The impact of the Yangtze River Delta low-carbon technology innovation collaboration network on green development efficiency

doi:10.3969/j.issn.1004-9479.2026.06.20250185

Abstract

Abstract:

Clarifying how low-carbon technology innovation collaboration networks affect green development efficiency and generate spatial spillovers can facilitate the cross-regional allocation of innovation resources and coordinated urban green transitions. Using data on jointly filed low-carbon technology patents and socioeconomic indicators for 41 cities in the Yangtze River Delta from 2011 to 2021, this study applies social network analysis, the super-efficiency slacks-based measure model, spatial analysis, and the spatial Durbin model to examine the spatiotemporal evolution of the collaboration network and green development efficiency and to identify the direct and indirect effects associated with different network positions. The results show that: ① The number of patent collaborations, network density, and network complexity increased overall. By 2021, the network had developed into a diamond-shaped configuration centered on Shanghai, Nanjing, Hangzhou, Ningbo, and other cities, with a hierarchical core-subcore-periphery structure. ② Green development efficiency improved overall, and its spatial pattern shifted from dual-pole leadership to dual-zone agglomeration. Changes in network density and overall green development efficiency were significantly positively correlated. ③ Different network positions had distinct effects on green development efficiency. Degree centrality was mainly associated with a significant positive indirect effect, closeness centrality with a significant positive direct effect, while the effect of betweenness centrality was not statistically significant. These findings provide implications for optimizing the low-carbon technology innovation collaboration network, strengthening technological spillovers from central cities, and advancing a coordinated green transition across the Yangtze River Delta.

Key words: low-carbon technology innovation cooperation, green development efficiency, Yangtze River Delta, spatial spillover effects

摘要：

厘清低碳技术创新合作网络对绿色发展效率的影响及其空间溢出机制，有助于促进创新资源跨区域配置与城市绿色协同转型。本文基于2011—2021年长三角41个城市的低碳技术联合申请专利及社会经济数据，运用社会网络分析、超效率SBM模型、空间分析和空间杜宾模型，考察低碳技术创新合作网络与绿色发展效率的时空演化特征，并识别不同网络位置的直接效应和间接效应。研究发现：①长三角低碳技术创新合作网络的专利合作数量、网络密度和复杂程度总体上升，至2021年形成以上海、南京、杭州和宁波等城市为核心的菱形结构，并呈现“核心-次核心-边缘”的等级层次特征。②长三角绿色发展效率总体提升，空间格局由“两极引领”演变为“两区集聚”，网络密度与绿色发展效率的总体变化呈显著正相关。③不同网络位置对绿色发展效率的作用存在差异，度中心度主要表现为显著正向间接效应，接近中心度主要表现为显著正向直接效应，中介中心度的影响不显著。研究结论可为优化长三角低碳技术创新合作网络、发挥中心城市的技术溢出效应及推进区域绿色协同转型提供参考。

关键词: 低碳技术创新合作, 绿色发展效率, 长三角地区, 空间溢出效应

Qinglin SHI, Genqi TAN. The impact of the Yangtze River Delta low-carbon technology innovation collaboration network on green development efficiency[J]. World Regional Studies, 2026, 35(6): 138-154.

石庆玲, 谭亘奇. 长三角低碳技术创新合作网络对绿色发展效率的影响[J]. 世界地理研究, 2026, 35(6): 138-154.

Figures/Tables 11

Tab.1 Green development efficiency evaluation system

一级指标	二级指标		三级指标	代理指标	属性
绿色发展效率	投入		资本投入	环境治理投入费用、科学创新支出费用之和为资本投入/万元	+
			劳动投入	科研技术服务业就业人数/万人	+
			资源投入	全社会用电量/亿千瓦时	+
	产出	期望产出	经济效益	城市人均GDP/（元/人）	+
			社会效益	社会消费品零售总额/万元	+
			生态效益	城市绿化覆盖率/%	+
		非期望产出	废水排放	工业废水排放量/吨	-
			废气排放	工业SO₂排放量/吨	-
			粉尘排放	工业烟尘排放量/吨	-

