国土绿化如何“点绿成金”?※—— 来自中国城市绿色基础设施创新效应的经验证据

晏清

内容提要:在城市绿色基础设施驱动创新理论分析基础上,运用2003-2021年中国地级及以上城市绿化指标和专利申请的面板数据,实证检验城市绿色基础设施对创新的影响。研究发现:城市绿地率能够显著提高城市创新,该现象得到工具变量法等多种稳健估计方法的进一步确认。机制检验表明,城市绿化的空气污染净化效应和资本错配矫正效应可以缓解污染对创新能力的损害,两者共同驱动城市创新增长。异质性分析表明城市绿化的创新驱动在秦岭淮河线以南城市表现得更为强劲。鉴于研究发现,后续应进一步深化国土绿化行动相关政策措施,提升城市生态宜居环境的创新人才吸引力,不断完善“美丽中国”驱动“创新中国”的制度安排和政策体系。

一、 引 言

中共二十大明确提出要“站在人与自然和谐共生的高度来谋划发展”。城市作为人民生产、生活和创新活动的空间载体,其市容绿化不仅是提升绿色基础设施建设水平、推进城乡人居环境整治的重要内容,也是科学开展大规模国土绿化行动、实现高质量发展新格局的关键所在。为响应“美丽中国”建设号召,中共十八大以来各级政府大规模推进城市绿化工程建设。到2021年全国城市建成区绿地率达到38.7%,建成区绿化覆盖率超过41%,人均公园绿地面积为14.87平方米,国土绿化行动取得显著成效。全国绿化委员会编制印发的《全国国土绿化规划纲要(2022-2030年)》进一步提出,“十四五”期间全国要完成国土绿化5亿亩,全面加强城乡绿化,持续改善城乡人居环境。植被覆盖率的提升有益于增强城市的生态固碳能力,减轻污染排放造成的环境损害,扩大城市经济社会发展赖以维系的环境承载力。作为增强生态宜居性基本途径,城市绿化还能够为创新要素汇聚营造良好的氛围和环境。“园林之城”“生态之城”“花园城市”等享誉内外的市容风貌造就的隐形“绿色福利”,成为吸引人才和资金的一张张亮丽“名片”。

自20世纪90年代末美国保护基金会和农业部森林管理局组织的GI工作组提出绿色基础设施(Green Infrastructure, GI)的概念以来,城市内部及周边开放空间的“绿化工程”及其影响成为城市生态环境研究的热点。相关研究将绿色基础设施视作城市的一个框架系统,认为它由网络中心(hubs)、连接廊道(links)以及小型场地(sites)组成,是生态宜居、绿色低碳城市的重要屏障(张晋石,2009)。研究表明,绿色基础设施作为城市生态服务供给体系的基石,可以对灰色基础设施形成有效替代效应,在保障城市绿色服务供给中维护生物多样性。在工业化过程中,城市绿色基础设施主要由森林、湿地、公园和城市公共绿地等组成,主要是为应对工业化带来的环境副作用,满足人民的宜居需求。针对不同城市的研究凸显城市之间绿色基础设施结构的差异化和独特性,这些差异根本在于城市之间的异质性绿色禀赋以及工业型宜居城市建设中绿色系统的开发整合难度(刘娟娟等,2012)。新型基础设施与城市绿色发展耦合协调的时空演变表明,中国城市绿色发展呈现时序上的“先降后升”与空间结构上的“东西南北高、中部塌陷”,其与新型基础设施呈现东北方向“陷落”的空间格局。针对中国存在的生态功能不完善和空间配置不合理等问题,有研究提出绿色基础设施生态系统基于供需平衡的服务优化实施框架(周强等,2021)。虽然环境基础设施投资为城市经济带来长期增长效应,且其促增长的作用主要体现在城市公园绿地在资产增值、增加就业以及促进消费等方面,但这些拉动效应集中体现在少数城市,在分区域的研究中只有东部地区初步达到绿色基础设施建设和城市经济的所谓“富美双赢”局面。

