• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看

      ?

      黃河流域物流業(yè)碳排放空間關(guān)聯(lián)性及協(xié)同發(fā)展研究

      2021-09-24 02:46:14朱向梅
      河南科學(xué) 2021年8期
      關(guān)鍵詞:省區(qū)排量黃河流域

      朱向梅, 袁 輝, 張 靜

      (中北大學(xué)經(jīng)濟(jì)與管理學(xué)院,太原 030051)

      我國(guó)在“十四五”發(fā)展期間將繼續(xù)推動(dòng)綠色發(fā)展,并承諾到2030 年,單位GDP 能耗和碳排放分別降低13.5%、18%. 從2019年能源統(tǒng)計(jì)年鑒中的數(shù)據(jù)來看,碳排放量前十的省份中有四個(gè)省份在黃河流域(山東、內(nèi)蒙古、山西、河南),物流業(yè)是碳排放大戶,低碳物流依靠其可持續(xù)發(fā)展特點(diǎn)必將成為未來物流行業(yè)的主要發(fā)展方向[1]. 在西部地區(qū)承接?xùn)|部地區(qū)產(chǎn)業(yè)轉(zhuǎn)移和高質(zhì)量發(fā)展的大戰(zhàn)略背景下,西部地區(qū)的物流業(yè)將迎來前所未有的發(fā)展機(jī)遇. 因此,梳理和揭示當(dāng)前黃河流域地區(qū)物流業(yè)碳排放的總量規(guī)模、演化規(guī)律及空間分布結(jié)構(gòu),是實(shí)現(xiàn)黃河流域物流業(yè)高質(zhì)量發(fā)展的重要前提,是該地區(qū)物流業(yè)高質(zhì)量發(fā)展規(guī)劃的重要決策依據(jù).

      1 相關(guān)研究進(jìn)展

      截至2021年6月,還未有關(guān)于黃河流域物流業(yè)碳排量的測(cè)算和研究,黃河流域作為我國(guó)重要的生態(tài)保護(hù)區(qū),研究其物流業(yè)碳排強(qiáng)度和空間結(jié)構(gòu),能為全域高質(zhì)量發(fā)展提供科學(xué)參考.

      關(guān)于物流業(yè)碳排放量的測(cè)算,我國(guó)并沒有直觀的數(shù)據(jù)來表明物流業(yè)的碳排放量,學(xué)者大多采用能源系數(shù)估算法,通過搜集物流業(yè)相關(guān)能源的消費(fèi)量,依據(jù)能源系數(shù)來測(cè)算碳排放量. 包耀東等[2]估算了安徽、江蘇、浙江和上海三省一市物流產(chǎn)業(yè)2003—2016 年的碳排放量;馮婷婷[3]估算了新疆維吾爾自治區(qū)物流業(yè)1995—2012年的碳排放量;趙松嶺和楊子夜[4]通過統(tǒng)計(jì)京津冀物流業(yè)的能源消耗量,測(cè)算碳排放量;朱向梅和王子莎[5]利用能源系數(shù)估算法估算了黃河流域整體的碳排放強(qiáng)度和碳生態(tài)承載力. 因此,本文在測(cè)算黃河流域物流業(yè)碳排放量時(shí)也采用能源系數(shù)估算法.

      關(guān)于地區(qū)間物流業(yè)碳排放量關(guān)系的研究,朱海燕等[6]運(yùn)用修正后的引力模型和社會(huì)網(wǎng)絡(luò)分析法分析了我國(guó)商貿(mào)流通業(yè)的碳排放空間結(jié)構(gòu);崔鐵寧和張繼美[7]用引力模型和社會(huì)網(wǎng)絡(luò)分析法研究了中國(guó)綠色發(fā)展的空間結(jié)構(gòu)特征;朱向梅和張靜[8]采用引力模型和社會(huì)網(wǎng)絡(luò)分析法對(duì)山西省旅游集散地選址規(guī)劃提出建議.引力模型僅需改換不同參數(shù)和分量定義,便可適用多個(gè)領(lǐng)域,對(duì)研究區(qū)域內(nèi)關(guān)聯(lián)關(guān)系有很大幫助. 基于前人的研究,本文通過構(gòu)建引力模型,采用社會(huì)網(wǎng)絡(luò)分析法來研究黃河流域物流業(yè)碳排放之間的空間關(guān)聯(lián)性,為黃河流域物流業(yè)的低碳協(xié)同發(fā)展提供合理的建議和對(duì)策.

