总量的作用。Zheng等^[22]以省级GDP份额刻画中国区域空间结构,亦采用LMDI分解方法,探析了区域空间结构演化与中国碳排放总量变化的内在联系。姜宛贝等^[26]和Zheng等^[22]的研究结果表明,产业/经济区位变迁对碳排放总量有一定影响。

上述研究中,国内外****多基于区域间投入产出表分析全球/区域碳排放总量变化问题,或是定性讨论产业区位转移对区域碳排放总量的作用机制。然而,从产业区位转移结果入手,讨论经济格局演变碳排放效应的定量研究相对较少,从经济行业层面进行分析的研究更为缺乏。由于经济空间格局演化可视为经济行业区位变迁的结果,本文在Zheng等^[22]研究的基础上,进一步从经济行业层面探析中国经济空间格局演化对CO₂排放的作用,旨在为中国经济和环境的协调发展提供科学依据。首先,本文对1985年以来中国经济空间格局的演变特征进行分析;其次,采用LMDI分解方法将中国CO₂排放量的变化分解为经济规模、产业结构、经济空间格局以及行业碳强度4个因素的贡献;最后,核算了经济空间格局演变引起的CO₂变化量中各经济行业的贡献,探析了各经济行业区位变迁对CO₂排放的作用机制。

2 研究方法及数据来源

2.1 研究方法

2.1.1 经济空间格局演变

本文以省级GDP份额的变动来表征经济空间格局的演化,以省份行业增加值占全国行业增加值比重的变动来刻画各经济行业的区位变迁。残差均方根（Root Mean Square Error, RMSE）通常用来衡量观测值同真值之间的偏差^[27]。本文借鉴RMSE的计算方式,以省份份额时间变化量的均方根（Root Mean Square Change, RMSC）来衡量经济空间格局前后两个时期间的差异程度,用以表征经济空间格局演化和行业区位变迁的活跃程度,计算公式如下：

（1）

RMSC = \sqrt{\frac{\sum_{i}^{N} {C_{i}}^{2}}{N}}

式中：

RMSC

为经济空间格局演化或行业区位变迁的活跃程度,

C_{i}

指i省份份额（GDP份额或行业增加值份额）的时间变化量,N表示省份总数。

2.1.2 碳排放量因素分解

国内外****通常使用结构分解方法SDA（Structural Decomposition Analysis）和指数分解方法IDA（Index Decomposition Analysis）对碳排放变化量进行分解,以探析碳排放的驱动因素^[16]。对数平均权重分解法（Logarithmic Mean Weight Divisia Index Method, LMDI）为指数分解中的一种,其在能源与环境问题的政策制定中被广泛运用^[28]。该方法的优点在于分解结果不产生余值,且允许数据中包含0^[29]。由此,本文采用LMDI方法对中国CO₂排放量( 文中CO₂排放量均指国民生产部门的排放量,未考虑生活消费所产生的CO₂。)进行分解：

（2）

E = \sum_{ij} Y \times \frac{Y_{j}}{Y} \times \frac{Y_{ij}}{Y_{j}} \times \frac{E_{ij}}{Y_{ij}}

式中：E指中国CO₂排放总量;Y指中国国内生产总值（GDP）;Y_j指中国j经济行业的增加值;Y_ij指i省份j经济行业的增加值;E_ij指i省份j行业的CO₂排放量。

令

I S_{j} = \frac{Y_{j}}{Y}

,代表中国的产业结构;

S S_{ij} = \frac{Y_{ij}}{Y_{j}}

,表示全国j行业增加值中i省份所占份额,用于刻画j行业的空间结构,以分析j行业区位变迁对中国CO₂排放总量的影响;

C I_{ij} = \frac{E_{ij}}{Y_{ij}}

,代表i省份j行业的碳排放强度。

因此,式（2）则可写为：

（3）

E = \sum_{ij} Y \times I S_{j} \times S S_{ij} \times C I_{ij}

根据LMDI方法,可以将中国CO₂排放变化量（

ΔE

）分解为经济规模、产业结构、经济空间格局和行业碳强度改变引起的变化量,公式可记为：

（4）

ΔE = Δ Y + Δ IS + Δ SS + Δ CI

式中：

Δ Y 、 Δ IS 、 Δ SS

和

Δ CI

分别为经济规模、产业结构、经济空间格局和行业碳强度变化所引起的中国CO₂排放变化量。

2.2 数据来源及处理

本文以省级行政单位为研究单元,探究省级尺度上中国经济空间格局变化对CO₂排放总量的影响。因能源数据缺失,本文研究对象未包括海南、西藏、香港、澳门和台湾。另外,因为涉及重庆单列直辖市之前的年份,故重庆CO₂排放数据并入四川,统称川渝。因此,本文研究对象为28个省级行政单元。由于能获得的能源数据最早为1985年,因此本文设定的研究年限为1985—2017年。

