EN中文

经济地理 >

2019 , Vol. 39 >Issue 9: 17 - 23

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.09.003

区域经济理论与方法

晋陕蒙地区经济增长与碳排放时空耦合关系

  • 武娜 , 1, 2 ,
  • 沈镭 , 1, 2, 3, ※ ,
  • 钟帅 1, 2, 3 ,
  • 张超 1, 2
展开
  • 1.中国科学院 地理科学与资源研究所，中国 北京 100101
  • 2.中国科学院大学，中国 北京 100049
  • 3.自然资源部 资源环境承载力评价重点实验室，中国 北京 100083
※沈镭（1964—），男，湖北麻城人，研究员，博士生导师。主要研究方向为能源和矿产资源经济与政策、区域可持续发展。E-mail：。

武娜（1982—），女，山西长治人，博士研究生。主要研究方向为能源经济与能源安全、碳排放等。E-mail：。

收稿日期: 2018-12-12

  修回日期: 2019-06-27

  网络出版日期: 2025-04-17

基金资助

中国科学院战略性先导科技专项（A类）(XDA19040102)

科技部国家重点研发计划(2016YFA0602802)

国家自然科学基金面上项目(41771566)

收起

Spatio-Temporal Coupling Relationship between Economic Growth and Carbon Emission in Shanxi-Shaanxi-Inner Mongolia

  • WU Na , 1, 2 ,
  • SHEN Lei , 1, 2, 3, ※ ,
  • ZHONG Shuai 1, 2, 3 ,
  • ZHANG Chao 1, 2
Expand
  • 1. Institute of Geographic Sciences and Natural Resources Research，Chinese Academy of Sciences，Beijing 100101，China
  • 2. University of Chinese Academy of Sciences，Beijing 100049，China
  • 3. Key Laboratory of Carrying Capacity Assessment for Resource and Environment，Ministry of Natural Resources，Beijing 100083，China

Received date: 2018-12-12

  Revised date: 2019-06-27

  Online published: 2025-04-17

Fold

摘要

晋陕蒙地区作为重要的能源输出基地，能源消费带动经济增长的同时，产生的大量碳排放，对经济增长带来负面影响。因此，探讨经济增长与碳排放的关系尤为重要。根据“驱动力—压力—状态—影响—响应”即DPSIR模型，制定经济增长与碳排放关系的脱钩指标，构建脱钩模型分析碳排放与经济增长间的脱钩关系，并且运用GIS方法评价晋陕蒙地区经济增长与碳排放的时空演变规律。结果表明：①1997—2016年晋陕蒙地区碳排放与经济增长热点区和冷点区空间格局变化显著；②晋陕蒙地区经济增长与碳排放的脱钩状态经历了从“弱脱钩”到“扩张连接、扩张负脱钩”再到“弱脱钩”的演变过程；③2002—2016年山西碳排放与经济增长的脱钩程度低于全国同期水平。

关键词： 经济增长; 碳排放; DPSIR模型; 脱钩; 能源输出基地; 绿色发展; 能源消费

本文引用格式

武娜 , 沈镭 , 钟帅 , 张超 . 晋陕蒙地区经济增长与碳排放时空耦合关系[J]. 经济地理, 2019 , 39(9) : 17 -23 . DOI: 10.15957/j.cnki.jjdl.2019.09.003

Abstract

Energy consumption drives economic growth in Shanxi Province, Shaanxi Province and Inner Mongolia Autonomous Region which are the most important parts of energy output, at the same time, the large amount of carbon emissions has a negative impact on economic growth. Therefore, it is particularly important to discuss the relationship between economic growth and carbon emission. According to the "Driving Force-Pressure-State-Impact-Response", namely the DPSIR model, this article selects decoupling index of carbon emissions and economic growth, builds a decoupling model to analyze decoupling relationship between carbon emissions and economic growth, and uses the GIS to evaluate the spatio-temporal evolution of carbon emission and economic growth. The results show that hot spots and cold spots of carbon emission and economic growth in Shanxi, Shaanxi and Inner Mongolia change significantly from 1997 to 2016.The decoupling state of carbon emission and economic growth in Shanxi, Shaanxi and Inner Mongolia has experienced an evolutionary process from "weak decoupling" to "expansion connection, expansion negative decoupling" and then to "weak decoupling".The degree of decoupling between carbon emission and economic growth in Shanxi Province from 2002 to 2016 is lower than of the national average at the same period in China. Grasping the coupling relationship and development trend between economic growth and carbon emission can provide some references in formulating emission reduction policies.

