2. 河南大学区域发展与规划研究中心,开封 475004;
3. 河南大学黄河中下游数字地理技术教育部重点实验室,开封 475004
2. Research Center of Regional Development and Planning, Henan University, Kaifeng 475004, China;
3. Key Laboratory of Geospatial Technology for the Middle and Lower Yellow River Regions, Ministry of Education, Henan University, Kaifeng 475004, China
全球变化一直是世界各地众多学者探讨的焦点. 联合国政府间气候变化专门委员会(IPCC)发布的第六次评估报告中指出, 随着温室气体排放的持续增加, 将气候变暖控制在1.5℃的挑战变得更加严峻, 抑制全球变暖刻不容缓, 人类必须做出行动. 中国于2020年主动提出碳达峰、碳中和战略目标, 力争2030年前达到峰值, 2060年前实现碳中和[1, 2]. 然而, 中国各区域生态环境、经济结构、规划目标与产业布局差异大, 低碳目标导向下, 既要保证低碳减排, 又要实现区域经济协调发展, 碳达峰与碳中和目标与区域经济高质量发展面临的挑战叠加. 作为全球气候变化研究的焦点之一, 碳收支直接影响着实现区域“双碳”目标的进程, 而不同地区之间碳收支能力存在差异[3], 为实现区域间碳减排的协同性与公平性, 对区域碳收支状况进行核算, 并建立区域碳补偿机制是行之有效的途径[4]. 国内外相关研究表明, 土地利用/覆被的变化是引起碳排放、碳吸收变化大的主要因素, 仅次于化石燃烧导致温室气体排放的来源[5, 6]. 因此, 从土地利用变化的视角探究区域碳收支格局与碳补偿成为低碳化经济发展的重要参考, 对于实现区域低碳减排和可持续发展具有一定的实践意义[7].
近年来诸多学者围绕土地利用碳收支和碳补偿开展了大量研究, 形成了丰富的理论和实践经验, 研究成果主要集中在碳收支时空格局[8, 9]、碳排放效应研究[10, 11]、空间关联[12]、影响因素分析[13]和碳补偿分区[14, 15]等多个方面. 如夏四友等[16]基于主体功能区对京津冀城市群碳收支时空分异和碳补偿分区进行研究, 得到了9类碳补偿空间优化区, 对实现区域碳公平和协同减排具有重要意义;李璐等[3]对武汉城市圈土地利用碳收支空间格局进行分析, 引入优势因素判别法构建碳补偿分区模型, 提出功能区差别化碳补偿分区空间优化方案, 对促进区域间公平和可持续发展具有重要意义. 在研究尺度上, 目前碳收支与碳补偿分区的研究主要是以国家[12, 17]、省域[18~20]、城市群[16, 21]、流域[22, 23]和单个城市[15]为研究对象, 以人口密集和经济活动高度聚集的地区为土地利用碳收支和碳补偿研究的热点区域. 研究方法上, 国内外学者主要基于IPCC提出的碳排放系数法[14]、遥感估算法[24, 25]和因素分解法[26, 27]等测算和分析碳收支时空差异及碳补偿潜力, 其中, 遥感估算法适用范围较广, 有利于实现不同区域碳排放的时空差异对比, 但尚处于起步阶段, 精度有待提升, 应用最广泛的遥感数据为DMSP-OLS和NPP/VIIRS夜间灯光数据[28];因素分解法可定量分析碳排放影响因素, 但该方法不考虑碳源本身的排放特征, 微观尺度数据难以获取, 且估算精度有欠缺, IPCC碳排放因子法是广泛应用的方法[29]. 综合来看, 随着研究的不断深入与拓展, 国内关于土地利用碳收支核算、碳补偿分区研究逐渐完善且丰富, 对本研究具有较强的参考意义, 但一方面囿于县域尺度社会经济数据的不完整, 导致在县域及以下单元的碳收支和碳补偿研究相对不足, 我国区县数量庞大, 各地经济发展和自然资源状况复杂[30], 从县域尺度关注碳收支问题并因地制宜制定横向碳补偿制度, 更有利于推动区域低碳经济发展和完善区域碳补偿机制. 另一方面, 从功能区视角进行碳补偿分区和优化的研究较少, 功能区是具有特定主体功能区定位的空间开发单元, 结合各地区社会经济基础、资源环境条件被赋予精准的发展需求, 以功能区视角解析碳补偿分区, 对实现优化区域资源空间配置和碳减排管理调控具有重要意义.
鉴于此, 本研究将以2000~2020年河南省123个县域单元的时空面板数据为基础, 运用IPCC碳排放系数方法, 探究河南省123个区县土地利用碳收支时空格局, 并基于主体功能区划视角构建低碳目标导向的河南省县域主体功能区优化思路. 在研究对象的选取上, 作为人口、能源大省和中部低碳经济发展的重点区域, 河南省土地利用变化强烈、产业结构偏重和能源结构偏煤问题较为突出, 煤炭消费占比高出全国水平约10%, 作为中部低碳经济发展的重点区域, 河南省的碳排放水平和减排成效将直接影响整个区域的低碳发展过程. 研究对象尺度上, 县作为国家主体功能区划的基本单元, 是宏观政策制定的重要阵地, 又是微观政策落实的关键节点[16], 开展县级尺度的碳收支研究, 对于揭示各区域碳减排战略的差异性, 以及推动国家碳减排政策的切实可行, 均具有不可或缺的重要意义. 研究时间跨度上, 虽然已有学者针对县级碳收支问题进行研究, 但更多是基于较短时段展开研究, 开展更长时间序列的县域单元碳收支研究有待进一步加强. 研究方法上, 本研究采用应用较为广泛的碳排放系数法进行土地利用碳排放核算, 特殊的是, 以往研究在进行省域内县级尺度的建设用地碳排放时, 多使用县域GDP在省域GDP的占比与省域建设用地碳排放的乘积来估算县域建设用地碳排放, 这种方法放大了碳排放与GDP的相关性, 导致结果与实际情况可能存在一定偏差, 因此, 本研究搜集和整理了2000~2020年河南省123个县域单元的10种能源消耗量, 对于在统计年鉴和政府工作报告都无法获取的缺失数据, 采用综合能源消费量占比及单位GDP能耗相结合的方法间接推算县域能源消耗, 具有一定准确性. 河南省正处于经济低碳转型和能源结构优化的关键阶段, 为助推实现碳达峰和碳中和目标, 需加快促进碳减排和绿色低碳变革, 本研究通过分析河南省123个县域单元碳收支时空格局和碳补偿分区, 以期为河南省构建土地利用低碳模式和生态文明建设提供参考.
1 材料与方法 1.1 研究区概况河南省位于中国内陆, 地处黄河中下游, 东临安徽和山东, 北接河北和山西, 西连陕西, 承东启西, 连南贯北, 地跨海河、黄河、淮河和长江这四大流域, 全省总面积16.7×104 km2. 地形西高东低, 北、西、南三面为太行山、伏牛山、桐柏山和大别山, 沿省界呈半环形分布, 中东部为黄淮海冲积平原, 西南部为南阳盆地, 土层深厚, 适宜耕作, 是我国核心的粮食生产大省(图 1). 河南省2020年生产总值54 997×108元, 位居全国第五, 能源消耗量(以标准煤计)为2.275 2×108 t, 是全国重要的经济开发大省和区域性综合能源基地[31, 32], 然而, 经济发展以能源的大量消耗和物质资本投入为代价[33], 存在能源利用效率低、产业结构偏重偏煤和低碳转型压力大等问题, 因此对河南省土地利用变化碳排放效应展开研究, 对于促进中部地区实现绿色低碳经济发展具有一定的指导意义. 随着中部地区崛起战略的实施, 河南省根据不同区域的资源环境承载能力、现有开发强度和发展潜力以及全省发展战略布局, 将国土空间按开发方式分为国家级重点开发区域、省级重点开发区域、农产品主产区、国家级重点生态功能区和省级重点生态功能区[34](图 1). 河南省以郑州市为中心, 下辖17个地级市、1个省级直辖市、20个县级市、82个县和54个市辖区, 共174个县市级行政单元. 考虑到数据的可获取性及碳收支的空间连续性, 本研究将各地级市的市辖区合并为一个县(市、区)级行政单元, 形成123个县级研究单元.
