基于城市尺度的中國能源強(qiáng)度時空差異及演進(jìn)特征

劉琦璐，程開明，莊燕杰

（浙江工商大學(xué) 統(tǒng)計與數(shù)學(xué)學(xué)院，浙江 杭州 310018）

一、引言

城市是現(xiàn)代文明的標(biāo)志，也是國家應(yīng)對氣候變化、推動低碳轉(zhuǎn)型和經(jīng)濟(jì)高質(zhì)量發(fā)展的重要載體空間及行動單元［1］?，F(xiàn)代城市承載著絕大多數(shù)的能源消耗和碳排放［2-3］，其政策的靈活性和針對性更強(qiáng)，能夠?yàn)楣?jié)能減排和碳達(dá)峰、碳中和提供巨大潛力和示范機(jī)會［4］。

碳達(dá)峰、碳中和的深層次問題是能源問題，為如期實(shí)現(xiàn)碳達(dá)峰、碳中和，我國政府制定了能源消費(fèi)總量和能源強(qiáng)度“雙控”目標(biāo)，以降低能源消耗，促進(jìn)低碳發(fā)展。然而，未來一段時期我國城市能源消費(fèi)總量將繼續(xù)增長，以煤為主的能源格局短期內(nèi)還無法改變［5］，故降低城市能源強(qiáng)度是實(shí)現(xiàn)節(jié)能減排目標(biāo)的最有效途徑［6］。自“十一五”規(guī)劃開始，我國已連續(xù)3 個五年規(guī)劃將降低能源強(qiáng)度設(shè)定為約束性目標(biāo)，“十四五”規(guī)劃綱要再次提出到2025 年能源強(qiáng)度要降低13.5%。鑒于不同城市的經(jīng)濟(jì)發(fā)展水平、城市規(guī)模、資源稟賦和產(chǎn)業(yè)結(jié)構(gòu)等存在明顯差異的現(xiàn)實(shí)［7-8］，需要準(zhǔn)確把握城市能源強(qiáng)度的空間分布格局和演變規(guī)律，針對不同類型的城市采取更為科學(xué)和更具匹配性的節(jié)能減排策略。

現(xiàn)實(shí)是，我國城市層面的能源消費(fèi)數(shù)據(jù)相對匱乏［9］，導(dǎo)致相關(guān)研究多停留于國家和省級層面［10-11］，但這種大尺度地理單元的能源消費(fèi)特征容易掩蓋區(qū)域內(nèi)城市能源消費(fèi)的異質(zhì)性，甚至得出錯誤的結(jié)論［8,12］。已有城市層面的分析較多關(guān)注少數(shù)能源消費(fèi)統(tǒng)計資料較為充分的特大城市或省會城市［13-14］。隨著能源流通監(jiān)測手段的進(jìn)步及估算方法的改進(jìn)，有關(guān)城市尺度能源消費(fèi)的文獻(xiàn)逐漸增多，主要包括城市能源消費(fèi)總量估算［15］、城市能源效率測算［16-17］以及城市能源消費(fèi)的碳排放研究［18-19］等?；A(chǔ)數(shù)據(jù)方面，現(xiàn)有文獻(xiàn)多采用全社會用電量等指標(biāo)替代能源消費(fèi)量［16］，或利用GDP 按比例折算［20］、夜間燈光影像數(shù)據(jù)模擬反演［15,21］等方法得到城市能源消費(fèi)量，因估算過程中未對統(tǒng)計信息豐富的能源平衡表等官方資料加以利用，估算結(jié)果往往存在較大偏差。研究內(nèi)容方面，很少利用長時段、大樣本數(shù)據(jù)對城市能源消費(fèi)的空間分異、動態(tài)演變及空間效應(yīng)進(jìn)行深入解析，故有必要加強(qiáng)對城市能源消費(fèi)時空動態(tài)演進(jìn)特征的探究。

針對已有研究的不足，本文創(chuàng)新性地采用降尺度能源平衡表估算方法，將省級能源消費(fèi)量自上而下分解到地級市層面，建立城市能源消費(fèi)清單，充分利用現(xiàn)有能源統(tǒng)計資料以提高城市能源消費(fèi)估算的準(zhǔn)確性和可比性；進(jìn)而根據(jù)城市層面的實(shí)際能源強(qiáng)度指標(biāo)，采用Dagum基尼系數(shù)及空間馬爾科夫鏈等方法解析我國城市能源強(qiáng)度的空間分異特征及動態(tài)演變規(guī)律，為研究制定差異化節(jié)能減排策略和低碳轉(zhuǎn)型政策提供科學(xué)依據(jù)及有力支撐。

二、研究方法

（一）降尺度能源平衡表估算方法

省級能源平衡表（消費(fèi)端）包括能源加工轉(zhuǎn)換投入（-）/產(chǎn)出（+）、能源損失量和能源終端消費(fèi)量三大部分，根據(jù)能源平衡表中的平衡關(guān)系可計算得到能源消費(fèi)總量：

其中：EC表示能源消費(fèi)總量；FEC為終端消費(fèi)量，包括三大產(chǎn)業(yè)生產(chǎn)過程終端能源消費(fèi)量以及城鎮(zhèn)、農(nóng)村居民生活用能消費(fèi)量；Lost 為損失量；In?putE 和OutputE 分別表示能源加工轉(zhuǎn)換過程中的能源投入量和產(chǎn)出量。采用自上而下的分配方法得到降尺度的城市能源平衡表，分配表達(dá)式為：

