实现碳达峰、碳中和是一场广泛而深刻的经济社会系统性变革, 也是实现经济社会全面绿色转型和建设“美丽中国”的必然选择^[1]。党的二十大报告提出推进绿色低碳高质量发展道路, 积极稳妥推进碳达峰碳中和^[2]。在“双碳”目标战略驱动下, 各地区积极推进绿色低碳化发展, 加快构建低碳循环经济体系。但是由于中国各地区经济社会发展状况、能源禀赋及生态环境压力等方面存在显著差异, 地区碳排放强度和规模的空间异质性特征明显, 区域间交流和合作形成的空间关联关系, 对碳排放要素的流动产生至关重要的影响, 对中国区域协同减排目标造成巨大压力, 严重制约中国“双碳”目标的实现。因此, 从空间关联网络视角考察中国碳排放的网络结构特征及碳平衡分区, 对完善跨区域碳达峰、碳中和行动方案, 推进区域公平减排增汇与促进区域绿色可持续发展具有一定的积极作用。

回顾以往研究发现, 现有碳排放相关研究主要包括以下三个方面：第一, 碳排放的空间特性分析, 传统的空间计量方法(如空间分布异质性、空间聚集、空间收敛性等)普适性高、直接且能有效识别动态演变趋势, 因而被广泛使用^[3—5]。如胡宗义等利用Dagum基尼系数分解法分析地方政府环境责任履行水平的区域差异^[6]；高威等借助探索性空间数据分析、核密度估计等探讨中国生态用地碳汇的空间结构特征和时空演进态势^[7]；Gui等借助探索性时空数据分析探索广东省内各县域碳排放的时空演变特征^[8]。社会网络分析法是一种以“关系数据”为核心的跨学科研究方法, 能识别空间中复杂的网络关系, 并逐步被应用于研究碳排放空间关联网络中^[9]。该方法采用图论和矩阵方法描述关联关系并揭示其对网络中个体或整体结构的影响^[10]。如高煜昕等从社会网络分析视角探讨生活垃圾碳排放效率的空间相关性及影响因素^[11]；Rong等运用社会网络分析考察长江流域土地利用碳排放的溢出效应^[12]；张正峰等利用社会网络分析法分析京津冀县级尺度的碳排空间关联作用^[13]。第二, 碳排放空间分异的影响因素, 学者们利用STIRPAT扩展模型、空间杜宾面板模型、地理探测器等从诸多要素展开对碳排放影响因素的分析^[14—16]。如牛亚文等运用地理探测器对长株潭地区县域土地利用碳排放影响因素进行分析^[17]；Lee等结合随机效应回归架构和带有协变量的有限混合模型探索96个国家碳排放的影响因素和异质性特征^[18]；姚成胜等通过LMDI分解法将畜牧业碳排放进行分解并揭示畜牧业碳排放的驱动效应^[19]。第三, 碳排放的情景模拟, 目前主要通过LEAP-LANDIS模型、CLUE-S模型和RICE-LEAP模型等模型进行预测分析^[20—22]。如顾汉龙等运用CLUS-S模型研究法库县土地利用变化格局进行模拟和验证^[23]；Zhou等考虑国家自主贡献、碳减排情景和深度减排情景三种情景探究中国未来工业过程中碳排放^[24]。以上研究都为新时代开展区域协同减排、发展低碳经济提供重要参考。

综上所述, 已有碳排放的相关文献展现出研究要素多样化和研究方法多元化的特征, 但也存在以下不足：(1)现有成果针对碳排放空间演变特征的分析与勾勒大多借助传统空间自相关分析, 仅能考察碳排放是否呈现空间集聚效应, 难以甄别不同区域在碳排放空间关联网络中的角色特征和分布状况。(2)当前关于碳平衡分区的文献大多以碳排放为基础, 按照生态承载系数、经济贡献系数等依据展开分区研究, 而综合考虑区域碳排放特征与空间关联关系等要素的区域空间格局优化的研究相对较少。鉴于此, 本文以中国30个省(自治区、直辖市)为研究对象, 在测算分析2005年、2010年、2015年和2021年中国整体和省际碳排放、碳汇和碳平衡能力的基础上, 利用修正后的引力模型建立以省份为单元要素的碳排放引力矩阵, 借助社会网络分析法从局部和整体网络视角探究碳排放空间网络结构特征, 划分碳平衡分区并对分区提出差异化减排策略, 以期为中国实现“双碳”目标提供重要的理论支持。

