地理科学进展 2016 , 35 (12): 1472-1482 https://doi.org/10.18306/dlkxjz.2016.12.004

Orginal Article

1990-2014年泛长三角地区能源利用碳排放时空格局及影响因素

陈江龙¹^,²^,, 李平星¹^,^2*^,^*^,, 高金龙¹^,²^,³

1. 中国科学院流域地理学重点实验室,南京 210008
2. 中国科学院南京地理与湖泊研究所,南京 210008
3. 中国科学院地理科学与资源研究所,北京 100101

Spatiotemporal patterns and influencing factors of carbon emissions in the Pan-Yangtze River Delta region, 11990-2014

CHEN Jianglong¹^,²^,, LI Pingxing¹^,²^,^*^,, GAO Jinlong¹^,²^,³

1. Key Laboratory of Watershed Geographic Sciences, CAS, Nanjing 210008, China
2. Nanjing Institute of Geography and Limnology, CAS, Nanjing 210008, China
3. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

通讯作者: 李平星(1982-),男,山东泰安人,博士,副研,主要从事生态评价与区域可持续发展研究,E-mail:pxli@niglas.ac.cn。

基金资助: 国家自然科学基金项目(41130750,41401187)

作者简介:

作者简介：陈江龙(1974-),男,福建厦门人,博士,副研,硕导,主要从事区域发展与土地利用研究,E-mail:jlchen@niglas.ac.cn。

展开

摘要

区域碳排放时空格局及其关键影响因素是近年来学者们关注的热点。本文以中国经济发达、经济关联密切、产业格局变化剧烈的泛长三角地区为案例,分析1990年以来典型年份碳排放的空间分异、时间演变,解析碳排放空间分异的关键影响因素。结果表明：①区域碳排放总量快速增长,总体格局稳中有变,核心区16个城市排放量占比大都超过50%。②以2005年为拐点,之前外围城市增长幅度较低,之后外围城市碳排放量快速增长;外围地区碳排放量占比从2005年的33%快速增加至2014年的47%,区域碳排放量的空间集聚度呈现先增后减的态势。③碳排放格局变化受多种因素影响,不同变量对碳排放的影响各异。其中,工业生产、城镇化建设及人口集聚仍是现阶段泛长三角地区最主要的碳排放来源;固定资产与外商投资对区域碳排放的作用呈增强趋势,但其作用强度较工业生产、城镇化建设、人口集聚要小。地区生产总值对碳排放影响存在倒U型关系,随着经济发展水平的提高,碳排放与经济发展呈现脱钩趋势。研究结果可为揭示经济发展格局变化的环境效应、制定节能减排政策提供参考。

关键词： 碳排放 ; 空间分异 ; 时间演变 ; 影响因素 ; 泛长三角

Abstract

In recent years, the spatial and temporal patterns of regional carbon emissions and their influencing factors were a key research focus by researchers from various fields. Taking the Pan-Yangtze River Delta region— one of the most economically developed and fast changing regions in China—as case area, we analyzed the spatiotemporal patterns of carbon emissions in six representative years of 1990, 1995, 2000, 2005, 2010, and 2014. Employing scree plot analysis and a nonlinear polynomial model, we also investigated the major influencing factors of carbon emissions in 2010. Results indicate that the total amount of carbon emissions has increased rapidly, but the spatial pattern has been largely stable since 1990. Sixteen cities of the core area dominated the carbon emissions in the Pan-Yangtze River Delta region, and they accounted for more than 50% of the total at most stages. However, the amount and rate of growth of the carbon emissions of all cities showed significant spatial differences. With 2005 as the turning point, the share of carbon emissions of most peripheral cities declined gradually before, but grew faster than the core cities after this point. The total share of the peripheral cities increased to 47% in 2014 from 33% in 2005. The spatial agglomeration degree first increased and then decreased. The spatial heterogeneity of regional carbon emissions was affected by various factors including economic development and energy consumption. Industrialization, urbanization, and population agglomeration are the major factors of carbon emissions. Fixed asset investment and foreign direct investment also had effects on carbon emissions. The relationship between economic development and carbon emissions shows an inverted U shape. The results indicate the environmental effect of change in economic development pattern and can provide some reference for energy saving and carbon emission reduction policy making.

Keywords： carbon emission ; spatial heterogeneity ; temporal change ; influencing factor ; Pan-Yangtze River Delta

PDF (10924KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

陈江龙, 李平星, 高金龙. 1990-2014年泛长三角地区能源利用碳排放时空格局及影响因素[J]. , 2016, 35(12): 1472-1482 https://doi.org/10.18306/dlkxjz.2016.12.004

CHEN Jianglong, LI Pingxing, GAO Jinlong. Spatiotemporal patterns and influencing factors of carbon emissions in the Pan-Yangtze River Delta region, 11990-2014[J]. 地理科学进展, 2016, 35(12): 1472-1482 https://doi.org/10.18306/dlkxjz.2016.12.004

1 引言

随着人类活动范围和强度的不断增加,人为因素对全球环境变化的重要影响也越来越受重视(Messerli et al, 2000; 陆大道, 2011)。人类活动导致的能源消费量和碳排放量的不断增加被认为是近年来全球变暖的重要原因,受到政府管理人员、公众和研究者的普遍关注(张雷, 2003; 王锋等, 2010; 郝珍珍等, 2013; 高长春等, 2016; 王喜等, 2016)。其中,对于碳排放格局的区域差异、时间演变和影响因素等问题的研究,是当前学术界关注的重点和热点之一(张雷等, 2010; 邓吉祥等, 2014)。目前,学者们对碳排放区域差异和时间演变的关注主要集中在跨国、国家及区域尺度,特别是跨国尺度的研究是国际社会关注的重要领域,成为全球气候变化和碳排放权分配的重要依据(丁仲礼等, 2009)。研究普遍认为,早期的碳排放主要来源于西方发达国家,近年来以“金砖国家”为代表的发展中国家占用了全球碳排放的主要新增份额(Boden et al, 2010; IEA, 2013)。因此,经济快速增长的发展中国家受到学者们的广泛关注,中国就是其中之一。学者们以不同类型的分区或省份为研究对象,通过碳排放总量、强度、人均排放量、排放密度等指标,揭示了中国不同地区之间的碳排放格局及其时间变化。其中,省域层面数据更易获取,对区域差异的揭示也更加深入,为学者持续关注的重点(曲建升等, 2010; Zhang et al, 2011; 舒娱琴, 2012; 宋德勇等, 2013)。在此基础上,还开展了针对不同区域的研究,如东中西部(徐大丰, 2010; Clarke-Sather et al, 2011)、八大经济区域(邓吉祥等, 2014)等。近年来,以典型区域或省份为对象的研究也受到关注,如长江经济带、长三角等地区(李平星等, 2013; Song et al, 2015; 黄国华等, 2016)或河南、湖南等省份(王喜等, 2016; 刘贤赵等, 2017)。在碳排放时空格局演变研究的基础上,学者从自然地理条件、资源禀赋、经济社会等视角对影响因素开展研究。通常认为,经济发展水平、产业结构以及能源消费强度与结构等是影响区域综合碳排放格局的关键所在(曲建升, 2010; 康文星等, 2012; 杨骞等, 2012; 李建豹等, 2015; 黄蕊等, 2016)。

从已有研究看,针对中国碳排放的研究主要集中于省级或以省域数据为基础的大区域研究,所揭示的格局较为宏观(邓吉祥等, 2014)。城市作为经济增长和产业发展的空间载体,其对碳排放水平的影响也同样值得关注(Stern, 2007; 李平星等, 2013; Su et al, 2014)。城市间碳排放的时空格局及影响因素是研究的重点,如张秀梅等(2010)、王喜等(2016)、刘贤赵等(2017)对江苏、河南、湖南等特定省份内各市碳排放开展了比较研究。此外,全国或典型区域内城市碳排放的比较研究也受到关注,如李平星等(2013)研究了泛长三角地区城市能源消费碳排放的时空格局,但仅以工业能源消费为对象,未涵盖全部的能源消费;Su等(2014)研究了全国范围内城市碳排放的时空差异,但采用的是间接数据。可见,大区域内的城市比较研究仍然较少,有待深入。

泛长三角地区包括上海、江苏、浙江、安徽、江西四省一市,面积51.96万km²,设区市53个,为长江三角洲核心区及其直接辐射带动的区域,也是全国经济社会发展水平最高的地区之一。近年来,长三角核心区^①（①长三角核心区包括上海,江苏的南京、镇江、常州、无锡、苏州、扬州、泰州、南通,浙江的杭州、嘉兴、湖州、宁波、绍兴、台州、舟山,共16个城市。）资源环境压力趋大、产业转型升级需求日渐迫切,产业转移的速度和规模越来越大,部分产业向空间邻近、劳动力丰富的安徽、江西及苏北、浙西等省区转移。随着产业转移范围的不断扩大、转移量不断增加、区域发展的空间格局不断变化,能源消费及碳排放格局也发生相应的变化。本文以泛长三角地区为案例区,以市为研究单元,分析全部能源利用碳排放的时空差异及其演变规律,定量解析关键影响因素,为制定相应的能源消费与碳减排政策提供科学依据,进而服务未来产业转型与区域发展格局优化。

2 研究思路与主要方法

2.1 研究思路与数据核算

为准确把握各城市能源消费导致的碳排放时空演变特征,以泛长三角地区的设区市为基本研究单元,运用ESDA分析方法,计算1990年以来典型年份各市全部能源消费导致的碳排放总量,核算各市碳排放量及其占区域总量的比重,分析碳排放时空格局演变,并解析关键的影响因素。以4-5年为时间段,选择1990、1995、2000、2005、2010和2014年为6个典型年份;主要能源包括原煤、焦炭、原油、燃料油、汽油、煤油、柴油、其他石油制品等。鉴于电力、热力生产导致的能源消费已基本包含在上述主要能源消费中,外来电力导致的能源消费和碳排放不在本地发生,故暂不考虑电力和热力消费导致的碳排放。各市碳排放根据IPCC(2006)确定的各类能源的碳排放系数和各市全部能源消费量进行核算(表1)。

表1 各种能源的碳排放系数

Tab.1 Coefficient of carbon emission ofdifferent kinds of energy

能源类型	碳排放量/(kg·C/kg标准煤)	能源类型	碳排放量/(kg·C/kg标准煤)
原煤	0.7559	柴油	0.5714
洗精煤	0.7559	燃料油	0.6185
焦炭	0.8550	液化石油气	0.5042
焦炉煤气	0.3548	炼厂干气	0.4602
其他煤气	0.3548	天然气	0.4483
原油	0.6449	其他石油制品	0.5857
汽油	0.5538	其他焦化产品	0.6449

新窗口打开

由于历史年份能源消费数据的可获得性不同,故根据数据的实际情况进行方法调整,核算各市能源消费和碳排放。数据获取和碳排放计算借鉴了李平星等(2013)的研究方法。需要指出的是,其研究侧重于解析工业产业转移对工业领域能源消费和碳排放的影响,而本文则全面地分析包含工业消费在内的全社会能源消费及其碳排放。

2.2 碳排放格局分析方法

2.2.1 碳排放及其变化

碳排放量是指各市不同年份碳排放的绝对量,以变化速度表征各城市的碳排放变化,即各市相邻年份之间碳排放变化的幅度( $\begin{matrix} S \end{matrix}$ ),计算公式为：

$\begin{matrix} S = (E_{t} - E_{0} \frac{)}{(} E_{0} \times t) \times 100 % \end{matrix}$ (1)

式中：E_t指某城市t年份的碳排放量;E₀指相应城市初始年份的碳排放量;t是指从0到t的年份跨度。

2.2.2 空间集中度

借鉴基尼系数概念构建空间集中度指标,用以衡量区域尺度碳排放总量及其变化的空间分布特征(马荣华等, 2007)。以各年份为对象进行评价,计算公式为：

$\begin{matrix} G_{j} = \frac{\overset{n}{\sum_{i = 1}} |{D_{i}}_{j} - \frac{D_{j}}{n}|}{[\overset{n}{\sum_{i = 1}} {D_{i}}_{j} + (n - 2) \frac{D_{j}}{n}]} \end{matrix}$ (2)

式中：G_j表示j年份的基尼系数;D_ij表示第i个城市j年份的碳排放量;D_j表示全区j年份的碳排放总量;j=1~6,分别表示1990、1995、2000、2005、2010和2014年6个典型年份;n表示城市数量,n=53。G_j值介于0~1之间,越大说明集中度越高。

