2025, Vol. 46
2. 南京工业大学应急管理学院, 南京 211816
2. College of Emergency Management, Nanjing Tech University, Nanjing 211816, China
建筑产业是我国国民经济的重要支柱, 也是公认的高耗能产业之一, 如何减少建筑行业碳排放是实现“碳中和”和“碳达峰”目标的重要一环. 建筑业的持续快速发展, 为经济社会发展带来突出的贡献, 随之而来的是建筑业规模不断扩大, 建筑面积逐年增加, 建筑碳排放不断增加[1]. 建筑能耗是世界第二大能源消费领域, 约占全球总能耗的40%, 2020年我国建筑全过程碳排放总量占全国碳排放量的50.9%, 2005~2020年间, 全国建筑全过程能耗（以标准煤计, 下同）由9.3亿t上升至22.33亿t, 扩大2.4倍, 年均增速6.0%[2], 我国建筑能耗和碳排放量持续攀升, 建筑碳达峰和碳中和面临严峻挑战.
建筑行业是全球能源消耗和温室气体排放的重要来源之一, 对环境造成负面影响[3, 4], 而建筑业对国家经济发展具有重要作用[5], 环境保护需要减少建筑碳排放, 涉及建筑节能、采用可再生能源和优化建筑材料选择等措施[6]. 经济发展水平较高的地区通常能够投入更多资源和资金来实施环保措施和低碳技术创新[7]. 环境保护政策和法规的实施可能增加企业创新成本以及政府管理成本, 同时也可以推动创新和市场需求[8, 9]. 定量探索建筑碳减排、环境保护和经济发展的耦合机制, 对缓解建筑带来的高碳排以及实现可持续发展目标有着重要的理论和现实意义[10], 建筑碳减排具有重大机遇.
建筑高能耗给环境保护带来威胁, 但建筑业具有较强的经济驱动力, 建筑碳排放治理需要在环境治理、节能减排与经济效率、产能转换之间进行均衡, 往往容易陷入“双重困境”：不减排难以确保双碳目标高质量实现, 但减排可能影响经济效率. 尤其是建筑碳减排措施不当, 则可能由于减碳不力, 加大社会经济系统减排压力, 导致更为长久的危机. 只有全面统筹建筑碳减排的各项目标, 提高综合效用值, 提升多系统耦合协调程度, 既减碳又增效, 才能冲出双重困境, 实现碳减排与经济发展的危机转化.
国家领导人习近平多次在讲话中强调危机转化思想, 并指出化危为机的重点是准确捕捉、识别并创造机遇. 危机具有“危害”和“机会”两面性[11, 12], 激发危机产生催化和加强作用, 激活危机系统实现创新型转变[13]. 杨青团队基于免疫学理论提出新的危机转化管理模式[14], 构建危机转化度标准和模型[15], 基于贝叶斯网络[16]和多智能体[17]挖掘机会及优化路径, 通过在危机中找到机会的最大点, 找到转危为机的最优路径. 互联网时代对危机管理的整体性治理体系提出新的挑战[18], 构建新的危机管理模型实现互联网时代的化危为机[19], 将人工智能[20]和大数据技术[21]嵌入危机管理全周期, 通过监测、预警、预控、评估和恢复等措施, 预防可能发生的危机, 处理已经存在的危机, 维护社会和谐和国家安全[22]. 气候变化是对人类福祉和地球健康的威胁, 如果适应和减缓气候变化的全球行动有任何进一步拖延, 都将导致人们错过一个短暂且正在迅速关闭的机会窗口[23]. 抓住机遇, 实现建筑碳减排刻不容缓.
生态环境质量和人类生产活动的耦合研究具有重要意义[24], 已有学者对此进行诸多探索[25, 26]. 对建筑碳排放、环境保护和经济发展之间的耦合研究为建筑碳排放危机转化提供借鉴思路, 例如建筑碳排放效率与城镇化协调发展研究[27, 28], 以及新型城镇化与建筑业发展的耦合协调研究[29], 建筑业与区域经济[30]和资源环境[31]耦合协调发展评价研究, 中国人口结构与居住建筑碳排放的耦合协调度研究[32]. 较为缺乏对建筑碳减排与生态环境保护以及社会经济发展关系的综合考量, 不利于厘清“发展”与“保护”的协调问题.
为了探究建筑碳减排、环境保护和经济发展（building carbon reduction-environmental protection-economy development, BEE）系统耦合效应的危机转化, 为建筑碳减排提供对策建议. 本文的边际贡献如下：①构建多维度指标体系与耦合协调发展指数综合评价模型, 量化BEE系统间的相互作用和协调程度, 实现动态监测和实时政策调整, 深入挖掘BEE系统耦合协调发展水平时空特征；②构建状态空间模型, 模拟不同发展路径, 识别关键风险因素, 全面剖析建筑碳减排的危机复杂情景, 系统性地识别和管理与建筑碳减排相关的风险；③构建危机转化度综合评价模型, 评估政策效果, 揭示危机转化具体路径, 进一步衡量BEE系统危机转化过程, 并与耦合协调发展指数形成横向比较, 全面剖析BEE系统危机转化路径.
1 材料与方法 1.1 指标构建及数据处理本文立足实际情况, 综合相关研究成果[33~38], 以建筑碳排放量、碳排放结构（钢材占比反映建筑材料对建筑碳排放量的影响, 衡量建筑材料生产阶段碳排放量, 保持适中水平[1, 33]）、建筑碳排放强度和建筑业强度（反映建筑业自身对建筑碳排放量的影响, 属于正指标：建筑业强度越大, 既能促进经济发展, 又为建筑碳减排提供动力支持[5, 27, 33]）为目标, 筛选5个指标构建建筑碳减排综合效用评价指标体系；以生态环境压力、生态环境状态和生态环境响应为目标, 筛选9个指标构建环境保护综合评价指标体系；从经济规模、经济结构和经济活力3个目标层出发, 筛选10个指标构建经济发展综合评价指标体系（如表 1）.
|
表 1 BEE系统综合评价指标体系1） Table 1 Comprehensive evaluation index system of BEE system |
对于适中指标, 钢材占比和运营阶段碳排放占比取平均值（分别为20%和40%）作为最优值；城镇化率采用发达国家的城市化率平均值75%作为最优值. 由于数据限制, 本文搜集了2006~2020年除中国西藏及港澳台地区外的30个省（省级行政区, 包括省、自治区和直辖市, 下同）的数据. 数据来源于研究年份的《中国统计年鉴》《中国能源统计年鉴》《中国城市建设统计年鉴》《中国环境统计年鉴》. 对于缺失值, 运用3次样条插值（spline）进行补齐. 基于全生命周期计算建筑碳排放量, 具体过程参考Yang等[39]的研究成果.
