陳志建 張立 張慶娟

摘要：城市低碳發(fā)展是我國生態(tài)文明建設(shè)的重要抓手，而“強(qiáng)省會”戰(zhàn)略對區(qū)域間的協(xié)調(diào)發(fā)展產(chǎn)生了重要影響，這就為“強(qiáng)省會”戰(zhàn)略下長江經(jīng)濟(jì)帶城市的低碳經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)選擇提出了新要求?！灸康摹垦芯靠坍嬮L江經(jīng)濟(jì)帶地級市行業(yè)的低碳經(jīng)濟(jì)效應(yīng)，探討產(chǎn)業(yè)選擇問題?！痉椒ā垦芯坎捎秒S機(jī)森林模型?！窘Y(jié)果】長江經(jīng)濟(jì)帶城市行業(yè)碳減排潛力較大，其中建筑業(yè)最大?！皬?qiáng)省會”戰(zhàn)略下，上海、武漢、重慶、成都的產(chǎn)業(yè)低碳經(jīng)濟(jì)發(fā)展較為充分，南昌、貴陽、昆明、長沙等小核心省會城市制造業(yè)和部分社會服務(wù)業(yè)等產(chǎn)業(yè)的減排潛力較大?！窘Y(jié)論】省會城市應(yīng)重點(diǎn)發(fā)展社會服務(wù)業(yè)，非省會城市根據(jù)自身資源稟賦，選取具有自身特色的產(chǎn)業(yè)重點(diǎn)發(fā)展。

關(guān)鍵詞：強(qiáng)省會；低碳城市；碳生產(chǎn)率；產(chǎn)業(yè)選擇

中圖分類號：F291.1 文獻(xiàn)標(biāo)志碼：A

文章編號：1005-0523（2024）02-0118-9

Under the Strategy of “Strengthening Provincial Capital”，

Low Carbon Economic and Industrial Choice

in the Yangtze River Economic Belt

Chen Zhijian， Zhang Li， Zhang Qingjuan

（School of Economics and Management， East China Jiaotong University， Nanchang 330013， China）

Abstract： The low-carbon development of cities is an important lever in China's ecological civilization construction， and the “strong provincial capital” strategy has had a significant impact on the coordinated development between regions， which puts forward new requirements for the low-carbon economic development and industrial selection of cities in the Yangtze River Economic Belt under the “strong provincial capital” strategy. 【Objective】 The study describe the low-carbon economic effects of the industries in the prefecture level cities of the Yangtze River Economic Belt， and discusses the problem of industry selection. 【Method】 The study uses the random forest model. 【Result】 The carbon emission reduction potential of urban industries in the Yangtze River Economic Belt is significant， with the construction industry being the largest. Under the strategy of “strengthening provincial capitals”， Shanghai， Wuhan， Chongqing， and Chengdu have relatively full development of low-carbon industries， while small core provincial capitals such as Nanchang， Guiyang， Kunming， and Changsha have great potential for emission reduction in manufacturing and some social service industries. 【Conclusion】 Provincial capital cities should focus on developing social service industries， while non provincial capital cities should select industries with their own characteristics for key development based on their own resource endowments.

Key words： strengthen provincial capital; low carbon city; carbon productivity; industry selection

Citation format： CHEN Z J， ZHANG L， ZHANG Q J. Under the strategy of “strengthening provincial capital”， low carbon economic and industrial choice in the Yangtze River Economic Belt[J]. Journal of East China Jiaotong University， 2024， 41（2）： 118-126.

【研究意義】壯大中心城市、省會城市，實(shí)施“強(qiáng)省會”戰(zhàn)略，進(jìn)一步增強(qiáng)對其他城市的輻射帶動作用，是實(shí)現(xiàn)經(jīng)濟(jì)協(xié)調(diào)發(fā)展的重要舉措。然而，“強(qiáng)省會”戰(zhàn)略在通過省會城市快速發(fā)展拉動全省域經(jīng)濟(jì)的同時，也導(dǎo)致了城市產(chǎn)業(yè)同構(gòu)、環(huán)境污染加劇等問題，從而導(dǎo)致戰(zhàn)略實(shí)施“大而不強(qiáng)”[1]。特別是在我國承諾“2030年前碳達(dá)峰、2060年前碳中和”目標(biāo)背景下，城市低碳經(jīng)濟(jì)發(fā)展是當(dāng)前我國亟需解決的現(xiàn)實(shí)問題，是我國高質(zhì)量發(fā)展的內(nèi)在要求[2]。顯然，低碳經(jīng)濟(jì)發(fā)展模式是在現(xiàn)有的經(jīng)濟(jì)結(jié)構(gòu)基礎(chǔ)上，利用技術(shù)創(chuàng)新和產(chǎn)業(yè)引導(dǎo)，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)布局，提高單位GDP能源利用效率，以此來控制污染物排放，實(shí)現(xiàn)經(jīng)濟(jì)與環(huán)境和諧發(fā)展[3]。由此觀之，研究“強(qiáng)省會”戰(zhàn)略下城市低碳經(jīng)濟(jì)發(fā)展及其產(chǎn)業(yè)選擇問題，對探索區(qū)域經(jīng)濟(jì)發(fā)展之路具有重要的學(xué)術(shù)價值和現(xiàn)實(shí)意義。

