2023, Vol. 44
随着人类活动对自然界的影响不断加深, 碳排放的增加已成为全球变暖的主要原因之一, 而土地利用的变化尤其是大量农业用地转化为建设用地等的变化, 使碳汇面积缩减、碳源面积扩大, 而土地承载着几乎所有的人类活动.支撑其所引起的碳排放量占人类活动碳排放总量的1/3[1, 2].近几年来, 中国已然成为二氧化碳排放量第一的国家, 但在2020年我国提出了碳达峰与碳中和的战略目标.因此在当下低碳减排具有一定的压力.经济的发展必然引起土地利用类型的变更, 由此从土地利用变化的角度开展碳排放与碳吸收的研究, 分析土地利用碳排放的时空变化, 对区域和国家的规划发展有一定的指导意义, 也可为我国碳中和目标的实现提供理论基础, 对于实现低碳减排具有重要意义.
近年来, 国内外学者已从不同尺度运用不同方法对土地利用的碳排放总量, 趋势变化, 影响因素等进行了诸多探究.从全国尺度上, 方精云等[3]通过地面观测数据和卫星遥感数据对1981~2000年的中国陆地植被碳汇进行了估算分析. 赖力[4]在构建了碳排放评估模型的基础上分析了中国陆地生态系统碳收支的时空格局.孙霜梅[5]、周嘉等[6]和冯杰等[7]利用土地利用数据和统计数据进行了中国省域土地利用碳排放时空差异与碳补偿等相关研究.赵宁等[8]通过搜集已有论文资料和模型模拟等方法对中国陆地生态系统碳源与碳汇进行了整合分析.从省级尺度上, 魏燕茹等[9]和蓝家程等[10]在计算了福建省和重庆市土地利用碳排放的同时分析了碳平衡和碳足迹.杨国清等[11]通过土地利用地类碳排放系数法等方法, 研究了1996~2015年广东省碳排放强度和效率空间分异规律.揣小伟等[12]则基于省级层面进一步探讨土地利用变化对土壤碳储量的影响.从区县级尺度上, 王刚等[13]和李璐等[14]从土地利用碳收支角度研究了与经济发展的关系和碳平衡分区.景勇等[15]以绵阳市为例就四川盆地西北部土地利用碳排放时空变化分析.除此之外, 苑韶峰等[16]研究了整个长江流域土地利用碳排放的空间异质性.而Tang等[17]运用连续变化检测和分类(CCDC)算法等方法分析评估了湄公河流域土地利用变化以及相关的碳排放和吸收.Tian等[18]从全球模式及其变化上研究土地利用碳排放.Graham等[19]利用LANDIS-II森林模拟模型研究土地利用情景变化后森林碳轨迹.Yang等[20]提出了理论碳盈亏指数并根据STIRPAT模型和灰色预测模型GM(1, 1)改进了区域间碳补偿成本的方法.侯建坤等[21]利用GeoSOS-FLUS模型和InVEST模型分别预测和评估了未来土地利用变化格局以及对生态碳储量的影响.罗晓虹等[22]则研究了在不同土地利用方式下, 土壤团聚体的有机碳分布.除此之外, 徐婕等[23]基于土地利用碳排放采用造林成本法和碳税率法对主体功能区生态补偿标准进行了研究.禹康康等[24]和冯源等[25]分别基于土地利用变化对太湖流域和重庆渝北区的碳排放进行了预测.杨皓然等[26]讨论了南京市土地利用碳排放现状及未来政策模拟趋势下的碳排放趋势.王天福等[27]利用InVEST模型定量评估陕西省植被碳储量时空演变特征及分布格局.
综上所述, 关于土地利用碳排放的研究已有比较丰硕的研究成果, 对于本研究具有较强的参考意义.但大多研究仅简单揭示碳排放和社会经济发展间的线性关系[28].因为能源统计数据的限制, 使得碳排放和经济发展间的关系大多是以小区域为主[14, 15], 已有研究仅局限于个别省市[9, 11, 29, 30], 对全国各省市碳汇能力的研究成果也相对较少.由于土地利用变化较为缓慢, 主要是通过某一年或者间隔几年的数据进行研究.因此本研究以全国30个省市为研究对象, 通过2001~2019年中国土地利用数据及核算的能源消耗碳排放, 计算2001、2010和2019年的碳排放贡献系数和碳生态承载系数指标, 从而对各省市土地利用碳排放时空特征及其碳排放量和碳汇能力进行分析, 并将其分区, 以期为国家和各地政府制定相应的低碳减排政策和规划低碳土地利用模式提供科学依据.
