摘要 為探究城市鎮(zhèn)街級(jí)治理單元的碳排放差異化分布特征及影響因素，以廣州市為例，采用上下結(jié)合的碳排放空間計(jì)量方法，核算2020 年175 個(gè)鎮(zhèn)街單元的碳排放總量及強(qiáng)度，分析不同類型鎮(zhèn)街單元的碳排放空間分布異質(zhì)性特征；通過IPAT 模型和Spearman 相關(guān)性分析篩選影響要素并構(gòu)建嶺回歸模型，得到鎮(zhèn)街級(jí)治理單元的差異化治理要素及減碳策略。結(jié)果顯示：廣州市街道單元碳排放總量遠(yuǎn)高于鄉(xiāng)鎮(zhèn)單元總量，但鄉(xiāng)鎮(zhèn)單元的人均碳排放量遠(yuǎn)高于城區(qū)街道單元，其中工業(yè)型鄉(xiāng)鎮(zhèn)的人均碳排放量為14.37 t ，約是商業(yè)辦公型城區(qū)街道人均碳排放量（2.89 t）的5 倍；從空間分布特征上來看，碳排放總量及強(qiáng)度呈現(xiàn)出“內(nèi)低-中高-外低”環(huán)狀格局，但碳排放總量高值區(qū)聚集于近郊，人均碳排放量高值區(qū)聚集于遠(yuǎn)郊；結(jié)合不同類型鎮(zhèn)街級(jí)治理單元的碳排放影響因素分析，人口密度、城鎮(zhèn)化率、建設(shè)用地結(jié)構(gòu)等城市建設(shè)指標(biāo)均表現(xiàn)出了與碳排放的強(qiáng)相關(guān)性，但不同類型的街鎮(zhèn)單元呈現(xiàn)顯著差異化影響。基于此，針對(duì)不同類型街道與鄉(xiāng)鎮(zhèn)提出了“控總量”和“控強(qiáng)度”的差異化減碳路徑。

關(guān)鍵詞 雙碳； 鎮(zhèn)街尺度碳排放； 碳排放測(cè)算； 低碳； 碳減排

中圖分類號(hào) X171 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1000-2421（2024）06-0075-12

為實(shí)現(xiàn)我國(guó)的“雙碳”戰(zhàn)略目標(biāo)，各級(jí)政府已展開因地制宜的碳排放治理行動(dòng)［1］。鎮(zhèn)街是城市構(gòu)成的基本單元［2］，其土地利用及經(jīng)濟(jì)活動(dòng)［3-5］決定了能源的消耗結(jié)構(gòu)，并使碳排放產(chǎn)生空間差異［6］。這種差異使得在鎮(zhèn)街層面展開碳排放治理，能夠根據(jù)區(qū)域特性制定更具針對(duì)性的減排措施。因此，在鎮(zhèn)街層面制定差異化的減排策略尤為重要。

早期的碳排放治理多集中在省域［7］、市域［8］及縣域［9］等尺度。這些大尺度的研究往往依賴宏觀數(shù)據(jù)，難以反映鎮(zhèn)街級(jí)的碳排放特征。同時(shí)，由于數(shù)據(jù)獲取困難及碳排放計(jì)量方法的局限性，早期的研究往往忽略了較小尺度的差異化治理需求。隨著“雙碳”戰(zhàn)略的推進(jìn)，低碳治理逐漸從大尺度向鎮(zhèn)街等更小尺度下沉，鎮(zhèn)街尺度的差異化治理需求被重視，但相關(guān)研究仍相對(duì)有限。已有潘浩之等［10］、豐顯康等［11］的研究涉及鎮(zhèn)街尺度的碳排放，但對(duì)碳排放的空間分布及具體影響機(jī)制的探討仍有待進(jìn)一步深入。

現(xiàn)有的碳排放計(jì)量方法主要分“自上而下”與“自下而上”2 類［12-13］?！白陨隙隆狈椒ǎ?4-16］基于宏觀能源消耗數(shù)據(jù)，適用于大尺度區(qū)域分析，但精度較低；“自下而上”方法［17］側(cè)重細(xì)節(jié)，能提升中小尺度區(qū)域的計(jì)算精度，但數(shù)據(jù)獲取難度較大。單一方法很難全面應(yīng)對(duì)鎮(zhèn)街層級(jí)的需求，因此，結(jié)合兩者優(yōu)勢(shì)的“上下結(jié)合”方法被認(rèn)為是提升鎮(zhèn)街碳排放測(cè)算精度的有效手段［18］。然而，目前該方法大多仍基于降維數(shù)據(jù)［10］，導(dǎo)致在精確度和類型化分析上有所欠缺。

本研究基于廣東省城市感知與監(jiān)測(cè)預(yù)警企業(yè)重點(diǎn)實(shí)驗(yàn)室獲取的高精度土地利用數(shù)據(jù)，采用“上下結(jié)合”的碳排放測(cè)算方法，通過ArcGIS 可視化平臺(tái)分析廣州市鎮(zhèn)街的碳排放分布及其影響因素，提升碳排放計(jì)量的精度，并提出差異化的減排策略，以期為政府制定不同類型鎮(zhèn)街的低碳管理目標(biāo)和減碳政策提供參考。

1 材料與方法

1.1 研究范圍

1）樣本分類。本研究選取2020 年廣州市175 個(gè)鎮(zhèn)街單元作為研究樣本，并采用K-Means 聚類算法進(jìn)行分類。其步驟為：①根據(jù)行政區(qū)劃將鎮(zhèn)街單元分為街道類、鄉(xiāng)鎮(zhèn)類；②選取能夠表征鎮(zhèn)街特性的分類指標(biāo)進(jìn)行聚類分析，其中，街道類指標(biāo)為居住用地占比、工業(yè)用地占比及商業(yè)用地占比，鄉(xiāng)鎮(zhèn)類為居住用地占比、工業(yè)用地占比及耕地占比；③依據(jù)Elbow模型確定初始K 值［19］，當(dāng)K=3 時(shí)，街道類、鄉(xiāng)鎮(zhèn)類2組樣本的K-質(zhì)心均處于平衡狀態(tài)；④通過SPSSAU平臺(tái)運(yùn)行K-Means 聚類算法，并得出相應(yīng)的分類結(jié)果及依據(jù)。根據(jù)以上分類步驟，最終將樣本劃分類6個(gè)類型（表1），并通過ArcGIS10.8.1 平臺(tái)進(jìn)行可視化處理（圖1）。

2）核算范圍。本研究核算范圍涵蓋生活、生產(chǎn)和交通三大領(lǐng)域。生活領(lǐng)域碳排放源自居民日?；顒?dòng)，選取生活用電量、用水量和生活垃圾量作為核算指標(biāo)［20-21］。生產(chǎn)領(lǐng)域碳排放主要來自工業(yè)生產(chǎn)的能源消耗，按一類（100101）、二類（100102）和三類（100103）工業(yè)用地分別核算［22-23］。交通領(lǐng)域碳排放集中于機(jī)動(dòng)車，鑒于其占城市交通碳排放的80% 以上［24-25］，本研究?jī)H核算城市機(jī)動(dòng)車碳排放。鐵路、航空等區(qū)域級(jí)基礎(chǔ)設(shè)施的碳排放不在本研究范圍內(nèi)。

