环境科学  2024, Vol. 45 Issue (12): 6858-6869   PDF    
引用本文
朱丽, 曹梦莹, 刘瑞杰. “双碳”目标下煤炭资源型城市能源转型评价与障碍因子[J]. 环境科学, 2024, 45(12): 6858-6869.
ZHU Li, CAO Meng-ying, LIU Rui-jie. Evaluation of Energy Transition and Barrier Factors in Coal Resource Cities Under Carbon Neutral and Peak Carbon Goals[J]. Environmental Science, 2024, 45(12): 6858-6869.
“双碳”目标下煤炭资源型城市能源转型评价与障碍因子
朱丽1,2, 曹梦莹2, 刘瑞杰3     
1. 天津大学建筑学院, 天津 300072;
2. APEC可持续能源中心, 天津 300072;
3. 石家庄铁道大学建筑与艺术学院, 石家庄 050043
收稿日期: 2023-10-26; 修订日期: 2024-03-18
基金项目: 河北省科技厅科研项目（20211489）；天津大学科研横向项目（6122020002）
作者简介: 朱丽（1977~）, 女, 博士, 教授, 主要研究方向为低碳城镇能源规划, E-mail：zhuli1977@tju.edu.cn
通信作者: 曹梦莹, E-mail：cmy_0828@tju.edu.cn
摘要: 煤炭资源型城市作为我国重要能源后备基地, 准确识别该类城市能源转型水平与障碍因子, 不仅有利于我国碳中和目标的实现, 更有利于资源可持续利用. 基于熵值-综合指数法对47个煤炭资源型城市2010~2020年的能源转型水平进行评价并诊断障碍因子. 结果表明：①煤炭资源型城市能源转型水平稳步提升, 整体趋于多极化发展且城市间差距不断增大；各准则层发展水平存在显著差异；在空间上呈现由以低水平城市为主的“分散式”布局向以较高水平城市为核心的“组团式”形态演变；②从城市类型看, 成长型城市的转型水平高于其他类型城市, 且城市间转型差距逐渐减小, 衰退型城市能源转型水平最低；小型城市的转型水平明显低于中型城市和大型城市, 且中型城市组间差异在不断缩小, 大型城市组间差异不断增大；③影响城市能源转型水平的首要障碍层是能源供应层, 其次是创新管理层；能源综合生产能力和R&D投入强度是大多数城市的主要障碍因子, 不同类型城市的障碍因子不同. 研究结果丰富了对不同类型煤炭资源型城市能源转型路径的探索, 对如何实现该类城市绿色低碳发展也具有一定参考.
关键词: “双碳”      煤炭资源型城市      能源转型      熵值法      障碍度     
Evaluation of Energy Transition and Barrier Factors in Coal Resource Cities Under Carbon Neutral and Peak Carbon Goals
ZHU Li1,2 , CAO Meng-ying2 , LIU Rui-jie3     
1. School of Architecture, Tianjin University, Tianjin 300072, China;
2. APEC Sustainable Energy Center, Tianjin 300072, China;
3. School of Architecture & Art, Shijiazhuang Tiedao University, Shijiazhuang 050043, China
Abstract: As an important energy reserve base in China, accurate identification of the energy transition level and obstacle factors of coal resource cities of this type is conducive to achieving the carbon neutrality target proposed by China, as well as to the sustainable use of resources. The entropy-composite index method was used to evaluate the energy transition level and diagnose the obstacle factors of 47 coal resource-type cities from 2010 to 2020. The results showed that: ① The energy transition level of Chinese coal resource cities was steadily increasing and the overall transition level tended to be multi-polar, with the gap between cities increasing. Significant differences were observed in the development level of each criterion level and the spatial situation showed a shift from a "decentralized" layout with low level cities to a "clustered" layout with higher level cities as the core. ② From the perspective of different city types, the transformation level of growing cities was higher than that of other types of cities, the gap between the transformation levels of cities was gradually decreasing, and the energy transformation level of declining cities was the lowest. The transformation level of small cities was significantly lower than that of medium-sized and large cities and the differences between the groups of medium-sized cities were decreasing; while the differences between the groups of large cities were decreasing and the differences between the groups of large cities were decreasing. Small cities were significantly lower than medium-sized cities and large cities, the difference between groups of medium-sized cities was decreasing, and the difference between groups of large cities was increasing. ③ The primary barrier layer affecting the level of urban energy transition was the energy supply layer, followed by the innovation management layer. The comprehensive energy production capacity and the intensity of R&D inputs were the major barriers to most of the cities and the barriers to different types of cities were different. These findings enrich the exploration of the priorities and objectives of energy transition in different types of coal resource-based cities and also provide some practical insights into how to achieve low-carbon development in this type of cities.
Key words: carbon peaking and carbon neutrality      coal resource-based cities      energy transition      entropy method      obstacle degree     

为应对全球气候变化及环境问题的挑战, 中国在2020年提出“2030碳达峰”“2060碳中和”的发展目标, 低碳发展、能源转型成为国家高质量发展的焦点[1 ~ 3]. 城市在全球能源消耗和碳排放中扮演着重要角色, 消耗了全球2/3的能源并贡献了75%的碳排放[4 ~ 6], 推动以城市为载体的能源转型将是应对气候变化的重要路径[7 ~ 9]. 煤炭资源型城市作为中国经济发展的重要能源后备基地, 是国民经济健康发展的重要支撑, 长久以来形成的“偏煤”能源结构难以改变, 高能耗、高排放的发展方式不仅降低了资源综合利用效率, 同时导致环境恶化和加速城市衰落[10], 该类城市为实现碳中和发展目标根本上要依靠能源低碳转型, 但其数量众多、分布广泛, 资源禀赋和经济水平差异较大, 如何有效推动煤炭资源型城市节能降耗与经济增长双赢, 实现煤炭资源型城市能源清洁转型, 不仅是落实双碳目标的重要部署, 也是我国全面实现低碳转型发展的关键环节.

