2025, Vol. 46
近年来，随着国家经济实力和科技水平的提升，我国开始大力推进生态环境质量的优化与提高. 尽管生态环境质量得到明显改善，但由于我国的能源结构仍然高度依赖于化石燃料，绿色经济发展尚未完全实现. 随着污染治理工作的不断深化，末端减排的难度也在逐步增加，协同推动减污和降碳工作仍面临巨大挑战[1]. 2022年6月，生态环境部等7部门联合发布《减污降碳协同增效实施方案》，明确指出协同推动减少污染和降低碳排放是促进经济和社会全面向绿色转型的关键策略. 但长久以来，当涉及到公共（品）属性和外部性影响的事务时，各地政府往往受自身利益驱使而行动，使得实际协同或合作的程度与预期相差甚远[2]. 中央政府与地方政府之间缺乏有效的协调机制，环境污染呈现出空间扩散的特点，某一地区的大气和水质污染可能对其周边地区产生影响，这将迫使其他地区不得不负担破坏环境的成本和用于治理的费用[3~5]. 当区域间发生重大环境污染事件时，往往会形成连锁反应，造成严重后果. 地方政府间虽然存在着一定的协同合作机制，但在追求最大利益的过程中，政府常常会忽略或较少关注地方污染治理问题，甚至有可能会把污染源转移到管辖的边界地区，进而引致环境污染的“边界效应”[6~8]. 我国幅员辽阔，各地经济发展不平衡，必须通过区域之间的协调与合作来达到协同治理的效果，因此区域减污降碳协同逐渐成为最受关注的核心议题之一.
进入21世纪，世界面临着同时减缓空气污染和减缓气候变化速度的复杂挑战，世界各国政府和学界研究者们开始关注和探讨减污降碳、协同减排这一问题. 而化石能源消费产生的CO2和污染物具有“同质性和同步性”，具有显著的协同效应. 现有研究已经证实CO2和PM2.5具有协同作用，PM2.5减排措施能够显著降低CO2排放量[9~13]. 更广泛地，越来越多的研究探讨了大气污染治理与CO2减排的协同效应. 早期研究多来自发达国家，尤其是欧洲和美国[14~16]. 后来，学者们开始立足中国研究以上目标的协同效应. Nam等[17]调查了实现SO2和NOx减少的成本以及这样做对CO2排放的影响. 一些学者指出，由于中国的能源结构和技术问题，国家一直在努力实现空气污染控制和二氧化碳减排之间的协同作用[18]. Qian等[19]使用情景模拟来估计不同干预措施对工业部门二氧化碳和空气污染物减排的协同效应. Xu等[20]基于工业行业的面板数据，构建污染减排与碳减排协同效应的计算模型，定量评价工业CO2排放与大气污染物的协同效应及其演化机制. 国内的研究侧重于研究产业或地区的协同效应[21，22].
在环境经济学研究领域中，现有研究主要采用对数平均迪氏指数（LMDI）方法[19]、耦合协调法[23~25]和其他计量方法或工具来对减少污染和降低碳排放的协同效果进行量化评估. LMDI方法以“多因素”为基础，通过引入时间维度来反映各个影响因素的变化情况，从而使其具有更广泛的适用性. 目前的研究指出，复合系统的协同模型能够从一个动态的视角来评估多个系统间的合作水平[26~30]. Huang等[31]引入CO2与大气污染物排放控制（CCD）耦合协调度指标，发现研究期内CCD分布呈现上升和空间集聚趋势. 部分学者还将协同作用的研究拓展到了时空角度[32]，如刘明亮等[33]以2011~2019年我国京津冀、长三角和珠三角城市群为研究对象，基于综合排放当量法、超效率SBM模型和空间杜宾模型等，对比分析三大城市群碳-污综合排放量及减污降碳的时空演化、分异特征及其驱动效应.
基于上述文献成果，未来关于区域减污降碳的研究可从以下3个方面来进一步展开，本文的贡献也主要体现在这3个方面. 第一，学者们应用温室气体与大气污染之间的相互作用和协同模型[34]，基于不同的政策背景和技术条件对两者协同减排的情况进行模拟分析[35]. 但现有研究很少涉及水污染、固体污染等，导致目前尚无法完全揭示我国减污降碳协同效应现状. 因此，本文展开研究时在减污子系统中涵盖大气污染、水污染和固体污染这3个方面的内容，为量化评估减污降碳协同效应提供方法论支持. 第二，现有研究文献仅从环境治理的边际成本角度来评估区域环境协同治理的成效，或更多地从减少排放量的终端视角来考察多种污染物之间的关联性. 在评价减污降碳协同效果时，局限于较为狭义的层面，缺乏对减污降碳协同内涵和外延的全面理解. 因此，考虑协同是诸多经济、社会、能源和环境发展要素共同作用的结果，本文构建包含经济资源-减污降碳多个子系统的复合系统，采用协同度模型，探究经济资源发展变化与减污降碳增效之间的协同关系，深化区域间环境协同方面的研究，为后续相关协同优化发展路径的研究提供经验证据. 第三，现有协同效应评价研究多数聚焦国家层面[36]，但减污降碳是一个较为宽泛的概念，不同的大气污染物减排技术或措施可能会带来不确定的减排协同效果[37]，全国层面的研究难以解决区域尺度范围内的经济社会能源环境发展问题. 此外，如果仅专注于重点地区，较少考虑到对非目标区域的潜在排放泄漏[38]，可能会导致忽视应对跨区域污染的跨区合作所带来的协同减排效应. 因此，本文聚焦长江经济带这一区域范畴，旨在促进各个地区包括身份尺度和城市尺度之间形成联防联控的合作模式或机制，以实现减少污染和碳排放的共同目标，同时也为确定区域政策的实施范围提供了重要参考.