1.2 數(shù)據(jù)來源

本研究主要采用廣州市土地利用和社會(huì)經(jīng)濟(jì)數(shù)據(jù)，詳見表2。數(shù)據(jù)已更新至可獲取和實(shí)驗(yàn)需求的最佳年份，數(shù)據(jù)處理基于ArcGIS10.8.1 平臺(tái)進(jìn)行。

1.3 研究方法

1）基于不同人口活動(dòng)量、產(chǎn)業(yè)用地細(xì)分及各級(jí)道路交通活動(dòng)量，結(jié)合各部門的能耗統(tǒng)計(jì)，核算廣州市各鎮(zhèn)街單元的生活、生產(chǎn)及交通碳排放。進(jìn)一步，通過核算結(jié)果分析碳排放總量及強(qiáng)度分布特征，識(shí)別關(guān)鍵減排區(qū)域。在此基礎(chǔ)上，利用IPAT 模型，結(jié)合空間規(guī)劃探索性因素，篩選出碳排放的主要影響因素。通過Spearman 相關(guān)性檢驗(yàn)和嶺回歸模型，識(shí)別出影響碳排放的關(guān)鍵治理要素，歸納分析結(jié)果，提出廣州市鎮(zhèn)街單元的碳減排策略。

2）碳排放核算方法。碳排放核算采用“自上而下”和“自下而上”相結(jié)合的方法。生活領(lǐng)域通過“自上而下”方式，分解廣州市各鎮(zhèn)街的本地能源活動(dòng)系數(shù)［28］，再根據(jù)各街鎮(zhèn)人口規(guī)模，采用“自下而上”方法核算居民生活各部門的能耗碳排放量。生產(chǎn)領(lǐng)域結(jié)合用地類型，對(duì)不同工業(yè)用地進(jìn)行“自下而上”核算。由于生產(chǎn)領(lǐng)域地區(qū)差異較大，基于廣州市本地能源統(tǒng)計(jì)數(shù)據(jù)，采用“自上而下”方式進(jìn)行校正，通過等比例分配法［29-30］對(duì)核算結(jié)果進(jìn)行總量再分配。交通領(lǐng)域由于缺乏其他部門及私人車輛的詳細(xì)能源使用數(shù)據(jù)，主要依賴于營(yíng)運(yùn)車輛的能源消耗統(tǒng)計(jì)；為彌補(bǔ)該方法的不足，利用交通實(shí)時(shí)大數(shù)據(jù)并引入擁堵系數(shù)，采用“自下而上”的擁堵延時(shí)指數(shù)（congestion delayindex）進(jìn)行碳排放的補(bǔ)充計(jì)算。具體計(jì)算方法如下：

①鎮(zhèn)街單元總碳排放核算。鎮(zhèn)街單元總碳排放量由鎮(zhèn)街單元內(nèi)的生活碳排放、生產(chǎn)碳排放及交通碳排放組成。鎮(zhèn)街單元內(nèi)總碳排放公式為：

Ctotal = Clife + Cproduction + Ctraffic （1）

式（1）中Ctotal 表示鎮(zhèn)街的總碳排放量，Clife、Cproduction和Ctraffic 分別表示鎮(zhèn)街的生活碳排放總量、生產(chǎn)碳排放總量和道路交通碳排放總量，萬t。

②生活碳排放核算。生活碳排放核算內(nèi)容是用電量、用水量及生活垃圾處理量。從統(tǒng)計(jì)年鑒中獲取各區(qū)用電量、用水量及生活垃圾處理總量，再根據(jù)不同行政區(qū)常住人口數(shù)量分配至鎮(zhèn)街單元。

第一步，計(jì)算各區(qū)的人均用電量。由于不同區(qū)有顯著的用電差異，該步計(jì)算能夠突出地區(qū)差異性。人均用電量分配公式為：

Pmean =Ptotal／PQCZ（2）

式（2）中，Pmean 為區(qū)級(jí)行政單元人均生活消費(fèi)量，Ptotal 為區(qū)級(jí)行政單元生活總用電量，包括用水量、用電量、垃圾處理量，PQCZ 區(qū)級(jí)行政單元常住人口數(shù)量。

第二步，計(jì)算鎮(zhèn)街用電量，公式為：

PZtotal = Pmean × PZJCZ （3）

式（3）中，PZtotal 為鎮(zhèn)街單元生活消費(fèi)量，PZJCZ 為鎮(zhèn)街常住人口數(shù)量。鎮(zhèn)街單元的生活消費(fèi)量采用公式（2）進(jìn)行分配，再通過公式（3）進(jìn)行“自下而上”計(jì)算。

第三步，核算生活碳排放，公式為：

式（4）中，ICE，i，i為生活活動(dòng)碳排放強(qiáng)度。生活活動(dòng)碳排放強(qiáng)度如下：電力碳排放強(qiáng)度為0.714kg/（kW·h）；生活垃圾處理為2.06 kg/kg；居民用水碳排放強(qiáng)度為0.3 kg/t。

3）生產(chǎn)碳排放核算。生產(chǎn)碳排放主要受土地利用影響［31］，核算內(nèi)容為鎮(zhèn)街單元內(nèi)生產(chǎn)碳排放。由于年鑒中生產(chǎn)活動(dòng)能源消費(fèi)情況與工業(yè)用地難以直接匹配。因此，首先折算一類、二類和三類工業(yè)用地的碳排放比例關(guān)系，再通過該比例將年鑒中的生產(chǎn)活動(dòng)能源消耗碳排放量分解至各街道。具體計(jì)算步驟如下：

首先，估算工業(yè)用地（包括一類、二類、三類工業(yè)用地）的碳排放情況：

式（5）中，CIGS 表示鎮(zhèn)街生產(chǎn)活動(dòng)碳排放，kg；AIL為鎮(zhèn)街單元內(nèi)工業(yè)用地面積，m2；CIk 為k 類工業(yè)用地的單位建設(shè)用地碳排（CO2）放量，kg/m2。工業(yè)用地碳排放強(qiáng)度分別為：一類工業(yè)用地為25.5 kg/m2；二類工業(yè)用地為433.3 kg/m2；三類工業(yè)用地為569kg/m2。

其次，使用估算工業(yè)用地碳排放與年鑒數(shù)據(jù)的比值計(jì)算生產(chǎn)碳排放：

CEIGS =CEINJ／CIGS× AIL （6）

式（6）中， CEINJ 為年鑒中的生產(chǎn)能源消費(fèi)量。

4）交通碳排放核算。交通碳排放通過分析交通擁堵的時(shí)空特征與ICD特征，構(gòu)建基于速度的CO2排放因子，再模擬街鎮(zhèn)不同交通運(yùn)行環(huán)境來計(jì)算。該核算方法在文獻(xiàn)［28］中已被證實(shí)其有效性。交通擁堵碳排放計(jì)算公式為：

TCE = Lcongestion × t congestion × Rcongestion （7）

式（7）中，Lcongestion 為擁堵長(zhǎng)度，km；tcongestion 為擁堵時(shí)長(zhǎng)，h；Rcongestion 為不同ICD 下的碳排放系數(shù)。碳排放系數(shù)根據(jù)ICD 分級(jí)與1 km 路段單位時(shí)長(zhǎng)排放總量進(jìn)行換算，且交通情況分為暢通、緩行、擁堵及嚴(yán)重?fù)矶? 類狀態(tài)；Rcongestionlt;1.2 表示暢通，1.5lt; Rcongestionlt;1.8 表示緩行，1.8lt; Rcongestionlt;2.2 表示擁堵，Rcongestiongt;2.2 表示嚴(yán)重?fù)矶隆４送?，每個(gè)交通狀態(tài)對(duì)應(yīng)的1 km 路段的單位時(shí)長(zhǎng)排放總量分別為：暢通時(shí)為0.353/［t/（h·km）］，緩行時(shí)為1.576/［t/（h·km）］，擁堵時(shí)為2.004/［t/（h·km）］，而嚴(yán)重?fù)矶聲r(shí)的排放總量達(dá)到3.927/［t/（h·km）］。

