城市建設用地碳排放效率空間關聯網絡特征及影響因素分析
——以山東省為例

張 苗，周 揚

（1.山東農業大學 經濟管理學院，山東 泰安 271018；2.濟南市勘察測繪研究院，山東 濟南 250101）

0 引言

黨的十九屆五中全會強調了推動綠色低碳發展、全面提高資源利用效率的發展目標。以可持續的方式保護、恢復和管理土地，有助于實現凈零排放目標以及適應氣候變化的影響。低碳發展的實質就是要提高資源和能源的利用效率［1］，土地具備資源和要素雙重屬性，是一種不可流動的資源要素，同時對于流動的資本和勞動力等生產要素會產生不同的“引力”，帶動了能源的傳遞和流通，在土地利用類型轉變和土地作為經濟發展載體的過程中，帶來了大量的碳排放［2，3］，提高土地利用效率成為土地利用碳減排的重要途徑之一。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，測算方法也不斷改進，包括結合Bootstrap 技術的Malmquist 指數方法［7］、基于DEA模型改進的SBM模型［6，8］、Hicks-Moorsteen生產指數法［4，9］等非參數方法，研究對象聚焦到承載碳排放最大產出的建設用地上來［9，10］。相關基礎研究不斷完善的同時，土地利用碳排放效率的區域差異、動態演進及其影響因素成為探尋提升土地利用效率的主流研究，學者們采用核密度估計及空間計量［11］、空間相關性［10］、Tobit回歸模型法［8］等方法基于“屬性數據”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，“屬性數據”是指反映每個研究單元自身性質的數據，與其他研究單元的相應數據無關。事實上不論是土地利用還是碳排放都存在較強的空間互動性，空間互動的結果是土地資源稟賦、政府政策調控以及市場化機制等因素的綜合作用，這也決定了“屬性數據”的數值，因此基于“屬性數據”的土地利用碳排放效率研究并不能從全局的視角來反映其空間分布特征以及尋求造成此特征的影響因素，基于此，本文采用能夠反映研究單元之間差異的“關系數據”來刻畫建設用地碳排放效率的整體網絡特征。雖然已有研究基于“關系數據”［12］對土地利用碳排放的空間網絡結構進行分析［13］，但仍缺乏土地利用碳排放效率空間關聯網絡整體結構及其影響因素的深化分析，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。社會網絡分析法在能源消費［14］、經濟增長［15］、碳排放［16］、綠色經濟效率［17］、交通碳排放效率［18］等資源環境經濟領域得到了越來越廣泛的應用，提供了基于“關系數據”的全局視角對某一研究對象空間網絡特征的刻畫方法。

山東省作為碳排放大省，碳排放總量穩居全國前三，實現“雙碳”目標面臨更大壓力。同時，作為全國首個以新舊動能轉換為主題的區域發展戰略試點省份，在“騰籠換鳥”之際，面臨著優化土地資源配置效率和提升建設用地利用效率的雙重難題。最后，山東省是以濟南和青島為雙核心發展的省份同時包含了一個山東半島城市群，城市的功能定位和資源獲取能力差異明顯，易導致城市之間顯著的溢出效應，適合作為本文的研究樣本區域。綜上，本文建立以“土地利用效率經典指標＋非期望產出碳排放”的指標體系，采用SBM模型測算了山東省17 個地市2003—2019 年的建設用地碳排放效率值，借助社會網絡分析法探討其空間關聯網絡特征及影響因素。

1 研究方法與數據來源

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建設用地效率測算中得到了廣泛運用［6，10］，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，同時能將碳排放作為非期望產出納入模型，SBM模型作為非導向模型，能夠滿足本文獲得各城市建設用地碳排放效率值的分析目的，故本文采用Tone 定義的［19］包含非期望產出的SBM模型［20］。

1.2 社會網絡分析法

社會網絡分析［12］（social network analysis，SNA）以關系數據為研究對象，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。社會網絡分析法能夠滿足本文對“資本”和“勞動力”等流動性稀缺資源在非流動性稀缺資源“建設用地”上配置效率的空間網絡結構特征的研究需求，同時又能探究造成這種空間網絡結構特征的影響因素，故本文采用社會網絡分析法，通過修正的引力模型構建山東省建設用地碳排放效率二值矩陣，運用中心性分析描述山東省地級市建設用地碳排放效率的空間網絡特征，通過二次指派程序QAP（quardratic assignment procedure）探究形成空間關聯網絡結構的影響因素。

