摘 要：【目的】運用中國能源消費統(tǒng)計數(shù)據(jù)，分析中國能源碳排放時空分布特征?！痉椒ā繉χ袊?000—2019年30個省區(qū)市的碳排放總量進行估算，繪制相關(guān)分布圖表，分析其時空特征，并提出合理建議。【結(jié)果】2000—2019年，中國碳排放總量增長約58.4億t，年均增長幅度約為22.73%，不同省份的城市化程度分別與碳排放之間具有不同的相關(guān)關(guān)系。中國煤炭能源消費占比降低和碳排放量降低呈現(xiàn)出由沿海向內(nèi)陸、由發(fā)達地區(qū)向落后地區(qū)傾斜的格局?！窘Y(jié)論】建議加大節(jié)能技術(shù)研發(fā)投入，提高能源效率，合理調(diào)整能源消費結(jié)構(gòu)，鼓勵垃圾分類、植樹造林等節(jié)約資源、保護環(huán)境的行為。

關(guān)鍵詞：能源消費；碳排放；時空特征

中圖分類號：P962" " "文獻標(biāo)志碼：A" " " 文章編號：1003-5168（2024）10-0089-07

DOI：10.19968/j.cnki.hnkj.1003-5168.2024.10.018

Spatial-temporal Characteristics Analysis of China's Energy Carbon Emissions

WANG Shuo

（School of Earth and Environment， Anhui University of Scienceamp; Technology， Huainan 232001， China）

Abstract： [Purposes] The article analysed the temporal and spatial distribution characteristics of energy carbon emissions in China using Chinese energy consumption statistics. [Methods] The total carbon emissions of 30 provinces， autonomous regions and municipalities directly under the central government in China for the 20 years from 2000 to 2019 are estimated， the relevant distribution charts are drawn， the spatial and temporal characteristics are analyzed， and reasonable suggestions are made. [Findings] From 2000 to 2019， China's total carbon emissions grew by about 5.84 billion tons， with an average annual growth rate of about 22.73%， and there are different correlations between the degree of urbanization in different provinces and carbon emissions， respectively， and China's reduction in the share of coal energy consumption and carbon emissions show a pattern of tilting from the coast to the inland， and from the developed regions to the backward regions. [Conclusions] This paper suggests increasing investment in research and development of energy-saving technologies， improving energy efficiency， rationalizing the structure of energy consumption， and encouraging garbage classification， afforestation and other behaviors that conserve resources and protect the environment.

Keywords： energy consumption；carbon emissions；the space-time characteristics

0 引言

能源消費是指生產(chǎn)和生活所消耗的能源，以其人均占有量作為衡量國家經(jīng)濟發(fā)展、人民生活水平的重要標(biāo)志。碳排放是指由于人類活動或者自然形成的溫室氣體的排放（如二氧化碳、甲烷等），目前，碳減排已成為人類共同面臨的重大課題。

