大气污染物与co2精细化协同减排效应及其与gdp耦合研究：以京津冀地区为例-凯发娱乐官网

大气污染物与co₂精细化协同减排效应及其与gdp耦合研究：以京津冀地区为例
fine-grained synergistic emission reduction effect of air pollutants and co₂ and its coupling with gdp: a case study in beijing-tianjin-hebei region

doi: , , , ,
作者: 马凯歌, ：河北工程大学地球科学与工程学院，河北邯郸；史江亚：河北工程大学管理工程与商学院，河北邯郸
关键词: ；；；；；；；

摘要: 京津冀面临着pm_2.5、co₂减排的双重挑战，研究该地区co₂与pm_2.5的协同控制效应及其排放量与经济发展的耦合关系，对经济绿色可持续发展与环境改善具有重要指导意义。但现有协同减排效应及相关耦合研究在空间分辨率和行业精细化程度上尚难以满足应用需求。文章采用高分辨率pm_2.5、co₂和gdp分行业排放量(10 × 10 km)数据，利用协同控制效应坐标系法、耦合协调模型以及双变量自相关分析，评估该地区工业生产、运输、能源、农业和建筑五个行业co₂和pm_2.5排放量的协同控制效应以及与gdp的耦合协调度，揭示京津冀地区减污降碳现状及其演变特征。结果显示：1) co₂和pm_2.5协同控制效应呈现先上升–下降–上升的波动变化趋势，2010年时协同效应最优，pm_2.5和co₂共同减排，2014年、2015年协同效应最差，pm_2.5和co₂共同增排。2) 2000~2020年co₂排放与gdp增长的解耦状态多为弱解耦(20.5%)、隐性解耦(39.4%)和隐性耦合(38.5%)，呈现弱解耦状态主要集中于北部地区，中部地区大部分呈现隐性解耦，隐性耦合多分布于冀南地区；2000~2020年pm_2.5排放和gdp强解耦状态逐渐从弱负解耦转变为强解耦。2000年，14.8%的地区强解耦，75.3%弱负解耦，到2020年，31.5%地区弱负解耦，63.8%强解耦。3) 2010~2020年建筑业碳排放和经济的耦合协调指标小于0.4处于严重失调状态，对京津冀碳排放和经济的耦合协调影响显著。4) pm_2.5和co₂排放热点由京津冀中部和南部地区逐步集中到中部地区，且高排放和高gdp区域逐步转变为低排放和高gdp区域，主要贡献行业为运输业，主要集中在京津冀中部和环渤海等地区。本研究以期能够为京津冀未来行业结构优化方向、京津冀差异化协同减排发展路径，为我国不同发展阶段的各地区实现gdp与pm_2.5、co₂排放的解耦和协同减排目标提供理论依据和科学支撑。

abstract: beijing-tianjin-hebei is facing the double challenge of pm_2.5 and co₂ emission reduction, and the study of the synergistic control effect of co₂ and pm_2.5 in the region and the coupling relationship between their emissions and economic development is of great significance in guiding the green and sustainable development of the economy and environmental improvement. however, the existing synergistic emission reduction effect and related coupling studies are still difficult to meet the application requirements in terms of spatial resolution and industry refinement. in this paper, we use high-resolution pm_2.5, co₂ and gdp emissions by industry (10 × 10 km) data, and utilize the synergistic control effect coordinate system method, the coupling coordination model, and bivariate autocorrelation analysis to assess the synergistic control effect of co₂ and pm_2.5 emissions from five industries in the region, namely, industrial production, transportation, energy, agriculture, and construction, and the degree of coordination of the coupling with the gdp, and to reveal the current situation of pollution and carbon reduction in the beijing-tianjin-hebei region and its evolution characteristics. the results show that: 1) co₂ and pm_2.5 synergistic control effects show a fluctuating change trend of first rising-declining-rising, with the optimal synergistic effect in 2010, when pm_2.5 and co₂ were jointly reduced, and the worst synergistic effect in 2014 and 2015, when pm_2.5 and co₂ were jointly increased. 2) the decoupling state of co₂ emission and gdp growth from 2000 to 2020 is mostly weak decoupling (20.5%), implicit decoupling (39.4%) and implicit coupling (38.5%), presenting a weak decoupling state mainly concentrated in the northern region, most of the central region presenting an implicit decoupling, and an implicit coupling mostly distributed in the ji’nan region; from 2000 to 2020 the pm_2.5 emission and gdp strong decoupling state gradually changed from weak negative decoupling to strong decoupling. in 2000, 14.8% of the region was strongly decoupled, 75.3% weakly negatively decoupled, and by 2020, 31.5% of the region was weakly negatively decoupled, 63.8% strongly decoupled. 3) the coupling and coordination index of carbon emissions and economy of the construction industry from 2010 to 2020 is less than 0.4 is in a serious dysfunctional state, which has a significant impact on the coupling and coordination of carbon emissions and economy of beijing-tianjin-hebei. 4) the hotspots of pm_2.5 and co₂ emissions are gradually concentrated from the central and southern regions of beijing-tianjin-hebei to the central region, and the high-emission and high-gdp region is gradually transformed into a low-emission and high-gdp region, with the main contributing industry being the transportation industry, which is concentrated in the central part of beijing-tianjin-hebei and bohai rim and other regions. this study aims to provide theoretical basis and scientific support for the optimization direction of the future industry structure in beijing-tianjin-hebei, the development path of beijing-tianjin-hebei differentiated synergistic emission reduction, and the realization of decoupling and synergistic emission reduction targets of gdp and pm_2.5 and co₂ emissions in regions at different stages of development in china.

