城市化不同演化阶段对碳排放的影响差异

  • 孙昌龙 , 1, 2 ,
  • 靳诺 1 ,
  • 张小雷 , 1 ,
  • 杜宏茹 1
展开
  • 1.中国科学院新疆生态与地理研究所,新疆 乌鲁木齐 830011
  • 2.中国科学院研究生院, 北京 100049
张小雷,研究员。E-mail:

作者简介:孙昌龙 (1984-),男,浙江温州人,博士研究生,主要从事城市与区域规划研究。E-mail:

收稿日期: 2012-02-28

  要求修回日期: 2012-05-15

  网络出版日期: 2012-07-13

基金资助

中国科学院西部行动计划项目(KZCX2-XB3-01、中国科学院西部之光人才培养计划项目(XBBS200812)、国家自然科学基金项目(40601032)资助

The Impact of Urbanization on the CO2 Emission in the Various Development Stages

  • SUN Chang-long , 1, 2 ,
  • JIN Nuo 1 ,
  • ZHANG Xiao-lei , 1 ,
  • DU Hong-ru 1
Expand
  • 1.Xinjiang Institute of Ecology and Geography, Chinese Academy of Sciences, Urumqi, Xinjiang 830011, China
  • 2. Graduate University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2012-02-28

  Request revised date: 2012-05-15

  Online published: 2012-07-13

Copyright

本文是开放获取期刊文献,在以下情况下可以自由使用:学术研究、学术交流、科研教学等,但不允许用于商业目的.

摘要

城市化与碳排放是当今世界研究的两大焦点,两者的结合点——城市化对碳排放的影响更是研究的重点。利用全球主要国家(地区)历史数据,根据城市化水平划分不同的组别,考察城市化动态演进阶段与碳排放之间的相关性,并通过STIRPAT模型评估不同城市化阶段各因子对碳排放的影响;结合城市化发展阶段各要素的特征,探讨不同阶段城市化对碳排放的影响。结果表明,城市化对碳排放的影响表现为驱动和制动双重作用:① 当城市化发展处于初期阶段时,城市系统发展缓慢,驱动与制动作用均不明显,碳排放缓慢增长;② 当城市化发展处于中期阶段时,城市系统进入加速发展阶段,驱动作用逐渐占主导,制动作用较小,碳排放迅速增长;③ 当城市化发展处于后期阶段,驱动作用仍然占主导地位,但制动作用逐渐增强,碳排放速度有所减缓,排放总量仍然增加。

本文引用格式

孙昌龙 , 靳诺 , 张小雷 , 杜宏茹 . 城市化不同演化阶段对碳排放的影响差异[J]. 地理科学, 2013 , 33(3) : 266 -272 . DOI: 10.13249/j.cnki.sgs.2013.03.266

Abstract

Urbanization and carbon emissions have attracted intensively attention. This article analyzes the impacts of the urbanization on CO2 emissions in three aspects. Then the historical data of 76 countries (regions) (1980-2007) are employed by separating them into different categories according to urbanization levels to study the correlation between the stage of urbanization and the dynamic evolution of the CO2 emissions. The main impact factors on CO2 emissions during different stages of urbanization are evaluated based on the STIRPAT model. Finally, according to analysis results, combined with the characteristics of the various elements in the development stage of urbanization, this study explores the impacts of various stages of urbanization on CO2 emissions. The results showed that: the urbanization affects the CO2 emissions mainly through changing lifestyle, production and land use, which performances a driving and restricting role. In the early stage of urbanization, the driving and restricting effect of the CO2 emissions are not obvious, showing slow development in urban system and the slow growing carbon emissions rate; in the mid-stage, the driving role of urbanization on CO2 emissions becomes to be dominant, but the restricting effect is weaker, which is characterized by the acceleration development of urbanization system, the city development in numbers and scales, the accelerated industrialization process, and a rapid growth of CO2 emissions; in latter stage, the city enters a slow phase of development, urbanization on the driving role of CO2 emissions is still dominant, but the restricting effect is gradually enhancing. In this stage, the quality of urbanization continuously improves, and household consumption reaches a high level. Meanwhile, the phenomenon of suburban urbanization and counter urbanization appear, the tertiary industry takes up most part of industrial structure, technical level increases rapidly, CO2 emissions becomes slow, but the total emissions are still increasing. Therefore, the impact of urbanization on CO2 emissions is different in various urbanization stages. In response to CO2 emission reduction mandate in the context of global climate change, countries (regions) should reasonably guide the process of urbanization and enhance the restricting effect of urbanization.

