中国城市低碳绿色发展的格局及其差异分析

摘 要：根据低碳绿色城市的发展目标、关键问题和重点领域，从经济低碳化、社会低碳化、资源低碳化、设施低碳化、环境友好化、环境绿色化6个方面构建了低碳绿色指数的综合评价指标体系。运用主客观组合赋权法，对我国GDP值前110强地级以上城市的低碳绿色发展格局及其差异进行了分析。结果表明：低碳绿色发展水平普遍不高，城市之间存在差异；低碳绿色指数在空间格局上是东高中低、西部居中，沿海高于内地；不同区域、规模、财富、职能的低碳绿色指数及各分指数之间都存在一定的差异；人口规模、贫富水平分别与低碳绿色指数间均是弱相关关系；人口城市化、土地城市化、第二产业比重、服务业比重、能源强度分别与低碳绿色指数间依次是无、弱负、极弱负向、弱、中等负向的相关关系；低碳绿色发展各个方面不够平衡，一些欠缺有待弥补。

关键词：低碳绿色指数；空间格局；差异；相关性

中图分类号：K928.5 文献标识码：A DOI：10.3969/j.issn.1004-9479.2013.04.015

1 引言

2012年中国城镇化率已达到52.6%，城镇人口在2011年首次超过农村人口，标志着中国开始由乡村型社会迈入城市型社会，然而快速城市化已经并将持续给我国资源环境带来巨大的压力。据方创琳等人测算，过去30年中国城市化率每增加1个百分点，消耗水量17亿M3、建设用地1004km2，能源6970万tce；而未来20年中国城市化率每增加1个百分点，相应的资源消耗量为水资源32亿M3、建设用地3460km2，能源20000万tce；后20年分别是前30年的1.88倍、3.45倍、2.89倍[1]。故未来中国城市发展应走低碳转型、绿色发展的必由之路。低碳城市、绿色城市目前国内外尚无统一的定义，气候组织对“低碳城市”的定义是：在城市内推行低碳经济，实现城市的低碳排放，甚至是零碳排放；经济发展、能源结构、消费方式、碳强度是城市实现低碳转型的四个方面[2]。而绿色城市是生态、公众健康和经济三方面均分别达到城市环境质量标准的城市[3]。本研究所指的低碳绿色城市是指经济、社会和环境保持可持续发展的动态协调城市，即实现经济、社会、资源和设施的低碳化、以及环境的友好化和绿色化，因而在兼顾城市发展的低碳化和绿色化的前提下，更侧重于低碳化。

近年来国内外有关城市发展的评价研究日益丰富。其中国际上较为典型的有：联合国人居署的城市指数项目分别在1996年、2001年建立了两个全球城市指数数据库（Global Urban Indicators Databases Ⅰ和Ⅱ）[4]。世界银行城市局牵头开展的城市绩效评估指标体系，该项目协助各城市评估、公布并提高绩效[5]。2009年采用欧洲绿色城市指数对欧洲的30个主要城市进行了绿色指数的评价排名；在此基础上，2010年又继续对亚洲约20个主要商业城市进行了比较[6]。国内关于城市低碳、生态、绿色和可持续发展的指标体系也逐渐增多[7-11]，但较有影响力的主要有三个：一是中科院可持续发展战略研究组按照系统理论和方法，设计的一套“五级叠加、逐层收敛、规范权重、统一排序”的可持续发展指标体系[12]；二是中国社科院城市发展与环境研究所制定的评估低碳城市新标准体系，该标准具体分为低碳生产力、低碳消费、低碳资源和低碳政策4大类共12个相对指标[13]；三是中国城市科学研究会理事长仇保兴等首先提出了生态城市指标体系，然后提出基于低碳城市发展要求的规划指标体系，二者共同构成一套低碳生态城市指标体系[14]，并对77个大中城市的低碳生态度进行了计算和排名。梳理上述研究，发现目前测度和评价城市低碳、绿色、生态和可持续发展水平主要表现在三个方面：一是分析测评同一城市某个阶段的发展水平；二是横向比较不同城市某个阶段的发展水平；三是纵向分析同一城市发展水平的时序变化。但已有研究存在不足之处是：首先评价标准尚未统一；其次很少提出绝对标准[15]；再次因受数据采集和处理方法等影响，评价的城市数量有限，研究范围就不够广泛，研究深度也难有突破，科学规律挖掘不够。基于此，本研究尝试设计一套指标体系，并针对这一多指标体系综合评价，运用主客观组合赋权法对我国GDP值前110强地级以上城市的低碳绿色发展格局及其差异进行分析，旨在丰富和发展城市发展转型的相关理论，为城市可持续发展提供参考。

