長三角城市群能源碳排放空間關聯及其影響因素研究

王彩娟，季順偉，任麗燕*

（1. 寧波大學地理與空間信息技術系，浙江·寧波 315211；2. 寧波市高等學校協同創新中心 寧波陸海國土空間利用與治理協同創新中心，浙江·寧波 315211；3. 浙江省新型重點專業智庫寧波大學東海戰略研究院東海海洋生態研究中心，浙江·寧波 315211）

氣候變化的全球風險主要集中表現在城市地區，在海岸生態系統中的沿海城市和地區的體現更為明顯[1]。城市群作為主要的經濟活動區域和CO2主要排放區域[2]，大多分布在沿海地區。長三角城市群是世界六大都市圈之一，中國三大城市群之一[3]，位于中國東部沿海地區，受全球氣候變暖的影響較大。其容納我國最優質的資本、人力等資源，是經濟密度最高的區域之一，但同時也是生態環境問題高度集中的地區[4-5]。建成碳達峰與碳中和城市群，對于中國實現雙碳目標具有重要意義[6]。在此背景下，研究長三角城市群碳排放空間關聯，實現協同減排值得政府重視。

已有的城市群碳排放研究主要集中在其時空分異與時空格局[7-8]、生態效率[9-10]、碳達峰預測[11-12]、低碳城市群建設[13]、環境規制[9,14-15]等方面。整體而言，空間因素逐漸成為城市群碳排放研究的重點。空間關系是多元的、復雜的，受多種因素共同作用的影響較大，因此針對具體的城市群碳排放網絡結構及作用進行研究。

目前碳排放空間關聯的研究區域主要以大區域和行業為主，具體集中在交通運輸業、建筑業、工業、電力行業[16-20]重點碳排放行業，對于城市群尺度碳排放的空間網絡結構研究較少。城市群是碳達峰碳中和的責任區[6]，是具有網絡關系與層級性的區域空間[21]，其在發展過程中，有利于城市間CO2排放分布的空間關聯與依賴[22]。關于城市群碳排放空間網絡關聯研究相對較少，目前相關文獻對長江中游城市群土地利用[23]、珠三角城市群[24]的碳排放空間關聯進行了研究。探索碳排放空間關聯性的研究方法主要是空間計量方法和社會網絡分析方法（social network analysis，簡稱SNA）。基于空間計量方法研究表明碳排放的空間關聯在地理相鄰和經濟相連的區域間更可能存在[17]。部分研究結合引力模型，利用SNA方法研究了碳排放的空間關聯，從整體和個體網絡結構特征兩方面分析空間關聯[25]。

通過梳理相關文獻發現：（1）從研究主題看，城市群碳排放早期的研究主要集中基于地理鄰近性或者僅考慮距離間的線性模式，結果只揭示了少量的空間關聯度，對碳排放空間網絡關聯的研究尚需進一步深入。（2）從研究尺度看，有關城市群碳排放空間網絡關聯研究較少，城市群作為經濟活力最強，同時環境污染較為嚴重的地區，實現城市群碳中和有重要示范作用。（3）研究方法而言，SNA方法可以有效突破傳統計量方法所依賴的屬性數據，針對關系數據從整體和個體方面對網絡結構特征進行分析，揭示地區間復雜空間關聯。基于此，本文以長三角城市群25市作為研究區域，基于引力模型構建長三角能源碳排放的空間關聯網絡，同時對該關聯網絡的結構特征進行分析，并選擇地理探測器作為機制分析的方法。由整體到局部多角度分析，對于理清長三角城市群城市內部的碳排放關聯關系，提升該區域的碳中和能力有重要意義。

