長江三角洲地區(qū)城市二氧化碳排放特征研究

蔡博峰　王金南

摘要

自下而上基于點排放源建立長江三角洲地區(qū)1 km CO2排放空間網(wǎng)格數(shù)據(jù)，以第五次全國人口普查方法確定城市邊界，研究長江三角洲地區(qū)真正城市的CO2排放特征。結(jié)果表明，長江三角洲地區(qū)的CO2排放的空間特征受典型城市驅(qū)動和影響。上海是整個長江三角洲地區(qū)的排放中心，上海的城市邊界和城市排放結(jié)構(gòu)與上海區(qū)域基本一致；江蘇和浙江的城市直接排放分別占各省直接排放的47.05%和36.96%。兩省的城市人均CO2排放水平都低于農(nóng)村和整個區(qū)域人均CO2排放水平。這種現(xiàn)象和發(fā)達(dá)國家城市與郊區(qū)、農(nóng)村的排放比較特征一致，說明在經(jīng)濟(jì)較為發(fā)達(dá)的省份，隨著城市化和城市產(chǎn)業(yè)結(jié)構(gòu)的合理與成熟，城市排放效率會優(yōu)于非城市地區(qū)的排放效率。長江三角洲地區(qū)部分地級市（如蘇州市和寧波市等）出現(xiàn)了兩個核心排放城市，且彼此排放結(jié)構(gòu)差異很大，而一些城市（如上海和昆山、無錫和張家港等）的城市邊界和CO2排放在空間上已經(jīng)聯(lián)接成片，構(gòu)成新的城市排放中心。長江三角洲地區(qū)的城市整體CO2排放增長速度要快于城市人口的增長速度，城市人口增加1%，則城市總CO2排放約增加1.35%，說明隨著城市規(guī)模的增加，城市CO2排放效率呈下降趨勢。這種整體態(tài)勢主要是長江三角洲地區(qū)的城市人口規(guī)模差異較大，眾多城市發(fā)育不成熟造成的。低于100萬人口的城市，其人均排放水平波動很大，當(dāng)人口規(guī)模超過了100萬，城市人均排放水平基本都穩(wěn)定在10.00 t/人以下，而且城市之間差異較小。

關(guān)鍵詞長江三角洲；城市；CO2排放特征

中圖分類號X22

文獻(xiàn)標(biāo)識碼A

文章編號1002-2104（2015）10-0045-08

doi：10.3969/j.issn.1002-2104.2015.10.007

城市集中了全球50%以上的人口，到2050年，這一比例會達(dá)到70%，而發(fā)展中國家的城市人口增長速度是發(fā)達(dá)國家的3倍以上的[1-2]。城市由于其高人口密度、高經(jīng)濟(jì)活動強(qiáng)度和高能源利用強(qiáng)度，從而成為全球CO2排放的熱點地區(qū)和絕對主體[3-6]。根據(jù)IEA（國際能源署）[3]計算，全球城市能源利用CO2排放占全球能源利用總排放的71%（2006年）；UNHABITAT （聯(lián)合國人居署）[4]認(rèn)為基于消費端，城市溫室氣體的排放量占全球比例達(dá)到60%至70%；IPCC第五次評估報告認(rèn)為城市地區(qū)的CO2排放占全球能源利用排放的71%-76%[7]。城市化過程推動區(qū)域人均收入和化石能源消費的提高，同時部分CO2中性能源（生物質(zhì)和廢棄物）會轉(zhuǎn)為高CO2能源（化石能源），對CO2排放產(chǎn)生了強(qiáng)勁的驅(qū)動作用[8-10]。IEA認(rèn)為2012-2040年期間全球人口增長基本都發(fā)生在城市地區(qū)，而這種人口地理變化，一方面由于經(jīng)濟(jì)和社會活動更加集聚于城市，能源利用效率將有所提高，另一方面，發(fā)展中國家尤其是非洲和非OECD（經(jīng)濟(jì)合作與發(fā)展組織）亞洲國家的人均能源消費會增長，這些變化將對全球CO2排放總量和空間格局產(chǎn)生深刻影響[11-12]。在基準(zhǔn)情景下，2030年城市CO2排放占全球的比例會增長到76%，發(fā)展中國家城市排放增長速度和幅度會更大[3]。因而，城市尤其是發(fā)展中國家城市的CO2排放已經(jīng)成為全球碳排放研究的重點和熱點。

