任悅寧 ，張建勛 ，董宏杰 ，董旭娟,

（1.太原理工大學(xué) 建筑學(xué)院，山西 太原，030024；2.天津大學(xué) 建筑學(xué)院，天津 300072；3.西安建筑科技大學(xué) 西部綠色建筑國家重點實驗室，陜西 西安 710055）

全球氣候變暖問題日益嚴重，為防止未來氣候變化幅度超過自然生態(tài)系統(tǒng)和經(jīng)濟社會發(fā)展所能承受的極限，造成不可逆轉(zhuǎn)的后果，全球展開了關(guān)于低碳環(huán)境保護的研究（IPCC 2018）[1]。中國為建立健全綠色低碳循環(huán)發(fā)展經(jīng)濟體系在七十五屆聯(lián)合國大會上正式提出碳達峰、碳中和目標，其中如何兼顧經(jīng)濟發(fā)展與低碳目標是中國作為發(fā)展中國家重要的研究問題之一。

為兼顧經(jīng)濟發(fā)展和低碳目標，國內(nèi)學(xué)者在構(gòu)建模型計算碳源/碳匯總量和探析不同區(qū)域碳源/碳匯時空特征的基礎(chǔ)上，進一步對碳排放脫鉤關(guān)系、碳效率、凈碳匯效率等內(nèi)容進行研究。碳排放脫鉤關(guān)系的研究從縣域[2]、旅游業(yè)[3]、土地利用[4]等不同層面剖析中國碳排放與經(jīng)濟發(fā)展之間的關(guān)系，引導(dǎo)差異化控碳以實現(xiàn)碳中和目標。碳效率研究從國家、區(qū)域[5-6]、城市[7-8]、產(chǎn)業(yè)[9]等不同層面使用非徑向模型進行低碳經(jīng)濟可持續(xù)發(fā)展評價，并將得到的評價結(jié)果使用空間計量模型等多種方法探究時空格局演變及影響因素[8]，以平衡經(jīng)濟發(fā)展與環(huán)境保護。凈碳匯效率可以被理解為一種以較少的勞動資本投入和最小的環(huán)境代價達到經(jīng)濟效益最大的能力，即在投入產(chǎn)出不變的情況下，對環(huán)境的負面影響越小，則凈碳匯效率越高。凈碳匯效率相比較于碳效率的研究，在考慮碳排放的基礎(chǔ)上增加了碳匯變化的影響，全面分析城市經(jīng)濟發(fā)展與生態(tài)環(huán)境之間的關(guān)系是否健康，對宏觀調(diào)整發(fā)展結(jié)構(gòu)以實現(xiàn)碳中和具有重要的意義。

對于凈碳匯效率的研究，ZHANG 等[10]從空間相關(guān)視角出發(fā)，使用空間計量模型分析地級市城市凈碳匯效率的影響因素，這種分析方法盡管能從整體上分析空間的相關(guān)性以及空間溢出效應(yīng)，但是當(dāng)分析的對象存在異質(zhì)性特點時，容易將其異質(zhì)性特點掩蓋，導(dǎo)致結(jié)果被混合效應(yīng)干擾[11]。因此，本文考慮異質(zhì)性特征，對中國省級區(qū)域凈碳匯效率進行宏觀研究，直觀地展現(xiàn)經(jīng)濟發(fā)展效率現(xiàn)狀及其演變特征，分析不同因素對凈碳匯效率的區(qū)域異質(zhì)性影響，以便能夠合理地配置資源，為各省實現(xiàn)低碳可持續(xù)發(fā)展提供區(qū)域政策參考。

1 數(shù)據(jù)和方法

1.1 研究區(qū)域與數(shù)據(jù)來源

1.1.1 研究區(qū)域

中國按照省、自治區(qū)、直轄市將全國劃分為34 個省級行政單位，由于西藏自治區(qū)能源統(tǒng)計數(shù)據(jù)的缺失，以及臺灣、香港、澳門地區(qū)面板數(shù)據(jù)的缺失，選取除這4 個區(qū)域外的30 個省份作為研究區(qū)域進行分析。