由碳排放引起的全球气候变化是目前学术界和决策者面临的最具挑战性的科学问题之一。探讨社会经济发展与碳排放的定量关系,找出影响碳排放的关键因素,对制定碳减排的政策具有十分重要的实践价值[1]。针对社会经济增长与碳排放关系研究,具有代表性的是环境库兹涅茨曲线(EKC)的检验和拐点阈值的预测[2,3],已有的大部分研究成果倾向于支持CO2排放EKC的存在性,但对于EKC拐点所对应的人均收入却存在很大的差异[4,5]。近年来,越来越多的研究倾向于用分解方法来分析碳排放的影响因素,主要用人口、富裕度、能源强度、能源结构和技术创新等作为解释变量[6~8]。此外,一些学者探讨了经济结构、国际贸易等因素对碳排放的影响[9~11]。而城市化作为经济社会发展中的重要因素,其对碳排放作用的研究相对较少。相关文献多集中在城市产业、家庭生活、交通、建筑等微观领域碳排放研究[12,13],也有学者从城市扩张的角度研究城市化对碳排放的影响[14],但缺乏从演进的角度分析城市化对碳排放的影响。
城市化进程导致生产生活方式和土地利用类型的变化,进而影响碳排放的变化,主要体现在3个方面:第一,城市化进程导致人口由乡村向城市集中,城市化地区的人口密度不断增大,人们消费水平不断提高,相应的生活方式发生改变,包括住宅、交通、娱乐等个人消费方式的改变,这将增加对能源的消耗,但同时集聚效应又使得人均能源利用效率大大增加,进而影响碳排放。如小汽车的普及改变了居民的出行方式,进而造成碳排放的增加,而大规模公共交通的发展又大大减少了人均碳排放[15]。第二,城市化进程也表现为农业活动向非农业活动的转换、产业结构的升级转换。由于三次产业的碳排放不同,产业结构的动态演进势必影响碳排放。同时城市的规模化生产特点,导致产业集聚,为碳排放的集中控制提供了方便和可能。第三,城市化进程还表现为城市数目的增加和城市地域范围的不断扩展,城市数量的增加和地域上的扩展需要大量土地作为支撑,当土地类型发生变化时,由于各类土地所产生的碳排放不一样[16],如森林或草地转化为城市用地,可能引起“碳汇”到“碳源”的转变,进而影响碳排放。同时,城市数目的增加和地域扩展需要大量城市建筑与公共基础设施,由此带来大量原材料和水泥生产的碳排放。而随着城市化的演进,能源消费结构的变化、城市文明的传播和技术水平的提高,会对碳排放产生抑制作用。通过以上分析,可以看出城市化对碳排放的影响表现为双重作用,即驱动作用和制动作用,随着城市化的演进,这两种作用也是此消彼长。城市化不同发展阶段在这两者作用下对碳排放的影响也有所差异。
基于以上考虑,本文首先分析了城市化对碳排放的影响,进而利用全球76个国家(地区)的历史数据,根据城市化水平划分初期、中期和后期3个不同的组别,考察了城市化演进阶段与碳排放之间的相关性,并通过STIRPAT模型评估了不同城市化阶段各因子对碳排放的影响,最后根据以上分析结果,结合城市化发展阶段各要素的特征,综合探讨城市化演进阶段对碳排放的影响。研究方法的理论意义在于揭示了IPAT模型在不同城市化阶段的差异性,研究结果对国家在城市化进程中应对碳排放挑战的决策有一定的指导意义。

1 数据来源和研究方法

1.1 数据来源

考虑到面板数据的完整性和数据的可获得性,本文选取全球76个国家(地区)作为样本(表1),时间跨度为1980~2007年。在对样本国家(地区)城市化程度进行划分时,按诺瑟姆关于城市化3大阶段论的标准[17],以2007年样本国家(地区)城市化率低于30%的为城市化初期阶段国家(地区),大于70% 的为城市化后期阶段国家(地区),介于两者之间为城市化中期阶段国家(地区)。下文中分别用G1、G2、G3指代城市化初期阶段、中期阶段、后期阶段3个组别的国家(地区)。本研究采用的CO2排放数据来自美国田纳西州橡树岭国家实验室环境科学部二氧化碳信息分析中心[18],人口数据来自《世界人口展望:2008年修订本》[19],城市化率来自《世界城市化展望2010》[20],人均GDP来自世界银行门户网站[21],能源效率数据来自国际能源署网站[22]
Table 1 List of counties(regions) by group

