绿色基础设施投资降低了碳排放吗※

林乐芬 杨倩文

内容提要：基础设施绿色升级作为绿色产业发展的重要内容之一，与中国“双碳”目标的实现密切相关。基于2005年至2019年中国省际面板数据，研究了绿色基础设施投资对碳排放的影响及具体作用路径。研究发现：从中国整体来看，绿色基础设施投资与碳排放之间呈现倒U型关系，究其具体影响机制，绿色基础设施投资的增加通过U型曲线影响区域的绿化水平与技术水平，进而通过绿化效应与技术效应促成绿色基础设施投资与碳排放的倒U型关系。分区域来看，绿色基础设施投资对碳排放的影响存在区域异质性，具体而言，东中部地区绿色基础设施投资对碳排放的影响呈倒U型，而西部地区尚未形成倒U型。

一、 引 言

改革开放以来，中国经济持续增长的同时生产规模也在不断扩大，由此引发的环境问题也更加严峻。当前，全球气候变暖带来的旱涝等极端天气事件频发，人类生存环境遭受巨大威胁，人们进一步认识到碳排放问题背后的严重性，如何实现低碳减排、推动经济可持续发展成为公众、政府与学界广泛关注的热点话题。自2006年以来，中国已经成为世界上最大的二氧化碳排放国，2019年中国碳排放量占世界的比重高达28.8%，已经超过美国与欧盟的比重之和(Gao等，2019)。2020年9月22日，国家主席习近平在第七十五届联合国大会一般性辩论上发表重要讲话，承诺中国二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。作为世界上能源生产、消费最多的国家，中国实现碳达峰与碳中和目标时间紧、任务重、压力大，但实行碳减排不仅是中国在实现全球碳中和目标中应履行的义务，更是中国自身经济增长方式转型的内在要求。

绿色产业是推进生态文明建设，促进绿色低碳可持续发展的重要途径，而基础设施绿色升级正是绿色产业发展的重要内容之一。2019年3月6日，国家发展改革委等七部委联合发布《绿色产业指导目录(2019年版)》，提出了节能环保、清洁生产、清洁能源、生态环境、基础设施绿色升级和绿色服务等6大类绿色产业，其中，基础设施绿色升级是生态文明对新一代城市基础设施建设的时代要求(文传浩等，2021)。相较于传统基础设施建设中产生较多污染，绿色基础设施建设在主体、客体、建设理念等方面更具生态友好属性，瞄准着更加绿色生态的时代发展方向。绿色基础设施投资是指用于改善污染状况，建设良好生态环境的专项投资。近年来，随着绿色发展理念的深入人心，政府绿色基础设施投资不断扩大，确保基础设施的“绿色”属性能够缓解甚至有效解决城市工业污染问题，推动碳减排目标实现，从而建成一个更具可持续性的社会。

当前学者们对基础设施的研究多集中于能源(何晓萍，2014)、交通(郭广珍等，2019)、建筑(Sahely，2005)和城市建设(Li等，2016)等传统基础设施方面，而较少探究绿色基础设施及其对环境的影响。在有限的关于绿色基础设施投资与环境的研究中，学者们也未得出统一的结论。部分学者认为绿色基础设施投资能够显著减少二氧化碳排放量。例如，Jayaraman等(2015)研究发现绿色基础设施投资有利于阿拉伯国家减少二氧化碳排放。另一部分学者则认为尽管绿色基础设施投资能够提高能源效率，带来额外效益，但并没有显著减少碳排放，改善空气质量(Jayasooriya等，2017)。

对于中国绿色基础设施投资的相关研究，学者们在分析国外成功案例及其背后可借鉴经验(刘娟娟等，2012)的基础上，主要探讨中国在绿色基础设施建设中的初步实践，包括城市雨洪管理、海绵城市等具体案例的本土化研究(李俊奇和王文亮，2015)，较少从实证角度量化分析中国绿色基础设施投资对碳减排的影响。那么，中国当前的绿色基础设施投资现状如何？其对地区碳排放有何影响？本文以除香港、澳门、台湾和西藏外的中国30个省(自治区、直辖市)为研究样本，重点探究绿色基础设施投资对碳排放的影响及具体作用路径。相关议题的解答对中国制定绿色产业发展政策，推动碳达峰碳中和目标的实现具有重要意义。

