CO₂是最主要的温室气体, 其所造成的全球变暖已经对地球自然生态造成了显著的影响并引起了广泛的关注^[1]。我国作为世界碳排放量最大的国家, 在全球低碳减排行动中有着不可推卸的责任。尤其是中国在七十五届联合国大会上提出“双碳”目标, 这必使中国面临巨大的减排压力。一直以来, 经济发展过程中的碳排放问题受到社会各界的广泛关注。经济快速发展的同时, 城市也面临着自然生态环境恶化等问题^[2]。如何加快经济建设的同时兼顾环境生态健康已经成为学者们所面临的挑战^[3]。因此, 深入探究城市发展的碳排放时空特征, 与经济发展的关系及其驱动力因素, 对判断城市低碳发展情况和未来政策制定具有重要的参考价值。

在探究经济增长与碳排放的研究上, 脱钩理论已经被广泛的应用^[4—5]。近些年来, 学者从不同视角围绕碳排放和经济增长的脱钩关系进行一系列研究。从空间尺度上, 部分研究对不同空间尺度地区的碳排放和经济增长的脱钩效应特征进行研究分析, 包括, 国家^[6]、省级^[7]、地级市^[8]以及县级^[9], 也有部分研究将研究的重点聚焦于城市群, 认为其经济快速发展是我国碳排放的主要来源, 目前针对城市群的研究主要包括：长三角地区^[10]、京津冀地区^[11]、关中平原城市群等^[12]。一些学者则是关注不同行业的碳排放与经济增长的脱钩效应。例如, 电力行业^[13], 旅游业^[14], 物流业^[15], 服务业^[16]以及其他^[17]。但仍存在一些不足：首先从一个区域尺度进行分析, 大多数研究只关注于区域经济增长过程中的碳排放总量, 而忽视区域所拥有的碳吸收能力。经济增长的同时也会对区域碳汇能力带来一定程度的影响, 仅仅考虑碳排放因素是无法更加准确地表明城市经济发展和碳排放之间的关系^[18]。其二, 多数学者关注影响碳排放的驱动力因素^[19], 并没有进一步探讨区域经济发展和碳排放的脱钩效应的影响因素。在区域碳排放和经济发展的关系研究中, 区域内各地级市的能源结构, 人口因素, 土地因素都存在明显的空间差异, 这也导致不同地区碳排放于经济发展的脱钩差异也各有差异。因此, 深入研究区域各地市碳排放量和碳汇能力, 分析净碳排放量的时空演变特征, 探究净碳排放量与经济增长的脱钩关系及其影响因素对于区域内各地市的低碳经济发展具有重要的实用价值。

珠三角城市群位于广东省中南部, 是亚太地区最具活力的经济区之一, 它以广东70%的人口, 创造着全省85%的GDP。是有全球影响力的先进制造业基地和现代服务业基地。近年来, 珠三角地区经济高速发展, 2020年, 珠三角9市的GDP高达8.94万亿, 超过山东、浙江等29省份。经济高速发展的同时也需注重生态环境建设, 探究其经济增长与生态环境的关系是十分紧要的。目前, 对于珠三角地区净碳排放和经济发展的脱钩效应尚未深入讨论, 未能具体的反映某个市域净碳排放量特征及其经济发展的关系。因此, 揭示珠三角区域各地市的碳排放量和碳汇能力, 分析各地市净碳排放的时空特征及其于经济发展的脱钩效应分析, 之后进一步探讨影响其脱钩效应的驱动力因素是十分重要的。这对珠三角地区开展低碳化经济发展战略有着重要的参考意义。

1 数据来源与研究方法 1.1 数据来源

本研究的数据主要来自于《广东省统计年鉴》(2001、2011、2021年)及珠三角城市群各地级市统计年鉴(2001、2011、2021年)。土地利用数据来源于珠三角地区土地覆被遥感监测数据集。能源消费数据来自《中国能源统计年鉴》(2001、2011、2021年)及各地级市统计年鉴(2001、2011、2021年)。

