成渝城市群碳排放時空特征及其影響因素

韋彥汀,李思佳,張 華 (中國地質(zhì)大學(北京)經(jīng)濟管理學院,北京 100083)

近年來,國內(nèi)外學者均普遍關(guān)注碳排放問題.在碳排放的時空特征研究方面,有的學者研究了不同行業(yè)的碳排放時空異質(zhì)性[1-6],如建筑業(yè)[1]、交通運輸行業(yè)[2]、農(nóng)業(yè)[5]等三大產(chǎn)業(yè)都有相關(guān)學者進行了深入分析,采用的方法大多為地理加權(quán)回歸模型[1-4],以及Kernel密度估計[5]或生命周期評價法[6],研究發(fā)現(xiàn)碳排放在各地區(qū)空間差異大,且隨著各地區(qū)交往的增加,相鄰地區(qū)還存在明顯的空間擴散和溢出效應(yīng)[3-5].也有學者從不同的區(qū)域尺度進行了研究[7-13],從國家整體的角度切入分析[7],便于比較各國的風險與優(yōu)勢;也有從省域和城市群角度進行的研究[8-11],得出的結(jié)論能夠讓區(qū)域內(nèi)碳排放的空間治理進行資源的協(xié)調(diào)、共享與深度整合;還有學者從地級市角度進行了更詳細的探索[12-13],便于精確剖析各個影響碳排放因素的時空異質(zhì)性,找尋到更適合研究區(qū)域的減碳措施和運行機制.

在碳排放的影響因素研究方面,學者們在實證分析時主要使用的方法有:IPAT模型[14-15]、Kaya恒等式[16-17]、STIRPAT 模型[18-21]、LMDI分解法[22-24]、環(huán)境庫茲涅茨曲線[25-26]、空間計量方法[27-32]等.其中,IPAT環(huán)境污染理論影響深遠,較常應(yīng)用于碳排放預(yù)測[15],并且STIRPAT模型也是在IPAT理論基礎(chǔ)上拓展得到.因此,本文在確定碳排放影響因素時也以IPAT模型為基礎(chǔ).同時,也有越來越多的學者運用空間計量的方法研究碳排放的時空特征及影響因素[27-32].研究的模型大多選擇地理加權(quán)回歸[27-28]、空間滯后回歸(SLM)和空間誤差回歸(SEM)[31]、空間杜賓模型[32]或其他空間計量模型[30],而且相關(guān)研究揭示出我國重要城市群其碳排放水平的影響因素主要有產(chǎn)業(yè)結(jié)構(gòu)[28]、城鎮(zhèn)化率[29-30]、人口密度[30]、人均GDP[31]、科技創(chuàng)新[32]等.

目前,有關(guān)碳排放的時空差異研究主要集中在全國及省域?qū)用?、或者一些已?jīng)發(fā)展成熟的城市群,而將成渝城市群作為研究重點的文獻較少.利用空間計量方法討論城市群碳排放問題的文獻較多,很少有研究將局部空間相關(guān)分析與局部空間回歸分析相結(jié)合.因此,本文以成渝城市群的16個地級市為研究對象,綜合運用空間自相關(guān)模型和時空地理加權(quán)回歸(GTWR)模型,對碳排放總量、地均碳排放量與人均碳排放量3個碳排放指標進行了測算和分析.并從人口、經(jīng)濟、技術(shù)方面選取了人口規(guī)模、經(jīng)濟發(fā)展水平、工業(yè)結(jié)構(gòu)、城市化率、能源強度5個指標來探究其對成渝城市群碳排放的影響.研究各個指標對碳排放的貢獻程度,各個城市的關(guān)鍵減排因素,以期為當?shù)卣畬嵤﹨^(qū)域聯(lián)合治理和差異化減排政策提供參考.

1 研究方法與數(shù)據(jù)來源

1.1 碳排放量測算

本文使用成渝城市群16個地級市的面板數(shù)據(jù),由于各地級市統(tǒng)計年鑒并未給出各類化石能源消費的詳細統(tǒng)計信息,因此本文使用各個地級市的能源消耗總量,主要包括原煤和原油及其制品、天然氣、電力.考慮到數(shù)據(jù)來源的一致性,本文借鑒莫煒程[33]的測算方法,利用BP中國碳排放計算器提供的標準煤 CO2排放系數(shù),對 CO2排放總量、地均碳排放量與人均碳排放量 3個碳排放指標進行測算,具體計算公式為:

式中:C、N、M分別為地級市的碳排放總量、地均碳排放量和人均碳排放量;E為地級市的能源消耗總量;L、P分別為地級市的土地面積和人口數(shù)量;2.493是BP中國碳排放計算器提供的標準煤的CO2排放系數(shù).

