EN中文

经济地理 >

2024 , Vol. 44 >Issue 6: 42 - 51

DOI: https://doi.org/10.15957/j.cnki.jjdl.2024.06.005

区域经济与理论方法

韧性发展视角下省域低碳经济绩效评估与区域网络治理影响

  • 兰泽英 , 1 ,
  • 陈晓晖 2 ,
  • 刘洋 2 ,
  • 吴辉 2 ,
  • 何文标 1 ,
  • 李玮麒 3
展开
  • 1.广东工业大学 管理学院，中国广东 广州 510520
  • 2.广州市城市规划勘测设计研究院有限公司，中国广东 广州 510060
  • 3.乌鲁木齐市土地储备中心(乌鲁木齐市土地整理中心)，中国新疆 乌鲁木齐 830002

兰泽英（1983—），女，博士，副教授，研究方向为区域经济可持续发展、生态价值权衡、城市精细遥感。E-mail：

收稿日期: 2023-05-10

  修回日期: 2024-03-07

  网络出版日期: 2024-09-14

基金资助

国家自然科学基金面上项目(42171260)

广东省城市感知与监测预警企业重点实验室基金项目(2020B121202019)

收起

Performance Evaluation of Provincial-level Low-carbon Economy and Its Regional Network Governance from the Perspective of Resilience Development

  • LAN Zeying , 1 ,
  • CHEN Xiaohui 2 ,
  • LIU Yang 2 ,
  • WU Hui 2 ,
  • HE Wenbiao 1 ,
  • LI Weiqi 3
Expand
  • 1. School of Management，Guangdong University of Technology，Guangzhou 510520，Guangdong，China
  • 2. Guangzhou Urban Planning & Design Survey Research Institute Co., Ltd，Guangzhou 510060，Guangdong，China
  • 3. Urumqi Land Reserve Center（Urumqi Land Consolidation Center），Urumqi 830002，Xinjiang，China

Received date: 2023-05-10

  Revised date: 2024-03-07

  Online published: 2024-09-14

Fold

摘要

文章引入韧性发展理念，从经济、社会与生态3个维度的脱钩性能开展2011—2020年中国省域低碳经济绩效评估，并结合绩效网络模型探讨区域能级匹配与治理影响差异，为韧性网络优化治理与绩效提升提供适宜性路径选择。研究发现：①在中国经济低碳转型过程中各维度上呈现不均衡发展状态，大部分省域过于追求经济维度的低碳韧性发展，而忽略了社会与生态发展层面。②大多数省域在低碳经济绩效网络中的空间关联紧密度仍远远不够，尤其是社会与生态维度，并且区域网络具有较明显的地理邻近性特征。③到研究期末，结合省域分类发展规划，发现64%以上省域所处辐射能级能够表现出与之较高的匹配度。其中，提升型省域普遍具有集群优势，东部沿海区域的省域需加强社会维度的协同发展；壮大型中的华中地区省域有望成为区域内的新增长极；培育型中的西南地区省域可考虑作为区域优先发展省域。

关键词： 低碳经济; 韧性发展; 绩效评估; 区域网络格局; 辐射能级; 空间治理影响

本文引用格式

兰泽英 , 陈晓晖 , 刘洋 , 吴辉 , 何文标 , 李玮麒 . 韧性发展视角下省域低碳经济绩效评估与区域网络治理影响[J]. 经济地理, 2024 , 44(6) : 42 -51 . DOI: 10.15957/j.cnki.jjdl.2024.06.005

Abstract

From the perspective of resilience development,this study conducts the performance evaluation of China's low-carbon economy from the decoupling performance of three dimensions in economy, society and ecology in 2011-2020 at the provincial level,and combines performance network models to explore the differences of regional energy level matching and governance impact,which provides a suitable path selection for optimizing governance and performance improvement. It's found that: 1) In the process of low-carbon transformation of China's economy,there is an uneven development state in various dimensions,and governments of most provincial-level regions often excessively pursue low-carbon resilient development in the economic dimension,neglect social and ecological development. 2) The tightness of spatial association in the network of low-carbon economy performance is still far from adequate in most provincial-level regions,especially in the social and ecological dimensions,and the regional network is characterized by a more obvious geographical proximity. 3) By the end of the study period,64% provincial-level regions can demonstrate a good match between their radiation levels and their development types. Among them,improvement-type provincial-level regions have the advantage of cluster development. In particular,the provincial-level regions in the eastern coastal region need to strengthen the resilience of social dimension to achieve collaborative development. The provincial-level regions of central China in the growth type are expected to become a new growth pole within the region. The southwestern provincial-level regions in the cultivation type can be considered as priority development provinces.

Key words： low-carbon economy; resilient development; performance evaluation; regional network patterns; radiation level; spatial governance impact

