基于碳匯潛力的碳排放空間關聯(lián)網(wǎng)絡結(jié)構(gòu)特征及影響因素

劉耀彬 鄧偉鳳 李碩碩 柏玲

摘要 考慮碳匯潛力的碳排放空間關聯(lián)是促進城市群協(xié)同減排的重要基礎，更是實現(xiàn)碳中和的有力抓手。以長江中游城市群為研究區(qū)，對傳統(tǒng)引力模型進行修正，構(gòu)建兼具碳匯潛力的碳排放空間關聯(lián)網(wǎng)絡，采用社會網(wǎng)絡分析（SNA）和二次指派程序方法（QAP）探究長江中游城市群碳排放空間關聯(lián)網(wǎng)絡的時空特征與影響因素。結(jié)果表明：①研究期間長江中游城市群碳排放網(wǎng)絡關聯(lián)關系數(shù)、網(wǎng)絡密度和網(wǎng)絡關聯(lián)度呈增長趨勢，網(wǎng)絡效率和網(wǎng)絡等級度不斷下降，且網(wǎng)絡等級度在2010年后始終為0，表明碳排放空間關聯(lián)網(wǎng)絡日益稠密、網(wǎng)絡通達性較強，存在多重疊加的溢出渠道，但等級結(jié)構(gòu)并不森嚴。基于碳匯潛力的長江中游城市群碳排放空間關聯(lián)網(wǎng)絡從“雙核化”向“多極化、多線程”網(wǎng)絡形態(tài)發(fā)展，核心城市的擴散作用不斷增強。此外，以撫州、宜昌、鷹潭、上饒和吉安等為代表的高碳生態(tài)承載力地區(qū)，在碳排放空間關聯(lián)網(wǎng)絡中的受益關聯(lián)性大于溢出關聯(lián)性。②2020年，長江中游城市群碳排放空間關聯(lián)網(wǎng)絡形成四大板塊，相較于板塊內(nèi)部成員間的碳排放空間關聯(lián)效應，板塊間的碳排放空間關聯(lián)效應更為明顯，即板塊間的“碳排放轉(zhuǎn)移”效應較為普遍。凈溢出板塊主要分布在武漢都市圈、宜荊荊都市圈和長株潭城市群外圍城市，處于網(wǎng)絡核心圈層位置；凈受益板塊主要分布在環(huán)鄱陽湖城市群東部，“碳排放避難所”效應顯著。經(jīng)紀人板塊集中在環(huán)鄱陽湖城市群西部，板塊間表現(xiàn)出“凈溢出板塊→經(jīng)紀人板塊→凈受益板塊”的碳排放傳遞路徑，呈現(xiàn)出明顯的“梯度轉(zhuǎn)移”特征。雙向溢出板塊主要位于長江中游城市群西部，對凈溢出和凈受益板塊都存在碳排放的空間溢出。研究期內(nèi)，凈溢出板塊的成員雖然有所變化但總數(shù)保持不變，經(jīng)紀人板塊的成員有所增加，而凈受益和雙向溢出板塊的成員均減少，環(huán)鄱陽湖城市群的“碳排放避難所”效應有所弱化。③地理鄰近關系能夠促進城市間碳排放關聯(lián)關系的建立，而城市間的經(jīng)濟集聚程度、土地利用強度和經(jīng)濟發(fā)展水平上的互補性，促使碳排放空間關聯(lián)網(wǎng)絡隨著城市間分工與協(xié)作的加強而呈現(xiàn)出千里“碳緣” 一線牽的特點。

關鍵詞 空間關聯(lián)網(wǎng)絡；碳排放；碳匯；碳生態(tài)承載系數(shù)；長江中游城市群

中圖分類號 X321；F124. 5 文獻標志碼 A 文章編號 1002-2104（2024）03-0001-15 DOI：10. 12062/cpre. 20230706

日益嚴重的全球氣候變暖問題已威脅到人類的生存和發(fā)展，推動降碳增匯已成為中國可持續(xù)發(fā)展的必由之路［1-2］。為兼顧不同地區(qū)的發(fā)展需求和減排壓力，中國自2013年起開始探索和構(gòu)建碳交易市場和制度。2017年12月，中國的全國性碳交易市場正式啟動構(gòu)建，這無疑將有效解決由區(qū)域差異化的碳減排政策實施而導致的碳泄漏和碳市場流動性不足等問題。然而，地區(qū)間經(jīng)濟社會發(fā)展差異和生態(tài)碳匯資源異質(zhì)性導致城市群內(nèi)部碳排放與碳匯失衡問題依舊嚴峻［3］。城市群作為人類生產(chǎn)和生活的中心［4］，其碳排放約占中國總碳排放量的85%，是碳排放的重災區(qū)［5］。實際上，城市碳排放存在顯著的空間外部性和空間溢出效應，城市碳排放的空間關聯(lián)已跨越傳統(tǒng)意義上的地理鄰近關系，并在城市群內(nèi)部形成了復雜的空間關聯(lián)網(wǎng)絡［6］。一方面，產(chǎn)業(yè)關聯(lián)、貿(mào)易往來和生產(chǎn)活動等社會經(jīng)濟要素的空間集聚和擴散效應，使得城市群內(nèi)部碳排放流動交錯縱橫、復雜多樣［7］。另一方面，在生態(tài)補償與碳交易市場背景下，城市碳匯潛力對碳排放關聯(lián)和區(qū)域碳排放責任分配的影響日益加大，致使城市群碳排放空間關聯(lián)結(jié)構(gòu)日漸復雜化［8］。因此，考慮地區(qū)碳匯潛力，構(gòu)建碳排放空間關聯(lián)網(wǎng)絡對制定協(xié)同減排方案至關重要。長江中游城市群不僅是長江經(jīng)濟帶的重要支撐，更是全國經(jīng)濟的新增長極，但快速推進的工業(yè)化和城市化導致其面臨的碳中和壓力日趨增加。同時，豐富的森林資源及廣闊的水域面積，為其提供了強大的碳匯潛力。因此，以長江中游城市群為研究區(qū)域，明晰碳匯潛力下的碳排放空間關聯(lián)網(wǎng)絡演化與影響因素，不僅為城市群健康發(fā)展提供決策依據(jù)，更能為中國整體實現(xiàn)碳達峰、碳中和目標提供借鑒參考。

1 文獻綜述

現(xiàn)有對于碳排放空間關聯(lián)的研究主要聚焦在空間相關性和空間集聚特征。早期研究多基于探索性空間分析方法來探索碳排放的空間分布特征，常采用泰爾系數(shù)、錫爾系數(shù)、變異系數(shù)來揭示地區(qū)碳排放的區(qū)域差異和空間相關性［9-11］。后期研究多基于空間模型識別地區(qū)碳排放空間依賴關系及空間集聚現(xiàn)象［12-13］。研究尺度涉及國家層面［14-16］、省域?qū)用妫?7-18］和城市層面［12，19］等，但對于城市群的研究相對較少［20］。研究結(jié)果均認為碳排放可以通過大氣環(huán)流，貿(mào)易往來、產(chǎn)業(yè)轉(zhuǎn)移等經(jīng)濟活動機制傳導到其他地區(qū)，存在顯著的空間關聯(lián)特征和溢出效應［21］。但上述研究多局限于探索碳排放“屬性數(shù)據(jù)”的性質(zhì)，忽略了“關系數(shù)據(jù)”在識別碳排放空間相關性的優(yōu)勢。