本文所涉及的数据包括CO₂排放数据和GDP数据。中国现有的统计资料并未直接提供区域或行业的CO₂排放数据。由于化石能源燃烧是CO₂排放的主要来源,因此既有研究通常基于化石能源的消耗量来估算CO₂排放量。本文根据2006年IPCC提供的方法(2方法详见《2006年IPCC国家温室气体清单指南》。)对省域内各经济行业的CO₂排放量进行估算。具体估算公式如下：

（5）

E_{ij} = \frac{44}{12} \times \sum_{k} A D_{k} \times NC V_{k} \times E F_{k} \times O_{k}

式中：

E_{ij}

表示i省份j经济行业化石能源燃烧CO₂排放量;

A D_{k} 、 NC V_{k}

、

E F_{k}

和

O_{k}

分别表示

k

化石能源的消费量、平均低位热值、单位热值含碳量和碳氧化率。

本文所用到的化石能源消费量来源于《中国能源统计年鉴》“地区能源平衡表”中的行业终端能源消费数据。参考“终端消费量”中经济行业的划分方法,本文将国民经济行业划分为六大行业。能源加工转换过程中火力发电和供热消耗的化石能源量计入工业部门。另外,由于工业部门中作为原料、材料使用的能源不排放CO₂,因此从工业部门中减去这部分的能源消费量。六大经济行业在2017年国民经济行业分类（GB/T 4754—2017）中对应的行业编码和名称如表1所示。

Table 1
表1
表1经济行业分类
Table 1Sectoral classification

部门名称	农、林、牧、渔业	工业	建筑业	交通运输、仓储和邮政业	批发、零售业和住宿、餐饮业	其他行业
（GB/T 4754—2017）中编码	A	B-D	E	G	F,H	I-T
文中编码	S1	S2	S3	S4	S5	S6

新窗口打开|下载CSV

各行业终端消费的能源类型包含“地区能源平衡表”中所含的所有化石能源。化石能源的平均低位热值来源于《中国能源统计年鉴》的“各种能源折标准煤参考系数”。单位热值含碳量和碳氧化率来源于《省级温室气体清单编制指南（试行）》和《2006年IPCC国家温室气体清单指南》。

地区生产总值和经济部门增加值数据来源于《新中国六十年统计资料汇编》和《中国统计年鉴》。本文利用各省份的地区生产总值指数（上年=100）对地区生产总值进行修正,最终以2005年不变价度量实际地区生产总值和行业增加值。

3 结果与分析

3.1 中国经济空间格局的演变特征

根据中国经济空间格局变化的剧烈程度,将1985—2017年划分1985—1997年、1997—2007年和2007—2017年3个时间段。1985—1997年中国经济空间格局变化程度相比1997—2007年和2007—2017年剧烈,其RMSC年平均值分别为0.12、0.05和0.06（图1a）。

1985—1997年,东部省份的GDP份额明显上升,东北、中西部省份的GDP份额全面下降。除农、林、牧、渔业外,其他五大行业均从全国各地向东部沿海地区转移。就GDP份额而言,广东、江苏和浙江利用其地缘和政策优势分别有11、9和9年实现了GDP份额的增长,增长百分点共为4.04、1.92和1.28。传统工业中心黑龙江、辽宁等东北省份以及川渝等西南省份GDP份额的下降趋势较为明显,其分别有10、9和11年出现了GDP份额的下降,该期间共下降1.36、1.09和0.91个百分点（图1b）。就行业而言,农、林、牧、渔业（S1）并不存在明显的区位转移。其余五大行业转入的省份均为广东、浙江、江苏、福建和山东等东部省份。其中,工业（S2）、建筑业（S3）和交通运输、仓储和邮政业（S4）的转出省份主要为黑龙江、辽宁、北京、上海等传统工业中心;批发、零售业和住宿、餐饮业（S5）的转出地主要为上海;其他行业（S6）的转出省份主要为黑龙江、河南、广西、川渝等中西部和东北省份（图2a）。该时期经济空间格局演变背后的主要原因是,中国进入改革开放新时期后,制定了率先发展东部沿海地区的政策方针,区域发展战略的调整使得中国经济空间格局表现出东部快速发展的态势。

图1

新窗口打开|下载原图ZIP|生成PPT
图11985—2017年中国经济空间格局演化趋势

注：图b中方格色度对应某省GDP占全国比重相邻年份间的变化量（后一年减前一年）。
Figure 1Trend of change of the spatial pattern of economic activities in China, 1985-2017