中國作為全球最大發(fā)展中國家，正經(jīng)歷快速城市化過程，預(yù)計到2050年，中國的城鎮(zhèn)化水平將達(dá)到70%-75%[13]。因而，城市CO2排放對中國乃至全球低碳發(fā)展都有重要影響。但城市在中國是行政區(qū)劃的一級，體現(xiàn)的是區(qū)域概念，不同于發(fā)達(dá)國家（OECD國家）人口聚集的城市定義。因而，城市排放占區(qū)域和國家排放比例、城市與區(qū)域排放結(jié)構(gòu)特征比較等國際熱點問題在中國難以深入開展，也使得中國城市CO2排放研究由于空間邊界問題失去了城市特色，同時難以與國際城市排放水平進(jìn)行橫向比較。國際研究也關(guān)注到了中國城市空間范圍的特殊性。例如Montgomery[14]在研究城市形態(tài)變化時就認(rèn)為中心城區(qū)而非市域才是北京城市的空間邊界；IEA[3，15]在研究全球城市碳排放問題時，將中國城市區(qū)別于其他地區(qū)并特殊處理，得到中國城市CO2排放占全國排放的75%；Dhakal[6]則以市轄區(qū)作為中國城市范圍研究中國城市的CO2排放。

基于高空間分辨率CO2排放網(wǎng)格數(shù)據(jù)是解決中國城市碳排放研究特殊問題的重要途徑，也是國際研究城市CO2排放的重要手段之一[16-19]，本研究以長江三角洲地區(qū)（簡稱長三角地區(qū)）為例，建立1 km CO2排放網(wǎng)格，清晰界定城市空間邊界，研究真正城市CO2排放水平和排放特征，從而為研究者和決策者提供借鑒和參考。

1研究方法與數(shù)據(jù)

1.1城市空間邊界確定方法

根據(jù)國務(wù)院2010年批準(zhǔn)的《長江三角洲地區(qū)區(qū)域規(guī)劃》，長三角地區(qū)包括上海市、江蘇省和浙江省，區(qū)域面積 21.07 萬km2，2010年常住人口為1.56億。本文研究組已經(jīng)建立了中國4個城市邊界的空間界定方法[20-21]，本文研究的城市范圍是該體系中的城區(qū)（UB4），即較為真實的城市空間范圍。中國第五次全國人口普查以人口密度（1 500人/km2）為核心參數(shù)確定城市范圍[22]，這一方法和OECD確定城市范圍的方法[23-24]基本一致，能比較充分地反映城市作為人口和就業(yè)集聚的特征，也是OECD認(rèn)為中國城市劃分較為科學(xué)合理的方法[24]。因而，本研究較為嚴(yán)格得按照第五次全國人口普查的方法確定城市范圍（以下如無特殊說明，城市均指基于這一方法確定的城市范圍）。考慮數(shù)據(jù)可獲取性，本文的人口數(shù)據(jù)為2010年第六次人口普查鄉(xiāng)鎮(zhèn)人口數(shù)據(jù)[25]，其他數(shù)據(jù)均為2012年數(shù)據(jù)。

