EN中文

自然资源学报 >

2024 , Vol. 39 >Issue 6: 1341 - 1357

DOI: https://doi.org/10.31497/zrzyxb.20240606

中国三大城市群绿色技术合作空间演化及其碳减排效应

  • 赵鸿潇 ,
  • 程钰 ,
  • 王丹 ,
  • 郑瑞婧
展开
  • 山东师范大学地理与环境学院，济南 250358
程钰（1984- ），男，山东潍坊人，博士，教授，博士生导师，研究方向为经济地理与区域可持续发展。E-mail:

赵鸿潇（2000- ），女，山东潍坊人，硕士，研究方向为经济地理与区域可持续发展。E-mail:

收稿日期: 2023-09-25

  修回日期: 2024-02-04

  网络出版日期: 2024-06-11

基金资助

国家自然科学基金项目(42371194)

教育部人文社会科学重点研究基地重大项目(2022JJD790015)

山东省重点研发计划（软科学重大项目）(2022RZA01007)

山东省高等学校优秀青年创新团队支持计划(2019RWE014)

收起

Spatial evolution of green technology cooperation among three major urban agglomerations in China and its carbon emission reduction effect

  • ZHAO Hong-xiao ,
  • CHENG Yu ,
  • WANG Dan ,
  • ZHENG Rui-jing
Expand
  • College of Geography and Environment, Shandong Normal University, Jinan 250358, China

Received date: 2023-09-25

  Revised date: 2024-02-04

  Online published: 2024-06-11

Fold

摘要

科技全球化及全球气候变暖背景下，绿色技术合作共享成为绿色低碳转型的重要途径。综合运用Dagum基尼系数等空间分析方法及面板回归模型，探讨了中国三大城市群2006—2021年绿色技术合作的时空动态格局、区域差异演化、空间集聚特征以及碳减排效应。研究发现：（1）城市群绿色技术专利联合申请量不断增长，绿色技术合作稳步发展。从城市群绿色技术合作类型来看，本地合作专利数量占比较大，城际合作遵循“中心城市引力效应”，以省会城市及直辖市间联系为主。（2）三大城市群绿色技术合作差距缩小，绿色技术合作空间均衡性提高，主要核心城市多极化发展，绿色技术合作轴线凸显，但区域绿色技术创新协同发展仍待进一步提高。（3）三大城市群绿色技术合作能力碳减排效应显著，绿色技术合作有效实现创新资源高效流通及风险共担，满足低碳转型的需要，推动产业提质增效，促进碳减排。

关键词： 绿色技术合作; 碳排放强度; 空间演化; 中国三大城市群

本文引用格式

赵鸿潇 , 程钰 , 王丹 , 郑瑞婧 . 中国三大城市群绿色技术合作空间演化及其碳减排效应[J]. 自然资源学报, 2024 , 39(6) : 1341 -1357 . DOI: 10.31497/zrzyxb.20240606

Abstract

Under the background of science and technology globalization and global warming, green technology cooperation and sharing has become an increasingly critical pathway for green and low-carbon transformation. The study comprehensively applies spatial analysis methods such as the Dagum Gini coefficient and panel regression model to investigate the spatial and temporal dynamic patterns, regional differences in the evolution, spatial agglomeration characteristics, and carbon emission reduction effects of green technology cooperation among the three major urban agglomerations in China from 2006 to 2021. The study finds that: (1) The number of joint patent applications for green technologies in urban agglomerations has been growing, and green technology cooperation has been developing steadily. In terms of the types of green technology cooperation among the urban agglomerations, the number of local cooperation patents is far ahead, intercity cooperation follows the "central city gravitational effect", with links between provincial capitals and municipalities directly under the central government as the main focus. (2) The gap of green technology cooperation among the three urban agglomerations was narrowed, the spatial balance of green technology cooperation was improved, the main core cities were multipolar, and the axis of green technology cooperation was highlighted, but the synergistic development of regional green technology innovation still needs to be further improved. (3) The carbon emission reduction effect of green technology cooperation capacity among the urban agglomerations is remarkable, and green technology cooperation effectively achieves the efficient circulation of innovation resources and risk sharing, further meets the needs of low-carbon transformation, enhances industrial quality and efficiency, and promotes carbon emission reduction.

Key words： green technology cooperation; carbon emission intensity; spatial evolution; three major urban agglomerations in China

在知识经济时代，城市群崛起为区域发展的创新高地[1]，是促进创新要素流动，引领创新合作的重要力量[2,3]。随着城市绿色低碳转型的推进，为满足不断增长的可持续发展需求，绿色创新不断打破城市边界限制，寻求更大的创新合作空间，城市间密切的知识交流与技术合作成为区域创新发展的新范式。受知识创新路径依赖影响，城市内部绿色创新结构可能存在同质性，合作有利于打破本地绿色创新“瓶颈”，推动绿色技术溢出效应的发挥，助力区域协调发展[4]。城市群是开展经济活动的重要空间载体，在承担经济活动的同时也产生了巨大的碳排放。据相关资料测算，2019年京津冀、长三角、珠三角地区碳排放总量约占全国的38%，碳减排形势严峻。绿色技术合作成为绿色创新支撑绿色低碳发展的必由之路，2022年国家发展和改革委员会、科技部联合印发《关于进一步完善市场导向的绿色技术创新体系实施方案（2023—2025年）》，进一步强调强化绿色技术创新引领、促进绿色技术创新协同发展。构建绿色创新体系，加快绿色技术合作，助推城市减污降碳，实现绿色低碳发展[5]，已成为城市群高质量发展的必然选择。
在科技全球化与知识合作的时代浪潮中[6]，城市不可能长期孤立存在，先进城市创新优势的巩固以及落后城市追赶反超的实现，推动城市融入区域技术创新合作之中[7]。且技术创新本身就蕴含了技术合作的概念[8]，技术合作属于知识流动的一种，目的是促进创新要素的高效整合配置[9]，实现“1+1>2”的效果，因此城市间的知识联系日益加强，创新合作加速发展[10]。综合来看，当前研究的关注点主要集中在技术创新及合作的水平测度[11]、驱动因素[12]、创新网络[13]以及影响效应[14]研究等方面。其中，在测度技术合作能力时多使用论文合作数据或专利合作数据，如覃柳婷等[15]运用发明专利联合申请量刻画创新合作，探索了长三角地区创新合作与创新绩效的关系。随着演化经济地理学发展，部分学者从网络演化视角出发，深入探讨了全球、省域、流域等多尺度区域创新合作动态演化特征及机理。王群勇等[16]发现全球视角下国家之间的跨国合作创新不断深化，周媛媛等[17]基于高新技术企业数据发现中国城市创新网络表现为菱形空间结构。此外，从创新主体切入，围绕企业[18]、产业集群[19,20]等主体的合作研究也得到了深入的探讨。
随着双碳目标的推进及绿色低碳转型的需要，绿色技术合作研究受到广泛关注，当前研究主要集中在以下议题：（1）知识流动视角下，绿色技术合作、扩散、转移研究[21⇓-23]。绿色技术创新强调将生态环境效益纳入生产活动全过程，是追求绿色低碳可持续发展的技术创新，而受到城市基底特征、主导产业、创新演化路径[24]等因素约束，城市本地绿色技术创新的速度、种类、效益往往不能满足自身可持续发展需求，绿色技术合作应运而生，成为城市绿色发展的重要支撑[25]。（2）绿色技术合作驱动因素研究。地理距离是影响知识交流的重要因素，相近的个体间知识联系因制度文化、交易成本等因素而更密切，致使地理邻近、认知邻近、制度邻近等多维邻近性在技术合作中的重要性突出[26,27]。徐莹等[28]发现多维邻近性对长江中游城市群技术创新合作效率的影响存在显著的异质性，其中地理邻近性与技术创新合作之间表现为非线性关系，王庆喜等[29]研究浙江省县级城市单位时也得出了相似的结论。除此之外，环境规制[30]、人力资本[31]、知识复杂度[32]、经济发展水平[33]等也不同程度地影响着城市间的绿色技术合作。此外，部分学者针对不同领域的绿色技术创新进行了多样化探讨，韩燕等[34]运用多期双重差分法等发现高铁发展对中国中东部地区及创新水平较高的城市具有明显的减霾效应，段德忠等[35]通过构建中国城市绿色专利申请数据库发现绿色建筑技术主导绿色技术创新发展，空间上形成了京津冀、长三角、珠三角三大城市群主导的“三足鼎立”格局。
综上所述，现有研究多聚焦国家、省级、流域等多尺度单一地理单元技术合作，较少从城市群对比视角出发，探究绿色技术合作的时空动态演化格局。京津冀、长三角、珠三角城市群作为中国最具创新活力的地区之一，城市群内部以及城市群间均存在不同程度的差异，现有研究多关注绿色技术创新的时空格局，但绿色技术合作研究，尤其是绿色技术合作类型与特征研究仍然较少，需进一步探究合作类型是本地合作还是城际合作等。此外，绿色技术合作与绿色发展的关系有待进一步检验，需深化在要素流动视角下绿色技术合作与碳排放关系的研究，明确绿色技术协同发展的碳减排效应。因此，以中国三大城市群为研究区域，深入探讨绿色技术合作的时空动态格局、区域差异演化、空间集聚特征以及碳减排效应，对推动绿色技术创新协同发展、双碳目标实现及城市群高质量发展具有重要意义。

