復雜網(wǎng)絡視角下我國居民能源消費碳排放的空間關聯(lián)分析

彭鑫蓓，劉家保

（安徽建筑大學 數(shù)理學院，安徽 合肥 230601）

全球變暖日益嚴重，極端天氣如特大沙塵暴、強熱帶風暴、罕見低溫雨雪冰凍等也頻頻發(fā)生。已有研究結果表明，碳排放量的增加會加劇全球變暖[1]。為遏制全球變暖，越來越多的國家加入到低碳減排的行列之中[2]。近些年來，我國一直致力于與世界各國攜手解決環(huán)境問題。2020 年，我國向全球明確了“碳達峰”和“碳中和”目標[3]。我國政府制定了一系列戰(zhàn)略方針，構建起碳達峰碳中和“1+N”政策體系，不斷推進“雙碳”工作的開展。

大量消耗化石能源會導致碳排放量急劇增加，該類能源的使用主要集中在化工、建材、鋼鐵等工業(yè)領域。因此，眾多學者致力于解決工業(yè)領域的能源消耗產生的碳排放問題。童霞等[4]和馬彩云等[5]分別對我國工業(yè)和建筑業(yè)的碳排放問題進行了研究并取得了一定成果。魏一鳴等[6]研究發(fā)現(xiàn)，我國居民生活能源消費產生的碳排放量占全國碳排放總量的30%。盧鶴立等[7]和劉小平等[8]研究發(fā)現(xiàn)，近些年來我國居民消費領域的能源消耗導致碳排放量不斷增長。由此可見，我國居民生活能源消費引起的碳排放問題對生態(tài)環(huán)境造成了不可忽視的影響。

1992 年，國外學者Common 等[9]對澳大利亞居民消費碳排放進行了研究。2001 年，Munksgaard 等[10]對丹麥居民消費碳排放進行了研究。近些年來，國內學者也對我國居民能源消費碳排放進行了深入探究。傅京燕等[11]用環(huán)境投入產出分析和消費品生命周期分析法對我國1996—2011 年居民間接消費碳排放進行了研究。計志英等[12]運用碳排放系數(shù)法對我國城鄉(xiāng)居民能源消費碳排放進行測算，發(fā)現(xiàn)城鄉(xiāng)間存在較大差異。通過梳理文獻，發(fā)現(xiàn)聯(lián)合國政府間氣候變化專門委員會（IPCC）[13]提供的碳排放系數(shù)方法比其他方法更適合于衡量居民能源消費碳排放并被廣泛接受。張梅等[14]對我國城市碳排放進行研究，發(fā)現(xiàn)空間距離是重要影響因素，碳減排措施的制定要考慮空間效應。曹慶仁等[15]采用指數(shù)分解法計算了居民消費引起的碳排放量。柴士改[16]探究了我國城鎮(zhèn)居民生活碳排放是否受消費模式、收入等因素影響。夏炎等[17]運用多元回歸分析、投入產出分析等方法研究了居民消費碳排放的影響因素，并對居民消費碳排放未來趨勢進行了預測。

通過對相關文獻的學習和梳理可以發(fā)現(xiàn)：第一，已有研究大多是從國家層面而非地區(qū)層面來研究中國居民消費引起的碳排放。然而，我國幅員遼闊，各省域間的居民消費水平、生活習慣等有著顯著差異，因此，不同地區(qū)的居民消費碳排放也應有所不同。第二，已有研究大多基于“屬性數(shù)據(jù)”而非“關系數(shù)據(jù)”來描述碳排放的空間分布特征和空間相關性，未能反映空間相關性網(wǎng)絡的結構特征以及各區(qū)域在該網(wǎng)絡中的作用和影響。因此，本文在復雜網(wǎng)絡視角下，利用社會網(wǎng)絡分析（social network analysis，SNA）方法研究我國省域間居民能源消費碳排放空間關聯(lián)網(wǎng)絡的結構特征。近些年來，該方法被廣泛應用于研究復雜的區(qū)域間關系結構，參見文獻[18-20]。

