長三角城市群碳排放與城市用地增長及形態(tài)的關系

舒 心,夏楚瑜,李 艷,*,童菊兒,史 舟

1 浙江大學公共管理學院土地科學與不動產(chǎn)研究所, 杭州 310058 2 浙江大學環(huán)境與資源學院農(nóng)業(yè)遙感與信息技術應用研究所, 杭州 310058

2014年聯(lián)合國政府間氣候變化委員會(IPCC)第5次評估報告(AR5)指出,1970—2010年化石燃料燃燒和工業(yè)過程的CO2排放量占溫室氣體總排放增量的78%,且2000—2010年,年度人為溫室氣體排放總量增長了約10GtCO2-eq,該增量直接源于能源(47%)、工業(yè)(30%)等行業(yè)。城市擴張和城市化的過程會對城市碳排放產(chǎn)生重要的影響,研究表明城市化與二氧化碳排放量之間存在著長期穩(wěn)定的均衡關系[1]。因此,城市作為人口和經(jīng)濟活動最為密集的區(qū)域,是碳排放的重要來源。

針對城市碳排放問題,有學者從城市的發(fā)展[2]、城市的土地利用[3]、城市的某一行業(yè)(如工業(yè))[4]等不同角度研究了城市碳排放的特征與效應。在研究城市擴張與碳排放之間的關系時,較多研究分析了城市用地的面積增長對碳排放總量、強度等的影響[5- 6],而對城市某一空間特征對城市碳排放的影響關注較少,相關研究的研究對象多為居民或家庭等微觀個體,針對的行業(yè)也為交通、建筑等城市中的某一部門[7- 9],在宏觀尺度上的研究較少,且多是從城市土地利用模式、交通系統(tǒng)結構等方面來定性證明城市空間形態(tài)會對城市碳排放產(chǎn)生影響[10],缺乏某種定量指標直接表征城市用地的空間特征及其與城市碳排放的關系。

本研究以長三角城市群為研究區(qū),在分析城市用地面積與碳排放脫鉤關系時空變化的基礎上,通過構建面板數(shù)據(jù)模型探究了城市形態(tài)對碳排放的影響及其程度。為了實現(xiàn)城市形態(tài)的定量化,且使這種定量表征更為直觀、統(tǒng)一,同時考慮到數(shù)據(jù)的可獲得性,本研究中的城市形態(tài)指的是城市用地的景觀格局特征,用景觀生態(tài)學中的景觀格局指數(shù)表示。研究結果可為長三角城市群制定低碳城市發(fā)展戰(zhàn)略、完善土地利用規(guī)劃和城市規(guī)劃提供一定的科學依據(jù)。

1 研究區(qū)、數(shù)據(jù)來源與研究方法

1.1 研究區(qū)與數(shù)據(jù)來源

國家發(fā)改委于2016年發(fā)布的《長江三角洲城市群發(fā)展規(guī)劃》將長三角城市群描述為我國經(jīng)濟最具活力、開放程度最高、創(chuàng)新能力最強、吸納外來人口最多的區(qū)域之一。根據(jù)2014年的統(tǒng)計數(shù)據(jù),長三角城市群的面積為21.2萬km2,坐擁15033萬人口,人均GDP高達13737美元/人,位居全國前列。一般意義上的長三角城市群包括上海、浙江、江蘇、安徽四省共26市,本研究區(qū)選定了其中數(shù)據(jù)完備性較好的13個核心城市：常州、杭州、嘉興、金華、南京、寧波、上海、紹興、蘇州、臺州、溫州、無錫和舟山,下文中的“長三角城市群”均指這13個城市。

本研究中的城市用地面積數(shù)據(jù)來源于中國科學院資源環(huán)境科學數(shù)據(jù)中心(http://www.resdc.cn)1995年、2000年、2005年、2010年和2015年共5期Lansat TM/ETM遙感影像解譯數(shù)據(jù)。各景觀格局指數(shù)是基于以上5期影像數(shù)據(jù),經(jīng)過一定的預處理后在FRAGSTATS軟件中求得。其他社會經(jīng)濟數(shù)據(jù)來源于各省市歷年統(tǒng)計年鑒、中國城市統(tǒng)計年鑒以及各市國民經(jīng)濟和社會發(fā)展統(tǒng)計公報等。

