2024, Vol. 45
2. 西安科技大学能源经济与管理研究中心, 西安 710054
2. Energy Economy and Management Research Center, Xi'an University of Science and Technology, Xi'an 710054, China
全球气候变暖引发了一系列社会、经济和生态问题, 使得控制温室气体排放成为当前气候变化研究的热点. 低碳发展成为人类社会可持续发展的重要议题. 工业作为国民经济发展的命脉和支柱, 其碳排放量约占全社会总量的62%, 在我国碳排放中扮演着重要角色[1]. 黄河流域既是我国生态屏障的关键地带, 也是重要的能源化工原料和工业基地[2]. 然而, 黄河流域的产业结构主要以重工业为主, 大量集聚了传统高污染、高能耗、高排放的产业, 导致该地区面临巨大的减排压力. 为了实现黄河流域的高质量发展, 工业和信息化部等四部门于2022年12月联合印发了《关于深入推进黄河流域工业绿色发展的指导意见》, 要求到2025年传统制造业能耗、水耗和碳排放强度的显著下降, 黄河流域工业绿色发展水平明显提升, 产业结构和布局更加合理[3]. 然而, 由于黄河流域9省份在工业能源禀赋、经济发展方式等方面存在巨大差异, 导致发展不平衡、不充分, 经济发展与环境保护的矛盾日益凸显[4]. 因此, 有必要对黄河流域工业及工业行业的碳排放量进行科学测算, 分析黄河流域9省份工业碳排放的时空演变特征和主要影响因素, 以探索行业碳排放的增长规律, 这对于黄河流域的生态保护和高质量发展具有重要意义.
目前, 梳理国内外学者已有研究成果发现, 对工业碳排放的研究主要涵盖以下4个方面：①工业碳排放测度. 测度方法主要有碳排放因子法、实测法和质量平衡法, IPCC碳排放因子法[5, 6]是广泛采用的方法, 此外, 王素凤等[7]用DMSP/OLS夜间灯光数据集模拟了2005~2019年中国286个城市能源消费碳排放量, 而李竹等[8]采用碳平衡指标法对1999~2018年中国省域碳平衡能力与各类城镇化指标进行了测算. Schimel等[9]运用物料平衡法测算了水泥制造和化石燃料消耗产生的二氧化碳排放量. ②不同空间尺度下工业碳排放的时空差异及影响因素研究. 工业碳排放的时空差异研究以省级尺度和地级市尺度为主[10, 11], Zhang等[11]基于ArcGIS空间分析和马尔可夫矩阵等方法, 计算分析了2003~2016年282个城市工业碳排放的时空演变特征. 在工业碳排放的影响因素研究方面, 学者们通常采用广义迪氏指数分解法[12]、LMDI指数分解法[13]、脉冲响应分析[14]、STRIPAT模型[15]和时空地理加权回归模型[16]等方法来分析碳排放的影响因素. 如Xu等[17]建立面板模型来分析长江三角洲12个县级因素对工业碳排放的影响. 多数学者发现人口数量, 经济规模, 技术进步, 产业结构与碳排放变化具有一定相关性. ③不同工业行业的碳排放研究. 廖诺等[18]将37个工业行业按能源效率聚类为高、中和低这3个能效组；此外, 还有学者针对特定工业行业如电力行业[19]、水泥生产工业[20]、建筑业[21, 22]和交通运输业[23, 24]等进行碳排放研究, 如Wang等[25]对中国建筑业碳排放进行了测算, 并模拟预测了在不同情景下的建筑业碳排放动态特征. ④区域层面工业碳排放研究. 大部分学者集中于全国和省域层面[26 ~ 28]对工业碳排放开展研究. 如刘晨曦等[26]采用广义迪氏指数分解法对新疆区工业碳排放驱动因素进行了分解分析. 此外, 有学者关注于特定地区, 如京津冀地区[29, 30]、长三角地区[31, 32]和中部六省地区[33]. 边宇等[29]探究了京津冀地区工业及工业行业碳排放的时空演化特征, 并剖析了其影响因素.
综合来看, 国内外学者对工业碳排放进行了丰富的研究, 研究视角和研究方法多样, 并取得了许多成果. 然而, 目前的研究仍存在一些不足之处. 首先, 学者们的研究主要集中在全国或省际层面, 对京津冀地区、长三角地区和中部六省地区的工业碳排放相关文献也逐渐增多, 然而, 尚未有学者对黄河流域地区的工业及具体行业的碳排放进行实证研究. 其次, 对不同空间尺度下工业碳排放时空差异的研究主要集中在工业整体的角度, 鲜有对工业及工业具体部门开展相关研究. 因此, 本文将以2000~2019年黄河流域9个省域的工业及工业行业时空面板数据为基础, 构建工业碳排放测度模型和影响因素分析模型, 对其碳排放的时空演化特征及影响因素进行测度和剖析, 以期为制定有效的区域节能减排措施和高质量发展政策提供科学依据.
