随着我国城市化进程的不断加速，城市化在扩展城市规模、完善公共服务设施、改善居民物质生活和精神文明的同时，还加剧了人口、资源和生态环境之间的矛盾，从而造成人居环境恶化、资源过度消耗和环境污染加剧等一系列问题(郝文升等，2012; Yu，2014).城市是一个由社会、经济和环境组成的复杂巨系统，又是温室气体产生、资源消耗和污染物排放的主体和集中地，故城市化进程必须协调好各部分之间的关系，实现城市的可持续发展(唐建青等，2013).然而，Angel等(2005)在对全球城市扩张的动力研究的过程中，指出20世纪的城市发展模式将无法满足21世纪的城市化需求.故在推进生态文明建设、应对气候变化和解决环境问题的背景下，低碳生态城市建设已经成为城市发展转型的必然趋势.截至2011年2月，在中国287个地级及以上城市中，已有90.2%的城市提出低碳生态城市有关建设目标(李迅，2012).因此，有必要准确、客观和合理地开展低碳生态城市建设效应评估，以此来指导实现城市有序健康的发展(孙菲和罗杰，2011).

事实上，低碳生态城市这一概念是由我国学者仇保兴于2009年“国际城市规划与发展论坛”上首次提出(李迅和刘琰，2011).近年来已经有研究者开展了一定规模的低碳生态城市内涵、指标体系构建和评估(de Jong et al., 2013; Wu et al., 2014; Liu et al., 2014; Bunning，2014; 郝文升等，2014; 武静静等，2015)，然而，还有如下几个方面需要进一步加强：① 从动态发展的角度看“社会活动-低碳经济-生态环境”(SLEE)的关系，以往的研究评估结果多关注历史或现状的静态水平(Li et al., 2011; Zhou et al., 2015)，没有考虑其未来动态演变趋势的信息；② 综合考虑当地的自然资源安全，构建发展性、代表性和可操作性强的指标体系，在以往的研究中主要以陆域空间为主(杨晓春等，2010; 王吉勇等，2012)，特别是针对一些沿海城市，忽视了海域低碳生态建设以及海陆域所具有的低碳和生态共生价值，另外，指标体系庞大复杂或过分精简(朱洪祥等，2012)，难以在全面性和精简性之间找到平衡点；除此之外，③ 本研究通过“压力-状态-响应”(PSR)模型与系统动力学(SD)模型耦合，定量表达SLEE之间的相互依赖、相互制约的关系，然后进行调控潜力分析，而以往的研究大多是定性或简单定量评估，并且缺乏对指标调控方向和潜力的估计(Cao and Li， 2011; 樊行等，2012; 姚元和，2013; 丁冬梅，2012; 张东升等，2013).

目前，低碳生态城市正成为城市转型发展的全球共识和时代主题，现阶段各国适应和减缓气候变化的重要战略.鉴于此，本研究以深圳市为例，从SLEE耦合角度，基于PSR模型、SD模型和调控潜力分析，构建现状水平和未来演变趋势相结合的认知框架，提出一种基于“PSR模型-系统仿真-调控”耦合的低碳生态城市建设效应评估模型，从而为决策者提供关键的决策支持信息，更好地指导和推进低碳生态城市建设.

深圳市位于广东省南部沿海，陆地范围为113°46′~114°37′E，22°27′~22°52′N之间，东临大亚湾，西濒珠江口伶仃洋，南至深圳河与香港毗邻，北与东莞市、惠州市接壤.全市陆地总面积1996.78 km²，土地形态以低山、平缓台地和阶地丘陵为主，平原占陆地面积22.1%，森林覆盖率44.6%；海洋水域总面积800 km²，海岸线长229.96 km，海岸资源丰富；深圳市属亚热带海洋性气候，气候温和，年平均气温22.4 ℃；雨量充沛，每年4—9月为雨季，年降雨量1933.3 mm；常年主导风向为东南偏东风(http://www.sz.gov.cn/cn/zjsz/sznj/201306/t20130603_2154995.htm).深圳市2013年末常住人口为1062.89万人，全年本市生产总值为14500.23亿元(可变价)，第三产业增加值占全市生产总值的比重为56.6%.于2010年1月，深圳市与住房和城乡建设部签署共建“国家低碳生态示范市”合作框架协议，重点探索在南方气候条件和城市发展转型下的“渐进常态化”低碳生态城市的规划建设模式，深圳已成为全国首个低碳生态示范市(陈晓和叶伟华，2011).

