《Ecological Indicators》:Digital-real integration networks and pollution-carbon reduction efficiency: a co-evolution analysis for Chinese cities
编辑推荐:
本研究利用2013-2023年中国300个城市的面板数据,调查了数字-实体融合的空间关联网络及其与污染碳减排的协同演化。以往研究通常采用引力模型,忽略了城市间的隐性关联。研究人员通过熵权TOPSIS(Technique for Order Preference
本研究利用2013-2023年中国300个城市的面板数据,调查了数字-实体融合的空间关联网络及其与污染碳减排的协同演化。以往研究通常采用引力模型,忽略了城市间的隐性关联。研究人员通过熵权TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)方法衡量数字-实体融合水平,利用贝叶斯潜在空间模型(Bayesian Latent Space Model, BLSM)优化网络,通过超效率SBM-GML(Slacks-Based Measure - Global Malmquist-Luenberger)模型估算污染碳减排效率,并借助哈肯模型(Haken model)评估协同演化。研究发现,中国数字-实体空间关联度从2013年的0.171上升至2023年的0.188,呈现“东高西低、中部追赶、东北稳定”的格局。贝叶斯方法捕捉到了隐性关联,三大城市群呈现不同的网络结构。污染碳减排效率呈现静态波动但动态增长,SBM值为0.149-0.633,GML值为1.239-5.533,2020年后急剧上升。数字-实体融合成为序参量,协同度在16.788-16.989之间(研究期间下降1.18%),核心城市和东部地区水平较高。讨论了政策启示。
**论文解读:数字-实体融合网络与污染碳减排效率的协同演化——基于中国城市面板数据的实证分析**
**研究背景与问题**
可持续发展受气候变化缓解与污染控制的双重约束,中国作为最大发展中国家面临严峻挑战。工业(尤其是重工业)消耗近70%的国家能源,因此污染碳减排成为中国绿色战略的核心。数字-实体融合被认为是重构生产与要素配置、缓解传统部门能源与排放压力的关键路径,但存在悖论:数字基础设施扩张与计算需求增长推高能源消耗(2023年全球数据中心耗电约460 TWh),而同样技术通过智能制造与资源效率提升可抑制工业排放强度。现有研究在数字-实体融合的空间关联网络测量上多依赖基于GDP、距离等显性指标的引力模型,难以捕捉跨区域数字要素流动的隐性关联(如技术溢出、信息共享);污染碳减排效率的测量多停留在省级尺度,忽略城市间差异,且空间网络结构对效率的间接影响未被充分考量;协同演化机制中缺乏定量指标,序参量(主导变量)及“慢变量主导、快变量从属”的模式尚未被识别。为此,研究人员基于300个中国城市2013-2023年面板数据,构建了城市尺度的综合分析框架,旨在精确刻画数字-实体融合网络结构、动态评估污染碳减排效率,并量化协同演化模式与区域异质性。该研究发表在《Ecological Indicators》。
**主要关键技术方法**
研究人员采用熵权TOPSIS(Technique for Order Preference by Similarity to Ideal Solution)方法构建多维度指标体系(涵盖数字基础设施、产业融合深度、数字创新应用等),客观测定城市数字-实体融合水平。基于引力模型构建初步空间关联矩阵,再引入贝叶斯潜在空间模型(Bayesian Latent Space Model, BLSM)将高维网络映射到低维潜在空间,利用马尔可夫链蒙特卡洛(MCMC)算法捕捉隐性跨区域关联。污染碳减排效率的静态测量使用超效率SBM(Slacks-Based Measure)模型处理非期望产出(能源消耗、污染物排放),动态增长使用GML(Global Malmquist-Luenberger)指数;2020-2023年缺失碳数据通过ARIMA(自回归积分滑动平均模型)填补。协同演化分析采用哈肯模型(Haken model),通过非线性动力学方程识别序参量并量化子系统间协同度。样本来源为300个中国地级市(2013-2023年),数据涉及统计年鉴、环境监测等公开来源。
**研究结果**
**3.1 数字-实体融合水平的时空演化特征**
基于300个城市面板数据,研究人员通过熵权TOPSIS测算发现,全国数字-实体融合平均水平从2013年的0.171稳步上升至2023年的0.187,空间关联持续增强。东部地区始终领先(0.229-0.254),形成网络核心枢纽;中部地区增长最快(从0.1657到0.1842),得益于“中部崛起”战略;西部地区增长缓慢(0.1406-0.1562),数字基础设施与产业转型差距明显;东北地区先波动后恢复至0.1584,呈现“东强西弱、中部追赶、东北稳定”格局。
