河南省城镇化、碳排放与“三生”空间交互机制分析

李效顺 ，李志鑫 ，谢晓彤 ，刘希朝 ，陈姜全 ，李奕菲

（1. 中国矿业大学 中国资源型城市转型发展与乡村振兴研究中心，徐州 221116；2. 中国矿业大学 公共管理学院，徐州 221116；3. 河南农业大学 资源与环境学院，郑州 450046）

0 引 言

城镇化是人类社会经济发展的重要标志和必然趋势，与碳排放密切相关[1-2]。《世界能源统计年鉴（第70 版）》指出，中国碳排放量占全球碳排放总量的30.7%，远超其他地区。在高碳排放、高增长速率的背景下，平衡城镇化发展和节能减排间的关系是城镇化进程中亟待解决的重要现实问题，而城镇化进程中人口和经济等要素集聚，在空间上表现为生产、生活、生态空间的动态变化，这种动态变化会对环境产生不同程度的影响。因此，构建城镇化、碳排放与“三生”空间交互模型，开展三者间交互机制分析，对实现新型城镇化和双碳战略具有重要现实意义。

学术界对城镇化与碳排放作用机制的研究相对成熟，如王志强等[3]首先构建了城镇化碳排放核算体系；任晓松等[4-7]学者研究发现，城镇化与碳排放之间存在交互关系，且城镇化与居民消费、能源结构、人口规模、人口空间分布、产业结构等要素结合，共同影响碳排放，并形成长期均衡的关系。城镇化可通过生产、生活、技术、贸易、行政管理嵌套的体系结构或空间关联等途径影响碳排放[8]。GUO 等[9-11]学者研究发现城镇化水平是造成区域碳排放差异的重要因素，城镇化对碳排放的影响程度随城镇化发展阶段呈现“先增后减”的趋势。目前学术界对“三生”空间与碳排放的研究，多以时空特征分析和耦合关系研究为主。党的十八大报告中最早提出“三生”空间的概念，并依据生态文明建设要求对国土空间主体功能进行了定向划分，用于分析城市空间结构失衡、规模等级不合理[12]等问题。杜金霜等[13]认为“碳”是区域水、土、能等资源耦合开发利用的重要体现形式，不仅统筹区域“三生”空间各种资源的利用以及组合关系，还引导和倒逼区域“三生”空间优化升级。林刚等[14]采用“碳流”模型和生态网络分析方法，探究区域“三生”空间演进过程对碳代谢的影响，为区域“三生”空间统筹优化方法提供理论指导。

综上所述，城镇化进程中的碳排放通常基于产业、人口、经济等因素进行分析，并强调“人”的作用，而忽视了“人-地-碳”耦合时空变化对碳排放的影响效应。鉴于此，本研究按照“理论分析-模型构建-实证研究”的逻辑思路，从DNA 模型三级结构视角切入，构建城镇化、碳排放与“三生”空间耦合模型，揭示三者交互机制，并采用环境库兹涅茨曲线、Logistic 方程和脱钩分析方法，以河南省为例开展实证分析，以期为区域城镇化建设中双碳目标的实现提供科学依据和理论支持。

1 理论分析与研究方法

1.1 理论分析

为科学构建耦合模型并提升实证研究结果的可靠性，有必要加强理论分析并首先明确“三生”空间基本内涵。本文在现有土地利用分类体系的基础上，将“三生”空间对应为不同土地利用类型，即参考国家土地利用分类方法，结合土地利用/土地覆盖变化（land-use and landcover change，简称LUCC）遥感监测数据分类系统，将土地利用类型归纳为包括耕地、林地、草地、水域、建设用地和未利用地在内的6 个一级类型和有林地、灌木林、疏林地、其他林地和草地等25 个二级类型[15]。基于此，遵循土地利用的多功能性，将“三生”功能与土地利用主导功能进行融合，归并基础数据中的各用地类型，进而构建基于土地利用类型的“三生”空间分类方案[16]，具体如表1 所示。

表1 “三生”空间分类与土地利用分类对应关系Table 1 Correspondence between spatial classification of production-living-ecological space and land use classification

