我国进入经济新常态后, 为了维持经济的稳定增长, 需要快速城市化作为动力支撑; 同时, 在巴黎气候协定的约束下, 我国面临碳减排的巨大挑战。前者由快速城市化带来对能源消费增长的刚性拉动; 后者由政府承诺带来对能源消费碳减排的硬性约束。缓和或破解二者矛盾具有极强的现实意义, 而此项工作的关键恰在于厘清城市能源消费的碳排放特征与驱动机制。

城市化推动能耗, 能耗推动城市碳排放。围绕城市化与城市能源消费的关系与机理, 国内外学者开展了一系列研究, 形成一系列典型结论。Zhang和Lin^[1]等利用我国省级面板数据建立柯步道格劳斯模型, 发现城市化对城市碳排放和能源消耗的影响, 发现城市化推动了能源消耗的上升, 但其影响效应在东、中、西部存在显著差异。王海鲲等^[2]在对无锡市多年碳排放的核算研究中发现, 城市能源消费的平均年度碳排放占平均年度总体碳排放的80%。Wang等^[3]对170个国家1980—2011的城市化、经济增长、能源消费和碳排放的研究发现各个变量存在不同程度的Granger因果关系.Bilgili等^[4]对亚洲10个国家1990—2014年的统计数据分析, 发现城市化对能源密度长期有重要的影响。

城市第二产业是影响能源碳排放密度与效率的主要原因。Lin和Zhu^[5]对我国30个省工业化与能源强度的研究表明, 二产结构和比例对能源密度有重要影响, 能源密度随着产业结构的调整下降。张伟等^[6]借助Kaya恒等式对产业体系的碳排放量因素分解建立产业体系碳排放模型, 对我国29个省区产业体系及其三次产业1995—2014年间的碳排放强度、能源碳排放密度和能源消费强度进行测度, 研究发现：我国产业体系低碳化发展是由能源结构的变化所驱动, 属于能源结构变化型; 由于产出占比和能源消费占比较大, 导致我国产业体系能源消费强度, 即能源使用效率主要受二次产业的影响。

我国经济增长、能源消费、碳排放间具有耦合特征, 但存在解耦可能。Asumadu-Sarkodie和Dwusu^[7]利用电力消耗表征了城市发展, 并发现电力消耗与碳排放呈现动态相关, 在不同阶段耦合特征不一致。仇婷婷^[8]利用面板Granger因果检验分析经济增长与能源消费、经济增长与碳排放的相互影响关系, 实证结果显示, 经济增长与能源消费、经济增长与碳排放之间均存在双向的因果关系。王凯等^[9]基于IPCC温室气体排放清单指南中的碳排放因子与核算方法, 核算了1995—2010年中国服务业能源消费和CO₂排放量, 并发现服务业能源消费、CO₂排放量与增加值之间的脱钩状况总体上呈现出逐步好转的态势; 服务业存在从经济增长到能源消费、CO₂排放的单向Granger因果关系。杜祥琬等^[10]在研究发达国家经济发展与能源消费、能源消费与二氧化碳排放解耦规律的基础上, 提出我国未来发展的3种情景假设, 即惯性情景、低碳情景和综合情景。如按假设的低碳情景发展, 中国发展进入新常态, GDP预期增速虽有所下降, 但经济总量仍保持良好增长态势, 2020年后我国经济增长与能源消费开始呈现逐步解耦的趋势。

人均GDP、能源消费结构、产业结构是影响碳排放效率的主要原因。Asumadu-Sarkodie等^[11]研究了能源消耗、二氧化碳排放、GDP、工业化、金融发展和人口之间的因果关系, 通过ARDL回归分析、神经网络预测及格兰杰因果关系检验表明能源使用和二氧化碳排放之间存在单向的因果关系, 工业化和能源使用之间的双向因果关系。查建平等^[12]利用相对“脱钩”、“复钩”的理论与测度模型, 对2000—2009年我国工业经济增长与能源消费和碳排放之间的脱钩关系进行研究, 认为能源效率是实现碳排放与工业经济增长之间弱“脱钩”的主要拉升因素, 能源排放强度、能源结构以及产业结构等是脱钩工作中的薄弱环节。张庆民等^[13]基于我国1995—2009年统计数据对产业结构与碳排放之间的内在关联性进行了分析, 结果表明, 第一产业碳排放总量与碳排放强度远低于其他产业, 但碳排放量增长率高于其GDP增长率; 第二产业碳排量总量最高, 碳排放增长率一直在高位运行且波动幅度较大, 碳排放强度呈现明显下降趋势; 第三产业碳排放总量却远低于第二产业, 碳排放强度与第一产业相似, 但其碳排放增长率较高。盖美等^[14]选取辽宁沿海经济带为研究对象, 构建Tobit多元线性回归模型对碳排放效率的影响因素进行详细分析, 研究表明：人均GDP与碳排放效率呈显著正相关, 而能源消费结构、能源消费强度、产业结构及政府干预与碳排放效率呈显著负相关。