本文的边际贡献主要有：第一，将研究对象聚焦于绿色产业中的基础设施绿色升级，在传统基础设施相关研究的基础上探讨绿色基础设施投资对环境的影响，从而丰富基础设施环境效应的相关研究；第二，区别于以往对中国绿色基础设施投资的案例研究，基于实证方法量化分析绿色基础设施投资对地区碳排放的影响，为推动基础设施绿色升级提供参考。

二、 理论分析与研究假设

基于约束效应和能源回弹效应，绿色基础设施投资对区域碳排放的影响可能呈现阶段性特征。一方面，在绿色发展的初级阶段，绿色基础设施投资规模较小，其对生产技术和污染治理技术转型的推动作用较小，此时绿色产业尚未实现规模效应。同时，绿色基础设施投资是用于改善污染状况，建设良好生态环境的专项投资，无法作为生产经营的投入要素。为实现GDP增长目标，绿色基础设施投资带来能源利用效率的初步提升会促使企业消耗更多的能源，即出现所谓的能源回弹效应，从而使得碳排放的增加抵消甚至超过了绿色基础设施投资带来的减排效应(曾胜和张明龙，2021)。另一方面，随着绿色基础设施投资规模的进一步扩大，技术研发有了更充裕的资金支持，企业的生产技术逐渐得到完善，能源利用效率也得到显著提升，因而能够从生产端有效减少单位生产的能源消耗与碳排放(Xie等，2017)。与此同时，绿色基础设施投资渠道的进一步开拓推动污染治理技术的转型升级，提升污染治理效率，因而从治理端进一步缓解地区碳排放问题。基于此，本文提出以下假说：

假说1：绿色基础设施投资对区域碳排放的影响呈现倒U型走势。

绿色基础设施投资为区域绿化建设提供资金支持，进而影响地区绿化水平与碳减排。绿色植物通过光合作用吸收大气中的二氧化碳，同时可调节城市雨洪、吸收水体和空气中的污染物，从而进一步降低地区碳排放(张伟和李国祥，2016)。然而，在绿色基础设施投资的初级阶段，资金首先应用于治污成效相对更快的人工治理或提升已有绿化的质量，甚至牺牲绿化作为污染治理场所或进行海绵城市建设，导致区域绿化水平出现一定程度的下降(李风涛和涂文军，2016)。随着绿色基础设施投资规模不断扩大，污染治理设施趋于完善，更多的资金可用于投入绿化建设，使得区域绿化水平提升，并通过绿色植物对二氧化碳的吸收能力影响碳减排。基于此，本文提出以下假说：

假说2a：绿色基础设施投资的增加能够以U型曲线方式影响区域绿化水平进而影响区域碳排放，促成绿色基础设施投资与碳排放的倒U型关系。

绿色基础设施等新型基础设施是由技术、产业驱动，具备集约高效、经济适用、智能绿色、安全可靠特征的一系列现代化基础设施体系的总称。代表着新一轮科技和产业革命的城市基础设施，不仅是资本的体现，还是一种技术的存在，更是节能减排的重要技术路径。一方面，绿色技术创新能够有效控制脱碳成本，为二氧化碳的利用、捕集和封存技术的研发和大规模应用提供相应的技术支撑，催生出技术红利效应，助推碳减排绩效的提升，赋能环境污染的末端治理，从治理端降低城市碳排放量(Andreoni和Levinson，2001)。另一方面，基于“干中学”理论，绿色基础设施投资带来的绿色技术存在溢出效应，工业企业组织通过学习合作实现资源共享与知识溢出，归纳总结绿色技术的原理和规律，并对自身的生产流程、生产技术与污染治理技术进行改进优化，从生产端和消费端减少资源消耗，同时催生新的能源消费方式，倒逼能源消费结构向节能降耗模式发展(殷秀清和张峰，2019)，助力产业结构向低碳绿色产业转型，从而降低企业生产和居民消费的碳排放，实现碳排放的源头防控。然而，绿色清洁的生产与治理技术研发周期长、资金需求量大，政府为了向人民群众交出一份满意的“污染治理成绩单”，在绿色基础设施投资的初级阶段，投资资金优先用于购买治污速度快且效果明显的治污设备，甚至挤占原用于技术研发的资源(周杰琦和刘生龙，2021)，在现有劳动力等要素不变的情况下绿色技术的开发被忽视。随着绿色基础设施投资规模的不断扩大与治污设施不断完善，政府有充裕的资金投入技术研发，为生产与治理技术的绿色升级提供资金支持，通过生产与治污技术水平的提升减少单位生产的能耗与污染排放，从而实现碳减排目标。基于此，本文提出以下假说：

