江蘇省縣域碳排放時(shí)空格局及影響因素研究

何永杰， 楊新海

（蘇州科技大學(xué) 建筑與城市規(guī)劃學(xué)院，江蘇 蘇州 215011）

隨著全球氣候變暖和生態(tài)環(huán)境惡化問(wèn)題日益凸顯，應(yīng)對(duì)氣候危機(jī)已經(jīng)成為全球共識(shí)。 在2020 年9 月，我國(guó)提出了“碳達(dá)峰、碳中和”的目標(biāo)，這一承諾是基于我國(guó)生態(tài)文明建設(shè)的內(nèi)在要求，同時(shí)也是作為大國(guó)責(zé)任擔(dān)當(dāng)?shù)捏w現(xiàn)。 要實(shí)現(xiàn)這一目標(biāo)不僅需要國(guó)家層面上的頂層設(shè)計(jì)和政策引導(dǎo)，還需要在區(qū)域?qū)用嫔喜扇♂槍?duì)性的碳減排措施。 江蘇省作為一個(gè)經(jīng)濟(jì)發(fā)達(dá)且人口密集的地區(qū)，其生活和生產(chǎn)部門能源需求量巨大，節(jié)能減排任務(wù)艱巨，因此，分析江蘇省碳排放的空間差異性及影響成因，可有利于區(qū)域有效碳減排措施的制定。

已有學(xué)者從不同視角和不同尺度對(duì)碳排放進(jìn)行了研究。 研究尺度大部分集中于國(guó)家、省域?qū)用?，研究?jī)?nèi)容主要包括碳排放的核算、碳排放格局演變以及影響因素等。 在碳排放的核算方面，既有制定碳排放清單進(jìn)行分部門碳核算的研究[1]，也有集中于某一個(gè)行業(yè)的碳核算研究，如建筑生命周期碳排放、土地利用碳排放、農(nóng)業(yè)碳排放、能源消費(fèi)碳排放等方面[2-5]。 在碳排放格局特征方面，國(guó)內(nèi)外學(xué)者大多以時(shí)間順序和空間差異兩大視角對(duì)碳排放的格局演變研究進(jìn)行展開，多數(shù)學(xué)者采用泰爾指數(shù)、空間自相關(guān)、基尼系數(shù)等方法來(lái)揭示研究區(qū)域碳排放的空間分異化特征[6-9]。 在碳排放影響因素研究方面，主要采用STIRPAT 模型法、LMDI 因素分解法、GWR 模型法和GTWR 模型法等，如Chen[10]等利用GTWR-STIRPAT 模型來(lái)分析中國(guó)八大經(jīng)濟(jì)區(qū)碳排放的影響因素。 黃蕊[11]等通過(guò)STIRPAT 模型定量分析江蘇省人口數(shù)量、能源強(qiáng)度和城市化率對(duì)能源消費(fèi)碳排放的影響。 宋府霖[12]等利用LMDI 分解法及修正后的STIRPAT 模型分析了長(zhǎng)三角地區(qū)能源消費(fèi)碳排放驅(qū)動(dòng)因素，結(jié)果表明，經(jīng)濟(jì)產(chǎn)出和人口規(guī)模為促進(jìn)因素，能源強(qiáng)度和結(jié)構(gòu)為抑制因素。 王雅楠[13]等運(yùn)用GWR 模型揭示了各影響因素在不同省份的空間差異性。 肖宏偉[14]等利用GTWR 模型實(shí)證考察影響中國(guó)省域碳排放規(guī)模和碳排放強(qiáng)度的驅(qū)動(dòng)因素。

現(xiàn)有研究為本文提供了理論支撐和方法借鑒，但由于數(shù)據(jù)獲取和處理的難度，現(xiàn)有的研究成果大多從國(guó)家和省域?qū)用鎸?duì)碳排放展開研究，更多的是在宏觀層面對(duì)碳減排作出指導(dǎo)，無(wú)法準(zhǔn)確地反映區(qū)域內(nèi)部的碳排放時(shí)空格局特征及主要驅(qū)動(dòng)因素，從而難以提出具有針對(duì)性的碳減排措施。 鑒于江蘇省不同縣域的經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、資源稟賦等因素存在較大差異，導(dǎo)致江蘇省碳排放具有空間差異性。 本文以江蘇省縣域?yàn)檠芯繂卧诮K省96 個(gè)區(qū)縣的碳排放數(shù)據(jù)，分析2005—2017 年江蘇省縣域碳排放的時(shí)空異質(zhì)性，并通過(guò)GTWR 模型對(duì)縣域碳排放的影響因素進(jìn)行分析，以期為江蘇省因地制宜制定碳減排政策提供借鑒。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 研究區(qū)概況