1.1.2 數(shù)據(jù)來源

采用2010—2020 年中國30 個省份的面板數(shù)據(jù)對凈碳匯效率進行測算，在此基礎(chǔ)上使用空間相關(guān)分析法分析凈碳匯效率的空間格局，結(jié)合地理探測器探究凈碳匯效率的影響因素。研究過程中共用到遙感、面板、行政邊界三類數(shù)據(jù)，具體如表1 所示。

表1 數(shù)據(jù)來源

1.1.3 變量計算

（1）碳排放。各省份碳排放計量依據(jù)IPCC 2006 核算清單推薦的方法，數(shù)據(jù)采用歷年《中國能源統(tǒng)計年鑒》中的地區(qū)能源平衡表。終端能源消費量包括27 種化石能源和電力、熱力消費數(shù)據(jù)，并選擇合適的碳排放因子進行計算，公式為：

式中：CE代表省份所有能源消耗碳排放量；i表示能源類型；ADi表示活動數(shù)據(jù)，即第i種能源的消耗量，百萬噸；EFi表示第i種化石燃料的排放因子。本文采用的能源排放系數(shù)參考IPCC 收錄的各種燃料的CO2排放系數(shù)[13]，熱力排放系數(shù)的選取參考范鳳巖[14]的研究，電力碳排放因子調(diào)整為最新的0.581 0 噸二氧化碳/兆瓦時[15]，其他能源碳排放因子參考陶東[16]的研究。

（2）碳匯。碳匯測算使用植被凈初級生產(chǎn)力NPP數(shù)據(jù)，來源于美國國家航空航天局NASA 的MOD17A3HGF年度全球500 米產(chǎn)品（網(wǎng)址為https://ladsweb.modaps.eosdis.nasa.gov/），通 過MOD12Q1 和MOD15A2 兩個上級數(shù)據(jù)輸入得到[17]。算法通過讀取MOD12Q1 獲取土地覆蓋類型（圖1），讀取MOD15A2H 獲得葉面積指數(shù)（leaf area index）和光合有效輻射分數(shù)（fraction of absorbed photosynthetically active radiation），并輸入氣候數(shù)據(jù)，計算以8 天為單位的MOD17A2（MOD17 算法假設(shè)FPAR和LAI 在給定的8 天內(nèi)沒有變化），每年年底由8 天的MOD17A2 計算MOD17A3。

圖1 MOD17A3HGF算法流程

使用ArcGIS 10.8 對MODIS 數(shù)據(jù)進行處理和計算，得到NPP 數(shù)據(jù)。通過研究MOD17A3HGF 的算法，數(shù)據(jù)無效值區(qū)域被識別為常年冰雪、貧瘠、稀疏的植物（巖石、苔原、沙漠），根據(jù)數(shù)據(jù)無效值區(qū)域的性質(zhì)和占研究區(qū)域的比例，認為其缺失值對研究整體碳匯時空變化影響較小，因此忽略數(shù)據(jù)無效值部分進行分析。

（3）凈碳匯效率。在計算碳排放、碳匯的基礎(chǔ)上，使用超效率SBM 模型對各省份的凈碳匯效率進行測度，通過設(shè)置投入、期望產(chǎn)出、不良產(chǎn)出構(gòu)建模型[18]。選擇勞動力、資本和能源作為投入要素，確定國民經(jīng)濟生產(chǎn)總值GDP 和碳匯量作為理想的產(chǎn)出要素，將二氧化碳排放量作為不良的產(chǎn)出搭建模型，如表2 所示。

表2 凈碳匯效率測算指標

1.2 研究方法

1.2.1 超效率SBM模型

由于考慮非期望產(chǎn)出的超效率SBM 模型（Slack Based Model）對凈碳匯效率的測度能夠考慮松弛變量和不良產(chǎn)出，并且產(chǎn)生的效率值會超過1，克服了以往有效單位效率值為1 時無法比較的缺陷[19]，故使用超效率SBM 模型測度凈碳匯效率，公式如下：

式中：中國凈碳匯效率的決策單元DMU 為n個，其中投入變量為x，期望產(chǎn)出為y以及非期望產(chǎn)出為z；s-、sg、sb分別為投入、期望產(chǎn)出和非期望產(chǎn)出的松弛變量。