假说2b：绿色基础设施投资的增加能够以U型曲线方式影响区域的绿色技术研发进而影响区域碳排放，促成绿色基础设施投资与碳排放的倒U型关系。

三、 模型数据与变量

1. 模型

本文基于2005年至2019年中国30个省(自治区、直辖市)的相关数据，选取STIRPAT模型探究绿色基础设施投资对碳排放的影响效果。西藏自治区因数据严重缺失而被剔除。STIRPAT模型是在I=PAT等式基础上转变建立的，它作为I=PAT模型的随机形式能够满足在其他因素保持不变时彻底分析单一因素对环境的影响。

(1)

其中，Ii、Pi、Ai、Ti分别为各地区的环境压力、人口因素、经济因素、技术因素，a为模型系数，b、c、d分别为三大因素对环境压力的影响系数，ε为误差项。

在研究过程中，多数学者会采用对模型(1)两边同时取对数的方法降低方差，从而更直观地考察弹性系数。模型(1)的对数形式为：

lnIit=lnai+blnPit+clnAit+dlnTit+lnεit

(2)

基于STIRPAT模型的对数形式，本文构建绿色基础设施投资影响碳排放的实证检验模型如下：

lnCO2it=β0+β1lnGIIit+β2lnGIIit2+β3lnGDPit+β4lnGDPit2+β5lnPopit+β6lnTechit+β7Xit+μi+γt+εit

(3)

其中，i表示地区；t表示时间；CO2it表示地区i在时间t上的碳排放状况；GIIit表示i地区在第t年的绿色基础设施投资额；GDP代表经济因素，Pop代表人口因素，Tech代表技术因素，X为影响碳排放的其他解释变量，μi为地区固定效应，γt为时间固定效应，ε为随机扰动项。

2. 数据及变量的描述性统计

(1) 因变量碳排放(CO2)。本文基于IPCC部门核算法选取各省份二氧化碳排放总量作为被解释变量。这主要基于如下几方面考虑：一是碳达峰碳中和目标背景下，如何实现低碳减排已成为当前全球可持续发展中的焦点和紧迫性议题，且二氧化碳排放量的增多是产生温室效应的主要原因；二是中国作为碳排放大国，要在2030年实现碳达峰、2060年实现碳中和时间紧任务重，各省份加快碳减排进程刻不容缓；三是相较于其他污染物指标，二氧化碳排放量的数据在时间层面与地区层面都较为全面，数据连续性与可比性较好，且中国碳达峰碳中和的目标是以碳排放总量为标准衡量。数据来自中国碳核算数据库(CEADs)。

(2) 核心自变量绿色基础设施投资(GII)。绿色基础设施投资是用于改善污染状况，建设良好生态环境的专项投资，参考周强等(2021)的研究，将园林绿化投资、市容环境卫生投资与工业污染治理投资的总和作为绿色基础设施投资。

(3) 中介变量。① 绿化效应(Green)。城市的绿色基础设施包括园林、湖泊和水文等要素，绿化植被覆盖的公园则是一个地区具有生命力的绿色生态资源与基础设施，在地区绿色低碳发展中发挥重要作用(张伟和李国祥，2016)。在绿化效应中，采用公园面积占行政区域面积的比重衡量绿化水平。② 技术效应(Patent)。绿色技术创新一方面能够有效控制脱碳成本，赋能碳排放的末端治理，从治理端降低城市碳排放量，另一方面也能通过溢出效应促使企业改进优化自身生产技术，同时催生新的能源消费方式，从生产端和消费端减少资源消耗，实现碳排放的源头防控(殷秀清和张峰，2019)。因此，绿色基础设施投资能够通过影响地区的生产技术与污染治理技术水平进而影响碳减排。在技术效应中，采用每万人绿色专利授权数量衡量技术水平。

