EN中文

JOURNAL OF NATURAL RESOURCES >

2022 , Vol. 37 >Issue 12: 3136 - 3152

DOI: https://doi.org/10.31497/zrzyxb.20221208

Regular Articles

The relationship between China's provincial carbon balance capacity and urbanization under carbon neutrality target

  • LI Zhu , 1 ,
  • WANG Zhao-feng , 1 ,
  • WU Wei 1, 2 ,
  • SHAO Hai-qin 1
Expand
  • 1. College of Tourism, Hunan Normal University, Changsha 410081, China
  • 2. Hunan Institute of Economic Geography, Hunan University of Finance and Economics, Changsha 410205, China

Received date: 2021-11-05

  Revised date: 2022-04-04

  Online published: 2022-12-28

Fold

Abstract

It has great theoretical value and practical significance to clarify the relationship between carbon balance capacity and urbanization for realizing the carbon neutrality target and the development of new urbanization. The greenhouse gas inventory method, carbon absorption inventory method, carbon balance index method and multiple urbanization measurement method were used to calculate the carbon balance capacity and urbanization indicators of various types of China's provincial-level regions from 1999 to 2018 respectively. The spatial natural breakpoint classification method and Granger causality test were used to analyze the spatio-temporal evolution and interaction between China's provincial carbon balance capacity and urbanization. Furthermore, the development paths of new urbanization in different types of regions were discussed. Main conclusions are as follows: Firstly, China's provincial carbon emissions continue to increase, carbon absorption continue to decline and carbon balance capacity showed four trends, namely, increasing, decreasing, decreasing first and then increasing, and increasing first and then decreasing. The spatial distribution of carbon emissions presented a pattern of "more in the east and less in the west", and the spatial distributions of carbon absorption and carbon balance capacity were "more in the west and less in the east" and "stronger in the west and weaker in the east", respectively. Secondly, the population, economy, space, ecological urbanization and urbanization comprehensive indexes of China's provinces were increasing continuously. In addition, the spatial urbanization showed a pattern of "high in the west and low in the east", while the other types of urbanization showed "high in the east and low in the west" distribution. Thirdly, except for spatial urbanization, the relationship between carbon balance capacity and various types of urbanization was feedback type, and the provincial growth and protection type was the most, followed by the reduction and destruction type, and the neutral type was the least. The development path of China's new urbanization can be divided into four types: growth and protection type, destruction and reduction type, feedback type and neutral type. Improving regional carbon balance capacity and enhancing the development path of new urbanization had important theoretical and practical significance for realizing regional sustainable development targets. Regional differences in population, economic, social and ecological development had an influence on the realization of "dual carbon" and new urbanization goals. Therefore, in designing carbon reduction action plans, regional differences should be considered to identify carbon reduction levels and adopt differentiated measures to form carbon reduction networks.

Key words： carbon neutrality; carbon balance capacity; urbanization; spatio-temporal evolution; provincial differences

Cite this article

LI Zhu , WANG Zhao-feng , WU Wei , SHAO Hai-qin . The relationship between China's provincial carbon balance capacity and urbanization under carbon neutrality target[J]. JOURNAL OF NATURAL RESOURCES, 2022 , 37(12) : 3136 -3152 . DOI: 10.31497/zrzyxb.20221208

2020年9月，习近平总书记在第七十五届联合国大会一般性辩论上郑重承诺“中国将提高国家自主贡献力度，采取更加有力的政策和措施，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”，标志着中国进入绿色低碳和节能减排的关键期与攻坚期[1]。目前，中国城镇化率不断提升且已经突破60%，但“十五”规划后中国城镇化进程出现“冒进”苗头，逐渐暴露碳排放过量、耕地被侵占和生态遭受破坏等诸多问题[2⇓-4]。在碳达峰和碳中和目标的约束下，中国新型城镇化正迎来更大的挑战。城镇化进程加快不仅增加碳排放，而且土地利用性质的变更也会削弱碳吸收，最终影响碳平衡能力。碳平衡原指碳源和碳汇在数量或质量上相等。参考王磊等[5]和郭海湘等[6]提出的碳平衡水平定义，本文认为碳平衡能力是指区域实现碳吸收与碳排放中和的水平，主要考察碳吸收与碳排放之间的差距，碳吸收越大而碳排放越小表示碳平衡能力越强，反之则越弱。碳平衡能力的提升对城镇化发展具有重要影响，是促进区域经济高质量发展和推动生态文明建设的重要支撑[7]。鉴于此，探讨中国碳平衡能力与城镇化的互动关系，将为碳排放、碳平衡和城镇化相关理论研究提供新视角，对中国如期实现“双碳”目标及推动新型城镇化高质量发展具有重要的实践意义。
国内外关于碳平衡的研究成果较为丰富，研究内容主要聚焦于碳平衡的估算[8]、基于碳平衡的生态补偿量化研究[9]、森林碳平衡[10]、城市群碳平衡演化轨迹[6]、城市功能分区碳平衡[11]、政策对碳平衡的影响[12]和耕地变化对碳平衡的影响[13]等。研究领域主要集中于生物学、生态学和地理学等学科，如程分生等[14]分析马尾松不同套种模式生态系统碳平衡。研究对象主要集中于各行各业碳平衡，如Lafratta等[15]分析电力行业碳平衡，岳冬冬等[16]研究渔业碳平衡等。研究尺度主要为国家[3]、省域[13]和市县域[17,18]等范围。研究方法主要采用净值法[6]和系数法[11]：净值法通过计算碳排放与碳吸收的差值衡量碳平衡[6]，适用于绝对差异情况；系数法通过计算碳排放与碳吸收的比值衡量碳平衡[11]，适用于相对差异情况。目前国内外探讨碳平衡与城镇化互动关系的文献较少，且以宏观定性描述为主，如基于碳平衡的低碳城市发展和对策[19]，城乡生态补偿长效机制研究[20]等；讨论城镇化对碳排放影响的研究居多，如基于城镇化的碳排放时空分布研究[21]、城市为碳储量来源[22]、城镇化与碳排放效率的关系[3]等；其中，城镇化水平常使用如人口、土地和经济城镇化[4]等指标表征。
本文基于前人研究，进行如下改进：首先，在定量测算中国碳平衡能力的基础上，刻画30个省（市、自治区）的时空演变特征；其次，基于省域发展差异性的视角，运用Granger因果检验法，揭示不同省域碳平衡能力与城镇化的互动关系；最后提出近零碳城镇化的发展优化路径。综上，本文采用温室气体清单法、碳吸收清查法、碳平衡指标法、多元城镇化测量法分别测算1999—2018年中国整体和各省域的碳排放、碳吸收、碳平衡能力及各类城镇化水平，利用空间自然断点分级法分析上述变量的时空演变特征，运用Granger因果检验法研究中国碳平衡能力与城镇化的互动关系，并探讨面向低碳的不同类型新型城镇化发展优化路径。这既是先驱者探索碳平衡主题的延续和验证，也为中国实现“双碳”目标和推动新型城镇化发展提供重要的现实参考。

