【能源观察家】王宁宁等：中国智慧城市建设对碳排放效率影响机制研究

熠熠全球能源观察

2周前

在总量影响上，已有研究主要聚焦宏观与中观领域层面上探究智慧城市与碳排放的关系，在宏观层面上，Z.H.Cheng等分析智慧城市建设前后碳排放量的变化，发现智慧城市会提升科技水平进而实现绿色低碳发展［3］；E.Y.Zhang等分析智慧城市的碳排放，发现智慧城市会促进城市绿色发展并通过降低能耗和改善产业结构降低碳排放强度［4］。

点击蓝字，关注我们

进群｜“氢能交流群”“储能交流群”“碳中和交流群” “天然气交流群”“数字能源交流群”

请加微信17310056319，申请请备注进群。

文：王宁宁王勤升冯尊

摘要

聚焦数字生态视角，使用网络分析和指数随机图模型兼顾整体与个体效应，从关联性、动态性和聚集性视角探究中国智慧城市建设对碳排放效率的影响机制。结果表明：（1）从整体网络和个体网络来看，智慧城市建设明显提升碳排放效率网络的指标性能，促进城市间的合作，保证资源的合理分配利用。发达型、资源型城市在网络中占据主导地位，控制能力较大。（2）从网络拓扑结构来看，无标度性质和小世界性质表现不显著，同时东南沿海与华北地区的核心城市的数量逐渐增加，并随着智慧城市建设的逐渐成熟，局部聚集性明显加强。（3）从影响因素来看，互惠性对网络呈正相关；智慧人才对网络的影响最显著；智慧环境、智慧经济和智慧科技的发展对碳排放效率有改善作用，但存在周期性变化，对碳排放效率的影响效果规律性不强。

0 引言

党的十九大报告指出要推进绿色发展，着力解决日益突出的环境问题。2020年我国提出实现双碳的宏伟目标。党的二十大报告提出“推进美丽中国建设，协同推进降碳、减污、扩绿、增长”，进一步从协同视角强调实现双碳目标。因此，在国家层面上，政府对碳达峰碳中和工作作出一系列重要的战略部署，实现双碳目标已成为实现中国式现代化的必然选择。

在城镇化进程中，城市功能的转变对碳排放的影响逐渐发生变化。伴随数字技术的更新与发展，智慧城市逐渐成为城市发展的新业态。随着智慧地球的提出与发展，我国智慧城市建设进入新阶段，其通过深度融合信息技术，反映人民对生活、环境保护等领域的需求，提高城市运行效率，进而为居民创造更优质的生活体验［1］。在城市形态与功能上，智慧城市作为数字时代技术赋能城市发展的新模式，对实现低碳转型具有关键作用。一方面，智慧城市依托技术赋能，为节能减排提供新途径和发展空间；另一方面，智慧城市在提高生活质量、提升城市运行效率、优化协同工作等方面拥有良好成效［2］，进而优化碳排放路径，实现城市可持续发展。因此，智慧城市的内在禀赋与外部环境都证明智慧城市建设是实现双碳目标的重要契机。

智慧城市建设对碳排放的影响已成为研究重点。在总量影响上，已有研究主要聚焦宏观与中观领域层面上探究智慧城市与碳排放的关系，在宏观层面上，Z.H.Cheng等分析智慧城市建设前后碳排放量的变化，发现智慧城市会提升科技水平进而实现绿色低碳发展［3］；E.Y.Zhang等分析智慧城市的碳排放，发现智慧城市会促进城市绿色发展并通过降低能耗和改善产业结构降低碳排放强度［4］。在中观层面上，S.P.Wu探究了智慧城市对家庭碳排放量的影响，发现智慧城市在交通、教育等方面会降低碳排放量［5］。在效率影响上，将智慧城市建设和碳排放效率结合的研究相对较少，多数研究落在智慧城市政策［6］、信息和通信技术［7］以及数字金融与绿色创新［8］等因素对碳排放效率的影响上。