【研究進(jìn)展】現(xiàn)有研究表明，“強(qiáng)省會”戰(zhàn)略下，省會城市發(fā)展伴隨一定的輻射效應(yīng)[4]和溢出效應(yīng)[5]，特別是具有關(guān)聯(lián)性的產(chǎn)業(yè)，其溢出效應(yīng)更強(qiáng)。但部分研究也顯示“強(qiáng)省會”戰(zhàn)略是通過城市擴(kuò)張和資源虹吸來加速省會城市經(jīng)濟(jì)發(fā)展[6]，這就意味著“強(qiáng)省會”戰(zhàn)略在一定程度上也會導(dǎo)致城市間發(fā)展不平衡和不協(xié)調(diào)等問題。

與此同時，對于低碳經(jīng)濟(jì)和產(chǎn)業(yè)選擇問題，鑒于市級數(shù)據(jù)的不可獲得性，大部分學(xué)者主要研究對象為國家和省域?qū)用鎇7-8]，也有少數(shù)研究通過降維的方式探討市級城市產(chǎn)業(yè)發(fā)展和低碳經(jīng)濟(jì)[9]。部分學(xué)者對城市低碳經(jīng)濟(jì)[10]和城市產(chǎn)業(yè)分工選擇[11-12]進(jìn)行系統(tǒng)分析和細(xì)致研究，但以上研究均是基于單個產(chǎn)業(yè)、單個城市探討城市低碳經(jīng)濟(jì)和產(chǎn)業(yè)選擇，未從全產(chǎn)業(yè)選擇視角研究城市低碳經(jīng)濟(jì)發(fā)展?！緞?chuàng)新特色】究其原因，一方面是數(shù)據(jù)的難獲得性，另一方面是在單方程回歸或計量模型中加入過多變量會導(dǎo)致模型出現(xiàn)多重共線性和自由度下降的現(xiàn)象，而遺漏部分變量又會導(dǎo)致模型內(nèi)生性和有偏估計的現(xiàn)象，相比之下，隨機(jī)森林模型能很好地解決這些問題[13-14]?！娟P(guān)鍵問題】采用機(jī)器學(xué)習(xí)中的隨機(jī)森林算法，以長江經(jīng)濟(jì)帶108個地級市為研究對象，將國民經(jīng)濟(jì)19大行業(yè)納入到隨機(jī)森林模型中，研究各行業(yè)的低碳經(jīng)濟(jì)效應(yīng)，探討城市低碳經(jīng)濟(jì)發(fā)展的產(chǎn)業(yè)選擇。

1 研究區(qū)域概況

長江經(jīng)濟(jì)帶擁有橫跨東中西三大地理區(qū)的區(qū)位優(yōu)勢，現(xiàn)階段主要以生態(tài)優(yōu)先、綠色發(fā)展為導(dǎo)向，推動長江上中下游地區(qū)協(xié)調(diào)發(fā)展和沿江地區(qū)高質(zhì)量發(fā)展[15]。近年來長江經(jīng)濟(jì)帶各省市通過“安徽合肥代管原巢湖市部分區(qū)縣”“四川成都代管簡陽市”“江西做大做強(qiáng)南昌大都市圈”“湖北武漢成為‘國家中心城市”等一系列舉措，形成了“強(qiáng)省會”發(fā)展態(tài)勢。因此，在“強(qiáng)省會”背景下，選取長江經(jīng)濟(jì)帶作為研究對象，對中國城市低碳經(jīng)濟(jì)發(fā)展與區(qū)域協(xié)調(diào)發(fā)展具有重要的現(xiàn)實(shí)指導(dǎo)意義。

2 研究方法與數(shù)據(jù)來源

2.1 城市低碳經(jīng)濟(jì)核算

碳生產(chǎn)率作為低碳經(jīng)濟(jì)的衡量指標(biāo)，表示為單位二氧化碳排放量所產(chǎn)生的GDP，即同期內(nèi)地區(qū)GDP與二氧化碳排放量之比。碳生產(chǎn)率從經(jīng)濟(jì)學(xué)角度表示為衡量一個經(jīng)濟(jì)體消耗單位碳資源所帶來的相應(yīng)產(chǎn)出[16]，其值越大意味著以更少的能源消耗帶來更多的產(chǎn)出，代表該地區(qū)低碳經(jīng)濟(jì)越發(fā)達(dá)，反之，說明該地區(qū)經(jīng)濟(jì)產(chǎn)出的同時伴隨著高碳排放。而對于城市碳生產(chǎn)率，受限于數(shù)據(jù)的真實(shí)性和可獲得性，市級二氧化碳排放量核算難度較大。通過夜間燈光數(shù)據(jù)擬合的市級甚至縣級二氧化碳排放量得到廣泛應(yīng)用[17-18]。研究采用Chen等開發(fā)生成的NPP-VIIRS-LIKE夜間燈光數(shù)據(jù)[19]核算出2003—2019年長江經(jīng)濟(jì)帶城市二氧化碳排放量。并利用城市同期GDP與該二氧化碳排放量之比計算出各城市碳生產(chǎn)率。

