中國低碳試點城市的碳排放特征與碳減排路徑研究

禹湘 陳楠 李曼琪

摘要?城市既是溫室氣體排放最主要的領域，也是易受到氣候變化影響的領域，實現城市的碳減排已成為全球應對氣候變化日益重要的舉措。中國正在經歷全球規模最大、速度最快的城鎮化進程，城市的低碳發展對于中國實現應對氣候變化目標，推進生態文明建設，實現經濟、社會與環境的共贏意義重大。2010年7月以來，中國國家發展和改革委員會先后開展了三批87個低碳省區和低碳城市的試點工作。根據低碳城市試點的進展，本文采用Tapio脫鉤模型考察低碳試點城市經濟增長與碳排放總量變動之間的關系，并根據脫鉤彈性系數的大小將低碳試點城市分為低碳成熟型、低碳成長型、低碳后發型三種。在對城市進行分類的基礎上采用STRIPAT模型，考察經濟規模、能源結構、產業結構、城鎮化水平等因素和碳排放總量和人均碳排放量之間的關系，識別不同驅動因素對試點城市碳排放的影響，依據碳排放驅動因素識別不同類型城市的減排路徑。研究結論表明，對于低碳成熟型城市，大力發展可再生能源，加大研發投入是有效的減排途徑;對于低碳成長型城市，優化產業結構，提升城鎮化質量是減少碳排放的關鍵;對于低碳后發型城市，實現低碳發展需在促進經濟增長的基礎上，加快淘汰落后產能，加速產業升級轉型。同時，位于東、中、西不同區域的低碳試點城市呈現出不同的碳排放特征，未來在探索差異化、多元化的城市減排路徑時，區域性的綠色低碳協同發展有利于實現城市碳減排的目標。

關鍵詞?城市;碳排放;低碳;脫鉤

中圖分類號?F062.1

文獻標識碼?A?文章編號?1002-2104（2020）07-0001-09?DOI：10.12062/cpre.20200436

氣候變化是人類面臨的共同挑戰，作為目前世界上最大的溫室氣體排放國，中國是全球應對氣候變化的積極參與者與貢獻者。中國在國家自主貢獻中提出二氧化碳排放在2030年左右達到峰值，并爭取盡早達峰，以及單位國內生產總值二氧化碳排放比2005年下降60%～65%的應對氣候變化行動目標。中國正大力推進生態文明建設，把應對氣候變化融入國家經濟社會發展中長期規劃，正步入綠色、循環、低碳的發展道路。城市是經濟活動中心，也是溫室氣體排放的重要主體，城市碳減排目標的實現直接關系著中國應對氣候變化及可持續發展目標的實現。2019年末，我國城鎮常住人口84?843萬人，城鎮人口占總人口比重（城鎮化率）約為60.6%[1]。隨著中國城市化的不斷推進，城市的基礎設施建設、工業活動、交通運輸及居民生活都將消耗大量能源，城市將成為碳排放增長的最主要領域之一[2]。根據Cai等[3]的統計，城市碳排放約占中國整體碳排放的70%。不僅如此，城市也是氣候風險的高發地區，因氣候變化導致的干旱、海平面上升、熱浪、極端天氣等氣候災害對城市的威脅正逐步顯現[4]。中國政府為提高城市應對氣候變化能力做出了積極的努力，啟動低碳城市試點是其中的重要舉措。中國國家發展改革委于2010、2012和2017年先后在6個省和81個城市開展了三批國家低碳省市試點，旨在探索不同地區率先實現碳排放達峰的低碳發展模式和有效路徑。參與低碳試點的城市通過設定碳排放達峰目標，倒逼低碳發展轉型，加大低碳技術和產品的應用力度，推進工業、建筑、交通等重點領域的低碳發展，形成了各具特色的低碳發展模式。

作為全球覆蓋范圍最廣的城市層面的低碳試點，中國低碳城市試點引起了廣泛關注。國內外學者通過不同的指標體系對中國低碳城市試點的成效進行評估，如Khanna等[5]對第一批8個試點城市的低碳發展目標及政策支持手段進行評估;宋祺佼等[6]以兩批共36個低碳試點城市，從區域分布、經濟水平和人口規模三方面對低碳試點情況進行分析;丁丁等[7]以人均碳排放等10個指標建立的低碳城市指標體系對36個低碳試點城市進行評價;周澤宇等[8]選擇了4大類共16項低碳發展的核心指標計算出試點城市的低碳指數;陳楠和莊貴陽[9]從宏觀領域、能源、產業、低碳生活等維度對低碳城市建設狀況進行評估;中國城市綠色低碳評價研究項目組[10]構建城市綠色低碳發展評價指標體系對三批低碳試點城市的綠色低碳發展效果進行評估;Cheng等[11]用綠色全要素生產率對中國的低碳試點城市進行評估;Song等[12]以中國286個地級市的面板數據進行準自然實驗，對中國的低碳試點城市進行評價。相關研究表明，低碳試點城市評價的指標日益多元，從僅包含碳排放指標逐漸增加至經濟、產業、能源、環境、政策、管理等多方面的指標;評價的內容日益豐富，從低碳生產逐漸擴展至低碳生活，從碳減排擴展至生態環境的綠色協同發展;評價的城市數量逐漸增多，時間跨度日益增長;評價的方法日益多樣化，從單一評價方法逐漸到組合評價方法。大部分學者均認為中國的低碳城市試點成效顯著，不僅能有效提升城市低碳發展的水平，助力“十四五”期間的碳排放達峰[13]，還能改善城市生態效率，有效推動中國經濟的綠色增長。

