长三角城市零碳发展评估分析

李志青 吴涵嫣

(复旦大学 经济学院，上海 200433；加利福尼亚大学，洛杉矶分校，美国)

2020年9月22日，国家主席习近平在第七十五届联合国大会上提出：“中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。”“碳达峰”和“碳中和”已写入中国国家政府工作报告，成为中国发展的重要远景目标。

世界上的绝大部分人口都集中在城市，城市消耗了全球75%的能源，排放了80%的温室气体(1)朱婧、刘学敏、姚娜：《低碳城市评价指标体系研究进展》，《经济研究参考》2013年第14期。，城市是人类实现碳达峰、碳中和行动的核心平台。国家发改委早在2009年就强调了建设低碳城市的重要性(2)国家发展改革委气候司：《关于开展低碳省区和低碳城市试点工作的通知》，2010年7月19日,https://www.ndrc.gov.cn/xxgk/zcfb/tz/201008/t20100810_964674_ext.html,访问时间：2022年3月9日。，并在2010年开始低碳城市试点，中国有关碳达峰、碳中和的承诺将有力促进城市的低碳发展。但是，如何对一个城市的碳达峰、碳中和能力及潜力进行综合评估，在我国尚缺乏标准的统一范式。本文将在现有研究基础上，构建零碳发展指标体系，以长三角41个城市为研究对象，展开评估分析。

一、 文献综述

20世纪80年代以来，随着全球环境问题的提出，学界也开始关注国家和城市碳排放的影响因素。日本学者Kaya Y.于1989年提出对国家层面碳排放总量驱动因素分解的Kaya恒等式，他将碳排放总量分为4个驱动因素：能源碳强度、单位GDP能源强度、人均GDP以及人口规模(3)K. Yoichi, “Impact of Carbon Dioxide Emission on GNP Growth: Interpretation of Proposed Scenarios,” Presentation to the Energy and Industry Subgroup, Response Strategies Working Group, IPCC, Paris (1989).；我国学者林伯强等(2010)在Kaya恒等式的基础上，提出将总人口因子替换为城市化率，探究影响我国碳排放总量的影响因素排序(4)林伯强、刘希颖：《中国城市化阶段的碳排放：影响因素和减排策略》，《经济研究》2010年第8期。；胡初枝等(2008)利用主要指标法，即选取对城市碳排放表征意义强、便于统计的一些指标，计算1980—2005年的碳排放总量及各行业的碳排放量(5)胡初枝、黄贤金、钟太洋等：《中国碳排放特征及其动态演进分析》，《中国人口·资源与环境》2008年第3期。；付允等(2010)利用复合指标法，即选取与城市低碳发展相关的多重指标，从经济、社会和环境三方面构建了一套能够描述城市低碳状态的指标体系(6)付允、刘怡君、汪云林：《低碳城市的评价方法与支撑体系研究》，《中国人口·资源与环境》2010年第8期。；连玉明等(2012)以城市价值最大化为核心、以Delphi法为各级指标权重的计算基础，提出了低碳城市的评价指标体系(7)连玉明：《城市价值与低碳城市评价指标体系》，《城市问题》2012年第1期。。

近年来，许多研究碳排放、碳达峰的文献使用迪氏指数分解法(AMDI、LMDI、GMDI……)、IPAT和STIRPAT模型等方法判断并筛选影响碳排放的因素，这些文献研究显示一个城市的碳排放水平与城市的富裕程度、人口总量、技术水平、城镇化水平、产业结构、能源消费等因素有关。刘骏等(2015)运用DPSIR模型，从驱动力、压力、状态、影响以及响应5个方面构建欠发达地区低碳城市发展评估体系(8)刘骏、胡剑波、袁静：《欠发达地区低碳城市建设水平评估指标体系研究》，《科技进步与对策》2015年第7期。；杨放(2016)应用平衡计分卡的基本思想，从顾客、财务等层面出发，结合低碳政府建设的战略目标，设计出低碳政府的评价指标体系(9)杨放：《基于平衡计分卡的低碳政府评价体系构建》，《科学决策》2016年第3期。；李超骕、田莉(2018)利用“压力—状态—响应”(PSR)模型，利用低碳经济、城市可持续发展等指标体系中符合低碳城市内涵的指标，从城市能源、城市产业、城市交通等8个维度进行综合比较与分析(10)李超骕、田莉：《基于PSR模型的低碳城市评估指标体系研究》，《城市建筑》2018年第12期。。