黄河流域是中国的母亲河流, 流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南和山东这9个省区, 干流全长5 464 km, 是仅次于中国长江的第二长河（图 1）. 黄河流域连接着青藏高原、黄土高原和华北平原, 是保障我国生态系统安全的重要通道；黄河流域富含煤炭、石油、天然气和有色金属等矿产资源, 分布着河套平原、汾渭平原和黄淮海平原等重要农业生产基地. 黄河流域对保障我国粮食安全、能源安全和生态安全, 以及推动区域可持续发展具有重要作用[34]. 黄河流域在中国的国民经济发展中占据十分重要的地位, 2021年末流域内总人口为4.15亿, 约占全国总人口的三分之一, 区域经济生产总值为28.68万亿元, 约占全国总量的四分之一[35]. 据中共中央、国务院印发的《黄河流域生态保护和高质量发展规划纲要》, 本文选取青海、四川、甘肃、宁夏、内蒙古、山西、陕西、河南和山东这9省份作为研究对象[36]. 以河口镇、桃花峪作为黄河流域上、中、下游之间的分界点, 将黄河流域分为上、中、下游这3个地区. 本研究区域共计9个研究单元, 国土面积约为285.6万km2, 占全国总面积的29.8%[37].
|
图 1 黄河流域省级行政区划分 Fig. 1 Division of provincial administrative regions in the Yellow River Basin |
为了精确核算工业碳排放数据, 本文将能源消耗类型划分为11种, 包括：原煤、精煤、型煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气和天然气等. 在估算黄河流域工业能源消费所产生的碳排放量时, 本文采用了联合国政府间气候变化专门委员会（IPCC）温室气体排放清单指南中的方法. 计算公式如下：
|
(1) |
式中, Ct为黄河流域工业碳排放总量；∑Eijk为第i省第j产业对第k种能源的消耗量, ηk为第k种能源的折煤系数, Ak为第k种能源的碳排放因子. 参考周丽[38]的研究成果, 主要能源类型的折标煤系数和碳排放因子如表 1所示.
|
表 1 能源折标煤系数及碳排放因子1） Table 1 Energy conversion factor to standard coal and carbon emission factor |
1.2 空间自相关模型
空间自相关性一般采用全局Moran's I指数进行检验, 该指数可以反映相邻或临近空间区域属性值的相似程度[39]. 本文采用该指数来衡量工业碳排放全局空间自相关性, 其计算公式如下：
|
(2) |
|
(3) |
本文采用LMDI（加法式对数平均迪式指数）模型对黄河流域工业碳排放进行因素分解. 借鉴已有研究成果[40 ~ 42], 本文将黄河流域工业碳排放分解为能源结构强度、能源消费强度、经济规模和人口规模这4个影响因素, 具体模型如下：
|
(4) |
式中, C为工业碳排放总量, BE为工业消耗的能源总量, CGDP为工业的生产总值, CPOP为工业从业人口数量；α、β、γ和δ分别为能源结构强度效应、能源消费强度效应、经济规模效应和人口规模效应. 通过LMDI方法对式（4）进一步分解, 则各省工业在相邻2个时段t+1期到t期的碳排放量变化可以表达为：
|
(5) |
式中, ΔCα、ΔCβ、ΔCγ和ΔCδ分别为4个因素对工业碳排放变化的贡献值.
各项驱动因素的影响效应计算公式如下：
|
(6) |
黄河流域工业能源消耗量等数据来源于中国碳核算数据库《CEADs》的能源消耗清单；黄河流域9省工业行业总产值来源于2001~2020年《中国工业统计年鉴》；各省从业人口数量和生产总值来源于国家统计局；14种能源的折标煤系数见2020年《中国能源统计年鉴》.
2 结果与分析 2.1 黄河流域工业碳排放时空演化特征 2.1.1 时间演化特征根据工业碳排放计算模型测算出黄河流域9省份工业碳排放结果, 如图 2所示.
|
图 2 黄河流域省域工业碳排放量 Fig. 2 Industrial carbon emissions of provinces in the Yellow River Basin |
从碳排放时间节点来看, 2000~2019年黄河流域工业总碳排放量由747.86×106 t增加至3 371.56×106 t, 平均增速为8.45%；在不同时期表现出不同特征, 可分为快速增长、中速增长、负增长和缓慢增长这4个阶段, 见表 2. 9省份工业碳排放整体呈波折性增长趋势, 2000~2019年黄河流域工业总碳排放增长率不断降低（除2012年和2014年负增长外）.
|
|
表 2 黄河流域工业碳排放时间特征 Table 2 Temporal characteristics of industrial carbon emissions in the Yellow River Basin |
从黄河流域省域工业碳排放总量和增长率来看, 2000~2019年黄河流域9省份工业碳排放呈现出明显的差异性, 见表 3. 可以看出能源生产或能源消耗省份如山东、陕西、山西、内蒙古和河南等6省份碳排放量较高, 以上省份重工业和化工业比较发达, 这可能与其产业结构向低碳和环保调整、经济发展速度快等因素有关, 河南和四川省工业碳排放增长率相对其他4省份较低. 青海、宁夏和甘肃工业碳排放较低, 且增长率也较为缓慢. 已有研究表明, 黄河流域上游、中游和下游碳排放总量呈上升趋势, 年均增长率约为5.4%、8.6%和7.9%[43, 44], 这与黄河流域工业碳排放研究结果高度一致.
|
|
表 3 黄河流域工业碳排放空间演化特征 Table 3 Spatial evolution characteristics of industrial carbon emissions in the Yellow River Basin |
2.1.2 空间演化特征
为了分析黄河流域工业碳排放空间演化规律, 本文利用ArcGIS自然间断点分级法绘制出黄河流域9省份工业碳排放, 见图 3. 可以看出2000~2019年黄河流域工业碳排放高值区主要在中下游等工业经济发达城市, 如山东、陕西、山西和内蒙古等能源资源丰富地区, 而低值中心多分布在上游的甘肃、青海和宁夏等经济欠发达地区.
|
图 3 黄河流域工业碳排放空间分布 Fig. 3 Spatial distribution of industrial carbon emissions in the Yellow River Basin |
对比发现, 2000年黄河流域工业碳排放量整体呈“上游低, 中、下游高”的空间格局, 上游低值区以甘肃、青海、宁夏、陕西为核心, 中下游高值区以山东、河南、山西为核心. 2019年黄河流域工业碳排放高、低值相间分布, 高值区呈现“双核心”的空间格局, 上游以内蒙古为核心, 中下游以山东、山西为核心, 低值区较2000年更为分散, 主要依托下游和中游的陕西、河南的分布格局.
