中部六省城市化对碳排放影响的实证分析.pdf

能源研究与管理2023,15(2)能源研究与管理2023,15(2)收稿日期：2022-12-28基金项目：江西省社会科学基金项目（21YJ09）；江西省教育厅科技项目（GJJ180762）；江西科技师范大学教学改革课题（JGYB-19-100-27）；江西科技师范大学研究生创新专项资金资助项目（YC2022-x03）；江西科技师范大学博士科研启动基金项目（2019BSQD019）第一作者：孙克（1984），女，讲师，硕士生导师，博士，主要研究方向为生态经济与区域发展管理。E-mail：*通信作者院况正钢（1998），男，本科生，主要研究方向为管理科学。E-mail：引用格式：孙克,况正钢,张信为.中部六省城市化对碳排放影响的实证分析J.能源研究与管理,2023,15(2):32-38,44.摘要：分析中部六省城市的城市化与碳排放关系可给中部城市的碳减排与城市发展提供参考。研究选取中国中部六省80个地级市的城市化和碳排放数据，分析中部地区城市化率和碳排放量的时空演变规律，进而构建STIRPAT模型，通过城市化过程中的各要素来分析城市化对碳排放量的影响。结果表明：大部分城市的城市化水平在不断提高，碳排放量也在增加，高城市化率和高碳排放量主要集中在省会城市和能源型城市；人口规模、人均GDP、第二产业比重对碳排放量的增加具有显著的促进作用，并且第二产业比重对碳排放的影响最大；能源消费强度与碳排放负相关，随着能源消费强度的增强，城市的碳排放量会减少；长期来看，城市化与碳排放呈现倒“U”型关系。因而对于一些省会城市和能源型城市需要控制人口、倡导节约和绿色消费、注重产业的转型和升级。关键词：城市化；碳排放；面板数据；STIRPAT模型；中部地区中图分类号：TK018文献标志码：A文章编号：20967705（2023）02003207SUN Ke,KUANG Zhenggang*,ZHANG Xinwei（School of Economics and Management,Jiangxi Science and Technology Normal University,Nanchang 330038,China）Analyzing the relationship between urbanization and carbon emission in six cities in central China can providereference for carbon emission reduction and urban development in central China.Based on the data of urbanization andcarbon emissions of 80 prefecture-level cities in six provinces in central China,this paper analyzes the temporal and spatialevolution law of urbanization rate and carbon emissions in central China,and then constructs a STIRPAT model to analyzethe impact of urbanization on carbon emissions through various factors in the process of urbanization.The results show thatthe urbanization level of most cities is constantly improving,and carbon emissions are also increasing.The high urbanizationrate and high carbon emissions are mainly concentrated in provincial capital cities and energy-based cities.Population size,per capita GDP and the proportion of the secondary industry have a significant role in promoting the increase of carbonemissions,and the proportion of the secondary industry has the greatest impact on carbon emissions.The intensity of energyDOI：10.16056/j.2096-7705.2023.02.005中部六省城市化对碳排放影响的实证分析孙克，况正钢*，张信为（江西科技师范大学经济管理学院，南昌330038）“低碳发展”专栏32窑窑能源研究与管理2023,15(2)能源研究与管理2023,15(2)引言城市经济发展是推动城市化发展的主要动力，一般来说经济越发达，城市化水平就越高，反之就越低。