中國省域交通碳排放空間關聯格局的驅動特征

楊 青,郭 露,劉星星,趙坤強 (武漢理工大學安全科學與應急管理學院,湖北 武漢 430070)

交通運輸業在全社會碳排放總量中約占26%(國際能源署,2021),由于我國各地區在人口、經濟、資源、科技等要素上存在空間差異,交通運輸業發展存在發展不平衡、不充分的問題[1],必須科學制定地區交通碳減排目標以確保公平的同時避免碳泄露風險.因此,探究交通碳排放空間關聯結構及其驅動特征,對優化交通碳排放要素配置,統籌協調各地區的碳減排政策,助力交通高質量發展具有重要意義.

當前,交通碳排放研究角度主要聚焦碳排放測算[2]、影響因素分析[2]、減排潛力分析[3]、減排政策情景模擬[4]以及碳排放空間關系研究[5]等,研究體系日漸豐富健全,其中交通碳排放空間關系分析對于地區高質量協調發展模式更為關鍵,學者們圍繞交通碳排放空間聚集性[6]與異質性[7]、空間依賴關系[5]以及空間關聯效應[8]等方面逐步探索,其中多以復雜網絡模型應用于跨區碳排放空間關聯網絡研究,如有研究[2]基于社會網絡分析研究發現廣州和深圳等經濟發達城市處于珠江三角洲城市群碳排放空間關聯網絡核心,發揮“中介”和“橋梁”作用.另外,也有研究[9]運用社會網絡分析發現上海、北京、浙江、廣東、江蘇、天津等發達地區在交通碳排放效率關聯網絡中處于核心主導地位.在碳排放關聯網絡驅動特征研究方面,分配模型和結構屬性模型應用較為常見,二次分配(QAP)模型可用以考察經濟、能源、技術、環境對碳排放空間關聯網絡的影響,碳排放空間關聯格局的影響也可通過網絡結構屬性來解析[10].現有研究對中國交通運輸碳排放空間關聯格局以及驅動特征已經具有一定的探索,但基于社會網絡分析的省際尺度交通碳排放關聯格局及碳轉移微觀連通模式的研究仍有待深入.

交通碳排放網絡關聯格局由多重復合的局部構型或模體相關耦合形成,其局部構型可以被解釋為特定社會機制的可觀測結果.因此,交通碳排放空間關聯網絡是各種微觀過程或機制相互作用的宏觀表現形式.基于此,本文在揭示交通碳排放空間關聯網絡的動態特征的基礎上,挖掘碳轉移路徑識別交通碳排放空間關聯網絡核心-邊緣格局,運用模體結構分析研究近20 年的交通碳排放關聯網絡的微觀連通模式,采用指數隨機圖模型定量測量內生網絡-行動者屬性-外生網絡三驅要素對交通碳排放網絡關聯格局的影響,解析交通碳排放空間關聯網絡微觀過程的驅動機理.

1 研究方法和數據來源

1.1 研究方法

1.1.1 社會網絡分析法 交通碳排放空間關聯網絡是探究區域交通碳排放關系的集合,其以各省份為網絡節點、各省份間的碳排放轉移關系為邊、碳排放關聯強度為權重,構建中國交通碳排放空間關聯網絡.

1.1.2 模體結構分析 模體,即網絡的基元,是網絡反復出現的節點相互作用的基本模式,出現的頻率高于其在具有相同節點和連線數的隨機網絡中出現的頻率,主要通過P值和Z值對模體進行評價[11].其計算公式如下:

式中:freali為模體i在實際網絡中出現的次數;frandi為模體i在隨機網絡中出現的次數;σi為標準差.Zi值越大,表示該模體在網絡中越重要.

1.1.3 指數隨機圖模型 指數隨機圖模型(ERGM)提供了一種可解釋的框架,可以通過對參數的估計和推斷來理解網絡中的關鍵因素以及它們的作用方式[12].本文研究的交通碳排放空間關聯網絡具有復雜性、多維性的特點,可以構建如下模型:

1.2 數據來源

選取2003～2020 年中國30 個省級行政區(西藏數據缺失較多而不予考慮)的相關數據作為研究樣本,數據來源于《中國統計年鑒》、《中國交通年鑒》、《中國能源統計年鑒》及各省份統計年鑒等.為保證數據可比,文中貨幣單位變量如GDP 相關數據均平減為2002 年不變價格.

本文基于行業終端能源消耗采用自上而下的方法來計算交通碳排放量.為估算提高精確度,采用統計年鑒連續發布的18 種能源在交通運輸行業的終端消費量,公式見式(3):

式中:j為能源種類,j=1,2,…,18,表示能源種類;C為能源消費二氧化碳排放量,萬t;Ej為交通運輸行業第j種能源消費量;NCVj和EFj分別表示第j種能源的平均低位發熱量與碳含量;COFj為第j種能源的碳氧化因子;44/12 表示碳折合成二氧化碳的轉換系數.