![]() |
图 1 研究区概况 Fig. 1 Overview of the study area |
本文以河南省123个县(市、区)级行政单元为研究对象, 测算2000~2020年各县域单元的土地利用碳收支和碳补偿额度. 数据主要包含土地利用数据和农业生产情况(农业机械总动力、化肥使用量、有效灌溉面积等)、农作物种植面积及产量、GDP和能源消耗量等社会经济数据. 其中, 河南省2000年、2005年、2010年、2015年和2020年土地利用数据来源于中国科学院资源环境科学数据中心(http//www.resdc.cn/), 分辨率为30 m×30 m;DEM数据来源于地理空间数据云(http://www.gscloud.cn/)提供的ASTER GDEMV2数据产品, 空间分辨率30m;经济社会数据来源于《中国能源统计年鉴》《中国统计年鉴》《河南省统计年鉴》以及各市(县)的统计年鉴、国民经济发展报告数据和人民政府官方网站等(社会经济面板数据统计时段为2000~2021年). 由于部分县域分品种能源消耗数据的可获取性较低, 本研究对于该部分缺失数据通过综合能源消费量占比及单位GDP能耗综合间接测算.
1.3 研究方法本文根据土地利用现状分类, 结合IPCC温室气体清单方法, 综合河南省农业大省的特殊定位建立县域尺度碳收支核算方法体系. 其中, 碳吸收的研究地类为耕地、林地、草地、水域和未利用地, 碳排放主要包括建设用地和农用地.
1.3.1 碳吸收测算 1.3.1.1 耕地碳吸收量借鉴赵荣钦等[4]相关研究, 将农作物碳吸收量纳入碳收支核算范围中. 计算公式为:
![]() |
(1) |
式中, Ccrop为耕地碳吸收量(×104 t);Ci为第i种农作物碳吸收率;Di为第i种作物的生物产量(t);Pi为第i种作物的含水率(%);Yi为第i种作物的经济产量(t);Hi为第i种作物的经济系数;其中, 农作物碳吸收率、含水率和经济系数根据已有研究整理[35~38], 见表 1.
![]() |
表 1 主要农作物的碳吸收率、含水率和经济系数 Table 1 Carbon sequestration rates, water content, and economic coefficients of major crops |
1.3.1.2 其他地类碳吸收量
林地、草地、水域和未利用地被视为碳汇, 根据赖力[5]、方精云等[39]和彭文甫等[40]的研究, 碳排放系数分别取值为0.581、0.020 5、0.253和0.000 5 t·(hm2·a)-1, 其计算公式如下:
![]() |
(2) |
式中, Celse为其他地类碳吸收总量(×104 t);Si为第i种地类的面积(hm2);Ci为第i种地类的碳吸收系数.
1.3.2 碳排放测算 1.3.2.1 建设用地碳排放量现有研究关于省内各地级市或县域等的建设用地碳排放测算, 普遍采用间接估算的方法进行, 基于此, 本文选用的能源主要有10种, 分别为煤炭、焦炭、原油、燃料油、煤油、柴油、汽油、天然气、电力和热力, 计算方式如下:
![]() |
(3) |
式中, Eurban为建设用地的碳排放总量(×104 t);mi为第i种能源的消耗量;ni为第i种能源的标准煤换算系数;δi为第i种能源的碳排放系数. 碳排放系数和能源折算标准煤系数来自于2006年《IPCC国家温室气体清单编制指南》[41]和《综合能耗计算通则》[42], 具体碳吸收系数参照表 2.
![]() |
表 2 标准煤转换系数和碳排放系数1) Table 2 Standard coal conversion and carbon emission conversion coefficients |
1.3.2.2 农用地碳排放量
农用地的碳排放主要来源于人类活动干扰, 借鉴已有研究[4], 采用间接估算法进行测算, 主要分为农业化肥施用、农业机械使用和灌溉过程带来的碳排放, 计算公式如下:
![]() |
(4) |
式中, Ecrop为农用地总碳排放量(×104 t);Ef、Em和Es分别为农田化肥施用、农业机械使用和灌溉过程带来的碳排放(×104 t), 其中, Sn为农作物种植面积(hm2);Pn为农业机械总动力(×104 kW);Sg为灌溉面积(hm2);Gf为化肥使用量(t), 通过化肥折纯量计算;P、Q、R和A为碳排放系数(以C计), 来自美国橡树岭国家实验室[43], 分别取16.47 kg·hm-2、0.18 kg·kW-1、266.48 kg·hm-2和857.54 kg·Mg-1.
1.3.3 土地利用碳补偿基准值 1.3.3.1 碳补偿基准值的确定区域净排放量是区域碳排放量与碳吸收量的差值, 本文以此作为碳补偿基准确定的依据. 如果某地区碳汇能力大于碳排放量, 说明该地区生态系统不仅吸收本地区的碳排放, 而且吸收周边地区的碳排放, 该地区应当获得碳补偿;反之, 应该支付碳补偿资金[44]. 公式为:
![]() |
(5) |
式中, Li为土地利用净碳排放量(×104 t);Ei为i地区的碳排放量;Ci为i地区的碳吸收量;i=1, 2, 3, ⋯, n;若Li > 0, 则该地区应支付碳补偿资金, 若Li < 0, 则该地区应获得碳补偿资金.
1.3.3.2 碳补偿基准值的确定由于各地区的经济发展、生态状况和碳排放强度存在差异, 仅以净排放量作为碳补偿基准可能存在偏差. 为了确保公平性, 需要调整碳补偿基准值, 为每个地区设定碳排放阈值, 以减少地区间的差异, 获得更准确的碳补偿基准值[4]. 测算公式为:
![]() |
(6) |
式中, Pi为各县域单元的碳排放阈值(×104 t);ECC为各区域的经济贡献系数;Di为河南省各县域单元碳排放平均值(×104 t);ci和c分别为各县域单元的生产总值和河南省的生产总值(×104元);Ei和E分别为各县域单元的碳排放和河南省总的碳排放(×104 t).
考虑到河南省碳排放强度的时空差异, 基于2000年、2005年、2010年和2015年各县域单元的碳排放强度和全省的碳排放强度, 对2005年、2010年、2015年和2020年各县域单元碳排放量进行修正. 以测算2020年碳补偿价值为例, 修正公式如下:
![]() |
(7) |
式中, Ei1为修正后的碳排放量(×104 t);Gt1-i和Gt2-i分别为2015年和2020年的第i个县域单元的单位GDP碳排放[t·(104元)-1];GT1和GT2分别为2015年和2020年河南省全省的单位GDP碳排放[t·(104元)-1];GT为2020年全省县域单元平均单位GDP碳排放[t·(104元)-1].
1.3.3.3 碳补偿基准值的确定修正后, 碳补偿基准值更加接近真实情况, 计算公式如下:
![]() |
(8) |
式中, Li1大于0时, 该区县应支付资金进行补偿;Li1小于0时, 该区县应得到资金补偿.