2.1.3 空间自相关分析采用全局空间自相关系数对黄河流域各省份工业碳排放空间相关性进行了测算, 如图 4所示：2000~2019年Moran's I指数值均显著为正, 表明黄河流域各省工业碳排放存在显著的正向空间关联特征. 但随着时间的推移, 莫兰指数值增长率不断降低, 结果显示2000年和2019年的Moran's I指数分别是0.459和0.157, 说明这种空间相关性的强度在逐渐减弱. 2000~2019年第一象限散点数量无显著变化, 即区域内碳排放效率高⁃高集聚区集中在重工业基础雄厚的城市；第三象限散点数量显著减少, 即2000~2019年碳排放的提升致使低⁃低集聚区转变高⁃低集聚区. 为了更深入地研究黄河流域9省工业碳排放变化的构成机制和内部影响机制, 需要对工业行业的碳排放时空间分布特征进行探讨.
|
图 4 2000~2019年黄河流域工业碳排放Moran's I指数值 Fig. 4 Moran's I index values of industrial carbon emissions in the Yellow River Basin from 2000 to 2019 |
考虑到行业间碳排放量的差异性, 本文将黄河流域39个工业行业按照2000~2019年碳排放均值划分为高、中、低碳工业行业这3类（见表 4）, 各类行业均包括8个不同行业, 其余行业因其碳排放占比过小不做具体分析. 2000年、2010年和2019年高、中、低碳工业行业碳排放情况如图 5所示.
|
|
表 4 黄河流域工业行业碳排放状况 Table 4 Carbon emission status of industrial industries in the Yellow River Basin |
|
图 5 黄河流域工业行业碳排放时间分布 Fig. 5 Temporal distribution of carbon emissions from industrial industries in the Yellow River Basin |
可以看出, 黄河流域碳排放主要来源为高碳行业, 其占比高达96.35%, 包括电力、煤气及水的生产及供应业、非金属矿物制品业、黑色金属的冶炼及压延业、煤炭开采及洗选业等能源或能源消耗行业, 这4个行业占据了高碳行业碳排放总量的91.47%；行业间碳排放量在13×106~2 300×106 t, 存在较大差异, 且高碳行业碳排放呈现出持续增长态势.
中碳行业碳排放量基数及总占比都较小, 行业间碳排放差异也较小, 2000~2019年中碳行业的碳排放量在波动变化中快速增长, 但碳排放量增长趋势存在显著差异, 造纸及纸制品业、食品制造业和通用设备制造业等5个行业碳排放呈先增长后下降态势, 交通运输设备制造业、专用设备制造业这2个行业的碳排放持续增长, 而食品加工业的碳排放持续下降.
低碳行业碳排放量占比仅为1.32%, 但不同行业间碳排放量差异显著, 波动性较大, 各行业的增长趋势也存在一定差异, 如2000~2019年金属制品业和燃气的生产及供应业高速增长, 而其他行业呈先增长后下降态势.
2.2.2 空间分布特征利用ArcGIS软件制作了黄河流域工业行业中排放量最大的9个行业（总占比97%以上）的空间分布, 除所有的高碳行业外, 根据碳排放大小分别于2000年、2010年和2019年单独增加了食品加工业、机械制造业、燃气的生产和供应业, 如图 6所示.
|
图 6 黄河流域工业行业碳排放空间分布 Fig. 6 Spatial distribution of carbon emissions from industries in the Yellow River Basin |
电力、煤气及水的生产及供应业是黄河流域工业碳排放第一大行业, 占比达62.88%, 其2000年高值区主要集中在山东和河南, 形成上游高碳排趋势；2010年高值区出现了向流域中游扩展的趋势, 2019年扩展到内蒙古、山东、河南和山西等省份, 这些省份经济发展、人民生活等基础建设相对快, 导致电力、煤气及水的生产和供应业碳排放量上升. 反观经济相对落后的青海、宁夏和甘肃等省份, 以农业和轻工业为主, 碳排放量相对较低.
非金属矿物制品业是黄河流域工业碳排放第二大行业, 占比为12.06%, 2000~2019年其高值区和电力、煤气及水的生产及供应业相同, 该行业也存在碳排放低值区, 主要分布在青海、宁夏等西部省份. 山东和河南非金属矿物制品业发展较早, 规模较大, 碳排放量自然也较高. 内蒙古、四川等省份近年来制造业转型升级, 在非金属矿物制品业中的规模逐渐增大, 碳排放不断增加. 而青海和宁夏非金属矿物制品业规模较小, 碳排放量也较低.
黑色金属冶炼及压延业（占比9.06%）、有色金属冶炼及压延业（占比1.45%）的碳排放在空间演化上特征相似. 2000年碳排放高值区集中在山东和河南, 2019年高值区扩至山西, 低值区一直在青海和宁夏下游地区. 山东和河南拥有丰富的高品位铁矿石资源, 适合高端冶炼和加工, 并且经济发展较早, 市场需求较高, 导致碳排放量较高. 而青海和宁夏地区矿石资源相对匮乏, 品位较低, 市场需求较低, 因此碳排放量较低.