      2 研究方法及數(shù)據(jù)來源

      2.1 物流業(yè)碳排放空間關(guān)聯(lián)關(guān)系的確定

      2.1.1 數(shù)據(jù)來源 根據(jù)《中國(guó)第三產(chǎn)業(yè)統(tǒng)計(jì)年鑒》中的定義,物流業(yè)包含交通運(yùn)輸、倉(cāng)儲(chǔ)業(yè)物流、郵政業(yè)物流、流通加工和包裝業(yè)物流等[2],現(xiàn)有統(tǒng)計(jì)年鑒中并無直接展示物流業(yè)的數(shù)據(jù),因此本文以交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)來代表物流業(yè). 碳排放量的核算采用能量系數(shù)估算法,具體的折算系數(shù)見表1和表2.

      表1 各種能源折合標(biāo)準(zhǔn)煤參考系數(shù)Tab.1 Reference coefficient converted into standard coal of different energy sources

      表2 各種能源碳排放系數(shù)Tab.2 Carbon emission coefficient of different energy sources

      黃河流域各?。▍^(qū))的物流業(yè)能源消費(fèi)量來自《中國(guó)能源統(tǒng)計(jì)年鑒》及各?。▍^(qū))的統(tǒng)計(jì)年鑒. ?。▍^(qū))之間距離用各省區(qū)省政府之間距離表示,數(shù)據(jù)來源百度地圖.

      2.1.2 碳排放量估算方法 本文核算黃河流域物流業(yè)碳排放量采用能量系數(shù)估算法,參考包耀東等[2]的研究,根據(jù)交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)的能源消費(fèi)量折算成二氧化碳的排放量,計(jì)算公式如下:

      式中:C為碳排量;i為能源類別;Ci為第i種能源的碳排量;δi是黃河流域物流業(yè)消耗第i種能源的碳排放系數(shù);θi是第i種能源的標(biāo)準(zhǔn)煤折算系數(shù);Ei為第i種能源的消耗量.

      2.1.3 碳排放空間網(wǎng)絡(luò)的建立 本文基于引力模型構(gòu)建空間網(wǎng)絡(luò),各?。▍^(qū))為網(wǎng)絡(luò)節(jié)點(diǎn),省區(qū)之間物流業(yè)碳排放關(guān)聯(lián)關(guān)系為網(wǎng)絡(luò)中的線,引力模型如下:

      式中:F表征域內(nèi)各點(diǎn)間碳排引力;i、j分別表示黃河流域各省區(qū);Dij表征i、j兩地距離;Ci與Cj代表i?。▍^(qū))、j?。▍^(qū))的物流業(yè)碳排放量.

      2.2 社會(huì)網(wǎng)絡(luò)分析

      2.2.1 整體網(wǎng)絡(luò)特征指標(biāo) 網(wǎng)絡(luò)密度(D)用于反映網(wǎng)絡(luò)的密集程度,公式如下:

      式中:L是網(wǎng)絡(luò)實(shí)際連線數(shù);N為節(jié)點(diǎn)個(gè)數(shù).

      網(wǎng)絡(luò)等級(jí)度(GH)是反映節(jié)點(diǎn)的等級(jí)地位,公式如下:

      式中:M為網(wǎng)絡(luò)中對(duì)稱可達(dá)的點(diǎn)對(duì)數(shù);max(M)為最大可能對(duì)稱可達(dá)的點(diǎn)對(duì)數(shù).

      網(wǎng)絡(luò)關(guān)聯(lián)度(C)反映網(wǎng)絡(luò)穩(wěn)健性,公式如下:

      式中:V為網(wǎng)絡(luò)中不可達(dá)的點(diǎn)對(duì)數(shù);N為節(jié)點(diǎn)個(gè)數(shù).

      2.2.2 中心性分析指標(biāo) 點(diǎn)度中心性表征節(jié)點(diǎn)是否在網(wǎng)絡(luò)中心,公式如下:

      式中:n為與該節(jié)點(diǎn)直接連通的節(jié)點(diǎn)數(shù);N為節(jié)點(diǎn)個(gè)數(shù).

