2026, Vol. 47
2. 兰州财经大学经济学院，兰州 730101
2. School of Economics, Lanzhou University of Finance and Economics, Lanzhou 730101, China
在全球经济不确定性上升与环境约束趋紧的背景下，高能耗、高排放型经济发展模式弊端日益显现，区域经济系统面临更多外部冲击与适应性挑战. 2022年6月，生态环境部等七部门联合印发《减污降碳协同增效实施方案》，要求全面提高环境治理综合效能，实现环境效益、气候效益和经济效益多赢. 减污降碳不仅能够降低环境退化带来的系统性风险[1]，还可通过优化能源结构、推动产业升级和绿色技术创新，增强经济系统的抵抗力与恢复力[2]. 经济韧性则以系统弹性为核心，强调在复杂多变条件下保持经济功能稳定. 具备较强韧性的经济系统，能够在应对政策压力、资源约束以及国际绿色壁垒等挑战中展现出更强的适应能力与转型动力，为减污降碳稳步推进提供制度、资金与技术支撑[3]. 在“双碳”目标引领下，强化减污降碳与韧性提升协同发展，有助于优化生态环境治理机制，构建高质量发展的内生动力与可持续保障体系.
在绿色低碳转型的战略框架下，减污、降碳与提韧的协同推进具有目标同向、路径互促与功能互补的内在一致性. 其中，减污是改善生态环境质量的直接途径，通过削减污染物排放，可有效降低生态风险并释放环境容量，为低碳转型提供基础条件[4]；降碳是应对气候变化的关键举措，其核心在于优化能源结构、提升能源效率并推动绿色技术创新，在抑制新增污染方面具有显著的协同效应[5]；提韧是经济社会系统在复杂环境约束与外部冲击下保持稳定与可持续发展的重要前提，它既保障减污与降碳政策的有效实施，又通过增强产业链和供应链的适应性与恢复力，为绿色转型提供持久支撑[6]. 综上，减污奠定环境基础，降碳推动结构转型，提韧保障长期稳定，三者相互作用、耦合协同，共同形成支撑生态文明建设与高质量发展的系统性逻辑框架.
减污降碳的核心是推动经济社会发展与生态环境保护协调并进，以最终实现环境质量改善和碳排放控制的双重目标[7]. 现有研究主要集中在以下方面：①政策机制与治理体系研究，重点关注国家和地方层面减污降碳相关政策的设计、实施[8]以及多层级、多主体协同治理机制的构建[4]. ②减污降碳协同效应评估，主要分析各类减排措施对污染物和碳排放的同步影响[9]，多基于空间马尔可夫链[10]、双向固定效应模型[11]、超效率SBM-DEA模型[5]和灰色关联度[2]等方法从人口、经济、社会和生态等维度构建指标体系测度减污降碳协同效应. ③社会、经济和生态效应测度，基于多空间混合模型[12]、动态空间杜宾模型[13]和双重差分模型[14]等方法识别减污降碳溢出效应的空间特征. ④影响因素与驱动机制分析，通过空间误差模型[15]、标准差椭圆[16]、动态随机一般均衡模型[17]及Tobit模型[18]等测算经济结构、能源消费、技术进步和政策引导等多重因素对减污降碳的影响，揭示绿色转型的内在驱动机制和路径. 在减污降碳评估指标体系构建方面，国外研究从污染治理投入、产出效率和碳排放约束机制入手，形成了较为成熟的指标体系，常以单位GDP能耗、二氧化碳排放强度、可再生能源比例和森林覆盖率作为环境绩效的关键衡量指标[19，20]. 国内研究则更注重指标适应性与区域差异性，多将工业三废排放量与治理量以及治理设施投资额作为主要减污指标[21]，并结合能源消费结构、碳排放量和清洁能源利用水平等构建降碳评价体系[22]. 在区域层面，部分研究还引入了电气化水平、新能源专利数量及能源加工转换效率等指标[23]，用于刻画绿色转型的综合效应.
经济韧性是指面临风险时经济主体的抵抗、恢复、自我更新与定位调整的能力[24]. 国外研究侧重于从多主体互动视角探究经济韧性的形成机制[25]，国内学者则更多关注韧性空间分异与影响因素，现已形成“韧性测度-格局构建-机制分析”的研究范式[26]. 在此基本范式指导下，现有研究运用核心变量法[27]、空间马尔可夫链[28]、敏感性指数[29]和Dagum基尼系数[30]等方法，在省级、市级和县级等层面，揭示区域经济韧性演化规律，并基于面板回归模型[31]、动态fsQCA[32]和GMM估计[33]等方法探讨经济韧性的主要影响因素. 经济韧性指标体系构建方面，国外研究多基于系统适应性理论从抵抗力、恢复力、组织力和更新力这4个维度开展评估[34]. 国内学者则更多将经济基础稳健性、创新活跃度、生态环境支撑力及社会保障水平等指标纳入综合评价体系[27]，形成了较为系统的多维韧性框架. 近年来，学者们开始关注经济韧性与数字经济、产业集聚和新质生产力等的耦合协调及互动响应，但仍存在以下局限：一是多聚焦双系统耦合，对减污、降碳与经济韧性之间的互动关系缺乏系统探讨；二是多采用静态计量模型或均质假设，未充分考虑空间对象的局域特征及时间维度上的动态关联；三是多以行政区为分析单元，忽视了流域这一典型人地系统的整体性与空间关联性，亟待补充具有区域特色的理论探索. 为此，本文选取流域尺度，首次将减污、降碳与提韧纳入同一分析体系，构建“减污-降碳-提韧”三系统耦合协同框架，并结合地理探测器与时空地理加权回归（GTWR）模型，识别协同关系驱动因素影响的时间动态与空间异质性，以弥补传统模型忽视非平稳性的问题，为理解流域社会经济系统的复杂适配关系提供理论依据.