1 材料与方法 1.1 数据来源本文使用的数据有土地利用数据、能源消耗和各省市经济统计数据, 来源如表 1所示.
|
表 1 数据来源 Table 1 Data source table |
1.2 研究方法 1.2.1 土地利用碳排放量测算
本文研究的土地利用碳排放主要分为直接碳排放和间接碳排放.直接碳排放由土地利用的变化而引起, 包括耕地、林地、草地、水域和未利用地的碳排放量, 本文利用碳排放系数法计算获得, 即不同地类的面积乘以其对应的碳排放系数, 得出各地类的碳排放量之和.公式如下：
|
(1) |
式中, Ci为第i种用地类型的碳吸收量; Ai为第i种用地类型的面积; δ为第i种用地类型的碳排放系数.根据已有研究, 林地[1]、未利用地[4, 5]、耕地[33, 34]、水域[35]和草地[36]的碳排放系数分别为-0.644、-0.005、0.422、-0.253和-0.021 t ·(hm2 ·a)-1.
而间接碳排放即建设用地的碳排放量则是利用能源消耗的统计数据根据文献[37]中的能源换算系数计算出的碳排放量进行替代, 本文选取的能源有煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气和电力等.计算公式如下：
|
(2) |
式中, Cj为建设用地的碳排放量; Ei为第i种能源的消耗量, 换算成标准煤进行计算; fi为第i种能源的碳排放系数, 各种能源的换算系数和碳排放系数见表 2[37].
|
|
表 2 各能源标准煤换算系数和碳排放系数1) Table 2 Conversion factor and carbon emission factor of standard coal for each energy |
1.2.2 聚类与异常值分析
聚类和异常值分析实际上是通过对局部计算和显著性分析, 得出局部Moran' I指数以表征统计显著性的热点、冷点和空间异常值[38, 39], 其计算公式为:
|
(3) |
式中, 
碳排放的经济贡献系数(economy contributive coefficient, ECC) 用于从经济利益的角度衡量区域碳排放量的差异性, 反映了区域碳生产力的大小[40].计算方法如下：
|
(4) |
式中, Gi和Ci分别表示某省市的GDP和碳排放量, G和C分别表示全国的GDP和碳排放总量; 当ECC>1时, 则表明某省市的经济贡献率大于碳排放的贡献率, 说明具有较高的能源利用效率和碳生产力; 反之, 则表明该省市具有相对较低的能源利用效率和碳生产力[36].
1.2.4 碳生态承载系数碳生态承载系数(ecological support coefficient, ESC)即表示某一地区碳吸收占全区的比例与该区域碳排放全区的比例的商, 反映了区域碳汇能力的大小[36, 40].计算方法如下：
|
(5) |
式中, Cx和Ci分别表示某省市的碳吸收量和碳排放量, CX和C分别表示全国的碳吸收和碳排放总量.若ESC>1, 则表明碳生态承载系数高, 说明具有较高的碳汇能力; 若ESC < 1, 则表明该地区碳生态承载系数较低, 其碳汇能力也较弱[36].
1.2.5 耦合协调度耦合协调度是用于分析事物的协调发展水平的模型.耦合度指两个或两个以上系统之间的相互作用影响, 实现协调发展的动态关联关系, 可以反映系统之间的相互依赖相互制约程度.协调度指耦合相互作用关系中良性耦合程度的大小, 它可体现出协调状况的好坏[12, 15, 41~43].碳排放经济贡献系数和碳生态承载系数的耦合协调度计算公式为：
|
(6) |
式中, H为耦合协调度, 0≤H≤1, 值越大代表协调性越好; f(x)和g(x)分别为碳排放经济贡献系数和碳生态承载力的标准化值; a和b为待定系数, a+b=1, 由于碳排放经济贡献和生态承载的协调发展过程中, 两者之间的相互促进程度差异不大, 因此ɑ和b均取值为0.5, k为调节系数, 因本文中有两个系统, 因此k取值为2[41].根据已有研究[42~44], 本文将耦合协调度分为极度失调(0.000~0.099)、严重失调(0.100~0.199)、中度失调(0.200~0.299)、轻度失调(0.300~0.399)、濒临失调(0.400~0.499)、勉强协调(0.500~0.599)和初级协调(0.600~0.699)这7种类型.
2 结果与讨论 2.1 土地利用碳排放时空特征通过对全国30个省市(中国西藏、香港、澳门和台湾资料暂缺)不同时期的土地利用数据进行计算, 得到2001~2019年碳排放和碳吸收量(图 1和表 3).结果表明, 2001~2019年, 中国土地利用碳排放量呈持续增长趋势, 其发展先后经历了2个阶段.2001~2011年间, 碳排放量5.13×109 t增加至14.16×109 t. 2012~2019年, 碳排放量缓慢增加至17×109 t.由图 1可以看出, 碳源的排放量远远大于碳汇的吸收量.而在碳汇吸收发展过程中, 2001~2019年, 中国土地利用碳汇吸收量呈持续增长趋势, 但增长量较碳源排放量速度相对缓慢.2001~2019年间, 碳汇量由0.63×108 t缓缓上升至0.73×109 t.主要有3个阶段, 2001~2008年, 全国土地利用碳汇虽然增加但增加较缓, 这是由于在此期间全国城市化飞速开发建设, 因此碳汇吸收增加不多.2009~2014年增长速率加快, 国家对于碳汇用地和生态资源开始有所保护, 所以相较之前有一个较快的增长.2014年之后又放缓, 说明在维持现有经济发展的基础上对碳汇用地的发展保护已经趋近阶段性的峰值, 需要均衡二者的发展.
