长江经济带碳排放-交通运输-区域经济耦合协调研究

Research on Coupling Coordination among Carbon Emissions， Transportation， and Regional Economy in Yangtze River Economic Belt

摘要

研究聚焦长江经济带11个省(市)，构建“碳排放-交通运输-区域经济”综合评价指标体系，采用超效率SBM模型、熵权法、耦合协调度模型、莫兰指数、灰色关联度模型，分析2013—2022年三者耦合协调度及时空格局。结果表明：①长江经济带碳排放效率区域差异明显，仅上海、浙江、江苏三地达有效级；②三者耦合度均值为0.96，处于高水平耦合阶段，互动作用显著；③耦合协调度在时间上呈现先上升后下降的特征，空间上呈现“下游>中游>上游”梯度差异，下游依托交通网络与经济优势实现低碳引领，而中上游受制于交通发展短板与高耗能产业依赖，协调度提升滞后，未来需加快交通运输发展，提升碳排放效率。

Abstract

This study focused on 11 provinces (municipalities) in the Yangtze River Economic Belt, constructed a comprehensive evaluation index system for “carbon emissions, transportation, and regional economy”, and adopted the super-efficiency slack-based measure (SBM) model, entropy weight method, coupling coordination model, Moran’s I, and grey correlation degree model to analyze the coupling coordination degree and temporal-spatial pattern of the three from 2013 to 2022. The results show that: ① regional disparities in carbon emission efficiency within the Yangtze River Economic Belt are pronounced, with only Shanghai, Zhejiang, and Jiangsu reaching the effective level. ② The average coupling degree among the three aspects stands at 0.96, indicating a high-level coupling stage with significant interactive effects. ③ The coupling coordination degree shows a trend of first rising and then falling in terms of time and a gradient difference of “downstream > midstream > upstream” in terms of space. The downstream achieves low-carbon leadership by relying on transportation networks and economic advantages, while the midstream and upstream are restricted by transportation development shortcomings and high-energy-consuming industry dependence, leading to lagging improvement in coordination degree. In the future, it is necessary to accelerate transportation development and improve carbon emission efficiency.

Graphical abstract

关键词

交通运输 / 碳排放 / 区域经济 / 耦合协调度 / 超效率SBM / 灰色关联度 / 莫兰指数

Key words

Transportation / Carbon Emission / Regional Economy / Coupling Coordination Degree / Super-Efficiency SBM / Grey Correlation Degree / Moran’s I

0　引言

党的十九大报告提出建设交通强国战略目标，党中央、国务院先后印发《交通强国建设纲要》《国家综合立体交通网规划纲要》，均指出我国交通发展须由追求速度向追求质量效益转变^[1]。当前，我国交通运输资源配置不断完善，在带动和促进区域经济快速发展的同时，也产生了大量能耗，增加了碳排放量。在此背景下，如何平衡碳排放、交通运输与区域经济之间的关系，成为当下亟待深入研究并解决的重要问题。

目前，国内外学者对碳排放、交通运输、区域经济的研究聚焦于碳排放效率测算及三者间二元、三元关系探索。碳排放效率研究方面，运用多种模型进行测算，如DEA模型^[2-3]、三阶段DEA模型^[4-5]、超效率SBM模型^[6-8]。碳排放与交通运输的二元关系研究中，Zhao等^[9]采用实证研究法，分析我国30个省份智能交通与碳排放关系，发现省份碳减排受自身及邻近省份智能交通综合水平影响；Zhu等^[10]聚焦高速铁路，研究其对环境可持续性的影响，得出高速铁路减排和产业集聚的溢出效应；方晨晨等^[11]研究交通运输与碳排放两者耦合协调关系，揭示长江经济带两者耦合协调度的变化态势。交通运输与区域经济二元关系研究方面，Magazzino等^[12]从总量与区域层面研究交通基础设施对我国经济增长的影响；Jubiz-Diaz等^[13]研究交通可达性(铁路)对城乡人口、就业和区域经济的影响；潘振兴等^[14]用耦合协调度模型分析发现新疆多数地州铁路与区域经济处于失调状态；李勇等^[15]用耦合协调度模型测出2008—2018年我国华北和华东地区交通运输和区域经济耦合协调度上升^[16-18]。碳排放与区域经济二元关系研究中，史霄斌等^[19]，龚银银等^[20]通过耦合协调度模型、空间自相关分析模型、灰色关联度模型探究两者的耦合协调关系及时空演变等；吴继贵等^[21]应用向量自回归模型对碳排放、交通运输、区域经济三者关系进行探讨；蔡婉华等^[22]通过面板协整检验和面板向量自回归模型研究碳排放、交通运输、区域经济三者互动关系。

综上所述，国内外众多学者对于碳排放、交通运输与区域经济一直持有较高的关注度，相关研究也不断深入，但仍存在以下改进空间。

（1）已有的碳排放研究中，大多仅针对碳排放现状进行研究，尚未构建一个全面衡量碳排放的综合指标体系。效率是洞察内部运行状态的核心指标，相较于仅分析碳排放现状，能更精准地反映区域碳排放的真实发展水平与潜力。研究将碳排放效率纳入评价指标体系，运用超效率SBM模型对其进行测算，提升碳排放评价指标的准确性。