其中：i表示省級能源平衡表中的行，代表能源消費(fèi)的活動類別；j表示省級能源平衡表中的列，代表能源類別；和分別表示城市k和所在省份的第i類活動對第j種能源的消費(fèi)量；表示第i行的能源消費(fèi)量分配系數(shù)，即城市k第i項(xiàng)分配指標(biāo)占全省的比例。

參考Shan 等（2017）［22］和Jing 等（2018）［23］利用省級能源平衡表自上而下對城市CO2排放量進(jìn)行估算的方法，結(jié)合國家統(tǒng)計局《能源統(tǒng)計報表制度（2020）》中各類能源活動的實(shí)際統(tǒng)計范圍，將省級能源平衡表中各項(xiàng)能源消費(fèi)量分配到地級市層面，最終選取的分配指標(biāo)見表1所列。

表1 能源平衡表及能源消費(fèi)量分配指標(biāo)

通過表1的分配指標(biāo)及式（1）、式（2）的分配方法，初步由省級能源平衡表降尺度推導(dǎo)出地級市能源平衡表，再將各類能源消費(fèi)量按照當(dāng)量熱值能源折算標(biāo)準(zhǔn)煤系數(shù)統(tǒng)一換算成萬噸標(biāo)準(zhǔn)煤的煤當(dāng)量形式，加總后得到各地級市的能源消費(fèi)量。

（二）Slope趨勢分析

Slope趨勢分析是通過能源強(qiáng)度的變化斜率來判斷各城市能源強(qiáng)度變動的整體趨勢和速率［24］，計算公式為：

其中：n表示總年份數(shù)；xi為第i年；Ci表示第i年對應(yīng)的城市能源強(qiáng)度。斜率的數(shù)值大小體現(xiàn)了城市能源強(qiáng)度上升或下降的速度。

（三）Dagum基尼系數(shù)及分解

采用Dagum 基尼系數(shù)及其子群分解來全面考察城市能源強(qiáng)度的地區(qū)差異及主要來源，因?yàn)橄鄬τ趥鹘y(tǒng)基尼系數(shù)和泰爾指數(shù)，Dagum基尼系數(shù)及其分解不僅能夠分析差距的來源，而且能夠描述子樣本的分布狀況，有效解決樣本之間的交叉重疊問題。全部城市能源強(qiáng)度總體基尼系數(shù)計算公式為：

其中：yji是j地區(qū)內(nèi)任意一城市的能源強(qiáng)度；yˉ為所有城市能源強(qiáng)度的平均值；n為城市個數(shù)；k為地區(qū)個數(shù)；nj（nh）是j（h）地區(qū)內(nèi)城市數(shù)量。Da?gum（1997）將基尼系數(shù)（G）分解為群體內(nèi)差距的貢獻(xiàn)（Gw）、群體間差距的凈貢獻(xiàn)（Gnb）和群體間超變密度貢獻(xiàn)（Gt）三個組成部分［25］，即G=Gw+Gnb+Gt。具體分解時，首先將各城市能源強(qiáng)度均值從小到大排序，三大部分的計算公式分別為：

式（5）表示j地區(qū)的基尼系數(shù)Gjj和地區(qū)內(nèi)差異貢獻(xiàn)Gw，其中，分別表示j地區(qū)和全國城市能源強(qiáng)度均值；式（6）表示j和h地區(qū)的地區(qū)間基尼系數(shù)Gjh和地區(qū)間差異貢獻(xiàn)Gnb；式（7）中Gt表示超變密度貢獻(xiàn)；式（8）中Djh表示地區(qū)間城市能源強(qiáng)度的相對影響，djh為j、h地區(qū)中所有yji-yhr>0的樣本值加總的數(shù)學(xué)期望，pjh為j、h地區(qū)中所有yhr-yji>0的樣本值加總的數(shù)學(xué)期望，可理解為地區(qū)間城市能源強(qiáng)度的差值。

（四）空間馬爾科夫轉(zhuǎn)移矩陣

將城市能源強(qiáng)度從高能源強(qiáng)度類型轉(zhuǎn)向低能源強(qiáng)度類型定義為“向上轉(zhuǎn)移”，反之則定義為“向下轉(zhuǎn)移”?！跋蛏限D(zhuǎn)移”意味著城市能源效率提升，“向下轉(zhuǎn)移”則意味著城市能源效率下降。mij表示在t時刻中屬于類型i的城市在t+1時刻轉(zhuǎn)移到j(luò)類型的概率值，采用下式加以估計：

其中：nij表示整個研究期內(nèi)由t時刻屬于i類型的城市在t+1時刻轉(zhuǎn)移為j類型的城市數(shù)量總和；ni為研究期內(nèi)所有實(shí)現(xiàn)轉(zhuǎn)移的年份中屬于類型i的城市數(shù)量總和。

空間馬爾科夫（Markov）轉(zhuǎn)移概率矩陣以某一城市ɑ 在t時刻的空間滯后類型為條件，將傳統(tǒng)馬爾科夫鏈分解為k個k×k的條件轉(zhuǎn)移概率矩陣［26］。在第k個條件矩陣中，mkij為城市ɑ在空間滯后類型為k的條件下，從t時刻狀態(tài)類型i轉(zhuǎn)移到t+1時刻狀態(tài)類型j的概率。城市ɑ的空間滯后值是該城市的空間鄰近城市屬性值的加權(quán)平均，具體公式如下：