1 研究方法与数据来源 1.1 数据来源

本文主要选择2005—2021年中国30个省(自治区、直辖市)的样本数据(不包括港澳台及西藏自治区的数据)作为研究对象。其中, 30m×30m分辨率的土地利用数据来源于全国地理信息资源目录服务系统(http://www.globeland30.org/)中, 杨杰、黄昕研究团队开发的土地利用数据, 将土地利用类型分为耕地、林地、草地、水域湿地、建设用地和未利用地；碳排放数据来源于《中国能源统计年鉴》和中国碳核算数据库(http://www.ceads.net)；其他数据来源于《中国统计年鉴》和各省(自治区、直辖市)统计年鉴, 地区生产总值通过GDP平减指数(以2005年为基期)折算为不变价。

1.2 研究方法 1.2.1 碳平衡能力测算

基于《IPCC 2006年国家温室气体清单指南2019修订版》提供的模型估算方法^[25], 将碳生态承载系数作为衡量碳平衡能力强弱的发展指标, 测算省际单元能源消耗的碳排放量, 估算省际单元林地、草地、水域湿地和未利用地的碳汇量。

(1) 省际单元碳平衡能力。利用碳生态承载系数(ESC)表示某省份的碳汇占全国的比例与该省份的碳排放占全国的比例之间的比值, 该指标能识别碳汇对碳排放的消纳作用, 反映碳平衡能力强弱^[26—28]。具体公式如下：

(1)

式中, CS和C分别为中国整体的碳汇量和碳排放量, i为某省份。若ESC>1, 表明i省碳吸收的贡献度大于碳排放的占比, 具有较高的生态系统固碳能力；反之亦然。

(2) 省际单元碳排放量(C_i)。化石能源的燃烧活动是造成碳排放的主要原因^[29], 在所有排放源中占据主导地位, 而工业生产过程、农林业等土地利用、废弃物处理及其他方面由于数据收集不完整以及产生少量碳排放的问题, 本文在估算过程中未纳入考虑。因此本文基于2005—2021年各省终端能源消费量, 选取原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、其他煤气、其他焦化产品、原油、汽油、煤油、柴油、燃料油等17种化石能源, 核算二氧化碳排放量, 计算公式如下：

(2)

式中, C_i为i省能源消耗的碳排放总量；E_α为第α种能源的总消费量；β_α为第α种能源标准煤核算系数^[30]；γ_α为第α种能源碳排放系数^[31]。

(3) 省际单元土地利用碳汇量(CS_i)。在土地利用数据中, 耕地的农作物进行光合作用吸收CO₂, 但很快又以呼吸作用的形式释放CO₂, 碳汇效应较弱^[32]。因此以林地、草地、水域湿地和未利用地作为主要碳汇用地, 具体计算公式如下：

(3)

式中, CS_i为i省的碳汇量；B_m为第m种用地类型对应的面积, 包括林地、草地、水域湿地和未利用地；b_m为第m种用地类型的碳汇系数^[33—35]。

1.2.2 碳排放社会网络分析

(1) 省际碳排放关联的测度

为建立中国省际碳排放空间关联关系, 首先需要刻画省际间碳排放的关联程度。目前学者们通常基于向量自回归模型和修正后的引力模型来测度空间关联关系, 由于向量自回归模型对时滞的选择十分敏感, 无法准确表征网络结构特征^[36]。因此, 本文采用修正后的引力模型构建30个省份碳排放关联关系矩阵^[37]。邵帅等^[38]认为碳排放的关联关系与省份间碳排放的不对等性、经济发展水平、省份间人口迁移、省份间能耗流动以及省份间地理距离有关。基于此, 修正后的引力模型如下：

(4)

式中, y_ij为i省对j省的碳排放关联强度；k_ij为i省的碳排放量在i省、j省两省碳排放总量中的占比；P、C、G、g分别为人口规模、碳排放量、GDP和人均GDP；D_ij为i省和j省之间的经济地理距离；g_i-g_j为人均GDP差值；d_ij为省会间的球面距离, 借助ArcGIS软件中的欧氏距离计算省会城市间的球面距离。

由式(4)计算得到中国30个省份的引力矩阵(y_ij)_30×30, 采用每行均值为阈值的原则对该矩阵进行二值化处理, 若引力值大于等于阈值, 则两省份间存在关联关系, 赋值为1；反之, 赋值为0, 由此得到省际碳排放的空间关联矩阵^[39]。