在全球气候变化趋势显现并且严重威胁人类生存与健康的背景下，低碳经济发展模式已然成为新时期中国经济高质量发展的战略要求与重要内容[1-3]。目前，关于低碳经济的研究成果主要集中在低碳经济发展能力评估，基本上形成了“构建指标体系—确定指标权重—加权求和”的评估范式。按照指标权重确定方法的差异，可将评估方法大致划分为主观赋权法、客观赋权法与组合赋权法。其中，主观赋权法具有操作简单便捷的优点，但容易受人为主观意识的影响，主要包括层次分析法（AHP）、德尔菲法等。比如，Pan等采用AHP对中国30个省域2000—2015年的低碳经济发展能力进行综合评估[4]。客观赋权法指的是基于可用的模型来确定指标权重，从而使得权重确定过程具备较强的客观性，但往往需要依赖一定数量的样本数据，主要包括熵权法、TOPSIS法、熵权TOPSIS法、效率模型等。比如，Zhang等采用超松弛效率模型对全球115个国家1999—2013年的低碳经济效率进行综合评估[5]；Wang等采用TOPSIS模型，对中国256个地级市低碳发展能力进行综合评估[6]；丁涛等采用拉开档次法、熵权法与TOWA-GA混合算子法对中国八大综合经济区的低碳经济发展能力进行定量评估[7]。组合赋权法是将主观赋权法与客观赋权法相结合确定指标权重，具有主客观的综合优点，但往往操作过程复杂，并且有时容易出现主客观权重数值悬殊而难以确定最终权重的现象，主要包括AHP-熵权法、AHP-主成分分析法等。比如，王向英等采用主成分分析-AHP法、熵权TOPSIS法与熵权灰色关联投影法对中国30个省域低碳经济发展能力进行综合评估[8]。不难发现，目前学者们虽然能够采用多元化评估模型开展低碳经济发展能力评估，但更侧重于衡量研究对象在研究期内不同评估时点的低碳经济综合能力，难以反映低碳经济系统中不同维度的发展能力差异，不利于指导精细化发展战略制定。更重要的是，评估过程较少考虑经济低碳转型过程中所表现出的适应、恢复、更新等可持续韧性发展能力，从而使得评估结果极有可能表现出较高值，但这一发展状态并不具备较强的可持续性，进而呈现“伪转型”状态。考虑到当前中国经济已由高速增长阶段迈入高质量发展阶段，低碳经济发展模式理应是一种能够推动低碳压力与多维效益相互转换并进的可持续高质量韧性转型模式[9-10]。可见，亟须将韧性发展理念引入低碳经济发展模式的研究，明晰中国经济低碳可持续韧性转型的发展进程及变化趋势。
自20世纪末以来，学者们主要基于OECD所提出的脱钩理论，通过构建六大类或八大类的脱钩指数模型，衡量碳排放与经济发展之间关联关系不断弱化的程度，从而揭示碳减排压力下经济发展的韧性发展水平。比如，潘竟虎等采用改进Tapio脱钩模型定量探讨了中国336个地级市环境碳负荷与经济增长之间的脱钩关系[11]；侯丽朋等采用Tapio脱钩模型定量探讨了“双碳”目标下闽三角地区碳排放与经济发展之间的脱钩关系[12]；丁宝根等采用Tapio脱钩模型定量探讨了中国耕地利用碳排放与农业经济增长之间的脱钩关系[13]。通过梳理相关文献，发现目前主要是通过经典脱钩指数模型将韧性发展理念引入低碳经济研究中，并且多数研究成果仅关注基于碳排放量的单一压力指标与基于GDP的单一经济效益指标两者之间的脱钩指数测算。这种研究思路忽视了其他维度压力与效益因子之间的脱钩表现，难以全面准确地反映研究对象在不同维度上所具备的韧性发展能力。可见，亟需立足低碳经济的内涵，挖掘与低碳经济相关的多维度压力与效益因子，开展韧性发展视角下低碳经济绩效精细化评估的研究工作。
近年来，在区域经济协同发展的现实背景下，不同层级的行政区划不再是孤立的个体，而是相互间容易通过资源流动共享而构建协同互补的空间关联格局。空间网络作为一种区域空间结构的抽象模式，由于在模拟不同主体之间的空间关联关系方面具有先天优势，逐渐成为全球化与区域化背景下空间关联格局研究的重要工具[14]。实际上，不同行政区划之间通过构建网络化的低碳经济韧性发展关联模式，有助于促进资源要素的流动与共享、提升各类资源的配置效率，形成网络化的集聚与扩散效应，进而打破发展僵局而搭建新的发展状态，是推动经济高质量发展的重要手段。然而，目前基于空间网络的分析成果多数直接基于社会网络分析法展开，忽视了对韧性发展视角的考量，也没有结合区域发展层级来探析网络治理效果与趋势合理性，从而使得网络模型的分析与解释力略显不足。
基于此，本研究引入韧性发展视角，立足低碳经济的内涵，基于“经济—社会—生态”的多维度低碳经济韧性分析，构建低碳经济绩效全方位评估框架与导向；同时，利用低碳经济多维绩效定量评估结果，构建区域低碳经济绩效关联网络，并结合区域建设的规划发展层级匹配，从网络结构与空间辐射效应的时空特征方面，探讨区域网络治理影响机制，并针对各省域提出精细化与差异化的低碳经济优化发展建议。

1 研究区域、数据与方法

1.1 研究区域与数据来源

为了在较长时序中开展中国低碳经济多维绩效及其区域网络治理影响研究，本研究基于数据的可获得性，选取中国的省、自治区、直辖市（以下简称省域）为研究对象，剔除西藏、香港、澳门和台湾，共计30个省域，同时以2011—2020年为研究期。本研究所使用的碳排能耗类数据、社会经济类数据以及生态环境类数据分别来源于历年的《中国能源统计年鉴》《中国统计年鉴》以及《中国环境统计年鉴》；行政区划数据来源于国家基础地理信息中心网站。

