多時間尺度下電力消費碳排放區域動態演進及收斂性分析

師瑋 鄭雅麗 楊家鵬 沙智泉 張國煒

DOI：10.16783/j.cnki.nwnuz.2024.01.015

收稿日期：20230926;修改稿收到日期：20231024

基金項目：甘肅省自然科學基金資助項目（22JR5RA155）

作者簡介：師瑋（1979—），女，甘肅慶陽人，副教授，博士.主要研究方向為資源環境評價與管理.

Email：shiwei0716@163.com

摘要：為了協調推進全國及各重大戰略區域的減排降碳工作，加快實現碳達峰和碳中和的目標，通過碳核算技術指南法對區域電力消費碳排放量進行核算，并應用泰爾指數分析區域間的碳排放差異.在此基礎上，使用三維非參數核密度估計法研究區域電力消費碳排放量的動態演變特征，并通過變異系數和空間面板模型進行σ收斂和絕對β收斂分析.研究以甘肅省為例，結果表明，甘肅省電力消費碳排放總體呈上升趨勢，同時各地區之間的差異逐漸減??；在動態演進方面，隨著時間推移區域內部的兩極分化特征整體趨于減弱，差異化程度逐漸降低；在收斂特性方面，各時間尺度下均不存在σ收斂，但均存在絕對β收斂.

關鍵詞：電力消費；碳排放；動態演進；收斂性；多時間尺度

中圖分類號：F 205??? 文獻標志碼：A??? 文章編號：1001-988Ⅹ（2024）01-0097-09

Regional dynamic evolution and convergence analysis of carbon

emissions from electricity consumption at multi-time scale

SHI Wei，ZHENG Ya-li，YANG Jia-peng，SHA Zhi-quan，ZHANG Guo-wei

（College of Geography and Environmental Science，Northwest Normal University，Lanzhou 730070，Gansu，China）

Abstract：In order to coordinate and promote the emission reduction and carbon reduction work of the country and major strategic regions，and accelerate the goal of carbon peaking and carbon neutrality，the technical guide method of carbon accounting is used to calculate the carbon emissions of regional electricity consumption，and the Thiel index are used to analyze the carbon emission differences between regions.On this basis，the three-dimensional non-parametric kernel density estimation method is used to study the dynamic evolution characteristics of regional electricity consumption carbon emissions，and analyze the σ convergence and absolute β convergence through the coefficient of variation and the spatial panel model.Taking Gansu Province as an example，the results show that the overall trend of carbon emissions from electricity consumption is increasing，while the differences between regions are gradually decreasing.In terms of dynamic evolution，with the passage of time，the polarization characteristics within the region tend to weaken as a whole，and the degree of differentiation gradually decreases.In terms of convergence characteristics，there is no σ convergence at each time scale，but there is absolute β convergence.

Key words：electricity consumption;carbon emissions;dynamic evolution;convergence;multi-time scale

自工業革命以來，全球經濟實現了快速增長，人們的生活水平和社會現代化程度不斷提高.然而，由于化石能源的消耗，二氧化碳排放總量顯著增加，嚴重威脅著地球的生態環境與氣候.地球表面的平均氣溫持續上升，引發了諸如氣候變化、資源消耗增加、生態環境破壞、危害人類健康以及阻礙經濟社會發展等一系列問題［1-2］.為應對全球氣候變化和控制溫室氣體排放，世界各國先后達成和簽訂了《聯合國氣候變化框架公約》、《京都議定書》、《巴黎協定》等相關協議.作為世界上最大的能源消耗國和CO2排放國，我國在減少全球CO2排放上承擔著巨大的責任［3-4］.第75屆聯合國大會上，我國政府做出了“2030碳達峰·2060碳中和”的國際承諾，彰顯了大國的責任與擔當.

