區(qū)域協(xié)同背景下長三角地區(qū)碳達峰預(yù)測

摘 要：長三角地區(qū)是中國重要的區(qū)域協(xié)同發(fā)展示范區(qū)，預(yù)測該地區(qū)的碳排放，實現(xiàn)區(qū)域協(xié)同背景下長三角地區(qū)早日碳達峰對我國完成2030年前碳達峰目標(biāo)具有重要意義。本研究基于2000-2021年長三角能源消費碳排放數(shù)據(jù)，通過灰色關(guān)聯(lián)分析篩選出人口規(guī)模、經(jīng)濟增長、城鎮(zhèn)化率等六個自變量，結(jié)合嶺回歸方程建立三省一市的STIRPAT模型，根據(jù)政策文件和當(dāng)前社會發(fā)展對低碳、基準(zhǔn)、高碳情景下設(shè)定年均因素變化率，預(yù)測不同情景下碳達峰時間和峰值。結(jié)果表明，低碳和基準(zhǔn)情景均可以在2030年前實現(xiàn)碳達峰，高碳情景下無法完成。本研究的結(jié)果為長三角地區(qū)的碳減排和可持續(xù)發(fā)展提供了科學(xué)依據(jù)和決策支持。

關(guān)鍵詞：區(qū)域協(xié)同；STIRPAT模型；碳排放；情景預(yù)測

中國近十年來社會快速發(fā)展的同時也產(chǎn)生了大量溫室氣體，且其碳排放量遠遠高于世界第二的美國，當(dāng)前已經(jīng)是世界上最大的能源消費國和CO2排放國。2020年中國政府已承諾在2030年左右實現(xiàn)整體碳排放達峰，并且盡最大努力盡早達峰[1]，而丁仲禮院士《中國“碳中和”框架路線圖研究》的報告中表明，制度的協(xié)調(diào)和區(qū)域的協(xié)同不僅能夠提高效率而且能夠減少額外成本。從區(qū)域協(xié)同發(fā)展的視角探討碳中和目標(biāo)下的碳排放問題，不僅具有一定的創(chuàng)新性，而且為現(xiàn)有的能源轉(zhuǎn)型理論、低碳經(jīng)濟理論提供具有資源聯(lián)系的研究視角，豐富新的理論依據(jù)[2]。圍繞碳排放的研究當(dāng)前是國內(nèi)外熱點，主要集中在碳排放效率[3～4]、碳排放時空格局[5～6]、碳排放影響因素和趨勢預(yù)測以及碳減排新技術(shù)[7～9]。本文主要聚焦在碳排放影響因素和趨勢預(yù)測上。

在碳排放影響因素研究上，學(xué)者們主要針對中國各省份[10～11]、各地級市等地區(qū)碳排放達峰[12]，或者是交通、旅游、工業(yè)等行業(yè)碳排放展開，不同主體的影響因素基本都可以歸類到經(jīng)濟、能源、人口、技術(shù)四個指標(biāo)，每個指標(biāo)還可以再進一步細化和擴展。例如，Dong等[13]運用LMDI模型研究了全球主要國家的碳排放情況，認(rèn)為碳排放的主要原因是經(jīng)濟增長。陳浩等[14]認(rèn)為廣義技術(shù)進步和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對碳強度沒有直接的顯著作用，但借助優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和提高狹義技術(shù)進步能夠間接地降低碳強度。穆佳音等[15]總結(jié)了資源型城市碳排放影響因素及其研究方法，人口規(guī)模的增加對城市碳排放的增加具有促進作用，但在部分人口稀少地區(qū)需要一定的人口紅利，同時經(jīng)濟發(fā)展對碳排放具有異質(zhì)性影響，我國大部分資源型城市仍處于經(jīng)濟發(fā)展促進碳排放增加階段。

