《中国低碳试点城市的碳排放特征与碳减排路径研究》-经济学论文，人口资源与环境论文-论文范文参考-科学狗论文网

标题

中国低碳试点城市的碳排放特征与碳减排路径研究

范文

禹湘陈楠李曼琪

摘要?城市既是温室气体排放最主要的领域，也是易受到气候变化影响的领域，实现城市的碳减排已成为全球应对气候变化日益重要的举措。中国正在经历全球规模最大、速度最快的城镇化进程，城市的低碳发展对于中国实现应对气候变化目标，推进生态文明建设，实现经济、社会与环境的共赢意义重大。2010年7月以来，中国国家发展和改革委员会先后开展了三批87个低碳省区和低碳城市的试点工作。根据低碳城市试点的进展，本文采用Tapio脱钩模型考察低碳试点城市经济增长与碳排放总量变动之间的关系，并根据脱钩弹性系数的大小将低碳试点城市分为低碳成熟型、低碳成长型、低碳后发型三种。在对城市进行分类的基础上采用STRIPAT模型，考察经济规模、能源结构、产业结构、城镇化水平等因素和碳排放总量和人均碳排放量之间的关系，识别不同驱动因素对试点城市碳排放的影响，依据碳排放驱动因素识别不同类型城市的减排路径。研究结论表明，对于低碳成熟型城市，大力发展可再生能源，加大研发投入是有效的减排途径;对于低碳成长型城市，优化产业结构，提升城镇化质量是减少碳排放的关键;对于低碳后发型城市，实现低碳发展需在促进经济增长的基础上，加快淘汰落后产能，加速产业升级转型。同时，位于东、中、西不同区域的低碳试点城市呈现出不同的碳排放特征，未来在探索差异化、多元化的城市减排路径时，区域性的绿色低碳协同发展有利于实现城市碳减排的目标。

关键词?城市;碳排放;低碳;脱钩

中图分类号?F062.1

文献标识码?A?文章编号?1002-2104（2020）07-0001-09?DOI：10.12062/cpre.20200436

气候变化是人类面临的共同挑战，作为目前世界上最大的温室气体排放国，中国是全球应对气候变化的积极参与者与贡献者。中国在国家自主贡献中提出二氧化碳排放在2030年左右达到峰值，并争取尽早达峰，以及单位国内生产总值二氧化碳排放比2005年下降60%～65%的应对气候变化行动目标。中国正大力推进生态文明建设，把应对气候变化融入国家经济社会发展中长期规划，正步入绿色、循环、低碳的发展道路。城市是经济活动中心，也是温室气体排放的重要主体，城市碳减排目标的实现直接关系着中国应对气候变化及可持续发展目標的实现。2019年末，我国城镇常住人口84?843万人，城镇人口占总人口比重（城镇化率）约为60.6%[1]。随着中国城市化的不断推进，城市的基础设施建设、工业活动、交通运输及居民生活都将消耗大量能源，城市将成为碳排放增长的最主要领域之一[2]。根据Cai等[3]的统计，城市碳排放约占中国整体碳排放的70%。不仅如此，城市也是气候风险的高发地区，因气候变化导致的干旱、海平面上升、热浪、极端天气等气候灾害对城市的威胁正逐步显现[4]。中国政府为提高城市应对气候变化能力做出了积极的努力，启动低碳城市试点是其中的重要举措。中国国家发展改革委于2010、2012和2017年先后在6个省和81个城市开展了三批国家低碳省市试点，旨在探索不同地区率先实现碳排放达峰的低碳发展模式和有效路径。参与低碳试点的城市通过设定碳排放达峰目标，倒逼低碳发展转型，加大低碳技术和产品的应用力度，推进工业、建筑、交通等重点领域的低碳发展，形成了各具特色的低碳发展模式。

作为全球覆盖范围最广的城市层面的低碳试点，中国低碳城市试点引起了广泛关注。国内外学者通过不同的指标体系对中国低碳城市试点的成效进行评估，如Khanna等[5]对第一批8个试点城市的低碳发展目标及政策支持手段进行评估;宋祺佼等[6]以两批共36个低碳试点城市，从区域分布、经济水平和人口规模三方面对低碳试点情况进行分析;丁丁等[7]以人均碳排放等10个指标建立的低碳城市指标体系对36个低碳试点城市进行评价;周泽宇等[8]选择了4大类共16项低碳发展的核心指标计算出试点城市的低碳指数;陈楠和庄贵阳[9]从宏观领域、能源、产业、低碳生活等维度对低碳城市建设状况进行评估;中国城市绿色低碳评价研究项目组[10]构建城市绿色低碳发展评价指标体系对三批低碳试点城市的绿色低碳发展效果进行评估;Cheng等[11]用绿色全要素生产率对中国的低碳试点城市进行评估;Song等[12]以中国286个地级市的面板数据进行准自然实验，对中国的低碳试点城市进行评价。相关研究表明，低碳试点城市评价的指标日益多元，从仅包含碳排放指标逐渐增加至经济、产业、能源、环境、政策、管理等多方面的指标;评价的内容日益丰富，从低碳生产逐渐扩展至低碳生活，从碳减排扩展至生态环境的绿色协同发展;评价的城市数量逐渐增多，时间跨度日益增长;评价的方法日益多样化，从单一评价方法逐渐到组合评价方法。大部分学者均认为中国的低碳城市试点成效显著，不仅能有效提升城市低碳发展的水平，助力“十四五”期间的碳排放达峰[13]，还能改善城市生态效率，有效推动中国经济的绿色增长。

