長江經(jīng)濟(jì)帶不同等級(jí)城市碳排放的時(shí)空演變及其影響因素

王兆峰，李 竹，吳 衛(wèi)

湖南師范大學(xué)旅游學(xué)院，湖南 長沙 410081

2020 年9 月，習(xí)近平主席在第七十五屆聯(lián)合國大會(huì)一般性辯論上鄭重宣布“中國將提高國家自主貢獻(xiàn)力度，采取更加有力的政策和措施，力爭2030 年前二氧化碳排放達(dá)到峰值，努力爭取2060 年前實(shí)現(xiàn)碳中和”[1].目前，我國經(jīng)濟(jì)和能源結(jié)構(gòu)轉(zhuǎn)型緩慢、城鎮(zhèn)化發(fā)展迅猛，從而產(chǎn)生大量CO2，因此實(shí)現(xiàn)“雙碳”目標(biāo)任重道遠(yuǎn).我國以化石能源為主導(dǎo)的經(jīng)濟(jì)發(fā)展模式短期內(nèi)難以改變，能源系統(tǒng)碳排放量較大[2].城市是區(qū)域碳排放的主要來源，不僅消耗全世界60%～80%的能源，且CO2等溫室氣體排放量約占全世界70%以上，已成為減碳任務(wù)中的“主陣地”[3].長江經(jīng)濟(jì)帶城鎮(zhèn)化進(jìn)程的加速導(dǎo)致能源消耗增長，增加了城市碳排放，其碳排放總量約占全國城市碳排放總量的37.50%[4].區(qū)域間經(jīng)濟(jì)社會(huì)發(fā)展不充分不均衡導(dǎo)致其減排需求、能力和責(zé)任均存在一定差異[5].因此，探討長江經(jīng)濟(jì)帶不同等級(jí)城市碳排放的時(shí)空演變特征及其影響因素對(duì)制定共同但有差別的碳減排行動(dòng)方案具有重要的指導(dǎo)意義.

隨著城市碳排放研究的開展，國內(nèi)外學(xué)者主要從以下幾個(gè)方面進(jìn)行了相關(guān)研究：①城市能源角度，如量化城市CH4排放量[6]；②城市經(jīng)濟(jì)發(fā)展角度，如分析城市經(jīng)濟(jì)增長與碳排放的環(huán)境庫茲涅茨曲線[7]；③地理空間特征角度，如探討CO2排放量與城市形態(tài)之間的關(guān)系[8]；④城市交通角度，如研究交通污染物排放對(duì)城市環(huán)境的影響[9]；⑤城市社會(huì)發(fā)展角度，如討論家庭規(guī)模對(duì)人均CO2排放量的影響[10]；⑥政府政策角度，如分析環(huán)境規(guī)制與碳排放的關(guān)系[11].目前，城市碳排放測算方法主要有夜間燈光數(shù)據(jù)反演法[12]和IPCC 國家溫室氣體清單法[13]等.縱觀國內(nèi)外碳排放的研究現(xiàn)狀，多以國家[14]和省域[15]為研究區(qū)域，少以城市為研究區(qū)域，且利用長時(shí)間連續(xù)序列的夜間燈光數(shù)據(jù)、采用中觀層面視角和分析不同等級(jí)城市的相關(guān)研究較為鮮見.雖有少數(shù)研究討論了全國及各省份的環(huán)境規(guī)制對(duì)碳排放的影響，但在城市尺度的相關(guān)研究中缺少環(huán)境因素分析.根據(jù)地理學(xué)第一定律，地理事物或?qū)傩栽诳臻g分布上互為相關(guān)，且相近事物的關(guān)聯(lián)更緊密，因此城市碳排放可能具有空間交互效應(yīng)和空間溢出效應(yīng).目前，使用空間計(jì)量方法分析碳排放影響因素的研究較少，且鮮有從空間互動(dòng)關(guān)系的角度探討其對(duì)碳排放的直接和間接影響.

