［提要］ 基于河南省18个城市碳排放量数据，借助ArcGIS技术对碳排放量的时空分布进行研究，采用地理探测器方法对碳排放量的空间分布进行因子探测分析。结果表明：河南省碳排放量整体上呈增长趋势；地区生产总值和社会消费品零售总额两个因子主要驱动碳排放的空间分异，常住人口数的解释力度最小；双因子交互作用对碳排放的影响均大于单因子的影响，其中第二产业比重与固定资产投资的交互效应最大。
关键词：碳排放；空间分布；地理探测器；驱动因子
中图分类号：F127；F222 文献标识码：A
收录日期：2023年4月12日
引言
随着世界各国经济的快速发展，能源消耗和碳排放量不断增加，全球气候变暖的问题日渐严重。作为全球最大温室气体排放国，中国首次提出节能减排的目标，也在国际上承诺2030年左右实现碳达峰，2060年前实现碳中和。中国幅员辽阔，每个省份的经济发展水平、人口规模、产业结构及能源效率等各不相同，因此为尽早实现低碳减排的目标，需要对碳排放量的时空特征和影响因素进行具体分析。
关于碳排放时空格局方面的研究，程叶青、王哲野等采用空间自相关分析和空间面板计量模型，探讨全国30个省区1997～2010年的能源消费碳排放强度的时空特征及其主要影响因素，得出结论为空间集聚是中国能源消费碳排放强度的特征，且集聚程度不断增强。蔡博峰、王金南等认为中国北方城市的二氧化碳排放量高于南方城市，东部城市高于中部和西部的城市。赵巧芝、闫庆友等研究发现中国30个省份的碳排放强度有着下降的趋势，空间集聚性呈现高水平集中、低水平集聚的特征，空间溢出效应不断增强。而王瑛、何艳芬通过测算二氧化碳排放量，使用自然分割点法对每个省碳排放量进行分类，分析其空间差异化的特征，结果显示我国碳排放总量整体呈上升趋势，各省域碳排放的特征主要是高高集聚和低高集聚。
关于碳排放影响因素方面的研究，主要研究方法有STIRPAT模型法、LMDI因素分解法和空间模型等。
综上所述，目前大多数学者以中国省域为基本空间单元对碳排放时空格局进行研究，然而这些研究的成果只对大区级别的减碳具有指导意义，但就某一个省而言，其市域甚至县域之间的碳排放差异却被忽略。目前的研究对于较为微观的市县域层面的碳排放研究较少，不利于减碳减排在更为微观的层面展开。河南省作为全国能源消耗大省和人口大省，对其市域尺度的碳排放进行研究，不仅宏观上为河南省的碳减排提供一定的理论依据，也在微观上有利于促进中国减碳事业的发展。
一、研究方法与数据来源
（一）地理探测器。地理探测器适用于分析具有异质性的对象，不仅能有效识别单个因子对因变量差异的影响，还可以判断两个因子是否有交互作用，及交互作用的强弱。首先对河南省碳排放量的时间序列及空间分布特征进行描述性分析，然后采用地理探测器方法对河南省2017年18个城市碳排放空间分异的驱动因素进行探测分析，以识别碳排放量的主导因素，进而正确认识河南省二氧化碳排放量的情况，为实现科学减排提供参考。因子探测旨在探测因变量的空间分异性，以及各因子对因变量空间分异性的解释程度，用q统计量来表示，具体的表达式为：
q=1-■=1-■ （1）
SSW=■Nhσ2h （2）
SST=Nσ2 （3）
式中，q的值域为［0，1］，值越大，Y的空间分异性越明显，极端情况下，q值为1表明因子X完全解释Y的空间分布，q值为0表明因子X与Y没有任何关系；h=1，2，…，L为因子X或Y的分层；N和Nh分别为全区和层h的单元数；σ2和σ2h分别为全区和层h的方差。SSW可理解为层内方差之和，SST则是全区总方差。
交互探测器是用来判断两因子共同作用是否会增强或减弱对因变量Y的解释力，以及增强多少或减弱多少，或者这些因子对Y的影响是否相互独立。两因子交互作用结果可分为5类，如表1所示。（表1）
（二）指标选取。从人口规模、经济发展和产业结构3个维度选取以下5个变量：（1）常住人口数，记作pop。已有研究表明，人口与碳排放之间存在密切的相关性，随着各个城市年末常住人口的增加，带来的日常生活、经济支出、资源消耗等结果使得城市碳排放上升。（2）地区生产总值，记作gdp。（3）固定资产投资，记作fai。总投资的快速增长会驱动经济粗放式发展导致碳排放强度的增加。（4）社会消费品零售总额，记作trs。对于居民消费能力越强的城市，其对碳排放量的贡献程度可能就会越高。（5）第二产业比重，记作is。第二产业是衡量城市产业结构的一个重要指标，其比重越大，碳排放量可能就越高。
