2024, Vol. 45
城市化进程加速使得建设需求旺盛, 市区面积不断扩大, 部分城市扩张以无计划的增量扩张为主, 未充分考虑其可能造成的潜在后果, 这种无计划、不可持续的城市扩张被称为“蔓延”[1]. 蔓延发展不仅造成生态破坏和能源消耗增加, 还可能导致城市中心的衰败, 甚至对居民健康产生影响[2~4]. 1973年“紧凑城市”概念被首次提出, 随即引发广泛关注. 与此同时, 气候变化形势严峻, 低碳发展成为全球共同追求的目标, 1992年联合国发布《联合国气候变化框架公约》, 开始关注气候变化的相关问题[5], 随后《京都议定书》和《巴黎协定》对全球应对气候变化行动做出统一安排[6], 2021年中国提出“碳达峰、碳中和”工作目标, 明确了碳减排在生态文明建设中的重要作用.
紧凑城市在不同国家和地区都展开过大量研究和规划实践, 主要包括紧凑城市的理论内涵分析[7, 8]、城市紧凑性的度量方法探索[9]以及紧凑城市的规划实践应用[10~13], 各研究相互关联, 互为支撑, 理论内涵分析是构建紧凑城市指标体系的前提和基础, 而度量方法研究则提供了衡量城市紧凑性的工具, 使其最终可以应用到规划实践中, 是实现“紧凑城市”概念从抽象向定量模型转变的关键环节. 对于城市紧凑性的度量, 早期一般从城市空间的几何特征出发, 大致分为3类：测量城市外部轮廓特征、测量城市内部区块与特定位置的关系和评估城市内部地块之间的相互联系程度[14]. 21世纪初, 多指标测度法被提出, 开始从人口、土地、经济和功能等不同维度对城市紧凑性进行考量. 相关研究成果大多认为紧凑城市建设有利于防止城市“摊大饼式”发展, 提高城市运行效率, 但高密度的城市开发会造成交通拥堵和环境污染等问题[15], 因此, 为实现城市高质量发展, 需要探索适宜的城市紧凑区间. 随着全球气候变暖的威胁, 低碳发展受到广泛关注, 目前碳排放相关研究主要围绕测算方法[16]、时空演变[17, 18]和影响因素[19]等方面展开. 在测算方法上, 主要采取以不同能源消耗总量与碳排放系数相乘后累计求和的指数分解法[20, 21]、引入非参数距离函数的生产分解法[22]和投入产出法[23]等. 在碳排放强度时空变化方面, 一些学者侧重于产业层面, 对农业、工业和交通运输等行业进行深入研究[24~26]；部分学者则聚焦于行政区域, 从省级或城市群的角度出发, 力图实现区域碳排放治理目标的协调和整合[27, 28], 随着研究的深入, 观察视角逐渐扩展至微观尺度（地市及以下）[29, 30]以及全球尺度（国家及以上）[31], 旨在为应对全球气候变暖和实现地方精细化碳排放治理提供决策依据. 在影响因素方面, 多数学者发现人口[32]、技术[33]、产业结构[34]和政府干预[35]等与碳排放强度具有一定相关性.
综合来看, 国内外学者对紧凑度和碳排放的分领域皆有深入研究, 角度丰富、方法多样且成果众多, 但对于两者之间的关系研究方面略显单薄且缺乏规律总结, 仅有的研究也多分析城市空间形态与碳排放的相关性, 较少探讨城市紧凑度与碳排放强度的协调发展水平. 随着低碳城市的发展, 城市空间形态的碳减排能力变得愈发重要, 在“联合国2030可持续发展目标13：气候行动”背景下, 探索城市空间紧凑性与碳排放强度的互动关系是重要的研究方向[14].
成渝城市群作为西部第一个国家级城市群, 是长江经济带的重要战略支撑, 在国家发展全局中具有独特而重要的战略地位. 目前已有文献分析了成渝城市群碳排放的时空演变、影响因素和空间关联网络特征[36, 37], 但并未基于长时间序列研究紧凑度的时空变化规律, 此外, 尚未有研究分析成渝城市群紧凑度与碳排放强度的关系. 因此, 本文以成渝城市群为研究区, 分析其紧凑度与碳排放强度的时空演变特征, 并对紧凑度与碳排放强度的互动关系进行研究, 探讨其协调发展水平的影响因素, 深入分析二者之间的协同机制, 以期弥补现有研究空白, 助推区域高质量发展.
