中国物流低碳韧性的时空分异、网络结构特征与其驱动机制

doi:10.3969/j.issn.1004-9479.2026.10.20250071

摘要/Abstract

摘要：

在高质量发展的新时期，物流低碳韧性系统能否彰显绿色动能，是物流业迈向可持续发展道路的重要标志。本文从韧性视角出发，构建了5个维度的中国物流低碳韧性评价指标体系，使用熵权法测度2010—2022年中国物流低碳韧性值，采用核密度估计、莫兰指数、空间Markov链探究其时空分异特征，进而借助修正引力模型测度空间关联强度，并运用社会网络分析探究其网络结构特征及驱动机制。结果如下：①中国物流低碳韧性水平随时间推移不断提高，且地域差异也逐年显著扩大。②我国物流低碳韧性呈现以东部沿海为核心的高韧性聚集区辐射带动周边的态势，整体和局部各省物流低碳韧性普遍存在集聚现象，但近几年集聚现象减弱。③网络结构的连通度较好，密度值呈波动下降趋势，效率维持在较高水平，等级度总体呈波动上升趋势。其中，北京、广东、浙江、上海、江苏是网络结构中的“中心行动者”，且观测期间各板块属性经历了明显的演变。④网络结构驱动机制方面，经济水平差异、地理邻近差异、消费水平差异、对外开放差异、技术创新差异具有推动作用，环境质量差异则有轻微抑制作用。核心省域应发挥“增长极”的带动作用，具有“溢出”效应的省域需壮大韧性内生动力，实现网络结构紧密化发展。

关键词: 物流低碳韧性, 时空分异, 修正引力模型, 社会网络, 驱动机制

Abstract:

In the new era of high-quality development, exploring whether the logistics low-carbon resilience system demonstrates green momentum stands as a key indicator for the logistics industry to advance toward sustainable development. From a resilience perspective, this study constructed a five-dimensional evaluation index system for China's logistics low-carbon resilience. It measured China's logistics low-carbon resilience values from 2010 to 2022 using the entropy weight method, explored spatiotemporal differentiation characteristics via kernel density estimation, Moran's I, and spatial Markov chains, measured spatial association intensity through a modified gravity model, and analyzed network structure characteristics and driving mechanisms using social network analysis.The results show that: ① China's logistics low-carbon resilience level continuously increases over time, with regional differences becoming increasingly significant year by year. ② China's logistics low-carbon resilience presents a pattern of high-resilience agglomeration areas centered on the eastern coast, radiating and driving surrounding regions. Both overall and local provinces generally exhibit agglomeration in logistics low-carbon resilience, though this agglomeration has weakened in recent years. ③The network structure shows good connectivity, with density values fluctuating downward, efficiency remaining at a high level, and hierarchy generally fluctuating upward. Among them, Beijing, Guangdong, Zhejiang, Shanghai, and Jiangsu serve as "central actors" in the network, and the attributes of each plate evolved noticeably during the observation period. ④Regarding driving mechanisms, differences in economic level, geographical proximity, consumption level, opening-up, and technological innovation promote the network structure, while differences in environmental quality exert a slight inhibitory effect. Core provinces should play the leading role of "growth poles," and provinces with spillover effects need to strengthen endogenous resilience momentum to achieve closer network structure development.

Key words: logistics low-carbon resilience, spatiotemporal differentiation, modified gravity model, social network, driving mechanism

梁毅, 刘涵, 方焱, 袁钊旭. 中国物流低碳韧性的时空分异、网络结构特征与其驱动机制[J]. 世界地理研究, 2026, 35(10): 106-123.

Yi LIANG, Han LIU, Yan FANG, Zhaoxu YUAN. Spatio-temporal differentiation, network structure characteristics and driving mechanism of low-carbon resilience of logistics in China[J]. World Regional Studies, 2026, 35(10): 106-123.

