《Talanta》：Double-Clamp Schiff Base Ligand Engineered Ru (II) Complex Exhibiting Zn2+-Activated Fluorescence for Selective Zn2+ Detection and Live-Cell Imaging
编辑推荐：
低碳城市发展背景下，基于非径向方向距离函数（NDDF）和集成机器学习模型，对中国275个地级市2006-2019年面板数据的研究发现：城市多中心性与空间紧凑性对碳排放效率（CEE）呈非线性动态关系，中等多中心与紧凑结构最优化；经济密度和人口密度在达到阈值后效应递减，工业二氧化硫排放持续抑制CEE；东部地区经济转型与能源效率主导，中西部地形与城市化率作用显著，大城市需优先推进产业升级和污染治理。研究构建可解释的时空分析框架，为双碳目标下的城市低碳策略提供实证依据。
张强强|高茜茜|苏菲扬·乌拉·汗|周振邦|何中伟|刘芳
北京农业大学经济与管理学院/农村振兴研究中心，中国北京102206
摘要
作为经济活动、技术创新和人口聚集的中心，城市既是碳排放的主要来源，也是气候缓解的关键参与者。提高碳排放效率（CEE）已成为推进低碳城市发展的核心焦点。本研究利用2006年至2019年中国275个地级城市的面板数据，探讨了城市多中心性、空间紧凑性与碳排放效率之间的关系。分析采用了非径向方向距离函数（NDDF）来衡量碳排放效率，并结合了集成机器学习方法，包括随机森林（RF）、梯度提升回归树（GBRT）、Shapley加性解释（SHAP）和累积局部效应（ALE）。研究结果表明，城市形态与碳排放效率之间存在非线性和时空动态的关联。研究发现了一种阶段性模式：适度多中心性和紧凑的城市结构能够提升碳排放效率，而过度扩张和高多中心性则会降低其效率。经济和人口密度在一定阈值内会促进碳排放效率的提升，超过该阈值后，这种效应会减弱。工业二氧化硫（SO?）排放始终对碳排放效率产生负面影响。区域差异明显，在中国东部，经济增长、工业排放和人口密度对碳排放效率的影响最大；而在中部和西部地区，地形和城市化率的作用更为显著。在所有城市群体中，经济发展和工业二氧化硫排放仍然是决定碳排放效率的关键因素。城市规模也起着重要作用。中小城市从多中心发展模式中获益最多，而大城市则应优先考虑经济结构调整和污染控制。通过将城市多中心性、空间紧凑性和碳排放效率纳入一个数据驱动、可解释的框架，本研究为制定符合中国双碳目标和全球气候承诺的低碳城市战略提供了实证依据和实际启示。
引言
城市的空间布局及其环境绩效已成为全球应对气候变化和推动可持续发展的核心关注点（Kennedy等人，2014；Mi等人，2019；Evro等人，2024）。作为经济活动、创新和人口聚集的主要中心，城市贡献了全球超过70%的碳排放。这一核心地位使城市成为实现碳减排目标的关键驱动力和潜在解决方案（Luqman等人，2023；Ma等人，2024；Chen等人，2025）。因此，碳排放效率（CEE）——即城市在保持经济产出的同时最小化碳排放的能力——已成为重要的研究和政策议题（Wang & Shao，2024；Xing等人，2024；Cai等人，2025）。
尽管全球越来越重视提高碳排放效率，但不同城市在进展上存在显著差异。高收入国家通过实施严格的环境法规、采用低碳技术和服务经济取得了显著成效（Lowe等人，2022；Evro等人，2024）。然而，这些国家仍面临结构性障碍，如对能源密集型产业的依赖、快速的城市化以及有限的制度资源（Kamali Saraji & Streimikiene，2023；Pandey等人，2025）。这些差异凸显了开展本地化、基于情境的研究的重要性，以探讨不同国家和地区背景下城市形态、空间规划和发展路径对碳排放效率的影响。
中国为研究城市发展与碳排放效率之间的关系提供了重要背景。作为世界上最大的发展中国家和主要碳排放国，中国面临着在保持经济增长的同时履行环境责任的双重挑战（Xu等人，2023；Filonchyk等人，2024）。城市是产业、创新和人口聚集的中心，但同时也对碳排放和资源消耗贡献巨大。中国多样化的城市空间格局、产业结构以及明显的区域不平衡加剧了这一问题（Luqman等人，2023；Li等人，2024）。理解空间布局如何影响城市层面的碳排放效率对于实现中国的双碳目标（2030年前达到碳排放峰值，2060年实现碳中和）以及推进全球气候目标至关重要。
近年来，学者们越来越多地关注碳排放效率的空间和结构决定因素。城市空间结构（包括物理布局、功能区和密度模式）深刻影响着能源消耗、交通流和土地利用效率，这些因素都影响城市实现增长与排放脱钩的能力（Wang等人，2023；Jin & Xu，2024；Qiang等人，2024；Xu等人，2024）。同样，城市空间结构直接影响碳排放的规模和效率（S. Hong & E. C. Hui等人，2022；Wang等人，2022；Yang等人，2025）。鉴于全球向碳中和和可持续城市化的趋势，细致理解城市空间结构如何影响碳排放效率既及时又至关重要。
