2024, Vol. 45
2. 辽宁师范大学海洋可持续发展研究院, 大连 116029
2. Institute of Marine Sustainable Development, Liaoning Normal University, Dalian 116029, China
党和国家对碳达峰、碳中和工作部署, 并对减污降碳协同效应提出要求, 开展污染物和CO2等温室气体协同减排是深入打好污染防治攻坚战的关键途径, 我国生态环境保护将进入减污降碳协同治理的新阶段[1].减污降碳应以统筹经济高质量发展为目标, 按“十四五”发展规划, 经济发展要全面转型, 必须将减污降碳理念融入高质量发展中, 实现减碳与发展的深度融合[2].在此背景下, 二者协调推进对推动减污降碳协同增效, 促进经济高质量发展全面转型具有重要现实意义.
深刻把握减污降碳协同增效的重大意义和科学内涵, 构建高质量发展新格局的高度来整体谋划生态文明建设和经济社会发展, 引起了国内外学者的广泛关注, 分别从不同的角度进行了探讨.减污降碳协同增效方面：①减污降碳和协同减排, 主要集中在大气污染物与碳排放的驱动机制、应对策略及其效应的研究.Ramanathan等[3]认为大规模脱碳, 不仅减少碳排放, 也减少了臭氧和甲烷等温室气体的排放；刘茂辉等[4]从多维度分析天津减污降碳协同效应；孙世达等[5]分析了河北省大气污染治理进程中的减污降碳协同效益. ②环境治理对碳减排、气候变化的协同效应及评价研究. Okorn等[6]通过对大气污染物排放和碳排放的同时监测, 验证污染物减排的协同性.③减污降碳对策措施及其协同效应评价研究.狄乾斌等[1]对中国三大城市群减污降碳协同治理分析, 并提出政策、技术和能力建设等方面的措施. ④对特定行业如“钢铁行业”“水泥行业”等减污降碳影响效应的研究[7]；也有针对城市群等特定区域的相关研究[8].经济高质量发展方面：①背景与内涵.从新发展理念、理论逻辑和五大特征等角度阐释高质量发展重要内涵[9]. ②现状测度.通过指标构建测度经济高质量发展水平[10].欧进锋等[11]从“五大发展理念”把握高质量内涵发展, 构建包含20个指标评价体系；由于多指标测度过程中存在主观性, 也有学者通过全要素生产率单一指标衡量[12]. ③影响因素和路径.经济增长、产业升级、科技创新和生态保护等方面均可能成为制约因素, 加快动能转换、全面深化改革、推进创新、协调、绿色、开放和共享发展等方面, 是推动经济高质量发展重要实现路径[13].耦合协调关系方面：①理论基础和指标评价体系. Dong等[14]基于自然资源开发造成的环境污染理论, 构建了环境、能源和经济这三系统评价指标. ②实证模型, 国外多采用AIO、IRIO、MRIO和WIOD模型[15]；国内借用物理学中耦合与协调发展度测算, 同时灰色关联度模型和系统动力学模型等多种方法在经济系统和生态环境系统耦合方面广泛应用[16, 17]. ③政策设计与优化方案.学者们提出基于生态文明理念的经济生态化发展政策工具和减污降碳协同增效路径[18]；增加环保投资、发挥科技创新优势、推进节能降耗和环境管制等作为促进产业和生态环境协调发展的政策工具[19, 20].
围绕该领域的研究成果丰富, 但也存在以下不足：①已有研究对减污降碳协同增效这一新举措研究较为缺乏, 更多地侧重于理论内涵的梳理讨论, 在强调生态环境基础上从经济高质量发展视角测度各城市之间的耦合关系研究较少. ②针对减污降碳与经济高质量发展之间的双向互动关系研究还比较薄弱, 缺少理论探讨和实证分析.基于此, 本研究建立减污降碳协同增效和经济高质量发展评价指标体系；综合评价模型测度2010~2020年三大城市群减污降碳与经济高质量发展水平；耦合协调度模型计算二者的耦合协调度；PVAR模型考察减污降碳与经济高质量发展的互动关系. 通过促进三大城市群减污降碳协同增效, 以期为城市经济高质量发展提供相关建议参考.
1 减污降碳与经济高质量发展系统耦合机制减污降碳与经济高质量发展联系紧密[21].减污降碳是目标、区域、主体、路径、手段、政策和措施等方面的协同作用[22]；动能、创新、协调、改革、绿色、开放和共享是经济高质量发展重要的几个方面[23].因而, 从二者相互作用关系出发, 构建减污降碳与经济高质量发展的耦合机制框架（图 1）.
|
图 1 减污降碳与经济高质量发展耦合互动机制 Fig. 1 Coupling interaction mechanism of pollution control and carbon emission reduction and high-quality economic development |
现有研究对减污降碳协同增效基本内涵多注重来源分析, 推动减污与降碳并举, 实现提质增效[24].当前对经济高质量发展的内涵, 多是指能够更好满足人民日益增长的美好生活需要的经济发展方式、结构、动力状态, 是体现“创新、协调、绿色、开放、共享”的新发展理念的发展[25].该研究认为减污降碳与经济高质量发展耦合, 实质是把生态环境治理从打破先污染后治理的向源头预防和源头治理的转变, 以经济高质量发展为引领, 推进减污与降碳转型发展, 加快形成资源节约的产业结构、能源、建筑结构和交通空间格局[1, 18].
