基于时空网络的干旱区都市圈降碳-减污-扩绿-增长多维协同发展演化特征：以黄河“几字弯”都市圈为例

引用本文

崔许锋, 吴宜纹, 吕婧, 张光宏, 陈旻, 王永生, 王鹏涛. 基于时空网络的干旱区都市圈降碳-减污-扩绿-增长多维协同发展演化特征：以黄河“几字弯”都市圈为例[J]. 环境科学, 2026, 47(10): 6787-6801.

CUI Xu-feng, WU Yi-wen, LÜ Jing, ZHANG Guang-hong, CHEN Min, WANG Yong-sheng, WANG Peng-tao. Multidimensional Coordinated Development Pattern of Carbon Reduction, Pollution Reduction, Green Expansion, and Growth in Arid Region Metropolitan Areas from the Perspective of Spatiotemporal Networks: A Case Study of the Yellow River "Ji-shaped Bend" Bend Urban Agglomeration[J]. Environmental Science, 2026, 47(10): 6787-6801.

基于时空网络的干旱区都市圈降碳-减污-扩绿-增长多维协同发展演化特征：以黄河“几字弯”都市圈为例

崔许锋¹, 吴宜纹¹, 吕婧², 张光宏¹, 陈旻³, 王永生⁴, 王鹏涛⁵

1. 中南财经政法大学工商管理学院，土地经济研究中心，武汉 430073;
2. 自然资源部国土整治中心，北京 100035;
3. 南京师范大学虚拟地理环境教育部重点实验室，南京 210023;
4. 中国科学院地理科学与资源研究所区域可持续发展分析与模拟重点实验室，北京 100101;
5. 西安外国语大学旅游学院，人文地理研究所，西安 710128

收稿日期: 2025-07-21; 修订日期: 2025-10-28

基金项目: 教育部人文社会科学研究规划基金项目（23YJA790012）

作者简介: 崔许锋（1983~），男，博士，副教授，主要研究方向为资源环境管理，E-mail：cuixufeng06@163.com

通信作者: 吕婧, E-mail：Lvjing@lcrc.org.cn

摘要: 面对全球气候变化和环境污染挑战，中国积极推动可持续发展，将降碳-减污-扩绿-增长协同发展作为重要目标. 黄河“几字弯”都市圈作为典型的干旱区都市圈，面临着环境污染、生态脆弱和转型困难等问题. 研究以黄河“几字弯”都市圈为研究区域，构建涵盖四大系统19项指标的综合评价体系，综合运用耦合协调度模型和时空网络分析方法，对2013~2022年该区域降碳-减污-扩绿-增长协同水平的时空演变特征、空间关联网络及其形成机制进行解析. 结果表明：①研究期内都市圈降碳-减污-扩绿-增长协同发展水平整体稳步提升，达到协调等级的城市数量显著增加，区域东部协同发展水平高于西部，但区域差异逐步缩小；②研究期内降碳-减污-扩绿-增长协同的区域空间关联网络密度从0.29增至0.54，形成以鄂尔多斯、榆林、呼和浩特、包头和太原等城市为核心的多中心网络结构，呈现功能互补与去单级中心化趋势；③通过聚类特征分析可知，降碳-减污-扩绿-增长协同格局由“双溢出-净受益”演变为“多级溢出-单极受益”，呼和浩特、包头与太原组成的板块4成为主要受益区；④指数随机图模型（ERGM）进一步揭示，区域空间关联网络的形成受功能互补与空间邻近共同驱动，科技支出差异与地理距离分别为显著促进和抑制因素，且城市间的协同关系呈现显著的互惠性. 研究旨在为推动干旱区都市圈协调发展提供科学依据和政策建议.

关键词: 环境治理绿色发展时空网络模型干旱区都市圈黄河流域

Multidimensional Coordinated Development Pattern of Carbon Reduction, Pollution Reduction, Green Expansion, and Growth in Arid Region Metropolitan Areas from the Perspective of Spatiotemporal Networks: A Case Study of the Yellow River "Ji-shaped Bend" Bend Urban Agglomeration

CUI Xu-feng¹ , WU Yi-wen¹ , LÜ Jing² , ZHANG Guang-hong¹ , CHEN Min³ , WANG Yong-sheng⁴ , WANG Peng-tao⁵

1. School of Business Administration, Center for Land Economics, Zhongnan University of Economics and Law, Wuhan 430073, China;
2. Land Consolidation and Rehabilitation Center, Ministry of Natural Resources, Beijing 100035, China;
3. Key Laboratory of Virtual Geographic Environment, Ministry of Education, Nanjing Normal University, Nanjing 210023, China;
4. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China;
5. School of Humanities, Xi' an International Studies University, Xi'an 710128, China

Abstract: In response to global challenges of climate change and environmental pollution, China has been actively promoting sustainable development, with a key focus on synergizing carbon reduction, pollution reduction, green expansion, and growth. As a typical arid region metropolitan area, the Yellow River "Ji-shaped Bend" Bend Urban Agglomeration faces issues such as environmental pollution, ecological fragility, and difficulties in transformation. This study establishes a comprehensive evaluation system comprising four major systems and 19 indicators for this region. By applying the coupling coordination degree model and spatiotemporal network analysis, it examines the spatiotemporal evolution characteristics, spatial correlation networks, and underlying mechanisms of the synergy level among carbon reduction, pollution reduction, green expansion, and growth from 2013 to 2022. The results indicate that: ① During the study period, the overall synergistic development level of the urban agglomeration improved steadily, with a significant increase in the number of cities reaching coordination status. The eastern part of the region exhibited a higher synergy level than that of the western part, though regional disparities gradually narrowed. ② The density of the spatial correlation network for synergy increased from 0.29 to 0.54, showing a multi-layered and unbalanced structure. A polycentric network emerged, with cities such as Ordos, Yulin, Hohhot, Baotou, and Taiyuan as cores, reflecting functional complementarity and a trend toward de-monocentrization. ③ Cluster characteristic analysis revealed that the synergy pattern evolved from a "dual-spillover-net-benefit" structure to a "multi-spillover-single-pole-benefit" pattern. Block 4, consisting of Hohhot, Baotou, and Taiyuan, became the primary beneficiary area, indicating a significant restructuring of block roles and resource flows. ④ The Exponential Random Graph Model (ERGM) further demonstrated that the formation of the spatial correlation network was driven by both functional complementarity and spatial proximity, with differences in science and technology expenditure serving as a significant promoting factor and geographical distance as a constraining factor. Synergistic relationships among cities also exhibited clear reciprocity. This research aims to enhance the spatial correlation network for synergistic development and provide a scientific basis and policy recommendations for promoting coordinated development in such regions.

Key words: environmental governance green development spatiotemporal network models arid region urban agglomerations Yellow River Basin

全球气候变化与环境污染加剧已成为人类社会发展的重要挑战，威胁着自然生态系统稳定^[1]. 面对这一全球性问题，联合国提出涵盖社会、经济和环境领域的可持续发展目标（SDGs），引导各国实现可持续发展. 中国作为发展中大国，积极履行国际责任，将生态文明建设纳入国家发展整体框架^[2]，党的二十大明确了降碳-减污-扩绿-增长协同发展的目标，《中共中央国务院关于全面推进美丽中国建设的意见》则为我国生态环境保护与高质量发展描绘了宏伟蓝图，确立了短期和长期目标，制定了重大任务和改革措施，为建设人与自然和谐共生的现代化美丽中国指明方向.

然而在实践层面，以黄河“几字弯”都市圈为代表的干旱区都市圈面临多重挑战：区域经济发展差异显著、资源型城市转型困难、生态脆弱区保护不足及环境污染等经济、生态、环境三方面问题交织，具体表现为水资源短缺与极端气候事件叠加、水沙调控失衡加剧水土流失、土壤沙漠化制约土地效能和能源开发与环境保护的矛盾升级，给区域可持续发展带来严峻挑战^[3]. 加之跨域合作组织相对松散^[4]，导致资源优势互补和协同效应的发挥受到限制. 现有实证研究多聚焦该区域空间结构特征，基于“流空间”理论探讨都市圈内人流、物流、资金流和信息流等要素流的空间特征^[5，6]，对经济-环境-生态协同发展的时空规律探索不足.