1.2 空間自相關(guān)模型

基于成渝城市群碳排放量,本文運用探索性空間數(shù)據(jù)分析(ESDA)方法探究成渝城市群的碳排放的空間關(guān)聯(lián)特征.ESDA是針對具有空間依賴性和異質(zhì)性的數(shù)據(jù),以測度研究對象的空間關(guān)聯(lián)為重點,提供一系列空間數(shù)據(jù)分析方法和可視化技術(shù)的集合[34].本文借助ESDA中的全局空間自相關(guān)(Moran′s I)和局部空間自相關(guān)(LISA聚集圖)對成渝城市群的碳排放進行空間關(guān)聯(lián)分析.其中,全局空間自相關(guān)用來識別研究區(qū)域整體空間相關(guān)性,Moran′s I計算公式為:

為進一步識別城市群局部碳排放集聚區(qū)位,采用局部空間自相關(guān)方法.所得散點圖中四個象限分別代表4類城市群局部空間關(guān)聯(lián)類型:第一象限指高—高集聚區(qū),第二象限指低—高集聚區(qū),第三象限指低—低集聚區(qū),第四象限指高—低集聚區(qū).落在一、三象限內(nèi)的區(qū)域意味著空間單元碳排放呈現(xiàn)均質(zhì)性;而落在二、四象限的區(qū)域表示空間單元碳排放呈現(xiàn)異質(zhì)性.

綜合局部 Moran′s I的顯著水平和散點圖可得到LISA空間聚類地圖,用以識別成渝城市群碳排放熱點(高—高集聚區(qū))或冷點區(qū)域(低—低集聚區(qū)).

1.3 時空地理加權(quán)回歸模型(GTWR)

時空地理加權(quán)回歸模型則有效地突破了傳統(tǒng)地理加權(quán)回歸模型(GWR)由于截面數(shù)據(jù)樣本量有限,在具體使用過程中存在如解釋穩(wěn)定性受樣本量限制,因而不能估計模型參數(shù)的局限,將時間維度引入到地理加權(quán)回歸模型,解決空間和時間非平穩(wěn)性問題,使得估計更加有效,模型如式(5):

本文時空地理加權(quán)回歸模型運用Huang等提出的高斯函數(shù)法時空權(quán)函數(shù)和時空距離[35],將時空二維度的信息相結(jié)合.

式中:i、j為不同的樣本城市;參數(shù)λ和μ是衡量不相關(guān)度量系統(tǒng)中的空間和時間距離不同影響的比例因子;bST為時空權(quán)函數(shù)帶寬.

1.4 指標選取與數(shù)據(jù)來源

指標選取方面,本文依據(jù)Ehrlich提出的IPAT(環(huán)境負荷-人口-富裕-技術(shù))理論[14],該理論認為環(huán)境壓力主要受到人口規(guī)模、富裕程度、技術(shù)水平3個方面的影響,所以本文從人口、經(jīng)濟、技術(shù)3大方面選取相應(yīng)指標.在人口指標的選取上,選擇了與碳排放密切相關(guān)的人口規(guī)模作為人口方面的指標;在經(jīng)濟方面,考慮了經(jīng)濟發(fā)展水平與城市化率兩個指標;在技術(shù)方面,主要考慮到跟碳排放相關(guān)的產(chǎn)業(yè)結(jié)構(gòu),尤其是第二產(chǎn)業(yè)所占比重(工業(yè)結(jié)構(gòu)),以及能源排放的效率(能源強度).因此,本文最終選取人口規(guī)模、經(jīng)濟發(fā)展水平、城市化率、工業(yè)結(jié)構(gòu)、能源強度這 5個指標.

表1 研究指標與數(shù)據(jù)來源Table 1 Research indicators and data sources

數(shù)據(jù)來源主要是2009～2019年《四川統(tǒng)計年鑒》與《重慶統(tǒng)計年鑒》,以及成渝城市群各地市統(tǒng)計年鑒和市政府公報、EPS數(shù)據(jù)平臺.但由于成渝城市群內(nèi)大部分地級市如資陽市、雅安市等無法提供2020～2022年的有關(guān)能源強度、能源消耗總量的數(shù)據(jù)資料,為了數(shù)據(jù)的一致性和研究的統(tǒng)一性,本文使用了2009～2019年的統(tǒng)計年鑒數(shù)據(jù).