长江经济带各省市始终积极贯彻落实生态优先、绿色发展理念，促进经济社会发展全面绿色转型. 近年来，长江经济带生态环境保护发生了转折性变化. 依据《减污降碳协同增效实施方案》提出的主要目标，到2025年减污降碳协同推进的工作格局基本形成，减污降碳协同度有效提升. 研究长江经济带区域减污降碳问题、探讨减污降碳协同发展的关键路径、策略和主要政策需求，已经成为在当前和未来一段时间内这一领域研究的中心和焦点. 本文立足于当前经济社会发展全面绿色转型这一发展背景，构建出经济资源-减污降碳系统，基于系统协同度模型，对长江经济带的区域减污降碳协同效应进行量化评估，通过全国、长江经济带、上中下游和城市多个层面的实证分析，对当前区域减污降碳协同情况有更加深入地把握和了解，剖析其原因和未来发展路径，以期为“十四五”时期和未来阶段推动减污降碳协同增效提供参考.
1 材料与方法 1.1 理论与概念界定协同理论（synergy theory）是20世纪70年代由德国斯图加特大学的物理学教授赫尔曼·哈肯（Hermann Haken）首次提出的. 哈肯[39]指出复杂系统处于无序状态的原因是系统内的各个子系统之间缺乏合作关系. 一旦系统被拖到一个“相变点”，以上子系统就能迅速地从无序状态转变为有序状态，最终导致整个复杂系统的宏观性质发生突变. 协同学超越了传统的因果关系，将研究目标看作是一个连贯的整体来进行深入探讨，这为处理现代社会中涉及大规模、多参数、广泛关联和一体化的复杂问题提供了有价值的理论依据和策略[40]. 近年来，随着对复杂系统认识的深入以及信息技术的发展，人们越来越多地关注协同系统. 协同理论以系统论和控制论等自然科学领域中的研究成果为基础，综合运用耗散结构理论、超循环模型和分形几何学方法来揭示系统内在规律，对解决复杂问题具有独特优势. 协同理论主要涵盖了3个核心领域：协同效应、支配原理以及自组织原理[41~43].
协同学理论的系统研究范式为跨区域的环境治理、区域减污降碳协同等研究提供了坚实的理论基石和支持. 从系统整体视角出发，协同各主体的行动，进而更有效地推进政策执行和实现治理目标成为当前研究的重点. 参照碳减排协同效应的解释，其在已有研究中被部分解释为额外的或次要的效益[9]，一方面是指以减少碳排放为目标的政策，可以同时减少其他空气污染物的排放；另一方面是指当其他空气污染物的排放量减少时，对减少碳排放带来的好处[44]. 因此，经济体系、能源体系和环境体系的协同合作变得尤为重要. 在此背景下，开展减污降碳效应及其影响因素的研究具有重要意义.
综上所述，本文将区域减污降碳协同定义为，基于经济社会发展全面绿色转型要求和双碳目标的发展背景，从系统和整体的角度，区域在发展过程中实现大气污染防治、碳减排、水、土壤和固体污染等污染防治，以及经济发展和能源转型的协同状态或效果. 在研究过程中，本文将综合考虑经济社会、能源和环境（减污与低碳）等多方面因素，系统整合并量化了经济社会发展、能源转型、碳排放、环境质量以及生态环境管控和治理路径的协同增效程度，并基于当前区域协同减污降碳发展状况和进程，进一步展开未来优化路径的探索和研究.
1.2 数据来源与指标体系 1.2.1 数据来源本文选取了长江经济带范畴的11个省市（上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南和贵州）作为研究样本，并选择2006~2020年作为研究区间. 这一研究时间跨度主要基于两个核心因素：首先，2006年发布的《国民经济和社会发展第十一个五年规划纲要》，是首个将“环境友好型社会”纳入经济社会发展的正式文件，这标志着生态文明建设理念的一次重大突破；其次，这也是我国环境保护历程中一个关键的时间节点. 因此，本研究以2006年作为研究的起始点. 其次，考虑到数据的可获得性和时效性，本文设定2020年作为研究的结束点. 综上，以2006年~2020年为研究区间，这不仅确保了数据的完整性，也最大限度地考虑了研究的及时性和前沿性.
本文数据来源于研究年份的《中国统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》《中国城市统计年鉴》各省市统计年鉴和统计年报等. 碳排放数据来源于中国碳核算数据库（China Emission Accounts and Datasets，CEADs）、中国多尺度排放清单模型（Multi-resolution Emission Inventory for China，MEIC）和公众环境研究中心（Institute of Public and Environmental Affairs，IPE）双碳地图等综合收集整理得到.
1.2.2 指标体系区域减污降碳的整体协同效应是减排绩效考核的重要参考依据，开发科学合理的协同效应测算方法是有效前提，如环境污染不仅包括细颗粒物，还包括更多的污染源，在设置评价体系时应纳入衡量多种污染物[45]，以实现对中国各省份污染物与碳减排的协同度进行更为全面的测度[22，29]. 因此，本文在现有理论分析的基础上，综合考虑经济、资源、减污和降碳多要素，同时考虑到系统内部各构成要素之间发展的协调性，避免多个指标变量之间信息重叠的问题[45]，构建经济资源-减污降碳复合系统指标体系（见表 1），并基于协同度模型和中国的实践经验证据，分析各子系统和复合系统整体的协同度，实现对区域减污降碳协同效应的量化评估，进而更好地理解在国家和区域层面上低碳发展、环境管理与经济社会进步之间的协同作用，为新时期的区域高质量发展路径提供充分的支持和证据[29].
