陳操操 ,劉春蘭 ,汪 浩 ,關(guān) 婧 ,陳 龍 ,王海華 ,張繼平 ,李 錚 ,劉曉潔 (1.北京市環(huán)境保護(hù)科學(xué)研究院,北京 10007；2.國(guó)家城市環(huán)境污染控制工程技術(shù)研究中心,北京 10007；.中國(guó)科學(xué)院地理科學(xué)與資源研究所,北京 100101)

氣候變化是人類(lèi)當(dāng)今面臨的最嚴(yán)峻挑戰(zhàn)之一,由氣候變化引發(fā)的“生態(tài)系統(tǒng)惡化”等問(wèn)題嚴(yán)重威脅著人類(lèi)的生存和發(fā)展.我國(guó)既是溫室氣體排放大國(guó),也是發(fā)展中大國(guó),隨著能源消費(fèi)的不斷增加,溫室氣體總排放量將不可避免仍會(huì)有較大幅度增長(zhǎng),從發(fā)展低碳經(jīng)濟(jì)和應(yīng)對(duì)氣候變化的內(nèi)在需求出發(fā),制定適當(dāng)政策和采取有效措施,盡量減少溫室氣體排放的增速與增幅尤為重要.如何有效降低溫室氣體排放成為學(xué)術(shù)界研究的熱點(diǎn),關(guān)鍵問(wèn)題之一在于對(duì)二氧化碳排放的影響因素及其效用分析,這直接關(guān)系到減排政策的制定與措施實(shí)施.

人類(lèi)活動(dòng)溫室氣體排放主要受到人口、富裕度及技術(shù)進(jìn)步等驅(qū)動(dòng)因素影響.圍繞這一問(wèn)題,IPAT模型及其衍生的STIRPAT模型及變形是主流的研究手段之一.20世紀(jì)70年代美國(guó)生態(tài)學(xué)家Ehrlich和Holdren[1]提出的IPAT模型(I=PAT)以研究經(jīng)濟(jì)活動(dòng)與環(huán)境壓力之間的關(guān)系,模型表明人口(P)、人均財(cái)富(A)和技術(shù)(T)三者之間相互作用會(huì)對(duì)環(huán)境產(chǎn)生重要影響.IPAT模型的分析框架簡(jiǎn)潔、直觀而開(kāi)放,涵蓋了人口、經(jīng)濟(jì)和技術(shù)3個(gè)主要影響因素,因此在環(huán)境問(wèn)題上被廣泛應(yīng)用

[2-3].IPAT模型屬于恒等式模型,驅(qū)動(dòng)力或環(huán)境影響因素相互之間存在等比例的推導(dǎo)關(guān)系,無(wú)法說(shuō)明單一因素對(duì)環(huán)境壓力的影響,與模型的假設(shè)不符[4-6].為了解決上述問(wèn)題,基于 IPAT模型的非線(xiàn)性隨機(jī)回歸 STIRPAT模型被提出,并對(duì)其不斷改進(jìn).例如,Dieta[7]在IPAT模型的框架上增加了隨機(jī)項(xiàng)誤差,研究人口、富裕度和技術(shù)對(duì)CO2排放的影響,研究結(jié)果發(fā)現(xiàn)人口與富裕度對(duì)排放的彈性均略高于 1.Shi[6]利用 STIRPAT模型研究不同收入國(guó)家人口、富裕度、工業(yè)和服務(wù)業(yè)比重對(duì)CO2排放的影響,引入一階自回歸項(xiàng)以消除自相關(guān),他發(fā)現(xiàn)人口對(duì)CO2的排放彈性在不同收入國(guó)家間存在異質(zhì)性,平均彈性為 1.42,其中不發(fā)達(dá)國(guó)家人口彈性系數(shù)接近2,發(fā)達(dá)國(guó)家則在1以下,其結(jié)論支持馬爾薩斯人口論的觀點(diǎn).Poumanyvong等[8]研究城市化對(duì)能源利用和 CO2排放的效用,他使用1975～2005年99個(gè)國(guó)家的時(shí)間序列,發(fā)現(xiàn)在低收入國(guó)家城市化增加降低能源使用和 CO2排放,但在中等和高收入國(guó)家,城市化水平與能源消費(fèi)水平呈正相關(guān)關(guān)系.Lin等[9]采用STIRPAT模型研究1978～2006年期間中國(guó)人口、城市化水平、人均GDP、工業(yè)化水平和能源密度等因素對(duì)環(huán)境的影響,結(jié)果發(fā)現(xiàn)人口和城市化水平是環(huán)境壓力排放前兩位的重要因素,相應(yīng)彈性分別為1.51和0.48.國(guó)內(nèi)學(xué)者針對(duì)國(guó)家和區(qū)域也開(kāi)展同類(lèi)研究[10-16].通過(guò)已有文獻(xiàn)可見(jiàn),STIRPAT被廣泛應(yīng)用于評(píng)估人口、富裕度和其他因素對(duì)環(huán)境的影響,大量的研究集中于討論國(guó)家層面或跨國(guó)家層面研究范疇,但在區(qū)域和城市層面開(kāi)展的相關(guān)研究較少,城市化與碳排放及城市不同發(fā)展階段與碳排放之間關(guān)系仍不明確[8,17-18].已有研究在碳排放因素選取方面,呈現(xiàn)不一致或不全面的特點(diǎn),有必要選取更為全面的影響因素構(gòu)建影響因素模型.

城市作為居民聚集地,是人類(lèi)生產(chǎn)生活主要空間載體和碳排放關(guān)鍵地理單元,在碳減排和應(yīng)對(duì)氣候變化領(lǐng)域能夠發(fā)揮重要的作用[19-20].北京是中國(guó)的首都,亦是國(guó)際大都市,具有特殊的政治地位,開(kāi)展北京市碳足跡及影響因素研究,探討如何在響應(yīng)國(guó)家的宏觀政策的同時(shí),有效控制碳排放增量,積極向低碳城市轉(zhuǎn)型,為國(guó)內(nèi)其他省市提供示范,具有重要的理論和現(xiàn)實(shí)意義.基于以上考慮,本研究以北京市為例,以能源消費(fèi)碳排放表征城市碳足跡,選擇一系列有代表性的典型影響因素指標(biāo),利用1990～2011年長(zhǎng)時(shí)間序列,采用 STIRPAT模型和偏小二乘模型(PLS)建立北京碳足跡和影響因素之間的定量化模型,根據(jù)模型中回歸系數(shù)大小考察評(píng)估因子和 CO2排放的相互影響及大小排序,為城市碳減排對(duì)策提供建議.