1.2.1 空間關聯矩陣構建

關系的確定既是構建山東省建設用地利用碳排放效率空間關聯網絡的基礎，也是量化網絡結構特征的關鍵。考慮到揭示山東省建設用地碳排放效率空間關聯網絡動態演進特征的研究目的，以及某個城市出現效率值連續為1 造成近奇異矩陣而無法建立正常二值矩陣的可能性，本文參考相關文獻［17］采用修正的引力模型構建山東省建設用地碳排放效率的空間關聯矩陣，具體公式如下：

式中：Yij為城市i、j之間的建設用地碳排放效率的關聯強度；Ei和Ej分別為城市i、j 的建設用地碳排放效率值；Ei/（Ei＋Ej）為計算的引力系數；Dij為城市間的地理距離；gi和gj為城市i、j的人均GDP，兩者差值為城市i、j 間的經濟距離。以矩陣的行均值作為閾值，若引力值大于閾值則取值為1，表示兩個城市之間存在建設用地碳排放效率空間關聯，反之取0，表示不存在關聯，最終得到建設用地碳排放效率空間關聯矩陣G。

1.2.2 基于QAP的回歸分析

QAP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之間的內生性問題。本文主要采用QAP 的回歸分析研究自變量矩陣對建設用地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，以此揭示山東省建設用地碳排放效率空間關聯網絡特征的影響因素。

區域差異是影響空間關聯緊密程度的重要原因［15，21］，影響建設用地碳排放效率空間關聯網絡的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［16，18］都將地理鄰近和經濟發展水平差異納入首要影響因素，結合建設用地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；②建設用地作為不可流動的“稀缺資源”，土地資源稟賦差異和建設用地配置差異可能是導致地區間建設用地碳排放效率差異的基礎因素，而資本、勞動力等“流動資源”在建設用地上的投入差異可能是影響建設用地碳排放效率差異的動態可控因素；③城市化、產業結構和環境規制等作為傳統而被廣泛證實的影響碳排放的主要因素，在對非期望產出約束的條件下，應被考慮為影響建設用地碳排放效率差異的因素。因此，本文基于影響建設用地碳排放效率的因素差異關系作為自變量矩陣，檢驗其對建設用地碳排放效率空間關聯網絡結構影響的顯著性。

綜上，建立以為地理鄰近（GN）、經濟發展差異（GDP）、土地利用結構差異（LS）、土地利用強度差異（LI）、城鎮化差異（CR）、產業結構差異（IS）、環境規制差異（ER）等因素為自變量矩陣，以G為因變量矩陣的計量模型如下：

1.3 數據來源

1.3.1 指標選取與指標矩陣構建

效率測度指標。采用土地利用效率經典指標與非期望產出碳排放相結合作為構建評價指標體系思路，同時考慮到建設用地這一限定的土地利用類型，采用建設用地面積（市轄區）將指標進行“地均化”，資本投入采用地均固定資本存量，勞動力投入采用二三產業就業人數，期望產出采用地均二三產業產值，非期望產出采用地均碳排放。其中，固定資本存量的測算方法采用張軍的計算方法［22-23］，以2003年為基期。

網絡特征刻畫指標。借鑒已有文獻［14，16，17］，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山東省建設用地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；并采用塊模型分析對城市進行分類。限于篇幅，具體指標含義參見文獻［12］。其中，本文建立的建設用地碳排放效率空間網絡是有向的，故度數中心度和接近中心度有入度和出度之分；塊模型的劃分借鑒沃瑟曼等開發的評價內部關系的指標體系［16］。

QAP回歸分析指標矩陣。因變量矩陣G 的構建同1.2.1 節所述，自變量指標含義和矩陣構建如表1 所示。

表1 山東城市建設用地碳排放效率空間關聯網絡QAP回歸分析自變量指標Table 1 Independent indicators of the QAP regression analysis of the spatial correlation of the CLCEE in Shandong Province

1.3.2 數據來源及說明 除碳排放和地理距離數據外，所有指標數據來源于《中國城市統計年鑒》（2004—2020）、《山東省統計年鑒》（2004—2020）等年鑒，根據指標定義直接或間接測算獲得。2019 年1 月1 日，萊蕪劃歸濟南，2019 年萊蕪數據和其他缺省數據以插值法補齊，并將濟南市2019 年數據剔除萊蕪部分，以此保證研究時期內樣本數量的一致性和數據的連續性。涉及資本和GDP產值的數據均以2003 年為基期進行修正，自變量矩陣數據的量綱不會對結果造成影響，故未進行標準化處理。地理距離數據是根據城市經緯度采用Matlab計算而得。

