呼包鄂榆城市群土地混合利用与碳排放的脱钩关系

徐 泽，李 储，牛 陆

中国人民大学公共管理学院, 北京 100872

全球气候变化已经成为人类发展面临的最大的非传统安全挑战[1]. 进入经济新常态，中国面临着经济转型和碳减排的双重压力. 2020年9月，习近平总书记在第75届联合国大会一般性辩论上提出了“碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”的宏伟目标. 由此，碳达峰和碳中和的两大目标成为社会各界关注的热点议题. 这表明探索切实有效的碳减排方案正成为我国推动高质量发展最重要的现实议题之一.

土地是人类生产和生活的空间载体，基于土地的碳减排方案成为学界关注的热点和难点. 已有研究表明：①土地利用和土地覆被变化(land-use and landcover change, LUCC)具有明显的碳效应. 不同土地利用类型的碳排放效应(建设用地为碳源，林地和草地等为碳汇)已在学界达成共识[2]. 对长株潭城市群15个区县的研究[3]表明，1990-2010年随着耕地和林地向建设用地转化，碳效应呈倒“U”趋势，整体碳汇能力降低. 对全国1 300个县级行政区的研究[4]表明，1990-2015年中国县级行政区碳汇呈西高东低的时空分布格局，且林地为主要碳汇类型(占比约80%)，草地、水域和未利用地的碳汇占比分别为13.5%、4.0%和2.5%. ②土地利用结构是权衡经济发展和碳排放的有效工具. 以南京市11个区县为例，2005-2014年建设用地产生的间接碳排放是土地利用结构碳排放量的主要来源，且呈持续增长态势[5]. 以深圳市为例，优化土地利用结构可使2020年和2025年分别减少5.97%和12.61%的碳排放量[6]. 对于江苏省沿海地区的连云港市、盐城市和南通市而言，优化土地利用结构可在2020年减少1 542.95×104t碳排放量[7]. ③土地利用效率和碳排放之间具有互馈作用.对于长江经济带108个城市而言，2005-2017年城市土地利用效率不断提高，短期内对碳排放强度有负面影响[8]. 聚焦长江中游266个区县的研究[9]表明，1995-2018年受碳排放影响，土地利用(结构)效率平均值由0.652降至0.569.

上述研究为碳减排提供了有益启示，但仍有以下不足：①视角需要更新. 已有研究主要围绕土地利用和土地覆被变化、土地利用结构、土地利用效率展开，对土地混合利用控制碳排放的研究较少. 尽管部分学者的探索性研究[10]表明，土地混合利用可减少交通碳排放，但这类研究只关注交通活动中产生的碳排放，未能揭示土地混合利用对区域碳排放总量的作用.②尺度应当下移. 省级或地级行政区的碳减排研究较多[11]，县级行政区相关研究不足. 作为城镇化的重要层级，县级行政区在现代化发展等方面具有关键作用[12]. ③数据精度待提高. 已有研究多采用土地利用/覆被变化的截面数据[13]，该类数据存在两方面不足，一方面是土地利用/覆被变化数据不连续，容易遗漏变化的关键节点；另一方面是统计数据失真或缺失造成的碳排放数据偏差. ④典型案例待丰富. 现有研究对京津冀、长三角等发达城市群关注较多[14-17]，对中西部城市群的研究较少. 因此，亟待补充欠发达城市群的相关案例.