本文基于2005—2020 年我國省域居民能源消費碳排放量數(shù)據(jù)，運用空間計量和社會網(wǎng)絡分析方法，從空間分布和網(wǎng)絡關聯(lián)兩個方面對我國居民能源消費碳排放的空間關聯(lián)關系進行分析?？臻g計量方法可以從統(tǒng)計學角度證實碳排放在區(qū)域間存在空間關聯(lián)；社會網(wǎng)絡分析法可以從復雜網(wǎng)絡視角分析區(qū)域間碳排放關聯(lián)關系。本文綜合使用上述兩種方法，既展示了數(shù)據(jù)關系又涵蓋了屬性關系，可以豐富現(xiàn)有文獻。

1 數(shù)據(jù)來源及方法介紹

1.1 數(shù)據(jù)來源

本文對2005—2020 年間我國居民能源消費碳排放量進行測算，數(shù)據(jù)來源于《中國能源統(tǒng)計年鑒》（2005—2020 年）和各?。▍^(qū)、市）統(tǒng)計年鑒（2005—2020 年）。由于缺少西藏、港澳臺地區(qū)的能源消費數(shù)據(jù)，因此本文的研究范圍不包含西藏和港澳臺地區(qū)。

1.2 居民能源消費碳排放量的測算

本文主要測算居民日常生活中在烹飪、照明、出行等方面產生的碳排放量。熱力和電力雖是二次能源，使用過程中不產生碳排放，但在生產加工過程中耗能嚴重，并且熱力和電力在居民日常生活中消耗量占比也較高，故本文也將熱力和電力的消耗視為居民能源消費碳排放的來源。居民日常生活中使用的其他能源，如太陽能、風能、水能、地熱能等屬于非碳基能源，在消耗過程中并不產生二氧化碳，故該類能源的消耗不納入居民能源消費碳排放的測算范疇?；诖耍疚臏y算的居民能源消費類型分為兩部分：一部分是10 種化石能源；另一部分是兩種二次能源。

采用碳排放系數(shù)法[13]測算10 種化石能源的碳排放量，公式為

其中：Cf為居民生活中消耗化石能源產生的碳排放總量（本文提到的碳排放均指二氧化碳排放）；i=1，2，…，10 為10 種化石能源的序號；Ei為第i 種能源終端消費實物量；αi為第i 種能源的折標準煤系數(shù)；βi為第i 種能源的碳排放系數(shù)，具體見表1。

根據(jù)中國能源統(tǒng)計年鑒，熱力的折標準煤系數(shù)為0.034 12 kg 標準煤/MJ。標準煤的碳排放系數(shù)采用國家發(fā)展與改革委員會能源研究所的推薦值0.670 0 kg/kg 標準煤。

居民能源消費中電力碳排放的測算方法如下：在全國層面上，首先對各?。▍^(qū)、市）居民生活能源消耗中電力消耗實物量進行求和，再乘以全國電網(wǎng)平均排放因子，即得到全國居民生活電力消費導致的碳排放量，其中全國電網(wǎng)平均排放因子采用國家發(fā)改委公布的2015 年的數(shù)據(jù)（0.610 1 tCO2/MWh[21]）；在省域層面，采用國家發(fā)改委公布的2012 年的數(shù)據(jù)[21]，見表2。

表2 各?。▍^(qū)、市）電力碳排放因子Tab.2 Carbon emission factors for electricity by city and province subdivisions

1.3 方法介紹

1.3.1 核密度估計法

核密度估計法是借助連續(xù)的概率密度曲線對某一隨機變量的分布形態(tài)進行刻畫[22]。隨機變量上的概率密度函數(shù)的核密度估計為

其中：n 為觀測值個數(shù)；h 為帶寬；x 為均值；K（·）為核函數(shù)。本文選用高斯核函數(shù)對我國居民能源消費碳排放量的分布動態(tài)進行估計。