2.2.3 空间自相关指数

为进一步揭示区域碳排放总量的空间依赖、空间关联或空间自相关特征,引入空间自相关指数,其计算公式为：

$\begin{matrix} I_{i} = \frac{n (x_{i} - \overset{̅}{x}) \sum^{} w_{ij} (x_{j} - \overset{̅}{x})}{\sum^{} (x_{i} {- \overset{̅}{x})}^{2}} \end{matrix}$ (3)

式中：I_i为Moran's I指数,常被用于度量区域i与其周边地区之间的空间差异程度及其显著性。I_i的取值范围为[-1,1],小于0表示负相关,值越小,相关性越高;等于0表示不相关;大于0表示正相关,值越大,相关性越高; $\begin{matrix} x_{i} \end{matrix}$ 和 $\begin{matrix} x_{j} \end{matrix}$ 分别是位置i和j处的观测值(本文指各市的碳排放量); $\begin{matrix} \overset{̅}{x} \end{matrix}$ 为观测值 $\begin{matrix} x_{i} \end{matrix}$ 在所有位置处的平均值; $\begin{matrix} w_{ij} \end{matrix}$ 为空间权重矩阵(n×n);n为城市数量。

进一步借助Geoda 095i软件,采用Moran散点图区分某一区域碳排放总量与其相邻区域之间的相对高低关联关系;同时结合散点图与LISA显著性水平,得到Moran显著性水平图。

3 泛长三角地区碳排放时空格局

3.1 碳排放总量及其区域差异

1990年以来,泛长三角地区碳排放总量持续增加,从1990年的1.39亿t增加到2014年的8.44亿t,增长了5.07倍。除上海外,其余4个省份的碳排放量均明显增加,江苏、浙江、安徽、江西分别增长了2.59、1.48、1.70和0.75亿t。2010年前,上海呈现增长态势,2010年的排放量较1990年增长了2.15倍;但2014年碳排放量略有下降,从2010年的8221万t下降至8058万t。从比重情况看,上海所占比重持续下降,江苏、浙江先增后减,而安徽和江西则先减后增。其中安徽变化最为明显,2010年碳排放总量超过浙江,仅次于江苏,成为泛长三角地区排放总量第二大省(图1)。

显示原图| 下载原图ZIP| 生成PPT

图1 典型年份泛长三角地区碳排放量及占比变化

Fig.1 Total amount and proportion of carbon emissions of the four provinces and Shanghai Municipality in the Pan-Yangtze River Delta region, 1990, 1995, 2000, 2005, 2010, and 2014

从区域层面分析,长三角核心区16个城市碳排放总量占研究区域比重一直维持在一半以上,是区域碳排放总量的最主要来源(表2、图2)。2005年以前,核心区城市碳排放增量较大,占全地区碳排放的比重持续增加,2005达到峰值(67%);之后外围区城市碳排放增速加快,从2005年的33%增长至2014年的47%(表2)。对城市而言,上海及其周边城市碳排放量最高,尤其是上海、苏州、宁波等,2014年的排放量在4000万t以上,但与2010年相比,上海、宁波的排放量有所下降。外围城市的碳排放量较低,大部分城市的排放量在1000万t以下(图2),但其增速较快,呈现快速增长的态势。11990-2014年6个典型年份的集中度系数分别为0.39、0.40、0.42、0.45、0.39和0.33,呈现先增后减的态势,表明2005年以前,碳排放高值区的增量更大,使得集中度系数进一步增加;2005年后,外围低值区的增量较大,导致空间集中度有所下降。

表2 典型年份泛长三角地区核心区和外围区碳排放量及占比变化

Tab.2 Total amount and proportion of carbon emissions of the core and the peripheral areas in the Pan-Yangtze River Delta region, 1990, 1995, 2000, 2005, 2010, and 2014

项目		1990年	1995年	2000年	2005年	2010年	2014年
核心区	总量/万t	8115.51	11206.87	15751.26	30915.65	43018.76	45176.17
核心区	占比/%	58.41	61.16	65.39	66.76	60.41	53.38
外围区	总量/万t	5778.77	7115.84	8335.69	15396.11	28192.70	39461.95
外围区	占比/%	41.59	38.84	34.61	33.24	39.59	46.62

新窗口打开

显示原图| 下载原图ZIP| 生成PPT

图2 典型年份泛长三角地区各市碳排放量

Fig.2 Total amount of carbon emissions of all cities in the Pan-Yangtze River Delta region, 1990, 1995, 2000, 2005, 2010, and 2014

3.2 碳排放量变化的格局演变

为进一步揭示碳排放量变化的时空演化规律,采用ArcGIS软件中的自然断裂(natural breaks)法对各市的变化速率进行分类,结果表明：1990-1995年,高变化散布在核心区和外围区,但以浙江沿海和江苏、江西的沿江地区较为集中;1995年以后,高变化区开始逐渐向外围地区蔓延。但是,各阶段高变化区的分布不同,1995-2000年主要集中在浙南地区,2000-2005年转向更外围的赣南、赣东北和皖中地区,2005-2010年主要集中在苏北和皖北,2010年后向更加外围的赣南地区转移(图3)。这与城市碳排放变化速率的空间自相关分析结果类似,高—高集聚区基本上在外围地区移动,而低—低集聚区稳定分布于外围地区,表明外围城市的变化速度分异明显(图4)。

显示原图| 下载原图ZIP| 生成PPT

图3 典型年份间泛长三角地区各市碳排放变化速率分类

Fig.3 Classification of the change rate of carbon emissions for cities in the Pan-Yangtze River Delta region between 1990, 1995, 2000, 2005, 2010, and 2014

显示原图| 下载原图ZIP| 生成PPT

图4 典型年份间泛长三角地区各市碳排放变化速度LISA聚类图

Fig.4 LISA cluster maps of city-level carbon emission change rate in the Pan-Yangtze River Delta region between 1990, 1995, 2000, 2005, 2010, and 2014

4 泛长三角地区碳排放的影响因素

4.1 变量选择与模型构建

已有研究普遍认为,碳排放总量受经济社会发展水平、能源消费总量和结构、产业结构、人口、投资等因素的影响(张雷, 2003; 王锋等, 2010; 赵欣等, 2010; 刘晓燕等, 2012; 黄蕊等, 2016)。基于此,本文选用直接或间接与上述因素相关的指标,主要涉及经济总量与投资规模、工业化与城镇化发展阶段、能源消耗等3个方面,包括：地区生产总值(GDP)、工业增加值(IND)、重工业增加值(HEA)、能源消费总量(ENE)、常住人口总量(POP)、城镇化率(URB)、外商直接投资(FDI)、固定资产投资(FIX)等8项具体指标。其中,常住人口总量来源于2010年全国第六次人口普查数据,其他指标数据均根据各地2011年统计年鉴整理。考虑数据可获性,以2010年为例,采用定量分析方法揭示各因素对区域碳排放总量的影响机制。

首先通过各变量与碳排放之间相互关系的可视化分析,确定单变量的预测模型;然后借鉴统计学中的Stacking 非线性组合模型对全部变量的综合影响进行模拟。非线性组合模型实质就是建立各单项模拟结果与实际值之间非线性关系函数 $\begin{matrix} Φ \end{matrix}$ ,通过集成各单一模型的优点,有效提高综合模型的模拟精度(Collobert et al, 2002; 张豪等, 2010),同时普通线性组合权重难确定、模型失效等问题也迎刃而解。非线性组合模型的具体数学表达形式为：

$\begin{matrix} \hat{y} = Φ (f_{1} (x), f_{2} (x), \dots, f (c)), (i = 1, 2, \dots, m) \end{matrix}$ (4)

式中： $\begin{matrix} \hat{y} \end{matrix}$ 为组合模型模拟值; $\begin{matrix} f_{i} (x) \end{matrix}$ 为第i个单项模拟模型; $\begin{matrix} Φ \end{matrix}$ 为非线性函数,是对各单项模拟值与实际输出值之间依赖关系的逼近。

4.2 模型结果分析

首先,由各影响因素与碳排放总量的全局空间自相关分析可知,碳排放总量与经济总量和产业结构之间的相关性最高,地区生产总值、工业增加值、重工业增加值因素Moran's I指数均为0.40,表明经济发展是导致区域能源消费和碳排放量的关键因素(表3)。由于各影响因素与碳排放量具有较高的正相关性,因此大部分集聚特征比较明显的区域表现为高—高集聚和低—低集聚(图5)。其中,经济社会发展水平较高的长三角核心区是高—高值区的主要分布区域,表明这些城市经济发达、人口密集、能源消费量大,碳排放量较高;而皖南、江西等地区的城市则相反,是低—低值区的主要分布区域。另外2种类型区中,高—低值区的特征为碳排放量高而经济社会发展水平较低,零星分布于外围地区,这些城市碳排放值较高,能源的消耗量较大,能源利用效率不高,产业发展较为粗放;低—高值区的特征为碳排放量低而经济发展水平较高,主要分布于高—高值区外围,这些城市能源与产业结构均较轻、利用效率较高。

其次,通过分析各影响因素与碳排放总量关系的散点图发现,不同变量对区域碳排放影响所呈现出的阶段特征各异(图6)。其中,地区生产总值与碳排放总量之间呈明显的倒U型关系,即随着经济持续发展,区域碳排放呈“先增后减”的脱钩趋势,这可能因为地区生产总值增加的同时,产业结构有所优化,使得对能源消费和碳排放依赖性较低的服务业占比稳步提升;工业生产对碳排放的贡献基本呈线性增长,尤其重工业发展仍是泛长三角地区碳排放的最主要来源;能源消费对碳排放的影响也类似,表明工业发展和能源消费仍然是导致碳排放增加的最主要原因;常住人口对碳排放的影响表现为S型,可能的原因是当人口规模较小时,人口增长的外部性会使得碳排放降低,而当人口规模达到一定水平后,继续增长又会导致碳排放增加,直至拐点;城镇化率的影响呈指数型,表明当城镇化率达到一定水平后,继续提高城镇化水平将导致碳排放的加速增长,这与城镇化带来高质量生活和较多的能源消费有关;外商直接投资对碳排放的影响呈直线型,意味着未来外资增加对碳排放影响仍会加大;固定资产的影响呈平方型,较高的固定资产投资带来较快的经济发展,导致能源需求和碳排放增加。

显示原图| 下载原图ZIP| 生成PPT

图5 2010年泛长三角地区各市碳排放量与各影响因素的LISA聚类图

Fig.5 LISA cluster maps of the influencing factors of carbon emissions in the Pan-Yangtze River Delta region in 2010

显示原图| 下载原图ZIP| 生成PPT

图6 2010年泛长三角地区碳排放总量与影响因素关系的碎石图

Fig.6 Scree plot of the relations between carbon emissions and the influencing factors in the Pan-Yangtze River Delta region in 2010

表4 2010年泛长三角地区碳排放总量影响因素回归结果

Tab.4 Results of regression analysis between the influencing factors and carbon emissions in the Pan-Yangtze River Delta region in 2010

变量	OLS逐步回归模型				Stacking 法非线性组合模型
变量	模型I		模型II	模型III	估计值	标准误	95%置信区间
地区生产总值	0.586^**				-0.291	0.181	-0.657~0.074
工业增加值			0.071		0.001	0.000	0.001~0.001
重工业增加值			0.526^***		0.318	0.244	-0.173~0.809
能源消费总量		0.927^***			1.182	0.229	0.722~1.642
外商直接投资		0.104^**			0.002	0.113	-0.226~0.229
固定资产投资	0.480^**	0.026			0.322	0.095	0.130~0.514
常住人口总量	0.699^**		0.406^**		-0.222	0.073	-0.370~-0.074
城镇化率			1.099^**		-0.061	0.016	-0.093~-0.028
调整R²	0.681	0.798	0.719		0.963

注：*、**、***分别表示P<0.10、P<0.05、P<0.01。

新窗口打开

最后,采用组合模型将各影响因素根据图6所呈现出的函数关系进行变换,将变换后的变量与碳排放总量构建模型,并与逐步回归OLS模型结果进行比较(表4)。首先,3个逐步回归模型对区域碳排放总量的解释均超过65%。尤其是能源消费与投资(模型II),能解释近80%的碳排放总量;其次为工业化和城镇化水平(模型III),解释力也超过70%,社会经济发展(模型I)对碳排放总量的影响相对较弱,因为目前泛长三角地区的能源消耗和产业发展仍然是碳排放的最直接来源。从投资结构看,外商直接投资对碳排放总量的影响较为显著,而固定资产投资的影响并不显著,可能原因是泛长三角地区外商投资以产业投资为主,而固定资产则主要投向城市实体空间的建设与维护,对碳排放的贡献也较产业投资弱。从产业结构分析,工业增加值对碳排放总量的影响不显著,而重工业则具有极显著影响,可能原因是轻工业与重工业相比能源消耗较小,从而使全部工业总产值对碳排放的影响减弱。