1.4 影響因素篩選方法

1）IPAT 模型。影響因素的篩選范圍基于IPAT模型，即環(huán)境影響（I）與人口（P）、富裕度（A）、技術(shù)（T）三大因素密切關(guān)聯(lián)。鑒于城市空間及用地結(jié)構(gòu)在鎮(zhèn)街級(jí)碳排放中的重要性，本研究對(duì)該部分指標(biāo)進(jìn)行了細(xì)化并納入IPAT 模型。此外，考慮到研究聚焦于鎮(zhèn)街級(jí)碳排放的治理要素，能源強(qiáng)度被歸入經(jīng)濟(jì)要素大類，以確保理論一致性，而不作為獨(dú)立分類。最終，本研究將影響因素整合為公式化的理論模型：

Cst = F （ Pfactor，Efactor，Lfactor ） （8）

式中，Cst 為鎮(zhèn)街級(jí)碳排放總量，Pfactor 為人口要素，Efactor 為經(jīng)濟(jì)要素，Lfactor 為用地要素。為深入分析鎮(zhèn)街級(jí)治理要素，本研究假設(shè)人口、經(jīng)濟(jì)和用地因素均對(duì)鎮(zhèn)街級(jí)碳排放產(chǎn)生影響，同時(shí)，這些要素對(duì)碳排放的作用方向和影響程度具有差異性。

2）影響因素指標(biāo)篩選。本研究結(jié)合現(xiàn)有文獻(xiàn)中的影響機(jī)制和關(guān)鍵指標(biāo)，并根據(jù)鎮(zhèn)街單元的空間異質(zhì)性特點(diǎn)篩選出相關(guān)影響因素。人口要素方面，碳排放主要由人口規(guī)模增長(zhǎng)和城鎮(zhèn)化水平提升驅(qū)動(dòng)。人口增長(zhǎng)帶動(dòng)能源需求上升，加速城鎮(zhèn)化進(jìn)程?；诖藱C(jī)制，人口要素選取常住人口（PCZ）、人口密度（DRK）表征人口規(guī)模，城鎮(zhèn)化率（RCZ）表征城鎮(zhèn)化水平。在經(jīng)濟(jì)要素方面，隨著經(jīng)濟(jì)增長(zhǎng)，人均收入提升和人口規(guī)模擴(kuò)大，消費(fèi)模式和生活方式的變化導(dǎo)致碳排放量增加。經(jīng)濟(jì)要素采用人均GDP（PGDP）、人均能耗（ERJ）來表征經(jīng)濟(jì)和能源水平，產(chǎn)業(yè)結(jié)構(gòu)（SCY）表征經(jīng)濟(jì)城鎮(zhèn)化水平。用地要素與碳排放也密切相關(guān)，主要表現(xiàn)在用地緊湊度、生態(tài)水平、工業(yè)化水平上。用地緊湊度通過人均建設(shè)用地面積（ARJ）和路網(wǎng)密度（DLW）來表征；生態(tài)水平通過林地占比（RFL）來表征；工業(yè)化水平則采用工業(yè)用地占比（RIL）表征；土地城鎮(zhèn)化水平通過建設(shè)用地占比（RBL）表征（表3）。這些用地類指標(biāo)在既有研究基礎(chǔ)上進(jìn)一步細(xì)化，旨在探討廣州市空間布局和用地結(jié)構(gòu)對(duì)碳排放的影響。

3）Spearman 相關(guān)性檢驗(yàn)。采用Spearman 相關(guān)性檢驗(yàn)方法來探究廣州市鎮(zhèn)街級(jí)碳排放與城市治理要素之間的相關(guān)性。該方法能夠有效處理非正態(tài)分布的數(shù)據(jù)，且無需變量間呈現(xiàn)線性關(guān)系，是評(píng)估非參數(shù)數(shù)據(jù)相關(guān)性的理想選擇［46］。數(shù)據(jù)處理采用SPSSAU 平臺(tái)進(jìn)行統(tǒng)計(jì)分析。

4）嶺回歸模型。嶺回歸通過在損失函數(shù)中引入?yún)?shù)平方和的正則化項(xiàng)，有效處理多重共線性問題，是線性回歸的改進(jìn)方法。其核心在于通過引入正則化參數(shù)，將參數(shù)估計(jì)的平方和作為正則化項(xiàng)納入模型［19］。本研究采用嶺回歸模型來探究廣州市鎮(zhèn)街級(jí)碳排放的關(guān)鍵治理因素。通過調(diào)整模型復(fù)雜度，嶺回歸能夠有效避免過度擬合，提升模型的預(yù)測(cè)穩(wěn)定性與準(zhǔn)確性。

2 結(jié)果與分析

2.1 碳排放核算

1）碳排放總量及強(qiáng)度差異。碳排放總量特征（圖2）顯示，街道單元（居住型、商業(yè)辦公型、工業(yè)型）的碳排放總量顯著高于鄉(xiāng)鎮(zhèn)單元（城鄉(xiāng)融合型、農(nóng)業(yè)型、工業(yè)型），這與街道數(shù)量遠(yuǎn)多于鄉(xiāng)鎮(zhèn)數(shù)量密切相關(guān)。碳排放結(jié)構(gòu)特征（圖3）顯示，城鎮(zhèn)化程度越高的鎮(zhèn)街單元，其生活碳排放占比越高。商業(yè)辦公型街道的生活碳排放高于生產(chǎn)碳排放，居住型街道的生活碳排放略低于生產(chǎn)碳排放，而其他街道和鄉(xiāng)鎮(zhèn)的生產(chǎn)碳排放占比則處于絕對(duì)優(yōu)勢(shì)。商業(yè)辦公型街道多位于城市中心，具有大量商住混合區(qū)及高密度住宅區(qū)，且產(chǎn)業(yè)結(jié)構(gòu)以高端服務(wù)業(yè)為主，較少涉及制造類生產(chǎn)，導(dǎo)致生活碳排放高于生產(chǎn)碳排放。相反，鄉(xiāng)鎮(zhèn)區(qū)域人口較少，生活能源消耗總量較低，但制造業(yè)主要集中在近郊和遠(yuǎn)郊地區(qū)，因此生產(chǎn)碳排放高于生活碳排放。交通碳排放在6 類鎮(zhèn)街空間中均占比較低，但鄉(xiāng)鎮(zhèn)單元普遍高于街道單元，這與鄉(xiāng)鎮(zhèn)地區(qū)高等級(jí)道路貨運(yùn)車輛較多密切相關(guān)。