1.3.2 空間相關性分析

全局Moran′s I 指數(shù)可以反映空間聚集程度，分析變量在整體區(qū)域中是相似、相異還是獨立的[23]。該指數(shù)的取值在-1～1 之間，其中正值說明研究區(qū)域整體呈現(xiàn)高-高聚集或低-低聚集，即具有空間正向相關性；負值說明研究區(qū)域整體呈現(xiàn)高-低聚集或低-高聚集，即具有空間負向相關性；0 值說明研究區(qū)域的變量分布具有隨機性和獨立性，無空間聚集效應[24]。全局Moran′s I 指數(shù)的計算公式為

其中：n 為空間單元的個數(shù)（這里指本文研究的30 個?。▍^(qū)、市））；xi和xj分別為第i 個空間單元和第j 個空間單元的觀測值為樣本均值；s2=為樣本方差；wij為空間權重矩陣W 中第i 行第j 列的元素，反映空間單元i 和j 是否相鄰，若相鄰記為1，反之記為0。

因為全局空間自相關分析只能用于判斷整體研究區(qū)域是否存在空間聚集，不能得出具體位置，所以本文進一步運用局部Moran′s I 指數(shù)進行局域空間自相關分析[25]。局部Moran′s I 指數(shù)計算公式為

1.3.3 社會網(wǎng)絡分析

源于圖論的SNA 是一種基于“關系數(shù)據(jù)”研究某一系統(tǒng)空間網(wǎng)絡特征的常用方法[26]?？臻g網(wǎng)絡特征通過以下4 個指標反映。

1）網(wǎng)絡密度D[26]，用于反映空間網(wǎng)絡的緊密性，取值范圍為0～1，計算公式為

其中：M 為我國?。▍^(qū)、市）間實際存在的碳排放關聯(lián)關系數(shù)（網(wǎng)絡的邊數(shù)）；N 為?。▍^(qū)、市）個數(shù)（網(wǎng)絡的節(jié)點數(shù)）。

2）網(wǎng)絡關聯(lián)度AD[26]，用于體現(xiàn)空間網(wǎng)絡的穩(wěn)健性。該值越大，說明整體網(wǎng)絡的關聯(lián)程度越高，網(wǎng)絡越穩(wěn)健。計算公式為

其中V 為空間網(wǎng)絡中不可達的點對數(shù)。

3）網(wǎng)絡等級H[26]，該值越大，說明網(wǎng)絡中各節(jié)點省（區(qū)、市）之間的階級越分明，網(wǎng)絡的流動性越依靠于在網(wǎng)絡中心的節(jié)點?。▍^(qū)、市），而處于網(wǎng)絡邊緣的?。▍^(qū)、市）越難以融入網(wǎng)絡中心，整個網(wǎng)絡的分布越不均衡，核心-邊緣差距越懸殊。計算公式為

其中：V′為空間網(wǎng)絡中對稱可達的點對數(shù)；max（V′）為該網(wǎng)絡中最大對稱可達的點對數(shù)。

4）網(wǎng)絡效率E[26]，該值越低，說明網(wǎng)絡中節(jié)點省（區(qū)、市）間多余的連線數(shù)越多，即某個節(jié)點的刪除或者增加對該網(wǎng)絡的影響越小，該網(wǎng)絡越穩(wěn)定。計算公式為

其中K 為空間網(wǎng)絡中多余的連線數(shù)。

2 居民能源消費碳排放空間關聯(lián)分析

2.1 居民能源消費碳排放現(xiàn)狀分析

從全國層面上，本文繪制得到2005—2020 年我國居民能源消費碳排放總量及增長率的變化趨勢圖，如圖1 所示。我國居民能源消費碳排放總量顯著增長，從2005 年的37 889 萬t 增至2020 年的65 597 萬t，增長至1.7 倍。2005—2020 年間，我國居民能源消費碳排放總量呈現(xiàn)先逐步增長后趨于平緩的特征，說明近年來節(jié)能減排政策初見成效。但是，我國居民能源消費碳排放量的增長趨勢是不可否認的，節(jié)能減排工作壓力仍然較大。

圖1 2005—2020 年居民能源消費碳排放量及環(huán)比增速變化情況Fig.1 Carbon emissions from residential energy consumption and year-over-year growth rate trend in 2005-2020