（2）已有的耦合协调度研究，多侧重于碳排放与区域经济或交通运输的二元耦合，三元耦合关系的探讨则相对匮乏。然而，碳排放、交通运输、区域经济三者并非孤立存在^[21-22]，而是处于一个复杂且动态的关联网络之中，彼此之间存在着紧密的内在联系与相互作用。

以长江经济带为研究对象，首先构建长江经济带碳排放、交通运输、区域经济评价指标体系，其次采用熵权法、耦合协调度模型、空间自相关分析模型，测度三者的耦合协调度及其时空分布特征；最后利用灰色关联度模型，分析三者耦合协调度的影响因素，以期为促进长江经济带交通运输、碳排放、区域经济协调发展提供有益参考。

1　研究区域与指标体系建立

1.1　研究区域

长江经济带作为我国秦岭—淮河以南东部、中部与西部三大区域板块之间的关键纽带和交通-经济廊带，横跨上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、贵州及云南共11个省(市)，是我国正在规划建设的“六轴七廊八通道”综合交通运输走廊体系中的核心结构“菱形结构”中最重要的东西横轴。长江经济带大致可以分为三大部分：第一部分为长江下游长三角城市群，包括上海、江苏、浙江、安徽4省(市)；第二部分为长江中游城市群，包括湖北、江西、湖南3省；第三部分为长江上游城市群，包括重庆、四川、贵州、云南4省(市)。

1.2　碳排放-交通运输-区域经济耦合协调作用机理

（1）交通运输与碳排放。①交通对碳排放的驱动：交通运输是碳排放的主要来源之一，其发展模式(如运输方式、能源利用效率)直接影响碳排放水平。②碳排放对交通的约束：碳排放约束(如环保政策、技术进步)倒逼交通运输向低碳化转型，推动优化运输结构、应用绿色运输工具(如新能源汽车、智能交通系统)。

（2）交通运输与区域经济。①交通对经济的支撑：完善的交通网络能降低物流成本，促进产业集聚和要素流动(劳动力、资本、技术)，是区域经济一体化的核心保障。②经济对交通的反哺：经济增长为交通投资提供资金支持，同时催生新的交通需求(如跨境物流、旅游客运)，推动交通网络从“连通”向“高效”升级(如智慧港口、冷链物流专线)。

（3）碳排放与区域经济。①经济发展对碳排放的驱动：在经济发展初期，依赖高耗能、高排放的产业推动经济规模扩大、经济效益增加。②碳排放对经济发展的约束：碳排放过量引发的环境问题(如气候变暖、极端天气)及政策约束(如碳达峰碳中和目标、碳市场、碳税等)，会反作用于区域经济，推动其转型。

1.3　指标体系建立

在遵循指标科学性与可得性的原则下，参考伍文生等^[1，23-26]的研究思路，充分考虑碳排放、交通运输、区域经济三者内在联系，构建碳排放-交通运输-区域经济综合评价指标体系如表1所示。

（1）碳排放从碳排放效率与碳排放综合水平中选取5项指标测算。用超效率SBM模型测算碳排放效率并纳入体系。选取人均碳排放量指标呈现区域人均碳排放水平，反映居民生活与碳排放关联；选取碳排放密度指标体现单位土地面积碳排放量，考量空间因素对碳排放影响；选取碳生产力指标衡量排放单位碳产出的地区生产总值，与呈反向关系的碳排放强度指标共同反映碳排放综合水平。

（2）交通运输从交通基础设施规模、交通运输服务能力、交通运输装备保有规模、交通运输产业发展活力4个方面选取14项指标测算。考虑长江经济带布局，以公铁水运输为主导。交通基础设施规模选取铁路、公路、内河航道里程等指标，体现“陆水统筹”与空间布局特征。交通运输服务能力选取客货运量指标，衡量运输需求规模，量化运输服务能力。交通运输装备保有规模选取民用汽车、船舶、铁路机车车辆拥有量等指标，展现客流联系、内河航运及公路铁路运输承载能力，其规模影响区域发展。交通运输产业发展活力选取交通运输、仓储和邮政业从业人数与增加值等指标，衡量交通运输及相关配套产业的发展态势和综合实力，反映产业在区域经济中的活跃度与贡献度。

（3）区域经济从经济规模、经济结构、贸易投资、经济效益4个方面选取9项指标测算。经济规模选取人均GDP、一般公共预算收入、社会消费品零售总额等指标，分别体现单位人口经济价值、政府财政能力与区域经济活跃度。经济结构选取第三产业占比、交通运输财政支出占比等指标，前者反映产业结构调整，后者体现政府对交通建设支持。贸易投资选取进出口与固定资产投资总额等指标，分别表征对外贸易与对内投资。经济效益选取城镇居民人均可支配收入与城镇化率等指标，前者体现效益分配，后者反映城市化对效益提升的推动。

