碳排放峰值約束下城市建設(shè)用地演變與分類(lèi)管控

程宏晟，於 冉,2*，汪 沁，葉 蕓，魏 露

碳排放峰值約束下城市建設(shè)用地演變與分類(lèi)管控

程宏晟1，於 冉1,2*，汪 沁1，葉 蕓1，魏 露1

(1. 安徽農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，合肥 230036；2. 安徽農(nóng)業(yè)大學(xué)國(guó)土資源研究所，合肥 230036)

針對(duì)不同城市碳排放達(dá)峰以及建設(shè)用地演變特點(diǎn)，差異化實(shí)施城市達(dá)峰策略具有重要意義，以安徽省16個(gè)地級(jí)市為例，在核算碳排放與分析建設(shè)用地演變特征的基礎(chǔ)上，通過(guò)Kaya恒等式，對(duì)各地級(jí)市的碳排放峰值以及建設(shè)用地規(guī)模進(jìn)行預(yù)測(cè)，并運(yùn)用聚類(lèi)分析對(duì)各類(lèi)城市提出達(dá)峰管控對(duì)策。結(jié)果表明：1）合肥市、亳州市、蚌埠市、阜陽(yáng)市、淮南市、蕪湖市、宿州市、滁州市、六安市、池州市以及黃山市均有可能在2030年前達(dá)峰；馬鞍山市、宣城市、銅陵市和安慶市在2030年前達(dá)峰存在一定的風(fēng)險(xiǎn)，而淮北市在2014年就已經(jīng)出現(xiàn)碳排放峰值。2）安徽省各地級(jí)市碳排放與建設(shè)用地規(guī)模之間的回歸擬合均有強(qiáng)相關(guān)性，可在此基礎(chǔ)上進(jìn)行城市建設(shè)用地規(guī)模預(yù)測(cè)。3）安徽省各地級(jí)市根據(jù)聚類(lèi)特征可分為達(dá)峰攻堅(jiān)型、達(dá)峰潛力型、達(dá)峰示范型以及達(dá)峰優(yōu)勢(shì)型4類(lèi)。

碳排放；城市建設(shè)用地；Kaya恒等式；聚類(lèi)分析

為應(yīng)對(duì)全球氣候變暖，實(shí)現(xiàn)社會(huì)經(jīng)濟(jì)可持續(xù)發(fā)展，早在2014年APEC會(huì)議上，中國(guó)政府就已做出2030年左右達(dá)到碳排放峰值的承諾；2020年第七十五屆聯(lián)合國(guó)大會(huì)上，習(xí)近平總書(shū)記再次提出碳排放量力爭(zhēng)于2030年前達(dá)到峰值，并努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和。實(shí)現(xiàn)碳中和，首先要實(shí)現(xiàn)碳達(dá)峰，城市建設(shè)用地作為高碳排、高耗能人類(lèi)活動(dòng)的承載主體，是實(shí)現(xiàn)碳達(dá)峰的主要戰(zhàn)場(chǎng)，其利用與擴(kuò)張的過(guò)程中承載和帶動(dòng)了大量的碳排放[1]，不僅造成大量的碳匯損失還導(dǎo)致生態(tài)環(huán)境被破壞。因此科學(xué)合理的限制碳排放量，有效控制城市建設(shè)用地規(guī)模，對(duì)實(shí)現(xiàn)碳達(dá)峰以及碳中和具有重要意義。

在碳排放的相關(guān)研究中，主要是對(duì)碳排放的核算[2]、不同區(qū)域間碳排放的時(shí)空差異[3]、碳排放的影響因素[4]以及碳排放的峰值預(yù)測(cè)[5]等方面展開(kāi)積極探索。其中，隨著2030年碳達(dá)峰目標(biāo)的臨近，碳排放峰值預(yù)測(cè)逐漸成為研究熱點(diǎn)之一，諸多學(xué)者運(yùn)用Kaya恒等式[6]、STIRPAT模型[7]、BP神經(jīng)網(wǎng)絡(luò)模型[8]、SVR模型[9]等方法，對(duì)能源[10]、交通[11]、農(nóng)業(yè)[12]、建筑[13]等多個(gè)行業(yè)領(lǐng)域進(jìn)行碳核算及峰值預(yù)測(cè)，并在此基礎(chǔ)上設(shè)置不同的情景模式[14-15]，比較在不同經(jīng)濟(jì)社會(huì)發(fā)展背景下的碳排放峰值以及達(dá)峰時(shí)間。但大部分研究多以全國(guó)[16]或省[17]為研究尺度進(jìn)行單獨(dú)的案例分析研究，較少有從市級(jí)層面[18]進(jìn)行案例分析或從整體層面對(duì)區(qū)域間[19]、城市間[20]進(jìn)行比較分析研究，且在各區(qū)域的比較研究中較少有考慮對(duì)碳排放具有重要影響的城市建設(shè)用地規(guī)模這一因素。同時(shí)，在碳排放與城市建設(shè)用地?cái)U(kuò)展關(guān)系的相關(guān)研究中，多是針對(duì)城市建設(shè)用地?cái)U(kuò)展與碳排放之間的影響關(guān)系研究[21-22]、城市建設(shè)用地碳排放的空間分異研究[23-24]以及對(duì)城市建設(shè)用地的低碳優(yōu)化研究[25-26]，較少有通過(guò)碳排放來(lái)反向約束建設(shè)用地?cái)U(kuò)展規(guī)模的研究。綜上所述，諸多研究均證實(shí)了碳排放與建設(shè)用地之間具有強(qiáng)相關(guān)性，但城市間不同的地理位置以及文化政策的特殊性會(huì)導(dǎo)致其碳排放及建設(shè)用地?cái)U(kuò)展特征存在不同的差異，因此各城市的“碳達(dá)峰”戰(zhàn)略以及建設(shè)用地管控理應(yīng)差異化實(shí)施。

鑒于此，本研究以安徽省16個(gè)地級(jí)市為例，在改進(jìn)Kaya恒等式的基礎(chǔ)上預(yù)測(cè)各地級(jí)市的碳排放達(dá)峰過(guò)程，并基于碳排放與城市建設(shè)用地規(guī)模之間的強(qiáng)相關(guān)性，預(yù)測(cè)各地級(jí)市建設(shè)用地規(guī)模峰值，最后以預(yù)測(cè)結(jié)果為依據(jù)運(yùn)用聚類(lèi)分析法進(jìn)行比較分類(lèi)，為地方政府因地制宜的謀劃城市碳達(dá)峰路徑及建設(shè)用地管控策略提供參考。

