2024, Vol. 45
2. 甘肃省绿洲资源环境与可持续发展重点实验室, 兰州 730070;
3. 甘肃省土地利用与综合整治工程研究中心, 兰州 730070;
4. 北京师范大学地理科学学部, 北京 100875;
5. 北京师范大学地表过程与资源生态国家重点实验室, 北京 100875
, SHI Pei-ji1,2,3
, YIN Jun-feng4,5 , ZHANG Wei-ping1 , SHI Jing1 , LI Xue-hong1 , CHENG Fan-yuan1
2. Gansu Province Key Laboratory of Resource Environment and Sustainable Development of Oasis, Lanzhou 730070, China;
3. Gansu Engineering Research Center of Land Utilization and Comprehension Consolidation, Lanzhou 730070, China;
4. Faculty of Geographical Science, Beijing Normal University, Beijing 100875, China;
5. State Key Laboratory of Earth Surface Processes and Resource Ecology, Beijing Normal University, Beijing 100875, China
人类活动导致气候变化已对全球经济社会发展造成系列重要影响, 减缓气候变化行动已成为全球各国发展共识. 中国政府坚持“人类命运共同体”系统发展观理念, 承诺以绿色可持续发展为方向, 实现“碳达峰、碳中和”发展目标, 这充分展现出中国负责任大国的担当与使命[1]. 积极推进全球气候治理、全面推动区域绿色低碳转型发展, 是中国式现代化发展的重要内容与路径探索[2]. 总书记强调将双碳发展目标纳入到经济社会发展和生态文明建设整体布局中, 既是瞄定绿色低碳高质量发展理念, 也是优化国土空间发展格局的方向指引[3]. 国土空间作为以自然资源为主的碳汇实体和与碳源相关的社会经济活动的重要载体, 是实现“3060”双碳发展目标的重要实施对象[4]. 国土空间分区作为国土空间优化配置的核心内容, 全面贯彻了人与自然和谐发展的生态文明思想[5]. 开展国土空间格局优化研究, 对促进区域绿色低碳发展具有重要作用[6]. 因此, 从碳中和视角出发, 基于区域主体功能定位展开国土空间优化分区, 有利于推进区域公平减排增汇与促进区域绿色低碳可持续发展.
当前, 以低碳发展为导向的国土空间优化格局研究已经逐渐成为近年来研究热点之一, 国内外学者们进行了较为丰富的研究, 梳理总结主要有以下3个方面：①关注碳排放碳吸收在国土空间治理过程中的相关理论探究, 主要包括探究双碳发展目标与国土空间规划的逻辑关系[7]、内在机制[8]、框架思路[9]、评估方法[10]及治理路径[11]等；②关注对区域土地利用进程中碳收支核定测算及预测模拟的相关研究, 主要包括采用模型估算法[12]和碳排放系数法[13]等相关方法测算土地利用碳排放碳吸收值, 分析碳收支时空分异特征[14, 15]、影响因素[16]和空间关联[17]等, 在此基础上采用不同模型方法进一步分析以低碳发展为导向的碳汇模拟与碳排放预测等相关研究[18]；③关注基于主体功能区背景下碳排放核算及优化分区研究, 主要包括核算区域主体功能区碳排放数值[19, 20], 开展多情境下的国土空间分区的优化模拟[21]及碳平衡分区[22, 23]等相关研究. 从研究尺度来看, 多以省域[24 ~ 26]、市域[27 ~ 29]以及城市群[30, 31]展开相关研究, 以县域为单元的研究相对较少. 县域作为国土空间治理的重要单元, 是双碳战略实施的最基本和最关键的行动单元[32]. 以县域为基本单元开展碳排放研究将有利于碳减排措施的公平化制定, 更有利于发展高效联动减排的国土空间优化格局. 同时, 当前以区域碳平衡分区所展开的相关研究大多是以碳核算为基础, 依据碳排放经济贡献系数、碳生态承载系数等标准展开分区研究, 而综合考虑区域碳排放特征与空间关联关系等要素的区域空间格局优化研究相对较少.
在新时代全面践行“生命共同体”整体系统观背景下, 将碳中和发展目标纳入国土空间规划建设体系, 优化符合甘肃实际省情的国土空间格局及提出相应发展策略, 对于推动区域经济社会绿色低碳转型与高质量发展具有重要意义. 鉴于此, 本文以甘肃省87个县域单元为研究对象, 在测算分析2010年、2015年和2021年县域单元土地利用碳收支量的基础上, 从碳中和的视角构建以县域为网络节点的碳排放引力矩阵, 运用社会网络分析方法探究碳排放空间关联网络的整体特征, 并提出低碳导向下的碳平衡分区. 最后, 基于甘肃省主体功能区对全省国土空间格局进行优化重构, 对各分区提出差异化的低碳国土空间优化发展策略, 以期为实现甘肃省双碳发展目标提供相关参考意义.
1 材料与方法 1.1 研究区概况甘肃省位于中国西北内陆地区, 版图呈“西北-东南”走向的狭长地带, 境内地形地貌复杂多样, 山脉沟谷纵横交错, 自然资源种类丰富, 是我国西北地区重要的生态安全屏障, 也是丝绸之路经济带上重要省份. 下辖12个地级市, 87个县级行政单元（因嘉峪关市无下辖县、区, 故将该市作为一个整体纳入县域行政单元）, 为研究方便, 将全省划分为河西地区、陇中地区和陇东南地区[33]（表 1）. 按照《甘肃省国土空间规划》（2021~2035年）中构建国土空间开发保护新格局, 将全省划分为3个主体功能区：城镇化发展区（27个区县和嘉峪关市）、农产品主产区（27个区县）及重点生态功能区（32个区县）（图 1）.
|
表 1 研究区县级行政单元1） Table 1 Administrative units of counties in the study area |
|
基于自然资源部地图技术审查中心标准地图服务网的审图号为GS（2019）3266号的标准地图绘制, 底图边界无修改；重复标注数字为县域飞地 图 1 研究区主体功能区划 Fig. 1 Main functional zoning map of the study area |
社会经济数据来源于《甘肃统计年鉴》（2011~2022年）、《中国能源统计年鉴》（2011~2022年）、《中国县域统计年鉴》（2011~2022年）及各地当年国民经济与社会发展统计公报. 2010年、2015年和2021年土地利用数据来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/）, 该数据是采用人机交互目视判读方式解译, 空间分辨率为30 m, 总体精度达到80%以上[34], 土地利用类型包括耕地、林地、草地、水域、建设用地和未利用土地这6个一级类型以及25个二级类型.
