長三角城市群路網密度與碳排放時空特征及耦合分析

陳燕 周鎮宇 蔣有君 索心睿 宋新山 王宇暉

摘要： 以長三角為例，基于碳排放空間化模型，在格網尺度下量化分析路網密度與城市群碳排放的時空響應特征，利用耦合協調模型分析區域路網密度與碳排放的耦合協調特征.結果表明：在時空特征上，碳源主要為沿湖沿江的都市功能發達區，碳匯主要為長江、新安江水域及南部林地區，整體呈現碳排放逐漸分散化的趨勢；在響應特征上，單位面積碳排放與路網密度呈明顯的正相關，人均碳排放與路網密度呈倒U型曲線關系；在耦合特征上，耦合度和耦合協調度均上升，呈現高值區以各大城市地區為中心向周邊擴張的發展態勢.

關鍵詞： 路網密度； 碳排放； 耦合協調； 長三角

中圖分類號： TU 984.1文獻標志碼： A?? 文章編號： 1000-5013（2023）04-0485-10

Spatial-Temporal Characteristics and Coupling Analysis of Road Network Density and Carbon Emissions in Yangtze River Delta Urban Agglomeration

CHEN Yan1， 2， ZHOU Zhenyu1， JIANG Youjun1，

SUO Xinrui1， SONG Xinshan1， WANG Yuhui1

（1. School of Environmental Science and Engineering， Donghua University， Shanghai 201620， China；

2. Key Laboratory of Watershed Geography， Chinese Academy of Sciences， Nanjing 210008， China）

Abstract： Taking the Yangtze River Delta as an example， the spatial-temporal response features of road network density and carbon emission of urban agglomerations at the grid scale is analysed based on the carbon emission spatialization model， and the coupled coordination characteristics of regional road network density and carbon emissions are analysed using the coupled coordination model. The results show that， in terms of spatial-temporal characteristics， carbon sources are mainly developed urban areas along lakes and rivers， and carbon sinks are mainly the waters of the Yangtze River and Xin′an River as well as southern forest areas. Overall， there is a trend of gradual dispersion of carbon emission. In terms of response characteristics， there is a significant positive correlation between ground average carbon emissions and road network density， and an inverted U-shaped relationship between per capita carbon emissions and road network density. In terms of coupling

characteristics， the degrees of coupling and coupling coordination both increase. It shows a development trend of high-value areas expanding to the surrounding areas centered on each major urban area.

Keywords：

road network density； carbon emission； coupling coordination； Yangtze River Delta

近年來，隨著溫室氣體排放量的增加，全球居民的生活質量和各國的經濟發展都受到了嚴峻挑戰.綠色、低碳的發展模式成為國際社會普遍關注的焦點問題.中國城市群區域一體化仍在持續推進，伴隨而來的城市化率的提高、工業經濟的發展、能源消耗的增加都對城市群碳排放產生了深遠影響.

路網是高質量一體化的基礎支撐，其與碳排放之間存在復雜的相互關系.一方面，路網會在區域用地布局［1］、土地開發利用［2］、居民出行方式［3］、區域產業結構［4-5］等多個方面對碳排放產生間接影響.另一方面，碳排放作為改善區域土地規劃、引導居民綠色出行、促進產業結構轉型升級的動力和門檻也將促使區域路網格局發生改變.路網密度作為城市交通路網規劃的關鍵指標［6］，可以較好地描述道路網絡的空間模式及其結構屬性［7］，直觀地反映交通對社會經濟要素空間流動及城鎮化進程的促進作用［8］，較好地解釋普遍存在的城市蔓延或城市擴張現象［1，9］.在“碳達峰、碳中和”及區域一體化背景下，探究路網密度與城市群碳排放之間的時空響應機制及其耦合關系具有重要意義.