黄河流域是中华文明的发源地，是重要的能源与重工业基地，也是生态安全屏障和绿色发展核心区[35]，其生态、经济与社会系统在国家发展战略布局中具有关键地位. 一方面，黄河流域生态环境脆弱，水资源紧张，长期面临污染物排放与碳排放的双重约束[1]，迫切需要通过三者的协同治理与系统耦合，为破解生态承载力不足与发展压力叠加的结构性矛盾提供新的理论视角与治理思路. 另一方面，流域产业结构仍以高耗能、高排放行业为主，传统增长路径难以支撑高质量发展目标，深入探讨减污降碳与经济韧性之间的互动关系，有助于揭示产业绿色化、低碳化转型的内在逻辑，提升经济系统的抵抗力与恢复力. 此外，黄河流域横跨我国东、中、西部多个省份，发展基础差异显著，上下游及干支流间存在复杂的资源与利益关系，构建减污、降碳与提韧的协同机制，对于优化区域资源要素配置、强化跨区域联动与协调治理具有重要作用. 因此，本文选取黄河流域为研究区，选取2013~2023年37个市州面板数据，测度减污、降碳与提韧指数，利用耦合协调度模型估计三者适配的时空分异特征，并采用地理探测器和时空地理加权回归（GTWR）模型探讨协同适配的主要影响因素及其时空非平稳性，以期为统筹黄河流域社会经济发展与生态环境保护提供决策支持.
1 材料与方法 1.1 研究区概况黄河作为中国第二大河流，西起青藏高原巴颜喀拉山，横跨青海和甘肃等九省区，在山东省东营市注入渤海，干流长度5 464 km，流域面积7.524×105 km2. 地势西高东低，气候差异显著，光照、气温和降水空间分布不均，年均气温12~14 ℃. 2024年黄河流域人口规模达4.213×108人，地区生产总值3.367×1013元，人均生产总值78 762元，流域各区域经济发展不平衡. 黄河流域作为我国重要的生态屏障区和支撑国家经济发展的重要战略地带，推进其减污降碳与经济韧性协同发展对于实现我国社会经济增长与生态环境改善双赢目标具有深远意义.
1.2 数据来源本文量化指标包括减污、降碳与提韧这3个子系统评价指标. 所使用数据均来自国内外公开数据库，时间范围为2013~2023年. 社会经济数据来源于《中国城市统计年鉴（2014~2024）》《中国环境统计年鉴（2014~2024）》《中国能源统计年鉴（2014~2024）》《中国科技统计年鉴（2014~2024）》、各省市统计年鉴、政府网站国民经济与社会发展统计公报和大为专利搜索引擎（https://www.innojoy.com）等. 所有栅格数据均在ArcGIS 10.8软件中处理，个别年份指标数据中存在的缺失值，采用线性插值法进行补充.
1.3 研究方法 1.3.1 指标体系构建本文在遵循科学性、代表性和可行性原则基础上，参考相关研究[36，37]，构建了包括29个指标的减污-降碳-提韧评价指标体系（表 1），综合反映减污、降碳与提韧的时空特征.
|
表 1 黄河流域减污-降碳-提韧评价指标体系1） Table 1 Evaluation index system of PR-CM-RE in the Yellow River Basin |
在减污层面，基于污染排放和污染治理两个维度，分别反映减污压力和污染物处理能力. 污染排放选取氨氮排放量（A1）、化学需氧量排放量（A2）和粉尘排放量（A3）进行测度，其中A1和A2表征水体中有机物污染程度和水体富营养化风险，A3表征空气颗粒物污染程度[4]. 污染治理维度选取城市生活垃圾无害化处理量（A4）、城市污水处理量（A5）、一般工业固体废物综合利用量（A6）和城市园林绿化公用设施固定资产投资额（A7）测度，其中A4和A5表征废弃物和污水末端治理能力[15]，A6表征减排潜力，A7表征城市生态环境建设投入对污染物吸纳能力提升的潜在贡献[38].
在降碳层面，基于碳排放和碳去除衡量降碳水平，分别反映源头控制和末端治理能力. 碳排放选取二氧化硫排放量（B1）、氮氧化物排放量（B2）、全社会用电量（B3）、城市人口密度（B4）和煤炭消费占比（B5）进行测算，其中B1和B2反映碳排放规模，B3反映需求驱动的碳排放总量，B4表征基于能源消耗与交通出行强度的单位空间碳排放水平，B5反映煤炭依赖型的碳排放强度[39]. 碳去除选取城市建成区绿化覆盖率（B6）、城市绿化覆盖面积（B7）、公园面积（B8）、绿地面积（B9）和造林总面积（B10）进行衡量，其中B6~B8反映城市区域的碳去除效率[37]，B9和B10表征碳去除的长期增长潜力[21].
在提韧层面，基于风险防范、适应调节和技术创新评估提韧能力. 风险防范选取人均GDP（C1）、财政收入（C2）、城镇登记失业率（C3）、粮食作物单产（C4）和城镇人均可支配收入（C5）测度，其中C1和C2作为地区经济实力与发展水平的重要体现，能够通过优化产业结构、完善社会服务及提升创新能力等途径反映区域经济体系的风险防范能力[36]. C3反映劳动力市场的稳定程度，与劳动力市场活力及经济体系应对外部冲击力密切相关. C4反映农业生产稳定性与粮食安全水平，直接影响区域经济和民生保障体系的稳定性. C5表征居民消费能力与生活水平，反映社会承受风险和应对突发事件的能力. 适应调节选取国内旅游收入（C6）、保险业务保费收入（C7）、实际利用外资额（C8）和出口总额（C9）测度，其中C6和C7分别反映消费端和风险端的防御和调节能力[27]，C8和C9反映资本端和市场端的适配与资源整合能力[28]. 技术创新选取科学技术支出（C10）、R&D人员全时当量（C11）和专利授权量（C12）测度，其中C10反映政府和企业对科研与创新的投入力度，C11反映区域科研力量和创新人才投入规模，C12反映技术成果转化能力和创新产出水平.
采用熵权-TOPSIS法确定权重并评估减污、降碳和提韧水平，等级划分标准见表 2.
|
|
表 2 减污、降碳和提韧子系统等级划分标准 Table 2 Classification criteria for pollution reduction, carbon mitigation, and resilience enhancement degree |
1.3.2 耦合协调度模型
耦合协调度通过耦合度和协调度衡量系统间的协调发展水平[40]，计算公式如下.