本研究所定義的城市碳排放總量是基于張妍等[11]提出的城市碳代謝模型中的城市用地、工業(yè)和交通用地的碳排放總量計算的,如表1,城市用地上產(chǎn)生的碳排放來源于城市人類呼吸、城市生活消費、批發(fā)零售業(yè)和住宿餐飲業(yè)、建筑業(yè)。城市生活消費的碳排放以城市常住人口比例由各省分配到各市,批發(fā)零售業(yè)和住宿餐飲業(yè)、建筑業(yè)的碳排放以該行業(yè)GDP比例由各省分配到各市。由于統(tǒng)計數(shù)據(jù)難以精確到各地市,本研究中工業(yè)用地上產(chǎn)生的碳排放僅考慮工業(yè)部門能源消耗的直接碳排放,不考慮工業(yè)生產(chǎn)過程中的一些化學反應過程等所產(chǎn)生的碳排放,如水泥、石灰等原料的生產(chǎn)。以上相關數(shù)據(jù)從各省市歷年統(tǒng)計年鑒、中國城市統(tǒng)計年鑒、中國能源統(tǒng)計年鑒和中國交通運輸統(tǒng)計年鑒中獲得。

表1 碳排放核算目錄表

城市生活消費和人類呼吸碳排放的計算公式為：

Vu=∑Elfi+k1P

(1)

式中,Vu為城市生活消費和人類呼吸的碳排放總量,El為居民生活能耗(標準煤),fi為能源的碳排放系數(shù),k1為人類呼吸的碳排放系數(shù),P為非農(nóng)業(yè)人口。

工業(yè)生產(chǎn)的直接碳排放是根據(jù)IPCC推薦的能源碳排放系數(shù)估算法,將每種能源的消費量換算為標準煤量后乘以其對應的能源碳排放系數(shù)再加總而得,計算公式如下：

C=∑Ei×Ki

(2)

式中,C為工業(yè)生產(chǎn)的碳排放總量,Ei為第i種能源的消費量,Ki為第i種能源的碳排放系數(shù)(表2)。

表2 能源碳排放系數(shù)表[12]

表中系數(shù)來源于文獻[12]

交通活動碳排放的計算參考了林劍藝等[13]在計算廈門市能源利用碳足跡時的處理,包括境內碳排放和跨界運輸碳排放兩個部分,計算公式為：

Vroad=Vin+Vout=k2MP+k3MB+k4MT+k5Mm+TiFi

(3)

Vw=TwFw

(4)

式中,Vroad為公路和鐵路的交通碳排放總量,Vin是境內交通碳排放,Vout是跨界運輸碳排放,MP、MB、MT和Mm分別是私人汽車、公共汽車、出租車和摩托車的總運行里程,其中部分數(shù)據(jù)來源于相關文獻[14],k2、k3、k4和k5為對應的碳排放系數(shù)。Ti表示第i種跨界運輸(水運單獨計算)的交通量,Fi為該種運輸?shù)奶寂欧畔禂?shù)(i=1, 2)。Vw是內河運輸交通碳排放,Tw是港口始發(fā)吞吐量,Fw是單位貨物量的碳排放系數(shù)。

以上涉及的所有碳排放系數(shù)的值見表3。

表3 碳排放系數(shù)

人類呼吸的碳排放系數(shù)來源于文獻[15],各種車輛運輸和公路、鐵路運輸?shù)奶寂欧畔禂?shù)來源于文獻[16-17],水路運輸碳排放系數(shù)來源于文獻[18-19]

1.2 研究方法

1.2.1 碳排放重心的計算

碳排放重心的定義參考了人口重心的概念[20],類似地,設某個單元的中心坐標為(Xi,Yi),Mi為該單元在某個屬性意義下的“重量”,則碳排放的重心坐標可以計算為：

