长三角建筑业碳脱钩：测度、网络识别及交互驱动因素

引用本文

曹景林, 郭熠倩. 长三角建筑业碳脱钩：测度、网络识别及交互驱动因素[J]. 环境科学, 2026, 47(10): 6660-6671.

CAO Jing-lin, GUO Yi-qian. Carbon Decoupling in the Construction Industry of the Yangtze River Delta: Measurement, Network Identification, and Interactive Driving Factors[J]. Environmental Science, 2026, 47(10): 6660-6671.

长三角建筑业碳脱钩：测度、网络识别及交互驱动因素

曹景林, 郭熠倩

天津财经大学统计学院，天津 300222

收稿日期: 2025-08-26; 修订日期: 2025-10-28

基金项目: 国家社会科学基金项目（23CTJ013）；天津市统计科学研究重点项目（TJ2023KY03）；天津市社会科学规划研究重点项目（TJTJ18-002）

作者简介: 曹景林（1963~），男，博士，教授，主要研究方向为环境经济与低碳可持续发展，E-mail：caojinglin@sina.com

通信作者: 郭熠倩, E-mail：guoyiiiqian@163.com

摘要: 建筑业作为长三角地区碳排放的主要来源之一，其碳脱钩水平及其空间关联直接影响地区“双碳”目标的实现进程. 基于2009~2023年长三角41个城市建筑业碳排放数据，采用修正引力模型和社会网络分析，构建碳脱钩空间关联网络，结合最优参数地理探测器，探究其内在结构及驱动因素. 结果表明：①长三角建筑业碳脱钩关联网络呈现“去中心化”特征，整体网络关联度和网络密度提升，高水平网络效率值反映网络结构的潜在脆弱性，上海和省会城市等传统核心节点的辐射能力相对弱化，安徽省部分城市的碳脱钩中间中心度提升明显. ②网络存在分工明确的异质性板块，少部分省会城市等经济发达地区位于“净溢出”板块，对外辐射效应突出，“净受益”板块由安徽省大部分城市构成，成为外部溢出的主要吸纳区，“双向溢出”板块由浙江省众多城市构成，内外互动显著，江苏省部分城市形成“经纪人”板块，中介作用明显. ③最优参数地理探测器分析结果表明，基于交互探测的非线性增强效应占主导地位，能源结构与技术创新的协同作用最为突出，环境规制与数字金融的联动效应形成梯度传导机制，数字基建与金融科技的融合构建了全生命周期碳管控体系.

关键词: 碳脱钩建筑业空间联动网络分析块模型最优参数地理探测器

Carbon Decoupling in the Construction Industry of the Yangtze River Delta: Measurement, Network Identification, and Interactive Driving Factors

CAO Jing-lin , GUO Yi-qian

School of Statistics, Tianjin University of Finance and Economics, Tianjin 300222, China

Abstract: As the main source of carbon emissions in the Yangtze River Delta, the level of carbon decoupling and its spatial correlation characteristics in the construction industry directly affect the progress of achieving the region's "dual carbon" goals. Based on the carbon emissions data of the construction industry in 41 cities in the Yangtze River Delta from 2009 to 2023, a modified gravity model and social network analysis method were used to construct a carbon decoupling spatial correlation network. Combined with the optimal parameter geographic detector, the internal structure and driving factors were explored. The results show that: ① The carbon decoupling network of the construction industry in the Yangtze River Delta presented a "decentralized" feature, with an overall increase in network connectivity and density. The high-level network efficiency value reflected the potential vulnerability of the network structure, and the radiation ability of traditional core nodes such as Shanghai and provincial capital cities was relatively weakened. The intermediate centrality of carbon decoupling in some cities in Anhui Province had significantly increased. ② There were heterogeneous sectors with a clear division of labor in the network. A small number of economically developed areas such as provincial capitals were located in the "net spillover" sector, with prominent external radiation effects. The "net benefit" sector was composed of most cities in Anhui Province, becoming the main absorption area for external spillover. The "two-way spillover" sector was composed of many cities in Zhejiang Province, with significant internal and external interactions. Some cities in Jiangsu Province have formed a "broker" sector, with a clear intermediary role. ③ The analysis results of the optimal parameter Geodetector indicated that the nonlinear enhancement effect based on interactive detection dominated, and the synergistic effect between energy structure and technological innovation was most prominent. The linkage effect between environmental regulation and digital finance formed a gradient transmission mechanism, and the integration of digital infrastructure and financial technology constructed a full lifecycle carbon control system.

Key words: decoupling of carbon emissions construction spatial linkage network analysis block model optimal parameter Geodetector

2024年，国家发改委和住房城乡建设部联合发布的《加快推动建筑领域节能降碳工作方案》强调“加快提升建筑领域绿色低碳发展质量”. 然而目前，长三角地区作为中国经济增长的核心引擎，其传统建筑业“高碳锁定”的困境尚未彻底扭转，仍存在粗放型发展模式与区域协同减排需求之间的矛盾^[1]. 根据《中国建筑业发展年度报告》，2020~2022年长三角建筑业总产值在全国占比超30%，但其单位产值碳排放强度（以CO₂计）高达0.62 t·万元^-1，明显高于欧美发达国家的平均水平，长三角地区的经济增长仍较大程度上依赖碳排放，二者尚未实现实质性脱钩^[2].

长三角建筑业因技术路线、能源结构和生产模式相对固化，形成了明显的产业集聚特征^[3]，并通过产业链传导、技术锁定与市场协同等机制，促使城市间碳排放活动产生交互影响，构建了复杂的碳排放空间关联网络^[4]. 在这一背景下，产业集聚与碳排放的空间关联共同塑造了区域碳脱钩的网络化格局. 本文通过揭示长三角建筑业碳脱钩的空间网络特征与驱动因素，阐明城市节点间的联动关系，有助于优化区域协同降碳策略，为全国建筑业碳脱钩治理提供实践参考.

“碳排放”衡量温室气体排放的绝对量，是对排放规模的量化，“碳脱钩”反映排放量与产值增加的解耦关系，关注的是排放效率问题，二者在核心概念上具有数量和效率上的实质性差异. 其一，在“碳排放”领域，长三角建筑业碳排放呈现东高西低格局^[3，5]，在主要城市群中居首且持续攀升^[6]，总体将在2035年完成碳达峰，上海、浙江可提前至2030年^[7]，部分省市实现建筑业与碳排放脱钩^[8]. 城市群多中心化可能推高建筑业碳排放^[6]，长三角通过产业协同实现建筑业碳减排与经济增益提升^[9]. 数字经济通过绿色技术创新中介作用提升降碳效果^[10]，碳排放效率正从效率驱动转向技术驱动^[11]，工业用地碳强度达居住用地3.2倍，“减少新建、以改代拆”策略减排潜力最大^[12].

