EN中文

地球信息科学学报 >

2022 , Vol. 24 >Issue 9: 1701 - 1716

DOI: https://doi.org/10.12082/dqxxkx.2022.220021

地理信息技术在海事领域的应用

全球LNG海上运输网络演化及中国贸易现状分析

  • 梅强 , 1, 2 ,
  • 胡勤友 , 1, * ,
  • 刘希亮 3 ,
  • 赵瑞娜 4 ,
  • 杨春 1 ,
  • 王鹏 1, 5 ,
  • 戚玉玲 1 ,
  • 杨洋 2 ,
  • 袁启睿 2
展开
  • 1.上海海事大学商船学院,上海 201306
  • 2.集美大学航海学院,厦门 361021
  • 3.北京工业大学软件学院,北京 100124
  • 4.海洋石油工程股份有限公司,天津 300461
  • 5.中国科学院计算技术研究所,北京 100080
* 胡勤友（1974— ）,男,安徽舒城人,博士,教授,研究方向为交通信息工程及控制等。E-mail:

梅强（1987— ）,男,安徽宿州人,博士生,助教,从事海事地理信息分析研究等。E-mail:

收稿日期: 2022-01-12

  修回日期: 2022-07-02

  网络出版日期: 2022-11-25

基金资助

国家自然科学基金项目(71804059)

国家自然科学基金项目(51879119)

上海市科学技术委员会重大项目(18DZ1206300)

福建省自然科学基金项目(2021J01821)

福建省自然科学基金项目(2020J05143)

福建省教育厅面上项目(JAT200265)

创新基金项目(SSS002)

收起

Research on the Evolution of Global LNG Maritime Transportation Network and Trade Condition of China

  • MEI Qiang , 1, 2 ,
  • HU Qinyou , 1, * ,
  • LIU Xiliang 3 ,
  • ZHAO Ruina 4 ,
  • YANG Chun 1 ,
  • WANG Peng 1, 5 ,
  • QI Yuling 1 ,
  • YANG Yang 2 ,
  • YUAN Qirui 2
Expand
  • 1. Merchant Marine College, Shanghai Maritime University, Shanghai 201306, China
  • 2. Navigation College, Jimei University, Xiamen 361021, China
  • 3. School of Software Engineering, Beijing University of Technology, Beijing 100124, China
  • 4. Offshore Oil Engineering Company Limited, Tianjin 300461, China
  • 5. The Institute of Computing Technology of the Chinese Academy of Sciences, Beijing 100080, China
* HU Qinyou, E-mail:

Received date: 2022-01-12

  Revised date: 2022-07-02

  Online published: 2022-11-25

Supported by

National Natural Science Foundation of China(71804059)

National Natural Science Foundation of China(51879119)

Major projects of Shanghai Municipal Commission of science and technology(18DZ1206300)

Natural Science Foundation of Fujian Province(2021J01821)

Natural Science Foundation of Fujian Province(2020J05143)

Science and Technology Project of Education Department of Fujian Province(JAT200265)

Innovation foundation(SSS002)

Fold

摘要

随着“碳达峰”、“碳中和”发展目标的提出,液化天然气（Liquefied Natural Gas,简称LNG）作为清洁低碳能源逐渐受到能源市场的重视。在此背景下,重点分析LNG海上运输网络演化模式,对掌握全球能源格局动态和中国的进口贸易现状具有重要意义。本文利用船舶轨迹数据和复杂网络理论,聚焦2018—2020年全球LNG海上运输网络演化趋势;同时针对中国的贸易现状,重点分析中国LNG进口来源、主要进口港分布及进口量排名前三的进口港的货源流入状况。结果表明：① 2018—2020年,全球LNG海上运输网络呈扩大趋势,并呈现出“无标度”特性;同时骨干网络节点连接的“广度”和“深度”正在增强,全球LNG贸易存在趋于垄断的风险;② “一带一路”国家贸易参与度强,中北美、南亚和东南亚地区的进口港数量和进口航次数增长尤为明显,萨贝塔、邦尼按照贸易出口量排名已进入全球前八;③ 网络的平均最短路径值在2018—2020年逐年递增,“转运港”业务新模态逐渐兴起;截止到2020年共有21个转运港口参与LNG贸易中,美国占据全球转运的主导地位;④ 中国的LNG进口货量规模发展迅速,海上运输网络流向趋于多元,但澳大利亚仍占据主要来源地位;按照进口量统计天津港、深圳港和永安港排名前三,“减碳”压力促使经济发达地区建设接收站并且不断增大进口量。

关键词： 碳达峰; 新冠疫情; 复杂网络分析; 液化天然气; 一带一路; 清洁能源; 全球; 中国; 全球

本文引用格式

梅强 , 胡勤友 , 刘希亮 , 赵瑞娜 , 杨春 , 王鹏 , 戚玉玲 , 杨洋 , 袁启睿 . 全球LNG海上运输网络演化及中国贸易现状分析[J]. 地球信息科学学报, 2022 , 24(9) : 1701 -1716 . DOI: 10.12082/dqxxkx.2022.220021

Abstract

With the proposal of "carbon peak" and "carbon neutralization", Liquefied Natural Gas (LNG) has gradually garnered the attention of energy market as a clean and low-carbon energy. In this context, it is of great significance to analyze the evolution mode of the LNG maritime transport network, so as to master the dynamic of global energy pattern and the status of China's import trade. In this paper, the evolution trend of the global LNG maritime transport network from 2018 to 2020 is explored based on the ship trajectory data and complex network theory. Meanwhile, according to China's trade status, LNG import sources, distribution of main import ports, and the inflow status of the top three import ports in China are analyzed. The results show that: (1) From 2018 to 2020, the global LNG maritime transport network expanded with a “scale-free” characteristic. The "breadth" and "depth" of node connections in the backbone network are increasing, and there is a risk that global LNG trade will become monopolistic; (2) The countries along the "Belt and Road Initiative" actively participated in trade. The numbers of import ports and import voyages in Central and North America, South and Southeast Asia have significantly increased, and in particular, Sabetta and Bonny ranked the top eight globally according to their export volume; (3) The average shortest path length of the network is increasing year by year from 2018 to 2020, and the new mode of "transshipment port" business is gradually emerging. By 2020, 21 transshipment ports have participated in LNG trade, and the United States occupies the dominant position in global transshipment; (4) In recent three years, China's LNG import scale has developed rapidly, and the flow direction of the maritime transport network tends to be diversified. However, Australia is still the main LNG source for China. In terms of import volume, the ports of Tianjin, Shenzhen, and Yung'an rank the top three in China, and the pressure to reduce carbon emissions has prompted the economically developed regions to build terminals and increase imports.

Key words： carbon peak; COVID-19; complex network Analysis; LNG; the Belt and Road; clean energy; global; China