通过总结城镇化与“三生”空间格局的交互机制，城镇化发展过程中人口向城市的迁移会影响“三生”空间分布格局，而“三生”空间结构变化又将对人口城镇化产生不同效果[11,16-17]。城镇化率的提高伴随着人口向城市聚集，促进生活空间稳步扩张和农业生产空间不断减少。“三生”空间格局是影响城镇化进程的重要因素，生产、生活和生态空间的适宜程度越高，人口城镇化的速度将会越快。因此，城镇化与“三生”空间的交互作用存在类似DNA 双螺旋结构的关系。

DNA 是一种包含生物遗传信息的核酸，由2 条反向平行的螺旋状多聚核苷酸链组成一个双螺旋结构[18]。在空间上具有三级结构，一级结构指4 种碱基不同的脱氧核苷酸分子；二级结构指2 条反向平行的核苷酸链通过碱基对间的氢键作用形成的双螺旋结构；三级结构（高级结构）指DNA 双螺旋进一步扭曲盘绕所形成的更复杂的特定空间结构。类比DNA 模型的三级结构，对城镇化、碳排放与“三生”空间交互机制进行分析（图1）。一级结构：城镇化率和“三生”空间的结构；二级结构：城镇化与“三生”空间的交互关系，一方面城镇化率的提高依赖于城镇人口的增加，而城镇人口增加导致生活空间增加，城镇化率对“三生”空间的影响构成了模型的第一类“碱基对”。另一方面，“三生”空间结构变化又反作用于城镇化率，生产空间和生活空间的变化对城镇人口产生不同的影响，当生产和生活空间扩张时，城镇空间对非城镇人口的吸引作用增强，城镇人口增长速率将增加，城镇化率提高。

图1 城镇化、碳排放与“三生”空间交互模型的三级结构Fig.1 The three-level structure of the interaction model between urbanization, carbon emissions, and the production-livingecological space

因此，“三生”空间对城镇化的影响构成此模型的第二类“碱基对”；高级结构：城镇化与“三生”空间的相互作用在环境方面产生的影响构成了此模型的高级结构，表现为城镇化与“三生”空间变化带来的碳排放。在三级结构的基础上，DNA 双螺旋结构在空间中的回旋上升体现为城镇化与“三生”空间共同影响下碳排放增加的过程。

1.2 模型构建

在理论分析基础上，本文耦合Logistic（S 型）曲线方程、环境库兹涅茨（environment Kuznets curve，EKC）曲线和脱钩分析方法，构建城镇化、碳排放与“三生”空间耦合模型，以揭示三者交互机制。

1.2.1 城镇化趋势曲线

美国城市地理学家Northam 将城市化过程所经历的轨迹概括为生长理论曲线，该理论认为城镇化发展是一个缓慢、加速、再减慢的过程，其全过程会呈现出一条被拉伸拉平的“S”型曲线。在该理论的指导下，Logistic曲线模型被广泛应用于城镇化发展趋势研究中。Logistic模型最初用于描述生物种群增长规律，该模型在刻画城镇化发展规律中考虑了资源环境对人口的阻滞作用[19]，具有预测方法科学，预测结果误差小的特点。Logistic 模型描述城镇化发展趋势如式（1）：

式中Ut表示t年城镇化水平；K表示城镇化水平饱和值，0＜K≤1，K值估算方法有3 种[20-22]；b表示增长参数，b＞0。

为便于确定模型回归参数，本研究借鉴张乐勤等[23]对Logistic 曲线模型的处理方法，对式（1）变形，得到式（2）。

式中c表示模型回归常数；d表示回归系数；本研究借助SPSS，通过K值估算方法中的拟合优度最大估算法[24-25]计算城镇化水平饱和值。

1.2.2 碳排放特征曲线

借鉴廉勇[26]在环境污染与经济层次研究中，采用碳排放量作为环境库兹涅茨曲线（EKC）中环境污染代理变量的思想，本研究选取城镇化率为自变量，碳排放量作为环境影响的代理变量，以EKC 曲线表达碳排放量随城镇化率的时序变化特征。参考文献[27-28] ，构建碳排放随城镇化率变化的曲线模型，如下式：

