劉 姜,羅懷良,2*,孟 險,袁 勇

(1.四川師范大學(xué) 地理與資源科學(xué)學(xué)院,四川 成都 610101;2.四川師范大學(xué) 西南土地資源評價與監(jiān)測教育部重點實驗室,四川 成都 610068)

0 引言

氣候變化已成為國際共識,而減少碳排放是應(yīng)對氣候變化的重要手段[1]。采取相應(yīng)措施,實現(xiàn)凈碳排放,已成為全球眾多國家的共識[2]。我國于2020年提出碳達(dá)峰、碳中和目標(biāo),但我國區(qū)縣數(shù)量多,資源稟賦不同,社會經(jīng)濟(jì)件等存在較大區(qū)域差異,碳減排政策實施需落實到區(qū)縣一級?？h域作為踐行我國減碳增匯的關(guān)鍵單元和基層治理組織,研究并明確其碳排放的時空演變特征和影響機(jī)制,有助于制定差異化和非均衡性的實施措施,保證“雙碳”目標(biāo)的有序?qū)崿F(xiàn)[3]。在“雙碳”目標(biāo)政策指導(dǎo)下,成渝地區(qū)雙城經(jīng)濟(jì)圈實現(xiàn)碳達(dá)峰,碳中和是作為區(qū)域高質(zhì)量發(fā)展的內(nèi)在要求。深入研究成渝地區(qū)雙城經(jīng)濟(jì)圈縣域碳排放時空演變規(guī)律和影響因素,對于推動區(qū)域協(xié)調(diào)發(fā)展戰(zhàn)略,科學(xué)針對、可操作性實施縣域碳減排政策,加快實現(xiàn)區(qū)域乃至全國碳中和目標(biāo)具有重要意義。

區(qū)域空間依賴性和異質(zhì)性研究有助于深入理解區(qū)域空間結(jié)構(gòu)特征和演變趨勢[4],是地理學(xué)方向研究的焦點。已有研究從不同視角和尺度下研究碳排放的總量,并揭示碳排放的時空格局演變特征及影響因素。從研究尺度來看,已從全國范圍內(nèi)的省域[5-7]尺度發(fā)展到市域尺度[8]和縣域[3,9-11]尺度,也有針對特定地區(qū)(如長三角、京津冀、珠三角等區(qū)域)的碳排放研究[12-15]。省級尺度研究表明:2003—2010年全國省域碳排放存在較為顯著的空間正相關(guān)性,且相關(guān)性的總體趨勢呈現(xiàn)出先上升后下降的空間格局[7]。中國地級及以上城市人均CO2排放量呈現(xiàn)出由南向北遞增,東部沿海向內(nèi)陸遞減的格局[8],而縣域碳排放量[9]和人均碳排放量[10]均呈現(xiàn)先快后慢的增長趨勢,具有顯著空間正相關(guān)。

目前,在碳排放時空格局動態(tài)特征上,多數(shù)學(xué)者采用空間自相關(guān)、變異系數(shù)、泰爾系數(shù)和標(biāo)準(zhǔn)差橢圓等方法分析碳排放的區(qū)域差異和空間格局演變規(guī)律。長三角碳排放核密度呈現(xiàn)出明顯的“單極”現(xiàn)象[13],而京津冀都市圈碳排放高值區(qū)域空間分布由“雙中心”發(fā)展至“四中心”[14],黃河流域呈現(xiàn)東高西低的碳排放格局[16]。上述區(qū)域碳排放分布格局的形成與區(qū)域經(jīng)濟(jì)增長密切相關(guān),因此探討社會經(jīng)濟(jì)發(fā)展與碳排放造成的環(huán)境壓力之間的復(fù)雜關(guān)系也應(yīng)成為碳排放重要研究內(nèi)容。目前,在探討區(qū)域環(huán)境與經(jīng)濟(jì)相互關(guān)系中包括環(huán)境庫茲尼茨曲線[9]、環(huán)境—經(jīng)濟(jì)耦合協(xié)調(diào)度[16]、脫鉤指數(shù)[17]等方法,其中以脫鉤指數(shù)運(yùn)用較為普遍。