鑒于此，該研究選擇長江經(jīng)濟(jì)帶中觀尺度下城市層面為研究區(qū)域，采用2000—2019 年DMSP_OLS和NPP_VIIRS 夜間燈光數(shù)據(jù)模擬其碳排放，并利用空間自相關(guān)分析探討長江經(jīng)濟(jì)帶整體和各等級(jí)城市碳排放的時(shí)空演變特征，在已有研究的基礎(chǔ)上進(jìn)一步考察環(huán)境因素對(duì)城市碳排放的影響作用，最后利用空間面板杜賓模型對(duì)比分析長江經(jīng)濟(jì)帶整體和不同等級(jí)城市碳排放的直接和間接影響因素，以期為城市碳排放及其影響因素的研究提供新的視角，也為實(shí)現(xiàn)長江經(jīng)濟(jì)帶碳達(dá)峰和碳中和目標(biāo)以及制定差異化的減碳行動(dòng)方案提供重要的理論參考和科學(xué)依據(jù).

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源和指標(biāo)說明

能源消費(fèi)核算法只能用于估算全國或各省份等大尺度碳排放，不能用于估算城市等中小尺度碳排放，運(yùn)用夜間燈光數(shù)據(jù)反演法可以彌補(bǔ)這一不足[3].夜間燈光數(shù)據(jù)已被廣泛用于經(jīng)濟(jì)、社會(huì)和地理等相關(guān)研究領(lǐng)域，目前使用較多的有DMSP_OLS 和NPP_VIIRS[16].因此，該研究采用DMSP_OLS (2000—2013 年)和NPP_VIIRS (2013—2019 年)夜間燈光數(shù)據(jù)，數(shù)據(jù)來源于美國國家海洋和大氣管理局(NOAA,National Oceanic and Atmospheric Administration)下的國家地球物理數(shù)據(jù)中心(NGDC,National Geophysical Data Center) (https://ngdc.noaa.gov/eog/download.html)和地球 觀測小組(EOG,Earth Observation Group) (https://eogdata.mines.edu/products/vnl).

各省份能源消費(fèi)量數(shù)據(jù)(不包括西藏自治區(qū)和港澳臺(tái)地區(qū)數(shù)據(jù))主要來源于2001—2020 年《中國能源統(tǒng)計(jì)年鑒》，主要包括原煤、焦炭、洗精煤、其他洗煤、原油、汽油、柴油、煤油、燃料油、天然氣、煉廠干氣、液化石油氣、焦?fàn)t煤氣、其他煤氣、熱力和電力等.

該研究中長江經(jīng)濟(jì)帶不同等級(jí)城市的分類標(biāo)準(zhǔn)參考文獻(xiàn)[17].為了能更好地厘清長江經(jīng)濟(jì)帶不同等級(jí)城市碳排放的時(shí)空演變特征，現(xiàn)將長江經(jīng)濟(jì)帶內(nèi)城市劃分為3 個(gè)等級(jí)，分別為大型城市(包括超大城市、特大城市、Ⅰ型大城市和Ⅱ型大城市)、中型城市(中等城市)、小型城市(包括Ⅰ型小城市和Ⅱ型小城市).

