珠江流域片相關(guān)城市碳排放網(wǎng)絡(luò)空間復(fù)雜特征研究

尹劍 高杰林 張斌

摘 要：降低城市碳排放是實(shí)現(xiàn)全球可持續(xù)發(fā)展的關(guān)鍵。然而，城市空間單元復(fù)雜的交互關(guān)系使得未來城市碳排放不明確，阻礙了協(xié)同碳減排策略的制定。為揭示城市碳排放空間復(fù)雜性特征，探討城市碳減排協(xié)同關(guān)系變化趨勢，因地制宜制定區(qū)域聯(lián)合減排方案?；谛拚δＰ蜆?gòu)建珠江流域片相關(guān)城市碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)，采用復(fù)雜網(wǎng)絡(luò)分析和社區(qū)劃分方法分析了城市碳排放網(wǎng)絡(luò)空間復(fù)雜性及其協(xié)同減排潛力。研究發(fā)現(xiàn)研究期內(nèi)城市碳排放網(wǎng)絡(luò)空間復(fù)雜性得到提升，城市協(xié)同減排效應(yīng)增加。東莞、深圳、廣州、昆明以及貴陽等城市位于碳排放網(wǎng)絡(luò)核心位置，在碳排放網(wǎng)絡(luò)中發(fā)揮輻射作用。碳排放網(wǎng)絡(luò)社區(qū)劃分?jǐn)?shù)量呈減小趨勢，城市碳排放共性問題愈加集中，城市協(xié)同減排合作潛力增加。研究從碳排放網(wǎng)絡(luò)空間復(fù)雜性視角開展碳排放協(xié)同關(guān)系分析，可為實(shí)施差異化城市協(xié)同減排策略提供參考。

關(guān)鍵詞：城市碳排放；復(fù)雜網(wǎng)絡(luò)分析；社區(qū)發(fā)現(xiàn)；協(xié)同關(guān)系

中圖分類號(hào)：TV21 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-9235（2024）05-0103-09

Spatial Characteristics of Carbon Emission Networks in Selected Urbans within Pearl River Basin Area

YIN Jian1，3， GAO Jielin1，3， ZHANG Bin1，2*

（1. Research Center for Western Modernization， Guizhou University of Finance and Economics， Guiyang 550025， China;2. NortheastAsian Studies College， Jilin University， Changchun 130012， China;3. Collaborative Innovation Center for Green Development， Guizhou University of Finance and Economics， Guiyang 550025， China）

Abstract： Reducing urban carbon emissions is crucial for achieving global sustainable development. However， the complex interactions within urban spatial units make future urban carbon emissions uncertain， hindering the development of collaborative carbon emission reduction strategies in this area. To reveal the spatial complexity of urban carbon emissions， this study examines the changes in carbon emission collaborative relationships among relevant cities in the Pearl River Basin Areas in China， and formulate regional joint emission reduction plans according to local conditions. The study constructs a spatial connection network of urban carbon emissions based on the modified gravity model. The spatial complexity of carbon emission networks and the collaborative emission reduction potential are analyzed by complex network analysis and community division methods. The study reveals that the spatial complexity of the urban carbon emission network in the study area has increased， leading to an increase in the collaborative emission reduction effect among cities. Notably， Dongguan， Shenzhen， Guangzhou， Kunming， and Guiyang occupy a central position in the core network of carbon emissions and act as hubs for radiating influence. Additionally， the number of divisions within the urban carbon emissions network community declines， indicating a more concentrated set of common issues among urban carbon emissions and a heightened potential for cooperation. The proposed research framework can effectively analyze collaborative relationships in urban carbon emissions， providing a scientific basis for implementing differentiated collaborative emission reduction strategies.

Keywords： Urban Carbon Emissions; Complex Network Analysis; Community Detection; Collaborative Relationships

全球變暖已成為當(dāng)今世界面臨的最大挑戰(zhàn)之一。研究表明，人類生產(chǎn)活動(dòng)產(chǎn)生的大量碳排放是導(dǎo)致氣候持續(xù)變暖和極端天氣事件頻繁發(fā)生的關(guān)鍵因素［1］。作為全球最大的發(fā)展中國家，當(dāng)前中國處于快速的城市化和工業(yè)化交織進(jìn)程中，大量化石能源消費(fèi)產(chǎn)生的碳排放量急劇增加，給實(shí)現(xiàn)“碳達(dá)峰、碳中和”目標(biāo)帶來巨大挑戰(zhàn)［2］。城市化已成為影響中國碳排放的重要因素之一，城市間碳排放交互關(guān)系也愈加復(fù)雜［3］。城市間協(xié)同合作在低碳減排中的作用越來越受到關(guān)注。2022年6月，中國政府發(fā)布了《減污降碳協(xié)同增效實(shí)施方案》（https：//www. gov. cn/zhengce/ zhengceku/2022-06/17/content_5696364. htm），對(duì)協(xié)同減排做出進(jìn)一步指導(dǎo)。研究城市碳排放協(xié)同關(guān)系有利于制定科學(xué)的區(qū)域碳減排政策和實(shí)現(xiàn)碳減排目標(biāo)，促進(jìn)生態(tài)環(huán)境保護(hù)高質(zhì)量發(fā)展。