2 指标体系、数据来源及研究方法

2.1 指标体系

本文借鉴普遍使用的联合国环境规划署的指标体系分类框架，基于驱动力-压力-状态-影响-响应（Driving forces-Pressure-State-Impact-Response，DPSIR）模型，以经济低碳化、社会低碳化、资源低碳化、设施低碳化、环境友好化、环境绿色化6个主题为基础，选出32个指标（表1），根据其属性又分为核心、扩展和引领3类。其中核心指标是指低碳绿色城市的达标性和门槛条件指标，一般具有约束性，共14个；扩展指标是指反映低碳绿色城市典型特征的指标，具有一定的预期性，共13个；引领指标有5个，具有示范性。

2.2 数据来源及处理方法

根据《中国城市统计年鉴2010》中地级以上城市GDP值的排序，本文选择了前110位的城市，其中东部54座、中部34座，西部22座。又考虑到数据的可获得性，除表1注解中另有说明的11个指标外，研究范围为各个市域（包括市辖区和下辖县市）。基础数据来自2009、2010年的《中国统计年鉴》、《中国城市统计年鉴》、《中国城市建设统计年鉴》、《中国能源统计年鉴》、各省（自治区、直辖市）统计年鉴，各省（自治区、直辖市）2008、2009年国民经济和社会发展统计公报，2009、2010年各市统计年鉴，各城市2008、2009年国民经济和社会发展统计公报等。

受价格影响的数据以2005年为基点，处理成可比价数据。人口为常住人口。能源消费包括能源生产、加工转换中的能源使用，工业、农业、建筑业和第三产业能源消费、城乡居民生活能源消费。各城市CO2排放总量的计算参考《IPCC国家温室气体排放清单指南2006》[16]，采用二次能源消费量换算回一次能源消费量的方法。

2.3 研究方法

首先构建原始指标数据矩阵：有m个城市，n项评价指标，形成原始指标数据库，X=xijm×n（1≤i≤m，1≤j≤n），xij为第i个城市第j个评价指标的指标值。接着对原始数据进行标准化处理：

对效益型即越大越好指标，x’ij=（ xij-xjmax）/（xjmax-xjmin）； （1）

对于成本型指标即越小越好指标，x’ij=（ xjmin-xij）/（xjmax-xjmin）； （2）

式中x’ij为标准化指标值，xjmax、xjmin分别是第j个指标 xj的最大值和最小值。再确定32个指标各自的权重。目前多指标综合评价的权重确定方法一般分成两大类：即主观赋权法和客观赋权法。两类方法内在机理不同，赋权效果各有长短。为了体现评价结果的真实可靠和客观准确，本文取长补短地利用主客观组合赋权法。主观赋权法运用层次分析法、专家打分法，客观赋权法则运用均方差法、CRITIC法[17]。组合赋权法是在分别利用上述主客观赋权法得到4个权重W1、W2、W3、W4的基础上，再求出组合权重。

W1、W2、W3、W4分别是运用层次分析法、专家打分法、均方差法、CRITIC法得到的权重。最后计算组合权重与各标准化指标的乘积和即可得到综合评价值，即城市低碳绿色指数（Low Carbon Green Indicator，LCGI）。

