泛長三角地區碳生態效率的空間格局及影響因素

李平星

1 中國科學院南京地理與湖泊研究所, 南京 210008 2 中國科學院流域地理學重點實驗室, 南京 210008

世界環境與發展委員會將可持續發展定義為“滿足當代人類的需求而不損害子孫后代滿足他們自己需求的能力”[1-2],開展可持續發展水平評估是解析發展問題并尋求相應對策的科學基礎。生態效率兼顧經濟社會活動的生態環境影響與經濟社會效益,在評價可持續發展水平方面被學者廣泛應用,其評價涉及從微觀到宏觀的企業、行業、區域與國家等多個層面[3- 5]。生態效率的概念由Schaltegger和Sturn兩位學者于1990年首次在學術界提出,指的是經濟社會活動產生的增加值與其對環境造成的破壞之比,其核心思想是以較少的資源消耗、較小的環境影響創造較高的社會價值[6- 7]。Claude Fussler將生態效率的概念引入我國,學者在方法探討、指標選擇、效率評價、因素解析等方面開展了大量研究工作[8-9]。資源消耗及其產出效率是生態效率評價的重要領域,在全球氣候變化、中國節能減排的背景下,能源效率研究成為近年來學者關注的焦點[5,10-11],研究內容包括評價指標、評價方法與模型,以及能源效率的時序變化規律、空間差異特征、影響因素等[12- 16]。評價指標與方法的選擇是研究開展的基礎,包括基于全要素生產理論的能源效率評價[11,17-18]、能源消費與非期望產出的關系評價[19-20]、整合非期望產出與期望產出的效率評價[21]等。

碳排放是能源消費的非期望產出之一,是全球氣候變化的直接影響因素,也與經濟社會發展有直接關系[22]。作為全球最大的碳排放國家,中國能否有效控制碳排放對于全球氣候變化有不可忽視的意義[23]。能源生態效率研究往往將碳排放作為效率評價的表征指標或非期望產出,以此反映碳排放與經濟增長之間的關系,如 Wang 等構建了考慮CO2排放量在內的環境效率、經濟效率、經濟-環境效率評估指標研究開展碳減排與經濟增長的情景研究[24]；王強等將GDP與碳排放量融合成一項綜合產出指標研究中國區域能源效率時空分異特征[21]；Zaim和Taskin[22]、Rashidi和Frazipoor Saen[25]將碳排放作為非期望產出之一,綜合其他指標衡量部分OECD國家的生態效率；關偉和許淑婷綜合CO2排放量與其他污染物排放等非期望產出測度能源生態效率,研究中國能源生態效率的空間格局[5]；等等。雖然已有研究通過碳排放規模、排放強度等揭示了經濟發展帶來的環境效應[26- 29],但是缺乏基于效率視角的研究,而且偏重于碳排放與經濟產出的關系、較少涉及碳排放的社會效應。此外,大量研究主要集中在國家、省等宏觀尺度,對城市關注較少。

與規模、強度不同,效率從產出視角研究碳排放帶來的經濟社會效益,可以更加直接地反映碳排放對經濟社會的支撐能力,碳生態效率越高,表明同樣的碳排放帶來的經濟社會效益越大[5]。因此,依托生態效率、能源生態效率以及碳排放與經濟社會發展關系的研究基礎,本文提出碳生態效率的概念,作為衡量生態效率和能源生態效率的具體表征,核心導向是以較少的碳排放創造較高的經濟社會收益。基于“社會-經濟-自然復合生態系統”的內涵[30],從自然系統的合理性、經濟系統的利潤和社會系統的效益3個維度進行構建評價指標,以碳排放反映自然系統的合理性和環境影響,以地區生產總值體現經濟系統的利潤,以常住人口規模體現社會系統的效益,即以單位碳排放的GDP(地區生產總值,gross domestic product)產出和單位碳排放的人口承載規模表征碳生態效率。在此基礎上,以經濟關聯密切的泛長三角地區為案例,研究地市尺度碳生態效率的時空差異和影響因素,旨在推動研究由碳排放總量、強度向碳生態效率深化、由省域尺度向城市尺度延伸,并揭示經濟社會格局變化過程中碳生態效率的區域差異,為發展低碳經濟、推進區域協同減排提供參借鑒和示范。

