2025, Vol. 46
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
建设生态文明是关系人民福祉、关乎民族未来的长远大计[1]. 2022年, 全国地级及以上城市细颗粒物浓度比2021年下降3.3%, 优良天数比例为86.5%, 均好于年度目标；重度及以上污染天数比2021年下降0.4个百分点[2]. 全国环境空气质量稳中向好的同时, 生态文明建设与能源利用结构性、根源性、趋势性问题仍需解决. 鉴于环境污染物排放与二氧化碳排放同根同源性, 有效地碳减排措施能够同步减少大气污染、水污染和固体废弃物等各类污染物排放, 两者的统筹和协同将获得双重效益并降低全社会总减排成本. “十四五”期间, 中国进入高质量发展阶段, 经济大盘社会大局同稳, 构建新发展格局“稳定器”“压舱石”作用进一步显现[3]. 作为经济发展高地与对外开放前沿, 广东省面临国内外环境更加复杂多变, 经济社会发展区域不协调、人口老龄化弊端、经济质量效益偏低、资源消耗严重和动能转换效率低等多重矛盾, 暴露出以要素和投资驱动的传统模式的弊端[4]. 进入新发展阶段, 经济增长是否构成广东省环境污染治理、碳减排的重要抓手, 成为减污降碳协同发展的障碍因子. 锚定经济高质量发展任务和“碳达峰碳中和”目标, 能否在遵循经济运行、污染防治和气候治理协同规律的基础上, 以经济效率提升进一步深化减排降碳, 以碳减排和绿色创新助推新旧动能转化, 实现环境效益、气候效益和经济效益多赢格局?全面探讨碳达峰碳中和约束下经济发展与减污、降碳的耦合互动关系, 对推动广东省减污降碳协同治理从“弱相关”进入到“强联合”和实现经济绿色低碳转型具有重要意义.
区域经济增长通常与环境污染和碳排放紧密关联, 二者具有较强的同步性和相关性. 当前相关研究主要集中在减污降碳协同效应及其影响因素、经济发展与污染防治、经济发展与碳减排的关系. 根据环境污染与碳排放之间协同方式不同, 将其划分为以下3个可验证的假说, 主要包括：一是碳减排的减污效应假说, Anita等[5]实证分析了工业二氧化碳的减少将对综合污染物产生抑制效应, 也有学者以政策视角出发, 运用合成控制法、双重差分模型等验证了碳交易政策产生的环境红利[6 ~ 8]；二是环境治理的降碳效应假说, 大多数学者赞同污染物减排可以有效抑制碳排放[9, 10], 而Sinn[11]提出“绿色悖论”假说, 指出环境规制引起经济主体前瞻性的动态供给侧反应, 短期内加大能源开采强度, 不利于碳减排落实[12]. 也有学者发现环境规制对碳排放的直接效应呈现倒U型曲线[13], 当规制强度处于初级阶段时, 主要表现为绿色悖论效应, 而随着环境法律的不断收紧, 逐步转变为倒逼减排对碳排放的影响, 并呈现负向空间溢出效应[14]；三是反馈假说, 认为环境污染治理与碳减排之间存在双向因果关系[15, 16], 对此展开一系列有关减污降碳协同效应评价[17, 18]及其治理措施[19, 20]、影响因素[21, 22]、情景模拟[23]的研究.
有关经济发展与污染减排和经济发展与碳排放的关系, 主要围绕两条主线展开：环境库兹涅兹曲线和碳排放脱钩. 首先, 学者们从国际经济体[24]、国家[25]和省域[26]等不同尺度, 旅游业[27]、农业[28]和工业[29]不同领域展开对环境库兹涅兹曲线假说的探讨与应用, 也有学者从国家尺度对环境库兹涅特曲线假设进行检验, 并重点关注这些国家的收入和政策如何影响经济-环境关系[30, 31]. 同样的, 围绕环境库兹涅兹曲线的假说也被应用于经济增长与碳排放的研究中[32, 33]. 进一步地, 为解释经济和CO2排放之间的不同步变化, “脱钩”理论被引入相关研究中. Tapio[34]在OECD脱钩模型基础上, 根据经济增长与交通运输量之间的8种状态, 建立了脱钩模型. 该模型被国内外学者广泛应用于对碳排放与经济发展之间的脱钩状态[35, 36]、时空分异[37, 38]和驱动因素[39]的分析, 并将其扩展至环境污染与经济发展的关系[40, 41]研究. 针对减污降碳与经济发展之间的关系, 陈小龙等[42]以中国三大城市群为例, 在“双碳”目标背景下对减污降碳与经济高质量发展的耦合关系展开较为详细的分析.
综上, 关于经济增长与生态环境关系方面已有较为丰富成果, 但仍有待进一步探讨. 首先, 大部分研究从单向视角出发分析了经济增长对环境治理、碳减排的作用机制或环境污染和碳减排对经济增长的作用机制.亟需从双向因果视角出发, 将减污降碳与经济发展纳入统一框架, 深入解析减污与经济发展、降碳与经济发展、减污降碳协同与经济发展三对关系的互动效应, 以适应广东省减污降碳协同增效新形势；其次, 区域经济-生态环境是互联互通、紧密结合、动态演变的有机统一体, 任何系统内部要素的变动可能会引起其他要素跨越时间尺度的响应, 现有研究集中在静态视角的分析, 对系统内要素间长效动态机制进行分析, 充分考虑经济、环境和气候三者自身及彼此之间的滞后效应；第三, 现有文献对经济增长、减污降碳的研究集中在国家、区域和省域尺度, 从地级市尺度出发, 基于广东省2006~2020年的21个城市的面板数据, 采用面板向量自回归（PVAR）模型全面考察该省减污降碳与经济发展之间的动态耦合关系, 旨在为加快建设美丽广东、如期实现“双碳”目标和气候韧性试点城市的建设提供参考.
