中國省際碳排放極化格局研究

肖黎姍 王 潤 楊德偉 孫艷偉 劉 健

(1．中國科學院城市環(huán)境研究所，中國科學院城市環(huán)境與健康重點實驗室，福建廈門361021;2．廈門市城市代謝重點實驗室，福建 廈門361021)

中國省際碳排放極化格局研究

肖黎姍1，2王 潤1，2楊德偉1，2孫艷偉1，2劉 健1，2

(1．中國科學院城市環(huán)境研究所，中國科學院城市環(huán)境與健康重點實驗室，福建廈門361021;2．廈門市城市代謝重點實驗室，福建 廈門361021)

溫室氣體減排是減緩氣候變化的重要途徑。由于資源、勞動力、資本和技術等要素的差異，我國社會經濟發(fā)展不平衡，碳減排的潛力也各不同。文章在計算中國省際碳排放的基礎上，運用基尼系數(shù)和空間自相關的方法，刻畫了1990年到2007年中國省際碳排放時空分布格局和聚集程度，有利于設立合理的長期減排目標和戰(zhàn)略，實現(xiàn)碳排放空間的公平分配，促進區(qū)域協(xié)調發(fā)展。研究表明，碳總量和碳強度都呈現(xiàn)正的空間自相關性，在局部空間上出現(xiàn)了高值的聚集現(xiàn)象。碳強度的極化現(xiàn)象比碳總量更加嚴重。文章最后根據(jù)區(qū)域經濟發(fā)展，資源稟賦，碳排放聚集等，因地制宜地提出了碳排放區(qū)劃方案。區(qū)劃結果顯示出資源豐裕程度與碳強度的關系，有利于實施差異化的減排戰(zhàn)略，實現(xiàn)經濟發(fā)展與碳排放脫鉤。

空間自相關;極化格局;碳聚集;碳排放區(qū)劃

氣候變化正日益成為全球各國面臨的巨大挑戰(zhàn)，對人群健康、社會經濟發(fā)展和生態(tài)系統(tǒng)服務產生深遠影響［1］。各國應對氣候變化的行動力度正日益加強。歐盟、金磚四國以及美國都從國家尺度提出了應對氣候變化的戰(zhàn)略和減排目標，區(qū)域、城市以及社區(qū)層面的氣候規(guī)劃和減緩方案也逐漸興起和完善［2－4］。國際社會已經達成共識，持續(xù)的碳減排是積極應對氣候變化的重要措施［5］。國際能源機構的數(shù)字顯示，2007年中國人均碳排放量雖然不到美國的1/3，但首次超過世界平均水平。1990年中國碳排放總量占世界的10．54%，到2007年則上升到20．81%，略高于美國。中國碳排放的研究引起國內外學者廣泛關注［6－15］，就碳排放特征、累積碳排放、碳公平測度、演變趨勢、驅動機制和政策模擬等進行了研究，涉及時間、部門和空間三個維度，但是研究仍然主要集中在碳排放的數(shù)量增長方面［16］。21世紀以來，國際間的碳公平問題逐漸成為研究的熱點，被視為制定氣候變化政策和國際間碳減排責任的談判的重要依據(jù)之一［17－20］。

中國承諾到2020年全國單位國內生產總值CO2排放要比2005年下降40% －45%。十二五期間，單位國內CO2排放要降低17%。碳排放水平是由一個國家或地區(qū)的技術水平、富裕程度、能源結構、經濟結構、人口結構等因素共同決定的，在不同的發(fā)展階段，這些因素對碳排放量的影響作用也不盡相同［21－22］。我國地域廣闊，能源格局和社會經濟發(fā)展存在顯著區(qū)域差異，間接導致區(qū)域碳排放特征和減排潛力的差異，但是在研究中鮮有將空間維度的影響加以考慮。因此，有必要綜合利用經濟學和空間統(tǒng)計的方法進一步研究區(qū)域性的碳排放公平問題。