改革开放以来，中国经济高速发展，城市化水平迅速上升，2020年我国城市数量达到687个，城市化率从1978年的17.92%上升到2020年的63.89%1-3。总体上看我国正处在城市化的中期阶段，城市化水平较高但仍然呈现快速发展趋势，由于从沿海到内地的国家发展政策和沿海发达城市的产业转移，中部地区正处在城市化发展的中期阶段，该阶段的城市特点是城市基础较差但发展速度快。相比中部地区，东部城市的经济、科技水平相对更强，西部地区的资源优势明显，因而中部地区更需把握好发展与资源环境的问题。马明义等4构建新型城市化指标体系，新型城市化是资源节约、环境友好的具有5个维度的城市化，这5个维度分别是人口城市化、经济城市化、生态城市化、社会城市化和空间城市化，其中，人口城市化、经济城市化和生态城市化对碳排放的影响是正向的，社会城市化和空间城市化对碳排放的影响是负向的。耿海青5采用回归分析法，对19532002年的城市化发展指标同能源消费情况的关系开展了研究，其结论是肯定了城市化与能源消耗间存在普遍联系性，并且这种联系具有明显的正相关性。曲如晓等6基于面板数据，分析得出人均生产总值、劳动力、第二产业比值、对外开放度、能源消费强度与碳排放正相关，环境保护投资与城镇化对碳排放的影响较小，家庭规模则呈现负相关。李卫东等7证明碳排放与城镇化以及人口、人均GDP、能源消费强度、外贸开放度之间存在长期稳定的正相关的均衡关系，且城镇化与碳排放之间存在倒“U”型曲线关系。KHALID K等8以巴西、中国、印度、马来西亚、墨西哥、菲律宾和泰国7个国家为样本，研究城市化和电子产品消费之间的因果关系。结果显示城市化对7个国家的电子产品消费有显著的影响，同时指出城市人口和各种经济活动是碳排放形成的主要原因。张漫1通过门槛模型解决门槛值与参数、相关检验、门槛个数等问题，得出城市化的不同发展阶段对碳排放的影响是不同的，城市化水平对碳排放量的影响是非线性的，表现出明显的双重门槛特征。金洪9运用动态面板数据模型分析中国城市化率、居民消费水平对中国碳排放的影响。结果发现，城市化水平与居民消费水平都对碳排放规模有正向影响，而且城市化水平在我国碳排放影响因素中处于主导地位。以上研究观点对本文的研究具有重要借鉴意义，同时也存在一些不足。首先，如生态城市化等难以通过数据来描述，即便能够描述，相关的数据收集比较困难，所以不便进行实证研究，说服力不强；其次，有些研究肯定了城市化与碳排放存在普遍联系，但未进一步分析城市化是通过哪些传导机制作用的；最后，有些研究国家间的城市化与碳排放的关系，这样不能真正了解每个城市的具体状况，对城市的层面研究不足。本文主要采用计量经济学分析方法，理论与实证结合，收集中部六省80个城市20102017年的面板数据，分析中部地级市的城市化构成要素对碳排放的影响。首先进行理论分析，浏览往年相关的研究文献及材料，借鉴其他理论研究成果，深入了解城市化和碳排放的国内外研究现状；然后进行实证分析，构建模型，同时利用软件确定回归模型；最后通过回归分析因变量碳排放与自变量城市化率、人口、人均GDP、能源消费强度、第二产业比重的关系。1模型的设计1.1模型的构建本文以IPAT3,10-14（impact population affluencetechnology，环境影响人口富裕度技术）模型的变式STIRPAT模型（stochastic impacts by regression onpopulation，affluence，and technology model，随机影响回归人口、富裕度和技术模型）为理论模型，consumption is negatively related to carbon emissions.With the increase of energy consumption intensity,the carbonemissions of cities will decrease.In the long run,the relationship between urbanization and carbon emissions is inverted U.Therefore,for some provincial capital cities and energy-based cities,it is necessary to control population,advocateconservation and green consumption,and pay attention to industrial transformation and upgrading.urbanization;carbon emissions;panel data;stochastic impacts by regression on population,affluence,andtechnology model(STIRPAT model);midland“低碳发展”专栏33窑窑能源研究与管理2023,15(2)能源研究与管理2023,15(2)该模型的一般形式为：=(1)式中：为常数项，、和为待估参数；、分别为人口、财富和技术因素对环境冲击的大小；为随机干扰项。