田娟娟 ，張金鎖,

（1.西安科技大學(xué) 能源學(xué)院，陜西 西安 710054；2.西安科技大學(xué) 能源經(jīng)濟(jì)與管理研究中心，陜西 西安 710054；3.延安大學(xué) 經(jīng)濟(jì)管理學(xué)院，陜西 延安 716000）

全球氣候變暖所帶來的環(huán)境問題及日益凸顯的極端天氣，正在嚴(yán)重威脅人類的生存發(fā)展。政府間氣候變化專門委員會(huì)發(fā)布的《全球變暖1.5℃》[1]特別報(bào)告強(qiáng)調(diào)，將全球變暖限制在1.5℃而不是2℃，要求到2030 年全球人為二氧化碳凈排放量在2010 年水平上下降約45%，并在2050 年左右達(dá)到“凈零”。作為2006 年首次超越美國成為全球最大溫室氣體排放國[2]的中國，在2015 年向《聯(lián)合國氣候變化框架公約》提交的《強(qiáng)化應(yīng)對(duì)氣候變化行動(dòng)——中國國家自主貢獻(xiàn)》中承諾2030 年左右二氧化碳排放達(dá)到峰值并爭取盡快達(dá)峰，2060 年前實(shí)現(xiàn)碳中和。為實(shí)現(xiàn)盡早達(dá)峰，2016 年國務(wù)院及各省先后發(fā)布了《“十三五”控制溫室氣體排放工作方案》，以推動(dòng)減排計(jì)劃實(shí)施。但是我國幅員遼闊，各省份經(jīng)濟(jì)社會(huì)發(fā)展異質(zhì)性導(dǎo)致碳排放呈現(xiàn)顯著的空間分異化特征[3]，因此，科學(xué)認(rèn)識(shí)碳排放時(shí)空分布規(guī)律及其驅(qū)動(dòng)因素，對(duì)于科學(xué)制定各省份二氧化碳減排目標(biāo)，因地制宜制定減排策略具有重要意義。

關(guān)于碳排放的研究，國內(nèi)外重點(diǎn)聚焦于碳排放影響因素辨識(shí)上，研究多基于時(shí)間序列數(shù)據(jù)運(yùn)用STIRPAT 模型[4]、LMDI 模型[5]、灰色模型[6]等方法，分別從國家[7]、區(qū)域[8-9]、部門[10]等尺度進(jìn)行分析。研究發(fā)現(xiàn)人口、城鎮(zhèn)化、經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、固定資產(chǎn)投資、外商投資、能源強(qiáng)度[11-18]等因素均對(duì)碳排放產(chǎn)生顯著影響。隨著區(qū)域協(xié)同治理減排的提出，碳排放空間溢出效應(yīng)逐漸受到學(xué)者重視，從空間分異視角對(duì)碳排放的研究日益增多，已有研究表明，無論是省域之間[3,19]、區(qū)域城市之間[20]、縣域之間[21]，碳排放均存在不同程度的空間分異性，并且呈現(xiàn)顯著的空間聚集特征。關(guān)于空間分異驅(qū)動(dòng)因素的研究，學(xué)者們運(yùn)用空間計(jì)量模型及地理加權(quán)回歸模型研究發(fā)現(xiàn)，技術(shù)創(chuàng)新、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、外商投資發(fā)展、固定資產(chǎn)投資、環(huán)境管制等社會(huì)經(jīng)濟(jì)因素不僅會(huì)對(duì)本地的碳排放產(chǎn)生影響，同時(shí)也會(huì)通過空間溢出效應(yīng)作用于周邊地區(qū)，是導(dǎo)致碳排放空間分異的主要因素[22-24]。

