环境科学  2025, Vol. 46 Issue (5): 2934-2944   PDF    
引用本文
李理, 周小平, 梁颖, 杨兰. 基于生态网络效用的宁波市土地碳代谢分析[J]. 环境科学, 2025, 46(5): 2934-2944.
LI Li, ZHOU Xiao-ping, LIANG Ying, YANG Lan. Analysis of Land Carbon Metabolism in Ningbo Based on Ecological Network Utility[J]. Environmental Science, 2025, 46(5): 2934-2944.
基于生态网络效用的宁波市土地碳代谢分析
李理 , 周小平 , 梁颖 , 杨兰     
北京师范大学政府管理学院, 北京 100875
收稿日期: 2024-05-21; 修订日期: 2024-07-10
基金项目: 第二次青藏高原综合科学考察研究项目(2019QZKK0406)
作者简介: 李理(1996~), 男, 博士研究生, 主要研究方向为碳中和与国土空间规划, E-mail：lili19960217@163.com
通信作者: 周小平, E-mail：xiaopingzhou@126.com
摘要: 揭示土地利用对碳代谢的影响机制, 可为推动土地资源可持续利用和城市绿色低碳转型发展提供依据. 以宁波市为研究对象, 在多源数据收集的基础上构建碳代谢分析框架, 综合运用生态网络分析、标准差椭圆、推力和拉力等模型追踪碳要素流动过程, 刻画碳代谢时空演化规律, 进而提出土地利用碳减排策略. 结果发现：①宁波市净碳排放量(以C计)由406.12万t增至3 019.37万t, 增加了6.43倍. ②垂直方向上净碳排放量为负值, 除林地和草地为正碳代谢分室外, 其他用地类型均表现为负碳代谢分室；水平方向上的净碳排放量为负值, 主要是耕地、林地向其他建设用地转变导致. ③掠夺限制是主要的生态关系, 整体生态函数值为0.86, 相较于2000~2010年, 2010~2020年掠夺限制标准差椭圆中心向东旋转1.47°, 竞争关系标准差椭圆中心向西旋转10.46°, 椭圆总体范围减小. ④耕地、林地和其他建设用地是主要的推力类型, 其他建设用地和城镇用地是主要的拉力类型. 因此, 需要通过采取多种措施降低高碳排放用地密度, 同时对生态用地分类制定碳汇提升策略, 实现土地利用结构优化和国土空间减排增汇的目标.
关键词: 土地利用      碳代谢      生态网络效用分析      碳流      宁波市     
Analysis of Land Carbon Metabolism in Ningbo Based on Ecological Network Utility
LI Li , ZHOU Xiao-ping , LIANG Ying , YANG Lan     
School of Government, Beijing Normal University, Beijing 100875, China
Abstract: This study aims to elucidate the influence mechanism of land use on carbon metabolism and provide a foundation for promoting sustainable land resource utilization and facilitating urban green low-carbon transformation. Taking Ningbo City as the primary research focus, a carbon metabolism analysis framework is formulated, leveraging multi-source data collection. This framework employs ecological network analysis, the standard deviation ellipse method, and push-pull models to trace carbon element flow processes, elucidating the spatiotemporal evolution patterns of carbon metabolism. Consequently, a strategy for mitigating land use-related carbon emissions is proposed. The key findings are as follows: ① Between 2000 and 2020, net carbon emissions (measured in carbon, C) in Ningbo increased from 4.061 2 million tons to 30.193 7 million tons, representing a 6.43-fold increase. ② Vertical net carbon emissions were negative, with all land types except woodland and grassland exhibiting negative carbon metabolism compartments, whereas woodland and grassland had positive carbon metabolism compartments. During the study period, horizontal net carbon emissions in Ningbo were negative, attributed to the conversion of cultivated and forest lands to other construction lands. ③ Predation restriction was the dominant ecological relationship, with an overall ecological function value of 0.86. Compared to that from 2000-2010, the centroid of the 2010-2020 Predation Restriction standard deviation ellipse shifted eastward by 1.47°, whereas the centroid of the Competitive Relationship ellipse rotated westward by 10.46°, accompanied by a decrease in the overall ellipse range. ④ Cultivated land, forest land, and other construction land were the main types of thrust, and other construction land and urban land were the main types of pull. In conclusion, multiple measures need to be taken to reduce the carbon metabolism density of land use while developing carbon sink enhancement strategies for ecological land classification, with the goal of optimizing the land use structure and reducing carbon and increasing sinks in territorial space.
Key words: land use      carbon metabolism      ecological network utility analysis      carbon flow      Ningbo City     

工业革命以来, 人类活动导致的全球气候变暖对人类福祉和自然环境造成严重威胁, 已成为当今国际社会普遍关注的环境问题[1]. 城市作为各类要素资源集聚的重要场所, 是贯彻落实“碳达峰”“碳中和”目标的关键, 尤其是快速城镇化进程中土地利用方式改变所导致的不同地类承载的自然及人为碳通量相互转换, 影响着城市碳代谢过程[2, 3]. 因此, 揭示土地利用变化对城市碳代谢的影响机制有助于推动城市绿色低碳转型发展, 服务于国家重大战略需求.