2 結(jié)果與分析

2.1 成渝城市群的碳排放時空特征

由圖1(a)可知,在 2008～2018年,成渝城市群城市的碳排放總量呈現(xiàn)上升趨勢,總量由 5億 t增加到6.6億t,增速約為1500萬t/a,其中成都和重慶的排放量占比最大,分別約為20%和25%,遂寧和雅安市的排放量相對較小,分別占比2%和2.5%,雅安市和瀘州市的增速較快,分別約為70%和42%.城市群內(nèi)部碳排放分布不均衡,是未來碳減排的重難點.其中,資陽市碳排放量自2015年呈現(xiàn)一定的下降趨勢,可能原因是其注重生態(tài)保護和綠色發(fā)展,積極開展節(jié)能產(chǎn)業(yè)、開發(fā)綠色建筑,綠化建設(shè),管理水平逐年提高[36].

由圖1(b)可知,依據(jù)碳排放總量和各地市的土地面積計算的地均碳排放量地區(qū)間差異較大,成都市的地均碳排放量在區(qū)域內(nèi)一直排名首位,且從2008年的 5600t/km2逐漸增加到 2018年的9800t/km2.雅安市的地均碳排放量在區(qū)域內(nèi)一直處于末位,從2008年的440t/km2逐漸增加到2018年的750t/km2;整個區(qū)域地均碳排放平均值從2008年的 2000t/km2穩(wěn)步增加到 2018年的 3200t/km2.值得注意的是,重慶市和綿陽市的地均碳排放量較低,主要得益于其較大的土地面積,具有一定的稀釋作用.

由圖1(c)可知,成渝城市群的人均碳排放量,呈現(xiàn)逐年增長趨勢且各城市差異不大.從 2008～2018年,樂山市的人均碳排放歷年來一直處于首位,從2008年的9t/人持續(xù)增加到2018年的11t/人.而歷年人均碳排放量的最小值,主要分布在南充、遂寧和廣安市,其他地區(qū)的排放量則主要處于 4～6t/人之間,差異并不明顯.

圖1 成渝城市群 2008～2018年碳排放量時空變化Fig.1 Spatial and temporal variation of carbon emissions related to Chengdu-Chongqing urban agglomeration,2008～2018

總體來看,成渝城市群碳排放總量呈持續(xù)增長的態(tài)勢,且主要集中在發(fā)展水平較高的成都市和重慶市,地均碳排量和人均碳排放量存在一定的波動上漲趨勢,地均碳排放量的高位主要集中在城市群的西部,即成都、德陽、內(nèi)江等城市,說明其相對 CO2排放濃度較高;人均碳排放量的熱點區(qū)域主要集中在樂山、成都,德陽和雅安等城市.同時,成都市的 3個碳排放指標都排在前列,與其經(jīng)濟水平的快速發(fā)展密切相關(guān),是未來碳減排的主要關(guān)注目標.

2.2 碳排放的空間關(guān)聯(lián)特征

2.2.1 全局空間自相關(guān)特征 由表2可知,成渝城市群碳排放總量和地均碳排放量的 Moran's I值均為負值,說明 2008～2018年碳排放強度水平相似的市區(qū)處于較為分散的分布,各個臨近地市間的排放存在差異.

表2 成渝城市群碳排放全局莫蘭指數(shù)Table 2 Global Moran’s I of carbon emissions in Chengdu-Chongqing urban agglomeration

自 2008～2018年,成渝城市群人均碳排放的Moran's I值均為正值且逐年增大,說明存在顯著的空間正自相關(guān)性,人均碳排放相似的地區(qū)呈現(xiàn)出集聚效應(yīng),且這種集聚效應(yīng)在逐步增強.

整體上,研究年內(nèi)成渝城市群的碳排放存在空間關(guān)聯(lián)性,碳排放總量和地均碳排放呈現(xiàn)明顯的地市的差異,而人均碳排放的空間集聚的態(tài)勢穩(wěn)定.

2.2.2 局部空間自相關(guān)特征 在碳排放量總量方面,2008～2018年,成渝城市群未出現(xiàn)顯著的高—高集聚和低—低集聚,而是存在較為穩(wěn)定的成都市高—低聚集,重慶市高—低聚集,資陽市低—高聚集,說明在經(jīng)濟發(fā)展程度較高的成都市和重慶市,會聚焦和消耗更多的資源與能源,但并未導致鄰近地區(qū)的碳排放增加.