针对长三角城市群，曹丽斌等(2020)以人口、GDP和城市化率作为影响因素，预测了长三角城市群2025年的二氧化碳排放及达峰情况(11)曹丽斌、李明煜、张立、蔡博峰：《长三角城市群CO2排放达峰影响研究》，《环境工程》2020年第11期。；田泽等(2021)的研究表明，长江经济带碳排放的首要影响因素是经济规模，能源消耗强度和产出碳强度则是抑制碳排放增加的首要因素，因此技术进步是促进碳减排的关键(12)田泽、张宏阳、纽文婕：《长江经济带碳排放峰值预测与减排策略》，《资源与产业》2021年第1期。。

但是，近十年来也有文献指出，当经济发展到一定程度，经济和环境产生“脱钩”现象。“脱钩”这一物理学概念是由经济合作与发展组织(OECD)引入农业政策研究后，资源环境学者将其应用于经济与环境研究而提出的。Jorgenson and Clark(2012)指出，环境危害与经济发展之间的强关系不是一成不变的，而是随不同经济发展阶段有不同的表现。(13)Andrew Jorgenson, Brett Clark, “Are the Economy and the Environment Decoupling? A Comparative International Study, 1960-2005,” American Journal of Sociology (2012).之后，国内外学者对经济与环境的“脱钩”进行实证研究。“脱钩”大致有几种状态：最佳的是“强脱钩”，即经济增长，环境压力减少；“弱脱钩”则是指能耗或污染物排放增长慢于经济增长；“连结”则是指环境压力与经济同向变化，且速度相当；最糟糕的状态是“负脱钩”，即经济增长但环境加速恶化，或经济衰退而污染更严重。

中国学者对长三角城市群碳排放的经济脱钩现象进行了研究。屠红洲(2018)分析了长三角地区碳排放与经济增长的关系，发现长三角25个城市于“十二五”期间总体处于强脱钩或弱脱钩状态，上海、无锡、徐州、苏州、扬州、宁波、金华、台州、丽水等城市处于强脱钩状态(14)屠红洲：《长三角地区能源消费碳排放与经济增长关系的实证研究》，华东师范大学2018届硕士毕业论文。，即人均GDP上升，碳排放下降。此外，庄贵阳等(2011)提出城市低碳经济转型的核心在于四个方面：资源禀赋、技术进步、消费模式和发展阶段，并提出应当从低碳产出、低碳消费、低碳资源和低碳政策四个方面评估一个城市经济是否为低碳经济(15)庄贵阳、潘家华、朱守先：《低碳经济的内涵及综合评价指标体系构建》，《经济学动态》2011年第1期。。

从上可知，已有研究主要从绿色和低碳发展的角度展开评估分析，尚未与“碳达峰、碳中和”目标紧密结合，无法真正体现“双碳”发展的需要。本文主要侧重在现有文献上将最新的“双碳”目标融入评估分析中，构建致力于“零碳发展”的理论框架和指标体系。

二、 长三角城市零碳发展评估指标框架

基于上述已有研究成果，并考虑到数据的可得性，本文提出对于长三角城市碳达峰、碳中和能力的综合评价体系——“城市零碳发展”指标体系。

首先，经济与人口情况是影响一个城市碳排放的基本因素。人口规模是碳排放增加的主要因素之一，因此本文选取“(年末)常住人口”作为衡量人口规模的指标，人口规模越大，碳排放量越多，故为负向零碳指标；经济规模也是影响碳排放的重要指标，本文以“人均GDP”作为衡量经济规模的指标，并按照已有文献(16)屠红洲：《长三角地区能源消费碳排放与经济增长关系的实证研究》，华东师范大学2018届硕士毕业论文。(17)陶成成：《安徽省地级市经济发展路径思考——基于碳排放脱钩的视角》，《重庆文理学院学报(社会科学版)》2016年第5期。中的“脱钩”情况分为两组：强脱钩组(18)强脱钩组的城市为：上海、无锡、徐州、苏州、扬州、杭州、宁波、嘉兴、金华、台州、丽水、淮北、马鞍山、铜陵。和其他组，其中强脱钩组的人均GDP是零碳正向指标，而对于其他组中的城市则是负向指标；本文以工业GDP占GDP比重作为产业结构的衡量指标，一个城市的产业结构中工业占比越大、城市化水平越高，碳排放越多，于是“工业GDP占比”和“城镇化率”是零碳城市的负向指标。

