Spatio-Temporal Characteristics and Influencing Mechanism of Synergistic Effect of Pollution and Carbon Emission Reduction in China
-
摘要: 我国环境污染防治面临减污降碳协同推进的新挑战，为实现减污降碳协同增效的总目标，深入打好大气污染防治攻坚战，研究减污降碳协同效应的时空特征及其影响机制，对因地制宜制定经济社会发展全面绿色转型的政策具有重要现实意义. 本文以2011—2019年我国30个省(自治区、直辖市)为研究对象，分析大气污染物和碳排放的时空特征(不包括港澳台及西藏自治区的数据，下同)；同时，运用耦合协调模型计算碳减排与大气污染物控制系统的耦合协调度，进一步分析减污降碳协同效应在全国、八大经济区和各省份的时空特征；并利用时空地理加权回归模型(GTWR)，揭示了减污降碳协同效应影响因素的空间演化规律和作用机制. 结果表明：①2011—2019年我国碳排放量缓慢增长，污染物排放当量自2014年开始明显下降；大气污染物和碳排放主要集中在东北、北部沿海和黄河中游经济区. ②2011—2019年我国减污降碳的协同效应整体上明显提高，不同经济区和省份的减污降碳协同效应存在明显的时空差异. ③能源消费总量、能源消费强度和能源消费结构是减污降碳协同效应的主要影响因素，能源消费总量、能源消费结构、能源消费强度、产业结构和进出口贸易总额等因素对减污降碳协同效应的影响存在显著的空间异质性. 鉴于此，本文从制定差异化的减污降碳协同策略、推动能源结构优化转型、加强地区和部门间的协同治理等方面提出了减污降碳协同增效的对策建议.Abstract: Environmental pollution prevention and control in China is facing new challenges of pollution reduction and carbon emission reduction synergies. In order to achieve the overall goal of reducing pollution and carbon emission, promoting synergies and increasing efficiency, and to further play tough battle of air pollution control, the study on the spatio-temporal characteristics of the synergistic effect of pollution and carbon emission reduction and its influencing mechanism is of great practical significance in formulating policies for comprehensive green transition of economic and social development according to local conditions. This study first takes 30 provinces in China (data from Hong Kong, Macao, Taiwan and Tibet Autonomous Region are excluded, the same below) as the research object to analyze the spatial agglomeration characteristics of regional pollutants and carbon emissions. Meanwhile, the coupling coordination model is used to calculate the coupling coordination degree of carbon emission reduction and air pollutant control from 2011 to 2019. On this basis, the spatio-temporal variation of the synergistic effect of pollution and carbon emission reduction in eight economic zones and each province in China are further analyzed. The geographically temporally weighted regression model (GTWR) is used to reveal the spatio-temporal evolution law and mechanism of different factors on the synergistic effect of pollution and carbon reduction. The results show that: (1) The carbon dioxide emissions in China increased slowly from 2011 to 2019, and the air pollutant equivalent decreased significantly since 2014. The emissions of air pollutants and carbon dioxide were higher in the northeast, the northern coastal and the middle reaches of the Yellow River Economic Zone. (2) From 2011 to 2019, the synergistic effect of pollution and carbon emission reduction in China improved significantly on the whole. The synergistic effect of different economic zones and provinces varied greatly in space and time. (3) Total energy consumption, energy consumption intensity and energy consumption structure were the main factors influencing the synergistic effect of pollution and carbon emission reduction, and factors such as total energy consumption, energy consumption structure, energy consumption intensity, industrial structure and total import and export trade have significant spatial heterogeneity on the synergistic effect of regional pollution and carbon emission reduction. In view of this, the study puts forward suggestions for enhancing the synergistic effect from the aspects of developing differentiated collaborative strategies for pollution and carbon emission reduction, promoting energy transition and renewable energy development, and strengthening regional and inter-departmental collaborative governance.
