长江中游城市群工业碳排放空间关联及其影响因素

厘清工业碳排放空间网络结构特征及影响因素,能为推进区域工业协同减排提供参考。该文基于2011-2020年长江中游城市群地级市工业碳排放数据,借助社会网络分析法揭示长江中游城市群工业碳排放空间网络结构特征及其影响因素。研究表明：（1）2011-2020年长江中游城市群工业碳排放呈现出复杂的网络结构特征;（2）长沙和武汉等城市在长江中游城市群工业碳排放空间关联网络中居于核心地位,而鹰潭和上饶等城市处于网络的边缘地位;（3）空间地理距离、经济发展水平、城镇化水平、产业结构和对外开放水平等共同驱动着工业碳排放空间关联关系的形成。     

城市群碳排放空间关联网络结构及其影响因素

基于社会网络分析(SNA)及二次分配(QAP)方法,利用珠江三角洲城市群2001~2019年地级市数据,探究珠江三角洲城市群碳排放空间关联性及其影响因素.结果表明,珠江三角洲城市群碳排放空间相关性呈现出复杂的网络结构形态,空间关联的紧密程度呈现周期性变化,表现出“依政策波动”特征.碳排放空间关联网络呈现显著的“核心-边缘”分布模式,广州和深圳等经济发达城市处于网络核心,发挥“中介”和“桥梁”作用,惠州,江门等发展较为落后的城市处于网络边缘,对网络的控制和影响能力较为微弱.碳排放空间关联网络划分为“净受益”,“净溢出”,“双向溢出”和“经纪人”4个板块,各板块之间的联动效应显著.经济发展水平,能源利用效率,技术水平和环保力度差异的扩大促进了碳排放空间关联关系的形成.研究结果将有助于决策者为珠江三角洲城市群各城市界定减排责任和减排目标,制定更公平,更有针对性的城市群协同减排方案提供借鉴.     

我国旅游业碳排放的空间关联性及其影响因素

为全面厘清我国旅游业碳排放的空间网络结构特征,基于2000-2015年我国各省（自治区、直辖市）旅游业碳排放相关数据（不含西藏自治区和港澳台地区数据,下同）,结合修正的引力模型,构建旅游业碳排放的空间关联关系;采用社会网络分析法,深入剖析我国旅游业碳排放的空间关联性及其影响因素.结果表明:①2000-2015年,我国旅游业碳排放的空间网络关联度始终为1,其网络关系数与网络密度持续增加,而网络等级度与网络效率平稳下降.②上海市、浙江省、江苏省、北京市、天津市等东部经济发达地区在网络中处于核心位置,对旅游业碳排放空间关联性的影响显著;而海南省、云南省、广西壮族自治区、青海省、吉林省等在网络中居于边缘位置,对旅游业碳排放空间关联性的影响微弱.③广西壮族自治区、贵州省、新疆维吾尔自治区等归为"净溢出"板块,河北省、甘肃省、陕西省等处于"经纪人"板块,北京市、天津市、内蒙古自治区等归为"双向溢出"板块,江苏省、浙江省、上海市等属于"净受益"板块.④空间邻接关系、城镇化水平差异在1%的显著性水平上对旅游业碳排放空间关联性起正向促进作用,旅游消费水平差异和产业结构差异分别在5%和10%的显著性水平上与旅游业碳排放空间关联性呈正相关,能源消耗差异在1%的显著性水平上与其呈负相关.研究显示,我国整体旅游业碳排放空间关联性愈趋紧密,但仍存在较大改良空间,各板块间的空间关联性有待进一步加强.      

成渝城市群碳排放时空趋势特征及影响因素分析

县域是中国经济发展与减排治理的基本单元,而成渝城市群作为中国西南地区经济发展的新极点,是潜在的碳排放增长区,研究并揭示城市群县域碳排放时空演变特征与影响因素对区域差异治理与“双碳”目标的实现具有重要意义。文章使用成渝城市群2008-2017年县域碳排放数据通过空间数据,在考虑区域范围差异的前提下探究其时空演变特征与影响机制,结果表明：（1）2008-2017年成渝城市群县域碳排放量整体呈上升趋势,增长过程大致分为快速抬升-缓慢上升-高位波动3个阶段,并以2011年为主要分界点整体呈现出“先快后慢,波动涨幅”的增长态势。（2）县域碳排放具有明显的东北-西南向差异,空间极值化趋势明显。高-高集聚区县集中在重庆、成都城市群内;低-低集聚的区县数量稳定,主要集中在成渝城市群西南部。城市群整体呈现出较为明显的空间撕裂状态。（3）在单因子分析中,前期地区生产总值、第二产业产值与政府财政支出对区县碳排放的影响程度最高,随时间推移年末人口总数、人均地区生产总值和城镇化率的影响程度逐渐上升并跃居前位。交互因子探测结果显示,区县碳排放增长是多种影响因子综合作用的结果,地区生产总值自始至终是影响县域碳排放的...     

