摘要：研究目的：剖析“流空間”背景下湖北省縣域間土地利用碳排放的關(guān)聯(lián)動(dòng)態(tài)，并探究其影響因素，以期通過調(diào)控碳排放的關(guān)聯(lián)態(tài)勢(shì)推動(dòng)縣域間的協(xié)同碳減排。研究方法：夜間燈光數(shù)據(jù)模擬能源消耗模型、土地利用碳排放測(cè)算模型、修正的引力模型、社會(huì)網(wǎng)絡(luò)分析法、QAP回歸模型。研究結(jié)果：（1）研究期內(nèi)，湖北省土地利用碳排放呈現(xiàn)東高西低的空間格局；縣域間土地利用碳排放空間關(guān)聯(lián)明顯，整體形成以武漢市區(qū)為大核心，以各市轄區(qū)為小核心的多組團(tuán)結(jié)構(gòu)，網(wǎng)絡(luò)的穩(wěn)健性較強(qiáng)，等級(jí)結(jié)構(gòu)有所弱化，緊密度仍有待提升。（2）武漢、黃石等地的市轄區(qū)長(zhǎng)期居于網(wǎng)絡(luò)的核心地位，更多充當(dāng)凈收益角色。（3）人口流、信息流和經(jīng)濟(jì)流均顯著促進(jìn)縣域間碳排放關(guān)聯(lián)網(wǎng)絡(luò)的形成，其影響作用具有非線性和交互性特征；各縣域在經(jīng)濟(jì)、產(chǎn)業(yè)結(jié)構(gòu)、信息化、創(chuàng)新方面的差異水平及地理鄰近性也在不同程度上影響碳排放關(guān)聯(lián)網(wǎng)絡(luò)的形成。研究結(jié)論：需調(diào)控縣域間土地利用碳排放的關(guān)聯(lián)強(qiáng)度，依據(jù)各縣域在碳關(guān)聯(lián)網(wǎng)絡(luò)中的作用及發(fā)展態(tài)勢(shì)探索總體碳平衡目標(biāo)導(dǎo)向下的差別化碳減排措施，形成協(xié)同碳減排態(tài)勢(shì)。

關(guān)鍵詞：土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)；要素流動(dòng)；影響因素；湖北省縣域； 社會(huì)網(wǎng)絡(luò)分析；QAP回歸

中圖分類號(hào)：F301.2 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1001-8158（2024）03-0048-12

基金項(xiàng)目：國(guó)家自然科學(xué)基金面上項(xiàng)目（42371278）；教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目（16YJC630016）；中央高?；究蒲袠I(yè)務(wù)費(fèi)專項(xiàng)資金資助項(xiàng)目（2662020GGPY003）。

為在全球低碳發(fā)展中貢獻(xiàn)中國(guó)力量，中國(guó)政府于2020年正式提出“雙碳”目標(biāo)，并在2022年的《政府工作報(bào)告》中專門就有序推進(jìn)“碳達(dá)峰”和“碳中和”工作做出了布署。土地利用通過改變陸地生態(tài)系統(tǒng)的結(jié)構(gòu)和功能影響碳儲(chǔ)量的變化，其上所承載的大量碳交換活動(dòng)也影響著系統(tǒng)的碳循環(huán)速率[1]。近百年來，土地利用已成為第二大人為碳排放源[2]，中國(guó)的土地利用碳排放量也由1999年的9.3億t增至2015年的32億t[3]。學(xué)者們就土地利用碳排放的機(jī)理[4-5]和效應(yīng)[6]、碳排放量的測(cè)算方法[1，6]和影響因素[2-3]等方面展開了深入研究，結(jié)果表明作為一種空間經(jīng)濟(jì)行為，土地利用的碳排放具有地理空間上的集聚及溢出效應(yīng)[6-7]，并已逐漸形成網(wǎng)絡(luò)化關(guān)聯(lián)態(tài)勢(shì)[8-9]。探究土地利用的碳排放關(guān)聯(lián)網(wǎng)絡(luò)有助于明確全局碳減排目標(biāo)下各區(qū)域的作用，避免碳減排責(zé)任的分配不公問題[9]。已有研究通過解構(gòu)省、市尺度上的碳關(guān)聯(lián)網(wǎng)絡(luò)的結(jié)構(gòu)，發(fā)現(xiàn)當(dāng)前碳排放關(guān)聯(lián)表現(xiàn)出“俱樂部”“諸侯經(jīng)濟(jì)”“梯度斷層”等空間分異特征，存在“碳泄漏”“碳排放避難所”等問題，并就如何發(fā)揮核心節(jié)點(diǎn)的碳減排示范效應(yīng)及調(diào)控其他節(jié)點(diǎn)的作用以推動(dòng)協(xié)同碳減排提出了相關(guān)建議[8-11]。

隨著全球化的深入及通信、交通等基礎(chǔ)設(shè)施的完善，社會(huì)經(jīng)濟(jì)發(fā)展已邁入“流空間”時(shí)代，流空間理論認(rèn)為，人力、資金、技術(shù)、信息等多元要素?zé)o需地理鄰接也可實(shí)現(xiàn)共享[12]，即要素流動(dòng)已突破地理場(chǎng)空間的阻礙，表現(xiàn)出跨區(qū)域的網(wǎng)絡(luò)化流動(dòng)態(tài)勢(shì)[13]。當(dāng)前，在建設(shè)“全國(guó)統(tǒng)一大市場(chǎng)”這一目標(biāo)的指引下，“城鄉(xiāng)建設(shè)用地增減掛鉤”“耕地總量動(dòng)態(tài)平衡”等政策開始試驗(yàn)跨區(qū)交易模式，以進(jìn)一步平衡“發(fā)展”與“保護(hù)”之間的矛盾；供需的空間匹配要求使得經(jīng)濟(jì)發(fā)達(dá)而土地資源相對(duì)匱乏的地區(qū)通過土地密集型產(chǎn)品的貿(mào)易，間接使用其他地區(qū)的土地[14-15]。土地發(fā)展權(quán)的轉(zhuǎn)移疊加多元要素的流動(dòng)推動(dòng)了生產(chǎn)要素的重新配置，深刻地改變了區(qū)域的土地利用格局及其所承載的生產(chǎn)生活格局，使得土地利用碳排放呈現(xiàn)出跨區(qū)域的組團(tuán)和層級(jí)結(jié)構(gòu)形式的空間關(guān)聯(lián)[16-17]。因此，多元要素流動(dòng)已成為區(qū)域土地利用碳排放空間關(guān)聯(lián)形成的內(nèi)在“引力”，從要素流動(dòng)的方向及強(qiáng)度的視角結(jié)合社會(huì)經(jīng)濟(jì)屬性差異來挖掘碳排放空間關(guān)聯(lián)的形成機(jī)制，相較于單純從區(qū)域社會(huì)經(jīng)濟(jì)屬性差異的角度更為深入且更具現(xiàn)實(shí)意義。此外，隨著區(qū)域協(xié)調(diào)向縱深發(fā)展，縣域?qū)用娴木珳?zhǔn)化、差異化地治碳將更利于碳減排任務(wù)的精準(zhǔn)落地[2]。