江蘇省位于中國(guó)東部沿海地區(qū)，地處長(zhǎng)江三角洲地區(qū)，東臨黃海，南接浙江省和上海市，西部和安徽省相接壤，是中國(guó)經(jīng)濟(jì)發(fā)達(dá)和開放水平高的省份之一。 全省的土地面積為10.72 萬(wàn)km2，是中國(guó)人口密度最高的省份之一，常住人口超過(guò)8 000 萬(wàn)人。截至2016 年12 月，江蘇省下轄13 個(gè)地級(jí)市，55 個(gè)市轄區(qū)，21 個(gè)縣級(jí)市，20 個(gè)縣（見(jiàn)圖1）。

圖1 江蘇省行政區(qū)劃圖

江蘇省是中國(guó)的經(jīng)濟(jì)大省，其經(jīng)濟(jì)綜合實(shí)力常年位居全國(guó)前列，江蘇省的經(jīng)濟(jì)以制造業(yè)和服務(wù)業(yè)為主，其中制造業(yè)的產(chǎn)值占GDP 的比重較大。 有數(shù)據(jù)表明，2005—2017 年江蘇省碳排放量從396.10 百萬(wàn)t 增至757.88 百萬(wàn)t，位居全國(guó)高碳省份第四位。

1.2 研究方法

1.2.1 空間自相關(guān)分析

本文采用全局空間自相關(guān)和局部空間自相關(guān)對(duì)江蘇省縣域碳排放的空間依賴程度進(jìn)行分析。 全局空間自相關(guān)能夠分析縣域碳排放的空間分布特征及地理位置間的依賴關(guān)系，公式如下

式中，I 表示全局Moran’s I 指數(shù)，xi和xj為分別為區(qū)縣i 和區(qū)縣j 的碳排放量；為縣域碳排放量的平均值；n為江蘇省縣域總數(shù)；Wij為空間權(quán)重矩陣。

標(biāo)準(zhǔn)化Z 值得分確定Moran’I 指數(shù)的顯著性，公式如下

式中， E（Ii）和VAR（Ii）分別表示Moran’I 指數(shù)的期望值與方差。

局部空間自相關(guān)主要用來(lái)判斷縣域碳排放的集聚類型，一般用局部Moran’I 指數(shù)（LISA）來(lái)檢驗(yàn)。 公式如下

式中，Ii表示局部Moran’s I 指數(shù)；yi和yj為區(qū)縣i 和區(qū)縣j 碳排放量；為縣域碳排放量的平方均值；n 為江蘇省區(qū)縣總數(shù)；Wij為空間權(quán)重矩陣；S2為方差。

1.2.2 GTWR 模型

時(shí)空地理加權(quán)回歸（GTWR）模型可用于分析碳排放的影響因素及時(shí)空效應(yīng)變化特征，相較于地理加權(quán)回歸（GWR）模型納入了時(shí)間維度的考量，通過(guò)對(duì)時(shí)間和空間權(quán)重的加權(quán)回歸來(lái)揭示局部單元之間的關(guān)系。模型如下

式中，（ui，vi，ti）為第i 樣本的時(shí)空坐標(biāo)；β0（ui，vi，ti）為常數(shù)項(xiàng)；βk（ui，vi，ti）為第k 個(gè)影響因素在第i 點(diǎn)的回歸系數(shù)；εi為誤差項(xiàng)。

1.3 數(shù)據(jù)來(lái)源

本文選取江蘇省96 個(gè)區(qū)縣為研究對(duì)象，縣級(jí)碳排放數(shù)據(jù)來(lái)源于中國(guó)碳排放核算數(shù)據(jù)庫(kù)（CEADs），由于2017 后的縣域碳排放數(shù)據(jù)缺失較多，故本文主要使用2005—2017 年江蘇省縣域碳排放數(shù)據(jù)。本文主要從社會(huì)、經(jīng)濟(jì)、技術(shù)三個(gè)角度考慮其對(duì)碳排放的影響（見(jiàn)表1）。 社會(huì)因素選取人口規(guī)模和城鎮(zhèn)化率, 經(jīng)濟(jì)因素選取人均GDP 和固定資產(chǎn)投資，技術(shù)因素選取產(chǎn)業(yè)結(jié)構(gòu)和能源強(qiáng)度，各區(qū)縣社會(huì)、經(jīng)濟(jì)等相關(guān)數(shù)據(jù)來(lái)源于江蘇省各地市統(tǒng)計(jì)年鑒。