1.3 研究方法 1.3.1 碳中和测算基于《IPCC 2006年国家温室气体清单指南》提供的模型估算方法[35], 将温室气体CO2的净碳排放量作为衡量县域碳中和发展指标, 估算全省县域单元的建设用地、耕地的碳排放量, 测算县域单元林地、草地、水域及未利用地的碳吸收量.
（1）县域单元碳中和计算公式如下：
|
(1) |
式中, EN为县域单元的净碳排放量, EC为县域单元的碳排放量, EU为县域单元的碳吸收量, Eo为县域单元建设用地碳排放量, Er为县域单元耕地碳排放量, Ew、Eg、Es和Em分别为县域单元林地、草地、水域和未利用地碳吸收量.
（2）各县域单元建设用地碳排放量（Eo） 考虑到全省县域能源消耗数据获取难度较大, 参考已有的研究成果[36], 建设用地通过能源消耗产生的碳排放量间接计算, 采用“自上而下”式能源消耗计算方法. 主要步骤为[37]：首先根据能耗数据计算出省域能源碳排放量及省域三次产业碳强度和人均生活碳排放量, 其次, 利用单位GDP能耗数据计算出市域能源碳排放量, 以省域三次产业碳强度和人均生活碳排放量修正市域三次产业碳强度与人均碳排放, 最后, 再利用各县域的三次产业产值及人口规模量计算得到各县域碳排放量. 由于甘肃省的能源消耗主要以煤为主, 其次是石油和天然气, 因此选取这3种主要的化石燃料消耗进行碳排放量测算, 碳排放系数依次为0.755 9、0.557 4和0.448 3[38].
（3）各县域单元耕地碳排放量（Er）计算公式：
|
(2) |
式中, S为县域单元的耕地面积（km2）, F为碳排放因子, 参考已有研究成果[39], 选取的碳排放因子为0.461 t·（hm2·a）-1.
（4）各县域单元土地利用碳吸收量（EU）计算公式：
|
(3) |
式中, n为土地利用类型, 即林地、草地、水域和未利用地, Sn为第n种用地类型对应的面积（km2）, Fn为第n种用地类型的碳吸收因子, 参考已有研究成果[40], 选取的碳吸收因子依次为-5.052、-0.021、-0.253和-0.005 t·（hm2·a）-1.
1.3.2 碳生态承载系数碳生态承载系数（ESC）是反映区域固碳能力大小的指标, 用来衡量各区域碳生态容量贡献的公平性[41]. 计算公式如下：
|
(4) |
式中, EUx为第x县域的碳吸收量, EA为全省的碳吸收量, ECx为第x县域的碳排放量, EB为全省的碳排放量. 若ESC > 1, 表明某县域的生态系统固碳能力较强, 碳补偿率较高, 反之亦然.
1.3.3 县域碳排放社会网络分析社会网络分析可以用来衡量两个个体之间的经济社会联系, 揭示出网络整体特征以及节点个体在网络中的位置分布特征[42]. 县域碳排放社会网络分析用来衡量各县域间在社会经济联系影响下的碳排放联系强度, 选取网络密度、点度中心度、中介中心度和内向接近中心度指标来反映县域碳排放量空间网络特征[43], 网络密度用来衡量空间网络个体间关系的紧密程度, 值越大关系越紧密. 点度中心度反映节点在网络中的地位. 中介中心度表示经过某个节点最短路径的多少. 内向接近中心度衡量个体与其他个体联系紧密程度的指标. 借鉴已有研究成果[44], 构建全省县域碳排放的空间关联网络. 公式为：
|
(5) |
|
(6) |
式中, x和y分别为县域x和县域y, Fxy为县域间的引力值, G为各县域的GDP, P为常住人口, E为碳排放量, Dxy为县域之间的球面距离, g为人均GDP, Kxy为x县域对y县域碳排放关联的贡献率. 据此模型构建碳排放引力矩阵, 每行取引力均值作为比较值, 若引力高于该行的平均值, 则取值为1, 表明该行县域和该列县域的碳排放存在关联关系, 否则记为0, 进而构建0-1矩阵.
2 结果与分析 2.1 县域碳中和时空分布特征 2.1.1 碳排放时空分布特征本研究期内, 全省土地利用碳排放量呈持续增长趋势. 2010~2021年, 碳排放量从5 294.01×104 t增至7 076.22×104 t, 年均增长率为3.06%. 2010~2015年碳排放量年均增长率为5.12%, 到2021年减少到1.07%, 表明各县域碳排放量整体呈增加态势但增速缓慢. 其中建设用地碳排放量增长迅速, 对全省碳排放量贡献最大, 占总碳源排放量的比例从2010年的87.53%增至2021年的93.17%, 表明在城市化进程加快的背景下, 建设用地不断扩张, 所承载的人类活动消耗了大量的能源, 成为碳排放过程中最主要的碳源. 耕地是仅次于建设用地的另一碳源, 但碳排放量相对较小, 2010年和2021年耕地碳排放量仅占总碳源排放量的8.58%和6.82%.
为了更好地比较研究期内碳排放量的空间变化, 利用自然断点分级法将2010年、2015年和2021年3个截面碳排放量分为5级, 即1级碳排放量最低, 5级碳排放量最高. 从空间分布来看, 各县域的碳排放量整体表现为“中部和东部高, 西南低”的分布特征, 呈现出由市辖区到周边县域逐渐降低的发展趋势（图 2）. 2010~2015年, 碳排放量增长区域呈现出小面积集聚分布, 随着社会经济和城市化的快速发展, 碳排放量出现由各市辖区向周边县域递减的分布态势. 兰州市、庆阳市及白银市等市辖区的碳排放量增长趋势明显, 所处的强度等级范围变化显著. 2015~2021年, 碳排放量增长区域呈现出由原来的小面积集聚分布逐渐过渡为大面积成片式集聚分布态势. 增长最明显的区域是河西走廊地区, 在新时代推进西部大开发背景和丝绸之路经济带大力建设下, 吸引了大量资本、技术及各类资源性的投入, 带动当地经济社会发展的同时刺激了碳排放量的增加. 本研究发现近11年来嘉峪关市、城关区、七里河区以及庆阳市各县域一直处于全省碳排放量的高峰区域. 主要原因在于嘉峪关市作为老工业发展基地, 能源密集型产业较多, 如采掘业、制造业和化工产业等, 因而碳排放量相对较多. 城关区和七里河区作为全省经济社会发展相对较好的县级单元, 区域内人口相对集聚, 建设用地面积不断增多且能源产业不断发展扩张, 因而在其上产生的间接碳排放不断增加, 使得区域内碳排放量较高. 庆阳市作为全省的石油天然气化工基地和长庆油田主产区, 区域内石油加工和炼焦企业较多, 高能耗、高排放的化工企业分布相对较多, 因而能源消耗较多, 在其上产生的间接碳排放量也不断增加.
