蘇王新,孫然好

1 中國科學院生態(tài)環(huán)境研究中心,城市與區(qū)域生態(tài)國家重點實驗室, 北京　100085 2 桂林理工大學旅游學院, 桂林　541004

作為生產、生活和人口的集聚地,城市是能源消費的主體[1]。城市群作為推進國家新型城鎮(zhèn)化的戰(zhàn)略舉措,是國家參與全球競爭與國際分工的主要地域單元,具有規(guī)模效應、集聚效應、輻射效應和聯(lián)動效應[2- 4]。現(xiàn)階段,我國正處于城市化和工業(yè)化的快速發(fā)展階段,城鎮(zhèn)化進程中的人口轉移對能源資源和碳排放的沖擊是顯而易見的,經濟增長對能源消費的剛性需求也將會保持高位增長態(tài)勢,由此產生的碳排放將會對經濟、社會和環(huán)境的持續(xù)發(fā)展形成較大壓力[5- 6]。IEA(2009)數(shù)據(jù)顯示2007年中國成為世界上碳排放最大的國家,中國面臨著巨大的減排壓力,2015年巴黎氣候大會中國在“國家自主貢獻”中承諾碳排放強度減排目標,即2030年單位國內生產總值CO2排放比2005年下降60%—65%。那么如何在推進新型城鎮(zhèn)化的過程中,不斷優(yōu)化城鎮(zhèn)化發(fā)展格局,提升城鎮(zhèn)化的發(fā)展質量,建立一種益于節(jié)約能源和資源的發(fā)展模式,降低城鎮(zhèn)化的資源和環(huán)境成本,走低碳發(fā)展道路,是現(xiàn)今面對的嚴峻問題。

目前對于能源使用導致的碳排放的驅動因素有多種不同的分析方法,例如因素分解法、向量自回歸法、相關性分析法等[7]。因素分解法包括結構分解法(SDA)和指數(shù)分解法(IDA)。指數(shù)分解法(IDA)是對各個解釋變量的微分展開的一種分析方法,其中的Laspeyres指數(shù)分解法和Divisia指數(shù)分解法是能源研究領域應用普及率最高的兩種研究方法[8-10]。Laspeyres指數(shù)測量的是某一領域一組條目在歷史上的百分率變化情況,使用的權重是根據(jù)基期的價值確定的,主要包括修正的Fisher理想指數(shù)和Shapley/Sun方法。Laspeyres指數(shù)法在20世紀70年代末、80年代初得到廣泛應用,該方法的主要優(yōu)點是簡單直觀、易于理解、便于操作[11- 12]。

國際上對城市化和碳排放的研究主要分為發(fā)達國家城市低碳轉型和發(fā)展中國家低碳城市化兩類[13- 14]。相關研究認為人口的城市集聚、城市化生活方式以及城市形態(tài)等都是影響城市碳排放的驅動因素[15- 16],碳排放強度是評價一個國家或地區(qū)碳減排效果的理想指標[17],能源強度是分析人類行為對氣候變化影響的主要指標[18],也有研究認為一個國家或地區(qū)碳排放的推動力有4大因素[19],即人口、人均GDP、單位GDP的能源用量、單位能源用量的碳排放量。國內碳排放研究始于20世紀90年代,關于能源消耗、碳排放的研究,多數(shù)是在國家尺度、省域尺度上進行[20- 22],而以城市群作為對象的研究還比較缺乏,對典型城市群城市碳排放的對比分析較少[1]。因此,本研究以中國五大城市群主要城市為研究對象,分析人口、經濟、能源結構和能源強度對城市碳排放的影響,為城市群碳排放權交易的政策制定以及城市群發(fā)展模式研究提供保障。