參考已有研究，并考慮研究區(qū)域數(shù)據(jù)的可獲得性，考察以下8 個(gè)因素對(duì)長江經(jīng)濟(jì)帶碳排放的影響：人口規(guī)模(POP，104人)，選取年末總?cè)丝赱4]；經(jīng)濟(jì)發(fā)展(GDP，104元)，選取各城市地區(qū)生產(chǎn)總值[4]；產(chǎn)業(yè)結(jié)構(gòu)(IS，%)，選取第二產(chǎn)業(yè)占地區(qū)生產(chǎn)總值比例[18]；城鎮(zhèn)化率(CU，%)，選取城鎮(zhèn)人口與總?cè)丝诘谋戎礫19].另外，已有研究提出科學(xué)技術(shù)水平[20]和環(huán)境規(guī)制[21]對(duì)碳排放具有影響，因此該研究加入這兩類指標(biāo).科學(xué)技術(shù)水平(SD，%)，選用科技支出占總支出的比值；環(huán)境規(guī)制(SC，%)，從環(huán)境污染的角度考慮，包括水、土地和空氣，因此指標(biāo)分別選擇城鎮(zhèn)生活污水處理率(SC1，%)、生活垃圾無害化處理率(SC2，%)和建成區(qū)綠化覆蓋率(SC3，%)表征.影響因素主要來源于2001—2020 年《中國城市統(tǒng)計(jì)年鑒》、各省份和各地級(jí)市統(tǒng)計(jì)年鑒以及2000—2019 年國民經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)，缺失數(shù)據(jù)采用鄰近年份數(shù)據(jù)插值法補(bǔ)充；另外，如甘孜藏族自治州、阿壩藏族羌族自治州和西雙版納傣族自治州等部分地區(qū)由于缺失數(shù)據(jù)過多而不納入統(tǒng)計(jì)樣本.

1.2 研究方法

1.2.1 夜間燈光數(shù)據(jù)處理

由于兩套數(shù)據(jù)空間分辨率不同，需要將其進(jìn)行融合.首先，校正DMSP_OLS 年度數(shù)據(jù)，利用NPP_VIIRS月度數(shù)據(jù)計(jì)算年度數(shù)據(jù)并進(jìn)行降噪處理[22].其次，取兩套數(shù)據(jù)重合年份(2013 年)測算估計(jì)系數(shù)a和b[23].Yu 等[24]提出，為使DMSP_OLS 和NPP_VIIRS 影像更接近，可采用對(duì)數(shù)變換，該處理方式可較好地抑制核心區(qū)域內(nèi)像元值劇烈變化.該研究采用式(1)對(duì)NPP_VIIRS 夜間燈光數(shù)據(jù)進(jìn)行對(duì)數(shù)變換處理，其中DNi為像元i的原始值，ln TDNi為處理后的像元i的亮度值[23].使用冪函數(shù)對(duì)處理過的2013 年DMSP_OLS和NPP_VIIRS 夜間燈光數(shù)據(jù)進(jìn)行擬合[25]，獲得估計(jì)系數(shù)a和b，分別為69.19 和0.92；兩套數(shù)據(jù)擬合優(yōu)度R2值為0.95，表明擬合結(jié)果較為合理.最后，利用式(2)將處理過的VIIRS 年度數(shù)據(jù)擬合成DMSP 年度數(shù)據(jù)，并進(jìn)行連續(xù)性校正[22]，得到2000—2019 年DMSP 年度數(shù)據(jù)集.

式中：DNi為像元i的原始值；ln TDNi為處理后的像元i的亮度值；a和b為估計(jì)系數(shù)，分別取69.19 和0.92；TDMSP 為擬合后DMSP 年度數(shù)據(jù).

1.2.2 城市碳排放模擬

目前，已有研究常采用各省級(jí)尺度能源消費(fèi)數(shù)據(jù)計(jì)算碳排放量并擬合夜間燈光數(shù)據(jù)(不包括西藏自治區(qū)和港澳臺(tái)地區(qū)數(shù)據(jù))[26].基于能源消費(fèi)的各省級(jí)碳排放量的計(jì)算公式如式(3)所示[26].

式中：CFyj為第y年j地區(qū)碳排放量，kg；En為第n類能源的消費(fèi)量，單位為kg 或m3或kW·h；βn為第n類能源標(biāo)準(zhǔn)煤折算系數(shù)，單位為kg/kg(以C 計(jì))或kg/m3(以C 計(jì))或kg/(kW·h)(以C 計(jì))，來源于《中國能源統(tǒng)計(jì)年鑒》；Bn為IPCC 提供的第n類能源碳排放系數(shù)，kg/kg(以C 計(jì))[27]，其中熱力和電力相關(guān)系數(shù)參考文獻(xiàn)[28].