1.2 减污降碳与经济高质量发展耦合互动和协调共生减污降碳协同增效和经济高质量发展间关系复杂, 两者相互作用且相互渗透.当前学者多用耦合度、复合协同度或关联度来分析生态环境与高质量发展的关系.事实上, 耦合协调度是对二者关联影响程度的测度[26].近年来, 环境保护从认识到实践发生重要变化.最重要是从就环保论环保和就环境治理环境, 转到了环境治理与经济协调发展, 体现在生态文明建设是推动高质量发展重要途径, 强调生态和经济系统转变高度协同[27].当减污降碳协同真正实现经济发展方式转变；而经济对生态文明建设也能被快速反馈, 二者之间才会高度耦合.
2 材料与方法 2.1 研究区概况及数据来源京津冀城市群、长三角城市群和珠三角城市群, 是我国经济活力最强、开放水平最高、创新水平最强和人口集聚最多的地区, 表明中国城市群发展的最高形态和方向, 不仅对我国经济社会发展具有重要的辐射带动作用, 更是推动我国经济发展方式转变、实现高质量发展的动力源[28].参考中国城市群的研究[29], 该研究以48个城市为研究区.三大城市群资源禀赋、经济发展和城市化阶段差异导致碳排放量不同, 与经济发展速度相关；经济发展离不开能源大量消耗, 经济发展与低碳节能的矛盾突出；三大城市群的能源约束、环境问题、高质量发展问题日益突出[30].作为环境污染和碳排放的重点区域, 准确了解其目前减污降碳协同增效并对症下药, 对于提升其高质量发展进而提升全国经济高质量发展, 推动城市可持续发展具有重要意义.
该研究所选取的相关指标数据均来源于政府统计部门公开发布的权威统计数据.来源于2010~2021年《中国城市统计年鉴》《中国环境统计年鉴》《中国统计年鉴》；同时还参考了2010~2021年各省份统计年鉴、各城市国民经济和社会发展统计公报、环境质量公报的相关数据.
2.2 评价指标体系构建减污降碳与高质量发展的耦合协调必须有一套明确的量化指标体系, 关系到评价结果可信度[31].采用文献资料法统计关于经济高质量发展和减污降碳协同增效指标设计, 选择使用频率高；其次是对经济高质量发展和减污降碳相关理论进行分析整理, 初步确定动能、创新、协调、改革、绿色、开放和共享等7个经济系统；从污染、治理、资源和生态等4个方面为减污降碳协同增效的生态系统；最后根据相关专家反馈, 修改与完善指标体系, 剔除不合理指标[1, 9, 13, 18, 32], 分别建立减污降碳协同增效评价指标体系（表 1）, 经济高质量发展评价指标体系（表 2）.
|
表 1 减污降碳协同增效评价指标体系1） Table 1 Evaluation index system of synergistic effect of pollution control and carbon emission reduction |
|
|
表 2 经济高质量发展评价指标体系1） Table 2 Evaluation index system of high-quality economic development |
2.3 研究方法 2.3.1 综合评价模型
该研究采用综合评价模型测度减污降碳协同增效水平和经济高质量发展水平, 采用极大-极小值方法对各个指标进行标准化处理[33], 在此基础上计算, 具体公式如下：
|
(1) |
|
(2) |
|
(3) |
式中, xij和yij分别为城市i与城市j具体指标；N为城市总数；Xi为减污降碳协同增效水平；Yi为经济高质量发展水平；Wij为各个变量的权重. S为减污降碳协同增效水平或经济高质量发展水平的综合发展水平；Yk为各指标评价值[34].
2.3.2 耦合协调度模型耦合协调度的计算公式如下：
|
(4) |
|
(5) |
|
(6) |
式中, C（t）为耦合协调度；G（t）为耦合度；T（t）为系统间综合协调指数, t为变量, k和θ为调整系数. X（t）为减污降碳协同增效水平；Y（t）为经济高质量发展水平；减污降碳和高质量发展地位同等重要[35], 需同步推进, 因此将α和β的取值设定为相等, 均为0.5.耦合协调度C取值范围在[0, 1]之间, 值越大表示耦合协调性越好[36].
2.3.3 PVAR模型为了考察减污降碳与经济高质量的动态关系, 在耦合协调度分析的基础上构建PVAR模型进行实证检验, 运用矩估计法初步对变量进行分析, 运用脉冲响应和方差分解进一步估计联合内生变量的动态关系[37]. PVAR模型为：
|
(6) |
式中, Yit为第i个城市在第t年由内生变量组成的向量, 依次为减污降碳与经济高质量发展, j为变量的滞后阶数, yt-j为滞后j阶矩阵, P0为截距, Aj为回归系数矩阵, fj和dt分别为固定效应和时间效应, εit为随机扰动项[38].
3 结果与讨论 3.1 减污降碳协同发展指数与经济高质量发展指数时空特征 3.1.1 减污降碳协同发展指数（1）时序变化 从减污降碳协同发展指数看, 中国三大城市群各城市发展水平自2010~2019年总体呈现增长态势, 表明各城市群减污降碳协同增效发展状况整体向好的方向发展[图 2（a）]. 2010~2012年受资源利用效率低, 环境污染严重和环境治理水平低等现状影响, 减污降碳协同增效水平低, 增长缓慢；2013~2015年阶段, 在国家环保高压政策下, 减污降碳协同增效水平有所增长[39]；2015~2017年, 中央政府有针对性加大生态建设和环境保护, 相继提出蓝天保卫战、污染防治攻坚战等政策, 减污降碳协同增效水平迅速提高；2017年之后对生态文明建设重视程度加大, 减污降碳协同增效水平呈现平稳增长.在研究期间三大城市群的减污降碳协同发展水平整体上长三角城市群优于珠三角和京津冀城市群.