1 研究區與研究方法

1.1 研究區概況

圖1 泛長三角地區位置與行政區劃圖Fig.1 Location and administrative map of PYRD

泛長三角地區包含上海市以及江蘇、浙江、安徽、江西四省,是長江三角洲世界級城市群及其輻射帶動的區域。不考慮2011年安徽省巢湖市拆分因素,地區共52個市。其中上海市和江蘇省的南京市、無錫市、常州市、蘇州市、鎮江市、南通市、揚州市、泰州市,浙江省的杭州市、嘉興市、湖州市、寧波市、紹興市、臺州市、舟山市,共16個市作為泛長三角地區的核心區,其余36個城市作為外圍地區[31](圖1)。2000—2014年,地區生產總值、人口規模分別增長491.39%和2.55%,能源消費導致的碳排放量從2.41億噸增長至8.44億噸,呈現總量增長快、區域差異大的特征[32-33]。受到經濟發展、人口分布格局變化因素的影響,碳生態效率時空格局可能呈現不同的特征。研究以泛長三角各市能源消費導致的碳排放為對象,基于數據可獲得性高、指標簡單明了、反映主要能源消費的碳排放等原則,分別以單位碳排放的GDP產出反映經濟效益、以單位碳排放的人口承載規模反映社會效益,對各市碳生態效率進行評價。鑒于2011年安徽省拆分巢湖市,為保證年份間數據可比性,根據2014年合肥、蕪湖、馬鞍山三市的統計年鑒、統計公報等數據組合出原巢湖市的數據。

1.2 研究方法

1.2.1 能源消費碳排放核算

各市能源消費碳排放依據IPCC碳排放計算指南進行核算[34]。首先,綜合確定各市主要化石能源的消費量,包括原煤、燃料煤、焦炭、原油、汽油等細類[35]；其中,省級層面的數據來源于《中國能源統計年鑒》,市級層面的數據主要來源于各省和各市的統計年鑒或能源利用狀況白皮書,并通過《中國能源統計年鑒》中的省級層面能源消費數據進行校正；鑒于電力、熱力生產導致的能源消費已基本包含在上述主要能源消費中,外來電力導致的碳排放不在本地發生,故暫不考慮其碳排放。其次,根據《中國能源統計年鑒》確定的相應能源的標準煤折算系數,將各市能源消費的實物量轉換為標準煤量。第三,根據IPCC確定的相應能源的碳排放系數[32,34],得到各市碳排放量。計算公式如下：

(1)

式中,Ci表示i市的碳排放量,Eij表示i市j種能源的消費量,kj表示j種能源的碳排放系數,分別為：原煤、洗精煤,0.7559；焦炭,0.8550；其他焦化產品,0.6449；原油,0.6449；汽油,0.5538；柴油,0.5714；燃料油,0.6185；其他石油制品,0.5857；液化石油氣,0.5042；天然氣,0.4483；焦爐煤氣,0.3548；煉廠干氣,0.4602；其他煤氣,0.3548。

1.2.2 碳生態效率評價

以單位碳排放的GDP產出和人口承載規模反映碳生態效率,計算公式為：

(2)

(3)

式中,Ci表示i市的碳排放量,CEi和CPi分別表示i市的經濟產出效率和人口承載效率,GDPi和POPi表示i市的地區生產總值和常住人口規模。2000年人口規模來自《2000年人口普查分縣資料》,2014年人口規模和2000、2014年地區生產總值數據來自各省市統計年鑒,GDP指該市2000和2014年的名義GDP。

1.3 空間分布格局與影響因素解析

1.3.1 空間自相關分析

為進一步揭示區域碳排放總量的空間依賴、空間關聯或空間自相關特征,采用空間自相關方法度量空間單元屬性值集聚程度[5,36]。全局空間相關測度研究區域內所有空間對象的總體關聯程度、空間分布模式及其顯著性,全局Moran′sI指數為：

(4)

式(5)為Z檢驗統計量,E(I)為期望,Var(I)為方差。

(5)

全局空間自相關假定空間同質,無法反映局部集聚特征,因此進行局部空間自相關分析。局部空間自相關反映每個市與相鄰市之間的空間關聯程度,局部Moran′sI指數為[37,38]：

(6)

式中,Ii為i市的局部Moran′sI指數,w為空間權重矩陣,wij表示空間單元i和j之間的影響程度,zi為z標準化后i市的屬性值。Ii的取值范圍為[-1, 1],小于0表示負相關,值越小,表示該空間單元與鄰近單元的屬性值不相似性越高(L-H聚集、H-L聚集)；等于0表示不相關；大于0表示正相關,值越大,該空間單元與鄰近單元的屬性值相似性越高(H-H聚集或L-L聚集)。