-
图 1 2011—2019年我国污染物排放当量和碳排放量的时间变化特征
Figure 1. Temporal variations of pollution equivalent and carbon emissions in China from 2011 to 2019
图 2 2011—2019年我国各省份污染物排放当量和碳排放量的空间变化特征
Figure 2. Spatial variations of provincial pollutant equivalent and carbon emissions in China from 2011 to 2019
图 3 2011—2019年我国碳减排和大气污染物控制系统耦合度和耦合协调度平均值的变化情况
Figure 3. The variation of average coupling degree and coupling coordination degree of carbon emission reduction and pollutant control systems in China from 2011 to 2019
图 4 地区减污降碳协同效应的影响机制分析
Figure 4. Mechanism analysis of synergistic effect of regional pollution and carbon emission reduction
表 1 2011—2019年八大经济区碳减排和大气污染物控制系统的耦合协调度
Table 1. Coupling coordination degree of carbon emission reduction and pollutant control systems in eight economic zones from 2011 to 2019
年份 东北
经济区北部沿海
经济区东部沿海
经济区南部沿海
经济区黄河中游
经济区长江中游
经济区西南
经济区西北
经济区2011 0.761 0 0.514 9 0.769 1 0.871 1 0.159 4 0.691 9 0.604 6 0.807 2 2012 0.777 5 0.548 5 0.793 4 0.881 8 0.254 7 0.718 4 0.625 9 0.804 5 2013 0.788 0 0.579 0 0.816 5 0.894 4 0.292 2 0.759 5 0.644 8 0.799 3 2014 0.774 5 0.575 5 0.823 6 0.901 9 0.308 3 0.727 1 0.660 9 0.797 3 2015 0.802 3 0.640 9 0.862 3 0.924 7 0.392 3 0.759 4 0.710 3 0.829 7 2016 0.928 4 0.771 4 0.896 7 0.977 7 0.370 0 0.897 8 0.824 9 0.937 3 2017 0.878 7 0.773 2 0.893 7 0.971 2 0.312 2 0.835 3 0.810 1 0.935 5 2018 0.920 0 0.706 6 0.884 1 0.952 1 0.253 6 0.908 2 0.905 3 0.939 6 2019 0.897 2 0.693 9 0.875 6 0.943 2 0.144 5 0.921 9 0.925 0 0.924 1 
下载: 导出CSV
表 2 2011—2019年我国各省份碳减排与大气污染物控制系统耦合协调度的时空分布
Table 2. Spatial and temporal distribution of coupling coordination of carbon emission reduction and pollutant control systems in China from 2011 to 2019
年份 严重失调
[0.1, 0.2)中度失调
[0.2, 0.3)轻度失调
[0.3, 0.4)濒临失调
[0.4, 0.5)勉强协调
[0.5, 0.6)初级协调
[0.6, 0.7)中级协调
[0.7, 0.8)良好协调
[0.8, 0.9)优质协调
[0.9, 1.0)2011 山东省 河北省 河南省 山西省、内蒙古自治区 江苏省、辽宁省、广东省 陕西省、贵州省、
新疆维吾尔自治区四川省、安徽省、浙江省、黑龙江省、湖南省、云南省、湖北省、江西省、甘肃省 吉林省、广西壮族自治区、重庆市、福建 省、宁夏回族自治区、
上海市天津市、青海省、北京市、海南省 2015 山西省、
山东省河北省 河南省、内蒙古自治区 辽宁省、江苏省 新疆维吾尔自治区、广东省、陕西省、四川省、安徽省、贵州省、黑龙江省、湖南省、江西省、湖北省 云南省、浙江省、甘肃省、吉林省、广西壮族自治区、重庆市、福建省、宁夏回族自治区 上海市、天津市、青海省、北京市、海南省 2019 山西省 山东省 内蒙古自治区 陕西省、河北省、江苏省、辽宁省 新疆维吾尔自治区、
广东省、河南省、浙江省、安徽省、江西省、云南省、四川省、
湖南省黑龙江省、广西壮族自治区、贵州省、宁夏回族自治区、福建省、湖北省、甘肃省、吉林省、上海市、天津市、重庆市、青海省、海南省、北京市
下载: 导出CSV
表 3 OLS和SDM模型的回归结果
Table 3. Regression results of OLS and SDM models
解释变量 OLS模型 SDM模型 回归结果 回归结果 空间溢出效应 直接效应 间接效应 能源消费总量 −0.726***
(0.000)−0.700***
(0.000)−0.595***
(0.000)−0.700***
(0.000)−0.582***
(0.000)能源消费强度 −0.136***
(0.007)−0.155***
(0.004)−0.041
(0.712)−0.155***
(0.005)−0.039
(0.726)能源消费结构 0.140***
(0.003)0.146***
(0.002)−0.120
(0.241)0.147***
(0.002)−0.129
(0.196)产业结构 −0.136***
(0.003)−0.010
(0.813)−0.249***
(0.004)−0.006
(0.888)−0.252***
(0.002)进出口贸易总额 0.150***
(0.004)0.103**
(0.037)0.161**
(0.018)0.101**
(0.032)0.157**
(0.016)人均GDP 0.105**
(0.029)0.058
(0.287)0.204
(0.061)0.063
(0.239)0.203
(0.071)环保投资占比 −0.103**
(0.023)−0.043
(0.298)−0.055
(0.612)−0.043
(0.282)−0.050
(0.656)注：***、**分别表示通过1%、5%水平的显著性检验. 括号中数值表示显著性.