碳排放影響因素復(fù)雜多樣,目前主要研究方法有對數(shù)平均迪氏分解法(LMDI)、STIRPAT模型、地理探測器、時空地理加權(quán)回歸模型(GTWR)等。四川省能源消費(fèi)碳排放量因素分解中,利用LMDI對四川省能源消費(fèi)碳排放量因素分解,結(jié)果表明能源強(qiáng)度效應(yīng)與經(jīng)濟(jì)發(fā)展水平效應(yīng)分別是減緩和促進(jìn)區(qū)域碳排放增長[18]?；赟TIRPAT模型定量分析江蘇能源消費(fèi)碳排放影響因素,人均GDP和城市化水平起著正向促進(jìn)作用[19]。采用地理探測器方法進(jìn)行中國碳排放驅(qū)動因素研究中,經(jīng)濟(jì)發(fā)展是碳排放驅(qū)動主要因子[20]。在時空地理加權(quán)回歸模型中,國民生產(chǎn)總值在全局上穩(wěn)定表現(xiàn)為促進(jìn)作用,其余影響因素的作用方向和強(qiáng)度均在時空上發(fā)生了較大轉(zhuǎn)變[3],揭示了區(qū)域碳排放的異質(zhì)性。

綜上所述,以往研究集中在國家和省級層面的碳排放研究,對區(qū)域內(nèi)部特別西部區(qū)域縣域尺度的研究較少,需細(xì)化到縣域尺度提高碳減排政策的精準(zhǔn)針對和可操作性。在探討碳排放壓力與經(jīng)濟(jì)發(fā)展的相互關(guān)系中,以脫鉤模型運(yùn)用較多。經(jīng)濟(jì)增長是碳排放增長的重要促進(jìn)因子,實現(xiàn)經(jīng)濟(jì)增長和碳排放較少是縣域發(fā)展轉(zhuǎn)型的必然要求,因此研究區(qū)域社會經(jīng)濟(jì)發(fā)展與碳排放造成的環(huán)境壓力的相互關(guān)系利于進(jìn)一步對區(qū)域碳排放進(jìn)行合理評價。本文基于縣域尺度,以成渝雙城經(jīng)濟(jì)圈縣域人均碳排放為研究對象,采用空間自相關(guān)探討縣域碳排放的時空格局,利用Tapio脫鉤模型分析環(huán)境與經(jīng)濟(jì)相互關(guān)系,分類區(qū)域縣域低碳類型,運(yùn)用時空地理加權(quán)回歸模型分析碳排放影響因素,對于該區(qū)“雙碳”目標(biāo)實現(xiàn),成渝地區(qū)高質(zhì)量發(fā)展和綠色低碳轉(zhuǎn)型具有啟示意義。

1 研究區(qū)概況

研究區(qū)范圍為四川省的成都、自貢、瀘州、德陽、綿陽(除平武縣、北川縣)、遂寧、內(nèi)江、樂山、南充、眉山、宜賓、廣安(前鋒區(qū)2013年設(shè)立,缺少連續(xù)碳排放數(shù)據(jù),將其納入廣安區(qū))、達(dá)州(除萬源市)、雅安(除天全縣、寶興縣)、資陽等15個市的共計112個區(qū)(縣),重慶市中心城區(qū)及萬州、涪陵、綦江、大足、黔江、長壽、江津、合川、永川、南川、璧山、銅梁、潼南、榮昌、梁平、豐都、墊江、忠縣以及開州、云陽(只含開州、云陽部分地區(qū),為便于數(shù)據(jù)分析,將2縣全域計入研究范圍)等29個區(qū)(縣)[20]。區(qū)域總面積18.5×104km2,人口總量都占到了整個西部地區(qū)的30%。2022年,成渝地區(qū)雙城經(jīng)濟(jì)圈實現(xiàn)地區(qū)生產(chǎn)總值77 587.99億元,占全國的比重為6.4%,占西部地區(qū)的比重為30.2%,人口總量多,經(jīng)濟(jì)體量大導(dǎo)致其碳排放總量大,強(qiáng)度高,區(qū)域碳排放內(nèi)部差異顯著。因此在推動碳減排實施,縣域轉(zhuǎn)型發(fā)展,實現(xiàn)“雙碳”目標(biāo)方面具有嚴(yán)峻考驗。

圖1 研究區(qū)區(qū)劃圖

2 研究方法和數(shù)據(jù)來源

2.1 研究方法

2.1.1 空間自相關(guān)分析方法

為了揭示成渝地區(qū)雙城經(jīng)濟(jì)圈縣級尺度人均碳排放的空間自相關(guān)性和空間依賴性特征,本文采用全局空間自相關(guān)和局部空間自相關(guān)來分析成渝地區(qū)雙城經(jīng)濟(jì)圈縣域人均碳排放的空間依賴格局。

全局空間自相關(guān)通過計算Moran’s I指數(shù)值來判斷研究區(qū)域是否有集聚現(xiàn)象存在,檢驗系數(shù)Z得分來評估指數(shù)的顯著性。其計算公式[22]如下:

(1)

式中:IG為全局Moran’s I指數(shù),其取值范圍;為[-1,1];n為區(qū)域總數(shù);yi和yj分別為區(qū)域i和區(qū)域j的人均碳排放量;y為全部區(qū)域人均碳排放量的平均值;Wij為研究區(qū)域i、j的相鄰權(quán)重。若IG>0表明區(qū)域碳排放之間呈顯著正相關(guān);若IG<0表明碳排放呈負(fù)相關(guān),即相鄰區(qū)域碳排放具有顯著的空間差異;當(dāng)IG=0時表明研究區(qū)域不存在空間自相關(guān)。IG絕對值越大,空間分布的相關(guān)性越強(qiáng)。其空間分析相關(guān)性強(qiáng)度通過Z值進(jìn)行檢驗。在正態(tài)分布中,如果|Z|<1.96,P>0.05,即區(qū)域間不存在空間自相 關(guān);如果|Z|≥1.96,P<0.05,即區(qū)域間存在顯著的空間自相關(guān);如果|Z|≥2.58,P<0.01,表明即 區(qū)域間存在極為顯著的空間自相關(guān)[23]。

全局Moran’s I指數(shù)僅能反映該區(qū)縣域人均碳排放的空間集聚平均程度,而局部Moran’s I指數(shù)則可以進(jìn)一步識別不同區(qū)縣人均碳排放的空間集聚模式。局部Moran’s I指數(shù)是空間自相關(guān)的局部指標(biāo),用于空間聚類分析。計算公式為:

IL=Zi∑WijZj

(2)

式中:IL為局部Moran’s I指數(shù);Zi和Zj分別為空間單元和標(biāo)準(zhǔn)化人均碳排放;Wij為研究區(qū)域i、j的相鄰權(quán)重,與全局自相關(guān)相同。利用GeoDa軟件繪制局部空間自相關(guān)的LISA集聚圖。

2.1.2 Tapio脫鉤模型

為探討縣域碳排放與經(jīng)濟(jì)發(fā)展關(guān)系,明確縣域發(fā)展的異質(zhì)性,采用Tapio脫鉤模型[24]分析成渝地區(qū)雙城經(jīng)濟(jì)圈縣域人均碳排放與人均GDP的脫鉤關(guān)系,其模型構(gòu)造如下:

(3)

式中:α為脫鉤彈性系數(shù);ΔM為人均碳排放量變化量;ΔG為縣域人均生產(chǎn)總值變化量;Mt1、Mt0分別為第t1期末和基期的人均碳排放量;Gt1、Gt0分別為第t1期末和基期的人均地區(qū)生產(chǎn)總值;t0、t1分別為時間段的起、止時刻。

標(biāo)準(zhǔn)Tapio脫鉤模型中,根據(jù)α彈性指數(shù)的大小以及ΔM/Mt0和ΔG/Gt0的符號將脫鉤狀態(tài)分為8類,具體分類見基于人均碳放量和人均地區(qū)生產(chǎn)總值的脫鉤種類表(表1)。由于在測算該區(qū)各縣人均生產(chǎn)總值的變化量ΔG均大于0,簡化脫鉤程度為4種,參照張華明[25]脫鉤程度與城市發(fā)展分類方法,本文采用的基于脫鉤程度的縣域發(fā)展類型見表2。

表1 基于人均碳排放量和人均地區(qū)生產(chǎn)總值的Tapio脫鉤種類表

表2 基于脫鉤程度的縣域發(fā)展類型

2.1.3 時空地理加權(quán)回歸模型

時空地理加權(quán)回歸模型(GTWR)在空間維度基礎(chǔ)上增加了時間維度,結(jié)合了時間和空間的非平穩(wěn)性。GTWR模型通過對面板數(shù)據(jù)的處理,可以有效地減小模型誤差和參數(shù)估計誤差。同時,它綜合反映了時空數(shù)據(jù)的差異性,應(yīng)用范圍更廣,能夠滿足復(fù)雜時空數(shù)據(jù)的分析要求[26]。參考前人研究[27-30],選取該區(qū)縣域人均碳排放量為被解釋變量,將人口規(guī)模、城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展水平、財政投入和技術(shù)進(jìn)步作為解釋變量,采用時空地區(qū)加權(quán)回歸模型進(jìn)行成渝地區(qū)雙城經(jīng)濟(jì)圈縣域人均碳排放量影響因素分析。其模型如下:

(4)