自1970年代末, 全球经济结构调整以来, 传统化石能源产业对城市经济发展的推动作用逐渐下降, 对煤炭资源型城市的社会结构和生活环境产生严重影响, 为实现城市可持续发展, 研究者从地理学、经济学和生态学等多个学科视角进行了煤炭资源型城市转型的研究. 煤炭资源型城市转型涉及能源与产业结构调整等多方面, 关注重点主要从城市经济转型、城市产业转型等研究城市转型机制与路径[11]. 传统经济学理论认为良好的自然资源禀赋为经济发展提供了物质基础[12], 煤炭资源型城市的经济转型是其经济形态的结构性转换, 探索从耗竭性资源依赖模式转向可持续经济发展模式. 产业转型是依赖创新为驱动力, 通过传统产业升级改造和新兴产业引入等, 进而推动产业转型升级. 制度变迁、人力资本投入和市场环境改善等环节与转型的进程都紧密相关[13]. 相关研究也从多角度提出城市转型的对策建议, 认为实现城市低碳可持续发展需从其产业结构、提升绿色全要素生产率和寻找接续替代产业等多方面展开, 包括加快传统产业升级改造, 优化能源结构, 加强对低碳技术研发的支持力度等[14], 并探讨不同类型煤炭资源型城市转型的异质性[15], 合理利用各类资源, 达到产业多元化及可持续发展的目的[16].

随着碳中和目标的提出, 城市能源转型成为热点研究问题之一, 城镇化的快速推进和传统能源的不可再生加剧了煤炭资源型城市能源转型的急迫性[17, 18]. 碳中和目标下, 城市能源转型旨在推动城市能源结构清洁化发展和效率提高, 提高社会经济发展水平, 改善人类福祉[19]. 20世纪90年代, Jacobsson等[20]提出技术创新系统（TIS）理论, 用于探索能源系统低碳转型驱动机制, 但在把握城市可持续性能源转型方面存在不足[21]. 多层次理论对其进行了改进, 将进化经济学与科学技术相结合[22], 但缺乏对创新过程的关注, 后续学者又提出了社会能量节点（SEN）[23]和转型管理等理论[24], 并将其运用到城市能源系统低碳转型的可持续性研究中. 如Huang等[25]提出了考虑能源转型3个维度：社会技术实验、城市政治进程和社会空间（重新）配置的城市能源转型维度框架, Bukovszki等 [26]基于多层次视角, 结合UBEM模型提出适用于能源社区的技术模型, 弥补了城市规划和设计尺度的能耗评价缺乏适用的应用工具问题. 基于以上理论, 对资源型城市能源转型的研究主要涉及定量系统建模、社会技术转型研究等方面[27, 28]. 首先, 对城市能源系统的未来“可持续性”进行模拟或评价, 以探索城市潜在发展路径和影响机制. 如建立预测模型, 以山东省资源型城市为例, 运用指标回路法构建能源转型能力指标体系并进行测度[9. 或构建基于能源、经济、社会、环境相互协调的低碳水平评价指标体系, 对内蒙古自治区能源转型水平进行评价[29]. 其次基于项目实践探索资源城市的转型路径, 以欧盟为代表的矿区小镇Brzeszcze, 结合当地面临的挑战, 讨论了“绿色政策”的目标以及推动绿化建设以进行城镇改造和实现居民福祉[30]. 德国汉堡设定了分阶段的城市减排目标, 制定总体气候计划和分领域的能源转型计划, 并且颁布相应法律政策保障计划的实施[31].

综合来看, 学术界围绕煤炭资源型城市转型和城市能源转型已展开丰富的探讨. 但针对煤炭资源型城市的能源转型的专项研究并不丰富, 缺乏在不同分类视角下该类型城市能源转型的差异化探讨, 且以往的城市能源评价指标体系更注重可再生能源消费的比重, 忽略总体规划、社会效益、生态效益和投资回报等综合因素, 缺少对其时空演化和转型因子的探讨. 城市能源转型需要同时考虑物质和空间上的需求, 本文从社会技术转型的角度出发, 综合考虑能源供应与消费、产业绿色转型和城市创新管理等多方面构建煤炭资源型城市能源转型评价指标体系, 测度中国煤炭资源型城市能源转型水平和演变规律, 采用障碍度模型探究该类城市能源转型的障碍因子, 以期为中国煤炭资源型城市实现碳中和发展提供参考.

1 材料与方法 1.1 煤炭资源型城市能源转型评估指标体系构建

双碳目标下的城市能源转型是以能源替代为导向, 综合降低城市碳排放量的过程, 最终实现城市碳中和. 结合国家发布的碳中和碳达峰规划以及各个城市“十四五”能源规划方案中提出的定位目标, 城市的能源转型评价可概化为一个以能源为核心, 同时考虑能源外部性问题的多指标综合评价问题. 与一般城市能源转型相比, 煤炭资源型城市以煤炭资源的开采和初加工为主导, 能源转型水平与资源产业依赖高度相关. 当资源产业依赖过高时, 对劳动力和资本等要素的需求可能会导致挤出效应, 从而抑制城市经济的增长, 形成“资源诅咒”效应[10]. 当煤炭资源产业依赖较低时, 自然资源开采量不足以支撑经济增长, 进而阻碍城市发展[32]. 因此, 煤炭资源型城市能源转型水平的提高并不是单纯抑制煤炭资源开发[33]. 在进行评价指标选择时, 应突出其以煤为主的能源生产消费特征以及产业结构固化等方面.

通过广泛搜索国内外城市能源发展评价的相关研究内容, 选取代表性文献, 遵循科学性、可操作性和可持续性的指标体系构建原则, 进行资料收集、整理和分类. 采取频度分析法, 对代表性文献中主要研究成果的实用性指标进行统计分析, 收集截至2023年12月, 已发布“十四五”能源规划的煤炭资源型城市中的发展目标作为构建指标体系的主要参考. 同时, 世界银行提出的可持续发展能源指标综合清单 [34]、世界能源委员会创立的“能源三元悖论”[35]和世界经济论坛制定的能源发展指数[36]等被广泛认可的国外能源评价指标体系也予以考虑, 最终结合城市特征选用频度较高的指标作为指标预选集. 之后, 将初步建立的指标体系上进行专家筛选和技术咨询, 选出评价较高的指标并对指标体系进行调整.

