基于城市尺度的中国能源强度时空差异及演进特征

刘琦璐，程开明，庄燕杰

（浙江工商大学 统计与数学学院，浙江 杭州 310018）

一、引言

城市是现代文明的标志，也是国家应对气候变化、推动低碳转型和经济高质量发展的重要载体空间及行动单元［1］。现代城市承载着绝大多数的能源消耗和碳排放［2-3］，其政策的灵活性和针对性更强，能够为节能减排和碳达峰、碳中和提供巨大潜力和示范机会［4］。

碳达峰、碳中和的深层次问题是能源问题，为如期实现碳达峰、碳中和，我国政府制定了能源消费总量和能源强度“双控”目标，以降低能源消耗，促进低碳发展。然而，未来一段时期我国城市能源消费总量将继续增长，以煤为主的能源格局短期内还无法改变［5］，故降低城市能源强度是实现节能减排目标的最有效途径［6］。自“十一五”规划开始，我国已连续3 个五年规划将降低能源强度设定为约束性目标，“十四五”规划纲要再次提出到2025 年能源强度要降低13.5%。鉴于不同城市的经济发展水平、城市规模、资源禀赋和产业结构等存在明显差异的现实［7-8］，需要准确把握城市能源强度的空间分布格局和演变规律，针对不同类型的城市采取更为科学和更具匹配性的节能减排策略。

现实是，我国城市层面的能源消费数据相对匮乏［9］，导致相关研究多停留于国家和省级层面［10-11］，但这种大尺度地理单元的能源消费特征容易掩盖区域内城市能源消费的异质性，甚至得出错误的结论［8,12］。已有城市层面的分析较多关注少数能源消费统计资料较为充分的特大城市或省会城市［13-14］。随着能源流通监测手段的进步及估算方法的改进，有关城市尺度能源消费的文献逐渐增多，主要包括城市能源消费总量估算［15］、城市能源效率测算［16-17］以及城市能源消费的碳排放研究［18-19］等。基础数据方面，现有文献多采用全社会用电量等指标替代能源消费量［16］，或利用GDP 按比例折算［20］、夜间灯光影像数据模拟反演［15,21］等方法得到城市能源消费量，因估算过程中未对统计信息丰富的能源平衡表等官方资料加以利用，估算结果往往存在较大偏差。研究内容方面，很少利用长时段、大样本数据对城市能源消费的空间分异、动态演变及空间效应进行深入解析，故有必要加强对城市能源消费时空动态演进特征的探究。

针对已有研究的不足，本文创新性地采用降尺度能源平衡表估算方法，将省级能源消费量自上而下分解到地级市层面，建立城市能源消费清单，充分利用现有能源统计资料以提高城市能源消费估算的准确性和可比性；进而根据城市层面的实际能源强度指标，采用Dagum基尼系数及空间马尔科夫链等方法解析我国城市能源强度的空间分异特征及动态演变规律，为研究制定差异化节能减排策略和低碳转型政策提供科学依据及有力支撑。

二、研究方法

（一）降尺度能源平衡表估算方法

省级能源平衡表（消费端）包括能源加工转换投入（-）/产出（+）、能源损失量和能源终端消费量三大部分，根据能源平衡表中的平衡关系可计算得到能源消费总量：

其中：EC表示能源消费总量；FEC为终端消费量，包括三大产业生产过程终端能源消费量以及城镇、农村居民生活用能消费量；Lost 为损失量；In‑putE 和OutputE 分别表示能源加工转换过程中的能源投入量和产出量。采用自上而下的分配方法得到降尺度的城市能源平衡表，分配表达式为：

其中：i表示省级能源平衡表中的行，代表能源消费的活动类别；j表示省级能源平衡表中的列，代表能源类别；和分别表示城市k和所在省份的第i类活动对第j种能源的消费量；表示第i行的能源消费量分配系数，即城市k第i项分配指标占全省的比例。

参考Shan 等（2017）［22］和Jing 等（2018）［23］利用省级能源平衡表自上而下对城市CO2排放量进行估算的方法，结合国家统计局《能源统计报表制度（2020）》中各类能源活动的实际统计范围，将省级能源平衡表中各项能源消费量分配到地级市层面，最终选取的分配指标见表1所列。