燃煤發電作為目前中國最主要的發電形式，發電行業產生的碳排放量占全國總量的40%以上［5］.電力部門的碳減排是我國實現雙碳目標的關鍵［6-8］，電力消費二氧化碳排放量的核算是研究不同區域、不同行業碳排放時空變化和收斂特征的前提［9-11］.在已有研究中，省級層面的碳排放的研究成果最為豐富，孫耀華等［12］通過對我國省際碳排放強度的時空分布及其收斂性特征進行分析，研究表明省際碳排放強度具有顯著的空間自相關性且在收斂特征方面表現為“俱樂部”收斂和條件β收斂.付云鵬等［13］對我國30個地區2000—2012年碳排放強度進行估算，在STIRPAT模型的基礎上采用空間滯后模型和空間誤差模型對我國區域碳排放強度的影響因素進行研究，結果表明中國碳排放強度的主要影響因素為人口結構、能源強度以及產業結構因素.趙桂梅等［14］對1997—2015年我國省區碳排放強度的空間面板數據進行測算，并對中國碳排放強度的時空演進和時空躍遷機制進行了研究，研究發現省際碳排放強度空間分布呈現“集聚”與“分異”并存的時空演化特征.周四軍等［15］通過構建動態空間杜賓模型對中國區域碳排放強度空間效應進行研究，結果表明我國區域間的碳排放具有顯著的空間效應.Cui等［16］對我國東部、中部、西部和東北地區9個省1997—2017年種植業碳排放強度和人均碳排放量的區域差異和時空動態演變進行分析，結果表明其呈顯著的非均衡分布特征，同時區域間差異是總差異的主要來源.此外，張翠菊等［17］、張青青等［18］和田云等［19］，也對省級碳排放進行了空間研究.在城市層面的相關研究上，王志遠等［20］定量地測度了2000和2009年我國35個城市的空間形狀特征和時空變化，并研究了城市空間形狀與碳排放強度之間的相關性，結果表明降低城市形態指數對減少城市單位面積碳排放具有重要作用.王睿等［21］基于中國1 897個縣級城市研究中國縣級城市碳排放空間分布特征，分析表明其呈現東高西低的總體空間格局.Xue等［22］對京津冀地區13個城市的碳排放效率、時空效應及影響因素進行測度分析，發現2007—2016年該地區碳排放效率總體呈下降趨勢，并識別出平穩、波動和下降三種演化軌跡.

目前電力碳排放的研究主要集中于不同區域尺度，而鮮有對于不同時間尺度的研究.鑒于此，本文研究電力消費碳排放在多時間尺度上的區域差異、動態演進與收斂性.首先，核算區域年度、季度和月度尺度下的電力消費碳排放量；其次，采用泰爾指數和核密度估計方法研究各時間尺度下區域碳排放的區域差異和動態演化特征；最后，建立空間回歸模型，研究電力消費碳排放的收斂特征.本文以甘肅省為例進行研究分析，為全國及各重點戰略區域出臺國家和地區的降碳策略和政策建議，實現碳達峰和碳中和目標提供理論支持.

1? 研究方法與數據來源

1.1? 研究方法

1.1.1 ?電力消費碳排放核算

現有的區域碳排放核算方法大多將電力碳排放歸咎于生產者，而未將電力消費產生的間接碳排放納入核算范圍.隨著能源結構的調整，電力消費在整體能源消費中所占比重不斷增加.同時，電力消費所導致的碳排放在能源消費中的比例也逐步上升.基于保障區域碳排放責任公平的原則，并依據《省級溫室氣體清單編制指南》，本文此階段碳排放量核算方法如下：

EC=DA×FE，（1）

其中，EC為電力消費碳排放量，DA為電力消費量，FE為電網碳排放因子.本研究采用由中華人民共和國生態環境部發布的全國電網平均排放因子作為電網碳排放因子.

1.1.2? 泰爾指數

泰爾指數是一種考察區域內與區域間差異的指標［23-24］，本文利用泰爾指數將甘肅省13個市州的整體差異進行分解，計算出年度尺度、季度尺度和月度尺度下的甘肅省電力消費碳排放泰爾指數.具體計算公式如下：

T=1n∑ni=1yilnyi，（2）

其中，T為整體泰爾指數，i分別代表甘肅省的13個市州，yi為第i個市州的電力消費碳排放量，是13個市州電力消費碳排放量的平均值.