其中：空間權(quán)重矩陣Wɑb表示城市ɑ 和城市b的空間關(guān)系，在此采用空間鄰接原則定義空間權(quán)重矩陣；同時，為避免因統(tǒng)計數(shù)據(jù)缺失而形成的孤島問題，將與某一城市距離最近的城市定義為相鄰城市，即保證每個城市至少存在一個鄰居。Yb表示城市b的屬性值；Lagɑ為城市ɑ的空間滯后值，表示城市ɑ的鄰域狀態(tài)。

三、數(shù)據(jù)來源

行政地域城市具有較好的統(tǒng)計數(shù)據(jù)基礎(chǔ)，且作為城市行政治理權(quán)與管轄權(quán)的實(shí)施主體，便于承接省級節(jié)能減排考核目標(biāo)，因此選擇我國30 個省級行政區(qū)（未包含西藏自治區(qū)、香港和澳門特別行政區(qū)、臺灣地區(qū)）的285個地級及以上城市作為研究對象，樣本期為2003—2019年。為考察城市能源強(qiáng)度的空間差異，沿用陳龍等（2016）［20］、鄧健和王新宇（2015）［27］等的做法，將我國行政地域劃分為東部、中部、西部和東北四大地區(qū)。

基于降尺度能源平衡表估算得到城市能源消費(fèi)量數(shù)據(jù)，將其中少數(shù)能源統(tǒng)計基礎(chǔ)較好的大城市和直轄市的估算數(shù)據(jù)與其實(shí)際能源消費(fèi)量進(jìn)行對比分析，發(fā)現(xiàn)城市能源消費(fèi)量估算結(jié)果的準(zhǔn)確性較高（1）。

全國、省級能源消費(fèi)量及城鎮(zhèn)人均生活用能、農(nóng)村人均生活用能數(shù)據(jù)來自《中國能源統(tǒng)計年鑒》；城市全社會用電量來自《中國城市統(tǒng)計年鑒》；城市生產(chǎn)總值（GDP）指數(shù)根據(jù)《中國城市統(tǒng)計年鑒》中城市的實(shí)際GDP增長率計算得到；各城市規(guī)模以上工業(yè)產(chǎn)值數(shù)據(jù)來源于歷年《中國區(qū)域經(jīng)濟(jì)統(tǒng)計年鑒》、EPS數(shù)據(jù)庫、部分城市統(tǒng)計年鑒以及國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計公報；其他各產(chǎn)業(yè)產(chǎn)值來自《中國城市統(tǒng)計年鑒》和《中國區(qū)域經(jīng)濟(jì)統(tǒng)計年鑒》；城市常住人口數(shù)據(jù)來自各省份統(tǒng)計年鑒和部分城市統(tǒng)計年鑒；各類能源折算標(biāo)準(zhǔn)煤的系數(shù)來自國家統(tǒng)計局能源司《能源統(tǒng)計工作手冊》和《能源統(tǒng)計報表制度（2020）》。此外，對其中部分指標(biāo)存在的少量缺失數(shù)據(jù)采用趨勢外推法和插補(bǔ)法等方法進(jìn)行填補(bǔ)。

四、結(jié)果與分析

（一）城市能源消費(fèi)總體情況

為考察我國城市能源消費(fèi)總體情況，本文對城市能源消費(fèi)量進(jìn)行描述性統(tǒng)計，見表2所列。

表2 2003—2019年中國城市能源消費(fèi)量描述性統(tǒng)計

由表2可以看出，我國城市能源消費(fèi)總量不斷提高，均值由2003 年的628.77 萬噸標(biāo)準(zhǔn)煤逐漸上升為2019 年的1 629.19 萬噸標(biāo)準(zhǔn)煤，年均增長6.13%；同期城市能源消費(fèi)量之間的差異也在不斷擴(kuò)大，標(biāo)準(zhǔn)差由2003 年的740.77 萬噸標(biāo)準(zhǔn)煤逐步上升為2019 年的1 581.98 萬噸標(biāo)準(zhǔn)煤。根據(jù)本文降尺度能源平衡表的估算結(jié)果，2019 年285 個城市能源消費(fèi)總量達(dá)461 270.95 萬噸標(biāo)準(zhǔn)煤，占全國能源消費(fèi)量（487 488.00萬噸標(biāo)準(zhǔn)煤）的94.62%

進(jìn)一步考察285 個城市的能源消費(fèi)量、人口數(shù)量、GDP 和土地面積的累積曲線（圖1），可以發(fā)現(xiàn)：其一，城市能源消費(fèi)量累積曲線與GDP累積曲線非常接近，表明城市能源消費(fèi)量與經(jīng)濟(jì)發(fā)展水平高度相關(guān)；其二，城市能源消費(fèi)量累積曲線位于土地面積和人口數(shù)量累積曲線上方，說明城市能源消費(fèi)的空間集聚性高于土地和人口要素。將城市能源消費(fèi)量由大到小排列，居前50%的城市能源消費(fèi)量占到285個城市能源消費(fèi)總量的79.99%，對應(yīng)的GDP 占比為80.40%，而人口和土地占比僅為65.08%和53.37%，這在一定程度上反映出城市能源消費(fèi)分布的不均衡性及區(qū)域聚集特征。

圖1 城市主要指標(biāo)的累積曲線

由此可見，城市能源消費(fèi)總量與城市GDP 高度相關(guān)，且均在地理空間上呈現(xiàn)出不均衡特征，但兩者相比得到的能源強(qiáng)度空間格局及變動趨勢卻存在不確定性。我國城市能源強(qiáng)度究竟呈現(xiàn)怎樣的時空差異及演變規(guī)律？在能源“雙控”目標(biāo)下，有必要對此開展進(jìn)一步探究。