      中介中心性指一個(gè)節(jié)點(diǎn)擔(dān)任其余節(jié)點(diǎn)間橋梁的次數(shù),公式為:

      式中:gij(i)為區(qū)域i和j之間存在的關(guān)聯(lián)路徑數(shù);gik(i)是i和j之間路徑要通過i的數(shù)量.

      2.2.3 核心-邊緣結(jié)構(gòu)理論 核心-邊緣理論由美國(guó)區(qū)域規(guī)劃專家J.R.弗里德曼于1966年最早提出[9],核心-邊緣結(jié)構(gòu)演化特征分析主要基于凝聚子群分析法,借助UCINET可實(shí)現(xiàn)對(duì)黃河流域物流業(yè)碳排放空間網(wǎng)絡(luò)結(jié)構(gòu)的聚類分析,找出網(wǎng)絡(luò)中的核心省區(qū)和邊緣省區(qū),并顯示核心與邊緣節(jié)點(diǎn)之間的關(guān)聯(lián)密度.

      3 黃河流域物流業(yè)碳排放空間關(guān)聯(lián)結(jié)構(gòu)分析

      3.1 黃河流域物流業(yè)碳排放的時(shí)空特征

      根據(jù)整理計(jì)算出的碳排量面板數(shù)據(jù)(見表3),以此研究時(shí)間序列上的碳排放特征. 圖1顯示了2009—2018年碳排放均值隨時(shí)間變化的特征. 如圖1可見,碳排放均值均保持在400 萬t以上,其中2012年最高,達(dá)到560.78 萬t;最低為2013年,為444.54 萬t. 碳排量在2013年有所下降,因?yàn)?012年國(guó)務(wù)院印發(fā)《節(jié)能減排“十二五”規(guī)劃》,2013年物流業(yè)碳排量相較于上年大大降低. 值得注意點(diǎn)是,內(nèi)蒙古考察期初經(jīng)濟(jì)快速增長(zhǎng),煤炭和農(nóng)畜產(chǎn)品不斷外運(yùn),由于交通條件有限,內(nèi)蒙古出區(qū)的通道,長(zhǎng)期依靠京藏高速支撐,內(nèi)蒙古成品油用量,尤其是柴油的用量不斷增長(zhǎng),僅2011年用于交通運(yùn)輸業(yè)的柴油量達(dá)到584.55 萬t;2012年后,隨著內(nèi)蒙古多條外運(yùn)專列的建設(shè),柴油消費(fèi)量大大減少,2013年消費(fèi)量為299.76 萬t,碳排量減少;但隨后流域內(nèi)碳排量均值又開始緩慢增長(zhǎng),整體趨勢(shì)呈現(xiàn)上升態(tài)勢(shì),黃河流域物流業(yè)的碳減排壓力仍然存在.

      表3 2009—2018年黃河流域各省區(qū)碳排放量Tab.3 Carbon emissions in the provinces of the Yellow River Basin during 2009-2018

      圖1 2009—2018年黃河流域物流業(yè)碳排量均值變化圖Fig.1 Average carbon emissions in logistics industry of the Yellow River Basin during 2009-2018

      圖2顯示的是2009—2018年物流業(yè)碳排放量的省(區(qū))際平均水平的差異. 其中,青海、寧夏、甘肅在觀察期的物流業(yè)碳排放量均值最低,均在250 萬t以下;四川、內(nèi)蒙古、河南、山東在觀察期的物流業(yè)碳排放均值較高,尤其是山東,碳排放均值超過1200 萬t,和最少的青海相差16倍之多,并且呈現(xiàn)出從黃河上游向中下游逐漸增加的空間差異特征.

      圖2 2009—2018年九省區(qū)物流業(yè)碳排量差異Fig.2 Carbon emission differences of nine provinces during 2009-2018

      3.2 黃河流域物流業(yè)碳排放整體網(wǎng)絡(luò)特征

      據(jù)引力模型計(jì)算得到空間關(guān)聯(lián)矩陣,繪制網(wǎng)絡(luò)結(jié)構(gòu)圖,發(fā)生顯著變化的2009年、2013年、2018年的網(wǎng)絡(luò)圖(圖3、圖4、圖5). 2013 年較2009 年減少了山東和甘肅的空間關(guān)系,主要由于2013 年山東省物流業(yè)碳排量的驟降,由1 714.34 萬t降到1 004.36 萬t,加之兩地距離較遠(yuǎn),所以關(guān)聯(lián)關(guān)系減少. 碳排量之后雖有回升,但與以往水平仍有較大差距,致使兩地一直未建立新聯(lián)系;2018 年較2013 年增加了寧夏和河南的空間關(guān)系,由于河南的碳排量逐漸增多,致使河南與寧夏引力增強(qiáng),其余省區(qū)間的關(guān)系變化不大.