中国幅员辽阔，位于不同区域、具有不同人口规模、经济发展水平和产业结构特征的城市采用了不同的低碳发展路径，因此，低碳试点城市的案例研究也是热点之一。如Yang等[14]对北京、晋城、池州、广元低碳试点的特色和亮点进行了分析。Shen等[15]以北京的低碳试点为例，陈楠和庄贵阳[16]以浙江省的低碳试点城市为例，Feng等[17]以参与第一批试点的广东省为例，吴雪莲和万迎峰[18]以武汉的低碳试点为例，对城市碳排放的驱动因素、模式和路径进行了分析。从不同研究的结论来看，人口规模、产业结构和能源结构均是影响城市碳排放的重要因素，但这些因素在不同的区域以及城市发展的不同阶段对碳排放的贡献有所不同。

目前针对低碳试点城市评估的研究虽然丰富，但评估体系尚无统一界定，根据不同评价指标来分析各城市碳排放的特征，所得结论差异较大。受我国区域发展不平衡的影响，现有的三批低碳试点城市的经济社会发展水平不一，经济增速与碳排放增速之间的关系并未得到充分论证，而这既是城市低碳政策制定的基础，更是低碳试点的目标。基于此，本文以2010年低碳试点城市建立的起始时间为基准，选择62个试点城市（在考虑到连续数据可获取情况下，本文去除三批参与低碳试点城市的区县一级，选择62个城市作为分析样本），采用Tapio模型分析了2010—2015、2015—2016和2016—2017年这几个时间段试点城市碳排放与经济发展之间的脱钩情况，并根据脱钩情况的差异将试点城市划分为不同类型。进一步针对不同类型的城市，采用STRIPAT模型分析影响其碳排放的驱动因素，提出不同类型城市的低碳发展模式及路径。对中国低碳试点城市低碳发展成效的评估和低碳发展模式的总结不仅能形成可复制、可推广的经验，从而引领和带动中国城市的整体绿色、低碳转型，还能为其他国家提供可借鉴的城市低碳发展的中国方案。

1?数据和模型

目前中国正处于工业化后期，城市不仅是工业的集聚地，也是大量居民生产、生活的集中地，现阶段经济发展水平仍然是决定中国城市碳排放的最重要因素之一。鉴于此，本文先采用Tapio模型对低碳试点城市经济增速与碳排放增速之间的关系进行充分论证，并基于经济增速与碳排放增速之间的脱钩情况对这些城市进行分类，针对最为主要的类型采用STRIPAT模型对影响城市碳排放的因素进行比较分析，从而归纳总结出不同类型城市实现碳减排的模式和路径。

1.1?城市碳排放数据核算方法

对城市碳排放的特征进行研究，首先要对城市的碳排放进行核算。城市尺度的碳排放核算不仅包括城市中与能源消费相关的碳排放，还包括工业过程排放和废弃物处理的相关排放，其中农业、土地利用和林业相关的碳排放量所占比例较小。依据《中国能源统计年鉴》中终端能源消费量的数据，考虑到试点城市的能源消费品种，本文最终选用煤炭、焦炭、原油、燃料油、汽油、煤油、柴油、天然氣八种能源核算碳排放。能源消费碳排放的核算方法和排放因子参照联合国政府间气候变化专门委员会（IPCC）提供的碳排放核算方法进行估算[19]，计算公式如下：

CO2=∑ni=1（Ei×NCVi×CEFi×COFi）?（1）

式中，CO2为能源消费碳排放量，n表示能源种类数量，Ei表示第i种能源消耗的实物量，NCVi表示第i种能源的平均低位发热量，CEFi为第i种能源的单位热值当量，COFi为第i种能源的碳氧化因子，其缺省值为1。