石油加工及炼焦业的碳排放高值区2000年集中在山东和山西, 低值区在青海和河南；2019年高值区变成内蒙古、山东和陕西, 这是由于山东、陕西、内蒙古和山西省的石油、煤炭资源比较丰富, 石油加工及炼焦业产业链长, 相关产业发展强劲, 因此碳排放增加；而青海和河南石油资源匮乏且运输成本较高, 石油加工及炼焦业产业链薄弱, 其排放量也较低.
化学原料及化学制品制造业也被称为化学工业, 是我国国民经济的重要支柱之一, 上游主要是原油、天然气、煤炭和原盐等大宗商品, 本身主要作为生产下游衍生化工产品的中间投入. 2000年高值区聚集在山东、河南、四川和山西, 低值区分布在甘肃、陕西、宁夏和青海；2010年和2019年高值区扩展至除宁夏外的8省份, 低值区只有宁夏.
煤炭开采及洗选业是高碳资源煤炭相关行业, 其2000年高值区聚集在山东、河南、四川和宁夏, 低值区分布在甘肃、陕西和青海；2010年高值区少了宁夏；2019年高值区扩展至山东、河南、四川、陕西、山西和内蒙古这6省份, 低值中心未发生显著变化. 这和我国煤炭行业发展、煤炭资源分布以及各省份煤炭产业定位有关, 如晋陕蒙地区近年来煤炭产量在全国名列前三, 煤炭产业也成为各省的支柱或主要产业.
石油及天然气开采业和煤炭开采业类似, 主要和行业发展、资源分布以及各省份产业定位有关. 2000年其碳排放高值区集中在山东和陕西, 低值区主要分布在内蒙古、宁夏和甘肃；2019年高值中心西移至四川、山东和青海等地, 低值中心未发生显著变化.
此外, 食品加工业、机械制造业和燃气的生产及供应业在2000年、2010年和2019年的碳排放量最大. 其中2000年食品加工业碳排放高值区为内蒙古和山东这2省份, 2010年机械制造业碳排放高值区为山西和山东这2省份, 2019年燃气的生产及供应业碳排放高值区为河南、陕西和内蒙古这3省份. 以上结果和各个时期的经济发展和政策导向、各省发展重点等有关, 如2000年左右中国政府开始推行国内需求扩大政策, 在这一政策的推动下, 食品加工业得到了积极的支持和发展, 因此碳排放量相对较高.
2.3 黄河流域工业碳排放的影响因素分析结合黄河流域工业及行业碳排放结果, 运用LMDI模型对其影响因素从时间维度逐年分解, 以2000年为基期分别计算出各因素影响效应贡献值, 如图 7所示.
|
图 7 2000~2019年黄河流域工业碳排放影响因素贡献值 Fig. 7 Contribution value of factors influencing industrial carbon emissions in the Yellow River Basin from 2000 to 2019 |
2000~2019年黄河流域工业碳排放平均贡献值年均增长138.18×106 t, 贡献值从大到小依次为经济规模效应、能源结构强度效应、人口规模效应和能源消费强度效应, 前3个因素对碳排放的贡献值均为正, 说明这3个影响因素对黄河流域工业碳排放具有正向促进作用, 但能源消费强度效应对工业碳排放的贡献值为负, 表明该因素对工业碳排放具有抑制作用. 除个别年限外, 经济规模效应正向显著, 大大抵消了能源消费强度效应带来的碳排放减少效果. 这与袁竹青[45]对2001~2020年各驱动因素对黄河流域沿线省份工业碳排放的平均贡献度研究结论相符.
从空间维度看, 2000~2019年黄河流域省域4个因素影响效应的平均贡献值如图 8所示.
|
图 8 黄河流域省域工业碳排放影响因素平均贡献值 Fig. 8 Average contribution value of factors influencing industrial carbon emissions of provinces in the Yellow River Basin |
黄河流域9省份工业碳排放平均贡献值年均增长15.35×106 t, 不同省份差异显著. 4个因素影响效应对9省份工业碳排放的贡献值正负和时间维度一致, 3个正向因素贡献值的增减趋势与总效应趋势基本一致, 经济规模效应和总效应的贡献值最为接近, 在不同省份存在较大差异；而人口规模效应、能源结构效应的贡献值处于中位, 空间差异较小. 负贡献值的能源消费强度效应处于最低位, 存在较大的空间差异. 就影响因素效应贡献值在黄河流域各省份的差异而言, 甘肃、青海和宁夏这3省份的差异较小, 各因素贡献值在-10×106~10×106 t；差异最大的是河南, 最大、最小贡献值差值高达72×106 t, 山东、山西和内蒙古各因素贡献差异也较大, 差值在50×106~70×106 t.
通过以上两个方面的分析, 可以看出能源消费强度和经济规模是黄河流域省域工业碳排放增加和减少的主要影响因素, 而能源结构强度和人口规模则对工业碳排放的影响相对较小. 以上结果和黄河流域生态文明建设、工业结构调整、经济快速发展和人口规模有一定关联, 如近年来黄河流域在生态环境治理、技术进步、新能源发展等方面不断探索, 传统能源消耗逐渐减少, 对碳排放减少做出了贡献；然而, 经济增长速度的加快又带动了工业生产的扩大, 短时期内仍然依赖于煤炭、石油等化石能源的驱动.