文章引用：马凯歌, 刘兴宇, 史江亚. 大气污染物与co₂精细化协同减排效应及其与gdp耦合研究：以京津冀地区为例[j]. 地球科学前沿, 2024, 14(10): 1317-1332.

1. 引言

京津冀地区作为“首都圈”，是中国三大经济增长极之一，伴随着中国经济高速增长，工业化和城市化进程迅速推进，中国已超过美国成为第一大碳排放国家，作为中国中东部重要的经济圈，其巨大的能源消耗和不利的大气扩散条件，尤其是以pm_2.5为首要污染物的污染现象突出，导致近年来甚至出现多次pm_2.5排放量超过500 µg/m³且持续数天的重污染天气同时京津冀环境问题日益突出，相较于之前年份空气质量有所好转，但整体空气质量低于全国平均水平。虽然近年来碳排放强度有所降低，空气污染水平得到一定程度遏制，但发展不平衡、不充分问题依然突出，生态环境保护形势依然严峻。而由于碳排放与空气污染具有“同根同源性”，开展减污降碳协同控制、实现经济社会发展全面绿色转型势在必行 (国务院，关于印发《减污降碳协同增效实施方案》的通知)。

在上述背景下，温室气体和大气污染物协同控制与经济水平的耦合分析成为当前研究热点，总体可分为两方面：一是以行业部门为研究切入点，对不同政策措施下的协同减排效应进行分析，如：罗奇等通过构造四个影响碳污协同减排的维度，评价不同政策措施对减排效应的差异性和对经济的影响，得出工业部门维持开放、稳定的贸易政策有利于经济增长与环境保护协同共进；杨添棋等选取交通、民用和电力部门，采用gains-jjj模型在完成基准年校正工作的基础上，定量评估“三年行动计划”中四大结构调整政策在“2 26”城市的常规大气污染物与co₂的协同减排效益，并分析由其带来减排效果，得出更快速地实现电力部门脱碳，能够最大限度地发挥空气质量和气候目标之间的协同效益。二是以区域内单一大气污染物和经济耦合时空特征为研究切入点，识别并预测某区域污染物的时空排放特征，进而研究大气污染物和经济二者之间的耦合解耦效应，如：丘兆逸等基于空间异质性的特征，采用我国历年的省际面板数据，运用社会网络分析法，从空间角度比较碳排放与经济发展两个网络之间的关系；wu等采用tapio耦合模型，分析了2010~2017年我国东、中、西部地区交通运输部门pm_2.5排放与经济增长的耦合关系。而在京津冀地区，研究多集中在基于空气质量改善目标下如何制定污染控制措施以保证经济水平的稳步增长，以及在碳达峰碳中和压力下碳污协同控制路径。总体而言现有协同减排效应及其耦合研究多停留在市级或更为宏观的行政尺度-，对双方关系的变化描述不够精细化，为研究pm_2.5和co₂协同减排和经济增长的耦合研究带来了困难。且对主要排放源行业差异不作区分或仅停留在单一行业层面，对研究区碳污协同减排效应及耦合度时空变化分析难以做到精细化，同时也为协同减排重点行业和重点区域的筛选及其后的统筹治理带来了困难。

针对上述不足，本研究采用基于行业细分的高分辨率(10 × 10 km)碳污排放数据，采用tapio耦合模型、耦合协调模型与协调影响指标，精准刻画京津冀区域2000~2020年碳污排放时空格局特征及其与gdp增长的耦合效应，在此基础上，应用双变量空间自相关方法，识别并筛选影响区域碳污协同减排关键行业和热点区域。研究结果有望为京津冀地区开展区域协同治理和精准防控，制定差异化协同减排发展路径提供理论依据和科学支撑。

2. 材料与方法

2.1. 数据来源及数据处理

本研究pm_2.5、co₂数据来自全球大气研究排放数据库(edgar)中全球空气污染物排放数据集edgar v6.1 1_ap (1970~2020) ()，选择2000~2020年间pm_2.5、co₂分行业排放数据，通过格式转换、重采样和裁剪得到10 km × 10 km目标区域pm_2.5及co₂排放数据。gdp数据来自中国科学院资源环境科学与数据中心()。具体数据信息如所示。

table 1. data description and data sources

表1. 数据描述和数据来源

数据名称	时间分辨率	空间分辨率	单位	数据来源
pm_2.5数据集	2000~2020年京津冀地区，工业生产行业、建筑行业、能源行业等行业及各行业总pm_2.5数据集排放量	10 × 10 km	t	edgar-全球大气研究排放数据库(edgar-全球大气研究的排放数据库 (europa.eu))
co₂数据集	2000~2020年京津冀地区，工业生产行业、建筑行业、能源行业等行业以及各行业总co₂排放量	10 × 10 km	t	edgar-全球大气研究排放数据库(edgar-全球大气研究的排放数据库(europa.eu))
gdp数据集	2000~2020年京津冀地区gdp 总产值	1 × 1 km	百万美元	中国科学院资源环境科学与数据中心()

2.2. 研究方法

2.2.1. 协同控制效应评估

协同控制效应坐标系法是在二维或多维欧氏空间坐标系中，以坐标形式直观地表达大气污染物和温室气体的减排效果及两者协同状况。在协同控制效应坐标系中()，点表示年份，横、纵坐标分别表示该年份pm_2.5、co₂排放量的减排率及其协同状况。