碳代谢是指碳元素在生物圈、大气圈以及城市系统间的流动, 包含碳排放和固存两部分[4~6]. 学界关于碳代谢的研究多集中在核算对象与方法[7, 8]、碳流过程[9, 10]、驱动机制[11]以及情景模拟[12, 13]等方面, 研究对象涵盖承担碳源/汇功能的土地利用类型, 由于用途的差异其核算对象也存在差别, 核算方法在信息技术的发展下由实地调查研究走向经验数据的模型模拟, 衍生出的碳排放系数法、模型估算法以及遥感和地图估算法成为相关研究的主流方法[14, 15]. 碳流过程分析是借助生态网络效用模型定量揭示城市碳代谢系统中各组分间的作用机制, 追踪碳元素在不同分室间的传导路径, 如李晶等[10]、Guan等[16]和林刚等[17]分别以厦漳泉地区、黄河三角洲和唐山市为例开展了实证研究. 在碳代谢驱动机制上, 降水和气温等自然要素通过改变植被生长的水热条件影响碳固存[18], 而GDP、人口以及经济发展水平等社会经济要素使碳排放量增多[19, 20]. 在情景模拟方面, 可归纳为经济统计、系统动力学、灰色预测以及人工神经网络等模型, 为模拟不同政策情景的碳代谢提供了依据[21]. 总体上, 碳代谢研究日趋丰富, 但现有研究鲜有将农作物碳汇和秸秆燃烧碳排放纳入碳代谢核算体系, 核算范围不够全面[22, 23]. 且以往研究多运用IPCC清单法和经验系数法, 暂未考虑植被光合作用过程中光能利用率存在的空间异质性和时间动态性, 难以准确评估生态用地产生的碳汇[24~26]. 此外, 生态网络效用分析虽已被广泛应用于城市碳代谢的研究, 但针对经济发展水平较高的区域研究较为少见. 鉴于此, 有必要在社会经济和自然环境等多源数据融合的基础上, 构建更为全面、准确的碳代谢核算框架, 系统剖析土地利用变化过程对碳代谢的影响机制, 刻画碳代谢整体网络的空间结构与碳流动演化的方向[27, 28], 为低碳导向下的国土空间结构优化与调整提供参考.

随着2012年宁波市成为第二批绿色低碳城市试点, 政府相继出台了《宁波市低碳城市试点2013推进方案》《宁波市碳达峰实施方案》等政策, 建立健全了低碳发展的长效工作机制, 以此高效协同推进城市绿色低碳转型. 宁波市在探索城市绿色低碳转型发展过程中具有典型性, 分析土地利用变化对碳代谢的内在联系有助于推动社会经济协调发展, 也可为其他低碳试点城市转型发展提供借鉴与启示.

1 材料与方法 1.1 研究区概况

宁波市地处中国东部海岸线中段、浙江省东部, 东至舟山群岛, 北濒杭州湾, 西接绍兴, 南临三门湾, 介于120°55′~122°16′E、28°51′~30°33′N之间, 面积达9 816 km2. 宁波市是中国副省级城市、计划单列市, 以化工、纺织和机械等产业为主, 拥有重要的海域港口. 作为最早对外开放的14个城市之一, 宁波市在社会经济快速发展过程中面临资源环境趋紧和生态环境保护的双重压力, 迫切需要实现自然环境和社会经济的协调发展, 在自然资源禀赋、经济发展水平、基础设施建设以及生态环境保护等方面具有典型性. 因此, 研究宁波市土地利用演化对碳代谢的影响具有现实意义.

1.2 数据来源

2000~2020年土地利用数据和气候数据来源于中国科学院资源环境科学与数据中心(http://www.resdc.cn), 社会经济统计数据来源于相应年份的《浙江省统计年鉴》《宁波市统计年鉴》以及国民经济和社会发展统计公报等, 包含农业、能源、人口、工业和交通数据等, 具体指标及说明见表 1.

表 1 数据来源及说明 Table 1 Data sources and descriptions

1.3 研究方法

本研究拟从基础资料收集、垂直方向上碳代谢核算、水平方向上碳流分析等方面制定宁波市土地碳代谢的技术路线(图 1). 具体来看, 基础资料收集包含空间数据和社会经济统计数据, 其中空间数据为土地利用数据、土壤数据以及NPP数据, 社会经济统计数据由交通数据、人口数据、农业数据、工业数据以及能源数据构成. 在垂直方向的碳代谢核算上, 分别利用净生态系统生产力(net ecosystem productivity, NEP)核算林地和草地碳汇、碳排放系数法测算水域碳汇、生命周期评价法计算农作物进行光合作用所产生的碳汇与秸秆燃烧导致的碳排放、IPCC清单法核算能源消费产生的碳排放[9]. 在碳代谢分析过程中, 借助碳流模型、生态网络效用分析、标准差椭圆以及推力和拉力分析揭示土地利用转移过程中的碳传导效应, 识别生态关系类型, 刻画生态关系迁移路径以及量化碳传导过程中不同地类的贡献率.