1 减污降碳与经济发展协调作用机制减污降碳与经济发展之间的相互作用体现出一种动态平衡和相互促进的复杂关系, 这种关系具备持久性和稳固性. 它们相互之间的协同效应塑造了一种互补共赢的“双赢”格局：一方面, 经济增长为减污降碳提供了强大的动力和资金支持；另一方面, 减污降碳的实践又为经济可持续发展创造了良好的生态环境和新的增长点. 尽管在表象上减污降碳似乎与经济增长存在冲突, 但本质上, 它们代表着两种发展的理念, 在区域发展进程中彼此依存、相得益彰, 是推动中国特色社会主义现代化建设的共同目标. 这种既包含矛盾又实现统一的关系, 为绿色低碳转型与经济高质量发展的并行不悖提供了坚实的理论和实践基础. 图 1深入揭示了减污降碳与经济发展之间的协调作用机制, 为二者的和谐发展指明了方向.
|
图 1 减污降碳与经济发展协调作用机制 Fig. 1 Action mechanism of pollution and carbon reduction and economic development |
首先, 经济活动是环境污染与温室气体排放的主要驱动力. 经济活动与环境污染、碳排放之间存在密切关联, 这种联系不仅体现在污染物的产生与排放, 还反映在温室气体排放的严重程度上. 能源消费、工业生产、建筑用能、物流转运、居民生活以及交通运输等领域, 均为各类环境污染物, 包括大气污染物、固体废物和水污染物, 以及以二氧化碳为主的温室气体排放的重要源头. 鉴于环境污染与温室气体排放的共同来源属性, 减污与降碳的协同整合显得尤为关键. 在理论基础与政策制定层面, 需综合考虑环境质量改善与温室气体减排的双重目标, 确保两者在理念规划与操作上互为促进.
实现减污降碳协同治理, 是集“目标-路径-手段-区域-主体-政策”为一体化的协同过程：目标协同, 确立明确且统一的环境与气候目标指标, 实现污染物和温室气体排放的全面监控与管理；路径协同, 以综合治理和源头控制为主线, 形成从污染源头到排放末端的完整治理链条；手段协同, 整合各类环境管理手段, 包括环境法规、经济政策和科技创新等, 形成政策合力；区域协同, 强化区域合作, 实现跨地区、跨流域的污染与温室气体减排协同, 确保涵盖所有关键经济活动领域；主体协同, 实施全面的控制策略, 关注各类排放主体, 包括大型企业、中小型企业及居民生活, 鼓励企业、政府和社会各方共同参与, 形成多元化的环境治理力量；政策协同, 制定具体可行的减污降碳措施, 融合技术创新、政策引导与法规约束等多种手段, 以及采用多样化的政策工具, 包括市场化机制和财政激励政策, 激发市场主体和公众参与环境治理的积极性确保各类环境政策在目标、手段和实施上相互协调, 形成政策合力.
协同推进产业结构升级、能源结构转型、建筑节能改造及交通体系优化等关键领域, 对于实现经济增长与环境保护的和谐共进具有至关重要的战略价值. 具体作用路径为：首先, 通过技术革新与政策激励, 深化产业与能源结构的优化调整, 减少高污染、高耗能产业在经济体系中的占比, 并增强清洁能源及绿色产业的发展动力. 其次, 建筑节能改造是实现经济发展与环境保护双赢的重要途径之一, 推广绿色建筑标准和节能技术, 能大幅降低建筑行业的能耗和环境负荷, 同时提高建筑的使用效能和居住品质. 第三, 优化交通系统对于构建经济与环境和谐共生的格局同样不可或缺. 发展公共交通和鼓励步行、骑行等绿色出行方式, 有助于减少私家车使用, 减轻交通拥堵和汽车尾气排放. 加大此类出行方式的投资, 提升公共交通服务水平, 对公众采纳更为环保、健康的出行方式至关重要. 这要求在追求经济发展的同时, 积极探索绿色、可持续的发展道路, 实现经济结构的绿色转型与环境质量的持续改善. 贯彻新发展理念, 实施以人为本的发展战略, 促进生产和消费方式的系统性变革, 推动能源革命和生态文明建设, 以期为可持续发展奠定坚实基础.
2 材料与方法 2.1 研究区域概况广东省地处中国大陆的南端, 北高南低[43], 以山地丘陵地貌为主（图 2）. 2022年, 广东实现地区生产总值12.912万亿元, 连续34 a居全国第一. 作为经济贸易大省, 为我国体制机制创新、经济社会建设作出重大贡献. 近年来, 经济新发展格局和“双转移战略”的推动下, 省域内部各城市间陆续出现环境污染转移问题. 为此, 广东省“十四五”规划中指出, 要锚定“双碳”目标, 以“四个革命, 一个合作”能源安全新战略为统揽, 处理好发展和减排、整体和局部、短期和中长期发展的关系. 以广东省经济的高质量发展为对标习近平总书记对广东生态环境发展的定位、对标绿色民生美丽家园和对标蓝天碧水净土保卫战提供坚实可靠的基础.
|
图 2 研究区地理位置示意 Fig. 2 Geographical location of the study area |
以水污染物、大气污染物和二氧化碳为研究对象, 纳入工业废水、SO2、PM2.5、氮氧化物、VOCs和CO2等指标, 计算2006~2020年广东省减污降碳协同排放当量. 此处仅考虑生产过程产生的直接排放, 不考虑电力和热力等终端能源使用的间接排放, 水污染物排放采用工业废水排放量表示, 大气污染物和CO2的计算方法分别见公式（1）和公式（2）.
大气污染排放量采用公式（1）进行核算.
|
(1) |
式中, EAir为大气污染物排放量, t；E-SO2为SO2排放量, t；E-PM2.5为PM2.5排放量, t；E-NOx为NOx排放量, t；E-VOCs为VOCs排放量, t；α、β、γ和δ分别为SO2、PM2.5、NOx和VOCs的当量系数, 无量纲.
以上所称“碳”是指温室气体, 其排放量依据文献[44]进行计算, 主要计算公式如下：
|
(2) |
式中, EGHG为温室气体排放量；EFijk为第i燃料类型第j部门活动第k技术类型的排放因子, Aijk为第i燃料类型第j部门活动第k技术类型的燃料消费量.