表 1 样本国家(地区)分组清单

组别 国家(地区)名称 数量(个)
G1 斯里兰卡、尼泊尔、肯尼亚、孟加拉国、印度 5
G2 泰国、刚果(金)、赞比亚、巴基斯坦、莫桑比克、贝宁、多哥、塞内加尔、中国、苏丹、埃及、阿尔巴尼亚、洪都拉斯、科特迪瓦、危地马拉、加纳、印度尼西亚、摩洛哥、喀麦隆、葡萄牙、巴拉圭、南非、希腊、刚果(布)、爱尔兰、芬兰、菲律宾、阿尔及利亚、玻利维亚、突尼斯、日本、奥地利、匈牙利、意大利、伊朗、土耳其、多米尼加、马来西亚、塞浦路斯 39
G3 保加利亚、阿曼、巴拿马、哥伦比亚、文莱、墨西哥、西班牙、法国、挪威、阿拉伯联合酋长国、约旦、加拿大、韩国、荷兰、美国、卢森堡、沙特阿拉伯、瑞典、加蓬、巴西、丹麦、新西兰、智利、澳大利亚、英国、阿根廷、冰岛、委内瑞拉、马耳他、比利时、中国香港、新加坡 32
Erlich和Holdren提出了一个分析环境影响的框架[23],即IPAT公式:I=P×A×T。式中,I代表环境影响,P代表人口规模,A代表富裕度,T代表技术水平。人类活动对环境的影响被认为是这3个因素共同作用的结果。最初这个公式是纯粹概念上的,不能直接测量以上因素对环境的影响。基于此,Dietz和Rosa提出了一个随机变量STIRPAT模型[24]。最初的规范等式如下:
Ii=αPiβAiγTiδei (1)
式(1)中,i代表国家(地区),αβγδ是评估参数,ei是随机误差。
STIRPAT模型被广泛的应用于生态、社会和经济领域,用来评估人口、富裕度和其他因素对环境的影响[25~28]。本文把STIRPAT模型作为理论和分析框架。已有相关文献将城市化率引入该模型[26],但都是作为补充解释变量,而本文将城市化作为主要解释变量去分析。其中P用人口总量和城市化率表示。A用人均GDP表示,T用能源强度表示。为了检验STIRPAT模型中驱动因素的演化在时空上对CO2排放水平的影响,将公式(1)两边取对数,表达如下:
lnIit=αi1lnPit+β2lnUit+γlnAit+δlnEit+εt+eit (2)
式(2)中,t代表年份,I代表CO2排放量(万t),P代表人口(万人),U代表城市化率,用城市人口占总人口的比重表示(%),A代表人均GDP(以2000年美元的不变价),E代表能源效率(单位能耗产出GDP),β1β2γδ代表变量系数,αε分别代表个体和时间效应,e是误差项。由于这个模型被取成对数,说明性的变量系数能直接解释为弹性系数。

1.3 计算步骤

采用面板数据分析方法首先需要判断采用混合模型还是固定效应模型。本文使用协方差分析方法对此进行检验,根据F统计量进行面板模型的判定。在给定的显著性水平下,如果F值拒绝原假设,用固定效应模型进行估计,反之则选用混合模型进行估计。如果选用固定效应模型,则还应在固定效应模型和随机效应模型之间作出选择,一般用Hausman检验来识别。如果Hausman检验拒绝原假设,就表示应建立固定效应模型,反之则应选择随机效应模型[29]表2)。
Table 2 Test of dynamic panel model

表 2 动态面板模型设定形式检验结果

F检验 Hausman检验
F 临界值 结论 H 临界值 结论
全部样本 170.49 1.39 固定效应 157.87 9.488 固定效应
G1 55.85 5.63 固定效应 223.40 9.488 固定效应
G2 163.99 1.62 固定效应 80.94 9.488 固定效应
G3 415.38 1.88 固定效应 23.45 9.488 固定效应