1 數據與方法

1.1 研究區域

本文選取長三角地區江蘇、浙江、上海兩省一市的城市作為研究對象，區域內工業基礎雄厚、商品經濟發達，水陸交通方便，是全國最大的外貿出口基地，全球六大都市圈之一。依據2010年國務院批復的《長江三角洲地區區域規劃的通知》，其中包括兩省一市的25個城市：上海，江蘇省的13個城市（南京、蘇州、常州、無錫、鎮江、南通、揚州、泰州、徐州、鹽城、淮安、宿遷、連云港），浙江省的11個城市（杭州、寧波、溫州、紹興、湖州、嘉興、金華、衢州、臺州、麗水、舟山）。2019年，長江三角洲地區正式擴容，江蘇，浙江，上海二省一市全部仍為擴容后的長江三角洲地區一部分。

1.2 能源碳排放的測算

能源數據主要源于2000-2015年《中國統計年鑒》《中國能源統計年鑒》以及各省市的統計年鑒，為減少數據波動的影響，文中所有數據均采用2000、2005、2010、2015四個年份的統計數據，依據《省級溫室氣體清單編制指南》（發改辦氣候[2011]1041號）中的能源活動計算公式進行計算。

1.3 研究方法

首先通過修正的引力模型，將長三角城市群的能源碳排放空間關系用數據矩陣的形式表示，利于社會網絡分析方法分析。然后采用社會網絡分析法，從整體和個體性特征構建空間關系網絡，明確各個城市在形成的網絡結構中所處的地位及作用。最后采用地理探測器中的分異及因子探測器，識別影響該網絡的主導因子，生態和交互作用探測器識別影響該網絡的關鍵交互因子。

1.3.1 引力模型

描繪空間關聯的方法主要有格蘭杰因果檢驗的向量自回歸分析方法和引力模型。由于引力模型在分析空間演化趨勢上更具優勢，因此采用該模型刻畫長三角各城市之間的碳排放引力程度。地理上的鄰近性、經濟的發展水平差異、人口規模是影響空間關系的重要因素。此外，居民收入的增加，也會導致能源需求的增加，碳排放量增多，影響碳排放的空間聯系。因此，為了增強該方法的適用性，在傳統空間引力模型的原有指標體系中引入碳排放量和城鎮居民家庭收入指標，建立碳排放空間引力模型公式：

式中：Wi,j和di.j分別表示i和j兩城市間的經濟引力和交通距離，交通距離用以表示兩城市之間地理距離：Pi表示城市i的年末總人口數、Gi表示城市i的GDP、Ci和ri分別表示城市i的碳排放總量和城鎮居民可支配收入。在10.2版本的ArcGIS中提取各城市幾何中心來計算距離。

根據引力模型公式（1）計算得出長三角各城市能源碳排放之間的引力矩陣，該矩陣相較于數值矩陣，在反映地區碳排放空間關聯網絡特征方面更具優勢[26]，其可以反映出各城市之間碳排放影響強度的大小[27]。對引力矩陣進一步處理分析，將各行數值的平均值作為臨界值，若計算結果高于該值，記作“1”，用以表示長三角的2個城市之間的能源碳排放具有關聯性，反之則為“0”，表示不相關[27]。

1.3.2 整體性與中心性指標

社會網絡分析方法通過分析網絡中節點間存在的關系，進而揭示網絡的結構及相對應的屬性特征，其主要分為整體性網絡特征和個體網絡結構特征。

長三角城市群能源碳排放空間關聯網絡的整體性特征可以用網絡密度、效率、網絡等級密度表示[28]。網絡密度反映各城市之間網絡關聯的緊密程度，密度與關聯性呈正比。網絡等級密度能夠反映城市在碳排放空間關聯網絡中是否處于支配地位，其數值越大，表明在該空間關聯網絡中個別城市處于主導地位，較多城市處于網絡邊緣[28]。網絡效率是衡量碳排放空間關聯網絡中存在多余關聯程度的指標，數值與碳排放聯系呈現負相關，網絡效率越低，表示各市碳排放聯系就越緊密，空間溢出渠道越多[27]，網絡也越復雜和穩定。