3 讨论 3.1 政策建议依据前文研究结果, 以及对于黄河流域工业碳排放时空演变及影响机制的分析与归纳, 本文现针对不同区域提出有针对性的优化建议.
首先, 从黄河流域工业碳排放的时空特征来看, 为实现绿色低碳的发展目标, 需要推动产业结构布局调整. 例如, 推动黄河流域煤炭、石油、矿产资源开发产业链延链和补链, 促进产业深加工, 逐步升级产业结构；应该遵守“十四五”能源消费和碳排放控制等要求, 推动重化工产业绿色化, 严格控制现代煤化工产业新增产能. 需要大力发展先进制造业和战略性新兴产业, 加快传统制造业的转型, 特别是开展黄河流域先进制造业集群专项行动, 推动兰州新区、西咸新区和郑州航空港区等国家级新区做强主导产业, 依托山东新旧动能转换核心区, 打造济南和青岛节能环保产业聚集区. 此外, 加快发展新一代信息技术、新能源、新材料、绿色环保和新兴服务业等战略性新兴产业, 以推动黄河流域绿色低碳发展.
其次, 从黄河流域高、中、低碳行业看, 需要积极推动能源消费的低碳化转型. 这包括推进重点用能行业的节能技术工艺升级, 例如鼓励电力、钢铁、有色和石化化工等行业企业对主要用能环节和用能设备进行技术工艺升级. 此外, 支持青海、宁夏等省、区发展储热熔盐和超级电容技术, 以培育新型电力储能装备. 还需要实施降碳技术改造升级, 围绕黄河流域的煤化工、有色金属和建材等重点行业, 通过流程降碳、工艺降碳和原料替代, 实现生产过程的降碳. 同时, 鼓励黄河流域各省发展绿色低碳材料, 以推动产品全生命周期的减碳. 在推进清洁能源高效利用方面, 鼓励氢能、生物燃料、垃圾衍生燃料等替代能源在钢铁、水泥和化工等行业的应用. 此外, 还支持青海和宁夏等风能和太阳能丰富地区发展屋顶光伏、分散式风电和高效热泵等.
再次, 从黄河流域工业碳排放的影响因素来看, 控制黄河流域工业碳排放是一个系统工程, 要在保持黄河流域地经济稳定发展的基础上, 一方面, 优化产业结构和布局, 推动高耗能产业向低耗能、低碳排放的产业转型, 这包括加快技术创新, 推广清洁能源和节能技术, 提高能源利用效率, 减少单位产值的碳排放. 同时, 还要加强对高耗能企业的监管, 严格执行碳排放标准, 对超标排放的企业进行处罚. 另一方面, 要合理控制人口规模和城镇化开发力度, 根据流域内各地区的环境承载力, 制定相应的城市规划和发展策略, 这包括加强城市基础设施建设, 提高城市管理水平, 促进城市可持续发展. 同时, 还要加强对环境污染的治理, 提高环境质量, 保障人民群众的环境权益.
3.2 不足与展望本研究以流域省级尺度为切入点, 对工业及其细分行业的时空演变特征与影响因素进行了详尽剖析, 在充分考虑各区域现状的基础上, 提出了相应的空间结构优化策略, 以期为省域低碳可持续发展提供指导. 然而, 本研究在数据获取等方面仍存在一定局限性：由于工业行业能源消耗数据的获取限制, 未能在城市尺度上进行更为精确的计算. 未来可考虑以黄河流域城市或城市群为研究单元, 以提高研究的准确性和实用性. 此外, 本研究在39个工业行业碳排放量差异较大的限制下, 未能将所有行业划分为高、中、低碳行业进行研究. 为增强研究的严谨性, 未来可以尝试采用更为全面的方法进行详细划分.
4 结论（1）从时序变化上来说, 2000~2019年黄河流域工业碳排放总量持续增长, 先后经历了快速增长、中速增长、负增长和缓慢增长4个阶段, 整体呈波折性增长趋势, 增长率不断降低.
（2）从空间变化来看, 2000年黄河流域工业碳排放呈“上游低, 中、下游高”的空间格局, 逐步向“高低值相间分布”转变, 空间差异逐步扩大, 2019年高值区呈现双核心的空间格局, 低值区较为分散.
（3）从工业行业层面来看, 按照碳排放均值大小, 2000~2019年黄河流域工业行业可分为高、中、低碳这3类, 高碳行业是工业碳排放最主要来源, 占比高达96.35%, 行业间碳排放量差异较大, 且呈现出持续增长态势；中、低碳行业碳排放量及总占比都较小, 呈不同的波动性变化. 空间分布显示黄河流域工业排放量9大行业存在显著的空间差异性, 主要和各省份资源禀赋、工业发展重点、产业定位和经济政策等有关.
（4）LMDI模型结果表明, 2000~2019年黄河流域工业碳排放平均贡献值年均增长138.18×106 t, 能源结构强度、经济规模和人口规模与黄河流域工业碳排放量呈显著正相关, 对黄河流域工业碳排放具有促进作用；能源消费强度对黄河流域工业碳排放量呈负相关性, 具有抑制作用. 经济规模效应正向显著, 大大抵消了能源消费强度效应带来的碳排放减少效果. 9省份工业碳排放因素影响效应贡献值存在空间差异性, 中、下游差异显著, 上游差异较小.
