2024, Vol. 45
以气候变暖为主要特征的全球环境问题对人类福祉的威胁正不断加深, 联合国政府间气候变化专门委员会（IPCC）第六次评估报告提出, 2011~2020年全球均温较19世纪末升高1.09℃, 气候变化受工业化影响显著[1]. 土地作为必要的生产和生活空间, 所承载的人类活动会导致生物多样性退化, 碳、氮循环扰乱, 大气温室气体浓度显著增加以及生态系统服务破坏[2, 3]. 土地利用变化作为仅次于化石燃料燃烧的碳排放源, 贡献了1850~2017年间全球1/3的碳排放[4]. 碳收支是对地球系统各组成部分之间碳通量的量化[5], 当前, 土地利用碳收支的研究主要集中在碳收支核算[6, 7]、空间格局刻画[8, 9]、影响因素分析[10, 11]和碳补偿[12, 13]等领域.
随着时间的推移, 碳收支核算方法已从测量大气二氧化碳浓度[14]发展到使用反演技术[15], 最近又将经验数据纳入核算模型[16]. IPCC为碳核算提供的通用清单因可操作性强而被广泛使用, 研究尺度涵盖国家[17]、省级[18]、市级[19]和县级[20]. 此外, 现有研究大多集中在碳收支的空间异质性探究[21], 如孔凡斌等[22]发现钱塘江流域碳排放具有西南低、东北高特征, 而碳吸收呈现相反的空间分布格局. 然而, 当前研究对碳收支分布的区域均衡与协同问题的关注较欠缺. 由于都市圈自2005年起贡献了我国超过60%的碳排放量[23], 且2011~2020年杭州都市圈的工业能源消费碳排放强度在长三角六大都市圈中稳定位居前二[24], 因此本研究重点探讨了杭州都市圈的碳收支空间格局和城际分布均衡性问题.
在碳收支驱动因子研究方面, 大部分现有研究直接将土地所承载的中间变量作为研究起点以探究碳收支影响因素, 主要包括能源强度[25]、能源结构[26]、国内生产总值（GDP）[27]和人口[28]等社会经济因子, 对土地利用类型变化的碳收支驱动机制追溯不足. 不可否认的是, 不同土地利用类型对碳收支的影响存在较大差异, 如住宅用地、交通用地和零售贸易用地的平均碳排放量分别为25.27、15.12和45.31 kg·m-2[29], 其结构改变对碳收支水平的驱动能力自然不同. 即便对于同一地类的碳收支驱动效应, 当前研究也尚未达成统一. 以建设用地为例, 钟顺昌等[30]认为建设用地上的企业集聚会因企业低碳意识提升和政府治理成本降低出现显著的碳减排效应, 而张平淡等[31]则认为制造业集聚导致的拥挤效应会加剧碳排放. 因此碳源用地对碳收支的影响存在较大研究空间, 深入剖析其驱动机制应被视为解决碳问题的关键. 此外, 现有的影响因素研究通常将碳收支界定为单一维度的绝对量, 即净碳排放或净碳封存量, 而忽视其在数量和空间上的双重内涵, 没有进一步探究碳收支空间均衡性变化的驱动因子, 为弥补这一不足, 本研究将碳收支拓展至绝对量与空间均衡两大度量维度, 并分别检验不同地类对其的特定作用.
鉴于此, 本研究以杭州都市圈为研究区, 构建基于研究区的碳收支核算清单, 引入碳收支集中化指数, 分析研究区1995~2020年的碳收支时空演变及空间均衡特征, 采用面板数据模型探究碳收支量和空间分配的土地利用变化驱动机制, 进而提出针对性的土地利用低碳调控路径, 并通过“情景-行动者”分析框架剖析政策可行性, 以期为双碳目标下的国土空间规划提供必要的理论支持.
1 材料与方法 1.1 研究区概况和数据来源 1.1.1 研究区概况杭州都市圈作为长三角“一核五圈四带”的“五圈”之一, 位于长江三角洲经济圈南翼, 以杭州为中心, 联结湖州、嘉兴、绍兴、衢州和黄山五市为节点, 区域总面积53 441 km2. 杭州都市圈属于亚热带季风性湿润气候, 四季分明, 温暖湿润. 研究区东西部分属平原区和丘陵区, 东临大海, 整体地势西南高东北低. 土地利用类型以林地为主, 2020年面积占比达到59.7%, 主要分布于研究区中部和西南部；耕地和其他城镇用地次之, 2020年面积占比分别为23.9%和6.0%, 两者广泛分布于研究区东北部, 并于南部和西部出现少量集中（见图 1）. 杭州都市圈主导产业包括电子与地理信息、装备制造、织造印染和电机等, 2020年实现生产总值33 307亿元, 增长3.6%, 增幅高于全国1.3个百分点. 其中, 第一产业实现增加值970亿元, 增长0.9%；第二产业实现增加值12 935亿元, 增长2.4%；第三产业实现增加值19 402亿元, 增长4.8%.
|
图 1 杭州都市圈区位示意 Fig. 1 Location map of Hangzhou metropolitan area |
对土地利用数据, 本研究所采用的1995年、2000年、2005年、2010年、2015年和2020年杭州都市圈栅格数据主要来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/）, 空间分辨率为30 m. 考虑到工业用地与交通用地存在于相同二级地类, 不利于城市碳收支空间化的精确性, 因此本研究基于Open Street Map公开数据（https://www.openstreetmap.org/）, 采用ArcGIS软件中的空间提取与叠加工具, 分离交通用地和工业用地, 以此成为最终的土地利用栅格数据.
对社会经济数据, 碳收支核算所需的工业能源消费量、私人汽车拥有量、年末运营公共汽车数、出租汽车数、公路货物和旅客周转量、城镇常住人口、居民生活天然气和液化石油气消耗量和各市工业、建筑业、批发零售业、住宿餐饮业GDP来自各地市统计年鉴, 缺省值以线性插值方式补充. 化肥施用量、农业机械总动力、灌溉面积和猪饲养量来自《浙江省统计年鉴》（1996~2021年）和《安徽省统计年鉴》（1996~2021年）. 铁路货物和旅客周转量基于《浙江省统计年鉴》（1996~2021年）和《安徽省统计年鉴》（1996~2021年）推算.
1.2 碳收支核算方法本研究以《IPCC 2006年国家温室气体清单指南2019年修订版》为基础构建核算清单, 依据《浙江省温室气体清单编制指南》（2018年修订版）和现有研究更新参数, 以实现碳收支核算本土化.