进一步采用Stacking 法非线性组合模型进行拟合得到的调整后决定系数为0.963,明显优于逐步回归模型。根据组合模型结果可以发现,全部变量均在95%置信区间显著,而且工业增加值的拟合标准误差最小,其他依次为城镇化率、常住人口总量、固定资产投资、外商直接投资、地区生产总值、能源消费总量和重工业增加值。表明工业生产、城镇化建设、人口集聚是泛长三角地区碳排放最主要的驱动要素。固定资产与外商投资则分别通过促进生产与建设间接影响碳排放,预测误差也较前三者稍大;地区生产总值对碳排放影响本身存在倒U型趋势,因此据此得到的预测标准误差会高于其他变量;而重工业预测误差最大,可能原因是由于泛长三角地区的城市产业结构存在较大差异,虽然重工业是苏北和浙江沿海等地重要的碳排放来源,但在其他内陆城市,重工业占工业总产值比重偏小,不能成为主要碳源。

5 结论与讨论

本文以经济发展水平高、经济活动关联度大的泛长三角地区为案例,从区域尺度出发,分析1990年以来全部能源消费导致的碳排放空间格局时空演变,定量解析关键影响因素,主要结论与建议如下：

(1) 近20年来,泛长三角地区碳排放总体格局稳中有变。其中,稳定性表现为：碳排放高值区集中在核心区16个城市,核心区碳排放量占整个区域碳排放量的比重虽先增后降,但是各年份的占比大都保持在50%以上;而变化性则主要体现在：2005年以后,外围区城市碳排放量增速明显高于核心区城市,导致外围区各城市占整个区域碳排放量的比重基本均增加,而核心区各城市以减少为主。虽然核心区大部分城市的占比有所下降,但排放量下降的不多,上海、无锡等市除外。以上海为例,虽然工业领域碳排放量在2010年出现下降(李平星等, 2013),但是全部能源消费碳排放量直到2014年才出现下降。这种演变趋势可能与产业结构优化、能源利用效率提升等有关,但具体原因还需针对性研究。

(2) 长三角核心区经济总量和人口规模大,能源消费多,是碳排放的主要区域。近年来,外围地区大量承接核心区产业转移,经济增长快速,与之相关的能源消费也向外围地区倾斜,使得外围地区能源消费和碳排放量集聚增加。在这种情况下,外围地区工业能源消费对碳排放的贡献越来越大,而核心区碳排放的主要来源将会由工业能源消费逐步转向与生活直接或间接相关的能源消费。不同区域碳排放来源的空间异质性日益明显,需要采取差别化的调控政策。

(3) 泛长三角地区碳排放格局受到多种因素的影响,而且不同变量对碳排放的影响各异。从2010年解析结果看,工业生产、城镇化建设及人口集聚仍是现阶段泛长三角地区最主要的碳排放来源;固定资产与外商投资对区域碳排放的作用关系呈增加趋势,但其作用强度较前三者要小;地区生产总值对碳排放影响本身存在倒U型趋势,尤其随着上海等经济发达地区的产业结构向服务化转型,由于经济结构优化对碳排放的影响也随着经济发展水平的提高而逐渐减弱,呈现脱钩趋势。

基于上述结论,本文提出以下泛长三角地区推进节能减排的政策建议：推进产业结构的优化升级是降低碳排放的重要方向,尤其服务业的快速发展有助于加速经济产出与碳排放的脱钩;在产业转型转移过程中,要将产业升级与产业转移紧密结合,同时推进技术升级,提高能源利用效率,避免出现产业承接区能源消费和碳排放相应快速增长的局面。

在未来的研究中仍有一些方面需要进行深化：各市、各地区之间由于经济联系、能源输送等导致的碳排放跨区域转移问题,如本区域所需的大量电力是通过输电线从中西部输送来的,电力的生产地和消费地的空间分离导致了碳排放的跨区域转移;生产和生活领域的能源消费和碳排放各自呈现什么样的格局,仍需要在计算碳排放清单的基础上进行针对性分析,以便更加清晰地揭示碳排放格局和影响因素,推动中国和各地区有针对性地制定减排政策等。

The authors have declared that no competing interests exist.