1 材料與方法

1.1 數(shù)據(jù)來(lái)源

本研究以安徽省16個(gè)地級(jí)市為例（圖1），涉及數(shù)據(jù)主要包括社會(huì)經(jīng)濟(jì)數(shù)據(jù)、城市建設(shè)用地?cái)?shù)據(jù)以及經(jīng)驗(yàn)數(shù)據(jù)。其中，社會(huì)經(jīng)濟(jì)數(shù)據(jù)以及城市建設(shè)用地?cái)?shù)據(jù)來(lái)源于安徽省以及各地級(jí)市2001—2020年統(tǒng)計(jì)年鑒[27]和國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)[28]，各類(lèi)能源碳排放經(jīng)驗(yàn)系數(shù)來(lái)源于IPCC國(guó)家溫室氣體清單指南。2010年前部分地級(jí)市的能源消費(fèi)數(shù)據(jù)以及城市建設(shè)用地?cái)?shù)據(jù)統(tǒng)計(jì)不夠完整，為保證數(shù)據(jù)的連續(xù)性，本研究通過(guò)省、市相應(yīng)的產(chǎn)業(yè)比值采用插值法進(jìn)行折算或根據(jù)歷史趨勢(shì)采用灰色預(yù)測(cè)模型進(jìn)行完善。

圖1 安徽省各地級(jí)市區(qū)位圖

Figure 1 Location map of prefecture-level cities in Anhui Province

1.2 研究方法

1.2.1 碳排放核算 城市建設(shè)用地碳排放一般是通過(guò)其利用過(guò)程中的各項(xiàng)能源消耗的碳排放系數(shù)來(lái)間接估算[29]，本研究運(yùn)用IPCC碳排放系數(shù)法核算安徽省各地級(jí)市2000年至2019年的城市建設(shè)用地碳排放量。計(jì)算公式如下。

式（1）中：為碳排放總量；Ec為各種能源消耗產(chǎn)生的碳排放量；En為各種能源消耗量；σ為各種能源消耗量轉(zhuǎn)換為標(biāo)準(zhǔn)煤的系數(shù)，φ為各種能源的碳排放系數(shù)，具體如表1所示。

1.2.2 改進(jìn)的Kaya恒等式 傳統(tǒng)的Kaya恒等式僅考慮能源、經(jīng)濟(jì)以及人口對(duì)碳排放的影響，而碳排放還與科學(xué)技術(shù)水平密切相關(guān)，因此本研究采用0.91倍的勞動(dòng)者報(bào)酬變動(dòng)率來(lái)表征技術(shù)進(jìn)步率[31]，對(duì)等式進(jìn)行改進(jìn)，表達(dá)形式為：

式（2）中，C為碳排放總量，C為能源消費(fèi)碳排放量，MC為能源消費(fèi)量，GDP為國(guó)內(nèi)生產(chǎn)總值，為人口規(guī)模，表示科技進(jìn)步率。

表1 碳排放轉(zhuǎn)換系數(shù)

注：數(shù)據(jù)來(lái)源于IPCC國(guó)家溫室氣體清單指南[30]。

式（3）中，分別表示單位能源消費(fèi)碳排放、能源強(qiáng)度、人均GDP、人口規(guī)模和科技進(jìn)步率。

2 結(jié)果與分析

2.1 碳排放量變化分析

對(duì)安徽省各地級(jí)市2000—2019年碳排放量以及建設(shè)用地規(guī)模進(jìn)行趨勢(shì)分析，具體見(jiàn)圖2。

從碳排放量看，安徽省各地級(jí)市大體呈現(xiàn)出“中部高、南北低”的空間格局，且聚集效應(yīng)明顯，形成以淮南市、滁州市、馬鞍山市、蕪湖市、銅陵市為“環(huán)”、合肥市為“中心”的高排放聚集格局。合肥市、淮南市、馬鞍山市以及淮北市的碳排放量明顯高于其他城市，在2019年分別達(dá)到4 152.34萬(wàn)t、3 170.95萬(wàn)t、3 072.79萬(wàn)t以及2 521.04萬(wàn)t。除淮北市外，其余城市的碳排放量均呈現(xiàn)持續(xù)上升或波動(dòng)上升的態(tài)勢(shì)，其中合肥市、淮南市、馬鞍山市、蕪湖市的增幅最大，而黃山市、安慶市以及池州市的增幅較低?；幢笔性?014年就已經(jīng)出現(xiàn)峰值，這與其城市發(fā)展轉(zhuǎn)型有較大關(guān)聯(lián)，2013年淮北市出臺(tái)了《關(guān)于建設(shè)精致淮北的意見(jiàn)》以及各類(lèi)轉(zhuǎn)型發(fā)展規(guī)劃[32]，產(chǎn)業(yè)轉(zhuǎn)型促使淮北市社會(huì)經(jīng)濟(jì)發(fā)展對(duì)資源的依賴(lài)程度不斷降低，導(dǎo)致其碳排放量自2014年后呈逐年降低趨勢(shì)，因此暫不考慮對(duì)淮北市進(jìn)行峰值預(yù)測(cè)。從城市建設(shè)用地規(guī)模看，各市均呈增長(zhǎng)態(tài)勢(shì)。其中合肥市、蚌埠市、阜陽(yáng)市、滁州市、宣城市以及安慶市建設(shè)用地規(guī)模增長(zhǎng)趨勢(shì)相對(duì)較快，年均增長(zhǎng)率均超過(guò)6%，亳州市、宿州市、淮南市以及六安市增長(zhǎng)趨勢(shì)相對(duì)較慢，年均增長(zhǎng)率均低于3%，其余城市建設(shè)用地規(guī)模增長(zhǎng)趨勢(shì)相對(duì)平緩。

