中國省域土地利用碳排放效率的空間關聯網絡演變特征與形成機制

張苗 劉璇 彭山桂 張玉臻 陳銀蓉 文蘭嬌

摘要：研究目的：探究土地利用碳排放效率的空間關聯網絡特征及其形成機制，為我國省域層面土地利用碳排放效率的協同提升提供參考依據。研究方法：非參數SBM效率測算法和社會網絡分析法。研究結果：（1）2002—2019年中國省域土地利用碳排放效率波浪式下降，呈現“東高西低”的空間分布特征；（2）樣本研究期內形成了以京、滬、蘇、浙為核心點的復雜但相對穩定的空間關聯網絡結構，東部發達省份在信息資源、權力、聲望及影響方面優勢明顯，省域之間等級結構呈現強化趨勢；（3）凈受益板塊和經紀人板塊成員為北京、長三角和珠三角地區的發達省份，雙向溢出板塊成員主要位于東北、津冀、黃河中下游地區，凈溢出板塊成員主要為長江中下游、西北和西南地區的中西部欠發達省份；（4）空間關聯網絡的形成是地理鄰近、經濟發展、土地利用強度、土地利用結構和城市化等因素差異綜合作用的結果，資源稟賦差異、市場機制調節、政府宏觀調控和信息技術進步為主要驅動機制。研究結論：優化土地利用碳排放效率空間關聯網絡，對于協同提升土地利用碳排放效率以促進高質量發展和踐行“雙碳”戰略具有重要意義。

關鍵詞：土地利用；碳排放效率；社會網絡分析法；空間關聯網絡

中圖分類號：F301.2 文獻標志碼：A 文章編號：1001-8158（2023）10-0091-11

基金項目：國家自然科學基金項目（42001252，42101272，42271270）；山東省社科規劃基金青年項目（23DGLJ24）；教育部人文社科基金規劃項目（22YJA790065）。

中共二十大報告提出“優化高質量發展的區域經濟布局和國土空間體系”及“積極穩妥推進碳達峰和碳中和”。當前，以化石能源效率提升和清潔利用為標志的技術性減排潛力不斷縮小[1]，基于系統視角增加減排空間被廣泛提及[2]。土地作為不可流動的要素資源，對資本、勞動力和信息技術等流動性生產要素產生“引力”作用，帶動了能源的傳遞和流通，在土地利用類型轉變及作為經濟發展載體過程中帶來了大量的碳排放[3]。提升碳排放約束下的土地利用效率成為促進高質量發展和踐行“雙碳”戰略新時代生態要義的重要路徑。

研究表明，不考慮碳排放的土地利用效率測算會高估土地利用的實際生產率[4]。近年來，關于土地利用效率的測算研究多將碳排放納入考慮，實現了將碳排放作為投入指標[5]到非期望產出指標[6]的轉換。在低碳經濟發展和“雙碳”戰略時代背景之下，學者們將只包括碳排放作為非期望產出的“碳排放效率”從包含其他非期望產出的“生態效率”研究中單獨剝離出來，土地利用碳排放效率也由此作為學術術語被采納和使用[6]。已有文獻對土地利用碳排放效率的區域差異[9-10]、動態演進[11]及其影響因素[7，9]等展開了系統性研究，論證了經濟發展水平、產業結構、城鎮化率等典型因素對土地利用碳排放效率的影響。進一步地，基于土地利用和碳排放都存在較強的空間互動性的事實[11]，學者們采用空間計量模型對不同空間尺度的土地利用碳排放效率進行空間量化與表達，以此探究土地利用碳排放效率的空間集聚特征、溢出效應及其影響因素等[12-14]，并尋求空間層面土地利用碳排放效率的協同提升對策。

傳統計量經濟學視角下的空間溢出效應探究的是地理上“相近”或“相鄰”地區的空間關系，對空間權重矩陣具有較強的依賴性[15]。隨著信息技術不斷發展和交通基礎設施不斷完善，地區間的聯系更多地突破了地理距離限制。由此得出的政策含義往往限于局部，易導致區域政策制定靶向性錯誤，難以從整體上把握區域間土地利用碳排放效率的空間關聯特征，不利于土地調控碳減排目標的全局推進。相較于空間計量總體層面的分析，社會網絡分析法以點對點“關系數據”構成的網絡為切入點，刻畫某一研究對象的空間網絡特征[16]，可更為精準地揭示土地利用碳排放效率地區間的互動規律及其形成機制。盡管已有研究基于“關系數據”對土地利用碳排放[15，17]和碳排放效率[2，18]的空間關聯網絡結構進行了分析，但仍缺乏土地利用碳排放效率空間關聯網絡特征性事實的深入刻畫，特別是空間關聯網絡的動態演進及形成機制分析，難以為區域土地利用碳排放效率的協同提升提供決策支持。

