王彩娟，季順偉，任麗燕*

（1. 寧波大學(xué)地理與空間信息技術(shù)系，浙江·寧波 315211；2. 寧波市高等學(xué)校協(xié)同創(chuàng)新中心 寧波陸海國土空間利用與治理協(xié)同創(chuàng)新中心，浙江·寧波 315211；3. 浙江省新型重點(diǎn)專業(yè)智庫寧波大學(xué)東海戰(zhàn)略研究院東海海洋生態(tài)研究中心，浙江·寧波 315211）

氣候變化的全球風(fēng)險(xiǎn)主要集中表現(xiàn)在城市地區(qū)，在海岸生態(tài)系統(tǒng)中的沿海城市和地區(qū)的體現(xiàn)更為明顯[1]。城市群作為主要的經(jīng)濟(jì)活動(dòng)區(qū)域和CO2主要排放區(qū)域[2]，大多分布在沿海地區(qū)。長三角城市群是世界六大都市圈之一，中國三大城市群之一[3]，位于中國東部沿海地區(qū)，受全球氣候變暖的影響較大。其容納我國最優(yōu)質(zhì)的資本、人力等資源，是經(jīng)濟(jì)密度最高的區(qū)域之一，但同時(shí)也是生態(tài)環(huán)境問題高度集中的地區(qū)[4-5]。建成碳達(dá)峰與碳中和城市群，對(duì)于中國實(shí)現(xiàn)雙碳目標(biāo)具有重要意義[6]。在此背景下，研究長三角城市群碳排放空間關(guān)聯(lián)，實(shí)現(xiàn)協(xié)同減排值得政府重視。

已有的城市群碳排放研究主要集中在其時(shí)空分異與時(shí)空格局[7-8]、生態(tài)效率[9-10]、碳達(dá)峰預(yù)測[11-12]、低碳城市群建設(shè)[13]、環(huán)境規(guī)制[9,14-15]等方面。整體而言，空間因素逐漸成為城市群碳排放研究的重點(diǎn)。空間關(guān)系是多元的、復(fù)雜的，受多種因素共同作用的影響較大，因此針對(duì)具體的城市群碳排放網(wǎng)絡(luò)結(jié)構(gòu)及作用進(jìn)行研究。

目前碳排放空間關(guān)聯(lián)的研究區(qū)域主要以大區(qū)域和行業(yè)為主，具體集中在交通運(yùn)輸業(yè)、建筑業(yè)、工業(yè)、電力行業(yè)[16-20]重點(diǎn)碳排放行業(yè)，對(duì)于城市群尺度碳排放的空間網(wǎng)絡(luò)結(jié)構(gòu)研究較少。城市群是碳達(dá)峰碳中和的責(zé)任區(qū)[6]，是具有網(wǎng)絡(luò)關(guān)系與層級(jí)性的區(qū)域空間[21]，其在發(fā)展過程中，有利于城市間CO2排放分布的空間關(guān)聯(lián)與依賴[22]。關(guān)于城市群碳排放空間網(wǎng)絡(luò)關(guān)聯(lián)研究相對(duì)較少，目前相關(guān)文獻(xiàn)對(duì)長江中游城市群土地利用[23]、珠三角城市群[24]的碳排放空間關(guān)聯(lián)進(jìn)行了研究。探索碳排放空間關(guān)聯(lián)性的研究方法主要是空間計(jì)量方法和社會(huì)網(wǎng)絡(luò)分析方法（social network analysis，簡稱SNA）?；诳臻g計(jì)量方法研究表明碳排放的空間關(guān)聯(lián)在地理相鄰和經(jīng)濟(jì)相連的區(qū)域間更可能存在[17]。部分研究結(jié)合引力模型，利用SNA方法研究了碳排放的空間關(guān)聯(lián)，從整體和個(gè)體網(wǎng)絡(luò)結(jié)構(gòu)特征兩方面分析空間關(guān)聯(lián)[25]。