對于碳排放空間關聯(lián)影響因素的研究，學者們通常采用空間計量模型和地理加權回歸模型［21］。研究表明地理、經(jīng)濟、技術、能源、產(chǎn)業(yè)、環(huán)保和城鎮(zhèn)化水平等社會經(jīng)濟因素不僅會影響本地的碳排放，同時也會對周邊地區(qū)產(chǎn)生空間溢出［10，17，22］。由于空間計量模型的局限性，難以深入分析碳排放的關聯(lián)性及其空間結(jié)構(gòu)形態(tài)。近年來，許多學者嘗試運用社會網(wǎng)絡分析方法（SNA）來研究區(qū)域碳排放的空間關聯(lián)關系，其優(yōu)勢在于能夠刻畫碳排放的空間關聯(lián)結(jié)構(gòu)。城市間的人口遷徙、貿(mào)易往來和產(chǎn)業(yè)轉(zhuǎn)移等社會經(jīng)濟活動都會產(chǎn)生碳排放要素關聯(lián)，同時土地利用類型等地理因素也會對其碳匯能力產(chǎn)生較大的影響［23-24］。因此，在考慮地區(qū)碳匯潛力的前提下，探討區(qū)域協(xié)同減排更具合理性。

基于此，作者構(gòu)建了碳生態(tài)承載系數(shù)，通過修正引力模型將其納入碳排放空間關聯(lián)網(wǎng)絡，采用社會網(wǎng)絡分析法探究長江中游城市群的碳排放關聯(lián)引力特征，并揭示碳排放空間關聯(lián)網(wǎng)絡的整體特征、個體特征和塊模型分區(qū)，為城市群協(xié)同減排機制的制定提供合理依據(jù)。此外，本研究還采用二次分配方法（QAP）探究碳匯潛力下碳排放空間關聯(lián)網(wǎng)絡的影響因素，為城市群的協(xié)同減排提出相關政策建議。

2 研究方法和數(shù)據(jù)來源

2. 1 研究區(qū)概況

長江中游城市群地跨湖北、湖南、江西三省，位于北緯25° 57'32. 794" 至32° 37'27. 837" 和東經(jīng)110°19'44. 391"至118°27'32. 732"之間（圖1）。長江中游城市群面積53. 76萬km2，包括武漢都市圈、環(huán)長株潭城市群、環(huán)鄱陽湖城市和宜荊荊都市圈四個子城市群［25］。長江中游城市群森林資源豐富、內(nèi)含鄱陽湖、洞庭湖以及東湖等眾多湖泊，具有大湖流域特征代表性。“依水而生”的長江中游城市群兼具強大的碳源與碳匯雙重功能。近年來，長江中游城市群經(jīng)濟一直保持中高速增長，城市間產(chǎn)業(yè)交流不斷加強，網(wǎng)絡聯(lián)系和內(nèi)外聯(lián)動能力不斷提高［26］，碳排放聯(lián)系也不斷加強。選取2005、2010、2015、2020年4個年份作為時間節(jié)點研究長江中游城市群碳排放空間關聯(lián)網(wǎng)絡，可以明晰城市群的碳排放空間關聯(lián)網(wǎng)絡的時空變化特征，為城市群制定協(xié)同減排政策提供依據(jù)。

2. 2 研究方法

2. 2. 1 碳生態(tài)承載系數(shù)

碳生態(tài)承載系數(shù)（ESC），表示地區(qū)碳匯占比與碳排放占比的商，反映了區(qū)域碳匯能力的大小。計算方法如下：

2. 2. 2 修正的引力模型

自“十一五”規(guī)劃以來，長江中游城市群經(jīng)濟快速增長的同時，伴隨而來的是化石能源消費總量的持續(xù)攀升和以CO2 為主的溫室氣體排放的急劇增加［37］，并進一步導致了生態(tài)環(huán)境惡化、生態(tài)承載力下降以及生態(tài)系統(tǒng)服務退化等問題［38］。因此，由經(jīng)濟增長帶來的碳排放的增加已是不爭事實，以GDP表征的經(jīng)濟增長對長江中游城市群碳排放的增加具有關鍵作用［39］。人口規(guī)模增加引起能源消費總量增加與土地利用類型變化，進一步通過城市擴張、生態(tài)用地減少以及農(nóng)業(yè)生產(chǎn)空間擴大導致碳排放增加與生態(tài)系統(tǒng)服務供給能力下降［40-41］。此外，碳排放不僅會受到本區(qū)域內(nèi)的人口和經(jīng)濟增長等因素的影響［42］，鄰近地區(qū)的空間溢出效應也會對本地區(qū)碳排放產(chǎn)生重要影響［43］。

從區(qū)域間空間關聯(lián)關系的約束看，兩個地區(qū)間的空間聯(lián)系不僅會受到傳統(tǒng)的地理距離的約束，還受經(jīng)濟距離、技術距離、生態(tài)安全距離等多種距離因素影響［21］。在生態(tài)文明建設和“雙碳”目標下，僅考慮地區(qū)間的地理距離和經(jīng)濟距離并不能滿足碳交易市場發(fā)展的需要，構(gòu)建基于碳匯潛力的碳排放空間關聯(lián)網(wǎng)絡十分必要。由于森林資源、水域資源以及草地資源的自然屬性，決定了其不僅對本地區(qū)的CO2具有吸收作用，同時其碳匯也具有顯著的空間溢出效應［8］?；诔休d力理論、生態(tài)系統(tǒng)服務供需理論、陸地生態(tài)系統(tǒng)碳循環(huán)和碳源-碳匯平衡原理［44-46］，碳生態(tài)承載系數(shù)反映了一個地區(qū)的碳排放承載能力，該地區(qū)的碳排放承載力能力越大，其對經(jīng)濟發(fā)展水平（人均GDP）的容量也就越大。相對于碳源-碳匯的比值或差值，借鑒區(qū)位熵構(gòu)建的碳生態(tài)承載系數(shù)克服了碳源和碳匯核算方法和口徑不同帶來的誤差，更具有客觀性［33］。因此，基于上述考慮并參考相關文獻［43］，對傳統(tǒng)引力模型進行修正，構(gòu)建兼具碳匯潛力的碳排放空間關聯(lián)網(wǎng)絡?；灸Ｐ蜑椋?/p>

基于（3）式，計算出表征基于碳匯潛力的碳排放空間關聯(lián)引力矩陣（31×31），每個元素即反映了對應兩個城市間的碳排放關聯(lián)強度。參考邵帥等［6］的做法，進一步以該矩陣各行的均值為閾值，將大于（或等于）該閾值的數(shù)值記為1，表示對應城市間的碳排放存在空間關聯(lián)關系；否則，記為0，表示對應城市間的碳排放不存在空間關聯(lián)關系，從而構(gòu)建了用于刻畫碳排放空間關聯(lián)網(wǎng)絡的有向非對稱二元鄰接矩陣yij，其中各行元素反映城市i 對城市j存在碳排放發(fā)出關系，而各列元素則反映城市i 對城市j存在碳排放接收關系。

2. 2. 3 社會網(wǎng)絡分析

基于SNA方法分析長江中游城市群碳排放空間關聯(lián)網(wǎng)絡的整體特征、個體特征和塊模型。整體特征主要分為網(wǎng)絡關系數(shù)、網(wǎng)絡密度、網(wǎng)絡關聯(lián)度、網(wǎng)絡效率和網(wǎng)絡等級，可以分析碳排放空間關聯(lián)網(wǎng)絡總體態(tài)勢和演變特征。個體特征主要采用點度中心度、接近中心度和中間中心度進行測度，可以分析單個城市在網(wǎng)絡中的地位。塊模分析主要利用迭代相關收斂法（CONCOR）對空間關聯(lián)網(wǎng)絡進行聚類和板塊劃分，揭示空間關聯(lián)網(wǎng)絡的內(nèi)部結(jié)構(gòu)和溢出路徑，并對板塊內(nèi)部與板塊之間的關聯(lián)特征進行分析，據(jù)此判斷各個板塊在空間關聯(lián)網(wǎng)絡中的角色和地位。