|
图 2 减污降碳和经济高质量发展指数 Fig. 2 Development index of pollution control and carbon emission reduction and economic high-quality development |
（2）空间特征 选取2010、2015和2020年数据, 利用ArcGIS 10.2软件绘制减污降碳协同增效空间分布（图 3）.从图 3看出, 三大城市群内减污降碳协同增效呈现不同的空间演化特征.京津冀城市群减污降碳协同增效从2010年的以沧州、保定和廊坊为中心, 从东北向西南递减, 演变为以北京、唐山和秦皇岛为中心, 向南北两侧递减的空间格局.长三角城市群减污降碳协同增效的空间分布则由“沿杭州-湖州-苏州-南通-盐城”的高值区向东西两侧递减演变.珠三角城市群减污降碳协同增效的空间分布相对稳定, 呈现以多城市为中心, 从珠江入海口两侧向内陆递减, 城市集群环绕分布的格局.2010~2020年减污降碳协同增效强度低的城市数量逐渐减少, 2010年减污降碳协同增效强度低城市为张家口、邢台、杭州、绍兴、嘉兴和东莞, 主要分布在长三角城市群；2010年减污降碳协同增效强度低城市为秦皇岛、南通、韶关、惠州和肇庆, 主要分布在珠三角城市群；2016年减污降碳协同增效强度低城市为京津冀和长三角城市群的承德、滁州和无锡.
|
（a）2010年京津冀减污降碳协同发展指数, （b）2015年京津冀减污降碳协同发展指数, （c）2020年京津冀减污降碳协同发展指数, （d）2010年长三角减污降碳协同发展指数, （e）2015年长三角减污降碳协同发展指数, （f）2020年长三角减污降碳协同发展指数, （g）2010年珠三角减污降碳协同发展指数, （h）2015年珠三角减污降碳协同发展指数, （i）2020年珠三角减污降碳协同发展指数 图 3 减污降碳协同发展指数空间分布 Fig. 3 Spatial distribution of pollution control and carbon emission reduction synergistic development index |
（1）时序变化 从经济高质量发展指数来看[图 2（b）], 三大城市群的发展水平增长速度先缓慢后加速增长的趋势：2010~2013年增长速度比较缓慢；2014~2017年增长速度有所上升；2017之后加速上升状态, 主要原因在于城市与工业化的发展, 共同带动了经济快速发展, 总体表明城市群的经济高质量前期发展迟缓.经济高质量发展存在明显的不平衡, 长三角和珠三角的发展水平显著高于京津冀水平, 长三角和珠三角总体表现为经济高质量发展水平的快速提升, 主要原因在于城市群产业结构优化升级和生产方式转变, 为经济高质量发展提供新动能[40].城市群内部各城市间差异显著, 但城市间区域发展差距在逐渐缩小.
（2）空间格局 由图 4可知：三大城市群内城市的经济高质量发展指数增长显著, 空间分布格局呈现稳定特征.从2010~2020年大多数城市的发展指数都是增加的, 说明三大城市群内城市的经济与发展水平不断增加, 2020年三大城市群整体发展指数明显高于2010年, 表明各城市经济高质量发展水平不断提升.分城市来看, 2010年, 北京、天津、苏州、上海和广州中等城市所占比重比较大, 在三大城市群的高质量发展中起到带动作用. 2015年和2020年仍旧是这些城市占比较高, 保定、唐山、南京、合肥、杭州、珠海和深圳所占比例有很明显地提升.经济高质量发展指数最大的是京津冀, 其次是长三角, 珠三角则最小.可见, 京津冀和长三角是城市群经济高质量发展的重要集聚区.
|
（a）京津冀经济高质量发展指数, （b）长三角经济高质量发展指数, （c）珠三角经济高质量发展指数 图 4 经济高质量发展指数空间分布 Fig. 4 Spatial distribution of high-quality economic development index |
参照王淑佳等[41]和张为师等[42]耦合协调阶段的划分, 对中国三大城市群耦合协调发展水平进行评析.由计算结果可知（表略）, 2010~2020年耦合协调度在0.530~0.910之间, 每个城市群的耦合协调水平都持续平稳上升, 耦合度处于初级协调状态, 耦合协调水平较高. 2010年除京津冀城市群部分城市耦合协调系数大于0.600外, 长三角城市群和珠三角城市群耦合协调系数均在0.460~0.604之间, 说明三大城市群减污降碳与经济高质量发展的耦合协调系数整体较低；2015年与2010年对比发现, 三大城市群耦合协调系数明显提升, 耦合协调系数在0.676~0.769之间, 说明减污降碳协同增效的压力大, 经济高质量发展水平提升慢, 导致两者的耦合协调发展变化较小；2019年三大城市群耦合协调系数最大值均在0.800以上；说明减污降碳协同增效效果明显, 进一步提升经济高质量发展水平[43].
