《Frontiers in Environmental Science》：Factor decomposition of carbon emissions in the chengdu-chongqing metropolitan area using the generalized divisia index decomposition method
编辑推荐：
采用广义迪氏指数分解法（Generalized Divisia Index Decomposition Method, GDIM），以成渝双城经济圈为研究对象，研究人员分析了2014—2023年间的碳排放数据，旨在识别该区域碳排放的主要影响因素并量化各因素的贡
采用广义迪氏指数分解法（Generalized Divisia Index Decomposition Method, GDIM），以成渝双城经济圈为研究对象，研究人员分析了2014—2023年间的碳排放数据，旨在识别该区域碳排放的主要影响因素并量化各因素的贡献程度。研究结果表明：（1）人口增长总体推动碳排放；然而，两市的人均碳排放呈现出不同模式。在重庆，人均碳排放表现为驱动因素，而在成都则表现为抑制因素。这一差异源于两市能源消费模式与城镇化水平的不同。（2）在能源消费因素方面，分解结果显示，能源消费总量具有驱动效应，而能源强度和单位地区生产总值（GRP）能耗具有抑制效应。能源消费总量的驱动效应几乎抵消了能源强度与单位GRP能耗的抑制效应；因此，能源消费总量在碳排放中起关键作用。（3）在经济规模因素方面，经济增长对成渝双城经济圈碳排放具有显著的驱动效应。近年来，特别是2021—2023年期间，随着该区域经济增长率放缓，人均经济产出和碳排放强度的抑制效应较前期相对更为明显。
**成渝双城经济圈碳排放因素分解研究：基于GDIM方法的系统解读**
**一、研究背景与问题提出**
中国已确立“2030年前实现碳达峰、2060年前实现碳中和”的战略目标，这一“双碳”目标的落实要求各区域积极探索绿色低碳转型路径，区域协同减排成为实施“双碳”目标的关键环节。成渝双城经济圈作为中国西部地区高质量发展的核心引擎，其发展模式直接影响长江上游生态安全与西部大开发战略的整体格局。然而，该区域产业结构中重工业与制造业占比较高，能源结构仍以传统化石能源为主，经济发展伴随显著的碳排放压力。同时，成渝两地的产业结构和能源规划尚未完全协同，区域碳排放协同治理存在不足，协同减排框架尚不完善。在此背景下，开展成渝双城经济圈碳排放研究、分析区域碳排放影响因素，不仅是突破该区域低碳转型瓶颈的现实需要，也是确保国家“双碳”目标在西部地区有效实施的重要保障。
**二、研究内容与核心发现**
研究人员基于2014—2023年成渝双城经济圈碳排放相关数据，采用广义迪氏指数分解法（GDIM），对人口规模、能源消费、经济发展等8个因素对区域碳排放的影响进行了实证分析。研究发现：（1）人口增长总体推动碳排放，但两市人均碳排放表现不同——重庆人均碳排放为驱动因素，成都则为抑制因素，这一差异源于两市能源消费模式与城镇化水平的差异。（2）能源消费总量具有驱动效应，而能源强度和单位地区生产总值（GRP）能耗具有抑制效应，能源消费总量的驱动效应几乎抵消了后两者的抑制效应。（3）经济增长对碳排放具有显著驱动效应，而近年来随着经济增长率放缓，人均经济产出和碳排放强度的抑制效应相对更为明显。
**三、主要技术方法**
本研究采用广义迪氏指数分解法（GDIM）作为核心分析方法。数据来源包括重庆市统计年鉴、成都市统计年鉴、四川省统计年鉴以及中国碳核算数据库，城市级碳排放数据直接提取自EDGAR社区温室气体数据库（EDGAR_2024_GHG版本）。成都市的能源数据参照四川省统计年鉴，采用GDP比例分配法由省级能源消费数据估算得到。模型计算使用R软件完成，所有雅可比矩阵元素根据变量定义解析计算，并验证了分解残差达到机器精度水平（约1e?12），确认了GDIM的零残差特性。