中國幅員遼闊，位于不同區域、具有不同人口規模、經濟發展水平和產業結構特征的城市采用了不同的低碳發展路徑，因此，低碳試點城市的案例研究也是熱點之一。如Yang等[14]對北京、晉城、池州、廣元低碳試點的特色和亮點進行了分析。Shen等[15]以北京的低碳試點為例，陳楠和莊貴陽[16]以浙江省的低碳試點城市為例，Feng等[17]以參與第一批試點的廣東省為例，吳雪蓮和萬迎峰[18]以武漢的低碳試點為例，對城市碳排放的驅動因素、模式和路徑進行了分析。從不同研究的結論來看，人口規模、產業結構和能源結構均是影響城市碳排放的重要因素，但這些因素在不同的區域以及城市發展的不同階段對碳排放的貢獻有所不同。

目前針對低碳試點城市評估的研究雖然豐富，但評估體系尚無統一界定，根據不同評價指標來分析各城市碳排放的特征，所得結論差異較大。受我國區域發展不平衡的影響，現有的三批低碳試點城市的經濟社會發展水平不一，經濟增速與碳排放增速之間的關系并未得到充分論證，而這既是城市低碳政策制定的基礎，更是低碳試點的目標。基于此，本文以2010年低碳試點城市建立的起始時間為基準，選擇62個試點城市（在考慮到連續數據可獲取情況下，本文去除三批參與低碳試點城市的區縣一級，選擇62個城市作為分析樣本），采用Tapio模型分析了2010—2015、2015—2016和2016—2017年這幾個時間段試點城市碳排放與經濟發展之間的脫鉤情況，并根據脫鉤情況的差異將試點城市劃分為不同類型。進一步針對不同類型的城市，采用STRIPAT模型分析影響其碳排放的驅動因素，提出不同類型城市的低碳發展模式及路徑。對中國低碳試點城市低碳發展成效的評估和低碳發展模式的總結不僅能形成可復制、可推廣的經驗，從而引領和帶動中國城市的整體綠色、低碳轉型，還能為其他國家提供可借鑒的城市低碳發展的中國方案。

1?數據和模型

目前中國正處于工業化后期，城市不僅是工業的集聚地，也是大量居民生產、生活的集中地，現階段經濟發展水平仍然是決定中國城市碳排放的最重要因素之一。鑒于此，本文先采用Tapio模型對低碳試點城市經濟增速與碳排放增速之間的關系進行充分論證，并基于經濟增速與碳排放增速之間的脫鉤情況對這些城市進行分類，針對最為主要的類型采用STRIPAT模型對影響城市碳排放的因素進行比較分析，從而歸納總結出不同類型城市實現碳減排的模式和路徑。

1.1?城市碳排放數據核算方法

對城市碳排放的特征進行研究，首先要對城市的碳排放進行核算。城市尺度的碳排放核算不僅包括城市中與能源消費相關的碳排放，還包括工業過程排放和廢棄物處理的相關排放，其中農業、土地利用和林業相關的碳排放量所占比例較小。依據《中國能源統計年鑒》中終端能源消費量的數據，考慮到試點城市的能源消費品種，本文最終選用煤炭、焦炭、原油、燃料油、汽油、煤油、柴油、天然氣八種能源核算碳排放。能源消費碳排放的核算方法和排放因子參照聯合國政府間氣候變化專門委員會（IPCC）提供的碳排放核算方法進行估算[19]，計算公式如下：

CO2=∑ni=1（Ei×NCVi×CEFi×COFi）?（1）

式中，CO2為能源消費碳排放量，n表示能源種類數量，Ei表示第i種能源消耗的實物量，NCVi表示第i種能源的平均低位發熱量，CEFi為第i種能源的單位熱值當量，COFi為第i種能源的碳氧化因子，其缺省值為1。