耦合度：
| (1) |
协调度：
| (2) |
耦合协调度：
| (3) |
式中，Up、Uc和Ur分别为减污、降碳和提韧指数；C和T分别为耦合度和协同度；D为耦合协调度，D∈[0, 1]，值越大耦合协调水平越高，反之越低. α、β和γ为权重，均取1/3. 参考相关研究[41]制定耦合协调度等级划分标准（表 3）.
|
|
表 3 耦合协调度等级划分标准 Table 3 Classification criteria for coupling coordination degree |
1.3.3 地理探测器
地理探测器基于空间异质性，能够在非线性假设条件下探测潜在因素的驱动作用[42]，本文利用地理探测器，定量研究减污、降碳和提韧耦合协同的主要驱动因素，具体方法如下：
| (4) |
式中，q为因子对要素空间分异性的解释力，L为驱动因素的分类数，
GTWR模型是在GWR模型的基础上拓展时间维度，反映各驱动因素的时空非平稳性特征[43]，公式如下：
| (5) |
式中，Yi为37个市州2013~2023年的耦合协调度水平，（xi，yi，ti）为市州i的时空坐标，β0为模型中的常数项，β0（xi，yi，ti）为回归截距，Xik为驱动因素k在市州i的值，βk（xi，yi，ti）为驱动因素k在市州i的回归系数，εi为随机误差.
2 结果与分析 2.1 黄河流域减污、降碳与提韧子系统指数 2.1.1 黄河流域减污指数2013~2023年，黄河流域减污指数由0.220提高至0.669，由较低水平上升至较高水平. 具体而言，2013年，榆林、忻州和吴忠等7个城市的减污指数较高，属中等水平，而开封、吕梁和焦作等18个城市的减污指数较低，属低水平. 2018年，聊城、海东和延安等10个城市的减污指数较高，达到较高水平，焦作、菏泽和运城等11个城市减污指数为较低水平. 2023年，濮阳、白银和济南等8个市州减污指数达到高水平，巴彦淖尔和渭南的减污指数仍为较低水平. 本研究期内，除巴彦淖尔和渭南外，其余各市州减污水平均有不同程度地提升（图 1），其中濮阳、白银和临汾的减污指数增幅最高，分别为0.777、0.766和0.753，且减污指数均达到高水平.
|
图 1 2013~2023年黄河流域减污水平空间分布 Fig. 1 Spatial distribution of pollution reduction levels in the Yellow River Basin from 2013 to 2023 |
2013~2023年，黄河流域降碳指数由0.327提高至0.624，由较低水平上升至较高水平. 具体来看，2013年，银川降碳指数最高，属较高水平，兰州、运城和吕梁等10个城市为低水平. 2018年，吕梁降碳指数最高，达到高水平，中卫、乌海和银川等6个城市为较低水平. 2023年，开封、兰州和延安等8个城市降碳指数升至高水平，中卫、银川和鄂尔多斯等5个城市的降碳指数为较低水平（图 2）. 整体上，本研究期内降碳指数增幅最大的是兰州，为0.882，银川、西宁和中卫降碳水平出现倒退，指数降幅分别为0.302、0.229和0.028.
|
图 2 2013~2023年黄河流域降碳水平空间分布 Fig. 2 Spatial distribution of carbon mitigation levels in the Yellow River Basin from 2013 to 2023 |
2013~2023年，黄河流域提韧指数由0.202提高至0.732，由较低水平上升至较高水平. 2013年，研究区内济宁和聊城提韧指数达到中等水平，其余市州均为较低或低水平. 2018年，洛阳提韧指数达到较高水平，临夏仍属低水平. 2023年，鄂尔多斯、渭南及呼和浩特等13个城市的提韧指数达到高水平，海东仍为较低水平（图 3）. 本研究期内，鄂尔多斯提韧指数增幅最大，为0.813，聊城增幅最小，为0.064.
|
图 3 2013~2023年黄河流域提韧水平空间分布 Fig. 3 Spatial distribution of resilience enhancement levels in the Yellow River Basin from 2013 to 2023 |
2013~2023年，黄河流域减污-降碳-提韧耦合协调度呈上升趋势，由0.457提高至0.811，由濒临失调转变为良好协调. 具体而言，2013年，济宁三系统耦合协调度最高，为0.670，处于初级协调状态，兰州和开封相对较低，属中度失调. 2018年，西宁、吕梁和开封等12个城市上升至中级协调状态，而临夏、菏泽、巴彦淖尔和乌海仍属勉强协调状态. 2023年，郑州和临汾达到高度协调状态，巴彦淖尔和中卫属初级协调状态. 本研究期内，开封耦合协调指数增幅最大，为0.582，济宁增幅最小，为0.081（图 4）.
|
图 4 2013~2023年黄河流域减污-降碳-提韧系统耦合协同水平空间分布 Fig. 4 Spatial distribution of the coupled coordination levels of pollution reduction, carbon mitigation, and economic resilience enhancement in the Yellow River Basin from 2013 to 2023 |
单因子探测结果表明，本研究期内黄河流域减污-降碳-提韧系统耦合协同的核心驱动力依次为城市人口密度、财政收入、一般工业固体废物综合利用量和化学需氧量排放量，因子平均解释力均超过40%，且都通过了显著性为1%的检验（表 4）.
|
|
表 4 黄河流域减污-降碳-提韧耦合协同驱动因素单因子探测结果 Table 4 Detection results for single driving factors of coupling coordination of pollution reduction, carbon mitigation, and economic resilience enhancement in the Yellow River Basin |
2.4 黄河流域减污-降碳-提韧耦合协同驱动因素时空非平稳性 2.4.1 数据检验与模型选取
采用GTWR模型对上述4个核心驱动因素进行时空非平稳性估计. 为避免多重共线性，首先对各驱动因素进行方差膨胀因子（variance inflation factor，VIF）检验，结果表明各变量VIF值均小于10，即不存在共线性问题. 同时，为增强模型选择的科学性，采用最小二乘法（ordinary least squares，OLS）、地理加权回归（geographically weighted regression，GWR）和多尺度地理加权回归（multiscale geographically weighted regression，MGWR）作为对照. 结果表明，GTWR模型调整后的R²为0.921，赤池信息量准则（akaike information criterion corrected，AICc）为-1 301.33，拟合效果更优（表 5）.
|
|
表 5 模型比较1） Table 5 Model comparison |
2.4.2 驱动因素时间非平稳性演化
GTWR模型结果显示，城市人口密度、财政收入和一般工业固体废物综合利用量与三系统耦合协同均呈显著正相关，其中城市人口密度的回归系数在本研究期内明显下降（表 6），说明城市人口密度对三系统耦合协同的促进作用有所减弱. 财政收入的回归系数在本研究期内先升后降，表明财政收入的正向作用先增加后降低. 化学需氧量排放量的回归系数在本研究期内先升后降且由正转负，表明其对三系统耦合协同的作用由促进转为抑制.
