期刊佳文 | 黄河流域减污降碳协同效应的时空特征及影响因素分析

文摘   2024-12-25 15:00   河北  

点击上方蓝色文字关注我们吧,新鲜资讯-热门资源-顶刊文章


原文信息

题目:黄河流域减污降碳协同效应的时空特征及影响因素分析

作者:李新越,班凤梅,毕旭,李俊明

期刊:《环境科学研究》24年12期


摘要 

在“双碳”背景下,研究黄河流域减污降碳协同效应(SEPCER)的时空特征及影响因素,对制定减污降碳行动方案具有重要参考价值。采用多种空间分析方法,对2010-2022年黄河流域91个城市的减污降碳协同效应的时空特征进行了分析,并利用地理探测器与空间杜宾模型探究其影响因素。结果表明:①研究期内,黄河流域大气污染物排放当量平均值呈下降趋势,CO2排放量平均值在2021年之前呈上升趋势,但在2022年出现下降,较2021年下降了3.56%。2022年减污降碳协同效应平均值较2010年增长了18.85%。减污降碳协同效应呈现空间集聚特征,但随着时间变化其空间集聚格局也发生改变,未形成路径锁定。②探索性时空数据分析(ESTDA)表明,黄河流域减污降碳协同效应在局部空间结构上呈“上游活跃、下游次之、中游稳定”的特征,就邻域间依赖程度来讲,下游城际作用较强,中游城际作用较弱。黄河流域减污降碳协同效应在时空跃迁过程中未发生跃迁的概率为35.80%,具有较强的空间动态性,时空网络格局以正向关联为主。③空气流通水平、能源消费强度、经济发展水平、人口密度、对外开放水平、科研投入、产业结构升级是影响黄河流域减污降碳协同效应的主要因素,其中能源消费强度、经济发展水平、空气流通水平是关键影响因素,对外开放水平对周边地区产生正向溢出效应,各影响因素交互后存在明显的协同增强效应,应注重多因子协同发展。研究显示,黄河流域城市减污降碳协同效应呈逐渐优化的趋势,但各城市仍需通过加强主导因素驱动、完善协同管理体制、因地制宜开展工作以缩小流域内差距。

关键词  

黄河流域;减污降碳;时空特征;影响因素

随着“双碳”战略目标的实施,我国生态文明建设已步入推动减污降碳协同增效新阶段,减污降碳协同增效是我国生态环境质量提升由量变向质变跨越的必由之路。黄河流域是我国区域发展战略格局重要支撑区,但目前其经济发展在全国尚处于相对薄弱地位。生态质量脆弱对其有一定制约作用,自2000年以来,黄河流域CO2排放总量成为继长江流域、淮河流域第三大排放区域[1],且在2018年汾渭平原被列入全国大气污染防治重点地区[2]。这些实际问题凸显了协同推进黄河流域减污降碳的必要性。因此,基于大气污染物和CO2等温室气体排放具有同根、同源、同过程的特点[3],探究黄河流域减污降碳协同效应的时空分布特征及其影响因素具有重要意义。

近年来减污降碳协同效应的研究成为关注热点,学者们主要集中于对减污降碳协同效应评估、影响机制等进行研究。在减污降碳协同效应评估方面,已有研究常采用协同控制坐标系[4-6]、耦合协调度模型[7-9]或通过建立减污降碳协同度评价指标体系[10-11]、构建衡量减污降碳协同效应公式[12]等方法对我国各省份、城市以及城市群等进行减污降碳协同效应评估。减污降碳通常受到诸多因素共同驱动作用[13-15],学者们从多种角度出发选取影响因素进行探析。李丽平等[16]以攀枝花为例,以“工程减排”“结构减排”及“管理减排”手段为出发点,分析减污降碳协同效应的影响因素,发现不同减排技术和措施对减污降碳协同减排产生显著的正协同效应。顾阿伦等[17]选取电力、钢铁和水泥这3个典型行业进行研究,发现“结构减排”对大气污染物和CO2减排的效果最为明显。有的学者则侧重研究社会经济因素与减污降碳协同效应之间的关系,樊宇等[18]基于环境投入产出结构分解和协同效应评估方法分析了各社会经济因素对我国工业大气污染物与CO2排放的协同影响。康哲等[19]指出工业增加值与万元工业增加值能耗是影响黄河流域城市群CO2与工业大气污染物的共同关键因素。杨帆等[20]则重点分析了黄河流域城市群减污、降碳与经济增长的关系。还有学者综合自然与人文社会两方面选取指标,探讨影响减污降碳协同效应的因素[21-22]。Liu等[23]指出,我国城市减污降碳协同效应受人为因素更为显著。研究[24-26]普遍认为,经济发展和能源消耗是影响减污降碳协同效应变化的两个关键因素。

