國土綠化如何“點綠成金”?※
—— 來自中國城市綠色基礎設施創新效應的經驗證據

晏清

內容提要:在城市綠色基礎設施驅動創新理論分析基礎上,運用2003-2021年中國地級及以上城市綠化指標和專利申請的面板數據,實證檢驗城市綠色基礎設施對創新的影響。研究發現:城市綠地率能夠顯著提高城市創新,該現象得到工具變量法等多種穩健估計方法的進一步確認。機制檢驗表明,城市綠化的空氣污染凈化效應和資本錯配矯正效應可以緩解污染對創新能力的損害,兩者共同驅動城市創新增長。異質性分析表明城市綠化的創新驅動在秦嶺淮河線以南城市表現得更為強勁。鑒于研究發現,后續應進一步深化國土綠化行動相關政策措施,提升城市生態宜居環境的創新人才吸引力,不斷完善“美麗中國”驅動“創新中國”的制度安排和政策體系。

一、 引 言

中共二十大明確提出要“站在人與自然和諧共生的高度來謀劃發展”。城市作為人民生產、生活和創新活動的空間載體,其市容綠化不僅是提升綠色基礎設施建設水平、推進城鄉人居環境整治的重要內容,也是科學開展大規模國土綠化行動、實現高質量發展新格局的關鍵所在。為響應“美麗中國”建設號召,中共十八大以來各級政府大規模推進城市綠化工程建設。到2021年全國城市建成區綠地率達到38.7%,建成區綠化覆蓋率超過41%,人均公園綠地面積為14.87平方米,國土綠化行動取得顯著成效。全國綠化委員會編制印發的《全國國土綠化規劃綱要(2022-2030年)》進一步提出,“十四五”期間全國要完成國土綠化5億畝,全面加強城鄉綠化,持續改善城鄉人居環境。植被覆蓋率的提升有益于增強城市的生態固碳能力,減輕污染排放造成的環境損害,擴大城市經濟社會發展賴以維系的環境承載力。作為增強生態宜居性基本途徑,城市綠化還能夠為創新要素匯聚營造良好的氛圍和環境?！皥@林之城”“生態之城”“花園城市”等享譽內外的市容風貌造就的隱形“綠色福利”,成為吸引人才和資金的一張張亮麗“名片”。

自20世紀90年代末美國保護基金會和農業部森林管理局組織的GI工作組提出綠色基礎設施(Green Infrastructure, GI)的概念以來,城市內部及周邊開放空間的“綠化工程”及其影響成為城市生態環境研究的熱點。相關研究將綠色基礎設施視作城市的一個框架系統,認為它由網絡中心(hubs)、連接廊道(links)以及小型場地(sites)組成,是生態宜居、綠色低碳城市的重要屏障(張晉石,2009)。研究表明,綠色基礎設施作為城市生態服務供給體系的基石,可以對灰色基礎設施形成有效替代效應,在保障城市綠色服務供給中維護生物多樣性。在工業化過程中,城市綠色基礎設施主要由森林、濕地、公園和城市公共綠地等組成,主要是為應對工業化帶來的環境副作用,滿足人民的宜居需求。針對不同城市的研究凸顯城市之間綠色基礎設施結構的差異化和獨特性,這些差異根本在于城市之間的異質性綠色稟賦以及工業型宜居城市建設中綠色系統的開發整合難度(劉娟娟等,2012)。新型基礎設施與城市綠色發展耦合協調的時空演變表明,中國城市綠色發展呈現時序上的“先降后升”與空間結構上的“東西南北高、中部塌陷”,其與新型基礎設施呈現東北方向“陷落”的空間格局。針對中國存在的生態功能不完善和空間配置不合理等問題,有研究提出綠色基礎設施生態系統基于供需平衡的服務優化實施框架(周強等,2021)。雖然環境基礎設施投資為城市經濟帶來長期增長效應,且其促增長的作用主要體現在城市公園綠地在資產增值、增加就業以及促進消費等方面,但這些拉動效應集中體現在少數城市,在分區域的研究中只有東部地區初步達到綠色基礎設施建設和城市經濟的所謂“富美雙贏”局面。