通過梳理相關(guān)文獻(xiàn)發(fā)現(xiàn)：（1）從研究主題看，城市群碳排放早期的研究主要集中基于地理鄰近性或者僅考慮距離間的線性模式，結(jié)果只揭示了少量的空間關(guān)聯(lián)度，對(duì)碳排放空間網(wǎng)絡(luò)關(guān)聯(lián)的研究尚需進(jìn)一步深入。（2）從研究尺度看，有關(guān)城市群碳排放空間網(wǎng)絡(luò)關(guān)聯(lián)研究較少，城市群作為經(jīng)濟(jì)活力最強(qiáng)，同時(shí)環(huán)境污染較為嚴(yán)重的地區(qū)，實(shí)現(xiàn)城市群碳中和有重要示范作用。（3）研究方法而言，SNA方法可以有效突破傳統(tǒng)計(jì)量方法所依賴的屬性數(shù)據(jù)，針對(duì)關(guān)系數(shù)據(jù)從整體和個(gè)體方面對(duì)網(wǎng)絡(luò)結(jié)構(gòu)特征進(jìn)行分析，揭示地區(qū)間復(fù)雜空間關(guān)聯(lián)?；诖?，本文以長三角城市群25市作為研究區(qū)域，基于引力模型構(gòu)建長三角能源碳排放的空間關(guān)聯(lián)網(wǎng)絡(luò)，同時(shí)對(duì)該關(guān)聯(lián)網(wǎng)絡(luò)的結(jié)構(gòu)特征進(jìn)行分析，并選擇地理探測器作為機(jī)制分析的方法。由整體到局部多角度分析，對(duì)于理清長三角城市群城市內(nèi)部的碳排放關(guān)聯(lián)關(guān)系，提升該區(qū)域的碳中和能力有重要意義。

1 數(shù)據(jù)與方法

1.1 研究區(qū)域

本文選取長三角地區(qū)江蘇、浙江、上海兩省一市的城市作為研究對(duì)象，區(qū)域內(nèi)工業(yè)基礎(chǔ)雄厚、商品經(jīng)濟(jì)發(fā)達(dá)，水陸交通方便，是全國最大的外貿(mào)出口基地，全球六大都市圈之一。依據(jù)2010年國務(wù)院批復(fù)的《長江三角洲地區(qū)區(qū)域規(guī)劃的通知》，其中包括兩省一市的25個(gè)城市：上海，江蘇省的13個(gè)城市（南京、蘇州、常州、無錫、鎮(zhèn)江、南通、揚(yáng)州、泰州、徐州、鹽城、淮安、宿遷、連云港），浙江省的11個(gè)城市（杭州、寧波、溫州、紹興、湖州、嘉興、金華、衢州、臺(tái)州、麗水、舟山）。2019年，長江三角洲地區(qū)正式擴(kuò)容，江蘇，浙江，上海二省一市全部仍為擴(kuò)容后的長江三角洲地區(qū)一部分。

1.2 能源碳排放的測算

能源數(shù)據(jù)主要源于2000-2015年《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》以及各省市的統(tǒng)計(jì)年鑒，為減少數(shù)據(jù)波動(dòng)的影響，文中所有數(shù)據(jù)均采用2000、2005、2010、2015四個(gè)年份的統(tǒng)計(jì)數(shù)據(jù)，依據(jù)《省級(jí)溫室氣體清單編制指南》（發(fā)改辦氣候[2011]1041號(hào)）中的能源活動(dòng)計(jì)算公式進(jìn)行計(jì)算。

1.3 研究方法

首先通過修正的引力模型，將長三角城市群的能源碳排放空間關(guān)系用數(shù)據(jù)矩陣的形式表示，利于社會(huì)網(wǎng)絡(luò)分析方法分析。然后采用社會(huì)網(wǎng)絡(luò)分析法，從整體和個(gè)體性特征構(gòu)建空間關(guān)系網(wǎng)絡(luò)，明確各個(gè)城市在形成的網(wǎng)絡(luò)結(jié)構(gòu)中所處的地位及作用。最后采用地理探測器中的分異及因子探測器，識(shí)別影響該網(wǎng)絡(luò)的主導(dǎo)因子，生態(tài)和交互作用探測器識(shí)別影響該網(wǎng)絡(luò)的關(guān)鍵交互因子。

1.3.1 引力模型

描繪空間關(guān)聯(lián)的方法主要有格蘭杰因果檢驗(yàn)的向量自回歸分析方法和引力模型。由于引力模型在分析空間演化趨勢上更具優(yōu)勢，因此采用該模型刻畫長三角各城市之間的碳排放引力程度。地理上的鄰近性、經(jīng)濟(jì)的發(fā)展水平差異、人口規(guī)模是影響空間關(guān)系的重要因素。此外，居民收入的增加，也會(huì)導(dǎo)致能源需求的增加，碳排放量增多，影響碳排放的空間聯(lián)系。因此，為了增強(qiáng)該方法的適用性，在傳統(tǒng)空間引力模型的原有指標(biāo)體系中引入碳排放量和城鎮(zhèn)居民家庭收入指標(biāo)，建立碳排放空間引力模型公式：