数据经过标准化处理之后, 采用熵权法计算BEE系统指标权重, 结果如表 1所示, 将各指标权重及标准化后的数据代入综合评价方法中, 得到较为客观的综合评价结果.
1.2 耦合协调发展指数模型耦合协调发展模型主要用于描述两个或多个系统之间相互作用的状态, 并分析这些系统在自身和外界的影响下, 所产生的相互作用与协调状态[40]. BEE系统相互影响, 在发展过程中协调平衡, 以实现可持续绿色发展[41, 42]. 通过耦合协调发展模型[43]来量化BEE系统的耦合协调发展指数, 如公式（1）所示：
|
(1) |
HDI为耦合协调发展指数, 其中：
|
(2) |
|
(3) |
式中, C为耦合度, R为发展度, B、E和EC分别为建筑碳减排、环境保护和经济发展综合评价值. WB、WE和WEC分别为各子系统权重值且和为1, 参考文献[36], 建筑碳减排、环境保护和经济发展同等重要, 将其权重分别设为1/3. 表 2是耦合协调发展指数的水平等级划分.
|
|
表 2 耦合协调发展指数水平的评价标准 Table 2 Evaluation criteria of the coupling coordinated development index level |
1.3 危机转化度模型 1.3.1 状态空间模型
根据综合评价值对BEE系统进行状态划分, 各省（省级行政区, 包括省、自治区和直辖市, 下同）所处的状态均由三者共同定义, 将3个子系统分别划分为3个等级, 划分标准见表 3. 当建筑碳减排保持高效用, 生态环境保持高水平, 经济发展保持高质量, 即“三高”状态, BEE系统迎来机遇；反之, 当三者处于低效用、低水平和低质量, 即“三低”状态, BEE系统处于危重状态. 在此基础上, 可以得到27种不同的演化状态空间, 如表 4所示. S1状态最好, 处于“三高”, 此种状态下BEE系统均处于优势发展阶段, 具有较大的机会. S27最差, 处于“三低”, BEE系统发展水平均较低, 此种状态下危机尚存, 且危害较大.
|
|
表 3 综合评价值及其状态定义 Table 3 Comprehensive evaluation value and state definition |
|
|
表 4 BEE系统状态空间划分 Table 4 State space division of BEE systems |
根据表 4构造BEE系统状态空间坐标模型, 如图 1所示, P（x, y, z）是空间中任一点, x、y和z分别表示建筑碳减排、环境保护和经济发展的综合评价值.
|
图 1 BEE系统状态空间坐标模型 Fig. 1 State space model of the BEE system |
在BEE系统状态空间坐标模型中用坐标值来表示建筑碳减排、环境保护和经济发展的综合效用评价值, 取值范围为[0, 1], 取值越大, 状态越优. 其中, A（0, 0, 0）（S27）、B（0, 0, 1）（S25）、C（1, 0, 1）（S7）、D（1, 0, 0）（S9）、E（0, 1, 0）（S21）、F（0, 1, 1）（S19）、G（1, 1, 1）（S1）和H（1, 1, 0）（S3）分别是空间中的8个点及其对应的坐标和状态, 坐标值即对应各点BEE系统综合评价值.
1.3.2 危机转化度由图 1可知, G点是危机转化最优点, A点是最劣点. 在G点, 环境保护、经济发展和建筑碳减排综合评价值均为1, 各目标均达到最佳状态, 危险消除, 机会最大, 充分实现了经济、环境和建筑碳减排多系统协调发展的局面；在A点, 环境保护、经济发展和建筑碳减排综合评价值均为0, 在此状态下, 多系统协调发展的危害性达到最大, 各方面的效果均不理想.
为了评价状态空间中任一点P的危机转化程度, 采用模糊评价的思想构建危机转化度模型. 综合考虑距优（G点）和距劣（A点）距离, 以加权平均的方式计算出当前状态对于最优和最劣状态的相对位置, 从而得到一个综合的危机转化度评估值[44]. 图 1空间中任一点P（x, y, z）与G点的差距可用欧氏距离表示, 简称距优距离, 如公式（4）所示：
|
(4) |
同理, 与A点的距劣距离如公式（5）所示：
|
(5) |
假设任一点P于最优状态的相对隶属度以CT表示, 于最劣状态的相对隶属度以CT′表示, 根据模糊集合的余集定义, CT+CT′=1. 相对隶属度可以用来衡量任一点P在S1（最优）和S27（最劣）两个极端状态之间的相对位置. 相对隶属度越接近S1, 表示任一点P状态越接近最优状态, 反之亦然. 因此, 相对隶属度可以衡量任一点P危机转化度, 代表了状态空间中任一点P的状态与最优状态和最劣状态之间的距离. 相对隶属度越大, 距最优状态（S1）越近, 危机转化度越大.
任一点P以相对隶属度CT隶属于模糊概念——优, 它的距优距离为dGP. 为了表达任一点P与优等状态的距离, 距优距离dGP以CT作为权重, 得到加权距优距离DGP：
|
(6) |
同理, 得到加权距劣距离DAP：
|
(7) |
为了求解CT的最优值, 建立优化准则：任一点P的加权距优距离平方与加权距劣距离平方之总和为最小. 解释如下：危机转化度的“优”和“劣”是一个模糊的概念, 优化原则就是要把这个模糊的概念最大程度地清晰化. 危机转化度距离“优”和“劣”越近越清晰, 越远越模糊, 要使“优”和“劣”这个模糊的概念变得最清晰. 即目标函数为：
|
(8) |
求该目标的函数, 且令其导数为零. 即：
|
(9) |
解得：
|
(10) |
所求CT即为衡量任一点P的危机转化度.