式中y为碳排放量；x为城镇化率；A、B、C分别为模型的常数项、一次项和二次项待估系数；D为随机误差项。待估系数A、B、C的符号不同，y与x的关系也不同。当B＞0，C＜0 时，则y与x的关系曲线呈倒“U”型；当B＜0，C＞0 时，则y与x的关系曲线呈“U”型。

关于碳排放量的计算，考虑到数据的可获取性以及研究可行性，本研究选取当前最主流的《IPCC 国家温室气体清单指南》中提供的能源碳排放系数估算方法[3-7]测算碳排放量。计算方法如式（4）：

式中Y代表总碳排放量；Ei表示能源i的消费量；Fi表示能源i的碳排放系数，即每单位能源消费的碳排放量。《综合能耗计算通则》（GB/T 2 589-2008）和《省级温室气体编制指南》（发改办气候[2011] 1 041 号）中不同能源的标准煤折算系数和碳排放系数，如表2 所示。

表2 不同能源的碳排放系数Table 2 Carbon emission coefficients of different energy sources

1.2.3 城镇化与碳排放耦合模型

为揭示碳排放压力下的城镇化发展质量，本研究拟采用脱钩模型。目前测度脱钩状态的常用方法有脱钩因子法、Tapio 脱钩弹性系数法、IPAT 方程等。其中，Tapio脱钩模型综合了总量变化和相对量变化两类指标，能够客观准确地测度和分析脱钩关系。因此本研究选取Tapio脱钩系数测度城镇化率与碳排放的耦合关系，如式（5）：

式中It表示t年碳排放量与城镇化率的脱钩系数， Δyt为t年碳排放量的变化率，ΔUt为t年城镇化率的变化率。yt和Ut分别指第t年的碳排放量和城镇化率，yt-1和Ut-1分别指第t-1 年碳排放量和城镇化率。根据It的大小及 Δyt、ΔUt的 取值状况，形成8 种脱钩状态（表3）。

表3 脱钩状态判别标准Table 3 Criteria for distinguishing decoupling state

其中，强脱钩是最理想的状态，表明城镇化程度提高，碳排放量下降，这也是城市经济发展与生态环境建设的最终目标。强负脱钩与强脱钩状态正好相反，是最不理想状态，表明城镇化进程出现倒退而碳排放压力却不断增加。耦合则代表碳排放与城镇化发展程度相对稳定，两者变化速度基本持平。

1.2.4 城镇化、碳排放与“三生”空间交互模型

基于上述理论分析，融合Logistic 曲线方程、环境库兹涅茨曲线和脱钩方法，本文构建城镇化、碳排放与“三生”空间交互耦合模型（图2）；其中，“三生”空间时序演变特征，采用生产、生活、生态空间的面积度量。纵观中国城镇化发展进程，“三生”空间在城镇化各阶段分布状态不同。尤其是1980—2020 年期间，中国的相关政策发生了两次重大变化。在20 世纪80 年代末90 年代初，中国改革开放政策的实行，使得农村人口开始大量向城市聚集，进而促进城镇化率的迅速提高；2012 年后，国家首次提出乡村振兴战略，国家政策和财政向农村逐渐倾斜，进而吸引了一部分人口从城市向农村回流。基于两次政策变化对人口流动的影响，本研究拟将城镇化率分为3 个发展阶段（即城镇化初期、中期和后期）[29]。城镇化初期（城镇化率≤30%），各类型空间由多到少依次为生产空间、生态空间、生活空间，生产空间粗放利用，生活空间零散分布，生态空间功能单一；城镇化中期（30%＜城镇化率≤70%），各类型空间由多到少依次为生产空间、生活空间、生态空间，生产空间利用效率缓慢提高但仍属于低效利用，生活空间依旧无序分布，生态空间的破坏程度则加剧，环境污染、生态破坏等现象严重；城镇化后期（城镇化率＞70%），生产空间利用效率进一步提高，实现高效利用，生活空间集聚分布，生态空间得到重塑，三者间分布趋于协同。