图 1 宁波市土地碳代谢分析的技术路线 Fig. 1 Techniques for analyzing land carbon metabolism in Ningbo City

1.3.1 碳代谢核算

在借鉴前人研究的基础上[29, 30], 从碳汇和碳源两方面构建宁波市土地碳代谢核算体系, 计算公式及指标说明见表 2. 在碳汇方面, 耕地碳汇利用生命周期评价法估算稻谷、小麦、豆类、番薯、花生、油菜籽、芝麻、甘蔗、蔬菜以及瓜果等农作物生长期内产生的碳吸收量；林地和草地碳汇利用NEP进行核算；水域碳汇通过水域面积与碳汇系数相乘计算得到. 在碳源方面, 结合《省级温室温室气体清单编制指南》和IPCC清单法对城镇用地、农村居民点、其他建设用地以及耕地承载的原煤、洗精煤、型碳、原油、天然气以及电力等20种能源类型进行碳排放核算[26]. 需要说明的是, 其他建设用地主要是居民用地外的工矿和交通用地. 城镇用地碳排放包含建筑业、批发零售业和住宿餐饮业、城镇生活能源消费以及城镇居民呼吸等产生的碳排放；农村居民点碳排放核算包括农村生活能耗、农村居民呼吸、牲畜呼吸和粪便排泄等类型；其他建设用地碳排放核算包括工业和道路交通产生的碳排放量；耕地碳排放核算包括农机能耗量、灌溉面积、农业柴油量、化肥施用量、农药施用量、稻田甲烷排放量以及农作物秸秆燃烧产生的碳排放；水域碳排放通过港口货物吞吐量计算. 需要说明的是, 由于废弃物数据和工业废水化学需氧量等数据存在缺失, 本研究暂未对废弃物、工业废水以及生活污水产生的碳排放进行核算.

表 2 宁波市土地碳代谢核算方法 Table 2 Land carbon metabolism accounting methods in Ningbo City

1.3.2 生态网络效用分析

生态网络效用分析是一种分析生态系统中物质和能量流动的模型, 由通量分析、结构分析以及效用分析等模块构成, 已成为研究城市碳代谢的主流方法之一. 本研究借助通量和效用分析测度城市碳代谢过程中不同地类间的相互作用关系以及土地利用变化过程对碳代谢的影响. 通量分析用各地类所有水平方向上碳流量与状态变量的差值表示, 状态变量是流入该用地的碳量与流出碳量之差, 可用于计算不同地类参与碳代谢的碳通量[35]. 该模型通过对碳通量进行标准化处理后得到水平方向上碳流矩阵D, 计算无量纲的完整效用矩阵U, 从而揭示两个碳代谢分室在整体生态网络作用下的综合关系[36]. 计算公式如下：

(1)
(2)

式中, uij为矩阵U的元素；n为土地利用类型种类；m为参与“碳流”交换的土地利用类型的个数；I为单位矩阵, 为各类用地在碳流交换过程中的自我反馈作用；fij为j用地流向i用地的水平方向上碳流通量(以C计, kg)；Ti为i用地的碳通量(以C计, kg). 根据完整效用矩阵U, 可判断两个地类间的生态关系. 生态网络中生态关系理论上有9种(表 3), 常见的有掠夺关系、竞争关系、互惠共生关系以及限制关系[37]. 生态效用函数J则是根据矩阵U中元素正负数的数量比值计算得到, J > 1说明土地利用变化对城市碳代谢产生积极影响, 值越大积极作用愈强烈, 反之则表现为消极影响[36].

表 3 生态关系的判定 Table 3 Determination of ecological relationships

1.3.3 碳流变化轨迹与贡献率分析

标准差椭圆分析是一种探测样本数据分布方式和发展轨迹的空间统计方法, 通过对区域内土地利用转移过程中碳流变化的地类图斑分析, 刻画碳流生态关系的转变方向以及分布趋势的演化特征, 计算方法参考夏晓圣等[38]的研究. 推力和拉力分析用于测度水平碳流过程中不同地类的贡献率, 计算方法参考邹康等[39]的研究.

2 结果与分析 2.1 碳排放时空特征

由表 4可知, 宁波市净碳排放量(以C计, 下同)由2000年的406.12万t增至2020年的3 019.37万t, 增加了6.43倍, 其他建设用地碳排放量的增加是区域净碳排放量升高的主要因素. 研究时段内, 其他建设用地碳排放量比例由2000年的77.41%增加到2020年的89.74%, 增速为0.59%. 碳汇表现为先减后增态势, 其原因为耕地面积锐减导致碳汇下降, 但2012年绿色低碳城市试点政策的实施以及生态文明建设的稳步推进促使生态用地碳汇增加. 随着时间的推移, 碳汇量可抵消的碳排放量由41.15%减至9.79%, 碳代谢失衡加剧.