图/表 17

参考文献 24

[1]	国务院.国务院关于印发«2024—2025年节能降碳行动方案»的通知.北京:国务院,2024-05-29.
	The State Council. Notice of the State Council on Printing and Distributing the Action Plan for Energy Conservation and Carbon Reduction during 2024 - 2025. Beijing: The State Council, 2024-05-29. .
[2]	中共中央办公厅,国务院办公厅.有效降低全社会物流成本行动方案.北京:中共中央办公厅,国务院办公厅,2024-11-27.
	General Office of the Central Committee of the Communist Party of China, General Office of the State Council. Action Plan for Effectively Reducing the Logistics Costs of the Whole Society. Beijing: General Office of the Central Committee of the Communist Party of China, General Office of the State Council, 2024-11-27. .
[3]	杨丽,沈书剑,陈静,等.不同权力结构下考虑绿色水平的物流服务供应链社会责任协调优化.系统科学与数学,2025, 45(8): 2500-2516.
	YANG L, SHEN S, CHEN J, et al. Research on social responsibility coordination of logistics service supply chain from the perspective of different power structures considering green level. Journal of Systems Science and Mathematical Sciences, 2025, 45(8): 2500-2516.
[4]	汪凡,汪明峰,林娟,等.供应链协同水平及其对农村电商发展的影响机制分析:以长三角地区为例.世界地理研究,2025,34(6):95-107.
	WANG F, WANG M, LIN J, et al.Analysis of supply chain collaboration and its influence mechanism on rural e-commerce development: The case of Yangtze River Delta region.World Regional Studies,2025,34(6):95-107.
[5]	周楠,陈久梅,但斌,等.高质量发展下区域物流与区域经济时空耦合及影响因素——以长江经济带为例.软科学,2022,36(10):84-92.
	ZHOU N, CHEN J, DAN B, et al. Spatial and temporal coupling and influencing factors of regional logistics and regional economy from the perspective of high quality development——A case study of the Yangtze River Economic Belt. Soft Science, 2022,36 (10): 84-92.
[6]	李会,任启龙,张春梅.京津冀城市物流联系时空演变及驱动因素研究.世界地理研究,2022,31(5):1046-1056.
	LI H, REN Q, ZHANG C. Study on the spatial-temporal evolution and driving factors of urban logistics links in Beijing-Tianjin-Hebei Region. World Regional Studies, 2022,31(5):1046-1056.
[7]	马越越,李银平,马琳茜.中国物流绿色低碳发展空间关联效应及影响因素.环境科学,2025, 46(3): 1462-1472.
	MA Y, LI Y, MA L. Spatial correlation network effect and influencing factors of green and low-carbon development in logistics industry . Environmental Science,2025, 46(3): 1462-1472.
[8]	李敏杰,陈毅辉.中国物流业绿色韧性的时空演变及空间关联网络结构.地理与地理信息科学,2024,40(4):48-56.
	LI M, CHEN Y. Spatio-temporal evolution and spatial correlation network structure of green resilience of logistics industry in China. Geography and Geo-Information Science, 2024,40 (4): 48-56.
[9]	李晓梅,黄俊.中国省域物流碳排放效率的演化特征及收敛性分析.世界地理研究,2024,33(4):155-166.
	LI X, HUANG J. Evolution characteristics and convergence analysis of carbon emission efficiency of provincial logistics in China. World Regional Studies, 2024,33(4):155-166.
[10]	朱迪,叶林祥.中国农业绿色韧性:水平测度与时空演变.统计与决策,2024,40(13):118-123.
	ZHU D, YE L. Green resilience of Chinese agriculture: Horizontal measurement and spatiotemporal evolution. Statistics & Decision, 2024,40(13):118-123.
[11]	胡建梅,刘凤玲.中国对非教育援助的空间格局及其影响因素研究.世界地理研究,2025,34(11):46-58.
	HU J, LIU F.Spatial characteristics and influencing factors of China's education aid to Africa.World Regional Studies,2025,34(11): 46-58.
[12]	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.长江流域资源与环境,2025, 34(7): 1426-1440.
	ZHAI M, LU Y, WEI L. Evolution of spatial association network of cities in Yangtze River Delta and its influencing factors --Based on modified gravity model. Resources and Environment in the Yangtze Basin, 2025, 34(7): 1426-1440.
[13]	洪名勇,谭宇航,王涵.中国乡村产业韧性的统计测度与时空演进.统计与决策,2025,41(1):64-69.
	HONG M, TAN Y, WANG H. Statistical measurement and spatiotemporal evolution of China's rural industrial resilience. Statistics & Decision, 2025,41(1):64-69.
[14]	秦文晋,李海蓉,刘秉镰.中国城市包容性绿色增长水平测度、时空格局及动态演进.中国软科学,2025(4):125-137 .
	QIN W, LI H, LIU B.Measurement,spatial-temporal pattern and dynamic evolution of inclusive green growth in Chinese cities .China Soft Science,2025(4):125-137.
[15]	彭文斌,邝嫦娥,李文意,等.长江中游城市群城市更新与生态韧性空间关联网络及影响研究.地理科学,2024,44(11):1936-1945.
	PENG W, KUANG C, LI W, et al.Spatial correlation network and impacts of urban renewal and ecological resilience in urban agglomerations in the middle reaches of the Yangtze River.Scientia Geographica Sinica,2024,44(11):1936-1945.
[16]	曾鹏,覃意晗,卢玉桂.中国城市数实融合的区域差异、来源分解及形成机理.统计与信息论坛,2024,39(4):95-111.
	ZENG P, QIN Y, LU Y. Regional differences, source decomposition and formation mechanism of urban digital-real integration in China. Statistics & Information Forum, 2024,39(4):95-111.
[17]	李元豪,钱昭英.我国省际数字物流空间关联网络结构特征及其驱动因素识别.铁道运输与经济,2025,47(2):35-44.
	LI Y, QIAN Z. Structural characteristics of interprovincial digital logistics spatial association network and identification of its driving factors in China . Railway Transport and Economy, 2025,47(2):35-44.
[18]	盖美,徐晶晶,岳鹏.环渤海地区海岸带人地系统韧性空间关联网络特征及形成机制.资源科学,2024,46(3):565-582.
	GAI M, XU J, YUE P. Characteristics and formation mechanism of spatial association network of coastal human-nature system resilience in the Bohai Rim region. Resources Science, 2024,46(3): 565-582.
[19]	KRACKHARDT D, BRASS D J. Intraorganizational networks. Advances in social network analysis, 1994: 207-29.
[20]	陈准,刘云朋,陈太政,等.中国省际农业高质量发展空间关联网络结构演化及其驱动因素.经济地理,2024,44(11):151-160.
	CHEN Z, LIU Y, CHEN T, et al. Spatiotemporal evolution and driving factors of spatial correlation network structure of China's agricultural high-quality development. Economic Geography, 2024,44(11):151-160.
[21]	梁红涛,孙燕,范业婷.长三角城市群能源碳排放效率的空间关联网络特征及影响因素.环境科学,2026, 47(5): 2834-2846.
	LIANG H, SUN Y, FAN Y. Spatial correlation network characteristics and influencing factors of energy carbon emission efficiency in Yangtze River Delta. Environmental Science, 2026, 47(5): 2834-2846.
[22]	王雨璇,田泽,任阳.中国制造业数字化转型效率空间关联及驱动因素研究.经济体制改革,2025(2):47-56.
	WANG Y, TIAN Z, REN Y. Research on spatial correlation and influencing factors of digital transformation efficiency of China's manufacturing industry. Reform of Economic System, 2025(2):47-56.
[23]	付伟,巩海秀,陈建成.中国家庭消费间接碳排放空间关联结构演变——基于社会网络分析法.干旱区地理,2025,48(1):119-129.
	FU W, GONG H, CHEN J. Evolution of spatial correlation structure of indirect carbon emissions from household consumption in China: Based on social network analysis. Arid Land Geography, 2025,48(1):119-129.
[24]	刘星星,陈媛,杨青,等.基于多维视角的中国交通碳排放与区域驱动要素链分析.环境科学研究,2025,38(5):967-979.
	LIU X, CHEN Y, YANG Q, et al. Analysis of China's transportation carbon emissions and regional driving factor chain based on a multidimensional perspective. Research of Environmental Sciences, 2025,38(5):967-979.

