环境规制对城市空间伸延的影响研究——基于中国30个城市的实证分析

刘 勇 李红艳 田 潇 高 德

1（四川大学经济学院，成都 610065） 2（普华永道中天会计师事务所，北京 100020）

随着工业化和城市化的不断推进，城市不断向周边地区伸延，方便快捷的交通路网体系，使得这一进程有加速的趋势。城市空间的伸延在促进经济发展、推动城乡一体化方面有着积极作用，但是也会带来资源、环境等一系列问题，如城市雾霾污染[1]。城市空间伸延带来的环境负效应使得大量的文献对此进行了研究，并认为环境规制会在一定程度上抑制城市空间伸延，弱化环境负效应，使得城市空间伸延的弊端得以减少，但是也有研究认为环境规制的作用有限。有鉴于此，本文基于中国30个省会城市和直辖市（考虑数据的可获得性，西藏和港、澳、台地区未包含在内）的卫星遥感数据和统计年鉴数据（1996～2020），将环境规制细分为行政命令型、市场调节型和非正式型，定量分析城市空间伸延与环境规制的关系。研究结论将有利于城市空间的有效治理，为城市经济增长以及可持续发展奠定基础，同时，还有利于环境规制的设计，提升规制效率。

城市空间结构是多维度概念，既有研究从不同层面对此进行了研究，提出了多种衡量指标，包括面积加权平均斑块形状指数、集中度、开放空间率等[2]。 同时，Huang 等 （2007）[3]采用了紧凑度、中心性、复杂性和密度指标对城市空间结构进行测量。Liu等 （2020）[4]基于紧凑率和伸延度对城市空间结构进行了计算。 Tang和 Wang （2007）[5]则运用了建筑空间、道路空间、绿地指标计算城市的空间结构，还有Zhang（2004）[6]基于重力模型测量城市空间的可达性，以及McMillan（2007）[7]从交通安全方面设计了城市空间的衡量指标。

城市空间结构受到多种因素的综合影响，包括城市化、国内生产总值、交通路网、政策导向、土地制度等。有研究认为交通路网有着非常重要的空间引导作用[8]，特别是高速铁路已成为诱发中国城市蔓延的重要因素[9]，更为详细的研究表明人均工矿仓储用地水平、人均小汽车数量和人均道路面积的提高也促进了城市空间蔓延[10]。并且，城市增长边界的设定不会抑制反而会导致城市空间蔓延[11]，特别是随着第二产业就业比重的增加，城市蔓延度会提高[12]。政府规制等制度因素对城市空间结构的影响日益成为研究热点之一，特别是地方政府对发展资源的竞争，也会导致城市空间的蔓延[13]，同时，政府官员的晋升激励不断推动了城市空间的扩张[14]。

城市空间结构方面的研究涉及多个学科的内容，因此，既有研究采用了多种研究方法，包括DEA-Malmquist 模型[2]和双重差分法[9]。 另外，结合地理信息系统的数据进行分析的研究颇多，包括设计城市蔓延指数法和空间自相关分析法[13]，其中采用夜间灯光数据[15]进行分析也是既有研究方法的突出特色。

既有研究对城市空间结构的衡量指标没有统一的标准，呈现出多样性，根据特定研究需要设计了多种衡量指标，在分析影响城市空间结构的因素方面，涉及经济、产业、交通和制度等多种因素，并且采用多种研究方法，得出了颇有价值的结论。在公开发表的文献中，还没有研究将环境规制细分为行政命令型、市场调节型和非正式型三大类，并综合卫星遥感数据，分析环境规制对城市空间结构伸延度的影响的三究。因此，本文将针对这个问题，基于中国30个城市的实证数据进行分析。

城市空间伸延的衡量没有统一标准，正如前文的分析，既有研究提出了多种指标进行衡量。由此可见，具体衡量指标的选择是根据不同的研究目标以及数据的可获得性确定的。另外，由于城市空间结构的变化不是一蹴而就完成的，其中的时间跨度较长，因此，没有必要选择每一年的数据进行分析，另外，空间结构的数据涉及卫星遥感影像的解译方面，有些年份的遥感影像由于云层和天气等原因导致分辨率很低，无法完成有效的解译。综合考虑，本文选择了1996年、2000年、2007年、2010年、2016年、2020年的数据进行分析，采用如下公式进行计算[16]：