表 4 2000~2020年宁波市不同地类垂直方向上碳通量(以C计)核算/ t·a-1 Table 4 Carbon flux accounting (measured in carbon, C) in the vertical direction for different land types in Ningbo City from 2000 to 2020/t·a-1

除林地和草地为正碳代谢分室外, 其他地类均为负碳代谢分室(图 2). 空间格局上, 碳排放量集中分布于宁波市东北部, 碳汇量零散分布于研究区西南和东南部. 负碳代谢分室面积增加导致高碳排放斑块迅速扩张, 碳代谢失衡加剧. 本研究时段内, 宁波市西北部碳代谢密度呈下降趋势, 主要是耕地转为林地促使碳汇量增加、碳排放量减少.

图 2 宁波市土地利用碳排放空间分布 Fig. 2 Spatial distribution of carbon emissions from land use in Ningbo City

2.2 碳流时空特征

由表 5和图 3发现, 2000~2020年宁波市水平方向上净碳流量为负值, 说明土地利用变化对碳代谢产生了消极作用, 即土地利用类型的相互转变导致碳排放增加. 负碳流由耕地转为其他建设用地、城镇用地以及林地转为其他建设用地引起, 表明高碳排放密度是影响城市碳代谢平衡的主导因素, 且工业发展促使整个系统朝碳排放增加的方向发展. 林地向城镇用地转移也对负碳流起到重要影响, 城市化进程中城市常住人口数量的增加消耗的生活能源产生了大量的碳排放. 此外, 为满足城市常住居民的日常需求, 建筑业、批发零售业和住宿餐饮业等能源消耗的增加也是城镇用地碳排放密度升高的原因. 正碳流来自其他建设用地转为耕地, 主要是宁波市通过开展全域土地综合整治, 对山水林田湖草进行综合治理, 碳排放有所下降. 同时, 高碳吸收农作物的播种面积增加也会增加碳汇量. 在空间格局上, 碳流增加的区域集聚分布于研究区北部, 减少的区域呈零散分布态势但面积较广.

表 5 宁波市碳流(以C计)交换量 Table 5 Carbon flow (measured in carbon, C) exchange in Ningbo City

图 3 2000~2020年宁波市碳流空间分布 Fig. 3 Spatial distribution of carbon flows in Ningbo City from 2000 to 2020

2.3 生态关系判定

由于掠夺和限制关系的实质相同, 均反映系统中一个分室获得了效用而另一个分室损失了效用, 故将掠夺和限制合并为掠夺限制关系予以统计. 由表 6和图 4可知, 生态关系以掠夺限制关系为主, 占所有生态关系的49.21%, 互惠共生关系仅占15.87%, 反映土地利用转移过程中生态冲突明显, 分室之间存在强烈的碳储量之争. 掠夺限制关系主要存在于城镇用地、其他建设用地、林地和草地之间, 表明林地、草地等生态用地的减少以及城镇用地、其他建设用地的扩张对碳代谢起到重要影响. 互惠共生关系存在于水域、林地、草地和农村居民点等地类之间, 即林地、草地等地类相互转换有助于缓解碳代谢失衡态势. 竞争关系以城镇用地和其他建设用地与其他地类为主, 显示这两类分室存在较大的土地利用转移程度和碳代谢密度变化. 宁波市整体生态效用函数J值为0.86, 小于1, 这说明土地利用转移对区域整体的碳代谢平衡的综合作用是消极的, 这与垂直方向以及水平方向上的净碳流结果显示的生态效用一致.

表 6 2000~2020年宁波市生态关系数量特征 Table 6 Quantitative characteristics of ecological relationships in Ningbo City from 2000 to 2020

红色表示竞争关系, 蓝色表示掠夺关系, 绿色表示互惠共生关系, 黄色表示限制关系；白色表示无生态关系；t1、t2和t分别为2000~2010年、2010~2020年和2000~2020年 图 4 2000~2020年宁波市碳流生态关系变化 Fig. 4 Changes in the ecological relationship of carbon flow in Ningbo City from 2000 to 2020

利用ArcGIS软件将碳流生态关系映射到不同土地利用转移类型, 刻画碳流关系的空间分异特征(图 5). 2000~2010年, 竞争关系分布面积较广, 集中于中部和北部地区, 主要是耕地向建设用地转移了518.43 km2, 但建设用地向耕地转移面积仅为15 km2, 由于建设用地碳排放密度高于耕地碳排放密度, 空间上以竞争关系为主. 2010~2020年, 掠夺限制关系集聚分布中部地区, 互惠共生和竞争关系相间分布于掠夺限制关系周围. 相较于2000~2010年, 竞争关系分布面积减少、掠夺限制和互惠共生关系增多, 得益于生态文明建设的顺利实施, 一定程度上减缓了耕地以及生态用地向建设用地的转移. 总体上, 2000~2020年宁波市生态关系空间分布以竞争关系分布面积最广和掠夺限制关系集聚性最显著.