|
|
表 6 GTWR模型中各变量的回归系数 Table 6 Regression coefficients of various variables in the GTWR model |
2.4.3 驱动因素空间非平稳性演化
本研究结果表明，4个驱动因素对三系统耦合协同的影响均具有明显的空间非平稳性（图 5）. 具体来看，城市人口密度回归系数高值区位于新乡、郑州和开封，低值区位于西宁和海东；财政收入回归系数呈自东南向西北递减的趋势，高值区集中在黄河流域河南段和山东段，低值区则出现在黄河流域宁夏段和内蒙古段；一般工业固体废物综合利用量回归系数高值区集中在研究区中部，主要分布于临汾、运城、三门峡和洛阳，低值区主要分布在研究区西部；化学需氧量排放量回归系数高值区位于包头和呼和浩特，低值区位于西宁、海东、临夏和兰州，且均为负值.
|
图 5 黄河流域减污-降碳-提韧耦合协同驱动因素空间非平稳性 Fig. 5 Spatial non-stationarity of the driving factors of coupled coordination of pollution reduction, carbon mitigation, and economic resilience in the Yellow River Basin |
2013~2023年，黄河流域的减污、降碳与提韧水平显著提升，三系统协同演化从“濒临失调”向“良好协调”阶段性跃升. 减污指数与降碳指数分别上升0.449和0.297，主要得益于工业污染控制与能源结构优化的双重推动. 一方面，氨氮、化学需氧量（COD）、粉尘、二氧化硫和氮氧化物排放量分别下降93.0%、80.8%、76.9%、90.2%和80.7%，有效改善了流域生态环境质量. 另一方面，能源结构持续优化，煤炭消费占比下降13.1%，清洁能源和可再生能源利用水平提升. 加之城市生活垃圾无害化处理量和一般工业固体废物综合利用量分别提高65.8%和49.6%，形成了以污染减排与碳削减协同为核心的“绿色双驱动”机制. 在经济韧性方面，流域整体韧性指数由0.202提升至0.732，说明区域经济系统适应力和抵抗力显著增强. 财政收入增长75.6%、人均GDP增长65.8%，为绿色转型提供了坚实的经济支撑. 然而，城镇登记失业率上升4.6%、实际利用外资额下降28.7%，表明流域经济韧性内部仍存在结构性隐忧. 尤其是在全球经济不确定性上升和国内需求趋缓的背景下，黄河流域迫切需要通过稳就业、促创新和优结构等多维政策工具，进一步增强经济体系的内生可持续性与抗风险能力. 值得注意的是，全社会用电量增长270.9%，能源消费刚性需求仍然较强，表明黄河流域在能源结构转型过程中仍存在“高耗能依赖”的惯性特征，应进一步强化风电、水电和光伏等可再生能源替代力度，完善跨区域清洁能源输配体系，确保减污降碳成效的长期巩固.
从空间分布来看，黄河流域的耦合协同水平总体呈“东高西低、南强北弱”的格局. 中下游地区由于经济基础雄厚、政策支持力度大，协同水平提升明显快于上游地区. 巴彦淖尔和中卫等城市由于科技创新投入不足、产业结构偏重及生态脆弱性高等因素制约仍处于初级协调阶段. 西宁和兰州等城市虽在生态保护和减污降碳治理方面取得一定进展，但受限于气候、地形、水资源及产业结构等因素影响，生态系统承载力较弱，经济增长对能源与资源的依赖程度较高，绿色转型的边际效应相对有限，整体耦合水平提升较为缓慢. 这与李新越等[44]对黄河流域减污降碳协同效应的研究结果一致，均表明生态环境约束与资源稀缺性是影响流域减污降碳协调提升的重要边界条件. 相较之下，郑州与临汾表现突出，已达到高度协调阶段. 郑州作为中原经济区的核心城市，依托较强的财政实力和创新能力，在绿色技术研发、生态投资及外资利用方面形成了良性互动，构建了“经济增长-环境改善-社会韧性提升”的正向循环. 临汾市则通过能源结构调整与煤炭替代，氮氧化物与二氧化硫排放量均下降90%以上，成为典型的高协同城市，表明能源结构优化与产业升级的协同推进，能够成为区域可持续转型的关键支点，这与刘茂辉等[45]对天津市减污降碳的研究结果一致.
与国内其他流域相比，黄河流域的减污降碳与经济韧性协同提升具有更强的阶段性和区域差异性. 长江经济带的减污降碳提升主要得益于降水量增加、产业结构升级和绿色技术创新[46]；京津冀、长三角和珠三角城市群减污降碳协同则依托产业结构升级、劳动力集聚、对外开放和政府干预实现优化[47]. 而黄河流域的演化路径更具复杂性与综合性，其发展更多依赖污染治理与生态修复并举、清洁能源推广与产业结构调整协同推进的复合机制. 这一特征反映出在资源禀赋约束、生态脆弱性和产业结构惯性等多重因素作用下，西部内陆型流域具有“生态约束强、路径依赖深、协同难度高”等特征.
3.2 黄河流域减污-降碳-提韧耦合协同驱动因素及其时空非平稳性分析 3.2.1 城市人口密度城市人口密度能够促进减污-降碳-提韧三系统耦合协同，但其积极作用逐渐减弱. 本研究期内，国家先后出台《节能减排“十二五”规划》《黄河中上游流域水污染防治规划》《黄河流域生态保护和高质量发展规划纲要》《“十四五”节能减排综合工作方案》，有力推动了流域工业污染治理、节能改造与基础设施升级，形成了以行政管控和工程治理为主的减污机制，促进了能源消费结构优化与低碳技术扩散. 然而黄河流域部分城市产业结构偏重，煤炭等高碳能源占比高，限制了低碳转型的发展潜力. 加之区域间环境规制强度不均、财政与技术能力差距较大，绿色创新体系尚未完善，导致政策传导机制存在“层级衰减”，难以形成高效的跨区域协同治理体系，协同效应呈现边际递减趋势.
