何永杰， 楊新海

（蘇州科技大學 建筑與城市規(guī)劃學院，江蘇 蘇州 215011）

隨著全球氣候變暖和生態(tài)環(huán)境惡化問題日益凸顯，應對氣候危機已經(jīng)成為全球共識。 在2020 年9 月，我國提出了“碳達峰、碳中和”的目標，這一承諾是基于我國生態(tài)文明建設的內(nèi)在要求，同時也是作為大國責任擔當?shù)捏w現(xiàn)。 要實現(xiàn)這一目標不僅需要國家層面上的頂層設計和政策引導，還需要在區(qū)域層面上采取針對性的碳減排措施。 江蘇省作為一個經(jīng)濟發(fā)達且人口密集的地區(qū)，其生活和生產(chǎn)部門能源需求量巨大，節(jié)能減排任務艱巨，因此，分析江蘇省碳排放的空間差異性及影響成因，可有利于區(qū)域有效碳減排措施的制定。

已有學者從不同視角和不同尺度對碳排放進行了研究。 研究尺度大部分集中于國家、省域層面，研究內(nèi)容主要包括碳排放的核算、碳排放格局演變以及影響因素等。 在碳排放的核算方面，既有制定碳排放清單進行分部門碳核算的研究[1]，也有集中于某一個行業(yè)的碳核算研究，如建筑生命周期碳排放、土地利用碳排放、農(nóng)業(yè)碳排放、能源消費碳排放等方面[2-5]。 在碳排放格局特征方面，國內(nèi)外學者大多以時間順序和空間差異兩大視角對碳排放的格局演變研究進行展開，多數(shù)學者采用泰爾指數(shù)、空間自相關、基尼系數(shù)等方法來揭示研究區(qū)域碳排放的空間分異化特征[6-9]。 在碳排放影響因素研究方面，主要采用STIRPAT 模型法、LMDI 因素分解法、GWR 模型法和GTWR 模型法等，如Chen[10]等利用GTWR-STIRPAT 模型來分析中國八大經(jīng)濟區(qū)碳排放的影響因素。 黃蕊[11]等通過STIRPAT 模型定量分析江蘇省人口數(shù)量、能源強度和城市化率對能源消費碳排放的影響。 宋府霖[12]等利用LMDI 分解法及修正后的STIRPAT 模型分析了長三角地區(qū)能源消費碳排放驅動因素，結果表明，經(jīng)濟產(chǎn)出和人口規(guī)模為促進因素，能源強度和結構為抑制因素。 王雅楠[13]等運用GWR 模型揭示了各影響因素在不同省份的空間差異性。 肖宏偉[14]等利用GTWR 模型實證考察影響中國省域碳排放規(guī)模和碳排放強度的驅動因素。

現(xiàn)有研究為本文提供了理論支撐和方法借鑒，但由于數(shù)據(jù)獲取和處理的難度，現(xiàn)有的研究成果大多從國家和省域層面對碳排放展開研究，更多的是在宏觀層面對碳減排作出指導，無法準確地反映區(qū)域內(nèi)部的碳排放時空格局特征及主要驅動因素，從而難以提出具有針對性的碳減排措施。 鑒于江蘇省不同縣域的經(jīng)濟發(fā)展水平、產(chǎn)業(yè)結構、資源稟賦等因素存在較大差異，導致江蘇省碳排放具有空間差異性。 本文以江蘇省縣域為研究單元，基于江蘇省96 個區(qū)縣的碳排放數(shù)據(jù)，分析2005—2017 年江蘇省縣域碳排放的時空異質性，并通過GTWR 模型對縣域碳排放的影響因素進行分析，以期為江蘇省因地制宜制定碳減排政策提供借鑒。

1 研究方法與數(shù)據(jù)來源

1.1 研究區(qū)概況

江蘇省位于中國東部沿海地區(qū)，地處長江三角洲地區(qū)，東臨黃海，南接浙江省和上海市，西部和安徽省相接壤，是中國經(jīng)濟發(fā)達和開放水平高的省份之一。 全省的土地面積為10.72 萬km2，是中國人口密度最高的省份之一，常住人口超過8 000 萬人。截至2016 年12 月，江蘇省下轄13 個地級市，55 個市轄區(qū)，21 個縣級市，20 個縣（見圖1）。