Tab.2 Indicators and definitions of the green and low-carbon technology innovation collaboration network

D e g = ∑ j ∈ N x i j N - 1

，式中，

x i j

取值1或0，代表节点

j

与

i

是否拥有绿色低碳专利技术的合作，

N

代表网络中的节点数量

衡量某个城市与其他城市进行低碳技术专利合作的能力，其值越高，代表该城市在创新合作网络中地位越高

接近中心度

$C l o = 1 n - 1 ∑ j ≠ 1 1 d (i, j)$ ，其中 $d i, j = β, i 和 j 相连 ∞, i 和 j 不相连$

式中， $d i, j$ 代表两个节点 $i$ 和 $j$ 之间的距离

反映城市和其他城市之间低碳技术合作的紧密程度，其值越高意味着低碳技术在其中的流通性越高

中介中心度

$B e t = ∑ j ∈ N ∑ k ∈ N g j k (i) g j k$ ( $j ≠ k ≠ i$ )

式中， $g j k$ 代表节点 $k$ 和 $j$ 之间最短路径的数目， $g j k (i)$ 是节点 $k$ 和 $j$ 之间存在的经过节点 $i$ 的最短路径的数目

衡量某个城市在创新网络内部对于低碳技术的控制程度和调节能力，值越高，该城市在区域中的调节和控制能力就越高

Tab.2 Indicators and definitions of the green and low-carbon technology innovation collaboration network

指标

公式及指标含义

指标解释

度数中心度

D e g = ∑ j ∈ N x i j N - 1

，式中，

x i j

取值1或0，代表节点

j

与

i

是否拥有绿色低碳专利技术的合作，

N

代表网络中的节点数量

衡量某个城市与其他城市进行低碳技术专利合作的能力，其值越高，代表该城市在创新合作网络中地位越高

接近中心度

$C l o = 1 n - 1 ∑ j ≠ 1 1 d (i, j)$ ，其中 $d i, j = β, i 和 j 相连 ∞, i 和 j 不相连$

式中， $d i, j$ 代表两个节点 $i$ 和 $j$ 之间的距离

反映城市和其他城市之间低碳技术合作的紧密程度，其值越高意味着低碳技术在其中的流通性越高

中介中心度

$B e t = ∑ j ∈ N ∑ k ∈ N g j k (i) g j k$ ( $j ≠ k ≠ i$ )

式中， $g j k$ 代表节点 $k$ 和 $j$ 之间最短路径的数目， $g j k (i)$ 是节点 $k$ 和 $j$ 之间存在的经过节点 $i$ 的最短路径的数目

衡量某个城市在创新网络内部对于低碳技术的控制程度和调节能力，值越高，该城市在区域中的调节和控制能力就越高

Tab.3 Green low-carbon technology classification system

一级分类	二级分类
化石能源降碳技术	煤炭清洁高效利用、石油及天然气清洁化
节能与能量回收利用	节油技术、节气技术、节电技术、能量回收利用
清洁能源	水能、太阳能、风能、海洋能、地热能、氢能、生物质能、核能
储能技术	机械储能、热储能、电化学储能
温室气体捕集利用封存	CO₂的捕集利用封存、其他温室气体减排

Fig.1 The temporal evolution of green development efficiency and green low-carbon technology innovation collaboration networks in the Yangtze River Delta Region from 2011 to 2021

Tab.4 Characteristic indicators of green low-carbon technology innovation collaboration networks

年份	2011年	2012年	2013年	2014年	2015年	2016年	2017年	2018年	2019年	2020年	2021年
节点数	39	40	40	37	40	41	41	41	41	41	41
边数	123	139	145	152	164	176	202	226	249	271	294
专利合作数	1 220	2 236	1 659	1 616	2 376	3 836	4 778	4 127	4 117	5 211	5 650
聚类系数	0.618	0.682	0.685	0.692	0.695	0.727	0.738	0.701	0.765	0.745	0.756

Fig.2 Spatial pattern evolution of green low-carbon technology innovation collaboration networks and green development efficiency in the Yangtze River Delta Region during 2011-2021

Tab.5 Characteristic indicators of green low-carbon technology innovation collaboration networks