綜上，本文采用社會網絡分析法構建引力模型刻畫土地利用碳排放效率的空間關聯網絡特征，采用QAP回歸分析法分析該特征的影響因素，并建立土地利用碳排放效率空間關聯網絡形成機制的一般分析框架。采用該方法能夠有效掌握處于土地利用碳排放效率網絡中的核心點和邊緣點，明確要素的流出地和流向地，診斷網絡形成的障礙因素，為協同提升碳排放約束下我國省域層面土地利用效率提供科學依據。本文的邊際貢獻在于：提供了基于社會網絡分析法研究土地利用碳排放效率空間互動關系的新思路，一方面采用“關系數據”克服了傳統計量分析方法采用“屬性數據”的缺陷，另一方面基于長時間序列數據刻畫了中國省域土地利用碳排放效率的空間關聯網絡演進特征與形成機制。

1 研究方法與數據來源

1.1 測度模型與方法

1.1.1 非期望產出模型

SBM（Slack Based Measure）模型在碳排放作為非期望產出的土地利用效率測算中得到了廣泛運用[6]。主要優點在于解決了徑向DEA模型對無效率的測量無法包含松弛變量的問題。本文構建的土地利用碳排放效率測算的投入指標與產出指標之間主要呈現為非徑向關系，SBM模型作為非導向模型，同時能將碳排放作為非期望產出納入模型，能夠滿足本文獲得土地利用碳排放效率值的分析目的。故采用TNOE定義的包含非期望產出的SBM模型測算中國省域土地利用碳排放效率，具體公式參見文獻[19]和[20]。

1.1.2 社會網絡分析法

土地利用碳排放效率空間關聯網絡實質是在碳排放約束下，“資本”和“勞動力”等“流動性要素資源”在“非流動性要素資源”土地上基于“外界作用力”而導致的要素集散，進而導致地區間土地利用碳排放效率的空間差異和傳導，最終形成點、線、面相結合的復雜空間網絡組織。社會網絡分析（Social Network Analysis， SNA）采用圖論和矩陣方法描述關系模式并探究這些關系模式對結構中成員或整體的影響[16]，能夠刻畫出“資本”和“勞動力”等流動性稀缺資源在非流動性稀缺資源“土地”上配置效率的空間網絡結構特征，同時又能探究造成這種空間網絡結構特征的影響因素。運算過程為：采用修正的引力模型構建二值矩陣，運用中心性分析描述空間網絡特征，通過二次指派程序QAP探究形成空間關聯網絡特征的影響因素，并解析形成機制。

（2）網絡特征刻畫指標。采用網絡關系數、網絡密度、關聯度、網絡效率和網絡等級來刻畫土地利用碳排放效率的整體網絡特征；采用點入度、點出度、度數中心度、中介中心度和接近中心度來刻畫其個體網絡特征；采用塊模型分析進行分類。具體指標含義參考文獻[15]和[16]。

（3）QAP回歸分析。QAP（Quardratic Assignment Procedure）是一種用來檢驗關系矩陣之間關系的非參數檢驗方法，避免了常規參數檢驗法檢驗屬性變量時存在的內生性問題。采用QAP回歸分析研究自變量矩陣對土地利用碳排放效率空間關聯矩陣（因變量矩陣）的回歸關系，解讀自變量差異矩陣的顯著性，以此作為構建土地利用碳排放效率空間關聯網絡特征形成機制框架的依據。其基本計量模型為G = f（X），其中X代表自變量矩陣，G為因變量矩陣。

1.2 數據來源與指標體系

1.2.1 數據來源

本文數據主要包括土地利用數據、碳排放數據和經濟社會數據三大類。其中：（1）土地利用數據為全國土地利用調查數據及在其基礎上的變更數據。“一調”數據及其變更數據來源于《中國國土資源年鑒》（2003—2009年）；“二調”數據及其變更數據來源于《中國國土資源統計年鑒》（2010—2018年），其中2018年的數據未公布，故2018年不列入研究時段；“三調”數據及其變更數據來源于自然資源部國土調查成果共享應用服務平臺，更新至2021年。（2）碳排放數據采用中國碳核算數據庫（CEADs）的省級排放清單的表觀二氧化碳排放量，由于西藏缺乏能源消費數據導致無法估算碳排放量，同時港澳臺地區未被列入核算數據庫，由此確定本文的研究對象為西藏和港澳臺地區除外的30個省級行政區；同時，因省級碳排放數據暫時更新至2019年，由此確定本文的研究時間段上限為2019年。（3）經濟社會發展數據主要來源于《中國統計年鑒》（2003—2020年）、《中國環境統計年鑒》（2005—2020年）。

1.2.2 指標體系

（1）效率測算指標。以獲得碳排放約束下的土地利用效率為導向，本文參考現有文獻[6-7，9-10]構建土地利用碳排放效率的投入產出指標體系（表1）。其中，固定資本存量采用張軍的方法[22]，以2000年為基期計算，為保持數據的一致性，將第一、二和三產業的GDP增加值同樣以2000年為基期進行修正。