1.2排放范圍和計算

借鑒國際上較為成熟和應(yīng)用廣泛的城市CO2排放核算方法[26-28]，本研究計算城市的范圍1和范圍2排放。范圍1排放是城市邊界內(nèi)的所有直接排放，范圍2排放是城市由于向外界購買電力、熱力等導(dǎo)致的間接排放。范圍1排放中沒有考慮森林及土地利用變化導(dǎo)致的CO2排放和吸收，范圍2排放僅考慮城市外調(diào)電力導(dǎo)致的排放。以下范圍1排放稱直接排放，范圍2排放稱間接排放。排放因子主要源自國家發(fā)改委的《省級溫室氣體清單編制指南（試行）》[29]，部分排放因子參考文獻(xiàn)[30]，該文獻(xiàn)是第二次國家信息通報中排放清單的基礎(chǔ)工作，推薦了中國分行業(yè)、分能源類型和分燃燒設(shè)備的排放因子，數(shù)據(jù)詳盡且較為權(quán)威。直接排放的活動水平數(shù)據(jù)來自中國CO2排放數(shù)據(jù)庫[31]及2012年數(shù)據(jù)更新。工業(yè)過程排放主要包括了水泥、石灰和鋼鐵過程排放，計算方法參考文獻(xiàn)[30]。間接排放計算方法采用城市范圍內(nèi)的外調(diào)電量乘以華東區(qū)域電網(wǎng)排放因子。城市外調(diào)電量=城市用電量-城市發(fā)電量。城市用電量以VIIRS夜晚燈光數(shù)據(jù)空間分?jǐn)偢鲄^(qū)縣用電量至1 km網(wǎng)格，然后基于城市空間范圍統(tǒng)計城市用電量?；谝构鈹?shù)據(jù)空間化用電量是國際主流的方法[32]。城市發(fā)電量是基于企業(yè)點源數(shù)據(jù)庫[31]統(tǒng)計各城市范圍內(nèi)的企業(yè)發(fā)電量。長三角地區(qū)屬于華東區(qū)域電網(wǎng)，華東區(qū)域電網(wǎng)2012電網(wǎng)平均排放因子為0.703 5 kgCO2/kWh[33]。

1.3排放網(wǎng)格建立方法

建立高空間分辨率的CO2排放空間網(wǎng)格數(shù)據(jù)并基于此研究排放空間特征是國際研究的一個重點和熱點，當(dāng)前歐美等國家和區(qū)域都已經(jīng)自下而上地建立了較為成熟的CO2/溫室氣體排放方法體系和空間網(wǎng)格[34-37]。早期空間化的方法主要以人口、經(jīng)濟(jì)等數(shù)據(jù)間接推算CO2排放空間分布，但隨著對空間數(shù)據(jù)精度要求的不斷提高，和CO2排放監(jiān)測、報告和核查的更趨嚴(yán)格，基于排放源自下而上實現(xiàn)高質(zhì)量CO2排放空間數(shù)據(jù)成為了研究主流和重點[35，38]?；谂欧劈c源實現(xiàn)空間化方法簡單、準(zhǔn)確，而且數(shù)據(jù)的可靠性和實際空間分辨率要遠(yuǎn)遠(yuǎn)高于基于替代數(shù)據(jù)實現(xiàn)的空間化結(jié)果。本研究主要參考國際主流自下而上的空間化方法，并且在前期方法[21，31]的基礎(chǔ)上做了進(jìn)一步改進(jìn)和提高，包括道路交通排放的空間分配充分考慮了道路車流量和道路密度等，農(nóng)業(yè)生活排放基于遙感解譯的農(nóng)村居民點數(shù)據(jù)和人口密度數(shù)據(jù)進(jìn)行分配等，使得排放網(wǎng)格數(shù)據(jù)更加接近真實情況。