1997—2007年,GDP份额增长的地区为东部省份及内蒙古,下降地区仍为东北三省及大部分中西部省份。农、林、牧、渔业（S1）,工业（S2）,建筑业（S3）,和交通运输、仓储和邮政业（S4）的区位主要由东北以及东部地区向中西部省份和北部沿海省份转移。其他两大行业的转入、转出地则与之相反。从GDP份额来看,广东、江苏和山东等东部省份仍为GDP份额增长的主要省份。其中,广东呈现出逐年连续增长的态势,GDP份额共增长1.11个百分点。值得注意的是,内蒙古的GDP份额除1998—1999年有所下降外,其他年份均出现增长。湖北、湖南、川渝、云南等大部分中西部省份以及东北三省的GDP份额仍在下降（图1b）。从各行业来看,农、林、牧、渔业（S1）,工业（S2）,建筑业（S3）,和交通运输、仓储和邮政业（S4）增加值份额下降的地区主要为北京、上海等东部省份;上升的地区为内蒙古、江西等中西部省份和河北山东等东部省份。批发、零售业和住宿、餐饮业（S5）和其他行业（S6）等第三产业的转入地为珠三角、长三角、京津等经济相对发达的地区,川渝、江西、湖北等中西部份省份和河北、辽宁等东部欠发达地区为其迁出的主要所在地（图2b）。1997—2007年,中国的区域发展战略开始由东部率先发展向区域协调发展转变。从1999年起,国家先后提出“西部大开发”“振兴东北老工业基地”“加快发展中部地区”等区域发展总体战略,致力于实现区域协调发展、稳定经济增长的目标。因此,工业（S2）,建筑业（S3）,和交通运输、仓储和邮政业（S4）的区位开始由东部向中西部转移。

图2

新窗口打开|下载原图ZIP|生成PPT
图21985—2017年中国六大经济行业的区位变迁趋势

注：图中行业增加值份额变化为末期份额减基期份额。
Figure 2Relocation trends of six economic sectors in China, 1985-2017

2007—2017年,大部分中西部省份的GDP份额有所增长,东部发达地区的GDP份额则出现下降。农、林、牧、渔业（S1）由中部向西部地区转移,其他五大行业则主要由东部地区向中西部地区转移。从GDP空间格局来看,中部省份安徽、江西、湖北、湖南以及西部省份陕西都实现GDP份额逐年连续增长。以北京、上海、广东、浙江为代表的东部发达省份则出现GDP份额的下降（图1b）。农、林、牧、渔业（S1）份额下降的区域主要为湖南、河南等中部省份,上升的地区主要贵州、云南等西部省份。工业（S2）区位表现出由上海、浙江等长三角地区和黑龙江、辽宁等东北省份向川渝、安徽等中西部省份转移。对于其他四大行业,长三角、北京、广东等东部省份的增加值份额逐渐下降、中西部省份的份额有所上升（图2c）。2007—2017年,随着区域发展总体战略的持续推进,中国经济行业的区位表现出从东部向中西部地区转移的总体趋势。

3.2 中国CO₂排放总量变化的因素分解

研究结果表明,1985—1997年、1997—2007年、2007—2017年,中国CO₂排放量分别增加14.20亿t、37.50亿t和34.26亿t,增长率分别为107%、137%和53%,2007—2017年的增长速度有所放缓。从因素分解结果来看,CO₂排放量增加的主要原因为经济规模的增长。行业碳强度的下降则成为阻止CO₂排放增长的关键力量。产业结构和经济空间格局对CO₂排放的作用在各个时间段有所不同（表2）。

具体来看,1985—1997年、1997—2007年、2007—2017年等3个时段,因经济规模增长导致的CO₂增量为24.15亿t、47.36亿t和75.08亿t（表2）,增长率分别为183%、173%和116%。1978年中国开始实行市场化改革和对外开放政策,中国经济走上了快速发展之路。1985—1997年和1997—2007年,中国年均GDP增速分别达到10.04%和10.00%。2008年金融危机以来,全球经济疲软,国际需求降低,导致中国的经济增速下降,2007—2017年GDP年均增速下降至8.26%。经济增速的放缓使得CO₂增长在2007—2017年间整体放缓。

1985—1997年、1997—2007年和2007—2017年,产业结构调整使得CO₂分别增加了-0.16亿t、3.76亿t和-16.58亿t（表2）。工业部门是中国耗能和排放CO₂的主要部门。1985—1997年,中国工业增加值占GDP比重由40%下降至39%,使得此期间CO₂排放的增长量略有下降。进入21世纪,中国改革向更深层次推进,在工业化、城镇化加速发展的带动下,重工业获得快速增长。1997—2007年,工业比重上升6个百分点,因此CO₂排放量有所增加。2012年中国进入工业化后期后,国家政策更加强调建立结构优化、技术先进、清洁安全、附加值高、吸纳就业能力强的现代产业新体系。2007—2017年,三次产业之间的协调性不断提高,工业由45%降至36%,第三产业比重超过50%。产业结构的调整降低了该时期CO₂排放的增长量。