（2）QAP自變量矩陣指標。區域差異是影響空間關聯緊密程度的重要原因，本文基于土地利用碳排放效率的影響因素差異關系作為自變量矩陣，檢驗其影響土地利用碳排放效率空間關聯網絡結構的顯著性。自變量矩陣選取如下：①現有文獻中關于碳排放效率、碳排放的空間網絡分析都將地理鄰近和經濟發展水平差異作為首要影響因素[18]，結合土地利用碳排放效率空間關聯結構的個體網絡特征和塊模型分析，將地理鄰近和經濟發展水平差異作為檢驗的影響因素，分別用省會城市間的地理距離和人均GDP表示；②土地要素作為不可流動的“稀缺資源”，土地資源稟賦和配置結構差異可能是導致地區間土地利用碳排放效率差異的基礎因素，而資本、勞動力等“流動要素”在土地上的投入差異可能是影響土地利用碳排放效率差異的動態可控因素，因此將土地利用結構和土地利用強度差異納入分析，分別用建設用地面積占比和地均固定資本存量投入表示[23]；③在對非期望產出約束的條件下，城市化、產業結構和環境規制等作為傳統而被廣泛證實的碳排放影響因素，應被考慮為影響土地利用碳排放效率差異的因素，分別用非農人口比率、二三產業產值比值和單位GDP工業污染物排放量[24]表示。

2 結果分析

2.1 土地利用碳排放效率

基于SBM模型采用STATA軟件測算了土地利用碳排放效率值，均值a為某年30個地區的效率均值，均值b為i地區2002—2019年的效率均值（圖1），研究期內30個地區的效率均值為0.630。從均值a來看，中國省域土地利用碳排放效率呈現波浪式下降，由2002年的0.723降低到2019年的0.472，意味著在研究期內，碳排放作為非期望產出約束和要素投入邊際報酬遞減的事實，沖抵了技術進步帶來的效率提升，反映出提高碳排放約束下的土地利用效率存在較大的阻力。從均值b來看，上海、江蘇、福建、廣東、北京、浙江、湖南、海南、湖北、山東、河南、四川、安徽、河北和廣西等省份具有較高的土地利用碳排放效率（以大于均值0.630為標準），主要集中于東部地區經濟發達省份；中西部地區省份的土地利用碳排放效率值大部分低于平均值，反映出我國省域土地利用碳排放效率空間差異和空間集聚特征并存。

2.2 空間關聯網絡特征

2.2.1 整體網絡特征

基于修正的引力模型構建中國省域土地利用碳排放效率的空間關聯矩陣，采用UCINET 6.740軟件計算得到網絡關系數、關聯度、網絡密度、網絡等級度和網絡效率等指標（圖2），篇幅所限并考慮到2009年和2019年分別為“二調”和“三調”數據截至點，以2009年和2019年作為代表年份繪制空間關聯網絡圖（圖3）。此外，2002—2019年中國省域土地利用碳排放效率的網絡關聯度均為1，意味著空間關聯網絡結構具有較好的聯通性和穩健性，所有省市自治區均處于空間關聯網絡當中，相互之間存在明顯的空間關聯和溢出效應。

圖2顯示，網絡關系數呈現三個階段變化：2002—2007年保持相對低值平穩，2008—2014年上升為相對高值波動，2015—2019年逐漸下降為低值波動。在研究期間內，網絡密度值最大為2013年的0.189，最小為2019年的0.160，表明中國省域之間存在一定的土地利用碳排放效率關聯緊密度；但網絡密度較低且呈現階段動態變化特征，意味著存在著較大的協同提升和優化空間。網絡等級度在2004年表現為明顯高值，表明在2004年出現了短暫的等級森嚴特征；2015—2019年表現為小幅上升趨勢，意味著省域之間等級結構變得明顯，會阻礙要素在不同地域間的合理流動。網絡效率相對平穩，均在0.75之上，反映出空間關聯網絡具有較強的穩定性，存在較多的溢出渠道。

由圖3來看，中國省域土地利用碳排放效率形成了較為復雜的網絡結構圖，非鄰近省份突破傳統的地理空間限制而產生跨區聯動效應，形成以北京、上海、江蘇、浙江等為核心點的核心—邊緣空間結構特征。相比于2009年，2019年網絡關聯增加幅度小于減少幅度，意味著省域之間的網絡關聯有所減少。總體來看，空間關聯網絡呈現相對穩定性和動態變化性。

2.2.2 個體網絡特征

采用UCINET 6.740軟件計算得到2002—2019年中國省域土地利用碳排放效率空間關聯網絡中心度數值，考慮到個體網絡特征的相對穩定性，以下分析仍基于2009年和2019年。

