黄河流域降碳减污扩绿协同发展的时空格局及影响因素分析

引用本文

刘玒玒, 张佳芸. 黄河流域降碳减污扩绿协同发展的时空格局及影响因素分析[J]. 环境科学, 2026, 47(9): 6025-6037.

LIU Hong-hong, ZHANG Jia-yun. Analysis of the Spatial-temporal Pattern and Influencing Factors of the Coordinated Development of Carbon Reduction, Pollution Reduction, and Green Expansion in the Yellow River Basin[J]. Environmental Science, 2026, 47(9): 6025-6037.

黄河流域降碳减污扩绿协同发展的时空格局及影响因素分析

刘玒玒, 张佳芸

西安财经大学管理学院，西安 710100

收稿日期: 2025-07-09; 修订日期: 2025-09-12

基金项目: 国家社会科学基金西部项目（23XGL020）；陕西省科技厅自然科学基础研究计划项目（2025JC-YBMS-442）

作者简介: 刘玒玒（1985~），女，博士，副教授，主要研究方向为流域生态环境管理、区域经济与水资源管理，E-mail：624413077@qq.com

摘要: 协同推进降碳减污扩绿是黄河流域实现“双碳”目标和生态文明战略的重要抓手，厘清降碳减污扩绿三者协同水平的时空格局及影响因素是政策制定的基础. 在厘清降碳减污扩绿增长三者协同推进良性互馈关系基础上，以黄河流域54个地级市为研究对象，构建降碳-减污-扩绿复合系统的综合评价体系，利用三维空间矢量模型测度协同发展水平；通过核密度估计方法刻画协同发展动态演进；结合地理探测器解析协同发展影响因素. 结果表明：①黄河流域协同发展水平呈上升趋势，同时区域异质性明显，上游城市协同水平高于中游城市，下游最低；非资源型城市协同水平高于资源型城市. ②不同地区降碳减污扩绿协同水平差距变大，全流域两极分化逐渐增强，黄河流域降碳减污扩绿协同推进仍面临较大的结构性和根源性压力，且区域间发展的不平衡性问题较为突出. ③城镇化率与第三产业占比是黄河流域降碳减污扩绿协同发展的核心驱动要素，而人均GDP、第二产业占比和科学技术水平则属于辅助性影响因素. 研究解构了黄河流域降碳减污扩绿协同发展水平、动态演化趋势和影响因素，为黄河流域生态保护和高质量发展提供了政策制定依据.

关键词: 黄河流域降碳减污扩绿核密度估计地理探测器影响因素

Analysis of the Spatial-temporal Pattern and Influencing Factors of the Coordinated Development of Carbon Reduction, Pollution Reduction, and Green Expansion in the Yellow River Basin

LIU Hong-hong , ZHANG Jia-yun

School of Management, Xi'an University of Finance and Economics, Xi'an 710100, China

Abstract: The collaborative promotion of carbon reduction, pollution reduction, and green expansion is an important method for achieving the "dual carbon" goals and ecological civilization strategy in the Yellow River Basin. Clarifying the spatiotemporal pattern and influencing factors of the synergy level of carbon reduction, pollution reduction, and green expansion is the basis for policy formulation. On the basis of clarifying the synergistic and mutually beneficial relationship between carbon reduction, pollution reduction, and green expansion growth, a comprehensive evaluation system for the carbon reduction, pollution reduction, and green expansion composite system was constructed using 54 prefecture level cities in the Yellow River Basin as the research object. The level of collaborative development was measured using a three-dimensional space vector model, describing the dynamic evolution of collaborative development through kernel density estimation methods, and combining Geodetectors to analyze the influencing factors of collaborative development. The results show that: ① The level of coordinated development in the Yellow River Basin was on the rise, while regional heterogeneity was evident. The level of coordination among upstream cities was higher than that among midstream cities, while downstream cities had the lowest level. The collaborative level of non-resource-based cities was higher than that of resource-based cities. ② The gap in the collaborative level of carbon reduction, pollution reduction, and green expansion in different regions widened, and the polarization of the entire basin was gradually increasing. The coordinated promotion of carbon reduction, pollution reduction, and green expansion in the Yellow River Basin still faces significant structural and fundamental pressures, and the problem of uneven development between regions is more prominent. ③ The urbanization rate and the proportion of the tertiary industry were the core driving factors for the coordinated development of carbon reduction, pollution reduction, and green expansion in the Yellow River Basin, while per capita GDP, the proportion of the secondary industry, and the level of science and technology were auxiliary influencing factors. The article studies and deconstructs the level, dynamic evolution trend, and influencing factors of coordinated development of carbon reduction, pollution reduction, and green expansion in the Yellow River Basin, providing policy basis for ecological protection and high-quality development in the Yellow River Basin.

Key words: Yellow River Basin carbon reduction, pollution reduction, and green expansion kernel density estimation Geodetectors key factors

黄河流域被称为“能源流域”，煤炭、石油、天然气和有色金属资源丰富，产业结构呈现显著的高碳化特征，以高耗能行业为主导的能源消费结构导致两个显著环境效应：一是单位GDP碳排放强度达到全国平均水平的1.3倍^[1]，二是生产过程中产生SO₂等污染物占流域总排放量的45%以上^[2]，这种“高碳锁定”与复合污染叠加的特征，使黄河流域成为全国唯一同时纳入大气污染防治与碳排放双控重点的区域. 黄河流域生态系统脆弱性特征显著，上游地区的天然草地退化率在60%~70%^[3]，水土流失面积约占上中游总面积的95%^[4]，水资源开发利用率已高达80%，远超一般流域40%生态警戒线^[5]. 针对流域“能源依赖型产业集聚^[6]（高耗能行业占比58.7%）与生态敏感型本底^[7]（63%区域年降水不足400 mm）”的复合特征，实施以植被恢复为核心的扩绿工程（如晋陕蒙沙化区治理）^[8]，不仅可提升碳汇能力（预计年增500万t），更是破解“资源约束-环境压力”双重困境的关键路径，协同推进降碳减污扩绿对保障流域生态安全和支持国家“双碳”战略具有双重战略价值.

党的二十大报告首次提出“协同推进降碳、减污、扩绿、增长”的理念，标志着我国生态文明建设迈入多目标协同治理的新阶段，学者从不同研究方法、研究尺度及涉及行业展开. 从研究方法来看，运用Dagum基尼系数^[9]、地理探测器^[10]和多尺度地理加权回归模型^[11]剖析降碳减污扩绿增长的协同水平及其时空演化特征；从研究尺度来看，全国层面^[12，13]、省域层面^[14]、县域层面^[15]、城市群层面^[16，17]以及典型城市^[18，19]等层面的研究均有涉及；从涉及行业来看，对制造业^[20]、建筑业^[21]及农业^[22]等行业进行了降碳减污协同效应的研究. 降碳减污扩绿属于生态环境治理系统，增长属于经济社会系统. 降碳减污扩绿三大行动精炼总结了我国生态环境保护工作的核心内容，降碳减污扩绿协同从减少污染负外部性与增强生态正外部性形成合力，整合了生态环境治理多目标要求，是我国统筹推进“双碳”行动和生态文明建设的必然选择. 短期内降碳、减污和扩绿可能抑制经济增长，但根据波特假说，强化降碳减污扩绿在长期可能增强环境约束、生态资源约束和碳排放约束，从而优化生产要素配置，倒逼经济实现高质量增长.