本文以Geoda為分析軟件,以2014年為對象,采用Univariate LISA(空間關聯的局部指標,Local Indicators of Spatial Association)分析碳生態效率的空間聚類狀況,采用Multivariate LISA分析碳生態效率與各影響因素之間的空間相關性。

1.3.2 逐步回歸分析

在通過空間自相關分析揭示碳生態效率與影響因素單獨相關結果的基礎上,采用逐步回歸分析方法解析關鍵因素,并避免影響因素的多重共線性問題。碳生態效率反映碳排放與經濟社會發展之間的關系,其影響因素與碳排放規模、強度具有類似性[5,39-40]。考慮到碳生態效率更多地體現一種碳排放的效率、而非總量,因此偏重于選擇表示結構、水平等的指標。其中,人均地區生產總值衡量經濟發展水平,以PCGDP(GDP per capita)表示；城鎮化率衡量城鎮化水平,指城鎮常住人口占比,以URN(Urbanization rate)表示；工業、服務業增加值占地區生產總值比重表征產業結構,分別以IND(Proportion of industry added value accounting for GDP)和SER(Proportion of service industry accounting for GDP)表示；固定資產投資額、進出口總額占地區生產總值的比重表示經濟增長結構,分別以FAI(Proportion of fixed assets investment accounting for GDP)和I&E(Proportion of import & export value accounting for GDP)表示；R&D經費占地區生產總值比重衡量技術水平,以R&D(Proportion of R&D input accounting for GDP)表示；環保投資占比衡量對環境保護和污染治理的重視程度,考慮地市層面數據可獲得性,以工業污染治理投入占工業增加值的比重計算,以ENV(Proportion of environmental protection investment)表示；煤炭類能源消費量占全部能源消費量的比重衡量能源結構,以ENG(Energy Consumption Structure)表示。以2014年碳生態效率(包括經濟產出和人口承載效率)為因變量,回歸分析模型為：

Y=μ+∑k1[PCGDP]+∑k2[URBAN]+∑k3[IND]+∑k4[SER]+∑k5[FAI]+∑k6[I&E]+∑k7[R&D]+∑k8[ENV]+∑k9[ENG]+ε

式中,Y表示經濟產出效率或人口承載效率,μ為常數項,k1—k9表示回歸系數；[]表示相應的解釋變量,ε為隨機誤差。

2 碳生態效率與空間格局

2.1 經濟產出效率

圖2 2000和2014年經濟產出效率及分類Fig.2 Economic output efficiency and its classification in 2000 and 2014

2000和2014年,泛長三角地區的經濟產出效率分別為0.99和1.94萬元/噸碳,增長近97%。依據“Natural Breaks”對各市經濟產出效率的分級結果表明,泛長三角地區經濟產出效率格局呈現明顯的差異,總體呈現低值區向外圍地區轉移、高值區向核心區轉移的態勢(圖2)。2000年,低值區主要集中在安徽和江西沿江地區,高值區則主要分布在蘇北和贛南；到2014年,核心區和浙南的高值區明顯增多,而外圍的高值區轉變為中值區或中低值區,安徽沿江仍以低值區和中低值區為主。2000和2014年,空間自相關指數分別為0.2343和0.3399,且兩個年份的檢驗統計量z值均在0.05的置信區間下通過檢驗,表明經濟產出效率存在較強的空間集聚性和互相關聯現象,且集聚和關聯度明顯增長。

圖3 2000—2014年經濟產出效率變化分類 Fig.3 Classification of the variation of economic output efficiency from 2000 to 2014

2000—2014年,各市經濟產出效率變化幅度較大,在-43%至455%之間,大部分增速在120%以下、個別城市產出效率降低。根據實際情況,劃分≤0為降低型、(0,50%]為慢速增長型、(50%,100%]為中速增長型、(100%,200%]為較快增長型、>200%為快速增長型(圖3)?？焖僭鲩L區主要分布在環鄱陽湖地區,較快增長區分布在蘇南地區和浙江沿江,降低區主要分布在贛東北和贛南地區,蘇中和蘇北、安徽和浙江的大部分地區以中速增長和慢速增長區為主。2000—2014年經濟集聚效率增幅的空間自相關指數為-0.0494,z值未在0.05置信區間下通過檢驗,表明各市經濟產出效率變化的空間關聯特征不明顯,臨近市差異較大。