1.2 研究方法

1.2.1 韧性发展视角下低碳经济多维绩效评估

低碳经济指的是通过技术创新、制度创新与产业转型等手段，尽可能减少资源消耗与温室气体排放，增加经济产出的一种可持续经济发展体系[15-18]。结合韧性发展理念，韧性发展视角下的低碳经济发展模式应当是在降低排耗压力与多维效益增长之间寻求一种动态平衡的可持续发展状态，即在尽可能降低碳排与资源消耗的前提下，实现经济、社会、生态等多维度效益的最大化产出，从而推动经济维度的高质量发展、社会维度的高效公平、生态维度的有效治理。而传统低碳经济发展模式往往可能通过效益增长来抵消碳排压力所带来的负向影响，容易呈现“伪可持续性”。因此，本研究在相关文献梳理的基础上，立足韧性发展理论与低碳经济的内涵，构建韧性发展视角下低碳经济多维绩效的综合评估框架。
①绩效因子选取。根据低碳经济的内涵，低碳经济系统具有典型 “压力—效益”的主体对应关系。因此，本研究结合低碳经济模式的韧性发展要求以及借鉴相关文献，从压力与效益维度选取相应的绩效评估因子。具体来讲，在压力方面，鉴于经济发展过程中不可避免地面临碳排放、污染物排放以及能源消耗所共同构成的排耗压力，主要选取碳排放量、能源消耗量、三废排放量等因子；在效益方面，主要考虑到经济发展过程中不仅只有短期的经济效益，还包括长期循环过程中不可或缺的社会效益与生态效益，因此，从上述3个维度进行效益分析。其中，在经济效益方面，由于低碳经济同样隶属于经济发展范畴，需要依赖于区域不同类型产业的推动作用，因此主要选取GDP、三次产业结构等因子；在社会效益方面，社会低碳化发展则需要依赖人们逐步提升的低碳化意识而追求更高品质的生活，因此主要选取城镇化率、城镇失业率、恩格尔系数、受教育程度、人均日生活用水量等因子；在生态效益方面，考虑到经济发展过程中同样要重视对生态环境的保护，兼顾人与自然和谐发展的目标，因此主要选取森林覆盖率、人均绿地面积、人均公园面积等因子。上述绩效评估因子在区域低碳经济发展能力评估的相关现有研究成果中也曾被选用，具有一定的通用性。另外，本研究在选取绩效因子时，基于数据的可获得性而主要从统计口径层面上选取能够反映各维度综合结果的评估因子，便于直接把中间过程型的因子考虑在内，避免评估因子冗余度过高。
②低碳经济多维绩效评估。韧性发展视角下的低碳经济绩效是多维低碳经济绩效指数与韧性发展能力的综合结果，具体表现为评估对象在经济低碳转型过程中既要保持优良的低碳经济发展绩效，又要保证在这一过程中能与碳排压力保持一种动态平衡的可持续韧性发展状态。因此，本研究综合压力与效益维度的多维绩效指数以及韧性系数的测算结果，提出韧性发展视角下低碳经济多维绩效的评估方式，旨在细化地呈现各评估对象在经济低碳转型过程中所具备的经济、社会、生态多维绩效可持续韧性发展状态。即，本研究基于“整体规范化，分时标准化”的指标规范化方法，结合拉开档次法、熵权法和TOPSIS模型，构建一种基于动态权值法的综合评估模型，旨在确保研究期内不同年度不同维度绩效因子的时序性以及在此基础上开展的多维绩效评估结果具有可比性。
该综合评估模型的优势主要表现在其综合评估结果能够同步反映经济低碳韧性转型过程中在数量与质量维度上的变化情况。具体来讲，该模型首先测算出经济、社会、生态3个维度的效益指数，实际上效益指数只反映了多维效益在数量维度上的增长情况，而忽视了多维效益增长过程中可能带来的污染排放等负向影响。鉴于此，本研究在多维效益指数的基础上，进一步考虑效益增长与碳排压力之间的阻断性来构建韧性系数、结合压力与效益之间的贡献性来构建有序协调指数，进而得出基于韧性发展的综合绩效评估结果，能够在数量维度的基础上进一步考虑效益与碳排等负向影响的平衡性，更有助于综合反映数量与质量双维度上的变化情况。另外，在效益指数测算过程中，本研究采用“整体规范化，分时标准化”的规范化方法，有助于反映长时间序列下各省域不同指标在不同年度之间的时序特征。
R C S i = ∆ X S i X S i / ∆ X P X P ， S i ∈ ( S 1 , S 2 , S 3 )
T S i = a · X P + b · X S i
R P S i = R C S i · T S i
式中： R C S i表示效益维度 X S i与压力维度 X P之间的韧性系数； X S i表示效益维度的评估指数，分别为经济效益指数 S 1、社会效益指数 S 2、生态效益指数 S 3； T S i表示压力维度与各效益维度之间的有序协调指数； a与 b分别对应压力维度与各效益维度的贡献系数； R P S i表示韧性发展视角下效益维度 S i的绩效。

1.2.2 韧性发展视角下区域低碳经济绩效网络构建及其治理影响研究

在区域一体化协同发展的背景下，某一省域不再是孤立的个体，不同行政主体之间容易通过物质运输、信息传递、贸易往来等各种联系而形成错综复杂的空间交互作用。鉴于空间网络在模拟不同个体之间的空间关联关系方面具有先天优势，本研究基于空间网络视角提出韧性发展视角下区域低碳经济绩效网络的分析框架，具体包括区域低碳经济绩效网络构建及其网络化治理影响研究2个方面。
①区域低碳经济绩效网络构建。在社会网络分析理论中，网络指的是以行动者为节点，以各种社会关系为连接的组合。经济网络是在经济学领域对“网络”一词的拓展，指的是经济主体通过资源共享、信息传递等各种经济联系所形成的空间关联网络结构形态。省域是社会、经济、文化等多层次系统构成的复杂个体，同时低碳经济是涉及经济、社会、生态环境等多维要素的复杂系统，理论上区域低碳经济绩效在空间上也应呈现出复杂的网络化交互作用。因此，区域低碳经济绩效网络是由经济网络与空间关联引申而来[19]，主要指与基于韧性发展的低碳经济绩效相关要素在不同省域之间相互流动而在空间上所形成的网络化相互作用关联关系。鉴于经典引力模型已被证实能较好地衡量不同主体在某一方面的空间相互作用关系[20-24]，本研究在借鉴经典引力模型的基础上，结合低碳经济多维绩效评估结果，构建区域低碳经济绩效网络。
G i j = K i j R P S i · R P S j D i j b
K i j = R P S i R P S i + R P S j
式中： G i j表示省域i与省域j的在不同维度上低碳经济绩效空间关联强度； K i j表示方向权重系数，采用低碳经济绩效来衡量，具体表现为省域i在省域i与省域j之间低碳经济绩效的贡献度； R P S i与 R P S j分别表示省域i与省域j各自的低碳经济绩效； D i j表示省域i与省域j的地理距离；b表示距离衰减系数，借鉴相关文献[25-26]，取值为2。
②区域低碳经济绩效网络治理影响研究。本研究在借鉴社会网络分析法的基础上，结合所构建的区域低碳经济绩效网络的权值性特征，从空间辐射效应维度上探讨区域低碳经济绩效网络的空间治理影响。空间辐射效应主要指某一省域通过对其他省域所发出的空间关联关系而表现的辐射能力，主要根据某一省域的辐射中心度来确定，具体计算方式如式（6）。在此基础上，本研究进一步按照辐射中心度的数值高低将其划分为3个等级。其中，辐射中心度越高对应辐射能级越高，表明空间辐射能力越强。
E i = n i · G i j / n i γ
式中： E i表示省域i的辐射中心度； n i表示与省域i存在空间关联关系的省域个数。另外，考虑到 γ的取值大小对有向加权空间网络中心度测算结果的影响很小，可以忽略不计，因此，为了便于计算，本研究取值为1。