2 江蘇省縣域碳排放的時(shí)空分布與集聚特征

2.1 縣域碳排放的時(shí)空分布特征

如圖2 所示，2005—2017 年江蘇省碳排放總量呈現(xiàn)先上升、后平穩(wěn)的趨勢(shì)。從碳排放增長(zhǎng)率來(lái)看江蘇省碳排放變化主要分為三個(gè)階段：2005—2009 年江蘇省碳排放總量上升，增長(zhǎng)幅度下降，因?yàn)榻K省根據(jù)“十一五”規(guī)劃的指導(dǎo)，開始重點(diǎn)展開節(jié)能減排工作的實(shí)施，積極推動(dòng)能源結(jié)構(gòu)調(diào)整，嚴(yán)格控制高能耗高污染行業(yè)增長(zhǎng)，淘汰落后產(chǎn)能，但受限于經(jīng)濟(jì)總量較大且增速較快，碳排放增長(zhǎng)幅度略有下降。 2009—2011 年江蘇省碳排放總量持續(xù)上升，并且增長(zhǎng)速度較快，這一趨勢(shì)與多方面因素有關(guān)，其中最主要的是金融危機(jī)后的基礎(chǔ)設(shè)施大規(guī)模建設(shè)以及高耗能、高污染行業(yè)的擴(kuò)張。 2011 年后江蘇省碳排放總量趨于穩(wěn)定，增速呈現(xiàn)下降趨勢(shì)，這是因?yàn)殡S著碳排放強(qiáng)度目標(biāo)的提出以及《江蘇省節(jié)約能源條例》的頒布，進(jìn)一步推動(dòng)了江蘇省碳減排進(jìn)程。

圖2 2005—2017 年江蘇省碳排放總量變化趨勢(shì)

如圖3 所示，2005—2017 年江蘇省各設(shè)區(qū)市碳排放量逐年增加。蘇南地區(qū)碳排放量占比50%左右，年均增長(zhǎng)率8.15%；蘇中和蘇北碳排放量占比分別約為20%和30%，年均增長(zhǎng)率分別為7.27%與7.17%。 三個(gè)地區(qū)產(chǎn)生差異的主要原因是，蘇南地區(qū)高能耗產(chǎn)業(yè)發(fā)達(dá)、城市化水平高、經(jīng)濟(jì)快速發(fā)展等，而蘇中和蘇北地區(qū)工業(yè)發(fā)展相對(duì)不發(fā)達(dá)。從增長(zhǎng)趨勢(shì)來(lái)看，蘇州、常州、無(wú)錫、宿遷、鹽城、鎮(zhèn)江的年均增長(zhǎng)率依次為9.24%、8.38%、8.07%、7.90%、7.83%、7.71%， 排在江蘇省前六位。 徐州、 南京、 淮安的年均增長(zhǎng)率依次為6.52%、6.72%、6.87%，處在江蘇省后三位。 蘇州歷年碳排放量最高，約為宿遷的4 倍；南京碳排放量位居江蘇省第二位，但其年均增長(zhǎng)率較低；宿遷歷年碳排放量在省內(nèi)最低，但其年均增長(zhǎng)率較高。

圖3 2005—2017 年江蘇省各市碳排放量變化

圖4 2005—2017 年江蘇省縣域碳排放空間分布圖

基于縣域碳排放總量與分布繪制2005—2017 年江蘇省縣域碳排放量的空間分布圖（見(jiàn)圖3）。為了便于分析，本研究將碳排放量小于5 Mt 的定義為低碳排放型，碳排放量介于5～10 Mt 之間的定義為一般碳排放型， 碳排放量大于10 Mt 的定義為高碳排放型。 2005—2010 年江蘇省縣域高碳排區(qū)域存在顯著擴(kuò)張趨勢(shì)，2010 年后各區(qū)縣趨于平穩(wěn)。 具體而言，2005 年有80.2%的縣域單元的碳排放總量在5 Mt 以內(nèi)，有3 個(gè)區(qū)縣碳排放量超過(guò)了10 Mt，2010 年增加到了11 個(gè)區(qū)縣，2017 年增加到了12 個(gè)區(qū)縣。 其中蘇州昆山和常熟市、無(wú)錫江陰市是碳排放量較高的三個(gè)地區(qū)，南京市秦淮區(qū)是碳排放量最低的地區(qū)。 其原因可能是昆山、常熟、江陰市的勞動(dòng)密集型制造業(yè)規(guī)模較大，高能耗、高污染企業(yè)較多，導(dǎo)致碳排放較高；而南京市秦淮區(qū)碳排放較低的原因是其產(chǎn)業(yè)主要以金融商務(wù)、人文旅游為主導(dǎo)，是南京的人文綠都核心區(qū)之一。