1　數(shù)據(jù)來源及研究方法

1.1　數(shù)據(jù)來源

選取長三角城市群的上海市、珠三角城市群的廣州市、京津冀城市群的北京市和天津市、長江中游城市群的武漢市和成渝城市群的重慶市為研究對象。2000—2014年市轄區(qū)年末總人口、市轄區(qū)地區(qū)生產總值、市轄區(qū)人均地區(qū)生產總值、三產業(yè)占地區(qū)生產總值的比重等來源于《中國城市統(tǒng)計年鑒(2001—2015)》,統(tǒng)計數(shù)據(jù)“市轄區(qū)”包括所有城區(qū),不包括轄縣和轄市；統(tǒng)計人口為年末戶籍人口。能源消耗總量、各種能源的消耗量(煤炭、焦炭、石油、原油、汽油、煤油、柴油、燃料油、液化石油氣和天然氣)數(shù)據(jù)來自《中國能源統(tǒng)計年鑒(2001—2015)》,統(tǒng)計數(shù)據(jù)均為終端消費量。

1.2　研究方法

世界能源需求的80%—85%來源于化石燃料,80%—90%的碳排放來源于化石燃料能源消耗[23]。因此,化石燃料能源所產生的碳排放是碳排放研究的重點。目前,碳排放量的測算方法主要有實測法、物料衡算法和排放系數(shù)法等[24],因排放系數(shù)法公認程度高、數(shù)據(jù)較易獲得[25],在學術界中應用最多。在碳排放系數(shù)的確定方面,各個機構和學者的標準各不相同,本文采用的碳排放系數(shù)如表1所示。碳排放量的測算選取煤炭、焦炭、石油、原油、汽油、煤油、柴油、燃料油、液化石油氣和天然氣等10類主要化石能源,以各類能源的消費總量乘以各自的平均低位發(fā)熱量與CO2排放系數(shù)獲得CO2的排放量,表達式如下：

式中,C為各類化石能源CO2排放總量；NCVi表示第i種能源的平均低位發(fā)熱量,單位是KJ/kg；CEFi表示第i種能源CO2排放系數(shù),單位是t-C/TJ。

表1　各類能源的平均低位發(fā)熱量與二氧化碳排放系數(shù)[26]

本文采用的是完全分解模型,由Sun在1998年提出[26],按照Dhakal[27]中的方法計算能源使用的碳排放量,研究能源使用導致碳排放的驅動因素。將15年的統(tǒng)計資料每2a作為一個時間點共分7個時間段(2000—2002年、2002—2004年、2004—2006年、2006—2008年、2008—2010年、2010—2012年、2012—2014年),差分解求4個影響碳排放的驅動因子效應。

(1)

式中,C為總的碳排放量(千t)；E為最終能源消費量(t標準煤)；GRP為地區(qū)生產總值(百萬元)；P為年末總人口數(shù)(百萬)；C/E為碳強度效應(CI)；E/GRP能源強度效應(EI)；GRP/P為人均地區(qū)生產總值(PC)。CI、EI、PC和P是解釋變量。從t年到0年排放量的增加值為：

Ct-C0=CIt×EIt×PCt×Pt-CI0×EI0×PC0×P0

(2)

C=CIeffect+EIeffect+Income effect+Population effect

2　結果分析

2.1　城市化特征分析

碳排放強度CI是衡量能源利用質量和碳排放效率的一個重要指標,用單位能耗的碳排放量來表征,其作為一個正向指標碳排放強度CI值越大,說明碳排放就越多。相關研究表明能源強度、能源類型和經濟結構等因素都會影響碳排放強度[28- 30]。由圖1a可知,碳排放強度CI在北京、上海、重慶的趨勢是下降的,在天津的趨勢是上升的,而在廣州和武漢是趨于平穩(wěn)的狀態(tài),說明各城市群能源消耗中各種能源的比重和碳排放量的變化存在著較顯著的差異性。

經濟活動的能源強度EI用單位地區(qū)生產總值的能耗來表示,是衡量一個國家或地區(qū)能源使用效率的重要指標之一[31]。一般來說,能源強度的不斷降低與技術進步、能源結構改善等有密切的關系。由圖1b可知,15年間各大城市群的能源強度的整體趨勢在下降,且城市群之間能源強度的差距在逐漸縮小,能源強度EI作為一個逆向指標,說明各大城市群的能源效率在逐漸提高。中國目前正處于經濟快速增長的城市化與工業(yè)化進程中,通過提高能源使用效率來避免不必要的浪費和降低能源強度,從而延長既定供給量下的能源使用期及實現(xiàn)可持續(xù)發(fā)展。