3.2.2 耦合协调的空间演变空间上（图 5）, 三大城市群耦合协调系数存在明显空间异质性, 总体呈长三角城市群 > 京津冀 > 珠三角的区域间差异特征.城市群内部差异方面, 三大城市群的耦合协调系数得到不同程度的提升, 但城市间差距较为明显, 京津冀以北京-天津为中心地向周围发展；长三角以上海-杭州-南京-合肥等城市多中心集聚分布；珠三角则是以广州-深圳, 广州-珠海为轴线分散发展.从各城市角度看, 超过三分之二的城市为初级和中级协调水平, 但耦合协调发展的阶段各异, 随着各城市发展水平提升, 处于失调水平的城市逐渐减少.2020年北京、天津、苏州、南京和广州等城市由中级协调到高级协调水平；邯郸、邢台、廊坊和镇江等城市也进入中级协调水平, 不断向高级协调发展.
|
（a）2010年京津冀城市群, （b）2015年京津冀城市群, （c）2020年京津冀城市群, （d）2010年长三角城市群, （e）2015年长三角城市群, （f）2020年长三角城市群, （g）2010年珠三角城市群, （h）2015年珠三角城市群, （i）2020年珠三角城市群 图 5 减污降碳与经济高质量发展耦合协调度的空间分布 Fig. 5 Spatial distribution of coupling coordination degree between pollution control and carbon emission reduction and high-quality economic development |
采用LLC（levin-lin-chu）检验、IPS（im-pesaran-skin）检验、ADF-Fisher（augmented dickey fulle-fisher）和PP-Fisher（phillipsamp perron-fisher）检验多种方法避免单一方法存在的误差[44], 结果表明三大城市群的减污降碳、高质量发展两大变量在5%水平值上均拒绝原假设, 因此原序列均平稳, 具备建立面板向量自回归的基础条件, 如表 3所示.
|
|
表 3 面板数据单位根检验结果1） Table 3 Panel data unit root test results |
3.3.2 面板数据协整检验
为检验减污降碳和高质量发展之间关系, 选用Kao、Pedroni和Johansen这3种方法检验变量之间是否存在长期均衡关系.Kao同质性协整检验结果拒绝三大城市群减污降碳和高质量发展之间无协整关系的假设, 即二者存在长期均衡关系.Pedroni检验结果显示, 检验统计量均表明至少在5%的显著水平下拒绝原假设, 即各变量间存在协整关系.Johansen协整检验的分析结果, 进一步支持了三大城市群减污降碳与经济高质量发展之间存在协整关系, 表明两变量具有一致的长期变化趋势.受篇幅限制, 表格略.
3.3.3 最优滞后阶数在进行因果检验和面板向量自回归广义矩估计分析之前, 要保证估计参数的有效性和自由度, 需构建AIC（akaike information citerion）、BIC（bayesian information criterion）与HQIC（hannan-quinn information criterion）准则的最小阶数选择两变量的最佳滞后阶数, 以此确定PVAR模型最优选择.三准则结果显示（表 4）, 京津冀、长三角、珠三角和三大城市群均在1阶时达到最小, 因此将最优滞后阶数均确定为1.
|
|
表 4 PVAR模型最优阶数检验结果1） Table 4 PVAR model optimal order test results |
3.3.4 格兰杰因果检验
为探讨三大城市群减污降碳与高质量发展之间的因果关系, 进行格兰杰因果检验.结果如表 5所示, 京津冀城市群和长三角城市群均在1%显著性水平下拒绝了原假设, 因此减污降碳和高质量发展在京津冀和长三角城市群呈有序演进趋势, 高质量发展是减污降碳的重要原因, 反之, 减污降碳也是高质量发展的重要原因.珠三角城市群在1%显著性水平下拒绝了“HD不是引起PC的原因”, 但接受了“PC不是引起HD的原因”的零假设, 表明珠三角城市群高质量发展有效促进地区减污降碳发展, 但减污降碳没有显著推进高质量发展进程.以三大城市群为系统整体, 检验结果显示, 在5%显著性水平拒绝“HD不是引起PC的原因”和“PC不是引起HD的原因”, 表明高质量发展和减污降碳存在显著双向影响关系, 高质量发展有利于更好统筹环境污染、环境治理和碳减排, 减污降碳协同治理有利于区域经济发展质量提升.
|
|
表 5 格兰杰因果检验结果1） Table 5 Granger causality test results |
3.3.5 PVAR模型分析
（1）面板脉冲响应分析 脉冲响应函数通过描述随机扰动项的正交冲击对系统中其他各变量未来取值的影响轨迹, 进而刻画各变量间的时滞规律和动态交互影响[45].运用Stata16软件, 将冲击作用期限设定为10期, 通过500次蒙特卡洛模拟分析三大城市群减污降碳和高质量发展之间动态关系, 作出三大城市群各自脉冲响应图及整体脉冲响应（图 6）.
|
图 6 脉冲响应函数 Fig. 6 Impulse response function diagram |
图 6（a）、6（b）、6（c）和6（d）为京津冀城市群减污降碳与高质量发展的脉冲响应结果. 从图 6（a）可看出, 当减污降碳受自身一个标准差冲击时, 在当期处于最高值, 从第1期开始迅速减小, 在未来第2期继续减小并趋向于零, 并呈负效应走向.图 6（b）中, 当减污降碳受到高质量发展一个正向冲击后, 呈先上升后下降的倒U型曲线状, 在滞后2期接近最大值并呈下降趋势, 表明高质量发展对减污降碳作用具有时滞性特征.图 6（c）和图 6（d）的受冲击变量为高质量发展, 图 6（c）显示京津冀城市群高质量发展受到减污降碳冲击后正向效应由大到小的趋势走向.图 6（d）为高质量发展受到自身一个单位冲击后的未来10期响应轨迹, 结果显示当期达到最大值, 随后缓慢下降并向零值靠近.
图 6（e）、6（f）、6（g）和6（h）为长三角城市群减污降碳与高质量发展的脉冲响应结果. 图 6（e）和图 6（g）中, 给减污降碳一个正向冲击后, 其自身和高质量发展响应效应均逐渐减弱, 自身响应下降速度快于高质量发展响应下降速度.图 6（f）和图 6（h）显示, 给高质量发展一个正向冲击后, 其自身和减污降碳均产生正向效应.其中, 自身响应先保持不变随后逐步下降.减污降碳对高质量发展的响应首先呈上升趋势, 于第2期达到顶峰并开始快速下降, 收敛于零.