综上,已有研究为大气污染物与CO2排放协同减排研究在理论、方法及指标选取等方面奠定了坚实基础,但多基于CO2排放量与大气污染物浓度数据来测度减污降碳协同效应,考虑到大气污染物浓度受到空气传输的影响,不能直接反映排放源的减少或增加;且在分析减污降碳协同效应的时空特征方面,多关注其空间差异与关联作用的截面特征,忽视了对其局部空间结构的动态交互规律的探究[7,9-10,22]。基于此,该研究以2010-2022年黄河流域91个城市为研究单元,基于CO24种典型的大气污染物(PM2.5PM10NOxSO2)排放量数据,采用Moran′s I指数、探索性时空数据分析(ESTDA)、地理探测器与杜宾模型分析2010-2022年黄河流域减污降碳协同效应的时空特征及其影响因素,以期更加直接、精准地反映黄河流域减污降碳协同效应情况,增进对其动态变迁规律的宏观认知,为黄河流域因地制宜制定“减污降碳”政策及工作开展提供一定的参考。

1研究区域与研究方法

1.1研究区域

黄河流域横跨我国东、中、西部,西起青海省,东至山东省,是我国重要的能源、化工等基础工业领域的重要基地,同时也是重要的生态屏障[27]。黄河流域生态保护和高质量发展国家战略中提到黄河流域涉及的地级行政区数有91个(见图1),因此该研究以黄河流域91个城市为研究对象。参考文献[28]将黄河流域按省级行政区单元划分为上、中、下游。

1.2研究方法与数据

1.2.1减污降碳协同效应测算方法

减污降碳协同效应测度采用的4种典型大气污染物(PM2.5PM10SO2NOx)与CO2数据,参考Zhang等[26]的研究,大气污染物等效当量排放强度计算公式:

式中:Eeqit为i城市在t年的大气污染物等效当量排放强度,104t/(104);QitPM10、QitPM2.5、QitSO2和QitNOx分别为i城市PM10PM2.5SO2NOx在t年的排放量,104t;α、β、θ和γ分别为将PM10PM2.5SO2和NOx折算为污染物当量的系数,根据《环境保护税法》中规定的当量值,分别取1/2.18、1/2.18、1/0.95和1/0.95;GDPit为城市在年的GDP,104元。该研究对减污降碳协同效应的测度参考文献[12]提出的方法,基于CO2排放强度与大气污染物等效当量排放强度的年度环比变化率构建公式,减污降碳协同效应的计算公式如下:
式中:SEPCERit为i城市在t年的减污降碳协同效应,%;∆itCO2为i城市在t年CO2排放强度年度环比变化率的相反数,%;∆itEeq为i城市在t年的大气污染物等效当量排放强度年度环比变化率的相反数,%。若∆itCO2与∆itEeq均为正值或负值,则SEPCERit等于二者的几何平均数,分别表示二者协同降低或协同增加;若∆itCO2与∆itEeq一个为正值一个为负值,则SEPCERit的正负号由∆itCO2与∆itEeq的和确定。因此,若SEPCERit大于0且取值越大,则说明减污降碳协同程度越强,反之亦然[12]。