從平均建設(shè)用地碳排放強(qiáng)度來(lái)看，馬鞍山市、淮北市、淮南市以及銅陵市強(qiáng)度最高，每公頃分別為0.24、0.24、0.20和0.16萬(wàn)t ，亳州市、蚌埠市以及黃山市強(qiáng)度最低，每公頃均為0.04萬(wàn)t左右，其余城市強(qiáng)度均介于每公頃0.06至0.13萬(wàn)t之間。從碳排放強(qiáng)度變化趨勢(shì)來(lái)看，自2000年以來(lái)各市均呈增長(zhǎng)趨勢(shì)，淮南市、馬鞍山市、淮北市以及宿州市呈快速增強(qiáng)趨勢(shì)，碳排放量增長(zhǎng)速度遠(yuǎn)超建設(shè)用地?cái)U(kuò)展速度；滁州市、六安市、蕪湖市、銅陵市、宣城市以及池州市呈中速增強(qiáng)趨勢(shì)，碳排放量增長(zhǎng)速度略大于建設(shè)用地?cái)U(kuò)展速度；亳州市、安慶市、黃山市、蚌埠市、阜陽(yáng)市以及合肥市呈緩慢增強(qiáng)趨勢(shì)，碳排放量增速顯著低于建設(shè)用地的擴(kuò)展速度。

圖2 2000—2019年碳排放量與建設(shè)用地規(guī)模分析

Figure 2 Analysis of carbon emissions and construction land scale from 2000 to 2019

2.2 碳排放峰值預(yù)測(cè)結(jié)果

2.2.1 情景設(shè)置 在改進(jìn)Kaya恒等式的基礎(chǔ)上，以2019年為基期，預(yù)測(cè)年份截止至2050年，對(duì)安徽省各地級(jí)市碳排放峰值進(jìn)行預(yù)測(cè)。以安徽省各地級(jí)市碳排放量的歷史趨勢(shì)及社會(huì)經(jīng)濟(jì)發(fā)展的實(shí)際情況為基礎(chǔ)，參照安徽省及各地級(jí)市《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》（以下簡(jiǎn)稱(chēng)“十四五”規(guī)劃）[33]等政策，將Kaya恒等式中能源強(qiáng)度、人均GDP、人口規(guī)模3個(gè)影響因素的變化率設(shè)為基準(zhǔn)情景、低碳情景以及深度減排情景3種發(fā)展情景。其中基準(zhǔn)情景是在當(dāng)前經(jīng)濟(jì)發(fā)展水平的基礎(chǔ)上，不采取任何強(qiáng)制措施，以“十四五”規(guī)劃等各類(lèi)政策文件的目標(biāo)發(fā)展生產(chǎn)；低碳情景則是在基準(zhǔn)情景的基礎(chǔ)上，放緩經(jīng)濟(jì)增長(zhǎng)速度，提高經(jīng)濟(jì)發(fā)展質(zhì)量，優(yōu)化能源結(jié)構(gòu)，提高各類(lèi)資源的利用效率；深度減排情景是在低碳情景的基礎(chǔ)上進(jìn)一步提高經(jīng)濟(jì)發(fā)展質(zhì)量，優(yōu)化能源結(jié)構(gòu)以及加強(qiáng)低碳綠色技術(shù)的研發(fā)與應(yīng)用，并通過(guò)制定約束性政策文件加大各領(lǐng)域節(jié)能減排的力度。各參數(shù)具體設(shè)定如下：

1）能源強(qiáng)度。安徽省及各地級(jí)市的“十四五”規(guī)劃均提出以?xún)?yōu)化能源結(jié)構(gòu)，加強(qiáng)低碳能源技術(shù)的開(kāi)發(fā)與利用等作為其能源改革的首要目標(biāo)。各地級(jí)市“十四五”期間能源強(qiáng)度目標(biāo)除池州市（13%）外均以省級(jí)或國(guó)家級(jí)指標(biāo)（13.5%）作為約束目標(biāo)，而安徽省在“十三五”期間降低能源強(qiáng)度方面有著良好的表現(xiàn)，5年累計(jì)降低16%，超額完成了國(guó)家下達(dá)的指標(biāo)任務(wù)（15%），說(shuō)明安徽省在能源優(yōu)化方面具有較大潛力。因此本研究仍以5年累積降低15%作為基準(zhǔn)情景下能源強(qiáng)度下降的基礎(chǔ)值，相當(dāng)于每年下降2.8%，并分別每5年增加1%和2%作為低碳情景和深度減排情景的基礎(chǔ)值，同時(shí)根據(jù)歷史能源強(qiáng)度的變化趨勢(shì)對(duì)不同預(yù)測(cè)年份間的降低速率做相應(yīng)的調(diào)整。

表2 不同情景下典型城市各影響因素變化率設(shè)定

2）人均GDP?！笆濉逼陂g，安徽省各地級(jí)市的人均GDP預(yù)期目標(biāo)均得到較好實(shí)現(xiàn)，經(jīng)濟(jì)發(fā)展態(tài)勢(shì)持續(xù)向好。但考慮到我國(guó)正處于經(jīng)濟(jì)發(fā)展新常態(tài)時(shí)期，經(jīng)濟(jì)結(jié)構(gòu)不斷優(yōu)化升級(jí)，經(jīng)濟(jì)增長(zhǎng)速度逐漸放緩，同時(shí)新冠疫情的常態(tài)化發(fā)展將對(duì)我國(guó)社會(huì)經(jīng)濟(jì)發(fā)展產(chǎn)生長(zhǎng)久影響[34]。因此本研究參考各地級(jí)市經(jīng)濟(jì)發(fā)展的實(shí)際情況，以安徽省及各地級(jí)市“十四五”規(guī)劃中人均GDP的預(yù)期性目標(biāo)作為基準(zhǔn)情景的基礎(chǔ)值，并分別下調(diào)0.5%和1%作為低碳情景和深度減排情景的基礎(chǔ)值，同時(shí)以每5年下降0.5%的速率放緩人均GDP的增長(zhǎng)速度。

3）人口規(guī)模。歷年來(lái)安徽省人口規(guī)模保持平穩(wěn)，2000年至2020年累計(jì)增加僅11.8萬(wàn)人，但各地級(jí)市人口規(guī)模存在較大差異。根據(jù)《國(guó)家人口發(fā)展規(guī)劃（2016—2030）》[35]及歷史人口趨勢(shì)，我國(guó)人口在2020—2025年間仍會(huì)有一定的增長(zhǎng)，但人口增長(zhǎng)幅度會(huì)逐漸變緩，預(yù)計(jì)會(huì)在2030年前后達(dá)到人口峰值，此后人口規(guī)模應(yīng)逐年降低并呈現(xiàn)負(fù)增長(zhǎng)。因此本研究以各地級(jí)市歷史時(shí)期的人口發(fā)展規(guī)劃以及歷史人口趨勢(shì)為基礎(chǔ)，結(jié)合灰色預(yù)測(cè)模型對(duì)未來(lái)人口預(yù)測(cè)的結(jié)果，根據(jù)不同地級(jí)市的人口發(fā)展態(tài)勢(shì)對(duì)各地級(jí)市人口增長(zhǎng)率以及遞減率進(jìn)行合理設(shè)置。

