中国都市圈碳排放空间关联及其驱动因素研究

罗明，郑锐豪，钟世川

（1.广西师范大学 经济管理学院，广西 桂林 541000；2.广东金融学院 经济贸易学院，广东 广州 510521）

为加速全球减碳进程，贡献坚实中国力量，习近平总书记多次在国内外公开场合强调，中国将坚定不移地推动“双碳”目标的实现。而“双碳”目标下区域碳减排也面临新的形势与挑战：第一，都市圈成为碳减排的重要领域。一方面，伴随着人口集聚和经济发展，都市圈能源消耗巨大，产生的碳排放也与日俱增。张永年等[1]研究发现，碳排放迅猛增长的主要区域正是位于都市区及都市连绵区。另一方面，都市圈作为一种打破行政管辖边界进行区域规划的新模式，如何围绕碳减排精准施策，已经不仅是局限于省市层面；第二，都市圈碳排放存在空间关联性。都市圈作为城镇化的重要空间形态，在培育过程中会引发都市圈之间人口流动和产业转移等，进而产生碳排放联系。这种高度显著的空间关联性决定了若是仅仅依靠“单边控碳”和“局部控碳”，将难以从根本上解决中国都市圈碳减排问题。鉴于此，对于决策者而言，通过精确识别都市圈之间碳排放整体结构及其内部联系与差异，才能科学地制定总体目标下分解的区域碳减排措施，实现都市圈之间的协同减排。

近年来，学界对于碳排放区域空间关联的研究文献很多，其不同侧重点主要如下：第一，研究个体层面不同。早期部分学者从省际视角考察碳排放的空间关联特征[2-3]。现阶段部分学者从城市层面研究碳排放的空间关联特征及演化路径[4-5]。部分学者从单个城市群视角出发探究城市群内部城市碳排放空间关联结构特征，并指出城市群内部城市碳减排需要从整体层面出发建立长效协同减排机制[6]。第二，分析区域碳排放空间关联的方法不同。一种做法是使用探索性空间分析手段（ESDA）以及空间计量经济模型识别不同区域间碳排放的空间格局和聚集特点[7-8]。另一种做法是借助社会网络分析法进行探究[9-10]，为研究碳减排的区际互动提供了新的视角。在网络构建方面，采用的方法主要是VAR Granger Causality[11]、引力模型[12]等，接着借助社会网络各项重要指标如中心性等进行特征分析。此外，有学者进一步分析了城市间碳排放空间关联网络形成的内在机理，如王晓平等[6]采用QAP 分析法探究网络结构形成的驱动因素。第三，选取影响区域碳排放空间关联网络结构的因素，对碳减排区域间互动的内涵进行深入挖掘。学者们结合研究对象在碳排放空间互动领域的特性，分别从空间距离差异[6]、人口规模差异、经济发展水平差异[13]、产业结构、能源耗费[14]、技术水平、对外开放度和交通运输强度[5]等方面考察影响区域碳排放空间结构特征演变的因素。

综上分析，现有研究依然存在一些局限性：第一，研究视角大多是省市个体层面。而都市圈的本质是以中心城市带动周边城市发展，在培育过程中必然会跨越省市行政边界，形成新的空间治理单元。传统上以省市为碳减排联控政策实施对象的做法面临新的挑战。近些年部分学者从城市群视角开展研究，但是在以往城市群规划实施过程中，超越了都市圈培育这一重要的发展阶段，导致这些城市群出现较为严重的“空心化”现象，难以有效发挥辐射带动作用。因此，有必要基于都市圈视角对碳排放空间关联展开研究，以进一步支撑城市群高质量发展。此外，尽管有学者探究碳排放效率在徐州都市圈内部不同城市间的差异，但其研究范围仅局限于单个都市圈，并未扩展到中国层面的主要都市圈，无法为在“全国一盘棋”的指导思想下推动都市圈之间的协同减排提供有益借鉴。第二，传统的空间计量经济模型能够说明区域间碳排放具有关联性但是难以深入分析复杂的碳排放区域互动特征，并且由于都市圈之间在地理上可能并不相邻，因此运用传统空间计量方法可能会造成偏误[11]。社会网络分析方法虽然可以从“关系”角度出发，刻画空间网络结构特征以及探究其演变机理，但需要基于研究对象的特性选取合理的测算指标及驱动因素。本文的边际贡献主要在于从社会网络视角出发，分析中国都市圈碳排放空间关联网络的特征，运用都市圈特性指标与QAP 回归研究都市圈碳排放空间关联驱动因素的影响。通过研究空间关联网络的演化规律与驱动机制，对依托都市圈这一重要载体实现区域总体减排、发挥多元主体参与具有重要作用，为建立健全区域碳减排机制提供有益参考。

