殷瑜 陳竹安

摘 要：工業(yè)是化石能源消費的主要部門，化石能源的消費是溫室氣體上升的主要因素。為探究工業(yè)碳排放與經(jīng)濟發(fā)展間健康狀態(tài)及區(qū)域碳排放的驅(qū)動力，從市域視角出發(fā)，采用Tapio 脫鉤模型與LMDI 方法對2012—2021 年江西省碳排放狀況進行分析，并提出相應(yīng)的碳減排建議。結(jié)果顯示：江西工業(yè)碳排放量集中分布在西北部地區(qū)，總體呈緩慢上升趨勢，但年均增長率處于較低水平，碳排放增長受到抑制；碳排放健康狀態(tài)以弱脫鉤為主，工業(yè)經(jīng)濟對能源消耗依賴程度下降， 但強脫鉤出現(xiàn)頻次較低，導(dǎo)致江西碳排放向正向增長；產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的驅(qū)動作用在城市發(fā)展的各階段及市域間具有明顯的差異性，對于降低區(qū)域整體碳排放水平，保護碳減排成果有重要意義，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整是碳減排工作的重點；調(diào)整能源結(jié)構(gòu)，降低高碳排放能源消費占比，促進高耗能產(chǎn)業(yè)低碳化轉(zhuǎn)型，大力扶持低碳綠色產(chǎn)業(yè)發(fā)展是江西碳減排工作的必要舉措。

關(guān)鍵詞：碳排放；Tapio 脫鉤理論；LMDI 方法；脫鉤努力

中圖分類號：F403.3；X24 文獻標志碼：A 文章編號：2095-1329（2023）03-0085-07

自改革開放以來，得益于能源大量消耗，我國城市化和工業(yè)化進程快速推進，經(jīng)濟迅速繁榮。作為應(yīng)用最廣泛的能源，化石能源在工業(yè)部門被大量使用，工業(yè)碳排放被認為是導(dǎo)致大氣溫室氣體增加的首要因素[1-2]。溫室氣體的大量排放導(dǎo)致全球變暖以及極端天氣的出現(xiàn)，人類生存和發(fā)展的空間受到破壞，節(jié)能減排成為國際社會應(yīng)對全球氣候變化的共識。為應(yīng)對全球氣候變化，2020年中國宣布實行“雙碳戰(zhàn)略”，承諾于2030 年和2060年前實現(xiàn)“碳達峰”和“碳中和”目標。隨著碳減排階段性目標的制定，我國的碳減排工作面臨國內(nèi)經(jīng)濟轉(zhuǎn)型和承擔(dān)國際責(zé)任的雙重考驗。科學(xué)的評估區(qū)域碳排放狀態(tài)，探討引起地區(qū)工業(yè)碳排放量變化的驅(qū)動力，對把控地區(qū)節(jié)能減排局勢，尋找工業(yè)碳減排方向有重要意義。

經(jīng)濟增長被認為是碳排放增長的主導(dǎo)因素[3]，如何降低地區(qū)經(jīng)濟發(fā)展對碳排放的依賴性（即脫鉤）是當前碳排放研究的重點議題。脫鉤理論是衡量經(jīng)濟發(fā)展與環(huán)境污染相關(guān)性的理論模型，最早由經(jīng)濟合作與發(fā)展組織提出[4]，學(xué)者Tapio 進一步定義了脫鉤的判斷標準，并細分了脫鉤狀態(tài)[5]，自此Tapio 模型廣泛應(yīng)用于經(jīng)濟發(fā)展與能源消耗或環(huán)境污染相關(guān)研究[6-7]。工業(yè)碳排放受多種社會因素制約，與區(qū)域經(jīng)濟、人口、科技水平、能源與產(chǎn)業(yè)結(jié)構(gòu)等多種因素關(guān)系密切[8]。學(xué)者采用了多種方法對碳排放驅(qū)動因素量化考量，以Kaya 恒等式[9] 為基礎(chǔ)擴展的LMDI 因素分解模型是探究碳排放驅(qū)動因素的常用方法。以其操作靈活，分解無殘差的特點被被廣泛應(yīng)用于環(huán)境科學(xué)領(lǐng)域。結(jié)合Tapio 模型與LMDI 模型，相關(guān)學(xué)者對國家、省級、城市群、工業(yè)園區(qū)整體層面碳排放驅(qū)動力和脫鉤狀況進行了大量研究[10-14]，研究涉及人類生產(chǎn)生活的各個領(lǐng)域，包括工業(yè)、農(nóng)業(yè)、交通運輸?shù)刃袠I(yè)[15-18]。除LMDI 模型外，GMDI[19] 和STIRPAT[20] 模型是探究碳排放驅(qū)動因素的常用方法，隨著學(xué)科交叉融合，經(jīng)濟學(xué)空間計量方法對碳排放與驅(qū)動因素的空間相關(guān)性關(guān)系的研究為碳減排路徑探索提供了新的思路[21]。

