城镇景观格局对区域碳排放影响及其差别化管控研究

郭杰　丁冠乔　刘晓曼　蔡博峰 刘红光 袁子坤 朱天琦 干晓宇 马贤磊 蓝菁

摘要 建设低碳城市作为可持续发展的重要议题在国内外受到广泛关注，开展城镇景观格局对区域CO2排放影响及其差别化管制研究对建设低碳城市尤为重要。当前我国缺乏完整的、可信度高的CO2排放基础数据，地级市尺度上的CO2排放时空特征及其驱动机制研究非常匮乏。论文基于CHRED数据库的2005年和2012年全国281个地级市CO2排放数据，结合相应年度的土地利用覆被数据，分析全国及区域（东部、中部、西部）城镇景观格局及其CO2排放的区域特征，从结构（城镇用地比例）和布局（斑块密度、最大斑块指数、平均最近距离）两方面，实证检验城镇景观格局对区域CO2排放的影响，最后提出基于碳减排的区域差别化管制政策。研究表明：（1）城镇用地占比、斑块密度、集聚性在空间上呈现出“东高西低”的特征；除了西部地区的集聚性呈缩小趋势外，其他指标均呈现出扩大趋势。（2）西部地区城镇用地占比与地均CO2排放呈正相关性；中部地区城镇用地平均最近距离与地均CO2排放呈负相关性；东部、中部地区最大斑块指数与地均CO2排放呈正相关性。不同区域的城镇景观格局对CO2排放的影响机制不同，因而应当对城市发展实施差别化管控：东部地区应采取“多核心”的城市发展策略以降低区域CO2排放水平；中部地区在采用“多核心”的发展策略的同时要兼顾集聚性，发挥其集聚效应；西部地区要显化其全国的生态屏障功能，更加严格地控制建设用地面积，避免城市无序扩张。

关键词 ：城镇景观格局；碳排放；差别化管控

中图分类号：X24

文献标识码 A 文章编号 1002-2104（2018）10-0055-07 DOI：10.12062/cpre.20180728

人类活动所带来的温室气体排放给全球气候变暖带来重大影响，城市作为人口、产业高度集聚的连片地理区域，消耗大量能源的同时排放着大量温室气体，IPCC第五次评估报告认為，城市地区的CO2排放占全球能源利用CO2排放的71%～76%[1]，如何降低城市CO2的排放，建立低碳城市是政府及学界广泛关注的问题。而随着社会经济的迅速发展，城市化、工业化进程的快速推进，我国已经成为了世界CO2排放大国，2013年我国的CO2排放总量约100亿t，约占全球排放总量的1/3[2]。《联合国气候变化框架公约》为应对全球气候变化设定了碳减排进程，而作为世界最大的发展中国家，我国面临的节能减排压力更大，节能减排政策更受关注，国务院提出“2020年碳排放强度降低40%～45%的减排目标”，对中国城市低碳建设无疑是一个巨大的挑战。开展城市CO2排放及其影响因素的研究，并制定区域差别化的碳减排策略意义重大。

1 文献综述

众多研究认为碳排放与社会发展息息相关。Lantz V等[3]研究发现人均GDP、人口数量、技术水平显著影响了碳排放水平；Ang B W等[4]利用DIVISIA指数对碳排放数据进行分解，认为经济发展、产业结构、能源强度等因素对碳排放的影响最大。国内也运用LMDI模型、夏普利值分解、ESDA和GWR模型等方法开展了大量实证研究，发现经济发展、产业结构、能源结构和人口增长等是影响我国碳排放变化的主要因素，并揭示了我国碳排放的区域差异及驱动因子的时空异质性[5-8]。