计算公式如下：

$δ {co}_{2} = \begin{matrix} \frac{c^{1} - c}{c} \end{matrix}$ (1)

$δ {pm}_{2.5} = \frac{p^{1} - p}{p}$ (2)

式中，∆co₂指co₂的减排率(%)；∆pm_2.5指pm_2.5的减排率(%)；c¹为后一年的co₂排放量(t)，c为当年的co₂排放量(t)，p¹为后一年的pm_2.5排放量(t)，p为当年的pm_2.5排放量(t)。

在协同控制效应坐标系中，若某点处于第三象限，则co₂排放量和pm_2.5排放量得到协同控制(c¹, p¹)。在第一象限中，co₂排放量和pm_2.5排放量同时上升(c², p²)，第二象限代表co₂排放量的上升和pm_2.5排放量的下降(c², p¹)，而第四象限则相反。此外，以第三象限为例，某点到原点连线与横坐标的夹角越大，表明该点所代表的年份在减排等量温室气体的同时，对大气污染物的减排效果越好(如中点b优于点a)。

2.2.2. 耦合协调模型

耦合度可以表示多个系统之间相互依赖和相互限制的程度。本文在tapio耦合模型量化了弱解耦、强解耦等8种解耦状态的基础上，使用协调度t跟踪多个系统之间有益耦合的数量，以指示协调质量。本文对ma等人的耦合协调度模型进一步推广，用以衡量京津冀地区各行业co₂、pm_2.5排放量韧性指数和gdp韧性指数的交互关系，以详细测度gdp与co₂、pm_2.5排放量的协调水平，其公式为：

$c = {\frac{u_{1} \times u_{2}}{{(\frac{u_{1} u_{2}}{2})}^{2}}}^{\frac{1}{2}}$ (3)

figure 1. synergistic control effect coordinate system diagram

图1. 协同控制效应坐标系示意图

$\begin{matrix} \begin{matrix} \begin{matrix} u_{1} = \frac{l}{l_{d}} \end{matrix} \end{matrix} \end{matrix}$ (4)

$\begin{matrix} u_{2} = \frac{e}{e_{d}} \end{matrix}$ (5)

$d = \sqrt{c \times t}$ (6)

$t = α u_{1} β u_{2}$ (7)

式中 $u_{1}$ 代表各行业co₂、pm_2.5排放量的韧性指数；l为该行业2000年co₂、pm_2.5排放量的平均值；l_d为该行业2000~2020年co₂、pm_2.5排放量的平均值；代表gdp韧性指数；e为京津冀地区gdp平均值；e_d为2000~2020年京津冀地区gdp平均值。分别代表不同系统的综合评价指数；c是耦合度；d为耦合协调度；t为综合协调指数。耦合度c描述了系统间相互作用和影响的程度，耦合协调度d能够更全面地评价两个系统的发展状况，d值高低说明两系统之间相互促进关系的高低。α、β分别代表两个子系统的贡献份额，本文参考王少剑等人的研究，将α、β均设定为0.5。同时借鉴物理学的划分标准，基于耦合协调度d的大小以及各行业co₂、pm_2.5排放量系统u₁和gdp系统u₂间的相对关系，将gdp与各行业co₂、pm_2.5排放量韧性的耦合情况划分为4个大类、12个亚类。具体划分如所示。

table 2. classification of coupling coordination types between gdp and co₂ emissions of various industries

表2. gdp与各行业co₂排放量的耦合协调类型划分

类型	耦合协调度	亚类型	u₁与u₂相对大小
高级协调	0.8 < d ≤ 1	高级协调–gdp滞后	u₂ − u₁ > 0.1
		高级协调–行业co₂、pm2.5排放量滞后	u₁ − u₂ > 0.1
		高级协调	0 ≤ $\| u_{1} - u_{2} \|$ ≤ 0.1
基本协调	0.5 < d ≤ 0.8	基本协调–gdp滞后	u₂ − u₁ > 0.1
		基本协调–行业co₂、pm2.5排放量滞后	u₁ − u₂ > 0.1
		基本协调	0 ≤ $\| u_{1} - u_{2} \|$ ≤ 0.1
基本失调	0.3 < d ≤ 0.5	基本失调–gdp受阻	u₂ − u₁ > 0.1
		基本失调–行业co₂、pm2.5排放量受阻	u₁ − u₂ > 0.1
		基本失调	0 ≤ $\| u_{1} - u_{2} \|$ ≤ 0.1
严重失调	0 < d ≤ 0.3	严重失调–gdp受阻	u₂ − u₁ > 0.1
		严重失调–行业co₂、pm2.5排放量受阻	u₁ − u₂ > 0.1
		严重失调	0 ≤ $\| u_{1} - u_{2} \|$ ≤ 0.1

在耦合协调模型基础上，为分析各行业co₂、pm_2.5排放量对gdp发展耦合协调度的影响程度，识别关键贡献行业，本文进一步采用协调影响指标用于评估工业生产、建筑、能源、运输和农业5个行业co₂、pm_2.5排放量子系统对整体耦合协调的影响。协调影响力ci指标具体为：

$ci = w_{x} (d_{x} - d_{y})$ (8)

式中：d_x(x = 1, 2, 3)表示gdp与各行业co₂、pm_2.5排放量的耦合协调度，d_y表示gdp与各行业co₂、pm_2.5总排放量的耦合协调度；w_x为各行业co₂、pm_2.5排放量对应的权重系数。协调影响力ci能够衡量子类协调对总体协调的影响，其数值正负分别代表推动和阻滞效应，数值大小代表了影响程度。

