期刊佳文 | 中国土地利用碳排放效率的空间关联网络及其驱动因素——基于国家重大战略区域的考察

随着城市化进程的加快，土地作为陆地生态系统和人类生产生活的重要载体，在开发利用过程中不仅为人类生存提供环境条件和丰富的产品，也会带来能源的消耗和碳排放量的上升。在经济高速增长带来巨大资源环境压力的背景下，如何提升土地利用碳排放效率、促进区域经济社会低碳转型，已经成为全球范围内普遍关注的焦点议题[1]。土地利用在人类活动中扮演着极为重要的角色，其在碳循环及气候变化过程中产生着不可小觑的作用[2，3]。近年来，中国在应对气候变化方面作出了巨大努力，取得了显著成效。作为有责任担当的大国，中国承诺力争在2030年前实现“碳达峰”，并在2060年之前实现“碳中和”，这不仅是中国对国际社会的庄重许诺，也是中国新型现代化发展的紧迫需求[4]。但不可忽视的是，中国的碳达峰、碳中和时间窗口偏紧且重点区域产业发展失衡问题凸显，如何克服资源和环境的限制、提升土地利用碳排放效率以及促进区域间的联动减排合作，已成为“双碳”目标进程中的主要任务[5]。2021年12月，中国工信部印发《“十四五”工业绿色发展规划》，指出要优化重点区域绿色低碳布局，立足京津冀、长三角、长江经济带、黄河流域和粤港澳大湾区五大重点区域，实施绿色转型升级工程。2022年6月，生态环境部等7部门联合印发《减污降碳协同增效实施方案》，提出要在国家重大战略区域开展区域减污降碳协同创新。因此，基于“双碳”目标要求，探究国家重大战略区域土地利用碳排放效率空间关联网络，剖析其区域差异及驱动成因，不仅为不同区域国土空间低碳优化配置及碳排放效率提升提供现实参考，也为落实“双碳”目标任务、统筹推进区域互动协作减排机制提供理论支撑。

准确测度中国国家重大战略区域土地利用碳排放效率，是掌握区域土地利用碳排放效率空间关联网络结构演化的首要前提。就现有研究来看，学者们大多将碳排放作为非期望产出，纳入土地利用效率测算之中，研究方法主要以传统的测算模型为主，如数据包络分析[6]、SBM模型[7，8]、随机前沿分析[9]等。随着区域协调发展战略的现实需求，土地利用碳排放效率的测度尺度包含了全国[10]、省级[11]、城市群[12]、经济带[13]等多个维度，有效地揭示了不同尺度区域土地利用碳排放效率的演变趋势，为有关政策制定提供了坚实的科学依据。也有不少学者在土地利用碳排放效率测度的基础上，将关注点转向其影响因素的研究，进一步揭示了土地利用碳排放效率的区域异质性主要是土地利用结构、经济发展、技术创新和产业结构等因素综合作用的结果[14-16]。伴随着空间计量方法的成熟及区域协同减排的要求，学者们在土地利用碳排放的格局演变[17]、区域差异[18]、空间效应[19]等方面展开了进一步探讨，论证了不同区域土地利用碳排放会呈现不同程度的收敛性或空间溢出效应。这些成果对土地利用碳排放效率的提升及相关减排工作的开展具有借鉴意义。但是，随着中国区域协调发展策略的不断深入，人口、资金、技术等要素资源在区域间开始不断自由流动，区域之间的空间联系日益紧密，导致碳排放的空间效应逐步打破了传统的地缘界限，逐步朝向空间关联网络的趋势发展。于是，学术界就碳排放空间关联网络的结构特征[20]、影响因素[21]等内容也展开了相关研究。