式中：Wi,j和di.j分別表示i和j兩城市間的經(jīng)濟(jì)引力和交通距離，交通距離用以表示兩城市之間地理距離：Pi表示城市i的年末總?cè)丝跀?shù)、Gi表示城市i的GDP、Ci和ri分別表示城市i的碳排放總量和城鎮(zhèn)居民可支配收入。在10.2版本的ArcGIS中提取各城市幾何中心來計(jì)算距離。

根據(jù)引力模型公式（1）計(jì)算得出長三角各城市能源碳排放之間的引力矩陣，該矩陣相較于數(shù)值矩陣，在反映地區(qū)碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)特征方面更具優(yōu)勢[26]，其可以反映出各城市之間碳排放影響強(qiáng)度的大小[27]。對(duì)引力矩陣進(jìn)一步處理分析，將各行數(shù)值的平均值作為臨界值，若計(jì)算結(jié)果高于該值，記作“1”，用以表示長三角的2個(gè)城市之間的能源碳排放具有關(guān)聯(lián)性，反之則為“0”，表示不相關(guān)[27]。

1.3.2 整體性與中心性指標(biāo)

社會(huì)網(wǎng)絡(luò)分析方法通過分析網(wǎng)絡(luò)中節(jié)點(diǎn)間存在的關(guān)系，進(jìn)而揭示網(wǎng)絡(luò)的結(jié)構(gòu)及相對(duì)應(yīng)的屬性特征，其主要分為整體性網(wǎng)絡(luò)特征和個(gè)體網(wǎng)絡(luò)結(jié)構(gòu)特征。

長三角城市群能源碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)的整體性特征可以用網(wǎng)絡(luò)密度、效率、網(wǎng)絡(luò)等級(jí)密度表示[28]。網(wǎng)絡(luò)密度反映各城市之間網(wǎng)絡(luò)關(guān)聯(lián)的緊密程度，密度與關(guān)聯(lián)性呈正比。網(wǎng)絡(luò)等級(jí)密度能夠反映城市在碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)中是否處于支配地位，其數(shù)值越大，表明在該空間關(guān)聯(lián)網(wǎng)絡(luò)中個(gè)別城市處于主導(dǎo)地位，較多城市處于網(wǎng)絡(luò)邊緣[28]。網(wǎng)絡(luò)效率是衡量碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)中存在多余關(guān)聯(lián)程度的指標(biāo)，數(shù)值與碳排放聯(lián)系呈現(xiàn)負(fù)相關(guān)，網(wǎng)絡(luò)效率越低，表示各市碳排放聯(lián)系就越緊密，空間溢出渠道越多[27]，網(wǎng)絡(luò)也越復(fù)雜和穩(wěn)定。

城市在網(wǎng)絡(luò)中的地位和作用可以用中心性分析指標(biāo)來衡量。本文選取標(biāo)準(zhǔn)化度數(shù)中心度作為主要指標(biāo)進(jìn)行分析，該指標(biāo)可以度量城市所處網(wǎng)絡(luò)中心位置的程度，數(shù)值越大，表示該市與其他市碳排放的空間關(guān)聯(lián)程度越大，距離網(wǎng)絡(luò)中心越近。其是根據(jù)該城市與其他城市之間所存在關(guān)系個(gè)數(shù)情況進(jìn)行計(jì)算的，參照已有的相關(guān)公式計(jì)算[28]。

1.3.3 地理探測器

由于地理探測器所需的假設(shè)條件較少，且在處理過程中可以有效克服傳統(tǒng)方法所面臨的局限性，因此在地理環(huán)境因子相關(guān)關(guān)系的研究中逐漸受到青睞。本研究選擇年末總?cè)丝?X1)、城鎮(zhèn)化率(X2)、GDP(X3)、二產(chǎn)比重(X4)、固定資產(chǎn)投資(X5)、出口總額(X6)、實(shí)際利用外資(X7)、社會(huì)消費(fèi)零售總額(X8)、城鎮(zhèn)居民人均可支配收入(X9)和煤類能源占比(X10)作為分析因素。對(duì)碳排放影響因素進(jìn)行離散化處理的基礎(chǔ)上，首先運(yùn)用因子探測和生態(tài)探測識(shí)別影響長三角地區(qū)能源碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)的主導(dǎo)因子，然后通過將不同的因子交互疊加，進(jìn)行交互探測，探尋該關(guān)聯(lián)網(wǎng)絡(luò)的關(guān)鍵交互因子[29]。所有數(shù)據(jù)均來自于《中國城市統(tǒng)計(jì)年鑒》與《中國統(tǒng)計(jì)年鑒》。

