基于碳汇潜力的碳排放空间关联网络结构特征及影响因素

刘耀彬 邓伟凤 李硕硕 柏玲

摘要 考虑碳汇潜力的碳排放空间关联是促进城市群协同减排的重要基础，更是实现碳中和的有力抓手。以长江中游城市群为研究区，对传统引力模型进行修正，构建兼具碳汇潜力的碳排放空间关联网络，采用社会网络分析（SNA）和二次指派程序方法（QAP）探究长江中游城市群碳排放空间关联网络的时空特征与影响因素。结果表明：①研究期间长江中游城市群碳排放网络关联关系数、网络密度和网络关联度呈增长趋势，网络效率和网络等级度不断下降，且网络等级度在2010年后始终为0，表明碳排放空间关联网络日益稠密、网络通达性较强，存在多重叠加的溢出渠道，但等级结构并不森严。基于碳汇潜力的长江中游城市群碳排放空间关联网络从“双核化”向“多极化、多线程”网络形态发展，核心城市的扩散作用不断增强。此外，以抚州、宜昌、鹰潭、上饶和吉安等为代表的高碳生态承载力地区，在碳排放空间关联网络中的受益关联性大于溢出关联性。②2020年，长江中游城市群碳排放空间关联网络形成四大板块，相较于板块内部成员间的碳排放空间关联效应，板块间的碳排放空间关联效应更为明显，即板块间的“碳排放转移”效应较为普遍。净溢出板块主要分布在武汉都市圈、宜荆荆都市圈和长株潭城市群外围城市，处于网络核心圈层位置；净受益板块主要分布在环鄱阳湖城市群东部，“碳排放避难所”效应显著。经纪人板块集中在环鄱阳湖城市群西部，板块间表现出“净溢出板块→经纪人板块→净受益板块”的碳排放传递路径，呈现出明显的“梯度转移”特征。双向溢出板块主要位于长江中游城市群西部，对净溢出和净受益板块都存在碳排放的空间溢出。研究期内，净溢出板块的成员虽然有所变化但总数保持不变，经纪人板块的成员有所增加，而净受益和双向溢出板块的成员均减少，环鄱阳湖城市群的“碳排放避难所”效应有所弱化。③地理邻近关系能够促进城市间碳排放关联关系的建立，而城市间的经济集聚程度、土地利用强度和经济发展水平上的互补性，促使碳排放空间关联网络随着城市间分工与协作的加强而呈现出千里“碳缘” 一线牵的特点。

关键词 空间关联网络；碳排放；碳汇；碳生态承载系数；长江中游城市群

中图分类号 X321；F124. 5 文献标志码 A 文章编号 1002-2104（2024）03-0001-15 DOI：10. 12062/cpre. 20230706

日益严重的全球气候变暖问题已威胁到人类的生存和发展，推动降碳增汇已成为中国可持续发展的必由之路［1-2］。为兼顾不同地区的发展需求和减排压力，中国自2013年起开始探索和构建碳交易市场和制度。2017年12月，中国的全国性碳交易市场正式启动构建，这无疑将有效解决由区域差异化的碳减排政策实施而导致的碳泄漏和碳市场流动性不足等问题。然而，地区间经济社会发展差异和生态碳汇资源异质性导致城市群内部碳排放与碳汇失衡问题依旧严峻［3］。城市群作为人类生产和生活的中心［4］，其碳排放约占中国总碳排放量的85%，是碳排放的重灾区［5］。实际上，城市碳排放存在显著的空间外部性和空间溢出效应，城市碳排放的空间关联已跨越传统意义上的地理邻近关系，并在城市群内部形成了复杂的空间关联网络［6］。一方面，产业关联、贸易往来和生产活动等社会经济要素的空间集聚和扩散效应，使得城市群内部碳排放流动交错纵横、复杂多样［7］。另一方面，在生态补偿与碳交易市场背景下，城市碳汇潜力对碳排放关联和区域碳排放责任分配的影响日益加大，致使城市群碳排放空间关联结构日渐复杂化［8］。因此，考虑地区碳汇潜力，构建碳排放空间关联网络对制定协同减排方案至关重要。长江中游城市群不仅是长江经济带的重要支撑，更是全国经济的新增长极，但快速推进的工业化和城市化导致其面临的碳中和压力日趋增加。同时，丰富的森林资源及广阔的水域面积，为其提供了强大的碳汇潜力。因此，以长江中游城市群为研究区域，明晰碳汇潜力下的碳排放空间关联网络演化与影响因素，不仅为城市群健康发展提供决策依据，更能为中国整体实现碳达峰、碳中和目标提供借鉴参考。

1 文献综述

现有对于碳排放空间关联的研究主要聚焦在空间相关性和空间集聚特征。早期研究多基于探索性空间分析方法来探索碳排放的空间分布特征，常采用泰尔系数、锡尔系数、变异系数来揭示地区碳排放的区域差异和空间相关性［9-11］。后期研究多基于空间模型识别地区碳排放空间依赖关系及空间集聚现象［12-13］。研究尺度涉及国家层面［14-16］、省域層面［17-18］和城市层面［12，19］等，但对于城市群的研究相对较少［20］。研究结果均认为碳排放可以通过大气环流，贸易往来、产业转移等经济活动机制传导到其他地区，存在显著的空间关联特征和溢出效应［21］。但上述研究多局限于探索碳排放“属性数据”的性质，忽略了“关系数据”在识别碳排放空间相关性的优势。

对于碳排放空间关联影响因素的研究，学者们通常采用空间计量模型和地理加权回归模型［21］。研究表明地理、经济、技术、能源、产业、环保和城镇化水平等社会经济因素不仅会影响本地的碳排放，同时也会对周边地区产生空间溢出［10，17，22］。由于空间计量模型的局限性，难以深入分析碳排放的关联性及其空间结构形态。近年来，许多学者尝试运用社会网络分析方法（SNA）来研究区域碳排放的空间关联关系，其优势在于能够刻画碳排放的空间关联结构。城市间的人口迁徙、贸易往来和产业转移等社会经济活动都会产生碳排放要素关联，同时土地利用类型等地理因素也会对其碳汇能力产生较大的影响［23-24］。因此，在考虑地区碳汇潜力的前提下，探讨区域协同减排更具合理性。