表1 能源平衡表及能源消费量分配指标

通过表1的分配指标及式（1）、式（2）的分配方法，初步由省级能源平衡表降尺度推导出地级市能源平衡表，再将各类能源消费量按照当量热值能源折算标准煤系数统一换算成万吨标准煤的煤当量形式，加总后得到各地级市的能源消费量。

（二）Slope趋势分析

Slope趋势分析是通过能源强度的变化斜率来判断各城市能源强度变动的整体趋势和速率［24］，计算公式为：

其中：n表示总年份数；xi为第i年；Ci表示第i年对应的城市能源强度。斜率的数值大小体现了城市能源强度上升或下降的速度。

（三）Dagum基尼系数及分解

采用Dagum 基尼系数及其子群分解来全面考察城市能源强度的地区差异及主要来源，因为相对于传统基尼系数和泰尔指数，Dagum基尼系数及其分解不仅能够分析差距的来源，而且能够描述子样本的分布状况，有效解决样本之间的交叉重叠问题。全部城市能源强度总体基尼系数计算公式为：

其中：yji是j地区内任意一城市的能源强度；yˉ为所有城市能源强度的平均值；n为城市个数；k为地区个数；nj（nh）是j（h）地区内城市数量。Da‑gum（1997）将基尼系数（G）分解为群体内差距的贡献（Gw）、群体间差距的净贡献（Gnb）和群体间超变密度贡献（Gt）三个组成部分［25］，即G=Gw+Gnb+Gt。具体分解时，首先将各城市能源强度均值从小到大排序，三大部分的计算公式分别为：

式（5）表示j地区的基尼系数Gjj和地区内差异贡献Gw，其中，分别表示j地区和全国城市能源强度均值；式（6）表示j和h地区的地区间基尼系数Gjh和地区间差异贡献Gnb；式（7）中Gt表示超变密度贡献；式（8）中Djh表示地区间城市能源强度的相对影响，djh为j、h地区中所有yji-yhr>0的样本值加总的数学期望，pjh为j、h地区中所有yhr-yji>0的样本值加总的数学期望，可理解为地区间城市能源强度的差值。

（四）空间马尔科夫转移矩阵

将城市能源强度从高能源强度类型转向低能源强度类型定义为“向上转移”，反之则定义为“向下转移”。“向上转移”意味着城市能源效率提升，“向下转移”则意味着城市能源效率下降。mij表示在t时刻中属于类型i的城市在t+1时刻转移到j类型的概率值，采用下式加以估计：

其中：nij表示整个研究期内由t时刻属于i类型的城市在t+1时刻转移为j类型的城市数量总和；ni为研究期内所有实现转移的年份中属于类型i的城市数量总和。

空间马尔科夫（Markov）转移概率矩阵以某一城市ɑ 在t时刻的空间滞后类型为条件，将传统马尔科夫链分解为k个k×k的条件转移概率矩阵［26］。在第k个条件矩阵中，mkij为城市ɑ在空间滞后类型为k的条件下，从t时刻状态类型i转移到t+1时刻状态类型j的概率。城市ɑ的空间滞后值是该城市的空间邻近城市属性值的加权平均，具体公式如下：

其中：空间权重矩阵Wɑb表示城市ɑ 和城市b的空间关系，在此采用空间邻接原则定义空间权重矩阵；同时，为避免因统计数据缺失而形成的孤岛问题，将与某一城市距离最近的城市定义为相邻城市，即保证每个城市至少存在一个邻居。Yb表示城市b的属性值；Lagɑ为城市ɑ的空间滞后值，表示城市ɑ的邻域状态。

三、数据来源

行政地域城市具有较好的统计数据基础，且作为城市行政治理权与管辖权的实施主体，便于承接省级节能减排考核目标，因此选择我国30 个省级行政区（未包含西藏自治区、香港和澳门特别行政区、台湾地区）的285个地级及以上城市作为研究对象，样本期为2003—2019年。为考察城市能源强度的空间差异，沿用陈龙等（2016）［20］、邓健和王新宇（2015）［27］等的做法，将我国行政地域划分为东部、中部、西部和东北四大地区。