目前對碳排放與經(jīng)濟間的脫鉤關(guān)系及碳排放驅(qū)動力的研究多以國家、省級、區(qū)域、城市群等大尺度對象研究為主，對于省級層面而言，研究尺度多局限于從整體層面對碳排放進行分析，而忽略了局部地級市間的經(jīng)濟發(fā)展與碳排放差異。各市域間由于發(fā)展條件的制約，經(jīng)濟基礎(chǔ)與產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、人口規(guī)模狀況各異，從市域?qū)用娉霭l(fā)可對整體碳排放發(fā)展狀況有更全面的認識并提出更因地制宜的政策建議。

2021 年江西全省規(guī)模以上工業(yè)能源消耗量占綜合能源比例達60%，工業(yè)依然是江西碳減排工作的重點領(lǐng)域，實現(xiàn)工業(yè)碳減排目標對實現(xiàn)江西“雙碳”目標有重要意義。同時作為首批生態(tài)文明示范省份，江西碳減排研究為自然稟賦優(yōu)越，經(jīng)濟欠發(fā)達的其它地區(qū)節(jié)能減排工作具有參考價值。本研究利用Tapio 脫鉤模型和LMDI 分解法，依據(jù)最新年鑒數(shù)據(jù)對2012—2021 年江西工業(yè)脫鉤狀況進行分析，從省市域級角度探究影響江西碳排放的驅(qū)動機制以及脫鉤努力，以期為江西省工業(yè)碳減排提供適時可靠的減排方向。

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)域

江西地處長江中下游交界處以南，地形以山地丘陵為主，地勢上北部地區(qū)較為平坦，東、西、南部地區(qū)山脈眾多，形成四周高中間低，南高北低的地理格局。江西生態(tài)資源豐富，2021 年森林覆蓋率達到63.35%，同時擁有豐富的地下礦藏并具備較高的礦產(chǎn)資源配套程度，為江西工業(yè)發(fā)展打下了良好的基礎(chǔ)。行政區(qū)劃上，江西分為11 個地級市和100 個縣級市，總?cè)丝谶_到4518 萬。2014 年底，《江西省生態(tài)文明先行示范區(qū)建設(shè)實施方案》獲批，成為首批省級生態(tài)文明示范區(qū)建設(shè)省份，對于構(gòu)建全國生態(tài)文明示范區(qū)具有樣板意義。

1.2 數(shù)據(jù)來源

本文研究對象為江西省及境內(nèi)11 個地級市工業(yè)碳排放情況，文中涉及的江西省各地級市的規(guī)模以上能源消費數(shù)據(jù)，國內(nèi)生產(chǎn)總值、工業(yè)生產(chǎn)總值及人口數(shù)據(jù)均來源于2012—2021 年《江西統(tǒng)計年鑒》數(shù)據(jù)，各能源折標煤系數(shù)參考自《中國能源統(tǒng)計年鑒》，各能源的碳排放系數(shù)以《2006IPCC 國家溫室氣體清單指南》作為參考。