基于此，作者构建了碳生态承载系数，通过修正引力模型将其纳入碳排放空间关联网络，采用社会网络分析法探究长江中游城市群的碳排放关联引力特征，并揭示碳排放空间关联网络的整体特征、个体特征和块模型分区，为城市群协同减排机制的制定提供合理依据。此外，本研究还采用二次分配方法（QAP）探究碳汇潜力下碳排放空间关联网络的影响因素，为城市群的协同减排提出相关政策建议。

2 研究方法和数据来源

2. 1 研究区概况

长江中游城市群地跨湖北、湖南、江西三省，位于北纬25° 57'32. 794" 至32° 37'27. 837" 和东经110°19'44. 391"至118°27'32. 732"之间（图1）。长江中游城市群面积53. 76万km2，包括武汉都市圈、环长株潭城市群、环鄱阳湖城市和宜荆荆都市圈四个子城市群［25］。长江中游城市群森林资源丰富、内含鄱阳湖、洞庭湖以及东湖等众多湖泊，具有大湖流域特征代表性。“依水而生”的长江中游城市群兼具强大的碳源与碳汇双重功能。近年来，长江中游城市群经济一直保持中高速增长，城市间产业交流不断加强，网络联系和内外联动能力不断提高［26］，碳排放联系也不断加强。选取2005、2010、2015、2020年4个年份作为时间节点研究长江中游城市群碳排放空间关联网络，可以明晰城市群的碳排放空间关联网络的时空变化特征，为城市群制定协同减排政策提供依据。

2. 2 研究方法

2. 2. 1 碳生态承载系数

碳生态承载系数（ESC），表示地区碳汇占比与碳排放占比的商，反映了区域碳汇能力的大小。计算方法如下：

2. 2. 2 修正的引力模型

自“十一五”规划以来，长江中游城市群经济快速增长的同时，伴随而来的是化石能源消费总量的持续攀升和以CO2 为主的温室气体排放的急剧增加［37］，并进一步导致了生态环境恶化、生态承载力下降以及生态系统服务退化等问题［38］。因此，由经济增长带来的碳排放的增加已是不争事实，以GDP表征的经济增长对长江中游城市群碳排放的增加具有关键作用［39］。人口规模增加引起能源消费总量增加与土地利用类型变化，进一步通过城市扩张、生态用地减少以及农业生产空间扩大导致碳排放增加与生态系统服务供给能力下降［40-41］。此外，碳排放不仅会受到本区域内的人口和经济增长等因素的影响［42］，邻近地区的空间溢出效应也会对本地区碳排放产生重要影响［43］。

从区域间空间关联关系的约束看，两个地区间的空间联系不仅会受到传统的地理距离的约束，还受经济距离、技术距离、生态安全距离等多种距离因素影响［21］。在生态文明建设和“双碳”目标下，仅考虑地区间的地理距离和经济距离并不能满足碳交易市场发展的需要，构建基于碳汇潜力的碳排放空间关联网络十分必要。由于森林资源、水域资源以及草地资源的自然属性，决定了其不仅对本地区的CO2具有吸收作用，同时其碳汇也具有显著的空间溢出效应［8］。基于承载力理论、生态系统服务供需理论、陆地生态系统碳循环和碳源-碳汇平衡原理［44-46］，碳生态承载系数反映了一个地区的碳排放承载能力，该地区的碳排放承载力能力越大，其对经济发展水平（人均GDP）的容量也就越大。相对于碳源-碳汇的比值或差值，借鉴区位熵构建的碳生态承载系数克服了碳源和碳汇核算方法和口径不同带来的误差，更具有客观性［33］。因此，基于上述考虑并参考相关文献［43］，对传统引力模型进行修正，构建兼具碳汇潜力的碳排放空间关联网络。基本模型为：

基于（3）式，计算出表征基于碳汇潜力的碳排放空间关联引力矩阵（31×31），每个元素即反映了对应两个城市间的碳排放关联强度。参考邵帅等［6］的做法，进一步以该矩阵各行的均值为阈值，将大于（或等于）该阈值的数值记为1，表示对应城市间的碳排放存在空间关联关系；否则，记为0，表示对应城市间的碳排放不存在空间关联关系，从而构建了用于刻画碳排放空间关联网络的有向非对称二元邻接矩阵yij，其中各行元素反映城市i 对城市j存在碳排放发出关系，而各列元素则反映城市i 对城市j存在碳排放接收关系。

2. 2. 3 社会网络分析

基于SNA方法分析长江中游城市群碳排放空间关联网络的整体特征、个体特征和块模型。整体特征主要分为网络关系数、网络密度、网络关联度、网络效率和网络等级，可以分析碳排放空间关联网络总体态势和演变特征。个体特征主要采用点度中心度、接近中心度和中间中心度进行测度，可以分析单个城市在网络中的地位。块模分析主要利用迭代相关收敛法（CONCOR）对空间关联网络进行聚类和板块划分，揭示空间关联网络的内部结构和溢出路径，并对板块内部与板块之间的关联特征进行分析，据此判断各个板块在空间关联网络中的角色和地位。

2. 2. 4 二次指派程序方法

明确碳排放空间关联网络的影响因素是碳中和背景下实现区域协同降碳增汇的重要基础。其中，地理邻接关系、经济发展因素、产业结构因素、能源强度因素对于碳排放空间关联关系的影响得到了大多数学者的肯定［6，10，12，47］。通过前文分析，初步发现城镇用地与建设用地较多的城市往往处于网络的核心位置，为进一步分析土地利用是否影响碳排放空间关联网络，本研究将土地利用强度纳入碳排放空间关联影响因素分析［34，36，38］。同时参考邵帅等［49］的研究，将经济集聚程度差异纳入影响因素中。因而，采用二次指派程序方法（Quadratic AssignmentProcedure， QAP）对长江中游城市群碳排放空间网络的影响因素进行建模分析。