2. 2. 4 二次指派程序方法

明確碳排放空間關聯(lián)網(wǎng)絡的影響因素是碳中和背景下實現(xiàn)區(qū)域協(xié)同降碳增匯的重要基礎。其中，地理鄰接關系、經(jīng)濟發(fā)展因素、產(chǎn)業(yè)結(jié)構(gòu)因素、能源強度因素對于碳排放空間關聯(lián)關系的影響得到了大多數(shù)學者的肯定［6，10，12，47］。通過前文分析，初步發(fā)現(xiàn)城鎮(zhèn)用地與建設用地較多的城市往往處于網(wǎng)絡的核心位置，為進一步分析土地利用是否影響碳排放空間關聯(lián)網(wǎng)絡，本研究將土地利用強度納入碳排放空間關聯(lián)影響因素分析［34，36，38］。同時參考邵帥等［49］的研究，將經(jīng)濟集聚程度差異納入影響因素中。因而，采用二次指派程序方法（Quadratic AssignmentProcedure， QAP）對長江中游城市群碳排放空間網(wǎng)絡的影響因素進行建模分析。

2. 3 數(shù)據(jù)來源

本研究以長江中游城市群的31個城市為研究單元，選取的數(shù)據(jù)包括能源消耗數(shù)據(jù)、土地利用數(shù)據(jù)和社會經(jīng)濟數(shù)據(jù)。其中能源消耗數(shù)據(jù)和社會經(jīng)濟數(shù)據(jù)來自《中國城市統(tǒng)計年鑒》《中國城市建設統(tǒng)計年鑒》以及各城市的統(tǒng)計公報。土地利用數(shù)據(jù)來自中國科學院資源環(huán)境科學與數(shù)據(jù)中心提供的2005、2010、2015、2020年期間30 m ×30 m柵格數(shù)據(jù)。長江中游城市群碳排放數(shù)據(jù)來自中國城市溫室氣體工作組發(fā)布的2005、2010、2015、2020年中國城市CO2排放數(shù)據(jù)集。

3 碳排放空間關聯(lián)網(wǎng)絡特征

3. 1 碳生態(tài)承載力的時空特征

選取2005、2010、2015、2020年長江中游城市群碳生態(tài)承載系數(shù)均值的50%、100%和150%，將碳生態(tài)承載力劃分為低、較低、較高、高4個等級，并基于ArcGIS軟件進行空間可視化表達（圖2）。整體上看，長江中游城市群碳生態(tài)承載力以武漢都市圈為低值中心，環(huán)鄱陽湖城市群東南部為高值中心，呈現(xiàn)出“中間低、四周高”的特征，中心向外圍逐步上升的“核心-外圍”結(jié)構(gòu)。從內(nèi)部子城市群看，表現(xiàn)出“環(huán)鄱陽湖城市群＞環(huán)長株潭城市群＞宜荊荊都市圈＞武漢都市圈”的地域差異。從時間變化上看，研究區(qū)碳生態(tài)承載力隨時間推移逐漸降低，但城市群內(nèi)部碳生態(tài)承載力變化存在異質(zhì)性。2005—2015年，碳生態(tài)承載力低值區(qū)和高值區(qū)無變化，低值區(qū)集中分布在武漢都市圈，還包括南昌、新余、萍鄉(xiāng)、婁底和湘潭市，高值區(qū)大范圍分布在環(huán)鄱陽湖城市群東南部，包括景德鎮(zhèn)、上饒、鷹潭、撫州和吉安。較低值區(qū)明顯增加，從岳陽、長沙和株洲大范圍擴散至衡陽、湘潭、九江、咸寧和黃岡市，較高值區(qū)相應減少。2015—2020年，以環(huán)鄱陽湖城市群為主，包含益陽、上饒和景德鎮(zhèn)等的高值區(qū)不斷縮減，碳生態(tài)承載力明顯下降。主要原因在于近年來長江中游城市群工業(yè)化與城鎮(zhèn)化進程加快，工業(yè)發(fā)展與城市擴張擠占林地、水域、草地等碳匯較強的生態(tài)用地，從而導致陸地生態(tài)系統(tǒng)碳匯能力下降，而碳排放量在此過程中卻顯著上升，因而碳生態(tài)承載系數(shù)總體上呈現(xiàn)出明顯的下降趨勢。

3. 2 碳排放關聯(lián)引力的時空特征

根據(jù)修正引力模型計算得到2005、2010、2015、2020年長江中游城市群碳排放關聯(lián)引力，并選取引力排名前15的城市，通過弦圖將其可視化（圖3）。整體上看，城市間的碳排放關聯(lián)關系愈發(fā)緊密和穩(wěn)固，各城市間的碳排放聯(lián)系逐漸向密集化、多向化、深入化方向發(fā)展。其中2005年碳排放關聯(lián)強度前5名城市組合為南昌—撫州、宜春—撫州、武漢—撫州、九江—撫州、吉安—撫州?？梢姡?005年撫州的碳排放引力最強，與眾多城市建立了碳排放關聯(lián)。2010年碳排放聯(lián)系強度前5名城市組合為南昌—撫州、宜春—撫州、武漢—撫州、武漢—長沙、上饒—鷹潭。2015年碳排放聯(lián)系強度前5名城市組合為武漢—長沙、岳陽—長沙、湘潭—長沙、萍鄉(xiāng)—株洲、武漢—宜昌。可見，武漢和長沙在碳排放關聯(lián)網(wǎng)絡中的地位提升，碳排放引力顯著增強，對周圍城市的碳排放溢出作用加大。武漢和長沙作為長江中游城市群的經(jīng)濟中心，具有發(fā)達的制造業(yè)和服務業(yè)，快速城市化導致其人口密度高和能源消耗量大，碳排放引力較強。同時，武漢和長沙通過跨區(qū)域產(chǎn)業(yè)分工、能源供應、物流和貿(mào)易等經(jīng)濟聯(lián)系與其他城市產(chǎn)生了廣泛的碳排放關聯(lián)。2020年碳排放聯(lián)系強度前5名城市組合為武漢—宜昌、武漢—長沙、南昌—鷹潭、上饒—鷹潭、武漢—襄陽。所以，撫州、武漢、長沙、南昌、宜昌、鷹潭、上饒、吉安等是長江中游城市群碳排放聯(lián)系較為緊密的城市。撫州、上饒、宜春、吉安和鷹潭等作為國家森林城市，擁有“贛撫糧倉、生態(tài)之都”之稱，森林覆蓋率高達67. 3%，憑借其強大的碳匯潛力和碳生態(tài)承載能力，通過接收其他城市的高碳產(chǎn)業(yè)轉(zhuǎn)入和碳排放要素流入，產(chǎn)生了“碳排放避難所”效應。同時，這些城市依托良好的森林生態(tài)資源，大力發(fā)展森林康養(yǎng)產(chǎn)業(yè)，通過輸出綠色生態(tài)產(chǎn)品與其他城市產(chǎn)生碳要素關聯(lián)。從時間變化上看，長江中游城市群內(nèi)部碳排放關聯(lián)引力隨時間推移表現(xiàn)出收斂趨勢，碳排放引力差距逐漸縮小，呈現(xiàn)多極化特征。