1 引言

能源作为现代文明和经济发展的重要物质基础,已成为维护世界稳定和经济发展的重要组成部分[1-2]。然而近些年来,随着“减碳”趋势加快,全球经济模式逐渐追求“绿色增长”,因此在加快能源清洁低碳转型的进程中,天然气在保障能源安全中的作用至关重要[3],“控碳”的刻不容缓也引起了各国的 重视[4-5]。就中国而言,目前正在加快清洁能源的使用以实现既定的碳减排目标,2020年天然气整体消费量为3281亿m3,同比增长7.8%。增速高于原油和煤炭等传统能源品种[6],天然气需求旺盛。作为全球减碳的重要环节,LNG贸易运输与全球的清洁能源贸易态势及“减碳”顺利进行都有着密切联系[7]。由于单位热值高、燃烧后无二次污染、运输方式灵活等特点,LNG成为了理想的城市能源,而采用大规模的海上运输方式,可以有效降低LNG运输成本[8-9]。
当前的LNG的相关研究主要从微观和宏观2个角度展开。微观方面主要聚焦LNG码头的建设、储运和安全管理等[10-11]：通过重点分析LNG设施的特征和码头通航效率等,为LNG的规划提供参考[12⇓-14],实现对运输安全和效率的保障。宏观方面侧重于LNG的贸易与世界格局的关系,重点分析LNG的进出口与经济、政治和需求上的关联与影响[15],研究经济不确定性[16]、管制措施[17]对天然气价格指数的影响,最终从政策的角度聚焦LNG产业存在的问题,提出引导产业合理发展的方案[18⇓-20]。为全面考察天然气供应体系的健壮程度,有学者采用指标评价法,选择天然气供应商数量、对外依存度[21]、政治安全和地缘风险、天然气生产量与消费情况[22]作为评价指标,从资源可利用性、经济可承受性、贸易可获得性、环境可接受性[23]等维度对能源的供应保障进行评估,研究供应体系的现状特征和面临的风险与挑战。
以流空间理论的视角,利用复杂网络理论探索物流过程中流量和流向等规律,分析供应体系的时变特征也是当前研究的主要切入方向之一[24-25]。作为基于图论和拓扑学的计算方法,该方法可以通过多种指标测度网络的动态时空演化规律[26]。相对于指标评价法,运用该类方法能够更细粒度地揭示贸易流向的内在机制,深层次的反映网络结构和空间布局的时变特征,相关研究包括对能源[27]、粮食[28]、肉类[29]等全球大宗贸易的分析。部分学者已采用该类方法对LNG进行分析研究：魏景斌等[30]通过横向对比不同时间段内的网络差异,发掘LNG网络密度特征和国家之间的联系;Geng等[31]利用海上LNG贸易网络,与管道网络等其他运输方式进行综合比较,对比二者的演化特征,但这类研究成果中使用的面板数据为国与国贸易统计数据,且时间尺度以年为单位,时间和空间精细程度偏向于大尺度[32]。为从港口角度进行小尺度精细化的研究,聚焦“细时隙、可变尺度”的网络演化分析,近些年学者选择利用全球船舶轨迹数据,构建海运贸易网络对贸易网络和社区演化进行分析,成果包括航运网络的结构变化[33⇓⇓-36]、能源社区的分析[37]、港口潜能和优势度评价[38-39]。Peng等[40]利用复杂网络完成了LNG的运输网络演化的分析,但研究的时间段为2017年及之前年份。现实情况是,2018年以后全球的“减碳”趋势明显加快,加之“新冠”疫情的影响,在此背景下贸易格局可能产生新的变化。
综上,本文重点聚焦2大问题：① 近些年尤其是新冠疫情期间,全球LNG的海上运输网络规模和贸易节点的变化如何?贸易的骨干网络变化如何?随着“一带一路”倡议的提出,相关国家在LNG贸易的参与度如何?全球供应会不会存在垄断的风险?例如以石油为例,部分国家间通过双向石油贸易,即出口进口兼顾的方式来提高石油流动的灵活性、控制石油市场[41],LNG是否也存在类似情况?② 在明确的“碳达峰、碳中和”目标下,选择天然气这种清洁能源去替代传统化石燃料,是中国现阶段节能减排过渡期间的重要选择。中国目前的进口来源和规模如何?LNG港口的地理分布和核心港口的贸易进口状况同样值得关注。
本文聚焦LNG海上运输网络状况,从港口尺度定量化研究贸易的发展趋势,利用复杂网络方法从网络结构的角度刻画网络的时变过程,从全球到中国2个重要视角,聚焦能源结构调整过程中整体网络演化和局部节点的能源流向变化。本文所得到的数据和结论,对于掌握LNG贸易现状[42],推进中国清洁能源供应链建设,保障能源安全具有实际意义。

2 研究方法及数据来源

研究的论文框架如图1所示,具体来说包括：
图1 本文研究过程及技术框架

Fig. 1 Paper structure of research and technology roadmap

（1）在网络数据构建层,结合船舶的档案数据,对AIS数据进行船舶种类的属性匹配,生成LNG海上运输网络;
（2）在网络拓扑特性研究层展开对网络的分析研究。首先,基于度值（航线）和权重值（货量）分析全球整体网络和重点进出口港的排名变化,聚焦全球贸易与重载航线变化;其次,利用网络平均度值和聚集系数来分析LNG海上运输网络的整体拓扑特性,同时基于K-CORE方法提取骨干网络[43],比较和讨论了骨干运输网络中核心值（k值）、港口数量和航线的占比变化趋势;同时利用平均最短路径值和中介中心度指标,分析“转运港”排名所反映的贸易新趋势;
（3）最后聚焦中国,分析“减碳”趋势下中国的LNG进口量变化趋势[44],重点讨论海上运输网络中关键港口地理分布状况以及进口来源的变化趋势,从应对贸易风险、保障能源安全的角度提出相关建议。

2.1 数据来源

本文的基础数据包括2018—2020年的AIS数据、船舶档案数据和港口空间数据等,均来自于Hifleet（ https://www.hifleet.com/）。AIS数据可提供船舶的唯一识别符MMSI、船舶位置速度等动态信息,吃水、目的地港等航次相关信息,船舶档案数据主要包括船舶的类型和所属国、公司等基本静态属性,港口空间数据提供了设施的地理区域信息。

2.2 LNG海上运输网络数据的构建

贸易中的各个港口通过船舶的航线相互连接,构成了复杂网络形式,其中港口在网络中作为节点,而港与港之间的航线作为边。网络数据的计算生产框架,包括船舶AIS与档案数据的融合层、港口区域计算层以及港口实际设施验证层,最后产生标准化的OD数据。
实验的基本步骤如图1中网络构造环节所示：
（1）在船舶AIS与档案数据的融合层内,实现对AIS与档案数据进行有效整合,获取具有准确属性信息的船舶数据点,最终完成种类为LNG的船舶数据的归类。整理后的数据样式如下：
< M M S I , I M O , N A M E , D e a d w e i g h t , L o n , L a t , S p d , D r a u g h t >
式中：MMSI表示船舶的ID;IMO号表示船舶的海事编号;NAME表示船名,Deadweight表示船舶的载重吨;Lon表示船舶的经度;Lat表示船舶的纬度;Spd表示船舶的速度,而Draught表示船舶吃水[45]。
（2）结合码头的地理区域信息,港口区域计算层进行空间数据计算,判断船舶进出港口区域的行为[46];考虑到船舶在海峡时,可能会与在海峡内的港口相交。针对靠港计算准确性的问题,基于遥感数据对接收港是否存在设施进行实际验证,实现对接收港口的准确标定,最后得到的OD数据元组为：
< M M S I , I M O , N A M E , O r i g i n , L e a v e _ t i m e , D e s t i n a t i o n , A r r i v e _ t i m e , V o l u m e >
式中：Origin表示船舶的驶离港口;Leave_time表示离开时间;Destination表示船舶的到达港; Arrive_time表示船舶的到达时间;Volume表示LNG货量,通过简化计算,即当前吃水与已出现过的吃水的最大值的比值,再与载重吨相乘后得到的数值作为此次发货量。
（3）基于LNG类型船舶的OD数据元组构建海上运输网络。其中用于分析的数据结构为：
G = ( N , E , W )
式中：N表示的网络之间的节点;E表示节点之间的边;W代表边与边的权重值,表示节点与节点之间的货物量[47]。