2.2 人口承載效率

與經濟產出效率相比,2000和2014年的人口承載效率分別為0.95人/t和0.31人/t,大幅下降68%。各市分級結果表明,人口承載效率空間格局變化不明顯,主要表現為外圍地區高、核心地區低(圖4)。2000年,核心區人口承載效率以低值區和較低值區為主,而高值區則分布在蘇北和贛南地區；到2014年,皖北地區高值區增加,贛南地區仍以高值區為主,而核心區仍以低值區和較低值區為主。2000和2014年,空間自相關指數分別為0.2570和0.2722,z值均在0.05置信區間下通過檢驗,表明人口承載效率具有一定的空間集聚性和關聯現象；與經濟承載效率相比,人口承載效率集聚度低、變化小、格局比較穩定。

圖4 2000和2014年人口承載效率及分類Fig.4 Population carrying efficiency and its classification in 2000 and 2014

2000—2014年,各市人口承載效率均下降,降幅在-93%至-23%之間,其中大部分市的降幅在-60%以下。根據實際情況,劃分≤-85%為快速降低型、(-85%,-75%]為較快降低型、(-75%,-65%]為中速降低型、(-65%,-55%]為較慢降低型、>-55%為慢速降低型(圖5)。外圍地區降幅更大,以快速降低區和較快降低區為主,其中贛南是快速降低區的主要分布區,蘇北和皖北是較快降低區的主要分布區。長三角核心區降幅較小,以較慢降低區和慢速降低區為主,兩者交錯分布；中速降低區處于中間,主要分布于安徽和浙江兩省。2000—2014年人口承載效率增幅的空間自相關指數為0.1348,且z值在0.05的置信區間下通過檢驗,表明人口承載有一定的空間集聚特征,但是空間集聚程度不很高。

圖5 2000—2014年人口承載效率變化分類 Fig.5 Classification of the variation of population carrying efficiency from 2000 to 2014

3 影響因素分析

3.1 碳生態效率與影響因素空間自相關分析

3.1.1 經濟產出效率

LISA結果表明,大部分影響因素與經濟產出效率具有明顯的關聯性,但關聯度差異明顯。產業結構對經濟產出效率影響最為明顯,其中服務業占比起到促進作用,而工業占比則起到抑制作用,表明服務業發展促進經濟產出效率的提高,有助于提高單位碳排放的經濟產出(表1)。進出口占比、環保投資占比的正相關性較高,表明外向經濟發展水平高、環保投資高的區域,經濟發展的效率較高。從聚類結果看,具有正相關性的因素,如服務業占比、進出口總額占比、環保投資占比、人均地區生產總值、城鎮化率等,以H-H和L-L集聚區為主,前者主要分布在經濟發達的東部沿海地區,后者主要分布在經濟發展相對落后、碳生態效率較低的西部沿江地區(圖6)。負相關的因素,如工業占比、固定資產投資占比等,以H-L和L-H集聚區為主,前者分布在東部沿海地區,而后者分布在西部沿江地區。

3.1.2 人口承載效率

與經濟產出效率相比,各因素與人口承載效率的相關性全部相反,對經濟產出效率起促進作用的因素,對人口承載效率起抑制作用(表1)。與人口規模與結構相關的兩個因素,人均地區生產總值、城鎮化率對人口承載效率起到較強的抑制作用,表明經濟越發展、城鎮化水平越高,人口承載效率越低。服務業占比、進出口總額占比、R&D投資占比等也起到較強的抑制作用,而固定資產投資占比、能源結構起促進作用,表明固定資產投資占比高、煤炭消費占比高的地區,人口承載效率較高,即人均碳排放量較少。負相關性較高的因素,如人均地區生產總值、城鎮化率、R&D投資占比等空間聚類格局類似,H-L集聚區集中在江蘇-浙江-安徽三省交界地區,該類城市的影響因素值較高、人口承載效率較低；L-H集聚區主要分布于安徽北部和江西南部,該類城市的影響因素值較低、人口承載效率較高(圖7)。