綜上，本文基于縣域尺度，使用夜間燈光數(shù)據(jù)模擬縣級(jí)能源消耗量[3，18-19]并測(cè)算湖北省各區(qū)縣土地利用碳排放量，采用修正的引力模型構(gòu)建土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)并使用社會(huì)網(wǎng)絡(luò)分析方法刻畫其結(jié)構(gòu)特征，最后運(yùn)用QAP回歸模型從要素流的視角探究形成關(guān)聯(lián)網(wǎng)絡(luò)的主要因素，為促進(jìn)湖北省各區(qū)縣之間形成協(xié)同減排的態(tài)勢(shì)提供決策參考。本文的邊際貢獻(xiàn)在于：首先，基于縣域?qū)用鎻摹瓣P(guān)系屬性”視角構(gòu)建了土地利用的碳排放關(guān)聯(lián)網(wǎng)絡(luò)，并刻畫了其結(jié)構(gòu)特征和演化態(tài)勢(shì)；其次，從要素流的視角系統(tǒng)分析了土地利用碳排放形成關(guān)聯(lián)的內(nèi)在機(jī)理，并使用QAP回歸方法進(jìn)行了驗(yàn)證。

1 要素流動(dòng)影響土地利用碳排放關(guān)聯(lián)的內(nèi)在機(jī)理

空間相互作用是在互補(bǔ)性、可達(dá)性及中介作用等特定條件下，于特定空間范圍內(nèi)發(fā)生的“要素流”形式的動(dòng)態(tài)流動(dòng)[20]，土地利用的碳排放關(guān)聯(lián)網(wǎng)絡(luò)正是在要素流的推動(dòng)下，通過區(qū)域間土地利用活動(dòng)的相互作用所形成的關(guān)聯(lián)關(guān)系總和：首先，由于在經(jīng)濟(jì)發(fā)展態(tài)勢(shì)、信息科技、能源消耗和土地資源稟賦等決定土地利用碳排放水平的條件上存在差距，區(qū)域間會(huì)產(chǎn)生勢(shì)能差從而驅(qū)動(dòng)要素的區(qū)際流動(dòng)；其次，流空間中要素可達(dá)性范圍的擴(kuò)大及流動(dòng)速率的加快所產(chǎn)生的高度集聚力及擴(kuò)展性網(wǎng)絡(luò)的優(yōu)勢(shì)，將刺激區(qū)域產(chǎn)生對(duì)土地及相關(guān)服務(wù)的需求[13]，進(jìn)而影響其土地利用的碳排放水平；再次，區(qū)域間的產(chǎn)業(yè)合作、基礎(chǔ)設(shè)施的互聯(lián)互通及一體化市場(chǎng)的建設(shè)進(jìn)一步促進(jìn)土地、人口、經(jīng)濟(jì)、技術(shù)等生產(chǎn)要素的合理交易及有序流動(dòng)[21]，從而促進(jìn)區(qū)際碳排放關(guān)聯(lián)的形成。綜上，土地及其所承載的諸要素的規(guī)模、結(jié)構(gòu)和技術(shù)等的變動(dòng)將引致直接、交互和溢出等效應(yīng)，進(jìn)而通過改變區(qū)域的要素生產(chǎn)效率、土地利用強(qiáng)度、能源需求或重塑土地利用格局等路徑直接或間接地影響區(qū)域土地利用碳排放水平[13]，形成土地利用碳排放的空間關(guān)聯(lián)態(tài)勢(shì)（圖1）。

1.1 直接效應(yīng)

“短期內(nèi)要素總量恒定”的假設(shè)條件下，土地及其所承載的勞動(dòng)力、資本、信息、技術(shù)等要素的流動(dòng)首先會(huì)導(dǎo)致要素的規(guī)模、質(zhì)量和結(jié)構(gòu)的區(qū)域差異，進(jìn)而影響區(qū)域土地利用碳排放水平，由此形成基于要素流動(dòng)軌跡的碳排放空間關(guān)聯(lián)。例如人口流動(dòng)除了會(huì)形成勞動(dòng)力規(guī)模的區(qū)域差異之外，還會(huì)顯著促進(jìn)勞動(dòng)力質(zhì)量的空間分化，技能型勞動(dòng)力的集聚會(huì)促進(jìn)產(chǎn)業(yè)的高級(jí)化，提升能源利用水平或誘發(fā)技術(shù)性要素對(duì)能源、非技術(shù)生產(chǎn)要素的替代，進(jìn)而降低區(qū)域碳排放水平[22]；資本的流入將擴(kuò)大流入地的生產(chǎn)規(guī)模，提升對(duì)能源的需求并增加碳排放，而流出地則通過有效轉(zhuǎn)移過剩產(chǎn)能，將結(jié)余固定成本用于高技術(shù)產(chǎn)業(yè)發(fā)展，降低區(qū)域碳排放水平[23]，其中RD資金的流動(dòng)則通過創(chuàng)新資源的跨區(qū)域優(yōu)化整合降低空間資源的錯(cuò)配概率，有效提升生產(chǎn)效率降低碳排放水平[12]。信息流動(dòng)則通過打破傳統(tǒng)圈層結(jié)構(gòu)、促進(jìn)前沿技術(shù)與知識(shí)的學(xué)習(xí)、改善生產(chǎn)經(jīng)營(yíng)管理等路徑提升資源配置效率，降低區(qū)域的碳排放[12]。

1.2 交互效應(yīng)

除了各要素本身的流動(dòng)強(qiáng)度不斷增強(qiáng)之外，流空間中多元要素間的交互頻次也顯著增加，交互作用顯著增強(qiáng)，最終通過提升全要素的生產(chǎn)率來降低能源消耗[21]。例如低水平勞動(dòng)力等一般性要素的投入比例過高，而技術(shù)、信息等高級(jí)要素的投入比例過低將導(dǎo)致區(qū)域產(chǎn)業(yè)的中低端鎖定，從而造成過多的資源消耗及碳排放[24]。此外，低碳技術(shù)作用的有效發(fā)揮也依賴于區(qū)域勞動(dòng)力穩(wěn)固的經(jīng)濟(jì)基礎(chǔ)及其學(xué)習(xí)和認(rèn)知能力的提升。另外，區(qū)際間有效的信息共享將通過替代傳統(tǒng)生產(chǎn)要素、提高生產(chǎn)要素的產(chǎn)出水平以及提升生產(chǎn)要素間的協(xié)同性等路徑創(chuàng)造倍增效應(yīng)，提高全要素生產(chǎn)效率，進(jìn)而影響區(qū)域土地利用的碳排放水平。

1.3 溢出效應(yīng)

傳統(tǒng)的場(chǎng)空間中，碳排放的空間溢出集中于鄰近區(qū)域。流空間中，要素的跨地理空間流動(dòng)隱含著能源及貿(mào)易產(chǎn)品等的跨區(qū)域轉(zhuǎn)移，從而導(dǎo)致資源的跨區(qū)利用及環(huán)境污染轉(zhuǎn)移擴(kuò)散的加劇。此外，相較于固定性生產(chǎn)要素，流動(dòng)性生產(chǎn)要素更易產(chǎn)生溢出效應(yīng)[25]，流空間中的要素流動(dòng)將以網(wǎng)絡(luò)化的方式對(duì)外產(chǎn)生多種溢出通道，影響區(qū)域土地利用碳排放水平。如高水平人才的區(qū)際流動(dòng)通過內(nèi)隱性的知識(shí)傳播及技術(shù)擴(kuò)散等路徑，形成知識(shí)與技術(shù)的溢出效應(yīng)；區(qū)際間研發(fā)創(chuàng)新資金的流動(dòng)則有利于政府、企業(yè)及高校之間開展合作，所形成的知識(shí)鏈、技術(shù)鏈與產(chǎn)業(yè)鏈的聯(lián)動(dòng)效應(yīng)會(huì)進(jìn)一步促進(jìn)知識(shí)積累、技術(shù)進(jìn)步與產(chǎn)業(yè)升級(jí)，從而降低區(qū)域的碳排放水平[12]。除了傳統(tǒng)的技術(shù)溢出效應(yīng)外，要素流動(dòng)帶來的低碳生產(chǎn)和低碳生活觀念及文化等的溢出也會(huì)產(chǎn)生明顯的低碳示范效應(yīng)。