人均地區(qū)生產總值PC可以表示一個經濟體大致所處的經濟發(fā)展階段,不同的經濟發(fā)展階段有著不同的能源消費特征。中國目前處于快速城市化與工業(yè)化階段,經濟發(fā)展迅速,能源需求總量大、增速快且呈剛性特征[32]。由圖1c可知,人均地區(qū)生產總值PC呈倍數(shù)級增長,廣州、北京、上海和天津的增速基本一致,增速較快,武漢次之,最后是重慶。說明各大城市群的經濟宏觀上都在增長,可能是影響碳排放的因素。

在數(shù)據(jù)期間的人口總數(shù)變量是一個相對穩(wěn)定的值,然而城市化的人口沖擊非常明顯,有研究認為人口變動、經濟發(fā)展和技術變動等都是人類影響氣候變化的決定因素,人口老化、城市化、家庭規(guī)?？s小等都是影響未來氣候變化的重要人口因素[33]。為了充分展示城市化人口轉移帶來的能源和碳排放影響,人口總數(shù)變量P用城市人口數(shù)量來代替。由圖1d可知,人口P呈現(xiàn)平穩(wěn)的增長態(tài)勢,重慶市由于人口基數(shù)較大,而單獨成組,北京、上海、天津、廣州和武漢的人口基數(shù)基本相當,人口增速基本一致。

圖1　六個城市的碳排放強度、能源強度、人均地區(qū)生產總值、人口總量Fig.1　Carbon intensity, Energy intensity, per capita GRP, Total population in the six cities(廣州市和武漢市的CI用其所在的廣東省和湖北省的數(shù)據(jù)來代替)

2.2　碳排放的驅動效應分析

(1)城市群碳排放驅動效應的總體分析

各個城市群的經濟效應、能源強度效應對碳排放的驅動效應都非常明顯。如圖2所示,人口規(guī)模效應對各城市群碳排放增長有正向影響,但其貢獻率較其他效應低一些。經濟效應在各城市群中均處于正向效應,能源強度效應均處于負向效應(除重慶市第2、3段,武漢市的第2段),兩者的驅動影響因子非常的顯著,說明經濟的增長對碳排放是具有促進作用的,能源強度對碳排放是具有抑制作用的,這與多數(shù)研究結論一致[34- 36]。碳強度效應在各大城市群之間是有正向有負向,正負間波動變化比較大,碳強度效應對碳排放的影響具有不確定性。近年來各大城市群均面臨著人口規(guī)?？焖僭黾拥膯栴},城市基礎設施、房屋建設中消耗的鋼筋水泥等都需要消耗大量能源,并且在城市化的過程中人們的消費規(guī)模和消費習慣也發(fā)生著巨大的改變,這些因素都會導致能源消耗及碳排放的增加。相比其他3個影響效應,人口效應對碳排放的驅動效應波動不是很大,均處于一個相對平穩(wěn)的變化態(tài)勢,除北京的第5段(2008—2010年段)和武漢的第6段(2010—2012年)之外均處于正向,說明人口效應對碳排放是具有促進作用的。

(2)不同城市的碳排放驅動因素

由圖2可以看出,天津和廣州的4個碳排放的影響效應整體上呈現(xiàn)增長趨勢,北京和上海的4個碳排放的影響效應趨于平穩(wěn)；武漢和重慶的4個碳排放的影響效應在整體上是先減小后增大。各城市群碳排放的經濟效應相對比較明顯,且出現(xiàn)了拐點。各城市群的能源強度效應對碳排放的影響在逐漸增大,上海市的能源強度效應在各大城市群中的影響為最大,廣州市的最小。北京、上海和天津的4個碳排放的影響效應在整體上要比廣州、武漢和重慶的4個碳排放的影響效應更加顯著。各大城市群中的人口規(guī)模效應對碳排放的正向驅動效應處于一個平穩(wěn)的狀態(tài),相對其他3個驅動效應,其對碳排放的影響效應也最小。

圖2　6個城市的碳強度效應、能源強度效應、經濟效應和人口效應Fig.2　 CI effect, EI effect, Income effect and Population effect in the six cities