表1 碳生態效率與影響因素的全局Moran′s I指數

PCGDP,人均地區生產總值,GDP per capita；URN,城鎮化率,Urbanization rate；IND,工業增加值占地區生產總值比重,Proportion of industry added value accounting for GDP；SER,服務業增加值占地區生產總值比重,Proportion of service industry accounting for GDP；FAI,固定資產投資額占地區生產總值比重,Proportion of fixed assets investment accounting for GDP；I&E,進出口總額占地區生產總值比重,Proportion of Import & Export value accounting for GDP；R&D,R&D經費占地區生產總值比重,Proportion of R&D input accounting for GDP；ENV,以工業污染治理投入占工業增加值比重衡量環保投資占比,Environmental protection investment proportion；ENG,以煤炭類能源消費量占全部能源消費量的比重衡量能源結構,Energy consumption structure

圖6 經濟產出效率與影響因素LISA聚類圖Fig.6 LISA cluster maps between economic output efficiency and influencing factorsPCGDP,人均地區生產總值,GDP per capita；URBAN,城鎮化率,Urbanization rate；IND,工業增加值占地區生產總值比重,Proportion of industry added value accounting for GDP；SER,服務業增加值占地區生產總值比重,Proportion of service industry accounting for GDP；FAI,固定資產投資額占地區生產總值比重,Proportion of fixed assets investment accounting for GDP；I&E,進出口總額占地區生產總值比重,Proportion of Import & Export value accounting for GDP；R&D,R&D經費占地區生產總值比重,Proportion of R&D input accounting for GDP；ENV,以工業污染治理投入占工業增加值比重衡量環保投資占比,Environmental protection investment proportion；ENG,以煤炭類能源消費量占全部能源消費量的比重衡量能源結構,Energy consumption structure。LISA,是空間關聯的局部指標,即Local Indicators of Spatial Association,H-H、L-L、H-L和L-H為LISA聚類分析得到的4種空間聚類關系

圖7 人口承載效率與影響因素LISA聚類圖Fig.7 LISA cluster maps of between population carrying efficiency and influencing factors

3.2 影響因素多元回歸分析

經濟產出效率與各影響因素的逐步回歸OLS模型解釋度為58%,衡量產業結構的兩個指標——服務業占比和工業占比的相關性最高,表明產業結構是影響經濟產出效率的核心因素,與空間自相關分析結果基本一致,說明服務經濟越發達、工業經濟占比越低的城市,經濟產出效率越高(表2)。人口承載效率逐步回歸模型的解釋度為67%,城鎮化率是最主要的抑制因素,城鎮化率越高,人口承載效率越低。其次,工業增加值占比的抑制作用也很明顯,工業占比越高、同樣經濟產出的能源消耗越大,單位碳排放所承載的人口規模越小。

表2 碳生態效率與影響因素回歸結果

*、**、***分別表示P<0.10、P<0.05、P<0.01；模型因變量分別為經濟產出效率和人口承載效率,調整R2分別為0.580和0.668,均方差為0.196和0.020,F分別為36.892和35.806,Sig.均為0.000

這不同于空間自相關分析結果,說明工業增加值占比雖然具有較高相關性,卻不是人口承載效率的直接影響因素。此外,人均地區生產總值的抑制作用較為明顯,表明經濟越發展,人口承載效率越低。研發投入占比起到較為明顯的抑制作用,研發投入較高的城市經濟較為發達,其人口承載效率一般較低。

4 討論與結論

4.1 討論

本文基于“經濟-社會-自然復合系統”理論,以碳生態效率為研究對象,綜合考慮碳排放量與經濟、社會效益的關系,研究泛長三角地區各市2000和2014年經濟產出和人口承載效率變化,并采用定量分析方法揭示關鍵影響因素,對于揭示碳排放的經濟社會效益、解析時空格局和影響因素、豐富生態效率理論具有參考價值。

(1)研究認為基于經濟和社會綜合效益的碳生態效率評價更加符合“經濟-社會-自然復合系統”的理論框架,可以較為全面地反映碳排放與經濟社會產出的關系。已有關于碳排放與經濟社會發展關系的研究多通過碳排放量、碳排放強度和碳排放經濟效率等指標,本文以單位碳排放的GDP產出表征經濟效率、以單位碳排放的人口承載規模表征社會效率,能更加客觀全面地體現低碳經濟發展對碳排放的經濟和社會效益雙提升的要求。已有研究往往認為經濟產出效率的提高在經濟增速高于碳排放增速的情況下可以實現,本文針對泛長三角的研究結論與這一判斷基本一致,泛長三角整體及大部分城市的經濟產出效率明顯增長,碳排放量并沒有隨著經濟總量的增長而同步增加。這是因為經濟發展往往伴隨著產業結構改善、能源利用效率提升,使得單位產出的碳排放下降,帶來經濟產出效率提升,使得環境負荷有所下降[24,33]。然而,提高人口承載效率需要人口增速快于碳排放增速,實現難度較大。已有針對特定國家或區域的研究表明,經濟發展往往意味著生活水平的提高和生活方式的改變,帶來能源消費量和碳排放的增長,導致人均碳排放量增長、人口承載效率下降[41]。本研究結論證實了這一點,雖然泛長三角人口增速較快,但仍慢于碳排放增速,人口承載效率明顯下降。但是,部分城市已經出現指標同步改善的跡象,如上海、南京等經濟產出效率明顯增長、人口承載效率降速更低,與其對碳排放進行了更為嚴格的控制、經濟增長更快、人口集聚力更強有關。

