1. 引言

碳达峰、碳中和大背景下，节能减排逐渐成为共识，一场经济社会变革也逐渐展开。近年来，国内众多学者采用空间自相关与热点分析方法对碳排放进行时空特征进行研究[1]-[4]，揭示碳排放的空间集聚性和异质性；采用面板数据模型与回归分析等研究碳排放影响因素，明确了经济增长、能源结构、人口增加等关键驱动因素[1]-[4]；采用系统动力学模型、STIRPAT模型、神经网络等预测碳排放未来发展趋势[5]-[7]，能够为政策制定提供科学依据；并在此基础上提出了能源结构调整、产业结构优化、碳捕集与封存CCUS等关键低碳化实现路径，研究区域多集中在黄河流域[1] [2]、长江流域[8]、中部地区[3]、东北地区[4]、东部地区[9]以及单独省份[10]-[12]。但现有研究仍存在碳排放空间格局的动态演变机制研究较少；多集中于单一尺度，如国家、区域、城市等，缺乏多尺度联动分析；碳排放预测模型的参数设定和不确定性分析仍需改进等问题。

山西作为能源输出大省，长久以来依靠丰富的煤炭资源带动经济增长的时代已然发生改变，为完成双碳目标，山西省节能降耗压力大，经济结构转型升级、发展清洁低碳新能源势在必行。近年来，对于山西省的碳排放学者们也做了研究[13]-[15]，主要集中于山西主体功能区、城市群、地级市尺度和影响因素的研究，综合多尺度的研究较少，且都未从规划角度提出相关建议，本文从多尺度分析山西省碳排放时空格局，并从规划角度提出低碳化发展策略，可为山西省优化产业布局提供指导，促进高耗能、高排放产业的转型升级，为推动能源结构转型提供科学依据，同时助力山西省制定科学合理的空间规划政策，推动低碳城市的建设。

2. 研究区概况

山西，因居太行山之西而得名，地处黄河流域中部，下辖11个地级市，117个区县。境内矿产资源丰富，特别是煤炭资源，在全国矿业经济中占有重要地位，主要分布有大同、宁武、河东、西山、沁水、霍西六大煤田，面积约69,655 km²，占全省土地总面积的44.45% [16]。2020年，山西省原煤产量突破10亿吨，占全国原煤总产量的27.66%。作为典型的资源型省份，山西经济的发展高度依赖煤炭资源消耗，双碳任务下减排压力大，在全国碳排放格局中占据重要地位。

3. 数据与方法

3.1. 碳排放量计算

采用IPCC清单法，结合《中国能源统计年鉴》中山西省能源消耗数据，选取了9种主要能源计算山西省省级2012~2022年的二氧化碳排放量。计算公式如下：

$C=\frac{44}{12}{\displaystyle \underset{i=1}{\overset{9}{\sum }}{K}_i{E}_i{A}_i}$ (1)

式中， $C$ 为二氧化碳排放量， $K_i$ 为i能源的碳排放系数，数据来源于IPCC碳排放计算指南中的缺省值， $K_i$ 为i能源的消费量， $A_i$ 为i能源的折标准煤系数，具体数值见表1。

Table 1. Energy consumption emission factor table

表1. 能源消费排放系数表

3.2. 碳排放量估算

采用校正后的夜间灯光数据模拟空间尺度上的碳排放量，NPP-VIIRS夜间灯光数据来源于于美国国家海洋与大气管理(NOAA)官方网站下载的月度数据，由于杂散光污染原因，中国夏季中高纬度区域的灯光数据存在严重失真，故月度数据剔除5~7月，采用其他9个月的数据，经过裁剪、重投影、年度均值影像合成、去除异常值、连续性校正等预处理[17]，得到2012~2022年夜间灯光数据。提取夜间灯光数据的DN值，与碳排放总值进行拟合，采用多项式函数模型估算空间尺度的碳排放量(见图1)，模拟方程如下：

$Y=-0.0000009X^2+0.9667X$ (2)