受制于原始數據的可得性以及碳排放系數法的簡單有效性，城市級的碳排放數據的獲取則無法用傳統的排放系數法計算。有學者嘗試使用夜間燈光數據進行反演模擬市級或其以下行政區的碳排放足跡［25-28］。但其方法過分依賴于燈光數據及其與CO2排放之間的相關性，還有燈光數據本身存在的固有缺陷（過飽和、背景噪聲和不連續等）導致其應用場景無法被廣泛接受。本文采用由Oda 等團隊推演的開源人為碳排放空間網格月度數據集（ODIAC）［29］，在對其數據進行驗證比對之后，發現是目前為止國際上做的比較好的數據集之一。本研究對其裁剪、合成和抽取出中國碳排放年度Excel 和柵格數據，數據集自動遵守CC BY 4.0 許可協議，官方網站（ODIAC Fossil fuel emission dataset），故本文采用的碳排放數據為化石燃料燃燒產生的CO2排放量的空間網格化數據。

2 結果及分析

2.1 空間關聯網絡特征

2.1.1 空間分布格局

基于SBM 模型采用Maxdea Ultra 軟件計算得出山東省17 個地市2003—2019 年建設用地碳排放效率值，從均值來看，效率值由2003 年的0.462 到2019 年的0.592，意味著山東省市域層面建設用地碳排放效率不斷提高優化。限于篇幅，選取2003年、2009 年、2015 年和2019 年作為分析年份，將效率值分為有效（數值為1）、高效率值和低效率值（以0.5 為界）共計三類繪制空間分布格局圖（圖1）。

圖1 2003—2019 年山東省建設用地碳排放效率空間分布格局Figure 1 Spatial distribution of the CLCEE in Shandong Province，2003 -2019

由圖1 可知，效率時序變化視角，建設用地碳排放效率有效和高效城市的數量增加，2003—2019 年山東省建設用地碳排放效率呈現升高趨勢。空間方位變化視角，2003—2019 年建設用地碳排放效率有效和高效率值城市由西向東逐漸蔓延涵蓋山東半島城市群，除濰坊市外，2019 年山東半島城市群的城市全部為高效率城市，包括新舊動能轉換綜合試驗區的三大核心城市——濟南、青島和煙臺。值得關注的是，東營市是4 個年份中效率值均為1 的城市，意味著建設用地碳排放效率一直領先。

2.1.2 整體網絡特征

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，保持與空間分布格局年份分析的一致性，選取代表年份繪制空間關聯網絡圖（圖2）和2003—2019 年整體網絡特征指標趨勢圖（圖3）。

圖2 2003—2019 年山東省建設用地碳排放效率的空間關聯網絡Figure 2 Spatial correlation network of the CLCEE in Shandong Province，2003 -2019

圖3 2003—2019 年山東省建設用地碳排放效率的整體網絡特征Figure 3 Overall network characteristics of the CLCEE in Shandong Province，2003 -2019

其中，2003—2019 年山東省建設用地碳排放效率網絡關聯度均為1，表明山東省建設用地碳排放效率的空間關聯網絡結構具有較好的聯通性和穩健性，所有地級市均處于空間關聯網絡當中，存在明顯的空間關聯和溢出效應。由圖2 可知，山東省建設用地碳排放效率的空間關聯呈現出較為典型的日趨復雜的網絡結構形態，非鄰近地市突破傳統的地理空間限制而產生跨區域聯動效應，逐漸形成以濟南、東營、青島為核心點的核心—邊緣的空間結構特征。

由圖3 可知：①網絡密度從2003 年的0.199 上升到2019 年的0.232，網絡關系數由2003 年的53個增加到2019 年的63 個，兩者總體上呈現波動上升趨勢，表明投入在建設用地上的資本、人才等要素的空間流動性不斷增強，城市之間建設用地產出的聯系日益緊密。但在樣本考察期內，網絡密度值相對較低，關聯網絡的緊密程度并不高，表明建設用地碳排放效率的空間互動和溢出效應仍然薄弱，協同提高建設用地碳排放效率存在較大空間。②網絡等級度由2003 年的0.548 波動下降至2019 年0.222，表明山東省建設用地碳排放效率不存在等級森嚴的現象，呈現“扁平化”特征的等級結構，網絡結構逐步優化，表現為多個城市在網絡中起到主導和支配地位，發揮出影響力。③網絡效率從2003 年的0.792略微降低到2019 年的0.758，反映出關聯網絡中存在較多的溢出渠道，建設用地碳排放效率網絡結構的穩定性逐漸增強。