式中:Yi為第i個樣本地區(qū)的被解釋變量;β0為第i個樣本地區(qū)的時空截距;(ui,vi,ti)為第i樣本地區(qū)的時空坐標(biāo);βk(ui,vi,ti)為第k個解釋變量在第i個樣本地區(qū)的回歸系數(shù);β>0表示解釋變量與被解釋變量呈正相關(guān),反之則為負(fù)相關(guān);Xik為第k個解釋變量在第i個樣本地區(qū)的觀測值;εi為隨機(jī)擾動項。本文運(yùn)用GTWR模型采用ArcGIS 10.2軟件運(yùn)算,采用Huang[31]等制作的GTWR插件,帶寬采用AICc優(yōu)化設(shè)置,時空距離參數(shù)比值為1。

2.2 數(shù)據(jù)來源

本文成渝地區(qū)雙城經(jīng)濟(jì)圈縣域碳排放數(shù)據(jù)來源于中國碳核算數(shù)據(jù)庫(CEAD),該數(shù)據(jù)庫提供了1997-2017年的碳排放數(shù)據(jù),2000年左右社會經(jīng)濟(jì)數(shù)據(jù)缺失較多,造成整體數(shù)據(jù)不可比(表3)。又因為碳排放與經(jīng)濟(jì)發(fā)展存在滯后,脫鉤效應(yīng)往往以5～10年作為時間尺度[32]。因此以2002年為研究基年,2017年為研究末年,形成2002年、2007年、2012年、2017年4個時間節(jié)點,便于3個階段(2002—2007年、2007—2012年、2012—2017年)的脫鉤分析。本文采用近16年(2002—2017年)數(shù)據(jù)。該數(shù)據(jù)由國家物理地球數(shù)據(jù)中心(NGDC)提供的 DMSP/OLS和NPP/VIIRS 夜間燈光數(shù)據(jù)反演得出,數(shù)據(jù)具有統(tǒng)計口徑一致、連續(xù)性強(qiáng)等優(yōu)勢[9]?？h域常住人口數(shù)據(jù)、城鎮(zhèn)化率、地區(qū)生產(chǎn)總值、人均生產(chǎn)總值,第二產(chǎn)業(yè)占比和一般公共預(yù)算支出等社會經(jīng)濟(jì)數(shù)據(jù)來源于2013—2018年《四川統(tǒng)計年鑒》和《重慶統(tǒng)計年鑒》。

表3 研究數(shù)據(jù)概況及來源

3 研究結(jié)果

3.1 近16年成渝地區(qū)雙城經(jīng)濟(jì)圈碳排放動態(tài)特征

統(tǒng)計2002—2017年該區(qū)縣域碳排放數(shù)據(jù)和縣域年末常住人口數(shù)據(jù)得到該區(qū)碳排放量和人均碳排放量(圖2)。

圖2 近16年來成渝地區(qū)雙城經(jīng)濟(jì)圈碳排放量和人均碳排放量

由圖2可知,2002-2017年成渝地區(qū)雙城經(jīng)濟(jì)圈縣域碳排放總量和人均碳排放量年均增速為5.43%和4.68%。歷經(jīng)“大幅上漲—高位波動”的發(fā)展階段。具體而言,2002—2011年,經(jīng)濟(jì)圈碳排放總量增長迅速,由2002年161.7×106t上升至2011年的373.6×106t,之后6年間碳排放量圍繞377×106t上下波動。人均碳排放呈現(xiàn)出相同的變化趨勢。人均碳排放量由2002年的1.892 t/人翻倍上升至2011年的4 t/人,之后6年人均碳排放量圍繞4 t/人上下波動。原因在于“十一五”以來,由于經(jīng)濟(jì)高速增長,城市化和工業(yè)化不斷推進(jìn),高投入、高消耗、高污染的粗放型增長模式消耗了大量能源,導(dǎo)致碳排放量增長迅速[13]。2011年后縣域人均碳排放增速明顯放緩主要原因是“十二五”規(guī)劃的節(jié)能減排具體目標(biāo)為淘汰落后產(chǎn)能以及促進(jìn)污染企業(yè)升級改造提供了強(qiáng)有力的政策約束[9]。

2002—2017年經(jīng)濟(jì)圈內(nèi)四川地區(qū)人均碳排放量(3.03 t/人)低于重慶地區(qū)人均碳排放量(4.47 t/人)。四川地區(qū)人均碳排放量年均增速(5.7%)快于重慶地區(qū)人均碳排放量年均增速(4.4%),四川地區(qū)與重慶地區(qū)人均碳排放量差值先增大后減少。區(qū)域內(nèi)的四川地區(qū)和重慶地區(qū)人均碳排放量具有相同變化趨勢,經(jīng)歷“上漲—波動”發(fā)展階段。