      圖3 2009年物流業(yè)碳排放空間結(jié)構(gòu)Fig.3 Spatial structure of carbon emission of logistics industry in 2009

      圖4 2013年物流業(yè)碳排放空間結(jié)構(gòu)Fig.4 Spatial structure of carbon emission of logistics industry in 2013

      圖5 2018年物流業(yè)碳排放空間結(jié)構(gòu)Fig.5 Spatial structure of carbon emission of logistics industry in 2018

      3.2.1 網(wǎng)絡(luò)密度和網(wǎng)絡(luò)關(guān)系數(shù) 由圖6可見,網(wǎng)絡(luò)關(guān)系數(shù)和網(wǎng)絡(luò)密度雖有短暫下降,但隨后又上升,整體趨勢(shì)平緩,增速緩慢,網(wǎng)絡(luò)關(guān)系數(shù)由2009—2011年的28個(gè)升至2012年的29個(gè),2013年下降到27個(gè),后又增長(zhǎng)到29個(gè). 網(wǎng)絡(luò)密度也隨著關(guān)聯(lián)關(guān)系數(shù)的變化而變化,同樣是在2013年下降后又回升,密度最小為0.388 9,最大為0.402 8,但觀察期內(nèi)網(wǎng)絡(luò)密度始終低于0.5,說明流域內(nèi)基于物流業(yè)的碳排放關(guān)聯(lián)較弱,流域內(nèi)各省區(qū)物流業(yè)之間的聯(lián)系互動(dòng)少,以2012—2013年為分界點(diǎn)呈現(xiàn)兩個(gè)平臺(tái)期,2012—2013年之前的網(wǎng)絡(luò)密度為0.388 9,之后5年始終保持在0.402 8的水平,表征我國(guó)黃河流域物流業(yè)碳排放空間關(guān)聯(lián)隨時(shí)間推移呈現(xiàn)階梯性的上升,流域內(nèi)物流業(yè)間的聯(lián)系逐步加強(qiáng).

      圖6 2009—2018年碳排放網(wǎng)絡(luò)關(guān)系數(shù)、網(wǎng)絡(luò)密度Fig.6 Number of carbon emission network relationships and network density during 2009-2018

      3.2.2 網(wǎng)絡(luò)關(guān)聯(lián)度、網(wǎng)絡(luò)等級(jí)度 由圖7可見,網(wǎng)絡(luò)關(guān)聯(lián)度始終為1,表明網(wǎng)絡(luò)通達(dá)性好,任意兩省區(qū)之間都存在直接或間接的路徑,也說明流域內(nèi)物流業(yè)具備協(xié)同發(fā)展的基礎(chǔ);網(wǎng)絡(luò)等級(jí)度2009—2012年始終保持在0.555 6的較高水平下,2013年由于占據(jù)主導(dǎo)地位的省區(qū)與邊緣省區(qū)關(guān)系數(shù)的變化,加劇了網(wǎng)絡(luò)結(jié)構(gòu)等級(jí)的情況. 但在2014年后等級(jí)度大幅下降,降至0.222 2,也就是說碳排放網(wǎng)絡(luò)中僅有少數(shù)地區(qū)占據(jù)主導(dǎo)地位的情況減弱,省際物流業(yè)碳排放之間的相互影響力增強(qiáng). 2014年,“十二五”規(guī)劃臨近收官,此后網(wǎng)絡(luò)等級(jí)度也大幅下降,省際間物流業(yè)碳排放的等級(jí)差異在減弱,從2014年以后基本穩(wěn)定在0.222 2的水平上,形成網(wǎng)絡(luò)等級(jí)度新的平臺(tái)期,由此可見碳排放空間網(wǎng)絡(luò)均衡性較好,也為黃河流域物流業(yè)的協(xié)同減排提供了契機(jī).

