中國城市碳排放的空間分異與影響因素＊

張 旺，鄒 毓

(1．湖南工業(yè)大學(xué)全球低碳城市聯(lián)合研究中心，湖南株洲412007;2．湖南工業(yè)大學(xué)建筑與城鄉(xiāng)規(guī)劃學(xué)院，湖南株洲412007)

目前，我國單位GDP的 CO2排放量降低至17%，已成為“十二五”規(guī)劃約束性的硬指標(biāo)，將和節(jié)能減排一樣被分解到各個地區(qū)。世界能源機(jī)構(gòu)(IEA)研究表明:未來與能源有關(guān)的CO2排放量的增長主要來自城市。為此，2010年8月，國家發(fā)改委下發(fā)通知:廣東、遼寧、湖北、陜西、云南五省和天津、重慶、深圳、廈門、杭州、南昌、貴陽、保定八市被列為低碳試點省市。據(jù)不完全統(tǒng)計，國內(nèi)共有200多個地級以上城市制定了建設(shè)低碳城市的長遠(yuǎn)規(guī)劃，沒有一個省份例外。由于城市的自然條件、資源稟賦、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和經(jīng)濟(jì)社會發(fā)展水平等存在區(qū)域差異性和不平衡性，因而分解減排指標(biāo)不宜“一刀切”，低碳城市建設(shè)也要避免“千城一面”，要按照“因城而異，分類指導(dǎo)”的原則進(jìn)行。因此，在計算城市碳排放量的基礎(chǔ)上，測度相關(guān)有可比性指標(biāo)的空間分異狀況并分析其影響因素，為我國城市節(jié)能減碳提供科學(xué)基礎(chǔ)和路徑參考，成為一個現(xiàn)實而緊迫的課題。

國內(nèi)外學(xué)者對碳排放空間分異的研究已陸續(xù)展開，如:利用Theil指數(shù)的分解形式來度量人均CO2排放的不平等［1－2］;中國大多數(shù)研究者將各省區(qū)按傳統(tǒng)的東、中、西三大地帶劃分，對碳排放的區(qū)域差異進(jìn)行了分析［3－5］;也有學(xué)者按各省區(qū)碳排放量大小劃分為高、中、低三類區(qū)域開展比較［6－8］;還有的則直接分析各省區(qū)碳排放的區(qū)域差異及影響因素［9］。牛文元領(lǐng)銜的中國科學(xué)院可持續(xù)發(fā)展戰(zhàn)略研究組探討了2006年GDP排名前100強(qiáng)的城市經(jīng)濟(jì)和碳排放的脫鉤狀態(tài)，并分析了三類城市的脫鉤類別［10］。而對于分析CO2排放量影響因素的研究，基本上都考慮了人口總量、人均GDP、城市化率和人類消費(fèi)行為等經(jīng)濟(jì)、技術(shù)類人文驅(qū)動因子［11－16］。以上研究用多個國家、不同地理區(qū)域、各個省(市、區(qū))等的截面數(shù)據(jù)或單個城市的時序數(shù)據(jù)來開展。而我國每個省區(qū)各城市的自然、人文條件差異也很顯著，碳排放又主要集中在城市。因此，從這一角度而言，研究尺度還應(yīng)縮小，以便開展更為深入細(xì)致的研究。

目前，學(xué)界對于大樣本城市碳排放指標(biāo)的測算、比較和空間差異及碳排放影響因素等方面的研究尚不多見。基于此，本研究考慮到城市碳排放水平的區(qū)域差異性，運(yùn)用Theil指數(shù)，就碳排放強(qiáng)度、人均碳排放和單位碳排放提供就業(yè)崗位數(shù)三大指標(biāo)，來測度大樣本城市的空間分異，并引入STIRPAT模型定量分析不同區(qū)域影響碳排放量的因素、大小及差別，旨在為差異化的推動我國各地城市節(jié)能減碳提供理論依據(jù)和定量信息。

一 研究對象、數(shù)據(jù)來源及研究方法

(一)研究對象

選擇中國2009年GDP排名前110強(qiáng)的地級以上城市(包括市轄區(qū)和下轄縣市)為樣本，按照傳統(tǒng)的東、中、西三大地帶劃分，東部54座城市，中部34座城市，西部22座城市(見表1)。