智慧城市为实现可持续发展提供保障，深入剖析不同智慧城市建设阶段对碳排放效率的影响有助于更好地推动城市碳减排工作，同时有望为城市发展提供可操作的战略建议。现有研究集中在量化分析和影响机制方面，多以城市个体属性为研究对象，忽略城市间的联动效应，未能充分回答技术赋能下智慧城市建设以及关联城市效应与碳排放间的关系。目前，城市区域确实存在碳排放溢出及空间集聚的两种看似矛盾的现象，同时缺乏智慧城市建设对整体碳排放效率均衡分配影响的研究，以及智慧城市建设如何提升局部地区聚集性的研究。因此，本研究聚焦智慧城市的特质，在生态视角的基础上，融入探究数字化发展中的新问题，构建数字生态视角［9］，研究数字化发展中的联动发展特征，实现从局部到整体的综合把控。其中，从关联性视角揭示智慧城市对碳排放效率的影响机制；从动态性视角研究智慧城市不同建设阶段对碳排放效率的影响程度，从而全面了解智慧城市建设在可持续发展中的角色和影响；从聚集性视角探究智慧城市对城市聚集性的促进效果，深入分析其对区域结构的影响。

1 理论框架与假设提出

1.1理论框架

智慧城市对碳排放效率的影响跨越城市与区域两个层面，影响要素在城市与区域间流转，以智慧牵引绿色发展，体现为关联性、聚集性与动态性特征。

在城市层面，智慧城市会提高城市运行效率进而影响碳排放效率。在交通领域，通过获取实时交通数据［10］，缓解交通拥堵，降低交通拥堵而引起的碳排放量。在建筑领域，应用智能建筑技术和高效能耗建筑的设计理念，降低建筑能耗。同时，协调智能电网使用可再生能源发电，提升能源使用效率，从而降低碳排放量。在生活领域，通过智能化系统优化废物管理体系，利用传感器和自动化设备进行废物的识别和分类，提高废物回收效率。在能源领域，利用智能电表和能源管理系统，有效监控和分析能源消耗模式，识别潜在的能源减排点，在技术层面进行智能化升级。从关联性视角来看，智慧城市通过对交通、建筑、能源的优化［11］，形成整体的节能降碳策略。从动态性视角来看，智慧城市会随着城市增长和人口迁移进行动态性调整，以更好地应对碳排放的变化。从聚集性视角来看，智慧城市服务于城市热点区域，从而缓解碳排放强度，以实现最大化的效益。

在区域层面，智慧城市会影响周边城市的能源和环境，从而间接影响碳排放效率。在城市群互联互通方面，智慧城市将促进区域交通网络和能源网格的建立，实现再生能源的共享，最终提高碳排放效率。在产业结构优化方面［12］，智慧城市将推动产业结构的转型，鼓励绿色技术和低碳产业的发展，通过跨城市合作，为地区可持续发展提供战略支持。在区域政策协调方面，智慧城市会促进碳排放政策的统一，避免产业污染转移［13］，还将推动区域碳交易体系，激励企业积极参与环境保护，实现经济繁荣和环境可持续的双赢发展。从关联性视角来看，城市间交通流、能源流和产业分布的互动影响着区域整体碳排放效率，智慧城市有助于促进区域内数据共享和协同政策，实现区域尺度上的低碳发展。从动态性视角来看，环保政策根据经济社会发展和环境变化进行动态调整，实现长期可持续发展。从聚集性视角来看，智慧城市促进低碳技术的发展与推广，形成生态创新的聚集效应，特定的产业园区或生态城市项目在区域碳排放效率中起到示范的作用，同时产生辐射效应。

1.2假设提出

基于现有研究，从生活方式变革、区域均衡发展及整体聚集效应3个层面提出假设。

城市是一个复杂的大系统，智慧城市将信息技术运用到城市治理中，促进城市高效运转，优化碳排放路径。智慧教育层面，利用人机协同，打造教育新生态，其中网络课堂降低出行和时间成本，进而抑制汽车尾气的排放，间接降低碳排放量；同时，智慧医疗依托5G和物联网技术，实现医患实时沟通，降低出行成本，减少碳排放量，缓解城市的交通拥堵问题；此外，智慧交通优化交通流，减少燃油的消耗，达到降低碳排放的目标；智慧能源通过能源管理，促进可再生资源的利用，降低对化石燃料的依赖，减少碳排放。由此，智慧城市改变原有生活方式，增强碳吸收能力［12，14］，优化碳排放路径，形成对全社会碳排放效率的影响［13］。基于此，提出假设一：智慧城市的建设影响整体碳排放效率。