具备开放性、多元化、包容性、可达性、富有活力的公共空间以及高质量的人居环境等是城市创新的重要外在条件。城市创新既要在硬件上拥有完善的基础设施,也要在软件上拥有高素质劳动力、成熟的市场制度以及高效的服务型政府,在此基础上形成要素动态集聚的本地化和城市化经济。当前文献更多关注的是城市创新的影响因素。其一是城市人口规模。达到门槛的人口规模才能提供知识创造所需的人力资本积累,降低学习成本和加速知识溢出(Balland等,2015)。其二是城市产业结构与集聚形态。制造业次中心集聚及其与生产性服务业的互动效应使得多中心集聚显著提高城市生产率(魏守华等,2016)。其三是政府创新偏好和政策倾向。财政压力通过抑制政府创新偏好进而对城市创新质量提升起到阻碍作用,尤其是对于那些政府债务压力较大的城市(郑威和陆远权,2021)。此外,政府环境规制强度及异质性规制工具的选择也将对城市创新产生重要影响。其四是市场拥挤效应。随着城市规模扩张,人口密度过高,由此带来的市场拥挤效应造成集聚成本急剧上升,阻碍城市创新能力提升。这些市场拥挤效应主要通过房价、环境污染、通勤成本等发挥作用(刘屏和江鑫,2021)。基于此,本文通过地级及以上城市绿地率、绿地覆盖率、专利申请量等指标,探究城市绿化对创新活动的综合效应及其内在机制,以此探寻新时代“美丽中国”和“创新中国”协同发展的内在逻辑。

本文的边际贡献主要表现在:一是首次采用绿化率、专利申请等城市绿色基础设施和创新指标对“美丽中国”和“创新中国”的内在关联进行了实证检验,为“绿水青山就是金山银山”的论断提供经验支撑;二是探究城市绿化的空气净化效应在促进城市创新上发挥的积极作用;三是验证了城市绿化对缓解资本扭曲配置的有效作用,通过中介效应模型发现城市绿化通过资本配置优化所起到的促进城市创新作用。

二、 理论分析与假设提出

城市绿色基础设施构成支持人类生命、健康和福祉的生态系统服务的基础,成为城市阻挡污染的一道天然屏障和“空气净化器”。城市绿地能够从增湿、降温、降噪、固碳释氧、抗污染、生物多样性保护等方面起到对城市生态环境的净化和修复作用 (苏泳娴等,2011)。以上海市为例,据有关估计,2021年上海森林生态系统总固碳量为88.5万吨,释氧量为217.7万吨,所固定的二氧化碳量相当于抵消了2500架中型飞机绕地球飞行一圈所排放的二氧化碳量。此外,有研究表明,城市景观类型和格局可以降低抑郁症和高血压患病等心血管疾病发病率,带来城市自然-经济-社会复合的健康和良性循环(贺宏斌等,2022)。而绝大多数学者发现环境污染会损害城市的创新能力,尽管造成该局面的原因和内在逻辑在不同城市样本中略有不同。首先,环境中的有害物质会对公众健康产生负面影响,并且高污染城市的工作者受到的健康损害是双重的,不仅可能面临肉体上的疾病困扰,而且也将承受污染带来的各种心理健康和障碍,尤其是对于城市中从事创意和创新的工作者,这些人恰恰是城市创新的供给者。其次,企业所在城市的空气污染恶化构成企业创新努力的约束性外部因素。因为在其他条件相同的情况下,高污染城市的企业面临额外的运营成本。空气污染要求企业增加对环境的投资,以应对新的环境法规和监管,从而挤占了原本用于企业创新的资源 (Tan和Yan,2021)。为此,本文提出如下假设:

假设1:城市绿色基础设施为城市创新注入源源不断的活力。

环境污染对城市创新的影响越来越多地进入研究者的视野。首先,污染抬高企业环境投资成本,进而挤占创新投资支出份额。更为甚者,投资者基于严重污染所带来的投资回报的“悲观预期”,将对创新型资本积累造成持久的负面冲击(谢珺和林小冲,2020)。其次,企业创新投资依赖的市场规模受到污染限制。国外的研究已经表明,居民对环境质量“用脚投票”存在规模效应和结构效应,前者意味着污染物排放增加将使地区人口下降,后者指的是污染物排放增加导致富裕家庭的迁出而贫困家庭迁入,进而导致平均收入水平下降(Banzhaf和Walsh,2008)。萎缩的市场显然不利于企业的创新型资本积累。再者,污染造成的人口流失中,往往高人力资本的人口占据较高比例,因为他们拥有更强的“用脚投票”的能力。也就是说,城市污染偏向于驱逐创新型人力资本。空气污染对流动人口就业选址行为的影响表明,空气污染致使流动人口到该城市就业的概率显著下降,而且受教育水平越高在就业选址时对空气污染的敏感性便越高(孙伟增等,2019)。在绿水青山就是金山银山的发展观引领下,从业者的就业选择更加趋于理性,工资水平和择业机会不再是唯一选项,宜居环境所在的比重持续提高。全国流动人口动态监测数据显示,PM2.5浓度低、中学数量多以及人口稀少的城市更受青年流动人才偏爱(原新等,2021)。而张晋石(2009)指出由网络中心(hubs)、连接廊道(links)以及小型场地(sites)组成的绿色基础设施,是生态宜居、绿色低碳城市的重要屏障。城市绿化在一定程度上可以缓解环境污染,塑造优美景观和宜居环境,协助城市生态系统实现自我修复(苏泳娴等,2011)。综合以上分析,本文提出如下假设:

假设2:城市绿化存在空气净化效应,从而构筑城市创新的“绿色屏障”。

因为气候变化引发的自然灾害每年造成数以万亿计的经济损失(Joseph, 2022)。在气候灾难频仍的历史背景下,气候风险越来越成为企业投资决策的重要影响因素(Acevedo等,2018)。发表在《自然-通讯》上的一项研究表明资本配置受到气候风险的巨大影响,尤其当中国跨国公司进行资本的全球配置时,其对外直接投资受到东道国水资源短缺、洪水、飓风和台风等风险冲击更甚。气候变化还引发投资结构变动,考验企业向“气候性资产”动态调整的能力。全球资本管理者正在进行史无前例的资产再配置,以迎接全球范围的低碳经济转型。绿色金融产品不断丰富,以保险、基金等多种方式改变资本配置方式,也加剧传统部门资本的“扭曲配置”(Marshall等,2021)。城市绿化的益处在于它能够巩固城市绿色生态系统,减少气候风险冲击。正因如此,本文提出如下假设:

假设3:城市绿化能够缓解资本扭曲配置,由此促进城市创新。

三、 研究设计

1. 模型设定

本文城市绿色基础设施对城市创新影响的基准模型设定如下:

Invit=α0+α1GIit+α2Xit+μi+νt+εit

(1)

其中,下标i和t分别表示城市和年份;被解释变量Invit表示城市创新,在本文中具体指的是城市年度专利申请量和绿色专利申请量;核心解释变量GIit为城市绿色基础设施衡量指标,具体指的是城市绿地率(Green land rate,Gar)和绿化覆盖率(Green land coverage rate,Gcr);Xit表示一系列控制变量;μi和νt分别为城市固定效应和年份固定效应,εit是随机误差项。

进一步地,为检验上述假说,揭示城市绿化促进空气质量提升和资本配置优化的两大内生机制,即空气污染净化和资本配置优化。首先,将空气污染指标作为被解释变量引入计量模型,研究城市绿化是否起到减轻空气污染的作用;其次,选择资本错配作为创新投资的量化指标,检验城市绿化有没有缓解资本错配。由此,分别设定如下的基本计量模型:

PMit=β0+β1GIit+β2Xit+μi+νt+εit

(2)

miskit=γ0+γ1GIit+γ2Xit+μi+νt+εit

(3)

其中,PM和misk分别为城市可吸入细颗粒物年平均浓度和资本错配指数。

若模型(2)模型(3)中对应的核心解释变量估计系数满足统计显著性,则说明城市绿化能够改变城市空气污染和优化资本配置。此外,PM和misk还可以作为中介变量引入到模型(1)中,以检验它们在城市绿化和创新之间是否存在中介效应,对应的计量模型如下:

(4)

(5)

上述模型共同构成中介效应检验模型,用以验证提出的假设2和假设3。空气污染的估计系数应该显著为负,而资本错配的估计系数也应该显著为负,也就是说,城市绿化通过减轻空气污染以及优化资本配置来增强城市创新。

2. 变量选择

(1) 被解释变量:城市创新。本文借鉴张英浩等(2023)对城市层面创新活跃度的测量方法,由于研究的侧重点在于考察城市绿化环境对创新活跃度的影响,故采用对数化的城市专利申请数(inv)衡量城市创新水平,同时在稳健性检验中将绿色专利申请量(ginv)作为inv的替代变量。