3.2 縣域人均碳排放集聚特征

由公式1計算成渝地區(qū)雙城經(jīng)濟(jì)圈縣域人均碳排放量全局空間自相關(guān)Moran’s I值,其結(jié)果通過Z值進(jìn)行檢驗得到區(qū)域全局自相關(guān)指數(shù)表(表4),由公式2計算成渝地區(qū)雙城經(jīng)濟(jì)圈縣域人均碳排放量局部空間自相關(guān)值,得到區(qū)域局部自相關(guān)LISA集聚圖(圖3)。

表4 成渝雙城經(jīng)濟(jì)縣域人均碳排放空間自相關(guān)Moran’s I

圖3 2002—2017年成渝地區(qū)雙城經(jīng)濟(jì)圈縣域人均碳排放的LISA集聚圖

由表4可知,2002—2017年成渝雙城經(jīng)濟(jì)圈縣域人均碳排放量各年Moran’s I值均為正,且Z值大于2.58,通過99%的置信水平以上,檢驗結(jié)果顯著,表明成渝雙城經(jīng)濟(jì)圈縣域人均碳排放具有空間正相關(guān)關(guān)系;2002年以來,人均碳排放量接近的縣域在空間上呈現(xiàn)集中分布,集聚態(tài)勢明顯。Moran’s I值在逐漸減小,空間集聚程度降低。

由圖3可知,從空間上來看,2002—2017年成渝地區(qū)雙城經(jīng)濟(jì)圈縣域出現(xiàn)顯著的高—高集聚和低—低集聚。人均碳排放的高高聚集區(qū)縣包括新都區(qū)、龍泉驛區(qū)、雙流區(qū)、溫江區(qū)、郫都區(qū)、彭州市、崇州市、大邑市、什邡市、廣漢市、北碚區(qū)、沙坪壩區(qū)、渝北區(qū)、江北區(qū)、巴南區(qū)等區(qū)縣,即主要位于成都市區(qū)縣及周邊相鄰區(qū)縣和重慶市主城區(qū)構(gòu)成“雙核心”模式的分布格局,存在“高碳鎖定”效用。低低聚集區(qū)域主要位于北部南充市、遂寧市和中部內(nèi)江市、自貢市、南部的宜賓市等區(qū)縣。數(shù)量由22個縣域增加為到24個縣域,成都市主城區(qū)的金牛區(qū)、成華區(qū)、錦江區(qū)、以及重慶市長壽區(qū)人均碳排放降低,脫離了高值聚集區(qū)。新津縣、綿竹市、旌陽區(qū)和江油市等區(qū)域人均碳排放量有所增加,進(jìn)入高值聚集區(qū)。成都市高高聚集區(qū)向北擴(kuò)張明顯,區(qū)域經(jīng)濟(jì)發(fā)展程度較高的成都市與綿陽市經(jīng)濟(jì)發(fā)展速度快,導(dǎo)致區(qū)域的碳排放增加;低低聚集區(qū)顯著減少,數(shù)量由27個縣域下降為17個縣域,主要變化為成都市與重慶市之間的縣域人均碳排放增加,脫離了低低聚集區(qū)域,原因可能與兩地間經(jīng)濟(jì)交流和交通條件改善,帶動沿線地區(qū)的經(jīng)濟(jì)發(fā)展和碳排放增加;高低和低高區(qū)域數(shù)量較為穩(wěn)定;南部低低聚集區(qū)域穩(wěn)定。

3.3 縣域經(jīng)濟(jì)增長與碳排放的脫鉤分析

為衡量縣域發(fā)展差異,研究經(jīng)濟(jì)發(fā)展與碳排放造成的環(huán)境壓力的相互關(guān)系,將人均碳排放量和人均生產(chǎn)總值代入公式(3),計算得出成渝地區(qū)雙城經(jīng)濟(jì)圈141縣域碳排放與經(jīng)濟(jì)增長的脫鉤程度,再結(jié)合表2對該區(qū)縣域進(jìn)行基于脫鉤程度的城市發(fā)展類型分類,得到成渝地區(qū)雙城經(jīng)濟(jì)圈縣域基于Tapio脫鉤分類圖(圖4)。