2.2 隨機(jī)森林模型

一般的多元線性回歸模型可能因變量過多而受多重共線性、自由度下降等問題的影響，導(dǎo)致結(jié)果不顯著，而隨機(jī)森林模型能很好地解決這類問題且回歸精度更高。隨機(jī)森林（Random Forest）是Breiman在決策樹（回歸樹）的基礎(chǔ)上提出的一種集成學(xué)習(xí)的方法[20]。

隨機(jī)森林模型在研究中的應(yīng)用，有3層經(jīng)濟(jì)含義：① 對于隨機(jī)森林中每棵決策樹而言，樹越頂端的行業(yè)對模型殘差平方和影響越大，即對城市低碳經(jīng)濟(jì)的作用越大。② 樹的每個分裂點(diǎn)代表一個行業(yè)的閾值，通過多個行業(yè)閾值的選擇，確定不同行業(yè)結(jié)構(gòu)的低碳經(jīng)濟(jì)效果。③ 偏效應(yīng)大小體現(xiàn)了各行業(yè)對低碳經(jīng)濟(jì)的影響程度，即各行業(yè)就業(yè)人口的增加所帶來的邊際碳生產(chǎn)率的提升。

此外，以產(chǎn)業(yè)分工為基礎(chǔ)的城市職能一定程度上體現(xiàn)了城市的產(chǎn)業(yè)發(fā)展水平[21]，因而將能反應(yīng)城市職能現(xiàn)狀的國民經(jīng)濟(jì)19大行業(yè)就業(yè)人口納入到隨機(jī)森林模型中，揭示各城市各行業(yè)碳生產(chǎn)率之間的關(guān)系，探究“強(qiáng)省會”戰(zhàn)略下長江經(jīng)濟(jì)帶各城市低碳經(jīng)濟(jì)的產(chǎn)業(yè)選擇及其發(fā)展路徑。根據(jù)國民經(jīng)濟(jì)行業(yè)分類標(biāo)準(zhǔn)GB/T 4752-2002分類，19大行業(yè)分別為：農(nóng)林牧漁業(yè)、采掘業(yè)、電力煤氣及水生產(chǎn)供應(yīng)業(yè)、制造業(yè)、建筑業(yè)、交通倉儲郵電業(yè)、金融業(yè)、科研技術(shù)服務(wù)和地質(zhì)勘查業(yè)、租賃和商業(yè)服務(wù)業(yè)、信息傳輸計算機(jī)服務(wù)和軟件業(yè)、住宿餐飲業(yè)、批發(fā)零售貿(mào)易業(yè)、居民服務(wù)和其他服務(wù)業(yè)、文化體育和娛樂業(yè)、房地產(chǎn)業(yè)、水利環(huán)境和公共設(shè)施管理業(yè)、衛(wèi)生社會保險和社會福利業(yè)、教育業(yè)、公共管理和社會組織業(yè)。

對于城市低碳經(jīng)濟(jì)，IPAT模型是研究環(huán)境與社會因素之間問題的經(jīng)典模型[22]，其表達(dá)式為

[I=P×A×T] （1）

式中：I為環(huán)境壓力；P為人口規(guī)模；A為富裕程度；T為技術(shù)水平?？梢?，人口、財富和技術(shù)水平是影響環(huán)境的三大主要因素本研究選取年末人口數(shù)（單位：萬人），人均GDP（單位：元）和專利授權(quán)數(shù)（單位：件）三大變量分別代表人口、財富和技術(shù)水平，并將其加入到隨機(jī)森林模型中，模型的自變量為低碳經(jīng)濟(jì)的碳生產(chǎn)率。

對于隨機(jī)森林模型，其每次所考慮的變量個數(shù)mtry屬于關(guān)鍵性參數(shù)，對此通過最小化交叉驗(yàn)證誤差確定，當(dāng)mtry=5的時候，交叉驗(yàn)證誤差達(dá)到最小值1.38，故選定參數(shù)mtry=5。此外，自主樣本數(shù)B=500。

2.3 數(shù)據(jù)來源

基于數(shù)據(jù)的完整度，采用2003—2019年長江經(jīng)濟(jì)帶108個地級市（畢節(jié)、銅仁數(shù)據(jù)嚴(yán)重缺失）面板數(shù)據(jù)。數(shù)據(jù)來源主要包括：① Chen等生成的2003—2019年NPP-VIIRS-LIKE夜間燈光年度擴(kuò)展序列數(shù)據(jù)[19]，公布在哈佛大學(xué)的數(shù)據(jù)公開網(wǎng)站上（https：//dataverse.harvard.edu/dataset.xhtml？persistentId=doi：10.7910/DVN/YGIVCD）；② 2003—2018年長江經(jīng)濟(jì)帶11個省碳排放數(shù)據(jù)來源中國碳排放數(shù)據(jù)庫（www.ceads.net）；③ 2003—2019年長江經(jīng)濟(jì)帶地級市人口、人均GDP及國民經(jīng)濟(jì)19大行業(yè)就業(yè)人口來源于EPS數(shù)據(jù)平臺的中國城市數(shù)據(jù)庫，極少部分缺失值采用插值法進(jìn)行補(bǔ)充；④ 2003—2019年長江經(jīng)濟(jì)帶地級市專利授權(quán)數(shù)數(shù)據(jù)來源于國家知識產(chǎn)權(quán)局。