1 研究区概况成渝城市群地处中国西南部, 四川盆地之中和长江上游地区, 沟通东西南北, 连接国内国外, 是重要的经济与文化集散地, 也是关键的交通枢纽. 东接湘鄂西山地, 南连云贵高原, 西依青藏高原和横断山脉, 北近秦巴山脉, 与汉中盆地相望, 纬度介于27°38′~32°21′N之间, 经度介于101°55′~108°59′E之间, 东西长约773 km, 南北宽约605 km, 作为西部大开发的重要平台, 是西南部人口最稠密、产业基础最雄厚且经济密度最高的地区. 成渝城市群具体范围包括四川省的成都、自贡、泸州、德阳、遂宁、内江、乐山、南充、眉山、宜宾、广安和资阳以及重庆、绵阳、达州和雅安的部分地区, 鉴于获取区县相关数据的难度较高, 为确保所需数据的可获取性和有效性, 本研究将重庆、绵阳、达州和雅安的全市作为研究对象, 研究区范围为各城市的市域（图 1）, 研究区域共计16个研究单元, 总面积23.95万km2.
|
图 1 研究区范围示意 Fig. 1 Location of the study area |
本研究所用数据包括成渝城市群各城市的人口、经济、土地利用、交通数据和能源消费数据等, 主要来源于2011~2021年的《四川统计年鉴》《重庆统计年鉴》《中国城市建设统计年鉴》《中国城市统计年鉴》《中国能源统计年鉴》以及成渝城市群16个城市的统计年鉴等, 部分缺失数据采取趋势外推法进行插补, 其中涉及价格的部分变量统一折算为以2010年为基期的不变价进行计算.
2.2 研究方法 2.2.1 城市紧凑度测算Breheny提出紧凑型城市的经典定义：紧凑城市建设的重点是限制城市用地盲目扩张, 恢复城市中心活力, 紧凑型城市具有高密度、高效率、土地混合利用和公共交通发达等特点. 现有研究普遍采用多指标测度法对城市紧凑度进行评估, 故本研究从紧凑型城市的定义出发, 同时参考文献[38~40], 从人口、经济、土地利用和交通这4个维度构建成渝城市群紧凑度指标体系. 鉴于单一的主观或客观赋权方法都具有某种程度的局限性, 主观法以专家意志为判别依据, 主观性较强, 结果容易出现偏差, 客观赋权法数学性过强, 评价结果有时会出现机械性和不合理的情况. 因此本文通过主客观相结合的赋权方法进行指标归纳, 将两种方法的计算结果加权平均得出最后的权重, 以此降低异常指标权重结果的不利影响. 在本研究中, 主观赋权使用层次分析法（AHP）, 而客观赋权选择熵值法.
|
(1) |
式中, W1和W2分别为主客观法求得的指标权重, k1和k2分别为两种方法的贡献权重, 本研究取k1 = k2 = 0.5.
基于表 1中的各个指标权重, 与标准化处理后的数值乘积求和, 最终得到城市紧凑度综合得分Si：
|
(2) |
|
表 1 城市紧凑度测算指标体系 Table 1 Index system of urban compactness |
式中, i = 1, 2, 3, …, m；j = 1, 2, 3, …, n；Wj为第j个评价指标的权重, Xij为第i个评级对象在第j个评价指标下经标准化处理后的数值.
2.2.2 碳排放强度测算本文碳排放计算模型采用Kaya碳排放恒等式, 该模型是由中国科学院可持续发展战略研究组根据我国实际情况进行修正. 根据这个等式, 碳排放主要由经济活动、人口总量、能源消耗以及碳排放效率4个因素来衡量和定义. 改进后的模型为：
|
(3) |
式中, C为城市碳排放量；P为城市总人口；GDP为国内生产总值；E为能源消耗总量；CO2/E为能源燃料折算标准煤后所产生的碳排放量, 目前中国采用较多的能源排放系数为2.42~2.72, 本文采用燃烧1 t标准煤排放2.45 t CO2.
碳排放强度指单位GDP的碳排放量, 是衡量经济增长与污染排放相互联系的重要指标[41], 因此, 碳排放强度计算公式为：
|
(4) |
式中, CEI为碳排放强度；C为城市碳排放量；GDP为国内生产总值.
2.2.3 耦合协调度模型本文利用耦合协调度模型分析成渝城市群紧凑度与碳排放强度的协调发展程度, 公式如下：
|
(5) |
|
(6) |
|
(7) |
式中, C为耦合度, 可衡量两系统的相互依赖程度；U为成渝城市群紧凑度；R为成渝城市群碳排放强度；T为综合发展指数；α和β为待定系数, 且α+β = 1, 本文认为紧凑度与碳排放强度重要程度相等, 因此将α与β设置为0.5. D为耦合协调度, 可衡量两系统间协调发展水平. 碳排放强度表征的是城市群发展的低碳度, 与紧凑度数值并不处于同一量纲, 其值越高表明低碳发展水平越低, 在代入耦合协调模型前对碳排放强度进行负向指标标准化处理. 参考文献[42~44], 将耦合度分为低度耦合[0.0~0.2）、拮抗阶段（0.2~0.6]、磨合阶段（0.6~0.9]和高度磨合（0.9~1.0]；将耦合协调度划分为失调衰退区间和协调发展区间, 划分标准如表 2所示.
|
|
表 2 耦合协调度等级划分标准 Table 2 Classification standards of coupling coordination degree |
2.2.4 地理探测器
现主要使用因子探测和交互探测功能来分析成渝城市群紧凑度与碳排放强度耦合协调空间分布的驱动因素, 其公式表达为：
|
(8) |
式中, N为样本数；L为因素A的分类；∂i2为指标方差；q值越大, 说明该因子作用于耦合协调度的效果越明显. 交互作用主要包含5种关系, 具体标准详见王劲峰等[45]的研究.