下载: 导出CSV
表 4 2011—2019年各影响因素回归系数的空间分布
Table 4. Spatial distribution of regression coefficients of various influencing factors from 2011 to 2019
项目 回归系数 空间分布 2011年 能源消费总量 1.944 9 新疆维吾尔自治区 −0.487 2~−0.090 2 海南省、广东省、广西壮族自治区、云南省、贵州省、重庆市、青海省、四川省、甘肃省 −0.767 7~−0.540 9 湖南省、福建省、江西省、宁夏回族自治区、内蒙古自治区、山西省、湖北省、陕西省、浙江省 −1.045 8~−0.821 8 上海市、安徽省、河北省、江苏省、吉林省、河南省、北京市、天津市、山东省、辽宁省、黑龙江省 能源消费结构 0.485 6~0.725 2 青海省、吉林省、甘肃省、浙江省、上海市、黑龙江省、宁夏回族自治区 0.210 4~0.420 3 重庆市、辽宁省、江苏省、福建省、内蒙古自治区、陕西省、四川省 0.033 5~0.120 0 广东省、江西省、山西省、广西壮族自治区、海南省、安徽省、云南省、贵州省 −0.293 1~−0.099 6 河南省、新疆维吾尔自治区、湖南省、湖北省、北京市、河北省、天津市、山东省 能源消费强度 −0.049 1~0.177 8 黑龙江省、上海市、浙江省、辽宁省、吉林省、青海省、甘肃省、宁夏回族自治区 −0.370 4~−0.145 0 四川省、福建省、陕西省、重庆市、江西省、贵州省、云南省 −0.588 5~−0.407 1 内蒙古自治区、广西壮族自治区、海南省、江苏省、广东省、湖南省、湖北省、安徽省、山西省 −0.987 4~−0.719 5 山东省、河北省、河南省、天津市、北京市、新疆维吾尔自治区 产业结构 −0.075 0~0.552 5 新疆维吾尔自治区、四川省、贵州省、云南省、吉林省、重庆市、黑龙江省、辽宁省、天津市、北京市 −0.259 8~−0.122 9 内蒙古自治区、山东省、广西壮族自治区、河北省、青海省、海南省、山西省、甘肃省、广东省 −0.404 2~−0.311 3 江苏省、上海市、河南省、福建省、宁夏回族自治区、安徽省、浙江省 −0.621 8~−0.481 2 陕西省、湖南省、江西省、湖北省 进出口贸易总额 1.042 0~1.419 9 青海省、甘肃省 0.106 8~0.535 9 天津市、河南省、内蒙古自治区、山东省、辽宁省、黑龙江省 −0.225 9~0.069 6 海南省、宁夏回族自治区、广西壮族自治区、广东省、浙江省、贵州省、云南省、上海市、重庆市、四川省、福建省、吉林省、江西省、陕西省、湖南省、江苏省、北京市、安徽省、山西省、湖北省、河北省 −15.969 3 新疆维吾尔自治区
下载: 导出CSV
续表 4 项目 回归系数 空间分布 2019年 能源消费总量 1.760 0 新疆维吾尔自治区 −0.301 6~0.360 5 海南省、广西壮族自治区、广东省、内蒙古自治区、山西省、湖南省、河北省、河南省、贵州省、江西省、云南省、湖北省 −0.768 6~−0.323 7 福建省、重庆市、北京市、青海省、安徽省、四川省、天津市、山东省、浙江省、江苏省、上海市、吉林省、陕西省、辽宁省、甘肃省 −1.513 4~−1.014 9 宁夏回族自治区、黑龙江省 能源消费结构 0.209 5~0.496 9 宁夏回族自治区、海南省、青海省、浙江省、陕西省、吉林省、四川省、上海市、内蒙古自治区 0.053 8~0.177 8 贵州省、安徽省、云南省、福建省、辽宁省、广东省、广西壮族自治区、江苏省、重庆市、山西省、甘肃省 −0.083 2~0.027 8 河南省、黑龙江省、新疆维吾尔自治区、湖北省、江西省、湖南省 −0.278 6~−0.137 8 北京市、天津市、河北省、山东省 能源消费强度 −0.110 0~0.193 5 甘肃省、辽宁省、青海省、宁夏回族自治区、黑龙江省、吉林省、四川省 −0.560 6~−0.342 3 内蒙古自治区、重庆市、陕西省、海南省、上海市、广西壮族自治区、贵州省、广东省、云南省 −1.086 5~−0.778 1 湖南省、浙江省、江苏省、山西省、天津市、山东省、新疆维吾尔自治区、安徽省、北京市、福建省、江西省 −1.294 5~−1.195 5 湖北省、河北省、河南省 产业结构 0.492 8 新疆维吾尔自治区 −0.144 0~0.026 5 内蒙古自治区、云南省、海南省、广西壮族自治区、辽宁省、山西省、江苏省、吉林省、上海市、贵州省、福建省、浙江省、安徽省、广东省、山东省 −0.255 1~−0.178 6 江西省、河南省、湖北省、天津市、湖南省、四川省、青海省、重庆市、黑龙江省、河北省、北京市 −0.324 4~−0.291 4 宁夏回族自治区、陕西省、甘肃省 进出口贸易总额 2.360 7~3.884 1 宁夏回族自治区、甘肃省、黑龙江省 0.259 1~1.385 9 吉林省、陕西省、辽宁省、青海省 −0.389 1~0.099 7 海南省、山西省、河北省、北京市、广西壮族自治区、河南省、广东省、内蒙古自治区、天津市、湖北省、山东省、江西省、湖南省、浙江省、云南省、贵州省、安徽省、福建省、上海市、江苏省、重庆市、四川省 −18.527 2 新疆维吾尔自治区
下载: 导出CSV
-