伴隨城市間人員、物資、資本以及信息等聯(lián)系的加強(qiáng)，城市碳排放空間聯(lián)系也愈加緊密，并呈現(xiàn)出復(fù)雜的多線程網(wǎng)絡(luò)結(jié)構(gòu)。從復(fù)雜網(wǎng)絡(luò)視角分析城市碳排放聯(lián)系以及協(xié)同減排潛力逐漸受到諸多學(xué)者的關(guān)注［4］。該方法可揭示城市碳排放網(wǎng)絡(luò)結(jié)構(gòu)特征，分析區(qū)域碳排放空間溢出效應(yīng)，明確不同城市在碳排放聯(lián)系網(wǎng)絡(luò)中的作用，從而制定更加有針對(duì)性的協(xié)同減排方案。Lu 等［5］構(gòu)建了歐盟國家碳排放加權(quán)和定向網(wǎng)絡(luò)，使用社會(huì)網(wǎng)絡(luò)分析方法分析了各國在碳排放網(wǎng)絡(luò)中的作用。Shen等［6］認(rèn)為城市碳排放差異與聯(lián)系存在相互作用機(jī)制，城市碳排放的關(guān)聯(lián)性和差異性會(huì)影響彼此的生成和變化。隨著研究的深入，復(fù)雜網(wǎng)絡(luò)理論逐漸應(yīng)用于分析由于城市內(nèi)部產(chǎn)業(yè)轉(zhuǎn)移、要素流動(dòng)形成的碳排放復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)，揭示城市碳排放的主要來源［7］。然而，當(dāng)前基于復(fù)雜網(wǎng)絡(luò)理論的城市碳排放復(fù)雜性研究主要集中于經(jīng)濟(jì)發(fā)達(dá)地區(qū)，如經(jīng)濟(jì)帶、城市群等［6］。城市合作碳減排需要多主體間協(xié)同合作，既要包含發(fā)達(dá)城市，也需考慮到欠發(fā)達(dá)城市?，F(xiàn)有研究重點(diǎn)聚焦發(fā)達(dá)城市間協(xié)同碳減排機(jī)制，忽略了不同城市間碳排放進(jìn)程的不平衡性。

珠江流域不僅是中國生態(tài)環(huán)境保護(hù)重點(diǎn)地區(qū)［8］，也是經(jīng)濟(jì)發(fā)展重要增長極［9］。珠江流域面積廣闊，包含城市眾多。下游的珠三角地區(qū)是全國經(jīng)濟(jì)最發(fā)達(dá)地區(qū)之一，而上游城市整體經(jīng)濟(jì)發(fā)展水平相對(duì)較低，仍需進(jìn)一步提升。流域的整體性以及經(jīng)濟(jì)社會(huì)高度空間關(guān)聯(lián)性使得經(jīng)濟(jì)發(fā)達(dá)與欠發(fā)達(dá)城市間碳排放聯(lián)系逐漸增強(qiáng)。此外，由于各城市經(jīng)濟(jì)發(fā)展和產(chǎn)業(yè)結(jié)構(gòu)的差異，城市間高耗能產(chǎn)業(yè)轉(zhuǎn)移等活動(dòng)可能會(huì)導(dǎo)致經(jīng)濟(jì)欠發(fā)達(dá)城市碳排放量進(jìn)一步增加，最終導(dǎo)致城市間碳排放不平衡性愈加顯著［10］，這在一定程度上增加碳減排任務(wù)分配的復(fù)雜性，削弱碳減排政策的有效性。

基于此，本研究以城市碳排放差異性顯著、碳排放交互作用強(qiáng)烈的珠江流域片相關(guān)城市作為研究區(qū)域。將發(fā)達(dá)城市與欠發(fā)達(dá)城市納入城市協(xié)同減排分析框架，實(shí)現(xiàn)碳減排多主體協(xié)同分析。從碳排放網(wǎng)絡(luò)視角探討城市碳排放空間復(fù)雜性特征，分析不同城市在碳排放網(wǎng)絡(luò)中的影響，揭示城市協(xié)同減排關(guān)系變化趨勢，以此為制定更加有針對(duì)性的區(qū)域協(xié)同減排策略提供參考。

