当铁路推高碳排放：东京23区的垂直集约化与二氧化碳排放

《Sustainable Cities and Society》：When rail raises carbon: Vertical densification and CO 2 emissions in the Tokyo 23 wards

　　

我们探讨了铁路扩展能否在成熟、土地受限的城市中减少二氧化碳排放。我们利用历史铁路工具变量分析铁路市场可达性与城镇二氧化碳排放的关系。铁路市场可达性每提高1%，城镇级二氧化碳排放上升0.34%。碳响应通过纵向集约化运作。碳排放增量集中在可达性增益最大的地区。

引言

建设可持续城市需要了解大型交通基础设施投资何时能真正缓解环境压力，而非加剧压力（Saxe et al., 2017, Shahid et al., 2021, Uchehara et al., 2022, Zheng and Yang, 2023）。二氧化碳处于这一问题的核心，因为它驱动气候变化，而已有大量文献追溯了交通基础设施影响二氧化碳的不同途径。部分研究强调高铁可能引发的出行方式转变（Lin et al., 2021）；部分研究指出建成环境特征——如密度、土地利用多样性和以行人为导向的设计——能抑制汽车出行（Cervero & Kockelman, 1997）；部分研究强调交通政策与能源政策协同带来的效益（Liu & Liu, 2025）。

大部分现有证据令人乐观。通过改善可达性并鼓励出行者从汽车转向铁路，铁路扩展通常预期能降低排放。然而，许多支持证据来自新建线路将交通接入延伸至此前连通性较差区域的场景，研究者可通过清晰的投前投后对比来识别其环境影响（Guo et al., 2020, Li et al., 2019）。同样的逻辑在成熟、土地受限的城市核心区——如东京23区——是否成立则不太明确。原因有二。第一，更好的可达性不仅改变人们的出行方式，还重塑人口、就业和经济活动的空间分布（Jin and Kim, 2018, Wang et al., 2019）。然而在成熟核心城市中，此类再分配可能集中于已经高密度的区域。第二，当地块供给紧张时，这种流入无法向外扩散，而是被更高、更密集的建筑所吸收。密度有利于气候的传统观点部分建立在出行边际之上——高密度中心位置的人开车更少（Glaeser & Kahn, 2010）。但在建筑侧，符号可能反转，因为随着建筑增高，单位建筑面积的能耗和碳排放急剧上升（Godoy-Shimizu et al., 2018）。因此，铁路扩展在核心区内究竟降低还是增加排放是一个开放性问题。远离汽车的出行效应减少排放，而人口集中和高楼增长则增加排放。

两种力量——减排的出行边际和增排的集约化边际——何者占主导并非事先确定。然而大多数现有研究仅判断效应的总体方向，并将排放变化归因于出行方式转变；对集约化渠道或核心区不同区域间响应的差异关注甚少。

据此，本研究评估可达性改善对二氧化碳排放的影响、这些影响产生的机制——包括人口变化、城市结构、高层开发和交通方式转变——以及响应强度如何随核心区内开发剩余能力而变化。在此过程中，我们将机制本身而非效应的总体方向作为分析的主要对象。

东京23区在2000年至2020年期间是本研究问题的天然场域。该问题关乎已建成城市核心区，而23区是全球最成熟的铁路服务核心区之一：约九百万居民（Statistics Division, Bureau of General Affairs, Tokyo Metropolitan Government, 2024），且铁路在样本起始时已主导通勤出行（Statistics Bureau of Japan, 2010）。23区因此并非小而特殊的案例，而是一个其他轨道交通导向核心区——从首尔到新加坡——随着各自网络成熟正在趋近的领先观测对象。该时期还结合了持续的网络扩展与二十年的长屋级人口、建筑和排放数据，这正是追踪从可达性到建设再到碳排放链条所必需的。

为捕捉铁路网络扩展的效应，本研究采用Redding和Venables（2004）及Donaldson和Hornbeck（2016）的市场可达性（MA）方法，并结合以往研究广泛使用的双重差分（DID）框架（如Yoo, Kumagai, Aki & Managi, 2025; Hao et al., 2025）。MA指标能够更精确地评估铁路网络扩展带来的可达性改善，并考虑更广泛和更长远的连通性效应。如第2节所述，2000年后23区内新设车站数量过少且在时间上过于集中，无法独立承担识别任务，因此连续的MA指标是我们的主要设计，车站开通结果作为佐证。为应对基础设施倾向于已发生排放变化地区的关切，我们参照Li et al.（2019）以约百年前的铁路网络所隐含的市场可达性作为当期市场可达性的工具变量（Yoo, Kumagai, Aki & Managi, 2025），后者以历史地铁规划作为北京当代地铁密度的工具变量。