成渝城市群碳排放时空特征及其影响因素

利用2008~2018年成渝城市群内16个城市的面板数据,运用空间自相关和时空地理加权回归模型,探究了城市群碳排放的时空演变格局,揭示了碳排放影响因素的时空异质性.结果表明,成渝城市群碳排放整体呈增长态势,总量由5亿t增加到6.6亿t,增速约为1500t/a,地均碳排放量和人均碳排放量也存在波动上涨趋势.碳排放总量热点区域集中在成都和重庆,分别占总量约20%和25%,冷点区域为雅安市.碳排放总量和地均碳排放均存在显著的空间差异,人均碳排放的莫兰指数为正,呈现明显的空间聚集格局.整体上,人均碳排放表现出东北低-西南高的空间结构特征,南充,遂宁,广安是低低聚集区域.城市群中各个城市的影响因素显示出时空异质性,能源强度、经济发展水平、人口规模对城市的碳排放都有明显正向作用,在成渝中西部城市作用强度大;而城市化水平的正向影响较弱,对成渝东部城市影响较强.     

碳排放的空间关联网络结构特征与影响因素研究：以中国三大城市群为例

城市群建设是推动区域经济发展的重要形式,依靠城市群内的网络关系实现城市群的协同减排是建立城市群绿色发展的重要路径。该文基于社会网络分析方法对中国三大城市群的碳排放空间关联网络的结构特征及其影响因素进行分析。结果表明:京津冀城市群的网络密度较小、网络等级度较大,长三角城市群的网络密度最大,网络等级度较小,珠三角城市群网络密度和网络等级度均较大,三大城市群的网络效率均较高,维持在0.7左右的水平;京津冀城市群的空间关联关系主要受到地理位置和技术创新的影响,长三角城市群碳排放的空间关联主要受到地理位置、产业结构、人口密度和城镇化水平影响,珠三角城市群的地理位置、产业结构和城镇化水平对其碳排放的空间关联具有显著影响。     

成渝城市群陆地碳排放时空变化及效应研究

碳达峰和碳中和是中国立足于经济发展阶段和全球可持续发展要求提出的一项战略目标。开展县级尺度土地利用碳排放研究对指导区域实现“双碳”目标具有重要意义。文章以成渝城市群为研究对象,基于2000-2020年土地利用数据、统计年鉴数据和夜间灯光遥感数据,探究成渝城市群碳排放和碳生态效应,并对碳生态压力进行评价。结果表明：（1）2000-2020年成渝城市群土地利用净碳排放呈增长趋势,年均增长289.90万t,且增速逐年减缓,主要碳源为建设用地,总体呈增长状态,年均增长291.70万t;林地是主要碳汇,呈缓慢增长。（2）碳源和碳足迹主要集中在成都市和重庆市主城区范围,部分分散在各地级市中心城区,碳汇主要分布在成渝城市群外围高山丘陵区,包括川西高原的部分区县、川东平行岭谷和重庆部分山区。（3）研究区总体呈碳赤字,碳生态承载力总体变化不大,碳足迹和碳赤字都呈增长趋势,年均增长率分别为9.78%和12.18%。（4）高度碳生态承载力区主要分布在成渝城市群外围区县,高度碳生态压力区集中在以成都市和重庆市主城区为核心的区域以及各地级市主城区;研究区内部分区县碳生态压力有所缓解,但整体上陆地生态系统碳循环压...     