其中L指城市的最长轴，L′指城市的最短轴。选取相应年份的卫星遥感影像图（Lansat TM和Lansat OLI）作为数据来源[17]。通过遥感数字图像处理软件（ENVI5.3）和地理信息系统软件（ARCGIS10.2），对遥感数据影像进行城市建设用地的信息解译。遥感信息提取方法主要分为目视解译和自动分类。在城市建设用地信息提取过程中，综合考虑研究对象的特征和图像处理的工作量，主要采用非监督分类方法中的ISODATA算法。同时在遥感影像解译过程中，水体与道路、裸地与部分建筑地物的光谱特征相似，会对分类产生影响，为了提高精度，辅以目视判读完成图像的分类后处理。首先，通过监督分类解译出建设用地及非建设用地信息，之后，采用目视判读的方式进行城市建设用地信息的提取，最后是后期处理，主要通过过滤处理（Sieve）和聚类处理（Clump）进行小图斑的剔除或重新分类。借助于Google Earth、城市专题地图及目视判别结果，通过混淆矩阵对总体分类精度和Kappa系数进行计算，分类结果精度均在70%以上。

计算结果如图1所示。1996年，30个城市的空间伸延率最小值为0.99（昆明），最大值为2.02（杭州），平均值为1.25。2000～2010年间变化幅度不大，2016年有个别城市的伸延率显着增长，2020年30个城市的空间伸延率都有不同程度的增长，并且各个城市之间的差距日益明显，其中最小值为1.69（南宁），最大值为6.51（海口），平均值为2.53。

图1 城市空间结构伸延率

环境规制是一个多维度概念，包括三大类的环境规制：行政命令型、市场调节型和非正式规制。为寻找环境规制与城市空间伸延的关系，本文按照卫星遥感数据的相应年份选取1996年、2000年、2007年、2010年、2016年和2020年6个年份内的各直辖市、省会城市进行分析，数据来自 《中国统计年鉴》、《中国环境统计年鉴》、各个省市区统计年鉴和环境统计公报。

这种规制是指以政府的强制性为典型特征，以行政命令的方式进行执行。为了有效量化行政命令型规制，Brunneimer和 Cohen （2003）[18]采用了政府的污染治理投资数量进行衡量，Hamamoto（2005）[19]的研究进一步验证了这种方法，Xie等（2017）[20]则采用新建设项目的环境投资数量对这种规制进行衡量。因此，以环境污染治理投资数量作为行政命令型规制的衡量不失为一种有效的指标，本文从 《中国环境统计年鉴》和国家统计局获取的数据中选取了样本年份中各省市区的环境污染治理投资额，其中1996年的数据缺失，用相近年份1997年的数据推算得出。除了直辖市以外，仅能获取省域数据，先按照省会城市的废水、废气、废渣排放量占全省三废排放量比重的平均值，再乘以该省域的环境污染治理投资额，进而估算出省会城市的环境污染治理投资额，得到5年各样本城市的数据，结果见表1。

表1 5年各样本城市环境污染治理投资额 单位：亿元

从1996～2020年，样本城市的环境污染治理投资额随年份呈上升趋势，并且各个城市之间的差距显着扩大。其中2020年、2016年、2010年、1996年的环境污染治理投资额最大值城市都是北京，分别为685.17亿元、674.2亿元、231.4亿元和10.2亿元；2007年和2000年的最大值城市是上海，两年的环境污染治理投资额分别是366.12亿元和50.52亿元。海口市2020年、2016年、2010年和2000年的环境污染治理投资额居所有样本城市的最低位，分别为1.07亿元、1.2亿元、0.93亿元和0.03亿元；2007年和1996年的最小值样本城市是西安，两年的环境污染治理投资额分别是1.23亿元和0.02亿元。

这种规制突出市场调节特征，以市场运作手段对污染进行治理，包括污染收费和排污交易权等，通常采用排污费收入总额进行衡量[20]。从 《中国环境年鉴》中提取到当年部分样本城市的排污费数据，对于未提取到的样本城市的排污费，按照该市的废水、废气、废渣排放量占全省三废排放量比重的平均值，再乘以该省排污费，估计该市的排污费金额。2018年起环境保护税替代了环保部门征收的排污费，故2020年排污费数据为环保税额。得到6年各样本城市的排污费数据见表2（重庆1996年的数据以1997年替代）。