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]	邓吉祥, 刘晓, 王铮. 2014. 中国碳排放的区域差异及演变特征分析与因素分解 [J]. 自然资源学报, 29(2): 189-200. https://doi.org/10.11849/zrzyxb.2014.02.001 URL [本文引用: 3] 摘要在研究近16a（1995-2010年）中国八大区域碳排放特征及其演变规律的基础上，采用LMDI分解方法，将碳排放的影响效应分解为人口规模效应、经济发展效应、能源强度效应和能源结构效应，探讨中国碳排放区域差异变化的原因与规律。结果表明：①八大区域碳排放量和人均碳排放量均呈逐年上升趋势；②东北、京津和东部沿海地区碳排放比重逐年下降，其它地区正好相反或维持不变；③经济发展效应对碳排放有最强正影响，能源强度效应对碳排放有最强负影响；④人口规模效应对包含直辖市的区域碳排放有较大的正影响，经济发展效应对经济发达地区的碳排放正效应弱于其它地区，能源强度效应对经济结构调整活跃地区的碳排放有较强的抑制作用，能源结构效应受宏观经济形式与能源政策影响，对碳排放的影响有较大波动。 [Deng J X, Liu X, Wang Z.2014. Characteristics analysis and factor decomposition based on the regional difference changes in China's CO2 emissions [J]. Journal of Natural Resources, 29(2): 189-200.] https://doi.org/10.11849/zrzyxb.2014.02.001 URL [本文引用: 3] 摘要在研究近16a（1995-2010年）中国八大区域碳排放特征及其演变规律的基础上，采用LMDI分解方法，将碳排放的影响效应分解为人口规模效应、经济发展效应、能源强度效应和能源结构效应，探讨中国碳排放区域差异变化的原因与规律。结果表明：①八大区域碳排放量和人均碳排放量均呈逐年上升趋势；②东北、京津和东部沿海地区碳排放比重逐年下降，其它地区正好相反或维持不变；③经济发展效应对碳排放有最强正影响，能源强度效应对碳排放有最强负影响；④人口规模效应对包含直辖市的区域碳排放有较大的正影响，经济发展效应对经济发达地区的碳排放正效应弱于其它地区，能源强度效应对经济结构调整活跃地区的碳排放有较强的抑制作用，能源结构效应受宏观经济形式与能源政策影响，对碳排放的影响有较大波动。
[2]	丁仲礼, 段晓男, 葛全胜, 等. 2009. 2050年大气CO2浓度控制: 各国排放权计算 [J]. 中国科学: 地球科学, 39(8): 1009-1027. URL 摘要本文的主要目的是为即将开始的控制大气CO2浓度的国际谈判,在一些核心问题上提供定量数据.作者指出:要实现控制大气CO2浓度的长远目标,在目前由少数国家主导的且备受争议的减排话语下是难以完成的,必须建立以各国排放配额分配为基石的全球责任体系.本研究首先论证了"人均累计排放指标"最能体现"共同而有区别的责任"原则和公平正义准则,然后设定2050年前将大气CO2浓度控制在470ppmv的目标,接着以1900年为时间起点,对各国过去(1900~2005年)人均累计排放量、应得排放配额以及今后(2006~2050年)的排放配额做了逐年计算,并根据1900~2050年的应得配额数、1900~2005年的实际排放量、2005年的排放水平、1996~2005年排放量平均增速这四个客观指标,将世界上大于30万人口的国家或地区分为四大类:已形成排放赤字国家、排放总量需降低国家或地区、排放增速需降低国家或地区、可保持目前排放增速国家.2005年前,G8国家大多已经用完到2050年的排放配额,累计形成的赤字价值已超过5.5万亿美元(以每吨CO2价值20美元计),这些国家即使今后实现其提出的大幅度减排目标,它们在2006~2050年的人均排放量上还会大大高于发展中国家,并还将形成6.3万亿美元的排放赤字.发展中国家由于历史上人均累计排放低,大部分处在第3和第4类,即今后尚有较大的排放空间.中国尽管可占全球2006~2050年总排放配额的30%以上,但今后只有降低排放增速,才能做到配额内排放.最后围绕与国际谈判相关的9个问题,提出了作者自己的看法. [Ding Z L, Duan X N, Ge Q S, et al.2009. Control of atmospheric CO2 concentrations by 2050: A calculation on the emission rights of different countries [J]. Science in China: Earth Sciences, 52(10): 1447-1469.] URL 摘要本文的主要目的是为即将开始的控制大气CO2浓度的国际谈判,在一些核心问题上提供定量数据.作者指出:要实现控制大气CO2浓度的长远目标,在目前由少数国家主导的且备受争议的减排话语下是难以完成的,必须建立以各国排放配额分配为基石的全球责任体系.本研究首先论证了"人均累计排放指标"最能体现"共同而有区别的责任"原则和公平正义准则,然后设定2050年前将大气CO2浓度控制在470ppmv的目标,接着以1900年为时间起点,对各国过去(1900~2005年)人均累计排放量、应得排放配额以及今后(2006~2050年)的排放配额做了逐年计算,并根据1900~2050年的应得配额数、1900~2005年的实际排放量、2005年的排放水平、1996~2005年排放量平均增速这四个客观指标,将世界上大于30万人口的国家或地区分为四大类:已形成排放赤字国家、排放总量需降低国家或地区、排放增速需降低国家或地区、可保持目前排放增速国家.2005年前,G8国家大多已经用完到2050年的排放配额,累计形成的赤字价值已超过5.5万亿美元(以每吨CO2价值20美元计),这些国家即使今后实现其提出的大幅度减排目标,它们在2006~2050年的人均排放量上还会大大高于发展中国家,并还将形成6.3万亿美元的排放赤字.发展中国家由于历史上人均累计排放低,大部分处在第3和第4类,即今后尚有较大的排放空间.中国尽管可占全球2006~2050年总排放配额的30%以上,但今后只有降低排放增速,才能做到配额内排放.最后围绕与国际谈判相关的9个问题,提出了作者自己的看法.
[3]	高长春, 刘贤赵, 李朝奎, 等. 2016. 近20年来中国能源消费碳排放时空格局动态 [J]. 地理科学进展, 35(6): 747-757. https://doi.org/10.18306/dlkxjz.2016.06.008 URL [本文引用: 1] 摘要 CO2等温室气体引起的全球气候变暖是对人类社会可持续发展的严峻挑战。基于IPCC提供的参考方法,在对中国大陆30个省区(不含西藏)能源消费碳排放量估算的基础上,运用ESTDA框架,通过ESDA、LISA时间路径、时空跃迁和标准差椭圆等方法,从时空耦合的角度分析了1995-2014年中国能源消费碳排放时空格局动态性。结果表明:(1)近20年来中国省域碳排放具有显著的空间正相关性,碳排放空间差异呈先缩小后扩大的趋势;(2)LISA时间路径分析显示,中国大部分省区的局部空间结构具有较强的稳定性,1995-2001年和2002-2014年2个时段相对长度都小于平均长度的省区均为18个,大部分南方省区在空间依赖方向上的波动性呈增强趋势,而北方大多数省区则保持相对稳定;(3)出现协同运动的省区由1995-2001年的13个下降到2002-2014年的10个,表明中国碳排放空间格局具有一定的空间整合性,但呈减弱趋势;(4)中国省域碳排放的局部空间关联模式和集聚特征具有较强的稳定性,表现为一定的路径依赖或空间锁定特征;(5)碳排放重心在113.739°~114.324°E、34.475°~35.036°N之间变动,整体上有向西北方向移动的趋势。中国碳排放空间分布呈东北—西南格局,且有逐步向正北—正南转变的趋势。中国碳减排的重点是加快发展清洁能源与提高能效并重,优化能源结构和促进各省区产业结构转型,制定差异化的省域碳减排政策,建立碳交易制度。 [Gao C C, Liu X Z, Li C K, et al.2016. Spatiotemporal dynamics of carbon emissions by energy consumption in China from 1995 to 2014 [J]. Progress in Geography, 35(6): 747-757.] https://doi.org/10.18306/dlkxjz.2016.06.008 URL [本文引用: 1] 摘要 CO2等温室气体引起的全球气候变暖是对人类社会可持续发展的严峻挑战。基于IPCC提供的参考方法,在对中国大陆30个省区(不含西藏)能源消费碳排放量估算的基础上,运用ESTDA框架,通过ESDA、LISA时间路径、时空跃迁和标准差椭圆等方法,从时空耦合的角度分析了1995-2014年中国能源消费碳排放时空格局动态性。结果表明:(1)近20年来中国省域碳排放具有显著的空间正相关性,碳排放空间差异呈先缩小后扩大的趋势;(2)LISA时间路径分析显示,中国大部分省区的局部空间结构具有较强的稳定性,1995-2001年和2002-2014年2个时段相对长度都小于平均长度的省区均为18个,大部分南方省区在空间依赖方向上的波动性呈增强趋势,而北方大多数省区则保持相对稳定;(3)出现协同运动的省区由1995-2001年的13个下降到2002-2014年的10个,表明中国碳排放空间格局具有一定的空间整合性,但呈减弱趋势;(4)中国省域碳排放的局部空间关联模式和集聚特征具有较强的稳定性,表现为一定的路径依赖或空间锁定特征;(5)碳排放重心在113.739°~114.324°E、34.475°~35.036°N之间变动,整体上有向西北方向移动的趋势。中国碳排放空间分布呈东北—西南格局,且有逐步向正北—正南转变的趋势。中国碳减排的重点是加快发展清洁能源与提高能效并重,优化能源结构和促进各省区产业结构转型,制定差异化的省域碳减排政策,建立碳交易制度。
[4]	郝珍珍, 李健. 2013. 我国碳排放增长的驱动因素及贡献度分析 [J]. 自然资源学报, 28(10): 1664-1673. https://doi.org/10.11849/zrzyxb.2013.10.002 URL Magsci 摘要结合我国实际,对Kaya等式进行扩展,引入经济效应影响因子、能源强度影响因子、行业贡献影响因子和碳排放强度影响因子,构建了行业CO2排放增长驱动力模型。论文应用该模型测算和分析了1990年至2010年我国6个经济部门CO2排放的驱动因素。结果显示:①1990—2010年,影响我国各行业CO2排放的正向驱动因素主要是经济效应,负向驱动因素主要是能源强度效应和碳排放强度效应;②碳减排政策的制定要权衡经济发展和碳减排的政策协同;③1997—2000年和2005—2010年CO2排放量减少或增速减缓的主要驱动力是能源强度效应和行业贡献效应;④基于国情,产业结构调整在短时间内对CO2减排效力不大,而是一个长期的减排战略。 [Hao Z Z, Li J.2013. Analysis of China's carbon emission growth: Drive factors and its contribution [J]. Journal of Natural Resources, 28(10): 1664-1673.] https://doi.org/10.11849/zrzyxb.2013.10.002 URL Magsci 摘要结合我国实际,对Kaya等式进行扩展,引入经济效应影响因子、能源强度影响因子、行业贡献影响因子和碳排放强度影响因子,构建了行业CO2排放增长驱动力模型。论文应用该模型测算和分析了1990年至2010年我国6个经济部门CO2排放的驱动因素。结果显示:①1990—2010年,影响我国各行业CO2排放的正向驱动因素主要是经济效应,负向驱动因素主要是能源强度效应和碳排放强度效应;②碳减排政策的制定要权衡经济发展和碳减排的政策协同;③1997—2000年和2005—2010年CO2排放量减少或增速减缓的主要驱动力是能源强度效应和行业贡献效应;④基于国情,产业结构调整在短时间内对CO2减排效力不大,而是一个长期的减排战略。
[5]	黄国华, 刘传江, 赵晓梦. 2016. 长江经济带碳排放现状及未来碳减排 [J]. 长江流域资源与环境, 25(4): 638-644. https://doi.org/10.11870/cjlyzyyhj201604014 URL Magsci [本文引用: 1] 摘要长江经济带是我国＂三大支撑带＂之一,其碳减排目标实现对我国生态文明建设具有重要意义。采用2005~2013年长江经济带（含9省2市）的能源消耗与经济社会数据,通过数理统计,得出各地历年碳排放量、人均碳排放、能源强度、产业结构多元水平的具体数值及变化率,结合运用弹性计算和矩阵分类法,发现长江经济带碳排放存在空间与结构差异。研究结果显示：（1）长江经济带碳排放及增长率、人均碳排放及增长率、能源强度都高于全国平均水平,能源强度下降率低于全国平均水平;把长江经济带分为东中西三段区域,碳排放总量、人均碳排放及能源强度下降率梯度下降,碳排放增长率、人均碳排放增长率、能源强度梯度上升。（2）工业化开始越早、重工业化主导向生产性服务业主导转变越快、越充分地区,经济低碳化水平越高;通过提升产业结构多元化速度有利于碳减排。（3）长江经济带各地实现碳减排措施应有不同,东段地区应着重降低人均碳排放,中西段地区应着重于降低能源强度。（4）未来碳减排应兼顾公平与效率,各地区碳减排目标分配应结合各地支付能力、碳汇能力、生产效率、能源结构等因素来安排。 [Huang G H, Liu C J, Zhao X M.2016. Status quo of carbon emission and future carbon emission reduction for the Yangtze River Economic Zone [J]. Resources and Environment in the Yangtze Basin, 25(4): 638-644.] https://doi.org/10.11870/cjlyzyyhj201604014 URL Magsci [本文引用: 1] 摘要长江经济带是我国＂三大支撑带＂之一,其碳减排目标实现对我国生态文明建设具有重要意义。采用2005~2013年长江经济带（含9省2市）的能源消耗与经济社会数据,通过数理统计,得出各地历年碳排放量、人均碳排放、能源强度、产业结构多元水平的具体数值及变化率,结合运用弹性计算和矩阵分类法,发现长江经济带碳排放存在空间与结构差异。研究结果显示：（1）长江经济带碳排放及增长率、人均碳排放及增长率、能源强度都高于全国平均水平,能源强度下降率低于全国平均水平;把长江经济带分为东中西三段区域,碳排放总量、人均碳排放及能源强度下降率梯度下降,碳排放增长率、人均碳排放增长率、能源强度梯度上升。（2）工业化开始越早、重工业化主导向生产性服务业主导转变越快、越充分地区,经济低碳化水平越高;通过提升产业结构多元化速度有利于碳减排。（3）长江经济带各地实现碳减排措施应有不同,东段地区应着重降低人均碳排放,中西段地区应着重于降低能源强度。（4）未来碳减排应兼顾公平与效率,各地区碳减排目标分配应结合各地支付能力、碳汇能力、生产效率、能源结构等因素来安排。
[6]	黄蕊, 王铮, 丁冠群, 等. 2016. 基于STIRPAT模型的江苏省能源消费碳排放影响因素分析及趋势预测 [J]. 地理研究, 35(4): 781-789. https://doi.org/10.11821/dlyj201604015 URL Magsci 摘要定量分析碳排放的影响因素,对降低区域碳排放具有重要的指导意义.利用STIRPAT模型,定量分析江苏省能源消费碳排放量与人口、富裕度(以人均GDP表示)、技术进步(以能源强度表示)和城镇化水平之间的关系,通过岭回归拟合后发现,人口数量、人均GDP、能源强度、城市化水平每变化1％,江苏省能源消费碳排放量将分别发生3.467％、(0.242+0.024 lnA)％、0.313％和0.151％的变化.在以上研究的基础上,设置8种不同的发展情景,分析了江苏省未来能源消费碳排放量的发展趋势.结果表明,当人口、经济保持低速增长,并保持高技术增长率时,有利于控制江苏省的能源消费碳排放量,2020年江苏省的能源消费碳排放量预测值为202.81 MtC. [Huang R, Wang Z, Ding G Q, et al.2016. Trend prediction and analysis of influencing factors of carbon emissions from energy consumption in Jiangsu Province based on STIRPAT model [J]. Geographical Research, 35(4): 781-789.] https://doi.org/10.11821/dlyj201604015 URL Magsci 摘要定量分析碳排放的影响因素,对降低区域碳排放具有重要的指导意义.利用STIRPAT模型,定量分析江苏省能源消费碳排放量与人口、富裕度(以人均GDP表示)、技术进步(以能源强度表示)和城镇化水平之间的关系,通过岭回归拟合后发现,人口数量、人均GDP、能源强度、城市化水平每变化1％,江苏省能源消费碳排放量将分别发生3.467％、(0.242+0.024 lnA)％、0.313％和0.151％的变化.在以上研究的基础上,设置8种不同的发展情景,分析了江苏省未来能源消费碳排放量的发展趋势.结果表明,当人口、经济保持低速增长,并保持高技术增长率时,有利于控制江苏省的能源消费碳排放量,2020年江苏省的能源消费碳排放量预测值为202.81 MtC.
[7]	康文星, 姚利辉, 何介南, 等. 2012. 辽宁省能源消费和碳排放与经济增长的关系 [J]. 生态学报, 32(19): 6168-6175. https://doi.org/10.5846/stxb201108111179 URL Magsci [本文引用: 1] 摘要在广泛收集资料的基础上,对辽宁省的能源利用效率、能源消费强度与经济增长的关系进行探索,其目的为辽宁省的节能与CO2减排及经济的快速发展提供科学依据。结果表明：辽宁整体单位GDP能耗高出全国水平52%—70%,第二产业单位GDP能耗是第三产业的5.67—8.41倍,第一产业的7.2—9.0倍;辽宁能源利用率只有全国平均水平的60%左右,第二产业能源利用效率只有第一产业的11.89%,第三产业的12.60%;GDP年增长速率大于能源消费量年增长速率,能源投入增加促进了国民生产总值的提高,但是经济增长并不是完全依赖能源消费的增长;能源消费量与经济增长的关系,呈现出＂N型＂曲线特征,随着GDP的增加,能源消费量出现反复上升和下降过程,辽宁省能源消费和经济增长关系没有达到长期的均衡性,尚处于非平衡的发展阶段。 [Kang W X, Yao L H, He J N, et al.2012. The relationship between energy consumption and carbon emissiont with economic growth in Liaoning Province [J]. Acta Ecologica Sinica, 32(19): 6168-6175.] https://doi.org/10.5846/stxb201108111179 URL Magsci [本文引用: 1] 摘要在广泛收集资料的基础上,对辽宁省的能源利用效率、能源消费强度与经济增长的关系进行探索,其目的为辽宁省的节能与CO2减排及经济的快速发展提供科学依据。结果表明：辽宁整体单位GDP能耗高出全国水平52%—70%,第二产业单位GDP能耗是第三产业的5.67—8.41倍,第一产业的7.2—9.0倍;辽宁能源利用率只有全国平均水平的60%左右,第二产业能源利用效率只有第一产业的11.89%,第三产业的12.60%;GDP年增长速率大于能源消费量年增长速率,能源投入增加促进了国民生产总值的提高,但是经济增长并不是完全依赖能源消费的增长;能源消费量与经济增长的关系,呈现出＂N型＂曲线特征,随着GDP的增加,能源消费量出现反复上升和下降过程,辽宁省能源消费和经济增长关系没有达到长期的均衡性,尚处于非平衡的发展阶段。