本文分析碳排放的階段性和區(qū)域性特點，研究碳排放的空間格局和演變趨勢，探索區(qū)域聚集特點和極化現(xiàn)象。本研究包括兩個目的:第一，摸清碳減排的潛力，為區(qū)域碳減排提供理論依據(jù)，實現(xiàn)差異化的減排戰(zhàn)略;第二，探索碳排放空間的公平分配，促進區(qū)域協(xié)調發(fā)展，有助于保持經濟平穩(wěn)較快發(fā)展，并為低碳社會的實現(xiàn)路徑提出決策參考。

1 研究方法

1．1 碳排放計算方法

IPCC為碳排放計算提供了兩種方法，分別是參考方法(亦稱基準方法，Reference Approach)和部門方法(Sectoral Approach)［23］。參考方法是一種自上而下的方法，僅考慮總體的能源使用而忽略各種能源在不同部門的消耗情況，該方法的計算公式為:

其中，Ei為能源活動水平，efi為碳排放系數(shù)，Oi為氧化系數(shù)，i為某種能源種類是CO與碳的分子量之比。2

部門方法采用自下而上的方法，對各部門的能源消耗情況進行逐一計算，在計算時更強調部門信息的細化和計算。相比而言，參考方法更加簡便快捷。一般來說，兩種方法的計算結果差異在5%以內，而且這兩種方法所得到的碳排放趨勢是一致的［24］。由于源數(shù)據(jù)，方法和排放邊界的差異，不同機構計算出來的碳排放量略有不同，與各國官方報告的數(shù)據(jù)也有所區(qū)別?？紤]到系統(tǒng)誤差的存在，碳排放趨勢比絕對量更可靠。為刻畫碳排放的年際和時空變化趨勢，本文采用參考方法進行碳排放的計算?；A數(shù)據(jù)來源于中國能源統(tǒng)計年鑒、中國統(tǒng)計年鑒。碳排放系數(shù)采用國家發(fā)改委能源研究所“中國可持續(xù)發(fā)展能源暨碳排放情景分析”中的數(shù)據(jù)［25－26］。

1．2 基尼系數(shù)

基尼系數(shù)是經濟學中判斷居民收入分配差異的最常用的指標，表示人口比例與收入比例的關系［27］，用以靜態(tài)地表征社會財富的分配情況。隨著碳公平問題的日益凸顯，碳基尼系數(shù)作為碳排放公平性的有效測度工具，近年來在國際上得到應用［17－20］。本文利用基尼系數(shù)來研究區(qū)域碳排放分布的不均衡性，基尼系數(shù)的計算采用梯形面積法，計算公式如下:

其中，xi是評估指標的累計比例;yi是碳排放的累計比例。本研究中，xi采用GDP的累積比例計算。yi采用碳總量和碳強度進行計算。

一般來說，基尼系數(shù)小于0．2表示絕對平均，0．2－0．3之間表示比較平均，0．3 －0．4 之間為相對合理，0．4 －0．5為差距較大，0．5以上表示差距懸殊。

1．3 空間自相關

基尼系數(shù)可以表征個別地區(qū)碳排放出現(xiàn)極值的情況，但是無法反映空間關系和結構，如聚集程度［28］。因此，研究采用空間自相關方法分析碳排放的空間分布特征。空間自相關是基于地理學第一定理，分析同一個變量在不同位置上的相關性，可分為全局自相關和局部自相關。全局自相關表示某一地理屬性在整個研究區(qū)域的空間特征，從整體上對區(qū)域的空間相關性進行平均度量，而局部自相關則表示某一單元與鄰近單元的地理屬性的空間相關性，可判定其空間異質性和局部聚集程度［29－34］。利用GEODA軟件建立權重矩陣。

利用Global Moran'I來衡量全局自相關性，用公式(3)表示。

利用Local Moran'I來衡量局域自相關，用公式(4)表示。

其中，n是空間單元數(shù)目，xi和xj是空間單元i和j的屬性值，Wij是權重系數(shù)矩陣，表示各空間單元鄰近關系。

Moran'I取值范圍為［－1，1］，(0，1］表示該空間屬性具有正相關性，［－1，0)表示該空間事物的屬性分布具有負相關性，0表示空間隨機分布。

2 結果與討論

2．1 碳排放基尼系數(shù)