针对上述不足，该文做出以下三方面改进：①基于土地混合利用视角，重点探究土地混合利用与碳排放的脱钩关系. 土地混合利用的概念源自对城市功能分区造成诸多问题(割裂功能联系、土地利用低效、社会布局隔离等)的批判性反思[18-20]. 20世纪50～60年代，美国大城市普遍面临城市中心区衰败的问题.为了恢复城市生命力，简·雅各布斯(Jane Jacobs)于1961年出版了《美国大城市的死与生》(The Death and Life of Great American Cities). 该书倡导维护城市长期以来形成的多元性和混合性，并在强调“地区以及尽可能多的内部区域的主要功能必须要多于一个，最好是多于两个”[21]. 此后，土地混合利用概念被大量应用于城市规划领域[22-23]. 该文测度的土地利用混合度隶属于性质混合范畴，不是简·雅各布斯提出的居住、商服、工业等功能混合，也并非基于开发主体、流程和用途界定的开发方式混合[24]. 这主要是因为土地混合利用概念要匹配碳减排的研究层次. 功能混合概念适用于城市建成区或市区，而建成区或市区是以建设用地为主的区域，即大部分区域是碳源. 只强调功能混合，容易忽视城市边缘区的碳汇(林地、草地和水体等). 而开发方式混合更关注主体博弈、资金筹措等内容，通常用于分析一个或若干个开发案例的经验总结. 碳排放通常是大尺度概念，且需要由政府部门主导实施. 因此，该文将碳减排目标下的土地混合利用界定为林地、草地、水体、人类占用地等不同用地性质的混合. ②采用新的土地利用/覆被变化数据和CO2排放数据开展连续性研究. 近年来，已出现具有连续观测、精度良好、开源免费的土地利用/覆被变化数据和CO2排放数据，如欧洲航天局全球陆地覆盖数据、中国碳核算数据库. ③选取呼包鄂榆城市群为研究区，为县级行政区提供针对性建议.2018年，国务院正式批准实施《呼包鄂榆城市群发展规划》(简称“《规划》”)，规划期至2035年. 《规划》明确将呼包鄂榆城市群定位为“全国高端能源化工基地、向北向西开放战略支点、西北地区生态文明合作共建区、民族地区城乡融合发展先行区”，这表明国家推动中西部城市群建设的战略意图，也需要学界及时开展专题研究. 因此，以呼包鄂榆城市群为例，开展土地混合利用与碳排放的脱钩关系研究，以期为西部资源型和农牧结合区域提供低碳发展方案.

1 基础数据与研究方法

1.1 数据来源

该文以2001-2017年为研究时段，使用的数据包括统计数据、矢量数据和栅格数据等3类.

县级行政区CO2排放总量数据来自中国碳核算数据库(Carbon Emission Accounts and Datasets, CEADs)(https://www.ceads.net)，该数据库由中外多个研究机构共同成立，旨在为中国及其他发展中国家、地区提供多尺度碳核算清单及社会经济与贸易数据.该数据库开放提供的中国长时序县级行政区CO2排放总量数据由西南财经大学完成，是目前我国时间跨度最长、覆盖面最广的县级行政区CO2排放数据，可为县级行政区CO2减排政策制定提供数据支撑.

土地利用/覆被变化数据来自欧洲航天局气候变化倡议项目(European Space Agency's Climate Change Initiative, ESA-CCI). 该数据是由多源卫星图像合成的全球陆地覆盖数据(https://cds.climate.copernicus.eu)，将土地利用/覆被划分为22种类型，时间跨度为1992-2018年，空间分辨率为300 m. 该数据集在同类产品中有2个明显优势，其一是分类精度高于其他同类产品，能更好地刻画地表覆被细节；其二是具有逐年的长时间序列历史数据，便于结合统计数据展开分析[25]. 为了识别人类用地活动对碳排放的影响，借鉴已有研究[26]，在ArcGIS 10.1软件中将ESA数据的土地覆盖类型重新整合为草地、林地、裸地、水体、永久冰雪和人类占用地等6大类. 由于呼包鄂榆城市群不存在永久冰雪，故笔者研究的土地覆盖类型涉及草地、林地、裸地、水体和人类占用地等5大类.

县级行政区矢量来自中国科学院资源环境科学与数据中心(https://www.resdc.cn). CEADs数据库中的县级碳排放数据以2010年行政区划进行统计. 因此，该文结合研究时段内研究区行政区划变更情况进行一致性修正，具体过程：①对于行政区划更名而管辖区域不变的情况，无需调整原始矢量文件，如榆林市横山区(2015年前为横山县)、榆林市神木市(2017年前为神木县，目前为省直辖县级市). ②对于管辖区域改变的情况，与上级行政区进行合并处理，如鄂尔多斯市康巴什区(2016年前为鄂尔多斯市东胜区管辖). ③对于不属于国家法定行政区划但有统计数据的区域，不列入研究范围，如包头市稀土高新区. 由于CEADs数据库缺少达尔罕茂明安联合旗的CO2排放数据，因此，该文最终的研究对象确定为37个县级行政区(包括区、县、旗等).