1.3.4 土地利用碳补偿价值测算参考以往研究方法[4, 44], 可得到碳补偿价值的计算方法, 公式如下:
![]() |
(9) |
式中, Vi为第i区县需要支付或得到的碳补偿资金(×104元);φ为单位碳的补偿价格[×104元·(104 t)-1];γ为第i区县的碳补偿系数.
![]() |
(10) |
式中, Cmax和Cmin分别为国内碳汇价格的最大值和最小值[45][×104元·(104 t)-1];G1为河南省2020年人均GDP(×104元);G2为全国2020年人均GDP(×104元).
由于各区县经济发展水平存在差异, 各区县碳补偿的能力也不同. 因此, 为了进一步考虑各地区的实际支付能力, 需要根据不同地区的经济发展水平来确定碳补偿系数, 这里采用改进后的Peal生长曲线模型[46](S型生长曲线). 公式表示为:
![]() |
(11) |
式中, ri为第i个地区的碳补偿系数;Ai为第i个地区的碳补偿能力, 即第i个地区GDP与河南省总GDP之比;a和b为常数, 这里取1;t为河南省2020年的恩格尔系数.
2 结果与分析 2.1 河南省土地利用碳排放时空特征分析2000~2020年河南省碳排放总量结果如表 3, 从总量上来看, 河南省2000~2020年土地利用碳排放总量呈现一个明显的先增后降的趋势, 碳排放量从2000年的6 730.92×104 t增长到2015年的21 446.68×104 t, 增幅达到2.19倍, 之后缓慢下降到2020年的19 087.41×104 t, 年均减少率仅为2.2%. 整体上, 河南省碳排放变化趋势可以分为3个阶段, 即碳排放高速增长期(2000~2010年)、中速增长期(2010~2015年)和平缓减弱期(2015~2020年). 改革开放以来, 河南省经济社会发展迅猛, 工业化和城镇化进程加快, 2000~2010年河南省城镇化建设步伐明显加快, 2000年城镇化率为23.17%, 2010年的“六人普”相较于2000年的“五人普”提升了15.35%, 2020年“七人普”城镇化率达到55.43%, 年均增速达到1.69%并不断提升[32]. 在城市化进程中, 建设用地面积持续扩张, 传统能源消耗量随之增加, 导致建设用地碳排放量大幅上升, 成为主要碳源之一, 因此, 城市化进程在一定程度上加剧了碳排放量的增加. 从土地利用类型来看, 2000~2020年, 建设用地是河南省县域土地利用碳排放的主要来源, 占碳排放总量的比例均值为95.46%. 县级尺度上, 2000~2020年河南省123个县域单元中仅有4个呈现逐年递增趋势, 分别为安阳市辖区、原阳县、渑池县和西峡县, 36个县域单元呈现先增后降的变化态势, 占比29.26%. 同时, 河南省碳排放总量处于高水平(> 500×104 t)和中高水平(200×104 t~500×104 t)类型的区县个数在2000~2020年呈现先增后降趋势, 2000~2015年, 从0个增长至峰值10个, 与此同时, 河南省工业化进入跨越式发展阶段, 城市化进程加快, 能源消耗持续增长. 在我国能源发展迈向高质量发展的新征程上, 河南省作为能源消耗大省坚持以绿色低碳为导向, 强化能源结构优化方案, 2020年中高及高水平碳排放区域已减少至4个, 表明河南省节能降碳取得积极成效.
![]() |
表 3 河南省土地利用碳排放、碳吸收和净碳排放量变化×104/t Table 3 Changes in carbon emissions, carbon absorption, and net carbon emissions from land use in Henan Province×104/t |
从空间分布来看, 2000~2020年河南省各县域碳排放量在空间分布上变化显著(图 2), 整体呈现“中部与北部为高值聚集, 向外扩散低值分散”的分布特点, 县级尺度上, 以平顶山市辖区、洛阳市辖区、郑州市辖区为高值中心, 向外逐渐辐射降低. 豫西山区和豫南大别山地区的碳排放水平较低, 其主要原因是该区域工业开发利用程度普遍较低, 且拥有相对丰富的森林资源, 碳排放量小, 碳汇能力高, 以豫西伏牛山区的卢氏县为例, 作为省级重点生态功能区, 其自然植被茂盛, 农业生产总体稳定, 粮食产量连续多年保持在一个较高的水准, 这为卢氏县的经济发展奠定了坚实的基石. 此外, 卢氏县的经济发展主要依赖于第三产业, 而高能耗、高排放的企业在其产业结构中仅占据较小的比例, 从而实现了较低的能源消耗. 因此, 卢氏县在全省范围内拥有最低的碳排放量, 其多年的平均值仅为6.76×104t. 高值区主要集中于重点开发区, 这类区域承载了河南省64.71%的碳排放, 是经济发展水平较高, 城镇化、工业化程度较高, 且主导产业中高能耗、高排放产业占有较大比例的区域.
![]() |
图 2 2000~2020年河南省土地利用碳排放空间格局 Fig. 2 Spatial pattern of carbon emissions from land use in Henan Province from 2000 to 2020 |
2000~2020年河南省碳吸收总量结果如表 3, 从总量来看, 河南省土地利用整体碳吸收量从2000年的9 548.58×104 t增加到2020年的16 727.55×104 t, 增长明显, 涨幅高达175%, 其中, 2000~2005年增长速度最大, 2010~2020年上升趋于平缓. 如图 3所示, 县级尺度上, 2000~2020年河南省123个县域单元中有44个呈现逐年递增趋势, 25个县域单元呈现先增后降的变化态势, 54个县域单元呈现起伏变化. 同时, 河南省碳吸收总量处于高水平(> 200×104 t)和中高水平(150×104~200×104 t)类型的区县总数在2000~2020年呈现连续增长趋势, 从2000年的8个增长至2020年44个, 说明河南省碳减排已有初步成效, 这得益于河南省在生态文明建设方面采取的一系列措施, 如加快农业绿色发展和推进工业绿色升级等重点任务, 河南省还致力于推动绿色低碳转型, 全省单位生产总值能耗累计降低, 绿色低碳转型成效明显, 在二十大精神引领下, 河南省未来也将坚决扛起生态文明建设和生态环境保护的政治责任, 深入建立健全绿色低碳循环发展循环体系, 确保实现碳达峰、碳中和目标. 从土地利用类型来看, 耕地碳吸收量在2000~2020年稳步增加, 其对碳吸收量贡献率高达87%以上, 对河南省碳吸收起到了重要作用;林地碳吸收量在2000~2020年先增加后减少, 其对碳吸收量的贡献率稳定在9.3%之间;2000~2020年河南省草地面积有所增加, 但其碳吸收量相对较小, 对碳吸收作用较弱. 由此可见, 耕地和林地是河南省土地利用碳汇的主要来源[47]. 20 a间河南省林地面积虽有所增加, 但涨幅较小, 而作为我国粮食核心生产区, 河南省农作物播种面积大, 随着智慧化农业生产技术的快速发展, 农业生产效率大幅提高, 农业种子的选育改良对粮食增产提供了关键支撑, 河南省近年来粮食产量逐年增加, 这成为河南省农业碳汇的重要优势[4, 48].
