EN中文

自然资源学报 >

2024 , Vol. 39 >Issue 6: 1399 - 1417

DOI: https://doi.org/10.31497/zrzyxb.20240609

中国城镇化与碳排放机制分析及实证研究——基于经济发展、人口转移和城镇扩张视角

  • 陈姜全 , 1, 2 ,
  • 李效顺 , 1, 2 ,
  • 耿艺伟 1, 2 ,
  • 刘希朝 1, 2 ,
  • 李光亮 1, 2
展开
  • 1.中国矿业大学公共管理学院，徐州 221116
  • 2.中国矿业大学中国资源型城市转型发展与乡村振兴研究中心，徐州 221116
李效顺（1983- ），男，河南周口人，博士，教授，博士生导师，主要从事碳监测与城镇空间治理研究。E-mail:

陈姜全（2000- ），男，四川巴中人，博士研究生，主要从事资源环境经济与碳排放研究。E-mail:

收稿日期: 2023-07-09

  修回日期: 2024-03-19

  网络出版日期: 2024-06-11

基金资助

国家自然科学基金项目(71874192)

中央高校基本科研业务重大项目培育专项基金(2020ZDPY0219)

中央高校基本科研业务重大项目培育专项基金(2022ZDPYSK08)

中国人民大学教育基金会林增杰土地科学发展基金优秀学术论文资助项目(2023)

收起

Mechanism analysis and empirical research on urbanization and carbon emissions in China: Based on the perspective of economic development, population transfer, and urban expansion

  • CHEN Jiang-quan , 1, 2 ,
  • LI Xiao-shun , 1, 2 ,
  • GENG Yi-wei 1, 2 ,
  • LIU Xi-zhao 1, 2 ,
  • LI Guang-liang 1, 2
Expand
  • 1. School of Public Policy and Management, China University of Mining and Technology, Xuzhou 221116, Jiangsu, China
  • 2. Research Center for Transformation Development and Rural Revitalization of Resource-based Cities in China, China University of Mining and Technology, Xuzhou 221116, Jiangsu, China

Received date: 2023-07-09

  Revised date: 2024-03-19

  Online published: 2024-06-11

Fold

摘要

城镇化与碳排放都是国家关注重点、学界研究热点和政策治理难点。基于经济发展、人口转移和城镇扩张视角，从“产业—人口—土地”多维度分析城镇化与碳排放机制，并综合运用脱钩分析、Kaya-LMDI因素分解和STIRPAT-LSDV模型，实证研究中国城镇化与碳排放机制。结果发现：（1）产业、人口和土地是城镇化的关键物质要素，其交互演变构成碳排放变化的逻辑起点。经济发展、人口转移和城镇扩张是城镇化与碳排放耦合交互的底层逻辑、重要因素和空间保障。（2）加入WTO以来，中国工业化进程加快，城镇化与碳排放耦合关系从弱脱钩转变为增长耦合乃至增长负脱钩。迈入高质量发展阶段后，产业、人口和土地城镇化对碳排放的促进作用逐渐衰竭。（3）1990—2020年，伴随城镇化快速推进，中国能源结构、能源效率、低碳经济结构、人均经济水平、经济规模、城镇人口规模、城镇人口密度、城镇用地规模、城镇用地强度的变动，对碳排放的作用效应分别为1.37亿t、-139.98亿t、-138.61亿t、163.53亿t、223.95亿t、60.41亿t、-25.24亿t、85.66亿t、138.29亿t。（4）2003—2020年，中国能源结构、能源效率、第二三产业占比、城镇人口、城镇建成区面积分别提升1%，碳排放相应增长1.111%、-0.560%、0.771%、0.477%、0.488%，并且城镇化与碳排放交互机制具有时空异质性。研究结果能够为新型城镇化和“双碳”战略实施提供科学依据与决策参考。

关键词： 城镇化; 碳排放; 经济发展; 人口转移; 城镇扩张

本文引用格式

陈姜全 , 李效顺 , 耿艺伟 , 刘希朝 , 李光亮 . 中国城镇化与碳排放机制分析及实证研究——基于经济发展、人口转移和城镇扩张视角[J]. 自然资源学报, 2024 , 39(6) : 1399 -1417 . DOI: 10.31497/zrzyxb.20240609

Abstract

Urbanization and carbon emissions are both national focuses, academic research hotspots, and policy governance difficulties. Based on the perspectives of economic development, population transfer, and urban expansion, this paper analyzes the mechanisms of urbanization and carbon emissions from the multi-dimensional perspective of "industry-population-land", and uses decoupling analysis, Kaya-LMDI factor decomposition, and STIRPAT-LSDV model to empirically study the mechanisms of urbanization and carbon emissions in China. The study indicates that: (1) The material elements of urbanization, namely industry, population, and land, play a crucial role in the evolution of urbanization, and their changes are the logical starting point for changes in carbon emissions. The underlying logic, important factors, and spatial guarantee of the coupling interaction between urbanization and carbon emissions are economic development, population transfer, and urban expansion. (2) Since China acceded to the WTO, industrialization has accelerated. The relationship between urbanization and carbon emissions has changed from weak decoupling to growth coupling and even negative decoupling. As China enters the stage of high-quality economic development, the role of industry, population, and land urbanization in promoting carbon emissions has gradually diminished. (3) From 1990 to 2020, the effects of China's energy structure, energy efficiency, low-carbon economic structure, per capita economic level, economic scale, urban population size, urban population density, urban land size, and urban land use intensity on carbon emissions in the process of urbanization were 1.37, -139.98, -138.61, 163.53, 223.95, 60.41, -25.24, 85.66, and 138.29 billion tons, respectively. (4) Between 2003 and 2020, China's energy structure, energy efficiency, proportion of output value of the secondary and tertiary industries, urban population, and urban built-up area increased by 1% respectively, and carbon emissions correspondingly increased by 1.111%, -0.560%, 0.771%, 0.477%, and 0.488%, respectively. The interaction mechanism between urbanization and carbon emissions has spatial and temporal heterogeneity. The research results can provide scientific basis and decision-making reference for the implementation of new urbanization and the "Carbon Peaking and Carbon Neutrality Goals" strategy.

Key words： urbanization; carbon emissions; economic development; population transfer; urban expansion

1978年改革开放以来，中国城镇化快速推进，城镇化率由1978年的17.92%增长至2023年的66.16%。与此同时，经济发展、人口转移和城镇扩张使中国发生了翻天覆地的变化。中国经济总量从0.37万亿元增长至126.06万亿元，占世界经济比例从不足2%提升至近20%，国家实力和人民福祉大幅提升。中国城镇人口从1.72亿人增长至9.33亿人，人口转移是人民发展范式转变和生活模式优化的反映。中国城镇建成区面积从1981年的0.74万km2扩张至2022年的6.27万km2，增长近9倍，为经济建设、人口集聚和居民生活提供了有力的空间保障。城镇化是伴随经济发展、人口转移和城镇扩张的必然历史过程和社会经济现象，具有产业城镇化、人口城镇化和土地城镇化等多重内涵，是国家现代化与人民富足的重要特征。
然而，伴随城镇化快速推进，人类活动产生的大量碳排放，导致全球升温、海平面上升、极端天气频发等诸多生态环境变化[1]。中国城镇化在取得伟大成就的同时，2006年中国碳排放约为62亿t、已超越美国成为最大碳排放国；2021年中国碳排放增加到约为105亿t，占全球总碳排放的31.06%，由此付出了巨大生态环境代价。仅在2023年，中国就连续爆发如台风“杜苏芮”北上引发京津冀罕见暴雨洪涝、华北与黄淮地区初夏连续遭遇5轮高温热浪过程、12月强寒潮创多地低温与积雪新纪录等恶性气候事件。因此，以牺牲生态环境为代价推动城镇化的发展范式亟需转变。为此，2014年，国务院发布《国家新型城镇化规划（2014—2020）》，专门指出要完善推动城镇化绿色循环低碳发展的体制机制，这是新型城镇化的紧迫要求[2]。2020年，中国向世界作出“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”的庄严承诺，将发达国家从碳达峰到碳中和60~80年的周期压缩到30年完成[3]。2022年，习近平总书记在党的“二十大”报告中进一步强调积极稳妥推进碳达峰碳中和，这是以习近平同志为核心的党中央经过深思熟虑做出的重大决策，表明中国为全球气候治理做出巨大贡献以及实现高质量发展的坚定决心[4]。然而，中国仍处于城镇化发展阶段，据人口学家预测，中国城镇化率将增加至70%~80%（2035年）[5,6]，城镇化将给“双碳”战略实现带来巨大挑战。
由此可见，科学揭示城镇化与碳排放机制并开展实证研究寻求双赢良策，成为中国高质量发展亟需解决的现实难题。鉴于此，本文在文献综述基础上，分析城镇化与碳排放理论机制，进而开展实证研究，以便为新型城镇化和“双碳”战略实施提供科学依据与决策参考。