分析结果表明，总体上各样本城市排污费呈现增长趋势。2020年排污费最高的城市是北京（9.61亿元）；2016年排污费最高的城市是天津（6.81亿元）；2010年排污费最高的城市是重庆（3.77亿元）；2007年排污费最高的城市是太原（6.81亿元）；2000年排污费最高的城市是杭州（1.36亿元）；1996排污费最高的城市是上海。海口在2020年、2016年、2010年、2007年和2000年的排污费都位于所有样本城市中的最低位，1996年排污费最少的样本城市是西宁。

这种规制的实质是一种 “压力”，包括来自公众、社区、非政府组织等要求减少环境污染的压力[21]。直接获取这种压力的量化指标非常困难，因此，既有研究采用一些与此有关联度的间接指标进行衡量，包括人均收入、公众投诉量和教育水平[22-24]。鉴于数据的可获得性，本文采用教育水平衡量这种非正式规制。衡量一个城市的教育水平可用该城市的人口平均受教育年限作为衡量指标。人口平均受教育年限（PJ）一般指6岁及以上人口的平均接受学历教育年数，可代表一个地区的教育水平[25]，计算方式如下[26]：

由于无法获得市级数据，因此用省级数据推算市级数据。收集2020年、2016年、2010年、2007年、2000年、1996年6年的各省区直辖市人口平均受教育年限数据，包括各城市的在校生数。然后，利用省会城市在校生数与省区总在校生数及其之间的比例，推算出省会城市的人口平均受教育年限，公式推导：

将省、市的6岁以上人口总数比例约换算成在校生人数比例：

其中 “高中文化人数”含 “中专”，“大学文化人数”含 “大专”，对于仅有 “中学在校生数”的数据，其在校时长取10.5年。得出样本城市的人口平均受教育年限见表3。

表3 样本城市人口平均受教育年限 单位：年

计算结果表明，各样本城市人口平均受教育年限呈现稳步上升趋势。2020年和2016年南京的人口平均受教育年限在所有样本城市中最大，分别为13.01年和12.76年，而2010年、2007年、2000年和1996年样本城市中人口平均受教育年限最大的城市是北京，分别为11.01年、11.09年、9.59年和9.58年。6个样本年份内，西宁的人口平均受教育年限一直是所有样本城市中最少的，从2020～1996年依次为9.33年、8.40年、7.03年、7.18年、5.59年和5.04年。在2000年以前，所有城市的人口平均受教育年限都低于10年，而在2016年之后，人口平均受教育年限超过10年的城市已经超过20个。

基于对城市空间结构的伸延率和环境规制的定量评价指标，建立面板分析模型以分析伸延率和环境规制的定量关系。所有变量都进行了对数运算。面板分析模型有多种形式，为了筛选出最佳的模型，本文计算了F统计量以及Hausman统计量的值，结果表明应该选择固定效应模型。面板回归分析结果表明3种类型的环境规制和城市空间伸延率都有着显着的相关性（见表4）。

表4 城市空间伸延率与环境规制回归分析结果

为了检验模型结果的稳健性，引入新的变量到模型之中（样本城市的GDP），从图2可见，从1996～2020年，样本城市的GDP呈现出明显的增长趋势。

图2 样本城市的GDP变化趋势图

将各个城市的GDP进行对数运算后，运用固定效应面板模型进行分析，结果如表5所示，加入GDP变量之后，仍然没有改变伸延率和环境规制的显着相关性。因此，有理由相信，不同类型的环境规制对城市空间结构的伸延率有着显着的影响。

表5 城市空间伸延率与环境规制的稳健性分析

（1）行政命令型环境规制与城市空间伸延率显着正相关。城市空间的伸延伴随着城市用地向周边扩张，推动这一扩张过程的重要因素之一就是行政命令[13]。与城市周边的郊区相比较，中心城区的行政命令型环境规制的执行更为严格，可能的原因是中心城区集聚着大量的人口，同时也是政治、文化和经济的中心，一旦发生环境污染导致的公共危机事件，后果非常严重[27]。城市周边的郊区，行政命令型环境规制的执行力度相对较低，事实上中国乡镇环境保护机构仅占环保机构总数的4%～15%，而人员仅占1%～4%[28]，再加之在追求GDP和官员晋升的激励下[14]，政策导向倾向于城市空间伸延，将污染类产业布局在郊区，各类经济主体也在一定程度上规避了行政命令型环境规制的强制处罚。因此，行政命令型环境规制在城区和郊区的执行差异在一定程度上推动了城市空间向周边地区伸延。