目前关于土地利用碳排放效率的研究成果已取得了一系列进展。然而，已有研究还存在以下不足：①在国家重大发展战略背景下，鲜有文献将对土地利用碳排放效率的关注聚焦到京津冀、长三角、长江经济带、黄河流域和粤港澳等重大战略区域，更未进行区域间的差异性分析。②在土地利用碳排放效率空间关联网络研究方面，已有研究主要聚焦于全国、单个城市群、流域等尺度的研究，但少有文献聚焦到国家重大战略区域内城市土地利用碳排放效率的空间联系。③在对土地利用碳排放效率空间关联网络差异的驱动因素识别上，已有研究仅讨论单因子的驱动作用，尚不足以把握经济发展、科技创新、政府调控等因素对土地利用碳排放效率空间关联网络的交互作用机制。

虽然已有研究成果为本文提供了良好基础，但仍存在可拓展之处：①在空间尺度上，基于国家重大战略区域开展土地利用碳排放效率研究，有助于摸清国家重大战略区域土地利用碳排放效率时空演化的一般性规律。②在研究视角上，基于整体网络和个体网络两个维度，剖析国家重大战略区域土地利用碳排放效率空间关联网络特征，准确把握中国土地利用碳排放效率的区域差异，才能有的放矢并精准发力地提升土地利用碳排放效率，为实现“双碳”目标提供科学参考。③在研究内容上，基于内外驱动力视角，运用地理探测器识别土地利用碳排放效率空间关联网络的驱动因素，并进一步探究国家重大战略区域单因子和交互因子的驱动作用，为促进区域间协调互动、形成优势互补的低碳土地利用格局提供科学依据和实践指导。鉴于此，本文以国家重大战略区域内199个地级及以上行政单元（以下简称“城市”）为研究对象，采用超效率EBM模型测算2005-2020年土地利用碳排放效率，揭示其时空演变规律；利用社会分析法剖析其空间关联网络特征，并运用地理探测器进一步探究区域空间关联差异的驱动因子及内在机理；最后，根据各区域在土地利用碳排放效率空间关联网络中的差异化角色，提出具有针对性的低碳转型路径，从而更好地促进国土空间低碳优化配置，推动土地利用碳排放效率均衡增长。

在土地开发和利用过程中，总是期望投入最少的生产要素，而获得最大的期望产出和产生最少的非期望产出。而在土地利用碳排放效率测度模型选取中，径向模型要求投入产出变量同比例变动而忽视了不同变量的特性，非径向模型虽然能够考虑到各投入产出变量的差异性，但可能会丢失变量之间的初始比例关系[22]。Tone等[23]提出的EBM模型，有效克服了以上模型的缺陷。EBM模型兼具了径向和非径向特征，放宽了变量等比例变化的假设，有效保留了效率前沿的原始比例关系，但却无法对效率值为1的决策单元进行单独区分。因此，为实现对有效决策单元的进一步评价，本文借鉴Andersen等[24]的研究，将每个城市作为决策单元，构造不同城市土地利用碳排放效率的最佳前沿面。假设在t期（t=1，…，T），有n个（j=1，…，n）决策单元。每个决策单元均有m种要素投入x_ij（i=1，…，m），s种期望产出y_rj（r=1，…，s）和h种非期望产出b_zj（z=1，…，h），构建考虑非期望产出约束的超效率EBM模型，具体公式如下：

社会网络分析基于图论和网络理论，通过分析和可视化个体之间的关系，能够较好地揭示社会系统中的模式、结构和动态。简单来说，社会网络是由多个节点和多种关系组成的集合[25]。其中，国家重大战略区域土地利用碳排放效率空间关联网络可视为一个社会网络，不同区域内部的城市作为网络节点，城市间的彼此互动关系和关联则视为网络连线。因此，本文采用社会网络分析法，从整体网络和个体网络两个维度剖析五大战略区域土地利用碳排放效率空间关联网络特征，挖掘区域内城市之间的互动关系。具体公式来源和相关介绍参考文献[26]。

已有研究多采用引力模型建立空间关联网络，可以有效地将土地利用碳排放效率和经济地理距离相结合，更好地反映其空间关联。因此，本文借鉴郑航等[27]的研究，在引力模型的基础上进行修正，构建国家重大战略区域土地利用碳排放效率空间关联矩阵，计算公式如下：

