能源碳排放约束下工业用地利用效率研究*

叶 芸，於 冉，於忠祥

(1.安徽农业大学 经济管理学院，安徽 合肥 230036；2.安徽农业大学 国土资源研究所，安徽 合肥 230036)

当前国家重点城市群和都市圈发展过程中，大规模的人类活动和经济生产活动的大面积用地扩张，造成用地浪费和效率低下的问题[1]，而工业生产是城市群及都市圈经济社会发展进程中重要的组成部分，工业活动及其用地承载引起的碳排放是导致全球气候变化的主要因素之一[2-4]。我国提出力争在2030年前实现碳达峰，2060年前实现碳中和，表明国家在减少碳排放和改善全球气候变化中的坚定立场。因此，在控制碳排放的背景下，提升工业用地利用效率具有重要意义。

目前，针对工业用地的研究主要包括工业用地节约集约利用[5]，工业用地空间布局[6]和工业用地效率提升[7]几个方面。而对工业用地效率的研究则集中在区域时空差异[8]、影响因素分析[9]和效率评价[10]等方面。其中，测算工业用地效率的方法也有所不同，通常采用ML指数分析法[11]、C-D 生产函数[12]和构建评价指标体系法[13]三种方法。对于工业用地效率指标体系的构建，通常设置土地、劳动力、固定资产等投入要素、工业产值等期望产出要素和工业“三废”等非期望产出要素。近年来，碳排放成为研究热点之一，对工业用地碳排放研究也逐渐深入[14-16]。但现有研究主要集中在全国、省域或者城市群等较大范围，缺少针对小范围区域的研究，也较少有文章将碳排放要素作为影响工业用地利用效率的制约因素进行对比研究。因此，测算工业用地利用效率，并将工业能源碳排放作为约束条件进行时空差异对比分析，引入松弛变量进行开发潜力探究，旨在为工业用地利用提出更有针对性的路径提升建议。

一、 研究对象与数据来源

(一)研究对象

以长三角都市圈工业用地为研究对象，阐述其能源碳排放约束下的利用效率。2016年，国务院通过《长江三角洲城市群发展规划(2016—2020年)》(以下简称《规划》)，提出培育更高水平的经济增长极和全面建成具有全球影响力的世界级城市群。2019年，国家发改委发布《培育发展现代化都市圈的指导意见》，明确城市群和都市圈的概念并阐述了二者的关系。因此，紧扣《规划》“一核五圈”空间格局，选择上海市和五大都市圈作为研究区域。其中，五大都市圈分别为杭州都市圈(杭州市、嘉兴市、湖州市、绍兴市)、宁波都市圈(宁波市、舟山市、台州市)、南京都市圈(南京市、镇江市、扬州市)、苏锡常都市圈(苏州市、无锡市、常州市)以及合肥都市圈(合肥市、芜湖市、马鞍山市)。研究区2020年工业企业利润达25 623亿元，工业从业人数达2 189万人，是中国工业发展前沿地区也是能源碳排放消耗的主力区。因而选择此区域作为研究对象，对于国家工业发展及实现国家双碳目标具有借鉴意义。

(二)数据来源

工业用地面积数据来源于《中国城市统计年鉴(2006—2021年)》，劳动力、资本、工业能源消耗量及期望产出相关数据来源于各省市统计年鉴，而工业能源碳排放量利用工业能源消耗量及《IPCC 国家温室气体清单指南》[17]中的测算系数(见表1)计算得出。对于个别缺失数据，应用插值、平均增长等方法进行补齐。

表1 折算系数

二、 研究方法与指标体系构建

(一)研究方法

基于SBM模型测算2005—2020年长三角都市圈无碳排放约束下的工业用地效率值，再基于SBM模型中的非期望产出模块测算碳排放约束条件下的工业用地效率值，并用GIS空间分析法和核密度估计法分析研究区市域和都市圈尺度下工业用地效率的时空差异，最后基于现状分析结果构建各投入产出要素松弛变量的开发潜力指数，并以此为依据，提出工业用地利用的路径提升建议。

1. SBM模型

P={[x,yu,yw]|x≥Xλ,

yu≥Yuλ,yu≥Ywλ;λ>0或∑λ=1}

(1)

通过以上基于CRS假设下的模型可以计算出综合效率值，在VRS假设下加入约束条件∑λ=1则可以分离出纯技术效率值。

同时根据SBM模型的特征和松弛变量的考量，以及碳排放约束条件的设置，将考虑非期望的SBM模型[19]设置为：

(2)

(3)