其二，在“碳脱钩”领域，重点行业和典型区域逐渐纳入到碳脱钩分析框架之中. 在行业上，现有研究揭示了农业^[13]、纺织业^[14]、物流业^[15]、交通运输业^[16]、造纸工业^[17]和食品业^[18]等的碳脱钩效应；在区域上，从全国层面^[19]下沉至城市群^[20]、长江经济带^[21]以及黄河流域^[22]等特定地区. 随着研究视野扩展，学者们引申出区域经济增长与能源消费碳排放^[23]、碳平衡压力与创新能力^[24]、新型城镇化更低利用与碳排放^[25]的脱钩关系研究. 此外，少量研究从多维度考察影响碳脱钩的主要因素. 例如从能源效率视角通过促进能源强度来提升碳脱钩效应^[26，27]；从人口经济视角通过提升人均GDP等实现正向碳脱钩^[28，29]；从产业结构视角通过促进三产结构优化来提升碳脱钩效应等^[30，31].

综上，现有研究大多关注长三角建筑业的碳排放演变，但对碳脱钩的演化规律与驱动机制仍缺乏系统性分析，尤其在城市层面探讨不足. 同时，既往研究多着眼于人口、能源等因素的独立影响，忽视了多重要素在行业碳脱钩系统中的交互作用. 基于此，以长三角41个城市为研究对象，首先，测算2009~2023年建筑业碳脱钩水平，弥补现有研究在行业与城市维度的覆盖不足；其次，运用修正引力模型、网络分析和块模型，突破传统碳脱钩研究的静态视角，揭示碳脱钩空间关联网络的演进趋势与板块分工特征；最后，通过最优参数地理探测器，从资源效率、外部环境等维度解析因素交互作用对建筑业碳脱钩的驱动机制. 研究结论识别建筑领域关键碳控区块和交互传导路径，对优化长三角建筑业协同降碳策略、打破“高碳锁定”困境具有重要环境治理意义，以期为我国城市群基建领域节能降碳提供精准施策依据，助力建筑领域绿色低碳转型与“双碳”目标下高质量发展.

1 材料与方法 1.1 建筑业碳排放量测算

依据《国民经济行业分类标准（GB 4754⁃2011）》，采用狭义建筑业口径核算碳排放^[10]，核算范围包括能源消耗产生的直接排放与建材加工产生的间接排放^[32]. 参考卢娜等^[33]与冯博等^[34]的研究，采用IPCC核算法测算城市所在省份的建筑业总碳排放量，构建城市间建筑业碳排放的比例关系矩阵，并由比例系数推算长三角城市层面的建筑业碳排放量，具体核算如式（1）所示：

$ \begin{aligned} \mathrm{CE}= & \mathrm{CE}_{z i}+\mathrm{CE}_{j i}=\left[\sum\nolimits_k \mathrm{BE}_{k i} \times f_k \times g_k+\right. \\ & \left.\sum\nolimits_t \mathrm{NE}_{t i} \times m_t \times\left(1-r_t\right)\right] \times \frac{12}{44} \end{aligned} $

(1)

式中，下标i为第i个城市，下标z和j分别为直接和间接碳排放，下标k和t分别为第k种能源类别和第t种建材类别. CE表示建筑业碳排放量（10⁵ t）；BE表示城市建筑业能源终端消费量，包括天然气（10⁸ m³）、热力（10⁴ GJ）、电力（10⁸ kW·h）和其余能源（10⁵ t）；f和g分别为能源折标准煤系数和能源碳排放系数. NE表示城市建筑业建材消耗量，包括水泥、钢材和铝材（t）、玻璃（重量箱）、木材（m³）；m和r分别为建材二氧化碳排放因子和建材回收率. 本文所采用的标准煤系数和碳排放因子数值均采用现有研究公认的标准值^[32].

1.2 城市层面的建筑业碳脱钩测算

目前，脱钩指数的测算方法主要包括OECD开发的脱钩指数法和Tapio提出的弹性分析法，相较于OECD方法，Tapio脱钩模型不受基期选择和量纲限制的影响，指标体系更为系统完善^[35]，由此采用Tapio脱钩模型，重点考察长三角建筑业碳脱钩效应. 具体计算如式（2）所示：

ε_{b, t} = \frac{% Δ C E}{% Δ I G D P} = \frac{Δ C E_{b, t} / C E_{b}}{Δ I G D P_{b, t} / I G D P_{b}}

(2)

式中， $ε_{b, t}$ 为建筑业碳排放量与行业生产总值的脱钩弹性指数，用于量化经济增长与碳排放之间的动态解耦程度；%ΔCE和%ΔIGDP分别为基于基期的报告期碳排放量变化率和报告期行业生产总值变化率； $C E_{b}$ 为基期的碳排放量； $Δ C E_{b, t}$ 为基于基期的报告期碳排放量变动； $I G D P_{b}$ 为基期的行业生产总值； $Δ I G D P_{b, t}$ 为基于基期的报告期行业生产总值变动. 脱钩状态划分如表 1所示.

表 1 脱钩状态划分 Table 1 Classification of decoupling states

脱钩状态	细分状态	$% Δ C O_{2}$	$% Δ I G D P$	$ε_{b, t}$	关系
脱钩状态	弱脱钩	> 0	> 0	0≤ $ε_{b, t}$ < 0.8	经济增速显著高于碳排放增速
	强脱钩	< 0	> 0	$ε_{b, t}$ < 0	经济水平提升，碳排放量减少
	衰弱脱钩	< 0	< 0	$ε_{b, t}$ ≥1.2	经济降速显著低于碳排放降速
连结	扩张连接	> 0	> 0	0.8≤ $ε_{b, t}$ < 1.2	经济增速与碳排放增速大致相同
连结	衰弱连接	< 0	< 0	0.8≤ $ε_{b, t}$ < 1.2	经济降速与碳排放降速大致相同
负脱钩	弱负脱钩	< 0	< 0	0≤ $ε_{b, t}$ < 0.8	经济降速显著高于碳排放降速
	强负脱钩	> 0	< 0	$ε_{b, t}$ < 0	经济水平下降，碳排放量增加
	扩张负脱钩	> 0	> 0	$ε_{b, t}$ ≥1.2	经济增速显著低于碳排放增速

表 1 脱钩状态划分 Table 1 Classification of decoupling states

1.3 建筑业碳脱钩的修正引力模型

为量化长三角地区建筑业碳排放与经济增长脱钩状态的空间关联及其动态演化特征，构建长三角城市间建筑业碳脱钩空间关联网络的引力模型^[36，37]，如式（3）~（5）：

g v_{i j} = k_{i j} \frac{\sqrt[3]{p_{i} \cdot c p_{i} \cdot G_{i}} \times \sqrt[3]{p_{j} \cdot c p_{j} \cdot G_{j}}}{D_{i j}^{2}}

(3)

k_{i j} = \frac{c p_{i}}{c p_{i} + c p_{j}}

(4)

D_{i j} = \frac{d_{i j}}{g_{i} + g_{j}}

(5)

式中，gv_ij表示城市i对城市j的建筑业碳脱钩空间关联强度，k_ij表示城市i对城市i和城市j的碳脱钩空间关联强度的贡献率，D_ij表示城市i和城市j之间的经济地理距离，p、cp、G和g分别表示城市人口规模、建筑业碳脱钩、城市GDP和人均GDP，d_ij表示城市i和城市j之间的球面地理距离.