當(dāng)前，國內(nèi)外學(xué)者在一定程度上對碳排放的相關(guān)問題進行了研究。中國是世界上最大的發(fā)展中國家和最大的二氧化碳排放國家，為高碳排放行業(yè)尋找一種合理的減緩戰(zhàn)略是十分必要的。通常情況下，能源消費越低，二氧化碳的排放量就會減少越多［1］。部分學(xué)者認(rèn)為，提高能效可以在降低成本的情況下獲得一定的環(huán)保利益［2］。馬大來［3］、馮宗憲［4］、陳志建［5］、于瀟［6］等研究了中國各省市的經(jīng)濟增長、碳排放績效和人均碳排放的空間分布特點，以及能源消費碳排放之間的關(guān)系。王少劍等［7］基于1992—2013年中國城市遙感模擬反演碳排放數(shù)據(jù)，分析其區(qū)域差異，研究表明，城市間差異在逐步縮小，西部城市間差異對碳排放總體差異的貢獻最大。曾賢剛等［8］根據(jù)各省市能源消費數(shù)據(jù)和IPCC缺省排放系數(shù)，計算分析各省市碳排放及其變化趨勢，提出相應(yīng)節(jié)能減排對策。徐國泉等［9］定量分析了1995—2004年能源結(jié)構(gòu)和能源效率等因素對中國人均碳排放的影響，結(jié)果表明，中國人均碳排放的降低主要在于能源效率的提高，而調(diào)整能源結(jié)構(gòu)對其的影響不大。李金超等［10］采用空間計量經(jīng)濟學(xué)方法，分析了2002—2019年中國電力碳排放的空間相關(guān)性。賓厚等［11］運用長江經(jīng)濟帶11個省市2000—2020年面板數(shù)據(jù)，采用中介效應(yīng)、調(diào)節(jié)效應(yīng)模型分析環(huán)境規(guī)制對碳排放效率與生產(chǎn)性服務(wù)業(yè)和傳統(tǒng)制造業(yè)融合的影響。Lantz［12］、Kivyiro［13］等采用線性回歸方法，研究了非洲國家和加拿大的人均GDP、能源消費、經(jīng)濟發(fā)展等與碳排放的相關(guān)性。程葉青等［14］采用空間自相關(guān)分析方法和空間面板計量模型結(jié)合對1997—2010年全國30個省區(qū)市碳排放強度的估算，探討了中國省級尺度碳排放強度的時空格局特征，得出中國省區(qū)碳排放強度在空間分布上呈現(xiàn)明顯的南高北低的地域性特征的結(jié)論。Wang［15］等利用1995—2011年中國各省市的面板數(shù)據(jù)，發(fā)現(xiàn)中國的人均碳排放比率由西部地區(qū)到中部地區(qū)，再到東部沿海地區(qū)呈現(xiàn)逐漸增多的現(xiàn)象。Amin［16］等使用最小二乘法對歐洲國家運輸部門的碳排放量進行了研究，發(fā)現(xiàn)使用可再生能源會降低碳排放，而城市化發(fā)展對碳排放沒有顯著影響［16］。余碧瑩［17］、蘇?。?8］等圍繞“雙碳”目標(biāo)，研究了中國中長期二氧化碳排放的總體目標(biāo)和實現(xiàn)路徑，到2060年，能源碳排放主要來自化工、電力等行業(yè)，并且需要森林、海洋碳匯來吸收，謀劃最優(yōu)戰(zhàn)略路徑，實現(xiàn)碳減排和經(jīng)濟發(fā)展并行。

本研究從煤炭能源消費結(jié)構(gòu)、城市化程度等方面來分析能源碳排放的時空特征，利用中國2000—2019年30個省區(qū)市（西藏自治區(qū)及港澳臺地區(qū)數(shù)據(jù)缺失）的能源碳排放等相關(guān)數(shù)據(jù)，實現(xiàn)以下目標(biāo)：分析煤炭能源消費結(jié)構(gòu)與碳排放時空特征的關(guān)系；研究不同程度城市化背景下的能源碳排放時空特征；在對能源碳排放時空特征分析的基礎(chǔ)上提出相應(yīng)的建議對策。

1 數(shù)據(jù)來源及研究方法

1.1 數(shù)據(jù)來源

本研究使用的有關(guān)碳排放能源清單數(shù)據(jù)來自中國碳核算數(shù)據(jù)庫［19］（CEADs，ceads.net）（由于西藏自治區(qū)及港澳臺地區(qū)數(shù)據(jù)的缺失， 為保證數(shù)據(jù)的連續(xù)性，故選取2000—2019年30個省區(qū)市的數(shù)據(jù)為研究對象）。

1.2 數(shù)據(jù)計算方法

本研究使用2006年IPCC《國家溫室氣體清單指南》提供的方法，按照原煤、焦炭、原油、汽油、柴油、煤油、燃料油、天然氣和電力將能源消費種類劃分為9大類，根據(jù)各種能源的折標(biāo)準(zhǔn)煤系數(shù)和二氧化碳排放系數(shù)，對我國30個省區(qū)市的碳排放量進行計算，計算公式為式（1）。

Amt=Σ（Emqt*Bq*Cq*44/12） （1）

式中：Amt表示第t年m省份碳排放總量；Emqt 表示第t年m省份q類能源的實物消費量；Bq表示q類能源的折標(biāo)準(zhǔn)煤系數(shù)；Cq表示q類能源的二氧化碳排放系數(shù)；44/12表示將碳原子質(zhì)量轉(zhuǎn)換為二氧化碳分子質(zhì)量的轉(zhuǎn)換系數(shù)。

1.3 數(shù)據(jù)處理方法

利用ArcGIS軟件和Origin軟件繪制碳排放量變化圖、煤炭能源消費占比分布圖表、碳排放量分布圖表及相關(guān)關(guān)系圖，結(jié)合圖表對碳排放時空特征進行分析。