图2 城镇化、碳排放与“三生”空间耦合交互模型Fig.2 Coupled interaction model of urbanization, carbon emission,and production-living-ecological space

将碳排放环境库兹涅茨曲线及城镇化率Logistic 曲线，耦合在以城镇化发展时期为横轴的坐标系中，“三生”空间的动态变化，采用图形面积进行直观表达（图2）。依据城镇化与碳排放Tapio 脱钩系数的大小，将城镇化与碳排放间的耦合关系分为3 种，分别为低度耦合区、适度耦合区和过度耦合区[30]，Tapio 脱钩系数大于1.2 时，耦合关系处于低度耦合区；Tapio 脱钩系数在[0.8，1.2] 区间时，耦合关系处于适度耦合区；Tapio 脱钩系数小于0.8 时，耦合关系处于过度耦合区。Tapio 脱钩系数变化趋势与碳排放曲线基本相似，可采用碳排放曲线定性描述耦合关系变化，因此不再单独作曲线描述耦合关系。

2 研究区与数据处理

2.1 研究区概况

河南省界于31°23'N～36°22'N，110°21'E～116°E，位于中国中部、黄河中下游，土地面积16.7 万km2，地势西高东低，气候四季分明，植被类型丰富，自然禀赋优势突出。截至2020 年，全省地区生产总值突破5.49 万亿元，城镇化率达到54.43%，能源消费总量达到2.3 亿t，而改革开放初，地区总产值仅为229 亿元，城镇化率为14%，能源消费总量仅有3 400 万t。40 a 间，地区生产总值增加240 倍，城镇化率提高40%，能源消费总量增长6.7 倍。作为中国的农业、人口和经济大省，改革开放以来，河南省城镇化和工业化快速推进，经济发展取得瞩目成绩，与此同时，生态环境遭受的压力不断增大，国土空间格局亦受到较大影响。

2.2 数据来源与处理

根据《河南省统计年鉴》公布的城镇化率和能源消费结构数据，采用式（4）计算得到1980—2020 年河南省年碳排放量。根据河南省1980—2020 年的Landsat 影像数据，通过监督分类形成LUCC 分类体系的土地利用现状数据后，依据“三生”空间类型与土地利用分类的对应关系，利用ArcMap10.8 对土地利用类型重分类，得到河南省“三生”空间各空间类型的面积，如表4。

表4 河南省“三生”空间面积Table 4 The area of production-living-ecological space in Henan Provincekm2

3 结果与分析

3.1 城镇化率、年碳排放量与“三生”空间变化趋势

根据上文基本原理可得到1980—2020 年河南省城镇化率、碳排放量和“三生”空间的变化趋势（图3）。

图3 河南省1980—2020 年城镇化率、年碳排放量与“三生”空间面积变化趋势Fig.3 Trend of urbanization rate, annual carbon emissions and area of production-living-ecological space in Henan Province from 1980 to 2020

在2005 年之前，河南省处于城镇化初期，城镇化率与碳排放量增速基本同步，生活空间缓慢增加，生产空间在1995 年前经历小幅增加后开始持续减少，生态空间逐渐缩小；2005 年之后，河南省进入城镇化中期，生活空间持续扩大，生态空间基本保持不变，而生产空间持续减少，碳排放量增速剧增，城镇化率增速依旧保持平稳。总体来看，研究期内河南省城镇化率与碳排放量变化趋势基本同步，呈上升态势，碳排放量自2015 年开始增速放缓，并趋于稳定。研究期内河南省生产空间与生态空间的变化趋势基本保持一致，2005 年之前，生产和生态空间持续减少，2005 年之后，生态空间变化幅度较小，生产空间仍存在波动减少的趋势，而生活空间2000年之后不断增长，到2018 年增速放缓，趋于稳定。

3.2 城镇化Logistic 曲线分析

以河南省1980—2020 年城镇化率数据作因变量，年份t作自变量（设1980 年t为1），运用SPSS 软件，选择曲线回归分析方法，对Logistic 曲线饱和值进行赋值[23]，如表5 所示。