2 中國交通碳排放空間關聯網絡特征

2.1 時空格局分布

2.1.1 空間關聯整體特征 運用交通碳排放空間關聯網絡特征解析我國區域交通碳排放的時空關聯特征(圖1).

圖1 交通碳排放空間關聯網絡整體特征Fig.1 Overall characteristics of spatial correlation network of transportation carbon emissions

根據圖1,網絡關聯數、網絡密度的谷值年和峰值年分別為2007 和2013 年,全局效率峰值年和谷值年分別為2007 和2011 年,說明交通碳排放空間關聯網絡存在多線程、復雜性的周期演變進程.其原因可能是進入21世紀以來,地區經濟活力提高和高速公路建設,推動服務要素跨區流動和運輸成本的降低,使得區域一體化和市場經濟呈現快速發展趨勢,這些因素的共同作用使得各地區交通碳排放關聯日益密切,其中《中長期能源發展規劃納要(2004～2020 年)》在2005 年前后對交通碳排放空間關聯網絡造成過短暫的政策沖擊[13].而“十二五”后交通運輸業碳排放成為經濟社會發展約束性指標,且隨著新能源技術的成熟,交通碳排放空間關聯網絡日漸松散化.

網絡等級在2003～2009 年較為穩定,大致保持在0.71,在2009 年以后呈現逐年下降趨勢,表明各省交通碳排放空間關聯網絡結構均衡化發展趨勢,意味著空間關聯網絡對少數或單個節點的依賴性降低,其原因可能是2009 年來交通基礎設施的快速發展,交通碳排放相關要素交流成本降低,進一步推動要素交流量提升也使得節點間引力均值的提高,使網絡節點與某具體節點間空間關聯關系的建立更為困難,此觀點已得到廣泛認同[14].

2.1.2 空間核心分異特征 結構洞通過測量網節點間的非冗余關系來衡量節點之間的互相依賴關系.本文使用有效規模和限制度兩個核心指標來評估結構洞的質量(圖2).有效規模指標越大,說明該節點在整個網絡中具有更高的自由度;而限制度則指節點在對結構洞運用程度,低限制度指標的節點具有更強的貿易和交往控制能力.

圖2 中國交通碳排放空間網絡有效規模和限制度變化Fig.2 Changes of effective scale and limit system of China's transportation carbon emission spatial network

從圖2 可見,上海、江蘇、浙江和廣東等省域在交通碳排放空間關聯網絡自由度一直較大,與其他省域進行交通碳排放要素交流的阻礙較少.四川、福建、湖北和甘肅等省域在2003～2020 年有效規模排名上升較快,即東部、中部、西部都存在差異化驅動因素作用,例如在“一帶一路”等區域一體化政策的推動下,甘肅與周邊省份的空間關聯強度也持續加強.天津和遼寧等省份在2012～2020 年間有效度排名出現大幅下降,說明區域發展路徑的慣性依賴依然存在.

從圖2(c)、(d)可見,北京、上海、江蘇、浙江、山東和廣東等省域仍然屬于網絡核心節點的地位,交通樞紐的作用依然顯著,在網絡中具有較大的控制和影響力.鄰近北京和廣東的天津和廣西限制度指標排名卻比較靠后,說明交通碳排放的區域關聯傳導作用明顯,同時核心省域能夠通過低碳資本、人才等資源要素優勢對周圍省域產生“虹吸效應”[14].

結合以上特性,考慮到碳排放效應的滯后性和研究的時效性,本文以2003 年、2008 年、2012 年和2019 年等代表性年份研究交通碳排放空間關聯網絡的特征.

2.2 時空關系演變

中心勢是衡量網絡集聚程度的重要指標,我國交通碳排放空間關聯網絡的度中心勢均維持在大于1.6,在2003 年更是達到2.808,平均鄰近性基本維持在0.9 左右,表明網絡具有明顯的向某個或多個省域集中的趨勢,存在顯著的核心-邊緣結構(表1).網絡度中心勢整體呈現減少趨勢,這表明我國交通碳排放空間關聯網絡結構的均衡化演進,與我國交通碳排放網絡拓撲特征分析結果一致.