1 研究区域与方法

1.1 中国都市圈识别与划分

本文在参考国内外成熟都市圈划分标准与统计制度的基础上，基于以下四点识别划分出中国35 个主要都市圈，见表1。参考依据如下：一是基于国家发改委对于都市圈的定义，将都市圈空间范围界定为“以城市群内部具备较强辐射带动能力的大城市为中心，以1 小时通勤距离为半径所形成的地域空间”；二是所选都市圈的中心城市人口超过300 万，且城市首位度超过20%；三是所选都市圈均在省级及以上的政策文件中被明确提出或实际上已经推行培育举措；四是所选都市圈基本覆盖中国八大综合经济区。

表1 中国35个主要都市圈基本范围

1.2 研究方法

1.2.1 碳排放空间关联网络构建

碳排放空间关联网络以各个都市圈作为网络的节点，节点之间的连边表示都市圈之间的碳排放空间关联关系，构建该网络的核心在于确定点与点之间的连边[15]。现有研究对于关系的确定主要采用VAR 模型和修正引力模型。VAR 模型不仅对于滞后阶数的选择比较敏感，可能会降低对于空间网络结构特征刻画的精确性[16]，而且难以追踪空间关联网络演变趋势。因此，综合考虑经济、距离和碳排放等因素对引力模型进行修正以刻画都市圈之间的碳排放关联关系，如式（1）所示：

式中：Lij表示都市圈i和j之间的引力；Ci、Cj表示都市圈碳排放总量；Gi、Gj表示都市圈GDP；Pi和Pj表示都市圈年末常住人口；aij表示都市圈i在都市圈之间的贡献率；为都市圈之间的综合经济地理距离。基于式（1）可测算都市圈碳排放之间的引力矩阵，并以引力矩阵各行的平均值作为临界值。若引力高于该临界值则标记为1，代表存在碳排放空间关联关系；反之则记为0，代表不存在碳排放空间关联关系。

1.2.2 碳排放空间关联网络特征

（1）整体网指标。借助网络关联度（NC）、网络密度（ND）、网络等级度（NG）和网络效率（NE）四个主要指标反映整体网特征。其中，网络关联度用以刻画网络的稳健性，其值越高则反映任意两个都市圈之间存在较好的直接或间接关联关系；网络密度用于描述空间关联紧密程度；网络等级度通过反映都市圈之间的非对称可达性程度来刻画各个都市圈所处的等级地位；网络效率刻画了都市圈之间的连接效率，反映碳排放空间关联对都市圈协同减排的影响。上述各项指标的计算公式如式（2）所示：

式中：S和M表示在不可达的点对数与都市圈的个数；L表示都市圈之间发生的实际关联关系数；P表示对称可达的点对数；V代表多余线条的数量。

（2）个体网指标。本文采用度数中心度（CRD）、中介中心度（CRC）和接近中心度（CRP）来反映个体网特征。度数中心度用以刻画网络中单个都市圈的中心地位，为实现可比性，本文采用相对度数中心度进行刻画；中介中心度用以反映网络中某个都市圈对其他都市圈之间的控制程度，中介中心度越高表明该都市圈对其他都市圈的控制程度越高，可能起到“中介”作用；接近中心度刻画的是网络中某个都市圈不受其他都市圈控制的程度，接近中心度越高表明该都市圈具有更强的信息传递能力，越少依赖于其他都市圈。具体公式见式（3）：

式中：n表示在网络中某都市圈与其他都市圈直接相关联的个数，N-1 则表示最大可能直接相连的都市圈个数；bjk(i)表示第三个都市圈i处于j、k之间捷径上的概率；dij是点i、j之间捷径中所包含的线条数目。