（二）城市能源強(qiáng)度變動速度及幅度

1.城市能源強(qiáng)度變動速度

Slope趨勢分析既能反映城市能源強(qiáng)度的變動方向，又能計算實(shí)際變動速度，可進(jìn)一步考察城市能源強(qiáng)度的動態(tài)演進(jìn)特征。采用Slope趨勢分析計算2003—2019 年我國城市能源強(qiáng)度變化的斜率，并根據(jù)自然斷點(diǎn)法結(jié)合數(shù)值符號所代表的經(jīng)濟(jì)意義，將其劃分為上升型、緩慢下降型、較慢下降型、中速下降型、較快下降型和快速下降型6種類型。

考察城市能源強(qiáng)度6種類型的具體特征可知：①超過一半的城市能源強(qiáng)度變動為緩慢或較慢下降型。285個城市中僅有忻州、綏化等8個城市能源強(qiáng)度呈上升型，164個城市呈緩慢或較慢下降型，占比達(dá)57.54%，這些城市主要分布于經(jīng)濟(jì)較發(fā)達(dá)的東部地區(qū)。②能源強(qiáng)度下降較快的城市主要為資源型城市，仍存在較大節(jié)能潛力。285個城市中有65個城市呈較快或快速下降型，這些城市除貴陽、蘭州等少數(shù)省會城市外多數(shù)為資源型城市，表明近年來我國資源型城市可持續(xù)發(fā)展和能源轉(zhuǎn)型政策取得顯著成效，能源綜合利用效率有明顯提高。然而，資源型城市整體能源強(qiáng)度仍然較高，還有較大的節(jié)能減排空間。③城市能源強(qiáng)度下降趨勢呈明顯的空間集聚特征。能源強(qiáng)度緩慢下降型城市有87個，主要分布于沿海的京津冀城市群、長三角城市群、粵港澳大灣區(qū)、長江中游城市群和中原城市群，呈現(xiàn)出較強(qiáng)的地理集聚性。

2.城市能源強(qiáng)度變動幅度

為深入剖析城市能源強(qiáng)度差異變動的原因，對2010年前后不同地區(qū)城市能源強(qiáng)度年均變動幅度進(jìn)行對比。由表3可知，2003—2010年東部和中部地區(qū)能源強(qiáng)度上升的城市數(shù)量占比明顯高于東北和西部地區(qū)，且西部和東北地區(qū)能源強(qiáng)度降幅在“2%～5%”和“>5%”區(qū)間的城市遠(yuǎn)多于東部和中部地區(qū)。一方面是由于東部、中部地區(qū)部分城市仍然處于高能耗的粗放型經(jīng)濟(jì)增長模式，阻礙了地區(qū)整體能源效率的提升；另一方面西部和東北地區(qū)城市出現(xiàn)了技術(shù)追趕效應(yīng)，使得全國城市間能源強(qiáng)度差距逐漸縮小。

他臨危受命，穩(wěn)中求變，他把企業(yè)興衰看得比生命還重要。在多年的負(fù)重前行中，他把一個瀕臨破產(chǎn)的虧損小廠， 建設(shè)成為年利稅過億元的企業(yè)；把一個默默無聞的地方企業(yè)，打造成了全國知名品牌。

表3 四大地區(qū)城市能源強(qiáng)度年均變動幅度

2010—2019 年，西部地區(qū)能源強(qiáng)度上升的城市數(shù)量占比明顯高于東部和中部地區(qū)，而能源強(qiáng)度降幅在“5%～8%”和“>8%”區(qū)間的城市占比卻明顯低于東部和中部地區(qū)，導(dǎo)致西部與東部、中部地區(qū)城市能源強(qiáng)度差距擴(kuò)大。這主要是由于2010年后隨著多元化能源環(huán)境政策的實(shí)施，東部、中部地區(qū)城市通過產(chǎn)業(yè)結(jié)構(gòu)升級和技術(shù)創(chuàng)新等手段促使能源強(qiáng)度大幅下降，而西部地區(qū)多數(shù)城市產(chǎn)業(yè)結(jié)構(gòu)升級和技術(shù)創(chuàng)新能力相對較弱、能源強(qiáng)度降低較慢，導(dǎo)致地區(qū)間差異擴(kuò)大。此外，在2003—2010 年和2010—2019 年兩個時間段，東北地區(qū)能源強(qiáng)度上升的城市數(shù)量占比均低于西部地區(qū)，且能源強(qiáng)度降低幅度在5%以上的城市數(shù)量占比均明顯高于西部地區(qū)，使得東北與西部地區(qū)之間城市能源強(qiáng)度差異持續(xù)擴(kuò)大。西部城市發(fā)展資源型工業(yè)和重工業(yè)較多，能源效率提升不明顯［27］，而“東北振興”戰(zhàn)略更加致力于產(chǎn)業(yè)轉(zhuǎn)型升級，有利于東北城市能源效率提升，使得東北和西部城市能源強(qiáng)度差距持續(xù)拉大。

（三）城市能源強(qiáng)度的地區(qū)差異

以2003年為基期結(jié)合GDP平減指數(shù)計算各城市實(shí)際GDP，將各城市能源消費(fèi)量除以實(shí)際GDP，得到2003—2019年285個城市的實(shí)際能源強(qiáng)度，進(jìn)而考察城市能源強(qiáng)度的地區(qū)差異。