|
图 1 2001~2019年中国碳源和碳汇变化 Fig. 1 Changes in carbon sources and carbon sinks in China from 2001 to 2019 |
|
|
表 3 2001~2019年中国土地利用碳源碳汇总量×104/t Table 3 Land use carbon source summary in China from 2001 to 2019×104/t |
由于长时间序列的全国土地利用碳排放在分析计算结果时, 相邻年份的空间特征差异较小, 因此本文选取了研究期始、期中和期末, 即2001、2010和2019年这个时期的土地利用碳排放进行了聚类和异常值等分析(图 2). 结果显示随着社会经济和城市化的快速发展全国土地利用碳排放的峰值区域由2001年的广东、江苏等省份逐渐转移到2019年的河北、山西和内蒙古等省份; 并且由原先的分散分布, 逐渐过渡为集聚分布.这是由于类似广东和江苏等省份自改革开放以来较之周边省市的经济发展迅速, 因此碳排放也比周边省份高.而到了2010年东南沿海省份经济和城市化发展与广东省差距大大缩小, 因此碳排放峰值省份转移至京津冀等地区.至2019年诸如广东和江苏等发达省份经济发展逐渐转型, 以区域内生态资源为主逐步寻求经济绿色发展, 而像内蒙古等地能源产业占比加大, 能源产业不断发展扩张, 建设用地不断增多, 因而在其上产生的间接碳排放不断增加, 所以出现新的碳排放峰值.
|
图 2 全国土地利用碳排放聚类和异常值分析 Fig. 2 Clustering and outlier analysis of national land use carbon emissions |
由图 3可知, 北方大部分省市的土地利用碳排放经济贡献系数在0.1~0.85之间, 而南方各省的经济贡献系数则处于0.85~3.95之间, 其总体空间特征呈现出南高北低的趋势, 研究结果表明, 2001年开始, 广东和浙江等沿海发达省份的经济贡献系数较高, 说明这些省份碳生产力与能源利用率相较全国其余地区较高, 而西北部的甘肃和内蒙古等省最低.全国共有16个省和直辖市经济贡献系数大于1; 到2010年天津、北京和辽宁等省市碳排放经济贡献率有所提高, 但就全国来看经济贡献系数大于1的省市却减少至13个, 其中大于2的省市只有北京和广东, 这说明在这期间经济城市化发展快速的同时, 一些省市产业发展粗放, 对于能源利用率不高也就使得碳生产力较低甚至还有所下降; 至2019年只有山东等个别省市碳排放经济贡献有提升, 同时全国共有17个省市碳排放经济贡献系数大于1, 且唯有北京的经济贡献系数大于2(表 4).南北方各省市的土地利用碳排放经济贡献相较于南方各省市差异较为明显, 这是由于相比于南方各省的碳生产力与能源利用率而言北方各省相对较低, 其中以新疆、内蒙古, 青海等地最低, 碳排放经济贡献系数已小于0.5, 说明其碳生产能力不高, 碳排放量已远超过其碳吸收量.但就整个研究期而言, 除辽宁、新疆、内蒙古和山西等地外其余省份的土地利用碳排放经济贡献系数均有所上升.因此不难看出, 随着时间的推移, 全国碳排放经济贡献系数即碳生产力和能源利用率在不断提升.
|
图 3 中国各省市碳排放经济贡献系数空间分布 Fig. 3 Spatial distribution of economy contributive coefficients of carbon emissions in various provinces and cities in China |
|
|
表 4 各省市碳排放经济贡献系数变化 Table 4 Changes in the economy contributive coefficient of carbon emissions in various provinces and cities |
2.3 各省市碳吸收能力分析
通过图 4可得知, 2001~2019年间全国各省市碳生态承载系数的空间差异较为明显, 与碳排放经济贡献系数所不同的是, 除京津冀地区外如青海和黑龙江等地碳生态承载系数远大于经济发达的广东和山东等地.这是因为青海和黑龙江等地生态资源良好, 保护区和主体功能区的划分使这些省份开发建设减少, 从而碳吸收能力较强.总体来看, 全国30个省市的碳生态承载系数空间分布呈现出由西高东低, 南部次之逐渐发展为中高东低, 北部次之的特征.西部地区的青海和南部的云南地区生态承载能力较高, 而中部地区其碳生态承载系数大多都位于0.8以上.但仍有部分地区如新疆和内蒙古等省份随着时间的发展, 其区域内土地利用碳排放量明显超过了碳吸收量, 其碳生态承载能力明显降低; 而京津冀和东部沿海地区的生态承载系数普遍较低, 大都处于0.5以下, 这表明该地区碳汇能力与碳排放能力差距较大, 碳生态承载能力较微弱, 有待保护提升.就整个研究期来看, 2001年全国30个省市中碳生态承载系数大于1的有14个省市, 2010年有13个省市, 2019年则有15个省和直辖市, 表明全国有一半的省市碳生态承载能力增强; 其中以青海、黑龙江和云南等地为最.同时, 通过碳生态承载系数计算结果发现(表 5), 在南方地区虽然碳生态承载系数低于北方, 但其系数大多省份位于0.5以上, 这是因为, 虽然南方城市发展迅速, 碳排放量增加, 但由于其后来环境保护和生态经济等政策方针的实行, 使得其碳生态承载能力逐渐改善.