1.2.2减污降碳协同效应时空特征分析方法

1.2.2.1空间自相关分析

通过全局Moran′s I指数分析黄河流域减污降碳协同效应的空间相关性和整体聚集度。Moran′s I指数的值介于[−1,1]之间,Moran′s I指数大于0表示存在空间正相关,等于0表明不存在空间相关关系,小于0表示存在空间负相关。进一步运用局部Moran′s I指数来刻画空间变异性的具体模式,共分为高-高、低-低、高-低、低-高和不显著5种模式。相关计算公式参考文献[29]。

1.2.2.2探索性时空数据分析(ESTDA)

利用探索性时空数据分析方法的LISA时间路径、LISA时空跃迁和LISA时空网络,对黄河流域减污降碳协同效应的时空交互规律进行探究[30]。①LISA时间路径通过相对长度和弯曲度两个指标来描述减污降碳协同效应在局部空间上的时空动态特性[31],具体公式参考文献[32];②LISA时空跃迁将LISA时间路径与传统马尔科夫状态转移矩阵结合起来[33-36],探究减污降碳协同效应的局部空间依赖类型及其状态转移的概率,主要包括表1所示4种类型[37-38],其中,HH为高-高集聚型,LL为低-低集聚型,HL为高-低集聚型,LH为低-高集聚型;③LISA时空网络可以揭示传统空间分析中某些不显著关联信息,通过各城市连线进行可视化[39]。根据动态关联特性,将其划为4类,即强正向关联(0.5,1.0]、弱正向关联(0,0.5]、弱负向关联(−0.5,0]和强负向关联[−1.0,−0.5]。正向关联状态是指邻域在时空变迁过程中处于协同发展状态,负向关联状态则表示邻接城市间存在时空竞争性。

1.2.3减污降碳协同效应影响因素分析方法

1.2.3.1地理探测器

地理探测器可以用来研究某一地理特性与其解释因子的空间关系模型。该方法受到的前提限制相对较少,特别是在处理混合类型数据时,展现出显著优越性。通过其因子探测与交互探测模块解释黄河流域减污降碳协同效应的影响因素,用q值度量自变量在多大程度上解释了因变量的空间分异。具体表达式参考文献[40]。

1.2.3.2杜宾模型

空间杜宾模型(SDM)不仅包含了空间滞后模型(SAR)和空间误差模型(SEM)的空间误差因素,还将因变量纳入回归模型,关注因变量和自变量的空间关联性,因此具有较强的解释力。该研究借助空间杜宾模型探究减污降碳协同效应影响因素的空间效应,构建如下回归模型:

式中,Xijt代表影响因素变量,ρ、λ、µi、σt、εit分别为空间自回归系数、各影响因子变量影响系数、空间固定效应、时间固定效应、随机扰动项,Wij为空间权重矩阵。

1.2.4数据来源

减污降碳协同效应测度采用的4种典型大气污染物(PM2.5PM10SO2NOx)与CO2数据来源于全球大气研究排放数据库(EDGAR)(https://edgar.jrc.ec.europa.eu)[41],利用ArcGIS提取其栅格数据。参考现有文献[7-9,21-22],以及有关环境经济理论、生态系统理论等,以减污降碳协同效应为因变量,从自然与社会经济两方面考虑选取以下指标(见表2)。其中,年均温度与年降水量数据来源于中国气象数据网(http://data.cma.cn);空气流通水平数据借鉴Jacobson等[42]方法,基于欧洲中期天气预报中心提供的ERA-Interim数据库,用风速和大气边界层高度乘积构建地级城市栅格数据;经济社会方面指标主要来源于《中国城市统计年鉴》《中国环境统计年鉴》和中经网统计数据库(https://db.cei.cn),部分缺失数据利用插值法、线性推断法合理填充;区域创新创业水平数据来源于中国科学院大学《中国区域创新创业发展指数报告》;环境规制强度的计算方法及其环境相关词汇的选取参考文献[43]。