2.3 LNG海上运输网络的测度指标

本文评价港口在网络中的重要性主要从度的角度出发,利用统计度值和度中心性进行港口点重要性的评估[47]。借鉴参考文献[32]和[47]中的方法,分别从从网络规模评价、骨干网络分析、节点重要性评价和“转运港”模式发展趋势的角度,对LNG网络变化进行测度：
（1）网络规模评价——基础网络指标及集聚系数计算
文中统计节点数和连边数,反映的是参与贸易的港口和航线的数量,数量越多,表示网络规模越大。网络中所有节点的度的数量反映的是节点与节点连接的活跃程度,平均值表示如下。
k - = 1 N ∑ i = 1 N k i
式中：N是网络中的节点总数;ki表示网络中第i个节点的度值,i=1,2,3,…,N; k -表示网络的平均度值,表达网络中贸易建立的广度[48]。
集聚系数表示表示为相邻节点之间实际存在的边数与最大可能边数的比值,聚集程度越高,则在整体网络中所反映的连通性越好。如式（5）所示,节点i的ki个邻居节点之间实际存在的边数与总的可能边数之比,用Ci表示。网络的平均集聚系数C表示为网络中所有节点集聚系数的平均值,反映的是整体网络结构的聚集性强弱,如式（6）所示。
C i = 2 e i k i ( k i - 1 )
C = 1 N ∑ i = 1 N C i
式中：i表示节点的编号; e i表示节点i与相邻节点已形成的邻边的数量;N表示网络节点总数;ki表示相邻节点的数量[40]。
（2）基于K-CORE的骨干网络提取与分析
考虑到LNG网络化结构特性,本文引入K-CORE分析模型作为枢纽体系的甄别方法。作为一种图挖掘算法,可以用来在网络图中识别出符合指定核心度值的紧密关联的子图结构。该算法利用迭代方法不断减少网络中小于k的节点,直至获得完整子图和最大值k值,具体的计算步骤如图2所示： ① 在初始化时都是1-Core结构;② 从k=2开始,过滤掉度值小于2的节点（图中紫色点被删除）,将满足要求的节点凸显出来进行进一步过滤分析;③ k值不断递增,在循环计算的过程中,按照k值过滤掉达不到度值要求的节点（黄色点随之也被移除）,直至循环计算的过程结束,保留的点构成的子图拓扑具有完整性,每个节点的度值至少为k（图2中所示例的最终保留绿点,即3-Core层中,此时k值最大为3）,且所有的节点都至少与该结果子图中的k个其他节点相连接。最终所得到的完整子图,在整个运输网络中具有核心的枢纽地位[49]。
图2 K-CORE算法

Fig. 2 Algorithm of K-CORE

（3）基于贸易出强度和入强度的节点重要性评价
节点的度定义为该节点与其他节点所构成关系的个数,反映的是整个网络联系的广度,表示在网络中关系的数量。而边上的权重则由该航线上的货物量表达,是由港口节点之间的连接次数与参与运输的船舶大小共同决定的,所以节点在整个海上运输网络中所承担的货物运输总量更能反映它的的重要程度[28]。本文利用贸易出强度和入强度作为港口重要性的评价标准,出口或者进口货量越多,表示该节点在整个网络中越核心：
P o s i t i o n i = ∑ e i j × W i j
式中： P o s i t i o n i表示港口i的重要程度,根据进出口货物性质分为出强度和进强度; W i j表示边的权重,代表的是港口i与其他港口j之间的货物数量;货物量大则表明该港口与其他港口贸易联系越多,该港口在全球LNG贸易就扮演着更为重要的角色。 e i j表示港口i与j之间是否有航线连接,有连接则 e i j = 1,反之 e i j为0。
（4）“转运港”的模式发展趋势研究
“转运港”的模式发展趋势,主要是通过平均最短路径和节点的介数中心性来评价。参考文献[32]中的方法,对3年内的网络的整体拓扑结构演化进行评估,网络中的最短路径是指连接这2个节点的边数最少的路径,即达到最短路径所用边的个数。网络中所有节点之间最短路径的平均值即为平均最短路径长度,公式表达如下：
L = 2 N N - 1 ∑ 1 ≤ i , j ≤ N d i j
式中：N表示港口节点的总数; d i j表示图中点之间的距离,即节点i和j之间最短路径的边数,即代表最短路径;L表示网络的平均最短路径长度,该值越小,代表整个网络中,港口互通的过程中需要挂靠的中间港越少,成本越低[40],该数值用于后文中量化“转运港”模式的发展趋势。
中介中心度主要刻画了节点在网络中对沿最短路径传输的网络流的控制力,从而体现节点在网络中所发挥的中转作用[34],计算公式表示如下：
B C i = ∑ i ≠ s , t g s t i g s t
式中：BCi是指节点i的介数中介中心度; g s t i是指通过节点i的最短路径的数目;gst是指通过节点s和节点t的最短路径,经过的最短路径数目越多,则该节点重要性就越强。此指标用以量化全球“转运港”的重要性。

3 全球LNG贸易格局与网络演化趋势研究

3.1 全球LNG贸易规模总体性分析

目前全球“减碳”的背景下,LNG海上发货量和航次数都在持续增长中。全球的贸易规模如表1所示,从总体看,2018—2020年发货总航次数、总发货量、参与的船舶数量和平均航次发货量均呈明显增长态势,尤其是2020年,虽然新冠疫情席卷全球,但全球的LNG海上发货量达到38 353.05万t;发货总航次数为5854次,参与运输LNG运输船共559艘,平均每航次发货量6.55万t,较2019年分别增长7.6%、0.4%、0.6%。规模巨大的贸易网络正在逐步形成。
表1 2018—2020年全球海上LNG贸易规模特征

Tab. 1 Basic situation of global LNG transportation from 2018 to 2020

年份 航次数/次 发货量/万t 参与船舶总艘数/条 平均航次发货量/万t
2018 4668 29 748.82 481 6.37
2019 5440 35 434.99 557 6.51
2020 5854 38 353.05 559 6.55
如图3所示,LNG贸易进口国主要为地区的经济强体,如南美的巴西、南亚的印度、东南亚的新加坡、东北亚的中日韩三国、北美的加拿大和美国、西欧诸国等,这些国家地区对于清洁能源存在较大需求,且拥有完善配套设施的经济实力,该结果也与文献[20]的观点相吻合,即LNG需求方的经济规模对贸易量和流向起着关键作用,物流导向性与经济水平存在明显关联性。
图3 2018—2020年全球LNG贸易流向

Fig. 3 Spatial configuration of global LNG trade linkage network from 2018 to 2020

LNG贸易中航线“重载化”趋势明显,本文以年超过400万t运输量为重载航线的统计标准,2018年的重载航线为5条,均围绕卡塔尔的拉斯拉凡港展开;到2020年重载航线增加到10条,新增拉斯拉凡到巴基斯坦卡西姆港、英国的米尔福德的航线、俄罗斯萨贝尔到比利时泽布吕赫的航线、以及涉及到中国的丹皮尔到深圳的航线、格拉德斯通到董家口和宁波的航线,大型LNG贸易港存在锁定固定货源的倾向。

3.2 全球LNG海上运输网络规模和骨干网络特性分析

3.2.1 全球LNG海上运输网络规模分析

伴随着贸易规模的扩大化,全球海港参与度加强,节点数、连边数及平均度增长明显（表2）,2020年的LNG海上运输网络中,港口（节点）数量增长到167个,航线（连边数）增长到1351条,“扩大化”趋势明显。就网络中港口节点的活跃度来看,2020年的平均度同比增长21.3%。对比2019年10.7%的同比增长率,表明网络“活跃度”正在增加,节点之间连接速度加快。
表2 2018—2020年全球海上LNG海上运输网络特征

Tab. 2 Basic situation of global LNG transportation network from 2018 to 2020

年份 节点数/个 连边数/条 平均度 平均集聚系数
2018年 140 864 5.993 0.092
2019年 165 1095 6.636 0.113
2020年 167 1351 8.048 0.113
网络的平均集聚系数反映网络中节点的集聚特性,该系数取值范围为[0,1],取值越接近1,则表示网络节点之间联接越紧密;反之则表示网络的联接越松散。表2中,相比2018年,2019年网络的平均集聚系数增长22.8%,节点趋于紧密,网络整体一个稳定的状态。表3中,从度值分布看,整体网络呈现出“低度高占比,高度低占比”的无标度特征,各节点之间的连接状况（度数）具有严重的不均匀分布特性[33],贸易整体呈现“集中化”特点,即节点度分布具有不平衡特征,少数核心节点的活跃程度高,控制整体网络结构。
表3 2018—2020年全球LNG海上运输网络的度值分布情况

Tab. 3 Degree distribution groups of global LNG transportation network from 2018 to 2020

