秦波，邵然（2011）對北京市居民碳排放情況統計結果研究顯示，城市職能中心以及土地利用混合度顯著影響居民的通勤碳排放量，也就是說人均建築碳排放量與距離、建築時間反向相關。就業區位與人均碳排放量關係顯著，低碳社區的就業主要區位位於社區周邊，交通碳排放顯著減低。孫斌棟，潘鑫等（2008）構造測度就業-居住空間均衡的指數對上海進行了實證分析。結果顯示，上海市的就業-居住均衡性正在逐步減弱，原因是上海市產業分布差異。服務業主要集中在中心城區和緊鄰外圍城區，居住區主要集中在外圍城區和近郊區，製造業集中在遠郊。產業分布差異導致跨區交通出行的增加，平時出行距離和時間的增多。
城市空間結構與家庭碳排放。城市空間結構與家庭碳排放密切相關，對於城市減少碳排放有著長期性、結構性的作用，是實現低碳城市建設的重要手段（秦波，邵然 2011）。塗婷，潘鑫（2011）通過對上海市城市規模演化、人口及就業密度等情況調查，發現上海市域的單中心空間結構引發了出行交通量在中心城區高度集中，並造成居民出行結構從公共交通向個體機動化的巨大轉變，進而使城市交通碳排放總量的大量增加。低碳城市建設必須從城市空間結構著手，構建多中心的大都市區空間結構是降低城市碳排放量的根本所在。柴彥威、肖作鵬（2011）以低碳城市空間結構為命題，從轉型期中國城市空間組織製度多元化與個體行為的互動機理出發，對比分析單位製和分區製形成的“社區—家庭”空間行為約束機製作用下的居民日常出行特征及其碳排放，提出應針對社區差異，綜合考慮小汽車出行使用、出行總量與尺度等因素進行相應的社區低碳減排治理。周潮，劉科偉等（2010）強調了城市空間結構在低碳城市建設中的重要性，並提出了3種符合低碳發展理念的城市空間結構模式：緊湊多中心空間模式，公交主導空間模式和生態主導空間模式。3種空間模式能夠促進城市低能耗發展，為低碳城市建設提供了動力機製。
部分學者對城市土地混合進行了研究，結果發現土地混合與居民生活尤其是出行密切相關，進而影響家庭碳排放。黃經南，杜寧睿（2013）從微觀層麵收集家庭生活和個人出行數據，定量分析了土地混合度對居民出行碳排放的影響，認為較好的土地混合利用度可以使出行距離變短，通過混合多種土地類型綜合布局休閑、工作和購物等，形成中心聚集形態，將有效減少出行距離的長度，最終達到降低出行碳排放的目的。陳錦富、盧有朋等（2012）從城市街區的視角探究了城市空間結構與碳排放的關係。街區是居民日常出行的集中場所，從居民出行和各類設施可達性出發，構建低碳城市街區使各功能用地與空間最大耦合；建立功能複合的的街區能夠有效降低主幹道路的交通擁堵，降低機動出行的概率從而達到降低交通碳排放的目的。
家庭碳排放是社會總碳排放的重要構成部分，且呈逐年上升的趨勢，家庭碳排放的研究對低碳城市建設具有重要意義。當前，低碳城市正成為中國綠色發展轉型政策目標的重要策略選擇。因此，通過空間科學與社會科學相結合，以上海為實證案例，利用1054份上海家庭碳排放調查樣本問卷，探討上海城市家庭總碳排放的基本特征、空間格局、影響因素及低碳治理策略，其研究成果將為上海等中國大城市新型城市治理、生態文明建設和綠色發展轉型等新型治國理念提供科學依據。
1 問卷調查基本數據分析
1.1 數據來源
本文從家庭碳排放（生活碳排放和出行碳排放）的視角，利用1054份調查樣本問卷，探討上海家庭碳排放的基本特征、空間格局、影響因素及低碳治理策略。本次調查問卷對上海市發放共1054個家庭，合計總人數2689人。調查地點包括小區，地鐵站，公交車站，上海書城，中山公園，虹口足球場，居委會等，盡量對上海市各收入層次、各職業類型、各年齡段居民碳排放情況進行了調查。調查問卷包括社區環境，家庭出行情況，日常生活能源消耗，受訪家庭基本經濟情況四部分。本次問卷調查樣本點數量與上海市2300萬常住人口數量相比不到萬分之一，采用係統抽樣等方式，故本次問卷采用隨機抽樣的方法，盡量保證了樣本分布的均勻性。
