EN中文

SCIENTIA GEOGRAPHICA SINICA >

2024 , Vol. 44 >Issue 3: 391 - 399

DOI: https://doi.org/10.13249/j.cnki.sgs.20220617

Influence of the Bohai Strait Cross-sea Channel on carbon emission and emission reduction potential of road logistics in interregional urban agglomerations at the time of the Carbon Peak

  • Shi Chao ,
  • Sun Haiyan , * ,
  • Wei Tongfeng ,
  • Qin Weishan ,
  • Wang Yumei ,
  • Wang Fuxi
Expand
  • School of Resources and Environmental Engineering, Ludong University, Yantai 264025, Shandong, China

Received date: 2022-05-24

  Revised date: 2022-09-12

  Accepted date: 2023-08-05

  Online published: 2024-04-08

Supported by

National Natural Science Foundation of China(41871163)

Natural Science Foundation of Shandong Province(ZR2020MD009)

Copyright

Copyright reserved © 2024.
Fold

Abstract

Taking the “Carbon Peak” in 2030 as the research time point, the IPCC “bottom to up” method and social network analysis method are used to explore the network pattern of carbon emission and emission reduction potential of interregional urban agglomerations road logistics under different channel scenarios, and to analyze the influence of the Bohai Channel on it. The research shows that: 1) Differences in the carbon emission network of interregional urban agglomerations road logistics of different channel scenarios in 2030: Under the Land Channel scenario, the carbon exchange of interregional urban agglomerations is concentrated in the economic and traffic developed axes and the endpoint cities of the Bohai Strait; under the Land-Sea Channel scenario, the interregional carbon exchange is concentrated in cities adjacent to the Land Channel; The Bohai Channel improves the high energy consumption situation pointed by the “Bohai Strait endpoint cities” of the interregional urban agglomerations. 2) The network pattern of road logistics emission reduction potential in interregional urban agglomerations in 2030: with Dalian as the emission reduction pivot and the Bohai Strait as the center, strong emission reduction city pairs are more in the south than in the north, and there are zero emission reduction city pairs; The Bohai Channel mainly exerts carbon emission reduction influence on other cities through endpoint cities. However, its influence on the carbon emission reduction of some cities of far away from it and on the edge of road logistics is relatively limited.

Key words： Carbon Peak; interregional urban agglomerations; road logistics carbon emission; emission reduction potential; Bohai Strait Cross-sea Channel

Cite this article

Shi Chao , Sun Haiyan , Wei Tongfeng , Qin Weishan , Wang Yumei , Wang Fuxi . Influence of the Bohai Strait Cross-sea Channel on carbon emission and emission reduction potential of road logistics in interregional urban agglomerations at the time of the Carbon Peak[J]. SCIENTIA GEOGRAPHICA SINICA, 2024 , 44(3) : 391 -399 . DOI: 10.13249/j.cnki.sgs.20220617

随着中国经济社会快速发展，交通运输业逐渐成为仅次于能源和工业部门的主要碳排放源，碳排放增长速度也远高于其他部门[1]。2022年中华人民共和国全国人民代表大会和中国人民政治协商会议上，中国再次将“碳达峰、碳中和”写入政府工作报告。在“双碳”政策指导下，加之城市和交通运输业对节能减排的重要作用，区域交通碳排放已成为研究热点，相关学者主要以国家、地区、省域等宏观层面或城市内交通碳排放的微观层面为研究尺度[2-6]，在各类交通方式碳排放测算及时空特征[2-5]、交通碳排放影响因素与作用机理[6-8]、交通碳排放预测及减排潜力[5,9]等方面取得了丰富的研究成果。物流交通碳排放方面，学者们多关注物流全行业碳排放测算及其影响因素分析[10]、物流产业集聚对物流碳排放的影响[11]、低碳视角下物流网络路径优化[12]、各类物流方式及物流企业的多途径减排策略研究[13]，鲜少关注特定时期区际城市群因跨区域综合交通工程建设带来的“物流交通动态交流”变化，进而产生的物流交通碳排放差异性变化及其减排潜力。
目前相关学者对通道物流研究多关注中国重要物流通道尤其是跨境通道的战略意义与规划，以及跨区域通道设施对地区物流影响2方面[14-18]。对于前者，多位学者就中国主要物流通道区域经济聚散机制、东北亚跨境物流通道的发展现状、重要战略意义及其未来规划开展了相关评述与理论研究[14-15]。针对后者而言，最具代表性的即为渤海海峡跨海通道（以下简称渤海通道）对地区物流影响研究[16-18]。孙峰华、陆大道等[16]探讨了中国物流发展对渤海通道建设的影响，在此基础上多位学者根据实际研究，利用客货流量指数模型、有向加权网络分析和BRIM算法等多种方法模型，继续深化渤海通道对环渤海地区及山东半岛、辽东半岛的物流联系研究，均发现渤海通道可提高山东半岛、辽东半岛乃至东北地区的物流联系[17-18]。但目前来看，渤海通道引发区域物流交通格局改变，由此带来的对区际城市群交通碳排放网络格局的差异性变化及其潜在的减排价值尚未得到充分论证与探讨。
综上所述，本文基于渤海通道建设设想及前期物流网络研究，从2030年中国实现“碳达峰”的政策时点出发，以渤海通道为研究变量，设定陆上、陆海通道2种情境，通过IPCC（Intergovernmental Panel on Climate Change，联合国政府间气候变化专门委员会）“自下而上”的交通碳排放测算方法（https://www.ipcc-nggip.iges.or.jp/public/2006gl/chinese/index.html）和社会网络分析方法[19]，对2030年2种通道情境下山东半岛、辽东半岛城市群区际公路物流碳排放及减排潜力的网络格局进行测算研究，从交通碳排放这一全新视角分析渤海通道对区际城市群公路物流碳排放及减排潜力的影响，在为交通碳排放与渤海通道相关研究做出有益补充和科学借鉴的同时，也为渤海通道的前期论证与未来规划提供相应决策参考。