(2) 省际碳排放空间关联网络结构特征的刻画方法

本文以碳排放空间关联关系为主线, 在把握碳排放空间关联网络的整体结构和个体结构的基础上, 利用块模型考察碳排放的空间关联模式及其变动情况, 并甄别各区域在空间网络中发挥的作用。其中利用网络密度、网络关联度、网络等级度和网络效率4个指标来衡量中国省际碳排放的整体网络结构特征；采用度中心度、中介中心度和接近中心度3个指标来衡量中国省际碳排放的个体网络结构特征。各项指标的计算公式和特征如表 1^[40—41]。

1.2.3 探索性空间数据分析方法

探索性空间数据分析通过对要素或现象空间分布格局的探索和勾勒, 识别要素或现象间的集聚效应^[42], 主要包括全局空间自相关和局部空间自相关。其中, 全局空间自相关的公式为：

(5)

式中, n为省份数目；w_ij为空间地理邻接权重矩阵；C_i和C_j为i省和j省碳排放量；C为总体碳排放均值。

局部空间自相关用以分析局部地区空间集聚特征, 揭示省份与邻近省份碳排放空间关联的程度^[43]。利用Anselin local Moran′s I指数测算局部空间自相关程度。公式为：

(6)

式中, 各系数含义同上。当局部Moran′s I大于0时, 表示省份与其邻近省份的碳排放相似, 空间集聚群可划分为高高型(HH)和低低型(LL)聚类；当局部Moran′s I小于0时, 表示省份与其邻近省份的碳排放存在显著差异, 空间集聚群可划分为高低型(HL)和低高型(LH)聚类。

2 中国省际碳平衡能力时空分异

选取2005—2021年中国省际碳排放量、碳汇量和碳平衡能力均值的50%、100%、150%和200%, 将碳排放量、碳汇量和碳平衡能力划分为低、较低、中等、较高和高5个等级, 然后利用ArcGIS 10.8软件的5级自然断点分级法对2005年、2010年、2015年和2021年的碳排放、碳汇和碳平衡能力的空间分布进行勾勒。

2.1 碳排放时空分布特征

2005—2021年, 全国碳排放量呈持续性上升的趋势, 碳排放量从5087.67×10⁶t上升至9665.44×10⁶t, 年均增长率4.09%(图 1)。2005—2015年碳排放量年均增长率为5.35%, 到2021年下降至2.03%, 表明中国省际碳排放量总体呈现增长态势但增速较慢。原因可能是作为节能减排重要抓手的能源和产业结构在“十三五”期间得到显著优化, 同时此阶段可再生能源制氢和新型储能技术等低碳技术得到显著突破, 但由于长期以来形成以化石能源为主的高碳能源结构, 短时间内难以发生显著变化, 碳排放量增长趋势仍将持续。

省际碳排放量整体表现为“东部高, 中西部低”的特点, 呈现显著空间集聚特征(图 2)。河北、山东、江苏、内蒙古、山西、新疆和广东是碳排放活动最活跃的子区域, 属于碳排放的核心地带, 这种空间格局与它们的人口基数、经济实力和能源消费显著相关, 其中, 广东2021年GDP占全国的10.85%, 遥遥领先其他省份；河北、山东、江苏则是东部重要省份, 人口的高密度分布和产业的高度集聚, 导致区域碳排放量较高；内蒙古、山西和新疆属于煤炭资源丰富的大省, 能源密集型产业较多, 因而碳排放量相对较多。在研究期内, 碳排放的地域差异并未随着时间的推移发生显著变化, 这与经济活动中的关键区域维持了稳定的关系, 呈现出显著的空间集聚特征有关。

2.2 碳汇量空间分布特征

2005—2021年, 全国碳汇量呈微增趋势, 碳汇量从165.79×10⁶t上升至167.94×10⁶t, 年均增长率0.08%(图 3)。2005—2010年碳汇量年均增长率为0.18%, 到2010—2015年减少到-0.05%, 再到2015—2021年增加到0.11%, 说明碳吸收量整体呈波动递增态势且增速相对缓慢。其中, 研究期内林地碳吸收量最高, 约占总碳吸收量的93.63%, 成为全国各省份中最主要的碳汇, 草地和水域湿地对碳吸收的贡献相对较小。表明近年来各省份稳步有序开展退耕还林还草、优化森林的结构和功能、加大人工针叶纯林改造力度、实施森林保护修复重大工程等措施, 促使林地面积逐渐扩大, 2021年全国森林覆盖率达到23%, 相较2005年增加了12.75%, 从而区域的碳汇能力得到加强。