圖1 江蘇省行政區(qū)劃圖

江蘇省是中國的經(jīng)濟大省，其經(jīng)濟綜合實力常年位居全國前列，江蘇省的經(jīng)濟以制造業(yè)和服務業(yè)為主，其中制造業(yè)的產(chǎn)值占GDP 的比重較大。 有數(shù)據(jù)表明，2005—2017 年江蘇省碳排放量從396.10 百萬t 增至757.88 百萬t，位居全國高碳省份第四位。

1.2 研究方法

1.2.1 空間自相關分析

本文采用全局空間自相關和局部空間自相關對江蘇省縣域碳排放的空間依賴程度進行分析。 全局空間自相關能夠分析縣域碳排放的空間分布特征及地理位置間的依賴關系，公式如下

式中，I 表示全局Moran’s I 指數(shù)，xi和xj為分別為區(qū)縣i 和區(qū)縣j 的碳排放量；為縣域碳排放量的平均值；n為江蘇省縣域總數(shù)；Wij為空間權重矩陣。

標準化Z 值得分確定Moran’I 指數(shù)的顯著性，公式如下

式中， E（Ii）和VAR（Ii）分別表示Moran’I 指數(shù)的期望值與方差。

局部空間自相關主要用來判斷縣域碳排放的集聚類型，一般用局部Moran’I 指數(shù)（LISA）來檢驗。 公式如下

式中，Ii表示局部Moran’s I 指數(shù)；yi和yj為區(qū)縣i 和區(qū)縣j 碳排放量；為縣域碳排放量的平方均值；n 為江蘇省區(qū)縣總數(shù)；Wij為空間權重矩陣；S2為方差。

1.2.2 GTWR 模型

時空地理加權回歸（GTWR）模型可用于分析碳排放的影響因素及時空效應變化特征，相較于地理加權回歸（GWR）模型納入了時間維度的考量，通過對時間和空間權重的加權回歸來揭示局部單元之間的關系。模型如下

式中，（ui，vi，ti）為第i 樣本的時空坐標；β0（ui，vi，ti）為常數(shù)項；βk（ui，vi，ti）為第k 個影響因素在第i 點的回歸系數(shù)；εi為誤差項。

1.3 數(shù)據(jù)來源

本文選取江蘇省96 個區(qū)縣為研究對象，縣級碳排放數(shù)據(jù)來源于中國碳排放核算數(shù)據(jù)庫（CEADs），由于2017 后的縣域碳排放數(shù)據(jù)缺失較多，故本文主要使用2005—2017 年江蘇省縣域碳排放數(shù)據(jù)。本文主要從社會、經(jīng)濟、技術三個角度考慮其對碳排放的影響（見表1）。 社會因素選取人口規(guī)模和城鎮(zhèn)化率, 經(jīng)濟因素選取人均GDP 和固定資產(chǎn)投資，技術因素選取產(chǎn)業(yè)結構和能源強度，各區(qū)縣社會、經(jīng)濟等相關數(shù)據(jù)來源于江蘇省各地市統(tǒng)計年鑒。

2 江蘇省縣域碳排放的時空分布與集聚特征

2.1 縣域碳排放的時空分布特征

如圖2 所示，2005—2017 年江蘇省碳排放總量呈現(xiàn)先上升、后平穩(wěn)的趨勢。從碳排放增長率來看江蘇省碳排放變化主要分為三個階段：2005—2009 年江蘇省碳排放總量上升，增長幅度下降，因為江蘇省根據(jù)“十一五”規(guī)劃的指導，開始重點展開節(jié)能減排工作的實施，積極推動能源結構調(diào)整，嚴格控制高能耗高污染行業(yè)增長，淘汰落后產(chǎn)能，但受限于經(jīng)濟總量較大且增速較快，碳排放增長幅度略有下降。 2009—2011 年江蘇省碳排放總量持續(xù)上升，并且增長速度較快，這一趨勢與多方面因素有關，其中最主要的是金融危機后的基礎設施大規(guī)模建設以及高耗能、高污染行業(yè)的擴張。 2011 年后江蘇省碳排放總量趨于穩(wěn)定，增速呈現(xiàn)下降趨勢，這是因為隨著碳排放強度目標的提出以及《江蘇省節(jié)約能源條例》的頒布，進一步推動了江蘇省碳減排進程。

