环境科学  2025, Vol. 46 Issue (7): 4136-4148   PDF    
引用本文
许灵凤, 陈皖玲, 朱红梅, 王卫林, 罗飞雪. 湖南省不同土地利用类型碳排放特征与影响因素分析[J]. 环境科学, 2025, 46(7): 4136-4148.
XU Ling-feng, CHEN Wan-ling, ZHU Hong-mei, WANG Wei-lin, LUO Fei-xue. Analysis of Carbon Emission Characteristics and Influencing Factors of Different Land Use Types in Hunan Province[J]. Environmental Science, 2025, 46(7): 4136-4148.
湖南省不同土地利用类型碳排放特征与影响因素分析
许灵凤, 陈皖玲, 朱红梅, 王卫林, 罗飞雪     
湖南农业大学资源学院，长沙 410128
收稿日期: 2024-06-04; 修订日期: 2024-09-03
基金项目: 国家自然科学基金项目(42201470)；湖南省教育厅优秀青年基金项目(22B0230)
作者简介: 许灵凤(1999~)，女，硕士研究生，主要研究方向为土地利用与区域可持续发展，E-mail：xulingfeng921@foxmail.com
通信作者: 罗飞雪, E-mail：luofeixue@hunau.edu.cn
摘要: 核算不同土地利用类型碳排放、探究土地利用碳排放时空演变特征及其影响因素对探索城市低碳经济发展路径和气候调控政策的制定具有重要意义. 基于土地覆被和统计数据，构建土地利用碳排放核算框架，测算2010年和2019年湖南省不同土地利用类型碳排放，并采用OLS模型确定土地利用碳排放的影响因素. 结果表明：①湖南省64%以上的城市总碳排放量呈不同程度地增长，呈东高西低式分布；高碳排放城市主要位于湖南省中部，以娄底市和湘潭市为中心，向南北方向蔓延. ②建设用地上的能源消耗碳排放是湖南省最主要的碳排放来源，超九成城市建设用地上发生的碳排放占城市碳排放的85%，甚至大半占比超过95%. ③第二、三产业一直是促进碳排放增加的最主要的指标，且系数均在变大但变化幅度较小，第一产业始终对碳排放呈抑碳效应，且系数在变大且变化幅度巨大.
关键词: 土地利用      碳排放      湖南省      时空特征      影响因素     
Analysis of Carbon Emission Characteristics and Influencing Factors of Different Land Use Types in Hunan Province
XU Ling-feng , CHEN Wan-ling , ZHU Hong-mei , WANG Wei-lin , LUO Fei-xue     
College of Resources, Hunan Agricultural University, Changsha 410128, China
Abstract: It is important to explore the development path of urban low-carbon economies and formulate climate control policies to analyze the spatial and temporal evolution characteristics of land use carbon emissions and their influencing factors by accounting for carbon emissions from different land use types. Our study measured the carbon emissions of different land-use types in Hunan Province in 2010 and 2019. We used the OLS model to determine the influencing factors of land use carbon emissions based on the framework for land use carbon emissions using land use and cover and statistical data. The results showed that: ① Over 64% of the cities in Hunan Province had varying degrees of growth in total carbon emissions, with an east-high and west-low distribution. Specifically, the high-carbon emission cities were mainly located in the central part of Hunan Province with Loudi and Xiangtan as the center, spreading towards the north-south direction. ② Carbon emissions from energy consumption in construction land were the main source of carbon emissions in Hunan Province. More than 90% of the carbon emissions from construction land in cities accounted for 85% of urban carbon emissions, with some cities exceeding 95%. ③ The secondary and tertiary industries had consistently been the most significant contributors to the increase in carbon emissions, with their coefficients becoming larger despite minimal changes. In contrast, the primary industry consistently exerted a carbon-suppressing effect on emissions, with its coefficients also increasing but exhibiting substantial changes.
Key words: land use      carbon emission      Hunan Province      spatial and temporal characteristics      influencing factors     

过量碳排放引发的全球气候变暖已成为全球关注的热点话题[1]. 随着社会经济快速发展和城市化进程加快，尤其以大量农用地和生态用地等转为建设用地为主的土地利用变化威胁着陆地生态系统功能[2，3]. 城市是我国能源消费和温室气体排放的主要来源，贡献了全国85%的直接碳排放[4，5]，城市作为我国能源提效转型、环境保护和生态修复等多项政策落实的行动中心[6]，对我国碳达峰、碳中和政策的实现具有重要意义. 目前，中国正面临生态环境建设和社会经济发展的双重压力[7~9]，评估不同土地利用类型的碳排放，探索城市低碳经济路径，综合考虑城市的碳源与碳汇能力，是实现“双碳”战略目标关键[10，11].

自20世纪以来，有关土地利用碳排放的研究在国际上就备受关注，国内外学者运用不同方法对土地利用时空演变轨迹及其影响因素展开研究. 冯薇等[12]运用反向传播算法与中国碳核算库拟合进行碳收支核算，揭示黄河流域土地利用碳排放效率时空格局，为面向碳中和目标的土地用途管制和国土空间优化调控提供实践指导；李志英等[13]利用碳排放系数法估算了甘肃省土地利用碳排放，结果表明土地利用变化是导致区域碳排放主要因素之一，建设用地碳排放量与碳排放量具有趋同趋势，在碳源上具有主导地位；王少剑等[14]基于IPAT及其扩展模型，运用面板分位数回归解释社会经济发展对县域人均碳排放动态影响，结果表明县域人均碳排放空间极化效应明显，经济发达地区人均碳排放远高于其他地区；Meng等[15]基于LMDI模型对黄河流域九省进行土地利用碳排放影响因素分析，研究表明不同因素对土地利用碳排放影响效应和强度不同，其中人口密度和土地利用结构等因素对土地利用碳排放具有正向效应. 总体而言，不同区域之间碳排放差异十分明显，大部分地区内碳汇与碳汇的差距越来越大，建设用地是主要碳源且碳排放量不断增加，耕地、林地和草地等地类的碳汇能力逐渐减弱[16~19]；此外，区域自然禀赋[20~22]、土地利用结构[23，24]、经济发展水平[25，26]和产业结构差异[27，28]等也导致区域土地利用碳排放表现明显的空间异质性.