2　研究方法

2.1　超效率SBM模型

碳排放效率是指单位二氧化碳排放的实际产出与最优产出之间的比值^[27-28]。提高碳排放效率意味着在相同的能源消耗情况下，能够减少碳排放的数量。

DEA方法可用于全要素即多项投入与多项产出的效率评估，且不受投入、产出量纲的影响，但传统的DEA模型无法充分考虑投入产出的松弛性问题，不能够准确度量非期望产出的效率值^[27]，研究构建超效率SBM模型。

\rho =\mathrm{m}\mathrm{i}\mathrm{n}\frac{\mathrm{1}-\frac{\mathrm{1}}{m}{\displaystyle \sum _{i=\mathrm{1}}^m}\frac{s_i^{-}}{x_{ik}}}{\mathrm{1}+\frac{\mathrm{1}}{s_{\mathrm{1}}+s_{\mathrm{2}}}({\displaystyle \sum _{r=\mathrm{1}}^{s_{\mathrm{1}}}}\frac{s_r^g}{y_{rk}^g}+{\displaystyle \sum _{t=\mathrm{1}}^{s_{\mathrm{2}}}}\frac{s_t^b}{y_{tk}^b})}(1)

式中：ρ为碳排放效率；s_i^{-}，s_r^g和s_t^b分别代表投入、期望产出、非期望产出的松弛变量；x_{ik}表示第k个决策单元(DMU)的第i项投入；y_{rk}^g表示第k个DMU的第r项期望产出；y_{tk}^b表示第k个DMU的第t项非期望产出；m，s_{\mathrm{1}}，s_{\mathrm{2}}分别表示投入、期望产出、非期望产出的数量。

以资本、劳动力、能源作为投入指标，以2006年不变价格计算的GDP作为期望产出，以碳排放量作为非期望产出，碳排放效率评价指标如表2所示。标准煤折算系数和碳排放系数如表3所示。

2.2　熵权法

熵权法是一种客观赋权方法，其通过计算指标的信息熵，根据指标的相对变化程度对整体的影响来决定指标的权重。

（1）原始数据的收集与整理，假定m个样本，n个指标进行综合评价。

（2）数据标准化处理。

正向指标

X_{ij}^{\text{'}}=\frac{x_{ij}-\mathrm{m}\mathrm{i}\mathrm{n}{x}_{ij}}{\mathrm{m}\mathrm{a}\mathrm{x}{x}_{ij}-\mathrm{m}\mathrm{i}\mathrm{n}{x}_{ij}}+\mathrm{0.01}(2)

负向指标

X_{ij}^{\text{'}}=\frac{\mathrm{m}\mathrm{a}\mathrm{x}{x}_{ij}-x_{ij}}{\mathrm{m}\mathrm{a}\mathrm{x}{x}_{ij}-\mathrm{m}\mathrm{i}\mathrm{n}{x}_{ij}}+\mathrm{0.01}(3)

式中：x_{ij}为i行，第j列指标值；\mathrm{m}\mathrm{a}\mathrm{x}{x}_{ij}为第j项指标的最大值；\mathrm{m}\mathrm{i}\mathrm{n}{x}_{ij}为第j项指标的最小值；X_{ij}^{\text{'}}为标准化值。

（3）计算调节系数K、指标信息熵值e_j和信息效用值d_j，计算第j项指标的信息熵值公式为

K=\frac{\mathrm{1}}{\mathrm{l}\mathrm{n}m}(4)

e_j=-K{\displaystyle \sum _{i=\mathrm{1}}^m}{y}_{ij}\mathrm{l}\mathrm{n}{y}_{ij}(5)

d_j=\mathrm{1}-e_j(6)

式中：y_{ij}为标准化处理后的第i个单位的第j项指标值。

第j项指标的权重W_j为

W_j=\frac{d_j}{{\displaystyle \sum _{i=\mathrm{1}}^m}{d}_j}(7)

（4）计算综合指数U_i。

U_i={\displaystyle \sum _{i=\mathrm{1}}^n}{W}_j\times X_{ij}^{\text{'}}(8)

2.3　耦合协调度模型

耦合度反映两者(或两者以上)之间的相互依赖和相互制约的程度。耦合协调度是指两者(或两者以上)在发展过程中的协调程度，兼顾了互动作用大小和协调水平2个分析维度^[30]。由于碳排放、交通运输与区域经济存在相互作用，所以运用耦合协调度模型来衡量长江经济带碳排放、交通运输与区域经济之间的关系。其公式为

C=\frac{\mathrm{3}\sqrt[\mathrm{3}]{U_{\mathrm{1}}{U}_{\mathrm{2}}{U}_{\mathrm{3}}}}{U_{\mathrm{1}}+U_{\mathrm{2}}+U_{\mathrm{3}}}(9)

式中：U_{\mathrm{1}}，U_{\mathrm{2}}，U_{\mathrm{3}}分别代表碳排放、交通运输和区域经济综合指数(由熵权法计算得出)；C为耦合度，其取值范围为[0，1]，耦合度C表示三者通过各自耦合因素彼此产生影响的程度。