1研究方法與數(shù)據(jù)來源

1.1研究區(qū)域

珠江流域不僅是中國經(jīng)濟(jì)發(fā)展的主要?jiǎng)恿υ?，也是生態(tài)保護(hù)的重要試驗(yàn)區(qū)。近年來，珠江流域片城市在經(jīng)濟(jì)發(fā)展和碳排放方面存在明顯的差異性。上游地區(qū)多以高原、山地為主，高污染、高耗能產(chǎn)業(yè)占比相對(duì)較高，能源、交通等領(lǐng)域的碳排放在下游地區(qū)占據(jù)主導(dǎo)地位。當(dāng)前，隨著城市間人口流動(dòng)、產(chǎn)業(yè)轉(zhuǎn)移、交通運(yùn)輸?shù)壬a(chǎn)活動(dòng)日益頻繁，不可避免地造成了碳排放外溢，城市間實(shí)施協(xié)同碳減排日益迫切。研究區(qū)主要基于珠江流域片邊界劃定，以城市主體位于珠江流域片的城市為研究對(duì)象，湖南的郴州、江西的贛州、福建的龍巖等城市都涉及到珠江流域片，但是面積非常小，因此未納入研究范圍。海南省與其他城市缺乏陸路聯(lián)通，因此未納入研究區(qū)。此外，貴州省不屬于珠江流域片的遵義和銅仁市與省內(nèi)其他城市聯(lián)系密切，為了更全面的反應(yīng)碳排放網(wǎng)絡(luò)關(guān)系，因此將其一并納入研究區(qū)域。研究涉及了49座城市（圖1）。

1.2數(shù)據(jù)來源

目前，眾多學(xué)者提出了多種城市碳排放計(jì)算方法。的研究團(tuán)隊(duì)在先前研究中開發(fā)了一個(gè)多尺度碳排放計(jì)算模型。該模型耦合土地利用、夜間燈光等多源數(shù)據(jù)，將土地碳匯納入碳排放計(jì)算過程中，從土地利用碳排放和能源消費(fèi)碳排放層面進(jìn)行多尺度碳排放計(jì)算，并取得了良好的效果［11］，基于該模型獲得了不同時(shí)期城市碳排放量。研究所使用的人口、經(jīng)濟(jì)社會(huì)統(tǒng)計(jì)數(shù)據(jù)來源于2006、2011、2016、2020年《中國城市統(tǒng)計(jì)年鑒》。為消除通貨膨脹因素對(duì)研究結(jié)果的影響，使用的城市 GDP數(shù)據(jù)均以2005年按不變價(jià)格進(jìn)行計(jì)算處理。

1.3研究方法

1.3.1修正引力模型

本研究基于修正引力模型構(gòu)建城市碳排放空間聯(lián)系網(wǎng)絡(luò)，計(jì)算見式（1）、（2）：

式中 Rij、Dij——城市 i 和j 之間的碳排放聯(lián)系強(qiáng)度以及空間距離；Gi、Pi、Ci——城市 i 的 GDP、人口和碳排放量；ei——城市 i 的人均 GDP； Kij——從城市 i 到城市 j 的碳排放的引力 系數(shù)。

1.3.2復(fù)雜網(wǎng)絡(luò)分析

研究使用復(fù)雜網(wǎng)絡(luò)分析方法對(duì)城市碳排放網(wǎng)絡(luò)結(jié)構(gòu)特征進(jìn)行分析，以揭示城市碳排放網(wǎng)絡(luò)的空間復(fù)雜性，刻畫城市間碳減排協(xié)同發(fā)展能力。本研究使用網(wǎng)絡(luò)密度、網(wǎng)絡(luò)直徑等指標(biāo)分析城市碳排放網(wǎng)絡(luò)整體結(jié)構(gòu)特征，相關(guān)指標(biāo)見表1［12-15］。

核心-外圍結(jié)構(gòu)是由網(wǎng)絡(luò)節(jié)點(diǎn)組成的特殊結(jié)構(gòu)，這些節(jié)點(diǎn)以緊密連接的中心和稀疏分布的外圍相互連接，具有較強(qiáng)的穩(wěn)定性和魯棒性［15］。核心-外圍結(jié)構(gòu)分析可以明確珠江流域片相關(guān)城市碳排放網(wǎng)絡(luò)的核心和外圍城市，揭示各城市在碳排放網(wǎng)絡(luò)中的地位以及核心城市對(duì)鄰近城市的輻射效應(yīng)。

1.3.3社區(qū)發(fā)現(xiàn)