(4) 其他控制变量。为探究绿色基础设施投资对碳排放的影响效果，尽量规避遗漏重要变量带来的估计误差，本文基于STIRPAT模型，结合实际情况替换并引入部分新的变量。① 经济规模(Pgdp)，反映经济因素对碳排放的影响。一个地区经济发展水平的提高伴随着生产规模的扩大，需要更多资源投入生产活动，二氧化碳排放量随之增加；然而，经济发展水平的提高还伴随着居民收入水平的提升，人们对环境质量有了更高的诉求，从而倒逼政府加大环境监管与治理力度。考虑到不同地区人口规模不同，以人均GDP代表一个地区的经济规模，同时根据EKC假说将人均GDP二次项也引入模型。② 人口规模(Population)，反映人口因素对碳排放的影响。人口越多，对资源的需求量越大，二氧化碳排放量也随之增加。但人口越集聚，公共设施如公交的使用又有效降低了二氧化碳排放量。采用地区年末人口数反映人口因素。③ 研发投入(Technology)，反映技术因素对碳排放的影响。一个地区的研发投入反映了该地区对知识资本的重视程度及对技术发展的支持力度，对低碳绿色技术的研发创新具有促进作用。以科学技术支出与GDP的比率来衡量。④ 城镇化率(Urbanization)。城镇化水平的提升伴随着居民生活能源消费、工业化能耗和城市交通能耗的显著增加，对地区碳排放具有重要影响。以城市人口占总人口的比重来衡量。⑤ 贸易开放度(Export)。国际合作中制造业出口大省因贸易产生的二氧化碳排放问题不容忽视。以出口总额来衡量。⑥ 外商投资(FDI)。在一个地区的发展中，外商投资不仅能够带来资金支持，还能推动地区产业结构升级与技术水平提升，从而影响碳排放。以外商投资额来衡量。⑦ 政府干预度(Government)。政府对污染防治工作的重视程度及环保投入对碳排放有影响。采用政府一般预算支出与GDP的比率来衡量。⑧ 产业结构(Structure)。以工业为主导的第二产业是碳排放的主要来源，因此地区产业结构也是影响碳排放的重要因素。以第二产业增加值在GDP中的比重来衡量。

本文所使用的数据来自中国碳核算数据库(CEADs)、《中国环境统计年鉴》《中国区域经济统计年鉴》《中国能源统计年鉴》《中国人口与就业统计年鉴》及政府颁布的各类环境文件。人均GDP经过以2005年为基期的GDP平减指数处理，外商投资额与出口额先按当年人民币对美元汇率水平进行换算，再利用2005年为基期的GDP平减指数处理。此外，为了降低数据波动性，消除异方差问题，以上所有数据在统计分析前均进行对数化处理。表1为描述性统计。

表1 变量描述性统计

四、 实证结果分析

1. 基准回归结果分析

表2为绿色基础设施投资对碳排放影响的基准回归结果，其中列(1)仅加入核心自变量及其平方项进行回归，列(2)除核心自变量外还加入了经济、人口、技术等其他控制变量进行回归。(1)限于篇幅，模型构建过程中对变量作单位根检验的结果未列示，备索。

表2 基准回归结果

(续表)

回归结果显示，绿色基础设施投资的一次项系数显著为正，二次项系数显著为负，即绿色基础设施投资对地区碳排放的影响呈现倒U型，随着绿色基础设施投资的增加，其对碳排放强度的影响从促增转变为促降，即只有当绿色基础设施投资达到一定水平，其对碳减排进程的推进才具有促进作用。究其原因，绿色发展的初级阶段，绿色基础设施投资规模较小，其对生产技术和污染治理技术转型的推动作用较小，此时绿色产业尚未实现规模效应。同时，绿色基础设施投资是用于改善生态环境的专项投资，无法作为生产经营的投入要素，为实现GDP增长目标，绿色基础设施投资带来能源利用效率的初步提升会促使企业消耗更多的能源，即出现能源回弹效应，从而使得碳排放的增加抵消甚至超过了绿色基础设施投资带来的减排效应。另一方面，随着绿色基础设施投资规模的进一步扩大，技术研发有了更充裕的资金支持，企业的生产技术与污染治理技术逐渐得到完善，能源利用效率也得到显著提升，因而能够有效减少单位生产的能源消耗与碳排放，进一步缓解碳排放问题。

在模型中加入其他控制变量，并未影响绿色基础设施投资的系数符号及显著性。控制变量中，人均GDP的一次项系数显著为负，二次项系数显著为正，表明经济发展与碳排放呈U型关系，这与马丽梅和张晓(2014)的结论一致，与传统环境库兹涅兹曲线不同的原因可能是本文研究的年限相对较短，目前碳排放与经济发展的关系仅仅是倒U型关系的一部分，即中国的经济发展水平还未达到使碳排放降低的拐点。城镇化率对碳排放的影响显著为正，城镇化率的提高伴随着居民生活能源消费、工业化能耗和城市交通能耗的显著增加，碳排放也因此增加。贸易开放对碳排放的影响显著为负，可能的原因是为满足进口国的严格要求，中国出口转向技术水平较高的高附加值产品，高耗能高污染的低级产品出口下降，从而在生产端降低了碳排放。政府干预对碳排放的影响显著为正，表明各地方政府目前仍未能发挥财政支出的碳减排作用，应该进一步促进资源要素合理配置。产业结构对碳排放的影响显著为正，第二产业的高占比仍然是各地区碳排放强度大的重要因素。