在碳排放驱动机制研究中，不少学者注意到城市空间格局对碳排放具有显著作用。部分研究通过城市土地“量”的变化来探究其对碳排放的影响，研究发现建设用地每增加1%，碳排放量就会增加0.6%，提出控制建设用地扩张有助于碳减排[9]，应实施建设用地的有序扩展以实现低碳发展[10]。也有部分研究从城市空间“布局”的角度研究其对碳排放的影响[11]，Ewing[12]第一次系统性地研究了城市空间形态与碳排放关系，认为城市空间形态通过电力传输过程的损耗、对住房市场的影响、形成城市热岛效应这三个途径来影响居民碳排放，同时有研究认为通过地理集聚（专业化、多元化的集聚）产生的外部性，能够显著影响区域的碳减排[13]，提出中国应该改变如今单核的、离散化的城市扩张模式，而应采用多核的、紧凑化的发展模式[14-15]。已有研究较多关注于社会经济发展对于碳排放的影响，而对于城镇景观格局对碳排放影响及其作用机制的研究较少。同时，不同发展阶段、不同区域的城市表现出不同的发展态势[16]，但关于不同区域城镇景观格局对碳排放的影响及其差别化管控的却鲜有讨论，以地级市为研究单元开展全国尺度及其区域对比的研究非常缺乏。本文试图从城镇景观格局的结构和布局两方面，选择相应的景观格局指标来定量分析城镇景观格局对碳排放的影响，并分析东、中、西部地区碳排放特征及其驱动机制的差异，据此提出基于碳减排的区域差别化管控政策，为城市碳减排提供参考。

2 数据来源与研究方法

2.1 数据来源及处理

鉴于地级市在中国是行政管理、数据统计和决策执行等相对较为完整和健全的行政单元，不同地级市内部各类自然、人文等要素均质性较好。地级市具有更加具体和现实的政策，兼具灵活性和针对性，因此，本文开展地级市尺度的城镇景观格局对CO2排放影响的研究，有利于基层政府自下而上实施切实可行的碳减排措施，并在CO2排放管理和减排中形成领跑者和落后者的竞争环境，激励相互借鉴和学习。

（1）土地利用数据：来源于中国科学院全国2005年、2010年（考虑到数据可得性，2012年土的地利用数据以2010年土地利用数据代替）的1 km分辨率土地利用数据，其土地利用分类体系采用中国科学院环境科学数据中心提供的土地利用分类体系，包括耕地、林地、草地、水域、城乡建设用地和未利用地六大类。

（2）社会经济数据：来源于对应年份的统计年鉴，其中人口、GDP数据来源于《中国城市统计年鉴2006》《中国城市统计年鉴2013》，并以2005年为基期，利用CPI指数对GDP进行可比价格调整；道路里程数据来源于《中国城市建设统计年鉴2005》《中国城市建设统计年鉴2012》。

（3）CO2排放数据：2005年和2012年的全国地级市CO2排放数据来源于中国高空间分辨率网格数据（1 km）（China High Resolution Emission Gridded Data， CHRED），采用统一数据源和规范化、标准化数据处理方法而建立的中国城市CO2排放数据集；由于部分省份2012年地级市数据缺失，最终获得2005年、2012年中国281个地级市的CO2排放数据；并将样本按照所属省级行政区，根据传统的中国东、中、西部地区来划分（表1）。

2.2 研究方法

2.2.1 城市CO2排放的表征因子

考虑到城市CO2排放总量与区域面积及经济体量显著相关，本文更关注CO2排放强度的主要影响因素，其显著下降将为城市碳减排做出重要贡献。因此，本论文采用地均CO2排放表征城市CO2排放强度（见表2），分析其主要影响因素及其影响机制。

2.2.2 社会经济发展水平的表征因子

社会经济发展水平是城市CO2排放的重要影响因素，本文从人口、经济、产业结构、交通条件四个方面选择指标（见表2），采用人口密度表征人口集聚因素对CO2排放的影响，较高的人口集聚度水平将显著增加城市CO2排放；采用人均GDP表征城市经济发展的总体水平，一定的技术水平下，较高的产出需要消耗更多能源，造成城市CO2排放强度增加；采用第二产业增加值表征城市产业结构特征，较高的工业化水平是城市CO2排放的重要影响因子，产业结构的升级改造将有利于摆脱经济发展对能源消耗的依赖；采用路网密度表征城市交通状况，更高的路网密度暗示着更高的交通流量，可能是城市CO2排放的正向影响因素，但同时更多公共交通也可能显著降低城市CO2排放密度。

2.2.3 城镇景观格局的表征因子

景观格局指数是指能够高度浓缩景观格局信息，反应景观结构组成和空间配置某些方面特征的定量指标[17]。利用地理信息系统（GIS）及景观格局指数计算工具，可以準确地测度城镇土地利用类型、结构、布局等景观格局指数，而利用景观格局指数可以量化城镇的空间特征及变化[18-21]。参考已有研究，对于城镇景观格局，本文主要从组成、布局两方面来选择对应的景观格局指数（见表2），利用全国1 km分辨率的土地利用数据进行景观格局指数的计算。