（1）分異及因子探測器

首先探測Y的空間分異性，其次可以反映出某因子X解釋屬性Y呈現(xiàn)空間分異的程度。用q值度量，表達(dá)式為：

其中：h表示變量X的數(shù)量，N為研究區(qū)樣本數(shù)，σ2為區(qū)域內(nèi)總方差。q的值域?yàn)閇0,1]，值越大說明樣本的空間分異性越明顯，相反則越弱。

（2）生態(tài)探測器

該方法主要用來解釋不同的因子對(duì)于碳排放空間分異的解釋力，以F檢驗(yàn)來度量：

式中：F為值，在單元p的范圍內(nèi)，nC.p表示因子C的樣本量，nD.p表示因子D的樣本量，σC.p2和σD.p2分別為因子C和D的方差，統(tǒng)計(jì)表達(dá)式服從(FnC.p-1,nD.p-1)和df(nC.p,nD.p)分布。當(dāng)F值達(dá)到5%，則說明兩因子對(duì)于結(jié)果的解釋存在顯著差異。

（3）交互作用探測器

識(shí)別不同風(fēng)險(xiǎn)因子X之間的交互作用，可以明確某評(píng)估因子對(duì)于Y的影響是獨(dú)立的，因?yàn)楫?dāng)不同的評(píng)估因子共同作用時(shí)，可能會(huì)改變對(duì)因變量Y的解釋力。評(píng)估的方法是首先分別計(jì)算兩種因子X1和X2對(duì)Y的q值：q(X1)和q(X2)，并且計(jì)算它們交互時(shí)的q值：q(X1∩X2)，并對(duì)這三個(gè)值進(jìn)行比較，具體參見已有文獻(xiàn)[30]。

2 長三角能源碳排放格局與空間關(guān)聯(lián)分析

2.1 碳排放格局與聯(lián)系強(qiáng)度

如圖1所示，長三角地區(qū)各市能源碳排放自2000年以來總體呈現(xiàn)幾何倍增長。主要碳排放城市為南京、徐州、無錫、蘇州、上海、杭州、寧波。這些城市的高碳排可能與當(dāng)?shù)毓I(yè)的發(fā)展有關(guān)，煤炭能源、石油能源等是碳排放的主要來源，同時(shí)也是長三角地區(qū)碳排放較高的主要原因。寧波、臺(tái)州、金華、麗水的碳排放2000-2010年總體是增長趨勢，2010-2015年開始呈現(xiàn)下降或平緩趨勢，當(dāng)?shù)亟?jīng)濟(jì)的轉(zhuǎn)型發(fā)展與生態(tài)環(huán)境的整治是碳排放下降的重要原因。浙江省能源碳排放總量遠(yuǎn)低于江蘇，相較于江蘇，浙江省城市工業(yè)基礎(chǔ)較為薄弱，第三產(chǎn)業(yè)比重較高。第三產(chǎn)業(yè)為其經(jīng)濟(jì)發(fā)展的主力，碳排放系數(shù)遠(yuǎn)低于工業(yè)的煤炭、石油能源等。一定程度上表明浙江省對(duì)于能源類產(chǎn)業(yè)的依賴性遠(yuǎn)低于江蘇省，產(chǎn)業(yè)結(jié)構(gòu)優(yōu)于江蘇省。上海市碳排放總量遠(yuǎn)高于其他各市，2015年碳排放總量達(dá)到了17142萬噸。

圖1 長三角各市2000-2015年能源碳排放總量Fig.1 Total energy carbon emissions in Yangtze River Delta cities, 2000-2015