1.1.3? 核密度估計

核密度估計是一種重要的非參數估計方法［25-27］，其將核平滑運用于概率密度估計中，可描述區域電力消費碳排放在空間上的分布特征.通過對同一區域的多尺度樣本進行核密度曲線的縱向對比，可以揭示該區域電力消費碳排放分布特征的動態演變過程.同時，通過對多個區域的核密度曲線形態進行橫向對比，能夠發現不同區域碳電力消費碳排放變化軌跡的差異［28-29］.具體計算如下，j區域電力消費碳排放的核密度曲線如下：

fj（y）=1njh∑nji=1Kyji-yh，（3）

其中，K（·）為核密度函數，n為樣本的數量，h為核密度估計的窗寬.本文運用高斯核函數進行研究，并采用Silverman［30］提出的最優窗寬選擇方法確定窗寬.

1.1.4? 收斂模型

經濟增長的收斂是指由于資本邊際產出遞減的趨勢，隨著時間的推移，經濟增長最后將趨于穩定狀態的現象［31］.隨著收斂模型的廣泛運用，該模型在科技資源配置效率［32］、碳生產率變動［33］等領域也取得了重要的成果.隨著我國不斷推進“碳達峰”和“碳中和”目標，預計電力消費碳排放量將逐漸趨于穩定狀態，因此，收斂模型是研究我國城市碳排放長期變化特征的合適選擇［34］.

在研究碳排放相關收斂問題時，主要有σ收斂和β收斂兩種常用的收斂模型.σ收斂可描述不同地區電力消費碳排放的離差逐漸減小，最終趨向于一種相似的水平或達到穩定狀態.本文采用變異系數來測度σ收斂，其表達式如下：

σ=∑Ni=1（CEECi-CEECi）2/NCEECi，（4）

其中，CEECi（Carbon Emissions from Electricity Consumption）表示區域第i個市州的電力消費碳排放量，CEECi表示區域電力消費碳排放均值，N為區域內市州的個數，本文取13.

β收斂可描述隨著時間推移，電力消費碳排放較高的區域經歷較高的下降幅度，以減小與電力消費碳排放量較低的區域之間的差距，最終趨向于相同的穩態水平.絕對β收斂是指在不考慮對電力消費碳排放有重要影響的因素情況下，地區之間的電力消費碳排放量呈現收斂的趨勢，

其表達式如下：

lnCEECi，t+1CEECit=α+βln（CEECit）+

μi+ηi+εit，（5）

其中，CEECit表示區域第i個市州在t期的電力消費碳排放，CEECi，t+1表示區域第i個市州在t+1期的電力消費碳排放，β為收斂系數，μi表示地區效應，ηi表示時間效應，εit為隨機擾動項.

1.2? 數據來源

本文所需數據來源如下：2000—2020年度甘肅省全社會用電量數據來自《中國電力統計年鑒》，2000—2020季度及月度甘肅省全社會及各市州用電量數據來自《甘肅省電力統計資料匯編》.

2? 結果與分析

2.1? 電力消費碳排放核算分析

2.1.1? 年度尺度下碳排放量核算? 甘肅省年度電力消費碳排放總量如圖1所示，總體來看，2000—2019年，甘肅省電力消費碳排放量處于持續增長階段，增幅達到77.68%.2013—2015年全省電力消費碳排放量幾乎處于持平狀態，略微上升，可能的原因是甘肅省前期大力開展煤改氣，導致社會用電量增長緩慢.2016—2017年，甘肅省全社會用電平穩，但2020年因新能源發展、產業結構調整、高耗能企業淘汰和“限電”政策等降碳措施，電力消費碳排放下降14.25%.

甘肅省13個市州2000，2005，2010，2015和2020年電力消費碳排放量變化如圖2所示.就整體趨勢而言，各市州的電力消費碳排放總量均呈上升態勢.另外，由于統計口徑變化，為了保證數據的前后一致性，本研究將嘉峪關市電力消費算入酒泉市，導致2020年兩市電力消費排放量超過蘭州市.

2.1.2? 季度尺度下碳排放量核算

圖3表示2000—2020年甘肅省各季度電力消費碳排放量.從季度尺度來看，2000—2020年各個季度的全省電力消費碳排放量均處于上升階段，其中增幅最大的是第四季度，達到了67.35%.“十五”到“十一五”期間，甘肅省電力消費碳排放量第二、四季度均高于第一、三季度，往后各季度呈現不規則變化.這可能與季節變化有一定關系，夏季和冬季居民用電需求均高于其他兩個季節，使得電力消費碳排放升高.