3 研究结果

3.1 城市地均CO2排放时空分布特征

从空间上看，东、中、西部地均CO2排放的区域差异明显（见图1），2005年、2012年均是东部最强、中部次之、

西部最弱[22]，2012年西部地区地均CO2排放水平接近中部地区，可能是由于国家实施的“西部大开发”战略，大幅提升了西部社会经济发展水平，但也同时促使了CO2排放强度的增长。从时间尺度上看，由于经济的高速增长，2012年的地均CO2排放水平要高于2005年。整体上看，地均CO2排放水平呈现出在时间上递增，在空间上由西向东递增的趋势，与我国不同地区经济发展水平相吻合，经济发展水平对CO2排放水平具有促进作用，经济发展水平越高的地区，CO2排放水平往往也就越高。

进一步分析表明，不同地区社会经济发展水平的不同是我国CO2排放存在差异的重要原因。尤其是我国东西部发展极度不平衡，经济规模、产业结构的区域差异使我国CO2排放水平呈现出“东高西低”的现状。此外，人口规模、经济水平、产业结构三个因素对我国区域CO2排放的影响显著[23]。随着我国城镇化进程的加快，城镇化对CO2排放的正向影响也是CO2排放水平增加的重要因素[24]。

3.2 城镇景观格局分布特征

从空间上看，城镇景观格局存在明显的时空分异特征（见图2）。①RURBAN在空间上呈现出“东高西低”的态势，东部地区城镇用地占比最高；时间上2012年明显高于2005年，东中西部的建设用地面积均在增加，表明城市社会经济的发展对城镇用地扩张仍然存在一定程度的依赖。②PD呈现出和RURBAN指标相同的趋势，即城镇用地的斑块密度也呈现出“东高西低”的态势，并且2012年的斑块个数多于2005年，整体城市空间变得更加破碎化，表明伴随工业化、城镇化进程的城镇用地扩张仍呈外延拓展式发展。③LPI亦是东部地区显著大于中西部地区，表明东部地区具有相对较高的城镇化、工业产业化集聚度，但在时间上的变化并不明显。④MNN呈现出东部地区明显小于中西部地区的态势，说明东部地区城市发展的集聚性更好；中部地区虽然集聚性在2005年最低，但2012年有所提升，亦趋向于集聚化发展；而西部地区的集聚性却在降低，说明西部地区城市建设趋向于离散化。

3.3 城镇景观格局与CO2排放的关系测度

运用stata12.0进行面板回归分析，进行Hausman检验，最终选择随机效应模型进行估计，对全国、东中西部地区分别进行实证检验（见表3），分析城镇景观格局对CO2排放的影响，为了避免多重共线性造成有偏估计，本文采用逐步回归的方式来消除多重共线性的影响。

整体来看，社会经济发展水平与CO2排放之间具有显著的正相关关系，与其他研究的结论一致。不同的城镇景观格局指标在不同区域的影响存在差异，其中，斑块密度与地均CO2排放水平均未表现出明显的相关关系，可能的解释是斑块密度相对于整体性（最大斑块指数）和集聚性（平均最近距离），其与产业集聚、能源利用效率关联度较低，因此对地均CO2排放的影响不显著。从表3可以看出，社会经济发展水平以及城镇景观的组成、布局（整体性和集聚性）影响着CO2排放水平，不同区域的城镇景观格局对CO2排放的影响因素存在差异：

（1）全国范围：除人口密度、人均GDP、第二产业增加值比重、路网密度对地均CO2排放存在显著的正向影响外，城镇用地占比（RURBAN）、最大斑块指数（LPI）对CO2排放的正向影响以及平均最近距离（MNN）对CO2排放的负向影响也非常显著，表明城市扩张程度越大、整体性越高，城镇用地连片度越大，地均CO2排放量就越高。城镇用地集聚发展，增加了基础设施的投入，引致资本、产业的集聚以及交通成本的提高，趋向于单中心发展的城市，其CO2排放强度也会变大，这也与现阶段关于城市形态对CO2排放的影响的研究结论相同。因此，可采用多中心的城市发展策略来促进碳减排。