基于计算结果，构建41个城市建筑业碳脱钩空间关联的有向非对称邻接矩阵GV^[36]. 以各行均值为阈值进行二值化处理：若矩阵元素大于等于阈值则记为1，表示城市间存在显著空间关联；否则记为0，表示无关联. 矩阵GV行元素反映城市i对j的碳脱钩辐射关系，列元素反映城市i对j的碳脱钩接收关系.

1.4 基于SNA的碳脱钩空间关联网构建

本文采用社会网络分析法（SNA）^[38，39]，从整体网络、个体网络和块模型这3个维度，解析长三角建筑业碳脱钩空间关联网络：整体层面分析网络密度、关联度与效率；个体层面通过中心度指标揭示城市节点地位；块模型通过聚类界定子群，将空间关联网络划分为净溢出、净受益、经纪人及双向溢出这4个板块^[40].

1.5 基于最优参数地理探测器的交互驱动因子分析

最优参数地理探测器计算了不同空间离散方式下的值，即各个驱动因子的解释力，以值最大为原则确定断点数和最佳探测参数^[41，42]. 选用最优参数地理探测器的交互因子探测分析方法，考察影响因素两两之间的交互成效，对长三角城市间建筑碳脱钩的驱动作用.

1.6 数据来源

碳排放数据来源于中国碳排放核算数据库（CEADs），对部分缺失数据采用吴建新等提出的方法进行补全^[43]. 影响因素数据源自《中国能源统计年鉴》《中国环境统计年鉴》《中国城市建设统计年鉴》《中国科技统计年鉴》《中国统计年鉴》、各地方统计年鉴、国家知识产权局专利数据库及北京大学数字金融研究中心编制的数字金融指数. 对于少量缺失的影响因素数据，采用线性插值方法进行补全，首先对连续型变量实施1%分位数的缩尾处理，以消除极端值影响，然后先将面板数据按城市和年份排序，最后分别在每个城市的年度序列内进行独立的线性插值. 城市间球面距离基于ArcGIS 10.8.1平台的“点距离分析”工具计算得到^[44].

2 结果与分析 2.1 长三角建筑业碳排放脱钩水平测度分析

基于Tapio脱钩模型测算的2009~2023年长三角建筑业碳排放脱钩指数变动情况如图 1所示. 从中可知，脱钩状态经历了从扩张负脱钩到扩张连接，再到弱脱钩的转变，反映建筑业从传统粗放型增长模式向现代集约型发展方式的转型升级. 2009~2015年长三角建筑业碳排放脱钩指数下降较为迅速，该阶段建筑业经济增长与碳排放的关系得到明显改善，很大程度上源于长三角城市群协同发展机制的建立和完善，为节能减排技术的跨区域扩散创造了有利条件. 2015~2023年长三角建筑业碳排放脱钩指数在0.6~0.8区间内平稳波动，此时低碳技术应用已进入平台期，亟需新的技术突破和政策支持来推动进一步改善. 建筑业在保持经济增长的同时，碳排放控制取得持续成效，数字化建造技术的普及应用，包括BIM技术和智能建造等，为碳排放控制提供了有力支撑. 2020年后脱钩指数维持在0.65以下，长三角地区建筑业绿色低碳转型发展已进入相对稳定的阶段，我国“双碳”战略目标的提出和实施，有效推动建筑业碳排放权交易试点和零碳建筑示范项目的快速发展，构建经济增长与碳排放脱钩的良性循环机制.

图 1 2009~2023年长三角建筑业碳脱钩演进 Fig. 1 Carbon emission decoupling index of the Yangtze River Delta construction industry from 2009 to 2023

2.2 长三角建筑业碳脱钩的关联网络结构特征 2.2.1 整体网络特征分析

运用Netdraw绘制典型年份碳脱钩空间关联网络（图2~4），观察可知，长三角建筑业碳脱钩空间关联格局呈现明显“去中心化”特征，反映出区域一体化发展促使城市间协同合作增强，逐步突破传统核心城市主导模式. 从演变过程看，网络结构由2009年的“双核驱动”经2016年“单中心辐射”，发展为2023年的多层级空间格局. 这一变化得益于产业梯度转移与低碳技术扩散，以及区域交通设施与创新体系的完善，推动了碳脱钩空间均衡性提升. 从节点功能看，上海、苏州、无锡始终处于网络核心，发挥引领作用；杭州因数字经济发展其建筑业相对地位有所弱化. 至2023年，杭州、扬州、镇江、泰州、南通和蚌埠等城市成为次级核心节点，通过承接产业转移、吸收技术溢出并发展本地绿色建筑产业，逐步提升网络地位，形成多中心联动格局. 这一格局表明长三角建筑业低碳发展进入整体推进阶段，各城市依托比较优势形成差异化路径，共同促进区域碳脱钩水平提升.

图 2 2009年长三角建筑业碳脱钩的关联网络拓扑 Fig. 2 Topological diagram of the correlation network of carbon decoupling in the construction industry of the Yangtze River Delta in 2009

图 3 2016年长三角建筑业碳脱钩的关联网络拓扑 Fig. 3 Topological diagram of the correlation network of carbon decoupling in the construction industry of the Yangtze River Delta in 2016

图 4 2023年长三角建筑业碳脱钩的关联网络拓扑 Fig. 4 Topological diagram of the correlation network of carbon decoupling in the construction industry of the Yangtze River Delta in 2023

采用Ucinet测度2009~2023年长三角建筑业碳脱钩空间关联网络的整体结构指标，如图 5和图 6所示，可分为3类.

图 5 长三角建筑业碳脱钩关联网络密度与网络关系数 Fig. 5 Density and number of network relationships related to carbon decoupling in the Yangtze River Delta construction industry

图 6 长三角建筑业碳脱钩关联网络效率、等级度和关联度 Fig. 6 Efficiency, grading, and correlation of the carbon decoupling network in the Yangtze River Delta construction industry

（1）关联性指标网络密度与网络关系数均呈波动上升趋势，表明长三角地区城市间建筑业碳脱钩的相互依赖程度持续深化. 分阶段来看：2009~2014年，两项指标上升较快，主要得益于区域协同政策推动的产业链整合与低碳技术跨区域扩散；2015~2018年出现小幅回落，与“十三五”初期各地强化属地环保考核、收紧跨区域合作有关；2019~2023年再度回升，反映出全国碳市场建设促使企业通过区域协作降低碳排放成本，但增速放缓也说明碳市场仍处初期阶段，区域协同减排机制尚待完善.

（2）通达性指标研究期间网络关联度始终为1，长三角建筑业碳脱钩已形成全域连通网络，未出现孤立节点或子群. 产业链深度嵌入使碳排放具有显著外部性，强化了地区间碳脱钩的空间联动，促使各地主动参与区域减排合作. 环境规制差异推动高耗能产业向标准较低的边缘城市迁移，形成核心城市为技术枢纽、外围城市为产能承载区的梯度发展格局.