2 研究方法、數(shù)據(jù)處理與數(shù)據(jù)來源

2.1 土地利用凈碳排放的計(jì)算方法

2.1.1 土地利用凈碳排放的核算

由于WU的數(shù)據(jù)[29]的R2優(yōu)于已有夜間燈光數(shù)據(jù)集，本文對(duì)該數(shù)據(jù)做進(jìn)一步處理獲取湖北省各縣域夜間燈光的DN值，并選取多個(gè)模型驗(yàn)證夜間燈光DN值與能源消耗碳排放間的關(guān)聯(lián)性，如表1所示。

由于線性擬合方程的R2較高且MRE（平均相對(duì)誤差）均在合理范圍內(nèi)，故選取無截距的線性回歸模型進(jìn)行擬合，考慮到誤差影響，本文參考現(xiàn)有文獻(xiàn)[18-19]的修正方法，對(duì)模擬的縣域碳排放量進(jìn)行了修正，并統(tǒng)一將縣域能源消耗碳排放量折算為碳含量。

2.2 碳關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建及結(jié)構(gòu)解析

2.2.1 土地利用碳排放關(guān)聯(lián)（關(guān)系）矩陣的構(gòu)建

2.2.2 土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)的結(jié)構(gòu)解析

社會(huì)網(wǎng)絡(luò)分析方法是針對(duì)“關(guān)系數(shù)據(jù)”的跨學(xué)科分析方法，其以網(wǎng)絡(luò)的形式定量剖析節(jié)點(diǎn)間的關(guān)聯(lián)路徑并識(shí)別節(jié)點(diǎn)角色，逐漸成為經(jīng)濟(jì)學(xué)、管理學(xué)等領(lǐng)域新的研究范式[9，11，17]。本文采用網(wǎng)絡(luò)密度、網(wǎng)絡(luò)關(guān)聯(lián)數(shù)、網(wǎng)絡(luò)關(guān)聯(lián)度及網(wǎng)絡(luò)等級(jí)度刻畫土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)的整體特征，采用度數(shù)中心度（包括入中心度及出中心度）、接近中心度（包括入中心度及出中心度）及中介中心度刻畫個(gè)體特征，具體指標(biāo)含義參考文獻(xiàn)[17]和[30]。

2.3 土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)的影響因素探究

基于上文的機(jī)理分析，以人口流、經(jīng)濟(jì)流及信息流作為核心解釋變量，并依據(jù)相關(guān)文獻(xiàn)對(duì)土地利用碳排放特性[11，17]的分析，選擇相應(yīng)的社會(huì)經(jīng)濟(jì)屬性指標(biāo)作為控制變量，構(gòu)建土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)的影響因素集合。

2.3.1 核心解釋變量的測(cè)度

（1）人口流：使用百度遷徙數(shù)據(jù)構(gòu)建，該數(shù)據(jù)實(shí)時(shí)反映了區(qū)域間人口遷徙的軌跡與強(qiáng)度。爬取湖北省各市在2020年的9—12月中的任意一個(gè)星期數(shù)據(jù)后，構(gòu)建基于市級(jí)的人口遷徙強(qiáng)度均值矩陣，然后依據(jù)市域中各區(qū)縣的人口比例，構(gòu)建區(qū)縣級(jí)人口遷徙強(qiáng)度矩陣。

信息流：依據(jù)百度搜索指數(shù)構(gòu)建[12]，該數(shù)據(jù)以海量百度搜索引擎用戶的使用記錄為基礎(chǔ)，可用于表征城市間的信息流強(qiáng)度，客觀反映城市間的關(guān)聯(lián)特征。本文基于該平臺(tái)以城市名為關(guān)鍵詞，獲取2020年兩兩城市間“PC端+移動(dòng)用戶端”的日均搜索指數(shù)，按照市域中各區(qū)縣的人口比例構(gòu)建區(qū)縣級(jí)信息流強(qiáng)度矩陣。

2.3.2 控制變量的選取

首先，不同經(jīng)濟(jì)發(fā)展水平的區(qū)域以及不同類型產(chǎn)業(yè)用地上的碳排放水平懸殊，且地理鄰近區(qū)域的土地利用碳排放水平由于距離優(yōu)勢(shì)更易相互影響，因此選擇GDP水平、產(chǎn)業(yè)結(jié)構(gòu)差異及地理鄰近作為控制變量；其次，信息化水平以及科技創(chuàng)新水平通過技術(shù)、知識(shí)等的溢出，能夠有效配置區(qū)域土地資源和降低產(chǎn)業(yè)能耗等，因此將信息化水平及科技創(chuàng)新水平差異加入控制變量集；再次，林地作為最大的碳匯用地，其資源稟賦直接影響區(qū)域土地利用凈碳排量，因此也選擇林地面積差異作為控制變量。

2.3.3 模型設(shè)定

QAP模型是二次指派程序和多元回歸模型的結(jié)合，以矩陣數(shù)據(jù)的隨機(jī)置換為基礎(chǔ)，對(duì)解釋變量與被解釋變量進(jìn)行回歸。該模型不需要獨(dú)立性與正態(tài)分布假定，對(duì)處理關(guān)系數(shù)據(jù)的共線性問題具有一定優(yōu)勢(shì)[11，17，30]。本文設(shè)置三個(gè)QAP模型：模型A考察要素流對(duì)土地利用碳排放關(guān)聯(lián)的直接影響，模型B考察要素流對(duì)土地利用碳排放關(guān)聯(lián)的非線性影響，模型C考察要素流對(duì)土地利用碳排放關(guān)聯(lián)的交互影響，具體表達(dá)如式（5）—式（7）：

式（5）—式（7）中：因變量LC為土地利用碳排放的關(guān)聯(lián)矩陣；POPF、ECOF、INFF分別表示人口流、經(jīng)濟(jì)流及信息流的標(biāo)準(zhǔn)化矩陣，POPF2、ECOF2、INFF2分別表示人口流、經(jīng)濟(jì)流及信息流的平方項(xiàng)矩陣，POPF×ECOF、ECOF×INFF、POPF×INFF分別表示人口流與經(jīng)濟(jì)流、經(jīng)濟(jì)流與信息流、人口流與信息流的交互項(xiàng)矩陣；GEO、ECOD、INDD、INFD、INND、LAND是控制變量集合，分別表示地理鄰接矩陣、經(jīng)濟(jì)發(fā)展水平差異矩陣、產(chǎn)業(yè)結(jié)構(gòu)差異矩陣、信息化水平差異矩陣、科技創(chuàng)新水平差異矩陣和林地面積差異矩陣，分別基于行政邊界是否相鄰、各縣域的人均GDP、第三產(chǎn)業(yè)GDP占比、郵電業(yè)務(wù)總量、發(fā)明專利授權(quán)數(shù)和林地面積來構(gòu)建，構(gòu)建差異矩陣前對(duì)各變量進(jìn)行極差標(biāo)準(zhǔn)化處理；0b為常數(shù)項(xiàng)系數(shù)；1 b—12b為自變量系數(shù)； 為誤差項(xiàng)。