2.2.3. 双变量空间自相关

空间自相关是指一些变量在同一区域内观测数据之间潜在的相互依赖关系，主要通过空间自相关指标莫兰指数(moran’s i) 来测量。本研究使用双变量空间自相关，通过全局莫兰指数和局域莫兰指数探讨京津冀地区pm_2.5、co₂排放量和gdp的空间集聚特征，全局莫兰指数反映空间临近区域单元属性值的整体相似程度，可用来分析京津冀各地区co₂、pm_2.5排放量和gdp的空间关联性，其表达式为：

$i = \frac{n \sum_{i}^{n} \sum_{j \neq i}^{n} w_{i j} x_{j}^{a} x_{j}^{b}}{(n - 1) \sum_{i}^{n} \sum_{j \neq i}^{n} w_{i j}}$ (9)

局部空间自相关moran’s i指数用于反映研究区域一个地区co₂、pm_2.5排放量与邻近地区co₂、pm_2.5排放量的相关程度，其表达式为：

$i_{a b} = x_{i}^{a} \sum w_{i j} x_{j}^{b}$ (10)

式中： $x_{i}^{a}$ 为第i个单元的co₂、pm_2.5排放量， $x_{j}^{b}$ 为与第i个单元临近的区域中gdp；w_ij为空间权重矩阵。i > 0，表示高–高、低–低关联，即高值被高值包围，低值被低值包围，属于正空间关联；i < 0，表示低–高、高–低关联，即低值被高值包围，高值被低值包围，属于负空间关联，等于0时表示不存在空间关联性。

3. 结果与分析

3.1. 协调控制效应评价

对京津冀地区co₂和pm_2.5排放协同控制效应分析结果表明()，所有年份的协同点均位于第一三四象限，表明2000~2020年间没有出现减排co₂但增排pm_2.5的情况，其中2000~2003年以及2010年同时减排co₂和pm_2.5，并且由于2001年我国发布第十个五年计划的实施推动了经济结构的战略性调整和可持续发展，同时结果显示2001年代表点到原点的连线与横坐标轴夹角度数最大，2002年代表点到原点距离最远，表明这两年协同效应较好；位于第三象限的2014和2015年同时增排co₂和pm_2.5，并且2015年协同效应较差，这是由于“十二五”和“十三五”计划变革初期我国经济社会发展呈现阶段变化，经济结构转型加快导致的；除了上述年份以外的其他年份都处于第四象限，代表减排pm_2.5但增排co₂。

工业生产行业、运输业、能源业、建筑业和农业5大行业像元面积占比趋势走向分析表明()，2000~2008年，京津冀地区具有co₂和pm_2.5协同控制效应(c1p1)的行业占比波动式上升。特别是2007年c1p1类型的面积显著扩大，由3.1%上升到24.6%，主要原因是政府响应了“绿色奥运”的目标，对大量高能耗、高污染企业进行了管理和搬迁、产业布局不断优化。2009年后c1p1类型的面积呈现先下降后上升的变化趋势，并在2014年时达到最高水平，占比为68%。其次，c2p2类型的面积变化趋势与c1p1类型相反，该情形在2014年后大幅度下降，并在2017年面积稳定在2%左右，这与2013年《大气污染防治行动计划》的实施密切相关。而c2p1和c1p2两种情形面积占比之和在3%~50%上下波动，意味着京津冀地区co₂和pm_2.5处于抵制状态的行业仍较多。

进一步分析各行业协同效应占比可以看出，2000~2020年能源业和工业生产行业co₂排放和pm_2.5排放较多年份不协调。这是由于京津冀地区经济依赖重工业，能源消费强度高且效率较低，导致能源co₂排放量持续增长的年份较多，然而能源行业并不是造成京津冀空气污染的主要原因。京津冀地区运输行业相较于其他行业co₂和pm_2.5协同效应处于同时减排的年份占比最高，建筑业co₂和pm_2.5协同效应处于同时增排年份占比最高。根据《中国环境统计年鉴》可以看出，京津冀整体碳排放量在2013年以前逐步上升，但在2013年之后碳排放量开始下降并逐渐加速，其中第二产业的工业生产行业和建筑业的碳排放量远超第三产业的运输业和第一产业农业占据核心地位，并且2010年以后增速较为明显，这与居民生活水平提升和城镇化进程加快息息相关。并且京津冀地区pm_2.5排放量在2011年以后开始下降，这与“十二五”以来，京津冀地区在蓝天保卫战方面付出的行动是密不可分的。

3.2. 耦合时空分析

经济增长量和碳污排放的耦合方面，京津冀地区在2000~2020年间全行业pm_2.5排放量与gdp之间耦合程度逐渐由“弱负解耦”向“强耦合”发展。在整体趋势上，京津冀地区经济水平稳步增长，同时pm_2.5排放量稳步下降，2010年达到了理想的强解耦状态。而2000~2020年间京津冀地区碳排放量与经济增长之间存在隐性耦合状态，耦合程度逐渐由“隐性解耦”向“隐性耦合”发展。在整体趋势上，京津冀地区经济水平稳步增长，但碳排放量的增长和经济水平之间存在波动关系。

