中國城市碳排放的空間格局及影響機制
——基于285個地級市截面數據的分析

(華北水利水電大學 測繪與地理信息學院,河南 鄭州 450046)

城市是人類能源活動和碳排放集中分布的區域,城市直接和間接產生的碳排放占全球碳排放的絕對主體[1]。國際能源署的統計數據顯示,2007年我國的碳排放總量已超過美國,成為全球第一大排放國,且呈持續增長的趨勢[2]。面對日益增長的碳排放和國際減排壓力,我國承諾爭取到2020年碳排放強度比2005年下降40%—45%[3],城市是實現減排目標的主要執行單元之一,所以減排目標的實現不僅依賴于國家層面宏觀的碳減排政策,更依賴于市域層面具體實施節能減排行動[4]。近年,國內外學者從不同空間尺度圍繞區域碳排放的空間差異及影響因素開展了大量研究。就國家層面而言,宋德勇[5]、朱勤等[6]對我國城市碳排放的影響因素進行了分析,并對碳排放的周期波動特征進行了實證研究，量化了各種影響因素的貢獻率;林伯強[7]等用修正后Kaya恒等式研究了我國當前城市化階段碳排放的影響因素。國外學者一般是從人口規模[8]、城市化水平[9]、能源消費[10]等因素分析與碳排放之間的關系。區域尺度上,部分學者采用LMDI因素分解模型、SVAR模型、STIRPAT模型、Kaya恒等式、協整分析、格蘭杰因果關系檢驗、計量經濟模型等方法對北京[11]、廣東[12]、江蘇[13]、新疆[14]等省市碳排放的區域特征及其影響因素進行了研究。城市尺度上,Wang等[15]以北京為例，對CO2的影響因素進行了實證分析,發現城市化水平、經濟增長和產業結構是碳排放增加的主要因素;方創琳等[16]從城市形態的角度入手,以我國30個省會城市為例,量化了城市形態對碳排放的影響。目前,碳排放空間格局研究也是區域碳排放研究的熱點之一,但大多只是從國家層面和省級尺度進行了研究。

以上研究主要集中在國家層面[17]和省級[18,19]尺度,而對我國城市碳排放的空間差異及影響機制研究還需進一步加強。本文在對我國285個城市碳排放進行核算的基礎上,通過構建計量模型定量解析城市碳排放的影響機制,開展了城市碳排放不同類型區的的劃分,并提出了不同類型區城市低碳發展的策略,有助于為城市層面的碳減排和不同類型城市低碳道路的選擇提供實踐指導。

1 理論框架、數據來源與研究方法

1.1 理論框架

城市碳排放是一個受多種要素相互作用形成的復雜系統。一方面,城市碳排放和碳流通涉及到城市生產、消費和流通的各個環節;另一方面,城市碳排放受城市規模、人口、城市化水平、能源和產業結構、經濟發展水平和階段等因素的影響,如人口因素將直接或間接影響碳排放。隨著人口規模的擴大,人類對自然資源需求隨之增加,將直接導致能源消耗增加,促進居民消費碳排放增長。此外,人口密度的提升會直接或間接導致交通擁堵,從而產生巨量交通碳排放。城市化是通過間接作用方式引起經濟活動、居民消費、交通、產業結構等領域的變化,從而促進碳排放增長。城市經濟增長主要帶動消費和能耗增加。隨著經濟水平的提高,居民可支配收入增加,居民在衣食住行等方面的需求不斷增加,因此需要更多的能源投入。此外,城市經濟水平的提高離不開投資和出口,這兩者都需要消耗大量的能源。城市碳排放主要來源于能源消耗,其中又以第二產業的能耗最大,它在生產、消費、流通過程中表現出了高能耗、高排放、高污染特征。伴隨著第三產業快速發展,例如能耗較高的交通運輸業也在一定程度上影響著城市碳排放(圖1)。