空间非平稳性上，郑州、开封和新乡等人口稠密城市之所以表现出更强的正向促进作用，主要在于其规模经济、创新能力、治理效率和产业结构等方面的综合优势. 高密度城市人口集中、基础设施完善，能够实现污水处理、供能供热和交通运输等公共服务的集约化运行，显著提升污染治理与能源利用效率. 同时，上述地区经济活跃、技术与人才集聚，具备较强的绿色创新能力与技术扩散效应，有利于形成减污降碳与增强韧性之间的良性互动. 此外，高密度城市往往是政策重点区域，环境规制严格、公众环保意识较高，政策执行与监督机制更为健全，协同治理效果明显[48]. 即人口密度高的地区具备“集约治理-创新驱动-政策强化-产业升级”的正向循环机制，有利于促进三系统协同提升. 相较之下，西宁和海东等人口稀疏城市因基础设施分散、创新能力不足及产业结构偏重，资源环境承载力有限，导致政策传导效应弱、减污降碳成效不显著，三系统协同机制尚未形成.
3.2.2 财政收入财政收入是推动环境治理、低碳转型与城市韧性建设的重要支撑力量[49]. 财政收入较低时，城市环境治理投入有限，基础设施薄弱，污染防治与节能减排能力不足，协同水平较低；随着财政收入提升，政府具备了更强的财政支出能力，加大对节能环保、清洁能源、生态修复及防灾减灾体系的投入，通过公共财政引导产业绿色转型与低碳技术创新，显著提升三系统协同水平. “十三五”时期，国家实施大气、水和土壤污染防治行动计划和节能减排专项资金支持政策，带动了黄河流域重点城市在污染治理与能源结构优化方面的同步改进. 然而，当财政收入增长到较高水平后，产业规模扩大，能源消费增加，引发新的污染与碳排放压力. 同时，部分地方政府存在财政支出结构失衡、绿色资金使用效率不高及政策绩效考核偏重经济增长等问题，导致减污降碳与提升韧性之间的协调性减弱. 总体来看，财政收入在一定范围内能显著促进三系统协同，但当财政增长超过合理阈值后，若缺乏绿色导向与制度约束，其促进效应将被削弱，甚至可能引发财政收入与环境负荷的反向约束[50].
空间分异上，财政收入对黄河下游三系统协同具有较强的促进作用，而对上游的积极影响相对较小. 首先，黄河下游山东和河南段经济总量大、城镇化水平高且地方财政收入充足，从而在人口密度和工业集中度较高的地区形成规模经济效应. 其次，黄河下游产业结构多样化，第三产业和高技术制造业占比较高，绿色技术和低碳转型更易落地，财政资金的使用效率和政策传导效果较好. 相反地，上游甘肃和青海段地广人稀、经济基础薄弱且财政收入有限，能源产业以传统高耗能、高排放行业为主，环境治理和低碳转型所需资金难以集中投入，政策效应受限. 由此，财政收入对三系统协同的促进作用不仅取决于资金规模，更与地区经济发展水平、产业结构、人口密度及政策执行能力密切相关.
3.2.3 一般工业固体废物综合利用量一般工业固体废物综合利用量与三系统耦合协同呈正相关. 首先，工业固体废物经过综合利用可以替代传统原材料和能源，不仅减少了废弃物堆放和填埋对环境的直接污染，也降低了生产过程中的碳排放，实现减污与降碳的双重效果[51]. 其次，固废综合利用通常伴随着技术改造与设备升级，推动企业绿色生产和节能减排，提升工业系统的韧性. 因此，一般工业固体废物综合利用量越高，意味着资源循环利用效率和绿色生产水平越高，对减污、降碳与提韧的综合促进作用也越明显，体现出显著的正向相关性. 特别是对黄河流域中下游城市如临汾、运城、三门峡和洛阳具有较强的促进作用. 临汾和运城属于典型的资源型城市，以煤炭、钢铁、能源开采和重工业为支柱产业，工业废物产生量大，固废综合利用空间广. 三门峡和洛阳既有传统工业，也发展了装备制造、高技术产业和服务业，工业固废综合利用不仅可以提高资源循环效率，还能推动绿色技术落地与产业升级，进一步增强经济韧性. 相比之下，黄河上游城市经济基础薄弱，人口稀疏，产业以初级能源开采和加工为主，工业固体废物量有限且分散，资源化利用的规模效应不足，因而对三系统协同的促进作用有限.
3.2.4 化学需氧量（COD）排放量COD排放量对三系统耦合协同具有“先促进后抑制”的非线性效应. “十二五”和“十三五”时期，COD排放往往与工业生产和城镇经济活动密切相关，带动地方财政收入增加，为低碳转型及经济韧性建设提供支持[52]. 然而，当COD排放量超过环境容纳量时，污染压力显著增强，传统治理措施与财政投入难以承载过量污染带来的环境负荷，从而导致治理效率下降、绿色技术应用受限，并对经济韧性发展产生制约作用.
此外，区域差异进一步加剧了这种非线性效应：工业集中度高且治理能力较强的城市能够在较高的COD排放水平下维持一定的协同效应，特别是对鄂尔多斯和包头的促进作用最为显著，而对于西宁、海东、临夏和兰州等上游经济基础薄弱、人口分散及环境治理能力有限的地区则更易导致协同水平下降. 鄂尔多斯和包头属资源型和重工业城市，工业活动密集、COD排放量大且集中，财政投入和技术改造能够充分发挥工业三废治理和低碳技术的作用，从而显著促进三系统协同水平提升. 综合来看，COD排放对三系统耦合协同的影响不仅受排放量的影响，更受经济基础、产业结构、人口分布及环境治理能力等多重因素的调控.
与现有研究相比，本研究在传统减污降碳协同分析基础上，引入经济韧性维度，构建“减污-降碳-提韧（PR-CM-RE）”综合框架，分析了三系统的耦合交互动态，在系统层面更全面地反映出区域高质量发展的整体性. 在研究方法上，结合地理探测器与GTWR模型，从时间发展趋势和空间异质性识别主要驱动因素，弥补了以往影响因素时空非平稳性分析不足的问题. 尽管如此，本研究也存在一定的局限性：一是数据时效性与空间精度不足，部分环境指标如污染物排放量、污染治理投资依赖统计年鉴计算，未能反映企业或产业层面的动态变化. 二是指标体系覆盖范围有限，未纳入气候风险、宏观政策等因素，可能低估二者对三系统协同的影响. 未来可在此基础上优化PR-CM-RE框架，深化流域分区，拓展数据维度，并将宏观政策变量（如碳交易机制、生态补偿政策等）纳入模型，深入探讨政策响应、技术创新等因素的传导机制，从而更全面地揭示黄河流域多系统协同演化的内在逻辑.