环境系统、生态系统与经济系统间是统一而非对立的关系. 工业革命后，人类活动对环境和生态的负面影响加剧，促使学者们搭建起环境、生态与经济的统一框架，提倡在发展经济的同时兼顾生态与环境. 降碳、减污、扩绿和增长是互为支撑的子系统，共同作用于生态与经济的复杂网络. 降碳和减污属于双减目标，服务于环境系统，扩绿和增长属于双升目标，分别服务于生态系统和经济系统. 早在20世纪90年代，Grossman等^[7]就揭示了环境污染与经济发展间的关系呈“倒U”型，即经济发展到一定阶段后，由于对环境保护越来越重视，环境质量反而变好，后来这一观点被称作“环境库兹涅茨曲线”，并在大量研究中得到证实^[8，9]，因此经济高质量增长与生态环境治理和保护之间是互促互进的关系. 从定义上来说，环境系统与生态系统间联系密切. 在生态经济学理论中，经济系统又被视为生态系统的子系统^[10]. 因而降碳、减污、扩绿和增长作为三大系统的子目标，既相互独立又相互联系. 降碳旨在降低碳排放，实现碳中和，减污重在减少污染物排放，扩绿致力于修复生态系统，推进美丽中国建设，增长则着眼于实现经济高质量发展^[11]. 在经济高速发展过程中，各项经济活动导致二氧化碳和污染物的过度排放^[12]，破坏了环境系统和生态系统，严重制约了经济可持续发展，打破了3个系统间的平衡，倒逼经济转向高质量阶段发展. 而降碳和减污有助于环境系统恢复，扩绿促进生态系统修复，增长推动经济稳定增长，四者协同能够重新实现三大系统间的平衡，殊途同归.

从生态经济学视角看，降碳-减污-扩绿-增长协同的推进最终有助于节省成本并创造经济价值. 碳平衡的实现依赖于根源降碳和陆地生态系统固碳，碳排放主要来源于化石能源消费、工业生产和居民生活^[13]，控制碳排放是降碳的有效途径. 陆地生态系统通过植被和土壤储存二氧化碳，清洁、安全且高效^[14]，其碳储量变化受土地利用变化的影响^[15，16]. 扩绿提升植被覆盖率，增加碳储，推动地球碳平衡^[17]，与降碳目标协同推进可降低成本. 减污手段包括源头防治和生态系统净化功能，污染物主要来自化石能源消耗、工业生产和居民生活^[13]，源头防治能有效减少污染物排放. 生态系统具有自净功能，扩绿可修复生态系统并净化污染物 ^[18]，因此，减污与扩绿目标一致，协同推进有助于降低成本. 降碳与减污源头大体重合，协同推进亦能降低成本^[13]. 环境治理、生态修复与经济发展应同步进行，避免“先污染，后治理”的模式，后者短期内虽能促进经济增长，但长期会显著增加成本^[19]. 所以，从成本角度考虑，降碳、减污、扩绿和增长应协同推进. 同时，减污和降碳协同实践不仅能够促进资源节约和高效利用，还推动绿色产业快速发展，为经济绿色转型和可持续发展注入新活力^[20]. 扩绿有助于生态系统修复，为产业发展创造良好生态环境^[21]. 同时，扩绿实践需要绿色技术创新，可提升绿色专利数量，推动绿色产业发展，带动就业^[22]. 四者协同的合力能够大力带动经济发展，创造新的经济增长点. 图 1展示了降碳-减污-扩绿-增长协同机制.

图 1 降碳-减污-扩绿-增长协同机制 Fig. 1 Synergistic mechanism diagram of carbon reduction-pollution reduction-green development-economic growth

因此，区域降碳-减污-扩绿-增长协同发展的思想，不仅是环境、生态与经济交织的研究框架，更是一种空间哲学. 生态文明经济学理论需与空间发展理论深度融合，以应对当代社会挑战. 当前研究区域空间降碳-减污-扩绿-增长协同及其中任意两者协同的模型主要有5种：耦合协调度模型用于研究区域降碳-减污-扩绿-增长协调发展水平，可分析耦合协调度时空演化格局^[23，24]，广泛应用于绿色可持续发展^[25~28]和碳排放^[29，30]等领域；重心-标准差椭圆方法用于研究减污降碳协同发展水平的重心转移和离散趋势^[31]；Dagum基尼系数方法可评估地区差距水平，已有研究用其测度黄河流域降碳-减污-扩绿-增长耦合协调度水平地区差距^[24]；修正引力模型可研究不同区域间的空间作用机制，已有研究探讨减污降碳协同的空间规律^[32]以及省域尺度降碳-减污-扩绿-增长协同的空间关联特征^[33]；时空地理加权回归模型能揭示因变量与自变量在不同空间和时间尺度上的变化关系，已有研究用于分析黄河流域降碳-减污-扩绿-增长协同发展水平的驱动因素在空间上的异质性^[24].

通过系统性文献分析发现，当前关于干旱区都市圈降碳-减污-扩绿-增长四维协同发展仍然存在3个方面研究空间：首先，在方法论层面，现有研究未能充分整合时空网络模型的动态建模优势，鲜有研究将其应用于干旱区城市进行分析；其次，在理论建构维度上，现有指标体系存在双重割裂：其一，降碳系统、减污系统、扩绿系统与增长系统这4个子系统间的指标关联性尚未建立，导致协同发展评价缺乏系统整合性；其二，指标遴选未能充分体现“降碳-减污-扩绿-增长”系统的非线性交互特征. 最后，在空间研究尺度方面，现有成果呈现两极分化态势：宏观层面的区域集群研究难以捕捉都市圈内部的空间异质性，而微观单元分析又无法揭示跨行政边界的协同治理机制. 本文提供的可能边际贡献：一是在研究方法上，综合耦合协调度模型、社会网络分析方法及随机指数图模型的优势，构建起水平测度-网络结构-形成因素的三维分析框架，对干旱区都市圈进行深入剖析；二是理论建构上，构建了适用于干旱区都市圈降碳-减污-扩绿-增长协同的综合评价指标体系，将降碳、减污、扩绿和增长这4个常被单独或两两探讨的维度，首次在都市圈尺度进行四维一体化协同实证研究. 三是研究尺度上，聚焦都市圈这一中观单元，兼顾内部异质性与跨区协同性，为厘清多元主体在经济高质量发展进程中的空间互动提供新的尺度范式和政策启示.

本研究基于环境-生态-经济三元协同理论，系统解构降碳-减污-扩绿-增长互馈机制，构建包含19个核心指标的四维协同评价体系. 以黄河“几字弯”都市圈为研究对象，创新性融合时空网络模型与系统耦合模型，定量解析2013~2022年降碳-减污-扩绿-增长协同的时空网络特征及形成因素，针对暴露出来的环境与经济问题提出政策建议，助力生态脆弱性都市圈实现可持续发展，为政策制定者提供科学依据和决策参考.

1 材料与方法 1.1 研究区概况

本文以黄河“几字弯”都市圈为研究区，指处在“几”字型弯顶端的3 000 km河段所流经的区域，该都市圈包含太原、呼和浩特和银川这3个省会城市，以及宁夏吴忠、中卫和石嘴山，内蒙古乌海、巴彦淖尔和包头，陕西榆林、延安，山西朔州、忻州和吕梁等19个地市，集能源富集区、革命老区、民族聚集区、边疆地区、传统农牧区和流域文化发祥区于一体，是新一轮西部大开发的重要引擎^[6]. 该区域多为干旱和半干旱地区，气候干燥，降水量低. 区域内分布着库布其沙漠、乌兰布和沙漠、腾格里沙漠和毛乌素沙地等沙漠或沙地，是中国东部地区沙尘天气的重要沙源区和路径区，也是黄河中下游泥沙的主要源区. 由于阿拉善数据严重缺失，因而本文将其标记为无数据区域. 后文所涉及的城市名均指行政市. 图 2为研究区域.

图 2 研究区域 Fig. 2 Research area

1.2 研究方法 1.2.1 降碳-减污-扩绿-增长协同水平测度模型

（1）指标体系构建本文将降碳、减污、扩绿和增长作为4个系统，研究各城市在2013~2022年4个系统的协同发展特征. 依据科学性、均衡性、全面性与可得性4个原则，本文选取19个指标建立起降碳-减污-扩绿-增长协同综合指标体系，如表 1所示.