圖1 城市碳排放的構成及其影響機制分析

1.2 數據來源

從市域單元尺度構建2013年我國能源消費碳排放及社會經濟的截面數據庫。其中,地級單元共285個(地級以上城市數量參考2014年的《中國城市統計年鑒》),包括4個直轄市(北京、上海、天津、重慶)和281個地級市(三沙、銅仁、畢節、拉薩、普洱、香港與澳門特區、臺灣地區的數據不全或統計口徑不一致,因此未包含在本研究中,下同)。本文收集整理了2013年各城市年度統計數據,包括GDP(萬元)、人口(年末城市和非農總人口，萬人)、行政區域土地面積(km2)、工業生產總值(萬元)、三次產業產值、化石能源(煤炭、石油、天然氣)消耗量(萬t)。本研究數據主要來自2014年的《中國城市統計年鑒》、《中國能源統計年鑒》、《中國區域經濟統計年鑒》、《中國統計年鑒》等。需要說明的是:由于部分省份缺乏城市層面的能源消費數據,本文采用省級尺度的能源消費數據,結合各城市的GDP、人口等指標對城市的能源消費量進行了分解和推算。同時,由于城市數量較多,數據收集較為困難,且2013年的各類數據相對完整,因此本文采用2013年的截面數據對城市尺度碳排放進行研究,重點探討了城市碳排放空間格局及其影響機制。

1.3 研究方法

城市碳排放核算方法:借鑒IPCC的計算方法,確定各種能源消費碳排放的計算公式為[20]:

CEenergy-i=Qenergy-i×Henergy-i×(Cenergy-i+Menergy-i)

2.5 敲低 lncRNA-8439 能降低 nanog 表達水平和腫瘤細胞懸浮球數量 使用 siRNA-2 在 Huh7和 Hep3B 細胞中敲低 lncRNA-8439 的表達后，分別收集細胞利用實時熒光定量 PCR 和蛋白質印跡法檢測 nanog 的表達量，結果顯示干擾組中的 nanog 表達量在 RNA（圖5A）和蛋白水平（Huh7 細胞：40.57±1.19 vs 435.81±6.75，Hep3B：18.50±0.75 vs 470.13±2.18；圖5B）均降低，與對照組相比差異均有統計學意義（P 均＜0.01）。同時，干擾組的腫瘤細胞懸浮球數量明顯少于對照組（圖5C）。

(1)

式中,CEenergy-i為第i種能源的碳排放量;Qenergy-i為第i種能源的消費量;Henergy-i為第i種能源的凈發熱值;Cenergy-i為第i種能源的碳排放系數;Menergy-i為第i種能源的CH4排放系數。Cenergy-i=Ai×Bi,Ai為缺省碳含量,Bi為缺省二氧化碳因子。

城市碳排放聚類分析方法:進行碳排放區域及影響因素差異分析,首先需要辨識不同城市間的相似性及差異,然后分析影響碳排放區域差異的諸多因素,在此基礎上對其進行綜合評價。聚類分析是統計學上定量分析樣本之間的親疏關系,并按這種親疏關系程度對樣本進行聚類的方法,目的是使聚類內部差異最小,類間差異最大。通過K-均值聚類(K-Means)方法,解析我國285個城市碳排放區域及影響因素差異。在聚類分析過程中采用歐式距離(Euclidean Distance)測度城市碳排放及影響因素樣本距離,歐式距離計算公式為[21]:

式中,x、y分別為城市樣本。K-均值聚類分析中,首先需要選取k個凝聚點,本研究選取了4個凝聚點,即k=4,然后根據“最近距離”原則將所有的樣本分到事先確定的4個類別中。本研究借助SPSS統計軟件確定4個類別的初始聚類中心,并以此來計算每個城市樣本到4個聚類中心的歐式距離,然后得到4個城市類別,計算出各類別中每個變量的均值,用此均值點作為新聚類中心。根據新的中心位置，重新計算每個樣本到新中心的距離,最后得到新的分類,再重復以上步驟,直到滿足終止聚類的條件。

