长江三角洲地区城市二氧化碳排放特征研究

蔡博峰　王金南

摘要

自下而上基于点排放源建立长江三角洲地区1 km CO2排放空间网格数据，以第五次全国人口普查方法确定城市边界，研究长江三角洲地区真正城市的CO2排放特征。结果表明，长江三角洲地区的CO2排放的空间特征受典型城市驱动和影响。上海是整个长江三角洲地区的排放中心，上海的城市边界和城市排放结构与上海区域基本一致；江苏和浙江的城市直接排放分别占各省直接排放的47.05%和36.96%。两省的城市人均CO2排放水平都低于农村和整个区域人均CO2排放水平。这种现象和发达国家城市与郊区、农村的排放比较特征一致，说明在经济较为发达的省份，随着城市化和城市产业结构的合理与成熟，城市排放效率会优于非城市地区的排放效率。长江三角洲地区部分地级市（如苏州市和宁波市等）出现了两个核心排放城市，且彼此排放结构差异很大，而一些城市（如上海和昆山、无锡和张家港等）的城市边界和CO2排放在空间上已经联接成片，构成新的城市排放中心。长江三角洲地区的城市整体CO2排放增长速度要快于城市人口的增长速度，城市人口增加1%，则城市总CO2排放约增加1.35%，说明随着城市规模的增加，城市CO2排放效率呈下降趋势。这种整体态势主要是长江三角洲地区的城市人口规模差异较大，众多城市发育不成熟造成的。低于100万人口的城市，其人均排放水平波动很大，当人口规模超过了100万，城市人均排放水平基本都稳定在10.00 t/人以下，而且城市之间差异较小。

关键词长江三角洲；城市；CO2排放特征

中图分类号X22

文献标识码A

文章编号1002-2104（2015）10-0045-08

doi：10.3969/j.issn.1002-2104.2015.10.007

城市集中了全球50%以上的人口，到2050年，这一比例会达到70%，而发展中国家的城市人口增长速度是发达国家的3倍以上的[1-2]。城市由于其高人口密度、高经济活动强度和高能源利用强度，从而成为全球CO2排放的热点地区和绝对主体[3-6]。根据IEA（国际能源署）[3]计算，全球城市能源利用CO2排放占全球能源利用总排放的71%（2006年）；UNHABITAT （联合国人居署）[4]认为基于消费端，城市温室气体的排放量占全球比例达到60%至70%；IPCC第五次评估报告认为城市地区的CO2排放占全球能源利用排放的71%-76%[7]。城市化过程推动区域人均收入和化石能源消费的提高，同时部分CO2中性能源（生物质和废弃物）会转为高CO2能源（化石能源），对CO2排放产生了强劲的驱动作用[8-10]。IEA认为2012-2040年期间全球人口增长基本都发生在城市地区，而这种人口地理变化，一方面由于经济和社会活动更加集聚于城市，能源利用效率将有所提高，另一方面，发展中国家尤其是非洲和非OECD（经济合作与发展组织）亚洲国家的人均能源消费会增长，这些变化将对全球CO2排放总量和空间格局产生深刻影响[11-12]。在基准情景下，2030年城市CO2排放占全球的比例会增长到76%，发展中国家城市排放增长速度和幅度会更大[3]。因而，城市尤其是发展中国家城市的CO2排放已经成为全球碳排放研究的重点和热点。

中国作为全球最大发展中国家，正经历快速城市化过程，预计到2050年，中国的城镇化水平将达到70%-75%[13]。因而，城市CO2排放对中国乃至全球低碳发展都有重要影响。但城市在中国是行政区划的一级，体现的是区域概念，不同于发达国家（OECD国家）人口聚集的城市定义。因而，城市排放占区域和国家排放比例、城市与区域排放结构特征比较等国际热点问题在中国难以深入开展，也使得中国城市CO2排放研究由于空间边界问题失去了城市特色，同时难以与国际城市排放水平进行横向比较。国际研究也关注到了中国城市空间范围的特殊性。例如Montgomery[14]在研究城市形态变化时就认为中心城区而非市域才是北京城市的空间边界；IEA[3，15]在研究全球城市碳排放问题时，将中国城市区别于其他地区并特殊处理，得到中国城市CO2排放占全国排放的75%；Dhakal[6]则以市辖区作为中国城市范围研究中国城市的CO2排放。