具備開放性、多元化、包容性、可達性、富有活力的公共空間以及高質量的人居環境等是城市創新的重要外在條件。城市創新既要在硬件上擁有完善的基礎設施,也要在軟件上擁有高素質勞動力、成熟的市場制度以及高效的服務型政府,在此基礎上形成要素動態集聚的本地化和城市化經濟。當前文獻更多關注的是城市創新的影響因素。其一是城市人口規模。達到門檻的人口規模才能提供知識創造所需的人力資本積累,降低學習成本和加速知識溢出(Balland等,2015)。其二是城市產業結構與集聚形態。制造業次中心集聚及其與生產性服務業的互動效應使得多中心集聚顯著提高城市生產率(魏守華等,2016)。其三是政府創新偏好和政策傾向。財政壓力通過抑制政府創新偏好進而對城市創新質量提升起到阻礙作用,尤其是對于那些政府債務壓力較大的城市(鄭威和陸遠權,2021)。此外,政府環境規制強度及異質性規制工具的選擇也將對城市創新產生重要影響。其四是市場擁擠效應。隨著城市規模擴張,人口密度過高,由此帶來的市場擁擠效應造成集聚成本急劇上升,阻礙城市創新能力提升。這些市場擁擠效應主要通過房價、環境污染、通勤成本等發揮作用(劉屏和江鑫,2021)?；诖?本文通過地級及以上城市綠地率、綠地覆蓋率、專利申請量等指標,探究城市綠化對創新活動的綜合效應及其內在機制,以此探尋新時代“美麗中國”和“創新中國”協同發展的內在邏輯。

本文的邊際貢獻主要表現在:一是首次采用綠化率、專利申請等城市綠色基礎設施和創新指標對“美麗中國”和“創新中國”的內在關聯進行了實證檢驗,為“綠水青山就是金山銀山”的論斷提供經驗支撐;二是探究城市綠化的空氣凈化效應在促進城市創新上發揮的積極作用;三是驗證了城市綠化對緩解資本扭曲配置的有效作用,通過中介效應模型發現城市綠化通過資本配置優化所起到的促進城市創新作用。

二、 理論分析與假設提出

城市綠色基礎設施構成支持人類生命、健康和福祉的生態系統服務的基礎,成為城市阻擋污染的一道天然屏障和“空氣凈化器”。城市綠地能夠從增濕、降溫、降噪、固碳釋氧、抗污染、生物多樣性保護等方面起到對城市生態環境的凈化和修復作用 (蘇泳嫻等,2011)。以上海市為例,據有關估計,2021年上海森林生態系統總固碳量為88.5萬噸,釋氧量為217.7萬噸,所固定的二氧化碳量相當于抵消了2500架中型飛機繞地球飛行一圈所排放的二氧化碳量。此外,有研究表明,城市景觀類型和格局可以降低抑郁癥和高血壓患病等心血管疾病發病率,帶來城市自然-經濟-社會復合的健康和良性循環(賀宏斌等,2022)。而絕大多數學者發現環境污染會損害城市的創新能力,盡管造成該局面的原因和內在邏輯在不同城市樣本中略有不同。首先,環境中的有害物質會對公眾健康產生負面影響,并且高污染城市的工作者受到的健康損害是雙重的,不僅可能面臨肉體上的疾病困擾,而且也將承受污染帶來的各種心理健康和障礙,尤其是對于城市中從事創意和創新的工作者,這些人恰恰是城市創新的供給者。其次,企業所在城市的空氣污染惡化構成企業創新努力的約束性外部因素。因為在其他條件相同的情況下,高污染城市的企業面臨額外的運營成本?？諝馕廴疽笃髽I增加對環境的投資,以應對新的環境法規和監管,從而擠占了原本用于企業創新的資源 (Tan和Yan,2021)。為此,本文提出如下假設:

假設1:城市綠色基礎設施為城市創新注入源源不斷的活力。

環境污染對城市創新的影響越來越多地進入研究者的視野。首先,污染抬高企業環境投資成本,進而擠占創新投資支出份額。更為甚者,投資者基于嚴重污染所帶來的投資回報的“悲觀預期”,將對創新型資本積累造成持久的負面沖擊(謝珺和林小沖,2020)。其次,企業創新投資依賴的市場規模受到污染限制。國外的研究已經表明,居民對環境質量“用腳投票”存在規模效應和結構效應,前者意味著污染物排放增加將使地區人口下降,后者指的是污染物排放增加導致富裕家庭的遷出而貧困家庭遷入,進而導致平均收入水平下降(Banzhaf和Walsh,2008)。萎縮的市場顯然不利于企業的創新型資本積累。再者,污染造成的人口流失中,往往高人力資本的人口占據較高比例,因為他們擁有更強的“用腳投票”的能力。也就是說,城市污染偏向于驅逐創新型人力資本?？諝馕廴緦α鲃尤丝诰蜆I選址行為的影響表明,空氣污染致使流動人口到該城市就業的概率顯著下降,而且受教育水平越高在就業選址時對空氣污染的敏感性便越高(孫偉增等,2019)。在綠水青山就是金山銀山的發展觀引領下,從業者的就業選擇更加趨于理性,工資水平和擇業機會不再是唯一選項,宜居環境所在的比重持續提高。全國流動人口動態監測數據顯示,PM2.5濃度低、中學數量多以及人口稀少的城市更受青年流動人才偏愛(原新等,2021)。而張晉石(2009)指出由網絡中心(hubs)、連接廊道(links)以及小型場地(sites)組成的綠色基礎設施,是生態宜居、綠色低碳城市的重要屏障。城市綠化在一定程度上可以緩解環境污染,塑造優美景觀和宜居環境,協助城市生態系統實現自我修復(蘇泳嫻等,2011)。綜合以上分析,本文提出如下假設:

假設2:城市綠化存在空氣凈化效應,從而構筑城市創新的“綠色屏障”。

因為氣候變化引發的自然災害每年造成數以萬億計的經濟損失(Joseph, 2022)。在氣候災難頻仍的歷史背景下,氣候風險越來越成為企業投資決策的重要影響因素(Acevedo等,2018)。發表在《自然-通訊》上的一項研究表明資本配置受到氣候風險的巨大影響,尤其當中國跨國公司進行資本的全球配置時,其對外直接投資受到東道國水資源短缺、洪水、颶風和臺風等風險沖擊更甚。氣候變化還引發投資結構變動,考驗企業向“氣候性資產”動態調整的能力。全球資本管理者正在進行史無前例的資產再配置,以迎接全球范圍的低碳經濟轉型。綠色金融產品不斷豐富,以保險、基金等多種方式改變資本配置方式,也加劇傳統部門資本的“扭曲配置”(Marshall等,2021)。城市綠化的益處在于它能夠鞏固城市綠色生態系統,減少氣候風險沖擊。正因如此,本文提出如下假設:

假設3:城市綠化能夠緩解資本扭曲配置,由此促進城市創新。

三、 研究設計

1. 模型設定

本文城市綠色基礎設施對城市創新影響的基準模型設定如下:

Invit=α0+α1GIit+α2Xit+μi+νt+εit

(1)

其中,下標i和t分別表示城市和年份;被解釋變量Invit表示城市創新,在本文中具體指的是城市年度專利申請量和綠色專利申請量;核心解釋變量GIit為城市綠色基礎設施衡量指標,具體指的是城市綠地率(Green land rate,Gar)和綠化覆蓋率(Green land coverage rate,Gcr);Xit表示一系列控制變量;μi和νt分別為城市固定效應和年份固定效應,εit是隨機誤差項。