（1）度數中心度。通過局部中心度來區分受益主體和溢出主體，通過相對中心度來比較大小變化，整理結果見表2。由局部中心度來看，其一，受益主體分布較為均衡，東中西省份均有涉及，而溢出主體則主要集中在北京、上海、江蘇、浙江和廣東等東部沿海發達省份，表明在空間關聯網絡中經濟發展水平越高越有利于發揮正向溢出效應，帶動其他省份土地利用碳排放效率的提高；其二，從受益主體和溢出主體的省份數量比較來看，受益主體省份數量明顯多于溢出主體數量，同時凈受益關系體現出北京、上海、江蘇、浙江等省份點入度明顯高于點出度，這意味著在土地利用碳排放效率空間關聯網絡中多呈現為“虹吸效應”，各省份都在競爭勞動力、資本等流動要素。由相對中心度來看，2019年新晉升為核心主導地位的省份為福建和湖南，天津由2009年排名第三的核心主導地位變成2019年排名倒數第一的邊緣位置，不再具備核心特征。同時，遼寧、青海、河南和山東4個省份新增為邊緣位置，以西部、中部省份為主的邊緣位置省份逐漸向中部、東部擴散，意味著空間關聯網絡逐漸打破了地理鄰近的經濟集聚趨勢。相對度數中心勢指數反映了2009年和2019年的空間關聯網絡向某點集中趨勢的程度，其中2009年為0.431，2019年為0.439，上升2.33%，意味著2019年空間關聯網絡圖的整體中心性更高，效率高地呈現向某些省份集中趨勢。

（2）中介中心度。中介中心度數值越高意味著該點可以更多地控制其他行動者，處于網絡的核心，擁有較大的權力。表3整理了2009年和2019年高于均值的省份，其中，2019年浙江、天津和重慶不再為網絡核心，新增江蘇為網絡核心，網絡核心越來越集聚于發達省份。

（3）接近中心度。一個點的入接近中心度越大，說明其他點到這個點越容易；出接近中心度越大，說明這個點到其他點越容易，該點不是網絡的核心點。表3整理了2009年和2019年高于均值的省份，可知入接近中心度高的省份主要集中在東部發達省份，而出接近中心度高的省份正好相反，主要集中于西部欠發達省份。

通過上述結果，有效判斷出了處于空間關聯網絡中的核心點和非核心點，其中東部發達省份在信息資源、權力、聲望及影響方面較強，而西部欠發達省份處于弱勢，在網絡核心關系上呈現東部>中部>西部。時間趨勢來看，該特征在2002—2019年動態變化相對穩定。

2.2.3 塊模型分析

塊模型分析是對社會角色的描述性代數分析[16]。采用UCINET 6.740軟件，運用CONCOR方法，選擇最大分割密度為2，收斂標準為0.2，將30個省份劃分為4個板塊。參照文獻劃分標準[21]，將各板塊接受關系比例和內部關系比例劃分為雙向溢出、凈受益、凈溢出和經紀人四大板塊，根據發出關系數和接受關系數可判斷板塊與板塊之間的互動關系。其中，雙向溢出板塊成員與外界成員聯系相對較少；凈受益板塊成員既接受來自外部成員的關系，也有來自自身成員的關系；凈溢出板塊成員與其他位置成員之間的關系比自己成員之間的關系多；經紀人板塊成員既發送也接受外部關系，內部成員之間的聯系比較少[16]。以2009年和2019年為例解讀中國省域土地利用碳排放效率形成的板塊間的空間關聯（圖4）。

由圖4來看，2019年，在成員空間分布上，凈受益板塊和經紀人板塊成員為北京、長三角和珠三角地區的發達省份，雙向溢出板塊成員主要位于東北、津冀、黃河中下游地區，凈溢出板塊成員主要為長江中下游、西北和西南地區的中西部欠發達省份；在板塊間互動上，板塊Ⅰ與其他三個板塊均有互動，接受板塊Ⅳ關系數占絕對比重，外部發出關系較少，說明北京、上海、江蘇和浙江成為資金、勞動力以及信息技術等要素的流入地，接受了大量其他板塊特別是中西部地區省份的要素溢出，成為空間關聯網絡中的受益方，也因此稱之為凈受益板塊；對比來看，凈溢出板塊Ⅳ發出關系總數為74，而接受關系總數僅為14，意味著大量的中西部欠發達省份為要素資源流出地，成為空間關聯網絡中的虧損方；經紀人板塊Ⅱ成員數量較少且發送關系數和接受關系數比重較低，與板塊Ⅰ、Ⅳ存在互動關系，意味著溢出效應更多的是直接效應而非間接效應；板塊Ⅲ僅與板塊Ⅰ發生互動，意味著東北和華北地區省份發揮溢出效應的范圍相對有限，局限于北京和長三角地區，并僅接受了該地區省份的溢出效應。對比2009年，2019年各板塊成員保持相對穩定，成員變化集中于凈受益和經紀人板塊，尤其是東部地區省份。其中，天津不再為凈受益板塊成員，浙江和江蘇由經紀人板塊調整為凈受益板塊，福建由凈溢出板塊調整為經紀人板塊，說明東部地區省份活躍度更高，要素資源的吸引力增加。從板塊間互動聯系來看，主要表現為凈溢出板塊對經紀人板塊發送關系數減少，對凈受益板塊成員發送關系數增加。