城市是社会经济与自然环境组成的复杂系统，城市不仅能产生碳排放，城市行政边界内也有广阔的森林、草原等碳汇用地，拥有不可忽略的碳汇功能，在探索城市碳中和路径时，需要综合考虑城市的碳源与碳汇能力[29]. 当前现有研究多从土地利用类型整体核算不同地类碳排放，针对单个地类具体碳排放项目研究较少，整体核算无法发现不同地类中碳排放热点和差异，难以制定针对性的碳减排措施. 基于此，本文选取湖南省14个地级市为研究对象，通过测算不同土地利用类型的具体碳排放项目，借助OLS模型探讨各要素对城市碳排放的响应关系，通过城市层面的碳减排应对气候变化，以期为探索低碳城市经济发展路径和气候调控政策的制定提供理论依据，助力中国碳达峰和碳中和目标的实现.

1 材料与方法 1.1 研究区域概况

湖南省位于长江中游，洞庭湖以南(24°38′~30°08′N，108°47′~114°15′E)，土地总面积211 829 km2，下辖14个市州，122个区县. 截止2023年，全年地区生产总值50 012.85亿元，能源消费总量约1.75亿t标准煤，能源生产总量约3 950万t标准煤，其中省内原煤生产维持在800万t左右，全省能源对外依存度约77.4%. 湖南省工业化和城市化的快速发展导致建设用地扩张，大量挤占生态用地和农用地，致使城市碳排放持续上升而碳汇能力下降，影响碳达峰、碳中和目标的实现.

1.2 数据来源

本研究使用的土地利用类型数据源自武汉大学杨杰和黄昕教授团队发布的中国土地覆盖数据集(CLCD)，获取2010年和2019年30 m的土地利用栅格数据[30]. 植被净初级生产力数据(NPP)源自NASA2010年和2019年500 m的MOD17A3HGF产品数据，碳储量损失数据源自中国土壤数据库，相关统计数据如能源消费量、人口、GDP等源自2010~2019年的《湖南省统计年鉴》《湖南省能源平衡表》及各城市统计年鉴与统计公报.

1.3 研究方法 1.3.1 碳排放核算

根据研究区实际和研究需要，本文将原始获取的土地利用数据重新归类得到耕地、林地、草地、建设用地、湿地和灌丛这6种地类，其中建设用地视为碳源，耕地具有碳源和碳汇双重属性[31]，但由于农作物会被周期性收割，农作物碳汇基本为零，因此耕地视为碳源，林地、灌丛、草地和湿地视为碳汇.

1.3.1.1 建设用地碳排放测算

(1) 工业能源碳消耗   工业化石能源消耗产生的碳排放采用直接测算法进行测算，即根据研究年份的《湖南省统计年鉴》中的工业能源消费量测算出各城市化石能源消耗碳排放，根据统计年鉴中的能源消耗数据，计算的能源品种与相关碳排放系数如表 1所示.

表 1 化石能源碳排放参考系数1) Table 1 Carbon emission reference factors for fossil energy

在本研究中，工业化石能源消耗产生的碳排放以二氧化碳当量表示，计算公式和相关碳排放系数源自IPCC国家温室气体清单指南，计算公式如下：

$ E_{\mathrm{CO}_2}=\frac{44}{12} \sum_k E_k \alpha_k \beta_k $ (1)

式中，$ E_{\mathrm{CO}_2}$为化石能源消耗产生的碳排放；$ \frac{44}{12}$为碳转换为二氧化碳的转换系数；k为化石能源品种的数量；Ek为化石能源k的消耗量；αk为化石能源k的平均低位发热量；βk为化石能源k的碳排放系数.

(2) 工业生产过程碳消耗   工业生产过程碳排放是指工业生产中除能源活动碳排放外通过化学反应过程或物理变化过程所产生的碳排放[32]，根据我国工业的实际情况并结合表 2工业过程碳排放系数，本研究仅对水泥、钢铁和石灰生产过程产生的碳排放进行估算.

表 2 工业生产过程碳排放系数 Table 2 Carbon emission factors for industrial production processes

水泥生产过程碳排放的产生主要发生在熟料煅烧阶段，其碳排放计算公式参考蔡博峰等[33]的研究，计算公式如下：

$ \mathrm{CE}_{\mathrm{CO}_2}=M_1+\mathrm{EF}_1 $ (2)

式中，$ \mathrm{CE}_{\mathrm{CO}_2}$为水泥生产过程碳排放量；M1为水泥消耗量；EF1为水泥碳排放系数.

钢铁生产过程以炼铁高温还原和炼钢去除杂质的过程产生碳排放为主，其碳排放计算公式参考Wang等[34]的研究，计算公式如下：

$ \mathrm{ST}_{\mathrm{CO}_2}=M_2+\mathrm{EF}_2+M_3+\mathrm{EF}_3 $ (3)

式中，$ \mathrm{ST}_{\mathrm{CO}_2}$为钢铁生产过程产生的碳排放；M2为生铁产量；EF2为生铁碳排放系数；M3为粗钢产量；EF3为粗钢碳排放系数.

石灰生产过程中产生的碳排放主要来源于碳酸钙与碳酸镁分解，其碳排放计算公式参考《省级温室气体清单编制指南2011》，计算公式如下：

$ \mathrm{LI}_{\mathrm{CO}_2}=M_4+\mathrm{EF}_4 $ (4)

式中，$ \mathrm{LI}_{\mathrm{CO}_2}$为石灰生产过程产生的碳排放；M4为石灰产量；EF4为石灰碳排放系数.

综上，工业生产过程产生的碳排放总量计算公式如下：

$ \mathrm{IM}_{\mathrm{CO}_2}=\mathrm{CE}_{\mathrm{CO}_2}+\mathrm{ST}_{\mathrm{CO}_2}+\mathrm{LI}_{\mathrm{CO}_2} $ (5)

式中，$ \mathrm{CE}_{\mathrm{CO}_2}$为水泥生产过程中产生的碳排放；$ \mathrm{ST}_{\mathrm{CO}_2}$为钢铁铸炼过程中产生的碳排放；$ \mathrm{LI}_{\mathrm{CO}_2}$为石灰生产过程中产生的碳排放，三者相加即为工业生产过程中产生的碳排放总量.