研究期内省际碳汇量空间格局分布较稳定, 总体呈现出“中西部高, 东部低”的特点(图 4)。碳汇功能相对较强的区域集中在东北地区和长江流域以南的地区, 尤其是四川、云南、广西、黑龙江和内蒙古5个省份长期处于碳汇量的高值区域, 这些省份拥有覆盖面积较大的林地、水域湿地和草地等碳汇用地, 对碳吸收贡献较大；而东部地区的北京、天津、山东、河北、安徽、江苏和上海碳汇功能较弱, 主要由于这些省份作为我国重要的经济大省, 城镇化水平和土地利用程度较高, 加上相对较少的省份面积, 所产生的碳吸收量微弱。随着时间的变化, 中西部地区和东北地区的省际碳汇有所提升, 全国整体的碳汇能力呈现改善态势。

2.3 碳平衡能力时空分布特征

2005—2021年, 全国碳平衡能力呈微减趋势, 全国30省份碳平衡能力均值从1.29下降至1.17, 年均增长率为-0.66%(图 5)。2005—2010年碳平衡能力年均增长率为-1.42%, 到2010—2015年增加到0.13%, 再到2015—2021年减少到0.68%。说明省际碳平衡能力整体呈波动递减态势且递减速度较为缓慢。近17年全国30省份碳承载系数均值始终大于1, 表明全国平均的碳平衡能力较强, 碳补偿率相对较高, 全国约43.33%的省份的ESC始终大于1, 处于碳平衡能力较强的状态。

在研究期内, 碳平衡能力的时空分布格局变化较小, 呈“中部和西南高, 东部和西北低”的分布特征(图 6)。碳平衡能力的高值区域主要分布在云南、四川、广西、黑龙江、青海和海南等, 主要原因在于这些省份林草资源丰富, 生态质量维持在相对较高的水平上, 尤其是青海生态系统的固碳总量居全国第一, 是巨大的碳汇盈余区, 海南蓝色碳汇的发展潜力也十分巨大, 因而碳平衡能力较强。低值区域主要分布在北京、天津、河北、上海、广东、新疆、内蒙古等, 这些省份大多处于经济较为发达的核心区, 人口密集度较高, 高污染、高排放的产业活动集聚, 如河北的钢铁和焦化等产业、广东的石化化工产业等, 这些产业活动产生了大规模的碳排放, 此外新疆和内蒙古的碳排放量居全国前列, 产业结构重型化和能源结构高碳化特征较为明显, 是这些省份碳平衡能力弱的主要原因。

3 中国省际碳排放空间关联分析 3.1 碳排放空间关联强度

为直观了解碳排放的空间关联结构, 利用修正后的引力模型绘制2005年、2010年、2015年和2021年省际碳排放关联强度图(图 7), 可以发现, 随着时间的推移全国碳排放空间联系强度整体在不断加强, 省份间碳排放已形成较为复杂化、多线程的网络关联关系, 省际碳排放联系的空间格局逐渐清晰。2005—2021年, 碳排放空间联系紧密的省份主要分布在东部沿海地区和环渤海经济圈, 以北京、上海、江苏、浙江、天津和广东为代表的节点省份在碳排放空间关联网络中扮演着“主导者”的角色, 与其他省份有显著关联关系, 这与它们所处地理位置优越、低碳技术先进和交通设施健全有关；西南、西北和东北地区的大部分省域经济发展相对落后, 交通便捷性相对较弱, 因此辽宁、山西、宁夏和新疆等省际碳排放联系相对较少, 全国碳排放空间网络整体呈现出“核心-边缘”的结构特征。