(3)城市碳排放驅動要素的時間特征

北京市的第3段(2004—2006年),經濟效應和能源強度效應均出現(xiàn)了較大的轉折波動,其余時間段二者的波動趨于相對較平穩(wěn)的水平。天津市的經濟效應對碳排放的驅動效應最大,在第6段(2010—2012年)出現(xiàn)了正向峰值拐點,碳強度效應在第5段(2008—2010年)出現(xiàn)了正向的轉變,能源強度效應對碳排放的驅動效應在逐漸增大。值得注意的是,在第5段(2008—2010年)人口規(guī)模效應的波動較大,原因在于北京市的常住人口中外來務工人員所占比例較大,并隨著經濟波動而變化。

上海市在2000—2015年間,經濟效應是促進碳排放增長的主導因素,能源強度是抑制碳排放增長的關鍵因素,這與相關研究結果一致[37]。經濟效應在第3段(2004—2006年)出現(xiàn)拐點,影響效應開始逐漸下降,能源強度效應則處于持續(xù)增長狀態(tài)。產業(yè)結構、能源結構的優(yōu)化有利于控制碳排放,而重工業(yè)化與能源結構的高碳化則會增加碳排放。因此在能源強度下降的同時,調整產業(yè)結構和能源結構對上海市碳減排至關重要[38]。

重慶市2000—2006年能源強度的抑制貢獻值與經濟效應的拉動貢獻值之間的差距逐漸縮小,2006年以后經濟發(fā)展使抑制貢獻值與拉動貢獻值之間的差距又不斷擴大,使經濟效應成為首要的碳排放促進因素。經濟效應呈現(xiàn)先增加后降低的情況,且在2008—2010年段出現(xiàn)了拐點。能源強度效應,對重慶市碳排放的影響效應總體上為負值。有研究表明,人口數(shù)量對重慶市能源消費碳排放量影響最大。第三產業(yè)比重每增加1%,能源消費碳排放將會減少0.093%[39]。

武漢市的經濟效應和能源強度效應對碳排放具有顯著影響。武漢市的經濟效應處于折線上升的態(tài)勢,可能與城市經濟跨越式增長有關系[40]。碳強度效應處于正負間折線波動的狀態(tài),說明碳強度效應對碳排放的影響具有很強的不確定性。2000—2006年能源強度的抑制貢獻值與經濟效應的拉動貢獻值之間的差距逐漸縮小,2006年以后經濟發(fā)展使抑制貢獻值與拉動貢獻值之間的差距又不斷擴大,導致城市總體碳排放的增長。

廣州市的經濟效應處于梯形上升的態(tài)勢,說明經濟效應對城市碳排放的影響在逐漸增大。人口效應整體趨于平穩(wěn)的正效應狀態(tài),碳強度效應處于正負間折線波動的狀態(tài),說明碳強度效應對碳排放的影響具有不確定性。能源強度效應的絕對值的總體趨勢是在增大的。2006—2008年段,經濟效應下降的主要原因在于加入WTO以來廣東省通過大量吸引外商投資來嵌入全球價值鏈分工體系,實施出口導向的發(fā)展戰(zhàn)略,從而獲得了大量的“全球化紅利”[41]。自2008年全球金融危機爆發(fā)以來,受到外需萎縮和國內要素價格不斷攀升的影響,廣東省的出口貿易規(guī)模銳減,部分中小企業(yè)倒閉或停產,從而導致其能源消耗增量降低、能源消費的碳排放增量有所下降。

3　討論

現(xiàn)有對于城市碳排放的研究多以單因素分析為主,包括城市化過程中人口和經濟增長、城市擴張、低碳技術進步和體制政策創(chuàng)新,以及城市所依賴的能源結構等[42- 45]。碳排放核算主要包括生產和消費兩方面,生產碳排放賬戶包括工業(yè)、建筑業(yè)、交通運輸業(yè)及商業(yè)等方面,消費碳排放賬戶涵蓋人類衣、食、住、行、娛樂的相關活動[36,46- 49]。在碳排放測算方面,由于測算方法、碳排放系數(shù)標準和能源統(tǒng)計口徑均有不同,使得碳排放測算結果不一致[24]。因素分解法以各個要素之間的數(shù)學關系進行解剖,探討經濟、人口、產業(yè)結構、能源結構、國際貿易、外商直接投資等對碳排放的影響。本案例研究表明,該方法能夠為碳排放的驅動因子和貢獻提供可行的方法支撐。