進一步地,為檢驗上述假說,揭示城市綠化促進空氣質量提升和資本配置優化的兩大內生機制,即空氣污染凈化和資本配置優化。首先,將空氣污染指標作為被解釋變量引入計量模型,研究城市綠化是否起到減輕空氣污染的作用;其次,選擇資本錯配作為創新投資的量化指標,檢驗城市綠化有沒有緩解資本錯配。由此,分別設定如下的基本計量模型:

PMit=β0+β1GIit+β2Xit+μi+νt+εit

(2)

miskit=γ0+γ1GIit+γ2Xit+μi+νt+εit

(3)

其中,PM和misk分別為城市可吸入細顆粒物年平均濃度和資本錯配指數。

若模型(2)模型(3)中對應的核心解釋變量估計系數滿足統計顯著性,則說明城市綠化能夠改變城市空氣污染和優化資本配置。此外,PM和misk還可以作為中介變量引入到模型(1)中,以檢驗它們在城市綠化和創新之間是否存在中介效應,對應的計量模型如下:

(4)

(5)

上述模型共同構成中介效應檢驗模型,用以驗證提出的假設2和假設3?？諝馕廴镜墓烙嬒禂祽擄@著為負,而資本錯配的估計系數也應該顯著為負,也就是說,城市綠化通過減輕空氣污染以及優化資本配置來增強城市創新。

2. 變量選擇

(1) 被解釋變量:城市創新。本文借鑒張英浩等(2023)對城市層面創新活躍度的測量方法,由于研究的側重點在于考察城市綠化環境對創新活躍度的影響,故采用對數化的城市專利申請數(inv)衡量城市創新水平,同時在穩健性檢驗中將綠色專利申請量(ginv)作為inv的替代變量。

(2) 解釋變量:城市綠色基礎設施。城市綠化環境主要為城市綠色基礎設施所涉及到的城市屬地范圍內的水道、濕地、公園、森林和公共綠地等。依據各地發布的國土綠化行動公報,在具體的量化分析中通常用綠地率作為城市綠化的衡量指標?？紤]到綠地率屬于官方指標,具有權威性、科學性和合理性。本文也借鑒國土綠化行動公報,將城市綠地率(Gar)和綠化覆蓋率(Gcr)作為城市綠化的代理指標。

(3) 控制變量?？刂谱兞堪丝赡苡绊懗鞘袆撔禄顒拥闹饕兞?這些也是以往文獻中常見的控制變量,包括城鎮化率(urb)、城市人口密度(den)、第二產業增加值占國內生產總值比重(ind)、進出口總額與國內生產總值的比率度量的對外開放度(open)以及地方政府財政支出規模(fis)等。其中,主要變量的數據都進行了去量綱化處理,以消除通貨膨脹引發的偏差。

(4) 工具變量。在工具變量估計模型中,選擇各省市文化和旅游廳公布的城市A級及以上景區個數(spot)作為城市綠化的工具變量。A級及以上景區數量具有與城市綠地率、綠化覆蓋率兩個解釋變量高度相關,而與被解釋變量相關度較低的統計特性,是模型中可選擇的適宜工具變量。

(5) 中介變量。主要包括:城市可吸入細顆粒物年平均濃度(PM),該指標的持續下降是城市環境質量改善的重要標志,也是各部門環境統計公布中最常見的指標。資本錯配指數(misk),該指標的下降表示資本在城市中實現良好的配置功能。