式中：F_ac为a城市与c城市间的联系强度；K_ac为a城市对F_ac的贡献率；W为城市土地利用碳排放效率；P为年末城市总人口数；G为生产总值；g为人均生产总值；d_ac为a城市与c城市之间的距离；为两城市的经济地理距离。以矩阵中每一行的均值作为阈值，对其进行二值化处理。若F_ac大于阈值，取值为1，说明区域内城市之间的土地利用碳排放效率具有空间关联性；反之，则取值为0，说明不具有空间关联性。最终得到国家重大战略区域土地利用碳排放效率的空间关联矩阵。

为识别不同国家重大战略区域内土地利用碳排放效率空间联系的驱动因素，引入空间联系总量E_e，即e区域内所有地区空间联系值的总和，假设a、c两城市属于e区域，e区域共有f个城市，计算公式如下：

地理探测器是用来探测空间分异特征、揭示其影响因子并且能够解释影响因子对因变量交互作用的一组统计方法[28]。本文运用因子探测和交互探测来识别某种环境因素对土地利用碳排放效率空间联系分异的驱动因子以及解释驱动因子对土地利用碳排放效率空间联系的交互作用。

（1）因子探测。因子探测的目的是探测某因子能够多大程度上解释因变量的空间分异。本文运用因子探测识别某种环境因素对土地利用碳排放效率空间关联演化分异的影响程度，用q值度量。计算公式如下：

（2）交互探测。交互探测可以定量表征两个影响因子对土地利用碳排放效率空间关联演化分异的作用关系。首先，分别计算某两个因子对土地利用碳排放效率空间关联演化分异的q(X₁)和q(X₂)值；其次，计算影响因子两两交互的q(X₁∩X₂)值；最后，对q(X₁)、q(X₂)与q(X₁∩X₂)的数值进行比较，判断交互作用。详细判断标准见参考文献[29]。

土地利用碳排放效率本质上是碳排放约束下土地利用活动过程中的资本、劳动力、能源、技术等要素投入和经济效益、环境污染产出共同作用的结果，也是对土地利用效率内涵的延伸与扩展，强调尽可能以最小单位要素资源的投入，获取最大的经济效益等“期望”产出，以及最低的环境污染（碳排放）等“非期望”产出[30]。因此，借鉴现有研究[5，31]，构建土地利用碳排放效率的投入与产出指标体系：①投入指标。在投入指标方面，基于资本、劳动力、能源和技术要素分别选取地均①固定资产投资额、地均从业人员、地均能源消费量和地均R&D经费支出作为土地投入指标。②产出指标。在期望产出指标方面，选取地均GDP来表征经济效益产出；在非期望产出指标方面，选取地均净碳排放量来表征环境污染。

为进一步厘清土地利用碳排放效率空间关联异质性格局形成的内在机理，本文借助Geodetector软件来探测各驱动因素对国家重大战略区域内城市土地利用碳排放效率空间联系的影响以及研究期单因子、交互因子驱动的差异。基于内外部驱动力视角，并借鉴已有研究[32]，选取以下驱动因素，其中内部驱动因素包括：①经济驱动力（gdp）：以2005年为基期的人均实际GDP为表征，并进行对数处理。②科技支撑力（tec）：以地方财政科技投入占GDP比重衡量。③禀赋吸引力（lan）：以建设用地面积占行政区土地总面积的比重衡量。④人口集聚力（pop）：以人口密度来表征。外部驱动因素包括：⑤政府调控力（gov）：以人均财政支出衡量。⑥政策引导力（env）：以工业污染物排放量来衡量。⑦资源倾斜力（ind）：以第二产业增加值占GDP的比重衡量。⑧市场牵引力（mar）：采用樊刚等[33]计算的市场化指数衡量。鉴于地理探测器对样本数据的要求，本文运用ArcGIS10.7中的自然断点法对8个驱动因素进行空间离散化处理。