江蘇省縣域碳排放量呈現(xiàn)“南高北低”的空間分布格局，空間不均衡程度明顯，高碳排放區(qū)主要集中于蘇南地區(qū)，低碳排放區(qū)以蘇北地區(qū)較為居多，還有少數(shù)零星分布于蘇中、蘇南地區(qū)的部分縣域。 其主要原因是“蘇南模式”的工業(yè)化是建立在“村村點(diǎn)火、戶戶冒煙”的鄉(xiāng)鎮(zhèn)企業(yè)基礎(chǔ)上的，這種鄉(xiāng)村工業(yè)化的發(fā)展模式也帶來(lái)了蘇南地區(qū)企業(yè)低效分散，環(huán)境污染等問(wèn)題，導(dǎo)致碳排放較高。

2.2 縣域碳排放全局空間自相關(guān)特征

從全局自相關(guān)分析中可以看出（見(jiàn)表2），Moran’s I 指數(shù)在99%水平上通過(guò)顯著性檢驗(yàn)，且值大于0，說(shuō)明江蘇省縣域碳排放量存在顯著的空間正相關(guān)性，具有空間聚集特征。從時(shí)間序列來(lái)看，Moran’s I 指數(shù)變化幅度不大，說(shuō)明縣域碳排放的空間集聚程度相對(duì)穩(wěn)定。

表2 2005—2017 年江蘇省縣域碳排放全局空間自相關(guān)分析

2.3 縣域碳排放局部空間自相關(guān)特征

根據(jù)全局Moran’s I 指數(shù)的結(jié)果， 利用GeoDa 和ArcGIS 10.7 軟件繪制繪制了2005—2017 年江蘇省縣域碳排放LISA 聚類圖對(duì)江蘇省排放量的空間集聚特征進(jìn)行分析（見(jiàn)圖5）。 從圖中可看出，江蘇省縣域碳排放空間集聚特征變化較小，三個(gè)時(shí)間點(diǎn)具有顯著空間自相關(guān)的區(qū)域維持在18～21 個(gè)之間。 集聚模式主要以高-高集聚區(qū)和低-低集聚區(qū)為主。 高-高聚集區(qū)主要分布蘇南地區(qū)，包括蘇州下轄的大部分區(qū)市、及泰州和南通南部以及無(wú)錫東部，這些縣域資源豐富，經(jīng)濟(jì)發(fā)展對(duì)高碳排放的密集型產(chǎn)業(yè)較為依賴。 低-低聚集區(qū)主要分布在蘇北地區(qū)，例如淮安市的盱眙縣、漣水縣、洪澤區(qū)、淮安區(qū)。 從時(shí)間上看，2005 年高-高聚集區(qū)為11個(gè)，低-低聚集區(qū)為4 個(gè)。 2010 年高-高聚集區(qū)相較于2005 年少了相城區(qū)，多了海門市和惠山區(qū)，低-低聚集區(qū)沒(méi)有變化。 2017 年高-高相較于2010 年少了惠山區(qū)，低-低聚集區(qū)少了淮安區(qū)和漣水縣。 江蘇省縣域整體上呈現(xiàn)出較為明顯同質(zhì)集聚現(xiàn)象，即碳排放量較高的區(qū)縣其相鄰的區(qū)縣碳排放量也較高，這表明江蘇省縣域碳排放在局部地區(qū)具有較高的空間依賴關(guān)系。

圖5 2005—2017 江蘇省縣域碳排放LISA 聚類圖

無(wú)錫惠山區(qū)在2005—2017 年間從低-高聚集區(qū)轉(zhuǎn)變?yōu)楦?高聚集區(qū)，最終又轉(zhuǎn)變?yōu)榈?高聚集區(qū)，這可能得益于惠山區(qū)在2013 年生態(tài)文明建設(shè)工程和環(huán)境保護(hù)重點(diǎn)工作得順利開展， 對(duì)低碳發(fā)展進(jìn)行了科學(xué)布局，圍繞節(jié)能降耗目標(biāo)任務(wù)，強(qiáng)勢(shì)推進(jìn)污染企業(yè)整改整治，關(guān)閉大量“三高兩低”企業(yè)，同時(shí)大力綠色新興產(chǎn)業(yè)，打造綠色低碳產(chǎn)業(yè)園，碳排放相對(duì)周圍其他地區(qū)減少較多。 此外，蘇州市大部分縣域、無(wú)錫市錫山區(qū)、靖江市、如皋市以及江陰市在研究期間一直屬于高-高集聚，說(shuō)明這些地區(qū)碳排放量長(zhǎng)期處在較高的水平，其原因可能是這些地區(qū)勞動(dòng)密集型產(chǎn)業(yè)規(guī)模較大，產(chǎn)業(yè)類型較為低端，長(zhǎng)期依賴于高碳能源，形成了高碳鎖定效應(yīng)。