鎮(zhèn)街單元的碳排放量結(jié)構(gòu)顯示，工業(yè)型街道、城鄉(xiāng)融合型鄉(xiāng)鎮(zhèn)、農(nóng)業(yè)型鄉(xiāng)鎮(zhèn)以及工業(yè)型鄉(xiāng)鎮(zhèn)平均碳排放量遠(yuǎn)高于居住型街道和商業(yè)辦公型街道。從人均碳排放角度，這4 類鎮(zhèn)街的平均值仍然高于其他2 類街道，且在人均碳排放排序中，工業(yè)型鄉(xiāng)鎮(zhèn)和農(nóng)業(yè)型鄉(xiāng)鎮(zhèn)的人均碳排放遠(yuǎn)高于城鄉(xiāng)融合型鄉(xiāng)鎮(zhèn)和工業(yè)型街道。特別是工業(yè)型鄉(xiāng)鎮(zhèn)的人均碳排放強(qiáng)度為14.37 t，約是商業(yè)辦公型街道（2.89 t）的5倍，進(jìn)一步驗(yàn)證了高密度、高城鎮(zhèn)化城區(qū)在降低碳排放強(qiáng)度方面的優(yōu)勢(shì)。整體上單位建設(shè)用地碳排放量較為均衡，碳排放強(qiáng)度不存在顯著差異，僅農(nóng)業(yè)型鄉(xiāng)鎮(zhèn)和城鄉(xiāng)融合型鄉(xiāng)鎮(zhèn)碳排放強(qiáng)度相對(duì)較低。綜上，雖然城區(qū)街道單元碳排放總量占比大，但結(jié)合碳排放強(qiáng)度及比例分析，工業(yè)型鄉(xiāng)鎮(zhèn)、城鄉(xiāng)融合型鄉(xiāng)鎮(zhèn)與工業(yè)型街道碳減排需求更為迫切，其碳排放強(qiáng)度和總量均處于較高水平。

2）碳排放總量空間分布差異。廣州市2020 年的碳排放空間分布結(jié)果顯示出總量和強(qiáng)度上的明顯空間分異特征（圖4）。從總量空間分布差異（圖4A）上看，廣州市呈現(xiàn)出“內(nèi)低-中高-外低”的分布格局，高碳排放和低碳排放區(qū)域均表現(xiàn)出顯著的聚集現(xiàn)象。低碳排放區(qū)域主要集中在中心城區(qū)的居住型街道和商業(yè)辦公型街道，而近郊城鄉(xiāng)結(jié)合型鄉(xiāng)鎮(zhèn)、工業(yè)型鄉(xiāng)鎮(zhèn)、工業(yè)型街道等則呈現(xiàn)環(huán)狀聚集的高碳排放特征。北部遠(yuǎn)郊的農(nóng)業(yè)型鄉(xiāng)鎮(zhèn)則呈現(xiàn)聚集性低碳排放特征。從人均碳排放空間分布差異（圖4D）上看，廣州市碳排放強(qiáng)度與總量分布模式相似，亦呈現(xiàn)出“內(nèi)低-中高-外低”格局。然而，近郊高碳排放強(qiáng)度呈現(xiàn)出向外偏移的趨勢(shì)，北部、西北部、南部地區(qū)的工業(yè)鄉(xiāng)鎮(zhèn)和農(nóng)業(yè)鄉(xiāng)鎮(zhèn)成為高碳排放強(qiáng)度的聚集區(qū)，這些鄉(xiāng)鎮(zhèn)多位于中遠(yuǎn)郊的工業(yè)生產(chǎn)區(qū)域，導(dǎo)致其碳排放強(qiáng)度明顯高于其他區(qū)域。

直接比較碳排放總量能夠識(shí)別碳排放的主要集中區(qū)域，雖然能夠針對(duì)這些區(qū)域制定重點(diǎn)減排策略，但是由于鎮(zhèn)街面積和人口密度的差異，僅比較碳排放總量會(huì)導(dǎo)致偏差。因此，需要將碳排放強(qiáng)度納入分析中。碳排放強(qiáng)度基于人均碳排放量，能夠更準(zhǔn)確地反映碳排放在不同人口密度和經(jīng)濟(jì)活動(dòng)水平下的分布情況，消除由于人口規(guī)模和面積差異帶來的影響，提供更加公平和科學(xué)的基礎(chǔ)數(shù)據(jù)。因此，本研究進(jìn)一步分析了街道和鄉(xiāng)鎮(zhèn)2 類鎮(zhèn)街單元內(nèi)部的碳排放總量和強(qiáng)度的空間分布差異。在城區(qū)街道組（圖4B、E）中，碳排放強(qiáng)度表現(xiàn)出比總量更顯著的內(nèi)外差異性，即城區(qū)碳排放強(qiáng)度遠(yuǎn)低于近遠(yuǎn)郊街道單元。城區(qū)高密度的人口聚集和產(chǎn)業(yè)高端化有助于降低碳排放強(qiáng)度，而中遠(yuǎn)郊的街道單元?jiǎng)t面臨更高的減排需求。在鄉(xiāng)鎮(zhèn)型單元組（圖4C、F）中，城鄉(xiāng)融合型鄉(xiāng)鎮(zhèn)呈現(xiàn)出高總量、低強(qiáng)度的碳排放特征，其交通碳排放占比在6 種類型中最高。這主要源于大量居民居住或工作于近郊地區(qū)，職住分離導(dǎo)致較高的交通碳排放，且產(chǎn)業(yè)和生活行為的聚集性較強(qiáng)。由于城郊地區(qū)產(chǎn)業(yè)發(fā)展相對(duì)外圍地區(qū)更為先進(jìn)，低端產(chǎn)業(yè)逐步外遷，其人均能源消耗強(qiáng)度低于外圍區(qū)域。而工業(yè)型鄉(xiāng)鎮(zhèn)則在碳排放總量和強(qiáng)度方面均呈現(xiàn)高值，顯示出在碳減排方面的顯著壓力。

2.2 影響因素分析

1）Spearman 相關(guān)性檢驗(yàn)?；赟pearman 相關(guān)性分析結(jié)果，11 個(gè)人口、經(jīng)濟(jì)、土地影響因素指標(biāo)均通過相關(guān)性檢驗(yàn)（Plt;0.05）。但不同指標(biāo)對(duì)碳排放影響方向和程度呈顯著差異，結(jié)果顯示：相關(guān)性最強(qiáng)的3 項(xiàng)指標(biāo)為人均GDP（0.801）gt; 人均建設(shè)用地（0.685）gt;人口密度（-0.666）。在鎮(zhèn)街層面，人口密度、城鎮(zhèn)化率、建設(shè)用地結(jié)構(gòu)等城市建設(shè)指標(biāo)均表現(xiàn)出了與碳排放的強(qiáng)相關(guān)性，其相關(guān)系數(shù)和顯著性與城市級(jí)及區(qū)縣級(jí)影響結(jié)果相比，具有更強(qiáng)的顯著性。從影響關(guān)系方向分析，常住人口（0.500）、人均GDP（0.801）、人均能耗（0.452）、產(chǎn)業(yè)結(jié)構(gòu)（0.504）、人均建設(shè)用地面積（0.685）、工業(yè)用地占比（0.642）與碳排放呈現(xiàn)正相關(guān)，人口密度（-0.666）、城鎮(zhèn)化率（-0.408）、路網(wǎng)密度（-0.623）、林地占比（-0.602）、建設(shè)用地占比（-0.561）與碳排放呈現(xiàn)明顯的負(fù)相關(guān)。

2）廣州市整體樣本嶺回歸結(jié)果。經(jīng)嶺回歸分析，k 值取0.200 時(shí)，R2=0.961， 方差膨脹因子VIF 值均小于10，且模型通過F 檢驗(yàn)（Plt;0.05），證明模型有效。由此得到嶺回歸模型：

lnCGZ =-6.727 + 0.828lnPCZ - 0.075lnRCZ +0.506lnPGDP - 0.057lnDLW - 0.053lnDRK + 0.036lnSCY +0.167lnARL + 0.008lnRBL - 0.018lnRFL +0.203lnERJ + 0.043lnRIL