目前，研究主要分為兩類.一類研究從城市空間角度出發［10-11］，關注路網通過城市空間布局對碳排放產生的影響，如Chen等［12］研究表明，路網的加強有助于抑制空間功能分工深化導致的單位產值碳排放的增加；Wang等［13］研究表明，更高的路網密度一定程度上可以減少交通擁堵，提高城市交通能源消耗的效率，從而減少碳排放.另一類研究從碳排放的影響因素出發，分析路網與碳排放之間的影響途徑，如Xie等［11］研究表明，路網的人口規模效應有利于減少碳排放，而其經濟增長和技術創新效應則增加了碳排放；Xiao等［14］研究表明，旅游流動性和產業集聚是交通基礎設施間接影響碳排放的兩個重要中介因素.發達的路網可以減少碳排放，但路網與碳排放之間的聯系卻是非線性和內生的.現有研究尺度多為省、市等行政區劃尺度［11-12］，對路網與碳排放之間的空間特征描述不足［15］，主要集中在單個城市或國家區域［16-17］，缺乏在相對精細尺度下，對城市群路網與碳排放之間時空特征及變化機理的深入探討.本文以長三角為例，在格網尺度下對路網密度與碳排放的時空特征及耦合協調特征進行研究.

1 研究區概況與數據來源

1.1 研究區概況

長三角包括江蘇省的南京市、無錫市、常州市、蘇州市、南通市、揚州市、鎮江市、鹽城市、泰州市9市，浙江省的杭州市、寧波市、湖州市、嘉興市、紹興市、金華市、舟山市、臺州市8市，安徽省的合肥市、蕪湖市、馬鞍山市、銅陵市、安慶市、滁州市、池州市、宣城市8市，以及上海市，26市總面積約21萬km2.長三角位于亞熱帶季風氣候區，降水充沛，水系覆蓋廣，北部以平原地形為主，各類產業發達，南部以山地丘陵為主，自然資源豐富.土地利用類型以耕地、林地為主，水域和建設用地次之，草地和未利用地較少.

長三角是我國經濟最發達的地區之一，路網覆蓋廣度、擴張速度顯著高于國家平均水平.在國家新型城鎮化規劃（2014-2020年）對交通運輸網絡的多個層次要求下，長三角路網密度迅速增加，城鄉交通一體化發展迅速，城鎮化水平持續提高、發展趨于協調［18］，但新型城鎮化也將對環境質量和脫碳計劃、污染控制及氣候行動計劃的預期激勵措施施加進一步壓力［19］.

1.2 數據來源

以長三角26市為研究對象，研究時段為新型城鎮化規劃期間（2014-2020年），研究數據均來自于國內外公開數據庫.數據來源及說明，如表1所示.構建3 km×3 km大小的格網作為數據處理和分析的單元，各類數據的處理過程如下：土地利用類型根據國家標準GB/T 21010-2017《土地利用現狀分類》及研究區實際情況，重分為耕地、林地、草地、水域、建設用地和其他土地，共6類.

在綜合考慮道路通行量、低級路網的準確性等因素的基礎上，提取高速公路、城市主干道、城市次干道的路網數據，通過核密度法計算路網密度，并利用自然斷點法將路網密度分為6個等級；夜間燈光數據采用中值濾波與低閾值去噪結合的方法進行處理.所有地圖數據均通過ArcGIS投影為albert坐標，重采樣大小為3 km，并將數據統一提取至格網中.

2 研究方法

2.1 路網密度的計算

路網密度一般采用路網總長除以土地面積的計算方法，但該方法易受分析單元大小、位置和方向等因素影響，出現不同程度的任意性［20］.在柵格、格網等小尺度下，核密度（KDE）法能夠輸出平滑的密度表面，提供更具一致性的分析結果.因此，路網密度采用KDE法進行計算.

設x1，x2，…，xn是從分布密度函數為f（x）的總體中抽取的獨立同分布樣本［21］，則有

fn（x）=1[]nh∑ni=1kx-xi[]h.

式中：k（）為核函數；h為帶寬，h>0；x-xi為估計點到樣本xi處的距離.