利用公式(1)計算了1990－2007年間各省份的碳排放狀況，包括碳總量和碳強度，在此基礎上，計算碳排放基尼系數(shù)(見圖1)。在1990－2007年間，碳總量經歷了持續(xù)性的穩(wěn)步增長，增加了1．72倍;而碳強度則降低了49．2%，各省碳強度在經歷了劇烈的降低之后，在2000年之后，下降的速度有所減緩。

從基尼系數(shù)可以看出，碳總量在全國各省區(qū)的排放比較平均，從20世紀90年代至今，基尼系數(shù)增加了18%，但是2000年之后，7年間僅增加了1．9%。全國各省份碳強度差距懸殊，基尼系數(shù)始終在0．5以上，雖然2000年后處于穩(wěn)定的狀態(tài)，但是仍比1990年增加了22%，說明碳強度的空間不均衡性在2000年后更加凸顯。大量研究表明，經濟增長是碳排放的主要驅動因子，在經濟發(fā)展的不同階段，碳排放與經濟發(fā)展水平呈現(xiàn)不同的形態(tài)［21，35］。碳強度的基尼系數(shù)及其增速均高于碳總量，進一步驗證了各省區(qū)經濟發(fā)展不平衡的加劇。

圖1 中國各省區(qū)碳總量和碳強度基尼系數(shù)Fig．1 Gini coefficients of total carbon emission and carbon intensity

2．2 碳排放空間自相關

2．2．1 全局空間自相關分析

利用公式(2)和(3)得出Global Moran's I的時間序列變化(見圖2)。從20世紀90年代至今，碳總量和碳強度都顯示出較強的空間自相關性。碳總量的Global Moran's I總體上比較平穩(wěn)，但略有上升，特別是進入2000年后，碳總量的空間正相關性有所增加，空間聚集效應日益凸顯。碳強度則呈現(xiàn)明顯的波動，出現(xiàn)了先下降后上升的趨勢。在空間聚集上，碳總量和碳強度也呈現(xiàn)出很大不同。在2000年之后，碳總量的空間聚集程度略高于碳強度的聚集程度。

2．2．2 局部自相關分析

為了更清晰的展示碳總量和碳強度格局的時空演變，利用LISA圖來表示各主要年份的區(qū)域屬性的相互關系(見圖3)。高值聚集High－High表示某區(qū)域與其相鄰區(qū)域的有較高的聚集效應，高值區(qū)鄰近區(qū)域仍舊是高值區(qū);低值聚集Low－Low表示有較低的聚集效應，低值區(qū)鄰近區(qū)域仍然是低值區(qū);表征為High－High和Low－Low的區(qū)域均表明相鄰區(qū)域具有比較高的空間自相關。高低聚集High－Low和低高聚集Low－High表明某區(qū)域與其相鄰區(qū)域存在較大差異，出現(xiàn)了空間負相關。

圖2 中國碳總量和碳強度全局自相關系數(shù)Fig．2 Globalmoran's Iof total carbon emission and carbon intensity

圖3 中國碳總量和碳強度的LISA聚集圖(1990，2007)Fig．3 LISA clustermap of total carbon emission and carbon intensity(1990，2007)

從圖3可見，1990年碳總量的高值有一個相對“離散”的聚集區(qū)域，集中在內蒙古，吉林，河北，河南和山東。而在2007年，高值聚集區(qū)域集中在河北，河南，山西和山東的環(huán)形區(qū)域。1990年碳強度高值聚集區(qū)域集中在內蒙古，黑龍江，吉林，遼寧，河北，山西，陜西和甘肅。碳強度2007年高值聚集的區(qū)域比1990年縮小，最顯著的變化是東北地區(qū)碳強度高值區(qū)減弱了，高值集聚區(qū)域轉移到內蒙古，甘肅和陜西三省。東南部省份經濟發(fā)展和碳排放水平決定了1990年和2007年廣東省始終處于碳強度低值聚集區(qū)。