其次，城市零碳发展水平要考虑科技研发所产生的影响，技术进步是碳减排的关键因素。“R&D内部支出相当于GDP比例”和“科技支出占财政支出比例”，分别从市场和政府两个角度衡量一个城市的科技研发强度；此外，产出能源强度，即“单位GDP能耗”，可以衡量一个城市的现阶段技术水平。以上科技研发强度指标为正向指标，产出能源强度为负向指标。

再次，一个城市现阶段的碳排放水平对于达到碳中和所需要的时间也会产生重要的影响。“单位GDP排放”和“人均GDP排放”分别从产出和消费角度衡量了城市的碳排放水平。这两个指标均为负向指标。

此外，评估一个城市的碳达峰、碳中和能力还需要考察其低碳禀赋。本文从三个角度考察一个城市的低碳禀赋：绿化资源、交通设施和绿色金融。绿化资源是一个城市碳减排的自然禀赋，本文选取“人均公园绿地面积”和城市“森林覆盖率”衡量自然低碳禀赋；交通基础设施影响城市居民的交通出行，交通车辆所产生的碳排放是城市碳排放的重要来源，本文选取“每万人拥有公共汽车(标台)数”作为衡量交通设施禀赋的指标；绿色金融是金融禀赋，一个有活力的绿色金融市场可以促进城市经济的绿色转型(19)中国人民大学重阳金融研究院、中国人民大学生态金融研究中心：《“碳中和”中国城市进展报告2021(春季)》，《今日国土》2021年第1期。，本文将“绿色金融市场活力指数”(20)详见复旦大学长三角绿色发展研究课题组：《长三角绿色发展现状评估分析(2020)》。纳入“零碳指标体系”。以上低碳禀赋指标均为正向指标。

最后，城市的社会环境治理努力也对碳减排有不小的作用。本文将环境治理分为非碳相关、碳相关环境治理和综合环境治理两类，予以考察。具体而言，使用“城市垃圾处理率”和“城市污水处理率”作为非碳相关环境治理的代理指标；使用当地政府是否有“碳达峰/中和承诺”、“有无低碳减排政策”和“是否为低碳试点城市”作为碳相关环境治理的代理指标；“节能环保支出占财政支出比例”则体现了当地政府对于环境治理的整体努力。以上社会环境治理指标均为正向指标。

综上，共选取5个一级指标、14个二级指标和19个三级指标，详见表1所示。

表1 “城市零碳发展”指标体系

(续表)

三、 长三角41个城市零碳发展水平评估结果

(一) 数据选取与指标处理

上述指标数据均来自各城市统计年鉴和统计公报，或由相关数据计算得到。大部分数据年份为2019年，若无法获取2019年数据则由最近可获得年份数据代替(2015年至2018年)。其中，江苏省镇江市单位GDP能耗指标、安徽省芜湖市单位GDP能耗指标以及安徽省宣城市节能环保支出占财政支出比例数据缺失，分别用其所在省内平均水平代替。

此外，非数值性指标(环境治理中的碳相关治理)使用0-1赋分处理，有“碳中和/达峰承诺”则此项观测值取1，否则取0，另两项同理。

1. 多变量相关性检验

在选出以上19个指标后，本文对于这些变量进行相关性检验。(21)篇幅所限，变量的相关性矩阵在此省略，需要者可联系本文作者。

实证检验显示，大部分指标变量之间的相关性较小。19个指标中，单位GDP能耗、单位GDP碳排放和人均碳排放观测值相关性较为明显。但是，这三个指标的经济含义各不相同，考察的角度也不相同：单位GDP能耗反映产出总体上的能源利用效率，单位GDP碳排放考察了一个城市产出的碳排放效率，人均碳排放则关注一个城市人均的碳消费水平。由此，尽管这三个指标之间在数值上呈现出比较强的相关性，本文依然将它们全部纳入指标体系以保证评价维度的综合性和完整性。