根據(jù)2000—2019 年校正后夜間燈光數(shù)據(jù)和能源消費(fèi)數(shù)據(jù)估算碳排放量，發(fā)現(xiàn)長江經(jīng)濟(jì)帶整體和各省級(jí)碳排放量具有階段性特征，呈早期快速增長，后期逐漸變緩的特征，與杜海波等[26]的研究結(jié)果相似.因此，該研究在參考已有研究[26]的基礎(chǔ)上，建立不考慮截距項(xiàng)的校正后夜間燈光數(shù)據(jù)與能源消費(fèi)數(shù)據(jù)估算碳排放量之間相互關(guān)系的模型，再結(jié)合國家減碳政策時(shí)間節(jié)點(diǎn)和數(shù)據(jù)特征，分3 個(gè)時(shí)段進(jìn)行擬合(見表1).由表1 可見，擬合優(yōu)度(R2)顯示分階段擬合結(jié)果較優(yōu)，t檢驗(yàn)表明不同階段能源消費(fèi)數(shù)據(jù)估算碳排放量與校正后夜間燈光亮度值之間呈顯著相關(guān).

表1 2000-2019 年碳排放模擬回歸結(jié)果Table 1 The results of simulation regarding carbon emission from 2000 to 2019

擬合公式如式(4)所示，由此初步估算各像元和各省級(jí)碳排放量.

式中：Y為碳排放量，kg；X為校正后夜間燈光亮度值；k為擬合系數(shù).

然后，進(jìn)行進(jìn)一步修正，利用各省級(jí)能源消費(fèi)計(jì)算的碳排放值來修正相應(yīng)省級(jí)的每一個(gè)像元的初步估算值[29]，計(jì)算公式：

式中：CCiy為修正后的每個(gè)像元的碳排放量，kg；SCjy為各省級(jí)能源碳排放量，kg；Ciy為初步估算的各像元碳排放量，kg；Cjy為初步估算的各省級(jí)碳排放量，kg.

最終，提取各地級(jí)市碳排放數(shù)據(jù)，計(jì)算各省級(jí)碳排放量的擬合值，將其與各省級(jí)碳排放量的能源消費(fèi)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行精度分析[29].結(jié)果表明，吻合度為99.00%，均方根誤差(RMSE)為503.26×104t，平均相對(duì)誤差(MRE)為0.54%，P＜0.01.由此可見，DMSP_OLS和NPP_VIIRS 夜間燈光數(shù)據(jù)模擬的最終碳排放數(shù)據(jù)精度良好.

1.2.3 空間自相關(guān)分析

全局空間自相關(guān)可研究碳排放整體空間關(guān)聯(lián)特征，全局Moran′s I 值大于0 為正相關(guān)，等于0 為不相關(guān)，小于0 為負(fù)相關(guān).局部空間自相關(guān)可揭示鄰近單元之間碳排放的局部空間關(guān)聯(lián)特征，局部Moran′s I值大于0，為正相關(guān)(高-高值或低-低值聚集)；局部Moran′s I 值等于0，為不相關(guān)；局部Moran′s I 值小于0，為負(fù)相關(guān)(高-低值或低-高值聚集).具體公式參考文獻(xiàn)[26].

1.2.4 空間計(jì)量模型

空間計(jì)量模型可用于探討不同城市空間單元屬性的空間交互作用[30].通過分析長江經(jīng)濟(jì)帶整體和分等級(jí)城市碳排放影響因素的空間效應(yīng)，能有效推動(dòng)城市差異化減碳政策的實(shí)施.目前，空間面板計(jì)量模型中使用最多、最廣泛的類型有空間面板滯后模型(SPLM)、空間面板誤差模型(SPEM)和空間面板杜賓模型(SPDM)，具體公式參考文獻(xiàn)[30].

