城市集聚网络结构如何影响碳减排的协同效应？从特征和机制的双重角度进行分析

本研究构建多维度碳减排协同网络分析框架，结合耦合协调度、社会网络分析等方法，揭示珠三角创新驱动、长三角市场改革及京津冀行政壁垒对协同减排的影响差异，为优化区域治理提供实证支持。

　　

秦焕|杨毅

西安工业大学经济与管理学院，中国西安，710054

摘要

在实现双碳目标和可持续发展目标（SDGs）的背景下，城市集聚区是区域碳减排的关键单元。然而，现有研究主要关注个体减排绩效，缺乏从多维度SDGs视角对碳减排协同效应（CRS）网络结构及其传导机制的系统性分析。本研究通过整合SDGs，构建了一个多维CRS网络分析框架。该框架运用耦合协调度、社会网络分析、空间计量经济学和中介效应模型来识别空间效应和传导机制。研究结果表明，2010年至2022年间，三大城市集聚区的CRS表现出显著异质性。珠江三角洲（PRD）通过创新驱动的扁平化网络实现了最高的CRS绩效，产生了稳定的正向空间溢出效应。长江三角洲（YRD）的CRS在市场化改革驱动下迅速提升，空间溢出效应从负向转为正向，从而增强了资本、人才和技术的流动。而在京津冀（BTH）地区，由于行政壁垒导致的碎片化网络结构及负向溢出效应的主导，CRS绩效较低。进一步分析发现，YRD和BTH地区的传统产业路径削弱了网络中心性对协同绩效的促进作用，而PRD的高科技制造业结构则增强了这种促进作用。本研究为优化区域治理、缓解网络协同失败以及通过网络结构、要素流动和产业结构之间的互动促进碳减排和SDGs的协同实现提供了新的实证证据。

引言

联合国可持续发展目标（SDGs）摒弃了传统的“单一目标优先”模式，强调碳减排必须与多维目标（如消除贫困（SDG 1）、经济增长（SDG 8）、可持续产业和创新（SDG 9）以及减少不平等（SDG 10）等目标协同推进（Colglazier, 2015; Jia et al., 2024）。联合国会议文件明确指出，实现可持续现代能源（SDG 7）、SDG 9、消除饥饿（SDG 2）、负责任消费和生产（SDG 12）、SDG 1以及可持续城市和社区（SDG 11）有助于推动低排放路径，并与《巴黎协定》的减排目标紧密相关（联合国部，2019）。这意味着碳减排不应以牺牲经济发展或公平为代价，而应通过系统性机制同时提升整体发展质量和实现减排目标（Chen et al., 2023; Gursoy Haksevenler et al., 2025）。对于城市集聚区而言，高度专业化的内部功能分工使得城市间形成了强烈的相互依赖性，使得减排风险容易产生溢出效应，从而形成了一个碳减排风险共同体（Jiang et al., 2022; Li and Xu, 2026; Zhao et al., 2025）。在没有有效的网络结构支持的情况下，仅靠功能分工难以产生整体协同效应。这可能会加剧核心城市与边缘城市之间的技术、资本和产业差距，导致核心城市的减排边际效益下降，同时阻碍边缘城市的绿色转型。因此，出现了一种不平衡的局面：“强者愈强，弱者愈弱”。由于缺乏核心城市的技术专长、财政资源和碳汇支持，制造业部门和边缘城市缺乏低碳转型的动力，面临日益增加的减排成本，其整体协同效应受到限制。因此，城市集聚区的网络结构在促进技术、资本、能源和碳汇的有效流动方面发挥着关键作用。通过建立紧密相连的网络，城市可以将自身的差异化优势转化为协同力量，提高整体减排水平，缩小区域发展差距。这种方法有助于协调推进碳减排和社会经济发展（Fernández et al., 2024; Li and Chen, 2024）。