嶺回歸模型中l(wèi)nCGZ 表示廣州市區(qū)碳排放量，各指標(biāo)中常住人口（PCZ）、人均GDP（PGDP）、產(chǎn)業(yè)結(jié)構(gòu)（SCY）、人均建設(shè)用地面積（ARL）、人均能耗（ERJ）、工業(yè)用地占比（RIL）每增加1%，則廣州市碳排放相應(yīng)增加0.828%、0.506%、0.036%、0.167%、0.203%、0.043%，城鎮(zhèn)化率（RCZ）、路網(wǎng)密度（DLW）、人口密度（DRK）、林地占比（RFL）每增加1%，廣州市碳排放相應(yīng)減少0.075%、0.057%、0.053%、0.018%。因此，人口總量、經(jīng)濟(jì)強(qiáng)度以及能源總量在影響程度上仍表現(xiàn)出較強(qiáng)的碳排放調(diào)控作用，用地類指標(biāo)則起到了輔助調(diào)整功能。

3）廣州市6 種類型樣本嶺回歸結(jié)果。通過對(duì)6種類型的鎮(zhèn)街建立嶺回歸模型，進(jìn)一步揭示了人口、經(jīng)濟(jì)和用地要素中各指標(biāo)對(duì)廣州市碳排放的量化影響及差異（表4）。除城鎮(zhèn)人口數(shù)量和人均GDP 這2項(xiàng)指標(biāo)在6 類鎮(zhèn)街回歸模型中均表現(xiàn)出較強(qiáng)的影響外，工業(yè)占比指標(biāo)在除商業(yè)辦公型街道外的各類鎮(zhèn)街中也顯示出一定的影響作用，其他指標(biāo)在不同類型的鎮(zhèn)街回歸模型中表現(xiàn)出顯著的差異性。其中，人口密度、人均能耗、人均建設(shè)用地、建設(shè)用地比例等在不同鎮(zhèn)街類型樣本中影響差異最顯著。

綜合Spearman 相關(guān)性分析和嶺回歸結(jié)果，廣州市鎮(zhèn)街單元的碳排放構(gòu)成了一個(gè)復(fù)雜的系統(tǒng)，受到經(jīng)濟(jì)增長(zhǎng)、人口增長(zhǎng)和用地模式等多重因素的共同影響。其中，城鎮(zhèn)人口數(shù)量和經(jīng)濟(jì)強(qiáng)度是普遍的影響因素，而不同類型鎮(zhèn)街的碳排放影響機(jī)制具有顯著差異，具體表現(xiàn)為：①居住型街道的碳排放影響機(jī)制最為復(fù)雜，人口密度和城鎮(zhèn)化率的增加、人均建設(shè)用地的減少、路網(wǎng)密度的增加以及工業(yè)用地比例的減少均對(duì)控碳減排具有正向作用。②商業(yè)辦公型街道除人口和經(jīng)濟(jì)因素外，其他指標(biāo)對(duì)排放影響均不顯著，表明該類街道的碳排放更依賴于服務(wù)業(yè)和交通等因素。③工業(yè)型街道受城鎮(zhèn)人口數(shù)量和人口密度影響最為顯著，勞動(dòng)力密集型產(chǎn)業(yè)發(fā)展會(huì)加劇廣州市碳排放增長(zhǎng)。人均能耗、建設(shè)用地增加、工業(yè)用地占比的增加以及人口密度降低均會(huì)進(jìn)一步加劇碳排放產(chǎn)生。表明提高土地利用效率是減排的關(guān)鍵。④城鄉(xiāng)融合型鄉(xiāng)鎮(zhèn)的碳排放受工業(yè)用地比例的增加影響，產(chǎn)業(yè)用地的大規(guī)模增長(zhǎng)顯著增加近郊區(qū)域的碳排放。⑤農(nóng)業(yè)型鄉(xiāng)鎮(zhèn)則對(duì)人口密度、工業(yè)用地比例和建設(shè)用地比例較為敏感，農(nóng)村地區(qū)人口聚集和低端產(chǎn)業(yè)發(fā)展加劇碳排放增長(zhǎng)，且低效的建設(shè)用地?cái)U(kuò)張值得關(guān)注。⑥工業(yè)型鄉(xiāng)鎮(zhèn)的碳排放對(duì)人均建設(shè)用地、工業(yè)用地比例和建設(shè)用地比例敏感，這類區(qū)域的土地利用和產(chǎn)業(yè)發(fā)展模式對(duì)碳排放有顯著影響。

3 討論

本研究結(jié)果表明，6 類鎮(zhèn)街單元均受到經(jīng)濟(jì)活動(dòng)和人口增長(zhǎng)的影響，這與IPAT 理論模型的結(jié)論一致，進(jìn)一步驗(yàn)證了IPAT 理論在碳排放研究中的適用性。然而，各類鎮(zhèn)街單元也展現(xiàn)出顯著的差異化治理要素，尤其在用地要素上差異更為明顯。具體而言，居住型街道的碳排放受人口密度增加、城鎮(zhèn)化率提升、人均建設(shè)用地減少及路網(wǎng)密度的增加影響；商業(yè)辦公型街道的碳排放主要受城鎮(zhèn)人口數(shù)量與人均GDP 影響，其他指標(biāo)均不顯著，表明經(jīng)濟(jì)活動(dòng)為該街道的高碳排因素；工業(yè)型街道的碳排放與勞動(dòng)密集型產(chǎn)業(yè)的發(fā)展密切相關(guān)，人均能耗增加、人均建設(shè)用地增加、工業(yè)用地占比增加和人口密度降低均加劇碳排放；城鄉(xiāng)融合型鄉(xiāng)鎮(zhèn)和農(nóng)業(yè)型鄉(xiāng)鎮(zhèn)的碳排放主要受工業(yè)用地比例和人口密度影響，工業(yè)用地比例增加會(huì)顯著提升碳排放，農(nóng)村地區(qū)人口聚集和低端產(chǎn)業(yè)發(fā)展也會(huì)加劇碳排放。據(jù)此本研究提出不同類型街鎮(zhèn)的關(guān)鍵減碳治理策略。

3.1 廣州市街道單元減排策略

廣州市街道單元整體碳排放總量較高但強(qiáng)度較低，因此從“控總量”角度推進(jìn)減排工作。在3 個(gè)街道類型中，工業(yè)型街道碳排放總量和強(qiáng)度最高，最具減碳潛力；而居住型街道的影響因素復(fù)雜，土地調(diào)控作用顯著。因此，需要針對(duì)這2 類街道分別制定具體的減碳策略。

1）廣州市居住型街道在空間優(yōu)化方面，應(yīng)推行緊湊城市理念，重點(diǎn)關(guān)注增強(qiáng)鎮(zhèn)街單元的建設(shè)密度、減少土地蔓延及增強(qiáng)城市活力3 個(gè)建設(shè)維度。在增強(qiáng)建設(shè)密度方面，通過城市更新，提升土地利用效率，降低居住用地空置率；采用“小街區(qū)、密路網(wǎng)”設(shè)計(jì)，改善交通擁堵，縮短交通距離，同時(shí)提升公共交通系統(tǒng)的效率。在減少土地蔓延及增強(qiáng)城市活力方面，應(yīng)減少增量指標(biāo)的供給，挖掘可用存量建設(shè)用地，優(yōu)化居住空間環(huán)境，提升居住品質(zhì)，鑒于廣州市獨(dú)特的氣候特點(diǎn)，推廣使用高能效的建筑標(biāo)準(zhǔn)與節(jié)能技術(shù)，以減少建筑領(lǐng)域的能源消耗。