|
图 4 中国各省市碳生态承载系数空间分布 Fig. 4 Spatial distribution of carbon ecological support coefficients in various provinces and cities in China |
|
|
表 5 各省市碳生态承载系数变化 Table 5 Changes in carbon ecological support coefficients in various provinces and cities |
2.4 耦合协调度分析
计算全国各省市碳排放经济贡献和碳生态承载的耦合协调度, 结果如图 5所示, 2001~2019年全国各省市的碳排放经济贡献与碳生态承载的协调度在0.3~0.4之间波动变化, 其中2001、2010和2019年的耦合协调度均值分别为0.351、0.344和0.308, 可见二者协调度呈现逐年下降趋势.全国大多数省份在研究期内处于濒临失调及以下, 甚至诸如上海、天津、山东和宁夏等省市处于严重至极度失调.因为就全国水平而言, 当社会经济发展到一定阶段时, 同等条件下碳排放贡献率和碳吸收贡献率趋于稳定[16].而碳排放生态承载系数受限于区域内生态环境的好坏、生态保护政策的制定和实施等, 因此当全国碳生态承载能力发展到一定阶段后由于这些因素的影响导致其减弱, 相比之下碳排放经济贡献系数却受影响小, 也就是说除个别省市外一味地追求社会经济的快速发展, 导致环境的破坏使区域内碳生态承载能力遭到削弱, 即使后续生态保护政策的实施, 但过程较长, 所以会造成其两者之间耦合协调度的减小.但同时相较于2001年, 2019年ECC与ESC的耦合协调度位于勉强协调及以上的省份增加至6个省份.其中四川省的土地利用碳排放经济贡献与碳生态承载的耦合协调度均高于全国各省.这是由于一方面这些省份其区域内有良好的生态资源环境基础, 也因此相关生态保护等政策的实施效果较好, 所以其ESC较高.另一方面, 这些省份经济产业多以高新技术产业和第三产业为主, 且多水多山的地形地貌对其城市化的扩张有一定的影响.因而这些省市在城市化扩张或经济结构的调整转型与生态环境保护能够共同发展并趋于均衡, 所以使得二者的耦合协调度比较高.
|
图 5 全国各省市碳排放经济贡献和生态承载的耦合协调度空间分布 Fig. 5 Spatial distribution of coupling coordination degree of carbon emission economy contributive and ecological support in various provinces and cities across the country |
根据碳排放经济贡献系数(ECC)和碳生态承载系数(ESC)的特性, 并参考已有研究[33, 45, 46], 本文将全国30个省市分为低碳保持区、经济发展区、碳汇发展区和综合优化区这4类区域.
由图 6所示, 当ESC>1且ECC>1时, 则为低碳保持区, 该区域主要包括四川、重庆、湖北、湖南、江西、福建、广西、云南和海南等省份.这些地区的碳生产力和能源利用率较高, 且碳汇的生态资源比较丰富, 碳吸收能力和承载能力比较强, 社会经济的发展与生态资源保护相对均衡.而对属于低碳保持区的省份, 或经济基础好, 或旅游资源丰富, 应当继续保持经济和环境相对和谐的发展, 即在加大保护生态资源用地的基础上, 可通过扶持新型能源、高新技术和生态等产业, 大力发展第三产业以促进各省市主导产业向低碳产业靠拢, 并规划提高生产生活用地的利用率, 减少各类用地的变化.
|
图 6 全国各省市分区优化 Fig. 6 Optimization map of provinces and cities across the country |
当ESC>1和ECC < 1时, 则属于经济发展区, 该区域包括甘肃、青海、陕西、贵州、黑龙江和吉林等省份.这些地区碳汇能力比较强但是碳排放的经济贡献比较低, 即能源等利用率较低.如甘肃和青海等省份作为西部生态屏障功能区, 其生态保护意义高于经济发展.所以这些地方应在保护提升生态资源, 保障生态功能的前提下, 推进新型环保产业和生态旅游等产业的落地发展, 加快低碳技术的研发引进, 借鉴低碳保持区省份的发展经验, 合理规划发展用地, 以求在提高碳生产力和能源利用率的同时, 提升其生态屏障功能, 并发挥好其在全国的碳汇作用.
