珠江三角洲城市群城市碳平衡仿真模拟分析

潘 娜,杨钰莹,左芝鲤,3

(1.中国地质大学(武汉)科学技术发展院，湖北 武汉 430074；2.中国地质大学(武汉)经济管理学院，湖北 武汉 430074；3.中国地质大学(武汉)中国矿产资源战略与政策研究中心，湖北 武汉 430074)

2013年中央城镇化工作会议提出全国城镇化向健康方向转型，追求绿色和低碳发展的城镇化，即在推进城市经济增长的同时，控制化石能源等资源的消耗，减少城市碳排放，促进城市绿化，提高城市碳吸收能力，力图使城市处于较高的碳平衡水平。如果地区碳排放远远高于碳吸收，将不利于城市群、省域及国家的整体碳平衡目标的实现。因此，以城市群为研究主体，能促进大中小城市碳平衡的协同发展，更有利于我国城镇化发展和整体碳平衡目标的实现。

目前直接研究城市碳平衡水平的国内外文献较少，而国内学者针对城市碳排放和碳吸收能力则进行了多维度、多尺度的研究，如李宇等[1]、王海鲲等[2]、丛建辉等[3]、杜强等[4]对城市碳排放进行了研究，温家石等[5-6]、史琰[7]对城市碳吸收进行了研究。也有学者结合城市碳排放和碳吸收研究了城市系统的碳循环，如李雪玉等[8]以南昌市为例，选取了人口、能源消耗情况、交通、城市绿化覆盖率和农作物等因素构建了城市碳循环清单；赵荣钦等[9]则总结了近年来国内外对城市系统碳循环与碳管理的相关研究。基于碳排放和碳吸收的估算与分析，不少学者对城市净碳排放进行了动态分析，如高军波等[10]应用橡树岭国家实验室和欧盟环保署提出的区域碳排放和碳吸收定量模型，分析了河南省域碳均衡的动态变化；赵先超等[11]则对湖南省及14个地级市的碳排放与碳吸收均衡的时空差异进行了研究。国外学者则意识到城市绿化空间对碳吸收的重要作用[12-15]，主要从城市绿化空间的角度估算单个城市的碳平衡，即碳吸收抵消其碳排放的能力，如Vaccari等[16]、Strohbach等[17]、Jo[18]分别研究了佛罗伦萨市、莱比锡市以及韩国的春川市、康梁市和首尔市等城市的碳平衡。

综上可见，现有的研究主要集中在城市的碳排放和碳吸收以及城市的净碳排放，较少涉及城市碳吸收抵消碳排放的碳平衡水平研究；同时，基于碳排放和碳吸收的净碳排放视角的研究主要围绕省域和单个城市为主[10-11]，较少涉及对城市群的研究，且也缺乏对城市碳吸收和碳排放的动态预测分析。鉴于此，本文以当前城镇化发展迅速的超级城市群[19]——珠江三角洲城市群(以下简称珠三角城市群)为研究对象，即以珠三角城市群中广州、佛山、江门、深圳、惠州、肇庆、珠海、东莞、中山9个城市为研究对象，通过收集2009—2012年该地区碳排放和碳吸收的相关指标数据，从新型城镇化的视角，研究了其碳平衡及其演化轨迹，以为我国城市群的城镇化发展积累相关经验。