基于高空间分辨率CO2排放网格数据是解决中国城市碳排放研究特殊问题的重要途径，也是国际研究城市CO2排放的重要手段之一[16-19]，本研究以长江三角洲地区（简称长三角地区）为例，建立1 km CO2排放网格，清晰界定城市空间边界，研究真正城市CO2排放水平和排放特征，从而为研究者和决策者提供借鉴和参考。

1研究方法与数据

1.1城市空间边界确定方法

根据国务院2010年批准的《长江三角洲地区区域规划》，长三角地区包括上海市、江苏省和浙江省，区域面积 21.07 万km2，2010年常住人口为1.56亿。本文研究组已经建立了中国4个城市边界的空间界定方法[20-21]，本文研究的城市范围是该体系中的城区（UB4），即较为真实的城市空间范围。中国第五次全国人口普查以人口密度（1 500人/km2）为核心参数确定城市范围[22]，这一方法和OECD确定城市范围的方法[23-24]基本一致，能比较充分地反映城市作为人口和就业集聚的特征，也是OECD认为中国城市划分较为科学合理的方法[24]。因而，本研究较为严格得按照第五次全国人口普查的方法确定城市范围（以下如无特殊说明，城市均指基于这一方法确定的城市范围）。考虑数据可获取性，本文的人口数据为2010年第六次人口普查乡镇人口数据[25]，其他数据均为2012年数据。

1.2排放范围和计算

借鉴国际上较为成熟和应用广泛的城市CO2排放核算方法[26-28]，本研究计算城市的范围1和范围2排放。范围1排放是城市边界内的所有直接排放，范围2排放是城市由于向外界购买电力、热力等导致的间接排放。范围1排放中没有考虑森林及土地利用变化导致的CO2排放和吸收，范围2排放仅考虑城市外调电力导致的排放。以下范围1排放称直接排放，范围2排放称间接排放。排放因子主要源自国家发改委的《省级温室气体清单编制指南（试行）》[29]，部分排放因子参考文献[30]，该文献是第二次国家信息通报中排放清单的基础工作，推荐了中国分行业、分能源类型和分燃烧设备的排放因子，数据详尽且较为权威。直接排放的活动水平数据来自中国CO2排放数据库[31]及2012年数据更新。工业过程排放主要包括了水泥、石灰和钢铁过程排放，计算方法参考文献[30]。间接排放计算方法采用城市范围内的外调电量乘以华东区域电网排放因子。城市外调电量=城市用电量-城市发电量。城市用电量以VIIRS夜晚灯光数据空间分摊各区县用电量至1 km网格，然后基于城市空间范围统计城市用电量。基于夜光数据空间化用电量是国际主流的方法[32]。城市发电量是基于企业点源数据库[31]统计各城市范围内的企业发电量。长三角地区属于华东区域电网，华东区域电网2012电网平均排放因子为0.703 5 kgCO2/kWh[33]。

1.3排放网格建立方法

建立高空间分辨率的CO2排放空间网格数据并基于此研究排放空间特征是国际研究的一个重点和热点，当前欧美等国家和区域都已经自下而上地建立了较为成熟的CO2/温室气体排放方法体系和空间网格[34-37]。早期空间化的方法主要以人口、经济等数据间接推算CO2排放空间分布，但随着对空间数据精度要求的不断提高，和CO2排放监测、报告和核查的更趋严格，基于排放源自下而上实现高质量CO2排放空间数据成为了研究主流和重点[35，38]。基于排放点源实现空间化方法简单、准确，而且数据的可靠性和实际空间分辨率要远远高于基于替代数据实现的空间化结果。本研究主要参考国际主流自下而上的空间化方法，并且在前期方法[21，31]的基础上做了进一步改进和提高，包括道路交通排放的空间分配充分考虑了道路车流量和道路密度等，农业生活排放基于遥感解译的农村居民点数据和人口密度数据进行分配等，使得排放网格数据更加接近真实情况。