3 結(jié)果與分析

3.1 工業(yè)碳排放發(fā)展現(xiàn)狀

2012—2021 年，江西省工業(yè)碳排放的年平均增長率為2%，碳排放總體呈現(xiàn)緩慢上升趨勢，工業(yè)碳排放總量增長3352 萬t，增長幅度達到20%。2012—2013 年和2017—2019 年間增速較快，年均增長率分別為6.9% 和4.9%，其余各年份增長率均維持在較低水平，江西工業(yè)碳排放總體得到遏制。地域分布而言（圖2），工業(yè)碳排放集中于省西北部，主要集中在九江、新余、宜春三市，三者貢獻了全省一半以上工業(yè)的碳排放總量，九江碳排放量最高，碳排放量占比逐年增加，到2021 年九江全省碳排放量占比高達27%。萍鄉(xiāng)在研究期內(nèi)具有明顯下降趨勢，萍鄉(xiāng)作為老牌工業(yè)城市，正逐步擺脫化石能源依賴，尋求產(chǎn)業(yè)轉(zhuǎn)型道路，除上述各市外，其余城市碳排放量處于相對穩(wěn)定水平，但撫州在2016 年和景德鎮(zhèn)在2017 年的碳排放分別有較大幅度的增加與降低，兩地化石能源消耗量迅速變化，將兩地分別劃分為碳排放相對穩(wěn)定的兩個階段。

江西碳排放量緩慢增長，在2017—2019 年加速增長時期年均增長率也不超過5%，2019 年后能源消耗的增速放緩，但工業(yè)碳排放仍無明顯下降趨勢，工業(yè)經(jīng)濟發(fā)展仍依賴于能源消費，降低工業(yè)碳排放量，逐步降低工業(yè)部門對能源消費的依賴性，提高工業(yè)經(jīng)濟質(zhì)量是江西省碳減排工作下一階段的目標。

3.2 脫鉤分析

為更清楚探究江西省工業(yè)碳排放健康狀態(tài)，將研究期劃分為2012—2015、2015—2018、2018—2021 年三個階段，結(jié)合公式2 和圖1 可得研究區(qū)域各階段碳排放脫鉤情況，如表2 所示。

研究的3 個時段內(nèi)，江西工業(yè)碳排放均處于弱脫鉤狀態(tài)，表明工業(yè)經(jīng)濟的快速增長，區(qū)域碳排放水平緩慢增長，是較為理想的脫鉤情形，3 個時期內(nèi)江西省脫鉤系數(shù)略有下降（0.35、0.27、0.24），整體脫鉤水平稍有上升，主要得益于節(jié)能減排的背景下，江西省工業(yè)產(chǎn)業(yè)升級帶來整體能源利用效率的提升，工業(yè)經(jīng)濟的發(fā)展一定程度上減少了對化石能源消耗的依賴性。

2012—2015 年，各地級市脫鉤狀態(tài)良好，脫鉤彈性系數(shù)多處于弱脫鉤狀態(tài)以上，但九江和鷹潭處于增長連接狀態(tài)，兩地工業(yè)經(jīng)濟發(fā)展依托于傳統(tǒng)化石能源的消耗，此階段，強脫鉤狀態(tài)地級市數(shù)量為4。

2015—2018，弱脫鉤數(shù)量降低，脫鉤狀態(tài)向衰退脫鉤狀態(tài)轉(zhuǎn)變。景德鎮(zhèn)、萍鄉(xiāng)、新余市脫鉤狀態(tài)降低，相較于2015 年，2018 年3 市工業(yè)碳排放量分別下降了22.7%、32.6% 和11.6%，同時工業(yè)產(chǎn)值分別下降了15%、14.9%和10%，化石能源消費受到抑制導(dǎo)致工業(yè)經(jīng)濟發(fā)展受到較大影響。撫州由強脫鉤迅速轉(zhuǎn)變?yōu)閺娯撁撱^狀態(tài)，脫鉤系數(shù)高達-163.81，化石能源的消耗并未帶來工業(yè)經(jīng)濟的增長，規(guī)模以上工業(yè)產(chǎn)值下降5.5%，推測省內(nèi)傳統(tǒng)工業(yè)向撫州轉(zhuǎn)移，能源經(jīng)濟效應(yīng)低。該階段，僅2 個地級市為強脫鉤狀態(tài)。總體而言，此階段部分城市脫鉤狀態(tài)降低，地級市間碳排放脫鉤水平差距變大。