表 1 指标体系^1） Table 1 Indicator system

借鉴现有研究 ^[34~36]，降碳系统指标的选取主要依据CO₂排放量以及CO₂产生的根源，即化石能源消耗^[14]. 减污系统指标的选取综合考虑了污染产生与污染治理. 借鉴相关研究 ^[37~39]，污染产生选用工业烟尘排放强度、工业废水排放强度及PM_2.5质量浓度这3项负向指标来衡量，污染治理选取一般固体废弃物综合利用率、污水处理率这2项指标来衡量. 借鉴相关研究^[40]，扩绿层指标综合考虑扩绿潜力和扩绿成效. 绿色发明专利是以生态治理和生态平衡改善为发明主题的专利^[41]，因而用绿色发明专利密度来衡量干旱区都市圈扩绿潜力，而建成区绿化覆盖率、人均公园绿地面积、人均林地面积和建成区绿地率用来衡量扩绿成效. 增长层指标综合考虑经济增长的增长动力与产出绩效. 借鉴相关研究^{[33，42，43]}，用“人力资本水平”与“科技支出水平”来衡量经济增长的“增长动力”，用“人均GDP”“居民消费水平”和“人均可支配收入”反映经济增长的“产出绩效”.

为了消除指标量纲对评价结果的影响和指标权重计算的客观性，实现对降碳-减污-扩绿-增长协同发展水平的全面评估，本研究先利用归一化模型对数据进行标准化，然后采用熵值法确定各指标的权重，进而计算各指标的综合评价得分.

本研究利用耦合协调度模型来测算黄河“几字弯”都市圈各地市降碳-减污-扩绿-增长协同发展水平，耦合协调度值越高，代表4个系统间的协同发展水平越好^[33]. 计算公式如下：

$耦合度：

C = {\{\frac{U_{1} \times U_{2} \times U_{3} \times U_{4}}{[(U_{1} + U_{2} + U_{3} + U_{4} {) / 4]}^{4}}\}}^{\frac{1}{4}}

(1)

$协调度：

T (U_{1}, U_{2}, U_{3}, U_{4}) = β_{1} U_{1} + β_{2} U_{2} + β_{3} U_{3} + β_{4} U_{4}

(2)

$耦合协调度：D=

\sqrt[]{T \times C}

(3)

式中，C为减污、降碳、扩绿和增长这4个系统间的耦合度， $U_{1} 、 U_{2} 、 U_{3} 和 U_{4}$ 分别为降碳、减污、扩绿和增长系统的综合得分. T为降碳、减污、扩绿和增长系统的协调度，D为耦合协调度，用来衡量降碳、减污、扩绿和增长协同发展水平，按照相关研究对其等级进行划分^[40]，如表 2所示；β₁、β₂、β₃和β₄为待定系数，表示4个子系统在复合系统中所占权重. 参考已有相关研究^[33，44]，研究中的权重系数取值为1/4.

表 2 耦合协调度等级划分 Table 2 Classification of coupling coordination degrees

1.2.2 降碳-减污-扩绿-增长协同发展的空间关联网络分析方法

（1）修正引力模型本研究采用修正引力模型，确定降碳-减污-扩绿-增长关联关系矩阵^[33]，计算公式如下：

F_{i j} = K_{i j} \times \frac{L_{i} \times L_{j}}{D_{i j}^{2} / (g d p_{i} - g d p_{j})^{2}}

(4)

K_{i j} = \frac{L_{i}}{L_{i} + L_{j}}

(5)

式中，F_ij为地级市i与j之间降碳-减污-扩绿-增长协同发展的关联强度，L_i与L_j分别为地级市i与地级市j的降碳-减污-扩绿-增长协同发展水平值，D_ij为地级市i与地级市j的中心之间的地理距离，单位km；gdp_i与gdp_j分别为地级市i与地级市j的人均GDP，单位元·人^-1；K_ij为引力系数，衡量地级市间降碳-减污-扩绿-增长协同的贡献率.

运用式（4）和式（5）计算并形成黄河“几字弯”都市圈降碳-减污-扩绿-增长协同空间关联的引力矩阵. 以2013年作为基期，使用“均数原则法”计算该年份引力矩阵各行均值并以此作为其余年份的阈值^[45]. 当城市间引力值大于该阈值时计为“1”，反之计为“0”，形成非对称性二值矩阵，最终确定空间网络关联矩阵.

（2）整体网络特征分析法本研究主要用关联强度及网络密度分析整体网络特征，网络密度可以测量网络中各城市间联系的总体紧密度. 整体网络的密度越大，表示城市间的联系越紧密^[46]. 网络密度的计算公式如下：

N D = \frac{M}{N (N - 1)}

(6)

式中，ND为网络密度，M为空间关系矩阵中的实际关联数量，N为网络节点数，即最大可能关联的城市数量.

（3）个体网络特征分析法本研究主要利用度数中心度、中介中心度与接近中心度来探究节点城市的特征. 度数中心度可以测度某一城市对其他城市的吸引力，中介中心度可以反映某一城市作为中间点连接其他两个城市的作用，接近中心度可以反映城市间的直接联系. 度数中心度、中介中心度和接近中心度的计算公式如下^[47]. 度数中心度：

D C = \frac{1}{n - 1} k_{i}

(7)

式中，DC为度数中心度，n为网络中节点个数， $k_{i}$ 为与城市i相连的城市数量. 中介中心度：

B C_{k} = \frac{2}{(n - 1) (n - 2)} \sum_{i = 1, j \neq k}^{n} \sum_{j \neq k}^{n} \frac{g_{i j}^{k}}{g_{i j}}

(8)

式中，BC_k为中介中心度，n为网络中节点个数， $g_{i j}^{k}$ 为城市i到城市j的最短路径中经过城市k的数量， $g_{i j}$ 为城市i到j的最短路径数量. 接近中心度：

C C_{i} = {[\frac{1}{n - 1} \sum_{j = 1, j \neq i}^{n} d_{i j}]}^{- 1}

(9)

式中，CC_i为接近中心度，n为网络中节点个数， $d_{i j}$ 为城市i与j之间最短路径数量.

（4）块模型分析法块模型分析法是利用UCINET中的相关迭代收敛法（convergent correlations，CONCOR）^[48]，通过聚类方式识别板块，探讨板块间的关联关系、板块内城市的关系以及板块在关联网络中的角色和定位. 本研究设置最大分割深度为2，将黄河“几字弯”都市圈划分成4个板块.

（5）指数随机图模型分析法本研究运用指数随机图模型（exponential random graph model，ERGM）刻画降碳-减污-扩绿-增长协同关联网络内部因素与外部因素对网络关联关系生成的多层次影响，系统揭示网络结构形成因素. 参考已有研究^[49]，随机指数图模型设置如下：

P (Y = y) = \frac{e x p [\sum_{k} θ_{k} Z_{K} (y)]}{c}

(10)

式中，P（Y=y）为网络结构实现的概率；Y为所有可能的网络集合；y为观测到的网络； $Z_{K} (y)$ 为第k个网络统计量； $θ_{k}$ 为网络统计量对应的参数，表示该结构对网络形成的影响程度；c为归一化常数. 本研究所选取的网络统计量有内生网络变量、个体属性变量和外部网络协变量这3类，如表 3所示. 本研究构建基准模型、地理模型、属性模型与完整模型这4种ERGM模型. 基准模型只含常数项“边”，地理模型是在基准模型基础上加入“外部网络协变量”，属性模型是在地理模型基础上加入“个体属性变量”，完整模型是在属性模型基础上加入内生网络变量.