智慧城市依托信息技术、大数据影响着居民的生活，实现公共服务的智能化、高效化升级，是当今城市发展的重要趋势［15］，这不仅为城市内部带来积极的变革，同时在邻近地区产生溢出效应，对整个地域格局具有深远影响。在产业发展方面，智慧城市引入先进的科技和数字化解决方案，鼓励创新性企业涌现，推动产业升级［12］；在环境保护方面，智慧城市通过技术革新和减排措施实现城市绿色转型［16］，并且推广可再生能源、发展绿色交通、促进完善城市绿化［11］。通过数字化监测和智能化管理，有效地监控和管理碳排放，促使各区域采取相应的减排措施，推动城市可持续发展，弱化不同区域的碳排放差异，实现碳排放的均衡分配。基于此，提出假设二：智慧城市的空间溢出性会促进区域间碳排放效率的均衡发展。

由于邻近地区在政策制定、产业结构和发展状况方面相似，智慧城市在区域范围内会引发广泛的影响。一方面，智慧城市会加强邻近地区合作交流与资源共享，共同面对城市化、环境保护等挑战，邻近地区可能形成合作联盟，推动智慧城市的建设，提升整个地区的可持续发展水平。另一方面，智慧城市通过技术创新和产业升级缓解区域间发展的不平衡［10，17］，从而缩小城市间的发展差距。同时，由于先进科技和优越的生活条件，人们更倾向于在智慧城市周边形成聚集区域，从而提升局部地区的聚集性。这不仅加强当地社会的凝聚力，也为创新和创业提供更为有利的环境，形成小团体的创新生态系统。基于此，提出假设三：智慧城市的建设会提升局部地区的聚集性。

2 研究区域、数据来源与研究方法

2.1研究区域

参考王宁宁等［18］对智慧城市试点城市的处理方法，最终得到156个智慧城市节点。选取2008—2019年作为研究期，为更好地探究智慧城市对碳排放效率影响的动态性，将智慧城市建设情况划分为起步阶段(2008—2011年)，建设阶段(2012—2015年)与成熟阶段(2016—2019年)。

2.2数据来源与指标体系

数据来源于2009—2020年《中国城市统计年鉴》以及北大数字金融研究中心、中国软件测评中心等数据库。智慧人才在科技创新和数字化发展中扮演着重要的角色，推动智慧城市的稳定发展；智慧环境被视为智慧城市可持续发展的关键因素，对环境可持续性的关切直接影响城市的发展；智慧经济作为智慧城市的基石，是关键性的经济发展指标，反映城市在数字时代经济转型的水平；智慧科技在智慧城市科技兴起过程中充当重要引擎，能够精确反映城市在科技领域的创新和进步；智慧政务在反映智慧城市高效治理能力方面具有关键意义，是城市治理现代化的重要体现。因此，根据上述指标构建智慧城市评价体系（表1），采用熵权法计算权重，部分缺失数据通过线性插值法补充。

2.3研究方法

2.3.1碳排放效率测算

利用随机前沿方法［19］、非径向模型［20-21］以及EBM(epsilon-based measure)模型[22-23]进行碳排放效率测算。综合考虑采用EBM模型测算碳排放效率，具体指标见表2。

2.3.2改进重力模型

结合已有研究［24-25］，采用改进重力模型［26］计算智慧城市碳排放效率的引力强度。以城市为节点，城市间的碳排放效率空间关联度为关系，并以各行均值为阈值进行筛选，构建二值网络矩阵。

2.3.3社会网络分析

社会网络是社会学、经济学等多个领域的重点研究方法，表示为节点与关系的集合。本研究采用社会网络分析法，对碳排放效率整体网络与个体网络进行分析。

2.3.4指数随机图模型

指数随机图模型（ERGM）［27］是针对关系数据的统计方法，强调网络中关系的依赖性。采用ERGM探究智慧城市建设对碳排放效率空间关联网络的影响因素，各种变量见表3。

3 碳排放效率空间关联网络演化分析

3.1网络拓扑分析

智慧城市碳排放效率空间关联网络拓扑结果（表4）显示：2008年各城市节点的平均连接城市有40个，产生联系的城市对共6196个；2019年平均连接城市增加至45个，产生联系的城市对增加至6929个，碳排放效率空间关联关系增强。同时，度-度相关性大于0，表示整体网络呈现同配性，度数相似的城市容易产生联系，网络中会出现度数相似的节点构成的“社区”，这既保证网络的稳定性，又加强局部的聚集性，支撑假设三。网络的整体集聚系数均小于随机网络集聚系数，小世界特征不明显。2008—2019年，智慧城市碳排放效率空间关联网络幂指数小于2，网络不能构成无标度网络，网络的极化趋势不明显，区域间得到均衡发展，支撑假设二。

