2000—2021年中国工业碳排放生态足迹的时空动态演变与减排潜力

doi:10.13866/j.azr.2025.09.14

摘要/Abstract

摘要：

工业是实现碳达峰、碳中和目标的关键领域，而现有研究对工业碳排放生态足迹的时空动态演变及其对生态系统的多尺度影响缺乏系统性研究。本研究基于三维生态足迹模型，核算2000—2021年中国30个省（市、区）的工业碳足迹，揭示其时空动态演变特征并评估区域减排潜力，结果表明：（1）中国工业碳足迹呈现出显著的时空差异，反映出区域产业结构和能源消耗模式的差异，中西部地区因承接高耗能产业，排放压力持续增大，东部地区则有所改善。（2）碳汇流量和存量资源在不同区域间存在互补性，但整体存在失衡，部分地区碳汇资源面临超载风险。（3）工业碳足迹广度与深度均呈现出显著的空间正相关性，且随着时间推移集聚效应不断增强，呈现内陆化、片区化、边缘化迁移趋势，揭示工业碳排放梯度转移特征。（4）不同区域的碳减排特征和潜力存在显著差异，东部地区减排潜力较大，中西部地区则需重点关注碳汇资源的可持续利用。本研究从生态学视角揭示了工业碳排放与生态系统承载力之间的动态关系，提出基于区域差异的差异化减排策略，为构建低碳工业发展与生态保护协同治理模式提供科学依据。

关键词: 工业碳排放, 碳足迹, 减排潜力, 三维生态足迹模型

Abstract:

Industry is the key field to achieve the goal of carbon peaking and carbon neutralization, but the existing research on the spatio-temporal dynamic evolution of industrial carbon emissions' ecological footprint and its multi-scale impact on the ecosystem is lack of systematic research. Based on the Three dimensional Ecological Footprint Model, this study calculates the industrial carbon footprint of 30 provinces in China from 2000 to 2021, reveals its temporal and spatial dynamic evolution characteristics, and evaluates the regional emission reduction potential. Key findings include: (1) China's industrial carbon footprint exhibits significant spatiotemporal variations, reflecting regional disparities in industrial structure and energy consumption patterns. Central and western regions face mounting emission pressures due to absorbing relocated energy-intensive industries, while eastern regions show improvements. (2) Carbon sink stocks and flows demonstrate regional complementarity but exhibit overall imbalance, with certain areas confronting overloading risks to carbon sequestration resources. (3) Both size and depth of industrial carbon footprints display increasing spatial autocorrelation over time, with agglomeration effects intensifying. Their spatial redistribution trends (inland shift, clustered distribution, and peripheral relocation) reveal gradient transition dynamics of industrial carbon emissions. (4) Carbon reduction characteristics and potentials vary substantially across regions, eastern regions possess greater mitigation potential, whereas central/western regions require prioritized focus on sustainable utilization of carbon sink resources. This study reveals the dynamic relationship between industrial carbon emissions and ecosystem carrying capacity from the perspective of ecology, and proposes differentiated emission reduction strategies based on regional differences, which provides a scientific basis for the construction of low-carbon industrial development and ecological protection collaborative governance model.

Key words: industrial carbon emissions, carbon footprint, emission reduction potential, Three Dimensional Ecological Footprint Model

左喜梅, 赵文婷. 2000—2021年中国工业碳排放生态足迹的时空动态演变与减排潜力[J]. 干旱区研究, 2025, 42(9): 1703-1714.

ZUO Ximei, ZHAO Wenting. Assessment of the spatio-temporal dynamics and emission reduction potential of China's industrial carbon footprint from 2000 to 2021[J]. Arid Zone Research, 2025, 42(9): 1703-1714.

图/表 7

图1

图2

图3

图4

表1

表2

中国工业碳足迹广度和工业碳足迹深度LISA集聚及跃迁类型"