2 結(jié)果與討論

2.1 長江經(jīng)濟(jì)帶碳排放的時(shí)序演化

2000—2019 年長江經(jīng)濟(jì)帶整體、大型、中型和小型城市碳排放量均呈波動(dòng)上升趨勢(見圖1)，其中各等級(jí)城市碳排放量呈大型城市＞中型城市＞小型城市的特征，分別從2000 年的12.92×108、7.14×108、3.34×108和 2.38×108t增至 2019年的 39.24×108、22.41×108、9.99×108和6.79×108t；長江經(jīng)濟(jì)帶整體、大型城市、中型城市和小型城市碳排放量的年均增長率均有所降低，分別從2000—2009 年的14.98%、14.16%、15.50%和17.07%降 至2010—2019年的0.82%、1.52%、0.26%和—0.38%，與2000—2018 年黃河流域碳排放增長趨勢相似[26].長江經(jīng)濟(jì)帶是化工、建筑和制造業(yè)等產(chǎn)業(yè)集聚區(qū)，這些產(chǎn)業(yè)的環(huán)境風(fēng)險(xiǎn)雖高，但以切實(shí)的行動(dòng)助力長江經(jīng)濟(jì)帶生態(tài)文明建設(shè).長江經(jīng)濟(jì)帶內(nèi)大型、中型和小型城市擴(kuò)張速度、交通流量、人口基數(shù)、資源需求、工業(yè)體系發(fā)達(dá)程度均有差別，因此其碳排放量的時(shí)序演化具有差異.

2.2 長江經(jīng)濟(jì)帶碳排放的空間格局

2000—2019 年，除個(gè)別年份外，長江經(jīng)濟(jì)帶整體和各等級(jí)城市碳排放的全局Moran′s I 值均大于0，分別在5%和10%水平下顯著，表明長江經(jīng)濟(jì)帶整體和各等級(jí)城市碳排放分別具有顯著的正向空間自相關(guān)性.研究期間，長江經(jīng)濟(jì)帶各類碳排放的空間集聚變化呈現(xiàn)不同特征.長江經(jīng)濟(jì)帶整體和大型城市碳排放的全局Moran′s I 值呈先升后降的趨勢，表明其空間關(guān)聯(lián)程度呈先增強(qiáng)后減弱的趨勢；中型城市碳排放的全局Moran′s I 值呈波動(dòng)下降的趨勢，表明其空間關(guān)聯(lián)程度呈減弱的趨勢；小型城市碳排放的全局Moran′s I 值呈先降后升的趨勢，表明其空間關(guān)聯(lián)程度呈先減弱后增強(qiáng)的趨勢.

根據(jù)局部空間自相關(guān)分析結(jié)果(見圖2)，2000—2019 年長江經(jīng)濟(jì)帶整體和各等級(jí)城市碳排放的高-高聚集區(qū)主要分布在上海市以及江蘇省和浙江省等東部地區(qū)的城市；其中，大型城市主要分布在上海市，中型城市主要分布在揚(yáng)州市、嘉興市和金華市等城市，小型城市主要分布在滁州市、宿州市和安順市等城市.整體碳排放在重慶市出現(xiàn)高-低聚集現(xiàn)象，即高碳排放區(qū)被低碳排放區(qū)包圍的空間集聚特征.中型城市碳排放在樂山市、宜賓市和瀘州市等城市出現(xiàn)低-低聚集現(xiàn)象.上海市以及江蘇省和浙江省等東部地區(qū)經(jīng)濟(jì)發(fā)展最快，工業(yè)發(fā)達(dá)，能源消耗大，因此碳排放呈高-高聚集狀態(tài).重慶市作為西部經(jīng)濟(jì)發(fā)展較快的城市，周邊城市經(jīng)濟(jì)發(fā)展較弱，因此重慶市碳排放遠(yuǎn)高于周邊城市.樂山市和瀘州市等城市的城鎮(zhèn)化率和人口集中度相對(duì)較低，且以服務(wù)業(yè)、農(nóng)業(yè)和輕工業(yè)為主，是國家園林城市、綠化模范城市和環(huán)保模范城市，因此其碳排放呈低-低聚集狀態(tài).