本文因素分解的能源強度因素,6個城市均處于下降接近的狀態(tài),能源強度效應在碳排放方面具有負向作用,因而可以在促進我國典型城市群的節(jié)能減排時進一步完善和優(yōu)化各地區(qū)的能源結構,提高能源的利用效率。因素分解的人均地區(qū)生產總值因素,6個城市均處于增長狀態(tài),收入效應在碳排放方面具有正向作用,可通過加快產業(yè)結構的優(yōu)化升級,建立城市群低碳法律體系,完善節(jié)能減排的市場化機制,加強城市群間科技研發(fā)的聯(lián)動支持力量等措施來促進城市群節(jié)能減排的實施,同時為后續(xù)城市的發(fā)展提供更加可持續(xù)的空間。

本文僅限于整體城市問題的研究,并未考慮到城市土地利用的變化。相關研究表明全球能源相關CO2排放的年平均占有率只有85%,剩余的15%是來自土地利用變化[50],本研究尚有改進空間。生物燃料、新型能源等的能源消耗碳排放并未計算在內,也沒有分部門和分產業(yè)的進行碳排放的計量。在后續(xù)的研究中,擬進一步完善城市土地利用變化對城市碳排放的影響,加強分行業(yè)碳排放研究；進而對碳排放驅動機制開展多學科聯(lián)合研究,深入了解碳排放的影響因素、作用機制和演變過程,積極研究不同區(qū)域的碳排放差異特征及其成因,提出科學合理的碳減排政策以及相應的保障技術。

4　結論

(1)各城市群能源消耗中各種能源的比重和碳排放量的變化存在著顯著的差異性；各城市群的能源強度在逐漸降低,且城市群之間能源強度的差距在逐漸縮??；各大城市群的人均地區(qū)生產總值PC呈倍數(shù)級增長,人口P呈平穩(wěn)增長。

(2)15年間的7個時間段內北京、天津、上海、廣州、武漢和重慶的經濟效應、碳強度效應、能源強度效應對碳排放的驅動效應都非常明顯。其中經濟效應和人口效應具有正向效應,也即經濟的增長和人口增加都對碳排放是具有促進作用的；能源強度效應具有負向效應,也即能源強度對碳排放是具有抑制作用的；而碳強度效應對碳排放的影響則具有不確定性。

(3)各城市群的經濟效應總體上都出現(xiàn)了拐點,能源強度效應都在增大,不同的城市群的四個碳排放的影響效應(能源強度效應、碳排放效應、經濟效應和人口效應)存在著明顯的差異性。廣州和天津的4個碳排放的影響效應整體上是逐漸增大；北京和上海的4個碳排放的影響效應趨于平穩(wěn)對稱；武漢和重慶的四個碳排放的影響效應是先減小后增大。

參考文獻(References):

[1]滕飛, 劉毅, 金鳳君. 中國特大城市能耗變化的影響因素分解及其區(qū)域差異. 資源科學, 2013, 35(2): 240- 249.

[2]Gottmann J. Megalopolis or the urbanization of the northeastern seaboard. Economic Geography, 1957, 33(3): 189- 200.

[3]王麗, 鄧羽, 牛文元. 城市群的界定與識別研究. 地理學報, 2013, 68(8): 1059- 1070.

[4]方創(chuàng)琳. 中國城市群研究取得的重要進展與未來發(fā)展方向. 地理學報, 2014, 69(8): 1130- 1144.

[5]孫昌龍, 靳諾, 張小雷, 杜宏茹. 城市化不同演化階段對碳排放的影響差異. 地理科學, 2013, 33(3): 266- 272.

[6]郭郡郡, 劉成玉, 劉玉萍. 城鎮(zhèn)化、大城市化與碳排放——基于跨國數(shù)據(jù)的實證研究. 城市問題, 2013, (2): 2- 10.

[7]Yuan W, James P. Evolution of the Shanghai city region 1978- 1998: an analysis of indicators. Journal of Environmental Management, 2002, 64(3): 299- 309.