1 研究方法与数据来源

渤海通道这一设想是以蓬莱为起点，经长岛与老铁山水道，最终在旅顺登陆为规划范围[20]。通道的建设将使辽东半岛同关内外的联系形成“陆海双线”格局，为辽东半岛与山东半岛乃至中国东部沿海的交通联系提供极大便利。山东半岛、辽东半岛城市群（以下简称两半岛城市群）作为渤海通道建设影响最直接的两城市群，在以往研究中，学者们对其空间范围和特定名称的界定几经变化。本研究综合近年来对渤海通道和中国城市群相关研究的主要著作以及科研文献[20-21]，将两半岛城市群的研究空间进行界定（图1）。研究区总面积17.16万km2，2020年经济总量68 856亿元，占全国6.78%，公路通车里程为21.25万km，公路货运量24.4亿t，分别占全国4.09%与7.12%[22-23]。两半岛城市群作为环渤海经济区南北两翼支点，在中国北方城市群中有着优越的区位条件和产业基础，未来发展潜力巨大。
图1 山东半岛-辽东半岛城市群与渤海通道区位

旅顺口是大连辖区；蓬莱是烟台下属市

Fig. 1 Location of Shandong Peninsula and Liaodong Peninsula Urban Agglomerations and the Bohai Strait Cross-sea Channel

1.1 研究方法

1） 交通碳排放各指标预测方法。本文基于前期研究基础与渤海通道建设设想，立足国家2030年实现“碳达峰”目标，综合考虑中国30 a来经济社会发展特征、2020年新冠疫情暴发背景和中国经济社会未来发展趋势，选取研究区域1990—2020年经济、人口、公路货运量等11项用于测算碳达峰时点年份两半岛城市群区际公路物流量以及2004—2020年标准货车每百公里能耗的用于测算碳达峰时点年份两半岛城市群区际公路物流交通碳排放的预测指标（表1），针对本研究“经济中长期预测”的现实特点，选取时间序列曲线估算法[17]中一元线性、二次函数、复合函数、对数函数、逻辑函数模型对各指标数据进行分时段多曲线拟合预测，并从中选用拟合度最高的结果，进一步参照中国科学院、中国社会科学院、《国家综合立体交通网规划纲要》（http://www.gov.cn/zhengce/2021-02/24/content_5588654.htm）等权威部门与国家政策文件对相关预测数据进行约束，最大程度保证各指标预测结果的科学性与可靠性，最终得到两半岛城市群18个城市2030年相应指标的合理预测值，以达到研究方案的数据要求[17-18]。
表1 交通碳排放预测指标