学术界对黄河流域生态保护与高质量发展的基本内涵^[23~26]、水平测度^[27~30]、协同路径^[31~33]和影响因素^[34~36]等进行了系统研究. 降碳减污扩绿协同研究也有所涉及，郑玉雯等^[37]定量考察降碳减污协同推进对黄河流域城市群3E绩效的影响并分析其协同演化特征，李新越等^[38]采用多种空间分析方法，对黄河流域91个城市的降碳减污协同效应的时空特征进行了分析，杨帆等^[39]分析黄河流域降碳、减污与经济增长之间的动态关系，并探析其影响机制，岳文慧等^[40]分析黄河流域城市高碳制造业协同效应变化及其影响因素. 但现有研究仍存在一些不足之处：①不同地理区域（如上中下游）和不同类型城市（如资源型与非资源型）的差异化特征和形成机制缺乏系统性研究. ②现有研究多采用传统的耦合协调度模型测度降碳减污扩绿的协同发展水平，对多个子系统的协同关系解释和应用存在局限. 本文的边际贡献如下：①系统比较研究黄河流域上中下游地区、资源型城市与非资源型城市的降碳减污扩绿协同发展水平，并识别出不同流域与不同类型资源型城市降碳减污扩绿协同发展的驱动因子，有利于揭示黄河流域降碳减污扩绿协同发展的空间异质性规律，构建分类指导、精准施策的差异化环境治理体系. ②运用三维空间矢量模型测度黄河流域降碳减污扩绿协同发展水平，有利于弥补传统模型在方向性、动态性和结构诊断等方面的不足，以期为协同发展水平测度提供更具操作性和指向性的分析工具.

1 理论分析与指标体系构建 1.1 降碳减污扩绿互馈关系

降碳减污扩绿三大行动精炼总结了我国生态环境保护工作的核心内容. 降碳指从源头降低或减少二氧化碳等温室气体排放. 中国制定有序推动区域梯次碳达峰方案，通过推动能源革命、产业低碳转型及促进可再生能源发展等方式控制碳排放，降低经济社会活动对自然界特别是对气候的负面影响，为人与自然和谐共生提供持续动能^[41]. 减污指在人类生产生活末端环节采取措施管控污染物排放绝对增量. 主要针对工业化和城市化发展过程中产生的水体、土壤和空气多领域多种类污染物，减少有害物质降解对生态系统服务的消耗从而最大限度消弭人类活动对环境的负面影响，推动生态系统质量提升^[42]. 扩绿指通过统筹山水林田湖草沙系统治理，提高生态系统自净能力，减弱经济社会发展对自然资源的强依赖性，消纳人类生产活动对生态环境的负面影响. 扩绿包含自然扩绿和产业扩绿两种途径，自然扩绿强调通过推进生态保护和修复，提升生态系统服务供给水平和自净能力，扩大生态系统的绿色规模与质量，从而有效吸收大气中的二氧化碳，减少温室气体在大气中的浓度^[43]. 这3个维度相互衔接，在实施效果上相互促进，共同构成生态环境治理的协同体系. 降碳、减污和扩绿三大行动构成一个有机统一的系统工程，在目标导向、实施路径和治理成效上呈现递进式关联与协同效应，如图 1所示.

图 1 降碳减污扩绿逻辑框架 Fig. 1 Logical framework of carbon reduction, pollution reduction, and green expansion

降碳与减污在治理逻辑上具有显著的协同特征，二者均源于工业生产、能源利用等社会经济活动的共同源头. 学术界通过“伴生效应”（指温室气体减排措施同步降低其他污染物排放）和“次生效应”（指污染物控制技术附带产生的碳减排效益）等概念，系统阐释了二者的互馈机制. IPCC第三轮评估报告进一步证实，约75%的减排措施可产生多重环境效益，如燃煤电厂脱硫设施在降低SO₂排放的同时，往往能协同减少颗粒物排放30%~50%.

减污与扩绿通过“污染消纳-生态修复”的双向机制形成良性循环. 从作用机制看，扩绿通过三重路径提升环境承载力：在大气维度，植被通过物理拦截和生化作用有效吸收气态和颗粒态污染物；在水体维度，水生生态系统通过生物降解和物理沉淀增强自净能力；在土壤维度，植被恢复可阻断污染物迁移转化. 这种协同效应在生态脆弱区表现尤为显著，如通过系统性生态修复可同步实现水土保持与污染阻控. 值得注意的是，污染治理成效又为生态修复创造条件，清洁环境能显著提升植被成活率和生态功能.

降碳与扩绿形成“碳汇提升-产业转型”的协同机制. 生态系统通过森林、草地和湿地等载体构建多层次碳汇网络，有效增强二氧化碳的吸收与固定能力. 扩绿工程不仅直接提升碳汇规模，还通过改善区域微气候、优化水土保持等间接效应强化碳汇功能. 同时，降碳目标驱动的产业结构调整，为生态修复提供了更有利的发展空间和资源保障. 这种双向互动机制既实现了生态环境质量的整体提升，又为区域低碳转型提供了自然解决方案，共同推动黄河流域绿色高质量发展.

1.2 评价指标体系构建

降碳聚焦温室气体排放控制，通过能源结构调整与技术创新减少碳排放；减污针对大气和水体等传统污染物治理，强调末端处理与过程管控；扩绿则通过生态修复与保护提升环境承载力，属于增量型环境改善. 三者区别在于作用对象与路径差异，但均以环境质量改善为最终目标. 协同理论视角下，降碳、减污和扩绿存在非线性叠加效应：降碳推动能源清洁化可间接减污，扩绿增强碳汇能力辅助降碳，减污技术又可转化能源实现碳减排. 协同治理的核心在于打破行政分割与技术孤岛，通过政策工具组合、产业生态耦合和技术创新集成，实现“1+1+1 > 3”的系统效益. 遵循科学性、适用性、系统性和可操作等原则，参考相关研究^[44~48]，构建了包含降碳、减污和扩绿这3个目标层的降碳减污扩绿评价指标体系，具体见表 1所示.

表 1 黄河流域降碳减污扩绿评价指标体系 Table 1 Evaluation index system of carbon reduction, pollution reduction, and green expansion in the Yellow River Basin

2 材料与方法 2.1 研究区概况

黄河流域横跨我国东、中、西部，西起青海省，东至山东省，是我国重要的能源、化工等基础工业领域的重要基地，同时也是重要的生态屏障^[32]. 本文以黄河流域54个地级市为研究对象. 参考国家水利部黄河水利委员会《黄河流域综合规划（2012—2030年）》划定的自然流域范围划分为上、中、下游[图 2（a）]；参考国务院、国家发改委《全国资源型城市可持续发展规划（2013—2020年）》划分为资源型城市和非资源型城市[图 2（b）].

图 2 研究区概况 Fig. 2 Overview of the study area

2.2 模型设计 2.2.1 熵权-TOPSIS法

本文将时间序列与指标熵相结合，更加准确地确定各指标的权重^[49]，指标权重越大表示该指标在评价体系作用越大，反之亦然，具体如式（1）~（11）所示.

根据原始数据建立矩阵：

X = {[x_{i j}]}_{m \times n}

(1)

数据标准化处理：

正 向 指 标 x_{i j}^{'} = \frac{x_{i j} - M i n (x_{j})}{M a x (x_{j}) - M i n (x_{j})}

(2)

负 向 指 标 x_{i j}^{'} = \frac{M a x (x_{j}) - x_{i j}}{M a x (x_{j}) - M i n (x_{j})}

(3)

计算信息熵和权重：

$ H_j=-\frac{1}{\ln (t \times n)} \sum\limits_{t=1}^{11} \sum\limits_{i=1}^{54} f_{t i j} \ln \left(f_{t i j}\right) $

(4)

w_{j} = \frac{1 - H_{j}}{n - \sum_{j = 1}^{16} H_{j}}

(5)

f_{t i j} = \frac{R_{i j}}{\sum_{t = 1}^{11} \sum_{i = 1}^{54} R_{i j}}

(6)

构建加权归一化矩阵：

R = {[r_{i j}]}_{m \times n}

(7)

其中， $r_{i j} = w_{j} \times {x^{'}}_{i j}$ .