3. 3 碳排放空間關聯(lián)網(wǎng)絡的整體特征

通過Ucinet 6. 0 測算長江中游城市群2005、2010、2015、2020年碳排放空間關聯(lián)網(wǎng)絡的網(wǎng)絡關系數(shù)、網(wǎng)絡密度、網(wǎng)絡關聯(lián)度、網(wǎng)絡效率和網(wǎng)絡等級度。研究期間長江中游城市群碳排放網(wǎng)絡關聯(lián)關系數(shù)呈不斷增長趨勢，由2005年的185個增至2020年的248個。同時，網(wǎng)絡密度也呈上升趨勢，由0. 198上升至0. 266，這反映出研究區(qū)碳排放空間關聯(lián)網(wǎng)絡日益稠密、龐大，且不再囿于鄰近城市碳排放的溢出效應，而是突破傳統(tǒng)的地理空間限制，在非鄰近城市間產(chǎn)生多種空間關聯(lián)。網(wǎng)絡關聯(lián)度在2005年為0. 967，2010年后始終為1，說明研究區(qū)碳排放空間關聯(lián)網(wǎng)絡結(jié)構(gòu)具有較好的連通性和穩(wěn)健性，所有城市均處于網(wǎng)絡當中，不存在脫離網(wǎng)絡的孤立城市，碳排放空間溢出效應明顯；網(wǎng)絡效率為0. 667～0. 778，整體呈逐漸下降趨勢，說明研究區(qū)碳排放空間關聯(lián)網(wǎng)絡連線增多，網(wǎng)絡中具有較多冗余關系數(shù)，且存在多重疊加的溢出渠道；網(wǎng)絡等級度在2005年為0. 064，2010年后始終為0，表明基于碳匯潛力的碳排放空間關聯(lián)網(wǎng)絡中城市的等級結(jié)構(gòu)并不森嚴，網(wǎng)絡不平等程度逐漸降低，碳排放傳導渠道不斷拓展，碳排放總量差異較大的城市間也可能存在較強的關聯(lián)效應和溢出效應。究其原因，隨著碳排放權交易市場的初步建成和交易成本的降低，碳排放交易量隨之增多，同時派生出的綠色消費需求倒逼各區(qū)域優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)并提升低碳技術創(chuàng)新效率。由此，城市間的產(chǎn)業(yè)協(xié)作與低碳技術交流密切程度均有所提升，碳排放要素流動較為頻繁。

根據(jù)2005、2010、2015、2020年4個截面，使用ArcGIS軟件對基于碳匯潛力的長江中游城市群碳排放空間關聯(lián)網(wǎng)絡進行可視化。如圖4所示，各城市均與鄰近甚至距離較遠的非鄰近城市建立了關聯(lián)關系，形成了一個不可分割的空間關聯(lián)網(wǎng)絡，且隨著時間推移網(wǎng)絡聯(lián)系愈加緊密，基于碳匯潛力的碳排放空間關聯(lián)網(wǎng)絡從雙核化向多極化多線程網(wǎng)絡形態(tài)發(fā)展。2005年，宜昌、撫州的關聯(lián)關系數(shù)最多，“雙核”結(jié)構(gòu)特征顯著。宜昌作為“三峽門戶”“川鄂咽喉”，地理位置優(yōu)越，且擁有豐富的森林資源和水域資源，碳生態(tài)承載力高，與武漢都市圈存在廣泛的碳排放關聯(lián)關系。撫州作為國家森林城市，內(nèi)含較強的碳匯潛力，還具有豐富的能源資源，與眾多城市存在碳排放關聯(lián)，在連接環(huán)鄱陽湖城市群與武漢都市圈的碳排放關聯(lián)中起到重要作用。2010年，長沙、吉安和鷹潭的核心地位逐步顯現(xiàn)，“多極化”結(jié)構(gòu)特征逐漸凸顯，核心城市擴散作用不斷增強。由于城市化和經(jīng)濟發(fā)展需要，長沙市對其他城市能源需求量大，而城市間的產(chǎn)業(yè)協(xié)作和低碳技術交流也推動了長沙市與其他城市的碳排放關聯(lián)。吉安和鷹潭憑借其較強的碳匯潛力和碳生態(tài)承載力，與眾多城市存在碳排放關聯(lián)；2015年，株洲的碳排放關聯(lián)能力上升，主要原因在于株洲政府積極開展植樹造林和森林保護的同時落實產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，減少了高能耗和高排放的工業(yè)產(chǎn)業(yè)，增加了低碳和清潔能源產(chǎn)業(yè)的比重，提高了地區(qū)碳生態(tài)承載能力，并與眾多城市建立了碳排放關聯(lián)。2020年，武漢在碳排放網(wǎng)絡中的地位提升，處于網(wǎng)絡核心位置，不僅與宜昌、長沙、撫州等存在廣泛的碳排放關聯(lián)，還對周邊中小城市產(chǎn)生顯著的碳排放溢出作用。主要原因在于，隨著中國碳中和戰(zhàn)略實施的不斷深入，武漢經(jīng)濟發(fā)展和碳減排的矛盾凸顯，一方面由于經(jīng)濟發(fā)展需要不得不依賴于其他區(qū)域化石能源的輸入，另一方面迫于減排責任不得不加大對高碳產(chǎn)業(yè)的轉(zhuǎn)出，同時著力于低碳技術的開發(fā)和應用，并通過產(chǎn)業(yè)協(xié)作和技術交流等對其他城市產(chǎn)生綠色低碳要素溢出效應。未來應從核心城市與中小城市之間的能源、技術等碳排放要素流動與共享入手，提升碳排放聯(lián)系密切程度，持續(xù)推進深化碳交易市場機制等協(xié)同減排機制。

3. 4 碳排放空間關聯(lián)網(wǎng)絡的個體特征

通過Ucinet 6. 0 測算長江中游城市群2005、2010、2015、2020年碳排放空間關聯(lián)網(wǎng)絡的點入度、點出度、接近中心度和中間中心度，如圖5—圖7所示。

2005年，撫州、宜昌、上饒、長沙和吉安的點入度較高，并且均遠大于點出度，說明上述地區(qū)在碳排放空間關聯(lián)網(wǎng)絡中的接收效應明顯。撫州、宜昌、上饒和吉安具有豐富的森林、水域和草地等碳匯資源，碳生態(tài)承載力強，接收了大量來自高碳排放區(qū)域的碳排放密集型產(chǎn)業(yè)，產(chǎn)生了顯著的“碳排放避難所”效應。長沙市由于其快速城市化和經(jīng)濟發(fā)展需要，能源需求量大，而自身能源供給能力不足，高度依賴其他地區(qū)的能源輸出，因此在碳排放空間關聯(lián)網(wǎng)絡中表現(xiàn)為接收效應。此外，作為中部地區(qū)首個、全國第三個“國家森林城市”，長沙市森林資源豐富，具有較強的碳匯潛力，碳排放接收效應顯著。2010年，撫州、吉安、鷹潭和長沙的點入度顯著高于其他城市，且遠遠高于點出度，表明以上城市的受益關聯(lián)性大于溢出關聯(lián)性。2010—2015年，鷹潭、株洲和襄陽的點入度顯著提高，接收了大量來自其他地區(qū)的碳排放溢出，“碳排放避難所”效應增強。可見，以撫州、宜昌、鷹潭、上饒和吉安等為代表的高碳生態(tài)承載力地區(qū)，其點入度往往高于點出度，碳排放接收效應顯著。

從接近中心度來看，長江中游城市群接近中心度的空間差異較小，整體較為均衡。這表明研究區(qū)內(nèi)部城市間聯(lián)系逐漸密切，各城市在網(wǎng)絡中均較為活躍。研究期間內(nèi)各節(jié)點的接近中心度趨于收斂，波動變化不大。鷹潭、撫州、吉安、株洲、宜昌、長沙和武漢等城市的接近中心度排名靠前，說明這些城市的碳排放關聯(lián)不易受其他城市的控制，在長江中游城市群碳排放空間關聯(lián)網(wǎng)絡中扮演“中心行動者”的角色。

