改革开放以来,中国经历了快速的城市化进程,城市化率已由1978年的17.92%提升到了2019年的60.60%。然而快速的城市化进程带来了城市空间急剧扩张,造成城市土地低效利用,城市形态分散。此外,过分看重城市化增长速度以及急于求成的低质量发展也让中国出现了土地扩展速度快于人口增长速度的现象,即城市蔓延,由此引发城市资源紧缺、城市拥堵、雾霾污染等生态环境问题,尤其是碳排放问题,已经成为决策部门与学者们关注的焦点。因此,正确理解与把握城市蔓延和碳排放之间的关系,可为我国更好地践行“绿色可持续发展”理念,构建可持续的低碳城市发展模式与低碳城市规划体系提供科学的参考依据。虽然学术界已在城市蔓延及其对碳排放影响领域积累了丰富的研究成果,但仍存在以下不足:（1）少有研究在大样本、长时段条件下开展城市蔓延的精确测度与分析。现有研究大多采用传统的统计数据和可见光遥感数据进行城市蔓延测度,但是一方面统计数据的空间缺失和统计口径的不一致限制了其在大样本、长时段条件下开展城市蔓延的准确测度。此外,传统的可见光遥感数据的单维性和模型法的复杂性也同样限制了其开展长时段的测度。部分研究虽然利用夜间灯光数据进行城市蔓延测度与量化,但是粗略的数据校正以及单一的夜间灯光数据使用进一步限制了利用该类数据在大样本、长时段条件下开展城市蔓延的精确测度与分析,无法从整体上把握区域城市蔓延的演化特征与规律。（2）未能在考虑时空异质性的基础上有效检验与分析城市蔓延对碳排放的影响。现有的研究未能有效检验与分析城市蔓延对碳排放的影响,且没有得出明确的结论,除了所用数据存在不足外,还存在聚焦于单个城市或个别年份的典型区域,缺乏大样本（如西南地区）、长时序和异质性的分析。此外,城市蔓延的碳排放影响传导因素是什么?现有的研究也少有涉及。（3）少有研究从空间集聚视角探讨城市蔓延的碳排放影响。空间集聚经济与集聚不经济是理解城市蔓延影响碳排放水平高低的重要理论基础。从宏观角度来讲,城市蔓延的碳排放影响都是城市社会经济空间集聚或不集聚的结果。虽然一些研究已经认识到了城市蔓延可能通过影响空间集聚状况进而进一步影响碳排放,但是大部分针对的是微观尺度的产业空间集聚,或者专注于居民集聚区的空间集聚分析,较少考虑在城市空间集聚状况下开展大样本长时序城市蔓延、空间集聚对碳排放影响分析。针对上述不足,本文以我国西南地区城市为研究对象,开展多源夜间灯光数据的校正研究,构建长时序夜间灯光数据集,弥补传统统计数据和遥感数据应用中受单一数据源限制的不足。在此基础上,利用夜间灯光数据构建城市蔓延指数,实现对城市蔓延的准确测度,并进行时空演化分析。进一步地,从大尺度长时序角度识别西南地区的城市蔓延的碳排放影响,并从城市交通、建筑业、城市热岛效应三个角度评估城市蔓延对碳排放影响的传导因素。此外,通过测算空间基尼系数,在考虑时间、区域、城市规模异质性和多重共线性的基础上,探讨城市蔓延、空间集聚对碳排放的影响。本文的主要结论有:（1）基于夜间灯光数据构建的城市蔓延指数能够有效地表征西南地区城市蔓延状况。本文利用夜间灯光数据代替统计数据和中高分辨率遥感影像,以城市灯光饱和阈值区域替代城市建成区,灯光灰度值表征人口活动密度进行城市蔓延测度。此外,构建基于统计数据的单指标城市蔓延指数与夜间灯光数据测算的城市蔓延指数进行静态面板回归精度检验。研究结果表明所有模型均呈现正向相关且有4个模型在1%水平以上显著,1个模型在10%水平上显著,表明回归结果较为合理,证明了采用夜间灯光计算的城市蔓延指数能够有效地表征西南地区城市蔓延状况。（2）西南地区城市蔓延与碳排放均呈现显著的时空异质性。通过对西南地区城市蔓延指数的时空分析得到,总体上西南地区城市普遍低密度化、分散化,城市蔓延状况较为严重,且处于动态不断加剧过程中。此外,城市蔓延具有地域差异性。贵州、四川、重庆、云南城市蔓延严重程度呈现上升趋势;贵州省城市蔓延指数集中在0.440-0.513之间,四川省城市蔓延指数集中在0.452-0.529之间,重庆市城市蔓延指数集中在0.443-0.501之间,云南省城市蔓延指数集中在0.446-0.524之间。不同规模城市蔓延的严重程度依次为中等规模城市、大城市、小城市。因此,西南地区城市国土空间规划及相关政策需预防城市蔓延带来的不利影响。对于碳排放,从时间变化趋势来看,西南地区的城市碳排放随着时间的增加而增加。城市年均碳排放从2000年的100 t左右增加到了2018年的240 t左右,增长了约2.4倍。重庆市和四川省的城市碳排放在整个西南地区处于较高水平。