1.2 研究区概况

呼包鄂榆城市群位于中国北方旱区中部地区，包括内蒙古自治区呼和浩特市、包头市、鄂尔多斯市和陕西省榆林市，国土总面积17.46×104km2，约占全国国土总面积的1.8%. 该地区平均海拔约1 300 m，属温带大陆性季风气候，多年平均气温约8 ℃，多年平均降水量约320 mm[27]. 2001-2017年呼包鄂榆城市群地区生产总值由724.16×108元增至12 060.97×108元，年均增长约666.87×108元；年末户籍人口由878.8×104人 增 至1 012.35×104人，年 均 增 长 约7.86×104人；城市建设用地面积由262.69 km2增至621.32 km2，年均增长约21.10 km2；第二产业由392.46×108元 增 至5 935.67×108元，年 均 增 长 约326.07×108元；第 三 产 业 由250.39×108元 增 至5 721.86×108元，年均增长约321.85×108元.

1.3 研究方法

1.3.1 CO2排放时空变化分析

为分析CO2排放增长的规模和速度，该文计算了CO2排放量的年增加量和年增加率. 年增加量反映了CO2排放增长总量的年变化，描述了同一个地区在不同时间的总量增长；年增加率则消除了地区的规模效应，体现了同一时间不同地区的增速差异，计算公式[28]：

式中：AI表示年增加量，104t/a；AGR表示年增加率，%；Astart和Aend分别代表研究时段起始年和结束年的CO2排放量，104t；d表示研究的时间跨度，a. 应用式(2)前，已证实所有县级行政区的年排放量符合幂函数增长曲线.

1.3.2 土地利用混合度计算

基于信息熵来计算土地利用混合度是国内外学者的普遍做法[29]. 在参考已有研究[30]的基础上，该文土地混合度的计算公式：

式中：Th表示土地利用混合度；n为土地利用类型的数量；bi为某个县级单元内第i类土地利用类型的面积，km2；m表示某个县级单元内全部土地利用类型的面积，km2.

1.3.3 脱钩模型构建

脱钩理论最早来自物理学，表示具有响应关系的变量之间是否存在可持续互动关系的情况. 若变量之间的响应关系随时间减弱乃至中断，则可被称为脱钩或解耦. 2002年，经济合作与发展组织(Organization for Economic Cooperation and Development, OECD)构建了经济社会脱钩指标体系，以考察宏观尺度上的环境与经济互动关系. 鉴于OECD的脱钩指数模型存在对基期高度敏感等问题，Tapio[31]于2005年提出了改进后的脱钩模型. 借鉴Tapio模型，该文计算了土地利用混合度与CO2排放量的脱钩弹性系数，计算公式：

式中：D为脱钩弹性系数；ΔEP、ΔDF分别表示环境压力和驱动力的变化量；EPr和EPs分别代表第r年和第s年该地区的环境压力(以CO2排放量来表征)，104t；DFr和DFs分别代表第r年和第s年该地区的驱动力(以土地利用混合度来表征). 参考Tapio模型对脱钩弹性系数的划分，CO2排放量和土地利用混合度之间的关系共分为3个状态和8个子状态(见表1).

表1 Tapio模型对脱钩状态的分类Table 1 The classification of the decoupling status by the Tapio model

2 结果与讨论

2.1 CO2排放变化的时空特征

由图1可见：呼包鄂榆城市群CO2排放年增加量排名前三位的县级行政区依次为鄂尔多斯市下辖的准格尔旗(140.08×104t)、东胜区(135.56×104t)和

图1 呼包鄂榆城市群碳排放变化的时空特征Fig.1 Temporal and spatial characteristics of carbon emission changes in Hohhot-Baotou-Ordos-Yulin Urban Agglomeration

伊金霍洛旗(111.83×104t)，排名后三位的县级行政区依次为榆林市下辖的吴堡县(3.40×104t)、佳县(2.88×104t)和清涧县(1.62×104t). CO2排放年增加率排名前三位的县级行政区依次为鄂尔多斯市下辖的准格尔旗(21.45%)、东胜区(21.20 %)和伊金霍洛旗(19.75%)；排名后三位的县级行政区依次为榆林市下辖的吴堡县(-3.74%)、佳县(-4.74%)、清涧县(-8.09%).综上，CO2排放年增加量与年增加率具有一致性，即鄂尔多斯是呼包鄂榆城市群CO2排放年增加量、年增加率最高的地区，榆林市是CO2排放年增加量、年增加率最低的地区.