1985—1997年、1997—2007年和2007—2017年,行业碳强度变化促使CO₂分别下降了8.51亿t、13.93亿t和23.50亿t（表2）。1985—2017年,随着中国对节能减排、生态环境保护工作的重视和低碳技术的发展,各行业的技术水平不断提高。1985年、1997年、2007年和2017年全国六大行业的平均碳强度分别为0.37 kg/元、0.18 kg/元、0.16 kg/元和0.12 kg/元,行业碳强度逐步下降。可见,各行业CO₂排放量的增长幅度相比其增加值的增长幅度较小,行业技术不断进步,从而成为降低CO₂排放量的关键力量。

1985—1997年、1997—2007年和2007—2017年,经济空间格局变化使得中国CO₂排放量分别增加了-1.29亿t、0.31亿t和-0.73亿t。1985—1997年,经济空间格局对CO₂排放的作用大于产业结构,而小于经济规模和行业碳强度。1997—2007年和2007—2017年,其引发的CO₂变化量均小于其他3个因素（表2）。从时间变化趋势来看,1985—1997年因经济空间格局变化导致的CO₂排放变化量大于1997—2007年和2007—2017年。由图1可知,1985—1997年中国经济空间格局变化程度相比1997—2007年和2007—2017年剧烈。这表明经济格局演变引发的CO₂变化量与其演变剧烈程度可能具有一定的相关性。下文将从经济行业层面分析各行业区位变迁对中国CO₂排放的作用机制。

Table 2
表2
表21985—2017年间中国CO₂排放总量变化的因素分解
Table 2Decomposition of CO₂ emission change in China, 1985-2017

	合计/亿t	经济规模/亿t	产业结构/亿t	行业碳强度/亿t	经济空间格局/亿t
1985—1997年	14.20	24.15	-0.16	-8.51	-1.29
1997—2007年	37.50	47.36	3.76	-13.93	0.31
2007—2017年	34.26	75.08	-16.58	-23.50	-0.73

新窗口打开|下载CSV

3.3 中国经济行业区位变迁对CO₂排放的影响

1985—1997年,六大行业区位变迁均降低了CO₂排放量。1997—2007年,工业（S2）,建筑业（S3）,批发、零售业和住宿、餐饮业（S5）区位变迁对CO₂排放量增加具有正向促进作用,其他三大行业反之。2007—2017年,导致CO₂排放量增加的行业为农、林、牧、渔业（S1）,建筑业（S3）,批发、零售业和住宿、餐饮业（S5）,而使得CO₂排放量下降的行业为其余三大行业。1985—1997年、1997—2007年和2007—2017年,工业（S2）区位变迁导致的CO₂变化量占经济格局演变引发的CO₂变化总量的比例分别为86%、114%和101%。总体来看,经济空间格局改变引发的CO₂排放变化量主要由工业区位变迁所贡献,其导致的CO₂变化量远高于其他五大行业（图3）。这主要是因为工业是CO₂排放的主要部门,使得该部门在CO₂变化量中的权重较大。

图3

新窗口打开|下载原图ZIP|生成PPT
图3行业区位变迁导致的CO₂排放变化量

Figure 3Change in CO₂ emissions caused by relocation of each sector

行业区位变迁使得CO₂排放量增加或是降低,可能跟行业转入、转出地碳强度的相对高低具有一定关系。1985—1997年,六大行业转入省份1985年碳强度的平均值均低于转出省份（表3）。1997—2007年,CO₂排放量增加相对明显的工业（S2）和建筑业（S3）,其转入省份1997年的平均碳强度分别为1.01 kg/元和0.07 kg/元,转出省份1997年的平均碳强度分别为0.89 kg/元和0.04 kg/元,转入地的行业碳强度均高于转出地。对于CO₂排放量降低较明显的农、林、牧、渔业（S1）和其他行业（S6）,转入省份1997年行业碳强度的平均值均低于转出省份（表3）。2007—2017年CO₂排放量增加较明显的农、林、牧、渔业（S1）,及批发、零售业和住宿、餐饮业（S5）,其转入省份2007年碳强度的平均值分别为0.06 kg/元和0.09 kg/元,转出省份的平均值均为0.05 kg/元,转入省份的行业碳强度总体高于转出省份。CO₂排放量降低较明显的工业（S2）,及交通运输、仓储和邮政业（S4）,其转入省份2007年的碳强度总体低于转出省份（表3）。因此,在行业规模不变的情况下,行业区位向高碳强度地区转移会导致行业CO₂排放总量的增长,向低碳强度地区转移则会降低行业CO₂排放总量。本文研究结果与Pappas等^[25]、肖雁飞等^[23]和姜宛贝等^[26]的分析结论具有一致性。