3. 數據說明

本文選取2003-2021年全國279個地級及以上城市面板數據作為研究樣本。相關數據來源于《中國城市統計年鑒》、《中國城鄉建設統計年鑒》、中國城鄉建設數據庫、國家知識產權局專利數據庫及CNRDS數據庫。其中,城鎮化率、人口密度、產業結構、對外開放度和財政支出規模等城市層面控制變量數據均來自《中國城市統計年鑒》;城市綠地率和綠化覆蓋率來源于《中國城鄉建設統計年鑒》及中國城鄉建設數據庫;城市專利申請數來源于國家專利數據庫和CNRDS數據庫。在剔除了諸如巢湖等撤銷地級市及數據缺失嚴重的城市,獲得覆蓋全國82.8%地級及以上城市、47.6%國土面積以及81.3%人口的樣本城市。以上主要變量的描述性統計結果如表1所示。

表1 主要變量描述性統計結果

四、 實證分析結果

1. 基準估計結果

表2報告了城市綠地率對城市創新影響的基準估計結果。其中,列(1)沒有加入城市和年份固定效應,而列(2)列(3)分別僅加入城市和年份固定效應,但所得核心解釋變量的估計系數均達到顯著性且系數符號也符合預期。列(4)中同時加入城市和年份固定效應所得估計系數大體一致,均達到1%的統計顯著性?；鶞使烙嫿Y果表明,綠地率對城市專利申請數起到促進作用,城市綠化能夠提高創新活躍度,驗證了假設1。

表2 基準估計結果

2. 穩健性檢驗

本文采用以下方法來確?；鶞驶貧w結果的穩健性。

(1) 縮尾1%。極端異常值的存在會導致估計結果有偏,為此,本文對前1%和后99%的數據進行了縮尾處理。表3列(1)顯示,在固定城市和年份效應后,城市綠地率的估計結果和顯著性與基準回歸結果保持一致。城市綠化對創新活躍度的激勵作用具有穩健性。

表3 穩健性檢驗回歸結果

(2) 工具變量法。環境和創新的雙向因果關聯、測量誤差和可能的遺漏變量等因素,容易造成內生性問題。為解決內生性問題,本文選擇城市A級及以上景區數作為城市綠地率的工具變量,從表3列(2)可以看出,城市A級及以上景區數符合工具變量的相關性和外生性。使用工具變量得出的估計系數仍顯著為正,驗證了基準回歸結果的穩健性。

(3) 剔除異常年份。考慮到新冠肺炎疫情對經濟各方面的沖擊較大,城市創新能力也在一定程度上受到這一特殊時間的影響。為此,本文剔除新冠肺炎疫情發生后的兩年,即2020和2021年。根據表3列(3)可以獲悉,城市綠地率顯著提高了城市創新,研究結果具有穩健性。

(4) 滯后項。本文利用城市綠地率的滯后項和二次項進行穩健估計,估計結果如表3列(4)所示。滯后1期的城市綠地率在1%水平上提高了0.228%的城市創新能力,表明城市綠地率對創新的影響具有延遲效應,這也符合經濟事實。這間接佐證了基準回歸結果的有效性。

(5) 替換核心變量。鑒于城市綠化和創新能力可以由多個指標加以衡量,為確保估計結果穩健,首先將城市綠地率替換為綠化覆蓋率(Gcr),所得估計結果如表3列(6)所示。一般情況下,一個城市的綠化覆蓋率要高于該城市的綠地率,但兩者都是衡量城市綠化程度的重要指標。綠化覆蓋率估計系數為0.115,表明城市綠化覆蓋率的提高同樣能夠有效引起專利申請數的增加。其次,將傳統創新替換為綠色創新(ginv),如表3列(5)所示,1%的人均公園綠地面積增長將平均地帶來約0.296%的城市綠色專利申請數量提高。這一研究事實說明城市綠地率不受指標測算的影響,對城市創新韌性的激發具有普適作用,基準回歸結果無偏。

3. 異質性分析結果

異質性分析目的在于甄別不同樣本組的估計系數差異化。本文從南北城市異質性、國家級園林城市異質性和經濟規模異質性三個方面進行探討,以期研究城市綠地率對城市創新影響的差異性,從而提供針對性的建議和措施。