减污降碳协同排放当量综合考虑环境污染物和碳排放量, 计算公式如下：
|
(3) |
式中, SE为减污降碳协同排放当量, t；EAir为大气污染当量, t；EGHG为温室气体排放量；θ和κ分别为大气污染物和温室气体的当量系数, 无量纲. 当量系数的具体数值见表 1.
|
表 1 大气污染物排放和减污降碳排放当量系数1） Table 1 Coefficient table of air pollution equivalent and co-emission equivalent |
2.3 数据来源与处理
根据研究需要和参考已有成果[17, 44], 选取环境污染数据、碳排放数据和经济增长数据这3个部分, 统计分析广东省2006~2020年21个地级市减污降碳和经济发展水平.考虑到各项污染物排放与治理具有异质性, 有必要进一步针对具体污染物排放与经济发展之间的关系进行探讨, 将水污染物排放记为Water, 大气污染物排放记为Air, 二氧化碳排放记为CO2, 地方生产总值记为GDP, 减污降碳协同排放记为CE. 鉴于数据可得性, 以广东省21个地级市2006~2020年的面板数据为样本, 并对原始数据进行对数化处理, 产生新生变量序列：lnWater、lnAir、lnCO2、lnCE和lnGDP.
各项环境污染物指标来自于2006~2020年《中国城市统计年鉴》, 部分数据参考了中经网数据. 煤和石油等化石燃料燃烧产生的CO2排放是造成全球变暖的主要原因, 主要消费能源的碳排放系数来源于IPCC国家温室气体排放清单, 各类能源转换为标准煤的系数取自《综合能耗计算通则》（GB/T2589-2008）, 各类污染源数据、能源数据和经济增长数据来自于2006~2020年《中国能源统计年鉴》《广东省统计年鉴》《广东农业统计年鉴》以及广东省各城市统计年鉴. 部分指标数据个别年份存在缺失的情况, 采用趋势插值法补齐. 数据处理与统计分析采用SPSS、Stata16.0和ArcGIS等分析软件.
2.4 面板向量自回归（PVAR）模型面板向量自回归模型（PVAR）在沿袭VAR模型优势的同时, 对面板数据进行了优化处理, 既可以免去因果关系的设定, 将各变量视作系统的内生变量, 任一变量作为其他变量滞后项的函数, 又能够调节时间效应和个体效应[45], 以脉冲响应和方差分解详细考察各变量间的动态关系. 为充分考察经济增长与减污、降碳的互动关系, 分别建立lnGDP与lnWater的PVAR模型、lnGDP与lnAir的PVAR模型、lnGDP与lnCO2的PVAR模型、lnGDP与lnCE的PVAR模型、最终建立如下PVAR模型：
|
(4) |
|
(5) |
式中, yit依次为经济发展、水污染物排放、大气污染物排放、二氧化碳排放和减污降碳协同排放这5个列向量, yt-j为所有内生变量, i=1, 2, …, 21为广东省的21个城市, t=2006, 2007, …, 2020为年份, j为变量滞后阶数, α0为截距, Aj为回归系数矩阵, fi 和dt分别为固定效应和时间效应, εit为随机扰动项.
3 结果与讨论 3.1 描述性统计对lnWater、lnAir、lnCO2、lnCE和lnGDP这5个变量的平均值、最值和标准差进行统计描述可以发现（表 2）, 广东省二氧化碳排放和地区生产总值的标准差大, 表明各城市之间温室气体排放和经济发展水平差异较大, 大气污染物排放的标准差较小, 说明各城市间大气污染排放具有区域协同性. 图 3为2006~2020年广东省lnWater、lnAir、lnCO2、lnCE和lnGDP的时间变化趋势, 地方生产总值呈现稳步上升趋势, 二氧化碳排放量持续增加的同时区域差异进一步扩大, 水污染物排放、大气污染物排放和减污降碳协同排放波动性下降, 污染物减排工作取得成效.
|
|
表 2 2006~2020年广东省减污降碳与经济发展变量统计特征 Table 2 Statistical characteristics of carbon reduction and economic development variables in Guangdong Province from 2006 to 2020 |
|
图 3 2006~2020年广东省环境污染、碳排放与经济发展时空演变 Fig. 3 Temporal and spatial evolution of environmental pollution, carbon emission, and economic development in Guangdong Province from 2006 to 2020 |
采用LLC检验、IPS检验、ADF-Fisher检验和PP-Fisher检验对各变量进行检验. 结果显示（表 3）, 原序列lnWater、lnAir、lnCO2、lnCE和lnGDP存在单位根, 未通过平稳性检验, 但经过一阶差分后的ΔlnWater、ΔlnAir、ΔlnCO2、ΔlnCE和ΔlnGDP通过单位根检验. 因此, 可以用一阶差分平稳序列建立PVAR模型.
|
|
表 3 面板数据单位根检验结果1） Table 3 Panel data unit root test results |
3.3 面板协整检验
采用Pedroni检验和Westerlund检验研究各变量lnWater、lnAir、lnCO2、lnCE和lnGDP之间的协整关系（表 4）, 分析是否存在长期均衡关系. 检验结果表明, 所有统计量均显著拒绝零假设, 有理由认为广东省经济发展与环境治理、碳减排之间存在长期均衡关系.
|
|
表 4 面板数据协整检验结果 Table 4 Panel data co-integration test results |
3.4 最优滞后期数的确定
为保证模型参数估计的有效性与准确性, 将5个变量的自然对数作为因变量, 分析不同滞后期数的变量对因变量的影响（表 5）. 按照多数原则, 根据AIC、BIC和HQIC准则, 水污染物排放与地区生产总值、大气污染物排放与地区生产总值、减污降碳协同排放与地区生产总值的变量模型最优滞后阶数均为3阶, 二氧化碳排放与地区生产总值模型的最优滞后阶数为1阶.