1.城市能源強(qiáng)度的空間格局

285 個城市的平均實(shí)際能源強(qiáng)度從2003 年的1.61噸標(biāo)準(zhǔn)煤/萬元下降至2019年的0.93噸標(biāo)準(zhǔn)煤/萬元，年均下降3.53%，表明我國城市能源綜合利用效率持續(xù)提升。為展現(xiàn)2003—2019年我國城市能源強(qiáng)度空間格局的變動情況，統(tǒng)一按照2019年的能源強(qiáng)度分級標(biāo)準(zhǔn)，采用自然斷點(diǎn)法對2003年、2008年、2013年和2019年的城市能源強(qiáng)度進(jìn)行分級考察。

從空間格局來看，城市能源強(qiáng)度呈現(xiàn)出由東南沿海向西北內(nèi)陸逐漸增大的態(tài)勢，存在明顯的地區(qū)差異。東南沿海城市能源強(qiáng)度普遍較低，這些城市的經(jīng)濟(jì)發(fā)展水平和第三產(chǎn)業(yè)占比均較高；能源強(qiáng)度較高的城市多分布于陜甘寧地區(qū)、黑龍江北部、廣西、四川和云南，多數(shù)為資源型城市或工業(yè)型城市。2003—2019 年，能源強(qiáng)度均值最低的10 個城市由小到大依次為上海、北京、廣州、深圳、蘇州、天津、重慶、杭州、無錫和青島，主要為直轄市和沿海地區(qū)經(jīng)濟(jì)較為發(fā)達(dá)的服務(wù)業(yè)型城市，這些城市第三產(chǎn)業(yè)占比均超過50%；能源強(qiáng)度均值最高的10 個城市由大到小依次為固原、麗江、嘉峪關(guān)、中衛(wèi)、定西、銅川、隴南、海東、三亞和金昌，這些城市經(jīng)濟(jì)發(fā)展水平相對落后，GDP 均位居285 個城市的后10%，且除三亞和麗江外基本都是工業(yè)型城市或資源型城市。從城市能源強(qiáng)度空間格局的變動來看，隨著東部城市的技術(shù)和產(chǎn)業(yè)逐步向中西部城市轉(zhuǎn)移，以及中西部城市自身的產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級，低能源強(qiáng)度區(qū)域由東南沿海逐漸向西北內(nèi)陸擴(kuò)展，并呈現(xiàn)出連片化集聚特征。

2.城市能源強(qiáng)度的差異分解

為深入考察我國城市能源強(qiáng)度的差異特征及其主要來源，利用Dagum 基尼系數(shù)計算出2003—2019 年城市能源強(qiáng)度的總體基尼系數(shù)，并進(jìn)一步分解得到東部、中部、西部和東北四大地區(qū)的區(qū)域內(nèi)和區(qū)域間基尼系數(shù)，結(jié)果如圖2所示。

圖2 城市能源強(qiáng)度地區(qū)差異的Dagum分解

（1）城市能源強(qiáng)度的總體差異。如圖2a所示，2003—2005 年我國城市能源強(qiáng)度出現(xiàn)一定程度的反彈，2005—2019年則持續(xù)下降。對2003—2005年能源強(qiáng)度上升的原因，林伯強(qiáng)和杜克銳（2014）［6］、Wang（2011）［28］等認(rèn)為主要源于技術(shù)效率惡化、能源對其他要素的替代效應(yīng)以及產(chǎn)業(yè)結(jié)構(gòu)變化，在此不再展開詳細(xì)討論。整體來看，城市能源強(qiáng)度差異表現(xiàn)出較明顯的波動性，2003—2010年城市能源強(qiáng)度總體基尼系數(shù)波動中有所下降，2010—2019年則轉(zhuǎn)為波動中有所上升。2003—2010 年，隨著“西部大開發(fā)”“中部崛起”和“東北振興”區(qū)域發(fā)展戰(zhàn)略的實(shí)施，中西部和東北地區(qū)經(jīng)濟(jì)發(fā)展加快，對東部地區(qū)技術(shù)水平的追趕效應(yīng)逐漸顯現(xiàn)，資本對能源的替代效應(yīng)增強(qiáng)［6］，使得城市間能源強(qiáng)度總體差異趨于減小；而2010年后尤其是黨的十八大以來，各級政府努力改變過度依賴能源的粗放型經(jīng)濟(jì)增長方式，轉(zhuǎn)向經(jīng)濟(jì)高質(zhì)量發(fā)展模式，制定了一系列能源環(huán)境政策，譬如先后啟動三批低碳城市試點(diǎn)工作、制定能耗“雙控”目標(biāo)等，各個城市差異化分解能耗“雙控”目標(biāo)，使得城市間能源強(qiáng)度差異迅速擴(kuò)大。以低碳試點(diǎn)政策為例，根據(jù)城市能源消費(fèi)量估算結(jié)果對試點(diǎn)和非試點(diǎn)城市能源強(qiáng)度變化進(jìn)行對比發(fā)現(xiàn)，第一批試點(diǎn)城市2010—2019年能源強(qiáng)度年均下降6.65%，非試點(diǎn)城市能源強(qiáng)度年均下降4.43%；第一批+第二批試點(diǎn)城市2012—2019年能源強(qiáng)度年均下降5.38%，非試點(diǎn)城市能源強(qiáng)度年均下降4.62%。這表明低碳試點(diǎn)城市能源強(qiáng)度下降幅度普遍高于非試點(diǎn)城市，導(dǎo)致試點(diǎn)城市與非試點(diǎn)城市能源強(qiáng)度差異逐漸增大，這一結(jié)論與張兵兵等［21］的研究結(jié)果相一致。