2. 3 数据来源

本研究以长江中游城市群的31个城市为研究单元，选取的数据包括能源消耗数据、土地利用数据和社会经济数据。其中能源消耗数据和社会经济数据来自《中国城市统计年鉴》《中国城市建设统计年鉴》以及各城市的统计公報。土地利用数据来自中国科学院资源环境科学与数据中心提供的2005、2010、2015、2020年期间30 m ×30 m栅格数据。长江中游城市群碳排放数据来自中国城市温室气体工作组发布的2005、2010、2015、2020年中国城市CO2排放数据集。

3 碳排放空间关联网络特征

3. 1 碳生态承载力的时空特征

选取2005、2010、2015、2020年长江中游城市群碳生态承载系数均值的50%、100%和150%，将碳生态承载力划分为低、较低、较高、高4个等级，并基于ArcGIS软件进行空间可视化表达（图2）。整体上看，长江中游城市群碳生态承载力以武汉都市圈为低值中心，环鄱阳湖城市群东南部为高值中心，呈现出“中间低、四周高”的特征，中心向外围逐步上升的“核心-外围”结构。从内部子城市群看，表现出“环鄱阳湖城市群＞环长株潭城市群＞宜荆荆都市圈＞武汉都市圈”的地域差异。从时间变化上看，研究区碳生态承载力随时间推移逐渐降低，但城市群内部碳生态承载力变化存在异质性。2005—2015年，碳生态承载力低值区和高值区无变化，低值区集中分布在武汉都市圈，还包括南昌、新余、萍乡、娄底和湘潭市，高值区大范围分布在环鄱阳湖城市群东南部，包括景德镇、上饶、鹰潭、抚州和吉安。较低值区明显增加，从岳阳、长沙和株洲大范围扩散至衡阳、湘潭、九江、咸宁和黄冈市，较高值区相应减少。2015—2020年，以环鄱阳湖城市群为主，包含益阳、上饶和景德镇等的高值区不断缩减，碳生态承载力明显下降。主要原因在于近年来长江中游城市群工业化与城镇化进程加快，工业发展与城市扩张挤占林地、水域、草地等碳汇较强的生态用地，从而导致陆地生态系统碳汇能力下降，而碳排放量在此过程中却显著上升，因而碳生态承载系数总体上呈现出明显的下降趋势。

3. 2 碳排放关联引力的时空特征

根据修正引力模型计算得到2005、2010、2015、2020年长江中游城市群碳排放关联引力，并选取引力排名前15的城市，通过弦图将其可视化（图3）。整体上看，城市间的碳排放关联关系愈发紧密和稳固，各城市间的碳排放联系逐渐向密集化、多向化、深入化方向发展。其中2005年碳排放关联强度前5名城市组合为南昌—抚州、宜春—抚州、武汉—抚州、九江—抚州、吉安—抚州。可见，2005年抚州的碳排放引力最强，与众多城市建立了碳排放关联。2010年碳排放联系强度前5名城市组合为南昌—抚州、宜春—抚州、武汉—抚州、武汉—长沙、上饶—鹰潭。2015年碳排放联系强度前5名城市组合为武汉—长沙、岳阳—长沙、湘潭—长沙、萍乡—株洲、武汉—宜昌。可见，武汉和长沙在碳排放关联网络中的地位提升，碳排放引力显著增强，对周围城市的碳排放溢出作用加大。武汉和长沙作为长江中游城市群的经济中心，具有发达的制造业和服务业，快速城市化导致其人口密度高和能源消耗量大，碳排放引力较强。同时，武汉和长沙通过跨区域产业分工、能源供应、物流和贸易等经济联系与其他城市产生了广泛的碳排放关联。2020年碳排放联系强度前5名城市组合为武汉—宜昌、武汉—长沙、南昌—鹰潭、上饶—鹰潭、武汉—襄阳。所以，抚州、武汉、长沙、南昌、宜昌、鹰潭、上饶、吉安等是长江中游城市群碳排放联系较为紧密的城市。抚州、上饶、宜春、吉安和鹰潭等作为国家森林城市，拥有“赣抚粮仓、生态之都”之称，森林覆盖率高达67. 3%，凭借其强大的碳汇潜力和碳生态承载能力，通过接收其他城市的高碳产业转入和碳排放要素流入，产生了“碳排放避难所”效应。同时，这些城市依托良好的森林生态资源，大力发展森林康养产业，通过输出绿色生态产品与其他城市产生碳要素关联。从时间变化上看，长江中游城市群内部碳排放关联引力随时间推移表现出收敛趋势，碳排放引力差距逐渐缩小，呈现多极化特征。

3. 3 碳排放空间关联网络的整体特征

通过Ucinet 6. 0 测算长江中游城市群2005、2010、2015、2020年碳排放空间关联网络的网络关系数、网络密度、网络关联度、网络效率和网络等级度。研究期间长江中游城市群碳排放网络关联关系数呈不断增长趋势，由2005年的185个增至2020年的248个。同时，网络密度也呈上升趋势，由0. 198上升至0. 266，这反映出研究区碳排放空间关联网络日益稠密、庞大，且不再囿于邻近城市碳排放的溢出效应，而是突破传统的地理空间限制，在非邻近城市间产生多种空间关联。网络关联度在2005年为0. 967，2010年后始终为1，说明研究区碳排放空间关联网络结构具有较好的连通性和稳健性，所有城市均处于网络当中，不存在脱离网络的孤立城市，碳排放空间溢出效应明显；网络效率为0. 667～0. 778，整体呈逐渐下降趋势，说明研究区碳排放空间关联网络连线增多，网络中具有较多冗余关系数，且存在多重叠加的溢出渠道；网络等级度在2005年为0. 064，2010年后始终为0，表明基于碳汇潜力的碳排放空间关联网络中城市的等级结构并不森严，网络不平等程度逐渐降低，碳排放传导渠道不断拓展，碳排放总量差异较大的城市间也可能存在较强的关联效应和溢出效应。究其原因，随着碳排放权交易市场的初步建成和交易成本的降低，碳排放交易量随之增多，同时派生出的绿色消费需求倒逼各区域优化产业结构并提升低碳技术创新效率。由此，城市间的产业协作与低碳技术交流密切程度均有所提升，碳排放要素流动较为频繁。