在KDE法中，帶寬h的大小會影響計算結果，h越大，估計點與周圍點的重復面積就越大，空間上點密度的整體變化就越平滑，結構上點密度被掩蓋的程度就越高.通過分析比較不同帶寬的核密度曲線，將帶寬定為4 km.

2.2 碳排放的測算

2.2.1 直接碳排放的計算 直接碳排放的計算公式為

ED=∑Es，i=∑si·δi.

式中：ED為直接碳排放；Es，i為第i種土地利用方式產生的碳排放；si為第i種土地利用方式的利用面積；δi為第i種土地利用方式的碳排放系數.

各種土地覆被的碳排放系數，如表2所示.表2中：δa為耕地碳排放系數；δf為林地碳排放系數；δg為草地碳排放系數；δw為水域碳排放系數；δu為未利用地碳排放系數.

2.2.2 間接碳排放的測算 間接碳排放的計算公式為

EI=∑Ei=∑ni=1Yi·θi·fi.

式中：EI為間接碳排放；Ei為第i類能源消耗產生的碳排放；Yi為第i類能源的消耗量；θi為i類能源的折標準煤系數；fi為第i類能源消耗碳排放轉換系數.

能源消耗數據主要參考《中國能源統計年鑒》，能源折標準煤系數和能源碳排放系數主要參考政府間氣候變化專門委員會（IPCC）標準，如表3所示.

2.3 碳排放空間化模型

鑒于夜間燈光強度與能源消耗碳排放有較好的相關性［28-29］，以無截距的線性模型為基礎［30］，分別計算各省級行政區、各時相的轉換系數（K），結合《中國能源統計年鑒》，計算碳排放，再裁剪得到研究區碳排放數據.K的相關計算公式為

Yn，t=Kn，t×SDNn，t，SDNn，t=∑Di×Ji.

式中：Yn，t為第n個省級行政區的第t個時相的能源消耗量；Kn，t為第n個省級行政區的第i個時相的轉換系數；SDNn，t為第n個省級行政區的第t個時相的穩定夜間燈光數據值；Di為穩定夜間燈光影像第i個像元值；Ji代表第i個像元值所對應的個數.

2014年、2020年各省級行政區指標，如表4所示.

2.4 耦合協調模型

耦合協調模型可測度兩個或兩個以上系統之間相互作用程度，在地學研究中，一般使用表征多系統之間離差公式計算耦合度［31］，即

C=U1U2U3U4[]U1+U2+U3+U4[]441[]4.

式中：C為耦合度；U1～U4分別表示耦合分析采用的各指標，由原始數據經極差法標準化得到.

正向指標為

xi′=xi-xmin[]xmax-xmin.

負向指標為

xi′=xmax-xi[]xmax-xmin.

式中：xi′為各類數據中的i個xi經極差法標準化的數據；xmax為最大數據；xmin為最小數據.

為更好反映各網格之間的協調發展程度，在耦合度模型的基礎上建立耦合協調度模型［32］，有

CT=αU1+βU2+γU3+ηU4，

Cx=CCT.

式中：CT為協調度；α，β，γ，η分別為各指標對應的各系統權重；Cx為耦合協調度.

選用土地利用強度、路網密度、直接碳排放和間接碳排放為分析指標.其中，土地利用程度、路網密度為正向指標，直接碳排放和間接碳排放為負向指標.在SPSSau環境下，采用獨立性權重確定各時相各成分的系統權重.各指標權重，如表5所示.表5中：DRN為路網密度；R為復相關系數；1/R為復相關系數倒數.

參考文獻［33-35］，將耦合度和耦合協調度分為4個階段，耦合協調度等級劃分，如表6所示.