3.2 碳排放空间网络的结构分析 3.2.1 碳排放空间网络的整体结构分析

为分析碳排放空间网络的整体特征, 计算研究期内全国各省份碳排放网络密度、网络关联关系数、网络等级度和网络效率(图 8)。研究期内网络关联度始终为1, 说明碳排放的空间结构具有良好的连通性和稳固性, 存在较为显著的空间溢出效应。网络密度整体呈攀升态势, 可见碳排放的空间关联性逐步加强。但研究期内网络关联关系数达到高峰值的2015年也仅有196个, 远远低于最大可能网络关系数870, 说明中国省际碳排放空间关联程度不够紧密, 空间关联网络的紧密程度有待提升。网络密度处于较低水平, 在2015年达到的最大值0.225, 并未达到网络关联的最优状态。因此, 需要加强各省份间低碳发展的交流和合作, 同时推动省际间低碳技术、人力资源和资金等的空间优化配置。网络等级度整体呈下降态势, 说明阶级森严的网络关联结构逐步弱化, 边缘地带和从属位置的省际地位逐渐增强, 碳排放网络的空间关联关系逐渐加强。网络效率整体呈现波动下降态势, 由2005年0.754下降至2021年0.705, 年均下降0.36%, 说明省份与网络中其他省份之间的联系逐渐密切, 网络的稳定性有待强化。

3.2.2 碳排放空间网络的个体结构分析

在测算2005—2021年所有节点的中心性指标基础上, 发现所有年份各节点中心性指标的数值并没有显著差别, 因此以2021年的中心性分析来揭示碳排放空间网络结构的个体特征(图 9)。

(1) 度中心度评价

度中心度是根据某个体与其他个体之间的实际联系数量来衡量该个体所处网络中心程度。入度中心度最高的省际主要处于网络的核心区和碳排放的高值区, 其中, 北京、上海、江苏、浙江、天津等经济较为发达省份的入度中心度排名靠前, 它们通常承接大量外部碳排放的溢出关系, 属于空间关联网络中的核心地位。这些省份主要位于经济蓬勃发展的东部沿海地区, 社会经济的快速发展带来了能源需求总量的持续增长, 而自身能源资源短缺, 需要进行跨区域的能源资源调配, 如北煤南运、西电东送、西气东输等, 以满足负荷需求, 因此在碳排放空间关联网络中表现为溢出的承接方；同时这些省份由于经济发展水平较高, 对于绿色技术的研发投入也远远高于其他省份, 获得的绿色专利授权数量也遥遥领先, 处于绿色技术创新的重点地区, 能够通过绿色技术外溢, 与其他省份保持密切联系。而出度中心度较高的省际主要位于邻近碳排放量较大的集聚区, 其中, 广东、甘肃、湖北、重庆和贵州等为首的中西部核心地区的出度中心度始终高于均值, 可能原因是这些省份大多能源资源富裕, 经济发展相对缓慢, 自身产业结构偏向重化工业, 能够通过能源资源外溢, 与其他省份形成显著的扩散和溢出效应, 在空间网络中始终表现出强烈的溢出势力。

(2) 中介中心度评价

中介中心性表示某节点在连通其他两两关联节点间起到的“桥梁”作用, 对其他节点关联关系的控制程度。中介中心度高于平均水平的省份有广东、上海、江西、重庆、北京、甘肃、江苏、广西、湖南、福建, 表明这些省份在碳排放网络中显著扮演着“中介”和“枢纽”角色, 能显著控制其他省份之间碳排放的关联关系。以广东、上海、重庆、北京、福建为代表的东中部核心省份, 对低碳发展所需的研发人才、科技投入、产业转移以及低碳技术等重要资源要素的流动具有较强的掌控力, 易与其他省份建立密切的合作联系, 整体碳排放量和流动量较高, 处于碳排放权交易试点建设的重点地区, 影响其他省份碳排放交流的能力较强。而囿于地理位置偏僻、基础设施落后以及人口规模小等因素, 吉林、宁夏和新疆排名靠后, 中介中心度均为0, 难以对其他省份的碳排放起到传递和控制作用。

(3) 接近中心度评价

接近中心度是根据某个体与其他个体之间产生联系的平均距离来衡量该个体与其他个体关联密切程度的指标。内向接近中心度的高值集聚于东中部地区, 这些省份普遍存在将全国最好的政策制度、经济资源、科技文化、公共设施等集中于一体的现象, 处于科技创新、人口流动和经济中心。因此, 这类省份碳排放行为的改变能快速影响其他省际的碳排放行为, 在碳排放空间网络中扮演“中心行动者”角色, 典型的内向接近中心度高值省域有上海、江苏、北京、浙江、天津、河北等。而外向接近中心度高值区基本分散于东北地区和西部地区, 说明这些省份获取技术、信息、资本、人力等要素的能力较弱, 同时受其他省份碳排放行为的拉动效果不明显, 在空间网络中扮演“被动者”角色, 此类特征较为明显的省份有新疆、宁夏、青海、黑龙江、广西、贵州等。