2.2 土地利用混合度的变化趋势

由图2可见：以呼和浩特市为例，其中清水河县的土地利用混合度最高，年均值为1.05；武川县的土地利用混合度最低，年均值不足0.20. 就包头市而言，东河区的土地利用混合度最高，年均值为1.10；固阳县在2003年前是土地利用混合度最低的区域，2003年后石拐区的土地利用混合度最低；昆都仑区的土地利用混合度变化较大，研究时段内土地利用混合度降低了0.45. 对鄂尔多斯市而言，准格尔旗的土地利用混合度最高，年均值为1.09；鄂托克旗的土地利用混合度最低，年均值为0.30. 对于榆林市而言，定边县的土地利用混合度最低，始终不足0.6；府谷县在2011年前土地利用混合度为全市最高，2011年后子洲县的土地利用混合度最高. 大部分地区的土地利用混合度变化不大，这体现了区域土地利用结构的相对稳定性. 类似的土地利用混合“增长粘性”也存在于鄂尔多斯市和呼和浩特市的大部分地区.

图2 呼包鄂榆城市群土地利用混合度的变化趋势Fig.2 Evolution trend of land-mixing degree in Hohhot-Baotou-Ordos-Yulin Urban Agglomeration

2.3 土地利用混合度的时空特征

由图3可见：2001年，呼包鄂榆城市群土地利用混合度的高值区主要集中在东部、南部，即呼和浩特市下辖的清水河县，鄂尔多斯市下辖的准格尔旗和伊金霍洛旗，榆林市下辖的府谷县、神木县、佳县和子洲县. 2017年，除神木县外，上述地区的土地利用混合度仍为高值区，同时呼和浩特市下辖的和林格尔县、榆林市下辖的横山县的土地利用混合度也为高值区.2001年，呼包鄂榆城市群土地利用混合度的低值区主要集中在西部、北部，即鄂尔多斯市下辖的鄂托克旗、鄂托克前旗和乌审旗，榆林市下辖的定边县，包头市下辖的固阳县、石拐区和土默特右旗；呼和浩特市下辖的武川县、土默特左旗和托克托县. 2017年，除土默特左旗和托克托县外，上述地区的土地利用混合度仍为低值区，同时包头市下辖的昆都仑区的土地利用混合度也为低值区.

图3 呼包鄂榆城市群土地利用混合度的时空特征Fig.3 Temporal and spatial characteristics of land-mixing degree in Hohhot-Baotou-Ordos-Yulin Urban Agglomeration

综上，2001-2017年，呼包鄂榆城市群土地利用混合度呈东高西低、南高北低的时空分布特征.

2.4 脱钩分析结果

1953年起，我国通过制定“五年计划”(从“十一五”起，“五年计划”改为“五年规划”)的形式来对国民经济发展远景规定目标和方向. 考虑到“五年规划”对我国发展的显著影响，该文将2001-2017年的研究时段同“五年规划”期对应起来，以期发现国民经济规划实施过程中土地利用混合与CO2排放的脱钩状态. 具体说来，研究时段共划分为4个阶段，即2001-2005年、2006-2010年、2011-2015年分别对应“十五”计划、“十一五”规划、“十二五”规划，2016-2017年则对应“十三五”规划前期.

3）由项目单位对监理人员直接进行管理。传统的监理模式中，项目单位会将监理工作直接交给监理单位，通过监理单位内部管理提高监理质量。这一监理模式存在一定的安全隐患，而新的管理方法必须打破传统的管理模式，监理工作人员直接接受项目单位的管理，并由项目单位进行工作发放。