3 實(shí)證分析

3.1 長江經(jīng)濟(jì)帶城市行業(yè)低碳經(jīng)濟(jì)效應(yīng)分析

長江經(jīng)濟(jì)帶城市各行業(yè)對低碳經(jīng)濟(jì)影響因子的重要性排序，見圖1。圖1中l(wèi)ncMSE為精度平均減少值，指將該變量刪除或隨機(jī)取值后模型估算的誤差相對原來誤差升高的幅度，其值越大，說明該變量越重要。從圖1中可以看出，專利授權(quán)、人均GDP和人口三大因素的重要性程度排名均在前列，說明長江經(jīng)濟(jì)帶城市人口、財富、技術(shù)仍是影響城市低碳經(jīng)濟(jì)的重要指標(biāo)。

圖2為國民經(jīng)濟(jì)19大行業(yè)發(fā)展對長江經(jīng)濟(jì)帶城市低碳經(jīng)濟(jì)影響的偏效應(yīng)圖，即各行業(yè)對長江經(jīng)濟(jì)帶城市碳生產(chǎn)率的邊際效應(yīng)。

從圖2中可以看出，每個行業(yè)發(fā)展的低碳經(jīng)濟(jì)效應(yīng)可分為兩部分，前部分為行業(yè)低碳經(jīng)濟(jì)發(fā)展不充分階段，城市碳生產(chǎn)率的邊際效應(yīng)會隨著行業(yè)從業(yè)人員的增加或減少而變化，處于此階段的城市行業(yè)稱為未充分發(fā)展；后半部分為行業(yè)低碳經(jīng)濟(jì)發(fā)展充分階段，城市碳生產(chǎn)率的邊際效應(yīng)保持穩(wěn)定，不會隨行業(yè)從業(yè)人員的增加或減少而明顯變化，處于此階段的城市行業(yè)稱為充分發(fā)展。此外，高碳生產(chǎn)率的行業(yè)有：建筑業(yè)、采掘業(yè)、公共管理和社會組織業(yè)、農(nóng)林牧漁業(yè)、信息傳輸計算機(jī)服務(wù)和軟件業(yè)、電力煤氣及水生產(chǎn)供應(yīng)業(yè)、衛(wèi)生社會保險和社會福利業(yè)、居民服務(wù)和其他服務(wù)業(yè)、制造業(yè)，這些行業(yè)充分發(fā)展階段的碳生產(chǎn)率邊際效應(yīng)均為2以上。

結(jié)合圖1和圖2進(jìn)行分析，從產(chǎn)業(yè)結(jié)構(gòu)來看，對長江經(jīng)濟(jì)帶城市碳生產(chǎn)率的影響最大的前五大行業(yè)為建筑業(yè)、采掘業(yè)、批發(fā)零售貿(mào)易業(yè)、交通倉儲郵電業(yè)、公共管理和社會組織業(yè)，主要集中在工業(yè)和一般生產(chǎn)性服務(wù)業(yè)。其中，建筑業(yè)是唯一一個重要程度超過20%的行業(yè)，并且從偏效應(yīng)圖來看，處于未充分發(fā)展階段的建筑業(yè)有利于提高城市的碳生產(chǎn)率，可見建筑業(yè)屬于發(fā)展城市低碳經(jīng)濟(jì)的重點(diǎn)行業(yè)。從各行業(yè)低碳經(jīng)濟(jì)效應(yīng)來看，4個行業(yè)未充分發(fā)展階段有利于提高城市碳生產(chǎn)率，分別為：建筑業(yè)、信息傳輸計算機(jī)服務(wù)和軟件業(yè)、衛(wèi)生社會保險和社會福利業(yè)、居民服務(wù)和其他服務(wù)業(yè)；5個行業(yè)未充分發(fā)展階段不利于提高長江經(jīng)濟(jì)帶城市碳生產(chǎn)率，分別為：批發(fā)零售貿(mào)易業(yè)、交通倉儲郵電業(yè)、租賃和商業(yè)服務(wù)業(yè)、教育業(yè)、住宿餐飲業(yè)；10個行業(yè)未充分發(fā)展階段與城市碳生產(chǎn)率之間整體呈“U”型關(guān)系，分別為：采掘業(yè)、公共管理和社會組織業(yè)、農(nóng)林牧漁業(yè)、電力煤氣及水生產(chǎn)供應(yīng)業(yè)、房地產(chǎn)業(yè)、文化體育和娛樂業(yè)、水利環(huán)境和公共設(shè)施管理業(yè)、制造業(yè)、科研技術(shù)服務(wù)和地質(zhì)勘查業(yè)、金融業(yè)，其中僅金融業(yè)呈倒“U”型。此外，在19大行業(yè)中，13個行業(yè)在達(dá)到充分發(fā)展階段前都能提高城市低碳經(jīng)濟(jì)效應(yīng)，說明行業(yè)發(fā)展的低碳經(jīng)濟(jì)效應(yīng)潛力巨大。這就為“強(qiáng)省會”戰(zhàn)略下長江經(jīng)濟(jì)帶城市低碳經(jīng)濟(jì)的產(chǎn)業(yè)選擇及其發(fā)展路徑提供了重要參考。