2 结果与分析 2.1 耦合协调发展指数分析图 2为BEE系统2010年、2015年和2020年各省演化情况. 环境保护水平逐年增长, 由2010年的0.44升至2020年的0.49, 总体增长9.82%, 缘于我国（中国香港、澳门和台湾资料暂缺）绿色发展深入各行各业, 新能源发电、非化石能源使用、光伏和造林等方面发展迅速, 保护环境观念深入人心[45]. 经济发展水平较之其他两个系统最低但增速大, 从2010年的0.14升至2020年的0.24, 总体增长43.16%, 体现我国经济高质量发展, 缘于科技创新和技术进步, 市场开放和国际合作以及政府的宏观经济政策. 另一方面区域差异大导致整体水平较低, 可能原因是区域间自然条件和资源禀赋的差异, 包括人才聚集度和建筑材料的使用率. 建筑碳减排呈现缓慢下降趋势, 从2010年的0.45降至2020年的0.44, 总体减少2.27%, 变化小, 人们住房需求的提高, 建筑存量逐渐增多, 另一方面能源消耗高, 建筑材料的不可持续性, 绿色建筑实施困难[46, 47].
|
（a）2010年（b）2015年（c）2020年图内色柱表示各省份BEE系统的综合评价值, 由绿色渐变至黄色表示取值不断增大 图 2 BEE系统2010年、2015年和2020年各省演化状态 Fig. 2 Evolution of BEE systems in 2010, 2015, and 2020 by province |
各省份BEE系统难以同时达到高水平发展, 区域发展差距大, 原因是各省份的经济发展水平不同, 导致对BEE系统的投入和重视程度不同, 进而影响发展水平. BEE系统的发展互相制约, 彼此之间需要增加承载力, 包括技术、人才和政策等方面的提升, 考虑综合效用, 在提高建筑能效的同时, 也要考虑其对环境保护和经济发展的综合效果.
利用Kernel密度估计法将各省耦合协调发展水平的动态演化趋势绘制如图 3（a）所示, 图 3（b）为各省耦合协调发展指数逐年变化趋势. 由图 3（a）可知, 其演化具有以下特征：第一, 从分布位置来看, 耦合协调发展水平集中在0.3~0.4之间, 且耦合协调发展水平分布曲线逐年向右移动, 表明耦合协调发展水平在研究期内呈现逐渐上升的趋势. 第二, 从分布延展性来看, 各省耦合协调发展水平表现出右拖尾特征, 且分布延展性呈现逐渐扩宽趋势, 说明耦合协调发展水平差异逐渐增大, 存在耦合协调发展水平很低的省.
|
（a）耦合协调发展水平的动态演化, （b）各省耦合协调发展指数逐年变化 图 3 耦合协调发展指数动态演化 Fig. 3 Evolution of coupled coordinated development index |
由图 3（b）可知, 全国整体耦合协调发展指数呈现上升态势, 逐步由以不协调发展为主演变为以一般协调发展为主, 不协调发展省明显减少, 一般协调发展和较协调发展省稳步增多. 大部分省仍处于不协调发展, BEE系统发展水平存在较大差异, 极少数（北京、江苏、浙江、山东和广东）处于较协调发展水平, BEE系统发展相对均衡. 同时各省的耦合协调发展指数均在稳步上升, 整体协调性在改善, 逐渐演变为一般协调发展, 有望突破较协调发展. 但各省差距较大, 包括资源分配、政策执行和地理条件等因素的差异, 呈现增长慢的低水平均衡状态. 应该推动环境保护和可持续发展政策, 确保经济增长与生态环境保护相协调[26], 加强技术研发和人才培养, 提升各地区在BEE系统领域的技术水平和人才储备, 注重可持续发展[48, 49], 促进各地区共享经验和资源, 实现BEE系统的全面、均衡和高效发展.
2.2 危机转化度分析图 4（a）为危机转化度的动态演化, 图 4（b）为各省危机转化度逐年变化趋势. 整体而言, 全国危机转化度水平呈现缓慢增长趋势, 2020年较2006年增长了49.22%. 北京危机转化度水平呈现逐年增长趋势并且2020年达到0.78, 尤为突出, 其耦合协调发展水平也逐年增长, BEE系统发展较为协调, 在追求经济增长的同时, 也注重环境保护和建筑发展可持续性, 源于其政策支持和资源投入等有利因素[7, 9], 促使其具有较高的化危为机的能力, 有效应对挑战, 利用危机中的机会进行创新和转型, 增强其整体的竞争力和抗风险能力, 提升耦合协调发展水平, 两者相辅相成. 其余省份危机转化度水平较低, 增长趋势不明显, 仅广东在2020年达到0.54, 还有较大的提升空间. 造成这些差异包括经济发展水平、政策环境、社会稳定性、基础设施建设和教育资源等多种因素, 应该因地制宜, 化危为机.
|
（a）危机转化度的动态演化, （b）各省危机转化度逐年变化 图 4 危机转化度动态演化 Fig. 4 Evolution of crisis transformation degree |
由图 4（a）可知, 其演化具有以下特征：第一, 从分布位置来看, 各省的危机转化度集中在0.3~0.5之间, 且危机转化度分布曲线逐年向右移动, 表明危机转化度在研究期内呈现逐渐上升的趋势. 第二, 从分布延展性来看, 各省危机转化度表现出右拖尾特征, 且分布延展性呈现逐渐扩宽趋势, 说明危机转化度差异逐渐增大, 存在危机转化度很低的省. 第三, 从极化现象来看, 研究期内分布曲线存在多个侧峰, 且侧峰之间的距离逐渐拉大, 意味着各省危机转化度存在一定的梯度, 出现多极分化的趋势.