2.3 長江經(jīng)濟(jì)帶碳排放的影響因素

2.3.1 模型的選擇

長江經(jīng)濟(jì)帶整體和各等級(jí)城市碳排放具有顯著的空間集聚特征，因此可采用空間面板計(jì)量模型.借助STATA 14.0 軟件對(duì)空間面板計(jì)量模型進(jìn)行選擇：首先，根據(jù)LM、Robust-LM、Wald、LR、AIC 和Hausman檢驗(yàn)結(jié)果(見表2)，長江經(jīng)濟(jì)帶整體和各等級(jí)城市碳排放均選用空間面板杜賓模型，其中，長江經(jīng)濟(jì)帶整體碳排放采用空間鄰接矩陣，大型、中型和小型城市碳排放均使用空間距離矩陣；其次，根據(jù)Hausman 檢驗(yàn)結(jié)果，采用雙固定效應(yīng)模型，其中變量取對(duì)數(shù)以緩解異方差帶來的影響.該研究僅對(duì)主要因素的直接和間接影響進(jìn)行分析.

表2 LM、Robust-LM、Wald、LR、AIC 和Hausman 檢驗(yàn)結(jié)果Table 2 The results of LM,Robust-LM,Wald,LR,AIC and Hausman test

2.3.2 長江經(jīng)濟(jì)帶整體碳排放的影響因素

根據(jù)長江經(jīng)濟(jì)帶整體空間面板杜賓模型測算結(jié)果(見表3、4)，人口增長、城鎮(zhèn)化率、經(jīng)濟(jì)增長、科技水平和建成區(qū)綠化覆蓋率對(duì)碳排放均有顯著的直接正向影響，城鎮(zhèn)生活污水處理率和生活垃圾無害化處理率對(duì)碳排放均有顯著的直接負(fù)向影響.長江經(jīng)濟(jì)帶城鎮(zhèn)化發(fā)展處于加速發(fā)展階段[31]，其人口和城鎮(zhèn)化率增加導(dǎo)致人們生產(chǎn)生活所需的能源和其他資源增多，并引起碳排放增加[32].長江經(jīng)濟(jì)帶經(jīng)濟(jì)增長促進(jìn)碳排放不斷增長，驗(yàn)證了王少劍等[3]的研究結(jié)論，即二者關(guān)系處于倒U 型曲線拐點(diǎn)左側(cè).不同類型城市的工業(yè)發(fā)展影響程度具有差異性.此外，為響應(yīng)國家雙碳戰(zhàn)略號(hào)召，長江經(jīng)濟(jì)帶實(shí)行綠色發(fā)展，關(guān)閉或整改污染嚴(yán)重的重工業(yè)企業(yè)，有利于緩解碳排放.因此，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整優(yōu)化是影響長江經(jīng)濟(jì)帶整體碳排放的重要因素.西方經(jīng)濟(jì)學(xué)理論認(rèn)為知識(shí)是現(xiàn)代經(jīng)濟(jì)增長的重要源泉，科學(xué)技術(shù)是第一生產(chǎn)力，提高科技水平能有效促進(jìn)區(qū)域經(jīng)濟(jì)發(fā)展，其中低碳減排技術(shù)利于推動(dòng)能源結(jié)構(gòu)轉(zhuǎn)型優(yōu)化、減少資源浪費(fèi)和增強(qiáng)減碳成效，但目前長江經(jīng)濟(jì)帶低碳減排技術(shù)水平還處于發(fā)展階段，應(yīng)用范圍較小，且其他科技發(fā)展過程中也會(huì)間接產(chǎn)生碳排放，因此其減碳效能還不顯著.環(huán)境規(guī)制可以減少碳排放，其中增加綠化覆蓋率雖能增強(qiáng)碳吸收能力，但城市擴(kuò)張中綠化面積的增長遠(yuǎn)不如建筑用地面積增長多，不能中和因建設(shè)所造成的碳排放.經(jīng)濟(jì)增長和城鎮(zhèn)生活污水處理率對(duì)碳排放均有顯著的正向空間溢出效應(yīng)，建成區(qū)綠化覆蓋率對(duì)碳排放有顯著的負(fù)向空間溢出效應(yīng).因城市群一體化發(fā)展和城際間協(xié)同合作，強(qiáng)化了該城市與周邊城市在空間上的耦合協(xié)調(diào)性，促使周邊城市經(jīng)濟(jì)發(fā)展帶動(dòng)該城市經(jīng)濟(jì)發(fā)展，且周邊城市“污染轉(zhuǎn)移和碳泄露”也影響該城市的碳排放.