綜上，關(guān)于我國碳排放空間分異的研究已取得了豐碩的成果，但是仍存在一些問題，主要體現(xiàn)在，研究方法上多數(shù)研究采用空間計(jì)量模型，盡管基于空間相關(guān)視角，但是這種全局模型用于分析具有異質(zhì)性的對(duì)象時(shí)，容易將研究對(duì)象的異質(zhì)性掩蓋，進(jìn)而導(dǎo)致結(jié)果被混合效應(yīng)干擾產(chǎn)生錯(cuò)誤結(jié)果[25]。因此，有必要采用更為專業(yè)的工具對(duì)異質(zhì)性對(duì)象進(jìn)行分析。王勁峰等[25]提出一種探測空間異質(zhì)性的方法：地理探測器。該方法不僅可以獨(dú)立處理自變量及因變量，探索他們空間分布的相似性，還可以判斷兩因子是否有交互作用，及交互作用的強(qiáng)弱及性質(zhì)，被廣泛應(yīng)用于大氣污染[26-27]、區(qū)域發(fā)展[28-29]、人口增長[30]等研究中，是空間數(shù)據(jù)探索性分析的有力工具。因此，本文將在揭示我國省域碳排放空間分異及空間聚集特征的基礎(chǔ)上，運(yùn)用地理探測器方法，探索我國碳排放空間分異的驅(qū)動(dòng)因素，以期識(shí)別不同省份碳排放的主導(dǎo)因素，進(jìn)而正確認(rèn)識(shí)我國二氧化碳排放情況，為實(shí)現(xiàn)科學(xué)減排提供參考。

1 研究方法與數(shù)據(jù)來源

1.1 研究方法

本文選取我國30 個(gè)省份（西藏、港澳臺(tái)地區(qū)除外）作為研究對(duì)象，對(duì)其碳排放空間分異狀況及驅(qū)動(dòng)因素進(jìn)行分析。首先運(yùn)用ArcGIS10.3軟件，分別對(duì)2000年、2005年、2010 年和2017 年各省碳排放量空間分異化特征進(jìn)行歸納，然后分別運(yùn)用全局及局部自相關(guān)分析法對(duì)我國省域碳排放的空間聚集特征進(jìn)行分析。在此基礎(chǔ)上，運(yùn)用我國30 個(gè)省份二氧化碳排放和經(jīng)濟(jì)社會(huì)數(shù)據(jù)，采用地理探測器方法和GeoDetector 軟件，探索各因素對(duì)我國省域尺度碳排放空間分異的影響程度，并展開進(jìn)一步分析。

1.1.1 空間自相關(guān)

根據(jù)地理學(xué)第一定律[31]，距離越近，事物的相關(guān)性越強(qiáng)?？臻g自相關(guān)通常分為全局空間自相關(guān)和局部空間自相關(guān)。本文選用Moran’s I來計(jì)算全局空間自相關(guān)指數(shù)，表達(dá)式為：

式中：xi、xj分別為i省和j省的碳排放量，Wij為空間權(quán)重矩陣，為碳排放量的平均值。I的取值范圍為[-1,1]，絕對(duì)值越大說明空間自相關(guān)越強(qiáng)。當(dāng)I＞0 表示各省份碳排放分布趨于高—高聚集或低—低聚集，相反則趨于高低離散分布。

全局Moran’s I 指數(shù)的顯著性通過Z指標(biāo)檢驗(yàn)，表達(dá)式為：

式中：E(I)為Moran’s I 的數(shù)學(xué)期望，Var(I)為Moran’s I 的方差。

由于Moran’s I 指數(shù)只能測算空間關(guān)聯(lián)性，無法對(duì)局部的空間聚集特征進(jìn)行識(shí)別。因此本文運(yùn)用Getis-Ord指數(shù)來識(shí)別碳排放量的高值、低值聚集區(qū)，表達(dá)式為：