中間中心度可用來分析城市在網(wǎng)絡中的控制能力。研究區(qū)各節(jié)點城市的中間中心度具有顯著的差異，且時間波動變化較大。這既反映出研究區(qū)網(wǎng)絡核心城市與非核心城市的網(wǎng)絡聯(lián)系度存在較大差異，又表明研究區(qū)網(wǎng)絡等級度較弱，非核心城市轉(zhuǎn)變?yōu)楹诵某鞘械募s束較少。長江中游城市群正面臨經(jīng)濟發(fā)展和生態(tài)環(huán)境保護的雙重挑戰(zhàn)，在碳中和戰(zhàn)略實施和碳交易市場建設背景下，非核心城市將獲得更多的發(fā)展機遇，碳排放聯(lián)系也逐漸增多。宜昌、武漢、撫州、吉安和長沙等城市的中間中心度排名靠前，說明上述城市多處于節(jié)點間交流的中間位置，對碳排放要素的控制能力較強。以武漢、長沙為代表的發(fā)達城市對于經(jīng)濟把控能力較強，產(chǎn)業(yè)規(guī)模大，為碳排放市場建設重點地區(qū)，整體碳排放量以及流動量較大，碳排放交易集中，處于網(wǎng)絡核心圈層位置；宜昌、撫州和吉安等則得益于其較強的碳生態(tài)承載力，接收來自其他城市的碳排放要素較多，“碳排放避難所”效應明顯。總體而言，長江中游城市群各城市在碳排放空間網(wǎng)絡中的位置和作用呈現(xiàn)出差異化和復雜化特征，城市間的“發(fā)出-接收”效應明顯。因此，在城市群協(xié)同減排的過程中，應重點關注中心城市的碳減排，進而通過碳排放關聯(lián)作用實現(xiàn)區(qū)域協(xié)同減排。

3. 5 塊模型特征

為揭示城市間的互動關系，使用Ucinet軟件CONCOR算法，將2020年長江中游城市群碳排放空間關聯(lián)網(wǎng)絡劃分為4個板塊，見表1。板塊內(nèi)關系為31個，板塊間關系為209個，可見研究區(qū)的碳排放空間關聯(lián)網(wǎng)絡以板塊間交流為主，板塊內(nèi)部交流為輔，板塊間存在顯著的碳排放空間溢出。板塊一的內(nèi)部關系數(shù)較期望值小，且與外部板塊之間的聯(lián)系要多于該板塊內(nèi)部成員之間的聯(lián)系，接收與溢出關系均較多，較為均衡，故該板塊屬于經(jīng)紀人板塊，在網(wǎng)絡結(jié)構(gòu)中起著“中介”和“橋梁”作用。經(jīng)紀人板塊主要分布在環(huán)鄱陽湖城市群西北部，包含南昌市、景德鎮(zhèn)市、萍鄉(xiāng)市、九江市、新余市、衡陽市、上饒市、宜春市、黃岡市；板塊二的板塊外接收關系數(shù)遠小于對外溢出關系數(shù)，實際內(nèi)部關系比例遠小于期望內(nèi)部關系比例，可劃分為凈溢出板塊。凈溢出板塊主要分布在武漢都市圈，包含武漢市、荊門市、潛江市、孝感市、鄂州市、岳陽市、咸寧市、荊州市、天門市、湘潭市、婁底市、黃石市、仙桃市；板塊三的實際內(nèi)部關系比例大于期望內(nèi)部關系比例，接收來自其他板塊溢出的關系數(shù)遠大于向其他板塊發(fā)出的關系數(shù)，故為凈受益板塊。凈受益板塊主要分布在環(huán)鄱陽湖城市群東部，包含吉安市、鷹潭市、株洲市和撫州市；板塊四對外和對內(nèi)溢出關系都比較多，且實際內(nèi)部關系比例大于期望內(nèi)部關系比例，可劃分為雙向溢出板塊。雙向溢出板塊則主要分布在湖北省北部及長株潭城市群部分城市，包含襄陽市、宜昌市、常德市、益陽市和長沙市。

為考察各板塊碳排放間的相互作用關系，利用UCINET軟件計算2020年碳排放空間網(wǎng)絡的密度矩陣，并通過與整體網(wǎng)絡密度0. 267對比，進行0-1賦值由此生成碳排放空間網(wǎng)絡的像矩陣（表2）。板塊一對板塊三產(chǎn)生空間溢出；板塊二對板塊三和板塊四都存在空間溢出關系；板塊三對板塊一存在空間溢出；板塊四對板塊二產(chǎn)生空間溢出。可見，板塊一和板塊三、板塊二和板塊四兩者之間都互相產(chǎn)生空間溢出關系。板塊間呈現(xiàn)出“雙向溢出板塊?凈溢出板塊→凈受益板塊?經(jīng)紀人板塊”的碳排放要素流動趨向?？傮w來看，在碳排放空間關聯(lián)網(wǎng)絡中，各板塊均能發(fā)揮自身優(yōu)勢以助推城市群協(xié)同碳減排聯(lián)動效應形成。

為分析碳排放空間關聯(lián)網(wǎng)絡的板塊空間分布變化，利用Arcgis 軟件將長江中游城市群2005、2010、2015 和2020年的板塊分布進行空間可視化表達（圖8）。整體來看，凈溢出板塊主要分布在武漢都市圈、宜荊荊都市圈和長株潭城市群部分城市?？梢?，凈溢出板塊主要為經(jīng)濟發(fā)展水平高和產(chǎn)業(yè)發(fā)展規(guī)模大，整體碳排放和碳流動量大的碳排放交易市場建設重點地區(qū)；凈受益板塊主要分布在環(huán)鄱陽湖城市群東部，為碳匯資源豐富和碳生態(tài)承載力較強的地區(qū)，碳排放避難所效應顯著。經(jīng)紀人板塊主要位于凈溢出板塊和凈受益板塊之間，集中在環(huán)鄱陽湖城市群西部。板塊間表現(xiàn)出“凈溢出板塊→經(jīng)紀人板塊→凈受益板塊”的碳排放傳遞路徑。具體而言，凈溢出板塊相當于碳排放空間關聯(lián)網(wǎng)絡中的“發(fā)動機”，驅(qū)動碳排放沿著經(jīng)紀人板塊向凈受益板塊方向流動，最后終止于凈受益板塊，呈現(xiàn)出明顯的“梯度轉(zhuǎn)移”特征。雙向溢出板塊主要位于長江中游城市群西部，對凈溢出和凈受益板塊都存在碳排放的空間溢出?？梢?，長江中游城市群的碳排放空間關聯(lián)網(wǎng)絡呈現(xiàn)出明顯的區(qū)域化“俱樂部”空間分布特征。從時間變化上來看，研究期內(nèi)上述各板塊均發(fā)生了不同程度的重組，凈溢出板塊的成員雖然有所變化但總數(shù)保持不變，經(jīng)紀人板塊的成員有所增加，凈受益和雙向溢出板塊的成員均有所減少，環(huán)鄱陽湖城市群的“碳排放避難所”效應有所弱化。2010年，經(jīng)紀人板塊向四周擴散，凈受益板塊減少，經(jīng)紀人板塊有所增加。其中，景德鎮(zhèn)、上饒和咸寧由凈受益板塊轉(zhuǎn)為經(jīng)紀人板塊。岳陽市由凈溢出板塊轉(zhuǎn)為雙向溢出板塊，衡陽市則由雙向溢出板塊轉(zhuǎn)為凈溢出板塊。2015年，凈溢出板塊向環(huán)鄱陽湖城市群擴散，而“經(jīng)紀人”板塊則主要分布在武漢都市圈和環(huán)長株潭城市群西部，雙向溢出和凈受益板塊顯著削減。2020年，長沙市由凈受益板塊轉(zhuǎn)為雙向溢出板塊，碳排放溢出效應增強。

4 碳排放空間關聯(lián)網(wǎng)絡影響因素分析

4. 1 QAP相關性分析

采用QAP方法對各影響因素矩陣與碳排放關聯(lián)矩陣之間的相關性系數(shù)進行測算，見表3。從相關系數(shù)正負來看，地理鄰近關系、經(jīng)濟集聚程度差異、能源消費強度差異、土地利用強度差異和經(jīng)濟發(fā)展水平差異矩陣均與碳排放關聯(lián)矩陣正相關，而工業(yè)發(fā)展水平差異矩陣與碳排放關聯(lián)矩陣負相關。從顯著性水平來看，地理鄰近關系、經(jīng)濟集聚程度差異、土地利用強度差異和經(jīng)濟發(fā)展水平差異矩陣的相關系數(shù)均至少在10%的水平上通過了顯著性檢驗，與碳排放空間關聯(lián)矩陣顯著正相關。QAP回歸可以解決各因素的多重共線性問題，可進一步分析各因素矩陣對碳排放關聯(lián)矩陣的影響。