1.2 研究方法
基於GIS的空間數據分析。傳統的數據統計分析在大樣本的基礎上，通過分析樣本的頻率分布、均值、方差等規律確定其相關關係，但缺乏對空間方位和空間關係的理解。而GIS分析模塊與空間統計學的緊密結合，實現了複雜的空間統計方法的簡便操作和可視化。此外，探索式空間數據分析即ESDA（Exploratory Spatial Data Analysis），用於測度空間數據的關聯程度，主要是對空間自相關的測度，包括全局空間自相關、局部空間自相關及其它能夠反映空間異質性的分析技術。回歸分析，主要用於分析上海家庭總碳排放的影響因素。
1.3碳排放基本特點
根據對樣本的統計，上海家庭年均總碳排放量為3206.15KG，其中日常生活能耗總碳排為1902.72KG，占比59%，家庭出行碳排放量為1303.43KG，占比41%，家庭生活碳排放占的比重略高於家庭出行碳排放比重。分區縣對平均家庭年均總碳排進行排序，平均家庭總碳排放量最低值為盧灣區2094.95KG/年，最高值為嘉定區4563.04KG/年；大部分區縣家庭總碳排放量分布在2800KG/年至3500KG/年。其中，盧灣區和奉賢區總碳排明顯低於其他區縣。盧灣區位於城市中心，年均家庭出行碳排放僅為203.58KG/年，便利的交通顯著降低了盧灣區居民交通碳排放，而其生活碳排放值和其他區縣差別不大；奉賢區位於上海遠郊，出行碳排放和生活碳排放值都較低。碳排放值最高的區縣分別為嘉定區、寶山區和浦東新區，均位於上海郊區，出行碳排放高於其他區縣。由此可見，上海市居民碳排放構成中，生活碳排放差異不明顯，出行碳排放是決定總碳排放大小的主要因素。
2 上海家庭碳排放的空間格局
2.1 上海家族生活碳排放空間格局
通過對上海家庭生活碳排放點值進行空間模擬，可以發現上海家庭生活碳排放呈現如下空間特征：1）上海生活碳排放各區縣差異並不明顯，大部分區域呈現淺紅色（即碳排放值在1000KG-2000KG）；2）高值點（碳排放值大於4000KG）主要集中分布在邊緣城區；3）從市中心向外看，上海市家庭生活碳排放值有逐漸減小的趨勢；4）位於內環及中環附近的長寧區、虹口區、普陀區等交通便利，生活設施完善，是上海市主要居民聚集區，深紅色高值點主要聚集於此；5）位於遠郊的青浦、奉賢、鬆江三區生活碳排放值最低，可能跟居民生活水平較低與郊區太陽能的普及相關。
2.2 上海家庭出行碳排放空間格局
通過對上海家庭出行碳排放點值進行空間模擬，可以發現上海家庭出行碳排放呈現如下空間格局：1）出行碳排放高值區呈環狀分布於近郊區（此處指的是碳排放值不小於1005.27KG）。近郊區是上海許多大型商品房基地，是上海人口遷入區和人口密集區，而這些人群的工作地區卻主要在中心城區，形成了長距離的通勤；2）從市中心向外看，上海家庭碳排放值呈現倒“U”型曲線。核心城區和遠郊區是碳排放低值區（碳排放值小於1005KG的區域），近郊區是高值區；3）上海核心城區盧灣區家庭出行碳排放值最小，位於上海西北部遠郊的嘉定區和青浦區碳排放值最大；4）出行碳排放最高值點集中在嘉定工業園-安亭鎮片區，其次是寶山區月浦鎮片區，浦東機場片區，浦東惠南鎮-新場鎮片區，鬆江九亭片區。
2.3 上海家庭總碳排放空間格局