（2）差異的來源及其貢獻(xiàn)。如圖2b所示，比較區(qū)域內(nèi)、區(qū)域間和超變密度的貢獻(xiàn)率，城市能源強(qiáng)度總體差異主要來源于區(qū)域間差異，其對總體差異的年均貢獻(xiàn)率達(dá)51.18%；區(qū)域內(nèi)差異和超變密度的貢獻(xiàn)率大致相等，年均貢獻(xiàn)率分別為24.46%和24.36%。從變化趨勢看，區(qū)域內(nèi)差異貢獻(xiàn)率保持相對平穩(wěn)，區(qū)域間差異貢獻(xiàn)率則以2012 年為轉(zhuǎn)折點(diǎn)呈現(xiàn)先降后升的趨勢，這與城市能源強(qiáng)度總體差異的變化趨勢基本一致，進(jìn)一步驗(yàn)證了區(qū)域間差異是總體差異的主要推動力。

（3）區(qū)域內(nèi)差異。如圖2c所示，從四大地區(qū)城市能源強(qiáng)度差異來看，中部、西部地區(qū)的內(nèi)部差異明顯高于東部和東北地區(qū)。其中，西部地區(qū)內(nèi)部城市能源強(qiáng)度基尼系數(shù)均值為0.284 8，高于全國平均水平0.224 5，為城市能源強(qiáng)度差異最大的地區(qū)；東北地區(qū)內(nèi)部城市能源強(qiáng)度基尼系數(shù)均值為0.153 0，差異最小。相對于東部地區(qū)，中部、西部和東北地區(qū)內(nèi)部城市能源強(qiáng)度差異變動幅度較大，均呈現(xiàn)明顯的先降后升趨勢，但拐點(diǎn)出現(xiàn)的年份各不相同。

（4）區(qū)域間差異。如圖2d所示，從區(qū)域間城市能源強(qiáng)度差異大小來看，東部-西部之間城市能源強(qiáng)度差異最大，年均基尼系數(shù)為0.361 3；中部-西部、中部-東部和西部-東北地區(qū)之間，年均基尼系數(shù)分別為0.297 4、0.286 8和0.272 3；東部-東北和中部-東北之間城市能源強(qiáng)度差異相對較小，年均基尼系數(shù)分別為0.213 0和0.226 2。從變動趨勢來看，東部-西部、中部-西部和中部-東北之間差異均以2010年為拐點(diǎn)由縮小轉(zhuǎn)為擴(kuò)大；中部-東部和東部-東北之間差異分別在2012年和2014年由波動中下降轉(zhuǎn)為逐步上升趨勢；僅有西部-東北地區(qū)之間差異呈持續(xù)上升趨勢?？傮w上，我國城市能源強(qiáng)度的區(qū)域間差異在地理空間上呈東、中、西三級階梯式分布，東部地區(qū)與其他地區(qū)之間的城市能源強(qiáng)度差異仍是當(dāng)前節(jié)能減排面臨的重要挑戰(zhàn)，特別是東部與西部的城市能源強(qiáng)度差距長期處于高位。

（四）城市能源強(qiáng)度時空演變特征

1.城市能源強(qiáng)度類型轉(zhuǎn)移分析

已有研究對能源強(qiáng)度類型的劃分多采用四分位數(shù)或相等間隔分類方法［29］，由于各組樣本數(shù)量或間距大致相等，僅能反映樣本之間的相對變動，且在數(shù)據(jù)分布有偏的情況下容易將差異較大的樣本置于相同類型中?？紤]我國城市能源強(qiáng)度存在地區(qū)差異大、時序變動大和嚴(yán)重右偏的特征，參照吳健生等（2014）的做法［15］，采用均值-標(biāo)準(zhǔn)差方法進(jìn)行分組：首先，計算城市能源強(qiáng)度均值和標(biāo)準(zhǔn)差，暫時將右尾5%的離群值剔除，以更好反映城市能源強(qiáng)度變動，同時減輕離群值對分組標(biāo)準(zhǔn)的影響；其次，采用樣本均值-標(biāo)準(zhǔn)差分級法將城市能源強(qiáng)度分為低、中低、中高和高4個等級，將能源強(qiáng)度位于右尾5%的城市計入高能源強(qiáng)度等級。具體劃分標(biāo)準(zhǔn)見表4所列。

表4 城市能源強(qiáng)度分級標(biāo)準(zhǔn)

劃分城市能源強(qiáng)度類型后，采用Markov狀態(tài)轉(zhuǎn)移矩陣對城市能源強(qiáng)度類型的變動情況進(jìn)行分析，結(jié)果見表5所列。其中，Markov轉(zhuǎn)移矩陣的行、列分別表示t年和t+1年的城市能源強(qiáng)度類型，對角線上元素表示城市能源強(qiáng)度類型未發(fā)生轉(zhuǎn)移的概率，非對角線元素為城市能源強(qiáng)度類型發(fā)生轉(zhuǎn)移的概率。