1 研究方法

1.1 能源消費(fèi)碳足跡

碳足跡揭示了終端消費(fèi)領(lǐng)域人類(lèi)活動(dòng)對(duì)全球氣候變化的影響,是近年學(xué)術(shù)界新興的研究熱點(diǎn)[21].目前碳足跡缺乏學(xué)術(shù)上明確的定義,在許多情況下碳足跡被視為生產(chǎn)活動(dòng)中直接和間接產(chǎn)生的CO2物理排放量或排放當(dāng)量[22].碳足跡主要的研究方法有三類(lèi):過(guò)程分析法、投入產(chǎn)出和混合法[23-25].過(guò)程分析法基于生命周期評(píng)估方法和自下而上的研究思路,對(duì)數(shù)據(jù)的需求量很高;投入產(chǎn)出法依靠投入產(chǎn)出模型和自上而下的核算法則,適合于宏觀區(qū)域產(chǎn)業(yè)分析,容易受到投入產(chǎn)出表數(shù)量限制;混合法是過(guò)程分析法和投入產(chǎn)出法的結(jié)合,目前的研究仍不多見(jiàn)[22,26].

能源消費(fèi)碳足跡能夠反映一個(gè)地區(qū)環(huán)境壓力變化,為區(qū)域可持續(xù)發(fā)展提供決策依據(jù)[13].本文參考聯(lián)合國(guó)環(huán)境署(UNEP)和聯(lián)合國(guó)人居署(UN-HABITAT)、本地可持續(xù)發(fā)展組織(ICLEI)及世界資源研究所(WRI)等制定的評(píng)估方法

[27-28].城市碳足跡可分為3個(gè)層次:層次1為發(fā)生在城市行政邊界內(nèi)部的直接碳排放,如工業(yè)和服務(wù)業(yè)生產(chǎn)排放;層次 2為發(fā)生在城市行政邊界外部由城市活動(dòng)導(dǎo)致的非直接排放,僅限于電力和熱力消費(fèi);層次 3將非直接排放的范圍擴(kuò)展到發(fā)生在城市邊界外部,除層次 2外所有由于城市消費(fèi)帶來(lái)的蘊(yùn)含的上下游碳排放.目前大多數(shù)國(guó)際大城市廣泛采用的城市碳足跡評(píng)估方法評(píng)估范圍為層次 1和層次 2[29].根據(jù)數(shù)據(jù)的可得性和北京實(shí)際情況出發(fā),本研究以城市能源直接消費(fèi)和間接消費(fèi)(外調(diào)電)所產(chǎn)生的 CO2排放作為城市碳足跡(層次1和層次2),評(píng)估1990～2011年北京市能源消費(fèi)碳足跡.

1.2 STIRPAT模型

本研究選擇了Dietz等提出的改進(jìn)后的非線(xiàn)性隨機(jī)回歸STIRPAT模型[4,30].STIRPAT模型拋棄單位彈性的假設(shè),加入隨機(jī)性從而便于實(shí)證分析,并且能通過(guò)技術(shù)項(xiàng)的分解,實(shí)現(xiàn)對(duì)城市化、產(chǎn)業(yè)結(jié)構(gòu)等各種類(lèi)型驅(qū)動(dòng)因素對(duì)環(huán)境壓力影響的評(píng)估[31].STIRPAT模型能夠克服IPAT模型“各影響因素同比例影響環(huán)境壓力”假設(shè)的不足,是對(duì)IPAT模型的修正和擴(kuò)展[4],具體公式表達(dá)如下.

式中:I、P、A、T分別表示環(huán)境壓力、人口數(shù)量、人均財(cái)富和技術(shù);a是模型系數(shù);b、c、d分別是人口數(shù)量、人均財(cái)富和技術(shù)等驅(qū)動(dòng)因素的指數(shù);e為模型誤差.下標(biāo)i表明不同的觀測(cè)單元各異的模型參數(shù).假設(shè)a=b=c=d=e=1,STIRPAT模型即還原為IPAT等式,保留了IPAT模型中人文驅(qū)動(dòng)力的相乘關(guān)系.STIRPAT模型屬于多自變量非線(xiàn)性隨機(jī)模型,在對(duì)模型(1)兩邊同時(shí)對(duì)數(shù)變化處理后變?yōu)槟Ｐ?2).

以lnI為因變量,lnP、lnA、lnT作為自變量,lna作為常數(shù)項(xiàng),lne作為誤差項(xiàng).根據(jù)彈性系數(shù)概念,當(dāng)其他影響因素保持不變時(shí),驅(qū)動(dòng)力影響因素(P和A)每變化 1%,將分別引起I變化b%和d%.STIRPAT模型允許對(duì)模型擴(kuò)展,通過(guò)增減或分解因素,提高模型的分析解釋能力.

1.3 模型影響因子

城市碳足跡影響因素存在多個(gè)層次,基于已有研究成果,結(jié)合北京市具體實(shí)際情況,本文對(duì)STIRPAT模型因子進(jìn)行了擴(kuò)展,選取了人口因素(人口規(guī)模、城市化水平)、人均收入水平、技術(shù)進(jìn)步水平(產(chǎn)業(yè)結(jié)構(gòu)、單位GDP能耗、科技研發(fā)投入占GDP比重)等變量.

人口因素P分解為人口數(shù)量P(萬(wàn)人)以及城市化率 Ur(%)兩項(xiàng),城市化率雖然經(jīng)常作為經(jīng)濟(jì)指標(biāo)出現(xiàn),但實(shí)際是一個(gè)綜合體現(xiàn)城市人口密度、生活方式習(xí)慣的人口指標(biāo)[32],并最終影響城市碳排放,城市化率Ur采用城鎮(zhèn)人口數(shù)占總?cè)丝跀?shù)的比例表示,反映城市人口的環(huán)境影響.城市人口人均能源消費(fèi)一般能達(dá)到農(nóng)村人口的3.5～4倍,對(duì)城市整體碳排放影響很大[33-34].

人均收入水平A分解為單位人均GDP(萬(wàn)元/人,2000年不變價(jià))以及單位人均GDP平方兩項(xiàng),人均GDP是地區(qū)國(guó)民富裕程度的重要體現(xiàn),也是導(dǎo)致環(huán)境問(wèn)題的主要驅(qū)動(dòng)力.許多研究成果顯示,低收入國(guó)家人均富裕程度提高會(huì)增加碳排放量,然而高收入國(guó)家隨著人均GDP增加會(huì)降低碳排放[6].在本模型中加入人均GDP二次項(xiàng),目的是分析隨單位人均 GDP的增加,北京市能否出現(xiàn)倒“U”型環(huán)境庫(kù)茲涅茨曲線(xiàn).