表1 中國交通碳排放空間關聯網絡的相關中心勢Table 1 Correlation center trend of China's transport carbon emission spatial correlation network

根據歷年交通碳排放關聯權重矩陣計算節點間的交通碳轉移量,識別交通碳排放空間關聯網絡“核心-邊緣”結構,如表2 所示.總體來看,核心區以北京、上海、江蘇、浙江、廣東等發達省域為主,且核心區省域數量呈現減少趨勢,半核心區省域數量呈現增多趨勢,邊緣區的省域數量穩定,“少核心—多半核心—邊緣”交通碳排放關聯格局不斷夯實.

表2 中國交通碳排放空間關聯網絡“核心-邊緣”結構Table 2 "Core-edge" structure of China's transport carbon emission spatial correlation network

2003 和2008 年,北京、上海、江蘇、山東和廣東等發達省份組成交通碳排放的核心圈層,這些省域的交通碳排放總量與碳轉移規模較其他省域均有明顯領先.2012 年,交通碳排放核心圈層變動較大,河南、河北和遼寧等省域進入核心圈層,其中河南與河北作為承接發達區域中高碳產業轉移的地區,碳轉移活動較為活躍,而遼寧作為東三省交通要素樞紐,交通伴隨和引致的碳轉移變動影響較為突出.2019 年,交通碳排放核心和半核心圈層均發生較大變動,體現在湖南進入核心圈層,山東由核心圈層進入半核心圈層,四川由邊緣圈層進入半核心圈層,其中湖南作為福建、廣東交通碳轉移的“傳輸渠道”,且近年來其不斷放大在全國交通運輸體系中的區域優勢,山東作為中國GDP 大省,此時處于經濟新舊動能轉換的關鍵時期,相較江蘇與浙江等經濟發展動力不足,從而暫時弱化了其作為交通碳要素富集功能,四川主要受益于其交通樞紐和政策扶持,從而在西部交通碳排放關聯格局中占據重要位置.以上充分說明,中國交通碳轉移網絡中“核心-邊緣”結構呈現動態更替特征,同時說明省域交通碳轉移網絡存在穩定性不足的問題.

從交通碳轉移的TOP5 省域的轉移路徑來看(表3),以發達省域為主的碳轉移關系呈現慣性強化態勢,碳轉移路徑表現出明顯的空間惰性和時間慣性.從核心區碳轉移量所占比重來看,核心區各節點間2003、2008、2012 和2019 年分別發生交通碳轉移量為12826.50 萬t、35436.79 萬t、38695.22 萬t和53613.21 萬t(表2),占碳轉移總量的比重分別為67.59%、69.9%、62.75%和61.94%.可以看出,雖然核心省域交通碳轉移占比持續下降,結構性轉移趨于平緩,但仍占據全國碳轉移量的60%以上,表明省域間交通碳轉移格局依然呈現集中性特征[8].

表3 中國交通碳排放空間關聯網絡碳轉移量統計(萬t,TOP5)Table 3 Carbon transfer statistics of China's transport carbon emission spatial correlation network

2.3 模體結構分析

采用Mavisto軟件對2019年的交通碳排放空間關聯網絡中出現的模體結構進行統計分析,識別在交通碳排放空間關聯網絡中的微觀關聯模式(表4、表5).

表5 中國交通碳排放空間關聯網絡中的關鍵模體結構Table 5 Key model structures in the spatial correlation network of China's transport carbon emissions

表6 交通碳排放空間關聯網絡形成機制的ERGM 統計量說明Table 6 ERGM statistics of the formation mechanism of spatial correlation network of transport carbon emissions

同時,識別2003 年、2008 年、2012 年和2019年區域交通碳排放空間關聯網絡中的關鍵模體結構(P為0 且頻次排在前5 位的模體結構),如表5所示.

由表4、表5 可以得出如下結論:(1)雙向關聯性不足會導致高頻次關聯模式失穩.GCR、FKX、F8R、GOX、F7F 5 種模體結構對應的P值為1、Z值非正,意味著這5 種形式的模體結構均是無效的,其中GCR、FKX、F8R、F7F 4 種模體結構出現的頻次較高,表示對于僅發出性(如F7F、FKX)、集聚性(如GCR)、連通性(如F8R、GOX)的微觀連通模式,由于缺乏雙向關聯性(即互惠性)的關聯模式,導致連通模式的穩定性不足.同時,以JQF 和IMF 為代表的兼具互惠性、循環性和集聚性特征的模體結構對應的P接近1、Z為負,這表明這兩種具有優良特性的模體結構同樣無效,弱化了區域間交通碳排放空間網絡的資源優化配置.

(2)組團活動利于關聯發育與社群促成.GCX、GDF 和F8X 3 種模體結構的上頂點均存在雙向的發出線和接收線,其對應的P為0,Z為正且數值較大,表明集聚性在網絡關系的形成過程中發揮了重要作用,即各區域偏好以“俱樂部式”協同方式影響交通碳排放空間關聯網絡[10].然后,交通碳排放的空間關聯網絡也存在“社群效應”,即只在特定的區域間才具有產生交通碳排放空間關聯關系的可能.