图 5 2000~2020年宁波市碳流生态关系空间分布 Fig. 5 Spatial distribution of carbon flow ecological relationships in Ningbo City from 2000 to 2020

2.4 生态关系标准差椭圆分析

以2000~2020年宁波市碳流生态关系为底图, 借助标准椭圆差分析方法测度2000~2010年和2010~2020年掠夺限制、互惠共生以及竞争关系在空间分布上的离散程度, 参数结果和空间可视化特征见表 7和图 6. 相较于2000~2010年, 2010~2020年掠夺限制关系标准差椭圆中心向东旋转1.47°, 椭圆总体范围减少, X轴和Y轴分别缩小, 说明西部掠夺限制关系增强, 其原因为建成区面积的扩张侵占生态用地, 标准差椭圆向东南方向旋转. 竞争关系标准差椭圆中心向西旋转了10.46°, 椭圆总体范围减小. 2010~2020年互惠共生关系扁率为0.59, 椭圆方向为143.62°.

表 7 2000~2020年宁波市碳流生态关系变化标准差椭圆参数 Table 7 Standard deviation ellipse parameters of carbon flow ecological relationship changes in Ningbo City from 2000 to 2020

图 6 2000~2020年宁波市碳流生态关系变化离散趋势 Fig. 6 Discrete trend of carbon flow ecological relationship changes in Ningbo City from 2000 to 2020

2.5 推力和拉力分析

由表 8可知, 2000~2010年和2010~2020年推力贡献率最大的3种用地类型保持不变, 依次为耕地、林地和其他建设用地. 一般是生态用地等碳汇功能较高的地类充当推力, 主要是经济快速发展过程中城镇扩张侵占耕地和林地, 导致碳汇下降. 拉力最大的用地类型为其他建设用地和城镇用地, 作为碳代谢密度最高的地类, 其他建设用地和城镇用地是拉动碳流过程的主要地类. 因此, 政府应在“双碳”目标和粮食安全的双重背景下合理配置土地资源, 优化生态用地格局, 推动国土空间绿色低碳转型发展.

表 8 宁波市不同土地利用类型推力和拉力贡献率/% Table 8 Thrust and pull contribution rates of different land use types in Ningbo City/%

3 讨论

2021年, 浙江省印发的《浙江省生态环境保护“十四五”规划》中明确指出：“以碳达峰目标碳中和愿景为引领, 科学合理布局生产、生活和生态空间”. 精准评估土地利用碳排放是实现双碳目标、优化国土空间结构的重要抓手, 因此借助IPCC清单法、生命周期评价法和NEP模型构建了更为全面和准确的碳代谢核算体系, 多种方法的嵌套使用能有效提升碳排放核算的精度. 本研究结果表明, 宁波市净碳排放显著增加, 其他建设用地和城镇用地碳排放增加是主要贡献者, 其原因是经济发展过程中能源消费的增加产生了大量的碳排放, 这与武爱彬等[40]和李硕硕等[41]的研究相一致. 碳汇表现为先减后增趋势, 得益于我国生态文明建设的稳步推进以及宁波市绿色低碳政策的实施, 生态用地碳汇增加.

总体上, 土地利用变化对碳代谢产生消极影响, 负碳流是由耕地和林地转为建设用地导致[10], 正碳流来源于其他建设用地转为耕地, 快速城镇化过程中, 建设用地侵占耕地导致负碳流增加, 而严格的耕地保护政策和用地模式的改变增加了正向碳流[42]. 相较于2000~2010年, 2010~2020年宁波市土地利用转移导致的负碳流减少、正碳流增加, 这说明碳汇/源地类转换面积趋缓且碳转移密度下降. 构建绿色低碳导向的土地碳代谢整体网络结构是实现土地碳减排的核心内容, 通过产业结构升级和技术进步降低高碳排放地类密度, 同时采取植树造林和建立自然保护区等途径提升碳汇密度, 从而降低碳转移密度[43, 44]. 此外, 优化碳转移路径也是促进碳减排的重要途经, 耕地和其他建设用地分别作为输出和输入端承载的消极碳转移量是影响碳代谢平衡的关键路径, 通过编制弹性的国土空间规划、提升耕地碳汇以及减少建设用地碳排放, 消除负碳流对碳代谢网络的不利影响. 竞争关系是各分室间最不理想的生态关系, 亟需依托双碳目标借助全域土地综合整治将竞争关系过渡至掠夺限制关系, 最终转变为互惠共生关系.

本研究所使用的空间数据分辨率、核算对象与方法以及研究时段仍存在不足之处, 今后应利用高分辨率遥感数据建立精细尺度土地碳代谢分析框架, 结合社会-生态系统框架, 以揭示不同驱动因素对碳代谢的影响机制, 构建系统动力学仿真模型探究不同政策导向土地利用格局的配置对碳代谢的影响, 以此推动国土空间绿色低碳转型发展.

4 政策启示

研究土地碳代谢有助于促进区域资源要素整合与协同优化, 推动国土空间绿色低碳转型发展. 基于研究结论, 得到以下政策启示：

(1) 坚持城市绿色低碳发展战略, 实施差异化的国土空间利用策略. 碳排放强度是影响土地碳代谢网络稳定的关键, 统筹推进高碳排放密度降低以及提升碳汇密度, 促使碳代谢系统健康发展, 需要通过优化能源结构、提升能源利用效率以及产业转型降低建设用地碳排放密度, 同时也要因地制宜选择最优树种、科学管理森林用地以及种植高碳汇农作物, 增加碳汇密度.