(3) 交通和生活碳消耗   城市交通和生活碳消耗采用分配法测算，即根据《湖南省省级能源平衡表》终端名录(表 3)，按一定指标分配到各个城市，其中第4项用于计算交通碳排放，第3、5、6和7项用于计算生活碳排放.

表 3 终端能源消耗 Table 3 End-use energy consumption

交通碳排放通过与公路通车里程数、邮电业务总量、民用汽车拥有量、客运量、货运量、人口和GDP等指标，与交通碳排放构建线性回归分析，结果表明公路里程数、GDP和客运量这三者对交通碳排放的解释力度较大. 因此，根据回归结果构建城市交通碳排放分配方程，计算公式如下：

$ \text { Traffice}_{\mathrm{CO}_2}=\frac{0.158 \mathrm{RM}_{\text {city }}+0.694 \mathrm{GDP}_{\text {city }}+0.230 \mathrm{PT}_{\text {city }}}{0.158 \mathrm{RM}_{\text {province }}+0.694 \mathrm{GDP}_{\text {province }}+0.230 \mathrm{PT}_{\text {province }}} \times T_{\mathrm{CO}_2} $ (6)

式中，$ \text { Traffice}_{\mathrm{CO}_2}$为城市交通碳排放；$ \mathrm{RM}_{\text {city }}$、$ \mathrm{GDP}_{\text {city }}$和$分别为城市公路通车里程、城市GDP和城市客运量；$ \mathrm{RM}_{\text {province }} 、\mathrm{GDP}_{\text {province }} \text { 和 } \mathrm{PT}_{\text {province }}$分别为湖南省总公路通车里程、湖南省GDP和湖南省总客运量；$ T_{\mathrm{CO}_2}$为湖南省交通碳排放.

生活碳排放根据Wang等[35]和Cai等[36]研究来计算湖南省生活碳排放，依据建设用地上的人口权重来分配各地市的生活碳排放$ T_{\mathrm{CO}_2}$.

综上，湖南省建设用地碳排放总量计算公式如下：

$ \text { City }_{\mathrm{CO}_2}=E_{\mathrm{CO}_2}+\mathrm{IM}_{\mathrm{CO}_2}+\text { Traffice }_{\mathrm{CO}_2}+L_{\mathrm{CO}_2} $ (7)

式中，$ E_{\mathrm{CO}_2}$为工业能源消耗碳排放；$ \mathrm{IM}_{\mathrm{CO}_2}$为城市工业生产过程消耗碳排放；$ \text { Traffice}_{\mathrm{CO}_2}$为城市交通活动产生的碳排放量；$ L_{\mathrm{CO}_2}$为由生活产生的碳排放量. 四者相加，即为城市建设用地碳排放总量.

1.3.1.2 农用地碳排放测算

湖南省农用地碳排放包括4个部分：化肥、农药和农膜使用过程产生的碳排放以及农林牧渔生产活动产生的碳排放，其中后者产生的碳排放根据表 3中的农林牧渔业能源消耗数据，按各市第一产业增加值分配到各地级行政区，得到最终化石能源消耗En，其他碳排放计算公式如下：

$ E_{\mathrm{f}}=\frac{44}{12} G_{\mathrm{f}} \times \mathrm{A} $ (8)
$ E_{\mathrm{y}}=\frac{44}{12} G_{\mathrm{y}} \times \mathrm{B} $ (9)
$ E_{\mathrm{m}}=\frac{44}{12} G_{\mathrm{m}} \times \mathrm{C} $ (10)

式中，Ef化肥消耗产生碳排放；Ey为农药消耗产生碳排放；Em为农膜消耗产生碳排放. Gf为化肥消耗量；Gy为农药消耗量；Gm为农膜消耗量. A、B和C分别为其对应产品的碳排放系数，如表 4所示.

表 4 农产品碳排放系数 Table 4 Carbon emission factors for agricultural products

综上，农用地碳排放总量计算公式如下：

$ L=E_{\mathrm{f}}+E_{\mathrm{y}}+E_{\mathrm{m}}+E_{\mathrm{n}} $ (11)

式中，L为农用地碳排放总量；Ef为化肥消耗产生碳排放；Ey为农药消耗产生碳排放；Em为农膜消耗产生碳排放；En为农林牧渔生产活动产生的碳排放.

1.3.1.3 生态用地碳汇测算

生态用地碳汇主要是指林地、灌丛、草地和湿地上的植被固碳量，本研究采用净生态系统生产力(NEP)定量化法中系数转换法测算生态用地碳汇[37]，具体转换系数见表 5，计算公式如下：

$ \mathrm{NEP}=\gamma \times \mathrm{NPP} $ (12)
$ \mathrm{Veg}_{\mathrm{CO}_2}=\frac{44}{12} \times \mathrm{NEP} $ (13)
表 5 NPP与NEP转换系数 Table 5 NPP and NEP conversion factors

式中，NEP为净生态系统生产力；γ为湖南省不同生态用地NEP与NPP的转换系数(表 5)；NPP为净初级生产力；VegCO2为生态用地碳汇量.

1.3.1.4 土地碳储量损失测算

土地利用类型转换会产生碳积累或碳损失现象，碳积累已包含在NEP的计算中，此处主要考虑碳损失的计算. Xu等[38]的研究将中国碳储量分为18个分区，通过匹配湖南省(R16)各地级市的生态系统分区碳密度，如表 6所示，以计算不同土地利用类型变化造成的碳储量损失，计算公式如下：

$ \mathrm{CS}_{\mathrm{CO}_2}=\frac{44}{12} \sum\limits_{i=1}^n\left(m_i \times s_i\right) \div N $ (14)
$ m_i=L_i-L_j $ (15)
表 6 生态分区用地类型碳密度/kg·m-2 Table 6 Carbon density of ecological zoning land types/kg·m-2

式中，$ \mathrm{CS}_{\mathrm{CO}_2}$为土地利用变化损失量；mi为某种土地利用变化类型的碳密度变化值；Li为土地变化前的碳密度；Lj为土地变化后的碳密度；si为某种土地利用变化类型的面积；N为土地利用类型转变的响应周期，本研究设定为10 a[39].