本研究在低碳化手段和生态化理念下，应用评估(PSR模型)、模拟(SD模型)和调控潜力分析相结合的方法，构建一种低碳生态城市建设效应评估模型(图 1).从城市SLEE系统动力学特征来看，描述低碳生态城市建设效应应包括正向作用和逆向反馈两个特征，即低碳生态建设效应评估范畴包含“三产”发展结构、规模和布局正向地所产生直接碳排放和间接影响海陆域的碳汇功能等这些方面的压力；面对恶化的生态环境(在上述压力之下，表现为水质恶化、雾霾加剧、垃圾围城、热岛效应凸显、噪声污染严重和水陆生态系统退化等)(郁亚娟等，2008)，社会经济活动所采取源头控制和强度调整、以及末端的污染控制等调控手段和措施，低碳的经济发展模式而表现出逆向反馈，在未来一定程度和时期内缓解和改善生态环境状态，而这些方面皆属于低碳生态城市建设效应评估范畴.除此之外，由历史或现状静态水平和未来动态演变趋势两者来共同决定低碳生态城市建设效应评估(Halpern et al., 2012; 徐鹏等，2013)，其中未来动态演变趋势需要建立在城市SLEE系统动力学模拟基础之上，对社会、经济、能源和低碳生态子系统的规模、结构、布局和变化速率进行现有规划情景下的预测，再通过低碳生态城市建设效应评估模型计算其动态变化规律，最后对其指标潜力等进行调控，为制定城市未来低碳生态发展战略提供更具现实指导意义的思路.

图1(Fig.1)

图1 低碳生态城市建设 “PSR模型-系统仿真-调控”耦合模型结构 Fig.1 Structure of “PSR model-System simulation-Regulation” coupled model

根据低碳生态城市建设效应的正向作用和逆向反馈以及现状静态水平和未来动态演变趋势相结合的认识框架，选择“压力”、“状态”和“响应”指标.从结构上看，一个完整的评估模型应包括指标和数据选取、评估标准、等级划分、指标权重和评估方法；而在系统仿真中，根据社会、经济、能源和环境等众多子系统之间的关系，把所选取的指标作为目标变量对未来进行预测；最后，根据各指标的敏感度计算调控潜力，进而为低碳生态城市建设提供发展方向及战略选择.

低碳生态城市建设效应评估模型用于评定基于低碳化手段和生态化理念的高关联、强交叉的复合型城市发展模式的城市发展水平.根据评价模型的不同，可分为加权算术平均法(赵国杰和郝文升，2011)、人工神经网络分析法(武静静等，2015)、因子分析法(关海玲和孙玉军，2012)、灰色关联分析法(付丽娜和贺灵，2013)、全排列多边形图示指标法(吴琼等，2005)和物元分析法(黄辉玲和吴次芳，2009).考虑到计算方法的简洁性、评价结果的直观性和利益相关者的可操作性，本研究选择加权算术平均法作为低碳生态城市建设效应评估模型.

(1)指标和数据选取. 指标体系包含目标层(设为低碳生态城市建设效应评估指数)，方案层(压力、状态和响应)和指标层.其中，压力指标反映社会经济活动的规模、结构、速率和平均水平；状态指标反映特定时间内低碳生态城市建设的实际状况；响应指标则包括SLEE共同协调发展的各项措施以及各利益主体所采取的行动，具体备用指标参考文献(仇保兴，2012; 陈晓晶等，2013; 沈清基等，2010; 黄云凤和崔胜辉，2007).本研究根据指标的数据可得性、独立性、显著性和指示性原则，选择了23项指标(表 1).