(5)

式中,n為城市總數(shù),Mi為第i個城市1995—2015年的碳排放總量。

1.2.2 脫鉤分析

脫鉤指的是經(jīng)濟增長與資源消耗或環(huán)境污染之間的聯(lián)系的一種阻斷[21]。如果兩者均處于增長狀態(tài),但經(jīng)濟增長的速度大于環(huán)境污染的速度或者在經(jīng)濟增長的同時環(huán)境污染減少,都可以被認為是一種脫鉤狀態(tài)(分別為相對脫鉤和絕對脫鉤)。OECD(經(jīng)濟合作與發(fā)展組織)、Tapio等均提出了不同的脫鉤指標構建方式,Tapio脫鉤指標是一種環(huán)境壓力相對于經(jīng)濟驅動的彈性,不受數(shù)據(jù)絕對值大小的影響,能與我國提出的單位GDP減排目標對應,因此適用于經(jīng)濟發(fā)展與碳排放關系的歷史推演與碳減排的未來情景預測。根據(jù)脫鉤指數(shù)(decoupling)所反映的關系,可以將脫鉤狀態(tài)劃分為以下8種類型[22],見表4。

其中強脫鉤為最佳脫鉤狀態(tài),即經(jīng)濟增長的同時,對資源的消耗或對環(huán)境的污染隨之減少,而強負脫鉤為最差脫鉤狀態(tài),此時經(jīng)濟增長與環(huán)境污染呈負相關,經(jīng)濟衰退而環(huán)境進一步惡化,其余狀態(tài)介于二者之間。

本研究選取了Tapio[22]提出的基于增長彈性變化的脫鉤狀態(tài)分析模型來計算各城市碳排放與城市用地增長之間的脫鉤指數(shù),并將其定義為某一時期內(1995—2000年,2000—2005年,2005—2010年和2010—2015年)碳排放總量和城市用地面積變化量百分比的比值,計算公式為：

(6)

式中,D為脫鉤指數(shù),ΔC為某一時期(如1995—2000年)內的碳排放變化量,C為初期(如1995年)碳排放總量,ΔS為某一時期(如1995—2000年)內的城市用地面積變化量,S為初期(如1995年)城市用地面積。

1.2.3 城市形態(tài)的表征

景觀格局指數(shù)是高度濃縮的景觀格局信息,是反映景觀結構組成、空間配置特征的簡單量化指標[23]。城市擴張過程中出現(xiàn)的如斑塊數(shù)量增加、斑塊之間的連結度提高等城市形態(tài)變化可以用一定的景觀格局指數(shù)來表征。從景觀生態(tài)學的基本原理和結構出發(fā),可以把景觀格局指數(shù)分為描述景觀要素的指數(shù)(如斑塊的數(shù)目、面積等)和描述景觀總體特征的指數(shù)(如優(yōu)勢度、蔓延度等)[24]。FRAGSTATS軟件可以從斑塊水平指數(shù)、斑塊類型水平指數(shù)和景觀水平指數(shù)3個層次計算出數(shù)十種不同的景觀格局指數(shù)。由于斑塊水平上的景觀格局指數(shù)能夠反映的景觀格局特征相對有限,且需兼顧描述景觀要素和景觀的總體特征,故本研究選取了最大斑塊指數(shù)、斑塊數(shù)、斑塊類型面積、叢生度和斑塊結合度5種景觀格局指數(shù)作為城市形態(tài)的表征,它們的相關描述如表5所示。以上景觀格局指數(shù)可以從優(yōu)勢景觀類型及其主導程度、破碎化程度和聚集程度等不同角度綜合反映城市擴張的景觀格局特征。

表5 景觀格局指數(shù)相關描述

1.2.4 面板數(shù)據(jù)模型

面板數(shù)據(jù)是N個不同個體在T個時點關于變量y的值的二維數(shù)據(jù),構建面板數(shù)據(jù)模型可以得到解釋變量x對被解釋變量y的影響回歸估計,其一般形式為[26]：