      圖7 2009—2018年碳排放空間網(wǎng)絡(luò)關(guān)聯(lián)度、網(wǎng)絡(luò)等級(jí)度Fig.7 Correlation degree and network hierarchy of carbon emission spatial network during 2009-2018

      3.3 中心性分析

      3.3.1 點(diǎn)度中心度 由表4可見,觀察期內(nèi),山東的點(diǎn)度中心度高居首位,處于網(wǎng)絡(luò)中心的地位,說明山東物流業(yè)碳排量始終遠(yuǎn)超其他省區(qū),幾乎與所有省區(qū)都建立了關(guān)系;指標(biāo)值靠前的還有陜西、山西、寧夏、河南和甘肅,觀察期內(nèi)變動(dòng)不大;四川、內(nèi)蒙古和青海的指標(biāo)水平較低,處于網(wǎng)絡(luò)中的邊緣位置,尤其是青海,指標(biāo)值始終為1,處于最末位,是網(wǎng)絡(luò)中最弱勢(shì)的節(jié)點(diǎn).

      表4 2009—2018年黃河流域物流業(yè)碳排放空間關(guān)聯(lián)網(wǎng)絡(luò)中心性指標(biāo)結(jié)果Tab.4 Spatial correlation network centrality index of carbon emission in logistics industry of the Yellow River Basin from 2009 to 2018

      綜上,黃河流域各省區(qū)物流業(yè)碳排放空間網(wǎng)絡(luò)的點(diǎn)度中心度強(qiáng)度呈動(dòng)態(tài)演變趨勢(shì),整體關(guān)聯(lián)能力逐漸增強(qiáng). 山東一直高居首位,陜西的地位逐步與山東持平,各省區(qū)之間差距變小,整體結(jié)構(gòu)更穩(wěn)定. 山東經(jīng)濟(jì)體量和物流業(yè)發(fā)展水平始終保持在流域首位,雖位于下游,但其物流業(yè)碳排量強(qiáng)度大,削弱了區(qū)位的劣勢(shì);陜西、山西和河南區(qū)位優(yōu)勢(shì)明顯,省區(qū)之間交通便捷,對(duì)網(wǎng)絡(luò)的影響力逐漸增大. 尤其是陜西,雖地處西北,但其是連通中西的重要門戶,《物流業(yè)發(fā)展中長(zhǎng)期規(guī)劃(2015—2020年)》中,西安更是被列為全國(guó)物流節(jié)點(diǎn)城市和全國(guó)綜合交通樞紐,故對(duì)網(wǎng)絡(luò)影響力較大;寧夏和甘肅碳排放體量較小,但地理位置優(yōu)越,同樣位于中部和西部的交界位置[10-13];四川和內(nèi)蒙古的碳排并不低,但區(qū)位劣勢(shì)過大,難與較遠(yuǎn)的省份建立關(guān)系,導(dǎo)致其指標(biāo)較弱;青海中心度始終遠(yuǎn)低于各階段平均水平,其交通條件和經(jīng)濟(jì)基礎(chǔ)薄弱,物流業(yè)能源消費(fèi)量低,碳排放強(qiáng)度低,處于網(wǎng)絡(luò)邊緣弱勢(shì)位置,這也反映出我國(guó)黃河流域物流業(yè)發(fā)展的不均衡.

      3.3.2 中介中心度 由表4 可見,陜西、甘肅和河南中介中心度較高,在網(wǎng)絡(luò)中承擔(dān)中介和橋梁的作用.2014—2018年,由于中西部關(guān)系的增多,使陜西、甘肅和河南的中介作用更為明顯. 山東指標(biāo)值整體來看處于下降態(tài)勢(shì),原因在于,觀察期初山東物流業(yè)碳排量遠(yuǎn)高于其他省區(qū),和其余節(jié)點(diǎn)更容易建立關(guān)系,中介作用較為明顯. 隨著流域內(nèi)其他省區(qū)的發(fā)展,陜西、河南等的中介作用不斷增強(qiáng),山東中介作用逐漸減弱;四川在觀察期初指標(biāo)值較低,根據(jù)《四川省物流業(yè)發(fā)展中長(zhǎng)期規(guī)劃(2015—2020年)》指示,要把四川建設(shè)成為西部最大的國(guó)際鐵路物流樞紐和公路物流樞紐,成為西部地區(qū)物流的重要門戶,所以其中介作用在2015年后逐漸增強(qiáng). 寧夏、內(nèi)蒙古和青海的中介中心度始終較低,尤其是寧夏和青海,指標(biāo)值始終為0,說明其在網(wǎng)絡(luò)中并無中介作用,反而多依靠其他節(jié)點(diǎn)來和較遠(yuǎn)的省份建立關(guān)系,這些省區(qū)受地理限制大,難以擔(dān)任網(wǎng)絡(luò)中的樞紐.