1 影响机制

实现绿色技术创新、加快绿色成果转化，成为推动实现双碳目标的重要支撑。其中，绿色技术创新对碳排放的影响主要表现为促进、抑制以及非线性作用三种[36,37]。一方面，绿色技术创新可以通过对能源的“开源节流”以及产业结构转型升级等途径，直接或间接地提高资源利用效率，减少碳排放[38]；另一方面，当技术创新的经济效应大于环境效应或“回弹效应”存在时，企业作为“理性经济人”趋向于扩大生产规模，此时能源消耗量突增，碳排放增加或两者关系趋向于不确定性[39]。在科技全球化时代，知识技术流动成为新常态，绿色技术创新具有双重外部性，公共物品属性较强，具有高风险、回报周期长等特点[40]，绿色技术合作则博采众长，广泛吸收利用外部异质性知识，减轻创新试错成本，缓解城市间信息不对称，加快创新成果转化，降低技术创新风险[41]。在学习、交流、引进、吸收等知识碰撞中技术合作已不可避免，绿色创新协同发展已成为国家重要的碳减排手段。
当个体绿色技术创新产生的知识成本负担过高时，技术合作成为规避风险、互惠共赢的重要途径。在增长极的极化涓滴带动下，不同发展阶段内创新资源要素分配往往存在空间非均衡性，技术合作可以引导资源跨区域流动，共享人才、信息、资本等要素，促进地区合理化、专业化分工，提高绿色发展效率，影响碳排放[42]。城市支柱产业、知识基础、环境监管强度等一定程度上固化了创新的路径选择，易使区域碳减排陷入“瓶颈”，不同创新基底个体的知识合作交流则更有利于新知识、新技术的产生，实现产业链纵深发展及产业结构的高级化、多样化、绿色化转型，减少生产生活中的碳排放[43]。然而，部分个体在多维邻近条件下技术结构趋向同质性、企业“理性经济人”片面追求利润效益以及创新合作中机会主义“搭便车”等行为的存在，一定程度上阻碍了绿色技术长期合作及节能减排的发展[44]（图1）。
图1 城市群绿色技术合作能力碳减排效应机制

Fig. 1 Carbon emission reduction effect mechanism of green technology cooperation capacity in urban agglomerations

2 研究方法与数据来源

2.1 研究方法

2.1.1 Dagum基尼系数

Dagum基尼系数可以将区域整体差异进一步细分为区域内差异、区域间差异以及超变密度三部分[45]：
G=Gw+Gnb+Gt
G = ∑ j = 1 k ∑ h = 1 k ∑ i = 1 n j ∑ r = 1 n h y j i - y h r 2 n 2 μ
G w = ∑ j = 1 k G j j p j s j
G n b = ∑ j = 2 k ∑ h = 1 j - 1 G j h p j s h + p s + s j D j h
G t = ∑ j = 2 k ∑ h = 1 j - 1 G j h p j s h + p h s j 1 - D j h
式中：G表示总体基尼系数；Gw表示区域内差异贡献；Gnb表示区域间净值差异贡献；Gt表示超变密度贡献；yji和yhr表示j（h）个城市群内城市i（r）绿色技术合作专利；μ表示城市绿色技术合作平均值；k表示城市群总数（个）；j、h表示城市群下标；n表示城市个数（个）；i、r表示城市下标；相关计算方法和公式参考文献 [45]。

2.1.2 资源空间集聚度

参考刘睿文等[46]、冉钊等[47]、古恒宇等[48]测度资源空间集聚的原理，构建如下模型：
D i t = R i t / A i t / R t / A t
式中：Dit表示城市绿色技术合作空间集聚度；Rit表示i城市t年绿色技术专利联合申请量（件）；Ait表示i城市t年的行政面积（km2）；Rt表示t年区域绿色技术专利联合申请总量（件）；At表示t年区域总行政面积（km2）。

2.1.3 面板回归模型

本文构建以下模型，进一步分析绿色技术合作能力的碳减排效应及经济发展水平、对外开放、环境规制、人力资本等主要驱动因素的影响：
C E I i , t = μ 0 + μ 1 G T I C i , t + μ 2 P G D P i , t + μ 3 F D I i , t + μ 4 E R i , t                                                                               + μ 5 H U C P i , t + u i + ν t + ε i , t
式中：CEIi,t表示i地级市t年的碳排放强度（t/万元）；GTIC表示绿色技术合作能力；PGDP表示经济发展水平（万元）；FDI表示对外开放水平；ER表示非正式环境规制；HUCP表示人力资本（万人）； u i表示个体固定效应； ν t表示时刻固定效应； ε i , t表示随机误差项； μ 0表示截距项； μ 1~ μ 5表示回归系数。