Table 3
表3
表31985年、1997年和2007年转入、转出省份行业碳强度的平均值
Table 3Average sectoral CO₂ emissions intensities of inbound and outbound provinces in 1985, 1997 and 2007

行业碳强度/（kg/元）	1985年		1997年		2007年
行业碳强度/（kg/元）	转入省份	转出省份	转入省份	转出省份	转入省份	转出省份
农、林、牧、渔业	0.08	0.11	0.05	0.07	0.06	0.05
工业	1.03	1.39	1.01	0.89	0.59	0.72
建筑业	0.10	0.19	0.07	0.04	0.04	0.04
交通运输、仓储和邮政业	0.70	0.81	0.26	0.22	0.34	0.35
批发、零售业和住宿、餐饮业	0.06	0.08	0.06	0.06	0.09	0.05
其他行业	0.07	0.19	0.04	0.05	0.02	0.02

新窗口打开|下载CSV

从各行业的时间变化趋势来看,行业区位变迁活跃程度与其引发的CO₂排放变化绝对量具有一定的相关性。行业区位变迁越活跃,因其引发的CO₂变化绝对量则越大（图4）。例如,1985—1997年,1997—2007年和2007—2017年,工业（S2）区位变迁的活跃程度分别为1.73个百分点、0.60个百分点和0.71个百分点,因其产生的CO₂变化绝对量为1.10亿t、0.35亿t和0.74亿t,两者均呈现出先降低再增加的态势（图4b）。此外,农、林、牧、渔业（S1）区位变迁的活跃程度与其引发的CO₂排放变化绝对量均呈现出随时间上升的态势（图4a）,而建筑业（S3）和其他行业（S6）的区位变迁活跃程度与CO₂排放变化绝对量均呈现出随时间下降的趋势（图4c和图4f）。行业区位变迁引发的CO₂排放变化量除与其活跃程度有所关联外,与行业转入、转出地的碳强度差距大小亦有一定相关性。比如,批发、零售业和住宿、餐饮业（S5）1985—1997年的区位变迁活跃程度高于2007—2017年,但其引发的CO₂变化绝对量却小于2007—2017年（图4e）。这可能由于该行业1985年转入、转出地碳强度的差距（0.02 kg/元）小于2007年（0.04 kg/元）（表3）。因此,即使1985—1997年批发、零售业和住宿、餐饮业（S5）的空间格局变异较大,但其对CO₂排放的作用较小。

图4

新窗口打开|下载原图ZIP|生成PPT
图4行业区位变迁活跃程度与因其引发的CO₂排放变化绝对量的关系

Figure 4Relationship between the activity degree of sectoral relocation and the absolute amount of CO₂ emission change caused by the relocation

4 结论、讨论与政策建议

4.1 结论

改革开放以来,中国区域发展战略经历了东部率先发展及对外开放战略到西部大开发及区域发展总体战略的转变。在此背景下,本文在刻画1985年以来中国经济空间格局演变特征的基础上,基于LMDI因素分解方法分析了中国CO₂排放的驱动因素,从经济行业层面探析了经济空间格局演化对碳排放的作用机制。研究结论如下：

（1）1985—2017年,东部省份的GDP份额经历了上升继而下降的过程,东部与中、西和东北各省份的差距从扩大转为缩小。工业（S2）,建筑业（S3）,交通运输、仓储和邮政业（S4）的区位先于批发、零售业和住宿、餐饮业（S5）和其他行业（S6）由东部向中、西部地区转移。六大经济行业的区位呈现出向中、西部地区迁移的总体趋势。

（2）LMDI因素分解结果显示,1985—2017年经济规模和行业碳强度分别为CO₂排放量增加和下降的主导因素。产业结构和经济空间格局对CO₂排放的作用在各个时间段有所不同。1985—1997年、1997—2007年和2007—2017年,经济空间格局变化分别降低、增加和降低了中国CO₂排放总量1.29亿t、0.31亿t和0.73亿t。

（3）六大行业中,工业（S2）区位变迁导致的CO₂变化量远高于其他五大行业,成为经济格局改变引发CO₂排放变化量中的主要贡献者。行业区位变迁对CO₂排放量的作用方向和大小分别受到行业转入、转出地碳强度的相对高低和行业区位变迁活跃程度的影响。行业转入地碳强度高于转出地通常会增加行业CO₂排放量,反之则降低CO₂排放量。而行业区位变迁越活跃,因其引发的CO₂变化绝对量则越大。

4.2 讨论与政策建议

相比以往的碳排放LMDI分解研究,本文的创新点在于分解因子不同于既有研究。以往研究考虑的分解因子多为人口、经济水平、产业结构、能源强度和能源结构^[30,31,32],而较少研究关注研究区内部经济空间格局对其CO₂排放的作用。本文从空间视角,探析中国经济空间格局演变对中国CO₂排放的影响,丰富了碳排放驱动因素的研究内容,为中国碳减排政策的制订提供了新的视角。