(7)

式中,i=1, 2,…,N,表示N個個體；t=1,2,…,T,表示T個時點。yit是個體i在t時的被解釋變量的觀測值；xkit是個體i在t時的第k個非隨機解釋變量的觀測值；βki為待估參數(shù)；uit為隨機誤差項。在實際研究中,為了使解釋變量對被解釋變量的影響體現(xiàn)地更為直觀,一般對等式兩邊取自然對數(shù)。

在確定模型的具體形式之前,首先需要檢驗數(shù)據(jù)的平穩(wěn)性和協(xié)整性,這是模型進行回歸估計的前提。平穩(wěn)性檢驗和協(xié)整檢驗通過之后,需要對數(shù)據(jù)進行Hausman檢驗和F檢驗以確定模型的具體形式。Hausman檢驗用于確定解釋變量對被解釋變量的影響方式,分為隨機影響和固定影響。F檢驗用來確定模型屬于變系數(shù)、變截距或系數(shù)不變模型中的一種。F檢驗的H1和H2假設分別為：

H1:β1=β2=…=βN
H2:α1=α2=…=αNβ1=β2=…=βN

(8)

F統(tǒng)計量的計算公式為：

(9)

(10)

式中,S1、S2、S3分別為當模型為變系數(shù)、變截距和不變系數(shù)模型時對應的殘差平方和,F檢驗的判定規(guī)則為：若接受假設H2則為不變系數(shù)模型；若拒絕假設H2,則檢驗假設H1,若接受假設H1,為變截距模型,若拒絕假設H1,則為變系數(shù)模型。比較F統(tǒng)計量的值與所服從的F分布的臨界值,判定模型的具體形式。

2 結果與討論

2.1 長三角城市群碳排放重心轉移

圖1 1995—2015年研究區(qū)碳排放重心轉移 Fig.1 The shift of gravity center from 1995—2015 for carbon emissions in the study area

1995—2015年研究區(qū)碳排放重心轉移情況如圖1所示。總體而言,碳排放重心向西南方向移動了22.5 km,其中向西移動了16.79 km,向南移動了14.98 km。1995—2015年碳排放重心經(jīng)歷了西南向-西北向-東南向-西北向的轉移過程,這種轉移過程可能與相應時期內該轉移方向上部分城市的工業(yè)發(fā)展和產(chǎn)業(yè)結構調整有關。分階段來看,1995—2000年,碳排放重心向西移動了14.16 km,向南移動了7.12 km,碳排放重心向西南方向轉移。該時期內杭州工業(yè)發(fā)展迅速,機械、電子、食品、紡織、化工、醫(yī)藥為工業(yè)增長的主要產(chǎn)業(yè)。2000年,杭州全市能源消費總量1210.94萬t標準煤,扣除生產(chǎn)二次能源投入量后,綜合能源消費量(凈能耗)為746.81萬t標準煤,增長7.3%,萬元產(chǎn)值綜合能耗0.456 t標準煤,節(jié)能率僅有15.66%；2000—2005年,碳排放重心向西移動了15.78 km,向北移動了13.94 km,碳排放重心向西北方向轉移。這可能與該時期內無錫工業(yè)的快速增長有關,2001—2004年,無錫重工業(yè)的增長率分別達到了14.0%、19.4%、29.3%、36.2%；2005—2010年,碳排放重心向東移動了18.3 km,向南移動了32.74 km,碳排放重心向東南方向轉移,且移動距離最大,為37.5 km。根據(jù)《2010寧波能源利用報告》,2010年寧波市全社會綜合能耗約3536萬t標準煤,比2009年增長12.6%；2010—2015年,碳排放重心向西移動了5.15 km,向北移動了10.94 km,碳排放重心向西北方向轉移。這或許可以用浙江和江蘇兩省的產(chǎn)業(yè)結構調整來解釋,2010—2015年,浙江省三次產(chǎn)業(yè)增加值結構由2010年的5.0∶51.9∶43.1調整為2015年的4.3∶45.9∶49.8,而江蘇省三次產(chǎn)業(yè)增加值結構由2010年的6.2∶53.2∶40.6調整為2015年的5.7∶45.7∶48.6,可以看出,第三產(chǎn)業(yè)比重增加與第二產(chǎn)業(yè)比重減少的比值,浙江省略高于江蘇省,說明浙江省將高耗能產(chǎn)業(yè)轉移到相對低耗能產(chǎn)業(yè)的部分較多。此外也有研究表明,2011—2014年浙江省碳排放總量呈現(xiàn)出減少的趨勢,且年均減少1.24%[27]。2010—2012年浙江省的生態(tài)綜合價值穩(wěn)步上升,碳排放強度作為評價生態(tài)綜合價值的其中一項指標,對其影響較大[28],故碳排放重心往江蘇方向稍有轉移。