3.2 “強(qiáng)省會”戰(zhàn)略下長江經(jīng)濟(jì)帶城市低碳經(jīng)濟(jì)發(fā)展及產(chǎn)業(yè)選擇

結(jié)合圖2各行業(yè)低碳經(jīng)濟(jì)的偏效應(yīng)和2019年長江經(jīng)濟(jì)帶108個地級市各行業(yè)數(shù)據(jù)，得出2019年長江經(jīng)濟(jì)帶城市低碳經(jīng)濟(jì)效應(yīng)的發(fā)展現(xiàn)狀，見圖3，白色方格代表該城市該行業(yè)低碳經(jīng)濟(jì)處于充分發(fā)展階段，從業(yè)人員數(shù)的增加與減少對城市碳生產(chǎn)率的影響不大，非白色方格代表該城市該行業(yè)低碳經(jīng)濟(jì)處于未充分發(fā)展階段，從業(yè)人員數(shù)的增加或減少影響著城市碳生產(chǎn)率，其中，陰影方格代表該城市該行業(yè)處于從業(yè)人員數(shù)增加會降低城市碳生產(chǎn)率的階段，灰色方格代表該城市該行業(yè)處于從業(yè)人員數(shù)增加會提高城市碳生產(chǎn)率的階段。

從圖3可以看出，2019年長江經(jīng)濟(jì)帶9個省會城市和2個直轄市19大行業(yè)的低碳經(jīng)濟(jì)大部分發(fā)展充分，但不同城市仍有區(qū)別，上海、武漢、重慶、成都等三大典型城市群核心省會城市（包括直轄市，下同）的各行業(yè)低碳經(jīng)濟(jì)發(fā)展基本充分，“強(qiáng)省會”戰(zhàn)略成效顯著；南昌、貴陽、昆明、長沙等非城市群核心省會城市制造業(yè)和部分社會服務(wù)業(yè)低碳經(jīng)濟(jì)發(fā)展的潛力仍在，這些省份“強(qiáng)省會”戰(zhàn)略的落實(shí)有利于進(jìn)一步促進(jìn)省會城市低碳經(jīng)濟(jì)發(fā)展。此外，“強(qiáng)省會”戰(zhàn)略下，省會城市對周邊非省會城市虹吸現(xiàn)象明顯，核心城市附近的非省會城市存在較多行業(yè)低碳經(jīng)濟(jì)發(fā)展不充分，其19大行業(yè)低碳經(jīng)濟(jì)發(fā)展均不充分。對于省會城市而言，大部分行業(yè)低碳經(jīng)濟(jì)發(fā)展充分，這些行業(yè)低碳經(jīng)濟(jì)充分發(fā)展階段碳生產(chǎn)率較低，但未充分發(fā)展階段可促進(jìn)低碳經(jīng)濟(jì)發(fā)展。其次，省會城市大部分低碳經(jīng)濟(jì)發(fā)展不充分的行業(yè)為文化體育和娛樂業(yè)、居民服務(wù)和其他服務(wù)業(yè)、水利環(huán)境和公共設(shè)施管理業(yè)等社會服務(wù)業(yè)，并且省會城市這些行業(yè)的發(fā)展均能提升碳生產(chǎn)率，這部分社會服務(wù)業(yè)應(yīng)成為省會城市低碳經(jīng)濟(jì)要求下的重點(diǎn)發(fā)展產(chǎn)業(yè)。省會城市這些行業(yè)的發(fā)展不僅能提高碳生產(chǎn)率，而且能改善人口和經(jīng)濟(jì)體量大幅增加與公共服務(wù)供給不配套而降低城市化質(zhì)量[23]的情況。綜上所述，南京、杭州、合肥、重慶和武漢應(yīng)注重電力煤氣及水生產(chǎn)供應(yīng)業(yè)與居民服務(wù)和其他服務(wù)業(yè)的發(fā)展，而長沙、昆明、貴陽和南昌除發(fā)展以上兩種行業(yè)外還應(yīng)重點(diǎn)發(fā)展制造業(yè)、文化體育和娛樂業(yè)與水利環(huán)境，此外，昆明的采掘業(yè)和成都的農(nóng)林牧漁業(yè)的進(jìn)一步發(fā)展有利于促進(jìn)城市的低碳經(jīng)濟(jì)。

對于非省會城市而言，特別是在發(fā)展不足的中西部地區(qū)城市，大部分行業(yè)低碳經(jīng)濟(jì)發(fā)展不充分，應(yīng)結(jié)合自身資源稟賦，針對性地選擇部分產(chǎn)業(yè)發(fā)展。此外，部分近鄰地方城市之間的產(chǎn)業(yè)可協(xié)調(diào)互補(bǔ)發(fā)展，部分城市可針對自身低碳經(jīng)濟(jì)發(fā)展的劣勢產(chǎn)業(yè)，與具有產(chǎn)業(yè)互補(bǔ)性質(zhì)的近鄰城市協(xié)同發(fā)展，打造各自城市的特色低碳經(jīng)濟(jì)產(chǎn)業(yè)的同時提高碳生產(chǎn)率。