2018—2021 年，弱脫鉤數(shù)量增加，整體脫鉤狀態(tài)改善。新余和萍鄉(xiāng)脫鉤狀態(tài)趨勢性降低，新余由衰退連接轉(zhuǎn)變?yōu)閿U張負脫鉤，萍鄉(xiāng)由衰退脫鉤轉(zhuǎn)變?yōu)樵鲩L連接狀態(tài)，兩者工業(yè)經(jīng)濟與碳排放均由同向降低轉(zhuǎn)變?yōu)橥蛟鲩L。兩市作為老工業(yè)城市，貫徹江西“綠色崛起”方針，在自身資源型工業(yè)城市的基礎(chǔ)上對傳統(tǒng)工業(yè)進行升級，工業(yè)經(jīng)濟與碳排放的脫鉤變化體現(xiàn)了兩地產(chǎn)業(yè)轉(zhuǎn)型的探索過程。其余城市處于弱脫鉤狀態(tài)以上，但強脫鉤數(shù)量僅為2，強脫鉤城市數(shù)量不足，江西省碳排放緩慢向上增長，江西碳減排有較大提升空間（圖3）。

3.3 江西省工業(yè)碳排放驅(qū)動因素分析

Tapio 脫鉤模型可以同步解釋碳排放與經(jīng)濟間速率變化關(guān)系，但無法解釋影響江西工業(yè)碳排放的驅(qū)動因素，本文依據(jù)Kaya 恒等式與LMDI 法將江西工業(yè)碳排放分解為能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、能源強度、經(jīng)濟及人口規(guī)模效應(yīng)，通過公式3～10 得到各驅(qū)動因素的累計貢獻值及貢獻率。

省級視角看，如表3 所示，產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、經(jīng)濟效應(yīng)、人口規(guī)模效應(yīng)對江西工業(yè)碳排放呈正向促進作用，經(jīng)濟效應(yīng)促進作用遠高于產(chǎn)業(yè)結(jié)構(gòu)與人口規(guī)模效應(yīng)，人口規(guī)模效應(yīng)促進作用較小，產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)雖總體呈促進效果，但產(chǎn)業(yè)結(jié)構(gòu)的驅(qū)動力在各地級市間具有明顯的地域差異性。能源結(jié)構(gòu)與能源強度呈負向抑制效果，其中能源強度效應(yīng)是最主要的抑制因素。

結(jié)合表3 及圖4，能源結(jié)構(gòu)對江西省工業(yè)碳排放的累計貢獻值為-2414.74 萬t，在3 個階段均抑制了江西工業(yè)碳排放，能源結(jié)構(gòu)（I ） 系數(shù)逐漸降低，全省高碳排放能源占比降低，能源消費結(jié)構(gòu)得到一定程度優(yōu)化。各地級市而言，2012 ～ 2021 年間能源結(jié)構(gòu)對撫州和鷹潭的累計貢獻值為正，其余城市均為負，從各階段而言，能源結(jié)構(gòu)對碳排放的促進作用集中出現(xiàn)在2015—2018 年，撫州、贛州、九江、鷹潭此階段均對碳排放脫鉤起抑制效果，到2018—2021 年，各市能源結(jié)構(gòu)效應(yīng)均抑制了當?shù)毓I(yè)碳排放。能源結(jié)構(gòu)對碳排放總體表現(xiàn)為抑制效果，優(yōu)化能源結(jié)構(gòu)，降低高碳排放能源消費并大力發(fā)展清潔能源的使用可有效降低碳排放水平。