Table 1 Introduction to predictors of traffic carbon emission

序号指标单位序号指标单位
1 GDP 亿元 7 公路货运量 万t
2 人口 万人 8 公路里程 km
3 城镇化率 % 9 批发和零售业 亿元
4 第一产业 亿元 10 限额以上商品销售总额 万元
5 第二产业 亿元 11 邮电业务总量 亿元
6 第三产业 亿元 12 标准货车每百公里能耗 L/100 km
2） 交通碳排放测算方法。基于对两半岛城市群区际公路物流量的测算，运用IPCC“自下而上”交通碳排放计算方法（https://www.ipcc-nggip.iges.or.jp/public/2006gl/chinese/index.html），建立公路物流与交通碳排放之间的换算关系。在孙峰华等研究成果基础上，构建公路输出物流量指数模型与城市公路输出物流总量计算模型，根据山东省客货流量抽样调查和基于不同时间节省成本设置的物流比率，实现对碳达峰时点年份陆上、陆海通道情境下两半岛城市群区际公路物流数据的测算[16-20]。计算方法见参考文献[18]。
基于碳达峰时点的陆上、陆海通道情境下两半岛城市群区际公路物流测算值，采用更加符合研究情境的IPCC“自下而上”的公路物流交通碳排放计算原理，构建公路物流交通碳排放测算模型：
$ C_{i j}^{D T}=\dfrac{S_{g(t) i j}^E}{\theta} \times S_{i j}^{D T} \times \displaystyle\sum_{x=m}^n \alpha_x \beta_x \varepsilon_x $
$\begin{split}C_{i j}^{S T}=&\left[\dfrac{S_{g(t) i j}^E-K_{g(t) i j}^E}{\theta} \times S_{i j}^{D T} \times \displaystyle\sum_{x=m}^n \alpha_x \beta_x \varepsilon_x\right]+\\&\left[\dfrac{K_{g(t) i j}^E}{\theta} \times S_{i j}^{B T} \times \displaystyle\sum_{x=m}^n \alpha_x \beta_x \varepsilon_x\right]\end{split}$
式中，Cij为两半岛城市群区际城市i、j间公路物流碳排放量（t），DT、ST分别表示陆上、陆海通道情境；SEg（t）ij为区际公路物流全部经陆上通道的城市i、j的公路物流量（万t），KEg（t）ij为区际公路物流根据相应物流比率[18]经渤海通道的城市i、j的公路物流量（万t）；θ为标准货车载重（t）；SijDT与SijBT分别表示区际城市i、j间经行陆上通道和渤海通道的公路距离（km）；m、n分别表示柴油、汽油标准货车；x指柴油或汽油标准货车；α代表标准货车燃料的碳（CO2）排放系数（kg/kg）；β代表标准货车柴、汽油消耗固定比例（%）；ε代表标准货车每公里能耗（kg/km），其与标准货车每百公里能耗（BL）的换算公式为：ε=BL/105×ρm（n）（ρ为物体密度）。
3） 交通碳排放网络分析方法。根据碳达峰时点下不同通道情境的区际城市群公路物流交通碳排放测算结果，用网络密度[19]和网络中心度[24]作为分析其网络格局差异及减排潜力网络格局特征方法。

1.2 数据来源与处理

1）公路物流各指标预测及测算的原始数据。相关数据取自1991—2021年《中国统计年鉴》[25]、《山东统计年鉴》[22]、1991—2020年《辽宁统计年鉴》[23]，以及国家和研究区各省市相应年份的统计公报与全国人口普查公报；公路里程数据参考全国公路里程数据库(①http://lcb.langtutu.com/ [2021-04-21])、《国家综合立体交通网规划纲要》（http://www.gov.cn/zhengce/2021-02/24/content_5588654.htm）等。其他相关数据资料参考源于2017年9月课题组对相关部门的实地调研与访谈资料。
2） 标准货车载重量、汽柴油能耗预测及固定比例、碳排放系数、燃料密度原始数据。前期研究与调研表明，两半岛城市群公路物流占绝对多数[19]，且小汽车出行的自驾游经烟大轮渡的比重高，故本研究仅考虑公路货车物流碳排放。国家目前尚未对省市间水运物流交流量、各水运工具及其能耗结构的长时间序列数据进行官方统计，渤海通道物流相关研究同样因其限制，难以对水运物流实现建模测算与定量研究[18-19]，因此暂不考虑水运物流。
本研究基于交通运输部2016年发布的《超限运输车辆行驶公路管理规定》（https://xxgk.mot.gov.cn/2020/jigou/fgs/202006/t20200623_3307801.html）、《中华人民共和国公路工程技术标准（JTGB01—2014）》(①https://www.doc88.com/p-7744949940991.html [2021-08-03])、2021年《节能与新能源汽车发展报告》[26]中各货车车型载重，综合确定标准货车载重量为13 t。本研究选择汽油与柴油作为标准货车的化石燃料，标准货车汽柴油能耗固定比例及其每百公里能耗预测的原始数据源自2015—2019年与2021年《节能与新能源汽车发展报告》[26-27]的中国分车种货车燃料消耗比例均值及其2004—2020年每百公里能耗均值。2014—2018年与2020年全国货车汽柴油消耗比例基本保持稳定，故采用两者比例均值6.898%（汽油）、93.102%（柴油）作为标准货车汽柴油能耗占比符合现实水平与研究需要（图2）。根据《2006年IPCC国家温室气体清单指南》方法一(②https://www.ipcc-nggip.iges.or.jp/public/2006gl/index.html [2021-04-07])和《省级温室气体清单编制指南》(③http://www.360doc.com/document/22/0506/16/79374256_1030046376.shtml [2021-05-11])中碳排放系数核算方法，可确定汽、柴油的碳（CO2）排放系数分别为2.925 kg/kg和3.096 kg/kg；根据《中华人民共和国车用汽油标准（GB17930—2016）》（http://c.gb688.cn/bzgk/gb/showGb?type=download&hcno=C45A3554980A86E41F5AA4C6F3D48DC1）和《中华人民共和国车用柴油标准（GB19147—2016）》（http://c.gb688.cn/bzgk/gb/showGb?type=download&hcno=88F31AEECC7F7AE17C5A99496E532D2A），将汽、柴油密度分别确定为750 kg/m3和820 kg/m3。
图2 中国货运汽车燃料消耗比例