为满足实际需要，等式两边取自然对数，模型变为如下形式：ln=ln+ln+ln+ln+ln(2)因为和为常数，故模型可变为：ln=+ln+ln+ln(3)为研究我国城市化对碳排放的影响，本文要对STIRPAT模型进行扩展。将总人口和城市化率2个变量来表示人口，并用人均地区生产总值表示富裕程度，能源消费强度来衡量技术水平，得如下公式：ln=+1ln+2ln+ln PGDP+ln+(4)为检验城市化的构成要素产业结构对碳排放的影响，增加变量第二产业比重，得公式：ln=+1ln+2ln+ln PGDP+ln+ln DEGY+(5)受库滋涅茨（EKC）U型环境曲线的影响，本文引入城市化率取对数的平方项(ln)2得到：ln=+1ln+2ln+3(ln)2+ln PGDP+ln+ln DEGY+(6)式中：和分别为地区和年份；为碳排放总量，106t；为人口规模，千人；为城市化率（城市常住人口/总人口伊100）；PGDP为人均地区生产总值，元/人；为能源消费强度（能源消费总量/GDP），t标准煤/千元；DEGY为第二产业比重(第二产业产值/地区生产总值)。1.2数据来源及处理本文根据20102017年我国中部省份80个地级市的面板数据来研究城市化对碳排放的影响。选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然气8种燃料，并根据IPCC（联合国政府间气候变化专门委员会）提供的碳排放系数和国家统计局所提供的标准煤折算系数，将能源消耗折算成标准煤，再将折算的标准煤量与碳排放系数相乘，最终计算得到碳排放量7,13-16。计算公式如下：CO2=8=1移伊伊(7)式中：CO2为碳排放总量；为第种能源在第个地区的消费量；为第种能源的折算标准煤系数；则为该种能源的碳排放系数。其中能源消耗的相关数据来自 中国能源统计年鉴，人口、城市化率，第二产业比重的数据来自各省市的历年 统计年鉴，以六省份各自的2010年不变价对人均GDP进行平减（如山西省的各地级市就以山西省的GDP平减指数计算实际人均GDP、江西省的各地级市就以江西省的GDP平减指数计算实际人均GDP，GDP平减指数=名义GDP/实际GDP）。标准煤折算系数以及碳排放系数如表1所示。同时基于计算后的城市的城市化率和碳排放数据，制作了2010年和2017年2幅各城市的城市化率和碳排放的空间分布图（图1和图2）。由图1可知，从总体上来看，近10年来大多数城市的城市化率都增长了10%以上，有52个城市的增长超过10%。2010年中部地区的城市的城市化率普遍在50%以下，到2017年城市化率在50%以上的城市明显增加，各城市的城市化水平有了明显的提高。由图2可知，2010年以来各城市的碳排放量在逐步增加。从20102017年间的增量来看，各城市都出现了不同程度的增长的情况，同时也可得到城市之间燃料能源种类碳排放系数（以CO2计）/(kgkg1）折标准煤系数/(kg标准煤 kg1）平均低位发热量/(kJkg1)原煤1.900 30.714 320 908焦炭2.860 40.971 428 435原油3.020 21.428 641 816汽油2.925 11.471 443 070煤油3.017 91.471 443 070柴油3.095 91.457 142 652燃料油3.170 51.428 641 816天然气*2.162 21.330 038 931表 1碳排放系数及折标准煤系数、平均低位发热量Table 1Carbon emission coefficient,conversion coefficient to standard coal and average low calorific value注：天然气的碳排放系数单位为kg/m3。“低碳发展”专栏34窑窑能源研究与管理2023,15(2)能源研究与管理2023,15(2)的碳排放量差距很大，可得出长江以北的城市碳排放量明显高于长江以南的结论。2010年长江以北碳排放超过5 000万t的城市共有3个，其中武汉高达8 040万t，而长江以南没有，到2017年整体的格局没有发生变化，长江以南4个城市碳排放量超过3 000万t，长江以北有19个。