(3)“經紀人”關鍵模體結構作用突出.關鍵模體結構集中于GCX、F8X、GDF、GQX、FMF 5 種類型,頻次排序存在時序變化,這說明交通碳排放空間關聯網絡的連通模式存在局部路徑依賴.GCX、F8X 和GDF 是出現頻次最多的3 種模體結構,表現為某頂點與另外兩頂點間存在雙向或單向的連接關系,且另外兩頂點間不存在連接關系,表明交通碳排放空間關聯網絡存在梯度斷層,即其中兩個區域需要借助“經紀人”才能間接形成交通碳排放的空間關聯關系.同時,FMF、GQX 這2 種模體結構在網絡中出現的頻次明顯少于上述3 種模體結構,表明網絡中“俱樂部”式的協同運行機制明顯弱于“經紀人”式的分散運行機制,“經紀屬性”在推動跨區域交通協同減排的“經濟活動”中發揮著重要作用.

3 交通碳排放關聯網絡ERGM 三驅模型

3.1 交通碳排放關聯網絡ERGM 三驅因素

ERGM 可以同時捕捉內生網絡、行為者屬性和外部環境中的多維度結網絡驅動因素.依據已有研究[9]關于碳排因素與關聯網絡特征的論述,構建ERGM 三驅模型框架(圖3).

圖3 中國交通碳排放空間關聯網絡驅動因素Fig.3 Spatial correlation network drivers of China's transport carbon emissions

3.1.1 內生網絡結構變量 內生網絡結構變量往往是影響網絡關系形成的重要因素[15].網絡集聚特征中傳遞性、循環性等網絡統計量的出現將可能導致模型在估計過程中出現衰減和不收斂問題[16],同時已經發現GCX、F8X、GDF、FMF 和GQX 5 種模體結構頻次高的特征,因此本文選擇互惠性、連通性、循環性、集聚性等特征作為研究對象的內生網絡結構變量進行研究.

3.1.2 行動者屬性變量 行動者(節點區域)屬性變量的影響可由行動者屬性變量的“發出效應”、“接收效應”和“異配性”予以表征.當前主流的STIRPAT 模型[17]、LMDI 分解法[18]主要采納能源效率﹑能源結構、綜合運輸周轉量、經濟發展水平、人口數等影響因素進行碳排放測算.為進一步響應“低碳交通”理念,促進交通運輸業低碳可持續發展,確保交通碳排放如期達峰,對行動者屬性變量進行優化選取:城鎮化率(Ur)用來反映城鎮化水平不斷推動對交通碳排放[19],其值為城鎮人口與總人口之比;開放程度(Open)反映進出口貿易占比對交通碳排放的影響[20],其值為地區進出口總額與當地GDP之比;人均GDP(Agdp)表示經濟水平對當地交通運輸業的促進效應[21],為消除價格的影響,本文產值數據均是以2002 年為基期進行平減;產業結構(Ids)作為工業對交通碳排放的貢獻度指標,其值為第二產業與當地GDP 的比值;運輸結構(Str)衡量運輸結構調整對于交通碳排放的影響程度[19],其值為公路換算周轉量與鐵路換算周轉量的比值;能源效率(Ee)表征交通運輸行業技術進步效應,其值越大,說明交通運輸業技術創新和運輸裝備能效水平越高,其值用單位周轉量能耗表示;能源結構(Es)與交通碳排放大多呈正相關[22],其值為清潔能源占比.

3.1.3 外部環境變量 交通碳排放空間關聯網絡是一種經濟活動在空間聯動效應的表現形式,不可避免地受到地理相鄰關系[23]和經濟活動[24]等外部環境變量的影響.參考已有研究[25],構建地理鄰近梯度網絡([0～500]、[500～1000]、[1000～1500]、[1500～2000])和貿易網絡矩陣,以考察地理距離和經濟活動對交通碳排放空間關聯網絡形成的影響.

3.2 交通碳排放關聯網絡ERGM 測算

分別對2003、2008、2012 年和2019 年的交通碳排放空間關聯網絡的驅動特征予以識別,得到表7.GOF 檢驗結果(圖4)表明模型通過MCMC 鏈收斂性診斷且擬合效果較好,能夠有效地解釋原區域交通碳排放空間關聯網絡的結構特征.