3 结果与讨论 3.1 城市紧凑度时空演变特征2010~2020年成渝城市群紧凑度呈稳步上升趋势（图 2）, 从0.18上升至0.22, 总体增长22.22%, 11年间城市群城市化进程加速, 经济活动集聚, 开发建设活动增多, 土地利用率不断提升, 吸引了大量人才资金涌入, 导致城市紧凑度逐年升高. 分维度来看, 成渝城市群紧凑度4个构成维度在研究期末的比例分别为人口紧凑（13.54%）、经济紧凑（35.70%）、土地利用紧凑（25.36%）和交通紧凑（25.40%）, 2010~2020年各年份的主导维度有所变化, 但随着经济增长和开发利用效率提升, 经济紧凑度在城市紧凑度中逐渐占据主导地位, 对城市紧凑度的影响加强, 成为城市紧凑度提高的主要推动力, 表明经济是保障城市建设和提升城市活力的重要物质基础, 是城市各项指标改善的基本动力所在, 同时也是城市发展的稳定器和动力源.
|
图 2 成渝城市群紧凑度时间演变 Fig. 2 Time evolution of compactness of the Chengdu- Chongqing urban agglomeration |
选取2010年、2015年和2020年这3个时间节点的紧凑度数据, 在ArcGIS中对城市群紧凑度在地理空间上的演变特征进行直观展现（图 3）. 从空间维度看, 城市紧凑度呈现“西北西南较高, 中部较低”的分布格局, 其中成都作为成渝城市群发展核心区, 在研究初期经济发展已较为迅猛, 快速的城市化和区域虹吸作用使其吸引大量城市人口, 是我国第4个人口超两千万的城市, 且城市建设水平高, 基础设施完善, 因此紧凑度明显高于成渝城市群其他城市；德阳和绵阳是成德绵乐城市带上的核心节点城市, 其中德阳毗邻成都, 受到成都都市圈的辐射带动作用, 吸引了大量的外来人口和开发投资；自贡、泸州、宜宾和内江作为川南城镇密集区中的核心城市, 经济发展和城市化水平也较高. 低值区则集中于东中部, 尤其是雅安, 该区境内多高山峡谷, 人口总数为全省最少, 历来发展缓慢, 因此紧凑度处于较低值.
|
图 3 成渝城市群紧凑度空间演变 Fig. 3 Spatial evolution of compactness of the Chengdu-Chongqing urban agglomeration |
成渝城市群碳排放强度呈下降趋势（表 3）, 平均值、最大值和最小值逐年降低, 其中平均值从2010年的2.30 t·万元-1下降至2020年的1.39 t·万元-1, 下降幅度达39.57%, 年均降幅3.60%, 主要得益于三产兴起带来产业结构的优化调整, 加大研发投入和工业科技手段的改良使得能源利用效率不断提升, 此外随着“双碳”目标的提出, 《成渝地区双城经济圈碳达峰碳中和联合行动方案》等政策的颁布, 成渝城市群在发展经济的同时更加注重环境保护. 方差值从0.31下降至0.12, 下降幅度达61.29%, 由于各城市的经济发展水平都有所提升, 且一体化发展理念深入, 各城市的经济和科技互动频繁, 计划区域共建碳排放权交易市场, 成渝城市群各区域间的碳排放强度差异在逐渐缩小.
|
|
表 3 2010~2020年成渝城市群碳排放强度整体变化趋势 Table 3 Overall change trend of carbon emission intensity in the Chengdu-Chongqing urban agglomeration from 2010 to 2020 |
在ArcGIS中对碳排放强度的空间分布进行可视化处理（图 4）, 整体来看, 成渝城市群碳排放强度高值区始终在城市群南部, 西南各城市的产业发展较为依赖工业能源, 其中内江和乐山是全国老工业基地, 宜宾和泸州以酿酒业为代表的轻工业发达, 而雅安的经济体量较小, 投入产出效益过低, 因此西南部城市的碳排放强度相比其他城市来说整体较高；成都和重庆大规模的开发建设、土地不断扩张和人口高度集聚产生了大量碳排放, 但其经济发展水平远高于其他城市, 且第三产业发展更为成熟, 因此碳排放强度较低；资阳在2020年碳排放强度明显降低, 原因在于其逐年重视环境保护和可持续发展, 加大力度开展节能产业和研发绿色建筑, 使得低碳发展水平逐年提高[46].