2.1.3? 月度尺度下碳排放量核算

圖4顯示了2000—2020年每五年每月份的電力消費碳排放量.可以看出，二月份與九月份處于整年中最低水平，與前文所述的季節變化引起的差異相一致，其余月份電力消費碳排放量基本處于平均水平.

2.2? 電力消費碳排放區域差異

2.2.1? 年度尺度區域差異分析

使用泰爾指數測算甘肅省各市州電力消費碳排放之間的差異程度，2000—2020年度的測算結果見圖5.圖5顯示甘肅省區域電力消費碳排放泰爾系數在樣本初期為0.59，且各地區之間電力消費碳排放差異較大，2003年達到最大，之后每年出現上下浮動的情況，但整體呈下降趨勢，最終在樣本末期降至0.31.甘肅省各地區電力消費碳排放量差異呈下降趨勢，與前述結論相符.原因是地級市經濟的發展和城鎮化的加速，使各市州電力消費碳排放水平差異逐漸縮小.

2.2.2? 季度尺度區域差異分析

2000—2020年甘肅省各季度電力消費碳排放泰爾指數組間和組內均出現下降趨勢（圖6），說明甘肅省各地區電力消費碳排放差異由最開始的較為明顯到最后逐漸縮小，第三、四季度在2000—2005年間，組內差異略有提升，可能由于甘肅省各市州之間經濟發展與城鎮化進程差距較大，導致用電需求增長速度層次不齊，區域內部之間差異逐漸增大.從組間差異來看，2000年各季度泰爾指數差異最大為0.081，2020年是0.0561，其中差異降幅最大的出現在第四季度，泰爾指數區間結果顯示為0.324～0.567.

2.2.3? 月度尺度區域差異分析

圖7顯示了2000—2020年在月度尺度下甘肅省電力消費碳排放泰爾指數，結果表明，甘肅省電力消費碳排放區域差異整體上呈波動下降趨勢，不同月份電力消費碳排放泰爾指數在同一時期的差異呈現規律性浮動，具體來說，2000—2010年以及2015—2020年，各月份組間差異收縮降低，2010—2015年，組間差異情況相反，呈擴大趨勢.其原因可能是此期間，甘肅省煤炭需求放緩，導致部分月份電力消費碳排放水平差距顯著.

2.3? 電力消費碳排放動態演進

本文利用泰爾指數分析了甘肅省各時間尺度下電力消費碳排放的整體差異水平以及造成差異的具體原因，但未描述各地區電力消費碳排放變化的時變演變過程.因此，本研究使用三維核密度估計方法來描述各個區域數據的分布特征，分析相應密度曲線的分布位置、分布延展性、主峰形態和波峰數量等重要特征.

2.3.1? 年度尺度下電力消費碳排放動態演進

在國民經濟發展中，減排降碳工作成為我國的約束性目標.圖8展示了年度尺度下甘肅省電力消費碳排放的核密度曲線，圖中核密度曲線呈現整體右移的趨勢，表明甘肅省大部分城市的電力消費碳排放量相對增加.主峰的高度降低，寬度增大，這表明樣本內市州的電力消費碳排放水平呈現出更大的離散程度，這種變化可能是由于不同區域的產業基礎差異導致的.在核密度曲線中存在右拖尾現象，即表示在該區域內存在一些城市的電力消費碳排放水平明顯高于其他城市.此外，樣本時期的碳排放存在雙峰現象，意味著存在排放水平較高和排放水平較低的兩個區域，進一步印證了存在城市碳排放的兩極分化現象.

2.3.2? 季度尺度下電力消費碳排放動態演進

圖9描述了2000，2010和2020年季度尺度甘肅省電力消費碳排放的核密度曲線，從全省季度層面來看，2000，2010和2020年的電力消費碳排放量整體呈現右移的趨勢，這表明甘肅省大部分市州在各季度的電力消費碳排放量持續增長.核密度曲線三階段均存在顯著的右拖尾現象，即不同季度下區域內部也存在較大差異.主峰高度上升，寬度增大，意味著樣本內各季度電力消費碳排放水平的離散程度呈現下降趨勢.