| [1] | 国家统计局. 中华人民共和国2022年国民经济和社会发展统计公报[J]. 中国统计, 2023(3): 12-29. |
| [2] |
王奕淇, 孙学莹. 黄河流域生态系统服务价值时空演化及影响因素[J]. 环境科学, 2024, 45(5): 2767-2779. Wang Y Q, Sun X Y. Spatiotemporal evolution and influencing factors of ecosystem service value in the Yellow River Basin[J]. Environmental Science, 2024, 45(5): 2767-2779. |
| [3] |
工信部、国家发改委等四部门联合印发《关于深入推进黄河流域工业绿色发展的指导意见》[J]. 中国轮胎资源综合利用, 2023, (2): 5. The Ministry of Industry and Information Technology, the National Development and Reform Commission, and other four departments jointly issued the Guiding Opinions on Deepening the Green Development of Industry in the Yellow River Basin[J]. China Tire Resources Comprehensive Utilization, 2023, (2): 5. |
| [4] |
陆大道, 孙东琪. 黄河流域的综合治理与可持续发展[J]. 地理学报, 2019, 74(12): 2431-2436. Lu D D, Sun D Q. Development and management tasks of the Yellow River Basin: A preliminary understanding and suggestion[J]. Acta Geographica Sinica, 2019, 74(12): 2431-2436. DOI:10.11821/dlxb201912001 |
| [5] |
王勇, 毕莹, 王恩东. 中国工业碳排放达峰的情景预测与减排潜力评估[J]. 中国人口·资源与环境, 2017, 27(10): 131-140. Wang Y, Bi Y, Wang E D. Scene prediction of carbon emission peak and emission reduction potential estimation in Chinese industry[J]. China Population, Resources and Environment, 2017, 27(10): 131-140. |
| [6] |
苏永乐, 冷彩霞, 蒋煜宇. 陕西省工业碳排放现状及影响因素研究[J]. 西安财经大学学报, 2020, 33(6): 58-65. Su Y L, Leng C X, Jiang Y Y. Research on current situation and influencing factors of industrial carbon emission in Shaanxi province[J]. Journal of Xi'an University of Finance and Economics, 2020, 33(6): 58-65. DOI:10.3969/j.issn.1672-2817.2020.06.007 |
| [7] |
王素凤, 洪剑涛, 李化夫. 中国城市能源消费碳排放影响因素的时空异质性[J]. 世界地理研究, 2023, 32(7): 1-14. Wang S F, Hong J T, Li H F. Spatial and temporal heterogeneity of factors influencing carbon emissions from energy consumption in Chinese cities[J]. World Regional Studies, 2023, 32(7): 1-14. DOI:10.3969/j.issn.1004-9479.2023.07.2021758 |
| [8] |
李竹, 王兆峰, 吴卫, 等. 碳中和目标下中国省域碳平衡能力与城镇化的关系[J]. 自然资源学报, 2022, 37(12): 3136-3152. Li Z, Wang Z F, Wu W, et al. The relationship between China's provincial carbon balance capacity and urbanization under carbon neutrality target[J]. Journal of Natural Resources, 2022, 37(12): 3136-3152. |
| [9] | Schimel D S, Alves, D, Enting I, et al. CO2 and carbon cycle[A]. In: Climate Change 1994: Radioactive Forcing of Climate Change (IPCC)[C]. Cambridge: Cambridge University Press, 1995. |
| [10] | Liu Y, Xiao H W, Zhang N. Industrial carbon emissions of China's regions: A spatial econometric analysis[J]. Sustainability, 2016, 8(3). DOI:10.3390/su8030210 |
| [11] | Zhang X Y, Shen M F, Luan Y P, et al. Spatial evolutionary characteristics and influencing factors of urban industrial carbon emission in China[J]. International Journal of Environmental Research and Public Health, 2022, 19(18). DOI:10.3390/ijerph191811227 |
| [12] | Wang Y, Su X L, Qi L, et al. Feasibility of peaking carbon emissions of the power sector in China's eight regions: decomposition, decoupling, and prediction analysis[J]. Environmental Science and Pollution Research, 2019, 26(28): 29212-29233. DOI:10.1007/s11356-019-05909-1 |
| [13] |
刘伟, 毛显强, 李巍, 等. 黄河流域城市群工业增长与碳排放脱钩关系研究[J]. 环境工程技术学报, 2023, 13(2): 849-856. Liu W, Mao X Q, Li W, et al. Study on decoupling relationship between industrial growth and carbon dioxide emission in the urban agglomeration in the Yellow River Basin[J]. Journal of Environmental Engineering Technology, 2023, 13(2): 849-856. |
| [14] |
王韶华, 刘晔, 张伟. 京津冀碳排放强度影响因素的动态效应分析及情景预测[J]. 城市问题, 2021(5): 42-51. Wang S H, Liu Y, Zhang W. Dynamic effect analysis and scenario prediction of factors influencing carbon emission intensity in Beijing, Tianjin and Hebei[J]. Urban Problems, 2021(5): 42-51. |
| [15] |
崔艳芳, 张国兴. 黄河流域资源型城市碳排放影响因素与达峰预测研究[J]. 人民黄河, 2023, 45(2): 9-14. Cui Y F, Zhang G X. Research on the influencing factors and peak prediction of carbon emission of resources-based cities in the Yellow River Basin[J]. Yellow River, 2023, 45(2): 9-14. DOI:10.3969/j.issn.1000-1379.2023.02.002 |
| [16] |
