城市群交通碳排放的空間相關性與優化策略研究

關鍵詞"空間相關性；交通碳排放；長三角城市群

文章編號 1673-8985（2024）06-0087-07 中圖分類號 TU984 文獻標志碼 A"DOI 10.11982/j.supr.20240611

0 引言

隨著全球氣候變暖和中國碳達峰碳中和（以下簡稱“雙碳”）目標的提出，減碳增匯成為國土空間規劃的關注重點。城市溫室氣體排放占全球總量的75%左右，主要集中在城市交通、城市建筑、廢棄物處理和市政領域，這是實現城市減碳的3大領域[1]。其中，交通運輸業作為能源消耗和二氧化碳增長最快的行業[2]，是制約城市未來實現雙碳目標的重要因素[3]。

城市群作為我國實現快速城鎮化的重要載體，其內向集聚與外向帶動的雙重作用在推動我國經濟發展過程中起到不可或缺的作用，但也帶來城市能源消耗、環境惡化等一系列問題。隨著城鎮化進程的持續推進，長三角、珠三角等成熟城市群的工業化進程已經步入后半段，其工業領域的碳減排潛力較為有限，而城市間的交通需求隨著區域一體化的深化和經濟活動的持續，將會不斷上升。因此，有必要立足城市群，從空間規劃視角解析交通碳排放的空間關系，提出減少交通碳排放的優化策略。

目前，國內外已有大量學者對交通碳排放做了研究，主要可分為以下3類：第一類文獻關注低碳交通的理論研究，如低碳交通的評價指標[4]和評價方法[5]，并對標國際大城市[6-7]，提出一系列空間減碳策略。第二類文獻關注交通碳排放的定量測算與預測，學者針對不同學科和研究目標，提出一系列差異化計算交通碳排放的方法。在空間規劃領域，陳飛等[8]40結合交通低碳發展的特點對低碳城市模型進行修正，形成低碳交通的碳測算模型。第三類文獻關注影響交通碳排放的驅動因素，如通過灰色關聯度分析、LMDI等方法[9]，探究城市GDP[10]217、產業結構、能源結構[11]、能源強度[12]40等因子對交通碳排放量的影響，但這些研究多關注上述社會經濟因素對城市交通碳排放量的影響，目前探究城市建成環境中的空間要素對交通碳排放量的研究較少[13]。在以城市為分析單元的研究中，有學者選取城市路網密度[14]32、路網長度等指標來衡量城市道路交通設施的建設水平，探究其對交通碳排放的影響，但研究得出的結論各異。比如，王紹建等[15]以北京、上海、廣州、天津4個城市為對象展開研究，認為城市道路密度和交通耦合因子等對二氧化碳排放水平產生顯著的負向效應，而Yang等[10]218認為城市道路密度對交通碳排放具有增長促進作用。

總的來說，已有文獻對于不同尺度城市交通碳排放的測算與預測已進行了大量研究，但仍存在以下探討空間：首先，以城市群為尺度的交通碳排放研究較少，維度單一且多偏重社會經濟層面[14]28，缺乏對城市建成環境中空間要素的關注；其次，城市與城市之間的資源稟賦和經濟基礎存在一定差異，已有研究運用的常規數理統計方法會忽略研究空間單元之間的相互作用和空間異質性[16]，可能會高估某些空間數據的影響。

因此，本文以長三角城市群為研究對象，結合城市統計年鑒和多源空間數據，通過單變量全局和局部空間自相關分析，明確長三角城市交通碳排放現狀特征。接著在考慮數據可獲取性的基礎上，從城市土地利用、交通網絡、交通能力3個維度，選取11個指標，分析影響城市交通碳排放的相關空間要素。為進一步探究上述顯著性因子在不同城市的影響差異，引入雙變量局部空間自相關模型，并進行原因剖析。最后提出長三角城市群交通低碳化發展的相關策略，以期為其后續的空間建設提供交通碳減排的現實路徑，進而為全國其他城市群的交通碳減排提供借鑒。