(2) 解释变量:城市绿色基础设施。城市绿化环境主要为城市绿色基础设施所涉及到的城市属地范围内的水道、湿地、公园、森林和公共绿地等。依据各地发布的国土绿化行动公报,在具体的量化分析中通常用绿地率作为城市绿化的衡量指标。考虑到绿地率属于官方指标,具有权威性、科学性和合理性。本文也借鉴国土绿化行动公报,将城市绿地率(Gar)和绿化覆盖率(Gcr)作为城市绿化的代理指标。

(3) 控制变量。控制变量包含了可能影响城市创新活动的主要变量,这些也是以往文献中常见的控制变量,包括城镇化率(urb)、城市人口密度(den)、第二产业增加值占国内生产总值比重(ind)、进出口总额与国内生产总值的比率度量的对外开放度(open)以及地方政府财政支出规模(fis)等。其中,主要变量的数据都进行了去量纲化处理,以消除通货膨胀引发的偏差。

(4) 工具变量。在工具变量估计模型中,选择各省市文化和旅游厅公布的城市A级及以上景区个数(spot)作为城市绿化的工具变量。A级及以上景区数量具有与城市绿地率、绿化覆盖率两个解释变量高度相关,而与被解释变量相关度较低的统计特性,是模型中可选择的适宜工具变量。

(5) 中介变量。主要包括:城市可吸入细颗粒物年平均浓度(PM),该指标的持续下降是城市环境质量改善的重要标志,也是各部门环境统计公布中最常见的指标。资本错配指数(misk),该指标的下降表示资本在城市中实现良好的配置功能。

3. 数据说明

本文选取2003-2021年全国279个地级及以上城市面板数据作为研究样本。相关数据来源于《中国城市统计年鉴》、《中国城乡建设统计年鉴》、中国城乡建设数据库、国家知识产权局专利数据库及CNRDS数据库。其中,城镇化率、人口密度、产业结构、对外开放度和财政支出规模等城市层面控制变量数据均来自《中国城市统计年鉴》;城市绿地率和绿化覆盖率来源于《中国城乡建设统计年鉴》及中国城乡建设数据库;城市专利申请数来源于国家专利数据库和CNRDS数据库。在剔除了诸如巢湖等撤销地级市及数据缺失严重的城市,获得覆盖全国82.8%地级及以上城市、47.6%国土面积以及81.3%人口的样本城市。以上主要变量的描述性统计结果如表1所示。

表1 主要变量描述性统计结果

四、 实证分析结果

1. 基准估计结果

表2报告了城市绿地率对城市创新影响的基准估计结果。其中,列(1)没有加入城市和年份固定效应,而列(2)列(3)分别仅加入城市和年份固定效应,但所得核心解释变量的估计系数均达到显著性且系数符号也符合预期。列(4)中同时加入城市和年份固定效应所得估计系数大体一致,均达到1%的统计显著性。基准估计结果表明,绿地率对城市专利申请数起到促进作用,城市绿化能够提高创新活跃度,验证了假设1。

表2 基准估计结果

2. 稳健性检验

本文采用以下方法来确保基准回归结果的稳健性。

(1) 缩尾1%。极端异常值的存在会导致估计结果有偏,为此,本文对前1%和后99%的数据进行了缩尾处理。表3列(1)显示,在固定城市和年份效应后,城市绿地率的估计结果和显著性与基准回归结果保持一致。城市绿化对创新活跃度的激励作用具有稳健性。

表3 稳健性检验回归结果

(2) 工具变量法。环境和创新的双向因果关联、测量误差和可能的遗漏变量等因素,容易造成内生性问题。为解决内生性问题,本文选择城市A级及以上景区数作为城市绿地率的工具变量,从表3列(2)可以看出,城市A级及以上景区数符合工具变量的相关性和外生性。使用工具变量得出的估计系数仍显著为正,验证了基准回归结果的稳健性。

(3) 剔除异常年份。考虑到新冠肺炎疫情对经济各方面的冲击较大,城市创新能力也在一定程度上受到这一特殊时间的影响。为此,本文剔除新冠肺炎疫情发生后的两年,即2020和2021年。根据表3列(3)可以获悉,城市绿地率显著提高了城市创新,研究结果具有稳健性。

