“一带一路”沿线国家碳排放空间分析_王杨.pdf

第45卷王杨，吴锋，谢宏全，等.“一带一路”沿线国家碳排放空间分析J.环境科学与技术，2022，45（12）：204-213.Wang Yang，Wu Feng，Xie Hongquan，et al.Spatial analysis of carbon emissions in countries along the“Belt and Road”J.Environmental Science&Technology，2022，45（12）：204-213.Environmental Science&Technology第45卷 第12期2022年12月Vol.45 No.12Dec.2022环境科学与技术 编辑部：（网址）http:/（电话）027-87643502（电子信箱）收稿日期：2022-06-08；修回2022-08-19基金项目：国家自然科学基金项目（41976187）；江苏海洋大学“测绘科学与技术”重点学科作者简介：王杨（1995-），男，硕士，研究方向为地球空间环境信息采集与处理，（电子信箱）；*通讯作者，（电子信箱）。“一带一路”沿线国家碳排放空间分析王杨1，吴锋2，谢宏全1*，刘付程1（1.江苏海洋大学海洋技术与测绘学院，江苏连云港222005；2.中国科学院地理科学与资源研究所，北京100101）摘要：该文基于1990-2019年“一带一路”沿线66个国家的碳排放数据、GDP数据、城镇化率数据和工业增加值占GDP比值等数据，通过Moran s I指数进行空间自相关分析，结果表明Moran s I指数全为正值，表明存在空间自相关性，并且呈现出“”型变化。通过GWR模型对二氧化碳排放量5类影响因素的空间异质性进行探索，结果表明，1990年、2000年、2010年和2019年这4年人均二氧化碳排放量的影响因素存在明显的空间异质性。其中分布在东欧、南欧、西亚和中欧一带国家影响因素的影响次序大致相同，分布在东南亚、东亚、南亚和中亚一带国家的影响次序大致相同；人均GDP影响因素的回归系数均为正值，位于中亚地区周围国家的回归系数普遍较高；城镇化率影响因素的回归系数较大的国家主要分布在东欧一带以及东亚一带；产业结构回归系数较大的国家主要分布在东南亚和西亚一带，回归系数较小的国家主要分布在东欧一带；能源强度影响因素回归系数大的国家主要位于中欧、南欧和西亚一带。关键词：“一带一路”；碳排放；Moran s I指数；GWR模型；影响因素中图分类号：X321文献标志码：Adoi：10.19672/ki.1003-6504.1339.22.338文章编号：1003-6504(2022)12-0204-10Spatial Analysis of Carbon Emissions in Countries along the“Belt and Road”WANG Yang1，WU Feng2，XIE Hongquan1*，LIU Fucheng1（1.School of Marine Technology and Geomatics,Jiangsu Ocean University,Lianyungang 222005,China;2.Institute of Geographic Science and Natural Resources Research,Chinese Academy of Sciences,Beijing 100101,China）Abstract：Based on the carbon emission data,GDP data,urbanization rate data and industrial value added to GDP ratio of 66countries along the Belt and Road from 1990 to 2019,the spatial autocorrelation analysis is conducted by Moran s I index,and the results show that the Moran s I index is all positive,indicating the existence of spatial autocorrelation,and it showsthe form of“”type change.The GWR model was used to explore the spatial heterogeneity of the five types of factorsinfluencing CO2emissions,and the results showed that there was significant spatial heterogeneity in the factors influencingCO2emissions per capita in 1990,2000,2010 and 2019.The regression coefficients of the factors influencing per capita GDPare all positive,and the regression coefficients of the factors influencing urbanization rate are generally higher in the countriesaround Central Asia;the regression coefficients of the factors influencing urbanization rate are mainly distributed in EasternEurope and East Asia.The countries with large regression