公司于昭校聘教授在城乡低碳空间治理研究中取得新进展

近日，william威廉中文官网于昭校聘教授及合作团队在城乡低碳空间治理领域开展研究，相关成果分别发表于国际权威期刊《Building and Environment》和《Cities》。两刊均为JCR Q1期刊及中科院一区TOP期刊，最新影响因子分别为8.4和7.0。研究围绕“碳排放特征识别—建成环境阈值响应—数字技术减排机制”这一主线，从街区与城市两个尺度探讨城乡低碳空间治理的关键机制与政策路径。

在街区尺度，团队在《Building and Environment》（IF=8.4，JCR Q1，中科院一区TOP）发表题为“Spatiotemporal patterns of carbon emissions and their threshold responses to the built environment in residential blocks: Evidence from Beijing megacity (2000–2022)”的论文。研究以北京788个居住街区为对象，构建“时空格局诊断—统计关联—机器学习阈值识别”的集成分析框架，揭示街区尺度碳排放的时空分异特征及其对建成环境因子的非线性响应机制。研究发现，2000—2022年北京居住街区碳排放总量增长278.0%，2013年后增速明显放缓；规划实施率高于80%的街区是碳减排优先干预区域，2022年占居住街区总排放的84.7%，高排放热点沿城市核心经济与创新轴呈东西向线状锁定。机制上，人口规模表现为稳定的线性驱动，绿色生态与轨道交通因子则呈现显著的非线性阈值与协同效应，验证了北京人口疏解、生态修复与轨道交通投资等政策的协同减排有效性。该研究将阈值发现直接对接控制性详细规划指标管控，为特大城市街区尺度适应性低碳治理提供了可迁移的分析范式。

图1 研究成果发表于《Building and Environment》

图2 居住街区碳排放与建成环境响应分析框架

在城市尺度，团队在《Cities》（IF=7.0，JCR Q1，中科院一区TOP）发表题为“Digital City, fewer emissions? Leveraging quasi-experiments to uncover big data's mediated climate impact”的论文。研究以中国国家大数据综合试验区设立为准自然实验，基于278个地级及以上城市2006—2021年面板数据，运用双重差分法与倾向得分匹配—双重差分法，识别大数据战略对城市能源碳排放强度的因果效应及其作用渠道。研究表明，大数据战略显著抑制城市能源碳排放强度，且结论在平行趋势检验与多项稳健性检验下保持成立；人工智能产业发展与技术进步是核心中介渠道，城市创业活力、第三产业发展与政府科教支出发挥正向调节作用；政策效果在东部地区、大城市及传统工业城市更为突出。该研究为数字技术介入城市气候治理的机制识别与差异化政策设计提供了准实验证据。

图3 研究成果发表于《Cities》

图4 中国城市能源碳排放强度空间演变与集聚特征

两项研究分别聚焦居住街区建成环境与城市大数据战略，为不同尺度的低碳空间治理提供了实证参考，也为城乡空间规划中的低碳议题提供了方法借鉴。

图文：于昭

审核：张健