      3.4 核心-邊緣結(jié)構(gòu)分析

      由表5可見,2009和2010年,物流業(yè)碳排放網(wǎng)絡(luò)核心區(qū)域和邊緣區(qū)域的成員并無變動(dòng),2011年內(nèi)蒙古躋身核心區(qū)域,但在2016退出,反映出內(nèi)蒙古物流業(yè)發(fā)展的不穩(wěn)定. 陜西、山西、河南和山東始終處于核心區(qū)域,核心區(qū)經(jīng)濟(jì)水平和交通條件比較發(fā)達(dá),其余省區(qū)深處我國(guó)內(nèi)陸,受地理位置限制,與其他省份建立聯(lián)系相對(duì)困難,處于邊緣區(qū)域.

      表5 黃河流域物流業(yè)碳排放空間網(wǎng)絡(luò)核心-邊緣分析Tab.5 Core-Periphery analysis of spatial network of carbon emission in logistics industry of the Yellow River Basin

      從核心-邊緣密度矩陣可以得出:①核心內(nèi)部的密度呈“U型”變化,2011—2015年內(nèi)蒙古加入,但其始終未與陜西建立聯(lián)系,導(dǎo)致核心密度的降低. 但核心內(nèi)部密度始終大于0.5,說明核心成員間碳排放關(guān)系始終很緊密;②邊緣內(nèi)部密度呈“倒U型”變化,整體來看密度增多,聯(lián)系增強(qiáng). 但水平始終低于0.5,說明邊緣區(qū)域內(nèi)部物流業(yè)碳排放的聯(lián)系有待提升;③核心對(duì)邊緣的密度一直處于較低水平,折射出核心對(duì)邊緣的帶動(dòng)作用和影響力很小;④邊緣對(duì)核心的密度雖上下波動(dòng),但在觀察期末相對(duì)期初仍有提升,說明兩區(qū)域間碳排放聯(lián)系增多,邊緣區(qū)也在不斷發(fā)展,向核心區(qū)靠攏.

      綜上,核心區(qū)與邊緣區(qū)的物流業(yè)發(fā)展不均衡,核心區(qū)域內(nèi)碳排放聯(lián)系更為密集. 同時(shí)兩個(gè)區(qū)域間的雙向關(guān)系發(fā)展亦不均衡. 此外,核心對(duì)邊緣的輻射和帶動(dòng)作用很弱,應(yīng)充分利用核心地域的資金和信息等實(shí)力來帶動(dòng)邊緣區(qū),使黃河流域物流業(yè)協(xié)同發(fā)展.

      4 研究結(jié)論

      本文借助引力模型和社會(huì)網(wǎng)絡(luò)分析法,對(duì)黃河流域物流業(yè)碳排放空間網(wǎng)絡(luò)結(jié)構(gòu)特征進(jìn)行分析,得出以下結(jié)論:

      1)從時(shí)空特征來看,在觀察期內(nèi),各年碳排放均值均在400 萬t以上,最低為444.54 萬t,可見黃河流域物流業(yè)碳排壓力仍存在. 山東省物流業(yè)碳排量始終高居首位,均值超過1200 萬t,與最低的青海相差16倍之多,呈現(xiàn)上游向中下游逐漸增加的趨勢(shì).

      2)從整體網(wǎng)絡(luò)特征來看,黃河流域物流業(yè)碳排放空間關(guān)聯(lián)關(guān)系愈發(fā)緊密,但在觀察期內(nèi)進(jìn)步緩慢,還有待優(yōu)化空間. 網(wǎng)絡(luò)等級(jí)度降至0.222 2,表明網(wǎng)絡(luò)各節(jié)點(diǎn)等級(jí)差異在減弱,為區(qū)域協(xié)同減排提供了契機(jī). 為進(jìn)一步推進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)的均衡發(fā)展,應(yīng)構(gòu)建流域內(nèi)協(xié)調(diào)機(jī)制,加強(qiáng)流域內(nèi)各省區(qū)之間技術(shù)、人才、信息等的交流,形成優(yōu)勢(shì)互補(bǔ)、共同發(fā)展的新態(tài)勢(shì). 在優(yōu)化過程中要把控全局,限制和管控重點(diǎn)省份物流業(yè)碳排放的同時(shí)也要考慮到邊緣地區(qū)的發(fā)展,經(jīng)濟(jì)層面上可完善碳中和補(bǔ)償機(jī)制,多方位多角度實(shí)現(xiàn)黃河流域物流業(yè)整體減排和均衡發(fā)展[14-16].