1 文献综述

城镇化与碳排放历来是学界的研究热点。发达国家城镇化起步较早，也较早出现碳排放问题。早在1985年，Sathaye等[7]就从城镇化对能源消费结构影响的角度出发，发现城镇化对碳排放增长具有促进作用；随后，部分学者如Dogan等[8]、Hiroyuki[9]和Cole等[10]，围绕着“城镇化—物质能源消耗—碳排放”的逻辑主线，通过相关分析、STIRPAT分析和碳平衡分析等方法，验证了多国的城镇化在快速发展阶段对碳排放具有正向作用，并提出在城镇化进程中避免过度碳排放的策略建议。随着部分地区城镇化进入饱和阶段，大量学者针对性开展实证研究并发现，由于城镇化的基本内涵和发展范式发生转变，城镇化对碳减排也呈现出多方面的积极作用，如：高度城镇化的社会能够降低私人交通需求，进而降低能源消耗和碳排放[11]；紧凑型城市模式能够降低居民生活能耗碳排放[12]；高度城镇化地区，存在区域碳减排和环境质量改善的可能[13]；城镇化进程中，技术进步可以提高清洁能源使用率，从而显著抑制碳排放[14]；高度城镇化能够促进区域碳减排并存在空间溢出效应[15]等。总体而言，城镇化与碳排放机制复杂，但环境库兹涅茨理论对城镇化与碳排放呈倒U型关系的概括得到学界普遍认同，即：城镇化，在快速发展阶段对碳排放增长具有促进作用，而在进入饱和阶段后对碳减排的贡献逐渐显著[16⇓-18]。
近年来，中国政府着力推动城镇化的低碳发展转型，国内学者顺应时代潮流，深化了城镇化与碳排放机制研究。如：针对经济增长与能源消费的阶段性特征，引入城镇化因素探究碳排放的影响因素[19]；通过格兰杰因果检验和门槛效应模型等方法，分析城镇化与碳排放的耦合关系和演变轨迹[20,21]；基于理论分析，解释城镇化进程中工业、建筑、交通以及政府行为如何造成高碳排放[22]；构建理论模型并实证检验城镇化、人力资本积累、清洁生产和碳排放之间的作用机制[23]；立足于产业、人口和土地，构建城镇化碳排放的核算体系[24]；应用时空地理加权回归模型，考察城镇化视角下碳排放的驱动机制及其时空异质性[25]；基于省域尺度，分析碳平衡能力与城镇化的时空演变特征及互动关系[26]；利用SPDM模型、社会网络分析法等空间分析模型，研究新型城镇化对碳排放强度的空间效应和衰减特征[27]，识别城市群碳排放空间关联网络的结构特征和演变机制[28]。
总之，学界已在城镇化与碳排放的影响因素、耦合关系、作用机制、核算体系、时空特征和空间效应等方面取得丰硕进展，对本文研究开展具有重要参考价值。但是，已有城镇化与碳排放研究尚有不足：其一，尽管学界已从对城镇化与碳排放机制做出多方面研究，但尚缺基于“产业—人口—土地”城镇化内涵和碳排放本质，专门探究城镇化与碳排放机制的理论分析，对城镇化与碳排放耦合交互的内在机制解释不足；其二，由于城镇化内涵多元复合且城镇化进程复杂动态，鲜有文献厘清并量化城镇化对碳排放的各种作用效应，也缺乏从经济、人口和空间等多维视角综合考察城镇化与碳排放交互机制的定量研究。鉴于此，本文立足于“产业—人口—土地”城镇化基本内涵，基于经济发展、人口转移和城镇扩张视角，首先分析城镇化与碳排放理论机制，进而综合运用脱钩分析、Kaya-LMDI因素分解和STIRPAT-LSDV模型，实证研究中国城镇化与碳排放的耦合关系、作用效应和交互机制。

2 理论分析

本文围绕“城镇化—物质能源消耗—碳排放”的逻辑主线，以环境库兹涅茨理论为基础，回归“产业—人口—土地”城镇化基本内涵，分析碳排放在城镇化中的实质，进而判断经济发展、人口转移和城镇扩张在城镇化与碳排放之间的耦合交互作用，以求揭示城镇化与碳排放理论机制。

2.1 回归城镇化基本内涵、分析碳排放在城镇化中的实质

碳排放是人类为满足生产、生活需求，在物质能源消耗过程中因相关化学反应向外界排放温室气体并损害生态环境的物质循环过程。城镇化是动态进程，反映了城镇产业、人口和土地等关键物质要素的变化及发展。城镇化与碳排放之间存在基于产业、人口和土地的物质关联（图1）。
图1 “产业—人口—土地”城镇化与碳排放的内在关系

Fig. 1 The intrinsic relationship between ''industry-population-land'' urbanization and carbon emissions

产业是城镇化的基础。城镇化是产业结构不断由低层次向高层次演进的伴生发展过程。产业因知识化、技术化和专业化具有更高的附加值，劳动力也因行业间的收入差距从第一产业向第二三产业转移[29]。由于第二三产业发展需要大量劳动力、建设用地以及相关基础设施的投入，且产业集聚能够产生额外的经济效益。因此，第二三产业向城镇集聚并蓬勃发展，即产业城镇化。产业城镇化是城镇化的基本动力，对人口和土地城镇化起支配作用。产业城镇化推动人口城镇化，并为城镇人口提供高薪就业岗位、优质生活条件和社会服务保障。产业和人口城镇化扩大了建设用地需求，构成土地城镇化的前提。同时，产业是碳排放的主要来源。工业、建筑与交通等部门是碳排放的重点领域，在为人类社会提供众多所需商品和服务的同时，消耗大量物质能源，并在产品生产和消耗过程中排放大量温室气体。产业规模、结构和效率关乎碳排放规模、结构和效率。
人口是城镇化的核心。大规模的农村人口转变为城镇人口铸就快速城镇化的历史洪流，人们生存、生活和发展的模式优化构成城镇化的应有之义，城镇化率是衡量城镇化阶段的基本标准。习近平总书记在党的“二十大”报告中强调，推进以人为核心的新型城镇化。李强总理指出，推进新型城镇化关键在于“化人”，目的是造福百姓和富裕农民。从城镇化的产生根源、现象本质、衡量标准和归宿目的等多角度出发，人口都是城镇化的核心。城镇产业、人口和土地的综合配置决定了城镇基本面貌，但城镇要素配置要以人口为核心，产业城镇化需要人口城镇化为支撑，土地城镇化应与人口城镇化相协调。同时，人口是碳排放的消耗主体。尽管产业是碳排放的主要来源，但物资能源消耗归根结底在于满人的需求。碳排放的逻辑在于实现人的发展，碳减排依然遵循人类为摆脱资源环境约束从而实现高质量发展的发展逻辑。
土地是城镇化的支撑。在城镇化进程中，农业劳动力转移致使部分农用地低效利用和闲置撂荒，且城镇周边农用地转变为建设用地可以获取更高经济效益，土地趋于非农化。随着城镇产业发展、人口增加以及需求升级，产业、交通、居住和公共商服等各类建设用地需求也不断扩大。城镇建设用地，作为第二三产业和城镇人口的主要空间载体，在产业和人口城镇化共同推动下快速扩张并被高强度利用，即土地城镇化。土地城镇化为产业和人口城镇化提供空间支撑。同时，土地是碳排放的空间载体。一方面，森林、草原、湿地和耕地等陆地生态系统，既是碳汇本身又是碳汇空间载体。另一方面，城镇建设用地承载大量产业和人口，成为碳排放的主要空间载体。国土空间开发利用的规模、强度、结构、功能和布局深刻塑造着区域碳源与碳汇的空间格局[30]。
总体而言，碳排放在城镇化中的实质可归纳为产业和人口以城镇建设用地为主要承载空间，因生产和生活的物质能源消耗，在城镇地区集中排放大量温室气体并带来生态环境的负外部性问题。基于城镇化视角，产业、人口与土地是城镇化的基础、核心和支撑。基于碳排放视角，产业、人口与土地是碳排放的主要来源、消耗主体和空间载体。城镇化与碳排放因产业、人口和土地存在物质关联，且产业、人口和土地交互作用、共同演变，构成碳排放变化的逻辑起点。