已有的基于公开数据建立的城市能源转型评价指标体系, 受限于数据的可获取性存在一定的局限性, 为进一步提升评价的全面性, 借鉴以上国际能源指标体系结构以及相关文献构建结构[37 ~ 39], 此次指标体系依据指标特性和数据获取难度, 分为基础指标和推荐指标. 基础性指标为满足公开数据的可获取性, 可以较全面的反映城市能源转型水平；推荐性指标为补充性指标, 可结合研究数据和城市自身特征进行补充选取, 进一步提升全面性和科学性. 最终构建了由能源供给、能源消费、绿色发展和创新管理4个一级指标, 30项评价煤炭资源型城市能源转型的三级指标. 其中包含20项基本指标（A）和10项推荐指标（B）（表 1）. 4项一级指标分别反映出能源转型应该达到的目标：能源供给层选择代表城市对能源需求的满足能力、清洁供能水平以及能源转换效率的指标；能源消费指标强调为城市在节能降耗领域的努力和能源消费侧的转变, 以实现用尽可能少的能耗满足城市生产生活的正常运转, 降低能源利用的碳排放；绿色发展指标强调通过资金投入以及优化产业结构来促进城市绿色低碳发展；创新管理指标强调技术研发、能源基础设施建设和能源政策支撑. 基于城市本身的复杂性和系统性, 选用基于主题的评价框架, 相较于压力状态响应框架以及资本衡量框架等, 可以通过补充新的内容来不断完善现有的主题和评价体系, 并制定指标以捕捉不同的问题, 能够增强指标体系目的性和针对性等优势.

表 1 煤炭资源型城市能源转型评价指标体系1） Table 1 Evaluation index system for the energy transformation of coal-resource cities

1.2 评价方法

城市能源转型指数. 研究采用熵值-综合指数法对煤炭资源型城市能源转型水平进行评价. 熵值法是一种用于多指标决策的方法, 它基于信息熵的概念, 用于确定每个指标的权重. 较小的熵值表示有更多的信息量, 起更重要的作用, 对应的权重也较大.

综合指数法用于综合反映一个复杂群体或系统的整体变化情况. 在城市能源转型评价中, 首先根据城市能源转型的内涵对城市的准则层能源转型水平进行测量. 然后进一步对城市能源转型水平进行综合测量, 以更全面、综合地反映城市能源转型水平的变化情况. 研究选取城市能源转型指数（energy transition index, ETI）作为城市能源转型水平评价的方法[40]. 具体计算过程如下.

（1） 指标标准化处理

式中, xij'为标准化值；xij为第i个指标第j年的原始值；i = 1, 2, 3, …, m（m为指标数）；j = 1, 2, 3, …, n（n为年份）.

（2）第i项指标第j年占比

（3）第i项指标的熵值

（4）第i项指标的信息效用值

（5）第i项指标的权重

（6）城市能源转型指数

障碍度模型（barrier degree model）是一种用于分析和评估影响因素之间相互作用的模型, 可以帮助识别和理解系统或问题中的关键障碍, 并提供解决方向和策略. 厘清影响煤炭资源型城市能源转型水平的障碍因子可以明晰形成不同城市能源转型水平差异的因素, 进而更加有针对性地提出城市能源转型水平的提升策略[41~43]. 具体计算过程如下：

（1）因子贡献度

（2）指标偏离度

式中, Wi为第i项指标权重；Yij为第i项指标所属的第j个准则层的权重；xi'为指标标准化值.

（3）第i项指标对城市能源转型水平的障碍度

（4）各准则层指标对城市能源转型水平综合绩效的障碍度

 1.3 研究区域概况与数据来源

依据《全国资源型城市可持续发展规划（2013~2020年）》和杨显明[44]对煤炭资源型城市的界定, 全国总共262个资源型城市, 和煤炭相关的资源型城市有73个. 考虑到地区发展的不平衡性、样本的代表性以及数据可获得性. 研究选取47地级煤炭城市作为研究对象, 具体包括：朔州、鄂尔多斯、六盘水、毕节、黔南州、昭通、榆林、张家口、邢台、邯郸、大同、阳泉、长治、晋城、忻州、晋中、临汾、运城、吕梁、鸡西、宿州、亳州、淮南、济宁、三门峡、鹤壁、平顶山、娄底、广元、达州、安顺、渭南、平凉、乌海、阜新、辽源、鹤岗、双鸭山、七台河、淮北、萍乡、枣庄、焦作、铜川、石嘴山、通化和徐州, 基于20个基础指标展开分析.

根据我国地级市能源数据公布特征, 以每5年计划末数据最为完整, 因此本文所用数据的时间节点为2010年、2015年和2020年. 社会经济数据来源于各年份的各省市统计年鉴和公开发布的国民经济和社会发展统计公报, 部分环境数据获取自各城市环境质量状况公报. 能源数据主要通过各市统计年鉴中“能源购进、消费和库存”等条目的数据计算、整理得到各市不同品类能源的消费量. 针对数据缺失和不连贯等问题, 作线性插值处理或采用相邻年份或者利用所在省的均值予以替代.

2 结果与分析 2.1 煤炭资源型城市能源转型评价结果

评价结果见表 2, 202020年间城市能源转型指数排名波动较大, 下文将从时间和空间两个层面进行具体分析. 从时间上看, 通过观测核密度分析中主峰的中心位置、形状及其延展性等来探究资源型城市能源转型水平的时序演变特征. 根据核密度曲线分布位置的变化（图 1）, 核密度曲线整体向右偏移, 偏移幅度较大, 说明城市能源转型水平有较大幅度的提升. 主峰高度逐渐下降, 波峰宽度逐渐增大, 且由单峰转变为双峰, 核密度分布的右拖尾逐渐缩小之后表现为对称分布, 说明城市整体能源转型水平呈现多级分化现象, 城市间绝对差异在不断增大.