2 结果分析

在区域协同发展的背景下，“打造先行先试增长极，实现局域带动全域”的协同发展模式逐渐得到重视[27-29]。考虑到本研究以省域为研究单元，而省域在推动自身内部全域经济低碳韧性转型的过程中实际上也是优先依托其自身内部核心城市及其周边城市群的局部发展来辐射带动整体发展，因此，参考中国东中西部三大地理区域划分方法以及同步考虑中国19个城市群的地理区位与类型划分方法，将本研究涉及的30个省域划分为提升型、壮大型、培育型三大发展类型①，以便探讨各省域在经济、社会、生态多维度上与区域规划能级的空间匹配情况，明晰其治理影响与发展差距，有助于各省域结合自身发展差距来进一步考虑自身内部核心城市及其周边城市群的发展方向，制定相关政策与实施战略，激发引导要素流动以及资源共享等。另外，考虑到中国区域发展规划一般以5年为周期，因此，将研究期划分为2011—2015年（“十二五”时期）和2016—2020年（“十三五”时期）2个阶段。

2.1 韧性发展视角下低碳经济多维绩效综合分析

由图1可知，研究期内各省域在经济、社会和生态3个维度的低碳经济绩效均呈现不同幅度的波动态势。具体来讲：①在经济维度上，隶属于提升型的大多数省域表现较优良，表明能够保持经济效益的低碳化可持续韧性增长。其中，辽宁与海南表现较差，结合经济维度所对应的具体指标来看，辽宁主要是因为碳排压力一直保持较高位，很有可能是重工业仍然占据较大份额，表明未来可考虑进一步优化产业结构并且注重产业发展过程中所带来的排耗；而海南更多是因为GDP与创新能力较低，表明未来仍需拉动经济以及提升创新能力。在壮大型中，邻近东部沿海地区的周边省域表现较好，主要得益于区位优势而具备良好的经济发展条件；而山西、黑龙江等省域在研究后期甚至出现负值，很有可能因为它们受限于较劣势的经济发展条件或者忽视产业结构的合理化配置，使得经济效益增长不够凸显，亟须在降低排耗的约束下进一步加快经济发展步伐。结合具体指标来看，山西主要是受限于较大的碳排压力，表明仍需进一步注重经济发展过程中的碳排、能耗以及废气等排放物治理；而黑龙江更多是受限于较低的GDP与创新能力。在培育型中，西南地区省域表现较好，而剩下其他省域则处于较低绩效水平。结合具体指标来看，大多数省域主要是受限于较低的GDP与创新能力。②在社会维度上，隶属于壮大型与培育型的部分省域表现较优良，而提升型中部分省域的发展优势反而不再凸显，比如北京、天津、上海等省域，结合社会维度对应的具体指标来看，主要是因为人均公共资源类的指标不占优势，侧面反映出它们有可能是因为人口聚集度较高进一步加大了社会资源公平化的分配难度，从而使得社会效益增长不够凸显。其中，个别省域表现为负值，比如甘肃主要是因为人口受教育程度较低。总体上，各省域在社会维度上呈现出较低的绩效主要是由于社会效益存在微弱降低带来的，进一步表明在经济低碳转型过程中对社会进步与公平方面的平衡力度仍有待提高。③在生态维度上，大多数省域的绩效处于较低水平，相互间表现出较小的发展差距，并且部分省域反而表现出一定程度的倒退现象，表明在经济低碳转型过程中对生态环境保护的关注度仍然不够。实际上，经济发展的过程中仍然需要依赖资源消耗以及产生碳排，尤其是对于发展较劣势的省域，但生态效益提升的过程相对缓慢，从而使得生态维度在韧性视角下的绩效水平表现较差。
图1 韧性发展视角下省域低碳经济多维绩效评估结果

Fig.1 Multidimensional performance evaluation of low-carbon economy from the perspective of resilient development at the provincial level