|
图 2 2010~2021年甘肃省县域碳排放量空间分异 Fig. 2 Spatial differentiation of carbon emissions at county level in Gansu Province from 2010 to 2021 |
全省土地利用碳吸收量呈微增趋势. 2010~2021年, 碳汇量由3 011.64×104 t增加到4 550.28×104 t, 年均增长率为4.65%. 2010~2015年碳汇量年均增长率为8.52%, 到2021年减少到1.35%, 表明各县域碳吸收量整体呈增加态势但增速较为缓慢. 研究期内林地碳吸收量最高, 约占总碳汇量的97.21%, 成为全省最主要的碳汇. 表明近年来全省积极践行黄河流域生态保护与高质量发展战略, 统筹实施山水林田湖草沙冰一体化保护修复等系列生态修复工程, 使得区域林地面积增加, 2021年全省森林覆盖率达到11.34%较2010年增加了8.22%, 因而林地碳吸收量得到增加. 另外, 省内干旱、半干旱区约占总面积的75%, 草地和水域对碳吸收的贡献相对较小.
利用自然断点分级法将碳吸收量分为5级, 即1级碳吸收量最低, 5级碳吸收量最高, 在空间分布上, 各县域呈现出“南高北低, 西高东低”的分布特征（图 3）. 2010~2015年, 各县域碳汇量增长相对迅速. 各县域的碳汇量强度等级范围变化显著. 酒泉市和陇南市的部分县域碳吸收量有明显的增长趋势, 其他县域保持较为稳定的增长状态. 主要原因是全省积极践行“绿水青山就是金山银山”理念, 对碳汇用地和生态资源加强保护, 所以前期碳汇量有较快的增长. 2015年之后, 各县域的碳汇量等级范围变化更加显著, 尤其是武威市民勤县和陇南市部分县域及酒泉市肃北县等部分县域碳汇量增长明显, 一方面是在新时代全面践行“生命共同体”整体系统观背景下, 区域的林地面积增大, 林草碳汇资源丰富, 对碳吸收贡献较大. 另一方面是这些区域内人口基数相对较小, 生态环境相对良好且化石能源密集型产业分布较少, 因而碳吸收量也就相对较大.
|
图 3 2010~2021年甘肃省县域碳吸收量空间分异 Fig. 3 Spatial differentiation of carbon absorption at county level in Gansu Province from 2010 to 2021 |
本研究期内, 土地利用净碳排放量呈增加趋势. 全省碳源的排放量远远大于碳汇的吸收量, 表明全省为净碳源. 2010~2021年, 净碳排放量由2 282.36 × 104 t增加到2 525.99 × 104 t, 年均增长率为0.97%. 2010~2015年净碳排放量年均增长率为0.62%, 到2021年增加到1.22%. 表明各县域净碳排放量整体呈增加态势且增长相对快速. 近11年来全省碳生态承载系数呈上升趋势. 由2010年的0.57增加到2021年的0.64, 但总体来说ESC < 1, 表明全省碳排放能力较强, 碳补偿率较低即碳平衡能力相对较弱, 且省内约58.62%的县域净碳排放量为正值, 处于碳失衡状况.
利用自然断点分级法将净碳排放量分为5级, 即1级净碳排放量最低, 5级净碳排放量最高. 在空间分布上, 与碳排放空间分布趋势一致, 呈“中部和东部高, 西南低”的分布特征（图 4）, 净碳排放量的高值区域主要分布在陇中地区的兰州市和白银市、河西地区的嘉峪关市和酒泉市及陇东南地区庆阳市. 主要原因在于这些区域建设用地碳排放量相对较高, 碳汇资源相对较少, 碳补偿率较低, 固碳能力相对较弱. 低值区域主要分布在河西地区肃北县、肃南县, 陇东南地区的华池县、合水县及庆城县等部分县域, 这些县域碳汇资源丰富, 生态碳补偿率较高, 固碳能力也相对较强. 本研究发现近11年来文县和迭部县的净碳排放量最小, 一方面是这些县域经济发展水平相对落后, 能源消耗相对较低, 碳排放总量较少. 另一方面, 这两个县域林草资源丰富, 生态用地居多, 尤其是迭部县, 作为甘肃省主要的林业县, 也是全国主要的天然林区之一, 能够吸收本县域内部产生的碳排放同时也能吸收周围县域产生的碳排放, 因而这两个县域一直处于碳平衡状态.
|
图 4 2010~2021年甘肃省县域净碳排放量空间分异 Fig. 4 Spatial differentiation of net carbon emissions at county level in Gansu Province from 2010 to 2021 |
以2021年碳排放量数据为基础, 构建以县域为网络节点的甘肃省碳排放空间关联效应的引力矩阵（87 × 87）. 碳排放空间关联整体网络密度为0.57, 表明县域碳排放空间关联关系具有明显的网络结构特征, 网络关系紧密度由中心县域向周边县域递减, 呈现出“核心-边缘”递减趋势（图 5）. 图 5中利用点度中心度、中介中心性和内向接近中心度这3个指标对各县域的关系矩阵进行深入地分析. 整体来看, 兰州市城关区的3个中心性指标值均高于其他县域, 表明城关区碳辐射范围较大, 在整个碳排放网络中占据领导地位, 七里河区中心性指标值仅次于城关区, 这说明碳排放空间关联网络以城关区和七里河区为中心, 对区域碳排放的空间溢出有着重要影响. 分地区看, 碳排放网络联系频繁程度为：陇中地区 > 陇东南地区 > 河西地区. 陇中地区经济发展迅速, 交通便捷性相对较高, 县域经济联系相对较频繁, 使得区域内能源消费强度高, 建设用地碳排放量相对较高, 因此碳排放网络联系也相对紧密. 陇东南地区大部分县域以农业为主, 生态环境相对良好且高耗能行业占比和高耗能企业分布也相对较少, 因此这些县域碳排放联系相对较少. 河西地区因狭长的地形位置导致与各县域之间网络交流减少.