表 2 2010年、2015年和2020年煤炭资源型城市能源转型指数 Table 2 Energy transformation index of coal resource-based cities for the years 2010, 2015, and 2020

图 1 煤炭资源型城市能源转型水平核密度 Fig. 1 City energy transformation level kernel density

从准则层看（表 3）, 能源消费和创新管理这2个准则层的评价水平逐渐提高, 与城市能源转型呈正相关, 能源供应和绿色发展水平呈现波动上升. 转型期间, 能源供应和创新管理的水平差异先减后增, 整体缩小；绿色发展和能源消费的水平差异先增后减, 整体扩大. 分析其原因主要为第一阶段, 国务院下发了《关于促进资源型城市可持续发展的若干意见》《全国资源型城市可持续发展规划（2013~2020年）》, 强调资源型城市产业转型, 促进资源节约, 传统煤炭行业发展受到约束；同时, 此阶段处于中国新能源发展的黄金时期中, 政府发布了《关于加快推进能源生产和消费革命的意见》等一系列政策, 加强了新能源技术的研发, 太阳能光伏、风力发电和生物质能源等行业都得到了快速发展. 煤炭资源型城市整体能源供应结构开始发生转变, 能源技术步入新的发展时期, 城市间差异缩小；而绿色发展和能源消费受经济发展影响, 以徐州为代表的经济较发达地区, 基于区位优势, 推动产业多元化发展, 能源消费更快地步入中高水平并兼顾城市生态建设, 而东北地区如辽源、阜新等城市短时间难以找到接替产业改变原有能源消费结构, 城市之间绿色发展、能源消费水平差异不断扩大. 至2015~2020年间, 部分城市完成转型目标, 我国新能源发展也进入新的发展阶段, 政府减少了对新能源的补贴和税收减免, 更加注重新能源的效率和质量而非数量. 经济发达地区的城市技术水平和新能源发展逐步领先, 地域差异逐步扩大. 在全国“双碳”建设背景下, 煤炭资源型城市在集聚社会财富的同时, 均开展城市节能减排方案和相关能源规划的制定, 聚焦绿色发展, 城市能源转型水平提升.

表 3 煤炭资源型城市能源转型准则层均值、标准差指数和变异系数 Table 3 Mean, standard deviation index, and coefficient of variation of energy transformation criteria

从空间上看（图 2）, 利用自然断点法对2010年、2015年和2020年能源转型指数均值进行划分, 将其划分为4种等级, 分别为：高水平、较高水平、较低水平和低水平[45 ~ 47], 观察煤炭资源型城市能源转型水平空间变化与区域差异. 结果显示, 中国煤炭资源型城市能源转型水平存在显著的空间异质性. 从3个时间截面的城市能源转型指数分布可知, 2010年煤炭资源型城市转型绩效以低水平城市为主, 仅有鄂尔多斯、长治、晋城和朔州这4个高水平城市, 主要分布于华北地区. 2015年煤炭资源型城市能源转型水平整体有所提升, 处于较高水平的城市数量明显增加, 低水平城市数量有所减少, 长治和晋城由高水平城市降低为较高水平, 其中, 较低水平和低水平城市往往是相邻分布. 2020年煤炭资源型城市能源转型水平提升较为明显, 处于较高水平的城市数量占据优势, 并形成集聚分布的态势, 主要依靠高水平城市而分布, 且和较低水平城市一起主要分布在中部地区；与之相对的是低水平城市数量进一步减少, 且空间分布范围广泛. 整体而言, 煤炭资源型城市能源转型水平在4种不同等级中不断变动发展, 转型水平逐渐提升, 由以低水平城市为主的“分散式”零星分布向较高水平城市为核心的“组团式”聚集形态演变.

地图基于自然资源部标准地图服务网站GS（2022）1873标准地图制作, 底图无修改 图 2 煤炭资源型城市能源转型水平空间分布 Fig. 2 Spatial distribution of energy transformation index in coal-resource cities

从资源型城市生命周期看[图 3（a）], 成长型城市的转型绩效高于其他类型城市, 且城市间转型差距逐渐减小. 就该类城市而言, 经济社会发展后力强, 其主要发展方向和重点任务提升资源加工和利用水平, 推进新型城镇化建设, 加快完善上下游产业体系配套, 推动战略性新兴产业布局, 促进城市转型发展, 因此转型明显. 如昭通市, 随着不断推进“风光水储”一体化基地建设, 打造世界一流“绿色能源牌”, 在发展资源型产业的同时, 重视低碳发展, 能够做到统筹兼顾. 成熟型城市和再生型城市, 转型绩效处于中间水平, 可能是因为成熟型城市资源保障能力强, 具有转型发展的良好条件, 凭借各类优势能更好地发挥城市转型, 如张家口初期能源转型水平较低, 随着2015年获批全国唯一国家级可再生能源示范区, 可再生能源各项新技术不断突破, 已成为全国非水可再生能源第一大市. 再生型城市对自然资源的依赖程度比较降低, 经济增长开始步入良性发展模式, 质量和效益是此类城市的发展方向和重点, 推进基本公共服务均等化以及完善城市功能, 城市转型能够从经济产业、社会生活和生态环境方面发挥效应, 通化为再生型城市, 新能源产业刚刚起步, 城市虽摆脱了资源依赖, 对外依存度过高, 与发达地区相比, 辐射电网结构较弱、供电可靠性较低, 仍需不断加强能源基础设施建设. 衰退型城市转型发展较低, 可能是因为衰退型城市资源趋于枯竭, 经济发展滞后, 生态环境严峻, 完善的城市转型体系还需要进一步建立, 城市转型发展还不显著. 如乌海发展方式仍以能源资源为主, 工业结构偏重型化, 强度指标是全国平均水平7.2倍, 相比于其他城市, 能耗“双控”调控机制缺失, 政策体系不完善, 仍需寻找接续替代产业.

图 3 不同类型煤炭资源型城市能源转型水平 Fig. 3 Level of energy transition in different types of coal-resource cities

从城市规模看[图 3（b）], 小型城市的转型水平明显低于中型城市和大型城市, 尚处在依赖资源开采的传统发展阶段, 面临着经济发展与环境污染的双重压力和比较严重的人才和资金短缺问题. 中型城市转型绩效均值略高于大型城市, 且中型城市组间差异在不断缩小, 大型城市组间差异不断增大, 这可能是由于大型城市集聚了大量创新人才和创新资本, 但人口规模的集聚使得经济活动集聚, 吸引劳动力和厂商进入, 随着产业规模的扩张和城市能源消费量的增加, 因此相较于大型城市, 中型城市可以更快速地步入转型发展阶段, 带来经济产业、社会民生与生态环境方面的整体发展, 城市节能减排效果更为显著.