具体的，京津冀地区在空间格网尺度上的耦合状态分布不均衡，2000~2005年间，64.3的区域处于隐性解耦状态，到2005~2010年间减少为34.3%，该区域分布在北京西北郊区以及天津周边地区，表明上述地区经济衰退但碳排放量下降缓慢，这是因为2000年以来北京市及周边区域已经实现碳达峰，这与北京市能源消费结构的改变有密切联系；2010~2015年间区域整体解耦状态较为理想，但是两极分化严重，河北省保定市和天津市地区出现最差耦合情况(强负解耦)，其余68.3%地区呈现弱解耦，弱解耦城市以北京市为中心分布在京津冀北部和南部地区；2015~2020年间随着政策的不断推进，72.5%区域为隐性耦合状态，经济增长与碳排放量呈现同向变化，17.1%区域为强解耦，分布于京津冀边缘地区和北京天津部分郊区，说明以上地区经济增长速度大于碳排放量增长速度。总体而言，2000~2020年间京津冀地区经济增长与碳排放的解耦状态多为弱解耦(26.4%)、隐性解耦(31.4%)和隐性耦合(33.8%)，且冀南地区面临较大的减排压力，是因为该地区人口众多，产业结构偏重。北京西部郊区和廊坊市极少地区解耦状态处于强负解耦，这些地区经济过度依赖重工业。

(a)

(b) (c)

figure 2. the trend of c1p1, c2p2, c1p2 and c2p1 quadrants and area proportion in beijing-tianjin-hebei region from 2000 to 2020 ((a) quadrant diagram of coordination effect; (b) trend diagram of industry coordination effect; (c) proportion diagram of industry coordination effect )

图2. 2000~2020年京津冀c1p1、c2p2、c1p2、c2p1象限图及面积占比走向趋势((a) 协调效应象限图；(b) 行业协调效应占比走势图；(c) 行业协调效应占比图)

相较于co₂和gdp耦合状态的波动性，pm_2.5和gdp之间的耦合水平在研究期间稳步上升()。2000~2005年间，75.71%地区都处于弱负解耦状态，而到2015年弱负解耦状态减少至3.48%，仅零星分布于河北张家口市周边地区，反之分布于廊坊和冀北地区的强解耦则从14.86%上升为84.9%，并且研究区间内整体pm_2.5和gdp的耦合状态也维持在强解耦状态()。2000~2005年，pm_2.5浓度显著增加，作者认为这与北京、邯郸、唐山、张家口等重工业城市改进产业结构，并严格执行环境治理政策，大力推进低碳交通运输体系以及清洁能源的使用有关，由此导致京津冀地区整体在经济增长的同时pm_2.5排放量显著减少。部分地区由于产业结构和独特的地形条件，如京津冀中西部和环渤海地区等经济发达地区虽未达到强解耦的理想状态，但可以凭先进制造业和高进技术实现pm_2.5和gdp的解耦，具有非常大pm_2.5和gdp解耦潜力。

总的来看，西部和北部耦合情况相较于其他地区总体表现较好，由于河北省在清洁能源的使用上明显弱于京津两地区，并且人口众多，区域之间产业结构存在巨大差异导致河北省碳污排放量主导着京津冀整体排放量走势，其经济增长与碳污排放依然存在一定关联性，碳排放和经济水平理想耦合状态的强解耦状态还存在较大差距。

table 3. the coupling results of pm_2.5, co₂ emissions and economic level in beijing-tianjin-hebei from 2000 to 2020

表3. 2000~2020年京津冀pm_2.5、co₂排放和经济水平耦合结果

时间	dc类型(pm_2.5/co₂)
2000~2005	弱负解耦/隐性解耦
2005~2010	弱负解耦/隐性耦合
2010~2015	强解耦/弱解耦
2015~2020	强解耦/隐性耦合
2000~2020	强解耦/隐性耦合

(a) (b)

figure 3. the spatio-temporal evolution of pm_2.5, co₂ and gdp coupling in beijing-tianjin-hebei region from 2000 to 2020. (a) spatio-temporal evolution of pm_2.5 and gdp; (b) spatio-temporal evolution of co₂ and gdp

图3. 2000~2020年京津冀地区pm_2.5、co₂和gdp耦合时空演化。(a) pm_2.5和gdp时空演化；(b) co₂和gdp时空演化

3.3. pm_2.5、co₂排放与gdp耦合协调行业贡献分析

进一步分行业对2000~2020年京津冀地区pm_2.5、co₂排放与gdp的耦合协调影响程度进行评价，结果如所示。研究区间内，京津冀各行业pm_2.5、co₂排放与gdp耦合协调程度呈现出不同的发展趋势。时间尺度上，2000年co₂排放与gdp耦合协调类型除农业呈现基本失调状态外，其他达到基本协调。到2005年，农业碳排放和经济耦合协调类型转变为严重失调，因为在农业发展初期，农业投入过多、灌溉效率低等问题导致农业碳排放与经济增长不协调，在此期间gdp增长速度也低于碳排放量增长速度。至2010年各行业开始出现分化，农业和运输业由严重失调和基本协调转变为高级协调(d > 0.8)，其余行业则由基本协调转变为严重失调(0 < d < 0.3)，五个行业总碳排放量和gdp耦合协调为严重失调。这是因为“十一五”期间经济持续快速增长并处于新一轮上升周期，工业化和城市化加速，这些加大了对资源的需求和消耗强度。2015~2020年，随着中国经济持续增长以及国家产业结构政策成效的显现，碳排放增长与各行业经济水平发展不平衡状况有所缓解，除建筑业(d > 0.3)以外四个行业d指都有所上升，代表逐渐由“失调”转为“协调”。上述地区2000~2020年间，建筑业co₂排放与经济水平耦合上呈现出从“协调”转为“失调”发展成为“严重失调”状态，并且gdp增长速率低于co₂排放量增速，这与京津冀地区建筑业低碳技术创新水平对碳排放强度产生负向效应有关。而运输业在co₂排放与经济水平耦合上具有基本的协调性，且co₂排放速率低于经济增长率，具有巨大的协同发展潜力。