(1) 南北城市異質性?？紤]不同地域的氣候差異,按照秦嶺-淮河線所劃定的南北分界線將樣本城市分為北方城市和南方城市。北方城市為秦嶺-淮河線以北的城市,以南為南方城市。表4報告了城市異質性估計結果。

表4 南北城市異質性估計結果

兩者綠地率的估計系數均為正,也就是說,無論在南方城市還是在北方城市,城市綠化都對城市創新起到正向促進作用。組間系數SUR檢驗p值為0.1506,表明北方城市和南方城市系數大小不存在顯著差異。根據表4列(1)列(2),南方城市綠地率的估計系數比北方城市高0.127個百分點,城市綠化的創新驅動在南方城市更為強勁。這可能是由于空氣污染致使流動人口到該城市就業的概率顯著下降,而且受教育水平越高在就業選址時對空氣污染的敏感性便越高(孫偉增等,2019)。南方城市相較于北方城市的環境質量較高,吸引了大批高質量人才的涌進,為城市帶來創新提升。

(2) 國家級園林城市異質性。表5為國家級園林城市異質性估計結果。本文根據國家園林城市名單,將樣本分為非國家級園林城市和國家級園林城市兩類,分析這一分類標準對城市創新的作用。SUR檢驗系數差異p值不顯著,說明非國家級園林城市和國家級園林城市估計系數無顯著差異,可直接進行比較。無論選擇綠地率還是綠化覆蓋率作為城市綠化的衡量指標,國家級園林城市的估計系數均顯著高于非國家級園林城市。這一事實說明,國家園林城市名單的公布對公眾城市居住選擇以及企業成本產生了重大影響。高質量人力資本會流向環境質量更高的城市,全國流動人口動態監測數據顯示,PM2.5濃度低、中學數量多以及人口稀少的城市更受青年流動人才偏愛(原新等,2021)。在非國家級園林城市,企業會將更多的資金用于環境污染治理,從而擠占了創新投資資本,抑制了城市創新。

表5 國家級園林城市異質性估計結果

(3) 經濟規模異質性。為進一步考察城市綠色基礎設施對創新的異質性影響,本文借助面板平滑轉換回歸(Panel Smooth Transition Regression,PSTR)模型捕捉估計系數隨轉換變量(Transition Variable)的非線性變動特征。選取對數化的城市國內生產總值作為轉換變量,由此可以分析在城市經濟規模的不斷擴大中城市綠化對城市創新估計系數呈現怎樣的異質性變動。PSTR模型設定如下:

Invit=ρ0+ρ1GIit+ρ2g(qit,τ,c)GIit+ρ3Xit+εit

(6)

其中,g(qit,τ,c)為轉換函數。標準的轉換函數形式如下:

(7)

其中,τ為轉換函數的斜率參數。當τ趨于無窮大時,轉移函數g(·)將無限接近面板門檻模型,而當τ趨于零時,PSTR模型趨于標準線性模型。qit為轉換變量,c=(c1,…cκ)′表示位置參數的m維向量。

PSTR模型的估計結果如表6所示。城市綠地率的線性部分的估計系數均顯著為負,而非線性部分則顯著為正。隨城市國內生產總值對數的變動,城市綠地率、綠化覆蓋率對城市專利申請數的總估計系數走勢如圖1所示?？梢姽烙嬒禂凳请S對數化城市國內生產總值的增長而非線性上升的,說明城市經濟規模越大,城市綠化對城市創新的驅動效應越強。在城市經濟規模較低時,估計系數位于負值區間,意味著經濟規模較低城市的國土綠化并沒有帶來額外的城市創新。

圖1 PSTR估計系數

表6 PSTR模型估計結果

4. 機制檢驗

本文理論分析發現城市綠化可能通過兩大機制激發城市創新活力:空氣污染凈化效應和資本配置優化效應。本部分主要依據模型(2)至(6)對兩大機制的存在性進行檢驗。機制檢驗結果如表7所示。