1.3.2 OLS线性回归

OLS模型是分析两个或多个变量之间关系最常用的方法，具有无偏性和最小方差性，模型回归系数可直接解释为自变量对因变量的边际影响，能迅速准确地评估各个因素对碳排放的影响，以确定主要碳排放影响因素，计算公式如下：

$ y=\beta_0+\sum\limits_{i=1}^\delta x_i \beta_i+\varepsilon $ (16)

式中，y为因变量；xi为第i个自变量；β为回归方程的系数；ε为回归模型的随机误差项.

2 结果与分析 2.1 不同土地利用类型碳排放结果与特征 2.1.1 建设用地碳排放

本研究涉及的湖南省城市建设用地CO2排放分布如图 1所示. 建设用地碳排放主要包括工业能源消耗、交通出行、居民生活和工业生产过程产生的碳排放总和，各市各项具体碳排放量见表 7. 从碳排放总量来看，2010~2019年全省碳排放量以增加趋势为主，其中工业能源消耗碳排放占比最大，高碳排放城市的分布重心由南向北转移. 湘西土家族苗族自治州、永州市、湘潭市和张家界市增加幅度超过80%；其中郴州市和衡阳市减少幅度最大，分别为35.8%和45.26%；娄底市和湘潭市是主要碳排放城市，占全省建设用地碳排放量的33.34%. 从人均碳排放量来看，2010~2019年全省人均碳排放以增加趋势为主，人均碳排放呈明显的东西分异，高人均碳排放城市主要位于湖南省中部地区，以娄底市和湘潭市最为显著，两者是我省老工业城市，经济发展依赖传统工业，工业能源碳排放耗能高，产业结构优化和转型升级仍是资源型城市转型的核心. 整体而言，湖南省建设用地碳排放总量整体保持增长态势，具体表现为东部地区大于西部地区，高碳排放城市多为工业资源型城市；全省人均碳排放北部地区均保持增加态势，南部地区碳排放呈减少态势.

图 1 湖南省建设用地碳排放量分布 Fig. 1 Distribution of carbon emissions from construction land in Hunan Province

表 7 建设用地碳排放核算项目城市名录1) Table 7 List of cities with carbon emission accounting projects for construction land

2.1.2 农用地碳排放

农业用地碳排放主要测度农林牧渔业能源消耗及农业生产过程中化肥、农药和农膜施用等产生的碳排放，各市主要农业碳排放分布特征如图 2所示. 各市各项具体碳排放量见表 8，其中，其中化肥使用碳排放为主要农业碳排放源. 2010~2019年农用地碳排放总量没有明显变化，2019年超100万t碳排放城市数量由50%下降至42.86%，长沙市退出高农业碳排放城市. 农用地碳排放空间分布相似，高农业碳排放城市沿中线分布，南北城市碳排放高于中部城市. 本研究发现衡阳市、常德市和岳阳市碳排放量一直较高，农业较为发达，属高投入和高排放的发展模式. 农业碳排放密度是衡量单位耕地面积上农作物生产过程中农业物资投入产生的碳排放水平，从碳排放密度来看，全省86%城市农业碳排放密度小于0.3万t·km-2，高值区主要是长沙市和岳阳市二市. 2010~2019年全区以及多数分区农业碳排放密度都有不同程度地增加，呈东高西低分布，主要原因在于科学技术的提高使得农业机械化快速发展，进一步加速能源消耗，应加大发展绿色农业，科学种植，降低化肥和农药等物资的投入. 整体而言，农业碳排放处于下降状态，高碳排放区分布在南北部；农业碳排放密度呈上升趋势，东部城市高于西部城市.

图 2 湖南省农用地碳排放总量分布 Fig. 2 Distribution of total carbon emissions from agricultural land in Hunan Province

表 8 农用地碳排放核算项目名录1) Table 8 List of projects accounting for carbon emissions from agricultural land

2.1.3 生态用地碳汇

湖南省林地、草地和灌丛的碳汇结果如图 3所示，生态用地碳汇是指林地、灌丛、草地和湿地上的植被固定CO2的量，其中林地是最主要的碳汇来源，占总碳汇量的99%以上，各市各项具体碳汇量见表 9. 在空间分布上，低碳汇区与高碳汇区分布具有明显西高东低的空间分异性. 低碳汇区耕地面积大、种植业发达，林地和草地资源较少，城市经济发展较快，故碳汇量低. 高碳汇区主要分布在武陵、雪峰、南岭和罗霄山山脉地区，该区拥有丰富的森林资源和广阔的草地资源，碳汇面积较大，植被碳汇量多，碳汇能力强，是该省重点生态保护区域，也是稳健该省生态安全格局的重要屏障. 从碳汇总量来看，2010~2019年全省固碳量呈下降趋势，除郴州市和湘西苗族苗族土家族自治州小幅度增加外，其他城市固碳量均有不同程度下降，主要与该两地林地碳汇基础量大和山地地形有关，其余城市碳储量下降程度不显著，因为城市经济发展进程中，采取植树造林、改造低效林等方式提高碳汇用地面积与植被碳汇能力，以稳固本市生态能力，但仍需继续推进生态修复工程，以期实现碳达峰碳中和目标.

图 3 湖南省生态用地碳汇分布 Fig. 3 Distribution of carbon sinks in ecological land in Hunan Province

表 9 生态用地碳汇核算项目名录1) Table 9 List of ecological land carbon sink accounting projects

2.1.4 土地碳储量损失

土地利用变化导致的碳储量损失分布如图 4所示，各市各项具体土地碳储量损失见表 10. 2010~2019年湖南省大部分城市碳损失量呈上升趋势，仅湘西苗族土家族自治州和郴州市碳储量增加，林地转出是碳损失增加的主要来源. 从植被碳汇类型来看，林地碳损失由中部城市向两边递减，碳损失超过40万t的城市有5个，分别是常德市、邵阳市、长沙市和益阳市，湘西土家族苗族自治州和郴州市林地碳储量增加，郴州市增加量超30万t；草地碳损失城市主要分布在北部的常德市和岳阳市，以及南部的邵阳市和永州市，其余城市草地碳储量均有不同程度的增加；灌丛碳储量除益阳市外，全省均处于灌丛碳损失状态. 表明湖南省应深入推进生态文明建设，改善生态环境治理，以高品质生态环境支撑高质量发展.