1.2.1 碳排放核算清单（1）工业用地碳排放 包括化石燃料燃烧和工业生产过程排放两部分, 前者属于直接排放, 后者是化学反应的结果[32]. 水泥是我国最大的工业过程碳排放源, 排放占全国比重达70%以上[33], 同时作为研究区产量最大的工业产品之一, 水泥因而成为本研究工业过程碳排放的核算对象. 计算公式如下[34]：
|
(1) |
式中, CEi为工业用地碳排放；CEe为能源燃烧碳排放；CEp为工业生产过程碳排放；AC为工业能源消费量；LCV为化石燃料低位发热量；CC为每单位LCV的含碳量；COF为碳氧化因子；AD为活动数据, 本研究中特指水泥生产量；EF为碳排放因子, 取0.14 t·t-1[35]. 上述碳排放转换系数均来自《浙江省温室气体清单编制指南》（2018年修订版）.
（2）交通用地碳排放 碳排放主要源自居民出行、公路和铁路货运以及客运过程, 对居民出行过程考虑私家车出行和包含公交车、出租车的公共出行两个部分. 计算公式如下：
|
(2) |
式中, CEt为交通用地碳排放；K为交通工具碳排放因子, 取值来自文献[36]；V为交通工具年平均行驶里程, 取值来自《道路机动车大气污染物排放清单编制技术指南（试行）》；M为交通工具数量；p、b和t分别为私家车、公交车和出租车；Th和Tr分别为公路运输交通量和铁路运输交通量, 包括货物周转量与旅客周转量两部分；Fh和Fr为公路和铁路碳排放因子, 取值来自文献[37].
（3）其他城镇用地碳排放 本研究主要考虑居民生活相关排放和非工业产业排放, 前者考虑城市居民呼吸作用以及家庭天然气和液化石油气排放, 后者来自建筑业、住宿、餐饮业和批发、零售业排放, 对于产业能源消费量的统计缺失, 本研究通过GDP推算法弥补. 具体计算公式为：
|
(3) |
式中, CEu为其他城镇用地碳排放；GDP1和GDP2分别为建筑业和住宿、餐饮业、批发、零售业GDP与研究区总GDP的比例（%）；CEi为行业目录下的能源消费碳排放量, CEng和CElpg分别为家庭天然气和液化石油气消耗碳排放, 均依据公式（1）计算；K1为呼吸作用碳排放系数, 取0.021 5 t·人-1 [38]；P为城镇常住人口数量.
（4）耕地碳排放 耕地在用地类型中呈现特殊性, 兼有碳源和碳汇功能, 其中, 耕地碳排放主要源于化肥施用、农田机械化耕作、灌溉等农业活动以及牲畜呼吸作用. 计算公式如下：
|
(4) |
式中, CEc为耕地碳排放；K值为农业活动过程和牲畜呼吸作用的碳排放系数, 其中K2、K3和K4分别取0.234 t·t-1、0.049 kg·kW-1和72.676 kg·hm-2 [39], K5取0.022 t·头-1 [38]；F为化肥施用量；M为机械总动力；S为有效灌溉面积；C为猪饲养量.
1.2.2 碳封存核算清单碳封存是碳排放的相对过程, 以植物光合作用为手段, 将大气中的碳元素合成为有机物. 考虑到植物碳封存量计算中的基础数据难以获得, 如树种的蓄积量、树木年生长率和基本木材密度等, 同时, 有研究发现21世纪以来中国东南部的植物净初级生产力整体呈现微弱变化, 变化幅度较小[40], 本研究因而选用固定系数模型构建研究区碳封存量核算清单, 具体计算公式为[41]：
|
(5) |
式中, CS为碳封存量；i为碳汇功能用地；ki为不同土地利用类型的碳吸收系数, 其中耕地、林地、湿地、河流、湖泊和未利用地的碳吸收系数来自文献[37], 草地的碳吸收系数来自文献[42]；Si为不同土地利用类型面积.
1.3 碳收支集中化指数根据洛伦茨曲线和基尼系数的关系推演碳收支集中化指数[43]. 以杭州都市圈6个地级市为计算单元, 将其碳收支量降序排列后计算累计百分比, 以散点为基础连接得到平滑曲线, 即碳收支洛伦茨曲线, 如图 2所示. 特别地, 当碳收支洛伦茨曲线呈现45°对角线状态时, 碳收支量在各地市表现为均匀分布；当曲线呈现平行于X轴且初始累计百分比达100%时, 碳收支量集中分布于某一特定地市, 代表碳收支量在都市圈内呈现绝对集中状态.
|
X轴和Y轴总长度相等, 即X轴被均分为6等份, 每等份长度为1/6；地区代码, 1995年：1表示杭州, 2表示嘉兴, 3表示湖州, 4表示衢州, 5表示绍兴, 6表示黄山；2000年和2005年：1表示杭州, 2表示嘉兴, 3表示绍兴, 4表示湖州, 5表示衢州, 6表示黄山；2010年：1表示杭州, 2表示嘉兴, 3表示绍兴, 4表示衢州, 5表示湖州, 6表示黄山；2015年：1表示杭州, 2表示嘉兴, 3表示衢州, 4表示绍兴, 5表示湖州, 6表示黄山；2020年：1表示嘉兴, 2表示杭州, 3表示衢州, 4表示绍兴, 5表示湖州, 6表示黄山 图 2 1995~2020年杭州都市圈碳收支洛伦茨曲线 Fig. 2 Carbon budget Lorentz curve for Hangzhou metropolitan area from 1995 to 2020 |
碳收支集中化指数的计算公式为：
|
(6) |
式中, CI为碳收支集中化指数；A为不同年份实际碳收支洛伦茨曲线的函数式；R为碳收支均匀分布线函数式；M为碳收支集中分布线函数式. CI取值范围为0~1, CI越接近0, 碳收支在区域间的分配越平均；CI越接近1, 碳收支的空间分配越失衡. CI分级后的具体内涵如表 1所示.
|
表 1 碳收支集中化指数分级[12] Table 1 Carbon budget concentration index rating scale |
1.4 面板数据模型
由于本研究旨在探究土地利用变化对碳收支量和碳收支空间分布集中度的驱动作用, 因此分别以碳收支量和碳收支集中化指数为被解释变量, 以土地利用结构和景观指数为解释变量构建普通面板回归分析模型. 一方面, 考虑到人类活动区域开发特别是城市扩张侵占自然土地过程是导致碳储量减少的主要原因, 且研究区城市碳排放量高达碳封存量的上千倍, 在城市碳收支系统中占主导地位, 因而本研究侧重考察耕地和建设用地两大碳源空间的影响, 其中建设用地又被细分为工业用地、交通用地和其他城镇用地这3类. 特别地, 考虑到碳收支量和碳收支集中化指数含义特征, 将其土地利用结构驱动因子分别定义为特定地类占研究区全域比例和特定地类占研究区市域比例, 前者属于绝对概念, 而后者表示相对概念. 另一方面, 城市密度、土地利用多样性和景观组成等城市形态特征在减缓碳排放方面存在重要作用, 本研究同时考察斑块类型和景观两个尺度指标, 内涵覆盖特定地类的大小、形状、邻接度和全部景观的纹理、多样性和异质性等, 具体指标参考前人研究的选定[44~46]（表 2）. 具体模型构建见表 3.