綜合來看，在板塊成員數量上，凈溢出板塊和雙向溢出板塊成員數量占絕對比重，意味著空間關聯網絡中多數成員以要素輸出為主，而土地利用碳排放效率較高省份發揮“溢出效應”十分有限，存在大量的流動要素資源向少數省份集聚的特征；在板塊內部關系上，存在板塊內部成員之間缺乏聯系的特征，如經紀人板塊內部關系為0。

2.3 土地利用碳排放效率空間關聯網絡形成機制分析

2.3.1 QAP回歸分析

借助UCINET 6.740軟件采用QAP回歸分析法識別中國省域土地利用碳排放效率空間關聯網絡的影響因素。考慮到該空間網絡關聯的相對穩定性，及與上述分析中樣本年份的對應性，選取2002年、2009年、 2015年、2019年的因變量矩陣和自變量矩陣進行回歸，設置隨機置換次數為5 000，得到QAP回歸分析結果（表4）。由表4可知，調整后的R2在0.218～0.231之間較小幅度浮動，表明構建的7個自變量差異矩陣因素可以穩定地解釋中國省域土地利用碳排放效率空間關聯效應20%以上。

由表4可知，地理距離和經濟發展水平差異因素在研究期內表現出穩定的顯著負向影響，其他因素的顯著性呈現階段性變化，具體來看：

（1）地理距離（DL）的回歸系數顯著為負，意味著地理距離加大則會阻礙土地利用碳排放效率空間關聯網絡的形成。地理距離越近的省份空間傳導和擴散更頻繁，容易建立空間網絡關聯關系，這與現有基于“關系數據”的實證研究結果相吻合[18]。同時，該結果印證了塊模型分析中板塊成員以地理臨近抱團為主，地理距離增加會阻礙流動要素資源的傳遞和流通。

（2）經濟發展水平（GDP）的回歸系數顯著為負，說明省域之間經濟發展水平差異越小越有利于土地利用碳排放效率空間關聯網絡的形成。在市場機制的作用下，資本和勞動力等流動要素更容易發生在經濟水平相近的地區間。從標準化系數大小來看，經濟發展水平差異的影響由2002年的0.629降低到2019年的0.510，該降低趨勢反映出中國省域間經濟發展水平差異縮小的事實，且越來越有利于促進土地利用碳排放效率空間關聯網絡的形成。

（3）土地利用結構（LS）和土地利用強度（LI）呈現出交替反向影響，前者表現為“不顯著—顯著負向—不顯著”，后者表現為“顯著為正—不顯著—顯著為正”的階段性變化。在土地利用碳排放效率空間關聯網絡的形成初期，資本和勞動力等流動要素在某些省份快速“集聚”，省域間土地利用強度差異增大，促進了土地利用碳排放效率空間關聯網絡的形成。根據土地報酬遞增遞減規律，流動要素資源由“集聚飽和”轉為“分散均衡”，先發獲得流動要素資源的省份逐漸發揮“溢出效應”；根據結構決定功能理論，資本和勞動力首先流向土地利用結構差異小的省份。由此，此階段土地利用結構差異發揮顯著影響，差異越小越有利于土地利用碳排放效率網絡的形成。當“溢出效應”充分發揮，土地利用結構差異不再具有顯著影響。然而，隨著信息技術的不斷發展，新型的流動要素資源再次在特定省份“集聚”，土地利用強度和土地利用結構差異再次交替反向影響。QAP回歸結果顯示2015年為出現交替的時間點，這與2015年空間關聯網絡變化相對應。

（4）城鎮化（CR）進程在研究前期表現為顯著的正向影響，后期不再顯著。研究期內，省域之間的城鎮化差異先增大后縮小，在差異增大時期，資本和勞動力快速流向城鎮化進程較高的省份，促進了土地利用碳排放效率空間關聯網絡的形成；在差異縮小時期，要素資源流動速度減緩甚至停滯，對空間關聯網絡的形成不再具有顯著作用。

（5）產業結構（IS）和環境規制（ER）因素在研究期內未表現出顯著影響。在實證檢驗中，分別采用第三、二產業GDP增加值比值和第二三產業GDP增加值之和占比的差異矩陣作為產業結構的自變量矩陣，但顯著性和系數大小均沒有明顯改變；環境規制因素的加入也沒有明顯改變其他自變量的顯著性和大小。這意味著研究期內產業結構調整和環境規制并未對碳排放這個非期望產出產生明顯的約束作用。事實上，我們期望省域間具有較小的產業結構差異和環境規制差異，以此避免碳排放在省域間的轉移；通過產業結構調整帶動能源結構調整、環境規制倒逼技術創新等手段帶來碳排放的實際減少。