總體而言,1995—2015年,長三角城市群的碳排放重心處于研究區(qū)北部,大致位于嘉興市西部。除2000—2005年碳排放重心在東西和南北方向上的移動距離相當外,其余3個時期重心在東西或南北某一方向上移動的距離均為另一方向上的兩倍左右,如2005—2010年,碳排放重心向南移動的距離約為向東移動的1.8倍。以上說明城市群內部各市之間的碳排放水平存在一定的差異,不同時期的碳排放貢獻結構是不同的,且各階段的結構變化較大。

2.2 碳排放與城市用地增長的脫鉤狀態(tài)變化

2.2.1 脫鉤狀態(tài)時間變化

表6給出了各時期城市用地面積和碳排放總量的變化量及對應的脫鉤指數(shù)和脫鉤狀態(tài)。如表6所示,1995—2015年,研究區(qū)整體的脫鉤結構由以擴張負脫鉤為主變化為以弱脫鉤為主,總體而言脫鉤狀態(tài)有所好轉,即隨著城市用地增長,碳排放總量雖然仍在上升,但上升的幅度有所減小。其中常州、上海、蘇州、無錫4個城市脫鉤狀態(tài)的轉變過程較為平穩(wěn),而較多城市出現(xiàn)了在擴張負脫鉤、增長連結和弱脫鉤等狀態(tài)之間搖擺的現(xiàn)象,如杭州、金華、南京、紹興、臺州和溫州,個別城市在某一時期內發(fā)生了脫鉤狀態(tài)的強烈“倒退”,如嘉興在前兩個階段由強脫鉤突變?yōu)閿U張負脫鉤,寧波1995—2000年原為擴張負脫鉤,2000—2005年突變?yōu)閺娯撁撱^,1995—2015年僅有舟山一直處于擴張負脫鉤的狀態(tài)。至2015年,已有9個城市的碳排放和城市用地增長之間達到了脫鉤狀態(tài),占研究區(qū)全部城市的近70%,其中上海、紹興和臺州率先實現(xiàn)了強脫鉤,即城市用地增加而碳排放總量減少,這意味著在環(huán)境改善的同時也實現(xiàn)了經(jīng)濟發(fā)展,是碳排放和城市用地增長之間關系最理想的狀態(tài)。

表6 1995—2015年長三角城市群碳排放與城市用地增長脫鉤指標值

表中%ΔC為碳排放變化率ΔC/C,%ΔS為城市用地面積變化率ΔS/S,D為脫鉤指數(shù)(詳見式6)

2.2.2 脫鉤狀態(tài)空間格局演變

1995—2015年碳排放與城市用地增長的脫鉤狀態(tài)空間分布如圖2所示。總體而言,1995—2010年碳排放與城市用地增長的脫鉤狀態(tài)以擴張負脫鉤和增長連結為主,而2010年以后,強、弱脫鉤占主導地位,2005年以前,長三角城市群內部脫鉤狀態(tài)的區(qū)域差異較大,零星出現(xiàn)了強脫鉤和強負脫鉤等極端狀態(tài),2005年以后,區(qū)域之間的脫鉤狀態(tài)差異開始縮小,研究區(qū)整體的脫鉤狀態(tài)趨向于同質。