|
|
表 2 景观指数变量及意义 Table 2 Landscape index variables and significance |
|
|
表 3 面板数据模型构建 Table 3 Panel data modeling |
1.5 “情景-行动者”政策分析框架
政策分析模型通常包括线性模型和非线性模型两种基本范式, 前者侧重政策制定是否完善, 忽视政策执行过程的复杂性；后者着眼于明晰政策执行主体的行动逻辑与交互动作, 模糊了政策自形成至落地全过程的连续性. “情景-行动者”政策分析框架兼具传统模型优势, 全面勾勒政策制定和执行的完整框架, 以填补上述模型的视角盲区, 其分析机制如图 3所示.
|
图 3 “情景-行动者”政策分析框架基本内容与实现路径 Fig. 3 The "scenario-actor" policy analysis framework and the path to realization |
在“情景-行动者”模型中, 政策围绕行动者展开, 基于行动者行为表达政策执行效果. 政策情景由多重要素共同构成, 具体包括政策环境、政策特征和制度系统这3个维度[47], 其内容变化与相互作用导致行动者利益博弈与协调出现, 从而影响政策执行结果. 政策环境为政策发展提供舞台, 内涵覆盖政治、经济和社会这3个要义. 政策特征聚焦政策本身, 通过政策权威性和作用方式发挥决定性影响[48]. 其中, 政策目标对政策执行起导向作用, 其清晰度与冲突性影响政策方案选择, 目标越可量化和可分解, 与部门利益冲突越少, 政策执行阻力越小；政策工具选择保障政策实施程度, 工具多样性助推政策落地. 制度系统是主要的执行激励来源, 深入理解中央地方关系、激励-控制机制和多元合作机制, 有助于碳减排政策优化路径构建. 行动者敏锐感知政策情景变化后, 可能根据偏好与能力调整行为策略以实现个体理性. 基于此, 如何加总个体理性为集体理性成为决策者思考的关键. 根据碳减排政策特征, 本研究将行动者分为以中央和地方政府为代表的行政系统, 以及企业、村民和居民等利益相关者.
2 结果与分析 2.1 土地利用结构变化特征作为研究区的主要土地利用类型, 耕地和林地在研究时段内面积占比达到80%以上, 均呈现逐年降低趋势, 且耕地面积减少速率较林地更高, 降幅达15.4%（见图 4）. 草地于1995~2000年出现大幅减少, 此后面积变化幅度保持在2%以下, 整体趋于稳定. 水域空间分布主要集中于杭绍地区, 总面积呈现先增加后减少趋势, 减少量以2015~2020年为甚, 降幅约为4.1%. 建设用地集中分布于杭州都市圈东部和南部地区, 其中, 工业用地、交通用地和其他城镇用地基本呈现不断增长趋势, 符合经济增长依赖土地开发的客观现实. 工业用地和其他城镇建设用地自2015年后出现增幅放缓, 表明研究区新增建设用地面积受到合理控制, 存量规划得到重视. 2005年后交通用地面积增幅持续扩大, 与研究区实现“内畅外达”的交通愿景保持步调一致.
|
图 4 1995~2020年杭州都市圈土地利用结构变化 Fig. 4 Changes in land use structure in Hangzhou metropolitan area from1995 to 2020 |
在土地利用类型转移矩阵中去除用地类型不变部分后所得杭州都市圈用地结构变化特征如图 5所示. 1995~2020年间, 用地类型转出基本以耕地和林地为主, 其中耕地转出面积占比自1995~2000年的36.5%大幅上升, 此后每5年间转出占比均超过50%, 2015~2020年回落至43.3%, 而林地转出面积占比大致稳定在15%~20%之间. 杭州都市圈土地利用类型转入结构呈现多样化趋势. 1995~2000年主要转入用地类型为林地, 占比达到38.1%. 2000年后林地转入面积占比降至10%以下, 而建设用地转入面积急剧增长, 自1995~2000年的21.2%增加至2015~2020年的62.7%, 其间最高达到77.4%. 对建设用地转入, 2000~2015年间由其他建设用地面积增加为主导, 工业用地转入面积占比呈现稳步上升趋势, 2015年后两者转入占比骤降, 交通用地面积增加重要性凸显, 占比达到31.4%.
|
C表示耕地, F表示林地, G表示草地, W表示水域, I表示工业用地, T表示交通用地, U表示其他城镇用地, N表示未利用地 图 5 杭州都市圈1995~2020年土地利用类型转移 Fig. 5 Transfer of land use types in the Hangzhou metropolitan area from 1995 to 2020 |
根据城市碳收支核算清单构建研究区1995~2020年碳核算模型, 计算结果如图 6所示. 整体上看, 杭州都市圈碳源功能远远高于碳汇功能, 碳排放过程在城市碳循环中占主导地位, 而碳封存过程的调节作用有限, 城市碳收支量尚未达到平衡状态.
|
图 6 杭州都市圈1995~2020年碳收支统计 Fig. 6 Carbon budget statistics for Hangzhou metropolitan area from 1995 to 2020 |
对碳排放, 杭州都市圈2020年总碳排放量为49.79×108 t, 达到1995年的3.85倍. 在碳源功能用地中, 工业用地碳排放最为显著, 研究时段内占排放总量比例均达到65%以上, 峰值约为75.4%, 是城市碳排放加剧的主导因素. 自2005年起, 工业用地碳排放量增长速度放缓且总量趋于稳定, 并于2015~2020年实现碳排放量下降, 表明杭州都市圈对化石能源的依赖程度降低, 能源结构转型升级取得阶段性成效. 其他城镇用地和交通用地碳排放量均呈现逐年上涨态势, 前者仅次于工业用地, 2020年占全域总碳排放量比例达到30.6%, 较1995年排放量增加4.64倍；后者在研究时段内由160.87×104 t增长到715.62×104 t, 涨幅约4.45倍. 耕地碳排放量占比最小, 2020年仅排放30.62×104 t, 变化趋势整体呈现为先增长后减少.