（三）数据来源。采用河南省市域尺度的碳排放量数据，最终样本为17个地级市和1个省直辖县级市，合计18个城市。碳排放量的数据来自《中国碳核算数据库》，常住人口数、地区生产总值、固定资产投资和社会消费品零售总额4个变量的数据来源于《河南省统计年鉴2018》，第二产业比重的数据来源于2017年各个市的《国民经济和社会发展统计公报》。
地理探测器的适用条件是自变量为类型变量，因此使用自然断点法将5个自变量均分为5类。
二、河南省碳排放量时空特征分析
（一）碳排放量的时间序列变化。对河南省整体碳排放情况进行分析，如图1所示。1997～2017年碳排放总量整体呈增长趋势，碳排放量从1997年的175.86×106t上升到2017年的551.30×106t，20年上升了375.44×106t，增长了2.13倍；增长速度整体呈先上升后下降的趋势，年平均增长速度为5.88%。（图1）
（二）碳排放量的空间分布特征。首先，采用ArcGIS软件绘制出2017年河南省18个城市碳排放量的空间分布图。由图2可以看出，碳排放量最多的地区是郑州市，这是因为郑州市是河南省的省会城市，相较于其他城市，郑州市的经济比较发达，各个行业都有着很高的固定资产投资，居民有着强烈的消费需求和意愿。其次，碳排放较多的地区是南阳、洛阳、平顶山、周口、商丘、新乡和安阳七个市。然后，碳排放量处于中等程度的城市就是开封市、焦作市、许昌市、驻马店市和濮阳市，开封市、焦作市和许昌市紧邻省会郑州市，其发展也会受到省会城市的影响，但因其常住人口数、地区面积和经济地位等都不及郑州，消耗的二氧化碳量也就少，总面积排名第四的驻马店市和因油而建、因油而兴的濮阳市，其人口结构都是以农村人口为主，两市的发展潜力正在挖掘中。碳排放量最少的是鹤壁市和济源市，这两个市的人口数和总面积在河南省是排名最后的，气候都是属暖温带季风气候，其环境空气质量优良。（图2）
三、实证分析结果
（一）因子探测结果。首先使用皮尔逊相关系数方法分析碳排放与5个自变量之间的线性关系，并在研究中增加灰色相关分析以识别两组随机变量之间的几何相似性，确定它们是否密切相关，结果如表2所示。（表2）
由皮尔逊相关系数可得，线性相关程度从大到小排序为社会消费品零售总额（trs）>地区生产总值（gdp）>固定资产投资（fai）>常住人口数（pop）>第二产业比重（is）。其中，社会消费品零售总额、地区生产总值、固定资产投资、常住人口数与碳排放量之间的相关系数均大于0.8，属于极强相关；第二产业比重与碳排放量之间的系数介于0.4和0.6之间，属于中度相关。
灰色关联分析表明，5个自变量的灰色关联度都较高且数值非常接近，自变量与因变量之间的相关性大小排序为：地区生产总值>常住人口数>固定资产投资>社会消费品零售总额>第二产业比重。但是，皮尔逊和灰色关联分析忽略了空间层次结构中的差异问题，而地理探测器能从空间异质性视角反映数据中的空间差异，分析河南省18个城市碳排放空间分布的驱动因素。
因子探测结果表明，5个自变量均通过显著性检验。换言之，这5个自变量是影响碳排放量空间分布的重要驱动因素，对碳排放空间分布的解释力按降序排列依次是地区生产总值>社会消费品零售总额>固定资产投资>第二产业比重>常住人口数。由于空间分异，q值基本都低于皮尔逊相关系数，高于灰色关联度的得分，表明变量之间的相关度已根据空间异质性进行了调整。
在这5个自变量中，地区生产总值（0.886）的因子解释力最大；其次是社会消费品零售总额（0.874），它是观察消费水平最重要的指标之一，碳排放量的提高，居民的消费能力在一定程度上作出了贡献；第三和第四分别是固定资产投资和第二产业比重，与皮尔逊相关系数和灰色关联结果相比，因子探测结果中固定资产投资的q值（0.843）与地区生产总值、社会消费品零售总额的q值（0.886、0.874）很接近，说明了地理探测器可以更好地结合空间异质性来解释城市碳排放的分布差异与影响因素之间的关系；常住人口数（0.652）的因子解释力最小，从人口学的角度分析，常住人口数不等同于总人口，其中很大部分人因为外出务工或者上学，因此常住人口数更多的是影响未来的碳排放量。