![]() |
图 3 2000~2020年河南省土地利用碳吸收空间格局 Fig. 3 Spatial pattern of land use carbon absorption in Henan Province from 2000 to 2020 |
从空间分布格局来看, 河南省2000~2020年县域碳汇具有较大的空间差异, 整体呈现“东高西低, 南高北低”的分布特征(图 3). 结合河南省功能区划进一步分析碳吸收格局分布特征, 观察可知, 碳吸收高值区主要分布在东部平原的粮食生产区和西南部山区的重点生态功能区, 例如, 滑县、永城市、内黄县、固始县、唐河县和杞县等作为河南省产粮大县, 农作物播种面积大, 较高的粮食产量驱动其碳吸收量一直处于高值, 该区域2020年的碳吸收量均超过200×104 t, 且滑县拥有全省最大的碳吸收量(为360×104 t). 此外, 位于河南省西南部南阳盆地中部偏西地区的邓州市, 作为省级重点生态功能区, 2000~2020年碳吸收量均值为286×104 t, 碳吸收量处于高水平. 与此同时, 卢氏县、栾川县和嵩县等重点生态功能区位于河南省豫西偏远山区和大别山生态保护区周边, 因工业开发程度低, 生态环境好, 而具有较高的林地碳汇能力.
2.3 河南省碳收支指标时空特征分析河南省碳排放强度如图 4(a)所示, 单位GDP碳排放强度是指单位国内生产总值的碳排放量, 是碳排放量与经济发展水平之间关系的衡量指标, 碳排放强度越高, 表示该区域的经济活动相对越依赖于高碳排放的能源和生产方式. 可以发现, 时空变化上, 河南省123个县域单元在2000~2020年内碳排放强度呈现逐年递减和先增加后减少趋势的个数分别达到了35和40个, 总占比达60.98%, 最值得注意的是, 有27个县域单元的碳排放强度在2000~2015年连续递减之后却在2020年逐渐升高, 如新乡县、范县、鄢陵县、襄城县、三门峡市辖区和内乡县等, 碳排放量均超过了100×104 t, 该区域是未来碳减排工作的重点对象之一. 2000~2020年, 碳排放强度大于1的县域单元个数呈现明显降低趋势, 具体为:2000年110个, 2005年54个, 2010年27个, 2015年18个, 2020年7个, 这说明河南省在碳减排工作中取得了显著成效. 从主体功能区类型来看, 河南省123个县域单元的多年碳排放强度均值顺序为[t·(104元)-1]:国家级重点开发区(1.09) > 省级重点开发区域(0.93) > 农业主产区(0.83) > 省级生态功能区(0.70) > 国家级重点生态功能区(0.47). 空间分布上, 河南省碳排放强度呈现出鲜明的空间格局, 中部和北部为高值区, 西部、东部和南部地区的碳排放则相对较低, 碳排放强度高值区以重点开发区和农业主产区为主, 该区域呈现出以下规律:①重点开发区如平顶山市辖区、汝州市、义马市、永城市和宝丰县等, 该地区多为重要的工业生产基地, 产业结构中包含占比较大的重工业, 如煤炭、电力和冶金等高排放行业, 化石能源消耗量较高, 其中, 平顶山市2000~2020年的碳排放强度均值高达2.14, 碳排放总量达到107 t级别, 以煤炭为主的化石能源消耗驱动了碳排放强度的持续偏高;②农业主产区如鲁山县、新安县、浚县、淇县、滑县和范县等, 该地区多为粮食生产核心区域, 碳排放量均超过了100×104 t, 且主要来源于土地利用开发过程中的能源消耗, 这说明该区域可能存在产业结构不合理和土地利用效率低下等问题.
![]() |
图 4 2000~2020年河南省土地利用碳排放强度、净碳排放量和碳补偿率空间格局 Fig. 4 Spatial distribution of carbon emission intensity, net carbon emission, and carbon compensation rate of land use in Henan Province from 2000 to 2020 |
净碳排放量是指在生产生活等活动过程中产生的碳排放量与碳吸收量之间的差值, 净碳排放量为正, 则说明该区域产生的碳汇不足以消耗区域产生的碳排放, 从而增强了区域对气候变化的负面影响. 如图 4(b)所示, 时间变化上, 2000~2020年, 河南省123个县域单元的净碳排放量中, 为正值的个数呈现逐年减少趋势, 2000年最高(为91个), 2020年降低至48个, 占比达到39.02%, 其中, 平顶山市辖区拥有最高的多年净碳排放量均值, 为870.13×104 t, 邓州市最低, 为-176.41×104 t. 从主体功能区类型来看, 河南省123个县域单元的多年净碳排放量均值顺序为(×104 t):国家级重点开发区(165.94) > 省级重点开发区域(52.55) > 农业主产区(-35.52) > 省级生态功能区(-47.11) > 国家级重点生态功能区(-60.93). 空间上, 净碳排放量与碳排放强度呈现一定的分布相似性, 主要表现为正值集中于中部和北部, 西部、东部和南部多为负值. 2000~2020年河南省各县域单元净碳排放量呈现一定规律:经济水平越高, 工业化程度越高的地区, 净碳排放量可能相对越高, 这主要与各县域单元的经济发展水平、产业结构和能源消费模式的差异有密切联系, 净碳排放呈现正值的地区, 比如平顶山市辖区、郑州市辖区、洛阳市辖区、登封市、汝州市和永城市, 多为城市化进程迅速且拥有高能耗、高排放产业的重点开发区域;净碳排放为负的地区, 多为粮食生产区和生态保护区, 土地利用开发程度不高, 比如杞县、通许县、台前县、邓州市和虞城县等区域.
区域碳补偿率是指碳吸收量与碳排放量的比值, 用以反映某一县域单元的碳排放压力情况, 碳补偿率越高, 则表明该地区的碳汇能力越强[21]. 如图 4(c)所示, 河南省县域单元碳补偿率在时空上具有显著差异, 空间变化上, 与碳排放强度和净碳排放量呈现出相反的分布趋势, 中部和北部多为低值区, 高值区集中分布于西部、东部和南部地区. 在时间变化上, 2000~2020年, 河南省123个县域单元的碳补偿率均值呈现持续增长趋势, 平均涨幅达到18.05%, 其中, 碳补偿率大于1的县域单元个数均值保持在76个, 占比达到61.78%. 从主体功能区类型来看, 河南省123个县域单元的多年碳补偿率均值顺序为(%):省级重点生态功能区(821) > 国家级生态功能区(773) > 农业主产区(412) > 省级重点开发区域(198) > 国家级重点开发区(11), 其中, 重点开发区主要承担经济和工业发展, 城市化程度高, 能源消耗和碳排放量大, 具有较少的耕地和林地, 因此碳汇能力弱, 碳补偿率相对较低. 农用地和林地是碳汇的主要来源, 相对而言农作物种植面积越大和植被覆盖度越高的地区, 其碳吸收量越大, 如卢氏县、嵩县、通许县、滑县、杞县和柘城县等地区碳补偿率普遍偏高, 其中, 2000~2020年碳补偿率均值最高为卢氏县, 年均值为4 021%, 义马市最低, 仅有5%.