1 城市碳平衡评价指标体系的建立

评价一个城市在城镇化进程中是否为低碳发展，需要知道该城市的碳平衡水平，其核心是考察该城市在某个发展阶段的碳排放量和碳吸收量。在本研究中，珠三角城市群各城市的碳排放量、碳吸收量和碳平衡的计算是基础研究内容。但需要注意的是，这里的城市碳排放和碳吸收专指二氧化碳(CO2)的排放和吸收。由于能源消耗是碳排放的主要来源，加之化肥等的使用，耕地也会产生碳排放，所以本文的碳排放量主要是基于6种主要化石能源的消耗量以及耕地面积的统计与计算得出。碳吸收主要是指依靠植物进行光合作用时吸收的CO2，所以本文的碳吸收量主要是基于林地、草地和耕地面积的统计与计算得出，其中耕地的碳吸收主要为土壤和作物吸收的CO2。因此，本文建立的城市碳平衡评价指标体系分为目标层、准则层和指标层三个层次：第一层目标层为碳平衡水平；第二层准则层由碳排放和碳吸收两类指标构成；第三层指标层包括煤炭、燃料油、汽油、柴油、液化石油气和天然气6种化石能源的消耗量以及耕地、林地和草地的面积，详见表1。其中，各种化石能源消耗的碳排放系数来源于联合国政府间气候变化专门委员会(IPCC)于2008年发布的能源碳排放系数；耕地的碳排放系数和碳吸收系数参考文献[20]；谢鸿宇等[21]在研究中指出林地的年固碳能力约为0.6～5.9 t CO2/hm2，由于珠三角洪涝和干旱灾害经常发生，台风的影响也较为频繁，造成林地的碳吸收功能不稳定，故林地的碳吸收系数取1 t CO2/hm2；草地的碳吸收系数参考文献[21]。

表1 城市碳平衡评价指标体系

1. 1 碳排放量的计算方法

各城市碳排放量的计算方法采用的是城市使用较为广泛的煤炭、燃料油、汽油、柴油、液化石油气和天然气6种化石能源的消耗量与其相应的碳排放系数的乘积之和，再加上耕地面积与其相应的碳排放系数的乘积。具体计算公式如下：

碳排放量=煤炭消耗量×煤炭碳排放系数+燃料油消耗量×燃料油碳排放系数+汽油消耗量×汽油碳排放系数+柴油消耗量×柴油碳排放系数+液化石油气消耗量×液化石油气碳排放系数+天然气消耗量×天然气碳排放系数+耕地面积×耕地碳排放系数

式中：碳排放量的单位为t；化石能源消耗量的单位为t；化石能源碳排放系数的单位为t CO2/t；耕地面积为hm2；耕地碳排放系数的单位为t CO2/hm2。

1. 2 碳吸收量的计算方法

各城市碳吸收量的计算方法以广泛存在的林地、草地和耕地作为碳吸收主体，这是因为自然界中它们的覆盖面积较大，且吸收CO2的量也较大。具体计算公式如下：

碳吸收量=林地面积×林地碳吸收系数+草地面积×草地碳吸收系数+耕地面积×耕地碳吸收系数

式中：碳吸收量的单位为t；林地、草地和耕地面积的单位为hm2；林地、草地和耕地碳吸收系数的单位为t CO2/hm2。

1. 3 碳平衡值的计算方法

各城市碳平衡值是最终要计算的量，在本文中碳平衡值并不是指碳吸收量等于碳排放量，它是衡量一个地区碳吸收抵消碳排放的程度，表明一个地区低碳化的水平，即一个地区碳平衡值越大，说明其低碳化的水平越高；反之说明其低碳化的水平越低。本文中的碳平衡值主要用来表示城市碳平衡水平，即一个城市的碳平衡值等于该城市的碳吸收量减去其碳排放量。具体计算公式如下：

碳平衡值=碳吸收量-碳排放量

式中：碳平衡值的单位为t。

1. 4 指标数据来源

碳排放指标包括煤炭、燃料油、汽油、柴油、液化石油气和天然气6种化石能源的消耗量以及耕地面积，碳吸收指标包括耕地、林地和草地的面积。6种化石能源的消耗量数据和耕地、林地、草地的面积数据来源于《珠江三角洲城市群年鉴》、《中国能源统计年鉴》、《中国城市统计年鉴》、《中国环境统计年鉴》、《中国低碳年鉴》以及珠三角城市群中各城市的统计年鉴。

2 城市碳平衡分析方法

本文在开展珠三角城市群各城市碳平衡分析的过程中需要解决两大问题，即如何选择数据预测方法和仿真模拟方法。很多预测方法都需要大量的原始数据，由于本研究涉及的城市较多，有些指标数据不全，无法获取完整的指标数据信息，所以在数据预测方法的选择上，本文选择可通过少量的、不完全的信息建立数学模型并做出预测的灰色预测DGM(1，1)模型。在仿真模拟方法的选择上，本文选择可进行动态系统模拟的系统动力学模型。