技術(shù)因子T的選取較為復(fù)雜,包括第二產(chǎn)業(yè)比重、第三產(chǎn)業(yè)比重、單位GDP能耗強(qiáng)度、研發(fā)經(jīng)費(fèi)占當(dāng)年GDP比重.第二、三產(chǎn)業(yè)比重反映產(chǎn)業(yè)結(jié)構(gòu)變化對(duì)城市碳排放的影響,以制造業(yè)為基礎(chǔ)第二產(chǎn)業(yè)相比第三產(chǎn)業(yè)要消耗更多的自然資源,一般隨著工業(yè)和服務(wù)業(yè)比重消長(zhǎng)變化,碳排放將發(fā)生較大的改變.北京市第三產(chǎn)業(yè)結(jié)構(gòu)比重自 1994年開(kāi)始已超過(guò)第二產(chǎn)業(yè),但目前仍約占30%.本文將第二產(chǎn)業(yè)比重和第三產(chǎn)業(yè)比重均作為反映產(chǎn)業(yè)結(jié)構(gòu)變化的技術(shù)指標(biāo)納入模型當(dāng)中.單位GDP能耗強(qiáng)度反映區(qū)域能源集約利用水平,在已有研究中作為技術(shù)指標(biāo)多次出現(xiàn).研發(fā)經(jīng)費(fèi)占當(dāng)年GDP比重指標(biāo)衡量一個(gè)地區(qū)社會(huì)科技創(chuàng)新能力的指標(biāo),北京市研發(fā)經(jīng)費(fèi)占GDP比重全國(guó)最高,2010年已經(jīng)達(dá)到 5.5%,與世界發(fā)達(dá)國(guó)家研發(fā)經(jīng)費(fèi)5%的GDP占比持平,也納入到本次模型的變量中來(lái).

綜合以上考量,最終得到的非線(xiàn)性城市碳足跡模型如式(3)所示.具體模型變量可見(jiàn)表1.

表1 模型變量Table 1 Description of variables in the model

1.4 數(shù)據(jù)來(lái)源

采用 1990～2011年數(shù)據(jù),能源消費(fèi)實(shí)物量的數(shù)據(jù)源于北京市歷年的能源平衡表以及分行業(yè)部門(mén)的能源消費(fèi)量.人口總量、人均GDP、城市化率、第二、三產(chǎn)業(yè)比重等所需數(shù)據(jù)源于《北京市統(tǒng)計(jì)年鑒》[35].為剔除物價(jià)上漲因素,GDP采取2000年不變價(jià)進(jìn)行換算.為消除變量之間的量綱關(guān)系,使數(shù)據(jù)具有可比性,基于原始數(shù)據(jù)列的均值和標(biāo)準(zhǔn)差對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化.

本研究的能源消費(fèi)指能源的終端消費(fèi)量,考慮到歷史數(shù)據(jù)一致性和數(shù)據(jù)代表性,能源數(shù)據(jù)包括原煤、汽油、柴油、煤油、天然氣和外調(diào)電力6種能源,能源消費(fèi)的實(shí)物量來(lái)源于歷年的《北京市統(tǒng)計(jì)年鑒》[35].能源消費(fèi)碳排放量采用《IPCC國(guó)家溫室氣體排放清單指南》提供的排放系數(shù)法

[36],碳排放量等于各類(lèi)能源消費(fèi)量與相應(yīng)排放因子的乘積.與前人研究有所區(qū)別,本文能源排放因子采用北京市本地能源消費(fèi)的實(shí)測(cè)因子[37].以往國(guó)內(nèi)研究一般采用折標(biāo)后的標(biāo)煤計(jì)算碳排放

[11,13,38],本研究采用實(shí)物量進(jìn)行評(píng)估,采取實(shí)物量作為活動(dòng)水平數(shù)據(jù)與本地化排放因子匹配有助于提高評(píng)估精度,能夠?yàn)楹罄m(xù)統(tǒng)計(jì)實(shí)證模型提供更好的輸入?yún)?shù).

2 實(shí)證分析

2.1 城市碳足跡評(píng)估

圖1 城市碳足跡和人均碳足跡變化(1990～2011)Fig.1 Variation of city’s total carbon footprints and per-capita footprints(1990～2011)

根據(jù)本文界定的碳足跡計(jì)算方法,北京市1990～2011年城市總碳足跡由4723.95×104t上升到15830.62×104t二氧化碳當(dāng)量(CO2-eq),總碳足跡增加了2.35倍,年平均增長(zhǎng)率為6.09%.人均碳足跡由4.35t/a上升到7.84t/a,人均碳足跡增加了80.29%,年平均增長(zhǎng)率為 3.00%.從總體變化趨勢(shì)看,人均碳足跡增長(zhǎng)速度低于城市總碳足跡的增幅.城市總碳足跡呈現(xiàn)兩階段明顯的變化,1990～2002年城市總碳足跡上升斜率較平緩,2002年以后增長(zhǎng)幅度明顯加快,2008年北京奧運(yùn)會(huì)極大的帶動(dòng)了北京市基礎(chǔ)設(shè)施建設(shè),相關(guān)能源和物質(zhì)消耗龐大,是此兩階段斜率變化主要原因.人均碳足跡上升變化平緩,沒(méi)有明顯的階段劃分,北京市人口基數(shù)大,外來(lái)人口多增長(zhǎng)快,導(dǎo)致人均碳足跡增長(zhǎng)緩慢,近年由于北京市不斷加強(qiáng)節(jié)能減排措施力度,城市總碳足跡增長(zhǎng)放緩,人均碳足跡還出現(xiàn)了下降的勢(shì)頭.

2.2 最小二乘回歸模型預(yù)評(píng)估

首先使用最小二乘回歸模型法進(jìn)行預(yù)評(píng)估(表 2),最小二乘回歸模型的回歸擬合優(yōu)度R2=0.996,調(diào)整后擬合優(yōu)度 AdjR2=0.989,通過(guò)了0.001顯著水平F檢驗(yàn),表明自變量和因變量的線(xiàn)性模型存在且擬合度較高.然而,lnUrb、lnE等模型自變量的回歸系數(shù)無(wú)法通過(guò) 0.05顯著性水平的t檢驗(yàn).通過(guò)檢驗(yàn)?zāi)Ｐ妥宰兞肯嚓P(guān)關(guān)系矩陣,各變量之間存在較強(qiáng)的相關(guān)性,lnp,lnA,(lnA)2,lnUr,lnInd2,lnInd3相互之間均能通過(guò)0.01顯著性水平的相關(guān)分析檢驗(yàn),方程很可能存在多重相關(guān)性.目前對(duì)多重相關(guān)性常見(jiàn)診斷方法是方差膨脹因子(VIF),一般認(rèn)為如果自變量最大VIF超過(guò)10,表示多重相關(guān)性將嚴(yán)重影響最小二乘的估計(jì)值.計(jì)算結(jié)果顯示7個(gè)自變量的VIF值均遠(yuǎn)大于10.因此無(wú)法采用常見(jiàn)的最小二乘模型估計(jì)回歸系數(shù),必須消除自變量的多重共線(xiàn)性才能得到穩(wěn)健的結(jié)果.

表2 最小二乘回歸模型的擬合結(jié)果Table 2 Analysis results of OLS regression model

2.3 偏小二乘回歸模型檢驗(yàn)

偏小二乘回歸模型(PLS)主要用于解決多元回歸中變量多重相關(guān)性和樣本容量較少、自由度較低等實(shí)際問(wèn)題[39].偏小二乘回歸的原理是將多元回歸、主成分分析、典型相關(guān)分析結(jié)合起來(lái),分別提取自變量X和因變量Y的成分因子ti與ui,各提取成分要求相互獨(dú)立,盡可能大的反映X與Y變量的變異信息,同時(shí)自變量成分t對(duì)u又有很強(qiáng)的解釋能力,從而建立成分因子與自變量的回歸方程.首先需要將所有自變量和因變量原始數(shù)據(jù)標(biāo)準(zhǔn)化,其次提取第一個(gè)成分t1與u1,建立X對(duì)t1及Y對(duì)t1的回歸,如果回歸方程達(dá)到滿(mǎn)意的精度,算法終止,否則利用X和Y被t1解釋后殘差信息進(jìn)行第二輪成分提取,反復(fù)直至達(dá)到一個(gè)滿(mǎn)意的模型精度.本文將重點(diǎn)考察人口規(guī)模、人均收入水平、城市化等影響因子對(duì)城市碳排放之間的相關(guān)性和回歸關(guān)系,分析平臺(tái)為Simca-P.