式中，Y为碳排放总量，X为夜间灯光数据的DN值。方程相关系数R²为0.9843，拟合结果通过99%的显著性检验，且p = 0.01水平上显著相关。

收集中国碳核算数据库(CEADs)中2012~2021年山西省碳排放清单的省级二氧化碳排放总量，将其数值与本文多项式函数的省级拟合结果进行再次拟合，发现两者相关系数R²达到0.8964，拟合程度较好，表明本文采用多项式函数拟合的碳排放结果与CEADs中提供的山西省数据的变化趋势一致程度较高，本文拟合的碳排放结果具有较高可信度。

Figure 1. The fitting results of carbon emissions and DN values of lighting data

图1. 碳排放量与灯光数据DN值的拟合结果

3.3. 探索性空间数据分析

3.3.1. 全局空间自相关

全局空间自相关用来分析山西省碳排放的整体空间聚合情况。用Moran’s I来表征相邻两区县碳排放的相关性。取值范围为−1~1，值接近于1，表明区域之间存在显著的正相关关系，值接近于−1，表明区域之间存在显著的负相关关系。

3.3.2. 局部空间自相关

局部空间自相关用来分析山西省不同区县之间的相关性。用LISA_I表示局部空间自相关系数，本文通过GeoDA软件计算获取。

3.4. 时空地理加权回归(GTWR)模型

地理加权回归(GWR)是一种典型的空间回归模型，常用作特定尺度下的空间变化及相关驱动因素的分析研究，时空地理加权回归(GTWR)模型是GWR的扩展，结合了空间和时间维度，能够同时分析回归系数在时间和空间上的非平稳性。具体公式如下：

$y_i={\beta }_0\left(ui,vi,ti\right)+{\displaystyle \underset{K=1}{\overset{m}{\sum }}{\beta }_k}\left(ui,vi,ti\right)x_{ik}+\epsilon i$ (3)

式中， $\left(ui,vi,ti\right)$ 为第i个对象的时空坐标， $ui$ ， $vi$ 分别为第i个对象的经纬度坐标， $ti$ 为时间， ${\beta }_0\left(ui,vi,ti\right)$ 为第i个对象点的模型常数， ${\beta }_k\left(ui,vi,ti\right)$ 为第i个对象点的第k个回归系数， $\epsilon i$ 为误差项。

4. 结果分析

4.1. 碳排放时空演变特征

从省级尺度来看，2012~2022年山西省碳排放总量逐渐增多(见图2)，2022年相比2012年增加了63.82%，但增速逐渐放慢，由2013年的10.11%降至2022年的2.82%。这与山西省在产业结构调整与产业转型发展方面做出的重大决策息息相关，这种决策有效降低了山西省二氧化碳排放总量的增长速度，但由于长期以来经济发展对于能源消耗的过度依赖，想要从根本上改变这种现状还很困难，在短时间内尚无法扭转二氧化碳排放总量持续上升的总体趋势。

Figure 2. Total carbon emissions in Shanxi Province from 2012 to 2022

图2. 山西省2012~2022年碳排放总量

从城镇圈尺度来看，2012~2022年山西省城镇圈之间的碳排放格局未发生明显变化，仍旧以山西省中部城市群的碳排放占据主导地位，其次是晋北城镇圈、晋东南城镇圈和晋南城镇圈，四个城镇圈碳排放比例为51:18:16:14。山西省中部城市群作为山西省“一群两区三圈”发展格局中的一群，发展地位不言而喻，人口与产业的集聚功能显著，自然也是山西省碳排放的重要来源区，其余三个城镇圈各自均由两个地级市组成，经济发展程度差距不大，碳排放总量相差亦较小，总体格局与山西省重点培育和发展中部城市群的战略相呼应。