在碳排放的趨勢預(yù)測上，研究方法主要為兩大類，一是國內(nèi)外專家學(xué)者利用STIRPAT模型、情景分析法、LEAP模型、Kaya 恒等式等人工理論模型。二是結(jié)合機器學(xué)習(xí)算法或者系統(tǒng)動力學(xué)模型預(yù)測未來碳排放。朱海等人[16]使用“自上而下”的方式測算中國各省2000—2019年旅游業(yè)碳排放，利用STIRPAT模型，多情景考察2020—2060年旅游業(yè)各地區(qū)碳排放及其時空演變。章高敏、王騰等人[17]立足中國各省級層面建立碳排放峰值預(yù)測和碳達峰路徑優(yōu)化體系，借助LSTM網(wǎng)絡(luò)預(yù)測未來20年內(nèi)在不同情景下的碳排放路徑。湯恒[18]借助深度學(xué)習(xí)構(gòu)建長三角地區(qū)SPNN-GNNWR碳排放預(yù)測模型。Zhao Y等[19]對機器學(xué)習(xí)的反向神經(jīng)傳播網(wǎng)絡(luò)、支持向量機、隨機森林等碳排放預(yù)測模型進行了對比分析，總結(jié)了不同模型的優(yōu)缺點和適用場景。

基于機器學(xué)習(xí)的碳排放預(yù)測模型與傳統(tǒng)的基于人工理論的模型相比，在效率和準(zhǔn)確性方面具有顯著的優(yōu)勢。然而，由于其固有的復(fù)雜性，這些模型不容易修改，可能會導(dǎo)致某些缺點，如其結(jié)果的可解釋性有限，缺乏專業(yè)領(lǐng)域知識的遷移。而區(qū)域一體化是自20世紀(jì)90年代以來最具活力的經(jīng)濟現(xiàn)象[19]，當(dāng)前較少有學(xué)者結(jié)合區(qū)域協(xié)同經(jīng)濟，從整體與局部結(jié)合的視角將某個經(jīng)濟區(qū)域整體范圍作為碳排放的研究對象。鑒于此，本文運用STIRPAT模型_{db33be6af01e32fe579bda763fcb9c52}和嶺回歸方法，基于最新的“十四五”國家和省級發(fā)展規(guī)劃，將政府目標(biāo)和限制因素納入并分別歸類到三個不同的情景框架，分析各自變量對碳排放的影響程度并且預(yù)測長三角經(jīng)濟特區(qū)的碳達峰時間和峰值。

一、研究方法與特征因子選擇

（一）灰色關(guān)聯(lián)分析

灰色關(guān)聯(lián)分析是一種用于研究多個因素之間關(guān)聯(lián)度的測算，它可以比較出各個自變量因素對一個因變量因素的影響程度。主要步驟如下：

1. 確定母序列和子序列。這里以整個長三角地區(qū)2000—2021年碳排放量作為母數(shù)列，用x0=[x0（1），x0（2），…，x0（t）]表示。參考前人的碳排放影響因素研究選取九個使用最多的影響因素作為子數(shù)列，記為X1，X2，……X9。

2. 標(biāo)準(zhǔn)化。用均值化無量綱化的方法對數(shù)據(jù)進行無量綱歸一，即用該數(shù)列平均值去除該數(shù)列所有數(shù)據(jù)，方便對比。

3. 計算灰色關(guān)聯(lián)度。

4. 計算關(guān)聯(lián)度。每個指標(biāo)的關(guān)聯(lián)系數(shù)求均值，即可得到該指標(biāo)的關(guān)聯(lián)度，且關(guān)聯(lián)度數(shù)值越靠近0，說明受到子序列的影響越??；關(guān)聯(lián)度數(shù)值越接近1，說明子序列的影響越密切。

（二）擴展的STIRPAT模型

IPAT模型從20世紀(jì)70年代開始應(yīng)用，一般用來探索人口、經(jīng)濟和技術(shù)因素對環(huán)境壓力的影響，其表達式見式（2）。

該式中，I為環(huán)境壓力，包含資源、能源等的消耗及溫室氣體排放等；P為人口規(guī)模；A為富裕程度，即經(jīng)濟發(fā)展水平等；T為技術(shù)水平。但是IPAT模型具有一定的局限性，其默認(rèn)不同因素對環(huán)境壓力的貢獻相同，Dietz和Rosa（1997）在IPAT模型的基礎(chǔ)上提出了STIRPAT模型，其表達式見式（3）。