表 3 ERGM模型统计量描述及解释 Table 3 Description and interpretation of ERGM model statistics

类型	变量名称	含义	示意^1）	统计量	统计意义
内生网络变量	edges	边	①	$\sum_{i, j} y_{i j}$	常数项
	mutual	互惠性	②	$\sum_{i, j} y_{i j} y_{j i}$	正显著参数表明四者协同在城市间存在双向连接关系
	gwesp	几何加权边共享伙伴	③	ATK_γ(y)	检验区域降碳-减污-扩绿-增长协同关联网络是否具有传递性
个体属性变量	nodeocov	发出效应	④	$\sum_{i, j} y_{i j} x_{i} x_{j}$	测度属性对四者协同发出关系的影响，正显著参数表明该属性越大越易促进更多的四者协同接收关系
个体属性变量	absdiff	异配性	⑤	$\sum_{i, j} y_{i j} δ_{i} δ_{j}$	检验属性差异较大的城市与其他城市相比是否更倾向于发生四者协同关联关系
外部网络协变量	edgecov	外部网络协变量	⑥	$\sum_{i, j} y_{i j} g_{i j}$	检验在其他存在关系的外生网络中，城市间是否更倾向于形成四者协同关联网络.
1）

表 3 ERGM模型统计量描述及解释 Table 3 Description and interpretation of ERGM model statistics

借鉴现有研究^[44，50]，本文选用边、互惠性和几何加权边共享伙伴作为内生网络变量，个体属性变量选取人均GDP、科技支出水平、人力资本水平、人均可支配收入以及是否是省会城市，验证发出效应，选取人均GDP、科技支出水平和人力资本水平验证异配性. 外部网络协变量选取地理距离和制度距离. 制度距离矩阵生成是根据两座城市是否位于一个省，同省计为1，非同省，计为0.

1.3 数据来源

降碳层4项指标数据和减污层5项指标数据主要来源于《中国城市统计年鉴》（2014~2023年）和《中国能源统计年鉴》（2014~2023年）. 扩绿层中，绿色发明专利密度指标的数据来源于国家知识产权局，绿色专利分类号参考WIPO绿色专利清单，建成区绿化覆盖率、人均公园绿地面积、建成区绿地率这3项数据来源于《中国城市统计年鉴》（2014~2023年），林地面积数据来源于二调分类数据（2013~2016年）、三调分类数据（2019~2022年）（https://gtdc.mnr.gov.cn/Share#/secondSurvey）. 增长层其余5项指标数据均来源于《中国城市统计年鉴》（2014~2023年）. 地级市间的地理距离采用ArcGIS 10.8平台点距离工具进行计算.

2 结果与分析 2.1 时空演变特征分析

本文采用降碳-减污-扩绿-增长耦合协调度（D值）表征四系统协同发展水平，该指标可有效反映区域经济高质量发展状况. 图 3展示了2013年、2016年、2019年及2022年这4个年份各地级市的耦合协调度值，D值越高表明协同发展水平越高.

图 3 2013~2022年耦合协调值 Fig. 3 Coupling coordination value from 2013 to 2022

从时序演变来看，2013~2022年黄河“几字弯”都市圈耦合协调度整体呈稳步上升趋势. 协调等级处于失调状态（D < 0.5）的城市数量从2013年的7个减少至2022年的1个. 三大省会城市至2022年均达到中级协调水平，其中银川在2019~2022年间实现从勉强协调到中级协调的跨越，D值由0.58提升至0.70. 2013年处于失调状态的吴忠、乌海、巴彦淖尔、榆林、朔州及石嘴山等6市，至2022年均进入协调等级. 值得注意的是，中卫虽从2013年的0.37波动上升至2022年的0.49，但仍处于濒临失调状态，其协同发展进程相对滞后.

究其原因，整体水平的提升可能得益于国家与区域绿色发展战略的持续推进，如节能减排技术的推广、产业结构优化升级以及生态修复工程的实施，共同促进了四系统间的良性互动. 银川降碳-减污-扩绿-增长耦合协调水平的跃升，其关键驱动在于产业结构绿色转型与污染协同治理等系统性工程的实施，而2017~2022年间高达88.31亿元的生态环境保护财政投入，为上述工程提供了有力支撑. 而中卫协调水平偏低，可能受制于其产业结构中高耗能、高排放行业占比较高、环境治理投入相对不足和生态环境本底脆弱等因素，导致降碳与减污压力较大，扩绿与经济增长之间未能形成有效协同.

从空间格局来看，如图 4所示，西部区域城市的耦合协调水平普遍低于东部，但区域差异呈缩小态势. 东部城市如太原和呼和浩特均已达到中级协调水平，与其较为发达的第三产业、较高的环保投入和科技支撑能力密切相关；西部城市如乌海和巴彦淖尔等虽然起点较低，但依托能源转型、生态治理及区域协作等措施，协调水平提升显著，反映出区域协同发展战略的积极成效. 空间差异的收敛可能源于近年来中西部生态补偿机制完善、转移支付增加及产业承接中的绿色门槛提高，从而促进了整体协调性的增强.

阿拉善属于黄河“几字弯”都市圈，但由于数据严重缺失，因此标记为“无数据”，下同图 4 2013年、2016年、2019年和2022年降碳-减污-扩绿-增长协同发展水平 Fig. 4 Synergistic development level of carbon reduction-pollution reduction-green development-economic growth in 2013, 2016, 2019, and 2022

2.2 空间关联网络特征分析 2.2.1 整体网络特征分析

基于2013年、2016年、2019年与2022年这4个年份修正引力模型测算结果，本研究对黄河“几字弯”都市圈内地级市之间降碳-减污-扩绿-增长协同发展的空间关联格局及其演变特征进行系统分析. 结果显示，区域协同引力值整体呈显著上升趋势，尤其在2019~2022年间，多个关联对的引力值跃升至最高等级，标志着协同进程明显加速. 2013年、2016年、2019年和2022年的网络密度分别是0.29、0.37、0.36和0.54，网络密度整体呈上升趋势，在最近3 a提升显著，说明城市间联系不断增强，协同网络日趋紧密和结构化.

从时间演变特征来看，城市间关联强度总体呈上升趋势，但2019年关联强度处于第三、四等级的关系数量呈下降趋势，第四等级的关系数量从7条变为2条，尤其鄂尔多斯和包头与周边城市的关联强度出现明显降级. 可能是因为2019年黄河流域生态保护和高质量发展战略的逐步部署与落实，鄂尔多斯和包头等传统能源型城市面临更严格的生态红线管控与节能减排要求. 这促使地方发展思路主动或被动地进行调整，短期内对基于传统能源、高耗能产业的区域协作链条形成了约束，导致原有高强度关联弱化. 再加上2019年能源价格经历显著波动，同时全球自由贸易受到一定冲击，对依赖资源开发的城市造成影响，阻碍了其投资能力与发展动能.

从空间格局演变来看，如图 5所示区域协同发展呈现出多层次、非均衡的演进特征，也表现出较强的空间集聚与功能协同倾向. 鄂尔多斯、榆林和银川等资源型城市始终处于协同网络的核心枢纽位置，其与周边城市形成较高强度联系，凸显能源型城市在区域绿色转型中发挥的关键支撑作用. 呼和浩特、包头和太原等区域中心城市则承担“桥梁”功能，有效衔接外围地区，推动协同关系向纵深发展. 相比之下，忻州、朔州、晋中和吕梁等城市更多处于协同网络的外围，其联结能力相对有限，反映出网络中存在的“核心-边缘”结构特征，因而未来区域一体化需进一步关注边缘城市的融入机制. 这种空间格局的形成与演变受多重因素驱动. 首先，资源禀赋与产业分工是根本基础，能源城市与制造业城市之间因产业链互补形成天然协作需求. 其次，交通设施尤其是高速铁路和干线公路网的加密，极大压缩了时空距离，为跨市域协同提供了物理条件. 此外，生态共治和政策联动也成为重要推手，区域性大气污染防治、流域生态补偿等机制有效促进了城市间环境治理合作. 与此同时，不同城市在绿色技术、产业结构与环境规制强度上的差异，也推动了功能互补型协同关系的建立.

图 5 2013年、2016年、2019年和2022年黄河“几字弯”都市圈空间关联网络 Fig. 5 Spatial association network of the spatial correlation network of the Yellow River "Ji-shaped Bend" bend urban agglomeration in 2013, 2016, 2019, and 2022

总体而言，黄河“几字弯”都市圈的协同网络已逐步由初期松散、单极引领的结构，演进为多中心、强联系和功能互补的协同体系. 这一转变是资源基底、设施连通、政策推动共同作用的结果，标志着区域正在迈向更高质量、更加可持续的一体化发展新阶段.

2.2.2 节点城市特征分析

本研究基于2013年与2022年城市网络数据，从度数中心度、中介中心度与接近中心度这3个维度对黄河几字弯都市圈内各城市的个体网络特征进行对比分析，如表 4所示. 意在探究黄河“几字弯”都市圈各地市降碳-减污-扩绿-增长协同发展空间关联网络结构的中心性特征，识别出区域网络结构关键节点的功能演变.