2.3.3? 月度尺度下電力消費碳排放動態演進

2000，2010和2020年月度尺度下甘肅省電力消費碳排放的核密度曲線如圖10所示，從全省月度層面來看，2000，2010，2020年整體碳排放量的核密度曲線也表現出右移的趨勢，表明甘肅省大部分城市在各個月度的電力消費碳排放處在持續增長狀態，主峰高度上升但寬度變大，意味著樣本內各月度碳排放水平的離散程度呈現下降趨勢.核密度曲線三階段均存在顯著的右拖尾現象，即不同季度下區域內部也存在較大差異.在樣本初期，月度尺度下核密度曲線圖呈現雙峰現象.然而，在樣本末期，雙峰逐漸演變為單峰，這表明區域內部的兩極分化特征整體上趨于減弱，區域內的差異化程度逐漸降低.

2.4? 電力消費碳排放收斂性分析

2.4.1? σ收斂

甘肅省各地區年度、季度及月度電力消費碳排放σ收斂結果如表1所示.在年度尺度上，碳排放變異系數呈先減少后增加的趨勢，在2009年達到最低點.隨著城市產業和能源轉型進程的推進，各地區的碳排放差異逐漸增大，并在年度尺度上觀察到期末值高于期初值的現象，表明在此時間尺度上不存在σ收斂的特征.季度尺度上，碳排放變異系數呈現波動上升的趨勢，于2020年達到最高點.在月度尺度上，電力消費碳排放變異系數呈先下降后波動上升的趨勢，并于2004年達到最低點，顯示出市州間發展速度的差異.總體上，各個時間尺度下的電力消費碳排放最終值均大于初始值，且普遍不存在σ收斂性.

2.4.2? 絕對β收斂

表2給出了甘肅省不同時間尺度下區域碳排放的絕對β收斂檢驗結果.在所有時間尺度下，甘肅省的絕對β值都為負數，并且通過了顯著性檢驗，即甘肅省電力消費碳排放在年度、季度以及月度均存在絕對β收斂.這也意味著長期來看甘肅省13個市州的電力消費碳排放在各時間尺度下會收斂至各自的穩態水平.在全省范圍內，年度、季度和月度的收斂速度分別為0.0225，0.0276和0.0428，說明在月度尺度下，甘肅省電力消費碳排放的收斂速度相對較快，而年度尺度下的收斂速度相對較慢.以ρ或λ系數為衡量標準，在各時間尺度下，系數值均為正數.此外，隨著時間尺度的縮短，系數值呈現出逐漸減小的趨勢.這表明甘肅省電力消費碳排放受到周邊地區的正向空間溢出影響，且隨著時間尺度的縮短，該影響的程度逐漸降低.

3? 結論及建議

3.1? 結論

本文采用碳核算技術指南法核算多時間尺度下區域電力消費碳排放量，并使用泰爾指數、核密度估計和空間收斂模型對電力消費碳排放的區域差異，動態演進及收斂性開展研究.并以甘肅省為例進行分析，得到以下主要研究結論：

1）甘肅省電力消費碳排放總體呈上升趨勢，同時各地區之間的差異逐漸減小.核算的結果顯示，甘肅省電力消費碳排放量在2000—2019年整體上處于增長狀態，并于2019年達到峰值，2020年略微下降.從區域差異來看，各市州電力消費碳排放量在不同時間尺度下差異程度不同，但整體表現為差異減小趨勢.

2）隨著時間推移區域內部的兩極分化特征整體趨于減弱，差異化程度逐漸降低.從動態演進來看，多時間尺度下的碳排放水平均存在不同幅度的下降趨勢，反映了甘肅省減排降碳工作的成效.隨著研究時段的推移，不同時間尺度下的動態演進特征表現出相似的趨勢，初期存在的兩極分化現象逐漸減弱，區域內部的極化特征整體呈現降低趨勢.