2結(jié)果與分析

2.1長三角地區(qū)直接CO2排放空間特征

圖1顯示了長三角地區(qū)直接CO2排放空間分布。比較本研究基于自下而上建立的網(wǎng)格排放水平與基于上海、江蘇和浙江能源統(tǒng)計[39]計算的排放水平?；诒狙芯烤W(wǎng)格匯總統(tǒng)計的上海、江蘇和浙江能源燃燒CO2排放分別比基于能源數(shù)據(jù)計算的排放低-3.46%、高3.16%和高10.78%。上海和江蘇的統(tǒng)計體系相對比較完善，因而自下而上和自上而下的結(jié)果非常接近，而浙江工業(yè)企業(yè)尤其是較小規(guī)模工業(yè)企業(yè)較多（約1.4萬家），所以兩者數(shù)據(jù)有一定差距，但仍在可以接受的范圍內(nèi)。整體而言，本研究的網(wǎng)格數(shù)據(jù)與國家統(tǒng)計局能源統(tǒng)計數(shù)據(jù)有較好的一致性。從圖1可以明顯看出，重點城市上海、杭州、南京、寧波、常州等地都是排放的熱點地區(qū)，個別區(qū)域的單位平方公里的排放超過了10萬t，而這些高排放網(wǎng)格基本都集中在城市及其周邊地區(qū)。上海是整個長三角地區(qū)的排放中心，其網(wǎng)格排放水平不僅高，而且空間上較為集中。整個長三角地區(qū)CO2排放的空間格局可以分為三個梯度。第一級以上海為核心，周邊城市如常州、無錫、蘇州、湖州、嘉興、杭州、紹興和寧波等構(gòu)成了第二級排放梯度，再往外擴(kuò)形成第三級梯度，第三級排放梯度中除了南京、揚州、泰州、徐州、連云港、宿遷、衢州、金華、溫州等點狀高排放外，其他地區(qū)的排放相對較低。

2.2長三角地區(qū)城市范圍和總體排放

基于1.1的方法，建立長三角地區(qū)城市的空間范圍，見圖2，這一城市空間范圍和國內(nèi)外研究中國城市常用的地級市/縣級市行政區(qū)劃范圍有較大差異，但卻和城鎮(zhèn)建設(shè)用地的分布有較好的一致性，說明這種城市范圍能較為真實地體現(xiàn)城市作為人口聚集點的核心特征。長三角地

區(qū)共有425個城市（表1）。在上海行政區(qū)劃范圍內(nèi)有16個城市，包括上海城區(qū)，金山區(qū)的區(qū)及其內(nèi)各鎮(zhèn)政府駐地（金山、朱行等）和崇明縣的縣及其內(nèi)各鎮(zhèn)政府駐地（崇明、新民等）。整個上海行政區(qū)域可以看作是以上海城區(qū)為核心的16個城市組成的大都市區(qū)（Metropolitan region）。上海是城市發(fā)展較為成熟的區(qū)域，城市總面積占區(qū)域總面積達(dá)63.68%，城市人口和GDP分別占區(qū)域人口和GDP的97.44%和93.54%，城市直接排放占區(qū)域直接排放的比例達(dá)到97.85%。從上海城市排放占上海區(qū)域排放的比例結(jié)構(gòu)（表1）中可以看出，除農(nóng)業(yè)以外，工業(yè)、生活、交通的排放都占據(jù)了區(qū)域排放的90%以上，因而上海區(qū)域的

排放是以上海城市排放為核心和主體。上海城市的排放水平和排放特征基本表征了上海區(qū)域的排放水平。因而，上海城市人均排放水平和上海區(qū)域人均排放水平基本一致。