在文献综述过程中发现, 现有全国范围的城市能源碳排放研究多是以省级或全国尺度为数据最小单元, 城市数据单元的研究多出现在分省或分区域的研究中; 数据采集多是单样本区域的时间序列或多样本区域的截面数据, 少有面板数据。分析其原因, 可能是长时间序列数据收集中, 行政区划调整、统计口径、统计指标调整导致数据可获得性不高。因此, 本文通过简化城市发展指标, 及重新核算城市能源碳排放数据的方式, 开展10年158个地级城市的面板数据分析, 以期对我国城市发展与城市能源碳排放关系有更全面和动态的认识; 同时, 采用空间中心模型, 刻画各类指标的空间中心变化, 以弥补当前研究中空间分析的不足。

2 案例与数据方法 2.1 研究对象与数据来源

本研究中使用到的数据包括：(1)各城市年末总人口数据及城市年末非农业总人口数据; (2)各城市地区生产总值及三次产业增加值数据; (3)各城市能源消费总量及各类型能源消费量等。主要来自于历年《中国城市统计年鉴》、《中国能源统计年鉴》、《中国统计年鉴》, 此外各类能源碳排放换算参数主要来自于《综合能耗计算通则》(GB/T 2589—2008)和《省级温室气体清单编制指南》(发改办气候[2011]1041号)。上述数据的研究分析时间跨度为2006年至2015年, 涉及货币单位的指标, 统一利用历年CPI值转化为2015年价格表示。在对所有空值样本和0值样本筛除后, 剩余完整分析样本158个, 占全国地级城市总数的一半以上, 多数分布在漠河-腾冲线东部, 认为能够反映我国城市的总体情况, 具有较强代表性。样本城市的空间分布如图 1所示。

2.2 变量与面板数据分析

本文研究城市化水平、三次产业产值与能源消耗、能源碳排放及单位能耗的碳排放强度之间的关系。建立柯布道格劳斯方程模型如下：

式中, UR为城市化率、FI为第一产业产值、SI为第二产业产值、TI为第三产业产值、ε为扰动项。Y在三个不同的面板分析中分别为总能耗(Y1)、总能源碳排放(Y2)以及单位能耗的碳排放强度(Y3)。为了消除原始数据中存在的异方差和不同变量之间的数量级差异, 且假设柯步道格劳斯函数模式符合本文变量之间关系, 因此, 在进行面板数据分析之前, 对各个指标数据进行自然底对数处理：

式中, i表示各样本城市, t表示时间年份, α_i表示各变量的回归系数, u_i表示各城市的个体差异, ε_it表示模型的随机扰动项。下表给出了模型中各个对数序列的描述性统计量。

在对一般面板模型进行参数估计时, 先用个体效应F统计量检验模型中是否存在个体效应, 若存在则选择变截距模型估计, 若不存在则采用混合最小二乘法估计。为了进一步确定是固定影响模型还是随机影响模型, 需要进行Hausman检验, 由于固定效应模型比随机效应模型假设条件更宽松, 如果Hausman检验拒绝原假设, 则应该接受假设条件更宽松的模型, 即应该采用固定效应模型, 否则应该采用随机效应模型。

固定效应模型和随机效应模型最大的不同就在于其基本假设, 即个体不随时间改变的变量是否与自变量有关, 固定效应模型认为不随时间改变的变量是内生的, 与解释变量相关, 随机效应模型认为不随时间改变的变量是外生的, 与解释变量不相关。在模型变量的引入上, 固定效应模型默认了那些不随时间变化的自变量不会对因变量造成影响, 因而不允许这类变量出现在模型之中, 而随机效应模型则认为表示某些个体特征的但不随时间变化而变化的自变量能够对因变量造成影响, 允许这类变量引入到模型之中。

