長(zhǎng)江與黃河流域碳排放效率時(shí)空演變特征及路徑識(shí)別探究

蔣培培，王 遠(yuǎn),4*，羅 進(jìn)，儲(chǔ)祥祚，伍博煒

1. 福建師范大學(xué)，濕潤(rùn)亞熱帶生態(tài)地理過(guò)程教育部重點(diǎn)實(shí)驗(yàn)室，福建 福州 350007

2. 福建師范大學(xué)地理科學(xué)學(xué)院，福建 福州 350007

3. 福建師范大學(xué)地理研究所，福建 福州 350007

4. 南京大學(xué)環(huán)境學(xué)院，污染控制與資源化研究國(guó)家重點(diǎn)實(shí)驗(yàn)室，江蘇 南京 210023

氣候變化是當(dāng)今最為廣泛和深遠(yuǎn)的全球性環(huán)境問(wèn)題[1]. 研究[2]表明，CO2等溫室氣體是全球氣候變暖的主要驅(qū)動(dòng)因素. 發(fā)展綠色低碳經(jīng)濟(jì)已是大勢(shì)所趨，為此我國(guó)提出了控制碳排放、實(shí)現(xiàn)碳中和的目標(biāo)，實(shí)現(xiàn)“雙碳”目標(biāo)關(guān)鍵在于碳排放效率[3]. 數(shù)據(jù)包絡(luò)模型(data envelopment analysis, DEA)具有無(wú)需設(shè)定具體生產(chǎn)函數(shù)形式和數(shù)據(jù)無(wú)量綱處理等特點(diǎn)，被廣泛應(yīng)用于碳排放效率研究. 如Gao等[4]利用SBM (slack based measure, SBM)模型測(cè)算了中國(guó)工業(yè)部門(mén)碳排放效率. 但DEA模型屬于靜態(tài)評(píng)價(jià)模型，僅可作決策單元效率的橫向比較，無(wú)法探究效率在不同時(shí)期的變化狀態(tài)[5]. 因此，研究2個(gè)相鄰時(shí)期效率動(dòng)態(tài)變化狀況的Malmquist指數(shù)被用于彌補(bǔ)DEA靜態(tài)研究的不足[6]. 該方法在生態(tài)效率研究中得到廣泛應(yīng)用，但在碳排放效率研究中應(yīng)用相對(duì)較少. 如王玥等[7]將DEA模型與Malmquist指數(shù)結(jié)合運(yùn)用，研究了京津冀及周邊城市的全要素生產(chǎn)率變化情況.

研究尺度上，現(xiàn)有研究主要集中在區(qū)域、省域?qū)用娴恼w性討論，對(duì)城市碳排放效率研究相對(duì)較少[8-10]. 城市作為人口與經(jīng)濟(jì)的高度集中體[11]，是CO2排放的最大來(lái)源[12]，城市碳排放效率水平很大程度上影響著國(guó)家綠色低碳發(fā)展戰(zhàn)略的實(shí)施與碳減排目標(biāo)的實(shí)現(xiàn)[13]. 城市碳排放效率是指在城市經(jīng)濟(jì)發(fā)展要素投入與產(chǎn)出特定的情況下，CO2的最小排放量[14]，其能夠準(zhǔn)確評(píng)價(jià)城市低碳經(jīng)濟(jì)發(fā)展水平，已逐漸成為低碳經(jīng)濟(jì)研究熱點(diǎn)問(wèn)題[15]. 在評(píng)價(jià)區(qū)域碳排放效率時(shí)，有必要關(guān)注城市尺度的特征及演變規(guī)律，探究城市碳減排路徑以推動(dòng)城市綠色低碳經(jīng)濟(jì)發(fā)展.