根据加权矩阵R确定最优方案与最劣方案：

$ v_j^{+}=\max\limits_i\left(r_{i j}\right), \quad v_j^{-}=\min\limits_i\left(r_{i j}\right) $

(8)

计算最优方案及最劣方案的欧氏距离：

D_{i}^{+} = \sqrt[]{\sum_{j = 1}^{m} {(r_{i j} - v_{j}^{+})}^{2}}

(9)

D_{i}^{-} = \sqrt[]{\sum_{j = 1}^{n} {(r_{i j} - v_{j}^{-})}^{2}}

(10)

计算相对接近度：

$ C_i=\frac{D_i^{-}}{D_i^{+}+D_i^{-}}, \quad 0 \leqslant C_i \leqslant 1 $

(11)

式中， $X$ 为原始数据矩阵； $x_{i j}$ 为第i个样本的第j个指标的数值， $w_{j}$ 为指标j的权重，n为指标总数， $H_{j}$ 为指标j的信息熵， $f_{t i j}$ 为第t年第i个城市第j个指标的占比， $r_{i j}$ 为标准化指标值.

2.2.2 三维空间矢量模型

在黄河流域的环境治理中，降碳、减污和扩绿作为生态建设的三大核心任务，分别对应碳排放治理、污染控制与生态修复这3个子系统，它们在结构和功能上既相互独立，又密切关联，存在复杂的非线性耦合关系^[50]. 为全面刻画三者之间的协同机制，本文构建降碳-减污-扩绿三维空间矢量模型，以描述黄河流域降碳减污扩绿协同的动态效应. 与传统的耦合协调度模型相比，三维矢量模型优势在于：其一，通过构建时间序列向量轨迹，可清晰追踪协同状态的动态演进，识别演化路径是否趋近最优方向；其二，通过空间投影分解，将协同向量分解至X、Y和Z轴，可精确定位协同短板，指导针对性政策优化调控. 整体而言，三维空间矢量模型不仅提升了协同分析的精度和结构解释力，也弥补了传统模型在方向性、动态性和结构诊断等方面的不足，为实现降碳减污扩绿协同发展提供了更具操作性和指向性的分析工具. 具体计算公式如下：

O P = \sqrt[]{{X_{t}}^{2} + {Y_{t}}^{2} + {Z_{t}}^{2}}

(12)

θ = a r c c o s \{\frac{[O P^{2} + O S^{2} - S P^{2}]}{2 \times O P \times O S}\}

(13)

在图 3中，X、Y和Z轴分别代表降碳、减污和扩绿这3个子系统的协同水平向量. 在三维空间模型中，O点（0，0，0）是协同效应值为0的点，表示降碳减污扩绿协同的最不理想状态；S点（1，1，1）是协同效应值的最高点，表示降碳减污扩绿协同的最理想状态. 向量OS表示降碳减污扩绿三者协同的最优发展轨迹. P点（X_t，Y_t，Z_t）为第t年黄河流域某区域的协同状态，其中X_t、Y_t和Z_t分别表示第t年降碳、减污和扩绿这3个子系统的协同值，向量OP表示降碳减污扩绿三者协同的综合效应值，向量模长越接近OS表示降碳、减污和扩绿3个子系统的协同程度越高. 偏离角度θ能够揭示子系统间的主导关系，判断哪一维是优势维度、哪一维是短板.

图 3 三维空间矢量模型示意 Fig. 3 Schematic of the three-dimensional vector model

2.2.3 核密度估计

核密度估计属于非参数统计方法，可用于以连续曲线形式反映随机变量的分布状态. 该方法不依赖于既定模型设定，具备较强的适用性与稳定性. 基于此，本文采用核密度估计对黄河流域不同年份的样本数据进行时序分析，进而刻画区域在降碳减污扩绿协同发展的动态变化趋势，计算公式参考文献[51].

2.2.4 地理探测器

地理探测器是一种融合空间数据分析和统计学技术的工具，旨在识别和揭示地理现象形成机制背后的影响因子^[52]. 该方法广泛应用于研究空间格局的形成过程、驱动机制及其区域差异性，特别适用于空间异质性和变量相关性的分析. 地理探测器由4个探测器组成，分别为：风险检测器、生态检测器、因子检测器和交互作用检测器^[53].

本文主要采用因子检测器与交互作用检测器，对黄河流域降碳减污扩绿协同发展水平的驱动因素及其协同效应进行识别和量化. 因子检测器通过对协同水平的空间分异程度进行判定，衡量各类驱动变量对空间格局的解释能力，采用q值进行表征. q值范围为[0, 1]，其数值越接近1，表示对应因子X对属性Y的解释力越强，反之则越弱. 其计算公式如下：

q = 1 - \frac{\sum_{h = 1}^{L} N_{h} σ_{h}^{2}}{N σ^{2}}

(14)

式中，h为自变量的分类或分区； $N_{h}$ 和 $N$ 分别为层h和全区的单元数； $σ_{h}^{2}$ 和 $σ$ 分别为层h和全区的Y值的方差.

在交互作用检测器中，首先计算单独因子X₁和X₂对Y的q值：q（X₁）和q（X₂），然后评估这两个因子叠加后的新图层的q值：q（X₁∩X₂）. 通过比较q（X₁）、q（X₂）和q（X₁∩X₂）的差异，判定两个因子之间的交互作用对降碳减污扩绿协同水平的影响程度. 相关的判别关系如表 2所示.

表 2 交互作用探测判断依据 Table 2 Judgment criteria for interaction detection

2.3 数据来源

数据主要来源于2013~2023年的《中国统计年鉴》《中国能源统计年鉴》《中国城市建设统计年鉴》《中国环境统计年鉴》，以及各地级市对应省份的统计年鉴和各地级市国民经济和社会发展统计公报；绿色金融数据参考贾洪文等^[48]的研究，运用熵值法进行计算；缺失数据用线性插值法补全，该方法具备操作简便、趋势保持能力强的优势，适用于大多数呈平稳变动趋势的社会经济和生态环境类指标. 鉴于降碳-减污-扩绿复合系统评价指标的演变过程多呈结构性与渐进性特征，采用线性插值可较好地估算原始趋势，具有合理性与实用性.

3 结果与讨论 3.1 黄河域降碳减污扩绿协同发展水平分析 3.1.1 全流域降碳减污扩绿三者协同发展水平

图 4反映了2013~2023年黄河全流域和上中下游地区降碳减污扩绿协同发展水平. 从整体趋势来看，黄河流域在考察期内的协同水平呈现稳步上升的趋势，从2013年的0.24提高至2023年的0.30，反映出流域内各城市通过系统推进降碳减污扩绿协同治理，已初步构建起经济发展与生态环境保护相互促进的良性循环机制，区域绿色低碳转型步伐正在加快，环境治理效能和绿色发展质量得到同步提升. 这一趋势的形成是政策引领、社会参与和经济转型三重动力共同作用的结果. 在政策环境方面，国家出台《黄河流域生态保护和高质量发展规划纲要》等顶层设计，沿黄9省区建立“1+3+9”协同治理机制，实施碳排放双控、生态补偿等创新制度，形成刚性约束与激励并重的政策体系；在社会环境方面，公众环保意识增强推动绿色生活方式普及，沿黄城市群通过“文化生态银行”等模式激活生态文化价值，社会组织与媒体监督倒逼企业减排责任落实；在经济环境方面，黄河流域内高新技术产业占比不断提升，风光水储一体化基地建设降低煤电依赖，数字经济与绿色金融等新业态赋能传统产业升级，最终实现环境效益与经济效益的双赢.

