文章快速检索     高级检索
  中国环境管理  2026, Vol. 18 Issue (2): 55-64  

引用本文 

张为师, 韩易桐, 徐颖. 城市建筑部门碳排放空间网络时空演变规律与影响机制研究[J]. 中国环境管理, 2026, 18(2): 55-64.
ZHANG Weishi, HAN Yitong, XU Ying. Spatiotemporal Evolution Patterns and Influence Mechanisms of Carbon Emission Spatial Networks in the Urban Building Sector[J]. Chinese Journal of Environmental Management, 2026, 18(2): 55-64.

基金项目

国家自然科学基金面上项目“数据驱动的居民低碳行为形成机理、扩散机制与助推策略研究”(72471173);国家自然科学基金青年项目“数据驱动的居民参与社区低碳治理行为研究:决策逻辑、演化机制与助推策略”(72504297);天津市自然科学基金面上项目“天津市数智化低碳生活空间形成机理、时空演化机制与提升策略研究”(25JCYBJC00010);2025年度中央财经大学“新苗学者”支持计划(XMXZ2507)

作者简介

张为师(1985—),女,博士,副教授、硕士生导师,研究方向为低碳治理,E-mail: zhangweishi@link.cuhk.edu.hk.

责任作者

徐颖(1993—),男,博士,助理教授,研究方向为城市治理,E-mail: robinxuying@link.cuhk.edu.hk.
城市建筑部门碳排放空间网络时空演变规律与影响机制研究
张为师 1, 韩易桐 2, 徐颖 3     
1. 天津师范大学地理学部, 天津 300387;
2. 青岛大学环境与地理科学学院, 山东青岛 266071;
3. 中央财经大学政府管理学院, 北京 100083
摘要: 建筑部门是我国典型温室气体排放密集型行业之一,探明建筑部门碳排放网络结构演变规律及驱动因素,能为区域协同减排、协同治理策略制定与资源配置优化提供科学依据,对我国应对气候变化和实现“双碳”目标具有重要作用。本研究基于改进的引力模型构建城市建筑碳排放空间关联网络,结合社会网络分析(Social Network Analysis, SNA)与二次指派程序(Quadratic Assignment Procedure, QAP)回归模型,从整体结构、个体特征与驱动机制三个层面系统揭示其时空演化规律及影响机理。结果显示,2000—2023年,华北平原的城市建筑部门碳排放网络密度呈“U”形演进特征,城市建筑碳排放网络由“十五”期间碎片化、地方化的“邻近型弱耦合结构”逐步演变为“十四五”期间跨省市、多核心、多走廊的“连续网状结构”;以京津冀—山东半岛、鲁豫交界区等区域为核心的空间廊带持续增强,网络整体连通能力呈增强趋势;QAP回归结果表明,城镇化水平、经济发展水平和人口密度的相似性对建筑碳排放空间关联网络的构建具有显著促进作用。本研究可为推动建筑部门协同减排、构建区域一体化低碳治理体系提供实证依据与政策启示。
关键词: 建筑    城市    碳排放    社会网络分析    核心—边缘结构    
Spatiotemporal Evolution Patterns and Influence Mechanisms of Carbon Emission Spatial Networks in the Urban Building Sector
ZHANG Weishi1 , HAN Yitong2 , XU Ying3     
1. Faculty of Geography, Tianjin Normal University, Tianjin 300308, China;
2. School of Environment and Geography, Qingdao University, Qingdao 266071, China;
3. School of Government, Central University of Finance and Economics, Beijing 100083, China
Abstract: The building sector is one of the typical greenhouse gas emission-intensive industries in China. Clarifying the evolution patterns and driving factors of the carbon emission network structure within this sector can provide scientific support for regional collaborative emission reduction, collaborative governance strategy formulation, and resource allocation optimization. This is crucial for China's response to climate change and the achievement of its "dual carbon" goals. This study constructs a spatial correlation network of urban building carbon emissions based on an improved gravity model and systematically reveals its spatiotemporal evolution patterns and influencing mechanisms from three perspectives—overall structure, individual characteristics, and driving factors—by combining Social Network Analysis (SNA) and Quadratic Assignment Procedure (QAP) regression models. The results show that from 2000 to 2023, the network density of urban building carbon emissions in the North China Plain exhibited a "U-shaped" evolutionary trend. The carbon emission network evolved from a fragmented, localized "proximity-based weak coupling structure" during the 10th Five-Year Plan period to a crossprovincial, multi-core, multi-corridor "continuous network structure" during the 14th Five-Year Plan period. Spatial corridors centered on regions such as the Beijing-Tianjin-Hebei–Shandong Peninsula area and the Shandong-Henan border area have been continuously strengthened, indicating an overall enhancement in network connectivity. The QAP regression results indicate that similarities in urbanization level, economic development level, and population density significantly promote the formation of the spatial correlation network of building carbon emissions. This study provides empirical evidence and policy insights for promoting collaborative emission reduction in the building sector and constructing a regionally integrated low-carbon governance system.
Keywords: building sector    city    carbon emissions    Social Network Analysis (SNA)    core-periphery structure    
引言