1995—2000年研究區(qū)有8個城市(杭州、寧波、上海、紹興、蘇州、臺州、無錫和舟山)碳排放和城市用地增長之間為擴張負脫鉤狀態(tài),占總數(shù)的62%,有3個城市(金華、南京和溫州)為增長連結狀態(tài),占總數(shù)的23%,其余嘉興和常州分別為脫鉤狀態(tài)的正負兩極(強脫鉤和強負脫鉤),即這一時期內絕大多數(shù)(92%)的城市尚未實現(xiàn)脫鉤,經(jīng)濟發(fā)展急需大量城市用地支撐,碳排放增加的速度超過了城市用地增長的速度。2000—2005年,除上海、蘇州、無錫和舟山等長三角北部城市外,其他城市的脫鉤彈性均有不同程度的變化,擴張負脫鉤的主體由中部地區(qū)轉變?yōu)榱四媳钡貐^(qū),并出現(xiàn)了弱脫鉤。相反,增長連結的脫鉤狀態(tài)由南北向中部聚集,這說明中部地區(qū)城市用地增長所導致的碳排放增加量有所減少。2005—2010年,除南京外,其余城市均為擴張負脫鉤狀態(tài),說明長三角城市群的碳排放與城市用地增長之間的關系開始走向趨同。而2010—2015年,僅有4個城市(常州、嘉興、南京和舟山)為增長連結或擴張負脫鉤,其余均已達到了或強或弱的脫鉤狀態(tài),占研究區(qū)全部城市的近70%,其中上海、紹興和臺州為強脫鉤狀態(tài),尤以紹興的脫鉤程度最高,其碳排放的城市用地增長彈性達到了-4.41,這說明碳排放在城市用地增長的同時不僅實現(xiàn)了總量的減少,且減少率約為城市用地增長率的4.41倍。

圖2 1995—2015年長三角城市群碳排放與城市用地增長脫鉤狀態(tài)空間分布Fig.2 The spatial distribution of the decoupling relationships between carbon emission and urban growth of 13 cities from 1995—2015

2.3 碳排放與城市形態(tài)的關系

2.3.1 面板數(shù)據(jù)檢驗

在所構建的面板數(shù)據(jù)模型中,將表5中的5個景觀格局指數(shù)作為模型的解釋變量,碳排放總量作為被解釋變量。5個解釋變量在Eviews軟件中的平穩(wěn)性檢驗和協(xié)整檢驗的結果如表7和表8所示。由表7可知,單位根檢驗表明,水平變量是平穩(wěn)的。根據(jù)本研究中的樣本數(shù)[29],由表8的結果可知,所有變量的組間PP統(tǒng)計量和組間ADF統(tǒng)計量均通過了1%顯著性水平檢驗,且組內PP統(tǒng)計量和組內ADF統(tǒng)計量也通過了1%或5%的顯著性水平檢驗。協(xié)整檢驗表明,變量之間存在著協(xié)整關系。

表7 平穩(wěn)性檢驗結果

***表示通過了1%的顯著性水平檢驗

表8 協(xié)整檢驗各統(tǒng)計量結果

*、**和***分別表示通過了10%、5%和1%的顯著性水平檢驗

2.3.2 構建面板數(shù)據(jù)模型

表9 Hausman檢驗結果

*、**和***分別表示通過了10%、5%和1%的顯著性水平檢驗

通過面板數(shù)據(jù)檢驗之后,可以構建面板數(shù)據(jù)模型來估計各解釋變量對被解釋變量的影響彈性。由于T>k+1,T=5,此時k最大為3,即每個模型最多可含3個解釋變量?？紤]到景觀格局指數(shù)的類型和相關性[30],將這5個變量預設為以下3種組合：(1)碳排放總量與斑塊數(shù)(NP)、最大斑塊指數(shù)(LPI)和斑塊類型面積(CA)；(2)碳排放總量與斑塊數(shù)(NP)、斑塊類型面積(CA)和叢生度(CLUMPY)；(3)碳排放總量與斑塊結合度(COHESION)、斑塊數(shù)(NP)和最大斑塊指數(shù)(LPI)。相應地,這3種變量組合可以構建為3種面板數(shù)據(jù)模型。