对碳封存, 研究区碳封存总量在1995~2000年内呈现小幅增长, 2000年后持续降低, 固碳量由2000年的221.99×104 t降低至2020年的218.88×104 t, 减幅约1.4%. 作为研究区的主要碳汇来源, 林地碳封存量自1995年至2020年占总碳封存量比例超过90%, 尽管其碳汇能力于2000年后呈递减趋势, 但林地对城市碳平衡的调节作用仍然不容忽视. 水域是杭州都市圈第二大碳汇来源, 研究时段内碳封存量呈现波动状态, 在2015~2020年有所下降, 总体上自1995年的7.39×104 t变化至2020年的7.44×104 t. 耕地和草地的碳汇能力较弱且整体表现出下降趋势, 研究时段内碳封存量分别减少了15.4%和9.4%. 未利用地的碳吸收能力极弱, 较总量而言可以忽略不计.
2.2.2 碳收支空间格局演化分析通过自上而下方法, 根据研究区碳收支水平和土地利用类型的对应关系, 基于面积分配方法, 计算不同土地利用类型下碳收支量与用地面积的比值为碳收支密度, 进而得到研究区碳收支空间分布结果（见图 7）, 可见杭州都市圈碳源功能用地整体呈现扩张态势, 高碳排放密度区域空间特征由零星、分散分布演变为密集、集聚分布, 高碳排放密度斑块主要集中于杭州都市圈东北部以及南部小范围区域. 尽管碳汇功能用地面积约为碳源功能用地的两倍, 但其总体呈现面积收缩特征, 主要在研究区中部和西部区域连片分布, 且土地承载的碳封存密度远低于碳排放密度, 表明研究区存在碳收支不平衡性. 根据标准差椭圆分析结果, 研究时段内碳收支重心基本位于研究区东北部, 即杭州、绍兴、嘉兴和湖州这四市邻接处, 且椭圆重心随时间推移存在自东北向西南缓慢偏移的趋势. 由椭圆长轴方向可知研究区碳收支密度呈现东北—西南分布, 此外, 椭圆长短轴比值在1.9~2.3间上下浮动, 呈先增长后减少趋势, 表明碳收支数据的空间集聚性在2005年后有所增强.
|
图 7 杭州都市圈1995~2020年碳收支空间格局分布 Fig. 7 Distribution of spatial pattern of carbon budget in Hangzhou metropolitan area from 1995 to 2020 |
将杭州都市圈碳排放和碳封存纳入同一考虑维度并计算其集中化指数后可知（见图 8）, 尽管研究区碳收支空间分配尚未达到高度平均水平, 但自1995~2020年间碳收支集中化指数并未超越0.4“警戒线”[12], 且自1995年的0.398降低至2020年的0.235, 整体而言城际碳收支差异不突出. 其中, 1995~2000年降幅最高, 达到24.9%, 此时碳收支空间分配由比较合理阶段进入相对平均阶段；2015~2020年次之, 降幅约为11.3%. 在城市层面, 杭州市位列研究区碳排放第一梯队, 经济发展速度较快且区域内发展程度不均衡, 其碳收支集中化程度自2005年起跃升比较合理水平, 并在2020年达到最高值0.356. 其余城市的碳收支空间集中程度在研究时段内呈现稳定态势, 其中, 绍兴市和黄山市处于碳收支空间分配相对平均阶段, 二者碳收支集中化指数分别呈现波动下降和逐步下降趋势, 且绍兴市降幅大于黄山市. 此外, 嘉兴市、湖州市和衢州市碳收支空间分配均表现为高度平均水平, 碳收支集中化指数基本呈现先增长后降低趋势, 最低值分别为0.105、0.099和0.139.
|
图 8 杭州都市圈1995~2020年分地市碳收支集中化指数统计 Fig. 8 Concentration index of carbon budget of cities in Hangzhou metropolitan area from 1995 to 2020 |
基于杭州都市圈的土地利用和碳收支时空演变特征, 构建面板数据模型, 进一步剖析以耕地和建设用地结构及形态变化为主要内容的土地利用变化驱动碳收支机制. 首先, 为增加数据平滑度, 避免异方差性出现, 对变量做对数处理. 接着, 采用LLC检验和Fisher-ADF检验方法对数据做单位根检验以排除伪回归可能. 经检验, 除交通用地最大斑块指数外, 其余全部变量一阶差分序列平稳, 满足一阶单整. 排除模型9成立可能后进行基于Engle-Granger的Pedroni异构面板协整检验, 得到模型3变量间不存在长期均衡关系. 此外, F检验结果表明其余模型均采用变截距固定效应模型. 除模型7整体表现为P值不显著（P > 0.1）外, 其余模型回归结果如表 4和表 5所示.
|
|
表 4 土地利用变化对碳收支量的回归系数1） Table 4 Regression coefficients of land use change on carbon budgets |
|
|
表 5 土地利用变化对碳收支集中化指数的回归系数1） Table 5 Regression coefficients of land use change on the concentration index of carbon budgets |
模型1认为研究区耕地面积对碳收支量有负面影响, 而斑块形状复杂程度对其发挥正向作用, 可见适当增加耕地面积, 促进耕地标准化建设对城市碳平衡存在积极作用. 原因可能在于耕地“小田并大田”和“化零为整”等政策提升了实际耕作面积和规模经营水平, 促使种植大户向农村下沉, 耕地规模经营效率提高, 降低耕地间接碳排放. 模型2认为随着建设用地面积增加和地块的破碎化程度提高, 城市碳收支量相应增大, 表明紧凑集约型城市有利于推进城市碳系统健康稳定发展. 一方面, 建设用地在碳源用地中的主体地位受到广泛认同, 其面积越大, 生产要素输入与吸纳能力越强, 碳排放越显著. 另一方面, 建设用地紧凑集聚配置作为对主体功能区原则的基本遵循, 具备碳减排潜力. 其作用路径之一在于工业企业集聚, 企业间互动可能形成碳减排知识溢出. 此外, 生活空间集聚和紧凑型扩张模式同时缩短了城市内部通勤与城市间联系的距离, 私人交通依赖程度减弱. 由此, 政府污染治理的边际成本降低, 上述过程均可能抑制碳收支量过度增长. 模型4和模型5分别对交通用地和其他城镇用地在建设用地综合作用中的特殊影响机制做出细化. 考虑到模型4的P值显著性较低, 回归结果不稳定, 且模型5的R2达到0.78, 整体拟合度较高, 并与模型2结果表现出较高一致性, 因此认为城市建设用地对碳收支的驱动作用主要来自其他城镇用地, 且其他城镇用地面积越大, 斑块间连通性越低, 城市碳收支量越大. 据此, 在数量上减少城市生产生活能源消费, 在空间上实现职住平衡, 是缓和经济发展与过度碳排放矛盾的重要手段.