值得注意的是，中国低碳经济系统在经济、社会、生态3个维度上的效益指数基本上均呈现增速不一的增长态势。但由于韧性发展视角是综合了多维效益指数与碳排能耗等压力指数之间的相互变化关系，使得各维度上的绩效评估结果并未表现出显著增长，尤其是社会与生态维度。究其原因，社会与生态维度的效益增长较为缓慢，但碳排压力的增速在短时间内又难以得到高效控制，使得韧性发展能力有限。实际上，在经济低碳韧性转型过程中，经济维度的效益增长更倾向于短期目标，短期内容易得到理想化的产出，但社会与生态维度更倾向于长期目标，资源要素转化为效益增长的时间更长，侧面表明更不能为了追求效益增长而忽视碳排压力，其负向影响在短期内是难以抵消的。这一结果实际上与我国推动经济高质量发展的进程是较为符合的，主要是因为早期经济发展仍然更为关注数量维度上的增长，进一步明晰中国经济低碳化可持续发展的问题。
总体来讲，中国低碳经济系统在经济维度上基本上能够表现出较良好的经济低碳韧性发展能力，表明各省域能够在经济效益增长与降低碳排压力之间保持平衡的可持续韧性发展状态来推动有效的经济低碳转型。但不可否认的是，大多数省域在推动经济低碳高质量发展的过程中，往往过于追求经济效益维度的韧性发展，而对社会公平与生态环境保护层面上的重视程度有限。这一现象侧面反映出当前中国经济发展过程中仍存在不均衡发展目标的问题，使得经济低碳转型模式的优质度与稳定度还有待提升。

2.2 区域低碳经济绩效网络治理影响研究

2.2.1 区域网络结构分析

鉴于每个省域在区域网络中均存在与其空间关联较为紧密的少数省域，并且空间网络结构主要由存在紧密关联关系的部分省域对之间决定，因此，本研究选取各省域空间关联强度的前10名对空间网络结构进行简要分析。其中，空间关联强度越高表明省域之间的空间关联紧密度越高，更有助于资源要素的共享与流动从而实现协同发展。
由图2可知，大多数省域之间在不同维度的空间关联强度主要处于较低水平，表明省域间在基于韧性发展的低碳经济绩效方面的空间关联紧密度远远不够。其中：①在经济维度上，强空间关联关系主要由集中在提升型的省域对逐渐向壮大型中的华中地区与培育型中的西南地区省域对扩散，尤其是聚集在提升型的省域之间，呈现出较良好的空间联动发展态势。但不可否认的是，大部分省域之间的空间关联紧密度仍处于较低水平。②在社会维度上，大多数省域之间的空间关联强度出现明显下降，很大可能是由于提升型中的个别省域低碳经济绩效出现下降，进而影响到全域经济低碳转型过程中的要素流动。③在生态维度上，大多数省域之间的空间关联紧密度更低，并且整体空间联动发展态势变动较小。总体上，各省域在不同维度的空间关联结构具有较明显的地理邻近特征，表明空间关联强度高低很大程度上离不开地理位置的邻近性与优越性以及绩效值的高低。其中，多数省域之间在社会与生态维度上呈现出较低的空间关联紧密度，很有可能是受限于社会与生态维度上的绩效值，侧面也反映出相比经济要素，社会与生态方面的资源要素流动较弱，更需要通过经济要素发展来带动社会与生态要素的进一步流动，实现社会进步与生态环境保护。
图2 不同维度的省域空间网络结构变化

注：该图基于自然资源部标准地图服务网站下载的审图号为GS（2023）2767号的标准地图制作，底图无修改。图3同。

Fig.2 Change of provincial-level spatial network structure in different dimensions

总体来讲，大多数省域之间在经济、社会、生态3个维度低碳经济绩效上的空间关联紧密度仍远远不够，尤其是社会与生态维度。另外，强空间关联关系主要集中在地理空间位置相互邻近的省域之间，可见通过空间集聚效应的集群发展战略是推动区域协同发展的有效途径。特别地，到研究期末提升型中的多数省域及其邻近的壮大型省域以及培育型中的西南地区省域能够与周边省域表现出更紧密的空间联动效应，具有明显的发展优势。这一现象与区域战略规划的发展层级是较为契合的，即东部沿海地区及其邻近省域以及川渝的西南地区具有地理区位优势，往往更容易得到优先发展，进一步强化了优化提升型省域发展的重要性，以期通过局域发展带动全域高质量发展。

2.2.2 区域网络治理影响特征分析

由图3可知，研究期内，在不同维度的区域低碳经济绩效网络中，各辐射能级所包含的省域存在一定程度的变动。到研究期末，处于同一辐射能级的省域在空间上呈现较明显的聚集性。其中，东中部地区与西南地区省域能够表现出较强的辐射能力，尤其在经济维度上。可见，这些省域对于通过空间辐射效应来推动经济低碳韧性转型具有重要作用。
图3 不同维度的省域辐射能力等级与发展类型分布变化

Fig.3 Change of provincial-level radiation capacity levels and development types in different dimensions

结合发展类型来看（表1），在“十二五”期间，不同发展类型所包含省域对应的辐射能力等级分布较为散乱，在经济、社会与生态3个维度上均存在3种辐射能级。具体来讲，在提升型中，各省域在不同维度上所对应的辐射能级较为稳定。其中，北京、上海、江苏、浙江、广东等省域主要表现出强辐射能力，有助于通过借助地理区位与自身发展条件优势来得到优先发展，并且进一步辐射带动周边省域的发展；而海南主要受限于地理位置过于邻近南端并且自身绩效水平不具有显著优势从而处于较低辐射能级。在壮大型中，河南与黑龙江在各维度上能够表现出较强辐射能力，主要得益于“十二五”期间内低碳经济多维绩效较优良，容易与周边省域存在较强的空间联动效应；而安徽与吉林等省域受限于较劣势的绩效水平而使得与周边省域的空间联动效应有限。在培育型中，大多数省域主要处于低辐射能级，而邻近壮大型的省域表现较好，容易通过与周边省域的空间联动作用而得到进一步发展，进而辐射带动同发展类型中其他省域的发展。
表1 不同维度的省域辐射能力等级与发展类型分布统计(“十二五”期间)

Tab.1 Statistics for distribution of provincial-level radiation capability levels and development types in different dimensions(12th Five-Year Plan)