長(zhǎng)江與黃河流域是我國(guó)經(jīng)濟(jì)南北差異的典型區(qū)域[16]，也是國(guó)家戰(zhàn)略實(shí)施的主體，都強(qiáng)調(diào)流域的綠色、低碳、可持續(xù)發(fā)展，二者的低碳綠色發(fā)展水平對(duì)區(qū)域，乃至全國(guó)經(jīng)濟(jì)發(fā)展有至關(guān)重要的作用. 研究視角上，現(xiàn)有研究多集中在某一特定地理單元的碳排放效率研究，較少關(guān)注同類型地理單元間的差異化橫向比較[5]，如Zhang等[9]僅對(duì)長(zhǎng)江經(jīng)濟(jì)帶工業(yè)碳排放效率進(jìn)行了研究. 實(shí)際上，區(qū)域自然資源稟賦條件不同、區(qū)域經(jīng)濟(jì)發(fā)展不平衡，CO2排放也存在空間差異[5]. 單一地理單元的碳排放效率研究忽視了碳排放效率的空間異質(zhì)性. 因此，有必要從流域?qū)Ρ纫暯茄芯砍鞘刑寂欧判什町?，探究差異化碳減排路徑，這不僅有利于落實(shí)兩大流域生態(tài)保護(hù)與高質(zhì)量發(fā)展需求，也有利于加深對(duì)南北地區(qū)CO2排放特征的認(rèn)識(shí)，對(duì)南北區(qū)域，乃至全國(guó)低碳經(jīng)濟(jì)發(fā)展具有重要參考意義.

基于此，該研究重點(diǎn)關(guān)注同類型地理單元的區(qū)域異質(zhì)性，以長(zhǎng)江流域130個(gè)城市、黃河流域115個(gè)城市為研究對(duì)象，采用以至強(qiáng)有效前沿最小距離的點(diǎn)為投影點(diǎn)的MinDS (minimum distance to strong efficient frontier，MinDS)模型、Malmquist指數(shù)模型與隨機(jī)效應(yīng)模型，從流域間、流域內(nèi)視角對(duì)比二者碳排放效率時(shí)空演變特征、影響因素和路徑識(shí)別，以期為區(qū)域碳減排政策的制定提供參考.

1 研究方法與數(shù)據(jù)

1.1 研究方法

該研究利用3個(gè)模型探究長(zhǎng)江與黃河流域碳排放效率的動(dòng)靜態(tài)變化特征與影響因素：①M(fèi)inDS模型以至強(qiáng)有效前沿最小距離的點(diǎn)為投影點(diǎn)，通過(guò)增加約束條件將所有決策單元的參考點(diǎn)限制在同一超平面內(nèi)，以提高效率測(cè)算的準(zhǔn)確性，這可以很好地探究?jī)纱罅饔虺鞘刑寂欧判实撵o態(tài)變化特征，具體模型參考文獻(xiàn)[17]. ②采用含非期望產(chǎn)出的Malmquist指數(shù)模型[18]探究?jī)纱罅饔蛱寂欧判实臅r(shí)序動(dòng)態(tài)變化特征. ③面板回歸模型被用于進(jìn)一步探究相關(guān)影響因素對(duì)城市碳排放效率的影響機(jī)制，其模型構(gòu)建參考文獻(xiàn)[19]. 借鑒已有研究[13,19]，該研究以碳排放效率為被解釋變量，并選取5個(gè)解釋變量：①經(jīng)濟(jì)發(fā)展水平(RGDP)，以不變價(jià)格人均國(guó)內(nèi)生產(chǎn)總值表示；②產(chǎn)業(yè)結(jié)構(gòu)(IN)，以第二產(chǎn)業(yè)占GDP比重表示；③技術(shù)進(jìn)步(TE)，以單位GDP能耗表示；④城鎮(zhèn)化(UR)，以城鎮(zhèn)人口占總?cè)丝诘谋戎当硎荆虎輰?duì)外依存度(TR)，實(shí)際使用外資金額占GDP的比重表示. 為保證數(shù)據(jù)的平穩(wěn)性，減小序列異方差的影響，對(duì)各變量進(jìn)行對(duì)數(shù)處理.

1.2 指標(biāo)說(shuō)明與數(shù)據(jù)來(lái)源

該研究基于長(zhǎng)江與黃河流域的自然流域劃分與地理區(qū)位差異，參照相關(guān)研究[20]將長(zhǎng)江流域劃分為長(zhǎng)江下游(上海市、浙江省、江蘇省)、長(zhǎng)江中游(安徽省、湖北省、湖南省、江西省)、長(zhǎng)江上游(貴州省、重慶市、云南省、四川省)，黃河流域劃分為黃河下游(山東省、河南省)、黃河中游(內(nèi)蒙古自治區(qū)、陜西省、山西省)、黃河上游(甘肅省、青海省、寧夏回族自治區(qū)、四川省).