2012—2021 年，產(chǎn)業(yè)結(jié)構(gòu)的累計貢獻值為2030.99萬t， 3 個時期的貢獻度分別為19.4%、-10.4%、3.2%，貢獻度方向具有明顯的波動性。撫州、贛州等7 市產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)促進了各地級市的碳排放，其它地級市表現(xiàn)為抑制效果，產(chǎn)業(yè)結(jié)構(gòu)在各市間的差異性顯著；同一城市的不同階段差別較大，貢獻度大小多呈“V”型變化趨勢，2015—2018 年，產(chǎn)業(yè)結(jié)構(gòu)具有最強的脫鉤促進作用，隨后產(chǎn)業(yè)結(jié)構(gòu)系數(shù)上升，產(chǎn)業(yè)結(jié)構(gòu)的脫鉤促進效果逐漸轉(zhuǎn)變?yōu)橐种?。工業(yè)產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)經(jīng)過了大幅降低再回升的過程，到2018—2021 年，各市產(chǎn)業(yè)結(jié)構(gòu)的脫鉤效應(yīng)仍有較大差距。江西省產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)在市域間廣泛的差異性，同時各城市發(fā)展階段產(chǎn)業(yè)結(jié)構(gòu)的脫鉤狀態(tài)變化較大，可將產(chǎn)業(yè)結(jié)構(gòu)調(diào)整作為現(xiàn)階段江西省碳減排工作的重點，對于維持現(xiàn)有碳減排成果穩(wěn)定，縮小地區(qū)間碳排放健康狀態(tài)差異有重要意義。

能源強度衡量了能源消費與經(jīng)濟效益的關(guān)系，該因素對碳排放的影響往往不確定性較大[23]。2012—2021 年，能源強度累計貢獻值為-12176.18 萬t，受能源強度效應(yīng)的影響、九江、南昌、萍鄉(xiāng)、宜春碳減排量均超過1000萬t。能源強度的貢獻率在3 個階段分別為-38.5%、-32.3%、-31%，對江西及轄內(nèi)各市碳排放均具有明顯的抑制效果，是江西最大的碳排放脫鉤促進因素。

2012—2021 年，人均GDP 累計貢獻值為15905.4 萬t，3 個階段的貢獻率分別為33.4%、50%、52.5%，經(jīng)濟效應(yīng)的貢獻率呈上升的趨勢，經(jīng)濟效應(yīng)與碳排放間關(guān)系密切，是江西最大的脫鉤抑制因素。人口規(guī)模效應(yīng)對碳排放的促進作用有限，累計碳排放貢獻值僅為6.77 萬t，3個階段的貢獻率分別為1.8%、3.6%、-4.6%。2012—2018年，人口規(guī)模效應(yīng)促進了江西的碳排放，人口規(guī)模效應(yīng)的抑制性集中體現(xiàn)在2018—2021 年，對除南昌、贛州、新余外各市均呈抑制作用，南昌強大的人口吸引力導(dǎo)致人口規(guī)模成為促進該地區(qū)碳排放的最大驅(qū)動因素，但對于整個江西省而言，人口因素對碳排放影響較小。

3.4 脫鉤努力分析

結(jié)合江西省各驅(qū)動因素脫鉤努力情況，剔除經(jīng)濟效應(yīng)對碳排放的影響，能源結(jié)構(gòu)在3 個時期內(nèi)均呈弱脫鉤努力（0.21、0.07、0.17），2015—2018 年，撫州、吉安、九江、鷹潭無脫鉤努力導(dǎo)致此階段江西能源結(jié)構(gòu)脫鉤努力數(shù)值較小，但綜合整個時期，能源結(jié)構(gòu)效應(yīng)對碳排放促進了工業(yè)經(jīng)濟與碳排放脫鉤（表4）。

產(chǎn)業(yè)結(jié)構(gòu)在發(fā)展的3 個階段脫鉤努力狀態(tài)變化較大，2012—2015 年與2018—2021 年無脫鉤努力，2015—2018年呈弱脫鉤努力，且第二階段與第三階段各地級市之間脫鉤努力情況有較大差異，2018—2021 年，除南昌外，整體脫鉤努力系數(shù)較低，相較上一階段，呈脫鉤努力狀態(tài)城市數(shù)量下降較多，產(chǎn)業(yè)結(jié)構(gòu)對于降低城市碳排放水平，促進市域間碳排放平衡有重要意義。

能源強度具有最大的脫鉤努力效應(yīng)，但研究期內(nèi)，能源強度脫鉤努力系數(shù)逐漸降低，由強脫鉤努力向弱脫鉤努力變化，對碳減排的促進作用有所減弱，提高能源利用效率與效益，發(fā)揮能源強度較強的碳排放脫鉤促進作用。

人口規(guī)模效應(yīng)在2012—2018 年無脫鉤努力，2018—2021 年間呈弱脫鉤努力，但弱脫鉤努力程度低，綜合整個時期，人口規(guī)模對江西省碳排放無脫鉤努力。