如图 6（i）、图 6（j）、图 6（k）和图 6（l）所示, 珠三角城市群减污降碳与高质量发展的脉冲响应作用相对较弱, 减污降碳受自身正向冲击后响应很迅速, 当期达到最大值并急剧下降, 在未来2期仅有微弱的响应作用, 高质量发展受自身冲击后正向效应逐渐减弱.给减污降碳一个标准差冲击后, 高质量发展在未来1期实现由正向效应向负向效应的转变, 且负向效应在未来4期达到最大, 之后逐渐收敛.
如图 6（m）、图 6（n）、图 6（o）和图 6（p）所示, 三大城市群减污降碳和高质量发展面对自身冲击于当期达到顶峰, 后期逐渐减小, 均表现出正向效应, 表明两变量自身具有惯性特征, 但这种惯性会随滞后期数增加而逐渐弱化.减污降碳对高质量发展冲击的反应在不同时间均大于零, 曲线变化呈现先升后降的倒U型曲线形状, 说明高质量发展可以通过创新发展、动能转换、深化改革、绿色发展、开放发展有效提升减污降碳水平, 在时间尺度具有滞后性.面对减污降碳一个标准差的冲击, 高质量发展随期数增加呈下降趋势, 并在滞后8期表现出由正向至负向突破的趋势.
（2）方差分解 方差分解可以刻画出三大城市群减污降碳和高质量发展脉冲响应的解释能力.由表 6所示, 三大城市群整体高质量发展对减污降碳的影响随着时间推移解释力度逐渐增强, 而减污降碳对高质量发展的影响随着时间推移解释力度稍有减弱.在第5期, 减污降碳预测方差有81.2%是由自身引起的, 18.8%由高质量发展扰动引起.第20期, 减污降碳和高质量发展的方差贡献度分别是76.5%和23.5%, 反映高质量发展对减污降碳的贡献是有效、持续的.高质量发展的预测方差在第5期由90.8%的自身扰动和9.2%的减污降碳扰动引起, 滞后30期高质量发展和减污降碳对其贡献程度分别为91.6%和8.4%, 说明减污降碳对高质量发展作用强度较弱.分区域来看, 京津冀城市群减污降碳对高质量发展变动的解释力度随着期数增加而下降, 但始终高于高质量发展对减污降碳波动的解释力度.在第5期高质量发展的分解贡献率14.8%来自减污降碳水平提升, 至第15期时变量波动趋于稳定, 基本保持在14.2%.高质量发展对减污降碳冲击强度从第5期的8.6%到第20期的11.1%, 有所上升但影响力相对较弱.长三角城市群方差分解结果符合三大城市群整体方差分解规律, 高质量发展对减污降碳的冲击随期数增加贡献程度逐渐增强, 且贡献度在三大城市群中最高, 由第5期的25.4%到第15期的31.4%并保持稳定, 由减污降碳波动引发的高质量发展预测方差则从最初的14.2%下降至13.0%.珠三角城市群高质量发展的变动主要来自变量自身的冲击, 受减污降碳的扰动冲击作用较小, 减污降碳对高质量发展的解释能力始终处于3%水平.反之, 高质量发展对减污降碳水平波动的贡献能力较强, 由第5期的24.2%逐步上升, 到第15期达到28.7%, 而后趋于稳定.
|
|
表 6 减污降碳与经济高质量发展方差分解1） Table 6 Variance decomposition of pollution control and carbon emission reduction and high-quality economic development |
4 结论
（1）2010~2020年中国三大城市群减污降碳和高质量发展水平总体呈现增长态势, 减污降碳协同增效综合水平整体上长三角城市群优于珠三角、京津冀城市群, 城市群内部各城市间经济高质量综合发展水平差异显著, 且整体偏高.
（2）中国三大城市群的减污降碳与经济高质量发展耦合协调水平都持续平稳上升, 处于初级协调状态；时间变化看, 从2010~2020年均由勉强协调水平进入初级协调水平, 最后到中级协调水平；超过三分之二的城市达到初级和中级协调水平.空间特征看, 减污降碳与经济高质量协调发展水平呈现以高值为中心连片发展的特点, 高值位于中心市、省会城市等城市以及部分沿海发达城市.
（3）从减污降碳与经济高质量发展的互动关系看, 发现减污降碳受经济高质量发展的促进作用较为显著, 同时减污降碳对高质量发展也有一定促进作用, 但其影响的滞后效应有限.长三角和珠三角的经济高质量发展对其减污降碳的作用更为显著, 京津冀减污降碳对其高质量发展的推动比其他区域更为明显.