1.2.2 空間相關(guān)分析

空間自相關(guān)模型作為地理學(xué)和統(tǒng)計學(xué)知識融合的模型，能夠分析空間上是否存在一定的關(guān)系，可用于分析凈碳匯效率的時空特征。本文基于ArcGIS 10.8 通過莫蘭指數(shù)衡量全局空間自相關(guān)：當(dāng)Moran’s I 為正數(shù)時，表示在空間上呈集聚分布；當(dāng)Moran’s I 為負數(shù)時，表示在空間上呈分散分布。使用聚類與異常值分析測度凈碳匯效率在局部空間上的集聚和分散情況。冷熱點分析Getis-Ord Gi*能夠進一步識別空間分布時集聚、分散或是隨機的，通過冷熱點分析能夠識別省域凈碳匯效率熱點與冷點的空間分布，Gi*(d)值為正表示高值集聚，即“熱點區(qū)”；反之為低值集聚，即“冷點區(qū)”。

1.2.3 地理探測器

WANG 等[20-21]提出地理探測器這一探測空間分異的方法，能夠探索自變量及因變量在空間分布上的相似性，并且能夠分析兩因子之間的相互作用關(guān)系，以及作用關(guān)系的強弱。由于凈碳匯效率影響因素的內(nèi)生性和共線性問題嚴重，使用該方法的優(yōu)勢在于其原理保證了其對多自變量的共線性免疫。因子探測主要分析不同影響因素對研究區(qū)域凈碳匯效率空間格局的解釋程度[22-23]。計算公式如下：

式中：q為影響要素對凈碳匯效率的解釋程度；n、σ2分別表示樣本總量和方差；nh、σh分別表示第h層（h=1,2,…,L）的樣本量和樣本方差。q的取值范圍為[0,1]，值越接近1 意味著該因子對省域凈碳匯效率的影響越大，反之越弱。

2 凈碳匯效率時空演變特征

2.1 碳源、碳匯及凈碳匯效率總體特征

在計算碳排放量、碳匯量基礎(chǔ)上測度凈碳匯效率，分別對三者總量變化及時空分布特征進行分析，并探究三者的時空變化特征是否具有一定的關(guān)聯(lián)性[24]。

2010—2020 年中國碳排放總量呈現(xiàn)波動上升趨勢，碳排放總量從8 361.44 百萬噸上升至12 001.60 百萬噸，增長率為43.53%，具體表現(xiàn)為：2010—2014 年碳排放量增長較快；2014—2016 年，碳排放量增速減緩且出現(xiàn)下降趨勢；2016—2020 年，碳排放量增速加快并持續(xù)增長[25-28]。2010—2020 年中國碳匯總量呈現(xiàn)波動上升趨勢，碳匯量從3 330.07 百萬噸上升至3 659.08 百萬噸，增長了9.88%，具體表現(xiàn)為：2010—2013 年，碳匯總量呈現(xiàn)增長趨勢；2013—2017 年，碳匯總量較為穩(wěn)定，基本保持不變；2017—2020 年，碳匯總量波動上升[29-30]。總體來說全國碳匯總量增長相較于碳排放總量較為緩慢（圖2）。

圖2 2010—2020年中國碳匯量和碳排放量變化圖

在碳排放與碳匯計算基礎(chǔ)上結(jié)合社會經(jīng)濟數(shù)據(jù)，利用考慮非期望產(chǎn)出的超效率SBM 模型，并借助MaxDEA 軟件測算全國30 個省份2010—2020 年的凈碳匯效率。根據(jù)結(jié)果（圖3）可知：中國凈碳匯效率值總體偏低，區(qū)域差異性明顯，呈現(xiàn)凈碳匯效率西南及東北區(qū)域高，中間偏東區(qū)域低的格局（以中國人口地理界限為軸，兩端高中間低）；青海、云南、黑龍江、內(nèi)蒙古、四川、福建、海南（高值＞0.55）屬于全國凈碳匯效率的高值區(qū)域，天津、山東、江蘇、河北、寧夏、浙江、河南（低值＜0.3）屬于全國凈碳匯效率的低值區(qū)域。