4 結(jié)論與建議

本文基于IPCC 核算方法計算了江西省及下轄地級市的碳排放水平，并利用Tapio 脫鉤模型及LMDI 模型探究了江西省工業(yè)碳排放與經(jīng)濟間的脫鉤關(guān)系和驅(qū)動因素，本文結(jié)論如下：

（1）江西省碳排放呈緩慢增長趨勢，研究期內(nèi)年均增長率為2%，2017—2019 年增速加快，2019 年后增速放緩，碳排放水平總體得到遏制。工業(yè)碳排放集中分布于省西北部的九江、宜春及新余，分布上呈明顯西北高于東南部的格局。

（2）研究的3 個階段，江西工業(yè)碳排放均處于弱脫鉤狀態(tài)（0.35、0.27、0.24），脫鉤狀態(tài)略有上升，工業(yè)經(jīng)濟一定程度上降低了對能源消費的依賴，但強脫鉤城市出現(xiàn)頻次低，導(dǎo)致江西碳排放總體向上增長，離實現(xiàn)降碳發(fā)展目標尚有差距。

（3）產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、經(jīng)濟效應(yīng)、人口規(guī)模效應(yīng)對江西工業(yè)碳排放呈正向促進作用，經(jīng)濟效應(yīng)促進作用遠高于產(chǎn)業(yè)結(jié)構(gòu)與人口規(guī)模效應(yīng)，人口規(guī)模效應(yīng)促進作用較小，產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)雖總體呈促進效果，但產(chǎn)業(yè)結(jié)構(gòu)的驅(qū)動力在各地級市間具有明顯的地域差異性。能源結(jié)構(gòu)與能源強度呈負向抑制效果，其中能源強度效應(yīng)是最主要的抑制因素，2018—2021 年，能源結(jié)構(gòu)對江西各地級市工業(yè)碳排放均起抑制作用。

（4）相較于經(jīng)濟效益對碳排放的促進作用，能源結(jié)構(gòu)和能源強度呈弱脫鉤努力，能源強度效應(yīng)脫鉤努力系數(shù)降低，但對于江西碳排放脫鉤仍具有最強的抑制效果；產(chǎn)業(yè)結(jié)構(gòu)脫鉤努力效果在各地級市波動較大，2018—2021年較于2015—2018 年，呈向無脫鉤努力狀態(tài)轉(zhuǎn)變趨勢，對江西碳排放脫鉤轉(zhuǎn)變?yōu)橐种菩Ч蝗丝趯魈寂欧艧o脫鉤努力，對江西工業(yè)碳減排影響較小。

根據(jù)以上結(jié)論，以及現(xiàn)階段江西社會經(jīng)濟發(fā)展狀況提出以下建議：① 降低高碳排放能源消費占比，大力推廣低碳綠色能源在工業(yè)部門的使用，發(fā)展風(fēng)電、太陽能等清潔能源，發(fā)揮能源結(jié)構(gòu)的脫鉤促進作用。②調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，嚴格控制工業(yè)產(chǎn)業(yè)規(guī)模，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，降低高碳排放部門比例，大力扶持新興綠色能源企業(yè)，重點關(guān)注九江、新余產(chǎn)業(yè)結(jié)構(gòu)變化。③聚焦產(chǎn)業(yè)升級轉(zhuǎn)型，提高能源利用效率與效益，特別關(guān)注如萍鄉(xiāng)、新余等工業(yè)老區(qū)的工業(yè)產(chǎn)業(yè)轉(zhuǎn)型，逐步擺脫工業(yè)部門對傳統(tǒng)化石能源的依賴。

參考文獻（References）

[1] 高虎.“雙碳”目標下中國能源轉(zhuǎn)型路徑思考[J]. 國際石油經(jīng)濟，2021，29（3）：1-6.

GAO H. China's energy transformation under the targets of peakingcarbon emissions and carbon neutral[J]. International PetroleumEconomics， 2021，29（3）：1-6.

[2] 郭揚， 呂一錚， 嚴坤， 等. 中國工業(yè)園區(qū)低碳發(fā)展路徑研究[J].中國環(huán)境管理， 2021，13（1）：49-58.