因新冠肺炎疫情影响，2020年《节能与新能源汽车发展报告》未出版，2019年相关数据资料缺失；不含港澳台数据

Fig. 2 Freight vehicle fuel consumption ratio in China

2 碳达峰时点不同通道的区际城市群公路物流碳排放网络格局差异

图3可知，碳达峰时点年份的陆上通道情境下，两半岛城市群区际碳交流量总体高于陆海通道情境。① 陆上通道情境下，区际碳交流高值城市组对主要集中于各城市群经济、物流交通发达城市以及渤海海峡端点城市间，如济南-沈阳、大连-青岛、大连-烟台等，各城市区际碳交流受单一陆上通道影响导致高碳排耗能。② 陆海通道情境下，因渤海通道对区际公路物流产生“分流”以及对其邻近城市的“距离压缩”效应，两半岛城市群区际公路物流碳交流网络发生明显改变，最显著的变化为邻近渤海通道的城市间碳交流值大幅降低，如大连-烟台、大连-青岛等，区际碳交流网络中高值城市组对出现明显西移，集中于陆上通道一侧。
图3 2030年不同通道情境下山东半岛-辽东半岛城市群区际公路物流碳排放网络差异

Fig. 3 Network differences of carbon emission of interregional road logistics in Shandong Peninsula and Liaodong Peninsula Urban Agglomerations under different channel scenarios in 2030

从网络密度看（图3），碳达峰时点年份陆上、陆海通道情境下，两半岛城市群各城市在区际碳交流中均产生不同程度的联系，均形成160条关系线，故2种通道情境下的网络密度一致，均为实际公路物流碳交流关系数与各自整体网络的空间最大关系数306之比，为0.523。由此表明，无论通道情境如何变化，两半岛城市群各城市区际公路物流碳交流始终稳定存在。
网络出度中心度，① 碳达峰时点下陆上通道情境总体表现：以“沈（阳）大（连）”“烟（台）青（岛）”为区际公路物流碳排放强输出轴带，辽东半岛城市群内部差异显著，山东半岛城市群内呈梯度分化特征（表2）。辽东半岛城市群点出度高值的城市为大连、沈阳，其余城市与两者均有较大差距；山东半岛城市群以烟台、青岛为点出度高值城市，各城市表现梯度分化特征，分化程度小于前者。② 2030年陆海通道情境下，渤海通道主导两半岛城市群内各城市出度分化，受影响较大的大连、烟台、青岛等城市出度值显著降低（表2）。大连出度值由陆上通道情境的86 152.469降至53 401.160，烟台、青岛分别由陆上通道情境的41 810.258和40 039.645降到了26 475.408和31 395.631，因渤海海峡端点城市及邻近区域出度值的显著降低，沈阳、淄博、济南等邻近陆上通道城市总体出度排名相对上升。
表2 2030年陆上与陆海通道公路物流碳排放网络中心度

Table 2 Land and land-sea channel outdegree and indegree of road logistics carbon emission in 2030