江蘇和浙江的情況則不同。江蘇城市人口、面積和GDP分別占江蘇省總?cè)丝?、總面積和總GDP的49.16%、9.42%和59.03%，城市直接排放占江蘇省總直接排放的47.05%；從排放結(jié)構(gòu)看，城市排放與區(qū)域排放差異較大，城市排放中生活、工業(yè)和交通排放占區(qū)域相應(yīng)排放的比例較高，農(nóng)業(yè)占比很低；而城市人均排放（8.57 t）低于江蘇省總體排放水平（8.95 t）；浙江與江蘇情況相似，城市人口、面積和GDP分別占浙江省總?cè)丝?、總面積和總GDP的55.05%、6.20%和60.41%，城市直接排放占浙江省總直接排放的36.96%；浙江城市工業(yè)排放占區(qū)域工業(yè)排放的比例僅為37.89%，說明大量工業(yè)企業(yè)并未分布在城市地區(qū)。浙江城市人均排放（5.21 t）相比浙江省人均排放水平（7.76 t）則低很多。江蘇和浙江的城市以較小的面積，集聚了各自區(qū)域內(nèi)半數(shù)的人口和多半GDP，而排放的占比則相對較低，城市人均排放水平都低于農(nóng)村（非城市地區(qū)）和區(qū)域平均水平。

城市與郊區(qū)及區(qū)域的人均排放比較問題是國際城市碳排放研究的一個熱點，這一問題的研究對于城市化是否及如何驅(qū)動碳排放增長具有重要的意義。發(fā)達(dá)國家城市碳排放研究都發(fā)現(xiàn)，城市的人均排放往往要低于郊區(qū)和區(qū)域水平[41-42]，而發(fā)展中國家的城市情況往往正好相反，即發(fā)展中國家城市人均CO2排放往往高于郊區(qū)和區(qū)域水平[43-44]。這一現(xiàn)象在UNEP（聯(lián)合國環(huán)境規(guī)劃署） 2012年全球環(huán)境展望中也有所論述[45]。這一現(xiàn)象的主要原因是發(fā)達(dá)國家城市地區(qū)的人口密度高，并且能源利用效率高，且公共交通發(fā)達(dá)、健全，所以城市人均排放相比郊區(qū)要低，而發(fā)展中國家的城市尚處于快速城市化和經(jīng)濟(jì)發(fā)展過程中，城市通常都是工業(yè)、經(jīng)濟(jì)和消費中心，因而城市人均排放往往高于非城市地區(qū)。

觀察江蘇和浙江兩省的城市排放水平，江蘇城市人均排放（8.57 t）低于農(nóng)村（9.33 t）和全江蘇省平均水平（8.95 t）；浙江城市人均排放（5.21 t）同樣低于農(nóng)村（10.88 t）和全浙江省平均水平（7.76 t）。江蘇省和浙江省的城市人均排放與區(qū)域人均排放的比較關(guān)系與發(fā)達(dá)國家城市一致，這兩個省都是中國經(jīng)濟(jì)較為發(fā)達(dá)的省份，說明隨著經(jīng)濟(jì)的發(fā)展和城市化推進(jìn)，高排放企業(yè)會逐步退出城市，而城市、郊區(qū)和農(nóng)村的消費水平逐漸趨同，從而城市能源集約化和規(guī)?；玫膬?yōu)勢逐漸體現(xiàn)出來，城市CO2排放效率逐漸高于其周邊地區(qū)。

2.3長三角地區(qū)總排放前10大城市

長三角地區(qū)城市總排放（直接排放+間接排放）的前10大城市見圖3，工業(yè)排放在多數(shù)城市的直接排放中都占據(jù)較高比例，并且除了寧波、杭州和蘇州外，工業(yè)排放在總排放中也是絕對主體。因而，可以說10大城市的排放主要都是以工業(yè)驅(qū)動的排放。10大城市直接排放占長三角地區(qū)城市總直接排放的66.84%，占長三角地區(qū)總排放的34.87%?？梢哉f，10大排放城市不僅是長三角地區(qū)城市的排放主體，也在整個長三角地區(qū)的總排放中占據(jù)重要比例，充分說明了長三角地區(qū)排放以重點城市為核心的空間集聚性。上海的排放遠(yuǎn)超其他城市的水平，其直接排放占10大城市直接排放的43.27%。上海2012年的排放結(jié)構(gòu)中，非工業(yè)排放在直接排放中已經(jīng)占據(jù)相當(dāng)比例（22.74%），其中交通排放占直接排放的17.20%，生活排放占直接排放的5.34%，說明上海的去工業(yè)化卓有成效，其工業(yè)排放比例已經(jīng)顯著降低[46]。