|
节点的大小表示该节点在网络关系中的重要程度, 节点之间边的长度和粗细表示联系的频繁程度 图 5 2021年县域碳排放网络空间关联关系 Fig. 5 Spatial correlations of county carbon emission networks in 2021 |
深入分析网络中不同县域的角色, 参考文献[45]对县域碳排放空间关联网络进行聚类分析, 运用CONCOR迭代收敛法, 选择收敛标准为0.2, 最大分割密度为2, 全省87个县域被划分为4个模块. 第一个模块的碳排放对模块内外均产生了溢出效应, 属于“双向溢出模块”, 主要包括城关、七里河、金川和嘉峪关等28个县域, 占全省县域的32.18%. 这些县域通过产业转移、能源消费及技术创新合作等方法和其他模块之间产生较大的碳排放关联. 第二个模块是发送的关系数目显著多于接收到的关系数目, 属于“净溢出板块”, 主要包括西固、白银、麦积及永登等29个县域, 占全省的33.33%. 第三个模块是发送的关系数目均小于接收的关系数目, 属于碳排放“净收益模块”, 吸收大部分来自其他县域的碳溢出, 主要包括民乐、漳县、迭部和卓尼等17个县域. 第四个模块是同其他模块存在较多的关联关系, 但其内部县域之间的关联关系则相对较少, 属于“经纪人模块”, 主要包括安宁、岷县、康乐、西和及永靖等13个县域, 仅占全省县域的14.94%. 为了强调县域碳排放的空间公平性, 利用中心性指标和块模型分析对碳排放网络关键县域进行识别（表 2）, 有利于厘清双碳战略导向下各县域所要承担的责任, 对积极推动全省县域公平、低碳经济高质量发展具有重要意义.
|
|
表 2 2021年县域碳排放网络关键县域识别标准及特征1） Table 2 Key county identification criteria and characteristics of county carbon emission network in 2021 |
2.3 低碳导向下的甘肃省国土空间分区优化
基于对全省2021年各县域单元碳排放量、碳吸收量、碳生态承载系数以及碳排放网络空间关联模块等相关计算, 结合各县域实际发展情况, 将全省划分为4类碳中和发展区, 即：低碳发展区、碳强度控制区、高碳优化区和碳汇功能区（表 3）. 另外, 考虑到甘肃省“十四五”规划纲要对各区域作出明确的绿色低碳发展规划与目标, 叠加分析县域碳中和分区与主体功能区划, 将全省县域重构为7个国土空间分区（表 4）, 即：低碳发展-城镇化发展区、低碳发展-农产品主产区、低碳发展-重点生态功能区、碳强度控制-城镇化发展区、碳汇功能-农产品主产区、碳汇功能-重点生态功能区及高碳优化-城镇化发展区（图 6）. 以社会网络空间关联性结果及其聚类模块划分的关键县域为主, 确定各个分区未来的优化方向, 从而提出差别化区域低碳优化策略.
|
|
表 3 碳中和分区特征 Table 3 Characteristics of carbon neutralization zoning |
|
|
表 4 国土空间分区划分结果 Table 4 Results of territorial spatial zone |
|
图 6 2021年甘肃省县域国土空间优化分区示意 Fig. 6 Optimized zoning of county territorial space in Gansu Province in 2021 |
（1）低碳发展-城镇化发展区 该区域净碳排放量较低, ESC介于0.5~1之间, 是属于城镇化发展区且大部分县域是网络中“经纪人板块”中的县域. 这些县域经济发展基础条件相对较好, 可利用自身特色优势资源条件突出县域发展优势, 逐渐调整区域产业向低碳转型. 未来区域发展可利用生态资源优势发展旅游业来增强与其他城镇化县域的关联性. 其次, 加强安宁区和麦积区桥梁县域的支撑带动作用, 从而提升周边县域的联动发展效应. 同时, 以绿色低碳发展理念, 有效合理利用区域富集资源达到效益最大化, 促使经济发展与碳减排协同发展.
（2）低碳发展-农产品主产区 该区域EU大于EC, ESC大于1是属于农产品主产区且是网络中“经纪人板块”中的县域. 这些县域大部分拥有丰富的农业资源, 形成了以马铃薯及中药材等耐旱作物为主的现代旱作农业区. 在确保粮食安全和保护耕地的基础上制定合理的低碳农业政策, 发挥玉门、通渭及环县等桥梁县域的联接作用, 积极推进各县域农创产业及新型农业发展, 注重城郊农业、设施农业和生物农业等旱作区现代农业发展, 优化农产品质量并增加特色农产品附加值, 打造区域特色农产品如静宁苹果, 岷县当归等农副产品. 其次, 引进智能化的低碳节能农机装备, 推广低碳耕作灌溉技术及绿色施肥施药等降低农业碳排放强度, 推动农业绿色发展、低碳发展和循环发展.
（3）低碳发展-重点生态功能区 该区域净碳排放量较低, ESC大于1, 属于重点生态功能区也是网络中“经纪人板块”中的县域. 这些县域生态环境良好, 碳排放强度相对较低. 未来区域发展应在生态修复和环境保护的基础上, 加强永昌县和康乐县的桥梁作用, 合理分配各县域农用地与生态用地的比例, 提高生态产品的供给能力, 推出附有地域特色的农牧畜产品及特色乳制品来带动区域经济发展. 其次, 加大区域生态保护力度, 着力提升林草资源总量和质量, 实施山水林田湖草沙系统治理. 同时, 发展生态经济和文旅经济, 因地制宜发展资源环境可承载的生态旅游观光业、特色民宿等新型服务业等, 协同推进生态环境可持续发展和经济绿色高质量发展, 实现绿色低碳经济发展与生态文明建设双赢局面.