通過對(duì)長三角2000-2015年碳排放聯(lián)系強(qiáng)度進(jìn)行空間化得到圖2。一直以來上海與其他城市保持著絕對(duì)的高聯(lián)系性，在2000年這一時(shí)間點(diǎn)尤為突出，其對(duì)蘇南城市保持著較高的引力影響。2000年時(shí)，蘇北地區(qū)和浙江省各市碳排放整體上聯(lián)系較小。隨著時(shí)間的推移，長三角各城市之間的碳排放聯(lián)系逐漸加強(qiáng)。蘇北以徐州為重要節(jié)點(diǎn)城市，逐步形成各市之間的碳排放關(guān)系網(wǎng)絡(luò)。鹽城、徐州、南通成為了構(gòu)建蘇北城市碳排放群體的網(wǎng)絡(luò)的主體，與城市的碳排放的快速增長密切相關(guān)。在浙江省內(nèi)，嘉興市因毗鄰上海，地理位置優(yōu)越，受上海碳排放引力影響最大，成為了浙江省內(nèi)的重要聯(lián)系節(jié)點(diǎn)。杭州和寧波的產(chǎn)業(yè)和能源結(jié)構(gòu)在進(jìn)一步的轉(zhuǎn)型升級(jí)，資源、要素的不斷流通，致使其網(wǎng)絡(luò)結(jié)構(gòu)中的地位不斷提升。具體表現(xiàn)為杭州、寧波兩地的聯(lián)系強(qiáng)度逐漸增強(qiáng)，同時(shí)杭州與南京、揚(yáng)州等城市碳排放聯(lián)系密切，寧波與蘇州、無錫等城市聯(lián)系密切?？傮w而言，2000年以來江浙滬25市碳排放聯(lián)系逐漸加強(qiáng)，城市之間的能源流動(dòng)密切，整體碳排放空間網(wǎng)絡(luò)格局逐漸走向復(fù)雜化。

圖2 2000-2015年長三角城市碳排放聯(lián)系強(qiáng)度Fig.2 Carbon emission linkage intensity of cities in the Yangtze River Delta from 2000 to 2015

2.2 空間關(guān)聯(lián)特征分析

依據(jù)長三角城市之間的關(guān)系矩陣，代入公式計(jì)算四個(gè)時(shí)間節(jié)點(diǎn)的長三角城市群能源碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)的密度、等級(jí)度和效率。表1表明：2000-2015年，網(wǎng)絡(luò)密度總體呈現(xiàn)緩慢增長趨勢，但網(wǎng)絡(luò)密度值總體較低，最高的網(wǎng)絡(luò)密度值為0.2067，最低的網(wǎng)絡(luò)密度值為0.1533。這表明城市之間關(guān)系的緊密程度一般，通過共同合作實(shí)現(xiàn)減排的空間較大。2006年，長三角城市通過優(yōu)化調(diào)整產(chǎn)業(yè)和能源結(jié)構(gòu)、提升資源利用率、降低能源消耗量等，促使區(qū)域范圍內(nèi)的資源、能源等各要素流通程度增強(qiáng)，進(jìn)一步加強(qiáng)了網(wǎng)絡(luò)關(guān)聯(lián)，從而提升了城市碳排放間的空間關(guān)聯(lián)數(shù)。網(wǎng)絡(luò)等級(jí)度指標(biāo)保持0.8上下，表明長三角地區(qū)各城市在碳排放關(guān)聯(lián)網(wǎng)絡(luò)中的地位存在較大差異，區(qū)域碳排放空間分布的不平衡現(xiàn)象嚴(yán)重，其中上海處于支配地位，對(duì)其他省市的碳排放有重要影響。網(wǎng)絡(luò)效率指標(biāo)逐漸下降，表明不同城市之間的聯(lián)系逐漸增多，碳排放的空間關(guān)系變得更加緊密，能源排放之間的網(wǎng)絡(luò)趨于復(fù)雜和穩(wěn)定。

表1 2000-2015年長三角城市碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)的整體特征Table 1 Overall features of spatial correlation network of urban carbon emissions in Yangtze River Delta from 2000 to 2015

計(jì)算各市2000、2005、2010、2015四個(gè)年份的標(biāo)準(zhǔn)化度數(shù)中心度。整體上來看，上海的中心度遠(yuǎn)高于其他城市,在該網(wǎng)絡(luò)結(jié)構(gòu)中的地位最高，距離網(wǎng)絡(luò)中心最近。這表明碳排放聯(lián)系網(wǎng)絡(luò)中空間權(quán)重逐漸降低，碳排放的總量、社會(huì)經(jīng)濟(jì)聯(lián)系等權(quán)重逐漸增加（圖3）。趨勢上看，南京、無錫、蘇州三座城市的中心度都有所提升，表明長三角地區(qū)以上海市和蘇南城市作為主要節(jié)點(diǎn)中心，對(duì)于碳排放的空間溢出存在很大影響，在能源和產(chǎn)業(yè)的轉(zhuǎn)移過程中地位不斷提升。浙江省GDP結(jié)構(gòu)中工業(yè)產(chǎn)值比重相對(duì)較低，以第三產(chǎn)業(yè)為主的能源碳排放消耗在區(qū)域之間的流動(dòng)較弱，區(qū)域聯(lián)系不密切。