图 5（a）为不同BEE系统状态下的危机转化度. 当BEE系统位于高水平时, 更能得到较高的危机转化度水平, 意味着BEE系统存在良好的协调和平衡, 有助于实现可持续发展, 不仅能够更好地预防和减轻危机的影响, 还能增强地区对危机的适应力和恢复力. 图 5（b）为2006~2020年各省BEE系统危机转化路径图, 点的分布越紧凑说明BEE系统发展水平变化趋势小, 没有出现显著的增长或下降, 未能实现根本性的改进或突破.
|
（a）危机转化度逐年演化平行坐标系, 最后一列纵坐标轴“危机转化度”表示危机转化度水平, 数值越大, 危机转化度水平越高；（b）2006~2020年各省BEE系统演化路径, 三边：A表示经济发展, B表示环境保护, C表示建筑碳减排 图 5 BEE系统危机转化演化路径 Fig. 5 BEE system crisis transformation evolution path |
北京和广东的危机转化度较高, 位于0.6~0.8, 其状态空间是BH-EM-ECH, 均处于中高状态. 北京危机转化路径最为明显, 从2006年的BM-EM-ECL状态演化为2020年的BH-EM-ECH, 经济发展水平有所提升, 危机转化度从0.30提高到0.78, 增幅61%. 推动建筑领域绿色低碳高质量发展, 北京制定非常全面的政策, 2024年3月《北京市建筑绿色发展条例》施行, 推动绿色建筑和实现可持续发展, 促进其从较低发展状态向更高级状态转变.
在较低水平的省份中, 湖北、吉林、宁夏和贵州危机演化路径较为明显, 湖北虽然一直保持BM-EM-ECL状态, 但危机转化度从0.20提高到0.40, 增幅50%. 2024年3月《湖北省绿色建筑发展条例》施行, 应用节能技术, 支持低碳技术的企业和项目, 彼此作用, 相互促进, 通过积极的干预和改革, 将潜在的危机转化为机遇, 实现危机转化. 贵州从2006年的BL-EM-ECL状态演化为2020年的BM-EM-ECL, 建筑碳减排有所提升. 贵州自2020年起贯彻执行《加快绿色建筑发展的十条措施》, 在建筑能效提升、绿色建筑推广和建筑碳排放控制方面取得了进展. 但是经济发展水平一直处于较低水平, 说明贵州省在经济增长、产业升级和创新能力等方面还存在挑战. 危机转化度从0.08提高到0.38, 显著增长80%, 即使在经济发展方面面临威胁和挑战, 建筑碳减排的提升也能优化贵州化危为机的能力.
2.3 耦合协调发展指数和危机转化度比较分析运用模糊均值聚类（FCM）算法对耦合协调发展指数和危机转化度进行聚类分析, 然后以（0.293, 0.416）为坐标原点, 以危机转化度和耦合协调发展指数为横坐标和纵坐标, 并且标注HDI=CT斜线, 图 6为CT-HDI聚类结果（同一椭圆为一类, 共4类）.
|
位置越向右表示着更高的危机转化度水平（横坐标）；位置越向上表示着越高的耦合协调发展指数（纵坐标） 图 6 CT-HDI聚类结果 Fig. 6 Clustering results of CT-HDI |
其中北京、广东和浙江为第一类, 聚类中心坐标为（0.422, 0.598）, CT和HDI都比较高并且比较均衡, 表明BEE系统取得了较好的平衡, 能够高效地化危为机；上海、江苏、天津、山东、福建、辽宁和湖北为第二类, 聚类中心坐标为（0.274, 0.468）, HDI和CT处于中等水平, HDI较CT发展水平较高, 不够均衡, 面临经济结构转型的挑战, 在危机转化方面还有提升空间；陕西、重庆、四川、湖南、河北、山西、江西和云南为第三类, 聚类中心坐标为（0.289, 0.306）, HDI和CT处于较低水平, 在多个发展维度上面临挑战, 资源限制和基础设施不足, 需要加强各方面的投入和发展, 以提高整体的协调性和危机转化能力；甘肃、河南、安徽、新疆、宁夏、青海、吉林、贵州、黑龙江、广西、海南和内蒙古为第四类, 聚类中心坐标为（0.186, 0.291）, HDI和CT处于很低的水平, 经济基础较为薄弱, 缺乏足够的发展动力, 需要采取更为有效的措施来提升整体的发展水平和危机应对能力.
CT测算结果范围为0.1~0.6, 可划分为低、中和高这3类；HDI测算结果范围为0.2~0.6, 可划分为中和高这2类. 大部分省份危机转化度小于耦合协调发展水平, 只有极少数省份（云南、江西和湖南）危机转化度大于耦合协调发展指数, 这说明提高BEE系统的HDI并不直接导致CT的提高, CT的优化涉及多因素多主体. 对于同属一类的省份, 广东耦合协调发展指数大于浙江, 浙江危机转化度大于广东；江西和湖南的耦合协调发展指数大于云南, 云南的危机转化度大于江西和湖南. 不同省份在资源禀赋、技术能力和人才储备等方面存在差异, 影响HDI和CT的效果, 地理位置和区域特色会带来特定的发展优势或挑战.