面对全球气候变化严峻挑战,中国提出2030年前力争实现碳达峰、2060年前努力实现碳中和的“双碳”目标。随着城镇化进程的深入推进,城市建筑部门作为国民经济的支柱产业与能源消耗密集领域,是我国实现“双碳”目标的关键行业之一[1]。联合国环境规划署(UNEP)和全球建筑与施工联盟(Global ABC)发布的《2023年全球建筑与施工现状报告》指出,建筑部门已成为全球气候变化的重要驱动行业,其温室气体排放量约为全球总排放的21%[2]。2022年全国建筑部门碳排放总量约为51.3亿吨二氧化碳,约占我国能源相关碳排放总量的48.3% [3]。推动建筑部门实现绿色低碳转型,对我国应对气候变化和实现“双碳”目标具有重要意义[4]。建筑碳排放涉及全生命周期,且受多种驱动因素复合影响,其排放特征在空间上表现出显著的集聚效应与非均衡性。系统识别我国城市尺度建筑部门碳排放时空演变规律,厘清驱动机制,对于推动城市建筑部门绿色高效运行模式转型、城市层面的精细化碳治理、温室气体与大气污染物协同控制均具有重要现实意义。

1 文献综述与理论分析

建筑部门是全球能源密集型行业部门之一[5, 6],特别是在全球气候变化背景下,建筑部门是二氧化碳排放密集型行业,其低碳转型问题引起了国际社会广泛关注[7, 8]。自我国改革开放以来,伴随着城镇化进程中城市建设活动和空间扩张,截至2021年,我国常住人口的城市化率约为64.72%[9, 10]。建筑行业在支撑国家城市化进程与社会经济发展中发挥了关键作用。近年来,随着“双碳”目标的实施,建筑部门作为减排的关键领域,既有研究围绕家庭供热碳排放[11]、总量控制目标[12]、建筑部门碳排放预测[13]等相关主题展开了广泛研究,已从单一的测算转向复杂的时空探究与预测分析。空间上,中国的碳排放呈现出显著的时空聚集特征[14-16]。已有研究采用社会网络分析(Social Network Analysis,SNA)方法,对建筑部门碳排放的空间关联特征进行了实证分析[17, 18]。时间尺度上,已有研究结合情景模拟与Mann-Kendall趋势检验,对未来碳排放演变轨迹及历史达峰状态进行了评估,证实了不同区域在达峰进度上具有显著差异[13, 19]。在驱动机制方面,经济发展、城镇化水平、产业结构及人口密度等社会经济要素常被视为影响碳排放的重要因素,主要通过规模效应、集聚效应及结构红利深刻影响着区域排放格局[20, 21]。现有研究多局限于国家或省市尺度,对于跨省市视角分析建筑部门碳排放时空演化特征的研究较为缺乏,特别是对华北平原这一人口密集、供暖负荷大且处于转型期的典型区域关注不足[22, 23]

城市建筑排放空间关联网络的形成与演变,可能受产业结构、发展阶段与人口集聚模式等因素的共同影响。首先,产业结构直接影响城市在建筑行业产业链中的分工,建材运输、机械运行等促使碳排放沿供应链跨区域传导,推动空间关联网络的形成。在时间维度上,建筑废弃物的拆除、清运与资源化利用,形成了从建筑业与废弃物处理部门的循环产业。在空间维度上,区域产业分工可能导致城市间的碳排放转移。由于地理空间上的供需错位,中心城市的建筑消费需求对周边城市的建材生产具有依赖性,在网络中表现为跨区域的碳溢出通道[24]。其次,城市化水平通过影响建设规模和空间扩张速度推动排放变化。城镇化进程中的集中建设与居民居住地和工作地分离等因素,导致城市建筑部门排放变化趋同[25, 26]。此外,建筑节能标准的同步实施和清洁取暖的统一调度,使得各城市的建筑排放变化联系紧密。再次,经济发展水平影响绿色技术采纳及其区域扩散,经济发展水平不仅影响建筑规模与基础设施的投入,也关系到高效能源系统的推广程度。处于相似发展阶段的城市,往往在同一时期升级节能标准或改造公共建筑,加之成熟的技术方案易复制推广,从而促使区域内建筑运行排放结构具有相似性[27]。高发展水平城市间或“核心—腹地”城市之间更易通过投资和技术扩散形成排放关联性。设计院与开发商等在城市范围内对成熟节能方案的复制与推广,促使建筑碳排放结构趋同[28]。最后,人口密度反映人口在空间上的集聚程度,人口密度相近的城市在居住形态、建筑空间结构及运行负荷上具有高相似性,从而进一步增强了碳排放空间关联性。