表5 2003—2019年城市能源強(qiáng)度類型的馬爾科夫轉(zhuǎn)移矩陣

續(xù)表5

從表5可以看出：①對角線上的概率值遠(yuǎn)大于非對角線概率值，表明城市能源強(qiáng)度類型具有較強(qiáng)的穩(wěn)定性。對角線上的概率值介于0.658 9～0.981 0之間，而非對角線上的元素最大值為0.294 4，表明城市能源強(qiáng)度類型發(fā)生轉(zhuǎn)變的最大概率僅為29.44%。②城市能源強(qiáng)度類型的“馬太效應(yīng)”明顯，呈兩端高、中間低的分化特征。低能源強(qiáng)度類型和高能源強(qiáng)度類型保持類型不變的概率（p11和p44）明顯大于中低和中高能源強(qiáng)度類型（p22和p33），即呈現(xiàn)出高者恒高、低者穩(wěn)低的特征，意味著能源效率高的城市存在先發(fā)優(yōu)勢的“慣性”，而能源效率較低的城市可能陷入資源依賴和鎖定效應(yīng)而提升緩慢。③非對角線上的較高概率值主要集中于對角線周邊，表明城市能源強(qiáng)度類型轉(zhuǎn)變多發(fā)生在相鄰類型之間，因?yàn)閷?shí)現(xiàn)節(jié)能減排技術(shù)進(jìn)步和提高能源效率是一個持續(xù)、漸進(jìn)的過程，短時期內(nèi)較難實(shí)現(xiàn)跨越式發(fā)展。④城市能源效率呈提升趨勢，城市能源強(qiáng)度類型整體趨于向低強(qiáng)度類型轉(zhuǎn)移，特別是2010—2019 年向更低強(qiáng)度類型轉(zhuǎn)移的趨勢明顯增強(qiáng)。2003—2010年和2010—2019年兩個階段城市能源強(qiáng)度向更低強(qiáng)度類型轉(zhuǎn)移（向上轉(zhuǎn)移）的概率分別為9.24%和9.79%，明顯高于向更高強(qiáng)度類型轉(zhuǎn)移（向下轉(zhuǎn)移）的概率5.24%和1.55%，表明城市能源強(qiáng)度整體趨于降低，且第二階段比第一階段的下降趨勢更為明顯。

2.考慮空間溢出的城市能源強(qiáng)度類型轉(zhuǎn)移分析

由于城市之間存在著廣泛的社會經(jīng)濟(jì)聯(lián)系，彼此之間并非相互獨(dú)立［30-31］，一個城市的能源強(qiáng)度必然受到相鄰城市的影響，使得城市能源強(qiáng)度類型呈現(xiàn)出較強(qiáng)的地理集聚性和空間溢出效應(yīng)［15］，這也對城市能源強(qiáng)度類型的轉(zhuǎn)換產(chǎn)生影響?；诖?，在傳統(tǒng)Markov 狀態(tài)轉(zhuǎn)移矩陣基礎(chǔ)上加入相鄰城市能源強(qiáng)度類型這一條件，利用空間Markov 轉(zhuǎn)移矩陣分析空間溢出效應(yīng)下城市能源強(qiáng)度類型的動態(tài)演變特征，結(jié)果見表6所列。

表6 2003—2019年城市能源強(qiáng)度類型的空間馬爾科夫轉(zhuǎn)移矩陣

續(xù)表6

由表6可知：①對角線上的轉(zhuǎn)移概率值顯著高于非對角線位置的概率值，表明考慮相鄰城市能源強(qiáng)度類型影響的條件下，城市能源強(qiáng)度類型同樣傾向于保持穩(wěn)定，類型轉(zhuǎn)移主要發(fā)生在相鄰類型之間。②相鄰城市類型具有明顯的空間溢出效應(yīng)，相鄰城市能源強(qiáng)度類型越低，則該城市向更低類型轉(zhuǎn)移的概率越大，向更高類型轉(zhuǎn)移的概率越?。幌噜彸鞘心茉磸?qiáng)度類型越高，則該城市向更高類型轉(zhuǎn)移的概率越大，向更低類型轉(zhuǎn)移的概率越小。譬如，高能源強(qiáng)度城市向上轉(zhuǎn)移概率為12.54%，而一旦與低及中低類型城市為鄰時相應(yīng)的轉(zhuǎn)移概率分別提高至18.18%和21.33%；同樣，低能源強(qiáng)度城市的向下轉(zhuǎn)移概率為3.69%，而一旦與中高類型城市為鄰時其轉(zhuǎn)移概率則提高至13.04%。③城市本身與相鄰城市的類型差異越大，對相鄰城市的溢出效應(yīng)越明顯。對于能源強(qiáng)度類型為低的城市，在相鄰城市能源強(qiáng)度為中高類型時向下轉(zhuǎn)移的概率為13.04%，明顯高于相鄰城市能源強(qiáng)度為低、中低類型時向下轉(zhuǎn)移的概率（1.88%、8.00%）；而對于能源強(qiáng)度類型為高的城市，在相鄰城市能源強(qiáng)度為低和中低類型時向上轉(zhuǎn)移的概率分別為18.18%和21.33%，明顯高于相鄰城市能源強(qiáng)度為高、中高類型時向上轉(zhuǎn)移的概率（7.28%、15.91%）。