10大排放城市中，錦豐和北侖都屬于小城市。錦豐屬蘇州市的錦豐鎮(zhèn)，境內(nèi)的江蘇揚子江國際冶金工業(yè)園導(dǎo)致其高排放，其排放是蘇州主城區(qū)總排放的1.26倍。因而，對于蘇州市（行政區(qū)劃）而言，其排放的重點是錦豐和蘇州主城區(qū)。北侖隸屬于寧波市，其內(nèi)聚集了大量的工業(yè)企業(yè)，因而其排放水平較高。因而，寧波市（行政區(qū)劃）內(nèi)有兩個重點排放城市（寧波主城區(qū)和北侖）。從這兩個城市可以看出，大型地級市往往將其工業(yè)從主城區(qū)中分化、集中到另一城市，從而降低主城區(qū)的排放，導(dǎo)致地級市中出現(xiàn)兩個排放中心。蘇州主城區(qū)的直接排放水平不高（757.27萬t），內(nèi)部僅保留3個小型發(fā)電廠，不能滿足其較高的用電量，因而其外調(diào)電力較大，導(dǎo)致其間接排放占比較高。

世界銀行研究報告認(rèn)為工業(yè)是中國城市最重要的CO2排放源，因而與發(fā)達(dá)國家城市有很大差別[47]。發(fā)達(dá)國家城市中主要CO2排放源是能源供應(yīng)、交通、建筑和間接排放，工業(yè)排放占比都很低。在10大城市中，杭州、蘇州的間接排放已經(jīng)超過了直接排放，說明中國的部分城市隨著污染物排放標(biāo)準(zhǔn)的嚴(yán)格和積極的低碳發(fā)展政策，城市的排放特征越來越接近發(fā)達(dá)國家城市特征。典型歐美國家城市間接排放和交通等溫室氣體排放往往會占城市總排放的較高比例，交通CO2排放一般會占到直接排放的20%以上[48]，上海、杭州和蘇州的交通排放已經(jīng)分別占其直接排放的17.20%、14.25%和18.25%，已經(jīng)接近了發(fā)達(dá)國家城市交通排放結(jié)構(gòu)特征。

2.4城市規(guī)模和城市排放關(guān)系研究

城市規(guī)模（人口）和城市排放效率的關(guān)系一直是國際城市CO2排放研究的重要方向，即隨著城市規(guī)模的升高，城市CO2排放效率是提高還是降低[18，49]。按照主流研究方法，研究城市規(guī)模與排放特征關(guān)系的核心是識別城市人口與城市總排放的冪法則（Power law）（公式1）的系數(shù)β，基于系數(shù)β是否大于1判斷城市CO2排放增長是否快于或者慢于城市人口增長。

ln（E）=α+βln（POP）（1）

式中，E為總CO2排放，POP為總?cè)丝冢翞槌?shù)項，β為回歸方程的系數(shù)項。本研究對425個城市的人口和總排放取自然對數(shù)，之后通過回歸方程求取回歸系數(shù)。回歸方程見公式（2）?；貧w方程的R2=0.745，F(xiàn)=1 235.992，P<0.001，回歸方程的系數(shù)顯著性檢驗見表2。

可以看出，回歸方程及其系數(shù)都具有統(tǒng)計意義上的顯著性，說明回歸方程有意義。

從回歸方程系數(shù)看，長三角地區(qū)的城市排放增長速度要快于城市人口的增長速度。城市人口增加1%，則城市總CO2排放約增加1.35%，說明隨著城市規(guī)模的增加，城市CO2排放效率呈下降趨勢。Fragkias等基于冪法則研究了美國城市地區(qū)人口與CO2排放關(guān)系，結(jié)論認(rèn)為大城市的CO2排放效率并不比小城市高[18]，而Sarzynski研究也認(rèn)為城市污染排放的增長速度要快于人口的增長速度[49]。