圖3 2010年、2015年、2020年中國省域碳源、碳匯及凈碳匯效率空間分布

2010—2020年凈碳匯效率整體處于上升趨勢。其中：浙江、山東、廣西、海南、新疆呈現(xiàn)明顯的下降趨勢；天津、山西等中國人口地理界限的東側(cè)中部多個省份呈現(xiàn)明顯的上升趨勢，屬于人口較多、人口密度較大區(qū)域，可以側(cè)面說明人的主觀能動性對凈碳匯效率存在影響，通過宏觀調(diào)控人的行為活動可以提升凈碳匯效率；而其余省份的變化趨勢不顯著（圖4）。

圖4 2010—2020年凈碳匯效率演變

分析碳源/碳匯和凈碳匯效率時空特征（圖3）可以發(fā)現(xiàn)，凈碳匯效率的低值分布與碳排放量的高值分布相似，而凈碳匯效率的高值分布與碳匯水平的高值分布相似，通過宏觀調(diào)整各影響因素控制碳排放量與碳匯量直接影響凈碳匯效率。因此改善生態(tài)環(huán)境和減少固定人口基數(shù)下人們必要活動產(chǎn)生的碳排放，對凈碳匯效率的影響較為有限；而社會發(fā)展等由人力形成的要素影響作用較大，因此人口密度較高地區(qū)對生態(tài)環(huán)境影響較多，效率值相對較低且人口密度較大的東中部地區(qū)具有較高的提升空間。

2.2 凈碳匯效率空間格局分析

2.2.1 空間總體格局

使用ArcGIS 10.8 對中國省域凈碳匯效率空間特征進行空間自相關(guān)分析，采用全局莫蘭指數(shù)刻畫凈碳匯效率的空間相關(guān)性。2010—2018 年凈碳匯效率呈現(xiàn)顯著的空間自相關(guān)性，Moran’s I 指數(shù)均大于零且在95%的水平上通過顯著性檢驗，指數(shù)波動較?。▓D5）。但是，2019—2020 年莫蘭指數(shù)呈現(xiàn)負數(shù)。猜測導(dǎo)致2019 年和2020 年空間自相關(guān)分析異常是由于北京、上海兩個地區(qū)凈碳匯效率在2019—2020 年突然增高，經(jīng)檢驗，若北京、上海兩地數(shù)據(jù)保持之前數(shù)值，莫蘭指數(shù)降低，但空間上仍然存在集聚特征。通過分析北京、上海投入產(chǎn)出指標可以發(fā)現(xiàn)，變化較為明顯的指標是GDP 的增長、二氧化碳排放的降低以及碳匯水平保持在較高水平，可以發(fā)現(xiàn)最大經(jīng)濟增長的同時保證高水平的碳匯量以及較低的碳排放量，凈碳匯效率就會顯著增高。

圖5 2010—2020年莫蘭指數(shù)與平均凈碳匯效率趨勢變化

通過計算平均凈碳匯效率（表3）可知，2010—2012年凈碳匯效率呈現(xiàn)降低趨勢；2012—2017 年基本沒有發(fā)生變化，處于平穩(wěn)狀態(tài)；2017—2020 年呈現(xiàn)持續(xù)增長趨勢。平均凈碳匯效率與凈碳匯效率的空間集聚程度出現(xiàn)負相關(guān)的現(xiàn)象，凈碳匯效率升高莫蘭指數(shù)降低，凈碳匯效率降低莫蘭指數(shù)升高。猜測凈碳匯效率的高低與自然環(huán)境和社會發(fā)展息息相關(guān)，但是通過政策推出、工業(yè)污染治理、節(jié)能環(huán)保支出、產(chǎn)業(yè)結(jié)構(gòu)等要素的調(diào)整，不同區(qū)域可以提升凈碳匯效率，此時隨著凈碳匯效率的提升，空間集聚效應(yīng)將會減弱。

