2024, Vol. 45
全球气候变暖已成为影响社会和经济高质量发展的关键因素, CO2作为主要的温室气体, 与全球温室效应息息相关.如何减少CO2的排放, 逐渐成为全球面临的重大挑战之一.作为一个负责任的大国, 中国在2020年联合国大会上提出2030年碳达峰、2060年碳中和的“双碳”目标[1], 这必将使中国面临巨大的碳减排压力, 寻求一条低碳转型之路、实现碳减排目标已成为中国面临的挑战[2].碳收支作为全球气候变化研究的焦点之一, 直接关系到区域“双碳”目标的实现[3].而由于区域间碳收支能力具有差异性, 碳补偿作为绿色低碳发展背景下产生的生态补偿研究新领域, 可实现区域间碳减排的协同性与公平性[4].在“双碳”目标要求下, 探讨区域间碳收支的时空分异和碳补偿分区, 有助于推动区域的低碳发展和协同减排.
目前对于碳收支的研究主要集中于国家层面[5]、区域层面[6]和城市层面[7], 围绕碳收支核算[8]、土地利用结构[9]、经济增长[10]、时空分异[11]及其影响机制[12]等方面展开研究.如赵荣钦等[13]对中原经济区县域单元的碳收支状况进行测算, 发现碳排放量具有“从市辖区到周边县逐渐降低”的特点, 碳吸收量呈现“西北低、东南高”的趋势. Saha等[14]对印度阿约提亚山脉的碳收支进行探讨, 在利用LULC数据和能源消耗数据测算碳排放封存量的基础上, 进一步估算碳排放量和碳吸收量.王政强等[15]对北部湾城市群土地利用碳收支的时空格局演变进行探讨, 并构建碳补偿分区的指标体系, 发现该区域的碳收支具有显著时空异质性, 碳排放与碳吸收的耦合协调性较高.
由于碳排放和碳吸收存在外部性, 而碳补偿作为可使外部性内部化的有效手段, 引起学者们的广泛探讨[3].碳补偿是碳排放主体对碳汇主体或生态保护者给予一定经济或非经济补偿的行为[16], 现有关于碳补偿的研究主要聚焦于森林[17]、流域[18]、湿地[19]、种植业[20]、航空业[21]和旅游业[22]等领域, 从补偿标准的测算[23]、行为意愿[24]、空间分异[25]和补偿分区[26]等方面进行探讨.如Soto等[27]对美国佛罗里达州土地所有者接受森林碳补偿的意愿进行研究, 发现土地所有者更容易受到收入的影响.伍国勇等[28]采用空间相关性检验中国农业碳补偿率的“追赶效应”, 发现存在显著的空间正相关, 且西部地区碳补偿潜力最大.康宝怡等[29]认为旅游者的后果意识可通过行为态度和个人规范的中介作用, 对其碳补偿支付意愿产生直接或间接的影响.
主体功能区作为统筹区域发展的国家战略, 是实现国土空间有效治理的重要手段[30].主体功能区以地域功能理论为基础, 按照不同的主体功能和开发方式, 将社会、经济和生态效益等综合效益纳入区域发展函数中[31], 统筹兼顾社会经济与自然生态系统, 构建了合理的地域发展国土空间格局[32].继2010年国务院颁布实施《主体功能区规划》后, 主体功能区战略成为国土空间开发保护格局形成与区域治理体系完善的重要指引[33].2021年, “十四五”规划中提出完善和落实主体功能区制度, 优化国土空间开发保护格局.2022年, 二十大报告中提出深入实施区域协调发展战略和主体功能区战略, 构建优势互补和高质量发展的国土空间体系.而由于不同主体功能区在功能定位、开发强度和发展方向上存在显著差异, 不仅可能会使不同功能区之间生态环境保护与社会经济发展的矛盾愈发突出, 还可能会导致各功能区在“双碳”目标下碳源与碳汇的空间差异, 进而对区域碳收支与碳补偿关系产生影响[25].因此, 基于主体功能区视角探讨碳收支的时空差异与明确碳补偿的分区, 可为实现区域碳公平和推进碳减排提供新的理论依据.