根据2005、2010、2015、2020年4个截面，使用ArcGIS软件对基于碳汇潜力的长江中游城市群碳排放空间关联网络进行可视化。如图4所示，各城市均与邻近甚至距离较远的非邻近城市建立了关联关系，形成了一个不可分割的空间关联网络，且随着时间推移网络联系愈加紧密，基于碳汇潜力的碳排放空间关联网络从双核化向多极化多线程网络形态发展。2005年，宜昌、抚州的关联关系数最多，“雙核”结构特征显著。宜昌作为“三峡门户”“川鄂咽喉”，地理位置优越，且拥有丰富的森林资源和水域资源，碳生态承载力高，与武汉都市圈存在广泛的碳排放关联关系。抚州作为国家森林城市，内含较强的碳汇潜力，还具有丰富的能源资源，与众多城市存在碳排放关联，在连接环鄱阳湖城市群与武汉都市圈的碳排放关联中起到重要作用。2010年，长沙、吉安和鹰潭的核心地位逐步显现，“多极化”结构特征逐渐凸显，核心城市扩散作用不断增强。由于城市化和经济发展需要，长沙市对其他城市能源需求量大，而城市间的产业协作和低碳技术交流也推动了长沙市与其他城市的碳排放关联。吉安和鹰潭凭借其较强的碳汇潜力和碳生态承载力，与众多城市存在碳排放关联；2015年，株洲的碳排放关联能力上升，主要原因在于株洲政府积极开展植树造林和森林保护的同时落实产业结构调整，减少了高能耗和高排放的工业产业，增加了低碳和清洁能源产业的比重，提高了地区碳生态承载能力，并与众多城市建立了碳排放关联。2020年，武汉在碳排放网络中的地位提升，处于网络核心位置，不仅与宜昌、长沙、抚州等存在广泛的碳排放关联，还对周边中小城市产生显著的碳排放溢出作用。主要原因在于，随着中国碳中和战略实施的不断深入，武汉经济发展和碳减排的矛盾凸显，一方面由于经济发展需要不得不依赖于其他区域化石能源的输入，另一方面迫于减排责任不得不加大对高碳产业的转出，同时着力于低碳技术的开发和应用，并通过产业协作和技术交流等对其他城市产生绿色低碳要素溢出效应。未来应从核心城市与中小城市之间的能源、技术等碳排放要素流动与共享入手，提升碳排放联系密切程度，持续推进深化碳交易市场机制等协同减排机制。

3. 4 碳排放空间关联网络的个体特征

通过Ucinet 6. 0 测算长江中游城市群2005、2010、2015、2020年碳排放空间关联网络的点入度、点出度、接近中心度和中间中心度，如图5—图7所示。

2005年，抚州、宜昌、上饶、长沙和吉安的点入度较高，并且均远大于点出度，说明上述地区在碳排放空间关联网络中的接收效应明显。抚州、宜昌、上饶和吉安具有丰富的森林、水域和草地等碳汇资源，碳生态承载力强，接收了大量来自高碳排放区域的碳排放密集型产业，产生了显著的“碳排放避难所”效应。长沙市由于其快速城市化和经济发展需要，能源需求量大，而自身能源供给能力不足，高度依赖其他地区的能源输出，因此在碳排放空间关联网络中表现为接收效应。此外，作为中部地区首个、全国第三个“国家森林城市”，长沙市森林資源丰富，具有较强的碳汇潜力，碳排放接收效应显著。2010年，抚州、吉安、鹰潭和长沙的点入度显著高于其他城市，且远远高于点出度，表明以上城市的受益关联性大于溢出关联性。2010—2015年，鹰潭、株洲和襄阳的点入度显著提高，接收了大量来自其他地区的碳排放溢出，“碳排放避难所”效应增强。可见，以抚州、宜昌、鹰潭、上饶和吉安等为代表的高碳生态承载力地区，其点入度往往高于点出度，碳排放接收效应显著。

从接近中心度来看，长江中游城市群接近中心度的空间差异较小，整体较为均衡。这表明研究区内部城市间联系逐渐密切，各城市在网络中均较为活跃。研究期间内各节点的接近中心度趋于收敛，波动变化不大。鹰潭、抚州、吉安、株洲、宜昌、长沙和武汉等城市的接近中心度排名靠前，说明这些城市的碳排放关联不易受其他城市的控制，在长江中游城市群碳排放空间关联网络中扮演“中心行动者”的角色。

中间中心度可用来分析城市在网络中的控制能力。研究区各节点城市的中间中心度具有显著的差异，且时间波动变化较大。这既反映出研究区网络核心城市与非核心城市的网络联系度存在较大差异，又表明研究区网络等级度较弱，非核心城市转变为核心城市的约束较少。长江中游城市群正面临经济发展和生态环境保护的双重挑战，在碳中和战略实施和碳交易市场建设背景下，非核心城市将获得更多的发展机遇，碳排放联系也逐渐增多。宜昌、武汉、抚州、吉安和长沙等城市的中间中心度排名靠前，说明上述城市多处于节点间交流的中间位置，对碳排放要素的控制能力较强。以武汉、长沙为代表的发达城市对于经济把控能力较强，产业规模大，为碳排放市场建设重点地区，整体碳排放量以及流动量较大，碳排放交易集中，处于网络核心圈层位置；宜昌、抚州和吉安等则得益于其较强的碳生态承载力，接收来自其他城市的碳排放要素较多，“碳排放避难所”效应明显。总体而言，长江中游城市群各城市在碳排放空间网络中的位置和作用呈现出差异化和复杂化特征，城市间的“发出-接收”效应明显。因此，在城市群协同减排的过程中，应重点关注中心城市的碳减排，进而通过碳排放关联作用实现区域协同减排。