在實證中，考慮到回歸分析，一般對式（3）兩邊進行對數(shù)處理，即：

結(jié)合本文研究內(nèi)容，這里I表示碳排放量，P表示人口規(guī)模，A表示GDP，T表示能源強度，a為模型系數(shù)，b，c，d為各變量的彈性系數(shù)，e為誤差項。該模型的優(yōu)點是實用性強，可以針對碳排放問題研究引入更為合適的自變量，進而分析自變量對因變量的影響。又考慮到碳排放受到多個綜合指標(biāo)的影響[22]，除了常見的P、A、T，這里采取文獻分析法，選取2018-2023年中國知網(wǎng)的核心及以上文章，篩選主題為“碳排放和STIRPAT模型”的文章，梳理分析和總結(jié)，初步選擇了8個影響因素，增加城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)、能源消費結(jié)構(gòu)、研發(fā)投入、固定資產(chǎn)投資等5個指標(biāo)初步作為擴展后STIRPAT模型的特征因子。

（三）嶺回歸模型

線性模型的基本形式為：

其中[x]為輸入特征，[hθ]為輸出，[θi]為待求解的模型系數(shù)，線性模型的目標(biāo)函數(shù)為：

在多重共線性存在的情況下，普通的最小二乘法線性回歸估計可能會產(chǎn)生不穩(wěn)定的參數(shù)估計以及過度擬合的問題。嶺回歸模型通過引入一個正則化項，可以有效地解決這些問題，是對最小二乘回歸的一種補充。嶺回歸的目標(biāo)函數(shù)為：

式（7）中：[m]為樣本個數(shù)，[hθxi]為第i個樣本的預(yù)測值，[yi]為第i個樣本的真實值，[α]為嶺回歸模型的懲罰項系數(shù)，表示正則化項的強度，較大的[α]會導(dǎo)致參數(shù)估計偏向于零，從而減小模型的方差，但可能會增加偏差，通常通過交叉驗證等方法來選擇最優(yōu)的[α]值，以使模型在驗證集上的預(yù)測誤差最小化。嶺回歸模型的參數(shù)估計可以通過最小二乘法的閉式解來求解：使用線性代數(shù)技巧求解目標(biāo)函數(shù)的最小化問題，即通過對目標(biāo)函數(shù)取模型參數(shù)的偏導(dǎo)數(shù)并令其等于零，求得關(guān)于參數(shù)的線性方程組，進一步求解方程組得到閉式解。

（四）數(shù)據(jù)來源及變量說明

相關(guān)數(shù)據(jù)來源于國家統(tǒng)計局官網(wǎng)和《中國統(tǒng)計年鑒2021》《中國能源統(tǒng)計年鑒》（2000—2020年）《中國固定資產(chǎn)投資統(tǒng)計年鑒》以及各省年度統(tǒng)計公報，涉及GDP的部分統(tǒng)一以2000年為基期不變價。文中涉及的變量主要含義如表1所示。

二、實證結(jié)果

（一）碳排放測算分析

本文根據(jù)上海、江蘇、浙江、安徽2000—2021年終端能源消費數(shù)據(jù)進行CO2排放量的測算，計算方法基于IPCC《國家溫室氣體排放清單指南》2006版。如公式（5）所示：

C為i省第t 年的碳排放總量;E 為i省第t 年第j種能源消費量；n為第j種能源的碳排放系數(shù)。我們最終能源消費種類劃分為9類，包括原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣和電力。9 類能源的轉(zhuǎn)換系數(shù)及碳排放系數(shù)如表 2所示，轉(zhuǎn)換系數(shù)的計量單位天然氣為 t 標(biāo)煤 /萬 m、電力為t標(biāo)煤 /萬 Kwh，其余能源的單位為 kg標(biāo)煤 /kg，而碳排放系數(shù)的單位為 t 碳 /t 標(biāo)準(zhǔn)煤。