图 4 2013~2023年黄河流域上中下游城市降碳减污扩绿协同水平的变化 Fig. 4 Temporal evolution of carbon reduction, pollution reduction, and green expansion synergy levels in the Yellow River Basin from 2013 to 2023

3.1.2 上、中、下游地区降碳减污扩绿三者协同发展水平

分区域来看，降碳减污扩绿协同发展水平呈现上游高于下游高于中游的情况. 具体而言，上游地区明显高于中、下游地区的协同值，究其原因是国家高度重视黄河上游的生态保护，出台了一系列政策推动上游地区绿色发展. 例如，《黄河生态保护治理攻坚战行动方案》明确提出，要提升上游“中华水塔”水源涵养能力，通过实施生态修复工程，宁夏的“六盘山绿化工程”，有效改善了生态环境. 同时上游地区拥有丰富的能源资源，近年来在政策引导下，积极推动能源结构调整，加快风电、光伏等清洁能源基地建设. 同时，通过实施降碳减污协同创新试点，推动重工业向低碳方向发展. 晋陕蒙三省区签署黄河流域横向生态补偿协议，建立起流域横向生态补偿机制，为上游地区的生态保护提供了经济支持，促进了降碳减污扩绿协同水平的提升. 中游地区降碳减污扩绿协同水平较低是因为产业结构不合理，中游地区第一产业大而不强，第二产业结构不优，第三产业培育不足，这种产业结构导致经济发展对资源依赖度高，能源利用效率低，污染排放压力大；且中游地区在科技创新和绿色发展方面投入相对较少，创新驱动能力较弱，难以有效推动产业升级和绿色转型. 尽管国家出台了多项政策支持黄河流域生态保护和高质量发展，但中游地区在政策落实和执行方面可能存在不足，导致政策红利未能充分释放. 而下游地区降碳减污扩绿三者协同发展水平提升速度较快，主要原因在于其地理位置集中于我国东部沿海区域，涵盖了如山东半岛城市群及中原城市群等关键经济区域，以上区域经济发达，资金、技术和人才等资源丰富. 地方政府积极推动绿色低碳发展，制定并实施了一系列具体举措，如山东省实施“四水四定”原则，优化国土空间开发保护格局. 同时，下游地区加大科技投入，推动能源资源利用效率提升和新旧动能转换. 例如，日照市扎实推进省级降碳减污协同增效创新试点，通过技术创新和产业升级，加快了降碳减污扩绿协同发展进程. 建立了较为完善的区域协同治理机制，如黄河流域环境风险隐患排查整治和跨省流域上下游突发水污染事件联防联控机制，提升了整体治理效能.

3.1.3 资源型城市和非资源型城市降碳减污扩绿三者协同发展水平

由于资源禀赋不同，黄河流域内资源型城市与非资源型城市在产业结构上存在显著差异，资源型城市指的是以自然资源和能源为支撑的城市形态，比如煤炭、石油和天然气等产业城市；非资源型城市则更加依赖于技术、工业、服务和文化等领域的创新和发展. 黄河流域城市在降碳减污扩绿协同发展方面呈现出明显的类型差异，非资源型城市的降碳减污扩绿三者协同发展水平明显高于资源型城市（见图 5）. 究其原因是非资源型城市凭借其产业结构多元化优势，在第三产业培育、绿色技术应用和环境治理创新等方面展现出更强的适应性和响应力，加之其多分布于经济发达地区，能够获得更多的政策支持和持续的资金投入，在科研创新和技术应用方面也更具优势，从而形成了更高效的协同发展机制. 资源型城市在绿色转型过程中面临的双重困境：一方面受制于传统资源依赖型产业形成的路径锁定效应，另一方面受限于既有制度框架对新兴绿色产业发展的结构性制约. 资源型城市与非资源型城市差异不仅体现在产业转型的灵活性上，更反映在政策执行效能、环境监管体系和绿色基础设施建设等系统性能力方面，最终导致两类城市在实现经济发展与生态环境保护协同推进方面呈现出梯度差异.

图 5 2013~2023年黄河流域资源型城市、非资源型城市降碳减污扩绿协同水平的变化 Fig. 5 Changes in the synergistic level of carbon reduction, pollution reduction, and green expansion in resource-based cities and non-resource-based cities in the Yellow River Basin from 2013 to 2023

3.1.4 黄河流域降碳减污扩绿三者协同时空演化特征

本文采用自然断点法，将2014年、2017年、2020年和2023年黄河流域降碳减污扩绿水平划分为5个等级，刻画其时空演变过程（见图 6）. 2014年，黄河流域内有23个城市处于低级协同与较低协同水平，主要集中分布在中上游地区，尤其是山西、河南北部、陕西东部和甘肃部分城市，反映出该阶段协同治理尚处于起步阶段，地区差异显著；2017年，低协同城市扩展至15个，较低协同城市增至9个，分布区域向陕北、晋西和豫北等方向拓展，协同水平总体下滑，西北部城市的协同治理能力进一步减弱，空间集聚现象增强，低协同城市呈现连片化趋势. 进入2020年，协同水平出现显著改善，晋中、长治和晋城由低协同水平上升为较低协同水平，说明区域绿色协同能力在政策推动和结构调整下显现提升成效. 武威市、西宁市、陇南市、天水市、平凉市、庆阳市和固原市从低级协同水平在2023年上升为较低协同水平，说明在持续治理与机制完善背景下，部分滞后地区亦展现出协同水平改善的趋势.

图 6 2014年、2017年、2020年和2023年协同度的空间演变格局 Fig. 6 Spatiotemporal evolution patterns of the coupling coordination degree in 2014, 2017, 2020, and 2023

3.2 黄河流域降碳减污扩绿协同发展动态演进分析 3.2.1 全流域降碳减污扩绿三者协同发展动态演进

图 7揭示了黄河流域全流域在2013~2023年降碳减污扩绿协同发展水平的动态演化情况. 从分布位置上看，主峰随着时间的推移逐渐向右移动，表明黄河流域54个地级市的协同水平呈持续上升的趋势. 从分布形态上看，主峰趋于平缓并向两侧扩展，说明区域之间的协同水平有所提升. 从分布延展性上看，可以看出核密度曲线存在右拖尾现象，反映出部分地区的协同水平仍显著低于总体平均水平. 与此同时，核密度曲线由单峰变为双峰，且双峰间距逐渐拉大，意味着降碳减污扩绿的协同发展水平呈现明显的两极化分布趋势，地区之间的差距愈发显著. 总体而言，黄河流域在城市生态保护方面仍面临较大的结构性和根源性压力，且区域间发展的不平衡性问题较为突出.