（2）市场调节型环境规制与伸延率显着负相关。市场调节型环境规制是以市场机制的调节为基础，通过市场信号引导资源的布局和分配，包括排污权收费和排污权交易等，这种规制从激励污染主体自发改善环境行为着手，增加环境友好型生产技术的投资，从排污的根源上治理环境污染，这种经济主体的环境行为较好，完全可以达到行政命令型环境规制的基本要求[21]，甚至做得更好。因此，不会盲目跟从城市空间的伸延浪潮，而会根据市场和自身发展的需要合理选择布局，进而在一定程度上抑制了城市空间的伸延。

（3）非正式环境规制与伸延率显着正相关。非正式环境规制是一种来自社区和民众的压力，要求污染主体减少污染，改善环境行为。相比城市周边的郊区和农村而言，主城区的居民具有较高教育程度，通常环境意识也较高，对污染的敏感度和维权意识等使得污染严重的企业在主城区难以立足，社区居民会给企业和政府施加压力，要求其改善环境行为。作为企业而言，通常愿意迁移到城市周边地区，享受政策主导的城市扩张所带来的优惠，而不愿意增加投入改善环境，因此，随着主城区非正式环境规制的力度增加，在城市化政策的共同催化下，大量的污染企业会向郊区搬迁，改变土地利用类型，实现城市空间的伸延。

本文基于中国30个城市（省会和直辖市）1996年、2000年、2007年、2010年、2016年和2020年的卫星遥感数据以及各类统计年鉴数据，设计了城市空间结构伸延和环境规制（行政命令型规制、市场调节型规制和非正式规制）的定量评价指标，采用面板分析模型定量分析了3类环境规制和城市空间结构伸延的关系。

计算结果表明，样本城市的空间伸延率，具有明显的增长趋势并且各个城市之间的差距日益明显。同时，衡量三大类环境规制的定量指标也呈现出增长的趋势。面板模型的分析结果表明，行政命令型环境规制与城市空间伸延率显着正相关，该种环境规制在城区和郊区的执行差异，在一定程度上推动了城市空间向周边地区伸延。市场调节型环境规制与城市空间伸延率显着负相关，这种规制从激励污染主体自发改善环境行为着手，不会盲目跟从城市空间的伸延浪潮，在一定程度上抑制了城市空间的伸延。非正式环境规制与城市空间伸延率显着正相关。随着主城区非正式环境规制的力度增加，在城市化政策的共同催化之下，实现城市空间的伸延。

以上结论为合理设计环境规制，促进城市空间有效治理提供了颇有价值的信息。（1）统筹城乡行政命令型环境规制的执行效力。行政命令型环境规制在我国仍然具有重要的作用，特别是针对那些环境行为恶劣的污染主体，采取强制的环境规制，对其进行严格规范，仍然有效。为了避免污染主体向城郊转移，逃避环境监管，需要进一步统筹协调城郊的环境管理，避免新一轮的迁移性环境污染，同时也能抑制伴随着污染转移的城市空间无序扩张；（2）健全和充分发挥市场型环境规制。市场型环境规制以市场机制的运行为基础，进一步完善相关规制可以从激发环境主体自身的主观能动性方面改善环境行为，不但减少了环境污染，还能避免为了逃避环境监管而迁移到城郊，助推城市空间的盲目伸延；（3）合理引导非正式环境规制。这种类型的环境规制以社区和公众的监督为主导，合理引导城乡居民的环境意识，特别是城市郊区群众，发挥群众的监督作用，能够有效的抑制污染类主体在城郊的排污行为，进而抑制城市空间的过度伸延。

城市空间结构是多维度的复合概念，环境规制的衡量指标也包括多种类别，本文的研究根据数据的可获得性，设计了相关指标进行实证分析，进一步的研究将致力于对评价指标的细化和扩充，以期挖掘出环境规制和城市空间结构的更多关联机制。