表3 Moran’s I指數(shù)空間相關(guān)性分析

2.2.2 空間集聚特征

使用ArcGIS 10.8 對省級區(qū)域凈碳匯效率進行高/低聚類分析，可得區(qū)域凈碳匯效率存在低聚類模式。在此基礎(chǔ)上進行熱點分析（Getis-Ord Gi*），通過冷熱點的空間分布可以看出，凈碳匯效率值冷點集聚于中國的東部地區(qū)，即以北京為中心的京津冀“首都經(jīng)濟圈”（即北京、天津、河北等地）與以上海為中心的“長江三角洲經(jīng)濟帶”（即上海、江蘇、浙江等地）。凈碳匯效率熱點集聚于云南、海南等地，分為兩種類型，一種是人口密度低的人稀地廣區(qū)域，如新疆、青海；另一種是碳匯能力強且城市化水平較低的區(qū)域，如四川、貴州、云南。

通過冷熱點的時序變化（圖6）發(fā)現(xiàn)，2010—2020 年中國凈碳匯效率值的冷熱點集聚程度逐漸下降。2010—2020 年凈碳匯效率值冷點區(qū)域從集聚區(qū)域北側(cè)開始一直減少，到2020 年冷點以河南、安徽為中心呈現(xiàn)集聚特征。2010—2015 年凈碳匯效率值熱點從新疆、四川消失，演變?yōu)樵颇?、貴州、廣西等地分布的格局，2015—2020年熱點逐漸消失。全國凈碳匯效率整體呈現(xiàn)提升狀態(tài)，低值省份逐漸減少。

圖6 2010年、2015年、2020年中國省域凈碳匯效率的熱點分析

如圖7 所示，在凈碳匯效率全局自相關(guān)分析的基礎(chǔ)上，進行空間聚類與異常值分析（Anselin Local Moran’s I）發(fā)現(xiàn)：2010—2020 年中國省域凈碳匯效率存在顯著的空間自相關(guān)關(guān)系，變化不明顯，高—低集聚和低—低集聚是主要的局部空間自相關(guān)類型，另外也存在高—高集聚類型。高—低集聚主要存在于中國的北部地區(qū)，如內(nèi)蒙古、陜西等省份；低—低集聚存在于中國的東部地區(qū)，以北京、上海為中心的周邊省份，如河北、山西、河南、山東、安徽、江蘇、浙江等省份。高—高集聚現(xiàn)象多存在于中國的西部地區(qū)，如四川、云南、貴州等省份。高—低集聚和低—低集聚區(qū)域基本沒有變化，而高—高集聚由新疆轉(zhuǎn)向四川等地后又出現(xiàn)在新疆，變化不穩(wěn)定。

圖7 2010年、2015年、2020年中國省域凈碳匯效率的LISA集聚圖

西南地區(qū)城市化水平較低，建成區(qū)域占比較少，綠化覆蓋植物固碳能力較強，且能源消費結(jié)構(gòu)較為清潔，制造工業(yè)的集聚程度較低使得該地區(qū)的凈碳匯效率較高。而東部地區(qū)城市建設(shè)水平一方面擠占了植物生長空間，降低了植物固碳水平，另一方面二、三產(chǎn)業(yè)的發(fā)展能源消耗高、排放強度大，使得東部地區(qū)成為低—低集聚的集中區(qū)域。西部地區(qū)凈碳匯效率較低，該區(qū)域碳匯水平一般，碳排放相對較高，能源消費水平隨著城市發(fā)展得到較大提高，但能源利用和降碳技術(shù)的改進相對發(fā)達地區(qū)具有滯后性，在一定時期內(nèi)碳排放水平突破路徑依賴的瓶頸具有難度。

3 凈碳匯效率影響因素分析

3.1 凈碳匯效率影響因素選取

既有研究從城市化發(fā)展[31-39]、環(huán)境規(guī)制[40-42]等方面對碳效率進行研究，其中對于經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)的研究次數(shù)最多，經(jīng)濟發(fā)展水平、社會投資水平、城市建設(shè)情況和科學(xué)技術(shù)進步均是研究關(guān)注的重要內(nèi)容，此外，人口城市化率、人口密度、勞動產(chǎn)業(yè)結(jié)構(gòu)、工業(yè)污染治理、科學(xué)技術(shù)投資也是研究關(guān)注的內(nèi)容，少數(shù)研究者關(guān)注到交通水平影響人們的生活生產(chǎn)效率。