在地均碳排放量方面,僅有高—低集聚區(qū)和低—高集聚區(qū)顯著,未出現(xiàn)顯著的低—低集聚區(qū)和高—高集聚區(qū),這與前文莫蘭指數(shù)的分析較為吻合.在2008～2016年只有雅安市穩(wěn)定地表現(xiàn)出低—高聚集顯著,說明雅安市屬于地均碳排放的冷點區(qū)域,周圍地區(qū)的碳排放相對較高.2017～2018年則表現(xiàn)出成都市高—低聚集,雅安市低—高聚集.總體上說,地均碳排放空間差異特征顯著且覆蓋范圍較為穩(wěn)定.

由圖2可知,在 2008～2018年,成渝城市群人均碳排放局部空間集聚的格局有一定變動.2008～2018年,雅安市呈現(xiàn)穩(wěn)定的高高聚集,南充、遂寧、廣安市為低—低聚集,眉山市為低—高聚集區(qū)并持續(xù)到2014年,2015年有小幅變動,達州被剔除低—低聚集區(qū),但2016年以后又恢復(fù)成南充、廣安、遂寧、達州4個城市低—低聚集的穩(wěn)定態(tài)勢.

圖2 成渝城市群2008～2018年人均碳排放的LISA集聚圖Fig.2 LISA agglomeration maps of carbon emissions per capita in Chengdu-Chongqing urban agglomeration

整體而言,成渝城市群人均碳排放的冷點區(qū)域基本上位于東部地區(qū),如南充市、廣安市、遂寧市.而熱點區(qū)域則集中在西部,即雅安市、樂山市和成都市.

2.3 碳排放總量影響因素的時空異質(zhì)性

將人口規(guī)模、經(jīng)濟發(fā)展水平、工業(yè)結(jié)構(gòu)、城市化率、能源強度這5項作為待檢核的影響因素.通過最小二乘法將不具有顯著影響的工業(yè)結(jié)構(gòu)因素剔除后,剩下 4個驅(qū)動因子均對碳排放具有顯著影響,且方差膨脹因子(VIF)＜10,不存在多重共線性,可以進行下一步計算.

通過ArcGIS 10.2時空地理加權(quán)回歸分析模塊,帶寬自動優(yōu)化,所確定的時空距離參數(shù)比值為1,對所選的4個驅(qū)動因子進行回歸系數(shù)計算與分析.考慮以AIC準則和擬合優(yōu)度R2作為模型置信度評價指標,所得到的時空地理加權(quán)回歸模型 AIC為-754.155,模型擬合度 R2為0.999407,較普通最小二乘法回歸模型的R2提高了0.01557,AIC降低416.27,由此可見綜合考慮空間的異質(zhì)性和時間維度的GTWR方法對模型的分析確有提高[37-40].

2.3.1 各驅(qū)動因素的時間演化 具體到各個因素而言,能源強度、經(jīng)濟發(fā)展水平、人口規(guī)模對碳排放都起到正向的促進作用,且作用強度都在 1左右,相比之下,城市化水平對碳排放的正向影響較弱,對于大部分城市的碳排放量起到正的貢獻.

首先,能源強度的驅(qū)動效力最為顯著,其對碳排放量的平均回歸系數(shù)為1.0310,說明能源強度對碳排放量呈明顯的正向影響.2008～2018年間,能源強度對碳排放量影響的回歸系數(shù)只有微小增長,但是離散程度在逐漸增大,這表明各城市所處的區(qū)位不同,資源優(yōu)勢所導致的產(chǎn)業(yè)結(jié)構(gòu)、煤炭消費比重差異較大.這與一些學者的觀點類似[41-42],盡管近年來我國實行了“煤改氣”、禁止新建煤礦等政策從源頭上減少煤炭消費量,但由于技術(shù)受限、資源分布不均使得我國產(chǎn)業(yè)轉(zhuǎn)型并不徹底,煤炭消費仍占能源消費的很大比重,地區(qū)發(fā)展不平衡,煤炭清潔利用技術(shù)的差異仍存.