辐射能力
等级		 RP1（经济维度） RP2（社会维度） RP3（生态维度）
提升型 壮大型 培育型 提升型 壮大型 培育型 提升型 壮大型 培育型
Ⅰ 京、津、冀、沪、苏、浙、粤 黑、豫 甘 京、津、冀、苏、浙、闽 黑、豫 蒙、甘 京、沪、苏、浙、闽、粤 黑 蒙、桂、甘
Ⅱ 辽、闽、鲁 晋、赣、鄂、湘 蒙、川、陕 辽、沪、鲁、粤 赣、鄂、湘 桂、陕、宁 冀、辽 晋、吉、豫、鄂、湘 川、黔、宁
Ⅲ 琼 吉、皖 桂、渝、黔、滇、青、宁、新 琼 晋、吉、皖 渝、川、黔、滇、青、新 津、鲁、琼 皖、赣 渝、滇、陕、青、新
由表2可知，在“十三五”期间，不同发展类型所包含省域对应的辐射能力等级分布聚集性有一定程度的提升，但不同维度上表现各异。具体来讲，在提升型中，大多数省域能够表现出较强辐射能力，尤其是在经济维度上，但部分省域在社会维度上的辐射能级变动较大。比如北京、天津、上海与浙江等省域处于低辐射能级，主要受限于这期间内它们在社会维度上的绩效水平不具备显著优势，从而使得与周边省域的空间联动效应受到一定程度的削弱。在壮大型中，大多数省域在不同维度上所对应的辐射能级较为稳定并且表现较好，其中在社会维度上得益于较良好的绩效水平以及地理位置优势反而表现更优。在培育型中，辐射能级低下的省域主要聚集在西北地区，尤其是在经济维度与生态维度上。其中西南地区省域表现出较强辐射能级，具有较大的发展潜力。
表2 不同维度的省域辐射能力等级与发展类型分布统计(“十三五”期间)

Tab.2 Statistics for provincial-level radiation capability levels and development types in different dimensions (13th Five-Year Plan)

辐射能力
等级		 RP1（经济维度） RP2（社会维度） RP3（生态维度）
提升型 壮大型 培育型 提升型 壮大型 培育型 提升型 壮大型 培育型
Ⅰ 京、津、冀、沪、苏、鲁、粤 鄂、湘 渝 冀、苏、鲁、粤 吉、湘 渝、川、黔、滇 京、冀、沪、粤 吉、鄂、湘 渝、黔、滇
Ⅱ 辽、浙、闽 吉、皖、赣、豫 川、黔、滇、甘 闽 晋、黑、皖、赣、豫、鄂 蒙、桂、青 津、辽、苏、浙、闽、 晋、皖、豫 川、新
Ⅲ 琼 晋、黑 蒙、桂、陕、青、宁、新 京、津、辽、沪、浙、琼 - 陕、甘、宁、新 粤、琼 黑、赣 蒙、桂、陕、甘、青、宁
由于发展类型划分依据一般是以经济发展水平为导向，因此，本研究假设提升型、壮大型与培育型所包含省域对应的辐射能级应当呈现依次降低的发展状态。即提升型中辐射能级处于Ⅰ级的省域数量占比越高，则表示该发展类型与区域战略规划发展层级的匹配度更高，表明治理影响的效果与方向具有合理性。
由表3可知，研究期内大多数省域所处辐射能级与其所隶属的发展类型之间能够表现出较好的匹配度，尤其是在经济维度上，并且聚集在地理位置相邻近的省域之间。这主要是因为区域战略规划在划分省域发展层级方面往往会更为关注区域经济发展状态与潜力以及地理区位的优势度，从而使得在经济维度上的省域辐射能级匹配度更良好。这一结果表明区域经济建设确实能够通过集聚发展效应来推动周边省域协同发展，同时佐证了本研究结果的合理性。结合表1和表2，具体来讲：①在提升型中，大多数省域在经济与生态维度上能够处于较强辐射能级，具有集群发展优势。但在社会维度上处于Ⅲ级的省域数量反而增加，主要集中在北京、天津、上海、浙江等省域。这主要是因为它们在经济低碳转型过程中社会效益出现降低，表明未来经济低碳高质量发展的重点可优先考虑社会公平化。②在壮大型中，大多数省域凭借承东启西的地理位置优势能够表现出较强辐射能级，特别是华中地区的省域，从而使得在各维度上能够表现出较高的匹配度，尤其是在社会维度上，它们可作为优先发展省域，承担起提升型与培育型之间的资源要素流动载体作用，助力于中国全域在社会维度上的韧性转型。③在培育型中，大多数省域受限于低碳经济绩效水平与地理区位劣势，辐射能力处于较低水平。其中西南地区的省域表现较优，可作为优先发展省域。
表3 不同维度的辐射能力等级与发展类型匹配情况变化统计

Tab.3 Statistics for the matching between radiation capability levels and development types in different dimensions

发展类型 时间段 RP1（经济维度） RP2（社会维度） RP3（生态维度）
Ⅰ Ⅱ Ⅲ Ⅰ Ⅱ Ⅲ Ⅰ Ⅱ Ⅲ
提升型 “十二五”期间 7（64%） 3（27%） 1（9%） 6（55%） 4（36%） 1（9%） 6（55%） 2（18%） 3（27%）
“十三五”期间 7（64%） 2（18%） 2（18%） 4（36%） 1（9%） 6（55%） 4（36%） 5（45%） 2（18%）
壮大型 “十二五”期间 2（25%） 4（50%） 2（25%） 2（25%） 3（38%） 3（38%） 1（13%） 5（63%） 2（25%）
“十三五”期间 2（25%） 4（50%） 2（25%） 2（25%） 6（75%） 0（0%） 3（38%） 3（38%） 2（25%）
培育型 “十二五”期间 1（9%） 3（27%） 7（64%） 2（18%） 3（27%） 6（55%） 3（27%） 3（27%） 5（45%）
“十三五”期间 1（9%） 436%） 6（55%） 4（36%） 3（27%） 4（36%） 3（27%） 2（18%） 6（55%）