由于篇幅所限，這里僅列舉出皖北（蚌埠市）、皖中（合肥市）以及皖南（蕪湖市）3個(gè)典型城市的影響因素變化率設(shè)定，如表2所示。

2.2.2 預(yù)測(cè)結(jié)果 本研究基于改進(jìn)后的Kaya恒等式，根據(jù)3種發(fā)展情景設(shè)置，計(jì)算出不同發(fā)展情景下各地級(jí)市2020—2050年的碳排放量以及達(dá)峰時(shí)間，如圖3所示。

圖3 各地級(jí)市碳排放預(yù)測(cè)

Figure 3 Carbon emission forecast of prefecture-level cities

表3 各地級(jí)市擬合公式

結(jié)合圖3可以看出，各地級(jí)市在不同情景下的達(dá)峰時(shí)間不同。具體來(lái)看根據(jù)各地級(jí)市的達(dá)峰情況可分為4類(lèi)，第1類(lèi)為淮南市和黃山市，這2個(gè)城市的碳排放峰值在3種情景下均出現(xiàn)在2030年以前。第2類(lèi)為亳州市、宿州市、阜陽(yáng)市、滁州市、六安市、蕪湖市以及池州市，這7個(gè)城市的碳排放峰值在低碳情景以及深度減排情景下出現(xiàn)在2030年以前。第3類(lèi)為合肥市和蚌埠市，這2個(gè)城市的碳排放峰值需要在深度減排情景下才可以在2030年前出現(xiàn)。第4類(lèi)為馬鞍山市、宣城市、銅陵市以及安慶市，這4個(gè)城市的碳排放峰值在3種情景下均沒(méi)有出現(xiàn)在2030年之前。可見(jiàn)，各地級(jí)市的碳達(dá)峰時(shí)間存在一定的差異，其中馬鞍山市、宣城市、銅陵市以及安慶市在2030年之前達(dá)到碳排放峰值存在一定的風(fēng)險(xiǎn)，而其余城市均有較大可能在2030年之前出現(xiàn)碳排放峰值。

2.3 碳峰值預(yù)測(cè)下的建設(shè)用地演變趨勢(shì)

參考於冉等[36]對(duì)碳排放控制建設(shè)用地?cái)U(kuò)展的研究成果，本研究對(duì)安徽省各地級(jí)市建設(shè)用地與碳排放量進(jìn)行回歸擬合驗(yàn)證。擬合結(jié)果（表3）表明，各城市碳排放量與建設(shè)用地之間回歸擬合度均較高，具有穩(wěn)定的強(qiáng)相關(guān)性。由于阜陽(yáng)市以及淮南市的碳排放量呈波動(dòng)上升趨勢(shì)，分別在2013以及2014年出現(xiàn)下降趨勢(shì)，但在2017年后二者碳排放量又呈現(xiàn)持續(xù)上升趨勢(shì)，因此對(duì)擬合度產(chǎn)生了一定的影響。根據(jù)各市的擬合公式，結(jié)合各地級(jí)市碳排放預(yù)測(cè)結(jié)果，預(yù)測(cè)3種情景下的建設(shè)用地規(guī)模峰值（圖4）。

預(yù)測(cè)結(jié)果顯示，各地級(jí)市建設(shè)用地規(guī)模達(dá)峰時(shí)間與碳排放峰值達(dá)峰時(shí)間基本一致。其中在基準(zhǔn)情景下，僅有宿州市和黃山市可以在2030年左右達(dá)到建設(shè)用地規(guī)模峰值；而在低碳情景下，亳州市、宿州市、阜陽(yáng)市、滁州市、六安市、蕪湖市、池州市均可在2030年左右達(dá)到建設(shè)用地規(guī)模峰值，淮南市和黃山市則可以在2020年以及2025年左右就達(dá)到建設(shè)用地規(guī)模峰值；在深度減排情景中，僅有馬鞍山市、宣城市、銅陵市以及安慶市不能在2030年前達(dá)到建設(shè)用地規(guī)模峰值，其余城市均可在2030年前達(dá)到建設(shè)用地規(guī)模峰值。

2.4 基于聚類(lèi)分析的達(dá)峰管控對(duì)策

為更好地對(duì)安徽省各地級(jí)市的預(yù)測(cè)結(jié)果進(jìn)行分類(lèi)分析，本研究基于15個(gè)地級(jí)市在3種情景下的預(yù)測(cè)結(jié)果，將各地級(jí)市預(yù)測(cè)時(shí)段內(nèi)的平均累積碳排放量、平均碳排放量達(dá)峰所用時(shí)長(zhǎng)、平均累積建設(shè)用地?cái)U(kuò)展規(guī)模以及平均建設(shè)用地規(guī)模達(dá)峰所用時(shí)長(zhǎng)由高到低依次設(shè)置為15分至1分，聚類(lèi)方法選擇組間聯(lián)接法，距離的測(cè)量采用歐氏距離。聚類(lèi)結(jié)果可分為4類(lèi)，如圖5所示。

圖4 各地級(jí)市建設(shè)用地?cái)U(kuò)展規(guī)模預(yù)測(cè)

Figure 4 Forecast of expansion scale of construction land in prefecture-level cities

圖5 聚類(lèi)分析譜系圖

Figure 5 Cluster analysis pedigree diagram

聚類(lèi)分析結(jié)果顯示：第1類(lèi)為達(dá)峰攻堅(jiān)型城市，包括合肥市、馬鞍山市、宣城市、銅陵市以及安慶市；第2類(lèi)為達(dá)峰潛力型城市，包括亳州市、蚌埠市、阜陽(yáng)市以及蕪湖市；第3類(lèi)為達(dá)峰示范型城市，包括宿州市、滁州市、六安市、池州市以及黃山市；第4類(lèi)為達(dá)峰優(yōu)勢(shì)型城市，淮南市。對(duì)比發(fā)現(xiàn)，淮北市2019年建設(shè)用地面積為95.67 km2，碳排放量在2014年達(dá)到峰值2 935.68萬(wàn)t，2019年碳排放量降至2 521.04萬(wàn)t，碳排放量在安徽省內(nèi)同樣處于較高水平，其聚類(lèi)特征以及城市產(chǎn)業(yè)發(fā)展進(jìn)程與淮南市相近，故本研究將淮北市也并入達(dá)峰優(yōu)勢(shì)型城市。