Key words： economic growth; carbon emission; Driving Force-Pressure-State-Impact-Response(DPSIR) model; decoupling; energy output base; green development; energy consumption

经济的快速发展，能源消耗的日益增加，使得我国能源碳排放量急剧上升，碳排放与经济增长的关系成为区域可持续发展研究的重点。深入剖析碳排放与经济增长之间的关系，对于我国科学合理地制订低碳经济发展战略具有重大的意义[1]。
在碳排放与经济增长之间的关系方面，目前的研究主要集中在基于EKC曲线研究二者之间是否存在倒U型关系[2-3]和运用Granger因果分析二者间的单双向因果关系[4-5]等方面，这两种方法是基于碳排放与经济发展之间存在同步变化的基础之上。可是，部分地区碳排放与经济增长开始出现非同步变化的现象，因此，学术界开始引入脱钩理论来反映经济增长与物质消耗不同步变化的实质。
从目前国内外研究进展来看，脱钩理论主要应用于经济增长与能源消费的关系[6]、能源碳排放与经济增长的关系[7]、城市扩张与经济增长的关系[8-9]，以及资源环境与经济发展的关系[10]等方面的研究。例如：Wang等基于LMDI模型把碳排放与GDP之间的脱钩弹性值分解为碳排放与化石能源消耗、化石能源消耗与总能源消耗、总能源消耗与GDP之间的脱钩弹性值，结果发现，总能源消耗与GDP的脱钩弹性值对碳排放与GDP的脱钩弹性值起到至关重要的作用[11]；Ning等运用Tapio脱钩方法分析了中国7个经济带1996—2013年的脱钩指数，发现在各个经济带脱钩程度具有显著的差异性[12]；Zhou等采用大数据分析和Tapio扩展模型定量分析了1996—2012年我国8个主要地区碳排放与经济增长的脱钩关系[13]；滕飞等对吉林省、辽宁省和黑龙江省1995—2014年CO2排放量、能源消费量以及GDP进行脱钩分析[14]；郭炳南等基于脱钩理论的Tapio脱钩模型，实证研究了长三角地区CO2排放与经济增长之间的脱钩关系及程度，分析了二者脱钩弹性发展的时间演变趋势[15]。相关研究还有杨嵘、孙耀华、盖美、陈芷君和齐绍洲等[16⇓⇓⇓-20]。
总体而言，目前的脱钩研究主要集中于省级或以省域数据为基础的大区域研究，所揭示的规律较为宏观，且对全国或典型区域内各市碳排放与经济发展的脱钩关系研究还较少。此外，这些研究在分析碳排放与经济增长脱钩关系前，并没有考虑二者的空间集聚特性。所以本文根据“驱动力（Driving Force）—压力（Pressure）—状态（State）—影响（Impact）—响应（Response）”即DPSIR模型，制定碳排放与经济增长关系的脱钩指标，应用脱钩理论构建脱钩模型分析碳排放与经济增长间的脱钩关系，并且运用GIS方法进一步揭示晋陕蒙地区碳排放与经济增长的时空演变规律，掌握经济增长和碳排放之间的耦合关系和发展趋势，为制定减排政策及区域经济绿色发展提供参考。

1 数据来源及研究方法

1.1 数据来源

本文主要研究晋陕蒙各地级市经济增长与CO2排放量的关系。考虑到数据的可获取性以及一致性，本文研究所使用的经济增长数据用山西省、陕西省和内蒙古自治区各地级市的GDP来表示；所使用的碳排放数据是基于夜间灯光数据模拟计算得出的碳排放数据；中国省市级行政边界数据来自于中国科学院资源环境科学数据中心（http://www.resdc.cn/）。研究时期为1997—2016年，为了真实反映GDP与碳排放的关系，本文剔除了由于物价上涨对GDP带来的影响，实际GDP以1997年为基期进行换算。GDP数据来源于1998—2017年《山西统计年鉴》《陕西统计年鉴》《内蒙古统计年鉴》。鉴于碳排放与GDP数据存在时间上的滞后性，以每年为时间无法真实反映碳排放与经济增长的关系。所以本文选择5年为一个时间段，将1997—2016年划分为T1（1997—2002）、T2（2002—2007）、T3（2007—2011）、T4（2011—2016）4个时间段，分别算出碳排放和经济增长在4个时间段的变化率c1、g1，c2、g2，c3、g3，c4、g4，从而根据公式算出脱钩弹性值t1、t2、t3、t4。

