21世纪的城市化进程加剧了应对城市扩张环境影响的必要性，尤其是与交通相关的温室气体（GHG）排放问题（Marcotullio等人，2012年；Liang等人，2019年；Zhao等人，2023年）。在此背景下，城市层级、交通行为和建成环境之间的相互作用已成为城市可持续性研究的核心议题（Shen等人，2022a，2022b；Zhao等人，2023年）。
为了从统一的理论框架出发解释交通碳排放，本研究综合了四个互补的视角，将城市层级、土地利用和交通系统与出行行为及碳排放联系起来。首先，城市层级和规模理论（如中心地理论和城市层级理论）认为城市在都市系统中占据不同的功能位置，因此在密度、经济专业化和服务提供方面存在系统差异（Hsu，2012年）。高层级城市倾向于集中就业、服务和基础设施，从而形成规模更大但可能服务更高效的出行市场；而低层级定居点则面临较低的需求、较低的密度和较差的交通便利性，因此更依赖私人机动交通（Christaller，1933年；Glaeser，2010年；Hong等人，2022年）。这些层级差异导致了异质的出行需求和排放模式（Hong等人，2022年；Weng等人，2025年），突显了通过层级视角分析排放对制定低碳发展策略的重要性。
其次，土地利用-交通互动（LUTI）框架强调了空间形态与流动性之间的双向反馈：土地利用配置塑造了活动模式和出行距离，而交通供给和便利性则随着时间推移重塑了发展地点和强度（Acheampong & Silva，2015年；Geurs & van Wee，2004年；Wegener，2021年）。从LUTI的角度来看，建成区域的紧凑性、分散度和空间布局不仅通过出行距离影响排放，还通过集体和非机动交通方式的相对竞争力产生影响。
第三，需求诱导和道路供给机制表明，扩大道路容量会降低驾驶的总体成本，从而增加交通流量和行驶公里数，除非通过强有力的需求管理和可行的低碳替代方案来抵消这一效应（Duranton & Turner，2011年；Hansen & Huang，1997年；Noland & Lem，2002年；Litman，2025年；Noland，2001年）。
第四，基于便利性的观点认为，流动性结果取决于通过不同交通方式到达目的地的实际便利性。例如，当公共交通覆盖转化为实际通行能力时，尤其是在步行可达的起始/终点条件充足且集散区密度适当的情况下，公共交通可以减少排放（Hansen，1959年；Geurs & van Wee，2004年；Ewing & Cervero，2010年）。
因此，上述视角共同构成了本研究类型敏感性模型的理论基础：城市层级可能影响LUTI过程、需求诱导动态和服务覆盖转化为实际便利性的方式。这意味着不同发展层级的排放相关性和交互路径应存在系统差异，而不仅仅是简单的线性关系。
近期研究强调了需要多维度框架，将土地利用特征、道路类型、交通强度、社会经济状况和气候条件整合到交通排放模型中（Abediasl等人，2023年；Al-Jaghbeer等人，2024年；Huang等人，2025年）。例如，道路类型被确定为赫尔辛基各局部气候区二氧化碳排放的重要预测因素（Al-Jaghbeer等人，2024年），而寒冷气候显著增加了道路交通能源消耗（Abediasl等人，2023年）。同样，伊朗快速且不可持续的城市化——表现为无序扩张和过时的车辆技术——也与交通相关二氧化碳排放的增加有关（Ghaffarpasand等人，2021年）。
政策干预通过“硬性”基础设施投资和“软性”流动性管理来影响交通排放。收费数据已被用于模拟和减少排放（Li等人，2024年），而以政策为导向的框架明确将道路交通策略与空气质量及健康效益联系起来（Piccoli等人，2024年）。此外，公共交通投资可以减少排放并改善空气质量（Bi等人，2024年）。除了物理基础设施外，新兴研究还关注行为激励和服务创新，如汽车共享、需求响应型交通系统（DRTSs）、出行即服务（MaaS）和韧性即服务（Raas），以及需求管理在重塑出行文化中的作用（So等人，2023年；Kriswardhana & Esztergár-Kiss，2024年；Jaber等人，2025年）。因此，提出了可持续交通指数和低排放区等工具来控制与出行相关的温室气体排放（Lurkin等人，2021年；Ghafouri-Azar等人，2023年）。
此外，基于土地利用混合、密度和绿地面积特征的建成环境直接影响和间接影响交通排放（Shen等人，2022a）。紧凑的混合用途形式有助于减少与出行相关的二氧化碳排放，而无序扩张和工业用地扩张则会增加排放（Shen等人，2022a；Zheng等人，2024年）。空间结构造成了城市内部的排放差异（Zheng等人，2024年），而建筑形式配置可以调节人口和行为因素的影响（Shen等人，2022b）。景观指标为捕捉这些空间复杂性提供了有效手段，从而支持功能区域的分类和分析绿地及城市形态如何影响环境结果（Aguilera等人，2011年；Xing & Meng，2018年；Guo等人，2020年）。
尽管取得了这些进展，但将城市层级明确纳入排放模型中的研究仍较为有限。有证据表明碳排放与人口规模和密度之间存在非线性关系（Hong等人，2022年），并表明考虑层级的空间优化可以同时减少二氧化碳和空气污染物（Weng等人，2025年）。出行行为（如交通方式选择、出行距离和车辆类型）也因层级和土地利用紧凑度而异（Bi等人，2024年；Fabregat等人，2022年；Lopes等人，2024年）。新的建模方法（如机器学习和空间模拟）提高了交通二氧化碳预测的准确性（Fabregat等人，2022年；Zhi等人，2024年）；例如，将层级纳入分区未来土地利用模拟（FLUS）模型改善了长江三角洲地区的空间二氧化碳预测（Yang等人，2024年），而使用二维和三维城市形态指标揭示了不同的排放规模模式（Yang & Zhao，2023年）。然而，以往的研究并未系统评估建成环境、交通基础设施和出行行为与交通碳排放之间的关联。
本研究符合联合国可持续发展目标（SDGs），特别是SDG 9（基础设施）、SDG 11（可持续城市）和SDG 13（气候行动）。它研究了城市层级、建成环境配置、交通基础设施和交通模式之间的复杂相互作用，并评估了它们对交通碳排放的综合影响。超越以往研究，本研究通过整合社会经济条件、景观指标和交通数据的聚类分析，探讨了不同城市化水平和城市形态对交通排放的独立贡献。台湾因其行政边界内的建成形式、产业功能和流动性行为的显著差异，为此类研究提供了有力案例。
在本研究中，根据人口和产业构成，将台湾352个城市和城镇划分为三个不同的城市层级。为简化表述，此后“城市”一词统指所有城市和城镇。在方法上，本研究引入了位置商（LQ）这一指标——该指标源于区域经济基础理论，用于衡量产业专业化程度（Billings & Johnson，2012年；Yin等人，2020年）——并将其应用于环境分析。通过调整LQ框架，本研究提供了一个标准化的视角，用于比较不同层级之间的排放强度，有效分离了空间结构效应和人口规模的影响。利用这一框架，本研究具体分析了建成区域的景观指标以及交通行为和城市形态的空间差异如何影响交通碳排放。研究结果明确了城市层级如何影响建成环境特征与交通碳排放之间的关系，为未来的有针对性和基于地点的温室气体减排策略提供了宝贵见解。