（3）稳定性指标网络等级度在2018年前维持在较高水平，核心城市主导碳排放转移路径，网络呈现非对称依赖特征；2019年后显著下降，随着区域协同政策见效，网络结构趋于扁平化. 网络效率始终高于0.6且波动较小，说明城市间已形成较优化的连接结构，合作模式趋于稳定，路径分工明确. 整体来看，长三角建筑业碳脱钩已形成制度化、常态化的运行机制，但当前网络结构仍可能隐含一定的脆弱性风险.

2.2.2 个体网络特征分析

（1）点度中心度分析对比分析表 2，省市维度上，江苏省内部分化明显：无锡等苏南城市凭借装配式建筑与绿色建材产业链发展，中心度跃居前列；连云港等苏北城市点出度持续为0，处于网络边缘. 上海和浙江整体中心度下降，其产业结构向服务业转型过程中建筑业辐射能力减弱. 马鞍山跌至末位，或与钢铁去产能政策引发的供应链调整有关. 时间演变上，无锡、常州在2023年点出度上升明显，网络主导力增强，形成可复制的低碳发展路径；杭州、宁波中心度明显下降，其建筑业发展重点由规模扩张转向质量提升.

表 2 2019年和2023年长三角建筑业碳脱钩关联网络的点度中心度 Table 2 Point centrality of the carbon decoupling correlation network in the construction industry of the Yangtze River Delta in 2019 and 2023

省份/直辖市	城市	2009年						2023年
省份/直辖市	城市	点出度	排序	点入度	排序	中心度	排序	点出度	排序	点入度	排序	中心度	排序
上海	上海	37	1	12	3	37	1	31	4	11	10	32	3
江苏	南京	26	5	9	23	27	6	32	3	10	21	32	3
	苏州	37	1	12	3	37	1	31	4	11	10	32	3
	无锡	36	3	9	23	36	3	37	1	14	1	37	1
	南通	5	19	4	41	6	41	15	11	9	28	18	10
	常州	23	7	6	37	24	7	34	2	13	3	34	2
	徐州	2	28	10	13	11	24	2	31	11	10	12	21
	扬州	15	11	9	23	17	10	21	7	11	10	24	6
	盐城	2	28	9	23	9	31	10	17	9	28	10	30
	泰州	7	17	7	35	8	35	18	9	9	28	20	9
	镇江	21	8	8	31	23	8	22	6	10	21	23	7
	淮安	0	35	10	13	10	27	0	37	11	10	11	25
	连云港	0	35	9	23	9	31	0	37	10	21	10	30
	宿迁	0	35	10	13	10	27	2	31	9	28	10	30
浙江	杭州	35	4	10	13	35	4	20	8	11	10	22	8
	宁波	24	6	12	3	28	5	13	12	8	37	14	14
	温州	0	35	7	35	7	39	0	37	9	28	9	37
	绍兴	8	15	10	13	12	19	7	20	10	21	13	18
	嘉兴	3	22	9	23	9	31	8	19	6	40	9	37
	台州	3	22	6	37	7	39	5	23	9	28	9	37
	金华	9	14	6	37	10	27	10	17	8	37	11	25
	湖州	7	17	6	37	8	35	6	21	7	39	8	40
	衢州	4	20	8	31	8	35	5	23	9	28	10	30
	丽水	4	20	8	31	9	31	3	26	9	28	10	30
	舟山	1	32	8	31	8	35	2	31	11	10	12	21
安徽	合肥	10	13	10	13	16	11	12	13	12	7	16	11
	芜湖	8	15	9	23	14	13	12	13	11	10	16	11
	滁州	16	9	10	13	16	11	11	16	9	28	11	25
	阜阳	0	35	11	10	11	24	1	34	13	3	13	18
	安庆	3	22	12	3	12	19	3	26	13	3	13	18
	马鞍山	16	9	10	13	20	9	6	21	6	40	7	41
	蚌埠	12	12	10	13	13	14	16	10	11	10	16	11
	宿州	1	32	13	1	13	14	3	26	13	3	14	14
	六安	0	35	12	3	12	19	1	34	11	10	11	25
	亳州	0	35	13	1	13	14	0	37	14	1	14	14
	宣城	3	22	11	10	12	19	12	13	10	21	12	21
	淮南	3	22	10	13	11	24	5	23	12	7	12	21
	淮北	2	28	11	10	13	14	3	26	12	7	14	14
	铜陵	3	22	12	3	13	14	3	26	10	21	10	30
	池州	1	32	12	3	12	19	0	37	11	10	11	25
	黄山	2	28	9	23	10	27	1	34	10	21	10	30

（2）接近中心度分析如图 7所示，研究期间接近中心度均值呈波动下降趋势，网络结构正由层级化向扁平化发展. 省市差异上，安徽省各城市接近中心度整体高于江浙沪地区，显示出其在承接产业转移下的关键地位；江苏省内差异显著，浙江省内部分化相对较小. 时间维度上，接近中心度呈现“U型”特征，多数城市在2016年出现低谷，可能与当时房地产政策收紧有关，2023年，安徽省城市回升尤为明显.

图 7 2009年、2016年和2023年长三角建筑业碳脱钩空间关联的接近中心度 Fig. 7 Proximity centrality of carbon decoupling spatial correlation in the construction industry of the Yangtze River Delta in 2009, 2016, and 2023

（3）中间中心度分析图 8显示，网络中间中心度均值维持在1.5~2，区域碳脱钩形成稳定的中介传导机制. 各省会城市的中介功能突出，在网络中承担关键桥梁作用，上海在2023年回升至接近2009年水平，显示出较强的韧性. 杭州因数字经济快速发展，其中间中心度明显下降，安徽多个城市通过承接产业转移与平台建设，其中间中心度有所提升，反映出该省在区域碳脱钩网络中的参与度与影响力不断增强.

图 8 2009年、2016年和2023年长三角建筑业碳脱钩空间关联的中间中心度 Fig. 8 Intermediate centrality of carbon decoupling spatial correlation in the construction industry of the Yangtze River Delta in 2009, 2016, and 2023

2.3 空间关联网络块模型特征分析

采用CONCOR迭代收敛法，利用2023年碳脱钩空间关系矩阵，取收敛标准为0.2，取最大分割深度为2进行板块划分^[45]，各城市的板块传递关系如图 9所示，表 3和表 4进一步阐明板块间的空间关联特征.