[1] 中华人民共和国生态环境部.2021中国生态环境状况公报[R].北京:生态环境部,2022:7-16. [2] 易兰,赵万里,杨历.大气污染与气候变化协同治理机制创新[J].科研管理,2020,41(10):134-144.YI L,ZHAO W L,YANG L.Innovation of collaborative governance mechanism on air pollution and climate change control[J].Science Research Management,2020,41(10):134-144. [3] AYRES R U,WALTER J.The greenhouse effect:damages,costs and abatement[J].Environmental and Resource Economics,1991,1(3):237-270. doi: 10.1007/BF00367920 [4] 项国鹏,高挺.中国省域创业生态系统动态协同效应研究[J].地理科学,2021,41(7):1178-1186.XIANG G P,GAO T.Dynamic synergy of provincial entrepreneurial ecosystem in China[J].Scientia Geographica Sinica,2021,41(7):1178-1186. [5] BAI Y,FENG S,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(4):110886. [6] SHEN J S,LI S C,LIANG Z,et al.Exploring the heterogeneity and nonlinearity of trade-offs and synergies among ecosystem services bundles in the Beijing-Tianjin-Hebei urban agglomeration[J].Ecosystem Services,2020,43(6):101103. [7] 黄莹,焦建东,郭洪旭,等.交通领域二氧化碳和污染物协同控制效应研究[J].环境科学与技术,2021,44(7):20-29.HUANG Y,JIAO J D,GUO H X,et al.Assessment of co-control effects for CO2 and air pollutants in transport sector[J].Environmental Science & Technology (China),2021,44(7):20-29. [8] 王力,冯相昭,马彤,等.典型城市减污降碳协同控制潜力评价研究:以渭南市为例[J].环境科学研究,2022.doi: 10.13198/j.issn.1001-6929.2022.06.30.WANG L,FENG X Z,MA T,et al.Study of evaluation on the potential of co-controlling air pollutants and carbon emission in typical cities:taking Weinan City as a case[J].Research of Environmental Sciences,2022.doi: 10.13198/j.issn.1001-6929.2022.06.30. [9] XU B,LIN B Q.Regional differences in the CO2 emissions of China's iron and steel industry:regional heterogeneity[J].Energy Policy,2016,88(1):422-434. [10] LIU J Y,WOODWARD R T,ZHANG Y J.Has carbon emissions trading reduced PM2.5 in China?[J].Environmental Science & Technology,2021,55(10):6631-6643. [11] SHAKYA S R,KUMAR S,SHRESTHA R M.Co-benefits of a carbon tax in Nepal[J].Mitigation and Adaptation Strategies for Global Change,2012,17(1):77-101. doi: 10.1007/s11027-011-9310-1 [12] TOLLEFSEN P,RYPDAL K,TORVANGER A,et al.Air pollution policies in Europe:efficiency gains from integrating climate effects with damage costs to health and crops[J].Environmental Science and Policy,2009,12(7):870-881. doi: 10.1016/j.envsci.2009.08.006 [13] WANG L,SUN H,HU X,et al.Measurement of China's provincial consumption-based PM2.5 emissions and its influencing factors in the perspective of spatial heterogeneity[J].Journal of Cleaner Production,2021,317(10):128367. [14] 郑航,叶阿忠.空间关联网络结构特征的减排效应:基于城市群视角[J].