（2）东部地区：人口密度、人均GDP、第二产业增加值比重对地均CO2排放存在正向影响，最大斑块指数（LPI）也对地均CO2排放产生正向作用，这与全国层面上的结果一致，说明对于东部地区而言，单中心发展的城市也不利于进行碳减排；从作用系数上来看，第二产业增加值比重对地均CO2排放水平产生了强烈的正向影响，表明东部地区应积极调整产业结构，促进产业结构优化调整和经济发展转型，这样将能有效促进碳减排。

（3）中部地区：人均GDP、第二产业增加值比重、路网密度对地均CO2排放水平具有正向影响，最大斑块指数（LPI）对地均CO2排放水平产生正向作用，而平均最近距离（MNN）对地均CO2排放水平产生负向作用，表明城市发展越趋向于单中心且集中程度低的城市，地均CO2排放水平就越高。未来应着力于形成多中心发展格局，同时提高城镇土地聚集度，这种城市发展策略将有效促进碳减排。

（4）西部地区：除人口密度、人均GDP、第二产业增加值比重、路网密度对地均CO2排放产生正向影响外，布局指标均对CO2排放没有显著影响，而组成指标城镇用地占比（RURBAN）对地均CO2排放产生正向作用，从系数绝对值来看，这个正向作用仅次于产业结构对地均CO2排放的影响，说明对于西部地区的城市而言，城镇用地的扩张扩大了地均CO2排放水平，从碳减排的角度，西部地区应当促进城镇用地的集约、高效利用，避免重走中、东部过度扩张的老路。

4 结论与建议

4.1 结论

（1）城镇景观格局显著影响区域地均CO2排放水平。从全国水平来看，城镇用地占比（RURBAN）、最大斑块指数（LPI）、平均最近距离（MNN）对地均CO2排放存在显著的影响；不同地区影响地均CO2排放的格局指标存在差异：城镇用地占比（RURBAN）对西部地区地均CO2排放的影响显著，而最大斑块指数（LPI）对东、中部地区地均CO2排放影响显著，平均最近距离（MNN）仅对中部地区地均CO2排放影响显著。其原因可能是不同区域经济发展阶段的差异性所导致的。

（2）社会经济发展水平对区域地均CO2排放产生重要的影响。从全国水平来看，产业结构、人均GDP、人口密度、路网密度对地均CO2排放的作用逐渐递减；不同地区经济发展指标对地均CO2排放影响也存在较大的区域分异特征。

（3）由于城镇景观的组成和布局在东、中、西部地区存在明显的区域差异，表明不同区域影响地均CO2排放的因素存在明显的空间异质性，因此应根据影响因素的差异性制定基于碳减排的区域差别化管控政策。

4.2 建议

（1）结构调整：现有产业结构单一、粗放的发展方式，已逐渐不适应当今可持续发展的需要。由于产业结构在任何区域层面对CO2排放水平产生很强的正向作用，因此城市发展要着力推进产业转型，加快产业结构调整，淘汰落后产能，提升低能耗、高科技的第二产业和第三产业比重，依托产业优化建设低碳城市。

（2）发展模式：从景观格局指标对地均CO2排放的影响可以看出，“单核型”城市不能适应碳减排的需要，“单核型”城市存在资源要素的空间配置效率较低，社会资源不能有效整合等问题，城市规模的过度膨胀将导致交通成本的提高以及能源利用效率的降低，因此城市发展应采用多核心组团发展的模式。

（3）差异化管制：东部地区“多核心”的城市发展策略有利于降低区域CO2排放水平；中部地区城市发展不仅要采用“多核心”的发展策略，而且要兼顾集聚性，产业与城镇发展要有一定的规模，发挥其集聚效应；西部地区景观格局组成要素即城镇用地占比正向影响着区域的地均CO2排放水平，因此西部要显化其全国的生态屏障功能，要更加严格地控制建设用地面积，避免城市的无序扩张。

（编辑：李 琪）

参考文献（References）

[1]IPCC. Climatechange 2014： mitigation of climate change.Contribution of Working GroupIII to the fifth assessment report ofthe intergovernmental panel on climate change[M]. USA： Cambridge University Press，2014.