京津冀地区随着绿色发展战略稳步推进，工业发展高级化提高，各行业pm_2.5排放量和gdp耦合协调从2000年起，一直处于协调状态。2000~2005年各行业均处于pm_2.5排放量增速低于gdp增速，2010年之后pm_2.5排放量增速略高于gdp增速，但基本协调。

总体而言，京津冀地区co₂排放量和gdp耦合协调呈现出基本协调—严重失调—基本失调的趋势，其中建筑业碳排放对gdp影响最为显著，政府有必要系统优化政策。pm_2.5排放量和gdp耦合整体呈现基本协调或高级协调，各行业pm_2.5排放量略低于gdp增速。

table 4. the coupling coordination type between gdp and pm_2.5 and co₂ emissions in various industries

表4. gdp与各行业pm_2.5、co₂排放量的耦合协调类型

(a)
	年份	建筑	能源	农业	运输	工业生产	总
co₂	2000	0.6	0.6	0.39	0.6	0.6	0.6
	2005	0.8	0.7	0.27	0.7	0.8	0.8
	2010	0.23	0.09	1	1.1	0.22	0.15
	2015	0.39	0.43	0.29	0.48	0.34	0.4
	2020	0.3	0.56	1	0.53	0.42	0.47
pm_2.5	2000	0.6	0.61	0.56	0.56	0.6	0.32
	2005	0.668	0.69	0.64	0.64	0.7	0.34
	2010	0.74	0.71	0.73	0.72	0.7	0.42
	2015	0.74	0.73	0.77	0.78	0.7	0.46
	2020	0.69	0.69	0.79	0.82	0.63	0.49
(b)

基本协调

基本协调—gdp 滞后

基本协调—行业排放量滞后

高级协调

高级协调—行业排放量滞后

基本失调

基本失调—gdp 受阻

严重失调

严重失调—行业排放量滞后

严重失调—gdp 受阻

3.4. 双变量空间自相关分析

依据全局空间自相关模型，探讨京津冀地区城市绿色发展水平与发展效率在空间上的相关程度，分析不同时期京津冀地区城市绿色发展水平和发展效率的空间关联特征。测算结果如所示，系数均为正数，表明在空间全局分布上pm_2.5、co₂排放量与gdp间存在正相关关系，并在空间上存在集聚性。

table 5. the bivariate global spatial autocorrelation coefficients of pm_2.5, co₂ and gdp in beijing-tianjin-hebei region from 2000 to 2020

表5. 京津冀地区2000~2020 pm_2.5、co₂和gdp双变量全局空间自相关系数

年份	pm2.5-gdp	co₂-gdp
2000	0.269	0.2
2005	0.268	0.195
2010	0.256	0.186
2015	0.247	0.179
2020	0.251	0.178

进一步通过双变量局部空间自相关分析得到pm_2.5、co₂排放量与gdp的lisa图(、)。从时空演化来看，2000~2020年京津冀地区pm_2.5和co₂排放量与gdp双变量空间自相关lisa聚类图演化趋势相似。“高–高”集聚区域表示pm_2.5、co₂排放量与gdp区域出现集聚现象，研究区间内该区域位于京津冀地区中部和南部，表明京津冀地区中部和南部与邻近区域形成“高pm_2.5、co₂排放量–高gdp”集聚区，且pm_2.5排放量和gdp该类型地区逐年增加，co₂排放量和gdp“高–高”集聚区数量在2010年到达峰值。京津冀地区西南部中东部少部分地区与周边临近区域形成“低pm_2.5、co₂排放量–高gdp水平”集聚区，pm_2.5、co₂排放量与gdp呈现负相关关系，且研究区间内该集聚区面积有增加趋势。2000~2020年京津冀地区出现“低–低”集聚区域面积均未发生大的变化，且集中在京津冀地区北部和西南部等经济不发达地区。特别需要指出的是，2000~2020年“高pm_2.5、co₂排放量—低gdp”集聚区域一直保持在一个较低水平。“低–高”集聚区包围着“高–高”集聚区，这说明京津冀中部和南部等经济发达城市随着绿色可持续发展意识的增强以及节能减排措施在京津冀协同过程中的进一步推广，该连片区域有望成为京津冀地区绿色发展的引领区和示范区，可带动京津冀区域绿色发展水平和发展效率的整体提升。

(a) 2000

figure 4. bivariate lisa cluster diagram of pm_2.5 and gdp in beijing-tianjin-hebei region from 2000 to 2020

图4. 京津冀地区2000~2020年pm_2.5和gdp双变量lisa聚类图

(a) 2000

figure 5. bivariate lisa cluster diagram of co₂ and gdp in beijing-tianjin-hebei region from 2000 to 2020

图5. 京津冀地区2000~2020年co₂和gdp双变量lisa聚类图

4. 结论

本研究对2000~2020年京津冀地区10 × 10 km分辨率的工业生产行业、建筑行业、能源行业等行业及各行业总pm_2.5排放量数据集及1 × 1 km分辨率gdp数据，采用协同控制效应评估、耦合协调分析以及双变量空间自相关分析，精准刻画京津冀区域2000~2020年碳污排放时空格局特征及其与gdp增长的耦合效应，在此基础上，应用双变量空间自相关方法，识别并筛选影响区域碳污协同减排关键行业和热点区域，得出结论如下：