[8]	李建豹, 黄贤金. 2015. 基于空间面板模型的碳排放影响因素分析: 以长江经济带为例 [J]. 长江流域资源与环境, 24(10): 1665-1671. https://doi.org/10.11870/cjlyzyyhj201510007 URL Magsci 摘要随着全球变暖问题的日益严峻,气候问题引起了国际社会的广泛关注。长江经济带作为中国区域发展＂三大战略＂之一,面临着严峻的碳减排压力。为此,以二氧化碳排放为测度指标,定量分析了1998~2012年长江经济带二氧化碳的时空格局特征,并构建碳排放影响因素的空间面板模型,分析了产业结构、人口总量、经济水平、技术水平与城市化水平对长江经济带碳排放的影响。研究结果表明：1碳排放的绝对差异呈增大趋势,相对差异呈波动变化趋势;碳排放与人均GDP（1997年不变价）的相关性较弱;2碳排放空间格局相对稳定,高碳排放区域以江苏为中心,逐渐向四周扩散;3空间面板模型结果表明：人口总量是影响长江经济带碳排放时空格局演化的决定性因素,其次依次为经济水平、技术水平和城市化水平。 [Li J B, Huang X J.2015. Analysis of influential factors of carbon emission based on spatial panel models: A case study for Yangtze River Economic Belt [J]. Resources and Environment in the Yangtze Basin, 24(10): 1665-1671.] https://doi.org/10.11870/cjlyzyyhj201510007 URL Magsci 摘要随着全球变暖问题的日益严峻,气候问题引起了国际社会的广泛关注。长江经济带作为中国区域发展＂三大战略＂之一,面临着严峻的碳减排压力。为此,以二氧化碳排放为测度指标,定量分析了1998~2012年长江经济带二氧化碳的时空格局特征,并构建碳排放影响因素的空间面板模型,分析了产业结构、人口总量、经济水平、技术水平与城市化水平对长江经济带碳排放的影响。研究结果表明：1碳排放的绝对差异呈增大趋势,相对差异呈波动变化趋势;碳排放与人均GDP（1997年不变价）的相关性较弱;2碳排放空间格局相对稳定,高碳排放区域以江苏为中心,逐渐向四周扩散;3空间面板模型结果表明：人口总量是影响长江经济带碳排放时空格局演化的决定性因素,其次依次为经济水平、技术水平和城市化水平。
[9]	李平星, 曹有挥. 2013. 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 [J]. 地球科学进展, 28(8): 939-947. https://doi.org/10.11867/j.issn.1001-8166.2013.08.0939 URL Magsci [本文引用: 1] 摘要产业转移背景下区域能源消费、碳排放格局时空格局变化是近期研究者关注的热点。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，分析了1990，1995，2000，2005和2010年5个年份碳排放的空间恪局和演变规律，探索了产业转移对碳排放格局演变的影响。结果表明，1990年以来工业碳排放稳步增长，高值区集中于长三角核心区；碳排放增长的区域差异较大，热点区域由长三角核心区向外围区转移；碳排放格局发生变化，排放重心呈现先东南向、后西北向移动的态势；工业重心和碳排放重心空间分离，但移动过程类似。研究认为，产业转移所引起的各地区工业产值、产品结构和碳排放强度的变化，与碳排放格局变化具有较大关联性，是影响区域碳排放格局变化的重要因素。 [Li P X, Cao Y H.2013. Spatial and temporal changes of industrial carbon emissions under regional industrial transfer: The case of Pan-Yangtze River Delta [J]. Advances in Earth Science, 28(8): 939-947.] https://doi.org/10.11867/j.issn.1001-8166.2013.08.0939 URL Magsci [本文引用: 1] 摘要产业转移背景下区域能源消费、碳排放格局时空格局变化是近期研究者关注的热点。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，分析了1990，1995，2000，2005和2010年5个年份碳排放的空间恪局和演变规律，探索了产业转移对碳排放格局演变的影响。结果表明，1990年以来工业碳排放稳步增长，高值区集中于长三角核心区；碳排放增长的区域差异较大，热点区域由长三角核心区向外围区转移；碳排放格局发生变化，排放重心呈现先东南向、后西北向移动的态势；工业重心和碳排放重心空间分离，但移动过程类似。研究认为，产业转移所引起的各地区工业产值、产品结构和碳排放强度的变化，与碳排放格局变化具有较大关联性，是影响区域碳排放格局变化的重要因素。
[10]	刘贤赵, 高长春, 宋炎, 等. 2017. 湖南市域化石能源消费碳排放时空格局及驱动因素 [J]. 生态学报, 37(7)doi: 10.5846/stxb201511212362. [Liu X Z, Gao C C, Song Y, et al.2017. Temporal-spatial carbon emission patterns caused by fossil energy consumption at the city level in Hunan Province, China and the factors driving their composition [J]. Acta Ecologica Sinica, 37(7): doi: 10.5846/stxb201511212362.] (in Press)
[11]	刘晓燕, 董锋. 2012. 基于协整检验的江苏省碳排放强度影响因素分析 [J]. 华东经济管理, 26(9): 16-19. https://doi.org/10.3969/j.issn.1007-5097.2012.09.004 URL [本文引用: 2] 摘要文章首先利用pearson关联度分析,从可能影响江苏省碳排放强度的七个因素中筛选出与碳排放强度相关度最高的前三个变量:能源强度、第三产业比重和外贸依存度,然后采用协整分析方法研究三个变量和碳排放强度之间的长期均衡关系,得到协整模型和向量误差修正模型,同时进行脉冲响应函数和方差分解分析。结论为江苏省碳排放强度与能源强度、第三产业比重之间存在正向影响关系,碳排放强度与外贸依存度之间存在负向影响关系。鉴于分析结果,建议从提高能源效率、第三产业低碳化和优化对外贸易结构三个方面降低江苏省碳排放强度。 [Liu X Y, Dong F.2012. An analysis of influence factors on carbon intensity of Jiangsu Province based on co-integration test [J]. East China Economic Management, 26(9): 16-19.] https://doi.org/10.3969/j.issn.1007-5097.2012.09.004 URL [本文引用: 2] 摘要文章首先利用pearson关联度分析,从可能影响江苏省碳排放强度的七个因素中筛选出与碳排放强度相关度最高的前三个变量:能源强度、第三产业比重和外贸依存度,然后采用协整分析方法研究三个变量和碳排放强度之间的长期均衡关系,得到协整模型和向量误差修正模型,同时进行脉冲响应函数和方差分解分析。结论为江苏省碳排放强度与能源强度、第三产业比重之间存在正向影响关系,碳排放强度与外贸依存度之间存在负向影响关系。鉴于分析结果,建议从提高能源效率、第三产业低碳化和优化对外贸易结构三个方面降低江苏省碳排放强度。
[12]	陆大道. 2011. 中国地理学的发展与全球变化研究 [J]. 地理学报, 66(2): 147-156. https://doi.org/10.3969/j.issn.1003-8477.2003.09.048 URL Magsci 摘要 10年来中国地理学研究领域发生了巨大变化，主要表现在大规模地参与了全球变化研究。本文阐述了全球变化的主要研究议题及地理学者可能起到的作用，认为中国长期高速经济增长引起的环境变化比大气层增温的影响大得多，一系列与此有关的重大区域性问题应该得到地理学者的广泛重视。文中还指出了地理学者在全球变化研究中的值得注意的倾向。 [Lu D D.2011. Development of geographical sciences and research on global change in China [J]. Acta Geographica Sinica, 66(2): 147-156.] https://doi.org/10.3969/j.issn.1003-8477.2003.09.048 URL Magsci 摘要 10年来中国地理学研究领域发生了巨大变化，主要表现在大规模地参与了全球变化研究。本文阐述了全球变化的主要研究议题及地理学者可能起到的作用，认为中国长期高速经济增长引起的环境变化比大气层增温的影响大得多，一系列与此有关的重大区域性问题应该得到地理学者的广泛重视。文中还指出了地理学者在全球变化研究中的值得注意的倾向。
[13]	马荣华, 蒲英霞, 马晓冬. 2007. GIS空间关联模式发现[M]. 北京: 科学出版社: 97. [本文引用: 1] [Ma R H, Pu Y X, Ma X D.2007. Mining spatial association patterns from GIS database[M]. Beijing, China: Science Press: 97.] [本文引用: 1]
[14]	曲建升, 王琴, 陈发虎, 等. 2010. 我国二氧化碳排放的区域分析 [J]. 第四纪研究, 30(3): 466-472. https://doi.org/10.3969/j.issn.1001-7410.2010.03.03 URL Magsci 摘要利用我国能源统计数据,对我国及各省区的CO_2排放总量、排放强度、人均排放量和排放密度进行了计算。通过分析发现我国CO_2排放具有较为明显的东西部差异,总体表现为东部发达省区排放总量大、排放强度低、人均排放多、排放密度高的特点,而中西部尤其是西部地区则表现出相反的特征。在分析我国CO_2排放区域特征的基础上,分析出现以上地域差异的主要原因,并针对区域减排行动可能存在的问题进行了探讨,提出以省区为单位,降低排放强度可以取得实际的、可跟踪的减排效果,但需要考虑到全国各省区在功能定位、减排成本、资源环境条件等方面的差别,以及建立基于技术与资金合作的联合减排机制的可行性和障碍等因素。 [Qu J S, Wang Q, Chen F H, et al.2010. Provincial analysis of carbon dioxide emission in China [J]. Quaternary Sciences, 30(3): 466-472.] https://doi.org/10.3969/j.issn.1001-7410.2010.03.03 URL Magsci 摘要利用我国能源统计数据,对我国及各省区的CO_2排放总量、排放强度、人均排放量和排放密度进行了计算。通过分析发现我国CO_2排放具有较为明显的东西部差异,总体表现为东部发达省区排放总量大、排放强度低、人均排放多、排放密度高的特点,而中西部尤其是西部地区则表现出相反的特征。在分析我国CO_2排放区域特征的基础上,分析出现以上地域差异的主要原因,并针对区域减排行动可能存在的问题进行了探讨,提出以省区为单位,降低排放强度可以取得实际的、可跟踪的减排效果,但需要考虑到全国各省区在功能定位、减排成本、资源环境条件等方面的差别,以及建立基于技术与资金合作的联合减排机制的可行性和障碍等因素。
[15]	舒娱琴. 2012. 中国能源消费碳排放的时空特征 [J]. 生态学报, 32(16): 4950-4960. https://doi.org/10.5846/stxb201109071317 URL Magsci [本文引用: 1] 摘要选择联合国政府间气候变化专门委员会（IPCC）的部门方法和8大类能源,采用1990年至 2009年的中国能源统计数据,按照自下而上的思路,对我国各省区的碳排放量进行估算,并从碳排放量、碳排放强度、人均碳排放量和碳排放密指标出发,深入分析了各省区碳排放的时空特征差异。以期对国内碳排放的时空特征分析,有助于决策者和能源分析家提高节能减排政策制定的有效性。 [Shu Y Q.2012. Spatiotemporal characteristics of carbon emissions from energy consumption in China [J]. Acta Ecologica Sinica, 32(16): 4950-4960.] https://doi.org/10.5846/stxb201109071317 URL Magsci [本文引用: 1] 摘要选择联合国政府间气候变化专门委员会（IPCC）的部门方法和8大类能源,采用1990年至 2009年的中国能源统计数据,按照自下而上的思路,对我国各省区的碳排放量进行估算,并从碳排放量、碳排放强度、人均碳排放量和碳排放密指标出发,深入分析了各省区碳排放的时空特征差异。以期对国内碳排放的时空特征分析,有助于决策者和能源分析家提高节能减排政策制定的有效性。
[16]	宋德勇, 刘习平. 2013. 中国省际碳排放空间分配研究 [J]. 中国人口·资源与环境, 23(5): 7-13. https://doi.org/10.3969/j.issn.1002-2104.2013.05.002 URL 摘要以1978-2010年中国各地区碳排放数据为依据,基于人均历史累计碳排放的视角,重新定义了碳排放公平中的碳洛伦兹曲线和碳基尼系数,并测算出碳基尼系数为0.24,处于相对公平的水平上.从区域上看,东部地区CO2排放比重大于人口比重,挤占了中西部地区的排放空间.从省际来看,我国CO2排放比重大于人口比重的省份主要有:东部沿海经济发达省份,西部内陆落后省份以及资源、能源大省.最后,基于人均历史累计碳排放的视角,对我国各地区2020年的碳排放量进行了空间分配.本文的政策含义:针对不同地域和经济发展的实际情况,实施有差别化的减排政策;制定碳排放指标,并按照年度进行分解,建立区域性的碳排放交易市场,碳排放较少的省区可以在保持自身经济增长空间的前提下,向碳排放较大的省区出售碳排放权;实施可行的碳税政策,提高各区域的减排成本,降低碳排放基尼系数. [Song D Y, Liu X P.2013. Spatial distribution of provincial carbon emissions [J]. China Population, Resources and Environment, 23(5): 7-13.] https://doi.org/10.3969/j.issn.1002-2104.2013.05.002 URL 摘要以1978-2010年中国各地区碳排放数据为依据,基于人均历史累计碳排放的视角,重新定义了碳排放公平中的碳洛伦兹曲线和碳基尼系数,并测算出碳基尼系数为0.24,处于相对公平的水平上.从区域上看,东部地区CO2排放比重大于人口比重,挤占了中西部地区的排放空间.从省际来看,我国CO2排放比重大于人口比重的省份主要有:东部沿海经济发达省份,西部内陆落后省份以及资源、能源大省.最后,基于人均历史累计碳排放的视角,对我国各地区2020年的碳排放量进行了空间分配.本文的政策含义:针对不同地域和经济发展的实际情况,实施有差别化的减排政策;制定碳排放指标,并按照年度进行分解,建立区域性的碳排放交易市场,碳排放较少的省区可以在保持自身经济增长空间的前提下,向碳排放较大的省区出售碳排放权;实施可行的碳税政策,提高各区域的减排成本,降低碳排放基尼系数.
[17]	王锋, 吴丽华, 杨超. 2010. 中国经济发展中碳排放增长的驱动因素研究 [J]. 经济研究, (2): 123-136. URL [本文引用: 3] 摘要深入研究中国经济发展中CO2排放量增长的驱动因素,对有的放矢地制定减排政策,发展低碳经济,应对气候变化有着重要的理论和现实意义。本文运用对数平均Divisia指数分解法,把1995—2007年间中国能源消费的CO2排放增长率分解为11种驱动因素的加权贡献,并对这一时期中的6个时间段和每一种驱动因素进行了研究。结果表明:(1)1995—2007年间,中国CO2排放量年均增长12.4%的主要正向驱动因素为人均GDP、交通工具数量、人口总量、经济结构、家庭平均年收入,其平均贡献分别为15.82%、4.93%、1.28%、1.14%和1.11%,负向驱动因素为生产部门能源强度、交通工具平均运输线路长度、居民生活能源强度,其平均贡献分别为-8.12%、-3.29%和-1.42%;(2)人均GDP增长是CO2排放量增长的最大驱动因素,中国的CO2排放与经济发展和居民生活水平提高密切相关;(3)1997—1999年,中国CO2排放量下降的主要驱动因素是工业部门能源利用效率的提高,而深层原因可能是研发经费支出大幅提高所推动的技术进步和工业企业所有制结构的变化;(4)生产部门能源强度下降是抑制CO2排放增长的最重要因素,因此降低生产部门的能源强度是实现CO2减排的关键措施。 [Wang F, Wu L H, Yang C.2010. Driving factors for growth of carbon dioxide emissions during economic development in China [J]. Economic Research Journal, (2): 123-136.] URL [本文引用: 3] 摘要深入研究中国经济发展中CO2排放量增长的驱动因素,对有的放矢地制定减排政策,发展低碳经济,应对气候变化有着重要的理论和现实意义。本文运用对数平均Divisia指数分解法,把1995—2007年间中国能源消费的CO2排放增长率分解为11种驱动因素的加权贡献,并对这一时期中的6个时间段和每一种驱动因素进行了研究。结果表明:(1)1995—2007年间,中国CO2排放量年均增长12.4%的主要正向驱动因素为人均GDP、交通工具数量、人口总量、经济结构、家庭平均年收入,其平均贡献分别为15.82%、4.93%、1.28%、1.14%和1.11%,负向驱动因素为生产部门能源强度、交通工具平均运输线路长度、居民生活能源强度,其平均贡献分别为-8.12%、-3.29%和-1.42%;(2)人均GDP增长是CO2排放量增长的最大驱动因素,中国的CO2排放与经济发展和居民生活水平提高密切相关;(3)1997—1999年,中国CO2排放量下降的主要驱动因素是工业部门能源利用效率的提高,而深层原因可能是研发经费支出大幅提高所推动的技术进步和工业企业所有制结构的变化;(4)生产部门能源强度下降是抑制CO2排放增长的最重要因素,因此降低生产部门的能源强度是实现CO2减排的关键措施。