	集聚类型	2000年	2021年	跃迁类型	2000—2021年
工业碳足迹广度	高-高集聚（High-High）	吉林、黑龙江、辽宁、内蒙古、新疆、青海、宁夏、甘肃、山西、陕西、重庆、四川、湖北、福建（14）	吉林、黑龙江、辽宁、内蒙古、新疆、青海、宁夏、甘肃、山西、陕西、重庆、四川、贵州、云南、湖南、湖北、江西、福建（18）	本地区跃迁邻域不跃迁	L-H→H-H：湖南、江西 H-L→L-L：河北、安徽 L-L→H-L：海南
	低-高集聚（Low-High）	河南、湖南、广西、江西（4）	河南、广东、广西（3）	本地区不跃迁邻域跃迁	H-L→H-H：贵州、云南
	低-低集聚（Low-Low）	北京、天津、山东、江苏、上海、海南（6）	北京、天津、山东、江苏、上海、河北、安徽（7）	本地区与邻域都跃迁	H-L→L-H：广东
	高-低集聚（High-Low）	云南、贵州、河北、安徽、浙江、广东（6）	海南、浙江（2）	本地区与邻域都不跃迁	其余22省份
工业碳足迹深度	高-高集聚（High-High）	北京、上海、天津、河北、山东、江苏（6）	上海、天津、河北、山东、山西、安徽、河南、江苏、辽宁（9）	本地区跃迁邻域不跃迁	L-H→H-H：安徽、河南 H-H→L-H：北京
	低-高集聚（Low-High）	浙江、安徽、河南（3）	北京、浙江、内蒙古（3）	本地区不跃迁邻域跃迁	L-L→L-H：内蒙古
	低-低集聚（Low-Low）	吉林、黑龙江、辽宁、内蒙古、新疆、青海、甘肃、陕西、山西、重庆、四川、云南、贵州、湖南、湖北、江西、福建、广东、广西、海南（20）	吉林、黑龙江、新疆、青海、甘肃、陕西、重庆、四川、云南、贵州、湖南、湖北、江西、福建、广东、广西、海南（17）	本地区与邻域都跃迁	L-L→H-H：山西、辽宁
	高-低集聚（High-Low）	宁夏（1）	宁夏（1）	本地区与邻域都不跃迁	其余24省份