从地级市尺度来看(见图3)，太原市的碳排放量最高，占全省碳排放总量的20%，其次是大同市和晋中市，占比也都在10%以上，阳泉市的碳排放量最低。太原市作为山西省会城市，对周边人口具有较强的吸引力，同时，太原作为老工业基地和装备制造基地，一直是能源重化工基地的中心城市，煤炭、电力、钢铁等资源和原材料丰富，能源消耗量大，碳排放量高。大同市为晋北城镇圈的中心城市，支柱产业为以煤炭为主的矿产资源采掘业，碳排放量较高。晋中市作为距离太原最近的城市，能够最先接受太原的辐射带动，其工业门类齐全，煤炭、焦化、冶金、电力等传统产业发展较好，碳排放量较高。阳泉市尽管煤炭资源丰富，煤化工产业发展较好，但煤炭资源出口较多，加之本身人口较少，经济体量不大，碳排放量较低。2012~2022年山西省各地级市的碳排放量均呈现上升趋势，其中，增速最大为运城市，增速最小的为阳泉市。运城市为解决煤炭资源匮乏的困境，大力发展化工产业，打造新型产业，带来了经济的快速发展，碳排放增量较大。阳泉市近年来聚焦资源型城市转型发展，鼓励发展新能源经济，推动产业机构调整，碳排放量增速逐步放慢。

Figure 3. Carbon emissions of various prefecture level cities in Shanxi Province from 2012 to 2022

图3. 山西省各地级市2012~2022年碳排放量

从县级尺度来看，碳排放量较高的区域基本都在太原市区、各地级市市区所在地，碳排放量较低的区域主要分布在山西省的边缘地带和山区，与经济发展格局相一致，且2012~2022年间未发生显著变化。结合图4的山西省栅格尺度碳排放拟合结果进一步可知，碳排放高值区逐步增多，并形成规模不一、以地级市市区所在地为中心的碳排放高值聚集区，且基本分布在省内高速公路、汾河两岸，大体呈“人”字型分布，与山西省地理格局、经济发展格局、交通网络分布格局高度一致。

Figure 4. Spatial fitting results of carbon emissions in Shanxi Province from 2012 to 2022

图4. 2012~2022年山西省碳排放空间拟合结果

4.2. 碳排放空间关联性

4.2.1. 全局空间相关性

通过计算全局Moran’s I可知(见表2)，Moran’s I数值均大于0，在1%水平下显著，表明山西省各县级市之间碳排放呈现出显著的正相关关系。且2012~2022年间整体逐渐增大，由0.250增加至0.345，表明山西各县级市之间碳排放情况的空间关联程度逐渐加强，逐渐趋于集中分布的状态，碳排放的内部差异逐步缩小，但Moran’s I数值整体并不大，距离1仍有较大差距，碳排放的空间差异仍有继续缩小的空间。

Table 2. Global Moran’s I value of county-level carbon emissions in Shanxi Province from 2012 to 2022

表2. 2012~2022年山西省县域碳排放全局Moran’s I值

4.2.2. 局部空间相关性

通过GeoDA软件计算山西省每个县碳排放的LISA_I，利用ArcGIS，将LISA_I分为正负两类数值，然后以平均碳排放水平将碳排放量分为高低两类数值，最终得到4类分区(见图5)，高值正相关区为扩散型，高值负相关区为极化型，低值正相关区为缓慢增长型，低值负相关区为过渡型[18]。

Figure 5. Spatial correlation pattern of carbon emissions in Shanxi Province from 2012 to 2022