|
|
表 5 PVAR模型最优滞后 Table 5 Optimal lag period of PVAR model |
3.5 PVAR模型GMM估计结果
基于各模型的最优滞后阶数, 进一步对lnWater、lnAir、lnCO2、lnCE与lnGDP之间的关系进行GMM广义矩估计（表 6）. 从各变量与滞后期数的自身关系看, 地方生产总值和减污降碳协同排放对滞后期数的自身具有显著正向影响, 表明广东省经济发展及减污降碳协同排放具有增长惯性, 并存在自我强化机制. 从水污染物排放与经济发展的关系看, 经济发展于滞后1期显著促进水污染物排放, 滞后2期和滞后3期转化为不显著的抑制作用, 水污染物排放对经济增长的影响并不显著, 说明广东省经济发展与工业废水排放之间具有初步脱钩趋势. 就大气污染物排放与经济发展的关系来看, 经济发展会推动大气污染物排放量增加, 反之, 大气污染物排放对经济发展具有一定贡献, 但二者的双向促进效应并未达到显著效果. 从减污降碳协同排放与经济发展的关系看, 经济增长显著促进减污降碳协同排放, 而减污降碳协同排放对经济发展的反向效应并不显著, 表明广东省减污降碳的环境库兹涅兹曲线还未到达拐点, 二者协调性有待改善.
|
|
表 6 2006~2020年广东省经济发展与减污降碳的GMM估计结果1） Table 6 GMM estimation of economic development and carbon reduction in Guangdong Province from 2006 to 2020 |
3.6 脉冲响应分析与方差分解分析
采用广义矩估计法探讨了各变量间的相互滞后影响, 进一步运用脉冲响应函数和方差分解分析广东省减污、降碳和经济发展之间的动态关系（图 4~7和表 7）. 通过方差分解可以将减污因子与降碳因子进行分解, 研究所有减污的内生变量和降碳的内生变量对经济发展的贡献度.
|
横轴为滞后期数, 纵轴为变量响应情况, 红线为广东省变量当期和未来10期的响应轨迹, 绿色和蓝色虚线分别为正负两倍标准误差偏离带, 下同 图 4 2006~2020年广东省经济发展与水污染排放的脉冲响应曲线 Fig. 4 Impulse response curve of economic development and water pollution discharge in Guangdong Province from 2006 to 2020 |
|
图 5 2006~2020年广东省经济发展与大气污染物排放的脉冲响应曲线 Fig. 5 Impulse response curve of economic development and air pollutant emission in Guangdong Province from 2006 to 2020 |
|
图 6 2006~2020年广东省经济发展与二氧化碳排放的脉冲响应曲线 Fig. 6 Impulse response curve of economic development and carbon dioxide emissions in Guangdong Province from 2006 to 2020 |
|
图 7 2006~2020年广东省经济发展与减污降碳协同排放的脉冲响应曲线 Fig. 7 Impulse response curve of economic development and coordinated reduction of environmental pollution and carbon emissions in Guangdong Province from 2006 to 2020 |
|
|
表 7 方差分解分析 Table 7 Variance decomposition analysis |
3.6.1 经济发展与水污染物排放的动态关系
图 4显示, 水污染物排放和地方生产总值面对自身一个单位的冲击, 二者均响应及时且当期达到最大值, 但相较于水污染物排放, 经济增长的惯性效应更强, 形成长期的自我增强机制. 面对一个标准差的ΔlnGDP冲击, ΔlnWater的响应由正转负, 表明广东省经济发展前期工业废水量增加, 随着经济动能转化、产业结构升级、能源结构优化以及废水排污技术进步, 工业废水排放量呈负向增长趋势, 符合经济发展与工业废水的倒“U”型曲线假说. 面对一个标准差的ΔlnWater冲击, ΔlnGDP表现出负向趋弱态势, 表明广东省工业废水排放量的增加制约区域经济增长. 作为典型人口大省, 广东省人口的持续增加带来资源短缺压力, 由工业废水引起的水生态问题进一步加剧了水资源紧张, 直接制约工农业发展和人民生活, 进而影响经济增长速度与高质量发展.
ΔlnWater方差分解中, 第1期至第3期100%受自身冲击影响, 此后经济发展的贡献能力逐步显现并上升至0.6%, 对水污染物排放的解释能力仍十分微弱；ΔlnGDP方差分解中, 工业废水对经济增长的冲击第1期就开始显现, 在第10期时达到6.8%, 呈现及时性和持续性特征. 因此, 工业废水排放对经济发展的冲击力度高于经济发展对工业废水的冲击力度. 广东省“十三五”规划中指出要进一步强化工业源水污染排放治理, 针对“十小”生产项目和工业企业严格把关, 加强造纸、锅炉、印染和有色金属等重点领域专项治理和清洁化改造；同时, 针对重点流域进行综合规划和水污染治理与排查, 建立节水环保“领跑者”制度, 为扩大水生态空间和改善水生态环境提供了制度保障, 有助于推动广东省经济与生态环境协调发展目标实现.
3.6.2 经济发展与大气污染物排放的动态关系由图 5可知, 经济发展对于来自自身一个单位的冲击响应较强烈, 但持续时间很短, 相对于经济发展, 大气污染物排放的自我增强机制较弱, 但持续时间较长. 对于来自ΔlnGDP一个标准差的冲击, ΔlnAir滞后期的反应呈负向趋弱的“V”曲线变化态势, 第3期到达最高点, 之后波动下降, 表明广东省当前经济发展对大气污染物具有抑制作用, 绿色低碳发展进程得到有序推进. 对于来自ΔlnAir一个标准差的冲击, ΔlnGDP滞后期的响应在当期达到最大负值, 滞后1期略微反弹后收敛于零, 整体为“M”型曲线, 表明大气污染物排放的增加对经济发展具有抑制效应.