（4）碳强度控制-城镇化发展区 该区域碳补偿率较低, ESC介于0.5~1之间, 是网络中“净溢出板块”的县域. 该区域要积极加强西固、金川及华亭等7个行动县域的重要作用, 推动传统产业转型升级, 鼓励开展能源效率提升和绿色能源替代行动, 促进石化煤炭等能源行业向高端化、多元化和低碳化发展. 未来发展应以资源高效、循环利用为目标, 以低消耗和低排放为发展导向, 提高城镇绿色建筑比重和城镇绿地率. 其次, 引进高端技术人才, 充分运用绿色化、智能化技术装备对工业重点领域进行节能降碳改造. 同时, 各县域以绿色发展、特色发展和转型发展为发展原则, 实现区域内部碳排放联动减排.
（5）高碳优化-城镇化发展区 该区域碳排放量较高, ESC小于0.5且为城镇化发展区的县域. 大部分县域处于网络中较核心位置, 经济发展相对较快. 未来可有效利用城关区和七里河区核心节点位置的影响力与经济辐射能力, 带动周围县域的经济和产业结构的调整, 来提高碳排放经济效益. 其次, 在发展过程中严格控制建设用地的扩张, 针对不同行业和部门制定差异化的减碳目标并落实碳排放减量责任主体, 同步有效提高风、光等清洁可再生能源使用比例. 同时, 积极创新推动低碳试点城市建设举措, 充分发挥节点城市的低碳引领导向作用, 实现区域有效同步推进协同减排.
（6）碳汇功能-农产品主产区 该区域碳汇资源充足, ESC大于1且为农产品主产区的县域. 这些县域自然环境条件良好, 碳补偿能力强, 农业生产条件良好. 该区域未来发展以推广智能化的节水技术, 提高灌溉水的利用效率来增加绿洲农业的规模, 培肥地力来提高土地生产能力. 坚持以用地和养地相结合的理念, 合理调整农作物布局, 实现增产增收, 从而增加碳汇资源. 其次, 积极探索农业与大数据、移动互联网等信息技术的深度融合, 加快推动农业产业数字化、智能化从而探索低碳农业数字经济新业态.
（7）碳汇功能-重点生态功能区 该区域碳汇资源相对丰富, 生态系统固碳能力相对较强, 是全省重要的碳汇资源集中区. 该区域未来发展要以增加“碳库”增量和提高碳汇储存手段为导向, 避免“碳库”损失和碳逆转. 持续开展重点生态功能区和水源涵养区建设, 不断提高生态系统碳汇动态评估、检测等工作, 有效提高生态系统稳定性和恢复性. 其次, 坚持高质量推进黄河上游重要生态涵养区和祁连山国家公园生态保护及绿色可持续发展进程, 稳步推进“两山理论”重要实践转化. 加强水土流失综合治理、森林退化修复等重点工作, 重点实施祁连山、石羊河流域及甘南高原等重点生态脆弱区保护和修复工程, 从而打造规模适度、环境优美和生态优良的山水林田湖草沙系统体系.
3 讨论开展碳中和视角下甘肃省国土空间优化研究对提高碳减排措施的公平化制定和推动区域绿色低碳可持续发展具有重要意义. “十四五”期间是实现“双碳”发展目标的重要关键时期, 推动高效联动减排政策措施落实到县域单元, 是实现区域绿色可持续发展的重要举措[46], 相关研究表明碳排放大部分是社会经济系列活动所产生的伴生物, 因而具有空间关联性质的社会经济活动所产生的碳排放理应也是具有空间关联性质特性, 也就是说碳排放空间关联和社会经济活动空间关联具有一致性[47], 这在一定程度上对区域空间碳排放联动减排治理具有重要参考价值, 有助于甘肃省县域科学统筹空间格局从而促进区域协调发展. 在城镇化与工业化快速发展进程中, 不同县域经济社会发展水平存在差异也就决定了其碳排放具有空间异质性. 加之近年来社会经济活动不断向以县域为基准的大城市、城市群集聚, 城市地区碳排放量也呈现出不断增大趋势[48], 因而必须重视县域单元碳减排联动的先导作用. 当前, 碳排放主要来源于能源消耗、工业生产以及土地利用等各项人为活动[49]. 其整体来看全省碳排放量体量仍相对较大, 但增长速率总体呈现出下降趋势, 这也从侧面印证近年来全省在碳减排上采取了积极有效措施, 为应对气候变化和实现碳减排方面作出甘肃贡献. 碳中和分区需要尽可能兼顾社会经济与生态环境保护等多重因素综合确定, 将碳中和碳达峰纳入到区域发展生态文明建设整体布局, 不断优化重要能源地产业结构, 促进产业结构转型升级, 推动产业生产发展方式系统性转变. 甘肃省应进一步建立全省各级政府协同减排联动机制, 破解区域碳排放协同治理体制机制障碍, 发挥核心县域在碳排放网络关系中的中心引领作用, 不断加强关键县域在功能分区中的联系和桥梁作用, 突出联动协同的治理观念.
聚焦于碳排放研究视角, 在研究过程中由于县域层面上不同类型数据收集和匹配难度较大, 因而计算建设用地碳排放时仅考虑主要能源消耗而未能充分考虑其他次要能源消耗所带来的碳源排放. 不同功能区空间属性的碳排放具有差异性, 公平性减排增汇对区域绿色低碳发展至关重要. 如何在区域单元之间平衡经济社会发展与碳减排关系, 如何明晰区域经济社会发展过程中隐性碳排放问题以及归属问题等仍需要进一步深入探讨. 另外, 在下一步研究中也将深入探讨不同主体功能区之间的碳补偿机制以及开展区域优化方案的碳排放效应及减排潜力研究, 为甘肃省“双碳”目标实现与区域绿色低碳可持续发展提供切实可行的科学依据.
4 结论（1）2010~2021年甘肃省县域碳排放量总体呈上升趋势, 但年均增长速率则表现为下降趋势. 整体来看, 建设用地是最主要碳源, 碳排放量由市辖区到周边县域逐渐降低, 呈现出“中部和东部高, 西南低”的空间分布特征；碳吸收量空间分布呈现出“南高北低, 西高东低”的特点, 林地是最主要碳汇. 本研究期内净碳排放量呈增加趋势, 省内约58.62%的县域处于碳失衡状况.
（2）2021年县域碳排放空间网络关系紧密且规模较大, 呈现出“核心-边缘”式递减趋势, 城关区、七里河区位于网络中的核心领导地位；陇中地区网络联系频繁, 陇东南地区联系次之, 河西地区网络联系较少. 通过碳排放空间关联网络聚类分析, 将全省87个县域划分为4个模块, 并分析识别出25个关键县域.