1.2 研究方法 1.2.1 城市碳排放量核算

研究主要是针对城市边界内生产端碳排放核算, 包括行业部门化石燃料燃烧和工业生产过程的CO₂排放, 不包括进口电力、城市边界外的热量消耗和城际交通能源消耗。避免重复计算, 城市范围内产生的电和热排放是根据原煤等一次能源的使用情况计算的。根据Shan等^[20], CO₂排放量由7个部门和7个加工转换过程以及损失量计算。基于《IPCC国家温室气体清单指南》, CO₂排放量的计算公式具体如下：

(1) 能源消耗碳排放核算

(1)

式中, i和j 分别表示的是化石能源消耗种类和能源消耗部门或过程；CE_energy为各类能源消耗产生的CO₂排放量；CE_ij为第i种化石燃料在第j个过程或部门；AD_ij为化石能源消耗；NCV_i为净热值；EF_i为CO₂排放系数；O_ij为氧化因子。本研究采用Liu等所用的碳排放估算系数^[21], 详情见表 1。

(2) 工业活动碳排放核算

工业过程的碳排放主要来自产品生产过程中的CO₂排放, 本研究只考虑水泥生产过程中的CO₂排放, 具体计算公式如下：

(2)

式中, CE_cement表示水泥碳排放；E_cement表示水泥生产量；K_cement表示水泥生产过程中的碳排放因子^[22]。

1.2.2 城市碳吸收量核算

城市碳吸收量主要来自不同土地利用对CO₂的吸收能力, 土地利用主要涉及耕地、林地、草地、水域以及未利用地, 耕地碳汇能力主要是农作物全生育期光合作用碳吸收量, 林地和草地的碳汇能力来自于植被光合作用对CO₂的吸收能力, 同时水域和未利用地也存在一定的碳吸收能力。具体计算公式如下：

(1) 耕地碳吸收核算

(3)

式中, i和j分别表示为农作物种类和珠三角城市；C_a为全生育期农作物碳吸收量；C_ij为不同作物的碳吸收率；Y_ij为农作物经济产量；W_ij为不同作物的含水率；R_ij为不同作物的根冠比；H_ij为不同经济系数；具体参数见表 2^[23]。

(2) 其他土地类型碳吸收量核算

其他土地利用包括林地、草地、水域以及未利用地, 计算公式如下:

(4)

式中, i表示不同土地利用类型；j为珠三角城市；C_O为林地、草地、水域和未利用地碳吸收量；A_ij为林地、草地、水域和未利用地面积；CA_ij为林地、草地、水域和未利用地碳吸收系数, 详细系数见表 3^[24]。

1.3 碳生态承载指数

碳生态承载系数(Ecological Support Coefficient, ESC)是指某一地区碳吸收量占全区比例与该地域碳排放量占全区比例的商, 反映了该区域碳汇能力的大小^[25]。计算公式如下：

(5)

式中, C_Ai和C_A分别表示i城市及珠三角地区的碳吸收量, C_i和C分别表示i城市及全省的碳排放量。当ESC>1时, 说明着该地区碳吸收比率大于碳排放的比率, 意味着该区域有较强的碳汇能力；ESC < 1, 则说明碳汇能力较弱。

1.4 脱钩分析

脱钩理论源于物理学领域, 后被逐渐用于探究资源环境与经济发展的相互关系^[26]。净碳排放脱钩分析指的是城市经济增长与净碳排放量之间关系不断弱化直至消失的理想化过程^[27]。本研究采用Tapio脱钩模型, Tapio脱钩指数可以消除基期选择上的误差问题, 是常用的脱钩方法之一^[21]。在Tapio基础上, 将脱钩指数划分为8种类型, 分别为弱脱钩、强脱钩、衰退型脱钩、弱负脱钩、强负脱钩、扩张型负脱钩、增长连结和衰退连, 如图 1所示。城市净碳排放量和经济增长的脱钩指数为D, 计算方法如下所示：

(6)

式中, D为脱钩指数；t和t-1表示的是起始年和终止年；C表示净碳排放量；G表示GDP。

1.5 LMDI对数分解法

LMDI方法是由Ang等在20世纪90年代提出的一种因素分解方法^[28]。由于LMDI方法在分解过程中不存在残差项而被广泛的用于碳经济研究领域。本研究采用LMDI方法对脱钩指数进行分解, 探究影响碳排放和经济增长脱钩效应的驱动力因素, 公式如下：

(7)

将公式(7)中( C^t-C^t-1)进行因式分解：

(8)