2.4 數(shù)據(jù)來源

本文數(shù)據(jù)源于2000年、2010年及2020年共三個(gè)研究年份的《湖北統(tǒng)計(jì)年鑒》、《湖北農(nóng)村統(tǒng)計(jì)年鑒》、《中國(guó)能源統(tǒng)計(jì)年鑒》、湖北省各地市州統(tǒng)計(jì)年鑒與統(tǒng)計(jì)公報(bào)及國(guó)家知識(shí)產(chǎn)權(quán)局；夜間燈光數(shù)據(jù)來源于WU等的研究[29]；土地利用數(shù)據(jù)來源于中科院資源與環(huán)境數(shù)據(jù)中心的土地利用覆被數(shù)據(jù)（30 m）；人口流數(shù)據(jù)來源于百度遷徙平臺(tái)（https：//qianxi.baidu.com/），信息流數(shù)據(jù)來源于百度搜索平臺(tái)（https：//index.baidu.com/），經(jīng)濟(jì)流數(shù)據(jù)來源于高德地圖POI數(shù)據(jù)。

3 湖北省縣域土地利用碳排放的時(shí)空演變及其空間關(guān)聯(lián)特征分析

3.1 湖北省縣域土地利用碳排放的時(shí)空演變

如圖2所示，研究期內(nèi)湖北省土地利用的凈碳排量與碳排量的變化趨勢(shì)基本一致，整體呈現(xiàn)遞增狀態(tài)，固碳量無明顯變化。

2000—2010年，凈碳排放量急劇增長(zhǎng)，這一時(shí)期內(nèi)湖北省經(jīng)濟(jì)發(fā)展迅速，建設(shè)用地?cái)U(kuò)張了631 km2，其中116.3 km2自高碳匯林地轉(zhuǎn)入，所承載的能源消耗活動(dòng)大幅增加；2010—2020年，湖北省凈碳排放量小幅下降，雖然這一期間建設(shè)用地大幅擴(kuò)張，但得益于經(jīng)濟(jì)發(fā)展向高質(zhì)量發(fā)展的轉(zhuǎn)型，地均能源消耗量及單位GDP能耗逐漸下降，能源消耗總量也相應(yīng)減少，同時(shí)林地、水域、草地等碳匯用地凈增約1 900 km2。湖北省的土地利用凈碳排放量呈現(xiàn)出明顯的東高西低特征：高值區(qū)主要分布于武漢、宜昌、襄陽、荊州等地的市轄區(qū)及其周邊區(qū)縣，其中武漢城市圈的內(nèi)部區(qū)縣呈現(xiàn)高度集聚態(tài)勢(shì)，中值區(qū)則圍繞高值區(qū)擴(kuò)散，西部恩施及十堰的大部分區(qū)縣、神農(nóng)架林區(qū)、東北部黃岡及東南部咸寧的部分區(qū)縣依托秦巴山、武陵山、大別山及幕阜山這四道生態(tài)屏障形成了豐富的林草地資源，同時(shí)偏僻的地理位置阻礙經(jīng)濟(jì)發(fā)展，因此能源消耗碳排放較低，均表現(xiàn)出凈吸收或低碳排的狀態(tài)。2000—2010年，高值區(qū)的數(shù)量明顯增多，圍繞武漢城市圈核心區(qū)，宜昌、荊門、荊州、恩施（以下簡(jiǎn)稱“宜荊荊恩”）以及襄陽、十堰、隨州、神農(nóng)架（以下簡(jiǎn)稱“襄十隨神”）城市群的核心區(qū)不斷蔓延，2020年的碳排放空間格局較2010年未發(fā)生較大變化?？傮w上看湖北省土地利用碳排放的空間格局與其區(qū)域發(fā)展空間格局較為吻合。

3.2 湖北省土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)的結(jié)構(gòu)分析

依據(jù)土地利用碳排放空間關(guān)聯(lián)關(guān)系的二值化矩陣?yán)L制圖3，如圖所示，湖北省各區(qū)縣間的土地利用碳排放已形成了地理鄰近甚至跨區(qū)域的空間關(guān)聯(lián)形態(tài)，總體看，近年來區(qū)域一體化的發(fā)展態(tài)勢(shì)僅在武漢城市圈內(nèi)表現(xiàn)顯著，“宜荊荊恩”“襄十隨神”城市群內(nèi)部以及三大城市群間的合作動(dòng)能仍然不足，由此導(dǎo)致土地利用的碳排放關(guān)聯(lián)網(wǎng)絡(luò)呈現(xiàn)以武漢市區(qū)為大核心、中西部各市轄區(qū)為小核心的多組團(tuán)結(jié)構(gòu)。3.2.1 土地利用關(guān)聯(lián)網(wǎng)絡(luò)的整體結(jié)構(gòu)特征

研究期內(nèi)整體網(wǎng)絡(luò)密度由2000年的0.181降至2010年的0.143，后又增至2020年的0.154，說明各區(qū)縣間的土地利用碳排放的關(guān)聯(lián)度呈現(xiàn)先減弱后增強(qiáng)的態(tài)勢(shì)：2000—2010年，縣域間土地利用碳排放的關(guān)聯(lián)度弱化，原因在于交通設(shè)施、通訊網(wǎng)絡(luò)等的完善提升了關(guān)聯(lián)節(jié)點(diǎn)間的引力均值，從而使得判定縣域間碳關(guān)聯(lián)關(guān)系的閾值變大，同時(shí)較發(fā)達(dá)地區(qū)的虹吸效應(yīng)引起的發(fā)展不均衡現(xiàn)象減少了關(guān)聯(lián)節(jié)點(diǎn)數(shù)；2010—2020年，湖北省區(qū)域協(xié)同與一體化發(fā)展的持續(xù)推進(jìn)，推動(dòng)了武漢城市圈、“宜荊荊恩”以及“襄十隨神”城市群的“一主兩副”的城鎮(zhèn)發(fā)展格局的形成，加速了區(qū)縣間的要素流動(dòng)，也弱化了發(fā)展的極化現(xiàn)象，網(wǎng)絡(luò)關(guān)聯(lián)度有小幅度提升。但是研究期內(nèi)實(shí)際關(guān)聯(lián)節(jié)點(diǎn)數(shù)目遠(yuǎn)小于理論上的最大關(guān)聯(lián)節(jié)點(diǎn)數(shù)目，表明區(qū)域間的關(guān)聯(lián)程度仍有很大提升空間，省內(nèi)城市群協(xié)同發(fā)展成效有待提高。此外，三個(gè)時(shí)點(diǎn)上的網(wǎng)絡(luò)關(guān)聯(lián)度均接近于1，說明空間關(guān)聯(lián)網(wǎng)絡(luò)的連通性及穩(wěn)健性較好，土地利用碳排放存在明顯的空間關(guān)聯(lián)與溢出效應(yīng)，而網(wǎng)絡(luò)等級(jí)度由2000年的0.094 1降至2010年的0.024 1，后又增至2020年的0.047 6，始終處于低值狀態(tài)且波動(dòng)下降，表明網(wǎng)絡(luò)內(nèi)部不存在森嚴(yán)等級(jí)，且占據(jù)絕對(duì)中心地位的節(jié)點(diǎn)對(duì)整體網(wǎng)絡(luò)的控制作用減弱，結(jié)構(gòu)逐漸松散化。