从时间异质性来看。在2009年以前,西南地区碳排放量呈现线性增长的趋势,此后趋于平稳。从空间分布来看,在2000年,碳排放较高的地区主要分布在重庆都市区、成都及贵阳等核心城市,而到了2018年,受到中心城市的辐射带动左右,川渝城市群内部、贵阳、昆明以及部分周边城市碳排放较2000年大幅增加。相反地,由于受区域社会、历史、自然等诸多因素的制约,云南的西南部、贵州的东南部及川渝等少数民族地区碳排放较低。（3）西南地区城市蔓延加剧碳排放且呈现时间、区域、城市规模的异质性,城市交通、建筑业以及热岛效应是城市蔓延影响碳排放的重要传导因素。从全样本分析得出,城市蔓延将会促进碳排放的增加。通过替换核心解释变量,剔除异常值点以及工具变量两阶段回归三种稳健性检验方式同样验证了结果的稳定性和可靠性。从时间异质性分析可以得出,城市蔓延在前后时期都会对碳排放产生正向影响。区域异质性分析证明了不同区域的城市蔓延均可以加剧碳排放。从城市规模异质性分析结果可以看出,西南地区小城市的城市蔓延与碳排放呈现显著正相关性。中、大规模城市的回归结果虽然不显著,但系数仍为正,在某种程度上证明了城市蔓延加剧碳排放的可能性。进一步地,研究发现城市交通、建筑业以及热岛效应是碳排放影响的重要传导因素。从影响城市交通来看,城市蔓延延长了家庭与工作场所之间的出行距离,导致汽车拥有量增加以及对私家车出行的依赖性提高,进而进一步影响碳排放。从影响建筑业来看,城市蔓延增加了建筑物和公共基础设施的需求,进而影响建筑施工作业的消耗以及在建筑作业时提供产品和服务生产所需的能耗进而影响碳排放。从影响热岛效应来看,城市蔓延会引起城市温度的增高,加剧热岛效应,进而增加了居民降温所产生的能耗从而加剧碳排放。（4）西南地区城市蔓延将降低城市空间集聚水平,进而进一步影响碳排放,且呈现影响的时间、区域与城市规模异质性。城市蔓延与空间集聚呈现负向相关关系,即城市蔓延的提升降低城市空间集聚度,使得空间集聚对碳排放的正面影响降低,从而形成城市蔓延降低空间集聚水平进而加剧碳排放的效果。相反地,经济活动和人口的集聚能够通过改善城市蔓延状况进而减弱城市蔓延对碳排放的加剧效果。从总体样本分析结果可以看出,虽然西南地区城市空间集聚能够有效抑制碳排放的增加,但是随着城市蔓延的加剧,将进一步减弱城市的空间集聚,进而导致其对碳排放的抑制作用减弱。稳健性检验通过剔除核心城市、删除或更换变量进一步验证了基准回归模型结果的可靠性。从时间异质性分析可以得出,在前后期阶段城市蔓延与空间集聚、空间集聚与碳排放负向影响关系依然成立。碳排放前后阶段,城市蔓延削弱空间集聚,空间集聚抑制碳排放上升,因此城市蔓延通过减弱空间集聚加剧碳排放的传导作用得到实证。不同区域内,贵州与川渝区域内城市样本同样存在上述结果,而云南区域城市样本分析呈现差异化的结果。不同城市规模,中小城市样本上述空间集聚的作用效果依然存在,而大城市样本呈现相反的结果,这可能由于城市人口与经济活动大规模集聚所带来的规模效应不断吸引人口及资本要素流入进而可能引起拥挤效应形成规模不经济,进而加剧大城市碳排放。本文的创新点主要体现在以下三个方面:（1）在对多源夜间灯光数据校正的基础上,构建城市蔓延指数,实现对西南地区城市蔓延的准确测度,并开展大样本长时段的时空演化分析,在一定程度上弥补了统计数据缺失和统计口径不一致以及常规可见光遥感数据单维性以及数学模型复杂性的限制。一方面提供了一种新的更加有效的方法快速计算与分析城市蔓延;另一方面,构建了大尺度长时序城市蔓延数据集,为后续相关研究提供新的数据源。（2）突破了以往单一维度的限制,构建了“城市蔓延的碳排放影响”分析框架,有效识别了城市蔓延对碳排放影响的方向与程度及其时间、区位、规模异质性,进一步探究了其传导因素。一方面既考虑了城市蔓延对碳排放的整体影响,又涉及影响的异质性分析。另一方面,聚焦于地级市尺度,弥补了以往专注于单个城市或区域尺度分析的局限。进一步地,从交通、建筑业以及热岛效应三个方面进行城市蔓延的碳排放影响传导因素分析,弥补当前影响机制研究的不足。（3）构建城市蔓延、空间集聚对碳排放影响的分析框架,探究了城市蔓延、空间集聚对碳排放的影响及其时间、区位、规模影响差异性。在理解空间集聚经济与集聚不经济是城市蔓延影响碳排放水平高低的重要理论基础上,探究城市蔓延在某种程度上是否可以影响空间集聚进而影响碳排放,弥补了现有研究大多专注于微观尺度的产业空间集聚的环境影响,且忽略了宏观尺度城市蔓延、空间集聚对碳排放影响的分析以及缺少的异质性分析。