成渝城市群PM2.5的时空分布及其影响因素研究

随着工业化与城镇化的深入推进,成渝城市群的PM_2.5污染不断加剧,呈明显的区域性与复合性特征.该研究以2015—2017年成渝城市群空气质量监测站的日均ρ（PM_2.5）数据为基础,结合区域气象、遥感与统计年鉴等多源数据,采用反距离插值法分析了ρ（PM_2.5）的时空分布差异,采用Moran's I指数与LISA指数探索了ρ（PM_2.5）的全局和局部空间自相关性,并利用空间回归模型研究了自然、经济社会等因素对ρ（PM_2.5）的影响.结果表明:①成渝城市群ρ（PM_2.5）分布存在明显的时空差异.时间上,2015年PM_2.5污染最严重,ρ（PM_2.5）年均值为54.38 μg/m3,2016年、2017年PM_2.5污染状况逐年减轻,ρ（PM_2.5）年均值分别为53.68与47.56 μg/m3;空间上,成渝城市群东北部ρ（PM_2.5）较低,而南部ρ（PM_2.5）较高.②空间自相关分析结果表明,PM_2.5污染在成渝城市群存在显著的空间聚集性,成渝城市群南部ρ（PM_2.5）呈高值-高值聚集,成渝城市群北部ρ（PM_2.5）则呈低值-低值聚集.③空间回归结果表明,成渝城市群范围内某一地区邻近区域的ρ（PM_2.5）平均值增加1%时,该地区ρ（PM_2.5）将上升至少0.38%.城镇化率对ρ（PM_2.5）的影响最大,其次是第一产业增加值,再次是工业增加值占比和降水量.城镇化率、降水量与ρ（PM_2.5）呈负相关,而第一产业增加值、工业增加值占比与ρ（PM_2.5）呈正相关.研究显示,加快城镇化进程、减少第一产业排放、降低工业增加值占比（尤其是重污染工业）是有效解决成渝城市群PM_2.5污染的重要手段.      

京津冀与长三角城市群碳排放的空间聚集效应比较

基于中国高空间分辨率碳排放网格数据(CHRED),采用探索性空间分析手段(ESDA)和空间回归模型分析京津冀和长三角城市群碳排放指标空间格局和聚集特点,通过显著性检验选择空间滞后回归(SLM)和空间误差回归(SEM)方法,揭示城市群碳排放水平的影响因素.结果表明,京津冀城市群碳排放在空间上表现出更多的随机性和结构不稳定性,Moran自相关系数为-0.131;长三角城市群碳排放在空间上表现聚集趋势明显,Moran自相关系数0.106,二氧化碳排放受到临近区域的影响.人口和经济因素是京津冀城市群和长三角城市群碳排放的最主要驱动因素.总体上长三角地区碳排放总体扩散效应显著,而京津冀城市群极化效应更明显.区域发展的多中心化是大城市病治理的重要导向,同时要注意对区域碳排放溢出热点进行控制,促进城市群一体化和低碳化发展,实现区域碳平衡.     

全生命周期视角下中国建筑碳排放空间关联网络演化及影响因素分析

基于全生命周期视角核算2011~2019年中国省际建筑碳排放量,采用社会网络分析方法,探究碳排放空间关联网络演化及其影响因素.结果表明：①中国建筑碳排放空间关联网络形态明显存在,网络密度和网络关联数逐渐上升,网络紧密性和稳定性逐渐提高.②上海、浙江、天津、北京和江苏处于碳排放空间关联网络的核心和支配地位.③北京、天津、江苏、内蒙古、上海和山东属于“净受益”板块,接收其他地区的建筑碳排放;广东、重庆、福建和浙江属于“经纪人”板块,实现了建筑碳排放生产端和消费端的动态平衡;其余省份均扮演“净溢出”角色,主动向外省发出建筑碳排放量.板块间的关联关系远大于板块内部的关联关系.④经济发展、空间邻接关系、城镇化、建筑业过程结构和产业结构差异对建筑碳排放空间关联产生显著影响.研究结果可为建筑业区域协同减排提供参考.     

2000～2021年成渝城市群PM2.5时空变化及驱动机制多维探测

研究成渝城市群PM_2.5浓度时空变化和驱动机制，对区域大气环境保护和国家经济可持续发展具有重要意义.基于PM_2.5遥感数据、 DEM数据、基于站点的气象数据、 MODIS NDVI数据、人口密度数据、夜间灯光数据、路网数据和土地利用类型数据，采用Theil-Sen Median趋势分析和Mann-Kendall显著性检验等方法，结合地理探测器，在多时空尺度上分析成渝城市群PM_2.5时空变化，并探测影响其变化的驱动机制.结果表明，2000～2021年成渝城市群PM_2.5浓度整体呈波动下降态势，冬季PM_2.5污染最为突出.PM_2.5浓度具有明显的空间异质性，呈现出“中间高，四周低”的空间分布特征，PM_2.5浓度高值区主要集中在自贡、内江、资阳和广安，PM_2.5浓度呈显著下降的区域主要集中在重庆西部等地.因子探测结果表明，成渝城市群PM_2.5浓度空间分异受气候、地形、植被和人文因子共同影响.高程、...     