(4) 滞后项。本文利用城市绿地率的滞后项和二次项进行稳健估计,估计结果如表3列(4)所示。滞后1期的城市绿地率在1%水平上提高了0.228%的城市创新能力,表明城市绿地率对创新的影响具有延迟效应,这也符合经济事实。这间接佐证了基准回归结果的有效性。

(5) 替换核心变量。鉴于城市绿化和创新能力可以由多个指标加以衡量,为确保估计结果稳健,首先将城市绿地率替换为绿化覆盖率(Gcr),所得估计结果如表3列(6)所示。一般情况下,一个城市的绿化覆盖率要高于该城市的绿地率,但两者都是衡量城市绿化程度的重要指标。绿化覆盖率估计系数为0.115,表明城市绿化覆盖率的提高同样能够有效引起专利申请数的增加。其次,将传统创新替换为绿色创新(ginv),如表3列(5)所示,1%的人均公园绿地面积增长将平均地带来约0.296%的城市绿色专利申请数量提高。这一研究事实说明城市绿地率不受指标测算的影响,对城市创新韧性的激发具有普适作用,基准回归结果无偏。

3. 异质性分析结果

异质性分析目的在于甄别不同样本组的估计系数差异化。本文从南北城市异质性、国家级园林城市异质性和经济规模异质性三个方面进行探讨,以期研究城市绿地率对城市创新影响的差异性,从而提供针对性的建议和措施。

(1) 南北城市异质性。考虑不同地域的气候差异,按照秦岭-淮河线所划定的南北分界线将样本城市分为北方城市和南方城市。北方城市为秦岭-淮河线以北的城市,以南为南方城市。表4报告了城市异质性估计结果。

表4 南北城市异质性估计结果

两者绿地率的估计系数均为正,也就是说,无论在南方城市还是在北方城市,城市绿化都对城市创新起到正向促进作用。组间系数SUR检验p值为0.1506,表明北方城市和南方城市系数大小不存在显著差异。根据表4列(1)列(2),南方城市绿地率的估计系数比北方城市高0.127个百分点,城市绿化的创新驱动在南方城市更为强劲。这可能是由于空气污染致使流动人口到该城市就业的概率显著下降,而且受教育水平越高在就业选址时对空气污染的敏感性便越高(孙伟增等,2019)。南方城市相较于北方城市的环境质量较高,吸引了大批高质量人才的涌进,为城市带来创新提升。

(2) 国家级园林城市异质性。表5为国家级园林城市异质性估计结果。本文根据国家园林城市名单,将样本分为非国家级园林城市和国家级园林城市两类,分析这一分类标准对城市创新的作用。SUR检验系数差异p值不显著,说明非国家级园林城市和国家级园林城市估计系数无显著差异,可直接进行比较。无论选择绿地率还是绿化覆盖率作为城市绿化的衡量指标,国家级园林城市的估计系数均显著高于非国家级园林城市。这一事实说明,国家园林城市名单的公布对公众城市居住选择以及企业成本产生了重大影响。高质量人力资本会流向环境质量更高的城市,全国流动人口动态监测数据显示,PM2.5浓度低、中学数量多以及人口稀少的城市更受青年流动人才偏爱(原新等,2021)。在非国家级园林城市,企业会将更多的资金用于环境污染治理,从而挤占了创新投资资本,抑制了城市创新。

表5 国家级园林城市异质性估计结果

(3) 经济规模异质性。为进一步考察城市绿色基础设施对创新的异质性影响,本文借助面板平滑转换回归(Panel Smooth Transition Regression,PSTR)模型捕捉估计系数随转换变量(Transition Variable)的非线性变动特征。选取对数化的城市国内生产总值作为转换变量,由此可以分析在城市经济规模的不断扩大中城市绿化对城市创新估计系数呈现怎样的异质性变动。PSTR模型设定如下:

Invit=ρ0+ρ1GIit+ρ2g(qit,τ,c)GIit+ρ3Xit+εit

(6)

其中,g(qit,τ,c)为转换函数。标准的转换函数形式如下:

(7)