圖4 2002—2017年成渝地區(qū)雙城經(jīng)濟(jì)圈縣域基于Tapio脫鉤分類

由圖4可知,2002—2017年成渝地區(qū)雙城經(jīng)濟(jì)圈縣域發(fā)展類型區(qū)域異質(zhì)性明顯,縣域發(fā)展類型以低碳發(fā)展型和集約擴(kuò)張型為主,城市發(fā)展類型已由類型3、類型4向類型1和類型2轉(zhuǎn)變,44.37%的縣域?qū)儆诘吞及l(fā)展型,55.63%的縣域?qū)儆诩s擴(kuò)張型,縣域發(fā)展類型優(yōu)化改善。

2002—2007年69.72%的縣域?qū)儆陬愋?(集約擴(kuò)張型),18.31%縣域?qū)儆陬愋?(低效擴(kuò)張型),11.27%縣域?qū)儆陬愋?(粗放擴(kuò)張型),未出現(xiàn)類型1(低碳發(fā)展型);2007—2012年,94.37%的縣域處于類型2,2.82%的縣域處于類型3(低效擴(kuò)張型),2.11%的縣域處于類型4;9.93%的縣域由類型4轉(zhuǎn)變?yōu)轭愋?,19.15%的縣域由類型3轉(zhuǎn)變?yōu)轭愋?,60.09%的縣域城市類型未發(fā)生變化,2.84%的縣域城市類型出現(xiàn)倒退即由類型2轉(zhuǎn)變?yōu)轭愋?和類型4;2012—2017年處于類型2的縣域占比為55.63%,處于類型1的縣域占比44.37%,類型3和類型4縣域消失,縣域發(fā)展類型優(yōu)化改善。52.48%的縣域發(fā)展類型不變,2.13%的縣域由類型4轉(zhuǎn)變?yōu)轭愋?,1.42%的縣域由類型3轉(zhuǎn)變?yōu)轭愋?,43.97%的縣域?qū)崿F(xiàn)從類型3轉(zhuǎn)變?yōu)轭愋?或由類型2轉(zhuǎn)變?yōu)轭愋?。

3.4 縣域人均碳排放的影響因素分析

線性回歸模型中解釋變量之間由于存在相關(guān)關(guān)系使模型估計失真,因此需檢驗人均碳排放影響因素之間的多重共線性問題,同時為減少異方差,消除變量量綱影響,對文中影響因素中所有變量進(jìn)行取自然對數(shù)標(biāo)準(zhǔn)化處理。運(yùn)用SPSS軟件對人口規(guī)模、城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展水平、財政投入、技術(shù)進(jìn)步6個解釋變量進(jìn)行相關(guān)分析得到相關(guān)變量的多重共線性檢驗表(表5)。方差膨脹因子(VIF)大于10且容差小于0.1,表明可能存在多重共線性。由表5可知,各解釋變量的容差大于0.1,方差膨脹因子(VIF)小于10,不存在明顯的多重共線性,可進(jìn)行時空地理加權(quán)回歸分析。

表5 相關(guān)變量的多重共線性檢驗

采用公式(4)進(jìn)行GTWR模型分析,模型的擬合度R2為0.963 641,R2的取值范圍為0～1,值越大說明該模型的解釋力越高。AICc值為-1 444.76。選擇最小值、中位數(shù)、最大值、平均值等變量對該區(qū)影響因素的回歸系數(shù)進(jìn)行統(tǒng)計性描述,得到成渝雙城經(jīng)濟(jì)圈縣域GTWR模型回歸系數(shù)描述統(tǒng)計表(表6)。對該區(qū)域利用模型得到的各縣域碳排放影響因素的回歸系數(shù)進(jìn)行整個時序的年均值計算,采用ArcGIS 10.2軟件的自然斷點法對成渝地區(qū)雙城經(jīng)濟(jì)圈縣域人均碳排放的影響因素系數(shù)的空間分布進(jìn)行可視化,得到碳排放影響因素系數(shù)的空間分布格局圖(封三圖版Ⅰ圖5)。

表6 成渝雙城經(jīng)濟(jì)圈縣域GTWR模型回歸系數(shù)描述統(tǒng)計表

3.4.1 影響因素回歸系數(shù)的空間異質(zhì)性分析

結(jié)合圖5(封三圖版Ⅰ)和表6,可以得出以下結(jié)論:

(1)成渝地區(qū)雙城經(jīng)濟(jì)圈縣域人均碳排放因素影響因素(除財政投入)主要具有正向影響,影響系數(shù)的大小排序為:技術(shù)進(jìn)步(0.792)>經(jīng)濟(jì)發(fā)展水平(0.755)>城鎮(zhèn)化率(0.371)>產(chǎn)業(yè)結(jié)構(gòu)(0.209)>人口規(guī)模(0.019)>財政投入(-0.027)。