2 結果分析

2.1 碳排放核算及其區域差異分析

從城市碳排放的空間分布看,我國城市碳排放量總體上呈“東部高、西部低，北部高、南部低”的空間格局。從東向西依次看,碳排放量在空間上呈現出“高—低—高—低”的特征(圖2)。城市碳排放具有聚集特征,東北工業經濟區、京津冀經濟區、成渝經濟區和長三角經濟區是高碳排放量集聚地。這些區域內重點城市的經濟、產業、人口體量很大,直接影響區域碳排放。因此,基于區域內重點城市采取有針對的碳減排政策,必將帶動區域產生連鎖反應。從碳排放強度分布圖看,我國市域碳排放強度的空間差異較明顯,大體呈“西高東低”的特征。碳排放強度也存在明顯的聚集特征,西部以甘肅、貴州為中心,是高碳排放強度聚集地,中部以山西為中心表現出高碳排放強度特征,而東部和部分中部地區城市碳排放強度相對比較低。碳排放量與碳排放強度分布在空間上差異明顯,且存在不匹配現象,所以未來東部城市應重點考慮降低碳排放總量,而中西部城市應著重強調降低單位GDP的CO2排放。

圖2 中國城市碳排放量及其強度的空間分布特征

2.2 中國城市碳排放的影響機制分析

指標選取和模型建立:根據已有的城市碳排放研究[22],經濟發展水平、人口增長、城市化水平和產業結構等與碳排放有著密切的關系。因此,本研究選取人均GDP、人口密度、人口數量、GDP、第二產業比重、第三產業比重和城市化水平等7個指標作為自變量,碳排放量為因變量,以分析城市碳排放的影響機制。其中,人口數量和人口密度代表人口因素,人均GDP和GDP代表經濟水平因素,第二、三產業所占比重代表產業結構因素,城市化水平代表城市當前發展的程度(表1)。

表1 主要變量定義

結合選取的指標,設定以下計量回歸模型:

lnY=b0+b1lnx1+b2lnx2+b3lnx3+b4lnx4+b5lnx5+b6lnx6+b7lnx7+ε

(3)

我國城市碳排放影響因素的回歸分析:本研究采用2013年我國285個城市橫截面數據，不考慮變量間相關性,直接將自變量與因變量進行簡單多元線性回歸分析,得到以下回歸結果:

lnY=-0.282-0.417lnx1-0.18lnx2-0.125lnx3+1.099lnx4+0.721lnx5+0.362lnx6+0.064lnx7

(4)

回歸方程中,R2=0.862,調整R2=0.858,回歸方程擬合較好,但部分回歸系數并不顯著,說明變量間可能存在相關性,因此簡單的線性回歸分析不能有效地解釋碳排放量和各影響因素間的關系。計算變量間的偏相關系數,得到系數矩陣(表2)。從表2可見,變量間確實存在著相關性。如人均GDP水平與GDP之間的相關性為0.636,人均GDP水平與城市化水平之間的相關性達到0.705等,自變量之間存在的相關性會造成參數估計的不穩定,會對模型的擬合和結果帶來嚴重的影響,所以必須先消除變量間相關性,最后采用主成分回歸分析來消除變量間相關性。

表2 變量間相關系數矩陣

主成分分析是在多個原始變量中通過實際的內部相關性來獲取新變量,此方法可找到幾個綜合因子來代表原來的變量,這樣做既能減少分析指標個數,又能反映原始指標絕大多數的信息(表3)[23]。首先對所有變量取自然對數,然后計算各變量間相關矩陣,得到矩陣的特征值,最后通過特征值分別計算出對應的主成分表達式(F)。

表3 主成分統計信息

由表3可知,特征值大于1且累積貢獻率大于85%的有三個特征根,故提取出第一、二、三主成分,根據因子得分矩陣,構建主成分與各變量之間的線性關系,三個主成分表達式分別為:

F1=0.43lnx1+0.39lnx2+0.30lnx3+0.58lnx4+0.05lnx5+0.30lnx6+0.37lnx7

(5)

F2=0.44lnx1-0.20lnx2-0.46lnx3-0.03lnx4+0.52lnx5-0.38lnx6+0.38lnx7

(6)

F3=-0.18lnx1+0.37lnx2+0.39lnx3+0.12lnx4+0.53lnx5-0.51lnx6-0.34lnx7

(7)

由于各主成分間互不相關,可用提取的主成分代替自變量進行回歸分析。這里將主成分得分作為自變量,與碳排放量進行多元線性回歸分析,得到以下回歸方程:

(8)

由于F2的回歸系數沒有通過顯著性水平檢驗,所以將該表達式從模型中移除,將F1、F3的表達式代入式(6),最終模型為:

(9)

從回歸分析結果可見,人均GDP每增加1%,城市碳排放量增加0.16%,說明我國城市的人均GDP與碳排放量呈正相關關系。GDP每增長1%,碳排放量將增加0.26%。我國目前正處于工業化中期階段,該階段的重要特點是經濟發展速度明顯加快,工業能源消耗大,并產生巨量碳排放。總體上,經濟因素對碳排放增長有正向的作用,未來應通過能源結構調整,提高能源效率,降低單位GDP的碳排放強度,以實現碳減排與經濟增長共贏。

人口密度每增加1%,碳排放量增加0.2%;人口數量每增加1%,碳排放量增加0.17%,說明人口因素對碳排放增長起正向作用。人口增加意味著對交通、能源、部分公共設施的需求不斷增加,在某種程度上加大了對化石能源的需求,增加碳排放。城市化水平每提高1%,城市碳排放量會增加0.19%。城市化過程中,一方面城市人口在不斷增長,另一方面城市是人口的集聚地,能源和資源需求不斷加大,會直接或間接增加碳排放量。

第二產業比重每增加1%,城市碳排放量會增加0.07%,說明第二產業比重與碳排放量之間呈正相關關系。改革開放后,我國工業經濟迅速發展,工業在國民經濟中居于主導地位,工業的快速發展加大了對能源的需求,而大量使用煤、石油、天然氣必然導致碳排放量增加。城市發展過程會引起產業結構不斷演變。在城市發展早期階段,第一產業占很大比重,隨著城市的高速發展,第二產業比重不斷提高,加大了對能源的需求,所以碳排放總量增多難以避免。

第三產業比重每增加1%,城市碳排放量會增加0.08%,說明第三產業比重與碳排放量呈正相關關系。當前，我國第三產業正處于快速發展階段,且尚未定型,其內部結構的優化難度低于工業[24]。第三產業雖然屬于低排放產業,但內部存在著像交通運輸業等碳排放較高的行業。隨著城市的不斷發展,第三產業比重在不斷提高,帶來的交通碳排放逐漸成為不可忽視的問題。未來我國第三產業內部的產業結構需要進一步優化,減少第三產業能源消費的碳排放。

表4 市域碳排放影響因素聚類評價指標

2.3 基于聚類分析的我國城市碳排放類型區劃分

合理選擇評價指標是分析城市碳排放影響因素差異的前提。本文探討了人均GDP水平、城市化水平、人口密度、人口、GDP、第二次產業比重、第三次產業等因素對碳排放的影響?？紤]到變量間的相關性(表2)和研究的尺度問題,剔除相關性較強的城市化水平、人口密度、人口、GDP、第三次產業比重指標?？紤]到碳排放強度指標的重要性,采用人均碳排放、人均GDP、第二產業比重和碳排放強度4個指標對我國地級城市的碳排放進行聚類分析(表4)。在聚類分析之前,首先對原始數據進行標準化處理(均值為0,方差為1),目的是統一量綱。然后,通過SPSS軟件的K-均值聚類(選取初始K值為4)功能將285個城市分為4類(圖3)。