此外，由圖1 可知：2005—2020 年我國居民能源消費碳排放總量中各類能源的碳排放量占比變化也較大。原煤的碳排放量占比呈現(xiàn)明顯的下降趨勢；汽油、天然氣、熱力、電力的碳排放量占比呈現(xiàn)明顯的上升趨勢；液化石油氣、柴油等占比波動不大。

從省域層面上，本文計算得到我國各?。▍^(qū)、市）的居民能源消費碳排放量2005—2020 年的平均值，如圖2 所示。我國各?。▍^(qū)、市）的居民能源消費碳排放量在2005—2020 年間的平均值差距十分明顯，其中，河北省最高，達到4 568 萬t，而海南省最低，僅為125 萬t，前者是后者的36.5 倍。山東和河北是我國著名的重工業(yè)大省，山西和內蒙古是我國著名的能源大省，這幾個省（區(qū)、市）以工業(yè)產業(yè)為主，能源消耗較高，導致年平均碳排放量居高不下，需要重點采取碳減排措施。

圖2 2005—2020 年各?。▍^(qū)、市）居民能源消費碳排量均值Fig.2 Average value of carbon emissions from energy consumption of residents in various provinces and cities in 2005-2020

從以上分析可以發(fā)現(xiàn)，我國居民能源消費碳排放量和地理位置有一定關系，并且呈現(xiàn)明顯的“東高西低”的空間分布形態(tài)。我國居民能源消費碳排放量高的?。▍^(qū)、市）主要分布在我國的東部沿海偏北地區(qū)，如河北、山東等，這些地區(qū)自然資源豐富，重工業(yè)發(fā)達，導致居民耗能水平較高，同時能源利用結構分布不均衡，也促使該地區(qū)碳排放量處于較高水平。我國居民能源消費碳排放量低的?。▍^(qū)、市）主要分布在東部沿海偏南和西部偏遠地區(qū)如海南、廣西、青海、寧夏等，這些地區(qū)可能自身居民耗能水平較低，或能源利用結構分布合理，促使該地區(qū)居民能源消費碳排放量處于較低水平。我國經濟區(qū)域劃分[27]如表3 所示。

表3 我國經濟區(qū)域劃分Tab.3 China economic regional division

盡管圖2 可以直觀反映我國各?。▍^(qū)、市）居民能源消費碳排放量的空間分布的不均衡特征，但是要深入研究其空間特征，還需要進一步借助相關的衡量指標進行分析。

2.2 居民能源消費碳排放空間差異性

根據(jù)核密度估計法，本文利用MATLAB 軟件對2005—2020 年間我國各?。▍^(qū)、市）居民能源消費碳排放量和居民能源消費碳排放結構信息熵的分布形態(tài)及演變情況進行描繪，如圖3 所示。

圖3 我國居民能源消費碳排放量核密度曲線Fig.3 Kernel density curve of carbon emissions from Chinese residential energy consumption

由圖3 可知，2005—2015 年間，核密度估計曲線的波峰呈現(xiàn)變矮趨勢，曲線形態(tài)呈現(xiàn)逐漸扁平的趨勢，說明我國不同區(qū)域間居民能源消費碳排放量的差距在不斷增大。到2015 年，曲線的波峰持續(xù)變矮，并且曲線的右尾不斷拉長，說明地區(qū)間居民能源消費碳排放量的差距還在進一步擴大。2015 年后，我國居民能源消費碳排放量核密度估計曲線由單波峰變成雙波峰，這說明兩極分化現(xiàn)象加劇。

接下來，以2005、2010、2015 和2020 年為代表，根據(jù)表3 中的區(qū)域劃分繪制我國東部、中部、西部和東北地區(qū)的居民能源消費碳排放量核密度估計圖，如圖4 所示。

圖4 各地區(qū)居民能源消費碳排放量核密度曲線Fig.4 Kernel density curve of carbon emissions from residential energy consumption by region