首先通過(guò)t1/u1散點(diǎn)圖和t1/t2散點(diǎn)圖(或T2橢圓圖)兩種方式判斷PLS模型擬合的好壞.圖1可見(jiàn)自變量提取的成分t1與因變量提取成分u1之間存在顯著線(xiàn)性關(guān)系,線(xiàn)性擬合度R2為0.954,證明t1和u1能夠很好的代表自變量X和因變量Y,采用 PLS方法建立線(xiàn)性模型是合理的.t1/t2散點(diǎn)圖被用來(lái)在平面上觀察樣本點(diǎn)的分布情況和相似性結(jié)構(gòu)[39],可見(jiàn)PLS模型的樣本點(diǎn)分布在橢圓之內(nèi)且基本均勻,并未發(fā)現(xiàn)奇異點(diǎn),表明本研究模型樣本取值合理.

通過(guò)交叉有效性評(píng)估提取自變量成分的數(shù)量,成分ti的交叉有效性記為,使用m個(gè)成分t1、t2……tm建立偏小二乘模型的累積交叉有效項(xiàng)Q2(cum).從表3可以看出,當(dāng)提取到第3個(gè)成分時(shí),Q2已經(jīng)為負(fù)值,其他第 1、2成分Q2均大于臨界值0.0975,累積交叉有效項(xiàng)在第二成分時(shí)達(dá)到 0.985,因此提取 2個(gè)成分即可使模型達(dá)到滿(mǎn)意的精度.此時(shí)方程對(duì)城市碳排放的解釋能力為 0.988,偏小二乘模型擬合達(dá)到了較高的精度.與此同時(shí)通過(guò)模型預(yù)測(cè)值與真實(shí)值的散點(diǎn)圖考察擬合效果(圖 3),真實(shí)值與模型預(yù)測(cè)值顯示出良好的線(xiàn)性關(guān)系,表明 PLS模型的擬合非常理想.

圖2 t1 /u1散點(diǎn)圖與t1/t2散點(diǎn)圖Fig.2 Scatter plots of t1/u1and t1/t2

表3 最小偏二乘模型交叉有效性Table 3 Results of cross validation by PLS model

圖3 最小偏二乘模型城市碳排放預(yù)測(cè)值與真實(shí)值散點(diǎn)圖Fig.3 Scatter plots of predicted value and observed value of carbon footprint by PLS model

2.4 偏小二乘模型回歸結(jié)果分析

偏小二乘模型回歸系數(shù)擬合結(jié)果如表 4所示,各回歸系數(shù)符號(hào)符合城市增長(zhǎng)模式和經(jīng)濟(jì)學(xué)意義上檢驗(yàn).眾多影響因子中人口、人均收入水平、城市化水平等增加會(huì)促進(jìn)城市碳排放量擴(kuò)大;而萬(wàn)元GDP能源強(qiáng)度、二產(chǎn)和三產(chǎn)比重以及研發(fā)投入比重升高會(huì)降低城市碳足跡.

從模型系數(shù)的大小上看,城市化水平是影響北京市能源消費(fèi)碳排放量的最主要和關(guān)鍵正向因素,城市化水平對(duì)城市碳足跡彈性最高,北京市城市化水平每增加 1%,碳足跡將增加 2.20%.這表明國(guó)內(nèi)大都市城市化水平提高是造成能源消費(fèi)碳排放增加的重要誘因.如果按照城市發(fā)展與環(huán)境演化關(guān)系理論解釋,城市化對(duì)環(huán)境影響的驅(qū)動(dòng)與抑制作用并存.從城市化發(fā)展由初級(jí)到中級(jí)階段,城市化導(dǎo)致的環(huán)境影響和壓力會(huì)隨之增加,但當(dāng)城市化進(jìn)一步發(fā)展到高級(jí)階段時(shí),居民環(huán)境意識(shí)不斷增強(qiáng),逐漸通過(guò)技術(shù)革新、集約化發(fā)展以及行業(yè)結(jié)構(gòu)轉(zhuǎn)型等方式,為碳排放集中控制提供了方便和可能,從而降低城市化產(chǎn)生的環(huán)境影響[8].但在實(shí)證研究中,國(guó)內(nèi)外學(xué)者存在不同的研究結(jié)論.例如,York等[4]發(fā)現(xiàn)城市化顯著增加城市碳足跡,在其進(jìn)一步研究中指出,即便在現(xiàn)代化都市地區(qū),城市化仍會(huì)刺激能耗和碳排放增加[41].Boserup[42]認(rèn)為城市人口密度增長(zhǎng)會(huì)帶來(lái)城市文明傳播和技術(shù)水平的提高,高素質(zhì)人口增多對(duì)環(huán)境壓力有正向的促進(jìn)作用.Shi[6]針對(duì)全球不同國(guó)家和地區(qū)樣本研究,認(rèn)為高收入地區(qū)城市化對(duì)碳排放影響要小于低收入地區(qū).北京作為我國(guó)經(jīng)濟(jì)發(fā)達(dá)地區(qū)之一,2010年人均GDP突破10000美元,第三產(chǎn)業(yè)比重超過(guò) 75%,按照世界銀行的標(biāo)準(zhǔn)已屬于中等富裕國(guó)家水平,達(dá)到城市化演進(jìn)后期階段.但是本研究模擬結(jié)果顯示北京市城市化對(duì)碳排放推動(dòng)作用依然非常明顯,高級(jí)城市化階段對(duì)碳排放抑制作用尚未體現(xiàn).燕華[10]對(duì)上海的研究,也有相似的結(jié)論,城市化仍是國(guó)內(nèi)發(fā)達(dá)大都市碳排放最主要的驅(qū)動(dòng)因素.這說(shuō)明了國(guó)內(nèi)大都市雖然城市化水平很高,居民收入或產(chǎn)業(yè)結(jié)構(gòu)已接近國(guó)外中等富裕國(guó)家水平,但是城市化仍體現(xiàn)為碳排放的正向促進(jìn)作用.一方面原因是國(guó)內(nèi)城市持續(xù)以攤大餅的方式膨脹,城區(qū)空間持續(xù)增長(zhǎng),城市化推進(jìn)導(dǎo)致基礎(chǔ)設(shè)施需求繼續(xù)增大,消耗大量的水泥和鋼鐵,刺激水泥、鋼鐵等一系列基礎(chǔ)原材料行業(yè)碳排放增長(zhǎng)[43];另一方面城市中居民消費(fèi)水平提高和生活方式改變,刺激住宅、交通、娛樂(lè)等能源消耗直接與間接需求增長(zhǎng)[34,44].