（3）块模型。块模型可揭示空间关联网络中板块间的结构状态，进而更加直观地分析板块间的关系及其各自所处的角色地位。板块可划分为四种类型[17]：①净溢出板块，向其他板块发出更多的关系但是收到其他板块发出的关系较少，内部也较少发出相互联系；②净受益板块，从外部板块得到的关系显然要比它们对于外部板块所发出的溢出关系要多，内部也存在相互联系；③双向溢出板块，内部向板块内外均发出较多的关系，但主要从板块内接收关系；④经纪人板块，从板块内部和外部均接收关系，但内部联系较少，起到网络结构中的桥梁作用。

1.2.3 QAP回归模型构建

QAP 基于方阵数据的置换，通过比较两个方阵中对应方格的元素得出两个方阵之间的相关系数并进行相关非参数检验，可用来研究都市圈碳排放空间关联关系矩阵与驱动因素矩阵之间的回归关系。在进行QAP 回归分析之前，需要结合都市圈特性选取都市圈碳排放空间关联关系的驱动因素：①现有研究大多将地理邻接（即若两个区域在地理上邻接则赋值为1，否则为0）作为重要驱动因素纳入考察，但是都市圈由国内较为发达的区域单元组成，其在地理上往往并不邻接。此外，都市圈作为各省核心枢纽城市的集合，彼此间的基础交通建设较为发达。随着基础设施建设的快速发展，都市圈之间的交通可达性差异对于碳排放关联互动的影响比起地理距离差异可能更大；②由于人口流动会影响碳排放的演变，都市圈作为城镇化的重要空间形态，圈际城镇化水平差异对于碳排放的空间关联结构变化的影响可能更加突出；③FDI 与碳排放之间具有显著相关关系[18]，而都市圈作为发达经济区域的集合，是接受外商直接投资的主要集中地，其差异会影响都市圈之间碳排放空间关联；④对外开放程度差异对碳排放空间关联的影响体现在部分都市圈更快地进入重点引进先进绿色生产技术和管理经验的阶段，影响都市圈碳排放空间关联；⑤都市圈产业结构升级程度差异通过区域资源配置影响都市圈之间碳排放空间关联。基于此，本文从交通可达性、常住人口城镇化水平、外商直接投资水平、对外开放水平和产业结构五个维度构建QAP 回归模型，见式（4）：

式中：C代表都市圈碳排放空间关联；T为都市圈交通可达性差异；U为都市圈常住人口城镇化率差异；F为都市圈外商直接投资水平差异；O为都市圈对外开放水平差异；I代表都市圈第三产业结构差异。

2 实证结果与分析

2.1 数据来源及处理

中国坚定走低碳经济的重要标志之一是2003 年科学发展观的正式提出，因此本文选择2003—2020 年为样本期，通过识别划分中国35 个都市圈（表1）作为节点，基于修正后的引力模型[式（1）]测算碳排放空间关联关系矩阵。数据方面：年末常住人口和GDP 来自于各市统计年鉴；以都市圈中心城市间的行车里程作为都市圈之间的地理距离衡量；二氧化碳排放量的测算如式（5）①采用《省级温室气体清单编制指南》（发改办气候〔2011〕1041 号）的二氧化碳排放量计算公式。所示：

式中：Cit为都市圈的二氧化碳排放量；δk为不同主要能源种类的折算标准煤系数②折标煤系数来自《综合耗能计算通则》（GB/T 2589—2008）。；αk为不同主要能源种类的标煤二氧化碳排放系数③二氧化碳排放系数来自《省级温室气体清单编制指南》（发改办气候〔2011〕1041 号）。。

碳排放数据测算过程中所需原始数据以及QAP 分析中所需的变量数据来源于各省市的统计年鉴、能源统计年鉴、中国经济与社会发展统计数据库及统计公报。以下分析借助R 语言、UCINET6.0 软件处理。

2.2 都市圈碳排放空间关联网络特征分析

2.2.1 整体网与个体网分析

本文基于修正的引力模型可构建空间关联关系0—1矩阵。以度数中心度、中介中心度和接近中心度为节点大小依据，图1 展示了2003 年和2020 年中国都市圈之间碳排放空间关联网络结构形态④由于篇幅限制，此处只展示2003 年和2020 年的空间网络结构图。对于其他年份测定结果感兴趣的读者可向作者索取。。可以看出，2003 年和2020 年的网络形态相对稳定，已经形成特定的网络结构。