基于降尺度能源平衡表估算得到城市能源消费量数据，将其中少数能源统计基础较好的大城市和直辖市的估算数据与其实际能源消费量进行对比分析，发现城市能源消费量估算结果的准确性较高（1）。

全国、省级能源消费量及城镇人均生活用能、农村人均生活用能数据来自《中国能源统计年鉴》；城市全社会用电量来自《中国城市统计年鉴》；城市生产总值（GDP）指数根据《中国城市统计年鉴》中城市的实际GDP增长率计算得到；各城市规模以上工业产值数据来源于历年《中国区域经济统计年鉴》、EPS数据库、部分城市统计年鉴以及国民经济和社会发展统计公报；其他各产业产值来自《中国城市统计年鉴》和《中国区域经济统计年鉴》；城市常住人口数据来自各省份统计年鉴和部分城市统计年鉴；各类能源折算标准煤的系数来自国家统计局能源司《能源统计工作手册》和《能源统计报表制度（2020）》。此外，对其中部分指标存在的少量缺失数据采用趋势外推法和插补法等方法进行填补。

四、结果与分析

（一）城市能源消费总体情况

为考察我国城市能源消费总体情况，本文对城市能源消费量进行描述性统计，见表2所列。

表2 2003—2019年中国城市能源消费量描述性统计

由表2可以看出，我国城市能源消费总量不断提高，均值由2003 年的628.77 万吨标准煤逐渐上升为2019 年的1 629.19 万吨标准煤，年均增长6.13%；同期城市能源消费量之间的差异也在不断扩大，标准差由2003 年的740.77 万吨标准煤逐步上升为2019 年的1 581.98 万吨标准煤。根据本文降尺度能源平衡表的估算结果，2019 年285 个城市能源消费总量达461 270.95 万吨标准煤，占全国能源消费量（487 488.00万吨标准煤）的94.62%

进一步考察285 个城市的能源消费量、人口数量、GDP 和土地面积的累积曲线（图1），可以发现：其一，城市能源消费量累积曲线与GDP累积曲线非常接近，表明城市能源消费量与经济发展水平高度相关；其二，城市能源消费量累积曲线位于土地面积和人口数量累积曲线上方，说明城市能源消费的空间集聚性高于土地和人口要素。将城市能源消费量由大到小排列，居前50%的城市能源消费量占到285个城市能源消费总量的79.99%，对应的GDP 占比为80.40%，而人口和土地占比仅为65.08%和53.37%，这在一定程度上反映出城市能源消费分布的不均衡性及区域聚集特征。

图1 城市主要指标的累积曲线

由此可见，城市能源消费总量与城市GDP 高度相关，且均在地理空间上呈现出不均衡特征，但两者相比得到的能源强度空间格局及变动趋势却存在不确定性。我国城市能源强度究竟呈现怎样的时空差异及演变规律？在能源“双控”目标下，有必要对此开展进一步探究。

（二）城市能源强度变动速度及幅度

1.城市能源强度变动速度

Slope趋势分析既能反映城市能源强度的变动方向，又能计算实际变动速度，可进一步考察城市能源强度的动态演进特征。采用Slope趋势分析计算2003—2019 年我国城市能源强度变化的斜率，并根据自然断点法结合数值符号所代表的经济意义，将其划分为上升型、缓慢下降型、较慢下降型、中速下降型、较快下降型和快速下降型6种类型。

考察城市能源强度6种类型的具体特征可知：①超过一半的城市能源强度变动为缓慢或较慢下降型。285个城市中仅有忻州、绥化等8个城市能源强度呈上升型，164个城市呈缓慢或较慢下降型，占比达57.54%，这些城市主要分布于经济较发达的东部地区。②能源强度下降较快的城市主要为资源型城市，仍存在较大节能潜力。285个城市中有65个城市呈较快或快速下降型，这些城市除贵阳、兰州等少数省会城市外多数为资源型城市，表明近年来我国资源型城市可持续发展和能源转型政策取得显著成效，能源综合利用效率有明显提高。然而，资源型城市整体能源强度仍然较高，还有较大的节能减排空间。③城市能源强度下降趋势呈明显的空间集聚特征。能源强度缓慢下降型城市有87个，主要分布于沿海的京津冀城市群、长三角城市群、粤港澳大湾区、长江中游城市群和中原城市群，呈现出较强的地理集聚性。