[18]	王喜, 鲁丰先, 秦耀辰, 等. 2016. 河南省碳源碳汇的时空变化研究 [J]. 地理科学进展, 35(8): 941-951. https://doi.org/10.18306/dlkxjz.2016.08.003 URL 摘要碳源、碳汇是影响低碳发展的重要因素,由其形成的碳盈亏是区域低碳经济发展战略及政策制定的重要依据.本文基于能源消耗数据、主要工业产品产量,参考IPCC的碳排放标准,结合其他相关研究,计算了河南省能源消耗及水泥、钢铁、合成氨生产过程中产生的碳排放;在对研究区遥感影像处理的基础上,通过归一化植被指数(NDVI),将河南省的碳汇分为耕地、林地和草地,根据各种植被的碳排放和碳吸收系数,计算了河南省的碳汇及其变化,并对碳盈亏及其空间变化进行分析.结果表明:①研究期内,河南省碳排放及人均碳排放呈上升趋势,碳排放总量及人均碳排放年均分别增长11.22％和10.72％,而且空间差异明显,豫西、豫北、豫中地区人均碳排放相对较高,而豫南、豫东南地区则相对较低.②能源消耗是河南省的主要碳源,其碳排放量呈逐年增加趋势,但所占比重在不断下降;水泥、钢铁是除能源消耗外的另一种主要的排放源,其碳排放量及所占比重则呈逐年上升趋势.(③河南省碳汇主要以林地和耕地为主,草地所占比重很小;全省碳汇呈减少趋势,2005-2013年期间减少了7.40％(47.05万t),年均减少5.88万t.④河南省总体上呈现碳亏状态,研究期内碳亏呈增长趋势,且碳亏的地区数量也在增加,总的来看,豫南、豫东南、豫西地区处于碳盈或弱碳亏状态,豫中及豫北地区处于较严重的碳亏状态.⑤河南省应通过改善能源结构、调整产业结构、优化用地布局等措施,减少碳源,增加碳汇,通过区域碳补偿或生态补偿等手段鼓励碳盈地区减源增汇,为低碳发展创造良好的外部环境. [Wang X, Lu F X, Qin Y C, et al.2016. Spatial and temporal changes of carbon sources and sinks in Henan Province [J]. Progress in Geography, 35(8): 941-951.] https://doi.org/10.18306/dlkxjz.2016.08.003 URL 摘要碳源、碳汇是影响低碳发展的重要因素,由其形成的碳盈亏是区域低碳经济发展战略及政策制定的重要依据.本文基于能源消耗数据、主要工业产品产量,参考IPCC的碳排放标准,结合其他相关研究,计算了河南省能源消耗及水泥、钢铁、合成氨生产过程中产生的碳排放;在对研究区遥感影像处理的基础上,通过归一化植被指数(NDVI),将河南省的碳汇分为耕地、林地和草地,根据各种植被的碳排放和碳吸收系数,计算了河南省的碳汇及其变化,并对碳盈亏及其空间变化进行分析.结果表明:①研究期内,河南省碳排放及人均碳排放呈上升趋势,碳排放总量及人均碳排放年均分别增长11.22％和10.72％,而且空间差异明显,豫西、豫北、豫中地区人均碳排放相对较高,而豫南、豫东南地区则相对较低.②能源消耗是河南省的主要碳源,其碳排放量呈逐年增加趋势,但所占比重在不断下降;水泥、钢铁是除能源消耗外的另一种主要的排放源,其碳排放量及所占比重则呈逐年上升趋势.(③河南省碳汇主要以林地和耕地为主,草地所占比重很小;全省碳汇呈减少趋势,2005-2013年期间减少了7.40％(47.05万t),年均减少5.88万t.④河南省总体上呈现碳亏状态,研究期内碳亏呈增长趋势,且碳亏的地区数量也在增加,总的来看,豫南、豫东南、豫西地区处于碳盈或弱碳亏状态,豫中及豫北地区处于较严重的碳亏状态.⑤河南省应通过改善能源结构、调整产业结构、优化用地布局等措施,减少碳源,增加碳汇,通过区域碳补偿或生态补偿等手段鼓励碳盈地区减源增汇,为低碳发展创造良好的外部环境.
[19]	徐大丰. 2010. 我国碳排放结构的区域差异分析 [J]. 江西社会科学, (4): 79-82. URL [本文引用: 1] 摘要利用能源消费数据,根据碳排放的主流算法,本文估算了我国东、中、西部三大区域碳排放总量和三大区域分行业碳排放总量.分析的结果表明：我国碳排放总量存在明显的区域差异,东部地区的碳排放总量明显高于中西部地区；农业、批发、零售业和住宿、餐饮业的碳排放并不存在明显的区域差异；工业、建筑业、运输业碳排放的区域差异相当明显.在发展低碳经济的过程中,立足于东部地区工业、建筑业和运输业的升级和转型,实施差异化的低碳经济区域政策对我国发展低碳经济是非常必要的. [Xu D F.2010. An analysis of regional differences of China's carbon emission structure [J]. Jiangxi Social Sciences, (4): 79-82.] URL [本文引用: 1] 摘要利用能源消费数据,根据碳排放的主流算法,本文估算了我国东、中、西部三大区域碳排放总量和三大区域分行业碳排放总量.分析的结果表明：我国碳排放总量存在明显的区域差异,东部地区的碳排放总量明显高于中西部地区；农业、批发、零售业和住宿、餐饮业的碳排放并不存在明显的区域差异；工业、建筑业、运输业碳排放的区域差异相当明显.在发展低碳经济的过程中,立足于东部地区工业、建筑业和运输业的升级和转型,实施差异化的低碳经济区域政策对我国发展低碳经济是非常必要的.
[20]	杨骞, 刘华军. 2012. 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 [J]. 数量经济技术经济研究,(5): 36-49, 148. URL 摘要分别以碳排放强度和人均碳排放作为碳排放指标，对1995~2009年中国碳排放的区域差异进行结构分解，并实证研究不同碳排放水平的影响因素。结果发现，中国碳排放存在明显的区域差异，碳排放强度的区域差异大于人均碳排放的区域差异。三区域划分标准下，碳排放总体差异主要源于区域内差异；八区域划分标准下，碳排放总体差异主要源于区域间差异。能源强度、能源结构、人均GDP、产业结构是造成碳排放水平差异的重要因素。 [Yang Q, Liu H J.2012. Regional difference decomposition and influence factors of China's carbon dioxide emissions [J]. The Journal of Quantitative & Technical Economics,(5): 36-49, 148.] URL 摘要分别以碳排放强度和人均碳排放作为碳排放指标，对1995~2009年中国碳排放的区域差异进行结构分解，并实证研究不同碳排放水平的影响因素。结果发现，中国碳排放存在明显的区域差异，碳排放强度的区域差异大于人均碳排放的区域差异。三区域划分标准下，碳排放总体差异主要源于区域内差异；八区域划分标准下，碳排放总体差异主要源于区域间差异。能源强度、能源结构、人均GDP、产业结构是造成碳排放水平差异的重要因素。
[21]	张豪, 罗亦泳, 张立亭. 2010. 基于遗传支持向量机的城市扩张非线性组合模型 [J]. 地理学报, 65(6): 656-664. https://doi.org/10.11821/xb201006003 URL Magsci [本文引用: 1] 摘要在分析当前城市扩张模拟模型优缺点的基础上,利用支持向量机能有效表达、拟合复杂非线性系统的功能,将多个单项城市扩张模型进行非线性组合,有机融合各单项模型优点,最后构建支持向量机的城市空间扩张非线性组合模拟模型。利用遗传算法优化支持向量机的参数,减小参数设置不合理对支持向量机建模精度引起的影响,有效提高支持向量机模型精度。通过分析组合模型误差和各参与组合的单项模型之间的关系,总结出提高支持向量机的城市扩张非线性组合模型精度的方法是:①提高参与组合的各单项模型精度;②增加单项模型之间的差异性。以长沙市为例,分别构建多元回归、GM(1,8)、BP网络和LS-SVM单项城市空间扩张模拟模型,并在此基础上建立线性组合城市扩张模型和遗传支持向量机非线性组合城市扩张模型。通过各模型精度对比分析证明,遗传支持向量机的城市扩张非线性组合模型精度远优于各单项模型,并且优于线性组合模型,是一种有效的城市扩张新模型。 [Zhang H, Luo Y Y, Zhang L T.2010. A nonlinear polynomial model for urban expansion incorporating genetic algorithm and support vector machines [J]. Acta Geographica Sinica, 65(6): 656-664.] https://doi.org/10.11821/xb201006003 URL Magsci [本文引用: 1] 摘要在分析当前城市扩张模拟模型优缺点的基础上,利用支持向量机能有效表达、拟合复杂非线性系统的功能,将多个单项城市扩张模型进行非线性组合,有机融合各单项模型优点,最后构建支持向量机的城市空间扩张非线性组合模拟模型。利用遗传算法优化支持向量机的参数,减小参数设置不合理对支持向量机建模精度引起的影响,有效提高支持向量机模型精度。通过分析组合模型误差和各参与组合的单项模型之间的关系,总结出提高支持向量机的城市扩张非线性组合模型精度的方法是:①提高参与组合的各单项模型精度;②增加单项模型之间的差异性。以长沙市为例,分别构建多元回归、GM(1,8)、BP网络和LS-SVM单项城市空间扩张模拟模型,并在此基础上建立线性组合城市扩张模型和遗传支持向量机非线性组合城市扩张模型。通过各模型精度对比分析证明,遗传支持向量机的城市扩张非线性组合模型精度远优于各单项模型,并且优于线性组合模型,是一种有效的城市扩张新模型。
[22]	张雷. 2003. 经济发展对碳排放的影响 [J]. 地理学报, 58(4): 629-637. https://doi.org/10.3321/j.issn:0375-5444.2003.04.019 URL Magsci 摘要探讨国家经济发展对碳排放的影响,采用具体评价模式对发达国家和发展中国家长期发展的对比研究.结果表明:第一,经济结构多元化的发展导致国家能源消费需求增长的减缓;第二,能源消费结构的多元化发展则导致国家碳排放水平的下降;第三,经济和能源消费的两者结构多元化的演进最终促使国家发展完成从高碳燃料为主向低碳为主的转变. [Zhang L.2003. Economic development and its bearing on CO2 emissions [J]. Acta Geographica Sinica, 58(4): 629-637.] https://doi.org/10.3321/j.issn:0375-5444.2003.04.019 URL Magsci 摘要探讨国家经济发展对碳排放的影响,采用具体评价模式对发达国家和发展中国家长期发展的对比研究.结果表明:第一,经济结构多元化的发展导致国家能源消费需求增长的减缓;第二,能源消费结构的多元化发展则导致国家碳排放水平的下降;第三,经济和能源消费的两者结构多元化的演进最终促使国家发展完成从高碳燃料为主向低碳为主的转变.
[23]	张雷, 黄园淅, 李艳梅, 等. 2010. 中国碳排放区域格局变化与减排途径分析 [J]. 资源科学, 32(2): 211-217. URL Magsci [本文引用: 1] 摘要作为世界能源消费大国,中国的碳排放问题不仅体现在总量增长方面,而且也体现在碳排放的空间格局变化方面。从大区地域系统变化来看:东部地区的碳排放始终在全国占据着主导地位;中部地区碳排放在全国的比重表现出稳中有降的态势;西部地区比重虽较小,但基本保持着上升趋势。从省(区、市)级变化来看:1953年以来,碳排放的区域差异不断增大,并且其变化可以分为3个阶段:1952年为起始阶段、1953年-1980年为初级分化阶段、1981年-2005年为快速演进阶段。本文试图通过产业-能源关联和能源-碳排放关联两个基本评价模型 [Zhang L, Huang Y X, Li Y M, et al.2010. An investigation on spatial changing pattern of CO2 emissions in China [J]. Resources Science, 32(2): 211-217.] URL Magsci [本文引用: 1] 摘要作为世界能源消费大国,中国的碳排放问题不仅体现在总量增长方面,而且也体现在碳排放的空间格局变化方面。从大区地域系统变化来看:东部地区的碳排放始终在全国占据着主导地位;中部地区碳排放在全国的比重表现出稳中有降的态势;西部地区比重虽较小,但基本保持着上升趋势。从省(区、市)级变化来看:1953年以来,碳排放的区域差异不断增大,并且其变化可以分为3个阶段:1952年为起始阶段、1953年-1980年为初级分化阶段、1981年-2005年为快速演进阶段。本文试图通过产业-能源关联和能源-碳排放关联两个基本评价模型
[24]	张秀梅, 李升峰, 黄贤金, 等. 2010. 江苏省1996 年至2007 年碳排放效应及时空格局分析 [J]. 资源科学, 32(4): 768-775. URL Magsci 摘要本文通过对江苏省1996年—2007年碳排放效应分析得出:①江苏省近12年碳排放总量年均增长14%,2007年达到14370万t,碳排放增长过快问题突出;②提出了地均碳排放强度和地均建设用地碳排放强度两个新指标,并计算得出2007年全省地均碳排放强度和地均建设用地碳排放强度分别达到2.06t/hm2和84.32t/hm2;③2007年江苏全省碳排放量、地均碳排放强度和地均建设用地碳排放都呈现苏南苏中苏北的分布格局,13市地均碳排放强度差异显著,其排放强度总体与经济发展水平呈正相关;建设用地碳排放对总碳排放贡献最大是各地市共同之处;④江苏省碳排放强度与人均GDP呈倒U型曲线关系,曲线的拐点在(2.0～2.1)万元/人附近;⑤能源消耗是碳排放的主体,建设用地是最主要的碳源,1996年—2007年全省虽然其碳排放总量呈上升趋势,但全省万元GDP碳排放强度从2004年开始逐年下降的,说明江苏全省碳减排已取得一定成效,但减排压力仍然巨大,减排工作任重道远。 [Zhang X M, Li S F, Huang X J, et al.2010. Effects of carbon emissions and their spatio-temporal patterns in Jiangsu Province from 1996 to 2007 [J]. Resources Science, 32(4): 768-775.] URL Magsci 摘要本文通过对江苏省1996年—2007年碳排放效应分析得出:①江苏省近12年碳排放总量年均增长14%,2007年达到14370万t,碳排放增长过快问题突出;②提出了地均碳排放强度和地均建设用地碳排放强度两个新指标,并计算得出2007年全省地均碳排放强度和地均建设用地碳排放强度分别达到2.06t/hm2和84.32t/hm2;③2007年江苏全省碳排放量、地均碳排放强度和地均建设用地碳排放都呈现苏南苏中苏北的分布格局,13市地均碳排放强度差异显著,其排放强度总体与经济发展水平呈正相关;建设用地碳排放对总碳排放贡献最大是各地市共同之处;④江苏省碳排放强度与人均GDP呈倒U型曲线关系,曲线的拐点在(2.0～2.1)万元/人附近;⑤能源消耗是碳排放的主体,建设用地是最主要的碳源,1996年—2007年全省虽然其碳排放总量呈上升趋势,但全省万元GDP碳排放强度从2004年开始逐年下降的,说明江苏全省碳减排已取得一定成效,但减排压力仍然巨大,减排工作任重道远。
[25]	赵欣, 龙如银. 2010. 江苏省碳排放现状及因素分解实证分析 [J]. 中国人口·资源与环境, 20(7): 25-30. https://doi.org/10.3969/j.issn.1002-2104.2010.07.004 URL [本文引用: 1] 摘要随着我国社会经济的迅速发展，能源消耗和环境问题日益严重，特别是由碳排放的增加带来的温室效应成为国际社会关注的焦点。全球变暖已经触及农业和食品安全、水资源安全和公共卫生安全，对人类的可持续发展带来严峻的挑战。江苏省作为中国的经济大省。面临着越来越严峻的减排压力。为此，本文分析了1997—2007年江苏省碳排放总量、碳排放强度、人均碳排放及奠三大产业碳排放变化情况。并对江苏省1996和2007两年六部门终端能源利用碳排放总量进行对比。采用LMDI分解法，建立了江苏省碳排放增量的因素分解模型。定量分析了1996—2007年间经济规模、产业结构、技术进步与能耗结构四个因素对江苏省碳排放增量的影响。研究发现，经济规模效应是正向决定性因素，技术进步效应与能耗结构效应是负向决定性因素，产业结构调整的影响较弱。最后提出了相应的减排政策建议． [Zhao X, Long R Y.2010. The status and decomposition model of carbon emissions for Jiangsu Province [J]. China Population, Resources and Environment, 20(7): 25-30.] https://doi.org/10.3969/j.issn.1002-2104.2010.07.004 URL [本文引用: 1] 摘要随着我国社会经济的迅速发展，能源消耗和环境问题日益严重，特别是由碳排放的增加带来的温室效应成为国际社会关注的焦点。全球变暖已经触及农业和食品安全、水资源安全和公共卫生安全，对人类的可持续发展带来严峻的挑战。江苏省作为中国的经济大省。面临着越来越严峻的减排压力。为此，本文分析了1997—2007年江苏省碳排放总量、碳排放强度、人均碳排放及奠三大产业碳排放变化情况。并对江苏省1996和2007两年六部门终端能源利用碳排放总量进行对比。采用LMDI分解法，建立了江苏省碳排放增量的因素分解模型。定量分析了1996—2007年间经济规模、产业结构、技术进步与能耗结构四个因素对江苏省碳排放增量的影响。研究发现，经济规模效应是正向决定性因素，技术进步效应与能耗结构效应是负向决定性因素，产业结构调整的影响较弱。最后提出了相应的减排政策建议．
[26]	Clarke-Sather A, Qu J S, Wang Q, et al.2011. Carbon inequality at the sub-national scale: A case study of provincial-level inequality in CO2 emissions in China 1997-2007 [J]. Energy Policy, 39(9): 5420-5428. https://doi.org/10.1016/j.enpol.2011.05.021 URL Magsci 摘要 China; Climate Change; Inequality