2.1.3 個體網絡特征

考慮到政策制定參考信息的時效性和個體網絡特征的相對穩定性，以2019 年為例分析中心性指標，以各個指標均值作為評價標準，敘述順序體現排序（表2）。由度數中心度來看，東營、濟南、青島、棗莊和萊蕪等城市的點入度高于點出度，且點入度高于均值，表明這些城市具有較高的“聲望”和吸引力，集中接受其他城市的效率溢出。總體來看，東營、青島、棗莊、濟南、煙臺和萊蕪6 個城市具有較高的相對度數中心度，處于核心主導地位。具體來看，濟南和青島作為山東省的雙核心，經濟發展并駕齊驅，東營作為國務院批復的黃河三角洲中心城市和中國重要的石油基地，煙臺作為國務院批復的山東半島中心城市，兩者都為環渤海經濟區的重要節點，萊蕪歸屬濟南后，在經濟地理位置上占據優勢，而棗莊作為國務院批復確定的山東省重要的現代煤化工、能源、建材和機械制造基地，新興科技創新基地，是魯南地區中心城市之一，上述城市均有明確的經濟發展和城市功能定位，能夠有效發揮資本、人才要素優勢產生的“虹吸效應”，同時產生低碳技術的溢出效應，有效提高建設用地的利用效率，同時與其他城市保持較為緊密的聯系。濱州、聊城和德州的度數中心度較低，從地理位置來看，3 個城市毗鄰且都位于魯西北地區，說明這些城市與其他城市空間關聯關系較少，處于網絡的邊緣位置，自身經濟發展薄弱，加之缺乏與其他城市的聯系，導致建設用地碳排放效率較低，進一步地，需要加強與其他城市合作聯系，以增加受益和溢出渠道。

表2 2019 年山東省建設用地碳排放效率空間關聯的網絡中心性指標Table 2 Network centrality of spatial correlation of the CLCEE in Shandong Province in 2019

從中介中心度來看，東營、青島、濟南、棗莊、日照、煙臺和萊蕪具有高于均值的中介中心度，在空間網絡中扮演著“中介”和“橋梁”的作用，對于資金、人才和技術等資源要素的流動具有較強的支配力和控制力，特別是東營、青島和濟南，在網絡中處于樞紐地位。而菏澤和聊城的中介中心度為0，意味著這些城市在山東省建設用地碳排放效率網絡中處于“被支配”的邊緣地位，對網絡關聯關系的控制和影響能力較弱。

從接近中心度來看，東營、棗莊、濟南、萊蕪、青島、淄博、濰坊、臨沂、濱州等城市具有高于均值的入接近中心度，表明這些城市具有較強的吸引力，在網絡中扮演著中心行動者的角色，具有較強的資源獲得能力；煙臺、菏澤、聊城、威海、日照、青島、棗莊、萊蕪等城市具有高于均值的出接近中心度，反映了這些城市具有較大的輻射力；棗莊、青島和萊蕪3 個城市同時具有較高的入接近中心度和出接近中心度，表明這些城市在網絡中既具有對資源要素的吸引力又能夠體現在網絡中的溢出效應；煙臺、菏澤、聊城、威海、日照5 個城市則是較低的入接近中心度和較高的出接近中心度，意味著這些城市在網絡中扮演著邊緣行動者的角色，非網絡的核心。

2.1.4 塊模型分析

運用Concor方法，選擇最大分割密度為2，收斂標準為0.2，將17 個地市劃分為4 個板塊，并根據表2 結果對板塊特征進行界定（表3），山東省建設用地碳排放效率空間關聯網絡板塊主要劃分為凈受益板塊、凈溢出板塊和經紀人板塊三大類，由成員數量來看，凈受益板塊和凈溢出板塊成員數量偏少，都只有兩個城市，而其他13 個城市均屬于經紀人板塊，意味著山東省建設用地碳排放效率空間關聯網絡溢出效應更多的表現為間接而非直接效應；通過內部關系數來看，存在板塊內部成員之間缺乏聯系的特征。

表3 2019 年山東省建設用地碳排放效率空間關聯的板塊劃分與特征Table 3 Plate division and characteristics of spatial correlation of the CLCEE in Shandong Province in 2019