3）甘肅省電力消費碳排放將趨于各自穩態水平，同時受到周邊地區正向空間溢出影響，隨著時間尺度的縮短，這種影響逐漸減弱.收斂特征顯示甘肅省及各市州電力消費碳排放量在各時間尺度下均不存在σ收斂，但均檢驗出絕對β收斂的存在.長期來看，甘肅省13個市州的電力消費碳排放在各時間尺度下會收斂至各自的穩態水平.同時，甘肅省電力消費碳排放受到周邊地區的正向空間溢出影響，且影響程度隨著時間尺度的縮短逐漸降低.

3.2? 建議

基于上述研究結論，得到如下建議：

1）為應對電力消費碳排放總量增長和區域差異，需要調整和優化能源結構.首先，需構建河西走廊新能源開發區，形成可再生能源供應體系.支持酒泉地區發展特大型風電基地，促進風電、光伏、光熱、儲能等協調發展.其次，打造金（昌）張（掖）武（威）風光電基地，建成河西第二條特高壓直流輸送通道.最后，隴東地區加速建設隴東特高壓直流輸電工程，實現煤炭綠色開發和煤電清潔高效生產.最后，天水市、隴南市等東南部地區承接煤炭資源異地轉化利用，發展風電、光伏等清潔能源和抽水蓄能項目，建立清潔能源與煤炭資源綜合利用的機制.

2）推動全省電力消費低碳化協調發展，弱化動態演進特征中的兩極現象.對于欠發達地區，應利用后發優勢，以產業結構合理化為目標，注重各產業的比例和關聯方式的協調.對于發達地區，應依托產業創新和優化升級的優勢，以產業結構高端化、低碳化為目標，推動經濟結構向集約型和高端化轉型.

3）甘肅省市州應與周邊地區加強跨區域合作，推動碳排放減排的協同效應，在縮小碳排放區域差異的同時發揮空間溢出效應，強化對周邊地區的輻射帶動作用，達到電力消費碳排放的空間依賴和溢出的協調與平衡.推動甘肅省各行業達到碳排放達峰，逐步收斂至穩態水平.

參考文獻：

［1］? 張永生.為什么碳中和必須納入生態文明建設整體布局——理論解釋及其政策含義［J］.中國人口·資源與環境，2021，31（9）：6.

［2］? 陳迎，巢清塵，等.碳達峰、碳中和100問［M］.北京：人民日報出版社，2021.

［3］? HAO Y，CHEN H，WEI Y-M，et al.The influence of climate change on CO2（carbon dioxide） emissions：an empirical estimation based on Chinese provincial panel data［J］.Journal of Cleaner Production，2016，131：667.

［4］? 周迪，王雪芹.中國碳排放效率與產業結構升級的耦合度及耦合路徑［J］.自然資源學報，2019，34（11）：2305.

［5］? 王常凱，謝宏佐.中國電力碳排放動態特征及影響因素研究［J］.中國人口·資源與環境，2015，25（4）：21.

［6］? SANTOS-ALAMILLOS F J，ARCHER C L，NOEL L，et al.Assessing the economic feasibility of the gradual decarbonization of a large electric power system［J］.Journal of Cleaner Production，2017，147：130.

［7］? WELDU Y W，ASSEFA G.The search for most cost-effective way of achieving environmental sustainability status in electricity generation：Environmental life cycle cost analysis of energy scenarios［J］.Journal of Cleaner Production，2017，142：2296.

［8］? STAFFELL I.Measuring the progress and impacts of decarbonising British electricity［J］.Energy Policy，2017，102：463.

［9］? 李遠玲，王金龍，楊伶.基于縣域尺度的湖南省農業碳排放時空特征分析［J］.中國農業資源與區劃，2022，43（4）：75.

［10］? 王少劍，高爽，黃永源，等.基于超效率SBM模型的中國城市碳排放績效時空演變格局及預測［J］.地理學報，2020，75（6）：1316.

［11］? 韋彥汀，李思佳，張華.成渝城市群碳排放時空特征及其影響因素［J］.中國環境科學，2022，42（10）：4807.

［12］? 孫耀華，仲偉周.中國省際碳排放強度收斂性研究——基于空間面板模型的視角［J］.經濟管理，2014，36（12）：31.