3 结果与分析

3.1 城市低碳绿色指数的分级与分区分析

根据上述研究方法和计算步骤，测算出110座城市LCGI的得分，发现其值普遍不大，最大值为0.7098，平均值为0.6057，离理想值为1的水平均有较远距离；而且其标准差为0.0505，说明各市之间存在一定的差异。LCGI的前五位分别是台州（0.7098）、北京（0.7023）、杭州（0.6954）、昆明（0.6870）、深圳（0.6769）；LCGI的后五位分别是石嘴山（0.4550）、金昌（0.4792）、乌鲁木齐（0.4830）、齐齐哈尔（0.4953）、大庆（0.4979），极差值达0.2549，各城市LCGI值与平均值的距离计算如下：

D=（LCGI-LCGI）/？滓 （3）

式中D是指各城市LCGI值与平均值的距离，LCGI、？滓分别为LCGI的平均值和标准差。据此将这110座城市共分为六级，分级依据是D≥1：一级；0.5≤D

由表2可知：最高级（一级）与最低级（六级）的城市数量接近，分别为15、18座；中间级别（即三级和四级）的城市数量占多数，合计达44座，占到整体城市数量的40%；差别较大的是二级和五级城市，前者刚好是二者的2倍。再按照传统的东、中、西三大地带划分，对各级城市数量进行统计分析，可以发现区域之间的较大差别：一、二、三级城市主要分布在东部，合计数量为45座，分别占到整体比例的80.00%、86.36%、51.85%；四级城市主要分布在中部，占整体比例的52.94%，东、西部数量相当，均是4座；五级城市以中、西部为主，东部很少（2座）；六级城市以中、西部为主，东部也较少（2座）。最后按东、中、西内部各级城市所占的比例来看（图1）：东部比例最大的是二级城市，比例为35.19%，其次是三级和一级城市，比例分别是25.93%、22.22%；中部以三、四、六级城市为主，比例分别为29.41%、26.47%、26.47%；西部则以四、五、六级城市为主，比例分别为18.18%、18.18%、31.82%。综合来看，东部前三个级别的城市比例最大，中部则是中间级别和最低级别占比较大，而西部则主要是后三个级别的城市。总而言之，各城市级别的空间差异较为显著，按东、中、西的顺序递减。主要因为以能源强度为典型代表的技术水平相差悬殊，能源资源禀赋、工业行业结构和能源消费结构等[18]。

3.2 不同类型城市低碳绿色指数的差异分析

为进一步了解低碳绿色指数的差异，按不同方法将各城市分类。一是按区域可分为东、中、西部共3类；二是按城区人口规模（POP）分为超大城市（POP≥200万）、特大城市（100万≤POP

首先来分析不同区域城市LCGI及各分指数的区域差异，如表3所示。从LCGI来看，东部城市最大，超过城市整体水平；西部城市次之，中部城市再次，后二者均低于城市整体水平，3个区域的变异系数为4.91%。再从各分指数来看，东部城市的ELC、ILC、ENF、ENG均领先，而西部城市的SLC、RLC最大；西部城市的ILC、ENF、ENG最小，中部城市的ELC、RLC最小，东部城市的SLC最小。然后从用标准差表示的分指数差距大小来看，相差最大的分指数是ENF（0.0115），ILC（0.0065）、ENG（0.0060）、ELC（0.0056）、RLC（0.0032）依次递减，而SLC（0.0016）的差距最小。

其次分析不同人口规模城市的LCGI及各分指数的差异。从LCGI来看，4类规模的变异系数为4.18%，超大城市的LCGI最大，超过城市整体水平，这可能与超大城市在低碳绿色发展方面充分发挥了规模经济效益有关；大城市的次之，特大城市的再次，中小城市的最小，该4类城市均低于整体水平。再从各分指数来看，特大城市的ELC、RLC、ILC、ENF最大，而大城市的SLC、ENG最大；中小城市的ELC、RLC、ILC、ENF最小，特大城市的SLC、ENG最小。从用标准差表示的分指数差距大小来看，相差最大的分指数是ENF（0.0156），而ELC（0.0052）、ILC（0.0043）、ENG（0.0038）的差距则依次递减， SLC（0.0025）、RLC（0.0024）则相对差距最小。