由图4可见：2001-2005年，呼包鄂榆城市群24个县级行政区处于强负脱钩，12个县级行政区为扩张负脱钩〔见图4(a)〕. 由于土地混合度变化趋近于0，因此无法判断榆林市吴堡县的脱钩状态. 强负脱钩是“十五”计划期间该区域脱钩状态的主导类型，且具有集中连片的发展趋势. 这表明该时期呼包鄂榆城市群土地利用混合度增长率为负，CO2排放量增长率为正，处于最差发展状态. 2006-2010年，25个县级行政区处于强负脱钩，11个县级单元为扩张负脱钩〔见图4(b)〕. 同理，也无法判断榆林市清涧县的脱钩状态. “十一五”规划期间，强负脱钩继续主导了该区域土地利用混合度与CO2排放的脱钩状态. 结合空间布局来看，扩张负脱钩覆盖了榆林市的大部分地区. 扩张负脱钩状态也是较不理想的发展状态，即土地利用混合度增长率和CO2排放量增长率均为正，但后者增长得更快. “十二五”规划期间脱钩状态具有2个新特点〔见图4(c)〕. 一方面，此时脱钩状态类型趋于分化，共产生5类脱钩状态；另一方面，部分地区开始出现如强脱钩和衰退脱钩的较理想发展状态.具体说来，2011-2015年，处于脱钩状态(强脱钩和衰退脱钩)的县级行政区数量占研究区总数的43%以上，处于负脱钩状态(强负脱钩、弱负脱钩、扩张负脱钩)的县级行政区约占研究区总数的52%，清涧县和吴堡县的脱钩状态难以判断. 2016-2017年，研究区内共7类脱钩状态. 尽管“十三五”规划前期处于脱钩状态(强脱钩和衰退脱钩)的县级行政区占比(32%)较低，但该时期的脱钩发展趋势更好〔见图4(d)〕. 这主要表现在两个方面：一方面是脱钩状态的面积更大，包括以鄂托克旗、鄂托克前旗、杭锦旗和乌审旗等在内的县级行政区；另一方面是脱钩状态的分布趋于集中，呼包鄂榆城市群的大部分县级行政区表现为连片的强脱钩、弱脱钩和衰退脱钩状态.

图4 呼包鄂榆城市群土地利用混合度和碳排放的脱钩状态演变趋势Fig.4 Evolution trend of the decoupling status of land-mixing degree and carbon emissions in Hohhot-Baotou-Ordos-Yulin Urban Agglomeration

2.5 不确定性分析

由于数据的客观限制，该文未获得2018年至今的CO2排放和土地利用/覆被数据，导致该文不能完整地揭示“十三五”规划期间土地利用混合度与CO2排放之间的脱钩状态演变. 其次，分别针对土地利用/覆被变化或CO2排放的情景模拟研究已较为成熟[32]，但是将土地利用混合度和CO2排放的预测结果进行整合的研究还较少. CO2如何在长时序上实现较准确的预测模拟还具有不确定性. 最后，如何揭示土地混合利用与CO2排放之间的互动机制，脱钩模型可用于分析期望产出与非期望产出之间的相对变化，但是土地混合利用与CO2排放之间的互动机制还需要引入更具因果解释力的空间计量模型. 目前，CO2排放因素分解的通用模型包括指数分解法(index decomposition analysis, IDA)和结构分解法(structural decomposition analysis, SDA)两种. 而IDA中的对数指数指标分解法(log mean divisia index,LMDI)在环境经济学中被广泛使用[33]. 由于CO2排放具有空间溢出效应[34]，后续的机制分析还需要引入如多尺度地理加权(multiscale geographically weighted regression, MGWR)等空间计量模型.

综上，受限于数据可得性和理论进展，该文还无法明确土地混合利用与CO2排放之间的互动机制或具体机理. 首先，从数据可得性来看，土地混合利用与CO2排放之间存在多个中介变量. 中介变量的数据可得性是应用空间计量模型展开统计推断的前提.对西部县级行政区而言，较难获取长时序的统计数据. 其次，从理论进展来看，土地混合利用与CO2排放之间缺少理论依据，现有理论尚不能支撑全链条的作用机制研究. 例如，人地关系理论是解释人类及其各种社会活动与地理环境关系的基础理论. 据此，学界已经开展了土地利用/覆被变化、土地利用结构、土地利用效率与CO2排放之间的机制和机理研究.然而，该理论应用于土地混合利用与CO2排放之间的机制和机理研究还存在不确定性. 综上，该文还未能定量土地混合利用与CO2排放之间的关系.

