長江經濟帶交通碳排放空間網絡結構特征及影響因素研究

劉云龍　劉佳　黃承鋒

摘要：測算2000年-2020年長江經濟帶交通碳排放量，應用修正后的引力模型，構建長江經濟帶交通碳排放關聯網絡，采用社會網絡分析方法分析碳排放網絡整體特征與個體特征，并運用QAP分析法探析整體網絡的影響因素。結果表明，長江經濟帶交通碳排放顯著增加，整體網絡結構朝著緊密化和復雜化的趨勢前進，且存在不均衡性。經濟發展水平差距、人口密度差異、貨運周轉量差異、行政區面積差異對長江經濟帶交通碳排放空間溢出效應具有正向的顯著影響，地理距離差異、交通碳排放強度差異對其產生負向影響。

關鍵詞：交通碳排放；社會網絡分析；QAP分析；影響因素

中圖分類號：X22 文獻標志碼：A

前言

全球氣候變化已成為國際社會公認的全球性問題，中國作為世界第二大經濟體，碳排放總量居世界前列，隨著經濟社會發展，有持續增加趨勢，交通運輸作為經濟社會發展的支撐，其碳排放約占全國排放總量的9%-10%。《國家綜合立體交通網規劃綱要》提出需加快推進交通領域低碳綠色發展，促進二氧化碳排放盡早達峰。長江經濟帶的總人口及生產總值均超過全國的40%，研究分析長江經濟帶的碳排放空間網絡結構，分析碳排放的溢出和轉移機理，對系統推進長江經濟帶交通運輸體系綠色發展、協同治理，推動交通運輸領域實現“雙碳”發展目標具有重要作用和意義。

當前，對交通碳排放的研究大多停留在國家層面，對區域研究多數也是選擇京津冀、長三角等交通發達區域，文章從長江經濟帶區域層面出發，基于長江經濟帶省際關系數據，借助修正后的引力模型和社會網絡分析（Social Network Analysis，SNA）揭示長江經濟帶2000年-2020年11省市之間交通碳排放網絡的整體結構和個體結構，分析各省市指標數據對長江經濟帶整體交通碳排放網絡關系的影響機理，為長江經濟帶省際區域制定協同減排政策提供參考。

1 研究方法

1.1 交通碳排放測算

綜合交通領域數據的可獲取性和準確性，文章參考了聯合國政府間氣候變化專門委員會（IPCC）提供的“自上而下”方法來核算長江經濟帶11省市的交通碳排放總量，計算公式如式（1）所示：

式（1）中，Cit表示為長江經濟帶中i省第t年的產生的交通碳排放，萬t；Eitk為i省第t年交通運輸中第k種能源的消耗量，萬t或億Kw·h或億m3；Fk為第k種能源的折標準煤系數，千克標準煤／千克或m3或Kw·h；EFk為第k種能源的碳排放系數，千克碳／千克標準煤；其中l種能源包括原煤、汽油、煤油、柴油、燃料油、液化石油氣、天然氣以及電力，Fk與EFk的具體數值參照閆樹熙的研究。

1.2 引力模型

原始的引力模型將人口和GDP作為影響因素來衡量兩地經濟關系，即人口指標和經濟指標，而省市之間的交通碳排放關系不僅與人口、GDP存在關系，經濟地理差異、產業結構差異也是重要的影響因素。為了更好地測度長江經濟帶11省市之間的交通碳排放引力強度大小，此研究參考鄭航的研究，引入各省市的交通碳排放量、交通行業GDP增加值、人均GDP值對原始引力模型的引力系數及空間距離進行修正，修正后的引力模型如式（2）所示：

其中，i、j分別表示不同的省市，Gij表示i、j兩省市之間交通碳排放的引力關系，Ci、Cj分別表示i、j兩省市的交通碳排放量，萬t；用i省份產生的交通碳排放量占i、j兩省份共同產生的交通碳排放量的占比來衡量引力系數；Pi、Pj表示i、j兩省市的年末常住人口數量，萬人；Gi、Gj表示i、j兩省市的生產總值，億元；Ui、Uj表示i、j兩省市的交通運輸、倉儲和郵政業增加值，億元；Dij表示i、j兩省市省會城市之間的地理距離，km;ei、ej表示i、j兩省市的人均GDP，元；Dij/ej-ej表示i、j兩省市之間的經濟距離。

1.3 數據來源及處理說明

研究時間范圍為2000年-2020年，以長江經濟帶11個省市（上海、江蘇、浙江、湖南、湖北、安徽、江西、四川、重慶、云南、貴州）為研究對象，各指標數據來源于《中國交通年鑒》（2000-2020）、《中國能源統計年鑒》（2000-2020）、《中國統計年鑒》（2000-2020）、《中國城市年鑒》（2000-2020）。