图 4 湖南省土地碳储量损失 Fig. 4 Loss of land carbon storage in Hunan Province

表 10 土地利用变化碳储量损失核算项目名录1) Table 10 List of projects accounting for carbon stock losses from land use change

2.1.5 湖南省总碳排放

2010~2019年湖南省土地利用总碳排放如图 5所示，各市各项碳排放量见表 11. 64%以上的城市总碳排放量呈现不同程度地增长，呈东高西低式分布，仅东南地区的郴州市、株洲市、衡阳市、长沙市和怀化市总碳排量减少，占比36%. 高碳排放城市主要位于湖南省中部，以娄底市和湘潭市为中心，向南北方向蔓延. 主要原因在于娄底市和湘潭市属于资源型城市，且下属县级城市属成熟型资源城市，长期持续向国家输送能源与原材料，化石能源的大量消耗，造成大量CO2排放. 建设用地碳排放是城市最主要的碳排放来源，超九成城市建设用地上发生的碳排放占城市碳排放的85%，甚至大半占比超过95%，农业用地碳排放和土地利用碳损失占比较小，化石能源消耗碳排放的主导地位在逐渐加强，这对中国实现碳达峰目标提出了更艰巨的任务，碳减排技术的研发推广与风电和水电等非化石能源替代煤炭等项目实施刻不容缓.

图 5 湖南省土地利用碳排放分布格局 Fig. 5 Distribution pattern of carbon emissions from land use in Hunan Province

表 11 土地利用碳排放核算项目名录1) Table 11 Inventory of projects accounting for carbon emissions from land use

2.2 湖南省碳排放影响因素分析 2.2.1 影响因素选取

参考相关研究并结合区域实际及数据可获取性，本研究从社会经济因素、自然因素、土地利用以及交通因素4个角度出发构建指标体系，讨论土地利用碳排放的影响因素，初步选取11个指标，具体指标变量见表 12.

表 12 影响因素指标体系 Table 12 Influencing factors index system

为消除截面数据部分指标异常波动及量纲的影响，土地利用碳排放量及各指标变量均进行归一化处理. 本研究基于SPSS软件采用OLS线性回归方法对土地利用碳排放影响因素进行筛选，筛选原则为：①影响因素组合的校正R2大于0.5；②最大方差膨胀因子(VIF)值低于10；③各因素在0.05水平下显著. 2010年和2019年OLS模型结果如表 13所示，共筛选出7个指标.

表 13 OLS回归结果1) Table 13 OLS regression result

2.2.2 土地利用碳排放的影响因素分析

不同因素对土地利用碳排放的影响作用不同，在不同阶段的影响效果也不同. 总体而言，第二、第三产业显著促进了湖南省土地利用碳排放的增加，而第一产业和建设用地面积则抑制土地利用碳排放.

2010年，常住人口、人均GDP、第二、三产业以及建设用地面积对土地利用碳排放有正向促进的作用，其他指标不显著，其中第二、三产业对碳排放正向促进作用最大；第一产业与固定资产投资对土地利用碳排放表现为抑制作用，固定资产投资的抑制作用远小于第一产业. 2019年，常住人口、人均GDP以及第二、三产业对土地利用碳排放表现为正向促进作用，第二、三产业对碳排放正向促进作用仍是最大，其他影响较小；第一产业与建设用地面积则表现为抑制作用，固定资产投资在2019年对土地利用碳排放的影响不显著.

通过对比两期回归结果，本研究发现第二、三产业一直是促进碳排放增加的最主要的指标，且系数均在变大但变化幅度较小，说明湖南省产业结构转型仍需努力，产业内部应继续进行高级化和低碳改造，以实现节能减排. 常住人口和人均GDP的影响力降低，说明人类活动对土地利用碳排放的影响效应在逐步降低，湖南省民众的低碳节能意识得到提高，低碳倡议得到实践，践行简约适度和绿色低碳的生活方式，必将为我国生态文明建设奠定坚实的发展基础. 建设用地面积的影响效应由正效应向负效应转变，主要原因在于2010年工厂主要集中在城市中心或周边，工业发展过程消耗的化石能源加强了建设用地面积的碳排放效益；随着城市化进程的发展，工厂逐渐迁出主城区，城市内部主要满足人们的娱乐、居住、教育和医疗等问题，因此影响力下降. 以娄底市为代表的资源型城市，近十年以开采自然资源为主，其产生的大量碳排放并不在建设用地上. 同时也说明湖南省低碳城市项目取得阶段性成果，通过科学合理的城市布局、产业调整和能源结构优化，实现城市的绿色转型. 第一产业始终对碳排放呈抑碳效应，体现产业结构在控制碳排放中有着重要地位，以能源消费为主的第二产业碳排放在总体碳排放中始终占据较大比例，其次，第三产业逐渐成为碳排放量增加的主要贡献者. 因此，产业结构的优化调整对控制碳排放能起到一定正向作用，湖南省应积极提高新能源技术利用效率、推广绿色低碳技术及建设相关技术创新的体系化能力.