（二）交互作用探测。利用交互探测器确定影响市级碳排放量空间分布的各个因子的交互作用。5个因子的交互作用共产生10对结果。由表3可知，5个独立自变量交互作用后产生了双因子增强的效果。从q值来看，第二产业比重与固定资产投资的交互作用最强（0.954），然后是第二产业比重与社会消费品零售总额（0.953），第二产业比重与地区生产总值（0.951）。其他因子之间的交互作用均弱于第二产业比重与这3个因子之间的交互作用，充分说明了第二产业比重与其他因素结合最能影响碳排放量的空间分布。（表3）
结合因子探测结果可以判断出，5个影响因素都是影响碳排放量空间分布的重要因子，其中各个城市第二产业比重的不同是碳排放量空间分布差异的本质原因，但是不同城市的碳排放量依然取决于各个社会经济因素。
四、结论及建议
基于1997～2017年河南省18个城市的碳排放量数据，对其时间序列趋势进行描述性分析，并对碳排放量及其影响因素的空间分布特征进行研究，进一步采用地理探测器方法对2017年河南省18个城市碳排放量的空间分布进行了因子探测分析。结果表明：（1）近年来，河南省碳排放量整体上呈上升趋势，增长速度呈先上升后下降的趋势，表现出明显的阶段特征。（2）碳排放量最高的城市是郑州市，其次就是豫中地区的平顶山市、豫西地区的洛阳市和豫南地区的南阳市。（3）因子探测结果表明，地区生产总值、社会消费品零售总额、固定资产投资、第二产业比重和常住人口数是影响河南省18个城市碳排放量的重要因素。其中，地区生产总值和社会消费品零售总额是主要解释因子，常住人口数的解释力度最小。（4）交互作用结果显示，河南省碳排放量增加是经济社会等要素共同作用的结果，双因素相互作用对碳排放的影响均大于单因素的影响，其中第二产业比重和固定资产投资的交互效应最大，其次是第二产业比重与社会消费零售总额、地区生产总值。
为响应国家的号召，早日实现碳达峰、碳中和的目标，提出以下建议：（1）优化产业结构。第二产业中的工业是能源消耗最多的产业，也是碳排放量最多的产业，对全球环境和气候的破坏越来越严重。因此，要想减少碳排放，需要合理调节三大产业之间的比重，将发展第一产业和第二产业的资金技术全部投入到第三产业中，使三大产业之间扬长避短、相互促进，达到良性循环的效果。（2）实现经济转型。粗放式的经济增长方式带来了一系列的环境问题。因此，要积极实现经济转型，使经济发展方式由粗放式转向集约型，实现经济增长与碳减排的良性互动。（3）培养低碳人才。从近年来低碳经济的发展态势来看，低碳人才将会成为社会中的稀缺人才，但是拥有低碳研发技术的人才数量并不多。这就要求国家与政府相关部门加强对低碳人才的培养，提高社会对低碳人才的接纳程度，发展高技术含量的低碳产业。
（作者单位：西安财经大学统计学院）
主要参考文献：
［1］程叶青，王哲野，张守志，叶信岳，姜会明.中国能源消费碳排放强度及其影响因素的空间计量［J］.地理学报，2013.68（10）.
［2］蔡博峰，王金南，杨姝影，毛显强，曹丽斌.中国城市CO2排放数据集研究——基于中国高空间分辨率网格数据［J］.中国人口·资源与环境，2017.27（02）.
［3］赵巧芝，闫庆友，赵海蕊.中国省域碳排放的空间特征及影响因素［J］.北京理工大学学报（社会科学版），2018.20（01）.
［4］王瑛，何艳芬.中国省域二氧化碳排放的时空格局及影响因素［J］.世界地理研究，2020.29（03）.
［5］杨骞，刘华军.中国二氧化碳排放的区域差异分解及影响因素——基于1995～2009年省际面板数据的研究［J］.数量经济技术经济研究，2012.29（05）.
［6］田娟娟，张金锁.基于地理探测器的中国碳排放时空分布特征及驱动因素研究［J］.生态经济，2022.38（07）.
［7］姜磊，陈星宇，朱竑.中国城市养老院的空间分布特征及其分异成因［J］.地理学报，2021.76（08）.
|