2）廣州市工業(yè)型街道在土地供給方面，應(yīng)鼓勵(lì)高新技術(shù)型企業(yè)落地，限制或減少高能耗及勞動(dòng)密集型企業(yè)的土地供給。同時(shí)，在工業(yè)型街道中配置工業(yè)共享設(shè)施，如共享物流、存儲(chǔ)服務(wù)設(shè)施，以減少企業(yè)單獨(dú)建設(shè)所需的空間。在優(yōu)化交通系統(tǒng)方面，對(duì)各企業(yè)的貨物運(yùn)輸進(jìn)行時(shí)間上的調(diào)度和統(tǒng)一調(diào)配，避免高峰時(shí)段進(jìn)行貨物運(yùn)輸，減少交通擁堵。

3.3 廣州市鄉(xiāng)鎮(zhèn)單元減排策略

廣州市鄉(xiāng)鎮(zhèn)單元整體碳排放強(qiáng)度較高但總量較低，應(yīng)著重從“控強(qiáng)度”角度提出減排策略。然而，城鄉(xiāng)融合型鄉(xiāng)鎮(zhèn)表現(xiàn)出高碳排放總量特征，因此在“控總量”的同時(shí)也需關(guān)注強(qiáng)度控制。因此，對(duì)3 類鄉(xiāng)鎮(zhèn)單元分別提出控碳減排策略。

1）廣州市城鄉(xiāng)融合型和工業(yè)型鄉(xiāng)鎮(zhèn)應(yīng)著重關(guān)注產(chǎn)業(yè)園區(qū)的低碳化建設(shè)，避免污染型產(chǎn)業(yè)分散式布局，加快零散工業(yè)入駐園區(qū)，以避免無序擴(kuò)張和土地資源浪費(fèi)。重點(diǎn)對(duì)低效產(chǎn)業(yè)園區(qū)進(jìn)行更新規(guī)劃，調(diào)整園區(qū)的產(chǎn)業(yè)類型及結(jié)構(gòu)。同時(shí)鼓勵(lì)綠色廠房建設(shè)，并加裝新能源設(shè)施、碳監(jiān)測(cè)設(shè)備等。此外，重視城鄉(xiāng)融合型鄉(xiāng)鎮(zhèn)的職住分離現(xiàn)象，增強(qiáng)城市郊區(qū)的公共交通可達(dá)性，改善公共交通系統(tǒng)，促進(jìn)低碳出行。并通過調(diào)整職住結(jié)構(gòu)，降低遠(yuǎn)距離通勤，形成小規(guī)模組團(tuán)式發(fā)展模式。

2）廣州市農(nóng)業(yè)型鄉(xiāng)鎮(zhèn)在集約化農(nóng)村住房、改善村莊生活生產(chǎn)用能結(jié)構(gòu)方面，提升整體綠色化水平。在平衡用地方面，可在現(xiàn)有農(nóng)村工業(yè)用地的基礎(chǔ)上，引入環(huán)境友好工業(yè)政策，如限制高污染產(chǎn)業(yè)，鼓勵(lì)并推廣清潔生產(chǎn)技術(shù)。同時(shí)，推廣綠色宅基地建設(shè)，提高綠色生態(tài)化農(nóng)村居民用房比例。在標(biāo)準(zhǔn)化建房的同時(shí)，推行綠色基礎(chǔ)設(shè)施建設(shè)引導(dǎo)。同時(shí)減少低效工業(yè)及居住用地比例，以恢復(fù)廣州鄉(xiāng)村的生態(tài)碳匯能力。

參考文獻(xiàn) References

［1］ LIU X，CIFUENTES-FAURA J，ZHAO S，et al. Governmentenvironmental attention and carbon emissions governance：firm-level evidence from China［J］. Economic analysisand policy，2023，80： 121-142.

［2］ 薛磊，李琦，劉帥.北京城市產(chǎn)業(yè)碳排放的小尺度空間分布［J］.地理研究，2013，32（7）：1188-1198.XUE L，LI Q，LIU S.Researchon the small-scale spatial distribution of urban industrialcarbon emissions：a case study of Beijing［J］.Geographical research，2013，32（7）：1188-1198 （in Chinese with English abstract）.

［3］ 韓依紋，萬明暄，方鐵樹，等. 生態(tài)底線約束下的國(guó)土生態(tài)空間碳儲(chǔ)量預(yù)測(cè)：以襄陽市為例［J］. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2024，43（3）：89-99.HAN Y W，WAN M X，F(xiàn)ANG T S，et al.Predictingcarbon storage of ecological space under constraints ofecological bottom line：taking Xiangyang City as an example［J］. Journal of Huazhong Agricultural University，2024，43（3）：89-99（ in Chinese with English abstract）.

［4］ TONG X，LI X S，TONG L，et al.Spatial spillover and the influencingfactors relating to provincial carbon emissions in Chinabased on the spatial panel data model［J/OL］.Sustainability，2018，10（12）：4739［2024-01-16］. https：//doi. org/10.3390/su10124739.

［5］ 陳理浩. 中國(guó)碳減排路徑選擇與對(duì)策研究［D］. 長(zhǎng)春：吉林大學(xué)，2014. CHEN L H. Study on the path choice and countermeasuresof carbon emission reduction in China ［D］.Changchun：Jilin University，2014（ in Chinese with English abstract）.

［6］ ZHANG Y，QUAN J，KONG Y Q，et al.Research on the fine-scale spatial-temporal evolution characteristics of carbon emissionsbased on nighttime light data：a case study of Xi’an City［J/OL］. Ecological informatics，2024，79：102454［2024-04-19］.https：//doi.org/10.1016/j.ecoinf.2023.102454 .

［7］ TIAN S，XU Y，WANG Q S，et al.Research on peak predictionof urban differentiated carbon emissions：a case study ofShandong Province，China［J/OL］. Journal of cleaner production，2022，374：134050 ［2024-04-19］. https：//doi. org/10.1016/j.jclepro.2022.134050.

［8］ YANG X L，JIN K，DUAN Z，et al.Spatial-temporal differentiationand influencing factors of carbon emission trajectory in Chinesecities：a case study of 247 prefecture-level cities［J/OL］.Science of the total environment，2024，928：172325［2024-04-19］.https：//doi.org/10.1016/j.scitotenv.2024.172325.

［9］ 劉泓江，閆鳳英，尹文超. 基于低碳土地利用的縣級(jí)國(guó)土空間規(guī)劃控碳體系研究：以長(zhǎng)興縣為例［J］. 城市發(fā)展研究，2024，31（5）：1-7.LIU H J，YAN F Y，YIN W C.Research on spatialplanning carbon control system at the county-level based onlow-carbon land use：a case study of Changxing County［J］.Urbandevelopment studies，2024，31（5）：1-7 （in Chinese withEnglish abstract）.