基于以上分析,本研究以华北平原地区地级以上城市作为研究区域,突破传统行政区划,利用社会网络分析(SNA)方法揭示城市建筑部门空间网络时空演变特征,并识别关键影响因素及影响机理,从而为构建区域一体化的低碳治理体系提供理论支撑与实证经验。

2 研究区域与研究方法 2.1 研究区概况与数据来源

华北平原是我国重要的地理单元,地形平坦、水网密布、人口密集,城镇化快速推进,从而带动了该区域建筑活动的高度集聚[29]。本研究聚焦华北平原等地区,横跨京、津、冀、鲁、豫、苏、皖七省市,研究样本包括51个地级以上城市,研究时间尺度为2000—2023年,研究区域及城市分布如图 1所示。本研究的相关数据主要来源于《中国城市统计年鉴》、各省份年鉴及欧盟联合研究中心发布的全球大气研究排放数据库(EDGAR),涵盖人口密度、城镇化率、建筑部门二氧化碳排放等。其中,建筑部门二氧化碳排放数据来源于IEA-EDGAR(Emissions Database for Global Atmospheric Research)行业人为源碳排放数据库,通过对网格数据进行城市行政边界掩膜处理,得到各城市历年的建筑部门碳排放总量。为了保障数据的连续性与完整性,针对个别年份的缺失数据,本研究通过采用线性插值法进行填补。

图 1 研究区域城市空间分布 注:基于自然资源部标准地图服务网站提供的GS(2024)0650号的标准地图制作,底图无修改。
2.2 研究方法 2.2.1 改进的引力模型

本研究基于改进的引力模型[30, 31],将华北平原51个地级以上城市视为网络节点,将城市建筑碳排放的空间关联视为网络连线,构建华北平原城市建筑部门碳排放空间关联网络。具体模型如下:

$ G_{i j}=\frac{C_i}{C_i+C_j} \times \frac{\sqrt[3]{P_i C_i E_i} \sqrt[3]{P_j C_j E_j}}{\left(\frac{D_{i j}}{e_i-e_j}\right)^2} $ (1)

式中,ij分别表示i城市和j城市;Giji城市和j城市的碳排放关联程度;Diji城市和j城市的地理距离;CPEe分别为各城市的碳排放量、总人口、生产总值和人均生产总值;Dij/ei-ej)为城市间的经济距离。

2.2.2 社会网络分析(SNA)方法

本研究从整体关联结构和个体中心性特征两个层面分析华北平原城市建筑碳排放的空间网络特征[32, 33]。其中,整体关联结构用于检验网络关联程度、等级差异及结构稳健性,可用网络密度、网络关联度、网络等级度和网络效率来测度。具体而言,网络密度与关联度反映区域碳排放联系的紧密度与连通广度;网络等级度与效率则分别刻画城市间影响力的非对称性及连接路径的冗余程度。个体中心性特征用于刻画单个城市在网络中所居地位的重要性、控制力及独立性,可用点度中心度、中介中心度和接近中心度来衡量。点度中心度反映城市作为“枢纽”的活跃程度;中介中心度判断城市是否处于关键“桥梁”位置,即对关联关系的控制能力;接近中心度则测度城市摆脱其他节点控制的能力及信息传递效率。

2.2.3 QAP回归分析模型

多重共线性导致传统计量模型的估计偏差难以有效处理关系数据,因此本研究采用二次指派程序(Quadratic Assignment Procedure, QAP)回归分析,进一步识别建筑碳排放空间关联网络的影响因素[34, 35]。结合前文理论分析,从经济、社会和产业3个维度构建指标体系[36-38]。经济维度选取经济发展水平(ED);社会维度涵盖城镇化水平(UR)和人口密度(PD);产业维度则以产业结构(IS)为核心。本研究通过对上述变量构建绝对差异矩阵,从而对建筑碳排放空间关联网络驱动因素进行探究,构建QAP模型如式(2)所示:

$ \text { Net }=f \text { (IS, UR, ED, PD ) } $ (2)

式中,Net表示城市群建筑碳排放网络关系;IS为产业结构;UR为城镇化水平;ED为经济发展水平;PD为人口密度。

3 建筑部门碳排放网络特征与时空演变规律 3.1 建筑部门碳排放变化

2003—2004年城市建筑部门碳排放显著增长,增长率分别约为10.98%和11.54%,与我国加入世界贸易组织(WTO)后城镇化进程及房地产市场增长有关。2008年建筑部门碳排放首次出现负增长,增长率为-3.11%,主要与2008年北京奥运会期间实施的严格环保限产措施及国际金融危机导致的经济停滞密切相关。进入“十三五”时期,华北平原建筑碳排放在2016年达到历史峰值约1.71亿t,此后进入波动下降通道。2018年碳排放增长率骤降至研究期内的最低值-7.84%,主要动因是国家发布的《打赢蓝天保卫战三年行动计划》及北方地区大力推进的“清洁取暖”改造等高强度的散煤治理政策。“十四五”以来,为着力应对气候问题,虽然我国出台了一系列节能减排方案,但2023年的碳排放量呈现出上升趋势,增长率回升至7.31%(图 2),这反映出在后疫情时代经济复苏与气候变化的双重压力下,建筑行业低碳转型仍面临挑战。