表7 交通碳排放關聯網絡ERGM 測算結果Table 7 ERGM results of transportation carbon emission correlation network

圖4 GOF 檢驗結果Fig.4 GOF test results

圖4 為觀測網絡與表7 第(4)列ERGM 估計得到的仿真網絡的出度節點比例分布圖、入度節點比例分布圖、邊共享伙伴的邊比例分布圖和最小測地距離的二元組比例分布圖.其中,黑實線表示原有觀測交通網絡特征統計量,虛線及箱型圖表示仿真網絡在95%置信區間下的測度結果.

3.2.1 內生網絡結構影響 交通碳排放關聯網絡所有模型的弧、互惠性、連通性、集聚性的系數均達到10%以上的顯著性水平,表明網絡自組織行為對網絡的形成具有重要影響.相反,循環性系數為負且未通過顯著性檢驗,意味著循環性并未對關聯網絡的形成產生預期的重要影響.

(1)區域合作可加速協同減排:互惠性系數在所有模型中顯著為正,說明區域間互利合作可以加強交通碳排放形成雙向連接,合作減排是實現整體碳減排的有效策略.連通性系數在所有模型中也顯著為正,說明在區域交通碳排放空間關聯網絡中,同時具有發出和接收關系的比較活躍的節點區域較多,如海南、湖北、貴州、湖南、河南、廣西、福建、江西、四川等經紀人板塊省份,在關聯網絡中發揮著比預期更為重要的作用.

(2)三角循環作用尚未凸顯:循環性的系數在2003 年至2012 年的模型中均為正,但并未通過顯著性檢驗而2019 年的模型中循環性系數顯著為負,這表明隨著關聯網絡密度的降低和均衡化發展,省域間的協同減排過程中受到的閉合機制的影響越來越弱,即交通碳排放在區域間三角傳遞關系弱化,存在梯度轉移的斷層現象,交通碳排放的轉移優化仍然需要市場和政府的共同調節[9].

(3)關聯自擴張態勢明顯:集聚性的系數顯著為負,表明交通碳排放空間關聯網絡呈現出顯著的擴張中心性的分布趨勢[26],即省域自發關系存在自主擴張態勢,從而減弱整個網絡的“核心-邊緣”效應.但是,區域間存在的“行政藩籬”會限制交通碳排放要素跨區域大范圍流動[10],而推進實施區域一體化及碳交易市場等協同減排政策,有利于界定各區域減排責任和減排目標.

3.2.2 行為者屬性影響 (1)城鎮化率(Ur):2003 年的模型中城鎮化率發出效應與接收效應的系數均為正,且均通過顯著性檢驗,表明高城鎮化率會明顯加劇區域間交通碳排放的發出和接收關系.2008 年、2012 年和2019 年的城鎮化率的發出效應的系數均不再顯著,接收效應顯著為負,表明城鎮化率與區域間交通碳排放的接收關系呈現倒“U”型,當城鎮化率處于較低水平時,區域間交通碳排放接收關系活躍.當城鎮化率到一定階段,人口的相對集中對交通運輸需求會發揮成本優化效應[22],交通碳排放的接收關系也隨之減弱.所有模型城鎮化率異配性的系數顯著為負,表明城鎮化率的差異對于區域間交通碳排放關聯作用具有顯著抑制作用.可見,城鎮化率對跨區交通碳排放關聯格局的影響是不均衡的[19].

(2)開放程度(Open):從2003 年至2012 年的模型開放程度發出效應和接收效應系數均未通過顯著性檢驗,在“十一五”時期實施的節能減排約束目標政策的推動下,開放程度對交通碳排放的接收效應和發出效應受到了抑制.而2019 年的接收效應顯著為正,表明較高的開放程度有利于區域間形成更多的交通碳排放接收關系.開放程度較高會顯著推動地區間貿易經濟要素流動[27],從而產生更多的交通碳排放的接收關系.2008 年和2012 年的開放程度的異配性系數顯著為正,表明區域間開放程度的差異對交通碳排放空間關聯網絡的形成有顯著的促進作用,可見,產業結構轉移使得區域的資源稟賦發生整體轉變和局部失調[28],尤其是加入WTO 以來國際外循環在我國經濟發展中有著較大的貢獻度,各區域間形成明顯貿易產業分工格局,在交通碳排放網絡中呈現出明顯的“核心-邊緣”關聯模式,核心省域充當我國對外出口的門戶或窗口,邊緣省域則作為核心省域的原材料和勞動力供應地.