2.2 变量选取与数据来源

绿色专利数据包括绿色专利的申请量和绿色专利的授权量，由于绿色专利授权量存在时间滞后性，同时为了消除城市规模的影响，参考借鉴国内外相关研究，选取相对指标[8,49]，即运用万人绿色技术专利联合申请量衡量绿色技术合作能力（GTIC），其中绿色技术专利类型包括绿色发明专利与绿色实用新型专利两类。碳排放强度（CEI），单位GDP的碳排放量是各国衡量经济与环境可持续发展的重要指标，碳排放量计算参考Cheng等[50]方法得出。在控制变量方面，研究选取经济发展水平（PGDP）、对外开放（FDI）、环境规制（ER）、人力资本（HUCP）。其中经济发展水平运用人均GDP表示；对外开放运用实际使用外商投资金额占GDP的比例表示；环境规制由单位产值工业废水、烟尘、二氧化硫排放量，经过标准化处理之后，运用熵权法计算权重并计算综合指数表示；人力资本用万人高等学校在校人数衡量。
绿色技术专利依据世界知识产权组织推出的国际专利绿色分类清单，通过检索国家知识产权局获取2006—2021年中国绿色技术专利数据详细信息，根据专利申请人的地址信息，将绿色专利分配到地级市尺度，并进一步构建绿色技术专利联合申请数据库。同时，研究根据绿色技术专利申请人所在城市，将绿色技术合作划分为本地合作（Local）与城际合作（Intercity）两种类型，选取京津冀城市群（13个）、长三角城市群（41个）、珠三角城市群（9个）共63个城市作为研究对象。其余控制变量人均GDP、实际使用外商投资金额及相关碳排放数据等均来自《中国城市统计年鉴》《中国城市建设统计年鉴》及各地市统计年鉴等，对缺失数据采用插值法进行补充。

3 结果分析

3.1 中国三大城市群绿色技术合作时空演化

城市群绿色技术专利联合申请数量不断增长，绿色技术合作稳步发展。从整体来看，三大城市群绿色技术合作专利呈现逐年增长趋势（图2），大致可划分为“快速增长—波动变化—平稳发展”三个阶段，从2006年1736件增长至2021年34076件，年均增长率为21.95%，京津冀城市群绿色技术专利联合申请数量在三大城市群中相对领先。分阶段来看，2006—2012年为三大城市群快速增长阶段，年均增长率为33.87%，城市群绿色技术合作处于萌芽探索时期，受技术差距影响，城市寻求合作以弥补本地绿色技术创新的不足，但在知识粘性制约下，城市间知识交流有限。
图2 中国三大城市群绿色技术合作发展

Fig. 2 Green technology cooperation development of three major urban agglomerations in China

2012—2016年三大城市群波动变化，京津冀、珠三角城市群呈“几”型增长，长三角城市群呈“U”型变化，该阶段城市群绿色技术合作波动增长。互联网等新型基础设施建设发展完善，城市间人才流动、知识交流和技术推广不断加强。北京、上海、深圳等主要大都市通过充足的资金投入、优惠政策投放、高学历人才吸引等方式，形成适应区域特性的绿色技术创新系统，在绿色低碳转型关键时期，引领不同尺度区域在绿色技术合作中对现有知识技术进行反复组合应用，促进绿色新技术的产生与快速发展。
2017—2021年三大城市群绿色技术合作平稳发展，京津冀、长三角、珠三角城市群绿色专利合作年均增长率分别为11.56%、17.19%、16.16%，城市群绿色技术合作趋于成熟，城市群创新合作联系加速发展。该阶段内绿色技术合作仍以省会等核心城市吸引效应为主，中小城市绿色技术合作不活跃，绿色技术合作区域溢出效应有限，中小尺度区域绿色技术合作有待进一步发展。
本地合作占比较大，城际合作加速发展。从合作类型来看，三大城市群绿色技术合作以本地合作为主（图3），参与绿色技术合作的城市由2006年的52个增加至2021年的63个，三大城市群绿色创新合作实现全覆盖。本地合作由2006年1102件增长至2021年20192件，年均增长21.39%，受地理距离、技术合作成本等影响，绿色技术合作往往局限于同一行政单元范围内，北京、天津、上海、南京、杭州、广州、深圳等主要节点城市是绿色技术、创新知识的核心集聚地，7个城市本地合作占比达76%左右。此外，本地合作与城际合作的比值由2006年的2.14∶1下降为2021年的1.10∶1，且在2014年城际绿色技术合作专利首次超过本地绿色技术合作专利，城市边界“栅栏”效应减弱，城际合作逐渐成为绿色技术合作新模式。城际绿色技术合作中以北京—天津—石家庄、上海—南京—杭州、广州—深圳等代表的省会城市及直辖市间绿色创新联系最密切，位于核心城市周围的城市为次一级绿色技术合作紧密联系区，如北京—保定、上海—苏州、广州—东莞等。这主要与城市技术结构及技术壁垒有关，作为中转站的节点城市往往寻找知识基础水平相似的城市进行合作，推动核心节点城市溢出效应进一步深化。综合来看，不管是本地合作还是城际合作，长三角和京津冀地区显著活跃于珠三角地区。绿色技术创新风险高、投入大、回报周期长，推动城市群间资源互补与风险共担，跨城市群绿色技术交流不断加强，在专利地理距离、多维邻近性等多重因素的影响下，京津冀城市群与长三角城市群建立了密切的联系。如北京与上海和南京建立长期稳固的合作伙伴关系，2021年北京与上海、南京绿色专利合作超1900件，是华北地区与华东地区对外交流合作的重要“门户”。
图3 中国三大城市群绿色技术创新本地合作与城际合作

Fig. 3 Local and intercity cooperation on green technology innovation in three major urban agglomerations in China

3.2 中国三大城市群绿色技术合作区域差异

三大城市群绿色技术合作Dagum基尼系数呈波动下降趋势（图4），从2006年的0.853下降到2021年的0.777，年均下降0.62%，城市群绿色技术合作差距缩小。分阶段来看，2006—2014年城市群绿色技术合作差距扩大，到2014年，Dagum基尼系数上升为最大值0.888，具体来看表现为“小幅上升—持续下降—小幅上升—小幅下降—持续上升”，2015—2021年Dagum基尼系数整体呈现倒“N”型下降趋势。《京津冀协同发展战略》《珠三角城市群绿色低碳发展2020年愿景目标》等推进绿色产业体系建设，加快城市间创新资源高效整合及创新成本共担，区域绿色技术合作快速发展。但综合来看，《工业绿色发展规划（2016—2020年）》《绿色制造科技发展“十二五”专项计划》等创新政策推动创新资源要素向核心城市聚集，北京、上海、深圳等城市绿色技术合作实现飞速发展，其余城市发展速度总体较为缓慢，绿色技术合作空间差距仍然较大，绿色技术创新协同发展有待进一步推进。
图4 2006—2021年绿色技术合作基尼系数发展变化

Fig. 4 Change of Gini coefficient of green technology cooperation from 2006 to 2021