2.城市能源强度变动幅度

为深入剖析城市能源强度差异变动的原因，对2010年前后不同地区城市能源强度年均变动幅度进行对比。由表3可知，2003—2010年东部和中部地区能源强度上升的城市数量占比明显高于东北和西部地区，且西部和东北地区能源强度降幅在“2%～5%”和“>5%”区间的城市远多于东部和中部地区。一方面是由于东部、中部地区部分城市仍然处于高能耗的粗放型经济增长模式，阻碍了地区整体能源效率的提升；另一方面西部和东北地区城市出现了技术追赶效应，使得全国城市间能源强度差距逐渐缩小。

他临危受命，稳中求变，他把企业兴衰看得比生命还重要。在多年的负重前行中，他把一个濒临破产的亏损小厂， 建设成为年利税过亿元的企业；把一个默默无闻的地方企业，打造成了全国知名品牌。

表3 四大地区城市能源强度年均变动幅度

2010—2019 年，西部地区能源强度上升的城市数量占比明显高于东部和中部地区，而能源强度降幅在“5%～8%”和“>8%”区间的城市占比却明显低于东部和中部地区，导致西部与东部、中部地区城市能源强度差距扩大。这主要是由于2010年后随着多元化能源环境政策的实施，东部、中部地区城市通过产业结构升级和技术创新等手段促使能源强度大幅下降，而西部地区多数城市产业结构升级和技术创新能力相对较弱、能源强度降低较慢，导致地区间差异扩大。此外，在2003—2010 年和2010—2019 年两个时间段，东北地区能源强度上升的城市数量占比均低于西部地区，且能源强度降低幅度在5%以上的城市数量占比均明显高于西部地区，使得东北与西部地区之间城市能源强度差异持续扩大。西部城市发展资源型工业和重工业较多，能源效率提升不明显［27］，而“东北振兴”战略更加致力于产业转型升级，有利于东北城市能源效率提升，使得东北和西部城市能源强度差距持续拉大。

（三）城市能源强度的地区差异

以2003年为基期结合GDP平减指数计算各城市实际GDP，将各城市能源消费量除以实际GDP，得到2003—2019年285个城市的实际能源强度，进而考察城市能源强度的地区差异。

1.城市能源强度的空间格局

285 个城市的平均实际能源强度从2003 年的1.61吨标准煤/万元下降至2019年的0.93吨标准煤/万元，年均下降3.53%，表明我国城市能源综合利用效率持续提升。为展现2003—2019年我国城市能源强度空间格局的变动情况，统一按照2019年的能源强度分级标准，采用自然断点法对2003年、2008年、2013年和2019年的城市能源强度进行分级考察。

从空间格局来看，城市能源强度呈现出由东南沿海向西北内陆逐渐增大的态势，存在明显的地区差异。东南沿海城市能源强度普遍较低，这些城市的经济发展水平和第三产业占比均较高；能源强度较高的城市多分布于陕甘宁地区、黑龙江北部、广西、四川和云南，多数为资源型城市或工业型城市。2003—2019 年，能源强度均值最低的10 个城市由小到大依次为上海、北京、广州、深圳、苏州、天津、重庆、杭州、无锡和青岛，主要为直辖市和沿海地区经济较为发达的服务业型城市，这些城市第三产业占比均超过50%；能源强度均值最高的10 个城市由大到小依次为固原、丽江、嘉峪关、中卫、定西、铜川、陇南、海东、三亚和金昌，这些城市经济发展水平相对落后，GDP 均位居285 个城市的后10%，且除三亚和丽江外基本都是工业型城市或资源型城市。从城市能源强度空间格局的变动来看，随着东部城市的技术和产业逐步向中西部城市转移，以及中西部城市自身的产业结构转型升级，低能源强度区域由东南沿海逐渐向西北内陆扩展，并呈现出连片化集聚特征。