金柏辉, 李玮, 张荣霞, 等. 中国建筑业碳排放影响因素空间效应分析[J]. 科技管理研究, 2018, 38(24): 238-245. Jin B H, Li W, Zhang R X, et al. Spatial analysis of provincial carbon emissions in China construction industry[J]. Science and Technology Management Research, 2018, 38(24): 238-245. DOI:10.3969/j.issn.1000-7695.2018.24.034 |
| [17] | Xu X B, Yang G S, Tan Y, et al. Factors influencing industrial carbon emissions and strategies for carbon mitigation in the Yangtze River Delta of China[J]. Journal of Cleaner Production, 2017, 142: 3607-3616. DOI:10.1016/j.jclepro.2016.10.107 |
| [18] |
廖诺, 王锦衍, 罗雪韵. 异质性视角下广东省工业行业能源效率及影响因素研究[J]. 生态经济, 2023, 39(7): 67-74. Liao N, Wang J Y, Luo X Y. The study on energy efficiency and influencing factors of Guangdong's industrial industries from the perspective of heterogeneity[J]. Ecological Economy, 2023, 39(7): 67-74. |
| [19] |
何迎, 邢园通, 汲奕君, 等. 我国电力行业碳排放影响因素及区域差异研究[J]. 安全与环境学报, 2020, 20(6): 2343-2350. He Y, Xing Y T, Ji Y J, et al. On influential factors and regional difference in carbon emissions from power industry at home in China[J]. Journal of Safety and Environment, 2020, 20(6): 2343-2350. |
| [20] |
贺晋瑜, 何捷, 王郁涛, 等. 中国水泥行业二氧化碳排放达峰路径研究[J]. 环境科学研究, 2022, 35(2): 347-355. He J Y, He J, Wang Y T, et al. Pathway of carbon emissions peak for cement industry in China[J]. Research of Environmental Sciences, 2022, 35(2): 347-355. |
| [21] |
杜强, 陆欣然, 冯新宇, 等. 中国各省建筑业碳排放特征及影响因素研究[J]. 资源开发与市场, 2017, 33(10): 1201-1208. Du Q, Lu X R, Feng X Y, et al. Provincial carbon emissions of China's construction industry: characteristics and influencing factors[J]. Resource Development & Market, 2017, 33(10): 1201-1208. DOI:10.3969/j.issn.1005-8141.2017.10.010 |
| [22] | Li D Z, Huang G Y, Zhu S Y, et al. How to peak carbon emissions of provincial construction industry? Scenario analysis of Jiangsu Province[J]. Renewable and Sustainable Energy Reviews, 2021, 144. DOI:10.1016/j.rser.2021.110953 |
| [23] |
吕雁琴, 范天正, 张晋宁. 中国交通运输碳排放效率的时空异质性及影响因素研究[J]. 生态经济, 2023, 39(3): 13-22. Lv Y Q, Fan T Z, Zhang J N. Spatiotemporal characteristics and influencing factors of China's transport sector carbon emissions efficiency[J]. Ecological Economy, 2023, 39(3): 13-22. |
| [24] |
孙彦明, 杨怡乐, 李清立. "双碳"目标下中国省域交通碳排放强度的时空演变分析[J]. 宏观经济研究, 2023, 45(11): 48-61. Sun Y M, Yang Y L, Li Q L. An analysis on spatial-temporal evolution of China's provincial transportation carbon emission intensity under the goal of carbon Peaking and carbon neutrality[J]. Macroeconomics, 2023, 45(11): 48-61. |
| [25] | Wang X L, Qu L H, Wang Y Y, et al. Dynamic scenario predictions of peak carbon emissions in China's construction industry[J]. Sustainability, 2023, 15(7). DOI:10.3390/su15075922 |
| [26] |
刘晨曦, 支小军, 孙雪英. 新疆工业碳排放因素分解——基于GDIM模型的实证研究[J]. 地域研究与开发, 2023, 42(4): 125-129, 142. Liu C X, Zhi X J, Sun X Y. Decomposition of industrial carbon emission factors in Xinjiang: a case study based on generalized Dirichlet index method[J]. Areal Research and Development, 2023, 42(4): 125-129, 142. DOI:10.3969/j.issn.1003-2363.2023.04.020 |
| [27] |
陈慧灵, 高子恒, 王振波. 省级尺度工业碳排放影响因素及碳转移格局[J]. 生态学报, 2023, 43(14): 5816-5828. Chen H L, Gao Z H, Wang Z B. Analysis on influencing factors of industrial carbon emission and carbon transfer pattern at provincial level[J]. Acta Ecologica Sinica, 2023, 43(14): 5816-5828. |
| [28] |
王青, 傅莉媛, 孙海添. 中国工业生产能源消费碳排放的区域差异、动态演进与影响因素[J]. 资源科学, 2023, 45(6): 1239-1254. Wang Q, Fu L Y, Sun H T. Regional differences, dynamic changes, and influencing factors of carbon emissions from industrial production energy consumption in China[J]. Resource Science, 2023, 45(6): 1239-1254. |
| [29] |
边宇, 蔺雪芹, 周笑, 等. 京津冀工业碳排放时空演化特征及影响因素[J]. 环境科学与技术, 2021, 44(11): 37-47. Bian Y, Lin X Q, Zhou X, et al. Temporal and spatial evolution characteristics and influencing factors of industrial carbon emissions in Beijing-Tianjin-Hebei region[J]. Environmental Science & Technology, 2021, 44(11): 37-47. |
| [30] |
蔺雪芹, 边宇, 王岱. 京津冀地区工业碳排放效率时空演化特征及影响因素[J]. 经济地理, 2021, 41(6): 187-195. Lin X Q, Bian Y, Wang D. Spatiotemporal evolution characteristics and influencing factors of industrial carbon emission efficiency in Beijing-Tianjin-Hebei region[J]. Economic Geography, 2021, 41(6): 187-195. |