3 讨论

随着经济的快速发展和城镇化进程的持续推进，土地利用变化引起的碳排放量逐年增大. 本研究从碳源和碳汇两个方面深入分析了湖南省14个城市土地利用碳排放具体项目及其影响因素，为湖南省实施碳减排政策和探索低碳城市经济发展路径提供了参考. 本研究希望通过较为准确统一的测算条目进行湖南省各城市土地利用碳排放测算，并进行城市间的比较分析，以探索城市低碳经济发展路径. 但本研究未进行连续时点的碳排放测算，只用两个时点数据不能够观测到各城市各项碳排放的时间序列特征，不同时间节点的城市碳排放受到的主要影响可能存在差异；同时本研究仅对CO2的碳排放进行测算，未包含其他碳排放过程，但相关研究表明CO2是我国最主要的碳排放气体，占我国碳排放总量的90%以上[40，41]，基本能代表我国土地利用碳排放水平，未来在有关数据的支撑下，要构建更完善的连续时点碳排放核算清单，以全面评估湖南省乃至全国城市碳排放. 在土地碳排放时空格局特征演变中，碳排放量高的地区经济发达、人口规模大和工业水平高等，碳汇量高的地区森林草甸资源丰富且工业水平低，经济相对欠发达[42]. 因此，低碳城市发展路径可以从碳减排和碳增汇两部分切入，逐步实现城市净零排放.

碳减排方面：能源使用方面，化石能源仍是湖南省促进经济发展的重要推动力，湖南省正处于工业转型阶段，高耗能的工业企业仍占有较大比例，能源消耗碳排放仍是主要碳源，工业提质增效和能源行业升级转型是我省加快构建现代工业体系的重点. 产业结构方面，第二产业对总碳排放有着显著正向促进作用，这与第二产业的发展强度依赖化石能源的消耗密切相关，尤其是煤炭资源丰富的资源型城市[43]. 如娄底市，是湖南省典型的资源型城市，近十年总碳排放量居于湖南省首位. 第二产业向高端绿色方向转型是实现碳排放脱钩的关键，但湖南省的较发达城市集中发展第三产业，高端绿色型产业较为稀缺. 因此，发展高新技术产业是实现产业结构转型的重要途径[44]. 居民生活方面，常住人口对土地利用碳排放呈正向促进作用. 家庭是社会能源消费的基本单位，直接或间接地产生能源消费，因此推行全民绿色低碳行动能显著降低终端消费碳排放强度. 改善居民的消费方式、提高居民绿色、低碳生活意识，建设绿色低碳循环发展经济体系，促进经济社会发展全面绿色转型是实现我省可持续发展的长久之策.

碳增汇方面：林地碳汇和草地碳汇是湖南省主要碳汇来源，尤其是林地碳汇，与湖南省总碳汇量具有趋同趋势[45]. 郴州市和怀化市是我省重要的碳汇控制区，要注重林业碳汇功能的保护，坚持可持续发展方针；永州市、邵阳市、湘西土家族苗族自治州的碳汇量居中，在推动能源向绿色低碳转型的同时，要重视生态保护和经济发展并行，实现碳排放和碳吸收的均衡配置[46]；湘潭市和娄底市是我省碳汇量最低同时碳排放量最高的城市，在规划中要坚持生态优先、绿色发展原则，构建生态安全格局. 总体而言，湖南省生态环境保护基础能力仍较弱，应继续推进生态修复和退耕还林等生态工程，激活或提升当地生态系统的碳汇功能，持续改善全省生态环境质量.

4 结论

(1) 建设用地上的能源消耗碳排放是湖南省最主要的碳排放来源，超九成城市建设用地上发生的碳排放占城市碳排放的85%，甚至大半占比超过95%；农业用地碳排放中80%以上的城市化肥使用是主要农业碳排放源，化肥使用碳排放占比超50%；林地碳汇是湖南全省最主要的碳汇来源，其增长趋势与城市碳汇量保持一致.

(2) 湖南省64%以上的城市总碳排放量呈不同程度的增长，呈东高西低式分布；高碳排放城市主要位于湖南省中部，以娄底市和湘潭市为中心，向南北方向蔓延. 建设用地碳排放总量东高西低，人均碳排放北增西减，整体保持增长态势. 农业用地碳排放总量南北高、东西低，呈下降趋势，农业碳排放密度东高西低，呈上升趋势. 生态用地固碳量整体呈下降趋势，除郴州市和湘西土家族苗族自治州小幅度增加外，其他城市固碳量均有不同程度下降，林地碳汇量与生态用地碳汇量具有趋同趋势.

(3) 不同因素对湖南省土地利用碳排放的影响效应不同. 第二、三产业一直是促进碳排放增加的最主要的指标，且系数均在变大但变化幅度较小，第一产业始终对碳排放呈抑碳效应，且系数在变大且变化幅度巨大. 体现产业结构在控制碳排放中有着重要地位，产业结构的优化调整对控制碳排放能起到一定正向作用，湖南省应积极提高新能源技术利用效率、推广绿色低碳技术及建设相关技术创新的体系化能力.

