城市收缩与碳排放预测模型:基于可解释机器学习的方法拓展

《Sustainable Cities and Society》:Urban shrinkage and carbon-emission prediction structures: A methodological extension using interpretable machine learning

【字体: 大 中 小 】 时间:2026年08月13日 来源:Sustainable Cities and Society 13.3

编辑推荐:

  摘要:在人口增长放缓、现有建成空间亟待再利用以及地方财政约束日益严峻的背景下,城市低碳治理不得不适应低增长态势。然而,城市收缩是否真的能带来更低碳排放,这一问题至今尚未得到充分解释。现有研究多通过人口或经济负增长来判定城市收缩,这类研究仅能涵盖那些已出现明显衰退的城市,而对于那些

  摘要:在人口增长放缓、现有建成空间亟待再利用以及地方财政约束日益严峻的背景下,城市低碳治理不得不适应低增长态势。然而,城市收缩是否真的能带来更低碳排放,这一问题至今尚未得到充分解释。现有研究多通过人口或经济负增长来判定城市收缩,这类研究仅能涵盖那些已出现明显衰退的城市,而对于那些增长虽仍为正但增速放缓的城市,则难以提供有效分析。本研究以2012年至2022年长江经济带108座城市的数据为依据,构建了一个多维度框架,从人口、经济、社会及空间结构等方面识别城市收缩现象,并运用XGBoost-SHAP方法分析收缩相关变量与碳排放之间的预测关联、响应边界以及非线性组合关系。研究结果表明,该地区的城市收缩主要以相对收缩为主,而非绝对收缩。2017年至2022年间,有59.26%的城市被归类为收缩城市,其中52.78%呈现相对收缩,仅有6.48%属于绝对收缩。城市收缩状态并不必然意味着碳排放下降——城市平均碳排放量从592.09万吨上升至906.22万吨,52.78%的收缩城市仍存在碳排放上升趋势,且高排放区域依然集中在大城市群及长江沿岸工业带。模型分析显示,城市收缩状态并不会导致响应边界整体向下移动,人口活动、消费需求、交通服务、建成空间以及生态承载力等要素会以选择性方式影响碳排放预测结果。从概念上来看,本研究将相对收缩视为碳排放分析中的“衰退前低增长状态”;在方法上,则借助XGBoost-SHAP工具分析预测响应边界与非线性组合关系,从而将研究视角从单纯的绝对衰退和需求下降转向相对收缩、流量与存量的失衡以及条件性预测机制。研究结论为低增长城市中的存量更新、基础设施改造、闲置土地管理以及区域协同发展提供了理论依据。