1.1.2 地理探測器

地理探測器是基于空間異質(zhì)性，對(duì)空間數(shù)據(jù)進(jìn)行分析的新統(tǒng)計(jì)工具。若某個(gè)自變量對(duì)因變量有重要影響，那么二者的空間分布就具有一定相似性[25]。因此，通過探測自變量與因變量空間分布的一致性，可以探索自變量對(duì)因變量分布的解釋程度。當(dāng)樣本量小于30 時(shí)，地理探測器具有更高的統(tǒng)計(jì)精度，同時(shí)還可以克服傳統(tǒng)計(jì)量回歸不可避免的多重共線性問題。此外，地理探測器對(duì)于變量交互作用的識(shí)別不僅局限于乘項(xiàng)交互，而是將各因子值和疊加后的值進(jìn)行對(duì)比。地理探測器包含因子探測、交互作用探測、風(fēng)險(xiǎn)區(qū)探測、生態(tài)探測四個(gè)模塊。

不同省份碳排放值受到各種社會(huì)經(jīng)濟(jì)因素的綜合影響，基于文獻(xiàn)梳理及數(shù)據(jù)可得性，本文選取人口規(guī)模、經(jīng)濟(jì)發(fā)展、城鎮(zhèn)化水平、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度、固定資產(chǎn)投資、外商投資、環(huán)境規(guī)制8 個(gè)影響因子，具體如表1 所示。

表1 碳排放空間分異影響因子

因子探測主要探測因變量的空間分異性，及各自變量對(duì)因變量空間分異的解釋程度，用q值來表示，表達(dá)式為：

式中：q的取值范圍為[0,1]，值越大說明因子對(duì)被解釋變量空間分異的解釋力度越強(qiáng)，N表示省份數(shù)量，h為探測因子分層數(shù)，Nh表示層h省份數(shù)量，σ2為全國碳排放量的方差，表示層h碳排放量的方差。

交互作用探測首先分別計(jì)算兩個(gè)因子X1和X2對(duì)Y的q值：q(X1)和q(X2)，然后計(jì)算兩個(gè)因子發(fā)生交互作用（疊加X1和X2兩個(gè)圖層相切所形成的新的多邊形分布）的q值：q(X1∩X2)，并將其與q(X1)、q(X2)值對(duì)比，以識(shí)別兩個(gè)因子的相互作用是否會(huì)增強(qiáng)或減弱對(duì)因變量的影響[25]。

風(fēng)險(xiǎn)區(qū)探測主要檢驗(yàn)被解釋變量在不同區(qū)域的均值是否存在顯著差異，用統(tǒng)計(jì)量t來檢驗(yàn)，表達(dá)式為：

生態(tài)探測通過統(tǒng)計(jì)量F來比較兩個(gè)因子對(duì)被解釋變量空間分布是否有顯著差異，表達(dá)式為：

式中：NX1、NX2分別表示兩個(gè)因子的樣本量，SSWX1、SSWX2分別表示兩個(gè)因子分層的層內(nèi)方差和。

1.2 數(shù)據(jù)來源

本研究所需要的各省份二氧化碳排放數(shù)據(jù)，采用Shan 等[33]的調(diào)查結(jié)果，相比其他的數(shù)據(jù)集，該研究更接近于中國官方公布的碳排放數(shù)據(jù)。其他經(jīng)濟(jì)、人口、產(chǎn)業(yè)結(jié)構(gòu)等基礎(chǔ)數(shù)據(jù)分別來源于歷年各省份統(tǒng)計(jì)年鑒和歷年《中國環(huán)境統(tǒng)計(jì)年鑒（1998—2018）》，或者在以上數(shù)據(jù)基礎(chǔ)上計(jì)算得出。為了消除價(jià)格因素的影響，各省份的人均GDP 及固定資產(chǎn)投資以2005 年為基期進(jìn)行平減處理。此外，需要說明的是，由于地理探測器只能處理類型變量，因此，在分析前需基于自然間斷點(diǎn)分級(jí)法將自變量進(jìn)行離散化處理。

2 碳排放時(shí)空分布特征

2.1 碳排放時(shí)空分布特征及空間自相關(guān)分析

首先，選取樣本期內(nèi)2000 年、2005 年、2010 年、2017 年的碳排放數(shù)據(jù)，借助ArcGIS10.3 軟件繪制不同年份的空間分布圖進(jìn)行比較，進(jìn)而歸納出其時(shí)空演變特征，結(jié)果如圖1 所示。