本文以2005-2020年国家重大战略区域的199个城市为研究样本。土地利用类型数据通过ArcGIS软件对武汉大学杨杰和黄昕教授发布的1985-2022年中国30m的年度土地覆盖数据（https://zenodo.org/records/8176941）进行裁剪和掩膜获取。碳排放量数据源自中国碳核算数据库（CEADs），鉴于研究数据的时效性和连续性，参考冯薇等[5]的做法，采用滑动平均法对2020年的碳排放量数据进行预测，并结合GDP变化趋势对其进行修正；碳吸收量则通过各土地利用类型面积与其碳排放系数相乘得到。社会经济指标数据主要来源于《中国城市统计年鉴（2006-2021年）》以及各省统计局和统计公报等。同时以2005年为基期对固定资产投资额和GDP指标进行平减处理。能源消费总量通过夜间灯光数据模拟预测得到，各地级市间地理距离通过ArcGIS平台获得。需要说明的是：囿于数据的准确性和可得性，本文对数据部分缺失的城市，采用插值法补全；对数据缺失严重的城市，则予以剔除。由于香港、澳门地区数据缺失，故粤港澳大湾区仅选取广东省的城市为研究对象。最终本文将对国家重大战略区域的199个城市进行分析。

基于测度结果（图1），2005-2020年，5个国家重大战略区域土地利用碳排放效率基本呈现先波动下降后平缓攀升的态势，但各个区域存在明显的差异性，粤港澳的土地利用碳排放效率处于领先地位，研究期均值为0.636，其次为长三角（0.576）、长江经济带（0.556）、京津冀（0.516）和黄河流域（0.501）。从增长幅度来看，2005-2012年，京津冀、长三角、长江经济带和黄河流域呈现负向增长，仅粤港澳呈现正向增长；2013-2020年，国家重大战略区域的土地利用碳排放效率均有大幅增长，其中京津冀的增幅最高（39.61%），黄河流域（32.89%）、长江经济带（27.30%）和长三角（22.06%）次之，粤港澳的增幅最低（14.60%）。究其原因，2012年党的十八大召开以来，国家强调以生态性和可持续性为价值导向，积极推进生态优先、绿色发展理念，加快生态文明建设、绿色低碳转型，进而使得区域土地利用碳排放效率有所提升。上述结果表明，粤港澳和长三角作为推动经济高质量发展的重要增长极，其土地利用碳排放效率处于领先地位，但增长速度较慢；京津冀和黄河流域的土地利用碳排放效率虽滞后于其他区域，但其增长迅速，具备可观的发展态势；尽管伴随着一系列生态环境保护和碳减排政策的出台，以及清洁能源技术的推广应用，使得长江经济带的土地利用碳排放效率得以显著提升，但面对要实现的“双碳”目标仍任重道远。

本文运用Ucinet6.5软件网络分析功能，绘制出国家重大战略区域土地利用碳排放效率的空间关联网络（图2）。整体而言，各区域土地利用碳排放效率空间联系的关联数大体上呈现持续增长态势，由2005年的稀疏状态发展至2020年的稠密形态，各城市之间普遍存在着空间关联。以上说明，随着社会经济的发展，各区域间的空间网络关联性逐渐增强。从区域差异来看，京津冀网络关系数稍微有所减少，由2005年的33个降至2020年的30个。其原因可能是，随着网络信息的快速发展，土地利用碳排放效率相关要素的交流愈发频繁，但由于北京的吸虹效应不断扩散，使之要素流动更加集中，加剧了区域发展的不平衡，导致网络关系数有所减少。粤港澳的网络关系数由2005的49个增加至2020年的95个，长三角的网络关系数由206个上涨至318个，长江经济带的网络关系数由1344个增加至1486个，黄河流域的网络关系数由680个攀升至936个。这意味着多数国家重大战略区域内城市彼此间的土地利用碳排放效率联系愈加紧密。伴随着区域内外部交通运输网络的通达性及信息网络的发达性，一个城市的土地利用碳排放要素可能会发生迁移，这必然会引起周边或其他城市的土地利用碳排放效率随之发生改变，并由此产生纵横交错的空间关联网络。