注:F检验和Hausman检验均在5%显著性水平。

结果显示,所有数据均选择固定效应模型。根据设定的模型形式,利用Eviews6.0进行处理。在计量经济学中,为了消除自相关和异方差,一般在模型中加入AR(1)项后用加权最小二乘法输出结果[29]表3)。从总体来看,4个面板模型的R2都比较接近1,F值也较大,DW值显示模型已消除自相关,说明4个面板模型均拟合较好。
Table 3 Estimation of dynamic panel model

表3 动态面板模型估计结果

全部样本系数 G1系数 G2系数 G3系数
lnP 1.220*** 2.871*** 1.260*** 1.107***
(10.190) (5.806) (7.173) (8.064)
lnU 1.684*** 0.407 1.596*** 1.128***
(8.376) (0.565) (6.335) (2.956)
lnA 0.123*** 0.117** 0.130*** 0.120***
(12.684) (2.412) (8.559) (9.621)
lnE -0.519*** -0.337* -0.458*** -0.594***
(-17.944) (-1.843) (-10.749) (-15.320)
常数项 -16.607*** -43.420*** -17.337*** -11.774***
(-11.375) (-6.115) (-7.089) (-7.167)
AR(1) 0.874*** 0.853*** 0.878*** 0.817***
(98.458) (22.409) (71.959) (47.312)
调整后R2 0.999 0.999 0.999 0.998
F 40 145.20 27 834.98 29 844.24 43 105.90
DW 2.10 2.07 2.06 2.11

注:***表示在1%水平下显著,**表示在5%水平下显著,*表示在10%水平下显著,括号里为t值。

2 城市化对碳排放的影响分析

2.1 城市化水平与碳排放的相关性分析

利用样本国家(地区)及分组国家(地区)数据,分别作城市化与碳排放的散点图。从图1a可以看出,城市化与碳排放的趋势线呈现出一条曲线,即随着城市化水平的提高,其对碳排放的贡献先增加后减少。从图1b、c、d中看出,各阶段城市化水平国家(地区)的碳排放增长与城市化均表现为线性增长。G1的城市化水平提高对碳排放的贡献较小;G2的城市化水平提高对碳排放的贡献有所增加;G3的城市化水平的提高对碳排放的贡献则有所减缓,部分国家(地区)出现负向抑制作用。
以上分析,只考虑碳排放与城市化单一因素的关系,旨在发现城市化与碳排放的某一方面的规律。由于这种规律只在其他因素不存在或保持不变时才有意义,所以有必要把城市化与其他因素放在一起进行综合分析。
Fig. 1 Scatter plot of CO2 and urbanization of 76 countries (regions), lower-urbanization countries (regions), middle-urbanization countries (regions), and upper-urbanization countries (regions) in 1980-2007