2结果与分析

2.1长三角地区直接CO2排放空间特征

图1显示了长三角地区直接CO2排放空间分布。比较本研究基于自下而上建立的网格排放水平与基于上海、江苏和浙江能源统计[39]计算的排放水平。基于本研究网格汇总统计的上海、江苏和浙江能源燃烧CO2排放分别比基于能源数据计算的排放低-3.46%、高3.16%和高10.78%。上海和江苏的统计体系相对比较完善，因而自下而上和自上而下的结果非常接近，而浙江工业企业尤其是较小规模工业企业较多（约1.4万家），所以两者数据有一定差距，但仍在可以接受的范围内。整体而言，本研究的网格数据与国家统计局能源统计数据有较好的一致性。从图1可以明显看出，重点城市上海、杭州、南京、宁波、常州等地都是排放的热点地区，个别区域的单位平方公里的排放超过了10万t，而这些高排放网格基本都集中在城市及其周边地区。上海是整个长三角地区的排放中心，其网格排放水平不仅高，而且空间上较为集中。整个长三角地区CO2排放的空间格局可以分为三个梯度。第一级以上海为核心，周边城市如常州、无锡、苏州、湖州、嘉兴、杭州、绍兴和宁波等构成了第二级排放梯度，再往外扩形成第三级梯度，第三级排放梯度中除了南京、扬州、泰州、徐州、连云港、宿迁、衢州、金华、温州等点状高排放外，其他地区的排放相对较低。

2.2长三角地区城市范围和总体排放

基于1.1的方法，建立长三角地区城市的空间范围，见图2，这一城市空间范围和国内外研究中国城市常用的地级市/县级市行政区划范围有较大差异，但却和城镇建设用地的分布有较好的一致性，说明这种城市范围能较为真实地体现城市作为人口聚集点的核心特征。长三角地

区共有425个城市（表1）。在上海行政区划范围内有16个城市，包括上海城区，金山区的区及其内各镇政府驻地（金山、朱行等）和崇明县的县及其内各镇政府驻地（崇明、新民等）。整个上海行政区域可以看作是以上海城区为核心的16个城市组成的大都市区（Metropolitan region）。上海是城市发展较为成熟的区域，城市总面积占区域总面积达63.68%，城市人口和GDP分别占区域人口和GDP的97.44%和93.54%，城市直接排放占区域直接排放的比例达到97.85%。从上海城市排放占上海区域排放的比例结构（表1）中可以看出，除农业以外，工业、生活、交通的排放都占据了区域排放的90%以上，因而上海区域的

排放是以上海城市排放为核心和主体。上海城市的排放水平和排放特征基本表征了上海区域的排放水平。因而，上海城市人均排放水平和上海区域人均排放水平基本一致。

江苏和浙江的情况则不同。江苏城市人口、面积和GDP分别占江苏省总人口、总面积和总GDP的49.16%、9.42%和59.03%，城市直接排放占江苏省总直接排放的47.05%；从排放结构看，城市排放与区域排放差异较大，城市排放中生活、工业和交通排放占区域相应排放的比例较高，农业占比很低；而城市人均排放（8.57 t）低于江苏省总体排放水平（8.95 t）；浙江与江苏情况相似，城市人口、面积和GDP分别占浙江省总人口、总面积和总GDP的55.05%、6.20%和60.41%，城市直接排放占浙江省总直接排放的36.96%；浙江城市工业排放占区域工业排放的比例仅为37.89%，说明大量工业企业并未分布在城市地区。浙江城市人均排放（5.21 t）相比浙江省人均排放水平（7.76 t）则低很多。江苏和浙江的城市以较小的面积，集聚了各自区域内半数的人口和多半GDP，而排放的占比则相对较低，城市人均排放水平都低于农村（非城市地区）和区域平均水平。