1.2?Tapio低碳试点城市碳排放脱钩模型

有关经济增长与环境污染物的关系，Shafik和Bandyopadhyay[20]采用环境库兹涅茨曲线（EKC）来解释经济增长和环境质量之间的倒U型关系。随后，经济合作与发展组织（OECD）[21]提出用脱钩来衡量经济增长与环境污染之间的关系，并用脱钩指数来衡量两者的变动关系，以期打破“环境的坏”和“经济的好”之间的连接。脱钩分析也开始被用于对OECD成员国的经济增长和污染物排放分析，如Ruffing[22]和Gupta[23]的研究。随后Tapio[24]在分析交通领域碳排放时构建了脱钩弹性系数，可以更加详细地描述环境压力与经济增长的关联情况。Tapio模型也被广泛应用于中国碳排放的相关分析，如Wang和Su[25]将其运用于国家层面、齐绍洲等[26]将其运用于省级层面、郭炳南等[27]将其用于区域层面、Jiang等[28]将其运用于部门领域的碳排放分析。本文将Tapio模型运用于城市层面，基于其脱钩弹性系数的界定并结合中国城市碳排放的特征，根据调整的Tapio模型弹性系数对参与低碳试点的城市进行分类。

Tapio模型的弹性系数值计算公式如下：

式中，e表示脱钩弹性系数，ΔCO2和ΔGDP分别表示基期到末期的碳排放和国内生产总值的变动。Tapio模型依据e值的高低和ΔCO2、ΔGDP的正负情况界定了八种脱钩状态，如表1所示。Tapio模型为避免过度解读细微变化，将落在临界点处的情况弹性考虑。

本文用Tapio脱钩模型对62个低碳试点城市的脱钩关系进行研究。考虑到数据的可得性，弹性系数的测算使用2010、2015、2016和2017年各城市的碳排放总量和GDP数据。考察期为“十二五”规划期间，即2010—2015、2015—2016及2016—2017年。在进行区域分析时，使用处于各脱钩状态的城市占总城市数量的百分比来表现区域城市的脱钩整体情况。

1.3?碳排放驱动因素模型分析规模（P）、富裕程度（A）、技术水平（T）对环境压力（I）的影响。但IPAT模型在实际运用中不允许各影响因素存在非单调、不同比例的变化，因而具有一定的局限性。为此，York等[30]采用随机模型的方式将IPAT模型扩展为STRIPAT模型。具体表达方式如下：

其中，b、c和d分别为P、A、T的系数，a为常数项，ε为误差项。对（3）式两边取对数，得到：

（4）式表述了人口、富裕程度和技术水平与环境压力之间的线性关系，目的在于分析经济增长和碳排放之间可能存在的非线性关系，以及不同影响因素对碳排放的影响。本文选取低碳试点政策设计最为关注的几个领域，即能源结构、产业结构、城镇化率和科技投入等。林伯强等[31]、Yu等[32]、鲁万波等[33]的研究也表明这些因素会显著影响城市碳排放。考虑到城市碳排放特征的差异性，本文基于Tapio模型的分析，引入了表示城市类型的虚拟变量dummytype，当脱钩弹性系数e≥1时，dummytype设为1;当e<1时，dummytype设为0，从而构建模型（5）和（6），分别考察碳排放总量和人均碳排放量与不同碳排放影响因素之间的关系。

其中，TC为碳排放总量;PC为人均碳排放量;IS为第三产业的占比;ES为煤炭占一次能源消费的比重，代表能源结构;UR为城市化率;RD为科研投入水平;GDP为城市生产总值。2010、2015—2017年的能源数据主要来源于各省或市统计年鉴和产业结构数据，城市生产总值数据均来源于EPS数据库，科研投入来自《中国城市统计年鉴》的科学技术支出，城镇化率来源于各城市统计公报。数据的描述性统计如表2所示。

2?城市碳减排特征分析

2.1?基于Tapio脱钩模型的分析

根据Tapio模型可分别计算出62个低碳试点城市的脱钩弹性系数，并根据表1确定其脱钩状态。2010—2015年和2015—2016年，碳排放和经济增长处于脱钩减弱型状态的城市占比分别为71%和69%，处于脱钩增强型状态的城市占比约为20%。2016—2017年，相较前一阶段处于脱钩增强型的城市数量从12个增长为23个，占比提升至37%，表明经济增长但碳排放负增长的城市数量在显著上升;而处于脱钩减弱型状态的城市数量逐年减少，占比从前两个阶段的70%左右下降至32%。2016—2017年，增长连接型和负脱钩增长型城市的占比从前一阶段的0上升至10%左右，这是因为在2015—2016年处于脱钩减弱型的城市中，大部分的碳排放由正增长变为负增长，从而进一步提升为脱钩增强型;而其他城市经济增长和碳排放增长的差距也在逐渐减小，转型为连接增长型或负脱钩增长型。综合各试点城市三年的脱钩情况分析，脱钩增强型和脱钩减弱型城市处于主导地位。2017年脱钩增强型的城市数量在显著上升，表明低碳试点城市在经济增长的同时，碳排放得到了有效控制。但2017年一小部分城市的经济增速相对碳排放有所放缓。