2.1 灰色预测DGM(1，1)模型的构建

灰色预测[22]是一种对含有不确定因素的系统进行预测的方法。该方法通过鉴别系统因素之间发展趋势的相异程度，即进行关联分析，并通过对原始数据进行生成处理来寻找系统变动的规律，生成有较强规律性的数据序列，然后建立相应的微分方程模型，从而预测事物未来发展趋势的状况。

城市碳平衡评价指标体系中的每一个指标都是一个影响变量，由于各指标数据来源的不统一性，可能会导致有些变量在时间序列中的值突高突低，本文利用平滑算子来对振荡序列进行平滑化处理，从而提高对数据的预测精度。具体处理方法如下：

设振荡序列X0=(x0(1),x0(2),…,x0(n))，设振荡序列最大值为M=max{x0(k)|k=1,2,…,n}，振荡系列最小值为m=min{x0(k)|k=1,2,…,n}，则称T(X0)=M-m为振荡序列X0的振幅。令：

则振荡序列X0经平滑化处理后生成的序列为

X0D=(x0(1)d,x0(2)d,…,x0(n-1)d)

式中：X0D为振荡序列X0的平滑序列；D为振荡序列X0的一阶平滑性算子。

对平滑处理后的数据序列X0D采用灰色预测DGM(1,1)模型构建时间响应函数，并将时间响应函数还原为原时间序列的预测模型，数据的预测值即由该模型产生。平滑序列灰色预测DGM(1,1)模型的构建步骤如下：

随机振荡序列X0=(x0(1),x0(2),…,x0(n)),X(0)=(x(0)(1),x(0)(2),…,x(0)(n+1))，其一阶平滑序列为Y(0)=(y(0)(1),y(0)(2),…,y(0)(n))，根据Y(0)建立DGM(1,1)模型，得到

y(1)(k+1)=β1y(1)(k)+β2

其中,β1和β2由最小二乘确定：

β=(β1,β2)T=(BTB)-1BTY

根据DGM(1,1)模型的最终还原式，得到振荡序列X(0)之平滑序列Y(0)的灰色预测DGM(1,1)模型如下：

将灰色预测DGM(1,1)模型进行转换，得到系统动力学模型中变量的输入值:

式中：pow(x,y)表示计算x的y次幂；t表示该模拟数据位于响应时间序列中的排序值。

2. 2 系统动力学建模

系统动力学是一门分析研究复杂反馈系统动态行为的系统科学方法[23]，该方法根据系统内部组成要素互为因果的反馈特点，从系统的内部结构来寻找问题发生的根源。城市的碳排放量与碳吸收量之间相互影响，构成了碳平衡，也就是说地区碳排放和碳吸收组成了影响碳平衡水平的反馈回路，应用系统动力学模型能较好地模拟地区碳平衡的变化规律。AnyLogic是一款应用广泛的先进建模工具，它能够进行可视化的“拖—拉式”建模，并能基于智能体、系统动力学、离散事件、连续和动态系统模型建模。因此，本文利用系统动力学模型构建城市碳平衡仿真预测模型，并借助AnyLogic软件[24-26]对地区碳平衡的演化趋势进行仿真模拟。

3 城市碳平衡仿真模拟与分析

本文首先利用灰色预测方法来处理多元化数据信息，并构建时间响应函数，进而通过代入系统动力学仿真模型，来预测珠三角城市群各城市的碳平衡水平。

3.1 城市碳平衡系统动力学仿真预测模型的建立

我国城镇化正迅速展开，2018年城镇化率将达到60%。此外，我国城市更多的基础性建设正在大规模地推进，而城市又是工业聚集区，是人们生产生活的主要区域，能源消费大部分集中在城市，是碳排放强度较大的区域；加之城市群是城市的聚集形式，我国目前城市的发展主要以城市群带动发展为主，同时省域碳平衡的实现依赖于城市碳平衡的实现，因此有必要将城市群所辖各城市的碳平衡分析作为一个重要的研究内容。本文对珠三角城市群内9个城市的碳排放和碳吸收进行分析，并基于灰色预测DGM(1，1)模型建立城市碳平衡系统动力学仿真预测模型，以期找到各个城市未来碳平衡发展中的问题，并建立适合该地区实际的碳平衡区间。