1 研究方法与数据来源

1.1 数据来源

本文主要研究1999—2018年中国30个省（市、自治区）碳平衡能力与城镇化的关系（除港澳台和西藏地区外）。城镇化数据主要来源于2000—2019年《中国统计年鉴》[23]和各省（市、自治区）统计年鉴，缺失数据采用邻近年份数据替代，能源消费数据主要来源于2000—2019年《中国能源统计年鉴》[24]，各分类土地利用面积数据[25]主要来源于国家自然资源部土地调查成果共享应用服务平台（http://tddc.mlr.gov.cn/to_Login）。根据已有年份实际地类数据分析，各地类面积逐年变动甚微，年均增长率变化较少，其中林地、耕地和园地微增，草地微减，水域和未利用地①(① 未利用地主要包括设施农用地、田坎、盐碱地、沼泽地和沙地等。)几乎不变。因此，根据各地类面积增减趋势，由邻近年份增减率微调而获得的数据基本与整体数据保持一致。鉴于统计年鉴和平台数据收集年份有限，且在目前无法获得完整年份的土地利用类型数据情况下，可依据增减趋势微调获得数据。因此，2008年及以前和2017年及以后的数据在参考已有统计年鉴数据的基础上根据各省域各地类面积邻近年份增减率微调获得[17]。

1.2 理论分析

1.2.1 碳平衡能力内在机理解析

探讨中国碳平衡能力的内在机理对实现我国碳达峰和碳中和战略目标具有重要的理论启示。在参考IPCC和关于碳平衡、碳排放与碳吸收等概念、内涵及机理文献的基础上[26]，本文对碳平衡能力的内在机理进行了系统性解析（图1）。碳平衡能力主要由碳排放和碳吸收共同决定。碳排放（又称“碳源”）包括将二氧化碳释放到大气中的任何过程或活动，主要有能源消费、工业过程和产品使用、农林业等土地利用、废弃物和其他等方面。沉积在大气圈中的二氧化碳浓度过高将破坏大气圈的热平衡，进而影响气候变化。碳吸收（又称“碳汇”）包括海洋碳汇和陆地碳汇。其中，海洋碳汇较为稳定，陆地碳汇受人类活动影响最大，尤其在城镇化进程加剧的背景下，对大气中二氧化碳浓度年际变化的影响相比于海洋碳汇更大，通过制定并实施碳减排措施增加陆地碳汇能极大中和大气中的二氧化碳，对我国实现“双碳”目标具有重要的实践价值[27]。因此本文主要考察陆地碳汇，即主要通过自然界植物的光合作用和碳捕集、利用与封存技术等吸收空气中的二氧化碳，从而将碳固定在土壤、植物或二氧化碳制成的工业产品中，减少大气圈中二氧化碳排放浓度。但由于碳捕集、利用与封存技术处于研发和推广初期，固碳效果相对较弱，因此本文估算过程中不考虑此项。
图1 碳平衡能力解析机制

Fig. 1 Analytical mechanism of carbon balance capacity

目前，与城市联系最为紧密的碳排放主要来源于能源消费，而工业过程和产品使用、农林业等土地利用、废弃物及其他方面有少量碳排放[28]。其中，能源消费碳排放主要包括农业、工业和服务业等方面，是影响碳平衡能力的重要组成部分。工业过程和产品使用产碳主要指钢铁、玻璃和水泥等生产和使用过程中释放二氧化碳。农林业等土地利用产碳主要指粮食与经济作物种植过程中甲烷释放、生物质能消费和秸秆焚烧等产碳。废弃物产碳主要指焚烧和填埋垃圾、生活废水和工业废水等过程中释放二氧化碳。其他方面包括水域碳排放、动植物呼吸和土壤呼吸等释放二氧化碳。碳吸收主要依赖于耕地、园地、林地、草地、水域和其他未利用地中植物光合作用[29]，以及碳捕集、利用与封存技术。中国土地面积辽阔、地貌类型多样、土地利用结构动态演变，土地利用碳汇成为影响碳平衡能力的重要组成部分。耕地和园地因具有高产量而碳吸收量较多，虽然少量碳通过粮食消耗和焚烧秸秆等方式排放，但余下碳依旧保留在耕地和园地的土壤中。森林碳吸收量在陆地碳汇中占比较大，主要指森林中的各类植被通过光合作用将大气中的二氧化碳吸收并封存于土壤中，以达到减少大气二氧化碳浓度的目的。草地的碳储量远小于林地，但随着“退耕还草”活动的开展，草地土壤碳储量增加。水域碳吸收主要通过水体固碳和干湿沉降等方式进行，主要包括湖泊、河流、池塘和滩涂等碳汇。未利用地通过沼泽地、荒草地、盐碱地和沙地等生长的植物与微生物具有固碳作用。

1.2.2 碳平衡能力与城镇化关系的形成机理分析

中国碳平衡能力与各类城镇化关系的形成机理详见图2。各省域内城市的人口规模、经济结构、土地扩张和生态治理等不同，导致各省域碳平衡能力与各类城镇化的关系存在显著的差异。城市人口对碳排放和碳吸收的影响主要通过生产方式与消费方式体现。人口规模庞大，能源消耗较多，促使碳排放增加，而加速人口聚集、优化人口结构和提高人口素质可推动传统城镇化向新型城镇化转变，促进碳吸收，最终影响碳平衡能力。城市经济实力越雄厚，碳平衡能力提升的资金保障越稳固，产业结构转型升级能有效淘汰能源消耗与碳排放量较大的产能，进而促进区域低碳发展，政府环境规制对城市减碳和增汇具有重要的指导性作用，均能促进碳平衡能力提升，而经济欠发达城市对碳平衡能力的驱动较弱。空间扩张较快的城市，建设用地增加促进碳排放量增加，同时减少碳汇用地，促使碳吸收量减少，将不利于碳平衡能力的有效提升。政府通过提高环保基础设施覆盖率、投入更多环保资金、打造专业环保人才队伍和制定专项环保政策等生态城镇化发展的举措，影响碳平衡能力。基于人口、资金资源、产业结构、环境规制、土地利用和基础设施投入等因素，中国碳平衡能力与城镇化综合指标密切相关。
图2 碳平衡能力与城镇化关系的形成机理

Fig. 2 Formation mechanism of the relationship between carbon balance capacity and urbanization

基于此，参考王子超等[30]研究成果，本文将中国各省域碳平衡能力与城镇化的关系分为四种类型。第一种为增长保护型：增长型为城镇化能有效促进碳平衡能力提升，保护型为碳平衡能力能有效促进城镇化发展。第二种为减少破坏型：减少型为城镇化能抑制碳平衡能力提升，破坏型为碳平衡能力能抑制城镇化发展。该两种类型的前提为城镇化对碳平衡能力或碳平衡能力对城镇化具有单向因果关系。第三种为反馈型，即碳平衡能力与城镇化呈互动响应状态，该前提为碳平衡能力与城镇化具有双向因果关系。第四种为中立型，即碳平衡能力与城镇化互不影响。

1.3 研究方法

1.3.1 碳排放测算方法

目前中国尚无直接的碳排放统计数据，学界关于碳排放的测算欠缺统一标准[31]，考虑城镇碳排放主要来源于能源消费，参考前人研究成果[32,33]采用温室气体清单法进行测算，公式如下：
C E i j = ∑ m ( E m × β m × B m )
式中：CEij为i年j地区碳排放量（kg）；Em为第m类能源消费量（kg、m3、kW·h），主要包括原煤、洗精煤、其他洗煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、天然气、焦炉煤气、其他煤气、电力和热力等；βm为第m类能源标准煤折算系数 [kg∙ce/kg、kg∙ce/m3、kg∙ce/(kW·h)][24]；Bm为IPCC提供的第m类能源碳排放系数 [kg/(kg∙ce)][33]，其中电力和热力相关系数参见范建双等[32]研究成果。

