上海市建設用地擴張與土地利用碳排放的關系研究

蔡苗苗,吳開亞

(復旦大學 公共管理與公共政策創新基地,上海 200433)

1 引言

改革開放以來,我國的城市化和工業化發展極為迅速,截至2014年我國的城市化水平已經達到54.77%[1]。隨著城市化進程的加快,建設用地急劇擴張成為我國城市發展的顯著特征,我國城市建設用地面積由1981年的6720km2增至2015年的5.16萬km2,城市建設用地開發強度逐年增加,增長率超過50%[2,3]。建設用地需求不斷增加,由此導致耕地數量銳減、土地利用結構劇烈變化,城市發展和耕地保護的矛盾日益顯現[4,5]。建設用地主要承載人類工業生產、能源交通和居住生活等社會經濟活動,建設用地擴張使城市土地格局發生改變,對區域碳排放量產生了極大影響[6]。Churkina[7]研究顯示,僅占陸地面積2.4%的城市區域承載了全球80%的碳排放量,建設用地擴張是城市碳排放的重要影響因素之一[8]。因此,研究城市建設用地擴張與碳排放之間的關系,對土地資源合理規劃、實現城市低碳經濟具有重要意義。

當前,國內外學者采用各類方法對建設用地與碳排放之間的內在關系開展了相關研究。例如，Frank[9]采用生命周期法分析了建筑制造產生的碳排放,建筑材料的回收利用是減少碳排放量的新思路;Levent等[10,11]提出CGE模型對土耳其進行了分析,研究表明提高建設用地中高碳能源價格可降低城市的碳排放量;Hopkins等[12]通過參數模型(基于人口密度)對世界8個地區城市擴張產生的碳排放量進行了測算,結果顯示每年城市擴張使得世界碳排放量增加了1.25GtC。國內學者[13-16]分別采用庫茲涅茨曲線、灰色關聯度、STIRPAT模型和LMDI指數分解法對無錫市、鹽城市、安徽省和我國不同地區建設用地擴張與碳排放效應之間的內在關系進行了實證研究,深入分析了各類方法在建設用地與碳排放研究中的應用。

向量自回歸模型(VAR)是基于數據的統計性質建立,用以分析多個指標的相關性并對指標進行預測[17]。近年來,VAR模型在各個領域得到了廣泛運用：Stern[18]運用VAR模型對1947—1990年的美國經濟問題進行了分析,認為能源消耗對GDP存在單向Granger因果關系;Mehemt[19]通過對歐洲7國之間的實證分析,得出各個國家能源消費與經濟增長之間有不同的因果關系;李湘梅等[20]采用VAR模型研究得出能源消費和城市化水平是我國碳排放的核心驅動力；綦遠超等[21]采用2000—2014年的數據分析了山東省碳排放與經濟增長的內在關系,認為山東省GDP是碳排放的單向Granger原因;李松等[22]通過VAR模型分析了我國城鎮化、工業化和碳排放之間的關系,為VAR模型在環境領域的應用提供了新的思路。由此可見,關于建設用地與碳排放的研究主要集中在能源碳排放領域[23-25],而對土地利用變化的碳排放分析較少。此外,VAR模型在對經濟增長與碳排放關系的應用也比較成熟[26-28],而對建設用地的擴展與土地利用碳排放關系的分析還沒有出現。

鑒于此,本文以2000—2015年為時間序列,采用土地動態度模型對上海市建設用地擴張速率進行分析,通過構建土地利用碳排放量的核算模型,對上海市耕地、林地、草地和建設用地碳排放量進行了核算。根據核算結果,本文以上海市的建設用地面積和土地利用碳排放總量為時間序列構建VAR模型,并采用脈沖響應函數分析兩者之間的關系,為未來上海市建設用地規劃和低碳經濟發展提供科學合理的建議。

2 數據來源與研究方法

2.1 數據來源

鑒于數據的準確性,以2000—2015年為時間序列,本文采用的土地利用數據來源于相關年份的上海市2000—2015年土地利用變更調查,能源消耗數據來源于《上海能源統計年鑒》[29],部分缺失數據參考對應年份的《上海統計年鑒》[30]。