原Tapio模型中，将弹性值在1的上下20%之内视为连接状态，即e∈（0.8，1.2）。由于本文更关注经济增长和碳排放量的相对增长幅度，故将这个区间进行调整。将e=1，即经济增长和碳排放量的相对增长幅度的突变临界线，作为低碳城市类型划分的分割线。当e<1时，经济增长快于碳排放增长，e>1时则反之。将调整过的划分临界线回嵌入Tapio脱钩模型框架，综合考虑2015—2017年份各城市的脱钩类型，并根据其弹性系数的大小及GDP的增长情况，将其划分为低碳成熟型（ΔGDP>0且e<1）、低碳成长型（ΔGDP>0且e≥1）和低碳后发型（ΔGDP<0）。其中，低碳成熟型的城市呈现碳排放的增速小于GDP的增速，或GDP增长而碳排放负增长;低碳成长型的城市呈现碳排放的增速大于GDP的增速，说明这些城市虽然经济在增长，但碳排放还需进一步降低。低碳后发型的城市则呈现出GDP负增长。

根据以上低碳城市类型的划分，低碳試点城市中的北京、厦门、南平和深圳这四个城市，达到了GDP正增长而碳排放负增长的最理想情景。低碳后发型城市的GDP均为负增长，其中位于东北地区的沈阳和吉林市的经济下降速度快于碳排放的下降速度，而西部的金昌、乌鲁木齐和昌吉在经济发展速度下降的同时，碳排放量在上升，各类型试点城市的分布如图1所示。

2.2?基于STRIPAT模型的碳排放特征分析

基于Tapio模型的城市类型划分，低碳成熟型城市和低碳成长型两类城市作为研究关注的重点，需进一步分析其碳排放总量和人均碳排放量的影响因素。

从数据分布来看，不同城市的规模差距较大，对回归结果的有效性可能产生影响。White检验的结果表明模型存在异方差。为考察模型的多重共线性问题，本文计算了各解释变量之间的相关系数，发现各变量之间的相关系数大多小于0.63，只有生产总值与科研投入之间的相关系数为0.918。进一步考察方差膨胀因子，发现除科研投入和生产总值的方差膨胀因子分别为8.33和6.64外，其余全部小于1.97，均值为4.06，多重共线性问题并不严重，因此本文使用加权最小二乘法（WLS）。

表3和表4分别表示以碳排放总量和人均碳排放量作为因变量的加权最小二乘法回归结果，模型（1）、（3）、（5）、（7）表示低碳成熟型城市情况，（2）、（4）、（6）、（8）表示低碳成长型城市情况。

对于二氧化碳排放总量，在低碳成熟型和低碳成长型城市中，生产总值、能源结构、城镇化率分别与二氧化碳排放总量呈显著正相关;科研投入、产业结构分别与二氧化碳排放总量呈显著负相关关系。这其中，生产总值仍然是影响碳排放的最重要因素之一。低碳成熟型城市和低碳成长型城市相比，生产总值相对于碳排放总量的弹性系数更大，说明规模效应对低碳成熟型城市二氧化碳排放的影响更大。城镇化率相对于碳排放总量的弹性系数，低碳成长型城市的弹性系数由1.205增加到1.736，且显著性水平由5%提高到1%，说明快速城镇化所带来的碳排放增加的问题日益凸显。对比两种类型城市的弹性系数值的大小表明，科研投入水平的增加、煤炭占一次能源比重的下降对减少成熟型城市二氧化碳排放总量的效果更为明显。

以人均碳排放量为因变量的模型结果显示，在低碳成熟型城市中，生产总值、城镇化率、能源结构与人均碳排放量呈显著正相关;科研投入、产业结构分别与人均碳排放量呈显著负相关。在低碳成长型城市中，科研投入与人均碳排放量呈负相关关系，但未达到显著性水平;产业结构与人均碳排放在5%的显著性水平下负相关。具体来看，虽然生产总值与低碳成熟型城市人均碳排放量呈显著正相关，但弹性系数值稳步降低，显著性水平由1%变为5%;而成长型城市虽然没有达到显著性水平，但弹性系数稳步增加，说明经济规模效应对成长型城市人均碳排放量的影响虽不显著，但在逐渐提高。城镇化率对低碳成长型城市的影响更大，而科研投入增加、产业结构调整和能源结构调整对减少低碳成熟型城市的人均碳排放量效果更为显著。