由圖4 可知，從核密度曲線位置上看，隨著時間變化，我國四大區(qū)域居民生活消費碳排放量核密度估計曲線波峰一直在右移，其中東北地區(qū)最為明顯，說明整體上我國各地區(qū)居民能源消費碳排放量在不斷增多且東北地區(qū)增長量最大。

從核密度曲線形態(tài)上看：首先，我國東部、西部和東北地區(qū)居民能源消費碳排放量核密度估計曲線形態(tài)上呈現(xiàn)扁平化趨勢，曲線寬度不斷增大，說明我國東部、西部和東北地區(qū)居民能源消費碳排放量差距有擴大趨勢。而我國中部地區(qū)居民能源消費碳排放量核密度估計曲線的寬度呈現(xiàn)先增大后減小趨勢，說明中部地區(qū)居民生活消費碳排放量差距呈現(xiàn)先增大后逐步減小趨勢。其次，該地區(qū)的核密度曲線波峰越多，說明該地區(qū)兩級分化現(xiàn)象越嚴重，中部地區(qū)居民能源消費碳排放量兩極化趨勢最為明顯，其次是東部地區(qū)和東北地區(qū)。

2.3 空間自相關分析

采用全局Moran′s I 指數(shù)對我國2005—2020年間各?。▍^(qū)、市）居民能源消費碳排放量在空間上的自相關性和集聚性進行檢驗，結果如表4 所示。

表4 2005—2020 年我國居民能源消費碳排放量全局Moran′s I 指數(shù)Tab.4 Global Moran′s I value of carbon emissions of China′s residents in 2005-2020

由表4 可以看出：1）大多數(shù)年份中我國各?。▍^(qū)、市）居民能源消費碳排放量的全局Moran′s I 檢驗結果中p 值小于0.1，說明在10%顯著性水平下，我國各省（區(qū)、市）居民能源消費碳排放量受其鄰近省（區(qū)、市）居民能源消費碳排放量的影響，存在空間依賴關系，具有空間聚集性，并非獨立的隨機分布。2）2005—2020 年間，我國各?。▍^(qū)、市）居民能源消費碳排放量全局Moran′s I 值均為正值，說明我國各?。▍^(qū)、市）居民能源消費碳排放量在空間上表現(xiàn)為顯著的正相關性，即居民能源消費碳排放量高的?。▍^(qū)、市）被居民能源消費碳排放量高的?。▍^(qū)、市）所包圍（高-高聚集），或居民能源消費碳排放量低的?。▍^(qū)、市）被居民能源消費碳排放量低的?。▍^(qū)、市）所包圍（低-低聚集）。

因為全局空間自相關分析只能用于判斷整體區(qū)域中某種現(xiàn)象是否存在空間聚集，而不能得出具體位置，所以本文進一步通過局部Moran′s I 指數(shù)進行局域空間自相關分析，選取2005、2010、2015 和2020 年的我國各省（區(qū)、市）居民能源消費碳排放量數(shù)據(jù)進行局域空間自相關分析，得到圖5 所示的局部Moran′s I 散點圖。

圖5 2005、2010、2015、2020 年居民能源消費碳排放量局部Moran′s I 散點圖Fig.5 Local Moran′s I scatter plot of carbon emissions from residential energy consumption in 2005，2010，2015，2020

局部Moran′s I 散點圖中第一象限和第三象限分布的省（區(qū)、市）均呈現(xiàn)正空間相關關系，分別表現(xiàn)出H-H（高-高）聚集和L-L（低-低）聚集；第二象限和第四象限分布的省（區(qū)、市）均呈現(xiàn)負空間相關關系，分別表現(xiàn)出L-H（低-高）聚集和H-L（高-低）聚集。