排名出度中心度入度中心度
城市陆上通道城市陆海通道城市陆上通道城市陆海通道
1 大连 86152.469 沈阳 67570.273 济南 85552.000 济南 81939.883
2 沈阳 70489.953 鞍山 53599.074 潍坊 61993.926 沈阳 55712.887
3 鞍山 58044.500 大连 53401.160 沈阳 61348.125 潍坊 52474.906
4 烟台 41810.258 淄博 37180.836 淄博 48200.664 淄博 46189.578
5 青岛 40039.645 青岛 31395.631 东营 41149.203 东营 39349.664
6 淄博 37969.488 烟台 26475.408 大连 39853.320 青岛 28930.588
7 潍坊 29897.125 潍坊 26352.768 青岛 39579.477 鞍山 22945.035
8 营口 26082.291 营口 23946.928 烟台 31180.172 大连 22390.543
9 日照 24625.500 辽阳 22662.195 鞍山 26398.043 营口 17759.785
10 辽阳 24242.955 济南 22282.391 营口 20426.359 烟台 17708.324
11 济南 22760.563 日照 20131.793 盘锦 19133.771 盘锦 17459.283
12 本溪 20207.756 盘锦 19096.877 辽阳 15387.169 辽阳 13628.572
13 盘锦 19982.793 本溪 18569.041 威海 14559.467 铁岭 10412.640
14 威海 16904.479 东营 11525.320 日照 12280.013 日照 9389.786
15 丹东 12046.392 威海 10974.445 铁岭 11954.350 本溪 9329.944
16 东营 11796.396 丹东 9722.884 本溪 10762.180 抚顺 8825.813
17 抚顺 8974.199 抚顺 8323.757 丹东 10438.387 威海 8562.979
18 铁岭 8271.627 铁岭 7653.526 抚顺 10101.744 丹东 7854.089
从网络入度中心度来看，① 碳达峰时点下陆上通道情境中，两半岛城市群区际公路物流碳输入高值城市表现为经济、物流交通发达轴带与渤海海峡端点城市指向（表2）。山东半岛城市群整体入度值高于辽东半岛城市群，其入度高值城市普遍分布在“济（南）青（岛）”轴带一线；辽东半岛城市群内仅有沈阳、大连处于较高入度位次，其他城市入度值较低，区际碳输入的均衡性总体低于山东半岛城市群。② 2030年陆海通道情境下，两半岛城市群区际公路物流碳排放网络入度值受渤海通道对其邻近城市产生的“距离压缩”效应影响，入度高值城市由陆上通道情境的“经济、物流交通发达轴带”与“渤海海峡端点城市”指向扭转为“西部陆上通道集聚”单一指向（表2）。大连、烟台等邻近通道城市的碳输入值降幅明显，在渤海海峡南北端产生了区际公路物流碳输入“低洼区”，邻近西部陆上通道的济南、沈阳为两半岛城市群区际碳输入的高值城市。

3 碳达峰时点区际城市群公路物流减排潜力网络格局特征

图4为根据碳达峰时点年份陆上、陆海通道情境下两半岛城市群区际公路物流碳排放测算结果差值，得到其区际公路物流碳减排网络。由图4可知，① 碳达峰时点年份两半岛城市群区际公路物流碳减排总体呈现：以大连为减排枢纽，以渤海海峡为中心区域，强减排城市组对南多北少的特征。有显著减排潜力的城市组对多与大连这一端点城市相关，并通过渤海通道与山东半岛城市群各城市相联系，尤以大连-烟台、大连-青岛为区际高碳减排城市组对，减排潜力分别高达14 475 t和11 215 t。② 邻近西部陆上通道的部分城市碳减排潜力相对较低，甚至出现如济南-盘锦、淄博-铁岭等零减排城市组对，这缘于部分城市间的公路物流经行渤海通道并未产生距离节省，甚至出现经行通道不经济的情形，故其之间的公路物流仍全部经行陆上通道而出现零减排现象，证明渤海通道对两半岛城市群各城市区际碳减排的影响符合距离衰减特征。
图4 2030年山东半岛-辽东半岛城市群区际公路物流碳减排网络格局

Fig. 4 Network pattern of carbon reduction of interregional road logistics in Shandong Peninsula and Liaodong Peninsula Urban Agglomerations in 2030

网络密度方面，因在碳达峰时点年份中，两半岛城市群各城市区际公路物流碳减排网络存在零减排城市组对，城市群间各城市在区际碳减排交流中形成的实际关系线降至138条，网络密度0.451，该情形也表明渤海通道对两半岛城市群各城市区际公路物流碳减排存在一定差异性影响（图4）。
结合表3可知，在网络中心度方面，碳达峰时点年份两半岛城市群区际碳减排出度和入度的高值城市均为邻近渤海通道的城市，如大连、烟台等。① 出度中心度方面，大连、烟台作为受渤海通道影响最为深刻的登陆点城市，两者减排潜力出度值分别高达32 751和15 335，说明渤海通道主要通过端点城市来向区际城市群其他城市输出其减排影响；② 入度中心度方面，大连与烟台减排潜力入度值同样高居前列，分别为17 463和13 472，表明2城市受渤海通道影响，对来自区际城市群的公路物流碳减排起到主要承接作用。③ 然而地处公路物流边缘区域的抚顺、铁岭等城市因渤海通道距其相对遥远，导致其区际碳减排出、入度值均处于较低水平，渤海通道对其减排潜力的影响并不显著，这也一定程度上表明了渤海通道对两半岛城市群各城市区际公路物流碳减排潜力的影响具有空间上的有限性。
表3 2030年区际城市群公路物流碳减排网络中心度

Table 3 Outdegree and indegree of carbon reduction of road logistics in interregional urban agglomerations in 2030