為了更好地說明各板塊之間的聯系以及聯系的密切程度，以2019年整體網密度0.232 作為閾值，將板塊之間的密度矩陣轉化為像矩陣（表4），得到群體關聯圖像。像矩陣對角線均為0，與板塊內部成員之間缺少聯系的結論相佐證，各板塊之間聯系更為緊密且呈現互動趨勢，主要表現為板塊Ⅰ和板塊Ⅲ、板塊Ⅰ和板塊Ⅳ、板塊Ⅱ和板塊Ⅲ三大互動方向。

表4 山東城市建設用地碳排放效率網絡結構像矩陣Table 4 Network structure matrix of the CLCEE in cities of Shandong Province

綜合個體網絡特征和塊模型分析，將2019 年山東省17 個地級市的空間網絡聯系繪制為圖4，將各城市的地理位置、角色劃分、板塊歸屬進行直觀表達。

圖4 2019 年山東城市建設用地碳排放效率空間網絡群分塊及內部聯系Figure 4 Segmentation and internal connection of spatial network groups of the CLCEE in cities of Shandong Province in 2019

從圖4 可見，板塊成員以地理鄰近抱團為主，如板塊Ⅱ、板塊Ⅲ和板塊Ⅳ，也存在非地理鄰近但建設用地碳排放效率較高而組團的板塊，如濟南和東營構成板塊Ⅰ，再疊加經濟發展水平差異來看，板塊的劃分也體現了強強聯合的“馬太效應”特征，比如板塊Ⅰ和板塊Ⅱ。綜合板塊劃分和空間關聯線，將東營、濟南、棗莊、青島和煙臺等五個發送和接受關聯線最多區域的市政府所在地連起來可組成一個環形，可將17 個地市分為環線內和環線外兩大區域，形成了以上述5 個城市為輻射點或引力點的中心點，與上述個體網絡特征城市分析相一致。接下來將分析造成上述空間關聯網絡特征的影響因素。

2.2 QAP影響因素分析

依據上文構建的計量模型，借助Ucinet 6.740軟件采用QAP 回歸分析法，對2003—2019 年的因變量矩陣和自變量矩陣逐年進行回歸，設置隨機置換次數為5 000，限于篇幅，本文只列2003 年、2009年、2015 年和2019 年的QAP回歸分析結果（表5）。

由表5 可知，環境規制因素在整個研究期內并未表現出顯著性，除地理距離差異因素外，其他影響因素的顯著性隨時間呈現階段性變化。具體來看：

一是，影響因素顯著性隨研究期變化呈現不一致性。①經濟發展差異和產業結構差異在研究期前期表現為顯著的負向影響，意味著地市之間經濟發展差距縮小和產業結構比例趨同有利于建設用地碳排放效率空間關聯網絡的形成。兩者在研究后期影響不顯著，原因解釋為：相比于中西部省份集全省之力打造省會城市，作為東部沿海省份的山東，各地級市的經濟發展和產業布局相對均衡，尤其是近五年來，多數城市有明確的城市定位，經濟發展和產業布局差異逐年縮小，對建設用地碳排放效率空間關聯網絡的形成作用也逐步降低至后期不顯著。②土地利用強度差異和土地利用結構差異分別在研究前期和研究后期表現為顯著的正向影響，兩者的接替同向影響也吻合土地報酬遞增遞減規律。研究前期，資本和勞動力等流動要素首先因“虹吸效應”在某些城市快速集聚，帶來了城市間建設用地投入強度差異增大，促進了建設用地碳排放效率空間關聯網絡的形成。研究后期，隨著流動要素在某些城市建設用地上的投入趨于飽和，土地利用投入強度差異縮小，對建設用地空間關聯網絡的影響變得不再顯著，非流動要素建設用地的稀缺性導致具有建設用地區位熵優勢的城市成為流動要素的“流向分配地”，城市之間建設用地區位熵差異越大則越有利于其空間關聯網絡的形成。

二是，同一影響因素隨研究期變化呈現不同作用方向。城市化進程差異在研究前期表現為顯著的正向影響而在研究后期表現為顯著的負向影響，意味著在城市化的初級階段，有些城市城市化起步較快，容易造成城市間的城市化差異增大，而城市化進程差異越大越有利于建設用地碳排放效率空間關聯網絡的形成，體現了流動要素資源的“虹吸效應”對提高建設用地碳排放效率的正向影響，而隨著進入城市化后期，城市之間的城市化進程差異縮小，勞動力尤其是高素質勞動力選擇城市的機會成本變小，城市化差異的縮小對于已經形成的穩定的建設用地碳排放效率空間關聯網絡具有鞏固作用。