圖2 2005—2017 年江蘇省碳排放總量變化趨勢

如圖3 所示，2005—2017 年江蘇省各設區(qū)市碳排放量逐年增加。蘇南地區(qū)碳排放量占比50%左右，年均增長率8.15%；蘇中和蘇北碳排放量占比分別約為20%和30%，年均增長率分別為7.27%與7.17%。 三個地區(qū)產(chǎn)生差異的主要原因是，蘇南地區(qū)高能耗產(chǎn)業(yè)發(fā)達、城市化水平高、經(jīng)濟快速發(fā)展等，而蘇中和蘇北地區(qū)工業(yè)發(fā)展相對不發(fā)達。從增長趨勢來看，蘇州、常州、無錫、宿遷、鹽城、鎮(zhèn)江的年均增長率依次為9.24%、8.38%、8.07%、7.90%、7.83%、7.71%， 排在江蘇省前六位。 徐州、 南京、 淮安的年均增長率依次為6.52%、6.72%、6.87%，處在江蘇省后三位。 蘇州歷年碳排放量最高，約為宿遷的4 倍；南京碳排放量位居江蘇省第二位，但其年均增長率較低；宿遷歷年碳排放量在省內(nèi)最低，但其年均增長率較高。

圖3 2005—2017 年江蘇省各市碳排放量變化

圖4 2005—2017 年江蘇省縣域碳排放空間分布圖

基于縣域碳排放總量與分布繪制2005—2017 年江蘇省縣域碳排放量的空間分布圖（見圖3）。為了便于分析，本研究將碳排放量小于5 Mt 的定義為低碳排放型，碳排放量介于5～10 Mt 之間的定義為一般碳排放型， 碳排放量大于10 Mt 的定義為高碳排放型。 2005—2010 年江蘇省縣域高碳排區(qū)域存在顯著擴張趨勢，2010 年后各區(qū)縣趨于平穩(wěn)。 具體而言，2005 年有80.2%的縣域單元的碳排放總量在5 Mt 以內(nèi)，有3 個區(qū)縣碳排放量超過了10 Mt，2010 年增加到了11 個區(qū)縣，2017 年增加到了12 個區(qū)縣。 其中蘇州昆山和常熟市、無錫江陰市是碳排放量較高的三個地區(qū)，南京市秦淮區(qū)是碳排放量最低的地區(qū)。 其原因可能是昆山、常熟、江陰市的勞動密集型制造業(yè)規(guī)模較大，高能耗、高污染企業(yè)較多，導致碳排放較高；而南京市秦淮區(qū)碳排放較低的原因是其產(chǎn)業(yè)主要以金融商務、人文旅游為主導，是南京的人文綠都核心區(qū)之一。

江蘇省縣域碳排放量呈現(xiàn)“南高北低”的空間分布格局，空間不均衡程度明顯，高碳排放區(qū)主要集中于蘇南地區(qū)，低碳排放區(qū)以蘇北地區(qū)較為居多，還有少數(shù)零星分布于蘇中、蘇南地區(qū)的部分縣域。 其主要原因是“蘇南模式”的工業(yè)化是建立在“村村點火、戶戶冒煙”的鄉(xiāng)鎮(zhèn)企業(yè)基礎上的，這種鄉(xiāng)村工業(yè)化的發(fā)展模式也帶來了蘇南地區(qū)企業(yè)低效分散，環(huán)境污染等問題，導致碳排放較高。

2.2 縣域碳排放全局空間自相關特征

從全局自相關分析中可以看出（見表2），Moran’s I 指數(shù)在99%水平上通過顯著性檢驗，且值大于0，說明江蘇省縣域碳排放量存在顯著的空間正相關性，具有空間聚集特征。從時間序列來看，Moran’s I 指數(shù)變化幅度不大，說明縣域碳排放的空間集聚程度相對穩(wěn)定。