2实证分析2.1变量分析2.1.1描述性分析在进行数据的分析之前，需要了解面板数据的一些基本的情况，所以本文首先对相关数据进行描图 2中部地区各地级市碳排放量Fig.2Carbon emissions of local cities（a）2010年（b）2017年碳排放量/(106t)碳排放量/(106t),“低碳发展”专栏图 1中部地区各地级市的城市化率Fig.1Urbanization rate of cities in central China（a）2010年（b）2017年城市化率/%城市化率/%,35窑窑能源研究与管理2023,15(2)能源研究与管理2023,15(2)研究的解释变量之间不存在多重共线性。2.2回归模型的选择与估计2.2.1面板单位根检验面板数据是时间序列数据和截面数据的结合，因此面板数据也存在其他2种数据的缺点。为避免时间序列数据单位根的存在，而出现的伪回归现象，需要对面板数据进行单位根检验，本文通过LLC检验、ADF检验、PP检验这3种单位根检验的方法，来对面板数据进行检验。由表5可知，在原变量的检验中所有变量只通过了PP检验，即在5%的显著性水平下拒绝原假设（原假设：存在面板单位根）；但在ADF检验中城市化率和第二产业比重等没有通过检验，在LLC检验中人均地区生产总值和人口不拒绝原假设。而原变量进行一阶差分后均通过了3种检验，可知各变量为一阶序列平稳。2.2.2协整检验由于文中面板数据是在一阶差分后才变成平稳序列，同时一阶差分后变量的经济含义与原序列及变量已经不相同，但本文希望依然用原序列进行回归，如果能证明多个单位根之间由于某种经济力量存在长期均衡关系，则有可能进行这种回归，基于此对面板模型进行协整。本文用Pedroni检验、Westerlun检验、Kao检验3种协整方法进行检验，结果如表6所示，均得到值0.01，3种检验原假设均为不存在协整关系，故证明拒绝原假设，存在协整关系。2.2.3Hausman 检验根据相关研究可知，面板数据有混合效应模型、固定效应模型、随机效应模型3种计量模型。本文通过F检验和LM检验，均得值为0，即表明5%的显著性水平拒绝原假设，这2种检验的原假设H0：“应建立混合模型”。而检验拒绝原假设表明拒绝采用混合模型，在固定模型和随机模型中做选择，表 2描述性分析Table 2Descriptive analysis变量值 年份PGDPDECYlnlnln DECYlnln DECYln(ln)2平均数201425.0350.4536 0044 3950.5130.6803.0583.89810.388.2420.6840.62215.24标准差2.293 14.8411.0117 7622 2110.091 20.5150.5820.2120.4650.5750.1870.6901.661Min20104.17729.109 0687240.2030.089 81.4303.3719.1136.5851.5962.41111.36Max201789.07 84.70118 818 10 8930.7473.6024.4894.43911.699.2960.2911.28219.71述性分析（见表2）。从表2可以看出在取对数后各个变量的之间的极差变小，标准差较小，数据比较平稳，方便后面数据的处理。2.1.2共线性检验由表3相关性检验和表4 VIF（方差膨胀系数）检验的结果可知，除了城市化率与人均GDP的相关性系数为0.8450.8，其他变量之间的相关性系数都较小，相关程度较低。同时，根据相关的定义，方差膨胀系数10时，回归模型被认为存在严重的多重共线性，又根据Hair(1995)的共线性诊断标准，当自变量的容忍度（VIF的倒数）0.1，方差膨胀系数10的范围是可以接受的，因此可以得出本文变量VIF1/VIFln3.890.257 243ln PGDP3.810.262 256ln1.380.726 602ln DECY1.270.785 752ln1.230.810 738VIF平均数2.32表 4VIF（方差膨胀系数）检验Table 4VIF(variance expansion factor)test“低碳发展”专栏变量lnlnln PGDPlnln DECYlnln1ln0.040 01lnPGDP0.103*0.845*1ln0.722*0.316*0.285*1lnDECY0.036 00.302*0.399*0.317*1ln0.020 00.488*0.415*0.331*0.211*1表 3相关性检验Table 3Correlation test注：*表示值0.01的显著性水平。36窑窑能源研究与管理2023,15(2)能源研究与管理2023,15(2)这就需进行Hausman检验来确定最终选择哪一种模型。模型估计结果如表7所示（*、*、*分别表示在10%、5%、1%的显著性水平下显著。模型（1）、（2）、（3）分别对应用式(4)、式(5)、式(6)构建的模型），由表可知，Hausman检验得值为0，说明拒绝原假设H0：“应选择随机效应模型”，所以确定建立固定效应模型。但本文为确定Hausman检验有效，进一步对面板数据进行了序列相关检验和异方差检验发现拒绝原假设，所以面板数据存在序列相关和异方差。