耦合阶段与判别标准如表4所示。

\left\{\begin{array}{l}T=\alpha U_{\mathrm{1}}+\beta U_{\mathrm{2}}+\gamma U_{\mathrm{3}}\\ D=\sqrt[]{CT}\end{array}\right.(10)

式中：T为三者的综合协调指数；α，β，γ为相应权重，且α+β+γ=1，结合实际情况，设定碳排放、交通运输与区域经济同等重要，故均取1/3；D为耦合协调度，取值范围为[0，1]。

耦合协调度等级与判别标准如表5所示。

2.4　空间自相关分析模型

空间自相关分析模型主要对空间变动布局特征进行分析，莫兰指数是测度空间自相关性的常用指标，通常分为全局和局部2种。全局莫兰指数用于分析整体上是否存在空间相关关系，而局部莫兰指数则深入分析细节性关系情况。莫兰指数的值在经过方差归一化后会被归一化到-1.0与+1.0之间，大于0表示数据呈现空间正相关，小于0表示空间负相关，为0时呈随机性。全局莫兰指数计算公式为

I=\frac{n{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_{ij}(x_i-\overline{x})(x_j-\overline{x})}{{\displaystyle \sum _{i=\mathrm{1}}^n}{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_{ij}{\displaystyle \sum _{i=\mathrm{1}}^n}(x_i{-\overline{x})}^{\mathrm{2}}}(11)

式中：I为全局莫兰指数；n为研究范围内长江经济带省(市)数量；x_i和x_j分别为省(市)i和j的耦合协调度；\overline{x}为研究范围内长江经济带各省(市)的耦合协调度平均值；w_{ij}为省(市)i，j的空间权重，w_{ij}=\mathrm{1}代表i与j接壤，w_{ij}=\mathrm{0}代表i与j不接壤。

局部莫兰指数计算公式为

I=\frac{n(x_i-\overline{x}){\displaystyle \sum _{j=\mathrm{1}}^n}{w}_{ij}(x_j-\overline{x})}{{\displaystyle \sum _{j=\mathrm{1}}^n}(x_i{-\overline{x})}^{\mathrm{2}}}(12)

根据局部莫兰指数大小，局部莫兰指数可分为高高(H-H)、高低(H-L)、低低(L-L)、低高(L-H)４种情况，其中首字母H，L表示省份自身碳排放、交通运输、区域经济三者协调水平的高低，尾字母H，L表示邻近省份三者协调水平的高低。

2.5　灰色关联度模型

灰色关联度模型通过研究数据关联性大小，通过关联度度量数据之间的关联程度，判断每个因素对整体状况影响的大小强弱，灰色关联度越大，说明因素对整体情况影响越强，计算公式为

\eta (K)=\frac{\underset{i}{\mathrm{m}\mathrm{i}\mathrm{n}}\underset{K}{\mathrm{m}\mathrm{i}\mathrm{n}}\left|X_{\mathrm{0}}(K)-X_i(K)\right|+\rho \underset{i}{\mathrm{m}\mathrm{i}\mathrm{n}}\underset{K}{\mathrm{m}\mathrm{i}\mathrm{n}}\left|X_{\mathrm{0}}(K)-X_i(K)\right|}{\left|X_{\mathrm{0}}(K)-X_i(K)\right|+\rho \underset{i}{\mathrm{m}\mathrm{i}\mathrm{n}}\underset{K}{\mathrm{m}\mathrm{i}\mathrm{n}}\left|X_{\mathrm{0}}(K)-X_i(K)\right|}(13)

r_i=\frac{\mathrm{1}}{n}{\displaystyle \sum _{K=\mathrm{1}}^n}{\eta }_i(K)(14)

式中：η(K)为关联系数；r_i 为灰色关联度；X_{\mathrm{0}}(K)为碳排放-交通运输-区域经济的耦合协调度；X_i(K)为影响性因素；i表示具体的某个影响因素指标；ρ为分辨率，取值范围为(0，1)，通常取ρ=0.5。

3　结果与分析

3.1　碳排放效率分析

2013—2022年长江经济带碳排放效率如图1所示。从整体看，10年内长江经济带各省(市)碳排放效率逐年提高，得益于相关政策与规划的实施。①构建碳排放权交易体系。2011年国家发展和改革委员会发布《关于开展碳排放权交易试点工作的通知》，上海、湖北等省(市)率先纳入试点范围，为区域整体碳排放效率提升奠定基础；②交通运输结构绿色转型政策。2017年交通运输部制定印发《关于推进长江经济带绿色航运发展的指导意见》，推动淘汰高耗能老旧船舶，推广LNG动力船、三峡船型等节能环保船型，并开展船舶尾气污染治理装备加装，引领全国绿色航运发展。