按公式（5）計算出上海、江蘇、浙江、安徽四個地區(qū)的碳排放量，結(jié)果顯示2000—2021年四個地區(qū)的碳排放量均逐年上升，2021年上海、江蘇、浙江、安徽的碳排放量分別為26817萬噸、88238萬噸、59971萬噸、45780萬噸。四個地區(qū)最近三年的碳排放量依次為80087萬噸、259351萬噸、160220萬噸、132296萬噸，同比增長0.265%、0.273%、15.324%、7.697%。結(jié)合這二十年間我國經(jīng)濟快速發(fā)展，越來越發(fā)達的經(jīng)濟現(xiàn)象不難解釋上述變化趨勢，因為長三角地區(qū)在過去依賴大量的化石燃料、煤炭和石油作為主要能源來源，這些化石燃料燃燒過程中產(chǎn)生的二氧化碳等溫室氣體會直接導(dǎo)致碳排放的增加。除此之外長三角地區(qū)擁有大量的制造業(yè)和工業(yè)企業(yè)，這些企業(yè)通常使用能源密集型生產(chǎn)工藝，如鋼鐵、化工、紡織等行業(yè)，需要大量能源，伴隨著相應(yīng)的碳排放，所以碳排放量連年增加。排放量處于第一位的是江蘇省，20年間一共消耗215853萬噸標(biāo)煤，緊接著依次是浙江、安徽、上海。

（二）STIRPAT模型構(gòu)建

用2000—2021年面板數(shù)據(jù)中長三角整體的碳排放量作為母序列，對所有子序列進行無量綱化之后，最后得到詳細灰色關(guān)聯(lián)度的計算結(jié)果見表3，可以看到，城鎮(zhèn)化率和碳排放聯(lián)系緊密，關(guān)聯(lián)系數(shù)高于0.8，緊接著依次是產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟增長、能源強度、能源消費結(jié)構(gòu)，關(guān)聯(lián)系數(shù)高于0.70，屬于高度相關(guān)。但是固定資產(chǎn)投資和研發(fā)投入關(guān)聯(lián)度均低于0.65，關(guān)聯(lián)程度較低，因此為了使碳排放量的預(yù)測更加準(zhǔn)確，本文篩除這兩個影響因素，選擇U、IS、P、A、EI、ES、IFA、RD這6個特征因子作為預(yù)測模型自變量。

如表4結(jié)果所示，三省一市的各因素方差膨脹因子值都高于10，且結(jié)合表5條件指數(shù)結(jié)果分析，自變量之間存在著嚴(yán)重的多重共線性問題。

為了避免各影響因素之間存在的多重共線性，本文基于擴展的STIRPAT模型，通過嶺回歸分析，對碳排放與各影響因素進行擬合，分別構(gòu)建三省一市的碳排放預(yù)測模型，取K=0.05，0.05，0.1，0.1時，各變量回歸系數(shù)開始趨于穩(wěn)定均勻變化，自變量和常數(shù)項均通過5%的顯著性水平檢驗，最終相關(guān)結(jié)果見表6。整理出上海、江蘇、浙江、安徽的嶺回歸方程為：

回歸系數(shù)的正負(fù)號和大小表示了各個變量對能源強度的影響、方向和程度由上述變量系數(shù)，進一步比較長三角地區(qū)各省市碳排放嶺回歸方程，發(fā)現(xiàn)這些影響因素的正負(fù)作用方向及影響程度各不相同并不一致，經(jīng)濟增長、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化率、能源消費結(jié)構(gòu)4個因素對四個地區(qū)碳排放均正向促進碳排放。人口規(guī)模和城鎮(zhèn)化在其中作用最顯著，江蘇省人口規(guī)模對碳排放貢獻明顯，人口每上升1%，江蘇省碳排放量將增加2.0734%；城鎮(zhèn)化率對上海地區(qū)的碳排放量總量作用明顯，嶺回歸系數(shù)為0.8374，其余地區(qū)依次為0.6422、0.6735、0.4242；城鎮(zhèn)化的發(fā)展帶來了提升科技水平和提高能源利用效率的優(yōu)勢，但同時也伴隨著城市基礎(chǔ)設(shè)施和能源需求的增加，在短期內(nèi)對碳排放治理造成了較大的不利影響，加劇了二氧化碳排放量的增長。