城市在網絡中的地位和作用可以用中心性分析指標來衡量。本文選取標準化度數中心度作為主要指標進行分析，該指標可以度量城市所處網絡中心位置的程度，數值越大，表示該市與其他市碳排放的空間關聯程度越大，距離網絡中心越近。其是根據該城市與其他城市之間所存在關系個數情況進行計算的，參照已有的相關公式計算[28]。

1.3.3 地理探測器

由于地理探測器所需的假設條件較少，且在處理過程中可以有效克服傳統方法所面臨的局限性，因此在地理環境因子相關關系的研究中逐漸受到青睞。本研究選擇年末總人口(X1)、城鎮化率(X2)、GDP(X3)、二產比重(X4)、固定資產投資(X5)、出口總額(X6)、實際利用外資(X7)、社會消費零售總額(X8)、城鎮居民人均可支配收入(X9)和煤類能源占比(X10)作為分析因素。對碳排放影響因素進行離散化處理的基礎上，首先運用因子探測和生態探測識別影響長三角地區能源碳排放空間關聯網絡的主導因子，然后通過將不同的因子交互疊加，進行交互探測，探尋該關聯網絡的關鍵交互因子[29]。所有數據均來自于《中國城市統計年鑒》與《中國統計年鑒》。

（1）分異及因子探測器

首先探測Y的空間分異性，其次可以反映出某因子X解釋屬性Y呈現空間分異的程度。用q值度量，表達式為：

其中：h表示變量X的數量，N為研究區樣本數，σ2為區域內總方差。q的值域為[0,1]，值越大說明樣本的空間分異性越明顯，相反則越弱。

（2）生態探測器

該方法主要用來解釋不同的因子對于碳排放空間分異的解釋力，以F檢驗來度量：

式中：F為值，在單元p的范圍內，nC.p表示因子C的樣本量，nD.p表示因子D的樣本量，σC.p2和σD.p2分別為因子C和D的方差，統計表達式服從(FnC.p-1,nD.p-1)和df(nC.p,nD.p)分布。當F值達到5%，則說明兩因子對于結果的解釋存在顯著差異。

（3）交互作用探測器

識別不同風險因子X之間的交互作用，可以明確某評估因子對于Y的影響是獨立的，因為當不同的評估因子共同作用時，可能會改變對因變量Y的解釋力。評估的方法是首先分別計算兩種因子X1和X2對Y的q值：q(X1)和q(X2)，并且計算它們交互時的q值：q(X1∩X2)，并對這三個值進行比較，具體參見已有文獻[30]。

2 長三角能源碳排放格局與空間關聯分析

2.1 碳排放格局與聯系強度

如圖1所示，長三角地區各市能源碳排放自2000年以來總體呈現幾何倍增長。主要碳排放城市為南京、徐州、無錫、蘇州、上海、杭州、寧波。這些城市的高碳排可能與當地工業的發展有關，煤炭能源、石油能源等是碳排放的主要來源，同時也是長三角地區碳排放較高的主要原因。寧波、臺州、金華、麗水的碳排放2000-2010年總體是增長趨勢，2010-2015年開始呈現下降或平緩趨勢，當地經濟的轉型發展與生態環境的整治是碳排放下降的重要原因。浙江省能源碳排放總量遠低于江蘇，相較于江蘇，浙江省城市工業基礎較為薄弱，第三產業比重較高。第三產業為其經濟發展的主力，碳排放系數遠低于工業的煤炭、石油能源等。一定程度上表明浙江省對于能源類產業的依賴性遠低于江蘇省，產業結構優于江蘇省。上海市碳排放總量遠高于其他各市，2015年碳排放總量達到了17142萬噸。

圖1 長三角各市2000-2015年能源碳排放總量Fig.1 Total energy carbon emissions in Yangtze River Delta cities, 2000-2015