一级指标	二级指标	三级指标	指标说明	属性	权重 /%
基础能力	物流基础设施	铁路密度	铁路密度=铁路线路通车里程/该地区面积	+	3.46
		公路密度	公路密度=公路线路通车里程/该地区面积	+	2.46
		邮政业营业网点数量/处	邮政业营业网点数量	+	4.33
		载货汽车吨位/万吨	载货汽车吨位	+	4.44
抵抗能力	人力资本	邮政业从业人员数量/人	邮政业从业人员	+	3.36
	人力资本	人力资源储备/人	普通本科生数量	+	2.33
	投资结构	固定资产投资/亿元	物流固定资产投资	+	3.49
	消费结构	人均可支配收入/元	城镇人均可支配收入	+	2.88
	产业结构	产业结构合理化	泰尔指数	-	0.40
	产业结构	产业结构高级化	第三产业产值/第二产业产值	+	3.34
恢复能力	产业效益	人均GDP/万元	人均GDP	+	2.40
		货运周转量/（亿吨公里）	货运周转量	+	5.40
		邮政业务总量/亿元	邮政业务总量	+	9.88
		货运量/万吨	货运量	+	3.25
		物流业增加值/亿元	物流业增加值	+	3.40
创新能力	创新投入	R&D人员全时当量/人年	R&D人员全时当量	+	7.73
		R&D经费/万元	R&D经费	+	7.23
		R&D项目数/项	R&D项目数	+	7.87
	创新产出	大中型工业企业有效专利数/件	大中型工业企业有效专利数	+	9.85
低碳能力	能源消耗	人均物流业八大能源消耗量/万吨标准煤	八大能源消耗量/总人数	-	0.27
	环境排放	物流业碳排放量/万吨标煤	（原煤+汽油+煤油+柴油+燃料油+液化石油气+天然气+电力）×碳排放系数	-	0.29
	环境排放	烟尘排放量/万吨	烟尘排放量	-	0.34
	环境治理	治理废气投资/万元	治理废气投资	+	6.00
		治理废水投资/万元	治理废水投资	+	5.10
		空气质量指数	主要城市空气质量达到二级以上天数占全年比例	+	0.51