3 結果分析

3.1 城市群碳排放空間格局

按自然間斷點的分類方法，將碳排放由小到大分為0～5級，共6級.碳排放空間分布，如圖1所示.由圖1可知：在時空特征上，碳源主要為沿湖沿江的都市功能發達區，上海市位于長江出海口，蘇州市、湖州市背靠太湖、合肥省臨近巢湖，常州市處于江湖之間，寧波市、臺州市沿海存有港口.碳匯主要為長江、新安江水域及南部林地區，如太湖、巢湖、安慶市西北部的大別山林地、安慶市-杭州市一線以南的大面積林地地區.隨著新型城鎮化進程的推進，上海市、嘉興市、寧波市、杭州市等中心城市的城市核心區碳排放明顯下降，而鹽城市、池州市等次中心城市的鄉鎮、城鎮地區碳排放略有增加.

6級碳排放變化情況，如表7所示.表7中：Ea，s為單位面積碳排放；E為總碳排放；η為變化率.由表7可知：長三角呈現0，5級碳排放區域面積減少，排放（吸收）總量降低，而1～4級碳排放區域面積增加，排放總量上升的變化特征；在空間上表現為碳源區擠占碳匯區，高值區的碳排放分散到低值區的變化趨勢.這是各省市環境規制成效顯現，城鎮化進程穩定推進的綜合結果.

上海市早在2008年就開始實施工業節能政策，“十三五”期間確立了工業領域節能“雙控”目標，2017年5月擴大了政策扶持范圍、提高了補貼標準.江蘇省于2016年1月實施《循環經濟促進條例》，2017年5月發布政策法規推進燃煤電廠的升級改造.浙江省于2015年9月提出加強節能標準化工作目標，2016年9月著手推進百萬家庭屋頂光伏工程建設.安徽省編制的《安徽省新型城鎮化發展規劃（2016-2025年）》強調綠色發展和生態保護.在國家新型城鎮化規劃（2014-2020年）期間，我國城市規模結構持續改善、城鄉居民收入差距持續縮小.在各省市環境規制和國家新型城鎮化規劃的推動下，長三角產業聚集的中心城市地區碳排放下降，而多個鄉鎮地區碳排放增加.

3.2 城市群碳排放效應分析

6級路網密度區域碳排放特征，如表8所示.表8中：Ea，p為人均碳排放；Dp為人口密度.

由表8可知以下2點結論.

1） 長三角的碳排放呈現明顯的路網密度區域空間分異，Ea，s與DRN呈明顯的正相關.2014年，Ea，s在1級路網密度區域僅為134.64 t·km-2，而在6級路網密度區域則達到13 674.75 t·km-2；Ea，p與DRN呈倒U型曲線關系，2014年，1級路網密度區域Ea，p為0.52 t·人-1，在3級路網密度區域上升至最高點1.88 t·人-1，隨后回落至6級路網密度區域的0.75 t·人-1；Dp與DRN也呈現明顯的正相關，DRN越高，Dp就越高，呈加速上升趨勢，2014年，1級路網密度區域人口密度僅為259.04 人·km-2，而6級路網密度區域則達到18 128.18 人·km-2.

2） 2014年、2020年，長三角交通格局顯著變化，路網明顯密集化，各密度區域面積發生較大變動而影響碳排放和人口密度的空間分異特征.2020年相比于2014年，各級路網密度區域的Ea，s和Dp均減少，Ea，s的減少幅度逐級降低，在68.19%至21.76%之間；人口密度的減少幅度先增后降，從1級路網密度區域的35.63%上升至5級路網密度區域的56.30%，再下降到39.05%；Ea，p在1～3級路網密度區域減少，在4～6級路網密度區域上升.

直接碳排放與間接碳排放變化累加，如圖2所示.圖2中：sum（ΔED）為直接碳排放變化累加值；sum（ΔEI）為間接碳排放變化累加值.由圖2可知：間接碳排放下降的拐點出現在1.04 km·km-2處（前6.7%），碳排放累計增長1 302萬t；直接碳排放下降的拐點出現在0.65 km·km-2處（前14.3%），碳排放增長9.35萬t；在2.07 km·km-2處（前1.7%）出現平穩點，下降趨緩.