哈长城市群县域碳排放空间溢出效应及影响因素研究——基于NPP-VIIRS夜间灯光数据的实证

基于2012-2016年NPP-VIIRS夜间灯光数据测算哈长城市群共计68个县级单元碳排放数据,采用空间自相关、位序规模法则、空间计量模型以及空间马尔科夫链模型,对县级尺度城市碳排放空间特征、影响因素和动态空间溢出作用进行分析.结果表明：①城市碳排放呈现逐年下降的趋势,空间Moran''s I指数表明研究区城市碳排放存在高度的空间自相关,碳排放的高值集聚性呈降低的趋势.②位序规模法则表明,研究区全部城市的碳排放属于次位型分布,高位次城市的碳排放表现突出;在前十位城市的碳排放规模先减少再增加,由分散向集中演变.③多种空间面板模型对比分析表明,城市经济水平和人口密度因素呈现显著的正相关关系;固定投资和外商投资因素仅在时间固定模型中起到正向影响作用;技术进步以及路网密度因素则起到显著的抑制作用.④空间马尔科夫链分析结果表明,城市碳排放空间溢出效应明显,位于低水平区域与高水平区域的城市在转移过程中保持稳定;位于中低水平区域的城市与高碳排放的城市相邻会降低转移概率,反之则会提升转移概率.     

协调视角下长三角城市群的空间结构演变与优化

以城市群为主体优化城镇化空间布局是构建国土空间规划体系的重要内容,空间优化的本质旨在促进城市群内部大中小城市协调发展。以长三角城市群为案例,在测度2001-2016年长三角城市群26个城市的城镇化协调水平基础上,运用社会网络和多维尺度分析等方法,分析和识别城镇化协调关系及其空间结构和内在演变机理。结果表明：（1）随着长三角城市群的城镇化协调水平提高,城市群内部的高协调城市逐渐显现出以上海为核心的“Z型”分布态势,低协调城市则稳定分布在长三角城市群扩容后的范围;（2）根据城镇化协调水平的关联强度划分长三角城市群的凝聚子群,凝聚子群的加权平均中心度和联系密度增大后,上海极化效应更加明显;（3）从城镇化协调关系的空间和时间两个维度识别城市群空间结构,长三角城市群从在空间距离影响下以省会城市为中心的“圈层”结构,变形为在时间距离影响下的“核心—边缘”结构;（4）人口、土地和经济城镇化三者协调水平的变化影响着长三角城市群空间结构演变,相较人口与经济城镇化,土地城镇化对城镇化协调关系的加强具有显著促进作用。从协调视角剖析长三角城市群的空间结构并提出优化政策,有助于中国现有资源环境承载能力条件下城市群一体化建设和空间资源的高效利用。     

基于生态系统服务权衡的生态安全多情景决策

聚焦于成渝城市群生态安全格局识别的主题,耦合多源数据,运用相应的模型与算法对区域粮食生产、碳固存、产水、土壤保持、生境质量5类生态系统服务进行估算,在此基础上借助空间统计与分析厘清生态系统服务功能间的权衡/协同关系,并构建不同风险情景,明确未来区域发展的生态安全格局.结果显示,2000~2015年,成渝城市群粮食生产、固碳和产水量这3类服务功能均呈下降趋势,土壤保持、生境质量服务呈上升趋势,且各类服务的空间分异性突出;固碳、产水、土壤保持与生境质量两两之间均表现为协同关系,粮食生产与这4类服务间表现为权衡关系,但这种冲突性在区域发展过程中逐渐呈减弱趋势;在空间分布上,成渝城市群生态系统服务间的权衡/协同关系表现出了一定的集聚特征;不同决策风险下生态系统服务间的权衡值也不同,随着决策风险系数的增加权衡值呈现先上升后下降的趋势;最终确定风险系数α=1.6为最适宜情景,此时权衡值最高、区域生态系统风险适中.将决策者的态度纳入生态安全格局识别过程中,使结果更全面,为城市群生态安全格局评价和管理提供科学支撑.     