圖3 長三角城市碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)的標(biāo)準(zhǔn)度數(shù)中心度Fig.3 Standard degree centrality of spatial correlation network of urban carbon emissions in Yangtze River Delta

3 空間關(guān)聯(lián)特征影響因素分析

3.1 因子分析

因子探測器主要探測各影響因素對(duì)碳排放總量的解釋程度。表2為2000-2015年各影響因子的解釋力大小。不同的年份各因子的解釋力不同，表明影響地區(qū)碳排放格局機(jī)制的改變。P值小于等于0.05代表該解釋具有顯著相關(guān)。

表2 碳排放格局分異因子探測器結(jié)果Table 2 Results of carbon emission pattern differentiation factor detector

2000-2005年城鎮(zhèn)居民人均可支配收入、二產(chǎn)比重和煤類能源占比三因子與碳排放總量不相關(guān)，其余因子均呈現(xiàn)顯著相關(guān)，且均為正相關(guān)。其中固定資產(chǎn)投資、出口總額、外資利用是以政府為主導(dǎo)的城市發(fā)展因子，q值保持在0.8上下，且均在1%的水平下正相關(guān)。說明2000-2005年長三角地區(qū)城市碳排放空間關(guān)系主要受政府行為主導(dǎo)。2005年的二產(chǎn)的比重與碳排放的相關(guān)性由不相關(guān)增加到了5%水平的顯著相關(guān)，這表明2005年長三角地區(qū)的第二產(chǎn)業(yè)發(fā)展迅速，對(duì)于區(qū)域碳排放格局的解釋能力大大加強(qiáng)?？傮w而言，GDP、固定資產(chǎn)投資、出口總額在長三角碳排放格局中始終保持較高的解釋力。長三角地區(qū)作為改革開放中快速成長的地區(qū)，經(jīng)濟(jì)發(fā)展很大程度得益于外資的進(jìn)入，因此在2000、2005、2010三個(gè)年份中，實(shí)際利用外資對(duì)于區(qū)域的碳排放都占據(jù)了非常高的解釋水平。政府主導(dǎo)的固定資產(chǎn)投資解釋力較高一定程度表明政府在城市建設(shè)的過程中低碳技術(shù)水平并未同步提高。

2010-2015年人均可支配收入顯著相關(guān)，q值由0.44增加到0.66。城鎮(zhèn)居民的可支配收入對(duì)于城市碳排放空間格局的影響不斷加深，居民的可支配收入是碳排放增長的推動(dòng)力之一。2010-2015年固定資產(chǎn)投資、實(shí)際利用外資、社會(huì)消費(fèi)零售總額等因子顯著程度逐漸降低，其中固定資產(chǎn)投資和實(shí)際利用外資分別由之前的5%和1%的顯著相關(guān)直接下降到不相關(guān)。究其原因可能是2012年金融危機(jī)的深層次影響爆發(fā)，中國實(shí)際利用外資較少。2013年，中國對(duì)外產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化升級(jí)，碳排放強(qiáng)度降低，導(dǎo)致實(shí)際利用外資與碳排放的相關(guān)性持續(xù)降低直至不相關(guān)。在中國的經(jīng)濟(jì)高速發(fā)增長背景下，公共基礎(chǔ)設(shè)施等方面的技術(shù)水平提升，硬件逐漸達(dá)到先進(jìn)水平，消耗的碳排放減少，因此固定資產(chǎn)投資與碳排放在2015年呈現(xiàn)不相關(guān)。經(jīng)濟(jì)的轉(zhuǎn)型發(fā)展、科學(xué)技術(shù)的提升是社會(huì)消費(fèi)零售總額與碳排放相關(guān)性減少的主要原因。三個(gè)影響因子與碳排放的相關(guān)性下降，政府主導(dǎo)的城市建設(shè)、國際貿(mào)易等活動(dòng)導(dǎo)致的碳排放增長與整個(gè)地區(qū)的碳排放增長速度相比相對(duì)減緩也是重要原因。