表4 最小偏二乘回歸系數(shù)擬合結(jié)果Table 4 Coefficients results of PLS regression model

人口數(shù)量對(duì)碳排放影響也較為顯著,彈性系數(shù)達(dá)到 0.493,僅次于城市化指標(biāo).北京人口總量已超過(guò)2000萬(wàn),外來(lái)人口快速增長(zhǎng)是推進(jìn)北京人口總量增長(zhǎng)和城市化進(jìn)程的重要因素.1990～2011年北京市年均常住人口增長(zhǎng)率達(dá)到3.05%,總?cè)丝谠黾恿?87.85%.2000～2011年增加了 637萬(wàn)人,是前一個(gè) 10年增加人口數(shù)的兩倍多.優(yōu)勢(shì)的區(qū)位和經(jīng)濟(jì)條件不斷吸引大量外來(lái)人口涌入北京.外來(lái)人口增加為城市發(fā)展做出巨大貢獻(xiàn)的同時(shí),也對(duì)城市的資源、環(huán)境形成巨大的壓力,龐大的城市人口基數(shù)必然導(dǎo)致城市碳排放總量的剛性增加.

人均收入水平是北京城市碳排放另一個(gè)重要指標(biāo),其對(duì)北京城市碳排放的彈性可以通過(guò)York[4]提出的方法計(jì)算得到(0.134+0.052lnA).按2011年人均GDP估算,人均GDP每增高1%,北京城市碳排放增加0.225%(2000年不變價(jià)計(jì)算).人均收入水平對(duì)應(yīng)富裕程度,與消費(fèi)模式及其隨之的環(huán)境效應(yīng)有關(guān).通常富裕度高的城市在基礎(chǔ)設(shè)施、交通及消費(fèi)需求等比富裕度低的城市消耗的資源與能源強(qiáng)度更高,產(chǎn)生環(huán)境效應(yīng)影響要大,因此碳排放量也更高.但在發(fā)達(dá)國(guó)家緊湊型城市也存在截然相反的情況,緊湊型城市人均收入水平較高,人口和城市規(guī)模低而聚居,出行距離短,熱力和電力等供應(yīng)損耗少,城市公共交通、教育等基礎(chǔ)設(shè)施能夠發(fā)揮較高的功效,并且高科技產(chǎn)業(yè)和第三產(chǎn)業(yè)的發(fā)展,以及相對(duì)清潔低碳的天然氣等現(xiàn)代能源占據(jù)城市能源消費(fèi)的主導(dǎo)地位,因此該類(lèi)城市能夠在收入水平提高的同時(shí),擁有較低的環(huán)境影響[45].北京市不屬于緊湊型城市,本研究中人均收入對(duì)城市碳排放表現(xiàn)為促進(jìn)作用.隨著北京市人均收入不斷攀升,城市碳排放并沒(méi)有得到明顯的緩解,但是城市碳排放的彈性系數(shù)增幅已經(jīng)出現(xiàn)明顯的減緩勢(shì)頭,多年平均增幅保持在0.006以下,且在最近5年增幅下降很快(表 5).說(shuō)明城市居民消費(fèi)沒(méi)有隨收入水平提高而激增,正在向綠色消費(fèi)和低碳消費(fèi)等好的方向轉(zhuǎn)變.

另外,偏小二乘模型中(lnA)2的回歸系數(shù)值為正,意味著在研究時(shí)段內(nèi)北京市碳排放不存在環(huán)境庫(kù)茲涅茨曲線(xiàn),經(jīng)濟(jì)發(fā)展并未帶來(lái)城市碳足跡減少的拐點(diǎn).此結(jié)論在對(duì)國(guó)內(nèi)上海、沈陽(yáng)、蘇錫常地區(qū)等相似研究中存在相似情況[11-12,14],反映出國(guó)內(nèi)各省市經(jīng)濟(jì)發(fā)展與環(huán)境保護(hù)尚未達(dá)到協(xié)同發(fā)展.

表5 不同人均GDP對(duì)城市碳排放的影響彈性系數(shù)Table 5 The elasticity coefficients of city’s carbon dioxide emissions for different units of per-capita GDP

負(fù)向因子體現(xiàn)為技術(shù)因素對(duì)碳排放反向抑制作用,回歸系數(shù)絕對(duì)值從高往低排序?yàn)?萬(wàn)元GDP能耗強(qiáng)度(0.147),二產(chǎn)比重(0.138),三產(chǎn)比例(0.104),研發(fā)投入比重(0.092).萬(wàn)元 GDP能耗強(qiáng)度是反映地區(qū)能源消費(fèi)構(gòu)成、經(jīng)濟(jì)增長(zhǎng)方式、設(shè)備技術(shù)裝備水平及能源利用效率等的綜合性指標(biāo),是二氧化碳減排的主要?jiǎng)恿?得益于清潔能源改造工程的實(shí)施,以及落后產(chǎn)能退出、搬遷調(diào)整等工業(yè)政策的實(shí)施,北京城市萬(wàn)元GDP產(chǎn)值能耗下降幅度自“十一五”以來(lái)一直處于全國(guó)首位.但是能源強(qiáng)度對(duì)城市碳排放帶來(lái)的負(fù)向作用明顯不足以抵消城市化、人口、收入水平等其他因素引起的二氧化碳增長(zhǎng).

北京市第二、三產(chǎn)業(yè)對(duì)城市碳減排的影響作用仍比較低,第二產(chǎn)業(yè)對(duì)碳排放抑制作用要高于第三產(chǎn)業(yè).與其他地區(qū)工業(yè)能耗居高不下不同,北京市擁有獨(dú)特的區(qū)域特點(diǎn).北京市第三產(chǎn)業(yè)在國(guó)民經(jīng)濟(jì)中比重遠(yuǎn)高于第二產(chǎn)業(yè),但研究期間內(nèi)第二產(chǎn)業(yè)節(jié)能降耗的措施和力度要大于第三產(chǎn)業(yè).北京通過(guò)大力實(shí)施第二產(chǎn)業(yè)“以退促降”的產(chǎn)業(yè)政策,停產(chǎn)搬遷高耗能企業(yè),淘汰生產(chǎn)落后工藝,工業(yè)等高耗能行業(yè)能耗和溫室氣體排放下降迅速,1990年工業(yè)在能源終端消費(fèi)中的比重 62%,到2011年下降到僅為30.86%.自焦化廠、首鋼和化工企業(yè)等主要“兩高一資”企業(yè)實(shí)施搬遷或停產(chǎn)措施以后,未來(lái)北京市繼續(xù)通過(guò)退出或調(diào)整第二產(chǎn)業(yè)來(lái)節(jié)能減排的空間已所剩無(wú)幾.尤其傳統(tǒng)的第二產(chǎn)業(yè)對(duì)能源消耗和使用,造成大量碳排放的情形,已經(jīng)被北京市第三產(chǎn)業(yè)對(duì)能源大量需求和消費(fèi)取代,因此第三產(chǎn)業(yè)碳排放變得異常突出

[46].從國(guó)際經(jīng)驗(yàn)看,第三產(chǎn)業(yè)消耗的能源和資源比第二產(chǎn)業(yè)少,其比重上升有利于降低環(huán)境影響,北京市進(jìn)一步推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化,需要將工業(yè)制造業(yè)發(fā)展面向高端,重點(diǎn)依賴(lài)現(xiàn)代服務(wù)業(yè)和高新技術(shù)產(chǎn)業(yè),作為節(jié)能減排的主要途徑.