圖3 各驅(qū)動因素GTWR回歸系數(shù)隨時間變化的小提琴Fig.3 Violin diagram of GTWR regression coefficients for each driver changing with time

其次,經(jīng)濟發(fā)展水平也具有很強的驅(qū)動力,對碳排放量的平均回歸系數(shù)為0.9797,說明其對碳排放量呈正相關(guān),經(jīng)濟發(fā)展水平對碳排放量影響的回歸系數(shù)得到了較為平穩(wěn)的增長,但是離散程度呈現(xiàn)先減小后又逐漸增大,這體現(xiàn)出隨著經(jīng)濟水平的提升以及“十一五”規(guī)劃減排要求的提出,使得整體的經(jīng)濟發(fā)展水平造成的碳排放影響程度較為相近,但后期隨著城市群經(jīng)濟發(fā)展速度的不同,導致各城市經(jīng)濟發(fā)展水平對碳排放的影響差異加大.總體上,經(jīng)濟發(fā)展水平仍是碳排放量的主要正向因素.

再次,人口規(guī)模也有較強的驅(qū)動力,其對碳排放量的平均回歸系數(shù)為0.9743,說明人口規(guī)模對碳排放量起到正向作用,人口規(guī)模對碳排放量影響的回歸系數(shù)也呈現(xiàn)較為平穩(wěn)的狀態(tài),基本處于0.97附近,離散程度逐漸減小.人口的增加會進一步擴大城市的生產(chǎn)規(guī)模,帶來更多能源與資源消耗,加劇碳排放[43].

最后,城市化水平對碳排放量的平均回歸系數(shù)只有 0.1234,說明其對成渝城市群大部分城市的碳排放量起到較為微弱正向的影響,有少部分城市在初期是負向的影響,原因在于,開始階段由于城市化的實施,提高了城市資源的利用效率,會產(chǎn)生一定的減排效益.但隨著城市化進程的進一步發(fā)展,城鎮(zhèn)人口的快速增加,對各類資源的消費需求也不斷擴大,致使碳排放量持續(xù)上升,使得回歸系數(shù)開始反彈成為正值,最終對碳排放產(chǎn)生正向貢獻.這與沈揚等的觀點相似[44].

2.3.2 各驅(qū)動因素的空間異質(zhì)性 在分析了各因素對成渝城市群整體的影響變化基礎(chǔ)上,區(qū)分不同驅(qū)動因素對城市群內(nèi)部各城市的影響機制也是至關(guān)重要的,有助于針對不同的城市實行因地制宜的減排策略.因此,本文依據(jù) Arcgis10.2軟件,根據(jù)自然斷點原則,選取了2008、2013、2018年,進行空間上各城市的異質(zhì)性分析,如圖4所示.

圖4 2008～2018年各驅(qū)動因素對碳排放量影響強度城市分布Fig.4 Urban distribution of the impact intensity of drivers on carbon emissions from 2008 to 2018

分析圖4可知:(1)從空間分布特征來看,能源強度的回歸系數(shù)主要呈現(xiàn)出兩邊高,中間低的格局.位于西部的成都、雅安地區(qū)的和東部的重慶、南充地區(qū),其能源強度對其碳排放量的影響強度較大,遂寧市的影響強度是成渝城市群中最低的.隨著時間演進,東部地區(qū)的作用強度在逐漸減弱,西部地區(qū)的作用強度持續(xù)增加并逐漸聚集,眉山市的系數(shù)水平越來越高,說明其能源強度對碳排放量作用越來越強,調(diào)整和優(yōu)化能源結(jié)構(gòu)是其減少碳排放量的關(guān)鍵因素[45].

(2)經(jīng)濟發(fā)展水平的回歸系數(shù)主要呈現(xiàn)出由西北向東南的梯度遞減格局.經(jīng)濟發(fā)展水平對成都、眉山的碳排放量影響最大,其次是樂山、德陽,較弱的是廣安和達州.隨著時間推移,樂山市的系數(shù)增加較快,說明其經(jīng)濟的發(fā)展加速了產(chǎn)業(yè)的升級提升[46].而南充市的系數(shù)在逐年下降,說明其產(chǎn)業(yè)綠色轉(zhuǎn)型發(fā)展較好,經(jīng)濟增長并未對碳排放量產(chǎn)生很強的正向作用[47].

(3)人口規(guī)模的回歸系數(shù)主要呈現(xiàn)出由中間向兩邊遞減的格局.人口規(guī)模對南充市的碳排放量影響最大,其次是廣安、成都,較弱的是樂山和遂寧.從變化的趨勢來看,南充是系數(shù)增長最大的城市,資陽市的系數(shù)自 2008～2018年一直在緩慢下降,表明該城市的人口的資源共享利用率高,同時伴隨該地區(qū)產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化,一定程度上抑制了人口規(guī)模效應(yīng)引致的碳排放量的增長[52].