铁路投资的环境论据几乎完全建立在出行之上：火车将乘客从汽车吸引过来，排放理应下降。我们的贡献是将这一问题从出行转向建成环境。铁路的碳后果不仅取决于人们如何出行，还取决于城市如何对可达性改善做出建设响应，而在成熟核心区，建筑响应占主导地位。由此观之，铁路的气候效应不是固定的效益而是有条件的效益，条件在于建筑存量保留了多少开发能力。检验这一点需要在城市内部观察，而现有证据尚未处于这样观察的位置。城市间研究将每个城市视为单一观测值：Zhang et al.（2023）发现高铁在中国平均降低城市级排放，但在超大城市中增加排放；Ou et al.（2024）发现在315个城市中，可达性增益因诱发性出行超过替代效应而提高交通部门排放；一项全球卫星分析认为地铁大致使人口相关排放减半，但在25公里分辨率下城市再次进入为单一单元（Dasgupta et al., 2023）。此类设计可以确立排放随连通性升降，但无法观察实际建了什么。对于这座大都市的城市内证据，此前已测量的局部空气污染物对附近道路交通做出响应而非建筑存量所驱动的总化石能源使用（Yoo, Kumagai, Aki & Managi, 2025）。东京23区允许进行这一检验。以下三点具体贡献随之展开。

第一，我们考察渠道。现有文献几乎将铁路的环境效应完全归因于出行方式转变。在23区内部，这一边际几乎不动：居民增加火车出行但不放弃汽车。做出响应的是建成环境：更好的可达性吸引人口流入，流入被新的高层建设所容纳，且在渠道分解中碳响应最集中于高层覆盖率而非出行边际。

第二，我们证明机制强度随当地建筑存量的剩余开发能力变化：碳响应在外围区最大，那里仍有余地进行更多建设；在已建成的中心区则衰减。单一合并弹性——该文献的标准对象——将掩盖这一梯度，以及由此掩盖控制机制的状态变量。

第三，我们将估计结果转化为政策术语。我们按碳的社会成本对隐含的排放变化进行估值，计算使可达性增益恰好抵消该成本的碳价，并检验由此产生的负担相对于可达性带来的收入增益在各城镇间的分配情况。

综合来看，研究结果修正了铁路投资必然带来环境效益的普遍假设。是否如此取决于可达性增益落在何处以及建筑存量还保留多少开发能力。本文余下部分安排如下。第2节描述政策与制度环境及东京铁路网络结构。第3节回顾文献并推导假设。第4节介绍数据和实证策略，第5节报告结果，第6节讨论发现，第7节总结。

片段

背景

日本已承诺到2050年实现碳中和，而通过减少汽车依赖和推广公共交通来重构城市交通是该承诺的核心要素（国土交通省, 2025）。作为该国最大都市圈的东京，是这一重构最为先进且可在长期内观察其后果的地方。

东京大都市圈被视为公交导向开发的典范

交通基础设施、城市形态与碳排放

第一条研究脉络将出行行为与城市形态联系起来。以密度、土地利用多样性和行人为导向的设计为特征的紧凑发展模式与更少更短的汽车出行相关（Cervero & Kockelman, 1997），高密度中心位置的户主相比郊区家庭消耗更少汽油并从驾车和家庭供暖中排放更少碳（Glaeser & Kahn, 2010）。这一出行侧逻辑构成了铁路投资通过——的预期基础

研究区域

研究区域为东京23区，即第2节介绍的大都市行政核心。分析单位为长屋（ちょうちょうめ），即日本普查的最细粒度单元；23区包含3150个此类长屋，我们逐年观测其2000年至2020年的数据。这一分辨率使得可以在城市内部而非城市之间追踪从可达性到人口、建设和排放的链条。研究区域及其铁路网络如图1所示。

数据与变量

市场可达性增长与二氧化碳变化的空间模式

在进行主要分析之前，我们描述2000年至2020年间铁路市场可达性和二氧化碳在23区内的空间演变。图3显示，MA增益最大的区域是一条从新宿向东延伸至城市核心的带状区域以及正在再开发的水滨地带，二十年的渐进式铁路扩展在此加厚了网络；而西部和极东部住宅区的增益则较为温和。

图4显示，相应的Δln(CO?)分布并不均匀：

讨论

本文探讨在成熟、土地受限的大都市核心区内扩展铁路能否降低碳排放，结果是不能。在东京23区内，铁路市场可达性每提高1%，城镇级二氧化碳排放上升0.34%，且这一增量通过建筑存量的纵向生长而非人们出行方式的任何变化来运作。该结果与铁路投资本身即为减排路径的普遍预期相悖。

结论

本文探讨了在成熟、土地受限的大都市核心区内扩展铁路能否降低碳排放，并以东京23区的因果证据作答：不能。铁路市场可达性每提高1%，城镇级二氧化碳排放上升0.34%。响应通过纵向集约化而非交通方式替代来运作，其强度由当地建筑存量的剩余开发能力决定，且按社会碳成本估值时——

CRediT作者贡献声明

Dohyung Kim：撰写——初稿，形式化分析。Junya Kumagai：形式化分析。Keigo Karakida：数据整理。Shunya Higuchi：数据整理。Sunbin Yoo：概念构思。Shunsuke Managi：概念构思。

利益冲突声明

作者声明不存在可能影响本文所述工作的已知竞争性经济利益或个人关系。

Dohyung Kim | Junya Kumagai | Keigo Karakida | Shunya Higuchi | Sunbin Yoo | Shunsuke Managi