1.2 脱钩状态评价方法

根据DPSIR模型，构建碳排放与经济增长关系的脱钩指标。用经济增长（GDP）表征驱动力、用碳排放表征压力、用能源消耗表征状态、用人口表征影响、用减排政策表征响应。用碳排放的变化率除以GDP的变化率来表示碳排放压力的GDP脱钩弹性，即碳排放与经济增长的脱钩状态，其公式为：
T C , G = % ∆ C % ∆ G = ∆ C / C ∆ G / G = C 末 - C 基 / C 基 G 末 - G 基 / G 基
式中： T C , G表示碳排放与GDP的脱钩状态； % ∆ C表示末期的碳排放量相对于基期的变化率； % ∆ G表示末期的GDP相对于基期的变化率； C 末表示末期的碳排放量； C 基表示基期的碳排放量； G 末表示末期的GDP； G 基表示基期的GDP。

1.3 脱钩程度判定标准

在碳排放与经济增长脱钩关系模型中，碳排放和经济增长的脱钩关系可以分为脱钩、负脱钩和连接，为了更详细地研究碳排放与经济增长之间的关系，把这3种脱钩类型进一步按照脱钩弹性临界值0、0.8、1.2分为8种脱钩状态（表1）。
表1 碳排放与经济增长脱钩程度判定标准

Tab.1 Criterion for decoupling degree between carbon emission and economic growth

脱钩程度 ∆C ∆G 脱钩弹性t
脱钩 强脱钩Ⅰ 0 0 t 0
弱脱钩Ⅱ 0 0 0 t 0.8
衰退脱钩Ⅲ 0 0 t 1.2
连接 扩张连接Ⅳ 0 0 0.8 t 1.2
衰退连接Ⅴ 0 0 0.8 t 1.2
负脱钩 扩张负脱钩Ⅵ 0 0 t 1.2
弱负脱钩Ⅶ 0 0 0 t 0.8
强负脱钩Ⅷ 0 0 t 0

1.4 探索性空间数据分析

本文采用探索性空间数据分析工具分析晋陕蒙地区碳排放和经济增长空间分布格局规律。探索性空间数据分析法通过分析空间中某位置的观察值与其相邻位置观察值是否存在相关性及相关程度，探索空间事物的分布特征[21]。应用ArcGIS 10.2采用Hot Spot Analysis（Getis-Ord Gi*）统计指数法对晋陕蒙各地级单元的碳排放与经济增长的热点、冷点区域进行空间探索。Getis-Ord Gi*统计指数法也是一种局域自相关分析方法，该方法用于识别具有统计显著性的高值（热点区）和低值（冷点区）的空间聚类[22]。Getis-Ord Gi*统计指数法可以有效揭示对象在空间上分布集聚的状态。基于ArcGIS 10.2将数据进行空间化，揭示晋陕蒙地区碳排放和经济增长的空间集聚分布格局演化趋势，考察二者集聚分布的冷、热点区域空间演变情况。

1.5 碳排放经济贡献

本文通过计算碳排放经济贡献系数来表示各地市的碳排放经济效率，碳排放的经济贡献系数（ECC），计算公式为[23]：
E C C i = G i G / C i C
式中：Gi表示i市的GDP；G表示整个研究区的GDP总和；Ci表示i市的碳排放量；C表示整个研究区的碳排放总量。若 E C C i>1，则表明i市碳排放的经济效率相对较高；若 E C C i<1，则说明该市碳排放的经济效率相对较低。