3. 5 块模型特征

为揭示城市间的互动关系，使用Ucinet软件CONCOR算法，将2020年长江中游城市群碳排放空间关联网络划分为4个板块，见表1。板块内关系为31个，板块间关系为209个，可见研究区的碳排放空间关联网络以板块间交流为主，板块内部交流为辅，板块间存在显著的碳排放空间溢出。板块一的内部关系数较期望值小，且与外部板块之间的联系要多于该板块内部成员之间的联系，接收与溢出关系均较多，较为均衡，故该板块属于经纪人板块，在网络结构中起着“中介”和“桥梁”作用。经纪人板块主要分布在环鄱阳湖城市群西北部，包含南昌市、景德镇市、萍乡市、九江市、新余市、衡阳市、上饶市、宜春市、黄冈市；板块二的板块外接收关系数远小于对外溢出关系数，实际内部关系比例远小于期望内部关系比例，可划分为净溢出板块。净溢出板块主要分布在武汉都市圈，包含武汉市、荆门市、潜江市、孝感市、鄂州市、岳阳市、咸宁市、荆州市、天门市、湘潭市、娄底市、黄石市、仙桃市；板块三的实际内部关系比例大于期望内部关系比例，接收来自其他板块溢出的关系数远大于向其他板块发出的关系数，故为净受益板块。净受益板块主要分布在环鄱阳湖城市群东部，包含吉安市、鹰潭市、株洲市和抚州市；板块四对外和对内溢出关系都比较多，且实际内部关系比例大于期望内部关系比例，可划分为双向溢出板块。双向溢出板块则主要分布在湖北省北部及长株潭城市群部分城市，包含襄阳市、宜昌市、常德市、益阳市和长沙市。

为考察各板块碳排放间的相互作用关系，利用UCINET软件计算2020年碳排放空间网络的密度矩阵，并通过与整体网络密度0. 267对比，进行0-1赋值由此生成碳排放空间网络的像矩阵（表2）。板块一对板块三产生空间溢出；板块二对板块三和板块四都存在空间溢出关系；板块三对板块一存在空间溢出；板块四对板块二产生空间溢出。可见，板块一和板块三、板块二和板块四两者之间都互相产生空间溢出关系。板块间呈现出“双向溢出板块?净溢出板块→净受益板块?经纪人板块”的碳排放要素流动趋向。总体来看，在碳排放空间关联网络中，各板块均能发挥自身优势以助推城市群协同碳减排联动效应形成。

为分析碳排放空间关联网络的板块空间分布变化，利用Arcgis 软件将长江中游城市群2005、2010、2015 和2020年的板块分布进行空间可视化表达（图8）。整体来看，净溢出板块主要分布在武汉都市圈、宜荆荆都市圈和长株潭城市群部分城市。可见，净溢出板块主要为经济发展水平高和产业发展规模大，整体碳排放和碳流动量大的碳排放交易市场建设重点地区；净受益板块主要分布在环鄱阳湖城市群东部，为碳汇资源丰富和碳生态承载力较强的地区，碳排放避难所效应显著。经纪人板块主要位于净溢出板块和净受益板块之间，集中在环鄱阳湖城市群西部。板块间表现出“净溢出板块→经纪人板块→净受益板块”的碳排放传递路径。具体而言，净溢出板块相当于碳排放空间关联网络中的“发动机”，驱动碳排放沿着经纪人板块向净受益板块方向流动，最后终止于净受益板块，呈现出明显的“梯度转移”特征。双向溢出板块主要位于长江中游城市群西部，对净溢出和净受益板块都存在碳排放的空间溢出。可见，长江中游城市群的碳排放空间关联网络呈现出明显的区域化“俱乐部”空间分布特征。从时间变化上来看，研究期内上述各板块均发生了不同程度的重组，净溢出板块的成员虽然有所变化但总数保持不变，经纪人板块的成员有所增加，净受益和双向溢出板块的成员均有所减少，环鄱阳湖城市群的“碳排放避难所”效应有所弱化。2010年，经纪人板块向四周扩散，净受益板块减少，经纪人板块有所增加。其中，景德镇、上饶和咸宁由净受益板块转为经纪人板块。岳阳市由净溢出板块转为双向溢出板块，衡阳市则由双向溢出板块转为净溢出板块。2015年，净溢出板块向环鄱阳湖城市群扩散，而“经纪人”板块则主要分布在武汉都市圈和环长株潭城市群西部，双向溢出和净受益板块显著削减。2020年，长沙市由净受益板块转为双向溢出板块，碳排放溢出效应增强。

4 碳排放空间关联网络影响因素分析

4. 1 QAP相关性分析

采用QAP方法对各影响因素矩阵与碳排放关联矩阵之间的相关性系数进行测算，见表3。从相关系数正负来看，地理邻近关系、经济集聚程度差异、能源消费强度差异、土地利用强度差异和经济发展水平差异矩阵均与碳排放关联矩阵正相关，而工业发展水平差异矩阵与碳排放关联矩阵负相关。从显著性水平来看，地理邻近关系、经济集聚程度差异、土地利用强度差异和经济发展水平差异矩阵的相关系数均至少在10%的水平上通过了显著性检验，与碳排放空间关联矩阵显著正相关。QAP回归可以解决各因素的多重共线性问题，可进一步分析各因素矩阵对碳排放关联矩阵的影响。