2.2 判断经济发展、人口转移和城镇扩张的耦合交互作用

经济发展、人口转移和城镇扩张，既推动城镇产业、人口和土地变化发展，又驱动碳排放演变，使得城镇化与碳排放在发展过程中持续耦合交互，并呈现出复杂的机制（图2）。
图2 城镇化与碳排放机制的理论框架

Fig. 2 The theoretical framework of the mechanism of urbanization and carbon emissions

经济发展是城镇化与碳排放耦合交互的底层逻辑。进入工业社会阶段后，人类消耗化石资源获取生产动力和原料，社会生产力飞跃发展。在相当长时间内，资源密集型产业比例大，经济发展与碳排放处于增长联结状态。因此，经济快速发展并促进碳排放急剧增长。在后工业社会阶段，累积碳排放与日俱增，一方面资源环境约束趋紧，另一方面唯有实现高质量发展转型方能谋求长远发展，能源转型、能效提高、产业升级、负碳排放技术突破和生态修复等变革成为经济发展新常态，成为碳减排的强大动力。经济发展对碳排放具有双向效应，可主要划分为规模效应（能源消耗因经济规模增加而扩大）、技术效应（单位产值能耗因能源效率提高而降低）和结构效应（单位能耗碳排放因能源结构调整而变动）[31]。经济发展是碳排放的决定因素，也是人口转移和城镇扩张的基础。人口转移和城镇扩张对碳排放的影响根本来源于经济发展。
人口转移是城镇化与碳排放耦合交互的重要因素。在既定经济规模和结构下，人口对碳排放的影响有限，如清末拥有四亿人口的中国对碳循环影响微弱。但是，人口是经济社会核心要素和物质能源消耗主体，对碳排放的效应无法忽视。伴随城镇化快速推进，城镇的产业活动、人口规模和生活水平与日俱增，城镇人口对碳排放影响愈发显著。由于城乡间能耗水平存在较大差距，中国城镇碳排放占碳排放总量已超八成，并且城乡碳排放差距仍在扩大。同时，中国城镇人口增长主要受城乡人口转移影响，每年超千万农村人口定居城镇。因此，人口在城镇化快速发展阶段对碳排放的促进作用显著。进入城镇化饱和阶段后，大规模城乡人口转移现象逐渐消失，人口城镇化对碳排放的冲击将会减少。随着人口增长态势转变以及城镇绿色生活模式形成，城镇的总量和人均碳排放均可能下降。
城镇扩张是城镇化与碳排放耦合交互的空间保障。城镇扩张对碳排放兼具源于自然生态系统的直接影响和源于经济社会系统的间接影响[32]。直接影响是指生态和农业用地转变为建设用地后丧失原有碳汇功能。间接影响主要是指建筑碳排放（源于建筑施工与建材生产）和承载碳排放（源于土地承载的产业和人口，土地本身不直接参与碳循环）因城镇扩张而增加。承载碳排放受城镇建设用地规模和强度影响，一方面城镇建设用地规模增加以承载更多产业和人口，从而碳源空间规模扩大；另一方面城镇建设用地强度提升，单位用地承载更多产业和人口，从而碳源空间排放强度提升。因此，在城镇扩张驱动下，碳汇空间收缩、碳源空间扩张，碳排放呈现出高集聚和高强度的空间格局。随着城镇空间由外延式扩张转变为内涵式提升，建设用地高效利用和生态空间碳汇修复成为可能，将为国土空间低碳利用带来契机[33]。
总体而言，经济发展、人口转移和城镇扩张，既是“产业—人口—土地”城镇化的发展要素，又是碳排放的驱动因素，是城镇化与碳排放耦合交互的底层逻辑、重要因素和空间保障，对碳排放存在如规模、技术、结构、人口和土地等多种效应。由于经济发展、人口转移和城镇扩张的基本内涵与演变态势，在城镇化进程中转变，各种碳排放效应也随之变化，加之经济发展、人口转移和城镇扩张相互联系与作用，使得城镇化与碳排放在发展过程中持续耦合交互，并呈现出复杂的机制。在城镇化建设中后期，资源环境约束趋紧，高质量发展转型将驱使城镇化与碳减排从对立走向协同。

3 实证研究

本文在理论分析基础之上，按照“耦合关系分析—作用效应分解—交互机制考察”的逻辑思路，以中国为例开展实证研究，以求为中国新型城镇化和“双碳”战略实施提供定量参考与决策依据。首先，从宏观视角切入，基于经济发展、人口转移和城镇扩张视角，引入脱钩指数，分析中国城镇化与碳排放耦合关系。其次，基于对城镇化与碳排放耦合关系的宏观认识，选取关键影响因素，灵活拓展Kaya-LMDI模型，分解中国城镇化对碳排放的各种作用效应。最后，在判断各影响因素对碳排放的整体效应及其阶段特征基础之上，构建STIRPAT-LSDV模型，基于省域尺度，选取更为细化的“产业—人口—土地”城镇化指标，分东、中、西区域和经济发展阶段，进一步考察城镇化与碳排放交互机制，从而深化研究结论。

3.1 研究方法

3.1.1 脱钩分析

脱钩指数常用以反映具有耦合关系的变量之间的响应关系[34]，引入脱钩指数分析城镇化与碳排放耦合关系。碳排放与城镇化率、第二三产业产值、城镇人口和城镇建成区面积的脱钩指数计算公式如下：
T U R C = ∆ C C / ∆ U R U R ,   T G C = ∆ C C / ∆ G G ,   T P C = ∆ C C / ∆ P P ,   T L C = ∆ C C / ∆ L L
式中： ∆ C 、 ∆ U R 、 ∆ G、 ∆ P 和 ∆ L分别为研究期间碳排放、城镇化率、第二三产业产值、城镇人口和城镇建成区面积的变化量； C 、 U R 、 G、 P 和 L分别为研究期初碳排放、城镇化率、第二三产业产值、城镇人口和城镇建成区面积； T U R C、 T G C 、 T P C 和 T L C分别为碳排放与城镇化率、产业城镇化、人口城镇化和土地城镇化的脱钩系数。

3.1.2 Kaya-LMDI因素分解

Kaya恒等式由Kaya[35]在联合国政府间气候变化专门委员会（IPCC）的研讨会上提出，将碳排放与宏观要素以基本数学形式呈现，分析碳排放变化的影响因素。最初的Kaya恒等式较为基础，但具有灵活拆分的优点，本文基于经济发展、人口转移和城镇扩张视角对原式调整，调整后形式为：
C = C E × E G × G P × P L × L
式中：C为碳排放（亿t）；E为能源消耗总量（亿tce）；G为第二三产业产值（亿元）；P为城镇人口（千万人）；L为城镇建成区面积（千km2）。根据式中各部分所表达含义，模型可以变形为：
C = I C E × I E G × I G P × I P L × I L
式中： I C E为单位能耗碳排放（t/tce）； I E G为单位第二三产业产值能耗（tce/元）； I G P为城镇人均第二三产业产值（元/人）； I P L为城镇人口密度（万人/km2）； I L为城镇建成区面积（千km2）。
LMDI模型由Ang[36]提出，能够无残差分解碳排放的各种作用效应。本文基于加和形式分解城镇化对碳排放的各种作用效应，分解式如下：
∆ C = C t - C 0 = ∆ I C E + ∆ I E G + ∆ I G P + ∆ I P L + ∆ I L
式中： ∆ C为第t年碳排放相对基年碳排放的总变化，即综合效应（亿t）； ∆ I C E、 ∆ I E G、 ∆ I G P、 ∆ I P L、 ∆ I L分别为能源结构、能源效率、人均经济水平（人均二三产业产值）、城镇人口密度效应、城镇用地规模的变动对碳排放的作用效应，计算公式如下：
∆ I C E = C t - C 0 l n C t - l n C 0 l n I C E t I C E 0 ,   ∆ I E G = C t - C 0 l n C t - l n C 0 l n I E G t I E G 0 ,   ∆ I G P = C t - C 0 l n C t - l n C 0 l n I G P t I G P 0                                                             ∆ I P L = C t - C 0 l n C t - l n C 0 l n I P L t I P L 0 ,   ∆ I L = C t - C 0 l n C t - l n C 0 l n I L t I L 0
各因素贡献率为：
K I C E ,   I E G ,   I G P ,   I P L ,   I L = ∆ I C E ,   ∆ I E G ,   ∆ I G P ,   ∆ I P L ,   ∆ I L ∆ C × 100 %
城镇化对碳排放主要有源于经济发展、人口转移和城镇扩张三方面的作用效应，部分作用效应由多种因素共同决定，如能源结构和能源效率的复合效应，即低碳经济结构的作用效应。由于LMDI因素分解具有可加性的优势，因此也可测算复合效应，具体见表1。
表1 城镇化对碳排放作用效应的分解说明