环境科学,2022.doi: 10.13227/j.hjkx.202201108.ZHENG H,YE A Z.Carbon emission reduction effect of spatial correlation network structure characteristics:from the perspective of Urban Agglomeration[J].Environmental Science,2022.doi: 10.13227/j.hjkx.202201108. [15] 王兆峰,李竹,吴卫.长江经济带不同等级城市碳排放的时空演变及其影响因素[J].环境科学研究,2022.doi: 10.13198/j.issn.1001-6929.2022.02.29.WANG Z F,LI Z,WU W.Spatio-Temporal evolution and influencing factors of carbon emissions in different grade cities in the Yangtze River Economic Belt[J].Research of Environmental Sciences,2022.doi: 10.13198/j.issn.1001-6929.2022.02.29. [16] 毛显强,邢有凯,高玉冰,等.温室气体与大气污染物协同控制效应评估与规划[J].中国环境科学,2021,41(7):3390-3398. doi: 10.3969/j.issn.1000-6923.2021.07.044MAO X Q,XING Y K,GAO Y B,et al.Study on GHGs and air pollutants co-control:assessment and planning[J].China Environmental Science,2021,41(7):3390-3398. doi: 10.3969/j.issn.1000-6923.2021.07.044 [17] 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. doi: 10.13198/j.issn.1001-6929.2022.01.10WANG H,MA J,CHEN M,et al.Analysis on the demand and construction of the collaborative multi-governance system of pollution reduction and carbon reduction[J].Research of Environmental Sciences,2022,35(4):936-944. doi: 10.13198/j.issn.1001-6929.2022.01.10 [18] WANG J,LI Z,YE H,et al.Do China's coal-to-gas policies improve regional environmental quality? a case of Beijing[J].Environmental Science and Pollution Research,2021,28(41):57667-57685. doi: 10.1007/s11356-021-14727-3 [19] 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. doi: 10.31497/zrzyxb.20210319WANG 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. doi: 10.31497/zrzyxb.20210319 [20] 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 [21] 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. doi: 10.16868/j.cnki.1674-6252.2021.01.025DONG Z F,ZHOU J,BI F F,et al.Research on synergistic policy of climate change and ecological environment protection[J].Chinese Journal of Environmental Management,2021,13(1):25-34. doi: 10.16868/j.cnki.1674-6252.2021.01.025 [22] International Energy Agency.Energy and air pollution:world energy outlook 2016 special report[R].Paris:International Energy Agency,2016. [23] YORK R,ROSA E A,DIETZ T.STIRPAT,IPAT and ImPACT:analytic tools for unpacking the driving forces of environmental impacts[J].Ecological economics,2003,46(3):351-365. doi: 10.1016/S0921-8009(03)00188-5 [24] 陈敏,李振亮,段林丰,等.成渝地区工业大气污染物排放的时空演化格局及关键驱动因素[J].