表2 2005—2017 年江蘇省縣域碳排放全局空間自相關分析

2.3 縣域碳排放局部空間自相關特征

根據(jù)全局Moran’s I 指數(shù)的結果， 利用GeoDa 和ArcGIS 10.7 軟件繪制繪制了2005—2017 年江蘇省縣域碳排放LISA 聚類圖對江蘇省排放量的空間集聚特征進行分析（見圖5）。 從圖中可看出，江蘇省縣域碳排放空間集聚特征變化較小，三個時間點具有顯著空間自相關的區(qū)域維持在18～21 個之間。 集聚模式主要以高-高集聚區(qū)和低-低集聚區(qū)為主。 高-高聚集區(qū)主要分布蘇南地區(qū)，包括蘇州下轄的大部分區(qū)市、及泰州和南通南部以及無錫東部，這些縣域資源豐富，經(jīng)濟發(fā)展對高碳排放的密集型產(chǎn)業(yè)較為依賴。 低-低聚集區(qū)主要分布在蘇北地區(qū)，例如淮安市的盱眙縣、漣水縣、洪澤區(qū)、淮安區(qū)。 從時間上看，2005 年高-高聚集區(qū)為11個，低-低聚集區(qū)為4 個。 2010 年高-高聚集區(qū)相較于2005 年少了相城區(qū)，多了海門市和惠山區(qū)，低-低聚集區(qū)沒有變化。 2017 年高-高相較于2010 年少了惠山區(qū)，低-低聚集區(qū)少了淮安區(qū)和漣水縣。 江蘇省縣域整體上呈現(xiàn)出較為明顯同質集聚現(xiàn)象，即碳排放量較高的區(qū)縣其相鄰的區(qū)縣碳排放量也較高，這表明江蘇省縣域碳排放在局部地區(qū)具有較高的空間依賴關系。

圖5 2005—2017 江蘇省縣域碳排放LISA 聚類圖

無錫惠山區(qū)在2005—2017 年間從低-高聚集區(qū)轉變?yōu)楦?高聚集區(qū)，最終又轉變?yōu)榈?高聚集區(qū)，這可能得益于惠山區(qū)在2013 年生態(tài)文明建設工程和環(huán)境保護重點工作得順利開展， 對低碳發(fā)展進行了科學布局，圍繞節(jié)能降耗目標任務，強勢推進污染企業(yè)整改整治，關閉大量“三高兩低”企業(yè)，同時大力綠色新興產(chǎn)業(yè)，打造綠色低碳產(chǎn)業(yè)園，碳排放相對周圍其他地區(qū)減少較多。 此外，蘇州市大部分縣域、無錫市錫山區(qū)、靖江市、如皋市以及江陰市在研究期間一直屬于高-高集聚，說明這些地區(qū)碳排放量長期處在較高的水平，其原因可能是這些地區(qū)勞動密集型產(chǎn)業(yè)規(guī)模較大，產(chǎn)業(yè)類型較為低端，長期依賴于高碳能源，形成了高碳鎖定效應。

2.4 縣域碳排放趨勢面分析

通過ArcGIS 10.7 軟件對江蘇省縣域碳排放在空間上演變趨勢進行分析（見圖6）。X 軸表示正東方向，Y軸表示正北方向，Z 軸表示各縣域碳排放量， 圖中X-Z 和Y-Z 平面上的曲線分別表示東西方向和南北方向上平面投影點所擬合的趨勢線。從圖中可以看出，從2005—2010 年江蘇省縣域碳排放的差異趨勢較為穩(wěn)定，在2010 年后東西方向碳排放差異逐漸變大。 在東西方向上，由西向東先略微減少后呈增加趨勢，在南北方向上，呈正“U”型變化，且呈現(xiàn)南高北低的特征，即江蘇省高碳排放縣域逐漸向東北部和東南部集中，這可能是因為江蘇省東部沿海地區(qū)自然資源條件、經(jīng)濟發(fā)展狀況比西部區(qū)縣較好，使得碳排放分異程度明顯。

圖6 2005—2017 年江蘇省縣域碳排放趨勢

3 江蘇省縣域碳排放的影響因素

基于上文研究得出，江蘇省縣域碳排放存在時空非平穩(wěn)性，需要引入GTWR 模型對江蘇省縣域碳排放的時空異質性以及各影響因素的驅動效應進行分析，這對各區(qū)縣因地制宜地制定碳減排政策具有重要的指導意義，助力江蘇省早日實現(xiàn)“雙碳”目標。

3.1 GTWR 模型的結果分析

由于各變量間可能會存在多重共線性問題從而導致回歸模型的準確性，為此需要對6 個變量進行相關分析（見表3）。 表格中各影響因素的VIF 值均小于5，且容差均大于0.1，這說明不存在明顯多重共線性問題。