式中, C表示的是净排放量, GDP表示国内生产总值, E表示为能源消费量, P表示为人口, A_E表示区域内生态用地的面积, A表示区域总面积。

下面分别定义：, 表示为净碳排放强度因素, , 表示为能源消耗因素, , 表示的是能源效率因素, , 表示的是人口因素, , 表示为生态水平因素, C_C=A, 表示土地因素。因此,

(9)

式中, ΔC为末期与基期净碳排放差值, ΔC_EI表示为净碳排放强度因素, ΔC_Ec表示能源消耗因素, ΔC_EE表示为能源效率因素, ΔC_P表示为人口因素, ΔC_EL表示为生态水平因素, ΔC_C表示土地因素。各因素的脱钩效应计算如下：

(10)

(11)

(12)

(13)

(14)

(15)

式中, DEI为碳排放强度的脱钩指数, DEC为能源消耗的脱钩指数, DEE为能源效率的脱钩指数, DP为人口因素的脱钩指数, DEL为生态水平的脱钩指数, DC为土地因素的脱钩指数。

2 结果与分析 2.1 碳排放时空特征分析

由图 2可知, 珠三角地区在2000年、2010年和2019年的生产端碳排放总量分别为1.75×10⁸ t、4.00×10⁸ t和4.87×10⁸ t.增长率分别为128.57%和21.75%。主要原因是珠三角地区在2000—2010年间得益于相关政策的扶持, 经济处于高速发展阶段, 需要大量的资源投入, 这过程使得产生大量的二氧化碳排放。在2010—2020阶段, 地区发展处于一种缓慢增长的阶段, 碳排放增长率相较于前一个阶段大幅度的下降。其中, 火力发电和工业部门在2000年、2010年和2020年产生的碳排放量超过20%, 火力发电碳排量由2000年的4.59×10⁷ t到2020年的1.36×10⁸ t, 增长率为195.6%。这说明火力发电依旧是珠三角地区主要的能源消耗的主要部门。工业部门碳排放量则呈现先上升后下降的趋势, 由2000年的4.94×10⁷ t增长到1.21×10⁸ t在下降到1.11×10⁸ t, 其中在第一阶段(2000—2010年)中工业部分的各项能源消费总量增加, 以焦炭和天然气等增长最为迅速, 天然气涨幅为50倍以上, 而第二阶段(2010—2020年)珠三角地区的工业由传统的先进制造业逐步转向高技术制造业, 这种工业转型使得珠三角地区工业碳排放量的减少。2000和2010年珠三角地区碳排放量最高的城市为广州, 分别为4.26×10⁷ t和9.90×10⁷ t。而在2020年, 深圳替代广州成为珠三角地区碳排放量最高的城市, 碳排放量分别为1.01×10⁸ t, 深圳作为直辖市, 由于自然资源有限, 其产业结构更多的倾向于高能耗的二三产业, 致使GDP快速增长的同时带来更多的二氧化碳排放。在2000年和2019年珠海市碳排放最低的省份, 分别为7.97×10⁶ t和1.54×10⁷ t。中山在2010年则是碳排放量最低的省份, 其值为1.52×10⁷ t。中山市在2010年, 其能源消费总量相较于2000年下降21.79%。尤其是生产部门的终端消费量, 能耗的下降使得碳排放量的减少。

2.2 碳吸收时空特征分析

图 3表明珠三角地区城市碳吸收能力, 结果表示, 珠三角地区的碳吸收量由2000年的1.84×10⁸ t增长到2020年的2.06×10⁸ t, 增长率为11.9%。林地和耕地是城市吸收二氧化碳的主要贡献者, 其碳吸收量占总碳吸收量的97%以上。其中, 肇庆是珠三角地区碳汇能力最高的城市, 在2000、2010和2020年的碳吸收量分别是2.1×10⁷ t、2.04×10⁷ t和2.02×10⁷ t。但是其碳吸收量逐渐下降, 主要原因是城市化的加快导致林地面积的减少, 肇庆城市化率由2000年的24.1%增长到2020年的38.2%。中山则是碳吸收量最低的省份, 在2000、2010和2020年的碳吸收量分别为3.21×10⁶ t、2.60×10⁷ t和2.85×10⁷ t, 呈现先下降后增长的趋势。经济高速发达的城市, 例如广州、深圳和珠海, 过多的经济需求使得城市土地更多用来经济发展, 而忽视其碳排放量。需进一步优化各产业间用地结构, 保有一定数量的碳汇, 未来规划用地应适当控制建设用地或者大力发展高新技术产业来带动经济发展, 防止碳汇用地大面积向碳源用地转变。

