基于SNA与CNN-BiLSTM-Attention组合模型的中国省域能源消费减排路径

来源：环境科学杂志2026年第1期北京时间：

作者：张瑞,马远,常金雨

单位：新疆维吾尔自治区农业科学院农业经济与信息研究所, 乌鲁木齐 830091,新疆财经大学经济学院, 乌鲁木齐 830012,新疆财经大学国际经贸学院, 乌鲁木齐 830012,中国科学院新疆生态与地理研究所新疆矿产资源研究中心, 乌鲁木齐 830011

摘要：区域间碳排放呈现复杂的空间关联，“双碳”目标的实现不仅取决于省域自身因素，还需考虑空间联动关系. 采用碳排放系数法测算2000~2021年中国省域能源消费碳排放，进而构建中国省域能源消费碳排放空间关联网络，从空间关联视角对网络中主受益板块、净受益板块、经纪人板块和净溢出板块能源消费碳排放驱动因素进行GDIM分解，运用CNN-BiLSTM-Attention组合模型，设置4种情景模式，模拟预测各板块2022~2050年能源消费碳排放，并结合各板块在网络中作用功能的指标提出减排路径. 结果表明，①观测期内各板块发生不同程度的重组，呈现显著的“梯度转移”特征. ②经济规模和能耗规模是各板块不同发展阶段能源消费碳排放主要正向驱动因素，其累计贡献最大，技术进步的抑制作用逐步显现. ③各板块基本能够实现2030年前达峰，为此主受益板块、净受益板块、经纪人板块以及净溢出板块应当分别选择绿色创新、高速协同、高速引领和绿色转型作为首要减排路径.

关键词：碳排放驱动因素,碳排放预测,减排路径,空间关联,社会网络分析,深度学习,