2.2 土地利用動態度分析

目前關于土地利用變化分析的方法共分為三種,分別為基于現代遙感和GIS技術下的數理統計分析、土地信息熵和土地動態度模型[31-34]。本文采用單一土地利用動態度模型[35]定量分析了上海市建設用地變化速度,表達式為:

(1)

式中,K表示研究時間區間某一土地利用類型動態度;Ub表示研究末期某一土地利用類型的面積(km2);Ua表地研究初期某一土地利用類型的面積(km2);tb表示研究末期(年)；ta為研究初期(年)。

2.3 土地利用碳排放量測算方法

根據上海市土地利用現狀,鑒于土地利用數據的可獲取性,本文將上海市土地利用類型分為農用地和建設用地兩類,農用地包括耕地、林地、草地三類。在這四類土地中,林地和草地主要產生碳匯效應,建設用地產生碳源效應,耕地既有碳源效應又有碳匯效應。

在這四類土地類型中,耕地、林地和草地的碳排放量主要采用碳排放系數法進行計算[36,37],其測算公式為:

(2)

式中,C表示碳排放總量(104t);Ci表示第i類土地產生碳排放(吸收)量(104t);Ai表示第i類土地對應的土地面積(km2);δi表示第i類土地對應的碳排放系數(104t/km2)。參考徐國泉等[38，39]研究,本文的土地碳排放系數見表1。

表1 各類土地碳排放系數

注:負值表示碳匯型土地利用方式；正值表示碳源型土地利用方式。

建設用地的碳排放量主要來源于人類活動中的能源消耗,其碳排放量采用能源消耗產生的碳排放量間接計算,公式為:

(3)

式中,CE表示建設用地碳排放量(104t);cej表示第j類能源碳排放量(104t);Ej表示第j類能源消耗量(104tce);αj表示第j類能源碳排放系數(104t/104tce)。

根據上海市能源消耗特點,采用原煤、洗精煤、焦炭、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣和天然氣10種常用能源,各能源碳排放系數根據2006年的《IPCC國家溫室氣體清單指南》[40]缺省值轉換得到,具體數值見表2。

表2 各類能源碳排放系數

2.4 VAR模型

自向量回歸模型(Vector Autoregression)在1980年由Sims引入到經濟學中,用以分析相互關聯的時間序列以及隨機擾動項對各個變量的動態沖擊,并對各種沖擊產生的影響加以解釋[41，42]。VAR(p)模型的一般數學表達式為:

yt=φ1yt-1+…+φpyt-p+Axt+εt(t=1,2,…,T)

(4)

式中,yt表示k維內生變量列向量,本文為建設用地面積和土地利用碳排放量兩組列向量;φ1,φ2,…,φp表示待估計的k×k維系數矩陣;k表示列向量維數,本文以2000—2015年為時間序列,維數為16;xt表示d維外生變量列向量;A表示待估計的k×d維系數矩陣;T表示樣本個數,本文樣本數有2個;p表示模型滯后階數,依據高鐵梅[43]研究可知,采用LR、FPE、AIC、SC和HQ準則對VAR模型進行檢驗,確定VAR模型的最佳滯后階數;εt為k維擾動列向量。

上海市建設用地擴展與土地利用碳排放的VAR模型分析步驟主要分幾下幾步:①確定研究的時間序列,并對時間序列進行單位根檢驗,分析變量序列是否為平穩序列。②若時間序列為平穩序列,構造回歸模型;若時間序列為非平穩序列,分析序列是否滿足同階單整,對時間序列進行協整檢驗。③確定VAR模型最佳滯后階數,構造VAR模型,并對VAR模型進行穩定性檢驗。④構造脈沖響應函數進行分析。