4. 2 QAP回歸分析

对长江中游城市群碳排放空间关联网络的影响因素进行QAP回归分析，见表4。地理邻近关系矩阵的回归系数在1% 的水平上显著为正，表明相邻的城市更容易产生人口和贸易往来、产业分工与协作等，地理邻近关系能够促进城市间碳排放关联关系的建立。经济集聚程度差异矩阵的回归系数通过了10% 显著性水平的检验，且回归系数为正，表明经济集聚程度差异越大，越有利于促进城市间的碳排放关联。一个地区的经济密度越高，意味着集聚经济的“共享、匹配和学习”的溢出效应更大［50］，有利于高经济集聚地区与其他低经济集聚地区建立产业协作和贸易往来，由此带来更多的碳排放要素关联。土地利用强度差异矩阵的标准化回归系数为0. 119，显著性概率为0. 014，通过了5% 的显著性检验，表明土地利用强度差异对城市间的碳排放关联有显著的促进作用。主要原因在于，不同土地利用类型的活动会产生不同的碳排放量，建设用地和耕地为主要碳排放来源，而林地、草地、水域和未利用地则产生碳汇，能吸收CO2并降低碳排放。当城市内的土地利用强度差异大时，高土地利用强度区域为了向低碳集约方向转变，会通过土地利用类型转换和高碳产业转移等方式与低土地利用强度区域产生碳排放空间关联［31，33，36］。经济水平差异矩阵通过了5% 的显著性检验，说明经济水平差异对碳排放的空间关联有显著影响，回归系数为正值，说明经济水平差异越大越容易促进碳排放关联关系。武汉作为长江中游城市群中心城市，经济发展水平高，碳排放量大，其环境规制往往更严格，在环境与总量的约束下，只能向经济发展水平较低的城市进行碳排放转移。能源消耗强度差异矩阵的标准化回归系数为0. 048，显著性概率为0. 181，未通过显著性检验，说明能源消耗强度的差异对碳排放空间关联目前未有显著影响。可能原因在于，发达城市自身能源禀赋无法匹配其经济发展规模及产业集群化程度，往往依赖于储量大的地区能源支持，而与其城市本身能源消耗量并无直接联系。工业发展水平差异矩阵的回归系数未通过显著性检验，说明工业发展差异对碳排放空间关联目前并无显著影响。但是随着长江中游城市群产业结构的重新布局与优化，各城市产业结构的发展与调整，也许未来会对碳排放关联关系产生影响。

5 结论与政策建议

5. 1 结论

既有研究大多基于地理邻近的视角考察中国碳排放的空间异质性和溢出效应，却未将不同地区的碳汇潜力纳入碳排放空间关联网络构建中，并且对于碳排放空间关联背后的影响因素未能提供合理的解释。本研究深入探究了基于碳汇潜力的长江中游城市群碳排放空间关联网络结构特征，揭示了城市间碳排放空间关联差异化的影响因素，不仅能够丰富学界对碳排放空间关联网络的理论认识，同时对于促进区域协同降碳增汇，实现碳中和愿景具有重要的实践价值。具体结论如下。

（1）长江中游城市群碳生态承载力以武汉都市圈为低值中心，环鄱阳湖城市群东南部为高值中心，呈现出“中间低、四周高，中心向外围逐步上升”的核心-外围结构。从时间变化上看，以环鄱阳湖城市群为主的高值区不断缩减，碳生态承载力明显下降。

（2）长江中游城市群碳排放网络关联关系数、网络密度和网络关联度呈不断增长趋势，网络日益稠密、庞大，具有较好的连通性和稳健性。网络效率整体呈下降趋势，且网络等级度在2010年后始终为0，表明网络连线逐渐增多且存在多重叠加的溢出渠道，碳排放量差异较大的城市间也可能存在较强的关联和溢出效应，网络等级结构并不森严。研究期内，基于碳汇潜力的长江中游城市群碳排放空间关联网络从“双核化”向“多极化、多线程”网络形态发展，核心城市的扩散作用不断增强。

（3）以抚州、宜昌、鹰潭、上饶和吉安等为代表的高碳生态承载力地区，其点入度往往高于点出度，在碳排放空间关联网络中的受益关联性大于溢出关联性，“碳排放避难所”效应显著。鹰潭、抚州、吉安、株洲、宜昌、长沙和武汉等城市的接近中心度排名靠前，在网络中扮演“中心行动者”的角色。研究区各城市的中间中心度具有显著的空间差异，且时间波动变化较大，这既反映出研究区网络核心城市与非核心城市的网络联系度存在较大差异，又表明研究区网络等级度较弱，非核心城市转变为核心城市的约束较少。宜昌、武汉、抚州、吉安和长沙等城市的中间中心度排名靠前，说明上述城市多处于节点间交流的中间位置，对碳排放要素的控制能力较强。

（4）2020年，长江中游城市群碳排放空间关联网络形成四大板块，相较于板块内部成员间的碳排放空间关联效应，板块间的碳排放空间关联效应和碳排放转移效应更为明显，即板块间的较为普遍。净溢出板块主要分布在武汉都市圈，为经济发展水平高和碳流动量大的碳排放交易市场建设重点地区；净受益板块主要分布在环鄱阳湖城市群东部，为碳汇资源丰富和碳生态承载力较强的地区，“碳排放避难所”效应显著。经纪人板块主要位于净溢出板块和净受益板块之间，集中在环鄱阳湖城市群西部。板块间表现出“净溢出板块→经纪人板块→净受益板块”的碳排放传递路径，呈现出明显的“梯度转移”特征。双向溢出板块主要位于长江中游城市群西部，对净溢出和净受益板块都存在碳排放的空间溢出。在研究样本期内，净溢出板块的成员虽然有所变化但总数保持不变，经纪人板块的成员有所增加，净受益和双向溢出板块的成员均有所减少，环鄱阳湖城市群的“碳排放避难所”效应有所弱化。

（5）地理邻近关系能够促进城市间碳排放关联关系的建立，经济集聚程度差异、土地利用强度差异和经济水平差异越大，越有利于推动城市间产生更多的碳排放关联关系。城市间在经济集聚程度、土地利用强度和经济发展水平上的互补性，促使碳排放空间关联网络随着城市分工与协作的加强而呈现出千里“碳缘” 一线牵的特点。

5. 2 政策建议

以上研究表明，城市群内部呈现出显著的碳排放空间关联特征和网络结构，因而要从城市群整体出发，构建更具针对性、公平性的协同减排机制。基于此，本研究提出以下几点政策启示。