本文建立的城市碳平衡系统动力学仿真预测模型，见图1。

图1 城市碳平衡系统动力学仿真预测模型Fig.1 Dynamics model of urban carbon balance system

在仿真模拟过程中，用1 ms表示实际时间中的1 a，通过仿真模型的运行，来预测城市未来碳平衡的演化趋势。

本文通过收集2009—2012年珠三角城市群各城市碳排放和碳吸收的相关指标数据，利用平滑算子来对振荡序列进行平滑化处理，平滑处理后的数据采用灰色预测DGM(1,1)模型构建城市碳平衡系统动力学仿真灰色预测模型，并利用该模型预测未来十年珠三角城市群各城市的碳平衡值。由于受篇幅限制，本文仅列出广州市碳排放和碳吸收相关指标变量的计算公式(该计算公式为灰色预测模型公式转换为AnyLogic仿真软件里定义的函数)如下：

煤炭消耗量=33.351 836 29×pow(0.998 9,t-3)-1.844 814 585×pow(-1,t)-3.134 118 318

(1)

燃料油消耗量=33.303 195 419×pow(1.0083,t-3)-0.038 149 338×pow(-1,t)-0.280 204 396

(2)

汽油消耗量=5.825 294 871×pow(1.074 4,t-3)-0.183 560 695×pow(-1,t)-1.825 948 077

(3)

柴油消耗量=0.644 380 49×pow(1.060 5,t-3)-0.017 056 062×pow(-1,t)-0.175 691 442

(4)

液化石油气消耗量=2.948 127 949×pow(1.015 8,t-3)-0.069 803 988×pow(-1,t)-0.738 260 514

(5)

天然气消耗量=8.507 052 853×pow(1.094 5,t-3)-0.218 590 313×pow(-1,t)-2.877 697 842

(6)

耕地面积=0.103 445 876×pow(0.993 2,t-3)-0.000 301 124×pow(-1,t)-0.003 069

(7)

林地面积=0.327 101 138×pow(1.020 6,t-3)-0.010 781 758×pow(-1,t)-0.026 723 024

(8)

草地面积=0.141 535 75×pow(1.013 4,t-3)-0.001 213 25×pow(-1,t)-0.014 028

(9)

上式中：能源消耗量的单位为×107t；耕地、林地、草地面积的单位为×107hm2。

利用上述公式进行预测所得预测结果的精度分析，详见表2。

表2 灰色预测模型的精度分析

由表2可知，灰色预测模型的残差最大值仅为0.019 1，而平均相对误差均小于1%，其最大值仅为0.81%。由此可见，应用灰色预测模型进行预测所得到的预测结果精确度很高，适用于城市碳平衡的预测研究。

3. 2 城市碳平衡仿真结果分析

将2009—2012年珠三角城市群各城市碳排放和碳吸收的相关指标变量的实际值与通过灰色预测模型计算得到的模拟函数导入上述建立的城市碳平衡系统动力学仿真预测模型，并将计算得出的各城市碳平衡实际值与碳平衡模拟值进行比较，用来检验预测结果的可靠性，见图2和图3。

图2 2009—2012年珠三角城市群各城市碳平衡实际值的演化轨迹Fig.2 Evolution of the actual carbon balance valueas of cities in the Pearl River Delta from 2009 to 2012

由图2可见，2009—2012年珠三角城市群9个城市的碳平衡实际值均为负值，即表明各城市碳排放量均大于碳吸收量，且各城市的碳平衡值排名变化幅度不大；佛山市、江门市、深圳市、惠州市、肇庆市、珠海市和中山市的碳平衡值变化轨迹很密集，其中深圳市、中山市、肇市庆和佛山市的碳平衡值在这四年中的变化较小，其变化轨迹接近于水平直线，而惠州市和珠海市的碳平衡值变化轨迹有小幅度下降趋势，但珠海市在2010年碳平衡值有所上升，江门市碳平衡值的变化轨迹则呈现先下降后小幅上升的趋势，东莞市的碳平衡值变化轨迹接近于水平直线，广州市的碳平衡值在珠三角城市群中一直最低。