|
图 4 成渝城市群碳排放强度空间演变 Fig. 4 Spatial evolution of carbon emission intensity in the Chengdu-Chongqing urban agglomeration |
基于耦合协调度模型计算可得2010~2020年成渝城市群紧凑度与碳排放强度的耦合协调水平（图 5）. 研究初期紧凑度与碳排放强度的相互促进作用较弱, 随着时间推进, 两者从拮抗阶段转为磨合阶段, 2020年耦合度达0.77, 说明两个系统之间相互依赖程度较深. 耦合协调度在11年间呈稳定上升趋势, 2010年仅0.21, 处于中度失调阶段, 2020年升至0.69, 达到初级协调, 原因在于城市逐步进入平稳发展阶段, 城市建设增加, 土地投入和产出效益提高, 科技创新和产业结构优化加速, 城市在趋于紧凑的同时低碳经济效益显著, 说明在研究时段内紧凑度与低碳度逐渐相互促进、相互配合, 良性互动不断增强.
|
图 5 2010~2020年成渝城市群紧凑度与碳排放强度耦合协调变化 Fig. 5 Coupling and coordinated changes of the Chengdu-Chongqing urban agglomeration compactness and carbon emission intensity from 2010 to 2020 |
从空间演变过程来看（图 6）, 成渝城市群紧凑度与碳排放强度的关系整体从失调演变为协调状态. 2010年, 城市群内部多数城市的耦合协调度都为中度失调, 此时各城市正处于土地扩张初期, 空间布局缺乏合理规划, 工业兴旺使得城市建设快速增长, 碳排放较高, 远未达到低碳状态, 城市紧凑度与低碳发展相互制约. 2015年11个城市的耦合协调度以勉强协调为主, 初级协调区增至4个, 成都进入优质协调阶段. 随着城市的高密度发展, 经济效益提升导致单位GDP所产生的碳排放量降低, 2020年大部分城市均进入初级协调行列, 总体来看, 西北部（成都、德阳和绵阳）和川南两市（自贡和泸州）耦合协调度整体高于其他区域.
|
图 6 2010~2020年成渝城市群紧凑度与碳排放强度耦合协调空间演变 Fig. 6 Spatial evolution of coupling coordination between compactness and carbon emission intensity of the Chengdu-Chongqing urban agglomeration from 2010 to 2020 |
成渝城市群紧凑度与碳排放强度的耦合协调度空间分异影响机制尚不明确, 二者之间的协调发展受到社会、经济和政策等多方面影响, 本文选取的影响因子如下：①产业结构. 不同产业的能源需求有所不同, 且产业结构的优化升级能有效减少碳排放, 吸引人口和经济集聚, 是促进两者协调发展的直接推动力. 本文以第三产业比例这一指标衡量产业结构. ②科技创新. 科技创新所带来的工业科技手段的改良会直接降低碳排放强度, 同时改变生产生活方式, 推动城市的高质量发展. 本文以R&D经费内部支出占GDP比例来衡量科技创新. ③城镇化水平. 城镇化对区域碳排放强度的作用关系会随发展阶段而产生变化, 人口涌入城市带来的集聚效应促进城市的紧凑发展. 本文以城镇人口比例来衡量城镇化水平. ④政府干预. 合理的政府干预有利于资源的合理分配, 对城市紧凑度与碳排放强度的协调发展产生直接作用. 本文以一般公共预算支出来表征政府的干预. ⑤环境宜居. 碳汇地对于二氧化碳有着清洁和稀释作用, 能有效降低碳排放, 随着可持续发展理念深入人心, 优越的生态环境更能吸引人口和产业集聚, 同时环境质量也是紧凑城市建设水平的重要参考. 本文选取人均拥有公园绿地面积来反映城市的环境水平.
将第三产业比例、R&D经费支出占GDP比例、城镇人口比例、一般公共预算支出和人均公园绿地面积分别记为X1、X2、X3、X4和X5, 基于自然断点法在ArcGIS中对数据进行离散化处理, 随后运用地理探测器识别与分析对耦合协调度影响较大的因子, 因子探测结果如表 4所示. 其中所有因素都通过P < 0.01的显著性检验, 说明各单项指标都能显著地驱动城市紧凑度和低碳度的协调发展. X2（科技创新）始终是影响二者耦合协调度分异的首位因子, 2020年其因子探测力高达0.8172, 说明科技水平的提升对于城市高质量建设和低碳发展有着很大促进作用, 此外, X1（产业结构）、X4（政府干预）和X5（环境宜居）的探测力整体上逐渐增强, 对耦合协调的影响力不断提升. X3（城镇化水平）解释力逐年下降, 表明其对于紧凑度与碳排放强度耦合协调的作用力出现疲软态势, 城镇化水平产生的效应在区域间的差异并不大.
|
|
表 4 成渝城市群紧凑度与碳排放强度耦合协调度因子探测结果 Table 4 Result of the coupling coordination degree factor detector of urban compactness and carbon emission intensity in the Chengdu-Chongqing urban agglomeration |
各影响因子的两两交互作用类型在各个时间段均属于双因子增强（图 7）, 比单因子对城市群紧凑度与碳排放强度协调发展的影响作用要显著, 说明产业结构、科技创新、城镇化水平、政府干预和环境宜居形成了互动机制, 共同影响了城市群紧凑度与低碳发展的协调水平. 值得一提的是, 2015年X5（人均公园绿地面积）与各指标的交互因子驱动值均在0.8以上, 但其因子探测值仅为0.492, 说明部分指标无法单独高效发挥对耦合协调的影响作用, 双因子交互产生的作用力更加明显.