表3 長江經(jīng)濟(jì)帶整體和各等級(jí)城市碳排放空間面板杜賓模型基本回歸結(jié)果Table 3 Basic regression results of the space panel Durbin mode for carbon emissions from overall,and different grade cities in the Yangtze River Economic Belt

2.3.3 分等級(jí)城市碳排放的影響因素

通過比較大型、中型和小型城市碳排放的直接和間接影響因素，明確不同等級(jí)城市實(shí)施差異化減碳措施的重點(diǎn).大型、中型和小型城市的人口增長和經(jīng)濟(jì)增長對(duì)碳排放均有直接正向的影響(見表4)，人口增長對(duì)碳排放的影響程度呈大型城市＞中型城市＞小型城市的特征，經(jīng)濟(jì)增長對(duì)碳排放的影響程度呈大型城市＜中型城市＜小型城市的特征，除小型城市的人口增長因素外，人口增長和經(jīng)濟(jì)增長對(duì)碳排放的直接影響均在1%水平下顯著.大型城市的產(chǎn)業(yè)結(jié)構(gòu)和科技水平對(duì)碳排放均有顯著的直接正向影響.中型和小型城市的城鎮(zhèn)化率對(duì)碳排放均有顯著的直接正向影響，且中型城市城鎮(zhèn)化率對(duì)碳排放的影響程度大于小型城市.在環(huán)境規(guī)制影響因素中，除中型城市的城鎮(zhèn)生活污水處理率因素外，其余因素對(duì)各等級(jí)城市碳排放均有顯著的直接負(fù)向影響；另外，大型、中型城市的綠化覆蓋率對(duì)碳排放均有顯著的直接正向影響，但大型城市綠化覆蓋率對(duì)碳排放的影響程度比中型城市小.由于各等級(jí)城市消費(fèi)水平和結(jié)構(gòu)具有差異性，因此大型城市人口增長對(duì)碳排放的影響程度最大，其次為中型、小型城市.經(jīng)濟(jì)發(fā)達(dá)城市的環(huán)境治理效益優(yōu)于經(jīng)濟(jì)落后的城市[33].大型城市的經(jīng)濟(jì)發(fā)展環(huán)境較好，有充足的資金保障，有利于實(shí)施減碳行動(dòng)方案，對(duì)碳排放影響程度相對(duì)較小，而小型城市的經(jīng)濟(jì)發(fā)展環(huán)境較差，發(fā)展經(jīng)濟(jì)需要付出更多環(huán)境污染的代價(jià).雖然大型城市大力發(fā)展新一代信息技術(shù)、生物醫(yī)藥、新能源和新材料等新興產(chǎn)業(yè)，但依舊以石油化工和制造業(yè)等能耗較大的工業(yè)為重點(diǎn)產(chǎn)業(yè)，短期內(nèi)不能減少碳排放，因此其產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳排放有顯著的正向影響.大型城市低碳減排技術(shù)發(fā)展緩慢，其他科技發(fā)展需要投入更多的資源和能源等“研發(fā)成本”而間接產(chǎn)生碳排放，因此無法有效緩解碳排放.中型、小型城市擴(kuò)張速度加快，消耗資源增多，促進(jìn)碳排放增加.環(huán)境規(guī)制能有效抑制碳排放，但綠地覆蓋率減碳效果微弱，這是因?yàn)槌鞘袛U(kuò)建過程中綠地建設(shè)為“先毀后建”模式，且建筑立體面積遠(yuǎn)大于綠地平面面積，其產(chǎn)碳量遠(yuǎn)大于植物吸收量.