1.3.2 碳吸收测算方法

碳吸收测算方法是一种常用的碳汇估算方法，适用于土地利用测算碳汇用地的情况，耕地、园地、林地、草地和水域等为主要碳汇用地，公式如下[34,35]：
C A i j = ∑ n ( A n × α n )
式中：CAij为i年j地区碳吸收量（kg）；An为第n类用地面积（hm2），主要包括耕地、林地、草地、水域、园地和未利用地；αn为第n类用地碳吸收系数（kg/hm2）[34]。

1.3.3 碳平衡能力测算方法

利用碳生态承载系数（ESC）表示省域碳吸收与碳排放的比值，可消除省域差异影响，该指标能反映省域碳吸收对碳排放总量的消纳能力，代表碳平衡能力强弱，公式如下[35]：
E S C = C A i j ∑ i j C A i j / C E i j ∑ i j C E i j
式中：如果ESC>1时，表明碳吸收能力较强，碳平衡能力较强；如果ESC<1时，表明碳排放能力较强，碳平衡能力较弱[35]。

1.3.4 城镇化测算方法

为更好地厘清碳中和目标下城镇化发展路径，需重点考虑城镇化质量，就此研究其与碳平衡能力的关系，为新型城镇化建设提供实施方案。本文参考城镇化质量指标[36]，构建城镇化发展指标体系（表1）。为掌握各层级城镇化发展水平，采用熵权法计算权重，并利用所求权重与标准化系数相乘后加权得出各层次指数。
表1 城镇化发展指标体系

Table 1 Urbanization development indicators system

目标层 准则层（权重） 指标（权重） 代码（方向）
城镇化综合指标C Z1人口城镇化（0.139） 城镇人口占比/%（0.033） X1+
非农从业人员占比/%（0.105） X2+
Z2经济城镇化（0.558） 人均GDP/万元（0.139） X3+
二产业产值占比/%（0.020） X4+
三产业产值占比/%（0.071） X5+
人均社会消费品零售额/万元（0.155） X6+
人均社会固定资产投资额/万元（0.173） X7+
Z3空间城镇化（0.073） 建成区面积占土地面积占比/%（0.073） X8 +
Z4生态城镇化（0.230） 建成区绿化覆盖率/%（0.013） X9+
人均公园绿地面积/m2（0.043） X10 +
森林覆盖率/%（0.090） X11+
工业固体废物综合利用率/%（0.040） X12+
生活垃圾无害化处理率/%（0.043） X13+

1.3.5 Granger因果检验

运用Stata 14.0软件中Granger因果检验模型，利用中国省级面板数据和各省域时间序列数据，对碳平衡能力与城镇化的互动关系进行分析。在Granger因果关系估算前需进行单位根检验，如若数据平稳，可继续执行下一步测算步骤[30]，本文采用LLC和Fisher-ADF检验。2012年Dumitrescu等[37]提出全新面板Granger因果检验，线性回归模型如下：
y j , i = a j + ∑ k = 1 K φ j k y j , i - k + ∑ k = 1 K γ j k x j , i - k + ε j , i
式中：y为碳平衡能力；x为城镇化指标；j为个体；i为时间；k为滞后阶数；a为常数项；ε为误差项； φ、 γ为估计系数。另外，Dumitrescu和Hurlin提出运用Wald统计量检验因果关系，当拒绝原假设则表明对所有的个体而言，x都是y的Granger原因[30]。

2 结果分析

2.1 时空演变特征

2.1.1 碳排放和碳吸收的时空演变特征

为勾勒中国碳排放和碳吸收的时空演变特征，本文利用ArcGIS 10.2软件的自然断点分级法②(② 为更好地比较1999年、2009年和2018年变量的空间变化，本文选择自然断点分级法分析时，微调使三个时间维度分级保持一致性。)将1999—2018年中国碳排放和碳吸收分为五级（图3）。因篇幅有限，仅选取1999年、2009年和2018年图幅展示。
图3 1999—2018年中国省域碳排放和碳吸收空间分异

注：本图基于自然资源部标准地图服务系统网站下载的标准地图制作，底图无修改，下同。

Fig. 3 Spatial differentiation of provincial carbon emissions and carbon absorption in China from 1999 to 2018

（1）中国碳排放量不断增多。1999—2008年，全国碳排放量从10.967亿t增至28.016亿t，年均增长率为15.545%。至2018年，全国碳排放量继续增加到42.877亿t，但年均增长率减少到5.305%。与杜强等[38]的研究结论相似。相比于西部地区，东部地区人口基数大且能耗多，碳排放量大致呈“东多西少”的梯度分布特征（图3）。由于青海和云南等省域的生态环境较好，能源密集型产业较少，因而碳排放量相对较少；而辽宁和山西等省域的生态环境较差，能源密集型产业较多，如采掘业、制造业和化工产业等，因而碳排放量相对较多。
（2）中国碳吸收量不断减少。1999—2008年，全国碳吸收量从1.917亿t减至1.902亿t，年均增长率为-0.080%。至2018年，全国碳吸收量继续减少到1.886亿t，年均增长率为 -0.082%。整体而言，各省域碳吸收量呈微减趋势。图3显示全国碳吸收量大致呈“西多东少”的梯度分布特征，相比于东部地区，西部地区人口基数小，生态环境良好且高碳排放产业少。吸收量最少的省域为上海、北京、青海和宁夏等，吸收量最多的省域为内蒙古、云南和广西等。上海和北京等总体面积少，建设面积增多，压缩有限的林地、草地、耕地和水体等碳汇用地，而青海和宁夏等绿地面积较少，导致碳吸收量均处于低位。内蒙古、云南和广西等拥有大面积覆盖的林地、草地、耕地和水体等碳汇用地，因而碳吸收量处于高位。

2.1.2 碳平衡能力的时空演变特征

为探讨中国碳平衡能力的时空演变特征，本文根据自然断点分级法将1999—2018年中国碳平衡能力分为五级（图4）。碳平衡能力表示碳排放吸收能力的强弱，值越大碳平衡能力越强，否则越弱。
图4 1999—2018年中国省域碳平衡能力空间分异

Fig. 4 Spatial differentiation of provincial carbon balance capacity in China from 1999 to 2018

中国整体碳平衡能力呈先减后增的“U”型趋势。1999—2008年，全国平均碳平衡能力从1.446减至1.381，至2018年，增加到1.522。研究期间，各省域碳平衡能力及其变化趋势具有差异。碳平衡能力最弱的省域有上海、天津、山西和北京等，最强的省域有云南、青海、内蒙古、江西和广西等。各省域碳平衡能力变化趋势可分为四种类型（表2）：上升“↑”、下降“↓”、先减后增“∪”和先增后减“∩”型。上升型省域占整体的40%，主要为北京、天津和上海等，其形成源于较强的经济实力能为碳平衡能力提升提供资金支撑，或政府有效推行碳减排等政策措施，促使碳吸收量增加和碳排放量减少。下降型省域占整体的23.333%，主要为山西和陕西等，其形成多源于资源过度开发，导致碳排放量增多。先减后增型省域占整体的30%，主要为广西、贵州和云南等。先增后减型省域占整体的6.667%，主要为安徽和新疆等。图4显示青海、四川和云南等碳平衡能力较强，河北、江苏和浙江等碳平衡能力较弱，表明中国碳平衡能力呈“西强东弱”的梯度分布特征。
表2 1999—2018年中国省域碳平衡能力计算结果

