基于2010年,2015年和2019年中国30个省域物流公路运输碳排放数据和空间关系网,采用社会网络分析法(social network analysis,SNA)、地理信息系统(geographic information system,GIS)和地理探测器,从整体碳排放空间分布、整体网络结构...基于2010年,2015年和2019年中国30个省域物流公路运输碳排放数据和空间关系网,采用社会网络分析法(social network analysis,SNA)、地理信息系统(geographic information system,GIS)和地理探测器,从整体碳排放空间分布、整体网络结构演变、网络密度、凝聚子群、网络节点以及影响因素等角度分析我国30个省份公路运输碳排放空间分布和特征。结果表明:(1)从空间分布看,2010—2019年公路运输碳排放空间分布中部和南部排放量较多,西部和北部较少;(2)整体网络分析中,网络结构具有明显的核心-边缘结构,核心省份网络密度高且具有较发达的公路网络体系;(3)在不同的省份中,以广东省为例的中部和东部省份处于网络连接的核心,而甘肃省等较为偏远的省份处于网络的边缘;(4)产业结构、货运量和载货汽车拥有量对碳排放影响最大,而且交叉因子的影响作用大于单一因素的影响作用。展开更多
文摘基于2010年,2015年和2019年中国30个省域物流公路运输碳排放数据和空间关系网,采用社会网络分析法(social network analysis,SNA)、地理信息系统(geographic information system,GIS)和地理探测器,从整体碳排放空间分布、整体网络结构演变、网络密度、凝聚子群、网络节点以及影响因素等角度分析我国30个省份公路运输碳排放空间分布和特征。结果表明:(1)从空间分布看,2010—2019年公路运输碳排放空间分布中部和南部排放量较多,西部和北部较少;(2)整体网络分析中,网络结构具有明显的核心-边缘结构,核心省份网络密度高且具有较发达的公路网络体系;(3)在不同的省份中,以广东省为例的中部和东部省份处于网络连接的核心,而甘肃省等较为偏远的省份处于网络的边缘;(4)产业结构、货运量和载货汽车拥有量对碳排放影响最大,而且交叉因子的影响作用大于单一因素的影响作用。