1.2?Tapio低碳試點城市碳排放脫鉤模型

有關經濟增長與環境污染物的關系，Shafik和Bandyopadhyay[20]采用環境庫茲涅茨曲線（EKC）來解釋經濟增長和環境質量之間的倒U型關系。隨后，經濟合作與發展組織（OECD）[21]提出用脫鉤來衡量經濟增長與環境污染之間的關系，并用脫鉤指數來衡量兩者的變動關系，以期打破“環境的壞”和“經濟的好”之間的連接。脫鉤分析也開始被用于對OECD成員國的經濟增長和污染物排放分析，如Ruffing[22]和Gupta[23]的研究。隨后Tapio[24]在分析交通領域碳排放時構建了脫鉤彈性系數，可以更加詳細地描述環境壓力與經濟增長的關聯情況。Tapio模型也被廣泛應用于中國碳排放的相關分析，如Wang和Su[25]將其運用于國家層面、齊紹洲等[26]將其運用于省級層面、郭炳南等[27]將其用于區域層面、Jiang等[28]將其運用于部門領域的碳排放分析。本文將Tapio模型運用于城市層面，基于其脫鉤彈性系數的界定并結合中國城市碳排放的特征，根據調整的Tapio模型彈性系數對參與低碳試點的城市進行分類。

Tapio模型的彈性系數值計算公式如下：

式中，e表示脫鉤彈性系數，ΔCO2和ΔGDP分別表示基期到末期的碳排放和國內生產總值的變動。Tapio模型依據e值的高低和ΔCO2、ΔGDP的正負情況界定了八種脫鉤狀態，如表1所示。Tapio模型為避免過度解讀細微變化，將落在臨界點處的情況彈性考慮。

本文用Tapio脫鉤模型對62個低碳試點城市的脫鉤關系進行研究。考慮到數據的可得性，彈性系數的測算使用2010、2015、2016和2017年各城市的碳排放總量和GDP數據。考察期為“十二五”規劃期間，即2010—2015、2015—2016及2016—2017年。在進行區域分析時，使用處于各脫鉤狀態的城市占總城市數量的百分比來表現區域城市的脫鉤整體情況。

1.3?碳排放驅動因素模型分析規模（P）、富裕程度（A）、技術水平（T）對環境壓力（I）的影響。但IPAT模型在實際運用中不允許各影響因素存在非單調、不同比例的變化，因而具有一定的局限性。為此，York等[30]采用隨機模型的方式將IPAT模型擴展為STRIPAT模型。具體表達方式如下：

其中，b、c和d分別為P、A、T的系數，a為常數項，ε為誤差項。對（3）式兩邊取對數，得到：

（4）式表述了人口、富裕程度和技術水平與環境壓力之間的線性關系，目的在于分析經濟增長和碳排放之間可能存在的非線性關系，以及不同影響因素對碳排放的影響。本文選取低碳試點政策設計最為關注的幾個領域，即能源結構、產業結構、城鎮化率和科技投入等。林伯強等[31]、Yu等[32]、魯萬波等[33]的研究也表明這些因素會顯著影響城市碳排放。考慮到城市碳排放特征的差異性，本文基于Tapio模型的分析，引入了表示城市類型的虛擬變量dummytype，當脫鉤彈性系數e≥1時，dummytype設為1;當e<1時，dummytype設為0，從而構建模型（5）和（6），分別考察碳排放總量和人均碳排放量與不同碳排放影響因素之間的關系。

其中，TC為碳排放總量;PC為人均碳排放量;IS為第三產業的占比;ES為煤炭占一次能源消費的比重，代表能源結構;UR為城市化率;RD為科研投入水平;GDP為城市生產總值。2010、2015—2017年的能源數據主要來源于各省或市統計年鑒和產業結構數據，城市生產總值數據均來源于EPS數據庫，科研投入來自《中國城市統計年鑒》的科學技術支出，城鎮化率來源于各城市統計公報。數據的描述性統計如表2所示。

2?城市碳減排特征分析

2.1?基于Tapio脫鉤模型的分析

根據Tapio模型可分別計算出62個低碳試點城市的脫鉤彈性系數，并根據表1確定其脫鉤狀態。2010—2015年和2015—2016年，碳排放和經濟增長處于脫鉤減弱型狀態的城市占比分別為71%和69%，處于脫鉤增強型狀態的城市占比約為20%。2016—2017年，相較前一階段處于脫鉤增強型的城市數量從12個增長為23個，占比提升至37%，表明經濟增長但碳排放負增長的城市數量在顯著上升;而處于脫鉤減弱型狀態的城市數量逐年減少，占比從前兩個階段的70%左右下降至32%。2016—2017年，增長連接型和負脫鉤增長型城市的占比從前一階段的0上升至10%左右，這是因為在2015—2016年處于脫鉤減弱型的城市中，大部分的碳排放由正增長變為負增長，從而進一步提升為脫鉤增強型;而其他城市經濟增長和碳排放增長的差距也在逐漸減小，轉型為連接增長型或負脫鉤增長型。綜合各試點城市三年的脫鉤情況分析，脫鉤增強型和脫鉤減弱型城市處于主導地位。2017年脫鉤增強型的城市數量在顯著上升，表明低碳試點城市在經濟增長的同時，碳排放得到了有效控制。但2017年一小部分城市的經濟增速相對碳排放有所放緩。