1 研究方法

1.1 研究對象

長三角城市群位于我國長江下游地區，包括上海、江蘇、浙江、安徽三省一市內的41個城市。截至2020年，長三角城市群陸域總面積為35.8萬km2，常住人口總量達2.35億人，生產總值為24萬億元，占全國比重為24.1%①。

長三角城市群是我國經濟發展前沿區域，其創新能力強、開放程度高，是城鎮化進程中不可或缺的重要區域。長三角城市群以全國3.7%的國土面積，排放了21.52億t二氧化碳，占全國總排放量的16.9%，是我國實現雙碳目標、進行碳排放控制的重點區域。

1.2 數據來源

本文在分析過程中使用的數據包括社會經濟數據、城市空間矢量數據、城市碳排放數據。其中社會經濟數據中的人口數據來源于各城市第七次全國人口普查公報和各城市統計年鑒，城市公共汽車和出租車擁有情況、公路運輸量等數據來自中國城市統計年鑒。各城市矢量空間數據來源于開放街道地圖（OpenStreetMap）。各城市2020年碳排放數據來自中國城市溫室氣體工作組（CCG）②。

1.3 變量選取

影響城市交通碳排放的因素有很多，包括城市人口規模、經濟發展水平、城鎮化率、交通燃料類型等多個方面[17]。本文在變量選取時主要是基于空間規劃視角，從各城市的土地利用、交通網絡建設、城市交通運輸能力3個維度選取一系列變量指標，探尋上述指標與交通碳排放的關系，初步選取的研究變量如表1所示。

1.4 探索性空間數據分析

本文主要運用地理探測器和空間自相關模型這兩種探索性空間數據分析技術[18]，梳理城市交通碳排放與上述一系列因子的關系。其中，地理探測器是一種用于探索空間數據分異性并揭示其驅動力的分析統計模型，包含分異及因子探測、交互作用探測、風險區探測和生態探測4個模型[19]。本文主要應用分異及因子探測模型，探測某個自變量在多大程度上揭示了因變量的空間分異程度。

空間自相關是測度空間數據依賴性的統計指標，可分為全局空間自相關統計量和局部空間自相關統計量。全局空間自相關是衡量空間的某種屬性在地理位置上是否具有明顯聚類或離散特征，本文采用Global Moran's I 統計量，對長三角城市群交通碳排放和相關影響因素進行全局自相關性檢測，以證實空間影響的客觀存在。局部空間自相關是表明局部層面的空間自相關水平，本文運用Getis-Ord G* 指數來識別各城市交通碳排放量的局部空間聚集特征。此外，為了刻畫多個變量與城市交通碳排放在空間分布上的相關性，本文在上述基礎上拓展了雙變量全局空間自相關和雙變量局部空間自相關，為測量不同因子對交通碳排放的相關性提供可行方法。在本次研究中，為了全面反映城市與城市之間的地理鄰近關系和空間相關性分析的準確，避免部分城市因與周邊城市空間不直接相鄰（如舟山市）而造成結果誤差，選取標準化后K=12，作為空間相關性分析的空間權重矩陣。

2 長三角城市群交通碳排放的空間特征

2.1 空間分布

從中國城市溫室氣體工作組③獲取到長三角各城市2020年二氧化碳排放數據集，借助ArcGIS平臺進行可視化分析，得到各城市交通碳排放的空間分布圖（見圖1）。城市交通碳排放量較高的城市主要集中在長三角沿江沿海兩側，與長三角城市發展帶的空間結構高度一致。其中上海市交通碳排放量為5 900 t，高居長三角地區的交通碳排放量第一名。其次為蘇州市（1 237 t）、南京市（1 029 t）、杭州市（1 027 t）、徐州市（814 t）等城市。各城市交通碳排放占整體碳排放④比重的均值為12.16%（見圖2），而黃山市、宿遷市、麗水市等人均GDP較低的城市，其交通碳排放占整體比重要明顯高于其他城市，是實現未來交通碳排放減量的潛力城市。