三是，地理距離越大則會加大形成建設用地碳排放效率空間關聯網絡的難度。印證了塊模型分析中板塊成員以地理鄰近抱團為主，反映了流動資源要素和“信息流”的傳遞隨著地理距離增加而衰減。

3 結論與啟示

3.1 結論

本文以山東省17 個地級市為研究樣本區域，以化石燃料燃燒產生的CO2排放量的空間網格化數據為建設用地的非期望產出，采用SBM模型測算了2003—2019 年研究樣本區域的建設用地碳排放效率值，基于修正的引力模型構建了山東省建設用地碳排放效率空間關聯關系矩陣，采用社會網絡分析法，基于“關系數據”的全局視角探討了山東省建設用地碳排放效率的空間關聯網絡特征及其影響因素。主要結論如下：①從空間分布格局來看，2003—2019 年山東省建設用地碳排放效率不斷優化，建設用地碳排放效率有效和高效城市呈現出由西向東逐漸蔓延覆蓋山東半島城市群，濟南、青島和煙臺等新舊動能轉換先行區及黃河三角洲中心城市東營包括在內。②從整體網絡特征來看，17 個地市均處于空間關聯網絡當中，呈現出較為典型的日趨復雜的網絡結構形態，形成以濟南、東營、青島為核心點的空間結構特征。在樣本考察期內，山東省建設用地碳排放效率空間網絡密度值相對較低，緊密程度不高，呈現“扁平化”特征的等級結構，網絡結構穩定性逐漸增強，意味著山東省市域層面協同提高建設用地碳排放效率仍存在較大空間。③從個體網絡特征來看，城市在網絡中獲取資源要素的吸引力和輸出資源要素的輻射力存在顯著的差異性，導致了城市在網絡中扮演角色的差異性。東營、濟南、青島等城市具有較強的“引力”，享受其他城市對它們的效率溢出效應，同時東營、青島和濟南在網絡中處扮演著“中介”和“橋梁”的作用，對資金、人才和技術等資源要素的流動具有較強的支配力和控制力，青島既具有對資源要素的吸引力又能夠體現在網絡中的溢出效應；相對應地，處于地理邊緣的濱州、聊城、德州等城市也處于網絡的邊緣位置，缺乏效率受益和溢出渠道。④從塊模型分析來看，板塊與板塊之間聯系更為緊密且呈現互動趨勢，板塊成員以地理鄰近抱團為主，佐證了個體網絡特征，板塊的劃分體現了馬太效應，呈現出受益和溢出板塊城市成員少而經紀板塊城市成員多的非均衡特征。⑤從影響因素來看，研究區域建設用地碳排放效率空間關聯網絡的形成是流動要素資源在非流動建設用地上自上而下配置和市場供需流動的綜合結果。其中，地理鄰近對提高建設用地碳排放效率的空間關聯強度具有顯著正向作用，土地利用強度和結構差異則接替表現為顯著的正向影響，經濟發展差異的縮小和產業結構比例的趨同對空間關聯網絡的影響趨于減弱，而城市化進程的差異影響則具有一定的階段性。

3.2 啟示

提升建設用地碳排放效率是減少土地利用碳排放的重要途徑之一，而建設用地碳排放效率空間關聯網絡的緊密性和穩定性是實現建設用地碳排放效率協同提升的前提。上述研究結論為山東省協同提升城市間建設用地碳排放效率帶來如下啟示：①推動四大板塊成員內部間的資本、勞動力和技術等要素的流動，推動以受益為主的濟南東營板塊和溢出為主的青島煙臺板塊向雙向溢出板塊轉型，體現山東省兩大核心城市的吸引力和輻射力；打破區域間的條塊分割，促進經紀板塊城市成員向受益和溢出板塊成員特征轉型，以此增加山東省建設用地碳排放效率空間關聯網絡的穩定性。②協同提升城市間建設用地碳排放效率，優先考慮濟南、青島、煙臺和東營等在網絡中處于主導地位同時又有明確城市功能定位的城市，加強與同時處于網絡邊緣和地理邊緣的濱州、聊城、德州、菏澤、威海、日照等城市的流動要素的互聯互通，打破馬太效應，增加濟南和東營的溢出效應渠道，推動建設用地低碳利用的區域均衡與協調發展。③重點關注地理鄰近、城市化進程相仿以及土地利用結構差異大的城市間建設用地碳排放效率的協作提升，以保持山東省建設用地碳排放效率的穩定增長。