1) 研究期间内，京津冀地区实现co₂和pm_2.5协同控制效应的行业协调占比呈现先上升–下降–上升的变化趋势，在2010年时协同效应最优。体现了该区域对co₂和pm_2.5治理工作的努力。

2) 2000~2020年间京津冀地区经济增长与碳排放的解耦状态面临多样化情况，但研究区间内总体上呈现北部地区弱解耦(26.4%)、中部地区隐性解耦(31.4%)和南部地区隐性耦合状态(33.8%)，隐性解耦和隐性耦合区域多集中在京津冀中南部分和东部，且指数值多在1.0左右，说明京津冀地区碳排放增速略低于经济水平的增速，或与经济水平的增速持平。以2005年为拐点，耦合值自2000年以来呈现先升后降的过程，原因之一为“十一五”期间经济持续快速增长并处于新一轮上升周期，工业化和城市化加速，这些加大了对资源的需求和消耗强度；另一方面，是由于京津冀地区产业结构差异造成的。京津冀地区整体pm_2.5和经济耦合状态从2005年逐渐由弱负解耦转变为强解耦，但中部地区还处于弱负解耦和膨胀耦合状态。综合来看，区域之间产业结构存在巨大差异导致河北省碳污排放量主导着京津冀碳污排放量和gdp耦合走势，其碳排放和gdp理想耦合状态的强解耦状态还存在差距。

3) 建筑业是京津冀地区碳排放和经济耦合协调的重要影响因素，其碳排放增速严重影响gdp增速。京津冀地区运输业pm_2.5排放量已经能够较大程度上影响gdp的增速，且运输业在co₂排放与经济水平耦合上具有基本的协调性(0.3 < d < 1)，co₂排放速率低于经济增长率，具有巨大的协同发展潜力。

4) 2000~2020年京津冀地区pm_2.5、co₂排放量和gdp增长呈正相关关系，且区域差异明显。高–高区域和低–高区域面积逐渐增长，高–高区域主要集中在北京周边、天津、沧州、石家庄和冀南地区，且由高pm_2.5、co₂排放量和高gdp区域逐渐转换为低pm_2.5、co₂排放量和高gdp区域。