表1(Table 1)

表1 深圳市低碳生态城市建设效应评估优选指标，属性及标准 Table 1 Selected indicator，attribute and their criteria of comprehensive assessment for Shenzhen

表1 深圳市低碳生态城市建设效应评估优选指标，属性及标准 Table 1 Selected indicator，attribute and their criteria of comprehensive assessment for Shenzhen 方案层 指标名称 单位 属性 正/负向 最劣值 最优值 压力 人口密度 人 · km-2 社会 负向 5821a 3500b 年末居民登记失业率 社会 负向 3.0%c 1.2%d 人均GDP 万元·人-1 经济 正向 9.3e 30.9f 人均海岸线长度 m ·人-1 生态 正向 0.0014g 0.0289f 单位GDP能耗 t标煤·万元-1 低碳 负向 1.4h 0.4e 单位GDP水耗 m3 ·万元-1 低碳 负向 21.9f 5.2e 单位GDP二氧化碳排放量 t ·万元-1 低碳 负向 1434f 860i 状态 恩格尔系数 经济 负向 50.7%a 30.1%j 森林覆盖率 生态 正向 40.0%k 57.3%l 建成区绿化覆盖率 生态 正向 40.0%m 48.0%n 城市热岛值 ℃ 生态 负向 0.97f 0.81e 第三产业占GDP比重 经济 正向 40.0%k 61.2%f 海洋产业产值占GDP比重 经济 正向 8.6%e 11.0%f 响应 研发投入占GDP比例 经济 正向 3.0%o 4.5%n 城镇居民人均可支配收入 万元·人-1 社会 正向 2.2p 8.7f 城市污水集中处理率 生态 正向 80.2%e 100.0%f 全市区域环境噪声平均值 dB 低碳 负向 56.9f 50.0q 城市生活垃圾无害化处理率 生态 正向 94.3%e 100.0%f 空气质量优良率 生态 正向 88.8%e 100.0%r 公共交通占机动化出行比例 低碳 正向 47.0%e 65.0%f 雨水利用率 低碳 正向 0.1%e 1.0%s 万人在校大学生数 人·万人-1 社会 正向 65e 103f 万人拥有医生数 人·万人-1 社会 正向 26s 82f  注：标准来源a: 评估历史时间内全国最大值; b: 欧洲城市现状值; c: 深圳市规划值; d: 国际大城市就业最好年份失业率; e: 评估时间内深圳市最小值; f: 评估时间内深圳市最大值；g: 中国现状值; h: 来源于李润洁(2011)；i: 中国规划值; j: 评估历史时间内全国最小值; k: 国家级生态县、生态市、生态省建设指标; l: 广东省现状值; m: 国家园林城市标准; n: 深圳市规划值; o: 发达国家现状值外推; p: 评估历史时间内全国平均值; q: 国家环保模范城市考核指标; r: 宜居城市标准; s: 全国现状值.部分指标解释：建成区绿化覆盖率：为城市建成区内一切用于绿化的乔、灌木和多年生草本植物的垂直投影面积与建成区总面积百分比；城市热岛值：热岛效应的表征参数，为城市内某区域的气温与郊区气象测点温度的差值；万人在校大学生数：指城市地区范围内每一万常住人口中拥有的在校大学生数，与城市发展呈正相关关系，其比例越高，代表社会的智能化水平越高，为低碳生态城市中的社会属性；万人拥有医生数：该指标用于反映城市的医疗卫生建设状况.

本研究涉及的数据的主要来源包括：深圳统计年鉴(2010—2014)，深圳市国民经济和社会发展统计公报(2009—2014)，深圳市环境状况公报(2010—2014)，深圳市城市总体规划(2010—2020)，深圳市低碳发展中长期规划(2011—2020年)，深圳市人居环境保护与建设“十二五”规划，深圳市国民经济和社会发展第十二个五年规划纲要，深圳市经济体制改革“十二五”规划，深圳市海洋产业发展规划(2013—2020年)，深圳市节能“十二五”规划，深圳市循环经济“十二五”规划等及其他调研资料和发表文献.