3.3 耦合協調分析

3.3.1 不同耦合度的時空演化 不同耦合度的空間分布，如圖3所示.

由圖3可知以下2點結論.

1） 在空間維度上，耦合度高值區主要分布在都市功能發達的地區，如合肥省的廬陽區、蜀山區，南京市的鼓樓區、玄武區，常州市的天寧區、武進區，無錫市的江陰市、錫山區，蘇州市的姑蘇區、吳中區，上海市的浦東新區、楊浦區，杭州市的拱墅區、上城區，寧波市的鄞州區、海曙區，金華市的義烏縣級市，馬鞍山市的雨山區.耦合度低值區主要分布在太湖、巢湖、高郵湖等湖泊水庫地區，安慶市、池州市、銅陵市、宣城市一帶的山地丘陵地區及各種自然保護區及風景區地帶，大致呈現“東高西低”、“中高南北低”的分布特征.

2） 從時間維度上，耦合度高值區以圈層的形式向外擴散，影響范圍逐漸增大，呈現耦合度高值區以各大城市地區為中心向周邊擴張的發展態勢.2014年，處于分離階段和拮抗階段的地區較多，分別占比42.64%，24.14%，處于磨合階段和耦合階段的地區相對較少，比例分別為28.79%，4.43%.自2010年長三角區域規劃實施以來，土地的開發利用和交通運輸路線的建設勢頭迅猛，城市的建設和發展提高了長三角的能源消費，但更密集的道路網絡則一定程度減少了碳排放，使得長三角整體的耦合水平上升、達到耦合階段的地區范圍擴大.與2014年相比，2020年處于分離和拮抗階段的比例分別為19.52%，29.67%，處于磨合階段和耦合階段的比例升高至41.79%，9.01%.

自2010年長三角區域規劃落地以來，長三角便確立了加快城市同城化效應和一體化進程，從而帶動區域產業的發展和調整的整體方針.2012年，長三角明確推動道路運輸一體化發展的政策方向，2014年，提出“形成‘多三角、放射狀大交通聯動發展格局”的目標.長三角道路交通的發展對耦合度的提升是顯著的，大量分離、拮抗階段的區域因路網密度的提高而帶動了當地產業的發展，直接、間接碳排放的增加一定程度抑制了耦合程度的提高，但耦合度整體仍上升.路網密度的提高也促進了處于磨合、耦合階段區域的產業調整，使得區域間接碳排放明顯下降，耦合度提高.長三角的耦合系統逐漸向有序、協調的耦合階段邁進.

3.3.2 耦合協調度的時空演化 不同耦合協調度的空間分布，如圖4所示.

由圖4可知如下2點結論.

1） 在空間維度上，耦合協調度高值區主要分布在上海市黃浦區、普陀區、徐匯區、長寧區，無錫市梁溪區，杭州市拱墅區和寧波市海曙區等地，以耦合協調度高值區為中心逐漸向外擴散，呈現“東高西低”、“中高南北低”的分布特征.

2） 在時間維度上，長三角的耦合協調度大幅上升，平均水平從0.351 8上升至0.458 0，呈現大量低度協調、中度協調區向更高一級轉變，而高度協調區轉變為極度協調區的比例卻較少的特征.2014年，長三角大部分地區處于低度、中度協調狀態，占比分別為36.09%，37.96%，處于高度協調狀態的地區也有較大的比例25.74%，但極度協調地區的比例僅有0.22%.2020年，低度協調地區的比例大幅下降，變為13.26%，而中度、高度協調地區比例較大幅度上升，分別上升為44.40%和41.77%，極度協調地區比例小幅上升為0.58%.2020年相比于2014年，低度協調區有49.67%的比例轉變為中度協調，中度協調區有30.73%的比例轉變為高度協調，而高度協調區僅有1.41%轉變為極度協調，落差較大.