表 4 降碳-减污-扩绿-增长协同发展空间关联网络结构的中心性特征 Table 4 Centrality characteristics of the spatial correlation network structure of carbon reduction-pollution reduction-green development-economic growth

（1）度数中心度特征从度数中心度特征来看，区域网络联系强度显著提升. 2022年相比2013年，出度与入度均值分别从5.00上升至9.17，表明城市间互动频率明显增强. 作为国家级能源基地“鄂尔多斯盆地”核心城市的鄂尔多斯和榆林始终保持较高的出度值，其煤炭、天然气等资源的输出需求促使该地区形成强大的对外辐射能力. 与此同时，呼和浩特和太原等区域性中心城市的入度显著提升，这源于其在黄河流域生态保护和高质量发展战略中被赋予的区域服务功能，作为行政、金融和创新中心，吸引着周边城市的资源要素集聚. 值得注意的是，乌海出度从4.00跃升至12.00，反映出该地区在传统产业转型升级过程中，通过延伸产业链条增强了与周边地区的产业协作.

（2）中介中心度特征在中介中心度方面，网络结构呈现出去单级中心化趋势. 虽然鄂尔多斯、榆林等传统枢纽城市仍保持较高中介中心度，但区域均值从12.83下降至7.83，表明网络结构由单核心向多中心转变. 这一变化可能源于三方面原因：一是交通基础设施的完善大幅提升了城市间的直达性，降低了对传统枢纽的依赖；二是区域产业分工深化促使各城市建立直接合作关系，如忻州与太原在装备制造业形成的产业链协同；三是数字经济快速发展打破了信息传递的地理约束，促使信息交换不再完全依赖物理枢纽节点.

（3）接近中心度特征 2022年相比2013年，外接近度均值从37.75增至69.83，内接近度均值从55.62增至69.84，城市间直接联系增强，这反映了区域协同发展的深化. 从各城市具体来看有三点规律：一是除包头的内接近中心度有小幅下降以外，所有城市的外接近中心度和内接近中心度都呈上升趋势；二是鄂尔多斯的外接近中心度和内接近中心度远远领先其他城市；三是延安的内接近中心度上升幅度较大. 这种变化可能得益于三方面因素：首先，国家层面推动的流域协同治理机制成效显著，极大地增强了城市间在环境保护方面的直接联系. 其次，区域产业协同发展取得突破，能源化工产业集聚区的形成，使相关城市在产业链上下游形成紧密合作. 最后，基础设施互联互通的持续推进，特别是高速铁路网和区域高速公路网的完善，显著压缩了时空距离，为城市间直接合作提供了物理基础. 延安的接近中心度从极低水平跃升到区域平均水平，正是革命老区基础设施改善和生态保护政策倾斜共同作用的结果.

2.2.3 板块聚类特征分析

为了深入探讨黄河“几字弯”都市圈18个地市在降碳-减污-扩绿-增长协同发展空间网络关联中的角色定位，本研究将18个地市按照空间聚类方法划分成4个板块，方便更清晰地观察板块内部结构以及与其他板块间的关联关系. 表 5展示了2013年和2022年黄河“几字弯”都市圈各板块空间关联关系，将2013年板块空间关联关系与2022年相比较有利于探究这10 a板块发生的变动，以及部分城市的角色定位变化，可以为优化降碳-减污-扩绿-增长协同发展布局提供借鉴.

表 5 板块空间关联关系^1） Table 5 Plate spatial correlation

2013~2022年，黄河“几字弯”都市圈空间关联网络经历了显著的结构性演变，体现出从“多板块互动、内聚与外溢并存”向“多板块溢出-单极受益”的极化格局转变的总体特征. 这一变迁深刻反映了能源型地区在发展转型过程中区域协同机制的复杂性与不均衡性.

将2013年和2022年的板块间密度与2013年网络密度0.29进行比较，大于0.29，赋值为1，反之，赋值为0，将密度矩阵转化为像矩阵，如表 6所示. 在此基础上，利用板块空间关联关系表绘制板块关系，如图 6所示. 在2013年，板块结构呈现典型的“双溢出–净受益”二元模式. 板块2和板块4作为净受益板块，实际内部关系比例分别为37.5%和20%，显示出较强的板块内聚力和资源吸纳能力. 银川、吴忠和中卫依托沿黄经济带形成紧密产业协作，呼和浩特、包头和鄂尔多斯则凭借能源重化工业基础和政策优势接收外部资源. 相反，板块1和板块3作为双溢出板块，对外溢出关系数远超接收关系数，尤其板块3对板块4的溢出关系达12条. 这一格局形成的原因可能是陕北与晋北作为传统能源输出地，与消费地建立了稳定的资源供应链，但受限于产业结构和地理阻隔，其板块内部联系较弱，处于网络中的“供给侧”地位.

表 6 降碳-减污-扩绿-增长协同空间关联网络的密度矩阵和像矩阵 Table 6 Density matrix and image matrix of the spatial correlation network of carbon reduction-pollution reduction-green development-economic growth

白色箭头上的数值表示内部关系数，黑色箭头上的数值表示溢出关系数图 6 黄河“几字弯”都市圈降碳-减污-扩绿-增长协同发展网络的各板块空间联系 Fig. 6 Spatial linkages of the carbon reduction-pollution reduction-green development-economic growth synergy network in the Yellow River “Ji”-shaped bend urban agglomeration

至2022年，板块角色和空间流向发生重大重构. 原先的双溢出板块彻底消失，板块1、板块2和板块3均成为净溢出板块，而板块4成为全区唯一的净受益板块. 这一转变表明区域资源流动的极化和对外依赖性的整体上升. 板块1（延安、中卫等）和板块2（晋中、忻州等）内部凝聚力明显减弱，实际内部关系比例分别降至11.76%和13.46%，远低于期望值. 反映出陕北、晋中等资源型地区在能源转型背景下，传统内生联动机制减弱，而能源输出、劳动力流动等对外功能联系进一步增强. 板块3（鄂尔多斯、银川等）虽被识别为净溢出板块，但其内部密度高达0.83，表明鄂、乌、银、榆之间形成了能源金三角地区的高强度协同集群，现代煤化工和新能源等合作深化了子群内部结构.

板块4始终为“净受益板块”，但其接收外部关系数从2013年的22条大幅上升至2022年的35条. 这可能得益于呼包鄂稀土、乳业、装备制造等多元产业的升级和集聚效应，另一方面也反映出太原因政策赋能和服务中心功能而强化了辐射带动力. 而从溢出-接收关系来看，板块2向板块3的溢出从2013年的1条急剧增长至2022年的23条，可能因为山西与宁蒙地区基于能源产业链实现了深度合作.

2.2.4 网络成因分析

为系统揭示“降碳-减污-扩绿-增长”协同关联网络的形成机制，本研究对比了基准模型、地理模型、属性模型与完整模型的AIC值、BIC值与LogLik值，评估模型拟合优度与解释力. 从模型比较结果可见（见表 7），完整模型在AIC和BIC上均显著低于其他3类模型，同时其LogLik值最大，表明完整模型在统计意义上具有最优的拟合效果. 因此，后续分析以完整模型的估计结果为基础，深入探讨各因素对协同关联网络形成的影响机制.

表 7 模型比较结果 Table 7 Model comparison results

对完整模型3种变量的参数进行估计，如表 8所示. 互惠性参数显著，这一结果强烈支持协同关系具有双向互动特征，表明城市间在“四重目标”推进中并非单向输出或被动接受，而是通过政策互动、技术交流、项目共建等方式形成互惠合作格局，进一步强化了网络的稳定性与持续性.

表 8 完整模型参数估计^1） Table 8 Full model parameter estimates

科技支出水平（nodecov.science_expenditure）对协同关系的“发出效应”具有显著负向影响. 可能原因是科技投入较高的城市往往具备较强的自主创新能力和技术吸收能力，更倾向于独立推进绿色低碳转型及经济高质量发展，对外部协同的依赖度较低. 此外，高科技支出城市可能面临更激烈的区域竞争，存在“技术壁垒”心理，削弱了其对外合作的意愿. 科技支出差异（absdiff.science_expenditure）对协同关系具有显著正向影响，表明科技支出水平差异越大的城市间越倾向于建立协同关系，即科技实力较强的城市可能通过技术输出、经验分享等方式带动相对滞后城市，而后者则提供市场、场景或政策试点空间，双方形成优势互补和互利共赢的合作模式. 其他属性变量如人均GDP、人均可支配收入、人口规模及是否为省会城市均未表现出显著影响，表明协同关联网络的构建并非由经济总量或行政等级主导，而更多依赖于城市间的功能互补性.