排名出度中心度入度中心度
城市减排潜力城市减排潜力
1 大连 32751.307 大连 17462.781
2 烟台 15334.848 烟台 13471.848
3 青岛 8644.007 青岛 10648.891
4 威海 5930.034 潍坊 9519.018
5 日照 4493.709 威海 5996.490
6 鞍山 4445.426 沈阳 5635.241
7 潍坊 3544.362 济南 3612.114
8 沈阳 2919.681 鞍山 3453.006
9 丹东 2323.507 日照 2890.227
10 营口 2135.363 营口 2666.574
11 本溪 1638.714 丹东 2584.299
12 辽阳 1580.760 淄博 2011.087
13 盘锦 885.914 东营 1799.542
14 淄博 788.654 辽阳 1758.597
15 抚顺 650.443 盘锦 1674.490
16 铁岭 618.100 铁岭 1541.708
17 济南 478.173 本溪 1432.236
18 东营 271.076 抚顺 1275.932

4 结论与讨论

4.1 结论

本文基于前期渤海通道物流网络研究，以中国实现“碳达峰”年份为研究时点，通过IPCC“自下而上”的交通碳排放计算方法，测算了2030年陆上、陆海通道情境下山东半岛、辽东半岛城市群区际公路物流碳排放及其减排潜力，采用社会网络分析法，对2030年不同通道情境下公路物流碳排放及其减排潜力的网络格局进行研究，主要结论如下：
1） 陆上、陆海通道情境下公路物流碳排放网络格局差异方面，2030年陆上通道情境的两半岛城市群区际碳交流量总体高于陆海通道情境。陆上通道情境下，区际碳交流高值城市组对主要集中于经济、物流交通发达城市与渤海海峡端点城市间，各城市区际碳交流受单一陆上通道影响导致高碳排。陆海通道情境下，因渤海通道“分流”与“距离压缩”效应，邻近通道的城市间区际碳交流值大幅降低，碳交流高值城市组对集中于陆上通道一侧。2种通道情境下两半岛城市群各城市在区际碳交流中均产生不同程度联系，故两者网络密度相同。网络中心度方面，渤海通道使公路物流产生“陆海分流”，缩短了邻近渤海海峡城市间距离，改善了陆上通道情境下“渤海海峡端点城市”指向的区际高碳排局面。
2） 区际减排潜力的网络格局方面，2030年两半岛城市群区际公路物流碳减排网络总体呈现以大连为减排枢纽，以渤海海峡为中心，强减排城市组对南多北少特征。零减排城市组对多位于距渤海通道较远的城市群西侧，证明渤海通道对两半岛城市群区际碳减排影响符合距离衰减特征。因零减排城市组对的存在，区际碳减排网络的实际关系线降至138条，网络密度为0.451。网络中心度方面，2030年两半岛城市群区际碳减排的出、入度高值城市均为邻近渤海通道的大连、烟台等，表明渤海通道主要通过其端点城市向区际城市群其他城市输出和承接其碳减排影响。地处公路物流边缘且距渤海通道相对远的城市对渤海通道的减排影响并不敏感，一定程度上表明渤海通道对两半岛城市群各城市区际公路物流碳减排潜力的影响有空间上的有限性。

4.2 讨论

渤海通道作为尚处在规划论证阶段的重大跨海工程，未来是否建、何时建必须服务于中国未来经济社会发展战略要求。因该工程目前仍处于论证规划阶段，对其研究也多以预测模拟等前瞻性研究为主，难以对研究结果进行实地检验。同时，随着中国“双碳”政策目标的提出，社会各界对不同行业碳排放与碳减排的关注度也逐渐上升。囿于相关交通碳排放数据时间序列过短、获取难度大等现实条件限制，本文从两半岛城市群公路物流碳排放角度，对碳达峰时点年份陆上、陆海通道情境下固定载重吨位和能耗比例的标准货车碳排放进行研究，相比多交通形式的现实环境而言较为单一，且研究过程中并未考虑水运等交通方式的物流碳排放，一定程度上弱化了渤海通道对两半岛城市群区际物流碳排放的影响。此外，自新冠病毒疫情全球大流行以来，其对中国社会各方面发展产生深层次影响的同时，势必也会对地区物流交流、交通碳排放乃至国家重大交通设施未来论证规划产生相应影响。如何科学量化新冠疫情对渤海通道和区际城市群交通碳排放的影响，拓展各交通类型碳排放数据的获取渠道，创新不同交通方式物流碳排放建模测算与预测方法，进一步提高交通碳排放测算精度，有望成为今后研究关注的重点问题。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
杨文越, 曹小曙. 多尺度交通出行碳排放影响因素研究进展[J]. 地理科学进展, 2019, 38(11): 1814-1828.