通過對上海家庭生活碳排放和出行碳排放進行加總，然後對上海家庭總碳排放點值進行空間模擬，可以發現上海家庭碳排放呈現如下空間格局碳排放高值點呈環狀分布於近郊區（此處指的是碳排放值不小於3250KG的深色區域）；2）浦東新區出現多塊高值區域。浦東周康航地區、合慶鎮區域、川沙鎮區域均屬出行較高的碳排放值；3）從市中心向外看，上海家庭碳排放值呈現倒“U”型曲線。核心城區和遠郊區是碳排放低值區，近郊區是高值區；4）碳排放高的點在全市範圍內隨機出行，但出現在郊區的頻率較中心城區和邊緣城區高。如位於黃浦江東麵的浦東新區出現了多處高值點，位於邊緣城區的虹口、閘北、長寧等區縣屬於較為成熟的生活區，也有部分高值點。碳排放較低的點（此處指的是年排放量小於1500kg的家庭）則主要分布在核心城區的黃浦區、盧灣區、靜安區，以及部分遠郊地區，如奉賢、金山等。
3 上海家庭總碳排放的空間模式
為了進一步揭示日常家庭碳排放的空間分布規劃極其形成的原因，需要進一步對家庭碳排放做探索式空間數據分析，以希望得到家庭碳排在空間上的其它分布特征和規律。
3.1 家庭總碳排放全局自相關分析
以調查樣本家庭為計算單元，采用Moran’s I指數對日常家庭總碳排放進行全局空間自相關分析。結果顯示，Moran’s I指數為0.005212>0，說明該空間變量呈空間正相關。P值表示概率，當P值很小時，表示觀測的空間模式不太可能是隨機產生的結果，而是存在空間相關性。Z得分是標準差的倍數，以正態分布的置信區間對應的閾值作為檢驗標準（表1），如果Z得分在閾值範圍之外，其意義與P值很小是一樣，觀測的空間模式是非隨機過程產生的結果（GIS自述文件）。此次生成的結果中，P
1.65，通過顯著性檢驗。說明家庭碳排放在空間分布上具有一定的空間自相關性，但從全局來看相關程度不強。 3.2 家庭總碳排放局部自相關分析 全局型指標能夠判斷出現象在空間上的整體分布情況，但難以探測出屬性聚集的位置所在及區域相關程度。Anselin（1994）提出的局部空間自相關指數LISA則彌補了這一缺限。該指數可以揭示空間參考單元與其鄰近的空間單元屬性特征值之間的相似性或相關性，識別空間聚集和空間孤立特征，探測空間異質性等。LISA將空間關聯模式分為四種，正的空間關聯包括屬性值高於均值的空間單元被屬性值高於均值的領域所包圍（即高-高關聯）和屬性值低於均值的空間單元被屬性值低於均值的領域所包圍（即低-低關聯）兩種類型。負的空間關聯也有屬性值高於均值的空間單元被屬性值低於均值的領域所包圍（即高-低關聯）或者屬性值低於均值的空間單元被屬性值高於均值的領域所包圍（即低-高關聯）兩種類型。 上海市家庭碳排放局域空間自相關特征分析如下：1）高值點聚集與出行碳排放相比，環狀分布現象不明顯；2）沒有出現低-低聚集的正的相關關係；3）高-高聚集區域向浦東新區偏移；4）空間異質點（即高-低聚集的負的自相關關係），主要集中於外環線以內。浦東新區為主要高值聚集區域，其中一部分聚集在靠近黃浦江的繁榮地帶，另一部分聚集於外環線以外的郊區。 3.3 家庭總碳排放熱點分析 熱點分析是通過對數據集中的每一個要素計算來得到高值或低值要素在空間上發生聚類的位置。通過熱點分析能直觀的了解高低值在何處發生了聚類及其聚集的密集程度。運用局域G係數（Getis-OrdGi*）來對家庭碳排放的局部空間聚集進行測度，為突出特征區域，將GiZScore按高值、低值數量均不超過10%手動分為7類。上海家庭總碳排的熱點和冷點區域分布十分顯著。冷點主要集中於徐彙區淩雲片區，一方麵該區域靠近鐵路上海南站，交通便利；另一方麵該區域集中了較多高校，生活碳排放值相對偏低。熱點區域則主要集中在浦東新區。 4 上海家庭總碳排放的影響因素 4.1 相關性分析 為了探討社會經濟因素對家庭碳排放的影響及影響因素之間是否存在相互製約的狀況，本文通過SPSS17.0對因變量和自變量進行相關性分析和回歸分析。相關性分析主要包括三個部分：因變量之間相關性，自變量之間相關性，因變量與自變量之間相關性。 （1）變量選取。涉及到的自變量有16個：X1住房購買或租用、X2住房類型、X3住房麵積、X4戶籍狀況、X5住房年代、X6住房形式、X7有汽車嗎、X8人口、X9成員一出生年份、X10成員二出生年份、X11成員三出生年份、X12主要成員一教育程度、X13主要成員二教育程度、X14主要成員一就業單位、X15主要成員二就業單位、X16平均收入。因變量一個：Y1家庭總碳排放量。 （2）自變量之間相關性。對家庭出行碳排放與生活碳排放進行簡單相關分析，和控製變量為年均家庭總碳排放量的偏相關分析。兩者Pearson 相關性為0，說明兩者並不存在線性相關，在控製年均家庭總碳排放量的前提下，家庭年均出行碳排放和家庭能耗碳排放相關係數為-1，變成完全負相關。說明兩者是家庭總碳排的組成部分，且兩者不存在相互影響。生活碳排放高的區域不一定出行碳排放高，同時也說明生活碳排放和出行碳排放受不同因素影響。 對表征家庭住房特征的幾個變量（X1住房購買或租用、X2住房類型、X3住房麵積、X5住房年代、X6住房形式）進行簡單相關性分析，結果發現住房形式與住房麵積和住房年代呈正相關關係，相關係數分別為0.350，0.306（在0.01的水平上顯著），說明在考慮住房因素對家庭碳排放的影響時，可能存在變量間相互影響的現象。 對表征家庭特征的幾個自變量（X12主要成員一教育程度、X13主要成員二教育程度、X14主要成員一就業單位、X15主要成員二就業單位、X16平均收入）進行簡單自相關，看因素間是否存在相互影響的情況。X12主要成員一教育程度、X13主要成員二教育程度顯著正相關，相關係數為0.672（在0.01的水平上顯著）；就業單位與教育程度之間也存在較大的正相關關係；平均收入與家庭教育程度和就業單位呈正相關關係。說明家庭成員之間生活模式和出行模式相互影響，同時考慮碳排放與家庭因素間關係時可能存在的相互影響關係。 （3）因變量與自變量之間相關關係。對家庭總碳排放和影響家庭碳排放的社會經濟特征變量相關關係進行分析，結果顯示X7有汽車嗎，X6住房形式，X8人口，X3住房麵積，X16平均收入，X5住房年代6個變量與家庭總碳排放量相關關係較為顯著，相關係數分別為-0.331，0.182，0.181，0.145，0.120，0.086。家庭總碳排放受生活碳排放和出行碳排放兩方麵影響。綜合而言，家庭是否有汽車仍然是決定總碳排放量的決定性因素，其次是住房形式。住房形式的不同不僅影響家庭能耗大小，也反映了住房位置，進而影響出行碳排放量。最後，家庭收入、人口也是家庭碳排放量的影響因素。就業單位，年齡結構的表征，家庭成員個人的特征與家庭碳排放的相關關係不明顯（表2）。 4.2 回歸分析 以家庭總碳排放量為因變量，住房購買或租用、住房形式等為自變量進行最優尺度回歸。調整R方為0.200，模型解釋能力差強人意。P值為0.000，通過顯著性檢驗，具有統計學意義。16個自變量中，住房形式和有汽車嗎兩個變量通過0.05的顯著性檢驗，進入回歸方程，可以得到最終回歸模型： 由模型可知，上海市家庭總碳排放的主要影響因素是是否有汽車和住房的形式。家庭是否有汽車極大的影響了出行碳排放量，是出行碳排放的最顯著性因素。家庭收入狀況和住房形式影響了生活碳排放。綜合而言，是否有汽車和住房形式最終進入回歸方程。 5 結語與討論 國際城市發展經驗顯示，隨著大城市產業結構的“軟化”和居民生活的機動化，家庭碳排放在城市碳排放的比重中將呈現上升趨勢。當前，隨著大城市人口增長、汽車增長和城區麵積擴大，中國城市碳排將呈現出與西方城市類似的發展態勢。上海樣本數據分析表明：第一，上海市居民碳排放構成中，生活碳排放差異不明顯，出行碳排放是決定總碳排放大小的重要因素；第二，地理區位在碳排放的空間格局中起著重要的作用。