[27]	Collobert R, Bengio S, Bengio Y.2002. A parallel mixture of SVMs for very large scale problems [J]. Neural Computation, 14(5): 1105-1114. https://doi.org/10.1162/089976602753633402 URL PMID: 11972909 [本文引用: 1] 摘要 Support vector machines (SVMs) are the state-of-the-art models for many classification problems, but they suffer from the complexity of their training algorithm, which is at least quadratic with respect to the number of examples. Hence, it is hopeless to try to solve real-life problems having more than a few hundred thousand examples with SVMs. This article proposes a new mixture of SVMs that can be easily implemented in parallel and where each SVM is trained on a small subset of the whole data set. Experiments on a large benchmark data set (Forest) yielded significant time improvement (time complexity appears empirically to locally grow linearly with the number of examples). In addition, and surprisingly, a significant improvement in generalization was observed.
[28]	IEA (International Energy Agency). 2013. Key world energy STATISTICS 2013[R]. Paris, France: SOREGRAPH. [本文引用: 1]
[29]	IPCC. 2008. 2006 IPCC guidelines for national greenhouse gas inventories: Volume II [EB/OL]. 2008-7-30[2016-7-30]. . URL [本文引用: 1]
[30]	Marland G, Boden T A, Andres R J.2010. Global, regional, and national fossil-fuel CO2 emissions[R]. Oak Ridge, TN: Carbon Dioxide Information Analysis Center, Oak Ridge National Laboratory, U.S. Department of Energy, doi: 10.3334/CDIAC/00001_V2010.
[31]	Messerli B, Grosjean M, Hofer T, et al.2000. From nature-dominated to human-dominated environmental changes [J]. Quaternary Science Reviews, 19(1-5): 459-479. https://doi.org/10.1016/S0277-3791(99)00075-X URL [本文引用: 1] 摘要 To what extent is it realistic and useful to view human history as a sequence of changes from highly vulnerable societies of hunters and gatherers through periods with less vulnerable, well buffered and highly productive agrarian-urban societies to a world with regions of extreme overpopulation and overuse of life support systems, so that vulnerability to climatic-environmental changes and extreme events is again increasing? This question cannot be fully answered in our present state of knowledge, but at least we can try to illustrate, with three case studies from different continents, time periods and ecosystems, some fundamental changes in the relationship between natural processes and human activities that occur, as we pass from a nature-dominated to a human dominated environment. Early-mid Holocene: Nature dominated environment - human adaptation, mitigation, and migration. In the central Andes, the Holocene climate changed from humid (10,800-8000 BP) to extreme arid (8000-3600 BP) conditions. Over the same period, prehistoric hunting communities adopted a more sedentary pattern of resource use by settling close to the few perennial water bodies, where they began the process of domesticating camelids around 5000 BP and irrigation from about 3100 BP. <2 type"ord">Historical period: An agrarian society in transition from an ''enduring'' to an innovative human response. Detailed documentary evidence from Western Europe may be used to reconstruct quite precisely the impacts of climatic variations on agrarian societies. The period considered spans a major transition from an apparently passive response to the vagaries of the environment during the 16th century to an active and innovative attitude from the onset of the agrarian revolution in the late 18th century through to the present day. The associated changes in technology and in agricultural practices helped to create a society better able to survive the impact of climatic extremes. <3 type"ord">The present day: A human dominated environment with increasing vulnerability of societies and economies to extreme events and natural variability. The third example, dealing with the history and impact of floods in Bangladesh, shows the increasing vulnerability of an over-exploited and human-dominated ecosystem. Measurements exist for a short time only (decades), historical data allow a prolongation of the record into the last century, and paleo-research provides the long-term record of processes operating over millennia. The long-term paleo-perspective is essential for a better understanding of future potential impacts on an increasingly human-dominated environment. Understanding today's global change processes calls for several new perspectives and synergisms: the integration of biophysically oriented climate change research with research about the increasingly dominant processes of human forcing, <2 type="unord">a focus on overexploited or limited natural resources and on vulnerable and critical regions, <2 type"unord">fuller use of our understanding of variability on a range of different timescales: ''The present without a past has no future''.
[32]	Song M L, Guo X, Wu K Y, et al.2015. Driving effect analysis of energy-consumption carbon emissions in the Yangtze River Delta region [J]. Journal of Cleaner Production, 103: 620-628. https://doi.org/10.1016/j.jclepro.2014.05.095 URL 摘要 We calculate the carbon emissions related to energy consumption, from 1995 to 2010, in the Yangtze River Delta. To that end, we set up an incremental factor decomposition model of carbon emissions that makes use of the logarithmic Divisia decomposition index method. The model was adopted to analyze the driving effect of economic scale, population size, energy intensity, and energy structure on carbon emissions in the Yangtze River Delta region between 1995 and 2010. Our empirical results demonstrate that the economic scale effect, whose contribution ratio reached 144.19% during the study period, was a significant factor in explaining the increases in carbon emissions in the region. The effects of energy intensity, population size, and energy structure were鈭60.97%, 19.25%, and鈭2.47%, respectively. The results show that economic scale has the largest driving effect on incremental increases in carbon emissions; population size plays a negligible role in carbon emissions; and energy intensity is an important carbon-emission constraint factor. No apparent energy structure restrains carbon emissions. We then make some suggestions with respect to carbon emission reductions and economic scale, population size, energy intensity, and energy structure in the Yangtze River Delta.
[33]	Stern N.2007. The economics of climate change: The stern review[M]. Cambridge, UK: Cambridge University Press. [本文引用: 2]
[34]	Su Y X, Chen X Z, Li Y, et al.2014. China's 19-year city-level carbon emissions of energy consumptions, driving forces and regionalized mitigation guidelines [J]. Renewable and Sustainable Energy Reviews, 35: 231-243. https://doi.org/10.1016/j.rser.2014.04.015 URL 摘要 Due to the lack of city-level energy consumption statistics and the inconsistency between national, provincial and city-level data, we developed a normalized approach for assessing China's city-level CO
[35]	Zhang Y, Zhang J Y, Yang Z F, et al.2011. Regional differences in the factors that influence China's energy-related carbon emissions, and potential mitigation strategies [J]. Energy Policy, 39(12): 7712-7718. https://doi.org/10.1016/j.enpol.2011.09.015 URL Magsci [本文引用: 2] 摘要 Energy-related carbon emissions in China have increased significantly. To mitigate these emissions, it is necessary to estimate the trends (increase or decrease) and the magnitudes of the influences (tons of carbon emitted) as a result of four causal factors that affect emissions: GDP, economic structure, energy intensity, and fuel mix. To do so, we have divided the study period into three intervals (from 1995 to 2009) based on China’s three most-recent 5-year plans. We then divided China’s 30 provinces into four categories based on the individual and net effects of these factors on carbon emissions. On this basis, we discuss potential strategies for reducing China’s carbon emissions. Increasing GDP caused the largest increase in carbon emissions, whereas decreasing energy intensity significantly decreased emissions. Changes in the economic structure increased emissions, with the economic structure becoming more carbon-intensive; efforts to optimize the fuel mix slightly decreased emissions during the first and third periods, but increased emissions during the second period. Our analysis also revealed differences between provinces and regions, allowing local managers to focus on the most important problems for their area. To reduce future energy-related carbon emissions, China’s economic structure, energy intensity, and fuel mix must all be improved.