综上所述, 前期关于碳收支和碳补偿的相关研究虽取得大量实质性进展, 但仍存在进一步拓展与探讨的空间：一方面, 现有研究大多是从国家、区域或城市尺度展开的, 鲜有对县域尺度的研究, 而县域作为主体功能区的基本单元, 其地域条件与发展阶段具有巨大差异, 其碳收支与碳补偿的变化特征相较于省市更具复杂性和多样性, 从县域层面研究碳收支与碳补偿有助于开展差异化的控碳策略, 有利于落实国家“双碳”目标的实现；另一方面, 虽然少部分学者从县域层面对碳收支问题进行研究, 但大多是利用截面数据对特定区域的碳收支进行讨论, 而对县域单元更多年份碳收支状况的考察可促进其空间交互规律的挖掘, 有利于提出适应区域协同发展的策略.此外, 目前针对区域碳补偿的研究多聚焦于补偿内涵的确定及补偿额度核算, 对碳补偿分区则主要通过碳补偿价值差异、碳补偿分区评价体系以及碳排放空间分布进行设定, 区域补偿分区的标准比较模糊, 需要进一步从生态环境、社会经济和国土开发等多维度开展碳补偿分区研究.
鉴于此, 本文从主体功能区视角出发, 结合碳收支集中化指数, 对2006、2010、2015和2020年黄河流域550个县域单元的碳收支时空分异特征进行探究, 并基于碳排放总量规模、经济贡献、生态承载和国土开发强度4类属性构建碳补偿分区的基准框架, 运用SOM-K-means算法建立黄河流域主体功能区差别化碳补偿分区方案, 为实现“双碳”目标和推动高质量发展提供稳健的实证依据及针对性政策参考.本文可能的边际贡献在于：一是以县域为基本单元, 从主体功能区视角出发, 构建碳收支集中化指数考察黄河流域主体功能区的碳收支空间分布特征；二是构建黄河流域碳补偿分区的四维基准框架, 对4类属性的比较优势指数进行测度, 并分析各属性的空间优势水平；三是运用SOM-K-means算法建立差别化碳补偿分区方案, 并对每一类型分区提出相应的低碳发展策略.
1 材料与方法 1.1 研究区概况黄河流域作为中华民族的母亲河, 构成了我国重要的生态屏障, 是我国重要的经济地带, 也是建设美丽中国的关键地区.黄河流域流经的8个省（区）中（由于黄河流域仅流经四川省很短的区域, 因此未把四川省纳入样本中）, 包含了国家主体功能区规划下的优化开发区、重点开发区、限制开发区和禁止开发区.根据《全国主体功能区规划》禁止开发区是以自然或法定边界为基本单元, 分布在其他类型主体功能区域之中, 因此本文未考虑禁止开发区.
黄河流域覆盖区域具有工业产业结构偏重、大气污染物和碳排放量大的特点, 随着流域重点生态保护区的建设以及城市群的加速发展, 流域的生态环境和经济发展水平差异扩大, 使产业集聚和结构趋同现象加剧, 从而导致生态维稳的生物碳吸收和工业产业集聚增加的碳排放在一定程度上存在空间集聚效应[34].且自“十二五”规划将主体功能区提升为国家战略后, 各省陆续发布省级主体功能区规划, 因此将官方公布的国家级与省级功能区类型相结合, 建立分区分类的支持引导机制, 将黄河流域550个县域对应到3类主体功能区, 包括15个优化开发区、197个重点开发区和338个限制开发区, 其中限制开发区内包含185个农产品主产区和153个重点生态功能区.
1.2 数据来源本文以黄河流域青海、甘肃、宁夏、内蒙古、陕西、山西、河南及山东这8省的550个县域为研究对象, 对2006、2010、2015和2020年黄河流域各县域的碳收支时空分异和碳补偿分区进行测度.碳排放和固碳数据来源于Scientific Data发布的数据；黄河流域各县域社会经济数据来源于2007~2021年《中国县域统计年鉴》和黄河流域各行政单位的统计年鉴；建设用地面积从武汉大学CLCD数据集中提取得到, 该数据集具有较好的连续性, 可满足气候变化条件下人类活动对黄河流域土地覆被在时间和空间上的影响研究[35]；主体功能区的划分基于《全国主体功能区规划》和黄河流域各省的主体功能区规划.此外, 青海省玉树藏族自治州的杂多县、称多县、囊谦县和曲麻莱县2020年的固碳数据缺失, 采用指数平滑法进行补充[36].