| [1] |
狄乾斌, 陈小龙, 侯智文. "双碳"目标下中国三大城市群减污降碳协同治理区域差异及关键路径识别[J]. 资源科学, 2022, 44(6): 1155-1167. Di Q B, Chen X L, Hou Z W. Regional differences and key pathway identification of the coordinated governance of pollution control and carbon emission reduction in the three major urban agglomerations of China under the"Double-Carbon"targets[J]. Resources Science, 2022, 44(6): 1155-1167. |
| [2] |
高吉喜. 减污降碳需以统筹经济高质量发展为目标[J]. 环境与可持续发展, 2021, 46(3): 11-12. Gao J X. Pollution reduction and carbon reduction should be aimed at coordinating high-quality economic development[J]. Environment and Sustainable Development, 2021, 46(3): 11-12. |
| [3] | Ramanathan V, Xu Y Y. The Copenhagen accord for limiting global warming: criteria, constraints, and available avenues[J]. Proceedings of the National Academy of Sciences of the United States of America, 2010, 107(18): 8055-8062. |
| [4] |
刘茂辉, 岳亚云, 刘胜楠, 等. 基于STIRPAT模型天津减污降碳协同效应多维度分析[J]. 环境科学, 2023, 44(3): 1277-1286. Liu M H, Yue Y Y, Liu S N, et al. Multi-dimensional analysis of the synergistic effect of pollution reduction and carbon reduction in Tianjin based on the STIRPAT model[J]. Environmental Science, 2023, 44(3): 1277-1286. |
| [5] |
孙世达, 张改革, 孙露娜, 等. 河北省2013~2020年大气污染治理进程中的减污降碳协同效益[J]. 环境科学, 2023, 44(10): 5431-5442. Sun S D, Zhang G G, Sun L N, et al. Synergistic benefits of pollution and carbon reduction from air pollution control in Hebei province from 2013 to 2020[J]. Environmental Science, 2023, 44(10): 5431-5442. |
| [6] | Okorn K, Jimenez A, Collier-Oxandale A, et al. Characterizing methane and total non-methane hydrocarbon levels in Los Angeles communities with oil and gas facilities using air quality monitors[J]. Science of the Total Environment, 2021, 777. DOI:10.1016/j.scitotenv.2021.146194 |
| [7] |
李明煜, 张诗卉, 王灿, 等. 重点工业行业碳排放现状与减排定位分析[J]. 中国环境管理, 2021, 13(3): 28-39. Li M Y, Zhang S H, Wang C, et al. The carbon emission status and emission reduction positioning of key industrial sectors[J]. Chinese Journal of Environmental Management, 2021, 13(3): 28-39. |
| [8] | Chen X L, Di Q B, Jia W H, et al. Spatial correlation network of pollution and carbon emission reductions coupled with high-quality economic development in three Chinese urban agglomerations[J]. Sustainable Cities and Society, 2023, 94. DOI:10.1016/j.scs.2023.104552 |
| [9] |
陈小龙, 狄乾斌. 区域高质量发展的空间联系及辐射效应研究——以辽宁沿海经济带为例[J]. 地理科学进展, 2023, 42(11): 2126-2142. Chen X L, Di Q B. Spatial connection and radiation effect of regional high-quality development: a case study of the Liaoning coastal economic belt[J]. Progress in Geography, 2023, 42(11): 2126-2142. DOI:10.18306/dlkxjz.2023.11.005 |
| [10] |
陈景华, 陈姚, 陈敏敏. 中国经济高质量发展水平、区域差异及分布动态演进[J]. 数量经济技术经济研究, 2020, 37(12): 108-126. Chen J H, Chen Y, Chen M M. China's high-quality economic development level, regional differences and dynamic evolution of distribution[J]. The Journal of Quantitative & Technical Economics, 2020, 37(12): 108-126. |
| [11] |
欧进锋, 许抄军, 刘雨骐. 基于"五大发展理念"的经济高质量发展水平测度——广东省21个地级市的实证分析[J]. 经济地理, 2020, 40(6): 77-86. Ou J F, Xu C J, Liu Y Q. The measurement of high-quality development level from five development concepts: empirical analysis of 21 prefecture-level cities in Guangdong province[J]. Economic Geography, 2020, 40(6): 77-86. |
| [12] |
蔺鹏, 孟娜娜. 环境约束下京津冀区域经济发展质量测度与动力解构——基于绿色全要素生产率视角[J]. 经济地理, 2020, 40(9): 36-45. Lin P, Meng N N. Quality measurement and dynamic deconstruction of regional economic development in Beijing-Tianjin-Hebei region under environmental constraints: from the perspective of green total factor productivity[J]. Economic Geography, 2020, 40(9): 36-45. |
| [13] |
陈小龙, 狄乾斌, 吴洪宇. 辽宁沿海经济带经济高质量发展水平测度及评价[J]. 资源开发与市场, 2023, 39(8): 1022-1029. Chen X L, Di Q B, Wu H Y. Measurement and evaluation of the economic high-quality development level of the Liaoning coastal economic belt[J]. Resource Development & Market, 2023, 39(8): 1022-1029. |
| [14] | Dong Q Y, Zhong K Y, Liao Y J, et al. Coupling coordination degree of environment, energy, and economic growth in resource-based provinces of China[J]. Resources Policy, 2023, 81. DOI:10.1016/j.resourpol.2023.103308 |
| [15] | Su B, Ang B W. Multi-region input-output analysis of CO2 emissions embodied in trade: the feedback effects[J]. Ecological Economics, 2011, 71: 42-53. DOI:10.1016/j.ecolecon.2011.08.024 |
| [16] |