|
(a)2010年, (b)2015年, (c)2020年; 色柱所表示的数值为交互探测值大小 图 7 2010~2020年成渝城市群紧凑度与碳排放强度 Fig. 7 Results of coupling coordination degree interaction detector |
本文以成渝城市群为研究对象, 从时间和空间角度出发分析城市群紧凑度与碳排放强度的演变特征, 并对两者耦合协调及影响因素进行探究. 根据研究结果, 可以从产业结构、科技创新、城镇化水平、政府干预、环境宜居切入, 逐步实现城市紧凑度与低碳度的协调发展.
（1）优化产业结构 各城市根据自身产业基础和功能定位, 发挥各自优势与区域特色, 打造城市名片, 如绵阳的“中国科技城”、宜宾“中国酒都”, 突破区域行业壁垒, 促进城市群产业转移和交流、分工与协作. 大力发展第三产业, 加大对旅游业、金融和高新技术产业等的政策扶持力度, 逐步培育发展成为成渝城市群的先导性和优势性产业.
（2）强化科技支撑 建立城市群低碳技术创新体系, 为人才和高新技术产业集聚提供完备的软硬件设施. 同时, 建立成渝城市群低碳技术合作机制, 构建信息技术资源平台并鼓励区域间信息资源共建共享, 加强跨区域的全方位科研合作, 打造低碳技术创新联盟, 鼓励各城市企业与科研机构合力攻关低碳技术, 充分整合区域的科教资源.
（3）提升城镇化发展质量 目前成渝城市群城镇化率进入诺瑟姆曲线的第二阶段, 但人口城市化速度明显快于土地城市化, 城镇化发展尚未达到成熟状态. 成渝城市群在这一过程中要避免城镇化的“大跃进”, 在城市群内部不断优化城镇化发展的宏观布局, 对城镇化的微观空间提出治理措施, 在保证城市群经济发展的同时削弱对环境的负面影响.
（4）实施积极的政策引导 政府应在遵循市场经济运行规律的前提下, 健全成渝城市群低碳发展的基本制度, 如颁布相关法规和政策文件对各类市场主体的行为进行规范与监督、制定成渝城市群低碳发展规划、引导城市经济活动和健全城市群低碳合作的制度体系与激励约束机制. 此外, 政府应大力宣传低碳环保意识, 营造绿色环保的社会氛围.
（5）建设绿色屏障 提升城市群碳汇占比, 逐渐扩大区域内绿地面积与开放空间, 为居民接近自然环境提供良好的基础配套设施, 营造“楔环结合、廊道成网”的城市群绿色生态屏障, 增强城市环境宜居度. 同时, 编制城市群总体生态规划, 统筹安排城市群布局和生态空间建设.
5 结论（1）成渝城市群紧凑度在研究期内不断提升, 以经济紧凑加剧为主要表现特征. 紧凑度高值区主要集中在西北部的成都、德阳和绵阳以及西南部的自贡和泸州, 低值区分布在东中部, 雅安紧凑度历年均为最低值, 城市群内部紧凑度的区域差异显著.
（2）成渝城市群碳排放强度不断下降, 且各城市差异逐年缩小, 向低碳优化方向发展. 碳排放强度高值区主要分布于南北部, 东中部较低, 成都、重庆和资阳在2020年的碳排放强度为城市群最低, 低碳经济发展取得显著成效.
（3）成渝城市群紧凑度与碳排放强度向协调发展阶段迈进, 耦合协调水平较高的区域主要为城市群西北部和西南部. 从城市群整体数据来看, 各影响因子的作用大小从高到低依次为：科技创新 > 环境宜居 > 产业结构 > 政府干预 > 城镇化水平, 各影响因子相互作用, 对城市紧凑度与碳排放强度耦合协调有着较强的解释能力.
（4）优化产业结构、强化科技支撑、提升城镇化发展质量、实施积极的政策引导和建设绿色屏障在保障城市建设的同时节能减排, 促进城市紧凑度与低碳度的协调发展.