2.4 縣域碳排放趨勢(shì)面分析

通過(guò)ArcGIS 10.7 軟件對(duì)江蘇省縣域碳排放在空間上演變趨勢(shì)進(jìn)行分析（見(jiàn)圖6）。X 軸表示正東方向，Y軸表示正北方向，Z 軸表示各縣域碳排放量， 圖中X-Z 和Y-Z 平面上的曲線分別表示東西方向和南北方向上平面投影點(diǎn)所擬合的趨勢(shì)線。從圖中可以看出，從2005—2010 年江蘇省縣域碳排放的差異趨勢(shì)較為穩(wěn)定，在2010 年后東西方向碳排放差異逐漸變大。 在東西方向上，由西向東先略微減少后呈增加趨勢(shì)，在南北方向上，呈正“U”型變化，且呈現(xiàn)南高北低的特征，即江蘇省高碳排放縣域逐漸向東北部和東南部集中，這可能是因?yàn)榻K省東部沿海地區(qū)自然資源條件、經(jīng)濟(jì)發(fā)展?fàn)顩r比西部區(qū)縣較好，使得碳排放分異程度明顯。

圖6 2005—2017 年江蘇省縣域碳排放趨勢(shì)

3 江蘇省縣域碳排放的影響因素

基于上文研究得出，江蘇省縣域碳排放存在時(shí)空非平穩(wěn)性，需要引入GTWR 模型對(duì)江蘇省縣域碳排放的時(shí)空異質(zhì)性以及各影響因素的驅(qū)動(dòng)效應(yīng)進(jìn)行分析，這對(duì)各區(qū)縣因地制宜地制定碳減排政策具有重要的指導(dǎo)意義，助力江蘇省早日實(shí)現(xiàn)“雙碳”目標(biāo)。

3.1 GTWR 模型的結(jié)果分析

由于各變量間可能會(huì)存在多重共線性問(wèn)題從而導(dǎo)致回歸模型的準(zhǔn)確性，為此需要對(duì)6 個(gè)變量進(jìn)行相關(guān)分析（見(jiàn)表3）。 表格中各影響因素的VIF 值均小于5，且容差均大于0.1，這說(shuō)明不存在明顯多重共線性問(wèn)題。

表3 多重共線性檢驗(yàn)

選取擬合度R2和AICc 作為評(píng)價(jià)GTWR 模型可信度的指標(biāo)，擬合度R2取值范圍在0～1 之間，R2值越大表明模型的解釋能力越強(qiáng)；AICc 值越小表明模型的擬合觀測(cè)數(shù)據(jù)越好，如表4 所列，GTWR 模型的擬合度R2為0.904 8，AICc 值為1 737.94，說(shuō)明GTWR 模型能很好的解釋時(shí)空異質(zhì)性。

表4 GTWR 模型擬合效果

從回歸系數(shù)的結(jié)果可以看出，各影響因素回歸系數(shù)的最大值、最小值與均值存在一定差距，這意味著各區(qū)縣的碳排放影響因素具有顯著的非平穩(wěn)性，需要進(jìn)一步對(duì)碳排放的時(shí)空異質(zhì)性進(jìn)行分析（見(jiàn)表5）。

表5 基于GTWR 模型的影響因素回歸系數(shù)統(tǒng)計(jì)分析

3.2 縣域碳排放影響因素分析

總體來(lái)看，產(chǎn)業(yè)結(jié)構(gòu)對(duì)江蘇省縣域碳排放的影響最大，其次是能源強(qiáng)度，且兩者對(duì)碳排放有正向影響作用，這說(shuō)明產(chǎn)業(yè)與技術(shù)的發(fā)展水平成為了影響江蘇省縣域碳排放的主導(dǎo)因素，這是后期制定碳減排政策需要著重考慮的方面。 人口規(guī)模和人均GDP 也對(duì)碳排放有著一定影響，城鎮(zhèn)化率和固定資產(chǎn)投資對(duì)于碳排放的影響較弱。 為了更好的探究各影響因素對(duì)縣域碳排放影響的時(shí)空異質(zhì)性，使用ArcGlS10.7 軟件對(duì)各影響因素回歸系數(shù)進(jìn)行可視化分析，生成回歸系數(shù)空間分布圖（見(jiàn)圖7）。