2 晋陕蒙碳排放与经济增长脱钩实证分析

2.1 晋陕蒙地区碳排放与经济增长热点分析

脱钩程度的判断取决于碳排放的大小与经济增长率之间的变化。为了更好地解释二者之间的脱钩关系，本文先对碳排放量和经济变化率进行聚类分析。应用ArcGIS软件中的Hot Analysis空间分析工具对晋陕蒙地区碳排放增长与经济增长进行Getis-Ord Gi*指数分析，通过自然断裂法将其划分为冷点区、次冷点区、次热点区和热点区。分析显示，1997—2016年，晋陕蒙地区碳排放增长的冷点区数量在减少，影响范围也在缩小；而热点区数量变化却呈现出“大—小—大”的演变特征，如图1a所示。其中，内蒙古的大部分地区碳排放主要集中在冷点和次冷点区，如1997—2002年，冷点区主要分布于阿拉善盟、锡林郭勒盟、乌海市、赤峰市和通辽市，次冷点区主要分布于呼伦贝尔市、兴安盟、巴彦淖尔市、包头市和乌兰察布市，但随后2002—2007年次冷点区却在不断地扩大，由5个市（盟）扩大到10个市（盟）；山西省中北部地区碳排放主要呈高值空间集聚，即以热点区分布为主；而陕西省主要呈现陕北热点或次热点区、关中次冷点区、陕南冷点区的分布特征。数量和格局演变分析显示，晋陕蒙地区的碳排放热点区主要集中在陕北和山西中北部地区，内蒙古大部分地区碳排放为冷点或次冷点区。晋陕蒙地区经济增长热点区主要集中分布在内蒙古西部，次热点区主要分布在东北部地区，冷点区集中在山西中南部地区，如图1b所示。热点分析表明，晋陕蒙地区碳排放与经济增长的时空变化特征明显，冷点和热点的分布变化情况不同。碳排放与经济发展关联机理复杂，主要与该区域的能源结构、能源利用效率、产业结构有关。
图1 1997—2016年碳排放、GDP增长率热点分析

Fig.1 Hot spot analysis of carbon emission and GDP growth rate in 1997-2016

2.2 晋陕蒙地区碳排放与经济增长脱钩分析

对晋陕蒙地区GDP和碳排放数据进行计算整理，绘制出3省区实际GDP、碳排放1997—2016年的变化趋势如图2。从图2中可以看出，山西省的碳排放总量明显高于陕西和内蒙古2个省区，但3省区的实际GDP却相差不多。可见，山西省经济增长的同时，付出资源环境代价也是巨大的。脱钩分析测算结果见表2。1997—2002年，脱钩类型主要有强脱钩、弱脱钩、扩张连接和扩张负脱钩，分別占研究区的3.03%、81.82%、6.06%和9.09%。因此，碳排放与经济增长的关系总体上处于弱脱钩状态，这一时期，碳排放的增长速度相对缓慢，经济发展速度较快，发展质量相对较高。2002—2007年，脱钩状态为弱脱钩、扩张连接和扩张负脱钩，分別占研究区的36.36%、30.31%、33.33%。该时期由于国际经济形势好转以及国家内需增强，高耗能、高排放的产业集中上位，导致碳排放量的大幅上涨，造成碳排放与经济增长弱脱钩区域缩小。2007—2011年，脱钩类型主要有弱脱钩、扩张连接和扩张负脱钩，分別占研究区的66.67%、27.27%和6.06%。2011—2016年，脱钩状态为强脱钩、弱脱钩和扩张连接，分別占研究区的27.27%、66.67%和6.06%。碳排放与经济增长回归合理阶段，各地区的经济增长依旧处于高增长阶段，但碳排放的增长速度适当放缓，经济增长方式由粗放型转变为相对集约型，碳排放与经济增长关系以弱脱钩和扩张连接为主。从研究结果来看，呈弱脱钩状态的区域数量较多，为了细化脱钩状态，把弱脱钩分为高度弱脱钩（脱钩弹性为0.0~0.4）和轻度弱脱钩（0.4~0.8），晋陕蒙地区脱钩空间分布如图3。
图2 1997—2016年晋陕蒙GDP与碳排放总量变动趋势比较

Fig.2 Comparison of GDP and total carbon emission in Shanxi-Shaanxi-Inner Mongolia from 1997 to 2016