上海家庭出行碳排放和總的家庭碳排放呈現出倒“U”型格局，低碳區主要位於核心城區和遠郊區，高碳區呈環狀分布於近郊區；第三，居住區位、住房類型、是否有汽車等因素影響著上海家庭碳排放；第四，居住與就業空間不匹配、優質的教育和醫療等資源高密集於中心城區、公共交通體係不完善、汽車驅動型出行模式形成等等因素，是上海家庭高碳排放的重要影響因素。 根據研究成果，並借鑒西方低碳城市建設經驗發現，未來上海等中國大城市低碳城市建設應注意如下幾點：第一，應構建緊湊多中心空間模式、公交主導空間模式和生態主導空間模式等低碳城市空間發展模式；第二，應鼓勵發展城市公共交通、快速軌道交通等低碳交通體係；第三，在完善市內軌道交通的同時，應加大中心城區軌道交通向郊區延伸；第四，加強軌道交通站點與其他交通方式順暢銜接，尤其是地鐵站點應實現與公共汽車的順暢換乘；第五，應從低碳的視角，發展具有中國特色的城市社區，與西方國家的新城市主義和精明增長相呼應；第六，上海市應重點疏解優質教育、醫療資源，在新城高標準配置優質公共資源。 參考文獻： [1]潘海嘯，湯諹，等.中國“低碳經濟”的空間規劃策略[J]. 城市規劃學刊， 2008，（6）： 57-63. [2]顧朝林，譚縱波，劉宛，等.氣候變化、碳排放與低碳城市規劃研究進展[J].城市規劃學刊，2009，（3）：38-45. [3]Jos G.L，Olivier，Greet，Janssens-Maenhout，Jeroen A.H.W.，Peters.Trends in Global Co2 Emissions [R]，2012 . [4]國際能源機構（IEA）.世界能源展望2011報告[Z].出版者不詳. [5]陳飛，諸大建.低碳城市研究的內涵、模型與目標策略確定[J].城市規劃學刊，2009，（4）：7-13. [6]劉誌林，戴易欣，等. 低碳城市理念與國際經驗[J].城市發展研究，2009， （6） ：1- 7. [7]秦波，邵然.低碳城市與空間結構優化：理論、實證和實踐[J].國際城市規劃， 2011，（3）：72-76. [8]David Brownstone，Thomas F. Golob.，The impact of residential density on vehicle usage and energy consumption， Journal of Urban Economics .2009，65（2） ：91-98. [8]Dieleman F M， Dijst M， Burghouwt G. Urban form and travel behaviour： Micro-level household attributes and residential context. Urban Studies， 2002，35（4）：32-45. [9]鄭思齊，霍燚. 低碳城市空間結構：從私家車出行角度的研究[J] .世界經濟文彙，2010，（6）：50-65. [10]杜寧睿，向澄，等. 家庭出行碳排放特征分析及規劃啟示-以武漢市為例[C]. 《城市發展研究》雜誌社.2012城市發展與規劃大會論文集，2012 . [11]蘇濤永，張建慧，李金良，倪穎.城市交通碳排放影響因素實證研究-來自京津滬渝麵板數據的證據[J].工業工程與管理，2011，（5）：134-138. [12]潘海嘯.軌道交通與大都市地區空間結構的優化[J].上海城市規劃，2007，（6）：37-43. [13]Parker P，Rowlands，Scott D. Who changes consumption following residential energy evaluation？