式中，ρ是决策单元的工业用地效率，且满足条件ρ∈[0,1]，当ρ<1时，表明工业用地是较为低效的；而D-、Du、Dw为松弛变量[20-22]，分别表示投入过多、期望产出不足和非期望产出冗余，即每一个投入产出要素在实际应用中存在的要素使用可改进部分。根据测算结果对投入产出要素进行区域差异研究，对用地效率提升提出改进方案。

2. 核密度估计法

核密度估计(Kernel density estimation)在概率论中用来估计未知的密度函数，属于非参数检验方法之一，其特点是可以用连续的密度曲线来描述随机变量的分布形态和演进特征[23]。利用Stata15.0 软件对整个研究区2005—2020年数据进行处理，根据曲线重心位置、波峰数量、峰值高度和左右拖尾延伸性等方面的变化情况，对工业用地利用效率的时序动态演进特征以及内部区域差异特征进行分析。设某随机变量X的密度函数为f(x), 并选择常用的高斯核来进行检验和运用，函数表达式如下：

(4)

(5)

式中，N表示样本数据观测值的个数，h表示带宽，K(•) 为核函数，xi为独立同分布的观测值，x为均值。

3. 开发潜力指数法

在当前研究成果[24-26]的基础上，提出基于工业用地效率的开发潜力指数(Improved PotentialIP)，该指数是将测算的投入和非期望产出要素的冗余率按一定权重折算成每个城市的平均投入产出冗余率，从市域角度体现工业用地效率的开发潜力。

(6)

(7)

(8)

式中，S×inputt,i,u表示第t年、i个城市、u要素的投入松弛变量数量，inputt,i,u表示第t年、i个城市、u要素的实际投入数量；S×carbont,i,v表示第t年、i个城市、v要素的非期望产出松弛变量数量，carbont,i,v表示第t年、i个城市、v要素的实际非期望产出数量，由于本文非期望产出只有能源碳排放这一个要素，故直接由碳排放代替。其中，t=1,2,…,16，i=1,2,…,17，u代表土地、固定资产、劳动力、能源四种投入要素，v代表能源碳排放这个非期望产出要素。

(二)指标体系构建

根据当前研究成果[27-29]，以及数据可得性、指标合理性原则，构建投入、产出指标(见表2)。

表2 投入产出指标

工业用地作为一种生产性的建设用地[30]，其投入和产出指标势必包括经济和社会要素。投入指标选择工业用地面积、工业从业人员数和工业固定资产投入额。根据工业用地经济生产活动的特殊性，在指标体系中增加能源投入要素，即工业生产所需的工业能源消耗量。期望产出指标选取工业总产值增加值以及工业企业利润额。根据当前研究[31]，非期望产出指标通常设置为工业“三废”排放量，而忽视了碳排放量的影响。故将工业能源碳排放量作为非期望产出的指标，以此探究能源碳排放约束条件下工业用地利用效率与提升路径。

三、 碳排放约束与工业用地效率分析

(一)无碳排放约束的工业用地效率

基于SBM模型中的公式(1)，测算出研究区2005—2020年无碳排放约束的工业用地效率值，选取2005年、2010年、2014年、2020年为代表年份进行分析(见表3)。

表3 各都市圈工业用地效率

综合效率整体呈现波动上升趋势但数值均小于1，表明工业用地利用虽有所改善但并未达到有效状态；2011年、2016年、2020年出现三次峰值，数值分别为0.712、0.743、0.776。纯技术效率2005—2007年降幅较为明显并于2007年出现低谷，数值为0.58；其总体变化趋势相近于综合效率，且峰值出现年份相同但数值更大，分别为0.77、0.81、0.86。规模效率处于效率高值区间，2005—2012年缓慢上升，并于2012年达到峰值，为0.95，2012—2020年处于平稳下降状态。纯技术效率与综合效率变化幅度趋同表明工业用地利用主要受技术发展水平影响，而纯技术效率数值偏低表明工业用地利用应加快提升技术水平；规模效率整体处于较高水平表明工业用地利用规模较为合理，但仍然要协调好工业用地的土地利用规模。

(二)碳排放约束下的工业用地效率

基于SBM模型中的非期望产出模块及公式(2)和(3)，测算研究区2005—2020年碳排放约束下的工业用地效率值，并运用GIS空间分析法分析研究区市域尺度下工业用地效率的时空差异；运用核密度估计法及公式(4)和(5)分析都市圈尺度下工业用地效率的时空差异。