环境科学研究,2022,35(4):1072-1081. doi: 10.13198/j.issn.1001-6929.2021.12.16CHEN M,LI Z L,DUAN L F,et al.Spatio-temporal patterns and key driving forces of industrial air pollutant discharge in Chengdu-Chongqing Region[J].Research of Environmental Sciences,2022,35(4):1072-1081. doi: 10.13198/j.issn.1001-6929.2021.12.16 [25] ZHANG W,WANG J,XU Y,et al.Analyzing the spatio-temporal variation of the CO2 emissions from district heating systems with ‘Coal-to-Gas’ transition:evidence from GTWR model and satellite data in China[J].Science of the Total Environment,2022,803(1):150083. [26] GUAN Y,SHAN Y,HUANG Q,et al.Assessment to China's recent emission pattern shifts[J].Earth's Future,2021,9(11):e2021EF002241. [27] FAN H,ZHAO C,YANG Y.A comprehensive analysis of the spatio-temporal variation of urban air pollution in China during 2014-2018[J].Atmospheric Environment,2020,220(1):117066. [28] 马洪,王梦奎.中国发展研究(2003版)[M].北京:中国发展出版社,2003. [29] 王涵,李慧,王淑兰,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.doi: http://kns.cnki.net/kcms/detail/11.5972.X.20211110.1838.004.html.WANG H,LI H,WANG S L,et al.The difference research between ‘air pollution and carbon dioxide reduction’ and regional economic development level in China[J].Journal of Environmental Engineering Technology,2022.doi: http://kns.cnki.net/kcms/detail/11.5972.X.20211110.1838.004.html. [30] FENG Y,NING M,LEI Y,et al.Defending blue sky in China:effectiveness of the ‘Air Pollution Prevention and Control Action Plan’ on air quality improvements from 2013 to 2017[J].Journal of Environmental Management,2019,252(12):109603. [31] 傅人意.转型发展释动能[N].海口:海南日报,2022-04-26(A07). [32] ALWI S R,KLEMS J J,VARBANOV P S.Cleaner energy planning,management and technologies:perspectives of supply-demand side and end-of-pipe management[J].Journal of Cleaner Production,2016,136(11):1-13. [33] 郑逸璇,宋晓晖,周佳,等.减污降碳协同增效的关键路径与政策研究[J].中国环境管理,2021,13(5):45-51. doi: 10.16868/j.cnki.1674-6252.2021.05.045ZHENG Y X,SONG X H,ZHOU J,et al.Synergetic control of environmental pollution and carbon emissions:pathway and policy[J].Chinese Journal of Environmental Management,2021,13(5):45-51. doi: 10.16868/j.cnki.1674-6252.2021.05.045 [34] MIRZA F M,KANWAL A.Energy consumption,carbon emissions and economic growth in Pakistan:dynamic causality analysis[J].Renewable and Sustainable Energy Reviews,2017,72(5):1233-1240. [35] LI K,LIN B.The nonlinear impacts of industrial structure on China's energy intensity[J].Energy,2014,69(5):258-265. -
点击查看大图
图(4) / 表(5)
计量
- 文章访问数: 801
- HTML全文浏览量: 161
- PDF下载量: 267
- 被引次数: 0