在復(fù)雜網(wǎng)絡(luò)研究中，社區(qū)是指由一組連接密集的節(jié)點(diǎn)組成的網(wǎng)絡(luò)子群［14］。社區(qū)劃分主要反映空間網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)狀態(tài)，在遵循相似性與差異性原則基礎(chǔ)上實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)內(nèi)部結(jié)構(gòu)的聚類分組，揭示節(jié)點(diǎn)之間相互作用強(qiáng)度與整體的緊密性。本研究采用快速展開算法（fast unfolding）識(shí)別城市碳排放網(wǎng)絡(luò)社團(tuán)結(jié)構(gòu)，該方法具有步驟簡單直觀、易于實(shí)施、計(jì)算效率高等優(yōu)點(diǎn)［16］，見式（3）—（6）：

式中 Aij——網(wǎng)絡(luò)中城市 i、j 之間邊的權(quán)重；m——網(wǎng)絡(luò)中所有邊的權(quán)重總和；ki、kj——與城市 i、j 相連接的所有邊的總和；δ（ci，cj）—— piecewise 函數(shù)，用來判斷城市 i 和城市j 是否屬于同一社區(qū)；Ci、Cj——城市 i、j 歸屬的社區(qū)，如果2個(gè)城市屬于同一社區(qū)，δ的值為1，否則值為0。

2結(jié)果

2.1城市碳排放時(shí)空變化特征分析

2.1.1城市碳排放空間集聚特征

圖2展示了研究區(qū)城市2005、2010、2015、2019年碳排放空間分布特征。研究期內(nèi)，各城市碳排放量呈現(xiàn)顯著的增長趨勢。在地理空間分布上，研究區(qū)城市碳排放總體呈現(xiàn)“上下游高，中游低”的分布格局，城市碳排放在空間分布上明顯的異質(zhì)性。2005年，碳排放量前三位的城市分別為東莞、深圳和廣州，這些城市均位于珠江下游的珠三角地區(qū)，城市化建設(shè)等生產(chǎn)活動(dòng)對(duì)化石能源消費(fèi)較高，使得城市碳排放量處于相對(duì)較高水平。2019年，中游地區(qū)城市碳排放量增長趨勢愈加明顯，碳排放量超過650萬 t 的城市由2005年的4座變化為12座。

2.1.2城市碳排放網(wǎng)絡(luò)演化特征

基于修正引力模型計(jì)算研究區(qū)城市碳排放聯(lián)系強(qiáng)度，并構(gòu)建了城市碳排放聯(lián)系網(wǎng)絡(luò)。參考 Zhang 等［17］的研究，根據(jù)聯(lián)系強(qiáng)度將城市碳排放聯(lián)系網(wǎng)絡(luò)劃分為2個(gè)等級(jí)：核心網(wǎng)絡(luò)和邊緣網(wǎng)絡(luò)。如果城市間碳排放聯(lián)系強(qiáng)度高于聯(lián)系強(qiáng)度均值視為核心網(wǎng)絡(luò)，反之則視為邊緣網(wǎng)絡(luò)。核心網(wǎng)絡(luò)是網(wǎng)絡(luò)演化的高級(jí)類型，描述了城市節(jié)點(diǎn)之間的緊密聯(lián)系，反映了碳排放網(wǎng)絡(luò)的骨干結(jié)構(gòu)?？紤]到文章篇幅有限，本研究繪制了2005、2010、2015、2019年碳排放核心網(wǎng)絡(luò)（圖3），以揭示城市碳排放網(wǎng)絡(luò)的發(fā)展趨勢和空間形態(tài)變化。

從網(wǎng)絡(luò)規(guī)?？?，城市碳排放連接數(shù)量由2005年的350條增加到2019年的390條，碳排放核心網(wǎng)絡(luò)總體規(guī)模不斷增加，城市碳排放聯(lián)系愈加緊密。2005年，城市碳排放核心網(wǎng)絡(luò)主要分布在下游的珠三角地區(qū)，廣州、深圳、佛山等城市間碳排放聯(lián)系強(qiáng)度較高。隨著時(shí)間的推移，城市間碳排放聯(lián)系強(qiáng)度日益提升，新的城市碳排放聯(lián)系開始形成，進(jìn)一步提升了碳排放網(wǎng)絡(luò)的復(fù)雜性。2019年，城市碳排放聯(lián)系模式更加豐富。珠三角地區(qū)城市碳排放網(wǎng)絡(luò)進(jìn)一步向周邊城市擴(kuò)展，逐漸形成了以深圳、廣州和東莞為核心，向周邊城市輻射延伸的多層次復(fù)合網(wǎng)絡(luò)結(jié)構(gòu)。值得注意的是，上游城市碳排放網(wǎng)絡(luò)復(fù)雜化趨勢日益明顯，逐漸由點(diǎn)軸向放射狀網(wǎng)絡(luò)結(jié)構(gòu)發(fā)展。從碳排放聯(lián)系差異性看，城市碳排放聯(lián)系在空間分布上存在不均衡性。下游城市無論是在碳排放聯(lián)系強(qiáng)度還是網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜性上，顯著高于其他地區(qū)。中游地區(qū)城市作為上下游城市的重要聯(lián)系樞紐，在產(chǎn)業(yè)轉(zhuǎn)移、物流貿(mào)易等方面承擔(dān)著重要連接功能。隨著交通等基礎(chǔ)設(shè)施建設(shè)的不斷推進(jìn)，區(qū)域間經(jīng)濟(jì)活動(dòng)愈加頻繁，中游城市與下游城市碳排放聯(lián)系愈加緊密。然而，中上游城市碳排放聯(lián)系網(wǎng)絡(luò)結(jié)構(gòu)相對(duì)單一，未來仍有較大的提升空間。