3.2.2 空間關(guān)聯(lián)網(wǎng)絡(luò)的個(gè)體特征

圖4展示了湖北省各縣域在2000年、2010年及2020年的土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)中的度數(shù)中心度、接近中心度和中介中心度的空間分布格局。如圖4所示，整體上研究期內(nèi)度數(shù)中心度及接近中心度呈現(xiàn)出中東部高—西部低的特點(diǎn)，隨著時(shí)間的演化度數(shù)中心度高值區(qū)進(jìn)一步向中西部集聚，接近中心度高值區(qū)更加集聚于武漢城市圈。各區(qū)縣的度數(shù)中心度和接近中心度的排名前十區(qū)縣表現(xiàn)較為一致：主要包括武漢、荊門、宜昌、黃石、十堰、襄陽、荊州等地的市轄區(qū)，表明以上區(qū)域在關(guān)聯(lián)網(wǎng)絡(luò)中居于相對(duì)中心位置，能夠快速地與其他區(qū)域產(chǎn)生關(guān)聯(lián)。此外，以上區(qū)域的入度數(shù)中心度也較高，表明其接收了較多區(qū)域的碳溢出，主要表現(xiàn)為優(yōu)勢(shì)要素或碳密集產(chǎn)品的輸入，其中武漢市顯著高于其他區(qū)縣，充分顯示了其在關(guān)聯(lián)網(wǎng)絡(luò)中的核心作用。而從出度數(shù)中心度來看，武漢市區(qū)、荊門市區(qū)、當(dāng)陽市、大悟縣、來鳳縣、宣恩縣、神農(nóng)架林區(qū)等區(qū)縣長(zhǎng)期居于前十，表明其產(chǎn)生了較多的碳排放外溢，也間接說明武漢市區(qū)、荊門市區(qū)、當(dāng)陽市等經(jīng)濟(jì)發(fā)展較好的區(qū)域除對(duì)內(nèi)吸納優(yōu)勢(shì)要素外，還能通過產(chǎn)業(yè)轉(zhuǎn)移及經(jīng)濟(jì)合作等路徑實(shí)現(xiàn)碳轉(zhuǎn)移；而大悟、來鳳、恩施、宣恩、神農(nóng)架林區(qū)等西部邊緣區(qū)縣在發(fā)達(dá)區(qū)縣的虹吸效應(yīng)下，更多表現(xiàn)為內(nèi)部能源、勞動(dòng)力等的不斷外溢，同時(shí)受限于基礎(chǔ)設(shè)施建設(shè)落后、與其他區(qū)域的地理經(jīng)濟(jì)距離較大等因素，出接近中心度較高，資金、人才、技術(shù)等要素的流入受阻，難以快速地與其他區(qū)域產(chǎn)生碳關(guān)聯(lián)，在網(wǎng)絡(luò)中居于從屬地位。

從中介中心度來看，研究期內(nèi)位于前十的區(qū)域越來越集中于發(fā)達(dá)區(qū)縣，其中武漢、荊門、黃石、宜昌、十堰等地的市轄區(qū)始終處在較多節(jié)點(diǎn)對(duì)的路徑上，以上區(qū)域的要素市場(chǎng)化程度高，碳排放權(quán)與土地指標(biāo)交易更為活躍，要素流動(dòng)更為暢通便捷，更易通過低碳技術(shù)、綠色生產(chǎn)生活方式的外溢影響關(guān)聯(lián)區(qū)域的碳排放，對(duì)其他區(qū)縣碳排放水平的控制作用較強(qiáng)。此外，天門市、鐘祥市、仙桃市等地得益于其優(yōu)越的地理位置，其中介中心度在部分年份較高，而恩施市、巴東縣等地的外溢效應(yīng)顯著而凸顯了其中介作用。

3.3 土地利用碳關(guān)聯(lián)對(duì)土地利用碳排放空間演化的影響

綜上，碳關(guān)聯(lián)顯著影響了區(qū)域土地利用碳排放空間的演化。網(wǎng)絡(luò)中的高度數(shù)中心度、高接近中心度和高中介中心度區(qū)域能夠快速與其他區(qū)域產(chǎn)生關(guān)聯(lián)，或積極充當(dāng)區(qū)域間碳關(guān)聯(lián)活動(dòng)的橋梁，從而影響到土地利用碳排放的空間演化：核心區(qū)對(duì)內(nèi)不斷吸納要素資源及高碳產(chǎn)品使得自身碳排放進(jìn)一步加劇，在空間局限及減排政策的壓力下，開始借助其對(duì)外關(guān)聯(lián)能力將高耗能、高碳排產(chǎn)業(yè)轉(zhuǎn)移至周邊經(jīng)濟(jì)落后但生態(tài)本底較好的偏遠(yuǎn)地區(qū)，造成了一定的“碳排放避難所”效應(yīng)。因此，相較于2000年，2010年的土地利用碳排放的高高集聚區(qū)明顯擴(kuò)張，形成了“武漢城市圈”、“宜荊荊恩”及“襄十隨神”三足鼎立的局面。而在2010—2020年期間，土地利用碳排放的空間格局未發(fā)生較大的變化，其中“襄十隨神”城市群內(nèi)部的高碳集聚現(xiàn)象有所減弱，說明在高質(zhì)量發(fā)展目標(biāo)的指引下，中介節(jié)點(diǎn)充分發(fā)揮其影響力，持續(xù)推動(dòng)要素流動(dòng)和低碳技術(shù)、環(huán)保意識(shí)、綠色生產(chǎn)生活模式等的溢出，較為有效地提升了區(qū)域的能源消耗率，延緩了高碳排放空間格局的進(jìn)一步擴(kuò)展外移。

4 土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)的驅(qū)動(dòng)因素分析

4.1 多元要素流網(wǎng)絡(luò)的結(jié)構(gòu)特征

基于區(qū)縣間多元要素流聯(lián)系強(qiáng)度繪制多元要素流網(wǎng)絡(luò)層級(jí)結(jié)構(gòu)圖（圖5），并利用UCINET 6.0，基于多元要素流強(qiáng)度矩陣測(cè)算各區(qū)縣在要素流網(wǎng)絡(luò)中的度數(shù)中心度。

由圖可知，三類要素流網(wǎng)絡(luò)的空間格局具有一定共性，均呈現(xiàn)出東密西疏的層級(jí)結(jié)構(gòu)及相似的核心—邊緣結(jié)構(gòu)。整體上看，三類要素流網(wǎng)絡(luò)中，武漢城市圈內(nèi)部的武漢市區(qū)、黃石市區(qū)、鄂州、天門、仙桃、潛江及“宜荊荊恩”“襄十隨神”城市群中各市轄除神農(nóng)架外均具有較高的中心度，說明以上區(qū)縣與其他區(qū)縣往來密切，要素流動(dòng)強(qiáng)度較大。其中武漢市區(qū)作為湖北省多元要素流網(wǎng)絡(luò)的“中心”，對(duì)其他區(qū)縣具有明顯的引領(lǐng)與輻射帶動(dòng)作用。處于鄂西南邊緣的來鳳、鶴峰、宣恩、咸豐、恩施，處于鄂西北的竹山、竹溪、鄖西，處于鄂東北的紅安、羅田、英山以及處于鄂東南的通山、崇陽等地均具有較低的中心度，處于要素流聯(lián)系強(qiáng)度的最低層級(jí)，更多地表現(xiàn)為要素的單向輸出，說明以上區(qū)域較為落后的基礎(chǔ)設(shè)施與經(jīng)濟(jì)發(fā)展水平一定程度上阻礙了人口、經(jīng)濟(jì)及信息的流入，與其他區(qū)縣的互動(dòng)合作有待加強(qiáng)。此外，三類要素流網(wǎng)絡(luò)的結(jié)構(gòu)與土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)的結(jié)構(gòu)存在相似性，初步驗(yàn)證了前文對(duì)要素流動(dòng)影響土地利用碳排放關(guān)聯(lián)的內(nèi)在機(jī)理的分析。

4.2 QAP回歸分析

對(duì)變量集合進(jìn)行相關(guān)分析，結(jié)果表明各自變量均與土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)顯著相關(guān)，各自變量間的相關(guān)系數(shù)也較為顯著，因此選擇可避免變量間共線性影響的QAP回歸方法是必要且合理的。選擇隨機(jī)置換次數(shù)5 000次，對(duì)模型A、模型B、模型C進(jìn)行回歸，結(jié)果如表2所示。