以上相关性检验说明各个指标间的独立性较强，可以使用变异系数法进行指标权重的确定。

2. 变异系数法权重确定

变异系数法属于多指标综合评价赋权法。其原理是根据各个指标观测值的变异程度大小对该指标赋权。具体过程如下：

首先，计算各指标标准差σi：

然后，计算各指标的变异系数vi，也即指标的相对变异程度：

最后，对各个指标的变异系数进行归一化处理，得到各个指标的权重wi：

由于指标“人均GDP”在强脱钩组为正向指标，而在其他组则为负向指标，我们将分为两组分别进行变异系数权重确定并打分。

3. “城市零碳发展”评分生成

“城市零碳发展”评分计算方式如下：

其中，k代表第k个城市，xik即第k个城市第i个指标的观测值，Min{xik}和Max{xik}分别表示第k个城市的第i个指标中的最小值和最大值。城市k的综合评分Scorek是将每一个指标映射到20至100之间(含20和100)后，按照变异系数法确定的权重的加权总和。

(二) 评分结果

评分权重中，“经济与人口”指标约占17%(强脱钩)和16.5%(其他)，“科技研发”指标约占15%(强脱钩)和19%(其他)，“碳排放”指标约占12%(强脱钩)和11%(其他)，“低碳禀赋”指标约占19%(强脱钩)和16.5%(其他)，“环境治理”指标约占37%(强脱钩)和37%(其他)。长三角41个城市的“零碳发展”水平得分如图1所示。

图1 长三角41个城市一级指标得分堆积柱状图

根据各城市的“零碳发展”评分进行排序，得到表2所示的结果。按照排名前15%给予A档评级，其中70分以上的城市获得A+评级，依次为杭州市、宁波市和上海市；排名15%～70%给予B档评级，其中50分以上给予B+评级，45分以下给予B-评级；排名70%以后给予C档评级，其中37.5分以上给予C+评级。

表2 长三角41个城市零碳发展评估结果

(续表)

四、 长三角城市零碳发展评估结果分析

(一) 各档城市间差异分析

6个A档城市中4个属于强脱钩组、2个属于其他组，22个B档城市中7个属于强脱钩组、15个属于其他组，13个C档城市则有3个属于强脱钩组、10个属于其他组。A、B、C三档城市群均为强脱钩+其他类型的城市混合。

计算长三角41个城市在各一级指标的得分(一级指标下各三级指标得分总和)，并按照强脱钩组和其他组分别进行百分位计算，再将A、B、C三档的城市在5个一级指标的百分位分别作算数平均，得到各档城市在“经济与人口”、“科技研发”、“碳排放”、“低碳禀赋”和“环境治理”5个一级指标的平均百分位，如图2所示。

图2 A、B、C档城市一级指标平均百分位

对于A档和B档城市：首先，A档城市普遍在“环境治理”一级指标居高位，平均百分位高达96.7%，而B档城市环境治理的平均百分位则只有37.4%；然后是“科技研发”指标，A档城市平均百分位为60.5%，B档城市是35.9%，差距比较明显；在“碳排放”指标上，A档城市的平均百分位为50.7%，B档城市则是35.9%，存在一定差距；最后，在“低碳禀赋”和“经济与人口”上，A、B档城市平均百分位差距小于5%。

对于B档和C档城市：主要差距在于“环境治理”和“低碳禀赋”指标，C档城市“环境治理”平均百分位处于41个城市的后5%左右，“低碳禀赋”也大概处于后40%。

由此可见，在“城市零碳发展”指标的分析框架下：C档城市“零碳发展”水平的落后很大程度上是由于“环境治理”上的“后知后觉”和“低碳禀赋”上的“先天不足”，可以先从城市建设和环境政策角度着手，加强环境治理力度，增加城市绿化、森林覆盖率，完善城市公共交通设施，鼓励绿色金融市场发展。B档城市则应该继续提升环境治理力度，同时重点关注低碳技术和“碳”治理，朝低碳绿色经济发展转型。

(二) 三省一市概况

上海市评级为A+。浙江省11个城市简单平均分为55.51，标准差与均分的比值为0.223；评级分布为2个A+、1个A、3个B+、4个B和1个C+，其中杭州市评级最高，绍兴市最低。江苏省13个城市简单平均分为49.13，标准差与均分的比值为0.224；评级分布为1个A、4个B+、3个B、1个B-、2个C+和2个C，苏州市评级最高，泰州市最低。安徽省16个城市的简单平均分为42.34，标准差与均分的比值为0.199；评级分布为1个A、1个B+、3个B、3个B-、4个C+和4个C，六安市评级最高，淮南市最低。