地理距离（edgecov.geo_dist_mat）对协同关系具有显著负向影响，表明空间距离仍是阻碍城市间建立协同关系的重要因素. 地理邻近性不仅降低信息传递与要素流动的成本，还有助于形成相似的资源禀赋与环境问题，从而增强合作的可行性与必要性. 制度距离（edgecov.inst_dist_mat）未表现出显著影响，说明行政边界对四者协同的制约作用较弱. 这可能与国家层面推动跨区域生态环境协同治理的政策导向有关.

3 讨论

当前，干旱区都市圈大多面临环境、生态和经济这3个方面问题，发展进程受到制约. 鉴于此现实困境，本研究构建起降碳-减污-扩绿-增长的四维指标体系，并借助耦合协调度模型以及时空网络模型，对干旱区都市圈四者协同水平进行测度，深入剖析都市圈各城市间空间关联特征与凝聚子群特征.

本研究与以往研究相比：一是尺度层面上，以往研究多着重于全国尺度^[33]以及省域尺度^[24]的降碳-减污-扩绿-增长协同发展规律探究，且发现中部、西部城市在四者协同发展水平上普遍落后于东部城市，经济发达城市往往占据主导地位，虹吸效应明显，地区间差距显著^[33]，本研究进一步验证了这项结论，揭示了鄂尔多斯这类拥有资源禀赋且经济发展水平较高的城市在城市圈中处于核心地位，对周边城市发展具有显著带动作用，同时也验证了在小尺度的干旱区城市中，四者协同发展水平也存在较大差距，且干旱区整体四者协同发展水平较低. 二是指标体系层面上，本研究结合干旱区都市圈的生态本底与发展阶段，构建了包含19项指标的四维评价体系，特别纳入了绿色发明专利密度、人均林地面积、科技支出水平等体现创新潜能与生态修复能力的指标，对该区域更加具有适配性. 三是研究方法上，以往研究多是基于单一空间计量模型对四者或者其中任意两者协同关系展开分析^[31，51]，较少有研究综合发挥耦合协调度模型和时空网络模型的优势，对城市降碳-减污-扩绿-增长协同发展水平、空间关联网络特征及成因进行揭示.

4 政策建议

（1）针对黄河“几字弯”都市圈西部部分地区协同水平仍偏低及区域差异问题，建议设立“西部绿色转型专项扶持基金”，对中卫、吴忠等协调度提升缓慢的城市进行精准帮扶.

（2）建议规划建设“呼、包、鄂、榆”绿色技术合作走廊，通过基础设施互联互通、共建环境权益交易市场、共享科创平台等措施，将核心城市的辐射力有效传导至忻州、朔州等边缘城市.

（3）构建更公平的区域利益分配机制，探索建立“降碳-减污-扩绿”贡献度核算与跨区补偿制度，允许榆林、鄂尔多斯等生态贡献大且对外溢出效应强的地区，通过水资源配额、生态指标交易等方式从太原、呼和浩特等受益地区获得合理补偿.

（4）鉴于科技支出差异显著促进协同、而地理距离仍构成阻碍，建议由省级政府联合搭建“黄河‘几’字弯都市圈绿色技术共享数字平台”，通过线上匹配促进异地技术供需对接，并结合5G、物联网技术降低远程环境监测与合作成本.

5 结论

（1）2013~2022年间，黄河“几字弯”都市圈降碳-减污-扩绿-增长协同发展水平整体稳步提升，区域差异逐步缩小，空间关联网络日趋紧密，形成多中心、强联系的功能互补结构. 鄂尔多斯和榆林等能源型城市和呼和浩特、包头、太原等城市发挥辐射与桥梁作用，同时网络结构呈现出去单级中心化趋势，各城市间联系更趋直接与均衡.

（2）研究期间黄河“几字弯”都市圈协同发展的空间关联结构发生显著重构，由“双溢出-净受益”模式转变为“多溢出-单极受益”的极化格局. 板块4（呼和浩特、包头、太原）成为全域唯一的净受益板块，接收外部关系显著增强，而其他板块内部凝聚力减弱、对外溢出增强，反映出区域资源流向趋于集中与极化.

（3）黄河“几字弯”都市圈降碳-减污-扩绿-增长协同空间关联网络协同关系表现出显著的互惠性，科技支出水平和地理距离对网络形成具有显著负向影响，科技支出水平差异则对网络形成具有显著的促进作用.

