基于STIRPAT模型的上海市建筑用地變化對碳排放的效應(yīng)分析及預(yù)測

周峰, 吳開亞, 金菊良

(1.合肥工業(yè)大學(xué) 資源與環(huán)境工程學(xué)院,安微 合肥 230009; 2.復(fù)旦大學(xué) 公共管理與公共政策創(chuàng)新基地,上海200433;3.合肥工業(yè)大學(xué) 土木與水利工程學(xué)院,安微 合肥230009)

?

基于STIRPAT模型的上海市建筑用地變化對碳排放的效應(yīng)分析及預(yù)測

周峰1, 吳開亞2, 金菊良3

(1.合肥工業(yè)大學(xué) 資源與環(huán)境工程學(xué)院,安微 合肥 230009; 2.復(fù)旦大學(xué) 公共管理與公共政策創(chuàng)新基地,上海200433;3.合肥工業(yè)大學(xué) 土木與水利工程學(xué)院,安微 合肥230009)

土地利用方式的改變對碳排放的影響較大,而建筑用地是影響土地利用碳排放的重要因素,為進(jìn)一步探索建筑用地變化與碳排放之間的定量關(guān)系,采用STIRPAT模型結(jié)合多元線性回歸法分析了上海市1999—2014年建筑用地變化對碳排放的影響,并對上海市未來碳排放進(jìn)行預(yù)測。結(jié)果表明:1999—2014年上海市建筑用地面積與碳排放量均呈增長態(tài)勢,年均增長率分別為18.04%和5.24%,建筑用地面積與碳排放量之間呈現(xiàn)正的顯著相關(guān)性,彈性系數(shù)為0.013。預(yù)測2020年上海市碳排放量將達(dá)到6 289.67萬t,2015—2020年碳排放量年均增長率僅為0.93%,說明上海市控制建筑用地利用的措施對碳減排有明顯效果。

土地利用;碳排放;建筑用地;STIRPAT模型;上海市

隨著社會經(jīng)濟(jì)的高速發(fā)展,溫室效應(yīng)與碳排放已經(jīng)成為世界共同關(guān)注的課題。Global Carbon Project(GCP)的研究數(shù)據(jù)表明:2013年全球人類活動(dòng)導(dǎo)致的碳排放量達(dá)到360億t,平均每人排放5 t二氧化碳。而中國碳排放總量為全球的29%,已遠(yuǎn)遠(yuǎn)超過第二的美國(15%);在人均碳排放量方面,中國人均碳排放量為7.2 t,首次超過歐洲(6.8 t)[1]。2014年國家發(fā)布的《國務(wù)院關(guān)于國家應(yīng)對氣候變化規(guī)劃(2014—2020年)的批復(fù)》指出,我國在2020年實(shí)現(xiàn)單位GDP碳排放比2005年下降40%～45%,并將其作為約束性指標(biāo)納入到國家發(fā)展長期規(guī)劃中。這不僅需要從全局出發(fā)考慮碳排放的影響,還應(yīng)從區(qū)域上把握碳排放的格局變化,重視工用和民用建筑行業(yè)碳減排問題[2]。

建筑用地是人類社會的重要組成部分,建筑用地的快速擴(kuò)張意味著其所承載的工業(yè)生產(chǎn)、居民生活等建設(shè)活動(dòng)的增加[3]。城鎮(zhèn)化快速發(fā)展是我國目前及未來幾十年經(jīng)濟(jì)發(fā)展的主要特征,而城鎮(zhèn)化必然離不開建筑用地的擴(kuò)張[4],建筑用地的擴(kuò)張必然會引起能源消耗和碳排放的增長。Ang等[5]認(rèn)為工業(yè)增加值對我國二氧化碳排放起到了最大的拉動(dòng)作用;Houghton等[6]研究認(rèn)為人類活動(dòng)引起的土地利用變化是全球第二大碳源;張樂勤等[7]研究表明,安徽省建筑用地變化對碳排放的正向效應(yīng)顯著;張俊峰等[8]的研究顯示,武漢市不同土地利用方式中,居民點(diǎn)及工礦用地的碳排放強(qiáng)度最大;肖紅艷等[9]分析了重慶市土地利用變化對碳排放的效應(yīng),認(rèn)為建筑用地面積增加是導(dǎo)致碳排放總量急劇增加的原因。顯而易見,建筑用地的變化對區(qū)域碳排放的產(chǎn)生具有重要影響。