由表2可知，3個(gè)模型的回歸結(jié)果均通過了1%顯著性水平上的顯著性檢驗(yàn)，且R2均與已有文獻(xiàn)[11，17，30]的回歸精度接近，表明結(jié)果對(duì)研究區(qū)土地利用碳排放的關(guān)聯(lián)有一定解釋力度。

由模型A可知，三類要素流均顯著正向驅(qū)動(dòng)土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)的形成，但貢獻(xiàn)有所差異，其中人口流的貢獻(xiàn)最大，信息流次之，經(jīng)濟(jì)流最弱，說明當(dāng)前縣域間人口的頻繁流動(dòng)是形成關(guān)聯(lián)的主要因素，也間接反映出當(dāng)前多數(shù)區(qū)縣還是高度依賴于傳統(tǒng)人力要素投入的經(jīng)濟(jì)發(fā)展模式。首先，勞動(dòng)力具有趨利性，優(yōu)先集聚于邊際效益較高的發(fā)達(dá)區(qū)縣，當(dāng)達(dá)到一定規(guī)模時(shí)，市場(chǎng)化將推動(dòng)產(chǎn)業(yè)鏈的分工及產(chǎn)業(yè)轉(zhuǎn)移，從而對(duì)關(guān)聯(lián)緊密地區(qū)產(chǎn)生傳統(tǒng)勞動(dòng)力的回流和高水平勞動(dòng)力的知識(shí)溢出效應(yīng)，由此造成的用地結(jié)構(gòu)及用地強(qiáng)度的變化雙向影響到流入地及流出地的碳排放水平。其次，縣域間信息交流的頻次與強(qiáng)度差異將通過隱含的科技、文化等要素的外溢效應(yīng)來優(yōu)化國(guó)土空間格局、提升能源效率及各要素間的協(xié)同性，從而對(duì)交流雙方的碳排放水平產(chǎn)生不同程度的影響，網(wǎng)絡(luò)核心區(qū)廣泛接收外部的優(yōu)勢(shì)信息資源并實(shí)現(xiàn)優(yōu)勢(shì)共享，從而形成了基于信息流動(dòng)的緊密碳關(guān)聯(lián)態(tài)勢(shì)；而網(wǎng)絡(luò)邊緣區(qū)由于通信、交通設(shè)施等的不完備，其信息流動(dòng)較傳統(tǒng)人口流動(dòng)有著更大阻力，因此信息流動(dòng)對(duì)碳排放關(guān)聯(lián)的優(yōu)勢(shì)作用未能凸顯。此外，經(jīng)濟(jì)流動(dòng)帶來的資本投入將擴(kuò)大區(qū)域生產(chǎn)規(guī)模及能源需求，通過改變產(chǎn)業(yè)規(guī)模及結(jié)構(gòu)對(duì)流入地與流出地的碳排放水平產(chǎn)生影響。

由模型B可知，人口流、經(jīng)濟(jì)流的一次項(xiàng)顯著為正而二次項(xiàng)顯著為負(fù)，說明人口流與經(jīng)濟(jì)流與土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)的形成存在倒“U”形關(guān)系，即單純的過強(qiáng)的人口流或經(jīng)濟(jì)流并不利于形成區(qū)域碳關(guān)聯(lián)。原因在于單一的勞動(dòng)力或經(jīng)濟(jì)要素的過度集聚將導(dǎo)致區(qū)域要素結(jié)構(gòu)失衡，生產(chǎn)效率下降，從而削弱區(qū)域?qū)?yōu)勢(shì)要素的吸納能力，弱化基于多元要素的有序流動(dòng)而產(chǎn)生的正向碳關(guān)聯(lián)，這一結(jié)果符合生產(chǎn)要素的邊際報(bào)酬遞減規(guī)律。信息流的一次項(xiàng)與二次項(xiàng)均顯著為正，說明信息流強(qiáng)度越大，越能促進(jìn)土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)的形成，側(cè)面反映出信息流動(dòng)強(qiáng)度越大，越能彌補(bǔ)區(qū)域間由于信息差帶來的發(fā)展阻礙，增強(qiáng)區(qū)域間的產(chǎn)業(yè)、文化、科技等的互聯(lián)互通，影響交流雙方的碳排放水平。

由模型C中三類要素流的交互項(xiàng)的檢驗(yàn)結(jié)果可知，經(jīng)濟(jì)流與人口流、經(jīng)濟(jì)流與信息流之間存在替代關(guān)系，人口流與信息流之間存在互補(bǔ)關(guān)系。表明RD資金的加大投入及區(qū)域間合理有效的產(chǎn)業(yè)鏈分工，將有效減少由于對(duì)傳統(tǒng)勞動(dòng)力的依賴而產(chǎn)生的碳關(guān)聯(lián)活動(dòng)；同時(shí)隨著信息技術(shù)的進(jìn)一步發(fā)展，信息流將逐步替代依賴傳統(tǒng)資本投入及產(chǎn)業(yè)轉(zhuǎn)移建立的經(jīng)濟(jì)關(guān)聯(lián)；而人口流動(dòng)緊密的區(qū)縣若是輔以相應(yīng)的信息科技與管理水平的提升作為支撐，將通過激發(fā)要素交互產(chǎn)生的倍增效應(yīng)，大大提升資源利用效率及區(qū)域競(jìng)爭(zhēng)力，從而為區(qū)域碳關(guān)聯(lián)活動(dòng)的開展創(chuàng)造有利條件，因此，調(diào)控信息流動(dòng)的強(qiáng)度及方向?qū)⒃诟蟪潭壬蠜Q定區(qū)域間的碳關(guān)聯(lián)態(tài)勢(shì)。

控制變量集合中，地理鄰接、經(jīng)濟(jì)發(fā)展水平差異、產(chǎn)業(yè)結(jié)構(gòu)差異、信息化水平差異變量顯著正向影響碳排放空間關(guān)聯(lián)的形成。這表明在區(qū)域協(xié)同發(fā)展的背景下，區(qū)域間的經(jīng)濟(jì)發(fā)展水平差距越大，所形成的經(jīng)濟(jì)勢(shì)能差越易推動(dòng)要素流入高效益和高效率區(qū)域，從而促進(jìn)碳關(guān)聯(lián)的形成。而水平相當(dāng)?shù)膮^(qū)縣或因經(jīng)濟(jì)結(jié)構(gòu)相似、地方保護(hù)以及市場(chǎng)供需產(chǎn)生的競(jìng)爭(zhēng)效應(yīng)等因素，導(dǎo)致要素流通不暢。此外，隨著信息化水平的迅速發(fā)展，信息化水平低的區(qū)域更易在追趕效應(yīng)及高水平區(qū)域的幫扶下，加強(qiáng)信息輸送進(jìn)而增進(jìn)彼此間的碳關(guān)聯(lián)水平?？萍紕?chuàng)新水平顯著負(fù)向影響碳關(guān)聯(lián)網(wǎng)絡(luò)，說明當(dāng)前科技創(chuàng)新是湖北省的短板，只有在人才儲(chǔ)備與技術(shù)支撐等方面程度相當(dāng)?shù)膮^(qū)縣易于實(shí)現(xiàn)共享交流。而林地差異水平并不顯著，可能原因在于湖北省僅在東西部邊緣區(qū)縣有較大面積的林地，而且相較于建設(shè)用地產(chǎn)生的碳排放量，林地的碳吸收量過小，因此影響了顯著性的表達(dá)。