2. 区域差异与机制分析

(1) 区域差异。受经济社会基础和政策落实情况的影响，中国各省份的绿色基础设施建设情况与碳减排进程截然不同。本文从区域差异切入，进一步探究绿色基础设施投资对碳排放的影响是否存在区域异质性。具体地，本文将30个省(自治区、直辖市)分为东中部地区与西部地区两组分别进行回归。结果见表3。东中部地区碳排放随着绿色基础设施投资的扩大先上升而后下降，这与全国整体倒U型的趋势一致；而在西部地区，绿色基础设施投资对碳排放的影响不存在倒U型。这表明，绿色基础设施投资对碳排放的影响存在阶段性特征。究其原因，一方面，相较于西部地区，东中部地区经济发展水平较高，人们对包括环境在内的生活质量有了更高的诉求，通过消费偏好与舆论压力迫使政府提高污染治理力度，从而更高效地发挥绿色基础设施投资的减排作用；其次，由于地区经济发展水平的不平衡性，许多污染密集型产业由东中部地区向西部地区转移(张平和张鹏鹏，2016)，使得西部地区面临的减排任务更加艰巨，当前绿色基础设施投资还未达到能够降低碳排放的拐点。

表3 区域异质性

(2) 机制分析。在中介效应的相关研究中，大部分学者都采用Baron和Kenny(1986)提出的三步骤方法进行检验，然而该方法仅适用于线性中介关系的检验，相比之下，Edwards和Lambert(2007)提出的调节路径分析法更适用于分析曲线关系的中介效应(杜运周等，2012)。因此，本文借鉴Edwards和Lambert(2007)、董保宝(2014)的研究，采用调节路径分析法探究绿色基础设施投资影响碳排放的中介效应。

CO2it=β0+β1GIIit+β2GIIit2+β3Xit+μi+γt+εit

(4)

Mediumit=α0+α1GIIit+α2GIIit2+α3Xit+μi+γt+φit

(5)

CO2it=λ0+λ1GIIit+λ2GIIit2+λ3Mediumit+λ4Xit+μi+γt+ωit

(6)

CO2it=θ0+θ1GIIit+θ2GIIit2+θ3Mediumit+θ4GIIit×Mediumit+θ5Xit+μi+γt+ωit

(7)

其中，Medium表示中介变量，分别为绿化效应(Green)和技术效应(Patent)。基于调节路径中介效应检验的原理，若存在中介效应，则公式(4)中β1的估计值预期显著为正且β2的系数显著为负，公式(6)中Medium系数λ3的估计值预期显著为负，公式(7)中交互项系数θ4估计值预期不显著。

表4为关于绿化效应的回归结果。列(1)中加入绿色基础设施投资及其平方项，结果表明绿色基础设施投资与碳排放之间呈现倒U型曲线关系。列(2)以绿化水平为因变量，加入了绿色基础设施投资及其平方项，结果表明绿色基础设施投资的平方项与绿化水平显著正相关，说明绿色基础设施投资与绿化水平之间呈现U型曲线关系。列(3)中加入绿化水平这一中介变量，结果表明绿色基础设施投资与碳排放显著负相关。列(4)中加入绿化水平以及绿色基础设施与绿化水平的交互项之后，结果依然是绿色基础设施投资的平方项与碳排放的系数显著且为负，绿化水平与碳排放的系数显著为负，但绿色基础设施投资与绿化水平的交互项对碳排放的作用不显著，表明绿化水平与碳排放的关系不受绿色基础设施投资的权变影响。综上所述，绿色基础设施投资与绿化水平之间的U型关系会经由绿化水平的中介作用影响碳排放，即绿化效应促成了绿色基础设施投资与碳排放的倒U型关系。