BEE系统耦合效应的危机转化水平具有空间异质性和空间非均衡性, 总体呈现“东部高-中西部中等-东北部低”的“阶梯式发展格局”. 一线城市进入了良性循环互动的演变路径, 危机转化度和耦合协调发展水平均比较高且差距小. 东部地区优势在于较早的经济开放和发达的产业基础, 一线城市受益于更为有力的政策支持和有效的政策执行, 带来更多的发展机遇, 拥有更高的危机转化能力和耦合协调发展水平. 中部和西部地区的耦合协调发展水平较高, 危机转化度有待进一步提高. 东北地区危机转化度和耦合协调发展水平较低, 且差距较大. 不同地区的资源分配和利用效率差异和社会文化背景和创新能力的差异都会影响其在危机转化和耦合协调发展上的表现. 结合图 3（b）可知, 尽管耦合协调发展指数等级相同, 但危机转化度各异. 2020年, 北京、江苏、浙江、山东和广东处于较协调发展, 但其“CT-HDI”水平被聚类到不同类别, 其中北京、广东和浙江被划分为“高-高”类型, BEE系统实现均衡发展, 在面对危机时具有转化危机为发展机遇的能力；江苏和山东被划分为“中-高”类型, 虽然在耦合协调发展上表现良好, 但在危机转化度上还有提升空间, 这意味着在BEE系统的某些方面已经取得了进步, 但将危机转化为发展机遇的能力需要进一步加强. 12个省是一般协调发展, 其中上海是“中-高”类型代表, 重庆是“中-中”类型代表, 安徽是“低-中”类型代表. 13个省处于不协调发展状态, 除山西、江西和云南位于“中-中”类型, 其余省均位于“低-中”类型. 地理位置优越和对外开放程度较高的地区更容易吸引投资和人才, 促进经济发展, 经济基础较强的省份在资源配置、技术创新和社会管理等方面具有优势, 从而在CT和HDI上表现更好, 环境承载能力和资源禀赋的差异可能导致不同省份在可持续发展和危机转化上面临不同的挑战.
3 讨论环境保护系统综合评价值稳步增加, 各省差距在逐渐缩小. 近年来, 中国高度重视环境保护工作, 加强对环境保护系统的监管和管理, 环保观念深入人心, 积极推进环境保护工作[45]. 经济发展系统综合评价值最低, 虽然增速大, 但是区域差异亦大, 北京、上海和广州等一直处于高水平, 云南、贵州和甘肃等一直处于低水平. 主要原因是不同地区的经济结构或产业发展有差异, 导致地区之间经济增长速度差距大. 建筑碳减排系统综合评价值呈减速发展, 各省短时间难以达到建筑碳达峰, 虽然已经提出绿色建筑概念, 但技术成本高[46], 建筑能源结构和消费习惯难以改变[47].
以北京为例, 其环境保护处于中等水平, 相对于其他省份, 经济发展水平和建筑碳减排综合效用处于高水平, 虽然环境和经济不能同时保持高水平发展, 但是较高的经济发展会促进建筑减碳增效, 经济水平高的地区有足够实力提高技术创新进而促进建筑碳减排综合效用[7]. 以云南为例, 其经济发展水平低, 环境保护水平高, 建筑碳减排处于中等水平, 与其地理位置和贫困面广且程度深的现状密不可分, 当其生态环境对经济发展的承载能力减弱时, 经济发展会受到阻碍[26].
实现环境改善、经济增长以及建筑碳减排“三赢”的发展模式能够为建筑绿色可持续发展模型提供经验借鉴[50]. 现实是同时实现高水平发展十分困难, 彼此之间承载力弱, 存在资源约束、利益冲突和技术限制等制约发展的问题[51, 52]. 由此导致全国耦合协调发展仍处于较低水平, 区域之间存在差异, 只有少数省处于较协调发展, 但是呈现逐年增长趋势, 从不协调发展逐渐演变为一般协调发展. 实现三系统的优质协调发展状态任重而道远, 需要根据经济发展水平、资源禀赋和发展功能定位等因素因地制宜, 科学制定差异化发展政策.
本文提出危机转化度模型对BEE系统耦合效应进行危机转化分析, 结果显示全国危机转化度水平呈现缓慢增长趋势, 除北京外, 其他省危机转化度处于较低水平. 对比图 3和图 4, 耦合协调发展指数和危机转化度具有相似的变化趋势, 但是危机转化度更加紧凑, 增长趋势更缓慢, 多级分化趋势更明显.
结合BEE系统的状态空间模型, 剖析其危机演化状态, 只有当BEE系统均处于高水平时才能提高危机转化度. 从演化趋势来看, 北京危机转化路径最为明显, 很好地实现了危机转化, 其状态空间从BM-EM-ECL演化至BH-EM-ECH, 危机转化度最终达到0.78, 距离最优状态仍有距离. 类似省还有上海、浙江和江苏, 其经济发展水平高, 关注清洁能源和技术创新[48], 更加注重可持续发展[49], 近乎“三赢”. 而对于一些经济发展水平低的地区, 如新疆和宁夏等, 位于BM-EM-ECL状态, 且危机转化度很低, 其经济发展势必要消耗大量非清洁能源[48], 忽视环境保护[49], 并且技术创新水平低, 绿色建筑开发更迟缓. 需要政策干预, 转变环境技术进步方向, 实现经济增长与环境质量的相容发展[53].
通过对危机转化度和耦合协调发展指数进行分类, 大部分省耦合协调发展水平高于危机转化度, 这说明不能仅仅依据高协调发展水平就判断其多系统处于高发展水平, 需要结合危机转化度综合判断其状态分布, 剖析危机, 因地制宜, 确定不同的发展模式, 化危为机, 实现“三高”发展, 为建筑减碳增效和可持续发展提供新的路径.
综上, 本文构建危机转化度模型并将其应用于BEE系统的耦合效应分析, 一方面验证了危机转化度的有效性, 另一方面也说明危机转化度模型能够从危机视角进一步剖析BEE系统的耦合协调发展效应, 充分挖掘导致其低耦合的状态分布, 即使协调发展水平很高, 依然存在危机, 危机转化度的优化并不仅仅依靠耦合协调发展水平的提升.
本研究充分剖析了BEE系统的耦合效应, 建立危机转化度模型对BEE系统进行全面剖析, 结合耦合协调发展指数从不同角度, 充分分析不同省份的BEE系统发展状态, 但是未对其危机转化路径进行充分挖掘, 未来的研究应该聚焦于BEE系统危机转化路径的挖掘与优化, 全面剖析其危害, 充分分析其机遇, 实现BEE系统的危机转化.
4 结论（1）BEE系统的发展水平较低, 区域间发展不平衡是面临的共性问题并且迫切需要解决. 环境保护系统综合评价值稳步增加, 总体增长9.82%, 各省差距在逐渐缩小；经济发展系统综合评价值最低, 总体增长43.16%, 虽然增速大, 但是区域差异极大；建筑碳减排系统综合评价值呈减速趋势, 总体减少2.27%, 各省短时间难以达到建筑碳达峰.
