研究背景与意义

在全球气候变化加剧和快速城市化背景下，实现经济增长与生态保护的平衡已成为可持续发展研究的核心议题。在中国“双碳”目标驱动下，城市发展模式正逐步从传统投入和规模导向型扩张转向效率提升、结构优化和绿色发展。老工业基地城市作为工业化进程中形成的重要空间单元，为国家工业体系建设和经济发展做出了重大贡献，但与一般资源型城市和快速城市化地区相比，中国老工业基地城市表现出更强的产业路径依赖、能源密集型产业结构和制度惯性。这些城市在长期资源密集型发展模式下经历了累积性环境压力、产业锁定和日益严格的生态约束。在碳达峰碳中和目标与绿色转型背景下，识别老工业基地经济与环境协调发展的关键因素，对于推动资源依赖型地区绿色转型和实现高质量发展具有重要意义。城市生态效率概念由Schaltegger和Sturm于1990年首次提出，定义为价值创造与环境影响的比值，其核心原则是以最少的资源消耗和环境退化实现最优经济表现，现已被广泛认为是评估可持续发展的关键指标。然而，现有UEE研究存在若干关键空白：研究情境上主要聚焦于国家尺度、城市群和经济发达地区，对具有资源依赖、产业路径依赖和结构转型约束特征的老工业基地城市关注有限；方法上多依赖传统线性回归、空间计量模型或单一机器学习算法，难以同时捕捉非线性响应、关键转折点和区域异质性；机制上较少建立连接关键驱动识别、边际效应估计和阈值检测的整合框架。本研究以中国95个老工业基地地级市为对象，考察2009—2023年城市生态效率的时空演变与驱动机制，为资源依赖型地区和类似转型城市提供政策相关见解。

研究内容

三维分析框架构建与时空演变分析：构建包含时间、结构和空间维度的三维分析框架，揭示老工业基地城市UEE的动态演变和空间格局，包括区域差异、Theil指数分解和空间重心迁移。

Stacking集成学习驱动因子识别：采用Stacking集成学习框架识别UEE的关键驱动因子，涵盖经济发展、产业结构、城市环境、社会发展和科技创新等维度。

SHAP-GAM非线性关系与阈值效应解析：整合SHAP可解释性框架和广义可加模型，刻画驱动因子对UEE的非线性关系和阈值特征，揭示边际效应的阶段性转变。

区域差异化策略提出：基于不同区域影响强度和阈值水平的差异，提出因地制宜的转型策略。

研究结果

UEE呈波动上升趋势且区域差异显著：研究期内中国老工业基地城市UEE呈波动上升趋势，经历缓慢增长、稳定增长和加速提升三个阶段。区域差异显著，均值排序为东部（0.532）> 西部（0.496）> 东北（0.487）> 中部（0.432）。核密度曲线表明UEE持续改善、分化明显、呈多极化特征。

空间差异从区域间转向区域内：Theil指数整体下降39.2%，组内差异贡献升至28.8%，成为区域差距的主要来源，反映差异从区域间转向区域内。空间格局从低效分散演变为高效集聚，空间重心向西南移动；东北-西南分布保持稳定，冷热点格局趋于热点扩散和冷点收缩，空间集聚增强。

驱动因子呈复杂非线性关系与阈值效应：Stacking-SHAP-GAM框架表明，UEE与经济发展、产业结构、城市环境、社会发展和科技创新之间存在复杂非线性关系。经济水平、产业结构合理化和城镇化率等核心因子呈显著非线性阈值特征和类环境库兹涅茨曲线边际效应，城市收缩、技术发展等因子表现出明显的区域异质性和阈值效应。研究为资源依赖型地区和类似转型城市的可持续发展提供了政策相关见解。

原文链接：

https://www.sciencedirect.com/science/article/pii/S1470160X26009477?via%3Dihub#s0170

【中科院1区】基于可解释机器学习的中国老工业基地城市生态效率时空动态及非线性驱动因素研究

研究背景与意义

研究内容

研究结果