通過對長三角2000-2015年碳排放聯系強度進行空間化得到圖2。一直以來上海與其他城市保持著絕對的高聯系性，在2000年這一時間點尤為突出，其對蘇南城市保持著較高的引力影響。2000年時，蘇北地區和浙江省各市碳排放整體上聯系較小。隨著時間的推移，長三角各城市之間的碳排放聯系逐漸加強。蘇北以徐州為重要節點城市，逐步形成各市之間的碳排放關系網絡。鹽城、徐州、南通成為了構建蘇北城市碳排放群體的網絡的主體，與城市的碳排放的快速增長密切相關。在浙江省內，嘉興市因毗鄰上海，地理位置優越，受上海碳排放引力影響最大，成為了浙江省內的重要聯系節點。杭州和寧波的產業和能源結構在進一步的轉型升級，資源、要素的不斷流通，致使其網絡結構中的地位不斷提升。具體表現為杭州、寧波兩地的聯系強度逐漸增強，同時杭州與南京、揚州等城市碳排放聯系密切，寧波與蘇州、無錫等城市聯系密切。總體而言，2000年以來江浙滬25市碳排放聯系逐漸加強，城市之間的能源流動密切，整體碳排放空間網絡格局逐漸走向復雜化。

圖2 2000-2015年長三角城市碳排放聯系強度Fig.2 Carbon emission linkage intensity of cities in the Yangtze River Delta from 2000 to 2015

2.2 空間關聯特征分析

依據長三角城市之間的關系矩陣，代入公式計算四個時間節點的長三角城市群能源碳排放空間關聯網絡的密度、等級度和效率。表1表明：2000-2015年，網絡密度總體呈現緩慢增長趨勢，但網絡密度值總體較低，最高的網絡密度值為0.2067，最低的網絡密度值為0.1533。這表明城市之間關系的緊密程度一般，通過共同合作實現減排的空間較大。2006年，長三角城市通過優化調整產業和能源結構、提升資源利用率、降低能源消耗量等，促使區域范圍內的資源、能源等各要素流通程度增強，進一步加強了網絡關聯，從而提升了城市碳排放間的空間關聯數。網絡等級度指標保持0.8上下，表明長三角地區各城市在碳排放關聯網絡中的地位存在較大差異，區域碳排放空間分布的不平衡現象嚴重，其中上海處于支配地位，對其他省市的碳排放有重要影響。網絡效率指標逐漸下降，表明不同城市之間的聯系逐漸增多，碳排放的空間關系變得更加緊密，能源排放之間的網絡趨于復雜和穩定。

表1 2000-2015年長三角城市碳排放空間關聯網絡的整體特征Table 1 Overall features of spatial correlation network of urban carbon emissions in Yangtze River Delta from 2000 to 2015

計算各市2000、2005、2010、2015四個年份的標準化度數中心度。整體上來看，上海的中心度遠高于其他城市,在該網絡結構中的地位最高，距離網絡中心最近。這表明碳排放聯系網絡中空間權重逐漸降低，碳排放的總量、社會經濟聯系等權重逐漸增加（圖3）。趨勢上看，南京、無錫、蘇州三座城市的中心度都有所提升，表明長三角地區以上海市和蘇南城市作為主要節點中心，對于碳排放的空間溢出存在很大影響，在能源和產業的轉移過程中地位不斷提升。浙江省GDP結構中工業產值比重相對較低，以第三產業為主的能源碳排放消耗在區域之間的流動較弱，區域聯系不密切。

圖3 長三角城市碳排放空間關聯網絡的標準度數中心度Fig.3 Standard degree centrality of spatial correlation network of urban carbon emissions in Yangtze River Delta

3 空間關聯特征影響因素分析

3.1 因子分析

因子探測器主要探測各影響因素對碳排放總量的解釋程度。表2為2000-2015年各影響因子的解釋力大小。不同的年份各因子的解釋力不同，表明影響地區碳排放格局機制的改變。P值小于等于0.05代表該解釋具有顯著相關。

表2 碳排放格局分異因子探測器結果Table 2 Results of carbon emission pattern differentiation factor detector