3.2.5 对策建议基于黄河流域减污、降碳与提韧耦合协同水平的空间分异特征，应从整体统筹与阶段推进相结合的角度，构建分区域、分阶段、分重点的差异化协同治理体系，以实现生态环境改善、碳排放削减与经济韧性提升的有机统一.
第一，对于上游生态脆弱区或生态敏感区，如兰州、西宁、中卫与临夏等地，应坚持“生态优先、源头防控”的总体方向，聚焦生态系统修复与环境风险防范. 一方面，加大对水源涵养、荒漠化治理和矿山修复等重点任务的生态投入，推进山水林田湖草沙一体化治理；另一方面，严格执行高耗能行业准入与污染物排放总量控制制度，强化清洁生产审查与环境绩效考核. 同步推动光伏、水电和风能等多元能源替代工程建设，形成清洁能源支撑经济韧性提升的良性循环.
第二，对于中游产业承载区，如银川、包头和鄂尔多斯等地，应以“结构优化、协同转型”为核心，通过发展循环经济、构建绿色制造体系，促进资源要素高效配置. 加快传统煤化工、冶金和建材等产业绿色化改造，完善固废循环利用与能效提升机制. 建设低碳产业示范区和绿色技术创新平台，强化绿色金融支持与技术成果转化，推动中游地区在流域协同中的承接与支撑功能.
第三，对于下游经济核心区，如郑州和开封等地，应推动科技创新与制度创新双向赋能. 依托数字化治理手段，构建基于大数据与人工智能的碳排放监测、污染预警和风险防控系统. 同时，健全循环经济体系，提升资源利用效率与碳减排能力，巩固高协同城市的示范优势.
总体而言，应建立“上游保护-中游协同-下游引领”的流域治理格局，完善跨区域生态补偿与利益协调机制，构建协同治理的制度化、常态化运行框架. 通过多层级联动与政策协同，实现黄河流域在减污、降碳与提韧融合推进中的整体跃升，为国家生态文明建设与区域经济高质量发展提供系统化治理范式.
4 结论（1）2013~2023年，黄河流域减污、降碳与提韧耦合协同指数由0.457提升至0.811，整体由濒临失调转向良好协调. 空间维度上，区域差异较为显著，三系统协同发展不均衡，尤其是上游生态脆弱区和能源型城市协同提升动力不足. 郑州和临汾等城市依托较强的产业升级能力与政策执行力，率先实现高水平协调. 中卫和巴彦淖尔等城市因产业结构约束与科技创新基础薄弱，三系统协同仍处于初级阶段.
（2）在资源禀赋约束、生态脆弱性和产业结构惯性等多重因素作用下，黄河流域减污、降碳与提韧耦合更具复杂性与综合性，表现出生态约束强、路径依赖深且协同难度高的特征，其发展更多依赖污染治理与生态修复并举、清洁能源推广与产业结构调整协同推进的复合机制.
（3）社会经济因素是决定流域三系统协同水平的核心驱动力. 城市人口密度、财政收入、一般工业固体废物综合利用量及化学需氧量排放量对协同水平影响显著，且存在时空异质性. 其中，前三者始终发挥正向促进作用，推动污染治理、能源转型与经济韧性提升形成良性循环. 化学需氧量排放量的影响由正转负，对部分城市协同水平具有阶段性抑制作用.
（4）实施差异化的协同治理对策. 对人口密集、经济活跃的郑州和开封等城市，应深化创新驱动与循环经济体系建设，提升固废资源化水平，巩固高协同优势. 对生态脆弱或敏感的兰州、西宁、中卫与临夏等地，应强化生态修复与绿色投入，严格控制污染排放，构建生态安全屏障. 通过构建“上游保护-中游协同-下游支撑”的流域联动机制，在整体上实现减污、降碳与提韧的系统性协同.
| [1] |
李海生. 黄河流域生态环境问题系统识别与展望[J]. 环境科学研究, 2024, 37(1): 1-10. Li H S. Systematic identification and prospect of eco-environmental problems in the Yellow River Basin[J]. Research of Environmental Sciences, 2024, 37(1): 1-10. |
| [2] |
王涵, 李慧, 王涵, 等. 我国减污降碳与地区经济发展水平差异研究[J]. 环境工程技术学报, 2022, 12(5): 1584-1592. Wang H, Li H, Wang H, et al. Research on the difference in air pollution and carbon dioxide reduction and regional economic development levels in China[J]. Journal of Environmental Engineering Technology, 2022, 12(5): 1584-1592. |
| [3] | Hu H, Yan K G, Fan H B, et al. Coordination or imbalance? Understanding the relationship between economic resilience and ecological resilience in Hunan Province[J]. Physics and Chemistry of the Earth, Parts A/B/C, 2025, 140. DOI:10.1016/j.pce.2025.103997 |
| [4] |
王涵, 马军, 陈民, 等. 减污降碳协同多元共治体系需求及构建探析[J]. 环境科学研究, 2022, 35(4): 936-944. Wang H, Ma J, Chen M, et al. Analysis of needs and construction of coordinated multi-governance system for pollution reduction and carbon reduction[J]. Research of Environmental Sciences, 2022, 35(4): 936-944. |
| [5] |
韩冬日, 刁燕霞, 王心娟. 黄河流域减污降碳协同治理效率空间网络关联特征及驱动因素[J]. 环境科学, 2025, 46(6): 3592-3603. Han D R, Diao Y X, Wang X J. Correlation characteristics and driving factors of spatial network of collaborative governance efficiency of pollution reduction and carbon reduction in the Yellow River Basin[J]. Environmental Science, 2025, 46(6): 3592-3603. DOI:10.13227/j.hjkx.202405227 |
| [6] |
隋建利, 李悦欣, 刘金全. 中国经济韧性的时空敛散与异质分化特征——基于马尔科夫区制转移混频动态因子模型的识别[J]. 管理世界, 2024, 40(3): 16-36, 73. Sui J L, Li Y X, Liu J Q. The spatiotemporal convergence and divergence, heterogeneous differentiation characteristics of economic resilience in China: identification based on a Markov Switching Mixed-frequency Dynamic Factor Model[J]. Journal of Management World, 2024, 40(3): 16-36, 73. |
| [7] | Li Z P, Yuan X L, Xi J H, et al. The objects, agents, and tools of Chinese co-governance on air pollution: a review[J]. Environmental Science and Pollution Research, 2021, 28(20): 24972-24991. DOI:10.1007/s11356-021-13642-x |
| [8] | Wang B, Wang Y F, Zhao Y Q. Collaborative governance mechanism of climate change and air pollution: evidence from China[J]. Sustainability, 2021, 13(12). DOI:10.3390/su13126785 |
| [9] | Yan Y X, Zhang X L, Zhang J H, et al. Emissions trading system (ETS) implementation and its collaborative governance effects on air pollution: the China story[J]. Energy Policy, 2020, 138. DOI:10.1016/j.enpol.2020.111282 |
| [10] |
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. DOI:10.13227/j.hjkx.202308108 |
| [11] | Yin Q M, Huang Y B, Ding C H, et al. Towards sustainable development: can green digital finance become an accelerator for reducing pollution and carbon emissions in China?[J]. Sustainable Cities and Society, 2024, 114. DOI:10.1016/J.SCS.2024.105722 |
| [12] |
李峰, 严雨彤, 庞军, 等. 中国碳交易试点政策对降碳减污协同的影响评价[J]. 气候变化研究进展, 2025, 21(1): 102-115. Li F, Yan Y T, Pang J, et al. Evaluation of the impact of China's carbon trading pilot policy on carbon reduction and pollution reduction synergy[J]. Climate Change Research, 2025, 21(1): 102-115. |
| [13] |