4 結(jié)論

研究利用夜間燈光數(shù)據(jù)擬合城市二氧化碳排放量，并以此核算2003—2019 年長江經(jīng)濟(jì)帶108個地級市的碳生產(chǎn)率。利用這一數(shù)據(jù)，在現(xiàn)階段強(qiáng)調(diào)“強(qiáng)省會”戰(zhàn)略背景下，通過隨機(jī)森林模型，分析了國民經(jīng)濟(jì)19 大行業(yè)的城市低碳經(jīng)濟(jì)效應(yīng)，探討了長江經(jīng)濟(jì)帶省會城市和非省會城市低碳經(jīng)濟(jì)協(xié)調(diào)發(fā)展及產(chǎn)業(yè)選擇等問題，這對地區(qū)發(fā)揮比較優(yōu)勢，并制定優(yōu)勢互補(bǔ)、低碳經(jīng)濟(jì)發(fā)展的區(qū)域產(chǎn)業(yè)布局具有重要理論意義和現(xiàn)實(shí)價值。

1） 城市的行業(yè)低碳經(jīng)濟(jì)效應(yīng)潛力巨大，建筑業(yè)低碳經(jīng)濟(jì)效應(yīng)最強(qiáng)。從實(shí)證結(jié)果來看，國民經(jīng)濟(jì)19 大行業(yè)中有13 個行業(yè)在達(dá)到低碳經(jīng)濟(jì)充分發(fā)展之前能提高低碳經(jīng)濟(jì)效應(yīng)，這為長江經(jīng)濟(jì)帶在推動結(jié)構(gòu)性改革進(jìn)程中，實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)升級優(yōu)化和低碳經(jīng)濟(jì)的可持續(xù)發(fā)展提供了重要支撐。此外，建筑業(yè)對城市低碳經(jīng)濟(jì)影響最大，且在未充分發(fā)展階段能提高城市低碳經(jīng)濟(jì)效應(yīng)。建筑業(yè)作為國民經(jīng)濟(jì)發(fā)展的重要支柱產(chǎn)業(yè)，伴隨著巨大的能源消耗和碳排放，但其能耗存在碳鎖定效應(yīng)，只在建筑過程中產(chǎn)生碳排放。因此建筑業(yè)存在巨大的減排潛力，通過優(yōu)化建筑材料，提升建筑質(zhì)量，延長建筑壽命等方法能有效地提高城市建筑業(yè)的低碳經(jīng)濟(jì)效應(yīng)。

2） 從城市低碳經(jīng)濟(jì)的行業(yè)發(fā)展角度來看，長江經(jīng)濟(jì)帶各省實(shí)施“強(qiáng)省會”戰(zhàn)略效果顯著?！皬?qiáng)省會”戰(zhàn)略引起了一定程度的虹吸效應(yīng)，省會城市的大部分行業(yè)低碳經(jīng)濟(jì)得到充分發(fā)展，而周邊非省會城市的多數(shù)行業(yè)低碳經(jīng)濟(jì)發(fā)展不充分。根據(jù)弗里德曼的“核心-邊緣”理論，區(qū)域經(jīng)濟(jì)發(fā)展會經(jīng)歷核心區(qū)不斷集聚邊緣資源和生產(chǎn)要素而快速發(fā)展，進(jìn)而通過輻射效應(yīng)帶動邊緣區(qū)形成小核心區(qū)發(fā)展的過程。在“強(qiáng)省會”戰(zhàn)略下，上海、武漢、重慶、成都作為長江經(jīng)濟(jì)帶三大典型城市群大核心省會城市，其產(chǎn)業(yè)低碳經(jīng)濟(jì)通過資源虹吸效應(yīng)得到了充分發(fā)展。在這些大核心省會城市輻射效應(yīng)帶動下，南昌、貴陽、昆明、長沙等長江經(jīng)濟(jì)帶小核心省會城市的部分產(chǎn)業(yè)低碳經(jīng)濟(jì)也得到充分發(fā)展，但對于制造業(yè)和部分社會服務(wù)業(yè)，低碳經(jīng)濟(jì)發(fā)展的潛力仍在。

