新文速递|中国交通碳排放的空间关联网络结构及其驱动因素分析（2024年发文）
中国交通碳排放的空间关联网络结构及其驱动因素分析
研究目的 本研究的主要目的是 通过构建和分析中国各省份交通碳排放的空间关联网络，探讨这些碳排放在省际间的相互影响和关联性。 具体而言，研究旨在揭示2005年至2015年间，各省交通碳排放的空间关联网络结构的特征，并识别出影响这些关联的关键驱动因素。研究最终目标是为政策制定者提供科学依据，以制定更有效的跨区域碳排放控制和治理政策。 研究方法 本研究采用了 社会网络分析（Social Network Analysis, SNA）方法 ，结合改进的引力模型来分析中国各省份的交通碳排放数据。 数据主要来源 于2005年至2015年间各省的统计年鉴，包括交通碳排放量、人口规模和交通行业产出值等。 研究首先利用改进的引力模型构建省际交通碳排放的空间关联网络，然后通过UCINET软件对网络的整体结构和个体特征进行分析。 为了探讨影响这些空间关联网络形成的因素，研究使用了二次分配程序（Quadratic Assignment Procedure, QAP）法进行回归分析，主要考察了地理邻近性、经济发展差异、研发投资差异、交通能源结构差异、能源价格差异、环境规制强度差异等变量对空间关联的影响。 结果 网络结构特征： 中国各省交通碳排放的空间关联网络呈现出明显的网络结构，且随着时间的推移，网络的密度逐渐增大，表明省际之间的碳排放关联性在增强。同时，网络的效率呈下降趋势，表明网络连接性更趋稳定。 核心-边缘结构： 空间关联网络表现出显著的“核心-边缘”分布格局。中央和东部省份如河南、江苏、山东等省位于网络的核心位置，这些省份与其他省份之间的碳排放关联性更强。而吉林、海南、青海等边远省份则位于网络的边缘，它们与其他省份的关联性较弱。 影响因素： 研究表明，地理邻近性显著促进了省际碳排放的空间关联，地理相近的省份之间碳排放的关联性更强。经济发展差距的缩小也有助于省际碳排放的空间关联，经济发展水平相近的省份更容易形成碳排放的关联网络。此外，研发投资差异的扩大则进一步加剧了省际碳排放的空间关联，研发投入高的省份与低研发投入省份之间的资源和技术交流频繁，导致碳排放的空间关联性增强。 讨论 讨论部分深入分析了网络密度和效率的演变趋势 ，指出虽然中国政府在过去十年中实施了多项减少碳排放的措施，但交通碳排放的空间关联性仍在增强，这表明单一省份的减排措施难以有效控制全国范围内的碳排放问题。 研究还发现，每个“五年计划”周期初期，网络密度较低，表明各省在环境政策实施初期，减排效果较好。但随着时间推移，地方政府因经济发展需求而放松了环境规制，导致网络密度和效率发生周期性变化。这一现象与地方政府的政治激励和环境政策执行力息息相关，表明需要更为持续和严格的政策监督机制来确保长期的碳减排效果。 总结 通过 对2005年至2015年间中国各省交通碳排放的空间关联网络的深入分析，本研究揭示了该网络的“核心-边缘”分布特征，并识别出地理邻近性、经济发展差异和研发投资差异是影响省际碳排放空间关联的关键因素。 研究表明，要实现有效的交通碳排放治理，中国政府应采取区域协同治理的策略，尤其是关注处于网络核心位置的省份，如河南、江苏等。此外，研究还指出，地方政府的政治激励机制对碳排放治理效果有显著影响，未来应在政策制定中进一步平衡经济发展和环境保护的目标。整体而言，本研究为制定跨区域的交通碳排放控制政策提供了理论支持和实证依据。
文献来源：Bai, C., Zhou, L., Xia, M., & Feng, C. (2020). Analysis of the spatial association network structure of China's transportation carbon emissions and its driving factors. Journal of environmental management , 253 , 109765. 声明：本推送内容仅代表本人的浅薄理解，由于水平有限，难免出现错误，欢迎大家批评指正。推送难以展示研究的所有内容，详情参见原文。