综合表3和表4的分析结果发现，低碳成熟型城市受经济规模和能源结构影响较大。科研技术的投入对两类城市的减排都有作用，但对低碳成熟型城市来说，技术效应相对于规模效应更为显著，意味着现阶段低碳成熟型城市从技术投入角度更有利于减少碳排放，率先实现达峰。产业结构对于低碳成长型城市的减排更为显著，表明低碳成长型城市需要加快产业结构转型，防范过快城镇化和经济快速增长的规模效应所引发的碳排放增加问题。

3?城市碳减排路径分析

3.1?城市层面的碳减排路径

低碳成熟型城市的经济增速高于碳排放增速。相比低碳成长型城市，其产业因素对碳排放总量和人均碳排放的弹性系数均相对较低，说明产业结构调整所带来的减排潜力较小。对于低碳成熟型城市，未来减排的重点领域在优化能源结构，大力发展可再生能源，同时加大科研投入，促进低碳技术创新。同时，因城市间的资源禀赋和规模具有较大差异，还需要进一步细化未来的低碳发展路径。北京、上海、深圳等一线城市需要在碳排放总量和碳强度双控的基础上进一步加大创新研发力度，以“创新+”带动碳减排，进一步降低人均碳排放水平;济南等省会城市需要从能源结构和产业结构进行双向优化，减少单位生产总值碳排放;杭州、南京、广州等省会城市的居民消费活力较强，需要推行低碳生活方式，倡导低碳消费，从而减少人均碳排放。对于济源、湘潭、株洲等以工业为主的中小城市，实践表明在深化能源结构调整的同时，提高能源使用效率是减少碳排放的有效路径。南平、广元、昆明、黄山、桂林等生态环境较好的城市，则宜于进一步优化产业结构，发展第三产业，通过打造生态旅游、养生休闲、文化创意等服务业实现绿色低碳转型。

低碳成长型城市的经济增速低于碳排放增速，该类型城市的产业结构和城市化率相对于碳排放总量和人均碳排放的弹性较大，这与其大部分正处于快速工业化和城镇化进程中的情况相符，未来需加大力度推进绿色城镇化，同时加大产业结构调整，推进城市的低碳转型。武汉、长沙等省会城市应依托中部崛起战略，积极培育战略性新兴产业和高新技术产业。乌海、晋城等能源丰富的城市需要进一步提升传统产业的附加值。低碳后发型城市目前正面临防止经济衰退和节能减排的双重压力。该类城市要坚持目标导向和问题导向，在保证经济不继续下滑的基础上，加快淘汰落后产能，加速产业转型。例如吉林等资源丰富的城市需从根本上改变资源密集的粗放型经济增长方式，以低碳发展为契机，实现城市经济增长方式的转型。

3.2?区域层面的城市碳减排路径

由于中国区域经济的梯度发展战略，东、中、西部的资源禀赋、经济发展基础差异等原因导致中国经济发展呈现出东部、中部和西部地区逐步降低的梯度差距[34]，中国东、中、西部地区低碳城市试点也呈现出不同区域性特征。

总体来看，30个位于东部的低碳试点城市中，低碳成熟型、成长型和后发型分别占80%、17%和3%;15个中部试点城市中，低碳成熟型、成长型和后发型城市分别占40%、53%和7%;17个西部低碳试点城市这三种类型的占比分别为59%、24%和18%。在低碳发展方面也呈现出显著的梯度差距。东部地区不仅有80%的低碳试点城市实现了经济增速大于碳排放增速，北京、厦门、南平和深圳率先实现了经济正增长而碳排放的负增长;中部低碳试点城市的成熟型和成长型占比相近，说明中部城市在经济增长的同时，仍具有更大的减排潜力和空间;相比较东部和中部地区，西部的低碳试点城市在低碳后发型中占比最大，金昌、乌鲁木齐和昌吉这三个城市对经济的发展和碳排放的控制有着较为迫切的需求。除了西部这三个城市，低碳后发型城市中其他两个均位于东北地区，未来还需借助新时代东北振兴战略，着力推进产业结构调整，利用东北独有的生态资源，积极推动低碳绿色产业的发展。

可见，未来东部地区应该立足其经济发展的优势，进一步通过低碳技术引领率先实现城市碳排放的达峰。中部地区应在加速城镇化的过程中，通过全面提升城镇化的质量和水平来实现低碳转型。中、西部地区，未来在能源和产业结构上仍有较大低碳转型空间，西部地区未来要进一步防止能源和产业的粗放式发展所带来的碳排放增长。