图1 1980~2007年全部样本、G1、G2、G3城市化与碳排放散点图

2.2 不同因子对碳排放的影响分析

估计结果显示(表3),人口总量、城市化水平、人均GDP和能源效率对不同城市化国家(地区)碳排放的影响有所差异。人口增长对于G1碳排放影响最为显著,随着城市化的演进,其对碳排放的影响逐渐减弱;城市化水平和人均GDP对G2碳排放影响最为显著,随着城市化的演进,其对碳排放的影响为先增加后减少;能源效率对G3的碳排放影响最为显著,随着城市化的演进,其对碳排放的抑制作用逐渐增强。
1) 人口总量对碳排放的影响。全部样本、G1、G2、G3的人口弹性系数显著为正,说明人口增长会促进碳排放,这符合以往的研究结果[8,27],也证明了Malthus的观点,即人口增长会对环境造成负面影响[30]。其中,G1人口增长对碳排放的影响最大,而G2和G3相对较小,这与Shi的研究结果相似[26],他从收入水平角度得出低收入国家(地区)的人口增长对碳排放的影响要远远高于高收入水平国家(地区),而一般地低收入国家(地区)往往相对应的是低城市化水平国家(地区),高收入国家对应着较高的城市化水平。Boserup认为人口增长尤其是人口密度的增长会带来技术创新,从而会抑制碳排放[31]。本文的研究结果显示,随着城市化水平的不断提高,人口越来越向城市集中,人口密度变大,进而抑制碳排放,但由于人口集聚带来的碳减排不能抵消人口增加所带来的碳排放,所以G3的人口增长对碳排放的影响要小于G1的人口增长对碳排放的影响,这也从侧面支持了Boserup的观点。
2) 城市化水平对碳排放的影响。就城市化弹性而言,除G1为统计上不显著外,其他3个模型均显著为正,说明城市化增长对碳排放具有明显的正向促进作用,而且城市化弹性系数比较大,说明城市化对碳排放影响非常敏感。这是由于城市化带来大规模的人口迁移并集聚居住于城市,能源的消费特征发生明显变化,对包括住房、交通设施、医疗卫生、下水设施、城市绿化等各种公共服务设施都提出了更高要求,相关设施的建设和运行、维护都需要更多的能源消耗[4]。以往的研究表明,一旦城市化达到某个水平,生态环境随城市化的发展将出现改善[32]。这是由于碳排放与其他污染物不同之处在于其对人体并不会造成即时性的危害,且在短期内大量的碳排放对全球整体层面亦不会造成显著的影响,再加上其并非区域性的污染,对于个别国家(地区)而言,并没有任何诱因去引导国内碳减排。因此在以往的城市化发展过程中,人们对于碳排放相对疏忽。
表3中未反映出城市化对碳排放的抑制作用,但是结果显示其对碳排放的贡献率出现下降,其中G3的城市化对碳排放的影响相对G2有所减弱,为1.128。通过上文分析,城市化带来生产和生活的集聚效应,促使碳排放的下降,即城市化对碳排放的制动作用已经显现,但总体还是表现为明显的正向驱动作用。这是由于近年来G3在空间城市化阶段性上表现出来的碳排放特征,根据城市化的空间演化特征,20世纪中叶以来,高城市化水平国家(地区)在空间上表现为郊区城市化和逆城市化[33],生活奢侈化和通勤距离加大等此阶段所表现出来的特征都引起化石能源消费的增加。特别是对于美国、加拿大和澳大利亚等地域广阔的高城市化水平国家(地区),从而导致更多的碳排放。而且此阶段还伴随着城市无序蔓延的发生,无序城市蔓延已被认定为碳排放上升的主要原因之一[34]。因此处于现阶段的高城市化水平国家(地区),其城市化进程对碳排放的制动作用逐渐增加,但仍然小于该阶段城市化特征所带来的驱动作用。
3) 人均GDP对碳排放的影响。就人均GDP弹性而言,4个模型均显著为正,说明人均GDP增长对碳排放具有正向的促进作用。但在城市化演进阶段,人均GDP对碳排放的影响是先增加后减少的,也就是G2的人均GDP对碳排放的作用要大于G1和G3。这是由于城市化初期阶段国家(地区)的产业经济主要以农业经济为主,此时的碳排放相对来说较少,进入城市化中期阶段国家(地区)其大规模的制造业发展和高碳燃料煤炭消费增长会引发碳排放的快速上升,一旦进入城市化后期阶段国家(地区)高科技产业和第三产业的发展以及相对低碳的石油和天然气现代能源矿种主导地位的确立最终导致碳排放增速的减缓和下降局面的出现[10]
4) 能源效率对碳排放的影响。就能源效率弹性而言,4个模型的系数均为负,说明能源效率的提高在一定程度上缓解了碳排放的快速增长。另外G3的能源效率弹性绝对值明显高于G1、G2和全部样本的平均值,说明G3的能源利用效率相对较高,而G2的能源效率也明显高于G1,这符合全球目前的技术空间分布特征,即城市化进程所带来的技术水平提高会抑制碳排放的增长。

2.3 城市化发展阶段对碳排放的影响

根据上文分析结果,结合城市化发展阶段各要素的特征,探讨各阶段城市化对碳排放的影响。
1) 城市化初期阶段对碳排放的影响。在城市化的初期阶段,城市化对碳排放的影响表现为统计上不显著,这一时期,处于城市化发展的初期,生产要素向中心城市集聚为主,城市化进程中经济社会发展相对缓慢,工业化也处在起步阶段,此时的城市化和工业化产生的碳排放比较有限,而这时农业经济在国民经济中占绝对地位,由于农业属于碳排放比较少的产业,而且还具有自然碳汇作用[35],一定程度上能够缓解碳排放。这一时期对碳排放的主要贡献因素是人口规模的扩大。
2) 城市化中期阶段对碳排放的影响。在城市化的加速阶段,城市化对碳排放的弹性系数为1.596,能源效率的提高对碳排放的抑制作用也较为明显。由于农业生产率的大幅提高,伴随着产生农业剩余劳动力,而工业的快速发展也带来了大量的就业机会,城市的发展吸引了大量农村人口的涌入。这时的城市化进入一个快速发展的时期,城市规模不断扩大,城市数量不断增加,工业重型化,土地利用方式随之改变,居民的消费水平也随之提高,造成对能源需求的大幅增加,最终导致碳排放的迅速增长。
3) 城市化后期阶段对碳排放的影响。在城市化的高级阶段,城市化对碳排放的弹性系数为1.128,能源效率的提高对碳排放的抑制作用更加明显。这一时期是城市化的成熟发展阶段,居民生活消费达到较高水平,在空间上表现为郊区城市化和逆城市化,并伴随城市无序蔓延的现象[33]。农业基本实现现代化,工业也由劳动密集型向资本和技术密集型转变,第三产业逐渐占据产业主导地位,城市化进入缓慢发展阶段。虽然此阶段经济社会结构的转变、技术水平的不断提高和大量新能源的投入使用,这些都大大缓解了碳排放的压力,但是空间城市化特点和居民生活消费方式依然对碳排放的驱动作用占主导地位,表现为碳排放速度有所减缓,但排放总量仍然增加。