能源強度與上海、浙江和安徽的碳排放負(fù)相關(guān)，也符合通過技術(shù)進步使得單位GDP能耗下降的科學(xué)理論。人口規(guī)模的增加促進上海、江蘇、浙江的碳排放，不過安徽省人口規(guī)模與碳排放的增加呈負(fù)相關(guān)，其原因是：2005—2019年，安徽省整體碳排放量在上升，但與之同時發(fā)生的是常住人口變動在6050萬人附近上下波動，2005年為6120萬人，2019年降低到6 092 萬人，這與鄒秀清[23]、宋曉暉[24]等人的研究結(jié)論契合。

三、長三角地區(qū)碳達峰預(yù)測

現(xiàn)采用情景分析的方法進行預(yù)測，根據(jù)最新的政策文件例如各省的“十四五”規(guī)劃、碳達峰規(guī)劃和2035遠景目標(biāo)以及城市規(guī)劃目標(biāo)對下列六種因素各階段的年均增長率進行設(shè)定，見表7，并結(jié)合實際節(jié)能減排與近五年平均值進行合理調(diào)整，設(shè)計低碳情景、基準(zhǔn)情景和高碳情景三種合理的地區(qū)發(fā)展?fàn)顟B(tài)。

在基準(zhǔn)情景下，充分考慮“十三五”完成情況和“十四五”規(guī)劃目標(biāo)，各?。ㄗ灾螀^(qū)、直轄市）按照既定政策發(fā)展的結(jié)果，城市經(jīng)濟穩(wěn)中前進，企業(yè)進行嚴(yán)格的節(jié)能減排，社會淘汰落后產(chǎn)能設(shè)備。該情景不同指標(biāo)的變化率設(shè)置的較為保守，各項參數(shù)設(shè)計依據(jù)如下：

人口規(guī)模（P）：“十三五”期間，我國人口一直低速增長，保持著低出生率和低死亡率，《國家人口發(fā)展規(guī)劃（2016—2030）》提出2030年迎來人口增速高峰，隨后人口開始增速放緩，因此結(jié)合長三角的實際情況，本文將上海、江蘇、安徽、浙江的人口規(guī)模速率基準(zhǔn)情景中設(shè)定為2022—2025年：0.35%、0.28%、0.28、1.30%，2026—2030年為-0.25%、0.22%、0.24%、0.65%，2031—2035年為-0.02%、-0.08%、0.14%、-0.10%，低碳和高碳情景下分別在此基礎(chǔ)上下浮動0.2%-0.4%范圍內(nèi)。

城鎮(zhèn)化率（U）：根據(jù)各省市的《新型城鎮(zhèn)化發(fā)展“十四五”規(guī)劃》，2021—2025年安徽、浙江、江蘇、上海的城鎮(zhèn)化率目標(biāo)為62%、75%、75%、90%，以此計算基準(zhǔn)情景下2022—2025年均增長率；且在未來，城市會吸引更多的人才和勞動力就業(yè)，許多小鎮(zhèn)也在城市建設(shè)中得到發(fā)展，城鎮(zhèn)化預(yù)計會進一步提升，2026—2030年為0.42%，1.5%，1.55%，0.50%，2031—2035年依次為0.35%、0.80%、1.20%、0.50%。