4?结?论

低碳城市建设已成为中国实现应对气候变化目标，推动经济发展向绿色低碳转型，实现高质量发展的着力点。中国的低碳城市试点通过将碳排放指标和经济发展指标紧密挂钩，在能源、交通、建筑、工业、居民生活等领域积极探索低碳城市的发展模式。

本文的分析结论表明，鉴于不同类型的城市呈现出不同的减排特征，需明确和细化以碳排放达峰为目标的城市低碳发展路径，精准施政，采用差异化、精准化的城市低碳发展模式和多元化的低碳发展路径。城市实现低碳转型应在立足城市经济发展阶段、资源禀赋的基础上形成契合城市特色的低碳发展的空间格局、产业结构、生产方式和生活方式。

目前，中国从国家战略层面推进城市低碳发展的相关工作，实际上是从碳排放目标倒逼城市更快地实现低碳转型。中国低碳城市试点已初步形成了由国家宏观层面的顶层战略到城市中观层面的政策制定，再到城市具体微观领域的政策传导机制。中国低碳城市试点之所以在短期内取得了较大的成绩，相较于其他国家，政府的大力推动和完善的低碳公共政策治理体系发挥了重要作用[35]。未来还需进一步充分发挥市场的作用，通过碳交易、合同能源管理等市场化工具以及大力发展绿色金融等融资手段来推动城市的低碳转型。

对于不同区域的低碳城市发展，未来应充分考虑如何从区域协同的角度减少碳排放，推动区域层面的城市减排政策的制定和实施。东部地区是中国人口规模最大、经济活力最强、经济密度最高的区域，其人口和经济的集聚效应、规模效应、溢出效应远高于中、西部地区，应充分发挥区域优势，形成区域协同的低碳减排战略，大力推进城市层面的减排。中部和西部地区可通过区域化的低碳战略来协调区域内低碳产业生产要素配置，促进城市低碳转型的区域合作，从而缩短经济发展与碳排放同步增长的周期，加快城市碳排放与经济发展脱钩的进程。

未来，中国低碳城市试点所取得的经验还应在更大范围推广，为中国更广大城市的低碳转型提供有益借鉴，为其他发展中国家城市的低碳转型提供参考，为全球城市作为非国家主体的减排路径探索贡献中国智慧和经验。

（编辑：刘照胜）

参考文献

[1]国家统计局城市社会经济调查司.中国城市统计年鉴2019[M].北京：中国统计出版社，2019.

[2]SHAN?Y?L，?GUAN?D?B，?HUBACEK?K，?et?al.?City-level?climate?change?mitigation?in?China?[J].?Science?advances，?2018.?DOI：?10.1126/sciadv.aaq0390.

[3]CAI?B?F，?CUI?C，?ZHANG?D，?et?al.?China?city-level?greenhouse?gas?emissions?inventory?in?2015?and?uncertainty?analysis?[J].?Applied?energy，?2019.?DOI：10.1016/j.apenergy.2019.113579.

[4]巢清塵，胡国权，冯爱青.全球气候风险与中国防范策略[M]//应对气候变化报告（2019）：防范气候风险.北京：社会科学出版社，2019.

[5]KHANNA?N，?FRIDLEY?D，?HONG?L.?Chinas?pilot?low-carbon?city?initiative：?a?comparative?assessment?of?national?goals?and?local?plans?[J].?Sustainable?cities?and?society，?2014?（12）：?110-121.

[6]宋祺佼，王宇飞，齐晔.?中国低碳试点城市的碳排放现状[J].中国人口·资源与环境，2015，25（1）：78-82.

[7]丁丁，蔡蒙，付琳，等.?基于指标体系的低碳试点城市评价[J].中国人口·资源与环境，2015，25（10）：1-10.

[8]周泽宇，田丹宇，付琳，等.?低碳城市指数的构建与应用[J].?宏观经济管理，2017（11）：52-56.

[9]陈楠，庄贵阳.?中国低碳试点城市成效评估[J].?城市发展研究，2018，25（10）：88-95，156.

[10]中国城市绿色低碳评价研究项目组.中国城市绿色低碳发展评级研究[M]//应对气候变化报告2019：防范气候风险.北京：社会科学出版社，2019.

[11]CHENG?J，?YI?J，?DAI?S，?et?al.?Can?low-carbon?city?construction?facilitate?green?growth？?evidence?from?Chinas?pilot?low-carbon?city?initiative?[J].?Journal?of?cleaner?production，?2019，?231：?1158-1170.

[12]SONG?M?L，?ZHAO?X，?SHANG?Y?P.?The?impact?of?low-carbon?city?construction?on?ecological?efficiency：?empirical?evidence?from?quasi-natural?experiments?[J].?Resources，?conservation?and?recycling，?2020（6）：114-121.