长江经济带沿线仅有上海、浙江、江苏碳排放效率达到有效级，处于1以上，而贵州、云南碳排放效率均未能达到0.3以上的水平，呈现碳排放效率较低的情况。主要原因在于这些地区交通基础设施相对落后，过于依赖传统能源，清洁能源利用相对较少，导致碳减排成效不够显著。

3.2　耦合协调性分析

根据公式(9)计算2013—2022年长江经济带碳排放-交通运输-区域经济耦合度如表6所示，三者的耦合度均值为0.96，表明已进入高水平耦合阶段，呈现出显著的动态关联特征。为深化三者交互作用机制的研究，后续将从时间演化特性与空间分布特性2个维度，对其耦合协调度展开研究，以期更全面地把握三者协同发展的动态过程与空间差异。

3.2.1　时间演化特性

2013—2022年长江经济带碳排放-交通运输-区域经济耦合协调度时间演化如图2所示，呈现先上升后下降的时间演化特性，总体处于濒临失调和优质协调之间，2013—2019年，耦合协调度平均值呈上升趋势，从0.589上升到0.690，2019—2022年耦合协调度平均值呈下降趋势，2022年下降到0.648，三者协调发展仍有待提高。

3.2.2　空间分布特性

选取2013年、2017年、2019年、2022年4个时间点，长江经济带碳排放-交通运输-区域经济耦合协调度空间分布如表7所示。整体来看，长江经济带碳排放、交通运输、区域经济耦合协调度在2013—2022年间整体呈现“下游>中游>上游”的空间分布特性。

下游省(市)是耦合协调度的“领跑者”，整体处于领先状态，平均值为0.8左右。其中，上海(0.774→0.849)、江苏(0.772→0.837)从中级协调转变为良好协调；安徽(0.672→0.755)则由初级协调转变为中级协调，浙江(0.708→0.785)变化不大，处于中级协调。中游各省是耦合协调度的“稳定器”，变化不大，平均值为0.6左右。其中，湖北(0.552→0.548)、江西(0.518→0.560)处于勉强协调；湖南(0.622→0.645)处于初级协调。上游省(市)是耦合协调度的“追赶者”，整体处于濒临失调状态，平均值为0.4左右。其中，重庆(0.462→0.486)、贵州(0.410→0.497)处于濒临失调；四川(0.551→0.634)由勉强协调转变为初级协调；云南(0.440→0.529)由濒临失调转变为勉强协调。

3.3　耦合协调度空间自相关分析

为进一步研究长江经济带碳排放、交通运输、区域经济耦合协调度的空间集聚特征，引入空间自相关分析。根据公式(11)计算2013—2022年长江经济带碳排放-交通运输-区域经济耦合协调度全局莫兰指数如表8所示。由表8可知，P值小于0.05，则说明具有空间相关关系，莫兰指数介于-1~1之间且大于0为空间正相关，存在高低值集聚情况。

通过公式(12)计算局部莫兰指数，选取2013年、2017年、2019年、2022年绘制莫兰散点图，长江经济带各省(市)空间聚集特征如图3所示，整体上以高高(H-H)型和低低(L-L)型为主。具体来看①上海、江苏、浙江、安徽表现为高高(H-H)型，说明该地区耦合协调性较好且能带动周边地区协调发展。②江西表现为高低(H-L)型，即其自身耦合协调度较高，但对周边地区带动作用较低。③贵州、云南表现为低低(L-L)型，呈现出范围广、跨度大的片状集聚特征，这些地区受资源和地理限制，耦合协调度较低且受到的辐射带动作用较小，湖南虽然短暂退出低低(L-L)型，但在随后年份出现回弹，说明其耦合协调发展水平不稳定。

3.4　耦合协调度影响因素分析

长江经济带耦合协调度的空间差异，本质上是碳排放效率、碳排放综合水平、交通基础设施规模、交通运输服务能力、经济规模、经济结构、贸易投资等多重因素综合作用的结果，为了推动三者协调发展，还需进一步挖掘其中影响较大的因素，从而更有针对性地提出对策，运用灰色关联度模型，根据公式(13)、公式(14)计算得到2013—2022年长江经济带各省(市)二级指标与耦合协调灰色关联度如表9所示。

下游省(市)碳排放主要影响因素有碳排放综合水平中的碳排放强度(C₄)、碳生产力(C₅)。该地区以高新技术产业、现代服务业为主导，碳排放强度显著低于中上游。交通运输主要影响因素有公路总里程(Q₂)、内河航道里程(Q₃)，下游省(市)以平原为主，地形平坦且河网密布，平原地形降低公路建设成本，河网密布使内河航道易开发，内河航运的低碳特性有助于减少碳排放，所以下游省(市)协调度好。区域经济主要影响因素有进出口总额(E₇)，下游省(市)地处长江入海口与东部沿海经济带的交汇点，拥有上海港、宁波舟山港等世界级港口，进出口总额占全国35%，进出口贸易直接拉动区域经济增长，促进了耦合协调度的提升。