当ESC<1和ECC>1时, 这些地区属于碳汇发展区, 主要包括北京、天津、河南、安徽、江苏、浙江和上海等省市.这类地区虽然碳吸收能力较低, 但经济发展比较好, 同时碳排放量较大.诸如北京、上海、江苏等省份经济发达, 产业较多, 吸引大量外地人员工作定居, 人口稠密, 因而生产生活用地快速增加.这些地区应当大力提高各类用地的利用率, 减小其建设用地的扩张速度.并凭借较好的产业基础推动产业结构向低碳转变升级, 同时通过其较好的科技基础, 促进制造业的技术革新.继续加大天然气等清洁能源的利用, 缩减高碳和传统能源的使用比例.严格保护生态资源和规划增加生态用地, 提高其碳汇能力.
当ESC < 1和ECC < 1时, 该地区属于综合优化区, 主要包括新疆、宁夏、内蒙古、山西、河北、山东和辽宁等省份.这类地区碳生产能力较低, 碳吸收能力也较低.这些地区应当以控制碳排放和绿色发展为主.在限制高碳排放和低能源利用率的产业发展的同时, 通过加大科学技术投资和引进学习低碳的优秀技术经验, 改变粗放的生产过程, 提高对能源利用率.优化产业布局, 以政策或地理区位等优势促进产业集聚, 形成循环产业链, 从而减少碳排放.加强生态资源的管控和保护, 扩大林地、草地等生态用地, 修复提升碳汇生态系统, 提高碳吸收承载能力, 推动低碳可持续的发展.
3 结论(1) 2001~2019年间中国土地利用碳排放呈不断增加的趋势, 但增加趋势在2011年前后有所变化, 在2011年之前碳排放的增长速率不断提高, 2011年之后, 碳排放的增长速率则逐渐趋于平缓; 同期中国土地利用的碳汇能力也在不断增强, 但其增强的速率较为缓慢.且碳汇的吸收量与碳源排放量之间的差距仍然较大, 因此还应在继续增加碳汇资源的基础上规划调整经济产业减少化石能源的利用, 缩小两者之间的差距, 争取碳中和的实现.
(2) 近19年间全国30个省市的碳排放经济贡献系数呈现出南高北低的空间特征, 且整体的碳生产力, 能源利用率较好, 有超过一半的省市其碳排放经济贡献系数都大于1. 19年间各省市的碳生态承载则显现出由西高东低, 南部次之逐渐发展为中高东低, 北部次之的空间特征.从全国整体看, 碳生态承载的发展比较慢, 仍需要规划提升, 只有一半的省市碳生态承载系数大于1.其两者的耦合协调度也呈现出逐渐下降的趋势.
(3) 本文依据碳生态承载和碳经济贡献将全国30个省市分为四类区域：低碳保持区、经济发展区、碳汇发展区和综合优化区.并在此基础上, 同时依据各类分区的划分标准及其所表征的短板, 由此提出了低碳保持区保持均衡发展, 经济发展区在现有碳汇能力基础上提高碳生产能力、碳汇发展区减少城市开发和化石能源利用, 大力增强碳汇能力、综合优化区绿色发展的建议.
(4) 本文在研究了近19年的碳源排放量和碳汇吸收量变化的基础上, 分析了各省市碳排放对经济发展的贡献和生态承载能力以及二者间的协调度, 但仍存在一些不足：在碳汇的测算方面, 关于土地利用的各类用地的碳排放系数在全国尺度上缺乏一套标准系数, 因此存在计算结果有争议; 其次关于耕地的碳排放或碳吸收因为数据缺乏所以未考虑耕地内种植物的碳排放.在分区优化建议时, 未能构建多指标体系, 因此在后续的研究中需要在这些方面进一步的深化.
