探究污染物减排与碳减少协同效应的驱动因素：来自中国城市的证据

《Journal of Cleaner Production》：Exploring the drivers for the synergy of pollutant mitigation and carbon reduction: Evidence from Chinese cities

协同效应评估模型显示，2011-2022年中国286个城市污染减排与碳减排协同效应（SPMCR）从0.0268增至0.3929，呈现“南高北低”空间格局，区域差异主要由城市集群重叠效应导致，且存在“升级锁定”现象。关键驱动因素包括平均温度（正向）、土地利用结构（非线性）、总能源消费（负向），并存在显著空间异质性。

　　在应对全球碳中和目标的过程中，城市作为工业、交通和居住活动的中心，对温室气体排放和大气污染物的贡献尤为显著。本研究聚焦于中国286个城市的污染物与碳减排协同（SPMCR）的评估，通过构建一个综合系统协同评估模型，分析了SPMCR的区域差异和时空演变特征。同时，结合20个驱动因素，从八个维度（生态、环境、能源、人口、经济、社会、技术和政策）出发，运用XGBoost-SHAP模型和多尺度地理加权回归（MGWR）模型，深入探讨了这些驱动因素的影响及其空间异质性。研究结果表明，中国城市的SPMCR总体水平较低但呈现上升趋势，从2011年的0.0268增长至2022年的0.3929，这一趋势反映出协同治理的逐步推进。同时，SPMCR的空间分布呈现出“南高北低”的特征，表明南方城市在协同治理方面具有相对优势，而北方城市则存在较大的改进空间。区域差异主要源于城市集群间的重叠现象，且整体呈现下降趋势。此外，SPMCR的时空转移特征呈现出“等级锁定”现象，意味着城市之间的等级跃迁仍面临较大挑战。平均气温、土地利用结构和总能源消费被确认为影响SPMCR的关键驱动因素，其影响表现出显著的空间异质性。

本研究的意义在于，它不仅为理解中国城市在协同治理方面的现状提供了新的视角，还通过引入先进的统计和建模方法，增强了研究的科学性和实用性。在评估SPMCR的协同水平时，研究采用了Dagum基尼系数、核密度估计和空间马尔可夫链模型，这些方法能够揭示区域差异和协同演化的动态变化。Dagum基尼系数用于衡量城市间SPMCR的不平等程度，而核密度估计则帮助识别SPMCR在不同空间尺度上的分布模式。空间马尔可夫链模型则用于分析SPMCR的时空转移特性，揭示了城市之间协同治理的动态演进和潜在的溢出效应。通过这些模型，研究发现SPMCR的演化趋势是渐进的，且在不同区域表现出不同的空间特征。

此外，本研究还采用了XGBoost-SHAP模型和MGWR模型，以识别影响SPMCR的关键驱动因素并分析其影响效应。XGBoost-SHAP模型能够捕捉驱动因素与SPMCR之间的非线性关系，并量化各因素的相对重要性。而MGWR模型则通过为每个驱动因素分配不同的空间尺度，揭示了不同区域中驱动因素影响的异质性。研究发现，平均气温、土地利用结构和总能源消费是SPMCR的主要驱动因素，这些因素对协同水平的影响呈现出显著的空间差异。平均气温对SPMCR的正向影响表明，随着气温的升高，协同治理的效率也随之提高，这可能与气候条件对环境治理的促进作用有关。土地利用结构对SPMCR的影响则较为复杂，表现出非线性特征，尤其是在城市扩张和工业活动集中的区域，其对协同水平的负面影响尤为明显。总能源消费对SPMCR的影响同样复杂，其变化趋势显示出不同区域之间的差异，这可能与能源结构和使用效率有关。

研究结果还揭示了中国城市协同治理的区域差异和空间异质性。从2011年至2022年，SPMCR的整体水平呈上升趋势，但区域间的不均衡依然存在。北方城市和南方城市在协同治理方面表现出明显的差异，这种差异可能与区域经济发展水平、政策实施力度以及自然地理条件密切相关。同时，研究发现，不同城市集群在协同治理水平上存在显著的差异，这提示我们需要进一步关注区域间协同治理的不平衡问题，并采取相应的措施促进区域协同。例如，南方城市可以利用其较高的协同水平，通过政策引导和技术创新，带动周边地区的协同发展。而北方城市则需要加强基础设施建设和技术引进，以提高协同治理的能力。

此外，研究还分析了SPMCR的动态演变过程，发现不同城市集群在协同治理水平上呈现出不同的趋势。某些城市集群的协同水平增长迅速，而另一些则增长缓慢。这种差异可能源于不同地区在协同治理方面的政策实施效果和资源分配情况。例如，长三角地区在协同治理方面表现出较低的协同水平，但增长速度较快，这可能与其能源结构和政策实施力度有关。而珠三角和中三角地区则表现出较为稳定的协同水平，这可能与其较高的经济发展水平和较好的政策执行有关。同时，研究发现，城市之间的协同水平转移呈现出一定的路径依赖性，这提示我们需要在政策设计中考虑这种路径依赖，避免某些地区陷入低水平协同的循环。

本研究还探讨了影响SPMCR的驱动因素及其空间异质性。平均气温、土地利用结构和总能源消费是SPMCR的主要驱动因素，这些因素在不同区域的影响程度存在显著差异。例如，在某些区域，平均气温的增加会显著提升协同治理的水平，而在其他区域则可能产生相反的影响。土地利用结构的变化对协同治理的影响则较为复杂，这可能与城市扩张、工业布局和生态治理措施密切相关。总能源消费的影响则表现出区域间的异质性，这可能与能源结构、使用效率以及政策引导有关。此外，人工智能技术、信息基础设施和固定资产投资等其他因素也在一定程度上影响了协同治理的水平，但其影响程度相对较低。

研究还发现，不同驱动因素对SPMCR的影响存在显著的空间异质性。例如，平均气温对协同治理的影响在某些区域尤为显著，而在其他区域则相对弱。土地利用结构的影响则表现出一定的区域差异，这可能与不同地区的经济发展模式和治理重点有关。总能源消费的影响则在东部地区更为显著，而西部地区则可能受到更多的经济和技术限制。这些发现对于制定区域协同治理政策具有重要意义，提示我们需要根据各区域的具体情况，采取差异化的治理策略，以提高协同治理的效率和效果。

综上所述，本研究通过构建综合系统协同评估模型，结合多种统计和建模方法，全面分析了中国城市协同治理的现状、区域差异和驱动因素。研究发现，中国城市的协同治理水平整体呈上升趋势，但区域间的差异依然显著，且呈现出“南高北低”的空间分布特征。平均气温、土地利用结构和总能源消费是协同治理的主要驱动因素，其影响在不同区域存在显著的异质性。这些发现为制定更加科学和有效的协同治理政策提供了理论依据和实践指导，同时也为未来的研究提供了新的方向和方法论。未来的研究可以进一步考虑不同地区在协同治理中的特殊性和复杂性，探索更多驱动因素的作用机制，并结合实际案例进行深入分析，以期在协同治理领域取得更大的突破和进展。