(4)城市化水平的回歸系數(shù)主要呈現(xiàn)出由東北向西南的梯度遞減格局.城市化水平對重慶市的碳排放量貢獻率最大,這與一些學者的研究結(jié)論一致[48-49],其次是達州、廣安,較弱的是資陽和內(nèi)江.從變化的趨勢來看,樂山、眉山和雅安的回歸系數(shù)都經(jīng)歷了由負到正,再逐漸增長的變化趨勢.而資陽市的系數(shù)出現(xiàn)先增后減的趨勢,原因是落實國家有關(guān)規(guī)定,不斷提升環(huán)境管理要求,運用低碳的概念來主導社會生活和消費,城市化回歸系數(shù)減少,從而減少對碳排放的影響程度[36].

2.4 建議

(1)成渝城市群各地市的碳排放差異明顯,整體雖然呈較緩增長的跡象,但是碳排放強度逐年下降,通過制定實施可持續(xù)發(fā)展的環(huán)境能源政策,升級優(yōu)化能源消費結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu),成渝城市群有望在2030年之前實現(xiàn)碳排放達峰以及碳強度比2008年降低60%～65%.

(2)長期以來,雖然成渝各地區(qū)的碳排放總量分布不均衡,但是空間的相互作用力使得成渝城市群的人均碳排放存在空間集聚效應(yīng).所以,碳減排相關(guān)政策的制定應(yīng)考慮在成渝西的高—高集聚城市實施跨城市的聯(lián)防聯(lián)治措施,提高人口資源的共享利用率,構(gòu)建城際之間的碳減排協(xié)調(diào)機制,形成聯(lián)合控碳的局面.

(3)實證分析表明,成渝各地區(qū)的人口規(guī)模、經(jīng)濟發(fā)展水平、城市化水平以及能源強度都對碳排放有明顯的正向作用,然而,因為城市發(fā)展條件的差異,各個城市存在著一些空間上的差異.所以,根據(jù)各因素對成渝城市群碳排放的貢獻率,相關(guān)的政府部門應(yīng)以每個城市的實際情況為基礎(chǔ),制定不同的碳排放戰(zhàn)略.例如,對眉山市和樂山市制定更加嚴格的企業(yè)準入規(guī)制,淘汰“高投入、高消耗”的粗放式傳統(tǒng)產(chǎn)業(yè),提高能源綜合利用效率,提升當?shù)鼐G色生產(chǎn)技術(shù)水平,從而實現(xiàn)控碳減排目標;在城市化進程中,重慶、達州和廣安要適當改善因為激增的城鎮(zhèn)人口而導致的消費碳排放量的增加,引導居民形成綠色生活方式,從而實現(xiàn)碳減排.

3 結(jié)論

3.1 2008～2018年,成渝城市群碳排放總量不斷增加,地均碳排量和人均碳排放量存在波動上漲的趨勢,隨著時間的推移,市級尺度的碳排放總量和地均碳排放量在各個城市之間呈現(xiàn)出不斷擴大的差異.但是,人均碳排放量則表現(xiàn)出顯著的集聚格局.

3.2 空間自相關(guān)分析表明,成渝城市群各城市的總碳排放量、人均碳排放量和地均碳排放量均表現(xiàn)出空間自相關(guān)性.總的來看,總碳排放量的熱點城市集中分布在成都和重慶,冷點城市為雅安市;地均碳排放空間則主要集聚在成渝西部的成都市、德陽市和內(nèi)江市;人均碳排放則表現(xiàn)出顯著的中間向兩邊遞增的空間格局,高高集聚地區(qū)主要位于雅安地區(qū),而低低集聚分布在成渝中北地區(qū)的南充、遂寧和廣安.

3.3 總體上,人口規(guī)模、經(jīng)濟發(fā)展水平、城市化率和能源強度對碳排放量都有正向影響,且各因素回歸系數(shù)的分布有空間異質(zhì)性.其中,人口規(guī)模對成渝中部地區(qū)的碳排放作用強度最大,但是隨時間演進呈遞減態(tài)勢;經(jīng)濟發(fā)展水平對成渝西部地區(qū)的碳排放作用強度較大,城市化水平對成渝東部地區(qū)碳排放作用強度大,能源強度各地區(qū)的影響差異較大.