而如果模型误差项存在序列相关或异方差时，此时原Hausman检验就不再适用，因此还要对面板数据进行修正的Hausman检验，结果值为0，所以本文最终确定选择建立固定效应模型。本文选择LSDV法（最小二乘虚拟变量法）加入聚类稳健标准误，来消除异方差和自相关的问题，得到结果如表7所示，2的数值接近1，说明模型拟合优度高，在3个模型中自变量估计系数值大都在5%的水平下显著，总体上模型构建较为合理。ln0.0820.253*1.044(0.82)(2.16)(1.19)ln PGDP0.150*0.147*0.154*(3.39)(3.17)(3.58)ln0.107*0.200*0.188*(2.20)(6.15)(4.22)ln0.019*0.016*0.016*(2.84)(2.21)(2.18)ln DECY0.331*0.322*(6.85)(6.76)(ln)20.106(0.92)常量0.2100.963*2.409*(0.49)(2.40)(1.70)观测值64064064020.9910.9920.992样本数量808080Hausman、检验的值0.000.000.00序列相关检验0.000.000.00异方差检验0.000.000.00修正 Hausman检验的值0.000.000.00估计方法LSDVLSDVLSDV变量ln模型(1)模型(2)模型(3)表 7模型估计结果Table 7Model estimation resultsln1.809 21.840 410.894 0lnln11.434 026.014 418.516 1(0.035 2)(0.032 9)(0.000 0)(0.000 0)(0.000 0)(0.000 0)ln15.300 90.114 423.400 9lnln8.211 140.354 622.185 5(0.000 0)(0.545 6)(0.000 0)(0.000 0)(0.000 0)(0.000 0)ln PGDP1.235 46.150 839.926 0ln PGDPln PGDP13.727 250.239 143.948 0(0.108 4)(0.000 0)(0.000 0)(0.000 0)(0.000 0)(0.000 0)ln1.644 38.180 333.227 8lnln12.232 527.436 453.990 1(0.949 9)(0.000 0)(0.000 0)(0.000 0)(0.000 0)(0.000 0)ln DECY6.076 02.633 98.485 2ln DECYln DECY15.613 056.324 817.445 4(0.000 0)(0.995 8)(0.000 0)(0.000 0)(0.000 0)(0.000 0)ln7.593 77.753 71.765 7lnln10.792 732.927 914.837 7(0.000 0)(0.000 0)(0.0387)(0.000 0)(0.000 0)(0.000 0)(ln)214.301 01.271 121.3137(ln)2(ln)27.469 941.408 021.158 1(0.000 0)(0.898 2)(0.0000)(0.000 0)(0.000 0)(0.000 0)一阶差分前变量LLC检验ADF检验PP检验一阶差分后变量一阶差分LLC检验ADF检验PP检验表 5面板单位根检验Table 5Panel unit root inspection注：0.1为10%显著性水平拒绝原假设，0.05为5%显著性水平拒绝原假设，0.01为1%显著性水平拒绝原假设。方法统计值值Pedroni检验23.933 50.000 0Westerlun检验1 200.339 70.000 0Kao检验3.035 70.001 2表 6协整检验方法Table 6Cointegration test method“低碳发展”专栏37窑窑能源研究与管理2023,15(2)能源研究与管理2023,15(2)2.3实证结果分析总体上看，在本研究中相对于其他变量，从模型（1）来看城市化率对碳排放的影响并不显著，而从模型（2）来看城市化率与碳排放存在较大的相关性，其他变量会影响碳排放，认为存在5%的显著性水平是显著的，在（1）（2）（3）3个模型中能源消费强度与碳排放存在负相关的关系，说明其他条件一定的情况下，能源消费强度越大碳排放越量小。模型（2）引入了第二产业比重变量，比较变量估计系数可得，第二产业比重对碳排放的影响最大，系数为0.331，即第二产业比重每变动1%，碳排放变动0.33%。其次分别是城市化的0.253、人口的0.200、人均地区生产总值的0.147，能源消费强度相对最低为0.016。从模型（3）来看，变量ln的系数为正数而变量(ln)2的系数为负数，这也证明城市化率与碳排放之间存在倒“U”型关系。