5 結(jié)論與建議

5.1 結(jié)論

研究期內(nèi)，湖北省的縣域土地利用凈碳排放總量先增加后保持穩(wěn)定，整體呈現(xiàn)東高西低的空間格局。形成了以武漢市區(qū)為大核心，以其他市轄區(qū)為小核心的多組團(tuán)結(jié)構(gòu)的土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)，且研究期內(nèi)其“核心—邊緣”網(wǎng)絡(luò)結(jié)構(gòu)存在一定弱化。各區(qū)縣的土地利用碳排放呈現(xiàn)明顯的跨區(qū)關(guān)聯(lián)，網(wǎng)絡(luò)穩(wěn)健性較強(qiáng)，但網(wǎng)絡(luò)緊密度有待提升。

研究期內(nèi)，各區(qū)縣的個(gè)體網(wǎng)絡(luò)特征相對(duì)穩(wěn)定：武漢、黃石、荊門、襄陽、宜昌、荊州、十堰等地市轄區(qū)居于網(wǎng)絡(luò)核心，與其他區(qū)域的碳關(guān)聯(lián)緊密，主要承擔(dān)凈收益角色，且中介作用明顯；而中西部的邊緣區(qū)多為溢出主體。土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)的格局與碳排放的空間格局存在一定的相似性。

多元要素流網(wǎng)絡(luò)的格局與土地利用碳排放關(guān)聯(lián)網(wǎng)絡(luò)的格局也存在一定共性，回歸結(jié)果表明人口流、信息流、經(jīng)濟(jì)流均對(duì)關(guān)聯(lián)網(wǎng)絡(luò)的形成具有獨(dú)立促進(jìn)作用，但人口流或經(jīng)濟(jì)流的單一過度集聚會(huì)在一定程度上抑制關(guān)聯(lián)網(wǎng)絡(luò)的形成。同時(shí)，三種要素流對(duì)關(guān)聯(lián)網(wǎng)絡(luò)的形成存在明顯的交互效應(yīng)，經(jīng)濟(jì)流與人口流之間、信息流與經(jīng)濟(jì)流之間存在替代關(guān)系，人口流與信息流之間存在互補(bǔ)關(guān)系。此外，地理鄰近性及地區(qū)經(jīng)濟(jì)、產(chǎn)業(yè)結(jié)構(gòu)、信息化、創(chuàng)新差異水平對(duì)碳關(guān)聯(lián)的形成也存在不同程度的影響。

5.2 建議

提升區(qū)域土地利用碳排放的關(guān)聯(lián)強(qiáng)度。緊密的碳排放關(guān)聯(lián)網(wǎng)絡(luò)意味著區(qū)縣間的交互作用較強(qiáng)，更利于精準(zhǔn)確定其角色定位，從而激發(fā)角色效應(yīng)并實(shí)現(xiàn)空間聯(lián)動(dòng)，從而促進(jìn)區(qū)域協(xié)同碳減排。當(dāng)前縣域間的碳關(guān)聯(lián)強(qiáng)度仍有較大的提升空間，應(yīng)完善相關(guān)機(jī)制，暢通各類要素的跨區(qū)域流通的渠道，包括：（1）落實(shí)“園外園”“飛地經(jīng)濟(jì)”等發(fā)展模式，促進(jìn)以武漢為核心的邊際產(chǎn)業(yè)的逐步轉(zhuǎn)移，推動(dòng)“宜荊荊恩”及“襄十隨神”城市群中的各核心區(qū)縣的引領(lǐng)型產(chǎn)業(yè)向關(guān)聯(lián)區(qū)縣的延伸，促進(jìn)跨區(qū)域的產(chǎn)業(yè)合作；完善交通、通信等基礎(chǔ)設(shè)施的一體化建設(shè)，強(qiáng)化人口、經(jīng)濟(jì)及信息流之間的正向交互效應(yīng)，規(guī)避單一要素資源的過度集聚。（2）強(qiáng)化市場(chǎng)機(jī)制的作用，推動(dòng)多元要素的跨區(qū)域流動(dòng)，如完善現(xiàn)有用地增減掛鉤指標(biāo)及補(bǔ)充耕地指標(biāo)的跨區(qū)域交易市場(chǎng)、碳排放指標(biāo)交易市場(chǎng)以及生態(tài)產(chǎn)品的市場(chǎng)價(jià)值實(shí)現(xiàn)機(jī)制等。

依據(jù)各區(qū)縣在土地利用碳關(guān)聯(lián)網(wǎng)絡(luò)中的角色定位、作用及其發(fā)展態(tài)勢(shì)，探索區(qū)域差異化的碳減排策略。首先，利用縣域間經(jīng)濟(jì)發(fā)展的勢(shì)能差及區(qū)域協(xié)同政策等，加快多元優(yōu)勢(shì)要素向核心節(jié)點(diǎn)的有序流動(dòng)及合理集聚，通過優(yōu)化國(guó)土空間格局、研發(fā)低碳技術(shù)、促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)等路徑提升核心節(jié)點(diǎn)的全要素生產(chǎn)效率。在此基礎(chǔ)上激發(fā)其輻射、示范效應(yīng)，促進(jìn)人才、資本、信息等要素的有序流出，強(qiáng)化核心區(qū)的低碳技術(shù)、創(chuàng)新人才、綠色生產(chǎn)生活方式對(duì)網(wǎng)絡(luò)邊緣區(qū)的溢出效應(yīng)，延緩產(chǎn)業(yè)轉(zhuǎn)移污染的加劇，消除“碳排放避難所”現(xiàn)象，從而實(shí)現(xiàn)生態(tài)經(jīng)濟(jì)的雙贏，促進(jìn)均衡減排格局的形成。進(jìn)一步促進(jìn)中部發(fā)達(dá)區(qū)縣向中介節(jié)點(diǎn)轉(zhuǎn)變，承擔(dān)橋梁作用，以經(jīng)濟(jì)及區(qū)位優(yōu)勢(shì)促進(jìn)核心區(qū)和邊緣區(qū)的合作行為，鼓勵(lì)其參與環(huán)境共治以降低整體上土地利用碳排放的水平。

參考文獻(xiàn)（References）：

[1] HU X Q， LI Z W， CHEN J， et al. Carbon sequestration benefits of the grain for Green Program in the hilly red soil region of southern China[J] . International Soil and Water Conservation Research， 2021， 9（2）： 271 - 278.

[2] 牛亞文，趙先超，胡藝覺.基于NPP-VIIRS 夜間燈光的長(zhǎng)株潭地區(qū)縣域土地利用碳排放空間分異研究[J] .環(huán)境科學(xué)學(xué)報(bào)，2021，41（9）：3847 - 3856.

[3] 馮杰，張勝，王濤.中國(guó)省際土地利用碳排放及其影響因素分析[J] .統(tǒng)計(jì)與決策，2019，35（5）： 141 - 145.

[4] ABUHASHIM M， ELSAYED M， BELAL A E. Effect of landuse changes and site variables on surface soil organic carbon pool at Mediterranean Region[J] . Journal of African Earth Sciences， 2016， 114： 78 - 84.

[5] 張苗，吳萌.土地利用對(duì)碳排放影響的作用機(jī)制和傳導(dǎo)路徑分析——基于結(jié)構(gòu)方程模型的實(shí)證檢驗(yàn)[J] .中國(guó)土地科學(xué)，2022，36（3）：96 - 103.

[6] 苑韶峰，唐奕鈺.低碳視角下長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放的空間分異[J] .經(jīng)濟(jì)地理，2019，39（2）：190 - 198.

[7] 張玥，代亞強(qiáng)，陳媛媛，等.土地利用隱性轉(zhuǎn)型與土地利用碳排放空間關(guān)聯(lián)研究[J] .中國(guó)土地科學(xué)，2022，36（6）：100 - 112.

[8] SHEN W R， LIANG H W， DONG L， et al. Synergistic CO2 reduction effects in Chinese urban agglomerations： perspectives from social network analysis[J] . Science of the Total Environment， 2021， 798. doi： 10.1016/ j.scitotenv.2021.149352.