表1 作為研究對象的樣本城市

(二)數(shù)據(jù)來源及處理

本次研究的數(shù)據(jù)分別來自:《中國統(tǒng)計年鑒2010》、《中國城市統(tǒng)計年鑒2010》、《中國城市建設(shè)統(tǒng)計年鑒2010》、《中國能源統(tǒng)計年鑒2010》、各省(自治區(qū)、直轄市)統(tǒng)計年鑒2010、各省(自治區(qū)、直轄市)2009年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報、各城市統(tǒng)計年鑒2010、各城市2009年國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報等。

以2005年為基點，將受價格影響的數(shù)據(jù)處理成可比價數(shù)據(jù)。人口為包括:戶籍人口、暫住半年以上的常住人口。能源消費(fèi)包括:能源生產(chǎn)、加工轉(zhuǎn)換中的能源使用，工業(yè)、農(nóng)業(yè)、建筑業(yè)和第三產(chǎn)業(yè)能源消費(fèi)，城鄉(xiāng)居民生活能源消費(fèi)。關(guān)于各城市CO2排放總量的計算，參考《IPCC國家溫室氣體排放清單指南2006》［17］，采用二次能源消費(fèi)量換算回一次能源消費(fèi)量的方法，即:CO2排放總量=一次化石能源消費(fèi)碳排放+二次化石能源消費(fèi)碳排放(換算回一次能源消費(fèi)量計算)=全社會煤炭消費(fèi)量×煤炭的CO2排放系數(shù)+全社會石油消費(fèi)量×石油的CO2排放系數(shù)+全社會天然氣消費(fèi)量×天然氣的CO2排放系數(shù)。

(三)研究方法

1．空間分異測度——Theil指數(shù)分解法。對Theil指數(shù)進(jìn)行一階分解，就可以將中國城市碳排放的總體差異，分解為東、中、西三大地帶間的差異和三大地帶內(nèi)各城市之間的差異，計算公式為:

上式中，T(I)為Theil指數(shù)，TB(I)為各地帶間指標(biāo)I的差異，TW(I)為每個地帶內(nèi)各城市間的差距;Pi為第i區(qū)域GDP(或人口)在總GDP(或總?cè)丝?中的比重，Pij表示i區(qū)域j城市GDP占區(qū)域GDP總量(或人口總量)的比重，Ii表示i區(qū)域所評價指標(biāo)的平均值，Iij表示i區(qū)域j城市所評價指標(biāo)的值;TB(I)、TW(I)之和即為總差異T(I)，T值越大表示區(qū)域或城市之間的差異越大。

2．碳排放影響因素分析——STIRPAT模型。本研究選擇Dietz等提出的STIRPAT(Stochastic Impacts by Regression on population，Affluence，and Technology)模型［18］，即:

式中，下標(biāo)i表示城市/區(qū)域，P代表常住人口，A代表財富，一般用人均GDP值表示，T代表技術(shù)，e代表模型誤差，因變量I代表CO2排放總量。在對模型取對數(shù)后，(2)變?yōu)?

其中因素 P、A可以分解［19］，而且 T也可以分解［13］。所以，為了便于更全面地分析問題，我們將T分解為能源強(qiáng)度E(即單位GDP的能耗)和產(chǎn)業(yè)結(jié)構(gòu)多元化演進(jìn)水平D(D=∑(P/P+S/P+T/P)，式中:P為第一產(chǎn)業(yè)產(chǎn)值;S為第二產(chǎn)業(yè)產(chǎn)值;T為第三產(chǎn)業(yè)產(chǎn)值)，于是(3)又變?yōu)?

由于因變量和自變量都是自然對數(shù)形式，所以模型系數(shù)所表示的含義是百分比的變化。

二 結(jié)果與分析

(一)城市碳排放的空間分異特征

從分析空間分異角度，選擇3個衡量城市碳排放水平的核心指標(biāo):一是單位GDP的CO2排放量，評價生產(chǎn)系統(tǒng)的碳排放強(qiáng)度;二是人均CO2排放量，評價人均碳排放水平的高低;三是單位碳排放提供的就業(yè)崗位數(shù)，評價碳排放的崗位產(chǎn)出，關(guān)注社會勞動階層的民生問題。

首先計算出110座樣本城市整體、東、中、西部城市各個指標(biāo)的平均值(見表2)，再分別用式(1)對各類城市的空間差異進(jìn)行測度，并按東、中、西三大地帶實施一階分解(見表3)。