中游各省碳排放主要影响因素有碳排放密度(C₃)，中游各省重化工业占比显著偏高，且产业呈现“沿江集聚”态势，使碳排放在地理空间上高度聚集，影响了耦合协调度的提升。交通运输主要影响因素有铁路营业里程(Q₁)，中游各省多山地丘陵，公路建设成本高且路网通达性受限，而铁路对地形适应性更强，且铁路单位碳排放仅为公路的1/5，因此成为影响耦合协调度的关键因素。区域经济主要影响因素有固定资产投资总额(E₆)，中游各省制造业、交通基建投资占比大，此类产业具有高耗能特点，制约了三者的协调发展。

上游省(市)碳排放主要影响因素有碳排放效率(C₁)，上游省(市)碳交易体系建设滞后(仅重庆纳入全国碳市场)，碳排放效率较低导致拉低三者耦合水平。交通运输主要影响因素有公路总里程(Q₂)、公路货运量(Q₅)、水路货运量(Q₉)，上游省(市)处于我国第二级地形阶梯的上游地带，部分地区处于第一级地形阶梯与第二级地形阶梯的过渡地带，区域内山地占比较高，地形复杂，交通建设难度大，使得耦合协调度整体处于濒临失调状态。区域经济主要影响因素有人均GDP(E₁)、第三产业占GDP比重(E₅)，上游省(市)以资源型产业为主，如云南以烟草产业为主，贵州以煤炭产业为主，四川以食品饮料产业为主，高新技术产业占比不足10%，限制了耦合协调度的提升。

4　结论与建议

4.1　结论

以碳排放、交通运输与区域经济耦合协调关系为切入点，运用耦合协调度模型和空间自相关分析模型，对2013—2022年长江经济带三者的耦合协调度进行测度，并分析其时间演化特性与空间分布特性，最后运用灰色关联度模型对其影响因素进行分析，研究结论如下。

（1）碳排放效率存在显著差异。长江经济带各省(市)之间存在显著差异，多数省份的碳排放效率尚未达到有效级，这表明长江经济带在碳排放管理方面仍存在较大的提升空间。

（2）耦合度高且协调度呈时间阶段性变化。耦合度相对较高，三者之间存在较强大的互动作用。耦合协调度呈现先上升后下降的特征。

（3）空间分布呈现“下游>中游>上游”特征。下游省(市)凭借其发达的交通网络和较高的经济发展水平，在耦合协调度方面处于领先地位。上海、江苏实现了从中级协调到良好协调的转变，安徽也由初级协调迈向中级协调。中游各省耦合协调度变化相对较小，整体处于勉强协调和初级协调之间，上游省(市)整体处于濒临失调状态。

（4）空间聚集则处于相对稳定模式，全局莫兰指数大于0为空间正相关，局部莫兰散点图整体上以高高(H-H)型和低低(L-L)型为主。

（5）上中下游耦合协调度影响因素存在差异，碳排放强度(C₄)、碳生产力(C₅)、公路总里程(Q₂)、内河航道里程(Q₃)、进出口总额(E₇)对下游省(市)耦合协调度影响较大；碳排放密度(C₃)、铁路营业里程(Q₁)、固定资产投资总额(E₆)对中游各省耦合协调度影响较大；碳排放效率(C₁)、公路总里程(Q₂)、公路货运量(Q₅)、水路货运量(Q₉)、人均GDP(E₁)、第三产业占GDP比重(E₅)对上游省(市)耦合协调度影响较大。

4.2　建议

基于上述分析可得，下游省(市)依托成熟的综合交通网络体系、领先的低碳产业集群及高效的要素配置效率，在碳排放、交通运输与区域经济耦合协调发展中处于领跑地位；中游各省受传统高耗能产业占比偏高等因素制约，三者耦合协调度长期处于相对稳定的中低水平区间，未能形成突破性增长态势；上游省(市)则因复杂地形条件导致的交通可达性不足、产业结构单一，三者协调发展仍面临诸多障碍，整体处于追赶发展阶段，与中下游地区存在明显差距。所以长江经济带碳排放、交通运输与区域经济协调发展的关键在于破解上中下游发展异步性难题，针对此现象提出以下建议。

（1）下游省(市)应充分发挥带动作用，借鉴京津冀协同发展领导小组经验，建立跨省(市)的碳排放-交通运输-区域经济协调机构，统筹制定碳排放总量控制、交通网络优化等政策。上海、江苏等地在高端装备制造和电子信息产业方面具有优势，通过与安徽、湖北等地加强合作，实现产业链的延伸和协同发展。

（2）中游各省应聚焦短板精准发力，重点扩展铁路营业里程，加密干线铁路的连接；淘汰落后产能，推动钢铁、化工等传统产业向高端化、智能化转型；依托长江黄金水道，打造沿江绿色产业走廊，促进碳排放、交通运输、区域经济协调发展。

（3）上游省(市)需优先破解发展制约，建设适应地形的高等级公路和铁路，加快航道整治工程，推动多式联运发展；优化能源结构，拥有丰富的水能、风能、太阳能等资源的云南、四川地区，应加大对清洁能源的开发和利用，提高清洁能源在能源消费中的比重。

参考文献

[1] 伍文生. 长三角地区综合交通运输与区域经济高质量发展耦合协调研究[J]. 长春大学学报，2023，33(7)：27-37.