表2 1997—2016年晋陕蒙GDP与碳排放脱钩相关指标结果

Tab.2 Decoupling elasticity of GDP and carbon emission in Shanxi-Shaanxi-Inner Mongolia from 1997 to 2016

T1 T2 T3 T4
g1 c1 t1 g2 c2 t2 g3 c3 t3 g3 c3 t3
呼伦贝尔 0.452 0.261 0.577 1.364 1.504 1.102 0.770 0.721 0.936 0.558 0.035 0.062
兴安 0.531 0.394 0.742 0.840 1.391 1.656 0.657 0.995 1.514 0.567 0.230 0.405
锡林郭勒 0.524 0.586 1.119 1.639 3.152 1.923 0.870 0.989 1.137 0.573 0.153 0.266
通辽 0.874 0.147 0.169 1.448 2.406 1.662 0.848 0.564 0.666 0.558 0.167 0.298
赤峰 0.434 -0.002 -0.004 1.381 1.772 1.283 0.835 0.689 0.825 0.551 0.097 0.177
乌兰察布 0.867 0.373 0.430 1.456 2.281 1.567 0.619 0.867 1.402 0.492 0.212 0.431
阿拉善 0.819 0.328 0.400 1.822 2.339 1.284 1.207 0.730 0.605 0.570 0.069 0.121
包头 0.745 0.115 0.154 2.008 1.571 0.783 0.884 0.519 0.586 0.552 -0.077 -0.140
巴彦淖尔 0.602 0.366 0.609 1.252 2.151 1.718 0.762 0.838 1.099 0.488 -0.081 -0.167
呼和浩特 1.201 0.411 0.342 1.753 1.633 0.931 0.656 0.539 0.822 0.537 0.031 0.058
大同 0.488 0.287 0.588 0.499 0.539 1.081 0.411 0.271 0.659 0.409 -0.038 -0.093
鄂尔多斯 1.294 0.295 0.228 2.387 3.067 1.285 1.071 1.238 1.156 0.546 0.096 0.177
朔州 0.299 0.378 1.264 1.012 0.674 0.665 0.617 0.441 0.716 0.294 0.208 0.706
乌海 0.902 0.127 0.140 1.970 1.290 0.655 0.971 0.466 0.480 0.574 -0.104 -0.181
忻州 0.304 0.472 1.556 0.884 0.664 0.752 0.471 0.156 0.332 0.373 0.303 0.811
榆林 0.579 0.182 0.314 1.408 1.436 1.020 0.931 0.833 0.894 0.471 0.345 0.732
吕梁 0.208 0.324 1.561 1.073 0.623 0.581 0.568 0.191 0.336 0.180 0.058 0.320
阳泉 0.411 0.215 0.524 0.761 0.511 0.671 0.511 0.151 0.295 0.265 -0.014 -0.054
太原 0.565 0.313 0.553 0.993 0.510 0.514 0.353 0.092 0.261 0.445 -0.035 -0.079
晋中 0.451 0.319 0.707 0.896 0.611 0.682 0.504 0.140 0.279 0.436 0.048 0.111
延安 0.748 0.716 0.957 1.156 2.383 2.062 0.645 0.591 0.916 0.288 0.207 0.719
长治 0.552 0.307 0.556 0.923 0.844 0.914 0.591 0.140 0.237 0.281 0.010 0.036
临汾 0.639 0.361 0.565 0.841 0.395 0.469 0.464 0.096 0.207 0.296 -0.058 -0.197
晋城 0.554 0.251 0.453 0.940 0.600 0.638 0.525 0.144 0.275 0.365 -0.050 -0.136
渭南 0.538 0.045 0.083 0.787 0.665 0.845 0.758 0.528 0.697 0.653 0.253 0.388
运城 0.664 0.475 0.715 0.979 0.582 0.595 0.507 0.148 0.293 0.309 -0.002 -0.007
铜川 0.548 0.178 0.325 0.873 0.609 0.698 0.809 0.464 0.573 0.691 0.319 0.462
咸阳 0.764 0.126 0.165 0.843 0.898 1.065 0.735 0.502 0.684 0.686 0.306 0.447
宝鸡 0.633 0.093 0.146 0.907 0.731 0.806 0.740 0.534 0.722 0.741 0.325 0.439
西安 0.841 0.106 0.126 0.935 0.879 0.940 0.735 0.497 0.676 0.610 0.246 0.403
商洛 0.727 0.251 0.346 0.650 1.852 2.849 0.747 0.355 0.475 0.755 0.413 0.548
安康 0.418 0.182 0.436 0.622 1.444 2.323 0.763 0.554 0.726 0.821 0.619 0.754
汉中 0.444 0.322 0.726 0.729 0.829 1.138 0.732 0.666 0.910 0.731 0.623 0.852
图3 晋陕蒙地市碳排放与经济增长脱钩关系的空间格局