(2)评估标准和等级划分. 评估标准是判别指标优劣的关键，其确定参照国内外规定的标准值、公认的达标值、优秀的现状值及趋势外推和不可获取的重要指标用类似指标替代或专家咨询确定(李润洁，2011).在本研究中，对于大多数指标，以评估时间范围内城市数据的最大或最小值作为最优或最劣值，其对应标准值为0分或100分(取决于指标是正向或负向)；部分指标参考国家环保部《生态县、生态市、生态省建设指标》、国家环保模范城市考核指标等所规定的值，国内外城市现状值、规划值及趋势外推等；具体标准见表 1.基于此，本研究采用极差法把各项指标处理为[0，1]之间的数值，从而消除指标量纲和性质不同对计算结果产生的影响，使得所有指标都变为越大越优、无量纲和以1为基准，具体过程参考徐鹏等(2013).等级划分是低碳生态城市建设效应评估结果解译的基础.为了匹配中国低碳生态城市指标体系构建及评估的需要(仇保兴，2012)，本研究采用等分法对低碳生态城市建设效应评估指数的等级划分为 “低”(0~20分)、“较低”(20~40分)、“中等”(40~60分)、“较高”(60~80分)、“高”(80~100分).

(3)低碳生态城市建设效应评估指数. 低碳生态城市建设效应评估指数(LCEI)计算公式为：

其中，x_ij为第i个方案层的第j个指标，ω_i和ω_j分别为各方案层和各指标的权重.权重反应评估的主观偏好，确定方法包括：等权法(陈守煜，1990)，层次分析法(孙菲等，2014; 钟永德等，2014)，统计平均数法(徐鹏等，2013)和变权法(高伟等，2014).为了简单起见，同时体现不同指标取值变化对评价结果的影响，本研究权重通过变权法来确定，计算方法为：

(1)城市SLEE系统动力学模型. 低碳生态城市物质流和能流系统涉及社会、经济、能源和环境等众多子系统，各子系统之间存在密切的相互作用，输入、输出的物质和能源包括化石燃料、金属和工业矿物及建筑材料，水电及其他新兴能源，“三产”的生物产量，水，二氧化碳和污染物(大气、水和固体废弃物，耗散性物质等)等，各变量又随时间的变化而变化(刘伟等，2014).SD的基本结构是系统的因果反馈结构，通过系统内部各变量之间的反馈约束(正反馈和负反馈)，从而模拟整个系统的行为变化与动态响应关系(王其藩，1995).基于SD思想，在研究低碳生态城市物质流和能流系统时，环境子系统主要决定海陆域生态系统碳汇能力；社会子系统中人口总量、城镇化率和低碳消费意识将直接影响着环境子系统；经济子系统决定着城市的经济发展水平、产业结构、产业能源消耗结构和低碳技术水平，进而对能源子系统产生影响；能源子系统中的能源消耗总量取决于人口总量，GDP增长，产业能源消耗结构和产业结构，进而整个海陆域生态系统的碳平衡主要取决于能源消耗增长，最终影响环境子系统(范太胜，2013).本研究以Vensim^® DSS软件作为建立模型和模拟仿真的平台，根据低碳生态城市物质流和能流系统的内部机制分析，可以绘制出其因果关系流程图(图 2).

图2(Fig.2)

图2 低碳生态城市物质流和能流系统因果关系 Fig.2 Casual loops of material and energy flow system in low-carbon eco-city

(2)模型边界. 模型边界为深圳市，涉及6个市辖行政区和4个功能区.系统模拟的时间边界为2013—2020年，以2013年为基准年，模拟时间间隔为1年.

(3)系统及变量设置. 本研究从“压力-状态-响应”角度建立了社会、经济、能源和环境子系统的发展规模、结构、布局、碳排放量、碳汇和生态环境的响应模块，指标的低碳和生态属性分别属于能源和环境子系统.SD模型主要变量有4种：状态变量、速率变量、辅助变量和常数变量.深圳市低碳生态城市建设效应评估SD模型包括69个变量，其中状态变量17个，常数9和辅助变量43个(图 3).这些变量的赋值基本方法有统计学方法、规划设定法和模型校正法(秦耀辰等，1997).由于不同变量的性质不同，对不同变量采用的统计方法应有所区别.本研究根据变量自身性质和模型运行要求，综合运用了3种方法，确定深圳市SLEE建设效应评估系统的待定参数.