3.2.3 碳排放空间网络的整体与个体结构分析的区别与联系

总而言之, 中国省际碳排放空间关联网络的整体与个体结构分析之间既存在区别又存在联系。两者的区别在于, 整体结构分析(网络密度, 网络关联度, 网络等级度, 网络效率)基于整体视角反映中国省际碳排放网络的关联程度和等级体系, 个体结构分析(度中心度, 中介中心度, 接近中心度)则基于个体视角反映节点省份在碳排放网络中扮演的角色和发挥的作用。两者的联系在于, 整体和个体结构的改变均会影响中国省际的碳排放量, 且两者相互依存、互相影响。具体分析: 提升度中心度意味着北京、上海、江苏、浙江等省份的核心辐射扩散能力增强, 通过人才集聚、科技创新等资源优势产生“虹吸现象”及低碳技术溢出效应, 易与其他省份保持密切的合作联系, 进而提升网络的通达性和稳定性。提升接近中心度意味着上海、北京、江苏、浙江、河北等省份能快速与其他省份建立互动交流渠道, 推动绿色产业、科技人才、低碳技术及清洁能源等资源要素的流通性和集聚性, 降低欠发达地区的资源配置成本和技术创新成本, 强化了碳排放网络的空间联动效应。提升中介中心性意味着整体网络中的节点省份与其他节点省份的“自主性”越强, 广东、上海、重庆、北京、福建等省份在网络中起到“中介”和“桥梁”的作用越显著, 产业转移、能源输送、技术溢出等方式的“便捷”渠道增多, 通过联动周边省份进而实现了更广泛的区域协同发展和资源要素共享, 从而推动空间关联关系的日益深入并逐渐往复杂化方向发展。因此, 只有深入分析整体和个体网络结构, 才能制定行之有效的差异化减排策略。

3.3 块模型分析

以2021年为例, 为深入分析网络中各节点角色, 利用Ucient中的CONCOR模块, 将30个省份划分为4个板块, 见表 2。2021年碳排放空间关联网络共存在192个关联关系, 其中28个关联关系存在于板块内部, 占总关系数的14.58%, 164个存在于板块外部, 占总关系数的85.42%, 说明内部关联关系较弱, 存在明显的溢出效应。板块一期望内部关系比例10.35%小于实际内部关系比例16.67%, 外部省份碳排放流入强度大于板块内省份向外流入强度, 属于“净收益板块”, 主要包括北京、上海、天津、江苏4个省份。板块二期望内部关系比例6.90%大于实际内部关系比例0%, 同其他省份存在较多的关联关系, 但其内部省份间没有关联关系, 属于“经纪人板块”主要包括福建、浙江、广东3个省份。板块三期望内部关系比例31.04%大于实际内部关系比例10.29%, 板块四期望内部关系比例41.38%大于实际内部关系比例21.52%, 板块内省份碳排放向外部的流出强度远大于外部省份的流入强度, 因此均属于“净溢出板块”, 主要包括云南、四川、贵州、新疆、海南等23个省份。

为了深入研究板块间的溢出关系, 通过计算网络的密度矩阵和像矩阵识别板块间的传导机制, 见表 3。同时, 通过板块间互动交流图更能明晰板块间的溢出关系(图 10), 图中箭头指向代表板块间溢出关系的流向。整体网络在2021年的碳排放网络密度是0.221, 因此, 把30个省份分成的四个板块之间的网络密度进行赋值, 大于网络密度0.221的赋值为1, 低于网络密度0.221的赋值为0, 最终将密度矩阵转化为像矩阵。由表 3可知, 板块内部关联关系较为松散, 溢出关系较为显著。其中, 板块一借助自身条件的优越性, 接收来自板块一内部、板块二、板块三和板块四的溢出关系, 板块二在网络中同时存在外部的溢出关系和接收关系, 发挥“枢纽”作用, 板块三和板块四均存在外部溢出关系。总体来说, 中国省际碳排放空间网络中四个板块间的关联关系不够密切, 未来应注重板块间的联动, 协同实现低碳绿色发展。

4 中国省际碳平衡分区空间优化 4.1 碳平衡分区及区域特征分析

首先确定碳平衡大区, 基于对碳生态承载系数的计算, 将中国省际划分为2类区域：总体碳汇区和总体碳排区。再叠加局部空间自相关的空间集聚性和碳排放空间网络关联模块的实证结果, 将碳平衡大区划分为6类碳平衡分区(图 11), 即：集中碳汇区、局部调节区、核心-联动碳排区、核心-联动孤岛区、一般-联动碳排区、一般-孤岛碳排区。碳平衡分区的划定依据和特征如表 4。