图 7 黄河流域全流域、上中下游地区降碳减污扩绿协同水平的核密度 Fig. 7 Kernel density estimation of carbon reduction, pollution reduction, and green expansion synergy level in the whole basin and the upper, middle, and lower reaches of the Yellow River Basin

3.2.2 上、中、下游地区降碳减污扩绿三者协同发展动态演进

图 7揭示了黄河流域上中下游地区在2013~2023年降碳减污扩绿协同发展水平的动态演化情况. 从分布位置上看，上中下游地区的核密度曲线主峰均向右偏移，表明各地区协同水平总体呈上升趋势. 其中下游地区的右移幅度最大，表明下游地区降碳减污扩绿协同发展水平增速最快，这与前文的总体分析结果高度一致. 从分布形态来看，上游与下游地区的主峰高度上升，且分布区间缩小，表明这两个区域的协同水平更加集中，内部差异有所收敛，但协同水平不均衡的程度有所上升. 从分布延展性上看，中游城市出现右侧拖尾，意味着部分城市的协同发展水平远高于平均水平，且其数量呈现先增加后减少的变化趋势. 相较之下，上游地区表现出左拖尾现象，表明高协同水平的城市数量逐步增多，整体水平有所提升. 上游地区主要以能源开采、冶金、化工和重工业为主，工业化程度较高，部分城市在经济转型过程中面临较大的压力. 中游地区以传统制造业、建筑业和交通运输业为主，部分城市经济发展速度较快，污染排放也相对较高，2020~2023年，随着经济转型，郑州等城市交通污染、建筑扬尘及能源消耗仍较为严重，导致主峰右移和右拖尾现象明显. 开封和济南等城市污染治理进展相对缓慢，部分工业仍以传统高污染产业为主，未能有效减少污染排放，导致污染严重. 下游地区虽经济发达，但存在以青岛为代表的传统重工业城市，污染难以快速下降，同时青岛作为重要港口城市，航运排放及港口的物流运输造成了较高的碳排放，进一步加剧右拖尾现象，由于产业结构调整有限，导致下游部分区域污染水平依然较高.

3.2.3 资源型城市、非资源型城市降碳减污扩绿三者协同发展动态演进

图 8分别展示了黄河流域资源型城市和非资源型城市降碳减污扩绿协同发展水平的动态分布情况. 从分布位置上看，资源型城市和非资源型城市的主峰均逐渐向右偏移，表明部分城市协同推进降碳减污扩绿取得进展，但整体仍集中在较低水平区间. 特别是非资源型城市，其右移幅度最大，说明该地区降碳减污扩绿协同发展水平增速加快，这与前文的总体描述相吻合. 从分布形态来看，非资源型城市的核密度曲线图则从单峰转为双峰，说明两极分化现象加重，部分省会城市如西安作为“一带一路”的核心枢纽、郑州作为国家中心城市、青岛作为沿海开放城市以及兰州、洛阳等，获得了一些政策红利，协同水平较高；而巴彦淖尔、乌兰察布等城市仅承担生态屏障功能，缺乏国家级政策支持，协同水平相对较低. 从分布延展性上看，非资源型城市出现右拖尾现象，表明部分城市，如济南、西安、青岛和郑州等仍存在较高污染问题，协同治理压力较大.

图 8 黄河流域资源型城市、非资源型城市降碳减污扩绿协同水平的核密度 Fig. 8 Kernel density estimation of carbon reduction, pollution reduction, and green expansion synergy level in resource-based and non-resource cities of the Yellow River Basin

3.3 降碳减污扩绿协同发展影响因素分析 3.3.1 单因子探测

本文借鉴已有研究，选取人均GDP（x₁）^[44]、第二产业占比（x₂）^[44]、第三产业占比（x₃）^[10]、城镇化率（x₄）^[44]、教育支出水平（x₅）^[10]和科学技术水平（x₆）^[10，44]这6个指标作为主要解释变量. 人均GDP反映经济发展水平，为降碳减污扩绿提供资金和技术支持；第二产业占比直接影响能源消耗和污染排放强度，黄河流域部分地区仍以传统重工业为主，高比例的第二产业可能导致高污染、高碳排放，从而影响降碳减污扩绿的协同效应；第三产业占比则体现经济结构绿色化程度；城镇化率通过人口集聚效应推动基础设施集中治污，但也可能加剧资源压力；教育支出水平提升环境意识与人才储备，科学技术水平则直接决定清洁生产效率和绿色创新突破. 6个指标共同构成经济基础-产业结构-社会形态-智力支撑的协同作用链条.

黄河流域降碳减污扩绿影响因素的影响效应和显著性如表 3所示. 从全流域看，各影响因素均在5%的显著性水平上通过检验，其中城镇化率的作用强度为0.523，是影响黄河流域降碳减污扩绿协同水平的最主要影响因素，原因是城镇化进程在提升资源利用效率、推进绿色基础设施建设及清洁能源使用方面发挥了重要作用. 第三产业占比也是黄河流域降碳减污扩绿协同水平的重要影响因素，原因是第三产业的快速发展，尤其是绿色服务业和低碳经济的兴起显著降低了高污染和高能耗产业的比例为降碳减污提供了重要支撑，人均GDP、第二产业占比、教育支出水平和科学技术水平等影响因素的影响较小. 从区域层面看，黄河流域上、中和下游地区降碳减污扩绿协同水平最主要影响因素均为城镇化率，作用强度分别为0.514、0.622、0.801，解释力超过了50%，是黄河流域降碳减污扩绿的主要影响因素. 此外，第三产业占比对黄河流域中游地区、下游地区有显著影响；人均GDP对黄河流域下游地区有显著影响；第二产业占比对黄河流域中游地区影响较大，其降碳减污扩绿协同水平的解释力为44.1%，对上游和下游地区存在微弱影响. 由此可知，城镇化率、第三产业占比是黄河流域降碳减污扩绿协同水平的主要影响因素，人均GDP、教育支出水平和科学技术水平的拉动作用尚未显现.

表 3 黄河流域上、中、下游地区影响因素的作用强度及显著性 Table 3 Influence intensity and significance of driving factors in the upper, middle, and lower reaches of the Yellow River Basin

黄河流域资源型城市和非资源型城市降碳减污扩绿影响因素的影响效应和显著性如表 4所示，最主要影响因素仍为城镇化率，作用强度分别为0.474和0.708；人均GDP对资源型城市和非资源型城市也有显著影响，作用强度分别为0.278和0.524；第三产业占比对黄河流域非资源型城市有显著影响，其解释力为58.7%，对资源型城市存在微弱影响.

表 4 黄河流域资源型城市、非资源型城市影响因素的作用强度及显著性 Table 4 Influence intensity and significance of driving factors in resource-based and non-resource cities of the Yellow River Basin

各影响因素的影响效应变动如图 9所示，城镇化率的影响效应呈现持续上升趋势，2013年为0.35，至2021年达到峰值0.67，始终是推动黄河流域降碳减污扩绿协同效应的核心主导因素. 第三产业占比作为仅次于城镇化率的影响因素，其影响程度呈现“M”型不规则波动，其影响程度在2013~2016年有所下降，2017年以后逐步上升，并在2020年达到顶峰，原因可能是随着第三产业的快速发展，尤其是绿色服务业和低碳经济的兴起显著降低了高污染、高能耗产业的比例，为降碳减污提供了重要支撑，但部分传统服务业的增长乏力以及高能耗领域的碳排放问题可能使其发生回落. 人均GDP的影响程度整体保持稳定，在0.15~0.22之间波动，说明经济增长对协同效应的带动作用较为稳健，但未表现出显著提升，可能与高质量发展尚处于过渡阶段有关. 教育支出水平呈现“L”型下降趋势，从2013年的0.22降至2021年的最低点0.02，可能与教育投资回报周期较长、短期内对协同效应难以形成直接推动有关.