从中国三大城市群绿色技术合作空间差距来源及其贡献率来看，除2009年及2010年外，组间差距始终高于组内差距和超变密度（表1）。因此，城市群绿色技术合作整体空间差异主要来源于组间差距。具体来看，2006—2008年，组间差距呈缩小趋势，其贡献率均值为35.14%；2009—2010年组内差距超过组间差距成为城市群空间差异的主要来源；2011—2014年，组间差距不断扩大，年均增长17.20%，其贡献率波动幅度较大，均值为45.78%；2015—2021年，组间差距逐渐缩小，年均下降6.36%，其贡献率均值为39.85%。超变密度总体波动趋势与组内差距大致相同，总体呈下降趋势，但分阶段来看，两者均经历了先下降后上升的过程。这可能与绿色技术合作范围、国家相关战略政策等有关。受知识合作成本、城市基底特征、多维邻近性等影响，发展初期合作范围以城市群内部为主，区域增长极不断发挥溢出效应，带动城市群内创新协同发展与技术合作水平趋同。随着信息技术及交通运输的快速发展，为满足多样化产品需求，技术合作转向寻求多样化异质性知识，技术合作范围城市群内外合作并重。同时，北京中关村、上海张江等国家自主创新示范区建设及《“十二五”国家自主创新能力建设规划》等国家战略的推动，创新资源更多流向创新增长极地区，导致城市群组内差距及超变密度存在明显的上升趋势。因此，解决城市群绿色技术合作空间差距，需在可持续发展的基础上，同时推动城市群内创新协同发展及城市群间技术交流合作。
表1 中国三大城市群Dagum基尼系数分解

Table 1 Dagum Gini coefficient decomposition of three major urban agglomerations in China

年份 组内差距 组间差距 超变密度 贡献率/%
组内差距 组间差距 超变密度
2006 0.281 0.314 0.258 32.917 36.799 30.284
2007 0.284 0.317 0.254 33.188 37.072 29.740
2008 0.291 0.296 0.252 34.645 35.298 30.057
2009 0.286 0.275 0.258 34.928 33.594 31.477
2010 0.289 0.274 0.270 34.705 32.926 32.370
2011 0.276 0.305 0.250 33.177 36.679 30.145
2012 0.268 0.307 0.244 32.707 37.541 29.753
2013 0.228 0.474 0.183 25.736 53.565 20.699
2014 0.245 0.491 0.151 27.610 55.347 17.043
2015 0.254 0.411 0.183 29.935 48.454 21.611
2016 0.263 0.339 0.208 32.408 41.890 25.702
2017 0.261 0.321 0.213 32.831 40.390 26.779
2018 0.253 0.306 0.227 32.208 38.935 28.858
2019 0.263 0.297 0.231 33.283 37.564 29.153
2020 0.269 0.280 0.228 34.668 36.018 29.314
2021 0.271 0.277 0.229 34.837 35.684 29.480
从组内差距来看，2006—2021年主要表现为京津冀城市群>珠三角城市群>长三角城市群（图5）。京津冀城市群组内差距始终在0.8以上，河北省作为北京市第二产业转移承接区，省内绿色创新活力不足，缺乏绿色创新合作环境。珠三角地区与长三角地区组内差距呈波动下降趋势，分别从2006年0.813和0.706下降到2021年0.710和0.634。北京、上海、深圳等核心城市对外部知识的吸收转化能力较强，寻求绿色技术合作的积极性与主动性更高，集聚效应大于辐射扩散效应，绿色技术的共享转移主要发生在大城市，城市群内部绿色技术合作高度不平衡，导致城市群内绿色技术合作差距仍然较大。
图5 城市群内差异贡献及区域间净值差异贡献

Fig. 5 Difference contribution within urban agglomerations and difference contribution of net value between regions

从组间差距来看，京津冀—长三角和京津冀—珠三角绿色技术合作差距波动趋势相同，大致经历了“平稳发展—急剧上升—快速下降”三个阶段，在2014年达到组间差距的最大值0.923和0.955。长三角—珠三角之间的区域差距表现为两升两降，2006—2009年区域间差距不断缩小，2010—2013年区域间差距表现为上升趋势，2014—2017年区域间差距逐渐缩小，达到最小值0.706，2018年之后长三角与珠三角地区的区域间差距波动上升。珠三角地区作为改革开放先行区，毗邻港澳，在政策红利、地理位置、要素优势等加持下，创新资源集聚、成本共担，绿色技术合作高速发展；京津冀地区绿色技术协同发展效应不显著，城市群组间差距较大。

3.3 中国三大城市群绿色技术合作空间集聚

（1）绿色技术合作集聚类型的城市数量结构由梯形逐渐向椭球形转变（图6）。总体来说，2006—2021年低值区城市数量明显减少，中值区城市数量显著增加，高值区城市数量保持稳定。具体来看，2006年低值区城市数量为23个，占比36.51%，其中包含11个零值城市，中值区城市数量为36个，占比57.14%，高值区城市数量为4个，绿色技术合作主要集聚在区域经济中心。到2013年，低值区城市数量增加至30个，占比增加至47.62%，但零值城市消失，区域内全部城市参与绿色技术合作，中值区与高值区城市数量分别减少为30个与3个。京津冀城市群绿色技术合作集聚度明显降低，邯郸、廊坊、秦皇岛等6市由中值区转变为低值区。2021年低值区数量减少为14个，占比下降至22.22%，中值区、高值区城市数量分别为44个、5个，分别占比69.84%、7.94%，绿色技术合作在区域内实现推广普及。
图6 中国三大城市群绿色技术合作空间集聚特征

注：本图基于自然资源部标准地图服务系统下载的标准地图制作，底图无修改。

Fig. 6 Spatial agglomeration characteristics of green technology cooperation three major urban agglomerations in China

（2）绿色技术合作核心城市多极化发展，绿色合作发展轴线凸显。三大城市群绿色技术合作集聚高值区主要分布在区域经济中心或国家自主创新示范区等，发展格局由单核心主导逐渐过渡到多极化发展，低值区主要分布在城市群外围地区。区域中心城市是城市群绿色技术合作的重要门户，在区域创新合作中发挥着重要的引领导向作用，深圳市在三大城市群绿色技术合作集聚演化中相对领先，空间集聚度稳居第一位，北京、上海、广州、南京为次一级核心。从城市群空间异质性来看，京津冀地区绿色技术合作以北京市为中心，空间集聚程度南高北低；长三角地区形成以上海市为顶点，沿杭州及南京两条通道发展的“V”型主轴线以及沿海发展次一级“L”型发展轴；珠三角地区绿色技术合作集聚程度东高西低。
（3）绿色技术合作空间均衡性提高，中心城市涓滴溢出效应明显。三大城市群绿色技术合作集聚最低值不断增大，集聚最高值波动下降，区域绿色技术合作均衡性提高。2006年空间集聚程度最大值为深圳市（41.02），上海市（14.92）、北京市（13.29）分别位居第二、第三。2013年，深圳市空间集聚度增长至51.63，北京市增长至20.10，位居第二，上海市下降至第三，空间集聚度为5.43。到2021年，深圳市虽然仍位居第一，但是空间集聚程度最高值下降为14.62，北京、广州、上海分别位居第二、第三、第四，南京、佛山等逐渐跻身高空间集聚城市。

3.4 中国三大城市群绿色技术合作能力碳减排效应

3.4.1 基准回归结果分析

上述研究表明三大城市群绿色技术合作快速发展，绿色技术合作水平的提升是否真正有助于碳减排仍值得进一步检验。本文以三大城市群为研究对象，选用随机效应模型（模型1）、固定效应模型（模型2）、双向固定效应模型（模型3和模型4）对绿色技术合作能力碳减排效应进行回归分析，经过Husman检验，选定模型4进行结果分析。为进一步提高模型结果的准确性，选用双向固定效应模型3（只加入核心解释变量）进行对照分析。
为保证绿色技术合作能力碳减排效应结果的可靠稳定性，首先，在双向固定效应模型中仅放入绿色技术合作能力这一个核心解释变量（表2），回归结果显示绿色技术合作能力与碳排放强度在1%的显著性水平下呈负相关，回归系数为-0.0885。其次，将人均GDP、环境规制等控制变量加入双向固定模型后，两者的回归系数下降为-0.0853，且通过了1%的显著性水平检验，表明绿色技术合作能够显著降低三大城市群的碳排放强度。
表2 模型结果