城市与郊区及区域的人均排放比较问题是国际城市碳排放研究的一个热点，这一问题的研究对于城市化是否及如何驱动碳排放增长具有重要的意义。发达国家城市碳排放研究都发现，城市的人均排放往往要低于郊区和区域水平[41-42]，而发展中国家的城市情况往往正好相反，即发展中国家城市人均CO2排放往往高于郊区和区域水平[43-44]。这一现象在UNEP（联合国环境规划署） 2012年全球环境展望中也有所论述[45]。这一现象的主要原因是发达国家城市地区的人口密度高，并且能源利用效率高，且公共交通发达、健全，所以城市人均排放相比郊区要低，而发展中国家的城市尚处于快速城市化和经济发展过程中，城市通常都是工业、经济和消费中心，因而城市人均排放往往高于非城市地区。

观察江苏和浙江两省的城市排放水平，江苏城市人均排放（8.57 t）低于农村（9.33 t）和全江苏省平均水平（8.95 t）；浙江城市人均排放（5.21 t）同样低于农村（10.88 t）和全浙江省平均水平（7.76 t）。江苏省和浙江省的城市人均排放与区域人均排放的比较关系与发达国家城市一致，这两个省都是中国经济较为发达的省份，说明随着经济的发展和城市化推进，高排放企业会逐步退出城市，而城市、郊区和农村的消费水平逐渐趋同，从而城市能源集约化和规模化利用的优势逐渐体现出来，城市CO2排放效率逐渐高于其周边地区。

2.3长三角地区总排放前10大城市

长三角地区城市总排放（直接排放+间接排放）的前10大城市见图3，工业排放在多数城市的直接排放中都占据较高比例，并且除了宁波、杭州和苏州外，工业排放在总排放中也是绝对主体。因而，可以说10大城市的排放主要都是以工业驱动的排放。10大城市直接排放占长三角地区城市总直接排放的66.84%，占长三角地区总排放的34.87%。可以说，10大排放城市不仅是长三角地区城市的排放主体，也在整个长三角地区的总排放中占据重要比例，充分说明了长三角地区排放以重点城市为核心的空间集聚性。上海的排放远超其他城市的水平，其直接排放占10大城市直接排放的43.27%。上海2012年的排放结构中，非工业排放在直接排放中已经占据相当比例（22.74%），其中交通排放占直接排放的17.20%，生活排放占直接排放的5.34%，说明上海的去工业化卓有成效，其工业排放比例已经显著降低[46]。

10大排放城市中，锦丰和北仑都属于小城市。锦丰属苏州市的锦丰镇，境内的江苏扬子江国际冶金工业园导致其高排放，其排放是苏州主城区总排放的1.26倍。因而，对于苏州市（行政区划）而言，其排放的重点是锦丰和苏州主城区。北仑隶属于宁波市，其内聚集了大量的工业企业，因而其排放水平较高。因而，宁波市（行政区划）内有两个重点排放城市（宁波主城区和北仑）。从这两个城市可以看出，大型地级市往往将其工业从主城区中分化、集中到另一城市，从而降低主城区的排放，导致地级市中出现两个排放中心。苏州主城区的直接排放水平不高（757.27万t），内部仅保留3个小型发电厂，不能满足其较高的用电量，因而其外调电力较大，导致其间接排放占比较高。