3 结论和讨论

本文分析了城市化对碳排放的影响,并利用全球主要国家历史数据,根据它们的城市化水平划分不同的组别,主要考察了城市化动态演进阶段与碳排放之间的相关性,通过STIRPAT模型评估了不同城市化阶段各因子对碳排放的影响,在此基础上,结合城市化发展阶段各要素的特征,探讨各阶段城市化对碳排放的影响。结果表明:①城市化主要通过生产生活方式和土地利用类型的变化影响碳排放,其对碳排放的影响表现为双重作用,即驱动作用和制动作用。② 随着城市化水平的提高,其对碳排放的贡献是先增加后减少,在G1,城市化水平的提高对碳排放的贡献比较小,在G2,城市化水平提高对碳排放的贡献有所增加,在G3,城市化水平的提高对碳排放的影响有所下降,部分国家(地区)出现负向抑制作用。③人口总量对于G1的碳排放影响最大,弹性系数达到2.871,而城市化对碳排放的影响差别比较大,G1的影响表现为统计上不显著,G2弹性系数为1.596,G3弹性系数为1.128。④当城市化发展处于初期阶段时,城市化对碳排放的驱动与制动作用均不明显,主要表现在城市化系统发展缓慢,农村与城市的经济社会都缓慢发展。随着碳排放缓慢增长;当城市化发展处于中期阶段时,城市化对碳排放的驱动作用逐渐占主导地位,但制动作用较小。主要表现为城市化系统进入加速发展阶段,城市规模不断扩大,城市数量不断增加,工业化进程加速,随之碳排放迅速增长。当城市化发展处于后期阶段,城市化对碳排放的驱动作用仍然占主导地位,但制动作用逐渐增强。主要表现为城市化系统发展进入缓慢阶段,城市化质量不断提高,居民生活消费达到较高水平,出现郊区城市化、逆城市化现象,产业结构以第三产业为主,技术水平大幅提高,此时碳排放速度有所减缓,但排放总量仍然增加。
从研究结果可以看出城市化的提高对碳排放的驱动作用为先增加后减少,也就是当城市化达到一定阶段后,城市化提高在某种程度上抑制碳排放的作用随着城市化的推进在加强。因此,在应对全球气候变化的碳减排压力背景下,各国(地区)应该在合理引导城市化进程的过程中加强城市化对碳排放的制动作用。
限于数据的来源缺失,本文仅对76个国家(地区)近28 a来的数据进行分析,可能对研究结果产生影响,但是分析的趋势性结论不会改变,对世界所有国家(地区)长期变化研究将在下一步工作中体现。而且碳排放可以由碳排放总量、人均碳排放量、碳排放强度等指标表征,本文仅分析城市化对碳排放总量的影响,下一步的工作方向将利用人均碳排放量和碳排放强度指标来研究其与城市化发展阶段的关系。

The authors have declared that no competing interests exist.

[1]
吴殿延,吴昊,姜晔.碳排放强度及其变化——基于截面数据定量分析的初步推断[J].地理研究,2011,30(4):579~589.

[2]
Magnus Lindmark.An EKC-pattern in historical perspective: carbon dioxide emissions, technology, fuel prices and growth in Sweden(1870-1997)[J]. Ecological Economics, 2002,42(2):333-347.