4. 2 QAP回歸分析

對長江中游城市群碳排放空間關聯(lián)網(wǎng)絡的影響因素進行QAP回歸分析，見表4。地理鄰近關系矩陣的回歸系數(shù)在1% 的水平上顯著為正，表明相鄰的城市更容易產(chǎn)生人口和貿(mào)易往來、產(chǎn)業(yè)分工與協(xié)作等，地理鄰近關系能夠促進城市間碳排放關聯(lián)關系的建立。經(jīng)濟集聚程度差異矩陣的回歸系數(shù)通過了10% 顯著性水平的檢驗，且回歸系數(shù)為正，表明經(jīng)濟集聚程度差異越大，越有利于促進城市間的碳排放關聯(lián)。一個地區(qū)的經(jīng)濟密度越高，意味著集聚經(jīng)濟的“共享、匹配和學習”的溢出效應更大［50］，有利于高經(jīng)濟集聚地區(qū)與其他低經(jīng)濟集聚地區(qū)建立產(chǎn)業(yè)協(xié)作和貿(mào)易往來，由此帶來更多的碳排放要素關聯(lián)。土地利用強度差異矩陣的標準化回歸系數(shù)為0. 119，顯著性概率為0. 014，通過了5% 的顯著性檢驗，表明土地利用強度差異對城市間的碳排放關聯(lián)有顯著的促進作用。主要原因在于，不同土地利用類型的活動會產(chǎn)生不同的碳排放量，建設用地和耕地為主要碳排放來源，而林地、草地、水域和未利用地則產(chǎn)生碳匯，能吸收CO2并降低碳排放。當城市內(nèi)的土地利用強度差異大時，高土地利用強度區(qū)域為了向低碳集約方向轉(zhuǎn)變，會通過土地利用類型轉(zhuǎn)換和高碳產(chǎn)業(yè)轉(zhuǎn)移等方式與低土地利用強度區(qū)域產(chǎn)生碳排放空間關聯(lián)［31，33，36］。經(jīng)濟水平差異矩陣通過了5% 的顯著性檢驗，說明經(jīng)濟水平差異對碳排放的空間關聯(lián)有顯著影響，回歸系數(shù)為正值，說明經(jīng)濟水平差異越大越容易促進碳排放關聯(lián)關系。武漢作為長江中游城市群中心城市，經(jīng)濟發(fā)展水平高，碳排放量大，其環(huán)境規(guī)制往往更嚴格，在環(huán)境與總量的約束下，只能向經(jīng)濟發(fā)展水平較低的城市進行碳排放轉(zhuǎn)移。能源消耗強度差異矩陣的標準化回歸系數(shù)為0. 048，顯著性概率為0. 181，未通過顯著性檢驗，說明能源消耗強度的差異對碳排放空間關聯(lián)目前未有顯著影響?？赡茉蛟谟?，發(fā)達城市自身能源稟賦無法匹配其經(jīng)濟發(fā)展規(guī)模及產(chǎn)業(yè)集群化程度，往往依賴于儲量大的地區(qū)能源支持，而與其城市本身能源消耗量并無直接聯(lián)系。工業(yè)發(fā)展水平差異矩陣的回歸系數(shù)未通過顯著性檢驗，說明工業(yè)發(fā)展差異對碳排放空間關聯(lián)目前并無顯著影響。但是隨著長江中游城市群產(chǎn)業(yè)結(jié)構(gòu)的重新布局與優(yōu)化，各城市產(chǎn)業(yè)結(jié)構(gòu)的發(fā)展與調(diào)整，也許未來會對碳排放關聯(lián)關系產(chǎn)生影響。

5 結(jié)論與政策建議

5. 1 結(jié)論

既有研究大多基于地理鄰近的視角考察中國碳排放的空間異質(zhì)性和溢出效應，卻未將不同地區(qū)的碳匯潛力納入碳排放空間關聯(lián)網(wǎng)絡構(gòu)建中，并且對于碳排放空間關聯(lián)背后的影響因素未能提供合理的解釋。本研究深入探究了基于碳匯潛力的長江中游城市群碳排放空間關聯(lián)網(wǎng)絡結(jié)構(gòu)特征，揭示了城市間碳排放空間關聯(lián)差異化的影響因素，不僅能夠豐富學界對碳排放空間關聯(lián)網(wǎng)絡的理論認識，同時對于促進區(qū)域協(xié)同降碳增匯，實現(xiàn)碳中和愿景具有重要的實踐價值。具體結(jié)論如下。

（1）長江中游城市群碳生態(tài)承載力以武漢都市圈為低值中心，環(huán)鄱陽湖城市群東南部為高值中心，呈現(xiàn)出“中間低、四周高，中心向外圍逐步上升”的核心-外圍結(jié)構(gòu)。從時間變化上看，以環(huán)鄱陽湖城市群為主的高值區(qū)不斷縮減，碳生態(tài)承載力明顯下降。

（2）長江中游城市群碳排放網(wǎng)絡關聯(lián)關系數(shù)、網(wǎng)絡密度和網(wǎng)絡關聯(lián)度呈不斷增長趨勢，網(wǎng)絡日益稠密、龐大，具有較好的連通性和穩(wěn)健性。網(wǎng)絡效率整體呈下降趨勢，且網(wǎng)絡等級度在2010年后始終為0，表明網(wǎng)絡連線逐漸增多且存在多重疊加的溢出渠道，碳排放量差異較大的城市間也可能存在較強的關聯(lián)和溢出效應，網(wǎng)絡等級結(jié)構(gòu)并不森嚴。研究期內(nèi)，基于碳匯潛力的長江中游城市群碳排放空間關聯(lián)網(wǎng)絡從“雙核化”向“多極化、多線程”網(wǎng)絡形態(tài)發(fā)展，核心城市的擴散作用不斷增強。

（3）以撫州、宜昌、鷹潭、上饒和吉安等為代表的高碳生態(tài)承載力地區(qū)，其點入度往往高于點出度，在碳排放空間關聯(lián)網(wǎng)絡中的受益關聯(lián)性大于溢出關聯(lián)性，“碳排放避難所”效應顯著。鷹潭、撫州、吉安、株洲、宜昌、長沙和武漢等城市的接近中心度排名靠前，在網(wǎng)絡中扮演“中心行動者”的角色。研究區(qū)各城市的中間中心度具有顯著的空間差異，且時間波動變化較大，這既反映出研究區(qū)網(wǎng)絡核心城市與非核心城市的網(wǎng)絡聯(lián)系度存在較大差異，又表明研究區(qū)網(wǎng)絡等級度較弱，非核心城市轉(zhuǎn)變?yōu)楹诵某鞘械募s束較少。宜昌、武漢、撫州、吉安和長沙等城市的中間中心度排名靠前，說明上述城市多處于節(jié)點間交流的中間位置，對碳排放要素的控制能力較強。

（4）2020年，長江中游城市群碳排放空間關聯(lián)網(wǎng)絡形成四大板塊，相較于板塊內(nèi)部成員間的碳排放空間關聯(lián)效應，板塊間的碳排放空間關聯(lián)效應和碳排放轉(zhuǎn)移效應更為明顯，即板塊間的較為普遍。凈溢出板塊主要分布在武漢都市圈，為經(jīng)濟發(fā)展水平高和碳流動量大的碳排放交易市場建設重點地區(qū)；凈受益板塊主要分布在環(huán)鄱陽湖城市群東部，為碳匯資源豐富和碳生態(tài)承載力較強的地區(qū)，“碳排放避難所”效應顯著。經(jīng)紀人板塊主要位于凈溢出板塊和凈受益板塊之間，集中在環(huán)鄱陽湖城市群西部。板塊間表現(xiàn)出“凈溢出板塊→經(jīng)紀人板塊→凈受益板塊”的碳排放傳遞路徑，呈現(xiàn)出明顯的“梯度轉(zhuǎn)移”特征。雙向溢出板塊主要位于長江中游城市群西部，對凈溢出和凈受益板塊都存在碳排放的空間溢出。在研究樣本期內(nèi)，凈溢出板塊的成員雖然有所變化但總數(shù)保持不變，經(jīng)紀人板塊的成員有所增加，凈受益和雙向溢出板塊的成員均有所減少，環(huán)鄱陽湖城市群的“碳排放避難所”效應有所弱化。