由圖5 可知：整體上，我國大部分省（區(qū)、市）的局部Moran′s I 值分布在第一象限（H-H 象限）和第三象限（L-L 象限），說明我國大部分省（區(qū)、市）和其相鄰省（區(qū)、市）呈現(xiàn)較強的正空間相關性，省域間高-高聚集和低-低聚集明顯。局部上，高-高聚集的?。▍^(qū)、市）主要有遼寧、山東、河北、河南等重工業(yè)強、礦產能源豐富的地區(qū)。這些?。▍^(qū)、市）不僅自身居民能源消費碳排放量高，還影響相鄰?。▍^(qū)、市）呈現(xiàn)較高的居民能源消費碳排放量趨勢。低-低聚集的?。▍^(qū)、市）主要有中西部地區(qū)和海西經濟區(qū)，這些省（區(qū)、市）不僅自身居民能源消費碳排放量低，而且也影響鄰近省（區(qū)、市）呈現(xiàn)較低的居民能源消費碳排放量趨勢。從時間上看，2005—2010年間，分布在第一象限（H-H 象限）和第三象限（L-L象限）的?。▍^(qū)、市）不斷增多，說明空間聚集效應不斷增強；2010 年之后的散點圖情況和2010 年的類似，說明2010—2020 年間我國居民能源消費碳排放量在局部范圍內的空間關系較穩(wěn)定。

2.4 社會網(wǎng)絡分析

社會網(wǎng)絡分析法是從復雜網(wǎng)絡視角上，基于“關系數(shù)據(jù)”研究某系統(tǒng)的空間網(wǎng)絡特征，因此，空間關聯(lián)網(wǎng)絡中節(jié)點之間關系的確定是構造網(wǎng)絡的基礎。目前，描述空間相關性的方法主要是基于引力模型。根據(jù)前人研究（參見文獻[26，28-29]），對傳統(tǒng)引力模型進行改進，改進后的模型為

式中：i 和j 分別代表?。▍^(qū)、市）i 和?。▍^(qū)、市）j；Gij為?。▍^(qū)、市）i 和?。▍^(qū)、市）j 的居民能源消費碳排放量關聯(lián)強度；Ci為?。▍^(qū)、市）i 的居民能源消費碳排放量；Pi為?。▍^(qū)、市）i 的人口規(guī)模，用地區(qū)年末人口總數(shù)測算；Ei為?。▍^(qū)、市）i 的經濟發(fā)展水平，用地區(qū)國民生產總值（GDP）測算；Ti為?。▍^(qū)、市）i 的能源強度，用地區(qū)單位GPD 下能源消耗量測算；dij為?。▍^(qū)、市）i 與省（區(qū)、市）j 之間的地理空間距離，用各省的省會城市間的球面距離測算；ei-ej表示省（區(qū)、市）i 與?。▍^(qū)、市）j 之間的經濟距離，用各省（區(qū)、市）人均GDP 差值測算。為了同時考慮經濟距離和地理距離因素對能源消費空間關聯(lián)的影響，本文以這兩種距離比值的平方表示省（區(qū)、市）i 與省（區(qū)、市）j 之間的“距離”。根據(jù)式（5）計算得到空間關聯(lián)引力矩陣，然后以該引力矩陣每行的平均值作為閾值將該矩陣轉化為0-1 矩陣。

依據(jù)上文構建的我國居民能源消費碳排放量的空間關聯(lián)矩陣，通過UCINET6 軟件中可視化工具Netdraw 繪制2005—2020 年間我國省域居民能源消費碳排放量的空間關聯(lián)網(wǎng)絡圖。因篇幅所限，選取2005、2010、2015 和2020 年為代表，繪制結果如圖6 所示。結果表明：我國居民能源消費碳排放量空間網(wǎng)絡關系錯綜復雜，省域間聯(lián)系并不是局限于鄰近地區(qū)而是體現(xiàn)出復雜的網(wǎng)絡結構形態(tài)。

圖6 2005、2010、2015、2020 年居民能源消費碳排放量空間關聯(lián)網(wǎng)絡圖Fig.6 Spatial correlation network map of carbon emissions from residential energy consumption in 2005，2010，2015，2020

