城乡空间格局、景观构型与碳排放绩效：基于中国河南省县域尺度的分析

《Land》：Urban–Rural Spatial Patterns, Landscape Configuration, and Carbon Emission Performance: A County-Level Analysis in Henan Province, China

　　

在全球气候变化背景以及碳减排压力持续加大的情势下，县域作为城乡空间发展与碳治理的关键单元，其碳排放绩效（CEP）及其潜在空间机制仍缺乏充分认识。研究以河南省157个县级单元为对象，选取2013年、2018年和2023年3个时间截面，测度碳排放绩效并分析其时空分异特征。首先，考虑到碳排放是在经济生产过程中产生的非期望产出，研究采用非期望产出松弛变量测度（UN_SBM）模型和含非期望产出的超效率松弛变量测度（Un_Super_SBM）模型，对县域尺度碳排放绩效进行评价。其次，选取包括扩张度、复杂度与紧凑性在内的景观格局指标，并构建回归模型，以探讨不同因素对碳排放绩效的影响。结果表明：（1）2013—2023年河南省各县碳排放绩效（CEP）总体提升，但空间差异显著；（2）“总景观面积”（TA）和“面积加权平均形状指数”（AWMSI）对碳排放绩效（CEP）具有显著正向影响，而“分割指数”（SPLIT）对碳排放绩效（CEP）具有抑制作用；（3）植被覆盖与交通条件的影响存在差异，反映出不同县域在发展阶段和空间功能定位上的异质性。该研究揭示了县域尺度城乡空间形态与碳排放绩效之间的关系，为优化建设用地空间结构、提升碳排放绩效（CEP）以及推动区域低碳发展提供了经验证据。

该文发表于《Land》，聚焦全球气候变化与区域低碳转型背景下县域尺度碳排放绩效（CEP）的空间分异及其形成机制。研究背景在于，既有关于碳排放效率或碳绩效的研究多集中于省域或城市尺度，而县域作为联结城乡系统、承载土地利用调控与区域治理的重要单元，兼具显著的空间异质性与发展阶段差异，却长期未被充分纳入分析框架。同时，现有研究在景观格局分析中往往采用综合土地利用类型，而未将建设用地这一碳排放核心载体作为重点对象，导致关于空间形态如何影响碳效率的结论不够聚焦。另一方面，传统截面回归模型通常假定变量效应在空间上稳定，难以识别县域之间机制差异。因此，开展县域尺度、面向建设用地景观构型的碳排放绩效研究，既是完善城乡空间与低碳发展关系认知的需要，也是为差异化国土空间治理提供依据的现实要求。

研究人员以河南省157个县级行政单元为对象，围绕2013年、2018年和2023年三个时间节点，系统测度县域碳排放绩效，并分析其时空演化、空间自相关特征以及城乡空间格局的影响机制。研究结论表明，河南省县域碳排放绩效在研究期内总体改善，但始终存在显著空间异质性；建设用地规模和形态复杂性总体上有助于提升碳排放绩效，而建设用地破碎化则显著抑制碳排放绩效；植被覆盖与道路条件对碳排放绩效的作用具有明显空间差异。这一研究的重要意义在于，从县域尺度揭示了城乡空间形态影响碳排放绩效的总体规律与局地差异，为建设用地结构优化、低碳空间规划和分区分类治理提供了经验支撑。

在方法上，研究主要采用三类关键技术路径。第一，基于人口、用电量、工业企业兴趣点（POI，兴趣点）、地区生产总值（GDP）与CO₂排放等指标，使用非期望产出松弛变量测度（UN_SBM）模型与超效率非期望产出松弛变量测度（Un_Super_SBM）模型测算县域碳排放绩效。第二，基于2013年、2018年和2023年的Landsat TM遥感数据提取建设用地，并计算总景观面积（TA）、面积加权平均形状指数（AWMSI）和分割指数（SPLIT）等景观指标；同时引入平均归一化植被指数（NDVI_mean）和道路网密度（RoadD）等控制变量。第三，在157个河南省县级样本上，先进行全局莫兰指数（Moran’s I）检验，再采用截面多元回归与多尺度地理加权回归（MGWR）分析全局效应和空间异质性效应。

在研究结果部分，论文首先以“3.1. Spatiotemporal Patterns of CEP in Henan Province”为题，分析河南省县域碳排放绩效的时空格局。结果显示，2013年至2023年县域碳排放绩效平均值由0.319上升至0.335，说明整体上有所改善，但标准差始终较高，反映出县域之间差异持续存在。空间上，高值县主要分布于东北部及中东部部分地区，低值县主要位于西南部和南部。到2018年和2023年，高绩效县的空间分布逐步稳定，中部部分县域的绩效有所提升，而西南部和南部低值区仍较集中。由此可见，河南省县域碳排放绩效具有“总体改善、结构稳定、分异显著”的基本特征。

在“3.2. Spatiotemporal Patterns of Urban Landscape Pattern in Henan Province”部分，研究考察了建设用地景观格局的时空变化。TA在研究期内持续扩张，高值县由中部逐渐向东部、南部扩展，并在2023年形成较连续的中部高值带，表明建设用地规模整体扩大。AWMSI高值县主要集中于中部地区，且在2018年后集聚特征更加明显，说明中部县域建设用地斑块形状更复杂。SPLIT高值最初主要分布于南部和东南部，至2023年其高值县数量减少，空间分布有所收缩，表明建设用地破碎化程度整体有所缓解。该部分说明，河南省县域建设用地在扩张、形态演化和空间组织方面均呈现明显的时空动态。