圖4 各模型變量的投影重要性指標(biāo)VIPFig.4 The VIP value of each variables in PLS model

從研發(fā)投入比重對(duì)城市碳排放影響看,在模型所有抑制因素中影響最低,表明科技進(jìn)步對(duì)北京城市碳排放起到作用相對(duì)薄弱.北京市多年來(lái)一直是全國(guó)科技中心和技術(shù)創(chuàng)新基地,高校、科研院所和高端人才數(shù)量密集,科研設(shè)施先進(jìn),技術(shù)領(lǐng)域全面,研發(fā)經(jīng)費(fèi)及科技人員數(shù)量等都在全國(guó)名列前茅.但是北京市在科技創(chuàng)新方面存在一定問(wèn)題,體現(xiàn)在缺乏協(xié)同創(chuàng)新機(jī)制,條塊分割加劇了不同科研機(jī)構(gòu)間的協(xié)調(diào)成本,企業(yè)不是創(chuàng)新的主體,科技創(chuàng)新的產(chǎn)業(yè)化效果不突出,重技術(shù)引進(jìn)輕技術(shù)消化等[47].這些不利因素嚴(yán)重降低了科技創(chuàng)新在北京市節(jié)能降碳中發(fā)揮的作用.在全球范圍內(nèi)看,科技創(chuàng)新是節(jié)能減排的關(guān)鍵所在,從節(jié)能技術(shù)到新能源開(kāi)發(fā)利用、節(jié)能產(chǎn)品和服務(wù)已經(jīng)成為各國(guó)低碳能源戰(zhàn)略的重點(diǎn).北京市應(yīng)整合科技資源,加強(qiáng)并協(xié)調(diào)區(qū)域低碳技術(shù)創(chuàng)新要素間互動(dòng),推進(jìn)產(chǎn)學(xué)研合作和技術(shù)轉(zhuǎn)移,加強(qiáng)低碳產(chǎn)業(yè)布局和制度創(chuàng)新,提高低碳競(jìng)爭(zhēng)力,使科技進(jìn)步與城市低碳建設(shè)更緊密的結(jié)合.

為了更好的測(cè)度各個(gè)自變量xj對(duì)偏小二乘模型因變量的作用,本研究采用變量投影重要性指標(biāo) VIP.VIP反映每個(gè)自變量在解釋因變量時(shí)作用的重要性,如果某自變量擁有相對(duì)較小的VIP指數(shù)值(小于 0.8),認(rèn)為該變量對(duì)模型的解釋度不高,可考慮剔除該自變量,VIP指數(shù)表達(dá)式定義如下.

式中:VIPj為xj變量的重要性指數(shù);Rd(Y;t1,…,tm)為偏小二乘模型的累積解釋能力,t1,…,tm為自變量提取出的成分;whj為軸wh的第j個(gè)分量,被用于測(cè)量xj對(duì)構(gòu)造th成分的邊際貢獻(xiàn).圖3為偏小二乘模型各個(gè)系數(shù)的VIP值圖.VIP計(jì)算模型解釋能力結(jié)果與回歸系數(shù)擬合擁有較好的一致性.可見(jiàn)每個(gè)變量的VIP均大于0.9,變量在解釋因變量北京城市碳排放能力作用較強(qiáng).所有變量中,城市化擁有最高的解釋力度,其次為富裕度指標(biāo)、人口、單位GDP能耗、二產(chǎn)比重、三產(chǎn)比重和研發(fā)投入比重.

3 討論

本文采用城市直接能源消費(fèi)碳排放和基于外調(diào)電力的間接能源碳排放估算的城市碳足跡,評(píng)估范圍和計(jì)算結(jié)果比以往基于直接排放評(píng)估大,與國(guó)際通行規(guī)則一致,在國(guó)內(nèi)外近期研究得到越來(lái)越多的應(yīng)用[20,37,48].在模型模擬方面,對(duì)STIRPAT模型因子進(jìn)行了擴(kuò)展,將人口因素(人口規(guī)模、城市化水平)、人均收入水平、技術(shù)進(jìn)步水平(產(chǎn)業(yè)結(jié)構(gòu)、單位GDP能耗、科技研發(fā)投入占 GDP比重)等變量納入驅(qū)動(dòng)變量范圍,擴(kuò)充了碳排放影響驅(qū)動(dòng)力指標(biāo)體系,考慮更為全面.

本文在諸多方面值得進(jìn)一步探討.一個(gè)值得深入研究的問(wèn)題是技術(shù)因素因子的選擇,一方面不同研究者對(duì)技術(shù)因子選取的具體指標(biāo)不同,可能對(duì)研究結(jié)果產(chǎn)生一定的影響;另一方面由于STIRPAT模型擴(kuò)展度高,有研究者提出將技術(shù)因素T歸并到誤差項(xiàng)e中成為涵蓋文化、制度、組織等綜合因素,而不進(jìn)行單獨(dú)估計(jì)[6-7,30].采取后一種方法的優(yōu)點(diǎn)是以誤差項(xiàng)簡(jiǎn)化模型因子,缺點(diǎn)是無(wú)法區(qū)分細(xì)微因素的影響.本文是在總結(jié)前人研究成果的基礎(chǔ)上提出技術(shù)因子指標(biāo),下一步的改進(jìn)方向是利用不同的技術(shù)因素指標(biāo)集合來(lái)篩選和研究其與城市碳足跡的相互關(guān)系.

4 結(jié)論

4.1 基于已有研究成果和北京市具體實(shí)際情況,對(duì)常規(guī)STIRPAT模型因子進(jìn)行了擴(kuò)展,選取了人口因素、人均收入水平、技術(shù)進(jìn)步水平等變量,建立了改進(jìn)后的北京市非線(xiàn)性碳足跡 STIRPAT模型.偏小二乘模型的應(yīng)用既保證了回歸變量的充分利用,又避免了多重共線(xiàn)性的產(chǎn)生.

北京市 1990～2011年城市總碳足跡由4723.95×104t上升到15830.62×104t二氧化碳當(dāng)量(CO2-eq),總碳足跡增加了2.35倍,年平均增長(zhǎng)率為6.09%.人均碳足跡由4.35t/a上升到7.84t/a,人均碳足跡增加了 80.29%,年平均增長(zhǎng)率為3.00%.

