长江经济带交通碳排放空间网络结构特征及影响因素研究

刘云龙　刘佳　黄承锋

摘要：测算2000年-2020年长江经济带交通碳排放量，应用修正后的引力模型，构建长江经济带交通碳排放关联网络，采用社会网络分析方法分析碳排放网络整体特征与个体特征，并运用QAP分析法探析整体网络的影响因素。结果表明，长江经济带交通碳排放显著增加，整体网络结构朝着紧密化和复杂化的趋势前进，且存在不均衡性。经济发展水平差距、人口密度差异、货运周转量差异、行政区面积差异对长江经济带交通碳排放空间溢出效应具有正向的显著影响，地理距离差异、交通碳排放强度差异对其产生负向影响。

关键词：交通碳排放；社会网络分析；QAP分析；影响因素

中图分类号：X22 文献标志码：A

前言

全球气候变化已成为国际社会公认的全球性问题，中国作为世界第二大经济体，碳排放总量居世界前列，随着经济社会发展，有持续增加趋势，交通运输作为经济社会发展的支撑，其碳排放约占全国排放总量的9%-10%。《国家综合立体交通网规划纲要》提出需加快推进交通领域低碳绿色发展，促进二氧化碳排放尽早达峰。长江经济带的总人口及生产总值均超过全国的40%，研究分析长江经济带的碳排放空间网络结构，分析碳排放的溢出和转移机理，对系统推进长江经济带交通运输体系绿色发展、协同治理，推动交通运输领域实现“双碳”发展目标具有重要作用和意义。

当前，对交通碳排放的研究大多停留在国家层面，对区域研究多数也是选择京津冀、长三角等交通发达区域，文章从长江经济带区域层面出发，基于长江经济带省际关系数据，借助修正后的引力模型和社会网络分析（Social Network Analysis，SNA）揭示长江经济带2000年-2020年11省市之間交通碳排放网络的整体结构和个体结构，分析各省市指标数据对长江经济带整体交通碳排放网络关系的影响机理，为长江经济带省际区域制定协同减排政策提供参考。

1 研究方法

1.1 交通碳排放测算

综合交通领域数据的可获取性和准确性，文章参考了联合国政府间气候变化专门委员会（IPCC）提供的“自上而下”方法来核算长江经济带11省市的交通碳排放总量，计算公式如式（1）所示：

式（1）中，Cit表示为长江经济带中i省第t年的产生的交通碳排放，万t；Eitk为i省第t年交通运输中第k种能源的消耗量，万t或亿Kw·h或亿m3；Fk为第k种能源的折标准煤系数，千克标准煤／千克或m3或Kw·h；EFk为第k种能源的碳排放系数，千克碳／千克标准煤；其中l种能源包括原煤、汽油、煤油、柴油、燃料油、液化石油气、天然气以及电力，Fk与EFk的具体数值参照闫树熙的研究。

1.2 引力模型

原始的引力模型将人口和GDP作为影响因素来衡量两地经济关系，即人口指标和经济指标，而省市之间的交通碳排放关系不仅与人口、GDP存在关系，经济地理差异、产业结构差异也是重要的影响因素。为了更好地测度长江经济带11省市之间的交通碳排放引力强度大小，此研究参考郑航的研究，引入各省市的交通碳排放量、交通行业GDP增加值、人均GDP值对原始引力模型的引力系数及空间距离进行修正，修正后的引力模型如式（2）所示：

其中，i、j分别表示不同的省市，Gij表示i、j两省市之间交通碳排放的引力关系，Ci、Cj分别表示i、j两省市的交通碳排放量，万t；用i省份产生的交通碳排放量占i、j两省份共同产生的交通碳排放量的占比来衡量引力系数；Pi、Pj表示i、j两省市的年末常住人口数量，万人；Gi、Gj表示i、j两省市的生产总值，亿元；Ui、Uj表示i、j两省市的交通运输、仓储和邮政业增加值，亿元；Dij表示i、j两省市省会城市之间的地理距离，km;ei、ej表示i、j两省市的人均GDP，元；Dij/ej-ej表示i、j两省市之间的经济距离。