2.城市能源强度的差异分解

为深入考察我国城市能源强度的差异特征及其主要来源，利用Dagum 基尼系数计算出2003—2019 年城市能源强度的总体基尼系数，并进一步分解得到东部、中部、西部和东北四大地区的区域内和区域间基尼系数，结果如图2所示。

图2 城市能源强度地区差异的Dagum分解

（1）城市能源强度的总体差异。如图2a所示，2003—2005 年我国城市能源强度出现一定程度的反弹，2005—2019年则持续下降。对2003—2005年能源强度上升的原因，林伯强和杜克锐（2014）［6］、Wang（2011）［28］等认为主要源于技术效率恶化、能源对其他要素的替代效应以及产业结构变化，在此不再展开详细讨论。整体来看，城市能源强度差异表现出较明显的波动性，2003—2010年城市能源强度总体基尼系数波动中有所下降，2010—2019年则转为波动中有所上升。2003—2010 年，随着“西部大开发”“中部崛起”和“东北振兴”区域发展战略的实施，中西部和东北地区经济发展加快，对东部地区技术水平的追赶效应逐渐显现，资本对能源的替代效应增强［6］，使得城市间能源强度总体差异趋于减小；而2010年后尤其是党的十八大以来，各级政府努力改变过度依赖能源的粗放型经济增长方式，转向经济高质量发展模式，制定了一系列能源环境政策，譬如先后启动三批低碳城市试点工作、制定能耗“双控”目标等，各个城市差异化分解能耗“双控”目标，使得城市间能源强度差异迅速扩大。以低碳试点政策为例，根据城市能源消费量估算结果对试点和非试点城市能源强度变化进行对比发现，第一批试点城市2010—2019年能源强度年均下降6.65%，非试点城市能源强度年均下降4.43%；第一批+第二批试点城市2012—2019年能源强度年均下降5.38%，非试点城市能源强度年均下降4.62%。这表明低碳试点城市能源强度下降幅度普遍高于非试点城市，导致试点城市与非试点城市能源强度差异逐渐增大，这一结论与张兵兵等［21］的研究结果相一致。

（2）差异的来源及其贡献。如图2b所示，比较区域内、区域间和超变密度的贡献率，城市能源强度总体差异主要来源于区域间差异，其对总体差异的年均贡献率达51.18%；区域内差异和超变密度的贡献率大致相等，年均贡献率分别为24.46%和24.36%。从变化趋势看，区域内差异贡献率保持相对平稳，区域间差异贡献率则以2012 年为转折点呈现先降后升的趋势，这与城市能源强度总体差异的变化趋势基本一致，进一步验证了区域间差异是总体差异的主要推动力。

（3）区域内差异。如图2c所示，从四大地区城市能源强度差异来看，中部、西部地区的内部差异明显高于东部和东北地区。其中，西部地区内部城市能源强度基尼系数均值为0.284 8，高于全国平均水平0.224 5，为城市能源强度差异最大的地区；东北地区内部城市能源强度基尼系数均值为0.153 0，差异最小。相对于东部地区，中部、西部和东北地区内部城市能源强度差异变动幅度较大，均呈现明显的先降后升趋势，但拐点出现的年份各不相同。

（4）区域间差异。如图2d所示，从区域间城市能源强度差异大小来看，东部-西部之间城市能源强度差异最大，年均基尼系数为0.361 3；中部-西部、中部-东部和西部-东北地区之间，年均基尼系数分别为0.297 4、0.286 8和0.272 3；东部-东北和中部-东北之间城市能源强度差异相对较小，年均基尼系数分别为0.213 0和0.226 2。从变动趋势来看，东部-西部、中部-西部和中部-东北之间差异均以2010年为拐点由缩小转为扩大；中部-东部和东部-东北之间差异分别在2012年和2014年由波动中下降转为逐步上升趋势；仅有西部-东北地区之间差异呈持续上升趋势。总体上，我国城市能源强度的区域间差异在地理空间上呈东、中、西三级阶梯式分布，东部地区与其他地区之间的城市能源强度差异仍是当前节能减排面临的重要挑战，特别是东部与西部的城市能源强度差距长期处于高位。