DOI

Yang Wenyue, Cao Xiaoshu. Progress of research on influencing factors of CO2 emissions from multi-scale transport. Progress in Geography, 2019, 38(11): 1814-1828.

DOI

[2]
蒋自然, 金环环, 王成金, 等. 长江经济带交通碳排放测度及其效率格局(1985—2016年)[J]. 环境科学, 2020, 41(6): 2972-2980.

Jiang Ziran, Jin Huanhuan, Wang Chengjin et al. Measurement of traffic carbon emissions and pattern of efficiency in the Yangtze River Economic Belt (1985—2016). Environmental Science, 2020, 41(6): 2972-2980.

[3]
杨文越, 李涛, 曹小曙. 中国交通CO2排放时空格局演变及其影响因素——基于2000—2012年30个省(市)面板数据的分析[J]. 地理科学, 2016, 36(4): 491-501.

Yang Wenyue, Li Tao, Cao Xiaoshu. The evolution of spatial-temporal characteristics and influence factors of CO2 emissions from transport in China: A panel data analysis of 30 provinces in China from 2000 to 2012. Scientia Geographica Sinica, 2016, 36(4): 491-501.

[4]
Silvio N, Cayetano R, Federico C. Assessing carbon emissions from road transport through traffic flow estimators[J]. Transportation Research Part C, 2018, 95: 125-148.

DOI

[5]
马海涛, 康雷. 京津冀区域公路客运交通碳排放时空特征与调控预测[J]. 资源科学, 2017, 39(7): 1361-1370.

Ma Haitao, Kang Lei. Spatial and temporal characteristics and prediction of carbon emissions from road traffic in the Beijing-Tianjin-Hebei Region. Resources Science, 2017, 39(7): 1361-1370.

[6]
柴彦威, 肖作鹏, 刘志林. 居民家庭日常出行碳排放的发生机制与调控策略——以北京市为例[J]. 地理研究, 2012, 31(2): 334-344.

Chai Yanwei, Xiao Zuopeng, Liu Zhilin. Low-carbon optimization strategies based on CO2 emission mechanism of household daily travels: A case study of Beijing. Geographical Research, 2012, 31(2): 334-344.

[7]
Andreoni V, Galmarini S. European CO2 emission trends: A decomposition analysis for water and aviation transport sectors[J]. Energy, 2012, 45(1): 595-602.

DOI

[8]
Keall M, Shaw C, Chapman R et al. Reductions in carbon dioxide emissions from an intervention to promote cycling and walking: A case study from New Zealand[J]. Transportation Research, 2018, 65: 687-696.

[9]
Mulholland E, Teter J, Cazzola P et al. The long haul towards decarbonising road freight—A global assessment to 2050[J]. Applied Energy, 2018, 216: 678-693.

DOI

[10]
曹俊文, 周丽. 长三角地区物流业碳排放时空分布及其影响因素研究[J]. 统计与决策, 2021, 37(10): 79-83.

DOI

Cao Junwen, Zhou Li. Research on the temporal and spatial distribution and influencing factors of carbon emissions from logistics industry in Yangtze River Delta. Statistics & Decision, 2021, 37(10): 79-83.

DOI

[11]
梁晶, 盛慧敏, 吕靖. 环渤海地区物流产业集聚对物流碳排放影响的实证研究[J]. 生态经济, 2020, 36(9): 38-43.

Liang Jing, Sheng Huimin, Lyu Jing. Empirical study on the logistics industry agglomeration to the carbon emission of logistics in the Bohai Rim Region. Ecological Economy, 2020, 36(9): 38-43.

[12]
张得志, 贺润中, 祝伟丽, 等. 基于低碳经济视角的多模式快递物流服务网络优化研究[J]. 铁道科学与工程学报, 2018, 15(6): 1601-1608.

DOI

Zhang Dezhi, He Runzhong, Zhu Weili et al. The optimization of the multi-modal express logistics service network under low-carbon economy. Journal of Railway Science and Engineering, 2018, 15(6): 1601-1608.

DOI

[13]
朱莉, 马铮, 丁家兰, 等. 低碳理念下基于超网络的物流企业车辆资源合作研究[J]. 科技管理研究, 2016, 36(24): 260-266.

DOI

Zhu Li, Ma Zheng, Ding Jialan et al. Supernetwork-based vehicles cooperation optimization among logistics enterprises under low-carbon concept. Science and Technology Management Research, 2016, 36(24): 260-266.

DOI

[14]
范月娇. 物流通道的区域经济聚散机制及其集聚效应检验——基于中国11条物流通道的实证[J]. 中国软科学, 2018, 2: 103-117.

DOI

Fan Yuejiao. The regional economic agglomeration and diffusion mechanism of logistics corridor and its agglomeration effects—An empirical study based on China’s 11 logistics corridors. China Soft Science, 2018, 2: 103-117.