Table 2 Calculation results of provincial carbon balance capacity in China from 1999 to 2018

省级 年份 省级 年份 省级 年份
1999 2009 2018 1999 2009 2018 1999 2009 2018
上海↑ 0.017 0.031 0.042 安徽∩ 0.636 0.742 0.652 湖北↑ 0.945 1.298 1.625
天津↑ 0.053 0.063 0.076 浙江∪ 0.690 0.638 0.730 甘肃↑ 1.243 1.741 1.908
山东↓ 0.201 0.153 0.135 陕西↓ 1.854 1.481 0.810 湖南∪ 2.018 1.832 2.474
山西↓ 0.321 0.245 0.131 广东↑ 0.790 0.842 0.892 吉林↑ 1.255 1.681 2.490
江苏∪ 0.153 0.150 0.160 海南↓ 2.294 1.341 1.336 江西∪ 2.899 2.255 2.767
宁夏↓ 0.393 0.260 0.211 新疆∩ 1.941 1.954 1.412 广西∪ 3.554 3.088 3.210
北京↑ 0.141 0.259 0.431 贵州∪ 1.769 1.350 1.429 黑龙江↑ 1.779 2.807 3.379
河北↑ 0.328 0.343 0.447 重庆↑ 0.728 0.960 1.473 四川↑ 2.594 2.748 3.710
河南∪ 0.469 0.332 0.461 福建↓ 2.139 1.611 1.586 青海∪ 4.571 4.346 4.375
辽宁↑ 0.265 0.367 0.500 内蒙古↓ 2.772 1.665 1.539 云南∪ 4.580 3.772 5.274

注：符号“↑”“↓”“∪”和“∩”为各省域碳平衡能力变化趋势。表格数据呈“左小右大”顺序。因篇幅有限，仅展示1999年、2009年和2018年结果。

2.1.3 城镇化水平的时空演变特征

为分析中国城镇化水平的时空演变特征，本文利用自然断点分级法将1999—2018年中国人口城镇化、经济城镇化、空间城镇化、生态城镇化和城镇化综合指标分为五级（图5）。
图5 1999—2018年中国省域城镇化空间分异

Fig. 5 Spatial differentiation of provincial urbanization in China from 1999 to 2018

中国人口、经济、生态和综合城镇化水平不断提升，城镇化水平最低的省域为新疆、内蒙古、贵州、云南和广西等，最高的省域为北京、上海、重庆、江苏和浙江等。中国人口、经济、生态和综合城镇化水平大致呈“东高西低”分布规律，这源于东部地区人口密度较大，经济发展较快，环保资金投入较多。中国空间城镇化水平不断提高，城镇化水平最低的省域为北京、上海、重庆和山东等，最高的省域为新疆、陕西、云南和甘肃等。中国空间城镇化水平大致呈“西高东低”趋势，这源于西部地区可建土地面积较多，而东部地区土地有限，限制城市空间扩建。与王怡睿等[39]结论相似。

2.2 碳平衡能力与城镇化的互动关系

2.2.1 面板单位根检验

使用Granger因果检验前要对数据稳定性进行判断，本文利用面板单位根检验的LLC和Fisher-ADF方法，基于Stata 14.0软件进行检验，其中变量取对数以缓解异方差。计算结果如表3所示，碳平衡能力ESC、人口城镇化Z1、经济城镇化Z2、空间城镇化Z3、生态城镇化Z4和城镇化综合指标C均为稳定序列。
表3 面板单位根检验结果

Table 3 Results of unit root test

变量 ESC Z1 Z2 Z3 Z4 C
LLC检验 -2.995 (0.001) -2.120 (0.017) -3.843 (0.000) -3.208 (0.000) -4.253 (0.000) -2.821 (0.002)
Fisher-ADF检验Z值 -7.155 (0.000) -5.187 (0.000) -8.880 (0.000) -6.786 (0.000) -8.107 (0.000) -7.552 (0.000)
检验结果 平稳 平稳 平稳 平稳 平稳 平稳

注：括号里的数值是显著性P值。

2.2.2 碳平衡能力与人口城镇化的互动关系

碳平衡能力与人口城镇化的Granger因果检验结果表明（表4），中国碳平衡能力与人口城镇化是双向因果关系，为反馈型。增长保护型省域占40%，主要包括上海、江苏、北京、广东和重庆等；减少破坏型省域占26.667%，主要包括山西、宁夏、海南和内蒙古等；反馈型省域占16.667%，主要包括天津、浙江、河南和陕西等；中立型省域占16.667%，主要包括江西、广西、青海和云南等。增长保护型省域中增长型占比最多，主要为经济较发达的省域，人口基数大，人口集聚强，人口结构中相关技术人才占比多，能有效推动区域绿色技术创新，进而可加速区域减碳进程，促进碳平衡能力提升。减少破坏型省域中减少型占比最多，主要为经济欠发达的省域，人口基数小，人口集聚弱，人口结构中相关人才占比少，且人口增长导致能耗增多，影响碳平衡能力。增长型和减少型人口增长受其他社会经济因素影响较多，碳平衡能力影响程度不强。
表4 碳平衡能力与人口城镇化的Granger因果检验

Table 4 Granger cause and effect test of carbon balance capacity and population urbanization

截面单位 ESC→Z1 Z1→ESC 因果类型 截面单位 ESC→Z1 Z1→ESC 因果类型 截面单位 ESC→Z1 Z1→ESC 因果类型
中国 2.808*** 6.354*** 反馈 安徽 0.179 -0.121** 减少 甘肃 0.257** 0.113 保护
上海 0.182* -0.240 保护 浙江 0.487*** 0.077*** 反馈 湖南 -0.310* 0.238*** 反馈
天津 0.487** 0.414* 反馈 陕西 -0.334*** -0.833*** 反馈 吉林 0.027 0.470** 增长
山东 -0.093 -0.046 中立 广东 0.205 0.218*** 增长 江西 0.140 0.049 中立
山西 0.016 -1.351*** 减少 海南 0.006 -0.965*** 减少 广西 -0.041 -0.0002 中立
江苏 0.022 0.167*** 增长 新疆 -0.236 -0.346*** 减少 黑龙江 0.018 0.880** 增长
宁夏 -0.109 -0.326* 减少 贵州 -0.357** -0.041 破坏 四川 -0.259 0.152*** 增长
北京 0.011 1.760*** 增长 重庆 0.024 0.250*** 增长 青海 -0.020 -0.234 中立
河北 0.076 0.271*** 增长 福建 -0.109** -0.038 破坏 云南 -0.028 0.025 中立
河南 -0.110*** 0.210*** 反馈 内蒙古 -0.155*** 0.068 破坏
辽宁 -0.020 0.706** 增长 湖北 -0.001 0.290** 增长