排名	2011年			2016年			2021年
排名	$D e g$	$C l o$	$B e t$	$D e g$	$C l o$	$B e t$	$D e g$	$C l o$	$B e t$
1	上海(0.188)	合肥(0.328)	合肥(0.311)	南京(0.291)	合肥(0.307)	合肥(0.458)	上海(0.169)	温州(0.444)	徐州(0.225)
2	杭州(0.163)	绍兴(0.314)	宁波(0.226)	上海(0.127)	镇江(0.289)	镇江(0.156)	南京(0.143)	徐州(0.443)	温州(0.123)
3	南京(0.144)	金华(0.311)	绍兴(0.202)	杭州(0.088)	苏州(0.284)	滁州(0.138)	杭州(0.127)	宁波(0.415)	宁波(0.116)
4	台州(0.103)	连云港(0.309)	常州(0.158)	宁波(0.071)	南通(0.264)	苏州(0.119)	苏州(0.044)	嘉兴(0.411)	嘉兴(0.111)
5	常州(0.047)	宁波(0.306)	上海(0.149)	苏州(0.041)	滁州(0.262)	宁波(0.108)	合肥(0.041)	丽水(0.402)	丽水(0.085)

Tab.5 Characteristic indicators of green low-carbon technology innovation collaboration networks

排名	2011年			2016年			2021年
排名	$D e g$	$C l o$	$B e t$	$D e g$	$C l o$	$B e t$	$D e g$	$C l o$	$B e t$
1	上海(0.188)	合肥(0.328)	合肥(0.311)	南京(0.291)	合肥(0.307)	合肥(0.458)	上海(0.169)	温州(0.444)	徐州(0.225)
2	杭州(0.163)	绍兴(0.314)	宁波(0.226)	上海(0.127)	镇江(0.289)	镇江(0.156)	南京(0.143)	徐州(0.443)	温州(0.123)
3	南京(0.144)	金华(0.311)	绍兴(0.202)	杭州(0.088)	苏州(0.284)	滁州(0.138)	杭州(0.127)	宁波(0.415)	宁波(0.116)
4	台州(0.103)	连云港(0.309)	常州(0.158)	宁波(0.071)	南通(0.264)	苏州(0.119)	苏州(0.044)	嘉兴(0.411)	嘉兴(0.111)
5	常州(0.047)	宁波(0.306)	上海(0.149)	苏州(0.041)	滁州(0.262)	宁波(0.108)	合肥(0.041)	丽水(0.402)	丽水(0.085)

Tab.6 Moran’s I index of green development efficiency in the Yangtze River Delta Region, 2011-2021

年份	Moran’s I（G）	Z（G）	P（G）	Moran’s I（E）	Z（E）	P（E）
2011	-0.063	-0.394	0.693	0.100	1.982	0.047^**
2012	-0.047	-0.217	0.828	0.063	2.135	0.031^**
2013	0.120	1.502	0.133	0.144	1.999	0.046^**
2014	-0.050	-0.244	0.807	0.101	1.509	0.131^**
2015	0.012	0.396	0.692	0.142	2.022	0.043^**
2016	0.027	0.546	0.585	0.152	2.083	0.037^**
2017	0.016	0.417	0.677	0.163	2.126	0.033^**
2018	0.146	1.686	0.092^*	0.235	2.929	0.003^***
2019	0.117	1.391	0.164	0.189	2.400	0.016^**
2020	0.002	0.274	0.784	0.053	3.885	0.000^***
2021	0.027	0.519	0.604	0.075	4.125	0.000^***

Tab.7 Spatial econometric correlation test results

检验	统计值	P值
Hausman	36.84^***	0.005 5
LM（error）	30.728^***	0.000
LM（lag）	11.998^***	0.001
Wald	32.59^***	0.000 1
LR（error）	31.73^***	0.001
LR（lag）	32.34^***	0.001