(2) 编制低碳导向下的国土空间规划, 合理配置土地资源. 国土空间规划作为各类开发保护建设活动的根本遵循, 应将碳排放核算纳入国土空间双评价, 建立碳源/汇用地全生命周期监测监管体系, 进而设定刚性指标约束高碳排放地类以及科学配置生态用地, 塑造减碳增汇导向下的国土空间格局.

(3) 重构土地利用空间组织模式, 优化土地利用结构. 耕地碎片化、土地利用低效化以及空间布局无序化等均对碳代谢网络产生不利影响, 借助全域土地综合整治优化碳源/汇用地结构, 改善土地碳代谢的网络拓扑关系, 如农用地整理促进农田集中分布、建设用地减量化推动宅基地增绿复绿以及基于自然的解决方案优化碳汇空间布局模式.

(4) 完善碳补偿机制, 建立健全生态产品价值实现机制. 构建碳代谢系统各分室间横向补偿机制, 健全碳指标交易机制以及设置碳补偿标准, 提升碳代谢网络结构的稳定性[45]. 同时培育多元主体参与意识, 形成“政府+市场”协同治理模式, 积极探索碳汇产品成果转化路径, 建立健全生态产品价值实现机制, 实现社会经济-生态环境协同发展.

5 结论

(1) 2000~2020年, 宁波市垂直方向和水平方向上的净碳排放量均为负值, 说明土地利用转移对城市碳代谢平衡产生了消极影响, 导致碳排放量增加. 负碳流由耕地和林地转出导致, 正碳流则来源于其他建设用地转为耕地. 亟需通过政策的制定加强耕地和林地面积的保护, 遏制碳代谢紊乱态势.

(2) 掠夺限制关系是主要的生态关系类型, 且整体生态效用函数J值为0.86, 这说明分室之间存在强烈的碳储量之争. 空间上, 竞争关系分布面积最为广泛, 且随着时间的变化呈扩散态势, 表明土地利用转移对碳代谢的综合作用是消极的.

(3) 竞争关系和掠夺限制关系标准差椭圆分别向西旋转10.46°和向东旋转1.47°, 椭圆总体范围减少. 耕地、林地和其他建设用地是推动碳代谢变化的主要地类, 其他建设用地和城镇用地是主要的推力类型.