（四）城市能源强度时空演变特征

1.城市能源强度类型转移分析

已有研究对能源强度类型的划分多采用四分位数或相等间隔分类方法［29］，由于各组样本数量或间距大致相等，仅能反映样本之间的相对变动，且在数据分布有偏的情况下容易将差异较大的样本置于相同类型中。考虑我国城市能源强度存在地区差异大、时序变动大和严重右偏的特征，参照吴健生等（2014）的做法［15］，采用均值-标准差方法进行分组：首先，计算城市能源强度均值和标准差，暂时将右尾5%的离群值剔除，以更好反映城市能源强度变动，同时减轻离群值对分组标准的影响；其次，采用样本均值-标准差分级法将城市能源强度分为低、中低、中高和高4个等级，将能源强度位于右尾5%的城市计入高能源强度等级。具体划分标准见表4所列。

表4 城市能源强度分级标准

划分城市能源强度类型后，采用Markov状态转移矩阵对城市能源强度类型的变动情况进行分析，结果见表5所列。其中，Markov转移矩阵的行、列分别表示t年和t+1年的城市能源强度类型，对角线上元素表示城市能源强度类型未发生转移的概率，非对角线元素为城市能源强度类型发生转移的概率。

表5 2003—2019年城市能源强度类型的马尔科夫转移矩阵

续表5

从表5可以看出：①对角线上的概率值远大于非对角线概率值，表明城市能源强度类型具有较强的稳定性。对角线上的概率值介于0.658 9～0.981 0之间，而非对角线上的元素最大值为0.294 4，表明城市能源强度类型发生转变的最大概率仅为29.44%。②城市能源强度类型的“马太效应”明显，呈两端高、中间低的分化特征。低能源强度类型和高能源强度类型保持类型不变的概率（p11和p44）明显大于中低和中高能源强度类型（p22和p33），即呈现出高者恒高、低者稳低的特征，意味着能源效率高的城市存在先发优势的“惯性”，而能源效率较低的城市可能陷入资源依赖和锁定效应而提升缓慢。③非对角线上的较高概率值主要集中于对角线周边，表明城市能源强度类型转变多发生在相邻类型之间，因为实现节能减排技术进步和提高能源效率是一个持续、渐进的过程，短时期内较难实现跨越式发展。④城市能源效率呈提升趋势，城市能源强度类型整体趋于向低强度类型转移，特别是2010—2019 年向更低强度类型转移的趋势明显增强。2003—2010年和2010—2019年两个阶段城市能源强度向更低强度类型转移（向上转移）的概率分别为9.24%和9.79%，明显高于向更高强度类型转移（向下转移）的概率5.24%和1.55%，表明城市能源强度整体趋于降低，且第二阶段比第一阶段的下降趋势更为明显。

2.考虑空间溢出的城市能源强度类型转移分析

由于城市之间存在着广泛的社会经济联系，彼此之间并非相互独立［30-31］，一个城市的能源强度必然受到相邻城市的影响，使得城市能源强度类型呈现出较强的地理集聚性和空间溢出效应［15］，这也对城市能源强度类型的转换产生影响。基于此，在传统Markov 状态转移矩阵基础上加入相邻城市能源强度类型这一条件，利用空间Markov 转移矩阵分析空间溢出效应下城市能源强度类型的动态演变特征，结果见表6所列。