**3.2 数字-实体融合空间关联网络的结构特征**
通过BLSM对京津冀、长三角、成渝三大城市群进行潜在空间估计,发现不同城市群呈现差异网络结构:京津冀以北京、天津为双核心,形成“核心-次级-外围”层级;长三角呈现极核化,上海、南京、杭州紧密互联,外围城市链接弱;成渝形成双核互动,成都与德阳、眉山紧密,重庆影响川南,内江、遂宁为双核枢纽。贝叶斯方法成功捕捉到隐性关联,如北京与深圳虽地理距离远但存在强数字链接,突破传统引力模型的距离衰减假设。
**3.3 污染碳减排效率的测量与动态演化**
基于226个有效城市(剔除数据缺失严重的城市),静态效率(SBM指数)在2013-2023年间波动于0.49-0.63,整体偏低,仅少数城市超过1,2015年骤降至0.15后反弹,2021-2022年略降,反映对工业转型与环境政策的敏感性。动态效率(GML指数)从1.24升至5.53,持续大于1,表明效率进步;2019-2020年加速,2020年后爆发式增长(4.53-5.53),与“双碳”政策推进同步。静态效率欠佳但动态增长强劲,2020年后尤为显著。
**3.4 协同演化参数识别**
通过哈肯模型对数字-实体融合(q1)与污染碳减排效率(q2)进行离散化动力学方程拟合,两种情景测试显示:情景1(q1为序参量、q2为快变量)拟合优度(R2)达0.987和0.963,系数显著;情景2拟合差且系数不显著。阻尼系数γ1=0.0005758(慢变量,衰减极慢),γ2=0.5824479(快变量,衰减快),阻尼比约1011.5,满足绝热近似条件,证实q1为序参量主导协同演化。系统势函数稳定点q0=17.6039,对应最优协同状态。
**3.5 协同演化水平的时空变异**
基于欧氏距离d(越小越接近最优协同),全国d从2013年的15.9820降至2023年的15.9725,下降0.59%,表明协调性改善。d集中在15.9113-16.1840,区域差异小,源于统一政策。分阶段:2013-2016年波动(15.977-15.982),数字-实体融合萌芽;2017-2020年下降(15.971-15.975),政策驱动增强;2021-2023年稳定(15.971-15.973),进入成熟期。空间上呈“核心-外围”结构:东部沿海核心城市群(长三角、珠三角、京津冀)d值低(协同优),西部资源型城市d值高(协同差),形成“东低西高”梯度与集聚模式。
**3.6 稳健性与敏感性检验**
通过将样本分为2013-2017年与2018-2023年两个子时期,独立样本t检验与Wilcoxon秩和检验显示d值分布无显著差异(p>0.79),效应量可忽略;改用曼哈顿距离替代欧氏距离,两种度量高度相关(Pearson r=0.8592,Spearman ρ=0.8668,p<0.001),且均呈下降趋势,确认结论稳健。
**讨论与结论**
**讨论部分总结**:
1) 数字-实体融合网络的“核心-外围”格局与现有研究一致,但BLSM揭示的隐性关联(如北京-深圳跨越式链接)挑战了传统引力模型的距离衰减假设,表明数字要素流动遵循“跳跃”模式。
2) 静态效率持续偏低(SBM<0.63)而动态效率2020年后爆发式增长,与“双碳”政策推出时间吻合,表明政策冲击主要通过技术追赶驱动效率增长,而非渐进式投入优化。
3) 哈肯模型定量识别数字-实体融合为序参量(阻尼比≈1011.5),证实数字赋能先于绿色转型,且为单向主导(而非双向因果),明确应优先提升数字-实体融合以促进污染碳减排。
4) 协同度d的空间异质性与网络核心-外围结构一致:东部核心城市群协同最优,东北和西部资源型城市最差,表明协同演化不会自动扩散,可能加剧数字鸿沟。
**研究结论翻译**:
首先,加强核心城市的数字中介功能。BLSM结果表明,潜在网络关联常绕过外围城市,使其连接薄弱。为此,应建立跨辖区的数字基础设施(如数据中心、云平台)共享制度化机制,要求上海、北京等核心枢纽将其数字服务能力的一部分分配给合作的外围城市,直接针对第4节中发现的“跳跃”链接模式。
第二,采取区域差异化的数字-绿色战略。协同度d的空间梯度(东部最低,东北最高)意味着统一政策将低效。对于东部沿海地区,数字-实体融合已领先,政策应激励前沿数字-绿色技术协同开发(如AI驱动的排放监测);对于中西部资源型城市,对能源密集型行业的数字改造给予财政补贴更具成本效益;对于东北地区,优先进行数字能力建设以振兴传统工业资产。这些区别直接源于表6和图5中记录的区域异质性。
第三,将协同度指标纳入地方绩效评估。鉴于序参量(q1)演化缓慢(阻尼系数γ1=0.000576),短期激励无法驱动持续协同演化。因此,研究人员建议将数字-实体融合与污染碳减排联合指标纳入城市官员年度绩效评估,评估周期为3-5年,这与第3.4节中识别的系统自然时间尺度一致。
第四,改进数字和环境指标的统计基础设施。数据缺口迫使效率分析中排除74个城市。为增强未来政策校准,研究人员建议中西部和东北城市采用东部省份的做法,对数字经济产出和环境成果(如城市级碳排放)采用标准化定义,从而更精准地定位协同增强政策。