肖黎明, 张仙鹏. 强可持续理念下绿色创新效率与生态福利绩效耦合协调的时空特征[J]. 自然资源学报, 2019, 34(2): 312-324. Xiao L M, Zhang X P. Spatio-temporal characteristics of coupling coordination between green innovation efficiency and ecological welfare performance under the concept of strong sustainability[J]. Journal of Natural Resources, 2019, 34(2): 312-324. |
| [17] |
崔学刚, 方创琳, 刘海猛, 等. 城镇化与生态环境耦合动态模拟理论及方法的研究进展[J]. 地理学报, 2019, 74(6): 1079-1096. Cui X G, Fang C L, Liu H M, et al. Dynamic simulation of urbanization and eco-environment coupling: a review on theory, methods and applications[J]. Acta Geographica Sinica, 2019, 74(6): 1079-1096. |
| [18] |
陈小龙, 狄乾斌, 吴洪宇. 中国沿海城市群减污降碳协同增效时空演变及影响因素[J]. 热带地理, 2023, 43(11): 2060-2074. Chen X L, Di Q B, Wu H Y. Spatial-temporal evolution and influencing factors of synergy in pollution and carbon reduction in China's coastal urban agglomerations[J]. Tropical Geography, 2023, 43(11): 2060-2074. |
| [19] | Zhai M Y, Wu Y F, Gu Y F, et al. Development of an interactive multi-region enviro-economic equilibrium (IMR3E) model for managing inner-and inter-region carbon-emission mitigation[J]. Resources, Conservation and Recycling, 2023, 199. DOI:10.1016/j.resconrec.2023.107214 |
| [20] | Khan Y, Hassan T, Guiqin H, et al. Analyzing the impact of natural resources and rule of law on sustainable environment: a proposed policy framework for BRICS economies[J]. Resources Policy, 2023, 86. DOI:10.1016/j.resourpol.2023.104070 |
| [21] |
杨帆, 甄江红. "双碳"目标下典型地区减污、降碳与经济增长关系研究: 以黄河流域城市群为例[J]. 环境科学研究, 2023, 36(11): 2050-2064. Yang F, Zhen J H. Relationship between pollution and carbon reduction and economic growth in typical regions under the 'dual carbon' goals: a case study of urban agglomeration in the Yellow River Basin[J]. Research of Environmental Sciences, 2023, 36(11): 2050-2064. |
| [22] |
张瑜, 孙倩, 薛进军, 等. 减污降碳的协同效应分析及其路径探究[J]. 中国人口·资源与环境, 2022, 32(5): 1-13. Zhang Y, Sun Q, Xue J J, et al. Synergistic effects of pollution control and carbon reduction and their pathways[J]. China Population, Resources and Environment, 2022, 32(5): 1-13. |
| [23] |
孙艺璇, 程钰, 刘娜. 中国经济高质量发展时空演变及其科技创新驱动机制[J]. 资源科学, 2021, 43(1): 82-93. Sun Y X, Cheng Y, Liu N. Spatiotemporal evolution of China's high quality economic development and its driving mechanism of scientific and technological innovation[J]. Resources Science, 2021, 43(1): 82-93. |
| [24] |
郑逸璇, 宋晓晖, 周佳, 等. 减污降碳协同增效的关键路径与政策研究[J]. 中国环境管理, 2021, 13(5): 45-51. Zheng X Y, Song X H, Zhou J, et al. Synergetic control of environmental pollution and carbon emissions: pathway and policy[J]. Chinese Journal of Environmental Management, 2021, 13(5): 45-51. |
| [25] |
张震, 王泽宇, 李瑛. 中国区域经济高质量发展研究综述[J]. 资源开发与市场, 2021, 37(8): 928-933. Zhang Z, Wang Z Y, Li Y. Review of researches on the high quality development of regional economy in China[J]. Resource Development & Market, 2021, 37(8): 928-933. |
| [26] | Zhang Y, Fang Z Q, Xie Z Q. Study on the coupling coordination between ecological environment and high-quality economic development in urban agglomerations in the middle reaches of the Yangtze River[J]. International Journal of Environmental Research and Public Health, 2023, 20(4). DOI:10.3390/ijerph20043612 |
| [27] |
李名升, 孙媛, 陈远航, 等. 污染排放与环境质量关系模型构建与应用[J]. 环境科学, 2014, 35(3): 1198-1204. Li M S, Sun Y, Chen Y H, et al. Establishment and application of pollutant discharge-environment quality model[J]. Environmental Science, 2014, 35(3): 1198-1204. |
| [28] |
盛彦文, 骆华松, 宋金平, 等. 中国东部沿海五大城市群创新效率、影响因素及空间溢出效应[J]. 地理研究, 2020, 39(2): 257-271. Sheng Y W, Luo H S, Song J P, et al. Evaluation, influencing factors and spatial spillover of innovation efficiency in five major urban agglomerations in coastal China[J]. Geographical Research, 2020, 39(2): 257-271. |
| [29] |
吴舒祺, 顾杨旸, 张天岳, 等. 中国三大城市群PM2.5浓度非线性变化分析[J]. 环境科学, 2024, 45(2): 709-720. Wu S Q, Gu Y Y, Zhang T Y, et al. Nonlinear variations in PM2.5 concentration in the three major urban agglomerations in China[J]. Environmental Science, 2024, 45(2): 709-720. |
| [30] |
郑航, 叶阿忠. 空间关联网络结构特征的减排效应: 基于城市群视角[J]. 环境科学, 2022, 43(10): 4401-4407. Zheng H, Ye A Z. Carbon emission reduction effect of spatial correlation network structure characteristics: from the perspective of urban agglomeration[J]. Environmental Science, 2022, 43(10): 4401-4407. |
| [31] |