2.3 能源消费碳足迹核算

本文整合2007—2016年《中国能源统计年鉴》数据进行相关能源消费碳足迹核算。考虑到以化石能源为代表的传统能源是造成碳排放的主要原因, 因此仅计算包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气和电力等九类能源的碳排放。

基于2007—2016年能源消费原始数据, 结合煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然气等八类能源二氧化碳排放系数, 将各类型能源消费碳排放量折算为国际统一单位(t), 具体折算方法采用如下公式：

式中, E₁表示能源消费碳排放量, 单位吨; n表示不同类型的能源; e表示能源消费量, 单位吨; A表示二氧化碳排放系数, 各类能源具体系数见表 2。

电力能源消费碳排放量采用如下公式进行计算, 计算后折算为国际统一单位(t)：

式中, E₂表示电力能源消费碳排放量, 单位t; n表示不同地区; e表示能源消费量, 单位万千瓦小时; B表示二氧化碳排放系数, 各地区能源具体系数见表 3。

2.4 城市化率缺失处理

为了科学、真实地反映我国各城市不同阶段城乡人口、社会和经济发展情况, 准确评价城市化水平, 本文通过对2007年到2016年《中国城市统计年鉴》中地级及以上城市全市年末总人口数量和非农业人口数量的数据进行整理, 采用城乡划分中的非农人口占总人口(包括农业与非农业)比重进行计算, 其结果用百分比(%)来表示。

但由于部分年鉴中非农业人口数量数据缺失, 导致上述办法无法计算出全国各省市的城市化率。可综合2007—2016年《中国统计年鉴》中各个省份真实城市率(全省城镇人口比总人口), 并根据各个省市某一年份城市化率比重比值及需要计算年份各个省市城市化率比重比值来进行推算, 方法如下：

式中，q为需计算年份各城市的城市化率; Q为需计算年份各省份的城市化率; a为各城市的城市化率; A为各省份的城市化率。2007—2009年年鉴中城市化率的计算(山东省除外), 是采用城非农人口占总人口(包括农业与非农业)比重来进行计算; 山东省2008—2016年年鉴中城市化率是根据2007年年鉴中山东省和省内各个城市的城市化率及需计算年份山东省城市化率比重采用上述公式推算得出; 其他各城市2010年到2016年年鉴中的城市化率均是根据2009年鉴中各个省市城市化率比重的比值及当年个省份城市化率比值采用上述公式推算得出。

2.5 空间重心计算

地理研究中, 可用重心移动反映地理事物和现象空间分布的变化。将其用在本文的研究中用于体现相关指标近十年在空间上的变化情况, 下面以某指标A为例, 说明其空间重心的计算方式。

式中, (A_{C, X}, A_{C, Y})为该指标的全国重心经纬度坐标, (I_X, I_Y)为第I城市的经纬度坐标, A_i为第I城市的该指标得分。

3 结果 3.1 中国城市能源消费动态特征

本文选取典型城市来构建2006—2015年中国各城市能源碳排放变化曲线, 并分别利用城市的总能源消耗、能源消耗的总二氧化碳排放量和能源二氧化碳排放逆效率(单位能耗的二氧化碳排放量)三项指标来分析中国各城市能源碳排放总体变化趋势, 从总能源消耗重心转移和总能源消耗二氧化碳排放重心转移两项指标来分析其时空变化趋势。样本城市能源碳排放总体变化趋势。从2006—2015年, 三项指标总体趋势有显著差别：总能源消耗量总体呈现逐年平稳下降趋势能源消耗造成的二氧化碳排放量则呈现2006—2012年先快速下降, 2013—2015年后缓慢上升的趋势; 而二氧化碳排放逆效率则呈现逐年匀速增长的趋势(图 2, 图 3)

样本城市能源碳排放的空间重心转移趋势。根据样本城市总能源消耗重心转移曲线和二氧化碳排放重心转移曲线, 可以发现, 二者在时空演变范围上具有显著的一致性, 其中经度变化范围为116°05′—118°00′E, 纬度变化范围为36°06′—39°02′N。具体表现为：2006—2011年期间, 经、纬度变化都较为明显, 且无规律性; 2012—2015年期间, 经、纬度基本保持不变; 总体来说二者重心都向我国西北地区转移(图 4)。而二氧化碳排放逆效率重心呈现波动无规律性转移(图 5)。

3.2 中国城市发展动态特征

中国城市化率自2006年起呈稳步递增趋势, 截至2015年城市化率已达57%。总体而言, 2006—2008年城镇化率空间重心转移以向西的单向转移为主, 2008—2015年则是东、南方向上的两向转移(图 6)。