参考文献
[1] Tong S L, Bambrick H, Beggs P J, et al. Current and future threats to human health in the Anthropocene[J]. Environment International, 2022, 158. DOI:10.1016/j.envint.2021.106892
[2] 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.
[3] 夏琳琳, 张妍, 李名镜. 城市碳代谢过程研究进展[J]. 生态学报, 2017, 37(12): 4268-4277.
Xia L L, Zhang Y, Li M J. A review of urban carbon metabolism[J]. Acta Ecologica Sinica, 2017, 37(12): 4268-4277.
[4] Chen S Q, Chen B, Feng K S, et al. Physical and virtual carbon metabolism of global cities[J]. Nature Communications, 2020, 11(1). DOI:10.1038/s41467-019-13757-3
[5] 胡佶熹, 勒先文, 王卫林, 等. 基于PLUS-InVEST模型的江西省生态系统碳储量时空演变与预测[J]. 环境科学, 2024, 45(6): 3284-3296.
Hu J X, Le X W, Wang W L, et al. Temporal and spatial evolution and prediction of ecosystem carbon storage in Jiangxi Province based on PLUS-InVEST model[J]. Environmental Science, 2024, 45(6): 3284-3296.
[6] 高怡凡, 宋长青, 王元慧, 等. 顾及土地利用强度和生态—经济权衡的四川省陆地生态系统碳储量预测与热点分析[J]. 生态学报, 2024, 44(9): 3958-3969.
Gao Y F, Song C Q, Wang Y H, et al. Carbon storage prediction of terrestrial ecosystems and hotspot analysis in Sichuan Province by considering land use intensity and eco-economic trade-offs[J]. Acta Ecologica Sinica, 2024, 44(9): 3958-3969.
[7] 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.
[8] Xia L L, Zhang Y, Sun X X, et al. Analyzing the spatial pattern of carbon metabolism and its response to change of urban form[J]. Ecological Modelling, 2017, 355: 105-115. DOI:10.1016/j.ecolmodel.2017.03.002
[9] 杜金霜, 付晶莹, 郝蒙蒙. 基于生态网络效用的昭通市"三生空间"碳代谢分析[J]. 自然资源学报, 2021, 36(5): 1208-1223.
Du J S, Fu J Y, Hao M M. Analyzing the carbon metabolism of "production-living-ecological" space based on ecological network utility in Zhaotong[J]. Journal of Natural Resources, 2021, 36(5): 1208-1223.
[10] 李晶, 陈松林, 李晨欣, 等. 基于生态网络分析的厦漳泉地区土地碳代谢[J]. 应用生态学报, 2023, 34(5): 1375-1383.
Li J, Chen S L, Li C X, et al. Land carbon metabolism in Xiamen-Zhangzhou-Quanzhou region based on ecological network analysis[J]. Chinese Journal of Applied Ecology, 2023, 34(5): 1375-1383.
[11] 陈鹏. 基于土地利用的武汉市"碳流"时空格局与影响机制研究[D]. 武汉: 华中科技大学, 2023.
Chen P. Spatial -temporal patterns and its influence mechanism of 'carbon flow' in Wuhan based on land use[D]. Wuhan: Huazhong University of Science and Technology, 2023.
[12] 卢宗亮, 吴奕龙, 黄坛俊, 等. 基于LEAP-LANDIS情景模拟的城市碳代谢格局优化研究[J]. 干旱区资源与环境, 2023, 37(12): 10-20.
Lu Z L, Wu Y L, Huang T J, et al. Optimizing urban carbon metabolism pattern based on LEAP- LANDIS scenario simulation[J]. Journal of Arid Land Resources and Environment, 2023, 37(12): 10-20.
[13] Elliot T, Levasseur A. System dynamics life cycle-based carbon model for consumption changes in urban metabolism[J]. Ecological Modelling, 2022, 473. DOI:10.1016/j.ecolmodel.2022.110010
[14] 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.
[15] Pataki D E, Alig R J, Fung A S, et al. Urban ecosystems and the North American carbon cycle[J]. Global Change Biology, 2006, 12(11): 2092-2102. DOI:10.1111/j.1365-2486.2006.01242.x
[16] Guan Y N, Bai J H, Tian X, et al. Integrating ecological and socio-economic systems by carbon metabolism in a typical wetland city of China[J]. Journal of Cleaner Production, 2020, 279. DOI:10.1016/j.jclepro.2020.123342
[17] 林刚, 江东, 付晶莹, 等. "三生"空间格局演化"碳流"分析——以唐山市为例[J]. 科技导报, 2020, 38(11): 107-114.
Lin G, Jiang D, Fu J Y, et al. Carbon flow analysis for production-living-ecological space: a case study of Tangshan, China[J]. Science & Technology Review, 2020, 38(11): 107-114.
[18] Fang Y Y, Michalak A M, Schwalm C R, et al. Global land carbon sink response to temperature and precipitation varies with ENSO phase[J]. Environmental Research Letters, 2017, 12(6). DOI:10.1088/1748-9326/aa6e8e
[19] 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.
[20] Zhang Y, Liu Y F, Wang Y H, et al. Urban expansion simulation towards low-carbon development: a case study of Wuhan, China[J]. Sustainable Cities and Society, 2020, 63. DOI:10.1016/j.scs.2020.102455
[21] Cui X Z, Li S Y, Gao F. Examining spatial carbon metabolism: features, future simulation, and land-based mitigation[J]. Ecological Modelling, 2020, 438. DOI:10.1016/j.ecolmodel.2020.109325
[22] Rong T Q, Zhang P Y, Li G H, et al. Spatial correlation evolution and prediction scenario of land use carbon emissions in the Yellow River Basin[J]. Ecological Indicators, 2023, 154. DOI:10.1016/j.ecoinf.2022.101802
[23] 韩方红, 高凡, 何兵, 等. 1990~2020年阿克苏河流域土地利用碳排放时空轨迹与影响因素[J]. 环境科学, 2024, 45(6): 3297-3307.
Han F H, Gao F, He B, et al. Exploring the spatial and temporal trajectories of land use carbon emissions and influencing factors in the Aksu River Basin from 1990 to 2020[J]. Environmental Science, 2024, 45(6): 3297-3307.
[24] 路昌, 王之语. 基于生态网络分析的黄河三角洲碳代谢分析[J]. 中国环境科学, 2023, 43(11): 6090-6101.
Lu C, Wang Z Y. ENA-model based carbon metabolism analysis of the Yellow River Delta[J]. China Environmental Science, 2023, 43(11): 6090-6101.