图3(Fig.3)

图3 深圳市SLEE耦合SD系统 Fig.3 Systematic dynamic model of Shenzhen socio-economic-low-carbon technology-ecological environment coupled system

(4)模型检验及指标调控. 目前广泛采用的SD模型有效性检验方法有直观检验、历史检验以及灵敏度分析(陶冶和薛惠锋，2009).相比于一般统计模型和物理模型，SD的主要功能在于正确判别行为趋势和关注模型的结构及其行为是否合理，而不是为了重现历史数据或者追求数据的精确性(钟永光等，2009).其中，参数灵敏度分析是研究在合理范围内变化，模型行为对参数值变化的灵敏度，以检 查某些参数的微小变动是否会对模型行为产生大的影响和测试系统结构是否稳定.本研究中为了识别各项调控指标变化对方案层和目标层的影响，计算了指标变化幅度10%时(规模指标为现状值的10%，结构类指标为实际变动幅度)，压力、状态、响应和综合指数的变化幅度.

基于建立的深圳市SLEE系统动力学模拟模型，可以测试不同指标对评估体系中方案层和目标层的影响，通过获取敏感度进而识别各层对于未来深圳市低碳生态建设调控的影响和潜力.本研究中调控的指标共11项(图 7)，根据各指标的可能变动范围，单位GDP能耗和公共交通占机动化出行比例来自于深圳市低碳发展中长期规划(2011—2020年)，海洋产值来自于纪岩青和袁振江(2013)，其余指标选取2020年数据，从而计算出各自相应的调控潜力，即某项指标调控对深圳市的综合影响最大改善能力或可能的压力(后希康等，2014)，计算公式如下：

按照上述指标体系和计算方法，得到深圳市LCEI(图 4).结果表明：2009—2013年深圳市LCEI整体呈现上升趋势，2009—2010年上升缓慢，然而，之后从2010年的30.9提升到2013年的44.0，其评估等级从“IV级：较低”提升1个等级，达到“III级：中等”，此上升趋势和增长速率主要是由于在2010年，深圳市与国家住房和城乡建设部签署共建国家低碳生态示范市合作框架协议，合作建设全国第一个“低碳生态示范市”，期望在低碳生态城市建设、低碳生态技术应用研发等方面积极探索，大力推进绿色交通、绿色建筑，促进深圳的城市发展转型和可持续发展，为全国的低碳生态城市建设发挥示范作用(Flynn et al., 2011).此外，从LCEI的未来动态演变趋势(现有发展速度和调控力度不变情景)来看，2015和2020年分别上升到49.5和61.7，尽管保持增长趋势且达到“II级：较高”水平，但呈现增长缓慢甚至“饱和”状态.因此，依旧有必要优化调控深圳市低碳生态城市建设中社会经济发展的方向和模式，进一步落实和强化深圳市低碳生态产业结构调整和“海洋强市”等措施.

图4(Fig.4)

图4 深圳市低碳生态城市建设效应评估指数历史和未来演变 Fig.4 Past and future trend of LCEI on the effects of low-carbon eco-city development in Shenzhen

为了进一步理解深圳市LCEI历史和未来水平，将从方案层的压力、状态和响应来分析.历史和未来评估结果表明，“压力层”和“响应层”整体上呈现上升趋势，只有“状态层”出现波动但基本保持稳定.社会经济发展“压力”在2009年(28.6)至2010年(27.8)出现下降，之后呈现持续改善的趋势，从2011年的38.6上升到2015年的51.5(图 5)，对LCEI水平的相对贡献处于正面影响，在2015年之后，虽然压力层指数增大，但对LCEI水平的相对贡献处于负面影响；相比之下，深圳市低碳生态城市建设“状态”在2011年(38.3)和2015年(42.9)出现下降趋势，但是前者对LCEI水平的相对贡献处于正面影响，而后者则相反；其调控“响应”从2009年(17.1)开始一直处于上升状态，到2030年(76.1)大到“II级：较高”水平，在2015年“响应”层开始超过“目标”层，对LCEI水平开始呈现正面贡献，这主要得益于深圳市“十二五”发展规划把“基本建成全国经济中心城市、国家创新型城市、民生幸福城市、国家低碳生态示范城市”作为社会经济发展的总体发展目标，加快向中国特色社会主义示范市和现代国际化先进城市迈进，且截止到2013年底，其“十二五”《规划纲要》提出的32项调控指标已经有超过3成指标提前完成.此外，从未来动态演变趋势来看，3个方案层相对于2013年，2020年的压力层和响应层分别上升了22.7%和51.2%，状态层下降了3.7%(图 5).