中国国内生产总值、第一产业增加值、第二产业增加值和第三产业增加值自1990年来总体均呈现增长趋势。第一产业增加值自1990—2005年以来发展平稳, 2006—2011年出现短时间微弱增长趋势, 2012年后又趋于平稳; 第二产业增加值1990—2000年10年间稳步增长, 2001—2011年10年间快速增长, 2012年后增长速率出现浮动但总体仍是增长趋势; 第三产业增加值自1990年起, 就以增加速率不断提高的形势发展; 需要特别说明的是, 在1990—2009年年间、2010年和2011年第二产业增加值总是高于第三产业, 于2009年和2012年先后两次相交后第三产业增加值远超出第二产业增加值(图 7)。

我国城市地区生产总值重心是沿东南方向迁移(图 8)。这一现象说明东南部区域的地区生产总值增速较其他地区更高。第一产业增加值空间重心在2006—2015年期间出现东、西和南、北反复迁移, 但无明显规律。第二产业增加值空间重心自2006—2015年总体沿东南方向转移, 规律明显。第三产业增加值空间重心在2006—2015年总体沿东南方向小范围迁移(图 9)。

3.3 城市发展对城市总能耗的影响特征

运用F检验对面板模型是否存在个体效应进行检验, 结果表明拒绝采用混合面板模型, 说明模型中确实存在个体效应。为了进一步确定是固定效应模型还是随机效应模型, 对模型进行Hausman检验, 结果表明, 在5%的显著水平下, 拒绝随机效应模型, 故选用固定效应模型。

从上表可知, 模型的拟合优度R²为0.986, 方程的F检验P值小于0.05, 说明回归方程显著具有统计意义。各个变量的回归系数均满足5%显著性水平。城市化水平UR的回归系数为0.095, 显著性水平为4%, 说明城市化水平与总能耗之间存在正相关, 即城市化水平每增加1个百分点, 总能耗会相应增加0.095个百分点。第一产业产值FI的回归系数为-0.260, 显著性水平为0%, 说明第一产业产值与总能耗之间存在负相关, 即第一产业产值每增加1个百分点, 总能耗相应减少0.260个百分点。第二产业产值和第三产业产值的回归系数分别为0.132和0.307, 显著性水平均为0%, 说明第二产业产值、第三产业产值与总能耗之间存在显著正相关, 即第二产业产值、第三产业产值的增加会导致总能耗的增加。

3.4 城市发展对城市总能耗碳排放的影响特征

首先运用F检验对面板模型是否存在个体效应进行检验, 结果表明拒绝采用混合面板模型, 说明模型中确实存在个体效应为了进一步确定是固定效应模型还是随机效应模型, 对模型进行Hausman检验。Hausman检验结果表明, 在5%的显著水平下, 拒绝随机效应模型, 故选用固定效应模型。

从上表可知, 模型的拟合优度R²为0.989, 方程的F检验P值小于0.05, 说明回归方程具有显著统计意义。城市化水平UR的回归系数为0.043, 显著性水平为13.7%(大于5%), 说明城市化水平不是碳排放的显著影响因素。第一产业产值FI的回归系数为-0.222, 显著性水平为0%, 说明第一产业产值与碳排放之间显著负相关, 即第一产业产值每增加1个百分点, 碳排放相应减少0.222个百分点。第二产业产值和第三产业产值的回归系数分别为0.135和0.384, 显著性水平均为0%, 说明第二产业产值、第三产业产值与碳排放之间显著正相关, 即第二产业产值、第三产业产值的增加会导致能源碳排放的增加。

3.5 城市发展对城市单位能耗碳排放的影响特征

首先运用F检验对面板模型是否存在个体效应进行检验, 结果表明拒绝采用混合面板模型, 模型中确实存在个体效应。为了进一步确定是固定效应模型还是随机效应模型, 对模型进行Hausman检验。结果表明, 在5%的显著水平下, 拒绝随机效应模型, 故选用固定效应模型。根据F和Hausman检验结果进行固定效应模型拟合, 结果如下(表 6)。