3 結果與分析

3.1 上海市建設用地擴張分析

通過對上海市2000—2015年土地利用變更調查中建設用地的數據分析,利用式(1)得出上海市建設用地變化特征,計算結果見圖1。

圖1 上海市2000—2015年建設用地擴張趨勢

由圖1可知,2000—2015年上海市建設用地面積總體上呈現增長的態勢,建設用地總面積由2000年的1909.11km2增加到2015年的3071.33km2,增長了1162.22km2,年均擴張率達4.06%。以2006年和2010年為節點,上海市建設用地擴張共分為以下三個狀態：2000—2005年為第一階段,建設用地面積緩慢增長,年均增長98.31km2,年均擴張率為5.14%;2006—2010年為第二階段,上海市建設用地面積由2006年的2371.04km2擴張到2010年的2891.20km2,除2006年明顯下降外,上海市建設用地面積總體上呈現快速增長的態勢,這是由于在這一階段上海城市化進程加快,城鎮建設用地和獨立工礦用地占用大量耕地,建設用地面積年均增長130.04 km2,年均擴張率達5.48%;2007—2015年為第三階段,這一階段建設用地面積平穩增長,共增長了624.25km2,年均擴張率為3.31%,上海市經濟增長帶動工業區和城鎮的連片發展以及上海商業區對土地的加速需求是該階段建設用地擴張的重要原因。

由圖1可見,上海市2000—2015年建設用地動態度變化幅度較大,2000年和2006年土地動態度為負值,分別為-2.13%和-1.23%,其他年份均為正值,表明建設用地快速擴張是上海市土地變化的一個顯著特征。上海市建設用地動態度在2001年和2009年存在著兩個突增點,分別為11.92%和11.63%,建設用地年擴展率達到最大,這主要是由于經濟快速發展,上海市建設用地擴展占用耕地面積不斷增加,建設用地擴張逐漸由城鎮居民用地轉變為工礦用地。

3.2 上海市土地利用碳排放量測算結果

首先，根據上海市2000—2015年土地利用變更調查數據,利用式(2)計算得到耕地、林地和草地的碳排放(吸收量);然后，根據《上海能源統計年鑒》對應年份的能源消耗數據,結合式(3)計算得到建設用地碳排放量,結果見圖2。

圖2 上海市2000—2015年土地利用碳排放量

從圖2可見，2000—2015年上海市土地利用碳排放總量呈現增長的態勢,由2000年的1843.33萬t增長到2015年的2116.83萬t,年均增長率達到1.09%。在四類土地利用中,建設用地是最大的碳源,2000—2015年建設用地碳排放量保持快速增長的趨勢,由2000年的1898.91萬t增加到2015年的2619.31萬t,16年間碳排放量共增長了720.4萬t,年均增長率達2.53%。其中,2003—2011年上海市建設用地碳排放量逐年增加,年均增加量達104.17萬t。耕地作為另一類碳源,碳排放量在2000—2015年逐年降低,從2000年的12.07萬t減少到2015年的7.80萬t,年均增長率為-3.65%;林地是重要的碳匯,林地的碳吸收量由2000年的67.62萬t增長到2015年的510.19萬t,16年間林地碳吸收量呈現持續上升的趨勢,年均增加29.50萬t,年均增長率達到43.63%;2000—2015年草地碳吸收量呈現持續增長的趨勢,但變化卻并不顯著,總體維持在0.06萬t左右。

由圖2中各類土地碳排放量的變化趨勢可知,2000—2015年上海市碳排放量主要來源于建設用地能源消耗產生的碳排放,碳排放總量的變化趨勢與建設用地碳排放量一致。這表明建設用地碳排放占上海市土地利用碳排放的主導地位,每年凈碳排放量的99.5%來源于建設用地。上海市經濟快速增長、能源消耗量不斷增加,是建設用地呈現高碳排放的主要原因。對比建設用地,耕地的碳排放量相對較低,對上海市土地利用碳排放的貢獻量持續下降。林地是主要的碳匯,近幾年上海市林地面積持續增加,林地的碳吸收作用逐漸加強,碳吸收量占總碳匯量的99.9%。草地的碳匯能力遠低于林地,近幾年基本維持較低水平。綜合各類土地的碳排放量可知,2000—2015年上海市碳排放量和碳吸收量均呈現增長態勢,但林地和草地的碳吸收量遠不足以抵消建設用地碳排放量,上海市土地利用碳排放總量呈增長趨勢。

3.3 上海市建設用地擴展與碳排放影響分析

本文用A表示上海市建設用地面積,用CC表示上海市土地利用碳排放量,采用ADF(Augmented Dickey-Fuller test)檢驗法[44]對2000—2015年上海市建設用地面積和土地利用碳排放量進行了平穩性檢驗,結果見表3。