注：*表示在10%水平下显著，**表示在5%水平下显著，***表示在1%水平下显著，下同。

2.2.3 碳平衡能力与经济城镇化的互动关系

碳平衡能力与经济城镇化的Granger因果检验结果表明（表5），中国碳平衡能力与经济城镇化是双向因果关系，为反馈型。增长保护型省域占33.333%，主要包括河南、河北、湖南和湖北等；减少破坏型省域占30%，主要包括山西、宁夏、新疆和内蒙古等；反馈型省域占23.333%，主要包括天津、北京、广东和海南等；中立型省域占13.333%，主要包括山东、甘肃和广西等。增长保护型省域中增长型占比最多，主要为经济发展较快的省域，经济增长能为碳平衡能力提升提供充足的资金保障，但碳平衡能力未能有效促进经济增长，经济增长主要受产业结构、外来贸易和政治交流等综合影响。减少破坏型省域主要为经济发展较慢的省域。减少型的形成源于省域经济增长较慢，企业和政府用于生产和社会保障的资金与资源紧张，从而缩减投入“减碳增汇”资金保障。破坏型省域占比较多，此类型提高碳平衡能力会限制经济发展，区域内存有污染严重的重工业，因低碳科技水平的局限性，生产中无法实现“零污染”，增强碳平衡能力只能通过关闭或停业整改等方式实现。
表5 碳平衡能力与经济城镇化的Granger因果检验

Table 5 Granger cause and effect test of carbon balance capacity and economic urbanization

截面单位 ESC→Z2 Z2→ESC 因果类型 截面单位 ESC→Z2 Z2→ESC 因果类型 截面单位 ESC→Z2 Z2→ESC 因果类型
中国 7.318*** 7.689*** 反馈 安徽 -0.205*** -0.177 破坏 甘肃 0.182 -0.022 中立
上海 0.071 -0.287 中立 浙江 0.070*** 0.142*** 反馈 湖南 -0.002 0.491*** 增长
天津 0.561*** 0.437*** 反馈 陕西 -0.121** -1.871*** 反馈 吉林 0.145** 0.484** 反馈
山东 -0.031 -0.066 中立 广东 0.410*** 0.449*** 反馈 江西 -0.163* 0.199 破坏
山西 -0.093*** -0.682 破坏 海南 -0.091*** -0.931** 反馈 广西 -0.064 0.006 中立
江苏 -0.226 0.266*** 增长 新疆 0.058 -0.425*** 减少 黑龙江 0.087** 0.244 保护
宁夏 -0.117* -0.355 破坏 贵州 -0.157* -0.262 破坏 四川 0.098 0.438*** 增长
北京 -0.069*** 3.571*** 反馈 重庆 -0.033 0.737*** 增长 青海 -0.082*** 0.015 破坏
河北 0.004 0.637*** 增长 福建 -0071*** -0.063 破坏 云南 0.070*** 0.170 保护
河南 -0.058 0.295*** 增长 内蒙古 -0.151** -0.166 破坏
辽宁 0.105 0.565* 增长 湖北 0.066 0.389** 增长

2.2.4 碳平衡能力与空间城镇化的互动关系

碳平衡能力与空间城镇化的Granger因果检验结果表明（表6），中国碳平衡能力与空间城镇化是单向因果关系，为增长型。中立型省域占46.667%，主要包括北京、上海、江苏、江西和云南等；增长保护型省域占30%，主要包括浙江、广东和黑龙江等；减少破坏型省域占20%，主要包括宁夏、陕西和内蒙古等；反馈型省域占3.333%，主要包括河北。中立型和增长型省域数量较多。理论上空间扩展会增加碳排放和减少碳吸收，但中立型省域中，如北京为中国政治文化中心，经济发达，施策行动迅速，且非常重视城市环境问题，不仅严格控制城市扩张的速度，也最大程度减少环境影响；如云南生态环境较好，碳储量较多，城市扩张速度缓慢产碳有限，进而对碳平衡能力影响微弱，但空间扩展主要源于人口和经济增长等需求。而相比北京，浙江城市扩建除融合低碳和环保理念外，周边及本底生态环境较好，能缓解碳排放，为增长型。减少破坏型省域中减少型占比最多，如山西生态环境污染严重且减碳成效不佳，城市空间扩展进一步促进碳排放增加，进而影响碳平衡能力提升。
表6 碳平衡能力与空间城镇化的Granger因果检验

Table 6 Granger cause and effect test of carbon balance capacity and spatial urbanization

截面单位 ESC→Z3 Z3→ESC 因果类型 截面单位 ESC→Z3 Z3→ESC 因果类型 截面单位 ESC→Z3 Z3→ESC 因果类型
中国 -0.251 6.576*** 增长 安徽 0.082 -0.137*** 减少 甘肃 0.246 0.495*** 增长
上海 0.190 0.116 中立 浙江 -0.028 0.074*** 增长 湖南 0.063 0.232 中立
天津 0.365 0.394** 增长 陕西 0.051 -0.789** 减少 吉林 -0.379 0.158*** 增长
山东 -0.046 -0.006 中立 广东 -0.097 0.154*** 增长 江西 0.033 0.085 中立
山西 -0.016 -0.910** 减少 海南 0.015 -1.580*** 减少 广西 -0.036 -0.009 中立
江苏 -0.121 0.028 中立 新疆 0.380*** -0.079 保护 黑龙江 0.142 0.349** 增长
宁夏 -0.096 -0.224** 减少 贵州 -0.324 -0.212 中立 四川 0.494 0.112 中立
北京 -0.060 0.387 中立 重庆 -0.011 0.209*** 增长 青海 -0.049 -0.132 中立
河北 0.246** 0.186** 反馈 福建 -0.179 -0.052 中立 云南 0.046 -0.055 中立
河南 0.036 0.189 中立 内蒙古 -0.348** -0.028 破坏
辽宁 0.055 0.111 中立 湖北 -0.217 0.229* 增长

2.2.5 碳平衡能力与生态城镇化的互动关系

碳平衡能力与生态城镇化的Granger因果检验结果表明（表7），中国碳平衡能力与生态城镇化是双向因果关系，为反馈型。增长保护型省域占33.333%，主要包括北京、广东、浙江和湖南等；减少破坏型省域占30%，主要包括山西、宁夏、新疆和内蒙古等；反馈型省域占20%，主要包括河南、安徽和福建等；中立型省域占16.667%，主要包括山东、云南和黑龙江等。增长保护型省域中增长型占比最多，主要为经济较发达的省域，环保设施覆盖率较大，环保投入资金充足，专项环保措施精准实施，可促进碳平衡能力提升。减少破坏型省域中减少型占比最多，主要为经济欠发达的省域，环保设施覆盖率较小，环保投入资金不足，环保措施实施成效不佳，未能促进碳平衡能力提升。增长型和减少型环保投入主要受财政收入等影响。
表7 碳平衡能力与生态城镇化的Granger因果检验

Table 7 Granger cause and effect test of carbon balance capacity and ecological urbanization

