区域低碳协同发展评价：京津冀、长三角和珠三角城市群的比较分析

贾品荣

摘 要 京津冀、长三角和珠三角城市群是中国经济高度发达、最具发展潜力的区域，在低碳发展方面起到引领作用.从经济、资源、环境和绩效的角度构建区域低碳协同发展评价指标体系，采用结合逼近理想解的TOPSIS方法、灰色关联理论和距离协同模型，利用2005～2014年三大城市群50个城市数据实证分析了三大城市群的低碳协同发展程度.结果表明，三大城市群低碳协同发展度整体上呈现上升趋势，其低碳协同程度从高到底依次为长三角、珠三角和京津冀城市群.

关键词 低碳协同；灰色关联理论；距离协同模型；三大城市群

中图分类号 F205 文献标识码 A

1 引 言

城市群是中国未来经济发展格局中最具活力和潜力的核心地区，是中国经济增长的重要支撑点[1].京津冀、长三角和珠三角城市群是我国三大最重要的经济圈，是驱动中国的经济发展的引擎，但也是资源环境与经济发展矛盾最为尖锐的地区.近年来，国家颁布的一系列推动低碳发展文件中，如《能源发展战略行动计划（2014～2020年）》《工业绿色发展规划（2016～2020年）》等，均对京津冀、长三角、珠三角三大城市群的低碳发展提出了明确要求.可以说，三大城市群的低碳发展是必然选择.对区域低碳协同发展程度进行评价是有效推动三大城市群低碳发展的前提.因此，对三大城市群的低碳协同发展情况进行量化分析，对于推動它们的低碳发展具有重要意义.

广义上，低碳发展要求经济增长、资源利用、环境保护、政策措施安排上的协同.协同发展是指系统内部以及各子系统之间的相互适应、相互协作、相互配合和相互促进，它能有效减少内耗和外耗、调动各方积极性、产生互补效应[2].目前国内外对于区域协同发展的研究可分为定性研究与定量研究两类：定性研究一般从资源禀赋和利用情况、经济发展与产业结构等某个具体角度切入，引出问题并提出政策建议，典型研究的如：侯建荣等[3]研究了区域经济协同发展机制模型；Beers和Biswas[4]分析了资源型区域协同发展的制约因素；Dongle等[5]从工业协同发展的角度分析了区域生态工业园区的发展；Beers等[6]以澳大利亚奎那那经济区为例，从产业链共生和资源协同角度分析了区域协同发展的驱动因素；Uddin和Taplin[7]讨论了区域协同合作应对能源持续性供给和减缓气候变化；Liu等[8]以京津冀城市群为例，分析了区域地方政府协同节能减排的竞合关系.

鉴于定性研究的主观与片面性，大量研究倾向于使用定量的方法，主要是利用恰当的数理模型对相关指标数据进行建模和处理，获得数字化的评价结果.Bollen等[9]采用MERGE模型综合评价了气候变化、空气污染和能源安全政策的一致性；Chen等[10]使用面板数据模型分析了中国区域生态创新水平及其影响因素；Jia等[11]以随机前沿分析为基础，分析了京津冀、长三角、珠三角三大城市群的技术进步的偏向性；许涤龙等[12]利用离差系数方法对“长株潭”城市群经济与环境的协调度进行了实证研究；任宇飞、方创琳[13]设计了资源投入经济效益环境影响复合生态效率评价指标体系，对京津冀城市群县域的生态效率和空间协调性进行了评价；向丽[14]构建了区域科技创新能力评价指标体系，实证分析了2009～2013年中国30个省域科技创新能力与产业集聚水平的协调发展度及其空间差异；李海东等[15]采用灰色关联理论和距离协同模型对皖江城市带的协同发展水平进行了实证研究；李虹和张希源[1-6]基于低碳环保创新视角构建了科技创新与生态环境复合系统协同度模型，并对中国三大城市群的区域生态创新协同度进行了测评；武玉英等[1-7]构建了要素与产业协同度模型，并对京津冀地区进行了实证分析，结论表明，近五年来京津冀三地要素与高技术制造业综合协同度呈上升趋势；王少剑等[1-8]构建了城市化和生态环境系统综合评价指标体系，然后借助物理学耦合模型，构建了城市化与生态环境动态耦合协调度模型，定量分析了1980～2011年京津冀地区城市化与生态环境的耦合过程与演进趋势；范斐等[1-9]利用能力结构关系模型，测度1998～2011年中国省级区域在区际协同创新中获益效果的相对变化趋势及时空关联.