图3 2009—2012年珠三角城市群各城市碳平衡模拟值的演化轨迹Fig.3 Simulation and prediction of simulated carbon balance values of cities in the Pearl River Delta from 2009 to 2012

由图3可见，珠三角城市群各城市碳平衡值的仿真模拟结果与实际数据计算结果基本一致，且各城市碳平衡值的演化轨迹与实际情况一致，各城市的碳平衡值排名也基本不变；除广州市和东莞市以外，其他城市的碳平衡值变化轨迹均比较密集，且变化幅度不大，基本呈水平直线，但惠州市、肇庆市和珠海市的碳平衡值有小幅度的下降。

城市碳平衡值包含碳排放与碳吸收两个方面的指标，随着城镇化建设进程的加快，城市因经济增长导致能源消耗增加，因此城市碳排放量增长较快，但由于城市植被覆盖面积相对稳定，所以城市碳吸收量增长较缓慢。

本文将珠三角城市群各城市碳排放和碳吸收相关指标变量的模拟函数导入城市碳平衡系统动力学仿真预测模型，对2009—2018年珠三角城市群各城市的碳排放量和碳吸收量进行仿真预测，得到各城市碳排放量和碳吸收量预测结果。

从珠三角各城市碳排放量的预测结果来看，珠三角城市群的总碳排放量将由2009年的87.13×106t增长至2018年的246.11×106t，涨幅高达182.47%;到2018年，珠三角城市群各城市因经济发展、产业结构等因素的差别使各城市碳排放量的增速不同，广州市、佛山市、江门市、深圳市、惠州市、肇庆市、珠海市、东莞市和中山市碳排放量年均增速*分别为2.53%、9.76%、9.18%、3.85%、55.26%、33.50%、23.99%、1.09%、5.34%。从珠三角城市群各城市碳吸收量的预测结果来看，到2018年，珠三角城市群各城市碳吸收量的增速相对于碳排放量的增速差距很大，广州市、佛山市、江门市、深圳市、惠州市、肇庆市、珠海市、东莞市和中山市碳吸收量的年均增速则分别仅为1.88%、-0.98%、1.97%、-0.23%、0.98%、-0.59%、1.54%、1.95%和0%；而在草地、林地、耕地3种碳吸收主体中，各城市的林地碳吸收量最多，其次是耕地、草地。

利用2009—2018年珠三角城市群各城市的碳排放量和碳吸收量预测结果，得到各城市碳平衡值的演化轨迹，见图4。

图4 2009—2018年珠三角城市群各城市碳平衡预测值的演化轨迹Fig.4 Evolution of the carbon balance of cities in the Pearl River Delta from 2009 to 2018

由图4可见，2009—2018年间，珠三角城市群各城市碳平衡值几乎都处于零临界值以下，即各城市每年的碳排放量几乎都高于碳吸收量；而因经济基础、经济发展和环境条件等的差异，各城市的碳平衡值的演化轨迹不同。其中，广州市、深圳市和东莞市碳平衡值的演化轨迹类似，其波动幅度小、降幅小且较为稳定；佛山市、江门市、肇庆市和中山市碳平衡值的演化轨迹虽然波动幅度小，但到2018年时碳平衡值的降幅相对较大；惠州市和珠海市的碳平衡值的演化轨迹则波动最大，且降幅最大，到2018年两个城市的碳平衡值甚至超过广州市。具体原因分析如下：

(1) 惠州市的碳平衡值下降幅度最大。惠州一直以“工业立市”为发展战略，而工业生产是能源消耗的“主力军”，经济得到大力发展的同时碳排放量增长迅速，2009年至2018年间碳排放量年均增速为55.26%，而碳吸收量则增长缓慢，其年均增速仅为0.98%。碳吸收量与碳排放量之间的增速差距，致使惠州的碳平衡水平下降迅速，其降幅最大，甚至到2018年低于广州市成为珠三角城市群中碳平衡值最低的城市。