一级指标	二级指标	三级指标	指标说明	属性	权重 /%
基础能力	物流基础设施	铁路密度	铁路密度=铁路线路通车里程/该地区面积	+	3.46
		公路密度	公路密度=公路线路通车里程/该地区面积	+	2.46
		邮政业营业网点数量/处	邮政业营业网点数量	+	4.33
		载货汽车吨位/万吨	载货汽车吨位	+	4.44
抵抗能力	人力资本	邮政业从业人员数量/人	邮政业从业人员	+	3.36
	人力资本	人力资源储备/人	普通本科生数量	+	2.33
	投资结构	固定资产投资/亿元	物流固定资产投资	+	3.49
	消费结构	人均可支配收入/元	城镇人均可支配收入	+	2.88
	产业结构	产业结构合理化	泰尔指数	-	0.40
	产业结构	产业结构高级化	第三产业产值/第二产业产值	+	3.34
恢复能力	产业效益	人均GDP/万元	人均GDP	+	2.40
		货运周转量/（亿吨公里）	货运周转量	+	5.40
		邮政业务总量/亿元	邮政业务总量	+	9.88
		货运量/万吨	货运量	+	3.25
		物流业增加值/亿元	物流业增加值	+	3.40
创新能力	创新投入	R&D人员全时当量/人年	R&D人员全时当量	+	7.73
		R&D经费/万元	R&D经费	+	7.23
		R&D项目数/项	R&D项目数	+	7.87
	创新产出	大中型工业企业有效专利数/件	大中型工业企业有效专利数	+	9.85
低碳能力	能源消耗	人均物流业八大能源消耗量/万吨标准煤	八大能源消耗量/总人数	-	0.27
	环境排放	物流业碳排放量/万吨标煤	（原煤+汽油+煤油+柴油+燃料油+液化石油气+天然气+电力）×碳排放系数	-	0.29
	环境排放	烟尘排放量/万吨	烟尘排放量	-	0.34
	环境治理	治理废气投资/万元	治理废气投资	+	6.00
		治理废水投资/万元	治理废水投资	+	5.10
		空气质量指数	主要城市空气质量达到二级以上天数占全年比例	+	0.51

变量	2010	2011	2012	2013	2014	2015	2016	2017	2018	2019	2020	2021	2022
I	0.41	0.41	0.39	0.38	0.38	0.38	0.40	0.36	0.35	0.35	0.35	0.39	0.38
Z	3.59	3.53	3.38	3.31	3.33	3.34	3.52	3.25	3.17	3.17	3.22	3.50	3.44
P	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00

变量	2010	2011	2012	2013	2014	2015	2016	2017	2018	2019	2020	2021	2022
I	0.41	0.41	0.39	0.38	0.38	0.38	0.40	0.36	0.35	0.35	0.35	0.39	0.38
Z	3.59	3.53	3.38	3.31	3.33	3.34	3.52	3.25	3.17	3.17	3.22	3.50	3.44
P	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00	0.00

空间滞后类型	T_i时期	T_i+1时期
空间滞后类型	T_i时期	低水平	中低水平	中水平	中高水平	高水平	观测值
低水平	低水平	0.93	0.07	0	0	0	28
	中低水平	0	0.83	0.17	0	0	6
	中水平	0	0	0.67	0.33	0	3
	中高水平	0	0	0	1.00	0	1
	高水平	0	0	0	0	0	0
中低水平	低水平	0.87	0.13	0	0	0	54
	中低水平	0	0.90	0.10	0	0	61
	中水平	0	0	1.00	0	0	19
	中高水平	0	0	0	0.75	0.25	4
	高水平	0	0	0	0	1.00	5
中水平	低水平	0.50	0.50	0	0	0	2
	中低水平	0	0.86	0.14	0	0	42
	中水平	0	0.04	0.86	0.10	0	49
	中高水平	0	0	0	1.00	0	19
	高水平	0	0	0	0	1.00	2
中高水平	低水平	1.00	0.0	0	0	0	4
	中低水平	0	0.86	0.14	0	0	7
	中水平	0	0	0.88	0.13	0	16
	中高水平	0	0	0	0.67	0.33	12
	高水平	0	0	0	0.08	0.92	12
高水平	低水平	0.83	0.17	0	0	0	6
	中低水平	0	1.00	0	0	0	1
	中水平	0	0	1.00	0	0	3
	中高水平	0	0	0	1.00	0	4
	高水平	0	0	0	0	0	0