模型6表明耕地面积占比越大, 土地利用混合度越高, 碳收支空间分布越平均. 耕地在减少碳排放方面较建设用地有更显著的正外部性[49], 构建类型多样、结构均衡和耕地侧重的土地利用结构是城镇化引发土地供需矛盾大背景下对要素配置的空间重构, 有利于缓解不断趋紧的资源空间约束, 从而缩小区域碳收支差距. 此外, 模型8和模型10验证了工业用地和其他城镇用地对碳收支影响路径的一致性, 其面积占比越大, 斑块间割裂性和破碎化程度越高, 碳收支空间分布越不均匀. 整体来看, 建设用地对城市碳收支水平和空间集中度有类似的作用, 究其原因, 在严格的环境规制出现前, 建设用地面积占比越大, 越可能吸引企业进驻和住宅集聚, 从而出现碳收支的马太效应, 即经济发展水平更高的区域成为城市碳排放中心, 加剧碳收支空间分布不均衡性. 需要说明的是, 尽管在研究时段内并未发生, 但达到一定程度后的环境规制可能导致污染避难所效应, 此时污染企业受成本控制驱动迁往政策宽松地区, 受人为因素干扰的产业跨区域转移可能形成碳收支空间分布的不同结果. 此外, 建设用地破碎化一方面造成点状碳源间距增加, 产业运输和私人出行所需的交通能耗上升；另一方面, 斑块破碎化可能打破原有的地理邻近关系, 距离增加导致空间相互作用减弱, 碳收支空间关联能力下降, 进而形成分布不平衡状态. 因此, 优化城市功能分区, 构建工业用地和其他城市用地合理布局, 促进规模效应最大化和用地效率最优化, 对降低碳收支空间非均衡性具有重要意义.
2.4 面向碳减排的土地利用优化调控路径 2.4.1 政策环境与外部机遇自2020年碳达峰与碳中和目标提出, 我国不断在顶层设计中巩固“两山”理论和生态文明建设的重要地位, 并将碳减排纳入现代化核心议题, 有关政策文件相继颁布. 地方政府紧随其后, 浙江省推出了绿色低碳“十四五”规划系列规划, 首创减污降碳协同创新区, 以支撑建设良性互动环境治理的低碳土地利用优化. 对经济环境, 杭州都市圈瞄准全球数字经济创新高地战略目标, 积极推动产业结构升级和清洁能源转型, 建设全国绿色智慧幸福样本, 充分体现其经济与环境并重并举的发展策略. 此外, 随着消费者减排意识提升, 绿色低碳产品需求多样化[50], 企业或改变生产策略, 碳减排友好型社会环境初具雏形.
2.4.2 政策特征与内容分解基于前述结果, 本研究以碳减排为政策目标, 以国土空间结构调整和利用管理方式转变为政策工具, 提出政策调控路径如下：
（1）开展农田标准化规模化建设, 优化耕地面积配置 一方面, 整理现有田块, 分离高产优质耕地, 整合零散田块, 以保持作物生长适宜为前提规整田块形状和布局. 另一方面, 构建土地利用类型异质和结构均衡格局, 建立耕地、建设用地和碳汇用地合理分配机制, 坚持永久基本农田制度, 依法打击违规占用和擅自开垦耕地行为.
（2）遵循紧凑型城市扩张模式, 抑制城市无序蔓延 首先, 严格管控建设用地总量, 科学划定城市扩张边界, 设立人均建设用地面积、开发强度和投资强度等弹性约束指标, 强化土地监管, 依法约束土地占用行为. 其次, 严格限制城市新增建设用地指标, 引导与倒逼城市存量规划, 在国土空间规划允许的范围内合并零星用地, 再划拨或再开发低效用地, 提高建设用地利用效率与质量.
（3）引导工业用地节约集约利用, 推进产业用地提质增效 第一, 分步分片提升存量工业用地建筑密度和容积率, 挖潜地上和地下双重空间, 实现土地利用三维立体式集约. 第二, 新增工业用地采用空间密集型布局, 刺激企业规模效应和外部效应生成. 第三, 依托杭州互联网经济平台, 辐射带动都市圈现代化绿色产业园建设, 推动产业数字化转型和文化创意深度融合, 提升清洁生产技术和生产线自动化水平.
（4）推动职住平衡, 优化城市功能区与道路交通网络分布 采用以TOD为导向的城市用地布局模式, 增强公共交通的服务质量和覆盖面积, 缩短城市工作区和居住区的空间距离, 促进待开发城市用地的选址靠近公共交通设施与商业、文化和社区服务设施等配套设施, 降低居民的私人汽车依赖度, 建设多功能性的社区和生态城市.
2.4.3 制度系统保障与优化中央政府和地方政府在碳减排施策中有不同的行为逻辑和激励机制. 中央政府以政治理性为指导反复重申生态环境保护与社会经济发展同等重要, 肩负政策制定、执行与监督的责任感和使命感. 地方政府具有中央政府下位者和公共事务管理者的双重身份, 行动逻辑受到委托代理与自利动机共同驱动[51]. 实现地方政府角色逻辑由个体理性转向集体理性的关键在于官员考核标准的完善, 需降低政绩评价体系的生产性指标权重, 增加绿色环保指标, 重塑地方政府行动模式. 此外, 统筹建立行政系统内部合作机制, 对纵向层级合理配置央地政府财权与事权, 促进资金上下融通；对横向部门明确职责范围与权力边界, 减缓公共物品供给中的拉扯和推诿, 强化政府碳减排管理效率.
2.4.4 行动者行为逻辑分析中央政府、地方政府、企业、村民和城市居民这五大利益相关者对国土空间低碳调控政策情景的演变有不同的响应. 国土空间低碳化由于对社会稳定和人类福祉需要的满足而获得政策权威性, 中央政府有责任且有动力制定并推进可行的碳减排方案. 地方政府是政策执行的矛盾体, 一方面, 紧凑型城市要求的土地利用空间重构对财政负担的加重和高能耗传统产业淘汰升级对经济的短期阻滞将弱化其政策执行积极性；另一方面, 碳问题的社会关注度提升可能增强其治理信心, 地方官员产生借此争取政治表现和谋求政治利益的激励. 企业、村民和居民不同程度地受到碳减排政策规制. 对企业, 短期来看减少污染物直接排放等要求可能与营利目标相悖, 但长期而言执行碳减排政策能在建立良好社会形象的同时, 创造利于容积率提升和厂房规模扩张的审批环境. 村民作为农村土地的主要产权人, 存在凭借产权排他性获利的动机, 同时农村土地产权的细碎化特征加大了土地低碳利用的难度. 然而, 农村土地整理对提高耕作效率和开发集体产业的推动本质上与村民利益一致, 因此村民的政策配合度存在不可控性. 城市居民是低碳政策的受益方, 职住平衡和道路优化政策有助于缩短出行距离和减少交通拥堵, 绿色低碳可能直接成为居民的新型生活方式.