1. 市域尺度

利用ArcGIS10.6的自然断点法将效率值进行关联及分类：0.2～0.33为低，0.33～0.45为较低、0.45～0.6为中等、0.6～0.8为较高、0.8～1为高。在无碳排放约束条件时(见图1)，上海市的效率值呈跃升式增长，即从低到高；杭州市呈较低到高的跳跃式增长，湖州市和嘉兴市呈中等水平演进式增长，绍兴市呈中高水平的波动下降；宁波市属于中低水平演进式增长，台州市是逐级演进增长，舟山市呈中高水平的变化趋势；南京市处于中低水平演进式增长，镇江市和扬州市分别以波动和直线趋势下降；苏州市、无锡市、常州市都属于中等水平的演进式增长；合肥市一直处于高水平的状态，芜湖市和马鞍山市分别以演进式和波动式增长，直至近年来的全部高值集聚。

图1 无碳排放约束条件工业用地效率市域对比

在碳排放约束条件下(见图2)，各地工业用地效率存在不同程度的变化甚至是下降，表明能源碳排放成为各地工业发展中不可忽视的影响因素。上海市能源碳排放量在2010年达到16年来的峰值4 400万吨，湖州市在2014年达到16年来的峰值370万吨，南京市2009年首破1 000万吨，宁波2012—2014年能源碳排放量增速高达31%，扬州市2020年达到排放峰值1 315万吨，所以这几个城市在相应年份均呈现出不同程度的效率值降级。近年来，各地在保证工业发展的同时都在尝试逐步减少能源消耗和能源排放量，台州市在2010年出现效率值上升情况，与其能源碳排放降幅大有关，其中单位生产总值能耗从0.632吨标准煤降至0.505吨标准煤，下降20%，化学需氧量、二氧化硫排放量分别下降17.3%、19%。

图2 碳排放约束下工业用地效率市域对比

2. 都市圈尺度

(1)都市圈工业用地效率时序变化

在无碳排放约束条件时[见图3(a)]，重心位置2005—2010年位于2014—2020年右侧；在碳排放约束下，整体向左位移且2005—2010年左移幅度较大，表明碳排放影响工业用地效率但影响程度缩减。左右拖尾延长度及斜率体现工业用地效率变化幅度，无约束时，拖尾延长度呈现2005—2010年缩小、2014—2020年增大的趋势；碳排放约束下[见图3(b)]，拖尾经历了如下变化：2005—2010年延长度缩小、斜率增大，2010—2014年延长度增大、斜率减小，2014—2020年延长度缩小、斜率增大。这表明整体时序呈现“大幅度减小—小幅度增大—小幅度回落”的演进趋势。都市圈整体在2005—2010年能源消耗量达68 190万吨，能源碳排放量达38 569万吨。2010—2014年能源消耗量达119 059万吨，增速为42.7%，能源碳排放量达61 888万吨，增速为37.6%；2014—2020年能源消耗量达163 027万吨，增速降至25.3%，能源碳排放量达82 066万吨，增速降为25.3%。这表明，近年来能源消耗量和能源碳排放量虽呈现增长趋势，但增速放缓。

图3 无碳排放约束与碳排放约束下的工业用地效率时序变化

(2) 都市圈工业用地效率区域差异

在无碳排放约束条件时[见图4(a)]，都市圈重心位置体现出都市圈圈际间工业用地效率值差异，圈际间合肥都市圈、上海市为第一梯队，苏锡常、宁波都市圈为第二梯队，南京、杭州都市圈为第三梯队。波峰数量体现工业用地效率极化程度，南京和宁波都市圈在无约束时出现差异明显的主次双峰格局，两都市圈内部各城市效率值均低于都市圈整体均值，表明工业用地效率在低值大规模集聚。在碳排放约束下[见图4(b)]，苏锡常出现小双峰且两峰间距增大，其中苏州效率值为0.75，高于都市圈整体均值0.7，无锡为0.68、常州为0.66，均低于均值，表明内部存在高低值并存的极化现象。波峰形态体现工业用地效率内部差异程度，无约束时上海市和南京都市圈波峰较为陡峭且高度接近并高于其他都市圈，表明区域内部发展差异较大。而南京和合肥都市圈高度下降且趋于平缓，其中两圈城市在是否考虑碳排放条件下的效率值差率为5%～6%，低于平均差率9.2%。

图4 无碳排放约束与碳排放约束下的工业用地效率都市圈对比

(三)工业用地效率开发潜力分析

由上述分析可见，碳排放约束下各地工业用地效率值均有不同程度的下降趋势。为提升工业用地效率，通过公式(6)—(8)计算各都市圈及各城市的投入产出开发潜力(见表4)。