Tab.8 Results of OLS model and SDM model

解释变量	OLS	SDM
解释变量	模型1	模型2
ln $D e g$	0.110(0.16)	0.087(0.14)
ln $C l o$	0.732^***(3.22)	0.799^***(3.82)
ln $B e t$	-0.370(-1.72)	-0.428(-2.19)
lnED	0.03(0.41)	0.077^*(1.08)
lnPOP	0.124(1.28)	0.173^*(1.85)
lnGOV	0.028^**(0.92)	0.037^**(1.34)
lnER	-0.043^**(-1.42)	-0.064^**(-2.16)
lnLOU	0.028(1.35)	0.016(0.85)
W*ln $D e g$		8.908^***(3.97)
W*ln $C l o$		0.469^**(1.06)
W*ln $B e t$		-0.214(-0.36)
W*lnED		0.016^**(0.17)
W*lnPOP		4.917(1.26)
W*lnGOV		-5.316^**（-2.03)
W*lnER		-27.29^***(-2.77)
W*lnLOU		-7.594^**(-1.99)
ρ		1.482^**(3.26)
样本数	451	451
时间固定效应	Yes	Yes
个体固定效应	Yes	Yes

Tab.8 Results of OLS model and SDM model

解释变量	OLS	SDM
解释变量	模型1	模型2
ln $D e g$	0.110(0.16)	0.087(0.14)
ln $C l o$	0.732^***(3.22)	0.799^***(3.82)
ln $B e t$	-0.370(-1.72)	-0.428(-2.19)
lnED	0.03(0.41)	0.077^*(1.08)
lnPOP	0.124(1.28)	0.173^*(1.85)
lnGOV	0.028^**(0.92)	0.037^**(1.34)
lnER	-0.043^**(-1.42)	-0.064^**(-2.16)
lnLOU	0.028(1.35)	0.016(0.85)
W*ln $D e g$		8.908^***(3.97)
W*ln $C l o$		0.469^**(1.06)
W*ln $B e t$		-0.214(-0.36)
W*lnED		0.016^**(0.17)
W*lnPOP		4.917(1.26)
W*lnGOV		-5.316^**（-2.03)
W*lnER		-27.29^***(-2.77)
W*lnLOU		-7.594^**(-1.99)
ρ		1.482^**(3.26)
样本数	451	451
时间固定效应	Yes	Yes
个体固定效应	Yes	Yes

Tab.9 Results of direct, indirect and total effects

变量	直接效应	间接效应	总效应
ln $D e g$	0.039(0.05)	6.495^***(4.01)	6.535^***(3.58)
ln $C l o$	0.820^***(3.73)	0.250(0.78)	1.070^***(2.76)
ln $B e t$	-0.227(-0.99)	-0.142(-0.33)	-0.368(-0.73)
lnED	0.05^**(1.05)	0.013(0.19)	0.037^**(0.46)
lnPOP	1.629(0.88)	3.237(1.11)	4.866(1.28)
lnGOV	0.148(0.19)	-3.707^*(-2.00)	-3.559^*(-1.73)
lnER	-8.448(-1.73)	-18.97^***(-2.63)	-27.42^***(-3.33)
lnLOU	-2.501^**(-2.18)	-5.748(-2.02)	-3.247^**(-1.11)

Tab.9 Results of direct, indirect and total effects

变量	直接效应	间接效应	总效应
ln $D e g$	0.039(0.05)	6.495^***(4.01)	6.535^***(3.58)
ln $C l o$	0.820^***(3.73)	0.250(0.78)	1.070^***(2.76)
ln $B e t$	-0.227(-0.99)	-0.142(-0.33)	-0.368(-0.73)
lnED	0.05^**(1.05)	0.013(0.19)	0.037^**(0.46)
lnPOP	1.629(0.88)	3.237(1.11)	4.866(1.28)
lnGOV	0.148(0.19)	-3.707^*(-2.00)	-3.559^*(-1.73)
lnER	-8.448(-1.73)	-18.97^***(-2.63)	-27.42^***(-3.33)
lnLOU	-2.501^**(-2.18)	-5.748(-2.02)	-3.247^**(-1.11)