[2] WU Wensheng. Research on Coupling and Coordination between Comprehensive Transportation and Regional Economy High-Quality Development in the Yangtze River Delta Region[J]. Journal of Changchun University，2023，33(7)：27-37.

[3] 李　勇，骆　琳，李禹锋，等. 基于DEA交叉效率的交通运输与区域经济发展耦合协调度分析[J]. 统计与决策，2021，37(22)：107-110.

[4] 赵 伟，周 城.基于DEA的交通运输与旅游发展适应性分析[J].中国公路，2023，(23)：109-111.

[5] 张志坚，张　智，万谧宇，等. 高质量发展视角下长江经济带沿线城市物流业效率综合评价：基于3阶段DEA模型[J]. 江西师范大学学报(自然科学版)，2023，47(4)：350-359，367.

[6] ZHANG Zhijian， ZHANG Zhi， WAN Miyu，et al. The Comprehensive Evaluation on Logistics Industry Efficiency in the Cities along the Yangtze River Economic Belt from the Perspective of High-Quality Development：Based on Three-Stage DEA Model[J]. Journal of Jiangxi Normal University (Natural Science Edition)，2023，47(4)：350-359，367.

[7] 吕秋霞，王文宪，程碧荣，等. 基于三阶段DEA和SE-DEA模型的城市轨道交通运输效率测度方法研究[J]. 铁道运输与经济，2025，47(2)：172-179，189.

[8] Qiuxia LYU， WANG Wenxian， CHENG Birong，et al. Measurement Method for Transportation Efficiency of Urban Rail Transit Based on Three-Stage DEA and SE-DEA Models[J]. Railway Transport and Economy，2025，47(2)：172-179，189.

[9] 叶春丽，牛军捷，姚彩琴，等. 基于Super-SBM方法的省级交通运输行业碳排放效率评估研究[J]. 安徽工程大学学报，2024，39(2)：86-94.

[10] YE Chunli， NIU Junjie， YAO Caiqin，et al. Carbon Emission Efficiency Evaluation of Provincial Transportation Industry Based on Super-SBM Method[J]. Journal of Anhui Polytechnic University，2024，39(2)：86-94.

[11] 杨　青，郑衍迪，刘雪晴，等. 交通运输业碳排放效率与行业经济增长协调发展研究[J]. 武汉理工大学学报(信息与管理工程版)，2024，46(4)：569-575.

[12] YANG Qing， ZHENG Yandi， LIU Xueqing，et al. Study on the Coordinated Development of Carbon Emission Efficiency and Industry Economic Growth in the Transportation Industry[J]. Journal of Wuhan University of Technology (Information & Management Engineering)，2024，46(4)：569-575.

[13] 朱凡凡，宋　辉，冯　欢. 基于SBM-DEA模型的江苏省碳排放效率研究[J]. 国土与自然资源研究，2025(1)：44-49.

[14] ZHU Fanfan， SONG Hui， FENG Huan. Research on Carbon Emission Efficiency of Jiangsu Province Based on SBM-DEA Model[J]. Territory & Natural Resources Study，2025(1)：44-49.

[15] ZHAO C Y， WANG K， DONG X C，et al. Is Smart Transportation Associated with Reduced Carbon Emissions？The Case of China[J]. Energy Economics，2022，105：105715.

[16] ZHU S N， ZHOU Z， LI R，et al. Impact of High Speed Rail Construction on the Environmental Sustainability of China’s Three Major Urban Agglomerations[J]. Sustainability，2022，14(5)：2567.

[17] 方晨晨，蒋惠园，王艳秋，等.长江经济带交通运输与碳排放耦合协调度分析[J].公路与汽运，2020(2)：19-24.

[18] MAGAZZINO C， MELE M. On the Relationship between Transportation Infrastructure and Economic Development in China[J]. Research in Transportation Economics，2021，88：100947.

[19] JUBIZ-DIAZ M， SALTARIN-MOLINO M， ARELLANA J，et al. Effect of Infrastructure Investment and Freight Accessibility on Gross Domestic Product：A Data-Driven Geographical Approach[J]. Journal of Advanced Transportation，2021，2021(1)：5530114.

[20] 潘振兴，韩　峰，王　博，等. 新疆铁路网与区域经济发展的耦合协调度评价[J]. 铁道运输与经济，2019，41(12)：45-52.

[21] PAN Zhenxing， HAN Feng， WANG Bo，et al. Evaluation of Coupling Coordinative Degree between Xinjiang Railway Network and Regional Economic Development[J]. Railway Transport and Economy，2019，41(12)：45-52.

[22] 李　勇，骆　琳，李禹锋，等. 基于DEA交叉效率的交通运输与区域经济发展耦合协调度分析[J]. 统计与决策，2021，37(22)：107-110.

