如何基于供需框架对城市公园的降温服务流程进行建模？以北京奥林匹克公园为例

《Sustainable Cities and Society》：How to Model Cooling Service Flow of Urban Parks Based on Supply-Flow-Demand Framework? A Case Study of Beijing Olympic Park

气候变化适应性城市试点政策（CACP）对绿色发展效率（GDE）的影响及机制研究，基于2003-2021年中国276个地级市准自然实验，构建贝叶斯优化-双重机器学习-自助法（BDB）模型，验证CACP显著提升GDE（贡献值0.6999），通过增强城市气候韧性和绿色创新能力实现传导，异质性分析显示政策效应在环保型城市、适度扩张城市和东部地区更显著。

　　在全球气候变化日益加剧的背景下，城市生态系统退化问题愈发严重，这不仅对自然环境构成威胁，也深刻影响了资源投入与可持续绿色产出之间的关系。这种变化导致全球范围内城市绿色发展效率（Green Development Efficiency, GDE）的下降，进而阻碍了区域绿色发展的进程。为了应对这一全球性挑战，各国政府纷纷采取行动，加强气候适应能力，并通过签署《巴黎协定》等国际协议，推动可持续发展战略。其中，中国政府于2016年启动的“气候适应型城市试点政策”（Climate Adaptive Cities Pilot Policy, CACP）成为一项重要的政策实践，旨在通过提升城市气候适应能力，改善绿色创新环境，从而提高GDE。

城市作为人类经济活动、居住生活以及资源集聚的核心区域，其发展深受区域气候变化和城市聚集效应的影响。气候适应型城市建设被视为缓解气候变化负面影响和潜在风险的有效手段。它不仅有助于保障城市系统的稳定运行，还在提升城市竞争力和长期可持续性方面发挥着重要作用。因此，对CACP政策实施效果的量化评估具有重要的理论和现实意义。现有研究主要依赖于传统的计量经济模型，但这些模型在处理高维数据和复杂多因素关系时存在局限性，容易导致模型误设和估计偏差。此外，许多采用双机器学习（Double Machine Learning, DML）方法的研究，虽然在一定程度上提高了模型的适应性，但在选择机器学习算法和参数设置方面仍显不足，可能影响结果的可靠性。

鉴于上述问题，本研究提出了一种新的方法框架，即“贝叶斯优化-双机器学习-自举”（Bayesian Optimization-Double Machine Learning-Bootstrap, BDB）模型。该模型通过引入贝叶斯优化技术，优化机器学习参数设置，减少主观选择带来的偏差。同时，结合自举重采样方法，对模型的稳健性进行验证，从而降低随机误差对结果的影响。这种综合方法不仅提升了模型的适应性，还增强了对复杂城市系统的解释力，为政策效果的准确评估提供了新的工具。

绿色发展效率（GDE）是衡量城市在实现经济产出的同时，如何以最少的资源消耗和污染排放来推动可持续发展的关键指标。现有研究多从概念定义、测量方法和影响因素三个方面探讨GDE。在概念层面，GDE被定义为经济活动中产出与投入之间关系的比率，强调在低投入、低资源消耗和低污染的条件下实现高经济产出。在测量方法上，研究者通过综合评估技术，如CRITIC-熵权法、TOPSIS、障碍度模型和聚类分析等，对城市GDE进行系统性评估。而在影响因素分析中，研究发现交通基础设施状况、政府环境关注度、工业数字化转型和碳交易市场建设等变量对城市GDE具有显著影响。

尽管已有大量文献从不同维度探讨了GDE的影响路径和变化特征，但对气候维度的研究仍显不足。一些研究指出，政府的气候政策在调节环境污染、提升城市气候适应能力、降低企业能源利用强度、引导绿色投资和促进技术转型等方面发挥着重要作用。这些政策不仅有助于平衡经济与生态效益，还对GDE的提升具有积极意义。因此，深入研究CACP政策对GDE的影响及其传导机制，有助于填补现有研究的空白，并为全球气候治理提供理论支持和实践参考。