4.2 碳平衡分区关键省域识别

为强调省际碳排放的空间公平性, 利用中心性分析和块模型分析对碳排放网络中的关键省域进行识别, 有利于明晰“双碳”目标驱动下各省份需要担负的减排责任。中国碳平衡分区的关键省域被划分为3种类型, 即核心省域、桥梁省域和行动省域(表 5)。

4.3 碳平衡分区管控方案及建议

基于对中国省际单元碳排放量、碳汇量、碳生态承载系数、碳排放网络空间关联模型和探索性空间分析方法等相关研究, 最终, 中国30个省(自治区、直辖市)被划分为6种碳平衡功能区和3种关键省域(图 12)。

碳平衡分区侧重于以低碳发展为导向, 为推动中国省际深度协同创新发展提供借鉴参考。因此针对碳平衡功能区的特点, 确定各个分区未来的优化方向, 从而提出区域间的科学地协同减排方案。

(1) 集中碳汇区(广西、云南、贵州、吉林)：此类区域林地和草地面积较大, 社会生产活动强度较弱, 生态压力较小, 碳汇功能较为突出, 并且对其他地区的碳溢出具有吸收作用, 有利于缓解全省碳压力。因此, 该区域未来发展要重点提升生态涵养功能, 注重保护和增加森林和草原的范围, 严格界定区域开发边界, 划定生态保护区；同时依托当地丰富的自然资源, 推动发展生态旅游业, 催生环境友好型的新产业新模式。

(2) 局部调节区(重庆、福建、甘肃、四川、陕西、青海、江西、湖南、湖北、黑龙江、海南)：这类区域蕴藏着相对丰富的能源资源, 可为能源依存度较高的地区输送能源, 在碳排放网络中表现出空间溢出效应, 一定程度上能起到联动作用。此外, 该区域还接收经济发达地区转移的高耗能高污染产业, 生态压力相对较高。因此, 该区域应提高对高碳产业的准入门槛, 与发达地区的技术、人力等生产要素, 以及研发、制造等生产性服务业形成密切互动, 引入新的低碳技术和生产方式等, 努力降低由于接收资源密集型和高载能产业带来的影响；同时积极开发太阳能、水能、风能等可再生清洁能源, 从而不断向北京、上海、天津、江苏等因自身资源禀赋无法满足经济发展的省份输送可再生能源。

(3) 核心-联动碳排区(河南)：该区域经济发展较快, 人口密集, 工业化、城镇化程度高, 导致碳排放总量高、强度大, 当地碳汇资源远不能抵消碳排放, 造成严重的生态赤字。此外在碳排放网络中处于较中心位置, 辐射影响能力较强。因此, 该区域应重点关注和积极调节其经济发展模式, 基于低碳发展理念, 重新调整过度拥挤的产业布局, 并加强对重点行业实施减排措施；同时利用自身辐射能力, 鼓励开展碳交易试点工作、提升能源利用效率和低碳清洁能源替代行动, 带动周边地区碳排放行为的改变。

(4) 核心-孤岛碳排区(山西、山东、河北、辽宁)：该区域经济发展基础较好, 能源资源拥有量较高, 通常以能耗显著、效率次优的重工业为主, 工业基础雄厚, 整体碳排放量较大。此外, 它们地处北京、天津、江苏等发达地区的周围, 承担着东西部地区之间碳排放要素资源的输送, 在关联网络中处于网络枢纽的位置。因此, 该区域应以产业转型绿色发展为导向, 调整能耗结构, 积极提升能耗效率和功能集约化生产, 加快实现产业转型升级；同时发挥地区间协同减排的中介作用, 促进低碳技术的流通速度。

(5) 一般-联动碳排区(北京、上海、天津、浙江、江苏、广东)：在碳排放网络中, 该区域对其他地区的劳动力、信息技术、资金等要素的流入具有虹吸效应, 成为空间关联网络中的受益方, 并且在网络中居于主导位置, 与其他地区存在较多的关联关系。因此, 该区域应积极调整产业结构优化升级, 大力发展第三产业和高新技术产业, 减少高能耗高污染产业的发展, 多发展以低碳技术为依托的生产性服务业和制造业等；同时有效利用北京、天津、上海等核心节点的影响力和经济辐射, 加强减排降碳和能源结构转型的先进示范作用, 鼓励率先应用成熟的绿色低碳技术、经验和制度设计, 带动边缘省份的低碳发展, 实现区域有效同步推进协同减排。