表3 多重共線性檢驗

選取擬合度R2和AICc 作為評價GTWR 模型可信度的指標，擬合度R2取值范圍在0～1 之間，R2值越大表明模型的解釋能力越強；AICc 值越小表明模型的擬合觀測數(shù)據(jù)越好，如表4 所列，GTWR 模型的擬合度R2為0.904 8，AICc 值為1 737.94，說明GTWR 模型能很好的解釋時空異質性。

表4 GTWR 模型擬合效果

從回歸系數(shù)的結果可以看出，各影響因素回歸系數(shù)的最大值、最小值與均值存在一定差距，這意味著各區(qū)縣的碳排放影響因素具有顯著的非平穩(wěn)性，需要進一步對碳排放的時空異質性進行分析（見表5）。

表5 基于GTWR 模型的影響因素回歸系數(shù)統(tǒng)計分析

3.2 縣域碳排放影響因素分析

總體來看，產(chǎn)業(yè)結構對江蘇省縣域碳排放的影響最大，其次是能源強度，且兩者對碳排放有正向影響作用，這說明產(chǎn)業(yè)與技術的發(fā)展水平成為了影響江蘇省縣域碳排放的主導因素，這是后期制定碳減排政策需要著重考慮的方面。 人口規(guī)模和人均GDP 也對碳排放有著一定影響，城鎮(zhèn)化率和固定資產(chǎn)投資對于碳排放的影響較弱。 為了更好的探究各影響因素對縣域碳排放影響的時空異質性，使用ArcGlS10.7 軟件對各影響因素回歸系數(shù)進行可視化分析，生成回歸系數(shù)空間分布圖（見圖7）。

圖7 江蘇省縣域碳排放影響因素回歸系數(shù)空間分布圖

3.2.1 產(chǎn)業(yè)結構的驅動影響

有90%以上的縣域產(chǎn)業(yè)結構回歸系數(shù)為正值，說明第二產(chǎn)業(yè)比重的上升會促進碳排放的增長。 其中受產(chǎn)業(yè)結構影響較高的地區(qū)主要分布在南通市的多個區(qū)縣以及淮安市金湖縣、盱眙縣。 這是因為這些區(qū)縣第二產(chǎn)業(yè)占經(jīng)濟總量的比重較大，優(yōu)化產(chǎn)業(yè)結構方面存在不足，且以重工業(yè)發(fā)展經(jīng)濟，從而促進了碳排放量的增加。 其中南通市的區(qū)縣的碳排放受產(chǎn)業(yè)結構的正向驅動影響最大，南通制造業(yè)發(fā)達，擁有規(guī)模以上工業(yè)企業(yè)5 300 多家，產(chǎn)業(yè)類型以金屬制造業(yè)、非金屬礦物品業(yè)以及化工制造業(yè)等高能耗、高碳排的制造業(yè)為主導，產(chǎn)業(yè)結構相對低端，造成了經(jīng)濟的高碳特征。 產(chǎn)業(yè)結構對碳排放起負向作用的地區(qū)主要集中東部沿海的鹽城市和連云港市的大部分區(qū)縣，其原因一方面是沿海地區(qū)的海洋資源較為豐富，蘊藏著極為豐富的“風光”資源，能夠布局清潔高效的綠色能源；另一方面，如連云港市在工業(yè)布局中，多年來著力推進新醫(yī)藥、新材料和高端裝備制造業(yè)的發(fā)展，積極淘汰落后產(chǎn)能，打造綠色工廠和綠色產(chǎn)業(yè)鏈，這些區(qū)縣積極尋求產(chǎn)業(yè)結構的低碳轉型，打造低碳產(chǎn)業(yè)園區(qū)，促進產(chǎn)業(yè)可持續(xù)發(fā)展，從而降低了碳排放。