2000-2005年城鎮居民人均可支配收入、二產比重和煤類能源占比三因子與碳排放總量不相關，其余因子均呈現顯著相關，且均為正相關。其中固定資產投資、出口總額、外資利用是以政府為主導的城市發展因子，q值保持在0.8上下，且均在1%的水平下正相關。說明2000-2005年長三角地區城市碳排放空間關系主要受政府行為主導。2005年的二產的比重與碳排放的相關性由不相關增加到了5%水平的顯著相關，這表明2005年長三角地區的第二產業發展迅速，對于區域碳排放格局的解釋能力大大加強。總體而言，GDP、固定資產投資、出口總額在長三角碳排放格局中始終保持較高的解釋力。長三角地區作為改革開放中快速成長的地區，經濟發展很大程度得益于外資的進入，因此在2000、2005、2010三個年份中，實際利用外資對于區域的碳排放都占據了非常高的解釋水平。政府主導的固定資產投資解釋力較高一定程度表明政府在城市建設的過程中低碳技術水平并未同步提高。

2010-2015年人均可支配收入顯著相關，q值由0.44增加到0.66。城鎮居民的可支配收入對于城市碳排放空間格局的影響不斷加深，居民的可支配收入是碳排放增長的推動力之一。2010-2015年固定資產投資、實際利用外資、社會消費零售總額等因子顯著程度逐漸降低，其中固定資產投資和實際利用外資分別由之前的5%和1%的顯著相關直接下降到不相關。究其原因可能是2012年金融危機的深層次影響爆發，中國實際利用外資較少。2013年，中國對外產業結構不斷優化升級，碳排放強度降低，導致實際利用外資與碳排放的相關性持續降低直至不相關。在中國的經濟高速發增長背景下，公共基礎設施等方面的技術水平提升，硬件逐漸達到先進水平，消耗的碳排放減少，因此固定資產投資與碳排放在2015年呈現不相關。經濟的轉型發展、科學技術的提升是社會消費零售總額與碳排放相關性減少的主要原因。三個影響因子與碳排放的相關性下降，政府主導的城市建設、國際貿易等活動導致的碳排放增長與整個地區的碳排放增長速度相比相對減緩也是重要原因。

總體而言經濟發展和政府政策是長三角區域內碳排放空間關聯的重要影響因素。大量外資進入，政府大量的固定資產投資是上海等城市高碳排放的主要原因。隨著經濟的發展，碳排放量也在同步增加，但碳排放強度有所減少，說明經濟發展與碳排放未實現脫鉤，但是呈現好轉的趨勢。

3.2 生態探測與交互作用探測分析

比較2000、2005、2010和2015年四個年份生態探測器結果，意圖發現長三角地區碳排放空間分布的主要影響因子（表3）。每個因子X分為四類，依次對應著2000、2005、2010和2015年四個年份的雙因子的顯著性檢測（探測結果小于0.05的表明存在顯著的差異）。

表3 碳排放生態探測Table 3 Ecological detection of carbon emissions

結果表明：年末總人口(X1)、城鎮化率(X2)與所選指標體系中的其他碳排放因素存在顯著差異，對于碳排放的空間分布影響差異較大。伴隨著時間的推移，兩者解釋能力逐步下降直至結果不顯著。早期年份中碳排放主要集中于南京、蘇州等經濟發達城市。盡管這些城市人口數量較多，但是相較于蘇北、浙南等龐大的農村人口基數仍然較少，彼時城市之間的人口流動數量較少。這導致了人口的分布與碳排放空間格局與關聯上的錯位，解釋了年末總人口(X1)、城鎮化率(X2)與其他影響因素對于碳排放空間分布存在顯著的差異。同樣在2000-2010年二產比重與其他變量存在顯著差異，第二產業比重較大的落后城市如鹽城、連云港、臺州等導致該因子的空間分布產生差異。在2015年，固定資產投資(X5)則與出口總額(X6)、實際利用外資(X7)、社會消費零售總額(X8)、城鎮居民人均可支配收入(X9)產生顯著的分布影響差異。