表2 城市碳排放指標(biāo)的比較

從上表城市碳排放指標(biāo)的比較結(jié)果來看:碳排放強(qiáng)度的差異最大，西部和中部城市超出樣本城市整體分別為1．167 6和0．479 7噸/萬元，但東部城市卻低于樣本城市整體0．777 5噸/萬元;人均碳排放的差異在西部與東、中部城市之間也較為明顯，西部城市超出樣本城市整體1．550 7噸/人，而東、中部城市卻分別低于樣本城市整體0．581 1和0．080 4噸/人;碳排放就業(yè)崗位貢獻(xiàn)數(shù)的差異也較大，東部城市超過樣本城市整體14個/萬噸，而中、西部城市則低于樣本城市整體分別是22．2個/萬噸?？偠灾?，西部城市的碳排放水平整體上低于東、中部城市，究其原因除自然條件、能源稟賦外，主要由于它們所處的經(jīng)濟(jì)發(fā)展階段不同所造成的。

表3顯示:碳排放強(qiáng)度、人均碳排放量和單位碳排放提供的就業(yè)崗位數(shù)三個指標(biāo)之間的總體指數(shù)值也表現(xiàn)出不平衡性，即 T碳排放強(qiáng)度=0．383 4＞T人均碳排放=0．259 8 ＞ T單位碳排放提供的就業(yè)崗位數(shù)=0．0338，說明三者之間的空間差異大小依次遞減。

表3 城市碳排放的空間分異

1．碳排放強(qiáng)度空間差異最大，以內(nèi)部差異為主，排序為東部＞西部＞中部。從表3可知，地帶內(nèi)部差異是碳排放空間總差異的主要原因，其貢獻(xiàn)度達(dá)到了66．59%;而三大地帶內(nèi)部的空間差異則表現(xiàn)為東部＞西部＞中部，東部內(nèi)部差異對該區(qū)域的貢獻(xiàn)度為65．69%，其指數(shù)值0．167 7，甚至還超過了地帶間的0．128 1。由此說明，我國城市碳排放強(qiáng)度的差異主要是由地帶內(nèi)部差異引起的，即:在我國各區(qū)域內(nèi)部的城市之間碳排放強(qiáng)度仍然存在巨大的空間差異，其中差異最為明顯，即Theil指數(shù)值最大的為東部城市，它對總體差異的貢獻(xiàn)度超過了40%。

東部城市碳排放強(qiáng)度的平均值為2．520 2噸/萬元，最低的兩座城市分別為深圳(1．216 7噸/萬元)和臺州(1．231 4噸/萬元)，不到平均值的1/2;最高兩座城市撫順和唐山的相應(yīng)指標(biāo)值則分別達(dá)到了7．163 7 噸/萬元、6．340 1 噸/萬元，為平均水平的1．5倍以上，是最低兩座城市相應(yīng)指標(biāo)值的5倍多。以撫順、唐山、邯鄲、日照、柳州和鞍山為首的碳排放強(qiáng)度大的、資源性或重化工業(yè)城市，與以深圳、臺州、珠海、廈門和湛江為首的碳排放強(qiáng)度小的、商業(yè)性或輕工業(yè)城市，及更多的交通樞紐或綜合性城市在東部共存，是導(dǎo)致東部城市碳排放強(qiáng)度極大不均衡的內(nèi)在原因。盡管這樣的“極端”情況也可見于中西部城市，但只是個別現(xiàn)象，如中部的臨汾碳排放強(qiáng)度是 8．941 9噸/萬元、長春為1．621 2 噸/萬元，西部的石嘴山是 17．330 4 噸/萬元、延安為1．426 6噸/萬元。上述典型城市正是拉大城市間、地帶間區(qū)域分異的主要貢獻(xiàn)者。

2．人均碳排放量空間差異較大，以內(nèi)部差異為主，排序為西部＞東部＞中部。如表3所示，地帶內(nèi)差異也是人均碳排放空間總差異的主要原因，其貢獻(xiàn)度更是達(dá)到了97．02%;而三大地帶內(nèi)部的空間差異卻表現(xiàn)為西部＞東部＞中部，西部內(nèi)部差異對該區(qū)域的貢獻(xiàn)度為 50．71%，其指數(shù)值0．127 8，還遠(yuǎn)遠(yuǎn)超過了地帶間的0．007 8，這說明我國城市人均碳排放量的差異主要是由地帶內(nèi)差異引起的，即在我國各區(qū)域內(nèi)部的城市之間人均碳排放強(qiáng)度更存在極大的空間差異，其中Theil指數(shù)值最大的卻是西部地區(qū)，它對總體差異的貢獻(xiàn)度也超過了40%。