總體而言經(jīng)濟(jì)發(fā)展和政府政策是長三角區(qū)域內(nèi)碳排放空間關(guān)聯(lián)的重要影響因素。大量外資進(jìn)入，政府大量的固定資產(chǎn)投資是上海等城市高碳排放的主要原因。隨著經(jīng)濟(jì)的發(fā)展，碳排放量也在同步增加，但碳排放強(qiáng)度有所減少，說明經(jīng)濟(jì)發(fā)展與碳排放未實(shí)現(xiàn)脫鉤，但是呈現(xiàn)好轉(zhuǎn)的趨勢。

3.2 生態(tài)探測與交互作用探測分析

比較2000、2005、2010和2015年四個(gè)年份生態(tài)探測器結(jié)果，意圖發(fā)現(xiàn)長三角地區(qū)碳排放空間分布的主要影響因子（表3）。每個(gè)因子X分為四類，依次對(duì)應(yīng)著2000、2005、2010和2015年四個(gè)年份的雙因子的顯著性檢測（探測結(jié)果小于0.05的表明存在顯著的差異）。

表3 碳排放生態(tài)探測Table 3 Ecological detection of carbon emissions

結(jié)果表明：年末總?cè)丝?X1)、城鎮(zhèn)化率(X2)與所選指標(biāo)體系中的其他碳排放因素存在顯著差異，對(duì)于碳排放的空間分布影響差異較大。伴隨著時(shí)間的推移，兩者解釋能力逐步下降直至結(jié)果不顯著。早期年份中碳排放主要集中于南京、蘇州等經(jīng)濟(jì)發(fā)達(dá)城市。盡管這些城市人口數(shù)量較多，但是相較于蘇北、浙南等龐大的農(nóng)村人口基數(shù)仍然較少，彼時(shí)城市之間的人口流動(dòng)數(shù)量較少。這導(dǎo)致了人口的分布與碳排放空間格局與關(guān)聯(lián)上的錯(cuò)位，解釋了年末總?cè)丝?X1)、城鎮(zhèn)化率(X2)與其他影響因素對(duì)于碳排放空間分布存在顯著的差異。同樣在2000-2010年二產(chǎn)比重與其他變量存在顯著差異，第二產(chǎn)業(yè)比重較大的落后城市如鹽城、連云港、臺(tái)州等導(dǎo)致該因子的空間分布產(chǎn)生差異。在2015年，固定資產(chǎn)投資(X5)則與出口總額(X6)、實(shí)際利用外資(X7)、社會(huì)消費(fèi)零售總額(X8)、城鎮(zhèn)居民人均可支配收入(X9)產(chǎn)生顯著的分布影響差異。

所有年份，所有因子均呈現(xiàn)非線性加強(qiáng)影響，因子解釋力增加更為明顯。交互探測主要分析碳排放影響因素對(duì)碳排放總量的空間分布是否存在交互作用。結(jié)果發(fā)現(xiàn)所有交互因子對(duì)長三角碳排放空間關(guān)聯(lián)的解釋力水平相對(duì)于單因子都有所增強(qiáng)。其中，2000年城鎮(zhèn)化率和GDP占比與其他因子交互作用相比影響更大，交互后因子解釋力最大為0.94，顯著大于單因子城鎮(zhèn)化率解釋力0.53。這說明，任意兩個(gè)碳排放影響因素交互后對(duì)碳排放總量的因子解釋力均會(huì)顯著提升，即碳排放的空間聯(lián)系整體受到各維度分項(xiàng)因素的共同制約，雙因子交互后的解釋力比單因子的解釋力強(qiáng)。因此在落實(shí)減排政策時(shí)，不僅需要考慮單項(xiàng)政策的實(shí)施效果，更重要的是考慮哪種政策組合能將減排效果達(dá)到最佳。

4 結(jié)論與討論

4.1 結(jié)論

本文利用2000-2015年長三角各城市能源碳排放數(shù)據(jù)構(gòu)建修正的引力模型，刻畫長三角碳排放的空間關(guān)聯(lián)網(wǎng)絡(luò)，結(jié)合地理探測器對(duì)其空間格局進(jìn)行機(jī)制分析。結(jié)果顯示：