由圖6 可知：1）該網(wǎng)絡是有向網(wǎng)絡，各?。▍^(qū)、市）間居民能源消費碳排放量空間關聯(lián)網(wǎng)絡輻射和溢出關系并不對等。2）整個網(wǎng)絡結構不存在完全孤立的?。▍^(qū)、市），每個省（區(qū)、市）至少與其他?。▍^(qū)、市）存在一個關聯(lián)關系，說明一個省（區(qū)、市）的居民能源消費碳排放量必定受到周邊其他省（區(qū)、市）的影響，我國各?。▍^(qū)、市）居民能源消費碳排放量之間存在密切的關聯(lián)關系。3）網(wǎng)絡中藍色節(jié)點表示這些?。▍^(qū)、市）都接收和發(fā)送與其他?。▍^(qū)、市）的聯(lián)系，而紅色節(jié)點表示這些?。▍^(qū)、市）發(fā)送聯(lián)系但沒有接收到來自其他?。▍^(qū)、市）的聯(lián)系。2005 年時，陜西、青海、寧夏、新疆、黑龍江、海南這6 個省（區(qū)、市）沒有收到其他?。▍^(qū)、市）的聯(lián)系；2010 年時，只有新疆、海南、寧夏和青海4 個省（區(qū)、市）沒有收到其他?。▍^(qū)、市）的聯(lián)系；2015—2020 年保持在4 個?。▍^(qū)、市）左右。4）山東、廣東、天津、貴州、四川等省（區(qū)、市）逐漸退出空間關聯(lián)網(wǎng)絡中心位置；江蘇、福建、甘肅等?。▍^(qū)、市）逐漸靠近空間關聯(lián)網(wǎng)絡中心位置；內蒙古先慢慢靠近網(wǎng)絡中心后又逐漸遠離。雖然2005—2020 年間空間關聯(lián)網(wǎng)絡中心?。▍^(qū)、市）有些變化，但該網(wǎng)絡整體上仍然保持較為穩(wěn)定的網(wǎng)絡體系結構。

根據(jù)公式（1）—（4）計算得到整體空間網(wǎng)絡特征及其時間演變趨勢如圖7 和圖8 所示。由圖7 可知：網(wǎng)絡關系數(shù)總體呈現(xiàn)波動變化，在2005—2010 年間逐步增長，在2011 年達到221個，之后在2013 年降到204 個，2014 年較2013 年有所回升，2014 年后緩慢降低趨于平穩(wěn)。網(wǎng)絡密度也表現(xiàn)出“先增長后下降再增長后下降”類似N 字型趨勢。圖中還展示了網(wǎng)絡密度的演化趨勢，與網(wǎng)絡關系數(shù)類似，網(wǎng)絡密度同樣表現(xiàn)出類似N 字型趨勢，且該特征與網(wǎng)絡關系數(shù)變化特征在相同的時間段相吻合。我國居民能源消費碳排放量空間網(wǎng)絡的網(wǎng)絡密度距離上限值1 有很大差距，說明我國各省（區(qū)、市）居民能源消費碳排放量空間關聯(lián)網(wǎng)絡的網(wǎng)絡結構相對松散，流動性還有待加強。

圖7 居民能源消費碳排放量網(wǎng)絡關聯(lián)關系數(shù)與網(wǎng)絡密度Fig.7 Network correlation coefficient and network density of carbon emissions from residential energy consumption

圖8 居民能源消費碳排放量網(wǎng)絡等級、網(wǎng)絡效率和網(wǎng)絡關聯(lián)度Fig.8 Network rank，network efficiency and network relevance of carbon emissions from residential energy consumption

由圖8 可知：我國各?。▍^(qū)、市）居民能源碳排放量空間關聯(lián)網(wǎng)絡的網(wǎng)絡等級度呈現(xiàn)2005—2013年緩慢增長、2013—2020 年逐步下降的趨勢。2005年網(wǎng)絡等級為0.433 8，到2020 年網(wǎng)絡等級為0.294 1，整體降幅達到32.20%。近幾年來，網(wǎng)絡等級度的下降反映出以往層級明顯的網(wǎng)絡空間結構逐步被打破，省（區(qū)、市）間的聯(lián)系不斷緊密。網(wǎng)絡關聯(lián)度為1說明整體網(wǎng)絡具有傳遞性和可達性，網(wǎng)絡效率變化較小，總體趨勢平穩(wěn)，網(wǎng)絡空間配置得到了優(yōu)化。