參照已有研究[1,5]，該研究選取常住人口數(shù)、資本存量、夜間燈光數(shù)據(jù)分別作為勞動(dòng)、資本、能源投入，GDP作為期望產(chǎn)出，CO2作為非期望產(chǎn)出變量. 其中，資本存量參照文獻(xiàn)[21]計(jì)算資本存量，各經(jīng)濟(jì)數(shù)據(jù)進(jìn)行2005年可比價(jià)折算.

數(shù)據(jù)主要來(lái)源于2006-2018年《中國(guó)城市統(tǒng)計(jì)年鑒》、各省份統(tǒng)計(jì)年鑒、各地級(jí)市統(tǒng)計(jì)年鑒以及國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)；城市夜間燈光數(shù)據(jù)來(lái)源于美國(guó)國(guó)家海洋和大氣管理局的國(guó)家地球物理數(shù)據(jù)中心(https://www.ngdc.noaa.gov/eog/download.html)；2005-2017年CO2數(shù)據(jù)來(lái)源于CEADs碳排放數(shù)據(jù)庫(kù)(https://www.ceads.net.cn)；部分缺失數(shù)據(jù)通過(guò)插值法進(jìn)行補(bǔ)齊.

2 結(jié)果與討論

2.1 城市碳排放效率時(shí)空演變特征

2.1.1碳排放效率時(shí)序差異

從流域整體(見(jiàn)表1)來(lái)看，2005-2017年，長(zhǎng)江與黃河流域碳排放效率平均值分別為0.785、0.747，長(zhǎng)江流域略高于黃河流域，碳排放效率總體均處于較低水平. 其中，2005-2011年，長(zhǎng)江與黃河流域碳排放效率分別由0.808、0.769降至0.756、0.721，降幅較大；2012-2017年，長(zhǎng)江與黃河流域的碳排放效率分別增長(zhǎng)0.035、0.010，漲幅較小，且長(zhǎng)江流域變幅較黃河流域大. 從流域內(nèi)部來(lái)看，長(zhǎng)江與黃河流域各流域段碳排放效率的時(shí)間變化特征與流域整體變化特征基本一致. “十一五”時(shí)期，在經(jīng)濟(jì)危機(jī)沖擊造成的產(chǎn)能下降與高消耗、高污染、高排放的粗放經(jīng)濟(jì)模式雙重作用下，碳排放效率呈下降趨勢(shì)；自2011年《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十二個(gè)五年規(guī)劃綱要》明確要求約束碳排放強(qiáng)度、提高碳排放效率以來(lái)，各地區(qū)逐漸改變重經(jīng)濟(jì)發(fā)展輕環(huán)境保護(hù)的觀念，碳排放效率得到普遍改善. 與李建豹等[22]關(guān)于長(zhǎng)江流域生態(tài)效率與長(zhǎng)江三角洲碳排放效率的研究結(jié)果基本一致.

表1 2005—2017年長(zhǎng)江與黃河流域城市碳排放效率Table 1 Carbon emission of cities in the Yangtze River Basin and the Yellow River Basin from 2005 to 2017