2.2城市碳排放網(wǎng)絡(luò)空間復(fù)雜性特征分析

2.2.1城市碳排放網(wǎng)絡(luò)整體復(fù)雜性特征

為反映城市碳排放聯(lián)系復(fù)雜度，計(jì)算了2005、2010、2015、2019年的核心網(wǎng)絡(luò)整體結(jié)構(gòu)特征，結(jié)果見表2。

從網(wǎng)絡(luò)密度看，城市碳排放核心網(wǎng)絡(luò)密度呈波動(dòng)上升趨勢，說明城市碳排放空間聯(lián)系更加緊密，城市間要素流動(dòng)愈加頻繁。2005、2010、2015、2019年的網(wǎng)絡(luò)連接數(shù)量分別為350、369、380、390個(gè)，也進(jìn)一步驗(yàn)證了碳排放核心網(wǎng)絡(luò)密度的增加趨勢。然而，碳排放網(wǎng)絡(luò)密度相對(duì)較低，碳排放網(wǎng)絡(luò)結(jié)構(gòu)相對(duì)松散，不同城市間實(shí)現(xiàn)協(xié)同減排目標(biāo)還有較大的協(xié)作空間，資源要素在城市間的優(yōu)化配置仍需進(jìn)一步加強(qiáng)。

網(wǎng)絡(luò)效率從0.828下降到0.786，表明城市碳排放網(wǎng)絡(luò)聯(lián)系增加，城市碳排放聯(lián)系逐漸緊密，網(wǎng)絡(luò)的穩(wěn)定性得到了提高。這可能是由于隨著交通等基礎(chǔ)設(shè)施的完善，降低了城市碳排放的交易成本，從而增加了城市碳排放的空間相關(guān)性，增強(qiáng)了碳排放網(wǎng)絡(luò)的穩(wěn)定性。

2005—2019年，平均路徑長度由2.319增加到3.630，網(wǎng)絡(luò)直徑由7增長為10，表明網(wǎng)絡(luò)結(jié)構(gòu)呈復(fù)雜化趨勢，網(wǎng)絡(luò)的傳輸性能與效率得到提升。在城市碳排放網(wǎng)絡(luò)中，邊緣城市與中心城市的聯(lián)系得到加強(qiáng)，中心城市對(duì)周邊城市帶動(dòng)能力有所提升。碳排放網(wǎng)絡(luò)平均聚類系數(shù)也呈現(xiàn)增長趨勢，說明城市碳排放網(wǎng)絡(luò)中相近節(jié)點(diǎn)的聯(lián)系強(qiáng)度增加，網(wǎng)絡(luò)結(jié)構(gòu)也愈加緊密，這與網(wǎng)絡(luò)密度的結(jié)果分析具有一致性。

2.2.2城市碳排放網(wǎng)絡(luò)核心-邊緣結(jié)構(gòu)

本研究基于2005年和2019年城市碳排放聯(lián)系，分析了城市碳排放網(wǎng)絡(luò)核心-邊緣結(jié)構(gòu)特征（圖4）。整體上，城市碳排放網(wǎng)絡(luò)呈現(xiàn)核心區(qū)域不斷擴(kuò)大、邊緣區(qū)域逐漸縮小的趨勢。2005年，包括廣州、深圳、佛山在內(nèi)的11座城市位于城市碳排放網(wǎng)絡(luò)核心區(qū)，這些城市均位于下游地區(qū)，碳排放網(wǎng)絡(luò)核心城市聚集特征顯著。中游和上游城市處于網(wǎng)絡(luò)的邊緣位置。2019年，核心城市數(shù)量進(jìn)一步增加，表明核心區(qū)開始打破地理界限，廣泛的空間聯(lián)系逐步加強(qiáng)。梅州、汕尾、河源和揭陽等城市受廣州、佛山等城市碳排放輻射的影響，從邊緣城市變化為核心城市。值得注意的是，貴陽和昆明也成為碳排放網(wǎng)絡(luò)核心城市，在城市碳排放網(wǎng)絡(luò)中發(fā)揮輻射效應(yīng)。然而，其他城市仍屬于碳排放網(wǎng)絡(luò)的邊緣區(qū)，集聚和吸引能力相對(duì)較低，對(duì)核心城市依賴性較強(qiáng)。