（2）全国耦合协调发展及危机转化水平仍处于较低水平, 区域之间存在差异. 总览全国, 只有少数省份处于较协调发展, 但是呈现逐年增长趋势, 从不协调发展逐渐演变为一般协调发展, 但极其协调发展区域依然匮乏, 仍存在较大提升空间. 与之对应, 各省危机转化度也处于较低水平, 存在多级分化趋势, 危机四伏.
（3）综合耦合协调发展指数和危机转化度全面剖析各省份耦合效应的危机状态. 通过对危机转化度和耦合协调发展指数进行分类, 大部分省份耦合协调发展指数高于危机转化度, 不能仅仅依据高协调发展水平就判断其多系统处于高发展水平, 优化耦合协调状态不一定能提升危机转化水平, 需要结合危机转化度综合判断其状态分布, 剖析危机, 化危为机.
（4）实现BEE系统危机转化需要综合考虑多主体-多阶段-多系统. 短期内, 通过技术改造和政策引导等手段降低建筑碳排放；中长期内, 需注重绿色建筑和可再生能源利用等方面的发展, 加快发展新质生产力, 以实现建筑碳达峰和碳中和, 促进可持续发展. 在建筑领域, 可以通过技术创新和产业升级等手段减少碳排放, 并通过政策引导促进绿色建筑的发展；在环境保护方面, 则需要关注碳排放对气候变化和空气质量等方面的影响, 提倡绿色生活方式；在经济发展方面, 要充分认识到绿色发展对经济的积极作用, 推动绿色金融和绿色投资.
| [1] |
常莎莎, 冯国会, 崔航, 等. 建筑行业碳排放特征及减排潜力预测分析[J]. 沈阳建筑大学学报(自然科学版), 2023, 39(1): 139-146. Chang S S, Feng G H, Cui H, et al. Research on carbon emission characteristics and emission reduction potential prediction of construction industry[J]. Journal of Shenyang Jianzhu University (Natural Science), 2023, 39(1): 139-146. |
| [2] | 中国建筑节能协会, 重庆大学. 2022中国建筑能耗与碳排放研究报告[R]. 重庆: 重庆大学, 2022. |
| [3] | Guo S, Zheng S P, Hu Y H, et al. Embodied energy use in the global construction industry[J]. Applied Energy, 2019, 256. DOI:10.1016/j.apenergy.2019.113838 |
| [4] | Zhang X C, Zheng R Y, Wang F L. Uncertainty in the life cycle assessment of building emissions: a comparative case study of stochastic approaches[J]. Building and Environment, 2019, 147: 121-131. |
| [5] |
李蓉. 数字经济与实体经济融合发展研究—以北京市建筑业为例[J]. 价格理论与实践, 2023(8): 172-177. Li R. Research on the integration and development of digital economy and real economy-taking the construction industry in Beijing as an example[J]. Price: Theory & Practice, 2023(8): 172-177. |
| [6] | Lei Y T, Zhang X, Yao C Z, et al. Redesigning carbon emissions reduction policies for China's manufacturing industry: a dynamic stochastic general equilibrium approach[J]. Frontiers in Energy Research, 2023, 11. DOI:10.3389/fenrg.2023.1094700 |
| [7] |
全世文, 袁静婷. 我国经济增长与碳排放之间的变协整与阈值效应[J]. 改革, 2019(2): 37-45. Quan S W, Yuan J T. Regime-shifted cointegration and threshold effects of Chinese economic growth and carbon emissions[J]. Reform, 2019(2): 37-45. DOI:10.3969/j.issn.2095-1507.2019.02.015 |
| [8] | Alsarhan L M, Alayyar A S, Alqahtani N B, et al. Circular carbon economy (CCE): a way to invest CO2 and protect the environment, a review[J]. Sustainability, 2021, 13(21). DOI:10.3390/su132111625 |
| [9] | Gibbs D, O'Neill K. Building a green economy? Sustainability transitions in the UK building sector[J]. Geoforum, 2015, 59: 133-141. DOI:10.1016/j.geoforum.2014.12.004 |
| [10] |
赵体侠, 朱连奇, 王丽园, 等. 中国生态环境质量与人类活动耦合机制及其影响因子[J]. 环境科学, 2024, 45(6): 3341-3351. Zhao T X, Zhu L Q, Wang L Y, et al. Coupling mechanisms of eco-environmental quality and human activities in China and their influencing factors[J]. Environmental Science, 2024, 45(6): 3341-3351. DOI:10.13227/j.hjkx.202307046 |
| [11] | Pelling M, Dill K. Disaster politics: tipping points for change in the adaptation of sociopolitical regimes[J]. Progress in Human Geography, 2010, 34(1): 21-37. DOI:10.1177/0309132509105004 |
| [12] | Loorbach D A, Huffenreuter R L. Exploring the economic crisis from a transition management perspective[J]. Environmental Innovation and Societal Transitions, 2013, 6: 35-46. DOI:10.1016/j.eist.2013.01.003 |
| [13] | Benessaiah K, Eakin H. Crisis, transformation, and agency: Why are people going back-to-the-land in Greece?[J]. Sustainability Science, 2021, 16(6): 1841-1858. DOI:10.1007/s11625-021-01043-5 |
| [14] |
杨青, 杨帆, 刘星星, 等. 基于免疫学的非常规突发事件识别和预控[M]. 北京: 科学出版社, 2015. Yang Q, Yang F, Liu X X, et al. Unconventional crisis identification and pre-control based on immunology[M]. Beijing: Science Press, 2015. |
| [15] | 徐殿龙, 杨青, 刘星星. 基于危机情景构建的危机转化度研究[J]. 管理世界, 2015, 31(2): 176-177. |
| [16] | Yang Q, He L, Liu X X, et al. Bayesian-based conflict conversion path discovery for waste management policy implementation in China[J]. International Journal of Conflict Management, 2018, 29(3): 347-375. DOI:10.1108/IJCMA-09-2017-0109 |
| [17] | Yang Q, Luo M Y, Liu X X. Evolution of community residents' waste classification behavior based on multi-agent simulation[J]. Journal of the Air & Waste Management Association, 2022, 72(12): 1398-1409. |
| [18] |
高小平. 整体性治理与应急管理: 新的冲突与解决方案[J]. 公共管理与政策评论, 2018, 7(6): 3-10. Gao X P. Holistic governance and emergency management: new problems and solutions[J]. Public Administration and Policy Review, 2018, 7(6): 3-10. |
| [19] |