2.3.2 形成機制解析

由QAP回歸結果可知，中國省域土地利用碳排放效率的空間關聯受地理距離、經濟發展水平差異等穩定性因素，以及土地利用結構、土地利用強度及城鎮化差異等階段性因素的綜合影響，這導致了省域間土地利用碳排放效率存在空間差異。在厘清土地利用碳排放效率內涵[7，25]和梳理空間相互作用理論基礎上，借鑒相關文獻[26-27]將前文所述的“外界”作用力總結為土地資源稟賦差異、市場機制調節、政府宏觀調控和信息技術進步。省域間土地資源稟賦的差異是空間網絡形成的“源動力”，在市場機制作用和經濟效益最大化的驅動下，各類資源要素不斷流入土地開發利用邊際效益高的省份，形成具備率先發展的優勢核心地區，在空間網絡中表現為土地利用碳排放效率較高的節點，同時也會剝離出邊緣區。土地政策是政府宏觀調控的有效手段，作為土地所有權的行使方，政府在國家經濟高質量發展和“雙碳”戰略的時代背景下，通過控制性分配建設用地指標以及導向性干預土地出讓，對流動要素的流向產生有向和有約束的調節控制作用，由此促進了區域發展的均衡性，形成多個節點和眾多連線組成的土地利用碳排放效率空間關聯網絡。加之信息時代發展和交通基礎設施的不斷完善，為流動要素資源在城市間的聚合與擴散提供了通道，打破了傳統“地理鄰近”區域聯系緊密的局面，非“地理鄰近”省域的互動更加頻繁，帶來了土地利用碳排放效率的空間傳導，最終形成了錯綜復雜的土地利用碳排放效率空間關聯網絡。將上述中國省域土地利用碳排放效率空間關聯網絡的形成機制總結為圖5所示的理論框架。

3 結論與啟示

本文構建了土地利用碳排放效率評價指標體系，采用非期望產出SBM模型測算了2002—2019年中國省域土地利用碳排放效率值，基于社會網絡分析法探討了中國省域土地利用碳排放效率空間關聯網絡的演變特征及其形成機制。主要研究結論如下：（1）從時序變化來看，2002—2019年中國省域土地利用碳排放效率呈波浪式下降，提高碳排放約束下土地利用效率的緊迫性和重要性并存；從空間分布來看，東部地區具有較高的土地利用碳排放效率值，中西部地區效率值較低，空間差異與空間集聚特征并存。（2）從整體網絡特征來看，形成了以北京、上海、江蘇和浙江等為核心點的“核心—邊緣”空間結構特征，網絡密度呈現階段動態變化，網絡效率相對平穩，2005—2019年等級結構更加明顯，存在著較大的協同提升和優化空間。從個體網絡特征來看，2002—2019年動態變化相對穩定，受益主體分布均衡且廣泛，溢出主體集中于北上廣和江浙等東部發達省份，同時凈受益關系明顯，空間關聯網絡中主要呈現“虹吸效應”；東部發達省份在信息資源、權力、聲望及影響方面優勢明顯，在網絡核心關系呈現上東部>中部>西部。（3）塊模型結果顯示，凈受益板塊和經紀人板塊成員為北京、長三角和珠三角地區的發達省份，雙向溢出板塊成員主要位于東北、津冀、黃河中下游地區，凈溢出板塊成員主要為長江中下游、西北和西南地區的中西部欠發達省份。中國省域土地利用碳排放效率的空間關聯網絡中，多數成員以要素輸出為主，表現為大量的流動要素資源向少數省份集聚的特征；省際間溢出效應遠小于區域間溢出效應，且主要表現為直接效應，東北和華北地區省份發揮溢出效應的范圍最小。（4）從形成機制來看，中國省域土地利用碳排放效率空間關聯網絡的形成和演變受資源稟賦差異、市場機制調節、政府宏觀調控和信息技術進步4種機制的影響。QAP回歸結果表明，地理距離和經濟發展水平差異越大越不利于空間關聯網絡的形成，土地利用結構和土地利用強度差異在空間關聯網絡形成中發揮交替反向影響，城鎮化差異呈現為階段性顯著正向影響，產業結構和環境規制差異影響不明顯。