[2]OLIVIER J G J， JANSSENSMAENHOUT G， MUNTEAN M， et al. Trends in global CO2 emissions： 2014 report [R]. Hague： PBL Netherlands Environmental Assessment Agency， 2014.

[3]LANTZ V， FENG Q. Assessing income， population， and technology impacts on CO2 emissions in Canada： wheres the EKC？ [J]. Ecological economics， 2006， 57（2）： 229-238.

[4]ANG B W， PANDIYAN G. Decomposition of energyinduced CO2 emissions in manufacturing [J]. Energy economics， 1997，19 （3）： 363-374.

[5]王喜，張艳，秦耀辰， 等.我国碳排放变化影响因素的时空分异与调控[J]. 经济地理， 2016，36（8）： 158-165. [WANG Xi， ZHANG Yan， QIN Yaochen， et al. The spatialtemporal differentiation of the influence factors of carbon emissions and the regulation[J]. Economic geography， 2016，36（8）： 158-165.]

[6]李丹丹，刘锐，陈动.中国省域碳排放及其驱动因子的时空异质性研究[J]. 中国人口·资源与环境， 2013，23（7）： 84-92. [LI Dandan， LIU Rui， CHEN Dong. Research on spacetime heterogeneity of carbon emission and influencing factors in provinces of China[J]. China population， resources and environment， 2013，23（7）： 84-92.]

[7]颜艳梅，王铮，吴乐英， 等. 中国碳排放强度影响因素对区域差异的作用分析[J]. 环境科学学报， 2016，36（9）： 3436-3444. [YAN Yanmei， WANG Zheng， WU Leying， et al. Analysis of the determinants of carbon emission intensity on regional differences[J]. Acta scientiae circumstantiae， 2016（9）： 3436-3444.]

[8]黄蕊，王铮，丁冠群， 等. 基于STIRPAT模型的江苏省能源消费碳排放影响因素分析及趋势预测[J]. 地理研究， 2016，35（4）： 781-789. [HUANG Rui， WANG Zheng， DING Guanqun， et al. Trend prediction and analysis of influencing factors of carbon emissions from energy consumption in Jiangsu Province based on STIRPAT Model[J]. Geographical research， 2016，35（4）： 781-789.]

[9]JIA J. Measurement of impacts of construction land expansion on carbon emissions in Hubei Province[R]. Wuhan： Department of Mechatronics Engineering， Wuhan Business University， 2016.

[10]張思齐，陈银蓉.城市建设用地扩张与能源消耗碳排放相关效应[J]. 水土保持研究， 2017， 24 （1）： 244-249. [ZHANG Siqi， CHEN Yinrong. Correlation effect of city construction land expansion and energy consumption carbon emission[J]. Research of soil and water conservation， 2017， 24 （1）： 244-249.]

[11]佘倩楠，贾文晓，潘晨， 等.长三角地区城市形态对区域碳排放影响的时空分异研究[J]. 中国人口·资源与环境， 2015，25（11）： 44-51. [SHE Qiannan， JIA Wenxiao， PAN Chen， et al. Spatial and temporal variation characteristics of urban forms impact on regional carbon emissions in the Yangtze River Delta[J]. China population， resources and environment， 2015，25（11）： 44-51.]

[12]EWING R， RONG F. The impact of urban form on U.S. residential energy use[J]. Housing policy debate， 2008，19：1-30.

[13]HAN F， XIE R， LU Y， et al. The effects of urban agglomeration economies on carbon emissions： evidence from Chinese cities[J]. Journal of cleaner production， 2018，172： 1096-1110.

[14]OU J， LIU X， LI X， et al. Quantifying the relationship between urban forms and carbon emissions using panel data analysis [J]. Landscape ecology， 2013， 28（10）：1889-1907.

[15]陈珍启，林雄斌，李莉，等.城市空间形态影响碳排放吗？——基于全国110个地级市数据的分析[J]. 生态经济， 2016，32（10）： 22-26.[CHEN Zhenqi， LIN Xiongbin， LI Li， et al. Does urban spatial morphology affect carbon emission？： a study based on 110 prefectural cities[J]. Ecological economy， 2016，32（10）： 22-26.]

[16]高金龙，陈江龙，苏曦.中国城市扩张态势与驱动机理研究学派综述[J]. 地理科学进展， 2013，32（5）： 743-754.[GAO Jinlong， CHEN Jianglong， SU Xi. Urban expansion and its driving mechanism in China： from three main shools perspectives[J]. Progress in geography， 2013，32（5）： 743-754.]