3 结论与建议

3.1 结论

a)呼包鄂榆城市群CO2排放年增加量与年增加率具有一致性. 鄂尔多斯是CO2排放年增加量和年增加率最高的地区，榆林市是CO2排放年增加量和年增加率最低的地区.

b)土地利用混合度存在层级差异. 各地级行政区土地利用混合度具有“梯度效应”，即包头市土地利用混合度变幅较大，呼和浩特、鄂尔多斯和榆林市较平缓. 各县级行政区土地利用混合度具有“增长粘性”，即土地利用混合度高的区域仍居高位. 此外，土地利用混合度具有东高西低、南高北低的时空分布特征.

c)土地利用混合度和CO2排放的脱钩状态具有时空异质性. “十五”计划和“十一五”规划期间，脱钩状态以强负脱钩和扩张负脱钩为主，均为不理想的发展状态；“十二五”规划到“十三五”规划前期，约半数的县级单元处于较理想的脱钩状态. “十五”计划期间，强负脱钩状态的县级行政区呈连片分布；“十一五”规划期间，扩张负脱钩覆盖榆林市的大部分地区；“十二五”规划期间，各类脱钩状态的县级行政区呈组团化；“十三五”规划前期，西部脱钩状态优于东部.

3.2 政策建议

a)严控CO2排放年增加量和年增加率. 呼包鄂榆城市群要重点关注鄂尔多斯市的CO2排放年增加量和年增加率，尤其是努力促进所辖准格尔旗、东胜区和伊金霍洛旗实现CO2排放年增加量和年增加率“双下降”；同时，该区也需要积极引导榆林市下辖的清涧县、佳县和吴堡县在促进经济发展的过程中继续保持CO2排放年增加量和年增加率“双低”的优势.

b)提升土地利用混合度. 土地利用混合度高意味着林地、草地、水体、人类占用地的比例较均衡. 对于生态系统而言，生物多样性较高表明生态系统越稳定，抵御外界冲击的韧性越强. 要使城市群系统健康有序发展，土地混合利用就扮演着重要角色. 长期来看，某地类占比过大，不利于城市群系统稳定. 因此，呼和浩特市的武川县、包头市的石拐区以及鄂尔多斯市的鄂托克前旗和鄂托克旗均应提升土地利用混合度.

c)根据脱钩状态评估提升土地利用混合度的可行性. 土地利用混合度与CO2排放量为强脱钩时，表明土地利用混合度增长率为正，CO2排放量增长率为负，是最理想的状态. 相反，土地利用混合度与CO2排放量为强负脱钩时，表明土地利用混合度增长率为负，CO2排放量增长率为正，是最差的状态. 根据脱钩状态评估提升土地利用混合度的可行性，指的是土地利用混合度与CO2排放量处于强脱钩或其他脱钩状态的县级行政区可采用“提升土地利用混合度”的发展策略. 目前，呼包鄂榆城市群土地利用混合度与CO2排放量之间逐渐从不理想的负脱钩状态过渡到理想的脱钩状态. 以“十三五”规划前期为例，包头市的固阳县，呼和浩特的新城区、武川县，鄂尔多斯市的达拉特旗、东胜区、伊金霍洛旗、乌审旗、鄂托克前旗和鄂托克旗均可在不增加CO2排放量的前提下，增加土地利用混合度.

参考文献(References)：

［1］ 胡鞍钢.中国实现2030年前碳达峰目标及主要途径[J].北京工业大学学报(社会科学版)，2021，21（3）：1-15.

HU A G.China's goal of achieving carbon peak by 2030 and its main approaches[J].Journal of Beijing University of Technology(Social Sciences Edition)，2021，21（3）：1-15.

［2］ABOUMAHBOUB T, SCHABER K, WAGNER U, et al.On the CO2emissions of the global electricity supply sector and the influence of renewable power-modeling and optimization[J].Energy Policy，2012，42：297-314.

［3］ 李涛，杨知建，甘德欣，等. 长株潭城市群土地利用/覆被变化对碳效应的影响[J]. 生态与农村环境学报, 2016, 32(4): 539-545.