年份 低度值点
(1~10)
点占比/%		 中度值
(11~25)
点占比/%		 次高度值
(26~40)
点占比/%		 高度值
(41~85)
点占比/%
R2 拟合方程
2018 60 28.5 7.9 3.6 0.704 y = 0.1669x-0.795
2019 52.7 35.8 7.3 4.2 0.739 y = 0.1662x-0.80
2020 43.7 38.3 9.6 8.4 0.643 y = 0.1186x-0.702
总体上,LNG的网络规模呈扩大趋势,在全球“减碳”的大背景下,网络的连通性不断增强,全球贸易联系日益紧密。而节点度分布存在不平衡性,中度值、次高度值、高度值节点占比增大明显,网络最终趋向于由核心港口主导的稳定态势,但也会随之产生贸易垄断的风险。

3.2.2 骨干网络特性分析

全球LNG的骨干网络状况,也印证了“垄断化”风险的存在,骨干网络在“广度”和“深度”上都变化明显：如表4所示,核心值（k值）从2018年的11增长到2020年的14,节点的连接广度得到增强。同时,骨干网络中的参与港明显增加,参与的港口数量从31增长到59,港口数占比从22.1%增长到35.3%;从航次数目来看,2018年网络中的航次数目为1698,2019年为2031,年度增长率19.6%。而2020年网络中的航次数目为2965,相较2019年增长率为46.0%。总体而言,骨干网络节点连接的“广度”和“深度”正在增强,对LNG贸易的“垄断化”影响逐渐加深（图4）。
表4 2018—2020年LNG骨干网络特性

Tab. 4 Characteristics of backbone Network of LNG from 2018 to 2020

年份 k值 港口数/个 航次数/次 港口数
占比/%		 航次数
占比/%
2018 11 31 1698 22.1 36.4
2019 12 42 2031 25.5 37.3
2022 14 59 2965 35.3 50.7
图4 2018—2020年LNG海上运输骨干网络

Fig. 4 Backbone Network for from 2018 to 2020

但进出口节点的特征变化却存在明显差异。骨干网络中的航次数排名靠前的进口港主要分布在东亚的中日韩三国和南亚的印度,排名变化并不明显,但出口港则不然,2018年除卡塔尔的拉斯拉凡港和马来西亚的民都洛以外,澳大利亚的丹皮尔、格拉德斯通港、巴罗岛排名前五,显示出当年该国液化天然气产品较广的市场覆盖面。而到了2020年得益于“一带一路”倡议下基础设施的完善尤其是亚马尔项目的顺利推进,俄罗斯的萨贝塔港的排名进入前五,表明该港的LNG受到全球市场的认可并承担起核心供给任务,这一结果同时也佐证了文献[40]曾经提出“伴随着北极航道的进一步开通,全球LNG贸易关系将更加丰富”的观点,体现出“新港口快速崛起,传统格局被打破”的骨干网络变化趋势。

3.3 全球LNG贸易港口格局地位和“一带一路”国家参与度分析

3.3.1 全球LNG贸易港口格局地位分析

基于贸易节点强度的港口重要性排名情况如表5所示。虽然港口重要性排名存在小幅波动,但贸易核心参与国却相对比较固定。从出强度来看,世界LNG贸易核心出口国主要有卡塔尔、澳大利亚、尼日利亚、马来西亚、美国和俄罗斯等。其中,借助拉斯拉凡和格拉德斯通两港的出强度优势,卡塔尔和澳大利亚保持作为全球核心出口国的优势。伴随着俄罗斯在全球LNG供应地位的提升,“一带一路”重要港口萨贝塔港在2020年进入了前八的行列。
表5 全球LNG贸易节点强度排名前八位的港口演变情况

Tab. 5 Evolution of the Top-8 global LNG trading nodes

排名 2018年 2019年 2020年
出强度 入强度 出强度 入强度 出强度 入强度
1 拉斯拉凡 达荷 拉斯拉凡 达荷 拉斯拉凡 川崎
2 格拉德斯通 亚瑟 民都洛 仁川 格拉德斯通 达荷
3 丹皮尔 仁川 亚瑟 川崎 民都洛 天津
4 邦尼 平泽 格拉德斯通 平泽 丹皮尔 仁川
5 民都洛 川崎 邦尼 永安 邦尼 永安
6 亚瑟 永安 丹皮尔 天津 亚瑟 深圳
7 巴罗岛 木更津 福廷角 米尔福德 萨贝塔 泽布吕赫
8 福廷角 千叶 巴罗岛 木更津 巴罗岛 米尔福德
从入强度来看,日本、中国、韩国和印度等LNG进口规模位于世界前列,尤其是中国,2020年天津、永安和深圳的排名进入前八,贸易地位明显提升。

3.3.2 “一带一路”国家进口贸易参与度分析

“一带一路”国家的进口贸易参与度增强,与2018年相比,参与LNG进口的“一带一路”国家数量从22增长到30个,接收港口数量从34增长到52个,航次数从1028增长到1524次。其中,中北美、南亚和东南亚地区增长明显,港口数分别增长到7、9、13个,航次数量分别增长到103、584、296次,显示出当地对清洁能源的旺盛需求（图5）。地区内重要发展中国家如巴基斯坦、墨西哥、牙买加等国,在2020年均参与到了LNG的能源贸易中,反映出全球基础设施的完善与发展中国家政府“控碳”的巨大决心。
图5 2018年和2020年“一带一路”国家LNG进口状况对比

Fig. 5 Comparison of LNG import conditions of "the Belt and Road" Countries in 2018 and 2020

作为中国参与建设的“一带一路”重点港口,邦尼港和萨贝尔港在2020年进入到出强度排名前八的位置,显示出在全球供应链上的重要地位。邦尼港作为非洲西海岸的重要出口港口[50],2018年以来货物的流向趋于多元,从以供给欧美的法国的蒙托伊尔港与美国的亚瑟港为主,转变为开始全面向亚洲LNG市场供货,中国的天津、永安、深圳,印度的达赫成为了该国新的市场,该港逐渐摆脱了“服务外国石油公司,供给他国转运港”的低级商业模式,走上了独立开拓市场的能源发展的道路;萨贝塔是作为俄罗斯北部的亚马尔半岛液化天然气港口,承担着该国“亚马尔”天然气项目的出口任务。伴随着该项目的陆续投产,该国的天然气货物已运往西北欧,成为欧洲液化天然气进口的主要来源。比利时的泽布吕赫港和法国的蒙托伊尔港已成为该港口的主要接收港。随着“北极航路”的开通,天津港与曹妃甸港成为萨贝塔主要的对华出口港,这对中国北方地区的清洁能源供应起到了保障作用[51]。

3.4 全球“转运港”业务新模态分析

平均特征路径长度呈现缩短倾向,结果意味着贸易参与港之间可通过更少的转运港便可实现网络连通,反映出更高的贸易效率。2018—2020年网络的平均最短路径从2.13增长到2.2。横向对比文献[40]中2013—2017年的平均特征路径长度（2.97~3.26）,2018—2020年的数值明显减少,反映出基础设施建设对LNG船舶直靠能力的提升能力的保障的提升[40]。但仅从3年内的变化趋势来看,该数值又逐年递增,表明业务新模态已经产生,货物的转运行为存在贸易控制的倾向,对该数值也产生了明显的影响。
表6中全球LNG贸易中介中心度排名前八位的演变情况也说明了该问题,截止到2020年,全球共有21个转运港口参与贸易中,美国正在从传统的LNG能源消费国转型为“进口+出口”并行的国家。得益于萨宾帕斯项目、科夫角项目、科珀斯克里斯蒂项目生产线的投产运营,美国在全球LNG供应链的地位得到提高[32],包括亚瑟,弗里波特、湾点在内的港口,在全球LNG的转运贸易中占有重要地位。美国通过此方式逐渐把握清洁能源贸易命脉。
表6 2018—2020年排名前八的中介中心度值和所属港口