為全面分析不同要素對凈碳匯效率的影響，結(jié)合既有研究選取以下變量作為中國凈碳匯效率的潛在影響因素（表4）。

表4 變量和指標說明

依據(jù)要素性質(zhì)及其屬性從城市發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)現(xiàn)狀、金融投資水平和技術(shù)發(fā)展情況4 個維度進行分析。其中對于經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)的分析與多數(shù)已有研究不同，并非單一使用第二產(chǎn)業(yè)經(jīng)濟比值進行研究，而是采用第三產(chǎn)業(yè)產(chǎn)值與第二產(chǎn)業(yè)產(chǎn)值的比值表征經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)，并分析產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對凈碳匯效率的影響。

3.2 凈碳匯效率影響因素分析

在我國省域凈碳匯效率空間分異及空間集聚特征的基礎(chǔ)上，使用地理探測器的因子探測與雙因子交互探測，識別影響凈碳匯效率的主導(dǎo)因素以及分析雙因子交互區(qū)域差異化影響作用。使用ArcGIS 10.8 中提供的自然間斷點分級法，將選取的12 個影響因素指標進行數(shù)據(jù)離散化處理，均分為5 個層級，并運用地理探測器方法計算，探究其影響強度及影響的空間異質(zhì)性特征。

3.2.1 主導(dǎo)因素識別

通過地理探測器的因子探測分析這些因素，判斷其對凈碳匯效率是否存在影響，其中q值代表自變量X對屬性Y的解釋能力，q值越大表示X對Y的解釋力越強，反之則越弱。首先針對2010 年、2015 年、2020 年凈碳匯效率的影響因素均進行因子探測分析，12 個因素均通過5%的顯著性檢驗，可以看出凈碳匯效率的主要影響因素雖然個別順序調(diào)整但是基本沒有發(fā)生改變，因此進一步細致地分析采用最新2020 年的數(shù)據(jù)。

通過數(shù)據(jù)整理得出，q值大于0.1 的有9 個影響因素，影響程度從大到小依次為X1＞X10＞X6＞X5＞X7＞X2＞X12＞X11＞X4，如表5 所示。

表5 中國省域凈碳匯效率影響因子探測結(jié)果

影響程度最高的因素是人口城市化率，即城市人口與總?cè)丝诘谋戎?，人口城市化率?0%～70%為城市化中期階段，多數(shù)省份均處于這個階段，城市化速度快，城市發(fā)展的同時工業(yè)化也在加速發(fā)展，工業(yè)能耗增加，隨著大量農(nóng)村人口涌入城市，生活能耗也在不斷增加[27]；緊接著是工業(yè)污染治理，工業(yè)污染治理完成投資是凈碳匯效率提升的重要因素，提高工業(yè)污染治理投資可以減少產(chǎn)業(yè)發(fā)展時產(chǎn)生的二氧化碳；經(jīng)濟發(fā)展產(chǎn)業(yè)結(jié)構(gòu)，即第三產(chǎn)業(yè)GDP 與第二產(chǎn)業(yè)GDP 占比情況，其變化對發(fā)展與環(huán)境兩者關(guān)系具有直接影響作用，是凈碳匯效率的重要影響因素。社會投資水平、經(jīng)濟發(fā)展水平、公共預(yù)算支出這3 個因素q值較小，但均具有顯著性，是影響凈碳匯效率的因素之一。

3.2.2 交互作用探測

交互探測用來識別不同影響因素之間的交互作用，評估兩個因子共同作用是否增強對凈碳匯效率的解釋力。通過計算兩個自變量對因變量的q值，兩自變量交互的q值，q值間相互比較，分為非線性減弱、單因子非線性增強、雙因子增強、獨立、非線性增強5 種探測結(jié)果。

選用2020 年的數(shù)據(jù)經(jīng)過地理探測器交互探測后發(fā)現(xiàn)，各影響因素在凈碳匯效率空間格局的演化過程中存在交互作用，不同影響因素兩兩之間交互后的解釋力明顯增強，沒有出現(xiàn)減弱現(xiàn)象，且多數(shù)因子與其他空間因子相互疊加后會產(chǎn)生非線性增強作用，表明凈碳匯效率是多種因素共同作用的結(jié)果（圖8）。