注：以第一个数据为例，“7（64%）”表示对应提升型，在“十二五”期间，在经济维度中，辐射能级为Ⅰ级的省域数量共7个，占提升型省域总数量的64%。

2.2.3 区域网络治理影响模式的优化建议

根据各省域在不同维度区域低碳经济绩效网络中所表现出的辐射能级变化情况，同时结合低碳经济多维绩效评估结果，针对各省域在经济、社会与生态多维度上提出精细化与差异化的优化建议。
由表4可知，大多数省域在经济、社会与生态3个维度上都有待得到进一步提升。具体来讲：①河北、广东、湖南与重庆整体上在各维度上均表现优良，可继续保持现有发展模式，并且可考虑进一步加强与周边省域的空间联动作用而推动自身发展以及辐射带动周边省域的发展。②福建、山西、安徽、江西与河南整体上在各维度上的低碳经济绩效均表现较为接近，可考虑齐头并进提升各维度的低碳经济韧性发展能力。特别地，它们大多数容易凭借地理区位优势而与周边省域产生较强空间联动效应，往往能够通过借力于周边省域的辐射带动作用而推动自身发展，具有较大发展潜力。③海南、陕西、甘肃、宁夏与新疆整体上在各维度上的低碳经济绩效均不具有发展优势，亟需多管齐下提升各维度的低碳经济韧性发展能力，亟需借力于周边省域的辐射带动作用，通过周边省域的先行发展来助力发展，尤其是海南与陕西凭借地理区位优势有望得到优先发展。④其他省域则在不同维度上的优化侧重点有所差异。其中，吉林、贵州与云南在经济维度上，北京、上海、浙江与湖北在社会维度上，江苏与山东在社会维度上，辽宁在经济与社会维度上，黑龙江、内蒙古、广西与四川在经济与生态维度上以及天津在社会与生态维度上，需要进一步重视相应维度的韧性发展，从而有针对性地推动低碳经济系统整体的韧性发展。
表4 不同维度的省域低碳经济发展模式重点优化方向

Tab.4 Key optimization directions for provincial-level low-carbon economic development pattern in different dimensions

保持型 S1 S2 S3 S1~S2 S1~S3 S2~S3 S1~S2~S3
省域 冀、粤、湘、渝 吉、黔、滇 京、沪、浙、鄂 苏、鲁 辽 黑、蒙、桂、川 津 闽、晋、皖、赣、豫；琼、陕、甘、青、宁、新

注：S1对应经济维度，S2对应社会维度，S3对应生态维度。

综上，结合发展类型来看，对于提升型，大多数省域发展状态较为优良，在不同维度上各有千秋，可优先考虑通过借力于区域内部省域间的空间联动效应来实现协同发展，再进一步通过发挥辐射带动效应来推动周边其他省域发展。对于壮大型，大多数省域地理区位优势明显，尤其是华中地区的省域，有望成为区域内部的新增长极。对于培育型，西南地区的省域可考虑作为区域优先发展省域。

3 结论与讨论

3.1 主要结论

本研究引入韧性发展视角，结合低碳经济的内涵，在经济、社会与生态3个维度低碳经济绩效定量评估的基础上，基于引力模型构建区域低碳经济绩效网络，并从网络结构与辐射能力探析区域网络治理影响机制，进而提出精细化发展策略。得出主要结论如下：
①中国经济低碳转型过程中存在不均衡发展目标的现象。各省域在经济维度上基本上呈现较良好的经济低碳韧性发展能力。但不可否认的是，大多数省域往往过于追求经济维度的低碳韧性发展，而忽略了社会公平与生态环境保护层面，使得经济低碳转型模式的优质度与稳定度仍有待提升。
②在区域网络结构方面，大多数省域在经济、社会、生态3个维度低碳经济绩效上的空间关联紧密度仍远远不够，尤其是社会与生态维度。另外，强空间关联关系聚集在相互邻近的省域之间，呈现较明显的地理邻近性。特别地，到研究期末，提升型中的多数省域及其邻近的壮大型省域以及培育型中的西南地区省域能够与周边省域表现出更紧密的空间联动效应，区域协同发展优势逐渐凸显。
③在区域网络治理影响方面，到研究期末大多数省域所处辐射能级与其所隶属的发展类型之间能够表现出较好的匹配度，尤其是在经济维度上，并且聚集在地理位置向邻近的省域之间。其中，提升型的省域具有集群发展优势，但北京、天津、上海、浙江等省域需加强社会维度的韧性发展；壮大型中大多数省域凭借优越的地理区位具有较大发展潜力，尤其是华中地区的省域；培育型中大多数省域受限于低碳经济绩效水平与地理区位劣势而表现较差，但西南地区的省域有望成为优先发展省域。
综合来讲，对于提升型，大多数省域在不同维度上各有千秋，可优先考虑通过借力于区域内部省域间的空间联动效应来实现协同发展，再进一步辐射带动周边省域的发展；对于壮大型，华中地区的省域有望成为区域内部的新增长极；对于培育型，西南地区的省域可考虑作为区域优先发展省域。

3.2 讨论

本研究基于韧性发展视角从经济、社会与生态3个维度开展低碳经济绩效及其区域网络治理影响研究，但限于指标数据获取与篇幅限制，以下方面仍有待进一步深入探讨：①本研究受限于数据可获得性，仅以省域为研究对象来探讨全国区域低碳经济绩效网络治理影响机制，未来可考虑从市域、县域、城市群等尺度以及延长研究期开展相关研究；②本研究主要从经济、社会、生态3个维度探讨经济低碳转型过程中韧性发展能力及其区域网络治理影响机制，未来可考虑融入制度等其他要素，深化对区域网络治理影响机制的探讨，以利于更加清晰地为各省域提出有针对性的优化建议。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
王连芬, 赵园, 王良健. 低碳试点城市的减碳效果及机制研究[J]. 地理研究, 2022, 41(7):1898-1912.