1.3 数据来源及处理说明

研究时间范围为2000年-2020年，以长江经济带11个省市（上海、江苏、浙江、湖南、湖北、安徽、江西、四川、重庆、云南、贵州）为研究对象，各指标数据来源于《中国交通年鉴》（2000-2020）、《中国能源统计年鉴》（2000-2020）、《中国统计年鉴》（2000-2020）、《中国城市年鉴》（2000-2020）。

2 结果分析

2.1 长江经济带交通碳排放时空特征分析

2.1.1 时间演变分析

从长江经济带整体总量上看，交通碳排放总量从1710.41万吨增长到8570.33万吨，在2019年达到交通碳排放总量的最高点，年增长率8.39%，整体处于快速增长态势。2000年-2020年长江经济带交通碳排放年增长率如图1所示，2000年至2003年长江经济带城市化水平快速发展，交通运输业得到大力发展，交通碳排放年增长率呈持续上升态势。2004年长江经济带交通碳排放增速放缓，年增长率下降至10.9%，但随之2005年长江经济带交通碳排放年增长率开始回升，2005年碳排放增长率为18.41%，2006年至2019年交通碳排放年增长率逐渐呈现稳定态势，到2020年受到新冠肺炎疫情的影响，开始骤降至-5.4%。

2.1.2 空间演变分析

运用Arcgis 10.6绘制得到长江经济带交通碳排放空间分布图，如图2所示。2000年长江下游江浙沪地区处于交通碳排放的高值区域，湖北次之，重庆、贵州、江西等地区属于碳排放低值区域；2005年江苏、上海交通碳排放仍处于高位，湖北省的交通碳排放也逐渐追上长江下游地区的增长速度，而浙江省的碳排放增加速度却有所放缓，贵州仍然属于碳排放低值区域。2010年江浙沪、湖北从交通碳排放中值区域增加至较高碳排放区，贵州和江西仍处于交通碳排放的较低区域，长江上游的四川、云南交通碳排放也增长至碳排放中值区域，而安徽和江西的交通碳排放增速较缓。2015年长江下游江浙沪地区从较高碳排放区转变为高碳排放区，湖北同样也增长为碳排放高值区域，贵州和江西仍处于交通碳排放的低值区域，云南、湖南从中值碳排放区域转变为较高碳排放区域。2020年长江经济带交通碳排放整体差异水平仍然显著，长江下游、长江中游地区开始成为交通碳排放的高值区域，长江上游地区的四川、云南也转变为碳排放较高区域，重庆、贵州转变为碳排放中值区域。总体来看，长江经济带交通碳排放在空间上呈“东高西低”的分布特征。

2.2 长江经济带交通碳排放空间关系网络分析

2.2.1 整体网络特征分析

构建交通碳排放网络关系邻接矩阵，借助Uci-net6.0对网络结构的整体网络特征和个体网络特征进行测度。测算得出长江经济带交通碳排放的整体网络特征，如图3和图4所示。网络密度从2000年的0.2727上升至2020年的0.3273，说明长江经济带交通碳排放网络整体在往趋于紧密的方向发展，各省市之间的交通碳排放关联度在不断加强。2000年到2020年期间长江经济带交通碳排放关联网络中上海、浙江、江苏处于主导地位，与其它省市的交通碳排放关联较多。另外，长江经济带交通碳排放网络中的关联关系数在不断增多，从2000年的30个增加到2019年的39个，2020年下降到36个，但是与最大可能的关联关系还是存在很大差距，说明长江经济带交通领域碳排放的关联程度还不够紧密，整体的网络关联度还需要进一步提升。

研究期内长江经济带交通碳排放网络的网络等级度从2000年的0.9143下降到2020年的0.7174，说明交通碳排放等级森严制度逐渐被打破，网络中的联系作用逐步加强，长江经济带省际交通碳排放差异减小，网络结构更加稳定。同样，网络效率也呈现出下降的趋势，但相对于网络等级度来说下降幅度较小，说明在长江经济带交通碳排放网络中省际冗余联系数增多，网络结构的稳定性得到提升，整体网络联系更加紧密。