Table 2 Model result

变量 模型1 模型2 模型3 模型4
GTIC -0.0602***
(0.0118)		 -0.0748***
(0.0125)		 -0.0885***
(0.0089)		 -0.0853***
(0.0099)
PGDP 0.0009
(0.0027)		 0.0007
(0.0029)		 -0.0064**
(0.0027)
FDI 0.0138***
(0.0039)		 0.0121***
(0.0042)		 0.0067**
(0.0033)
ER -0.8185***
(0.0834)		 -0.7508***
(0.0866)		 -0.5673***
(0.1049)
HUCP 0.0003***
(0.0001)		 0.0001
(0.0001)		 -0.0001
(0.0001)
时刻固定 NO NO YES YES
个体固定 NO YES YES YES
Constant 1.0810***
(0.0735)		 1.0640***
(0.0727)		 0.6191***
(0.0163)		 1.0666***
(0.0853)
R-squared — 0.1935 0.4915 0.5121

注：括号内为标准误差，**、***分别表示在5%、1%的水平下显著，下同。

绿色技术合作是多因素综合作用的结果。通讯基础设施的建设和交通运输的快速发展，缩短了绿色技术合作的时空距离，打破了地理距离对绿色技术合作的限制，城市间知识流通和技术合作蓬勃发展。另外，城市等级规模与经济规模的差异影响城市对外部知识的吸收转化能力，通常情况下大城市合作意愿与主动性明显高于中小城市，在知识、技术等要素交流碰撞中绿色技术合作通常以大城市为中心不断向外围扩展。位于沿海发达地区的京津冀、长三角、珠三角城市群，绿色技术创新具备雄厚的资金支持，作为引领中国绿色发展的重要力量，积极践行低碳发展目标，城市整体环境规制强度较大，环境保护与污染治理模式强调全过程控制，绿色技术合作需求较大。同时，受城市技术创新基底特征及路径依赖的冲击，绿色技术合作成为城市产业多样化及绿色低碳转型发展的重要途径。绿色技术合作通过提高市场信息获取能力及数据资源配置能力，进一步促进技术、资金等生产要素合理流动，创新主体风险共担、利益共享，推动产业发展提质增效，提高资源利用效率，减少生产生活碳排放[51]。
在控制变量方面，经济发展水平、环境规制显著降低了中国三大城市群碳排放强度。外商投资则对碳排放强度有促进作用，人力资本的影响不显著。京津冀、长三角、珠三角城市群作为中国东部沿海地区经济发展的增长极，高度重视城市发展质量，实施严格的环境规制，限制企业污染排放，加之产业智能化、高级化、信息化发展与大量高学历人才集聚，进一步激发了绿色技术创新活力，生产生活基本实现绿色低碳转型，碳排放强度逐渐降低[52]。

3.4.2 异质性分析

进一步解析绿色技术合作能力碳减排效应的空间异质性，运用双向固定效应模型依次对京津冀（模型5）、长三角（模型6）、珠三角（模型7）三大城市群进行回归分析（表3）。回归结果显示，长三角城市群绿色技术合作能力对碳排放强度的影响在1%的显著性水平下为负，京津冀地区与珠三角地区不显著。在创新文化氛围、创新资源禀赋的影响下，面对绿色发展庞大的市场需求，大力推进长江三角洲区域一体化发展，上海、南京、杭州等主要核心城市辐射带动作用不断增强，绿色技术合作呈现多极化发展，区域整体绿色技术合作强度实现大幅增长，知识技术实现高效流通与合理配置，资源利用效率进一步提高，加快了产业绿色低碳转型。京津冀、珠三角城市群除核心城市外，多数城市仍以加工制造业为主，环境规制强度较弱，缺乏绿色技术创新合作的环境，导致两大城市群绿色技术需求较低，绿色技术合作高度集中，减弱了整体碳减排效应的发挥。
表3 中国三大城市群异质性分析

Table 3 Heterogeneity analysis of three major urban agglomerations in China

变量 模型5 模型6 模型7
GTIC -0.0233
(0.0177)		 -0.2599***
(0.0219)		 -0.0212
(0.0174)
控制变量 YES YES YES
时刻固定 YES YES YES
个体固定 YES YES YES
Constant 1.5385***
(0.2016)		 1.1219***
(0.0916)		 0.7821**
(0.3100)
R-squared 0.6848 0.5761 0.6681
从城市绿色技术合作主体来看，绿色技术创新在城市空间上建立了包括城市本地合作及城际对外合作等在内的复杂合作关系，随着低碳转型的推进，城市内部合作蓬勃发展，城际合作也日益流行。依据不同的绿色技术合作类型，研究运用双向固定效应模型分别对本地合作（模型8）与城际合作（模型9）的碳减排效应进行检验，最后同时加入本地合作与城际合作两个核心解释变量（模型10），对结果的稳健性进行对照分析。根据表4回归结果显示，无论是本地合作还是城际合作均对碳排放强度具有明显的抑制作用，并且同时加入两个核心解释变量后结果依然稳健。从回归系数来看，城际合作成效要明显好于本地合作成效。这可能是因为城市主导产业、创新惯性等一定程度上固化了创新的路径选择，使得城市内部不同领域的绿色技术发展存在不平衡性，碳减排效应有限，为达到城市可持续发展的综合目标，相对“薄弱”领域的绿色技术创新在不同城市的合作中广泛吸收外部异质性知识，有效弥补本地绿色创新短板，实现更低碳、更绿色、更可持续的发展。
表4 本地合作及城际合作异质性分析

Table 4 Heterogeneity analysis of local cooperation and intercity cooperation

变量 模型8 模型9 模型10
Local -0.1234***
(0.0145)		 -0.0795***
(0.0175)
Intercity -0.1401***
(0.0166)		 -0.0882***
(0.0200)
控制变量 YES YES YES
时刻固定 YES YES YES
个体固定 YES YES YES
Constant 1.0533***
(0.0853)		 1.0699***
(0.0856)		 1.0822***
(0.0847)
R-squared 0.5110 0.5103 0.5211