截面单位 ESC→Z4 Z4→ESC 因果类型 截面单位 ESC→Z4 Z4→ESC 因果类型 截面单位 ESC→Z4 Z4→ESC 因果类型
中国 2.795*** 8.760*** 反馈 安徽 0.384*** -0.200*** 反馈 甘肃 0.618** 0.030 保护
上海 0.344** 0.022 保护 浙江 -0.006 0.404*** 增长 湖南 0.067 0.635*** 增长
天津 0.443*** 0.582** 反馈 陕西 0.155 -0.805** 减少 吉林 0.233 0.323 中立
山东 -0.046 -0.005 中立 广东 0.079 0.405*** 增长 江西 -0.260*** 0.152 破坏
山西 0.094 -0.375** 减少 海南 0.038 -2.082*** 减少 广西 -0.289*** 0.087 破坏
江苏 -0.073 0.703*** 增长 新疆 -0.086 -0.139** 减少 黑龙江 0.074 0.426 中立
宁夏 -0.147 -0.283*** 减少 贵州 -0.249* -0.176 破坏 四川 -0.012 0.216** 增长
北京 -0.018 2.197*** 增长 重庆 0.287*** 0.288*** 反馈 青海 -0.031 -0.194 中立
河北 0.272** 0.224*** 反馈 福建 -0.298** -0.298* 反馈 云南 -0.039 0.116 中立
河南 -0.171* 0.379*** 反馈 内蒙古 0.045 -0.390** 减少
辽宁 -0.004 0.856*** 增长 湖北 -0.053 0.491** 增长

2.2.6 碳平衡能力与城镇化综合指标的互动关系

碳平衡能力与城镇化综合指标的Granger因果检验结果表明（表8），中国碳平衡能力与城镇化综合指标是双向因果关系，为反馈型。反馈型省域占23.333%，主要包括天津、北京、重庆和浙江等；增长保护型省域占33.333%，主要包括上海、江苏、广东和湖南等；减少破坏型省域占30%，主要包括山西、宁夏、新疆和内蒙古等；中立型省域占13.333%，主要包括山东和云南等。受地域差异和各类城镇化水平的综合影响，中国反馈型形成原因复杂，近年通过开展保护生态环境政策，努力践行绿色发展，有效实行降碳减排策略，同时新型城镇化秉持资源节约和环境友好的发展原则，正向影响碳平衡能力。反馈型省域中，如重庆，人口增长、经济发展、空间扩展和生态建设等综合影响碳平衡能力提升，其碳平衡能力的增强可有效提升城市对人力资本、绿色产业、低碳经济、清洁能源的整体要求，推进城镇化综合发展。增长保护型省域中增长型占比最多，主要为经济发展较好的省域，减少破坏型省域中减少型占比最多，主要为经济发展较慢的省域。由于这两类省域的人口基数、结构、素质和集聚的差别，经济发展、产业结构和空间扩展程度的不同，以及环保资金、基础设施和政府政策等差异，导致城镇化综合发展对碳平衡能力的影响具有差异，但城镇化综合发展受其他经济社会因素影响较大，受碳平衡能力影响较小。
表8 碳平衡能力与城镇化综合指标的Granger因果检验

Table 8 Granger cause and effect test of carbon balance capacity and urbanization comprehensive indicator

截面单位 ESC→C C→ESC 因果类型 截面单位 ESC→C C→ESC 因果类型 截面单位 ESC→C C→ESC 因果类型
中国 2.890*** 11.243*** 反馈 安徽 0.182*** -0.180** 反馈 甘肃 0.284*** 0.123 保护
上海 0.231*** -0.215 保护 浙江 0.082** 0.178*** 反馈 湖南 0.009 0.516*** 增长
天津 0.381*** 0.554*** 反馈 陕西 -0.053 -1.290*** 减少 吉林 -0.236** 0.733*** 反馈
山东 -0.033 -0.060 中立 广东 0.046 0.374*** 增长 江西 -0.111** 0.133 破坏
山西 0.033 -0.712*** 减少 海南 0.015 -1.760*** 减少 广西 -0.191*** 0.038 破坏
江苏 -0.053 0.328*** 增长 新疆 0.052 -0.250*** 减少 黑龙江 0.057 0.442* 增长
宁夏 -0.092 -0.420*** 减少 贵州 -0.177* -0.204 破坏 四川 -0.054 0.196** 增长
北京 -0.039** 2.705*** 反馈 重庆 0.144** 0.341*** 反馈 青海 -0.024 -0.171 中立
河北 0.175** 0.294*** 反馈 福建 -0.097 -0.117 中立 云南 -0.001 0.068 中立
河南 -0.043 0.324*** 增长 内蒙古 -0.112* -0.250 破坏
辽宁 -0.080 1.478*** 增长 湖北 -0.122 0.460** 增长

2.2.7 新型城镇化发展优化路径

生态保护是新型城镇化的基础，人口规模是新型城镇化的核心，经济发展是新型城镇化的目标，空间优化是新型城镇化的归宿。基于此，本文对基于碳中和目标的新型城镇化发展优化路径进行分类讨论。
（1）增长保护型，主要位于中国东部和中部地区。东部沿海地区经济发展较快，国际交流较多，实行全面减碳具有良好的基础，但需警惕“碳泄露”，避免成为“污染避难所”。中部地区经济发展中速，生态环境较好，可采用“中心城市—农业区—工厂区—生态区”的发展模式。北京作为全国政治和文化的中心，上海作为中国的经济中心，天津以江海航运经济为主，均可发挥减碳“领头羊”的作用。
（2）减少破坏型，主要位于中国西部地区。其经济发展水平整体较低，生态环境比较脆弱，新型城镇化发展路径可为集中型，即以现有城镇为中心，在周边辐射性发展次级城镇，实现等级城镇互联互通，减少建设成本，加快经济发展。在加强城市合作和寻求经济共同发展时，需采取有效的环保措施，如植树造林、涵养水源等，促使区域经济发展和生态保护双向并进，最终促使区域实现碳汇用地增加和碳排放量减少的目标。
（3）反馈型，数量较少，主要为经济较发达的省域。此类型可借助现有的人口规模、人口集聚、人才结构以及经济基础，为实现“双碳”目标提供专业人才、充足资金和技术保障，亦需继续追求碳平衡能力与城镇化相互促进关系的优化路径，并进一步维持良性循环。但对于未能形成相互促进的省域，新型城镇化发展可参考减少破坏型发展路径进行优化，注重在实现“双碳”目标时分区分批施策。
（4）中立型，主要为山东、云南和青海等。此类型的新型城镇化发展优化路径可通过推动生态旅游和绿色农业等产业发展实现，借助科技创新促进产业和能源结构转型，打造独特的“生态城市名片”，形成具有地域特色的新型城镇化发展之路。如云南生态环境较好，但经济发展水平相对较低，发展生态旅游既能促进经济发展，又可为碳平衡能力的提升奠定基础。

3 结论与讨论

3.1 结论

（1）中国整体和各省域的碳排放不断增多，碳吸收不断减少，分别呈“东多西少”和“西多东少”的梯度分布特征。中国整体和各省域碳平衡能力变化趋势分为上升、下降、先减后增和先增后减型四类。中国碳平衡能力呈“西强东弱”的梯度分布特征。
（2）中国整体和各省域的人口、经济、空间、生态城镇化和城镇化综合指标不断增长。空间城镇化指标大致呈“西高东低”趋势，人口、经济、生态城镇化和综合城镇化指标大致呈“东高西低”趋势。
（3）除空间城镇化外，中国整体碳平衡能力与各类城镇化是双向因果关系，为反馈型，而各省域增长保护型数量最多，其次为减少破坏型，中立型数量最少。中国新型城镇化发展主要有增长保护型、减少破坏型、反馈型和中立型四类优化路径。