本研究的核心目标是通过构建BDB模型，系统评估CACP政策对城市GDE的实际影响，并揭示其作用机制。为了实现这一目标，我们选取了中国276个地级市，时间跨度为2003年至2021年，以期通过准自然实验的方式，获取更具代表性的数据。在模型构建过程中，我们特别关注了城市气候适应能力（Urban Climate Resilience, UCR）这一关键变量，将其作为分析框架中的核心中介机制。UCR的提升不仅有助于缓解气候变化带来的风险，还能够促进绿色技术创新和城市宜居性，从而推动GDE的提高。

研究结果表明，CACP政策的实施对城市GDE具有显著的提升作用，其贡献值达到了0.6999。这一发现不仅验证了政策干预对GDE的积极影响，也表明CACP在提升城市可持续发展能力方面具有重要的现实意义。此外，通过机制分析，我们发现CACP的实施主要通过增强城市气候适应能力、提升绿色技术创新能力和改善城市宜居性三条路径，推动GDE的提高。这种多维度的作用机制为理解政策效果提供了更全面的视角。

在异质性分析方面，研究发现CACP对GDE的提升效果在不同类型的地区存在显著差异。具体而言，该政策在环境友好型城市、适度扩张的城市以及东部地区表现更为突出。这表明，政策效果并非在所有地区都具有相同的影响力，而是受到多种因素的共同作用。因此，在制定和实施CACP政策时，需要充分考虑不同城市的特点和需求，采取更具针对性的策略。这种分析结果对于未来政策的精细化实施具有重要的指导意义。

本研究的创新之处在于，不仅引入了BDB模型以提高政策评估的准确性，还构建了一个创新的“渐进式气候防御体系”，该体系包含四个阶段：灾前源头治理（减排与污染管理）、灾中系统自我修复、灾后安全与恢复以及面向未来的基础设施与创新支持。这一框架为量化城市气候适应能力提供了新的思路，并有助于更全面地理解CACP政策的作用机制。通过将这一框架纳入分析模型，我们能够更准确地评估政策对GDE的影响，并为政策优化提供理论依据。

此外，本研究在变量选择和数据处理方面也进行了多项改进。首先，我们采用了一种结合非期望产出的Slack-Based Measure（SBM）模型，构建了更为科学和合理的GDE指数。这一方法能够更准确地反映经济与环境保护之间的平衡关系，从而提高评估的准确性。其次，我们对城市进行了分类，依据其环境治理水平、城市扩张速度和地理位置，对政策效果的区域异质性进行了深入分析。这种分类方法不仅有助于识别不同城市类型的政策响应差异，也为未来政策的差异化实施提供了依据。

在政策启示方面，本研究认为，CACP政策的实施不仅能够有效应对气候变化带来的挑战，还能够促进城市绿色转型，提升经济与生态的协同效应。对于气候脆弱性较高的城市，这一政策尤为重要，因为它们更容易受到气候变化的影响，亟需通过增强气候适应能力来实现可持续发展。同时，政策的实施还需要考虑城市自身的条件和特点，以确保其在不同区域和不同类型城市中的适用性。

综上所述，本研究通过构建BDB模型，系统评估了CACP政策对城市GDE的影响，并揭示了其作用机制和区域异质性。研究结果表明，CACP政策的实施对GDE具有显著的提升作用，尤其是在环境友好型城市、适度扩张的城市以及东部地区。这一发现为全球气候治理提供了重要的理论支持和实践参考，同时也为政策制定者在推动城市绿色转型过程中提供了科学依据和方法指导。未来的研究可以进一步拓展分析范围，纳入更多变量和更长的时间跨度，以期获得更全面和深入的政策效果评估。此外，探索CACP政策与其他绿色政策之间的协同效应，也将有助于构建更加系统和高效的可持续发展政策体系。