图5. 2012~2022年山西省碳排放空间关联格局图

由图5可知，碳排放量高值区的数量2012~2022年略有增加，2022年达到全省县域个数的32%，主要分布于省内高速公路、汾河两岸，这类区域经济发展水平和城镇化率较高，碳排放量也较大。其中，扩散型区域主要分布于太原市区和大同市区附近，且2012~2022年扩散型县域的集聚区有所扩大，2022年运城市的上党区、潞城区的扩散型区域集中区也逐渐显现，这类区域往往矿产资源资源，随着经济的发展，与周边城市的联系程度不断加强，特别是太榆同城化促使太原和晋中的经济联系日益密切，表明太原经济的扩散效应加强，碳排放扩散型区域自然也向外扩散；极化型区域的数量基本维持稳定，空间分布不集中，呈分散状态，多为市区所在地，本身经济发展较好，人口集中，碳排放量较高，但其周边区域碳排放量较低，未形成扩散状态。低值区数量2012~2022年有所减少，但仍占据全省县域个数的67%，其中，缓慢增长型区域为山西省碳排放的主导区域，占全省县域个数的50%左右，主要分布于西部吕梁山区、东部太行山区以及中南部的太岳山附近，此类区域自身与周边的碳排量均不高，人口规模有限，矿产资源相对较少，工业发展较薄弱，经济发展水平也较低，多数县域甚至刚脱贫，碳排放量均较低；过渡型区域数量相对稳定，县域数量基本维持在20%左右，在太原市区边缘、运城市南部、大同煤田和宁武煤田外围附近形成相对稳定的集聚区，此类区域自身碳排放量较低，但周边存在碳排放高值区。综上，山西碳排放水平与其经济发展格局与矿产资源分布格局呈现高度的一致性，且整体以缓慢增长型区域为主。

4.3. 碳排放影响因素分析

鉴于山西省大同市和长治市2018年县域行政区划的调整，部分数据无法进行拆分，故以各地级市作为影响因素的分析单元，参考已有研究成果[1]-[4]，选取人均GDP、年末常住总人口、第二产业产值占比、城镇化率、人均可支配收入作为因变量，构建GTWR模型。前述研究结论显示，2012~2022年山西省各区域Moran’s I具有显著的正相关性，且在1%水平下显著，为GTWR模型的构建奠定了基础[19]。模型构建之前对GTWR模型、GWR模型与OLS模型的回归参数进行比较(见表3)，由表3可知，GTWR模型的AICc值明显小于GWR和OLS回归模型，但是R²和调整后的R²均大于GWR和OLS回归模型，且更接近于1，表明GTWR模型对于本研究数据具有更好的拟合效果。

Table 3. Regression model fitting parameters

表3. 回归模型拟合参数

为方便横向比较各指标影响程度，对指标进行了归一化处理，然后通过GTWR模型进行回归分析，结果显示(见图6)，年末总人口对于山西省碳排放的影响程度最大，且均为正向影响，人口的增加导致对电力、交通、供暖等能源的需求增加，进而提高化石燃料的使用，工业生产和消费活动也随之上升，导致碳排放增加，其中，位于山西省中东部的地级市碳排放对于年末总人口的敏感性更高；其次是城镇化率对于碳排放的影响程度也较高，但是呈现出不同程度的双向相关关系，更加注重高质量城镇化和新型城镇化的区域随着城镇化水平的提高会出现碳排放量的减少；人均GDP也呈现出不同程度的双向相关关系，其中，大同市、朔州市、晋中市、临汾市、长治市和晋城市呈现负向相关，人均GDP的增加会造成碳排放的降低，这可能与经济发展模式(低能耗产业)、地区能源使用效率的提升、清洁能源的大力推广、环保法规政策的完善有密切关系；人均可支配收入和第二产业占比对于山西省碳排放的影响较小，居民消费会带来碳排放量的微增长，但由于各地居民消费习惯不同、理财观念的差异可能造成人均可支配收入对于碳排放量的不同影响，晋南和晋东南区域、太原及大同对外联系程度较高，消费市场活跃，人均可支配收入对于碳排放量具有显著的正向效应；第二产业占比对于碳排放的影响程度受到山西省经济结构调整与产业转型发展的影响，造成第二产业占比与碳排放的相关系数不高，尤其太原市、阳泉市和忻州市第二产业占比增加会造成碳排放量的降低，更加表明其产业转型效果较好，其余地级市仍为正向效应，表明其产业结构转型力度还需加大，尚未根本扭转能源消费的基本结构。综合来看，这5种影响因素对于山西省碳排放的影响程度为年末总人口 > 城镇化率 > 人均GDP > 人均可支配收入 > 第二产业产值占比。