ΔlnAir方差分解中, 第1期完全受自身冲击影响, ΔlnGDP的贡献值从第2期开始显现, 到第10期解释力上升为1.5%, 表明经济增长对大气污染排放的解释力相对较低；ΔlnGDP方差分解中, 大气污染排放对经济增长的冲击第1期就开始显现, 为0.3%, 于第10期上升至6.6%, 冲击响应作用具有显著性、及时性和递增性特征. 对比二者的广义预测方差分解结果, 大气污染排放对经济发展的冲击力度高于经济发展对大气污染排放的冲击力度, 说明研究期内广东省的经济增长方式仍以粗放型经济发展模式为主, 工业化进程中大量化石能源的使用造成二氧化硫、氮氧化物、可吸入颗粒物、挥发性有机物等污染加剧, 管控治理难度较大, 经济高增长和环境高污染的“双高”现状急需得到改善. 反之, 大气污染物的大量排放显著阻碍了经济的高质量可持续发展.
3.6.3 经济发展与碳排放的动态关系由图 6可知, ΔlnCO2和ΔlnGDP面对自身一个单位的冲击, 二者均在当期达到最大值, 前者惯性效应不如后者. 面对一个标准差的ΔlnGDP冲击, ΔlnCO2呈先升后降的倒“V”型的正向响应, 说明广东省二氧化碳排放对经济增长的正向响应短期内达到最大后逐步减弱, 尚未达到碳排放的环境库兹涅兹曲线拐点处. 面对一个标准差的ΔlnCO2冲击, ΔlnGDP表现出正向趋弱态势, 表明广东省二氧化碳排放量持续增长, 与区域经济增长正相关, 这与王少剑[46]的研究结果相似. 针对经济活动带来的能源消耗的不良循环效应, 有必要改变“高经济增长与高碳排放”现状, 建立良性的长效协调机制以遏制区域温室气体排放.
ΔlnCO2的预测方差分解中, 自身贡献了98.5%的解释能力, 经济增长贡献了1.5%的解释能力, 响应期内ΔlnGDP经济贡献度十分有限, 表明经济增长对二氧化碳排放的解释能力较弱. ΔlnGDP预测方差分解中, 二氧化碳排放所占的贡献率从第1期的0.3%下降为第10期的0.2%, 表明二氧化碳对经济增长的作用甚微. 总体来看, 广东省ΔlnGDP与ΔlnCO2之间未形成相互协调的双向互动关系, 以经济发展对碳排放的单向因果作用为主, 仍处于以煤炭为主体的能源供给阶段, 碳减排机制建立与落实尚不完善, 导致其推动经济发展的动力明显不足. 《广东省能源发展“十四五”规划》中指出, 当前能源体制机制的改革任务仍然艰巨, 天然气保价稳价机制还不完善, 新能源配套机制有待建立. 电力体制改革直接关系到能源低碳转型发展, 提升可再生能源安全保障系数, 大力推动清洁能源供给与消费, 提升能源自我创新能力, 以适应我国“双碳”目标下新形势.
3.6.4 经济发展与减污降碳协同排放的动态关系从图 7可以看出, ΔlnCE滞后期面临自身冲击时, 当期反应最强烈, 随后缓慢下降, 减污降碳协同排放的自我增长惯性较强. 面对一个标准差的ΔlnCE冲击, ΔlnGDP滞后期的响应在当期达到最大负值, 之后负向效应呈波动性减弱趋势, 表明减污降碳协同排放对经济发展的抑制作用具有较强的持续性. 面对一个标准差的经济增长冲击, 减污降碳协同排放的响应值整体呈“U”型曲线, 当期表现为负向响应, 并在第4期达到最大负值, 随后向零收敛, 表明经济增长对减污降碳协同排放发挥长期抑制作用, 需持续观察经济发展的长效机制, 实现减污降碳治理的帕累托最优状态.
ΔlnCE的预测方差分解中, 自身贡献了96.2%的解释能力, 经济增长贡献了3.8%的解释能力, 响应期内ΔlnGDP经济贡献度十分有限, 表明经济增长对减污降碳协同排放影响相对微弱, 已初步形成解耦关系. ΔlnGDP预测方差分解中, 减污降碳协同排放所占的贡献率从第2期的0%持续上升为第10期的4.8%, 表明减污降碳协同排放对经济发展的反向影响力较为显著. 相较之下, 减污降碳协同排放对经济增长的抑制效应大于经济增长对减污降碳协同排放的促进效应, 这可能是由于广东省能源结构中清洁能源和新能源占比较小, 高耗能、高排放的老旧工程机械和工程船舶、燃煤电厂和建筑废弃物等因素造成大气烟尘污染问题. 为深化重点污染源大气污染治理, 强化有机物和移动源等源头排放控制, 应持续加强重点行业、主要污染源的监测管理, 鼓励企业环保改造技术的研发与普及, 如燃煤发电机组的环保升级改造、石油炼制企业的LDAR技术和低挥发性的环保型染料等.
4 建议广东省在实现经济发展的同时, 必须高度重视环境保护, 尤其是低碳转型和减污工作. 要实现经济发展与环境保护的良性循环, 需要从政策、技术、产业结构、法规和公众参与等多方面入手, 推动广东省的绿色低碳发展. 此外, 研究成果也为其他省份在经济与环境协同发展方面提供了有益的借鉴和启示. 在面对资源约束趋紧、环境污染严重和生态系统退化的严峻形势下, 我国各地区需要立足区域实际, 探索适合自己的经济发展与环境保护之路, 为实现中华民族伟大复兴的中国梦提供有力支撑.
首先, 要充分利用广东省经济增长的自我增强机制, 重视政府政策对生态环境的长效机制和潜在影响. 坚持“质”与“量”并重, 兼顾规模与实力, 以创新驱动、绿色发展和开放共享引领经济高质量发展. 紧紧抓住建设粤港澳大湾区和支持深圳建设中国特色社会主义先行示范区重大机遇, 率先实现效率、动力变革, 一方面通过能源资源合理配置以及利用效率平稳上升推动碳减排工作、打赢污染防治攻坚战, 另一方面围绕重点产业形成系列绿色生产要素、低碳产品和低碳经济产业链条, 建立功能配置齐全且上下游衔接紧密的循环经济体系.