为考察各区域土地利用碳排放效率空间联系的网络结构，本文进一步引入了网络密度、网络效率、网络关联度和网络等级度。如图3所示：①网络密度。研究期间国家重大战略区域土地利用碳排放效率的网络密度朝有向好发展的趋势，但仍有较大的上升空间。其中，京津冀研究期均值最高（0.205），长三角（0.203）、黄河流域（0.181）、粤港澳（0.117）次之，长江经济带（0.157）最低，说明在样本考察期内区域土地利用碳排放效率的空间网络结构相对松散，还需进一步推动城市之间土地利用碳排放效率相关要素的流动与合作。②网络效率。研究期内5个国家重大战略区域的网络效率均保持在0.700以上，处于中等偏上水平，表明其空间关联网络中存在较多冗线和多重叠加的空间效应现象，网络结构的稳定性较低。③网络关联度。研究期间区域土地利用碳排放效率的网络关联度始终保持为1，这揭示了空间关联网络结构正逐步朝向通达化和稳固化的态势发展，且没有出现脱离网络的“孤立”城市，彼此之间存在显著的空间溢出效应。④网络等级度。研究期间各区域网络等级度呈现下降趋势，表明国家重大战略区域土地利用碳排放效率空间关联网络不平等程度有所下降，各城市之间的碳排放效率相互影响，彼此之间的联系越来越紧密，网络结构逐渐趋于稳定。但不同区域间也存在明显的梯度差异，其中京津冀和粤港澳的网络等级度分别达到0.603和0.731，这意味着高碳排放效率区与低碳排放效率区在空间结构上呈现“等级森严”式布局，未来应进一步完善其网络结构。长三角的网络等级度排名第三，数值为0.357，说明其土地利用碳排放效率的网络稳定性有待提高。黄河流域和长江经济带的网络等级度仅为0.076和0.021，说明在碳排放效率空间关联网络中城市间等级结构并不森严，网络节点的可达性高，网络结构的稳定性较好。

本文测度了样本考察期内国家重大战略区域城市的个体网络特征（度数中心度、接近中心度和中介中心度），进而揭示不同城市在土地利用碳排放效率空间关联网络中所扮演的角色与发挥的作用。由于篇幅原因，本文仅展示2020年个体网络特征结果。

（1）度数中心度

基于测度结果来看（图4），国家重大战略区域的度数中心度均值从大到小排序分别是粤港澳（35.238）>京津冀（32.051）>长三角（31.154）>黄河流域（28.654）>长江经济带（24.905）。从区域差异来看，粤港澳的深圳、广州、东莞和佛山的度数中心度显著高于均值，表明这些城市与区域其他城市间存在较多的关联，在空间关联网络中处于中心地位。长三角高于均值的城市占比为20.00%②，这部分城市主要凭借自身较高的经济发展实力和技术水平影响着周边城市。黄河流域高于均值的城市占比达28.57%，主要分布在重工业发展地区，度数中心度排名靠后的城市大多经济发展规模较小，进而会影响其对周边城市技术和资源的吸引，即吸虹效应有所减弱。长江经济带高于均值的城市占比仅为18.95%，在土地利用碳排放效率空间关联网络中与其他城市的关联相对匮乏。

进一步分析点入度和点出度的测算结果（表1），可以更好地识别不同区域内城市在土地利用碳排放效率空间关联网络中所扮演的角色。如果点入度明显大于点出度，说明该城市属于净受损者；如果点出度明显大于点入度，说明该城市属于净溢出者；如果点入度与点出度接近，表明该城市与其他城市之间存在平等的合作关系，简称为合作者[34]。在合作者城市中，点入度与点出度均大于或等于均值的城市在网络中较为活跃，称为积极合作者，其余城市称为边缘合作者。