图 9 2023年空间关联网络四大板块间的传递关系 Fig. 9 Transmission relationships between the four major blocks of spatial correlation network in 2023

表 3 长三角建筑业碳脱钩空间关联板块的溢出效应 Table 3 Spillover effects of carbon decoupling spatial correlation in the construction industry of the Yangtze River Delta

表 4 长三角建筑业碳脱钩空间关联密度矩阵与像矩阵 Table 4 Spatial correlation density matrix and image matrix of carbon decoupling in the construction industry of the Yangtze River Delta

由表 3可知，板块Ⅰ为典型的净受益型板块，其接收关系数为178，远高于溢出关系数50，该板块主要由建筑业发展相对滞后的城市构成，其内部关系比例18.033%，低于40%的期望值，板块内部协同机制较弱，城市间联系较为松散. 板块Ⅱ呈现双向溢出特征，溢出关系数62与接收关系数82相对均衡，内部关系比例为16.216%仍低于25%的期望值，城市间存在同质化竞争，内部合作有待加强. 板块Ⅲ具有明显的经纪人属性，内部关系比例为2.273%，低于10%的期望值，对外溢出关系数86高于接收关系数49，表明其在建筑碳关联中的中介功能. 板块Ⅳ是典型的净溢出板块，溢出关系数195高于接收关系数84，其内部关系比例仅为2.5%，拥有先进低碳技术和成熟管理经验的城市更注重对外技术输出，内部互动相对有限.

表 4的密度矩阵量化了板块间碳脱钩互动的紧密程度. 具体来看，板块Ⅲ对板块Ⅰ的溢出强度达0.812，说明“经纪人”板块在技术转移和知识扩散中承担着重要的桥梁功能，对“净受益”板块形成显著单向溢出. 板板块Ⅳ对板块Ⅱ的密度值为0.83，进一步确认“净溢出”板块作为区域低碳建筑创新策源地的核心地位. 从像矩阵结果可见，“经纪人”板块Ⅲ具有显著的双向连接能力，对板块Ⅰ和板块Ⅳ均存在溢出，成为连接不同类型板块的关键协调者，有效促进碳脱钩的跨板块传导. “净溢出”板块Ⅳ呈现全局溢出特征，除自身外向其他三大板块均有显著输出，体现其技术与管理输出的广泛适用性，强化了其作为系统核心溢出源的功能定位. “净受益”板块Ⅰ和“双向溢出”板块Ⅱ的行向量均为0，表明二者在技术创新与标准制定方面仍处于跟随阶段，主要作为碳脱关联的接收方. 尤其是“双向溢出”板块Ⅱ，当前更多体现为接收多源输入，对外辐射能力仍有待提升，反映出其产业转型升级尚未完成.

2.4 最优参数地理探测器分析 2.4.1 驱动因素选择与单因子探测结果

参考既有研究在城市尺度上的建筑业碳排放驱动机制、碳脱钩效应的研究成果^{[6，10，32，46~49]}，基于资源效率、外部环境、基建产业和空间开发的维度，构建影响城市碳脱钩关联效应的驱动因素体系，具体指标和测度方法如表 5所示. 单因子探测结果显示，所有因子均通过显著性检验. 从Q值大小来看，能源结构优化（X₁₂）与绿色技术创新（X₁₁）的驱动效应最为显著，表明资源效率是影响碳脱钩空间关联的核心维度. 这主要得益于长三角地区清洁能源占比快速提升，以及光伏建筑一体化等技术的规模化应用，有效降低了建筑业碳强度. 同时，该地区研发投入持续高于全国水平，推动装配式建筑和BIM碳核算系统等创新技术广泛应用，促使单位产出碳排放持续下降. 绿色技术创新还通过技术溢出效应，强化了区域间碳脱钩的关联，形成跨区域低碳技术扩散网络. 工业环境规制（X₂₁）同样表现出较强解释力，源于长三角建立的协同减排机制使核心城市环境合规成本较高，梯度压力促使减排技术由核心区向外围扩散，形成空间传导路径.

表 5 驱动因素及单因子探测结果 Table 5 Driving factors and single factor detection results

2.4.2 交互因子探测分析结果

表 6展示了长三角碳脱钩空间关联网络的前30位交互驱动因子，非线性增强效应占比达73.3%，表明影响因素主要通过协同机制对碳脱钩产生超叠加促进作用.

表 6 排名前30的双因子交互探测 Table 6 Top 30 dual factor interaction probes

结果表明，①工业环境规制（X₂₁）与数字金融环境（X₂₂）的交互呈现显著非线性增强. 前者通过提高固体废物利用率等要求推动低碳工艺应用，后者则借助碳账户和绿色信贷机制将环境绩效转化为融资成本优势，共同形成约束与激励并重的驱动路径. ②能源结构优化（X₁₂）与绿色技术创新（X₁₁）的交互作用最为突出. 清洁能源占比提升既直接降低建筑碳排放，更为绿色技术创新提供了应用场景和市场激励. 当清洁能源比例达到一定阈值，建筑光伏一体化、地源热泵等技术的经济可行性显著提升，形成“能源-技术”的良性循环. ③数字基础设施（X₃₁）与数字金融环境（X₂₂）的协同效应，体现金融科技对低碳转型的赋能作用. 数字支付和区块链与BIM和GIS等技术的融合，提升了碳核算效率，基于数字平台的绿色金融产品创新，推动绿色债券发行规模增长，实现对建筑全生命周期碳排放的精准管控.

3 讨论

与现有研究聚焦于长三角建筑业碳排放的测度、预测及单一驱动因素不同，本文从碳脱钩视角切入，提供了更为动态和网络化的解析. 已有研究主要关注碳排放的绝对量分析^[3，6~8]，本文进一步揭示了碳排放与产值脱钩的空间网络结构及其多因子交互驱动机制. 结果表明，2009~2023年间，长三角建筑业脱钩指数由波动下降转为稳定在0.65以下，网络结构呈现明显去中心化特征，这与杨寅润等^[5]指出的长三角建筑碳排放空间网络“核心-边缘”结构存在差异，表明脱钩网络相较于碳排放网络更具协同性与均衡性，城市节点间形成更复杂的辐射与接收关系. 在驱动机制方面，本文通过地理探测器识别出能源结构优化与绿色技术创新为核心交互驱动因子，这与黄进等^[10]和Liu等^[11]的研究结论一致，均强调从效率转向技术的驱动趋势，但本文进一步发现多要素间存在非线性增强效应，突破了以往侧重单一因素的研究局限. 此外，本研究识别出苏北部分城市作为“净受益板块”，这与Li等^[9]认为江苏为碳排放主要区域的结论相呼应，但进一步揭示了板块间“溢出⁃接收”的网络关系，为区域协同减排提供了网络化治理依据.

4 建议

（1）构建多中心协同治理体系. 重点提升安徽省城市的中介功能，将其纳入长三角碳减排枢纽体系；弱化核心城市单向辐射模式，通过“飞地经济”推动产业转移与低碳技术共享. 同时，需建立网络脆弱性预警机制，通过增加次级节点间的横向联系，如苏浙皖城市建立结对协议以巩固网络稳定性.

（2）实施差异化板块调控策略. 对上海、杭州等“净溢出”板块，强化其技术创新策源功能，设立建筑业低碳技术转移中心；针对安徽等“净受益”板块，完善产业承接的碳排放准入标准，建立转移项目全生命周期碳审计制度；对于浙江等“双向溢出”板块，建立试点碳配额跨区交易机制；江苏等“经纪人”板块城市重点培育碳中和服务业，发展建筑碳足迹认证等专业服务.