［10］ 潘浩之，施睿，蔡子攀，等. 基于城市土地利用碳排放源識(shí)別的國(guó)土空間規(guī)劃支撐研究：以南京市為例［J］. 現(xiàn)代城市研究，2024，39（1）：1-7.PAN H Z，SHI R，CAI Z P，et al.Studyon supporting territorial spatial planning through identificationcarbon emission sources in urban land use：a case study of Nanjing［J］.Modern urban research，2024，39（1）：1-7 （in Chinesewith English abstract）.

［11］ 豐顯康，匡文慧，竇銀銀，等. 北京市鄉(xiāng)鎮(zhèn)街道尺度碳排放格局及驅(qū)動(dòng)因素［J］. 遙感信息，2023，38（6）：82-87.FENG XK，KUANG W H，DOU Y Y，et al.Carbon emission patternand driving factor at township and street level in Beijing［J］.Remote sensing information，2023，38（6）：82-87 （in Chinesewith English abstract）.

［12］ SHI K F，CHEN Y，YU B L，et al.Modeling spatiotemporalCO2 （carbon dioxide） emission dynamics in China fromDMSP/OLS nighttime stable light data using panel data analysis［J］.Applied energy，2016，168：523-533.

［13］ 郭忻怡，閆慶武，譚曉悅，等. 基于DMSP/OLS 與NDVI 的江蘇省碳排放空間分布模擬［J］. 世界地理研究，2016，25（4）：102-110.GUO X Y，YAN Q W，TAN X Y，et al.Spatial distributionof carbon emissions based on DMSP/OLS nighttimelight data and NDVI in Jiangsu Province［J］. World regionalstudies，2016，25（4）：102-110 （in Chinese with English abstract）..

［14］ 蘇泳嫻，陳修治，葉玉瑤，等. 基于夜間燈光數(shù)據(jù)的中國(guó)能源消費(fèi)碳排放特征及機(jī)理［J］. 地理學(xué)報(bào)，2013，68（11）：1513-1526.SU Y X，CHEN X Z，YE Y Y，et al.The characteristicsand mechanisms of carbon emissions from energy consumptionin China using DMSP/OLS night light imageries［J］.Acta geographicasinica，2013，68（11）：1513-1526 （in Chinese withEnglish abstract）.

［15］ 鄭德高，吳浩，林辰輝，等. 基于碳核算的城市減碳單元構(gòu)建與規(guī)劃技術(shù)集成研究［J］. 城市規(guī)劃學(xué)刊，2021（4）：43-50.ZHENG D G，WU H，LIN C H，et al.The formulation of urbancarbon reduction unit and integrated planning methodologybased on carbon accounting［J］. Urban planning forum，2021（4）：43-50（ in Chinese with English abstract）.

［16］ CHAU C K，LEUNG T M，NG W Y.A review on life cycleassessment，life cycle energy assessment and life cycle carbonemissions assessment on buildings［J］. Applied energy，2015，143：395-413.

［17］ 潘毅群，梁育民，朱明亞. 碳中和目標(biāo)背景下的建筑碳排放計(jì)算模型研究綜述［J］. 暖通空調(diào)，2021，51（7）：37-48.PAN YQ，LIANG Y M，ZHU M Y.Review of building carbon emissioncalculation models in context of carbon neutrality［J］.Heating ventilating amp; air conditioning，2021，51（7）：37-48 （inChinese with English abstract）.

［18］ 陳紅敏. 國(guó)際碳核算體系發(fā)展及其評(píng)價(jià)［J］. 中國(guó)人口·資源與環(huán)境，2011，21（9）：111-116.CHEN H M.Evaluation on thedevelopment of international carbon accounting systems［J］.China population，resources and environment，2011，21（9）：111-116（ in Chinese with English abstract）.

［19］ ZHANG Y X，WANG R，YANG X Y，et al. Can Chinaachieve its carbon emission peak target：empirical evidencefrom city-scale driving factors and emission reduction strategies［J/OL］.Land，2023，12（6）：1129［2024-04-19］.https：//doi.org/10.3390/land12061129 .

［20］ 曲建升，劉莉娜，曾靜靜，等. 中國(guó)城鄉(xiāng)居民生活碳排放驅(qū)動(dòng)因素分析［J］. 中國(guó)人口·資源與環(huán)境，2014，24（8）：33-41.QU J S，LIU L N，ZENG J J，et al.An analysis on driving factorsof China’s urban and rural household carbon emissions［J］.China population，resources and environment，2014，24（8）：33-41（ in Chinese with English abstract）.

［21］ 王春艷，周雨澎，尤愷杰，等. 北京市居民家庭水-能消費(fèi)活動(dòng)碳核算及影響因素分析［J］. 中國(guó)環(huán)境管理，2021，13（3）：56-65.WANG C Y，ZHOU Y P，YOU K J，et al.Analysis of carbonemissions accounting and influencing factors of water-energyconsumption behaviors in Beijing residents［J］. Chinesejournal of environmental management，2021，13（3）：56-65 （inChinese with English abstract）.

［22］ 張秀梅，李升峰，黃賢金，等. 江蘇省1996 年至2007 年碳排放效應(yīng)及時(shí)空格局分析［J］. 資源科學(xué)，2010，32（4）：768-775.ZHANG X M，LI S F，HUANG X J，et al.Effects of carbonemissions and their spatio-temporal patterns in Jiangsu Provincefrom 1996 to 2007［J］.Resources science，2010，32（4）：768-775（ in Chinese with English abstract）.

［23］ 王金南，蔡博峰，曹東，等. 中國(guó)CO2排放總量控制區(qū)域分解方案研究［J］. 環(huán)境科學(xué)學(xué)報(bào)，2011，31（4）：680-685.WANG JN，CAI B F，CAO D，et al.Scenario study on regional allocationof CO2 emissions allowance in China［J］.Acta scientiae circumstantiae，2011，31（4）：680-685 （in Chinese with English abstract）.

［24］ 李振宇，廖凱，崔占偉，等. 緩解城市交通擁堵的CO2 減排效益評(píng)估方法研究［J］. 交通運(yùn)輸系統(tǒng)工程與信息，2020，20（2）：8-12. LI Z Y，LIAO K，CUI Z W，et al. An evaluationmethod of CO2 emissions reduction in urban traffic congestionmitigation［J］. Journal of transportation systems engineeringand information technology，2020，20（2）：8-12 （in Chinesewith English abstract）.

［25］ YANG S X，JI Y，ZHANG D，et al.Equilibrium between roadtraffic congestion and low-carbon economy：a case study fromBeijing，China［J/OL］.Sustainability，2019，11（1）：219［2024-04-19］.https：//doi.org/10.3390/su11010219.

［26］ 楊選梅，葛幼松，曾紅鷹. 基于個(gè)體消費(fèi)行為的家庭碳排放研究［J］. 中國(guó)人口·資源與環(huán)境，2010，20（5）：35-40.YANG XM，GE Y S，ZENG H Y.The household carbon emission analysisunder individual consumer behavior［J］.China population，resources and environment，2010，20（5）：35-40 （in Chinesewith English abstract）.

［27］ 姜洋，何永，毛其智，等. 基于空間規(guī)劃視角的城市溫室氣體清單研究［J］.城市規(guī)劃，2013，37（4）：50-56.JIANG Y，HE Y，MAO Q Z，et al.City-level greenhouse gas emission inventoryfrom a spatial planning perspective［J］. City planning review，2013，37（4）：50-56（in Chinese with English abstract）.