4 结论与讨论

城市群作为知识流动的中转站及科技创新的孵化器，对推动城市绿色技术合作具有重要意义。以万人绿色技术专利联合申请量刻画绿色技术合作能力，本文从本地合作与城际合作等多视角探究了京津冀、长三角、珠三角城市群绿色技术合作的时空动态格局、区域差异演化、空间集聚特征以及碳减排效应，得出以下结论：
（1）中国三大城市群绿色技术合作快速发展，年均增长率为21.95%。从绿色技术合作类型来看，本地合作占优势，其中北京、天津、上海、南京、杭州、广州、深圳7市，本地合作数量达76%左右。城际合作受知识门槛等限制，以省会城市及直辖市间联系最为密切。同时，跨城市群合作联系加强，京津冀城市群与长三角城市群建立密切联系，北京市与上海市和南京市等成为城市群对外合作的重要“门户”。
（2）城市群绿色技术合作Dagum基尼系数波动下降，绿色技术合作区域差距缩小。三大城市群整体空间差距主要来源于组间差距，尤其是京津冀—珠三角的差距最为明显，城市群内部差距表现为京津冀>珠三角>长三角，绿色技术协同发展有待进一步推进。中国三大城市群绿色技术合作集聚类型的城市数量结构逐渐向椭球形转变，低值区城市数量明显减少，中值区城市数量显著增加，主要核心城市多极化发展，初步形成较为明显的合作发展轴线，绿色技术合作空间均衡性提高，中心城市涓滴溢出效应显著。
（3）中国三大城市群绿色技术合作能力碳减排效应显著且存在区域异质性，绿色技术合作通过资源要素共享，推动产业提质增效，减少了生产过程中的碳排放。经济发展水平、环境规制显著降低了中国三大城市群碳排放强度，外商投资则对碳排放强度有促进作用。且无论是通过本地合作还是城际合作都有利于实现城市碳减排，因此进一步加强绿色技术创新区域协同发展是实现城市低碳转型的重要道路。
结合本文的研究结论，提出以下对策建议：一是落实京津冀协同创新共同体建设、长三角生态绿色一体化建设等创新发展战略，发挥北京、上海、深圳等核心城市知识溢出效应，培育具有国际影响力的绿色技术合作引擎，推动创新资源合理布局、有序流动、科学配置、开放共享、高效利用，缩小城市群“技术鸿沟”，助力绿色技术合作水平提高。二是加强京津冀、长三角、珠三角多尺度区域知识合作交流，深化产学研一体化合作，拓展绿色技术合作范围，搭建城市内外、城市群内外、国内外等多层次协同创新合作平台，实现绿色技术创新专业化与多样化的蓬勃发展。三是积极支持绿色低碳技术合作，加快节能降碳先进技术研发和推广应用，聚焦低碳产业新赛道，共建京津冀、长三角、珠三角低碳产业园，推进产业提质增效与绿色转型，实现城市群减污降碳。四是合理选择绿色创新发展路径，因地制宜制定绿色创新政策，充分考虑当前发展基础与现状，明确城市群创新发展方向，依托中关村、上海张江、河套深港科技创新合作区等创新平台优势，借助对外研发合作、技术转移等方式，带动边缘城市加快技术引进，推动知识的吸收、内化、再创新，进一步实现绿色创新发展与技术合作，提高绿色发展效率。
本研究借助绿色技术专利联合申请数据，运用Dagum基尼系数、资源空间集聚度等空间分析方法，从区域对比视角解析了中国三大城市群绿色技术合作能力的空间格局、空间差距、空间集聚特征，同时运用双向固定效应模型初步探究了绿色技术合作能力的碳减排效应，未来仍需加强以下几方面研究。不断丰富完善绿色技术合作能力的测度，构建涵盖专利转化能力、专利类别等在内的绿色技术合作能力评价体系，科学评价城市绿色技术合作能力，明确城市绿色技术创新定位，寻找“最佳”绿色创新合作伙伴。进一步思考三大城市群在中国整体合作联系中的地位，研究仅把京津冀、长三角、珠三角中国三大典型城市群作为案例研究区，但应认识到研究区之外，多尺度区域之间绿色技术合作同样存在，未来可进一步加强大中小多尺度区域绿色技术合作联系研究，丰富完善三大城市群绿色技术合作联系在全国绿色创新中地位与作用的思考。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
马海涛, 徐楦钫, 江凯乐. 中国城市群技术知识多中心性演化特征及创新效应. 地理学报, 2023, 78(2): 273-292.

DOI

[MA H T, XU X F, JIANG K L. The evolutionary characteristics and innovation effects of technological knowledge polycentricity in Chinese urban agglomerations. Acta Geographica Sinica, 2023, 78(2): 273-292.]

DOI

[2]
闫东升, 韩孟孟, 孙伟. 长江三角洲创新发展空间溢出效应的测度与分解. 自然资源学报, 2022, 37(6): 1455-1466.

DOI

[YAN D S, HAN M M, SUN W. Measurement and decomposition of the spatial spillover effect of innovation development in the Yangtze River Delta. Journal of Natural Resources, 2022, 37(6): 1455-1466.]

[3]
盛彦文, 苟倩, 宋金平. 城市群创新联系网络结构与创新效率研究: 以京津冀、长三角、珠三角城市群为例. 地理科学, 2020, 40(11): 1831-1839.

DOI

[SHENG Y W, GOU Q, SONG J P. Innovation linkage network structure and innovation efficiency in urban agglomeration: A case of the Beijing-Tianjin-Hebei, the Yangtze River Delta and the Pearl River Delta. Scientia Geographica Sinica, 2020, 40(11): 1831-1839.]

DOI

[4]
杜亚楠, 王庆喜, 王忠燕. 多维邻近下中国三大城市群创新网络演化特征及机制研究. 地理科学, 2023, 43(2): 197-207.

DOI

[DU Y N, WANG Q X, WANG Z Y. Characteristics and mechanism of innovation networks in three major urban agglomerations of China from the perspective of multidimensional proximities. Scientia Geographica Sinica, 2023, 43(2): 197-207.]

DOI

[5]
段德忠, 夏启繁, 张杨, 等. 长江经济带环境创新的时空特征及其影响因素. 地理科学, 2021, 41(7): 1158-1167.

DOI

[DUAN D Z, XIA Q F, ZHANG Y, et al. Evolution pattern and impact factors of environmental innovation in the Yangtze River Economic Belt. Scientia Geographica Sinica, 2021, 41(7): 1158-1167.]

DOI

[6]
段德忠, 杜德斌, 谌颖, 等. 中国城市创新技术转移格局与影响因素. 地理学报, 2018, 73(4): 738-754.

DOI

[DUAN D Z, DU D B, CHEN Y. Technology transfer in China's city system: Process, pattern and influencing factors. Acta Geographica Sinica, 2018, 73(4): 738-754.]

DOI

[7]
马海涛. 知识流动空间的城市关系建构与创新网络模拟. 地理学报, 2020, 75(4): 708-721.

DOI

[MA H T. The theoretical construction and network simulation of intercity innovative relationships in knowledge flow space. Acta Geographica Sinica, 2020, 75(4): 708-721.]

DOI

[8]
马海涛, 王柯文. 城市技术创新与合作对绿色发展的影响研究: 以长江经济带三大城市群为例. 地理研究, 2022, 41(12): 3287-3304.

DOI

[MA H T, WANG K W. The effect of urban technological innovation and cooperation on green development: A case study of the three urban agglomerations in the Yangtze River Economic Belt. Geographical Research, 2022, 41(12): 3287-3304.]

DOI

[9]
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.

DOI

[JIAO M Q, DU D B, GUI Q C, et al. The topology structure and spatial pattern of global city technical cooperation network. Scientia Geographica Sinica, 2019, 39(10): 1546-1552.]

DOI

[10]
吴朝霞, 许越, 孙坤. 城市集聚效应对绿色技术创新的影响研究: 基于中国232个地级及以上城市的空间计量分析. 经济地理, 2022, 42(10): 25-34, 71.

DOI

[WU Z X, XU Y, SUN K. Impact of urban economic agglomeration on green technological innovation: Spatial econometric analysis based on the panel data of 232 prefecture-level cities. Economic Geography, 2022, 42(10): 25-34, 71.]