Fig.3 The spatial distribution of decoupling relationship between carbon emission and economic growth in Shanxi, Shaanxi and Inner Mongolia from 1997 to 2016

2.3 碳排放与经济增长脱钩程度和全国的比较及其空间化

与全国水平相比，1997—2016年晋陕蒙各地市碳排放与经济增长的脱钩程度也呈现其特有的空间演变特征（图4）。T1时期，晋陕蒙碳排放与经济增长总体上处于弱脱钩状态，脱钩程度低于全国水平的分布于内蒙古的西南，陕西关中，山西阳泉、晋中地区；与全国处于同一水平的主要分布于乌兰察布和安康；高于全国水平的主要分布于内蒙古的呼伦贝尔、兴安、锡林郭勒、巴彦淖尔，山西的大部分地区，陕西的汉中和延安。T2时期，晋陕蒙碳排放与经济增长处于弱脱钩、扩张连接和扩张负脱钩基本平分的脱钩状态，脱钩程度低于全国水平的分布于内蒙古的呼伦贝尔、包头、呼和浩特和乌海，陕西榆林、关中地区，山西全省；高于全国水平的主要分布于内蒙古的大部分地区，陕西的安康、商洛和延安。T3时期，晋陕蒙碳排放与经济增长总体上处于弱脱钩状态，脱钩程度低于全国水平的分布于内蒙古阿拉善、通辽、乌海和包头，陕西关中地区和陕南大部分地区，山西全省；与全国处于同一水平的主要分布于呼和浩特和赤峰；高于全国水平的主要分布于内蒙古大部分地区，陕西的榆林、汉中和延安。T4时期，晋陕蒙碳排放与经济增长总体上处于弱脱钩状态，脱钩程度低于全国水平的分布于内蒙古的呼伦贝尔、赤峰等地区，山西阳泉、晋中等地区；高于全国水平的主要分布于内蒙古的锡林郭勒、兴安等，山西的朔州、忻州和吕梁地区。
图4 1997—2016年晋陕蒙各地市碳排放与经济增长脱钩程度和全国比较的空间演变

Fig.4 The spatial evolution of decoupling degree between carbon emission and economic growth in cities of Shanxi-Shaanxi-Inner Mongolia from 1997 to 2016 compared with the national average

若按山西、陕西和内蒙古3省区来划分，各省区碳排放与经济增长脱钩程度与全国比较的演变规律为山西二者的脱钩程度呈现出由高于全国同期水平向低于全国同期水平演变的趋势；陕西二者的脱钩程度变化情况不明显；内蒙古则表现出由低于全国同期水平向高于全国同期水平的演变趋势。表明山西碳排放量随着经济增长而呈逐渐下降趋势；内蒙古经济发展过程中碳排放量在逐渐增多。

2.4 碳排放经济贡献空间特征

根据公式（2）计算得到2002、2007、2011、2016年晋陕蒙地区的碳排放经济贡献率。从碳排放经济贡献率看，晋陕蒙ECC基本呈现山西较低、陕南较高、内蒙古处于中等水平的特征（图5）。
图5 晋陕蒙地区碳排放经济贡献空间分布

Fig.5 Spatial distribution of economy contribution coefficient of carbon emission in Shanxi-Shaanxi-Inner Mongolia