参考文献
[1] Sha Z Y, Bai Y F, Li R R, et al. The global carbon sink potential of terrestrial vegetation can be increased substantially by optimal land management[J]. Communications Earth & Environment, 2022, 3(1). DOI:10.1038/s43247-021-00333-1
[2] 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.
[3] Wang W L, Yu H L, Tong X L, et al. Estimating terrestrial ecosystem carbon storage change in the YREB caused by land-use change under SSP-RCPs scenarios[J]. Journal of Cleaner Production, 2024, 469. DOI:10.1016/j.jclepro.2024.143205
[4] 郭芳, 王灿, 张诗卉. 中国城市碳达峰趋势的聚类分析[J]. 中国环境管理, 2021, 13(1): 40-48.
Guo F, Wang C, Zhang S H. Cluster analysis of carbon emissions peaking trends in Chinese cities[J]. Chinese Journal of Environmental Management, 2021, 13(1): 40-48.
[5] Shan Y L, Guan D B, Liu J H, et al. Methodology and applications of city level CO2 emission accounts in China[J]. Journal of Cleaner Production, 2017, 161: 1215-1225. DOI:10.1016/j.jclepro.2017.06.075
[6] 赵晓丽, 张钰琛, 杨曦. 中国城市能源转型的特征及影响因素分析——基于中国131个城市的经验证据[J]. 技术经济, 2022, 41(4): 130-140.
Zhao X L, Zhang Y C, Yang X. Characteristics and influencing factors of urban energy transition in China: based on empirical evidence from 131 cities in China[J]. Journal of Technology Economics, 2022, 41(4): 130-140.
[7] Jin X L, Jiang P H, Li M C, et al. Mapping Chinese land system types from the perspectives of land use and management, biodiversity conservation and cultural landscape[J]. Ecological Indicators, 2022, 141. DOI:10.1016/j.ecolind.2022.108981
[8] Wang W L, Jiao L M, Jia Q Q, et al. Land use optimization modelling with ecological priority perspective for large-scale spatial planning[J]. Sustainable Cities and Society, 2021, 65. DOI:10.1016/j.scs.2020.102575
[9] Wang W L, Jiao L M, Zhang W N, et al. Delineating urban growth boundaries under multi-objective and constraints[J]. Sustainable Cities and Society, 2020, 61. DOI:10.1016/j.scs.2020.102279
[10] Hu J X, Yan D Y, Wang W L. Estimating carbon stock change caused by multi-scenario land-use structure in Urban Agglomeration[J]. Sustainability, 2023, 15(6). DOI:10.3390/su15065503
[11] Zhang D N, Zhao Y H, Wu J S. Assessment of carbon balance attribution and carbon storage potential in China's terrestrial ecosystem[J]. Resources, Conservation and Recycling, 2023, 189. DOI:10.1016/j.resconrec.2022.106748
[12] 冯薇, 赵荣钦, 谢志祥, 等. 碳中和目标下土地利用碳排放效率及其时空格局——以黄河流域72个地级市为例[J]. 中国土地科学, 2023, 37(1): 102-113.
Feng W, Zhao R Q, Xie Z X, et al. Land use carbon emission efficiency and its spatial-temporal pattern under carbon neutral target: a case study of 72 cities in the Yellow River Basin[J]. China Land Science, 2023, 37(1): 102-113.
[13] 李志英, 朱晓珊, 杨丽, 等. 云南省土地利用碳排放时空演变特征及影响因素[J]. 水土保持通报, 2023, 43(5): 297-303, 311.
Li Z y, Zhu X S, Yang L, et al. Spatial-temporal evolution characteristics and influencing factors of carbon emissions in Yunnan Province based on land use changes[J]. Bulletin of Soil and Water Conservation, 2023, 43(5): 297-303, 311.
[14] 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.
[15] Meng Q X, Zheng Y N, Liu Q, et al. Analysis of spatiotemporal variation and influencing factors of land-use carbon emissions in nine provinces of the yellow river basin based on the LMDI model[J]. Land, 2023, 12(2). DOI:10.3390/land12020437
[16] 赵萍, 孙雨, 赵思逸, 等. 巢湖流域土地利用碳排放时空变化及影响因素研究[J]. 合肥工业大学学报(自然科学版), 2024, 47(4): 433-440, 457.
Zhao P, Sun Y, Zhao S Y, et al. Spatio-temporal changes and influencing factors of land use carbon emissions in Chaohu Lake Basin[J]. Journal of Hefei University of Technology (Natural Science), 2024, 47(4): 433-440, 457.
[17] 汪权方, 晋雨涵, 孙佩, 等. 区域土地利用变化碳效应的精细监测方法及其应用[J]. 环境科学, 2024, 45(9): 5060-5068.
Wang Q F, Jin Y H, Sun P, et al. A method for fine mapping of carbon emissions from regional land use change and its application[J]. Environmental Science, 2024, 45(9): 5060-5068.
[18] 陈靖松, 张建军, 李金龙, 等. 京津冀地区碳排放时空格局变化及其驱动因子[J]. 生态学报, 2024, 44(6): 2270-2283.
Chen J S, Zhang J J, Li J L, et al. Spatio-temporal pattern of carbon emissions and its driving factors in the Beijing-Tianjin-Hebei region[J]. Acta Ecologica Sinica, 2024, 44(6): 2270-2283.
[19] 范清瑶, 夏卫生, 莫成鑫, 等. 基于"三生空间"的土地利用转型时空演变及其碳排放效应研究——以福建省为例[J]. 生态环境学报, 2023, 32(12): 2183-2193.
Fan Q Y, Xia W S, Mo C X, et al. Study on transition of land use function and its carbon emission effect repose based on the conception of "production, living and ecological space": a case study of Fujian Province[J]. Ecology and Environmental Sciences, 2023, 32(12): 2183-2193.
[20] Wang Q, Zhang C, Li R R. Towards carbon neutrality by improving carbon efficiency-A system-GMM dynamic panel analysis for 131 countries' carbon efficiency[J]. Energy, 2022, 258. DOI:10.1016/j.energy.2022.124880
[21] 李建豹, 黄贤金, 揣小伟, 等. 长三角地区碳排放效率时空特征及影响因素分析[J]. 长江流域资源与环境, 2020, 29(7): 1486-1496.
Li J B, Huang X J, Chuai X W, et al. Spatio-temporal characteristics and influencing factors of carbon emissions efficiency in the Yangtze River Delta Region[J]. Resources and Environment in the Yangtze Basin, 2020, 29(7): 1486-1496.
[22] 孙宇栋, 毛德华, 邱冬冬. 长沙市土地利用碳排放的时空演变特征及多情景模拟[J]. 农业资源与环境学报, 2025, 42(2): 529-542.