再次分析不同财富水平城市的LCGI及各分指数的差异。从LCGI来看，4类城市的变异系数为2.66%，富裕城市的LCGI最大，这可能是因为大多富裕型城市率先进入转型期，在低碳绿色发展方面各项投入较多；中等收入城市的次之，中等偏上收入城市的再次，上述三类城市均超过城市整体水平；而中等偏下收入城市的最小，也低于城市整体水平。再从各分指数来看，富裕城市的ELC、ILC、ENF、ENG最大，中等偏下收入城市的SLC、RLC最大；中等偏下收入城市的ILC、ENF最小，富裕城市的SLC、RLC最小，中等偏上收入城市的ENG最小，中等收入城市的ELC最小。然后从用标准差表示的分指数差距大小来看，相差最大的分指数是ENF（0.0180），SLC（0.0082）、ELC（0.0068）、RLC（0.0063）、ILC（0.0063）的差距则依次递减，而ENG（0.0011）则相对差距最小。

最后分析不同职能城市的LCGI及各分指数的差异。从LCGI来看，5类城市的变异系数为4.30%，旅游城市的LCGI最大，这是由于其低碳绿色发展的禀赋较好决定的，综合城市的次之，这与其科技优势明显、产业结构多元化水平较高有关；工业城市的再次，它们在工业发展水平上占有一定优势，但其深受资源环境瓶颈制约的影响。上述三类城市的LCGI均大于整体水平。商业城市的LCGI较小，这与其产业结构较为单一、经济社会发展水平还不高有关；资源城市的LCGI最小，造成这种现状的原因，主要在于其重化工业为主的产业结构、煤炭为主的能源结构、较为落后的技术水平等粗放发展方式，而且其受路径依赖影响较深，产业转型缓慢、科技支撑乏力、低碳绿色发展面临的困难最大。再从各分指数来看，旅游城市的ELC、ILC、ENG最大，资源城市的ELC、SLC、RLC、ILC、ENG最小；商业城市的SLC、RLC最大；而综合城市的ENF最大，商业城市的ENF最小。然后从用标准差表示的分指数差距大小来看，相差最大的分指数是ENG（0.0169），SLC（0.0097）、ELC（0.0059）、ENG（0.0054）、RLC（0.0048）的差距则依次递减，而ILC（0.0042）则相对差距最小。

3.3 低碳绿色发展的影响因素分析

用城区人口数量代表城市人口规模，来分析城市规模与低碳绿色指数之间的关系。表4显示，上述两者之间存在弱相关关系，其Pearson系数为0.3。从表3也可看出，超大城市、特大城市、大城市和中小城市的LCGI值分别是0.6309、0.6008、0.6031、0.5694，随着城市人口规模的减小，LCGI值并没有出现与之对应的明显减小，特大城市的LCGI反而低于大城市的，但相差却不大，表明不同城市规模与LCGI之间也没有明显的对应关系。另外从4类不同规模城市各分指数间的分异来看，也体现出城市规模与LCGI无明显的相关关系。

用人均GDP代表财富水平，来分析城市贫富与低碳绿色指数之间的关系。由表4可看出，上述两者之间只存在弱相关关系，Pearson系数为0.215。表3也显示，富裕、中等偏上、中等和中等偏下收入城市的LCGI值分别是0.6244、0.6077、0.6083、0.5851，随着城市人均GDP的减少，LCGI值并没有出现与之对应的明显降低，中等收入城市的LCGI反而高于中等偏上的，不过差异较小。不同贫富状况与LCGI之间也没有明显的对应关系，另外从4类不同贫富水平各分指数间的分异，也体现出城市贫富与LCGI无明显的相关关系。