[8]王鋒, 吳麗華, 楊超. 中國經濟發(fā)展中碳排放增長的驅動因素研究. 經濟研究, 2010, (2): 123- 136.

[9]周五七, 聶鳴. 碳排放與碳減排的經濟學研究文獻綜述. 經濟評論, 2012, (5): 144- 151.

[10]Dhakal S, Kaneko S, Imura H. An analysis on driving factors for CO2emissions from energy use in Tokyo and Seoul by factor decomposition method. Environmental Systems Research, 2002, 30: 295- 303.

[11]陳詩一. 中國碳排放強度的波動下降模式及經濟解釋. 世界經濟, 2011, (4): 124- 143.

[12]胡劍波, 任亞運, 郭風. 國際貿易碳排放指數(shù)分解法研究綜述. 環(huán)境科學與技術, 2016, (10): 69- 72.

[13]Glaeser E L, Kahn M E. The greenness of cities: carbon dioxide emissions and urban development. Journal of Urban Economics, 2010, 67(3): 404- 418.

[14]Marcotullio P J, Hughes S, Sarzynski A, Pincetl S, Pea L S, Romero-Lankao P, Runfola D, Seto K C. Urbanization and the carbon cycle: contributions from social science. Earth′s Future, 2014, 2(10): 496- 514.

[15]Batten D F. Network cities: creative urban agglomerations for the 21st Century. Urban Studies, 1995, 32(2): 313- 327.

[16]Borrego C, Martins H, Tchepel O, Salmim L, Monteiro A, Miranda A I. How urban structure can affect city sustainability from an air quality perspective. Environmental Modelling & Software, 2006, 21(4): 461- 467.

[17]Sun J W. The decrease of CO2emission intensity is decarbonization at national and global levels. Energy Policy, 2005, 33(8): 975- 978.

[18]Ang B W. Is the energy intensity a less useful indicator than the carbon factor in the study of climate change? Energy Policy, 1999, 27(15): 943- 946.

[19]Yoichi K. Impact of Carbon Dioxide Emission on GNP Growth: Interpretation of Proposed Scenarios. Paris: Presentation to the Energy and Industry Subgroup, Response Strategies Working Group, IPCC, 1989.

[20]胡建輝, 蔣選. 城市群視角下城鎮(zhèn)化對碳排放的影響效應研究. 中國地質大學學報: 社會科學版, 2015, 15(6): 11- 21.

[21]楊騫, 劉華軍. 中國二氧化碳排放的區(qū)域差異分解及影響因素——基于1995—2009年省際面板數(shù)據(jù)的研究. 數(shù)量經濟技術經濟研究, 2012, (5): 36- 49, 148- 148.

[22]Wang S J, Fang C L, Guan X L, Pang B, Ma H T. Urbanisation, energy consumption, and carbon dioxide emissions in China: a panel data analysis of China′s provinces. Applied Energy, 2014, 136: 738- 749.

[23]Green C. Potential scale-related problems in estimating the costs of CO2mitigation policies. Climatic Change, 2000, 44(3): 331- 349.

[24]謝守紅, 王利霞, 邵珠龍. 國內外碳排放研究綜述. 干旱區(qū)地理, 2014, 37(4): 720- 730.

[25]李健, 周慧. 中國碳排放強度與產業(yè)結構的關聯(lián)分析. 中國人口·資源與環(huán)境, 2012, 22(1): 7- 14.

[26]Sun J W. Changes in energy consumption and energy intensity: a complete decomposition model. Energy Economics, 1998, 20(1): 85- 100.

[27]Dhakal S. Urban energy use and carbon emissions from cities in China and policy implications. Energy Policy, 2009, 37(11): 4208- 4219.

[28]Zheng S Q, Wang R, Glaeser E L, Kahn M E. The greenness of China: household carbon dioxide emissions and urban development. Journal of Economic Geography, 2011, 11(5): 761- 792.

[29]趙志耘, 楊朝峰. 中國碳排放驅動因素分解分析. 中國軟科學, 2012, (6): 175- 183.

[30]李湘梅, 姚智爽. 基于VAR模型的中國能源消費碳排放影響因素分析. 生態(tài)經濟, 2014, 30(1): 39- 44.