表2

表3

参考文献 30

[1]	王宇. 习近平建设美丽中国重要论述的内涵阐析[J]. 中国人口·资源与环境, 2022, 32(3): 151-158.
	[Wang Yu. Interpretation of Xi Jinping's important exposition on building a Beautiful China[J]. China Population, Resources and Environment, 2022, 32(3): 151-158.]
[2]	陈振, 张宇, 郭杰, 等. 基于生态安全格局优化的土地利用及生态系统服务价值情景模拟[J]. 水土保持研究, 2025, 32(4): 375-385.
	[Chen Zhen, Zhang Yu, Guo Jie, et al. Scenario simulation of land use and ecosystem service value based on ecological security pattern optimization[J]. Research of Soil and Water Conservation, 2025, 32(4): 375-385.]
[3]	韩超, 李翀宇. 中国制造业低碳化发展趋势及其政策导向分析[J]. 齐鲁学刊, 2024(3): 137-149.
	[Han Chao, Li Chongyu. Analysis of the low carbon development trends and policy directions in China's manufacturing industry[J]. Qilu Journal, 2024(3): 137-149.]
[4]	王喜莲, 屈丽航. 黄河流域工业碳排放时空演化特征及影响因素[J]. 环境科学, 2024, 45(10): 5613-5623.
	[Wang Xilian, Qu Lihang. Spatiotemporal evolution characteristics and influencing factors of industrial carbon emissions in the Yellow River Basin[J]. Environmental Science, 2024, 45(10): 5613-5623.]
[5]	王青. 长三角都市圈工业能源消费碳排放强度区域差异及动态演进[J]. 人民论坛·学术前沿, 2022(22): 52-61.
	[Wang Qing. Regional differences and dynamic evolution of carbon emission intensity of industrial energy consumption in the Yangtze River Delta Metropolitan Area[J]. Frontiers, 2022(22): 52-61.]
[6]	张悦, 王晶晶, 程钰. 中国工业碳排放绩效时空特征及技术创新影响机制[J]. 资源科学, 2022, 44(7): 1435-1448. doi: 10.18402/resci.2022.07.10
	[Zhang Yue, Wang Jingjing, Cheng Yu. Spatiotemporal characteristics of China's industrial carbon emission performance and influence mechanism of technological innovation[J]. Resources Science, 2022, 44(7): 1435-1448.]
[7]	胡剑波, 赵魁, 杨苑翰. 中国工业碳排放达峰预测及控制因素研究——基于BP-LSTM神经网络模型的实证分析[J]. 贵州社会科学, 2021, 42(9): 135-146.
	[Hu Jianbo, Zhao Kui, Yang Yuanhan. Research on peak prediction and control factors of industrial carbon emissions in China: Empirical analysis based on BP-LSTM Neural Network Model[J]. Guizhou Social Science, 2021, 42(9): 135-146.]
[8]	禹湘, 娄峰, 谭畅. 基于CIE-CEAM模型的中国工业“双碳”路径模拟[J]. 中国人口·资源与环境, 2022, 32(7): 49-56.
	[Yu Xiang, Lou Feng, Tan Chang. A simulation study of the pathway of achieving the “dual carbon” goals in China's industrial sectors based on the CIE-CEAM Model[J]. China Population, Resources and Environment, 2022, 32(7): 49-56.]
[9]	崔连标, 王佳雪. 安徽省工业碳达峰的多情景分析[J]. 安徽大学学报(哲学社会科学版), 2023, 47(4): 110-123.
	[Cui Lianbiao, Wang Jiaxue. A multi-scenario analysis of industrial carbon peaking in Anhui Province[J]. Journal of Anhui University (Philosophy and Social Sciences Edition), 2023, 47(4): 110-123.]
[10]	丁凡琳. 产业转移背景下的中国工业碳达峰路径思考[J]. 当代经济管理, 2023, 45(7): 27-34.
	[Ding Fanlin. Thinking on the paths of China's industrial carbon peak under the background of industrial transfer[J]. Contemporary Economy & Management, 2023, 45(7): 27-34.]
[11]	陈诗一, 王畅, 郭越. 面向碳中和目标的中国工业部门减排路径与战略选择[J]. 管理科学学报, 2024, 27(4): 1-20.
	[Chen Shiyi, Wang Chang, Guo Yue. Strategic measures and pathway towards China's industrial carbon neutrality[J]. Journal of Management Sciences in China, 2024, 27(4): 1-20.]
[12]	屈秋实, 王礼茂, 王博, 等. 中国有色金属产业链碳排放及碳减排潜力省际差异[J]. 资源科学, 2021, 43(4): 756-763. doi: 10.18402/resci.2021.04.10
	[Qu Qiushi, Wang Limao, Wang Bo, et al. Carbon emissions of China's nonferrous metal industry from the view of industrial chain and provincial differences[J]. Resources Science, 2021, 43(4): 756-763.] doi: 10.18402/resci.2021.04.10
[13]	何旭丹, 王焕松, 贾学桦, 等. 中国造纸和纸制品行业碳排放特征及减排路径分析[J]. 中国造纸, 2023, 42(11): 144-151.
	[He Xudan, Wang Huansong, Jia Xuehua, et al. Analysis of carbon emission characteristics and emission reduction path in China's paper and paper products industry[J]. China Pulp and Paper, 2023, 42(11): 144-151.]
[14]	丁树芳, 王远, 董战峰, 等. 中国化工产业碳排放效率时空演变及影响因素[J]. 中国环境科学, 2025, 45(16): 3508-3521.
	[Ding Shufang, Wang Yuan, Dong Zhanfeng, et al. Spatiotemporal evolution and influencing factors of carbon emission efficiency in China's chemical industry[J]. China Environmental Science, 2025, 45(16): 3508-3521.]
[15]	潘晨, 李善同, 刘强. 消费视角下中国各省份碳排放驱动因素探究[J]. 经济与管理, 2022, 36(3): 58-66.
	[Pan Chen, Li Shantong, Liu Qiang. Driving forces of Chinese provincial CO₂ emissions from the perspective of consumption[J]. Economy and Management, 2022, 36(3): 58-66.]
[16]	张翼, 杜涛. 中国高质量工业碳减排的地区协同路径——基于雁阵式发展视角[J]. 学习与实践, 2020, 37(11): 49-57.
	[Zhang Yi, Du Tao. Regional synergy path for high-quality industrial carbon emission reduction in China[J]. Study and Practice, 2020, 37(11): 49-57.]
[17]	Wang Q, Xia X. Quantification process of carbon emissions in the construction industry[J]. Journal of Cleaner Production, 2022, 345: 131048.
[18]	卢宗亮, 吴奕龙, 黄坛俊, 等. 基于LEAP-LANDIS情景模拟的城市碳代谢格局优化研究[J]. 干旱区资源与环境, 2023, 37(12): 10-20.
	[Lu Zongliang, Wu Yilong, Huang Tanjun, et al. Optimizing urban carbon metabolism pattern based on LEAP-LANDIS scenario simulation[J]. Journal of Arid Land Resources and Environment, 2023, 37(12): 10-20.]
[19]	张卓群, 张涛, 冯冬发. 中国碳排放强度的区域差异、动态演进及收敛性研究[J]. 数量经济技术经济研究, 2022, 39(4): 67-87.
	[Zhang Zhuoqun, Zhang Tao, Feng Dongfa. Study on regional differences, dynamic evolution and convergence of carbon emission intensity in China[J]. Journal of Quantitative & Technical Economics, 2022, 39(4): 67-87.]
[20]	陈彬, 杨维思. 产业园区碳排放核算方法研究[J]. 中国人口·资源与环境, 2017, 27(3): 1-10.
	[Chen Bin, Yang Weisi. Carbon emission accounting methods for industrial parks[J]. China Population, Resources and Environment, 2017, 27(3): 1-10.]
[21]	方恺. 生态足迹深度和广度: 构建三维模型的新指标[J]. 生态学报, 2013, 33(1): 267-274.
	[Fang Kai. Ecological footprint depth and size: New indicators for a 3D model[J]. Acta Ecologica Sinica, 2013, 33(1): 267-274.]
[22]	谢鸿宇, 陈贤生, 林凯荣, 等. 基于碳循环的化石能源及电力生态足迹[J]. 生态学报, 2008, 28(4): 1729-1735.
	[Xie Hongyu, Chen Xiansheng, Lin Kairong, et al. The ecological footprint analysis of fossil energy and electricity[J]. Acta Ecologica Sinica, 2008, 28(4): 1729-1735.]
[23]	刘某承, 李文华. 基于净初级生产力的中国各地生态足迹均衡因子测算[J]. 生态与农村环境学报, 2010, 26(5): 401-406.
	[Liu Moucheng, Li Wenhua. Calculation of equivalence factor used in ecological footprint for China and its provinces based on net primary production[J]. Journal of Ecology and Rural Environment, 2010, 26(5): 401-406.]
[24]	IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories[M]. Hayama: Institute for Global Environmental Strategies, 2006.
[25]	Peters G P, Hertwich E G. CO₂ embodied in international trade with implications for global climate policy[J]. Environmental Science & Technology, 2008, 42(5): 1401-1407.
[26]	陈明星, 陆大道, 查良松. 中国城市化与经济发展水平关系的国际比较[J]. 地理研究, 2009, 28(2): 464-474.
	[Chen Mingxing, Lu Dadao, Zha Liangsong. Urbanization and economic development in China: An international comparison based on quadrant map approach[J]. Geographic Research, 2009, 28(2): 464-474.]
[27]	王青, 傅莉媛, 孙海添. 中国工业生产能源消费碳排放的区域差异、动态演进与影响因素[J]. 资源科学, 2023, 45(6): 1239-1254. doi: 10.18402/resci.2023.06.11
	[Wang Qing, Fu Liyuan, Sun Haitian. Regional differences, dynamic changes, and influencing factors of carbon emissions from industrial production energy consumption in China[J]. Resources Science, 2023, 45(6): 1239-1254.] doi: 10.18402/resci.2023.06.11
[28]	陈慧灵, 高子恒, 王振波. 省级尺度工业碳排放影响因素及碳转移格局[J]. 生态学报, 2023, 43(14): 5816-5828.
	[Chen Huiling, Gao Ziheng, Wang Zhenbo. Analysis on influencing factors of industrial carbon emission and carbon transfer pattern at provincial level[J]. Acta Ecologica Sinica, 2023, 43(14): 5816-5828.]
[29]	耿垭鑫, 易桂花, 张廷斌, 等. 青藏高原气候变化对草地碳汇/源格局的影响[J]. 自然资源学报, 2024, 39(5): 1208-1221. doi: 10.31497/zrzyxb.20240514
	[Geng Yaxin, Yi Guihua, Zhang Tingbin, et al. Impacts of climate change on grassland carbon sink/source patterns in the Qinghai-Tibet Plateau[J]. Journal of Natural Resources, 2024, 39(5): 1208-1221.] doi: 10.31497/zrzyxb.20240514
[30]	朴世龙, 岳超, 丁金枝, 等. 试论陆地生态系统碳汇在“碳中和”目标中的作用[J]. 中国科学: 地球科学, 2022, 52(7): 1419-1426.
	[Piao Shilong, Yue Chao, Ding Jinzhi, et al. On the role of terrestrial ecosystem carbon sink in the goal of “carbon neutrality”[J]. Science China: Earth Sciences, 2022, 52(7): 1419-1426.]