中国碳排放的区域差异及演变特征分析与因素分解

2014

... 随着人类活动范围和强度的不断增加,人为因素对全球环境变化的重要影响也越来越受重视(Messerli et al, 2000; 陆大道, 2011).人类活动导致的能源消费量和碳排放量的不断增加被认为是近年来全球变暖的重要原因,受到政府管理人员、公众和研究者的普遍关注(张雷, 2003; 王锋等, 2010; 郝珍珍等, 2013; 高长春等, 2016; 王喜等, 2016).其中,对于碳排放格局的区域差异、时间演变和影响因素等问题的研究,是当前学术界关注的重点和热点之一(张雷等, 2010; 邓吉祥等, 2014).目前,学者们对碳排放区域差异和时间演变的关注主要集中在跨国、国家及区域尺度,特别是跨国尺度的研究是国际社会关注的重要领域,成为全球气候变化和碳排放权分配的重要依据(丁仲礼等, 2009).研究普遍认为,早期的碳排放主要来源于西方发达国家,近年来以“金砖国家”为代表的发展中国家占用了全球碳排放的主要新增份额(Boden et al, 2010; IEA, 2013).因此,经济快速增长的发展中国家受到学者们的广泛关注,中国就是其中之一.学者们以不同类型的分区或省份为研究对象,通过碳排放总量、强度、人均排放量、排放密度等指标,揭示了中国不同地区之间的碳排放格局及其时间变化.其中,省域层面数据更易获取,对区域差异的揭示也更加深入,为学者持续关注的重点(曲建升等, 2010; Zhang et al, 2011; 舒娱琴, 2012; 宋德勇等, 2013).在此基础上,还开展了针对不同区域的研究,如东中西部(徐大丰, 2010; Clarke-Sather et al, 2011)、八大经济区域(邓吉祥等, 2014)等.近年来,以典型区域或省份为对象的研究也受到关注,如长江经济带、长三角等地区(李平星等, 2013; Song et al, 2015; 黄国华等, 2016)或河南、湖南等省份(王喜等, 2016; 刘贤赵等, 2017).在碳排放时空格局演变研究的基础上,学者从自然地理条件、资源禀赋、经济社会等视角对影响因素开展研究.通常认为,经济发展水平、产业结构以及能源消费强度与结构等是影响区域综合碳排放格局的关键所在(曲建升, 2010; 康文星等, 2012; 杨骞等, 2012; 李建豹等, 2015; 黄蕊等, 2016). ...

... )、八大经济区域(邓吉祥等, 2014)等.近年来,以典型区域或省份为对象的研究也受到关注,如长江经济带、长三角等地区(李平星等, 2013; Song et al, 2015; 黄国华等, 2016)或河南、湖南等省份(王喜等, 2016; 刘贤赵等, 2017).在碳排放时空格局演变研究的基础上,学者从自然地理条件、资源禀赋、经济社会等视角对影响因素开展研究.通常认为,经济发展水平、产业结构以及能源消费强度与结构等是影响区域综合碳排放格局的关键所在(曲建升, 2010; 康文星等, 2012; 杨骞等, 2012; 李建豹等, 2015; 黄蕊等, 2016). ...

... 从已有研究看,针对中国碳排放的研究主要集中于省级或以省域数据为基础的大区域研究,所揭示的格局较为宏观(邓吉祥等, 2014).城市作为经济增长和产业发展的空间载体,其对碳排放水平的影响也同样值得关注(Stern, 2007; 李平星等, 2013; Su et al, 2014).城市间碳排放的时空格局及影响因素是研究的重点,如张秀梅等(2010)、王喜等(2016)、刘贤赵等(2017)对江苏、河南、湖南等特定省份内各市碳排放开展了比较研究.此外,全国或典型区域内城市碳排放的比较研究也受到关注,如李平星等(2013)研究了泛长三角地区城市能源消费碳排放的时空格局,但仅以工业能源消费为对象,未涵盖全部的能源消费;Su等(2014)研究了全国范围内城市碳排放的时空差异,但采用的是间接数据.可见,大区域内的城市比较研究仍然较少,有待深入. ...

中国碳排放的区域差异及演变特征分析与因素分解

2014

2050年大气CO2浓度控制: 各国排放权计算

2009

2050年大气CO2浓度控制: 各国排放权计算

2009

近20年来中国能源消费碳排放时空格局动态

2016

近20年来中国能源消费碳排放时空格局动态

2016

我国碳排放增长的驱动因素及贡献度分析

2013

我国碳排放增长的驱动因素及贡献度分析

2013

长江经济带碳排放现状及未来碳减排

2016

长江经济带碳排放现状及未来碳减排

2016

基于STIRPAT模型的江苏省能源消费碳排放影响因素分析及趋势预测

2016

基于STIRPAT模型的江苏省能源消费碳排放影响因素分析及趋势预测

2016

辽宁省能源消费和碳排放与经济增长的关系

2012

辽宁省能源消费和碳排放与经济增长的关系

2012

基于空间面板模型的碳排放影响因素分析: 以长江经济带为例

2015

基于空间面板模型的碳排放影响因素分析: 以长江经济带为例

2015

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

2013

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

2013

湖南市域化石能源消费碳排放时空格局及驱动因素

2017

湖南市域化石能源消费碳排放时空格局及驱动因素

2017

基于协整检验的江苏省碳排放强度影响因素分析

2012

... 已有研究普遍认为,碳排放总量受经济社会发展水平、能源消费总量和结构、产业结构、人口、投资等因素的影响(张雷, 2003; 王锋等, 2010; 赵欣等, 2010; 刘晓燕等, 2012; 黄蕊等, 2016).基于此,本文选用直接或间接与上述因素相关的指标,主要涉及经济总量与投资规模、工业化与城镇化发展阶段、能源消耗等3个方面,包括：地区生产总值(GDP)、工业增加值(IND)、重工业增加值(HEA)、能源消费总量(ENE)、常住人口总量(POP)、城镇化率(URB)、外商直接投资(FDI)、固定资产投资(FIX)等8项具体指标.其中,常住人口总量来源于2010年全国第六次人口普查数据,其他指标数据均根据各地2011年统计年鉴整理.考虑数据可获性,以2010年为例,采用定量分析方法揭示各因素对区域碳排放总量的影响机制. ...

基于协整检验的江苏省碳排放强度影响因素分析

2012

中国地理学的发展与全球变化研究

2011

中国地理学的发展与全球变化研究

2011

2007

我国二氧化碳排放的区域分析

2010

我国二氧化碳排放的区域分析

2010

中国能源消费碳排放的时空特征

2012

中国能源消费碳排放的时空特征

2012

中国省际碳排放空间分配研究

2013

中国省际碳排放空间分配研究

2013

中国经济发展中碳排放增长的驱动因素研究

2010

... (1) 近20年来,泛长三角地区碳排放总体格局稳中有变.其中,稳定性表现为：碳排放高值区集中在核心区16个城市,核心区碳排放量占整个区域碳排放量的比重虽先增后降,但是各年份的占比大都保持在50%以上;而变化性则主要体现在：2005年以后,外围区城市碳排放量增速明显高于核心区城市,导致外围区各城市占整个区域碳排放量的比重基本均增加,而核心区各城市以减少为主.虽然核心区大部分城市的占比有所下降,但排放量下降的不多,上海、无锡等市除外.以上海为例,虽然工业领域碳排放量在2010年出现下降(李平星等, 2013),但是全部能源消费碳排放量直到2014年才出现下降.这种演变趋势可能与产业结构优化、能源利用效率提升等有关,但具体原因还需针对性研究. ...

中国经济发展中碳排放增长的驱动因素研究

2010

河南省碳源碳汇的时空变化研究

2016

河南省碳源碳汇的时空变化研究

2016

我国碳排放结构的区域差异分析

2010

我国碳排放结构的区域差异分析

2010

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

2012

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

2012

基于遗传支持向量机的城市扩张非线性组合模型

2010

基于遗传支持向量机的城市扩张非线性组合模型

2010

经济发展对碳排放的影响

2003

经济发展对碳排放的影响

2003

中国碳排放区域格局变化与减排途径分析

2010

中国碳排放区域格局变化与减排途径分析

2010

江苏省1996 年至2007 年碳排放效应及时空格局分析

2010

江苏省1996 年至2007 年碳排放效应及时空格局分析

2010

江苏省碳排放现状及因素分解实证分析

2010

... 借鉴基尼系数概念构建空间集中度指标,用以衡量区域尺度碳排放总量及其变化的空间分布特征(马荣华等, 2007).以各年份为对象进行评价,计算公式为： ...

江苏省碳排放现状及因素分解实证分析

2010

Carbon inequality at the sub-national scale: A case study of provincial-level inequality in CO2 emissions in China 1997-2007

2011

A parallel mixture of SVMs for very large scale problems

2002

Key world energy STATISTICS 2013[R]. Paris, France:

2013

IPCC. 2008. 2006 IPCC guidelines for national greenhouse gas inventories: Volume II

2008

Global, regional, and national fossil-fuel CO2 emissions[R]. Oak Ridge, TN: Carbon Dioxide Information Analysis Center, Oak Ridge National Laboratory, U.S.

2010

From nature-dominated to human-dominated environmental changes

2000

Driving effect analysis of energy-consumption carbon emissions in the Yangtze River Delta region

2015

2007

China's 19-year city-level carbon emissions of energy consumptions, driving forces and regionalized mitigation guidelines

2014

Regional differences in the factors that influence China's energy-related carbon emissions, and potential mitigation strategies

2011

... )或河南、湖南等省份(王喜等, 2016; 刘贤赵等, 2017).在碳排放时空格局演变研究的基础上,学者从自然地理条件、资源禀赋、经济社会等视角对影响因素开展研究.通常认为,经济发展水平、产业结构以及能源消费强度与结构等是影响区域综合碳排放格局的关键所在(曲建升, 2010; 康文星等, 2012; 杨骞等, 2012; 李建豹等, 2015; 黄蕊等, 2016). ...

〈

〉

1990-2014年泛长三角地区能源利用碳排放时空格局及影响因素

Spatiotemporal patterns and influencing factors of carbon emissions in the Pan-Yangtze River Delta region, 11990-2014

1 引言

2 研究思路与主要方法

2.1 研究思路与数据核算

2.2 碳排放格局分析方法

3 泛长三角地区碳排放时空格局

3.1 碳排放总量及其区域差异

3.2 碳排放量变化的格局演变

4 泛长三角地区碳排放的影响因素

4.1 变量选择与模型构建

4.2 模型结果分析

5 结论与讨论

参考文献 文献选项 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

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