進(jìn)一步研究長三角地區(qū)的城市人口與城市排放關(guān)系。圖4展示了城市人均總CO2排放與城市人口和城市GDP的關(guān)系。425個城市的人均排放差異較大，從0.15 t/人到356.89 t/人，但絕大數(shù)城市人均排放都位于1.00-30.00 t/人之間。個別人均排放較大或較小的城市主要是其城市結(jié)構(gòu)的特殊性造成的，如錦豐人均排放達(dá)到了356.89 t/人，主要是其工業(yè)園區(qū)集中了很多高排放企業(yè)，同時其城市人口規(guī)模相對較小，所以導(dǎo)致人均排放極高；而浙江省湖州市洪橋的經(jīng)濟(jì)結(jié)構(gòu)主要以旅游為主，因而其人均排放很低（0.15 t/人）。從圖4可以看出，長三角地區(qū)的城市人口與GDP有著較強(qiáng)的相關(guān)關(guān)系，說明隨著人口的增加，經(jīng)濟(jì)水平不斷提高，相應(yīng)的收入和消費水平也會提高，所以人均排放會相應(yīng)增加。整體而言，低于100萬人口的城市，其人均排放水平波動很大，說明城市尚處于發(fā)展階段而不成熟，經(jīng)濟(jì)結(jié)構(gòu)的特殊性往往導(dǎo)致其排放強(qiáng)度的高值或者低值；當(dāng)人口規(guī)模超過了100萬，人均排放水平相對穩(wěn)定，基本都在10.00 t/人以下，而且城市之間差異較小。

3結(jié)論與討論

中國城市邊界問題是中國城市CO2排放研究的難點，

也是中國城市碳排放和低碳發(fā)展研究無法體現(xiàn)城市特色

和無法與發(fā)達(dá)國家城市比較研究的根本原因。本文建立長三角地區(qū)1 km CO2排放空間網(wǎng)格數(shù)據(jù)，基于第五次全國人口普查方法確定長三角地區(qū)的城市邊界，從而深入研究長三角地區(qū)真正城市的CO2排放特征，主要結(jié)論和政策建議如下：

（1）長三角地區(qū)的CO2排放空間特征受典型城市城區(qū)驅(qū)動和影響。上海是整個長三角地區(qū)的排放中心，形成第一級排放梯度，上海周邊城市如常州、蘇州等構(gòu)成了第二級排放梯度，最外圍形成第三級梯度。重點城市是長三角地區(qū)CO2排放管理和減排的重點。

（2）上海城市排放和上海區(qū)域排放的結(jié)構(gòu)和特征基本一致。江蘇和浙江城市的人均CO2排放水平都低于農(nóng)村和整個區(qū)域CO2排放水平。這種現(xiàn)象和發(fā)達(dá)國家城市與郊區(qū)、農(nóng)村的排放比較特征一致，說明在經(jīng)濟(jì)較為發(fā)達(dá)的省份，隨著城市化的發(fā)展和城市產(chǎn)業(yè)結(jié)構(gòu)的合理與成熟，城市排放效率會優(yōu)于非城市地區(qū)。典型城市，如上海、杭州、蘇州的城市排放結(jié)構(gòu)已經(jīng)接近發(fā)達(dá)國家的城市排放結(jié)構(gòu)。此外，長三角地區(qū)部分地級市（例如蘇州市和寧波市等）出現(xiàn)了兩個核心排放城市，且排放結(jié)構(gòu)差異很大；同時，一些城市（如上海和昆山、無錫和張家港等城市）的邊界和CO2排放在空間上已經(jīng)聯(lián)接成片，構(gòu)成新的城市排放中心。當(dāng)前已有的地級市或區(qū)縣等行政范圍并不有利于城市CO2排放管理和政策決策。重新基于本研究的城市范圍建立長三角地區(qū)的城市CO2減排戰(zhàn)略研究非常重要。