2．3 碳排放時間演變和空間分布規(guī)律

在碳排放基尼系數(shù)分析基礎上，通過空間自相關方法，可以分析碳排放的區(qū)域極化現(xiàn)象，闡釋碳排放的空間分布特征和演變規(guī)律。

近20年來，中國碳總量和碳強度聚集區(qū)域都發(fā)生了變化，這與國家的區(qū)域經濟布局(見圖4)及能源消費戰(zhàn)略有很大關系。1990年碳總量最高的5個省份是遼寧、山東、河北、山西和黑龍江，2007年，碳總量最高的5個省份是山東、山西、河北、河南和江蘇。碳總量的區(qū)域變化導致了2007年碳總量的高值聚集區(qū)比1990年更為集中。在20世紀90年代初，東北地區(qū)以能源重工業(yè)為主導，能源消耗較大，導致碳強度最高。到2007年，東北老工業(yè)基地經濟發(fā)展速度放緩，GDP比重占全國的比例從12%下降到8%，同時隨著山西和內蒙等能源大省的興起，東北的碳強度在全國的區(qū)域格局上出現(xiàn)相對下降。因此，東北地區(qū)碳強度聚集程度逐漸降低，到2007年處于全國中等水平。由于產業(yè)結構，經濟發(fā)展和技術進步等原因，江蘇、廣東、福建和浙江省雖然2007年比1990年的碳總量格局更加靠前，處于第二梯隊，但是碳強度始終比較低，導致了廣東省為碳強度低值聚集區(qū)?？傮w而言，碳強度北方高于南方，中西部地區(qū)高于經濟比較發(fā)達的東部地區(qū)。

碳總量和碳強度都出現(xiàn)了明顯的空間分異特征，尤其是碳強度在區(qū)域經濟發(fā)展的背景下，出現(xiàn)了極大的省際不平衡，較之20世紀90年代，這種不平衡性還在進一步擴大。與此同時，碳排放出現(xiàn)局部的高值的聚集現(xiàn)象。

圖4 省際GDP所占比重(1990年，2007年)Fig．4 GDP proportion in provinces(1990，2007)

2．4 碳排放區(qū)劃

1990－2007年，我國的區(qū)域碳排放產生了動態(tài)變化。因此，制定碳減排策略時，應充分考慮到經濟發(fā)展，資源稟賦，碳排放的聚集程度以及能源供給情況。本研究結合碳強度的區(qū)域聚集特征分析，從宏觀上對碳排放進行區(qū)劃(見表1)，有利于實行差異化的減排戰(zhàn)略，以期實現(xiàn)經濟發(fā)展與碳排放脫鉤。

根據(jù)區(qū)劃結果，碳排放與能源自給率存在一定關系，利用最小二乘法(OLS)對能源自給率和排放度進行擬合(見圖5)。擬合結果表明，能源自給率和碳強度二者呈顯著正相關，相關系數(shù)為0．689。能源自給率越高的省份，碳強度也比較高，能源自給率對碳強度的解釋能力為47．4%。碳總量的分布比較離散，雖然隨著能源自給率的提高略有增加，但增加的趨勢不如碳強度的明顯，對碳排放的解釋能力較差(見圖5)。

在資源匱乏地區(qū)，經濟發(fā)展反而比較快，往往伴隨著較低的碳排放水平，分布在以東部沿海地區(qū)為代表的Ⅰ類區(qū);資源豐裕地區(qū)，經濟發(fā)展相對滯后，碳排放水平較高，分布在以內蒙古，山西等能源大省為代表的Ⅲ區(qū)。主要原因在于:①人口，經濟增長和能源消費是碳排放的主要驅動力［25，36］。人口和經濟增長的趨勢導致對碳排放貢獻逐漸增加。能源消費在能源結構和能源強度方面，對碳排放起著重要作用;②資源對經濟發(fā)展有正反兩方面作用。資源豐裕地區(qū)的經濟發(fā)展水平普遍落后于資源匱乏地區(qū)，這是傳統(tǒng)的“資源詛咒(Resource curse)”理論的內涵［37－38］。伴隨著各地區(qū)制度，技術和產業(yè)結構的調整和差異，自然資源對許多地區(qū)的經濟發(fā)展并沒有起到推動作用;③資源豐裕地區(qū)的經濟發(fā)展模式屬于資源依賴型，對勞動和資本等要素具有擠出效應，使得各種經濟要素向資源型行業(yè)流動，極大助長了高碳行業(yè)的發(fā)展快速;加上自身的資源豐度，能源利用模式也比較粗放，間接導致碳排放的增加。以山西省為例，作為碳排放的大省，產業(yè)結構的重化工傾向日益增加，2007年重工業(yè)總產值占工業(yè)比重達到93．9%。資源豐裕地區(qū)的碳排放總體上高于資源匱乏地區(qū)。在氣候變化與低碳經濟的的背景下，資源豐裕地區(qū)的社會經濟發(fā)展將受到嚴峻的挑戰(zhàn)。