Tab. 6 The top-8 of betweeness centrality values and ports from 2018 to 2020

排名 2018年 2019年 2020年
港口 中介中心度 港口 中介中心度 港口 中介中心度
1 亚瑟 0.071 亚瑟 0.049 亚瑟 0.040
2 鹿特丹 0.026 泽布吕赫 0.020 新加坡 0.030
3 泽布吕赫 0.014 蒙托伊尔 0.015 弗里波特 0.023
4 蒙托伊尔 0.009 鹿特丹 0.015 鹿特丹 0.019
5 湾点 0.006 湾点 0.014 泽布吕赫 0.010
6 福斯 0.005 阿尔赫西拉斯 0.009 敦刻尔克 0.010
7 杰拜勒·阿里 0.004 梅德韦 0.008 艾哈迈迪 0.010
8 洪宁斯沃格 0.004 敦刻尔克 0.007 蒙托伊尔 0.009
其他非LNG生产国也通过这种方式,实现对覆盖地区的货物转售。部分转运港口主要分布于海上的关键交通要道附近,地理上坐拥枢纽之利并在全球的贸易中实现区域转售,如新加坡、土耳其的内姆鲁特湾、印度的科钦等;另一部分转运港依托于本国的大型石油公司,将LNG产品从原产国运回本国存储加工后再出口,从而实现货物的转运,如比利时的泽布吕赫、荷兰的鹿特丹、法国的蒙托伊尔等。该类型港口一般位于产业发达的欧洲国家。

4 中国LNG贸易现状研究

4.1 中国LNG主要进口来源分析

中国作为工业化大国,能源消费和“富煤、贫油、少气”的能源生产结构决定了中国对海外能源的长期依赖[2]。经过十几年的发展,中国的LNG产业已经形成了完整的产业链,并且已经进入了产业的快速发展期[52]。2018—2020年随着能源调整速度的加快,中国的LNG的进口量持续增长。相比2018年,2020年LNG进口量从6439.26万t增长到9037.47万t,贸易规模呈多元且扩大趋势。
从图6可以看出,中国的LNG海上运输网络的构成相对稳定,澳大利亚、卡塔尔、美国以及东南亚国家与中国保持稳定的贸易网络;从时间维度上对比来看,相较于2018年,2020年中国逐步扩大了与非洲的安哥拉和尼日利亚、南美洲的秘鲁、委内瑞拉及欧洲的俄罗斯等LNG生产地区的贸易往来,同时也加强了包括法国蒙托伊尔、比利时泽布吕赫在内的转运港的进口联系。整体网络流向趋于“多元”,这也反映出中国正在不断深化能源国际合作,加强同“一带一路”国家在天然气开发和液化工厂建设运营上紧密联系,这对于提高清洁能源供应的安全性起到重要作用[52]。
图6 2018年和2020年LNG海上运输航线网络对比

Fig. 6 Comparison chart of LNG maritime network in 2018 and 2020

依照对华出口量从大到小的顺序,出口港在 图7中按逆时针排列,出口量排名前八的港口分别位于澳大利亚、卡塔尔、马来西亚、印尼和巴布亚新几内亚等国。船舶从上述国家进口货物具有短航路、低运费的物流优势,尤其是澳大利亚,自2015年《中国-澳大利亚自由贸易协定》（ http://melbourne.mofcom.gov.cn/article/fta/jdzm/201508/201508010 72981.shtml）签署以来,它作为中国在太平洋重要的经贸合作伙伴,吸引大批中国企业参与投资,其中油气行业是投资的重中之重[53]。丹皮尔、格拉德斯通港、巴罗岛和达尔文与中国的港口构成紧密的贸易联系。2020年该国天然气对中国的出口量占总进口总量的28.6%,排名第一[6]。
图7 2018—2020年国内LNG流向

Fig. 7 Import LNG cargo from 2018 to 2020

作为澳大利亚港口最大的竞争对手,卡塔尔的拉斯拉凡港主要货物流向集中在东亚的仁川、平泽、川崎、印度的达赫和英国的米尔德福,得益于“一带一路”倡议和中国的援建,以巴基斯坦的卡西姆港为代表的南亚市场在2020年成为拉斯拉凡的重要LNG流向地区,这对缓解南亚“一带一路”国家的能源短缺问题、促进经济社会发展将起到积极作用。但该港对华出口量却呈下降趋势,海关总署数据显示,卡塔尔向中国的供应量从2018年924万t降低到2020年的817万t,进口量占比则从10.2%下降到8.0%,对华贸易规模呈下降趋势[6]。

4.2 中国LNG港进口量排名和三大进口港货源流入分析

作为传统的能源中最大的碳排放源头,近些年,国家一直在控制煤炭的消费和使用,这对于LNG这类清洁能源的的普及使用是存在利好的。从国家发展改革委公布的《中长期油气管网规划战略》的管网布局来看（ https://www.ndrc.gov.cn/xxgk/zcfb/ghwb/201707/t20170712_962238.html）,中国正着力建设一批LNG外输线路输送到腹地地区。随着中国“海气登陆”中配套管网基础设施完善,沿海港口及其周边地区可以更加便捷的获得清洁能源,从而满足经济发展与环保要求,这对于清洁能源的普及具有重要价值。
2018—2020年中国LNG进口港口的进口量排名状况如表7所示,港口所在位置选址辐射中国经济发达地区,如天津、曹妃甸位于京津冀地区、上海、宁波、舟山、洋口港位于长三角地区、深圳位于粤港澳大湾区,台中和永安位于台湾地区,而这也必然反映出当地对于清洁能源需求的迫切性,LNG的进口量的增大有助于缓解当地的能源紧张趋势,促进当地“减碳”等环保措施的推进。
表7 2018—2020年中国LNG进口贸易量排名前八位的演变情况

Tab. 7 The top-8 of import ports of China from 2018 to 2020

排名 2018年 2019年 2020年
港口 进口货量/万t 港口 进口货量/万t 港口 进口货量/万t
1 永安 1038.77 永安 1017.65 天津 1227.52
2 天津 696.12 天津 1007.46 永安 1106.91
3 深圳 645.47 深圳 749.64 深圳 1047.81
4 洋口 645.19 董家口 614.16 台中 695.05
5 曹妃甸 526.43 台中 613.70 董家口 687.91
6 台中 525.25 洋口 532.34 洋口 608.74
7 宁波 524.1 宁波 506.17 宁波 538.60
8 董家口 490.54 上海 504.69 上海 501.01
截止到2020年,在LNG全球海上运输网络中,进口贸易量排名前三的中国港口分别为天津港、永安港和深圳港,三港均位于沿海工业发达地区,LNG接收站等基础设施修建相对完善。天津港作为京津冀的门户,2020年超越永安港成为全国最大的LNG接收港口,其LNG的接收站主要是分布在南疆港区和大港港区,进口量需要满足整个京津冀地区及周边地区的用气需求;深圳港作为南方重要港口,又临近南海主航路,从运输成本和地缘的角度,经贸往来主要是面向东南亚国家及澳大利亚等国家和地区;永安港作为台湾地区高雄主港的附属港口,港内的企业包括有兴达火力发电厂及“中油”天然气接收站等,它也是台湾南部重要的能源接收及输送中心。
如图8所示,从三大港口的进口来源港分布上来看,永安港货物来源较为多元,主要进口包括俄罗斯的普里戈罗德诺耶港和东南亚民都洛、巴布亚港的LNG产品;天津和深圳港虽都与澳大利亚保持密切的货物往来,但进口港选择上存在差异,深圳主要对接澳大利亚的丹皮尔港,而天津主要对接的是澳大利亚的格拉德斯通。对比2018年流向数据,2020年中国三大港口的LNG来源均趋向于更加多元化的方向发展：永安港加强了与澳大利亚的贸易联系,2020年该港从达尔文港的LNG进口量达到了232.11万t,按进口量排名超过巴布亚港排名第一;深圳港逐渐拓展与印尼的邦坦的联系,2020年该港对深圳出口量为79.78万t,接近拉斯拉凡港85.22万t的出口量;而天津进口LNG产品来源中,澳大利亚的巴罗岛港、比利时的泽布吕赫港的产品总量也逐渐增大,2020年进口量分别达到135.02万t和79.66万t。值得关注的是,泽布吕赫作为标准的转运港,主要承接亚马尔和卡塔尔的产品再转运出口。从整体看LNG进口来源趋向于多元,贸易渠道不断拓宽,这对于完善LNG供应链、保障能源安全具有重要意义。
图8 2018年和2020年国内三大港口进口流向对比