2.1.2碳排放效率空間格局與演化特征

2005-2017年，長(zhǎng)江流域碳排放效率總體呈下游＞上游＞中游的中間低、兩端高的空間分布格局特征，黃河流域呈下游＞中游＞上游的空間遞增分布格局特征(見(jiàn)圖1). 長(zhǎng)江流域碳排放效率高值區(qū)呈城市群集聚趨勢(shì)，低值區(qū)較分散；黃河流域低值區(qū)則以寧夏沿黃城市群為中心沿黃河干流向周邊擴(kuò)散，高值區(qū)規(guī)模較小且相對(duì)分散. 具體而言，2005-2017年，長(zhǎng)江流域碳排放效率高值區(qū)由分散到集聚，逐漸形成東部長(zhǎng)三角城市群高值區(qū)、中部長(zhǎng)株潭城市群高值區(qū)、西部成渝城市群高值區(qū)與滇中城市群高值區(qū)，低值區(qū)則分散分布于流域邊緣經(jīng)濟(jì)相對(duì)滯后地區(qū)，如四川省北部、貴州省南部. 隨著長(zhǎng)江下游地區(qū)產(chǎn)業(yè)的轉(zhuǎn)型升級(jí)與長(zhǎng)江經(jīng)濟(jì)帶協(xié)同發(fā)展的推進(jìn)，長(zhǎng)江流域相對(duì)落后的邊緣地區(qū)的土地、環(huán)境承載力、勞動(dòng)力等要素的比較優(yōu)勢(shì)逐漸凸顯，成為承接產(chǎn)業(yè)轉(zhuǎn)移的重要陣地和高碳產(chǎn)業(yè)的“污染天堂”[23]. 黃河流域城市碳排放效率低值區(qū)以寧夏沿黃城市群為中心沿黃河上游干流向周邊呈擴(kuò)散趨勢(shì)，逐漸形成上游沿黃河低值區(qū)與晉中城市群低值區(qū)；高值區(qū)則規(guī)模相對(duì)較小且分散，如膠東城市圈高值區(qū)、川南城市群高值區(qū). 西部大開(kāi)發(fā)戰(zhàn)略推動(dòng)黃河中下游地區(qū)淘汰的高能耗、高排放資源型產(chǎn)業(yè)轉(zhuǎn)移到資源豐富、環(huán)境約束少的黃河上游地區(qū)，使得上游沿黃河區(qū)域逐漸成為高碳產(chǎn)業(yè)的“避難所”，阻礙了碳排放效率的提升[24]；而晉中城市群多為煤炭資源型城市，對(duì)煤炭資源依賴較大，產(chǎn)業(yè)升級(jí)困難，城市轉(zhuǎn)型難度高，從而使城市碳排放效率較低[25].

圖1 2005年、2010年、2015年、2017年長(zhǎng)江與黃河流域碳排放效率的空間分布格局演變Fig.1 Evolution of spatial distribution pattern of carbon emission in the Yangtze River Basin and Yellow River Basin in 2005,2010, 2015 and 2017

2.1.3碳排放效率動(dòng)態(tài)分析

2005-2017年長(zhǎng)江與黃河流域碳排放效率Malmquist指數(shù)均大于1，生產(chǎn)率變化呈上升趨勢(shì)，年均增長(zhǎng)3.9%左右. 長(zhǎng)江與黃河流域技術(shù)進(jìn)步指數(shù)(表征技術(shù)革新能力)平均值均大于1，年均增幅較大，分別為4.2%、4.4%；技術(shù)效率指數(shù)(表征要素組合、管理水平)均小于1，年均衰退分別為0.2%與0.5%(見(jiàn)表2). 技術(shù)進(jìn)步是兩大流域城市碳排放效率提升的主要內(nèi)生動(dòng)力，而技術(shù)效率變化對(duì)碳排放效率的提升作用不顯著甚至起抑制作用，與趙爽等[26]關(guān)于長(zhǎng)江經(jīng)濟(jì)帶工業(yè)碳排放效率的研究結(jié)果基本相同. 從流域內(nèi)部來(lái)看，長(zhǎng)江與黃河流域內(nèi)部的碳排放效率Malmquist指數(shù)及其分解指數(shù)存在較大差異. 黃河流域碳排放效率生產(chǎn)率內(nèi)部差異較長(zhǎng)江流域大，長(zhǎng)江上游地區(qū)的碳排放效率Malmquist指數(shù)累積增長(zhǎng)(52.5%)最大，長(zhǎng)江中游地區(qū)(43.6%)最??；黃河中游地區(qū)碳排放效率Malmquist指數(shù)累積增長(zhǎng)(52.5%)最大，黃河上游地區(qū)最小(41.7%). 技術(shù)進(jìn)步在長(zhǎng)江與黃河流域各流域段中扮演著積極的角色，而技術(shù)效率變化在長(zhǎng)江與黃河各流域段中表現(xiàn)不同. 值得注意的是，黃河上游與中游技術(shù)效率退步較長(zhǎng)江流域大，這與黃河流域上游與中游城市相對(duì)滯后的低碳經(jīng)濟(jì)水平、特殊的能源資源稟賦、高能耗產(chǎn)業(yè)結(jié)構(gòu)等因素直接相關(guān)[27]. 因此，針對(duì)技術(shù)效率變化與技術(shù)進(jìn)步在各流域段的差異，科學(xué)制定改進(jìn)措施，使技術(shù)效率逐步成為促進(jìn)地區(qū)城市碳排放效率提升的重要源泉.