2.4 河南省碳补偿价值时空特征分析结合改进后的碳补偿模型依据公式(5)~(11), 分别以2000年、2005年、2010年和2015年为基准年计算出河南省2005年、2010年、2015年和2020年各县域土地利用碳补偿价值空间分布格局如图 5所示. 2005~2020年, 研究区内受偿区的数量呈现先增后降的起伏变化, 2010年受偿区个数最多, 达到89个, 2020年受偿区个数最少, 为78个, 年均占比达到67.88%, 其中, 碳补偿价值大于50×104元的区域即重度补偿区的数量在2010年达到小高峰(21个), 2015年减少为0, 2020年达到最高(30个). 2005~2020年研究区内支付区的数量呈现先降后增的趋势, 多年均值为40个, 其中, 支付金额大于50×104元的区域即重度支付区的数量在2010年达到最低(34个), 2020年增长为45个. 2000~2020年, 河南省123个县域单元中共有65个始终扮演着受偿区的碳补偿角色, 比例约占全省县域单元总数的52.8%, 同时, 24个县域单元始终作为支付区, 占比约为19.5%, 值得注意的是, 还有34个县域单元的碳补偿角色在20年内发生了复杂的动态演变趋势. 总的来说, 河南省123个县域单元在碳补偿方面具有显著的资源本底差异性和动态变化, 一方面, 持续作为受偿区的县域单元表明该地区在碳吸收和生态保护方面表现出色, 对维护区域碳平衡具有积极作用, 另一方面, 始终作为支付区的县域单元则表明该地区在经济发展中面临着较大的碳排放压力, 碳补偿角色的动态转变也反映了河南省在应对碳减排和生态文明建设方面的复杂性和挑战性. 空间分布上, 河南省县域单元支付区和受偿区具有鲜明的地域特点(图 5), 支付区主要集中分布在河南省中部和北部地区, 以上区域往往具有较为发达的经济基础和较高的工业化水平, 因此在碳补偿机制中扮演着支付者的角色. 相对地, 受偿区则广泛分布在河南省的东部、西部和南部, 以上区域往往具有丰富的自然资源和生态优势, 在经济发展方面以农业、高新技术产业为主, 资源、能源消耗少, 在碳补偿机制中作为受益方接受来自支付区的资金支持, 用于推动本地区的碳减排和生态保护工作. 通过支付区和受偿区的划分和合作, 可以实现资源的优化配置和生态环境的共同保护, 推动河南省范围内的绿色发展和生态文明建设.
![]() |
图 5 2005年、2010年、2015年和2020年河南省土地利用碳补偿价值 Fig. 5 Carbon compensation value of land use in Henan Province in 2005, 2010, 2015, and 2020 |
2020年河南省各县域单元的碳补偿标准如表 4和表 5所示, 对碳补偿价值从高到低按3个水平进行分区:重度支付/受偿区(> 50×104元)、重度支付/受偿区(25×104元~50×104元)和轻度支付/受偿区(0~25×104元), 并以支付或补偿金额占该县域GDP总量的比例来分别表示区域支付压力和受偿程度. 支付区45个, 总计支付金额9 207.09×104元, 支付压力均值为0.35, 重度支付区20个, 主要有平顶山市辖区、安阳市辖区、永城市、范县、济源市、伊川县和汝州市等区域, 其中, 平顶山市辖区支付的碳补偿资金最高, 为3 535.77×104元, 支付压力达到3.98. 受偿区有78个县域单元, 总计受偿金额4 819.29×104元, 受偿程度均值为0.17, 重点补偿区有30个, 主要有郑州市辖区、信阳市辖区、淮阳县、项城市、通许县、尉氏县和商丘市辖区等区域, 其中, 郑州市辖区获补偿金额最多, 为820.60×104元, 受偿程度为0.19. 总体来看, 碳补偿支付区大多是河南省经济发展水平相对较高的地区, 该区域工业化程度较高, 能源结构偏煤, 建设用地开发过程中产生了大量的能源消耗, 造成了区域碳排放的增加, 使得净碳排放多数为正. 重点获偿区一方面位于河南省经济水平相对较弱的山区和东部平原, 如滑县、鹿邑县、太康县、杞县和唐河县等区域, 该区域经济方式以农业为主, 土地利用开发程度较低, 生态环境较好, 大面积的耕地和植被覆盖产生了大量的碳吸收, 从而导致该区域的净碳排放往往为负. 另一方面, 经济发展水平较高的一些开发区也纳入了重度补偿区行列, 如郑州市辖区、漯河市辖区、许昌市辖区、新乡市辖区、新郑市和南阳市辖区等区域, 该区域具有较为雄厚的经济实力和多样化的产业结构, 同时, 得益于城市在能源结构、交通体系和绿色能源等方面的持续优化和创新, 在碳排放控制方面也取得了较好的效果, 实现了经济、社会和环境的协调发展. 从主体功能区方面来看, 支付区主要以国家级和省级重点开发区为主, 该区域工业化和城市化进程较快, 对能源需求量大. 其中值得注意的是, 少数生态功能区成为碳补偿支付区, 如位于河南省西部南阳市境内的内乡县、西峡县和桐柏县, 该区域生态环境良好, 自然资源禀赋高, 具有较高的碳汇能力, 但在快速的工业化和城市化发展过程中, 受到产业结构、煤炭资源消耗增加、人类活动和旅游开发等因素的驱动, 区域的碳排放量增强, 从而使得生态功能区的碳排放水平变高. 如内乡县, 区域产业对煤炭的需求量大, 2020年原煤消耗量达到199×104 t, 呈现出明显的高位态势, 远高于周边地区和农业主产区平均水平. 受偿区主要以农业主产区为主, 在受偿区域中占比达到62.8%, 其次是重点开发区, 由于基数较大占比达到了25.6%, 需要获得碳补偿资金支持的生态功能区个数为9个, 在所有生态功能区中占比达到75%. 总的来说, 主体功能区的不同定位与碳补偿角色的分布紧密相关, 通过明确不同区域的主体功能和碳补偿状况, 可以更有针对性地制定区域碳减排政策, 推动区域绿色低碳发展.
![]() |
表 4 2020年河南省各县域碳支付价值及支付压力 Table 4 Value of carbon payments and payment pressure by county in Henan Province in 2020 |
![]() |
表 5 2020年河南省各县域碳补偿价值及受偿程度 Table 5 Carbon compensation value and degree of compensation by county in Henan Province in 2020 |
2.5 河南省县域空间碳平衡分区与低碳发展策略研究
通过河南省各县域单元碳收支总量、碳排放强度和碳补偿率等指标的测算, 基于省级主体功能区规划方案, 将河南省县域单元分为5类区域:碳强度控制区、碳总量控制区、碳收支均衡区、低碳优化区和绿色碳汇区(图 6). 分区依据如下:①碳强度控制区:单位GDP碳排放量大于1;②碳总量控制区:碳排放总量 > 100×104 t;③碳收支均衡区:碳补偿率介于80%~120%之间;④低碳优化区:碳吸收量小于100×104 t且补偿率 > 120%;⑤绿色碳汇区:碳吸收量大于100×104 t且碳吸收率大于120%. 最终得到7个碳强度控制区, 33个碳总量控制区, 12个碳收支均衡区, 12个低碳优化区和59个绿色碳汇区.
![]() |
图 6 2020年河南省县域碳平衡分区方案 Fig. 6 Carbon balance zoning plan for Henan Province counties in 2020 |
碳强度控制区空间分布不均, 主要集中在平顶山市辖区、安阳市辖区、义马市和永城市等重点开发区域, 以上区域产业结构较为单一, 重化工业占比较大, 在经济发展过程中对传统能源消耗依赖较大, 而区域内经济生产总值较低, 且碳吸收能力不足无法有效消耗碳排放, 从而导致了碳排放强度的持续增大. 碳总量控制区主要分布在河南省中部和北部的重点开发区和农业主产区, 该区域碳排放总量较大, 但由于经济总量也相对较大, 所以碳排放强度相对较低, 主要包括郑州市辖区、登封市、开封市辖区、洛阳市辖区和许昌市辖区等区域, 以上区域通常具有经济结构相对合理、科技创新能力强和清洁能源开发力度大等特点. 碳收支均衡区空间上呈现大范围分散, 小范围聚集的分布格局, 以上区域的碳补偿率介于80%~120%, 说明区域内碳吸收能够补偿或基本补偿人类活动的碳排放, 具有较强的碳汇功能和较低的生态压力, 如新郑市、漯河市辖区、舞钢市、内乡县和西峡县. 低碳优化区的碳排放总量和碳排放强度较低, 碳吸收量 < 100×104 t, 该区域碳吸收量处于中等水平, 但由于生态系统保护较好、自然资源禀赋高等特点, 具有较大的碳汇发展空间, 如汝阳县、郏县、台前县、新县和商城县等农业主产区和重点生态功能区. 绿色碳汇区的碳吸收量 > 100×104 t, 碳补偿率 > 120%, 主要分布在河南省西部山区和东部平原的生态功能区和农业主产区, 西部山区土地利用类型以林地和草地为主, 森林覆盖率高, 拥有丰富的自然资源, 具有强大的碳吸收能力, 如卢氏县、南召县、淅川县和栾川县等. 河南省东部主要位于华北平原南部, 地势平坦, 是河南省主要农业产区之一, 以上地区通过较为合理的农业管理和土地利用方式, 能够实现碳的良性循环, 如杞县、滑县、内黄县、郸城县和商水县, 绿色碳汇区构成了河南省绿色碳汇的重要组成部分, 为实现双碳目标做出积极贡献.