2.3城市碳排放網(wǎng)絡(luò)聚類特征

使用社區(qū)發(fā)現(xiàn)方法對(duì)城市碳排放核心網(wǎng)絡(luò)社團(tuán)的組織模式及其層級(jí)結(jié)構(gòu)進(jìn)行分析。圖5展示了2005、2010、2015、2019年城市碳排放核心網(wǎng)絡(luò)社區(qū)劃分變動(dòng)情況。2005—2019年模塊度在0.389～0.452波動(dòng)（表2），這表明碳排放網(wǎng)絡(luò)存在明顯的社團(tuán)劃分，并且結(jié)構(gòu)越來越清晰。

整體來看，2005—2019年，無論是社區(qū)數(shù)量還是社區(qū)內(nèi)部結(jié)構(gòu)組成均發(fā)生顯著變化。社區(qū)數(shù)量呈減小趨勢，表明城市碳排放共性問題愈加集中，城市間協(xié)同減排潛力提升。2005年，城市碳排放核心網(wǎng)絡(luò)被劃分為5個(gè)社區(qū)。其中社區(qū)Ⅲ和社區(qū)Ⅳ包含的城市數(shù)量較多，規(guī)模較大。社區(qū)Ⅲ主要由昆明、貴陽等上游城市組成，社區(qū)Ⅳ由中游城市組成。2010年，城市碳排放核心網(wǎng)絡(luò)社區(qū)劃分?jǐn)?shù)量減小為4個(gè)。社區(qū)Ⅴ所包含城市融入到社區(qū)Ⅰ和社區(qū)Ⅱ中。與2010年相比，2015年城市碳排放網(wǎng)絡(luò)社區(qū)劃分結(jié)構(gòu)變化不大，主要差異在于河池、清遠(yuǎn)、肇慶以及韶關(guān)4座城市在2015年由社區(qū)Ⅰ被劃分至社區(qū)Ⅲ。2019年，上游城市與下游城市形成規(guī)模更大的社區(qū)Ⅲ ， 肇慶、云浮、梧州、惠州以及陽江融入到社區(qū)Ⅰ。由地理集聚特征可以發(fā)現(xiàn)，地理位置鄰近的城市更易成為同一社團(tuán)。例如廣州、深圳等經(jīng)濟(jì)發(fā)展水平高的核心城市與周邊城市構(gòu)成了社區(qū)Ⅰ ， 并在研究期內(nèi)結(jié)構(gòu)保持穩(wěn)定。此外，研究發(fā)現(xiàn)行政邊界可能對(duì)碳排放網(wǎng)絡(luò)社團(tuán)的形成產(chǎn)生一定影響。如社區(qū)Ⅲ包含的城市多位于廣西境內(nèi)、社區(qū)Ⅳ所包含的城市多位于貴州境內(nèi)，多數(shù)廣東境內(nèi)的城市被劃分至社區(qū)Ⅰ和社區(qū)Ⅲ。從社區(qū)動(dòng)態(tài)變化過程可以看出，研究期內(nèi)社區(qū)Ⅰ不斷吸納周邊城市，社團(tuán)規(guī)模呈增加趨勢。社區(qū)Ⅱ在2010年吸納河源后，規(guī)模結(jié)構(gòu)保持穩(wěn)定。