参考文献

[1]	dong, h., dai, h., dong, l., fujita, t., geng, y., klimont, z., et al. (2015) pursuing air pollutant co-benefits of co₂ mitigation in china: a provincial leveled analysis. applied energy, 144, 165-174.
[2]	andersson, a., deng, j., du, k., zheng, m., yan, c., sköld, m., et al. (2015) regionally-varying combustion sources of the january 2013 severe haze events over eastern china. environmental science & technology, 49, 2038-2043.
[3]	guo, s., hu, m., zamora, m.l., peng, j., shang, d., zheng, j., et al. (2014) elucidating severe urban haze formation in china. proceedings of the national academy of sciences of the united states of america, 111, 17373-17378.
[4]	cao, j., yang, c., li, j., chen, r., chen, b., gu, d., et al. (2011) association between long-term exposure to outdoor air pollution and mortality in china: a cohort study. journal of hazardous materials, 186, 1594-1600.
[5]	朱潜挺, 王喜悦, 章姝, 等. 京津冀工业企业研发创新对碳排放强度的影响——基于规模和效率视角的实证研究[j/ol]. 科学学研究: 1-23. , 2024-10-16.
[6]	朱思梦. 京津冀及周边地区“2 26”城市空气质量及影响因素研究[d]: [硕士学位论文]. 沈阳: 辽宁大学, 2022.
[7]	gao, x., liu, n. and hua, y. (2022) environmental protection tax law on the synergy of pollution reduction and carbon reduction in china: evidence from a panel data of 107 cities. sustainable production and consumption, 33, 425-437.
[8]	生态环境部发展改革委工业和信息化部住房城乡建设部交通运输部农业农村部能源局关于印发《减污降碳协同增效实施方案》的通知[j]. 中华人民共和国国务院公报, 2022(24): 42-49.
[9]	zhang, x., geng, y., shao, s., song, x., fan, m., yang, l., et al. (2020) decoupling pm2.5 emissions and economic growth in china over 1998-2016: a regional investment perspective. science of the total environment, 714, article id: 136841.
[10]	guan, y., xiao, y., rong, b., kang, l., zhang, n. and chu, c. (2023) heterogeneity and typology of the city-level synergy between co₂ emission, pm_2.5, and ozone pollution in china. journal of cleaner production, 405, article id: 136871.
[11]	罗奇, 黄炜. 经济增长与环境保护协同共进:基于贸易政策不确定性下降的污染减排效应视角[j]. 财贸经济, 2024, 45(3): 127-143.
[12]	杨添棋. 京津冀及周边地区大气污染防治政策的减污降碳协同效益分析研究[d]: [硕士学位论文]. 北京: 中国环境科学研究院, 2023.
[13]	丘兆逸, 国金鑫, 梁松. 基于双网络视角的中国协同推进碳减排与经济发展路径研究[j]. 南宁师范大学学报(自然科学版), 2023, 40(3): 95-103.
[14]	wu, y., zhou, y. and xu, b. (2022) decoupling relationship between economic growth and pm_2.5 emissions in the transportation sector in china: regional differences and influencing factors. environmental research letters, 17, article id: 044065.
[15]	李夏卿. 京津冀区域大气污染协同治理机制研究[d]: [博士学位论文]. 北京: 中共中央党校, 2021.
[16]	杨静, 刘会娟, 吉庆华, 等. 降碳减污多维协同的基础科学问题[j]. 中国科学基金, 2023, 37(6): 1021-1026.
[17]	cai, x., zheng, s., zhang, x., ye, z., liu, c. and tan, z. (2024) the impact of co₂ emission synergy on pm_2.5 emissions and a dynamic analysis of health and economic benefits: a case study of china’s transportation industry. journal of cleaner production, 471, article id: 143405.
[18]	李飞, 董珑, 孔少杰, 等. 我国省域co₂-pm_2.5-o₃时空关联效应与协同管控对策[j]. 中国环境科学, 2023, 43(12): 6246-6260.
[19]	gu, b., zhao, h., li, x. and zhang, q. (2024) moving towards synergistic reductions on pm_2.5 and co₂ and its mechanism: a case study of yangtze river economic belt, china. journal of geographical sciences, 34, 1493-1512.
[20]	马丽梅, 张晓. 中国雾霾污染的空间效应及经济、能源结构影响[j]. 中国工业经济, 2014(4): 19-31.
[21]	wang, z. and di, z. (2024) assessing of the county-level synergy between co₂ emissions and pm_2.5 pollution in shandong province, china. international journal of environmental science and technology.
[22]	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.
[23]	bai, z.f., han, l., liu, h.q., li, l.z. and jiang, x.h. (2023) assessment of coordinated development between urban land use efficiency and ecological carrying capacity: case study of the cities in inner mongolia. ecological indicators, 155, article id: 110933.
[24]	tapio, p. (2005) towards a theory of decoupling: degrees of decoupling in the eu and the case of road traffic in finland between 1970 and 2001. transport policy, 12, 137-151.
[25]	zhang, y., zhu, t., guo, h. and yang, x. (2023) analysis of the coupling coordination degree of the society-economy-resource-environment system in urban areas: case study of the jingjinji urban agglomeration, china. ecological indicators, 146, article id: 109851.
[26]	ma, m. and tang, j. (2022) interactive coercive relationship and spatio-temporal coupling coordination degree between tourism urbanization and eco-environment: a case study in western china. ecological indicators, 142, article id: 109149.
[27]	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.
[28]	王亚楠, 肖潇, 蒲金芳, 等. 40年来长江经济带“三生”空间时空演化特征[j]. 农业机械学报, 2022, 53(11): 215-225.
[29]	昌晶亮, 余洪, 罗伟伟. 珠三角地区pm_2.5浓度空间自相关分析[j]. 生态与农村环境学报, 2015, 31(6): 853-858.
[30]	国民经济和社会发展第十个五年计划城镇化发展重点专项规划[j]. 中华人民共和国国务院公报, 2002(32): 21-26.
[31]	杨力, 郑煜雨, 朱俊奇. 长江经济带数字经济与碳环境治理耦合协调的时空演变及驱动因素[j/ol]. 重庆理工大学学报(社会科学): 1-22. , 2024-10-16.
[32]	安敏, 王丽杰, 滕明月, 等. 京津冀地区pm_2.5与co₂的协同控制效应及调控因素研究[j]. 环境科学与技术, 2024, 47(7): 63-73.
[33]	唐浩, 佟孟华. 大气治理政策与资源型城市碳减排: 基于《大气污染防治行动计划》的视角[j]. 环境科学研究, 2024, 37(6): 1169-1180.
[34]	都泊桦. 京津冀碳排放投入产出模型研究[d]: [博士学位论文]. 北京: 首都经济贸易大学, 2020.
[35]	边宇, 蔺雪芹, 周笑, 等. 京津冀工业碳排放时空演化特征及影响因素[j]. 环境科学与技术, 2021, 44(11): 37-47.
[36]	马潇颖. 京津冀地区碳中和关键因素减排固碳潜力研究[d]: [博士学位论文]. 北京: 华北电力大学,2022.
[37]	“十三五”环保规划出台京津冀、长三角、珠三角明确煤炭消费总量下降目标[j]. 中国煤炭工业, 2017(1): 10-11.
[38]	孙雪松. 京津冀区域城镇化协调发展: 测度、时空分异及调控对策研究[d]: [博士学位论文]. 天津: 天津大学, 2021.
[39]	谢永乐. 动态空间视域下京津冀大气污染协同治理绩效评价研究[d]: [博士学位论文]. 北京: 中央财经大学, 2021.
[40]	陆小莉. 京津冀产业转型升级的效果评价与路径研究[d]: [博士学位论文]. 北京: 首都经济贸易大学, 2021.
[41]	崔瑜. 中国农业碳足迹与经济发展协调性研究——纳入碳汇效应的分析[d]: [博士学位论文]. 咸阳: 西北农林科技大学,2022.
[42]	李春成. “十一五”京津冀区域科技发展规划研究与制定[m]. 天津: 天津市科学研究所, 2009.
[43]	林童尧. 我国重点行业碳排放驱动因素及脱钩效应研究[d]: [硕士学位论文]. 北京: 华北电力大学, 2021.
[44]	胡一鸣. 京津冀地区建筑行业碳排放强度影响因素研究[d]: [硕士学位论文]. 北京: 北京交通大学, 2019.

为你推荐

凯发娱乐官网的友情链接