(2) 与惠州市类似，珠海市的碳平衡值也具有类似的演化轨迹。以第二产业占主导的珠海市，在2009—2018年间因经济发展产生的碳排放量的年均增速仅次于惠州市、肇庆市，高达23.99%；而相对来说，在2009—2018年间碳吸收量则有下降趋势，其年均增速为-0.59%。碳排放与碳吸收的相悖演化，致使珠海市的碳平衡水平显著下降，至2018年仅略高于惠州市。由此可见，惠州市和珠海市在促进经济增长、推动城镇化过程中，除控制能耗而减少碳排放外，更需要提高城市植被覆盖度，增加碳吸收能力，最终促使城镇化与环境间的协调发展。

(3) 广州市、深圳市和东莞市碳平衡值的演化轨迹类似，其波动幅度小、降幅小且较为稳定。地理区位相邻的广州市、深圳市和东莞市均以服务业为主，在2009—2018年间碳排放量增长较慢，年均增速分别仅为2.53%、3.85%、1.09%，而碳吸收的年均增速则分别为1.88%、-0.23%、1.95%;碳吸收量的增长部分抵消了碳排放量的增长，使该三个城市在2009—2018年间碳平衡值的波动幅度小，且较为稳定，其中因深圳市碳吸收量的下降，使其碳平衡值在三个城市中波动相对较大，且降幅最大，其次是广州市、东莞市。值得一提的是，广州市因经济总量居于珠三角之首，碳排放量基数大，而植被覆盖面积相对较小，因此广州市在2009—2017年间的碳平衡值一直最小；东莞市经济总量虽然低于深圳市，然而具有“世界工厂”之称的东莞市，相对于深圳市，其第二产业占比较高，经济快速发展而产生的碳排放量较高，2009—2018年间东莞市的碳排放量高于深圳市，碳平衡值也低于深圳市。

(4) 肇庆市、佛山市、江门市和中山市碳平衡值的降幅较大。位于珠三角西南相邻的肇庆市、佛山市、江门市和中山市，2009—2018年间碳平衡值下降幅度按西北到东南地理位置依次减小，碳平衡值的降幅分别为2 763.43%、132.85%、124.88%、61.11%，其中中山市的碳平衡值降幅较小，这是由于其碳排放量的增长缓慢(年均增速为5.34%)，而碳吸收量则保持不变(年均增速为0%)。因此，中山市在推进经济发展和城镇化过程中，更需要重视对林地、耕地和草地覆盖的保护。

(5) 肇庆市和佛山市在2009—2018年间的碳吸收量年均增速分别为-0.59%、-0.98%，即出现负增长现象，特别是两个城市的林地，在2009—2018年间碳吸收量逐年下降；而两个城市的碳排放量增长迅速，年均增速分别高达33.50%、9.76%，最终致使肇庆市和佛山市在2009—2018年间碳平衡值年均降速分别为39.85%、8.82%。因此，肇庆市和佛山市在推动城镇化过程中，更需要重视对植被的保护，特别是对林地等的保护。

(6) 江门市与肇庆市和佛山市不同，虽然其碳排放量的年均增速(9.18%)与佛山市相近(9.76%)，但是在2009—2018年间江门市草地、林地和耕地的面积逐年增长，使其碳吸收量的年均增速高达1.97%，居珠三角城市群之首。因此，江门市碳吸收量的增长部分抵消了碳排放量的增长，使其碳平衡值的降幅低于肇庆市和佛山市。

植被的覆盖度不仅影响城市生态的安全性，同时也影响城市的碳平衡[27]，可见在促进城市经济发展、推动城镇化的过程中，不仅需要控制城市碳排放量，同时也需要提高城市植被覆盖度，如广州市、江门市、珠海市和东莞市通过提高城市草地、林地和耕地等的覆盖面积，提高了城市的碳吸收量，走出了一条绿色、低碳的发展道路，维持了城市较高的碳平衡水平。