图 2 2000—2023年华北平原城市建筑部门碳排放总量及年增长率变化
3.2 建筑部门碳排放空间关联网络整体结构分析 3.2.1 网络整体关联强度分析

为探明华北平原城市建筑碳排放空间关联的时空演化规律,本研究计算了2000—2023年华北平原城市建筑碳排放空间关联网络结构。结果显示,城市建筑碳排放空间关联网络的关联强度总体呈现由局部弱耦合向区域强联系转变的特征。2000年,网络结构整体关联度较弱,较强的关联主要集中在少数地理相邻城市之间,跨省、跨圈层的长距离强联系数量有限,呈现出典型的“邻近型”弱耦合格局。此时建筑部门碳排放空间溢出路径以短距离扩散为主,碳排放要素在城市间的流动主要依托省内或相邻地市之间的低强度联系,区域范围内尚未形成稳定的高强度关联走廊。时间维度上,网络关联强度也具有时空异质性。一方面,强关联边由省域内部向跨省(区、市)域延展,形成多条具有连续性的高强度联系带;另一方面,核心节点之间出现稳定通道,承担着跨区域碳排放溢出与要素传导的主要功能。到2023年,华北平原城市建筑碳排放空间关联网络已基本演化为结构紧凑、联系密集的连续网状格局。腹地城市之间,以及腹地与京津冀核心区、沿海城市之间,形成了多中心、多走廊叠加的高强度碳排放关联结构特征。

3.2.2 网络密度与网络效率分析

为进一步展示华北平原城市群建筑碳排放空间关联网络的整体结构特征,本文进一步测算了研究期内地级市尺度建筑部门碳排放网络密度、网络效率及网络关联度,测算结果如图 3所示。结果显示,城市建筑部门碳排放网络密度呈“先降后升”的“U”形演变特征。2000—2013年,受快速城镇化初期建筑形态多样、用能方式差异显著等问题约束,网络密度持续下降,在2013—2023年,得益于绿色建筑标准推广及区域能源协同,密度逐步回升并稳定在0.225左右,但整体水平仍较低,说明区域互动的紧密度亟待加强。城市建筑部门碳排放网络效率则呈现“先升后降”的倒“U”形特征。“十五”到“十一五”期间,核心城市在超低能耗建筑领域的率先突破,发挥了关键的示范引领效应,提高了区域整体网络效率。在此期间,高性能围护结构、高效热回收新风系统及可再生能源一体化设计等低碳建筑技术逐步成熟并规模化应用,建筑部门碳排放显著降低。“十二五”以来,各城市受技术水平与产业基础差异影响,关联路径冗余度增加,制约了网络效率提升,网络效率回落趋稳。

图 3 建筑部门碳排放网络密度与网络效率时间变化

网络关联度在样本期内均为1,在图中无需明确表示,该测算结果表明空间网络结构的连通性和稳健性强。这意味着华北平原内部不存在孤立发展的城市,均已融入区域关联体系。网络等级度整体维持在较低水平,表明核心城市对边缘城市的单向支配与控制作用较弱,网络等级特征不显著。

3.3 华北平原城市建筑部门碳排放关联网络时空演变规律

2000—2023年建筑部门碳排放网络空间分布如图 4所示。结果显示,“十五”以来,各城市间建筑碳排放的空间联动性增强,城市建筑部门碳排放网络结构的时空演变规律可以概括为从局部松散的分散格局向总体紧凑的多核心结构演变。其中,“十五”到“十一五”期间建筑部门碳排放网络呈现为典型的地方化结构,关联链条主要集中在省域内部的短距离连接,城市之间的关联普遍存在弱连接、碎片化特征,跨区域联系相对有限。随着区域经济发展与建筑活动扩散增强,网络迅速由点状集聚向带状集聚演化,鲁西南—豫东、鲁中—鲁南等方向出现稳定联系带,这不仅反映出要素流动规模的扩大,也表明区域间产业链、供应链和建筑行业一体化水平的提高。“十四五”以来,网络结构向多核心、多走廊的复合格局演进。城市之间关联性显著增加,以京津冀—山东半岛、鲁豫交界区等区域为核心的空间廊带持续增强,网络整体连通能力呈增强趋势。至2023年,网络结构的紧凑程度达到最高值,整体格局已由早期的碎片化结构演变为多中心、多层次的区域协同网络。网络连通能力的增强主要通过两种机制影响区域碳排放:一方面,网络连通能力的增强能促进技术、资本与低碳政策的跨区域扩散,有利于形成规模化的绿色产业链与协同减排效应;另一方面,网络连通能力的增强可能加速能源密集型产业的区域间转移,如果缺乏有效的环境规制,可能形成跨区域的碳溢出通道,导致区域碳溢出和碳转移。