Table 1 The interpretation for the decomposition of the effect of urbanization on carbon emissions

作用效应 ∆ I C E ∆ I E G ∆ I C E + ∆ I E G ∆ I G P ∆ I G P + ∆ I P L + ∆ I L
指标解释 能源结构 能源效率 低碳经济结构 人均经济水平 经济规模
效应是否复合 复合 复合
效应来源 经济发展 经济发展、人口转移、城镇扩张
作用效应 ∆ I P L+ ∆ I L ∆ I P L ∆ I L ∆ I G P+ ∆ I P L ∆ C
指标解释 城镇人口规模 城镇人口密度 城镇用地规模 城镇用地强度 综合效应
效应是否复合 复合 复合 复合
效应来源 人口转移 人口转移、
城镇扩张		 城镇扩张 城镇扩张、
经济发展		 经济发展、人口转移、城镇扩张
以上涉及国家尺度的宏观数据来源如下：碳排放数据来源于世界银行数据库（data.worldbank.org.cn），城镇化率、城镇人口和第二三产业产值的数据来源于《中国统计年鉴》，能源消耗数据来源于《中国能源统计年鉴》，城镇建成区面积数据来源于《中国城市建设统计年鉴》。由于数据缺失，未考察西藏、港澳台地区，下文同则不再说明。研究时期为1990—2020年。

3.1.3 STIRPAT-LSDV模型

（1）计量模型
IPAT模型被广泛应用于环境负荷与社会经济发展关系研究，其标准形式如下：
I = a P b A c T d e
式中：I代表环境负荷；P、A、T分别代表人口规模、富裕度、技术进步；a、e分别为模型系数、误差；b、c、d为待估参数。由于碳排放是关键环境负荷，许多学者拓展IPAT模型，构建STIRPAT模型专门研究碳排放[37]。运用STIRPAT模型分析碳排放的研究多采用时间序列数据，但部分碳排放相关社会经济数据在时间上具有共同趋势，容易产生多重共线性问题，因此，相关研究多运用岭回归等方法处理多重共线性问题。但是，岭回归放弃了参数估计的无偏性，且采用时间序列数据难以获得大样本，使得参数估计的可靠性和研究深度存在局限。基于面板数据并采用固定效应模型（LSDV模型）可避免以上问题，另外，碳排放在各区域和发展阶段之间存在除模型所选取关键解释变量之外的非观测效应，采用LSDV模型也能够缓解因遗漏变量而产生的内生性问题。
鉴于此，本部分基于中国2003—2020年省级面板数据，从经济发展、人口转移和城镇扩张视角出发，结合STIRPAT模型和LSDV模型，构建考察“产业—人口—土地”城镇化与碳排放交互机制的计量模型，其一般形式如下：
l n C p t = ( X p t T γ + β 1 l n U I p t ) + β 2 l n U R p t + β 3 l n U L p t + μ p + ν t + ε p t
式中：C为碳排放，即被解释变量（亿t）； ( X p t T γ + β 1 l n U I p t ) 代表经济发展，其中， X T为控制变量，选取与碳排放紧密相关但剥离产业城镇化的经济发展因素，UI选取代表产业城镇化的解释变量；UR选取代表人口转移和人口城镇化的解释变量；UL选取代表城镇扩张和土地城镇化的解释变量；p表示省（自治区、直辖市），t表示年份； μ p表示碳排放随省（自治区、直辖市）变化的宏观冲击； ν t表示碳排放随时间变化的宏观冲击； ε p t为随机干扰项； γ、 β 1、 β 2、 β 3为待估参数，代表相应解释变量对碳排放的影响。
（2）变量说明
① 碳排放。参考IPCC第四次气候变化评估报告中提供的碳排放核算方法[38]，并基于《中国能源统计年鉴》的各类能源消耗实物消耗量，核算中国省级行政单元2003—2020年的碳排放，核算公式如下：
C = ∑ E i × η i × k i
式中：C为碳排放总量（亿t）；Ei为i类能源的实物消耗量（亿t）；ηi为i类能源的能源转换系数；ki为i类能源的碳排放系数。统一选取煤炭、焦炭、原油、燃料油、汽油、煤油、柴油、天然气和电力等能源核算碳排放。
② 经济发展。伴随经济发展，能源结构、能源效率、产业结构和经济规模持续变化，共同推动碳排放演变。采用第二三产业产值比例而非第二三产业产值（经济规模）表征产业结构，同时部分经济规模效应用人口转移和城镇扩张相关变量表征，原因有二：其一，能源结构、能源效率、产业结构和经济规模已构成与碳排放的函数关系（如Kaya恒等式的形式），在线性回归中可解释碳排放的全部变化，从而无法有效估计人口转移和城镇扩张相关变量的参数；其二，人口转移和城镇扩张受经济发展制约，主要通过关联第二三产业规模和格局间接影响能源消耗。因此，采用能源结构（CE）和能源效率（EG）作为控制变量，能源结构由单位能源消耗产生的碳排放表征，能源效率由第二三产业产值与能源消耗量之比表征。重点关注产业城镇化中产业结构变迁，选取第二三产业占比（gdp23_r）、第二产业占比（gdp2_r）、第三产业占比（gdp3_r）等表征。各种能源消耗量数据来源于《中国能源统计年鉴》，将主要能源实物统计量转统一换为标准煤核算总能源消耗量，地区第二三产业产值数据来源于《中国统计年鉴》。
③ 人口转移。基于城乡人口的结构、规模和劳动力三个视角，分别采用城镇化率（ur_r）、城镇人口（u_pop）与农村人口（r_pop）、第二三产业就业人口（labor_23）表征人口城镇化。城镇和农村人口数据来源于《中国统计年鉴》和各省（自治区、直辖市）《统计年鉴》，城镇化率为常驻城镇人口占总人口的比例，第二三产业就业人口数据来源于国泰安数据库（data.csmar.com）。
④ 城镇扩张。采用城镇建成区面积（land）表征土地城镇化。由于产业和人口在新增城镇建设用地上的配置存在滞后性，将滞后一期的城镇建成区面积（L.land）加入模型并对比分析。城镇建成区面积数据来源于《中国城乡建设统计年鉴》。
此外，面板数据存在部分缺失值，采用线性插值和外推法补齐。
（3）异质性分析说明
鉴于中国地域辽阔、区域差异显著，且经济发展进入新常态，划分经济区域和发展阶段对城镇化与碳排放交互机制进行异质性分析（表2）。其一，由于东、中、西部地区的城镇化水平与发展模式差异显著，因此，基于经济区域将中国划分为东、中、西部地区进行空间异质性分析。其二，自中国加入WTO以来，工业发展加快、能源消耗加剧，碳排放进入快速攀升期。2017年，党的“十九大”以来，中国经济由快速发展阶段转向高质量发展阶段，绿色低碳发展转型上升到新台阶，碳排放增速明显放缓并迈向高峰平台期。因此，将发展阶段分为2003—2016年（经济快速发展阶段）与2017—2020年（经济高质量发展转型阶段）进行时间异质性分析。
表2 经济区域和发展阶段划分

Table 2 Division of economic regions and development stages

经济区域划分 发展阶段划分
东部地区 北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南 2003—2016年 经济快速发展阶段
中部地区 山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南 2017—2020年 经济高质量发展转型阶段
西部地区 四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏、新疆、广西、内蒙古

