近日，北京农学院何忠伟教授团队在国际知名学术期刊Sustainable Cities and Society发表题为“Urban polycentricity, spatial compactness, and carbon emission efficiency in China: An ensemble machine learning evaluation”的论文，研究揭示中国城市空间结构对碳排放效率的非线性影响。

在全球应对气候变化和推动低碳转型的背景下，城市既是碳排放的主要来源，也是实现减排目标的关键战场。作为全球最大的碳排放国和快速城市化的发展中经济体，中国正面临着如何在保持经济增长的同时，通过优化城市空间布局提升碳排放效率的重要课题。

为深入解析这一复杂问题，论文构建了一个创新的集成机器学习评估框架，基于2006至2019年中国275个城市的面板数据，结合非径向方向距离函数与可解释机器学习算法，系统考察了城市多中心性和空间紧凑度对碳排放效率的影响机制。

图1 理论分析框架

研究揭示出两者之间存在的非线性关系：适度的多中心发展可有效缓解核心区域拥堵、提升资源配置效率，从而促进碳减排；但若过度扩张，则可能引发空间碎片化和通勤距离增加，反而降低碳排放效率。城市空间紧凑度与碳效率之间呈现出“倒U型”关系——适当的人口和经济集聚有助于形成规模效应，但过度密集则会加剧交通拥堵与环境负担。

在影响因素方面，经济发展水平始终是提升碳效率的主导动力，而工业二氧化硫排放持续对碳效率产生抑制作用。研究还发现，不同区域、城市群及城市规模下的关键因素存在明显差异。例如，东部地区受经济集聚、工业排放和人口密度影响较大，而中西部地区则更受自然地形与城镇化率制约；中小城市在多中心发展中受益最为显著，而超大城市则需更加注重产业升级和污染控制。

图2 中国不同区域城市碳排放效率影响因素的重要性排序

基于上述发现，论文提出了具有针对性的政策建议：一是引导城市空间结构向适度多中心与紧凑集约发展，强化公共交通导向的开发模式；二是促进经济集聚与绿色效应协同发展，鼓励发达城市加大对低碳技术与清洁能源的投资；三是制定区域差异化策略，东部聚焦创新引领，中西部加速产业转型与能效提升；四是强化环境规制，严格管控工业污染源。

该项研究不仅在理论与实证层面丰富了对城市空间结构与碳排放效率关系的理解，也为中国在“双碳”目标下推动城市低碳转型提供了科学支撑。其构建的数据驱动与可解释机器学习评估框架，也为未来城市可持续发展研究提供了新的方法范式。

北京农学院张强强副教授为论文第一作者，何忠伟教授和刘芳教授为论文共同通讯作者，研究工作得到了北京市哲学社会科学办公室、北京市农业农村局、北京市教委等多个项目的资助。

论文链接：https://doi.org/10.1016/j.scs.2026.107306