图 4 2000—2023年建筑部门碳排放关联网络空间格局演变规律 注:基于自然资源部标准地图服务网站GS(2024)0650号的标准地图制作,底图无修改。

本研究选取点度中心度、中介中心度及接近中心度三个指标,剖析华北平原建筑碳排放的个体网络特征。结果显示,自“十五”以来,城市建筑部门碳排放网络度数中心度均值逐年增加,反映了城市建筑部门碳排放关联紧密程度增加。度数中心度呈现出区域差异特征,从大到小排序为鲁豫交界腹地 > 京津冀核心区 > 沿海及边缘地区,反映了华北平原腹地城市在碳排放空间关联网络中处于核心位置。排名前列的城市分别为菏泽、济宁、临沂、济南,主要原因是华北平原腹地城市及周边地区具有地理位置和人口规模优势,产生了“虹吸效应”,与区域内其他城市联系更紧密。

城市建筑部门碳排放网络接近中心度的均值与度数中心度的演变趋势相似,整体呈现上升趋势,说明华北平原各城市之间在空间关联网络中的距离缩小,流转速度和便捷性不断提高。从城市分布格局来看,接近中心度较高的城市与度数中心度基本一致,主要集中于菏泽、临沂等城市,而与其相邻的地区也处于相对较高水平,表明华北平原城市建筑碳排放的空间依赖关系高度集中于少数核心城市,并由核心节点向周边城市呈放射状扩散的“中心—外缘”格局。

华北平原城市建筑碳排放网络的中介中心度分布呈现出两极分化特征。排名前十的典型城市多为区域交通枢纽或省际边界节点,其中介中心度之和占全网总量的较大比重,这表明少数核心城市位于绝大多数城市的最短连接路径之上,在建筑碳排放空间关联网络中对其他城市具有较强的控制与支配能力,发挥着关键的“桥梁”和“结构洞”作用。

4 基于QAP模型的建筑部门碳排放网络影响机制分析 4.1 QAP模型结果

为规避传统估计方法可能导致的多重共线性问题,本研究采用二次指派程序(QAP),通过排列矩阵比较相似性来计算相关系数,并对相关系数进行非参数检验。本研究选择建筑碳排放(BE)空间关联网络矩阵作为因变量矩阵,以产业结构(IS)、城镇化水平(UR)、经济发展水平(ED)、人口密度(PD)差异矩阵作为自变量矩阵,进行相关性检验,结果见表 1。结果显示,所有影响因素均通过了1%显著性水平检验(p < 0.001)。驱动因素的作用机制呈现出分化特征,产业结构差异与空间关联网络呈正相关关系,表明城市间产业结构差异越大,建筑碳排放的空间关联强度越强;而城镇化水平差异、经济发展水平差异、人口密度差异均与空间关联网络呈显著负相关关系。这意味着在城镇化、经济发展和人口密度维度上,城市间的趋同程度越高,其建筑碳排放的空间关联反而越显著。

表 1 QAP相关性分析结果
4.2 建筑部门碳排放网络影响机制分析

本研究利用产业结构、城镇化水平、经济发展水平、人口密度四个差异矩阵作为自变量,选取2000次随机置换,最终得到建筑碳排放空间关联关系矩阵与影响因素关系矩阵的QAP回归分析结果,如表 2所示。结果显示,调整后的R2为0.608,说明城镇化水平、经济发展水平和人口密度等因素可以有效解释中国建筑碳排放空间关联关系变化的60.8%。城镇化水平、人口密度和经济发展水平均通过了1%显著性检验,产业结构差异未呈现显著性。

表 2 QAP回归分析结果

人口密度差异的回归系数在1%水平上显著为负,回归系数高于其他因素,凸显了人口密度差异在建筑部门碳排放空间关联网络中起到的核心作用。这表明城市间人口密度的相似性越大,越有利于促进建筑碳排放空间关联网络的构建。华北平原地区城市间人口分布的集聚程度越相似,建筑碳排放的空间关联强度也越强。人口密度高的城市对基础设施与能源需求呈现出天然的规模集聚效应,通过集约化利用显著降低了高密度地区的人均供暖/制冷能耗,在华北平原地区高度城镇化和供暖刚需的背景下成为主导机制。城市人口集聚模式的相似度能显著增强城市建筑部门碳排放网络的空间关联,主要由于以下两个原因:第一,相似的人口集聚模式往往意味着城市在空间结构、功能布局和基础设施需求上具有共通性,使得针对某一城市有效的能源集约化技术与管理经验能够以较低成本适配到另一城市,利于能源集约化利用的经验推广与技术扩散;第二,人口结构趋同的城市通常面临相近的资源压力与环境挑战,这促使地方政府和企业更有动力开展区域协作,通过建立共享机制、推动政策互认和构建技术转移平台,碳排放网络关联紧密度增强。