(2)經濟產出效率和人口承載效率的空間集聚格局及其變化有明顯差異,兩者的影響因素呈現類別相似、作用方向不同的特征。經濟產出效率的空間自相關指數更高,集聚特征更加明顯,且總體上呈現低值區向外圍地區轉移、高值區向核心區轉移的態勢；而人口承載效率集聚度較低,核心區的人口承載效率明顯低于外圍地區。泛長三角核心區城市的經濟發展水平明顯高于外圍區城市,其單位地區生產總值碳排放較低、人均碳排放量較高,導致經濟產出效率更高、人口承載效率更低。從時間變化看,核心區城市經濟產出效率整體增長較快,而外圍區城市的經濟產出效率增長較慢、甚至個別城市出現下降。這可能與核心區城市產業結構優化和能源利用效率提升更為明顯、外圍區城市承接了較多的高能耗產業相關[21,32]。兩個效率指標的影響因素也存在明顯差異,總體表現為影響因素種類基本一致、作用方向明顯不同。首先,產業結構、尤其是服務業增加值等是兩者的主要影響因素,但對經濟產出效率起到促進作用,表明經濟發展階段越高、服務經濟越發達,等量的經濟產出帶來的碳排放量越小,這與服務經濟高碳能源消耗較少、而工業經濟能源消耗量較大有關；對人口承載效率起到抑制作用,則說明經濟發達地區的人均碳排放量越高?？臻g自相關分析結果也證實了這一點,經濟產出效率與影響因素以同向集聚(H-H和L-L集聚)為主,而人口承載效率與影響因素的關系更多體現為反向集聚(L-H和H-L集聚)。其次,經濟產出效率的影響因素更加簡單和清晰,主要是產業結構,而人口承載效率的影響因素較為復雜,人均地區生產總值、城鎮化率的作用較為明顯,表明經濟發達、城鎮化水平高的地區人均碳排放量較大、人口承載效率則較低,與人口承載效率的集聚格局類似。此外,由于R&D投入占比往往與經濟發展水平正相關,經濟發展水平較高的地區人口承載效率較低,因此R&D投入占比與人口承載效率呈現負相關關系。

4.2 主要結論與建議

與碳排放量、強度、經濟效益研究相比,碳生態效率研究兼顧單位碳排放的經濟和社會產出水平,能清晰地揭示環境要素投入與經濟社會產出之間的關系問題。但是,“經濟-社會-自然復合系統”復雜關系通過經濟產出效率、人口承載效率兩個指標的時空格局和影響因素的差異得到了體現。對泛長三角地區,這一差異表現為各市經濟產出效率普遍增長、人口承載效率卻全都下降；經濟結構是主要影響因素,但是對經濟產出效率起到促進作用、對人口承載效率卻是抑制作用?？梢?無論是開展碳生態效率或其他生態效率研究,還是通過相關政策措施來提升生態效率,都需要進行更加全面、深入的考慮。一方面,鑒于不同指標的時空格局及其變化趨勢明顯不同,需要碳生態效率評價中對指標進行更加全面的考慮,以避免出現通過單一指標評價得到片面、甚至是不客觀結論的情況。另一方面,各影響因素與不同指標的關系具有明顯的差異性,因此對于某一因素的調控有可能對各個生態效率衡量指標產生明顯不同的效應,這也要求對政策制定及其效應進行針對性的評估。無論如何,通過優化產業結構和能源結構、提高能源利用效率等手段實現碳排放低速增長甚至負增長,或是進一步推動經濟快速增長和人口快速集聚,是提升經濟產出效率和人口承載效率的直接措施。