基于2007—2018年中国270个地级及以上城市的自然、人文多源宏微观数据,利用空间自相关、冷热点、标准差椭圆和多尺度地理加权回归（MGWR）模型,探究中国城市减污降碳协同的时空演化特征与驱动异质性。结果表明：①研究期PM2.5浓度与碳排放空间呈现集聚态势,前者集聚度高于后者;减污降碳效应存在南方优于北方,先减污后降排的发展趋势。②PM2.5浓度与碳排放空间分布与胡焕庸线基本保持一致,重心均位于河南省,方向为向东北方向偏移。③考察期中国城市PM2.5污染存在“南北冷点、中部热点”的哑铃形空间分布和“热点减、冷点增”时序变化,碳排放呈现“热点北聚、冷点南散”的南北方“极化”和“双增”趋势。④多尺度MGWR模型结果相比经典GWR模型更为精准与可靠,不同时空尺度减污、降碳的主要驱动力有所差异。通过将减污降碳协同增效作为一项耦合系统治理工程,发现影响城市减污降碳主要驱动力为降水量、城市创新创业水平、空气流通水平、实际利用外资、地形起伏度、人口密度、产业结构升级,且存在一定的空间异质性影响。
Based the natural and human data of 270 cities in China from 2007 to 2018,this article explores the spatial and temporal evolutionary characteristics and driving heterogeneity of pollution reduction and carbon emissions by the means of spatial autocorrelation,cold-hot spot,standard deviation ellipse and multi-scale geographically weighted regression (MGWR) model. The results show that:1) PM2.5 concentrations and carbon emissions show a spatial clustering trend during the study period,with the former clustering more than the latter. There is a development trend that the pollution reduction and carbon reduction effect is better in the south of China than in the north,pollution reduction is followed by emission reduction. 2) The spatial distribution of PM2.5 concentration and carbon emission is basically consistent with Hu Huanyong Line,and its gravity center is in Henan Province,showing a shift to the northeast. 3) The PM2.5 pollution in Chinese cities shows the dumbbell-shaped spatial distribution,its hot spots decrease and the cold spots increase. Carbon emission shows the characteristics of polarization and increase both in the south and north of China,its hot spots distribute in the north,cold spots in the south. 4) The results of the multi-scale MGWR model are more accurate and reliable than those of the classical GWR model,the main driving forces of pollution reduction and carbon reduction are different at different spatial and temporal scales. By considering the synergistic effect of pollution reduction and carbon reduction as a coupled system management project,it is found that the main driving forces affecting urban pollution reduction and carbon reduction are the amount of precipitation,urban innovation and entrepreneurship level,air circulation level,actual utilization of foreign capital,topographic relief,population density,and industrial structure upgrading,which have some spatial heterogeneity.
[1] Standring A,Lidskog R.(How) Does diversity still matter for the IPCC? Instrumental,substantive and co-productive logics of diversity in global environmental assessments[J]. Climate,2021,9(6):99.
[2] 李志光,贾仓仓. 空气污染对居民健康水平的影响研究[J]. 现代经济探讨,2021(7):48-55.
[3] 王波,甄峰,张姗琪,等. 空气污染对城市活力的影响及其建成环境异质性——基于大数据的分析[J]. 地理研究,2021,40(7):1935-1948.
[4] 李卫兵,张凯霞. 空气污染是否会影响犯罪率:基于断点回归方法的估计[J]. 世界经济,2021,44(6):151-177.
[5] 罗勇根,杨金玉,陈世强. 空气污染、人力资本流动与创新活力——基于个体专利发明的经验证据[J]. 中国工业经济,2019(10):99-117.
[6] 习近平在中共中央政治局第二十九次集体学习时强调:保持生态文明建设战略定力努力建设人与自然和谐共生的现代化[J]. 资源节约与环保,2021(5):2-3.
[7] 《中国空气质量管理评估报告2016》发布:大气污染物与温室气体同根同源大气污染防治产生减碳效应[J]. 中国环境科学,2016,36(10):2929.
[8] 李名升,任晓霞,于洋,等. 中国大陆城市PM2.5污染时空分布规律[J]. 中国环境科学,2016,36(3):641-650.
[9] 王振波,梁龙武,王旭静. 中国城市群地区PM2.5时空演变格局及其影响因素[J]. 地理学报,2019,74(12):2614-2630.