2结果与讨论

2.1黄河流域减污降碳协同效应时空演变特征分析

2.1.1减污降碳协同效应时序演变分析

由图2(a)(b)可见,研究期内黄河流域地区污染物排放当量平均值呈下降趋势,2022年相比2010年下降了17.40%。CO2排放量平均值在2010−2021年呈上升趋势,2021年较2010年增长了36.15%,但在2022年出现降低,较2021年下降了3.56%。黄河流域中下游城市的大气污染物与CO2排放量分别占流域内总排放量的74.40%与75.87%,是流域内排放的主要贡献者。由图2(c)可见,黄河流域整体减污降碳协同效应平均值在2016年之前稳定在8.00%左右,在2016−2021年波动中有所降低,但2022年出现回升,较2010年增长了18.85%。进一步分析可知,黄河流域城市CO2排放强度与大气污染物等效当量排放强度的环比变化率均增加的城市由2010年的7个减至2022年0个,可以看出各城市协同推动大气减污降碳工作取得一定效果,尤其是2022年,随着CO2排放量的降低,减污降碳协同工作取得明显成效,这可能与新型冠状病毒感染疫情有关,但不可排除减污降碳协同治理相关政策的影响,具体原因尚需更多更新数据分析。

2.1.2减污降碳协同效应空间演变分析

研究期内黄河流域全局Moran′s I指数为0.293,P值通过1%的显著性检验,表明其分布特征呈现高高低-低聚集的特征,即相邻城市间减污降碳协同效应彼此相互影响。由于全局自相关检验无法反映区域差异,利用LISA空间聚类选择2010年、2016年和2022年黄河流域的减污降碳协同效应分别做局部Moran′s I指数检验,进一步识别其聚集类型及其空间位置。由图3可见:2010年高-高聚集区主要分布在青海省、四川省和山东省,低-低聚集区主要集中在甘肃省、宁夏回族自治区、陕西省和内蒙古自治区边界交界处;2022年高-高聚集区主要分布在四川省、青海省和山东省,低-低聚集区主要分布在山西省。值得注意的是,其空间集聚格局随着时间变化发生变化。高-高聚集区城市数量由2010年的7个增至2022年的10个,低-低聚集区城市数量由2010年的9个减至2022年的4个,进一步说明随着时间推移黄河流域减污降碳工作取得一定的成果。

2.2黄河流域减污降碳协同效应时空交互特征分析

2.2.1LISA时间路径几何特征分析

在已探明黄河流域减污降碳协同效应时间层面和空间层面的整体趋势基础上,对时间和空间元素进行交互来弥补对综合变迁格局研究的不足。先通过LISA时间路径的相对长度和弯曲度,探究黄河流域减污降碳协同效应的空间依赖性及局部空间结构是否稳定。由图4(a)可见,黄河流域上中下游城市减污降碳协同效应的LISA时间路径的相对长度平均值分别为1.26、0.77、0.87,呈现“上游活跃、下游次之、中游稳定”的局部时空变化特征。在减污降碳协同减排政策催化下,加之西部地区正处于发展阶段,能源消耗不稳定,因此其局部空间结构彰显强烈动态性。而中下游城市经济发展、产业结构相对成熟,因此其局部空间格局也相对稳定。这种空间结构稳定性差异的存在能为减污降碳目标的重点防治和优化提供指示性的方向,活跃城市应该投入更多关注引导其向高-高集聚区跃升,稳定城市若呈现低-低集聚特征,则应投入更多的改革力度,在产业发展过程中加大淘汰落后产能力度,加大清洁能源在生产生活中的应用力度,促进其扭转现状;若呈现高-高集聚特征,则应继续优化其减污降碳能力,发挥其带动引领作用。