3.2 讨论

提高碳平衡能力和优化新型城镇化发展路径对实现中国高质量发展具有重要的现实意义。中国各省域城镇化的经济、社会、文化和生态发展现状均存有差异，探讨各省域碳平衡能力与城镇化的互动关系，对实现“双碳”目标和推动新型城镇化发展具有重要的实践价值。碳中和目标的约束对实现中国新型城镇化发展既是挑战也是机遇。现阶段，基于“双碳”目标下的中国新型城镇化发展路径需注重差异性和侧重点，需考虑不同省域的经济发展程度、自然本体底蕴和碳平衡能力的差异。
总之，现有研究碳平衡与城镇化互动关系的文献较少，本文分析碳平衡能力与城镇化的互动关系，是碳平衡研究内容的拓展。既有研究以宏观定性描述为主，而本文采用定量和定性分析相结合的方法，增强碳平衡能力与城镇化关系研究的科学性和准确性。借鉴碳排放与城镇化的研究成果，深入探讨碳平衡能力与城镇化的互动关系，延拓相关理论研究的广度和深度。但本文还存在以下不足：受限于现有估算方法和指标体系，今后将在探讨改善碳平衡能力测算方法和细化城镇化指标体系的基础上继续深化相关课题。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
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. 北京: 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. Beijing: People's Daily, 2020-12-13(2).]

[2]
陆大道, 陈明星. 关于“国家新型城镇化规划(2014—2020)”编制大背景的几点认识. 地理学报, 2015, 70(2): 179-185.

DOI

[ LU D D, CHEN M X. Several viewpoints on the background of compiling the "National New Urbanization Planning (2014-2020)". Acta Geographica Sinica, 2015, 70(2): 179-185.]

DOI

[3]
王鑫静, 程钰. 城镇化对碳排放效率的影响机制研究: 基于全球118个国家面板数据的实证分析. 世界地理研究, 2020, 29(3): 503-511.

DOI

[ WANG X J, CHENG Y. Research on the influencing mechanism of urbanization on carbon emission efficiency: Based on an empirical study of 118 countries. World Regional Studies, 2020, 29(3): 503-511.]

DOI

[4]
王锋, 秦豫徽, 刘娟, 等. 多维度城镇化视角下的碳排放影响因素研究: 基于中国省域数据的空间杜宾面板模型. 中国人口·资源与环境, 2017, 27(9): 151-161.

[ WANG F, QIN Y H, LIU J, et al. A study on the influencing factors of carbon emissions from the perspective of multi-dimensional urbanization: Based on the spatial Dubin panel model of China provinces. China Population, Resources and Environment, 2017, 27(9): 151-161.]

[5]
王磊, 郭灿, 李慧明. 天津城市系统碳通量与碳平衡测度研究. 干旱区资源与环境, 2016, 30(11): 30-36.

[ WANG L, GUO C, LI H M. Carbon flux and carbon balance in urban system of Tianjin. Journal of Arid Land Resources and Environment, 2016, 30(11): 30-36.]

[6]
郭海湘, 杨钰莹, 左芝鲤. 中国城市群碳平衡仿真模拟研究. 中国地质大学学报: 社会科学版, 2018, 18(2): 114-125.

[ GUO H X, YANG Y Y, ZUO Z L. Simulation study on urban carbon balance of urban clusters in China. Journal of China University of Geosciences: Social Sciences Edition, 2018, 18(2): 114-125.]

[7]
余光英, 员开奇. 基于碳平衡适宜性评价的城市圈土地利用结构优化. 水土保持研究, 2014, 21(5): 179-184, 192.

[ YU G Y, YUN K Q. Urban agglomerations land use structure optimization based on carbon balance suitability evaluation. Research of Soil and Water Conservation, 2014, 21(5): 179-184, 192.]

[8]
HUANG W, DENG C B. A geographic approach to carbon accounting of Wisconsin. Journal of Maps, 2016, 12(2): 324-333.

DOI

[9]
胡剑波, 王青松. 基于碳平衡的民族地区生态补偿量化研究. 广西民族研究, 2019, 35(6): 145-154.

[ HU J B, WANG Q S. An quantitative study on ecological compensation in ethnic minority areas based on carbon balance. Guangxi Ethnic Studies, 2019, 35(6): 145-154.]

[10]
HASENAUER H. The carbon balance of forest ecosystems. Austrian Journal of Forest Science, 2011, 128(1): 33-52.

[11]
葛汝冰, 吝涛, 刘晓芳, 等. 基于城市功能分区的碳收支平衡时空分异研究. 气候变化研究进展, 2016, 12(2): 101-111.

[ GE R B, LIN T, LIU X F, et al. Study on spatial-temporal differentiation of regional carbon balance based on urban functional zoning. Climate Change Research, 2016, 12(2): 101-111.]

[12]
ZUBIZARRETA G A, PUKKALA T, PELTOLA H. Effects of wood harvesting and utilisation policies on the carbon balance of forestry under changing climate: A finnish case study. Forest Policy and Economics, 2016, 62: 168-176.

DOI

[13]
王渊刚, 罗格平, 赵树斌, 等. 新疆耕地变化对区域碳平衡的影响. 地理学报, 2014, 69(1): 110-120.

[ WANG Y G, LUO G P, ZHAO S B, et al. Effects of arable land change on regional carbon balance in Xinjiang. Acta Geographica Sinica, 2014, 69(1): 110-120.]

DOI

[14]
程分生, 尤龙辉, 叶功富, 等. 亚热带红壤侵蚀区马尾松不同套种模式生态系统碳平衡. 应用生态学报, 2021, 32(4): 1163-1174.

DOI

[ CHENG F S, YOU L H, YE G F, et al. Carbon balance in an interplanting Pinus massoniana stand in subtropical eroded red soil region, China. Chinese Journal of Applied Ecology, 2021, 32(4): 1163-1174.]

[15]
LAFRATTA M, LEACH M, THORPE R B, et al. Economic and carbon costs of electricity balancing services: The need for secure flexible low-carbon generation. Energies, 2021, 14(16): 5123, Doi: 10.3390/en14165123.

DOI

[16]
岳冬冬, 王鲁民, 方海, 等. 基于碳平衡的中国海洋渔业产业发展对策探析. 中国农业科技导报, 2016, 18(4): 1-8.

[ YUE D D, WANG L M, FANG H, et al. Development strategy of marine fisheries in China based on the carbon balance. Journal of Agricultural Science and Technology, 2016, 18(4): 1-8.]

DOI

[17]
赵荣钦, 张帅, 黄贤金, 等. 中原经济区县域碳收支空间分异及碳平衡分区. 地理学报, 2014, 69(10): 1425-1437.

DOI

[ ZHAO R Q, ZHANG S, HUANG X J, et al. Spatial variation of carbon budget and carbon balance zoning of Central Plains Economic Region at county-level. Acta Geographica Sinica, 2014, 69(10): 1425-1437.]

DOI

[18]
李璐, 董捷, 徐磊, 等. 功能区土地利用碳收支空间分异及碳补偿分区: 以武汉城市圈为例. 自然资源学报, 2019, 34(5): 1003-1015.