五、結(jié)論與建議

（一）主要結(jié)論

基于降尺度能源平衡表方法，本文對2003—2019年我國285個城市的能源消費(fèi)量進(jìn)行估算，解析城市能源強(qiáng)度的時空格局及動態(tài)演進(jìn)特征，得到以下主要結(jié)論：①我國城市能源消費(fèi)量存在明顯的分布不均衡性及空間集聚特征，城市能源強(qiáng)度呈現(xiàn)由東南沿海向西北內(nèi)陸逐漸增大的態(tài)勢；東南沿海經(jīng)濟(jì)發(fā)展水平較高和技術(shù)發(fā)達(dá)的服務(wù)業(yè)型城市能源強(qiáng)度相對較低，而經(jīng)濟(jì)發(fā)展水平相對落后的工業(yè)型城市或資源型城市能源強(qiáng)度較高。②多數(shù)城市能源強(qiáng)度呈緩慢或較慢下降型，城市能源強(qiáng)度下降趨勢呈現(xiàn)出明顯的空間集聚特征；資源型城市能源強(qiáng)度下降速度較快，但能源強(qiáng)度水平仍然較高，還存在較大的節(jié)能空間。③城市之間能源強(qiáng)度的總體差異呈先下降后上升的趨勢，地區(qū)間差異是城市能源強(qiáng)度差距的主要來源，平均貢獻(xiàn)率達(dá)51.18%，中部和西部地區(qū)內(nèi)部的城市能源強(qiáng)度差異明顯高于東部和東北地區(qū)。④城市能源強(qiáng)度整體向更低類型轉(zhuǎn)移，類型轉(zhuǎn)換多發(fā)生在相鄰類型之間，短時間內(nèi)較難實(shí)現(xiàn)跳躍式轉(zhuǎn)換；城市能源強(qiáng)度類型轉(zhuǎn)換存在明顯的“馬太效應(yīng)”，低能源強(qiáng)度類型城市存在先發(fā)優(yōu)勢“慣性”，高能源強(qiáng)度類型城市則存在一定的路徑依賴和鎖定效應(yīng)；相鄰城市的能源強(qiáng)度類型具有明顯的空間溢出效應(yīng)，且相鄰城市能源強(qiáng)度相差越大，空間溢出效應(yīng)越明顯。

（二）對策建議

根據(jù)上述結(jié)論，結(jié)合我國城市能源強(qiáng)度實(shí)際，本文提出以下對策建議：

第一，考慮不同城市能源強(qiáng)度的異質(zhì)性，應(yīng)確定差異化、精準(zhǔn)化的減排目標(biāo)和路徑。工業(yè)型城市應(yīng)聚焦于能源結(jié)構(gòu)優(yōu)化和產(chǎn)業(yè)結(jié)構(gòu)升級，積極推進(jìn)技術(shù)創(chuàng)新，強(qiáng)化節(jié)能技術(shù)標(biāo)準(zhǔn)和能耗管理制度；服務(wù)業(yè)型城市應(yīng)聚焦于建筑、交通等領(lǐng)域的能源消費(fèi)，引導(dǎo)公眾的綠色低碳消費(fèi)觀念，強(qiáng)化節(jié)能減排行為示范效應(yīng)；資源型城市應(yīng)加大節(jié)能減排和低碳轉(zhuǎn)型力度，盡快推進(jìn)產(chǎn)業(yè)多元化，大力發(fā)展節(jié)能技術(shù)，進(jìn)一步釋放節(jié)能潛力。

第二，建立區(qū)域節(jié)能減排協(xié)同聯(lián)動機(jī)制。城市能源強(qiáng)度類型轉(zhuǎn)移的空間溢出效應(yīng)明顯，因此應(yīng)大力發(fā)展城市圈和城市群，促進(jìn)區(qū)域經(jīng)濟(jì)一體化。一方面加強(qiáng)城市間產(chǎn)業(yè)發(fā)展合作，形成產(chǎn)業(yè)鏈和產(chǎn)業(yè)集群；另一方面在企業(yè)節(jié)能補(bǔ)貼、新能源產(chǎn)業(yè)扶持及節(jié)能技術(shù)研發(fā)與應(yīng)用等能源政策上形成有效對接。

第三，以差異化策略促進(jìn)區(qū)域協(xié)調(diào)發(fā)展，縮小地區(qū)能源利用效率差異。東部地區(qū)較發(fā)達(dá)的城市應(yīng)在嚴(yán)格控制化石能源消費(fèi)的基礎(chǔ)上加強(qiáng)節(jié)能減排關(guān)鍵性技術(shù)的突破攻關(guān)，率先實(shí)現(xiàn)能源“雙控”和碳達(dá)峰，并加快向中西部地區(qū)進(jìn)行技術(shù)擴(kuò)散和轉(zhuǎn)移；中西部地區(qū)則要加強(qiáng)自身產(chǎn)業(yè)結(jié)構(gòu)升級和能源轉(zhuǎn)型，東北老工業(yè)基地和資源型城市要加快產(chǎn)業(yè)綠色低碳轉(zhuǎn)型，對不符合功能定位的高能耗、高排放重化工業(yè)實(shí)行低碳轉(zhuǎn)型和退出機(jī)制。

當(dāng)然，限于數(shù)據(jù)可得性，本文構(gòu)建能源平衡表的分配指標(biāo)體系時主要采用行業(yè)產(chǎn)出作為分配標(biāo)準(zhǔn)，蘊(yùn)含的基本假設(shè)是不同城市同一行業(yè)單位產(chǎn)值的能源投入相同，這一假設(shè)可能與實(shí)際存在偏差，部分指標(biāo)統(tǒng)計口徑前后變化的調(diào)整仍有待改善；限于篇幅，文中未對城市能源強(qiáng)度的空間溢出機(jī)制展開解析。這些不足之處，有待于在后續(xù)研究中進(jìn)一步加以探討與完善。

注釋：

（1）限于篇幅，本文未將城市能源消費(fèi)量估算結(jié)果及與城市實(shí)際能源消費(fèi)量對比情況一一列出，如有需要可向作者索取。