表1统计了国家重大战略区域内城市在土地利用碳排放效率空间关联网络中所扮演的角色类型。其中，京津冀的净受损者包括北京和天津，净溢出者包括石家庄、邯郸和衡水，以邢台为代表的其余8个城市属于边缘合作者。长三角的净受损者包括常州、杭州、南京、上海、苏州、无锡和镇江7个城市，净溢出者包括安庆、蚌埠和亳州等19个城市，只有宁波和扬州属于积极合作者，其余以嘉兴为代表的12个城市属于边缘合作者。长江经济带的净受损者包括上海、杭州、南京、武汉等16个城市，净溢出者包括以安庆为代表的62个城市，仅重庆属于积极合作者，边缘合作者包括滁州、合肥、湖州和淮安等16个城市。黄河流域的净受损者包含青岛、包头、周口等13个城市，净溢出者包括以安康为代表的37个城市，积极合作者包括南阳、商丘、乌海、洛阳和焦作5个城市，边缘合作者包括德州、新乡和银川等15个城市。粤港澳的净受损者包括广州、深圳、中山、佛山和东莞，净溢出者包括潮州、汕头、汕尾、韶关等11个城市，只有江门属于积极合作者，而惠州、清远、肇庆和珠海为边缘合作者。深入分析发现，净溢出者城市的数量明显多于净受损者和合作者城市的数量，这表明土地利用碳排放效率在空间关联网络中主要表现为“溢出效应”，中心城市的发展不仅会带动周边城市劳动力、资本和技术等要素的流动，促进其经济发展和基础设施建设，环境污染同样也会扩散到周边城市，影响着周边地区的碳排放效率。

（2）接近中心度

根据测算结果（图4），国家重大战略区域的接近中心度均值从高到低排序依次为：粤港澳（62.785）>京津冀（61.966）>长三角（60.822）>黄河流域（58.908）>长江经济带（58.364），土地利用碳排放效率空间关联网络呈现出“中心—边缘”结构的趋势。从区域差异性来看，京津冀的接近中心度内部分化较为明显，只有北京和天津高于均值，原因在于，北京和天津作为区域内的核心城市，得益于技术和人才等资源倾向的优势，能够快速与周边城市产生空间联系。粤港澳地区的深圳、广州、东莞和佛山高于均值，究其原因，主要是这些城市通过吸纳来自中西部地区的能源和劳动力等要素，并持续不断地向外界输出技术和资金，随即与周边城市的土地利用碳排放效率产生了空间联系。长三角的上海、杭州、南京等8个城市超过了均值，说明这些城市在空间关联网络中扮演着中心行动者角色，其土地利用碳排放效率与周边城市彼此影响。主要原因在于这些城市一方面有足够的经济实力引进人才与技术，另一方面其基础设施比较完备，可保证资源实现跨区域流通。黄河流域的延安、洛阳、东营、包头等15个城市高于均值，这些城市大多为资源型城市，在能源供应与节能减碳方面推动周边城市的产业结构绿色转型。然而，接近中心度排名较为落后的城市，在空间关联网络中扮演边缘行动者角色，这或许是因为地理位置僻远或经济发展水平较低，无法与其他城市竞争核心资源所致。

（3）中介中心度

测算结果显示（图4），国家重大战略区域中京津冀（6.177）的中介中心度均值最高，依次是粤港澳（3.409）、长三角（1.812）、黄河流域（1.075）和长江经济带（0.807）。从区域内部差异来看，中介中心度高于均值的城市占样本总量的18.09%，其中，京津冀包含北京和天津；粤港澳地区包含深圳、广州、东莞和佛山；长三角地区包含8个城市，分别为上海、苏州、杭州、南京、常州、无锡、宁波和镇江；黄河流域地区包含9个城市，分别为呼和浩特、包头、东营、威海、淄博、鄂尔多斯、青岛、烟台和济南；长江经济带包含13个城市，分别为上海、苏州、南京、杭州、无锡、宁波、常州、镇江、武汉、绍兴、嘉兴、南昌和长沙。这些城市凭借较好的经济发展实力在空间关联网络中起到了桥梁的作用，调控土地利用碳排放要素在城市之间的优化与配置。然而其余81.91%的城市中介中心度处于较低水平，这些城市或经济发展水平相对较低，或受地理位置及其他因素的影响制约着城市间要素资源的流动，使其在土地利用碳排放效率空间关联网络中处于从属地位。