圖3 中國城市碳排放影響因素的類型區分布

第一類區域城市的特點是人均GDP高與人均碳排放量均較高,但碳排放強度和第二產業所占比重較低,代表城市有北京、哈爾濱、西安、黃山、張家口、開封、?？诘?。這類城市的內部產業結構正在不斷優化,開始形成以低碳環保的現代服務業和旅游業為經濟支柱。該區域碳排放水平主要受居民生活方式和低碳理念的影響,所以應繼續發展與低碳相關的服務業和旅游業,宣傳低碳生活方式,使低碳理念深入人心。

第二類區域城市的特點是第二產業比重與碳排放量均較高,但有著較低的碳排放強度,代表城市有天津、呼和浩特、沈陽、上海、南京、廣州、深圳等。雖然這類城市的資源稟賦缺乏,但內部高耗能產業占地區工業產值的比重低,人均碳排放也低,內部產業結構優化程度較高，隨著經濟水平不斷提高,碳排放總量可能會繼續增加,但碳排放強度會維持在較低水平。由于資源稟賦缺乏,區域具有大力發展風能、核能、太陽能等可再生能源的潛力，因此在低碳轉型過程中應注重能源供給結構調整,建設現代新型能源體系。此外,應繼續優化產業結構,加強技術創新,增強關鍵低碳技術的自主創新能力。

第三類區域城市的特點是人均碳排放高、人均GDP較低,城市碳排放量與碳排放強度相匹配,即同時有著較高的碳排放量和碳排放強度。這與白宏濤[25]、王少劍[26]等的研究結果一致,代表城市是太原、大同、晉城、晉中、運城、臨汾、貴陽、六盤水、遵義、安順、蘭州等。由于特殊的自然資源稟賦,在發展資源能源密集型產業方面具有獨特優勢,因此這些城市內部高耗能工業占比非常高。目前這些城市的工業經濟正處于快速發展中,所以第二產業的比重會持續提高,碳排放量也會不斷增多。由于煤炭使用比例高、低碳技術相對落后,導致這些城市碳排放強度高。所以，未來應該圍繞產業結構調整,推進供給側結構性改革,推動傳統產業向低碳產業發展,重點強調降低碳排放強度的努力程度。

第四類區域城市的特點是第二產業比重高和碳排放強度較高,代表城市是成都、重慶、石家莊、邯鄲、保定、長春、合肥、馬鞍山、安慶、濰坊、鄭州等。這些城市的資源稟賦差異較大,但基本都處于經濟快速發展階段,典型的特征就是嚴重依賴碳能源的相關產業,所以這類城市經濟發展水平相對較低而碳排放強度較高。未來這些城市在發展碳能源相關產業時,應提高能源利用效率,重心向清潔能源和節能環保等產業發展,構建具有區域特色的低碳產業體系,探索適合本地區的低碳發展路徑。

2.4 討論

城市碳排放及其強度的空間差異:本研究基于我國285個城市2013年的一次能源消費和社會經濟截面數據對我國市級層面碳排放量及碳排放強度進行測算,得到的結果與其他研究相似。鄭長德、劉帥[27]的研究表明,碳排放量與經濟增長有一定的關系,東部發達地區碳排放量明顯高于西部地區;劉永偉[28]對我國省級單元碳排放進行了計算,結果表明各省碳排放量的區域差異呈現“高—低—高—低”的變化趨勢;顏艷梅等[29]根據IPCC的計算方法對我國各省市碳排放強度進行了計算,結果表明我國各省市碳排放強度整體上呈現“南低北高、東低西高”的格局,本文與其他研究結果基本一致。