原Tapio模型中，將彈性值在1的上下20%之內視為連接狀態，即e∈（0.8，1.2）。由于本文更關注經濟增長和碳排放量的相對增長幅度，故將這個區間進行調整。將e=1，即經濟增長和碳排放量的相對增長幅度的突變臨界線，作為低碳城市類型劃分的分割線。當e<1時，經濟增長快于碳排放增長，e>1時則反之。將調整過的劃分臨界線回嵌入Tapio脫鉤模型框架，綜合考慮2015—2017年份各城市的脫鉤類型，并根據其彈性系數的大小及GDP的增長情況，將其劃分為低碳成熟型（ΔGDP>0且e<1）、低碳成長型（ΔGDP>0且e≥1）和低碳后發型（ΔGDP<0）。其中，低碳成熟型的城市呈現碳排放的增速小于GDP的增速，或GDP增長而碳排放負增長;低碳成長型的城市呈現碳排放的增速大于GDP的增速，說明這些城市雖然經濟在增長，但碳排放還需進一步降低。低碳后發型的城市則呈現出GDP負增長。

根據以上低碳城市類型的劃分，低碳試點城市中的北京、廈門、南平和深圳這四個城市，達到了GDP正增長而碳排放負增長的最理想情景。低碳后發型城市的GDP均為負增長，其中位于東北地區的沈陽和吉林市的經濟下降速度快于碳排放的下降速度，而西部的金昌、烏魯木齊和昌吉在經濟發展速度下降的同時，碳排放量在上升，各類型試點城市的分布如圖1所示。

2.2?基于STRIPAT模型的碳排放特征分析

基于Tapio模型的城市類型劃分，低碳成熟型城市和低碳成長型兩類城市作為研究關注的重點，需進一步分析其碳排放總量和人均碳排放量的影響因素。

從數據分布來看，不同城市的規模差距較大，對回歸結果的有效性可能產生影響。White檢驗的結果表明模型存在異方差。為考察模型的多重共線性問題，本文計算了各解釋變量之間的相關系數，發現各變量之間的相關系數大多小于0.63，只有生產總值與科研投入之間的相關系數為0.918。進一步考察方差膨脹因子，發現除科研投入和生產總值的方差膨脹因子分別為8.33和6.64外，其余全部小于1.97，均值為4.06，多重共線性問題并不嚴重，因此本文使用加權最小二乘法（WLS）。

表3和表4分別表示以碳排放總量和人均碳排放量作為因變量的加權最小二乘法回歸結果，模型（1）、（3）、（5）、（7）表示低碳成熟型城市情況，（2）、（4）、（6）、（8）表示低碳成長型城市情況。

對于二氧化碳排放總量，在低碳成熟型和低碳成長型城市中，生產總值、能源結構、城鎮化率分別與二氧化碳排放總量呈顯著正相關;科研投入、產業結構分別與二氧化碳排放總量呈顯著負相關關系。這其中，生產總值仍然是影響碳排放的最重要因素之一。低碳成熟型城市和低碳成長型城市相比，生產總值相對于碳排放總量的彈性系數更大，說明規模效應對低碳成熟型城市二氧化碳排放的影響更大。城鎮化率相對于碳排放總量的彈性系數，低碳成長型城市的彈性系數由1.205增加到1.736，且顯著性水平由5%提高到1%，說明快速城鎮化所帶來的碳排放增加的問題日益凸顯。對比兩種類型城市的彈性系數值的大小表明，科研投入水平的增加、煤炭占一次能源比重的下降對減少成熟型城市二氧化碳排放總量的效果更為明顯。

以人均碳排放量為因變量的模型結果顯示，在低碳成熟型城市中，生產總值、城鎮化率、能源結構與人均碳排放量呈顯著正相關;科研投入、產業結構分別與人均碳排放量呈顯著負相關。在低碳成長型城市中，科研投入與人均碳排放量呈負相關關系，但未達到顯著性水平;產業結構與人均碳排放在5%的顯著性水平下負相關。具體來看，雖然生產總值與低碳成熟型城市人均碳排放量呈顯著正相關，但彈性系數值穩步降低，顯著性水平由1%變為5%;而成長型城市雖然沒有達到顯著性水平，但彈性系數穩步增加，說明經濟規模效應對成長型城市人均碳排放量的影響雖不顯著，但在逐漸提高。城鎮化率對低碳成長型城市的影響更大，而科研投入增加、產業結構調整和能源結構調整對減少低碳成熟型城市的人均碳排放量效果更為顯著。