[ LI L, DONG J, XU L, et al. Spatial variation of land use carbon budget and carbon compensation zoning in functional areas: A case study of Wuhan Urban Agglomeration. Journal of Natural Resources, 2019, 34(5): 1003-1015.]

DOI

[19]
黄华, 蔡克光, 邢谷锐. 基于碳平衡视角的广东省城市低碳发展特征及对策研究. 城市发展研究, 2015, 22(11): 12-18.

[ HUANG H, CAI K G, XING G R. The low-carbon development features and countermeasures based on carbon balance of the cities in Guangdong province. Urban Development Studies, 2015, 22(11): 12-18.]

[20]
彭文英, 马思瀛, 张丽亚, 等. 基于碳平衡的城乡生态补偿长效机制研究: 以北京市为例. 生态经济, 2016, 32(9): 162-166.

[ PENG W Y, MA S Y, ZHANG L Y, et al. Long-term mechanism of urban-rural ecological compensation based on carbon balance: A case study of Beijing. Ecological Economy, 2016, 32(9): 162-166.]

[21]
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.

[ SHEN Y, WANG C C, GAO C, et al. Spatio-temporal distribution and its influencing factors of carbon emissions in economic zone of Zhejiang Bay Area based on urbanization. Journal of Natural Resources, 2020, 35(2): 329-342.]

DOI

[22]
MOUSSA S, KYEREH B, TOUGIANI A, et al. West African Sahelian cities as source of carbon stocks: Evidence from Niger. Sustainable Cities and Society, 2019, 50: 101653, Doi: 10.1016/j.scs.2019.101653.

DOI

[23]
国家统计局. 中国统计年鉴. 北京: 中国统计出版社, 2000—2019.

[ National Bureau of Statistics. China Statistical Yearbook. Beijing: China Statistics Press, 2000—2019.]

[24]
国家统计局. 中国能源统计年鉴. 北京: 中国统计出版社, 2000—2019.

[ National Bureau of Statistics. China Energy Statistical Yearbook. Beijing: China Statistics Press, 2000—2019.]

[25]
付超, 于贵瑞, 方华军, 等. 中国区域土地利用/覆被变化对陆地碳收支的影响. 地理科学进展, 2012, 31(1): 88-96.

DOI

[ FU C, YU G R, FANG H J, et al. Effects of land use and cover change on terrestrial carbon balance of China. Progress in Geography, 2012, 31(1): 88-96.]

DOI

[26]
鲁丰先, 张艳, 秦耀辰, 等. 中国省级区域碳源汇空间格局研究. 地理科学进展, 2013, 32(12): 1751-1759.

DOI

[ LU F X, ZHANG Y, QIN Y C, et al. Spatial patterns of provincial carbon source and sink in China. Progress in Geography, 2013, 32(12): 1751-1759.]

DOI

[27]
陶波, 葛全胜, 李克让, 等. 陆地生态系统碳循环研究进展. 地理研究, 2001, 20(5): 564-575.

[ TAO B, GE Q S, LI K R, et al. Progress in the studies on carbon cycle in terrestrial ecosystem. Geographical Research, 2001, 20(5): 564-575.]

DOI

[28]
义白璐, 韩骥, 周翔, 等. 区域碳源碳汇的时空格局: 以长三角地区为例. 应用生态学报, 2015, 26(4): 973-980.

[ YI B L, HAN J, ZHOU X, et al. Spatiotemporal pattern of carbon sources and sinks in Yangtze River Delta Region, China. Chinese Journal of Applied Ecology, 2015, 26(4): 973-980.]

[29]
刘英, 赵荣钦, 焦士兴. 河南省土地利用碳源/汇及其变化分析. 水土保持研究, 2010, 17(5): 154-157, 162.

[ LIU Y, ZHAO R Q, JIAO S X. Research on carbon sources/sinks of land use of Henan province. Research of Soil and Water Conservation, 2010, 17(5): 154-157, 162.]

[30]
王子超, 熊灵, 王子岚. 陆地边疆省份旅游发展与经济增长的互动效应研究: 基于面板数据的Granger因果检验. 中国软科学, 2016, 31(12): 172-181.

[ WANG Z C, XIONG L, WANG Z L. The interactive effect between tourism development and economic growth in borderland provinces: A Granger causality test based on panel data. China Soft Science, 2016, 31(12): 172-181.]

[31]
刘晓婷, 陈闻君. 基于ESDA-GIS的新疆能源碳排放空间差异动态演化分析. 干旱区地理, 2016, 39(3): 678-685.

[ LIU X T, CHEN W J. Dynamic evolution of spatial disparity of energy carbon emissions in Xinjiang based on ESDA-GIS. Arid Land Geography, 2016, 39(3): 678-685.]

[32]
范建双, 虞晓芬, 周琳. 南京市土地利用结构碳排放效率增长及其空间相关性. 地理研究, 2018, 37(11): 2177-2192.

DOI

[ FAN J S, YU X F, ZHOU L. Carbon emission efficiency growth of land use structure and its spatial correlation: A case study of Nanjing city. Geographical Research, 2018, 37(11): 2177-2192.]

DOI

[33]
IPCC. IPCC Guidelines for National Green Gas Inventories: Volume Ⅱ. Japan: IGES. http://www.ipcc.eh/ipccreports/Methodology-reports.htm 2006-07-01.

[34]
王刚, 张华兵, 薛菲, 等. 成都市县域土地利用碳收支与经济发展关系研究. 自然资源学报, 2017, 32(7): 1170-1182.

[ WANG G, ZHANG H B, XUE F, et al. Relations between land use carbon budget and economic development at county level in Chengdu city. Journal of Natural Resources, 2017, 32(7): 1170-1182.]

[35]
卢俊宇, 黄贤金, 戴靓, 等. 基于时空尺度的中国省级区域能源消费碳排放公平性分析. 自然资源学报, 2012, 27(12): 2006-2017.

[ LU J Y, HUANG X J, DAI L, et al. Spatio-temporal scale analysis on the equality of energy consumption carbon emission distribution in China. Journal of Natural Resources, 2012, 27(12): 2006-2017.]

[36]
尹鹏, 王富喜, 段佩利. 中国基本公共服务效率与城镇化质量的时空耦合关系研究. 地理科学, 2021, 41(4): 571-579.

DOI

[ YIN P, WANG F X, DUAN P L. Spatial-temporal coupling relationship between basic public service efficiency and urbanization quality in China. Scientia Geographica Sinica, 2021, 41(4): 571-579.]

DOI

[37]
DUMITRESCU E I, HURLIN C. Testing for Granger noncausality in heterogeneous panels. Economic Modelling, 2012, 29: 1450-1460.

DOI

[38]
杜强, 陈乔, 杨锐. 基于Logistic模型的中国各省碳排放预测. 长江流域资源与环境, 2013, 22(2): 143-151.

[ DU Q, CHEN Q, YANG R. Forecast carbon emissions of provinces in China based on Logistic model. Resources and Environment in the Yangtze Basin, 2013, 22(2): 143-151.]

[39]
王怡睿, 黄煌, 石培基. 中国城镇化质量时空演变研究. 经济地理, 2017, 37(1): 90-97.

[ WANG Y R, HUANG H, SHI P J. Spatial and temporal evolution of urbanization quality in China. Economic Geography, 2017, 37(1): 90-97.]

DOI

Options
Outlines

/

〈 〉