Fig. 8 Comparison of import flows of 3 major domestic ports in 2018 and 2020

5 建议

随着全球“减碳”进程的深入,未来清洁能源贸易中可能存在供应紧张的风险,而实现能源的多元化是保障中国能源安全和弹性的重要策略。面对当前中澳两国经贸合作上的不确定性,需要中国从多方面确保自身能源利益：
（1）中国需要加强与全球重要的LNG出口国卡塔尔的贸易直航联系。2018年,与该国港口的直航航次数为170次,而到2020年航次数下降到153次,整体贸易量从2018年924万t降低到2020年的817万t,进口量占比则从10.2%下降到8.0%,原因一方面在于该国的LNG价格与澳大利亚相比没有太大的优势（2020年该国天然气对华出口价为2.06元/m3,高于澳大利亚的1.79元/m3）,另一方面则是该国的部分天然气通过转运港再进行销售,这也无疑会增加物流成本。因此中国需要与该国建立更多的直航贸易,并且在价格上争取更大的优惠空间以摆脱目前澳大利亚产品占据大比例的现状[6]。
（2）中国石油公司应积极“走出去”。伴随着“一带一路”倡议下能源项目建设的加快,世界LNG能源格局已发生巨大变化,反映出全球LNG供货多元化的趋势。欧洲国家依靠自身石油公司的海外贸易已初步形成了在全球LNG供应链上的话语权。面对新的格局,中国石油公司也应抓住机会,积极“走出去”,在“一带一路”沿线国家进行油气开发投资。
（3）中国和亚洲新兴LNG进口国的储备和调峰能力普遍不足,会出现区域性、时段性供需矛盾[52],相比之下,发达国家建设转运港就可减少此类风险。中国需要建设自身的转运港,并积极参与“一带一路”国家的转运港建设。从美国亚瑟港的实例可以看出,全球能源大港逐步向“进口+出口”双功能转运港转型。转运港所在的国家在清洁能源得到满足的同时,也在逐步掌握全球贸易的话语权。以另一重要资源石油为例,邻国韩国通过利用其自身地理区位和具有竞争力的储运成本,利用蔚山、丽水两大港口,打造东北亚石油储运中心[41]。因此中国也不妨参照此模式将天津等港口打造成面向日韩在内的亚太地区转运港。同时加强“一带一路”倡议下的能源合作,协助包括巴基斯坦的卡西姆在内的港口打造成具有地区影响力的转运港。此方式既满足地区的清洁能源供应稳定,维护市场价格稳定,也能提高“一带一路”国家在LNG市场上的话语权和影响力。

6 结论

本文基于复杂网络理论,利用2018—2020年的AIS数据构建LNG海上运输网络,从全球和中国两个重要视角聚焦网络演化趋势。结果表明：
（1）LNG贸易规模不断扩大,“垄断化”趋势也正在逐渐加深,从总体看,2018—2020年发货总航次数、总发货量、参与的船舶数量和平均航次发货量均呈明显增长态势,规模巨大的海上运输网络正在形成。网络的集中度和紧密度逐步增强,而节点度分布的不平衡特征导致网络呈现出“无标度”特性。同时,骨干网络节点连接的“广度”和“深度”正在增强,相比2019年,2020年骨干网络的核心值（k值）、港口数和航次数均有所增加,LNG贸易的“垄断化”趋势正在逐渐加深。
（2）在全球LNG海上运输网络中,虽然港口重要性排名存在小幅波动,但贸易核心参与国却相对比较固定。核心出口国主要有卡塔尔、澳大利亚、尼日利亚、马来西亚、美国和俄罗斯等。而进口国日本、中国、韩国和印度等的LNG进口规模则位于世界前列,反映出明显的地缘格局。受益于“一带一路”倡议与基础设施的快速发展,发展中国家在LNG贸易中参与度强。相较2018年,2020年发展中国家数量从22增长到30个,接收港口数量从34增长到52个,航次数从1028增长到1524航次,中北美、南亚和东南亚地区需求增长明显。作为中国参与建设的“一带一路”重点港口,邦尼港和萨贝尔港在2020年进入到出强度排名前八的位置,显示出在全球供应链上的重要地位。
（3）“转运港”业务新模态在全球LNG海上运输网络中逐渐兴起,截止到2020年共有21个转运港口参与LNG贸易中,网络的平均最短路径值在2018—2020年逐年递增,影响效果明显。从中介中心度排名来看,亚瑟港始终占据第一位,美国目前占据了全球转运的主导地位。
（4）中国LNG进口规模增长迅速,相比2018年,2020年中国LNG的进口量从6439.26增长到9037.47万t,LNG来源也趋向于多元,我国逐渐加强与包括“一带一路”国家在内的LNG输出国的贸易往来,但澳大利亚在中国的进口供应链中仍占据主要位置。从地理分布上看,中国LNG进口贸易量排名前八位的进口大港基本位于经济核心地区。截止到2020年,天津、深圳和永安成为中国进口量排名前三的重要港口,三大港口的进口来源趋向于多元,贸易渠道不断拓宽,这对于完善LNG供应链、保障能源安全具有重要意义。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
韩梦瑶, 熊焦, 刘卫东. 中国跨境能源贸易及隐含能源流动对比——以"一带一路"能源合作为例[J]. 自然资源学报, 2020, 35(11):108-120.

[ Han M Y, Xiong J, Liu W D. China's cross-border energy relations between direct trade and embodied transfers: based on "the Belt and Road" energy cooperation[J]. Journal of Natural Resources, 2020, 35(11):108-120. ] DOI: 10.31497/zrzyxb.20201109

DOI

[2]
杨宇, 于宏源, 鲁刚, 等. 世界能源百年变局与国家能源安全[J]. 自然资源学报, 2020, 35(11):2803-2820.

[ Yang Y, Yu H Y, Lu G. Interview on the unprecedented changes of energy geopolitics and national energy security[J]. Journal of Natural Resources, 2020, 35(11):2803-2820. ] DOI: 10.31497/zrzyxb.20201119

DOI

[3]
Steinberger J K, Roberts J T. Pathways of human development and carbon emissions embodied in trade[J]. Nature Climate Change, 2012, 2:81-85. DOI: 10.1038/nclimate1371

DOI

[4]
邓祥征, 丹利, 叶谦, 等. 碳排放和减碳的社会经济代价研究进展与方法探究[J]. 地球信息科学学报, 2018, 20(4):405-413.

DOI

[ Deng X Z, DAN L, Ye Q, et al. Methodological framework and research progress on the social and economic costs of carbon emission and reduction[J]. Journal of Geo-information Science, 2018, 20(4):405-413. ] DOI: 10.12082/dqxxkx.2018.170590

DOI

[5]
徐冠华, 葛全胜, 宫鹏, 等. 全球变化和人类可持续发展:挑战与对策[J]. 科学通报, 2013, 58(21):2100-2106.

[ Xu G H, Ge Q S, Gong P, et al. Societal response to challenges of global change and human sustainable development[J]. Chinese Science Bulletin, 2013, 58(21):2100-2106. ] DOI: 10.1007/s11434-013-5947-3

DOI

[6]
武凤阳, 邹戈阳, 张沥月, 等. 2020年中国天然气产业特点分析[J]. 油气与新能源, 2021, 33(2):59-66.