从表2可知，就不同区域而言，土地利用碳排放效率空间关联异质性的驱动因子表现出显著的差异性。从内部驱动力来看，gdp是京津冀、长三角和长江经济带土地利用碳排放效率空间关联分异的主导因子，其影响程度分别为0.868、0.935和0.925，表明经济发展水平起主导作用。此外，tec对京津冀地区空间异质性也起到重要作用。lan是黄河流域和粤港澳的主导因子，其影响程度分别为0.331和0.808，说明土地利用结构的合理配置能够提升土地利用碳排放效率。从外部驱动力来看，gov是京津冀、长三角、长江经济带和粤港澳土地利用碳排放效率空间关联异质性的主导因子，其影响程度分别为0.967、0.582、0.563和0.848，表明空间关联网络的形成在一定程度也需要政府的干预。ind对京津冀空间关联异质性的影响程度为0.804，说明产业结构的合理化也有助于土地利用碳排放效率的提升。mar对五大战略区域的影响程度较小，说明市场化水平并未对土地利用碳排放效率的空间关联分异产生明显的约束作用。而黄河流域的主导因子是env，其影响程度为0.130。由于黄河流域整体经济发展水平相对落后，在谋求经济效益的同时损坏了生态环境，不利于区域产业结构绿色转型，其碳排放效率有待提升。综合来看，加强区域之间土地利用碳排放效率空间联系，经济发展、土地利用结构调整、政府调控和政策引导十分关键。当前的碳排放交易平台还不够完善，市场因素对土地利用碳排放效率的驱动作用尚不明显。

为了进一步识别不同因子对土地利用碳排放效率空间关联分异的协同作用，本文借助地理探测器的交互探测模块以探究因子间的交互作用。由图5可以看出，任意两个影响因子间交互作用的解释力均表现为双因子增强或非线性增强的特点，这表明国家重大战略区域土地利用碳排放效率的空间关联异质性格局是由经济驱动、禀赋吸引、政府调控和政策引导等多个驱动力共同作用而形成的。具体而言，5个国家重大战略区域土地利用碳排放效率空间关联异质性的交互作用也具有明显的差异性。京津冀和粤港澳绝大部分驱动因子交互解释力均达到80%以上，但京津冀驱动因子的交互作用多为双因子增强，而长江经济带和粤港澳大多表现为非线性增强。其中，京津冀gdp∩tec、gdp∩pop、tec∩mar的交互作用解释力达到100%，长江经济带和粤港澳gov∩ind、gdp∩mar的交互作用解释力达到99%以上。长三角排名前三位的是gdp∩mar、gdp∩tec、gdp∩pop，表现为双因子增强，其解释力达到96%以上。而黄河流域单因子解释力较弱的指标，交互作用后均表现为非线性增强，例如gdp∩pop、lan∩pop、lan∩gov交互作用的解释力超过80%。综上可知，五大战略区域内土地利用碳排放效率的空间关联异质性并非受到单个因子的独立影响或各因子间的叠加效应，而是多个因子交互作用产生的结果。在经济、人口、土地和市场等要素多管齐下的推动下，区域内各种资源得到更加有效的配置和优化，吸引着更多的资金和技术在不同战略区域间自由流动，形成内外双循环，从而对土地利用碳排放效率产生不同程度的影响。