3 讨论本文在现有研究的基础上拓展了土地利用变化驱动碳收支的量化分析框架, 并与已有结果表现出较高的一致性. 叶芸等[52]从整体效应角度验证了长江经济带的土地利用变化对碳排放存在显著正相关脉冲响应. 在细分地类后考察不同土地利用类型对城市碳循环特定效应的研究中, 大多证据认为耕地和林地向建设用地的转化会增加区域内的净碳排放量, 即碳收支失衡, 且用地转化和碳储量损失的共同趋势在长三角和珠三角地区尤为明显[53, 54]. Feng等[44]借助CA预测模型得出了碳排放主要由发达地区的城市扩张和非发达地区林草地的减少共同构成的结论. 诚然, 不同的观点认为城市化与碳中和并不相互排斥, 可持续管理的城市化可以增加碳固存, 这是因为城市扩张尽管在初期导致明显的碳储量损失, 但是城市逐渐变绿的趋势可对此加以弥补, 最终形成碳汇[55]. 研究结果的差异性可能与研究区的发展水平有关, 杭州都市圈尚处于建设初期, 产业和基础设施用地扩张的整体需求不减反增, 碳汇用地仍然存在较大优化空间. 由此可见, 以控制城市建设用地总量以及合理规划城市功能区分布为主要特征的国土空间优化调控策略对城市长期碳平衡具有显著意义. 此外, 本文在碳收支驱动机制研究中将碳收支概念由单一的碳收支量拓展至数量和空间分配的双重内涵, 进一步深化了对土地利用变化驱动因子的机制辨析.
然而, 以下问题仍有待未来进一步探究：第一, 本研究自Open Street Map公开数据提取研究区交通用地以增强土地利用数据准确性, 但该网站历史数据最早保留至2014年, 因此1995~2010年的土地利用数据精度仍有进一步提升空间. 第二, 本研究所使用的面板回归模型忽视了变量的空间相关性, 可能造成驱动因子的回归偏差, 因此未来研究需采用空间计量模型强化碳收支驱动机制研究.
4 结论（1）林地与耕地作为杭州都市圈的主要土地利用类型, 1995~2020年面积占比均达到83%以上且呈现逐年下降趋势, 是主要的土地利用转出类型. 土地利用转入类型自2000年起由林地主导转变为建设用地主导, 建设用地在所有土地利用类型中增长最快, 2015年后增幅有所减缓.
（2）研究区碳排放量由1995年的12.94×108 t增长至2000年的49.79×108 t, 碳封存量由1995年的220.86×104 t减少至2020年的218.88×104 t, 整体呈现净碳源态势. 碳收支集中化指数整体尚未越过0.4“警戒线”, 城际碳收支集中水平呈如下排序：杭州 > 黄山 > 绍兴 > 衢州 > 嘉兴≈湖州.
（3）对碳收支量, 耕地面积越大, 形状复杂程度越低, 碳收支量越小；建设用地面积越大, 破碎化程度越高, 碳收支量越大, 且建设用地的碳收支量驱动作用主要来自其他城镇用地. 对碳收支空间集中水平, 耕地面积占比越大, 土地利用混合度越高, 碳收支空间分布越均衡；工业用地和其他城镇用地面积占比越大, 破碎化程度越高, 碳收支空间分布越不均匀.
（4）农田规模化建设、紧凑型城市扩张模式、工业用地节约集约利用和城市功能区分布优化是有助于实现碳平衡的国土空间优化调控路径. 在政策执行过程中, 中央政府和城市居民对碳减排政策有较高的执行意愿, 地方政府、企业和农村村民对政策的配合度存在不同程度的矛盾性和不可控性, 需要通过配套政策做进一步引导.
| [1] |
封雅静, 翟亮, 桑会勇, 等. 基于精细单元碳收支核算及变化分类方法[J]. 地球信息科学学报, 2023, 25(3): 468-478. Feng Y J, Zhai L, Sang H Y, et al. Carbon budget accounting and change classification based on fine units[J]. Journal of Geo-information Science, 2023, 25(3): 468-478. |
| [2] | Marques A, Martins I S, Kastner T, et al. Increasing impacts of land use on biodiversity and carbon sequestration driven by population and economic growth[J]. Nature Ecology & Evolution, 2019, 3(4): 628-637. |
| [3] | Ran C, Bai X Y, Tan Q, et al. Threat of soil formation rate to health of karst ecosystem[J]. Science of the Total Environment, 2023, 887. DOI:10.1016/j.scitotenv.2023.163911 |
| [4] | Zhao C X, Liu Y L, Yan Z X. Effects of land-use change on carbon emission and its driving factors in Shaanxi Province from 2000 to 2020[J]. Environmental Science and Pollution Research, 2023, 30(26): 68313-68326. DOI:10.1007/s11356-023-27110-1 |
| [5] | Le Quéré C, Andrew R M, Friedlingstein P, et al. Global carbon budget 2018[J]. Earth System Science Data, 2018, 10(4): 2141-2194. DOI:10.5194/essd-10-2141-2018 |
| [6] |
王涛, 赵锐, 殷悦, 等. 滨海湿地温室气体收支核算方法[J]. 统计与决策, 2023, 39(12): 56-60. Wang T, Zhao R, Yin Y, et al. Accounting method of greenhouse gas absorption and emission in coastal wetland[J]. Statistics & Decision, 2023, 39(12): 56-60. |
| [7] |
孔凡斌, 曹露丹, 徐彩瑶. 基于碳收支核算的钱塘江流域森林碳补偿机制[J]. 林业科学, 2022, 58(9): 1-15. Kong F B, Cao L D, Xu C Y. Compensation mechanism for forest carbon sink in the Qiantang River basin based on carbon revenue and expenditure accounting[J]. Scientia Silvae Sinicae, 2022, 58(9): 1-15. |
| [8] | Li C J, Bai X Y, Tan Q, et al. High-resolution mapping of the global silicate weathering carbon sink and its long-term changes[J]. Global Change Biology, 2022, 28(14): 4377-4394. DOI:10.1111/gcb.16186 |
| [9] | Ma D, Zhang H X, Song X X, et al. Estimating soil organic carbon and nitrogen stock based on high-resolution soil databases in a subtropical agricultural area of China[J]. Soil and Tillage Research, 2022, 219. DOI:10.1016/j.still.2022.105321 |
| [10] |
李硕硕, 李汝资, 刘耀彬, 等. 环鄱阳湖区县域城镇化对碳收支平衡的影响[J]. 地理研究, 2023, 42(8): 2245-2263. Li S S, Li R Z, Liu Y B, et al. Impact of urbanization on carbon balance in the Poyang Lake region[J]. Geographical Research, 2023, 42(8): 2245-2263. |
| [11] | Chang X Q, Xing Y Q, Wang J Q, et al. Effects of land use and cover change (LUCC) on terrestrial carbon stocks in China between 2000 and 2018[J]. Resources, Conservation and Recycling, 2022, 182. DOI:10.1016/j.resconrec.2022.106333 |
| [12] |
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. |
| [13] |
李璐, 夏秋月, 董捷, 等. 武汉城市圈县域空间横向碳生态补偿研究——基于土地利用碳收支差异[J]. 生态学报, 2023, 43(7): 2627-2639. Li L, Xia Q Y, Dong J, et al. County-level carbon ecological compensation of Wuhan Urban Agglomeration under carbon neutrality target: based on the difference in land use carbon budget[J]. Acta Ecologica Sinica, 2023, 43(7): 2627-2639. |
| [14] | Bertoni G, Ciuchini C, Tappa R. Measurement of long-term average carbon dioxide concentrations using passive diffusion sampling[J]. Atmospheric Environment, 2004, 38(11): 1625-1630. DOI:10.1016/j.atmosenv.2003.12.010 |
| [15] |