（3）碳中和分区以碳排放量、碳吸收量和生态承载系数为依据, 以社会网络空间关联性结果为角色定位, 将全省划分为4种区域类型, 同时, 叠加分析主体功能区划, 将全省县域重构为7个国土空间分区, 即：低碳发展-城镇化发展区、低碳发展-农产品主产区、低碳发展-重点生态功能区、碳强度控制-城镇化发展区、碳汇功能-农产品主产区、碳汇功能-重点生态功能区和高碳优化-城镇化发展区, 最后针对各个分区提出差别化区域低碳优化发展策略.
| [1] | Hong C P, Burney J A, Pongratz J, et al. Global and regional drivers of land-use emissions in 1961-2017[J]. Nature, 2021, 589(7843): 554-561. DOI:10.1038/s41586-020-03138-y |
| [2] | Liu Z, Deng Z, He G, et al. Challenges and opportunities for carbon neutrality in China[J]. Nature Reviews Earth & Environment, 2022, 3(2): 141-155. |
| [3] |
周丽, 夏玉辉, 陈文颖. 中国低碳发展目标及协同效益研究综述[J]. 中国人口·资源与环境, 2020, 30(7): 10-17. Zhou L, Xia Y H, Chen W Y. Review of low carbon development targets and relative co-benefits in China[J]. China Population, Resources and Environment, 2020, 30(7): 10-17. |
| [4] |
丁明磊, 杨晓娜, 赵荣钦, 等. . 碳中和目标下的国土空间格局优化: 理论框架与实践策略[J]. 自然资源学报, 2022, 37(5): 1137-1147. Ding M L, Yang X N, Zhao R Q, et al. Optimization of territorial space pattern under the goal of carbon neutrality: theoretical framework and practical strategy[J]. Journal of Natural Resources, 2022, 37(5): 1137-1147. |
| [5] |
李缘缘, 魏伟, 周俊菊, 等. 中国土地利用碳排放变化及协调分区[J]. 环境科学, 2023, 44(3): 1267-1276. Li Y Y, Wei W, Zhou J J, et al. Changes in land use carbon emissions and coordinated zoning in China[J]. Environmental Science, 2023, 44(3): 1267-1276. DOI:10.3969/j.issn.1000-6923.2023.03.028 |
| [6] |
樊杰, 赵艳楠. 面向现代化的中国区域发展格局: 科学内涵与战略重点[J]. 经济地理, 2021, 41(1): 1-9. Fan J, Zhao Y N. China's regional development pattern oriented toward modernization: the scientific connotation and strategic priorities[J]. Economic Geography, 2021, 41(1): 1-9. |
| [7] |
崔金丽, 朱德宝. "双碳"目标下的国土空间规划施策: 逻辑关系与实现路径[J]. 规划师, 2022, 38(1): 5-11. Cui J L, Zhu D B. Territorial spatial policies under carbon emission peak and carbon neutrality visions: key logic and realization path[J]. Planners, 2022, 38(1): 5-11. DOI:10.3969/j.issn.1006-0022.2022.01.001 |
| [8] | Jiang P, Sonne C, You S M. Dynamic carbon-neutrality assessment needed to tackle the impacts of global crises[J]. Environmental Science & Technology, 2022, 56(14): 9851-9853. |
| [9] |
曾穗平, 王琦琦, 田健. 应对气候变化的韧性国土空间规划理论框架与规划响应研究[J]. 规划师, 2023, 39(2): 21-29. Zeng S P, Wang Q Q, Tian J. The theoretical framework and planning response of resilient territorial space planning in response to climate change[J]. Planners, 2023, 39(2): 21-29. DOI:10.3969/j.issn.1006-0022.2023.02.003 |
| [10] |
陈可欣, 陶韦华, 方晓丽, 等. 国土空间规划中碳中和评估及规划应用路径研究[J]. 规划师, 2022, 38(5): 134-141. Chen K X, Tao W H, Fang X L, et al. Carbon neutrality assessment and planning application path in territorial spatial planning[J]. Planners, 2022, 38(5): 134-141. DOI:10.3969/j.issn.1006-0022.2022.05.020 |
| [11] |
鲍海君, 张瑶瑶, 吴绍华. 低碳国土空间规划: 机理、方法与路径[J]. 中国土地科学, 2022, 36(6): 1-10. Bao H J, Zhang Y Y, Wu S H. Low-carbon territorial space planning: mechanism, approach and path[J]. China Land Science, 2022, 36(6): 1-10. |
| [12] |
宋苑震, 曾坚, 王森, 等. 中国县域碳排放时空演变与异质性[J]. 环境科学, 2023, 44(1): 549-559. Song Y Z, Zeng J, Wang S, et al. Spatial-temporal evolution and heterogeneity of carbon emissions at county-level in China[J]. Environmental Science, 2023, 44(1): 549-559. |
| [13] |
吕国玮, 周建春, 蔡玉梅, 等. 广东省土地利用及其变化和林业碳核算研究[J]. 地理学报, 2023, 78(3): 640-657. Lyu G W, Zhou J C, Cai Y M, et al. Carbon accounting for land use, land-use change and forestry in Guangdong province[J]. Acta Geographica Sinica, 2023, 78(3): 640-657. |
| [14] | Chen J D, Gao M, Cheng S L, et al. County-level CO2 emissions and sequestration in China during 1997-2017[J]. Scientific Data, 2020, 7(1). DOI:10.1038/s41597-020-00736-3 |
| [15] |
程钰, 张悦, 王晶晶. 中国省域碳排放绩效时空演变与技术创新驱动研究[J]. 地理科学, 2023, 43(2): 313-323. Cheng Y, Zhang Y, Wang J J. Spatial-temporal evolution of provincial carbon emission performance and driving force of technological innovation in China[J]. Scientia Geographica Sinica, 2023, 43(2): 313-323. |
| [16] | Yang X, Liu X Z. Path analysis and mediating effects of influencing factors of land use carbon emissions in Chang-Zhu-Tan urban agglomeration[J]. Technological Forecasting and Social Change, 2023, 188. DOI:10.1016/J.techfore.2022.122268 |
| [17] |
吉雪强, 刘慧敏, 张跃松. 中国省际土地利用碳排放空间关联网络结构演化及驱动因素[J]. 经济地理, 2023, 43(2): 190-200. Ji X Q, Liu H M, Zhang Y S. Spatiotemporal evolution and driving factors of spatial correlation network structure of China's land-use carbon emission[J]. Economic Geography, 2023, 43(2): 190-200. |