圖7 江蘇省縣域碳排放影響因素回歸系數(shù)空間分布圖

3.2.1 產(chǎn)業(yè)結(jié)構(gòu)的驅(qū)動(dòng)影響

有90%以上的縣域產(chǎn)業(yè)結(jié)構(gòu)回歸系數(shù)為正值，說(shuō)明第二產(chǎn)業(yè)比重的上升會(huì)促進(jìn)碳排放的增長(zhǎng)。 其中受產(chǎn)業(yè)結(jié)構(gòu)影響較高的地區(qū)主要分布在南通市的多個(gè)區(qū)縣以及淮安市金湖縣、盱眙縣。 這是因?yàn)檫@些區(qū)縣第二產(chǎn)業(yè)占經(jīng)濟(jì)總量的比重較大，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)方面存在不足，且以重工業(yè)發(fā)展經(jīng)濟(jì)，從而促進(jìn)了碳排放量的增加。 其中南通市的區(qū)縣的碳排放受產(chǎn)業(yè)結(jié)構(gòu)的正向驅(qū)動(dòng)影響最大，南通制造業(yè)發(fā)達(dá)，擁有規(guī)模以上工業(yè)企業(yè)5 300 多家，產(chǎn)業(yè)類型以金屬制造業(yè)、非金屬礦物品業(yè)以及化工制造業(yè)等高能耗、高碳排的制造業(yè)為主導(dǎo)，產(chǎn)業(yè)結(jié)構(gòu)相對(duì)低端，造成了經(jīng)濟(jì)的高碳特征。 產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳排放起負(fù)向作用的地區(qū)主要集中東部沿海的鹽城市和連云港市的大部分區(qū)縣，其原因一方面是沿海地區(qū)的海洋資源較為豐富，蘊(yùn)藏著極為豐富的“風(fēng)光”資源，能夠布局清潔高效的綠色能源；另一方面，如連云港市在工業(yè)布局中，多年來(lái)著力推進(jìn)新醫(yī)藥、新材料和高端裝備制造業(yè)的發(fā)展，積極淘汰落后產(chǎn)能，打造綠色工廠和綠色產(chǎn)業(yè)鏈，這些區(qū)縣積極尋求產(chǎn)業(yè)結(jié)構(gòu)的低碳轉(zhuǎn)型，打造低碳產(chǎn)業(yè)園區(qū)，促進(jìn)產(chǎn)業(yè)可持續(xù)發(fā)展，從而降低了碳排放。

3.2.2 能源強(qiáng)度的驅(qū)動(dòng)影響

有85%以上的縣域能源強(qiáng)度回歸系數(shù)為正值，表明技術(shù)水平的提升對(duì)江蘇省縣碳排放有抑制作用。 從空間上看，在徐州市西北部的豐縣、沛縣、銅山區(qū)等地形成能源強(qiáng)度高值集聚區(qū)，這些地區(qū)社會(huì)經(jīng)濟(jì)發(fā)展相對(duì)落后，工業(yè)化水平較低，技術(shù)水平的提升能大幅提高能源利用效率，從而抑制碳排放。 同時(shí)能源強(qiáng)度對(duì)碳排放有正向影響的地區(qū)還有蘇州、南京、常州、無(wú)錫、鹽城、南通等大部分區(qū)縣，這些地區(qū)工業(yè)化程度相對(duì)較高，在采用了更先進(jìn)的技術(shù)、更高效的生產(chǎn)流程和管理方法等后能夠?qū)μ寂欧庞幸欢ǖ囊种谱饔谩?連云港市所有區(qū)縣以及響水縣、漣水縣、沭陽(yáng)縣的能源強(qiáng)度回歸系數(shù)為負(fù)值，即出現(xiàn)了能源強(qiáng)度降低，碳排放總量卻增加的情況，這種現(xiàn)象可能是在產(chǎn)業(yè)結(jié)構(gòu)調(diào)整過(guò)程中，一些高排放行業(yè)的產(chǎn)值可能仍然占比較大，導(dǎo)致碳排放反而增加，符合林伯強(qiáng)提出的能源強(qiáng)度與碳排放之間呈現(xiàn)倒U 型曲線特征[15]。