2.2 城市能源转型水平障碍因子判断

根据障碍因子模型计算出各级指标的障碍度, 从而识别主要贡献因子, 并提出合理的建议以提高城市能源转型水平. 各城市能源转型的障碍因子诊断表明其变化趋势有所不同. 总体而言, 能源供应仍是城市能源转型最大的障碍因素, 平均障碍度达到17.778%, 创新管理层的障碍度仅次于能源供应, 基本保持在16.839%~17.498%, 能源消费障碍度和绿色发展障碍度较低. 障碍度排序由2010年的“能源供应 > 创新管理 > 绿色发展 > 能源消费”转变为“能源供应 > 创新管理 > 能源消费 > 绿色发展”. 一方面能源供应在城市能源转型过程中阻碍作用依旧突出；另一方面城市能源转型中的产业转型和生态发展差异逐渐缩小.

不同类型城市的一级指标障碍度存在差异（图 4）. 从资源周期看, 成长型城市随着时间发展, 能源供应层的障碍度明显下降；再生型城市的能源消费层障碍度明显下降, 衰退型和成熟型城市的各方面障碍度都处于中间. 2015年, 绿色发展层的障碍度呈现明显的“成长型 > 成熟型 > 衰退型 > 再生型”的特征. 从城市规模看, 2015年不同规模城市在一级指标层的障碍度差距明显, 大型城市的能源供应障碍度较低, 中型城市的绿色发展障碍度较低. 城市规模的增加一定程度上可以降低能源供应障碍. 从地理区域看, 城市间障碍度相差较小. 其中东部城市随时间变化能源消费障碍度有多减小, 能源供应障碍度增加. 可能的原因有东部城市的经济发展较快, 需要不断的能源供应来增长和维持, 产业结构和技术提升, 有效降低了能源消费的障碍度. 从转型等级看, 2010年各水平城市障碍度差异较小, 障碍度排序由2015年的“创新管理 > 能源供应”转变为2020年的“能源供应 > 创新管理”, 其中高水平城市创新管理障碍度明显减小, 能源供应障碍度明显增加, 整体绿色发展障碍度所有下降, 说明技术的发展和政策的制定可以有效推动城市能源转型水平提升, 城市能源供应水平的提升仍是未来工作重点.

图 4 2010年、2015年和2020年不同类型煤炭资源性城市能源转型一级指标层障碍度 Fig. 4 Obstacle degree of energy transformation factors in coal-resource cities of different types

由于三级指标层因子较多, 本文选取障碍度大的前5个因子（累计障碍度超过50%）为主要限制性因子开展分析[43]. 2010~2020年煤炭资源型城市的前2位障碍因子趋同（图 5）, 分别为能源综合生产能力（pro）和R&D投入强度（R&D）.

●■★◆▲依次表示前5位障碍因子的障碍度 图 5 不同类型煤炭资源性城市能源转型因子障碍度 Fig. 5 Obstacle degree of energy transformation factors in coal-resource cities of different types

资源周期上, 2010~2020年, 成长型城市的绿色专利申请量（gpa）障碍度减小；成熟型城市的前4位障碍因子较为稳定, 而第5位障碍因子从2010年的非化石能源消费占比（nfe）变成了煤炭储产比（coal）；衰退型城市前3位主要障碍因子与成熟型城市相似；再生型城市中R&D投入强度（R&D）在2015年成为第2位障碍因子, 非化石能源消费占比（nfe）在2020年退出主要障碍因子. 相比之下, 资源濒临枯竭的城市更依赖于技术资金的投入, 成长型和成熟型资源型城市, 城市转型速度加快, 经济和环境之间的矛盾更为突出, 煤炭产业的大量退出, 造成当地原有采矿业工人的失业率, 加剧城市不公平, 需要加大节能环保领域的投资, 进一步关注城市产业的绿色转型, 矿业人员的再就业等问题. 城市规模上, 中型城市主要限制因子类型变化不大, 部分障碍因子发生了较大变化. 如2020年能源政策支撑力度（eps）成为第4位主要障碍因子, 煤炭储产比（coal）和城市电动汽车充电桩数量（evc）不再是主要障碍因子. 大型城市前4位限制因子较为稳定, 2015年起煤炭储产比（coal）成为主要障碍因子；特大型城市的主要障碍因子与大型城市相似且类型变化不大. 规模较小的城市需要政策关注的倾斜, 大规模城市需要尽快寻找清洁能源以支撑城市发展. 地理区域上, 东北城市主要因子变化在2020年, 节能环保支出（ep）成为主要障碍因子, 东部城市前4项因子类型较为稳定, 非化石能源消费占比（nfe）和煤炭储产比（coal）逐步退出主要障碍因子. 中部城市的障碍因子与东部城市的相似, 西部城市的煤炭储产比（coal）障碍度在2015年出现, 且能源政策支撑力度（eps）障碍度不断增加. 东北城市的生态环保工作需进一步加强, 西部城市需要更多的政策关注. 转型水平上, 高水平城市在能源政策支撑力度（eps）上障碍度普遍低于相对低水平城市, 制约这一类城市能源转型水平提升的主要障碍因子是能源综合生产能力（pro）和R&D投入强度（R&D）方面, 未来需加强能源供给能力建设, 促进技术创新. 与此对比鲜明的是, 处于低水平的城市, 在经济活力、产业结构和能源建设上明显处于劣势, 如乌海、淮北、鹤岗和亳州等. 能源供给和科技创新制约它们能源转型水平的提高, 且差距在不断扩大. 这类城市煤炭产业的大量退出, 新兴产业发展接替不上.

3 讨论

传统煤炭资源为煤炭资源型城市的经济发展提供了充足的煤炭供给和能源动力支撑, 在应对全球气候变化以及“双碳”目标的要求下, 推动该类城市的能源转型, 可以为以煤炭为主要消费结构的我国低碳转型发展贡献有效经验. 基于构建的以能源为核心的煤炭资源型城市综合评价指标体系, 得出我国煤炭资源型城市能源转型水平得到明显提升, 而不同类型城市间转型水平存在差异, 影响城市能源转型的障碍因子也不尽相同.