綜合表3和表4的分析結果發現，低碳成熟型城市受經濟規模和能源結構影響較大。科研技術的投入對兩類城市的減排都有作用，但對低碳成熟型城市來說，技術效應相對于規模效應更為顯著，意味著現階段低碳成熟型城市從技術投入角度更有利于減少碳排放，率先實現達峰。產業結構對于低碳成長型城市的減排更為顯著，表明低碳成長型城市需要加快產業結構轉型，防范過快城鎮化和經濟快速增長的規模效應所引發的碳排放增加問題。

3?城市碳減排路徑分析

3.1?城市層面的碳減排路徑

低碳成熟型城市的經濟增速高于碳排放增速。相比低碳成長型城市，其產業因素對碳排放總量和人均碳排放的彈性系數均相對較低，說明產業結構調整所帶來的減排潛力較小。對于低碳成熟型城市，未來減排的重點領域在優化能源結構，大力發展可再生能源，同時加大科研投入，促進低碳技術創新。同時，因城市間的資源稟賦和規模具有較大差異，還需要進一步細化未來的低碳發展路徑。北京、上海、深圳等一線城市需要在碳排放總量和碳強度雙控的基礎上進一步加大創新研發力度，以“創新+”帶動碳減排，進一步降低人均碳排放水平;濟南等省會城市需要從能源結構和產業結構進行雙向優化，減少單位生產總值碳排放;杭州、南京、廣州等省會城市的居民消費活力較強，需要推行低碳生活方式，倡導低碳消費，從而減少人均碳排放。對于濟源、湘潭、株洲等以工業為主的中小城市，實踐表明在深化能源結構調整的同時，提高能源使用效率是減少碳排放的有效路徑。南平、廣元、昆明、黃山、桂林等生態環境較好的城市，則宜于進一步優化產業結構，發展第三產業，通過打造生態旅游、養生休閑、文化創意等服務業實現綠色低碳轉型。

低碳成長型城市的經濟增速低于碳排放增速，該類型城市的產業結構和城市化率相對于碳排放總量和人均碳排放的彈性較大，這與其大部分正處于快速工業化和城鎮化進程中的情況相符，未來需加大力度推進綠色城鎮化，同時加大產業結構調整，推進城市的低碳轉型。武漢、長沙等省會城市應依托中部崛起戰略，積極培育戰略性新興產業和高新技術產業。烏海、晉城等能源豐富的城市需要進一步提升傳統產業的附加值。低碳后發型城市目前正面臨防止經濟衰退和節能減排的雙重壓力。該類城市要堅持目標導向和問題導向，在保證經濟不繼續下滑的基礎上，加快淘汰落后產能，加速產業轉型。例如吉林等資源豐富的城市需從根本上改變資源密集的粗放型經濟增長方式，以低碳發展為契機，實現城市經濟增長方式的轉型。

3.2?區域層面的城市碳減排路徑

由于中國區域經濟的梯度發展戰略，東、中、西部的資源稟賦、經濟發展基礎差異等原因導致中國經濟發展呈現出東部、中部和西部地區逐步降低的梯度差距[34]，中國東、中、西部地區低碳城市試點也呈現出不同區域性特征。

總體來看，30個位于東部的低碳試點城市中，低碳成熟型、成長型和后發型分別占80%、17%和3%;15個中部試點城市中，低碳成熟型、成長型和后發型城市分別占40%、53%和7%;17個西部低碳試點城市這三種類型的占比分別為59%、24%和18%。在低碳發展方面也呈現出顯著的梯度差距。東部地區不僅有80%的低碳試點城市實現了經濟增速大于碳排放增速，北京、廈門、南平和深圳率先實現了經濟正增長而碳排放的負增長;中部低碳試點城市的成熟型和成長型占比相近，說明中部城市在經濟增長的同時，仍具有更大的減排潛力和空間;相比較東部和中部地區，西部的低碳試點城市在低碳后發型中占比最大，金昌、烏魯木齊和昌吉這三個城市對經濟的發展和碳排放的控制有著較為迫切的需求。除了西部這三個城市，低碳后發型城市中其他兩個均位于東北地區，未來還需借助新時代東北振興戰略，著力推進產業結構調整，利用東北獨有的生態資源，積極推動低碳綠色產業的發展。

可見，未來東部地區應該立足其經濟發展的優勢，進一步通過低碳技術引領率先實現城市碳排放的達峰。中部地區應在加速城鎮化的過程中，通過全面提升城鎮化的質量和水平來實現低碳轉型。中、西部地區，未來在能源和產業結構上仍有較大低碳轉型空間，西部地區未來要進一步防止能源和產業的粗放式發展所帶來的碳排放增長。