圖1 2000—2017年中國碳排放總量（Mt）空間格局變化

可以看出，2000—2017 年我國碳排放呈現(xiàn)穩(wěn)步持續(xù)增長態(tài)勢，2000 年全國絕大多數(shù)省份碳排放量少于200 Mt，其中二分之一省份的碳排放量少于100 Mt。2005—2010 年增長態(tài)勢最為顯著。而到2017 年，大部分省份碳排放量高于300 Mt，且排放量大于600 Mt 的省份日漸增多。

從空間維度看，碳排放量空間格局發(fā)生了顯著的變化。2000 年及2005 年碳排放呈現(xiàn)“西低東高” “北高南低”的空間分異特征，而2010 年及2017 年碳排放逐漸呈現(xiàn)不平衡的空間分異特征，高碳排放區(qū)向東南及西北移動(dòng)趨勢日趨明顯。具體來看，2005 年高碳排放省份主要聚集在河北、山東、河南、江蘇、廣東。2010 年新增了內(nèi)蒙古、山西、遼寧、四川、湖北等地。2017 年新增了湖南安徽、浙江、新疆，并且2010—2017 年內(nèi)蒙古及江蘇碳排放迅速增長，成為僅次于山東及河北的碳排放區(qū)域，新疆也由低碳排放區(qū)發(fā)展為較高碳排放區(qū)?？梢园l(fā)現(xiàn)，河北、山東及江蘇一直是我國二氧化碳排放較高區(qū)域，東北地區(qū)碳排放增長較為穩(wěn)定，中部經(jīng)濟(jì)區(qū)及長三角地區(qū)碳排放量增長趨勢明顯，此外，新疆及內(nèi)蒙古逐漸成為新的高碳排放聚集區(qū)。出現(xiàn)以上現(xiàn)象的原因可以歸結(jié)為：（1）山東及河北依托資源優(yōu)勢，是我國主要的工業(yè)大省，能源消費(fèi)結(jié)構(gòu)以煤炭為主，再加上河北承接了大量來自京津的轉(zhuǎn)移產(chǎn)業(yè)，導(dǎo)致能源消費(fèi)及碳排放量大幅上升。（2）作為我國老牌工業(yè)基地，資源枯竭問題日益凸顯，東北地區(qū)支柱性工業(yè)產(chǎn)業(yè)下行，使其出現(xiàn)了較長時(shí)間的經(jīng)濟(jì)下行局面，這也是碳排放增長幅度較小的主要原因。（3）隨著中部崛起戰(zhàn)略的實(shí)施，中部地區(qū)依托承東啟西的區(qū)位優(yōu)勢，積極發(fā)展工業(yè)，推動(dòng)產(chǎn)業(yè)承接，工業(yè)增速及消費(fèi)增長均保持較高水平，同時(shí)也促進(jìn)了碳排放的增長。（4）長三角作為我國經(jīng)濟(jì)最活躍區(qū)域，經(jīng)濟(jì)及人口的快速增長導(dǎo)致該地區(qū)碳排放量隨著能源消耗急劇增長。此外，長三角一體化戰(zhàn)略也推動(dòng)了資源型產(chǎn)業(yè)逐漸向周邊江蘇、浙江、安徽等區(qū)域轉(zhuǎn)移，能源消費(fèi)也產(chǎn)生了相應(yīng)的增長。（5）新疆及內(nèi)蒙古作為我國主要的煤炭資源富集區(qū)，近些年隨著煤化工西移項(xiàng)目的穩(wěn)步推進(jìn)，成為我國主要的煤炭產(chǎn)區(qū)及煤化工產(chǎn)業(yè)聚集區(qū)，導(dǎo)致近幾年碳排放迅速增長。