从上述分析可以看到，定量研究已经成为协同评价的主流方法.本文以京津冀、长三角和珠三角城市群的50个城市为研究样本，构建了区域低碳协同发展评价指标体系，并结合逼近理想解的TOPSIS（Technique for Order Preference by Similarity to an Ideal Solution）方法、灰色关联理论和距离协同模型，实证分析了三大城市群的低碳协同发展程度，以期对京津冀的低碳发展提供参考.

2 研究方法

2.1 区域协同发展系统的构成

区域低碳发展系统是一个结构复杂、功能多样的社会系统，整体来看，可将其划分为经济、资源、环境和绩效4个子系统（如图1所示）.其中，“经济-资源-绩效”和“经济-环境-绩效”构成了区域内的两条发展主线，而经济子系统处于这两条主线的枢纽地位，因为它为其他子系统提供物质保证.4个子系统中，资源是低碳发展的重要基础，在一定程度上，低碳发展的目标是要使资源最大效率地转化为生产力；环境为低碳可持续发展提供助力，其很大程度上也取决于低碳发展是否取得成效；此外，生态环境治理已成为当前经济发展的制约，除了技术进步之外，低碳发展的绩效不容忽视，是体现各地低碳发展的重要指标；经济是区域协同发展的核心，同时也为低碳发展提供物质基础，是衡量低碳协同发展的必要指标.根据以上思想以及系统性、实用性和数据可得性等原则，并结合京津冀、长三角和珠三角城市群的实际情况构建出区域低碳协同发展评价指标体系，如表1所示.

图1 区域低碳协同发展系统的构成

表1 京津冀、长三角和珠三角的低碳

协同发展评价指标体系endprint

总目标

子系统

原始变量

单位

区 域 低 碳 协 同 发 展

资源

土地面积

采掘业从业人数

平方千米

万人

环境

二氧化碳排放

二氧化硫排放

废水排放

万吨万吨万吨

绩效

污水处理率

固体废弃物综合利用率

绿地面积覆盖率%

%

%

经济

人均货运量

人均邮电业务量

人均固定资产投资总额

人均GDP吨/人

元/人元/人元/人

2.2 低碳协同发展评价模型的构建

本文拟通过度量区域系统实际状态与理想状态之间的欧氏距离来评价区域系统的协同发展程度，具体思路是：①对区域内各子系统的原始指标进行无量纲化处理；②引入最优规划向量与最劣方案向量，采用相对距离比指标衡量区域系统的发展度；③计算区域现实发展度与理想发展度间的距离，以此来衡量各子系统的协同度；④计算发展度与协同度的几何平均值得到协同发展度.

3 实证结果与讨论

根据表1给定的区域低碳协同发展评价指标体系，从中国经济数据库中搜集京津冀、长三角、珠三角城市群的50个城市的相关数据，时间跨度为2005～2014年.

根据前节的方法介绍，首先需要确定各子系统权重.为避免主观性，本文采用因子分析法提炼得到三个地区各子系统综合指标的时间序列、以及各子系统在区域低碳协同发展总目标上的权重.由表2，资源子系统的权重符号为负，符合“资源诅咒”理论假说与现实情况，即资源丰富的地区往往由于对资源过度依赖而忽略了技术进步等其他经济增长因素，导致长期来看，经济增速比资源稀缺地区更慢，环境污染更严重.4个子系统的权重差异较小，可见三大城市群低碳发展的4个子系统间具有较高的统计相关度.