|
表 1 经济资源-减污降碳复合系统指标体系 Table 1 Economy-resource and pollution-carbon reduction index system |
1.3 模型构建
区域减污降碳协同本质上是一个多主体协同合作的过程，也是一个比较优势互补的过程，系统整体的协同度是减排收益分配及减排绩效考核的重要参考依据[26]，协同论的核心思想是探讨如何通过内部的合作机制，在时间、空间和功能上自然形成有序的结构. 本文借鉴参考了汪明月等[26]、邬彩霞[29]和Guo等[45]的相关研究，构建了一个系统协同度模型，以探讨区域减污降碳的协同问题. 具体而言，一个是经济资源系统，表示为
有序性揭示了系统的有序性程度或水平. 假设当一个指标对子系统的发展有积极/正向影响时，即正向指标，此时根据协同理论的役使原理，构建出这类指标的有序度计算公式：
| (1) |
假设当一个指标对子系统的发展有消极/负向影响时，即负向指标，此时根据协同理论的役使原理，构建出这类指标的有序度计算公式：
| (2) |
通过以上公式，本文可以计算出各个子系统在不同时间段内的各项指标的有序度值，以上有序度值满足
在计算出各个时段内各个指标有序度值之后，为了获得子系统有序度，本文用几何平均法来对子系统对应所有指标的有序度值进行集成，进而得到子系统的有序度指标. 具体来说就是，若影响子系统运行的关键指标数量有
| (3) |
复合系统的稳定性不仅会受到系统间互动作用或关系的影响，例如经济资源系统与减污降碳系统的相互作用，还会受到系统内部各项指标间互动的影响. 因此，为克服以往测算复合系统协同度时对系统稳定性因素的忽略，本文采用协调度来评估两个或更多子系统之间的互动关系，并以此作为衡量子系统对整个系统贡献程度的标准.
几何平均法在诸多系统协同度计算手段中是最为常见的. 通过在复合系统的协同度量化测度中融入时间维度，本文能够评估系统在特定时间段内的稳定性和均衡水平. 假设在子系统的初始阶段，起始时刻
| (4) |
| (5) |
式中，协同度
长江经济带拥有不可替代的生态系统服务价值，是国家重要的战略水源地. 按全国生态功能区划，长江经济带涉及25个重要生态功能区，占全国的47.1%[46]；同时还是全球重要的天然物种基因库，拥有包括森林、灌丛、草原草甸、湿地和高山冻原等几乎所有陆地生态系统类型，且上中下游地区生态系统差异巨大[47]. 然而，快速的城市化和工业化发展导致了大量的环境污染物排放，环境质量问题日益突出. 长江经济带上升为国家战略以来，长江经济带坚持走生态优先、绿色发展道路，沿江的省份和城市共同推动生态环境的综合治理和生态环境的持续改善，“黄金水道”焕发出新的活力.
长江经济带的协同度结果如表 2所示. 在2007~2020年间，经济资源发展系统的协同度有了显著的提升，特别是在2019年，协同度为0.649，达到中等水平. 2007~2011年间，减污降碳系统的协同度增长显著，但从2012年开始，协同度增长速度相对较慢，2012~2016年间的数据波动不大；从2017年开始，长江经济带的减污降碳协同才展现出了更积极的发展势头，并逐渐上升；到2020年，其协同水平（0.588）达到中等水平. 在2007~2017年间，经济资源-减污降碳复合系统的协同程度逐渐增加，到2017年开始步入中度协同水平；2018年和2019年，区域协同程度逐渐增强，达到了0.605；然而，在2020年，由于疫情的冲击，系统协同度略有下降.
|
|
表 2 长江经济带经济资源-减污降碳复合系统协同度 Table 2 Synergistic effect of economy-resource and pollution-carbon reduction index system in the Yangtze River Economic Belt |
长江经济带的减污降碳协同发展历程与国家政策和区域战略有着十分紧密的联系. 在2016年1月的第一次长江经济带发展会议上，习近平总书记强调了“推动长江经济带发展必须从中华民族长远利益考虑，走生态优先、绿色发展之路，使绿水青山产生巨大生态效益、经济效益、社会效益”. 同年9月，《长江经济带发展规划纲要》正式发布，明确指出了长江经济带建设的战略方向之一是生态文明建设的先行示范带. 随着国家对环保重视程度不断提升以及各地政府对环境保护要求的提高，流域内各地区纷纷开展环境治理和产业升级. 因此，从2016年和2017年开始，长江经济带在减少污染和降低碳排放方面展现出了良好的协同效应. 2018年，习近平总书记再次强调，新形势下推动长江经济带发展，要坚持共抓大保护、不搞大开发，探索出一条生态优先、绿色发展新路子，使长江经济带成为引领我国经济高质量发展的生力军. 至此之后，长江经济带的经济能源-减污降碳复合系统发展越来越协同.
2.2 长江经济带区域层面减污降碳协同分析长江经济带包含11个省份和城市，总面积大约为205.23万km2，占据了全国总面积的21.4%. 下面本文将根据上游、中游和下游的分类进行不同区域的具体分析.
2.2.1 长江经济带上游地区上游地区包括重庆、四川、贵州和云南，区域面积约113.74万km2，占据长江经济带总面积的55.4%. 在初始阶段，所有子系统和复合协同都表现出轻微的协同或非协同状态，如表 3所示. 随着时间的推移和经济的持续增长，2016年经济资源系统的协同度开始进入中等水平，并在2018年和2019年实现显著提升. 在减污和降碳协同方面，协同度一直保持在相对较低的水平；2015年实现0.4的突破，并在接下来的几年里逐步上升，到2019年已经接近0.6（0.597）. 在经济资源与减污降碳的综合协作方面，除2017年和2020年（疫情影响）的协同度略有下降外，该协同度一直保持在一定水平上的增长；截至2019年，协同度高达0.624，这不仅维持中等水平的协同效应，同时也在持续地朝着更高水平的发展和演变.