4?結?論

低碳城市建設已成為中國實現應對氣候變化目標，推動經濟發展向綠色低碳轉型，實現高質量發展的著力點。中國的低碳城市試點通過將碳排放指標和經濟發展指標緊密掛鉤，在能源、交通、建筑、工業、居民生活等領域積極探索低碳城市的發展模式。

本文的分析結論表明，鑒于不同類型的城市呈現出不同的減排特征，需明確和細化以碳排放達峰為目標的城市低碳發展路徑，精準施政，采用差異化、精準化的城市低碳發展模式和多元化的低碳發展路徑。城市實現低碳轉型應在立足城市經濟發展階段、資源稟賦的基礎上形成契合城市特色的低碳發展的空間格局、產業結構、生產方式和生活方式。

目前，中國從國家戰略層面推進城市低碳發展的相關工作，實際上是從碳排放目標倒逼城市更快地實現低碳轉型。中國低碳城市試點已初步形成了由國家宏觀層面的頂層戰略到城市中觀層面的政策制定，再到城市具體微觀領域的政策傳導機制。中國低碳城市試點之所以在短期內取得了較大的成績，相較于其他國家，政府的大力推動和完善的低碳公共政策治理體系發揮了重要作用[35]。未來還需進一步充分發揮市場的作用，通過碳交易、合同能源管理等市場化工具以及大力發展綠色金融等融資手段來推動城市的低碳轉型。

對于不同區域的低碳城市發展，未來應充分考慮如何從區域協同的角度減少碳排放，推動區域層面的城市減排政策的制定和實施。東部地區是中國人口規模最大、經濟活力最強、經濟密度最高的區域，其人口和經濟的集聚效應、規模效應、溢出效應遠高于中、西部地區，應充分發揮區域優勢，形成區域協同的低碳減排戰略，大力推進城市層面的減排。中部和西部地區可通過區域化的低碳戰略來協調區域內低碳產業生產要素配置，促進城市低碳轉型的區域合作，從而縮短經濟發展與碳排放同步增長的周期，加快城市碳排放與經濟發展脫鉤的進程。

未來，中國低碳城市試點所取得的經驗還應在更大范圍推廣，為中國更廣大城市的低碳轉型提供有益借鑒，為其他發展中國家城市的低碳轉型提供參考，為全球城市作為非國家主體的減排路徑探索貢獻中國智慧和經驗。

（編輯：劉照勝）

參考文獻

[1]國家統計局城市社會經濟調查司.中國城市統計年鑒2019[M].北京：中國統計出版社，2019.

[2]SHAN?Y?L，?GUAN?D?B，?HUBACEK?K，?et?al.?City-level?climate?change?mitigation?in?China?[J].?Science?advances，?2018.?DOI：?10.1126/sciadv.aaq0390.

[3]CAI?B?F，?CUI?C，?ZHANG?D，?et?al.?China?city-level?greenhouse?gas?emissions?inventory?in?2015?and?uncertainty?analysis?[J].?Applied?energy，?2019.?DOI：10.1016/j.apenergy.2019.113579.

[4]巢清塵，胡國權，馮愛青.全球氣候風險與中國防范策略[M]//應對氣候變化報告（2019）：防范氣候風險.北京：社會科學出版社，2019.

[5]KHANNA?N，?FRIDLEY?D，?HONG?L.?Chinas?pilot?low-carbon?city?initiative：?a?comparative?assessment?of?national?goals?and?local?plans?[J].?Sustainable?cities?and?society，?2014?（12）：?110-121.

[6]宋祺佼，王宇飛，齊曄.?中國低碳試點城市的碳排放現狀[J].中國人口·資源與環境，2015，25（1）：78-82.

[7]丁丁，蔡蒙，付琳，等.?基于指標體系的低碳試點城市評價[J].中國人口·資源與環境，2015，25（10）：1-10.

[8]周澤宇，田丹宇，付琳，等.?低碳城市指數的構建與應用[J].?宏觀經濟管理，2017（11）：52-56.

[9]陳楠，莊貴陽.?中國低碳試點城市成效評估[J].?城市發展研究，2018，25（10）：88-95，156.

[10]中國城市綠色低碳評價研究項目組.中國城市綠色低碳發展評級研究[M]//應對氣候變化報告2019：防范氣候風險.北京：社會科學出版社，2019.

[11]CHENG?J，?YI?J，?DAI?S，?et?al.?Can?low-carbon?city?construction?facilitate?green?growth？?evidence?from?Chinas?pilot?low-carbon?city?initiative?[J].?Journal?of?cleaner?production，?2019，?231：?1158-1170.

[12]SONG?M?L，?ZHAO?X，?SHANG?Y?P.?The?impact?of?low-carbon?city?construction?on?ecological?efficiency：?empirical?evidence?from?quasi-natural?experiments?[J].?Resources，?conservation?and?recycling，?2020（6）：114-121.