城镇化水平差异的回归系数在1%水平上显著为负,表明城镇化水平的相似性促进了城市间建筑碳排放关联网络的建立,但其作用强度略弱于人口密度。这意味着,城市间的城镇化水平越接近,越有利于在区域内部形成结构紧密的碳关联子群。城镇化水平的差异不仅体现在人口集聚程度上,更深层反映了公共服务均等化、绿色建筑规制执行力以及城市治理能力的差距。随着城市化进程不断深化,城市成为推进可持续发展的关键主体,而城镇化水平相近的地区则面临类似的建设需求与建筑发展周期。

经济发展水平差异的回归系数同样在1%水平上显著为负,城市经济发展水平相似性是影响建筑碳排放关联网络形成与演变的重要因素之一。经济发展水平能反映城市的富裕程度、财政能力、产业升级进程等,城市经济水平相似度高易形成绿色发展的同群竞争效应。在建筑碳排放网络中,经济发达城市是资本与技术的策源地和绿色建筑产品的主要消费中心,能通过供应链和投资链与周边腹地城市形成直接关联。

产业结构差异的回归系数未通过显著性检验,说明第二产业比重的差异并非导致建筑碳排放分异的关键因素。这主要与华北平原地区产业结构同质化程度高及产业结构对建筑碳排放的间接作用路径有关,导致其短期解释力有限。

5 研究结论与政策建议 5.1 结论

本研究构建了2000—2023年华北平原城市建筑部门碳排放空间关联网络,采用社会网络分析方法剖析其时空演变规律特征,利用QAP模型分析网络变化驱动因素。主要结论如下:

(1)“十五”以来,华北平原城市建筑部门碳排放呈现出“快速攀升—波动达峰—显著回落—近期反弹”的动态演变规律,反映出宏观经济周期、建筑部门建设强度、能源结构调整及重大政策事件对建筑部门碳排放的复合影响。

(2)从空间关联视角看,华北平原城市建筑碳排放网络由“十五”期间碎片化的“邻近型弱耦合结构”逐步演化为“十四五”期间跨省份、多核心的“连续网状结构”;菏泽、济宁等城市在演化过程中持续强化其网络枢纽地位,形成多条高强度碳关联走廊;至2023年,网络整体呈现“强联系成网、弱联系铺底”的结构特征,区域建筑碳排放的跨城市联动性显著增强。

(3)整体网络特征显示,2000—2023年,城市建筑部门碳排放网络密度呈“U”形演化特征,并于2013年开始增长;而网络效率则呈倒“U”形变化规律,网络关联度长期保持为1,说明区域内部已形成稳定的连通结构;网络等级度保持在低水平,进一步体现了区域协同治理和绿色建筑政策在减少城市间单向依赖与结构性分层方面取得积极进展。

(4)个体中心性分析表明,华北平原建筑碳排放网络呈现明显的空间差异化特征。腹地城市构成联结全域的核心节点,而中介中心度体现的“桥梁城市”主要分布于鲁豫、冀鲁等省界枢纽节点,相较之下,大量地理意义上的边缘城市未融入区域要素流动主通道,影响力和介入能力均较弱。

(5)QAP回归模型结果显示,城镇化水平、人口密度及经济发展水平差异性均对建筑碳排放关联网络具有显著负向影响,表明区域内城市在城镇化形态、人口集聚模式和经济发展阶段上的相似性能促进建筑碳排放模式的收敛,并强化城市间的空间联系,而产业结构差异并未表现出显著影响。

5.2 政策建议

基于上述研究发现,为有效推动华北平原建筑部门低碳转型并构建区域一体化的低碳治理体系,本研究提出以下建议:

首先,建筑部门碳排放空间网络的演变过程是区域一体化进程的现实映射。城市间建筑部门碳排放关联紧密性加强,反映了建筑产业链、技术链与政策链的跨区域重构过程。从早期的建材异地运输、施工跨区作业等实体要素流动,逐步转向绿色建筑技术标准推广、节能政策协同执行及低碳生活方式扩散等。网络密度的提升揭示了华北平原建筑行业碳排放的空间溢出效应,制定区域联合低碳减排政策所需考虑的因素。因此,针对碳排放的空间溢出效应,在政策制定过程中,需深化区域协同治理,构建跨市建筑部门低碳网络。通过数据共享、标准协同与能源互济,实现资源高效流动。通过建立跨城市联合机制,由京津等核心城市带动中小城市构建统一协同的减排格局。强化顶层设计,推进能源清洁化与既有建筑改造。坚持能源供给与建筑运行“双向发力”。供给侧加快完善集中供热与“煤改电/气”,提升太阳能、地热能等可再生能源占比;政策侧将补贴调整为以能耗强度和可再生能源利用率为核心的绩效型激励;运行侧通过财政补助与绿色信贷降低资金门槛,重点推进存量建筑围护结构、供暖及照明系统的节能改造。