經(jīng)濟增長（A）：“十四五”規(guī)劃提出了GDP年均增長保持在科學(xué)的范圍，各階段結(jié)合實際情況規(guī)劃，不再著重強調(diào)經(jīng)濟增長幅度，國內(nèi)生產(chǎn)總值增速目標(biāo)可合理放低，整體更強調(diào)我國各地區(qū)經(jīng)濟均衡性的高質(zhì)量前進，蘇浙制定GDP年均增長高于5.5%和約等于5.5%的計劃。安徽《綱要》則目標(biāo)是地區(qū)生產(chǎn)總值“年均增長6.5%左右，助力長三角整體化前進，追趕滬蘇浙的經(jīng)濟水平”。過去五年上海、江蘇、安徽、浙江的平均增長率分別為6.08%、6.42、7.48%、6.88%考慮到安徽、浙江以及江蘇的進步空間更大，因此基準(zhǔn)情況下五年初始增長率為6.0%、6.3%、6.6%、5.0%。

產(chǎn)業(yè)結(jié)構(gòu)（IS）：“十四五規(guī)劃和2035年遠景目標(biāo)綱要”中指出要對我國制造業(yè)進行降本減負(fù)、推動第二產(chǎn)業(yè)結(jié)構(gòu)化升級，著重發(fā)展高科技服務(wù)型產(chǎn)業(yè)，目標(biāo)是2035年前實現(xiàn)戰(zhàn)略性新興產(chǎn)業(yè)增加值占GDP比重超17%。本文依據(jù)長三角的實際能源與產(chǎn)業(yè)現(xiàn)狀進行協(xié)同分配并調(diào)整得出各省具體參數(shù)值。

同樣邏輯，并且參考張雪梅（2023）[23]等人的研究和過去十年長三角地區(qū)能源結(jié)構(gòu)變化，設(shè)計能源強度和能源結(jié)構(gòu)。碳情景是在基準(zhǔn)情景的基礎(chǔ)上，積極研究和引進低碳創(chuàng)新技術(shù)，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和能源消費結(jié)構(gòu)，降低經(jīng)濟發(fā)展速度，各影響因素變化率低于基準(zhǔn)值；高碳情景則更著重于長三角地區(qū)經(jīng)濟發(fā)展，對碳排放、大氣污染等關(guān)注較少，不可避免地導(dǎo)致能源消耗大，化石能源占比高，各影響因素變化率設(shè)定高于基準(zhǔn)值。

根據(jù)構(gòu)建STIRPAT 模型，結(jié)合不同情景模式，3 種不同發(fā)展情景下的長三角碳排放量如圖1顯示，低碳情景和基準(zhǔn)情景下碳排放均能在2035年之前達峰，其中最早達峰的是低碳情景，2027年長三角碳排放達到最大值221645萬噸；基準(zhǔn)情景下，2031年碳排放達到最大值229426萬噸，高碳情景下，2035年則尚未達峰，不過碳排放量增速逐年放緩，趨于穩(wěn)定，說明也即將停止上升。峰值上來看，三種情景數(shù)值差異比較小，這是由于三省一市各自的達峰時間有所不同，受到碳排放重省—江蘇省的影響，高碳情景在2035年碳排放量為240938萬噸。

四、建議與總結(jié)

結(jié)合模型擬合結(jié)果，長三角地區(qū)在碳達峰的情景模式策略上，首先應(yīng)該拒絕高碳發(fā)展情景，優(yōu)化各項影響因素。為更好地降低三省一市碳排放，處于高碳情景下也能早日實現(xiàn)碳達峰，除了協(xié)同治理機制的完善外，還可以主要從如下兩點入手：（1）控制人口規(guī)模和城市發(fā)展。人口規(guī)模和城鎮(zhèn)化率在上海、江蘇、浙江三個地區(qū)的碳排放貢獻度均高于0.4%，控制這一因素能取得明顯效果。制定并實施可持續(xù)城市規(guī)劃，提高城市綠化率以降低城市發(fā)展對環(huán)境的沖擊。（2）推動低碳經(jīng)濟和技術(shù)創(chuàng)新。通過綜合推動低碳經(jīng)濟和技術(shù)創(chuàng)新，可以實現(xiàn)經(jīng)濟發(fā)展與碳排放的脫鉤。應(yīng)制定并執(zhí)行清潔能源發(fā)展計劃，特別是在安徽、浙江、江蘇的水能、太陽能等可再生能源方面，推動清潔能源的利用。