[25] 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.
[26] 王颖. 武汉市国土空间碳排放时空演变及情景模拟研究[D]. 武汉: 中国地质大学, 2022.
Wang Y. Spatial-temporal evolution and scenario simulation of territorial spatial carbon emission in Wuhan city[D]. Wuhan: China University of Geosciences, 2022.
[27] Liu J L, Peng K L, Zuo C C, et al. Spatiotemporal variation of land-use carbon emissions and its implications for low carbon and ecological civilization strategies: evidence from Xiamen-Zhangzhou-Quanzhou metropolitan circle, China[J]. Sustainable Cities and Society, 2022, 86. DOI:10.1016/j.scs.2022.104083
[28] 郑宏媚. 基于生态网络分析的京津冀城市群隐含碳代谢强度研究[J]. 环境科学学报, 2022, 42(3): 487-496.
Zheng H M. Embodied carbon intensity analysis of Beijing-Tianjin-Hebei urban metabolic system based on ecological network analysis method[J]. Acta Scientiae Circumstantiae, 2022, 42(3): 487-496.
[29] 张振龙, 侯琰珍, 孙鸿鹄. 市域国土空间碳排放测算及低碳化发展效率差异[J]. 自然资源学报, 2023, 38(6): 1464-1481.
Zhang Z L, Hou Y Z, Sun H H. Calculation of carbon emissions and the difference of low-carbon development efficiency on city territorial space[J]. Journal of Natural Resources, 2023, 38(6): 1464-1481.
[30] 周小平, 李理, 梁颖, 等. 主体功能区视角下长三角地区国土空间格局时空演变及其碳排放效应分析[J]. 农业工程学报, 2023, 39(17): 236-244.
Zhou X P, Li L, Liang Y, et al. Spatiotemporal evolution of territorial spatial patterns and carbon emissions in the Yangtze River Delta from the perspective of main functional zones[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(17): 236-244.
[31] 田云, 张俊飚. 中国农业生产净碳效应分异研究[J]. 自然资源学报, 2013, 28(8): 1298-1309.
Tian Y, Zhang J B. Regional differentiation research on net carbon effect of agricultural production in China[J]. Journal of Natural Resources, 2013, 28(8): 1298-1309.
[32] 王莉, 刘莹莹, 张亚慧, 等. 河南省农田生态系统碳源/汇时空分布及影响因素分解[J]. 环境科学学报, 2022, 42(12): 410-422.
Wang L, Liu Y Y, Zhang Y H, et al. Spatial and temporal distribution of carbon source/sink and decomposition of influencing factors in farmland ecosystem in Henan Province[J]. Acta Scientiae Circumstantiae, 2022, 42(12): 410-422.
[33] 鞠园华, 杨夏捷, 靳全锋, 等. 不同燃烧状态下农作物秸秆PM2.5排放因子及主要成分分析[J]. 环境科学学报, 2018, 38(1): 92-100.
Ju Y H, Yang X J, Jin Q F, et al. Emission factor and main components of PM2.5 emitted from crop straw under different burning status[J]. Acta Scientiae Circumstantiae, 2018, 38(1): 92-100.
[34] 舒心, 夏楚瑜, 李艳, 等. 长三角城市群碳排放与城市用地增长及形态的关系[J]. 生态学报, 2018, 38(17): 6302-6313.
Shu X, Xia C Y, Li Y, et al. Relationships between carbon emission, urban growth, and urban forms of urban agglomeration in the Yangtze River Delta[J]. Acta Ecologica Sinica, 2018, 38(17): 6302-6313.
[35] Hannon B. The structure of ecosystems[J]. Journal of Theoretical Biology, 1973, 41(3): 535-546.
[36] Fath B D, Patten B C. Network synergism: emergence of positive relations in ecological systems[J]. Ecological Modelling, 1998, 107(2-3): 127-143.
[37] 刘耕源, 杨志峰, 陈彬, 等. 基于生态网络的城市代谢结构模拟研究——以大连市为例[J]. 生态学报, 2013, 33(18): 5926-5934.
Liu G Y, Yang Z F, Chen B, et al. Study of urban metabolic structure based on ecological network: a case study of Dalian[J]. Acta Ecologica Sinica, 2013, 33(18): 5926-5934.
[38] 夏晓圣, 汪军红, 宋伟东, 等. 2000~2019年中国PM2.5时空演化特征[J]. 环境科学, 2020, 41(11): 4832-4843.
Xia X S, Wang J H, Song W D, et al. Spatio-temporal evolution of PM2.5 concentration during 2000-2019 in China[J]. Environmental Science, 2020, 41(11): 4832-4843.
[39] 邹康, 舒予晴, 李桂娥, 等. 基于生态网络分析(ENA)的城市地-碳框架构建及其时空演变研究[J]. 生态与农村环境学报, 2022, 38(8): 972-982.
Zou K, Shu Y Q, Li G E, et al. Urban land-carbon framework construction based on ecological network analysis and its space-time evolution research[J]. Journal of Ecology and Rural Environment, 2022, 38(8): 972-982.
[40] 武爱彬, 赵艳霞, 郭小平, 等. 碳中和目标下河北省土地利用碳排放格局演变与多情景模拟[J]. 农业工程学报, 2023, 39(14): 261-270.
Wu A B, Zhao Y X, Guo X P, et al. Evolution and multi scenario simulation of land use carbon emission pattern in Hebei Province under carbon neutral target[J]. Transactions of the Chinese Society of Agricultural Engineering, 2023, 39(14): 261-270.
[41] 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.
[42] 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
[43] 吕天宇, 曾晨, 岳文泽. "双碳"目标背景下全域土地综合整治减排增汇的机理与路径研究[J]. 中国土地科学, 2022, 36(11): 13-23.
Lyu T Y, Zeng C, Yue W Z. Study on the mechanism and path of reducing carbon emission and enhancing carbon sink of comprehensive land consolidation in the context of national carbon peaking and carbon neutrality goals[J]. China Land Science, 2022, 36(11): 13-23.
[44] 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.
[45] 赵荣钦, 黄贤金, 郧文聚, 等. 碳达峰碳中和目标下自然资源管理领域的关键问题[J]. 自然资源学报, 2022, 37(5): 1123-1136.
Zhao R Q, Huang X J, Yun W J, et al. Key issues in natural resource management under carbon emission peak and carbon neutrality targets[J]. Journal of Natural Resources, 2022, 37(5): 1123-1136.