引言:城市是人口、社会组织与生态过程相互作用的社会生态系统,也是能源资源消耗和碳排放的主要载体(R?dzińska & Krawczyk, 2026; Yue et al., 2025)。在城市层面研究区域碳排放变化并制定低碳治理策略具有重要意义。现有城市碳排放研究大多基于城市发展的增长导向假设,即人口增长、经济集聚、土地开发与基础设施扩张彼此强化,城市低碳治理也被视为提升能源效率、优化空间结构以及控制扩张过程中的新增排放的问题。然而,在低增长与城市收缩背景下,这种扩张逻辑不再适用——人口增长、消费需求、财政能力和服务需求可能早于城市存量出现放缓,而建成空间、基础设施网络、工业资产以及公共服务系统则表现出更强的存量刚性。在中国,随着双碳目标的推进,人口增长放缓、产业结构调整、以存量为基础的住房与基础设施管理以及地方财政约束等问题愈发突出(Xie et al., 2024; Wang et al., 2026; Yang, 2022; Mallach et al., 2017; Haase et al., 2012),城市低碳治理已不仅仅是控制新建项目与新能源需求的问题,还涉及如何对现有城市存量进行更新、再利用与功能调整。在此背景下,城市收缩与碳排放之间的关系亟需重新审视。关键问题包括空间结构重构、治理能力调整以及治理优先级的确定。若将原本用于分析扩张型城市的研究框架直接应用于收缩型城市,可能会误判碳排放趋势与政策干预重点。城市收缩不应仅仅理解为可观察的人口减少,而应视为一个分阶段的城市重构过程。在出现绝对人口下降之前,人口增长放缓、功能调整以及空间错配等现象可能早已显现。城市收缩本质上是多年间逐步发生的负面城市转型过程(Aoki, 2022; Li et al., 2025c; Ren et al., 2024; Schilling & Logan, 2008; Wiechmann, 2008; Xie et al., 2026),而非短期的人口波动(Alves et al., 2016; Beauregard, 2009; Li et al., 2025c)。尽管学术研究已从单一人口指标转向多维度测量方法(Fan et al., 2021; Hong et al., 2022; Kim et al., 2025; Yue et al., 2025),但实际分析仍倾向于将收缩等同于负增长(He et al., 2023a; Sun et al., 2025)。因此,那些整体增长为正但增长动能明显放缓的城市很容易被归类为非收缩城市。这一识别滞后对低碳治理尤为重要,因为碳排放风险可能在可见衰退之前就已出现——当城市活动流量开始放缓,而建设用地、基础设施、公共服务设施及生态空间等城市存量仍保持着扩张时期的结构时,此类风险便可能产生(Haase et al., 2012; Liu et al., 2020; Mallach et al., 2017; Pallagst et al., 2021; Reckien & Martinez-Fernandez, 2011; Xie et al., 2024; Yang, 2022)。现有多维度分析框架也更多关注建成空间的扩张问题(Yang & Roh, 2026; Zhang et al., 2026),而对蓝绿空间及其在生态承载力与碳缓冲作用方面的作用研究尚不充分。因此,现有研究更适用于识别那些已进入衰退阶段的城市,而非判断城市收缩与碳排放关联开始的低增长状态。现有研究主要围绕两个问题展开:其一,收缩型城市与非收缩型城市的碳排放结果是否存在差异;其二,城市收缩通过人口、经济、社会服务以及空间生态等路径与碳排放产生关联。不过,现有实证证据并未给出明确结论。一部分研究认为,在适当的政策与治理框架下,城市收缩可为经济结构调整与绿色转型创造机遇(Yang et al., 2022)——人口与经济活动的下降、落后生产能力的淘汰、能源需求的减少、向替代能源的过渡以及蓝绿空间的扩大,都可能促使碳排放逐步降低,尤其是在能源需求下降、产业结构优化以及生态治理加强的条件下(Hollander, 2011; Jin et al., 2026; Wu & Zhang, 2024; Zheng et al., 2025)。另有研究则指出,城市收缩并不必然带来碳排放下降,甚至可能与碳排放刚性共存——人口减少与财政压力往往伴随着产业衰退、消费模式变化以及基础设施老化(Li et al., 2024; Yang et al., 2022)。为维持经济活力,地方政府可能会选择重新工业化或提供低成本土地,而这些策略会导致高碳生产结构持续存在,可持续绿色投资能力也会随之减弱(Huang et al., 2025; Jin et al., 2026)。在社会与生态层面,公共设施的维护成本上升、公共服务质量下降,以及过度重视能够带来收益的建设项目,都可能削弱城市的低碳公共服务能力,导致公共绿地面积减少以及生态缓冲功能减弱(Park et al., 2026; Zheng et al., 2025)。现有研究的共识缺失表明,城市收缩与碳排放之间的关系不能简单地视为活动规模下降的线性结果,更为关键的是,人口、消费、财政能力等活动流量的减弱是否与基础设施、土地利用、产业结构、公共服务及生态空间等城市存量系统的同步调整相匹配。因此,城市收缩是否会导致碳排放下降,取决于流量下降与存量调整之间的匹配程度。现有研究已经发现了城市收缩通过人口、经济、社会服务、空间结构以及生态治理等多个维度与碳排放产生关联的多种路径,但大多数研究仍采用收缩城市与非收缩城市的二元划分方式(Guan et al., 2021; Li et al., 2025c; Qiao et al., 2025; Schilling & Logan, 2008),并分别分析各因素的平均关联效应。这样的分析框架难以解释为何相似的低增长轨迹会带来不同的甚至相反的碳排放预测结果,也无法揭示不同阈值、交互组合以及城市类型差异如何影响碳排放预测。从方法论角度来看,传统的分段回归与面板阈值模型通常依赖于预先设定的函数形式或有限数量的阈值变量(Li et al., 2026; Sun et al., 2023; Yang et al., 2022),难以在统一框架内捕捉多变量、多区间及交互效应。虽然空间分析方法,如地理加权回归、地理时间加权回归以及地理检测模型,能够反映空间异质性与因素关联(Rao et al., 2023; Luo et al., 2024; Zhang et al., 2023),但不太适合同时识别复杂的阈值范围与非线性组合结构。本研究采用XGBoost-SHAP框架作为探索性解释工具,用于识别模型预测结构中的变量重要性、响应边界以及组合关系,该框架主要用于分析预测关联与模式特征,而非用于因果推断。总体而言,现有研究尚未阐明在城市低增长背景下,城市收缩是如何与碳排放产生关联的。未解决的问题不仅包括收缩型城市的碳排放是否更低,还包括城市收缩何时会引发碳排放预测结构的改变、为何相似的收缩轨迹会带来不同的碳排放结果,以及在城市收缩情况下,究竟会出现碳排放下降、碳排放刚性还是反弹现象。要解决这些问题,就需要突破将城市收缩视为单纯人口减少的观念,以及依赖平均关联效应的解释框架。本研究提出了三个研究问题:首先,在城市低增长背景下,长江经济带的城市收缩主要是表现为绝对负增长,还是存在大量增长仍为正但发展动能已放缓的相对收缩城市?其次,低增长状态或城市收缩是否必然导致碳排放下降?不同类型的收缩城市在碳排放变化与空间格局上存在何种差异?第三,与收缩相关的人口、经济、社会服务及空间生态条件,是如何通过非线性阈值、交互配置以及城市类型差异影响碳排放预测结构的?又能从这些模式中得出哪些差异化的治理启示?本研究共有四项主要贡献:首先,将相对收缩重新定义为具有低碳治理意义的低增长阶段,而非非收缩城市的一个类别,这一定义将城市收缩研究的范围从明显的负人口或经济增长阶段拓展到了发展动能已开始衰弱的衰退前阶段。其次,将城市收缩与碳排放之间的关系视为流量与存量的协调问题,强调人口、消费、财政资源和服务需求等活动流量的放缓,并不一定能与建设用地、基础设施、产业结构、公共服务及蓝绿空间等城市存量的同步调整相一致。再次,通过比较收缩城市与非收缩城市在阈值响应与交互结构上的差异,重新解读了人口密度、交通服务设施密度、建设用地面积以及蓝绿空间面积等要素,认为它们并非独立的线性因素,而是具有条件性的配置要素——人口密度、交通服务设施密度、建设用地面积以及蓝绿空间面积本身并不具备低碳或高碳属性,其预测意义取决于人口活动负荷、服务设施、建成空间以及生态空间之间的匹配程度。最后,城市收缩并非一种本质上具备可持续性的低碳发展路径,这一观点为对工业型收缩城市、人口流失城市、小型边缘城市以及大都市周边城市实施差异化治理提供了依据。在城市低增长背景下,低碳治理战略需要同时应对财政压力、基础设施更新、闲置土地管理、生态空间优化以及区域碳排放负担重新分配的风险。图1展示了本研究的研究框架。