[10] 周亮,周成虎,杨帆,等. 2000—2011年中国PM2.5时空演化特征及驱动因素解析[J]. 地理学报,2017,72(11):2079-2092.
[11] 王少剑,高爽,陈静. 基于GWR模型的中国城市雾霾污染影响因素的空间异质性研究[J]. 地理研究,2020,39(3):651-668.
[12] 杜震洪,吴森森,王中一,等. 基于地理神经网络加权回归的中国PM2.5浓度空间分布估算方法[J]. 地球信息科学学报,2020,22(1):122-135.
[13] 刘海猛,方创琳,黄解军,等. 京津冀城市群大气污染的时空特征与影响因素解析[J]. 地理学报,2018,73(1):177-191.
[14] 郭向阳,穆学青,丁正山,等. 长三角多维城市化对PM2.5浓度的非线性影响及驱动机制[J]. 地理学报,2021,76(5):1274-1293.
[15] 胡庆龙,伍亚. 基于社会经济因素的中国PM2.5排放的区域差异分解分析[J]. 数量经济技术经济研究,2020,37(6):169-185.
[16] 潘晨,康志明. 2001—2019年气象条件对江苏省PM2.5分布的影响[J]. 环境科学,2021,42(9):1-19.
[17] 毛熙彦,贺灿飞. 贸易开放条件下的区域分工与工业污染排放[J]. 地理研究,2018,37(7):1406-1420.
[18] 吴健,杨子涵,胡蕾. 基于空间依赖性的城市生态空间空气质量改善效益研究——以北京市为例[J]. 中国环境科学,2021,41(8):1-10.
[19] 刘杰,刘紫薇,焦珊珊,等. 中国城市减碳降霾的协同效应分析[J]. 城市与环境研究,2019(4):80-97.
[20] 董战峰,周佳,毕粉粉,等. 应对气候变化与生态环境保护协同政策研究[J]. 中国环境管理,2021,13(1):25-34.
[21] 费伟良,李奕杰,杨铭,等. 碳达峰和碳中和目标下工业园区减污降碳路径探析[J]. 环境保护,2021,49(8):61-63.
[22] 黄贤金,张秀英,卢学鹤,等. 面向碳中和的中国低碳国土开发利用[J]. 自然资源学报,2021,36(12):2995-3006.
[23] 王杰,李治国,谷继建. 金砖国家碳排放与经济增长脱钩弹性及驱动因素——基于Tapio脱钩和LMDI模型的分析[J]. 世界地理研究,2021,30(3):501-508.
[24] Hering L,Poncet S.Environmental policy and exports:Evidence from Chinese cities[J]. Journal of Environmental Economics & Management,2014,68(2):296-318.
[25] 杜龙政,赵云辉,陶克涛,等. 环境规制、治理转型对绿色竞争力提升的复合效应——基于中国工业的经验证据[J]. 经济研究,2019,54(10):106-120.
[26] Jacobson M Z,Oppenheimer M.Atmospheric pollution:History,science,and regulation[J]. Physics Today,2003,56(10):65-66.
[27] 蒋海兵,李业锦. 京津冀地区制造业空间格局演化及其驱动因素[J]. 地理科学进展,2021,40(5):721-735.
[28] Lefever D W.Measuring geographic concentration by means of the standard deviational ellipse[J]. American Journal of Sociology,1926,32(1):88-94.
[29] 白冰,赵作权,张佩. 中国南北区域经济空间融合发展的趋势与布局[J]. 经济地理,2021,41(2):1-10.
[30] Oshan T M,Smith J P,Fotheringham A S.Targeting the spatial context of obesity determinants via multiscale geographically weighted regression[J]. International Journal of Health Geographics,2020,19(1):11.
[31] 沈体雁,于瀚辰,周麟,等. 北京市二手住宅价格影响机制——基于多尺度地理加权回归模型(MGWR)的研究[J]. 经济地理,2020,40(3):75-83.
[32] 钱学森. 一个科学新领域——开放的复杂巨系统及其方法论[J].上海理工大学学报,2011,33(6):526-532.
[33] 王少剑,崔子恬,林靖杰,等. 珠三角地区城镇化与生态韧性的耦合协调研究[J]. 地理学报,2021,76(4):973-991.