圖8 交互作用探測結(jié)果

其中，單因子解釋力最強的是人口城市化率（q=0.530），其次是工業(yè)污染治理（q=0.481），與其余因子交互后作用更強，說明凈碳匯效率空間格局主要受人口城市化率和工業(yè)污染治理與其他因子的共同作用。節(jié)能環(huán)保支出（q=0.063）、經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)（q=0.070）在單因子探測中影響力最弱，但是與其他因子交互作用后影響力呈現(xiàn)非線性增強；生活交通水平（q=0.299）單因子影響力一般，但與其余因子交互作用后影響力呈現(xiàn)非線性增強。說明節(jié)能環(huán)保支出與其他因素相互作用可以提高凈碳匯效率；經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)對社會經(jīng)濟發(fā)展與碳排放類型起到重要影響作用，通過調(diào)整經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)能夠提高凈碳匯效率；生活交通水平能夠?qū)θ藗兩a(chǎn)生活起到促進作用，但是需要與城市經(jīng)濟發(fā)展相匹配。節(jié)能環(huán)保支出和經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)交互（q=0.822），說明經(jīng)濟產(chǎn)業(yè)結(jié)構(gòu)和環(huán)保支出的合理安排可以高效地提高凈碳匯效率；經(jīng)濟發(fā)展水平和人口城市化率交互（q=0.790），說明城市人口聚集城市促進經(jīng)濟發(fā)展，造成生態(tài)環(huán)境變化以及污染排放，但單一的經(jīng)濟發(fā)展水平對凈碳匯效率的影響并不顯著，而與城市化水平結(jié)合后，更能夠反映人類活動對環(huán)境的影響。

雙因子交互探測中城市化水平與工業(yè)污染治理的交互效應(yīng)最大（q=0.895），因此，在城市發(fā)展的同時應(yīng)該注重工業(yè)污染治理，才能實現(xiàn)工業(yè)可持續(xù)性發(fā)展；其次是經(jīng)濟發(fā)展產(chǎn)業(yè)結(jié)構(gòu)與外資強度（q=0.887）、經(jīng)濟發(fā)展產(chǎn)業(yè)結(jié)構(gòu)與科學(xué)技術(shù)投資（q=0.868），因此，需要調(diào)整產(chǎn)業(yè)結(jié)構(gòu)的同時和外資強度與科學(xué)技術(shù)投資相結(jié)合，利用有效的資源實現(xiàn)可持續(xù)發(fā)展的效益最大化。

4 結(jié)論與建議

4.1 結(jié)論

本研究采用超效率SBM 模型對中國30 個省份的凈碳匯效率進行估算，從地理空間角度分析凈碳匯效率的時空分布特征，應(yīng)用地理探測器研究影響凈碳匯效率的社會經(jīng)濟因素及其相互作用，主要的研究結(jié)論如下所示。

（1）從時空變化上可以看出，中國碳排放總量與碳匯總量均在持續(xù)增長，碳匯總量增長速度較慢，碳排放總量增長速度較快，兩者增長速度相差較大，反映出多數(shù)省份經(jīng)濟發(fā)展與環(huán)境保護的關(guān)系仍然在發(fā)展階段。2010—2020 年全國凈碳匯效率整體處于上升趨勢，但總體偏低，并且區(qū)域差異性明顯，呈現(xiàn)凈碳匯效率西南及東北區(qū)域高，中間及東部沿海區(qū)域低的格局；熱點區(qū)域顯著減少，冷點區(qū)域減少并向南移動，主要集聚于河南、安徽等地。

（2）通過因子探測分析可以發(fā)現(xiàn)，城市化水平、工業(yè)污染治理、經(jīng)濟發(fā)展產(chǎn)業(yè)結(jié)構(gòu)、生活交通水平、從業(yè)人員產(chǎn)業(yè)結(jié)構(gòu)、人口密度、科學(xué)技術(shù)進步、節(jié)能環(huán)保支出、城市建設(shè)情況、外資強度、經(jīng)濟發(fā)展水平、科學(xué)技術(shù)投資12 個因素均對凈碳匯效率具有解釋作用，其中，城市化水平、工業(yè)污染治理和經(jīng)濟發(fā)展產(chǎn)業(yè)結(jié)構(gòu)是凈碳匯效率空間分異的主要解釋因子，而外資強度、人均經(jīng)濟發(fā)展水平和節(jié)能環(huán)保支出的空間分異解釋力最小。