由表4可知：人口城市化与LCGI之间不存在相关关系，其Pearson系数仅为0.140，且显著性水平为0.145，没能通过0.05的检验值。而土地城市化与LCGI之间存在弱负相关关系，其Pearson系数为-0.258，且通过了显著性水平为0.01的检验，表明随着城区建设用地的增加，LCGI值出现一定程度的降低。第二产业比重与LCGI之间存在极弱的负相关关系；服务业比重则与LCGI存在弱相关关系；能源强度却与LCGI是中等强度的负相关关系，其Pearson系数为-0.569，即随着能源强度的降低，LCGI表现出某种程度的上升，这表明促进技术进步比改善产业结构更能提升城市低碳绿色水平。

最后通过比较LCGI总指数与6个分指数之间的相关程度，来分析低碳绿色指数与各项分指数之间的变化是否对应或同步，以反映低碳绿色各个方面是否发展平衡，仍用Pearson相关系数来判断。关系数大，说明总指数高的城市该分指数也高；相关系数小，说明总指数高的城市该分指数不一定高，而总指数低的城市分指数也不一定低。根据相关系数的大小（图2），可将LCGI与6项分指数的相关性分成两组：ILC、ENF构成了相关性强的一组，Pearson系数都超过了0.6，其中最大的ENF达到了0.675；其余4项分指数构成了相关性较小的一组，SCL最小为0.321，属于弱相关，ELC、RLC、ENG均在0.4～0.6之间，属于中等程度的相关。因而LCGI值较大的城市在设施低碳化、环境友好化方面的分指数值也较大，这两个方面发展较为平衡，但在社会低碳化、资源低碳化、环境绿色化等方面还存在明显的不足。

4 结论与讨论

本文通过构建一套综合评价指标体系，运用主客观组合赋权法对我国地级以上城市GDP值前110强的低碳绿色指数进行了测度和分析，结果表明：

（1）低碳绿色发展水平普遍不高。根据其指数值的大小对城市进行分级，最多的是三级（27座），差不多占到110座城市的1/4；四、五级城市也占有相当比重，这三级和六级城市的数量之和占全部城市的66.36%。

（2）低碳绿色指数在空间格局上是东高中低、西部居中，沿海高于内地。东部沿海城市无论是在前三级城市的绝对数量上，还是在区域内部的比重上都是最大的。中部以三、四、六级城市为主，西部城市的主体则是四、五、六级城市。

（3）不同区域、规模、财富、职能的低碳绿色指数及各分指数之间都存在一定的差异，东部地区、超大型、富裕型、旅游型在各自城市类型的低碳绿色指数最高，而中部地区、中小型、中等偏下收入、资源型城市的则最低。但人口规模、贫富水平分别与低碳绿色指数间均为弱相关关系，这与欧洲30个城市绿色指数与城市财富具有强正相关、与城市规模具有一定正相关性[20]这个分析结果却不很一致。

（4）人口城市化、土地城市化、第二产业比重、服务业比重、能源强度分别与低碳绿色指数之间依次是无、弱负向、极弱负向、弱、中等负向的相关关系，说明以能效为代表的技术水平对低碳绿色发展影响程度最大，而产业结构、城市化率等因素则依次递减。因而城市低碳绿色发展的当务之急是加大该方面的科技支撑力度。

参考文献：

[1] 方创琳，等.中国城市化进程及资源环境保障报告[M].北京：科学出版社，2009.

[2] 气候组织.《中国低碳领导力： 城市》报告[R/OL].http：/ /www.The climate .cn / publications /2009-01-China-Low-Carbon-Leadership=Cities，2011-08-01

[3] 马修・卡恩.绿色城市：城市发展与环境的动态关系[J].城市发展研究，2011，18（10）：1-7.

[4] United Nations Human Settlements Programme. Urban Indicators Guidelines. Monitoring the Habitat Agenda and the Millennium Development Goals[R]. New York， http：///programmes/guo/documents/urban_inditators_guidelines.pdf. 2004.

[5] 全球城市指标机构.全球城市指标评估与监测城市绩效的一种综合方式（摘要报告）[R].多伦多. http：///%5Cuploads%5City%20Indicators% 20Report%20_%20%Chinese.pdf，2009.

