《City and Environment Interactions》:Nonlinear effects of scale–industry–energy pathways on new-type urbanization–carbon emission intensity coordination across Yangtze River Economic Belt urban agglomerations
编辑推荐:
新型城镇化(NTU)与碳减排之间的协调是可持续发展的关键杠杆。研究人员考察了2009年至2024年长江经济带(YREB)三大城市群(UAs)共71个城市。研究人员采用熵权TOPSIS方法与偏差校正降尺度模型分别测度NTU与碳排放强度(CEI),进而应用修正耦合
新型城镇化(NTU)与碳减排之间的协调是可持续发展的关键杠杆。研究人员考察了2009年至2024年长江经济带(YREB)三大城市群(UAs)共71个城市。研究人员采用熵权TOPSIS方法与偏差校正降尺度模型分别测度NTU与碳排放强度(CEI),进而应用修正耦合协调模型推导耦合协调度(CCD)。在此基础上,研究人员构建XGBoost–SHAP框架识别规模–产业–能源(S–I–E)因素对CCD的非线性与交互效应,并设定差异化情景预测至2035年CCD演化趋势。结果表明:(1)三大UA的NTU与CEI持续优化,CCD持续上升,群间差距收窄但群内异质性显著;(2)S–I–E路径对CCD呈显著非线性效应,成渝城市群(CCUA)以规模路径主导,长江中游城市群(UAMR)产业路径更突出,长三角城市群(YRD)产业与能源维度贡献相对均衡且较强,路径间强交互表明CCD演化关联于结构化相互依赖而非孤立因素;(3)情景预测显示无单一路径普适占优,相比粗放规模扩张,优先生态保护与产业升级更利于区域趋同与缩小发展差距。研究为全球城市集群绿色城镇化与低碳协调的因地施策提供实证与决策支撑。
研究背景方面,全球气候变化背景下中国提出双碳目标,新型城镇化(NTU,以人为核心的高质量、绿色、包容城镇化)与单位产出碳排放强度(CEI)的协调成为区域可持续发展关键。既有研究多基于STIRPAT等框架解释单变量环境压力,缺乏统一框架下多城市群NTU–CEI耦合协调及多维因素非线性交互分析,且传统OLS、空间计量难以捕捉阈值与交互效应。为此,研究人员以2009–2024年长江经济带三大城市群71个地级及以上城市为样本,开展NTU与CEI测度、CCD演化诊断及S–I–E驱动机制与情景预测研究,论文发表于《City and Environment Interactions》。
关键技术方法上,研究人员构建含人口、经济、社会、空间、绿色、城乡融合6维度19指标的NTU评价体系,以熵权TOPSIS测度;CEI基于CEADs省级碳排放与DMSP-OLS类夜间灯光数据,以无截距线性回归降尺度至城市级再算强度;CCD采用修正耦合协调模型(CEI负向标准化后与NTU耦合,α=β=0.5);驱动分析以2009–2020训练、2021–2024测试,经贝叶斯超参搜索与五折分组交叉验证优选XGBoost(R2 CCUA 0.6307、UAMR 0.5061、YRD 0.6543),用SHAP求全局重要性、依赖曲线与交互热图;情景预测设基线S1、规模扩张S2、生态优先S3、产业升级S4,以历史增速乘子驱动XGBoost逐步预测2025–2035年CCD并借bootstrap的PCS评估可信度。
研究结果部分,3.1节NTU与CEI演化表明三大UA的NTU持续上升(YRD>UAMR>CCUA,上海2024年0.597最高),CEI均值下降(YRD从3.062降至1.112、UAMR从2.200降至0.805、CCUA从1.556降至0.454),散点四象限显示NTU与CEI总体负相关。3.2节CCD时空演化显示代表城市CCD多由失衡升至初级或中级协调(上海2024年0.797、武汉0.756、成都0.738),空间呈核心–外围扩散,YRD形成沪苏常宁杭高值走廊。3.3节S–I–E效应中,3.3.1选PD、LUE、PCG、IU、LP、TI、EC、CEL、GTT九变量(VIF均<10),XGBoost优于OLS/RF/LightGBM;3.3.2全局SHAP显示CCUA规模路径占50.7%(PD最重要),UAMR产业路径占54.2%(TI、IU、LP领先),YRD产业46.8%且能源33.6%(TI、CEL、GTT突出);3.3.3非线性依赖表明PD在CCUA具阈值效应、UAMR呈倒U、YRD波动,IU在CCUA过1.05转正,CEL在YRD过4.49转强正;3.3.4交互热图显示CCUA以PCG×PD正交互为主伴TI×LUE负交互,UAMR以CEL×TI、TI×LP正协同为主伴TI×PCG负,YRD以CEL×TI、EC×CEL正协同为主伴TI×EC负。3.4节情景预测中PCS短期>92%、中长期>85%,CCUA短期S3优、长期S4优,UAMR的S2长期偏弱,YRD的S2短期略高但2028后S3占优,S3/S4空间扩散强于S1/S2。
讨论与结论翻译部分,研究人员指出三大UA呈NTU升、CEI降的共同趋势但层级稳定(YRD>UAMR>CCUA),属阶段依赖非线性;CCUA受生态地形约束呈增量效率型,UAMR处转型过渡态由武汉长沙扩散带动,YRD成熟集聚下技术升级与治理促增长脱钩。S–I–E三路径非严格因果链而是层级关联,规模条件、产业结构与能源系统共同刻画协调维度;非线性表明YRD成熟条件下密度易转低碳协调,UAMR对转型成本敏感,CCUA早期扩张增压后效率主导。交互结果证CCD关联于多变量耦合而非单变量。结论为:NTU与CEI优化促CCD上升且群内异质持续;S–I–E非线性效应区域分异(CCUA规模主导、UAMR产业主导、YRD产业能源均衡);无普适单路径,生态优先与产业升级较粗放扩张更利区域趋同。研究为就地施策提供实证。