4 结论与建议

本文以珠三角城市群中广州、佛山、江门、深圳、惠州、肇庆、珠海、东莞、中山9个城市为研究对象，通过分析2009—2012年间各城市化石燃料消耗量和植被面积的相关数据，计算出各城市的碳排放量和碳吸收量，并进行了碳平衡分析，同时通过各城市碳平衡值的仿真模拟与分析，得到在2009—2018年间各城市碳平衡的发展趋势，得到的结论如下：

(1) 各城市碳排放量增长迅速。珠三角城市群，作为我国经济最活跃的区域之一，在经济快速增长的过程中，也导致碳排放量过多等问题，如果该城市群中各城市仍维持当前城市的经济发展模式和能源利用结构等，未来各城市碳排放量将会继续增加，除广州市、深圳市、东莞市和中山市以外，其他5个城市的碳排放量增长相对迅速。

(2) 各城市碳吸收量增长缓慢。城市碳吸收主体主要以草地、林地和耕地为主，而从仿真模拟结果来看，珠三角城市群各城市碳吸收量以林地最多，若各城市仍维持当前城市的绿化发展模式，未来各城市碳吸收量除佛山市、深圳市、肇庆市将会出现负增长以及中山市保持不变以外，其他5个城市的碳吸收量增长相对缓慢。

(3) 2009—2018年间，珠三角城市群各城市碳平衡值逐年减少，碳平衡水平逐年下降。从仿真模拟结果来看，2009—2018年间珠三角城市群各城市碳平衡值处于零临界值以下，中山市碳平衡值最高而广州市最低，且逐年下降；各城市因经济、产业结构、植被覆盖等差异，致使碳平衡值的降幅差异显著；各城市碳平衡值的演化轨迹呈现区域相似特征，如位于珠三角西南相邻的肇庆市、佛山市、江门市和中山市碳平衡值的演化趋势基本相似。

碳排放与碳吸收最理想的途径是达到碳均衡[12]，从2009—2018年间珠三角城市群各城市碳平衡值的仿真结果来看，各城市的碳排放与碳吸收处于碳失衡状态，若各城市仍维持当前的城镇化发展模式，城市碳排放与碳吸收之间的差距将会继续拉大，尤其碳平衡水平将会更低。因此，珠三角城市群各城市在推进城镇化的进程中，尤其要注意减少碳排放量和增加碳吸收量。对此，本文提出如下建议：

(1) 提高能源利用效率，减少碳排放量。从2009—2012年珠三角城市群各城市碳排放量的数据来看，尽管各城市因城镇化发展而带来了GDP的快速增加，但也造成碳排放量的增长，因此必须降低碳排放量，特别是惠州市、肇庆市、珠海市，建议调整城市的产业结构，降低第二产业比重而增加服务业比重，提高能源利用效率，减少化石能源的消耗量，采用清洁能源和可再生能源等。

(2) 加强植树造林，增加各城市林地覆盖率和碳吸收能力，如佛山市、深圳市、肇庆市这些城市碳吸收量甚至出现负增长，因此建议提高这些城市的林地面积，并在推进城镇化过程中增加城镇化建成区的绿化覆盖率，缩小碳排放量与碳吸收量之间的差距，使城市的碳排放与碳吸收达到碳均衡的理想状态。

(3) 充分利用城市间协同效应，共同提高城市的碳平衡水平。从珠三角城市群各城市碳平衡值来看，城市群内相邻城市间碳平衡值的演化轨迹相似，如广州市、深圳市和东莞市之间，肇庆市、佛山市、江门市和中山市之间，因此建议在发展城镇化过程中，除了发展城市自身外，还要考虑通过与相邻城市的协同发展，形成资源互补，共同提高城市的碳平衡水平。

(4) 转变当前城镇化发展的模式，推进绿色城镇化建设。我国“十二五”规划纲要明确指出，坚持把建设资源节约型、环境友好型社会作为转变经济发展方式的重要着力点。因此，建议在推进城镇化进程中要推进绿色城市建设，即把握住绿色、节约、低碳的原则，并贯穿到城市建设的每一个环节，贯穿到城市的规划、建设和管理中。