从影响工业用地效率的投入要素角度看，土地要素开发潜力大小与各地当前工业用地利用的合理性存在相关性，工业用地利用规模是否合理，直接影响工业用地资源配置效率。该要素潜力指数中，湖州市、宁波市、南京市均大于100%，表明其用地要素投入不足是影响用地效率的重要制约因素。固定资产投资额和投资方向影响工业发展的规模和内在结构，从而进一步影响产业资源的配置和产业结构的转变。其中湖州市该要素潜力指数大于50%，表明湖州市在当前经济结构转变过程中投资结构并未进行积极有效的调整，亟须改善投入不足的现状以提升工业用地利用效率。劳动力要素能够间接体现工业发展水平，而开发潜力则体现当前工业发展水平与劳动力配置规模的合理程度。其中嘉兴市、宁波市、常州市要素潜力指数大于40%。近年来众多城市经济发展方式中间由“工”转“服”，但劳动力素质提升速度并未及时跟上，出现新阶段新产业劳动力配置不足、质量不高的现象，影响工业用地新阶段效率的提升。工业产值增加值和工业企业利润额分别体现了工业产业发展水平和工业企业发展现状。

从影响工业用地效率的期望产出要素角度看，工业产值要素相较于其他要素，整体开发潜力最小，多地为0或者逼近0，而利润要素的潜力指数中，嘉兴市、芜湖市和马鞍山市均大于20%。上海市作为“1+5”都市圈的核心城市，近年来积极落实“腾笼换鸟”的经济发展方针，其工业战略性新兴产业总产值占规模以上工业总产值比重于2020年提高到40%。其他城市也在自身工业发展优势基础上，积极吸纳更多新兴工业产业，但工业利润产出不足成为影响土地利用效率投入产出比中的重要因素。

能源投入要素和能源投入碳排放要素具有关联性，体现出工业发展的能耗程度及能源结构合理度。杭州都市圈、南京都市圈、苏锡常都市圈大于80%，其中嘉兴市、湖州市、宁波市、南京市、镇江市和常州市均大于100%。嘉兴市近年来装备制造业、高技术制造业发展迅速，但单位GDP能耗降速迟缓。湖州市 “十三五”期间单位生产总值能耗、相关能源排放量等部分指标未达到省控指标，其能源消耗量及能源利用结构不尽合理已然成为当前低碳发展背景下工业用地效率提升中最为重要的制约因素。

四、 结果与建议

(一)结果

第一，工业用地利用效率主要受技术发展水平影响，整体上用地规模表现优于技术水平表现。从效率值结果看，综合效率值呈上升趋势但均小于1，纯技术效率与综合效率变化幅度趋同，但整体上纯技术效率值小于规模效率值。

第二，碳排放约束条件下，都市圈用地效率呈现“大幅度减小—小幅度增大—小幅度回落”的演进趋势。从对比分析结果看，宁波都市圈、苏锡常都市圈、南京都市圈的内部差异较大。而上海市、湖州市、南京市、宁波市及扬州市是受碳排放约束后效率值降级较明显的几个城市。

第三，各都市圈的能源消耗量要素和能源碳排放量要素的开发潜力均强于其他要素，是工业用地利用效率提升的重要制约因素。从其他要素的差异结果看，宁波都市圈的土地要素、杭州都市圈的固定资产要素以及苏锡常都市圈的劳动力要素均有较大的减少投入冗余的潜力，而杭州都市圈的工业产值要素和合肥都市圈的企业利润要素的产出不足表现明显。

(二)建议

第一，加强影响工业用地效率投入要素的投入强度，改善投入结构。调整工业用地利用规模，提升工业用地资源配置效率。调整固定资产投资额和投资方向，进一步适应产业结构的转变方向。调整劳动力供应结构，提升新阶段新产业劳动力配置质量。

第二，挖掘影响工业用地效率期望产出要素的经济产出潜力。各地依据自身工业发展优势，落实“退二进三”等经济发展方针，积极吸纳更多新兴工业产业，提升工业战略性新兴产业总产值占比。延长工业产品产业链，调整工业企业利润产出环节，更大限度推进技术创新，提升工业用地的经济产出。

第三，减少影响工业用地效率非期望产出要素的影响，控制能源消耗总量，调整一次能源消耗比重。淘汰高能耗、高污染、高危险、低效益的落后产能，控制好相关能源排放量和单位生产总值能耗，大力推进能源基础设施建设，积极发展风电、潮汐电及可再生能源，促进区域能源消费结构转变。

第四，发挥上海市的龙头引领和各都市圈核心城市的辐射带动作用，各城市依据当前工业用地效率现状，进行科学、有序调整，挖掘影响工业用地效率的要素潜力。协调好各城市间、城市与都市圈间、各都市圈间的要素配比，促进人流、物流、信息流的良性循环，以减少能源碳排放量为重点，调整工业用地结构，在提升工业用地效率基础上逐步逼近“双碳”发展目标。