| [1] |
牛亚文, 赵先超, 胡艺觉. 基于NPP-VⅡRS夜间灯光的长株潭地区县域土地利用碳排放空间分异研究[J]. 环境科学学报, 2021, 41(9): 3847-3856. Nu Y W, Zhao X C, Hu Y J. Spatial variation of carbon emissions from county land use in Chang-Zhu-Tan area based on NPP-VⅡRS night light[J]. Acta Scientiae Circumstantiae, 2021, 41(9): 3847-3856. |
| [2] |
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. Yng X, Liu X Z. Temporal and spatial differences of carbon conduction and prediction effect of land type transfer in Chang-Zhu-Tan Urban Agglomeration[J]. Environmental Science, 2022, 43(12): 5850-5860. |
| [3] |
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. Fng 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. |
| [4] |
赖力. 中国土地利用的碳排放效应研究[D]. 南京: 南京大学, 2010. Li L. Carbon emission effect of land use in China[D]. Nanjing: Nanjing University, 2010. |
| [5] |
孙霜梅. 哈尔滨市土地利用变化对碳排放的影响及对策研究[D]. 哈尔滨: 哈尔滨师范大学, 2020. Sn S M. Study on the impact of land use change on carbon emission and countermeasuersa in Harbin[D]. Harbin: Harbin Normal University, 2020. |
| [6] |
周嘉, 王钰萱, 刘学荣, 等. 基于土地利用变化的中国省域碳排放时空差异及碳补偿研究[J]. 地理科学, 2019, 39(12): 1955-1961. Zou J, Wang Y X, Liu X R, et al. Spatial temporal differences of carbon emissions and carbon compensation in China based on land use change[J]. Scientia Geographica Sinica, 2019, 39(12): 1955-1961. |
| [7] | 冯杰, 张胜, 王涛. 中国省际土地利用碳排放及其影响因素分析[J]. 统计与决策, 2019, 35(5): 141-145. |
| [8] |
赵宁, 周蕾, 庄杰, 等. 中国陆地生态系统碳源/汇整合分析[J]. 生态学报, 2021, 41(19): 7648-7658. Zao N, Zhou L, Zhuang J, et al. Integration analysis of the carbon sources and sinks in terrestrial ecosystems, China[J]. Acta Ecologica Sinica, 2021, 41(19): 7648-7658. |
| [9] |
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. |
| [10] |
蓝家程, 傅瓦利, 袁波, 等. 重庆市不同土地利用碳排放及碳足迹分析[J]. 水土保持学报, 2012, 26(1): 146-150, 155. Lan J C, Fu W L, Yuan B, et al. Analysis of land use patterns on carbon emission and carbon footprint in Chongqing City[J]. Journal of Soil and Water Conservation, 2012, 26(1): 146-150, 155. |
| [11] |
杨国清, 朱文锐, 文雅, 等. 20年来广东省土地利用碳排放强度与效率空间分异研究[J]. 生态环境学报, 2019, 28(2): 332-340. Yang G Q, Zhu W R, Wen Y, et al. Spatial differentiation in the intensity and efficiency of carbon emission from land use in Guangdong province in past two decades[J]. Ecology and Environmental Sciences, 2019, 28(2): 332-340. |
| [12] |
揣小伟, 黄贤金, 赖力, 等. 基于GIS的土壤有机碳储量核算及其对土地利用变化的响应[J]. 农业工程学报, 2011, 27(9): 1-6. Chuai X W, Huang X J, Lai L, et al. Accounting of surface soil carbon storage and response to land use change based on GIS[J]. Transactions of the CSAE, 2011, 27(9): 1-6. |
| [13] |
王刚, 张华兵, 薛菲, 等. 成都市县域土地利用碳收支与经济发展关系研究[J]. 自然资源学报, 2017, 32(7): 1170-1182. Wang G, Zhang H B, Xue F, et al. Relations between land use carbon budget and economic development at county level in Chengdu City[J]. Journal of Natural Resources, 2017, 32(7): 1170-1182. |
| [14] |
李璐, 董捷, 徐磊, 等. 功能区土地利用碳收支空间分异及碳补偿分区——以武汉城市圈为例[J]. 自然资源学报, 2019, 34(5): 1003-1015. Li U, Dong J, Xu L, et al. Spatial variation of land use carbon budget and carbon compensation zoning in functional areas: a case study of Wuhan Urban Agglomeration[J]. Journal of Natural Resources, 2019, 34(5): 1003-1015. |
| [15] |
景勇, 左玲丽, 彭文甫. 四川盆地西北部土地利用碳排放时空变化分析: 以绵阳市为例[J]. 环境科学与技术, 2021, 44(6): 172-185. Jing Y, Zuo L L, Peng W F. Spatial-temporal change analysis of carbon emission from land use in Mianyang: the Case Study of Mianyang[J]. Environmental Science & Technology, 2021, 44(6): 172-185. |
| [16] |
苑韶峰, 唐奕钰. 低碳视角下长江经济带土地利用碳排放的空间分异[J]. 经济地理, 2019, 39(2): 190-198. Yuan S F, Tang Y Y. Spatial differentiation of land use carbon emission in the Yangtze River Economic Belt Based on low carbon perspective[J]. Economic Geography, 2019, 39(2): 190-198. |