通过式（2）的计算可得出2003—2020 年网络关联度均为1，表明网络具有较好的通达性。网络的密度、等级度和效率的计算结果如图2、图3 所示。从中可以看出：网络最大可能关联关系数为1 190 个，而实际关联关系数最高只有257 个（2019 年），对应最高网络密度为0.216 0，表明各个都市圈之间的联系紧密程度总体上不高，但网络密度年均增长率约为0.5%，整体呈现上升趋势但增速较缓，主要因为产业集聚生产引发的化石能源跨圈流动促进各个都市圈在碳排放上的空间关联性提升，同时户籍制度限制、城市公共服务长时间非均等化以及能源要素市场自由流动程度较低等因素使得网络密度增长缓慢。“十四五”时期，随着全国碳交易市场等领域的统一协调进程推进以及户籍限制有序放开，网络密度的增速可能得到提高，但是需要预防随着网络密度提升所带来的冗余问题出现；在网络等级度指标上，2003—2015 年网络等级度从0.491 8 大幅下降到0.163 6，这一时期森严的碳排放空间关联结构逐渐被打破，各个都市圈在碳排放领域的相互影响能力逐步增强。而经历了2015—2017 年网络等级度大幅提升之后，2017—2020 年迅速回落，这表明网络结构具有较强的调整能力，以往等级森严的网络结构被有力地破除。在网络效率指标上，2003—2020 年网络效率整体上呈现下降趋势，表明网络节点间的连线增多，都市圈之间的碳排放联系程度更加紧密且其网络稳定性也得到提升。

图2 2003—2020年网络关联关系与网络密度

图3 2003—2020年网络等级度和网络效率

基于式（3）可计算出每个都市圈的三类中心度，图1 展示了2003 年和2020 年的结果。在度数中心度方面，2003—2020 年排名前1/5 的都市圈依次为上海、苏锡常、深圳、广州、杭州、首都和南京都市圈，主要位于东部沿海经济发达地区，接收到更多联系。尤其是上海和苏锡常都市圈常年位居前两位，其可能原因是这些地区人口净流入量大、工业集聚等导致对于能源消耗量较大，吸引着其他都市圈的资源进行集聚，而这些都市圈自身的能源供给难以满足自身要求，对其他都市圈的能源依存度较高，最终表现为碳排放量的明显溢出。在样本期内排名后1/5 的都市圈主要有乌鲁木齐、银川、长春、哈尔滨、湛茂、沈阳、南宁都市圈。这些都市圈受限于经济规模较小、常住人口净流出较大等因素，表现出较少的对外联系。在中介中心度方面，2003—2020 年排名前1/5 的都市圈主要有：上海、苏锡常、深圳、广州、杭州、首都、宁波或南京都市圈。可以观察到中介中心度的测算结论与度数中心度基本一致，排名靠前的都市圈大多位于东部沿海，在网络中影响其他都市圈碳排放总量的能力较强。从数据分布上看，大部分年份排名前1/5 的都市圈中介中心度之和约占中国35个都市圈中介中心度总和的78.42%，表明各个都市圈在整体网络中的角色地位存在明显的分化现象，初级都市圈对外碳排放关联往往需要借助成熟都市圈来完成；值得一提的是，上海和苏锡常都市圈的中介中心度远远大于其他都市圈，说明上海和苏锡常都市圈作为成熟都市圈，在网络中承担着“媒介”作用。与排名前1/5 的成熟都市圈密集的交通网络和发达的产业相比，中介中心度排名靠后的都市圈如乌鲁木齐都市圈等受限于较为偏远的地理位置以及产业规模较小等因素，对网络结构的贡献度较小，难以发挥桥梁作用。在接近中心度方面，2003—2020 年排名前1/5 的都市圈依次为：上海、苏锡常、深圳、杭州、宁波、首都和广州都市圈，这些都市圈能够自主地与其他都市圈产生并建立碳排放联系，扮演着中心行动者的角色。其中，上海和苏锡常都市圈的接近中心度大幅超过其他都市圈，表明这两个都市圈在中国碳排放空间关联网络中处于绝对的“中心”地位。而排名靠后的都市圈如长春都市圈等受到经济规模较小、常住人口增长缓慢、地理距离较远等因素的限制，在整体网络中作为边缘行动者的角色存在。