世界银行研究报告认为工业是中国城市最重要的CO2排放源，因而与发达国家城市有很大差别[47]。发达国家城市中主要CO2排放源是能源供应、交通、建筑和间接排放，工业排放占比都很低。在10大城市中，杭州、苏州的间接排放已经超过了直接排放，说明中国的部分城市随着污染物排放标准的严格和积极的低碳发展政策，城市的排放特征越来越接近发达国家城市特征。典型欧美国家城市间接排放和交通等温室气体排放往往会占城市总排放的较高比例，交通CO2排放一般会占到直接排放的20%以上[48]，上海、杭州和苏州的交通排放已经分别占其直接排放的17.20%、14.25%和18.25%，已经接近了发达国家城市交通排放结构特征。

2.4城市规模和城市排放关系研究

城市规模（人口）和城市排放效率的关系一直是国际城市CO2排放研究的重要方向，即随着城市规模的升高，城市CO2排放效率是提高还是降低[18，49]。按照主流研究方法，研究城市规模与排放特征关系的核心是识别城市人口与城市总排放的幂法则（Power law）（公式1）的系数β，基于系数β是否大于1判断城市CO2排放增长是否快于或者慢于城市人口增长。

ln（E）=α+βln（POP）（1）

式中，E为总CO2排放，POP为总人口，α为常数项，β为回归方程的系数项。本研究对425个城市的人口和总排放取自然对数，之后通过回归方程求取回归系数。回归方程见公式（2）。回归方程的R2=0.745，F=1 235.992，P<0.001，回归方程的系数显著性检验见表2。

可以看出，回归方程及其系数都具有统计意义上的显著性，说明回归方程有意义。

从回归方程系数看，长三角地区的城市排放增长速度要快于城市人口的增长速度。城市人口增加1%，则城市总CO2排放约增加1.35%，说明随着城市规模的增加，城市CO2排放效率呈下降趋势。Fragkias等基于幂法则研究了美国城市地区人口与CO2排放关系，结论认为大城市的CO2排放效率并不比小城市高[18]，而Sarzynski研究也认为城市污染排放的增长速度要快于人口的增长速度[49]。

进一步研究长三角地区的城市人口与城市排放关系。图4展示了城市人均总CO2排放与城市人口和城市GDP的关系。425个城市的人均排放差异较大，从0.15 t/人到356.89 t/人，但绝大数城市人均排放都位于1.00-30.00 t/人之间。个别人均排放较大或较小的城市主要是其城市结构的特殊性造成的，如锦丰人均排放达到了356.89 t/人，主要是其工业园区集中了很多高排放企业，同时其城市人口规模相对较小，所以导致人均排放极高；而浙江省湖州市洪桥的经济结构主要以旅游为主，因而其人均排放很低（0.15 t/人）。从图4可以看出，长三角地区的城市人口与GDP有着较强的相关关系，说明随着人口的增加，经济水平不断提高，相应的收入和消费水平也会提高，所以人均排放会相应增加。整体而言，低于100万人口的城市，其人均排放水平波动很大，说明城市尚处于发展阶段而不成熟，经济结构的特殊性往往导致其排放强度的高值或者低值；当人口规模超过了100万，人均排放水平相对稳定，基本都在10.00 t/人以下，而且城市之间差异较小。

3结论与讨论

中国城市边界问题是中国城市CO2排放研究的难点，

也是中国城市碳排放和低碳发展研究无法体现城市特色

和无法与发达国家城市比较研究的根本原因。本文建立长三角地区1 km CO2排放空间网格数据，基于第五次全国人口普查方法确定长三角地区的城市边界，从而深入研究长三角地区真正城市的CO2排放特征，主要结论和政策建议如下：

（1）长三角地区的CO2排放空间特征受典型城市城区驱动和影响。上海是整个长三角地区的排放中心，形成第一级排放梯度，上海周边城市如常州、苏州等构成了第二级排放梯度，最外围形成第三级梯度。重点城市是长三角地区CO2排放管理和减排的重点。