加快土地利用绿色低碳转型是实现中国“双碳”目标的必然要求。因此，本文以国家重大战略区域199个城市为研究对象，采用超效率EBM模型测度五大战略区域的土地利用碳排放效率；利用社会网络分析法，基于整体网络和个体网络双重维度揭示国家重大战略区域土地利用碳排放效率的空间关联网络特征；运用地理探测器探测国家重大战略区域土地利用碳排放效率空间关联异质性的驱动因素。研究结论如下：

（1）2005-2020年，国家重大战略区域土地利用碳排放效率呈现先下降后上升态势，且不同区域间土地利用碳排放效率存在明显的差异性，从大到小依次为：粤港澳>长三角>长江经济带>京津冀>黄河流域。

（2）在空间关联网络方面，从整体网络维度来看，国家重大战略区域空间联系大体上由2005年的稀疏形态发展至2020的紧密形态，网络结构逐渐向多元化、稠密化、稳健化方向发展；从个体网络维度来看，国家重大战略区域内城市土地利用碳排放效率空间关联主要表现为“溢出效应”，即净溢出者城市的数量明显多于净受损者和合作者城市的数量，且城市间存在“中心-边缘”结构。

（3）基于单因子驱动结果，从内部驱动力来看，经济驱动力是导致京津冀、长三角和长江经济带土地利用碳排放效率空间关联异质性的主导因子，而禀赋吸引力是影响黄河流域和粤港澳地区的主要原因；从外部驱动力来看，除政策引导力是黄河流域土地利用碳排放效率的主导因子外，其他区域主要受政府调控力的影响。基于双因子驱动来看，组合因子的交互贡献率往往具有较大的影响能力。因此，土地利用碳排放效率的空间联系是一个复杂系统，其空间关联网络的异质性受多种因子之间相互作用的共同影响。

基于上述研究结论，本文提出以下政策启示：

（1）强化土地利用碳排放效率的空间联系。应充分发挥政府和市场的双重调控机制对土地利用碳排放效率空间联系的促进作用，打破区域间的要素流通障碍，推进资金、技术、能源和劳动力等要素实现跨区域自由流动，加快区域土地利用碳排放的空间联动发展，提升其空间关联网络的通达性，最终实现土地利用碳排放效率空间关联网络有序、高效的运转。

（2）以“双碳”目标为指引，探索差异化的低碳土地利用转型路径。京津冀应发挥好核心城市的集聚辐射作用，缓解区域内部土地利用减排降污的落差。粤港澳应充分发挥其带头作用，推进科技、土地管理等方面的体制创新，减少土地利用碳排放，确保在全国范围内引领低碳改革的步伐。长三角应搭建好交通和信息网络畅通的桥梁，为区域间土地利用碳排放空间关联网络中各要素之间的流动和资源配置效率的优化提供保障。黄河流域主要以传统产业为主，应着力推进用地指标向低能耗、低污染的产业倾斜。长江经济带应促进国内外绿色低碳技术交流，积极倡导和推广环境保护、节能减排的低碳转型方式。

（3）统筹推进区域协同减排和协调发展。亟待消除国家重大战略区域间低碳转型的技术壁垒和制度壁垒，构建良好的科创环境，积极推动产业结构升级。政府要加强环境治理能力和土地利用管控手段，完善区域间国土资源优化配置，提高城市土地利用效率，促进区域土地利用协同减排，实现区域协调发展。

首先，囿于数据的可获取性，本文从城市的层面对国家重大战略区域仅展开了平行研究，未来可从更加细致的不同视角进行深入探讨，例如区域间减排降污的协同效应及优化路径将是今后研究的重点。其次，由于篇幅问题，本文并未对不同区域内的城市进行角色识别和地位分区，未来可对“核心-边缘”结构、模块聚类等研究内容进一步深化讨论。最后，相较于现有研究，本文在研究尺度和研究视角等方面实现了拓展，但驱动因素对土地利用碳排放效率空间关联网络的内部作用机理仍有待深入探讨。