|
|
表 3 长江经济带上游经济资源-减污降碳复合系统协同度 Table 3 Synergistic effect of economy-resource and pollution-carbon reduction index system in the upstream of Yangtze River Economic Belt |
图 1展示了长江经济带上游重庆、四川、云南和贵州这4个省（市）的具体协同程度. 在减污方面，4个省（市）的协同程度在较长的时间段内都得到了某种程度的增强，在2020年，它们都面临一些挑战. 在降碳方面，4个省（市）的协同程度在一个相对长的时间段内持续上升，并在2020年都达到了较高的协同水平，这表明上游省份在降碳协同方面已经取得了显著成就和效果. 在减污降碳的协同系统中，协同度的变化变得更加复杂，4个省（市）都经历了不同程度的协同度上升和下降. 2007年，重庆减污子系统显示出不协同的特点，2008~2015年，尽管其一直在向更优的协同状态发展，但并未达到中等协同，2016年，重庆的减污降碳进程有所突破，达到中等协同；随后2017年和2018年的协同度有所下降，2019年恢复到中等协同水平，但2020年因受到外部冲击，导致其减污降碳协同效果下降. 在2007~2016年期间，四川展现出了良好的减污降碳协同进展，其协同能力逐年增长，2017年协同能力略有下滑，到2019年和2020年，其协同能力仅维持在中等水平. 对于云南而言，尽管其在2007~2015年间在减污降碳方面的协同工作有所提升，但其协同水平仍然相对较低；直到2017年之后，云南才真正实现了中等程度的协同发展. 在减污降碳的协同发展方面，贵州与云南有相似之处. 在早期，贵州的协同发展水平相对较低，但其达到中等协同水平的时间早于云南，其在2015年达到中等协同水平，并持续稳定增长，到2019年，协同发展达到了高等协同水平（0.713），2020年受到冲击，协同水平下降. 复合系统协同方面，考虑到经济资源与减污降碳的综合协同水平，初期各省市都出现了不协同的现象，并且在一段时间内协同发展非常缓慢. 直到2015年，各省市才呈现出较好的经济资源与减污降碳的协同发展.
|
图 1 长江经济带上游各省市的减污降碳协同度与复合系统协同度 Fig. 1 Synergistic effect of pollution-carbon reduction index system in upstream of the Yangtze River Economic Belt |
中游地区包括江西、湖北和湖南这3个省份，区域面积约56.46万km2，约占长江经济带面积的1/4（27.5%）. 长江经济带中游地区三省的协同度结果如表 4所示. 在初期，各子系统和复合系统都呈现出相对较低的轻度协同或非协同状态. 从子系统的角度看，经济子系统在2017年之后的协同性逐渐增强，到2020年已经达到了0.831的高级协同水平. 资源子系统的协同程度除了2012年和2016年有所下降之外，一直在逐渐增强，到2018年已经高达0.731的协同水平；但从2019年开始，由于疫情的影响和经济发展的低迷，以及转型的停滞，资源系统的协同度出现下降. 在2007~2017年期间，经济资源复合系统的协同度的增长幅度相对较小，2017年达到0.485，接近中等协同水平；2018年开始实现相对较好的协同效果，协同度达到0.616，2019年和2020年稍有波动，但协同度基本维持在相近水平.
|
|
表 4 长江经济带中游经济资源-减污降碳复合系统协同度 Table 4 Synergistic effect of economy-resource and pollution-carbon reduction index system in middle reaches of the Yangtze River Economic Belt |
减污降碳方面，减污系统的协同度在2007~2012年间保持增加，但增长幅度相对较小，2013年进入协同发展的低谷期，直到2017年才开始出现回弹，并于2020年达到0.606的中等协同水平. 降碳系统的协同度前期变化不大，从2012年开始展现出显著的协同进步，并始终维持在一个相对良好的协同状态；到2017年，协同度达到了0.529；而在2020年，其协同度更是接近了0.7（0.691），实现良好的协同发展. 减污降碳系统的协同度在2018年达到0.514，随后的2019年，2020年逐渐上升，到2020年更是达到了0.647，显示出中等的协同合作水平. 整体来看，经济资源-减污降碳复合系统的协同度，直到2017年（0.483）才达到一个相对较好的水平；并在2017年之后协同度逐渐上升，2020年的协同度水平接近于0.6（0.596），呈现出日益增强的协同效应.
长江经济带中游各省，即江西、湖北和湖南的具体协同情况如图 2所示. 减污方面，江西、湖北和湖南这3个省份的协同演变存在差异. 降碳方面，江西、湖北和湖南这3个省份协同发展均不是最佳状态. 减污降碳协同方面，除个别年份，江西、湖北和湖南这3个省份在较长的时间跨度内都呈现出越来越协同的状态. 江西在2007~2016年间减污降碳的协同程度持续提升，2016年达到中等协同水平（0.53），2020年趋近高等协同水平（0.785）. 湖北的减污降碳情况在2007年初期是完全不协同的状态，随后维持着协同度增加的态势，但直到2019年才实现一个较好的协同度水平（0.673），2020年协同度略有下降. 湖南的减污降碳协同发展显著优于前面两个省份，在2012年已趋于中等协同水平（0.584），随后处于波动状态，但整体发展态势良好，2015年协同度再达新的高点（0.639），2019年协同水平趋向高等协同（0.666），2020年稍有下降. 复合系统协同方面，在2007~2020年间，江西、湖北和湖南这3个省份的协同度数值大多处在初级协同和中等协同的水平.