图 9 影响因素逐年演变过程 Fig. 9 Annual evolution of influencing factors

3.3.2 驱动因素交互作用探测

黄河流域降碳减污扩绿协同效应同时受到多个因子的共同影响. 2014年解释力最高的交互作用是人均GDP（x₁）∩第二产业占比（x₂）；2017年和2020年，解释力最高的交互作用是第三产业占比（x₃）∩科学技术水平（x₆）；2023年解释力最高的交互作用是第三产业占比（x₃）∩城镇化率（x₄）.

从图 10可以看出，黄河流域降碳减污扩绿的协同效应受到多个因子的共同影响，其中不同时期的主导交互作用存在显著差异. 2014年，人均GDP与第二产业占比的交互作用解释力最高，该阶段黄河流域多数城市仍处于工业化加速发展期，尤其是中游地区的重工业城市仍以第二产业为经济支柱，能源消耗总量与污染排放水平较高. 同时，人均GDP的提升为降碳减污提供了经济基础与技术投资能力. 两者交互作用的增强，反映出经济增长与工业扩张叠加所带来的环境压力，同时也构成了提升协同治理能力的重要支撑基础. 反映出工业发展在带动污染的同时，也构成了环境治理能力提升的物质保障；2017年和2020年，第三产业占比与科学技术水平的交互作用成为主导因素，这一时期，黄河流域逐步从传统工业主导型经济向服务型经济过渡，经济结构持续优化，服务业在地区GDP中的占比不断上升. 以西安、郑州和济南等中心城市为代表，其第三产业增长显著，产业能耗结构逐渐向低碳化、信息化转型. 同时，科技投入与创新能力的增强加快了绿色技术的应用推广，推动了节能设备、清洁能源和智能基础设施的广泛部署. 二者协同作用的提升，说明服务业扩张与技术进步共同推动了资源利用效率的提升，有效降低了污染排放强度，实现了降碳减污目标与经济增长之间的良性互动，体现出“以技促绿、以服降碳”的协同发展机制；2023年，第三产业占比与城镇化率的交互作用解释力最高，标志着黄河流域整体进入新型城镇化深化发展阶段. 随着人口持续向城市集中，基础设施趋于完善，城市功能日益集约化与高效化，服务业发展空间进一步拓展. 以西宁、兰州、银川和济南等城市为例，其第三产业在区域经济中的主导地位愈加稳固，产业结构进一步向知识密集型和绿色导向型转型. 城镇化进程则通过推动土地、资本和劳动力等要素的优化配置，提高了基础设施和公共服务的集约化利用水平，强化了人口与资源的空间整合效应. 两者交互作用的增强，充分体现了“以城促绿、以产降碳”的绿色发展路径，不仅推动了污染控制与碳减排的协同治理，也提升了城市综合承载与生态适应能力.

图 10 驱动因子的交互作用 Fig. 10 Interaction effects of driving factors

4 结论

（1）2013~2023年，黄河流域整体降碳减污扩绿协同发展水平呈上升趋势. 分区域来看，呈现出“上游高于下游高于中游”的总体特征，上游地区生态屏障功能突出，国家政策倾斜力度较大，生态保护任务重，因而其协同水平提升明显，中游地区则因产业结构偏重、资源开发强度大和生态承载压力大等因素，协同水平相对滞后；从不同类型城市来看，黄河流域非资源型城市在降碳减污扩绿协同发展方面表现更为突出.

（2）从核密度估计来看，上中下游城市主峰均逐渐向右偏移，主峰高度有所上升，中游城市呈现右拖尾状态，上游城市呈现左拖尾状态. 资源型城市、非资源型城市主峰均逐渐向右偏移，非资源型城市则从单峰转为双峰；非资源型城市出现右拖尾现象. 总体来看，黄河流域在上中下游城市之间以及不同类型城市之间正逐步形成协同联动格局. 上中下游之间的协同提升趋势表明纵向流域治理效应逐步显现，而资源型与非资源型城市之间的互动与赶超关系也为区域内部差异化发展战略提供了实践依据.

（3）从驱动因素来看，城镇化率与第三产业占比是影响黄河流域降碳减污扩绿协同水平的关键因素，且其驱动作用具有显著的时序特征. 2014年，人均GDP与第二产业占比的交互作用突出，反映工业化初期经济增长与环境污染的张力；2020年以后，第三产业占比与城镇化率的交互作用增强，表明绿色服务业和城市集约化发展成为推动降碳减污扩绿协同的关键力量.