从上表可知, 模型的拟合优度R²为0.903, 方程的F检验P值小于0.05, 说明回归方程具有显著统计意义。城市化水平UR和第二产业产值的回归系数在5%的显著水平下均不显著, 说明城市化水平和第二产业产值都不是影响能源效率的显著因素。第一产业产值FI的回归系数为0.065, 显著性水平为0%, 说明第一产业产值与能源效率之间显著正相关, 第一产业产值每增加1个百分点, 能源效率相应增加0.065个百分点。第三产业产值的回归系数为0.069, 显著性水平为0%, 说明第三产业产值与能源效率之间显著正相关, 即第三产业产值每增加1个百分点, 能源效率相应增加0.065个百分点。

4 研究发现 4.1 城市能源消费与能源碳排放变化趋势

研究期内城市总体能源消费及能源消耗产生的二氧化碳排放均呈现下降趋势; 但是单位能源消费引起的二氧化碳排放呈现上升趋势。能源消费与能源二氧化碳排放空间重心呈现沿向北方向迁移的特征; 而能源二氧化碳排放逆效率则没有发生重心转移。上述趋势说明, 能源消费总量、能源碳排放都在逐步降低, 但是后者下降速度慢于前者, 即单位能源消耗的碳排放量增加。可见我国降低能源碳排放的关键在于提升清洁能源比例。

4.2 城市化与城市产业发展变化趋势

研究期内全国城市的城市化水平呈现出南方城市城市化速度高于北方城市的特征; 第三产业、第二产业的比重及增长速度远高于第一产业; 且第三产业增速高于第二产业。东南部地区生产总值增速略高于其他区域; 第一产业发展速度基本在空间上维持不变; 而第三产业、第二产业在东南地区的发展速度略高于其他地区。

4.3 城市发展与能源消耗的耦合关系

以总能耗为被解释变量, 发现城市化水平、第二产业产值及第三产业产值与总能耗之间存在正相关关系; 而第一产业产值与总能耗之间存在负相关关系。然后以能源碳排放为被解释变量, 发现城市化水平不是影响碳排放的显著因素; 第一产业产值与碳排放之间存在负相关关系; 第二产业产值、第三产业产值与碳排放之间存在正相关关系。最后以能耗碳排放逆效率(单位能耗碳排放)为被解释变量, 得出城市化水平和第二产业产值都不是影响单位能耗二氧化碳排放量的显著因素; 第一产业及第三产业产值与能耗二氧化碳排放量之间存在正相关关系。结合第二产业对能源消耗影响的重要性, 说明能源消费结构的调整, 在第二产业中遇到瓶颈期; 鼓励城市发展第三产业有利于单位能源碳排放降低, 且第三产业中开展能源结构调整, 提升清洁能源比例更易实现。

5 政策建议

(1) 城市应加速发展高技术服务业以提高能源碳排放效率

由于第三产业产值每增加1个百分点, 能源效率相应增加0.065个百分点, 所以城市应当加速第三产业发展; 但另一方面城市化水平提升会增加总能耗, 第三产业往往是人力资源依托型产业, 会增加城市总能耗, 因此, 只有重点增加高技术服务业(非低端劳动力依赖)才能在控制总能耗的同时, 减少能源总体碳排放。城市需要采取第三产业的产业升级, 通过“腾笼换鸟”的方式开展第三次产业替代。

(2) 城市应重点提升二三产业的能源利用效率

由于二三产业耗能比重大, 能源消耗及能耗碳排放与产值呈现正相关, 建议通过二三产业供给侧改革配套制度来提高高耗能企业的能源消耗成本, 用制度推进企业节能; 注重发展民营经济, 民营企业对成本的敏感性更高; 鼓励二三产业淘汰落后技术, 开展技术创新; 鼓励二三产业及跨产业间的产业链合作, 尤其是循环经济产业链合作, 以达到能源梯级利用目的。

(3) 城市应有区别的优化三大产业能源结构

由于第二产业设备类固定资产投入大, 发展路径粘性明显, 所以第二产业能源结构调整难度大, 对第二产业用能结构调整, 可采用技术创新奖励、以奖代补等技术补贴等方式, 扶植企业开展用能替代, 从单位热含碳量高的能源向含碳量低的能源替换。对于第一产业一方面鼓励农业规模化经营, 以提高先进农机使用率; 另一方面对于驱虫补光等低电压用能设备, 鼓励采用风能、太阳能等可分布式利用能源替换。对于第三产业重点关注城市服务业的用能结构调整, 餐饮业减少煤炭使用, 替换为天然气等单位热含碳量低的能源; 旅游业多使用电动汽车、风能路灯、太阳能路灯等新能源技术。