20世紀(jì)70年代，美國生態(tài)學(xué)家Ehrlich等提出了評估環(huán)境壓力的IPAT模型,指出了人口、人均財(cái)富量、技術(shù)及三者之間的相互作用都會對環(huán)境產(chǎn)生重要影響[10-11],其后一些學(xué)者對該模型進(jìn)行了改進(jìn)并分別提出了不同的分析模型。例如1994年由York、Dietz等提出的隨機(jī)形式——STIRPAT模型,該模型考慮了人口、財(cái)富和技術(shù)因素的不同變動(dòng)對環(huán)境的單獨(dú)影響,消除了同比例變動(dòng)的影響[12-13]。國內(nèi)也有學(xué)者基于STIRPAT模型，并結(jié)合其他定量分析方法探討各種因素對城市碳排放的影響。例如張樂勤等[7]基于STIRPAT模型分析了安徽省近15年建設(shè)用地變化對碳排放的效應(yīng)；黃蕊等[14]基于STIRPAT模型分析研究了重慶市能源消費(fèi)碳排放的影響因素；渠慎寧等[15]基于STIRPAT模型對中國碳排放峰值進(jìn)行了預(yù)測。

上海市作為中國的經(jīng)濟(jì)中心,工業(yè)化程度較高,建筑用地面積達(dá)7 580.77 km2,是我國建筑用地面積比重最高的城市之一,建筑碳排放問題是上海市目前及未來經(jīng)濟(jì)發(fā)展面臨的重要難題。因此,本文基于STIRPAT模型并結(jié)合多元線性回歸法,對上海市建筑用地變化的碳排放效應(yīng)進(jìn)行分析。研究結(jié)果可為上海市節(jié)能減排提供數(shù)據(jù)支持和決策依據(jù),具有一定的實(shí)踐意義和應(yīng)用價(jià)值。

1　研究方法與數(shù)據(jù)來源

1.1建筑用地變化動(dòng)態(tài)度

建筑用地變化動(dòng)態(tài)度模型表達(dá)式為[16]:

(1)

式中:V為建筑用地年均變化率；S1為期初建筑用地面積,萬km2;S2為期末建筑用地面積,萬km2;T為研究時(shí)間長度,a。

1.2碳排放估算方法

建筑用地碳排放是通過城鄉(xiāng)居民點(diǎn)及其以外的工礦、交通等用地在利用過程中能源消耗的碳排放系數(shù)間接估算的。采用IPCC清單計(jì)算方法,表達(dá)式為[17]:

(2)

式中:CE為碳排放量,萬t;Aj為能源j的消費(fèi)量,按標(biāo)煤計(jì),萬t;Cj為能源j的碳排放系數(shù),j為能源種類。

為保證結(jié)果的準(zhǔn)確性和全面性,選取8個(gè)代表性較強(qiáng)的消費(fèi)能源種類,各能源的碳排放系數(shù)詳見表1。

表1　代表性能源碳排放系數(shù)

1.3STIRPAT模型

STIRPAT模型是由IPAT模型改造而形成的隨機(jī)表示形式,表達(dá)式為:

I=aPbAcTde。

(3)

式中:a為模型系數(shù);b、c、d分別為人口、財(cái)富和技術(shù)因素的系數(shù)；e為隨機(jī)誤差項(xiàng)；I、P、A、T分別為環(huán)境壓力、人口數(shù)量、財(cái)富和技術(shù)因素的表征值。

而實(shí)際計(jì)算時(shí),將式(3)兩邊取自然對數(shù)得：

lnI=k+blnP+clnA+dlnT+g。

(4)

式中k、g分別為a和e的對數(shù)值。

式(4)表示當(dāng)P、A、T每發(fā)生1%變化時(shí),I將分別發(fā)生b%、c%、d%的變化?？梢钥闯?STIRPAT模型不僅反映綜合因素產(chǎn)生的影響,還反映單一因素對目標(biāo)變量的影響。

1.4數(shù)據(jù)來源

根據(jù)相關(guān)年份的《上海市統(tǒng)計(jì)年鑒》和《中國統(tǒng)計(jì)年鑒》,選取1999—2014年上海市建筑用地面積、人口、經(jīng)濟(jì)發(fā)展及能源消費(fèi)量等原始數(shù)據(jù)作為計(jì)算依據(jù)，見表2。其中,建筑面積以已經(jīng)竣工的建成面積表征,經(jīng)濟(jì)發(fā)展以人均GDP表征。