3.2.3 人口規(guī)模的驅(qū)動(dòng)影響

所有區(qū)縣的人口規(guī)模回歸系數(shù)均為正值，說(shuō)明人口規(guī)模對(duì)江蘇省各縣域碳排放具有促進(jìn)作用，影響程度由南向北逐漸減弱。從時(shí)間上來(lái)看，人口規(guī)模對(duì)碳排放的驅(qū)動(dòng)作用在逐年減弱。從空間上來(lái)看，受人口規(guī)模影響較大的地區(qū)主要分布在蘇南地區(qū)，如蘇州市、無(wú)錫市和南通市的大部分區(qū)縣，這些地區(qū)人口規(guī)模還呈增長(zhǎng)趨勢(shì)，能源消費(fèi)水平還在上升，致使碳排放增加。 受人口規(guī)模影響較小的地區(qū)主要分布在蘇北地區(qū)，如徐州市、連云港市和宿遷市的大部分區(qū)縣以及淮安市和鹽城市的北部區(qū)縣，原因有兩點(diǎn)：一方面是有部分區(qū)縣人口較少，經(jīng)濟(jì)發(fā)展水平相對(duì)落后，對(duì)碳排放的影響較弱，如洪澤區(qū)、金湖縣、響水縣等；二是部分區(qū)縣雖人口數(shù)量較多，但是其規(guī)劃布局較為緊湊，人口分布與基礎(chǔ)設(shè)施布置較為集中，有利于能源的高效供應(yīng)，提高了能源利用率，如邳州市、沛縣、濱?？h等區(qū)縣。

3.2.4 城鎮(zhèn)化率的驅(qū)動(dòng)影響

有57.29%的縣域城鎮(zhèn)化率回歸系數(shù)為負(fù)值，說(shuō)明城鎮(zhèn)化率對(duì)江蘇省一半以上的區(qū)縣碳排放具有抑制作用。 城鎮(zhèn)化率對(duì)碳排放有負(fù)向影響的地區(qū)主要分布在布在蘇南地區(qū)，包括蘇州市、南京市、無(wú)錫市、南通市、鎮(zhèn)江市的絕大部分縣域，這種現(xiàn)象是由于蘇南地區(qū)的區(qū)縣經(jīng)濟(jì)社會(huì)發(fā)展水平較高，城市基礎(chǔ)設(shè)施相對(duì)完善，隨著城市化水平的提高，公共設(shè)施服務(wù)效率和能源利用率也會(huì)提高，從而抑制碳排放。 城鎮(zhèn)化率對(duì)碳排放有正向影響的地區(qū)主要分布在鹽城市、揚(yáng)州市北部區(qū)縣、徐州市西北部區(qū)縣以及淮安市大部分區(qū)縣，其原因主要是這些地區(qū)受發(fā)展條件限制，城鎮(zhèn)化進(jìn)程相對(duì)緩慢，基礎(chǔ)設(shè)施建設(shè)投入不足，產(chǎn)業(yè)規(guī)模不成體系，聚集程度較低，隨著城鎮(zhèn)化率的提升，碳排放量反而增加。

3.2.5 人均GDP 的驅(qū)動(dòng)影響

有70%以上的縣域人均GDP 對(duì)碳排放的影響均為正值，這表明人均GDP 的提高會(huì)導(dǎo)致碳排放的增加，且對(duì)碳排放的影響存在明顯的空間異質(zhì)性，在鹽城市東部地區(qū)形成高值集聚區(qū)，在徐州市西北地區(qū)形成低值集聚區(qū)。 人均GDP 對(duì)碳排放有負(fù)向影響的地區(qū)主要分布在徐州市西北部區(qū)縣、連云港市南部區(qū)縣以及南京市大部分區(qū)縣，其原因可能有兩方面，一是部分經(jīng)濟(jì)發(fā)展水平高的區(qū)縣注重產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)與能源結(jié)構(gòu)優(yōu)化調(diào)整，促進(jìn)技術(shù)進(jìn)步和創(chuàng)新，從而減少了碳排放，如南京市大部分區(qū)縣等；還有部分區(qū)縣由于經(jīng)濟(jì)發(fā)展水平較低，產(chǎn)業(yè)結(jié)構(gòu)較為簡(jiǎn)單，能源消費(fèi)水平相對(duì)較低，所以碳排放量較少，如豐縣、沛縣、灌云縣、灌南縣等。 其余大部分區(qū)縣受到正向影響，主要原因是這些地區(qū)在經(jīng)濟(jì)社會(huì)發(fā)展的同時(shí)，不斷擴(kuò)張建設(shè)用地、發(fā)展高能耗產(chǎn)業(yè)，此外人們消費(fèi)水平的提升也會(huì)促進(jìn)能源消費(fèi)水平的提高，導(dǎo)致碳排放量增加過(guò)快。