3 结论与讨论

本文基于空间分析方法和脱钩模型对晋陕蒙地市碳排放和经济增长之间的脱钩耦合关系进行分析，得出以下基本结论：
①1997—2016年晋陕蒙地区碳排放与经济增长热点区和冷点区空间格局变化显著。其中，碳排放增长的冷点区数量在减少，影像范围也在缩小；而热点区却呈现“由大变小再变大”的变化趋势。经济增长的热点区集中在内蒙古大部分地区，冷点区集中在山西大部分地区。由于碳排放与经济增长的影响因素不同，所以冷、热点区的分布也不同。
②晋陕蒙地区碳排放与经济增长的脱钩状态主要包括弱脱钩、扩张连接、扩张负脱钩这3种类型，不同的演进阶段其脱钩程度存在一定的差异。其基本规律为“弱脱钩”为主（包含27个地市）—“扩张连接、扩张负脱钩”为主（21个地市）—“弱脱钩”为主（22个地市），变化总体上呈现“正态分布曲线”的演变规律。
③从省级层面考虑，各省区碳排放与经济增长脱钩程度与全国比较的演变规律主要表现为山西省二者的脱钩程度呈现出由高于全国同期水平向低于全国同期水平演变的趋势；陕西省二者的脱钩程度变化情况不明显；内蒙古则表现出由低于全国同期水平向高于全国同期水平的演变趋势。
在上述研究结论的基础上，本文进一步提出以下建议：
在当前中国经济新常态、能源效率提升放缓、碳排放即将出现峰值的新形势下，急需加强碳排放与经济增长之间关联性的研究，更好地评价碳排放与经济增长之间的耦合程度，揭示二者的作用机理，在一定程度上，可为推动区域协调发展、促进节能减排，缓解日益严峻的资源和环境压力，提供科学保障。本文通过分析晋陕蒙地区碳排放与经济增长的脱钩关系，发现1997—2016年山西省二者的脱钩关系趋于优化，甚至在2002—2016年，山西省二者的脱钩程度是低于全国评价水平的。总的来说，与经济增长相对比，山西省碳排放的控制比较合理，碳排放减排工作做的比较到位。但是，脱钩程度只能说明碳排放与经济增长在某个时期，二者变化的耦合模式，而可持续发展应该在我国当前能源供应结构和技术条件下，提高能源的利用效率，转变粗放型经济增长方式，实现低碳运行的绿色发展模式[24]。
因此，应加强探索区域经济发展与碳排放的交互耦合机理及效应传导路径，促进晋陕蒙地区实现碳减排目标。其次，脱钩是一种动态变化的过程，如果经济增长的方式主要是依靠消耗能源产品带来的，就需要逐步降低经济在发展过程中对煤炭、石油、天然气的过度依赖[25]，以防出现扩张性复钩现象。因此，要提升可再生能源的利用效率，从而逐步实现更集约、更清洁、多元化的能源消费结构[26]；要继续巩固和发展自己的优势，侧重于产业结构调整，加快淘汰或改造高碳产业。另外，针对能源密集型区域碳排放与经济增长的特点，逐步引入碳税管控、碳排放交易等市场机制，完善低碳市场经济体系，为碳排放与经济发展的协调发展提供重要的保障。
本文的脱钩模型和研究方法具有一定的推广性，适用于任何地区。本文仅对碳排放与经济增长2个指标做了脱钩分析，今后可利用LMDI等分解法选取多个指标，对碳排放、能源消耗与经济增长进行脱钩分析。今后打算进一步研究促进碳排放与经济增长的解耦方法，努力实现碳排放与经济增长的强脱钩。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Shen L, Sun Y Z. Review on carbon emissions,energy consump-tion and low-carbon economy in China from a perspective of global climate change[J]. Journal of Geographical Sciences, 2016, 26(7):855-870.

[2]
Dong K, Sun R, Jiang H, et al. CO2 emissions,economic growth,and the environmental Kuznets curve in China:What roles can nuclear energy and renewable energy play?[J]. Journal of Cleaner Production, 2018, 196:51-63.

[3]
易艳春, 宋德勇. 经济增长与我国碳排放:基于环境库兹涅茨曲线的分析[J]. 经济体制改革, 2011(3):35-38.

[4]
Liu Y S, Yan B, Zhou Y. Urbanization,economic growth,andcarbon dioxide emissions in China: A panel cointegration and causality analysis[J]. Journal of Geographical Sciences, 2016, 26(2):131-152.