表7 機制檢驗估計結果

(1) 空氣污染凈化效應。正如前文分析,有鑒于空氣污染從多方面對創新造成損害,而城市綠化程度的提高可以增強生態固碳能力,增加環境舒適度和宜居性,對空氣污染的創新損害起到反向中介作用,這里首先檢驗城市綠化在激發創新中的空氣污染凈化效應。表7列(1)列(2)報告的空氣污染凈化效應估計結果為相關假設提供了經驗支持。平均而言,城市綠地率和綠化覆蓋率均對城市專利申請起到促進作用,其中城市綠地率表現得最為突出,其每提高1%將帶動城市專利申請數提高約0.223%。盡管因為計算方法的差異導致綠化覆蓋率通常要高于綠地率,但綠化覆蓋率對城市專利申請數的提升作用要弱于綠地率,這一方面驗證了城市綠化創新驅動的穩健性,另一方面也反映城市綠化對城市創新的激發來源于城市植被點綴的“綠色實景”而非衛星觀測的客觀數據。“美麗中國”和“創新中國”是相互成全、協同并進的。

(2) 資本配置優化效應。企業創新活躍度不足的一個重要原因是資源錯配。扭曲的要素市場使得創新資源在企業間配置效率低下,具備創新能力和潛力的企業獲得的生產要素供給與其需求并不一致,由此阻礙創新潛力的挖掘。環境污染的社會外部性加劇了資源錯配,對要素市場秩序形成擾亂。為此,本文將資本錯配作為城市綠化創新效應的中介變量。如表7列(3)列(4)所示,以城市綠地率作為城市綠化的代理指標,城市綠化每提高1%將減少0.098%的資本錯配,資本錯配每提高1%將抑制0.005%的城市創新。城市綠化覆蓋率的估計結果與其高度一致,這間接表明城市綠色基礎設施對資本錯配起到顯著的反向調節作用。誠如前文分析,城市綠化能夠對環境污染的資源錯配效應進行“撥亂反正”,從而使有利于創新的資源向研發部門匯聚。

五、 結論與政策建議

中共十八大以來,中國開展了人類史上規模最大的國土綠化行動。大規模持久的國土綠化為中國式現代化厚植綠色底蘊。國土綠化不僅是一場祖國山河的“顏值革命”,更是一場轉變發展方式的制度和技術革命。國土綠化不僅能使人民擁有賞心悅目的“綠水青山”,最終也能使人民收獲富足美滿的“金山銀山”。因此,為驗證“綠水青山就是金山銀山”的理論命題,基于創新是財富的根本源泉這一基本“公理”,本文運用2003-2021年中國地級及以上城市包含綠地率和綠化覆蓋率的城市綠化與專利申請數據,實證研究了城市綠化對城市創新的影響及其內生機制。

本文研究發現,城市綠色基礎設施水平通過對創新人財物的優化配置與其創新能力顯著正向關聯。一是各類指標(綠地率、綠化覆蓋率)度量的城市綠化一致地促進城市專利申請數的增長,城市綠化起到了激發創新的作用。簡而言之,可以從本文穩健的實證結果中得出一項基本結論,即“綠水青山”能夠通過創新激勵帶來“金山銀山”。二是城市綠化增進創新主要通過兩大中介效應——空氣污染凈化效應和資本配置優化效應,激發城市創新。城市綠化還有助于減少空氣污染,扭轉資源錯配,提高創新質量和綠色創新水平?；谘芯拷Y論,本文提出如下的政策建議:

第一,深化落實國土綠化行動規劃,推動各地區城市因地制宜精細化實施建成區綠化工程,著力填補城市綠色基礎設施短板。2018年全國綠化委員會、國家林業和草原局印發《關于積極推進大規模國土綠化行動的意見》,提出到2035年國土生態安全骨架基本形成,美麗中國目標基本實現。2021年國務院辦公廳發布的《關于科學綠化的指導意見》進一步要求各地區要全國“一張圖”編制綠化規劃,積極推動城市通過拆違建綠、留白增綠等方式增加綠地規模,“見縫插綠”開展城鄉綠化工程。改革開放40多年來,中國國土綠化取得卓越成就,是全球少數森林面積增長的國家,對全球土地改善和恢復貢獻率超過19%。然而,盡管中國城市人均公園綠地面積提高4倍以上,但仍低于18.32平方米的世界城市人均公園綠地面積,與發達國家相比則具有更大的發展空間。中國人均森林面積更是處于較低的水平,森林城市建設任重道遠。為完善城市綠色基礎設施,不僅要著力提高城市道路綠化、公園綠地面積,更應該堅持城市內大規模造林行動,全力提高城市森林覆蓋率。

第二,以增強生態固碳能力和環境宜居性為依歸,加強城市綠色基礎設施污染凈化效果評估,優化調整綠色基礎設施結構,使其達到生態修復力和環境宜居性的有效協調。強化遙感、衛星定位、無人機系統對城市綠化空間三維動態監測和維護,嘗試建立常態化的城市綠化植被固碳能力監測機制。推動有條件的城市在城市范圍內試點部署綠化植被固碳監測系統,充分利用物聯網、大數據和人工智能等先進技術加強城市污染排放及碳匯管理。參照空氣質量信息公開制度,定期發布城市綠化植被固碳指標數據,并依據區縣、鄉鎮和社區等固碳指標“見縫插綠”,補缺填漏,及時填補城市綠地中的“空白”。加強城市綠地空間凈化空氣、調節氣候、涵養水源、減少噪音及美化環境等功能的社會宣傳,增強市民社區綠色環境保護意識,推動全民參與城市綠化行動。

第三,增加綠色公共投資規模,健全城鄉綠色資本核算和資產審計體系,建立城鄉均等化的綠色基礎設施供給體系,多舉措提高城鄉“綠色福利”。更多地以“人均指標”而非“總量指標”衡量城市綠色資產充裕度,并將常住人口而非戶籍人口納入核算范圍,且要滿足流動性人口對城市綠色基礎設施需求,提高環境承載力余度。貫通城鄉綠地,增強城鄉綠地協同發展,持續提高城市更新中綠地空間的最低標準,不斷增強城市中心區生態宜居性。提高城市新區的綠化標準,通過有效的審批和獎懲機制,增添新型城鎮化中的綠色底蘊,形成一套“以綠興城、以城添綠”的良性綠色城鎮化發展機制,深入挖掘新型城鎮化、城鄉一體化創新發展中的綠色公共投資增長點。

第四,發揮市場化機制的綠色資源優化配置功能,運用碳匯交易工具將綠色植被的固碳釋氧功能資產化,有效激勵城市綠化建設,持續提高城市綠地生態系統的增匯潛力。全國城市綠地面積已達331.2萬公頃,約占林業總面積的1/3,可以考慮將林業碳票制度引入到城市綠地資產化交易。城市綠地碳票作為碳減排量收益權的憑證,具有交易商品的一般屬性,可以在碳市場中質押、交易和兌現。還可以運行金融工具推動城市綠地碳匯資產化、金融化和證券化,引導金融機構創新城市綠地碳金融結構性存款、碳匯資產抵質押融資、碳債券、碳基金等綠色金融產品和衍生工具,加速城市綠地碳票存儲、流轉和融資,完善城市綠色金融體系。

第五,推動綠色城市和創新城市“雙城”并進,建立綠色賦能創新的新型城鎮化發展路徑和政策體系。加強城市綠化行動的分類管理,完善資源型城市的生態綠色補償機制。堅持以人為本的城市綠化和創新發展理念,充分發揮城市園林綠化和人文底蘊等“非貨幣化資產”對創新人才的引致效應。不斷提高綠色投資的投入產出效率,持續擴大國土綠化的生產率溢價。