LI T，YANG Z J，GAN D X，et al. Influence of changes in land use/cover on carbon effect in Chang-Zhu-Tan urban agglomeration[J]. Journal of Ecology and Rural Environment, 2016, 32(4): 539-545.

［4］ 张赫, 彭千芮, 王睿, 等.中国县域碳汇时空格局及影响因素[J].生态学报，2020，40（24）：8988-8998.

ZHANG H, PENG Q R, WANG R, et al.Spatiotemporal patterns and factors influencing county carbon sinks in China[J].Acta Ecologica Sinica，2020，40（24）：8988-8998.

［5］ 范建双, 虞晓芬, 周琳.南京市土地利用结构碳排放效率增长及其空间相关性[J].地理研究，2018，37（11）：2177-2192.

FAN J S, YU X F, ZHOU L.Carbon emission efficiency growth of land use structure and its spatial correlation: a case study of Nanjing City[J].Geographical Research，2018，37（11）：2177-2192.

［6］HAN D，QIAO R L，MA X M. Optimization of land-use structure based on the trade-off between carbon emission targets and economic development in Shenzhen, China[J]. Sustainability，2018，11(1)：11.

［7］CHUAI X W，HUANG X J，WANG W J，et al. Landuse, total carbon emissions change and low carbon land management in Coastal Jiangsu, China[J]. Journal of Cleaner Production，2015，103：77-86.

［8］DONG Y, JIN G, DENG X Z.Dynamic interactive effects of urban land-use efficiency, industrial transformation, and carbon emissions[J].Journal of Cleaner Production，2020，270：122547.

［9］YANG B, CHEN X, WANG Z Q, et al.Analyzing land use structure efficiency with carbon emissions: a case study in the Middle Reaches of the Yangtze River, China[J].Journal of Cleaner Production，2020，274：123076.

［10］NAKAMURA K, HAYASHIY.Strategies and instruments for lowcarbon urban transport: an international review on trends and effects[J].Transport Policy，2013，29：264-274.

［11］ 郑金铃.城市、城市群与居民碳排放: 基于紧凑空间形态的研究[J].经济与管理，2016，30（1）：89-96.

ZHENG J L.Urban, urban morphology and residents' carbon emission: a study based on compact cities form[J].Economy and Management，2016，30（1）：89-96.

［12］ 王玉虎, 张娟.乡村振兴战略下的县域城镇化发展再认识[J].城市发展研究，2018，25（5）：1-6.

WANG Y H, ZHANG J.Re-understanding of county urbanization under the strategy of revitalizing the country[J].Urban Development Studies，2018，25（5）：1-6.

［13］ALI G，NITIVATTANANON V. Exercising multidisciplinary approach to assess interrelationship between energy use，carbon emission and land use change in a metropolitan city of Pakistan[J].Renewable and Sustainable Energy Reviews，2012，16(1)： 775-786.

［14］ 张俊峰, 韩力慧, 程水源, 等.京津冀地区典型城市大气细颗粒物碳质组分污染特征及来源[J].环境科学研究，2020，33（8）：1729-1739.

ZHANG J F, HAN L H, CHENG S Y, et al.Characteristics and sources of carbon pollution of fine particulate matter intypical cities in Beijing-Tianjin-Hebei Region[J].Research of Environmental Sciences，2020，33（8）：1729-1739.

［15］ 刘晟东, 史君楠, 程勇, 等.中国典型城市群PM2.5污染特征研究进展[J].环境科学研究，2020，33（2）：243-251.

LIU S D, SHI J N, CHENG Y, et al.Review of pollution characteristics of PM2.5in Chinese representative megacities[J].Research of Environmental Sciences，2020，33（2）：243-251.

［16］ 王情, 朱欢欢, 杜鹏, 等.京津冀及周边地区“十四五”及中长期PM2.5污染控制目标的健康效益预估研究[J].环境科学研究，2021，34（1）：220-228.

WANG Q, ZHU H H, DU P, et al.Health benefit of ‘14th Five-Year’ and medium & long-term PM2.5control targets in Beijing-Tianjin-Hebei and its surrounding areas[J].Research of Environmental Sciences，2021，34（1）：220-228.

［17］ 郑林昌, 任肖妮, 韩星.京津冀地区城市地表因素对灰霾污染的影响[J].环境工程技术学报，2021，11（1）：14-22.