LISA时间路径弯曲度刻画了局部某一城市受邻域的影响程度。由图4(b)可见,弯曲度数值均高于1,说明黄河流域各城市的移动路径均为非直线,即黄河流域各城市的减污降碳协同效应受邻域空间作用(溢出/极化)越大,其空间依赖具有较大的波动性。具体来看,黄河流域上中下游城市减污降碳协同效应的LISA时间路径的弯曲度平均值分别为15.79、9.66、31.82,呈现“下游剧烈、中上游缓和”的局部时空变化特征。弯曲度较大的地区主要集聚在山东省,其他分散在河南省、内蒙古自治区、青海省等地区,反映了上述城市与其邻域间明显的动态变迁和相互作用过程;弯曲度较小的城市零星分布于甘肃省、山西省等地区,这些城市间的减污降碳协同效应表现出平稳的变动方向和空间依赖关系。从整体上看,下游城市间城际作用更强,中游城市间城际作用较弱。究其原因,下游城市在经济发展、产业升级、环境治理等方面都走在流域前列,并且城市间不断寻求合作形成了较好的协同发展,如2020年,胶东五市签署《胶东经济圈一体化发展生态环境共保联治合作框架协议》及重点推进大气污染防治联防联控、行政区域边界环境执法联动等系列工作方案,实现联保共治形成常态化。

2.2.2LISA时空跃迁分析

LISA时间路径分析无法反映Moran′s I指数散点图中局部空间关联类型的转移特征。LISA时空跃迁进一步将局部的空间依赖性进行分解。由表3可见,在打破空间依赖属性的城市中类型Ⅰ、Ⅱ、Ⅲ跃迁发生的概率分别为23.70%、21.60%、18.90%,而未发生跃迁(类型Ⅳ)的概率为35.80%,即空间凝聚力率为0.358,说明黄河流域减污降碳协同效应整体的空间凝聚性相对较弱,动态性强,即通过相关措施优化黄河流域减污降碳协同效应的空间发展格局的可行性高。具体来看,HHt→HHt+1LLt→LLt+1仍然是转移概率较高的类型。LLt→LLt+1城市主要分布内蒙古自治区、宁夏回族自治区、甘肃省等地区,这反映了这些地区部分城市是制约黄河流域减污降碳协同效应提升的关键区域;而HHt→HHt+1城市主要分布在河南省、山东省、陕西省等地区,这些地区的部分城市减污降碳模式值得其他地区学习。

在推动黄河流域减污降碳协同效应提升过程中,邻域间可能存在合作共赢或时空竞争的关系。该研究通过刻画邻域间减污降碳协同效应的时空网络来揭示城市间可能存在的合作和竞争关系。由图5可见:各城市减污降碳协同效应的时空格局以正向关联为主,占比达77.70%,这说明减污降碳协同效应呈现出整合性较强的变迁演化过程;此外,吕梁市与其周边城市忻州市、太原市、晋中市、临汾市均呈现出强负向关联状态,这些城市减污降碳协同效应的演化过程存在一定时空竞争,可能是资源及减排技术不均衡所致,因此应该积极推动这些区域建立减污降碳协调机制。

2.3黄河流域减污降碳协同效应影响因素分析

2.3.1主导因子筛选

使用地理探测器前,需要对13个自变量进行分类化预处理,该研究使用K-mean将其处理为类型变量。限于篇幅,仅列示分析2010年、2016年、2022年这3个时间断面的探测结果(见表4)。研究期内,13个因子中筛选出7个因子的q值稳定大于0.2,且通过5%的显著性检验,由此可见空气流通水平(X3)、能源消费强度(X4)、经济发展水平(X5)、人口因素(X6)、对外开放水平(X8)、科研投入(X9)、产业结构升级(X10)均稳定影响着黄河流域减污降碳协同效应水平,对其空间分异性具有较强的解释力。进一步对其因子间交互作用分析发现,驱动因子交互作用得到的q值均大于0.3,类型均呈现“双因子增强”和“非线性增强”两种类型,即研究区减污降碳协同效应受到驱动因素及其交互作用叠加的影响。因此,在实际工作中不仅应重视主导因子的驱动,还应关注因子间交互作用。