3.2.2 能源強度的驅動影響

有85%以上的縣域能源強度回歸系數(shù)為正值，表明技術水平的提升對江蘇省縣碳排放有抑制作用。 從空間上看，在徐州市西北部的豐縣、沛縣、銅山區(qū)等地形成能源強度高值集聚區(qū)，這些地區(qū)社會經(jīng)濟發(fā)展相對落后，工業(yè)化水平較低，技術水平的提升能大幅提高能源利用效率，從而抑制碳排放。 同時能源強度對碳排放有正向影響的地區(qū)還有蘇州、南京、常州、無錫、鹽城、南通等大部分區(qū)縣，這些地區(qū)工業(yè)化程度相對較高，在采用了更先進的技術、更高效的生產(chǎn)流程和管理方法等后能夠對碳排放有一定的抑制作用。 連云港市所有區(qū)縣以及響水縣、漣水縣、沭陽縣的能源強度回歸系數(shù)為負值，即出現(xiàn)了能源強度降低，碳排放總量卻增加的情況，這種現(xiàn)象可能是在產(chǎn)業(yè)結構調(diào)整過程中，一些高排放行業(yè)的產(chǎn)值可能仍然占比較大，導致碳排放反而增加，符合林伯強提出的能源強度與碳排放之間呈現(xiàn)倒U 型曲線特征[15]。

3.2.3 人口規(guī)模的驅動影響

所有區(qū)縣的人口規(guī)模回歸系數(shù)均為正值，說明人口規(guī)模對江蘇省各縣域碳排放具有促進作用，影響程度由南向北逐漸減弱。從時間上來看，人口規(guī)模對碳排放的驅動作用在逐年減弱。從空間上來看，受人口規(guī)模影響較大的地區(qū)主要分布在蘇南地區(qū)，如蘇州市、無錫市和南通市的大部分區(qū)縣，這些地區(qū)人口規(guī)模還呈增長趨勢，能源消費水平還在上升，致使碳排放增加。 受人口規(guī)模影響較小的地區(qū)主要分布在蘇北地區(qū)，如徐州市、連云港市和宿遷市的大部分區(qū)縣以及淮安市和鹽城市的北部區(qū)縣，原因有兩點：一方面是有部分區(qū)縣人口較少，經(jīng)濟發(fā)展水平相對落后，對碳排放的影響較弱，如洪澤區(qū)、金湖縣、響水縣等；二是部分區(qū)縣雖人口數(shù)量較多，但是其規(guī)劃布局較為緊湊，人口分布與基礎設施布置較為集中，有利于能源的高效供應，提高了能源利用率，如邳州市、沛縣、濱海縣等區(qū)縣。

3.2.4 城鎮(zhèn)化率的驅動影響

有57.29%的縣域城鎮(zhèn)化率回歸系數(shù)為負值，說明城鎮(zhèn)化率對江蘇省一半以上的區(qū)縣碳排放具有抑制作用。 城鎮(zhèn)化率對碳排放有負向影響的地區(qū)主要分布在布在蘇南地區(qū)，包括蘇州市、南京市、無錫市、南通市、鎮(zhèn)江市的絕大部分縣域，這種現(xiàn)象是由于蘇南地區(qū)的區(qū)縣經(jīng)濟社會發(fā)展水平較高，城市基礎設施相對完善，隨著城市化水平的提高，公共設施服務效率和能源利用率也會提高，從而抑制碳排放。 城鎮(zhèn)化率對碳排放有正向影響的地區(qū)主要分布在鹽城市、揚州市北部區(qū)縣、徐州市西北部區(qū)縣以及淮安市大部分區(qū)縣，其原因主要是這些地區(qū)受發(fā)展條件限制，城鎮(zhèn)化進程相對緩慢，基礎設施建設投入不足，產(chǎn)業(yè)規(guī)模不成體系，聚集程度較低，隨著城鎮(zhèn)化率的提升，碳排放量反而增加。

3.2.5 人均GDP 的驅動影響

有70%以上的縣域人均GDP 對碳排放的影響均為正值，這表明人均GDP 的提高會導致碳排放的增加，且對碳排放的影響存在明顯的空間異質性，在鹽城市東部地區(qū)形成高值集聚區(qū)，在徐州市西北地區(qū)形成低值集聚區(qū)。 人均GDP 對碳排放有負向影響的地區(qū)主要分布在徐州市西北部區(qū)縣、連云港市南部區(qū)縣以及南京市大部分區(qū)縣，其原因可能有兩方面，一是部分經(jīng)濟發(fā)展水平高的區(qū)縣注重產(chǎn)業(yè)結構轉型升級與能源結構優(yōu)化調(diào)整，促進技術進步和創(chuàng)新，從而減少了碳排放，如南京市大部分區(qū)縣等；還有部分區(qū)縣由于經(jīng)濟發(fā)展水平較低，產(chǎn)業(yè)結構較為簡單，能源消費水平相對較低，所以碳排放量較少，如豐縣、沛縣、灌云縣、灌南縣等。 其余大部分區(qū)縣受到正向影響，主要原因是這些地區(qū)在經(jīng)濟社會發(fā)展的同時，不斷擴張建設用地、發(fā)展高能耗產(chǎn)業(yè)，此外人們消費水平的提升也會促進能源消費水平的提高，導致碳排放量增加過快。