3） 實(shí)施“強(qiáng)省會”戰(zhàn)略必定導(dǎo)致區(qū)域發(fā)展的不平衡，“強(qiáng)省會”戰(zhàn)略是加劇了城市間發(fā)展差距還是“大帶小”使各城市協(xié)同發(fā)展，關(guān)鍵在于區(qū)域間城市的產(chǎn)業(yè)選擇和協(xié)同調(diào)控。一方面，省會城市應(yīng)重點(diǎn)發(fā)展文化體育和娛樂業(yè)、居民服務(wù)和其他服務(wù)業(yè)、水利環(huán)境和公共設(shè)施管理業(yè)等社會服務(wù)業(yè)，這不僅能促進(jìn)省會城市的低碳經(jīng)濟(jì)發(fā)展，還能解決省會城市快速發(fā)展帶來的公共資源不匹配等問題。此外，非省會城市應(yīng)根據(jù)自身資源稟賦以及產(chǎn)業(yè)的發(fā)展水平，發(fā)揮比較優(yōu)勢，選取部分產(chǎn)業(yè)重點(diǎn)發(fā)展，使得城市在促進(jìn)低碳經(jīng)濟(jì)發(fā)展的同時還形成了具有自身特色的重點(diǎn)產(chǎn)業(yè)。另一方面，省會城市可發(fā)揮輻射效應(yīng)帶動非省會城市發(fā)展。對于處于充分發(fā)展階段但碳生產(chǎn)率不高的房地產(chǎn)產(chǎn)業(yè)和部分社會服務(wù)業(yè)，省會城市可將這些產(chǎn)業(yè)轉(zhuǎn)移到部分能提升碳生產(chǎn)率的非省會城市。此外，鄰近的非省會城市之間可進(jìn)行產(chǎn)業(yè)協(xié)調(diào)互補(bǔ)發(fā)展，城市可根據(jù)自身產(chǎn)業(yè)的低碳經(jīng)濟(jì)發(fā)展水平，與具有產(chǎn)業(yè)互補(bǔ)性質(zhì)的近鄰城市資源互換，使得各自城市打造出具有城市特色的低碳經(jīng)濟(jì)產(chǎn)業(yè)。

參考文獻(xiàn)：

[1]? ?張航， 丁任重. 實(shí)施“強(qiáng)省會”戰(zhàn)略的現(xiàn)實(shí)基礎(chǔ)及其可能取向[J]. 改革， 2020（8）： 147-158.

ZHANG H， DING R Z. The realistic basis and possible orientation of implementing the strategy of “strengthening the provincial capital”[J]. Reform， 2020（8）： 147-158.

[2]? ?陳志建， 周超， 康梓澳， 等. 環(huán)境規(guī)制對經(jīng)濟(jì)高質(zhì)量發(fā)展影響研究[J]. 華東交通大學(xué)學(xué)報， 2021， 38（1）： 131-135.

CHEN Z J， ZHOU C， KANG X A， et al. Influence of environmental regulations on high-quality economic development[J]. Journal of East China Jiaotong University， 2021， 38（1）： 131-135.

[3]? ?鄔彩霞. 中國低碳經(jīng)濟(jì)發(fā)展的協(xié)同效應(yīng)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.

[4]? ?莊羽， 楊水利. “強(qiáng)省會”戰(zhàn)略對區(qū)域創(chuàng)新發(fā)展的影響——輻射還是虹吸？[J]. 中國軟科學(xué)， 2021（8）： 86-94.

ZHUANG Y， YANG S L. Influence of “building a strong provincial capital” strategy on regional innovation development： radiation or siphon effect？[J]. China Soft Science， 2021（8）： 86-94.

[5]? ?趙奎， 后青松， 李巍. 省會城市經(jīng)濟(jì)發(fā)展的溢出效應(yīng)——基于工業(yè)企業(yè)數(shù)據(jù)的分析[J]. 經(jīng)濟(jì)研究， 2021， 56（3）： 150-166.

ZHAO K， HOU Q S， LI W. Spillover effects of economic development in provincial capitals： An analysis based on industrial enterprise data[J]. Economic Research Journal， 2021， 56（3）： 150-166.

[6]? ?LU L， GUO H， CORBANE C， et al. Urban sprawl in provincial capital cities in China： Evidence from multi-temporal urban land products using Landsat data[J]. Science Bulletin， 2019， 64（14）： 955-957.

[7]? ?孫華平， 杜秀梅. 全球價值鏈嵌入程度及地位對產(chǎn)業(yè)碳生產(chǎn)率的影響[J]. 中國人口·資源與環(huán)境， 2020， 30（7）： 27-37.

SUN H P， DU X M. The impact of global value chain's participation degree and position on industrial carbon productivity[J]. China Population， Resources and Environment， 2020， 30（7）： 27-37.

[8]? ?余壯雄， 陳婕， 董潔妙. 通往低碳經(jīng)濟(jì)之路： 產(chǎn)業(yè)規(guī)劃的視角[J]. 經(jīng)濟(jì)研究， 2020， 55（5）： 116-132.

YU Z X， CHEN J， DONG J M. The road to a low-carbon economy： The perspective of industrial plans[J]. Economic Research Journal， 2020， 55（5）： 116-132.

[9]? ?王浦， 周進(jìn)生， 王春芳， 等. 礦業(yè)城市低碳發(fā)展與綠色礦山建設(shè)[J]. 中國人口·資源與環(huán)境， 2014， 24（S1）： 16-18.

WANG P， ZHOU J S， WANG C F， et al. Development of mining city's low-carbon economy and construction of green mine research[J]. China Population， Resources and Environment， 2014， 24（S1）： 16-18.

[10] 李濤. 城市低碳經(jīng)濟(jì)的模糊數(shù)學(xué)評價研究[J]. 中國管理科學(xué)， 2015， 23（S1）： 744-748.

LI T. Fuzzy mathematical evaluation research of urban low-carbon economy[J]. Chinese Journal of Management Science， 2015， 23（S1）： 744-748.

[11] 史雅娟， 朱永彬， 黃金川. 中原城市群產(chǎn)業(yè)分工格局演變與功能定位研究[J]. 經(jīng)濟(jì)地理， 2017， 37（11）： 84-91.