分別計(jì)算全局Moran’s I 指數(shù)，結(jié)果如表2 所示?？梢钥闯鯩oran’s I 均大于0，且Z值在0.01 水平上全部顯著，說明中國省域碳排放有著顯著的正相關(guān)性特征，空間分布呈現(xiàn)高—高聚集或低—低聚集。

表2 1997—2017年碳排放的全局Moran’s I指數(shù)

2.2 空間聚集特征

利用ArcGIS10.3 計(jì)算各省的局部空間關(guān)聯(lián)指數(shù)Getis-Ord，并進(jìn)行可視化，結(jié)果如圖2 所示。可以發(fā)現(xiàn)中國省域碳排放熱點(diǎn)分布大致相同，主要分布于華北地區(qū)的京津冀、山西、內(nèi)蒙古，長三角地區(qū)以及山東、河南、遼寧，這也說明這些地區(qū)已經(jīng)形成了持續(xù)連片的高排放區(qū)域。但是冷點(diǎn)聚集程度卻不斷下降。

圖2 1997—2017年全國碳排放冷熱點(diǎn)空間分布

具體來看，2000 年的四川、青海及甘肅地區(qū)，由于區(qū)位及經(jīng)濟(jì)發(fā)展條件的約束，整體聚集于冷點(diǎn)區(qū)，而隨著經(jīng)濟(jì)社會(huì)發(fā)展，2005 年及2010 年只有青海出現(xiàn)了明顯的冷點(diǎn)，2017 年冷點(diǎn)已不存在，這也說明這些地區(qū)的碳排放發(fā)生了較大變化。對(duì)于熱點(diǎn)區(qū)域，從2005 年起，內(nèi)蒙古開始處于熱點(diǎn)區(qū)域，與2005年相比，2010 年熱點(diǎn)區(qū)域沒有顯著變化，而2017 年隨著環(huán)境治理力度加大，熱點(diǎn)區(qū)域呈現(xiàn)顯著縮小趨勢。

3 碳排放空間分異影響因素分析

選取2017 年省域碳排放作為研究對(duì)象，利用地理探測器揭示各影響因子的作用強(qiáng)度，并對(duì)因子之間的交互作用與高風(fēng)險(xiǎn)區(qū)進(jìn)行了分析。

3.1 因子探測及交互作用探測

通過因子探測可以獲得各影響因子對(duì)碳排放空間分異的影響程度，并以q值進(jìn)行度量，q值越大，說明該因素對(duì)碳排放空間分異的影響程度越大，結(jié)果如表3 所示。交互作用探測結(jié)果如表4 所示。

表3 因子探測結(jié)果

表4 交互作用探測結(jié)果

由表3 可知，8 個(gè)影響因子的q值均通過了顯著性檢驗(yàn)，并且作用力從大到小依次為：經(jīng)濟(jì)發(fā)展（0.607 0）＞環(huán)境規(guī)制（0.576 8）＞固定資產(chǎn)投資（0.456 7）＞外商投資（0.429 8）＞城鎮(zhèn)化水平（0.416 0）＞人口規(guī)模（0.412 0）＞能源強(qiáng)度（0.171 5）＞產(chǎn)業(yè)結(jié)構(gòu)（0.099 5）。由此可知，經(jīng)濟(jì)發(fā)展是我國省域碳排放空間分布格局的主導(dǎo)因子，環(huán)境規(guī)制、固定資產(chǎn)投資、外商投資、城鎮(zhèn)化水平、人口規(guī)模也發(fā)揮著關(guān)鍵作用，而能源強(qiáng)度及產(chǎn)業(yè)結(jié)構(gòu)在碳排放空間格局中發(fā)揮的作用最小。