[23] 肖　红，胡宇航，王孝坤，等. 西部陆海新通道区域经济-交通运输-生态环境耦合协调发展及障碍度研究[J]. 铁道运输与经济，2022，44(7)：1-7.

[24] XIAO Hong， HU Yuhang， WANG Xiaokun，et al. Coupling and Coordinated Development and Obstacle Degree of Regional Economy，Transportation，and Ecological Environment of New Western Land-Sea Corridor[J]. Railway Transport and Economy，2022，44(7)：1-7.

[25] 王　旭，郑璎培，徐文远. 我国北方地区交通运输-绿色经济-科技创新协调发展实证分析[J]. 铁道运输与经济，2022，44(12)：118-125.

[26] WANG Xu， ZHENG Yingpei， XU Wenyuan. Empirical Analysis on Coordinated Development among Transportation，Green Economy，and Scientific and Technological Innovation in Northern China[J]. Railway Transport and Economy，2022，44(12)：118-125.

[27] 来逢波，孙　婷，李庆军，等. 山东省交通运输-区域经济-生态环境耦合协调时空演变研究[J]. 济南大学学报(自然科学版)，2024，38(5)：526-532，540.

[28] LAI Fengbo， SUN Ting， LI Qingjun，et al. Spatio-Temporal Evolution Track of Coupling Coordination of Transportation-Regional Economy-Ecological Environment in Shandong Provinc[J]. Journal of University of Jinan (Science and Technology)，2024，38(5)：526-532，540.

[29] 史霄斌，康建军，栾志理. 黄河中下游城市群碳排放水平与经济高质量发展耦合研究[J]. 人民黄河，2024，46(11)：22-28.

[30] SHI Xiaobin， KANG Jianjun， LUAN Zhili. Study on the Coupling of Carbon Emission Levels and High Quality Economic Development in Urban Agglomerations in the Middle and Lower Reaches of the Yellow River[J]. Yellow River，2024，46(11)：22-28.

[31] 龚银银，张永庆，罗　婷. 长三角城市群碳排放效率与经济高质量发展耦合协调研究[J]. 长江流域资源与环境，2025，34(2)：295-308.

[32] GONG Yinyin， ZHANG Yongqing， LUO Ting. Coupling Coordination between Carbon Emission Efficiency and High-Quality Economic Development in the Yangtze River Delta Urban Agglomeration[J]. Resources and Environment in the Yangtze Basin，2025，34(2)：295-308.

[33] 吴继贵，叶阿忠. 交通运输、经济增长和碳排放的动态关系研究：基于1949—2012年数据的实证分析[J]. 交通运输系统工程与信息，2015，15(4)：10-17.

[34] WU Jigui， YE Azhong. Dynamic Linkages among Transportation，Economic Growth and Carbon Emissions in China：Empirical Research on the Data from 1949 to 2012[J]. Journal of Transportation Systems Engineering and Information Technology，2015，15(4)：10-17.

[35] 蔡婉华，叶阿忠. 交通运输、经济增长与碳排放之间的互动关系研究：基于PVAR模型[J]. 交通运输系统工程与信息，2017，17(3)：26-31.

[36] CAI Wanhua， YE Azhong. Interactive Relationship among Transportation，Economic Growth and Carbon Emissions Based on PVAR Model[J]. Journal of Transportation Systems Engineering and Information Technology，2017，17(3)：26-31.

[37] 葛修润，汤　华，李昆耀，等. 交通运输与物流业、旅游业发展耦合协调度分析：以武汉市为例[J]. 交通信息与安全，2021，39(1)：1-6.

[38] GE Xiurun， TANG Hua， LI Kunyao，et al. Coupling Coordination Degree of Transportation，Logistics and Tourism：A Case Study of Wuhan City[J]. Journal of Transport Information and Safety，2021，39(1)：1-6.

[39] 陆远权，张　源. 汉江生态经济带交通状况-区域经济-生态环境耦合协调发展研究[J]. 长江流域资源与环境，2022，31(11)：2404-2415.

[40] LU Yuanquan， ZHANG Yuan. Research on Coupling Coordination Development of Traffic Condition-Regional Economy-Ecological Environment in Hanjiang River Ecological Economy Belt[J]. Resources and Environment in the Yangtze Basin，2022，31(11)：2404-2415.

[41] 郑璎培. 我国北方地区交通运输与区域经济耦合协调评价研究[D]. 哈尔滨：东北林业大学，2023.

[42] 刘　星. 成渝双城经济圈综合交通运输与区域经济的协调发展评价研究[D]. 天津：中国民航大学，2023.

[43] 李　畅. 京津冀综合交通运输发展水平与其碳排放的耦合协调关系研究[D]. 石家庄：石家庄铁道大学，2024.

[44] 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.

[45] ZHANG Na， SUN Fangcheng， HU Yuling. 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] 顾梦迪. 长江流域数字经济-碳排放-区域高质量发展耦合协调关系研究[D]. 淮南：安徽理工大学，2024.

[47] 李　兰. 长江经济带绿色物流与绿色经济协调发展及其影响因素研究[D]. 淮南：安徽理工大学，2024.