3.2.6 固定資產(chǎn)投資的驅動影響

有90%以上的縣域固定資產(chǎn)投資回歸系數(shù)為正值，說明固定資產(chǎn)投資的增加對江蘇省縣域碳排放起到正向促進作用。 南京市大部分區(qū)縣和徐州市西北部區(qū)縣形成高值中心，影響程度由西向東遞減，這些地區(qū)固定資產(chǎn)投資的增長加快了高碳排、高能耗產(chǎn)業(yè)的發(fā)展，增加了能源消耗，導致碳排放有所上升。 少部分區(qū)縣受到負向影響，如鹽城市阜寧縣、建湖縣、射陽縣等，這是因為綠色低碳發(fā)展示范區(qū)成為鹽城市建設重點，協(xié)同推進高質量發(fā)展和高水平保護，推動區(qū)域碳排放總量減少。

4 結論與建議

4.1 結論

（1）時間上，2005—2017 年江蘇省碳排放總量呈現(xiàn)先上升、后平穩(wěn)的趨勢。 2005—2011 年碳排放量增長迅速，2011 年后江蘇省碳排放總量趨于穩(wěn)定，增速呈現(xiàn)下降趨勢。

（2）空間上，江蘇省碳排放整體呈現(xiàn)“南高北低”的空間分布格局，縣域碳排放在局部范圍內(nèi)呈現(xiàn)出較高的空間依賴格性，集聚模式主要以高-高集聚區(qū)和低-低集聚區(qū)為主，呈現(xiàn)出較為明顯同質集聚現(xiàn)象。 蘇南地區(qū)部分縣域存在高碳鎖定效應，需要針對性的制定碳減排策略來實現(xiàn)高碳鎖定的全面脫鉤。

（3）各影響因素對江蘇省碳排放的影響具有顯著的時空異質性，影響程度依次為產(chǎn)業(yè)結構＞能源強度＞人口規(guī)模＞人均GDP＞城鎮(zhèn)化率＞固定資產(chǎn)投資。 產(chǎn)業(yè)結構、能源強度、人口規(guī)模、人均GDP 以及固定資產(chǎn)投資對江蘇省縣域碳排放具有正向影響，而城鎮(zhèn)化率對碳排放總體上呈抑制作用。

4.2 建議

江蘇省作為經(jīng)濟發(fā)展水平和能源消費水平較高的大省，為了積極響應“雙碳”目標，應當根據(jù)縣域不同的發(fā)展狀況，制定差異化的區(qū)域碳減排策略，實現(xiàn)縣域的低碳可持續(xù)發(fā)展。

（1）強化縣域協(xié)同。 江蘇省縣域碳排放存在明顯的不均衡現(xiàn)象，各地區(qū)需打破行政壁壘，加強縣域產(chǎn)業(yè)協(xié)作、資源互補、環(huán)境共治來縮小縣域碳排放差異，共同制定低碳發(fā)展規(guī)劃，實現(xiàn)優(yōu)勢互補和協(xié)同發(fā)展。

（2）優(yōu)化產(chǎn)業(yè)結構。 對于像昆山市、常熟市這類碳排放量較高的縣域，應當加快產(chǎn)業(yè)結構轉型，積極培育新興產(chǎn)業(yè)，限制高污染、高耗能行業(yè)，大力打造綠色低碳產(chǎn)業(yè)園區(qū)，擺脫高碳鎖定效應。

（3）調(diào)整能源結構。 調(diào)整以煤炭為主的能源消費結構對于實現(xiàn)江蘇省縣域低碳發(fā)展至關重要。 一方面對于經(jīng)濟條件較好的區(qū)縣可以強化產(chǎn)業(yè)科技賦能，淘汰落后產(chǎn)能；另一方面對于沿海的區(qū)縣可以充分利用地區(qū)資源稟賦，發(fā)展太陽能、風能等清潔能源。 減少高碳排能源的使用。