8個(gè)因子在兩空間交互疊加后形成了28對(duì)交互作用，如表4 所示?？梢钥闯觯恳粚?duì)影響因子交互作用的q值皆大于這對(duì)影響因子的任一因子的q值，其中有12 對(duì)交互作用的q值大于兩個(gè)影響因子q值之和，說明它們的交互作用對(duì)碳排放分布作用為非線性增強(qiáng)型，而剩余16 對(duì)交互作用的q值小于兩個(gè)影響因子q值之和，說明它們的交互作用對(duì)碳排放分布作用為雙變量增強(qiáng)型。

具體來看，人口規(guī)模和經(jīng)濟(jì)發(fā)展交互作用的q值最大（0.932 8），說明二者在空間疊加后對(duì)碳排放空間分布起主導(dǎo)作用，其次為環(huán)境規(guī)制和能源強(qiáng)度（0.903 5），第三位為經(jīng)濟(jì)發(fā)展和固定資產(chǎn)投資（0.878 0）。此外，其他因子交互作用q值普遍大于0.7，也有較強(qiáng)的交互作用。這也說明碳排放省域分布是各種經(jīng)濟(jì)社會(huì)因素共同作用的結(jié)果。

3.2 風(fēng)險(xiǎn)區(qū)探測

首先運(yùn)用Jenks 自然突變分類法將碳排放的8 個(gè)影響因子分為6 個(gè)亞區(qū)，然后運(yùn)用地理探測器得到了這8個(gè)影響因子在不同區(qū)域的平均碳排放值。區(qū)域碳排放值越高，則說明該區(qū)域?yàn)橛绊懸蜃拥闹饕绊憛^(qū)域，即為高風(fēng)險(xiǎn)區(qū)。然后運(yùn)用ArcGIS10.3 將結(jié)果以地圖形式展現(xiàn)出來，如圖3 所示。

圖3 風(fēng)險(xiǎn)因子分區(qū)及對(duì)應(yīng)碳排放數(shù)量（Mt）

可以看出，人口對(duì)碳排放的主要影響體現(xiàn)在區(qū)域6中，地圖中該因子高風(fēng)險(xiǎn)區(qū)主要位于四川、廣東、河南、山東、江蘇。此外，區(qū)域5 和區(qū)域2 對(duì)應(yīng)的碳排放值僅次于區(qū)域6，其中區(qū)域2 主要集中于新疆、內(nèi)蒙古、吉林、上海、重慶，區(qū)域5 主要集中于河北、湖北、湖南、安徽?？偟膩碚f，人口數(shù)量越高的區(qū)域碳排放量越大。歸其原因，隨著人口數(shù)量的增長，生活能源需求日益增長，人類經(jīng)濟(jì)活動(dòng)已經(jīng)成為碳排放增長的主要誘因。

城鎮(zhèn)化水平的主要影響區(qū)域?yàn)? 區(qū)，主要位于內(nèi)蒙古、重慶、福建。而位于區(qū)域6 的碳排放值盡管仍處于較高值，但是卻低于區(qū)域5，在地圖上主要位于遼寧、北京、天津、江蘇、上海、浙江、廣東。這說明城鎮(zhèn)化加速發(fā)展會(huì)導(dǎo)致人口不合理集聚，高耗能的生產(chǎn)及生活方式導(dǎo)致城市環(huán)境成為快速城鎮(zhèn)化的犧牲品。而隨著城鎮(zhèn)化發(fā)展到一定水平，人力資本積累及生產(chǎn)生活方式的轉(zhuǎn)變顯著抑制了碳排放增長。

產(chǎn)業(yè)結(jié)構(gòu)的主要影響區(qū)域?yàn)閰^(qū)域2，集中分布于我國西部地區(qū)，包括內(nèi)蒙古、甘肅、四川、云南、貴州、廣西。此外，區(qū)域3 和區(qū)域5 的碳排放均值水平僅次于區(qū)域2，主要分布于天津、河北、河南、安徽、江西、福建、寧夏、浙江、湖南、廣東。但是對(duì)于產(chǎn)業(yè)結(jié)構(gòu)水平最高的陜西，碳排放水平卻僅次于最低值。經(jīng)濟(jì)發(fā)展的主要影響區(qū)域?yàn)閰^(qū)域5 和區(qū)域6，集中于京津、內(nèi)蒙古及東南沿海省份?？梢园l(fā)現(xiàn)，經(jīng)濟(jì)發(fā)展水平越高的區(qū)域，碳排放水平也越高。近年來中國經(jīng)濟(jì)快速發(fā)展，但是高投入、高消耗的生產(chǎn)方式使經(jīng)濟(jì)面臨發(fā)展方式粗放、資源環(huán)境代價(jià)過高的問題。