3.2整体网络演化分析

整体网络表现如下特征（图1）：①网络密度从2008年的0.25提升到2019年的0.29，2013年出现短暂下降，整体上智慧城市间碳排放效率的空间关联愈发紧密，表明在智慧城市建设期间网络的关联性更加紧密，城市间碳排合作更加畅通；②网络等级整体上处于下降状态，从2008年的0.38下降至2019年的0.30,2013年后趋于平缓，揭示研究期内随着智慧城市建设的不断推进，网络的等级性逐渐下降，部分城市的碳排放效率影响力提升，通过辐射作用，实现网络均等发展，有助于从全局视角提升碳排放效率；③网络效率逐年降低，表现为网络中城市之间的连线冗余程度高，碳排放效率的溢出效应增强，网络结构更加稳定。

分阶段来看：①起步阶段，网络密度逐年上升，网络等级和网络效率连续下降，表明智慧城市建设的推进使得城市间的碳排放效率关联更加紧密。②建设阶段，网络密度达到最低，网络等级和网络效率达到最高点，出现一定的波动。2013年是实施智慧城市的第二年，各地的发展规划处于调整周期，这间接影响碳排放效率。③成熟阶段，各项指标变化趋于平缓，网络发展稳定。总体来看，各阶段网络密度由小到大依次为起步阶段，建设阶段，成熟阶段；各阶段网络等级由小到大依次为成熟阶段，建设阶段，起步阶段；各阶段网络效率由小到大依次为成熟阶段，建设阶段，起步阶段。说明智慧城市对碳排放效率空间关联网络产生积极影响，支持假设一。

在空间格局层面（图2），智慧城市碳排放效率空间关联性呈“增加—减少—增加”的变动趋势，表明城市间联系更紧密，核心城市圈更突出。具体而言，起步阶段，长三角、京津冀、呼包鄂榆和哈长城市群的联系明显；建设阶段，中部地区城市联系增加，珠三角聚集性增强；成熟阶段，沿海城市之间的碳排放效率空间关联性增强，辐射带动内陆城市。同时，起步阶段东西部联系最少，而在2014—2019年逐渐瓦解，表明智慧城市促进区域间碳排放效率的均衡分布，支撑假设二。

基于以上特征，结合区域禀赋与发展情况，形成以“京津冀—长三角—珠三角”先导引领、“呼包鄂榆—哈长”后发跟进、辐射带动中西部的整体发展模式。京津冀、长三角和珠三角是我国优先发展地区，其先进性主要表现在产业结构丰富、人口密度较大、经济实力雄厚等方面，具有示范引领作用；呼包鄂榆与哈长城市群是资源型城市向高附加值产业转型的重要基地，在研究期间通过采取新能源等举措提高碳排放效率；成渝城市群的碳排放效率空间联动发展不明显，因此，要将成渝城市群打造成西部地区碳排放高效率聚集地，构建辐射西部地区的低碳绿色发展引擎。

3.3个体网络演化分析

选取2008—2019年综合表现排名前十的17座城市分析个体网络演化结果（图3），点度中心度结果显示东南沿海、省会城市度数较高，这些城市整体实力较强，在网络中占据主导地位，是碳排放效率的主要溢出地区。鄂尔多斯、大庆表现突出，“虹吸效应”明显，即自然资源的开采会影响碳排放效率。度数较低的城市集中在黑龙江、陕西、甘肃等欠发达省份，经济水平落后，处于网络的边缘位置，对其他城市的碳排放效率影响较小。接近中心度结果显示，江苏、广东的城市及上海的接近中心度较高，对其他城市的碳排放效率影响显著，是网络中的“领袖节点”。广西、甘肃、宁夏等西部省份的城市网络影响力较小，属于“从属”节点。中介中心度结果显示，中介城市主要是江苏、广东、山东等省份的城市及上海，这些城市对资源支配能力和掌控能力较强，属于网络的枢纽节点。

3.4核心-边缘演化分析

通过核心－边缘演化分析（图4）发现：①在数量上，起步阶段核心城市数量递增，建设阶段基本不变，成熟阶段呈下降趋势。②从空间分布来看，起步阶段核心城市分布在长三角、华北和珠三角地区，分布稳定，长三角地区核心城市数量逐步增加，其他城市变化不大。这些地区集中分布着服务业和信息化产业，而华北地区有着丰富的自然资源，产业发展转型对局部地区的碳排放效率造成影响。随时间推移，城市的聚集性更强，联系更加紧密。建设阶段，长三角地区的聚集性显著增强，苏州、上海、无锡等已成为地区内的“明星”。华北地区的核心城市数量小幅下降。2013年，在鄂赣闽等地核心城市数量大幅下降，而后逐渐增加。成熟阶段，整体聚集性明显增强，核心城市数量在2017年和2018年逐渐达到峰值。综上，随着智慧城市的实施，长三角、珠三角、华北地区等小团体得到发展，但由于地区间发展差异较大，智慧城市不会影响整体聚集性，进一步支撑假设三。