表3 上海市2000—2015年建設用地面積和碳排放量的

注:表中△為一階差分;△2為二階差分;1%、5%和10%臨界值均為Mackinnon檢驗臨界值;c,t,k分別為含常數項、趨勢項和滯后階數。

從檢驗結果可知,建設用地面積和碳排放量時間序列的水平值和一階差分值均為非平穩,但它們經過二階差分后在1%顯著水平下均為平穩序列,建設用地面積和碳排放量為二階單整序列,即可進一步進行協整檢驗。

本文對時間序列和建立回歸方程,采用EG檢驗法[45]對上海市建設用地面積和碳排放量時間序列進行協整檢驗,回歸方程為：

C=0.499×A+862.66

(5)

(0.08) (213.76)

(5.50) (4.04)

R2=0.683;D.W.=0.638;P=0.000;F=30.203

(6)

式中,第一行括號內的值為系數估計量的標準差;第二行為統計值。由回歸結果可知,T檢驗值和F檢驗值均通過顯著性檢驗。對上式的殘差進行EG檢驗,結果見表4。殘差序列e在1%顯著水平下是平穩的,表明2000—2015年上海市建設用地擴張和土地利用碳排放之間存在長期協整關系。由回歸方程可知,上海市建設用地面積對碳排放量的彈性系數為0.449,即建設用地面積每增長1%,碳排放量相應增長0.449%。

表4 殘差序列單位根檢驗結果

注:1%、5%和10%臨界值均為Mackinnon檢驗臨界值;分別為含常數項、趨勢項和滯后階數。

建立VAR模型應先確定滯后階數P,需滿足兩個條件,第一是使滯后階數足夠大,能完整反映出VAR模型的動態特征;第二是滯后階數盡可能小,使模型有足夠數目的自由度。本文根據VAR模型中的LR、FPE、AIC、SC和HQ值確定最佳滯后階數P為2,即VAR(2)。根據Lutkpohl[46]研究,采用AR特征多項式根的倒數檢驗VAR模型的穩定性,結果見圖3。圖3中所有的點均落在單位圓以內,即所有AR根模的倒數均小于1,本文構建的VAR模型是平穩的。

圖3 單位圓的平穩性檢驗

VAR模型結果為:

A=0.7092×A(-1)+0.0357×A(-2)+0.2831×CC(-1)+0.1002×CC(-2)-39.0778

(7)

CC=0.2998×A(-1)-0.0833×A(-2)+1.0708×CC(-1)-0.5349×CC(-2)+375.1776

(8)

此向量回歸模型的R2分別為0.945和0.841,F檢驗值通過顯著性檢驗,AIC、SC值均符合要求,所以時間序列建設用地面積和土地利用碳排放量建立的VAR模型擬合情況良好,具有解釋力。由式(7)可知,前一、二期建設用地面積系數分別為0.7092和0.0357,因此建設用地擴張對當期的建設用地面積產生正向影響。前兩期建設用地面積系數低于前一期,表明上海市建設用地面積對未來建設用地擴展的影響較大,且影響力逐漸增強;前一、二期碳排放量系數分別為0.2813和0.1002,前兩期碳排放量對當期的建設用地面積產生正向影響。由于前兩期的碳排放量系數低于前一期,上海市碳排放量對建設用地擴張具有促進作用,影響逐漸增強。由式(8)可以看出,前一期建設用地面積的系數為0.2998,即建設用地擴張對當期的碳排放量產生正向影響。但前兩期建設用地面積系數為-0.0833,這表明前兩期建設用地擴張對當期的碳排放量產生負向影響。由此可知,上海市建設用地擴張對碳排放量作用由負向抑制逐漸轉為正向促進,正向影響逐漸凸顯;前一期碳排放量系數為1.0708,即碳排放量對當期的碳排放量產生正向影響。前兩期碳排放量系數為-0.5349,說明前兩期碳排放量對當期的碳排放量產生負向抑制。綜合分析,上海市碳排放基量對未來碳排放量的影響由負向抑制轉為正向促進,且影響力逐漸增強。