2.2.2 个体网络特征分析

根据长江经济带省际交通碳排放关系矩阵，运用Ucinet6.0软件计算得出2000年与2020年的长江经济带交通碳排放网络各省市的度数中心度、接近中心度、中间中心度。对于度数中心度，研究期内度数中心度较大的城市数量在增加，说明长江经济带省际交通碳排放联系在不断加强。但度数中心度最大最小值相差8，表明长江经济带省际交通碳排放影响差异较大，整体网络存在不均衡性。对于接近中心度，总体来看，上海、浙江、江苏在交通碳排放网络中是中心行动者，与其他省市相比在碳排放网络中的影响力最高。而长江中游地区逐渐成为网络中的边缘行动者，自身的经济发展水平不足，又难以被接近中心度高的中心城市所带动，形成了中心一边缘的交通碳排放网络空间结构。对于中间中心度，长江经济带省际交通碳排放网络的中间中心度数值相差较大，形成两极分化的格局，长江经济带交通碳排放发展不均衡。中间中心度较高的省市如浙江、上海、江苏在网络中的中介作用极强，说明这些区域是整个长江经济带交通网络的枢纽，而中间中心度较低的长江中游地区对网络中的其他省份的控制能力和支配能力较弱，属于被支配的边缘地位。

2.3 长江经济带交通碳排放网络的影响因素分析

2.3.1 模型构建

根据相关文献的研究，选取2020年长江经济带各省市的GDP经济发展水平差异，地理距离差异，货运周转量差异，客运周转量差异，交通能耗强度差异，人口密度差异，交通碳排放强度差异，行政区面积差异8个指标，构建QAP回归模型，来分析长江经济带交通碳排放空间关联网络结构的影响因素。计算公式如式（3）所示：

C=f（GD，Gd，Ft，Pt，TE，Pd，CI，S） 式（3）

式（3）中，C表示长江经济带交通碳排放网络关联矩阵，GD表示经济发展水平差异矩阵，用长江经济带各省市的GDP表示；Gd表示地理距离差异矩阵，用两省市之间的实际距离表示；Ft和Pt分别表示货运周转量差异矩阵和客运周转量差异矩阵，用货运周转量来衡量；TE表示交通能耗强度，用能源消耗总量／换算总周转量，其中公路客运货运换算系数取0.1，水路客货换算系数取0.33，航空客货换算系数取0.072；Pd表示人口密度矩阵，取地区人口密度来衡量；CI表示交通碳排放强度矩阵，用交通碳排放总量／能耗消耗量来衡量；S表示行政区面积差异矩阵，用长江经济带各省市的行政区面积来衡量。除了C矩阵外，其余矩阵是采用对应指标的绝对差值构造的差值矩阵。

2.3.2 QAP回歸分析

借助Ucinet6.0软件，经过5000次随机置换，对长江经济带交通碳排放关联网络的影响因素模型进行QAP回归，回归结果见表1。结果表明长江经济带越临近的省市交通碳排放的空间关联性也就越大，距离的长度在很大程度上抑制长江经济带省际交通碳排放的空间溢出效应。货运需求量差距越大，长江经济带省际交通碳排放空间溢出效应越大，因为货运需求量大的区域往往经济发展水平也相对较高，区域间经济水平的不协调性促进交通碳排放的交流，同时也引证了经济发展水平差异对交通碳排放空间溢出关系产生的重要影响。行政区面积差异越大也会越容易产生交通联系，且区域间人口密度差异化会对长江经济带交通碳排放网络的关联性带来积极的正向影响。能源消耗差异矩阵回归系数为正，但表现为不显著。省际交通碳排放强度差异越小，省市间交通碳排放的空间溢出效应越明显，因为交通碳排放强度差异小意味着区域间低碳交通发展水平相近，对发展低碳交通所需要的资源需求也存在一定程度的相似，更加有利于省际交通碳排放空间关联网络的形成，对其紧密程度有一定的促进作用。

3 结论

根据测算2000年-2020年的长江经济带省际交通碳排放数据，基于修正后的引力模型，建立长江经济带省际交通碳排放的空间关联矩阵，并运用社会网络分析法进一步分析交通碳排放空间网络结构的整体特征和个体特征，采用QAP探析长江经济带交通碳排放空间溢出效应的影响因素。研究发现：长江经济带交通碳排放呈快速增长态势，整体网络结构朝着紧密化和复杂化的趋势前进，网络密度和关联关系数在不断增加，网络等级度和网络效率逐渐下降，交通碳排放网络形成两极分化的格局。经济发展水平差距、人口密度差异、货运周转量差异、行政区面积差异对长江经济带交通碳排放空间溢出效应具有正向的显著影响，地理距离差异、交通碳排放强度差异对其产生负向影响。