|
图 2 长江经济带中游各省市的减污降碳协同度与复合系统协同度 Fig. 2 Synergistic effect of pollution-carbon reduction index system in middle reaches of the Yangtze River Economic Belt |
下游地区包括上海、江苏、浙江和安徽这4个省（市），总面积约35.03万km2，占长江经济带的17.1%. 长江经济带下游区域与长三角战略的发展地区相对应，这个区域在经济、资源、减污和降碳各子系统，以及复合系统和经济资源-减污降碳的协同发展上，都明显优于长江经济带的上游和中游地区. 如表 5所示，关于经济子系统和资源子系统，前者的协同程度逐年提升，在2020年达到0.753；后者在2012年就实现了资源层面一个较好的协同程度，突破0.5（0.516），并在随后的时间里持续向更优化的方向发展，2020年达到0.807的高等协同水平. 经济资源系统的协同度在2007~2020年间呈现出积极的发展趋势，持续上升，到2020年已经接近0.8（0.780）的高度协同状态，并预期在未来这种协同效应会进一步增强. 其次是减污降碳方面的数据，减污子系统的协同度在2011年就达到一个较好的水平（0.552），后续虽稍有下降，但在2018年后减污协同水平继续向良好的方向去发展；降碳方面，与资源系统类似，降碳子系统在2012就达到了一个较好的协同程度，达到0.512，并继续稳步提升，2019年实现了接近0.8（0.773）的一个高度协同水平，2020年稍有回落. 减污降碳系统的协同度是较好的，2011年的协同度数值已经趋近于0.5（0.499）；尽管在未来几年里，协同改进的幅度并不显著，但总体上维持了一个中等的协同水平；2017年出现一次回落，随后的2018、2019和2020年处在较好的协同水平. 整体来看，经济资源-减污降碳复合系统的协同度逐年递增，在2013年后增幅略有下降，但最近几年2018、2019和2020年呈现出了良好的协同发展态势，2020年实现了接近0.7（0.698）的协同水平.
|
|
表 5 长江经济带下游经济资源-减污降碳复合系统协同度 Table 5 Synergistic effect of economy-resource and pollution-carbon reduction index system in downstream reaches of the Yangtze River Economic Belt |
Guo等 [45]的研究结论与本文相似，他们指出在2018年之前，长三角地区的碳排放系统的整体协同度是稳定的或缓慢上升的，但在2018~2019年间，这种协同度明显增加. 2018年11月，长三角地区扩大到包括安徽省在内. 这一国家战略增强了长三角地区各省市间快速协调发展的信心，区域碳减排系统呈现出显著的协同效应. 与此同时，长江经济带的绿色发展政策实践也在稳步推行. 2019年开始，长三角生态绿色一体化发展示范区“联合河湖长制”逐步建立，水资源的跨区域保护逐步实现，“一体化治水”局面逐渐形成. 2020年，国家正式颁布了《长三角生态绿色一体化发展示范区生态环境管理“三统一”制度建设行动方案》，提出通过建立统一的标准和规范来为解决跨区域环境问题提供制度性的支持. 以上创新性的实践不仅有助于促进沿江省市之间的协同发展，同时也为其他区域和国家整体发展提供了有益参考.
长江经济带下游各省市上海、江苏、浙江和安徽的具体协同度如图 3所示. 减污方面，下游各省市（长三角）呈现出相似的发展态势. 降碳方面，下游各省市的协同表现明显优于减污层面，整体呈现出的协同度数值高于减污协同度. 减污降碳协同方面，上海的协同水平一直不高，比较平稳的是在2010~2015年，保持着趋近中等协同水平，2016年突然变为不协同状态，随后的三年也仅仅处在初级协同水平，2020年才恢复到趋近中等协同的状态（0.446）. 江苏的减污降碳协同表现在2007~2015年持续向好，2015年趋近中等协同水平，2016年协同度突然下降，2017年回到常规的增长趋势中，并逐年增加，2020年达到相对较高的协同水平（0.704）. 浙江与安徽在减污降碳的协同发展趋势上与江苏有许多相似之处，直到2015年，两者的协同度都呈现出持续上升的态势，这表明在2007~2015年这段时间里，减污降碳发展成正的协同作用；2016年，这种协同作用有所下降，但在2017~2019年，其协同度维持在中等水平. 2020年，浙江的减污降碳协同度达到高点（0.667），趋近高级协同水平. 尽管安徽的协同程度在2019年有所下降，但在2020年，仍然增长至高级协同水平（0.735）. 经济资源-减污降碳复合系统的协同方面，结合前文对各子系统协同度的分析和图 3中展示的各省协同发展的演变情况，除2016年出现的突然下降或不协同的情况外，整个时间范围内都呈现出一个稳定上升的趋势，这表明区域经济资源-减污降碳复合系统的协同程度逐年越来越强.
|
图 3 长江经济带下游各省市的减污降碳协同度与复合系统协同度 Fig. 3 Synergistic effect of pollution-carbon reduction index system in downstream reaches of the Yangtze River Economic Belt |
为深入分析长江经济带城市层面减污降碳协同情况，本文以减污降碳复合系统指标体系为基准，依托表 1的复合系统指标评价体系，构建城市层面减污降碳指标体系，如表 6所示. 依据长江经济带2006~2021年99个城市数据计算长江经济带城市层面减污降碳协同情况. 所得结果如图 4所示.