我國自2001年以來陸續開展低碳試點工作，為低碳經濟的發展積累經驗.2013年末，上海市建立碳排放配額管理制度并啟動碳排放交易，管理企業碳排放配額的分配、清繳、交易等活動，規范企業碳排放的監測、報告、核查等活動.2017年末，全國碳排放交易體系正式啟動.2018年，全球生態環境遙感監測報告顯示我國碳排放增速逐漸降低.在交通一體化發展的前提和低碳政策、碳排放市場兩方面的調控和管理下，長三角地區產業轉移升級規模逐漸擴大，產業結構持續優化，大量待發展地區的開發和發展得到轉移產業的經濟支持，上海市、杭州市等中心城市地區的碳排放則得到一定的緩解，使得長三角逐漸向更加協調的方向發展.耦合協調度高值區面積較小，僅分布于上海市黃浦區、普陀區、徐匯區、長寧區，無錫市梁溪區，杭州市拱墅區和寧波市海曙區等少數區域，低值區同樣為各類碳源地.

4 結論

1） 時空特征上，碳源主要為沿湖沿江地帶的都市功能發達區，如上海市、蘇州市、合肥市、常州市、寧波市、碳匯主要為長江、新安江水域及南部林地聚集區，如太湖、巢湖、安慶市西北部的大別山林地、安慶市-杭州市一線以南的大面積林地地區.呈現碳源區擠占碳匯區，碳排放逐漸分散化的趨勢.

2） 單位面積碳排放與路網密度呈明顯的正相關，人均碳排放與路網密度呈倒U型曲線關系.在時間維度上，間接碳排放下降的拐點出現在1.04 km·km-2處（前6.7%），碳排放增長1 302萬t；直接碳排放下降的拐點出現在0.65 km·km-2處（前14.3%），碳排放增長9.35萬t.

3） 長三角路網密度與城市群碳排放耦合協調的時空特征差異有統計學意義，耦合度和耦合協調度整體上升，空間上呈現“東高西低”、“中高南北低”的分布特征，時間上呈現高值區以各大城市地區為中心向周邊擴張的發展態勢.其中，耦合度高值區主要分布在都市功能發達的合肥市、南京市、常州市、上海市等地，耦合度低值區主要分布在太湖、巢湖、高郵湖等湖泊水庫地區，安慶、池州、銅陵、宣城一帶的山地丘陵地區及各種自然保護區及風景區地帶.

參考文獻：

［1］ 馮志新，陳穎彪，千慶蘭，等.東莞市交通路網格局對城市空間擴張影響研究［J］.地球信息科學學報，2014，16（1）：79-86.DOI：10.3724/SP.J.1047.2014.00079.

［2］ KASRAIAN D，MAAT K，STEAD D，et al.Long-term impacts of transport infrastructure networks on land-use change： An international review of empirical studies［J］.Transport Reviews，2016，36（6）：772-792.DOI：10.1080/01441647.2016.1168887.

［3］ 龍雪琴，關宏志.基于交通方式出行距離需求的網格狀城市道路級配［J］.北京工業大學學報，2012，38（2）：262-268.DOI：10.11936/bjutxb2012020262.

［4］ SONG Malin，WANG Shuhong，FISHER R.Transportation， iceberg costs and the adjustment of industrial structure in China［J］.Transportation Research Part D： Transport and Environment，2014，32：278-286.DOI：10.1016/j.trd.2014.08.005.

［5］ HERRENDORF B，SCHMITZ J，TEIXEIRA A.The role of transportation in US economic development： 1840-1860［J］.International Economic Review，2012，53（3）：693-716.DOI：10.1111/j.1468-2354.2012.00697.x.

［6］ 蔡軍，程茂春，朱峰杰.路網規劃關鍵指標對開發強度的影響作用分析： 以國內外24個CBD為例［J］.城市規劃學刊，2017（1）：79-88.DOI：10.16361/j.upf.201701010.