2.2 空間依賴性

通過對長三角地區2020年各城市交通碳排放的全局Moran's I的檢驗可知，其莫蘭指數為正值，且通過了5%水平的顯著性檢驗，表明其在空間分布上具有依賴性特征。為進一步探究長三角城市群交通碳排放的具體結構和各城市交通碳排放量在空間上的關聯關系，本文對長三角地區各城市交通碳排放進行局部（G*）統計，將交通碳排放劃分為2種空間集聚類型（見圖3）：①熱點分布型（HH）：城市自身與相鄰城市交通碳排放均為高值區，且二者呈正相關；②冷點分布型（LL）：城市自身與相鄰城市交通碳排放均為低值區，且二者呈正相關。總的來說，交通碳排放的高值聚類區主要集中在上海、蘇州、南通、寧波等城市，與上海大都市圈的空間范圍高度重合。上海作為長三角地區人口與經濟高度集聚城市，與周邊城市的功能聯系密切，交通往來頻繁。城市交通能耗和碳排放量增加，進而使碳排放呈現出圍繞上海的高值集聚特征。而14個低值聚類區集中在長三角的西部外圍區域，其中11個城市位于安徽省內，這與長三角地區的經濟發展水平的空間分布情況也基本相似。

3 長三角城市群交通碳排放的影響因素與空間關聯性分析

3.1 基礎分析

本文以長三角地區的地級市為基本研究單元，以城市交通碳排放量為因變量，將上述城市土地利用、交通網絡、交通運輸能力3個維度共計11個指標作為自變量，借助ArcGIS平臺將上述自變量轉為類型量，利用Geodetector進行探測分析。接著進行雙變量全局空間自相關性分析，明確影響城市交通碳排放的因素及其空間分異情況。

從城市交通碳排放的影響因子探測結果來看，上述一系列自變量中有4個通過了10%水平的顯著性檢驗，說明城市交通碳排放量的大小受到了城市建成區面積、城市道路面積、公共汽（電）車營運車輛數和城市巡游出租汽車營運車數（輛）這4個因素的影響，且其置信水平為90%，各指標具體結果的Q值與P值如表2所示。

從空間分布集聚性上來看，城市建成環境中的建成區面積、城市空間密度、路網密度等因子與城市交通碳排放存在顯著正相關，其中，城市交通碳排放與城市路網密度的空間正相關性最強（0.201），與全年公共汽（電）車客運總量的空間正相關性最弱（0.038）。城市公路里程與城市交通碳排放呈顯著空間負相關的特征，而城市巡游出租車數量與交通碳排放的空間集聚性并不顯著。具體各指標的Moran's I值如表2所示。

3.2 土地利用

在土地利用維度的指標中，城市建成區面積是衡量城市發展程度的重要指標。研究發現，城市建成區面積是影響城市交通碳排放的顯著性因子，且城市交通碳排放量與城市建成區面積在全局也呈現出正相關的空間分布特征（見圖4），即隨著城市建成區的擴大，城市的交通碳排放也在相應提升。其中高—高型（HH）的城市主要分布在上海、蘇州、無錫、南通、舟山和寧波，說明這些城市的交通碳排放量與城市建成區面積相對較高，形成高值集聚區。這可能是由于隨著城市建成區擴張，城市平均出行距離增加，降低了城市交通出行效率，交通出行的能源消耗增多，致使交通碳排放量增多。

城市空間密度與城市交通碳排放的雙變量莫蘭指數為正且通過了5%水平的顯著性檢驗，表明城市空間密度與交通碳排放在空間上呈顯著正相關，主要集聚在上海、蘇州、南通、無錫等城市。原因可能是較高的空間密度增加了城市交通需求和基礎設施的壓力，導致交通碳排放量增多。但滁州、泰州、揚州3個城市呈現出低—高型（LH）集聚區，即三市的交通碳排放低，但周邊鄰接地區的城市空間密度高，呈現出局部的空間負相關。