通过CO₂变化量的因素分解,在识别经济空间格局演变以及经济行业区位变迁对中国CO₂排放作用的基础上,提出以下政策建议：

（1）LMDI因素分解结果显示经济空间格局改变具有降低CO₂排放量的潜力。因此,可以通过合理的经济空间布局来减少全国CO₂的排放量。从行业层面来看,工业区位变迁引发的CO₂变化量远大于其他五大行业,因此,应以工业空间格局优化为抓手来控制CO₂排放量的增加。

（2）由于经济行业区位向碳强度较低的省份转移可以降低全国CO₂排放总量,在经济行业空间布局过程中,应支持行业技术优势明显（行业碳强度较低）的省份优先发展该行业。但另一方面,近年来,随着中国沿海地区生产要素价格上升、环境管制趋严以及产业升级要求,工业、建筑业等行业从东部地区持续向碳强度较高的中西部地区转移。为了经济与环境的协调发展,在产业区位转移过程中,应当注重相关技术知识的扩散,着力降低中西部地区的行业碳强度,避免产业转移导致中国CO₂排放总量的增长。

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

[1]

孙铁山, 刘霄泉, 李国平. 中国经济空间格局演化与区域产业变迁: 基于1952-2010年省区经济份额变动的实证分析
[J]. 地理科学, 2015,35(1):56-65.

DOI:10.13249/j.cnki.sgs.2015.01.56PMID:A8FFAC78-335F-40E0-A9CD-D1C368608E9C [本文引用: 1]

从区域经济份额变化出发,分析了1952-2010年中国经济空间格局的演化过程。通过有序样本聚类的方法,将省区经济份额变动划分了8个阶段,并采用偏离-份额法分析了不同阶段驱动省区经济份额上升的产业及其变迁,以及与区域产业结构和竞争优势变化的关系。研究发现,1949年以来中国区域经济布局总体上经历了沿海-内地均衡发展、沿海化非均衡发展以及东、中、西部相对均衡发展的过程,且整体上区域经济份额变动趋于减小。1979年以前,不同区域的经济份额在不同阶段变化差异较大,主要由第一和第二产业驱动。1979年以后,区域经济格局呈现明显的沿海化趋势,但驱动产业在不同阶段有所变化。2001年以来,中国区域经济格局经历了重大调整,经济份额上升的省区明显由东部向中、西部地区转移。东部省区在第二产业上仍具有明显的结构优势,但第二产业竞争优势已由东部向中、西部地区转移。东部的北京、上海、广东在第三产业上呈现更加显著的结构优势,显示出结构升级和服务化的发展态势。

[ Sun T

, Liu X

, Li G

. Evolution of China’s spatial economy and regional industrial shift: Empirical analysis of changes in economic shares of Chinese provinces from 1952 to 2010
[J]. Scientia Geographica Sinica, 2015,35(1):56-65.]

PMID:A8FFAC78-335F-40E0-A9CD-D1C368608E9C [本文引用: 1]

[2]

国家统计局国民经济综合统计司. 新中国六十年统计资料汇编[M]. 北京: 中国统计出版社, 2010.

[本文引用: 1]

[ Department of Comprehensive Statistics of National Bureau of Statistics of China. China Compendium of Statistics 1949-2008[M]. Beijing: China Statistics Press, 2010.]

[本文引用: 1]

[3]

中国统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2018.

[本文引用: 1]

[ National Bureau of Statistics of China. China Statistical Yearbook[M]. Beijing: China Statistics Press, 2018.]

[本文引用: 1]

[4]

Yu X

, Liang Z

, Fan J

, et al. Spatial decomposition of city-level CO₂ emission changes in Beijing-Tianjin-Hebei
[J]. Journal of Cleaner Production, 2021, DOI: 10.1016/j.jclepro.2021.126613.

[本文引用: 1]

[5]

, Fu F

, Liao

. Exploring the path of carbon emissions reduction in China’s industrial sector through energy efficiency enhancement induced by R&D investment
[J]. Energy, 2021, DOI: 10.1016/j.energy.2021.120208.

[本文引用: 1]

[6]

Zhou Y

, Huang

. How regional policies reduce carbon emissions in electricity markets? Fuel switching or emission leakage
[J]. Energy Economics, 2021, DOI: 10.1016/j.eneco.2021.105209.

[本文引用: 1]

[7]

姜宛贝, 韩梦瑶, 唐志鹏, 等. 基于经济发展水平和产业转移视角的碳强度国别对比研究
[J]. 资源科学, 2019,41(10):1814-1823.

[本文引用: 1]

[ Jiang W

, Han M

, Tang Z

, et al. International comparison of carbon intensity from the perspective of economic development levels and industrial transfers
[J]. Resources Science, 2019,41(10):1814-1823.]