[11]
卢建霖, 蒋天颖, 傅梦钰. 数字金融对绿色创新效率的影响路径. 经济地理, 2023, 43(1): 141-147, 235.

DOI

[LU J L, JIANG T Y, FU M Y. The impact path of digital finance on green innovation efficiency. Economic Geography, 2023, 43(1): 141-147, 235.]

DOI

[12]
许玉洁, 刘曙光. 黄河流域绿色创新效率空间格局演化及其影响因素. 自然资源学报, 2022, 37(3): 627-644.

DOI

[XU Y J, LIU S G. Spatial pattern evolution and influencing factors of green innovation efficiency in the Yellow River Basin. Journal of Natural Resources, 2022, 37(3): 627-644.]

[13]
刘承良, 闫姗姗. 中国跨国城际技术通道的空间演化及其影响因素. 地理学报, 2022, 77(2): 331-352.

DOI

[LIU C L, YAN S S. Spatial evolution and determinants of transnational technology transfer network in China. Acta Geographica Sinica, 2022, 77(2): 331-352.]

DOI

[14]
沈丽珍, 饶悦, 蒙晓雨, 等. 区域创新网络格局演化与影响因素: 以江苏省为例. 科技管理研究, 2023, 43(13): 1-10.

[SHEN L Z, RAO Y, MENG X Y, et al. The evolution and influence factors of regional innovation network: A case study of Jiangsu province. Science and Technology Management Research, 2023, 43(13): 1-10.]

[15]
覃柳婷, 曾刚. 长三角地区不同空间尺度创新合作对城市创新绩效的影响研究. 地理科学, 2022, 42(10): 1747-1756.

DOI

[QIN L T, ZENG G. Impact of innovation cooperation of different spatial scales on urban innovation performance in the Yangtze River Delta Region. Scientia Geographica Sinica, 2022, 42(10): 1747-1756.]

DOI

[16]
王群勇, 杜梅慧. 对外开放度与跨国合作创新网络: 基于TERGM的分析. 调研世界, 2023, (5): 3-14.

[WANG Q Y, DU M H. Openness and transnational cooperative innovation network: An analysis based on TERGM. The World of Survey and Research, 2023, (5): 3-14.]

[17]
周媛媛, 董平, 陆玉麒, 等. 基于上市高新技术企业的中国城市创新网络及其影响因素. 经济地理, 2023, 43(6): 145-155.

DOI

[ZHOU Y Y, DONG P, LU Y Q, et al. China's urban innovation network and its influencing factors based on listed high-tech enterprises. Economic Geography, 2023, 43(6): 145-155.]

DOI

[18]
武庆圆, 杨智杰, 张雪雯, 等. 基于高效用关联规则挖掘的技术创新合作团队发现: 以新能源汽车产业专利数据为例. 科技管理研究, 2022, 42(13): 123-130.

[WU Q Y, YANG Z J, ZHANG X W, et al. Technology innovation cooperative team discovery based on efficient association mining: The case based on patent data in the new energy vehicle industry. Science and Technology Management Research, 2022, 42(13): 123-130.]

[19]
周胜男, 申俊龙, 李洁. 基于社会网络理论的生物医药产业集群创新组合模式研究: 以江苏省为例. 科技管理研究, 2023, 43(10): 127-135.

[ZHOU S N, SHEN J L, LI J. Research on innovative combination model of Bio-pharmaceutical industry cluster based on social network theory: Taking Jiangsu province as an example. Science and Technology Management Research, 2023, 43(10): 127-135.]

[20]
孙鹏, 程丹亚. 全球—地方视角下西安市软件产业集群的创新效应研究. 人文地理, 2019, 34(5): 101-108.

[SUN P, CHENG D Y. Research on the innovation effect of Xi'an software industry cluster from global-local perspective. Human Geography, 2019, 34 (5): 101-108.]

[21]
金红, 段德忠. 长江经济带城际绿色技术流动的时空特征及减排效应研究. 地理科学进展, 2024, 43(1): 17-32.

DOI

[JIN H, DUAN D Z. Spatial and temporal characteristics of intercity green technology flows and emission reduction effects in the Yangtze River Economic Belt. Progress in Geography, 2024, 43(1): 17-32.]

DOI

[22]
杜德斌, 金红, 段德忠. 绿色技术跨城流动下长三角生态绿色一体化发展研究. 中国科学院院刊, 2022, 37(12): 1770-1782.

[DU D B, JIN H, DUAN D Z. Ecological green integration in Yangtze River Delta from perspective of intercity green technology transfer. Bulletin of Chinese Academy of Sciences, 2022, 37(12): 1770-1782.]

[23]
段德忠, 金红. 中国城市绿色技术扩散的时空过程与形成机制. 地理学报, 2023, 78(8): 2001-2018.

DOI

[DUAN D Z, JIN H. Spatiotemporal process and driving factors of green technology diffusion in Chinese cities. Acta Geographica Sinica, 2023, 78(8): 2001-2018.]

DOI

[24]
MALHOTRA A, SCHMIDT T S, HUENTELER J. The role of inter-sectoral learning in knowledge development and diffusion: Case studies on three clean energy technologies. Technological Forecasting and Social Change, 2019, 146: 464-487.

[25]
邓巍, 梁巧转, 王维. “一带一路”背景下国家创新系统内外部要素对创新能力的构型影响. 科学学与科学技术管理, 2020, 41(10): 43-61.

[DENG W, LIANG Q Z, WANG W. The Configurational impact of internal and external factors of national innovation system on the national innovation capability under the background of "The Belt and Road Initiative". Science of Science and Management of S.& T., 2020, 41(10): 43-61.]

[26]
张贵, 孙晨晨, 吕晓静. 多维邻近视角下京津冀知识创新合作网络研究. 华东经济管理, 2022, 36(6): 1-12.

[ZHANG G, SUN C C, LYU X J. Research on Beijing-Tianjin-Hebei knowledge innovation cooperation network from the perspective of multi-dimensional proximity. East China Economic Management, 2022, 36(6): 1-12.]

[27]
戴靓, 丁子军, 曹湛, 等. 长三角地区城市协同创新网络的演化特征及其驱动力. 资源科学, 2023, 45(5): 1006-1019.

DOI

[DAI L, DING Z J, CAO Z, et al. Change and driving forces of intercity collaborative innovation networks in the Yangtze River Delta Region. Resources Science, 2023, 45(5): 1006-1019.]

DOI

[28]
徐莹, 邹芳, 姜李丹, 等. 多维邻近性对技术创新合作绩效的影响效应: 以长江中游城市群合作网络为例. 科技管理研究, 2022, 42(1): 51-61.

[XU Y, ZOU F, JIANG L D, et al. The effect of multidimensional proximity on technology innovation cooperation performance: Taking the Middle Reaches of Yangtze River Urban Agglomeration cooperation network as an example. Science and Technology Management Research, 2022, 42(1): 51-61.]

[29]
王庆喜, 胡志学. 多维邻近下浙江城市创新网络演化及其机制研究. 地理科学, 2021, 41(8): 1380-1388.

DOI

[WANG Q X, HU Z X. Urban innovation network of Zhejiang from the perspective of multidimensional proximities. Scientia Geographica Sinica, 2021, 41(8): 1380-1388.]