| [17] | Tang X J, Woodcock C E, Olofsson P, et al. Spatiotemporal assessment of land use/land cover change and associated carbon emissions and uptake in the Mekong River Basin[J]. Remote Sensing of Environment, 2021, 256. DOI:10.1016/j.rse.2021.112336 |
| [18] | Tian S Q, Wang S J, Bai X Y, et al. Global patterns and changes of carbon emissions from land use during 1992-2015[J]. Environmental Science and Ecotechnology, 2021, 7. DOI:10.1016/j.ese.2021.100108 |
| [19] | Graham MacLean M, Duveneck M J, Plisinski J, et al. Forest carbon trajectories: consequences of alternative land-use scenarios in New England[J]. Global Environmental Change, 2021, 69. DOI:10.1016/j.gloenvcha.2021.102310 |
| [20] | Yang G C, Shang P P, He L C, et al. Interregional carbon compensation cost forecast and priority index calculation based on the theoretical carbon deficit: China as a case[J]. Science of the Total Environment, 2019, 654: 786-800. |
| [21] |
侯建坤, 陈建军, 张凯琪, 等. 基于InVEST和GeoSoS-FLUS模型的黄河源区碳储量时空变化特征及其对未来不同情景模式的响应[J]. 环境科学, 2022, 43(11). Hou J K, Chen J J, Zhang K Q, et al. Temporal and spatial variation characteristics of carbon storage in the source region of the Yellow River based on InVEST and GeoSoS-FLUS models and its response to different future scenarios[J]. Environmental Science, 2022, 43(11). DOI:10.13227/j.hjkx.202201267 |
| [22] |
罗晓虹, 王子芳, 陆畅, 等. 土地利用方式对土壤团聚体稳定性和有机碳含量的影响[J]. 环境科学, 2019, 40(8): 3816-3824. Luo X H, Wang Z F, Lu C, et al. Effects of land use type on the content and stability of organic carbon in soil aggregates[J]. Environmental Science, 2019, 40(8): 3816-3824. |
| [23] |
徐婕, 潘洪义, 黄佩. 基于LUCC的四川省主体功能区碳排放与生态补偿研究[J]. 中国生态农业学报(中英文), 2019, 27(1): 142-152. Xu J, Pan H Y, Huang P. Carbon emission and ecological compensation of main functional areas in Sichuan Province based on LUCC[J]. Chinese Journal of Eco-Agriculture, 2019, 27(1): 142-152. |
| [24] |
禹康康, 王延华, 孙恬, 等. 太湖流域土地利用碳排放变化及其预测[J]. 土壤, 2022, 54(2): 406-414. Yu K K, Wang Y H, Sun T, et al. Changes and prediction of carbon emission from different land use types in Taihu lake basin[J]. Soils, 2022, 54(2): 406-414. |
| [25] |
冯源, 朱建华, 刘华妍, 等. 基于土地利用变化的县域碳收支空间格局预测[J]. 江西农业大学学报, 2020, 42(4): 852-862. Feng Y, Zhu J H, Liu H Y, et al. Prediction of spatial patterns of county-scale carbon budget based on land use change[J]. Acta Agriculturae Universitatis Jiangxiensis (Natural Sciences Edition), 2020, 42(4): 852-862. |
| [26] |
杨皓然, 吴群. 不同政策方案下的南京市土地利用碳排放动态模拟[J]. 地域研究与开发, 2021, 40(3): 121-126. Yang H R, Wu Q. Dynamic simulation of carbon emissions from land use in Nanjing city under different policy scenarios[J]. Areal Research and Development, 2021, 40(3): 121-126. |
| [27] |
王天福, 龚直文, 邓元杰. 基于土地利用变化的陕西省植被碳汇提质增效优先区识别[J]. 自然资源学报, 2022, 37(5): 1214-1232. Wang T F, Gong Z W, Deng Y J. Identification of priority areas for improving quality and efficiency of vegetation carbon sinks in Shaanxi province based on land use change[J]. Journal of Natural Resources, 2022, 37(5): 1214-1232. |
| [28] |
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. |
| [29] |
张杰, 陈海, 刘迪, 等. 基于县域尺度土地利用碳排放的时空分异及影响因素研究[J]. 西北大学学报(自然科学版), 2022, 52(1): 21-31. Zhang J, Chen H, Liu D, et al. The spatial and temporal variation and influencing factors of land use carbon emissions at county scale[J]. Journal of Northwest University (Natural Science Edition), 2022, 52(1): 21-31. |
| [30] |
郑永超, 文琦. 宁夏自治区土地利用变化及碳排放效应[J]. 水土保持研究, 2020, 27(1): 207-212. Zheng Y C, Wen Q. Change of land use and the carbon emission effect of Ningxia Autonomous Region[J]. Research of Soil and Water Conservation, 2020, 27(1): 207-212. |
| [31] | 国家统计局能源统计司. 中国能源统计年鉴(2002~2020年)[M]. 北京: 中国统计出版社, 2002-2020. |
| [32] | 中华人民共和国国家统计局. 中国统计年鉴(2002~2020年)[M]. 北京: 中国统计出版社, 2002-2020. |
| [33] |