关于CRS的研究已经取得进展。早期研究主要依赖单一指标（如碳强度、人均碳排放量或碳排放效率）来衡量减排效果（Feng et al., 2024）；然而，这些方法难以捕捉城市集聚多维目标的交互效应。随着研究的深入，学者们开始构建多领域协同评估体系，将碳减排与水资源（Baig et al., 2025; Ievoli et al., 2024）、粮食安全（Rabbi, 2025）、经济增长（Jiang and Yu, 2023）、城市化（Zhang et al., 2019）和生态系统服务（Xu et al., 2025）等目标相结合。熵加权、层次分析法和耦合协调指数等方法被用于评估城市集聚区的CRS。这种转变突显了碳减排目标与其他SDG维度之间的内在联系。在城市集聚区层面，社会网络分析（SNA）和空间计量经济模型是核心工具。SNA将城市视为节点，将碳减排相关的互动视为网络边，揭示了城市间的资源、技术和信息流动及其协同效应。这种方法克服了传统属性模型的局限性，后者忽视了交互关系（Chen et al., 2023）。研究表明，城市集聚区内的网络结构具有高度集中性和功能差异化，不同城市扮演着不同的角色，影响CRS的空间分布和效率（Dong and Li, 2022; Luo et al., 2025）。这表明，识别城市集聚区内的网络结构模式对于推进基于SDGs的CRS治理至关重要。此类分析有助于阐明核心城市、枢纽节点和边缘城市在区域减排协调中的功能和作用。

尽管关于城市集聚区碳减排的研究已经取得进展，但仍存在一些局限性。首先，CRS绩效主要通过单一排放指标进行衡量，缺乏全面的评估框架。其次，大多数研究关注网络结构特征，但未能评估其对CRS绩效的系统性影响（Sadic et al., 2024），因此尚不清楚网络优化是否能够提升CRS。第三，这些效应背后的机制尚未得到充分探讨。关键问题包括：网络是通过资本、人才还是技术影响CRS的？哪些因素调节这些过程，不同城市集聚区的核心机制有何差异？如果不解决这些问题，政策制定可能会过于笼统，阻碍精确有效的措施实施。基于此，本研究以珠江三角洲（PRD）、长江三角洲（YRD）和京津冀（BTH）作为代表性样本。研究采用重心模型和SNA来考察SDG框架下CRS的时空演变和结构特征。空间滞后和误差模型用于量化网络效应，中介和调节模型用于分析潜在机制。研究结构如下：引言之后，第2节概述研究区域和方法设计，第3节展示结果分析，第4节讨论与以往研究的异同，第5节总结主要发现，提出政策建议，并讨论局限性和未来方向。

研究框架

研究框架如图1所示。构建了一个用于评估城市集聚区CRS绩效的指标体系，以碳减排为核心目标，SDGs作为指导框架。该体系包括三个相互依赖的维度：经济增长、社会公平和环境保护。这三个维度共同体现了碳减排的协同性质，其中环境保护确保资源的可持续性，社会公平促进资源的公平分配

城市集聚区碳减排协同效应的时空演变分析

如图2a所示，2010年至2022年间，中国三大城市集聚区的CRS绩效年均增长率为0.33%，反映了低碳可持续发展的进展。其中，珠江三角洲的CRS绩效最高，2022年的平均CRS绩效为0.80，年均增长率为0.08%。长江三角洲紧随其后，2022年的CRS绩效为0.71，年均增长率为0.45%，表明其发展较为均衡

讨论

本研究在SDGs的指导下，系统评估了城市集聚区的CRS绩效，扩展了对低碳治理的评估范围，并解决了多维度可持续性视角的不足。尽管以往研究主要关注碳减排和环境污染（Song et al., 2025; Li et al., 2025），但SDGs已将关注点转向可再生能源、城市规划和绿色产业（Ramalingam et al., 2025）。本研究

结论

2010年至2022年间，中国三大城市集聚区的CRS绩效有所提升，但增速不同。珠江三角洲通过稳定的核心城市迁移实现了最高的CRS绩效，促进了核心-边缘地区的协调。长江三角洲由于核心城市迁移速度较快，CRS增长最快。相比之下，京津冀地区的CRS绩效最低，受政策驱动的核心城市迁移影响较大。排除核心城市后

未引用的参考文献

Fazle Rabbi, 2025, Kluza et al., 2024, Bakari, 2021, Li et al., 2024, Li et al., 2025, Mane et al., 2025, 联合国, 2025, Chen et al., 2025, Zhang et al., 2026, Zhao et al., 2025

CRediT作者贡献声明

秦焕：撰写 – 审稿与编辑，撰写 – 原稿撰写，可视化，验证，监督，软件使用，方法论，正式分析，数据整理，概念化。杨毅：撰写 – 审稿与编辑，可视化，监督，软件使用，资源协调，项目管理，方法论，资金筹集，正式分析，数据整理，概念化。

利益冲突声明

作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。

致谢

本研究得到了国家社会科学基金西部项目的支持（23XGL023）。感谢中华人民共和国自然资源部的基础地图提供。