[31]程葉青, 王哲野, 張守志, 葉信岳, 姜會明. 中國能源消費碳排放強度及其影響因素的空間計量. 地理學報, 2013, 68(10): 1418- 1431.

[32]林伯強, 劉希穎. 中國城市化階段的碳排放: 影響因素和減排策略. 經濟研究, 2010, (8): 66- 78.

[33]蔣耒文. 人口變動對氣候變化的影響. 人口研究, 2010, 34(1): 59- 69.

[34]Kang J D, Zhao T, Ren X S, Lin T. Using decomposition analysis to evaluate the performance of China′s 30 provinces in CO2emission reductions over 2005- 2009. Natural Hazards, 2012, 64(2): 999- 1013.

[35]Satterthwaite D. The implications of population growth and urbanization for climate change. Environment and Urbanization, 2009, 21(2): 545- 567.

[36]Zhang Y J, Liu Z, Zhang H, Tan T D. The impact of economic growth, industrial structure and urbanization on carbon emission intensity in China. Natural Hazards, 2014, 73(2): 579- 595.

[37]汪宏韜. 基于LMDI的上海市能源消費碳排放實證分析. 中國人口·資源與環(huán)境, 2010, 20(5): 143- 146.

[38]Li L, Chen C H, Xie S C, Huang C, Cheng Z, Wang H L, Wang Y J, Huang H Y, Lu J, Dhakal S. Energy demand and carbon emissions under different development scenarios for Shanghai, China. Energy Policy, 2010, 38(9): 4797- 4807.

[39]黃蕊, 王錚. 基于STIRPAT模型的重慶市能源消費碳排放影響因素研究. 環(huán)境科學學報, 2013, 33(2): 602- 608.

[40]楊欣, 蔡銀鶯, 張安錄. 武漢城市圈碳排放的時空格局及影響因素分解研究——基于2001—2009年市級面板數(shù)據(jù)的實證. 長江流域資源與環(huán)境, 2013, 22(11): 1389- 1396.

[41]張捷, 石柳, 趙秀娟. 廣東省終端能源消費碳排放增長的驅動因素. 技術經濟, 2014, 33(5): 64- 71.

[42]秦耀辰, 張麗君, 魯豐先, 閆衛(wèi)陽, 王喜. 國外低碳城市研究進展. 地理科學進展, 2010, 29(12): 1459- 1469.

[43]Dhakal S. GHG emissions from urbanization and opportunities for urban carbon mitigation. Current Opinion in Environmental Sustainability, 2010, 2(4): 277- 283.

[44]吳嬋丹, 陳昆侖. 國外關于城市化與碳排放關系研究進展. 城市問題, 2014, (6): 22- 27.

[45]Wang Y F, Zhao H Y, Li L Y, Liu Z, Liang S. Carbon dioxide emission drivers for a typical metropolis using input-output structural decomposition analysis. Energy Policy, 2013, 58: 312- 318.

[46]張友國. 經濟發(fā)展方式變化對中國碳排放強度的影響. 經濟研究, 2010, (4): 120- 133.

[47]郭朝先. 產業(yè)結構變動對中國碳排放的影響. 中國人口·資源與環(huán)境, 2012, 22(7): 15- 20.

[48]李鍇, 齊紹洲. 貿易開放、經濟增長與中國二氧化碳排放. 經濟研究, 2011, (11): 60- 72, 102- 102.

[49]宋德勇, 易艷春. 外商直接投資與中國碳排放. 中國人口·資源與環(huán)境, 2011, 21(1): 49- 52.

[50]Le Quéré C, Raupach M R, Canadell J G, Marland G, Bopp L, Ciais P, Conway T J, Doney S C, Feely R A, Foster P, Friedlingstein P, Gurney K, Houghton R A, House J I, Huntingford C, Levy P, Lomas M R, Majkut J, Metzl N, Ometto J, Peters G P, Prentice I C, Randerson J T, Running S W, Sarmiento J L, Schuster U, Sitch S, Takahashi T, Viovy N, Van Der Werf G R, Woodward F I. Trends in the sources and sinks of carbon dioxide. Nature Geoscience, 2009, 2(12): 831- 836.