（5）地理鄰近關系能夠促進城市間碳排放關聯(lián)關系的建立，經(jīng)濟集聚程度差異、土地利用強度差異和經(jīng)濟水平差異越大，越有利于推動城市間產(chǎn)生更多的碳排放關聯(lián)關系。城市間在經(jīng)濟集聚程度、土地利用強度和經(jīng)濟發(fā)展水平上的互補性，促使碳排放空間關聯(lián)網(wǎng)絡隨著城市分工與協(xié)作的加強而呈現(xiàn)出千里“碳緣” 一線牽的特點。

5. 2 政策建議

以上研究表明，城市群內(nèi)部呈現(xiàn)出顯著的碳排放空間關聯(lián)特征和網(wǎng)絡結(jié)構(gòu)，因而要從城市群整體出發(fā)，構(gòu)建更具針對性、公平性的協(xié)同減排機制?；诖耍狙芯刻岢鲆韵聨c政策啟示。

（1）合理利用長江中游城市群碳排放空間關聯(lián)網(wǎng)絡的區(qū)域化“俱樂部” 空間分布特征，根據(jù)各城市的角色地位和分布特征，實現(xiàn)減排責任的區(qū)域合理分解，建立“引導-隨同”的長江中游城市群協(xié)同降碳機制。具體而言，首先應該充分發(fā)揮如武漢都市圈、宜荊荊都市圈和環(huán)長株潭城市群外圍城市等凈溢出板塊和雙向溢出板塊的低碳轉(zhuǎn)型領航者作用，通過產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級以降低能源強度，并利用自身技術及管理優(yōu)勢，開發(fā)利用清潔能源和推行“低碳經(jīng)濟”。其次，還應該適度強化環(huán)鄱陽湖城市群西部城市經(jīng)紀人板塊的碳排放責任，為其綠色技術創(chuàng)新營造良好的制度環(huán)境，借助來自武漢都市圈和環(huán)長株潭城市群的低碳技術的溢出效應，激勵更多經(jīng)紀人板塊區(qū)域出現(xiàn)來助力協(xié)同減排效應的發(fā)揮。此外，應該加強環(huán)鄱陽湖城市群東部城市凈受益板塊的自然保護區(qū)和生態(tài)敏感區(qū)的保護工作，合理規(guī)劃其土地利用方式，維護濕地、森林、草原等生態(tài)系統(tǒng)完整性和功能，不斷提高其碳吸收和承載能力，實現(xiàn)生態(tài)系統(tǒng)增匯減排的目的。同時，應致力于改善環(huán)鄱陽湖城市群的能源效率并逐步提高產(chǎn)業(yè)布局的“綠色”門檻，從而進一步有效弱化區(qū)域間的“碳排放避難所”效應。

（2）重視城市群碳減排的空間聯(lián)動效應，發(fā)揮核心節(jié)點城市的作用，實現(xiàn)“以點帶面，以局部帶動整體”，并針對處于網(wǎng)絡中不同位置的城市制定精準的減排策略。針對碳排放網(wǎng)絡核心城市，如武漢、長沙等，應優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，加大綠色和低碳技術創(chuàng)新。此外，應充分發(fā)揮區(qū)域協(xié)同降碳增匯的“中介”和“橋梁”作用，中心城市在向其他城市進行產(chǎn)業(yè)轉(zhuǎn)移及能源消費時，應增設節(jié)能減排項目，帶動網(wǎng)絡邊緣城市的碳減排。針對網(wǎng)絡邊緣城市，可適度推進城鎮(zhèn)化建設力度，發(fā)展新型工業(yè)，綜合考慮企業(yè)生產(chǎn)所帶來的環(huán)境問題及生態(tài)成本，不能一味地關注成本及收益。此外，應充分利用已有的森林、草地等碳匯資源，建設綠色生態(tài)衛(wèi)星城，不斷提高其碳吸收能力。

（3）持續(xù)推進和深化長江中游城市群一體化和碳交易市場建設。為此，需要進一步加強城市間交通運輸和新型基礎設施的互聯(lián)互通，降低城市間物流貿(mào)易、人口、能源等要素的流動成本，強化城市間的碳排放關聯(lián)效應。同時，著力促進長江中游城市群城市間碳排放權的自由交易，以助推碳交易機制在推進區(qū)域協(xié)同減排方面發(fā)揮積極作用。此外，地理鄰近關系、經(jīng)濟集聚、土地利用強度和經(jīng)濟發(fā)展水平是碳排放空間關聯(lián)網(wǎng)絡形成和發(fā)展的重要影響因素，因而應加強鄰近城市的互聯(lián)互惠作用，并借助各城市在土地利用方式、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟集聚和發(fā)展狀況上的互補性，加強清潔能源和低碳技術的交流與合作，促進區(qū)域產(chǎn)業(yè)布局和結(jié)構(gòu)優(yōu)化，以實現(xiàn)城市群碳減排整體步履一致，各城市在碳達峰碳中和戰(zhàn)略實施過程中不跑偏、不走樣、不掉隊。

參考文獻

［1］ 張文忠. 中國城市體檢評估的理論基礎和方法［J］. 地理科學，

2021，41（10）：1687-1696.

［2］ 郭政，姚士謀，吳常艷. 中國工業(yè)煙粉塵排放時空演化及其影響

因素［J］. 地理科學，2020，40（12）：1949-1957.

［3］ 夏四友，楊宇. 基于主體功能區(qū)的京津冀城市群碳收支時空分

異與碳補償分區(qū)［J］. 地理學報，2022，77（3）：679-696.

［4］ 席強敏，李國平，孫瑜康，等. 京津冀科技合作網(wǎng)絡的演變特征

及影響因素［J］. 地理學報，2022，77（6）：1359-1373.

［5］ 王凱，唐小惠，甘暢，等. 中國服務業(yè)碳排放強度時空格局及影

響因素［J］. 中國人口·資源與環(huán)境，2021，31（8）：23-31.

［6］ 邵帥，徐俐俐，楊莉莉. 千里“ 碳緣” 一線牽：中國區(qū)域碳排放空

間關聯(lián)網(wǎng)絡的結(jié)構(gòu)特征與形成機制［J］. 系統(tǒng)工程理論與實踐，

2023，43（4）：958-983.

［7］ MI Z F，ZHANG Y K，GUAN D B，et al. Consumption?based emission

accounting for Chinese cities［J］. Applied energy，2016，184：

1073-1081.

［8］ 杜之利，蘇彤，葛佳敏，等. 碳中和背景下的森林碳匯及其空間

溢出效應［J］. 經(jīng)濟研究，2021，56（12）：187-202.

［9］ 顏廷武，田云，張俊飚，等. 中國農(nóng)業(yè)碳排放拐點變動及時空分

異研究［J］. 中國人口·資源與環(huán)境，2014，24（11）：1-8.

［10］ 劉賢趙，高長春，張勇，等. 中國省域碳強度空間依賴格局及其

影響因素的空間異質(zhì)性研究［J］. 地理科學，2018，38（5）：

681-690.

［11］ 孫耀華，仲偉周，慶東瑞. 基于 Theil 指數(shù)的中國省際間碳排放

強度差異分析［J］. 財貿(mào)研究，2012，23（3）：1-7.

［12］ 王少劍，黃永源. 中國城市碳排放強度的空間溢出效應及驅(qū)動

因素［J］. 地理學報，2019，74（6）：1131-1148.