城市碳排放的影響因素:本文的碳排放影響因素研究結果與其他研究基本一致。不同學者從國家、省、城市層面對碳排放因素進行了研究,大部分研究結果表明人均GDP水平、城市化水平、人口密度、人口規模、GDP和第二、三次產業比重等因素對碳排放有顯著影響。Shafik[30]、Hatzigeorgiou[31]、宋德勇和盧忠寶[5]、馮相昭和鄒驥[32]等研究表明，經濟水平因素與碳排放之間存在正相關關系;Zha[33]、Puliafito[34]研究結果表明，人口因素和城市化水平對碳排放的增加有明顯的作用;Wang[35]、王少劍[36]、盧愿清和史軍[24]研究表明,產業結構中第二、三產業比重提升對碳排放具有明顯的促進作用。但本文的研究結果與其他研究也有不同之處：關海玲[37]、周葵[38]的研究表明,城市化水平每增長1%,碳排放量將相應增加1.6%—1.8%，而本文的結果是城市化水平每增長1%,城市碳排放量會增加0.19%。出現差異的原因有兩點：一是城市化水平的測度指標不同,關海玲、周葵的研究采用城市人口占總人口比重來衡量;二是他們的研究是以國家為研究尺度,沒有將城市化水平細分到省市級層面上。

研究尺度的差異:以往研究尺度大多選擇的是國家層面[6-8]和省級層面[19,20],由于碳排放的影響因素和空間格局在不同尺度有所差異,因此本文從城市層面對碳排放的影響因素與空間差異進行了探討,并同國家和省級層面的研究進行了對比。

不足之處:動態面板數據相比于靜態數據可靠性更強,動態面板涵蓋了時間序列和橫截面數據,可以反映多地區的時空變化趨勢。由于城市層面不同類型數據收集和匹配較困難,本文未開展市域層面碳排放空間格局與影響因素的時間尺度變化分析;囿于指標量化的可能性和數據的可得性,本文僅考慮了人口因素、城市化水平因素、經濟水平因素和產業結構因素,未來研究應將更多指標融入系統之中。今后應進一步開展我國不同城市長時間序列能源消費和碳排放活動數據的調查和收集,以建立更完整的城市碳排放數據庫,為準確評估城市碳排放的時空變化特征提供科學依據。

3 結論與政策建議

主要結論為:①碳排放量與碳排放強度分布在空間上有明顯差異,且存在不匹配現象。碳排放量總體上呈現“東高西低”的態勢,而碳排放強度大體呈“西高東低”的特征。②人口、經濟水平、產業結構因素是城市碳排放的關鍵影響要素。隨著城市化進程、經濟發展、人口增長和第二、三產業比重的提升,推動了城市碳排放量的大幅增長。③依據碳排放及其強度差異,我國城市可以分為四種類型,各類城市碳排放的主導影響因素具有明顯差異。

主要策略:①構建清潔低碳能源體系。相對于碳排放量和碳排放強度較高的城市，應強化能源消費總量和強度雙控,大力調整能源結構,堅持“節約優先”的能源戰略,著力提高綠色清潔能源消費比重,并結合不同城市碳排放及其驅動機制的差異,實施以低碳為導向的差別化考核與管理機制。②推動產業結構優化升級,打造低碳產業體系。針對碳排放量較高的第二產業應加快產業結構調整,積極控制工業領域排放,并增加城市生態系統碳匯。③推動城市向低碳方向發展。優化城市主體功能區和空間布局,加強城市低碳化建設和管理,加快推進低碳交通運輸體系的建設。④針對不同類型城市,應在充分考慮能源和產業結構、人口和城市規模、經濟發展階段的基礎上,采取側重點不同的低碳發展策略。⑤建立不同區域城市橫向碳補償機制。由于不同城市的碳排放及其強度具有較大的空間差異,為實現城市均衡發展,建議實施城市之間的橫向碳補償,并作為全國統一的碳交易市場的補充。⑥加快建立以綠色生產和消費為導向的低碳循環發展的城市經濟體系,大力倡導綠色、低碳、健康文明的生活方式和消費模式,通過宣傳和引導,增強市民的參與,更好地推動城市向低碳方向轉型。