徐宪平, 鞠雪楠. 互联网时代的危机管理: 演变趋势、模型构建与基本规则[J]. 管理世界, 2019, 35(12): 181-189. Xu X P, Ju X N. Crisis management in the internet age: Evolution trend, model construction and basic rules[J]. Journal of Management World, 2019, 35(12): 181-189. |
| [20] |
周慎, 朱旭峰, 薛澜. 人工智能在突发公共卫生事件管理中的赋能效用研究——以全球新冠肺炎疫情防控为例[J]. 中国行政管理, 2020(10): 35-43. Zhou S, Zhu X F, Xue L. The enabling effect of artificial intelligence in the management of public health emergencies: A case study of global epidemic prevention and control of COVID-19[J]. Chinese Public Administration, 2020(10): 35-43. |
| [21] |
黄玮, 刘霞, 卫强, 等. 基于大数据的企业产品危机管理模式创新[J]. 管理评论, 2019, 31(7): 37-44. Huang W, Liu X, Wei Q, et al. Product crisis management model innovation based on big data[J]. Management Review, 2019, 31(7): 37-44. |
| [22] | Mousavi S, Sajadi S M, Alemtabriz A, et al. Hybrid mathematical and simulation model for designing a hierarchical network of temporary medical centers in a disaster[J]. Journal of Simulation, 2024, 18(2): 119-135. DOI:10.1080/17477778.2022.2075805 |
| [23] | IPCC. Climate change 2022: impacts, adaptation and vulnerability[R]. Cambridge: Cambridge University Press, 2022. 102-106. |
| [24] | Xu D, Yang F, Yu L, et al. Quantization of the coupling mechanism between eco-environmental quality and urbanization from multisource remote sensing data[J]. Journal of Cleaner Production, 2021, 321. DOI:10.1016/j.jclepro.2021.128948 |
| [25] | Fan Y P, Fang C L, Zhang Q. Coupling coordinated development between social economy and ecological environment in Chinese provincial capital cities-assessment and policy implications[J]. Journal of Cleaner Production, 2019, 229: 289-298. DOI:10.1016/j.jclepro.2019.05.027 |
| [26] |
张焱, 胡雪枝, 唐婷, 等. 乡村振兴视角下经济社会与生态环境协调发展的动态评价及空间格局——基于云南省脱贫户数据的分析[J]. 生态经济, 2022, 38(10): 148-157. Zhang Y, Hu X Z, Tang T, et al. Dynamic evaluation and spatial pattern of the coordinated development of economic society and ecological environment from the perspective of rural revitalization: an analysis based on the data of poverty-relief households in Yunnan province[J]. Ecological Economy, 2022, 38(10): 148-157. |
| [27] |
牛建广, 辛伯雄, 王明琪, 等. 建筑业碳排放效率与城镇化协调发展研究[J]. 河北环境工程学院学报, 2023, 33(4): 7-12. Niu J G, Xin B X, Wang M Q, et al. Study on carbon emission efficiency of construction industry and coordinated development of urbanization[J]. Journal of Hebei University of Environmental Engineering, 2023, 33(4): 7-12. |
| [28] | Niu J G, Xin B X, Xin B Y, et al. Research on the coordinated development of provincial urbanization and carbon emission efficiency of construction industry in China[J]. Carbon Balance and Management, 2023, 19. DOI:10.1186/s13021-024-00259-z |
| [29] | Ma S B, Li Z F, Li L, et al. Coupling coordination degree spatiotemporal characteristics and driving factors between new urbanization and construction industry: evidence from China[J]. Engineering, Construction and Architectural Management, 2023, 30(10): 5280-5301. |
| [30] |
刘晓君, 王东旭, 胡伟. 中国建筑业与区域经济耦合协调发展[J]. 工业建筑, 2021, 51(5): 173-180. Liu X J, Wang D X, Hu W. Research on coupled and coordinated development of China's construction industry and regional economy[J]. Industrial Construction, 2021, 51(5): 173-180. |
| [31] |
陆宁, 张旭, 张诗青, 等. 2008~2012年中国30个省域建筑业与资源环境协调发展评价[J]. 干旱区资源与环境, 2015, 29(12): 13-18. Lu N, Zhang X, Zhang S Q, et al. Evaluation of coordinated development between construction and resource-environment in China' 30 provinces during 2008~2012[J]. Journal of Arid Land Resources and Environment, 2015, 29(12): 13-18. |
| [32] | Chen L, You K R, Lv G P, et al. The influence of demographic structure on residential buildings' carbon emissions in China[J]. Journal of Building Engineering, 2024, 87. DOI:10.1016/j.jobe.2024.108951 |
| [33] |
任晓松, 李昭睿. 全生命周期视角下中国建筑碳排放空间关联网络演化及影响因素分析[J]. 环境科学, 2024, 45(3): 1243-1253. Ren X S, Li Z R. Evolution and influencing factors of spatial correlation network of construction carbon emission in China from the perspective of whole life cycle[J]. Environmental Science, 2024, 45(3): 1243-1253. DOI:10.13227/j.hjkx.202303043 |
| [34] |
吴健生, 晋雪茹, 王晗, 等. 中国碳排放及影响因素的市域尺度分析[J]. 环境科学, 2023, 44(5): 2974-2982. Wu J S, Jin X R, Wang H, et al. Analysis of carbon emissions and influencing factors in China based on city scale[J]. Environmental Science, 2023, 44(5): 2974-2982. DOI:10.13227/j.hjkx.202205326 |
| [35] |
邬彩霞. 中国低碳经济发展的协同效应研究[J]. 管理世界, 2021, 37(8): 105-117. Wu C X. Research on the synergistic effect of low-carbon economy in China[J]. Journal of Management World, 2021, 37(8): 105-117. |