References 41

[1]	YU Y, LI Y. Progress in China's sustainable development research: Contribution of Chinese geographers. Journal of Geographical Sciences, 2016, 26(8): 1176-1196.
[2]	车磊, 白永平, 周亮, 等. 中国绿色发展效率的空间特征及溢出分析. 地理科学, 2018, 38(11): 1788-1798.
	CHE L, BAI Y, ZHOU L, et al. Spatial pattern and spillover effects of green development efficiency in China. Scientia Geographica Sinica, 2018, 38(11): 1788-1798.
[3]	胡鞍钢, 周绍杰. 绿色发展: 功能界定、机制分析与发展战略. 中国人口·资源与环境, 2014, 24(1): 14-20.
	HU A, ZHOU S. Green development: Functional definition, mechanism analysis and development strategy. China Population, Resources and Environment, 2014, 24(1): 14-20.
[4]	郭付友, 高思齐, 佟连军, 等. 黄河流域绿色发展效率的时空演变特征与影响因素. 地理研究, 2022, 41(1): 167-180.
	GUO F, GAO S, TONG L, et al. Spatio-temporal evolution track and influencing factors of green development efficiency in Yellow River Basin. Geographical Research, 2022, 41(1): 167-180.
[5]	杨志江, 文超祥. 中国绿色发展效率的评价与区域差异. 经济地理, 2017, 37(3): 10-18.
	YANG Z, WEN C. Evaluation on China's green development efficiency and regional disparity. Economic Geography, 2017, 37(3): 10-18.
[6]	童昀, 刘海猛, 马勇, 等. 中国旅游经济对城市绿色发展的影响及空间溢出效应. 地理学报, 2021, 76(10): 2504-2521.
	TONG Y, LIU H, MA Y, et al. The influence and spatial spillover effects of tourism economy on urban green development in China. Acta Geographica Sinica, 2021, 76(10): 2504-2521.
[7]	FÄRE R, GROSSKOPF S, LOVELL C, et al. Multilateral productivity comparisons when some outputs are undesirable: A nonparametric approach. The Review of Economics and Statistics, 1989, 71(1): 90-98.
[8]	BAI Y, HUA C, JIAO J, et al. Green efficiency and environmental subsidy: Evidence from thermal power firms in China. Journal of Cleaner Production, 2018, 188: 49-61.
[9]	马海良, 丁元卿, 王蕾, 等. 绿色水资源利用效率的测度和收敛性分析. 自然资源学报, 2017, 32(3): 406-417.
	MA H, DING Y, WANG L, et al. Measurement and convergence analysis of green water utilization efficiency. Journal of Natural Resources, 2017, 32(3): 406-417.
[10]	ZHONG Z, HUANG R, TANG Q, et al. China's provincial CO₂ emissions embodied in trade with implications for regional climate policy. Frontiers of Earth Science, 2015, 9(1): 77-90.
[11]	李金昌, 连港慧, 徐蔼婷. "双碳"愿景下企业绿色转型的破局之道——数字化驱动绿色化的实证研究. 数量经济技术经济研究, 2023, 40(9): 27-49.
	LI J, LIAN G, XU A. The way to break the dilemma of corporate green transformation under the "dual carbon" vision: An empirical study on digital-driven greening. The Journal of Quantitative & Technical Economics, 2023, 40(9): 27-49.
[12]	ELHORST J. Applied spatial econometrics: Raising the bar. Spatial Economic Analysis, 2010, 5(1): 9-28.
[13]	LIN B, YANG L. Efficiency effect of changing investment structure on China's power industry. Renewable and Sustainable Energy Reviews, 2014, 39: 403-411.
[14]	LI B, WU S. Effects of local and civil environmental regulation on green total factor productivity in China: A spatial Durbin econometric analysis. Journal of Cleaner Production, 2017, 153: 342-353.
[15]	周亮, 车磊, 周成虎. 中国城市绿色发展效率时空演变特征及影响因素. 地理学报, 2019, 74(10): 2027-2044.