首先, 分析不同类型城市的转型特征, 考虑城市自身发展阶段、资源禀赋异质性, 完善能源转型机制. 如高水平城市应该增强技术创新对城市经济转型发展的引领作用, 促进资源优化配置；低水平城市单纯追求新能源基础设施的建设对能源低碳的转型作用有限, 应该更加注重发挥能源转型政策的推动作用, 考虑如何减少资源密集型产业对能源转型的阻碍作用, 将传统产业与高科技技术相结合, 提高资源使用效率, 减少污染物排放, 激发内生动力. 资源濒临枯竭的城市更需要技术资金的投入, 推进衰退型城市积极寻找替代产业, 引导再生型和成长型城市有发展创新产业. 东部城市合理利用区位优势发挥对周边区域城市的辐射作用, 西部城市则需要国家倾斜策略的支持.

其次, 煤炭资源型城市面临的主要障碍依旧是能源供应能力与技术资金的投入. 一方面需要推动传统煤电产业绿色智能化发展. 立足于城市自身煤炭资源禀赋, 提高煤炭资源的综合利用程度, 逐步淘汰高耗能、高排放的企业, 促进产业转型升级, 降低对煤炭资源的依赖性；提升城市替代能源供应能力, 引进新设备新技术, 促进非化石能源的推广及普及. 通过激励城市企业主体进行能源绿色化的技术改造和升级, 实现资源开发数字化以及低碳化转变. 另一方面, 推进节能降碳的绿色金融政策工具创新, 提升绿色金融政策体系的完善性, 引导企业和社会投资节能降碳和产业结构改造升级领域, 为煤炭资源型城市能源转型升级提供绿色资金保障. 推动绿色债券、绿色保险及碳汇交易市场的构建完善, 加强对新能源领域的扶持, 促进生态环境效应与经济效益共赢, 全面推进城市综合能源转型.

煤炭资源型城市能源转型的实现, 一方面, 不仅需要自上而下的指导和推动, 也需要自下而上的实践和反馈. 本文的研究基于城市宏观数据的分析, 后续需结合实际项目, 针对代表性地域进行更细致的探索, 从更小的尺度上分析城市能源转型的机制. 另一方面, 城市层面的能源数据存在难以获取和数据不全等问题, 未来可融合多源数据, 加强数字化发展对城市转型的赋能作用.

4 结论

（1）时间变化上, 煤炭资源型城市能源转型水平提升明显, 趋于多极化发展且城市间绝对差异在不断增大. 能源消费、创新管理2个准则层水平逐渐提高, 与城市能源转型呈正相关, 能源供应和绿色发展水平呈现波动上升. 转型期间, 能源供应和创新管理的水平差异先减后增, 整体差异减小；绿色发展、能源消费的水平差异先增后减, 整体差异扩大. 空间分布上, 煤炭资源型城市能源转型水平存在显著的空间异质性, 由以低水平城市为主的“分散式”分布向较高水平城市为核心的“组团式”形态演变.

（2）从城市类型看, 成长型城市的转型绩效高于其他类型城市, 且城市间转型差距逐渐减小；成熟型城市和再生型城市, 转型绩效处于中间水平, 衰退型城市转型发展较低, 城市能源转型体系还需要进一步建立, 城市转型发展还不显著. 从城市规模看, 小型城市的转型水平明显低于中型城市和大型城市, 中型城市转型绩效均值略高于大型城市, 且中型城市组间差异在不断缩小, 大型城市组间差异不断增大.

（3）本研究期间, 影响城市能源转型水平的一级指标障碍度排在首位的是能源供应, 其次是创新管理；能源综合生产能力（pro）和R&D投入强度（R&D）为所有城市的主要障碍因子, 不同类型城市障碍因子存在差异. 资源濒临枯竭的城市能源综合生产能力（pro）和绿色专利申请量（gpa）障碍度较高；大型城市的煤炭储产比（coal）障碍度高于中型城市；东北城市的节能环保支出（ep）障碍度较高, 西部城市则是能源政策支撑力度（eps）障碍度较高；高水平城市在能源政策支撑力度（eps）上障碍度普遍低于相对低水平城市.