Sun Y D, Mao D H, Qiu D D. Spatial and temporal analysis and multi-scenario simulation of land use carbon emissions in Changsha city based on the GMOP-PLUS coupling model[J]. Journal of Agricultural Resources and Environment, 2025, 42(2): 529-542.
[23] 李梓赫, 周冬梅, 江晶, 等. 甘肃省土地利用碳排放时空演变特征及影响因素[J]. 环境科学, 2024, 45(9): 5040-5048.
Li Z H, Zhou D M, Jiang J, et al. Spatial and temporal evolution characteristics of carbon emission from land use and influencing factors in Gansu Province[J]. Environmental Science, 2024, 45(9): 5040-5048.
[24] 孙彩凤, 姜巍, 高卫东. 山东省土地利用碳排放变化的时空特征及影响因素分析[J]. 环境科学, 2025, 46(1): 30-40.
Sun C F, Jiang W, Gao W D. Spatial-temporal evolution and influencing factors of land use carbon emissions in Shandong Province[J]. Environmental Science, 2025, 46(1): 30-40.
[25] 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.
[26] 魏俊超, 梅志雄, 马君杰, 等. 广州市土地利用碳排放时空演变及影响因素[J]. 水土保持研究, 2024, 31(4): 298-307.
Wei J C, Mei Z X, Ma J J, et al. Spatiotemporal evolution and influencing factors of land-use carbon emissions in Guangzhou[J]. Research of Soil and Water Conservation, 2024, 31(4): 298-307.
[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] 邓灵颖, 李红波. 武汉城市圈土地利用碳排放时空演变及驱动因素[J]. 水土保持研究, 2024, 31(1): 345-353.
Deng L Y, Li H B. Spatial and temporal evolution of land use carbon emissions and analysis of driving factors in Wuhan metropolitan area[J]. Research of Soil and Water Conservation, 2024, 31(1): 345-353.
[29] Zhang L, Ruan J H, Zhang Z, et al. City-level pathways to carbon peak and neutrality in China[J]. Cell Reports Sustainability, 2024, 1(5). DOI:10.1016/j.crsus.2024.100102
[30] Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8): 3907-3925. DOI:10.5194/essd-13-3907-2021
[31] 柳可, 张安录. 耕地利用效率研究进展——基于文献计量视角[J]. 资源科学, 2023, 45(3): 494-511.
Liu K, Zhang A L. Research progress and hotspots of cultivated land use efficiency in China and internationally: based on a bibliometric analysis[J]. Resources Science, 2023, 45(3): 494-511.
[32] 樊星. 中国碳排放测算分析与减排路径选择研究[D]. 沈阳: 辽宁大学, 2013.
Fan X. Calculation of carbon emissions and research on reduction path in China[D]. Shenyang: Liaoning University, 2013.
[33] 蔡博峰. 城市温室气体清单研究[J]. 气候变化研究进展, 2011, 7(1): 23-28.
Cai B F. A study on city greenhouse gas emissions inventory[J]. Advances in Climate Change Research, 2011, 7(1): 23-28.
[34] Wang H K, Lu X, Deng Y, et al. China's CO2 peak before 2030 implied from characteristics and growth of cities[J]. Nature Sustainability, 2019, 2(8): 748-754. DOI:10.1038/s41893-019-0339-6
[35] Wang J N, Cai B F, Zhang L X, et al. High resolution carbon dioxide emission gridded data for China derived from point sources[J]. Environmental Science & Technology, 2014, 48(12): 7085-7093.
[36] Cai B F, Liang S, Zhou J, et al. China high resolution emission database (CHRED) with point emission sources, gridded emission data, and supplementary socioeconomic data[J]. Resources, Conservation and Recycling, 2018, 129: 232-239. DOI:10.1016/j.resconrec.2017.10.036
[37] 生态环境部环境规划院, 中国科学院生态环境研究中心. 陆地生态系统生产总值(GEP)核算技术指南[R]. 2020.
[38] Xu L, Yu G R, He N P, et al. Carbon storage in China's terrestrial ecosystems: a synthesis[J]. Scientific Reports, 2018, 8(1). DOI:10.1038/s41598-018-20764-9
[39] 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.
[40] 孙建卫, 赵荣钦, 黄贤金, 等. 1995~2005年中国碳排放核算及其因素分解研究[J]. 自然资源学报, 2010, 25(8): 1284-1295.
Sun J W, Zhao R Q, Huang X J, et al. Research on carbon emission estimation and factor decomposition of China from 1995 to 2005[J]. Journal of Natural Resources, 2010, 25(8): 1284-1295.
[41] 于贵瑞, 郝天象, 朱剑兴. 中国碳达峰、碳中和行动方略之探讨[J]. 中国科学院院刊, 2022, 37(4): 423-434.
Yu G R, Hao T X, Zhu J X. Discussion on action strategies of China's carbon peak and carbon neutrality[J]. Bulletin of Chinese Academy of Sciences, 2022, 37(4): 423-434.
[42] 覃朝晖, 王镕菲, 丁志国. 城市发展环境压力对碳排放水平的影响效应[J]. 环境科学, 2025, 46(3): 1473-1481.
Qin Z H, Wang R F, Ding Z G. Impact of environmental pressure from urban development on the level of carbon emissions in urban areas[J]. Environmental Science, 2025, 46(3): 1473-1481.
[43] 樊大磊, 李富兵, 王宗礼, 等. 碳达峰、碳中和目标下中国能源矿产发展现状及前景展望[J]. 中国矿业, 2021, 30(6): 1-8.
Fan D L, Li F B, Wang Z L, et al. Development status and prospects of China's energy minerals under the target of carbon peak and carbon neutral[J]. China Mining Magazine, 2021, 30(6): 1-8.
[44] 钱有飞. 城市转型下产业结构和土地利用结构的耦合关系及用地结构优化方案研究[J]. 西南大学学报(自然科学版), 2024, 46(8): 86-94.
Qian Y F. Research on the coupling relationship between industrial structure and land use structure under urban transformation and the optimization scheme of land use structure[J]. Journal of Southwest University (Natural Science Edition), 2024, 46(8): 86-94.
[45] 杨卓琳, 刘荣波, 逄锦光, 等. 陆地生态系统碳收支时空变化及影响因素——以湖南省郴州市为例[J]. 长江流域资源与环境, 2024, 33(5): 1066-1075.
Yang Z L, Liu R B, Pang J G, et al. Spatio-Temporal characteristics and driving factors of terrestrial carbon uptake: a case study of Chenzhou City, Hunan Province[J]. Resources and Environment in the Yangtze Basin, 2024, 33(5): 1066-1075.
[46] 崔晓伟, 王金胜, 刘志晓, 等. 碳排放"双控"背景下山东省碳中和实现路径研究[J]. 生态学报, 2024, 44(21): 9783-9791.
Cui X W, Wang J S, Liu Z X, et al. Path of carbon neutralization under the background of "dual control" of carbon emissions in Shandong Province[J]. Acta Ecologica Sinica, 2024, 44(21): 9783-9791.