1）第1類(lèi)城市概括為達(dá)峰攻堅(jiān)型城市。預(yù)測(cè)結(jié)果顯示，這類(lèi)城市平均累積碳排放量高，平均建設(shè)用地累積擴(kuò)展規(guī)模大，碳排放與建設(shè)用地規(guī)模達(dá)峰時(shí)間最長(zhǎng)，平均超過(guò)16年以上，其中除合肥市可以在深度減排情景下于2030年達(dá)峰外，其余城市在3種情景下均不能在2030年前達(dá)到碳排放以及建設(shè)用地規(guī)模峰值；人均GDP相對(duì)較高，且目標(biāo)增速較大，目標(biāo)增速均超過(guò)7.5%；近5年來(lái)人口增速相對(duì)較高，歷史人口總體保持平緩增長(zhǎng)趨勢(shì)。由于這類(lèi)城市的達(dá)峰預(yù)測(cè)時(shí)間并不理想，因此為實(shí)現(xiàn)碳達(dá)峰目標(biāo)仍需進(jìn)一步攻堅(jiān)克難。

建議這類(lèi)城市將達(dá)峰目標(biāo)設(shè)置在2030年。為實(shí)現(xiàn)達(dá)峰目標(biāo)，應(yīng)以供給側(cè)結(jié)構(gòu)性改革為主線，構(gòu)建清潔低碳的現(xiàn)代化能源體系以及綠色高效的現(xiàn)代產(chǎn)業(yè)體系，充分發(fā)揮合肥市綜合性國(guó)家科學(xué)中心的引領(lǐng)作用，探索低碳技術(shù)、產(chǎn)品的研發(fā)應(yīng)用與成果轉(zhuǎn)換，積極發(fā)揮政府的宏觀調(diào)控作用，將GDP增速控制在科學(xué)合理的范圍內(nèi)；同時(shí)城市建設(shè)用地由粗放擴(kuò)張向內(nèi)涵發(fā)展轉(zhuǎn)變，重點(diǎn)從城市建設(shè)用地?cái)U(kuò)張轉(zhuǎn)向結(jié)構(gòu)調(diào)整，以碳排放峰值適當(dāng)約束建設(shè)用地?cái)U(kuò)展規(guī)模，節(jié)約集約利用土地，控制城市無(wú)序擴(kuò)張，優(yōu)化城市功能布局，同時(shí)加強(qiáng)城市的輻射帶動(dòng)能力，根據(jù)各城市發(fā)展現(xiàn)狀及環(huán)境問(wèn)題，制定針對(duì)性的干預(yù)措施，建立高質(zhì)量的綠色低碳都市圈循環(huán)經(jīng)濟(jì)體系，保障經(jīng)濟(jì)與生態(tài)和諧發(fā)展，提高土地資源利用效率，加快探索碳達(dá)峰實(shí)現(xiàn)路徑。

2）第2類(lèi)城市概括為達(dá)峰潛力型城市。預(yù)測(cè)結(jié)果顯示，這類(lèi)城市平均建設(shè)用地累積擴(kuò)展規(guī)模較大，除蕪湖市外，平均累積碳排放量相對(duì)較低，但這類(lèi)城市碳排放量以及建設(shè)用地規(guī)模達(dá)峰時(shí)間較長(zhǎng)，平均介于11至16年之間，其中亳州市、阜陽(yáng)市以及蕪湖市均可以在低碳情景以及深度減排情景下于2030年達(dá)峰，而蚌埠市則可以在深度減排情景下于2030年達(dá)峰。這類(lèi)城市人均GDP目標(biāo)增速相對(duì)適中，介于6.1%至7%之間；近5年來(lái)人口增速相對(duì)較高且人口基數(shù)較大。由于這類(lèi)城市預(yù)測(cè)的達(dá)峰時(shí)間在3類(lèi)情景中均接近2030年，因此在完成碳達(dá)峰目標(biāo)任務(wù)方面具有較大潛力。

建議這類(lèi)城市的達(dá)峰目標(biāo)設(shè)置在2025年至2030年之間。在實(shí)現(xiàn)達(dá)峰目標(biāo)時(shí)，應(yīng)以提質(zhì)增效為目標(biāo)，在快速發(fā)展時(shí)期持續(xù)控制碳排放總量，防止出現(xiàn)“先污染后治理”的現(xiàn)象，加強(qiáng)生態(tài)環(huán)境保護(hù)，引進(jìn)更多低碳產(chǎn)業(yè)技術(shù)，持續(xù)優(yōu)化能源結(jié)構(gòu)，提高經(jīng)濟(jì)發(fā)展質(zhì)量，制定符合城市發(fā)展規(guī)律的人口發(fā)展戰(zhàn)略；在保持城市發(fā)展活力的前提下，適當(dāng)控制建設(shè)用地?cái)U(kuò)展規(guī)模，強(qiáng)化建設(shè)用地內(nèi)涵挖潛，積極開(kāi)展閑置建設(shè)用地改造利用，盤(pán)活存量建設(shè)用地，推進(jìn)城市地下空間的開(kāi)發(fā)利用，注重人口規(guī)模、質(zhì)量以及周邊中心城市的輻射帶動(dòng)作用，結(jié)合自身實(shí)際，充分挖掘城市存量建設(shè)用地開(kāi)發(fā)潛力以及節(jié)能減排能力，助力城市碳達(dá)峰目標(biāo)實(shí)現(xiàn)。

3）第3類(lèi)城市概括為達(dá)峰示范型城市。預(yù)測(cè)結(jié)果顯示，這類(lèi)城市建設(shè)用地累積擴(kuò)展規(guī)模較小，除池州市及黃山市外，累積碳排放量均較高，但碳排放量以及建設(shè)用地規(guī)模達(dá)峰時(shí)間較短，平均在6年至11年之間。其中宿州市以及黃山市在3種情景下均可以在2030年達(dá)峰，而滁州市、六安市以及池州市則可以在低碳情景及深度減排情景下于2030年達(dá)峰。這類(lèi)城市人均GDP相對(duì)適中，但目標(biāo)增速相對(duì)較低，在6.5%左右；人口規(guī)模適中，人口增長(zhǎng)保持平緩增長(zhǎng)趨勢(shì)。由于這類(lèi)城市預(yù)測(cè)的峰值來(lái)臨時(shí)間較短，因此在完成碳達(dá)峰目標(biāo)任務(wù)方面具有良好的示范作用。