[13]齐晔，刘天乐，宋祺佼，等.?低碳城市试点“十四五”期间需助力碳排放达峰[J].?环境保护，2020，48（5）：9-11.

[14]YANG?X，?WANG?X?C，?ZHOU?Z?Y.?Development?path?of?Chinese?low-carbon?cities?based?on?index?evaluation?[J].?Advances?in?climate?change?research，2018（2）：?144-153.

[15]SHEN?L，?WU?Y，?LOU?Y，?et?al.?What?drives?the?carbon?emission?in?the?Chinese?cities？a?case?of?pilot?low?carbon?city?of?Beijing?[J].?Journal?of?cleaner?production，?2018，174：?343-354.

[16]陈楠，庄贵阳.低碳城市成效评估及碳排放收敛性分析——以浙江省各设区市为例[J].生态经济，2018，34（12）：14-21，28.

[17]FENG?J?C，?ZENG?X?L，?YU?Z，?et?al.?Status?and?driving?forces?of?CO2?emission?of?the?national?low?carbon?pilot：?case?study?of?Guangdong?Province?during?1995—2015[J].?Energy?procedia，?2019，?158：?3602-3607.

[18]吳雪莲，万迎峰.?武汉低碳城市试点创建的路径及模式浅析[J].?工业安全与环保，2020，46（2）：102-106.

[19]IPCC.?Climate?change?2013，?the?physical?science?basis?summary?for?policymakers?[EB/OL].?http：//?www.ipcc.ch/.

[20]SHAFIK?N，?BANDYOPADHYAY?S.?Economic?growth?and?environmental?quality：?time-series?and?cross-country?evidence?[R].?RePEc，?1992.

[21]OECD.?Organization?for?economic?co-operation?and?development?indicators?to?measure?decoupling?of?environment?pressure?from?economic?growth[R].2002.

[22]RUFFING?K.?Indicators?to?measure?decoupling?of?environmental?pressure?from?economic?growth?[J].?Sustainability?indicators：?a?scientific?assessment，?2007，?67：?211.

[23]GUPTA?S.?Decoupling：?a?step?toward?sustainable?development?with?reference?to?OECD?countries?[J].?International?journal?of?sustainable?development?&?world?ecology，?2015，?22（6）：?510-519.

[24]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.

[25]WANG?Q，?SU?M.?Drivers?of?decoupling?economic?growth?from?carbon?emission：?an?empirical?analysis?of?192?countries?using?decoupling?model?and?decomposition?method?[J].?Environmental?impact?assessment?review，?2020，81：106356.

[26]齊绍洲，林屾，王班班.中部六省经济增长方式对区域碳排放的影响——基于Tapio脱钩模型、面板数据的滞后期工具变量法的研究[J].中国人口·资源与环境，2015，25（5）：59-66.

[27]郭炳南，林基，刘堂发.长三角地区二氧化碳排放与经济增长脱钩关系的实证研究[J].生态经济，2017，33（4）：25-29.

[28]JIANG?R，?ZHOU?Y，?LI?R.?Moving?to?a?low-carbon?economy?in?China：?decoupling?and?decomposition?analysis?of?emission?and?economy?from?a?sector?perspective?[J].?Sustainability，?2018，10（4）：978.

[29]EHRLICH?P?R，HODREN?J?P.?Impact?of?population?growth?[J].?Science，?1971，171：1212-1217.

[30]YORK?R，?ROSA?E?A，?DIETZ?T.?STIRPAT，IPAT?and?ImPACT：?analytic?tools?for?unpacking?the?driving?forces?of?environmental?impacts?[J].?Ecological?economics，?2003，?46（3），?351-365.

[31]林伯强，姚昕，刘希颖.?节能和碳排放约束下的中国能源结构战略调整[J].?中国社会科学，2010（1）：58-71.

[32]YU?X，?WU?Z，?ZHENG?H，?et?al.?How?urban?agglomeration?improve?the?emission?efficiency？?a?spatial?econometric?analysis?of?the?Yangtze?River?Delta?urban?agglomeration?in?China?[J].?Journal?of?environmental?management，?2020，?260：?110061.

[33]鲁万波，仇婷婷，杜磊.?中国不同经济增长阶段碳排放影响因素研究[J].经济研究，2013，48（4）：106-118.

[34]黄群慧.?改革开放40年中国的产业发展与工业化进程[J].?中国工业经济，2018（9）：5-23.

[35]庄贵阳.?中国低碳城市试点的政策设计逻辑[J].中国人口·资源与环境，2020，30（3）：19-28.

[36]何建坤.全球绿色低碳发展与公平的国际制度建设[J].中国人口·资源与环境，2012，22（5）：15-21.