(6) 一般-孤岛碳排区(安徽、新疆、宁夏、内蒙古)：该区域大多能源富足而经济落后, 地理位置较为偏僻, 交通基础设施不太健全, 与其他省份的互动交流较少, 受到其他省份的溢出效应较弱, 在碳排放空间网络中处于“被支配”的边缘位置。因此, 该区域需要上级政府提供一定的财政、技术支持, 帮助其引进先进的能源和低碳技术, 引导其建立和完善碳交易市场；同时给予适当的优惠支持政策, 重点建立不同经济发展水平地区之间的技术、能源、产业合作渠道, 加强地区之间的空间关联。

同时, 根据中国省际碳排放网络关键省域识别及特征, 尝试提出相关的低碳优化建议：

(1) 核心省域(北京、上海、江苏、浙江、天津、广东)：该类省域未来适合在创新层面发力, 以具有根本性、引领性和原创性影响的开发、研究、设计等方向为导向, 充分发挥低碳转型引领作用。如设立“双碳”技术创新试验区、碳源碳汇立体监测示范区等。

(2) 桥梁省域(浙江、广东、福建)该类省域未来适合在传输层发力, 充分利用自身的地理位置和制度政策交流等优势, 以及地区之间所形成的比较优势, 加快比较优势较强省份人才、技术和资金的输出, 强化比较优势较弱省份能源的高质量输送, 构建地区之间交流合作的渠道, 以减少碳排放在网络中的转移。

(3) 行动省域(河北、河南、山东、湖南、湖北、江西、安徽、山西、内蒙古)：该类省域未来适合在应用层发力, 积极将绿色低碳技术、高端技术人才和资本等资源要素应用到提高能源利用率等路径上来, 同时依托自身优势资源开发风电、光伏等清洁能源, 提高碳排放的经济效益。

5 结论与讨论

在测算中国省际碳排放、碳汇和碳平衡能力的基础上, 基于修正后的引力模型构建碳排放空间关联矩阵, 利用社会网络分析方法揭示中国省际碳排放网络的结构特征, 并划分碳平衡分区以及试图提出低碳发展策略。研究结论主要如下：

(1) 2005—2021年中国省际碳排放量总体呈攀升态势, 碳汇量呈波动微增趋势, 但年均增长率均表现为下降趋势。整体来看, 碳排放量呈现“东部高, 中西部低”的空间分布特征, 碳汇量呈“中西部高, 东部低”的特点。研究期内碳平衡能力呈微减趋势, 但碳补偿率相对较高, 全国约43.33%的省份处于碳平衡较强的状态。

(2) 研究期内中国省际碳排放空间关联关系紧密且规模较大, 空间网络的关联性和稳定性持续提升, 空间分布格局逐渐清晰, 呈现“核心-边缘”式递减趋势, 北京、上海、江苏、浙江、天津和广东位于网络中的核心领导地位。

(3) 碳平衡功能区以碳生态承载系数、碳排放空间关联网络和探索性空间数据分析为依据, 将中国省际细分为集中碳汇区、局部协调区、核心-联动碳排区、核心-孤岛碳排区、一般-联动碳排区和一般-孤岛碳排区6种区域类型, 同时识别了核心省域、行动省域和桥梁省域等18个关键省域, 并试图提出协同减排的区域化对策建议。

但本文还存在一定局限性, 需要在后续研究中加以解决。第一, 在碳排放估算方面, 本文选取的是30个省份的化石能源消费碳排放数据, 如果后期的研究能准确获取化石能源消费、工业生产活动、农业生产活动、土地利用变化、废弃物处理和生物呼吸作用这6个方面的碳排放数据, 这样计算出的碳排放总量与实际排放量基本一致；第二, 在碳排放空间网络的构建中, 各省份之间的碳排放要素难以恰当量化, 这也是后期研究的一个方向；第三, 碳平衡分区聚焦于我国各个省份, 涉及到的碳平衡分区是基于省级层面, 随着数据资料的可获得性和完整性, 可以考虑以市域甚至是县域为单位进行碳平衡分区的研究, 那么会更有利于区域协同减排的实现。