ZHENG L C, REN X N, HAN X.Influence of urban surface on haze pollution in Beijing-Tianjin-Hebei Region[J].Journal of Environmental Engineering Technology，2021，11（1）：14-22.

［18］SONG Y, MERLIN L, RODRIGUEZ D.Comparing measures of urban land use mix[J].Computers, Environment and Urban Systems，2013，42：1-13.

［19］COMER D, GREENE J S.The development and application of a land use diversity index for Oklahoma City, OK[J].Applied Geography，2015，60：46-57.

［20］VORONTSOVA A V, VORONTSOVA V L, SALIMGAREEV D V.The development of urban areas and spaces with the mixed functional use[J].Procedia Engineering，2016，150：1996-2000.

［21］ 方可. 简·雅各布斯关于城市多样性的思想及其对旧城改造的启示: 简·雅各布斯《美国大城市的生与死》读后[J]. 国外城市规划，1998，13(1)：49-52.

［22］JACOB T J.The role of urban quality in the planning of international business locations: the case of Amsterdam zuidas[J].Journal of Urban Design，2007，12（2）：275-293.

［23］ 孙翔.新加坡“白色地段”概念解析[J].城市规划，2003，27（7）：51-56.

SUN X.Concept analysis of the ‘white site’ in Singapore[J].City Planning Review，2003，27（7）：51-56.

［24］WEBSTER D，CAI J M，MULLER L. The new face of periurbanization in east Asia：modern production zones, middle-class lifesytles, and rising expectations[J]. Journal of Urban Affairs,2014, 36(Suppl1)，315-333.

［25］BONTEMPS S, DEFOURNY P, RADOUX J, et al. Consistent global land cover maps for climate modelling communities:current achievements of the ESA's land cover CCI[EB/OL].Edinburgh: ESA Living Planet Symposium, 2013[2021-07-06].https://www.researchgate.net/publication/304788651.

［26］YANG Y K, XIAO P F, FENG X Z, et al.Accuracy assessment of seven global land cover datasets over China[J].ISPRS Journal of Photogrammetry and Remote Sensing，2017，125：156-173.

［27］ 孙泽祥, 刘志锋, 何春阳, 等.中国快速城市化干燥地区的生态系统服务权衡关系多尺度分析: 以呼包鄂榆地区为例[J].生态学报，2016，36（15）：4881-4891.

SUN Z X, LIU Z F, HE C Y, et al.Multi-scale analysis of ecosystem service trade-offs in urbanizing drylands of China: a case study in the Hohhot-Baotou-Ordos-Yulin Region[J].Acta Ecologica Sinica，2016，36（15）：4881-4891.

［28］WU W J, ZHAO S Q, 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.

［29］FRANK L.Impacts of mixed used and density on utilization of three modes of travel: single-occupant vehicle, transit, walking[J].Transportation Research Record Journal of the Transportation Research Board，1994，1466：44-52.

［30］FRANK L D, SCHMID T L, SALLIS J F, et al.Linking objectively measured physical activity with objectively measured urban form: findings from SMARTRAQ[J].American Journal of Preventive Medicine，2005，28（2）：117-125.

［31］TAPIO P.Towards a theory of decoupling: degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J].Transport Policy，2005，12（2）：137-151.

［32］ 田义超, 黄远林, 张强, 等.北部湾南流江流域土地覆盖及生物多样性模拟[J].中国环境科学，2020，40（3）：1320-1334.

TIAN Y C, HUANG Y L, ZHANG Q, et al.Simulation of land cover and biodiversity in Nanliu River Basin in Beibu Gulf[J].China Environmental Science，2020，40（3）：1320-1334.

［33］ 郭朝先.中国碳排放因素分解: 基于LMDI分解技术[J].中国人口·资源与环境，2010，20（12）：4-9.

GUO C X.Decomposition of China's carbon emissions: based on LMDI method[J].China Population, Resources and Environment，2010，20（12）：4-9.

［34］ZHANG L B, JIANG Z J, LIU R K, et al.Can China achieve its CO2emission mitigation target in 2030: a system dynamics perspective[J].Polish Journal of Environmental Studies，2018，27（6）：2861-2871.