浙江省各城市水平较为平均且水平较高，3个评级为A+的城市中前两个(杭州和宁波)都在浙江省，省内11个城市的简单算数平均分为B+评级；江苏省各城市平均水平为B评级，差异比浙江省稍大；安徽省各城市差异小但平均水平较低，安徽省16个城市在长三角41个城市的评分中整体处于中后段。

表3 各省/直辖市“城市零碳发展”评分概况

由于一个省中各个城市的人口分布不同，继而各地级市的“零碳发展”水平对于全省“零碳发展”水平的重要性不同，仅仅使用各地级市的简单平均分并不能很好地体现一个省的“零碳发展”水平。接下来，本文按照人口加权计算了长三角三省一市的“零碳发展”评分：上海市评分为70.96分；浙江省为60.75分，显著高于简单平均分；江苏省为50.90分，略高于简单平均分；安徽省为43.27分，略低于简单平均分。

经过人口加权后，三省一市均分排名并没有发生改变，但是浙江和江苏分数提升，而安徽下降。这说明，浙江省和江苏省人口集中于“零碳发展”水平较高的城市，而安徽省则相反，人口集中于“零碳发展”水平较低的城市。

(三) 典型城市分析

我们选取上海市及三省(浙江、江苏、安徽)的省会城市——杭州市、南京市和合肥市作为代表性城市进行比较分析。四个城市“零碳发展”水平最高的是浙江省杭州市，上海市第二，然后是江苏省南京市，最后是安徽省合肥市。图3和图4是更加详细的各一级指标得分和百分位情况。

图3 四个城市各一级指标得分堆积柱状图

图4 四个城市一级指标平均百分位

需要注意的是，杭州、上海为强脱钩组城市，在图4中用实线表示其在强脱钩组中的各指标百分位；南京、合肥为其他组城市，在图4中用虚线表示其在其他组中的各指标百分位。

浙江省杭州市在各个指标都获得了较高的得分，尤其“低碳禀赋”和“碳排放”两个指标在四个城市中极具竞争力。杭州市拥有良好的绿化资源禀赋和绿色金融禀赋：森林覆盖率和绿色金融市场活力都显著高于排行第二且同为强脱钩组的上海市。杭州市“零碳发展”水平位居四个城市首位，但总体看来，杭州市在“经济与人口”方面还有较大的提升空间，产业结构有待进一步改善与提升。

排名第二的上海市虽然“低碳禀赋”中的绿化资源禀赋较差：城市人均公园绿地、森林覆盖率显著低于另外三个城市，且绿色金融市场活力优势不够突出；但是，“科技研发”中的科技研发强度较高：社会R&D内部支出占GDP比例在所有41个城市中排名第一。巨大的科技投入在很大程度上弥补了自然资源的劣势。此外，与杭州市相比，上海市“碳排放”指标仍有较大提升空间，这可以部分归因于上海市长期以来高能源投入、高经济产出的能源利用模式以及大量人口带来的巨大碳排放。

属于其他组的江苏省南京市尚在环境库茨涅茨曲线的左侧，较高的人均GDP使得南京市“零碳发展”水平在“经济与人口”维度的评分较低。在“科技研发”指标上，南京市社会R&D内部支出占GDP比例和政府节能环保支出占财政支出比例同另外三市相比则较为滞后，有进一步提升的空间。在“碳排放”上，无论产出端还是消费端，南京市碳排放均高于另外三个城市。在“环境治理”和“低碳禀赋”上，南京市则有微弱的优势。

安徽省合肥市是四个城市中唯一没有碳达峰/中和承诺的城市，体现为“环境治理”指标的落后。这也直接导致了合肥市“零碳发展”水平名列末位。

(四) 分组差异分析

1. 强脱钩组分析

强脱钩组城市由杭州市、宁波市、上海市、苏州市、无锡市、嘉兴市、金华市、丽水市、扬州市、台州市、铜陵市、徐州市、马鞍山市和淮北市，共14个城市组成，得分情况如图5所示。

图5 14个强脱钩组城市各一级指标得分堆积柱状图

14个城市之间，“环境治理”存在较大差距，“碳排放”存在一定差距，“经济与人口”和“低碳禀赋”则差距不明显。

排名前五的城市均有碳达峰/中和承诺，且除无锡以外均为国家低碳试点城市；同时，这些城市“经济与人口”得分相似，它们大多拥有较强的经济实力，经济发展依赖工业的程度也较小。但是，由于其常住人口规模较大、城镇化率较高，“经济与人口”评分在一定程度上被中和。与此相反，排名靠后的几个依赖于工业发展经济的城市，得益于较少的人口和较低的城镇化率，其“经济与人口”评分同样受到中和。

