近日，我院地政复合专业2022级本科生王可盈以第一作者在Journal of Cleaner Production期刊上发表了题为“Interpretable machine learning insights into the impact of environmental regulation on low-carbon transition: Evidence from the Yangtze River Economic Belt（利用可解释机器学习揭示环境规制对低碳转型的影响——以长江经济带为例）”的研究论文，尹上岗副教授为通讯作者。Journal of Cleaner Production是可持续发展领域的顶级期刊（中科院1区TOP，IF=10.7）。我院本科生高曼绮、张凝为论文共同作者，浙江师范大学为论文第一完成单位和唯一通讯单位。

环境规制已成为实现环境目标与推动低碳转型的重要手段，但现有研究难以捕捉二者的非线性关系与多要素交互效应、流域尺度的实证解析较为匮乏等问题，导致环境规制影响低碳转型的机制仍需深入探究。论文针对以上难点，基于2010-2023年长江经济带108个城市的面板数据，揭示了环境规制与低碳转型的时空演变特征，并运用XGBoost-SHAP模型识别环境规制对低碳转型的影响。研究发现，环境规制对低碳转型贡献率为20.87%，且存在明显的阈值效应。当环境规制水平超过0.338后，其积极影响显著增加。环境规制与城市交通水平、金融发展水平等因素的协同效应显著增强了低碳转型水平。本研究构建了多维度的环境规制与低碳转型评价体系，在长江经济带流域尺度揭示了环境规制影响低碳转型的非线性阈值机制与多要素协同规律，为理解二者的作用机制提供了新的实证证据，也为长江经济带低碳转型路径优化提供了参考。

图1  论文研究框架

图2  模型特征重要性排序

本研究得到了国家自然科学基金项目（42301231）、教育部人文社会科学研究项目（23YJCZH282）、浙江省自然科学基金项目（ZCLQ24D0101）和浙江省大学生科技创新活动计划（新苗人才计划）（2026R404A016）的资助。

原文链接：https://doi.org/10.1016/j.jclepro.2026.149427