研究期限内各城市群4个子系统的权重变化差异不大，表明4个子系统在区域低碳协同发展总目标上的权重比较稳定.从各子系统的均值来看，三个地区都以经济子系统的权重最高，可见经济仍是低碳发展的核心内容.此外，京津冀城市群资源子系统的权重绝对值也较大，这主要是由于京津冀城市群离山西、内蒙古等资源丰裕地区较近，相对于长三角和珠三角具有更明显的资源优势，因此，资源子系统对该地区的低碳协同发展具有更大的影响.

由式（1）～（7）计算得到3个地区各子系统的发展度，如表3所示.结果表明，三个地区的经济发展度呈明显上升趋势，而资源和环境发展度都呈现波动趋势，但波动幅度不大.有意思的是，三个地区的绩效发展度都呈现出与“五年规划”周期一致的波动特征.由于这里的绩效指的是环境治理政策的结果，这在很大程度上反映了我国地方政府的“GDP竞标赛”特征.一般而言，在一个新的五年规划周期的开始阶段，地方政府往往会不惜以资源和环境为代价，花费较大的精力刺激经济增长，而环境治理往往是等到五年规划的后期阶段才得到较多的重视.这一政策发展度波动特征在京津冀与长三角地区表现尤为明显.

通过式（13）～（15）可得到各地区各子系统的协同度，如表4所示.总体来看，京津冀城市群4个子系统的综合协同度并不如长三角与珠三角地区，三个地区的综合协同度平均值分别为0.729 9、0.775 8和0.790 8.分子系统看，珠三角地区在资源协同度上相比其他两个地区具有明显优势，长三角地区在政策协同度上具有明显优势，而珠三角地区在环境和经济协同度上具有较明显优势.从时间变化趋势来看，三个地区的政策和经济协同度都呈现明显的上升趋势，长三角和珠三角地区的其他两个子系统也呈现上升趋势；但是，京津冀城市群的资源协同度却呈现明显下降趋势，环境协同度几乎处于稳定水平，这两个子系统呈明显的弱势特征，反映了京津冀城市群的资源和环境压力是该地区低碳协同发展的重点对象.

最后，基于上文得出的综合发展度与综合协同度时间序列，通过式（16）可计算得到各地区历年的低碳协同发展度变化趋势如图2所示.不难看出，三大城市群的低碳协同发展度整体呈上升趋势.相比于长三角和珠三角，京津冀城市群的波动较大，尤其在2011年，京津冀城市群由于4个子系统的协同度均出现下跌趋势，导致低碳协同发展度出现一个大幅下跌，但随后与2012年便回到了正常水平，但仍然还落后于长三角和珠三角地区.

4 结 论

京津冀、长三角和珠三角三大城市群对我国国民经济发展有着重要影响，也是亟需低碳转型的主要区域.为深入了解京津冀城市群的低碳发展情况，本文量化分析了京津冀、长三角、珠三角城市群的低碳协同发展情况.

区域低碳协同发展的指标体系分为资源、环境、绩效和经济4个子系统.研究结果显示，三大城市群的经济发展度明显呈现上升趋势，但京津冀城市群发展程度较之珠三角和长三角最低.三大城市群的资源和环境发展度都呈现波动趋势，但是波动幅度并不大，按研究期限内首尾两年的发展度来看，京津冀和长三角地区的环境呈现一定程度的恶化趋势.三大城市群的绩效发展度都呈现出与我国明显的“五年规划”周期一致的波动特征，尤其在京津冀与长三角地区，这在很大程度上反映了我国地方政府的“GDP竞标赛”特征.整体来看，综合发展度最高的地区是长三角，珠三角地区的政策发展度和资源发展度最高，长三角地区的经济发展度和资源发展度最高.与长三角和珠三角地区相比，京津冀城市群的低碳协同发展度还有待提高.此外，京津冀城市群4个子系统的综合协同度也不如长三角与珠三角地区，该地区的资源子系统与环境子系统是目前京津冀城市群低碳发展的短板所在，亟需加强管理.以长三角和珠三角作为参考，京津冀城市群更加需要加大低碳协同发展的力度，而长三角和珠三角地區可能存在京津冀可以借鉴的优势与经验.endprint