3.2.6 固定資產(chǎn)投資的驅(qū)動(dòng)影響

有90%以上的縣域固定資產(chǎn)投資回歸系數(shù)為正值，說(shuō)明固定資產(chǎn)投資的增加對(duì)江蘇省縣域碳排放起到正向促進(jìn)作用。 南京市大部分區(qū)縣和徐州市西北部區(qū)縣形成高值中心，影響程度由西向東遞減，這些地區(qū)固定資產(chǎn)投資的增長(zhǎng)加快了高碳排、高能耗產(chǎn)業(yè)的發(fā)展，增加了能源消耗，導(dǎo)致碳排放有所上升。 少部分區(qū)縣受到負(fù)向影響，如鹽城市阜寧縣、建湖縣、射陽(yáng)縣等，這是因?yàn)榫G色低碳發(fā)展示范區(qū)成為鹽城市建設(shè)重點(diǎn)，協(xié)同推進(jìn)高質(zhì)量發(fā)展和高水平保護(hù)，推動(dòng)區(qū)域碳排放總量減少。

4 結(jié)論與建議

4.1 結(jié)論

（1）時(shí)間上，2005—2017 年江蘇省碳排放總量呈現(xiàn)先上升、后平穩(wěn)的趨勢(shì)。 2005—2011 年碳排放量增長(zhǎng)迅速，2011 年后江蘇省碳排放總量趨于穩(wěn)定，增速呈現(xiàn)下降趨勢(shì)。

（2）空間上，江蘇省碳排放整體呈現(xiàn)“南高北低”的空間分布格局，縣域碳排放在局部范圍內(nèi)呈現(xiàn)出較高的空間依賴格性，集聚模式主要以高-高集聚區(qū)和低-低集聚區(qū)為主，呈現(xiàn)出較為明顯同質(zhì)集聚現(xiàn)象。 蘇南地區(qū)部分縣域存在高碳鎖定效應(yīng)，需要針對(duì)性的制定碳減排策略來(lái)實(shí)現(xiàn)高碳鎖定的全面脫鉤。

（3）各影響因素對(duì)江蘇省碳排放的影響具有顯著的時(shí)空異質(zhì)性，影響程度依次為產(chǎn)業(yè)結(jié)構(gòu)＞能源強(qiáng)度＞人口規(guī)模＞人均GDP＞城鎮(zhèn)化率＞固定資產(chǎn)投資。 產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度、人口規(guī)模、人均GDP 以及固定資產(chǎn)投資對(duì)江蘇省縣域碳排放具有正向影響，而城鎮(zhèn)化率對(duì)碳排放總體上呈抑制作用。

4.2 建議

江蘇省作為經(jīng)濟(jì)發(fā)展水平和能源消費(fèi)水平較高的大省，為了積極響應(yīng)“雙碳”目標(biāo)，應(yīng)當(dāng)根據(jù)縣域不同的發(fā)展?fàn)顩r，制定差異化的區(qū)域碳減排策略，實(shí)現(xiàn)縣域的低碳可持續(xù)發(fā)展。

（1）強(qiáng)化縣域協(xié)同。 江蘇省縣域碳排放存在明顯的不均衡現(xiàn)象，各地區(qū)需打破行政壁壘，加強(qiáng)縣域產(chǎn)業(yè)協(xié)作、資源互補(bǔ)、環(huán)境共治來(lái)縮小縣域碳排放差異，共同制定低碳發(fā)展規(guī)劃，實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)和協(xié)同發(fā)展。

（2）優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)。 對(duì)于像昆山市、常熟市這類碳排放量較高的縣域，應(yīng)當(dāng)加快產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型，積極培育新興產(chǎn)業(yè)，限制高污染、高耗能行業(yè)，大力打造綠色低碳產(chǎn)業(yè)園區(qū)，擺脫高碳鎖定效應(yīng)。

（3）調(diào)整能源結(jié)構(gòu)。 調(diào)整以煤炭為主的能源消費(fèi)結(jié)構(gòu)對(duì)于實(shí)現(xiàn)江蘇省縣域低碳發(fā)展至關(guān)重要。 一方面對(duì)于經(jīng)濟(jì)條件較好的區(qū)縣可以強(qiáng)化產(chǎn)業(yè)科技賦能，淘汰落后產(chǎn)能；另一方面對(duì)于沿海的區(qū)縣可以充分利用地區(qū)資源稟賦，發(fā)展太陽(yáng)能、風(fēng)能等清潔能源。 減少高碳排能源的使用。