DOI

[15]
孙相军, 戴晓晴, 刘晨, 等. 东北亚跨境物流通道发展现状与展望[J]. 科技导报, 2021, 39(4): 84-89.

DOI

Sun Xiangjun, Dai Xiaoqing, Liu Chen et al. Development status and prospect of cross-border logistics corridor in Northeast Asia. Science & Technology Review, 2021, 39(4): 84-89.

DOI

[16]
孙峰华, 陆大道, 柳新华, 等. 中国物流发展对渤海海峡跨海通道建设的影响[J]. 地理学报, 2010, 65(12): 1507-1521.

DOI

Sun Fenghua, Lu Dadao, Liu Xinhua et al. Influence of the development of China’s logistics on the construction of Trans-Bohai Strait passageway. Acta Geographica Sinica, 2010, 65(12): 1507-1521.

DOI

[17]
孙东琪, 陆大道, 王振波, 等. 渤海海峡跨海通道客货流量预测分析[J]. 地理学报, 2017, 72(8): 1486-1507.

Sun Dongqi, Lu Dadao, Wang Zhenbo et al. Predictive analysis of passenger and goods flow of Bohai Strait Cross-sea Channel. Acta Geographica Sinica, 2017, 72(8): 1486-1507.

[18]
王泽东, 张小林, 孙东琪, 等. 渤海海峡跨海通道建设前后区际城市群物流网络结构的时空演变[J]. 地理研究, 2020, 39(3): 585-600.

DOI

Wang Zedong, Zhang Xiaolin, Sun Dongqi et al. Spatial-temporal evolution of the logistics network structure of inter-regional urban agglomeration before and after the construction of the Bohai Strait Cross-sea Channel. Geographical Research, 2020, 39(3): 585-600.

DOI

[19]
王泽东. “流空间”视角下渤海海峡跨海通道建成前后山东半岛、辽东半岛城市群物流空间差异研究[D]. 烟台: 鲁东大学, 2018.

Wang Zedong. Research on the logistics spatial difference of Shandong Peninsula and East Liaoning Peninsula Urban Agglomeration on the construction of Trans-Bohai strait passageway from “space of flows”. Yantai: Ludong University, 2018.

[20]
孙峰华, 陆大道, 王振波, 等. 渤海海峡跨海通道建设与区域经济发展研究[M]. 北京: 商务印书馆, 2020.

Sun Fenghua, Lu Dadao, Wang Zhenbo et al. Research on the construction of Bohai Strait Cross-sea Channel and the development of regional economy. Beijing: The Commercial Press, 2020.

[21]
周一星. 山东半岛城市群发展战略研究[M]. 北京: 中国建筑工业出版社, 2004.

Zhou Yixing. Study on the development strategy of Shandong Peninsula Urban Agglomeration. Beijing: China Architecture & Building Press, 2004.

[22]
山东省统计局. 山东统计年鉴[M].1991—2021. 北京: 中国统计出版社, 1991—2021.

Shandong Statistical Bureau. Shandong statistical yearbook.1991—2021. Beijing: China Statistics Press, 1991—2021.

[23]
辽宁省统计局. 辽宁统计年鉴[M]. 1991—2020. 北京: 中国统计出版社, 1991—2020.

Liaoning Statistical Bureau. Liaoning statistical yearbook. 1991—2020. Beijing: China Statistics Press, 1991—2020.

[24]
梁经伟, 文淑惠, 方俊智. 中国-东盟自贸区城市群空间经济关联研究——基于社会网络分析法的视角[J]. 地理科学, 2015, 35(5): 521-528.

Liang Jingwei, Wen Shuhui, Fang Junzhi. The spatial economic association of city agglomeration on CAFTA based on the perspective of social network analysis. Scientia Geographica Sinica, 2015, 35(5): 521-528.

[25]
国家统计局. 中国统计年鉴[M]. 1991—2021. 北京: 中国统计出版社, 1991—2021.

National Bureau of Statistics. China statistical yearbook. 1991—2021. Beijing: China Statistics Press, 1991—2021.

[26]
中国汽车技术研究中心有限公司. 节能与新能源汽车发展报告[M]. 北京: 人民邮电出版社, 2021.

China Automotive Technology and Research Center Co. , Ltd. Annual report on energy-saving and new energy vehicle in China. Beijing: Posts & Telecom Press, 2021.

[27]
中国汽车技术研究中心有限公司. 节能与新能源汽车发展报告[M]. 2015—2019. 北京: 人民邮电出版社, 2015—2019.

China Automotive Technology and Research Center Co. , Ltd. Annual report on energy-saving and new energy vehicle in China. 2015—2019. Beijing: Posts & Telecom Press, 2015—2019.

Options
Outlines

/

〈 〉