2 碳排放時間特征分析

根據(jù)2000—2019年各省區(qū)市的能源清單數(shù)據(jù)，計算出每年各省份的碳排放量，按照各省份碳排放量高低將30個省份劃分為高碳排省份、低碳排省份和其他省份，得出高、低碳排省份2000—2019年碳排放量變化如圖1、圖2所示。結(jié)合數(shù)據(jù)及圖表對碳排量隨時間變化的情況進行分析。

高碳排省份2000—2019年碳排放量變化如圖1所示。由圖1可知，各省份每年碳排放量均不超過7億t，為高碳排放地區(qū)。其中，山東省的碳排放量增量多，增長幅度大，碳排放量從2014年的約4.23億t增長到了2019年的約6.85億t，6年間增長了約2.62億t，年平均增長率約為10.34%。河南省2012—2019年的碳排放量基本上處于緩慢增長的趨勢，碳排放量從約2.86億t增長到約3.38億t，8年間僅增長了約5 200萬t。河南省一方面通過加快清潔能源利用和煤炭減量替代，大力發(fā)展水電、光伏發(fā)電等新能源，積極推動能源結(jié)構(gòu)轉(zhuǎn)型升級。另一方面通過推進產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，改造提升傳統(tǒng)產(chǎn)業(yè)為綠色、低碳、智能產(chǎn)業(yè)，發(fā)展文化旅游、創(chuàng)新科技等新興產(chǎn)業(yè)，把經(jīng)濟發(fā)展引向更加環(huán)保、可持續(xù)的方向，有效減少了碳排放量。

低碳排省份2000—2019年碳排放量變化如2所示。由圖2可知，各省份每年碳排放量均低于1.6億t，為低碳排放地區(qū)。2000—2019年，這些省份碳排放量增長量在3 000萬t到1億t之間，特別是海南和吉林兩省的碳排放增長量低于5 000萬t。吉林省自2012年起，碳排放量開始降低，并且保持相對穩(wěn)定的碳排放量變化。甘肅、青海位于中國西北地區(qū)，多為高原地帶，經(jīng)濟發(fā)展較為落后，地廣人稀，煤炭等化石能源消耗量低，因而碳排放量低，碳排放量變化不顯著。在產(chǎn)業(yè)結(jié)構(gòu)方面，海南生態(tài)環(huán)保產(chǎn)業(yè)、青海生態(tài)農(nóng)業(yè)和北京高端服務(wù)業(yè)的快速發(fā)展，不僅推動了當(dāng)?shù)亟?jīng)濟發(fā)展，也減少了對能源的需求和碳排放量。

2000—2019年全國各省份碳排放量均不同程度增長。2019年全國碳排放量約為71.26億t，相比于2000年全國碳排放量增長約58.4億t，年均增長幅度超過22.73%。山東、江蘇、廣州、浙江等省份增長量巨大，作為高碳排放地區(qū)，對全國碳排放量增長產(chǎn)生重要影響。海南、青海、北京、上海等省市增長量少，增長幅度小，為低碳排放地區(qū)。

3 碳排放時空特征分析

3.1 能源消費結(jié)構(gòu)——煤炭占比時空特征分析

能源消費結(jié)構(gòu)是指在某一特定時間內(nèi)，各個經(jīng)濟部門消耗的各種能源和它們在總的能源消耗中的比例。隨著“雙碳”目標(biāo)的提出，中國能源消費結(jié)構(gòu)發(fā)生較大變化。太陽能、風(fēng)能、海洋能等其他清潔能源開發(fā)力度不斷加大，持續(xù)推進產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)調(diào)整，清潔能源消費占比增多，煤炭等化石能源消費占比有一定程度的降低，導(dǎo)致碳排放量降低。2000、2012和2019年中國煤炭能源消費結(jié)構(gòu)占比分布見表1。

由表1可知，2000年，河北、山西、湖北和貴州等中西部省份能源消費結(jié)構(gòu)煤炭占比最高，高于60%。經(jīng)分析可知，河北、山西、湖北和貴州等中西部省份，由于經(jīng)濟較為落后，太陽能、風(fēng)能等其他新能源開發(fā)較少，且部分省份具有豐富的煤炭儲備量和相對便宜的煤炭價格，仍以煤炭能源消費為主。這些地區(qū)的交通運輸需求較大，特別是鐵路、水運等運輸行業(yè)對煤炭能源消耗的需求占比很大，產(chǎn)業(yè)結(jié)構(gòu)偏重于重工業(yè)，且其主要集中于煤炭、鋼鐵等能源行業(yè)和高耗能行業(yè)。從能源需求的角度來看，重工業(yè)能源消耗大，鋼鐵等重工業(yè)對焦炭有剛性需求，因此煤炭消費占了很大份額，由煤炭消耗所造成的碳排放量也就相對較高。