表6 2003—2019年城市能源强度类型的空间马尔科夫转移矩阵

续表6

由表6可知：①对角线上的转移概率值显著高于非对角线位置的概率值，表明考虑相邻城市能源强度类型影响的条件下，城市能源强度类型同样倾向于保持稳定，类型转移主要发生在相邻类型之间。②相邻城市类型具有明显的空间溢出效应，相邻城市能源强度类型越低，则该城市向更低类型转移的概率越大，向更高类型转移的概率越小；相邻城市能源强度类型越高，则该城市向更高类型转移的概率越大，向更低类型转移的概率越小。譬如，高能源强度城市向上转移概率为12.54%，而一旦与低及中低类型城市为邻时相应的转移概率分别提高至18.18%和21.33%；同样，低能源强度城市的向下转移概率为3.69%，而一旦与中高类型城市为邻时其转移概率则提高至13.04%。③城市本身与相邻城市的类型差异越大，对相邻城市的溢出效应越明显。对于能源强度类型为低的城市，在相邻城市能源强度为中高类型时向下转移的概率为13.04%，明显高于相邻城市能源强度为低、中低类型时向下转移的概率（1.88%、8.00%）；而对于能源强度类型为高的城市，在相邻城市能源强度为低和中低类型时向上转移的概率分别为18.18%和21.33%，明显高于相邻城市能源强度为高、中高类型时向上转移的概率（7.28%、15.91%）。

五、结论与建议

（一）主要结论

基于降尺度能源平衡表方法，本文对2003—2019年我国285个城市的能源消费量进行估算，解析城市能源强度的时空格局及动态演进特征，得到以下主要结论：①我国城市能源消费量存在明显的分布不均衡性及空间集聚特征，城市能源强度呈现由东南沿海向西北内陆逐渐增大的态势；东南沿海经济发展水平较高和技术发达的服务业型城市能源强度相对较低，而经济发展水平相对落后的工业型城市或资源型城市能源强度较高。②多数城市能源强度呈缓慢或较慢下降型，城市能源强度下降趋势呈现出明显的空间集聚特征；资源型城市能源强度下降速度较快，但能源强度水平仍然较高，还存在较大的节能空间。③城市之间能源强度的总体差异呈先下降后上升的趋势，地区间差异是城市能源强度差距的主要来源，平均贡献率达51.18%，中部和西部地区内部的城市能源强度差异明显高于东部和东北地区。④城市能源强度整体向更低类型转移，类型转换多发生在相邻类型之间，短时间内较难实现跳跃式转换；城市能源强度类型转换存在明显的“马太效应”，低能源强度类型城市存在先发优势“惯性”，高能源强度类型城市则存在一定的路径依赖和锁定效应；相邻城市的能源强度类型具有明显的空间溢出效应，且相邻城市能源强度相差越大，空间溢出效应越明显。

（二）对策建议

根据上述结论，结合我国城市能源强度实际，本文提出以下对策建议：

第一，考虑不同城市能源强度的异质性，应确定差异化、精准化的减排目标和路径。工业型城市应聚焦于能源结构优化和产业结构升级，积极推进技术创新，强化节能技术标准和能耗管理制度；服务业型城市应聚焦于建筑、交通等领域的能源消费，引导公众的绿色低碳消费观念，强化节能减排行为示范效应；资源型城市应加大节能减排和低碳转型力度，尽快推进产业多元化，大力发展节能技术，进一步释放节能潜力。

第二，建立区域节能减排协同联动机制。城市能源强度类型转移的空间溢出效应明显，因此应大力发展城市圈和城市群，促进区域经济一体化。一方面加强城市间产业发展合作，形成产业链和产业集群；另一方面在企业节能补贴、新能源产业扶持及节能技术研发与应用等能源政策上形成有效对接。

第三，以差异化策略促进区域协调发展，缩小地区能源利用效率差异。东部地区较发达的城市应在严格控制化石能源消费的基础上加强节能减排关键性技术的突破攻关，率先实现能源“双控”和碳达峰，并加快向中西部地区进行技术扩散和转移；中西部地区则要加强自身产业结构升级和能源转型，东北老工业基地和资源型城市要加快产业绿色低碳转型，对不符合功能定位的高能耗、高排放重化工业实行低碳转型和退出机制。

当然，限于数据可得性，本文构建能源平衡表的分配指标体系时主要采用行业产出作为分配标准，蕴含的基本假设是不同城市同一行业单位产值的能源投入相同，这一假设可能与实际存在偏差，部分指标统计口径前后变化的调整仍有待改善；限于篇幅，文中未对城市能源强度的空间溢出机制展开解析。这些不足之处，有待于在后续研究中进一步加以探讨与完善。

注释：

（1）限于篇幅，本文未将城市能源消费量估算结果及与城市实际能源消费量对比情况一一列出，如有需要可向作者索取。