参考文献

[1]	邹绍辉, 陈雅文. 黄河几字弯城市群能-水-碳耦合变化及归因分析[J]. 人民黄河, 2025, 47(4): 64-70. Zou S H, Chen Y W. Coupling process and attribution analysis of energy-water-carbon of urban agglomeration of Ω-shaped bend of the Yellow River[J]. Yellow River, 2025, 47(4): 64-70.
[2]	康哲, 李巍, 刘伟. 黄河流域城市群工业减污降碳影响因素与策略[J]. 中国环境科学, 2023, 43(4): 1946-1956. Kang Z, Li W, Liu W. Influencing factors and promoting measures of industrial pollution abatement and carbon reduction of the city clusters in the Yellow River basin[J]. China Environmental Science, 2023, 43(4): 1946-1956.
[3]	许玉姣. 黄河流域生态环境治理与高质量发展[J]. 甘肃科技纵横, 2020, 49(8): 18-20. Xu Y J. Ecological environment management and high-quality development in the Yellow River basin[J]. Scientific & Technical Information of Gansu, 2020, 49(8): 18-20.
[4]	刘璐, 郭月峰, 姚云峰, 等. 十大孔兑上游土壤侵蚀空间分布及动态变化[J]. 水土保持研究, 2021, 28(4): 34-41, 47. Liu L, Guo Y F, Yao Y F, et al. Spatial distribution and dynamic change of soil erosion in ten tributaries[J]. Research of Soil and Water Conservation, 2021, 28(4): 34-41, 47.
[5]	陈耀, 张可云, 陈晓东, 等. 黄河流域生态保护和高质量发展[J]. 区域经济评论, 2020(1): 8-22.
[6]	王菲, 陈敏, 曹永强, 等. 黄河流域九省区水-土-能-碳关联系统网络特征[J]. 水利水电科技进展, 2024, 44(4): 31-37. Wang F, Chen M, Cao Y Q, et al. Network characteristics of water-land-energy-carbon correlation system of nine provinces along the Yellow River Basin[J]. Advances in Science and Technology of Water Resources, 2024, 44(4): 31-37.
[7]	彭绪庶. 黄河流域生态保护和高质量发展: 战略认知与战略取向[J]. 生态经济, 2022, 38(1): 177-185. Peng X S. Ecological protection and high quality development in the Yellow River Basin: strategic cognition and orientation[J]. Ecological Economy, 2022, 38(1): 177-185.
[8]	姚文艺, 申震洲, 姚京威, 等. 黄河砒砂岩区生态治理关键技术研究[J]. 华北水利水电大学学报(自然科学版), 2023, 44(5): 1-12. Yao W Y, Shen Z Z, Yao J W, et al. Research on the key technologies of ecological control for Pisha sandstone region of the Yellow River Basin[J]. Journal of North China University of Water Resources and Electric Power (Natural Science Edition), 2023, 44(5): 1-12.
[9]	徐成龙, 王长雪. 降碳减污扩绿增长协同的绩效评估与时空演进[J]. 统计与决策, 2025, 41(6): 184-188.
[10]	马艺鸣, 李国平. 中国降碳减污扩绿协同水平、区域差异及影响因素[J]. 统计与决策, 2025, 41(5): 103-108.
[11]	尹碧波, 郑佳琦, 孙泽萱, 等. "双碳"目标下中国降碳减污扩绿增长协同: 效应测度、空间联系与区域差异[J]. 环境科学研究, 2025, 38(4): 713-723. Yin B B, Zheng J Q, Sun Z X, et al. Synergistic growth of pollution reduction, carbon reduction, green expansion, and economic growth in China under the 'dual carbon' goal: effect measurement, spatial connection, and regional differences[J]. Research of Environmental Sciences, 2025, 38(4): 713-723.
[12]	金帅, 吴涛. 中国减污降碳协同的时空演化特征及其影响因素分析[J]. 生态经济, 2025, 41(3): 184-192. Jin S, Wu T. Analysis of spatio-temporal evolution and influencing factors of synergistic pollution control and carbon reduction in China[J]. Ecological Economy, 2025, 41(3): 184-192.
[13]	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.
[14]	胡剑波, 张宽元, 韩君. 我国省域降碳减污绩效测度、时空分异与收敛性研究[J]. 统计研究, 2025, 42(2): 99-110. Hu J B, Zhang K Y, Han J. Research on the measurement, spatiotemporal differentiation and convergence of carbon and pollution reduction performance in China[J]. Statistical Research, 2025, 42(2): 99-110.
[15]	邢会, 霍晓谦. 中国县域减污降碳协同增效的时空演变及影响因素[J]. 中国环境科学, 2025, 45(3): 1657-1673. Xing H, Huo X Q. The spatiotemporal pattern evolution and influencing factors of synergistic reduction of pollution and carbon emissions in Chinese counties[J]. China Environmental Science, 2025, 45(3): 1657-1673.
[16]	连艳琼, 施生旭. 粤闽浙沿海城市群减污降碳协同治理评价研究[J]. 环境科学与技术, 2024, 47(8): 217-227. Lian Y Q, Shi S X. Evaluation research on synergistic governance of pollution and carbon reduction in coastal urban agglomerations of Guangdong, Fujian and Zhejiang provinces[J]. Environmental Science & Technology, 2024, 47(8): 217-227.
[17]	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 and carbon emission reduction and high-quality economic development in China's urban agglomerations[J]. Environmental Science, 2024, 45(11): 6313-6325. DOI:10.13227/j.hjkx.202311229
[18]	李健, 邱广伟. 贵州降碳减污扩绿增长协同空间演进及路径探析[J]. 环境科学, 2025, 46(10): 6465-6474. Li J, Qiu G W. Spatial evolution of carbon reduction, pollution reduction, green expansion, and economic growth synergy in Guizhou with path analysis[J]. Environmental Science, 2025, 46(10): 6465-6474. DOI:10.13227/j.hjkx.202409264
[19]	杨朦, 李智成. "双碳"目标下政府减污降碳协同治理结构及生成路径研究——以北京市为例[J]. 中国地质大学学报(社会科学版), 2024, 24(3): 73-82. Yang M, Li Z C. A study on the structure and generation paths of government coordinated governance for pollution reduction and carbon emission reduction under the "dual carbon" target——a case study of Beijing[J]. Journal of China University of Geosciences (Social Sciences Edition), 2024, 24(3): 73-82.
[20]	杨露鑫, 刘玉成. 制造业降碳减污增效的非协调性耦合识别及驱动机制分析[J]. 环境科学, 2026, 47(3): 1586-1594. Yang L X, Liu Y C. Non coordinated coupling identification and driving mechanism analysis of carbon reduction, pollution reduction and efficiency improvement in manufacturing industry[J]. Environmental Science, 2026, 47(3): 1586-1594. DOI:10.13227/j.hjkx.202503171
[21]	汪振双, 王宇飞, 汪涛, 等. 建筑业降碳-减污-扩绿-增长协同效应空间关联网络特征及驱动机制[J]. 中国环境科学, 2025, 45(7): 4064-4079. Wang Z S, Wang Y F, Wang T, et al. Spatial correlation network characteristics and drivers of carbon reduction-construction waste control-green expansion-economic growth synergy effect in construction industry[J]. China Environmental Science, 2025, 45(7): 4064-4079.
[22]	卢泓钢, 王益如, 吴伟光. 中国农业减污降碳协同增效的水平测度及其时空收敛性研究——基于"减污、降碳、扩绿、增长"的四维分析[J]. 生态经济, 2024, 40(12): 186-195. Lu H G, Wang Y R, Wu W G. Environment pollution and carbon emission of agriculture in China: based on the four-dimensional analysis of "pollution reduction, carbon reduction, green expansion and growth[J]. Ecological Economy, 2024, 40(12): 186-195.
[23]	安树伟, 李瑞鹏. 黄河流域高质量发展的内涵与推进方略[J]. 改革, 2020(1): 76-86. An S W, Li R P. Intension and promotion strategy of high-quality development in the Yellow River Basin[J]. Reform, 2020(1): 76-86.
[24]	张贡生. 黄河流域生态保护和高质量发展: 内涵与路径[J]. 哈尔滨工业大学学报(社会科学版), 2020, 22(5): 119-128. Zhang G S. Ecological conservation and high-quality development of the Yellow River Basin: connotation and path[J]. Journal of Harbin Institute of Technology (Social Sciences Edition), 2020, 22(5): 119-128.
[25]	宋洁. 新发展格局下黄河流域高质量发展"内外循环"建设的逻辑与路径[J]. 当代经济管理, 2021, 43(7): 69-76. Song J. The logic and path of the "domestic and international circulation" of the high-quality development of the Yellow River Basin under the new development pattern[J]. Contemporary Economic Management, 2021, 43(7): 69-76.
[26]	徐勇, 王传胜. 黄河流域生态保护和高质量发展: 框架、路径与对策[J]. 中国科学院院刊, 2020, 35(7): 875-883. Xu Y, Wang C S. Ecological protection and high-quality development in the Yellow River Basin: framework, path, and countermeasure[J]. Bulletin of Chinese Academy of Sciences, 2020, 35(7): 875-883.