上述研究結論為中國省域土地利用碳排放效率協同提升帶來啟示如下：（1）持續提升并穩定東部省份的土地利用碳排放效率，促進其積極發揮示范引領作用，強化“溢出高地”功能。經濟發展戰略的變化伴隨著生產要素的集聚和擴散，在碳排放約束下土地利用效率持續降低的情境下，必須充分發揮政府宏觀調控和價格、供求、競爭等市場機制的作用，保證勞動力、資本、技術、信息等流動性要素在北上廣和江浙等發達省份上的充足投入，提升并穩定上述核心節點省份的土地利用碳排放效率，以此促進輻射效應和示范效應的形成。（2）打通省際間要素流動通道、打破區域間條隔，充分發揮市場機制推動要素改革和合理流動的作用。省域之間要素流動困難是土地利用碳排放效率協同提升的主要阻礙，而空間關聯網絡的緊密性和穩定性是其重要保障。對于所屬同一板塊的省份，重點在于建立高質量流動要素的共享通道，促進單項功能的轉變，如推動以受益為主的北京、上海、江蘇、浙江板塊和廣東、福建的經紀人板塊向雙向溢出板塊轉型，體現發達省份的吸引力和輻射力；促進中部地區部分省份向經紀人板塊轉變，特別是處于長江經濟帶的省份如湖北、湖南和安徽等，發揮“橋梁”和“中介”作用，傳遞東部對中西部地區的間接溢出效應；充分利用板塊間所形成的“勢能差”，促進“勢能高”省份的資本、技術和人才的有序流出，同時加強“勢能低”省份土地的高質量供給，并建立產業轉移門檻以減少碳排放的省際間轉移。（3）以國家“雙碳”戰略和高質量發展為指引，促成區域一體化協同穩定發展，以土地利用碳排放效率空間關聯網絡的影響因素為依據，重點關注地理距離鄰近、經濟發展水平差異小、處于土地利用結構和強度差異同頻次的省份間的土地利用碳排放效率的協作提升，規劃布局上述省份間的交通基礎設施，打通各要素流動通道，以此推動土地利用低碳利用的區域均衡與協調發展。

本文嘗試將社會網絡分析法應用在土地利用碳排放效率的空間互動關系研究上，但仍存進一步拓展空間：一是土地利用碳排放效率值應該追求更加精確的排序，如采用超效率SBM模型以克服效率值截尾的不足；二是社會網絡分析法中的整體網絡特征、個體網絡特征、塊模型等已在各領域得到了廣泛運用，需探索該方法的深入應用，如“凝聚子群”“小世界”等，以此探究事物更加全面的空間互動關系。

參考文獻（References）：

[1] 趙榮欽，黃賢金，鄖文聚，等.碳達峰碳中和目標下自然資源管理領域的關鍵問題[J] .自然資源學報，2022，37（5）：1123 - 1136.

[2] 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.

[3] CHUAI X W， HUANG X J， QI X X， et al. A preliminary study of the carbon emissions reduction effects of land use control[J] . Scientific Reports， 2016， 6. doi： 10.1038/srep36901.

[4] YANG B， CHEN X， WANG Z Q， et al. Analyzing land use structure efficiency with carbon emissions： a case study in the middle reaches of the Yangtze River， China[J] . Journal of Cleaner Production， 2020， 274. doi： 10.1016/ j.jclepro.2020.123076.

[5] 游和遠，吳次芳.土地利用的碳排放效率及其低碳優化：基于能源消耗的視角[J] .自然資源學報，2010， 25（11）：1875 - 1886.

[6] 張苗，甘臣林，陳銀蓉，等.中國城市建設用地開發強度的碳排放效率分析與低碳優化[J] .資源科學，2016， 38（2）：265 - 275.

[7] 李國煜，王嘉怡，曹宇，等.碳排放約束下的福建省城鎮建設用地利用效率動態變化與影響因素[J] .中國土地科學，2020，34（4）：69 - 77.

[8] 羅谷松，李濤.碳排放影響下的中國省域土地利用效率差異動態變化與影響因素[J] .生態學報，2019，39（13）：4751 - 4760.

[9] 張詩嘉，劉曉英，杜書云.中原城市群城市土地利用效率時空差異及影響因素研究[J] .長江流域資源與環境，2021，30（10）：2417 - 2429.

[10] 陳丹玲，盧新海，匡兵.長江中游城市群城市土地利用效率的動態演進及空間收斂[J] .中國人口·資源與環境，2018，28（12）：106 - 114.

[11] ZHANG M， LIU X， PENG S G. Effects of urban land intensive use on carbon emissions in China： spatial interaction and multi-mediating effect perspective[J] . Environmental Science and Pollution Research， 2023（30）： 7270 - 7287.

[12] 陳真玲，李金鎧，李靜.中國省域城鎮土地利用效率的影響因素及空間溢出效應[J] .經濟經緯，2017，34（4）：25 - 30.

[13] 盧新海，唐一峰，匡兵.長江中游城市群城市土地利用效率空間溢出效應研究[J] .長江流域資源與環境，2018，27（2）：252 - 261.