3.2 实证结果分析

3.2.1 中国城镇化与碳排放耦合关系分析

如图3所示，过去三十年间（1990—2020年），中国城镇化率年均增长0.91个百分点，碳排放年均增长2.12亿t，两者呈协同增长趋势，这与理论分析一致，即城镇化在快速发展阶段对碳排放具有促进作用。碳排放急剧增长至5倍，直接原因为能源消费在快速城镇化进程中扩张了4.8倍，即“城镇化—能源消耗—碳排放”是城镇化与碳排放耦合交互的根本途径和逻辑主线。在此期间，经济快速发展、人口大量转移和城镇急剧扩张，是城镇化与碳排放耦合交互的底层逻辑、重要因素和空间保障。基于此，对城镇化率、产业城镇化、人口城镇化、土地城镇化与碳排放进行脱钩分析。各脱钩系数演变趋势相近，产业、人口和土地城镇化与碳排放长期处于挂钩状态（除受1998年亚洲金融危机影响，1999年城镇化率与碳排放出现强脱钩）。2001年，中国加入WTO，工业化进程加快，城镇化率与碳排放耦合关系从弱脱钩转变为增长耦合，乃至增长负脱钩，脱钩系数在2007年达到峰值。此后，城镇化率与碳排放出现脱钩趋势，并在部分年份出现强脱钩。总体而言，城镇化与碳排放的脱钩系数演变趋势呈倒U型。当前阶段，城镇化与碳排放间的矛盾已开始缓和，但两者间尚存在弱脱钩的耦合关系，需要持续推动城镇绿色低碳发展转型方可实现碳达峰。
图3 中国城镇化与碳排放耦合关系

Fig. 3 The coupling relationship between urbanization and carbon emissions in China

3.2.2 中国城镇化对碳排放作用效应分解

过去三十年间，中国城镇化对碳排放兼具正向效应与负向效应，综合效应即碳排放增长85.34亿t，基于本文构建的Kaya-LMDI模型，作用效应分解结果如下（表3、图4）：
表3 城镇化对碳排放作用效应分解结果

Table 3 The decomposition results of the effect of urbanization on carbon emissions

分解指标 ∆ I C E ∆ I E G ∆ I C E + ∆ I E G ∆ I G P ∆ I G P + ∆ I P L + ∆ I L
指标解释 能源结构 能源效率 低碳经济结构 人均经济水平 经济规模
贡献量/亿t 1.37 -139.98 -138.61 163.53 223.95
贡献率/% 1.60 -164.03 -162.43 191.63 262.42
分解指标 ∆ I P L+ ∆ I L ∆ I P L ∆ I L ∆ I G P+ ∆ I P L ∆ C
指标解释 城镇人口规模 城镇人口密度 城镇用地规模 城镇建用地强度 碳排放
贡献量/亿t 60.41 -25.24 85.66 138.29 85.34
贡献率/% 70.79 -29.58 100.37 162.05 100.00
图4 中国城镇化对碳排放作用效应

Fig. 4 The effect of urbanization on carbon emissions in China

其一，基于经济发展视角。人均经济水平（人均第二三产业产值）提高，促进碳排放增长163.53亿t，贡献率高达191.63%，且经济增长效应与综合效应演变趋势总体同步，表明经济增长与产业发展是碳排放增长的决定性因素。为此，中国持续推动经济结构低碳转型，并努力实现碳减排。能源效率提高促进碳减排139.98亿t，贡献率为-164.03%，强化能源利用技术和促进产业升级是碳减排的关键。但是，在快速工业化背景与“富煤、贫油和少气”的资源禀赋国情下，相较三十年前，能源结构尚未做出重大调整，非化石能源至今仍占比近八成，以至能源结构调整反而促进碳排放增长1.37亿t，贡献率为1.6%。2014年后，能源结构优化对碳减排的积极作用逐渐明显，但尚有巨大降碳潜力未释放。其二，基于人口转移视角。城镇人口主要因城乡人口转移增加，由于城乡间存在较大能耗差距以及第二三产业发展依赖更多城镇劳动力人口，城镇人口规模增加促进碳排放增长60.41亿t，贡献率为70.79%。虽然城镇人口密度降低减轻了碳排放在城镇空间的集聚效应，促进碳减排25.24亿t，贡献率为-29.58%，但这由土地城镇化快于人口城镇化导致。其三，基于城镇扩张视角。伴随城镇化推进，城镇用地规模持续扩大以承载更多产业和人口，间接使得城镇物质能源消耗总量增加，促进碳排放增长85.66亿t，贡献率为100.37%。同时，城镇用地强度提升，使得单位土地上的物质能源消耗提高，促进碳排放增长138.29亿t，贡献率为162.05%。研究表明，土地城镇化对碳排放的间接影响不仅在于用地规模，更在于用地强度。

3.2.3 中国城镇化与碳排放交互机制考察

（1）基准回归结果分析
基准回归模型所选取变量及回归结果见表4的第（1）~第（3）组，第（1）组采用混合OLS回归，第（2）组考虑省级固定效应，第（3）组考虑省级固定效应和时间固定效应的双向固定效应。前三组结果中，能源结构、第二三产业占比、城镇人口和城镇建成区面积的系数均为正，能源效率的系数均为负，且均通过5%的显著性检验。表明能源结构调整、产业发展、人口转移和城镇扩张在中国城镇化进程中均显著促进碳排放，而能源效率提升显著促进碳减排。基于理论分析，除所选取主要解释变量之外，城镇化对碳排放在省（自治区、直辖市）和年份间存在如政策制度、产业基础与发展模式等非观测效应；基于计量角度，双向固定效应模型能够缓解内生性问题，使得估计结果更可靠；基于实证对比，第（3）组采用双向固定效应模型，拟合优度0.959优于第（1）组的0.896和第（2）组的0.868。因此，双向固定效应模型估计结果更加稳健。由于计量模型对被解释变量和解释变量均取对数处理，因此待估参数具有弹性的经济含义，基于第（3）组回归结果可知，2003—2020年，中国能源结构、能源效率、第二三产业占比、城镇人口、城镇建成区面积分别提升1%，则碳排放相应增长1.111%、-0.560%、0.771%、0.477%、0.488%。
表4 中国城镇化与碳排放交互机制考察：回归分析结果

Table 4 Investigation on the interaction mechanism between urbanization and carbon emissions in China: Regression analysis results

变量 （1）lnC （2）lnC （3）lnC （4）lnC （5）lnC （6）lnC （7）lnC （8）lnC
lnCE 1.230*** 1.252*** 1.111*** 1.063*** 1.071*** 1.115*** 1.096*** 1.114***
(25.27) (24.60) (22.19) (21.81) (18.85) (23.13) (19.91) (24.92)
lnEG -0.392*** -0.265*** -0.560*** -0.555*** -0.572*** -0.558*** -0.546*** -0.528***
(-16.41) (-7.15) (-7.34) (-7.64) (-6.37) (-7.60) (-7.13) (-6.36)
lngdp23_r 2.835*** 0.733*** 0.771*** 0.944*** 0.763*** 0.844*** 0.881***
(15.45) (4.80) (3.29) (4.05) (3.27) (3.77) (3.78)
lngdp2_r 0.509***
(4.83)
lngdp3_r -0.002
(-0.02)
lnu_pop 0.432*** 1.047*** 0.477** 0.529** 0.471** 0.529**
(9.31) (10.15) (2.56) (2.72) (2.57) (2.61)
lnr_pop 0.062
(0.72)
lnur_r 0.230*
(1.73)
lnlabor23 0.167*
(1.86)
lnland 0.487*** 0.635*** 0.488*** 0.290*** 0.522*** 0.506*** 0.561***
(10.55) (9.53) (5.83) (3.11) (5.74) (5.11) (7.80)
L.lnland 0.415***
(4.59)
Constant 2.679*** -3.274*** 1.577 2.828** 4.012*** 1.032 3.456*** 1.879
(15.29) (-5.63) (1.51) (2.07) (8.31) (0.76) (4.72) (1.66)
省份固定效应 否 是 是 是 是 是 是 是
时间固定效应 否 否 是 是 是 是 是 是
Observations/个 540 540 540 540 540 540 540 510
R-squared 0.896 0.868 0.959 0.965 0.956 0.959 0.957 0.951
Adj R2 0.895 0.859 0.958 0.963 0.954 0.958 0.956 0.949
F 780.4 661.7 309.1 732.4 356.9 294.4 256.6 691.3
Num of prov/个 30 30 30 30 30 30 30