（3）强化实施清洁能源和技术创新双轮驱动战略. 制定分区域的清洁能源渗透率梯度目标，对达到阈值的城市给予绿色技术研发补贴. 针对技术溢出效应，设立跨省市的技术转移补偿基金. 在核心城市试点BIM碳核算系统强制认证制度，形成从技术创新到市场应用的闭环机制.

（4）构建环境规制与数字金融的协同治理体系. 建立长三角建筑业固体废物协同处置中心，实施跨区域环境信用联合惩戒机制. 开发建筑碳账户的区块链跨城结算系统，试点将碳核算数据纳入企业征信评价. 设立建筑业绿色债券发行快审通道，对采用低碳工艺的项目给予贴息支持.

（5）推进数字基建与空间开发的系统整合. 在新建城区强制部署建筑能耗物联网监测系统，将数字孪生技术纳入建设用地出让条件. 针对城市扩张系数的驱动特性，建立基于卫星遥感的建成区碳汇平衡核算制度，对超标的开发项目征收空间碳密度调节费.

5 结论

（1）长三角建筑业碳脱钩的空间关联网络由“核心-边缘”结构向“多层级-扁平化”转变，全域连通性增强. 尽管网络关联度和密度提升，但较高的网络效率数值表明网络结构仍具脆弱性. 上海、杭州等传统核心城市的辐射能力有所弱化，而安徽省部分城市的中介功能增强，反映产业转移带来的空间重构.

（2）区域内部存在明显的异质性板块分工. 少数省会及发达城市为“净溢出”板块，对外辐射作用显著；安徽多数城市为“净受益”板块，承接外部溢出效应；浙江多数城市属“双向溢出”板块，内外要素流动活跃；江苏部分城市则处于“经纪人”板块，发挥中介桥梁功能.

（3）能源结构优化与绿色技术创新对碳脱钩的解释力最强，工业环境规制具有显著空间传导效应，推动减排技术由核心区向外围扩散，形成环境规制与技术溢出的复合驱动路径. 双因子交互作用中73.3%呈现非线性增强，尤以工业环境规制与数字金融的交互最为突出，二者共同构建将脱钩压力转化为脱钩激励的驱动机制. 能源结构与绿色技术的交互揭示碳脱钩存在阈值效应，清洁能源占比突破临界值后能够激发低碳技术的经济可行性，形成脱钩效应的正向反馈.