表4 中介效应检验——绿化效应

表5为关于技术效应的回归结果。列(1)中加入绿色基础设施投资及其平方项，结果表明绿色基础设施投资与碳排放之间呈现出倒U型曲线关系。列(2)以技术水平为因变量，加入了绿色基础设施投资及其平方项，结果表明绿色基础设施投资的平方项与技术水平显著正相关，说明绿色基础设施投资与技术水平之间呈现U型曲线关系。列(3)中加入技术水平这一中介变量，结果表明绿色基础设施投资与碳排放显著负相关。列(4)中加入技术水平以及绿色基础设施与技术水平的交互项之后，结果依然是绿色基础设施投资的平方项与碳排放的系数显著且为负，技术水平与碳排放的系数显著为负，但绿色基础设施投资与技术水平的交互项对碳排放的作用不显著，表明技术水平与碳排放的关系不受绿色基础设施投资的权变影响。综上所述，绿色基础设施投资与技术水平之间的U型关系会经由技术水平的中介作用影响碳排放，即技术效应促成了绿色基础设施投资与碳排放的倒U型关系。

表5 中介效应检验——技术效应

3. 稳健性检验

为保证结论的稳健性，本文通过替换被解释变量和解释变量的方法进行稳健性检验，结果见表6，列(1)为核心解释变量GII及其平方项用滞后1期作为替换变量进行回归的结果，列(2)为被解释变量用表观排放核算法得到的碳排放量(BCO2)替换进行回归的结果。结果显示，各变量回归系数的方向均与基准回归结果一致，说明本文实证检验结果具有稳健性。

表6 稳健性检验

进一步地，考虑到绿色基础设施投资在影响碳排放的同时，地区碳排放问题严重也可能导致政府增加绿色基础设施投资，本文借鉴王化成等(2015)的做法，将被解释变量碳排放提前1期降低内生性。此外，本文也采用了工具变量法进行内生性检验。具体地，工具变量要确保只通过内生解释变量影响被解释变量，虽然可能会出现在特定政策背景下多年连续的投资，使得各期数据彼此间不相互独立，但其滞后1期属于前定变量，必须通过当期的投资来影响碳排放，因此本文借鉴程名望等(2019)的研究，将核心解释变量绿色基础设施投资及其平方项进行滞后，作为工具变量进行检验。回归结果见表7。绿色基础设施投资对提前1期的碳排放仍呈现显著的倒U型影响，与基准回归结果一致，通过内生性检验。采用工具变量法的回归结果也与基准回归结果相同，同时不可识别检验与弱工具变量检验结果显示所选取的工具变量较为合适，故本文的核心结论依然成立。

表7 内生性检验

五、 结论与建议

本文基于2005年至2019年中国30个省(自治区、直辖市)的面板数据，研究绿色基础设施投资对碳排放的影响及具体作用路径。研究发现：从中国整体来看，绿色基础设施投资与碳排放之间呈现倒U型关系，一系列稳健性检验强化了这一结论，究其具体影响机制，绿色基础设施投资的增加通过U型曲线影响区域的绿化水平与技术水平，进而通过绿化效应与技术效应促成绿色基础设施投资与碳排放的倒U型关系。分区域来看，绿色基础设施投资对碳排放的影响存在区域异质性，具体而言，东中部地区绿色基础设施投资对碳排放的影响呈倒U型，而西部地区尚未形成倒U型。

为进一步加快基础设施绿色升级，助力地区碳减排进程推进，本文提出以下政策建议：一是加强绿色基础设施建设，扩大绿色产业规模。基础设施绿色升级是绿色产业发展的重要内容，具有生态友好属性，应进一步扩大绿色基础设施投资，使其在中国未来的绿色发展中充分发挥碳减排效能。二是扩大园林绿化面积，提升城市绿化水平。绿化效应促成了绿色基础设施投资与碳排放的倒U型关系，因此地方政府应重视绿化在碳减排中的重要作用，通过提升绿化水平进一步促进碳减排。三是增加研发投入，提高绿色技术水平。技术效应促成了绿色基础设施投资与碳排放的倒U型关系，因此，一方面地方政府应重视绿色技术研发在碳减排中的重要作用，增加研发投入，推进科研机构建设，注重科技人才培养；另一方面企业要加强对员工的培训，提高自身对先进技术的学习吸收能力与自主研发能力，进一步提升科技水平，实现清洁生产。四是加大西部地区绿色基础设施支持力度，促进区域协调发展。由于区域特殊性，西部地区尚未形成绿色基础设施投资促进碳减排的倒U型趋势，需要依据有所侧重的发展思路，将绿色基础设施资源适度向西部倾斜，加速其到达促进碳减排的倒U型拐点。