Figure 6. The spatial distribution of regression coefficients of influencing factors

图6. 影响因素回归系数的空间分布

5. 碳化空间规划策略

山西省碳排放空间分布不均衡性显著，排放量的高值区基本位于城市核心区、汾河两岸矿产资源富集区及交通发达区域，尽管碳排放的全局空间自相关性相对显著，但各县域之间的情况不尽相同。随着城市的不断发展，城市规模逐步扩大，人口逐步集中，碳排放量也日益增长，山西作为传统的能源大省、碳排放大户，对于双碳目标的完成至关重要。在当前国土空间规划改革的大背景下，按照自然资源部“两统一”职责要求，从全局观和系统观考虑，结合区域自身特点，做好总体规划、详细规划和专项规划，将双碳目标落实到规划的不同层级，瞄准碳排放的高值区，确保规划先行，充分发挥规划的引领作用，能够助力碳达峰、碳中和顺利实现。

5.1. 合理划定和调整三线，打造低碳高效的三生空间

年末总人口是影响山西省碳排放的重要因素，本着节约集约利用土地的原则，将增长的人口控制在合理的活动空间范围内，就需要科学划定生态保护红线、城镇开发边界与永久基本农田保护区(简称“三线”)，将其作为国土空间用途结构调整的底线，然后合理布局城乡发展空间，强化国土空间规划和用途管控，一方面合理控制人为活动，另一面加强碳汇保护。当前，生态系统碳汇是普遍认为可行的进行碳吸收的方式[20]，国土空间规划中要科学划定并严格管控生态保护红线，维护生态系统的稳定性，确保生态系统发挥应有的碳汇能力，推动碳排放和碳吸收相匹配；城镇建设用地是人类生产、生活的主要空间，是碳排放的重要载体，划定城镇开发边界，管控城镇建设用地规模，减少土地开发对生态环境的破坏，在构建山西“一主三副六市域中心”国土开发利用格局的基础上引导城镇组团发展，有效控制人类生产生活空间。同时科学规划产业用地，明确可再生能源(如风能、太阳能)的主要发展区域，减少对煤炭的依赖，在生态脆弱区和重点生态功能区，严格限制高耗能、高排放产业的布局，同时配套布局绿色开敞空间，完善城乡公园体系，将生态功能引入城区，处理好城市功能与绿色空间保护的矛盾，一方面抑制碳排放，另一方面确保生态用地的碳汇功能；农业空间中的种植业既是碳源也是碳汇，科学划定永久基本农田保护区，优化农业布局，发展绿色低碳农业，减少化肥、农药和农机的使用频率，实行科学的管控措施，积极推进农光互补，大力建设高标准农田，发展现代农业，缩小城乡发展差距，利用城市的先进技术改善农业基础设施条件，提升农田的有机质含量，增强农田碳汇，减少碳排放。

5.2. 科学合理布局能矿空间

随着山西省产业结构的优化调整，第二产业对于碳排放的影响因素较小，但众多地级市仍呈现正向相关性，山西作为采矿大省，需着力构建现代能源体系，发展能源新质生产力，以减少能源消耗和碳排放为目的，引导资源能源产业向集群式发展，形成紧凑的国土空间开发格局。优化开采规划分区，加快推进晋北、晋东、晋中三大煤炭基地转型升级。规划要推动矿产资源综合治理与绿色矿山建设，对废弃矿山因地制宜整治，重现绿水青山；加快绿色矿山建设，节约利用能源资源，一方面进行矿山环境保护，一方面通过先进技艺减少污染排放，着力实现矿产资源及能源资源的循环高效发展。在采煤沉陷区、矿山废弃地等区域规划实施生态修复，增加植被覆盖率，提升碳吸收能力。同时，充分考虑能源矿产的需求空间，并对这些资源的开发基地与配套设施布局进行前瞻性安排，预留一定的合理空间，引导上下游产业配套集中紧凑发展。