| [1] |
张潇, 陆林, 任以胜, 等. 中国城市蔓延的时空演变格局及其影响因素[J]. 经济地理, 2021, 41(3): 77-85. Zhang X, Lu L, Ren Y S, et al. Spatiotemporal evolution pattern of urban sprawl in China and its influencing factors[J]. Economic Geography, 2021, 41(3): 77-85. |
| [2] | Zhang L L, Shu X F, Zhang L. Urban sprawl and its multidimensional and multiscale measurement[J]. Land, 2023, 12(3). DOI:10.3390/land12030630 |
| [3] | Fuladlu K, Riza M, Ilkan M. Monitoring urban sprawl using time-series data: famagusta region of northern Cyprus[J]. SAGE Open, 2021, 11(2). DOI:10.1177/21582440211007465 |
| [4] | Zhang X, Pan J H. Spatiotemporal pattern and driving factors of urban sprawl in China[J]. Land, 2021, 10(11). DOI:10.3390/land10111275 |
| [5] |
吕江. 应对气候变化与生物多样性保护的国际规则协同: 演进、挑战与中国选择[J]. 北京理工大学学报(社会科学版), 2022, 24(2): 50-60. Lü J. International rule synergy between climate change and biodiversity: evolution, challenges and China's options[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2022, 24(2): 50-60. |
| [6] |
付琳, 周泽宇, 杨秀. 适应气候变化政策机制的国际经验与启示[J]. 气候变化研究进展, 2020, 16(5): 641-651. Fu L, Zhou Z Y, Yang X. Experience and enlightenment on policy mechanisms for the international adaptation to climate change[J]. Climate Change Research, 2020, 16(5): 641-651. |
| [7] | McFarlane C. Density and the compact city[J]. Dialogues in Human Geography, 2023, 13(1): 35-38. DOI:10.1177/20438206221144821 |
| [8] | Herburger J. It's not about compact cities[J]. Dialogues in Human Geography, 2023, 13(1): 44-49. DOI:10.1177/20438206221144822 |
| [9] | Luan H, Fuller D. Urban form in Canada at a small-area level: quantifying "compactness" and "sprawl" with Bayesian multivariate spatial factor analysis[J]. Environment and Planning B: Urban Analytics and City Science, 2022, 49(4): 1300-1313. DOI:10.1177/23998083211062901 |
| [10] | Wang M, Krstikj A, Liu H. Planning compact city in rapidly growing cities—an estimation of the effects of new-type urbanization planning in Hangzhou city[J]. Land, 2022, 11(11). DOI:10.3390/LAND11111907 |
| [11] | Mouratidis K. COVID-19 and the compact city: implications for well-being and sustainable urban planning[J]. Science of the Total Environment, 2022, 811. DOI:10.1016/j.scitotenv.2021.152332 |
| [12] | Shawly H. Evaluating compact city model implementation as a sustainable urban development tool to control urban sprawl in the city of Jeddah[J]. Sustainability, 2022, 14(20). DOI:10.3390/su142013218 |
| [13] |
周新刚, 郎嵬. 面向就业活动紧凑度的紧凑城市规划策略[J]. 城市规划学刊, 2019(3): 50-57. Zhou X G, Lang W. Planning for compact city from the perspective of employment activities[J]. Urban Planning Forum, 2019(3): 50-57. |
| [14] |
蓝婷, 唐立娜, 徐智邦, 等. 基于文献计量的城市空间紧凑度研究知识图谱分析[J]. 生态学报, 2022, 42(4): 1645-1654. Lan T, Tang L N, Xu Z B, et al. Knowledge graph analysis of urban spatial compactness based on bibliometrics[J]. Acta Ecologica Sinica, 2022, 42(4): 1645-1654. |
| [15] |
陈涛, 张越, 王玉阁, 等. 可持续发展视域下城市紧凑度与生态环境质量耦合协调关系研究——基于我国直辖市与省会城市的实证[J]. 生态经济, 2021, 37(10): 93-99, 107. Chen T, Zhang Y, Wang Y G, et al. Research on the coupling and coordination relationship between urban compactness and eco-environmental quality from the perspective of sustainable development: an empirical analysis based on China's municipalities and provincial capitals[J]. Ecological Economy, 2021, 37(10): 93-99, 107. |
| [16] |
杨柏, 秦广鹏, 邬钦. "双碳"目标下中国省域碳排放核算分析[J]. 环境科学, 2022, 43(12): 5840-5849. Yang B, Qin G P, Wu Q. Analysis of provincial CO2 emission accounting in China under the carbon peaking and carbon neutrality goals[J]. Environmental Science, 2022, 43(12): 5840-5849. |
| [17] |
吴一帆, 许杨, 唐洋博, 等. 长江经济带二氧化碳净排放时空演变特征及脱钩效应[J]. 环境科学, 2023, 44(3): 1258-1266. Wu Y F, Xu Y, Tang Y B, et al. Temporal and spatial characteristics of net CO2 emissions and decoupling analysis in Yangtze River economic belt[J]. Environmental Science, 2023, 44(3): 1258-1266. |
| [18] |