［7］ SREELEKHA M G，KRISHNAMURTHY K，ANJANEYULU M V L R.Interaction betweenroad network connectivity and spatialpattern［J］.Procedia Technology，2016，24：131-139.DOI：10.1016/j.protcy.2016.05.019.

［8］ ZHANG Xueliang.Has transport infrastructure promoted regional economic growth： With an analysis of the spatial spillover effects of transport infrastructure［J］.Social Sciences in China，2013，34（2）：24-47.DOI：10.1080/02529203.2013.787222.

［9］ ZENG Chen，ZHAO Zhe，WEN Cheng，et al.Effect of complex road networks on intensive land use in China′s Beijing-Tianjin-Hebei urban aglomeration［J］.Land，2020，9（12）：532.DOI：10.3390/land9120532.

［10］ OU Jinpei，LIU Xiaoping，LI Xia，et al.Quantifying the relationship between urban forms and carbon emissions using panel data analysis［J］.Landscape Ecology，2013，28（10）：1889-1907.DOI：10.1007/s10980-013-9943-4.

［11］ XIE Rui，FANG Jiayu，LIU Cenjie.The effects of transportation infrastructure on urban carbon emissions［J］.Applied Energy，2017，196：199-207.DOI：10.1016/j.apenergy.2017.01.020.

［12］ CHEN Xu，XU Huilin，ZHANG Liang，et al.Spatial functional division，infrastructure and carbon emissions： Vidence from China［J］.Energy，2022，256：124551.DOI：10.1016/j.energy.2022.124551.

［13］ WANG Shaojian，LIU Xiaoping，ZHOU Chunshan，et al.Examining the impacts of socioeconomic factors， urban form， and transportation networks on CO2 emissions in China′s megacities［J］.Applied Energy，2017，185：189-200.DOI：10.1016/j.apenergy.2016.10.052.

［14］ XIAO Fanyu，PANG Zhengqi，YAN Dan，et al.How does transportation infrastructure affect urban carbon emissions？ An empirical study based on 286 cities in China［J］.Environmental Science and Pollution Research，2023，30（4）：10624-10642.DOI：10.1007/s11356-022-22866-4.

［15］ LIN Boqiang，CHEN Yu.Will land transport infrastructure affect the energy and carbon dioxide emissions performance of China′s manufacturing industry？［J］.Applied Energy，2020，260：114266.DOI：10.1016/j.apenergy.2019.114266.

［16］ DZATOR M，ACHEAMPONG A O，DZATOR J.Does transport infrastructure development contribute to carbon emissions？ Evidence from developing countries［M］∥SINGH P， et al. Environmental Sustainability and Economy.Holland：Elsevier，2021：19-33.

［17］ WEI Ting，CHEN Shaoqing.Dynamic energy and carbon footprints of urban transportation infrastructures： Differentiating between existing and newly-built assets［J］.Applied Energy，2020，277：115554.DOI：10.1016/j.apenergy.2020.115554.

［18］ 唐健雄，何慶，劉雨婧.長三角城市群城鎮化質量與規模的時空錯位及影響因素分析［J］.華中師范大學學報（自然科學版），2022，56（4）：703-716.DOI：10.19603/j.cnki.1000-1190.2022.04.020.

［19］ CHESHMEHANGI A.China′s New-type urbanisation plan （NUP） and the foreseeing challenges for decarbonization of cities： A review［J］.Energy Procedia，2016，104：146-152.DOI：10.1016/j.egypro.2016.12.026.

［20］ BORRUSO G.Network density and the delimitation of urban areas［J］.Transactions in GIS，2003，7（2）：177-191.DOI：10.1111/1467-9671.00139.

［21］ SHI Xun.Selection of bandwidth type and adjustment side in kernel density estimation over inhomogeneous backgrounds［J］.International Journal of Geographical Information Science，2010，24（5）：643-660.DOI：10.1080/13658810902950625.