3.3 交通網絡

在交通網絡維度的指標中，路網密度是衡量城市道路密集程度和交通可達性的重要指標[20]，不同的路網密度也影響著城市的空間形態，是空間規劃一直以來關注的重點指標。已有較多學者指出，較高的城市路網密度有利于改善城市交通擁堵，促進居民綠色低碳出行[21-22]。根據本文對交通碳排放與城市路網密度的雙變量局部自相關性分析發現（見圖5），城市交通碳排放量與城市路網密度全局呈現空間正相關，即城市路網密度和城市交通碳排放呈現高（低）值集聚的空間特征。其中高—高型（HH）的城市主要分布在上海、蘇州、無錫和南通，說明這些城市的交通碳排放量與路網密度均相對較高。低—低型（LL）的城市分布在安慶、六安、池州等城市，主要集中在長三角外圍邊界，說明區域的道路建設水平較低，路網密度處于較低值，相應的交通碳排放量也較低。

此外，城市道路面積是影響交通碳排放的顯著性因子，并且兩者呈現出高（低）值集聚的空間正相關特征。道路面積的擴展促進了交通碳排放量的提升，這可能是由于城市道路的不斷擴建，在一定程度上提升了小汽車、出租車等交通出行的便利度，刺激了這些高能耗交通方式的出行。其碳排放因子（見圖6）要明顯高于步行與其他非機動車，在一定程度上抵消了居民低碳出行帶來的碳排放緩解。此外，過密的城市交叉口致使機動車在運行過程中頻繁地制動與啟動，降低了機動車的運行效率，在造成交通擁堵的同時也會使得車輛碳排放增多。

3.4 交通能力

從城市內部的交通運輸能力維度來看，城市出租汽車營運車數是影響城市交通碳排放的顯著性因子，但城市出租汽車營運車數與城市交通碳排放的空間集聚性并不顯著。出租車的有效供給在解決城市內部短距離交通出行中起著重要作用，靈活地滿足了城市居民差異性的出行目的。但城市中的傳統巡游出租車以傳統燃油車為主，其數量的提升必然導致更多的能源消耗。此外，隨著長三角地區各城市公共交通的建設完善以及城市網約車的快速發展和個人機動車的購買數量上升，導致傳統巡游出租車的使用效率下降，傳統出租車的運力供給不能有效地與城市居民出行需求匹配，導致車輛空駛里程增多，也會在一定程度上增加城市交通碳排放。城市公共汽（電）車營運車輛數和公共汽（電）車客運總量與城市交通碳排放的雙變量莫蘭指數為正，且通過了5%水平的顯著性檢驗，且空間的相關性格局也完全一致（見圖7）。其中，高—高型（HH）的代表城市為上海、南通、無錫、蘇州、寧波5個城市，形成交通碳排放和運營車輛數均較高的高值空間聚集區。

從城市對外交通運輸能力來看，城市公路客運量與城市交通碳排放的雙變量莫蘭指數為正，且通過了5%水平的顯著性檢驗。說明城市公路客運量和城市交通碳排放呈現高（低）值集聚的空間分布特征。而城市公路總里程與城市交通碳排放的雙變量莫蘭指數為負，且通過了5%水平的顯著性檢驗，代表性城市為淮北市（LH）。原因可能是城市公路總里程的提升，提高了對外公路運輸的效率，從而減少了城市交通碳排放（見圖8）。

4 長三角城市群低碳交通優化策略

4.1 控制城市規模擴張，提高空間利用效率

在土地利用維度，城市建成區面積是影響城市交通碳排放的顯著性因子。城市建成區規模擴張一方面使得林地、濕地等碳匯因子較高的用地類型轉變為城市建設用地，另一方面增加了城市遠距離交通出行，從而導致交通能耗和碳排放量上升。因此，在區域一體化進程持續推進、各項空間要素加速流動的背景下，有必要深化土地用途管控，嚴格落實生態保護紅線，適當增加林地、濕地、草地等高碳匯的用地類型。此外，對于目前城市建成區面積較大的上海、南京、杭州等城市，未來要嚴格控制城市建成區規模，劃定合理的城市開發邊界。對于城市的高密度地區，要提升土地利用混合度和空間利用效率，減少不必要的交通出行。對于六安、阜陽、蚌埠等目前建成區面積較小的城市，在未來城市建成區擴大的過程中，結合城市空間形態和結構優化，提升城市交通出行效率，避免城市蔓延造成遠距離交通出行需求的增加。