4.2 基于PLS模型和STIRPAT模型的擬合結(jié)果通過(guò)了各項(xiàng)顯著性檢驗(yàn),北京城市碳足跡主要驅(qū)動(dòng)因子包括城市化水平、人均收入、人口、能源消費(fèi)強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)和研發(fā)投入比重等,各驅(qū)動(dòng)因子系數(shù)符號(hào)與大小滿(mǎn)足城市增長(zhǎng)模式和經(jīng)濟(jì)學(xué)意義上的檢驗(yàn),與北京城市發(fā)展實(shí)際情況吻合.

4.3 從驅(qū)動(dòng)因子影響程度和方向上看,城市化水平、人口、人均收入水平等增加會(huì)促進(jìn)城市碳排放量擴(kuò)大.其中城市化水平對(duì)促進(jìn)北京市能源消費(fèi)碳排放量作用最大,其次為人均收入水平和人口,對(duì)城市碳排放的彈性系數(shù)分別為 2.20、0.493和0.225.就北京而言,尚未扭轉(zhuǎn)傳統(tǒng)攤大餅式城市發(fā)展思路,快速的城市化過(guò)程加大的基礎(chǔ)設(shè)施建設(shè)和能源需求,外來(lái)人口涌入城市增加了資源環(huán)境壓力,另外生活水平和人均消費(fèi)水平提高等誘因都在推動(dòng)北京市碳排放水平持續(xù)增高.從城市碳排放與人均收入水平關(guān)系發(fā)現(xiàn),研究期內(nèi)北京市二氧化碳排放不存在環(huán)境庫(kù)茲涅茨曲線(xiàn),與國(guó)內(nèi)其他省市已有研究結(jié)論相似,經(jīng)濟(jì)發(fā)展與環(huán)境保護(hù)尚未實(shí)現(xiàn)協(xié)同.需要指出北京城市碳排放總量雖然整體狀況還在增加,但增長(zhǎng)速度在逐步放緩.

4.4 萬(wàn)元GDP能源強(qiáng)度、二產(chǎn)和三產(chǎn)比重以及研發(fā)投入比重等驅(qū)動(dòng)因子能夠抑制城市碳足跡增加.其中萬(wàn)元 GDP能耗強(qiáng)度負(fù)向影響力最高,二產(chǎn)比重、三產(chǎn)比重和研發(fā)投入比重影響程度依次降低,它們對(duì)城市碳排放的彈性系數(shù)分別為0.147、0.138、0.104和0.092.代表地區(qū)能源消費(fèi)構(gòu)成、經(jīng)濟(jì)增長(zhǎng)方式、設(shè)備技術(shù)裝備水平及能源利用效率等綜合性指標(biāo)的單位能耗強(qiáng)度,對(duì)北京市碳減排的作用最大,但仍不足以抵消城市化、人口、收入水平等其他因素引起的二氧化碳增長(zhǎng)量.此外過(guò)去的十幾年,因奧運(yùn)年份等短期政策強(qiáng)化導(dǎo)致城市二產(chǎn)比重降低,對(duì)碳減排起到了積極的作用,但煉焦、鋼鐵、化工等行業(yè)從首都搬遷或停產(chǎn)后,繼續(xù)通過(guò)二產(chǎn)減排的空間和潛力不大.未來(lái)相當(dāng)長(zhǎng)一段時(shí)期,提高以現(xiàn)代服務(wù)業(yè)為代表的第三產(chǎn)業(yè)比重,提升質(zhì)量,培育發(fā)展高新技術(shù)產(chǎn)業(yè)和節(jié)能環(huán)保產(chǎn)業(yè),鼓勵(lì)和扶持低碳產(chǎn)業(yè)發(fā)展應(yīng)當(dāng)?shù)玫礁嗟闹匾?

4.5 提出以下政策化建議.第一,控制城市化速度與水平對(duì)影響北京城市碳排放具有重要意義,有必要科學(xué)合理規(guī)劃低碳城市,在城市化空間結(jié)構(gòu)方面,大力發(fā)展集中型、緊湊型及組團(tuán)型的城鎮(zhèn)空間布局模式來(lái)減少碳排放,同時(shí)打造低碳建筑和低碳交通體系.第二,北京人口基數(shù)巨大,在未來(lái)一段時(shí)期內(nèi),城市人口總量仍會(huì)保持增長(zhǎng),人口對(duì)資源、能源需求和相應(yīng)的碳排放也會(huì)相應(yīng)增長(zhǎng).因此在生育自愿的情況下,適當(dāng)?shù)目刂迫丝趯?duì)于減少城市碳排放壓力有所幫助,其中重要措施之一是完善戶(hù)籍制度,發(fā)揮制度在引導(dǎo)、服務(wù)和管理外來(lái)人口方面的作用,另外通過(guò)產(chǎn)業(yè)轉(zhuǎn)移,向周邊地區(qū)疏導(dǎo)人口,控制城市人口總量.第三,合理引導(dǎo)居民消費(fèi),鼓勵(lì)居民向綠色消費(fèi)和低碳消費(fèi)發(fā)展.第四,依靠科技創(chuàng)新和技術(shù)進(jìn)步來(lái)建設(shè)低碳城市,北京市需要發(fā)揮本地科技資源優(yōu)勢(shì),吸收和開(kāi)發(fā)先進(jìn)低碳環(huán)保技術(shù),加強(qiáng)并協(xié)調(diào)區(qū)域低碳技術(shù)創(chuàng)新要素間互動(dòng),推進(jìn)產(chǎn)學(xué)研合作和技術(shù)轉(zhuǎn)移,提高低碳競(jìng)爭(zhēng)力.

[1]Ehrlich P R, Holdren J P. Impact of population growth [J].Science, 1971,171(3977):1212-1217.

[2]Stern P C, Young O R, Druckman D. Global environmental change: Understanding the human dimensions [M]. Washington,D.C.: National Academies Press, 1991.

[3]Raskin P D. Methods for estimating the population contribution to environmental change [J]. Ecological Economics, 1995,15(3):225-233.

[4]York R, Rosa E A, Dietz T. STIRPAT, IPAT and ImPACT:analytic tools for unpacking the driving forces of environmental impacts [J]. Ecological Economics, 2003,46(3):351-365.

[5]York R, Rosa E A, Dietz T. Bridging environmental science with environmental policy: plasticity of population, affluence, and technology [J]. Social Science Quarterly, 2002,83(1):18-34.

[6]Shi A. The impact of population pressure on global carbon dioxide emissions, 1975-1996: evidence from pooled crosscountry data [J]. Ecological Economics, 2003,44(1):29-42.

[7]Dietz T, Rosa E A. Effects of population and affluence on CO2emissions [J]. Proceedings of the National Academy of Sciences,1997,94(1):175-179.

[8]Poumanyvong P, Kaneko S. Does urbanization lead to less energy use and lower CO2emissions? A cross-country analysis [J].Ecological Economics, 2010,70(2):434-444.

[9]Lin S, Zhao D, Marinova D. Analysis of the environmental impact of China based on STIRPAT model [J]. Environmental Impact Assessment Review, 2009,29(6):341-347.

[10]燕 華,郭運(yùn)功,林逢春.基于 STIRPAT模型分析 C02控制下上海城市發(fā)展模式 [J]. 地理學(xué)報(bào), 2010,65(8):983-990.