表5 Logistic 曲线饱和值与拟合效果Table 5 Logistic curve saturation value and fitting effect

当城镇化率饱和值为93%时，Logistic 曲线的拟合优度最大（R2为0.949），且通过显著性检验（P＜0.01），由此表明，93%为河南省城镇化水平Logistic曲线理论饱和值。以93%作为河南省城镇化水平Logistic模型上限，借助SPSS 软件进行曲线回归分析（图4），回归系数为0.945，将其代入式（2）可得1980—2020 年河南省城镇化率的Logistic 模型，见式（6）。

图4 河南省1980—2020 年城镇化率Logistic 曲线拟合图Fig.4 Logistic curve fitting diagram of urbanization rate in Henan Province from 1980 to 2020

依据式（6），可对河南省 2021—2030 年的城镇化水平进行预测，结果如表6。分析表6 发现，Logistic 模型拟合的河南省1980—2020 年城镇化水平值与观测值的平均绝对百分比误差为2.4%，模型拟合效果较好，并且Logistic 曲线模型通过显著性检验（P＜0.01），可以认为河南省城镇化率的变化规律符合Logistic 曲线。

表6 河南省城镇化水平前景预测Table 6 The prospect prediction of urbanization level in Henan Province%

由表6 可知，2025 和2030 年河南省城镇化水平将分别达58.42%和64.94%。通过计算，2021 年前，城镇化年平均增速为1.04 个百分点，2021—2030 年，年平均增速为1.33 个百分点，由此表明，河南省城镇化在2021 前保持较缓发展速度，2021—2030 年，河南省城镇化速度提升，契合Logistic 增长轨迹。

3.3 城镇化率与碳排放作用机制分析

绘制河南省1980—2020 年碳排放量与城镇化率散点图，对式（3）进行回归曲线估算，如图5 所示。二次模型的决定系数R2=0.973 8，线性模型的决定系数R2=0.949 1，表明二次模型比线性模型的拟合效果更好，更符合河南省碳排放量与城镇化率之间的变化关系。

图5 河南省1980—2020 年城镇化率与碳排放量拟合曲线Fig.5 The fitting curve of urbanization rate and carbon emissions in Henan Province from 1980 to 2020

从图5 可看出，河南省城镇化率与碳排放量之间呈现倒“U”型关系，表明当河南省城镇化率水平发展到一定程度后，对碳排放量的增长将起到抑制作用。截至2020 年，河南省尚未跨过环境库兹涅茨曲线的拐点，结合上文对城镇化发展水平的预测，当城镇化率达到70%时，河南省环境库兹涅茨曲线将到达拐点，即2026年河南省实现碳排放达峰，随后将进入碳减排阶段。

为揭示城镇化水平在环境方面的影响，利用脱钩模型计算得到河南省1980—2020 年的弹性脱钩系数（表7），从而为河南省控制城镇化水平进入碳减排阶段提出可行性建议。

表7 河南省1980—2020 年城镇化率与碳排放脱钩系数Table 7 Decoupling coefficient between urbanization rate and carbon emissions in Henan Province from 1980 to 2020

从表7 看出，1980—2020 年期间，脱钩系数表现出较强的阶段性，整体呈现“增长负脱钩向强脱钩转变，间歇性夹杂弱脱钩与增长耦合”的特点。各级主管部门应不断从体制、机制、政策等方面对城镇化发展进行调控与修正。由于碳排放负面效应的完全消解需要缓冲和过渡期，因此，研究期内城镇化发展依然伴随较大规模的资源消耗和碳排放。随着城镇化的高质量发展，河南省碳减排技术和碳汇不断提升，这在脱钩状态的演进过程中也有所体现。2008 年之前，增长负脱钩状态出现频率较高，但2008 年之后，强脱钩状态逐渐占据主流。2019—2020 年，河南省城镇化与碳排放呈增长耦合态势，即城镇化发展过程中能源消费持续增加。