［13］ ZHANG R J，TAI H，CHENG K T，et al. Carbon emission efficiency

network formation mechanism and spatial correlation complexity

analysis：taking the Yangtze River Economic Belt as an example

［J］. Science of the total environment，2022，841：156719.

［14］ BECKEN S，PATTERSON M. Measuring national carbon dioxide

emissions from tourism as a key step towards achieving sustainable

tourism［J］. Journal of sustainable tourism，2006，14（4）：323-338.

［15］ DONG F，YU B L，HADACHIN T，et al. Drivers of carbon emission

intensity change in China［J］. Resources，conservation and recycling，

2018，129：187-201.

［16］ PAN A，XIAO T，DAI L. The structural change and influencing factors

of carbon transfer network in global value chains［J］. Journal

of environmental management，2022，318：115558.

［17］ 趙桂梅，耿涌，孫華平，等. 中國省際碳排放強度的空間效應及

其傳導機制研究［J］. 中國人口·資源與環(huán)境，2020，30（3）：

49-55.

［18］ WANG Z S，ZHOU Y X，ZHAO N，et al. Spatial correlation network

and driving effect of carbon emission intensity in China's construction

industry［J］. Buildings， 2022， 12（2）： 201.

［19］ WANG S J，LIU X P. China's city?level energy?related CO2 emissions：

Spatiotemporal patterns and driving forces［J］. Applied energy，

2017，200：204-214.

［20］ SHEN W R，LIANG H W，DONG L，et al. Synergistic CO2 reduction

effects in Chinese urban agglomerations： perspectives from social

network analysis［J］. Science of the total environment，2021，

798：149352.

［21］ 李碩碩，劉耀彬，駱康. 環(huán)鄱陽湖縣域新型城鎮(zhèn)化對碳排放強

度的空間溢出效應［J］. 資源科學，2022，44（7）：1449-1462.

［22］ BAI C Q，ZHOU L，XIA M L，et al. Analysis of the spatial association

network structure of China's transportation carbon emissions

and its driving factors［J］. Journal of environmental management，

2020，253：109765.

［23］ KRAVCHENKO A N，GUBER A K，RAZAVI B S，et al. Microbial

spatial footprint as a driver of soil carbon stabilization［J］. Nature

communications，2019，10：3121.

［24］ 李天潤，陳爽. 1990年以來盧旺達森林轉(zhuǎn)型路徑及趨勢模擬

［J］. 資源科學，2022，44（3）：494-507.

［25］ 鄭文升，杜南喬，楊瑤，等. 長江中游城市群空間結(jié)構(gòu)的多分形

特征［J］. 地理學報，2022，77（4）：947-959.

［26］ 郭慶賓，駱康. 中國城市群資源集聚能力的協(xié)調(diào)發(fā)展及其驅(qū)動

機制：以長江中游城市群為例［J］. 中國軟科學，2020（5）：

94-103.

［27］ 王鍇，樸世龍，何悅，等. 中國陸地生態(tài)系統(tǒng)碳匯穩(wěn)定性的空間

分布特征及驅(qū)動機制［J］. 中國科學（地球科學），2023，53（2）：

216-226.

［28］ 李強，高威，魏建飛，等. 中國耕地利用凈碳匯時空演進及綜合

分區(qū)［J］. 農(nóng)業(yè)工程學報，2022，38（11）：239-249.

［29］ XIA L L，CAO L，YANG Y，et al. Integrated biochar solutions can

achieve carbon?neutral staple crop production［J］. Nature food，

2023，4（3）：236-246.

［30］ 呂國瑋，周建春，蔡玉梅，等. 廣東省土地利用及其變化和林業(yè)

碳核算研究［J］. 地理學報，2023，78（3）：640-657.

［31］ 李璐，董捷，徐磊，等. 功能區(qū)土地利用碳收支空間分異及碳補

償分區(qū)：以武漢城市圈為例［J］. 自然資源學報，2019，34（5）：

1003-1015.

［32］ 白永飛，趙玉金，王揚，等. 中國北方草地生態(tài)系統(tǒng)服務評估和

功能區(qū)劃助力生態(tài)安全屏障建設［J］. 中國科學院院刊，2020，

35（6）：675-689.

［33］ 魏燕茹，陳松林. 福建省土地利用碳排放空間關聯(lián)性與碳平衡

分區(qū)［J］. 生態(tài)學報，2021，41（14）：5814-5824.

［34］ 馮薇，趙榮欽，謝志祥，等. 碳中和目標下土地利用碳排放效率

及其時空格局：以黃河流域72個地級市為例［J］. 中國土地科

學，2023，37（1）：102-113.

［35］ 段曉男，王效科，逯非，等. 中國濕地生態(tài)系統(tǒng)固碳現(xiàn)狀和潛力

［J］. 生態(tài)學報，2008，28（2）：463-469.

［36］ 范建雙，虞曉芬，周琳. 南京市土地利用結(jié)構(gòu)碳排放效率增長

及其空間相關性［J］. 地理研究，2018，37（11）：2177-2192.

［37］ LIU Z，GUAN D B，WEI W，et al. Reduced carbon emission estimates

from fossil fuel combustion and cement production in China

［J］. Nature，2015，524：335-338.

［38］ 楊子暉. 經(jīng)濟增長、能源消費與二氧化碳排放的動態(tài)關系研究

［J］. 世界經(jīng)濟，2011，34（6）：100-125.

［39］ GUAN D B，MENG J，REINER D M，et al. Structural decline in

China's CO2 emissions through transitions in industry and energy

systems［J］. Nature geoscience，2018，11（8）：551-555.

［40］ MURADIAN R. Immigration and the environment：underlying values

and scope of analysis［J］. Ecological economics，2006，59（2）：

208-213.

［41］ SHAO S，YANG L L，YU M B，et al. Estimation，characteristics，

and determinants of energy?related industrial CO2 emissions in

Shanghai（ China），1994–2009［J］. Energy policy，2011，39（10）：

6476-6494.

［42］ 王鋒，秦豫徽，劉娟，等. 多維度城鎮(zhèn)化視角下的碳排放影響因

素研究：基于中國省域數(shù)據(jù)的空間杜賓面板模型［J］. 中國人

口·資源與環(huán)境，2017，27（9）：151-161.

［43］ 王倩倩，黃賢金，陳志剛，等. 我國一次能源消費的人均碳排放

重心移動及原因分析［J］. 自然資源學報，2009，24（5）：

833-841.

［44］ 高揚，王朔月，陸瑤，等. 區(qū)域陸-水-氣碳收支與碳平衡關鍵過

程對地球系統(tǒng)碳中和的意義［J］. 中國科學（地球科學），2022，

52（5）：832-841.

［45］ LI S S，LIU Y B，WEI G E，et al. Construction of carbon budget balance

index and its application in the lake area［J］. Frontiers in

ecology and evolution， 2023， 11： 1195833.

［46］ XU Z H，PENG J，DONG J Q，et al. Spatial correlation between the

changes of ecosystem service supply and demand：an ecological

zoning approach［J］. Landscape and urban planning，2022，217：

104258.

［47］ 劉凱，吳怡，陶雅萌，等. 中國省域生態(tài)文明建設對碳排放強度

的影響［J］. 中國人口·資源與環(huán)境，2019，29（7）：50-56.

［48］ 付慧，劉艷軍，孫宏日，等. 京津冀地區(qū)耕地利用轉(zhuǎn)型時空分異

及驅(qū)動機制［J］. 地理科學進展，2020，39（12）：1985-1998.

［49］ 邵帥，張可，豆建民. 經(jīng)濟集聚的節(jié)能減排效應：理論與中國經(jīng)

驗［J］. 管理世界，2019，35（1）：36-60，226.

［50］ INGSTRUP M B，DAMGAARD T. Cluster facilitation from a cluster

life cycle perspective［J］. European planning studies，2013，21

（4）：556-574.

（責任編輯：蔣金星）