表1 碳排放區(qū)劃方案Tab．1 Carbon Emission Regionalization in China

因此，應根據(jù)碳減排分析的區(qū)劃結果，制定差異性的區(qū)域碳減排目標和碳減排戰(zhàn)略。在碳排放Ⅰ區(qū)，能源自給率低，碳強度低的經濟發(fā)達地區(qū)，現(xiàn)階段由于低碳能源的開發(fā)成本高于傳統(tǒng)能源，需要大量資金投入和政策傾斜。這些地區(qū)以發(fā)展低碳能源為主，在新能源的資金、技術和制度上創(chuàng)造發(fā)展條件。實施可持續(xù)的能源發(fā)展戰(zhàn)略，有利于發(fā)展低碳經濟，并切實保障能源安全。在碳排放Ⅱ區(qū)，新能源的優(yōu)勢并不明顯，因此還應該著眼于改變經濟增長方式，促進產業(yè)升級和能源集約利用，降低經濟增長對能源的依賴，切實提高能源效率和能源服務水平。在能源自給率高、碳強度高、經濟相對落后的碳排放Ⅲ區(qū)，利用資源豐裕度提高生產力，實現(xiàn)資源紅利，擺脫“資源詛咒”。同時，大力開發(fā)清潔煤技術，改變能源粗放利用的模式，提高單位能源的服務價值，使生產要素自由流動，加強資源的正效應。在太陽能和風能比較豐富的省份，還可利用東部發(fā)達地區(qū)的資金，為可再生能源發(fā)展助力。

圖5 能源自給率與碳排放關系(2007)Fig．5 Relationship between energy self-sufficient rate and carbon emission(2007)

3 結論

在碳排放核算的基礎上，利用經濟學的基尼系數(shù)方法和地理學的空間自相關的方法，分析了碳排放的時空演變特征，主要結論如下:

(1)碳強度在各省份之間出現(xiàn)了極化現(xiàn)象，碳強度的差異尤為懸殊。碳排放在空間上出現(xiàn)了局部的高值區(qū)聚集現(xiàn)象。但從時間上看，2007年碳總量的高值聚集區(qū)比1990年更加集中，碳強度的高值聚集區(qū)隨著東北地區(qū)的變動而縮小。

(2)針對碳排放及其聚集程度，對碳排放進行區(qū)劃。碳排放區(qū)劃與資源豐裕程度有很大相關性。資源豐裕地區(qū)出現(xiàn)了類似于“資源詛咒”的現(xiàn)象，碳強度普遍較高，而資源匱乏地區(qū)碳強度反而低。

(3)由于經濟，資源，勞動力，資本，技術等要素的差異，我國不同區(qū)域之間的碳減排潛力不同，減排方向也不同。因此應針對不同區(qū)劃結果在含碳能源利用和新能源開發(fā)上應各有側重，才能實現(xiàn)碳強度的下降。

本文探討了碳排放的時間和空間兩個基本要素，分析了區(qū)域間的碳公平及其在空間上的差異，有效反映了碳排放的空間聚集演變。在未來研究中可進一步探究其成因。這將有利于減緩氣候變化的影響，實現(xiàn)區(qū)域協(xié)調發(fā)展和可持續(xù)發(fā)展的總體目標。

(編輯:田 紅)

References)

［1］石龍宇，崔勝輝．氣候變化對城市生態(tài)系統(tǒng)的影響研究進展［J］．環(huán)境科學與技術，2010，33(6E):193 －197．［Shi Longyu，Cui Shenghui．Research Progressof Climate Change Effects on Urban Ecosystem［J］．Environmental Science ＆ Technology，2010，33(6E):193－197．］