碳排放是传统城市人口城镇化无法避免的结果，也是城市经济发展内部各类要素不断博弈并实现良性协调、系统优化的必经环节。1980—2020 年，河南省碳排放量由2 516.20 万t 增长至15 998.77 万t，区域环境面临较大的碳排放压力。但随着“低碳”“绿色”等发展理念的不断深化以及相关政策和技术的推进，区域城市低碳减排的潜力和空间将得到进一步释放。整体来看，城镇化初期，大量人口向城市聚集，使得能源消费量急剧上升，碳排放增加；城镇化后期，技术进步、集聚效应和规模效应提升了能源利用效率，从而促进碳减排。

3.4 “三生”空间与碳排放关系分析

通过分析图 3 可发现，生活空间面积与碳排放总量的变化呈现相同的趋势，而生产空间和生态空间并不具备此特点，根据相关研究[31-35]经验，“三生”空间格局的变化对碳排放的影响表现为生活空间扩张导致碳排放总量的增加。本研究对“生活”空间面积与碳排放量进行皮尔逊相关性检验发现，“生活”空间与碳排放量的皮尔逊相关系数为 0.976（P＜0.01），二者相关性显著。在此前提下，参照式（5）计算“三生”空间面积与碳排放量间脱钩系数，具体结果见图 6。

图6 “三生”空间与碳排放量脱钩系数变化Fig.6 Changes in the decoupling coefficient between productionliving-ecological space and carbon emissions

从图 6 可以发现，从 1980—2020 年的 40 年间，河南省生活空间面积与碳排放量脱钩系数逐渐减小，脱钩状态以增长负脱钩为主，并向弱脱钩状态转变，这表明生活空间扩张对碳排放增加产生的贡献逐渐减少，生活空间扩张带来的环境压力减小；生产空间减少对碳排放总量的贡献增加，生产空间带来的碳排放压力相对增加；生态空间的变化对碳排放增加的贡献在2010 年小幅减小后又在2015 年回调，总体基本保持平衡。

4 结 论

本研究按照“理论分析-模型构建-实证研究”的逻辑主线，改进生物学DNA 分子结构，探究城镇化、碳排放与“三生”空间交互机制，并利用河南省1980—2020 年面板数据开展分析，得出以下主要结论：

1）城镇化进程、碳排放与“三生”空间格局交互影响，人口与土地城镇化导致“三生”空间结构失衡，进而影响生态环境，具体表现为城镇化发展水平与碳排放水平严重负脱钩。进入城镇化后期，生产、生活、生态空间适宜程度提升，空间布局趋于协调，城镇化水平与碳排放水平呈适度耦合关系，“人-地-碳”形成最佳发展关系。

2）河南省城镇化率与碳排放量间存在显著倒“U”型曲线关系，由此预测河南省将于2026 年出现碳达峰，随后进入碳减排阶段。分阶段对比发现，河南省碳排放与城镇化呈现“增长负脱钩向强脱钩转变，间歇性夹杂弱脱钩与增长耦合”的特点，且城镇化快速发展过程中能源消费依然增加，伴随节能减排工作的持续推进，两者关系将会稳步进入适度耦合区间。

3）河南省“三生”空间总体呈现生产空间有序减少、生活空间逐步扩张、生态空间稳定发展的趋势。“三生”空间变化与碳排放相关关系表现为生产空间对碳排放的贡献增加，生活空间对碳排放的贡献减小，生态空间对碳排放的基本稳定。未来空间布局优化中，应减缓生活空间扩张，提高生态空间占比增加碳汇，降低生产空间产生的碳排放，促进“三生”空间趋于共生协调。

本研究建立的交互模型中，城镇化率仅代表人口城镇化进程，尚未考虑到土地城镇化、产业城镇化等多要素对碳排放及“三生”空间布局产生的影响。同时，由于基础数据的可获取性，仅使用面积反映“三生”空间的变化不够全面，后续研究中可以引入空间分布因素。另外，后续可通过建立“三生”空间的适宜度评价体系，量化“三生”空间分布优劣程度，以期为政府决策提供更详细的行为指南。