**四、研究结果分析**
**4.1 人口规模因素分析。** 研究显示，2014—2023年间重庆和成都的常住人口均呈稳步上升趋势。截至2023年，重庆常住人口达3191万人，成都达2140万人。人口增长直接推动了各领域需求扩张，包括能源消费、日常出行、公共服务等，从而促进碳排放持续上升。ΔPopulation因素在两地均表现为正向贡献（+），说明人口增长是两市共同的碳排放正向驱动因素。在人均碳排放因素方面，重庆贡献率为正（+），成都为负（?），这一差异可能与两市消费模式和城镇化进程不同有关。成都相对较高且稳定的城镇化水平、居民生活方式向低碳化逐步转变、绿色消费意识较强以及公共交通使用率较高，共同促成了人均碳排放因素的抑制效应；而重庆正处于快速城镇化进程中，交通和住房领域的居民能源消费模式转型尚未完成，传统能源密集型产业占比仍然较大，这可能是其人均碳排放因素表现为驱动效应的原因。
**4.2 能源消费因素分析。** 2014—2023年能源消费数据显示，重庆能源消费总量持续处于高位，从2014年的6604万吨标准煤稳步增长至2023年的8426万吨标准煤；成都能源消费总量显著低于重庆，增长强度较低且增速更平缓。分解结果显示，两市能源消费对碳排放的影响呈“一拉两抑”格局。ΔEnergy（能源消费总量变化）在两地均表现为正向贡献（+），是能源消费因素中唯一的碳排放驱动因素。能源消费总量扩张是成渝经济圈碳排放增长最直接、最核心的驱动因素。ΔCO2/Energy（单位能源碳排放强度）在两地均为负向贡献（?），表明两市通过优化能源结构、推广节能技术等措施，持续降低了单位能源消费的碳排放转化率，有效抵消了能源消费总量增长带来的碳增量。ΔEnergy/GRP（单位GRP能耗）同样为负向贡献（?），说明区域能源利用效率持续提升，单位经济增量的能源消耗逐步下降，直接反映了区域低碳高效能源发展的成效。
**4.3 经济规模因素分析。** 2014—2023年间，重庆和成都的GRP均保持持续增长态势，重庆经济总量持续超过成都。分解结果表明，经济规模对两市碳排放的影响呈“一正两负”格局。ΔGRP（经济总量）在两地均表现为正向贡献（+），经济规模扩张带动生产活动、能源需求和工业规模同步增长，直接推动碳排放上升。由于重庆经济规模更大、扩张基数更高，其碳排放驱动效应强于成都。ΔGRP/Population（人均经济产出）和ΔCO2/GRP（碳排放强度）均为负向贡献（?），人均产出的增加反映了经济发展质量的提升，碳排放强度的下降表明单位经济产出的碳排放效率持续改善，二者共同抵消了经济扩张带来的增碳效应。
值得注意的是，如表3所示，重庆的产出碳排放强度因素（ΔCO2/GRP）贡献率在2023年意外转为微正值（0.0051），逆转了2014—2022年长期负向抑制的趋势。这一异常波动可能与以下因素有关：第一，2023年疫后经济复苏以重庆能源密集型工业生产的反弹为主导，导致碳排放增速快于GRP增速；第二，2022—2023年川渝地区极端干旱和热浪导致水电可用性下降，增加了对煤电的依赖，暂时恶化了能源结构；第三，经过多年持续能效提升，节能减排的边际收益收窄，削弱了碳强度的抑制效应。由于该观测仅基于单年数据，应谨慎解读，其是否标志着结构性转折有待进一步监测。
**五、讨论与结论**
研究的总体排名显示，在成渝双城经济圈中，按累计贡献率绝对值比较，GRP和CO2/GRP分别位列第一和第二位。GRP在重庆和成都的累计贡献率分别达到29.23%和29.14%，表明经济发展是该区域碳排放影响最大的因素。但2014—2023年间GRP对碳排放的边际贡献逐渐放缓，提示经济增长对能源消耗和环境压力的依赖正在减弱。产出碳排放强度（ΔCO2/GRP）具有最强的抑制效应，重庆和成都的累计贡献率分别为?18.75%和?26.58%，超过所有其他抑制因素的总和，表明低碳技术方面的科技进步是当前区域节能减排的决定性因素。人口增长对碳排放具有驱动效应，由于成都累计人口增长率高于重庆，人口规模对成都碳排放的贡献更为显著；但受城镇化率和消费习惯差异影响，人均碳排放分析结果两市不同——重庆为驱动效应，成都为抑制效应。
基于以上发现，研究人员提出以下政策建议：一是保持经济高质量发展定力，降低经济规模对碳排放的边际影响；二是精准锚定关键约束，发挥产出碳排放强度（CO2/GRP）的减排引领作用；三是协同推进能源消费总量与能源强度管理，补齐能源供给侧减排短板；四是针对两市不同发展阶段制定差异化协同减排策略——重庆应严控传统能源密集型行业碳排放强度基准、推进交通和建筑领域电气化与清洁能源替代、将碳预算纳入新型城镇化规划；成都应延伸低碳消费激励政策、深化公共交通对私家出行的替代、依托服务型经济发展低碳金融和数字化排放管理平台。在区域层面，两市应建立统一碳排放核算标准、共同设定减排目标并开展跨域协作，使重庆的产业转型与成都的生活优势在统一框架下互补，形成成渝协同减排的整体合力。