同時近幾年協(xié)同治理背景下，碳排放得到有效控制，治理結(jié)構(gòu)也在不斷扁平化發(fā)展，但是降低碳排放其治理機制依然有待完善。首先需要明確三省一市政府間的權(quán)責(zé)范圍?？缬蚬彩聞?wù)的治理成本應(yīng)由區(qū)域內(nèi)政府組織按照責(zé)任大小分擔(dān)。三省一市由于產(chǎn)業(yè)模式、經(jīng)濟社會發(fā)展?fàn)顩r以及社會治理水平存在差異，對生態(tài)環(huán)境治理所承擔(dān)的責(zé)任理應(yīng)不同。其次各城市在執(zhí)行和參與碳減排政策環(huán)節(jié)，應(yīng)該加強各地級城市間的直接對話與交流。根據(jù)地理距離有效降低交易成本，提高經(jīng)濟效率和把握治理時機，各城市既保持獨立性，又緊密合作，以實現(xiàn)最大化的綜合效益。最后還要不斷完善協(xié)同治理的機構(gòu)設(shè)置，保證人員的專職化和機構(gòu)的實體化，在統(tǒng)一標(biāo)準(zhǔn)的基礎(chǔ)上聯(lián)合執(zhí)行。

采用協(xié)同治理的模式為長三角地區(qū)城市間的有效溝通與合作提供優(yōu)良的平臺，促進經(jīng)濟和社會發(fā)展。推進市場在資源環(huán)境要素配置中的作用，建設(shè)包涵整個長三角范圍的跨城市煤炭產(chǎn)業(yè)交易平臺，重點發(fā)展區(qū)域碳交易、區(qū)域排污權(quán)交易， 以市場機制平衡長三角碳排放利益相關(guān)者的關(guān)系，加強區(qū)域協(xié)同作用。

參考文獻：

[1] 閔煒琪.碳中和背景下能源二氧化碳排放省際協(xié)同治理研究[D].南昌：南昌大學(xué)，2024.

[2] 王少劍，高爽，黃永源，等.基于超效率SBM模型的中國城市碳排放績效時空演變格局及預(yù)測[J].地理學(xué)報，2020，75（6）：1316-1330.

[3] 王兆峰，黃冬春.長江經(jīng)濟帶與黃河流域交通碳排放效率的比較及其影響因素[J/OL].經(jīng)濟地理，1-15[2024-09-19].http：//kns.cnki.net/kcms/detail/43.1126.K.20230831.1703.002.html.

[4] 武紅.中國省域碳減排：時空格局、演變機理及政策建議——基于空間計量經(jīng)濟學(xué)的理論與方法[J].管理世界，2015（11）：3-10.

[5] 孫彥明，楊怡樂，李清立.“雙碳”目標(biāo)下中國省域交通碳排放強度的時空演變分析[J].宏觀經(jīng)濟研究，2023（11）：48-61.

[6] 劉戰(zhàn)豫，張傘傘.“雙碳”目標(biāo)下制造業(yè)碳減排的數(shù)字技術(shù)實現(xiàn)路徑研究[J].資源開發(fā)與市場，2024，40（4）：511-520.

[7] 李飚，夏西強，李秋月.碳配額下碳交易對碳減排技術(shù)提升影響及協(xié)調(diào)機制研究[J/OL].中國管理科學(xué)，1-16[2024-09-19].https：//doi.org/10.16381/j.cnki.issn1003-207x.2023.0576.

[8] 李婧男，汪群慧，梁寶瑞，等.園林廢棄物對濱海鹽漬土固碳減排效應(yīng)與微生物群落結(jié)構(gòu)的影響[J].環(huán)境工程，2024，42（1）：95-101.

[9] 張兵兵，王捷，閆志俊.中國城市碳達峰路徑及其驅(qū)動因素的結(jié)構(gòu)分解[J].中國人口·資源與環(huán)境，2023，33（9）：38-44.