图5(Fig.5)

图5 深圳市方案层指数2009—2020年演变趋势及贡献水平 Fig.5 Past and future trend of index of criteria level and its contribution for goal level

事实上，各个指标对方案层的贡献存在明显差别(图 6).对于社会经济发展“压力”而言，2009—2013年其主要制约因素是人口密度(4899 ±423人 · km^-2)和人均海岸线长度(0.027±0.002 m · 人^-1)，前者与全国2009—2013年平均水平(142人 · km^-2)相差较大，后者由于深圳市常住人口的增加出现逐年下降的趋势；相比而言，支撑“压力”层能缓慢上升的原因是深圳市人均GDP的快速提高，从2009年的9.3提高到2013年的13.7万元 · 人^-1，高于北京市(8.4万元 · 人^-1)和上海市(7.0万元 · 人^-1)等发达城市2009—2013年平均水平；单位GDP能耗、水耗和二氧化碳排放量等指标，继续处于全国领先水平，提前完成深圳市“十二五”规划目标.对于深圳市低碳生态城市建设“状态”而言，得益于森林覆盖率和第三产业占GDP比例，2013年相比于2009年分别上升了4.3%和5.9%，前者增加了陆域的碳汇能力和改善生态环境，后者进行产业结构的调整，减少二氧化碳的排放量；考虑到海洋资源的利用以及碳汇功能，本研究也选取了海洋产值占GDP比例指标，在2009—2012年，深圳市海洋交通运输业、海洋油气业、滨海旅游业三大优势产业增加值合计均占当年全市海洋生产总值95%以上，2013年相比于2009年也上升了2.6%.对于深圳市低碳生态城市建设调控“响应”而言，主要得益于研发投入占GDP比重和城市生活污水处理率(二级处理)，其中，研发投入占GDP比重从2009年的3.4%上升到2013年的3.8%，远高于广东省(2.1%)和全国平均水平(1.9%)；其次，城市生活污水处理率(二级处理)持续上升，从2009年80.2%提高到2013年的98%，已经远超过全国水平(80.9%)；然而，公共事业(万人在校大学生数和万人拥有医生数)以及雨水利用率还有较大控制或利用空间.从未来的预测来看，2014—2020年间，深圳市社会经济发展“压力”的限制指标依然是人口密度和人均海岸线长度，其正面贡献趋向于最劣值，当然人均GDP、单位GDP能耗、水耗和二氧化碳排放量及其贡献皆逐年上升，缓解了压力层下降速度(图 6).深圳市低碳生态城市建设“状态”中的各项指标对状态层的贡献，除森林覆盖率和第三产业占GDP比例上升外，其余一直保持不变或者下降，海洋产值占GDP比例下降幅度较大.在“响应”中，城市生活污水处理率和城市生活垃圾无害化处理率已经达到100%，没有提升的空间，而如果对全市区域环境噪声平均值的控制加强，则会对增加响应层的增长速度.

图6(Fig.6)

图6 深圳市“压力-状态-响应” 各指标历史及未来对方案层的贡献水平 Fig.6 Past and future trend of st and ardized indicators and its contribution for criteria level

根据上述模型检验和指标调控方法计算结果如下：各层变化幅度如图 7所示，从各项调控指标看，森林面积、海洋产值、研发投入和公共交通占机动车出行比例等呈现正效应，人口数量、单位GDP能耗和家庭食物消费总支出等呈现负效应，GDP呈现出正负效应，这些指标是重要的敏感指标，对各层的敏感度较高.