(3)人均GDP(Agdp):從2003～2012 年的模型人均GDP 發出效應均未通過顯著性檢驗,而接收效應的系數均為正且通過了顯著性檢驗,表明較高的人均GDP 有利于區域間產生更多的交通碳排放接收關系.人均GDP 折射出經濟活躍程度,隨著新能源技術應用,人均GDP 中的“綠色”成分逐步提升,尤其是對高人均GDP 對環保和生態的要求更高[22],人均GDP 對碳排放接收效應的影響隨時間推移不斷降低,2019年已不顯著.人均GDP的發出效應系數持續為負且不顯著,可見綠色理念已經深入人心[22].人均GDP 異配性的系數呈顯著正向,表明經濟發展水平差異較大的區域間促進交通碳排放的空間關聯關系的形成.這種區域間經濟鴻溝往往反映出區域間經濟發展效率、節能減排空間和成本的差異,高經濟發展水平地區的交通碳減排成本的“比較優勢”往往會強化能源(碳)密集型產業向經濟發展程度較低的地區的轉移行為,從而促進交通碳排放空間關聯網絡的形成[29].

(4)產業結構(Ids):2012 年和2019 年模型的產業結構對交通碳排放的發出效應均具有顯著的正向影響,而2019 年的接收效應顯著為正,表明第二產業占比較高的地區產生更多的交通碳排放發出關系和接收關系.需要注意的是,中西部省區接收高耗能和高污染產業的轉移和升級,對周邊省區造成了環境壓力[30].而東部省區的產業結構更可能通過空間溢出效應對周邊省區的產業結構進行合理化調整,產生正向激勵作用[30].2003 年和2008 年,產業結構發出和接收效應的系數未通過顯著性檢驗.全國各地工業化進程的快速推進和區域協調發展的實施,《中長期能源發展規劃綱要(2004-2020 年)》堅持把節能和提高能源效率放在首位,大力調整各地區第二產業占比.交通運輸業作為其他產業要素的載體,也隨之得到調整.同時,產業結構異配性的系數顯著為正.產業結構的差異反映了經濟發展階段和市場需求水平的差異,這種差異可以通過產業價值鏈的區域分解傳導到貿易活動[10].上述分析可以發現產業結構的調整對中西部省份和東部省份分別產生負外部性和正外部性[30],進而促進交通碳排放空間關聯網絡的形成.

(5)運輸結構(Str):2003 年交通運輸結構發出效應系數顯著為正,而后2008 年、2012 年、2019 年均不顯著,可能因為2005 年以后陸續出臺跨區調配能源政策,如西電東送、西氣東輸等工程.此外,機動車燃料消耗標準改革也對交通關聯網絡發出效應起到抑制作用[31].2008 年和2012 年交通運輸結構的接收效應為顯著為正,其余兩年不顯著為負.“十二五”規劃首次將交通運輸業碳排放作為經濟社會發展約束性因素,隨著規劃落實交通碳排放關聯網絡的接收關系逐步增多,“十三五”規劃繼續強化交通運輸業碳減排政策,依靠調整運輸結構已無法顯著影響交通碳排放空間關聯關系.2003 年、2008 年和2012 年運輸結構異配系數顯著為負,且呈減弱趨勢,2019 年不顯著為正,表明省域之間運輸結構的差異不利于交通碳排放空間關聯網絡的形成,可能是由于省域間交通基礎設施完備程度差異影響,尤其是交通設施條件差異大不利于區域社會經濟要素流動,進而影響交通碳排放空間關聯關系的形成[32].

(6)能源效率(Ee):2003 年和2012 年的能源效率發出效應的系數均不顯著,接收效應系數顯著為正,表明較高的能源效率能夠促使區域間產生更多的交通碳排放接收關系.能源效率越高意味非期望產出減少,從而產生更多交通碳排放接收關系[22].2003 年和2012 年的能源效率發出效應系數分別為負和正,足見粗放經濟發展模式逐步扭轉.2019 年的能源效率發出效應和接收效應系數均為正且不顯著,可見新能源技術的深入與普及,能源效率對交通碳排放發出關系和接收關系已發生本質性的轉變.能源效率異配性的系數為負且不顯著,體現出能源結構和能源技術雖然存在區域差異,但總體能源產業發展態勢還未穩定[19],整體市場還處于競爭迸發的格局.

(7)能源結構(Es):2003 年和2008 年的能源結構發出效應為負且不顯著,而接收效應顯著為正,表明較高的清潔能源占比能促進區域間產生更多交通碳排放的接收關系.清潔能源的消費比重越大即能源結構越合理,從而抑制交通碳排放的發出關系,促進其產生接收關系[22],2012 年和2019 年能源結構的發出效應分別為正和負且均不顯著,接收效應系數均顯著為負,可見我國能源結構以煤炭為主的格局尚未得到本質上的扭轉,而清潔能源的生產制造還處于初級階段,資本與技術的投入產出尚不穩定,使得交通碳排放的發出效應和接收效應均呈現出較大波動[22].