[27]	徐辉, 师诺, 武玲玲, 等. 黄河流域高质量发展水平测度及其时空演变[J]. 资源科学, 2020, 42(1): 115-126. Xu H, Shi N, Wu L L, et al. High-quality development level and its spatiotemporal changes in the Yellow River Basin[J]. Resources Science, 2020, 42(1): 115-126.
[28]	张合林, 王亚辉, 王颜颜. 黄河流域高质量发展水平测度及提升对策[J]. 区域经济评论, 2020(4): 45-51. Zhang H L, Wang Y H, Wang Y Y. Measurement and improvement of high quality development level in Yellow River Basin[J]. Regional Economic Review, 2020(4): 45-51.
[29]	韩君, 杜文豪, 吴俊珺. 黄河流域高质量发展水平测度研究[J]. 西安财经大学学报, 2021, 34(1): 28-36. Han J, Du W H, Wu J J. Measurement of high-quality development in the Yellow River Basin[J]. Journal of Xi'an University of Finance and Economics, 2021, 34(1): 28-36.
[30]	徐福祥, 徐浩, 刘艳芬, 等. 黄河流域九省(区)生态保护和高质量发展治理水平测度与评价[J]. 人民黄河, 2022, 44(6): 11-15. Xu F X, Xu H, Liu Y F, et al. Measurement and evaluation of ecological protection and high-quality development governance levels in nine provinces (Regions) of Yellow River Basin[J]. Yellow River, 2022, 44(6): 11-15.
[31]	金凤君. 黄河流域生态保护与高质量发展的协调推进策略[J]. 改革, 2019(11): 33-39. Jin F J. Coordinated promotion strategy of ecological protection and high-quality development in the Yellow River Basin[J]. Reform, 2019(11): 33-39.
[32]	任保平, 杜宇翔. 黄河中游地区生态保护和高质量发展战略研究[J]. 人民黄河, 2021, 43(2): 1-5. Ren B P, Du Y X. Strategy of ecological protection and high-quality development in the middle Yellow River[J]. Yellow River, 2021, 43(2): 1-5.
[33]	何苗, 任保平. 黄河流域生态保护与高质量发展耦合协调的协同推进机制[J]. 经济与管理评论, 2024, 40(1): 15-29. He M, Ren B P. A synergistic mechanism for coupling and coordinating high-quality development and ecological protection in the Yellow River Basin[J]. Review of Economy and Management, 2024, 40(1): 15-29.
[34]	沈路, 钱丽. 黄河流域高质量发展水平测度、空间关联及影响因素分析[J]. 统计与决策, 2022, 38(13): 26-30. Shen L, Qian L. Level measurement, spatial correlation and influencing factor analysis of high-quality development in the Yellow River Basin[J]. Statistics & Decision, 2022, 38(13): 26-30.
[35]	吕德胜, 王珏, 程振. 黄河流域数字经济、生态保护与高质量发展时空耦合及其驱动因素[J]. 经济问题探索, 2022(8): 135-148. Lv D S, Wang J, Cheng Z. Spatio-temporal coupling and driving factors of digital economy, ecological protection and high-quality development in the Yellow River Basin[J]. Inquiry Into Economic Issues, 2022(8): 135-148.
[36]	程永生, 张德元, 赵梦婵. 黄河流域生态保护和高质量发展的时空演变与驱动因素[J]. 经济体制改革, 2021(5): 61-69. Cheng Y S, Zhang D Y, Zhao M C. Spatial-temporal evolution and driving factors of ecological protection and high-quality development in the Yellow River Basin[J]. Reform of Economic System, 2021(5): 61-69.
[37]	郑玉雯, 薛伟贤, 程爱联, 等. 减污降碳视域下黄河流域城市群3E绩效的协同演化[J]. 人民黄河, 2025, 47(2): 15-21. Zheng Y W, Xue W X, Cheng A L, et al. Collaborative evolution of 3E performance of the Yellow River Basin urban agglomeration from the perspective of pollution reduction and carbon reduction[J]. Yellow River, 2025, 47(2): 15-21.
[38]	李新越, 班凤梅, 毕旭, 等. 黄河流域减污降碳协同效应的时空特征及影响因素分析[J]. 环境科学研究, 2024, 37(12): 2610-2621. Li X Y, Ban F M, Bi X, et al. Spatio-temporal characteristics and influencing factors of the synergistic effects of pollution and carbon emission reduction in the Yellow River Basin[J]. Research of Environmental Sciences, 2024, 37(12): 2610-2621.
[39]	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.
[40]	岳文慧, 张丽君, 秦耀辰, 等. 黄河流域高碳制造业减污降碳协同效应及其影响因素[J]. 环境科学, 2025, 46(9): 5566-5576. Yue W H, Zhang L J, Qin Y C, et al. Synergistic effect of pollution reduction and carbon emission reduction in high-carbon manufacturing industries in the Yellow River Basin and its influencing factors[J]. Environmental Science, 2025, 46(9): 5566-5576. DOI:10.13227/j.hjkx.202409143
[41]	王思博, 庄贵阳. 中国省域碳达峰与基本现代化"双目标"何以协同实现?[J]. 中国人口·资源与环境, 2023, 33(3): 1-12. Wang S B, Zhuang G Y. How can the goals of reaching peak carbon dioxide emissions and modernization be achieved together among provinces in China?[J]. China Population, Resources and Environment, 2023, 33(3): 1-12.
[42]	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.
[43]	夏学超, 孙慧, 祝树森, 等. 多元主体环境规制组合如何实现降碳减污扩绿增长协同推进?[J]. 中国人口·资源与环境, 2024, 34(8): 22-35. Xia X C, Sun H, Zhu S S, et al. How can a combination of environmental regulations by multiple stakeholders achieve the synergistic advancement of carbon reduction, pollution control, green expansion, and economic growth?[J]. China Population, Resources and Environment, 2024, 34(8): 22-35.
[44]	李云燕, 杜文鑫. 京津冀城市群减污降碳时空特征及影响因素异质性分析[J]. 环境工程技术学报, 2023, 13(6): 2006-2015. Li Y Y, Du W X. Spatial and temporal characteristics and the heterogeneity of influencing factors of the synergism of pollution and carbon emissions reduction in Beijing-Tianjin-Hebei urban agglomeration[J]. Journal of Environmental Engineering Technology, 2023, 13(6): 2006-2015.
[45]	朱思瑜, 于冰. 长三角减污降碳政策的协同效应和作用机制研究[J]. 环境科学研究, 2024, 37(2): 256-265. Zhu S Y, Yu B. Synergistic effects and mechanisms involved in pollution reduction and carbon emission reduction policies in the Yangtze River Delta Region[J]. Research of Environmental Sciences, 2024, 37(2): 256-265.
[46]	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.
[47]	崔连标, 陈惠. 京津冀城市群减污降碳的时空特征及其驱动因素研究[J]. 工业技术经济, 2023, 42(6): 87-96. Cui L B, Chen H. Spatio-temporal characteristics and driving factors of pollution and carbon reduction in Beijing-Tianjin-Hebei urban agglomeration[J]. Journal of Industrial Technological Economics, 2023, 42(6): 87-96.
[48]	贾洪文, 樊树钢. 黄河流域绿色金融与经济高质量发展耦合协调研究[J]. 生态经济, 2023, 39(10): 89-98. Jia H W, Fan S G. Study on the coupling and coordination of green finance and high quality economic development in the Yellow River Basin[J]. Ecological Economy, 2023, 39(10): 89-98.
[49]	甘荣情, 曾令武, 陈媛, 等. 黄河流域中下游城市水资源节约集约利用能力[J]. 环境科学, 2025, 46(5): 2816-2827. Gan R Q, Zeng L W, Chen Y, et al. Water resource conservation and intensive utilization capability of cities in the middle and lower reaches of the Yellow River Basin[J]. Environmental Science, 2025, 46(5): 2816-2827. DOI:10.13227/j.hjkx.202404124
[50]	刘玒玒, 刘书芳. 黄河流域城市群生态韧性时空演化及提升路径研究[J]. 环境科学研究, 2024, 37(7): 1534-1545. Liu H H, Liu S F. Research on spatiotemporal evolution and improvement paths of ecological resilience in Yellow River Basin urban agglomerations[J]. Research of Environmental Sciences, 2024, 37(7): 1534-1545.
[51]	潘桔, 郑红玲. 区域经济高质量发展水平的测度与差异分析[J]. 统计与决策, 2020, 36(23): 102-106.
[52]	王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. Wang J F, Xu C D. Geodetector: principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134.
[53]	易文利, 田苗, 郑浩浩, 等. 陕西省PM_2.5时空分布及影响因素区域差异研究[J]. 地球环境学报, 2023, 14(1): 98-109. Yi W L, Tian M, Zheng H H, et al. Regional differences of PM_2.5 spatial and temporal distribution in Shaanxi Province[J]. Journal of Earth Environment, 2023, 14(1): 98-109.


环境科学 2026, Vol. 47 Issue (9): 6025-6037	PDF