参考文献

[1]	徐水太, 熊斌斌, 徐丝美. 多情境下中国省域建筑业碳达峰的时空特征[J]. 环境科学, 2026, 47(1): 64-74. Xu S T, Xiong B B, Xu S M. Temporal and spatial characteristics of carbon peak in the provincial construction industry of China under multiple scenarios[J]. Environmental Science, 2026, 47(1): 64-74.
[2]	石常峰, 俞越, 姚潇, 等. 长三角城市群碳达峰路径模拟研究[J]. 地理学报, 2024, 79(11): 2895-2914. Shi C F, Yu Y, Yao X, et al. Carbon peak prediction for Yangtze River delta urban agglomeration based on spatially embedded GA-LSTM model[J]. Acta Geographica Sinica, 2024, 79(11): 2895-2914.
[3]	刘颖, 王远, 朱琳. 长三角地区建筑业碳排放变化的时空特征及影响因素分析[J]. 中国环境科学, 2023, 43(12): 6677-6688. Liu Y, Wang Y, Zhu L. Analyzing carbon emissions in the Yangtze River Delta's construction industry: spatiotemporal characteristics and influencing factors[J]. China Environmental Science, 2023, 43(12): 6677-6688.
[4]	吴绍华, 巩笑微, 陈东湘, 等. 长三角城市网络对碳排放效率的影响机制[J]. 环境科学, 2026, 47(4): 2133-2144. Wu S H, Gong X W, Chen D X, et al. Impact of the network influence of Yangtze River delta cities on carbon emission efficiency[J]. Environmental Science, 2026, 47(4): 2133-2144. DOI:10.13227/j.hjkx.202412232
[5]	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. Yang Y R, Dong N. Synergistic effect of building carbon emission in urban agglomeration[J]. Environmental Science, 2025, 46(7): 4101-4109. DOI:10.13227/j.hjkx.202401101
[6]	Wang Y S, Shi G L, Zhang Y B. How did polycentric spatial structure affect carbon emissions of the construction industry? A case study of 10 Chinese urban clusters[J]. Engineering, Construction and Architectural Management, 2025, 32(2): 1186-1210. DOI:10.1108/ECAM-06-2023-0640
[7]	卢昱杰, 何凌云, 李佩娴, 等. 长三角一体化区域建筑业碳达峰预测与减排研究[J]. 同济大学学报(自然科学版), 2024, 52(8): 1238-1249. Lu Y J, He L Y, Li P X, et al. Carbon peak prediction and emission reduction in construction industry of Yangtze River delta under regional development[J]. Journal of Tongji University (Natural Science), 2024, 52(8): 1238-1249.
[8]	肖与轩, 胡希军, 韦宝婧. 长江经济带建筑业、能耗与碳排关联关系及其时空演变[J]. 经济地理, 2025, 45(2): 47-57. Xiao Y X, Hu X J, Wei B J. Correlation among the construction industry, energy consumption and carbon emissions in the Yangtze River economic belt and their spatiotemporal evolution[J]. Economic Geography, 2025, 45(2): 47-57.
[9]	Li S J, Chen W M. Research on the correlation network of carbon emissions and economic between Chinese urban agglomerations[J]. Urban Climate, 2024, 57. DOI:10.1016/j.uclim.2024.102118
[10]	黄进, 蒯林沂, 安慧. 数字经济对建筑业碳排放的影响机制: 以长三角城市群为例[J]. 环境科学, 2026, 47(3): 1463-1473. Huang J, Kuai L Y, An H. Impact mechanism of digital economy on carbon emissions in the construction industry: a case study of Yangtze river delta urban agglomeration[J]. Environmental Science, 2026, 47(3): 1463-1473. DOI:10.13227/j.hjkx.202502152
[11]	Liu C G, Sun W, Li P X, et al. Differential characteristics of carbon emission efficiency and coordinated emission reduction pathways under different stages of economic development: Evidence from the Yangtze River Delta, China[J]. Journal of Environmental Management, 2023, 330. DOI:10.1016/j.jenvman.2022.117018
[12]	Li W, Chen Z J, Li M C, et al. Carbon emission and economic development trade-offs for optimizing land-use allocation in the Yangtze River Delta, China[J]. Ecological Indicators, 2023, 147. DOI:10.1016/j.ecolind.2023.109950
[13]	曹昱亮, 倪珣, 巩红禹. 长江经济带农业碳排放影响因素及脱钩效应[J]. 环境科学, 2025, 46(3): 1535-1547. Cao Y L, Ni X, Gong H Y. Influencing factors and decoupling effects of agricultural carbon emissions in the Yangtze river economic belt[J]. Environmental Science, 2025, 46(3): 1535-1547. DOI:10.13227/j.hjkx.202403263
[14]	张思远, 甘京京, 张任涛, 等. 长三角生态绿色一体化发展示范区纺织行业碳排放驱动因素及其脱钩效应分析[J]. 环境科学, 2024, 45(12): 6796-6805. Zhang S Y, Gan J J, Zhang R T, et al. Analysis of carbon emission driving factors and decoupling effects in the textile industry of the demonstration zone of green and integrated ecological development of the Yangtze river delta[J]. Environmental Science, 2024, 45(12): 6796-6805. DOI:10.13227/j.hjkx.202312208
[15]	肖红, 刘兰云, 李玥, 等. 长江经济带物流业碳排放和经济增长协调性: 耦合与脱钩视角[J]. 环境科学, 2026, 47(4): 2145-2152. Xiao H, Liu L Y, Li Y, et al. Coupling and decoupling effects of carbon emissions and economic growth in the logistics industry of the Yangtze River economic belt[J]. Environmental Science, 2026, 47(4): 2145-2152. DOI:10.13227/j.hjkx.202502091
[16]	邵志国, 李可心, 李梦笛. "双碳"背景下中国交通运输业碳排放驱动因素及脱钩效应[J]. 中国环境科学, 2025, 45(1): 571-582. Shao Z G, Li K X, Li M D. Driving factors and decoupling effect of carbon emissions in China's transportation industry under the background of "dual carbon"[J]. China Environmental Science, 2025, 45(1): 571-582.
[17]	王红平, 杨建州. 广东省造纸工业碳排放驱动因素及脱钩演变路径[J]. 环境科学, 2026, 47(3): 1544-1553. Wang H P, Yang J Z. Driving factors and decoupling evolution path of carbon emissions from the paper industry in Guangdong Province[J]. Environmental Science, 2026, 47(3): 1544-1553. DOI:10.13227/j.hjkx.202502129
[18]	朱婧, 刘演景. 中国食品行业碳排放测度、驱动因素和脱钩效应研究[J]. 粮油食品科技, 2025, 33(4): 203-211. Zhu J, Liu Y J. Research on carbon emission measurement, driving factors, and decoupling effects in China's food industry[J]. Science and Technology of Cereals, Oils and Foods, 2025, 33(4): 203-211.
[19]	杨青, 段召琳, 刘星星, 等. 危机转化视角下中国省际碳排放与经济发展的脱钩"链式"反应分析[J]. 环境科学, 2026, 47(2): 727-740. Yang Q, Duan Z L, Liu X X, et al. Analyzing the "Chain" structure of decoupling carbon emissions from economic development in China's province under the perspective of the crisis transformation[J]. Environmental Science, 2026, 47(2): 727-740. DOI:10.13227/j.hjkx.202412307
[20]	任旭, 赵振宇. 中国碳排放脱钩效应空间特征及影响因素: 以中国七大城市群为例[J]. 环境科学, 2026, 47(1): 9-22. Ren X, Zhao Z Y. Spatial characteristics and influencing factors of China's carbon emission decoupling effect: a case study of the seven major urban agglomerations in China[J]. Environmental Science, 2026, 47(1): 9-22. DOI:10.13227/j.hjkx.202412053
[21]	赵菲菲, 胡政, 赵旭, 等. 长江经济带碳排放与经济增长"脱钩陷阱"的识别与破解研究[J]. 长江流域资源与环境, 2023, 32(6): 1127-1137. Zhao F F, Hu Z, Zhao X, et al. Identification and solution of decoupling trap between carbon emissions and economic growth in Yangtze river economic belt[J]. Resources and Environment in the Yangtze Basin, 2023, 32(6): 1127-1137.
[22]	张华明, 元鹏飞, 朱治双. 黄河流域碳排放脱钩效应及减排路径[J]. 资源科学, 2022, 44(1): 59-69. Zhang H M, Yuan P F, Zhu Z S. Decoupling effects of carbon emissions and reduction path in the Yellow River Basin[J]. Resources Science, 2022, 44(1): 59-69.
[23]	庞军, 梁宇超, 孙可可, 等. 中国经济增长与煤炭消费脱钩及影响因素分析[J]. 中国环境科学, 2024, 44(2): 1144-1157. Pang J, Liang Y C, Sun K K, et al. Decoupling effects and driving factors between provincial economic growth and coal consumption in China[J]. China Environmental Science, 2024, 44(2): 1144-1157.
[24]	李咏华, 丁安琪, 江和洲, 等. 区域视角下碳平衡压力与创新能力脱钩状态分异: 以长三角核心城市群为例[J]. 环境科学, 2025, 46(12): 7450-7462. Li Y H, Ding A Q, Jiang H Z, et al. Divergence of decoupling state of carbon balance pressure and innovation capability under regional perspective: taking core city cluster of Yangtze River delta as an example[J]. Environmental Science, 2025, 46(12): 7450-7462. DOI:10.13227/j.hjkx.202411177