参考文献

[1]	董康银, 王建达, 张伟玉, 等. 大国气候博弈的中国经济与生态环境效应评估[J]. 中国人口·资源与环境, 2023, 33(9): 14-25. Dong K Y, Wang J D, Zhang W Y, et al. Economic and ecological impacts of the great power climate game on China[J]. China Population, Resources and Environment, 2023, 33(9): 14-25.
[2]	江孝君, 王小艳, 杨青山. 环渤海地区生态-经济-社会系统耦合协调时空演化特征及驱动机理[J]. 地理科学, 2024, 44(12): 2155-2165. Jiang X J, Wang X Y, Yang Q S. Spatio-temporal evolution characteristics and driving mechanisms of ecological-economic-social system coupling coordination in the Bohai Rim Area[J]. Scientia Geographica Sinica, 2024, 44(12): 2155-2165.
[3]	刘任涛, 程静. 黄河"几字弯"的地理界定及主要生态问题[J]. 应用生态学报, 2025, 36(2): 383-394. Liu R T, Cheng J. Geographical boundary line of the Yellow River's 'Ji Zi Bend' and its main ecological issues[J]. Chinese Journal of Applied Ecology, 2025, 36(2): 383-394.
[4]	魏向前. 黄河"几"字弯都市圈协同治理的动因、约束与前瞻[J]. 北方民族大学学报, 2022(1): 152-160. Wei X Q. Motivation, restriction and prospect of coordinated governance of Jiziwan metropolitan area of the Yellow River[J]. Journal of North Minzu University, 2022(1): 152-160.
[5]	曹晨, 黄贤金. 多要素流视角下黄河"几"字弯都市圈空间网络结构及影响因素研究[J]. 干旱区地理, 2023, 46(6): 993-1003. Cao C, Huang X J. Spatial network structure and its influencing factors of Jiziwan Metropolitan Area of the Yellow River from the perspective of multi-dimensional feature flow[J]. Arid Land Geography, 2023, 46(6): 993-1003.
[6]	王芳, 郭梦瑶, 牛方曲. 动—静"结合视角下都市圈多层次空间格局研究——以黄河"几"字弯都市圈为例[J]. 地理科学进展, 2023, 42(7): 1243-1255. Wang F, Guo M Y, Niu F Q. Hierarchical spatial pattern of urban agglomeration based on the dynamic and static data: a case study of the Yellow River Ji-shaped bend[J]. Progress in Geography, 2023, 42(7): 1243-1255.
[7]	Grossman G M, Krueger A B. Economic growth and the environment[J]. The Quarterly Journal of Economics, 1995, 110(2): 353-377. DOI:10.2307/2118443
[8]	Bilgili F, Koçak E, Bulut Ü. The dynamic impact of renewable energy consumption on CO₂ emissions: a revisited environmental Kuznets Curve approach[J]. Renewable and Sustainable Energy Reviews, 2016, 54: 838-845. DOI:10.1016/j.rser.2015.10.080
[9]	Ulucak R, Bilgili F. A reinvestigation of EKC model by ecological footprint measurement for high, middle and low income countries[J]. Journal of Cleaner Production, 2018, 188: 144-157. DOI:10.1016/j.jclepro.2018.03.191
[10]	赫尔曼·E·戴利. 超越增长: 可持续发展的经济学[M]. 上海: 上海译文出版社, 2001.
[11]	夏学超, 孙慧, 祝树森, 等. 多元主体环境规制组合如何实现降碳减污扩绿增长协同推进?[J]. 中国人口·资源与环境, 2024, 34(8): 22-35. Xia X C, Sun H, Zhu S S, et al. How can a combination of environmental regulations by multiple stakeholders achieve the synergistic advancement of carbon reduction, pollution control, green expansion, and economic growth?[J]. China Population, Resources and Environment, 2024, 34(8): 22-35.
[12]	狄乾斌, 梁晨露, 陈小龙. 广东省减污降碳与经济发展的动态协调效应[J]. 环境科学, 2025, 46(2): 669-681. Di Q B, Liang C L, Chen X L. Dynamic coordination effect of pollution reduction, carbon reduction, and economic development in Guangdong Province[J]. Environmental Science, 2025, 46(2): 669-681. DOI:10.13227/j.hjkx.202402014
[13]	Yi M, Guan Y Y, Wu T, et al. Assessing China's synergistic governance of emission reduction between pollutants and CO₂ [J]. Environmental Impact Assessment Review, 2023, 102. DOI:10.1016/j.eiar.2023.107196
[14]	赵同谦, 欧阳志云, 王效科, 等. 中国陆地地表水生态系统服务功能及其生态经济价值评价[J]. 自然资源学报, 2003, 18(4): 443-452. Zhao T Q, Ouyang Z Y, Wang X K, et al. Ecosystem services and their valuation of terrestrial surface water system in China[J]. Journal of Natural Resources, 2003, 18(4): 443-452.
[15]	蔡育蓉, 王立刚. 北方典型农业生态系统的固碳减排路径及模式[J]. 中国生态农业学报(中英文), 2022, 30(4): 641-650. Cai Y R, Wang L G. Carbon sequestration and greenhouse gas mitigation paths and modes in a typical agroecosystem in northern China[J]. Chinese Journal of Eco-Agriculture, 2022, 30(4): 641-650.
[16]	王斌, 李玉娥, 蔡岸冬, 等. 碳中和视角下全球农业减排固碳政策措施及对中国的启示[J]. 气候变化研究进展, 2022, 18(1): 110-118. Wang B, Li Y E, Cai A D, et al. Global policies in agricultural greenhouse gas reduction and carbon sequestration and their enlightenment to China in the view of carbon neutrality[J]. Climate Change Research, 2022, 18(1): 110-118.
[17]	Yue C, Xu M Y, Ciais P, et al. Contributions of ecological restoration policies to China's land carbon balance[J]. Nature Communications, 2024, 15(1). DOI:10.1038/s41467-024-54100-9
[18]	周可欣, 王小瑞, 米世灿, 等. 土壤污染根际修复研究进展[J]. 中国生态农业学报(中英文), 2025, 33(4): 769-782. Zhou K X, Wang X R, Mi S C, et al. Research progress on rhizosphere remediation of soil pollution[J]. Chinese Journal of Eco-Agriculture, 2025, 33(4): 769-782.
[19]	徐志伟. 工业经济发展、环境规制强度与污染减排效果——基于"先污染, 后治理"发展模式的理论分析与实证检验[J]. 财经研究, 2016, 42(3): 134-144. Xu Z W. Industrial economic development, environmental regulation intensity and emissions reduction effect: theoretical analysis and empirical test based on development pattern of treatment after pollution[J]. Journal of Finance and Economics, 2016, 42(3): 134-144.
[20]	顾斌杰, 赵海霞, 骆新燎, 等. 基于文献计量的减污降碳协同减排研究进展与展望[J]. 环境工程技术学报, 2023, 13(1): 85-95. Gu B J, Zhao H X, Luo X L, et al. Research progress and prospect of collaborative reduction of pollution and carbon dioxide based on bibliometrics[J]. Journal of Environmental Engineering Technology, 2023, 13(1): 85-95.
[21]	屈志光, 杨伯元, 胡李丹, 等. 长江经济带土地利用模拟与扩绿增长协同发展[J]. 中国环境科学, 2025, 45(1): 465-476. Qu Z G, Yang B Y, Hu L D, et al. Simulation of land use and synergistic development between promoting green expansion and economic growth in the Yangtze River Economic Belt[J]. China Environmental Science, 2025, 45(1): 465-476.
[22]	李睿锴, 王冠, 赵宗泽, 等. 河南省生态经济耦合协调度时空分析[J]. 生态学报, 2025, 45(3): 1172-1183. Li R K, Wang G, Zhao Z Z, et al. Spatiotemporal analysis of ecological and economic coupling coordination degree in Henan Province[J]. Acta Ecologica Sinica, 2025, 45(3): 1172-1183.
[23]	Yang X, Ran G G. Factors influencing the coupled and coordinated development of cities in the Yangtze River Economic Belt: a focus on carbon reduction, pollution control, greening, and growth[J]. Journal of Environmental Management, 2024, 370: 122499. DOI:10.1016/j.jenvman.2024.122499
[24]	崔新蕾, 王艳融, 马艳茹. 黄河流域降碳-减污-扩绿-增长耦合协调的动态演进及其影响因素[J]. 水土保持研究, 2024, 31(4): 275-287. Cui X L, Wang Y R, Ma Y R. Dynamic evolution of carbon reduction-pollution reduction-green expansion-economic growth coupling coordination and its influencing factors in the Yellow River Basin[J]. Research of Soil and Water Conservation, 2024, 31(4): 275-287.
[25]	彭浩帆, 龙凤, 葛察忠, 等. "双碳"目标下林业资源型城市经济-环境-碳排放耦合协调发展研究——以伊春市为例[J]. 环境工程技术学报, 2023, 13(5): 1771-1778. Peng H F, Long F, Ge C Z, et al. Research on the coupled and coordinated development of economy-environment-carbon emission in forestry resource-based city under the goal of carbon peaking and carbon neutrality: a case study of Yichun City[J]. Journal of Environmental Engineering Technology, 2023, 13(5): 1771-1778.
[26]	邓宗兵, 肖沁霖, 王炬, 等. 中国数字经济与绿色发展耦合协调的时空特征及驱动机制[J]. 地理学报, 2024, 79(4): 971-990. Deng Z B, Xiao Q L, Wang J, et al. Spatio-temporal characteristics and driving mechanism of the coupling coordination between digital economy and green development in China[J]. Acta Geographica Sinica, 2024, 79(4): 971-990.
[27]	武宵旭, 任保平, 葛鹏飞. 黄河流域技术创新与绿色发展的耦合协调关系[J]. 中国人口·资源与环境, 2022, 32(8): 20-28. Wu X X, Ren B P, Ge P F. Coupling and coordinating relationship between technological innovation and green development in the Yellow River Basin[J]. China Population, Resources and Environment, 2022, 32(8): 20-28.