3.2.3 外部環境影響 (1)地理空間:在地理區間[0～500]、[500～1000]、[1000～1500]內,碳排放空間關聯效應呈顯著正向,表明交通碳排放受到地理鄰近效應的影響顯著.近年來,我國通過大規模的能源跨區域調配(如西氣東輸)等區域一體化政策的落地,交通碳排放空間關聯的地理限制弱化,導致多方向空間依賴性的明顯展現.然而,地理距離與要素流動運輸成本成正比,交通碳排放空間關聯效應呈現出距離衰減規律特征.當地理鄰近網絡超過1000km 后,區域間的碳排放空間關聯效應會明顯弱化,表明我國交通碳排放空間關聯網絡呈現出碳緣千里相望的特征[10].

(2)貿易網絡:省域貿易網絡變量對交通碳排放空間關聯網絡的影響呈顯著正向,表明地區貿易活動能夠推動交通碳排放空間關聯網絡的形成,生產和消費的地理空間分離使得能源密集型產品成為碳排放的主要“載體”,并通過交通運輸轉移到其他地區,導致整體交通碳排放空間關聯網絡的形成.

3.3 交通碳排放關聯網絡三驅要素作用

我國交通碳排放關聯網絡中三驅動格局基本形成,而三驅因素作用呈現復雜的關聯機制,我國交通碳排放關聯網絡三驅要素的作用(圖5).

圖5 中國交通碳排放關聯網絡三驅要素的作用Fig.5 The role of three-drive factors in China's transport carbon emission correlation network

(1)內生網絡結構:互惠性系數在所有模型中顯著為正,即與模型期望值相比,存在更多的互惠連接關系,說明區域間的協同效應和互補效應在交通碳排放關聯網絡生長發育過程中發揮著重要作用.連通性系數在所有模型中也顯著為正,即區域間的連接往往需要第三方區域的參與,說明在區域交通碳排放空間關聯網絡中,經紀人板塊省域發揮著比預期更為重要的作用.循環性的系數在2003 年至2012年的模型中均為正,但并未通過顯著性檢驗而2019年的模型中循環性系數顯著為負,這表明閉合機制在城市網絡發育不同階段呈現出不同的作用方式[33].在2019年的循環系數顯著為負,表明省域間的協同減排過程中受到的閉合機制的影響越來越弱,淺層原因可能與網絡密度的降低和網絡均衡化發展有關.集聚性作為網絡偏好依附的表現形式,集聚性為正表明為網絡具有聚斂性的作用大于擴張性,集聚性為負表明網絡的擴張性的作用大于聚斂性,交通碳排放關聯網絡的集聚性的系數顯著為負,表明交通碳排放空間關聯網絡呈現出顯著的擴張中心性的分布趨勢,而這種循環積累的關系擴張機制構成了多核心圈層結構的基本原理.

(2)行為者屬性:行為者屬性對交通碳排放關聯網絡的影響分異,以2019 年為例,在發送效應方面,第二產業占比提升對交通碳排放發出關系具有顯著的正向激勵作用,這主要由于省域間的產業轉型升級,造成地區間明顯的產業分異,中西部分省域承接高耗能和高污染產業的轉移,從而對周邊省區造成環境壓力,而第二產業占比過重造成區域更密集的碳排放發出效應.

在接收效應方面,第二產業占比、開放程度提升對交通碳排放接收關系具有正向激勵作用,即第二產業占比和開放程度較高會顯著推動地區間產業轉移和貿易要素流動,從而產生更多的交通碳排放的接收關系.城鎮化率和能源占比的提升對交通碳排放的接收關系具有反向抑制作用,放眼近20 年發現城鎮化率與能源占比對交通碳排放接收關系的影響并不是單調線性的,其中城鎮化率與交通碳排放接收關系呈現倒“U”型關系,表明當城鎮化率到一定階段,人口的相對集中對交通運輸需求會發揮成本優化效應,從而抑制交通碳排放的接收效應.而我國雖然高度重視新能源產業的發展,但清潔能源的生產制造還處于初級階段,以煤炭為主的能源結構尚未得到本質上的扭轉,資本與技術的投入產出尚不穩定,使得交通碳排放的發出效應和接收效應均呈現出較大波動[14].

在異配效應方面,區域間城鎮化率差異對交通碳排放關聯關系的形成具有反向抑制作用,即隨著城鎮化率的提升,單純依靠商品和服務流動難以大規模影響區域交通碳排放關聯,“以鄰為壑”的情況在交通碳排放空間關聯網絡中更為普遍.區域間開放程度、經濟發展水平、產業結構的互補性有利于促進交通碳排放空間關聯網絡的形成,體現出區域間的擇優連接.進入21 世紀以來,各省域間形成明顯的貿易產業分工格局,經濟要素流動不斷加快,加之不同地區的資源稟賦差異,其中對外開放程度、經濟發展水平和產業結構分別影響著區域要素的流通速度、流通體積、流通質量,這三者差距較大的區域間表現出交通碳排放關聯關系的擇優選擇特征.