表4 長江經(jīng)濟(jì)帶整體和各等級(jí)城市碳排放空間面板杜賓模型直接、間接和總效應(yīng)回歸結(jié)果Table 4 Regression results of direct,indirect,and total effect estimation of the space panel Durbin model for carbon emissions from overall,and different grade cities in the Yangtze River Economic Belt

從空間互動(dòng)的角度(見表4)分析，小型城市的人口增長和產(chǎn)業(yè)結(jié)構(gòu)以及大型、中型城市的城鎮(zhèn)化率和科技水平均對(duì)碳排放有顯著的正向空間溢出效應(yīng)，但中型城市的經(jīng)濟(jì)增長和產(chǎn)業(yè)結(jié)構(gòu)均對(duì)碳排放有顯著的負(fù)向空間溢出效應(yīng).中型、小型城市的環(huán)境規(guī)制因素對(duì)碳排放均有顯著的正向空間溢出效應(yīng)，而中型城市的綠地覆蓋率對(duì)碳排放有顯著的負(fù)向空間溢出效應(yīng).小型城市城際間的協(xié)同合作能有效推動(dòng)人口增長、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，對(duì)該小型城市產(chǎn)生聯(lián)動(dòng)效應(yīng)，利于提高該小型城市消費(fèi)水平，促進(jìn)其碳排放增加.在不同類型城市中，周邊城市城鎮(zhèn)化率和科技水平的提升可推動(dòng)該城市的城鎮(zhèn)擴(kuò)張和科技發(fā)展，但同時(shí)也增加了消費(fèi)和研發(fā)成本，促進(jìn)其碳排放增加.其中，城鎮(zhèn)化率和科技水平對(duì)小型城市碳排放的空間交互影響較弱，因此不顯著.中型城市城際間的協(xié)同合作強(qiáng)化了該中型城市與周邊中型城市在空間上的耦合協(xié)調(diào)性，周邊中型城市經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整升級(jí)推動(dòng)了該中型城市經(jīng)濟(jì)綠色發(fā)展及產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)，因此能緩解其碳排放，可成為未來長江經(jīng)濟(jì)帶減碳的“中流砥柱”.

3 結(jié)論

a) 2000—2019 年長江經(jīng)濟(jì)帶整體和各等級(jí)城市碳排放量均呈波動(dòng)上升趨勢，其中，各等級(jí)城市碳排放量呈大型城市＞中型城市＞小型城市的特征，與各等級(jí)城市人口、經(jīng)濟(jì)和社會(huì)發(fā)展程度存在差異有關(guān)；整體和各等級(jí)城市碳排放量的年均增長率均有所降低.

b) 2000—2019 年，除個(gè)別年份外，長江經(jīng)濟(jì)帶整體和各等級(jí)城市碳排放的全局Moran's I 值均大于0，分別在5%和10%水平下顯著.長江經(jīng)濟(jì)帶整體和各等級(jí)城市碳排放的高-高聚集區(qū)主要分布在上海市、江蘇省和浙江省等東部地區(qū)的城市，而在重慶市出現(xiàn)高-低聚集現(xiàn)象，在樂山市等城市出現(xiàn)低-低聚集現(xiàn)象.

c)人口增長、城鎮(zhèn)化率和經(jīng)濟(jì)增長等因素對(duì)長江經(jīng)濟(jì)帶整體碳排放有顯著的直接正向影響，而城鎮(zhèn)生活污水處理率和生活垃圾無害化處理率對(duì)長江經(jīng)濟(jì)帶整體碳排放有顯著的直接負(fù)向影響.人口增長、經(jīng)濟(jì)增長、產(chǎn)業(yè)結(jié)構(gòu)、科技水平和環(huán)境規(guī)制等因素對(duì)各等級(jí)城市碳排放的影響有明顯差異.