年份	Morans'I	Z	P-value	年份	Morans'I	Z	P-value
2000年	0.204/0.313	2.073/3.291	0.019/0.000	2011年	0.420/0.420	3.917/3.942	0.000/0.000
2001年	0.214/0.311	2.175/3.268	0.015/0.001	2012年	0.428/0.411	3.986/3.859	0.000/0.000
2002年	0.228/0.337	2.291/3.491	0.011/0.000	2013年	0.430/0.376	4.007/3.572	0.000/0.000
2003年	0.247/0.347	2.462/3.494	0.007/0.000	2014年	0.433/0.359	4.030/3.422	0.000/0.000
2004年	0.286/0.412	2.802/4.049	0.003/0.000	2015年	0.435/0.353	4.041/3.361	0.000/0.000
2005年	0.310/0.441	2.974/4.233	0.001/0.000	2016年	0.436/0.345	4.040/3.288	0.000/0.001
2006年	0.353/0.453	3.370/4.305	0.000/0.000	2017年	0.441/0.331	4.083/3.158	0.000/0.001
2007年	0.370/0.463	3.531/4.365	0.000/0.000	2018年	0.434/0.319	4.024/3.060	0.000/0.001
2008年	0.389/0.438	3.684/4.138	0.000/0.000	2019年	0.441/0.322	4.073/3.080	0.000/0.001
2009年	0.400/0.432	3.764/4.070	0.000/0.000	2020年	0.455/0.331	4.187/3.132	0.000/0.001
2010年	0.409/0.448	3.839/4.212	0.000/0.000	2021年	0.452/0.336	4.160/3.184	0.000/0.001