[5]
赵爱文, 李东. 中国碳排放与经济增长的协整与因果关系分析[J]. 长江流域资源与环境, 2011, 20(11):1 297-1 303.

[6]
刘惠敏. 中国经济增长与能源消耗的脱钩——东部地区的时空分异研究[J]. 中国人口·资源与环境, 2016, 26(12):157-163.

[7]
彭佳雯, 黄贤金, 钟太洋, 等. 中国经济增长与能源碳排放的脱钩研究[J]. 资源科学, 2011, 33(4):626-633.

[8]
赵可, 徐唐奇, 张安录. 城市用地扩张、规模经济与经济增长质量[J]. 自然资源学报, 2016, 31(3):390-401.

[9]
黄木易, 岳文泽, 何翔. 长江经济带城市扩张与经济增长脱钩关系及其空间异质性[J]. 自然资源学报, 2018, 33(2):219-232.

DOI

[10]
赵兴国, 潘玉君, 赵波, 等. 区域资源环境与经济发展关系的时空分析[J]. 地理科学进展, 2011, 30(6):706-714.

[11]
Wang W, Li M, Zhang M, et al. Study on the changes of the de-coupling indicator between energy-related CO2 emission and GDP in China[J]. Energy, 2017, 128:11-18.

[12]
Ning Y, Zhang B, Ding T, et al. Analysis of regional decou-pling relationship between energy-related CO2 emission and economic growth in China[J]. Natural Hazards, 2017, 87(2):867-883.

[13]
Zhou X, Zhang M, Zhou M, et al. A comparative study on de-coupling relationship and influence factors between China's regional economic development and industrial energy-related carbon emissions[J]. Journal of Cleaner Production, 2016, 142:783-800.

[14]
滕飞, 曹丹, 全紫薇, 等. 东北三省碳排放与经济增长脱钩关系的实证分析[J]. 吉林师范大学学报(自然科学版), 2018, 39(3):56-63.

[15]
郭炳南, 林基, 刘堂发. 长三角地区二氧化碳排放与经济增长脱钩关系的实证研究[J]. 生态经济, 2017, 33(4):25-29.

[16]
杨嵘, 常烜钰. 西部地区碳排放与经济增长关系的脱钩及驱动因素[J]. 经济地理, 2012, 32(12):34-39.

[17]
孙耀华, 李忠民. 中国各省区经济发展与碳排放脱钩关系研究[J]. 中国人口·资源与环境, 2011, 21(5):87-92.

[18]
盖美, 曹桂艳, 田成诗, 等. 辽宁沿海经济带能源消费碳排放与区域经济增长脱钩分析[J]. 资源科学, 2014, 36(6):1267-1 277.

[19]
陈芷君, 刘毅华, 林华荣. 广东省土地利用碳排放与经济增长之间的脱钩分析[J]. 生态经济, 2018, 34(5):26-32.

[20]
齐绍洲, 林屾, 王班班. 中部六省经济增长方式对区域碳排放的影响——基于Tapio脱钩模型、面板数据的滞后期工具变量法的研究[J]. 中国人口·资源与环境, 2015, 25(5):59-66.

[21]
马荣华, 蒲英霞, 马晓冬. GIS空间关联模式发现[M]. 北京: 科学出版社, 2007.

[22]
彭翀, 常黎丽. 湖南省县域城镇化时空格局及其经济发展相关性研究[J]. 经济地理, 2013, 33(8):73-78.

[23]
王刚, 张华兵, 薛菲, 等. 成都市县域土地利用碳收支与经济发展关系研究[J]. 自然资源学报, 2017, 32(7):1 170-1 182.

[24]
沈镭, 高丽. 中国西部能源及矿业开发与环境保护协调发展研究[J]. 中国人口·资源与环境, 2013, 23(10):17-23.

[25]
沈明, 沈镭, 张超, 等. 陕西省能源供给与经济及生态环境协调性分析[J]. 地域研究与开发, 2015, 34(1):123-126,143.

[26]
沈明, 沈镭, 张艳, 等. 陕西省能源供给系统稳定性及其影响因素分析[J]. 经济地理, 2015, 35(7):39-46.

Options
文章导航

/

〈 〉