中国碳排放空间关联及其解释.doc

中国碳排放空间关联及其解释 　　摘要：利用社会网络分析方法（SNA）全新解构了碳排放的空间关联特征，并基于QAP技术揭示了碳排放空间关联的主要影响因素。研究发现：碳排放呈现出复杂的多线程空间网络关联关系。上海、天津、江苏、浙江、广东和福建等东部发达地区的省份处于网络的中心地位，接收了较多的关联关系，甘肃、青海、新疆和贵州等西部欠发达地区省份发送了较多的关联关系，其他省份则主要起到了“传输”和“桥梁”的作用。碳排放可以划分为“双向溢出”“净受益”“净溢出”以及“经纪人”四个功能板块。地理因素、地区间经济发展差异以及环境规制差异对碳排放空间关联具有显著正向影响 关键词：碳排放；空间关联；社会网络分析；QAP DOI：10.13956/j.ss.1001-8409.2017.04.04 中?D分类号：F124.5 文献标识码：A 文章编号：1001-8409（2017）04-0015-04 Abstract： This paper depicts the characteristics of spatial correlation of provincial carbon emission in china by using social network analysis and studies the influence factors of spatial correlation based on QAP. Results showed that， the spatial correlation of carbon emission has structural features of complex and multithreading spatial network. Shanghai， Tianjin， Jiangsu， Zhejiang， Guangdong， Fujian and some other eastern developed provinces are in the centre position of the network， and receive more correlation relationships， Gansu， Qinghai， Xinjiang， Guizhou and some other western underdeveloped provinces send more correlation relationships， the other provinces mainly play the role of transfer’ and ‘bridge’. The carbon emission can be divided four plats constituted by ‘bidirectional spillover plate’， net benefit plate’， net spillover plate’ and ‘broker plate’. Geographical factors， regional disparity of economic development and environment regulation have significant positive influence on spatial correlation relationships carbon emission. Key words：carbon emission； spatial correlation； social network analysis； QAP 据国际能源署的必威体育精装版数据显示，2015年全球与能源相关的碳排放总量约为321亿吨，其中30%左右的碳排放在中国产生，中国的碳排放已经超过了美欧之和。值得注意的是，在关注中国碳排放总量的同时，也应看到中国的碳排放在区域间的分布并不均衡。2014年，在与能源消费相关的碳排放中，山东的碳排放总量最高，是排名最末位海南的26倍，而宁夏的碳排放强度最大，是排名最末位北京的16倍。碳排放在区域间的巨大差异导致在制定减排政策和分配减排任务时必然存在地区间的利益冲突，一个地区的减排目标能否实现，不仅取决于自身因素，还会受制于其他地区的影响，能否有效控制碳排放越来越依赖于地区间的协调配合。事实上，众多文献研究也证实碳排放在各地区并非独立存在，而是存在一定的空间关联。肖黎姗指出省际碳排放具有正的空间自相关性，在局部地区呈现出高值的聚集特征[1]。林伯强认为中国碳排放存在“俱乐部收敛”和“梯度”分布特征[2]。苏泳娴基于DMSP/OLS数据发现碳排放的空间聚集越来越明显，基本形成了“东部沿海城市高高集聚，西