（2）上海城市排放和上海区域排放的结构和特征基本一致。江苏和浙江城市的人均CO2排放水平都低于农村和整个区域CO2排放水平。这种现象和发达国家城市与郊区、农村的排放比较特征一致，说明在经济较为发达的省份，随着城市化的发展和城市产业结构的合理与成熟，城市排放效率会优于非城市地区。典型城市，如上海、杭州、苏州的城市排放结构已经接近发达国家的城市排放结构。此外，长三角地区部分地级市（例如苏州市和宁波市等）出现了两个核心排放城市，且排放结构差异很大；同时，一些城市（如上海和昆山、无锡和张家港等城市）的边界和CO2排放在空间上已经联接成片，构成新的城市排放中心。当前已有的地级市或区县等行政范围并不有利于城市CO2排放管理和政策决策。重新基于本研究的城市范围建立长三角地区的城市CO2减排战略研究非常重要。

（3）长三角地区的城市整体CO2排放增长速度要快于城市人口的增长速度。城市人口增加1%，则城市总CO2排放约增加1.35%，说明随着城市规模的增加，城市CO2排放效率呈下降趋势。这种态势主要是长三角地区的城市人口规模差异较大，众多城市发育不成熟造成的。低于100万人口的城市，其人均排放水平波动极大，当人口规模超过了100万，人均排放水平基本都稳定在10.00 t/人以下，而且城市之间差异较小。城市CO2减排和低碳发展远景要充分考虑城市人口规模和经济结构特征。

（编辑：常勇）

参考文献（References）

[1]UNHABITAT.State of the Worlds Cities 2012/2013， Prosperity of Cities State of the Worlds Cities[M].New York：Routledge，2013.

[2]UNHABITAT.State of the Worlds Cities 2010/2011：Bridging the Urban Divide[M].New York：Routledge，2010.

[3]IEA.Cities， Towns&Renewable Energy[R]，2009.

[4]UNHabitat.Cities and Climate Change：Global Report on Human Settlements， 2011[M].London：Earthscan，2011.

[5]Satterthwaite D.The Implications of Population Growth and Urbanization for Climate Change[J].Environment and Urbanization，2009，21（2）：545-567.

[6]Dhakal S.Urban Energy Use and Carbon Emissions from Cities in China and Policy Implications[J].Energy Policy，2009，37（11）：4208-4219.

[7]IPCC.Climate Change 2014： Mitigation of Climate Change. Contribution of Working Group III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[M].Cambridge， United Kingdom and New York，USA：Cambridge University Press，2014.

[8]UNHABITAT.State of the Worlds Cities 2008/2009[R].2008.

[9]ONeill BC， Dalton M， Fuchs R，et al.Global Demographic Trends and Future Carbon Emissions[J].Proceedings of the National Academy of Sciences，2010，107（41）：17521-17526

[10]KamalChaoui Lamia， Robert Alexis.Competitive Cities and Climate Change[M].Paris：OECD Publishing，2009.

[11]IEA.World Energy Outlook 2013[M].Paris：IEA Publication，2013.

[12]IEA.World Energy Outlook 2014[M].Paris：IEA Publication，2014.

[13]中国城市科学研究会.中国低碳生态城市发展战略[M].北京：中国城市出版社，2009.[China City Research Committee. Chinas Lowcarbon Ecocity Development Strategy. Beijing：China City Press，2009.]

[14]Montgomery M R.The Urban Transformation of the Developing World[J].Science，2008，319（5864）：761-764.

[15]IEA.World Energy Outlook 2008[M].Paris：IEA Publication，2008.

[16]Sovacool B K， Brown M A.Twelve Metropolitan Carbon Footprints： A Preliminary Comparative Global Assessment[J].Energy Policy，2009，38（9）：4856-4869.

[17]Parshall L， Gurney K， Hammer S A， et al.Modeling Energy Consumption and CO2 Emissions at the Urban Scale： Methodological Challenges and Insights from the United States[J].Energy Policy，2010，38（9）：4765-4782.

[18]Fragkias Michail， Lobo José， Strumsky Deborah，et al.Does Size Matter Scaling of CO2 Emissions and US Urban Areas[J].PLOS ONE，2013，8（6）：e64727.