DOI

[30]
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.

DOI

[HU S L, 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.]

[31]
谢伟伟, 邓宏兵, 苏攀达. 长江中游城市群知识创新合作网络研究: 高水平科研合著论文实证分析. 科技进步与对策, 2019, 36(16): 44-50.

[XIE W W, DENG H B, SU P D. Research on knowledge innovation cooperation network in the middle reaches of the Yangtze River: Evidence from High-Level Scientific research co-author papers. Science & Technology Progress and Policy, 2019, 36(16): 44-50.]

[32]
陈妍, 张紫瑄, 谷人旭, 等. 知识复杂度对创新合作的影响研究: 基于“本地”和“城际”的实证. 地理科学进展, 2023, 42(3): 428-437.

DOI

[CHEN Y, ZHANG Z X, GU R X, et al. Knowledge complexity and innovation collaboration in China: Evidence from intra-and inter-city collaborations. Progress in Geography, 2023, 42(3): 428-437.]

DOI

[33]
PENG X. Strategic interaction of environmental regulation and green productivity growth in China: Green innovation or pollution refuge?. Science of the Total Environment, 2020, 732: 139200, Doi: 10.1016/j.scitotenv.2020.139200.

[34]
韩燕, 李衡, 王巍. 高铁发展对城市雾霾污染的影响研究. 软科学, 2021, 35(12): 50-55.

[HAN Y, LI H, WANG W. Research on the influence of High-speed Railway development on urban haze pollution. Soft Science, 2021, 35(12): 50-55.]

[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.

DOI

[DUAN D Z, DU D B. Green technology innovation in China city system: Dynamics and determinants. Acta Geographica Sinica, 2022, 77(12): 3125-3145.]

DOI

[36]
徐英启, 程钰, 王晶晶, 等. 中国低碳试点城市碳排放效率时空演变与影响因素. 自然资源学报, 2022, 37(5): 1261-1276.

DOI

[XU Y Q, CHENG Y, WANG J J, et al. Spatio-temporal evolution and influencing factors of carbon emission efficiency in low carbon city of China. Journal of Natural Resources, 2022, 37(5): 1261-1276.]

[37]
ZHANG M L, LIU Y. Influence of digital finance and green technology innovation on China's carbon emission efficiency: Empirical analysis based on spatial metrology. Science of the Total Environment, 2022, 838(3): 156463, Doi: 10.1016/j.scitotenv.2022.156463.

[38]
GAO P F, WANG Y D, ZOU Y, et al. Green technology innovation and carbon emissions nexus in China: Does industrial structure upgrading matter?. Frontiers in Psychology. 2022, 13: 951172, Doi: 10.3389/fpsyg.2022.951172.

[39]
杨浩昌, 钟时权, 李廉水. 绿色技术创新与碳排放效率: 影响机制及回弹效应. 科技进步与对策, 2023, 40(8): 99-107.

[YANG H C, ZHONG S Q, LI L S. Green technology innovation and carbon emission efficiency: An impact mechanism analysis and the rebound effect. Science & Technology Progress and Policy, 2023, 40(8): 99-107.]

[40]
程丹亚, 曾刚. 本地—跨界视角下长三角区域绿色技术创新网络结构特征研究. 人文地理, 2023, 38(5): 79-87.

[CHENG D Y, ZENG G. The structural characteristics of green technology innovation network in the Yangtze River Delta from a local-transboundary perspective. Human Geography, 2023, 38(5): 79-87.]

[41]
SONG Y W, ZHANG J R, SONG Y K, et al. Can industry-university-research collaborative innovation efficiency reduce carbon emissions?. Technological Forecasting and Social Change, 2020, 157: 120094, Doi: 10.1016/j.techfore.2020.120094.

[42]
LIU H F, YUAN P W, SHI X Y, et al. Study on the evolution of green innovation city network and its carbon emission effect in Yellow River Basin cities. Environmental Science and Pollution Research, 2023, 30: 80884-80900.

[43]
贾军. 中国制造业绿色发展的锁定形成机理及解锁模式. 软科学, 2016, 30(11): 15-18.

[JIA J. Study on the lock-in mechanisms and unlock model in the green development of Chinese manufacturing. Soft Science, 2016, 30(11): 15-18.]

[44]
柳卸林, 王宁, 吉晓慧, 等. 中心城市的虹吸效应与区域协调发展. 中国软科学, 2022, (4): 76-86.

[LIU X L, WANG N, JI X H, et al. Siphon effect of central cities and coordinated development of regions. China Soft Science, 2022, (4): 76-86.]

[45]
李旭辉, 王经伟. 共同富裕目标下中国城乡建设绿色发展的区域差距及影响因素. 自然资源学报, 2023, 38(2): 419-441.

DOI

[LI X H, WANG J W. The regional gap and its influencing factors of green development of urban and rural construction in China under the goal of common prosperity. Journal of Natural Resources, 2023, 38(2): 419-441.]

[46]
刘睿文, 封志明, 杨艳昭, 等. 基于人口集聚度的中国人口集疏格局. 地理科学进展, 2010, 29(10): 1171-1177.

DOI

[LIU R W, FENG Z M, YANG Y Z, et al. Research on the spatial pattern of population agglomeration and dispersion in China. Progress in Geography, 2010, 29(10): 1171-1177.]

DOI

[47]
冉钊, 高建华, 杨捷, 等. 中国商业健身资源集聚的格局演化及其形成机理. 地理学报, 2023, 78(6): 1573-1590.

DOI

[RAN Z, GAO J H, YANG J, et al. Evolution and formation mechanism of the agglomeration pattern of commercial fitness resources in China. Acta Geographica Sinica, 2023, 78(6): 1573-1590.]

DOI

[48]
古恒宇, 沈体雁. 中国高学历人才的空间演化特征及驱动因素. 地理学报, 2021, 76(2): 326-340.

DOI

[GU H Y, SHEN T Y. Spatial evolution characteristics and driving forces of Chinese highly educated talents. Acta Geographica Sinica, 2021, 76(2): 326-340.]

DOI

[49]
SONG Y, ZHANG X, ZHANG M. The influence of environmental regulation on industrial structure upgrading: Based on the strategic interaction behavior of environmental regulation among local governments. Technological Forecasting and Social Change, 2021, 170(9): 120930, Doi: 10.1016/j.techfore.2021.120930.

[50]
CHENG Y, ZHANG Y, WANG J J, et al. The impact of the urban digital economy on China's carbon intensity: Spatial spillover and mediating effect. Resources, Conservation and Recycling, 2023, 189: 106762, Doi: 10.1016/j.resconrec.2022.106762.

[51]
程钰, 张悦, 徐英启. 区域碳排放效率时空演变与技术创新影响研究. 北京: 科学出版社, 2024.

[CHENG Y, ZHANG Y, XU Y Q. Spatial and Temporal Evolution of Regional Carbon Emission Efficiency and the Impact of Technological Innovation. Beijing: Science Press, 2024.]

[52]
辛大楞.金融市场发展、 跨境资本流动与国家金融安全研究. 北京: 中国社会科学出版社, 2023.

[XIN D L. Financial Market Development, Cross-Border Capital Flows and National Financial Security. Beijing: China Social Sciences Press, 2023.]

Options
文章导航

/

〈 〉