参考文献
[1] 张正峰, 张栋. 基于社会网络分析的京津冀地区碳排放空间关联与碳平衡分区[J]. 中国环境科学, 2023, 43(4): 2057-2068.
Zhang Z F, Zhang D. Spatial relatedness of CO2 emission and carbon balance zoning in Beijing Tianjin Hebei counties[J]. China Environmental Science, 2023, 43(4): 2057-2068.
[2] 李长胜, 王重博, 雷仲敏. 中国区域能源转型基础与转型绩效的适配性研究[J]. 区域经济评论, 2022(4): 132-144.
Li C S, Wang C B, Lei Z M. Study on the matching of China's regional energy transformation foundation and its performance[J]. Regional Economic Review, 2022(4): 132-144.
[3] 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.
[4] Azurza-Zubizarreta O, Basurko-PerezdeArenaza I, Zelarain E, et al. Urban energy transitions in Europe, towards Low-Socio-Environmental impact cities[J]. Sustainability, 2021, 13(21). DOI:10.3390/su132111641
[5] Khan I, Zakari A, Ahmad M, et al. Linking energy transitions, energy consumption, and environmental sustainability in OECD countries[J]. Gondwana Research, 2022, 103: 445-457. DOI:10.1016/j.gr.2021.10.026
[6] Cheung T T T, Fuller S, Oßenbrügge J. Mobilising change in cities: A capacity framework for understanding urban energy transition pathways[J]. Environmental Policy and Governance, 2023, 33(5): 531-545. DOI:10.1002/eet.2048
[7] Sillak S, Borch K, Sperling K. Assessing co-creation in strategic planning for urban energy transitions[J]. Energy Research & Social Science, 2021, 74. DOI:10.1016/j.erss.2021.101952
[8] 陈宇扬, 黄林, 季鑫良. 我国城市能源转型会影响家庭消费升级吗?——来自京津冀地区的经验证据[J]. 工信财经科技, 2023(5): 42-54.
Chen Y Y, Huang L, Ji X L. Does China's urban energy transition affect household consumption upgrading? Empirical evidence from the Beijing-Tianjin-Hebei Region[J]. Review of Financial & Technological Economics, 2023(5): 42-54.
[9] 杨清可, 王磊, 朱高立, 等. 中国城市碳排放强度的时空演变、动态跃迁及收敛趋势[J]. 环境科学, 2024, 45(4): 1869-1878.
Yang Q K, Wang L, Zhu G L, et al. Spatio-temporal evolution, dynamic transition, and convergence trend of urban carbon emission intensity in China[J]. Environmental Science, 2024, 45(4): 1869-1878.
[10] 徐维祥, 郑金辉, 周建平, 等. 资源型城市转型绩效特征及其碳减排效应[J]. 自然资源学报, 2023, 38(1): 39-57.
Xu W X, Zheng J H, Zhou J P, et al. Transformation performance characteristics of resource-based cities and their carbon emission reduction effects[J]. Journal of Natural Resources, 2023, 38(1): 39-57.
[11] 李相远, 高中显, 吴文华, 等. 山东省资源型城市能源转型能力评价与影响因素研究[J]. 中国矿业, 2022, 31(6): 69-78, 85.
Li X Y, Gao Z X, Wu W H, et al. Evaluation and influencing factors of energy transformation ability of resource-based cities in Shandong Province[J]. China Mining Magazine, 2022, 31(6): 69-78, 85.
[12] 斯日吉模楞, 毛培. 资源型地区自然资源对经济增长影响的实证分析——基于2000-2016年中国重点煤炭城市样本[J]. 自然资源学报, 2019, 34(12): 2491-2503.
Si R J M L, Mao P. Empirical analysis of the influence of natural resources on regional economic growth: Based on the sample of key coal cities in China from 2000 to 2016[J]. Journal of Natural Resources, 2019, 34(12): 2491-2503.
[13] 蒋茂荣, 李海. 新时代煤炭资源型城市经济转型模式研究[J]. 中国能源, 2021, 43(11): 19-26.
Jiang M R, Li H. Research on the economic transition mode of coal resource-based cities in the new era[J]. Energy of China, 2021, 43(11): 19-26.
[14] 郑贺允, 葛力铭. 资源型城市可持续发展对碳排放的影响研究——基于资源依赖的视角[J]. 中国环境科学, 2022, 42(6): 2955-2964.
Zheng H Y, Ge L M. Impact of sustainable development in resource-based cities on carbon emissions: From the perspective of resource dependence[J]. China Environmental Science, 2022, 42(6): 2955-2964.
[15] 文黎, 杨晓艳. 基于fsQCA联动效应的煤炭资源型城市转型效率研究[J]. 煤炭经济研究, 2022, 42(9): 41-47.
Wen L, Yang X Y. Research on transformation efficiency of coal resource-based cities based on fsQCA combined effects[J]. Coal Economic Research, 2022, 42(9): 41-47.
[16] 张继飞, 蒋应刚, 孙威, 等. 国内资源型城市转型研究进展的文献计量分析[J]. 城市规划, 2022, 46(3): 93-105, 114.
Zhang J F, Jiang Y G, Sun W, et al. Bibliometric analysis on the research progress of resource-based city transformation in China[J]. City Planning Review, 2022, 46(3): 93-105, 114.
[17] 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.
[18] Koepke M, Monstadt J, Pilo' F, et al. Rethinking energy transitions in Southern cities: urban and infrastructural heterogeneity in Dar es Salaam[J]. Energy Research & Social Science, 2021, 74. DOI:10.1016/j.erss.2021.101937
[19] Escario-Chust A, Vogelzang F, Peris-Blanes J, et al. Can southern Europe lead an urban energy transition? Insights from the Energy Transition Roundtable in Valencia, Spain[J]. Energy Research & Social Science, 2023, 100. DOI:10.1016/j.erss.2023.103047
[20] Jacobsson S, Johnson A. The diffusion of renewable energy technology: an analytical framework and key issues for research[J]. Energy Policy, 2000, 28(9): 625-640. DOI:10.1016/S0301-4215(00)00041-0
[21] Cherp A, Vinichenko V, Jewell J, et al. Integrating techno-economic, socio-technical and political perspectives on national energy transitions: A meta-theoretical framework[J]. Energy Research & Social Science, 2018, 37: 175-190.
[22] Kanger L. Rethinking the multi-level perspective for energy transitions: from regime life-cycle to explanatory typology of transition pathways[J]. Energy Research & Social Science, 2021, 71. DOI:10.1016/j.erss.2020.101829
[23] 霍沫霖, 陈爱康, 刘智超, 等. 多约束条件下城市能源规划前期研究方法及案例分析[J]. 全球能源互联网, 2022, 5(6): 574-582.
Huo M L, Chen A K, Liu Z C, et al. Methods and case study for preliminary research of urban energy planning under multiple constraints[J]. Journal of Global Energy Interconnection, 2022, 5(6): 574-582.
[24] Frantzeskaki N. Bringing transition management to cities: building skills for transformative urban governance[J]. Sustainability, 2022, 14(650). DOI:10.3390/su14020650