2 結果分析

2.1 長江經濟帶交通碳排放時空特征分析

2.1.1 時間演變分析

從長江經濟帶整體總量上看，交通碳排放總量從1710.41萬噸增長到8570.33萬噸，在2019年達到交通碳排放總量的最高點，年增長率8.39%，整體處于快速增長態勢。2000年-2020年長江經濟帶交通碳排放年增長率如圖1所示，2000年至2003年長江經濟帶城市化水平快速發展，交通運輸業得到大力發展，交通碳排放年增長率呈持續上升態勢。2004年長江經濟帶交通碳排放增速放緩，年增長率下降至10.9%，但隨之2005年長江經濟帶交通碳排放年增長率開始回升，2005年碳排放增長率為18.41%，2006年至2019年交通碳排放年增長率逐漸呈現穩定態勢，到2020年受到新冠肺炎疫情的影響，開始驟降至-5.4%。

2.1.2 空間演變分析

運用Arcgis 10.6繪制得到長江經濟帶交通碳排放空間分布圖，如圖2所示。2000年長江下游江浙滬地區處于交通碳排放的高值區域，湖北次之，重慶、貴州、江西等地區屬于碳排放低值區域；2005年江蘇、上海交通碳排放仍處于高位，湖北省的交通碳排放也逐漸追上長江下游地區的增長速度，而浙江省的碳排放增加速度卻有所放緩，貴州仍然屬于碳排放低值區域。2010年江浙滬、湖北從交通碳排放中值區域增加至較高碳排放區，貴州和江西仍處于交通碳排放的較低區域，長江上游的四川、云南交通碳排放也增長至碳排放中值區域，而安徽和江西的交通碳排放增速較緩。2015年長江下游江浙滬地區從較高碳排放區轉變為高碳排放區，湖北同樣也增長為碳排放高值區域，貴州和江西仍處于交通碳排放的低值區域，云南、湖南從中值碳排放區域轉變為較高碳排放區域。2020年長江經濟帶交通碳排放整體差異水平仍然顯著，長江下游、長江中游地區開始成為交通碳排放的高值區域，長江上游地區的四川、云南也轉變為碳排放較高區域，重慶、貴州轉變為碳排放中值區域。總體來看，長江經濟帶交通碳排放在空間上呈“東高西低”的分布特征。

2.2 長江經濟帶交通碳排放空間關系網絡分析

2.2.1 整體網絡特征分析

構建交通碳排放網絡關系鄰接矩陣，借助Uci-net6.0對網絡結構的整體網絡特征和個體網絡特征進行測度。測算得出長江經濟帶交通碳排放的整體網絡特征，如圖3和圖4所示。網絡密度從2000年的0.2727上升至2020年的0.3273，說明長江經濟帶交通碳排放網絡整體在往趨于緊密的方向發展，各省市之間的交通碳排放關聯度在不斷加強。2000年到2020年期間長江經濟帶交通碳排放關聯網絡中上海、浙江、江蘇處于主導地位，與其它省市的交通碳排放關聯較多。另外，長江經濟帶交通碳排放網絡中的關聯關系數在不斷增多，從2000年的30個增加到2019年的39個，2020年下降到36個，但是與最大可能的關聯關系還是存在很大差距，說明長江經濟帶交通領域碳排放的關聯程度還不夠緊密，整體的網絡關聯度還需要進一步提升。

研究期內長江經濟帶交通碳排放網絡的網絡等級度從2000年的0.9143下降到2020年的0.7174，說明交通碳排放等級森嚴制度逐漸被打破，網絡中的聯系作用逐步加強，長江經濟帶省際交通碳排放差異減小，網絡結構更加穩定。同樣，網絡效率也呈現出下降的趨勢，但相對于網絡等級度來說下降幅度較小，說明在長江經濟帶交通碳排放網絡中省際冗余聯系數增多，網絡結構的穩定性得到提升，整體網絡聯系更加緊密。