	ZHOU L, CHE L, ZHOU C. Spatio-temporal evolution and influencing factors of urban green development efficiency in China. Acta Geographica Sinica, 2019, 74(10): 2027-2044.
[16]	吴洁, 张云, 韩露露. 长三角城市群绿色发展效率评价研究. 上海经济研究, 2020(1): 1-15.
	WU J, ZHANG Y, HAN L. Research on green development efficiency evaluation of the Yangtze River Delta urban agglomeration. Shanghai Economic Research, 2020(1): 1-15.
[17]	张可云, 张江. 城市群多中心性与绿色发展效率——基于异质性的城镇化空间布局分析. 中国人口·资源与环境, 2022, 32(2): 107-117.
	ZHANG K, ZHANG J. Polycentricity and green development efficiency of urban agglomerations: Spatial distribution of urbanization based on heterogeneity. China Population, Resources and Environment, 2022, 32(2): 107-117.
[18]	张江雪, 蔡宁, 杨陈. 环境规制对中国工业绿色增长指数的影响. 中国人口·资源与环境, 2015(1): 1-12.
	ZHANG J, CAI N, YANG C. Impact of environmental regulation on green growth index of industry in China. China Population, Resources and Environment, 2015(1): 1-12.
[19]	ZHOU Z, CHUNG C K L, XU J. Geographies of green industries: The interplay of firms, technologies, and the environment. Progress in Human Geography, 2023, 47: 680-698.
[20]	BRÄNNLUND R, GHALWASH T, NORDSTRÖM J. Increased energy efficiency and the rebound effect: Effects on consumption and emissions. Energy Economics, 2007, 29(1): 1-20.
[21]	曾刚, 胡森林. 技术创新对黄河流域城市绿色发展的影响研究. 地理科学, 2021, 41(8): 1314-1323.
	ZENG G, HU S. The impact of technological innovation on urban green development in the Yellow River Basin. Scientia Geographica Sinica, 2021, 41(8): 1314-1323.
[22]	么新, 朱黎阳, 王小珏, 等. "双循环"发展格局下,"碳循环经济"理念对我国能源转型的借鉴. 中国能源, 2021, 14(2): 16-20.
	YAO X, ZHU L, WANG X, et al. Under the "dual circulation" development pattern: The enlightenment of "carbon circular economy" concept on China's energy transition. China Energy, 2021, 14(2): 16-20.
[23]	胡森林, 鲍涵, 郝均, 等. 环境规制对长三角城市绿色发展的影响——基于技术创新的作用路径分析. 自然资源学报, 2022, 37(6): 1572-1585.
	HU S, BAO H, HAO J, et al. Research on the impact of environmental regulation on urban green development in the Yangtze River Delta: An analysis of intermediary mechanism based on technological innovation. Journal of Natural Resources, 2022, 37(6): 1572-1585.
[24]	周泽炯, 胡建辉.基于Super-SBM模型的低碳经济发展绩效评价研究.资源科学,2013,35(12):2457-2466.
	ZHOU Z, HU J. Evaluation of low carbon economy development efficiency based on a Super-SBM model. Resources Science, 2013,35(12):2457-2466.
[25]	TONE K. A slacks-based measure of efficiency in data envelopment analysis.European Journal of Operational Research,2001,130(3):498-509.
[26]	徐英启, 程钰, 王晶晶, 等. 中国资源型城市碳排放效率时空演变与绿色技术创新影响. 地理研究, 2023, 42(3): 878-894.
	XU Y, CHENG Y, WANG J, et al. The impact of green technological innovation on the spatiotemporal evolution of carbon emission efficiency of resource-based cities in China. Geographical Research, 2023, 42(3): 878-894.
[27]	王少剑, 高爽, 黄永源, 等. 基于超效率SBM模型的中国城市碳排放绩效时空演变格局及预测. 地理学报, 2020, 75(6): 1316-1330.
	WANG S, GAO S, HUANG Y, et al. Spatio-temporal evolution and trend prediction of urban carbon emission performance in China based on super-efficiency SBM model. Acta Geographica Sinica, 2020, 75(6): 1316-1330.