| [18] |
韩楠, 罗新宇. 多情景视角下京津冀碳排放达峰预测与减排潜力[J]. 自然资源学报, 2022, 37(5): 1277-1288. Han N, Luo X Y. Carbon emission peak prediction and reduction potential in Beijing-Tianjin-Hebei region from the perspective of multiple scenarios[J]. Journal of Natural Resources, 2022, 37(5): 1277-1288. |
| [19] |
王正, 周侃, 樊杰. 西部地区县域碳排放核算及主体功能区解析——以四川省为例[J]. 生态学报, 2022, 42(21): 8664-8674. Wang Z, Zhou K, Fan J. County-level carbon emission accounting and major function oriented zones in western regions: taking Sichuan Province as an example[J]. Acta Ecologica Sinica, 2022, 42(21): 8664-8674. |
| [20] | Wang W X, Wang W J, Xie P C, et al. Spatial and temporal disparities of carbon emissions and interregional carbon compensation in major function-oriented zones: a case study of Guangdong province[J]. Journal of Cleaner Production, 2020, 245. DOI:10.1016/j.jclepro.2019.118873 |
| [21] |
李代超, 卢嘉奇, 谢晓苇, 等. 碳中和视角下基于主体功能区分类约束的国土空间分区优化模拟——以福建省为例[J]. 生态学报, 2022, 42(24): 10111-10126. Li D C, Lu J Q, Xie X W, et al. Optimization simulation of land space zoning based on the classification constraints of main functional zones from the perspective of carbon neutrality: a case study of Fujian Province[J]. Acta Ecologica Sinica, 2022, 42(24): 10111-10126. |
| [22] |
李强, 高威, 魏建飞, 等. 中国耕地利用净碳汇时空演进及综合分区[J]. 农业工程学报, 2022, 38(11): 239-249. Li Q, Gao W, Wei J F, et al. Spatiotemporal evolution and comprehensive zoning of net carbon sink in cultivated land use in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2022, 38(11): 239-249. DOI:10.11975/j.issn.1002-6819.2022.11.027 |
| [23] |
夏四友, 杨宇. 基于主体功能区的京津冀城市群碳收支时空分异与碳补偿分区[J]. 地理学报, 2022, 77(3): 679-696. Xia S Y, Yang Y. Spatio-temporal differentiation of carbon budget and carbon compensation zoning in Beijing-Tianjin-Hebei urban agglomeration based on the plan for major function-oriented zones[J]. Acta Geographica Sinica, 2022, 77(3): 679-696. |
| [24] |
徐影, 郭楠, 茹凯丽, 等. 碳中和视角下福建省国土空间分区特征与优化策略[J]. 应用生态学报, 2022, 33(2): 500-508. Xu Y, Guo N, Ru K L, et al. Characteristics and optimization strategies of territorial space zone in Fujian Province, China based on carbon neutrality[J]. Chinese Journal of Applied Ecology, 2022, 33(2): 500-508. |
| [25] |
杨柏, 秦广鹏, 邬钦. "双碳"目标下中国省域碳排放核算分析[J]. 环境科学, 2022, 43(12): 5840-5849. Yang B, Qin G P, Wu Q. Analysis of provincial CO2 emission accounting in China under the carbon peaking and carbon neutrality goals[J]. Environmental Science, 2022, 43(12): 5840-5849. |
| [26] |
刘志华, 徐军委. "双碳"目标下中国省域碳排放公平性及其影响因素[J]. 地理科学, 2023, 43(1): 92-100. Liu Z H, Xu J W. Equity and influence factors of China's provincial carbon emissions under the ''Dual Carbon'' goal[J]. Scientia Geographica Sinica, 2023, 43(1): 92-100. |
| [27] | Wang Z Y, Li X, Mao Y T, et al. Dynamic simulation of land use change and assessment of carbon storage based on climate change scenarios at the city level: a case study of Bortala, China[J]. Ecological Indicators, 2022, 134. DOI:10.1016/j.ecolind.2021.108499 |
| [28] |
向书江, 杨春梅, 谢雨琦, 等. 近20年重庆市主城区碳排放的时空动态演进及其重心迁移[J]. 环境科学, 2023, 44(1): 560-571. Xiang S J, Yang C M, Xie Y Q, et al. Spatiotemporal dynamic evolution and gravity center migration of carbon emissions in the main urban area of Chongqing over the past 20 years[J]. Environmental Science, 2023, 44(1): 560-571. |
| [29] |
吴健生, 晋雪茹, 王晗, 等. 中国碳排放及影响因素的市域尺度分析[J]. 环境科学, 2023, 44(5): 2974-2982. Wu J S, Jin X R, Wang H, et al. Analysis of carbon emissions and influencing factors in China based on city scale[J]. Environmental Science, 2023, 44(5): 2974-2982. |
| [30] |
陈丹玲, 卢新海, 匡兵. 长江中游城市群城市土地利用效率的动态演进及空间收敛[J]. 中国人口·资源与环境, 2018, 28(12): 106-114. Chen D L, Lu X H, Kuang B. Dynamic evolution and spatial convergence of urban land use efficiency in the middle reaches of the Yangtze River[J]. China Population, Resources and Environment, 2018, 28(12): 106-114. |
| [31] |
杨旭, 刘贤赵. 长株潭城市群地类转移的碳传导效应与预测[J]. 环境科学, 2022, 43(12): 5850-5860. Yang X, Liu X Z. Temporal and spatial differences in carbon conduction and prediction effect of land type transfer in Chang-Zhu-Tan urban agglomeration[J]. Environmental Science, 2022, 43(12): 5850-5860. |
| [32] |
孙秀锋, 施开放, 吴健平. 县级尺度的重庆市碳排放时空格局动态[J]. 环境科学, 2018, 39(6): 2971-2981. Sun X F, Shi K F, Wu J P. Spatiotemporal dynamics of CO2 emissions in Chongqing: an empirical analysis at the county level[J]. Environmental Science, 2018, 39(6): 2971-2981. |
| [33] |