2.3 碳生态承载指数空间特征分析

珠三角地区碳生态承载指数空间差异明显, 呈现中间低两边高的趋势。根据碳排放生态承载系数的大小, 采用自然断点法, 将珠三角地区城市分为5类(图 4)。总体空间特征为：珠三角地区周边的肇庆、惠州和江门的生态承载系数较高, 且其数值均高于1, 这表明这些区域的林地具有较高的碳汇能力和相对较低的碳排放强度, 其中江门市在2000年生态承载系数较低, 但在2010年和2020年, 其生态承载指数得到了大幅度提升, 这得益于江门市将更多的未利用地进行开发, 未利用地由2000年的5013 hm²下降到2020年的538 hm², 减少近90%未利用地面积, 大大增加了具有较强碳汇能力的林地、草地等种植面积。中部区域城市在研究区间内均小于1且均有下降的趋势, 其中东莞市和佛山市在研究区间内变化最为明显, 这两个城市从生态承载指数中值区降为生态承载指数低值区, 说明东莞市和佛山市碳排放比例明显超过了碳吸收比例, 并有进一步强化的趋势, 需要加强碳汇能力, 缓解生态压力。

2.4 净碳排放量与经济增长之间的脱钩分析

根据珠三角地区各地级市净碳排放量的变化趋势, 计算2000—2010年和2010—2020年两个时段的净碳排放量和GDP的变化量, 并根据公式(6)计算两个时段珠三角地区净碳排放量和GDP之间的脱钩关系。如表 4所示可知, 2000—2010年阶段珠三角地区经济增长和净碳排放量之间呈现扩张型脱钩状态, 这说明经济增长的同时净碳排量也在快速的增加, 且净碳排量的幅度高于经济增长幅度。珠三角地在这研究区间经济高速增长, 但同时其产业更多的以低产值高能耗为主, 致使其碳排放增长幅度远高于其经济增长量。而在后一阶段(2010—2020年), 珠三角地区净碳排放量和经济增长呈现弱脱钩状态, 这是因为在近几年来珠三角地区相应国家号召, 对高能耗高污染企业进行管控, 同时产业结构升级, 更多的倾向于高新技术产业, 能源利用效率也随着技术的进度得到了提升。在各地级市中, 2000—2010年阶段中, 除了广州市和江门市外, 其余所有城市均呈现弱脱钩状态。净碳排放量与经济增长的脱钩弹性最小的市肇庆(0.04), 脱钩状态最为理想。脱钩弹性最大的是佛山市(0.90)。脱钩状况较差。在2010—2020阶段, 佛山市和珠海市的脱钩状态有2000—2010年的弱脱钩状态转为强脱钩状态, 主要原因是这两个城市产业技术升级, 逐步向产业的低碳化和和现代化发展。江门市则是由强脱钩状态(-0.79)转变到弱脱钩状态(0.32), 其净碳排放量远高于其经济增长速度。东莞市则是由弱脱钩状态转换成增长连接状态, 说明经济增长的同时净碳排放量水平也提高。应采取相应的措施采用低碳化技术, 减少碳排放量, 同时加快经济发展, 提升经济发展水平, 逐步向强脱钩转变。