[17]鄔建国.景观生态学：格局、过程、尺度与等级[M]. 北京： 高等教育出版社，2000.[WU Jianguo. Landscape ecology： pattern， process， scale and hierarchy [M].Beijing： Higher Education Press， 2000.]

[18]ALBERTI M， WADDELL P. An integrated urban development and ecological simulation model [J]. Integrated assessment， 2000，1（3）：215-227.

[19]WUW， ZHAO S， ZHU C， et al. A comparative study of urban expansion in Beijing， Tianjin and Shijiazhuang over the past three decades[J]. Landscape and urban planning， 2015，134： 93-106.

[20]SUN Y， ZHAO S， QU W. Quantifying spatiotemporal patterns of urban expansion in three capital cities in Northeast China over the past three decades using satellite data sets [J]. Environmental earth sciences， 2015， 73（11）：7221-7235.

[21]ZHOUW， HUANG G， CADENASSO ML， Does spatial configuration matter？ understanding the effects of land cover pattern on land surface temperature in urban landscapes[J]. Landscape and urban planning， 2011， 102（1）： 54-63.

[22]蔡博峰，王金南，杨姝影， 等. 中国城市CO2排放数据集研究——基于中国高空间分辨率网格数据[J]. 中国人口·资源与环境，2017， 27（2）：1-4.[CAI Bofeng， WANG Jinnan， YANG Shuying， et al. China city CO2 emission dataset： based on the China high resolution emission gridded data[J]. China population， resources and environment， 2017， 27（2）：1-4.]

[23]朱勤，彭希哲，陆志明， 等. 人口与消费对碳排放影响的分析模型与实证[J]. 中国人口·资源与环境， 2010，20（2）： 98-102.[ZHU Qin， PENG Xizhe， LU Zhiming， et al. Analysis model and empirical study of impacts from population and consumption on carbon emissions[J]. China population， resources and environment， 2010，20（2）： 98-102.]

[24]张腾飞，杨俊，盛鹏飞. 城镇化对中国碳排放的影响及作用渠道[J]. 中国人口·资源与环境， 2016，26（2）： 47-57.[ZHANG Tengfei， YANG Jun， SHENG Pengfei. The impacts and channels of urbanization on carbon dioxide emissions in China[J]. China population， resources and environment， 2016，26（2）： 47-57.]

Abstract The construction of ‘Lowcarbon Cities， as an important issue of sustainable development， has received extensive attention at home and abroad. The impact of urban landscape pattern on regional carbon emission and differential regulation are particularly important for the construction of ‘Lowcarbon Cities. At present， the study on the spatial and temporal characteristics of carbon emission and its driving mechanism is very scarce because of lacking complete and credible carbon emission data in China. Based on the carbon emission data of 281 prefecturelevel cities in 2005 and 2012， the paper analyzed the regional characteristics of the urban landscape pattern and the carbon emission in the whole country， eastern China， central China and western China， respectively. The CHRED database is employed. From the perspective of structure （urban land ratio） and layout （urban land patches density， maximum urban land patch index， the average nearestneighbor distance for urban land patches）， empirical test of the impact of urban landscape pattern on regional carbon emissions was conducted. Finally， regional differential regulation policies were proposed based on ‘carbon emission reduction. The results showed that： First， urban landuse ratio， patch density， agglomeration of urban land showed the ‘East HighWest Low characteristics. In addition to the narrowing trend of agglomeration in the western region， the other indicators showed a widening trend. Second， positive correlation was found between urban landuse ratio and carbon emission in the western region. Negative correlation was found between average recent distance and carbon emission in central China. The maximum patch indexes of the eastern and central regions were positively correlated with carbon emission. Different urban landscape patterns had different influence on carbon emission； therefore， differential regulation should be carried out： Eastern China should take the multicore strategy for urban development to reduce the carbon emission intensity. Central China should display the accumulative effect combined with the multicore strategy. While western China should restrict the scale of builtup land to avoid unlimited urban sprawl and strengthen the ecological function. The results of regional carbon emission mechanism provided reference for the establishment of regional differential regulation based on carbon emission reduction.

Key words urban landscape pattern； carbon emission； differential regulation