| [31] |
陆杉, 李雯. 长江中游城市群工业碳排放空间关联及其影响因素[J]. 环境科学与技术, 2023, 46(8): 227-236. Lu S, Li W. Spatial network structure of industrial carbon emission of urban agglomerations in the middle reaches of the Yangtze River and its influencing factors[J]. Environmental Science & Technology, 2023, 46(8): 227-236. |
| [32] |
田泽, 程飞. 长江经济带建设下江苏省工业碳排放测算及影响因素研究[J]. 生态经济, 2017, 33(12): 24-27. Tian Z, Cheng F. Study on industrial carbon emission estimation and its influencing factors in Jiangsu province under the construction of Yangtze River economic belt[J]. Ecological Economy, 2017, 33(12): 24-27. |
| [33] |
戴胜利, 张维敏. 中部六省工业碳排放影响效应及其变化趋势分析[J]. 工业技术经济, 2022, 41(4): 152-160. Dai S L, Zhang W M. A comparative study on the effect and change trend of industrial carbon emissions in six provinces of central China[J]. Industrial Technology & Economy, 2022, 41(4): 152-160. DOI:10.3969/j.issn.1004-910X.2022.04.017 |
| [34] |
任世鑫, 李二玲, 赵金彩, 等. 黄河流域耕地利用碳排放时空特征及影响因素研究[J]. 中国土地科学, 2023, 37(10): 102-113. Ren S X, Li E L, Zhao J C, et al. Spatial-temporal characteristics of carbon emissions from cultivated land use in the Yellow River basin and the influencing factors[J]. China Land Science, 2023, 37(10): 102-113. |
| [35] |
柳江, 李志花. 黄河流域经济社会与生态环境协调发展特征[J]. 中国沙漠, 2023, 43(6): 51-59. Liu J, Li Z H. Coordinative characteristics of economic-social development and ecological environment in the Yellow River Basin[J]. Journal of Desert Research, 2023, 43(6): 51-59. |
| [36] | 中共中央国务院印发《黄河流域生态保护和高质量发展规划纲要》[J]. 中华人民共和国国务院公报, 2021, (30): 15-35. |
| [37] |
宋洋, 朱道林, 张立新, 等. 2000年以来黄河流域土地市场化时空格局演变及驱动因素[J]. 自然资源学报, 2020, 35(4): 799-813. Song Y, Zhu D L, Zhang L X, et al. Spatio-temporal evolution and driving factors of land marketization in the Yellow River Basin since 2000[J]. Journal of Natural Resources, 2020, 35(4): 799-813. |
| [38] |
周丽. 深圳市工业部门碳排放及减排路径研究[D]. 南昌: 江西财经大学, 2021. Zhou L. Research on carbon emission and reduction path of industrial sectors in Shenzhen[D]. Nanchang: Jiangxi University of Finance and Economics, 2021. |
| [39] |
范建双, 周琳. 中国建筑业碳排放时空特征及分省贡献[J]. 资源科学, 2019, 41(5): 897-907. Fan J S, Zhou L. Spatiotemporal distribution and provincial contribution decomposition of carbon emissions for the construction industry in China[J]. Resources Science, 2019, 41(5): 897-907. |
| [40] |
韩钰铃, 刘益平. 基于LMDI的江苏省工业碳排放影响因素研究[J]. 环境科学与技术, 2018, 41(12): 278-284. Han Y L, Liu Y P. Study on influencing factors of industrial carbon emission in Jiangsu province based on LMDI model[J]. Environmental Science & Technology, 2018, 41(12): 278-284. |
| [41] |
李雪梅, 郝光菊, 张庆. 天津市高碳排放行业碳排放影响因素研究[J]. 干旱区地理, 2017, 40(5): 1089-1096. Li X M, Hao G J, Zhang Q. Influencing factors of high-emission for industrial sub-sectors in Tianjin[J]. Arid Land Geography, 2017, 40(5): 1089-1096. |
| [42] | Wen L, Zhang Z Q. Probing the affecting factors and decoupling analysis of energy industrial carbon emissions in Liaoning, China[J]. Environmental Science and Pollution Research, 2019, 26(14): 14616-14626. DOI:10.1007/s11356-019-04693-2 |
| [43] |
刘宜卓, 石悦泽, 荆克迪. "双碳"目标下黄河流域九省区横向区域碳补偿机制构建研究[J]. 生态经济, 2024, 40(1): 29-37. Liu Y Z, Shi Y Z, Jing K D. Research on the construction of horizontal regional carbon compensation mechanism in nine provinces of the Yellow River basin with the goal of "Double Carbon"[J]. Ecological Economy, 2024, 40(1): 29-37. |
| [44] |
祁强强, 徐占军, 李娜艳, 等. 黄河流域碳排放的时空分布及影响因素研究[J]. 环境污染与防治, 2023, 45(4): 577-582. Qi Q Q, Xu Z J, Li N Y, et al. Spatio-temporal distribution pattern and influencing factors of carbon emission in the Yellow River basin[J]. Environmental Pollution & Control, 2023, 45(4): 577-582. |
| [45] |
袁竹青. "碳达峰"目标下黄河流域沿线省份工业碳排放时空差异及碳减排对策研究[D]. 西安: 西安理工大学, 2023. Yuan Z Q. Spatial-temporal differences of industrial carbon emissions and carbon emission reduction strategies in provinces along the Yellow River basion under the goal of "peak carbon dioxide emissions"[D]. Xi'an: Xi'an University of Technology, 2023. |