|
|
表 6 城市层面减污降碳系统指标体系 Table 6 Pollution-carbon reduction index system of urban level |
|
图 4 长江经济带城市层面减污降碳协同情况 Fig. 4 Synergy of pollution and carbon reductions at city level in the Yangtze River Economic Belt |
从城市层面来看，各城市的减污降碳协同情况不一，但整体变化趋势呈现与各地区减污降碳协同趋势与全国基本一致，表现出由东向西的“高-低”两梯度空间分布格局，且减污降碳等级以中等协同为主，呈现“上游城市协同转型、中游城市协同提升空间大、下游城市协同较好”的空间等级演变规律. 各城市的减污降碳协同情况，随时间变迁大致呈现倒U型发展趋势. 在长江经济带上游城市的减污降碳排协同系统中，协同度的变化较为复杂，29个城市经历了不同程度的上升与下降，整体呈现协同转型的等级演变规律，且部分城市出现高等协同. 在长江经济带中游城市的减污降碳排协同系统中，整体发展态势良好，但区域内部35个城市协同度参差不齐，协同空间提升程度较大. 以湖南省常德市减污协同度呈现相似的倒U型发展趋势. 主要原因可能是：常德市在发展初期，减污降碳协同度的提升得益于市政府积极践行碳减排、减污政策，加大清洁技术和基础设施投资，促使城市减污降碳取得显著成效. 然而，随着时间的推移，工业快速发展，维持高水平的减污降碳开始变得具有挑战性，导致协同度升级缓慢，甚至出现递减趋势. 在长江经济带下游城市的减污降碳协同系统中，区域内部35个城市协同度发展不一，但整体情况良好，部分城市出现协同度显著上升趋势. 其中，以安徽省滁州市为例，减污降碳协同度从2007年的0.208显著上升至2021年的0.501. 究其主要原因可能是长江经济带下游城市合作交流密切，各级政府积极推动环保项目与绿色能源的开发，积极践行减污降碳协同增效实施方案，推进清洁技术应用，引导企业提升环保意识，积极开展绿色创新，提升各个城市的减污降碳协同度.
3 建议（1）数字流域是国家生态文明建设中一个重要组成部分. 以水、物质和能量的循环增值为中心，可以实现污染物、水和能量在不同层面上的大数据整合和人工智能决策. 提升沿江省市在网格化、智能化和数字化技术方面的能力，构建智能化的检测、预警和管理体系，推动实现信息的共享和整合，为长江流域的跨区域生态综合管理提供强大的科技支持.
（2）积极应对气候变化，促进节能减排，践行污染治理，能够推动实现经济高质量发展、资源结构优化升级、减污降碳协同增效. 长江经济带的“生态优先、绿色发展”的实践向世界证明，低碳发展、绿色发展可以成为推动经济增长的新引擎，最终实现经济、社会、环境的协同共赢.
（3）持续加强上中下游的整体统筹，推动实现上下贯通、内外衔接、优势互补的生态环境综合治理，推动区域减污降碳协同良性发展. 深入考虑邻近城市与省份间的互动及其地理特性，建立城际协同机制，完善利益分享和补偿机制. 创新区域合作机制，形成治理合力. 以市场为导向，以政府引导为主线，以企业主体参与为手段，推动形成统一规范的区域合作组织体系. 在具体的省份和城市层面，政府应该对当地的产业布局、能源结构、技术条件和需求有透彻的了解，基于此建立一种有效的协同治理方式，并遵循当地具体情况，合理加快城市化进程，尤其是生态城市和智慧城市建设，促进减污降碳协同效应的提升.
4 结论（1）在长江经济带整体层面，从2017年开始减污降碳协同开始呈现出更为积极的发展态势，并在2020年达到中等协同水平. 2023年4月，长江流域的全覆盖水监控系统建设项目正式开展，这标志着我国针对数字孪生流域的首个重大建设工程的开始.
（2）在长江经济带区域层面，上游地区早期的减污降碳协同水平相对较低，在2016年开始向着较好的协同状态发展；中游地区的减污降碳协同度在2018年达到中等协同水平，并逐渐上升，在2020年趋近高等协同状态；下游地区对应长三角战略的发展区域，其减污降碳协同发展明显优于上游和中游地区，2011年的协同发展已经趋近于中等水平，随后的几年虽然涨幅较小，但始终保持在中等协同水平，并从2018年开始向高等协同状态发展. 同时，经济资源-减污降碳复合系统的协同度呈现出逐年上升的趋势.
（3）在长江经济带城市层面，2006~2021年各城市的减污降碳协同情况，随时间变迁大致呈现倒U型发展趋势，表现出由东向西的“高-低”两梯度空间分布格局，且减污降碳等级以中等协同为主，呈现“上游城市协同转型、中游城市协同提升空间大、下游城市协同较好”的空间等级演变规律.
| [1] |
刘华军, 郭立祥, 乔列成. 减污降碳协同效应的量化评估研究——基于边际减排成本视角[J]. 统计研究, 2023, 40(4): 19-33. Liu H J, Guo L X, Qiao L C. Quantitative evaluation of Co-benefits of air pollution reduction and carbon emission reduction: based on marginal abatement cost[J]. Statistical Research, 2023, 40(4): 19-33. |
| [2] |
李倩, 陈晓光, 郭士祺, 等. 大气污染协同治理的理论机制与经验证据[J]. 经济研究, 2022, 57(2): 142-157. Li Q, Chen X G, Guo S Q, et al. Theoretical and empirical analyses of the coordination mechanism for air pollution control[J]. Economic Research Journal, 2022, 57(2): 142-157. |
| [3] |
邵帅, 李欣, 曹建华, 等. 中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J]. 经济研究, 2016, 51(9): 73-88. Shao S, Li X, Cao J H, et al. China's economic policy choices for governing smog pollution based on spatial spillover effects[J]. Economic Research Journal, 2016, 51(9): 73-88. |
| [4] | Jia R X, Ku H. Is China's pollution the culprit for the choking of South Korea? Evidence from the Asian dust[J]. The Economic Journal, 2019, 129(624): 3154-3188. DOI:10.1093/ej/uez021 |
| [5] | Cheung C W, He G J, Pan Y H. Mitigating the air pollution effect? The remarkable decline in the pollution-mortality relationship in Hong Kong[J]. Journal of Environmental Economics and Management, 2020, 101. DOI:10.1016/j.jeem.2020.102316 |
| [6] | Kahn M E, Li P, Zhao D X. Water pollution progress at borders: the role of changes in China's political promotion incentives[J]. American Economic Journal: Economic Policy, 2015, 7(4): 223-242. DOI:10.1257/pol.20130367 |
| [7] | Cai H B, Chen Y Y, Gong Q. Polluting thy neighbor: unintended consequences of China's pollution reduction mandates[J]. Journal of Environmental Economics and Management, 2016, 76: 86-104. DOI:10.1016/j.jeem.2015.01.002 |
| [8] |
赵阳, 沈洪涛, 刘乾. 中国的边界污染治理——基于环保督查中心试点和微观企业排放的经验证据[J]. 经济研究, 2021, 56(7): 113-126. Zhao Y, Shen H T, Liu Q. Border pollution governance in China: evidence from the pilot project of environmental protection supervision center and establishment emission Data[J]. Economic Research Journal, 2021, 56(7): 113-126. |
| [9] | Bollen J, van der Zwaan B, Brink C, et al. Local air pollution and global climate change: a combined cost-benefit analysis[J]. Resource and Energy Economics, 2009, 31(3): 161-181. DOI:10.1016/j.reseneeco.2009.03.001 |