其次,推动产业链绿色智能化转型,突破关键技术。加快推广超低/近零能耗建筑、装配式建筑及绿色建材。利用税收优惠与补贴,支持地源热泵、光伏建筑一体化等技术应用。鼓励产学研共建创新平台,突破高性能保温材料、智慧能耗管理等瓶颈,推动产业向低碳、智能、高效方向演进。

最后,推动产业链绿色化与智能化协同转型,以关键技术突破支撑低碳发展。加快推广超低能耗建筑、装配式建筑及绿色建材规模化应用;通过税收优惠与补贴等政策工具,鼓励采用地源热泵、光伏建筑一体化等清洁能源技术;鼓励产学研共建创新平台,突破高性能保温材料、智慧能源管理等瓶颈技术,系统性提升产业能效与碳生产力,为我国应对气候变化提供切实可行的建筑部门低碳转型路径。

参考文献
[1]
冯博, 王雪青. 中国各省建筑业碳排放脱钩及影响因素研究[J]. 中国人口·资源与环境, 2015, 25(4): 28-34.
[2]
United Nations Environment Programme. Global Status Report for Buildings and Construction: Beyond Foundations-Mainstreaming Sustainable Solutions to Cut Emissions from the Buildings Sector[R]. Nairobi: United Nations Environment Programme, 2024.
[3]
蔡伟光, 于艳辉, 刘源. 中国城乡建设领域碳排放研究报告(2024年)[J]. 建筑, 2025(2): 56-63.
[4]
王金南, 阮梓纹, 蔡博峰. 中国零碳园区建设内涵及其实现路径和战略研究[J]. 中国环境管理, 2025, 17(5): 8-15. DOI:10.16868/j.cnki.1674-6252.2025.05.008
[5]
LI X W, LI J R, HUANG Y C, et al. Construction enterprises' adoption of green development behaviors: an agent-based modeling approach[J]. Humanities and social sciences communications, 2022, 9(1): 244. DOI:10.1057/s41599-022-01263-9
[6]
ZHOU Y, JIN H M, LI C S, et al. Spatio-temporal patterns and impact mechanisms of CO2 emissions from China's construction industry under urbanization[J]. Sustainable cities and society, 2024, 106: 105353. DOI:10.1016/j.scs.2024.105353
[7]
LI X J, QIU Y T, LIN C X. Spatial network structure characteristics and dynamic evolution mechanisms of carbon emissions in the construction industry: an empirical study of East China coastal cities[J]. Sustainable cities and society, 2025, 130: 106625. DOI:10.1016/j.scs.2025.106625
[8]
蒯林沂, 安敏, 宋孟斐, 等. 中国城市尺度下建筑业碳排放锁定状态及解锁路径[J]. 环境科学, 2025, 46(8): 4803-4812.
[9]
ZHANG S W, HUANG C Q, LI X S, et al. The spatial–temporal evolution and influencing factors of the coupling coordination of new-type urbanization and ecosystem services value in the Yellow River Basin[J]. Ecological indicators, 2024, 166: 112300. DOI:10.1016/j.ecolind.2024.112300
[10]
王金南, 万军, 王倩, 等. 改革开放40年与中国生态环境规划发展[J]. 中国环境管理, 2018, 10(6): 5-18. DOI:10.16868/j.cnki.1674-6252.2018.06.005
[11]
ZHANG W, XU Y, STREETS D G, et al. How does decarbonization of the central heating industry affect employment? A spatiotemporal analysis from the perspective of urbanization[J]. Energy and buildings, 2024, 306: 113912. DOI:10.1016/j.enbuild.2024.113912
[12]
柴麒敏, 傅莎, 郑晓奇, 等. 中国重点部门和行业碳排放总量控制目标及政策研究[J]. 中国人口·资源与环境, 2017, 27(12): 1-7.
[13]
LI R, YU Y H, CAI W G, et al. Interprovincial differences in the historical peak situation of building carbon emissions in China: causes and enlightenments[J]. Journal of environmental management, 2023, 332: 117347. DOI:10.1016/j.jenvman.2023.117347
[14]
WANG C Q, IBRAHIM H, WU F H, et al. Spatial and temporal evolution patterns and spatial spillover effects of carbon emissions in China in the context of digital economy[J]. Journal of environmental management, 2025, 373: 123811. DOI:10.1016/j.jenvman.2024.123811
[15]