4 影响因素解析

整体来看（表5），内生机制模型中的边数系数显著为负，即边数对网络的影响为负向；互惠性系数显著为正，表明智慧城市可以促进碳排放效率在城市间进行双向联系，说明多个城市共同制定减排政策效果优势更明显。分阶段看，边数系数在起步阶段稳定分布在-2左右，建设阶段稍有好转，而在成熟阶段提振效果清晰，表明智慧城市的升级推动网络的整体密度提高。

节点属性模型中，智慧人才的系数正负交替，说明在不同时期，不同的发展任务会导致不同的发展需求，所以对人才需求也存在差异，需因地因时制宜，若本年按上年的发展引进人才会导致适得其反的效果。智慧环境对碳排放效率产生消极影响，因为智慧环境需要大量电力的支持，并且维护智慧环境同样需要消耗人力，因此会对碳排放效率产生负面影响。智慧经济对碳排放效率的影响呈现交替现象，一方面，智慧经济大量的数字化、信息化设备具有节能、高效和低碳的特点，对碳排放效率产生积极作用。智慧科技对碳排放效率的影响也呈现交替现象，尽管智慧科技可以缓解交通问题、提升城市运行效率，但其应用也会产生工业废弃物和排放物，对碳排放效率产生负面影响。

在协同性模型中发现，智慧城市达到更高水平时，对碳排放效率的影响力更显著，这是因为将新型技术贸然地加入到传统城市建设后，城市中许多环节还保持着原有的工作方式，不会立即对现有情况做出显著的反应，导致在短期内难以产生积极影响。

5 结论与讨论

5.1结论

（1）通过拓扑分析发现，中国智慧城市的网络稳定性良好，没有明显的极化现象，不同区域之间能够实现均衡发展。（2）整体网络分析显示，智慧城市建设对网络性能产生积极影响，形成以京津冀城市群—长三角城市群—珠三角城市群为主导的发展模式，带动其他城市群的发展，在空间上形成联动效应，并重点推动资源型城市向高科技、高附加值产业转型。（3）个体网络分析表明，智慧城市建设促进资源合理分配，沿海城市和资源型城市在网络中占据主导地位，并对其他城市产生影响。（4）从核心－边缘分析中发现，智慧城市会增强局部地区的聚集性，并且核心城市主要聚集在长三角、珠三角和华北地区。（5）影响因素分析显示，智慧城市对网络的影响是内生结构和外生动力共同作用的结果，而且更高水平的智慧城市会对网络产生更加积极的影响。

5.2讨论

建设高质量智慧城市、推动城市绿色发展是城市建设的重点所在。本研究分析智慧城市建设对碳排放效率的影响，旨在灵活构建智慧城市，以推动城市的可持续发展并满足人民对美好生活的向往。从数字生态视角出发，在节点属性和网络结构两个方面聚焦关联性、动态性和聚集性，研究智慧城市碳排放效率空间网络的演化特征与影响因素，具有一定的学术价值。随着智慧城市水平的不断升级，碳排放效率的均衡性得到提升，表明智慧城市促进地区间碳排放效率的合理分配，为深入研究智慧城市对碳排放效率的影响提供学术基础。同时，随着智慧城市水平的提升，智慧城市碳排放效率空间关联网络中城市的联系更加紧密，局部地区内表现出强烈的聚集性；此外，京津冀城市群—长三角城市群—珠三角城市群中核心城市的占比明显增加，并辐射带动相邻的城市朝更高质量的发展方向迈进。但同时也存在如下问题：在研究区域上，较少关注地区间的差异，忽视区域差异对智慧城市碳排放效率的影响；在研究粒度上，主要聚焦中观与宏观，缺乏微观尺度的探索；在研究数据上，部分智慧城市项目分布在县级市，数据搜集难度较大，影响研究结果的准确性，未来将致力于基于微观大数据，关注区域差异，完善研究方法，提高研究的深度和广度。

文章原载期刊：《地域研究与开发》24年2期

-END-

来源：双碳与可持续发展

-- 欢迎加入VX群交流 --

“氢能交流群”“储能交流群”“碳中和交流群” “天然气交流群”