3討論

研究發(fā)現(xiàn)研究區(qū)碳排放聯(lián)系強(qiáng)度呈增長趨勢，城市碳排放存在顯著空間復(fù)雜性特征。因此，開展城市間協(xié)同合作對(duì)于實(shí)現(xiàn)區(qū)域碳減排目標(biāo)具有重要意義，而忽視空間關(guān)聯(lián)效應(yīng)的城市個(gè)體治理方式不能有效降低碳排放。這一發(fā)現(xiàn)與 Su 等［18］和 Bai 等［12］提出的區(qū)域協(xié)調(diào)發(fā)展理念相一致。城市碳排放聯(lián)系強(qiáng)度高值主要分布在珠三角地區(qū)，如廣州、深圳、佛山以及東莞等城市間的碳排放聯(lián)系日益緊密，并隨著時(shí)間推移碳排放聯(lián)系網(wǎng)絡(luò)向周邊城市延伸?？赡苁怯捎谶@些城市經(jīng)濟(jì)發(fā)展水平相對(duì)較高，與周邊城市間的經(jīng)濟(jì)活動(dòng)和貿(mào)易往來愈加頻繁，城市間貨運(yùn)物流、產(chǎn)業(yè)轉(zhuǎn)移等進(jìn)一步提升了碳排放空間溢出效應(yīng)。加之交通網(wǎng)絡(luò)的不斷完善、信息技術(shù)的快速發(fā)展進(jìn)一步壓縮了城市間的空間距離，使得碳排放聯(lián)系愈加密切。值得關(guān)注的是，上游城市如貴陽、昆明、畢節(jié)以及六盤水等城市間碳排放聯(lián)系呈顯著增加趨勢，城市碳排放網(wǎng)絡(luò)結(jié)構(gòu)逐漸復(fù)雜。一方面，這些城市多為中國重要的工業(yè)基地，化石燃料在城市能源消費(fèi)結(jié)構(gòu)中占比較高，其碳排放量更是顯著。另一方面，這些城市近年來城市化進(jìn)程不斷加快，承接了部分下游地區(qū)轉(zhuǎn)移的高耗能產(chǎn)業(yè)，但受低碳技術(shù)和其他因素的限制，碳排放量也隨之上升。此外，城市碳排放聯(lián)系的不均衡性表明碳排放聯(lián)系網(wǎng)絡(luò)存在層次結(jié)構(gòu)性［19-20］。如，柳州、河池、來賓以及百色等中游地區(qū)城市間碳排放聯(lián)系不夠緊密，網(wǎng)絡(luò)結(jié)構(gòu)單一。隨著工業(yè)化和城市化的加速，高碳密集型產(chǎn)業(yè)可能會(huì)越來越集中在某些城市，可能會(huì)進(jìn)一步加劇城市碳排放聯(lián)系的不均衡性，形成“馬太效應(yīng)”［10］。

從碳排放網(wǎng)絡(luò)復(fù)雜性看，城市碳排放聯(lián)系網(wǎng)絡(luò)整體規(guī)模呈上升趨勢，網(wǎng)絡(luò)密度呈現(xiàn)波動(dòng)上升特征，這與 Dong等［21］的研究發(fā)現(xiàn)是相似的。這可能是由于交通、通訊網(wǎng)絡(luò)的逐步完善，促進(jìn)了區(qū)域間的技術(shù)擴(kuò)散和勞動(dòng)力轉(zhuǎn)移，加強(qiáng)了區(qū)域間的生產(chǎn)聯(lián)系，有助于形成碳排放空間聯(lián)系網(wǎng)絡(luò)。然而，碳排放網(wǎng)絡(luò)效率呈下降趨勢。這可能是由于隨著各城市對(duì)碳減排和綠色發(fā)展的日益重視，碳交易市場體系逐步完善，增強(qiáng)了碳排放聯(lián)系網(wǎng)絡(luò)的穩(wěn)定性。珠江流域片相關(guān)城市在經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)等方面存在較大差距，使得城市碳排放網(wǎng)絡(luò)密度值總體較低，城市間的資源要素配置和協(xié)同減排能力未來仍有進(jìn)一步優(yōu)化的空間。

4結(jié)論

本研究以中國珠江流域片相關(guān)的49座城市為研究區(qū)域，運(yùn)用復(fù)雜網(wǎng)絡(luò)分析、社區(qū)劃分等方法，分析了城市碳排放網(wǎng)絡(luò)空間復(fù)雜性特征，研究了城市協(xié)同減排關(guān)系變化趨勢，探討了城市協(xié)同減排合作潛力，得到以下結(jié)論。

研究區(qū)城市碳排放聯(lián)系強(qiáng)度呈顯著增加趨勢，逐漸形成了以珠三角地區(qū)為核心，向周邊城市輻射的多層次復(fù)合網(wǎng)絡(luò)結(jié)構(gòu)。上游城市碳排放網(wǎng)絡(luò)復(fù)雜化趨勢顯著，逐漸由點(diǎn)軸向放射狀網(wǎng)絡(luò)結(jié)構(gòu)發(fā)展。中上游城市間碳排放聯(lián)系強(qiáng)度相對(duì)較低，碳排放聯(lián)系不均衡性凸顯。碳排放核心網(wǎng)絡(luò)總體規(guī)模不斷擴(kuò)大，城市碳排放聯(lián)系愈加緊密，新的城市碳排放聯(lián)系開始形成，城市碳排放網(wǎng)絡(luò)復(fù)雜性得到提升。東莞、深圳、廣州、昆明以及貴陽等城市位于碳排放網(wǎng)絡(luò)的核心位置，在碳排放網(wǎng)絡(luò)中發(fā)揮輻射作用。社區(qū)劃分結(jié)果表明，研究區(qū)城市碳排放核心網(wǎng)絡(luò)存在明顯的社團(tuán)劃分，社區(qū)數(shù)量呈減小趨勢，城市碳排放共性問題愈加集中，城市協(xié)同減排合作潛力增加。本研究從碳排放網(wǎng)絡(luò)空間復(fù)雜性視角開展城市協(xié)同減排研究，對(duì)相關(guān)碳減排研究進(jìn)行了補(bǔ)充和拓展，研究方法及思路可為其他地區(qū)協(xié)同減排研究提供參考，以探索更加科學(xué)、有效的區(qū)域協(xié)同減排合作模式。

參考文獻(xiàn)：

［1］張晴，朱華，王妍，等.杭州市農(nóng)業(yè)用水碳排放與經(jīng)濟(jì)增長脫鉤關(guān)系及其驅(qū)動(dòng)因素研究［J］.人民珠江，2024，45（1）：34-41，62.