[10] ZHANG X，GENG Y，SHAO S，et al.How to achieve China’s CO2 Emission Reduction Targets by Provincial Efforts？ - An Analysis Based on Generalized Divisia Index and Dynamic Scenario Simulation[J].Renewable and Sustainable Energy Reviews，2020（127）：109892.

[11] ZUO J，ZHONG Y，YANG Y，et al.Analysis of Carbon Emission，Carbon Displacement and Heterogeneity of Guangdong Power Industry[J].Energy Reports，2022（8）：438-450.

[12] 祝福云，師宇星.碳全要素生產(chǎn)率、經(jīng)濟增長與低碳發(fā)展分析——基于黃河流域58個地級市的證據(jù)[J].干旱區(qū)資源與環(huán)境，2024，38（1）：52-59.

[13] DONG K，JIANG H，SUN R，et al.Driving Forces and Mitigation Potential of Global Co2 Emissions from 1980 Through 2030：Evidence from Countries with Different Income Levels[J].Science of The Total Environment，2019（649）：335-343.

[14] 陳浩，鄭潔.技術(shù)進步和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對中國碳排放強度的影響[J].商業(yè)研究，2022（6）：1-12.

[15] 穆佳音，王金滿，劉彪，等. 資源型城市碳排放演變及影響因素研究進展 [J/OL]. 煤tjtkBSnCO87AmeBhXa7ec2Kkh9BrWq9ecTFdyw2BiR0=炭學(xué)報， 1-15[2024-09-19]. https：//doi.org/10.13225/j.cnki.jccs.2023.0716.

[16] 朱海，王立國，賀焱，等.多情景下中國省域旅游業(yè)碳達峰的時空特征研究[J].干旱區(qū)資源與環(huán)境，2023，37（1）：169-176.

[17] 章高敏，王騰，婁淵雨，等. 基于LSTM神經(jīng)網(wǎng)絡(luò)的中國省級碳達峰路徑分析 [J/OL]. 中國管理科學(xué)， 1-12[2024-09-19]. https：//doi.org/10.16381/j.cnki.issn1003-207x.2022.0097.

[18] 湯恒.基于SPNN和GNNWR的碳排放預(yù)測模型研究[D].南京：南京郵電大學(xué)，2023.

[19] ZHAO Y，LIU R，LIU Z，et al.A Review of Macroscopic Carbon Emission Prediction Model Based on Machine Learning[J].Sustainability，2023，15（8）：6876.

[20] 陳航航，賀燦飛，毛熙彥.區(qū)域一體化研究綜述：尺度、聯(lián)系與邊界[J].熱帶地理，2018，38（1）：1-12.

[21] 李金超，鹿世強，郭正權(quán).中國省際碳排放預(yù)測及達峰情景模擬研究[J].技術(shù)經(jīng)濟與管理研究，2023（3）：21-25.

[22] 鄒秀清，孫學(xué)成，葛天越，等.長三角地區(qū)碳排放差異、影響機理及碳達峰預(yù)測[J].長江流域資源與環(huán)境，2023，32（3）：548-557.

[23] 宋曉暉，張裕芬，汪藝梅，等.基于IPAT擴展模型分析人口因素對碳排放的影響[J].環(huán)境科學(xué)研究，2012，25（1）：109-115.

[24] 張雪梅，曹丹丹，王鑫，等.中國省域能源消費二氧化碳排放狀態(tài)分析與情景預(yù)測[J].生態(tài)經(jīng)濟，2023，39（12）：26-32.

基金項目：安徽省高校學(xué)科（專業(yè)）拔尖人才學(xué)術(shù)資助項目（gxbjZD2021051）

作者簡介：楊鈺瑩（1998— ），女，安徽安慶人，安徽理工大學(xué)經(jīng)濟與管理學(xué)院碩士研究生，研究方向為能源經(jīng)濟；通訊作者孟祥瑞（1965— ），男，吉林洮南人，安徽理工大學(xué)經(jīng)濟與管理學(xué)院教授，博士生導(dǎo)師，研究方向為低碳發(fā)展。