(2)人口規(guī)模的影響具有雙向性(封三圖版Ⅰ圖5a)。人口規(guī)模對人均碳排放量正向影響較大區(qū)域主要分布在川渝交界的瀘州市區(qū)縣和重慶市西部的永川、榮昌、大足區(qū)縣,影響程度向東西兩側(cè)減弱。人口規(guī)模系數(shù)低值分布在綿陽和德陽區(qū)縣。受益于人口和經(jīng)濟(jì)活動的集聚,各縣公共設(shè)施和交通以及減排設(shè)施的優(yōu)化,提高了能源利用率。而作為川渝交界的區(qū)縣,區(qū)域間聯(lián)系加強(qiáng),基礎(chǔ)設(shè)施完善,推動了當(dāng)?shù)厝瞬藕唾Y源的的流入,引起資源和勞動力密集型產(chǎn)業(yè)的布局,帶動縣域經(jīng)濟(jì)發(fā)展造成了碳排放增加。

(3)城鎮(zhèn)化率(封三圖版Ⅰ圖5b)對人均碳排放量影響起促進(jìn)作用,由重慶市主城區(qū)和環(huán)主城區(qū)縣高值區(qū)域向東北—西南遞減。其原因可能是城鎮(zhèn)化率高的區(qū)域人口密度大,隨著城市化水平提高,人口生活水平和能源利用碳排放增加,碳排放量增加效應(yīng)明顯,未來應(yīng)合理調(diào)控城市化程進(jìn)程。低值區(qū)域主要分布區(qū)域的東西部兩端,即西部雅安市區(qū)縣和東部的黔江、云陽、開州等區(qū)縣。人口密度的提升有利于能源資源的有效配置和集約利用[33]。

(4)產(chǎn)業(yè)結(jié)構(gòu)(封三圖版Ⅰ圖5c)主要的促進(jìn)作用在空間上呈現(xiàn)與城鎮(zhèn)化作用類似,由重慶慶市主城區(qū)和環(huán)主城區(qū)縣向兩側(cè)減弱。產(chǎn)業(yè)結(jié)構(gòu)是碳排放增加的重要驅(qū)動因素,因歷史原因,重慶市第二產(chǎn)業(yè)在各區(qū)縣分布比較分散,未能在早期合理統(tǒng)籌規(guī)劃布局第二產(chǎn)業(yè),第二產(chǎn)業(yè)占經(jīng)濟(jì)總量的比重較大,優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)方面存在不足,促進(jìn)碳排放。產(chǎn)業(yè)結(jié)構(gòu)系數(shù)低值區(qū)域分布于東北部區(qū)縣和西部雅安、眉山等區(qū)縣。

(5)經(jīng)濟(jì)發(fā)展水平(封三圖版Ⅰ圖5d)對區(qū)域人均碳排放具有明顯的促進(jìn)作用。經(jīng)濟(jì)發(fā)展及粗放的工業(yè)化模式加劇縣域碳排放,多數(shù)縣處于快速工業(yè)化導(dǎo)致工業(yè)發(fā)展粗放,能源利用低效。發(fā)展資源密集型產(chǎn)業(yè)促進(jìn)高碳溢出效應(yīng)。東部的區(qū)縣,開州區(qū)、萬州區(qū)、云陽縣和黔江區(qū)。主要原因這些區(qū)縣生產(chǎn)總值基數(shù)低,增長速度快,在促進(jìn)經(jīng)濟(jì)發(fā)展的過程中,技術(shù)提升有限。不斷擴(kuò)張建設(shè)用地、發(fā)展重工業(yè),能源需求量增加,導(dǎo)致碳排放量增加過快,東部區(qū)縣應(yīng)提升產(chǎn)業(yè)發(fā)展的質(zhì)量,減少粗放式經(jīng)濟(jì)擴(kuò)張帶來的碳排放增加。

(6)財政投入(封三圖版Ⅰ圖5e)對縣域人均碳排放具有負(fù)效應(yīng)。影響系數(shù)由西向東減低,出現(xiàn)由促進(jìn)作用轉(zhuǎn)變?yōu)橐种谱饔谩Ｘ斦τ诠不A(chǔ)設(shè)施建設(shè)的支出具有正外部經(jīng)濟(jì)效用時,有利于社會和生態(tài)環(huán)境的變化[9]。廣安市、達(dá)州市、重慶市市轄區(qū)受到財政投入的抑制作用顯著。川南地區(qū)內(nèi)江、自貢、樂山等區(qū)縣公共支出的回報效應(yīng)強(qiáng)于減排效應(yīng),在通過完善設(shè)施提高城市產(chǎn)業(yè)競爭力,促進(jìn)碳排放[16]。