2.2.2 板块模型分析

本文基于CONCOR 方法，借鉴刘华军等[16]的参数设定（最大分割深度为2，集中标准为0.2），将都市圈碳排放空间关联网络划分为四大板块，结果如表2 所示。①第一板块：上海、南京、杭州、宁波、苏锡常、首都和青岛等7 个都市圈。②第二板块：深圳、广州和厦门等3 个都市圈。③第三板块：合肥、成都、重庆、沈阳、郑州、济南、长春、太原、银川、哈尔滨、大连、兰州、乌鲁木齐、西宁和西安等15 个都市圈。④第四板块：珠江口西岸、武汉、汕潮揭、湛茂、长沙、贵阳、南宁、南昌、昆明和福州等10 个都市圈。

表2 2020年中国都市圈碳排放空间关联板块的溢出效应

在表2 中，2020 年中国都市圈碳排放空间关联网络板块间关系数占比超过76%，说明板块间存在明显的空间溢出效应。由于实际内部关系比例大于期望内部关系比例，初步判断第一、四板块属于净受益或双向溢出板块。由于第四板块的接收板块外关系程度小于第一板块，故可判断第四板块为双向溢出板块，第一板块为净受益板块；第二、第三板块的实际内部关系比例均小于期望内部关系比例，其中第三板块呈现“较多对外发出关系，较少收到板块外部关系”特征，属于净溢出板块，而第二板块积极与其他板块互发关系，且内部关系数相对较少，属于充当桥梁作用的经纪人板块。为了显示各个板块间的溢出效应，本文计算出板块间的密度矩阵，并以整体网络密度0.205 0 为临界值，得到相应的像矩阵见表3。

表3 中国都市圈碳排放空间关联板块间的密度矩阵和像矩阵

图4 显示了板块间的传导机制。第一板块除了板块内部产生的关联关系，还接收来自第三、第四板块的溢出，这反映了东部沿海成熟都市圈产生了大量的碳排放，整体上表现为向其他都市圈的溢出，同时由于能源需求缺口较大，需要第三、第四板块中能源禀赋较大的都市圈向其输送能源；第二板块明显在整体网络中充当桥梁作用；第三板块内部的都市圈具有较大的能源资源禀赋，但是其自身经济发展对碳排放量需求较小，最终向板块外其他都市圈溢出；第四板块不仅接收第二板块的溢出，而且向第一板块积极溢出。由此可见，都市圈碳排放空间关联网络的各板块有独特的定位，考察板块间碳排放流动的传导机制可利于在“全国一盘棋”碳减排总目标下实现都市圈的碳减排联动。

图4 中国都市圈碳排放空间关联四大板块传导关系

2.3 都市圈碳排放空间关联驱动因素分析

为了进行QAP 回归分析，本文对各驱动因素的指标分别取平均值，并计算各都市圈之间的绝对差异，测算出差异矩阵。并以样本期内引力模型各项变量平均处理后的结果测算出碳排放空间关联关系矩阵。通过设定随机置换次数为2000 次，可得碳排放空间关联矩阵驱动因素的QAP 回归结果，见表4。

表4 中国都市圈之间碳排放空间关联驱动因素的QAP回归分析结果

由表4 可知，交通可达性差异的系数为负，且通过1%的显著性检验，说明缩小都市圈之间的交通可达性差异会对相应的碳排放空间关联关系产生促进作用；由于交通可达性差异与都市圈经济地理距离密切相关，这一结论也与杨桂元等[9]、王晓平等[6]研究地理邻接对于省际或城市间碳排放空间关联的影响结论相似；常住人口城镇化率差异的系数为正，且通过5%的显著性检验，说明在合理的人口迁移的基础上，都市圈的常住人口城镇化水平差异能促进碳排放空间关联提升。这也符合人口集聚过程导致碳排放空间关联加深的现实情况；对外开放水平差异和外商直接投资差异对都市圈之间碳排放空间关联的影响在1%显著性水平上为正，说明对外开放水平差异和外商直接投资差异均能促进碳排放空间关联增强。第三产业结构差异的系数未能通过显著性检验，表明其在样本期内未对碳排放空间关联产生显著影响，但当前都市圈之间的产业转移与绿色产业升级则显示出其存在较大的影响潜力。