理论框架:城市收缩并非短期的人口波动,而是一个涉及人口、经济、公共服务、土地利用及城市功能持续调整的结构性过程(Rao et al., 2023)。对于碳排放而言,关键问题不在于城市规模是否缩小,而在于城市活动需求、现有存量系统以及治理能力是否能够实现重新匹配。与人口、消费、出行需求以及公共服务相关的需求会随着城市发展阶段的不同而发生变化,而……

研究区域:长江经济带横跨中国东部、中部和西部,涵盖11个省及直辖市,总面积约为205万平方公里。它占中国总人口和经济产出的40%以上,因此是推动区域协调发展与绿色转型的重要国家战略区域。作为连接东部、中部和西部地区以及中国南北部的国家通道,基于人口萎缩、经济萎缩、社会萎缩、空间结构指数以及综合衰退指数等计算出的指标,本文采用自然断点分类法对城市进行分类,从而揭示YREB区域内衰退强度的空间分布与时间演变规律(见图4)。研究结果表明,YREB区域在不同维度上的衰退并非同步发生,而是存在明显的阶段性差异。

目前关于衰退的研究通常以人口规模、人口密度或经济指标的负增长作为识别衰退的标准,因而是在城市出现明显衰退之后才将其视为衰退状态(Xie等人,2026)。即便有些研究将衡量范围扩展到人口、经济、社会和空间维度,其识别标准仍往往局限于与零增长相比所定义的衰退状态(Zhang等人,2019)。这样的识别框架存在一定的局限性。

本研究通过回归分析、非线性响应及交互作用结构,发现了YREB区域内衰退与城市衰退之间的预测性关联。不过仍存在若干局限:首先,尽管数据集整合了统计数据、多源数据及土地利用数据,但由于数据获取的限制,未能进行网格尺度分析,未来的研究应尝试在更精细的空间尺度上进行分析;其次,当前研究侧重于整体城市特征,未能清晰区分不同类型城市的情况。

本研究以YREB区域的108个城市为样本,构建了多维度的衰退识别框架,并运用XGBoost-SHAP方法分析了衰退与城市衰退之间的预测性关联、非线性响应以及城市类型间的差异。主要结论如下:首先,YREB区域内的衰退主要表现为城市衰退的广泛出现,而非传统意义上的衰退状态普遍扩散。那些以人口或经济负增长为依据的传统衰退识别方法,往往会将一些并未真正出现衰退的城市也归类为衰退城市。

参考文献:
H?u?ermann和Siebel,1988;Li等人,2025;Song等人,2026;Xie等人,2025

CRediT作者贡献说明:
Xi Chen:写作——审稿与编辑,写作——初稿撰写,可视化,监督,软件应用,项目管理,方法论,研究设计,资金筹集,正式分析,数据整理,概念构建。
Xianghua Liu:写作——审稿与编辑,写作——初稿撰写,监督,资源协调,项目管理,方法论,概念构建。
Yu Zhang:写作——审稿与编辑,写作——初稿撰写,可视化,监督,软件应用,项目管理。

Xi Chen | Xianghua Liu | Yu Zhang | Xinyu Li | Danlu Wang | Lixia Yang
河南农业大学经济管理学院,中国河南郑州
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号