[25] Huang P, Broto V C. Interdependence between urban processes and energy transitions: The dimensions of urban energy transitions (DUET) framework[J]. Environmental Innovation and Societal Transitions, 2018, 28: 35-45. DOI:10.1016/j.eist.2018.03.004
[26] Bukovszki V, Magyari Á, Braun M K, et al. Energy modelling as a trigger for energy communities: A joint socio-technical perspective[J]. Energies, 2020, 13(9). DOI:10.3390/en13092274
[27] Cheung T T T, Oßenbrügge J. Governing urban energy transitions and climate change: Actions, relations and local dependencies in Germany[J]. Energy Research & Social Science, 2020, 69. DOI:10.1016/j.erss.2020.101728
[28] Turnheim B, Berkhout F, Geels F, et al. Evaluating sustainability transitions pathways: Bridging analytical approaches to address governance challenges[J]. Global Environmental Change, 2015, 35: 239-253. DOI:10.1016/j.gloenvcha.2015.08.010
[29] 徐伟, 时圣强. 基于熵权—TOPSIS法的能源转型成效评价及障碍度分析——以内蒙古自治区为例[J]. 应用能源技术, 2020(1): 13-19.
Xu W, Shi S Q. Analysis on evaluation of energy transition effectiveness and obstacle degree based on the entropy-weight TOPSIS method: -Take Inner Mongolia as an example[J]. Applied Energy Technology, 2020(1): 13-19.
[30] Cała M, Szewczyk-Świątek A, Ostręga A. Challenges of coal mining regions and municipalities in the face of energy transition[J]. Energies, 2021, 14(20). DOI:10.3390/en14206674
[31] 何继江, 于琪琪, 秦心怡. 碳中和愿景下的德国汉堡能源转型经验与启示[J]. 河北经贸大学学报, 2021, 42(4): 59-66.
He J J, Yu Q Q, Qin X Y. The experience and enlightenment of energy transition in Hamburg, Germany of carbon neutrality vision[J]. Journal of Hebei University of Economics and Business, 2021, 42(4): 59-66.
[32] 谭俊涛, 张新林, 刘雷, 等. 中国资源型城市转型绩效测度与评价[J]. 经济地理, 2020, 40(7): 57-64.
Tan J T, Zhang X L, Liu L, et al. Research on the urban transformation performance of China's Resource-based cities[J]. Economic Geography, 2020, 40(7): 57-64.
[33] Long R Y, Li H F, Wu M F, et al. Dynamic evaluation of the green development level of China's coal-resource-based cities using the TOPSIS method[J]. Resources Policy, 2021, 74. DOI:10.1016/j.resourpol.2021.102415
[34] The World Bank Group. Regulatory indicators for sustainable energy[EB/OL]. https://rise.esmap.org/indicators, 2022-06-14.
[35] The World Energy Council. World energy trilemma index[EB/OL]. https://www.worldenergy.org/transition-toolkit/world-energy-trilemma-index, 2023-09-12.
[36] The World Economic Forum. Energy transition index[EB/OL]. https://www3.weforum.org/docs/WEF_Fostering_Effective_Energy_Transition_2024.pdf, 2024-08-25.
[37] Argyriou I. Urban energy transitions in ordinary cities: Philadelphia's place-based policy innovations for socio-technical energy change in the commercial sector[J]. Urban Research & Practice, 2020, 13(3): 243-275.
[38] 窦攀烽, 左舒翟, 任引, 等. 基于城市分类的绿色城市指标体系构建[J]. 生态学杂志, 2019, 38(6): 1937-1948.
Dou P F, Zuo S D, Ren Y, et al. Construction of an index system for green cities based on urban classification[J]. Chinese Journal of Ecology, 2019, 38(6): 1937-1948.
[39] 鲍海君, 章笑艺, 蒋明利, 等. 韧性视角下城市国土空间安全体检评估指标体系研究[J]. 中国土地科学, 2022, 36(5): 21-30.
Bao H J, Zhang X Y, Jiang M L, et al. Study on the city evaluation index system oriented to territorial space safety from the perspective of resilience[J]. China Land Science, 2022, 36(5): 21-30.
[40] 申伟宁, 柴泽阳, 张韩模. 异质性生态环境注意力与环境治理绩效——基于京津冀《政府工作报告》视角[J]. 软科学, 2020, 34(9): 65-71.
Shen W N, Chai Z Y, Zhang H M. Heterogeneous ecological environmental attention and environmental governance performance——Based on the "Government Work Report" in Beijing-Tianjin-Hebei region[J]. Soft Science, 2020, 34(9): 65-71.
[41] 徐丽婷, 姚士谋, 陈爽, 等. 高质量发展下的生态城市评价——以长江三角洲城市群为例[J]. 地理科学, 2019, 39(8): 1228-1237.
Xu L T, Yao S M, Chen S, et al. Evaluation of eco-city under the concept of high-quality development: A case study of the Yangtze River Delta urban agglomeration[J]. Scientia Geographica Sinica, 2019, 39(8): 1228-1237.
[42] 郑涛, 孙斌栋, 王艺晓. 区域一体化视角下的弹性城市评价——以长江三角洲地区为例[J]. 地理科学, 2022, 42(5): 863-873.
Zheng T, Sun B D, Wang Y X. Evaluation of resilient cities from the perspective of regional integration: A case study of the Yangtze River Delta region[J]. Scientia Geographica Sinica, 2022, 42(5): 863-873.
[43] 周德, 戚佳玲, 钟文钰, 等. 城市群城乡融合发展: 测度评价、障碍因素与驱动因素[J]. 地理研究, 2023, 42(11): 2914-2939.
Zhou D, Qi J L, Zhong W J, et al. Urban and rural integration development in urban agglomerations: Measurement and evaluation, obstacle factors and driving factors[J]. Geographical Research, 2023, 42(11): 2914-2939.
[44] 杨显明. 煤炭资源型城市产业结构演替与空间形态演化的过程、机理及耦合关系研究——以淮南、淮北为例[D]. 芜湖: 安徽师范大学, 2014.
Yang X M. Study on the process, mechanism and coupling relationship between industrial structure succession and urban spatial morphology evolution of the coal resource-based city: the case study of Huainan and Huaibei[D]. Wuhu: Anhui Normal University, 2014.
[45] 冯新惠, 李艳, 王诗逸, 等. "双碳"目标下城市形态对碳排放的影响: 以长江经济带为例[J]. 环境科学, 2024, 45(6): 3389-3401.
Feng X H, Li Y, Wang S Y, et al. Impacts of urban form on carbon emissions under the goal of carbon emission peak and carbon neutrality: A case study of the Yangtze River Economic Belt[J]. Environmental Science, 2024, 45(6): 3389-3401.
[46] 张明斗, 席胜杰. 资源型城市碳排放效率评价及其政策启示[J]. 自然资源学报, 2023, 38(1): 220-237.
Zhang M D, Xi S J. Evaluation of carbon emission efficiency of resource-based cities and its policy enlightenment[J]. Journal of Natural Resources, 2023, 38(1): 220-237.
[47] 张娜, 孙芳城, 胡钰苓, 等. 长江经济带三大城市群土地利用碳排放的区域差异及空间收敛性[J]. 环境科学, 2024, 45(8): 4656-4669.
Zhang N, Sun F C, Hu Y L, et al. Regional difference and spatial convergence of land use carbon emissions in three urban agglomerations of Yangtze River economic belt[J]. Environmental Science, 2024, 45(8): 4656-4669.