[14] 于斌斌，蘇宜梅.土地財政如何影響土地利用效率？——基于規模與技術視角的動態空間杜賓模型檢驗[J] .地理研究，2022，41（2）：527 - 545.

[15] YU Z Q， CHEN L Q， TONG H X， et al. Spatial correlations of land-use carbon emissions in the Yangtze River Delta region： a perspective from social network analysis[J] . Ecological Indicators， 2022， 142. doi： 10.1016/j.ecolind.2022.109147.

[16] 劉軍.整體網分析——UCINET軟件使用指南[M] . 3版.上海：格致出版社&上海人民出版社，2019：5 - 385.

[17] 魏燕茹，陳松林.福建省土地利用碳排放空間關聯性與碳平衡分區[J] .生態學報，2021，41（14）：1 - 11.

[18] 邵海琴，王兆峰.中國交通碳排放效率的空間關聯網絡結構及其影響因素[J] .中國人口·資源與環境，2021，31（4）：32 - 41.

[19] TONE K. A slacks-based measure of efficiency in data envelopment analysis[J] . European Journal of Operational Research， 2001， 130（3）： 498 - 509.

[20] 成剛.數據包絡分析方法與MaxDEA軟件[M] .北京：知識產權出版社，2014：62 - 148.

[21] 趙林，曹乃剛，韓增林，等.中國綠色經濟效率空間關聯網絡演變特征及影響因素[J] .資源科學，2021，43（10）：1933 - 1946.

[22] 張軍，章元.對中國資本存量K的再估計[J] .經濟研究，2003（7）：35 - 43，90.

[23] 張苗，陳銀蓉，程道平，等.土地利用結構和強度變化對碳排放影響分析[J] .資源開發與市場，2018，34（5）：624 - 628，675.

[24] 王康，李志學，周嘉.環境規制對碳排放時空格局演變的作用路徑研究——基于東北三省地級市實證分析[J] .自然資源學報，2020，35（2）：343 - 357.

[25] 張苗.中國土地利用碳排放效率與收斂性研究[D] .武漢：華中農業大學，2017：24 - 26.

[26] 趙林，高曉彤，劉焱序，等.中國包容性綠色效率空間關聯網絡結構演變特征分析[J] .經濟地理，2021，41（9）：69 - 78，90.

[27] 吉雪強，劉慧敏，張躍松.中國省際土地利用碳排放空間關聯網絡結構演化及驅動因素[J] .經濟地理，2023，43（2）：190 - 200.

Evolution Characteristics and Formation Mechanism of Spatial Correlation Network of Provincial Land Use Carbon Emission Efficiency in China

ZHANG Miao1， LIU Xuan2， PENG Shangui1， ZHANG Yuzhen3，4， CHEN Yinrong5， WEN Lanjiao5

（1. School of Economics and Management， Shandong Agricultural University， Taian 271018， China； 2. College of Management and Economics， Tianjin University， Tianjin 300072， China； 3. College of Urban and Environmental Sciences， Peking University， Beijing 100871， China； 4. Peking University-Lincoln Institute Center for Urban Development and Land Policy， Beijing 100871， China； 5. School of Public Administration， Huazhong Agricultural University， Wuhan 430070， China）

Abstract： The purpose of this study is to investigate the evolution characteristics and formation mechanism of the spatial correlation network of land use carbon emission efficiency， to provide a reference for the collaborative improvement in land use carbon emission efficiency. The research methods include non-parametric SBM efficiency model and social network analysis. The results show that： 1） provincial land use carbon emission efficiency in China declined in a wavy pattern from 2002 to 2019. It presented the spatial distribution characteristics of “high in the east and low in the west”. 2） During the research period， it formed a complex but relatively stable spatial correlation network structure with Beijing， Shanghai， Jiangsu and Zhejiang as the core points. The developed eastern provinces had obvious advantages in information resources， power， prestige and influence. The hierarchical structure between provinces exhibited a strengthening trend. 3） The results of block model analysis indicated that Beijing and the developed provinces in the Yangtze River Delta and the Pearl River Delta belonged to the net benefit plate and broker plate. The Northeast region， Tianjin and Hebei region， the middle and lower reaches of the Yellow River region constituted two-way overflow plates. The central and western underdeveloped provinces located in the middle and lower reaches of the Yangtze River， the northwestern and southwestern regions were net overflow plates. 4） The formation of spatial correlation network stemmed from the comprehensive effect of geographical proximity， economic development， land use intensity， land use structure， urbanization， and other factors. Resource endowment differences， market mechanism adjustment， government macrocontrol and information technology progress were the main driving mechanisms. In conclusion， the optimization of spatial correlation network is of great significance for the collaborative improvement in land use carbon emission efficiency. It can promote high-quality development and fulfill the “dual-carbon” goals strategy.

Key words： land use； carbon emission efficiency； social network analysis； spatial correlation network

（本文責編：陳美景）