第二, 广东省环境污染物排放对经济发展的抑制效应显著, 碳排放的抑制效应初步显现, 利用二者同根同源特征进行“由碳及污”、“由污及碳”的统筹治理, 促进减污降碳协同增效. 制定实施区域差异化、行业差异化的碳排放达峰行动方案, 加大能源产业、交通运输业和建筑业等高耗能工业碳排放总量控制力度, 持续推进多层次多领域低碳试点示范. 统筹臭氧联防联控, 着手多源头多部门多地区协同控制治理, 加强污染监测系统性和预测准确性, 加强油路车港联合防控, 深化工业源污染治理, 有效防控道路扬尘污染、大气氨和有毒有害污染物等其他大气污染物.
第三, 协同推进产业结构、能源结构、建筑节能和交通体系的优化升级, 是实现经济与环境双赢的关键路径. 产业结构升级要求加速传统产业向高新技术产业和绿色经济的转型, 以驱动经济的可持续增长. 能源结构的转型则需着力发展可再生能源, 减少对化石燃料的依赖, 推动清洁能源的普及应用. 在建筑节能改造方面, 通过政策激励和技术革新, 促进建筑行业向绿色低碳方向发展, 提高建筑能效, 减少能源消耗及环境污染, 并通过宣传教育提高公众的节能意识. 交通体系的优化不仅能够缓解城市交通压力、减少污染, 还能通过推广公共交通和非机动出行方式, 优化交通布局, 提升服务效率, 同时加强交通管理和执法, 保障交通安全和流畅. 在这一系列关键领域的推进中, 科技创新和人才培养是支撑力量, 应加大对科技创新和人才培养的投入, 打造一支高素质、高水平的科技人才队伍, 为经济与环境保护的协调发展提供坚实的支撑.
5 结论（1）广东省经济增长与水污染物、大气污染物排放以及二氧化碳排放之间存在正向的自我强化机制, 其中经济增长动能尤为强劲, 呈现持续向好发展势头.
（2）广东省经济增长对环境污染物的排放具有长期的正面推动作用；反之, 环境污染的存在对经济的可持续发展构成制约, 而减污进程的缓慢使得污染物减排与经济增长未能形成良性的互动循环. 经济增长与减污关系中, 减污作用更为突出, 尤其是在水污染物和大气污染物排放对经济发展产生抑制作用方面.
（3）广东省经济发展与二氧化碳排放之间尚未形成双向因果关系, 以经济发展对碳排放增加的正向促进机制为主, 城市经济增长目标约束会显著增加区域碳排放.
（4）广东省经济发展与减污降碳协同排放之间存在相互制约的关系. 这种现象反映了广东省在追求经济发展的同时, 依然坚持环境保护和可持续发展的原则. 由于经济增长通常伴随着能源消费量的上升, 进而可能导致碳排放的增加, 减污降碳成为保护环境和缓解气候变化的关键措施.
| [1] |
孔玲玲, 冯险峰, 武爽, 等. 拉萨城市圈1994-2017年生态质量的时空动态监测及驱动力分析[J]. 地理科学进展, 2022, 41(3): 437-450. Kong L L, Feng X F, Wu S, et al. Spatiotemporal dynamics and driving factor analysis of ecological quality change in the Lhasa Urban Circle from 1994 to 2017[J]. Progress in Geography, 2022, 41(3): 437-450. |
| [2] | 中华人民共和国生态环境部. 2022年中国生态环境状态公报[R]. 北京: 中华人民共和国生态环境部, 2023. |
| [3] |
王小华, 杨玉琪, 罗新雨, 等. 中国经济高质量发展的空间关联网络及其作用机制[J]. 地理学报, 2022, 77(8): 1920-1936. Wang X H, Yang Y Q, Luo X Y, et al. The spatial correlation network and formation mechanism of China's high-quality economic development[J]. Acta Geographica Sinica, 2022, 77(8): 1920-1936. |
| [4] |
黄儒霞, 钟秋萌, 吴晓慧, 等. 广东省经济结构转型对协同减污降碳的影响[J]. 环境科学研究, 2022, 35(10): 2303-2311. Huang R X, Zhong Q M, Wu X H, et al. Impacts of economic structural transition on synergetic control of CO2 and air pollutants in Guangdong Province[J]. Research of Environmental Sciences, 2022, 35(10): 2303-2311. |
| [5] | Anita W M, Uttajug A, Seposo X T, et al. Interplay of climate change and air pollution-projection of the under-5 mortality attributable to ambient particulate matter (PM2.5) in South Asia[J]. Environmental Research, 2024, 248. DOI:10.1016/j.envres.2024.118292 |
| [6] |
张雪纯, 曹霞, 宋林壕. 碳排放交易制度的减污降碳效应研究——基于合成控制法的实证分析[J]. 自然资源学报, 2024, 39(3): 712-730. Zhang X C, Cao X, Song L H. The effect of pollution control and carbon reduction of the carbon emission trading system: an empirical analysis based on the synthetic control method[J]. Journal of Natural Resources, 2024, 39(3): 712-730. |
| [7] |
房琪, 李绍萍. 碳交易政策如何影响工业碳生产率: 来自中国省级数据的准自然实验[J]. 环境科学, 2023, 44(5): 2983-2994. Fang Q, Li S P. How do carbon trading policies affect industrial carbon productivity: quasi-natural experiments from Chinese provincial data[J]. Environmental Science, 2023, 44(5): 2983-2994. |
| [8] |
吴雪萍, 邱文海. 用能权交易制度的减污降碳协同效应分析[J]. 环境科学, 2024, 45(8): 4627-4635. Wu X P, Qiu W H. Analysis of the synergistic effects of energy consumption permit trading scheme on pollution reduction and carbon abatement[J]. Environmental Science, 2024, 45(8): 4627-4635. |
| [9] | Chen Z B, He G, Jiang S Z. The impact of environmental regulation and industrial agglomeration on air pollution: on the spatial spillover perspective[J]. International Journal of Environmental Science and Technology, 2024, 21(3): 2585-2604. DOI:10.1007/s13762-023-05143-w |
| [10] |
王奕淇, 段洋洲. 中国双向FDI协调发展的碳减排效应[J]. 中国人口·资源与环境, 2023, 33(4): 70-81. Wang Y Q, Duan Y Z. Carbon emission reduction effect of coordinated development of two-way FDI in China[J]. China Population, Resources and Environment, 2023, 33(4): 70-81. |
| [11] | Sinn H W. Public policies against global warming: a supply side approach[J]. International Tax and Public Finance, 2008, 15(4): 360-394. DOI:10.1007/s10797-008-9082-z |
| [12] |
徐鹏, 包存宽. 环境规制对碳排放影响研究进展及未来展望[J]. 科技管理研究, 2022, 42(10): 41-47. Xu P, Bao C K. Progress and future prospect of the impact of environmental regulation on carbon emission[J]. Science and Technology Management Research, 2022, 42(10): 41-47. |