GUO Y， LYU Y Z， YAN K， et al. Low-carbon developmentpathways of industrial parks in China[J]. China EnvironmentalManagement， 2021，13（1）：49-58.

[3] SHAN Y L， HUANG Q， GUAN D B， et al. China CO2 emissionaccounts 2016-2017[J]. Scientific Data， 2020，7（1）：54-62.

[4] R?STEMO?LU H. Factors affecting Germany's green developmentover 1990-2015： a comprehensive environmental analysis[J].Environmental Science and Pollution Research， 2019，26（7）：6636-6651.

[5] TAPIO P. Towards a theory of decoupling： degrees of decouplingin the EU and the case of road traffic in Finland between 1970 and2001[J]. Transport Policy， 2005，12（2）：137-151.

[6] 張玉梅， 喬娟. 都市農(nóng)業(yè)發(fā)展與碳排放脫鉤關(guān)系分析——基于脫鉤理論的Tapio 彈性分析法[J]. 經(jīng)濟問題，2014（10）：81-86.

ZHANG Y M， QIAO J. Analysis of urban agriculture developmentand carbon emission decoupling relationship based on the theoryof decoupling about tapio elastic analysis[J]. Economic Issues，2014（10）：81-86.

[7] 王俊嶺. 我國鋼鐵工業(yè)脫鉤彈性分析——以2006-2015 年面板數(shù)據(jù)為例[J]. 生態(tài)經(jīng)濟， 2017，33（8）：139-143.

WANG J L. The Tapio elastic analysis of steel industry of 2006-2015 panel data in China[J]. Ecological Economy， 2017，33（8）：139-143.

[8] WU Y， TAM V W Y， SHUAI C， et al. Decoupling Chinaseconomic growth from carbon emissions： Empirical studiesfrom 30 Chinese provinces （2001-2015）[J]. Science of The TotalEnvironment， 2019，656：576-588.

[9] KAYA Y. Impact of carbon dioxide emission control on GNPgrowth： Interpretation of proposed scenarios[R]. Paris： Presentationto the Energy and Industry Subgroup， Respones Working Group，IPCC， 1989.

[10] 翁鋼民， 李聰慧， 潘越， 等. 中國旅游業(yè)碳排放脫鉤效應(yīng)及影響因素研究[J]. 地理與地理信息科學(xué)， 2021，37（2）：114-120.

WENG G M， LI C H， PAN Y， et al. Decoupling effect andinfluencing factors of carbon emissions in Chinas tourismindustry[J]. Geography and Geo-Information Science，2021，37（2）：114-120.

[11] 鄭亦伶， 苑韶峰. 基于土地利用的碳排放時空分析[J]. 上海國土資源，2013，34（2）：33-36.

ZHENG Y L， YUAN S F. Spatial-temporal analysis of carbonemissions from land-use[J]. Shanghai Land & Resources，2013，34（2）：33-36.

[12] 王彩娟， 季順偉， 任麗燕. 長三角城市群能源碳排放空間關(guān)聯(lián)及其影響因素研究[J]. 上海國土資源，2022，43（3）：8-14.

WANG C J， JI S W， REN L Y. Spatial correlation and influencingfactors of energy carbon emissions in Yangtze River Delta urbanagglomeration[J]. Shanghai Land & Resources， 2022，43（3）：8-14.

[13] 馬建輝， 田剛， 謝宛懌， 等. 河北省土地利用碳排放時空特征與脫鉤分析[J]. 上海國土資源，2023，44（1）：67-76.

MA J H， TIAN G， XIE W Y， et al. Spatio-temporal characteristicsand decoupling analysis of land use carbon emissions in HebeiProvince[J]. Shanghai Land & Resources， 2023，44（1）：67-76.

[14] 羅翔， 賴志勇， 曹慧霆. 碳達峰碳中和目標下的新城新區(qū)國土空間規(guī)劃策略—— 基于浦東新區(qū)的實證與思考[J]. 上海國土資源，2022，43（1）：1-5.

LUO X， LAI Z Y， CAO H T. Planning strategies of new city inthe context of emission peak and carbon neutralization： empiricalresearch on Shanghai Pudong[J]. Shanghai Land & Resources，2022，43（1）：1-5.