建議這類(lèi)城市的達(dá)峰目標(biāo)設(shè)置在2025年。在實(shí)現(xiàn)達(dá)峰目標(biāo)時(shí)，應(yīng)以“碳中和”為目標(biāo)提前謀劃布局，注重考慮對(duì)碳排放峰值進(jìn)行約束控制，明確制定各行業(yè)企業(yè)的達(dá)峰目標(biāo)、行動(dòng)方案和配套措施，加大在低碳環(huán)保方面的人才引進(jìn)，在建筑、交通等領(lǐng)域探索“零碳排”的發(fā)展路徑，探索碳排放交易等市場(chǎng)導(dǎo)向的低碳機(jī)制；注重城市低效用地的再開(kāi)發(fā)以及各類(lèi)用地的高效利用，加強(qiáng)用地規(guī)劃管控，充分發(fā)揮生態(tài)資源豐富的區(qū)位優(yōu)勢(shì)，科學(xué)劃定生態(tài)紅線，嚴(yán)控生態(tài)用地轉(zhuǎn)為建設(shè)用地，率先探索“零碳排區(qū)”試點(diǎn)建設(shè)，形成可供推廣的城市低碳建設(shè)模板，為其他城市達(dá)峰提供模范借鑒作用。

4）第4類(lèi)城市概括為達(dá)峰優(yōu)勢(shì)型城市。預(yù)測(cè)結(jié)果顯示，這類(lèi)城市的累積碳排放量高，但建設(shè)用地累積擴(kuò)展規(guī)模小，且碳排放量以及建設(shè)用地規(guī)模達(dá)峰時(shí)間較早。其中淮南市在3種情景下均可以在2025年之前達(dá)到峰值，而淮北市則在2014年就已經(jīng)出現(xiàn)峰值。這類(lèi)城市人均GDP目標(biāo)處在5.1%至7%之間，目標(biāo)增速較低；人口規(guī)模近5年來(lái)增長(zhǎng)緩慢，且歷史人口總體呈現(xiàn)平緩波動(dòng)、小幅增長(zhǎng)的趨勢(shì)。由于這類(lèi)城市受城市轉(zhuǎn)型的影響較早，達(dá)峰時(shí)間短，甚至已經(jīng)達(dá)峰，因此這類(lèi)城市在完成碳達(dá)峰目標(biāo)方面具有以一定的優(yōu)勢(shì)性。

建議這類(lèi)城市的達(dá)峰目標(biāo)設(shè)置在2025年之前。應(yīng)以加快產(chǎn)業(yè)轉(zhuǎn)型升級(jí)作為主要目標(biāo)，建立碳排放總量控制制度，持續(xù)降低城市碳排放總量，提高城市低碳管理水平，引導(dǎo)傳統(tǒng)產(chǎn)業(yè)向低碳新興產(chǎn)業(yè)轉(zhuǎn)型，如高端設(shè)備制造、新能源新技術(shù)等方面，培育壯大接續(xù)替代產(chǎn)業(yè)，構(gòu)建多元化產(chǎn)業(yè)體系，提升生態(tài)環(huán)境修復(fù)力度，持續(xù)改善環(huán)境質(zhì)量；加大過(guò)去因傳統(tǒng)產(chǎn)業(yè)發(fā)展所帶來(lái)的礦區(qū)地面沉陷等問(wèn)題的土地整治力度，提高土地資源質(zhì)量，加強(qiáng)對(duì)涉及產(chǎn)業(yè)轉(zhuǎn)型升級(jí)等行業(yè)部門(mén)用地指標(biāo)需求的控制，尤其是工業(yè)用地、倉(cāng)儲(chǔ)用地等，嚴(yán)防用地性質(zhì)轉(zhuǎn)變過(guò)程中亂占亂用土地，探索資源優(yōu)勢(shì)向生態(tài)、經(jīng)濟(jì)優(yōu)勢(shì)轉(zhuǎn)化的發(fā)展路徑，打造資源型城市全面綠色低碳轉(zhuǎn)型的發(fā)展樣板。

3 討論與結(jié)論

本研究運(yùn)用Kaya恒等式，設(shè)置3種發(fā)展情景對(duì)安徽省各地級(jí)市碳排放量以及建設(shè)用地規(guī)模進(jìn)行動(dòng)態(tài)預(yù)測(cè)，并在此基礎(chǔ)上運(yùn)用聚類(lèi)分析法進(jìn)行分類(lèi)分析，為各類(lèi)城市提出相應(yīng)的對(duì)策建議，主要結(jié)論如下。

1）在3種發(fā)展情景的預(yù)測(cè)中，合肥市、亳州市、蚌埠市、阜陽(yáng)市、淮南市、蕪湖市、宿州市、滁州市、六安市、池州市以及黃山市均有可能在2030年前達(dá)峰；而馬鞍山市、宣城市、銅陵市、安慶市在2030年前達(dá)峰存在一定的風(fēng)險(xiǎn)，還需要根據(jù)各城市的實(shí)際發(fā)展特點(diǎn)，加大節(jié)能減排力度；其中淮北市在2014年就已經(jīng)出現(xiàn)碳排放峰值。

2）安徽省各地級(jí)市碳排放與建設(shè)用地?cái)U(kuò)展之間的回歸擬合均有強(qiáng)相關(guān)性，本研究以各地級(jí)市碳排放峰值預(yù)測(cè)結(jié)果為基礎(chǔ)，預(yù)測(cè)出各地級(jí)市建設(shè)用地規(guī)模峰值，對(duì)約束建設(shè)用地?zé)o序擴(kuò)張，優(yōu)化用地結(jié)構(gòu)、編制相應(yīng)的規(guī)劃起到借鑒和參考作用。