[本文引用: 1]

[8]

U? Ak

, Aslan

, Yucel

, et al. A dynamic analysis of CO₂ emissions and the GDP relationship: Empirical evidence from high-income OECD Countries
[J]. Energy Sources Part B (Economics Planning & Policy), 2015,10(1):38-50.

[本文引用: 1]

[9]

Ahmad

, Akram

, Ikram

, et al. Estimating dynamic interactive linkages among urban agglomeration, economic performance, carbon emissions, and health expenditures across developmental disparities
[J]. Sustainable Production and Consumption, 2021,26:239-255.

DOI:10.1016/j.spc.2020.10.006 URL [本文引用: 1]

[10]

Iwata

, Okada

, Samreth

. Empirical study on the determinants of CO₂ emissions: Evidence from OECD countries
[J]. Applied Economics, 2012,44(27):3513-3519.

DOI:10.1080/00036846.2011.577023 URL [本文引用: 1]

[11]

Bellla

, Massidda

, Etzo

. A panel estimation of the relationship between income, electric power consumption and CO₂ emissions
[J]. Applied Economics Quarterly, 2010,59(2):149-166.

DOI:10.3790/aeq.59.2.149 URL [本文引用: 1]

[12]

周迪, 周丰年, 王雪芹. 低碳试点政策对城市碳排放绩效的影响评估及机制分析
[J]. 资源科学, 2019,41(3):546-556.

[本文引用: 1]

[ Zhou

, Zhou F

, Wang X

. Impact of low-carbon pilot policy on the performance of urban carbon emissions and its mechanism
[J]. Resources Science, 2019,41(3):546-556.]

[本文引用: 1]

[13]

Su Y

, Liu

, Ji J

, et al. Role of economic structural change in the peaking of China’s CO₂ emissions: An input-output optimization model
[J]. Science of the Total Environment, 2021, DOI: 10.1016/j.scitotenv.2020.143306.

[本文引用: 1]

[14]

王韶华, 于维洋. 一次能源消费结构变动对碳强度影响的灵敏度分析
[J]. 资源科学, 2013,35(7):1438-1446.

[本文引用: 1]

[ Wang S

, Yu W

. Sensitivity analysis of primary energy consumption structural change and carbon intensity
[J]. Resources Science, 2013,35(7):1438-1446.]

[本文引用: 1]

[15]

Li H

, Wang L

, Shen

, et al. Study of the potential of low carbon energy development and its contribution to realize the reduction target of carbon intensity in China
[J]. Energy Policy, 2012,41:393-401.

DOI:10.1016/j.enpol.2011.10.061 URL [本文引用: 1]

[16]

谢守红, 王利霞, 邵珠龙. 国内外碳排放研究综述
[J]. 干旱区地理, 2014,37(4):720-730.

[本文引用: 2]

[ Xie S

, Wang L

, Shao Z

. Review on carbon emissions researches at home and abroad
[J]. Arid Land Geography, 2014,37(4):720-730.]

[本文引用: 2]

[17]

王霞, 张丽君, 秦耀辰, 等. 中国高碳制造业碳排放时空演变及其驱动因素
[J]. 资源科学, 2020,42(2):323-333.

[本文引用: 1]

[ Wang

, Zhang L

, Qin Y

, et al. Spatiotemporal changes of carbon emissions in high- carbon manufacturing industry in China and driving factors
[J]. Resources Science, 2020,42(2):323-333.]

[本文引用: 1]

[18]

裴杰, 王力, 柴子为, 等. 基于RS和GIS的深圳市土地利用/覆被变化及碳效应分析
[J]. 水土保持研究, 2017,24(3):227-233.

[本文引用: 1]

[ Pei

, Wang

, Chai Z

, et al. Land use/cover change and carbon effect in Shenzhen City based on RS and GIS
[J]. Research of Soil and Water Conservation, 2017,24(3):227-233.]

[本文引用: 1]

[19]

张梅, 黄贤金, 揣小伟, 等. 胡焕庸线两侧城镇建设用地变化及其碳排放差异
[J]. 资源科学, 2019,41(7):1262-1273.

[本文引用: 1]

[ Zhang

, Huang X

, Chuai X

, et al. Urban construction lands and their carbon emission differences east and west of the Hu Huanyong Line
[J]. Resources Science, 2019,41(7):1262-1273.]

[本文引用: 1]

[20]

Halicioglu

. An econometric study of CO₂ emissions, energy consumption, income and foreign trade in Turkey
[J]. Energy Policy, 2009,37(3):1156-1164.

DOI:10.1016/j.enpol.2008.11.012 URL [本文引用: 1]

[21]

马丽, 张琳. 国际制造业转移与碳转移的时空耦合效应
[J]. 资源科学, 2017,39(12):2408-2419.