尹君锋, 石培基, 黄万状, 等. 甘肃省县域乡村振兴与新型城镇化耦合协调发展的时空分异特征及影响因素[J]. 自然资源学报, 2023, 38(8): 2148-2168. Yin J F, Shi P J, Huang W Z, et al. Spatiotemporal differentiation characteristics and influencing factors of coupling coordinated development of rural revitalization and new urbanization at the county level in Gansu province[J]. Journal of Natural Resources, 2023, 38(8): 2148-2168. |
| [34] | Zhang X, Liu L Y, Chen X D, et al. GLC_FCS30: Global land-cover product with fine classification system at 30 m using time-series Landsat imagery[J]. Earth System Science Data, 2021, 13(6): 2753-2776. DOI:10.5194/essd-13-2753-2021 |
| [35] |
蔡博峰, 朱松丽, 于胜民, 等. 《IPCC 2006年国家温室气体清单指南2019修订版》解读[J]. 环境工程, 2019, 37(8): 1-11. Cai B F, Zhu S L, Yu S M, et al. The interpretation of 2019 refinement to the 2006 IPCC guidelines for national greenhouse gas inventory[J]. Environmental Engineering, 2019, 37(8): 1-11. |
| [36] |
朱松丽, 汪航, 王文涛, 等. "十二五"期间中国区域低碳经济与国土空间开发格局的协调发展研究[J]. 中国人口·资源与环境, 2017, 27(9): 135-142. Zhu S L, Wang H, Wang W T, et al. Status of coordinated development between regional low-carbon economy and spatial land-use pattern in the 12th Five Year Plan[J]. China Population, Resources and Environment, 2017, 27(9): 135-142. |
| [37] |
谭显春, 赖海萍, 顾佰和, 等. 主体功能区视角下的碳排放核算——以广东省为例[J]. 生态学报, 2018, 38(17): 6292-6301. Tan X C, Lai H P, Gu B H, et al. Carbon emission accounting from the perspective of main functional areas: a case study of Guangdong Province[J]. Acta Ecologica Sinica, 2018, 38(17): 6292-6301. |
| [38] |
郝瑞军, 魏伟, 刘春芳, 等. 中国能源消费碳排放的空间化与时空动态[J]. 环境科学, 2022, 43(11): 5305-5314. Hao R J, Wei W, Liu C F, et al. Spatialization and spatio-temporal dynamics of energy consumption carbon emissions in China[J]. Environmental Science, 2022, 43(11): 5305-5314. |
| [39] |
方精云, 郭兆迪, 朴世龙, 等. 1981~2000年中国陆地植被碳汇的估算[J]. 中国科学D辑: 地球科学, 2007, 50(6): 804-812. Fang J Y, Guo Z D, Piao S L, et al. Terrestrial vegetation carbon sinks in China, 1981-2000[J]. Science in China Series D: Earth Sciences, 2007, 50(9): 1341-1350. |
| [40] |
赖力. 中国土地利用的碳排放效应研究[D]. 南京: 南京大学, 2010. Lai L. Carbon emission effect of land use in China[D]. Nanjing: Nanjing University, 2010. |
| [41] |
易丹, 欧名豪, 郭杰, 等. 土地利用碳排放及低碳优化研究进展与趋势展望[J]. 资源科学, 2022, 44(8): 1545-1559. Yi D, Ou M H, Guo J, et al. Progress and prospect of research on land use carbon emissions and low-carbon optimization[J]. Resources Science, 2022, 44(8): 1545-1559. |
| [42] |
魏燕茹, 陈松林. 福建省土地利用碳排放空间关联性与碳平衡分区[J]. 生态学报, 2021, 41(14): 5814-5824. Wei Y R, Chen S L. Spatial correlation and carbon balance zoning of land use carbon emissions in Fujian province[J]. Acta Ecologica Sinica, 2021, 41(14): 5814-5824. |
| [43] |
张德钢, 陆远权. 中国碳排放的空间关联及其解释——基于社会网络分析法[J]. 软科学, 2017, 31(4): 15-18. Zhang D G, Lu Y Q. Study on the spatial correlation and explanation of carbon emission in China-Based on social network analysis[J]. Soft Science, 2017, 31(4): 15-18. |
| [44] | Bu Y, Wang E D, Bai J H, et al. Spatial pattern and driving factors for interprovincial natural gas consumption in China: based on SNA and LMDI[J]. Journal of Cleaner Production, 2020, 263. DOI:10.1016/j.jclepro.2020.121392 |
| [45] |
郑航, 叶阿忠. 空间关联网络结构特征的减排效应: 基于城市群视角[J]. 环境科学, 2022, 43(10): 4401-4407. Zheng H, Ye A Z. Carbon emission reduction effect of spatial correlation network structure characteristics: from the perspective of urban agglomeration[J]. Environmental Science, 2022, 43(10): 4401-4407. |
| [46] |
王少剑, 谢紫寒, 王泽宏. 中国县域碳排放的时空演变及影响因素[J]. 地理学报, 2021, 76(12): 3103-3118. Wang S J, Xie Z H, Wang Z H. The spatiotemporal pattern evolution and influencing factors of CO2 emissions at the county level of China[J]. Acta Geographica Sinica, 2021, 76(12): 3103-3118. DOI:10.11821/dlxb202112016 |
| [47] |
张正峰, 张栋. 基于社会网络分析的京津冀地区碳排放空间关联与碳平衡分区[J]. 中国环境科学, 2023, 43(4): 2057-2068. Zhang Z F, Zhang D. Spatial relatedness of CO2 emission and carbon balance zoning in Beijing Tianjin Hebei counties[J]. China Environmental Science, 2023, 43(4): 2057-2068. |
| [48] |
王少剑, 黄永源. 中国城市碳排放强度的空间溢出效应及驱动因素[J]. 地理学报, 2019, 74(6): 1131-1148. Wang S J, Huang Y Y. Spatial spillover effect and driving forces of carbon emission intensity at city level in China[J]. Acta Geographica Sinica, 2019, 74(6): 1131-1148. |
| [49] |
张赫, 黄雅哲, 王睿, 等. 中国县域碳排放脱钩关系及其时空特征演变[J]. 资源科学, 2022, 44(4): 744-755. Zhang H, Huang Y Z, Wang R, et al. Decoupling and spatiotemporal change of carbon emissions at the county level in China[J]. Resources Science, 2022, 44(4): 744-755. |