| [13] | Yin K D, Liu L, Gu H L. Green paradox or forced emission reduction: the dual effects of environmental regulation on carbon emissions[J]. International Journal of Environmental Research and Public Health, 2022, 19(17). DOI:10.3390/ijerph191711058 |
| [14] |
江三良, 鹿才保. 环境规制影响碳排放效率的外部性及异质性——基于生产性服务业集聚协同的分析[J]. 华东经济管理, 2022, 36(10): 56-69. Jiang S L, Lu C B. Environmental regulation affect the externality and heterogeneity of carbon emission efficiency: based on the analysis of agglomeration and synergy of producer services[J]. East China Economic Management, 2022, 36(10): 56-69. |
| [15] | Zhou Y, Liu J, Lang J L, et al. Necessary CO2 emissions improvement based on rural residential coal/stove-specific coal combustion and prefectural-differentiation synergistic effect of pollutants and carbon emission reduction[J]. Journal of Cleaner Production, 2024, 449. DOI:10.1016/j.jclepro.2024.141555 |
| [16] |
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. |
| [17] |
范朝阳, 佟惠, 梁晓宇, 等. 机动车减污降碳综合评价体系综述[J]. 环境科学, 2024, 45(1): 93-103. Fan Z Y, Tong H, Liang X Y, et al. Review of comprehensive evaluation system of vehicle pollution and carbon synergistic reduction[J]. Environmental Science, 2024, 45(1): 93-103. |
| [18] |
白梓函, 吕连宏, 赵明轩, 等. 中国对外直接投资的减污降碳效应及其实现机制[J]. 环境科学, 2022, 43(10): 4408-4418. Bai Z H, Lv L H, Zhao M X, et al. Pollution and carbon reduction effect of OFDI in China and its mechanism[J]. Environmental Science, 2022, 43(10): 4408-4418. |
| [19] |
叶榅平. "双碳"目标下减污降碳协同增效法制保障体系之重塑[J]. 中国地质大学学报(社会科学版), 2023, 23(2): 18-30. Ye W P. Reshaping the legal system of pollution reduction and carbon reduction synergy[J]. Journal of China University of Geosciences (Social Sciences Edition), 2023, 23(2): 18-30. |
| [20] |
向梦宇, 王深, 吕连宏, 等. 基于不同电力需求的中国减污降碳协同增效路径[J]. 环境科学, 2023, 44(7): 3637-3648. Xiang M Y, Wang S, Lv L H, et al. Synergistic paths of reduced pollution and carbon emissions based on different power demands in China[J]. Environmental Science, 2023, 44(7): 3637-3648. |
| [21] |
原伟鹏, 孙慧, 王晶, 等. 中国城市减污降碳协同的时空演化及驱动力探析[J]. 经济地理, 2022, 42(10): 72-82. Yuan W P, Sun H, Wang J, et al. Spatial-temporal evolution and driving forces of urban pollution and carbon reduction in China[J]. Economic Geography, 2022, 42(10): 72-82. |
| [22] |
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. |
| [23] |
俞珊, 张双, 张增杰, 等. 北京市减污降碳协同控制情景模拟和效应评估[J]. 环境科学, 2023, 44(4): 1998-2008. Yu S, Zhang S, Zhang Z J, et al. Scenario simulation and effects assessment of co-control on pollution and carbon emission reduction in Beijing[J]. Environmental Science, 2023, 44(4): 1998-2008. |
| [24] | Barut A, Kaya E, Bekun F V, et al. Environmental sustainability amidst financial inclusion in five fragile economies: Evidence from lens of environmental Kuznets curve[J]. Energy, 2023, 269. DOI:10.1016/j.energy.2023.126802 |
| [25] | Uche E, Das N, Bera P. Re-examining the environmental Kuznets curve (EKC) for India via the multiple threshold NARDL procedure[J]. Environmental Science and Pollution Research, 2023, 30(5): 11913-11925. |
| [26] |
许广月, 宋德勇. 中国碳排放环境库兹涅茨曲线的实证研究——基于省域面板数据[J]. 中国工业经济, 2010(5): 37-47. Xu G Y, Song D Y. An empirical study of the environmental Kuznets curve for China's carbon emissions—based on provincial panel data[J]. China Industrial Economics, 2010(5): 37-47. |
| [27] | Ghaderi Z, Saboori B, Khoshkam M. Revisiting the environmental Kuznets curve hypothesis in the MENA Region: the roles of international tourist arrivals, energy consumption and trade openness[J]. Sustainability, 2023, 15(3). DOI:10.3390/su15032553 |
| [28] | Moriwaki S, Shimizu M. A simultaneous investigation of the environmental Kuznets curve for the agricultural and industrial sectors in China[J]. Journal of the Asia Pacific Economy, 2023, 28(1): 133-155. |
| [29] |
许莹莹. 中国工业环境质量与经济增长的关系研究——对环境库兹涅茨曲线的验证[D]. 广州: 广东财经大学, 2021. Xu Y Y. Research on the relationship between China's industrial environmental quality and economic growth, verification of the environmental Kuznets curve[D]. Guangzhou: Guangdong University of Finance & Economics, 2021. |
| [30] | Guo X, Shahbaz M. The existence of environmental Kuznets curve: critical look and future implications for environmental management[J]. Journal of Environmental Management, 2024, 351. DOI:10.1016/j.jenvman.2023.119648 |