[本文引用: 1]

[ Ma

, Zhang

. Spatio-temporal coupling relationship between international manufacturing transfer and CO₂ emissions
[J]. Resources Science, 2017,39(12):2408-2419.]

[本文引用: 1]

[22]

Zheng J

, Mi Z

, Coffman

, et al. Regional development and carbon emissions in China
[J]. Energy Economics, 2019,81:25-36.

DOI:10.1016/j.eneco.2019.03.003 URL [本文引用: 4]

[23]

肖雁飞, 万子捷, 刘红光. 中国区域产业转移中“碳排放转移”及“碳泄漏”实证研究: 基于2002年、2007年区域间投入产出模型的分析
[J]. 财经研究, 2014,40(2):75-84.

[本文引用: 2]

[ Xiao Y

, Wan Z

, Liu H

. An empirical study of carbon emission transfer and carbon leakage in regional industrial transfer in China: Analysis based on inter-regional input-output model in 2002 and 2007
[J]. Journal of Finance and Economics, 2014,40(2):75-84.]

[本文引用: 2]

[24]

成艾华, 魏后凯. 促进区域产业有序转移与协调发展的碳减排目标设计
[J]. 中国人口·资源与环境, 2013,23(1):55-62.

[本文引用: 1]

[ Cheng A

, Wei H

. Target design on carbon reduction of promoting regional industrial transfer orderly and coordinated development
[J]. China Population, Resources and Environment, 2013,23(1):55-62.]

[本文引用: 1]

[25]

Pappas

, Chalvatzis K

, Guan

, et al. Industrial relocation and CO₂ emission intensity: Focus on the potential cross-country shift from China to India and SE Asia
[J]. Energy Procedia, 2017,142:2898-2904.

DOI:10.1016/j.egypro.2017.12.414 URL [本文引用: 2]

[26]

姜宛贝, 韩梦瑶, 唐志鹏, 等. 国际制造业区位变迁的碳排放效应研究
[J]. 地理科学, 2019,39(10):1553-1560.

DOI:10.13249/j.cnki.sgs.2019.10.004PMID:30418996-2969-4486-b622-aaaf20caedc1 [本文引用: 3]

选取与制造业区位转移相关的主要国家和地区,采用LMDI分解方法定量分析制造业区位转移对国际制造业CO2排放总量的作用机制,并进一步测算其对各国制造业CO2排放的贡献。研究发现,2000~2014年,制造业区位转移促进了国际制造业CO2排放总量增长,且其对各国和地区制造业CO2排放变化具有一定影响,不同程度上增加中国大陆、印度等新兴工业体的CO2排放,而减少了美日英德发达工业体的CO2排放。

[ Jiang W

, Han M

, Tang Z

, et al. Carbon emission effect of location vicissitude of international manufacturing industry
[J]. Scientia Geographica Sinica, 2019,39(10):1553-1560.]

PMID:30418996-2969-4486-b622-aaaf20caedc1 [本文引用: 3]

[27]

贾俊平. 统计学基础[M]. 北京: 中国人民大学出版社, 2010.

[本文引用: 1]

[ Jia J

. Foundations of Statistics[M]. Beijing: China Renmin University Press, 2010.]

[本文引用: 1]

[28]

刘红光, 刘卫东, 范晓梅, 等. 全球CO₂排放研究趋势及其对中国的启示
[J]. 中国人口·资源与环境, 2010,20(2):84-91.

[本文引用: 1]

[ Liu H

, Liu W

, Fan X

, et al. Global research trends related to CO₂ and enlightment to China
[J]. China Population, Resources and Environment, 2010,20(2):84-91.]

[本文引用: 1]

[29]

Ang B

, Zhang F

, Choi K

. Factorizing changes in energy and environmental indicators through decomposition
[J]. Energy, 1998,23(6):489-495.

DOI:10.1016/S0360-5442(98)00016-4 URL [本文引用: 1]

[30]

Yang

, Cai

, Ma

, et al. Driving forces of China’s CO₂ emissions from energy consumption based on Kaya-LMDI methods
[J]. Science of the Total Environment, 2020, DOI: 10.1016/j.scitotenv.2019.134569.

[本文引用: 1]

[31]

Xie P

, Gao S

, Sun F

. An analysis of the decoupling relationship between CO₂ emission in power industry and GDP in China based on LMDI method
[J]. Journal of Cleaner Production, 2019,211:598-606.

DOI:10.1016/j.jclepro.2018.11.212 URL [本文引用: 1]

[32]

Zhang

, Li

, Zhou D

, et al. Decomposition of intensity of energy-related CO₂ emission in Chinese provinces using the LMDI method
[J]. Energy Policy, 2016,92:369-381.

DOI:10.1016/j.enpol.2016.02.026 URL [本文引用: 1]