金哲, 汪涛, 张洪芹, 等. 基于中国大气反演系统的卫星CO2数据同化对全球碳收支的评估[J]. 中国科学: 地球科学, 2023, 66(3): 587-597. Jin Z, Wang T, Zhang H Q, et al. Constraint of satellite CO2 retrieval on the global carbon cycle from a Chinese atmospheric inversion system[J]. Science China Earth Sciences, 2023, 66(3): 609-618. |
| [16] | Xiong L, Bai X Y, Zhao C W, et al. High-resolution data sets for global carbonate and silicate rock weathering carbon sinks and their change trends[J]. Earth's Future, 2022, 10(8). DOI:10.1029/2022EF002746 |
| [17] | Aleinikovas M, Jasinevičius G, Škėma M, et al. Assessing the effects of accounting methods for carbon storage in harvested wood products on the national carbon budget of Lithuania[J]. Forests, 2018, 9(12). DOI:10.3390/f9120737 |
| [18] | Zhang P Y, He J J, Hong X, et al. Carbon sources/sinks analysis of land use changes in China based on data envelopment analysis[J]. Journal of Cleaner Production, 2018, 204: 702-711. DOI:10.1016/j.jclepro.2018.08.341 |
| [19] | Mi Z F, Zheng J L, Meng J, et al. Carbon emissions of cities from a consumption-based perspective[J]. Applied Energy, 2019, 235: 509-518. DOI:10.1016/j.apenergy.2018.10.137 |
| [20] |
李远玲, 王金龙, 杨伶. 基于县域尺度的湖南省农业碳排放时空特征分析[J]. 中国农业资源与区划, 2022, 43(4): 75-84. Li Y L, Wang J L, Yang L. Study on temporal and apatial characteristics of agricultural carbon emissions in Hunan province at county scale[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2022, 43(4): 75-84. |
| [21] | Ramamurthy P, Pardyjak E R. Toward understanding the behavior of carbon dioxide and surface energy fluxes in the urbanized semi-arid Salt Lake Valley, Utah, USA[J]. Atmospheric Environment, 2011, 45(1): 73-84. DOI:10.1016/j.atmosenv.2010.09.049 |
| [22] |
孔凡斌, 曹露丹, 徐彩瑶. 县域碳收支核算与碳综合补偿类型分区——以钱塘江流域为例[J]. 经济地理, 2023, 43(3): 150-161. Kong F B, Cao L D, Xu C Y. Measurement of carbon budget and type partition of carbon comprehensive compensation in the Qiantang River basin[J]. Economic Geography, 2023, 43(3): 150-161. |
| [23] |
易成栋, 曾石安. "双碳"目标下都市圈碳排放协同治理研究[J]. 中共中央党校(国家行政学院)学报, 2023, 27(1): 96-104. Yi C D, Zeng S A. Research on collaborative governance of carbon emissions in metropolitan area under the "double carbon" goal[J]. Journal of the CCPS (CAG), 2023, 27(1): 96-104. |
| [24] |
王青. 长三角都市圈工业能源消费碳排放强度区域差异及动态演进[J]. 人民论坛·学术前沿, 2022(22): 52-61. Wang Q. Regional differences and dynamic evolution of carbon emission intensity of industrial energy consumption in the Yangtze River Delta metropolitan area[J]. Frontiers, 2022(22): 52-61. |
| [25] | Karmellos M, Kosmadakis V, Dimas P, et al. A decomposition and decoupling analysis of carbon dioxide emissions from electricity generation: evidence from the EU-27 and the UK[J]. Energy, 2021, 231. DOI:10.1016/j.energy.2021.120861 |
| [26] |
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. |
| [27] | Liu Y X, Jiang Y J, Liu H, et al. Driving factors of carbon emissions in China's municipalities: a LMDI approach[J]. Environmental Science and Pollution Research, 2022, 29(15): 21789-21802. DOI:10.1007/s11356-021-17277-w |
| [28] | Chen C Y, Bi L L. Study on spatio-temporal changes and driving factors of carbon emissions at the building operation stage- A case study of China[J]. Building and Environment, 2022, 219. DOI:10.1016/j.buildenv.2022.109147 |
| [29] | Wang G Z, Han Q, de Vries B. Assessment of the relation between land use and carbon emission in Eindhoven, the Netherlands[J]. Journal of Environmental Management, 2019, 247: 413-424. |
| [30] |
钟顺昌, 汪文竹, 闫程莉. 碳减排目标下中国省域城市建设用地空间配置响应研究[J]. 自然资源学报, 2023, 38(7): 1896-1918. Zhong S C, Wang W Z, Yan C L. Research on the response of spatial allocation of urban construction land in China's provinces under the goal of carbon emission reduction[J]. Journal of Natural Resources, 2023, 38(7): 1896-1918. |
| [31] |
张平淡, 屠西伟. 制造业集聚对改进城市碳全要素生产率的影响研究[J]. 城市问题, 2023(6): 37-45. Zhang P D, Tu X W. A study on the impact of manufacturing agglomeration on improving urban carbon total factor productivity[J]. Urban Problems, 2023(6): 37-45. |
| [32] | Shan Y L, Huang Q, Guan D B, et al. China CO2 emission accounts 2016-2017[J]. Scientific Data, 2020, 7(1). DOI:10.1038/s41597-020-0393-y |
| [33] | Shan Y L, Zhou Y, Meng J, et al. Peak cement-related CO2 emissions and the changes in drivers in China[J]. Journal of Industrial Ecology, 2019, 23(4): 959-971. |
| [34] |
房琪, 李绍萍. 碳交易政策如何影响工业碳生产率: 来自中国省级数据的准自然实验[J]. 环境科学, 2023, 44(5): 2983-2994. Fang Q, Li S P. How do carbon trading policies affect industrial carbon productivity: quasi-natural experiments from Chinese provincial data[J]. Environmental Science, 2023, 44(5): 2983-2994. |