（3）通過分析因素的相互作用發(fā)現(xiàn)，凈碳匯效率的提高是城市發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、金融投資、技術(shù)進步等多種要素共同作用的結(jié)果，影響因素之間均存在雙因子交互作用增強效應(yīng)，雙因子交互作用對凈碳匯效率的影響均大于單因子的影響，其中城市化水平與工業(yè)污染治理的交互效應(yīng)最大，其次是經(jīng)濟發(fā)展產(chǎn)業(yè)結(jié)構(gòu)與外資強度、科學(xué)技術(shù)投資的交互效應(yīng)。

不同地區(qū)因素的影響作用有一定的差異性，因此需要根據(jù)區(qū)域差異化特征制定發(fā)展計劃，提高政策和計劃的精準性和有效性，以實現(xiàn)碳中和目標。使用地理探測器分析影響因素對凈碳匯效率的交互影響，從碳排放及碳匯變化角度，結(jié)合碳排放控制潛力與碳匯增長潛力對省域?qū)用嫣贾泻桶l(fā)展進行宏觀的控制與調(diào)整，為實現(xiàn)科學(xué)可持續(xù)發(fā)展，提供有益參考。

4.2 建議

以上對凈碳匯效率的研究可宏觀展現(xiàn)中國各省份經(jīng)濟發(fā)展與環(huán)境保護之間的關(guān)系及可持續(xù)發(fā)展效益，為實現(xiàn)碳中和目標，凈碳匯效率的優(yōu)化策略應(yīng)該結(jié)合區(qū)域特征以及影響機制差異而有所側(cè)重，因此，根據(jù)凈碳匯效率的空間分異性提出差異化優(yōu)化建議。

（1）加強對東中部地區(qū)的宏觀調(diào)控。根據(jù)凈碳匯效率的空間格局以及效率值特征可知，效率值相對較低且人口密度較大的東中部地區(qū)具有較高的提升空間，應(yīng)該加強遼寧、河北、山東、江蘇、浙江等東中部地區(qū)對各要素的宏觀調(diào)控，保證要素之間相互協(xié)調(diào)，提升凈碳匯效率達成低碳發(fā)展的高效狀態(tài)。

（2）給予西南和東北區(qū)域更多的發(fā)展機會。凈碳匯效率提升最顯著的途徑是碳源和碳匯兩個方面同時作用，從碳匯的角度看，西南和東北區(qū)域碳匯總量高，凈碳匯效率較高且經(jīng)濟不發(fā)達，最可能實現(xiàn)碳中和。中國中部和東部地區(qū)經(jīng)濟發(fā)展速度較快，二氧化碳排放量持續(xù)增加，可以將更多的發(fā)展機會和發(fā)展空間向西南和東北區(qū)域如云南、黑龍江等轉(zhuǎn)移。

（3）合理利用產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和環(huán)境規(guī)制工具。產(chǎn)業(yè)結(jié)構(gòu)和其他要素交互作用影響大，為有效提高凈碳匯效率，在促進產(chǎn)業(yè)結(jié)構(gòu)升級的同時，與外資強度、科學(xué)技術(shù)投資配合調(diào)整，積極引導(dǎo)企業(yè)提升環(huán)保技術(shù)占創(chuàng)新投入的比值；采取差異化的環(huán)境規(guī)制工具，根據(jù)不同省份城市化水平調(diào)整工業(yè)污染治理水平，加大環(huán)境監(jiān)管力度和鼓勵綠色創(chuàng)新。

本文從宏觀調(diào)控角度，通過分析影響因素的分層異質(zhì)性探究各要素對凈碳匯效率的影響強度和交互影響效應(yīng)，但是沒有細致地說明各因素怎樣協(xié)同調(diào)整才能達到最佳狀態(tài)，即經(jīng)濟效益最大的情況下環(huán)境代價最小以及成本投入最小，其影響機理有待進一步深入研究。