4.2 優化城市道路網絡，促進居民低碳出行

在交通網絡維度，城市道路面積的提升促進了交通碳排放量的提升，且當前城市道路網密度、交叉口密度和道路面積均與城市交通碳排放呈現高值集聚的空間正相關特征。因此對于目前道路網絡建設已較為完善的上海、無錫、常州等城市，在未來城市道路建設中，要注意到較高的城市道路面積可能在一定程度上會刺激小汽車等高能耗交通出行，也會導致城市街區規模過小、破碎化程度提升[26]，進而導致交通出行效率降低，增加城市交通碳排放。此外，局部道路拓撲關系的改善可能也會提升路網的整合度和可達性，提升城市路網的連通性。對于池州、安慶、麗水等未來道路建設增量較多的地區，首先要轉變擴建道路可以減少交通擁堵[8]42的傳統思路，而將重點放在優化出行結構上；其次在路網完善過程中，不僅要關注路網長度與面積的提升，還要合理配置道路的等級結構，避免僅關注城市快速路、主干路等高等級道路而忽略城市支路的建設[27]，造成級配結構失衡。

4.3 協同區域交通運輸，提升城市交通能力

在交通能力維度，研究發現，城市巡游出租車數量是影響交通碳排放的顯著性因子。在空間集聚性上，城市公共汽（電）車營運車輛數、公共汽（電）車客運總量和公路客運量與城市交通碳排放呈現顯著的空間正相關性，城市公路里程與城市交通碳排放呈顯著負相關。長三角城市群內有多個全國性綜合交通樞紐（南京、杭州、合肥、寧波）和一個國際性綜合交通樞紐（上海），加強城市公共交通、鐵路、水運等低碳化的交通系統建設，提升城市交通輻射能力與水平，也是實現長三角區域一體化的必然要求。此外，還要增強城市交通供給與居民交通需求的匹配程度，減少出租車的空駛里程。優化交通供給結構，提升純電動出租車和公交車的數量，提升能源使用效率，形成可持續發展的城市交通。在公路建設方面，要優化城市公路網絡布局，提升城市省際公路的通達能力，提升公路客運效率，減少不必要的交通碳排放。在快速軌道交通建設方面，長三角地區呈現明顯的空間不均勻現象，因此要加強城際快速軌道交通的發展，將城市公路客運轉移到鐵路客運[12]40，通過低耗能的軌道交通減少客運量的碳排放，也是實現區域交通碳減排的重要舉措。

5 結語

長三角城市群作為我國人口、資金等資源要素集聚的地區，區域一體化的社會發展趨勢不斷深化，人員跨城流動和交通聯系的需求也隨著一體化深入而逐步增加。長三角各城市的交通碳排放在空間分布上具有依賴性的特征，對具有相同碳排放聚類特征的城市，比如南通、蘇州、上海等碳排放高值聚類區，可通過一定的區域協調政策共同制定碳減排措施。本文主要基于空間規劃視角，結合城市統計年鑒和多源空間數據，采用地理探測器和空間自相關模型，從城市土地利用、交通網絡、交通能力3個維度，分析影響城市群交通碳排放的影響因子和空間關聯特征，為其后續的空間建設提供交通碳減排的空間優化策略。但低碳研究是涉及能源、建筑、交通、市政等多學科的綜合領域，要實現城市交通碳排放的減量化，還離不開清潔能源的高效利用、節能技術的推廣與普及等多方面因素。此外，由于數據獲取的限制，本文僅選取了3個影響因子，后續可結合POI數據、軌交線網數據，進一步拓展影響因子，探究城市土地利用混合度、各類交通設施建設規模及密集程度、公交線網密度等因素對城市交通碳排放的影響，從而為交通低碳化發展提供更為精準的基礎分析和策略建議。