3 結束語

本文首先計算了2005—2020 年我國省域的居民能源消費碳排放量，然后運用核密度估計法和Moran′s I 分析法對居民能源消費碳排放量進行空間關聯(lián)分析，最后構建空間關聯(lián)網(wǎng)絡模型并運用社會網(wǎng)絡分析法對該網(wǎng)絡進行研究。結果表明：1）整體上，2005—2020 年間，我國居民能源消費碳排放量呈現(xiàn)增長趨勢，并且碳排放量中煤炭類占比在減少，油品類、電力和天然氣占比在增加。局部上，我國?。▍^(qū)、市）間的居民能源消費碳排放量差距較大，碳排放量呈現(xiàn)“東高西低”的空間分布特征。2）全國及4 個區(qū)域的核密度估計曲線主峰均不斷右移、寬度增大、波峰變多，其中東北地區(qū)主峰右移最明顯、中部地區(qū)波峰增加最明顯。這說明我國及各地區(qū)的居民能源消費碳排放量呈上升趨勢，非均衡性增大且出現(xiàn)兩極分化現(xiàn)象。并且，我國省域間居民能源消費碳排放具有明顯的空間聚集性，即大部分?。▍^(qū)、市）和其相鄰?。▍^(qū)、市）呈現(xiàn)較強的正空間相關性，省域間高-高聚集和低-低聚集現(xiàn)象明顯。3）我國居民能源消費碳排放空間關聯(lián)網(wǎng)絡整體上呈現(xiàn)東部、中部、偏遠西部網(wǎng)絡關聯(lián)程度依次遞減的規(guī)律。我國部分東部沿海地區(qū)位于網(wǎng)絡的中心，在整體網(wǎng)絡中發(fā)揮中轉和連接的作用，對其他?。▍^(qū)、市）的控制力較強，中西部省（區(qū)、市）位于網(wǎng)絡邊緣，不僅彼此間聯(lián)系較為薄弱，且與網(wǎng)絡中心?。▍^(qū)、市）的聯(lián)系也較薄弱。

通過以上分析，本文建議如下：1）由于我國各省域間居民能源消費碳排放量的空間差異明顯，政府有關部門應該因地制宜，結合各省域自身實際情況，充分發(fā)揮各省域自身的獨特優(yōu)勢，將居民消費相關的節(jié)能減排大目標細分化和具體化，制定符合各省域自身實際情況的具有針對性的精準的碳減排政策。2）政府有關部門要根據(jù)我國省域間居民能源消費碳排放空間關聯(lián)網(wǎng)絡特征，實現(xiàn)創(chuàng)新型的協(xié)同減排，實現(xiàn)跨區(qū)域跨省（區(qū)、市）的協(xié)同治理。政府有關部門減排政策的實施不能局限于當?shù)氐貐^(qū)，而要由點及面，點面結合，考慮各省（區(qū)、市）在空間關聯(lián)網(wǎng)絡中的位置以及各?。▍^(qū)、市）在該網(wǎng)絡中扮演的不同角色，充分發(fā)揮空間關聯(lián)網(wǎng)絡中核心?。▍^(qū)、市）的輻射作用，有效帶動周邊?。▍^(qū)、市），不斷加強碳排放空間關聯(lián)網(wǎng)絡的整體流動性，加強經濟發(fā)達地區(qū)和能源豐富地區(qū)之間的聯(lián)系，以促進能源豐富地區(qū)的經濟發(fā)展，縮小地區(qū)間居民消費水平的差距，提高低碳資源的空間配置效率。3）要優(yōu)化居民生活能源的消費結構，積極有效引導居民合理使用能源、適度消費。政府有關部門要加大綠色環(huán)保和節(jié)能減排的宣傳力度，鼓勵居民積極做到低碳生活、綠色出行，不斷增強居民的節(jié)能減排意識以達到從根本上減少居民生活能源消費產生的碳排放。