Hausman檢驗結果如表9所示,3種模型Hausman檢驗的統(tǒng)計量均通過了5%顯著性水平檢驗,即拒絕了該模型為隨機效應模型的原假設,故這3種模型均為固定效應模型。

F檢驗的結果見表10。以模型1為例,在5%顯著性水平下,F2>F(48,13),表明拒絕了假設H2,且F1

綜合Hausman檢驗和F檢驗的結果,可以將它們確定為以下3個模型：

LnCit=ci+β1LnNPit+β2LnLPIit+β3LnCAit+μi

(1)

LnCit=ci+β1LnNPit+β2LnCAit+β3LnCLUMPYit+μi

(2)

LnCit=ci+β1LnCOHESIONit+β2LnNPit+β3LnLPIit+μi

(3)

式中,Cit為碳排放總量,i為截面,t為時點,β為各變量的系數(shù),c為常數(shù),μ為個體效應。

表10 F檢驗結果

*、**和***分別表示通過了10%、5%和1%的顯著性水平檢驗

表11給出了以上3種模型的估計結果,其中模型3的3個解釋變量的系數(shù)均通過了1%的顯著性水平檢驗,且F統(tǒng)計量最大,R2最接近于1,即該模型的擬合效果最好。模型3的結果表明,當把最大斑塊指數(shù)、斑塊數(shù)和斑塊結合度作為碳排放總量的解釋變量時,最大斑塊指數(shù)與碳排放總量呈負相關,斑塊數(shù)和斑塊結合度與碳排放總量呈正相關,且各解釋變量對被解釋變量的影響彈性不同,尤為顯著的是斑塊結合度對碳排放的正向影響彈性高達250.1%,遠超其他解釋變量。

表11 面板數(shù)據(jù)模型估計結果

在模型3中,最大斑塊指數(shù)能夠反映連續(xù)完整的地塊在區(qū)域中的主導程度,同時最大斑塊指數(shù)和斑塊數(shù)也能反映斑塊的破碎化程度,而斑塊結合度則反映了斑塊之間的連結度和聚集程度。以上結果表明,連續(xù)完整的地塊在區(qū)域中的主導程度、地塊的破碎化程度和聚集程度會對城市碳排放造成影響。最大斑塊指數(shù)是以面積來衡量某一斑塊對景觀整體的主導程度的,若其值較大則表明該地區(qū)存在著集中連片的斑塊類型,對于單中心主導的緊湊型城市形態(tài)來說,不同地區(qū)之間的互動性較低,由此帶來的基礎設施成本也較低,不會產(chǎn)生較多的碳排放。斑塊數(shù)能夠體現(xiàn)城市用地的破碎化程度,斑塊數(shù)越多,則城市用地被分割得越破碎,意味著經(jīng)濟活動被分散到了不同的斑塊,此時起到連接作用的基礎設施的成本會隨著破碎化程度的提高而增加[31],從而帶來更多的交通活動及其能源消費的碳排放。