尽管先前的研究为城市空间结构与环境结果之间的联系提供了宝贵见解，但仍存在一些关键局限性。首先，大多数现有实证研究是在国家或省级层面进行的，忽略了城市层面存在的显著空间异质性（Liu等人，2023；Xu等人，2024）。其次，许多分析依赖于传统的线性计量经济学模型，这些模型往往无法捕捉城市特征与碳排放效率之间复杂的非线性关系，尤其是在解释变量之间存在多重共线性时（Wang等人，2025；Yang等人，2025）。第三，时空动态常常被忽视，这限制了我们对碳排放效率随时间和空间变化的理解（Li等人，2023；Wang & Shao，2024）。
为了解决这些不足，本研究采用了一种综合方法框架，结合了非参数效率测量、探索性时空数据分析（ESTDA）和先进的机器学习算法。具体而言，使用非径向方向距离函数（NDDF）来衡量城市层面的碳排放效率，同时考虑了期望的（经济产出）和非期望的（碳排放）结果。ESTDA用于揭示中国城市碳排放效率与多中心性的时空动态。为了捕捉变量重要性和非线性效应，本研究采用了Shapley加性解释（SHAP）、随机森林（RF）、梯度提升回归树（GBRT）和累积局部效应（ALE）。研究基于2006年至2019年中国275个地级城市的综合面板数据，实证探讨了城市多中心性和空间紧凑性如何共同影响碳排放效率。在中国快速城市化和雄心勃勃的碳减排目标的背景下，本研究为新兴经济体的低碳高效城市发展提供了关键启示。
研究结果在理论和实践方面都具有重要意义。首先，本研究通过引入新的城市多中心性衡量指标和综合紧凑性指数，丰富了现有文献。该指数整合了土地利用均衡、道路网络密度、人口密度和经济密度，改进了对城市空间结构如何影响城市碳排放效率的分析方法。这种方法通过全面和综合的视角超越了以往研究的局限性，不再仅依赖单一指标（Jin & Xu，2024；Xia等人，2024；He & Wang，2025；Khodabandeh & Shahmiri，2025）。其次，研究运用时空分析和先进机器学习方法，识别了城市空间结构与碳排放效率之间的非线性关系。以往的研究主要关注空间结构与碳排放之间的线性关系（S. Hong & E. C. M. Hui等人，2022；Wang等人，2022；Jin & Xu，2024；Zhang等人，2024）。所提出的方法提高了预测性能和解释能力，提供了关于复杂城市动态的精确、数据驱动的见解，并明显优于传统计量经济学模型（Li等人，2025）。
本研究的其余部分结构如下：第2节回顾了城市空间结构与碳排放效率的相关文献，指出了关键的研究空白。第3节介绍了方法框架、数据来源和变量选择。第4节展示了实证结果，包括碳排放效率与多中心性的时空模式，以及利用机器学习模型识别关键影响因素。第5节总结了主要发现，提出了有针对性的政策建议，并讨论了研究的局限性和未来研究方向。
文献综述
在推动可持续城市化的过程中，人们越来越关注城市发展模式对碳排放效率的影响。作为全球碳排放的主要来源和气候缓解的关键参与者，必须从空间和结构的角度分析城市（Section 文献综述
在追求可持续城市化的过程中，人们越来越关注城市发展模式对碳排放效率的影响。作为全球碳排放的主要来源和气候缓解的关键参与者，必须从空间和结构的角度分析城市（Section
NDDF
为了在同时存在期望和非期望结果的情况下评估碳排放效率，本研究采用了NDDF。与传统假设所有输入和输出均按比例变化的径向数据包络分析（DEA）模型不同，NDDF允许非比例调整。这一特性在环境绩效评估中尤为宝贵，因为在这种评估中需要同时考虑经济产出和污染减排。
NDDF框架支持
碳排放效率的时空模式
本研究使用NDDF评估城市碳排放效率，并通过自然断裂分类方法（图2）可视化空间模式。从空间上看，东部沿海城市的碳排放效率始终优于中部和西部内陆城市。这反映了东部地区经济增长与碳减排之间的更强协调性，这得益于更高的能源效率和更先进的低碳产业转型。
从时间上看，高效城市的分布
结论
本研究对中国2006年至2019年间275个地级城市的城市空间结构对碳排放效率的影响进行了全面实证分析。通过整合NDDF、2SLS、集成机器学习模型（包括线性DML、RF和GBRT）以及ShAP和ALE等可解释工具，本研究建立了一个透明且稳健的框架，用于考察城市碳效率的时空动态及其关键影响因素。
研究结果揭示了几个
CRediT作者贡献声明
张强强：撰写——审稿与编辑、初稿撰写、资金获取、正式分析、概念构思。高茜茜：撰写——审稿与编辑、初稿撰写、软件使用、方法论设计、正式分析、数据整理、概念构思。苏菲扬·乌拉·汗：撰写——审稿与编辑、初稿撰写。周振邦：撰写——审稿与编辑、软件使用。何中伟：撰写——审稿与编辑、监督、项目管理、资金获取。刘芳：
利益冲突声明
我代表我的合作者声明，本研究为原创性工作，此前未在其他地方以全部或部分形式发表。我确认本手稿的提交不存在利益冲突，并得到所有作者的批准，可以在您的期刊上发表。