[3]
Perman R,Stern D I.Evidence from panel unit root and cointegration tests that the Environmental Kuznets Curve does not exist[J]. Aus. J. Agr. and Res. Economics, 2003,47:325-347.

[4]
中国科学院可持续发展战略研究组.2009中国可持续发展战略报告[M].北京:科学出版社,2009:20~21.

[5]
Richmond A K,Kaufmann R K.Is there a turning point in the relationship between income and energy use and/or carbon emissions?[J] Ecological Economics, 2006,56(2):176-189.

[6]
Hamilton C,Turton H.Determinants of emissions growth in OECD countries[J].Energy Policy,2002,30(1):63-71.

[7]
Bruvoll A,Medin H.Factors behind the Environmental Kuznets Curve: a decomposition of the changes in air pollution[J].Env and Res Economics,2003,24(1):27-48.

[8]
Ying Fan,Lancui Liu,Gang Wu,et al.Changes in carbon intensity in China: Empirical findings from 1980-2003[J]. Ecological economic,2007,62:683-691.

[9]
Nobuko Yabe.An analysis of CO2 emissions of Japanese industries during the period between 1985 and 1995[J].Energy Policy,2004,32:595-610.

[10]
张雷. 经济发展对碳排放的影响[J].地理学报,2003,58(4):629~637.

[11]
张晓平. 中国对外贸易产生的CO2排放区位转移分析[J].地理学报,2009,64(2):234~242.

[12]
秦耀辰,张丽君,鲁丰先,等.国外低碳城市研究进展[J].地理科学进展,2010,29(12):1459~1469.

[13]
柴彦威,肖作鹏,刘志林.基于空间行为约束的北京市居民家庭日常出行碳排放的比较分析[J].地理科学,2011,31(7):843~849.

[14]
Svirejeva H A,Schellnhuber H J.Urban expansion and its contribution to the regional carbon emissions: Using the model based on the population density distribution[J].Ecological Modelling,2008,216(2):208-216.

[15]
Lebel L,Garden P,Banaticla M R N,et al.Integrating carbon management into the development strategies of urbanizing regions in Asia[J].Journal of Industrial Ecology,2007,11(2):61-81.

[16]
Sauerbeck D R.CO2 emissions and C sequestration by agriculture—perspectives and limitations[J].Nutr Cycling Agroecosyst,2001,60:253-266.

[17]
Northam R M.Urban Geography[M].New York:John Wiley&Sons,1975.

[18]

[19]
United Nations.World population prospects:the 2008 revision population database[DB/OL].2011-06-01.

[20]
United Nations.World urbanization prospects:the 2010 revision[DB/OL].2011-06-01.

[21]
World Bank.Open data of World Bank [DB/OL].2011-06-01.

[22]
International Energy Agency. Open data of International Energy Agency [DB/OL].2011-06-01.

[23]
Ehrlich P R,Holdren J P.Impact of population growth[J].Science,1971,171:1212-1217.

[24]
Dietz T,Rosa E A.Effects of population and affluence on CO2 emissions[J].Proceedings of the National Academy of Sciences USA,1997,94(1):175-179.

[25]
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.

[26]
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.

[27]
Martínez-Zarzoso I,Bengochea-Morancho A,Morales-Lage R.The impact of population on CO2 emissions: evidence from European countries[J].Environmental and Resource Economics,2007,38:497-512.

[28]
姜磊,季民河.基于STIRPAT模型的中国能源压力分析——基于空间计量经济学模型的视角[J].地理科学,2011,31(9):1072~1077.

[29]
张晓彤. 应用数量经济学[M].北京:机械工业出版社,2009.

[30]
Malthus T R.Essay on The Principle of Population[M].7th ed.London:Dent,1967.

[31]
Boserup E.Population and Technological Change: a Study of Long-term Trends[M].Chicago:University of Chicago Press,1981.

[32]
黄金川,方创琳.城市化与生态环境交互耦合机制与规律性分析[J].地理研究,2003,22(2):211~220.

[33]
Berry B J L.The counter urbanization process:urban America since 1970[J].Urban Affairs Annual Reviews,1976,11:17-30.

[34]
Amcoff J.Rural population growth in sweden in the 1990s:unexpected reality or spatial-statistical chimera?[J].Population,Space and Place,2006,12:171-185.

[35]
刘慧,成升魁,张雷.人类经济活动影响碳排放的国际研究动态[J].地理科学进展,2002,21(5):420~429.

文章导航

/