中国城市居民生活能源碳排放的时空格局及影响因素分析

随着经济社会的发展与人民生活水平的提高,生活用能强度逐年增大,城市居民生活能源碳排放日益成为碳排放的新增长点.本文采用Theil指数、空间自相关分析了我国城市居民生活能源碳排放的时空格局演变特征,并利用STIRPAT模型分析了影响城市居民生活能源碳排放的主要因素.结果表明:12001—2012年我国城市居民生活能源碳排放总量及人均生活能源碳排放量均呈增长趋势,其年增长率分别为9.69%、3.29%;2八大经济区域间城市居民人均生活能源碳排放的差异是构成我国城市居民人均生活能源碳排放总体差异的主要原因,其对总差异的贡献率达到了57.90%;3我国城市居民人均生活能源碳排放具有显著的空间正相关性,2001—2012年间城市居民人均生活能源碳排放的"冷点"区变化较为稳定,主要分布在东部和南部经济区,而"热点"区主要分布在西北、东北和黄河中游经济区;4城市人口规模、城市居民可支配收入、城市居民生活消费支出、城市居民年龄结构均对城市居民生活能源碳排放量具有加剧作用,而城市居民能源消费结构具有减缓作用,且北方城市居民生活能源碳排放量明显高于南方;5现有样本数据支持环境Kuznets曲线假说,即随着经济的发展,城市居民生活能源碳排放量存在转折点.     

基于城市化的浙江省湾区经济带碳排放时空分布特征及影响因素分析

基于STIRPAT扩展模型与2003-2017年浙江省湾区经济带面板数据,分析碳排放时空分布特征并应用时空地理加权回归模型（GTWR）实证考察城市化视角下碳排放的驱动机制及其时空异质性。结果表明：（1）浙江省湾区经济带各地市碳排放规模逐年增加但增幅不大,增速放缓,碳排放量差异明显,碳排放强度逐年下降,空间上呈现自西南向东北逐渐加大的趋势;（2）经济发展水平和对外开放程度是碳排放的主导因素,其他依次为能源消费结构、技术进步和城市化;（3）各影响因素呈现较强的时空异质性,不同时间、地区各驱动要素的波动方向和强度并不相同。在此基础上具体分析各地区碳排放驱动因素影响情况,为实现区域差异化碳减排策略提供指导。     

浙江省都市区碳排放时空演变及其影响因素

都市区建设促进城镇协同发展,对碳排放产生了影响,因此研究都市区建设与碳排放的关系,有助于探索减排的有效途径。基于浙江省各县市区2010—2018年间土地利用、能源消费等数据,测算碳排放量;利用空间自相关方法和空间计量回归模型,探讨四大都市区碳排放的时空演变特征及其影响因素。结果表明：（1）杭州都市区是浙江省最大的碳排放都市区,其次是宁波、温州和金义都市区。（2）碳排放在空间上具有明显的集聚特征。不同都市区碳排放的时空演变特征具有显著的差异性。（3）都市区建设有助于各城镇的协同作用,促进资源的高效配置和利用,进而降低碳排放。（4）都市区碳排放的影响因素和驱动机制受到都市区发展阶段和特色影响,形成不同的空间特征。（5）都市区低碳建设任务和方案是由其独特的碳排放驱动机制和时空演变特征决定的。     

长三角经济增长与碳排放异速关系及形成机制

低碳经济是长三角高质量一体化发展的内在要求。针对2000—2017年长三角地区经济增长与碳排放时空关联、异速增长关系及影响因素的研究发现：（1）长三角地区经济增长与碳排放具有正向关联,关联强度总体呈“V”型波动变化。2000—2008年高关联强度区相对集中分布于苏南、苏北及浙中等地区,2009—2017年空间关联强度明显下降,大体呈“南低北高”分布。（2）长三角地区经济增长与碳排放异速变化以经济扩张弱型为主,大部分地区经济增长与碳排放异速关系实现由正转负。（3）地理探测器诊断第二产业比例、第三产业比例、城市化和人口密度是驱动长三角地区经济增长与碳排放异速变动的主要因子。（4）多尺度地理加权回归表明人口密度显著负向影响长三角地区经济增长与碳排放异速变化,投资强度和财政支出强度起到抑制作用,城市化和消费水平表现出先促进后抵消作用,第二产业与第三产业占比及固碳水平则起到先抑制后促进作用。