表2 2005—2017年長(zhǎng)江與黃河流域Malmquist指數(shù)及其分解指數(shù)Table 2 Malmquist index and its decomposition index from 2005 to 2017

2.2 碳排放效率城市類型與影響因素探究

2.2.1城市類型劃分

參照文獻(xiàn)[28]，根據(jù)Malmquist指數(shù)年均值、技術(shù)效率指數(shù)年均值與技術(shù)進(jìn)步指數(shù)年均值可將長(zhǎng)江流域130個(gè)城市與黃河流域的115個(gè)城市劃分為6種類型(見(jiàn)表3).

表3 城市類型劃分原則與特征內(nèi)涵Table 3 Principles and characteristics of urban type division

由圖2可見(jiàn)，效率驅(qū)動(dòng)改善型(XQ型)城市多位于長(zhǎng)江中上游與黃河下游地區(qū)，如武漢市、長(zhǎng)沙市等.該類城市的資源整合利用水平、碳排放管理技術(shù)水平等均高于區(qū)域其他城市，但技術(shù)進(jìn)步表現(xiàn)并不突出. 效率制約退步型(XZ型)城市多出現(xiàn)在黃河中上游經(jīng)濟(jì)相對(duì)落后區(qū)域，如中衛(wèi)市、石嘴山市等，長(zhǎng)江流域則相對(duì)較少. 該類城市因相對(duì)偏遠(yuǎn)且封閉的地理區(qū)位，經(jīng)濟(jì)發(fā)展相對(duì)落后，碳排放量較少，且低碳管理技術(shù)水平較低. 技術(shù)驅(qū)動(dòng)改善型(JQ型)城市多為區(qū)域經(jīng)濟(jì)增長(zhǎng)中心城市，如上海市、無(wú)錫市等. 該類城市的低碳技術(shù)遠(yuǎn)高于區(qū)域整體水平，但由于資源要素過(guò)度集聚導(dǎo)致要素投入增長(zhǎng)的邊際作用減弱，從而制約了規(guī)模效率的增長(zhǎng)和技術(shù)效率的提升[29]. 技術(shù)制約退步型(JZ型)城市相對(duì)較少，主要分布于長(zhǎng)江中上游地區(qū)與區(qū)域次中心區(qū)，如重慶市、南京市等. 該類城市的碳排放技術(shù)進(jìn)步增長(zhǎng)速度低于區(qū)域整體水平，且低碳技術(shù)進(jìn)步與創(chuàng)新速度滯后于其經(jīng)濟(jì)增長(zhǎng)的速度. 技術(shù)-效率雙制約退步型(J-XZ型)城市分布廣泛，一部分分布在資源富集區(qū)(大同市、臨汾市等)，該類城市以高能耗重工產(chǎn)業(yè)為主，碳排放技術(shù)效率與技術(shù)進(jìn)步無(wú)法追趕上碳排放量的累積增長(zhǎng)量；另一部分多為次中心城市(杭州市、寧波市等)，集聚效應(yīng)遠(yuǎn)不如周邊的經(jīng)濟(jì)增長(zhǎng)中心，人才、技術(shù)、管理等經(jīng)濟(jì)發(fā)展要素外流，規(guī)模優(yōu)勢(shì)減弱. 技術(shù)-效率雙驅(qū)動(dòng)改善型(J-XQ型)城市多分布在長(zhǎng)江上游、黃河上游與下游地區(qū)，多為區(qū)域經(jīng)濟(jì)增長(zhǎng)中心，如成都市、西安市、煙臺(tái)市、包頭市等，不僅具有優(yōu)勢(shì)的經(jīng)濟(jì)本底資源，還具有相對(duì)成熟的綠色低碳產(chǎn)業(yè)與技術(shù)，對(duì)周邊地區(qū)的經(jīng)濟(jì)社會(huì)發(fā)展具有極大帶動(dòng)作用.