表2　上海市1999—2014年能源消費(fèi)、建筑用地、人口及人均GDP數(shù)據(jù)

續(xù)表

2　結(jié)果與分析

2.1建筑用地面積與碳排放量的定量分析

根據(jù)式(1)、式(2)和表1的數(shù)據(jù),計(jì)算1999—2014年上海市建筑用地與碳排放量的增長速率，如圖1所示。由圖1可知,上海市建筑用地面積從1999年的1 950.76 km2增至2014年的7 580.77 km2,平均年增長率為18.04%;碳排放量從1999年的3 256.89 萬t增長到2014年的5 989.88萬t,年均增長率為5.24%。1999—2014年上海市的建筑用地、碳排放量快速增長與經(jīng)濟(jì)迅速發(fā)展密不可分,而上海市人均GDP從1999年的27 071.00元增至2014年的97 370.00元,年均增長率達(dá)到16.23%之高。

圖1　1999—2014年上海市建筑用地面積與碳排放量關(guān)聯(lián)圖

圖1還表明,1999—2002年上海市建筑用地面積較小且增長較緩慢,自2003年建筑用地面積迅速增長,并在2006年和2014年形成兩個(gè)高峰期,分別達(dá)到6 506.41 km2和7 580.77 km2;而碳排放量增長過程較為穩(wěn)定,并未出現(xiàn)較大波動(dòng)。這表明,隨著碳排放問題的日益嚴(yán)重,上海市政府在經(jīng)濟(jì)發(fā)展中融入了節(jié)能減排的措施,使得碳排放量的增長比建筑用地面積緩慢[18]。

2.2建筑用地面積與碳排放量的關(guān)聯(lián)性分析

對1999—2014年上海市建筑用地面積與碳排放量進(jìn)行雙變量相關(guān)分析,采用雙側(cè)檢驗(yàn)的顯著性檢驗(yàn),建立多元線性回歸方程,見表3。

從表3可以看出,上海市建筑用地面積與碳排放量的相關(guān)系數(shù)為0.904,顯著性檢驗(yàn)值為0,表示兩者之間存在顯著的正相關(guān)關(guān)系?；貧w可決系數(shù)R2為0.817,即碳排放量的81.7%以上的變化都可以被該模型解釋,擬和優(yōu)度較高。t統(tǒng)計(jì)量對應(yīng)的Sig.值均為0,說明在0.01的顯著性水平下通過t檢驗(yàn)。碳排放量的回歸系數(shù)為0.435,即建筑用地面積每增加1 km2,碳排放量就增加0.435萬t。

表3　方程回歸分析及顯著性檢驗(yàn)

注:R2=0.817,F統(tǒng)計(jì)量為58.026。

2.3建筑用地碳排放的效應(yīng)分析

2.3.1構(gòu)建建筑用地碳排放STIRPAT模型

基于STIRPAT模型,構(gòu)建上海市建筑用地碳排放驅(qū)動(dòng)因素的隨機(jī)模型:

C=αPaAbTcSdβ。

(5)

為便于進(jìn)行回歸分析,對式(5)兩邊取自然對數(shù)，得到:

lnC=m+alnP+blnA+clnT+dlnS+n。

(6)

式中:m、n分別為α和β的對數(shù)值;a、b、c、d為彈性系數(shù);P為人口參數(shù),萬人;A為經(jīng)濟(jì)參數(shù)(以人均GDP表征),元;T為技術(shù)參數(shù)(以能源消費(fèi)總量表征),萬t;S為土地利用參數(shù)(以建筑用地面積表征),km2。該式表示當(dāng)P、A、T、S每發(fā)生1%變化時(shí),C分別發(fā)生a%、b%、c%、d%的變化;n為模型隨機(jī)誤差項(xiàng),表示其他影響因素。

2.3.2Pearson相關(guān)性分析

通過表2和圖1得到式(5)所需各參數(shù)(C、P、A、T、S)的時(shí)間序列數(shù)據(jù),進(jìn)行雙變量相關(guān)性分析,結(jié)果見表4。

表4　STIRPAT模型的Pearson相關(guān)系數(shù)分析結(jié)果

從表4可以看出,P、A、T、S與C的Pearson相關(guān)系數(shù)分別為0.993、0.990、0.996、0.904,雙側(cè)顯著性檢驗(yàn)均等于0(<0.01),這表明人口、人均GDP、能源消耗、建筑用地面積與碳排放顯著相關(guān)。