注：***为p<0.01，**为p<0.05，*为p<0.1，下同。

（2）进一步考察及稳健性检验
基于产业、人口和土地城镇化更多维度设置解释变量，以求进一步考察城镇化与碳排放交互机制，同时检验参数估计的稳健性（表4）。其一，理论上，产业城镇化在以工业化为主导的阶段，较为依赖能源消耗并产生大量碳排放，但随着产业发展转型，第三产业将成为经济发展支柱，产业城镇化以知识化、技术化和专业化为导向，则不再促进碳排放增长。鉴于此，将变量第二三产业占比拆分为第二产业占比和第三产业占比两个变量，见第（4）组，前者系数通过1%的显著性检验，后者系数小且不显著，检验了过去产业城镇化以工业化为主导，第二产业是促进碳排放增长的关键，而第三产业对碳排放并无显著促进作用。其二，基于城乡人口结构、规模和劳动力多个视角，深化分析人口城镇化与碳排放交互机制。从城乡人口结构角度出发，将变量城镇人口替换为变量城镇化率，城镇化率的系数仍然为正且通过1%的显著性检验，再次验证人口城镇化对碳排放的促进作用，但系数变小，表明城镇人口规模增长相较城乡人口结构调整对碳排放的直接冲击更大，见第（5）组。从城乡人口规模出发，在变量城镇人口基础上，新增变量农村人口，农村人口的系数为正、但较小且不显著，表明农村人口增长对碳排放的促进作用较小且不显著，而城镇人口的系数未发生较大变化且依旧显著，表明城镇人口对碳排放的作用占据主导，见第（6）组。从劳动力角度出发，将变量城镇人口替换为变量第二三产业就业人员，第二三产业就业人员的系数为正且通过了10%的显著性检验，表明劳动力非农化对碳排放的促进作用显著，但系数及显著度均下降，表明城乡人口转移对碳排放的作用，不限于第二三产业劳动力人口，随着劳动力进城的家庭非劳动力人口，在城镇也有着更高的能源消耗从而促进碳排放增长，见第（7）组。其三，考虑到产业和人口在新增城镇建设用地上的配置具有滞后性，将变量城镇建成区面积替换为其滞后一期的变量，城镇建成区面积系数仍为正且通过1%的显著性检验，表明土地城镇化对碳排放的促进作用，除当期之外还存在滞后效应，见第（8）组。综合分析以上8组模型，拟合优度均较高，估计参数均高度显著，不同模型间参数变化较小，所构建的计量模型和回归结果总体上较为稳健。
（3）异质性分析
空间异质性分析结果显示（表5）：其一，能源结构调整显著影响各地区碳排放，但对西部地区影响最大、对东部地区影响次之、对中部地区影响相对较小。原因可能在于，西部地区资源丰裕是主要能源生产地，东部地区经济活跃是主要能源消耗区。其二，能源效率提升显著促进各地区碳减排，但能源效率提升的降碳效应，从东至西依次增强。原因可能在于，中西部地区重能耗产业较多且高新产业较少，能源效率较东部地区更低，能源效率提升空间及其降碳潜力更大。其三，产业结构升级显著促进各地区碳排放，但对西部地区影响最大、对中部地区影响次之、对东部地区影响相对较弱。原因可能在于，中西部地区工业化起步较晚，产业结构升级仍以由农业转向工业为主，从而对碳排放的促进作用较强。东部地区产业化程度较高，在工业化进程中，除工业产值增加之外，第二产业调整为第三产业的趋势更明显，从而减少了产业结构升级对碳排放的促进作用。其四，人口城镇化显著促进各地区碳排放增长，但对西部地区促进作用更强。西部地区相对东部地区，城镇人口更为稀缺，产业发展和物质能源消耗受城镇人口的影响更大。土地城镇化显著促进各地区碳排放增长，但对东部地区促进作用更强，东部地区经济发达且人口稠密，对建设用地需求更大，城镇建设用地对产业格局和物质能源消耗的制约更强。此外，中部地区城镇人口与建设用地的增长耦合度较高，易产生严重共线性问题，因此模型中需要舍弃变量城镇建成区面积。
表5 中国城镇化与碳排放交互机制考察：异质性分析结果

Table 5 Investigation on the interaction mechanism between urbanization and carbon emissions in China: Results of heterogeneity analysis

变量 （1）全样本
lnC		 （2）东部
lnC		 （3）中部
lnC		 （4）西部
lnC		 （5）2003—2016年lnC （6）2017—2020年lnC
lnCE 1.111*** 1.127*** 0.699*** 1.142*** 1.307*** 1.060***
(22.19) (22.11) (6.20) (33.30) (19.92) (38.98)
lnEG -0.560*** -0.107* -0.401*** -0.646*** -0.233*** -0.170***
(-7.34) (-1.92) (-5.58) (-18.58) (-5.14) (-2.78)
lngdp23_r 0.771*** 0.304** 0.624*** 0.817*** 0.403*** 0.055
(3.29) (2.23) (2.75) (4.61) (2.65) (0.12)
lnu_pop 0.477** 0.246** 0.649*** 0.538*** 1.161*** 0.520***
(2.56) (2.38) (5.56) (3.71) (9.31) (5.26)
lnland 0.488*** 0.663*** 0.205*** 0.739*** 0.374***
(5.83) (11.43) (2.91) (10.08) (3.78)
Constant 1.577 2.232*** 0.499 2.753*** -4.926*** 2.752***
(1.51) (2.83) (0.68) (2.92) (-6.50) (3.68)
省份固定效应 是 是 是 是 是 是
时间固定效应 是 是 是 是 否 否
Observations/个 540 198 144 198 420 120
R-squared 0.959 0.966 0.966 0.981 0.880 0.953
Adj R2 0.958 0.959 0.957 0.977 0.869 0.934
Num of prov/个 30 11 8 11 30 30
F 309.1 212.0 147.3 379.5 564.1 346.0
时间异质性分析结果显示（表5），在经济快速发展阶段（2003—2016年）转向经济高质量发展转型阶段（2017—2020年）的过程中，发生以下变化：其一，能源结构对碳排放的影响减弱，可能由于能源结构中化石能源比例降低、清洁能源比例上升。其二，能源效率提升的降碳效应减弱，可能由于当前能源效率已较工业化前中期实现巨大突破，过高能耗的产业已减少，在新的技术瓶颈下，通过提升能源效率进一步促进碳减排面临更多艰难。其三，产业城镇化对碳排放的促进作用由强变弱，显著性由显著变为不显著，表明产业重心正在从工业转变为第三产业。其四，人口城镇化和土地城镇化对碳排放的促进作用减弱，表明城镇居民低碳生活方式与国土空间低碳利用模式逐渐形成，使得城镇人口、用地规模与碳排放走向脱钩。以上结论表明，近年来，中国推进绿色低碳发展转型取得卓越成效，碳排放增长动力逐渐衰竭，但突破技术瓶颈实现深度碳减排仍面临严峻挑战。
尽管“城镇化—物质能源消耗—碳排放”是城镇化与碳排放交互的根本途径和逻辑主线，但是城镇化与碳排放既非简单线性关系，也不能被环境库兹涅茨理论（倒U型关系）完全解释。本文对城镇化与碳排放交互机制做出一种解释，即：产业、人口和土地，既是城镇化的关键物质要素，又是碳排放的主要来源、消耗主体和空间载体，其交互演变构成碳排放变化的逻辑起点。经济发展、人口转移和城镇扩张，既是“产业—人口—土地”城镇化的发展要素，又是碳排放的驱动因素，成为城镇化与碳排放耦合交互的底层逻辑、重要因素和空间保障。以上解释基于交互机制考察得到多重验证，交互机制的系统性和复杂性具体表现为，在城镇化过程中，能源结构、能源效率、产业结构、城乡人口和土地利用等不断变化，并产生规模、结构、技术、人口和土地等多种碳排放效应，综合作用并改变碳排放演变轨迹。因区域发展模式差异，城镇化与碳排放交互机制具有空间异质性，如由于东部地区第三产业占比较高，产业发展对碳排放的促进作用弱于中西部地区。同时，除经济发展转型之外，过度碳排放导致的资源环境约束，也会反馈调节城镇化的发展范式，使得城镇化与碳排放交互机制具有时间异质性，如自2017年以来，中国进入经济高质量发展阶段，绿色低碳发展转型力度加大，产业、人口和土地城镇化对碳排放的促进作用下降。