西部城市人均碳排放量的平均值為12．249 2噸/人，最低的兩座城市分別為瀘州(3．808 9噸/人)和遵義(3．908 8噸/人)，均不到平均值的1/3;最高兩座城市克拉瑪依和石嘴山的相應(yīng)指標(biāo)值則分別達(dá)到了 49．580 5 噸/人、44．043 0 噸/人，是平均水平的3．5倍多，是最低兩座城市相應(yīng)指標(biāo)值的13倍多。西部既有以克拉瑪依、石嘴山、烏魯木齊和金昌等人均碳排放量大的礦業(yè)城市，也有以瀘州、遵義、延安和咸陽等人均碳排放量小的經(jīng)濟(jì)社會發(fā)展落后城市，兩極分化的情況導(dǎo)致了西部地區(qū)內(nèi)部城市人均碳排放的極大不均衡。雖然這樣的“極端”情況也可見于東、中部地區(qū)，但也只是個別情況，如東部的唐山為28．558 1噸/人、湛江是2．105 4噸/人和中部的包頭是36．764 5噸/人、張家界為2．459 9噸/人，上述城市間的差距導(dǎo)致地帶間、地帶內(nèi)人均碳排放總體指數(shù)值較大。

3．單位碳排放提供就業(yè)崗位數(shù)空間差異最小，以內(nèi)部差異為主，排序為東部＞中部＞西部。各城市單位碳排放提供就業(yè)崗位數(shù)的 Theil指數(shù)僅0．033 8，在三大碳排放指標(biāo)空間差異值中最小。地帶間的貢獻(xiàn)度為－43．38%，這說明東、中、西部地區(qū)城市通過生產(chǎn)、生活造成碳排放而提供就業(yè)崗位的地帶間差異很小。而地帶內(nèi)差異是造成空間總差異的最主要原因，其指數(shù)值為東部＞中部＞西部，東部內(nèi)部差異對該地帶的貢獻(xiàn)度為129．07%。

東部城市單位碳排放提供就業(yè)崗位數(shù)的平均值為163個/萬噸，最低的兩座城市分別是唐山(38個/萬噸)、鞍山(40個/萬噸)，不到平均值的1/4;最高兩座城市即北京和珠海的相應(yīng)指標(biāo)值則分別達(dá)到了457個/萬噸、414個/萬噸，超過了平均水平的1．5倍以上，是最低兩座城市相應(yīng)指標(biāo)值的10倍以上。東部既有北京、珠海、?？诤蛷B門等單位碳排放提供就業(yè)崗位數(shù)多的服務(wù)業(yè)發(fā)達(dá)城市，也有唐山、鞍山、邯鄲、撫順等單位碳排放提供就業(yè)崗位數(shù)少的重化型老工業(yè)城市，城市之間相差甚大的資源稟賦、能源效率、勞動生產(chǎn)率和職能分工等綜合因素導(dǎo)致導(dǎo)致它們單位碳排放提供就業(yè)崗位數(shù)的分異顯著。

(二)碳排放的主要影響因素分析

根據(jù)(4)式，運(yùn)用SPSS19．0軟件的嶺回歸函數(shù)分別對樣本城市整體及東、中、西部各市進(jìn)行擬合回歸。設(shè) K 值取值為［0，1］，步長為0．01，得到嶺回歸的嶺跡圖。從各嶺跡圖看出，當(dāng) K＞0．07時，嶺跡圖變化趨于平穩(wěn)，自變量回歸系數(shù)也趨于穩(wěn)定，因而文中取k=0．08時的嶺回歸擬合結(jié)果確定隨機(jī)模型。再對回歸方程進(jìn)行檢驗，調(diào)整后 R2、F檢驗值均通過了相應(yīng)的檢驗，嶺回歸方程中全部自變量的參數(shù)t也基本上通過了顯著性為5%的t檢驗，說明四個截面模型的嶺回歸方程擬合較好，具體擬合結(jié)果如表4所示。

表4 k=0．08時嶺回歸的擬合結(jié)果

各指標(biāo)非標(biāo)準(zhǔn)化回歸方程系數(shù)即B值表明常住人口數(shù)、人均GDP、能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)多元化演進(jìn)水平每發(fā)生1%的變化，將引起CO2排放總量相應(yīng)發(fā)生b、c、d1、d2所指代數(shù)值的百分?jǐn)?shù)變化。