陈小龙, 狄乾斌. 资源型城市生态转型绩效评价及发展对策研究——以平顶山市为例[J]. 资源与产业, 2021, 23(5): 1-10. Chen X L, Di Q B. A case study on Pingdingshan city: performance evaluation of and developing approaches to ecological transformation in resource-based cities[J]. Resources & Industries, 2021, 23(5): 1-10. |
| [32] |
唐湘博, 张野, 曹利珍, 等. 中国减污降碳协同效应的时空特征及其影响机制分析[J]. 环境科学研究, 2022, 35(10): 2252-2263. Tang X B, Zhang Y, Cao L Z, et al. Spatio-temporal characteristics and influencing mechanism of synergistic effect of pollution and carbon emission reduction in China[J]. Research of Environmental Sciences, 2022, 35(10): 2252-2263. |
| [33] |
狄乾斌, 陈小龙. 新常态下海洋经济新旧动能转换测评与影响因素分析[J]. 中国海洋大学学报(社会科学版), 2024(1): 1-13. Di Q B, Chen X L. Analysis of the Replacement of old growth drivers with new ones and affecting factors in China's marine economy under new normal situation[J]. Journal of Ocean University of China (Social Sciences Edition), 2024(1): 1-13. |
| [34] |
翁钢民, 唐亦博, 潘越, 等. 京津冀旅游—生态—城镇化耦合协调的时空演进与空间差异[J]. 经济地理, 2021, 41(12): 196-204. Weng G M, Tang Y B, Pan Y, et al. Spatiotemporal evolution and spatial difference of tourism-ecology-urbanization coupling coordination in Beijing-Tianjin-Hebei urban agglomeration[J]. Economic Geography, 2021, 41(12): 196-204. |
| [35] |
赵体侠, 朱连奇, 王丽园, 等. 中国生态环境质量与人类活动耦合机制及其影响因子[J]. 环境科学, 2024, 45(6): 3341-3351. Zhao T X, Zhu L Q, Wang L Y, et al. Coupling mechanisms of eco-environmental quality and human activities in China and their influencing factors[J]. Environmental Science, 2024, 45(6): 3341-3351. |
| [36] |
刘琳轲, 梁流涛, 高攀, 等. 黄河流域生态保护与高质量发展的耦合关系及交互响应[J]. 自然资源学报, 2021, 36(1): 176-195. Liu L K, Liang L T, Gao P, et al. Coupling relationship and interactive response between ecological protection and high-quality development in the Yellow River Basin[J]. Journal of Natural Resources, 2021, 36(1): 176-195. |
| [37] |
狄乾斌, 贾文菡. 经济制度变迁对海洋经济发展的影响分析——以我国沿海地区为例[J]. 海洋经济, 2024, 14(2): 83-94. Di Q B, Jia W H. The influence of economic institutional changes on marine economic development: a case study of coastal areas in China[J]. Marine Economy, 2024, 14(2): 83-94. |
| [38] |
魏振香, 史相国. 生态可持续与经济高质量发展耦合关系分析——基于省际面板数据实证[J]. 华东经济管理, 2021, 35(4): 11-19. Wei Z X, Shi X G. Analysis of the coupling relationship between ecological sustainability and high-quality economic development: an empirical study based on inter-provincial panel data[J]. East China Economic Management, 2021, 35(4): 11-19. |
| [39] |
郭沛, 王光远. 数字经济的减污降碳协同作用及机制——基于地级市数据的实证检验[J]. 资源科学, 2023, 45(11): 2117-2129. Guo P, Wang G Y. The synergistic effect of digital economy on pollution and carbon reduction and the influence mechanism: an empirical test based on prefecture-level city data[J]. Resources Science, 2023, 45(11): 2117-2129. |
| [40] |
张国俊, 王运喆, 陈宇, 等. 中国城市群高质量发展的时空特征及分异机理[J]. 地理研究, 2022, 41(8): 2109-2124. Zhang G J, Wang Y Z, Chen Y, et al. Spatiotemporal characteristics and differentiation mechanism of high-quality development of urban agglomerations in China[J]. Geographical Research, 2022, 41(8): 2109-2124. |
| [41] |
王淑佳, 孔伟, 任亮, 等. 国内耦合协调度模型的误区及修正[J]. 自然资源学报, 2021, 36(3): 793-810. Wang S J, Kong W, Ren L, et al. Research on misuses and modification of coupling coordination degree model in China[J]. Journal of Natural Resources, 2021, 36(3): 793-810. |
| [42] |
张为师, 徐颖, 惠婧璇. 中国城市CO2排放和空气质量协同变化特征及驱动因素研究[J]. 中国环境管理, 2023, 15(2): 38-47. Zhang W S, Xu Y, Hui J X. The spatio-temporal impacts and driving factors of the synergistic effects of reducing pollution and carbon emissions in cities of China[J]. Chinese Journal of Environmental Management, 2023, 15(2): 38-47. |
| [43] |
许光清, 张文丹, 陈晓玉. 能源优化配置促进高质量发展与减污降碳协同研究[J]. 中国环境科学, 2023, 43(6): 3220-3230. Xu G Q, Zhang W D, Chen X Y. Study of the synergy of high-quality development and pollution abatement and carbon reduction promoted by energy optimal allocation[J]. China Environmental Science, 2023, 43(6): 3220-3230. |
| [44] |
张玉泽, 韩银风, 张硕. 山东省绿色金融与生态文明耦合协调测度及交互响应[J]. 生态经济, 2023, 39(4): 221-229. Zhang Y Z, Han Y F, Zhang S. Coupling coordination measure and interactive response between green finance and ecological civilization in Shandong province[J]. Ecological Economy, 2023, 39(4): 221-229. |
| [45] |
杨清可, 段学军, 王磊, 等. 长三角区域一体化与城市土地利用效率的协同测度及交互响应[J]. 资源科学, 2021, 43(10): 2093-2104. Yang Q K, Duan X J, Wang L, et al. Collaborative measurement and interactive response between regional integration and urban land use efficiency in the Yangtze River Delta[J]. Resources Science, 2021, 43(10): 2093-2104. |