(7)技術(shù)進(jìn)步(封三圖版Ⅰ圖5f)對縣域人均碳排放的影響遠(yuǎn)高于其他社會經(jīng)濟(jì)因素。相比單一調(diào)整產(chǎn)業(yè)結(jié)構(gòu),各區(qū)縣通過生產(chǎn)技術(shù)改進(jìn)降低碳排放強(qiáng)度,降低單位產(chǎn)值的碳排放量,在維持自身經(jīng)濟(jì)發(fā)展的同時通過技術(shù)創(chuàng)新和減少單位能耗等手段實現(xiàn)縣域的綠色轉(zhuǎn)型發(fā)展。技術(shù)進(jìn)步的影響系數(shù)的高值區(qū)域位于西部的雅安、樂山、眉山等區(qū)縣,西部區(qū)縣首要考慮技術(shù)進(jìn)步帶來的碳減排效用。低值區(qū)域位于重慶市市轄區(qū)。自西向東影響系數(shù)降低。

4 結(jié)論與討論

本文運(yùn)用近16年(2002—2017年)來成渝地區(qū)雙城經(jīng)濟(jì)圈縣域碳排放數(shù)據(jù)和社會經(jīng)濟(jì)數(shù)據(jù),采用空間自相關(guān)、脫鉤模型和時空地理加權(quán)回歸模型等方法,探討了該區(qū)縣域人均碳排放的時空格局演變,以及基于人均碳排放和人均生產(chǎn)總值脫鉤程度的縣域發(fā)展類型和影響因素。結(jié)果表明:(1)2003—2017年成渝地區(qū)雙城經(jīng)濟(jì)圈縣域碳排放總量和人均碳排放量年均增速為5.43%和4.68%。歷經(jīng)“大幅上漲—高位波動”的發(fā)展階段。人均碳排放量由2002年的1.892 t/人翻倍上升至2011年的4 t/人,2002—2017年經(jīng)濟(jì)圈內(nèi)四川地區(qū)人均碳排放量(3.03 t/人)低于重慶地區(qū)人均碳排放量(4.47 t/人),但年均增速(5.7%)快于重慶地區(qū)年均增速(4.4%)。(2)成渝雙城經(jīng)濟(jì)圈縣域人均碳排放具有空間正相關(guān)關(guān)系,空間集聚程度降低。局部空間自相關(guān)高高聚集區(qū)位于成都市區(qū)縣和重慶市主城區(qū)構(gòu)成的“雙核心”區(qū)域;成都市人均碳排放高高聚集出現(xiàn)向北增加,重慶市西部高高聚集區(qū)減少。(3)縣域發(fā)展類型以低碳發(fā)展型和集約擴(kuò)張型為主,44.37%的縣域?qū)儆诘吞及l(fā)展型。(4)影響因素具有空間異質(zhì)性,影響系數(shù)的大小排序為:技術(shù)進(jìn)步(0.792)>經(jīng)濟(jì)發(fā)展水平(0.755)>城鎮(zhèn)化率(0.371)>產(chǎn)業(yè)結(jié)構(gòu)(0.209)>人口規(guī)模(0.019)>財政投入(-0.027)。技術(shù)進(jìn)步和經(jīng)濟(jì)發(fā)展水平是區(qū)域縣域的首要影響因素,西部區(qū)縣是技術(shù)進(jìn)步,東部首要因素是經(jīng)濟(jì)發(fā)展水平。人口規(guī)模的影響具有異質(zhì)性,對川渝交界的區(qū)縣正向影響較大。城鎮(zhèn)化率和產(chǎn)業(yè)結(jié)構(gòu)空間作用強(qiáng)度類似,由重慶市主城區(qū)和環(huán)主城區(qū)縣高值區(qū)域向東北-西南遞減。財政投入對大部門地區(qū)具有顯著的負(fù)向作用,對東部區(qū)縣減排作用明顯。

由于碳排放及其與經(jīng)濟(jì)水平的關(guān)系受多種因素影響,且時空變化比較復(fù)雜,本文僅討論了16年時間尺度的縣域尺度碳排放動態(tài)變化及與經(jīng)濟(jì)的脫鉤關(guān)系和影響因素。未來應(yīng)加強(qiáng)拓展研究的時間尺度,獲取更小尺度的碳排放數(shù)據(jù),深入探究碳排放的脫鉤關(guān)系和影響因素。同時還可將成渝地區(qū)與中國東部的其他重點地區(qū)如長三角、京津冀等作對比,以便為區(qū)域碳減排找到更有針對性的措施。