其中,τ为转换函数的斜率参数。当τ趋于无穷大时,转移函数g(·)将无限接近面板门槛模型,而当τ趋于零时,PSTR模型趋于标准线性模型。qit为转换变量,c=(c1,…cκ)′表示位置参数的m维向量。

PSTR模型的估计结果如表6所示。城市绿地率的线性部分的估计系数均显著为负,而非线性部分则显著为正。随城市国内生产总值对数的变动,城市绿地率、绿化覆盖率对城市专利申请数的总估计系数走势如图1所示。可见估计系数是随对数化城市国内生产总值的增长而非线性上升的,说明城市经济规模越大,城市绿化对城市创新的驱动效应越强。在城市经济规模较低时,估计系数位于负值区间,意味着经济规模较低城市的国土绿化并没有带来额外的城市创新。

图1 PSTR估计系数

表6 PSTR模型估计结果

4. 机制检验

本文理论分析发现城市绿化可能通过两大机制激发城市创新活力:空气污染净化效应和资本配置优化效应。本部分主要依据模型(2)至(6)对两大机制的存在性进行检验。机制检验结果如表7所示。

表7 机制检验估计结果

(1) 空气污染净化效应。正如前文分析,有鉴于空气污染从多方面对创新造成损害,而城市绿化程度的提高可以增强生态固碳能力,增加环境舒适度和宜居性,对空气污染的创新损害起到反向中介作用,这里首先检验城市绿化在激发创新中的空气污染净化效应。表7列(1)列(2)报告的空气污染净化效应估计结果为相关假设提供了经验支持。平均而言,城市绿地率和绿化覆盖率均对城市专利申请起到促进作用,其中城市绿地率表现得最为突出,其每提高1%将带动城市专利申请数提高约0.223%。尽管因为计算方法的差异导致绿化覆盖率通常要高于绿地率,但绿化覆盖率对城市专利申请数的提升作用要弱于绿地率,这一方面验证了城市绿化创新驱动的稳健性,另一方面也反映城市绿化对城市创新的激发来源于城市植被点缀的“绿色实景”而非卫星观测的客观数据。“美丽中国”和“创新中国”是相互成全、协同并进的。

(2) 资本配置优化效应。企业创新活跃度不足的一个重要原因是资源错配。扭曲的要素市场使得创新资源在企业间配置效率低下,具备创新能力和潜力的企业获得的生产要素供给与其需求并不一致,由此阻碍创新潜力的挖掘。环境污染的社会外部性加剧了资源错配,对要素市场秩序形成扰乱。为此,本文将资本错配作为城市绿化创新效应的中介变量。如表7列(3)列(4)所示,以城市绿地率作为城市绿化的代理指标,城市绿化每提高1%将减少0.098%的资本错配,资本错配每提高1%将抑制0.005%的城市创新。城市绿化覆盖率的估计结果与其高度一致,这间接表明城市绿色基础设施对资本错配起到显著的反向调节作用。诚如前文分析,城市绿化能够对环境污染的资源错配效应进行“拨乱反正”,从而使有利于创新的资源向研发部门汇聚。

五、 结论与政策建议

中共十八大以来,中国开展了人类史上规模最大的国土绿化行动。大规模持久的国土绿化为中国式现代化厚植绿色底蕴。国土绿化不仅是一场祖国山河的“颜值革命”,更是一场转变发展方式的制度和技术革命。国土绿化不仅能使人民拥有赏心悦目的“绿水青山”,最终也能使人民收获富足美满的“金山银山”。因此,为验证“绿水青山就是金山银山”的理论命题,基于创新是财富的根本源泉这一基本“公理”,本文运用2003-2021年中国地级及以上城市包含绿地率和绿化覆盖率的城市绿化与专利申请数据,实证研究了城市绿化对城市创新的影响及其内生机制。

本文研究发现,城市绿色基础设施水平通过对创新人财物的优化配置与其创新能力显著正向关联。一是各类指标(绿地率、绿化覆盖率)度量的城市绿化一致地促进城市专利申请数的增长,城市绿化起到了激发创新的作用。简而言之,可以从本文稳健的实证结果中得出一项基本结论,即“绿水青山”能够通过创新激励带来“金山银山”。二是城市绿化增进创新主要通过两大中介效应——空气污染净化效应和资本配置优化效应,激发城市创新。城市绿化还有助于减少空气污染,扭转资源错配,提高创新质量和绿色创新水平。基于研究结论,本文提出如下的政策建议:

第一,深化落实国土绿化行动规划,推动各地区城市因地制宜精细化实施建成区绿化工程,着力填补城市绿色基础设施短板。2018年全国绿化委员会、国家林业和草原局印发《关于积极推进大规模国土绿化行动的意见》,提出到2035年国土生态安全骨架基本形成,美丽中国目标基本实现。2021年国务院办公厅发布的《关于科学绿化的指导意见》进一步要求各地区要全国“一张图”编制绿化规划,积极推动城市通过拆违建绿、留白增绿等方式增加绿地规模,“见缝插绿”开展城乡绿化工程。改革开放40多年来,中国国土绿化取得卓越成就,是全球少数森林面积增长的国家,对全球土地改善和恢复贡献率超过19%。然而,尽管中国城市人均公园绿地面积提高4倍以上,但仍低于18.32平方米的世界城市人均公园绿地面积,与发达国家相比则具有更大的发展空间。中国人均森林面积更是处于较低的水平,森林城市建设任重道远。为完善城市绿色基础设施,不仅要着力提高城市道路绿化、公园绿地面积,更应该坚持城市内大规模造林行动,全力提高城市森林覆盖率。

第二,以增强生态固碳能力和环境宜居性为依归,加强城市绿色基础设施污染净化效果评估,优化调整绿色基础设施结构,使其达到生态修复力和环境宜居性的有效协调。强化遥感、卫星定位、无人机系统对城市绿化空间三维动态监测和维护,尝试建立常态化的城市绿化植被固碳能力监测机制。推动有条件的城市在城市范围内试点部署绿化植被固碳监测系统,充分利用物联网、大数据和人工智能等先进技术加强城市污染排放及碳汇管理。参照空气质量信息公开制度,定期发布城市绿化植被固碳指标数据,并依据区县、乡镇和社区等固碳指标“见缝插绿”,补缺填漏,及时填补城市绿地中的“空白”。加强城市绿地空间净化空气、调节气候、涵养水源、减少噪音及美化环境等功能的社会宣传,增强市民社区绿色环境保护意识,推动全民参与城市绿化行动。

第三,增加绿色公共投资规模,健全城乡绿色资本核算和资产审计体系,建立城乡均等化的绿色基础设施供给体系,多举措提高城乡“绿色福利”。更多地以“人均指标”而非“总量指标”衡量城市绿色资产充裕度,并将常住人口而非户籍人口纳入核算范围,且要满足流动性人口对城市绿色基础设施需求,提高环境承载力余度。贯通城乡绿地,增强城乡绿地协同发展,持续提高城市更新中绿地空间的最低标准,不断增强城市中心区生态宜居性。提高城市新区的绿化标准,通过有效的审批和奖惩机制,增添新型城镇化中的绿色底蕴,形成一套“以绿兴城、以城添绿”的良性绿色城镇化发展机制,深入挖掘新型城镇化、城乡一体化创新发展中的绿色公共投资增长点。

第四,发挥市场化机制的绿色资源优化配置功能,运用碳汇交易工具将绿色植被的固碳释氧功能资产化,有效激励城市绿化建设,持续提高城市绿地生态系统的增汇潜力。全国城市绿地面积已达331.2万公顷,约占林业总面积的1/3,可以考虑将林业碳票制度引入到城市绿地资产化交易。城市绿地碳票作为碳减排量收益权的凭证,具有交易商品的一般属性,可以在碳市场中质押、交易和兑现。还可以运行金融工具推动城市绿地碳汇资产化、金融化和证券化,引导金融机构创新城市绿地碳金融结构性存款、碳汇资产抵质押融资、碳债券、碳基金等绿色金融产品和衍生工具,加速城市绿地碳票存储、流转和融资,完善城市绿色金融体系。

第五,推动绿色城市和创新城市“双城”并进,建立绿色赋能创新的新型城镇化发展路径和政策体系。加强城市绿化行动的分类管理,完善资源型城市的生态绿色补偿机制。坚持以人为本的城市绿化和创新发展理念,充分发挥城市园林绿化和人文底蕴等“非货币化资产”对创新人才的引致效应。不断提高绿色投资的投入产出效率,持续扩大国土绿化的生产率溢价。