1．樣本城市整體情況。表4第二行顯示，碳排放量的影響因素按顯著程度大小排序，常住人口數(shù)、能源強(qiáng)度、人均GDP值、產(chǎn)業(yè)結(jié)構(gòu)多元化水平每增加1%，導(dǎo)致碳排放總量分別增加0．880 6%、0．864 7%、0．821 8%、0．045 2%，樣本城市碳排放對常住人口數(shù)、能源強(qiáng)度、人均GDP值比較敏感，表明這三者是城市碳排放的決定性因素。其原因解釋如下:人口增長對能源、土地和水等資源產(chǎn)生了更大的需求，特別是化石能耗增加導(dǎo)致CO2排放量的增長，對環(huán)境造成了壓力;而以能源強(qiáng)度為代表的技術(shù)水平提高則在一定程度上抑制了碳排放的過快增長;以人均GDP值為代表的財富增長引致生產(chǎn)能力提高、生活水平進(jìn)步，均增加了資源環(huán)境的負(fù)荷，這與我國廣大城市大多還處于工業(yè)化中期的發(fā)展階段是相適應(yīng)的;而廣大城市還是“三高一低(高投入、高消耗、高污染、低效益)”的粗放式發(fā)展模式，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整步伐不快，從而產(chǎn)業(yè)結(jié)構(gòu)多元化演進(jìn)水平對碳排放增長的緩解作用不夠明顯。

2．三大地帶城市差異。從東、中、西三大地帶城市來看，各變量對碳排放量的影響大小存在差異:首先，東部城市的能源強(qiáng)度、常住人口數(shù)、人均GDP值的估計系數(shù)最大，它們每增加1%，將引起碳排放量分別增長 0．944 9%、0．919 6%、0．865 9%;其次，中部城市估計系數(shù)按大小排序依次是常住人口數(shù)＞能源強(qiáng)度＞人均GDP值，它們每各增加1%，將引起碳排放量分別增長0．880 8%、0．844 3%、0．832 5%;第三，最低的西部城市估計系數(shù)按大小排序依次為能源強(qiáng)度＞常住人口數(shù)＞人均GDP值，它們每各增加1%，將引起碳排放量分別增長0．818 7%、0．780 9%、0．560 0%。以上說明能源強(qiáng)度、常住人口數(shù)、人均GDP值對東部城市碳排放量的影響因素最顯著，而對西部城市的敏感性最低，對中部城市的顯著性居中。這主要還是它們所處經(jīng)濟(jì)社會發(fā)展階段的不同所造成的，東、西部城市的技術(shù)狀況、人口密度和財富水平剛好是一高一低兩個極端，因而其對碳排放的影響因素也是一大一小。另外，產(chǎn)業(yè)結(jié)構(gòu)多元化演進(jìn)水平對碳排放的影響雖不如其它三個因素顯著，但在三大地帶城市之間也存在差異:西部城市最大，東部次之，中部最小。原因主要在于西部城市產(chǎn)業(yè)結(jié)構(gòu)水平最低，第三產(chǎn)業(yè)比重較低，碳排放對產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化的敏感性最大;而東部城市產(chǎn)業(yè)結(jié)構(gòu)水平最好，大都由“二三一”結(jié)構(gòu)向“三二一”轉(zhuǎn)變過程中，碳排放對其的敏感性也較大。

本文通過運(yùn)用Theil指數(shù)，測度我國地級以上城市GDP值前110強(qiáng)城市碳排放的區(qū)域差異，并采用STIRPAT模型分析碳排放量的影響因素，最后得到以下結(jié)論:

1．中國城市碳排放的空間分異較為明顯，西部城市的碳排放水平整體上落后于東、中部城市?？傮w差異值按碳排放強(qiáng)度＞人均碳排放＞單位碳排放提供就業(yè)崗位數(shù)的順序遞減，地帶內(nèi)差異遠(yuǎn)遠(yuǎn)大于地帶間差異。

2．一階分解各指標(biāo)的Theil指數(shù)，發(fā)現(xiàn)均是以地帶內(nèi)差異為主。地帶內(nèi)差異值按大小排序，碳排放強(qiáng)度為東部＞西部＞中部;人均碳排放為西部＞東部＞中部;單位碳排放提供就業(yè)崗位數(shù)為東部＞中部＞西部。