依据碳平衡分区结果, 进一步细分河南省主体功能区规划方案, 并针对性地提出了各区域的低碳发展策略(表 6). 结果有助于河南省更精准地定位各县域单元在绿色发展和低碳转型中的作用和目标, 更加科学地引导资源要素在区域间的合理流动和配置, 推动区域低碳优化和实现可持续发展.
![]() |
表 6 基于主体功能区规划方案的河南省县域碳平衡分区与低碳发展策略 Table 6 Carbon balance zoning and low carbon development strategy of Henan Province counties based on the main functional area planning |
综上所述, 不同区域的碳排放量和排放结构存在差异, 这主要是受到地区经济发展、产业机构、能源消费模式以及自然环境等诸多因素的影响, 碳排放的区域特点决定了管理策略的多样性和复杂性, 需要综合考虑各种因素, 因地制宜, 制定切实可行的发展策略, 以实现碳减排的目标. 河南省各县域单元碳排放特点差异明显, 在未来经济发展和生态保护之间仍存在一些值得关注的问题:①河南省土地利用碳排放总量明显大于碳吸收, 说明河南省整体仍处于碳赤字, 能源消耗是主要碳源. 碳达峰背景下, 低碳化已经成为了能源消耗的硬约束, 与全国水平相比, 河南省能源结构偏煤问题较为突出, 煤炭消费占比高, 碳减排任务面临重大挑战. 在碳达峰、碳中和目标牵引下, 严格控制煤炭消耗总量, 提高能源利用效率, 构建新能源生产体系是河南省绿色低碳发展的重要手段. 从不同区域来看, 应将碳排放强度和碳排放总量指标的控制和约束纳入区域减排目标. 比如, 平顶山市碳排放量最大, 具有较大的煤炭消耗量, 安阳市辖区、义马市、永城市等的碳排放强度基数大, 针对此类碳排放高值区主要支持其能源转型, 大力发展光伏、风电和天然气等新能源. ②河南省应继续加强生态功能区的保护和修复工作, 提升生态系统的碳吸收能力, 通过退耕还林、还草、湿地保护等生态工程, 扩大植被覆盖面积, 增加土壤碳储存量, 同时对于现有生态系统保护区, 防止人为破坏和过度开发. ③对碳总量控制区和碳强度控制区应主要支持其经济产业集聚、优化能源消耗结构, 评估其经济发展水平与能源低碳转型, 大力推进清洁能源的开发和利用;对碳收支均衡区应主要支持其加大生态环境保护力度, 提高碳汇能力, 同时降低高能耗和高排放产业占比. 值得注意的是, 内乡县和西峡县作为生态功能区, 却拥有较高的碳排放量, 其中主要来源为以原煤和焦炭为主的化石能源消耗, 在未来应加强能源结构优化, 降低能耗;对低碳优化区主要支持其优化农业生产方式, 促进农业与其他产业的融合发展, 合理规划土地利用, 降低碳排放;对绿色碳汇区应主要支持其推进环境保护和修复, 提高农业生产效率和农业碳汇功能, 严格控制高能耗、高排放产业的进入. ④建立健全碳排放检测和碳补偿机制, 对各区域的碳排放情况进行定期检测和评估, 通过数据分析, 找出高碳排放区和减排潜力区, 进一步以碳收支核算为基本依据, 通过碳补偿促进区域公平与低碳发展.
3 讨论本文运用碳排放系数方法, 测算河南省123个区县2000~2020年土地利用碳排放/碳吸收, 并分析20多年来河南省县域土地利用碳收支时空格局, 以净碳排放量为基准值, 对区县碳排放阈值及碳排放强度二次修正, 测算各县域单元土地利用碳补偿价值, 并基于主体功能区划视角分析各县域低碳发展路径与战略定位, 提出区域低碳发展策略, 对健全区域碳补偿机制和低碳经济发展模式具有参考意义. 通过研究结果发现:河南省2000~2020年碳排放总量变化趋势可以分为3个阶段, 即碳排放高速增长期(2000~2010年)、中速增长期(2010~2015年)和平缓减弱期(2015~2020年), 这与吉佳宇等[24]和陶勤等[49]的研究结果相似, 说明河南省在工业化、城镇化初期, 随着重工业和高能耗行业的扩张导致碳排放量显著增加. 十八大以来, 河南省加快建设经济强省、生态强省和创新高地, 能源结构得到进一步升级优化, 是碳排放总量增长趋势减弱并逐渐稳定的原因;河南省碳排放强度、净碳排放量高值区主要集中于工业较发达、经济水平高、工业化程度高的地区, 主要与各县域单元的经济发展水平、产业结构和能源消费模式的差异有密切联系, 同时碳补偿率高值区集中于生态环境良好、自然资源禀赋高、具有较高的碳汇能力的农业主产区和生态功能区, 这与赵荣钦等[4]的研究结果相似;基于省级主体功能区规划方案, 将河南省县域单元分为5类区域:碳强度控制区、碳总量控制区、碳收支均衡区、低碳优化区和绿色碳汇区, 碳强度控制区主要分布于集中了大量高能耗、高排放的工业产业, 经济发展对能源消耗依赖高的区域;碳总量控制区主要分布于工业化发展水平较高, 区域土地开发程度相对较强;碳收支均衡区主要分布于生态系统相对健康, 工业发展水平一般的区域;低碳优化区主要分布在生态环境较好, 农业经济产值占比较大的区域;绿色低碳汇区主要分布在自然禀赋高, 碳汇能力强的农业主产区和生态功能区, 这与赵荣钦等[21]的研究结论一致.
鉴于部分县域空间能源消耗数据的可获取性不高, 本文采用综合能源消费量占比及单位GDP能耗相结合的方法间接推算县域能源消耗, 与直接采用县生产总值与市生产总值占比来测算能源消耗的方法相比, 考虑了各县域产业结构的差异性, 使结果更符合现实情况, 具有可靠性. 本研究弥补了已有研究中从长时间序列, 基于碳收支视角, 探讨河南省这种农业核心生产区定位下, 高能源消耗的土地利用碳收支格局及碳补偿变化规律关注较少的不足. 在《河南省“十四五”现代能源体系和碳达峰碳中和规划》中表明, 推动能源低碳转型是河南省实现低碳减排的重要的发展途径, 建立良好的能源发展格局是刚需. 展望未来, 可在以下方面深入研究:河南省碳排放主要来源是建设用地推进过程中的能源消耗, 未来的研究中, 可以进一步从能源消费结构变化对河南碳排放量变化的贡献评价展开分析.
4 结论(1)2000~2020年河南省县域土地利用碳排放总量先增后降, 2015年为峰值, 建设用地为主要碳源;碳吸收量持续稳定增长, 耕地和林地是主要的碳汇载体;碳收支呈现出显著的空间分异特征, 碳吸收量呈现“西高东低, 南高北低”的空间格局, 碳排放量空间上表现为“中部与北部为高值聚集, 向外扩散低值分散”的特点.