圖2 長(zhǎng)江流域與黃河流域各城市類型分布情況Fig.2 Distribution of urban types in the Yangtze River Basin and the Yellow River Basin

2.2.2碳排放效率影響因素分析

為探究影響因素的異質(zhì)性，該研究分別從流域與城市類型兩個(gè)視角進(jìn)行面板回歸分析. Hausman檢驗(yàn)結(jié)果接受了個(gè)體差異部分的擾動(dòng)項(xiàng)和解釋變量不相關(guān)的原假設(shè)，因此采用隨機(jī)效應(yīng)模型進(jìn)行回歸分析，回歸結(jié)果如表4所示. 為確保結(jié)果的可靠性，通過(guò)剔除2005年與2017年來(lái)壓縮樣本時(shí)間來(lái)檢驗(yàn)影響因素穩(wěn)健性[30]. 檢驗(yàn)結(jié)果顯示，各變量的回歸系數(shù)、方向均未發(fā)生較大變化，研究結(jié)果通過(guò)穩(wěn)健性檢驗(yàn)，具有較高的可信性.

表4 不同類型城市碳排放效率的影響因素面板回歸結(jié)果Table 4 Panel regression results of carbon emission's influencing factors in different types of cities

從流域視角來(lái)看，經(jīng)濟(jì)發(fā)展水平對(duì)長(zhǎng)江與黃河流域的碳排放效率為顯著正影響，而單位GDP能耗對(duì)長(zhǎng)江與黃河流域碳排放效率為顯著負(fù)影響，即如果其他因素不變，單位GDP能耗每降低1個(gè)單位，長(zhǎng)江與黃河流域碳排放效率將分別提高0.082與0.156，與李建豹等[22]研究結(jié)果相似. 這說(shuō)明經(jīng)濟(jì)發(fā)展水平與降低單位GDP能耗對(duì)提高區(qū)域，特別是資源型經(jīng)濟(jì)為主體的黃河流域的碳排放效率具有重要意義.

從城市類型來(lái)看，城鎮(zhèn)化對(duì)XQ型城市碳排放效率為顯著正影響，是影響該類城市碳排放效率提升的主要因素. 城鎮(zhèn)化過(guò)程中的人口、資源城鎮(zhèn)化與產(chǎn)業(yè)集聚化帶來(lái)的正和博弈推動(dòng)了資源利用效率的提升，從而提高碳排放效率. 對(duì)于XZ型城市，第二產(chǎn)業(yè)占GDP比重對(duì)其為顯著負(fù)影響，是該類城市碳排放效率退步的主要因素. 對(duì)于JQ型城市，經(jīng)濟(jì)發(fā)展水平、單位GDP能耗對(duì)其均為顯著負(fù)影響，城鎮(zhèn)化對(duì)其為顯著正影響. 其中，經(jīng)濟(jì)發(fā)展水平與碳排放效率的異向變化與該類城市的技術(shù)進(jìn)步驅(qū)動(dòng)特點(diǎn)有關(guān)，即技術(shù)進(jìn)步不僅能提高碳排放效率，也會(huì)降低碳排放成本，從而增加CO2排放需求，由此引發(fā)碳排放效率“回彈效應(yīng)”，阻礙碳排放效率的提升[23]. 對(duì)于JZ型城市，影響其碳排放效率提升的主要因素是經(jīng)濟(jì)發(fā)展水平與第二產(chǎn)業(yè)占GDP比重，而第二產(chǎn)業(yè)占GDP比重與單位GDP能耗則是影響J-XZ型城市碳排放效率變化的重要因素；同時(shí)，經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)與技術(shù)進(jìn)步是推動(dòng)J-XQ型城市碳排放效率提升的主要因素. 綜上，經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)與技術(shù)進(jìn)步對(duì)城市碳排放效率的提升具有至關(guān)重要的作用，是影響眾多城市碳排放效率的普遍因素，與多數(shù)研究結(jié)果[19,24]相似.

3 結(jié)論與建議

a) 2005-2017年，長(zhǎng)江與黃河流域碳排放效率平均值分別為0.785、0.747，碳排放效率均處于較低水平，兩大流域整體與各流域段的碳排放效率具有明顯先降后升的“U”型演進(jìn)特征. 兩大流域城市碳排放效率受政策影響較大，制定有效的碳減排和效率提升政策是提高區(qū)域低碳水平的關(guān)鍵.