［2］Progress Report of the Interagency Climate Change Adaptation Task Force［EB/OL］．［2010 －12 － 15］．http://www．whitehouse．gov/sites/default/files/microsites/ceq/Interagency-Climate-Change-Adaptation-Progress-Report．pdf

［3］Biesbroek G R，Swartt R J，Carter T R，et al．Europe Adapts To Climate Change:Comparing National Adaptation Strategies［J］．Global Environmental Change，2010，20(3):440－450．

［4］Kithiia J，Dowling R．An Integrated City-level Planning Process to Address the Impacts of Climate Change in Kenya:The Case of Mombasa［J］．Cities，27(6):466 －475．

［5］Elisabeth M H，Nicole G．Urban Form and Climate Change:Balancing Adaptation and Mitigation in the U S and Australia［J］．Habitat International，2009，33(3):238 －245．

［6］胡初枝，黃賢金，鐘太洋，等．中國碳排放特征及其動態(tài)演進分析［J］．中國人口·資源與環(huán)境，2008，18(3):38－42．［Hu Chuzhi，Huang Xianjin，Zhong Taiyang，et al．Character of Carbon Emission in China and Its Dynamic Development Analysis［J］．China Population，Resources and Environment，2008，18(3):38 －42．］

［7］Shobhakar D．Urban Energy Use and Carbon Emissions from Cities in China and Policy Implications［J］．Energy Policy，2009，37(11):4208－4219．

［8］朱永彬，王錚，龐麗，等．基于經濟模擬的中國能源消費與碳排放高峰預測［J］．地理學報，2009，64(8):935－944．［Zhu Yongbin，Wang Zheng，Pang Li，et al．Simulation on China's Economy and Prediction on Energy Consumption and Carbon Emission under Optimal Growth Path［J］．Acta Geographica Sinica，2009，64(8):935 －944．］

［9］Li J，Colombier M．Managing Carbon Emissions in China Through Building Energy Efficiency［J］．Energy Policy，2009，90(8):2436－2447．

［10］查冬蘭，周德群．地區(qū)能源效率與二氧化碳排放的差異性:基于 Kaya因素分解［J］．系統(tǒng)工程，2007，25(11):65－71．［Zha Donglan，Zhou Dequn．The Inequality about Provincial Energy Efficiency and Its Related CO2Emission:Decomposition Based on Kay［J］．Systems Engineering，2007，25(11):65 －71．］

［11］陳紅敏．包含工業(yè)生產過程碳排放的產業(yè)部門隱含碳研究［J］．中國人口·資源與環(huán)境，2009，19(3):25－30．［Chen Hongmin．Analysis on Embodied CO2Emissions Including Industrial Process Emissions［J］． China Population， Resources and Environment，2009，19(3):25 － 30．］

［12］岳超，胡雪洋，賀燦，等．1995－2007年我國省區(qū)碳排放及碳強度的分析［J］．北京大學學報:自然科學版，2010，46(4):510 － 516．［Yue Chao，Hu Xueyang，He Canfei，et al．Provincial Carbon Emissions and Carbon Intensity in China from 1995 to 2007［J］．Acta Scientiarum Naturalium Universitatis Pekinensis，2010，46(4):510 －516．］

［13］Solveig G，Wei T．Coal Cleaning:A Viable Strategy for Reduced Carbon Emissions and Improved Environment in China［J］．Energy Policy，2005，33(4):525－542．

［14］滕飛，何建坤，潘勛章，等．碳公平的測度:基于人均歷史累積排放的碳基尼系數(shù)［J］．氣候變化研究進展，2010，6(6):449 － 455．［ Teng Fei，He Jiankun，Pan Xunzhang．How to Measure Carbon Equity:Carbon Gini Index Based on Historical Cumulative Emission Per Capita［J］．Advances in Climate Change Research，2010，6(6):449 －455．］

［15］Lin JY，Cao B，CuiSH，etal．Evaluating Effectiveness of Xiamen City's Local Measures for Energy Conservation and GHG Mitigation［J］．Energy Policy，2010，38(9):5123 －5132．