［13］? 付云鵬，馬樹才，宋琪.中國區域碳排放強度的空間計量分析［J］.統計研究，2015，32（6）：67.

［14］? 趙桂梅，趙桂芹，陳麗珍，等.中國碳排放強度的時空演進及躍遷機制［J］.中國人口·資源與環境，2017，27（10）：84.

［15］? 周四軍，江秋池.基于動態SDM的中國區域碳排放強度空間效應研究［J］.湖南大學學報（社會科學版），2020，34（1）：40.

［16］? CUI Y，KHAN S U，DENG Y，et al.Regional difference decomposition and its spatiotemporal dynamic evolution of Chinese agricultural carbon emission：considering carbon sink effect［J］.Environmental Science and Pollution Research，2021，28（29）：38909.

［17］? 張翠菊，柏群，張文愛.中國區域碳排放強度影響因素及空間溢出性——基于空間杜賓模型的研究［J］.系統工程，2017，35（10）：70.

［18］? 張青青，曲衍波，展凌云，等.中國糧食生產碳排放動態演進及驅動效應［J］.地理學報，2023，78（9）：2186.

［19］? 田云，尹忞昊.中國農業碳排放再測算：基本現狀、動態演進及空間溢出效應［J］.中國農村經濟，2022（3）：104.

［20］? 王志遠，鄭伯紅，陳祖展.城市空間形狀與碳排放強度的相關性研究——基于我國35個城市的分析［J］.城市發展研究，2013，20（6）：8.

［21］? 王睿，張赫，強文麗，等.基于城鎮化的中國縣級城市碳排放空間分布特征及影響因素［J］.地理科學進展，2021，40（12）：1999.

［22］? XUE L M，ZHENG Z X，MENG S，et al.Carbon emission efficiency and spatio-temporal dynamic evolution of the cities in Beijing-Tianjin-Hebei Region，China［J］.Environment，Development and Sustainability，2022，24（6）：7640.

［23］? 韓夢瑤，劉衛東，謝漪甜，等.中國省域碳排放的區域差異及脫鉤趨勢演變［J］.資源科學，2021，43（4）：710.

［24］? 黃和平，喬學忠，張瑾，等.綠色發展背景下區域旅游業碳排放時空分異與影響因素研究——以長江經濟帶為例［J］.經濟地理，2019，39（11）：214.

［25］? WANG S，HUANG Y，ZHOU Y.Spatial spillover effect and driving forces of carbon emission intensity at the city level in China［J］.Journal of Geographical Sciences，2019，29（2）：231.

［26］? ZHANG J，XING Z，WANG J.Analysis of CO2 Emission Performance and Abatement Potential for Municipal Industrial Sectors in Jiangsu，China［J］.Sustainability，2016，8（7）：697.

［27］? ZHANG X，YE S，SHEN M.Driving factors and spatiotemporal characteristics of CO2 emissions from marine fisheries in China：a commonly neglected carbon-Intensive sector［J］.International Journal of Environmental Research and Public Health，2023，20（1）：883.

［28］? 王惠，王樹喬.中國工業CO2排放績效的動態演化與空間外溢效應［J］.中國人口·資源與環境，2015，25（9）：29.

［29］? SHI W，SHA Z Q，QIAO F W，et al.Study on the temporal and spatial evolution of Chinas carbon dioxide emissions and its emission reduction path［J］.Energies，2023，16（2）：16.

［30］? SILVERMAN B W.Density Estimation for Statistics and Data Analysis［M］.New York：Chapman and Hall，1986.

［31］? 潘文卿.中國區域經濟差異與收斂［J］.中國社會科學，2010（1）：72.

［32］? 馬玉林，馬運鵬.中國科技資源配置效率的區域差異及收斂性研究［J］.數量經濟技術經濟研究，2021，38（8）：83.

［33］? 滕澤偉，胡宗彪，蔣西艷.中國服務業碳生產率變動的差異及收斂性研究［J］.數量經濟技術經濟研究，2017，34（3）：78.

［34］? 張卓群，張濤，馮冬發.中國碳排放強度的區域差異、動態演進及收斂性研究［J］.數量經濟技術經濟研究，2022，39（4）：67.

（責任編輯? 武維寧）