3）本研究基于碳排放控制建設(shè)用地?cái)U(kuò)展的研究思路，對(duì)安徽省各地級(jí)市碳排放峰值以及建設(shè)用地?cái)U(kuò)展規(guī)模進(jìn)行預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果進(jìn)行聚類(lèi)分析，將其劃分為4大類(lèi)，并提出相應(yīng)的對(duì)策建議。其中合肥市、馬鞍山市、宣城市、銅陵市、安慶市為一類(lèi)，屬于達(dá)峰攻堅(jiān)型城市；亳州市、蚌埠市、阜陽(yáng)市、蕪湖市為一類(lèi)，屬于達(dá)峰潛力型城市；宿州市、滁州市、六安市、池州市、黃山市為一類(lèi)，屬于達(dá)峰示范型城市；淮南市和淮北市為一類(lèi)，屬于達(dá)峰優(yōu)勢(shì)型城市。

實(shí)現(xiàn)碳達(dá)峰目標(biāo)是一個(gè)涉及多方位、多領(lǐng)域的系統(tǒng)性復(fù)雜工程，如何建立市級(jí)尺度涉及全域綜合的碳排放數(shù)據(jù)收集體系以及統(tǒng)一標(biāo)準(zhǔn)的碳排放核算體系，使預(yù)測(cè)結(jié)果更加科學(xué)真實(shí)還有待進(jìn)一步深入研究。安徽省各地級(jí)市由于區(qū)域間社會(huì)經(jīng)濟(jì)、自然地理、以及文化政策的不同，在碳排放總量、建設(shè)用地規(guī)模以及達(dá)峰時(shí)間存在較大的差異，因此，在2030年碳達(dá)峰目標(biāo)下，如何有針對(duì)性的制定與實(shí)施社會(huì)經(jīng)濟(jì)發(fā)展戰(zhàn)略中節(jié)能減排及建設(shè)用地管控的具體措施，將是安徽省各地級(jí)市未來(lái)的重點(diǎn)工作。

[1] LI J B, HUANG X J, KWAN M P, et al. The effect of urbanization on carbon dioxide emissions efficiency in the Yangtze River Delta, China[J]. J Clean Prod, 2018, 188: 38-48.

[2] ZHAO K K, CUI X Z, ZHOU Z H, et al. Impact of uncertainty on regional carbon peak paths: an analysis based on carbon emissions accounting, modeling, and driving factors[J]. Environ Sci Pollut Res Int, 2022, 29(12): 17544-17560.

[3] 趙先超, 彭競(jìng)霄, 胡藝覺(jué), 等. 基于夜間燈光數(shù)據(jù)的湖南省縣域碳排放時(shí)空格局及影響因素研究[J]. 生態(tài)科學(xué), 2022, 41(1): 91-99.

[4] 朱宏城, 田甜. 微觀視角下居民消費(fèi)碳排放結(jié)構(gòu)及影響因素研究: 基于PLS-SEM模型的實(shí)證分析[J]. 干旱區(qū)資源與環(huán)境, 2022, 36(1): 59-65.

[5] 黃蕊, 王錚, 丁冠群, 等. 基于STIRPAT模型的江蘇省能源消費(fèi)碳排放影響因素分析及趨勢(shì)預(yù)測(cè)[J]. 地理研究, 2016, 35(4): 781-789.

[6] 代如鋒, 丑潔明, 董文杰, 等. 中國(guó)碳排放的歷史特征及未來(lái)趨勢(shì)預(yù)測(cè)分析[J]. 北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2017, 53(1): 80-86.

[7] ZHANG S C, ZHAO T. Identifying major influencing factors of CO2emissions in China: regional disparities analysis based on STIRPAT model from 1996 to 2015[J]. Atmos Environ, 2019, 207: 136-147.

[8] SUN W, WANG C F, ZHANG C C. Factor analysis and forecasting of CO2emissions in Hebei, using extreme learning machine based on particle swarm optimization[J]. J Clean Prod, 2017, 162: 1095-1101.

[9] 陳亮, 王金泓, 何濤, 等. 基于SVR的區(qū)域交通碳排放預(yù)測(cè)研究[J]. 交通運(yùn)輸系統(tǒng)工程與信息, 2018, 18(2): 13-19.

[10] 袁曉玲, 郗繼宏, 李朝鵬, 等. 中國(guó)工業(yè)部門(mén)碳排放峰值預(yù)測(cè)及減排潛力研究[J]. 統(tǒng)計(jì)與信息論壇, 2020, 35(9): 72-82.

[11] 黃志輝, 紀(jì)亮, 尹潔, 等. 中國(guó)道路交通二氧化碳排放達(dá)峰路徑研究[J]. 環(huán)境科學(xué)研究, 2022, 35(2): 385-393.

[12] 褚力其, 姜志德, 任天馳. 中國(guó)農(nóng)業(yè)碳排放經(jīng)驗(yàn)分解與峰值預(yù)測(cè): 基于動(dòng)態(tài)政策情景視角[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào), 2020, 25(10): 187-201.

[13] 袁閃閃, 陳瀟君, 杜艷春, 等. 中國(guó)建筑領(lǐng)域CO2排放達(dá)峰路徑研究[J]. 環(huán)境科學(xué)研究, 2022, 35(2): 394-404.

[14] 洪競(jìng)科, 李沅潮, 蔡偉光. 多情景視角下的中國(guó)碳達(dá)峰路徑模擬: 基于RICE-LEAP模型[J]. 資源科學(xué), 2021, 43(4): 639-651.

[15] LIU L Y, ZHENG B H, BEDRA K B. Quantitative analysis of carbon emissions for new town planning based on the system dynamics approach[J]. Sustain Cities Soc, 2018, 42: 538-546.

[16] 張帆, 徐寧, 吳鋒. 共享社會(huì)經(jīng)濟(jì)路徑下中國(guó)2020—2100年碳排放預(yù)測(cè)研究[J]. 生態(tài)學(xué)報(bào), 2021, 41(24): 9691-9704.

[17] 劉真真, 馬遠(yuǎn). 中國(guó)省域碳排放時(shí)空格局及其影響因素實(shí)證研究[J]. 新疆農(nóng)墾經(jīng)濟(jì), 2021(2): 53-62.

[18] 康銘敏. 西安市碳排放峰值預(yù)測(cè)及控制策略研究[D]. 西安: 西安建筑科技大學(xué), 2020.

[19] 張?jiān)娀? 李明煜, 王燦, 等. 中國(guó)省級(jí)碳排放趨勢(shì)及差異化達(dá)峰路徑[J]. 中國(guó)人口·資源與環(huán)境, 2021, 31(9): 45-54.

[20] 王勇, 許子易, 張亞新. 中國(guó)超大城市碳排放達(dá)峰的影響因素及組合情景預(yù)測(cè): 基于門(mén)限-STIRPAT模型的研究[J]. 環(huán)境科學(xué)學(xué)報(bào), 2019, 39(12): 4284-4292.