3结论和建议3.1结论1）20102017年间，中部地区城市的城市化率和碳排放量都呈上涨趋势。中部地区大部分城市的城市化率从2010年以来一直呈提高的趋势，大部分城市的城市化率10年间增长10%以上，少部分资源型城市由于资源的枯竭等原因而出现城市化率下降。20102017年间各城市的碳排放总量是在增加的，城市之间的碳排放总量差距很大，从近10年碳排放量的均值看，武汉市碳排放量超过8 000万t，而碳排放量少的张家界市不足500万t2）首先，人口规模、人均GDP、第二产业比重与碳排放之间是正相关，城市化水平与碳排放存在倒“U”型关系；由模型（2）可知城市化率对碳排放量起到促进作用，第二产业比重是促进碳排放量的重要因素，在各变量中第二产业比重的影响是最大的，由于能源消费的一个重要途径是进行工业生产，而中国工业还处于较低端的阶段，因此导致碳排放的增加；人口、城市化率对碳排放量也起到较大的影响，由于城市化水平提高，城市人口也增加，据相关研究城市居民的能源消费远大于农村，这也会造成碳排放量的增加。其次，能源消费强度与碳排放量是负相关，抑制碳排放可以通过科学技术来提高能源利用率，进而实现节能减排。3.2政策建议1）推动产业的转型升级。产业部门特别是第二产业是能源消费的主要需求方，所以第二产业也是重要的碳源。当前我国产业结构总体上处于中低端，同时产能出现过剩的问题，还存在很多的高能耗、高污染、低附加值，资源能源利用效率低的企业，节能减排的需求非常迫切。这就需要城市完善能源消耗总量和强度调控，重点控制化石能源消费，逐步转向碳排放总量和强度“双控”制度。还需从提高企业供给质量入手，扶持发展低碳产业的企业，比如信息网络技术、高端装备制造业、新材料和新能源汽车等产业；同时帮助和引导传统企业进行技术升级，提高能源利用率；鼓励一些条件合适的城市大力发展第三产业；支持省会城市和重点城市优先发展高新技术产业和现代服务业。从而实现立足城市能源资源禀赋，先立后破，有计划分步骤实施碳达峰行动。2）建设绿色节能的基础设施。绿色节能的基础设施主要包括住房和其他建筑、交通出行设施、休闲娱乐设施等，如建筑方面使用绿色建材、提高建筑材料的二次利用的可能性。加快规划建设新型能源体系，统筹水电开发和生态保护，支持符合条件的城市发展核电。交通方面，利用现代网络信息技术，发展智能化交通方式，提高城市交通的通行率；合理规划城市交通网络线路和公共交通线路，设计符合本城市的交通建设发展规划；支持新能源汽车产业的发展，鼓励居民购买新能源汽车，完善城市的新能源交通工具的配套设施。3）提倡低碳消费的理念。帮助居民改善消费观念，如出行方式、饮食等方面的消费观念，政府要鼓励大众绿色出行，提倡乘坐公共交通工具，改变过度消费、随意浪费行为；适当政策支持，引导人们转变传统消费观念，形成低碳生活方式，减少过度消费的行为。参考文献1张漫.城镇化发展对碳排放的影响研究D.长沙:湖南师范大学,2019.2林祯贤.城市化对人力资本外部性的影响研究D.昆明:云南财经大学,2022.3王星.城市化对碳排放影响的区域分异性研究D.兰州:兰州大学,2018.4马明义,郑君薇,马涛.多维视角下新型城市化对中国二氧化碳排放影响的时空变化特征J.环境科学学报,2021,41(6):2474-2486.5耿海清.能源基础与城市化发展的相互作用机理分析D.北京:中国科学院地理科学与资源研究所,2010.6曲如晓,江铃.人口规模、结构对区域碳排放的影响研究:基（下转第44页）“低碳发展”专栏38窑窑能源研究与管理2023,15(2)能源研究与管理2023,15(2)于中国省级面板数据的经验分析J.人口与经济,2012(2):10-17.7李卫东,余晶晶.基于面板数据的中国城镇化对碳排放影响的实证分析J.北京交通大学学报(社会科学版),2017,16(2):50-56.8 KHALID K,SU C W,RAN Tao,et al.Urbanization and carbonemission:causality evidence from the new industrialized econ-omiesJ.Environment,Development and Sustainability,2020,22:7193-7213.9金洪.城市化、居民消费水平与碳排放动态面板数据考察J.求索,2012(2):79-80.10 MART NEZ-ZARZOSO I,MARUOTTI A.The Impact of ur-banization on CO2emissions:evidence from developing cou-ntriesJ.Ecological Economics,2011,70(7):1344-1353.11余广霞,王向前,武慧君,葛建华.安徽省城乡居民食物消费能耗及碳排放分析J.安徽理工大学学报(自然科学版),2020,40(1):38-44.12张磊.城市化与碳排放D.杭州:浙江大学,2021.13王倩.