| [10] | Plachinski S D, Holloway T, Meier P J, et al. Quantifying the emissions and air quality co-benefits of lower-carbon electricity production[J]. Atmospheric Environment, 2014, 94: 180-191. DOI:10.1016/j.atmosenv.2014.03.028 |
| [11] | Dong F, Yu B L, Pan Y L. Examining the synergistic effect of CO2 emissions on PM2.5 emissions reduction: evidence from China[J]. Journal of Cleaner Production, 2019, 223: 759-771. DOI:10.1016/j.jclepro.2019.03.152 |
| [12] |
陆潘涛, 韩亚龙, 戴瀚程. 1.5℃和2℃目标下中国交通部门2050年的节能减排协同效益[J]. 北京大学学报(自然科学版), 2021, 57(3): 517-528. Lu P T, Han Y L, Dai H C. Co-benefits of decarbonizing China's transport sector in energy saving and emission reduction under 1.5- and 2-degree targets in 2050[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2021, 57(3): 517-528. |
| [13] |
高庆先, 高文欧, 马占云, 等. 大气污染物与温室气体减排协同效应评估方法及应用[J]. 气候变化研究进展, 2021, 17(3): 268-278. Gao Q X, Gao W O, Ma Z Y, et al. The synergy effect assessment method and its application for air pollutants and greenhouse gases reduction[J]. Climate Change Research, 2021, 17(3): 268-278. |
| [14] | Hayes E T, Chatterton T J, Leksmono N S, et al. Integrating climate change management into the local air quality management process at a local and regional governance level in the UK[J]. WIT Transactions on Ecology and the Environment, 2006, 86: 439-446. |
| [15] | Bollen J, Brink C. Air pollution policy in Europe: quantifying the interaction with greenhouse gases and climate change policies[J]. Energy Economics, 2014, 46: 202-215. DOI:10.1016/j.eneco.2014.08.028 |
| [16] | Alam M S, Hyde B, Duffy P, et al. Analysing the Co-Benefits of transport fleet and fuel policies in reducing PM2.5 and CO2 emissions[J]. Journal of Cleaner Production, 2018, 172: 623-634. DOI:10.1016/j.jclepro.2017.10.169 |
| [17] | Nam K M, Waugh C J, Paltsev S, et al. Carbon co-benefits of tighter SO2 and NOx regulations in China[J]. Global Environmental Change, 2013, 23(6): 1648-1661. DOI:10.1016/j.gloenvcha.2013.09.003 |
| [18] | Li X, Qiao Y B, Shi L. The aggregate effect of air pollution regulation on CO2 mitigation in China's manufacturing industry: an econometric analysis[J]. Journal of Cleaner Production, 2017, 142: 976-984. DOI:10.1016/j.jclepro.2016.03.015 |
| [19] | Qian H Q, Xu S D, Cao J, et al. Air pollution reduction and climate co-benefits in China's industries[J]. Nature Sustainability, 2021, 4(5): 417-425. DOI:10.1038/s41893-020-00669-0 |
| [20] | Xu M L, Li H M, Deng X H. Measuring the synergistic effect of pollution and carbon reduction in China's industrial sector[J]. Sustainability, 2024, 16(3). DOI:10.3390/su16031048 |
| [21] |
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. DOI:10.3969/j.issn.1000-6923.2023.03.029 |
| [22] |
俞珊, 韩玉花, 牟洁, 等. 北京市制造业减污降碳协同效应分析和驱动因素[J]. 环境科学, 2024, 45(4): 1917-1925. Yu S, Han Y H, Mu J, et al. Synergy effects and driving factors of pollution and carbon emission reduction in manufacturing industry in Beijing[J]. Environmental Science, 2024, 45(4): 1917-1925. |
| [23] |
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 & carbon emission reduction and high-quality economic development in China's urban agglomerations[J]. Environmental Science, 2024, 45(11): 6313-6325. |
| [24] |
王雅楠, 李冰迅, 张艺芯, 等. 中国减污降碳协同效应时空特征与影响因素[J]. 环境科学, 2024, 45(9): 4993-5002. Wang Y N, Li B X, Zhang Y X, et al. Spatiotemporal characteristics and influencing factors of the synergistic effect of pollution reduction and carbon reduction in China[J]. Environmental Science, 2024, 45(9): 4993-5002. |
| [25] |
李汶豫, 文传浩, 苏旭阳, 等. 长江经济带城市减污降碳协同效应时空演化及驱动因素研究[J]. 环境科学研究, 2024, 37(8): 1641-1653. Li W Y, Wen C H, Su X Y, et al. Spatiotemporal evolution and driving factors of synergistic effect of urban pollution reduction and carbon reduction in Yangtze River economic belt[J]. Research of Environmental Sciences, 2024, 37(8): 1641-1653. |
| [26] |
汪明月, 刘宇, 李梦明, 等. 区域碳减排能力协同度评价模型构建与应用[J]. 系统工程理论与实践, 2020, 40(2): 470-483. Wang M Y, Liu Y, Li M M, et al. Construction and application of evaluation model for coordinated degree of regional carbon emission[J]. Systems Engineering -Theory & Practice, 2020, 40(2): 470-483. |
| [27] | Wang X Y, Jin G H. Research on the industrial coordinated development of 17 coastal cities in the Bohai rim economic circle based on the synergy degree model of compound systems[A]. 2020 Management Science Informatization and Economic Innovation Development Conference (MSIEID)[C]. Guangzhou, China: IEEE, 2020. 448-454. |