      3)從個(gè)體網(wǎng)絡(luò)特征來看,網(wǎng)絡(luò)中心性向復(fù)雜化、均衡化演變,整個(gè)網(wǎng)絡(luò)結(jié)構(gòu)中心由流域下游逐漸向流域中游轉(zhuǎn)移. 山東、陜西、山西、寧夏、河南等在網(wǎng)絡(luò)中處于主導(dǎo)地位,四川、內(nèi)蒙古和青海處于弱勢(shì)位置. 中心區(qū)域的物流業(yè)碳排量始終較高,應(yīng)加強(qiáng)技術(shù)創(chuàng)新,制定相關(guān)減排政策,提高物流業(yè)能源利用效率;中下游地區(qū)應(yīng)不斷提高對(duì)技術(shù)、資金和信息的轉(zhuǎn)化能力,為上游欠發(fā)達(dá)地區(qū)提供借鑒和幫助,實(shí)現(xiàn)流域協(xié)同發(fā)展.

      4)由核心-邊緣分析得知,核心區(qū)域和邊緣區(qū)域的節(jié)點(diǎn)變化不大,核心區(qū)域與邊緣區(qū)域的密度始終較低,說明核心對(duì)邊緣的輻射和帶動(dòng)作用微弱. 合理的物流網(wǎng)絡(luò)布局是實(shí)現(xiàn)資源節(jié)約和環(huán)境友好的重要途徑[10],應(yīng)充分利用核心地域的資金、技術(shù)、信息、交通等實(shí)力,制定相關(guān)扶持政策和合作戰(zhàn)略來帶動(dòng)邊緣區(qū)域,增強(qiáng)核心區(qū)對(duì)網(wǎng)絡(luò)的擴(kuò)散作用. 邊緣區(qū)域自身和外部的聯(lián)系不夠緊密,應(yīng)加強(qiáng)邊緣區(qū)域內(nèi)部省區(qū)與域外其他省區(qū)間的合作聯(lián)動(dòng),充分挖掘邊緣區(qū)域在能源儲(chǔ)備、勞動(dòng)力等方面的優(yōu)勢(shì),雙向推動(dòng)黃河流域物流業(yè)的協(xié)同高質(zhì)量發(fā)展[17-20].

      猜你喜歡
      省區(qū)排量黃河流域
      生態(tài)環(huán)境部啟動(dòng)新一年度黃河流域“清廢行動(dòng)”
      我校成功舉辦第四屆沿黃九省區(qū)黃河論壇
      黃河流域燦爛的齊家文化——陶器
      收藏界(2019年2期)2019-10-12 08:26:10
      增強(qiáng)大局意識(shí) 提升黃河流域生態(tài)保護(hù)發(fā)展水平
      2019年1月乘用車銷售匯總表
      汽車工程師(2019年2期)2019-03-11 08:10:40
      真抓實(shí)干,為這26省區(qū)點(diǎn)贊!
      三十六計(jì)之順手牽羊
      我國(guó)沿海省區(qū)海洋產(chǎn)業(yè)集聚水平比較研究
      2015年10月基本型乘用車(轎車)銷售匯總表
      2015年10月基本型乘用車(轎車)生產(chǎn)匯總表
      普安县| 兴山县| 梅州市| 云龙县| 昌平区| 忻州市| 宜黄县| 七台河市| 驻马店市| 喀什市| 深州市| 神木县| 绥德县| 牡丹江市| 莲花县| 汉阴县| 马鞍山市| 洛浦县| 梅河口市| 旬阳县| 静安区| 泰来县| 汕头市| 临湘市| 徐闻县| 靖安县| 大埔县| 灯塔市| 名山县| 柞水县| 武川县| 平山县| 安陆市| 宿州市| 汝州市| 荣成市| 莒南县| 三明市| 黎城县| 沿河| 同心县|