[11]盧 娜,曲福田,馮淑怡,等.基于STIRPAT模型的能源消費(fèi)碳足跡變化及影響因素——以江蘇省蘇錫常地區(qū)為例 [J]. 自然資源學(xué)報(bào), 2011,26(5):814-824.

[12]任婉俠,耿 涌,薛 冰.中國(guó)老工業(yè)城市能源消費(fèi)碳排放的驅(qū)動(dòng)力分析—以沈陽(yáng)市為例 [J]. 應(yīng)用生態(tài)學(xué)報(bào). 2012,23(10):2829-2835.

[13]黃 蕊,王 錚.基于 STIRPAT模型的重慶市能源消費(fèi)碳排放影響因素研究 [J]. 環(huán)境科學(xué)學(xué)報(bào), 2013,33(2):602-608.

[14]何 強(qiáng),呂光明.基于 IPAT模型的生態(tài)環(huán)境影響分析——以北京市為例 [J]. 中央財(cái)經(jīng)大學(xué)學(xué)報(bào), 2008(12):83-88.

[15]Du L, Wei C, Cai S. Economic development and carbon dioxide emissions in China: Provincial panel data analysis [J]. China Economic Review, 2012,23(2):371-384.

[16]Li H, Mu H, Zhang M, et al. Analysis of regional difference on impact factors of China’s energy-Related CO2emissions [J].Energy, 2012,39(1):319-326.

[17]Martínez-Zarzoso I, Maruotti A. The impact of urbanization on CO2emissions: Evidence from developing countries [J].Ecological Economics, 2011,70(7):1344-1353.

[18]Wang P, Wu W, Zhu B, et al. Examining the impact factors of energy-related CO2emissions using the STIRPAT model in Guangdong Province, China [J]. Applied Energy, 2013,106:65-71.

[19]IEA. World energy outlook 2010 [M]. Paris: IEA Publication,2008.

[20]Dodman D. Blaming cities for climate change? An analysis of urban greenhouse gas emissions inventories [J]. Environment and Urbanization, 2009,21(1):185-201.

[21]Hammond G. Time to give due weight to the 'carbon footprint'issue [J]. Nature, 2007,445(7125):256.

[22]Wiedmann T, Minx J. A definition of 'carbon footprint' [J].Ecological Economics Research Trends, 2007,1:1-11.

[23]Matthews H S, Hendrickson C T, Weber C L. The importance of carbon footprint estimation boundaries [J]. Environmental Science and Technology, 2008,42(16):5839-5842.

[24]Wiedmann T. EDITORIAL: Carbon footprint and input-output analysis-an introduction [J]. Economic Systems Research, 2009,21(3):175-186.

[25]Virtanen Y, Kurppa S, Saarinen M, et al. Carbon footprint of food–approaches from national input–output statistics and a LCA of a food portion [J]. Journal of Cleaner Production, 2011,19(16):1849-1856.

[26]王 微,林劍藝,崔勝輝,等.碳足跡分析方法研究綜述 [J]. 環(huán)境科學(xué)與技術(shù), 2010,33(7):71-78.

[27]ICLEI. GLOBAL PROTOCOL FOR COMMUNITY-SCALE GHG EMISSIONS (GPC) [R]. 2011. http://www.ghgprotocol.org/files/ghgp/GPC%20v9%2020120320.pdf

[28]UNEP. International Standard for Determining Greenhouse Gas Emissions for Cities [R]. 2010. http://www.unep.org/urban_environment/PDFs/InternationalStd-GHG.pdf

[29]Dodman D. Blaming cities for climate change? An analysis of urban greenhouse gas emissions inventories [J]. Environment and Urbanization, 2009,21(1):185-201.

[30]Dietz T, Rosa E A. Rethinking the environmental impacts of population, affluence and technology [J]. Human Ecology Review,1994,1:277-300.

[31]許 泱,周少甫.我國(guó)城市化與碳排放的實(shí)證研究 [J]. 長(zhǎng)江流域資源與環(huán)境, 2011,20(11):1304-1309.

[32]Barnes D F, Krutilla K, Hyde W F. The urban household energy transition: social and environmental impacts in the developing world [M]. Rff Press, 2005.

[33]Wang Z, Yin F, Zhang Y, et al. An empirical research on the influencing factors of regional CO2emissions: Evidence from Beijing city, China [J]. Applied Energy, 2012,100:277-284.

[34]林伯強(qiáng),劉希穎.中國(guó)城市化階段的碳排放:影響因素和減排策略 [J]. 經(jīng)濟(jì)研究, 2010(8):66-78.

[35]北京市統(tǒng)計(jì)局.北京市統(tǒng)計(jì)年鑒 1991-2012 [M]. 北京:中國(guó)統(tǒng)計(jì)出版社, 2012.

[36]Houghton J T. IPCC guidelines for national greenhouse gas inventories [M]. IPCC WGI Technical Support Unit, 1997.

[37]陳操操,劉春蘭,田 剛,等.城市溫室氣體清單評(píng)價(jià)研究 [J]. 環(huán)境科學(xué), 2010,31(11):2780-2787.

[38]李國(guó)志,李宗植.中國(guó)二氧化碳排放的區(qū)域差異和影響因素研究[J]. 中國(guó)人口·資源與環(huán)境, 2010,20(5):22-27.

[39]Wold S, Ruhe A, Wold H, et al. The collinearity problem in linear regression. The partial least squares (PLS) approach to generalized inverses [J]. SIAM Journal on Scientific and Statistical Computing, 1984,5(3):735-743.

[40]王惠文,吳載斌,孟 潔.偏最小二乘回歸的線(xiàn)性與非線(xiàn)性方法[M]. 北京:國(guó)防工業(yè)出版社, 2006.

[41]York R. Demographic trends and energy consumption in European Union Nations, 1960-2025 [J]. Social Science Research,2007,36(3):855-872.

[42]Boserup E. Population and technological change: A study of long-term trends [M]. Chicago: University of Chicago Press,1981.

[43]彭希哲,朱 勤.我國(guó)人口態(tài)勢(shì)與消費(fèi)模式對(duì)碳排放的影響分析[J]. 人口研究, 2010,34(01):48-58.

[44]孫昌龍,靳 諾,張小雷,等.城市化不同演化階段對(duì)碳排放的影響差異 [J]. 地理科學(xué), 2013(03):266-272.

[45]Burton E. The compact city: just or just compact? A preliminary analysis [J]. Urban Studies, 2000,37(11):1969-2006.

[46]朱遠(yuǎn)程,張士杰.基于 STIRPAT模型的北京地區(qū)經(jīng)濟(jì)碳排放驅(qū)動(dòng)因素分析 [J]. 特區(qū)經(jīng)濟(jì), 2012(1):77-79.

[47]張 耘.北京科技創(chuàng)新能力還須提升 [J]. 中國(guó)改革, 2007(9):40-42.

[48]林劍藝,孟凡鑫,崔勝輝,等.城市能源利用碳足跡分析——以廈門(mén)市為例 [J]. 生態(tài)學(xué)報(bào), 2012,32(12):3782-3794.