4 结论与建议

4.1 主要结论

本文基于经济发展、人口转移和城镇扩张视角，分析“产业—人口—土地”城镇化与碳排放机制，进而综合运用脱钩分析、Kaya-LMDI因素分解模型和STIRPAT-LSDV模型，实证研究中国城镇化与碳排放的耦合关系、作用效应和交互机制，主要研究结论如下：
（1）文献综述表明：“城镇化—物质能源消耗—碳排放”是城镇化与碳排放耦合交互的根本途径和逻辑主线，环境库兹涅茨理论能够概括城镇化与碳排放的总体关系，即城镇化在快速发展阶段对碳排放具有促进作用，而进入饱和阶段后对碳减排的贡献逐渐显著。（2）理论分析判断：产业、人口和土地，既是城镇化的关键物质要素，又是碳排放的主要来源、消耗主体和空间载体，其交互演变构成碳排放变化的逻辑起点。经济发展、人口转移和城镇扩张，既是“产业—人口—土地”城镇化的发展要素，又是碳排放的驱动因素，是城镇化与碳排放耦合交互的底层逻辑、重要因素和空间保障。（3）耦合关系分析：中国加入WTO以来，工业化进程加快，城镇化与碳排放耦合关系从弱脱钩转变为增长耦合乃至增长负脱钩。随着城镇化绿色低碳发展转型，城镇化与碳排放又从挂钩转向脱钩，但当前尚存在弱脱钩的耦合关系。（4）作用效应分解：1990—2020年，中国能源结构、能源效率、低碳经济结构、人均经济水平、经济规模、城镇人口规模、城镇人口密度、城镇用地规模、城镇用地强度在城镇化进程中的变动，对碳排放的作用效应分别为1.37亿t、-139.98亿t、-138.61亿t、163.53亿t、223.95亿t、60.41亿t、-25.24亿t、85.66亿t、138.29亿t。（5）交互机制考察显示：2003—2020年，中国能源结构、能源效率、第二三产业占比、城镇人口和城镇建成区面积分别提升1%，则碳排放相应增长1.111%、-0.560%、0.771%、0.477%、0.488%。进一步分析发现，过去产业城镇化以工业化为主导并促进碳排放快速增长，但第三产业未显著促进碳排放。城镇人口增加显著促进碳排放增长，农村人口增加对碳排放的促进作用并不显著。城乡人口转移对碳排放的促进作用，既因产业劳动力人口关联产业规模及其能耗水平，又因家庭非劳动力人口进入城镇后能耗水平增加。由于产业和人口在新增城镇建设用地上的配置存在滞后性，土地城镇化对碳排放的促进作用也存在滞后效应。异质性分析发现，因区域发展模式差异和城镇化发展范式转变，城镇化对碳排放交互机制具有时空异质性，特别自2017年以来，中国进入经济高质量发展阶段，绿色低碳转型力度持续加大，产业、人口和土地城镇化对碳排放的促进作用下降。

4.2 策略建议

1978年改革开放以来，中国通过城镇化建设取得巨大经济效益，也因过度碳排放面临严峻的资源环境问题。当前中国正处于经济由高速增长转向高质量发展的转型时期，也处于深化绿色低碳发展转型和夺取“2030年前实现碳达峰”目标胜利的窗口期，因此，协同推进新型城镇化和“双碳”工作的任务重大且紧迫。为此，本文基于研究发现提出以下策略建议：
其一，加快形成城镇化与碳减排协同机制，推动经济发展低碳转型、引导城乡人口合理转移和保障城镇空间有序扩张，注重产业、人口和土地在城镇化进程中的科学配置。鉴于城镇化与碳排放交互机制的时空异质性，政府需因势导利、因地制宜地制定城镇化绿色低碳发展战略。东部地区经济发达且作为主要能源消耗区，需依托发展优势，重点突破低碳技术、引领产业升级和提高能源效率。中西部地区作为主要能源生产区，需加快调整能源结构，重点突破新能源技术，适当控制煤炭等化石能源消耗。其二，尽管能源结构对碳排放的弹性较高，但由于能源总需求刚性扩大、清洁能源占比提升不足，在过去三十年间，能源结构调整反而促进碳排放增长1.37亿t，直至2014年后，能源结构调整的降碳效应才逐渐显著。因此，需重点突破新能源技术瓶颈，适度控制化石能源消耗，释放能源结构调整的巨大降碳潜力。过去能源效率提高的降碳效应显著，但未来进一步提高能源效率面临更多技术瓶颈，仍需不断突破关键能源利用技术，从而实现深度碳减排。其三，产业城镇化在以工业化为主导的阶段促进碳排放快速增长，但第三产业对碳排放并无显著促进作用。需把握后工业时代的新机遇，为产业绿色低碳发展转型提供技术支撑和制度保障，逐步淘汰低产能、高能耗、高污染产业，建设知识技术密集、绿色低碳环保的城镇产业体系。其四，由于城镇人口增加快、城镇居民生活能耗高，人口城镇化对碳排放的促进作用显著，需优化人口流动机制，并通过低碳技术、绿色规划、环保制度和节约理念，构建城镇居民绿色低碳生活模式。其五，需关注土地城镇化对碳排放的促进作用及其滞后效应，尤其是东部地区。应以产业发展和居民生活的实际用地需求为准则，优化城镇建设用地供给，对城镇建设用地做出既“控规模”又“控强度”的双低碳约束，通过国土空间规划的宏观和预先调控作用，引导产业绿色低碳发展转型，保护巩固城市碳汇能力，构建国土空间低碳利用格局。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
ROGELJ J, LUDERER G, PIETZCKER R C, et al. Energy system transformations for limiting end-of-century warming to below 1.5 ℃. Nature Climate Change, 2015, 5(6): 519-527.

[2]
中共中央, 国务院. 国家新型城镇化规划(2014—2020年). 北京: 人民出版社, 2014.

[CPC Central Committee, State Council. National New Urbanization Plan (2014-2020). Beijing: People's Publishing House, 2014.]

[3]
习近平. 继往开来,开启全球应对气候变化新征程: 在气候雄心峰会上的讲话. 人民日报, 2020-12-13( 2).

[XI J P. Building on past achievements and embarking on a new global journey to tackle climate change: Speech at the Climate Ambition Summit. People's Daily, 2020-12-13( 2).]

[4]
习近平. 中国共产党第二十次全国代表大会报告. 新华社, 2022-10-16.

[XI J P. Report of the 20th National Congress of the Communist Party of China. Xinhua News Agency, 2020-10-16.]

[5]
顾朝林, 管卫华, 刘合林. 中国城镇化2050: SD模型与过程模拟. 中国科学: 地球科学, 2017, 47(7): 818-832.

[GU C L, GUAN W H, LIU H L. China urbanization 2050: SD model and process simulation. Scientia Sinica: Terrae, 2017, 47(7): 818-832.]

[6]
杜修立, 张昱昭. 中国城镇化率提升的动力分解与新发展阶段趋势预测: 基于国际比较的一种新方法. 统计研究, 2022, 39(2): 33-47.

[DU X L, ZHANG Y Z. Dynamic decomposition and new development stage trend prediction of China's urbanization rate increase: A new method based on international comparison. Statistical Research, 2022, 39(2): 33-47.]

[7]
SATHAYE J, MEYERS S. Energy use in cities of the developing countries. Annual Review of Energy, 1985, (10): 109-133.

[8]
DOGAN E, TURKEKUL B. CO2 emissions, real output, energy consumption, trade, urbanization and financial development: Testing the EKC hypothesis for the USA. Environmental Science and Pollution Research, 2016, 23(2): 1203-1213.

[9]
HIROYUKI I. The effect of urbanization on energy consumption. The Journal of Population Problems, 1997, 53(2): 43-49.

[10]
COLE M A, NEUMAYER E. Examining the impact of demographic factors on air pollution. Population and Environment, 2004, 26(1): 5-21.

[11]
LIDDLE B. Demographic dynamics and per capita environmental impact: Using panel regressions and household decompositions to examine population and transport. Population and Environment, 2004, 26(1): 23-39.

[12]
CHEN H, JIA B, LAU S S Y. Sustainable urban form for Chinese compact cities: Challenges of a rapid urbanized economy. Habitat International, 2008, 32: 28-40.