[13]齊曄，劉天樂，宋祺佼，等.?低碳城市試點“十四五”期間需助力碳排放達峰[J].?環境保護，2020，48（5）：9-11.

[14]YANG?X，?WANG?X?C，?ZHOU?Z?Y.?Development?path?of?Chinese?low-carbon?cities?based?on?index?evaluation?[J].?Advances?in?climate?change?research，2018（2）：?144-153.

[15]SHEN?L，?WU?Y，?LOU?Y，?et?al.?What?drives?the?carbon?emission?in?the?Chinese?cities？a?case?of?pilot?low?carbon?city?of?Beijing?[J].?Journal?of?cleaner?production，?2018，174：?343-354.

[16]陳楠，莊貴陽.低碳城市成效評估及碳排放收斂性分析——以浙江省各設區市為例[J].生態經濟，2018，34（12）：14-21，28.

[17]FENG?J?C，?ZENG?X?L，?YU?Z，?et?al.?Status?and?driving?forces?of?CO2?emission?of?the?national?low?carbon?pilot：?case?study?of?Guangdong?Province?during?1995—2015[J].?Energy?procedia，?2019，?158：?3602-3607.

[18]吳雪蓮，萬迎峰.?武漢低碳城市試點創建的路徑及模式淺析[J].?工業安全與環保，2020，46（2）：102-106.

[19]IPCC.?Climate?change?2013，?the?physical?science?basis?summary?for?policymakers?[EB/OL].?http：//?www.ipcc.ch/.

[20]SHAFIK?N，?BANDYOPADHYAY?S.?Economic?growth?and?environmental?quality：?time-series?and?cross-country?evidence?[R].?RePEc，?1992.

[21]OECD.?Organization?for?economic?co-operation?and?development?indicators?to?measure?decoupling?of?environment?pressure?from?economic?growth[R].2002.

[22]RUFFING?K.?Indicators?to?measure?decoupling?of?environmental?pressure?from?economic?growth?[J].?Sustainability?indicators：?a?scientific?assessment，?2007，?67：?211.

[23]GUPTA?S.?Decoupling：?a?step?toward?sustainable?development?with?reference?to?OECD?countries?[J].?International?journal?of?sustainable?development?&?world?ecology，?2015，?22（6）：?510-519.

[24]TAPIO?P.?Towards?a?theory?of?decoupling：?degrees?of?decoupling?in?the?EU?and?the?case?of?road?traffic?in?Finland?between?1970?and?2001[J].?Transport?policy，?2005，12（2）：?137-151.

[25]WANG?Q，?SU?M.?Drivers?of?decoupling?economic?growth?from?carbon?emission：?an?empirical?analysis?of?192?countries?using?decoupling?model?and?decomposition?method?[J].?Environmental?impact?assessment?review，?2020，81：106356.

[26]齊紹洲，林屾，王班班.中部六省經濟增長方式對區域碳排放的影響——基于Tapio脫鉤模型、面板數據的滯后期工具變量法的研究[J].中國人口·資源與環境，2015，25（5）：59-66.

[27]郭炳南，林基，劉堂發.長三角地區二氧化碳排放與經濟增長脫鉤關系的實證研究[J].生態經濟，2017，33（4）：25-29.

[28]JIANG?R，?ZHOU?Y，?LI?R.?Moving?to?a?low-carbon?economy?in?China：?decoupling?and?decomposition?analysis?of?emission?and?economy?from?a?sector?perspective?[J].?Sustainability，?2018，10（4）：978.

[29]EHRLICH?P?R，HODREN?J?P.?Impact?of?population?growth?[J].?Science，?1971，171：1212-1217.

[30]YORK?R，?ROSA?E?A，?DIETZ?T.?STIRPAT，IPAT?and?ImPACT：?analytic?tools?for?unpacking?the?driving?forces?of?environmental?impacts?[J].?Ecological?economics，?2003，?46（3），?351-365.

[31]林伯強，姚昕，劉希穎.?節能和碳排放約束下的中國能源結構戰略調整[J].?中國社會科學，2010（1）：58-71.

[32]YU?X，?WU?Z，?ZHENG?H，?et?al.?How?urban?agglomeration?improve?the?emission?efficiency？?a?spatial?econometric?analysis?of?the?Yangtze?River?Delta?urban?agglomeration?in?China?[J].?Journal?of?environmental?management，?2020，?260：?110061.

[33]魯萬波，仇婷婷，杜磊.?中國不同經濟增長階段碳排放影響因素研究[J].經濟研究，2013，48（4）：106-118.

[34]黃群慧.?改革開放40年中國的產業發展與工業化進程[J].?中國工業經濟，2018（9）：5-23.

[35]莊貴陽.?中國低碳城市試點的政策設計邏輯[J].中國人口·資源與環境，2020，30（3）：19-28.