[28]	TONE K. A slacks-based measure of super-efficiency in data envelopment analysis.European Journal of Operational Research,2002,143(1):32-41.
[29]	ROMER P. Endogenous technological change. Journal of Political Economy, 1990, 98(5): S71-S102.
[30]	LUCAS R. On the mechanics of economic development. Journal of Monetary Economics, 1988, 22(1): 3-42.
[31]	曹贤忠, 鲍涵, 陈波, 等. 创新网络合作机制及其区域发展效应. 世界地理研究, 2024, 33(7): 150-159.
	CAO X, BAO H, CHEN B, et al. A review of the cooperation mechanism and regional development effect of innovation network. World Regional Studies, 2024, 33(7): 150-159.
[32]	方叶林, 苏雪晴, 黄震方, 等. 城市韧性对旅游经济的空间溢出效应研究——以长三角城市群为例. 地理科学进展, 2022, 41(2): 214-223.
	FANG Y, SU X, HUANG Z, et al. Spatial spillover effect of urban resilience on tourism economy: A case study of the Yangtze River Delta urban agglomeration. Progress in Geography, 2022, 41(2): 214-223.
[33]	刘海猛, 方创琳, 黄解军, 等. 京津冀城市群大气污染的时空特征与影响因素解析. 地理学报, 2018, 73(1): 177-191.
	LIU H, FANG C, HUANG J, et al. The spatial-temporal characteristics and influencing factors of air pollution in Beijing-Tianjin-Hebei urban agglomeration. Acta Geographica Sinica, 2018, 73(1): 177-191.
[34]	张英浩, 汪明峰, 刘婷婷, 等. 数字经济对中国经济高质量发展的空间效应与影响路径. 地理研究, 2022, 41(7): 1826-1844.
	ZHANG Y, WANG M, LIU T, et al. Spatial effect of digital economy on high-quality economic development in China and its influence path. Geographical Research, 2022, 41(7): 1826-1844.
[35]	段德忠, 杜德斌. 中国城市绿色技术创新的时空分布特征及影响因素. 地理学报, 2022, 77(12): 3125-3145.
	DUAN D, DU D. Green technology innovation in China city system: Dynamics and determinants. Acta Geographica Sinica, 2022, 77(12): 3125-3145.
[36]	焦美琪, 杜德斌, 桂钦昌,等.全球城市技术合作网络的拓扑结构特征与空间格局.地理科学,2019,39(10):1546-1552.
	JIAO M, DU D, GUI Q, et al.The topology structure and spatial pattern of global city technical cooperation network.Scientia Geographica Sinica,2019,39(10):1546-1552.
[37]	尚勇敏,宓泽锋. 长三角低碳技术创新合作对绿色经济增长的影响. 中国人口·资源与环境, 2023, 33(10): 135-145.
	SHANG Y, MI Z. Impact of low-carbon technology innovation cooperation in the Yangtze River Delta on green economic growth. China Population, Resources and Environment, 2023, 33(10): 135-145.
[38]	尚勇敏,王振,宓泽锋,等. 长三角绿色技术创新网络结构特征与优化策略. 长江流域资源与环境, 2021, 30(9): 2061-2069.
	SHANG Y, WANG Z, MI Z, et al. Structural characteristics and optimization strategies of green technology innovation network in the Yangtze River Delta. Resources and Environment in the Yangtze Basin, 2021, 30(9): 2061-2069.
[39]	郝汉舟, 汤进华, 翟文侠,等. 湖北省绿色发展指数空间格局及诊断分析. 世界地理研究, 2017, 26(2): 91-100.
	HAO H, TANG J, ZHAI W, et al.Spatial pattern analysis and diagnosis of green development index in Hubei Province. World Regional Studies,2017,26(2):91-100.
[40]	陈鑫, 周加贝, 廖远涛, 等. 长三角地区碳排放-城市高质量发展水平耦合协调演变及影响因素分析.世界地理研究, 2024, 33(3): 103-115.
	CHEN X, ZHOU J, LIAO Y,et al.Coupling evolution and influencing factors of carbon emissions-urban high quality development level in Yangtze River Delta.World Regional Studies,2024,33(3):103-115.
[41]	GROSSMAN G, KRUEGER A. Economic growth and the environment. The Quarterly Journal of Economics, 1995, 110(2): 353-377.