郝瑞军, 魏伟, 刘春芳, 等. 中国能源消费碳排放的空间化与时空动态[J]. 环境科学, 2022, 43(11): 5305-5314. Hao R J, Wei W, Liu C F, et al. Spatialization and spatio-temporal dynamics of energy consumption carbon emissions in China[J]. Environmental Science, 2022, 43(11): 5305-5314. |
| [19] |
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. |
| [20] |
吕志超, 刘雁, 李佳茹, 等. 基于LMDI的河北省能源消费碳排放核算及因素分析[J]. 环境生态学, 2023, 5(4): 74-78, 87. Lv Z C, Liu Y, Li J R, et al. Calculation and factor analysis of energy consumption carbon emissions in Hebei Province based on LMDI[J]. Environmental Ecology, 2023, 5(4): 74-78, 87. |
| [21] | Wang Y Z, Jeong S, Hang Y, et al. Determinants of net energy-related CO2 emissions in China: a source-to-sink decomposition analysis[J]. Environmental Impact Assessment Review, 2023, 98. DOI:10.1016/j.eiar.2022.106979 |
| [22] |
向书江, 杨春梅, 谢雨琦, 等. 近20年重庆市主城区碳排放的时空动态演进及其重心迁移[J]. 环境科学, 2023, 44(1): 560-571. Xiang S J, Yang C M, Xie Y Q, et al. Spatiotemporal dynamic evolution and gravity center migration of carbon emissions in the main urban area of Chongqing over the past 20 years[J]. Environmental Science, 2023, 44(1): 560-571. |
| [23] | Zeng S B, Jin G, Tan K Y, et al. Can low-carbon city construction reduce carbon intensity? Empirical evidence from low-carbon city pilot policy in China[J]. Journal of Environmental Management, 2023, 332. DOI:10.1016/j.jenvman.2023.117363 |
| [24] | Huang Y, Zhu H M, Zhang Z Q Y. The heterogeneous effect of driving factors on carbon emission intensity in the Chinese transport sector: Evidence from dynamic panel quantile regression[J]. Science of the Total Environment, 2020, 727. DOI:10.1016/j.scitotenv.2020.13857 |
| [25] |
张悦, 王晶晶, 程钰. 中国工业碳排放绩效时空特征及技术创新影响机制[J]. 资源科学, 2022, 44(7): 1435-1448. Zhang Y, Wang J J, Cheng Y. Spatiotemporal characteristics of China's industrial carbon emission performance and influence mechanism of technological innovation[J]. Resources Science, 2022, 44(7): 1435-1448. |
| [26] |
徐小雨, 董会忠, 庞敏. 东北三省农业碳排放效率时空演化特征及驱动因素分析[J]. 中国环境管理, 2023, 15(2): 86-97. Xu X Y, Dong H Z, Pang M. Analysis on the spatio-temporal evolution characteristics and driving factors of agricultural carbon emission efficiency in three northeastern provinces of China[J]. Chinese Journal of Environmental Management, 2023, 15(2): 86-97. |
| [27] |
刘志华, 徐军委. "双碳"目标下中国省域碳排放公平性及其影响因素[J]. 地理科学, 2023, 43(1): 92-100. Lu Z H, Xu J W. Equity and influence factors of China's provincial carbon emissions under the "Dual Carbon" goal[J]. Scientia Geographica Sinica, 2023, 43(1): 92-100. |
| [28] |
郑航, 叶阿忠. 城市群碳排放空间关联网络结构及其影响因素[J]. 中国环境科学, 2022, 42(5): 2413-2422. Zheng H, Ye A Z. Spatial correlation network structure and influencing factors of carbon emission in urban agglomeration[J]. China Environmental Science, 2022, 42(5): 2413-2422. DOI:10.3969/j.issn.1000-6923.2022.05.048 |
| [29] |
王茜, 王善礼, 董楠娅. 碳达峰背景下区域碳排放强度影响因素及空间溢出性研究——以重庆市为例[J]. 软科学, 2022, 36(7): 97-103. Wang Q, Wang S L, Dong N Y. Research on the influencing factors and spatial spillover of carbon emission intensity under the background of carbon peak——based on the empirical analysis of Chongqing[J]. Soft Science, 2022, 36(7): 97-103. |
| [30] |
王少剑, 谢紫寒, 王泽宏. 中国县域碳排放的时空演变及影响因素[J]. 地理学报, 2021, 76(12): 3103-3118. Wang S J, Xie Z H, Wang Z H. The spatiotemporal pattern evolution and influencing factors of CO2 emissions at the county level of China[J]. Acta Geographica Sinica, 2021, 76(12): 3103-3118. DOI:10.11821/dlxb202112016 |
| [31] | Zhao Y B, Chen R Y, Zang P, et al. Spatiotemporal patterns of global carbon intensities and their driving forces[J]. Science of the Total Environment, 2022, 818. DOI:10.1016/j.scitotenv.2021.151690 |
| [32] |
朱泳丽, 丁利杰. 长三角城市群碳排放强度的空间效应及影响因素——基于产业转移视角[J]. 资源科学, 2022, 44(7): 1373-1387. Zhu Y L, Ding L J. Spatial effects and influencing factors of carbon emission intensity in the Yangtze River Delta urban agglomeration: an industrial transfer-based perspective[J]. Resources Science, 2022, 44(7): 1373-1387. |