b)空間分布格局上，長(zhǎng)江流域碳排放效率總體呈下游＞上游＞中游的中間低、兩端高空間分布格局特征，黃河流域則呈下游＞中游＞上游的空間遞增格局特征，空間演化特征明顯. 碳排放效率的空間差異和不均衡現(xiàn)象與地區(qū)資源要素稟賦的比較優(yōu)勢(shì)有密切聯(lián)系，因此制定差異化的效率提升策略十分必要.碳排放效率高值區(qū)應(yīng)保持低碳經(jīng)濟(jì)發(fā)展優(yōu)勢(shì)，加強(qiáng)低碳技術(shù)與低碳產(chǎn)業(yè)的創(chuàng)新發(fā)展，主動(dòng)為低值區(qū)提供技術(shù)、人才等支持，加快低碳經(jīng)濟(jì)發(fā)展要素在區(qū)域間流動(dòng)與配置；碳排放效率低值區(qū)則應(yīng)在充分利用資源、環(huán)境比較優(yōu)勢(shì)的基礎(chǔ)上，積極學(xué)習(xí)先進(jìn)的低碳技術(shù)與管理經(jīng)驗(yàn)，加快地區(qū)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，謹(jǐn)防成為高碳產(chǎn)業(yè)的“避難所”.

c) 兩大流域碳排放效率Malmquist指數(shù)均呈上升趨勢(shì)，這主要得益于技術(shù)進(jìn)步的內(nèi)生驅(qū)動(dòng)而非技術(shù)效率的改善. 因此，應(yīng)提高資源配置效率、充分發(fā)揮效率“要素”作用，使技術(shù)效率逐步成為促進(jìn)地區(qū)城市碳排放效率提升的重要源泉；同時(shí)還應(yīng)加大低碳技術(shù)投資，用于關(guān)鍵與核心低碳技術(shù)的創(chuàng)新，以確保技術(shù)進(jìn)步對(duì)碳排放效率提升地持續(xù)驅(qū)動(dòng).

d)從流域來(lái)看，經(jīng)濟(jì)發(fā)展水平與低碳技術(shù)水平是影響兩大流域碳排放效率提升的共同因素，長(zhǎng)江流域碳排放效率提升還受限于城鎮(zhèn)化水平. 經(jīng)濟(jì)發(fā)展水平是碳排放效率提升的重要物質(zhì)基礎(chǔ)，不僅能為區(qū)域碳減排政策的實(shí)施提供資金支持，同時(shí)也能為碳排放效率提升提供人才、技術(shù)、管理保障. 因此，兩大流域應(yīng)基于當(dāng)前發(fā)展優(yōu)勢(shì)與特色，不斷壘實(shí)地區(qū)經(jīng)濟(jì)基礎(chǔ)，加大低碳技術(shù)研發(fā)力度，提升低碳創(chuàng)新能力，促進(jìn)低碳技術(shù)的有效外溢. 在此基礎(chǔ)上，長(zhǎng)江流域還應(yīng)注重控制人口數(shù)量，提高人口素質(zhì)，提升人才占比，從而解決人口帶來(lái)的碳排放效率下降問(wèn)題. 從城市類型來(lái)看，經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)與低碳技術(shù)水平是影響眾多城市碳排放效率變化的普遍因素，但又存空間異質(zhì)性. 針對(duì)影響因素的空間異質(zhì)性，在制定低碳發(fā)展政策時(shí)，不僅要將各區(qū)域和各城市主體視為一個(gè)有機(jī)整體，建立統(tǒng)一的協(xié)調(diào)發(fā)展機(jī)制，充分發(fā)揮流域整體的比較優(yōu)勢(shì)；還要考慮流域的內(nèi)部分異，因地制宜、分類施策，探究最有利于自身效率提升的路徑.

e) MinDS-Malmquist模型測(cè)算結(jié)果為相對(duì)值，無(wú)法體現(xiàn)流域碳排放效率的真實(shí)水平；其次，結(jié)果的準(zhǔn)確度與指標(biāo)數(shù)據(jù)的規(guī)范性有關(guān)，我國(guó)“自上而下”的數(shù)據(jù)統(tǒng)計(jì)模式使得城市尺度數(shù)據(jù)口徑存在一定差異，加之指標(biāo)間多重共線性的影響，導(dǎo)致結(jié)果可能存在一定偏差. 因此，未來(lái)加大對(duì)數(shù)據(jù)規(guī)范性與指標(biāo)共線性的重視可以使區(qū)域碳排放效率研究更加科學(xué)嚴(yán)謹(jǐn).