2.3.3建立模型方程

對表2和圖1各模型參數(shù)(C、P、A、T、S)的時(shí)間序列數(shù)據(jù)取自然對數(shù),得到lnC、lnP、lnA、lnT、lnS,進(jìn)行多元線性回歸分析,結(jié)果見表5。

表5　方程回歸模型系數(shù)估計(jì)結(jié)果

注:R2=0.994。

根據(jù)表5的結(jié)果和式(6)可得:

lnC=1.708+0.278lnP+0.062lnA+0.446lnT+

0.013lnS。

(7)

由式(7)得到上海市建筑用地變化對碳排放效應(yīng)的模型為:

C=kP0.278A0.062T0.446S0.013,k=e1.708。

(8)

式中:k為常數(shù)項(xiàng),為式(5)中α與β之積;P、A、T、S對碳排放的彈性系數(shù)分別為0.278、0.062、0.446、0.013,表明人口、經(jīng)濟(jì)、能源消費(fèi)、建筑面積每增加1%,碳排放量將分別增加0.278%、0.062%、0.446%、0.013%。

2.4建筑用地碳排放效應(yīng)預(yù)測

2.4.1建模方法

時(shí)間序列分析是根據(jù)系統(tǒng)觀測得到的時(shí)間序列數(shù)據(jù),通過曲線擬合和參數(shù)估計(jì)來建立數(shù)學(xué)模型的理論和方法。時(shí)間序列預(yù)測模型是隨機(jī)性時(shí)間序列分析中的一大類分析方法的綜合,可以進(jìn)行精度較高的短期預(yù)測。

本文選用專家建模模型,將非平穩(wěn)時(shí)間序列轉(zhuǎn)化為平穩(wěn)時(shí)間序列,然后將因變量對它的滯后值以及隨機(jī)誤差項(xiàng)的現(xiàn)值和滯后值進(jìn)行回歸,得到預(yù)測數(shù)值。這組預(yù)測數(shù)據(jù)所具有的依存關(guān)系體現(xiàn)著原始數(shù)據(jù)在時(shí)間上的延續(xù)性,它既受外部因素的影響,又具有自身的變動(dòng)規(guī)律。

2.4.2參數(shù)設(shè)置

將時(shí)間序列數(shù)據(jù)lnC、lnP、lnA、lnT、lnS輸入SPSS19.0軟件中,在菜單欄依次選擇分析-預(yù)測-創(chuàng)建模型,打開時(shí)間序列建模器,將lnC送入因變量一欄,將lnP、lnA、lnT、lnS送入自變量一欄,然后設(shè)置以下參數(shù):在統(tǒng)計(jì)量-統(tǒng)計(jì)量的擬合度量中選平穩(wěn)的R方(Y)、R方(R)、標(biāo)準(zhǔn)化的BIC,在比較模型統(tǒng)計(jì)量中選擬合優(yōu)度(G)、殘差自相關(guān)函數(shù)(ACF)、殘差部分自相關(guān)函數(shù)(PACF);在圖標(biāo)-模型比較圖中,選R方(R)、標(biāo)準(zhǔn)化的BIC、殘差自相關(guān)函數(shù)(ACF)、殘差部分自相關(guān)函數(shù)(PACF)；在單個(gè)模型圖中選觀察值、預(yù)測值、擬合值、預(yù)測值的置信區(qū)間以及擬合值的置信區(qū)間;在選項(xiàng)中設(shè)置置信區(qū)間寬度為95%,日期觀察數(shù)設(shè)定為22,即在預(yù)測階段中選擇模型評估期后第一個(gè)個(gè)案到指定日期之間的個(gè)數(shù)。

2.4.3預(yù)測結(jié)果

采用SPSS分析模型里的專家建模模型,并依據(jù)設(shè)置的參數(shù)對上海市2015—2020年碳排放量進(jìn)行預(yù)測。模型的擬合和預(yù)測情況如圖2所示,預(yù)測的具體結(jié)果見表6。

由圖2可知,擬合值和觀測值在整個(gè)區(qū)間上擬合情況良好,因此該模型預(yù)測結(jié)果有較大的可信度。由表6得到2015—2020年的上海市建筑用地碳排放量預(yù)測值,見表7。