[25]	程鹏, 王灏, 吴诗嫚, 等. 新型城镇化与耕地利用碳排放空间交互与脱钩效应分析——以长江经济带三大城市群为例[J]. 生态经济, 2025, 41(7): 101-114. Cheng P, Wang H, Wu S M, et al. Analysis of spatial interaction and decoupling effect between new-type urbanization and carbon emissions from cultivated land utilization: a case study of three major urban agglomerations in the Yangtze River economic belt[J]. Ecological Economy, 2025, 41(7): 101-114.
[26]	王超, 武丽敏. 基于"双碳"视角的丝绸之路经济带交通碳减排驱动因素分析[J]. 干旱区资源与环境, 2024, 38(2): 9-19. Wang C, Wu L M. Factors driving the carbon emission reduction in transport along the Silk Road Economic Belt: an analysis from the perspective of "double carbon"[J]. Journal of Arid Land Resources and Environment, 2024, 38(2): 9-19.
[27]	陈四瑜, 刘晶茹, 孙光明. 基于脱钩指数的工业园区碳排放与经济发展关系[J]. 环境科学, 2023, 44(11): 6412-6420. Chen S Y, Liu J R, Sun G M. Relationship between carbon emissions and economic development of industrial parks based on decoupling index[J]. Environmental Science, 2023, 44(11): 6412-6420. DOI:10.13227/j.hjkx.202211003
[28]	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. Hou L P, Wang L, Qian Y, et al. Decoupling status and driving mechanisms of carbon emissions in the Golden Triangle of Southern Fujian under "carbon peaking and neutrality" goals[J]. Acta Ecologica Sinica, 2022, 42(23): 9663-9676.
[29]	汪辉平, 张准. 中国碳排放脱钩效应、驱动因素与预测分析[J]. 环境科学, 2026, 47(3). Wang H P, Zhang H. Analysis of China's carbon emission decoupling effect, driving factors, and forecasting[J]. Environmental Science, 2026, 47(3). DOI:10.13227/j.hjkx.202503158
[30]	李汝资, 白昳, 周云南, 等. 黄河流域水资源利用与经济增长脱钩及影响因素分解[J]. 地理科学, 2023, 43(1): 110-118. Li R Z, Bai Y, Zhou Y N, et al. Decoupling and decomposition of driving factors of water resources utilization and economic growth in the Yellow River Basin[J]. Scientia Geographica Sinica, 2023, 43(1): 110-118.
[31]	花瑞祥, 蓝艳, 李嘉文, 等. 中国省际碳排放脱钩效应及驱动因素分析[J]. 环境科学研究, 2023, 36(11): 2159-2168. Hua R X, Lan Y, Li J W, et al. Analysis of the decoupling effect and driving factors of inter-provincial carbon emissions in China[J]. Research of Environmental Sciences, 2023, 36(11): 2159-2168.
[32]	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. Kuai L Y, An M, Song M F, et al. Carbon lock-in status and unlocking pathways of urban construction industry at the city scale in China[J]. Environmental Science, 2025, 46(8): 4803-4812. DOI:10.13227/j.hjkx.202407014
[33]	卢娜, 冯淑怡, 陆华良. 中国城镇化对建筑业碳排放影响的时空差异[J]. 北京理工大学学报(社会科学版), 2018, 20(3): 8-17. Lu N, Feng S Y, Lu H L. The tempo-spatial difference of urbanization on construction sector carbon emissions in China[J]. Journal of Beijing Institute of Technology (Social Sciences Edition), 2018, 20(3): 8-17.
[34]	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. Feng B, Wang X Q. Research on carbon decoupling effect and influence factors of provincial construction industry in China[J]. China Population, Resources and Environment, 2015, 25(4): 28-34.
[35]	吴卫红, 蔡海波, 刘佳, 等. 技术创新双重效应与重污染行业绿色转型升级——基于碳排放的视角[J]. 经济与管理研究, 2023, 44(11): 45-61. Wu W H, Cai H B, Liu J, et al. Dual effects of technological innovation and green transformation and upgrading of heavily polluting industries-from the perspective of carbon emissions[J]. Research on Economics and Management, 2023, 44(11): 45-61.
[36]	邵帅, 徐俐俐, 杨莉莉. 千里"碳缘"一线牵: 中国区域碳排放空间关联网络的结构特征与形成机制[J]. 系统工程理论与实践, 2023, 43(4): 958-983. Shao S, Xu L L, Yang L L. Structural characteristics and formation mechanism of carbon emission spatial association networks within China[J]. Systems Engineering-Theory & Practice, 2023, 43(4): 958-983.
[37]	董瑞媛, 周晓唯. 数字经济与碳排放的脱钩水平及其空间关联网络特征[J]. 统计与决策, 2023, 39(18): 129-133.
[38]	孙传旺, 陈智龙. 经济增长碳脱钩的联动效应研究——基于"全国一盘棋"视角下的社会网络分析[J]. 财贸研究, 2023(8): 1-12. Sun C W, Chen Z L. Interplay effect of economic growth and carbon decoupling: based on "national coordination" perspective using social network analysis[J]. Finance and Trade Research, 2023(8): 1-12.
[39]	吉雪强, 刘慧敏, 张跃松. 中国省际土地利用碳排放空间关联网络结构演化及驱动因素[J]. 经济地理, 2023, 43(2): 190-200. Ji X Q, Liu H M, Zhang Y S. Spatiotemporal evolution and driving factors of spatial correlation network structure of China's land-use carbon emission[J]. Economic Geography, 2023, 43(2): 190-200.
[40]	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. Liu Y B, Deng W F, Li S S, et al. Structural characteristics and influencing factors of carbon emission spatial association networks based on carbon sink potential: a case study of urban agglomerations in the middle reaches of the Yangtze River[J]. China Population, Resources and Environment, 2024, 34(3): 1-15.
[41]	毛丰付, 高雨晨, 周灿. 长江经济带数字产业空间格局演化及驱动因素[J]. 地理研究, 2022, 41(6): 1593-1609. Mao F F, Gao Y C, Zhou C. Evolution characteristics of spatial patterns of digital industry and its driving factors in the Yangtze River Economic Belt[J]. Geographical Research, 2022, 41(6): 1593-1609.
[42]	康月, 安美清, 王智琦, 等. 黄河流域交通运输碳排放时空特征及影响因素[J]. 环境科学, 2026, 47(6): 3582-3594. Kang Y, An M J, Wang Z Q, et al. Spatiotemporal characteristics and driving factors of transportation carbon emissions in the Yellow River Basin[J]. Environmental Science, 2026, 47(6): 3582-3594. DOI:10.13227/j.hjkx.202504219
[43]	吴建新, 郭智勇. 基于连续性动态分布方法的中国碳排放收敛分析[J]. 统计研究, 2016, 33(1): 54-60. Wu J X, Guo Z Y. Research on the convergence of carbon dioxide emissions in China: a continuous dynamic distribution approach[J]. Statistical Research, 2016, 33(1): 54-60.
[44]	张明斗, 翁爱华. 数字经济空间关联网络的产业结构变迁效应研究——基于网络节点中心性分析视角[J]. 产业经济研究, 2022(6): 129-142. Zhang M D, Weng A H. Research on the effect of industrial structure change of spatial correlation network of digital economy: based on the analysis of network centrality[J]. Industrial Economics Research, 2022(6): 129-142.
[45]	张娜, 孙芳城, 胡钰苓. 长江经济带碳排放效率的时空演变、区域差异及影响因素研究[J]. 长江流域资源与环境, 2024, 33(6): 1325-1339. Zhang N, Sun F C, Hu Y L. Spatio-temporal evolution, regional differences, and influencing factors of carbon emission efficiency in the Yangtze River economic belt[J]. Resources and Environment in the Yangtze Basin, 2024, 33(6): 1325-1339.
[46]	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. Ren X S, Li Z R. Evolution and influencing factors of spatial correlation network of construction carbon emission in China from the perspective of whole life cycle[J]. Environmental Science, 2024, 45(3): 1243-1253. DOI:10.13227/j.hjkx.202303043
[47]	李沐寒, 陈天, 左明皓. 多尺度视角下城市空间形态对碳排放的影响——作用途径与关键议题[J]. 城市规划, 2025, 49(4): 105-114. Li M H, Chen T, Zuo M H. Impacts of urban spatial morphology on carbon emissions from a multi-scale perspective: paths and key issues[J]. City Planning Review, 2025, 49(4): 105-114.
[48]	Liu Q Q, Peng M, Cai W G, et al. How can economic development and carbon reduction in commercial buildings be reconciled? evidence from Chinese cities[J]. Engineering, Construction and Architectural Management, 2025. DOI:10.1108/ecam-05-2024-0673
[49]	Li X J, Duan G N, Lin C X, et al. Synergetic carbon emission reduction in the construction industry: a spatial correlation perspective from urban agglomerations in southeast coastal China[J]. Energy and Buildings, 2025, 336. DOI:10.1016/j.enbuild.2025.115552


环境科学 2026, Vol. 47 Issue (10): 6660-6671	PDF