[ Wu F Y, Zou G Y, Zhang L Y, et al. Features of 2020 natural gas industry in China[J]. Petroleum and New Energy, 2021, 33(2):56-66. ] DOI: 10.3969/j.issn.2097-0021.2021.02.011

DOI

[7]
Arora V, Cai Y Y. U.S.natural gas exports and their global impacts[J]. Applied Energy, 2014, 120:95-103. DOI: 10.1016/j.apenergy.2014.01.054

DOI

[8]
Bittante A, Pettersson F, Saxen H. Optimization of a small-scale LNG supply chain[J]. Energy, 2018, 148:79-89. DOI: 10.1016/j.energy.2018.01.120

DOI

[9]
房卓, 沈忱, 张民辉, 等. 环渤海地区港口LNG运输特点及泊位合理通过能力研究[J]. 水运工程, 2019, 11:36-39.

[ Fang Z, Shen C, Zhang M H, et al. Investigation on characteristics of LNG transpotation and reasonable throughput capacity of LNG berth around Bohai region[J]. Port &Waterway Engineering, 2019, 11:36-39. ] DOI: 10.16233/j.cnki.issn1002-4972.20191104.020

DOI

[10]
Koromila I, Aneziris O, Nivolianitou Z, et al. Stakeholder analysis for safe LNG handling at ports[J]. Safety Science, 2022, 146:105565. DOI: 10.1016/J.SSCI.2021.105565

DOI

[11]
Miętkiewicz R. LNG supplies' security with autonomous maritime systems at terminals' areas. Safety Science, 2021, 142:105397. DOI: 10.1016/J.SSCI.2021.105397

DOI

[12]
母宝颍, 方卓, 王问渊, 等. 日本LNG码头与接收站建设特征研究[J]. 水运工程, 2019, 5:67-72.

[ Mu B Y, Fang Z, Wang W Y, et al. Construction characteristics of Japanese LNG wharf and receiving terminal[J]. Port &Waterway Engineering, 2019, 5:67-72. ] DOI: 10.16233/j.cnki.issn1002-4972.20190505.022

DOI

[13]
沈忱, 张民辉, 苏孟超, 等. 不同通航模式下LNG泊位组船舶通航效率研究[J]. 港工技术, 2021, 58(5):94-98.

[ Shen C, Zhang M H, Su M C, et al. Assessment on the navigability efficiency of liquefied natural gas ship multi-berths under different navigable organization modes[J]. Port Engineering Technology, 2021, 58(5):94-98. ] DOI: 10.16403/j.cnki.ggjs20210522

DOI

[14]
Li T T, He X, Gao P. Analysis of offshore LNG storage and transportation technologies based on patent informatics[J]. Cleaner Engineering and Technology, 2021, 5:100317. DOI: 10.1016/j.clet.2021.100317

DOI

[15]
Wood D A. A review and outlook for the global LNG trade[J]. Journal of Natural Gas Science and Engineering, 2012, 9:16-27. DOI: 10.1016/j.jngse.2012.05.002

DOI

[16]
Shi Y P, Shen Y F. Macroeconomic uncertainty and natural gas prices: Revisiting the Asian Premium[J]. Energy Economics, 2021, 94:105081. DOI: 10.1016/J.ENECO.2020.105081

DOI

[17]
Jiang H, Xue M M, Dong K, et al. How will natural gas market reforms affect carbon marginal abatement costs? Evidence from China[J]. Economic Systems Research, 2021. DOI: 10.1080/09535314.2020.1868410

DOI

[18]
曾兴球. 中美贸易摩擦油气市场深受影响[J]. 国际石油经济, 2019, 27(1):4-6.

[ Zeng X Q. Deep influence on oil and gas market due to trade frictions between China and the United States[J]. International Petroleum Economics, 2019, 27(1):4-6. ]

[19]
高振宇, 高鹏, 刘倩, 等. 中国LNG产业现状分析及发展建议[J]. 天然气技术与经济, 2019, 13(6):14-19.

[ Gao Z Y, Gao P, Liu Q, et al. LNG industry in China and some suggestions on its development[J]. Natural Gas Technology and Economy, 2019, 13(6):14-19. ] DOI: 10.3969/j.issn.2095-1132.2019.06.003

DOI

[20]
张耀光, 刘桂春, 刘锴, 等. 中国沿海液化天然气 (LNG) 产业布局与发展前景[J]. 经济地理, 2010, 30(6):881-885.

[ Zhang Y G, Liu G C, Liu K, et al. Study on development and distribution of lng industry of coastal in china[J]. Economic Geography, 2010, 30(6):881-885. ] DOI: 10.15957/j.cnki.jjdl.2010.06.020

DOI

[21]
Biresselioglu M E, Yelkenci T, OZ I O. Investigating the natural gas supply security: A new perspective[J]. Energy, 2015, 80(11):168-176. DOI: 10.1016/j.energy.2014.11.060

DOI

[22]
张珺, 黄艳. 中国天然气供应安全指数构建与建议[J]. 天然气工业, 2015, 35(3):125-128.

[ Zhang J, Huang Y. Some suggestions on the construction of an integrated gas supply security index in China[J]. Natural Gas Industry, 2015, 35(3):125-128. ] DOI: 10.3787/j.issn.10000976.2015.03.020

DOI

[23]
周云亨, 陈佳巍, 叶瑞克, 等. 国家天然气安全评价指标体系的构建与应用[J]. 自然资源学报, 2020, 35(11):2645-2654.

[ Zhou Y H, Chen J W, Ye R K, et al. Construction and application of national natural gassecurity indicator system[J]. Journal of Natural Resources, 2020, 35(11):2645-2654. ] DOI: 10.31497/zrzyxb.20201107

DOI

[24]
胡昊宇, 黄莘绒, 李沛霖, 等. 流空间视角下中国城市群网络结构特征比较—基于铁路客运班次的分析[J/OL]. 地球信息科学学报, 2022,1-16[2022-06-04].

[ Hu H Y, Huang X R, Li P L, et al. Comparison of network structure patterns of urban agglomerations in China from the perspective of space of flows: analysis based on railway schedule[J/OL]. Journal of Geo-information Science, 2022,1-16[2022-06-04].] DOI: https://kns.cnki.net/kcms/detail/11.5809.P.20211008.1433.002.html

DOI

[25]
Fang Z X, Yu, H C, Lu, F, et al. Maritime network dynamics before and after international events[J]. Journal of Geographical Sciences, 2018, 28(7):937-956. DOI: 10.1007/s11442-018-1514-9

DOI

[26]
余红楚, 方志祥, 陆锋, 等. 重要经济发展区域间海运网络时空演变特性分析[J]. 地球信息科学学报, 2018, 20(5):582-592.

DOI

[ Yu H C, Fang Z X, Lu F, et al. Spatial-temporal evolution patterns of maritime networks between important economic developing zones revealed[J]. Journal of Geographical Sciences, 2018, 20(5):582-592.] DOI: 10.12082/dqxxkx.2018.180085

DOI

[27]
Mou N X, Sun S Y, Yang T F, et al. Assessment of the resilience of a complex network for crude oil transportation on the maritime silk road[J]. IEEE ACCESS, 2020, 8:181311-181325. DOI: 10.1109/ACCESS.2020.3028214

DOI

[28]
王介勇, 戴纯, 周墨竹, 等. 全球粮食贸易网络格局及其影响因素[J]. 自然资源学报, 2021, 36(6):1545-1556.

[ Wang J Y, Dai C, Zhou M Z, et al. Research on global grain trade network pattern its influencing factors[J]. Journal of Natural Resources, 2021, 36(6):1545-1556.] DOI: 10.31497/zrzyxb.20210615

DOI

[29]
李天祥, 刘星宇, 王容博, 等. 2000—2019年全球猪肉贸易格局演变及其对中国的启示—基于复杂贸易网络分析视角[J]. 自然资源学报, 2021, 36(6):1557-1572.

[ Li T X, Liu X Y, Wang R B, et al. Dynamics of global pork trade networks during 2000-2019 and its implications for China: A complex network analysis[J]. Journal of Natural Resources, 2021, 36(6):1557-1572. ] DOI: 10.31497/zrzyxb.20210616

DOI

[30]
魏景斌, 李雅婷. 全球LNG贸易网络特征及其团块分布研究[J]. 中外能源, 2021, 9:1-11.