能源強(qiáng)度的主要影響區(qū)域?yàn)閰^(qū)域5，分布在內(nèi)蒙古、甘肅、山西、貴州。總的來說，區(qū)域能源強(qiáng)度越高，碳排放量也越高。隨著工業(yè)化快速發(fā)展，依托資源優(yōu)勢，我國不僅發(fā)展了大量本土能源密集型產(chǎn)業(yè)，同時(shí)還承接了大量國際產(chǎn)業(yè)，長期的能源資源粗放利用導(dǎo)致較高的資源消耗，產(chǎn)生了大量的污染排放物。

固定資產(chǎn)投資的主要影響區(qū)域?yàn)閰^(qū)域6，集中分布于廣東、山東、江蘇、浙江。這也印證了固定資產(chǎn)投資是促進(jìn)碳排放增長的重要驅(qū)動(dòng)力。長久以來中國形成了以投資拉動(dòng)為主的經(jīng)濟(jì)增長結(jié)構(gòu)，大規(guī)模的基礎(chǔ)設(shè)施建設(shè)與工業(yè)發(fā)展刺激了能源消費(fèi)快速增長，進(jìn)而推動(dòng)碳排放量快速增長。

外商投資的主要影響區(qū)域?yàn)閰^(qū)域6，分布于天津、江蘇、廣東。此外可以發(fā)現(xiàn)區(qū)域2 也有著較高的碳排放均值，主要分布于內(nèi)蒙古、山西、貴州。這些省份依托豐富的能源儲(chǔ)量，成為外商投資的重要區(qū)域，并且大部分投資行業(yè)為礦業(yè)?？偟膩碚f，外商投資對(duì)碳排放增長產(chǎn)生顯著的積極效應(yīng)。隨著改革開放的不斷深入，外商投資企業(yè)紛紛進(jìn)入我國市場，外商投資額不斷增長。但是根據(jù)國家統(tǒng)計(jì)局2017 年的數(shù)據(jù)，外商投資最多的行業(yè)為制造業(yè)，再加上較低的進(jìn)入壁壘，使得外資在不斷擴(kuò)張的同時(shí)進(jìn)一步加劇了資源粗放利用，帶來了環(huán)境問題。

環(huán)境規(guī)制的主要影響區(qū)域?yàn)閰^(qū)域5，分布于天津、山東?？梢钥闯?，從區(qū)域1 到區(qū)域5，隨著環(huán)境規(guī)制強(qiáng)度的加強(qiáng)，碳排放呈現(xiàn)增長趨勢，但是對(duì)于區(qū)域6 即北京作為環(huán)境規(guī)制強(qiáng)度最大的省份，碳排放量卻最少。這說明除北京外，目前我國的環(huán)境規(guī)制強(qiáng)度整體上并沒有產(chǎn)生預(yù)期的抑碳效應(yīng)。