圖2　專家建模模型的擬合值和預(yù)測值序列圖

lnC預(yù)測UCLLCL20158.69258.76438.620720168.70338.79408.612620178.71418.83118.597120188.72498.87408.575920198.73588.92158.550020208.74668.97298.5203

注:UCL、LCL分別為預(yù)測區(qū)間的上限和下限,表中數(shù)據(jù)為自然對數(shù)。

表7　2015—2020年上海市建筑用地碳排放量預(yù)測值

由表7可知，2015—2020年上海市建筑用地碳排放量雖然仍在增加,但年均增長率僅為0.93%,遠(yuǎn)低于1999—2014年的5.24%。這表明,近年來上海市政府的一系列針對建筑用地碳排放的控制措施取得了較好的效果。這些措施包括:嚴(yán)格控制城市建設(shè)用地規(guī)模、鞏固生態(tài)保護(hù)紅線;減少新增建設(shè)用地計(jì)劃、完善新增建設(shè)用地計(jì)劃管理;優(yōu)化城鄉(xiāng)建設(shè)用地布局、促進(jìn)存量工業(yè)用地調(diào)整升級、開展中心城市更新、支持多渠道實(shí)施“城中村”改造、創(chuàng)新土地收儲機(jī)制;切實(shí)提升土地資源配置效率;加強(qiáng)土地集約復(fù)合利用;建立土地信息共享平臺、全面落實(shí)考核評價(jià)機(jī)制等。

3　結(jié)論與建議

1)上海市碳排放與建筑用地之間具有顯著的相關(guān)性,建筑用地面積增大會導(dǎo)致相應(yīng)的碳排放量增加。建筑用地開發(fā)的需求性和大范圍性表明，在影響碳排放的因素中，建筑用地面積是最不可忽視的重要因素之一。

2)STIRPAT模型模擬結(jié)果顯示,上海市人口數(shù)量、經(jīng)濟(jì)、能源消費(fèi)、建筑面積與碳排放之間存在非常顯著的相關(guān)性,且上述指標(biāo)每增加1%,碳排放量將分別增加0.278%、0.062%、0.446%、0.013%。

3)上海市未來碳排放變化模型的預(yù)測結(jié)果表明,2015—2020年上海市碳排放量將由5 958.06萬t增長到6 289.27萬t,年增長率為0.93%,增長速度將趨緩。盡管上海市控制建筑用地碳排放取得了初步成效,但絕對碳排放量依然較大,仍要繼續(xù)實(shí)施嚴(yán)格的碳減排措施。

4)上海市的經(jīng)濟(jì)發(fā)展模式需要更加科學(xué)化和綠色化,要嚴(yán)格落實(shí)“十三五”規(guī)劃對于“低碳經(jīng)濟(jì)”的方針要求,大膽創(chuàng)新、改善土地利用方式，減少其對碳排放的影響,提高能源利用效率，合理開發(fā)建筑用地,切實(shí)提升土地資源配置效率,進(jìn)一步完善土地利用考核評價(jià)機(jī)制,以實(shí)現(xiàn)低碳經(jīng)濟(jì)、低碳社會的可持續(xù)發(fā)展目標(biāo)。

[1]QUERE C L,MORIARTY R,ANDREW R M,et al.Global carbon budget 2014[J].Earth System Science Data Discussions,2014,7(7):521-610.

[2]趙雲(yún)泰,黃賢金,鐘太洋，等.1999—2007年中國能源消費(fèi)碳排放強(qiáng)度空間演變特征[J].環(huán)境科學(xué),2011,32(11):3145-3152.

[3]陳彩虹,胡鋒,張落成.南京市城鄉(xiāng)交錯(cuò)帶景觀格局研究[J].應(yīng)用生態(tài)學(xué)報(bào),2003,14(8):1363-1368.

[4]毛熙彥,林堅(jiān),蒙吉軍.中國建設(shè)用地增長對碳排放的影響[J].中國人口·資源與環(huán)境,2011,21(12):34-40.

[5]ANG B W,ZHANG F Q,CHOI K H.Factoring changes in energy and environmental indicators through decomposition[J].Energy,1998,23(6):489-495.

[6]HOUGHTON R A,HOBBIE J E,MELILLO J M,et al.Changes in the carbon content of terrestrial biota and soils between 1860 and 1980:a net release of CO2to the atmosphere[J].Ecological Monography,1983,53(3):235-262.