[ Wei J B, Li Y T. Characteristics of global LNG trade network and its block distribution[J]. Sino-Global Energy, 2021, 9:1-11. ]

[31]
Geng J B, Ji Q, Fan Y. A Dynamic Analysis on Global Natural Gas Trade Network[J]. Applied Energy, 2014, 132:23-33. DOI: 10.1016/j.apenergy.2014.06.064

DOI

[32]
郑玉华, 李静云, 汪楝钦. 基于复杂网络的全球LNG市场分析[J]. 天然气与石油, 2016, 34(3):106-111.

[ Zheng Y H, Li J Y, Wang L Q. Analysis on global LNG market based on complex network[J]. Natural Gas and Oil, 34(3):106-111. ] DOI: 10.3969/j.issn.1006-5539.2016.03.022

DOI

[33]
Peng P, Cheng S, Chen J, et al. A fine-grained perspective on the robustness of global cargo ship transportation networks[J]. Journal of Geographical Sciences, 2018, 28(7):881-889. DOI: 10.1007/s11442-018-1511-z

DOI

[34]
Peng P, Yang Y, Cheng S, et al. Hub-and-spoke structure: Characterizing the global crude oil transport network with mass vessel trajectories[J]. Energy, 2019, 168:966-974. DOI: 10.1016/j.energy.2018.11.049

DOI

[35]
Mou N, Ren H N, Zheng Y H, et al. Traffic inequality and relations in maritime silk road: A network flow analysis[J]. ISPRS Int.J.Geo-Inf, 2021, 10:40. DOI: 10.3390/ijgi10010040

DOI

[36]
Yu H, Fang Z, Lu F, et al. Impact of oil price fluctuations on tanker maritime network structure and traffic flow changes[J]. Applied Energy, 2019, 237:390-403. DOI: 10.1016/j.apenergy.2019.01.011

DOI

[37]
彭澎, 程诗奋, 陈闪闪, 等. 全球液化石油气运输网络贸易社区特征及其演化分析[J]. 自然资源学报, 2020, 35(11):2687-2695.

[ Peng P, Cheng S F, Chen S S, et al. Global liquefied petroleum gas trading communities:Ananalysis from the perspective of maritime transportation network[J]. Journal of Natural Resources, 2020, 35(11):2687-2695. ] DOI: 10.31497/zrzyxb.20201110

DOI

[38]
Mou N X, Wang C Y, Yang T F, et al. Evaluation of Development Potential of Ports in the Yangtze River Delta Using FAHP-Entropy Model[J]. Sustainability, 2020,12,493. DOI: 10.3390/su12020493

DOI

[39]
Peng P, Yang Y, Lu F, et al. Modelling the competitiveness of the ports along the Maritime Silk Road with big data[J]. Transportation Research Part A: Policy and Practice, 2018, 118: 852-867. DOI: 10.1016/j.tra.2018.10.041

DOI

[40]
Peng P, Lu F, Cheng S F, et al. Mapping the global liquefied natural gas trade network: A perspective of maritime transportation[J]. Journal of Cleaner Production, 2021, 283:124640. DOI: 10.1016/j.jclepro.2020.124640

DOI

[41]
夏四友, 郝丽莎, 唐文敏, 等. 复杂网络视角下世界石油流动的竞合态势演变及对中国石油合作的启示[J]. 自然资源学报, 2020, 35(11):2655-2673.

[ Xia S Y, Hao L S, Tang W M, et al. The evolution of competition and cooperation in world crude oil flows from the perspective of complex networks and its enlightenment to China's oil cooperation[J]. Journal of Natural Resources, 2020, 35(11):2655-2673. ] DOI: 10.31497/zrzyxb.20201108

DOI

[42]
Shibasaki R, Kanamoto K, Suzuki T. Estimating global pattern of LNG supply chain: a port-based approach by vessel movement database[J]. Maritime Policy & Management, 2019, 47:143-171. DOI: 10.1080/03088839.2019.1657974

DOI

[43]
Chen Z H, An H Z, Gao X Y, et al. Competition pattern of the global Liquefied Natural Gas(LNG) trade by network analysis[J]. Journal of Natural Gas Science & Engineering, 2016, 33:769-776. DOI: 10.1016/j.jngse.2016.06.022

DOI

[44]
Shan Y L, Liu J H, Liu Z L, et al. New provincial CO2 emission inventories in China based on apparent energy consumption data and updated emission factors[J]. Applied Energy, 2016, 184:742-750. DOI: 10.1016/j.apenergy.2016.03.073

DOI

[45]
向哲, 胡勤友, 施朝健, 等. 基于AIS数据的受限水域船舶领域计算方法[J]. 交通运输工程学报, 2015, 15(5):110-117.

[ Xiang Z, Hu Q Y, Shi C J, et al. Computation method of ship domains in restricted waters based on AIS data[J]. Journal of Traffic and Transportation Engineering, 2015, 15(5):110-117. ] DOI: 10.19818/j.cnki.1671-1637.2015.05.014

DOI

[46]
Wu L, Xu Y J, Wang F. Identifying Port Calls of Ships by Uncertain Reasoning with Trajectory Data[J]. International Journal of Geo-Information, 2020, 9:756. DOI: 10.3390/IJGI9120756

DOI

[47]
陈闪闪, 彭澎, 陆锋, 等. 海洋主航道对全球集装箱运输网络的影响分析[J]. 地理研究, 2019, 38(9):2273-2287.

DOI

[ Chen S S, Peng P, Lu F, et al. Influence of the main channels on global container ship network[J]. Geographical Research, 2019, 38(9):2273-2287. ] DOI: 10.11821/dlyj020181375

DOI

[48]
王列辉, 林羽珊. 1895—2016年全球海运网络中的海峡两岸港口运输联系变化[J]. 地理学报, 2018, 73(12):2282-2296.

DOI

[ Wang L H, Lin Y S. Changes of ports’ connection across the Taiwan Straits in the global maritime network(1895-2016)[J]. Acta Geographical Sinica, 2018, 73(12):2282-2296. ] DOI: 10.11821/dlxb201812002

DOI

[49]
Kong Y X, Shi G Y, Wu R J, et al. k-core:Theories and applications[J]. Physics Reports, 2019, 832:1-32. DOI: 10.1016/j.physrep.2019.10.004

DOI

[50]
王宇坤. 非洲各国油气资源潜力及选区研究[J]. 国际石油经济, 2020, 28(7):70-79.

[ Wang Y K. Study on oil and gas resource potential and blocks selection of African Countries[J]. International Petroleum Economics, 2020, 28(7):81-89. ]

[51]
赵越, 刘建民, 韩淑琴, 等. 冰上丝绸之路与北极油气资源[J]. 地质力学学报, 2021, 27(5):880-889.

[ Zhao Y, Liu J M, Han S Q, et al. Polar Silk Road and Arctic petroleum and gas resources[J]. Journal of Geomechanics, 2021, 27(5):880-889. ] DOI: 10.12090/j.issn.1006-6616.2021.27.05.071

DOI

[52]
沈珏新, 张洪林, 杜敏, 等. 中国主要石油公司LNG业务现状、挑战和应对策略[J]. 油气与新能源, 2021, 33(4):33-38.

[ Shen J X, Zhang H L, Du M, et al. Development Status, Challenges and Countermeasures of LNG Business for Major Oil Companies in China[J]. Petroleum and New Energy, 2021, 33(4):33-38.] DOI: 10.3969/j.issn.2097-0021.2021.03.007

DOI

[53]
李艳磊, 于海涛, 金博, 等. 澳大利亚油气投资环境与新项目开发的思考与建议[J]. 国际合作, 2019, 27(8):81-89.

[ Li Y L, Yu H T, J B, et al. Australian oil and gas investment environment and suggestions on new project development[J]. Internation Cooperation, 2019, 27(8):81-89. ]

Options
文章导航

/

〈 〉