（1）長三角各城市能源碳排放空間聯(lián)系逐漸增強(qiáng)，網(wǎng)絡(luò)結(jié)構(gòu)趨于復(fù)雜，空間排放溢出具有較高等級(jí)。城市碳排放之間的網(wǎng)絡(luò)聯(lián)系數(shù)量、網(wǎng)絡(luò)密度呈現(xiàn)上升趨勢，網(wǎng)絡(luò)效率明顯下降。城市間碳排放的聯(lián)系較為密切，城市之間等級(jí)結(jié)構(gòu)失衡，上海、南京、蘇州、無錫等城市長期處于支配地位，衍生出以上海為中心的區(qū)域性聯(lián)系網(wǎng)絡(luò)。在個(gè)體網(wǎng)絡(luò)特征方面，各城市中心性差距較大，其在網(wǎng)絡(luò)中的地位和發(fā)揮的作用存在明顯的非均衡性。伴隨著能源消費(fèi)的流動(dòng)以及城市之間的產(chǎn)業(yè)轉(zhuǎn)移，發(fā)展較好的大型城市在網(wǎng)絡(luò)中的中心性逐漸加強(qiáng)，距離因素的影響逐漸減弱。

（2）長三角碳排放空間關(guān)聯(lián)受各維度分項(xiàng)因子的制約，主要受經(jīng)濟(jì)發(fā)展與政府政策的影響，距離因素的影響降低。從以政府行為為主導(dǎo)的碳排放能源消耗到人均可支配收入的高解釋力，反映了長三角地區(qū)城市發(fā)展戰(zhàn)略的改變。外資的進(jìn)入與使用，政府大量的固定資產(chǎn)投資是早期大型城市中心地位的主要原因，后期伴隨著收入增加而產(chǎn)生的高碳行為將會(huì)進(jìn)一步影響長三角碳排放格局。年末總?cè)丝谂cGDP、固定資產(chǎn)投資、出口總額、實(shí)際利用外資對(duì)于碳排放的空間分布而言存在顯著差異。同時(shí)碳排放空間關(guān)聯(lián)受到各維度分項(xiàng)因素的共同制約，兩個(gè)因素相互交互后的因子解釋力要明顯強(qiáng)于原來單個(gè)因素。

4.2 討論

實(shí)現(xiàn)全國“雙碳”需要鼓勵(lì)有條件的區(qū)域先行先試，長三角地區(qū)作為我國發(fā)展的先行示范區(qū)，率先實(shí)現(xiàn)該目標(biāo)可對(duì)全國其他地區(qū)碳減排起示范作用。而實(shí)現(xiàn)目標(biāo)的關(guān)鍵在于能源結(jié)構(gòu)的轉(zhuǎn)換，目前碳排放主以能源消耗為主，因此需要加快推進(jìn)節(jié)能降碳技術(shù)的創(chuàng)新，實(shí)現(xiàn)區(qū)域產(chǎn)業(yè)間的能源流動(dòng)與產(chǎn)業(yè)轉(zhuǎn)移、建立城市間協(xié)調(diào)的碳減排指導(dǎo)機(jī)制。通過建立區(qū)域聯(lián)動(dòng)體系，讓中心城市率先推動(dòng)碳達(dá)峰碳中和進(jìn)程，帶動(dòng)邊緣城市的碳結(jié)構(gòu)轉(zhuǎn)變，建立流動(dòng)的、平衡的區(qū)域碳中和網(wǎng)絡(luò)結(jié)構(gòu)，是未來需要關(guān)注的重點(diǎn)。

基于以上討論，本文提出以下建議：

（1）發(fā)揮上海、蘇南等地區(qū)的中心作用，根據(jù)各城市的實(shí)際發(fā)展情況，建立協(xié)同減排機(jī)制。長三角城市碳排放的空間聯(lián)系分布不均衡，因此應(yīng)充分發(fā)揮上海、蘇州、南京等城市的中心作用，建立城市間協(xié)調(diào)的碳減排指導(dǎo)機(jī)制，完善碳補(bǔ)償、碳交易市場等機(jī)制。從全局看，要充分發(fā)揮中心城市的影響力，讓中心城市率先推動(dòng)區(qū)域碳減排進(jìn)程。建立區(qū)域聯(lián)動(dòng)體系，在碳排放內(nèi)部治理的基礎(chǔ)上，擴(kuò)大區(qū)域環(huán)境質(zhì)量監(jiān)測范圍。

（2）不斷優(yōu)化長三角城市碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)，加快碳平衡。通過區(qū)域間產(chǎn)業(yè)轉(zhuǎn)移、人口轉(zhuǎn)移和低碳技術(shù)交流，不斷完善碳排放網(wǎng)絡(luò)。

（3）促進(jìn)經(jīng)濟(jì)的高質(zhì)量發(fā)展的同時(shí)，政府制定的政策應(yīng)注重多維度因素的聯(lián)合控制，加快節(jié)能降碳技術(shù)的發(fā)展，優(yōu)化區(qū)域能源結(jié)構(gòu)。