［22］ 李穎，黃賢金，甄峰.江蘇省區域不同土地利用方式的碳排放效應分析［J］.農業工程學報，2008，24（增刊2）：102-107.

［23］ 石洪昕，穆興民，張應龍，等.四川省廣元市不同土地利用類型的碳排放效應研究［J］.水土保持通報，2012，32（3）：101-106.

［24］ 肖紅艷，袁興中，李波，等.土地利用變化碳排放效應研究： 以重慶市為例［J］.重慶師范大學學報（自然科學版），2012，29（1）：38-42.DOI：10.11721/cqnuj20120107.

［25］ FANG Jingyun，YANG Yuanhe，MA Wenhong，et al.Ecosystem carbon stocks and their changes in China′s grasslands［J］.Science China Life Sciences，2010，53（7）：757-765.DOI：10.1007/s11427-010-4029-x.

［26］ 賴力.中國土地利用的碳排放效應研究［D］.南京：南京大學，2010.

［27］ 段曉男，王效科，逯非，等.中國濕地生態系統固碳現狀和潛力［J］.生態學報，2008，28（2）：463-469.DOI：10.3321/j.issn：1000-0933.2008.02.002.

［28］ 李峰，劉小陽，劉軍，等.夜間燈光數據下河北省能源消費量的空間模擬［J］.信陽師范學院學報（自然科學版），2017，30（1）：92-96.DOI：10.3969/j.issn.1003-0972.2017.01.020.

［29］ 吳健生，牛妍，彭建，等.基于 DMSPS 夜間燈光數據的 1995-2009 年中國地級市能源消費動態［J］.地理研究，2014，33（4）：625-634.DOI：10.11821/dlyj201404003.

［30］ 顧羊羊，喬旭寧，樊良新，等.夜間燈光數據的區域能源消費碳排放空間化［J］.測繪科學，2017，42（2）：140-146.DOI：10.16251/j.cnki.1009-2307.2017.02.027.

［31］ 叢曉男.耦合度模型的形式、性質及在地理學中的若干誤用［J］.經濟地理，2019，39（4）：18-25.DOI：10.15957/j.cnki.jjdl.2019.04.003.

［32］ 張玉萍，瓦哈甫，哈力克，等.吐魯番旅游-經濟-生態環境耦合協調發展分析［J］.人文地理，2014，29（4）：140-145.

［33］ 田澤，景曉棟，肖欽文.長江經濟帶碳排放-產業結構-區域創新耦合度及時空演化［J］.華東經濟管理，2020，34（2）：10-17.DOI：10.19629/j.cnki.34-1014/f.190904013.

［34］ 趙榮欽，李志萍，韓宇平，等.區域“水-土-能-碳”耦合作用機制分析［J］.地理學報，2016，71（9）：1613-1628.DOI：10.11821/dlxb201609012.

［35］ 張旺，周躍云，胡光偉.超大城市“新三化”的時空耦合協調性分析： 以中國十大城市為例［J］.地理科學，2013，33（5）：562-569.DOI：10.13249/j.cnki.sgs.2013.05.007.

［36］ ZHANG Ning，YU Keren，CHEN Zhongfei.How does urbanization affect carbon dioxide emissions？ ：Across-country panel data analysis［J］.Energy Policy，2017，107：678-687.DOI：10.1016/j.enpol.2017.03.072.

（責任編輯：? 陳志賢? 英文審校： 劉源崗）

收稿日期： 2023-02-15

通信作者： 陳燕（1976-），女，副教授，博士，主要從事區域生態環境演變、環境遙感與地理信息系統的研究.E-mail：chenyan-hjxy@dhu.edu.cn.

基金項目： 國家自然科學基金資助項目（41471089）； 中國科學院流域地理學重點實驗室開放基金資助項目（WSGS2020006）； 國家重點研發計劃項目（2021YFC3000102）

http：∥www.hdxb.hqu.edu.cn