WANG N, QU Z K, LI J, et al. Spatial-temporal patterns and influencing factors of carbon emissions in different regions of China[J]. Environmental research, 2025, 276: 121447. DOI:10.1016/j.envres.2025.121447
[16]
张为师, 徐颖, 惠婧璇. 中国城市CO2排放和空气质量协同变化特征及驱动因素研究[J]. 中国环境管理, 2023, 15(2): 38-47.
[17]
HUO T F, CAO R J, XIA N N, et al. Spatial correlation network structure of China's building carbon emissions and its driving factors: a social network analysis method[J]. Journal of environmental management, 2022, 320: 115808. DOI:10.1016/j.jenvman.2022.115808
[18]
WANG F L, ZHANG Q. Exploring the spatial association characteristics of carbon emission efficiency in China's construction industry: a network perspective[J]. Energy and buildings, 2025, 329: 115289. DOI:10.1016/j.enbuild.2025.115289
[19]
ZHANG X, YAN Z F, NI P G, et al. Multi-factor dynamic correlation prediction and analysis of carbon peaking for building sector: a case study of Shaanxi province[J]. Sustainable cities and society, 2024, 117: 105960. DOI:10.1016/j.scs.2024.105960
[20]
宋青, 李超群, 陈骏宇. 长三角碳排放空间网络结构及协同减排效应[J]. 环境科学与技术, 2024, 47(2): 183-194.
[21]
王晓平, 冯庆, 宋金昭. 成渝城市群碳排放空间关联结构演化及影响因素[J]. 中国环境科学, 2020, 40(9): 4123-4134.
[22]
任晓松, 李昭睿. 全生命周期视角下中国建筑碳排放空间关联网络演化及影响因素分析[J]. 环境科学, 2024, 45(3): 1243-1253.
[23]
杨寅润, 董娜. 城市群建筑碳排放的协同效应[J]. 环境科学, 2025, 46(7): 4101-4109.
[24]
莫万莉, 张晓春, 陈露, 等. 访谈: 当代中国建筑理论建构的挑战与展望[J]. 建筑学报, 2024(1): 37-45.
[25]
毕硕本, 王璐烨, 刘少丽, 等. 成都市职住空间分布特征及影响因素研究[J]. 地理与地理信息科学, 2024, 40(1): 81-88.
[26]
黄耿志, 李郇, 张文忠, 等. 高质量发展转型背景下的中国城市更新: 挑战与路径[J]. 自然资源学报, 2025, 40(1): 1-19.
[27]
HE M Y, GE D Y, JIANG J Y, et al. How do urban function and development level effect construction level of green infrastructure? A case study of 110 built-up areas of cities in the Yangtze River Economic Zone[J]. Cities, 2023, 143: 104620. DOI:10.1016/j.cities.2023.104620
[28]
张可. 智慧城市建设促进了节能减排吗?——基于长三角城市群141个区县的经验分析[J]. 金融研究, 2023(7): 134-153.
[29]
WANG Q, XIAO Y H. Has urban construction land achieved low-carbon sustainable development? A case study of North China plain, China[J]. Sustainability, 2022, 14(15): 9434. DOI:10.3390/su14159434
[30]
RIOS V, GIANMOENA L. Convergence in CO2 emissions: a spatial economic analysis with cross-country interactions[J]. Energy economics, 2018, 75: 222-238. DOI:10.1016/j.eneco.2018.08.009
[31]
刘耀彬, 邓伟凤, 李硕硕, 等. 基于碳汇潜力的碳排放空间关联网络结构特征及影响因素——以长江中游城市群为例[J]. 中国人口·资源与环境, 2024, 34(3): 1-15.
[32]
李志远, 冯学钢, 夏赞才. 长三角城市群城市韧性空间关联网络及其对旅游经济的影响[J]. 地理研究, 2025, 44(9): 2391-2409.
[33]
宁欣, 叶晓斌, 赵飞贺, 等. 长三角城市群交通碳排放空间关联网络结构特征及影响因素[J]. 环境科学学报, 2025, 45(11): 454-467.
[34]
刘斐, 何子豪, 李顺国. 长江经济带制造业碳排放强度空间关联网络结构及驱动因素[J]. 环境科学, 2025, 46(10): 6173-6184.
[35]
魏峰, 范晓凯. 中国省域新质生产力空间网络结构动态演进及驱动力分析[J]. 金融发展研究, 2024(9): 14-24.
[36]
丁颖辉, 杨亚茹. 中国省域降碳潜力空间关联网络结构特征及影响因素[J]. 科技管理研究, 2024, 44(5): 199-208.
[37]
李爱, 王雅楠, 李梦, 等. 碳排放的空间关联网络结构特征与影响因素研究: 以中国三大城市群为例[J]. 环境科学与技术, 2021, 44(6): 186-193.
[38]
孙燕芳, 张园园, 赵怡. 黄河流域城市群碳排放效率空间关联网络结构及其影响因素[J]. 经济地理, 2025, 45(7): 77-84, 107-107.