[28]	刘庆芳, 杨定, 杨振山, 等. 青藏高原国家公园群人文生态系统耦合协调评价及障碍因子识别[J]. 地理学报, 2023, 78(5): 1119-1135. Liu Q F, Yang D, Yang Z S, et al. Evaluation of coupling coordination and identification of obstacle factors of human ecosystem in Qinghai–Tibet Plateau National Park Cluster[J]. Acta Geographica Sinica, 2023, 78(5): 1119-1135.
[29]	刘崇刚, 孙伟, 张落成. 长江三角洲碳排放与植被覆盖耦合协调时空格局及影响因素分析[J]. 地理科学, 2023, 43(1): 142-151. Liu C G, Sun W, Zhang L C. Spatio-temporal pattern of coupling coordination degree between carbon emissions and vegetation cover and its influencing factors of the Yangtze River Delta[J]. Scientia Geographica Sinica, 2023, 43(1): 142-151.
[30]	杨吉鑫, 崔许锋, 张光宏. 长江中游城市群城乡融合与碳排放耦合协调时空演化及影响因素[J]. 长江流域资源与环境, 2024, 33(11): 2474-2487. Yang J X, Cui X F, Zhang G H. Spatio-temporal evolution and influencing factors of coupling coordination between urban-rural integration and carbon emission in urban agglomeration in the middle reaches of the Yangtze River[J]. Resources and Environment in the Yangtze Basin, 2024, 33(11): 2474-2487.
[31]	邢会, 霍晓谦. 中国县域减污降碳协同增效的时空演变及影响因素[J]. 中国环境科学, 2025, 45(3): 1657-1673. Xing H, Huo X Q. The spatiotemporal pattern evolution and influencing factors of synergistic reduction of pollution and carbon emissions in Chinese counties[J]. China Environmental Science, 2025, 45(3): 1657-1673.
[32]	韩冬日, 刁燕霞, 王心娟. 黄河流域减污降碳协同治理效率空间网络关联特征及驱动因素[J]. 环境科学, 2025, 46(6): 3592-3603. Han D R, Diao Y X, Wang X J. Correlation characteristics and driving factors of spatial network of collaborative governance efficiency of pollution reduction and carbon reduction in the Yellow River Basin[J]. Environmental Science, 2025, 46(6): 3592-3603. DOI:10.13227/j.hjkx.202405227
[33]	崔新蕾, 王冉冉. 中国降碳-减污-扩绿-增长协同发展空间关联网络特征及影响因素研究[J]. 环境科学研究, 2024, 37(7): 1446-1457. Cui X L, Wang R R. Research on the spatial correlation network characteristics and influencing factors of coordinated development of carbon emission reduction-pollution reduction-green expansion-economic growth in China[J]. Research of Environmental Sciences, 2024, 37(7): 1446-1457.
[34]	何启志, 郭梦娟. 中国省域减污降碳协同效应分析及驱动因素[J]. 环境科学, 2026, 47(7): 4544-4557. He Q Z, Guo M J. Analysis of the synergy effect of pollution reduction and carbon reduction in China's provincial regions and its drivers[J]. Environmental Science, 2026, 47(7): 4544-4557. DOI:10.13227/j.hjkx.202505316
[35]	王宇晴, 孙伟, 刘崇刚. 中国省域经济增长与降碳协同的时空异质性及影响因素[J]. 环境科学, 2026, 47(5): 2882-2894. Wang Y Q, Sun W, Liu C G. Spatio-temporal heterogeneity and influencing factors of the synergy between economic growth and carbon reduction in Chinese provinces[J]. Environmental Science, 2026, 47(5): 2882-2894. DOI:10.13227/j.hjkx.202502082
[36]	李俊明, 胡雅璇, 杜文晶, 等. 新质生产力视域下科技驱动减污降碳协同增效的非线性效应及空间分异[J]. 经济地理, 2025, 45(4): 109-122. Li J M, Hu Y X, Du W J, et al. Nonlinear effects and spatial differentiation of synergy in pollution reduction and carbon emission reduction driven by science and technology under the background of new quality productive forces[J]. Economic Geography, 2025, 45(4): 109-122.
[37]	孙慧, 张学峰, 夏学超, 等. 产业转型升级示范区是否协同推进了降碳减污和扩绿增长?[J]. 中国人口·资源与环境, 2025, 35(4): 60-72. Sun H, Zhang X F, Xia X C, et al. Does the industrial transformation and upgrading demonstration zone policy synergize carbon reduction, pollution control, and green growth?[J]. China Population, Resources and Environment, 2025, 35(4): 60-72.
[38]	陆瑶, 孙慧, 夏学超, 等. 新质生产力对降碳减污协同推进的影响[J]. 环境科学, 2026, 47(7): 4519-4531. Lu Y, Sun H, Xia X C, et al. Impact of new quality productivity on the synergistic advancement of carbon reduction and pollution control[J]. Environmental Science, 2026, 47(7): 4519-4531. DOI:10.13227/j.hjkx.202504215
[39]	贯君, 刘旭, 关雨薇, 等. 城市群减污降碳协同增效的空间关联网络特征分析[J]. 环境科学, 2026, 47(3): 1595-1608. Guan J, Liu X, Guan Y W, et al. Analysis of spatial correlation network characteristics of synergistic effects in pollution reduction and carbon mitigation in urban agglomerations[J]. Environmental Science, 2026, 47(3): 1595-1608. DOI:10.13227/j.hjkx.202501219
[40]	陈秀端, 卢新卫. 陕西省降碳、减污、扩绿和增长协同的时空演化特征[J]. 环境科学, 2026, 47(7): 4558-4571. Chen X D, Lu X W. Spatiotemporal evolution characteristics of collaborative development of carbon reduction, pollution reduction, green expansion, and economic growth in Shaanxi Province[J]. Environmental Science, 2026, 47(7): 4558-4571. DOI:10.13227/j.hjkx.202506104
[41]	许可, 张亚峰. 绿色科技创新能带来绿水青山吗?——基于绿色专利视角的研究[J]. 中国人口·资源与环境, 2021, 31(5): 141-151. Xu K, Zhang Y F. Can green technology innovation bring 'lucid waters and lush mountains'?—A study based on the perspective of green patent[J]. China Population, Resources and Environment, 2021, 31(5): 141-151.
[42]	陈啸, 孙晓娇, 王国峰. 数字普惠金融、数字创新与经济增长——基于省级面板数据的实证考察[J]. 经济问题, 2023(6): 34-40. Chen X, Sun X J, Wang G F. Digital inclusive finance, digital innovation, and economic growth: based on the empirical investigation of provincial panel data[J]. On Economic Problems, 2023(6): 34-40.
[43]	刘殿国, 张又嘉. 市场化进程、对外开放与省域经济增长要素效率——基于多层统计模型的分析[J]. 经济问题, 2024(10): 112-121. Liu D G, Zhang Y J. Marketization process, opening up and the factors efficiency of provincial economic growth——based on multi-layer statistical model[J]. On Economic Problems, 2024(10): 112-121.
[44]	汪振双, 王宇飞, 汪涛, 等. 建筑业降碳-减污-扩绿-增长协同效应空间关联网络特征及驱动机制[J]. 中国环境科学, 2025, 45(7): 4064-4079. Wang Z S, Wang Y F, Wang T, et al. Spatial correlation network characteristics and drivers of carbon reduction-construction waste control-green expansion-economic growth synergy effect in construction industry[J]. China Environmental Science, 2025, 45(7): 4064-4079.
[45]	王胜鹏, 滕堂伟, 胡森林, 等. 中国数字经济空间网络结构演化及其驱动因素[J]. 地理科学, 2024, 44(5): 743-753. Wang S P, Teng T W, Hu S L, et al. Evolution and driving factors of spatial network structure of digital economy in China[J]. Scientia Geographica Sinica, 2024, 44(5): 743-753.
[46]	张军涛, 吴雨阳, 朱悦. 中国制造业与生产性服务业协同集聚的空间关联网络与驱动机制[J]. 地理学报, 2025, 80(2): 396-414. Zhang J T, Wu Y Y, Zhu Y. Spatial correlation network and its driving mechanism of collaborative agglomeration between manufacturing and producer services in China[J]. Acta Geographica Sinica, 2025, 80(2): 396-414.
[47]	翟梦新, 陆玉麒, 魏璐瑶. 长三角城市空间联系网络时空特征及影响因素——基于修正引力模型[J]. 长江流域资源与环境, 2025, 34(7): 1426-1440. Zhai M X, Lu Y Q, Wei L Y. Evolution of spatial association network of cities in Yangtze River Delta and influencing factors—Based on modified gravity model[J]. Resources and Environment in the Yangtze Basin, 2025, 34(7): 1426-1440.
[48]	Li Y, Hao S Z, Liu Y P, et al. Research on the spatial correlation network and its driving factors for synergistic development of pollution reduction, carbon reduction, greening, and growth in China's tourism industry[J]. Journal of Environmental Management, 2025, 377: 124579. DOI:10.1016/j.jenvman.2025.124579
[49]	王英杰, 王华春. 黄河流域水、能源、食物政策整合程度、模式与结构[J]. 中国人口·资源与环境, 2024, 34(6): 173-186. Wang Y J, Wang H C. Degree, patterns, and structure of water, energy and food policy integration in the Yellow River Basin[J]. China Population, Resources and Environment, 2024, 34(6): 173-186.
[50]	邓光耀, 沈迎辰. 中国生态韧性关联网络的特征及影响因素研究[J]. 干旱区地理, 2025, 48(4): 704-716. Deng G Y, Shen Y C. Characterization and influencing factors of ecological resilience linkage networks in China[J]. Arid Land Geography, 2025, 48(4): 704-716.
[51]	Duman Z, Mao X Q, Cai B F, et al. Exploring the spatiotemporal pattern evolution of carbon emissions and air pollution in Chinese cities[J]. Journal of Environmental Management, 2023, 345. DOI:10.1016/j.jenvman.2023.118870


环境科学 2026, Vol. 47 Issue (10): 6787-6801	PDF