SHI Y J， ZHU Y B， HUANG J C. Evolution of industrial specialization pattern in zhongyuan urban agglomeration and its functional orientation[J]. Economic Geography， 2017， 37（11）： 84-91.

[12] 侯杰， 張梅青. 城市群功能分工對區(qū)域協(xié)調(diào)發(fā)展的影響研究——以京津冀城市群為例[J]. 經(jīng)濟(jì)學(xué)家， 2020（6）： 77-86.

HOU J， ZHANG M Q. Study on the influence of functional division of urban agglomerations on regional coordinated development——taking Beijing-Hebei urban agglomeration as an example[J]. Economist， 2020（6）：77-86.

[13] 歐陽志剛， 陳普. 要素稟賦、地方工業(yè)行業(yè)發(fā)展與行業(yè)選擇[J]. 經(jīng)濟(jì)研究， 2020， 55（1）： 82-98.

OUYANG Z G， CHEN P. Factor endowment， local industrial development and selecting industries[J]. Economic Research Journal， 2020， 55（1）： 82-98.

[14] 閆廣華， 陳曦， 張云. 基于隨機(jī)森林模型的東北地區(qū)收縮城市分布格局及影響因素研究[J]. 地理科學(xué)， 2021， 41（5）： 880-889.

YAN G H， CHEN X， ZHANG Y. Shrinking cities distribution pattern and influencing factors in northeast China based on random forest model[J]. Scientia Geographica Sinica， 2021， 41（5）： 880-889.

[15] 孫久文， 張可云， 安虎森， 等. “建立更加有效的區(qū)域協(xié)調(diào)發(fā)展新機(jī)制”筆談[J]. 中國工業(yè)經(jīng)濟(jì)， 2017， 356（11）： 26-61.

SUN J W， ZHANG K Y， AN H S， et al. Commentary on establishing a more effective and new mechanism foe regional coordinated development[J]. China Industrial Economics， 2017， 356（11）： 26-61.

[16] 潘家華， 張麗峰. 我國碳生產(chǎn)率區(qū)域差異性研究[J]. 中國工業(yè)經(jīng)濟(jì)， 2011（5）： 47-57.

PAN J H， ZHANG L F. Research on the regional variation of carbon productivity in China[J]. China Industrial Economics， 2011（5）： 47-57.

[17] 杜海波， 魏偉， 張學(xué)淵， 等. 黃河流域能源消費(fèi)碳排放時空格局演變及影響因素——基于DMSP/OLS與NPP/VIIRS夜間燈光數(shù)據(jù)[J]. 地理研究， 2021， 40（7）： 2051-2065.

DU H B， WEI W， ZHANG X Y， et al. Spatio-temporal evolution and influencing factors of energy-related carbon emissions in the yellow river basin： Based on the DMSP/VIIRS nighttime light data[J]. Geographical Research， 2021， 40（7）： 2051-2065.

[18] 呂倩， 劉海濱. 基于夜間燈光數(shù)據(jù)的黃河流域能源消費(fèi)碳排放時空演變多尺度分析[J]. 經(jīng)濟(jì)地理， 2020， 40（12）： 12-21.

LYU Q， LIU H B. Multiscale spatio-temporal characteristics of carbon emission of energy consumption in yellow river basin based on the nighttime light datasets[J]. Economic Geography， 2020， 40（12）： 12-21.

[19] CHEN Z， YU B， YANG C， et al. An extended time series （2000—2018） of global NPP-VIIRS-like nighttime light data from a cross-sensor calibration[J]. Earth System Science Data， 2021， 13（3）： 889-906.

[20] BREIMAN L. Random forests[J]. Machine Learning， 2001， 45（1）： 5-32.

[21] 王振波， 羅奎， 宋潔， 等. 2000年以來長江經(jīng)濟(jì)帶城市職能結(jié)構(gòu)演變特征及戰(zhàn)略思考[J]. 地理科學(xué)進(jìn)展， 2015， 34（11）： 1409-1418.

WANG Z B， LUO K， SONG J， et al. Characteristics of change and strategic considerations of the structure of urban functional divisions in the Yangtze River Economic Belt since 2000[J]. Progress in Geography， 2015， 34（11）： 1409-1418.

[22] 吳青龍， 王建明， 郭丕斌. 開放STIRPAT模型的區(qū)域碳排放峰值研究——以能源生產(chǎn)區(qū)域山西省為例[J]. 資源科學(xué)， 2018， 40（5）： 1051-1062.

WU Q L， WANG J M， GUO P B. Peak regional carbon emissions based on open STIRPAT modeling in an energy-producing region of Shanxi[J]. Resources Science， 2018， 40（5）： 1051-1062.

第一作者：陳志建（1983—），男，教授，博士，博士生導(dǎo)師，研究方向?yàn)樘紲p排政策，區(qū)域經(jīng)濟(jì)計算及模擬。

E-mail： czjliyan@163.com。

通信作者：張立（1997—），男，碩士研究生，研究方向?yàn)樘紲p排政策，區(qū)域經(jīng)濟(jì)。E-mail： zl19970330@163.com。