[21] 李國(guó)煜, 王嘉怡, 曹宇, 等. 碳排放約束下的福建省城鎮(zhèn)建設(shè)用地利用效率動(dòng)態(tài)變化與影響因素[J]. 中國(guó)土地科學(xué), 2020, 34(4): 69-77.

[22] 張思齊, 陳銀蓉. 城市建設(shè)用地?cái)U(kuò)張與能源消耗碳排放相關(guān)效應(yīng)[J]. 水土保持研究, 2017, 24(1): 244-249.

[23] WEN J Q, CHUAI X W, LI S C, et al. Spatial heterogeneity of the carbon emission effect resulting from urban expansion among three coastal agglomerations in China[J]. Sustainability, 2019, 11(17): 4590.

[24] 張梅, 黃賢金, 揣小偉, 等. 胡煥庸線兩側(cè)城鎮(zhèn)建設(shè)用地變化及其碳排放差異[J]. 資源科學(xué), 2019, 41(7): 1262-1273.

[25] 趙榮欽, 黃賢金, 鐘太洋, 等. 區(qū)域土地利用結(jié)構(gòu)的碳效應(yīng)評(píng)估及低碳優(yōu)化[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2013, 29(17): 220-229.

[26] 吳萌, 任立, 陳銀蓉. 城市土地利用碳排放系統(tǒng)動(dòng)力學(xué)仿真研究: 以武漢市為例[J]. 中國(guó)土地科學(xué), 2017, 31(2): 29-39.

[27] 安徽省統(tǒng)計(jì)局. 安徽省統(tǒng)計(jì)年鑒:2002-2021[M]. 北京: 中國(guó)統(tǒng)計(jì)出版社,2002-2021.

[28] 安徽省統(tǒng)計(jì)局. 2021年安徽省國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)[EB/OL][2022-03-14]. http://tjj.ah.gov.cn/ssah/ qwfbjd/tjgb/sjtjgb/146518001.html.

[29] IPCC. IPCC 2006 guidelines for national greenhouse gas inventories [R/OL]. [2022-08-01]. https://www.ipcc.ch/ report/2006-ipcc-guidelines-for-national-greenhouse-gas- inventories/.

[30] 秦巖, 於冉, 於忠祥, 等. 2000—2018年長(zhǎng)三角中心區(qū)土地利用碳排放強(qiáng)度的時(shí)空特征[J]. 河南農(nóng)業(yè)大學(xué)學(xué)報(bào), 2021, 55(1): 132-140.

[31] 杜強(qiáng), 陳喬, 陸寧. 基于改進(jìn)IPAT模型的中國(guó)未來(lái)碳排放預(yù)測(cè)[J]. 環(huán)境科學(xué)學(xué)報(bào), 2012, 32(9): 2294-2302.

[32] 龍灝. 資源型城市轉(zhuǎn)型期的空間規(guī)劃研究: 以安徽省淮北市為例[J]. 城市建筑, 2019, 16(4): 5-6, 27.

[33] 新華社.中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和 2035 年遠(yuǎn)景目標(biāo)綱要[EB/OL]. (2021-03-13) [2023-01-10]. http://www.gov.cn/ xinwen/ 2021-03/13/content_5592681.htm.

[34] 何誠(chéng)穎, 聞岳春, 常雅麗, 等. 新冠病毒肺炎疫情對(duì)中國(guó)經(jīng)濟(jì)影響的測(cè)度分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究, 2020, 37(5): 3-22.

[35] 國(guó)務(wù)院.國(guó)家人口發(fā)展規(guī)劃(2016-2030年) [EB/OL]. (2016-12-30)[2017-01-25]. http://www.gov.cn/zhengce/con- tent/2017-01/25/content_5163309.htm.

[36] 於冉, 黃賢金. 碳排放峰值控制下的建設(shè)用地?cái)U(kuò)展規(guī)模研究[J]. 中國(guó)人口·資源與環(huán)境, 2019, 29(7): 66-72.

Evolution and classification control of urban construction land under the constraint of carbon emission peak

CHENG Hongsheng1, YU Ran1, 2, WANG Qin1, YE Yun1, WEI Lu1

(1. School of Economics and Management, Anhui Agricultural University, Hefei 230036;2. Institute of Land and Resources, Anhui Agricultural University, Hefei 230036)

According to the characteristics of carbon emissions peaking in different cities and the evolution of construction land, it is of great significance to implement the strategy of urban peaking differently. Taking 16 prefecture-level cities in Anhui Province as an example, based on the calculation of carbon emissions and the analysis of the evolution characteristics of construction land, Kaya identity was used to predict the peak carbon emissions of each prefecture-level city and the scale of construction land. Finally, cluster analysis is used to put forward countermeasures of peak management and control for various cities. The results show that: 1) Hefei, Bozhou, Bengbu, Fuyang, Huainan, Wuhu, Suzhou, Chuzhou, Lu 'an, Chizhou and Huangshan are all likely to reach the peak before 2030; Maanshan city, Xuancheng city, Tongling city and Anqing city are at certain risk of peaking before 2030, while Huaibei city already saw its carbon emissions peak in 2014. 2) The regression fitting between carbon emission and construction land scale of prefecture-level cities in Anhui Province has a strong correlation, which can be used to predict the scale of urban construction land. 3) According to the clustering characteristics, prefecture-level cities in Anhui Province can be divided into four categories: peak attack type, peak potential type, peak demonstration type and peak advantage type.

carbon emission; urban construction land; Kaya identity; cluster analysis

F299.23

A

1672-352X (2023)02-0310-09

10.13610/j.cnki.1672-352x.20230511.005

2023-05-12 09:24:20

[URL] https://kns.cnki.net/kcms/detail/34.1162.S.20230511.1150.010.html

2022-05-10

國(guó)家自然科學(xué)基金（71873003），安徽省教育廳人文社科重點(diǎn)項(xiàng)目（SK2019A0130），安徽省自然科學(xué)基金項(xiàng)目（1908085QG310）和安徽省高等學(xué)校人文社會(huì)科學(xué)研究項(xiàng)目（YJS20210255）共同資助。

程宏晟，碩士研究生。E-mail：chs1012@foxmail.com

通信作者:於 冉，博士，副教授。E-mail：yuran@ahau.edu.cn