[9] 邵帥，徐俐俐，楊莉莉.千里“碳緣”一線牽：中國(guó)區(qū)域碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)的結(jié)構(gòu)特征與形成機(jī)制[J] .系統(tǒng)工程理論與實(shí)踐，2023，43（4）：958 - 983.

[10] 魏燕茹，陳松林.福建省土地利用碳排放空間關(guān)聯(lián)性與碳平衡分區(qū)[J] .生態(tài)學(xué)報(bào)，2021，41（14）：5814 - 5824.

[11] 張苗，劉璇，彭山桂，等.中國(guó)省域土地利用碳排放效率的空間關(guān)聯(lián)網(wǎng)絡(luò)演變特征與形成機(jī)制[J] .中國(guó)土地科學(xué)，2023，37（10）：91 - 101.

[12] 沈路，鈔小靜.多元要素流動(dòng)對(duì)城市群高質(zhì)量發(fā)展的影響——以長(zhǎng)株潭城市群為例[J] .科技進(jìn)步與對(duì)策，2023，40（3）：30 - 40.

[13] 朱新華，鐘蘇娟.“流空間”視角下高鐵對(duì)城市土地利用的影響： 基于DPSIR-PLS模型分析[J] . 資源科學(xué)，2019，41 （12）： 2262 - 2273.

[14] 王少劍，王婕妤.區(qū)域貿(mào)易視角下中國(guó)省域隱含土地流動(dòng)研究[J] .地理學(xué)報(bào)，2022，77（5）：1072 - 1085.

[15] GUO S， WANG Y， SHENG Q P， et al.Virtual builtup land transfers embodied in China’s interregional trade[J] . Land Use Policy， 2020， 94. doi： 10.1016/ j.landusepol.2020.104536.

[16] YU Z Q， CHEN L Q， TONG H X， et al. Spatial correlations of land-use carbon emissions in the Yangtze River Delta region： a perspective from social network analysis[J] . Ecological Indicators， 2022， 142. doi： 10.1016/j.ecolind.2022.109147.

[17] 吉雪強(qiáng)，劉慧敏，張躍松.中國(guó)省際土地利用碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)結(jié)構(gòu)演化及驅(qū)動(dòng)因素[J] .經(jīng)濟(jì)地理，2023，43（2）：190 - 200.

[18] 武娜，沈鐳，鐘帥.基于夜間燈光數(shù)據(jù)的晉陜蒙能源消費(fèi)碳排放時(shí)空格局[J] .地球信息科學(xué)學(xué)報(bào)，2019，21（7）：1040 - 1050.

[19] LI M C， LIU H M， YU S K， et al. Estimating the decoupling between net carbon emissions and construction land and its driving factors： evidence from Shandong Province[J] . International Journal of Environmental Research and Public Health[J] . 2022， 19. doi： 10.3390/ijerph19158910.

[20] MAYER H， ULLMAN E. American commodity flow： a geographical interpretation of rail and water traffic based on principles of spatial interchange[J] . Geographical Review， 1959， 49（1）： 142. doi： 10.2307/211582.

[21] 陳浩，羅力菲.區(qū)域協(xié)同發(fā)展政策對(duì)要素流動(dòng)與配置的影響：京津冀例證[J] .改革，2023（5）：105 - 123.

[22] 赫永達(dá)，林伯強(qiáng).異質(zhì)性勞動(dòng)力集聚對(duì)區(qū)域碳排放的影響研究[J] .人口學(xué)刊，2022，44（4）：39 - 56.

[23] 劉海云，龔夢(mèng)琪.要素市場(chǎng)扭曲與雙向FDI的碳排放規(guī)模效應(yīng)研究[J] .中國(guó)人口·資源與環(huán)境，2018，28（10）：27 - 35.

[24] 洪競(jìng)科，黃河，王先柱.經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型的碳減排效應(yīng)[J] .資源科學(xué)，2023，45（11）：2103 - 2116.

[25] 單玉紅，韓晴.要素區(qū)際流動(dòng)對(duì)土地綠色生產(chǎn)效率的影響——以武漢城市圈為例[J] .長(zhǎng)江流域資源與環(huán)境，2023，32（10）：2060 - 2071.

[26] 馮薇，趙榮欽，謝志祥，等.碳中和目標(biāo)下土地利用碳排放效率及其時(shí)空格局——以黃河流域72個(gè)地級(jí)市為例[J] .中國(guó)土地科學(xué)，2023，37（1）：102 - 113.

[27] 李強(qiáng)，高威，魏建飛，等.中國(guó)耕地利用凈碳匯時(shí)空演進(jìn)及綜合分區(qū)[J] .農(nóng)業(yè)工程學(xué)報(bào)，2022，38（11）：239 - 249.

[28] 馬忠玉，肖宏偉.基于衛(wèi)星夜間燈光數(shù)據(jù)的中國(guó)分省碳排放時(shí)空模擬[J] .中國(guó)人口·資源與環(huán)境，2017，27（9）：143 - 150.

[29] WU Y Z， SHI K F， CHEN Z Q， et al. Developing improved time-series DMSP-OLS-Like data（1992-2019） in China by integrating DMSP-OLS and SNPP-VIIRS[J] . IEEE Transactions on Geoscience and Remote Sensing， 2022， 60. doi： 10.1109/TGRS.2021.3135333.

[30] 馮穎，侯孟陽，姚順波.中國(guó)糧食生產(chǎn)空間關(guān)聯(lián)網(wǎng)絡(luò)的結(jié)構(gòu)特征及其形成機(jī)制[J] .地理學(xué)報(bào)，2020，75（11）：2380 - 2395.

[31] TAYLOR P J， WALKER D R F. World cities： a first multivariate analysis of their service complexes[J] . Urban Studies， 2001， 38（1）： 23 - 47.

Research on the Correlation Pattern and Trend of Land Use Carbon Emissions and Its Influencing Factors in Counties of Hubei Province from the Perspective of Flow Space

SHAN Yuhong ， CHENG Qiuyue ， KE Xinli ， ZHENG Dongjie

（School of Public Administration， Huazhong Agricultural University， Wuhan 430070， China）

Abstract： The purposes of this study are to analyze the spatial correlation network structure of land use carbon emissions（LUCE） in counties of Hubei Province from the perspective of flow space and to explore its influencing factors， to promote the synergistic carbon emission reduction among regions. The research methods include nighttime lighting data simulation and energy consumption model， land use carbon emission measurement model， modified gravity model， social network analysis and QAP regression model. The results show that： 1） during the study period， the spatial pattern of LUCE in Hubei Province presents a high-east and low-west distribution. The spatial correlation of LUCE among counties is obvious. The overall network is a multi-cluster structure with the Wuhan area as the major core and the municipal districts as the minor cores. The network robustness is strong， and the hierarchical structure has weakened but the network tightness needs to be improved. 2） Urban areas， such as Wuhan， Huangshi， Jingmen， Xiangyang， Yichang， Jingzhou， and Shiyan， are at the core position of the network and act as net beneficiaries. 3） Population flow， information flow and economic flow all significantly promote the formation of carbon emission correlation networks among counties. Their influencing roles have non-linear and interactive characteristics. Geographic proximity and the differences in economy， industrial structure， informatization and innovation have differentiated impacts on the network formation. In conclusion， it is necessary to regulate the correlation strength of LUCE in counties and establish regional differentiated emission reduction strategies based on the roles of each county in the correlation network to form a synergistic carbon emission reduction situation.

Key words： correlation network of LUCE； factors flow； influencing factors； counties of Hubei Province； social network analysis； QAP analysis

（本文責(zé)編：張冰松）