长三角城市群碳排放的时空演化、驱动机制与达峰预测：综合改进框架的应用

《Sustainable Energy Technologies and Assessments》：Spatiotemporal evolution, driving factors and prediction of carbon emission in Yangtze River Delta urban agglomeration: a comprehensive and improved application framework

本文构建了融合时空分析、驱动因子分解（GDIM）和机器学习优化的综合评估框架，系统研究长三角城市群碳排放（CEs）的时空分异规律。研究发现经济规模是最大促进因子，碳排放强度是关键抑制因子，在严格约束下区域可在2028年实现碳达峰。该框架为城市群尺度碳排放评估提供了方法论创新。

　　

Highlight

本研究通过整合更先进的分解模型、更客观的经济增长黄金比例模型和智能优化算法，提出改进的综合应用框架，并应用于长三角城市群（YRDUA）。结果表明，东部地区高碳排放的集聚效应显著，但浙江省的整体碳排放自2015年起呈现缓解趋势。经济规模是碳排放的最大促进因素，碳排放强度是最大抑制因素，且各因素的贡献在"十二五"规划后逐渐趋于平缓。最终，在当前严格的碳排放约束下，长三角城市群将在2028年实现碳达峰，但在负面情景下，将延迟至2032年。

现有碳排放评估框架研究

当前，现有学者建立的区域碳排放评估框架主要包括碳排放的时空特征及其影响因素，或碳排放的影响因素及其预测。Zhang等人研究了长江流域城市群土地利用碳排放效率的时空特征，发现技术进步是最显著的影响因素。然而，Zhang等人忽略了空间溢出效应...

评估框架

我们建立的综合碳排放评估框架如图1所示。首先，基于碳排放历史数据，我们分析了长三角城市群碳排放的时空变化和空间自相关性。其次，我们使用GDIM模型分解碳排放的驱动因素，并明确识别了各因素的贡献。基于GDIM的分解结果，我们选择了具有显著影响的因子（如GDP、能源、碳排放强度等）作为...

碳排放的时空变化与空间自相关性

根据中国发展规划的时间周期，我们选取2000年、2005年、2010年、2015年和2021年，直观展示长三角城市群碳排放的时空分布，如图3所示。使用ArcGIS，应用自然断点法将每年的碳排放分布划分为五层。从图3a到e，我们观察到上海、苏州和南京的碳排放始终最高，尤其是上海。此外，东部沿海城市的高碳排放集聚现象明显...

结论与政策启示

本研究全面分析了长三角城市群碳排放的时空格局和驱动因素，并预测了不同情景下的碳排放，得出以下结论：(1) 长三角城市群东部沿海城市的碳排放相对较高，尤其是上海和苏州。低碳排放主要分布在西南部，包括安庆和池州等。此外，与其他省份相比，浙江省的整体碳排放自2015年开始缓解。增长...