（3）長三角地區(qū)的城市整體CO2排放增長速度要快于城市人口的增長速度。城市人口增加1%，則城市總CO2排放約增加1.35%，說明隨著城市規(guī)模的增加，城市CO2排放效率呈下降趨勢。這種態(tài)勢主要是長三角地區(qū)的城市人口規(guī)模差異較大，眾多城市發(fā)育不成熟造成的。低于100萬人口的城市，其人均排放水平波動極大，當(dāng)人口規(guī)模超過了100萬，人均排放水平基本都穩(wěn)定在10.00 t/人以下，而且城市之間差異較小。城市CO2減排和低碳發(fā)展遠(yuǎn)景要充分考慮城市人口規(guī)模和經(jīng)濟(jì)結(jié)構(gòu)特征。

（編輯：常勇）

參考文獻(xiàn)（References）

[1]UNHABITAT.State of the Worlds Cities 2012/2013， Prosperity of Cities State of the Worlds Cities[M].New York：Routledge，2013.

[2]UNHABITAT.State of the Worlds Cities 2010/2011：Bridging the Urban Divide[M].New York：Routledge，2010.

[3]IEA.Cities， Towns&Renewable Energy[R]，2009.

[4]UNHabitat.Cities and Climate Change：Global Report on Human Settlements， 2011[M].London：Earthscan，2011.

[5]Satterthwaite D.The Implications of Population Growth and Urbanization for Climate Change[J].Environment and Urbanization，2009，21（2）：545-567.

[6]Dhakal S.Urban Energy Use and Carbon Emissions from Cities in China and Policy Implications[J].Energy Policy，2009，37（11）：4208-4219.

[7]IPCC.Climate Change 2014： Mitigation of Climate Change. Contribution of Working Group III to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[M].Cambridge， United Kingdom and New York，USA：Cambridge University Press，2014.

[8]UNHABITAT.State of the Worlds Cities 2008/2009[R].2008.

[9]ONeill BC， Dalton M， Fuchs R，et al.Global Demographic Trends and Future Carbon Emissions[J].Proceedings of the National Academy of Sciences，2010，107（41）：17521-17526

[10]KamalChaoui Lamia， Robert Alexis.Competitive Cities and Climate Change[M].Paris：OECD Publishing，2009.

[11]IEA.World Energy Outlook 2013[M].Paris：IEA Publication，2013.

[12]IEA.World Energy Outlook 2014[M].Paris：IEA Publication，2014.

[13]中國城市科學(xué)研究會.中國低碳生態(tài)城市發(fā)展戰(zhàn)略[M].北京：中國城市出版社，2009.[China City Research Committee. Chinas Lowcarbon Ecocity Development Strategy. Beijing：China City Press，2009.]

[14]Montgomery M R.The Urban Transformation of the Developing World[J].Science，2008，319（5864）：761-764.

[15]IEA.World Energy Outlook 2008[M].Paris：IEA Publication，2008.

[16]Sovacool B K， Brown M A.Twelve Metropolitan Carbon Footprints： A Preliminary Comparative Global Assessment[J].Energy Policy，2009，38（9）：4856-4869.

[17]Parshall L， Gurney K， Hammer S A， et al.Modeling Energy Consumption and CO2 Emissions at the Urban Scale： Methodological Challenges and Insights from the United States[J].Energy Policy，2010，38（9）：4765-4782.

[18]Fragkias Michail， Lobo José， Strumsky Deborah，et al.Does Size Matter Scaling of CO2 Emissions and US Urban Areas[J].PLOS ONE，2013，8（6）：e64727.