(2)河南省碳排放强度和净碳排放量空间分布特征相似, 表现为“中部和北部为高值, 向外逐渐降低”;2000~2020年碳排放强度均值功能区顺序[t·(104元)-1]:国家级重点开发区(1.09) > 省级重点开发区域(0.93) > 农业主产区(0.83) > 省级生态功能区(0.70) > 国家级重点生态功能区(0.47);净碳排放量均值功能区顺序(×104 t):国家级重点开发区(165.94) > 省级重点开发区域(52.55) > 农业主产区(-35.52) > 省级生态功能区(-47.11) > 国家级重点生态功能区(-60.93);碳补偿率空间分布特征相反, 功能区顺序(%):省级重点生态功能区(821) > 国家级生态功能区(773) > 农业主产区(412) > 省级重点开发区域 > (198) > 国家级重点开发区(11).
(3)碳补偿价值空间分异明显, 2020年河南省123个县域单元总计碳支付和碳补偿额度分别为9 207.09×104元和4 819.29×104元, 最终共确定45个支付区、78个受偿区, 其中重度支付区20个, 重度受偿区30个.
(4)主体功能区视角下, 河南省共分为7个碳强度控制区、33个碳总量控制区、12个碳收支均衡区、12个低碳优化区和59个绿色碳汇区, 在此基础上, 提出河南省低碳经济发展导向的区域性优化策略.
[1] | Dong F, Wang Y, Su B, et al. The process of peak CO2 emissions in developed economies: a perspective of industrialization and urbanization[J]. Resources, Conservation and Recycling, 2019, 141: 61-75. DOI:10.1016/j.resconrec.2018.10.010 |
[2] |
张帆, 徐宁, 吴锋. 共享社会经济路径下中国2020-2100年碳排放预测研究[J]. 生态学报, 2021, 41(24): 9691-9704. Zhang F, Xu N, Wu F. Research on China's CO2 emissions projections from 2020 to 2100 under the shared socioeconomic pathways[J]. Acta Ecologica Sinica, 2021, 41(24): 9691-9704. |
[3] |
李璐, 夏秋月, 董捷, 等. 碳中和目标下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. |
[4] |
赵荣钦, 刘英, 马林, 等. 基于碳收支核算的河南省县域空间横向碳补偿研究[J]. 自然资源学报, 2016, 31(10): 1675-1687. Zhao R Q, Liu Y, Ma L, et al. County-level carbon compensation of Henan Province based on carbon budget estimation[J]. Journal of Natural Resources, 2016, 31(10): 1675-1687. DOI:10.11849/zrzyxb.20151291 |
[5] |
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. |
[6] |
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. |
[7] |
曹改改. 基于碳收支核算的中国省域碳补偿问题研究[D]. 成都: 西南财经大学, 2022. Cao G G. Research on carbon compensation in provinces of China based on carbon budget accounting[D]. Chengdu: Southwestern University of Finance and Economics, 2022. |
[8] |
周萍, 陈松林, 李晶, 等. 福建省土地利用变化碳排放时空差异与碳补偿[J]. 水土保持通报, 2022, 42(3): 356-365, 372. Zhou P, Chen S L, Li J, et al. Temporal and spatial differences in carbon emissions and carbon neutrality caused by land use changes in Fujian Province[J]. Bulletin of Soil and Water Conservation, 2022, 42(3): 356-365, 372. |
[9] |
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, Wang M, 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. |
[10] |
李彦旻, 沈育生, 王世航. 基于土地利用变化的安徽省陆地碳排放时空特征及效应[J]. 水土保持学报, 2022, 36(1): 182-188. Li Y M, Shen Y S, Wang S H. Spatio-temporal characteristics and effects of terrestrial carbon emissions based on land use change in Anhui Province[J]. Journal of Soil and Water Conservation, 2022, 36(1): 182-188. |
[11] |
陈田田, 陈果, 王强. 贵州省碳吸收/碳排放时空变化特征及其与经济的脱钩效应[J]. 生态学报, 2024, 44(3): 915-929. Chen T T, Chen G, Wang Q. Spatiotemporal change patterns of carbon absorption/emission and decoupling effect with economy in Guizhou Province[J]. Acta Ecologica Sinica, 2024, 44(3): 915-929. |
[12] |
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. |
[13] |
杜海波, 魏伟, 张学渊, 等. 黄河流域能源消费碳排放时空格局演变及影响因素——基于DMSP/OLS与NPP/VIIRS夜间灯光数据[J]. 地理研究, 2021, 40(7): 2051-2065. Du H B, Wei W, Zhang X Y, et al. Spatio-temporal evolution and influencing factors of energy-related carbon emissions in the Yellow River Basin: based on the DMSP/OLS and NPP/VIIRS nighttime light data[J]. Geographical Research, 2021, 40(7): 2051-2065. |
[14] |
王政强, 覃盟琳, 唐世斌, 等. 北部湾城市群土地利用碳收支时空分异及碳补偿分区[J]. 水土保持通报, 2022, 42(5): 348-359. Wang Z Q, Qin M L, Tang S B, et al. Spatio-temporal variation of landuse carbon budget and carbon compensation zoning in Beibu gulf urban agglomeration area[J]. Bulletin of Soil and Water Conservation, 2022, 42(5): 348-359. |
[15] |
黄怀玉, 龚直文, 陈小娟, 等. 基于土地利用碳收支差异的重庆市碳补偿优先区识别[J]. 环境科学, 2024, 45(9): 5027-5039. Huang H Y, Gong Z W, Chen X J, et al. Identification of priority areas for carbon compensation in Chongqing based on the difference in land use carbon budget[J]. Environmental Science, 2024, 45(9): 5027-5039. |
[16] |
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. |
[17] |
陆海岳, 齐娇娇, 叶延磊, 等. 中国不同行政尺度下的碳收支时空变化特征[J]. 环境科学, 2024, 45(10): 5601-5612. Lu H Y, Qi J J, Ye Y L, et al. Characteristics of spatiotemporal changes in China's carbon budget at different administrative scales[J]. Environmental Science, 2024, 45(10): 5601-5612. |
[18] |
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. |
[19] |
赵荣钦, 黄贤金. 基于能源消费的江苏省土地利用碳排放与碳足迹[J]. 地理研究, 2010, 29(9): 1639-1649. Zhao R Q, Huang X J. Carbon emission and carbon footprint of different land use types based on energy consumption of Jiangsu Province[J]. Geographical Research, 2010, 29(9): 1639-1649. |
[20] |
曹周亮, 张欣蓉, 员学锋, 等. 基于土地利用变化的陕西省县域碳排放时空变化及影响因素研究[J]. 水土保持通报, 2022, 42(5): 376-385. Cao Z L, Zhang X R, Yuan X F, et al. Spatio-temporal variation and influencing factors of CO2 emission at county scale in Shaanxi Province based on land use change[J]. Bulletin of Soil and Water Conservation, 2022, 42(5): 376-385. |
[21] |
赵荣钦, 张帅, 黄贤金, 等. 中原经济区县域碳收支空间分异及碳平衡分区[J]. 地理学报, 2014, 69(10): 1425-1437. Zhao R Q, Zhang S, Huang X J, et al. Spatial variation of carbon budget and carbon balance zoning of Central Plains Economic Region at county-level[J]. Acta Geographica Sinica, 2014, 69(10): 1425-1437. DOI:10.11821/dlxb201410003 |
[22] |