李根, 刘欣雨, 刘家国, 等. 产业协同集聚如何影响制造业绿色韧性?——基于突变级数与双固定动态空间杜宾模型的实证分析[J]. 中国管理科学, 2023, 31(12): 249-260. Li G, Liu X Y, Liu J G, et al. How does industrial collaborative agglomeration affect the green resilience of manufacturing industry? -empirical analysis based on catastrophe progression and double fixed dynamic spatial Durbin model[J]. Chinese Journal of Management Science, 2023, 31(12): 249-260. |
| [14] |
生延超, 谭左思, 李倩, 等. 数字经济能否促进黄河流域旅游经济韧性提升?[J]. 干旱区地理, 2023, 46(10): 1704-1713. Sheng Y C, Tan Z S, Li Q, et al. Can the digital economy promote the resilience of the tourism economy in the Yellow River Basin?[J]. Arid Land Geography, 2023, 46(10): 1704-1713. |
| [15] |
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. |
| [16] | Duman Z, Mao X Q, Cai B F, et al. Exploring the spatiotemporal pattern evolution of carbon emissions and air pollution in Chinese cities[J]. Journal of Environmental Management, 2023, 345. DOI:10.1016/j.jenvman.2023.118870 |
| [17] | Wang L M, Xue W X, Si J J, et al. Synergizing pollution control and carbon reduction in China's Yellow River Basin: exploring the roles of policy, technology, and structural transformation[J]. Land Use Policy, 2025, 157. DOI:10.1016/j.landusepol.2025.107669 |
| [18] | Liu F, Li A Q, Bilal M, et al. Synergistic effect of combating air pollutants and carbon emissions in the Yangtze River Delta of China: spatial and temporal divergence analysis and key influencing factors[J]. Environmental Science and Pollution Research, 2025, 32(28): 17161-17178. |
| [19] | Sarkodie S A, Ahmed M Y, Owusu P A. Advancing COP26 climate goals: leveraging energy innovation, governance readiness, and socio-economic factors for enhanced climate resilience and sustainability[J]. Journal of Cleaner Production, 2023, 431. DOI:10.1016/j.jclepro.2023.139757 |
| [20] | Pata U K, Bozkurt E, Altıner A. Driving sustainability: the role of renewable energy and foreign direct investment in shaping environmental performance index in BRICS[J]. Journal of Environmental Management, 2025, 394. DOI:10.1016/j.jenvman.2025.127309 |
| [21] |
尹碧波, 邝萍, 欧阳昕彤, 等. 中国减污降碳与扩绿增长耦合协调度的时空特征及其驱动因素[J]. 经济地理, 2024, 44(11): 122-131. Yin B B, Kuang P, Ouyang X T, et al. Spatio-temporal characteristics and driving factors of the coupling coordination degree between the pollution-carbon reduction, and the green expansion and economic growth in China[J]. Economic Geography, 2024, 44(11): 122-131. |
| [22] |
孙建, 冯常洁. 中国工业用能权交易制度减污降碳协同效应研究[J]. 长江流域资源与环境, 2024, 33(12): 2727-2742. Sun J, Feng C J. Synergistic effect of pollution reduction and carbon reduction in China's industrial energy trading system[J]. Resources and Environment in the Yangtze Basin, 2024, 33(12): 2727-2742. |
| [23] |
邢文婷, 刘明珠, 李利娟. 长江经济带能源绿色低碳转型与减污降碳协同效应时空演进及地区差异[J]. 环境科学, 2025, 46(7): 4198-4210. Xing W T, Liu M Z, Li L J. Spatial-temporal evolution and regional differences of synergistic effect of green and low-carbon energy transformation and pollution reduction and carbon reduction in the Yangtze River Economic Belt[J]. Environmental Science, 2025, 46(7): 4198-4210. DOI:10.13227/j.hjkx.202406158 |
| [24] | Boschma R. Towards an evolutionary perspective on regional resilience[J]. Regional Studies, 2015, 49(5): 733-751. DOI:10.1080/00343404.2014.959481 |
| [25] | Martin R, Sunley P, Gardiner B, et al. How regions react to recessions: resilience and the role of economic structure[J]. Regional Studies, 2016, 50(4): 561-585. DOI:10.1080/00343404.2015.1136410 |
| [26] | Lv H P, Lian Y, Hua X Y. The relationship between FDI quality, new quality productivity forces, and economic resilience in China's Yangtze River Delta region: insights from an empirical spatial Durbin model[J]. Humanities and Social Sciences Communications, 2025, 12(1). DOI:10.1057/s41599-025-05436-0 |
| [27] |
张学波, 李亚宁, 孙峰华. 中国市域经济韧性演变与影响因素异质性[J]. 经济地理, 2024, 44(5): 64-74. Zhang X B, Li Y N, Sun F H. Evolution and influencing factors' heterogeneity of urban economic resilience in China[J]. Economic Geography, 2024, 44(5): 64-74. |
| [28] |
方叶林, 王秋月, 黄震方, 等. 中国旅游经济韧性的时空演化及影响机理研究[J]. 地理科学进展, 2023, 42(3): 417-427. Fang Y L, Wang Q Y, Huang Z F, et al. Spatial and temporal evolution of tourism economic resilience and mechanism of impact in China[J]. Progress in Geography, 2023, 42(3): 417-427. |
| [29] |
张安伟, 胡艳. 中国市域经济韧性结构分解与演变及其创新驱动机制[J]. 经济地理, 2023, 43(10): 23-33. Zhang A W, Hu Y. Structure decomposition, evolution and innovation driving mechanism of urban economic resilience in China[J]. Economic Geography, 2023, 43(10): 23-33. |
| [30] |
赵领娣, 孙兆旭. 海岸带城市经济发展质量与生态韧性协同发展演化及空间收敛特征[J]. 经济地理, 2023, 43(7): 119-129, 240. Zhao L D, Sun Z X. Evolution of coordinated development between economic development quality and ecological resilience in coastal cities and its spatial convergence features[J]. Economic Geography, 2023, 43(7): 119-129, 240. |