	集聚类型	2000年	2021年	跃迁类型	2000—2021年
工业碳足迹广度	高-高集聚（High-High）	吉林、黑龙江、辽宁、内蒙古、新疆、青海、宁夏、甘肃、山西、陕西、重庆、四川、湖北、福建（14）	吉林、黑龙江、辽宁、内蒙古、新疆、青海、宁夏、甘肃、山西、陕西、重庆、四川、贵州、云南、湖南、湖北、江西、福建（18）	本地区跃迁邻域不跃迁	L-H→H-H：湖南、江西 H-L→L-L：河北、安徽 L-L→H-L：海南
	低-高集聚（Low-High）	河南、湖南、广西、江西（4）	河南、广东、广西（3）	本地区不跃迁邻域跃迁	H-L→H-H：贵州、云南
	低-低集聚（Low-Low）	北京、天津、山东、江苏、上海、海南（6）	北京、天津、山东、江苏、上海、河北、安徽（7）	本地区与邻域都跃迁	H-L→L-H：广东
	高-低集聚（High-Low）	云南、贵州、河北、安徽、浙江、广东（6）	海南、浙江（2）	本地区与邻域都不跃迁	其余22省份
工业碳足迹深度	高-高集聚（High-High）	北京、上海、天津、河北、山东、江苏（6）	上海、天津、河北、山东、山西、安徽、河南、江苏、辽宁（9）	本地区跃迁邻域不跃迁	L-H→H-H：安徽、河南 H-H→L-H：北京
	低-高集聚（Low-High）	浙江、安徽、河南（3）	北京、浙江、内蒙古（3）	本地区不跃迁邻域跃迁	L-L→L-H：内蒙古
	低-低集聚（Low-Low）	吉林、黑龙江、辽宁、内蒙古、新疆、青海、甘肃、陕西、山西、重庆、四川、云南、贵州、湖南、湖北、江西、福建、广东、广西、海南（20）	吉林、黑龙江、新疆、青海、甘肃、陕西、重庆、四川、云南、贵州、湖南、湖北、江西、福建、广东、广西、海南（17）	本地区与邻域都跃迁	L-L→H-H：山西、辽宁
	高-低集聚（High-Low）	宁夏（1）	宁夏（1）	本地区与邻域都不跃迁	其余24省份

减排区划定	减排核心区	减排攻坚区	减排观察区	减排缓冲区
散点图位置	区域Ⅰ（右上象限）	区域Ⅱ（左上象限）	Ⅲ区域（左下象限）	Ⅳ区域（右下象限）
碳排放特征	碳汇资源重度占用：工业碳足迹广度和深度均较大	碳汇资源中度占用：工业碳足迹广度小、深度大	碳汇资源轻度占用：工业碳足迹广度和深度均较小	存量碳汇资源占用滞后：工业碳足迹广度大、深度小
核心矛盾	双高压力与系统性失衡	存量透支与生态崩溃风险	流量依赖、长期风险	潜在风险、生态平衡
所属地区	无	天津、江苏、山东、上海（4）	北京、河北、吉林、安徽、河南、广西、海南、重庆、甘肃、青海、宁夏、新疆（12）	四川、贵州、云南、黑龙江、内蒙古、陕西、山西、辽宁、浙江、福建、江西、湖北、湖南、广东（14）
减排潜力	大	大	小	小
减排态度	积极	积极	保守	保守
政策优先级	强制减排+生态修复	能源转型+生态补偿	预防性监测+生态保护	生态退化预警+产业优化
技术重点	碳捕获与封存技术、工业零碳技术	可再生能源、循环经济	数字化监测、生态修复技术	生态价值转化、绿色产业