（1）合理利用长江中游城市群碳排放空间关联网络的区域化“俱乐部” 空间分布特征，根据各城市的角色地位和分布特征，实现减排责任的区域合理分解，建立“引导-随同”的长江中游城市群协同降碳机制。具体而言，首先应该充分发挥如武汉都市圈、宜荆荆都市圈和环长株潭城市群外围城市等净溢出板块和双向溢出板块的低碳转型领航者作用，通过产业结构优化升级以降低能源强度，并利用自身技术及管理优势，开发利用清洁能源和推行“低碳经济”。其次，还应该适度强化环鄱阳湖城市群西部城市经纪人板块的碳排放责任，为其绿色技术创新营造良好的制度环境，借助来自武汉都市圈和环长株潭城市群的低碳技术的溢出效应，激励更多经纪人板块区域出现来助力协同减排效应的发挥。此外，应该加强环鄱阳湖城市群东部城市净受益板块的自然保护区和生态敏感区的保护工作，合理规划其土地利用方式，维护湿地、森林、草原等生态系统完整性和功能，不断提高其碳吸收和承载能力，实现生态系统增汇减排的目的。同时，应致力于改善环鄱阳湖城市群的能源效率并逐步提高产业布局的“绿色”门槛，从而进一步有效弱化区域间的“碳排放避难所”效应。

（2）重视城市群碳减排的空间联动效应，发挥核心节点城市的作用，实现“以点带面，以局部带动整体”，并针对处于网络中不同位置的城市制定精准的减排策略。针对碳排放网络核心城市，如武汉、长沙等，应优化产业结构，加大绿色和低碳技术创新。此外，应充分发挥区域协同降碳增汇的“中介”和“桥梁”作用，中心城市在向其他城市进行产业转移及能源消费时，应增设节能减排项目，带动网络边缘城市的碳减排。针对网络边缘城市，可适度推进城镇化建设力度，发展新型工业，综合考虑企业生产所带来的环境问题及生态成本，不能一味地关注成本及收益。此外，应充分利用已有的森林、草地等碳汇资源，建设绿色生态卫星城，不断提高其碳吸收能力。

（3）持续推进和深化长江中游城市群一体化和碳交易市场建设。为此，需要进一步加强城市间交通运输和新型基础设施的互联互通，降低城市间物流贸易、人口、能源等要素的流动成本，强化城市间的碳排放关联效应。同时，着力促进长江中游城市群城市间碳排放权的自由交易，以助推碳交易机制在推进区域协同减排方面发挥积极作用。此外，地理邻近关系、经济集聚、土地利用強度和经济发展水平是碳排放空间关联网络形成和发展的重要影响因素，因而应加强邻近城市的互联互惠作用，并借助各城市在土地利用方式、产业结构、经济集聚和发展状况上的互补性，加强清洁能源和低碳技术的交流与合作，促进区域产业布局和结构优化，以实现城市群碳减排整体步履一致，各城市在碳达峰碳中和战略实施过程中不跑偏、不走样、不掉队。

参考文献

［1］ 张文忠. 中国城市体检评估的理论基础和方法［J］. 地理科学，

2021，41（10）：1687-1696.

［2］ 郭政，姚士谋，吴常艳. 中国工业烟粉尘排放时空演化及其影响

因素［J］. 地理科学，2020，40（12）：1949-1957.

［3］ 夏四友，杨宇. 基于主体功能区的京津冀城市群碳收支时空分

异与碳补偿分区［J］. 地理学报，2022，77（3）：679-696.

［4］ 席强敏，李国平，孙瑜康，等. 京津冀科技合作网络的演变特征

及影响因素［J］. 地理学报，2022，77（6）：1359-1373.

［5］ 王凯，唐小惠，甘畅，等. 中国服务业碳排放强度时空格局及影

响因素［J］. 中国人口·资源与环境，2021，31（8）：23-31.

［6］ 邵帅，徐俐俐，杨莉莉. 千里“ 碳缘” 一线牵：中国区域碳排放空

间关联网络的结构特征与形成机制［J］. 系统工程理论与实践，

2023，43（4）：958-983.

［7］ MI Z F，ZHANG Y K，GUAN D B，et al. Consumption?based emission

accounting for Chinese cities［J］. Applied energy，2016，184：

1073-1081.

［8］ 杜之利，苏彤，葛佳敏，等. 碳中和背景下的森林碳汇及其空间

溢出效应［J］. 经济研究，2021，56（12）：187-202.

［9］ 颜廷武，田云，张俊飚，等. 中国农业碳排放拐点变动及时空分

异研究［J］. 中国人口·资源与环境，2014，24（11）：1-8.

［10］ 刘贤赵，高长春，张勇，等. 中国省域碳强度空间依赖格局及其

影响因素的空间异质性研究［J］. 地理科学，2018，38（5）：

681-690.

［11］ 孙耀华，仲伟周，庆东瑞. 基于 Theil 指数的中国省际间碳排放

强度差异分析［J］. 财贸研究，2012，23（3）：1-7.

［12］ 王少剑，黄永源. 中国城市碳排放强度的空间溢出效应及驱动

因素［J］. 地理学报，2019，74（6）：1131-1148.

［13］ ZHANG R J，TAI H，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，2022，841：156719.

［14］ BECKEN S，PATTERSON M. Measuring national carbon dioxide

emissions from tourism as a key step towards achieving sustainable

tourism［J］. Journal of sustainable tourism，2006，14（4）：323-338.

［15］ DONG F，YU B L，HADACHIN T，et al. Drivers of carbon emission

intensity change in China［J］. Resources，conservation and recycling，

2018，129：187-201.

［16］ PAN A，XIAO T，DAI L. The structural change and influencing factors

of carbon transfer network in global value chains［J］. Journal

of environmental management，2022，318：115558.

［17］ 趙桂梅，耿涌，孙华平，等. 中国省际碳排放强度的空间效应及

其传导机制研究［J］. 中国人口·资源与环境，2020，30（3）：

49-55.