2.3.2主导因子的空间效应分析

2.3.2.1变量选取与模型构建

由于地理探测器仅能从空间分异解释度上分析主导的驱动因素,对于驱动因素的正负效应、空间效应识别上稍显不足,因此加入计量模型进一步精准揭示黄河流域减污降碳协同效应时空演化的驱动机制。考虑到黄河流域减污降碳协同效应存在显著的空间相关性,因此选用空间计量模型对其驱动因素进行分析。经过拉格朗日乘数检验、豪斯曼检验、似然比检验和沃尔德检验(见表5)表明,最优回归模型为个体与时间双固定效应下的空间杜宾模型。因此,基于地理探测器在5%显著性水平下q值大于0.2筛选出的主导因子作为解释变量构建模型。

2.3.2.2SDM模型结果分析

由表6可见,空气流通水平、能源消费强度、经济发展水平、人口密度、对外开放水平、科研投入、产业结构升级均通过了10%的显著性检验,是影响黄河流域减污降碳协同效应的主要因素。能源消费强度、经济发展水平、空气流通水平对该城市的影响通过了1%的显著性检验,表明对该城市减污降碳协同效应的影响发挥关键作用。其中能源消费强度与经济发展水平表现出显著的负向直接效应影响,煤炭开采保障了黄河流域的经济发展,但也成为影响黄河流域减污降碳协同效应提升的重要障碍。经济的快速扩张,致使能源消耗的增加,造成了在环境保护和经济增长之间的不平衡。而产业结构的高级化对经济高质量发展起到积极作用,同时也可以缓解对化石能源的依赖及“两高”产业带来的环境压力。科研投入会推动环境友好型技术的研发和创新,如新能源技术、清洁生产技术等,进而促进能源利用效率提高,因此其都正向促进减污降碳协同效应提升。空气流通水平显著负向影响本城市的减污降碳协同效应,黄河流域空气流通性较好的城市主要集中在内蒙古自治区、甘肃省、山东省等地区。已有研究[44-45]表明,空气流通系数低的城市,倾向于采用更加严格的环境规制政策,因此存在城市空气流通系数高,但减污降碳协同效应并不高的情况。另外,山东省虽空气流通系数较高,但同时易形成湿度较高的大雾天气,不利于空气中悬浮颗粒扩散,反而使雾霾浓度升高,不利于减污降碳协同效应提升。

人口密度也是限制黄河流域减污降碳协同效应提升的因素之一,人口规模的增长会对能源消耗产生显著影响,随着人口数量的增加,人们对能源的需求也相应上升,并且城市消费会弱化人口集聚对减缓气候变化的作用[46],不利于减污降碳协同效应提升。对外开放水平不仅正向影响本城市的减污降碳协同效应,其对周边城市的减污降碳协同效应也起到促进作用。对外开放可以促进产业升级和产业链优化,通过技术互动、技术传递、技术吸收等,推动去污和负碳等相关技术的进步,实现技术溢出效应,带来生产效率的提升,以及资源消耗与污染排放的减少。而开放的经济环境通常会促进技术和经验的跨境流动,先进的技术可以通过技术转让、合作研发等方式传递给周边地区,进一步促进周边地区的减污降碳行动。

2.3.2.3稳健性检验

该研究进一步采用反距离空间权重矩阵、经济地理距离嵌套空间权重矩阵替代2.3.2.2节中所采用的邻接权重矩阵对上述实证结果进行稳健性检验(见表7)。其中,解释变量的结果符号及其回归系数数值与表6结果基本一致,证明实证结果的稳健性。