3．常住人口數(shù)、能源強(qiáng)度、人均GDP值是影響樣本城市整體碳排放量的主導(dǎo)因素，產(chǎn)業(yè)結(jié)構(gòu)多元化演進(jìn)水平對碳排放增長的緩解作用不甚明顯。東、西部城市碳排放量的影響因素按能源強(qiáng)度＞常住人口數(shù)＞人均GDP值的順序遞減，而中部城市則是常住人口數(shù)＞能源強(qiáng)度＞人均GDP值的排序。各因素對城市碳排放的影響存在區(qū)域差異，也直接導(dǎo)致城市間碳排放存在較大的空間分異。

本文研究的不足之處在于:因收集全部城市、較長時期、較多指標(biāo)的基礎(chǔ)數(shù)據(jù)存在較大困難，本文一方面只對2009年110座城市的截面數(shù)據(jù)進(jìn)行了分析，基于碳排放還受路徑依賴影響，今后還要加強(qiáng)時序動態(tài)變化方面的研究;二是對樣本城市只按東、中、西部進(jìn)行分類，未能更加細(xì)致深入地研究各種職能類型城市低碳發(fā)展的差異，以及交通和建筑部門、各細(xì)分行業(yè)、生活消費(fèi)等碳排放的不同。

［1］Druo JA，Padilla．International Inequalities in Per Capita CO2E－mission:A Decomposition Methodology by Kaya Factors［J］．Energy Economics，2006，28:170 －187．

［2］查冬蘭，周德群．地區(qū)能源效率與二氧化碳排放的差異性——基于 Kaya因素分解［J］．系統(tǒng)工程，2007，25(11):65－72．

［3］徐大豐．我國碳排放結(jié)構(gòu)的區(qū)域差異分析［J］．江西社會科學(xué)，2010，(4):79 －82．

［4］岳 超，胡雪洋，賀燦飛，等．1995－2007年中國省區(qū)碳排放及碳強(qiáng)度的分析［J］．北京大學(xué)學(xué)報:自然科學(xué)版，2010，46(4):510 －516．

［5］劉占成，王安建，于汶加，等．中國區(qū)域碳排放研究［J］．地球?qū)W報，2010，(5):728 －732．

［6］李國志，李宗植．中國二氧化碳排放的區(qū)域差異和影響因素研究［J］．中國人口·資源與環(huán)境，2010，20(5):22－27．

［7］宋德勇，徐 安．中國城鎮(zhèn)碳排放的區(qū)域差異和影響因素［J］．中國人口·資源與環(huán)境，2011，21(11):22 －27．

［8］張珍花，方 勇，侯 青．我國碳排放水平的區(qū)域差異及影響因素分析［J］．經(jīng)濟(jì)問題探索，2011，11:90 －97．

［9］彭 覓，呂 斌，張 純，等．中國能源碳排放的區(qū)域差異及其影響因素分析［J］．城市發(fā)展研究，2010，17(7):8－14．

［10］牛文元．中國新型城市化報告2010［M］．北京:科學(xué)出版社，2010:21－24．

［11］Shi A．The impact of population pressure on global carbon dioxide emissions，1975 －1996:evidence from pooled cross country data［J］．Ecological Economies，2003(44):29－42．

［12］York R，Rosa E A，Dietz T．STRIPAT，IPAT and IMPATC:analytic tools for unpacking the driving of forces of environmental impacts ［J］．Ecological Economies，2003(46):351－365．

［13］Schipper L，Bartlett S，Hawk D，Vine E．Linking life—styles and energy use:a matter of time?［J］．Annual Review of Energy，1989(14):271 －320．

［14］劉蘭翠．我國二氧化碳減排問題的政策建模與實證研究［D］．合肥:中國科技大學(xué)，2006．

［15］燕 華，郭運(yùn)功，林逢春．基于STIRPAT模型分析CO2控制下上海城市發(fā)展模式［J］．地理學(xué)報，2010，65(8):983－990．

［16］吳殿廷，吳 昊，姜 曄．碳排放強(qiáng)度及其變化——基于截面數(shù)據(jù)定量分析的初步推斷［J］．地理研究，2011，30(4):579 －589．

［17］IPCC．2006 IPCC guidelines for national greenhouse gas inventories［R］．IGS，Japan:the National Greenhouse Gas Inventories form［J］．The Annals of Regional Science，2006，40(2):351 －357．

［18］Dietz T，Rosa E．A．Rethinking the environmental impacts of population，affluence and technology［J］．Human Ecology Review，1994，1:277 －300．