2. 其他组分析

其他组城市由剩下的27个城市组成，得分情况如图6所示。

图6 27个其他组城市各一级指标得分堆积柱状图

其他组城市和强脱钩组城市呈现出相似的趋势：“环境治理”得分差距较大，“低碳禀赋”差距不明显。值得注意的是，其他组城市在“科技研发”上呈现出了更大的差异。排名前五的城市与靠后的城市相对特征也与强脱钩组内大体相似，只是由于人均GDP成为负向指标，这些城市的人均GDP在组内相对较低。

3. 强脱钩组与其他组的比较分析

综合强脱钩组和其他组在各一级指标的得分差异，可以发现：

当一个城市的经济增长与碳排放实现强脱钩前，城市与城市间的“科技研发”(科学技术水平和科技研发强度)存在较大的差距，“科技研发”也对一个城市的“零碳发展”水平产生了较大的贡献率。但一个城市的经济增长已经实现与碳排放的脱钩，城市与城市间的总体“经济与人口”情况则比较相似；相应地，对于“零碳发展”水平的贡献率就更低。

然而，不同城市实现经济增长与碳排放强脱钩的路径不同。以上海为代表的城市，采用“先发展，后治理”路径，而以杭州为代表的城市则注重改善城市能源结构，采取“经济发展与环境治理并重”的路径。于是，“碳排放”指标的变异程度并没有因为城市经济发展进入“强脱钩”阶段而下降，仍对长三角城市的“零碳发展”水平保持一定的贡献率。

最后，不管是处在强脱钩前阶段，还是强脱钩阶段，一个城市的“环境治理”努力都对“零碳发展”水平有不小的贡献。同时，城市经济发展与碳排放强脱钩前后各指标贡献率呈现差异。

五、 总结与对策

本文在梳理现有文献的基础上，构建致力于“碳达峰、碳中和”的理论分析框架，建立用于测度城市维度“碳达峰、碳中和”水平的“零碳发展”指标体系，并将之应用于长三角41个城市的评估分析。

分析结果显示，长三角三省一市“零碳发展”水平排序依次为上海市、浙江省、江苏省和安徽省，41个城市在零碳发展水平上的差异和省际差异都较为显著。从省际比较来看，安徽省城市普遍处于41个城市的中后段，环境治理力度和城市建设有待加强。从城市评级角度出发，C档评级城市与B档评级城市的主要差异体现在“环境治理”和“低碳禀赋”指标得分，而B档评级城市和A档评级城市的差距则主要体现在“环境治理”和“科技研发”得分上。故建议C档城市率先从城市建设和环境政策角度着手，增加城市绿化、森林覆盖率，完善城市公共交通设施，鼓励绿色金融市场发展；B档城市在巩固环境治理的基础上，应当同时重点关注低碳技术和“碳”治理，向低碳绿色经济发展转型；A档城市可以在保持自身优势的情况下，继续推进“零碳”城市建设。

同时，强脱钩组与其他组城市之间的“零碳发展”水平呈现出一定的差异性。当城市经济增长尚未与碳排放强脱钩时，“科技研发”指标对于“零碳发展”水平有较大的贡献率；而当城市经济增长已经实现与碳排放强脱钩后，“经济与人口”指标开始趋于相似，对于“零碳发展”水平的贡献率较低；无论处于何种脱钩阶段，社会“环境治理”都对一个城市的“零碳发展”起到不小的作用。由此，未达到强脱钩状态的城市应当加强科技研发力度，降低单位产出能耗，力争实现经济发展与碳排放强脱钩；无论是否达到强脱钩状态，各城市都应该继续重视社会环境治理，完善环境政策。

基于对长三角三省一市41个城市的指标分析，各城市呈现出各自的优势与劣势，一些城市具有“科技研发”的相对优势，一些城市先天具有良好的绿化条件或后天“绿色金融”市场蓬勃发展，还有一些则采取了有效的“环境治理”方法。我们认为，未来应充分利用长三角一体化协同效应，根据城市禀赋和特征，制定差异化政策，在长三角区域内使各种要素有机结合，在技术、资源、政策方面相互扶持与学习，实现长三角区域内协同配合。可以预见，长三角地区有望加速实现碳中和。