Uncovering the multiple socio-economic driving factors of carbon emissions in nine urban agglomerations of China based on machine learning
Angzu Cai , Leyi Wang , Yuhao Zhang , Haoran Wu , Huai Zhang , Ru Guo , Jiang Wu
College of Environmental Science and Engineering, Institute of Environmental Planning and Management, Tongji University, Shanghai, 200092, China
在全球气候变化和可持续发展目标的驱动下，城市群作为经济增长和人口集聚的主要空间形态，正成为碳排放治理的重要对象。中国的城市群发展迅速，九大国家级城市群（如长三角、珠三角、京津冀等）承载了全国超过75%的经济产出，同时也是碳排放的主要贡献者。然而，不同城市群在发展模式、能源结构、产业布局和政策环境方面存在较大差异，这使得各城市群的碳排放模式和减排路径具有明显的异质性。传统研究多集中于单一城市群的碳排放分析，而缺乏对全国范围内不同城市群碳排放模式的系统归类。如何在维持经济增长的同时减少碳排放，如何根据不同城市群的发展特征制定针对性的低碳政策，成为当前碳达峰与碳中和政策制定的重要挑战。本研究利用机器学习方法，识别不同城市群的社会经济驱动因素，为制定因地制宜的低碳政策提供实证支持。
本研究基于1990年至2020年间中国九大城市群144个城市的碳排放数据，采用机器学习方法进行分类分析。首先，利用K-means聚类算法将城市群的碳排放模式归纳为不同类别。其次，使用随机森林模型（Random Forest）识别碳排放的关键社会经济驱动因素，包括GDP、产业结构、能源消费、城市化率和技术创新等变量。为了验证分类的合理性，本研究采用主成分分析（PCA）对不同城市群的碳排放特征进行降维处理，以确保分类的稳健性。
研究结果表明，中国九大城市群的碳排放模式可以归纳为三种类型：（1）以经济活动为主导的模式，主要集中在长三角、珠三角和京津冀地区，这些地区GDP增长对碳排放的影响最为显著，碳排放强度呈下降趋势，但总量仍然较高；（2）以投资驱动为核心的模式，主要包括中西部城市群，如成渝城市群和中原城市群，其碳排放增长与固定资产投资高度相关，能源结构仍以高碳能源为主；（3）均衡发展模式，包括长江中游城市群、哈长城市群等，碳排放受多因素驱动，既受到经济增长的推动，也受到产业结构升级和节能减排政策的影响。随机森林回归结果显示，GDP、能源消费和工业占比是影响城市群碳排放的前三大因素，其中GDP的贡献率高达42.7%。
本研究利用机器学习方法对中国九大城市群的碳排放模式进行了系统归类，弥补了传统回归分析在识别碳排放异质性上的不足。此外，研究结果表明，在不同发展阶段，经济增长、能源结构和产业升级对碳排放的影响存在显著差异，强调了区域碳中和路径需要因地制宜，避免“一刀切”的政策制定方式。该结论可为中国及其他发展中国家在碳达峰碳中和目标下优化区域低碳发展战略提供实证支持。