4 結(jié)論與建議

本文基于1997—2017 年中國30 個(gè)省份的面板數(shù)據(jù)，運(yùn)用空間分析法及地理探測器模型分析了我國省域二氧化碳排放的時(shí)空分布特征，并分析社會(huì)經(jīng)濟(jì)因素及其相互作用對(duì)碳排放的影響，結(jié)果表明：（1）從空間分布來看，近年來我國碳排放整體上呈現(xiàn)增長趨勢，并且存在顯著的空間分異特征，具體表現(xiàn)為：初期呈現(xiàn)“西低東高”“北高南低”特征，而后向東南及西北移動(dòng)趨勢日趨明顯。碳排放冷點(diǎn)區(qū)域顯著減少，熱點(diǎn)區(qū)域沒有顯著變化，主要聚集于華北、長三角、河南、山東等地區(qū)。（2）因子探測結(jié)果表明，經(jīng)濟(jì)發(fā)展、人口規(guī)模、城鎮(zhèn)化水平、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度、固定資產(chǎn)投資、外商投資及環(huán)境規(guī)制均與二氧化碳排放正相關(guān)，其中，經(jīng)濟(jì)發(fā)展、環(huán)境規(guī)制及固定資產(chǎn)投資是主要解釋因子，產(chǎn)業(yè)結(jié)構(gòu)的解釋力度最小。（3）交互作用探測結(jié)果表明，碳排放增長是社會(huì)經(jīng)濟(jì)等多種要素共同作用的結(jié)果，雙因子交互作用對(duì)碳排放的影響均大于單因子的影響，其中人口規(guī)模與經(jīng)濟(jì)發(fā)展的交互效應(yīng)最大，其次是環(huán)境規(guī)制與能源強(qiáng)度、經(jīng)濟(jì)增長與固定資產(chǎn)投資。（4）風(fēng)險(xiǎn)區(qū)探測結(jié)果表明，經(jīng)濟(jì)發(fā)展、人口規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度、固定資產(chǎn)投資、外商投資、環(huán)境規(guī)制的高值區(qū)，碳排放量均處于較高水平。只有城鎮(zhèn)化水平發(fā)展到一定階段才起到抑制碳排放的效應(yīng)?？傮w來看，京津冀、山東、江蘇、內(nèi)蒙古、廣東、四川等地區(qū)作為二氧化碳排放的高風(fēng)險(xiǎn)區(qū)，是各種社會(huì)經(jīng)濟(jì)因素共同作用的結(jié)果。

為盡早實(shí)現(xiàn)碳達(dá)峰、碳中和的目標(biāo)，本文提出以下建議：首先，針對(duì)碳排放呈現(xiàn)的空間聚集特征，加強(qiáng)區(qū)域尤其是高碳排放區(qū)域合作減排勢在必行，應(yīng)推動(dòng)區(qū)域企業(yè)開展技術(shù)創(chuàng)新及環(huán)保治理合作，構(gòu)建區(qū)域間污染核算體系，開展區(qū)域聯(lián)合治理，實(shí)現(xiàn)互利共贏。其次，針對(duì)碳排放呈現(xiàn)的顯著空間分異，對(duì)于碳排放高值、高增長區(qū)域，必須重視碳排放絕對(duì)量的控制，同時(shí)不同社會(huì)經(jīng)濟(jì)因素對(duì)不同區(qū)域碳排放發(fā)揮的作用不盡相同，因此需因地制宜采取減排措施。如西部地區(qū)尤其是新疆、內(nèi)蒙古等富煤省份，應(yīng)以優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、降低能源強(qiáng)度為重心，積極推進(jìn)煤炭清潔生產(chǎn)及低碳高效利用；對(duì)于東部沿海地區(qū)的廣東、江蘇等省份，應(yīng)加快轉(zhuǎn)變經(jīng)濟(jì)增長方式，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，不斷拓展生產(chǎn)及生活性服務(wù)業(yè)空間，并且推進(jìn)固定資產(chǎn)投資結(jié)構(gòu)調(diào)整。最后，對(duì)于目前環(huán)境規(guī)制沒有發(fā)揮有效碳減排效應(yīng)的區(qū)域，應(yīng)繼續(xù)加大環(huán)境規(guī)制力度，建立嚴(yán)格政府考核標(biāo)準(zhǔn)，采取差異化的環(huán)境規(guī)制工具，積極引導(dǎo)企業(yè)創(chuàng)新投入向環(huán)保技術(shù)轉(zhuǎn)移。