［28］ 馮海霞，王興渝，咸化彩，等. 城市交通運(yùn)行狀況對(duì)機(jī)動(dòng)車碳排放的影響研究［J］. 交通運(yùn)輸系統(tǒng)工程與信息，2022，22（4）：167-175.FENG H X，WANG X Y，XIAN H C，et al.Impactof urban traffic operations on vehicle carbon dioxide emission［J］. Journal of transportation systems engineering and informationtechnology，2022，22（4）：167-175 （in Chinese withEnglish abstract）.

［29］ 王奇，趙欣. 基于改進(jìn)等比例分配方法的我國(guó)各省二氧化碳減排目標(biāo)分配［J］. 干旱區(qū)資源與環(huán)境，2019，33（1）：1-8.WANG Q，ZHAO X.Allocation of carbon dioxide emission reductiontargets in China based on the improved equal proportiondistribution［J］.Journal of arid land resources and environment，2019，33（1）：1-8（ in Chinese with English abstract）.

［30］ 宋德勇，劉習(xí)平. 中國(guó)省際碳排放空間分配研究［J］. 中國(guó)人口·資源與環(huán)境，2013，23（5）：7-13.SONG D Y，LIU X P.Spatial distribution of provincial carbon emissions［J］. Chinapopulation，resources and environment，2013，23（5）：7-13 （inChinese with English abstract）.

［31］ 陳詩一. 能源消耗、二氧化碳排放與中國(guó)工業(yè)的可持續(xù)發(fā)展［J］. 經(jīng)濟(jì)研究，2009，44（4）：41-55.CHEN S Y.Energy consumption，CO2 emission and sustainable development in Chineseindustry［J］.Economic research journal，2009，44（4）：41-55（ in Chinese with English abstract）.

［32］ 鄒秀萍，陳劭鋒，寧淼，等. 中國(guó)省級(jí)區(qū)域碳排放影響因素的實(shí)證分析［J］. 生態(tài)經(jīng)濟(jì)，2009，25（3）：34-37. ZOU X P，CHEN S F，NING M，et al.An empirical research on the influencefactor of carbon emission in Chinese provincial regions［J］.Ecological economy，2009，25（3）：34-37 （in Chinese withEnglish abstract）.

［33］ 趙強(qiáng)，周月凌，方潛生，等. 中部地區(qū)碳排放時(shí)空演變及其影響因素分析［J］. 環(huán)境科學(xué)學(xué)報(bào)，2023，43（2）：354-364.ZHAOQ，ZHOU Y L，F(xiàn)ANG Q S，et al.Spatial-temporal evolutionof carbon emissions and its influencing factors in China centralregion［J］.Acta scientiae circumstantiae，2023，43（2）：354-364（in Chinese with English abstract）.

［34］ 渠慎寧，郭朝先.基于STIRPAT 模型的中國(guó)碳排放峰值預(yù)測(cè)研究［J］. 中國(guó)人口·資源與環(huán)境，2010，20（12）：10-15.QU SN，GUO C X.Forecast of China’s carbon emissions based onSTIRPAT model［J］.China population，resources and environment，2010，20（12）：10-15（ in Chinese with English abstract）.

［35］ 李治國(guó)，王杰. 中國(guó)城鄉(xiāng)家庭碳排放核算及驅(qū)動(dòng)因素分析［J］.統(tǒng)計(jì)與決策，2021，37（20）：48-52.LI Z G，WANG J.Accountingand driving factors analysis of household carbon emissionsin urban and rural China［J］. Statistics amp; decision，2021，37（20）：48-52（ in Chinese with English abstract）.

［36］ 黃蕊，王錚，丁冠群，等. 基于STIRPAT 模型的江蘇省能源消費(fèi)碳排放影響因素分析及趨勢(shì)預(yù)測(cè)［J］. 地理研究，2016，35（4）：781-789. HUANG R，WANG Z，DING G Q，et al.Trend prediction and analysis of influencing factors of carbonemissions from energy consumption in Jiangsu Province basedon STIRPAT model［J］.Geographical research，2016，35（4）：781-789（ in Chinese with English abstract）.

［37］ SUN X T，WANG Z H.Can Chinese families achieve a lowcarbonlifestyle？an empirical test of China’s low-carbon pilotpolicy［J/OL］. Frontiers in energy research，2021，9：655733［2024-04-19］.https：//doi.org/10.3389/fenrg.2021.655733 .

［38］ 張赫，賀晶，楊興源，等.碳增匯目標(biāo)下縣域生態(tài)空間的分區(qū)及管控策略：以京津冀地區(qū)縣域?yàn)槔跩］.規(guī)劃師，2022，38（1）：32-40.ZHANG H，HE J，YANG X Y，et al.Zoning and governance ofcounty ecological space for the increase of carbon sinks：a casestudy of the Beijing-Tianjin-Hebei Region［J］.Planners，2022，38（1）：32-40（ in Chinese with English abstract）.

［39］ 李國(guó)志，李宗植. 人口、經(jīng)濟(jì)和技術(shù)對(duì)二氧化碳排放的影響分析：基于動(dòng)態(tài)面板模型［J］. 人口研究，2010，34（3）：32-39.LIG Z，LI Z Z.The impact of population，economy and technologyon carbon dioxide emissions：a study based on dynamic panelmodel［J］.Population research，2010，34（3）：32-39 （in Chinesewith English abstract）.

［40］ 武春友，常濤. 生態(tài)社區(qū)綜合評(píng)價(jià)指標(biāo)體系的初步探討［J］.中國(guó)人口·資源與環(huán)境，2003，13（3）：30-33. WU C Y，CHANG T.Probing of comprehensive evaluation indicator systemof urban ecological community［J］. China population，resourcesand environment，2003，13（3）：30-33 （in Chinesewith English abstract）.

［41］ ZHAO B Y，SUN L C，QIN L.Optimization of China’s provincialcarbon emission transfer structure under the dual constraintsof economic development and emission reduction goals［J］. Environmental science and pollution research international，2022，29（33）：50335-50351.

［42］ JIA J S，DENG H B，DUAN J，et al. Analysis of the major drivers of the ecological footprint using the STIRPAT modeland the PLS method：a case study in Henan Province，China［J］.Ecological economics，2009，68（11）：2818-2824.

［43］ DORAN J C，F(xiàn)AST J D，BARNARD J C，et al.Applicationsof Lagrangian dispersion modeling to the analysis of changes inthe specific absorption of elemental carbon［J］. Atmosphericchemistry and physics，2008，8（118）：1377-1389.

［44］ YI Y C，QI J，CHEN D.Impact of population agglomeration inbig cities on carbon emissions［J］. Environmental science andpollution research international，2022，29（57）：86692-86706.

［45］ HUANG H Q，ZHOU J.Study on the spatial and temporal differentiationpattern of carbon emission and carbon compensationin China’s provincial areas［J/OL］.Sustainability，2022，14 （13） ：7627 ［2024-04-19］. https：//doi. org/10.3390/su14137627.

［46］ VAN DEN HEUVEL E，ZHAN Z Z.Myths about linear andmonotonic associations：Pearson’s r，Spearman’s ρ，and Kendall’sτ［J］.The American statistician，2022，76（1）：44-52.

（責(zé)任編輯：張志鈺）

基金項(xiàng)目：國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目（2023YFC3807700）；廣東省城市感知與監(jiān)測(cè)預(yù)警企業(yè)重點(diǎn)實(shí)驗(yàn)室基金項(xiàng)目（2020B121202019）；廣州市城市規(guī)劃勘測(cè)設(shè)計(jì)研究院有限公司科技基金項(xiàng)目（RDI2220202059）