张润森, 濮励杰, 文继群, 等. 建设用地扩张与碳排放效应的库兹涅茨曲线假说及验证[J]. 自然资源学报, 2012, 27(5): 723-733. Zhang R S, Pu L J, Wen J Q, et al. Hypothesis and validation on the Kuznets curve of construction land expansion and carbon emission effect[J]. Journal of Natural Resources, 2012, 27(5): 723-733. |
| [34] | Zhang C Y, Zhao L, Zhang H T, et al. Spatial-temporal characteristics of carbon emissions from land use change in Yellow River Delta region, China[J]. Ecological Indicators, 2022, 136. DOI:10.1016/j.ecolind.2022.108623 |
| [35] |
孙赫, 梁红梅, 常学礼, 等. 中国土地利用碳排放及其空间关联[J]. 经济地理, 2015, 35(3): 154-162. Sun H, Liang H M, Chang X L, et al. Land use patterns on carbon emission and spatial association in China[J]. Economic Geography, 2015, 35(3): 154-162. |
| [36] |
徐影, 郭楠, 茹凯丽, 等. 碳中和视角下福建省国土空间分区特征与优化策略[J]. 应用生态学报, 2022, 33(2): 500-508. Xu Y, Guo N, Ru K L, et al. Characteristics and optimization strategies of territorial space zone in Fujian Province, China based on carbon neutrality[J]. Chinese Journal of Applied Ecology, 2022, 33(2): 500-508. |
| [37] |
苏泳娴, 陈修治, 叶玉瑶, 等. 基于夜间灯光数据的中国能源消费碳排放特征及机理[J]. 地理学报, 2013, 68(11): 1513-1526. Su Y X, Chen X Z, Ye Y Y, et al. The characteristics and mechanisms of carbon emissions from energy consumption in China using DMSP/OLS night light imageries[J]. Acta Geographica Sinica, 2013, 68(11): 1513-1526. |
| [38] |
翁瑾, 张希蒙. 上海市中心地体系的演化——以酒店业为例[J]. 经济地理, 2014, 34(5): 55-62. Weng J, Zhang X M. The evolution of central place system in Shanghai——using hotel industry as sample[J]. Economic Geography, 2014, 34(5): 55-62. |
| [39] |
熊昌盛, 谭荣, 岳文泽. 基于局部空间自相关的高标准基本农田建设分区[J]. 农业工程学报, 2015, 31(22): 276-284. Xiong C S, Tan R, Yue W Z. Zoning of high standard farmland construction based on local indicators of spatial association[J]. Transactions of the Chinese Society of Agricultural Engineering, 2015, 31(22): 276-284. |
| [40] |
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. |
| [41] |
李名升, 李治, 佟连军. 经济-环境协调发展的演变及其地区差异分析[J]. 经济地理, 2009, 29(10): 1634-1639. Li M S, Li Z, Tong L J. Economic-environment harmony degree evolvement and its regional difference[J]. Economic Geography, 2009, 29(10): 1634-1639. |
| [42] |
刘玉洁, 张安录, 刘蒙罢. 长江中下游粮食主产区城镇化与耕地利用生态效率耦合协调度时空格局分析[J]. 中国农业资源与区划: 1-15.http://kns.cnki.net/kcms/detail/11.3513.S.20220107.1028.009.html, 2022-03-09. Liu Y J, Zhang A L, Liu M B. Analysis on the spatiotemporal pattern of couplinrg degree of urbanization and cultivated land use eco-efficiency in main grain producing areas in the mid and lower reaches in Yangtze river[J]. Chinese Journal of Agricultural Resources and Regional Planning: 1-15. http://kns.cnki.net/kcms/detail/11.3513.S.20220107.1028.009.html, 2022-03-09. |
| [43] |
张茹倩, 李鹏辉, 徐丽萍. 城镇化对新疆土地利用碳排放的影响及其耦合关系[J]. 生态学报, 2022, 42(13): 5226-5242. Zhang R Q, Li P H, Xu L P. Effects of urbanization on carbon emission from land use in Xinjiang and their coupling relationship[J]. Acta Ecologica Sinica, 2022, 42(13): 5226-5242. |
| [44] |
李建豹, 黄贤金, 揣小伟, 等. 江苏省人口城镇化与能源消费CO2排放耦合协调度时空格局及影响因素[J]. 经济地理, 2021, 41(5): 57-64. Li J B, Huang X J, Chuai X W, et al. Spatial-temporal pattern and influencing factors of coupling coordination degree between urbanization of population and CO2 emissions of energy consumption in Jiangsu Province[J]. Economic Geography, 2021, 41(5): 57-64. |
| [45] |
余光英, 员开奇. 基于碳平衡适宜性评价的城市圈土地利用结构优化[J]. 水土保持研究, 2014, 21(5): 179-184, 192. Yu G Y, Yuan K Q. Urban agglomerations land use structure optimization based on carbon balance suitability evaluation[J]. Research of Soil and Water Conservation, 2014, 21(5): 179-184, 192. |
| [46] |
杨静媛, 张明, 多玲花, 等. 江西省土地利用碳排放空间格局及碳平衡分区[J]. 环境科学研究, 2022, 35(10): 2312-2321. Yang J Y, Zhang M, Duo L H, et al. Spatial pattern of land use carbon emissions and carbon balance zoning in Jiangxi Province[J]. Research of Environmental Sciences, 2022, 35(10): 2312-2321. |