文献综述（或调研报告）：
（一） 城镇分类研究
在城市规划行业的各个领域、各个时期，都存在对不同规模城镇的类型、特性进行分类的研究。多年来，国外许多学者的相关研究逐渐由基于城镇经济特征的职能分类法转向多变量分析的综合性分类方法，亦逐渐由定性方法转为基于统计数据的定量方法。在1950年代以前，城镇经济特征的职能分类法一般采用Harris提出的统计描述法。[1]随后，Nelson采用统计分析法弥补了描述法的主观性缺陷，[2]2005年Ullman细化了城镇职能分类。[3]但这类方法均是基于单一就业人口的职业统计，并没有考虑其他社会、自然、交通因素，因此随着城镇特性的多样化发展，该方法的适用性不断弱化。针对此种方法的不适用性，采取了其他方法进行城镇的分类。逐步将多变量分析方法引人大的城市组群和类别体系研究中。Moser和Borgatta等于1960年代就已分别提出采用因子分析和使用多变量聚类分析进行研究。[4]
由于中国社会体制与城镇发展轨迹与国外有所不同，国内许多学者借鉴国外的城镇分类方法加以组合与改进。中科院地理所龙花楼、刘彦随等人采用乡村性指数对我国东部沿海地区的乡村进行类型划分。[5]首先基于乡村对社会具有的功能，对乡村的三次产业GDP所占比例将乡村类型划分为农业主导型、工业主导型、商旅服务型和均衡发展型。随后构建了乡村性指数（RI）以刻画不同发展类型的乡村性强弱，并对东部沿海地区各发展类型的乡村性进行了评价。但该研究仅将三次产业GDP作为指标，没有考虑到其他因素。广州大学冯艳芬等人基于土地利用角度对城镇的乡村性进行研究，以广州市番禺区和从化区为研究对象，利用2000年和2010年的土地利用数据（涵盖农、林用地面积、生态绿地面积等）和各镇域的统计数据（包含居民点规模、聚集程度等），构建乡村性评价体系，设计了11个乡村性评价指标，对影响乡村性指数的自然、经济和社会因素进行定量分析。[6]结果表明：高程、三产比例、道路面积、城镇化水平等因素与乡村性指数存在显著的相关性。
亦有中山大学许伟攀等人基于城市夜间灯光数据进行城市位序规模的分析，用以衡量城市的经济活动、建成区面积、人口密度、发展水平等。[7]惟城市夜间灯光数据可获取性不大，难以在小规模单元尺度下对城镇特性进行分类。
王岱霞等人提出了定量分析研究小城镇发展的综合分类评价方法。[8]首先构建包括自然地理、经济水平、人口规模、道路交通、空间建设等十大类指标，筛选出15个指标，搜集相应城镇的数据。然后采用采用了多种统计方法分步处理，先对指标进行多变量R型聚类，对相关的指标借助主成分分析法计算对应指标类型的累积方差贡献率，并运用组合分析法把浙江省小城镇分为综合优势型、成熟型、潜力型、特色风貌型和一般型五大类。其次，结合纳尔逊法分析每个小城镇在每个指标上的优势度，综合评估小城镇的发展水平，由此每个指标类型下都会存在优势型和一般型，从而对城镇作出基于多种社会经济因素的综合分类。该方法较为系统地考虑到经济、社会、人文、自然等各方面因素，但未侧重于考虑城镇的低碳绿色发展，所选取的指标亦未有跟碳排放有较直接的关联。
（二） 碳排放与城镇特性的关联分析
国外对于城镇特征因素的研究并未切实与碳排放联系起来，而相关研究表明：城市的碳排放主要分为固定碳和移动碳，前者主要为土地利用碳排放，受多种因素影响，其中，能源强度是碳排放的决定性因素，人口增长、经济产出、产业结构、土地结构、城镇化及其空间扩展等也是造成土地利用碳排放增长的重要因素，而能源效率、单位GDP用地强度是碳排放的主要抑制因素；同时，由于建设、运营公共服务设施地块所产生的碳排放亦在土地利用碳排放考虑范围之列。移动碳则为城市交通碳排放，国内学者陈飞等人采用能耗折算方法建立了城市低碳交通模型，将各种测度的交通方式出行距离与碳排放之间直接关联起来。[9]惟模型条件苛刻，每个县域的交通方式分布及出行水平存在差异，直接量化存在获取数据难度大、模型普适性和稳定性差的问题。
众所周知，私家车出行方式是城市交通高碳排放的主要原因。刘清春等立足于交通拥堵较为严重的济南市主城区，运用Heckman两步估计法模型，深入微观层次挖掘个体私家车出行碳排放的基本特征及影响因素，并制定相应政策以降低私家车出行偏好和使用强度。[10]
中山大学杨文越、曹小曙等人[11]考虑到了在碳排放与其他指标相互转化的方面，以广州市2055个社区（村落）为研究对象，构建了社区出行低碳指数（CTLCL）模型，对社区出行低碳指数格局与空间差异进行实证分析，发现广州市社区出行低碳指数由中心城区向外逐渐递增，呈明显圈层结构。随后，通过构建地理加权回归（GWR）模型，对广州市社区出行低碳指数与社区人口密度、公共交通供给水平和路网密度3个影响因素之间关系的空间异质性进行研究；回归结果显示公交供给水平和路网密度对社区出行低碳指数呈负向影响。关于通勤碳排放的影响因素研究，他们建立了结构方程模型，得出决定居民通勤碳排放的两个直接因素是通勤距离和通勤方式，个体社会经济属性、态度偏好及居住空间环境通过通勤距离和通勤方式来影响通勤碳排放；结果表明土地利用多样性对通勤碳排放具有显著的负效应，而公共交通通勤时间会对通勤碳排放产生正效应。
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