在上述分析的基礎之上,本文采用脈沖響應函數(Impulse Response Function)[17]分析了上海市建設用地擴張對碳排放量的動態響應，結果見圖4和圖5。

圖4和圖5的橫軸表示響應函數的滯后期數,縱軸表示因變量對自變量的響應程度；虛線表示響應函數的正負兩倍標準差偏離帶,實線表示脈沖響應函數的計算結果。

VAR模型沖擊作用的滯后期設定為50期,由圖4可知,給建設用地面積一個正向沖擊,即建設用地面積增加,將會使碳排放量產生正向響應,第一期至第二期響應強度逐漸加強,且第二期達到最大值69.17。從第二期開始響應強度持續減弱,第三十期以后,建設用地面積的正向沖擊使碳排放量產生的響應維持在較低的水平,但保持在正值，表明上海市建設用地擴張與碳排放量之間緊密相關。從短期分析,建設用地擴張將導致碳排放量大幅增加,這是由于建設用地面積增加伴隨著能源消耗增加,產生更多碳排放量。從長期分析,建設用地擴張促進碳排放量增加,但是其正向作用逐漸減弱。主要原因是：隨著經濟水平發展,高碳能源消耗的情況將逐漸改善,合理的城鎮規劃和科學的土地利用使得碳排放量擺脫建設用地的沖擊。

圖4 上海市碳排放量對建設用地的脈沖響應

圖5 上海市建設用地對碳排放量的脈沖響應

由圖5可知,當本期給碳排放量一個正向沖擊,即碳排放量增加后,從第一期至第四期對建設用地面積產生了較大強度的正向響應,響應強度在第四期達到最大值,為67.70。第五期開始建設用地面積的響應強度持續減弱,并逐漸穩定,最后維持在2.55左右。這一變化趨勢充分說明上海市土地利用碳排放量與建設用地擴張之間存在著長期關系。從短期分析,碳排放量對建設用地擴張的沖擊顯著;從長期分析,土地利用碳排放量對建設用地面積的正向沖擊逐漸減弱。這表明短期內依靠能源消耗產生碳排放量不利于改善上海市建設用地擴張的現狀,但是從長遠來看,碳排放量增長對建設用地擴張的促進作用逐漸減弱,建設用地的規劃將擺脫對碳排放的依賴。

4 結論與討論

4.1 結論

2000—2015年上海市建設用地面積呈現持續擴張趨勢,建設用地面積共增加了1162.22km2,年均擴張率達到4.06%。16年間建設用地動態度變化幅度較大,在2001年和2009年建設用地面積年均擴張率達到最大,分別為11.92%和11.63%,建設用地擴張是上海市土地利用的顯著特征。

2000—2015年上海市土地利用碳排放總量呈現增長態勢,凈碳排放量增長273.5萬t,年均增長率達1.09%。其中,耕地和建設用地為主要碳源,隨著建設用地開發占用大量耕地,耕地面積逐年減少,耕地的碳排放量逐年降低;建設用地的碳排放量呈現增長趨勢,年均增加45.03萬t,年均增長率達2.53%,對土地利用碳排放量的貢獻率達99.5%;林地和草地為主要碳匯,隨著上海市土地利用變化,林地和草地的碳吸收量逐年增加,林地的碳吸收量由2000年的67.62萬t增長到2015年的510.19萬t,年均增長率達到43.63%;草地碳吸收量變化并不顯著,總體維持在較低水平。

4.2 討論

采用VAR模型對上海市建設用地面積和土地利用碳排放進行計量分析,結果表明上海市建設用地面積與土地利用碳排放的時間序列均為二階單整,兩者之間存在長期穩定的協整關系。采用脈沖響應函數對上海市建設用地面積與土地利用碳排放之間的動態影響關系進行分析:從短期看,城市建設用地的擴張會促進碳排放量增加,而碳排放量的沖擊對建設用地面積產生正向影響;從長期看,建設用地擴張對碳排放量的正向作用逐漸減弱,并有抑制的趨勢,而碳排放量的沖擊對建設用地的擴張作用有限,并隨著時間推移逐漸消失。

[1]何志揚,劉昌南,任遠.新世紀以來中國城鎮化的階段轉變及政策啟示[J].天津大學學報(社會科學版),2017,19(2)∶125-131.