［2］ JIANG H T，YIN J，WEI D Q，et al. Industrial carbon emission efficiency prediction and carbon emission reduction strategies based on multi-objective particle swarm optimization- backpropagation： A perspective from regional clustering［J］. Science of the Total Environment ，2024，906. DOI：10.1016/j. scitotenv.2023.167692.

［3］李慧敏，張鈺，李鋒，等.基于 CiteSpace 的低碳城市研究文獻(xiàn)計(jì)量分析［J］.人民珠江，2024，45（1）：85-94.

［4］ JIANG Q C，MA X J. Spillovers of environmental regulation on carbon emissions network［J］. Technological Forecasting and Social Change，2021，169. DOI：10.1016/j. techfore.2021.120825.

［5］ LU P，LI Z H，WEN Y，et al. Fresh insights for sustainable development：Collaborative governance of carbon emissions based on social network analysis［J］. Sustainable Development，2023，31（3）：1873-1887.

［6］ 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. DOI：10.1016/j. scitotenv.2021.149352.

［7］ HU Y，YU Y，MARDANI A. Selection of carbon emissions control industries in China：An approach based on complex networks control perspective［J］. Technological Forecasting and Social Change，2021，172. DOI：10.1016/j. techfore.2021.121030.

［8］王睿卿，蔣曉輝，聶桐.基于地理探測器的珠江流域 NDVI 時(shí)空變化及驅(qū)動(dòng)力分析［J］.人民珠江，2022，43（7）：61-73.

［9］丁乙，尹劍，姜洪濤，等.珠三角碳達(dá)峰系統(tǒng)動(dòng)力學(xué)預(yù)測［J］.環(huán)境工程，2023，41（7）：22-29.

［10］ZHU M C，ZHAO Z B，MENG Y，et al. Unfolding the Evolution of Carbon Inequality Embodied in Inter-Provincial Trade of China ［J］. Environmental Impact Assessment Review，2022，97. DOI：10.1016/j. eiar.2022.106884.

［11］ZHANG B，YIN J，JIANG H T，et al. Multi-source data assessment and multi-factor analysis of urban carbon emissions： A case study of the Pearl River Basin，China［J］. Urban Climate，2023，51. DOI：10.1016/j. uclim.2023.101653.

［12］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. DOI：10.1016/j. jenvman.2019.109765.

［13］DING R，DU Y M，DU L Y，et al. Green finance network evolution and prediction： fresh evidence from China［J］. Environmental Science and Pollution Research，2023，30（26）：68241-68257.

［14］NEWMAN M. The Structure and Function of Complex Networks ［J］. SIAM Review，2003，45（2）：167-256.

［15］尹劍，張斌，丁銳，等.西部陸海新通道城市群經(jīng)濟(jì)聯(lián)系空間特征演化過程研究［J］.地理科學(xué)，2023，43（11）：1983-1993.

［16］丁銳，張宜琳，周濤，等.軌道交通復(fù)雜網(wǎng)絡(luò)演化對(duì)城市社區(qū)劃分的影響研究［J］.鐵道科學(xué)與工程學(xué)報(bào)，2022，19（11）：3168-3178.

［17］ZHANG R J，TAI H W，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. DOI：10.1016/j. scitotenv.2022.156719.

［18］SU Y，YU Y Q. Spatial association effect of regional pollution control［J］. Journal of Cleaner Production，2019，213：540-552.

［19］LIU S N，XIAO Q T. An empirical analysis on spatial correlation investigation of industrial carbon emissions using SNA-ICE model ［J］. Energy，2021，224. DOI：10.1016/j. energy.2021.120183.

［20］XIA L L，ZHANG Y，YU X Y，et al. Hierarchical structure analysis of urban carbon metabolism：A case study of Beijing， China［J］. Ecological Indicators ，2019，107. DOI：10.1016/j. ecolind.2019.105602.

［21］DONG J，LI C B. Structure characteristics and influencing factors of China's carbon emission spatial correlation network：A study based on the dimension of urban agglomerations［J］. Science of the Total Environment ，2022，853. DOI：10.1016/j. scitotenv.2022.158613.

（責(zé)任編輯：程 茜）