马远, 刘真真. 黄河流域土地利用碳排放的时空演变及影响因素研究[J]. 生态经济, 2021, 37(7): 35-43. Ma Y, Liu Z Z. Study on the spatial-temporal evolution and influencing factors of land use carbon emissions in the Yellow River Basin[J]. Ecological Economy, 2021, 37(7): 35-43. |
[23] |
蒋培培, 王远, 罗进, 等. 长江与黄河流域碳排放效率时空演变特征及路径识别探究[J]. 环境科学研究, 2022, 35(7): 1743-1751. Jiang P P, Wang Y, Luo J, et al. Comparative study of spatial-temporal evolution and growth path of carbon emissions efficiency in Yangtze River Basin and Yellow River Basin[J]. Research of Environmental Sciences, 2022, 35(7): 1743-1751. |
[24] |
吉佳宇, 谢志祥, 赵荣钦, 等. 基于碳收支格局及其转换态势的区域碳失衡风险分析[J]. 环境科学, 2024, 45(11): 6365-6377. Ji J Y, Xie Z X, Zhao R Q, et al. Risk analysis of regional carbon imbalance based on carbon budget pattern and its transformation trend[J]. Environmental Science, 2024, 45(11): 6365-6377. |
[25] |
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. |
[26] |
张斌, 卫丹琪, 丁乙, 等. 基于夜间灯光和土地利用的珠江流域城市碳排放估算及其时空动态特征研究[J]. 地球科学进展, 2024, 39(3): 317-328. Zhang B, Wei D Q, Ding Y, et al. Research on cities' carbon emissions and their spatiotemporal evolution coupled with nighttime light image and land use data in the Pearl River Basin[J]. Advances in Earth Science, 2024, 39(3): 317-328. |
[27] |
王亚娟, 翟晨曦, 刘彩玉, 等. 宁夏土地利用碳排放时空差异及影响因素分析[J]. 环境科学, 2024, 45(9): 5049-5059. Wang Y J, Zhai C X, Liu C Y, et al. Analysis of spatiotemporal differences and influencing factors of land use carbon emissions in Ningxia[J]. Environmental Science, 2024, 45(9): 5049-5059. |
[28] | Lv Q, Liu H B, Wang J T, et al. Multiscale analysis on spatiotemporal dynamics of energy consumption CO2 emissions in China: utilizing the integrated of DMSP-OLS and NPP-VIIRS nighttime light datasets[J]. Science of the Total Environment, 2020, 703. DOI:10.1016/j.scitotenv.2019.134394 |
[29] |
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. |
[30] |
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 |
[31] | 中国能源统计年鉴2021[M]. 北京: 中国统计出版社, 2022. |
[32] | 中华人民共和国国家统计局. 中国统计年鉴(2001~2021年)[M]. 北京: 中国统计出版社, 2001-2021. |
[33] |
王莹, 徐夏楠. 河南省碳排放状况浅析[J]. 价值工程, 2017, 36(7): 44-48. Wang Y, Xu X N. Analysis of carbon emissions in Henan[J]. Value Engineering, 2017, 36(7): 44-48. |
[34] | 河南省人民政府. 河南省人民政府关于印发河南省主体功能区规划的通知: 豫政〔2014〕12号[EB/OL]. https://www.henan.gov.cn/2014/02-21/238799.html, 2014-01-21/2024-03-25. |
[35] | 李克让. 土地利用变化和温室气体净排放与陆地生态系统碳循环[M]. 北京: 气象出版社, 2002. |
[36] |
曹俊文, 陶强强. 长江经济带农业碳补偿修正测算及分析[J]. 农业资源与环境学报, 2021, 38(4): 693-698. Cao J W, Tao Q Q. Calculation and analysis of agricultural carbon compensation in the Yangtze River economic belt[J]. Journal of Agricultural Resources and Environment, 2021, 38(4): 693-698. |
[37] |
徐玥, 王辉, 韩秋凤. 县级尺度下耕地碳收支区域差异与公平性——以江苏省为例[J]. 河北农业大学学报(社会科学版), 2023, 25(1): 62-73. Xu Y, Wang H, Han Q F. Regional differences and equity of cultivated land carbon budget at county scale: taking Jiangsu Province as an example[J]. Journal of Hebei Agricultural University (Social Sciences), 2023, 25(1): 62-73. |
[38] |
伍国勇, 刘金丹, 杨丽莎. 中国农业碳排放强度动态演进及碳补偿潜力[J]. 中国人口·资源与环境, 2021, 31(10): 69-78. Wu G Y, Liu J D, Yang L S. Dynamic evolution of China's agricultural carbon emission intensity and carbon offset potential[J]. China Population, Resources and Environment, 2021, 31(10): 69-78. DOI:10.12062/cpre.20210606 |
[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] |
彭文甫, 周介铭, 徐新良, 等. 基于土地利用变化的四川省碳排放与碳足迹效应及时空格局[J]. 生态学报, 2016, 36(22): 7244-7259. Peng W F, Zhou J M, Xu X L, et al. Effect of land use changes on the temporal and spatial patterns of carbon emissions and carbon footprints in the Sichuan Province of Western China, from 1990 to 2010[J]. Acta Ecologica Sinica, 2016, 36(22): 7244-7259. |
[41] | Eggleston S, Buendia L, Miwa K, et al. 2006年IPCC国家温室气体清单指南[M]. 日本: 日本全球环境战略研究所, 2006. |
[42] |
GB/T 2589-2008, 综合能耗计算通则[S]. GB/T 2589-2008, General principles for calculation of the comprehensive energy consumption[S]. |
[43] | 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 Ecosystems & Environment, 2002, 91(1-3): 217-232. |
[44] |
余光辉, 耿军军, 周佩纯, 等. 基于碳平衡的区域生态补偿量化研究——以长株潭绿心昭山示范区为例[J]. 长江流域资源与环境, 2012, 21(4): 454-458. Yu G H, Geng J J, Zhou P C, et al. Quantitative research of regional ecological compensation based on carbon balance-Take Zhaoshan demonstration area of Changzhutan green heart as an example[J]. Resources and Environment in the Yangtze Basin, 2012, 21(4): 454-458. |
[45] |
张颖, 吴丽莉, 苏帆, 等. 我国森林碳汇核算的计量模型研究[J]. 北京林业大学学报, 2010, 32(2): 194-200. Zhang Y, Wu L L, Su F, et al. An accounting model for forest carbon sinks in China[J]. Journal of Beijing Forestry University, 2010, 32(2): 194-200. |
[46] | 李金昌. 生态价值论[M]. 重庆: 重庆大学出版社, 1999. |
[47] |
王喜, 鲁丰先, 秦耀辰, 等. 河南省碳源碳汇的时空变化研究[J]. 地理科学进展, 2016, 35(8): 941-951. Wang X, Lu F X, Qin Y C, et al. Spatial and temporal changes of carbon sources and sinks in Henan Province[J]. Progress in Geography, 2016, 35(8): 941-951. |
[48] |
刘英, 赵荣钦, 焦士兴. 河南省土地利用碳源/汇及其变化分析[J]. 水土保持研究, 2010, 17(5): 154-157, 162. Liu Y, Zhao R Q, Jiao S X. Research on carbon sources/sinks of land use of He'nan province[J]. Research of Soil and Water Conservation, 2010, 17(5): 154-157, 162. |
[49] |
陶勤, 王世航, 徐胜祥, 等. 基于碳承载力对河南省能源消费碳排放及其驱动因素的研究[J]. 土壤, 2024, 56(2): 439-447. Tao Q, Wang S H, Xu S X, et al. Carbon emission and driving factors of energy consumption in Henan Province based on carbon carrying capacity[J]. Soils, 2024, 56(2): 439-447. |