| [28] | Bai Y M, Feng S H, Li Y. Assessing the synergy and sustainability of "Airport-Industry-City"(AIC) system in Aerotropolis: evidence from Zhengzhou Aerotropolis in China[J]. Environmental Research, 2021, 195. DOI:10.1016/j.envres.2021.110886 |
| [29] |
邬彩霞. 中国低碳经济发展的协同效应研究[J]. 管理世界, 2021, 37(8): 105-116. Wu C X. Research on the synergistic effect of low-carbon economy in China[J]. Journal of Management World, 2021, 37(8): 105-116. |
| [30] |
刘华军, 乔列成, 郭立祥. 减污降碳协同推进与中国3E绩效[J]. 财经研究, 2022, 48(9): 4-17, 78. Liu H J, Qiao L C, Guo L X. Coordinated promotion of pollution and carbon reduction and China's 3E performance[J]. Journal of Finance and Economics, 2022, 48(9): 4-17, 78. |
| [31] | Huang Z N, Jia H H, Shi X H, et al. Revealing the impact of China's clean air policies on synergetic control of CO2 and air pollutant emissions: evidence from Chinese cities[J]. Journal of Environmental Management, 2023, 344. DOI:10.1016/j.jenvman.2023.118373 |
| [32] | Yi H R, Zhao L J, Qian Y, et al. How to achieve synergy between carbon dioxide mitigation and air pollution control? Evidence from China[J]. Sustainable Cities and Society, 2022, 78. DOI:10.1016/j.scs.2021.103609 |
| [33] |
刘明亮, 尹晶晶, 李华清, 等. 减污降碳协同效率时空演化特征及驱动机制研究——基于中国三大城市群[J]. 生态经济, 2024, 40(7): 174-183. Liu M L, Yin J J, Li H Q, et al. Study on the spatial-temporal evolution characteristics of the synergistic efficiency of reducing pollution and carbon and the driving mechanism: based on the three major urban agglomerations in China[J]. Ecological Economy, 2024, 40(7): 174-183. |
| [34] | Li N, Chen W Y, Rafaj P, et al. Air quality improvement co-benefits of low-carbon pathways toward well below the 2℃ climate target in China[J]. Environmental Science & Technology, 2019, 53(10): 5576-5584. |
| [35] | Xing J, Lu X, Wang S X, et al. The quest for improved air quality may push China to continue its CO2 reduction beyond the Paris Commitment[J]. Proceedings of the National Academy of Sciences of the United States of America, 2020, 117(47): 29535-29542. |
| [36] | Rivera A, González J S, Carrillo R, et al. Operational change as a profitable cleaner production tool for a brewery[J]. Journal of Cleaner Production, 2009, 17(2): 137-142. |
| [37] | Yu Y, Liu H R. Economic growth, industrial structure and nitrogen oxide emissions reduction and prediction in China[J]. Atmospheric Pollution Research, 2020, 11(7): 1042-1050. |
| [38] | Zhang W W, Zhao B, Gu Y, et al. Environmental impact of national and subnational carbon policies in China based on a multi-regional dynamic CGE model[J]. Journal of Environmental Management, 2020, 270. DOI:10.1016/j.jenvman.2020.110901 |
| [39] | 哈肯. 协同学: 引论物理学、化学和生物学中的非平衡相变和自组织[M]. 徐锡申, 译. 北京: 原子能出版社, 1984. 2. |
| [40] | 李夏卿. 京津冀区域大气污染协同治理机制研究[D]. 北京: 中共中央党校, 2021. |
| [41] |
哈肯. 高等协同学[M]. 郭治安, 译. 北京: 科学出版社, 1989. 3. Haken H. Advanced synergetics[M]. Guo Z A, trans. Beijing: Science Press, 1989. 3. |
| [42] | Markard J, Truffer B. Technological innovation systems and the multi-level perspective: towards an integrated framework[J]. Research Policy, 2008, 37(4): 596-615. |
| [43] | 乌杰. 系统哲学基本原理[M]. 北京: 人民出版社, 2014: 4. |
| [44] | Wu H T, Hao Y, Ren S Y. How do environmental regulation and environmental decentralization affect green total factor energy efficiency: evidence from China[J]. Energy Economics, 2020, 91. DOI:10.1016/j.eneco.2020.104880 |
| [45] | Guo Y X, Hu F G, Xie J, et al. Data-driven evaluation of the synergetic development of regional carbon emissions in the Yangtze River Delta[J]. Processes, 2022, 10(11). DOI:10.3390/pr10112236 |
| [46] |
杨桂山, 徐昔保. 长江经济带"共抓大保护、不搞大开发"的基础与策略[J]. 中国科学院院刊, 2020, 35(8): 940-950. Yang G S, Xu X B. Foundation and strategy of well-coordinated environmental conservation and avoiding excessive development in the Yangtze River economic belt[J]. Bulletin of Chinese Academy of Sciences, 2020, 35(8): 940-950. |
| [47] |
郝吉明, 王金南, 张守攻, 等. 长江经济带生态文明建设若干战略问题研究[J]. 中国工程科学, 2022, 24(1): 141-147. Hao J M, Wang J N, Zhang S G, et al. Several strategic issues for the construction of ecological civilization in Yangtze River economic belt[J]. Strategic Study of CAE, 2022, 24(1): 141-147. |