斑塊之間的聚集程度對碳排放的正向影響程度較大的可能原因是：第一,聚集程度較高的斑塊大多為碳源,碳排放總量隨著碳源斑塊的聚集而增加。城市擴張過程中其他土地利用類型向建設用地的轉變會表現(xiàn)出明顯的碳排放作用[32]。建設用地作為城市中的一大主要碳源,其產(chǎn)生的碳排放會影響到整個城市的碳代謝系統(tǒng)。如1995—2015年,杭州高負碳代謝分室與其他分室存在強烈的碳儲量競爭,影響城市代謝系統(tǒng)平衡,其中工業(yè)用地分室、公路與鐵路分室占主導地位[33]。1995—2010年長三角地區(qū)碳源(包括能源消費、工業(yè)過程、農(nóng)業(yè)活動、廢水及固體廢棄物、自然過程)排放的增量是碳匯(包括植被凈生態(tài)系統(tǒng)交換量和水域碳吸收)增量的35倍左右,碳源的增長遠遠超出了碳匯的增長[34]。且有研究表明,人工成分的擴張使得作為碳源的斑塊更加聚集,而自然成分的破壞和恢復使得作為碳匯的斑塊更加破碎,且碳排放密度中等和較低的斑塊更容易受到碳排放密度較高的斑塊的影響,但碳固存密度較高的斑塊卻不容易影響碳固存密度中等和較低的斑塊[35]。因此,作為碳源的斑塊除了自身容易產(chǎn)生較高的碳排放總量,也會通過同類斑塊之間的聚集相互影響,從而導致整體產(chǎn)生更多的碳排放。第二,多中心組團和以沿交通干線為主的線狀城市擴張模式雖然提高了斑塊之間的聚集程度和連接性,但也使城市空間形狀趨向于復雜。城市空間形狀與碳排放強度存在一定的相關性,城市空間形狀指數(shù)越大即城市形態(tài)越不規(guī)整,單位土地面積的碳排放量越大[36]。此外,斑塊結合度主要反映的是城市在空間上的幾何形態(tài)是否緊湊,難以全面而準確地體現(xiàn)城市在生產(chǎn)生活功能上的緊湊程度。而功能緊湊的城市可以通過土地的高效、集約利用如公共交通的合理布局減少過長距離導致的交通活動碳排放[37]。本研究出現(xiàn)了碳排放受聚集程度較大的正向影響這一結果可能是因為雖然城市用地斑塊之間的聚集程度有所提高,城市形態(tài)已趨于緊湊,但功能上的不緊湊和資源配置的不合理成為制約碳減排的重要原因。

3 結論與展望

本研究基于城市用地增長和碳排放數(shù)據(jù),分析了1995—2015年長三角城市群碳排放重心轉移以及碳排放和城市用地增長的脫鉤狀態(tài)時空變化,并構建面板數(shù)據(jù)模型探究了城市形態(tài)對碳排放的影響,得出了以下結論：(1)1995—2015年長三角城市群碳排放重心經(jīng)歷了西南向-西北向-東南向-西北向的轉移過程,這種轉移過程與其相應時期內部分城市的工業(yè)發(fā)展與產(chǎn)業(yè)結構調整有關；(2)1995—2015年,長三角城市群碳排放與城市用地增長的脫鉤狀態(tài)存在著顯著的時空異質性。研究區(qū)整體的脫鉤結構由以擴張負脫鉤為主變化為以弱脫鉤為主,2005年以后,區(qū)域之間的脫鉤差異開始縮小,研究區(qū)整體脫鉤狀態(tài)趨向于同質。至2015年,近70%的城市已達到了脫鉤,其中上海、紹興和臺州實現(xiàn)了強脫鉤；(3)連續(xù)完整的地塊在區(qū)域內的主導程度會對城市碳排放產(chǎn)生負向的影響,城市用地斑塊的破碎化程度和聚集程度對碳排放均有正向的影響,且相對而言,聚集程度的這種正向的影響更為顯著。

以上研究結論,可以為區(qū)域層面制定低碳城市發(fā)展戰(zhàn)略、城市土地利用規(guī)劃和城市規(guī)劃有著一定的參考意義。但本研究僅僅討論了在某一時間段(1995—2015年)某一區(qū)域(長三角城市群)城市形態(tài)對城市碳排放的影響,而影響的方向和彈性是否會變化,是否存在時空異質性,以及這種時空異質性能否與碳排放和城市用地增長的脫鉤狀態(tài)的時空異質性實現(xiàn)相互解釋等，需要深入研究。