2.2.2 個體網絡特征分析

根據長江經濟帶省際交通碳排放關系矩陣，運用Ucinet6.0軟件計算得出2000年與2020年的長江經濟帶交通碳排放網絡各省市的度數中心度、接近中心度、中間中心度。對于度數中心度，研究期內度數中心度較大的城市數量在增加，說明長江經濟帶省際交通碳排放聯系在不斷加強。但度數中心度最大最小值相差8，表明長江經濟帶省際交通碳排放影響差異較大，整體網絡存在不均衡性。對于接近中心度，總體來看，上海、浙江、江蘇在交通碳排放網絡中是中心行動者，與其他省市相比在碳排放網絡中的影響力最高。而長江中游地區逐漸成為網絡中的邊緣行動者，自身的經濟發展水平不足，又難以被接近中心度高的中心城市所帶動，形成了中心一邊緣的交通碳排放網絡空間結構。對于中間中心度，長江經濟帶省際交通碳排放網絡的中間中心度數值相差較大，形成兩極分化的格局，長江經濟帶交通碳排放發展不均衡。中間中心度較高的省市如浙江、上海、江蘇在網絡中的中介作用極強，說明這些區域是整個長江經濟帶交通網絡的樞紐，而中間中心度較低的長江中游地區對網絡中的其他省份的控制能力和支配能力較弱，屬于被支配的邊緣地位。

2.3 長江經濟帶交通碳排放網絡的影響因素分析

2.3.1 模型構建

根據相關文獻的研究，選取2020年長江經濟帶各省市的GDP經濟發展水平差異，地理距離差異，貨運周轉量差異，客運周轉量差異，交通能耗強度差異，人口密度差異，交通碳排放強度差異，行政區面積差異8個指標，構建QAP回歸模型，來分析長江經濟帶交通碳排放空間關聯網絡結構的影響因素。計算公式如式（3）所示：

C=f（GD，Gd，Ft，Pt，TE，Pd，CI，S） 式（3）

式（3）中，C表示長江經濟帶交通碳排放網絡關聯矩陣，GD表示經濟發展水平差異矩陣，用長江經濟帶各省市的GDP表示；Gd表示地理距離差異矩陣，用兩省市之間的實際距離表示；Ft和Pt分別表示貨運周轉量差異矩陣和客運周轉量差異矩陣，用貨運周轉量來衡量；TE表示交通能耗強度，用能源消耗總量／換算總周轉量，其中公路客運貨運換算系數取0.1，水路客貨換算系數取0.33，航空客貨換算系數取0.072；Pd表示人口密度矩陣，取地區人口密度來衡量；CI表示交通碳排放強度矩陣，用交通碳排放總量／能耗消耗量來衡量；S表示行政區面積差異矩陣，用長江經濟帶各省市的行政區面積來衡量。除了C矩陣外，其余矩陣是采用對應指標的絕對差值構造的差值矩陣。

2.3.2 QAP回歸分析

借助Ucinet6.0軟件，經過5000次隨機置換，對長江經濟帶交通碳排放關聯網絡的影響因素模型進行QAP回歸，回歸結果見表1。結果表明長江經濟帶越臨近的省市交通碳排放的空間關聯性也就越大，距離的長度在很大程度上抑制長江經濟帶省際交通碳排放的空間溢出效應。貨運需求量差距越大，長江經濟帶省際交通碳排放空間溢出效應越大，因為貨運需求量大的區域往往經濟發展水平也相對較高，區域間經濟水平的不協調性促進交通碳排放的交流，同時也引證了經濟發展水平差異對交通碳排放空間溢出關系產生的重要影響。行政區面積差異越大也會越容易產生交通聯系，且區域間人口密度差異化會對長江經濟帶交通碳排放網絡的關聯性帶來積極的正向影響。能源消耗差異矩陣回歸系數為正，但表現為不顯著。省際交通碳排放強度差異越小，省市間交通碳排放的空間溢出效應越明顯，因為交通碳排放強度差異小意味著區域間低碳交通發展水平相近，對發展低碳交通所需要的資源需求也存在一定程度的相似，更加有利于省際交通碳排放空間關聯網絡的形成，對其緊密程度有一定的促進作用。

3 結論

根據測算2000年-2020年的長江經濟帶省際交通碳排放數據，基于修正后的引力模型，建立長江經濟帶省際交通碳排放的空間關聯矩陣，并運用社會網絡分析法進一步分析交通碳排放空間網絡結構的整體特征和個體特征，采用QAP探析長江經濟帶交通碳排放空間溢出效應的影響因素。研究發現：長江經濟帶交通碳排放呈快速增長態勢，整體網絡結構朝著緊密化和復雜化的趨勢前進，網絡密度和關聯關系數在不斷增加，網絡等級度和網絡效率逐漸下降，交通碳排放網絡形成兩極分化的格局。經濟發展水平差距、人口密度差異、貨運周轉量差異、行政區面積差異對長江經濟帶交通碳排放空間溢出效應具有正向的顯著影響，地理距離差異、交通碳排放強度差異對其產生負向影響。