［16］張雷，黃園淅，李艷梅，等．中國碳排放區(qū)域格局變化與減排途徑分析［J］．資源科學，2010，32(2):211－217．［Zhang Lei，Huang Yuanxi，Li Yanmei， et al． An Investigation on Spatial Changing Pattern of CO2Emissions in China［J］．Resources Science，2010，32(2):211 －217．］

［17］Padilla E，Serrano A．Inequality in CO2Emissions Across Countries and Its Relationship with Income Inequality:A Distributive Approach［J］．Energy Policy，2006，34(14):1762 －1772．

［18］Groot L．Carbon Lorenz Curves［J］． Resource and Energy Economics，2010，32(1):45 －64．

［19］Duro JA，Padilla E．International Inequalities in Per Capita CO2Emissions:A Decomposition Methodology by Kaya Factors［J］．Energy Economics，2006，28(2):170－187．

［20］Mark T H，Quentin TW．Future Inequality in CO2Emissions and the Impactof Abatement Proposals［J］．Environmental and Resource Economics，2000，17(2):163 －181．

［21］魏一鳴，劉蘭翠，范英，等．中國能源報告(2008):碳排放研究［M］．北京:科學出版社，2008．［Wei Yiming，Liu LanYing，F(xiàn)an Ying，et al．China Energy Report(2008):CO2Emissions Research［M］．Beijing:Science Press，2008．］

［22］Hoffer M I，Calderia K，Jain A K，et al．Energy Implications of Future Stabilization of Atmospheric CO2Content［J］．Letters to Nature，1998，395(10):881－884．

［23］IPCC．Revised 1996 IPCC Guidelines for National Greenhouse Gas Inventories［EB/OL］．［2010 －10 －20］．http://www．ipccnggip．iges．or．jp/public/gl/invs1．html．

［24］IEA．CO2Emissions from Fuel Combustion(2009)［EB/OL］．［2010 －12 －5］http://www．iea．org/

［25］徐國泉，劉則淵，姜照華．中國碳排放因素分解模型及實證研究:1995－2004［J］．中國人口·資源與環(huán)境，2006，16(6):158－ 161．［Xu Guoquan， Liu Zeyuan， Jiang Zhaohua．Decomposition Model and Empirical Study of Carbon Emissions for China，1995 － 2004［J］． China Population， Resources and Environment，2006，16(6):158 －161．］

［26］國家發(fā)改委能源研究所．中國可持續(xù)發(fā)展能源暨碳排放情景分析綜合報告［R］．國家發(fā)改委能源研究所，2003．［Energy Research Institute National Development and Reform Comission．China Sustainable Energy and Carbon Emission Scenarios Report［R］．Energy Research Institute National Development and Reform Comission，2003．］

［27］吳悅穎，李云生，劉偉江．基于公平性的水污染物總量分配評估方法研究［J］．環(huán)境科學研究，2006，19(2):66－70．［Wu Yingyue，Li Yunsheng，Liu Weijiang．Study on Gini Coefficient Method of Total Pollutant Load Allocation for Water Bodies［J］．Research of Environmental Sciences，2006，19(2):66 －70．］

［28］Tsai Y H．Quantifying Urban Form:Compactness Versus Sprawl［J］．Urban Studies，2005，42(1):141 －161．

［29］趙小風，黃賢金，張興榆，等．區(qū)域COD、SO2及TSP排放的空間自相關分析:以浙江省為例［J］．環(huán)境科學，2009，30(6):1580 － 1587．［Zhao Xiaofeng，Huang Xianjin，Zhang Xingyu et al．Application of Spatial Autocorrelation Analysis to the COD，SO2and TSP Emission in Jiangsu Province［J］．Environmental Science，2009，30(6):1580 －1587．］

［30］王勁峰，等．空間分析［M］．北京:科學出版社，2006．［Wang Jinfeng，et al．Spatial Analysis［M］．Beijing:Science Press，2006．］

［31］孟斌，王勁峰，張文忠，等．基于空間分析方法的中國區(qū)域差異研究［J］．地理科學，2005，25(4):393 －400．［Meng Bin，Wang Jinfeng，Zhang Wenzhong，et al．Evaluation of Regional Disparity in China Based on Spatial Analysis［J］．Scientia Geographica Sinica，2005，25(4):393 －400．］