(3)外部環境因素:地理距離和貿易網絡的系數在所有模型中均顯著為正,分別表明交通碳排放呈現出明顯的空間集聚特征以及緊密的區域貿易聯系會加強交通碳排放空間關聯網絡的形成[9].在地理鄰近機制和空間聯動效應的雙重作用下,交通碳排放空間關聯效應呈現出距離衰減規律特征.

4 政策建議

短期:落地重大項目,推動綠色交通轉型聯動.依托大數據技術和新能源技術的產業化應用,多地聯合統籌新型交通能源基礎設施體系建設,交通碳減排相關政策的制定不應以地理鄰近為限制,應當通觀全局,關注各省份之間交通碳排放效率在空間上的聯系,開展交通碳減排發展聯合創新項目,將交通、自然、生態、能源、城市規劃、農業等部門的資源和信息集成,以確保政策的有序協同和項目精準落地.

中期:提升協同水平,加強跨區域交通碳減排協調機制.根據交通碳排放關聯網絡時空特征,在碳排放配額總量確定與分配方案、碳排放權交易管理辦法、財政干預模式的制定上,在注重效率優先的同時,也應當考慮交通碳排放效率關聯通道的可持續性,避免政策落實“運動化”,難以擴大覆蓋面.

交通與民生關系密切,逐步深化交通裝備、基礎設施和運輸組織中綠色交通建設,強化跨區域綠色客運和貨運的市場引導,在交通碳排放網絡優化驅動能力提升中,綠色交通建設給予一定的財政傾斜,例如綠色交通工具的跨區域運輸給予補貼,加大跨區域間的綠色交通用能供給設施聯動建設等.

長期:頂層零碳設計,工業化-產業化-市場化全面協同.推動多地協同聯動發展交通“零排放”轉型,滿足條件先行先試,集中資源,優勢突破,構建城市群和都市圈的交通“零排放”區,推動各區域間交通碳排放效率的區域聯動和協同提升,打破中西部低碳交通資源要素的條塊分割,合力推動新能源交通產業轉型,優化交通碳排放“核心-邊緣”結構,促進多地共建零碳新能源交通產業鏈,在工業化、產業化和市場化上跨區域合作構建供應鏈,保持長效的產業結構優化與政策匹配.

5 結論

5.1 交通碳排放關聯網絡存在周期波動-梯度分異-核心邊緣的時空特征:我國省域交通碳排放關聯網絡整體關聯結構較為復雜,時間上呈現周期性波動特征,空間上呈現核心虹吸等級梯度特征.北京、上海、江蘇、浙江、廣東等發達省份在交通碳排放關聯網絡中呈現沿海核心局勢,青海、寧夏、廣西、吉林等省份位于關聯網絡的邊緣位置,展現出西部邊緣結構,基本形成沿海核心占主導作用,西部邊緣起轉配作用.

5.2 交通碳排放關聯網絡存在局部集聚-經紀中介-鄰域優先的連通模式特征:我國交通碳排放關聯網絡微觀連通模式集聚特征顯著,存在明顯的局部路徑依賴,主要表現為各區域偏好于以“互惠”或“組團”的方式參與交通碳排放空間關聯活動,同時交通碳排放的空間關聯網絡存在區域間梯度斷層現象,即兩個區域需要借助“經紀人”才能間接形成交通碳排放的空間關聯關系.此外,地理鄰近和經濟鄰近對我國交通碳排放空間關聯網絡的演化有較好的解釋能力.

5.3 交通碳排放關聯網絡存在內生支撐—屬性多樣-外部梯變的關聯屬性特征:城鎮化率、第二產業占比、公路周轉量比重提升有利于推動區域交通同時產生更多的碳排放發出關系;開放程度、人均GDP、能源效率以及清潔能源占比的提升有利于推動區域交通產生更多的碳排放接收關系;區域間城鎮化率、運輸結構會抑制區域間交通碳排放關聯關系的形成;區域間開放程度、經濟發展水平、產業結構的互補性有利于促進交通碳排放空間關聯網絡的形成.中國交通碳排放空間關聯效應受到地理鄰近效應的影響呈現出地理距離衰減規律及梯度關聯趨向特征;同時,交通碳排放空間關聯網絡的形成也不同程度受到互惠性、連通性、集聚性等內生結構變量的影響.