[2]中華人民共和國住房與城鄉建設部.中國城市建設統計年鑒[M].北京：中國統計出版社,2015.

[3]張苗,甘臣林,陳銀蓉,等.中國城市建設用地開發強度的碳排放效率分析與低碳優化[J].資源科學,2016,38(2)∶265-275.

[4]劉紀遠,匡文慧,張增祥,等.20世紀80年代末以來中國土地利用變化的基本特征與空間格局[J].地理學報,2014,69(1)∶3-14.

[5]傅靖,羊秀丹.全國建設用地占用耕地的空間相關性與熱點分析[J].安徽農業科學,2016,44(9)∶238-240.

[6]Zhang Wenting,Huang Bo,Luo Dong.Effects of Land Use and Transportation on Carbon Sources and Sarbon Sinks：A Case Study in Shenzhen,China[J].Landscape and Urban Planning,2014,122(2)∶175-185.

[7]Churkina Galina.Modelling the Carbon Cycle of Urban Systems [J].Ecological Modeling,2008,216(2)∶107-113.

[8]王志遠,廖建軍,陳祖展,等.城市用地空間擴張與碳排放的相關效應研究[J].南華大學學報(自然科學版),2013,27(2)∶82-88.

[9]Frank G Collins.Inclusion of Carbonation During the Life Cycle of Built and Recycled Concrete：Influence on Their Carbon Footprint[J].The International Journal of Life Cycle Assessment,2010,15(6)∶549-556.

[10]Levent Aydin,Mustafa Acar.Economic and Environmental Implications of Turkish Accession to the European Union：A CGE Analysis[J].Energy Policy,2010,38(11)∶7031-7040.

[11]Levent Aydin,Mustafa Acar.Economic Impact of Oil Price Shocks on the Turkish Economy in the Coming Decades：A Dynamic CGE Analysis[J].Energy Policy,2011,39 (3)∶1722-1731.

[12]Svirejeva-Hopkins A,Schellnhuber H-J.Urban Expansion and Its Contribution to the Regional Carbon Emissions：Using the Model Based on the Population Density Distribution[J].Ecological Modelling,2008,216(2)∶208-216.

[13]張潤森,濮勵杰,文繼群,等.建設用地擴張與碳排放效應的庫茲涅茨曲線假說及驗證[J].自然資源學報,2012,27(5)∶723-733.

[14]王亮.基于灰色關聯的鹽城市城市建設用地碳排放協調發展研究[J].水土保持研究,2015,22(2)∶253-257.

[15]張樂勤,陳素平,王文琴,等.安徽省近15年建設用地變化對碳排放效應測度及趨勢預測——基于STIRPAT模型[J].環境科學學報,2013,33(3)∶950-958.

[16]毛熙彥,林堅,蒙吉軍.中國建設用地增長對碳排放的影響[J].中國人口·資源與環境,2011,21(12)∶34-40.

[17]劉明志.時間序列分析[M].北京：中國社會科學出版社,1999.

[18]David I Stern.Energy and Economic Growth in the USA：A Multivariate Approach[J].Energy Economics,1993,15(2)∶137-150.

[19]Mehmet Balcilar,Zeynel Abidin Ozdemir,Yalcin Arslanturk.Economic Growth and Energy Consumption Casual Nexus Viewed Through a Bootstrap Rolling Window[J].Energy Economics,2010,32(6)∶1398-1410.

[20]李湘梅,姚智爽.基于VAR模型的中國能源消費碳排放影響因素分析[J].生態經濟,2014,30(1)∶39-44.

[21]綦遠超,孫秀梅,張慧.基于VAR的山東省碳排放與經濟增長的關系[J].山東理工大學學報(自然科學版),2016,30(6)∶20-25.

[22]李松,王寶海,丁慧媛.我國城鎮化、工業化與碳排放關系的研究——基于VAR模型的分析[J].安徽農業科學,2015,43(16)∶230-234.

[23]Zhao Rongqin,Huang Xianjin,Zhong Taiyang,etal.Carbon Footprint of Different Industrial Spaces Based on Energy Consumption in China[J].Journal of Geographical Sciences,2011,21(2)∶285-300.