DOI

[2]
王少剑, 谢紫寒, 王泽宏. 中国县域碳排放的时空演变及影响因素[J]. 地理学报, 2021, 76(12):3103-3118.

DOI

[3]
程钰, 张悦, 王晶晶. 中国省域碳排放绩效时空演变与技术创新驱动研究[J]. 地理科学, 2023, 43(2):313-323.

DOI

[4]
Pan W, Gulzar M, Hassan W. Synthetic evaluation of China's regional low-carbon economy challenges by driver-pressure-state-impact-response model[J]. International Journal of Environmental Research and Public Health, 2020,https://doi.org/10.3390/ijerph17155463.

[5]
Zhang Y, Shen L, Shuai C, et al. Is the low-carbon economy efficient in terms of sustainable development?A global perspective[J]. Sustainable Development, 2019, 27(1):130-152.

DOI

[6]
Wang Y, Fang X, Yin S, et al. Low-carbon development quality of cities in China:Evaluation and obstacle analysis[J]. Sustainable Cities and Society, 2020,https://doi.org/10.1016/j.scs.2020.102553.

[7]
丁涛, 黄宇菲, 冯奎, 等. 中国区域低碳经济发展水平测度、区域差距与空间收敛性研究——来自八大综合经济区的证据[J]. 经济问题探索, 2023(2):28-44.

[8]
王向英, 潘杰义. 基于漂移度的陕西省制造业低碳经济发展水平评价研究[J]. 科技管理研究, 2019, 39(24):240-246.

[9]
郭卫东, 钟业喜, 冯兴华. 基于脆弱性视角的中国高铁城市网络韧性研究[J]. 地理研究, 2022, 41(5):1371-1387.

DOI

[10]
袁丰, 熊雪蕾, 徐紫腾, 等. 长江经济带经济韧性空间分异与驱动因素[J]. 地理科学进展, 2023, 42(2):249-259.

DOI

[11]
潘竟虎, 张永年. 中国能源碳足迹时空格局演化及脱钩效应[J]. 地理学报, 2021, 76(1):206-222.

DOI

[12]
侯丽朋, 王琳, 钱瑶, 等. “双碳”目标下闽三角碳排放脱钩状态及驱动机制分析[J]. 生态学报, 2022, 42(23):9663-9676.

[13]
丁宝根, 杨树旺, 赵玉, 等. 中国耕地资源利用的碳排放时空特征及脱钩效应研究[J]. 中国土地科学, 2019, 33(12):45-54.

[14]
魏冶, 修春亮. 城市网络韧性的概念与分析框架探析[J]. 地理科学进展, 2020, 39(3):488-502.

DOI

[15]
Energy White Paper:Our Energy Future—Creating a Low Carbon Economy[R]. London: UK Department of Trade and Industry, 2003.

[16]
Treffers D, Faaij A, Sparkman J. et al. Exploring the possibilities for setting up sustainable energy systems for the long term:Two visions for the Dutch energy system in 2050[J]. Energy Policy, 2005(33):1723-1743.

[17]
邬彩霞. 中国低碳经济发展的协同效应研究[J]. 管理世界, 2021, 37(8):12.

[18]
陈诗一. 低碳经济[J]. 经济研究, 2022, 57(6):12-18.

[19]
李琳, 牛婷玉. 基于SNA的区域创新产出空间关联网络结构演变[J]. 经济地理, 2017, 37(9):19-25,61.

[20]
Fan J, Xiao Z. Analysis of spatial correlation network of China's green innovation[J]. Journal of Cleaner Production, 2021,299,126815.

[21]
吴志才, 张凌媛, 黄诗卉. 粤港澳大湾区旅游经济联系的空间结构及协同合作模式[J]. 地理研究, 2020, 39(6):1370-1385.

DOI

[22]
冯颖, 侯孟阳, 姚顺波. 中国粮食生产空间关联网络的结构特征及其形成机制[J]. 地理学报, 2020, 75(11):2380-2395.

DOI

[23]
张明斗, 翁爱华. 长江经济带城市水资源利用效率的空间关联网络及形成机制[J]. 地理学报, 2022, 77(9):2353-2373.

DOI

[24]
王小华, 杨玉琪, 罗新雨, 等. 中国经济高质量发展的空间关联网络及其作用机制[J]. 地理学报, 2022, 77(8):1920-1936.

DOI

[25]
Yu G, He D, Lin W, et al. China's spatial economic network and its influencing factors[J]. Complexity, 2020(4):1-13.

[26]
Li X, Feng D, Li J, et al. Research on the spatial network characteristics and synergetic abatement effect of the carbon emissions in Beijing-Tianjin-Hebei urban agglomeration[J]. Sustainability, 2019, 11(5):1444.

[27]
孙铁山, 张洪鸣, 李佳洺. 城市网络联系对城市群空间体系集聚水平的影响——基于2003—2018年中国12个城市群面板数据的实证[J]. 地理研究, 2022, 41(9):2350-2366.

DOI

[28]
张国俊, 王运喆, 陈宇, 等. 中国城市群高质量发展的时空特征及分异机理[J]. 地理研究, 2022, 41(8):2109-2124.

DOI

[29]
方创琳, 张国友, 薛德升. 中国城市群高质量发展与科技协同创新共同体建设[J]. 地理学报, 2021, 76(12):2898-2908.

DOI

Options
文章导航

/

〈 〉