在“3.3. Spatial Autocorrelation Analysis”部分，研究通过全局莫兰指数（Moran’s I）检验县域碳排放绩效的空间依赖性。结果表明，2013年、2018年和2023年的Moran’s I值均为正且达到显著水平（p < 0.001），说明高碳排放绩效县倾向于与高绩效县相邻，低绩效县也倾向于与低绩效县集聚。随着时间推移，Moran’s I值与z分数上升，说明空间集聚特征进一步增强。这一结果为后续采用多尺度地理加权回归（MGWR）识别空间异质性提供了依据。

在“3.4. Multicollinearity Test”部分，研究通过Pearson相关分析和方差膨胀因子（VIF）检验解释变量之间的多重共线性。结果显示，所有变量的VIF均低于通常阈值10，说明模型不存在严重多重共线性问题，支持后续回归结果的稳健性解释。

在“3.5.1. Cross-Sectional Multiple Regression Results”部分，研究分别对2013年、2018年和2023年构建截面多元回归模型。结果表明，TA在三个年份中均对县域碳排放绩效产生显著正向影响，说明建设用地规模扩大与碳排放绩效提升相关。AWMSI同样持续表现为显著正向影响，且2018年的促进作用最强，表明更复杂的建设用地形状可能与较高的碳效率相联系。SPLIT在三个年份均显著为负，意味着空间破碎化越高，碳排放绩效越低。NDVI_mean整体呈负向影响，表明植被覆盖较高的县域测得的碳排放绩效相对偏低。RoadD总体为正，并在2018年和2023年显著，说明交通基础设施改善在部分年份有助于提升碳效率。夜间灯光（NTL）在2013年和2018年显著为正，但到2023年不再显著，反映工业活动与能源消费代理变量的影响随时间弱化。

在“3.5.2. MGWR Results”部分，研究进一步揭示了各解释变量影响的空间异质性。TA对碳排放绩效的正向作用在2013年主要集中于东北部和中东部县域，之后作用逐渐趋于均匀。AWMSI的正向作用在中部和东部县域更强，尤其在2018年和2023年更加明显，而西部和西南部部分县域效应较弱或不显著。SPLIT持续表现为负向作用，2013年在中部和南部抑制效应更强，之后空间差异有所减弱。NDVI_mean在2013年于南部和西部多数县域表现为负向局地效应，到2018年和2023年其负向影响在中部有所减弱。RoadD在2023年对南部和中东部县域的促进作用更为明显，表明道路连通性增强与物流效率及能源组织优化相关。该部分说明，县域碳排放绩效的驱动机制并非空间均一，而是具有显著局地性。

在“3.5.3. Comparison of Cross-Sectional Multiple Regression and MGWR for CEP Analysis”部分，研究比较了截面多元回归与MGWR模型的结果。两类模型在变量作用方向上总体一致，即TA和AWMSI为正、SPLIT为负、RoadD总体为正、NDVI_mean为负、NTL仅在部分年份显著。这表明总体机制具有稳定性。与此同时，MGWR在三个年份中均表现出更高的拟合优度，说明考虑空间非平稳性后，模型对县域差异的解释更充分，也更能揭示城乡空间格局影响碳排放绩效的局地机制。

在讨论部分，论文指出，城乡空间格局对县域碳排放绩效具有显著但不均质的影响。建设用地总规模（TA）和形状复杂性（AWMSI）的正向作用，说明适度扩张且具有一定组织性的建设用地格局可能有助于基础设施共享、产业活动集聚与土地利用效率提升；而分割指数（SPLIT）的负向作用则表明，破碎分散的建设用地格局会削弱交通与产业组织效率，从而不利于提升碳排放绩效。植被覆盖（NDVI_mean）的负向关系体现出生态背景、产业强度与城市化水平之间的复杂耦合，道路网密度（RoadD）的正向作用则表明交通联系在一定条件下能够促进资源配置效率与低碳运行。论文同时指出，全球模型能够识别总体趋势，但MGWR更适于刻画不同地区景观因子对碳排放绩效影响强度与方向的空间差异。文章还总结了研究局限，包括时间截面有限、部分投入和能源指标存在近似处理、劳动投入及产业异质性未被充分纳入等。

研究结论部分可译述为：本研究考察了河南省县域碳排放绩效（CEP），并利用基于松弛变量测度（SBM）的效率测算、截面多元回归和多尺度地理加权回归（MGWR）分析了2013年、2018年和2023年城乡景观格局的影响。结果表明，河南省县域碳排放绩效具有显著空间异质性，高绩效县集中于东北部和中东部，低绩效县主要分布于西南部和南部，且中部县域绩效随时间有所改善。就景观格局而言，总景观面积（TA）和面积加权平均形状指数（AWMSI）对碳排放绩效具有正向作用，说明规模较大且形态较复杂的城市建设用地格局有助于提升碳效率；分割指数（SPLIT）则持续表现为负向作用，表明破碎化土地利用格局抑制碳排放绩效。平均归一化植被指数（NDVI_mean）在部分地区表现为负向局地效应，道路网密度（RoadD）总体上具有促进作用，夜间灯光（NTL）在早期年份为正，但到2023年影响减弱。MGWR进一步表明，各类景观与生态变量的局地效应在不同区域和年份间存在差异，说明统一政策难以充分解释县域碳排放绩效变化。总体而言，县域碳排放绩效深受城乡空间格局影响，而SBM与MGWR的结合为识别其全局与局地机制提供了稳健框架，可为面向低碳发展的精准干预提供依据。