相比2000年，2012年和2019年煤炭能源消費占比低于30%的省市有所增加，包括北京、上海、浙江、廣東、海南和青海等省市。東北地區(qū)、黃河流域大部分地區(qū)、長江流域等省份的煤炭能源消費占比處于30%～50%之間，較2000年，均有不同程度的降低。截至2019年，煤炭能源占比大于60%的省份僅有河北省和山西省。

綜合分析可知，煤炭能源消費占比在全國范圍內(nèi)有不同程度下降，并且中國煤炭能源消費占比降低和碳排放量降低的格局呈現(xiàn)出由東南沿海地區(qū)向中西部地區(qū)傾斜的趨勢。

3.2 不同城市化背景下的能源碳排放時空特征分析

城市化不僅是人類社會發(fā)展的一個重要標(biāo)志，同時也是經(jīng)濟和社會發(fā)展的必然趨勢。Li等［20］的研究表明，城市化程度的閾值估計值區(qū)分值為4.1和4.45，中國城市化程度最高，且高于閾值4.45的省市僅有北京、天津和上海三個直轄市；城市化程度較高且介于閾值4.1和閾值4.45之間的省區(qū)市有11個，主要為內(nèi)蒙古和東北地區(qū)、中部鄂渝兩省市，以及東南沿海省份；中國其他省份城市化程度低，低于閾值4.1。

2019年部分省份不同城市化程度閾值與碳排放量關(guān)系如圖3所示，2000—2019年部分省份不同城市化程度閾值與碳排放量增量關(guān)系如圖4所示。由圖3、圖4初步判斷可知，城市化程度高的地區(qū)，其碳排放量及其增量相對較低；但某些省份的城市化程度與其碳排放量之間有著明顯不同的關(guān)系。因此，需要結(jié)合各省份碳排放量分布圖表進一步分析部分省份不同城市化程度與碳排放量之間的特征及相關(guān)性關(guān)系。

2000、2012和2019年中國各省區(qū)市碳排放量分布見表2。由表2可知，2000年全國各省份碳排放量基本上處于1億t以下的水平，從2000—2019年碳排放量出現(xiàn)明顯增加的省份有山東、廣東、江蘇、浙江、內(nèi)蒙古，碳排放量出現(xiàn)少量增加的地區(qū)有京津滬渝、東北黑吉兩省、海南和青海地區(qū)。

城市化程度最高的京津滬的碳排放量處于全國低水平。2019年，北京碳排量約為1.11億t，天津碳排放量約為0.92億t，上海碳排放量約為1.545億t，并且與2012年相比，2019年碳排放量均有少量增長。另外，重慶作為四大直轄市之一，雖然城市化程度小于閾值4.45，但是其碳排放量較低，低于1.2億t。京津滬渝作為四大直轄市，是中國最早進入城市現(xiàn)代化的地區(qū)，具有相當(dāng)雄厚的經(jīng)濟實力基礎(chǔ)，經(jīng)濟發(fā)展快速，城市化程度高，城市基礎(chǔ)設(shè)施完善；京津滬渝地區(qū)經(jīng)濟結(jié)構(gòu)先進且多元化，傳統(tǒng)重工業(yè)產(chǎn)值占比較低，作為國家的科技中心，新能源、新材料、環(huán)?？萍嫉雀呖萍籍a(chǎn)業(yè)獲得了政策支持和發(fā)展空間，也有助于降低綜合碳排放量。