[37]柴麒敏，?何建坤.?气候公平的认知、政治和综合评估——如何全面看待“共区”原则在德班平台的适用问题[J].?中国人口·资源与环境，?2013，?23（6）：?1-7.

[38]梅赐琪，?刘志林.?行政问责与政策行为从众;“十一五”节能目标实施进度地区间差异考察[J].?中国人口·资源与环境，?2012，?22（12）：?129-136.

[39]张小丽，刘俊伶，王克，等.?中国电力部门中长期低碳发展路径研究[J].?中国人口·资源与环境，2018，28（4）：68-77.

[40]朱东山，?孔英，?高一放，?等.?中国发电行业CO2?减排成本及潜力研究[J].?中国人口·资源与环境，?2015，?25（2）：14-20.

[41]王常凯，谢宏佐.?中国电力碳排放动态特征及影响因素研究[J].?中国人口·资源与环境，2015，25（4）：?21-27.

[42]崔学勤，王克，邹骥.?2?℃和1.5?℃目标对中国国家自主贡献和长期排放路径的影响[J].中国人口·资源与环境，2016，26（12）：1-7.

Research?on?carbon?emission?characteristics?and?reduction?pathways?of?low-carbon?pilot?cities?in?China

YU?Xiang1?CHEN?Nan2?LI?Man-qi1

（1.?Research?Institute?for?Ecological-civilization，?Chinese?Academy?of?Social?Sciences，?Beijing?100028，?China;?2.?Data?Center?of?Ministry?of?Culture?and?Tourism，China?Tourism?Academy?，Beijing?10005，?China）

Abstract?Cities?are?major?contributors?to?global?greenhouse?gases?and?are?vulnerable?to?climate?change.?At?present，?China?is?undergoing?an?urbanization?process?at?an?unprecedented?scale?and?speed，?and?low-carbon?urban?development?is?of?great?significance?to?Chinas?goal?of?addressing?climate?change，?promoting?ecological?civilization，?and?achieving?economic，?social，?and?ecological?impacts?in?the?meantime.?Since?July?2010，?the?National?Development?and?Reform?Commission?has?carried?out?three?batches?of?pilot?low-carbon?projects?in?82?cities?and?provinces，?and?the?performance?of?these?low-carbon?cities?has?been?evaluated?by?various?research?groups.?This?paper?summarized?the?characteristics?of?carbon?emission?and?proposed?potential?developmental?paths?of?its?reduction?for?the?low-carbon?pilot?cities.?The?Tapio?model?was?used?to?investigate?the?relationship?between?economic?growth?and?carbon?emissions，?then?according?to?the?values?of?the?decoupling?elasticity?coefficient，?these?cities?were?classified?into?three?types：?low-carbon?maturity?type，?low-carbon?growing?type，?and?low-carbon?late-developing?type.?Based?on?the?types?of?the?low-carbon?pilot?cities，?the?STRIPAT?model?was?employed?to?examine?the?relationships?between?total?carbon?emissions?and?per?capita?carbon?emissions?and?economic?scale，?energy?structure，?industrial?structure，?and?urbanization?level，?etc.，?in?order?to?identify?different?impacts?from?the?driving?factors?on?urban?carbon?emissions，?and?to?further?formulate?appropriate?developmental?paths?of?carbon?emission?reduction?for?different?types?of?the?low-carbon?pilot?cities.?For?cities?of?the?low-carbon?maturity?type，?vigorously?developing?renewable?energy?and?increasing?research?and?development?investment?are?effective?ways?to?reduce?carbon?emissions.?For?low-carbon?growing?cities，?optimizing?the?industrial?structure?and?improving?the?quality?of?urbanization?are?more?effective.?For?low-carbon?late-developing?cities，?they?should?further?remove?the?backward?production?capacity?and?accelerate?the?industrial?upgrading?and?transformation?on?the?basis?of?promoting?economic?growth.?Moreover，?it?is?concluded?that?different?and?diversified?carbon?emission?reduction?paths?require?regional?green?and?low-carbon?synergetic?development.

Key?words?city;?carbon?emission;?low?carbon;?decoupling

收稿日期：2020-03-21?修回日期：2020-05-15

作者簡介：禹湘，博士，副研究员，主要研究方向为能源与气候变化政策。E-mail：yuxiang@cass.org.cn。

通信作者：陈楠，博士，助理研究员，主要研究方向为低碳经济、低碳旅游。E-mail：chennan526@163.com。

基金项目：科学技术部《第四次气候变化国家评估报告》编制工作专项;中国社会科学院哲学社会科学登峰计划气候变化经济学优势学科建设项目成果。

随便看

科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。