图7(Fig.7)

图7 重要评估指标对各层的敏感度 Fig.7 Sensitivity of assessment index to key st and ardized indicators

在计算深圳市SLEE系统调控潜力时，首先确定选中的11项指标的取值上限(正向指标)或下限(负向指标)，其中，人口数量、森林面积、第三产业增加值、研发投入、在校大学生数、雨水利用量、GDP和家庭食物消费总支出的取值主要依据历史变化趋势和现状发展水平确定，单位GDP能耗、海洋产值和公共交通占机动化出行比例的变化极限主要参考当地规划.结果表明：不同指标对LCEI的提升潜力差异很大，提升能力范围为-10.5~19.6，其中海洋产值能够使LCEI提高19.6，而GDP使其降低10.5.综合各项指标的整体潜力，到2020年LCEI可提升18.6.因此，在适当的社会经济与环境政策的驱动和影响下，深圳市未来的LCEI仍有提升的空间.

深圳市LCEI过去5年整体呈现上升趋势，2009—2010年上升缓慢，然而，之后从2010年的30.9提升到2013年的44.0，其评估等级从“IV级：较低”提升1个等级，达到“III级：中等”，此上升趋势和增长速率不仅印证了深圳市开展低碳生态城市建设的效果，也为全国的低碳生态城市建设发挥示范作用；在现有发展速度和调控力度不变情景下，2015和2020年分别上升到49.5和61.7，尽管保持增长趋势且达到“II级：较高”水平，但呈现增长缓慢甚至“饱和”状态.

社会经济发展“压力”在2009年至2010年出现下降，之后呈现持续改善的趋势，其主要制约因素是人口密度和人均海岸线长度，支撑“压力”层能缓慢上升的原因是人均GDP的快速提高以及单位GDP能耗、水耗和二氧化碳排放量的显著降低.低碳生态城市建设“状态”虽然出现2次“跳跃式”下降，但整体趋于稳定且有上升趋势，主要得益于森林覆盖率和第三产业占GDP比例的增加；选取海洋产值占GDP比例作为评价指标主要是考虑海洋资源的利用及碳汇功能，在2009—2012年，深圳市海洋交通运输业、海洋油气业、滨海旅游业三大优势产业增加值合计均占当年全市海洋生产总值95%以上，2013年相比于2009年也上升了2.6%.低碳生态城市建设调控“响应”一直处于上升趋势，主要表现是研发投入占GDP比重和城市生活污水处理率(二级处理)的提高；然而，公共事业(万人在校大学生数和万人拥有医生数)以及雨水利用率还有较大控制或利用空间.因此，站在历史和未来演变趋势来看，依旧有必要优化调控深圳市低碳生态城市建设中社会经济发展的方向和模式，使之适应自然资源短板的现实，整合自然资本存量，构建自然资源安全体系；发挥海域碳汇的优势，结合陆域碳汇的能力建设，构建“绿碳-蓝碳”统筹的碳汇经济，建设“海陆一体化”的低碳生态城市，助推海丝之路的战略目标；大力发展绿色交通和创新绿色市政规划建设；进一步落实和强化深圳市低碳生态产业结构调整和“海洋强市”等措施.

本研究基于综合评估模型、系统动力学仿真模型和调控潜力分析，构建一种低碳生态城市建设效应评估模型，从系统学的角度解决了城市模拟模型的复杂性、非线性和动态性等特点带来的难题，完善了系统模拟与评估耦合的理论与方法.该模型在深圳市的例证研究表明此模型能够有效的获得优于常规模拟方法的城市SLEE协调发展的方向，规模和布局，提供了决策上的支持和依据，也为其他城市的相关研究提供了借鉴.事实上，本研究在模型构建、参数选取以及指标调控等方面都仍有待进一步完善，由于各城市的社会经济发展、自然资源、产业结构和污染治理水平等因素的差异，从而面临的环境问题和城市管理措施也不尽相同，故此方法需要在广泛应用中逐步检验、修正和完善.