[36]何建坤.全球綠色低碳發展與公平的國際制度建設[J].中國人口·資源與環境，2012，22（5）：15-21.

[37]柴麒敏，?何建坤.?氣候公平的認知、政治和綜合評估——如何全面看待“共區”原則在德班平臺的適用問題[J].?中國人口·資源與環境，?2013，?23（6）：?1-7.

[38]梅賜琪，?劉志林.?行政問責與政策行為從眾;“十一五”節能目標實施進度地區間差異考察[J].?中國人口·資源與環境，?2012，?22（12）：?129-136.

[39]張小麗，劉俊伶，王克，等.?中國電力部門中長期低碳發展路徑研究[J].?中國人口·資源與環境，2018，28（4）：68-77.

[40]朱東山，?孔英，?高一放，?等.?中國發電行業CO2?減排成本及潛力研究[J].?中國人口·資源與環境，?2015，?25（2）：14-20.

[41]王常凱，謝宏佐.?中國電力碳排放動態特征及影響因素研究[J].?中國人口·資源與環境，2015，25（4）：?21-27.

[42]崔學勤，王克，鄒驥.?2?℃和1.5?℃目標對中國國家自主貢獻和長期排放路徑的影響[J].中國人口·資源與環境，2016，26（12）：1-7.

Research?on?carbon?emission?characteristics?and?reduction?pathways?of?low-carbon?pilot?cities?in?China

YU?Xiang1?CHEN?Nan2?LI?Man-qi1

（1.?Research?Institute?for?Ecological-civilization，?Chinese?Academy?of?Social?Sciences，?Beijing?100028，?China;?2.?Data?Center?of?Ministry?of?Culture?and?Tourism，China?Tourism?Academy?，Beijing?10005，?China）

Abstract?Cities?are?major?contributors?to?global?greenhouse?gases?and?are?vulnerable?to?climate?change.?At?present，?China?is?undergoing?an?urbanization?process?at?an?unprecedented?scale?and?speed，?and?low-carbon?urban?development?is?of?great?significance?to?Chinas?goal?of?addressing?climate?change，?promoting?ecological?civilization，?and?achieving?economic，?social，?and?ecological?impacts?in?the?meantime.?Since?July?2010，?the?National?Development?and?Reform?Commission?has?carried?out?three?batches?of?pilot?low-carbon?projects?in?82?cities?and?provinces，?and?the?performance?of?these?low-carbon?cities?has?been?evaluated?by?various?research?groups.?This?paper?summarized?the?characteristics?of?carbon?emission?and?proposed?potential?developmental?paths?of?its?reduction?for?the?low-carbon?pilot?cities.?The?Tapio?model?was?used?to?investigate?the?relationship?between?economic?growth?and?carbon?emissions，?then?according?to?the?values?of?the?decoupling?elasticity?coefficient，?these?cities?were?classified?into?three?types：?low-carbon?maturity?type，?low-carbon?growing?type，?and?low-carbon?late-developing?type.?Based?on?the?types?of?the?low-carbon?pilot?cities，?the?STRIPAT?model?was?employed?to?examine?the?relationships?between?total?carbon?emissions?and?per?capita?carbon?emissions?and?economic?scale，?energy?structure，?industrial?structure，?and?urbanization?level，?etc.，?in?order?to?identify?different?impacts?from?the?driving?factors?on?urban?carbon?emissions，?and?to?further?formulate?appropriate?developmental?paths?of?carbon?emission?reduction?for?different?types?of?the?low-carbon?pilot?cities.?For?cities?of?the?low-carbon?maturity?type，?vigorously?developing?renewable?energy?and?increasing?research?and?development?investment?are?effective?ways?to?reduce?carbon?emissions.?For?low-carbon?growing?cities，?optimizing?the?industrial?structure?and?improving?the?quality?of?urbanization?are?more?effective.?For?low-carbon?late-developing?cities，?they?should?further?remove?the?backward?production?capacity?and?accelerate?the?industrial?upgrading?and?transformation?on?the?basis?of?promoting?economic?growth.?Moreover，?it?is?concluded?that?different?and?diversified?carbon?emission?reduction?paths?require?regional?green?and?low-carbon?synergetic?development.

Key?words?city;?carbon?emission;?low?carbon;?decoupling

收稿日期：2020-03-21?修回日期：2020-05-15

作者簡介：禹湘，博士，副研究員，主要研究方向為能源與氣候變化政策。E-mail：yuxiang@cass.org.cn。

通信作者：陳楠，博士，助理研究員，主要研究方向為低碳經濟、低碳旅游。E-mail：chennan526@163.com。

基金項目：科學技術部《第四次氣候變化國家評估報告》編制工作專項;中國社會科學院哲學社會科學登峰計劃氣候變化經濟學優勢學科建設項目成果。