5.3. 大力发展绿色高效的支撑体系

构建低碳的交通体系对于减排也是不可忽视的重要一环，人口的增加不仅会直接导致更多的出行需求，包括通勤、购物、旅游等，增加对交通工具的依赖，而且人口增长带来更多的商品和服务需求，推动物流和货运量的增加，所以交通运输行业的碳排放表现出占比高、增速快、达峰慢等特征[21]。国土空间规划要优化交通空间布局，通过国土空间规划推动紧凑型城市布局，减少城市蔓延，依据不同区域的人口密度、交通流量等合理设置交通网络体系，缩短通勤距离，降低交通需求。优先发展公共交通，确保公共交通覆盖主要居住区、就业区和商业区，提高公共交通的吸引力。推广绿色交通方式，规划建设完善的步行和自行车道网络，鼓励短距离出行采用低碳方式，在规划中预留共享单车、共享电动车等设施的停放和充电空间，设置绿化带、遮阳设施等改善步行和自行车出行环境，提升吸引力。国土空间规划中合理布局电动汽车充电桩、换电站等基础设施，推动新能源交通工具普及。优化货运与物流体系，鼓励发挥铁路在大宗物资中远距离运输中的骨干作用，减少重载柴油货车在大宗散货长距离运输中的比重。利用大数据、人工智能等技术优化交通流量管理，减少拥堵和能源浪费。规划中要提升“公共交通 + 慢行交通”运行效率，搭建城市绿道网络，实现绿道与其他交通方式的有效衔接，多渠道改善交通环境。畅通城乡之间的“毛细血管”，提档升级城乡交通网络体系，加强国省道、城市道路与乡村道路之间的一体融合发展。除此之外，要加强交通行业大气污染综合防治。

5.4. 规划区域协同减排目标与任务

针对全省碳排放空间分布不均衡性问题，建议在国土空间规划中与周边地区协同制定减排目标、政策及行动计划，根据各区域的资源禀赋、产业结构和减排潜力，明确各自的减排责任和任务，同时推动区域间清洁能源的协同开发和利用，推动区域碳交易市场的互联互通，促进碳排放权的跨区域交易，联合实施跨区域生态修复工程，提升森林、湿地、草原等生态系统的碳汇能力。整体实施路径可分为前期准备阶段开展区域碳排放基线评估，建立协作机制，明确责任分工；目标制定阶段根据国家“双碳”目标，结合区域特点，制定差异化的协同减排目标；资源配置阶段优化区域能源、产业、交通等资源配置，推动绿色技术创新；政策保障阶段完善碳交易、绿色金融等政策，建立生态补偿机制；实施与监督阶段推动目标落地，建立监测评估机制，确保目标实现。

5.5. 将双碳目标落实到规划实施过程

在规划中提出“双碳”的相关内容，明确“双碳”目标的战略地位。规划实施评估及城市体检中明确建立与“双碳”目标相关的指标体系，如碳排放强度、碳汇能力、可再生能源占比等，并将其纳入规划考核体系，在“一年一体检、五年一评估”中落实到位；规划环评中可明确碳排放、碳汇核算、编制碳账户、预测碳排放等相关内容，将绿色低碳发展理念融入到规划实施的全过程；将“双碳”目标与国民经济和社会发展规划、专项规划等有效衔接，确保目标落地；用好“一张图”实施监督系统，加强规划用途管制，有碳汇功能的用地严禁转变为碳排放用地，利用空间遥感数据开展碳排放监测，有效精准识别高排放区域，实现科学减碳。整体实施路径分为规划编制阶段将“双碳”目标纳入规划目标体系，明确空间布局和资源配置方案；在规划审批阶段确保规划方案符合“双碳”目标要求，强化规划的科学性和可操作性；在规划实施阶段通过政策支持、项目落地、监督考核等手段，推动规划目标的实现；在规划评估阶段定期评估规划实施效果，及时调整优化规划方案。

参考文献