城镇化进程中碳排放影响因素的实证研究D.太原:山西师范大学,2018.14张勇,张乐勤,包婷婷.安徽省城市化进程中的碳排放影响因素研究:基于STIRPAT模型J.长江流域资源与环境,2014,23(4):512-517.15熊佳术.湖南省城市化与碳排放的关系研究D.武汉:武汉轻工大学,2018.16 LYU Tiangui,HU Han,XIE Hualin,et al.An empirical relatio-nshipbetween urbanization and carbonemissions inan ecolog-icalcivilization demonstration area of China based on the ST-IRPAT modelJ.Environment,Development and Sustainabi-lity,2023,25(3):2465-2486.17孙克,邹佳男.生产性服务业能源碳足迹生态压力的时空演变及因素分解J.能源研究与管理,2022,14(4):31-37.18林翔燕.江苏省县域城镇化对碳排放的作用路径及其模拟仿真研究D.徐州:中国矿业大学,2019.19孙克,邹佳男,刘晓婉,等.基于重心-GTWR模型的城镇碳排放人文驱动因素解析:以江西省为例J.能源研究与管理,2023,15(1):37-49.20张思聪.基于STIRPAT模型的区域城市化碳排放影响因素分析与预测D.天津:天津大学,2018.21田旭芳,李兵.德兴铜矿绿色矿山建设对矿山高质量发展的作用J.铜业工程,2022(4):113-115,120.22宋丹.长春市低碳土地利用分析与结构优化研究D.长春:吉林大学,2017.23赵洪霞.中国城市化发展与碳排放关系研究D.长春:吉林大学,2015.24陈明星,陆大道,张华.中国城市化水平的综合测度及其动力因子分析J.地理学报,2009,64(4):387-398.25吴晓方,范敏,谢运生,等.江西省碳排放现状与应对达峰策略J.能源研究与管理,2022,14(2):1-5.26任宇飞.运用碳市场杠杆撬动城镇化高质量发展N.四川日报,2021-07-26(011).5 ZHANG Shu,CHEN Wenying.Assessing the energy transitionin China towards carbon neutrality with a probabilistic frame-workJ.Nature Communications,2022,13(1):1-15.6罗一凡,岳子静,张墨苇,等.中国碳达峰、碳中和能源控制目标及供给侧清洁化进程J.能源研究与管理,2022,14(3):12-19.7 IPCC.2006 IPCC guidelines for national greenhouse gas inven-toriesR.Tokyo:IGES,2006.8李真.进口真实碳福利视角下的中国贸易碳减排研究:基于非竞争型投入产出模型J.中国工业经济,2014(12):18-30.9周宏春,管永林.新型能源体系建设的内在逻辑、基本内涵与支撑体系J.能源研究与管理,2023,15(1):1-12.10王倩,王卫良,刘敏,等.超(超)临界燃煤发电技术发展与展望J.热力发电,2021,50(2):1-9.11 IEA.Korea hydrogen economy roadmap 2040EB/OL.(2020-09-14).https:/www.iea.org/policies/6566-korea-hydrogen-economy-roadmap-2040.12鲁成钢,莫菲菲,陈坤.主要国家碳达峰、碳中和比较分析J.环境保护,2021,49(2):89-93.13张洁.民进党“2025非核家园”能源转型的双重困境与未来走向J.台湾研究,2020(4):76-83.14李猛.“双碳”目标背景下完善我国碳中和立法的理论基础与实现路径J.社会科学研究,2021(6):90-101.15 LAUBER V,MEZ L.Three decades of renewable electricitypolicies in GermanyJ.Energy&Environment,2004,15(4):599-62316 HERMANN J,SAVIN I.Optimal policy identification:insightsfrom the German electricity marketJ.Technological Foreca-sting and Social Change,2017,122:71-90.17张剑智,张泽怡,温源远.德国推进气候治理的战略、目标及影响J.环境保护,2021,49(10):67-70.18梁启源,郑睿合,郭博尧,等.台湾最适电力配比之研究J.台湾能源期刊,2015,2(4):481-496.（上接第38页）“低碳发展”专栏44窑窑