Local programs need all income groups to achieve Kyoto targets[J].Local Environment，2005，（10）：73-87. [14]Wei Y M，Liu LC，Fan Y et al.The impact of lifestyle on energy use and CO2 emission： An empirical analysis of China’s residents[J].Energy Policy，2007，35（1）：247-257. [15]Holden E.，Norland I.T.Three Challenges for the Compact City as a Sustainable Urban Form：Household Consumption of Energy and Transport in Eight Residential Areas in the Greater Oslo Region[J].Urban Studies，2005，42（12）：2145-2166. [16]Vringer K，Blok K. The direct and indirect energy requirements of households in the Netherlands[J].Energy Policy，1995，23（10）：893-910. [17]楊選梅，葛幼鬆，曾紅鷹. 基於個體消費行為的家庭碳排放研究[ J] .中國人口·資源與環境，2010，（5）：35-40 . [18]陳佳瑛，彭希哲，朱勤.家庭模式對碳排放影響的宏觀實證分析[M]北京：科學出版社，2007. [19]楊瑞華，葛幼鬆，曾紅鷹.基於CLA模型的城市微觀家庭碳排放特征研究-以全國9個城市家庭碳排放問卷調查為例[J].山西大學學報（自然科學版），2011，（4）：655-661. [20]Ewing，R.，Cervero，R.Travel and the Built Environment：A Synthesis[J].Transportation Research Record.2001，1780（2）：87-114. [21]Glaeser，E.L. and M.E.Kahn."The Greenness of Cities"，2008. [22]孫斌棟，潘鑫，寧越敏.上海市就業與居住空間均衡對交通出行的影響[J].城市規劃學刊[Z].2008，（1）：77-82. [23]塗婷，潘鑫.城市多中心空間布局對交通擁堵的疏導-以上海為例[J].交通瞭望，2011，（2）：54-57. [24]柴彥威，肖作鵬，劉誌林.基於空間行為約束的北京市居民家庭日常出行碳排放的比較分析[J].地理科學，2011，（7）：843-849. [25]周潮，劉科偉，陳宗興.低碳城市空間結構發展模式研究[J].科技進步與對策，2010，（22）：56-59. [26]黃經南，杜寧睿，劉沛，韓筍生.住家周邊土地混合度與家庭日常交通出行碳排放影響研究—以武漢市為例[J].國際城市規劃， 2013，（2）：25-30. [27]陳錦富，盧有朋，朱小玉.低碳視角下的城市街區空間結構模式探討[J].規劃廣角，2013，（1）：66-70. [28]AnselinL.Local Indicator of Spatial Association：LISA[J].Geographical Ansly，1995，27（3）：93-115. 責任編輯：蔣亞林