2.5 净碳排放量脱钩影响因素分析

除2000—2010年间的广州外, 净碳排放强度因素在第一阶段(2000—2010年)和第二阶段(2010—2020年)的珠三角地区净碳排放脱钩有着抑制作用, 各地市中碳排放强度因素脱钩指数均小于0, 不利于碳排放脱钩(图 5)。说明多数城市更多的追求经济层次的发展忽略其发展所带来的环境效应。中山、江门地市在第二阶段净碳排放强度因素对净碳排放与经济发展脱钩效应的抑制作用减少。这是因为在这一时间段, 相应国家政策, 产业技术升级, 工业朝着低碳化经济的方向发展。能源消耗因素在第一阶段对净碳排放脱钩有着促进作用, 而在第二阶段, 除了江门市外, 其余城市都是由促进作用转变成抑制作用, 主要原因是珠三角地区的人均能源消耗处于逐年上升阶段, 这一现象并不有益于城市低碳化的发展, 这也是珠三角地区向低碳、高效的经济发展所需要关注的方向。能源效率因素也是促进珠三角地区净碳排放脱钩的主要因素之一能源效率因素相对第一阶段, 在第二阶段各地市的碳排放脱钩效应的贡献率都起到促进的作用。这也说明近些年来珠三角地区传统工业逐渐转型不断向低能耗、高水平迈进。能源效率逐步走向高效化。第一阶段, 人口因素对珠三角各地市的碳排放脱钩有着微弱地促进作用, 而在第二阶段, 该因素地促进作用得到了明显地提升。随着经济快速提升, 珠三角地区吸引更多地人才涌入, 人口由2000年的4287万人增长到了2020年6446万人。尤其是经济高度发展的地区, 比如深圳, 人口增加91.7%, 使得人口因素对城市碳排放脱钩的促进作用快速增加。碳生态水平因素和土地因素对珠三角城市群的碳排放脱钩起到微弱的作用, 对净碳排放量的贡献较小, 这也说明这些因素对在城市净碳排放脱钩具有巨大的潜力。珠三角城市规划过程中更应该考虑城市碳汇因素, 留有足够的空间来维持或增加城市碳汇能力, 实现社会-生态-经济共同和谐的发展。

2.6 敏感性分析

在本研究中, 某些参数的值存在不确定性, 可能导致不同的结果。因此, 从灵敏度分析的角度探讨了不确定变量对输出结果的影响。研究主要考虑了三个因素, 包括农药和化肥保留率、碳吸收比例和作物经济系数的均值。为了获得更准确的结论, 进行了不确定性分析。根据过往的研究^[29], 碳排放因子和碳吸收率的设定取值范围, 比如林地的碳吸收率为0.601—0.612, 采用多参数敏感性分析(MPSA)来评估模型在数据确定性方面的可靠性。基于蒙特卡洛灵敏度分析进行随机抽样分析参数, 计算参数模型得到的目标值, 并重复N(N=1000000)次。然后, 将目标值与N次模拟的平均值进行比较, 以确保可接受和不可接受的值, 并绘制可接受和不可接受条件的累积频率分布曲线, 并根据Kolmogorov-Smirnov检验评估每个参数的相对敏感性。结果表明, 虽然不同参数的变化对模型输出有一定影响, 但总体来看, 敏感性较低(表 5), 这表明我们的研究结果具有较高的可靠性和稳健性。

3 结论与讨论

(1) 增强碳汇能力：珠三角地区应根据碳汇能力现有的地理分布, 特别是中间地区碳汇能力较低的问题, 有针对性地增加绿地面积和绿色基础设施, 如在城市屋顶广泛推广绿色屋顶技术。同时, 建议通过区域间合作加强整个珠三角的碳汇能力, 如共同开展大型植树项目, 设立区域碳汇基金, 支持碳汇项目的实施与管理^[30]。

(2) 能源结构转型：制定具体时间表和行动计划, 逐步减少对煤炭和石油的依赖, 积极推动向清洁能源的转型, 特别是在粤西地区开展海上风电项目。政府应制定激励措施, 如税收优惠和财政补贴, 支持清洁能源项目的开发和实施, 同时限制高污染、高能耗工业的扩展, 确保能源消费的可持续性^[31]。

(3) 技术转移和能效提升：政府应搭建一个区域性的低碳技术交流平台, 促进珠三角地区和周边发展中城市的企业间的技术合作与知识共享。通过技术转移和能效提升, 支持企业采用先进的低碳技术和管理经验, 特别是在能源消费效率方面的提升。同时, 在区域碳排放责任的划分中, 应充分考虑产业转移过程中碳排放的地理分布, 确保公平和效率。

(4) 提升城市韧性和生态保护：加强城市的社会和生态系统的韧性建设, 通过提升城市规划的绿色标准和生态保护要求, 加大对生态敏感区和重要绿地的保护力度。推动城市基础设施的绿色升级。

未来需采用机械学习等1手段来获取更详细的数据进行城市碳排放和经济发展的脱钩效应分析, 提出更合理的政策建议。