[15] 沈葉， 劉中俠， 鄧翠翠， 等. 工業(yè)部門低碳化驅(qū)動因素與脫鉤路徑分析——以安徽省為例[J]. 長江流域資源與環(huán)境，2022，31（12）：2597-2607.

SHEN Y， LIU Z X， DENG C C， et al. Analysis of driving factorsand decoupling path of low-carbonization on industrial sector： Acase study of Anhui Province[J]. Resources and Environment in theYangtze Basin， 2022，31（12）：2597-2607.

[16] 劉楊， 劉鴻斌. 山東省農(nóng)業(yè)碳排放特征、影響因素及達峰分析[J].中國生態(tài)農(nóng)業(yè)學(xué)報， 2022，30（4）：558-569.

LIU Y， LIU H B. Characteristics， influencing factors， and predictionof agricultural carbon emissions in Shandong Province[J]. ChineseJournal of Eco-Agriculture， 2022，30（4）：558-569.

[17] 丁海燕， 何華春， 張云峰. 基于“雙碳”目標的鹽城市生態(tài)安全評價及障礙因子診斷[J]. 上海國土資源，2023，44（2）：62-68，75.

DING H Y， HE H C， ZHANG Y F. Ecological security assessmentand obstacle factor diagnosis of Yancheng City based on “doublecarbon” target[J]. Shanghai Land & Resources， 2023，44（2）：62-68，75.

[18] 胡懷敏， 左薇， 徐士元. 長江經(jīng)濟帶交通能源碳排放脫鉤效應(yīng)及驅(qū)動因素研究[J]. 長江流域資源與環(huán)境，2022，31（4）：862-877.

HU H M， ZUO W， XU S Y. Decoupling effect and driving factorsof transportation energy carbon emissions in Yangtze RiverEconomic Belt[J]. Resources and Environment in the YangtzeBasin， 2022，31（4）：862-877.

[19] 馬曉君， 陳瑞敏， 董碧瀅， 等. 中國工業(yè)碳排放的因素分解與脫鉤效應(yīng)[J]. 中國環(huán)境科學(xué)，2019，39（8）：3549-3557.

MA X J， CHEN R M， DONG B Y， et al. Factor decomposition anddecoupling effect of Chinas industrial carbon emissions[J]. ChinaEnvironmental Science， 2019，39（8）：3549-3557.

[20] 劉茂輝， 岳亞云， 劉勝楠， 等. 基于STIRPAT 模型天津減污降碳協(xié)同效應(yīng)多維度分析[J]. 環(huán)境科學(xué)，2023，44（3）：1277-1286.

LIU M H， YUE Y Y， LIU S N， et al. Multi-dimensional analysis ofthe synergistic effect of pollution reduction and carbon reduction in Tianjin based on the STIRPAT model[J]. Environmental Science，2023，44（3）：1277-1286.

[21] 陳宇斌， 王森， 陸杉. 農(nóng)產(chǎn)品貿(mào)易對農(nóng)業(yè)碳排放的影響——兼議數(shù)字鄉(xiāng)村發(fā)展的門檻效應(yīng)[J]. 華中農(nóng)業(yè)大學(xué)學(xué)報（ 社會科學(xué)版），2022（6）：45-57.

CHEN Y B， WANG S， LU S. The Impact of agricultural productstrade on agricultural carbon emissions： The threshold effect ofdigital rural development[J]. Journal of Huazhong AgriculturalUniversity （Social Science Edition）， 2022（6）：45-57.

[22] 馬曉君， 陳瑞敏， 蘇衡. 中國工業(yè)行業(yè)能源消耗的驅(qū)動因素與脫鉤分析[J]. 統(tǒng)計與信息論壇，2021，36（3）：70-81.

MA X J， CHEN R M， SU H. Driving factors and decouplinganalysis on industrial energy consumption in China[J]. Statisticsand Information Forum， 2021，36（3）：70-81.

[23] GU W， ZHAO X， YAN X， et al. Energy technological progress，energy consumption， and CO2 emissions： Empirical evidence fromChina[J]. Journal of Cleaner Production， 2019，236：117666.