| [31] |
何静, 冯学钢. 文化与旅游融合对经济韧性的影响[J]. 地理科学, 2025, 45(6): 1259-1269. He J, Feng X G. Impact of cultural-tourism integration on economic resilience[J]. Scientia Geographica Sinica, 2025, 45(6): 1259-1269. |
| [32] |
方叶林, 黄家彤, 黄震方, 等. 中国沿海三大城市群旅游经济韧性的影响因素及组态效应[J]. 经济地理, 2024, 44(11): 204-211, 221. Fang Y L, Huang J T, Huang Z F, et al. Influencing factors and configuration effects of tourism economic resilience in three urban agglomerations of Chinese coastal region[J]. Economic Geography, 2024, 44(11): 204-211, 221. |
| [33] |
李博, 曲艺. 中国沿海地区产业演化路径依赖及突破对区域经济韧性的影响[J]. 地理学报, 2023, 78(4): 824-839. Li B, Qu Y. Influence of industrial evolution path dependence and path creation on regional economic resilience: taking the coastal areas of China as an example[J]. Acta Geographica Sinica, 2023, 78(4): 824-839. |
| [34] | Martin R. Regional economic resilience, hysteresis and recessionary shocks[J]. Journal of Economic Geography, 2012, 12(1): 1-32. DOI:10.1093/jeg/lbr019 |
| [35] |
王兆华, 邹朋宇, 李浩, 等. 经济-能源-水耦合视角下黄河流域区域协同发展路径[J]. 中国人口∙资源与环境, 2022, 32(8): 10-19. Wang Z H, Zou P Y, Li H, et al. Path of regional coordinated development in the Yellow River Basin from the perspective of economy-energy-water nexus[J]. China Population, Resources and Environment, 2022, 32(8): 10-19. |
| [36] |
丁建军, 王璋, 柳艳红, 等. 中国连片特困区经济韧性测度及影响因素分析[J]. 地理科学进展, 2020, 39(6): 924-937. Ding J J, Wang Z, Liu Y H, et al. Measurement of economic resilience of contiguous poverty-stricken areas in China and influencing factor analysis[J]. Progress in Geography, 2020, 39(6): 924-937. |
| [37] |
杨喜, 汪思辰. 长江经济带城市土地"降碳减污扩绿增长"效率时空特征及影响因素[J]. 长江流域资源与环境, 2025, 34(4): 721-733. Yang X, Wang S C. Spatial-temporal characteristics and influencing factors of efficiency of "cutting carbon, reducing pollution, expanding green" for urban land in the Yangtze River Economic Belt[J]. Resources and Environment in the Yangtze Basin, 2025, 34(4): 721-733. |
| [38] | Diao H C, Lan C Q Y, Huang H H, et al. Effects of the recovery period after particulate matter pollution events on the dust retention capacity and physiological characteristics of Nerium oleander [J]. Science of the Total Environment, 2024, 949. DOI:10.1016/j.scitotenv.2024.174990 |
| [39] | Zhao R X, Hu C X, Du C L, et al. Synergistic effect assessment of pollution and carbon reduction and pathway of green transformation at regional level in China[J]. Journal of Cleaner Production, 2025, 495. DOI:10.1016/j.jclepro.2025.145013 |
| [40] | Liu T L, Song Q J, Lu J Q, et al. An integrated approach to evaluating the coupling coordination degree between low-carbon development and air quality in Chinese cities[J]. Advances in Climate Change Research, 2021, 12(5): 710-722. DOI:10.1016/j.accre.2021.08.001 |
| [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] |
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. |
| [43] | Huang B, Wu B, Barry M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices[J]. International Journal of Geographical Information Science, 2010, 24(3): 383-401. DOI:10.1080/13658810802672469 |
| [44] |
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. |
| [45] |
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:10.13227/j.hjkx.202204086 |
| [46] |
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. |
| [47] |
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. |
| [48] | Laziou G, Lemoy R. The three-dimensional structure of population density in world cities[J]. npj Urban Sustainability, 2025, 5: 75. DOI:10.1038/s42949-025-00262-4 |
| [49] |
谷彦芳, 胡欣蕊, 张航. 数字经济发展对地方财政韧性的影响及空间溢出效应[J]. 经济纵横, 2024(3): 118-128. Gu Y F, Hu X R, Zhang H. Impact of digital economy development on local fiscal resilience and spatial spillover effect[J]. Economic Review Journal, 2024(3): 118-128. |
| [50] | Zhang X S, He S C, Ma L D. Local environmental fiscal expenditures, industrial structure upgrading, and carbon emission intensity[J]. Frontiers in Environmental Science, 2024, 12. DOI:10.3389/fenvs.2024.1369056 |
| [51] | Xiong Y X, He M, Wu Y T, et al. A comprehensive review on the utilization of industrial solid waste in thermal energy storage field[J]. Solar Energy Materials and Solar Cells, 2025, 285. DOI:10.1016/j.solmat.2025.113562 |
| [52] |
杨瑄, 龙凤, 蒋艺璇, 等. 水污染环境库兹涅茨曲线探究: 来自中国287城市的证据[J]. 环境科学研究, 2024, 37(12): 2814-2823. Yang X, Long F, Jiang Y X, et al. Study on environmental Kuznets curve for water pollution: evidence from 287 cities in China[J]. Research of Environmental Sciences, 2024, 37(12): 2814-2823. |