[7]張樂勤,陳素平,王文琴,等.安徽省近15年建設(shè)用地變化對碳排放效應(yīng)測度及趨勢預(yù)測——基于STIRPAT模型[J].環(huán)境科學(xué)學(xué)報(bào),2013,33(3):950-958.

[8]張俊峰,張安錄,董捷.武漢城市圈土地利用碳排放效應(yīng)分析及因素分解研究[J].長江流域資源與環(huán)境,2014,23(5):595-602.

[9]肖紅艷,袁興中,李波,等.土地利用變化碳排放效應(yīng)研究——以重慶市為例[J].重慶師范大學(xué)學(xué)報(bào)(自然科學(xué)版),2012,29(1):38-42.

[10]EHRLICH P R,HOLDEN J P.Impact of population growth[J].Science,1971,171(3977):1212-1217.

[11]EHRLICH P R,HOLDEN J P.One dimensional economy[J].Bulletin of the Atomic Scientists,1972,28(5):16-27.

[12]YORK R,ROSA E,DIETZ T.Footprints on the earth:the environmental consequences of modernity[J].American Sociological Review,2003,68(2):279-300.

[13]YORK R,ROSA E A,DIETA T.STIRPAT,IPAT and impact:analytic tools for unpacking the driving forces of environmental impacts[J].Ecological Economics,2003,46(3):351-365.

[14]黃蕊,王錚.基于STIRPAT模型的重慶市能源消費(fèi)碳排放影響因素研究[J].環(huán)境科學(xué)學(xué)報(bào),2013,33(2):602-608.

[15]渠慎寧,郭朝先.基于STIRPAT模型的中國碳排放峰值預(yù)測研究[J].中國人口·資源與環(huán)境,2010,20(12):10-15.

[16]孫雁,劉志強(qiáng),王秋兵,等.百年沈陽城市土地利用空間擴(kuò)展及其驅(qū)動(dòng)力分析[J].資源科學(xué),2011,33(11):2022-2029.

[17]趙敏,張衛(wèi)國,俞立中.上海市能源消費(fèi)碳排放分析[J].環(huán)境科學(xué)研究,2009,22(8):984-989.

[18]梁日忠.上海市經(jīng)濟(jì)增長與能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)關(guān)聯(lián)狀況的評價(jià)研究[J].華東經(jīng)濟(jì)管理,2014,28(1):42-46.

Effect Analysis and Prediction of the Carbon Emissions from Building Land Changes in Shanghai City Based on STIRPAT Model

ZHOU Feng1, WU Kaiya2, JIN Juliang3

(1.School of Resources and Environmental Engineering, Hefei University of Technology, Hefei 230009, China;2.National Innovative Institute for Public Management and Public Policy, Fudan University, Shanghai 200433, China;3.School of Civil Engineering, Hefei University of Technology, Hefei 230009, China)

Land use change has great impact on carbon emissions, and the building land is an important factor affecting carbon emissions from land use. In order to further explore the quantitative relationship between the building land changes and carbon emissions, the changes of building land use and carbon emissions from 1999 to 2014 in Shanghai were analyzed based on the STIRPAT model combined with the multiple linear regression method, and the future carbon emissions of Shanghai were forecasted. The results show: the building land area of Shanghai and carbon emissions from 1999 to 2014 shows a growth trend, and their average annual growth rates are 18.04% and 5.24% respectively; there is significant positive correlation between the building land area and carbon emissions from buildings, and the elastic coefficient is 0.013; the carbon emissions of Shanghai in 2020 will reach 62 million 896 thousand and 700 tons, and the average annual growth rate of carbon emissions from 2015 to 2020 is only 0.93%, which indicates that in recent years, the measures to control building land use in Shanghai have obvious effect on carbon emission reduction.

land use; carbon emission; building land; STIRPAT model; Shanghai

2016-04-11

國家自然科學(xué)基金項(xiàng)目(71573045)。

周峰(1990—),男,安徽銅陵人,碩士生,主要從事環(huán)境經(jīng)濟(jì)方面的研究。E-mail:286593312@qq.com。

吳開亞(1968—),男,安徽利辛人,教授，博導(dǎo)，博士,主要從事資源環(huán)境經(jīng)濟(jì)方面的研究。E-mail:wuky2000@163.com。

TV211;X196

A

1002-5634(2016)04-0087-06

(責(zé)任編輯：張陵)

DOI:10.3969/j.issn.1002-5634.2016.04.015