| [35] | Long Z, Zhang Z L, Liang S, et al. Spatially explicit carbon emissions at the county scale[J]. Resources, Conservation and Recycling, 2021, 173. DOI:10.1016/j.resconrec.2021.105706 |
| [36] |
张清, 陶小马, 杨鹏. 特大型城市客运交通碳排放与减排对策研究[J]. 中国人口·资源与环境, 2012, 22(1): 35-42. Zhang Q, Tao X M, Yang P. Research on carbon emissions from metropolis urban passenger transport and countermeasures[J]. China Population, Resources and Environment, 2012, 22(1): 35-42. |
| [37] | Xia C Y, Chen B. Urban land-carbon nexus based on ecological network analysis[J]. Applied Energy, 2020, 276. DOI:10.1016/j.apenergy.2020.115465 |
| [38] |
匡耀求, 欧阳婷萍, 邹毅, 等. 广东省碳源碳汇现状评估及增加碳汇潜力分析[J]. 中国人口·资源与环境, 2010, 20(12): 56-61. Kuang Y Q, Ouyang T P, Zou Y, et al. Present situation of carbon source and sink and potential for increase of carbon sink in Guangdong province[J]. China Population, Resources and Environment, 2010, 20(12): 56-61. |
| [39] | West T O, Marland G. A synthesis of carbon sequestration, carbon emissions, and net carbon flux in agriculture: comparing tillage practices in the United States[J]. Agriculture, 2002, 91(1-3): 217-232. |
| [40] |
崔林丽, 杜华强, 史军, 等. 中国东南部植被NPP的时空格局变化及其与气候的关系研究[J]. 地理科学, 2016, 36(5): 787-793. Cui L L, Du H Q, Shi J, et al. Spatial and temporal pattern of vegetation NPP and its relationship with climate in the southeastern China[J]. Scientia Geographica Sinica, 2016, 36(5): 787-793. |
| [41] |
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. |
| [42] |
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. |
| [43] |
柴玲欢, 朱会义. 中国粮食生产区域集中化的演化趋势[J]. 自然资源学报, 2016, 31(6): 908-919. Chai L H, Zhu H Y. Evolution trend of regional centralization of grain production in China[J]. Journal of Natural Resources, 2016, 31(6): 908-919. |
| [44] | Feng Y J, Chen S R, Tong X H, et al. Modeling changes in China's 2000-2030 carbon stock caused by land use change[J]. Journal of Cleaner Production, 2020, 252. DOI:10.1016/j.jclepro.2019.119659 |
| [45] | Lyu R, Zhao W P, Tian X L, et al. Non-linearity impacts of landscape pattern on ecosystem services and their trade-offs: a case study in the city belt along the Yellow River in Ningxia, China[J]. Ecological Indicators, 2022, 136. DOI:10.1016/j.ecolind.2022.108608 |
| [46] |
滕菲, 王艳军, 王孟杰, 等. 长三角城市群城市空间形态与碳收支时空耦合关系[J]. 生态学报, 2022, 42(23): 9636-9650. Teng F, Wang Y J, Wang M J, et al. Spatiotemporal coupling relationship between urban spatial morphology and carbon budget in Yangtze River Delta urban agglomeration[J]. Acta Ecologica Sinica, 2022, 42(23): 9636-9650. |
| [47] |
贺璇. 大气污染防治政策有效执行的影响因素与作用机理研究[D]. 武汉: 华中科技大学, 2016. 75-81. He X. A study on influencing factors and recoupling mechanism of policy implementation in air pollution governance[D]. Wuhan: Huazhong University of Science and Technology, 2016. 75-81. |
| [48] | Lowi T J. Four systems of policy, politics, and choice[J]. Public Administration Review, 1972, 32(4): 298-310. |
| [49] | Wu H Y, Sipiläinen T, He Y, et al. Performance of cropland low-carbon use in China: measurement, spatiotemporal characteristics, and driving factors[J]. Science of the Total Environment, 2021, 800. DOI:10.1016/j.scitotenv.2021.149552 |
| [50] |
王兰. 政府低碳政策和消费者低碳偏好对产品线设计的影响研究[D]. 武汉: 华中农业大学, 2021. 36-67. Wang L. The impacts of government low-carbon policies and consumers' low-carbon preference on product line design[D]. Wuhan: Huazhong Agricultural University, 2021. 36-67. |
| [51] | Jiang P, Chen Y H, Geng Y, et al. Analysis of the co-benefits of climate change mitigation and air pollution reduction in China[J]. Journal of Cleaner Production, 2013, 58: 130-137. |
| [52] |
叶芸, 於冉, 万年顺, 等. 长江经济带产业—碳排放—土地协同发展研究[J]. 水土保持通报, 2022, 42(5): 312-320. Ye Y, Yu R, Wan N S, et al. Research on coordinated development of production development, carbon emission and land use in Yangtze River economic belt[J]. Bulletin of Soil and Water Conservation, 2022, 42(5): 312-320. |
| [53] |
詹绍奇, 张旭阳, 陈孝杨, 等. 2000—2020年淮南矿区土地利用变化对碳源/碳汇时空格局的影响[J]. 水土保持通报, 2023, 43(3): 310-319. Zhan S Q, Zhang X Y, Chen X Y, et al. Effects of landuse change on spatial and temporal patterns of carbon sources/sinks in Huainan mining area from 2000 to 2020[J]. Bulletin of Soil and Water Conservation, 2023, 43(3): 310-319. |
| [54] | Liu X P, Wang S J, Wu P J, et al. Impacts of urban expansion on terrestrial carbon storage in China[J]. Environmental Science & Technology, 2019, 53(12): 6834-6844. |
| [55] | Zhang X X, Brandt M, Tong X W, et al. A large but transient carbon sink from urbanization and rural depopulation in China[J]. Nature Sustainability, 2022, 5(4): 321-328. |