[13]
ALI H S, ABDUL-RAHIM A S, RIBADU M B. Urbanization and carbon dioxide emissions in Singapore: Evidence from the ARDL approach. Environmental Science and Pollution Research, 2017, 24: 1967-1974.

[14]
KHAN K, SU C W. Urbanization and carbon emissions: A panel threshold analysis. Environmental Science and Pollution Research, 2021, 28: 26073-26081.

[15]
TAWFEEQ M. The spillover impacts of urbanization and energy usage on CO2 emissions: A regional analysis in the United States. Energy Exploration & Exploitation, 2023, 41(4): 1484-1499.

[16]
MARTÍNEZ-ZARZOSO I, MARUOTTI A. The impact of urbanization on CO2 emissions: Evidence from developing countries. Ecological Economics, 2011, 70(7): 1344-1353.

[17]
XU Q, DONG Y, YANG R. Urbanization impact on carbon emissions in the Pearl River Delta Region: Kuznets curve relationships. Journal of Cleaner Production, 2018, 180: 514-523.

[18]
刘婕, 魏玮. 城镇化率、要素禀赋对全要素碳减排效率的影响. 中国人口·资源与环境, 2014, 24(8): 42-48.

[LIU J, WEI W. Effects of urbanization rate and factor endowment on the efficiency of total factor carbon emission reduction. China Population, Resources and Environment, 2014, 24(8): 42-48.]

[19]
林伯强, 刘希颖. 中国城市化阶段的碳排放: 影响因素和减排策略. 经济研究, 2010, 45(8): 66-78.

[LIN B Q, LIU X Y. Carbon emissions in China's urbanization stage: Influencing factors and emission reduction strategies. Economic Research Journal, 2010, 45(8): 66-78.]

[20]
周葵, 戴小文. 中国城市化进程与碳排放量关系的实证研究. 中国人口·资源与环境, 2013, 23(4): 41-48.

[ZHOU K, DAI X W. Empirical study on the relationship between urbanization and carbon emissions in China. China Population, Resources and Environment, 2013, 23(4): 41-48.]

[21]
孙玉阳, 侯晓娜, 柳清瑞. 城镇化进程中碳排放轨迹及其传导机制. 技术经济与管理研究, 2023, (4): 78-82.

[SUN Y Y, HOU X N, LIU Q R. Carbon emission trajectory and its transmission mechanism in the process of urbanization. Techno-economic and Management Research, 2023, (4): 78-82.]

[22]
刘希雅, 王宇飞, 宋祺佼, 等. 城镇化过程中的碳排放来源. 中国人口·资源与环境, 2015, 25(1): 61-66.

[LIU X Y, WANG Y F, SONG Q J, et al. Sources of carbon emissions in the process of urbanization. China Population, Resources and Environment, 2015, 25(1): 61-66.]

[23]
张腾飞, 杨俊, 盛鹏飞. 城镇化对中国碳排放的影响及作用渠道. 中国人口·资源与环境, 2016, 26(2): 47-57.

[ZHANG T F, YANG J, SHENG P F. Effects and channels of urbanization on carbon emissions in China. China Population, Resources and Environment, 2016, 26(2): 47-57.]

[24]
王志强, 蒲春玲. 中国城镇化碳排放核算体系构建与实证. 统计与决策, 2022, 38(7): 57-61.

[WANG Z Q, PU C L. Construction and demonstration of China's urbanization carbon emission accounting system. Statistics & Decision, 2022, 38(7): 57-61.]

[25]
沈杨, 汪聪聪, 高超, 等. 基于城市化的浙江省湾区经济带碳排放时空分布特征及影响因素分析. 自然资源学报, 2020, 35(2): 329-342.

DOI

[SHEN Y, WANG C C, GAO C, et al. Analysis of spatial and temporal distribution characteristics and influencing factors of carbon emissions in the bay area economic belt of Zhejiang province based on urbanization. Journal of Natural Resources, 2020, 35(2): 329-342.]

DOI

[26]
李竹, 王兆峰, 吴卫, 等. 碳中和目标下中国省域碳平衡能力与城镇化的关系. 自然资源学报, 2022, 37(12): 3136-3152.

DOI

[LI Z, WANG Z F, WU W, et al. The relationship between China's provincial carbon balance capacity and urbanization under the goal of carbon neutrality. Journal of Natural Resources, 2022, 37(12): 3136-3152.]

[27]
李硕硕, 刘耀彬, 骆康. 环鄱阳湖县域新型城镇化对碳排放强度的空间溢出效应. 资源科学, 2022, 44(7): 1449-1462.

DOI

[LI S S, LIU Y B, LUO K. Spatial spillover effect of new urbanization on carbon emission intensity in counties around Poyang Lake. Resources Science, 2022, 44(7): 1449-1462.]

[28]
俞洁, 张勇, 李清瑶. 长三角碳排放空间关联网络结构特征及演化机制. 自然资源学报, 2024, 39(2): 372-391.

DOI

[YU J, ZHANG Y, LI Q Y. Structural characteristics and evolutionary mechanism of spatial correlation network of carbon emissions in the Yangtze River Delta. Journal of Natural Resources, 2024, 39(2): 372-391.]

DOI

[29]
张莹, 雷国平, 周敏, 等. 中国人口土地产业城镇化的协同演化状况. 城市问题, 2019, (1):14-22.

[ZHANG Y, LEI G P, ZHOU M, et al. The co-evolution of population and land industry urbanization in China. Urban Problems, 2019, (1): 14-22.]

[30]
丁明磊, 杨晓娜, 赵荣钦, 等. 碳中和目标下的国土空间格局优化: 理论框架与实践策略. 自然资源学报, 2022, 37(5): 1137-1147.

DOI

[DING M L, YANG X N, ZHAO R Q, et al. Territorial spatial pattern optimization under the goal of carbon neutrality: Theoretical framework and practical strategies. Journal of Natural Resources, 2022, 37(5): 1137-1147.]

[31]
庄贵阳, 窦晓铭, 魏鸣昕. 碳达峰碳中和的学理阐释与路径分析. 兰州大学学报: 社会科学版, 2022, 50(1): 57-68.

[ZHUANG G Y, DOU X M, WEI M X. Theoretical interpretation and path analysis of carbon neutralization of carbon peaks. Journal of Lanzhou University: Social Sciences, 2022, 50(1): 57-68.]

[32]
曲福田, 卢娜, 冯淑怡. 土地利用变化对碳排放的影响. 中国人口·资源与环境, 2011, 21(10): 76-83.

[QU F T, LU N, FENG S Y. Effects of land use change on carbon emissions. China Population, Resources and Environment, 2011, 21(10): 76-83.]

[33]
李光亮, 李效顺, 和伟康, 等. 基于系统建模的城市土地利用碳达峰仿真研究: 以江苏省为例. 长江流域资源与环境, 2023, 32(2): 260-272.

[LI G L, LI X S, HE W K, et al. Simulation of urban land use carbon peak based on system modeling: Taking Jiangsu province as an example. Resources and Environment in the Yangtze River Basin, 2023, 32(2): 260-272.]

[34]
李效顺, 曲福田, 郭忠兴, 等. 城乡建设用地变化的脱钩研究. 中国人口·资源与环境, 2008, 18(5):179-184.

[LI X S, QU F T, GUO Z X, et al. Decoupling of urban and rural construction land change. China Population, Resources and Environment, 2008, 18(5): 179-184.]

[35]
KAYA Y. Impact of carbon dioxide emission control on GNP growth: Interpretation of proposed scenarios. Paris: IPCC Energy and Industry Subgroup, 1989.

[36]
ANG B. W. Decomposition analysis for policymaking in energy: Which is the preferred method?. Energy policy, 2004, 32(9): 1131-1139.

[37]
卢娜, 曲福田, 冯淑怡, 等. 基于STIRPAT模型的能源消费碳足迹变化及影响因素: 以江苏省苏锡常地区为例. 自然资源学报, 2011, 26(5): 814-824.

[LU N, QU F T, FENG S Y, et al. Trends and determining factors of energy consumption carbon footprint: An analysis for Suzhou-Wuxi-Changzhou region based on STIRPAT model. Journal of Natural Resources, 2011, 26(5): 814-824.]

[38]
IPCC. Climate Change 2007: The Fourth Assessment Report of the Inter governmental Panel on Climate Change. England: Cambridge University Press, 2007.

Options
文章导航

/

〈 〉