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）。在这一背景下，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）。
为了通过统一的理论框架解释交通碳排放，本研究综合了四个互补视角，将城市层级、土地利用和交通系统与出行行为和碳排放联系起来。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性差异（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；而低层级定居点往往面临较低的需求、较低的密度和较差的公共交通可行性，从而增加了对私人机动化的依赖（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），强调了通过层级视角分析排放对于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，土地利用配置影响活动模式、出行距离和出行方式选择，而交通供给和可达性则随着时间重塑发展位置和强度（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出行方式的相对竞争力产生影响。
第三，诱导需求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，从而产生额外的交通流量和行驶里程，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种影响（Duranton & Turner，2011年；Hansen & Huang，1997年；Noland & Lem，2002年；Litman，2025年；Noland，2001年）。
第四，基于可达性的视角指出，出行结果取决于通过不同出行方式到达机会的便捷程度。例如，当公共交通覆盖范围转化为实际可访问性时，尤其是当步行可达的起点/终点条件良好且集散区密度足够时，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模型的理论基础：城市层级可能影响LUTI过程、诱导需求动态和服务覆盖转化为实际可达性的过程。这意味着不同发展层级的排放相关性和互动路径应存在系统性差异，而不仅仅是单一的汇总关系。
最近的研究强调了在交通排放建模中整合土地利用特征、道路类型、交通强度、社会经济状况和气候条件的多维框架的必要性（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地方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运输能耗（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——与交通相关的二氧化碳排放增加有关（Ghaffarpasand等人，2021年）。
政策干预也通过“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与健康效益联系起来（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，新兴的研究还强调了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减少与出行相关的温室气体（GHG）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和间接影响交通排放（Shen等人，2022a）。紧凑的混合用途形式倾向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显著排放差异（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绿地及城市形态如何影响环境结果的分析（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建模的研究仍较为有限。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），并且表明考虑层级的空间优化可以减少二氧化碳和空气污染物（Weng等人，2025年）。出行行为，如出行方式选择、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）模型改进了长江三角洲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规模模式（Yang & Zhao，2023年）。然而，以往的研究尚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），特别是对SDG 9（基础设施）、SDG 11（可持续城市）和SDG 13（气候行动）的贡献。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。通过整合社会经济条件、景观指标和交通数据的聚类分析，本研究超越了以往的研究，探讨了不同程度的城市化和城市形态如何独立影响交通排放。台湾因其明显的建成形式、工业功能和流动性行为在不同行政边界上的差异，为这类研究提供了有力的案例。
在本研究中，根据人口和工业构成，将台湾352个城市和城镇分为三个不同的城市层级。为简化起见，此后“城市”一词统指所有城市和城镇。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，用于衡量工业专业化（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。研究结果阐明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。