3 结论与建议

（1）从整体特征上看，碳排放空间关联网络不够紧密，样本期内最高网络密度为0.216 0，但是整体网络呈现出很好的稳健性。网络关联度与网络效率表明各都市圈之间存在稳定的碳排放空间溢出效应且存在多重叠加的空间溢出现象。从个体特征上看，都市圈角色划分明显。东部沿海成熟都市圈尤其是上海和苏锡常都市圈在整体网络中起到中心行动者和中介桥梁的重要作用。

（2）从板块划分及传导机制上看，集中在东部沿海的第一板块为净受益板块，而东南沿海经济增长活力强劲的都市圈构成的第二板块主要承担经纪人的中介作用，位于中西部地区的第三板块则为净溢出板块，位于中部地区的第四板块则为双向溢出板块。第一、二板块不仅在自身板块内部产生碳排放联系，还从第三、四板块直接或间接地接收溢出，第三板块对于第一板块的溢出是通过第二和第四板块作为中介进行的。

（3）从驱动因素影响分析上看，交通可达性差距越小、常住人口城镇化率、外商直接投资和对外开放水平差异越大，均对都市圈的碳排放空间关联有显著的促进作用；第三产业结构差异对都市圈之间碳排放空间关联性的影响不显著，但具有较大的影响潜力。

基于上述结论，提出如下政策建议：（1）以总体规划为引领，发挥多元主体参与的重要作用。中央政府和各个都市圈最高决策层在制定碳排放目标及实施规划时，应重点考虑都市圈之间的碳排放空间关联关系，提高都市圈之间碳排放空间关联的紧密程度，建立并巩固更多的空间溢出通道。此外，在进行目标规划与实施时，也应注重都市圈在碳减排协同过程中利益协调机制的建立完善。

（2）结合不同都市圈在区域低碳发展中的角色作用及传导机制，结合资源禀赋、经济结构和产业基础的情况，因地制宜实行差异化低碳战略。对于上海和苏锡常等处于中心位置的都市圈，应凭借自身的经济实力和技术研发能力，重点推动绿色低碳技术的研发、应用与推广，从而对都市圈碳排放空间网络起到优化作用。为满足我国短期内对化石能源的高需求并保障都市圈产业的能源需求，中西部都市圈作为净溢出板块，应该注重发挥中心位置都市圈的碳排放空间关联影响力以及增强位于桥梁板块的都市圈的中介作用，提高向东部发达都市圈输送能源的效率，进而推动整体都市圈网络协同减排。同时，由于东部沿海成熟都市圈具有较高的碳排放需求量，且中西部部分都市圈具有较为丰富的能源禀赋，自身产业难以完全消纳所生产的能源，可以有规划地推动部分重要的高耗能产业由东部都市圈向西部都市圈梯度转移，以减缓部分都市圈碳排放量过高，并有助于以产业能源需求推动中西部都市圈利用自身禀赋深入开发清洁能源生产潜力。

（3）优化都市圈碳排放空间关联的驱动机制。在交通可达性方面，加快打通都市圈核心城市之间的国家公路省际瓶颈路段，重点提升东部与中西部都市圈之间的交通输送能力，增强重要都市圈之间的公路网供给能力和整体效能，以增强都市圈碳减排的空间协同；在城镇化水平差异方面，在防范人口集聚 “大城市病”问题的基础上，通过消除都市圈户籍壁垒、推动都市圈内部城市一体化、促进都市圈公共服务共建共享等措施，优化都市圈人口承载的空间布局，从而促进都市圈碳排放的空间优化。在对外开放和外商投资引进方面，东部沿海发达都市圈应提高对外开放标准，引进国外先进绿色生产技术和管理经验。此外，东部沿海发达都市圈具有雄厚的经济实力、高质量的基础设施建设与良好的营商环境，应提高其与中西部都市圈之间的产业配合能力，促进都市圈之间形成碳减排的协同机制。