城市化程度低于閾值4.1的新疆、河南、河北、山東等地區(qū)的碳排放量較高。在2012—2019年期間，這些地區(qū)的碳排放量增加較多，如新疆的碳排放量從約1.08億t增長到約2.91億t，河北的碳排放量從約2.89億t增長到約3.86億t。山東省的碳排放量從約3.80億t增長到約6.85億t，其年均增長率達到了約11.5%。這主要是由于，山東省位于黃河下游，是我國的經(jīng)濟和人口大省，隨著城市化程度在不斷加快，大量的基礎(chǔ)設(shè)施建設(shè)，城市化帶來的工業(yè)化、交通化、生活化等多方面因素，都會對碳排放產(chǎn)生影響。山東省擁有豐富的能源資源和較為完善的能源基礎(chǔ)設(shè)施，是中國重要工業(yè)生產(chǎn)基地之一。許多工業(yè)企業(yè)集中，其生產(chǎn)活動、能源消耗、物流運輸?shù)榷紩黾赢?dāng)?shù)氐奶寂欧帕俊?/p>

城市化程度在閾值4.1和閾值4.45之間的內(nèi)蒙古自治區(qū)的碳排放量與2000年相比，特別是2012—2019年有很大增長，年均增長率超過了10%。內(nèi)蒙古是我國重要的能源和礦產(chǎn)資源產(chǎn)區(qū)，煤炭、油氣等化石能源的開采和利用在當(dāng)?shù)亟?jīng)濟中占有重要地位。在持續(xù)推進城市化進程的過程中，城市規(guī)模和人口在不斷擴大，同時也加速了工業(yè)化進程，擴大了工業(yè)規(guī)模，給能源消耗和污染物排放帶來了巨大壓力，從而導(dǎo)致碳排放量增高。另外，近年來，隨著國內(nèi)外貿(mào)易的蓬勃發(fā)展和物流需求的不斷增加，內(nèi)蒙古作為跨越東北亞和蒙古高原及西亞歐洲的樞紐地帶，交通運輸業(yè)蓬勃發(fā)展，對碳排放造成一定的影響。

總的來說，2000—2019年，全國各省區(qū)市碳排放量均有所增加，這與不同的城市化背景有密不可分的關(guān)系。從具體情況上來看，京津滬渝等城市化程度高、經(jīng)濟科技發(fā)達但地域面積小的地區(qū)碳排放量相對少，城市化程度與碳排放量呈現(xiàn)負相關(guān)關(guān)系；城市化程度較低但城市化發(fā)展迅速的地區(qū)，以及東南沿海等城市化程度較高且輕重工業(yè)經(jīng)濟發(fā)達的地區(qū)的碳排放量較多且有明顯增加；青海、貴州等西部城市化程度低、地廣人稀、經(jīng)濟較為落后的地區(qū)碳排放量少，城市化程度與碳排放量呈現(xiàn)正相關(guān)關(guān)系。

4 結(jié)論與建議

通過對能源碳排放時間和空間特征的研究與分析，得出如下結(jié)論。

①2000—2019年，中國碳排放總量約增長58.4億t，年均增長幅度約為22.73%，山東、江蘇、廣州、浙江等高碳排放省份碳排放量增長較多，京津滬渝、海南、青海等省份的碳排放量增長緩慢且增長量少。

②從能源消費結(jié)構(gòu)看，中國煤炭能源消費占比降低和碳排放量降低的格局為由東南沿海地區(qū)向中西部地區(qū)傾斜，由經(jīng)濟發(fā)達地區(qū)向經(jīng)濟發(fā)展落后地區(qū)傾斜。

③京津滬等城市化程度越高，經(jīng)濟、科技越發(fā)達的地區(qū)，城市化程度與碳排放量及其增量呈現(xiàn)負相關(guān)關(guān)系。其他城市化程度不高的地區(qū)，考慮到經(jīng)濟發(fā)展、地理位置、地域面積等多種因素，城市化程度與能源碳排放量及其增量呈現(xiàn)出不同的相關(guān)性關(guān)系。

根據(jù)上述分析及結(jié)論，提出如下建議。

①各省區(qū)市要積極采取相應(yīng)的政策措施，增加技術(shù)投資，加速節(jié)能技術(shù)的研究和開發(fā)，以此提高能源效率和減少碳排放。

②合理調(diào)整能源消費結(jié)構(gòu)，減少煤炭等化石能源消耗，開發(fā)使用太陽能、風(fēng)能、海洋能等清潔能源，減少碳排放。

③以中西部省份為重點，合理推進城市化進程，吸引東部省份人口進入中西部省份，緩解東部省份壓力同時促進中西部省份經(jīng)濟建設(shè)，發(fā)揮人口因素對碳排放減少的積極促進作用。

④加強低碳宣傳，樹立低碳意識，廣泛開展積極有效的低碳活動，鼓勵垃圾分類、植樹造林等節(jié)約資源和保護環(huán)境的行為。

參考文獻：

［1］HUANG Y， ZHU H M， ZHANG Z Q .The heterogeneous effect of driving factors on carbon emission intensity in the Chinese transport sector： evidence from dynamic panel quantile regression［J］.Science of the Total Environment， 2020， 727：138578.