[24]Zhang Leqin,Chen Suping,Zhu Yawen,etal.The Measurement of Carbon Emission Effect of Construction Lnd Changes in Anhui Province Based on the Extended LMDI Model[J].Journal of Resources and Ecology,2013,4(2)∶186-192.

[25]黃魯霞,韓驥,袁坤,等.中國建設用地碳排放強度及其區域差異分析[J].環境科學與技術,2016,39(8)∶185-192.

[26]李福祥,劉琪琦,張霄怡.經濟增長、進出口貿易額、能源消費的動態關系研究——基于碳排放強度分組的省級面板VAR模型的實證分析[J].生態經濟,2016,32(9)∶75-81.

[27]張紅,李洋,張洋.中國經濟增長對國際能源消費和碳排放的動態影響——基于33個國家GVAR模型的實證研究[J].清華大學學報(哲學社會科學版),2014,29(1)∶14-25.

[28]張子遷.基于低碳經濟背景下云南省土地利用結構與碳排放量關系研究[D].昆明：云南財經大學碩士學位論文,2011.

[29]上海市統計局.上海能源統計年鑒[M].上海：2016.

[30]上海市統計局.上海統計年鑒[M].北京：中國統計出版社,2016.

[31]Veldkamp A,LambinE F.Editorial Predicting Land-use Change[J].Agriculture,Ecosystems & Environment,2001,85(1-6)∶379-386.

[32]Koen P Overmars,Peter H Verburg,Verburg.Analysis of Land Use Drivers at the Watershed and Household Level:Linking Two Paradigms at the Philippine Forest Fringe[J].International Journal of Geographical Information Science,2005,19(2)∶125-152.

[33]曾娟.基于碳排放約束的廣州市土地利用數量結構優化研究[D].廣州：廣州大學碩士學位論文,2013.

[34]史利江, 王圣云,姚曉軍,等.1994—2006年上海市土地利用時空變化特征及驅動力分析[J].長江流域資源與環境,2012,21(12)∶1468-1479.

[35]劉紀遠.中國資源環境遙感宏觀調查與動態研究[M].北京：中國科學技術出版社,1996∶158-188.

[36]Cai Zucong,Kang Guoding, Tsuruta H,etal.Estimate of CH4 Emissions from Year-round Flooded Rice Field During Rice Growing Season in China[J].Pedosphere,2005,15(1)∶ 66-71.

[37]賴力.中國土地利用的碳排放效應研究[D].南京：南京大學碩士學位論文,2010.

[38]方精云,郭兆迪,樸世龍,等.1981—2000年中國陸地植被碳匯的估算[J].中國科學(D輯),2007,37(6)∶804-812.

[39]徐國泉,劉則淵,姜照華.中國碳排放的因素分解模型及實證分析：1995—2004[J].中國人口·資源與環境,2006,16(6)∶158-161.

[40]IPCC.2006 IPCC Guidelines for National Greenhouse Gas Inventories[M].Japan：IGES,2006∶29-212.

[41]Blanchard O J,Quah D.The Dynamic Effects of Aggregate Demand and Supply Disturbances[J].The American Economic Review,1990,79(4)∶655-673.

[42]Ben S Bernanke,Jean Boivin,Pioter Eliasz.Measuring the Effects of Monetary Policy：A Factor-augmented Vector Autoregressive(FAVAR) Approach[J].Quarterly Journal of Economics,2005,120(1)∶387-422.

[43]高鐵梅.計量經濟分析方法與建模：Eviews應用及實例(第二版)[M].北京：清華大學出版社,2006∶280-282.

[44]David A Dickey,Wayne A Fuller.Distribution of the Estimators for Autoregressive Time Series with a Unit Root[J].Jounal of the American Statistical Association,1979,74(366)∶427-431.

[45]Robert F Engle,Clive William John Granger.Co-integration and Error Correction：Representation, Estimation,and Testing [J].Econometrica,1987,55(2)∶251-276.

[46]Lutkepohl, Helmut.Introduction to Multiple Time Series Analysis[M].New York：Springer Verlag,1991.