［18］ WANG Z S，ZHOU Y X，ZHAO N，et al. Spatial correlation network

and driving effect of carbon emission intensity in China's construction

industry［J］. Buildings， 2022， 12（2）： 201.

［19］ WANG S J，LIU X P. China's city?level energy?related CO2 emissions：

Spatiotemporal patterns and driving forces［J］. Applied energy，

2017，200：204-214.

［20］ 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，

798：149352.

［21］ 李硕硕，刘耀彬，骆康. 环鄱阳湖县域新型城镇化对碳排放强

度的空间溢出效应［J］. 资源科学，2022，44（7）：1449-1462.

［22］ 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，

2020，253：109765.

［23］ KRAVCHENKO A N，GUBER A K，RAZAVI B S，et al. Microbial

spatial footprint as a driver of soil carbon stabilization［J］. Nature

communications，2019，10：3121.

［24］ 李天润，陈爽. 1990年以来卢旺达森林转型路径及趋势模拟

［J］. 资源科学，2022，44（3）：494-507.

［25］ 郑文升，杜南乔，杨瑶，等. 长江中游城市群空间结构的多分形

特征［J］. 地理学报，2022，77（4）：947-959.

［26］ 郭庆宾，骆康. 中国城市群资源集聚能力的协调发展及其驱动

机制：以长江中游城市群为例［J］. 中国软科学，2020（5）：

94-103.

［27］ 王锴，朴世龙，何悦，等. 中国陆地生态系统碳汇稳定性的空间

分布特征及驱动机制［J］. 中国科学（地球科学），2023，53（2）：

216-226.

［28］ 李强，高威，魏建飞，等. 中国耕地利用净碳汇时空演进及综合

分区［J］. 农业工程学报，2022，38（11）：239-249.

［29］ XIA L L，CAO L，YANG Y，et al. Integrated biochar solutions can

achieve carbon?neutral staple crop production［J］. Nature food，

2023，4（3）：236-246.

［30］ 吕国玮，周建春，蔡玉梅，等. 广东省土地利用及其变化和林业

碳核算研究［J］. 地理学报，2023，78（3）：640-657.

［31］ 李璐，董捷，徐磊，等. 功能区土地利用碳收支空间分异及碳补

偿分区：以武汉城市圈为例［J］. 自然资源学报，2019，34（5）：

1003-1015.

［32］ 白永飞，赵玉金，王扬，等. 中国北方草地生态系统服务评估和

功能区划助力生态安全屏障建设［J］. 中国科学院院刊，2020，

35（6）：675-689.

［33］ 魏燕茹，陈松林. 福建省土地利用碳排放空间关联性与碳平衡

分区［J］. 生态学报，2021，41（14）：5814-5824.

［34］ 冯薇，赵荣钦，谢志祥，等. 碳中和目标下土地利用碳排放效率

及其时空格局：以黄河流域72个地级市为例［J］. 中国土地科

学，2023，37（1）：102-113.

［35］ 段晓男，王效科，逯非，等. 中国湿地生态系统固碳现状和潜力

［J］. 生态学报，2008，28（2）：463-469.

［36］ 范建双，虞晓芬，周琳. 南京市土地利用结构碳排放效率增长

及其空间相关性［J］. 地理研究，2018，37（11）：2177-2192.

［37］ LIU Z，GUAN D B，WEI W，et al. Reduced carbon emission estimates

from fossil fuel combustion and cement production in China

［J］. Nature，2015，524：335-338.

［38］ 楊子晖. 经济增长、能源消费与二氧化碳排放的动态关系研究

［J］. 世界经济，2011，34（6）：100-125.

［39］ GUAN D B，MENG J，REINER D M，et al. Structural decline in

China's CO2 emissions through transitions in industry and energy

systems［J］. Nature geoscience，2018，11（8）：551-555.

［40］ MURADIAN R. Immigration and the environment：underlying values

and scope of analysis［J］. Ecological economics，2006，59（2）：

208-213.

［41］ SHAO S，YANG L L，YU M B，et al. Estimation，characteristics，

and determinants of energy?related industrial CO2 emissions in

Shanghai（ China），1994–2009［J］. Energy policy，2011，39（10）：

6476-6494.

［42］ 王锋，秦豫徽，刘娟，等. 多维度城镇化视角下的碳排放影响因

素研究：基于中国省域数据的空间杜宾面板模型［J］. 中国人

口·资源与环境，2017，27（9）：151-161.

［43］ 王倩倩，黄贤金，陈志刚，等. 我国一次能源消费的人均碳排放

重心移动及原因分析［J］. 自然资源学报，2009，24（5）：

833-841.

［44］ 高扬，王朔月，陆瑶，等. 区域陆-水-气碳收支与碳平衡关键过

程对地球系统碳中和的意义［J］. 中国科学（地球科学），2022，

52（5）：832-841.

［45］ LI S S，LIU Y B，WEI G E，et al. Construction of carbon budget balance

index and its application in the lake area［J］. Frontiers in

ecology and evolution， 2023， 11： 1195833.

［46］ XU Z H，PENG J，DONG J Q，et al. Spatial correlation between the

changes of ecosystem service supply and demand：an ecological

zoning approach［J］. Landscape and urban planning，2022，217：

104258.

［47］ 刘凯，吴怡，陶雅萌，等. 中国省域生态文明建设对碳排放强度

的影响［J］. 中国人口·资源与环境，2019，29（7）：50-56.

［48］ 付慧，刘艳军，孙宏日，等. 京津冀地区耕地利用转型时空分异

及驱动机制［J］. 地理科学进展，2020，39（12）：1985-1998.

［49］ 邵帅，张可，豆建民. 经济集聚的节能减排效应：理论与中国经

验［J］. 管理世界，2019，35（1）：36-60，226.

［50］ INGSTRUP M B，DAMGAARD T. Cluster facilitation from a cluster

life cycle perspective［J］. European planning studies，2013，21

（4）：556-574.

（责任编辑：蒋金星）