所有年份，所有因子均呈現非線性加強影響，因子解釋力增加更為明顯。交互探測主要分析碳排放影響因素對碳排放總量的空間分布是否存在交互作用。結果發現所有交互因子對長三角碳排放空間關聯的解釋力水平相對于單因子都有所增強。其中，2000年城鎮化率和GDP占比與其他因子交互作用相比影響更大，交互后因子解釋力最大為0.94，顯著大于單因子城鎮化率解釋力0.53。這說明，任意兩個碳排放影響因素交互后對碳排放總量的因子解釋力均會顯著提升，即碳排放的空間聯系整體受到各維度分項因素的共同制約，雙因子交互后的解釋力比單因子的解釋力強。因此在落實減排政策時，不僅需要考慮單項政策的實施效果，更重要的是考慮哪種政策組合能將減排效果達到最佳。

4 結論與討論

4.1 結論

本文利用2000-2015年長三角各城市能源碳排放數據構建修正的引力模型，刻畫長三角碳排放的空間關聯網絡，結合地理探測器對其空間格局進行機制分析。結果顯示：

（1）長三角各城市能源碳排放空間聯系逐漸增強，網絡結構趨于復雜，空間排放溢出具有較高等級。城市碳排放之間的網絡聯系數量、網絡密度呈現上升趨勢，網絡效率明顯下降。城市間碳排放的聯系較為密切，城市之間等級結構失衡，上海、南京、蘇州、無錫等城市長期處于支配地位，衍生出以上海為中心的區域性聯系網絡。在個體網絡特征方面，各城市中心性差距較大，其在網絡中的地位和發揮的作用存在明顯的非均衡性。伴隨著能源消費的流動以及城市之間的產業轉移，發展較好的大型城市在網絡中的中心性逐漸加強，距離因素的影響逐漸減弱。

（2）長三角碳排放空間關聯受各維度分項因子的制約，主要受經濟發展與政府政策的影響，距離因素的影響降低。從以政府行為為主導的碳排放能源消耗到人均可支配收入的高解釋力，反映了長三角地區城市發展戰略的改變。外資的進入與使用，政府大量的固定資產投資是早期大型城市中心地位的主要原因，后期伴隨著收入增加而產生的高碳行為將會進一步影響長三角碳排放格局。年末總人口與GDP、固定資產投資、出口總額、實際利用外資對于碳排放的空間分布而言存在顯著差異。同時碳排放空間關聯受到各維度分項因素的共同制約，兩個因素相互交互后的因子解釋力要明顯強于原來單個因素。

4.2 討論

實現全國“雙碳”需要鼓勵有條件的區域先行先試，長三角地區作為我國發展的先行示范區，率先實現該目標可對全國其他地區碳減排起示范作用。而實現目標的關鍵在于能源結構的轉換，目前碳排放主以能源消耗為主，因此需要加快推進節能降碳技術的創新，實現區域產業間的能源流動與產業轉移、建立城市間協調的碳減排指導機制。通過建立區域聯動體系，讓中心城市率先推動碳達峰碳中和進程，帶動邊緣城市的碳結構轉變，建立流動的、平衡的區域碳中和網絡結構，是未來需要關注的重點。

基于以上討論，本文提出以下建議：

（1）發揮上海、蘇南等地區的中心作用，根據各城市的實際發展情況，建立協同減排機制。長三角城市碳排放的空間聯系分布不均衡，因此應充分發揮上海、蘇州、南京等城市的中心作用，建立城市間協調的碳減排指導機制，完善碳補償、碳交易市場等機制。從全局看，要充分發揮中心城市的影響力，讓中心城市率先推動區域碳減排進程。建立區域聯動體系，在碳排放內部治理的基礎上，擴大區域環境質量監測范圍。

（2）不斷優化長三角城市碳排放空間關聯網絡，加快碳平衡。通過區域間產業轉移、人口轉移和低碳技術交流，不斷完善碳排放網絡。

（3）促進經濟的高質量發展的同時，政府制定的政策應注重多維度因素的聯合控制，加快節能降碳技術的發展，優化區域能源結構。