| [31] | Setyari N P W, Kusuma W G A. Economics and environmental development: Testing the environmental Kuznets Curve hypothesis[J]. International Journal of Energy Economics and Policy, 2021, 11(4): 51-58. |
| [32] | 廉勇. 经济层次与环境污染: 基于碳排放的环境库兹涅茨曲线研究[J]. 统计与决策, 2021, 37(20): 146-150. |
| [33] | Chen H X, Zhang X L, Wu R W, et al. Revisiting the environmental Kuznets curve for city-level CO2 emissions: based on corrected NPP-VIIRS nighttime light data in China[J]. Journal of Cleaner Production, 2020, 268. DOI:10.1016/j.jclepro.2020.121575 |
| [34] | Tapio P. Towards a theory of decoupling: Degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J]. Transport Policy, 2005, 12(2): 137-151. |
| [35] |
张华明, 元鹏飞, 朱治双. 黄河流域碳排放脱钩效应及减排路径[J]. 资源科学, 2022, 44(1): 59-69. Zhang H M, Yuan P F, Zhu Z S. Decoupling effects of carbon emissions and reduction path in the Yellow River Basin[J]. Resources Science, 2022, 44(1): 59-69. |
| [36] | Zha J, Dai J Q, Ma S Q, et al. How to decouple tourism growth from carbon emissions? A case study of Chengdu, China[J]. Tourism Management Perspectives, 2021, 39. DOI:10.1016/j.tmp.2021.100849 |
| [37] |
张赫, 黄雅哲, 王睿, 等. 中国县域碳排放脱钩关系及其时空特征演变[J]. 资源科学, 2022, 44(4): 744-755. Zhang H, Huang Y Z, Wang R, et al. Decoupling and spatiotemporal change of carbon emissions at the county level in China[J]. Resources Science, 2022, 44(4): 744-755. |
| [38] |
黄国庆, 汪子路, 时朋飞, 等. 黄河流域旅游业碳排放脱钩效应测度与空间分异研究[J]. 中国软科学, 2021(4): 82-93. Huang G Q, Wang Z L, Shi P F, et al. Measurement and spatial heterogeneity of tourism carbon emission and its decoupling effects: a case study of the Yellow River Basin in China[J]. China Soft Science, 2021(4): 82-93. |
| [39] |
侯丽朋, 王琳, 钱瑶, 等. "双碳"目标下闽三角碳排放脱钩状态及驱动机制分析[J]. 生态学报, 2022, 42(23): 9663-9676. Hou L P, Wang L, Qian Y, et al. Decoupling status and driving mechanisms of carbon emissions in the Golden Triangle of Southern Fujian under "carbon peaking and neutrality" goals[J]. Acta Ecologica Sinica, 2022, 42(23): 9663-9676. |
| [40] | Tang Q L, Wang Q Q, Zhou T C. Driving forces of tourism carbon decoupling: a case study of the Yangtze River Economic Belt, China[J]. Sustainability, 2022, 14(14). DOI:10.3390/su14148674 |
| [41] |
王世进, 姬桂荣, 仇方道. 雾霾、碳排放与经济增长的脱钩协同关系研究[J]. 软科学, 2022, 36(7): 104-110, 144. Wang S J, Ji G R, Qiu F D. Research on the decoupling and synergistic relationship between haze, carbon emissions and economic growth[J]. Soft Science, 2022, 36(7): 104-110, 144. |
| [42] |
陈小龙, 狄乾斌, 梁晨露. 城市群减污降碳与经济高质量发展的耦合及交互响应关系[J]. 环境科学, 2024, 45(11): 6313-6325. Chen X L, Di Q B, Liang C L. Coupling relationship and interactive response between pollution control & amp; carbon emission reduction and high-quality economic development in China's urban agglomerations[J]. Environmental Science, 2024, 45(11): 6313-6325. |
| [43] |
翁淑娟, 刘颍颖, 唐凤, 等. 广东省船舶二氧化碳排放驱动因素与减排潜力[J]. 环境科学, 2024, 45(1): 115-122. Weng S J, Liu Y Y, Tang F, et al. Driving forces and mitigation potential of CO2 emissions for ship transportation in Guangdong Province, China[J]. Environmental Science, 2024, 45(1): 115-122. |
| [44] |
国家发展和改革委员会. 省级温室气体清单编制指南(试行) [EB/OL]. http://www.ncsc.org.cn/SY/tjkhybg/202003/t20200319_769763.shtml,2024-04-28. National Development and Reform Commission. Guidelines for the preparation of provincial greenhouse gas inventory (Trial) [EB/OL]. 2011 [2024-04-28]. http://www.ncsc.org.cn/SY/tjkhybg/202003/t20200319_769763.shtml,2024-04-28. |
| [45] |
陈怀超, 田晓煜, 范建红. 数字经济、人才数字素养与制造业结构升级的互动关系——基于省级面板数据的PVAR分析[J]. 科技进步与对策, 2022, 39(19): 49-58. Chen H C, Tian X Y, Fan J H. The interactive relationship among digital economy, digital literacy of talents and the upgrading of manufacturing structure: a PVAR analysis based on provincial panel data[J]. Science & Technology Progress and Policy, 2022, 39(19): 49-58. |
| [46] |
王少剑, 田莎莎, 蔡清楠, 等. 产业转移背景下广东省工业碳排放的驱动因素及碳转移分析[J]. 地理研究, 2021, 40(9): 2606-2622. Wang S J, Tian S S, Cai Q N, et al. Driving factors and carbon transfer of industrial carbon emissions in Guangdong province under the background of industrial transfer[J]. Geographical Research, 2021, 40(9): 2606-2622. |