| [36] |
李小娟, 万大娟, 王长梅. 怀化市经济发展与生态环境保护耦合协调性研究[J]. 经济地理, 2023, 43(11): 190-197. Li X J, Wan D J, Wang C M. Coupling coordination relationship between economic development and ecological environmental protection in Huaihua city[J]. Economic Geography, 2023, 43(11): 190-197. |
| [37] | Wang Y N, Fang X L, Yin S W, et al. Low-carbon development quality of cities in China: Evaluation and obstacle analysis[J]. Sustainable Cities and Society, 2021, 64. DOI:10.1016/j.scs.2020.102553 |
| [38] | Hao J H, Gao F, Fang X Y, et al. Multi-factor decomposition and multi-scenario prediction decoupling analysis of China's carbon emission under dual carbon goal[J]. Science of the Total Environment, 2022, 841. DOI:10.1016/J.SCITOTENV.2022.156788 |
| [39] | Yang Q, Wang J M, Liu X X, et al. Complexity influence of societal development comprehensive indicators on building carbon emission: empirical evidence from China[J]. Environmental Science and Pollution Research, 2023, 30(55): 117179-117200. |
| [40] |
李缘缘, 魏伟, 周俊菊, 等. 中国土地利用碳排放变化及协调分区[J]. 环境科学, 2023, 44(3): 1267-1276. Li Y Y, Wei W, Zhou J J, et al. Changes in land use carbon emissions and coordinated zoning in China[J]. Environmental Science, 2023, 44(3): 1267-1276. DOI:10.13227/j.hjkx.202204009 |
| [41] | Yang G. Improve China's sustainability targets[J]. Nature, 2011, 477(7363). DOI:10.1038/477162b |
| [42] | Liu J G, Dietz T, Carpenter S R, et al. Complexity of coupled human and natural systems[J]. Science, 2007, 317(5844): 1513-1516. |
| [43] |
杨青, 何玲, 刘星星, 等. 城市TREES"五位一体"协调发展时空分异研究[J]. 科研管理, 2020, 41(7): 89-99. Yang Q, He L, Liu X X, et al. A research on the temporal and spatial differentiation of coordinated development of the "five in one" subsystems of urban TREES[J]. Science Research Management, 2020, 41(7): 89-99. |
| [44] | 杨青, 胡艳, 兰飞. 技术经济学[M]. ((第三版)). 武汉: 武汉理工大学出版社, 2016. |
| [45] |
刘志华, 徐军委, 张彩虹. 省域碳减排—经济增长—环境保护协调发展的时空分异及驱动机制[J]. 海南大学学报(人文社会科学版), 2021, 39(5): 63-72. Liu Z H, Xu J W, Zhang C H. The spatial-temporal differentiation and driving mechanism of coordinated development of provincial carbon emission reduction, economic growth and environmental protection[J]. Humanities & Social Sciences Journal of Hainan University, 2021, 39(5): 63-72. |
| [46] |
刘慧成, 武学, 唐进, 等. 基于MACC模型的中国建筑领域低碳技术减排潜力和成本研究[J]. 建筑科学, 2023, 39(12): 1-9. Liu H C, Wu X, Tang J, et al. Emission reduction potential and costs of low carbon technologies based on MACC model in China's building sector[J]. Building Science, 2023, 39(12): 1-9. |
| [47] | Moezzi M, Janda K B. From "if only" to "social potential" in schemes to reduce building energy use[J]. Energy Research & Social Science, 2014, 1: 30-40. |
| [48] |
原嫄, 孙欣彤. 城市化、产业结构、能源消费、经济增长与碳排放的关联性分析——基于中国省际收入水平异质性的实证研究[J]. 气候变化研究进展, 2020, 16(6): 738-747. Yuan Y, Sun X T. Exploring the relationship between urbanization, industrial structure, energy consumption, economic growth and CO2 emissions: an empirical study based on the heterogeneity of inter- provincial income levels in China[J]. Climate Change Research, 2020, 16(6): 738-747. |
| [49] |
李鹏飞, 吴利学, 田野. 中国城镇化路径的环境效应分析[J]. 城市与环境研究, 2014, 1(2): 65-82. Li P F, Wu L X, Tian Y. The environmental effect of China's urbanization models[J]. Urban and Environmental Studies, 2014, 1(2): 65-82. |
| [50] | Busch J, Amarjargal O. 100 global bright spots of green growth: co-occurrence of nighttime light gain and forest gain, 1990-2015[J]. Global Environmental Change, 2022, 75. DOI:10.1016/j.gloenvcha.2022.102556 |
| [51] |
郑石明, 尤朝春. 中国低碳城市试点政策扩散模式及减污效应[J]. 中国软科学, 2023(10): 98-108. Zheng S M, You C C. Diffusion model and air pollution control effect of low-carbon city pilot in China[J]. China Soft Science, 2023(10): 98-108. |
| [52] |
于博, 刘雪晴, 赵晓杰, 等. "双碳"目标下农业"土-能-粮-废"关联作用与影响机制[J]. 中国人口·资源与环境, 2023, 33(11): 67-77. Yu B, Liu X Q, Zhao X J, et al. Exploring the mechanisms of the land-energy-food-waste nexus in agriculture in the context of achieving the 'dual carbon' goals[J]. China Population, Resources and Environment, 2023, 33(11): 67-77. |
| [53] |
王林辉, 王辉, 董直庆. 经济增长和环境质量相容性政策条件——环境技术进步方向视角下的政策偏向效应检验[J]. 管理世界, 2020, 36(3): 39-60. Wang L H, Wang H, Dong Z Q. Policy conditions for compatibility between economic growth and environmental quality: a test of policy bias effects from the perspective of the direction of environmental technological progress[J]. Journal of Management World, 2020, 36(3): 39-60. |