coefficients of the factors affecting urbanization rate are mainlylocated in Eastern Europe and East Asia;the countries with large regression coefficients of the factors affecting industrialstructure are mainly located in Southeast Asia and West Asia,and the countries with small regression coefficients are mainlylocated in Eastern Europe;the countries with large regression coefficients of the factors affecting energy intensity are mainlylocated in Central and Southern Europe and West Asia.Key words：“Belt and Road”;carbon emission;Moran s I index;GWR model;influencing factors自工业革命以来，人类为了谋求快速发展，毫无节制地排放了大量二氧化碳，随着时间的积累，二氧化碳累积排放量超过地球自身的固碳能力，使得大量的二氧化碳停留在大气层中，引起温室效应。温室效应的产生导致极端天气频发，物种大量灭绝，给人类生存带来了极大的威胁1。因此对二氧化碳相关研究已成为国内外研究的热点之一。探究二氧化碳排放量影响因素有助于制定科学第12期合理的减排目标和减排方案，是进行碳减排的基础。目前国内外学者对二氧化碳排放量影响因素探究的方法主要有LMDI分解法2-4、SDA分解法5，6、Kaya恒等式7-9以及STIRPAT模型10-12等常用分析方法。二氧化碳影响因素因各国经济文化、地理位置等有所差异，常见的影响因素有人口、GDP 和城镇化率等因素13，14。Abbes15通过LMDI分解法对7个东欧国家交通系统的二氧化碳排放量进行了分解，结果表明，经济活动是这些国家二氧化碳排放的主要影响因素；郭朝先16通过SDA方法对我国的二氧化碳排放量的影响因素进行了分析，结果表明能源强度是最主要的影响因素；Xu等17通过SDA法对中国江苏省二氧化碳增量的影响因素进行探究，结果表明能源强度是主要影响因素；Duro等18采用Kaya恒等式对国际上人均二氧化碳排放不均等的影响因素进行分解，结果表明人均收入水平的差异是主要的影响因素；Fan等19通过STIRPAT模型对不同收入类型国家二氧化碳影响因素进行了分析，研究结果表明经济增长是最主要的原因。世界上各个国家发展存在严重的不平衡性，各个地区的二氧化碳排放特征不尽相同，同一个政策在不同地区所产生的影响及结果是不相同的。“一带一路”沿线66个国家，横跨亚洲、欧洲和非洲，地域辽阔，复杂多样的经济发展模式和不同的社会发展结构造成了区域间在文化、经济和生活等多方面的差异，从而引起各国的二氧化碳排放水平具有明显差异性。如“一带一路”沿线最富有的国家卡塔尔和最贫穷国家的人均GDP差距有106倍左右。为了能够协调区域性低碳经济发展，有必要对“一带一路”沿线66个国家进行二氧化碳排放量驱动因子的时空异质性分析，以便可以合理地提出有针对性的减排目标，因地制宜制定减排政策。此外，根据各个国家不同的影响因素以及影响大小有重点的选择投资领域和投资国家进行产业布局和技术合作，将会使得“一带一路”倡议实现经济增长和绿色发展的双重效果。王雅楠等20通过地理加权回归模型GWR对中国其中的30个省份的碳排放空间差异进行了研究，结果表明城镇化在东部省市的影响较大；Wang等21通过GWR模型对中国省域二氧化碳排放影响因素进行了分析，结果表明城市化是二氧化碳排放量增加的主要因素。自2009年以来，“一带一路”沿线各国碳排放总量占比已经超过50%，这些国家大多数是发展中国家以及欠发达国家，未来排放潜力大，对未来全球是否走向低碳发展道路起到重要作用。本研究对“一带一路”沿线66个国家二氧化碳排放量的空间自关性和影响因素的空间异质性进行了分析。为设定合理的减排目标和制定科学的减排政策提供了理论基础。1研究区概况与研究方法1.1研究区概况研究区域选取的是“一带一路”沿线的65个国家和中国，共66个国家。研究区域横跨亚洲、欧洲和非洲。其中东亚2个、中亚5个、东南亚10个、东欧8个、南欧9个、南亚8个、西亚20个、中欧4个。这些国家的总人口为48亿，占比62%；总GDP为29.4万亿美元，占比33.5%。“一带一路”沿线各个国家的社会总体发展水平在地区分布上呈现出一定的差异性，东欧、西亚、东北亚等地的国家的社会发展水平较高，南亚、东南亚、中亚和北非等地的国家多数处于中等或低等人类发展水平。这些国家处于矿产丰富地带，为世界提供了60%石油和70.5%的煤炭。这些国家也分布在世界主要能源消耗地区，消耗了大量一次性能源，如原油（41%）、煤炭（72%）和天然气（47%)22。此外，这些国家多数处于全球气候变化敏感地带。且生态结构系统复杂多样。这些国家陆地面积约为9 257万km2，农田面积约为1 390万km2、森林面积约为3 215万km2、草地面积约为2 170万km2、水域面积约为200万km2、城市占地面积约为52万km2，荒漠占地面积2 231万km2。近些年，分布在南亚等地区的国家森林面积不断减少，荒漠化问题严重，是全球生态环境保护的关键地区23，24。这些国家大多数属于发展中国家，工业化程度低，且处于全球气候变化敏感地带，但是这些国家经济发展潜力大，能源消耗量大，如果不寻求低碳绿色经济发展路线，那么这些国家在将来将会成为世界上主要二氧化碳排放来源。1.2数据来源本研究利用了1990-2019年“一带一路