3结论与建议

a)研究期内,黄河流域污染物排放量平均值呈下降趋势,CO2排放量平均值在2021年之前呈上升趋势,但在2022年出现降低,较2021年下降了3.56%。2022年减污降碳协同效应平均值较2010年增长了18.85%,反映了黄河流域城市减污降碳协同效应呈逐渐优化的趋势。

b)黄河流域减污降碳协同效应呈现显著的空间正相关,但随着时间变化其空间集聚格局也发生改变。上游城市因自然本底优越等原因在研究期末演变为高-高聚集区,而中游一些城市研究期末演变为低-低聚集区,可见黄河流域城市协同减排程度与其经济发展进程和资源禀赋有着复杂的关系。

c)ESTDA的时空交互特征表明,黄河流域减污降碳协同效应在局部空间结构上呈“上游活跃、下游次之、中游稳定”的特征,就邻域间依赖程度来讲,下游城际作用较强,中游城际作用较弱。黄河流域城市的减污降碳协同效应未发生时空跃迁的概率为35.80%,空间动态性强,各城市间以正向协同发展为主,占比达到77.70%。

d)空气流通水平、能源消费强度、经济发展水平、人口密度、对外开放水平、科研投入、产业结构升级是影响黄河流域减污降碳协同效应的主要因素,其中,能源消费强度、经济发展水平、空气流通水平是关键的影响因素,对外开放水平会对周边地区产生正向溢出效应。各影响因素交互后存在明显的协同增强效应,应注重多因子协同发展。

e)加强主导因素驱动作用,持续优化高-高聚集区带动作用。政府及相关部门应针对各城市发展水平、资源禀赋等情况,加快推进“碳排放双控”,提高经济发展的“含绿量”。资源型城市应积极推动能源绿色低碳转型,促进煤矿、油气田与新能源融合发展,借助数字化推动电能替代的广度与深度,发展电碳计量与核算监测体系,支撑能源行业碳足迹监测与分析。资源相对匮乏的城市,要立足本地区优势特色,培育特色产业,引进培养与地方产业发展方向相适应的人才,建立激励创新投入的税费减免机制,助推经济高质量发展,并营造良好营商环境,吸引优秀外资投入。高-高聚集区应鼓励企业和社会公众建言献策,持续巩固其引领带动作用,低-低集聚区应积极探索绿色转型之路,逐渐弱化现有“高碳锁定”效应。

f)完善协同管理体制机制,巧用空间溢出效应因子。特别关注LISA时空网络流识别出来的竞争关系城市,这些城市间亟待构建减污降碳发展协调机制。通过对其发展战略等的优化调整,降低与邻域的资源竞争和生态压力。积极开展黄河流域综合生态价值核算计量等多元化生态补偿机制,鼓励各省份间、城市间签订横向生态补偿协议,加强资源共享、生态协作。此外,谨慎发挥空间溢出效应因子作用,各地区可利用外资重点发展环境基础设施和环境治理项目,在缓解本地区生态压力同时促进区域整体的能源效率提升;并积极推动跨区域环保合作等,促进区域间协同发展,发挥出提高对外开放水平带来的正向空间溢出效应;同时也需要加强对其空间溢出效应的监测和评定,以便及时识别潜在风险。

g)利用空间分异机制,缩小减污降碳协同效应差距。目前能源消费强度的重心在黄河流域中游地区,科研投入、经济发展的重心在黄河流域下游地区。因此,应精准降低黄河流域中游地区以及上下游资源型城市发展对能源依赖程度,通过设定科学的环境和碳排放指标倒逼产业转型升级;走好科研投入这步“先手棋”,聚焦于环境友好型产业,推动绿色低碳技术发展,缩小流域内差距。下游地区应强化绿色技术创新、践行绿色低碳生活方式。上游地区应筑牢生态屏障,注重经济发展与生态环境协调发展程度。但同时流域内各城市也应关注创新创业水平、城市道路建设、环境规制强度等方面的影响,虽然其单个因子驱动作用不稳定,但是交互驱动作用明显提升。

组建"双碳与可持续发展学术微信群",仅限于科研工作者\学生\老师进入,感兴趣可以扫码加入,共同学习共同进步.(广告\推文勿扰,秒踢)
添加微信15324339550邀请进群
免责声明
本文仅用于学术分享,若有侵权,请联系后台删除或修改!

双碳与可持续发展
双碳行业最新资讯,新闻热点,专业知识普及,干货资料分享~
 最新文章