［2］MUHAMMAD J，MUHAMMAD K. Energy efficiency and underlying carbon emission trends［J］. Environmental Science and Pollution Research， 2000，27（3）： 3224-3236.

［3］馬大來，陳仲常，王玲.中國省際碳排放效率的空間計量［J］.中國人口·資源與環(huán)境，2015，25（1）：67-77.

［4］馮宗憲，陳志偉.區(qū)域能源碳排放與經(jīng)濟增長的脫鉤趨勢分析［J］.華東經(jīng)濟管理，2015，29（1）：50-54.

［5］陳志建，王錚，孫翊.中國區(qū)域人均碳排放的空間格局演變及俱樂部收斂分析［J］.干旱區(qū)資源與環(huán)境，2015，29（4）：24-29.

［6］于瀟，孫猛.中國省際碳排放績效及2020年減排目標(biāo)分解［J］.吉林大學(xué)社會科學(xué)學(xué)報，2015，55（1）：57-65，172.

［7］王少劍，蘇泳嫻，趙亞博.中國城市能源消費碳排放的區(qū)域差異、空間溢出效應(yīng)及影響因素［J］.地理學(xué)報，2018，73（3）：414-428.

［8］曾賢剛，龐含霜.我國各省區(qū)CO2排放狀況、趨勢及其減排對策［J］.中國軟科學(xué)，2009（S1）：64-70.

［9］徐國泉，劉則淵，姜照華.中國碳排放的因素分解模型及實證分析：1995-2004［J］.中國人口·資源與環(huán)境，2006（6）：158-161.

［10］李金超，向思徽.基于空間視角的中國電力碳排放驅(qū)動因素研究［J］.生態(tài)經(jīng)濟，2023，39（5）：19-27.

［11］賓厚，姚秋茹，李嬌，等.環(huán)境規(guī)制視角下傳統(tǒng)制造業(yè)和生產(chǎn)性服務(wù)業(yè)融合與碳排放效率關(guān)系研究：基于長江經(jīng)濟帶的實證［J］.科技管理研究，2023，43（8）：222-229.

［12］LANTZ V，F(xiàn)ENG Q. Assessing income， population， and technology impacts on CO2 emissions in Canada： where's the EKC［J］. Ecological Economics， 2006， 57（2）： 229-238.

［13］KIVYIRO P， ARMINEN H. Carbon dioxide emissions， energy consumption， economic growth， and foreign direct investment： Causality analysis for Sub-Saharan Africa［J］. Energy， 2014，74： 595-606.

［14］程葉青，王哲野，張守志，等.中國能源消費碳排放強度及其影響因素的空間計量［J］.地理學(xué)報，2013，68（10）：1418-1431.

［15］WANG S J， FANG C L， GUAN X L， et al. Urbanisation， energy consumption， and carbon dioxide emissions in China： a panel data analysis of China's provinces［J］. Applied Energy， 2014，136： 738-749.

［16］AMIN A， ALTINOZ B，DOGAN E. Analyzing the determinants of carbon emissions from transportation in European countries： the role of renewable energy and urbanization［J］. Clean Technologies and Environmental Policy， 2020，22（8）， 1-10.

［17］余碧瑩，趙光普，安潤穎，等.碳中和目標(biāo)下中國碳排放路徑研究［J］.北京理工大學(xué)學(xué)報（社會科學(xué)版），2021，23（2）：17-24.

［18］蘇健，梁英波，丁麟，等.碳中和目標(biāo)下我國能源發(fā)展戰(zhàn)略探討［J］.中國科學(xué)院院刊，2021，36（9）：1001-1009.

［19］SHAN Y L， LIU J H， LIU Z，" et al. New provincial CO2 emission inventories in China based on apparent energy consumption data and updated emission factors［J］.Applied Energy ，2016， 184：742-750.

［20］LI R L ， LI J L， WANG Q. The impact of energy efficiency on carbon emissions： evidence from the transportation sector in Chinese 30 provinces［J］.Sustainable Cities and Society， 2022，82 ，103880.