参考文献

[1] 方创琳，周成虎，顾朝林，等. 特大城市群地区城镇化与生态环境交互耦合效应解析的理论框架及技术路径[J]. 地理学报，2016，71（4）：531-550.

[2] 李海东，王帅，刘阳. 基于灰色关联理论和距离协同模型的区域协同发展评价方法及实证[J]. 系统工程理论与实践，2014，34（7）：1749-1755.

[3] 侯建荣，周颖，顾锋. 都市圈城市经济系统的协同机理研究[J]. 中国管理科学，2009（10）：684-687.

[4] BEERS D V， BISWAS W K. A regional synergy approach to energy recovery： the case of the Kwinana industrial area， western Australia[J]. Energy Conversion and Management， 2008， 49（11）：3051-62.

[5] DONG L， LIANG H， ZHANG L， et al. Highlighting regional ecoindustrial development： life cycle benefits of an urban industrial symbiosis and implications in China[J]. Ecological Modelling， 2017， 361：164-176.

[6] BEERS D V， CORDER G D， BOSSILKOV A， et al. Regional synergies in the Australian minerals industry： casestudies and enabling tools. Miner Eng， 2007， 20（9）：830-41.

[7] UDDIN N， TAPLIN R. Regional cooperation in widening energy access and also mitigating climate change： current programs and future potential[J]. Global Environmental Change， 2015， 35：497-504.

[8] LIU G， YANG Z， CHEN B， et al. Prevention and control policy analysis for energyrelated regional pollution management in China[J]. Applied Energy， 2016， 166：292-300.

[9] BOLLEN J， HERS S， ZWAAN B V D. An integrated assessment of climate change， air pollution， and energy security policy[J]. Energy Policy， 2010， 38（8）：4021-4030.

[10]CHEN J， CHENG J， DAI S. Regional ecoinnovation in China： An analysis of ecoinnovation levels and influencing factors[J]. Journal of Cleaner Production， 2017， 153：1-14.

[11]JIA P， LI K， SHAO S. Choice of technological change for China's lowcarbon development： evidence from three urban agglomerations[J]. Journal of Environmental Management， 2017. http：//dx.doi.org/10.1016/j.jenvman.2017.08.052.

[12]許涤龙，钟雄，李正辉. 两型社会建设中经济与环境的协调度评价[J]. 统计与决策，2010（18）：39-40.

[13]任宇飞，方创琳. 京津冀城市群县域尺度生态效率评价及空间格局分析[J]. 地理科学进展，2017，36（1）：87-98.

[14]向丽. 区域科技创新能力与产业集聚水平协调关系研究[J]. 管理现代化，2016，36（6）：22-25.

[15]李海东，王帅，刘洋. 基于灰色关联理论和距离协同模型的区域协同发展评价方法及实证[J]. 系统工程理论与实践，2014，34（7）：1749-1755.

[16]李虹，张希源. 区域生态创新协同度及其影响因素研究[J]. 中国人口.资源与环境，2016，26（6）：43-51.

[17]武玉英，魏国丹，何喜军. 京津冀高技术制造业与要素协同度测度及实证研究[J]. 软科学，2016，30（5）：21-25.

[18]王少剑，方创琳，王洋. 京津冀地区城市化与生态环境交互耦合关系定量测度[J]. 生态学报，2015，35（7）：2244-2254.

[19]范斐，杜德斌，游小珺，等. 基于能力结构关系模型的区域协同创新研究[J]. 地理科学，2015，35（1）：66-74.endprint