| [33] |
曾冰. 长江经济带渔业经济碳排放效率空间格局及影响因素研究[J]. 当代经济管理, 2019, 41(2): 44-48. Zeng B. Spatial pattern and influencing factors of carbon emission efficiency of fishery economy in the Yangtze River Economic Belt[J]. Contemporary Economic Management, 2019, 41(2): 44-48. |
| [34] | Zhang H, Guo S D, Qian Y B, et al. Dynamic analysis of agricultural carbon emissions efficiency in Chinese provinces along the Belt and Road[J]. PLoS One, 2020, 15(2). DOI:10.1371/journal.pone.0228223 |
| [35] | Zhang W, Li J, Li G X, et al. Emission reduction effect and carbon market efficiency of carbon emissions trading policy in China[J]. Energy, 2020, 196. DOI:10.1016/j.energy.2020.117117 |
| [36] |
韦彦汀, 李思佳, 张华. 成渝城市群碳排放时空特征及其影响因素[J]. 中国环境科学, 2022, 42(10): 4807-4816. Wei Y T, Li S J, Zhang H. Temporal-spatial evolution of carbon emission and driving factors in the Chengdu-Chongqing urban agglomeration[J]. China Environmental Science, 2022, 42(10): 4807-4816. DOI:10.3969/j.issn.1000-6923.2022.10.039 |
| [37] |
王晓平, 冯庆, 宋金昭. 成渝城市群碳排放空间关联结构演化及影响因素[J]. 中国环境科学, 2020, 40(9): 4123-4134. Wang X P, Feng Q, Song J Z. The spatial association structure evolution of carbon emissions in Chengdu-Chongqing urban agglomeration and its influence mechanism[J]. China Environmental Science, 2020, 40(9): 4123-4134. DOI:10.3969/j.issn.1000-6923.2020.09.045 |
| [38] |
林树高, 刘少坤, 陆汝成, 等. 2003-2018年广西城市紧凑度与土地利用效益关系的时空特征[J]. 水土保持通报, 2021, 41(4): 300-309. Lin S G, Liu S K, Lu R C, et al. Spatial and temporal characteristics of relationship between urban compactness and land application efficiency in Guangxi Zhuang Autonomous Region during 2003-2018[J]. Bulletin of Soil and Water Conservation, 2021, 41(4): 300-309. |
| [39] |
孙飞翔, 吕拉昌. 城市紧凑度对中国城市创新的影响[J]. 人文地理, 2021, 36(3): 97-107. Sun F X, Lv L C. The impact of urban compactness on Chinese city innovation output[J]. Human Geography, 2021, 36(3): 97-107. |
| [40] |
田成诗, 李金. 大型城市紧凑度与能源效率的关系研究[J]. 自然资源学报, 2018, 33(10): 1781-1795. Tian C S, Li J. A Study on the relationship between compactness and energy efficiency in large cities[J]. Journal of Natural Resources, 2018, 33(10): 1781-1795. |
| [41] |
王少剑, 黄永源. 中国城市碳排放强度的空间溢出效应及驱动因素[J]. 地理学报, 2019, 74(6): 1131-1148. Wang S J, Huang Y Y. Spatial spillover effect and driving forces of carbon emission intensity at city level in China[J]. Acta Geographica Sinica, 2019, 74(6): 1131-1148. |
| [42] |
张宁, 杨肖, 陈彤. 中国西部地区水-能源-粮食系统耦合协调度的时空特征[J]. 中国环境科学, 2022, 42(9): 4444-4456. Zhang N, Yang X, Chen T. Research on the coupling coordination of water-energy-food system and its temporal and spatial characteristics[J]. China Environmental Science, 2022, 42(9): 4444-4456. |
| [43] |
唐璐, 李娟, 王丹丹, 等. 2010-2020年贵阳市高质量发展与水资源保护利用的耦合协调关系[J]. 水土保持通报, 2023, 43(1): 235-243, 262. Tang L, Li J, Wang D D, et al. Coupling coordination of high-quality development with water resource protection and utilization in Guiyang city during 2010-2020[J]. Bulletin of Soil and Water Conservation, 2023, 43(1): 235-243, 262. |
| [44] |
杨浩, 卢新海, 匡兵, 等. 城市紧凑度与碳排放强度的时空互动关系及驱动因素——以长株潭城市群为例[J]. 长江流域资源与环境, 2021, 30(11): 2618-2629. Yang H, Lu X H, Kuang B, et al. Spatial-temporal interaction and driving factors of urban compactness and carbon emission intensity: a case study in Changsha-Zhuzhou-Xiangtan urban agglomeration[J]. Resources and Environment in the Yangtze Basin, 2021, 30(11): 2618-2629. |
| [45] |
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. Wang J F, Xu C D. Geodetector: principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. |
| [46] |
彭耕, 熊琳, 朱直君, 等. 新时期成都——资阳同城化空间发展规划探索[J]. 规划师, 2021, 37(11): 63-68. Peng G, Xiong L, Zhu Z J, et al. Theoretical exploration and planning practice of Chengdu-Ziyang integrate development[J]. Planners, 2021, 37(11): 63-68. |