[6] Economist Intelligence Unit European Green City Index. Assessing the environmental impact of Europe’s major cities [EB/OL]. Siemens AG. Munich， Germany， http： ///press/pool/de/

events/corporate/2009-12-Cop15/European-Green-City-Index.pdf， 2009.

[7] 付允，刘怡君，汪云林.低碳城市的评价方法与支撑体系研究[J].中国人口・资源与环境，2010，20（8）：44-47.

[8] 李晓燕，邓玲.城市低碳经济综合评价探索―以直辖市为例[J].现代经济探讨，2010（2）：82-85.

[9] 熊青青.珠三角城市低碳发展水平评价指标体系构建研究[J].规划师，2011（6）：92-95.

[10] 刘竹，耿涌，薛冰，等.基于“脱钩”模式的低碳城市评价[J].中国人口・资源与环境，2011，21（4）：19-24.

[11] 张旺，赵先超.中国主要城市低碳化发展指数的测度与分析[J].城市发展研究，2012，19（4）：11-16.

[12] 中国科学院可持续发展战略研究组.2012中国可持续发展战略报告[M].科学出版社，2012.

[13] 英国查塔姆研究所，中国社会科学院，国家发展和改革委员会能源研究所，吉林大学，第三代环保主义.吉林市低碳发展计划[R].2010：25-30.

[14] 仇保兴.兼顾理想与现实―中国低碳生态城市指标体系构建与实践示范初探[M].中国建筑工业出版社，2012.

[15] 付允，刘怡君，汪云林.低碳城市的评价方法与支撑体系研究[J].中国人口・资源与环境，2010，20（8）：44-47.

[16] IPCC. 2006 IPCC guidelines for national greenhouse gas inventories[R]. IGS， Japan：the National Greenhouse Gas Inventories form[J]. The Annals of Regional Science，2006，40（2）： 351-357.

[17] D.Diakoulaki， G.Mavrotas， L.Papayannakis. Determining objective weights in multiple criteria problems： The CRITIC Method [J]. Computer Ops. Res， 1995， 22（5）： 763-770.

[18] 岳超，胡雪洋，贺灿飞，等.1995-2007年中国省区碳排放及碳强度的分析[J].北京大学学报（自然科学版），2010，46（4）：510-516.

[19] 许锋，周一星.科学划分我国城市的职能类型建立分类指导的扩大内需政策[J].城市发展研究，2010，17（2）：88-97.

[20] 陈蔚镇，卢源.低碳城市发展的框架、路径与愿景―以上海为例[M].北京：科学出版社，2009：77-79.

Analysis of the Patterns and Differences on Cities of Low Carbon Green Development in China

-A Case Study of the Top 110 Cities

ZHANG Wang， ZHOU Yue-yun， XIE Shi-xiong

（ College of Architecture， Urban and Rural Planning， Hunan University of Technology， Zhuzhou 412007， China）

Abstract： Based on the development of low carbon green city， the comprehensive evaluation index system on low carbon green index was designed from 6 aspects as economic low carbon process， society low carbon process， resource low carbon process， facility low carbon process， environment-friendly process， environmental greening process. The patterns and differences of low carbon green development for the top 110 cities in China were analyzed， by using combination of subjective and objective weighting method. Results indicated that： All of the low carbon green development level did not high， and it existed differences among cities； The spatial pattern of low carbon green index lied in that east region was high， middle region was low， western region was placed in the middle， and coastal region was higher than mainland； The differences existed in different regional， scale， wealth， functions on low carbon green index and each sub index； The relation between population scale， wealth level and low carbon green index was respectively all weak correlation； The relation between population urbanization， land urbanization， second industry proportion， services proportion， energy strength and low carbon green index was respectively no， weak and negative， very weak and negative， weak， moderate and negative correlation； Various aspects of low carbon green development were not balanced， some weak points should be overcame.

Key words： low carbon green index； spatial pattern； difference； correlation