［32］高凱，周志翔，楊玉萍．長江流域土地利用結構及其空間自相關分析［J］．長江流域資源與環(huán)境，2010，19(Z1):13 －20．［Gao Kai，Zhou Zhixiang，Yang Yuping．Land Use Structure and its Spatial Autocorrelation Analysis in the Yangtze River Basin［J］．Resources and Environment in the Yangtze Basin，2010，19(Z1):13 －20．］

［33］Anselin L．Exploring Spatial Data with GeoDa:A Workbook．http://sal．agecon．uiuc．edu/

［34］曹志冬，曾大軍，鄭曉龍，等．北京市SARS流行的特征與時空傳播規(guī)律［J］．中國科學:地球科學，2010，40(6):776－788．［Cao Zhidong，Zeng Dajun，Zheng Xiaolong，etal．Spatio-temporal Evolution of Beijing 2003 SARS Epidemic［J］．Scientia Sinica(Terrae)，2010，40(6):776－788．］

［35］中國可持續(xù)發(fā)展戰(zhàn)略研究組．中國可持續(xù)發(fā)展戰(zhàn)略報告(2009)［M］．北京:科學出版社，2009．［China's Sustainable Development Research Group．2009 Strategic Report:China's Sustainable Development［M］．Beijing:Science Press，2009．］

［36］主春杰，馬忠玉，王燦．中國能源消費導致的CO2排放量的差異特征分析［J］．生態(tài)環(huán)境，2006，15(5):1029－1034．［Zhu Chunjie，Ma Zhongyu，Wang Can．Analysis of Difference Features of Energy-related CO2Emission in China［J］． Ecology and Environment，2006，15(5):1029 －1034．］

［37］Stijns J C．Natural Resource Abundance and Economic Growth Revisited［J］．Resources Policy，2005，30(2):107 －130．

［38］徐康寧，王劍．自然資源豐裕程度與經濟發(fā)展水平關系的研究［J］．經濟研究，2006，41(1):78－89．［Xu Kangning，Wang Jian．An Empirical Study of A Linkage Between Natural Resource Abundance and Economic Development［J］．Economic Research，2006，41(1):78 －89．］

Polarization Pattern of Carbon Em ission in China's Provinces

XIAO Li-shan1，2WANG Run1，2YANG De-wei1，2SUN Yan-wei1，2LIU Jian1，2
(1．Institute of Urban Environment，Key Lab of Urban Environment and Health，Chinese Academy of Sciences，Xiamen Fujian 361021，China;2．Xiamen Key Lab of Urban Metabolism，Xiamen Fujian 361021，China)

The reduction of greenhouse gas emissions is an important aspect of climate change impacts mitigation．Due to the differentiation of natural and labor resources，capital and technology，China has experienced an imbalance in social and economic development，which means that carbon reduction potential differs among regions．This paper calculates total carbon emissions and carbon intensity in China．The Gini coefficient and spatial autocorrelation were utilized to analyze regional polarization and local cluster characteristics of carbon emissions in China during 1990 and 2007，with a view to promoting carbon reduction equality and coordinated regional development of a long-term carbon reduction goal．The result illustrated a positive spatial autocorrelation at the national level，and local carbon clusters were demonstrated，especially for carbon intensity．The regionalization results also showed a closed relationship with energy self-sufficient rate．We put forward a carbon emission proposal according to regional characteristics，resources and carbon cluster，along with a spatial differential strategy to achieve carbon reduction and decouple China's carbon emissions from economic growth．

spatial autocorrelation;polarization pattern;carbon cluster;carbon emission regionalization

K902

A

1002－2104(2011)11－0021－07

10．3969/j．issn．1002－2104．2011．11．004

2011－06－31

肖黎姍，碩士，主要研究方向為生態(tài)環(huán)境管理。

王潤，研究員，主要研究方向為氣候變化適應性政策與對策。

國家自然科學基金項目(編號:41001098);廈門市科技項目(編號:Y0G5831D30)。