1.3 研究方法 1.3.1 碳排放与碳吸收集中化指数集中化指数由洛伦兹曲线（Lorentz curve）推演而来, 是用于将地理要素的空间集中程度或经济要素专门化程度作比较的一项重要数量指标[37].基于国家主体功能区规划, 选取碳排放和碳吸收集中化指数分别表征黄河流域的碳排放与碳吸收集中化程度, 并将碳排放和碳吸收集中化指数简称为碳收支集中化指数[25].计算公式为：
|
(1) |
|
(2) |
式中, CEI表示碳排放集中化指数, SEI表示碳吸收集中化指数. A（A'）表示碳排放（碳吸收）的实际分布曲线D（D'）与碳排放（碳吸收）的绝对均匀分布曲线R（R'）所围成的图形面积；M（M'）表示碳排放（碳吸收）的绝对集中分布曲线C（C'）和绝对均匀分布曲线R（R'）所围成的图形面积, 如图 1所示.CEI和SEI的取值区间为[0, 1], 越接近于1, 说明碳排放（碳吸收）的集中效应越显著.参考区域内碳排放[38]及温室气体排放[39]均衡程度的研究, [0, 0.2）表示“差距微弱或绝对平均”, [0.2, 0.3）表示“差距较小、比较平均”, [0.3, 0.4）表示分布“比较合理”, [0.4, 0.5）表示“差异偏大或较不平衡”, [0.5, 1]表示处于“差距悬殊、高度不平衡”状态.
|
图 1 碳排放（碳吸收）标准洛伦兹曲线 Fig. 1 Standard Lorentz curve of carbon emission (carbon absorption) |
考虑到黄河流域的地域特性, 需要综合考察自然、社会经济及空间开发程度等众多要素的共同影响作用, 借鉴胡波洋等[40]的研究, 采用标准显性比较优势指数（NRCA）构建黄河流域比较优势模型, 对碳补偿分区的优势属性进行判定, 计算公式如下：
|
(3) |
式中, Qji表示黄河流域i县域j属性的指标值, Qj表示黄河流域所有县域j属性的总指标值, Qi表示i县域4类属性的指标值之和, Q表示黄河流域同期所有县域4类属性的指标值之和. NRCAji < 0时, 表示i县域j属性不具有比较优势；若NRCAji > 0, 则说明i县域j属性具有比较优势.
基于比较优势模型, 参考夏四友等[25]和李璐等[26]的研究, 对黄河流域从碳排放总量规模、经济贡献、生态承载和国土开发强度这4个维度进行碳补偿分区.选取碳排放量表征总量规模, 碳排放经济贡献系数表征碳排放经济贡献程度, 碳排放生态承载系数表征生态承载能力, 建设用地占比表征国土开发强度.
（1）碳排放经济贡献系数 碳排放经济贡献系数（economy contributive coefficient, ECC）用于从经济层面来反映黄河流域碳生产力的大小, 权衡黄河流域碳排放经济贡献的公平性.计算公式为：
|
(4) |
式中, ECCti表示碳排放经济贡献系数, Gti表示黄河流域各县域单元的GDP, i表示县域单元, t表示时间, GT表示全流域的GDP, Cti表示黄河流域各县域单元的碳排放量, CT表示全流域的碳排放量.根据经济贡献系数的设定逻辑可知, 当一个县域单元的ECCti > 1时, 表示该县域单元的GDP贡献率大于碳排放贡献率, 说明生产开发等经济活动所产生的正向经济贡献作用大于在这一过程中所带来的负面环境问题, 单位能源经济产出相对较高；若ECCti < 1, 则表示该县域单元的能源利用情况和碳生产力较差, 侵害了其他县域的利益.
（2）碳排放生态承载系数 碳排放生态承载系数（ecological support coefficient, ESC）从生态角度反映黄河流域各县域的碳汇能力大小, 衡量各县域单元生态容量贡献的公平性.计算公式为：
|
(5) |
式中, ESCti表示碳排放生态承载系数, CAti表示各县域的碳吸收量, CAT表示全流域的碳吸收量.若某县域的ESCti > 1, 表示该县域的碳汇对碳吸收贡献率大于碳排放贡献率, 该地有富余的碳汇额度, 碳生态容量较高, 对其他县域生态平衡具有外部帮助作用, 有助于实现整个区域的可持续发展；相反, 当某县域的ESCti < 1, 表示该区域没有达到碳平衡, 碳排放生态承载能力相对较弱, 具有较低的碳补偿率, 产生环境碳排放溢出问题侵害其他县域的利益, 不利于周边地区的生态维稳.
1.3.3 基于K-means优化的SOM神经网络算法基于黄河流域各属性比较优势的聚类分析有助于进一步探究各县域经济发展与生态环境, 尤其是碳排放的演变模式以及在主体功能区规划下的分布特性. 参考李璐等[26]的研究, 引入SOM-K-means算法对4类属性的比较优势指数进行聚类分析.利用孤立森林算法对异常样本数据进行处理, 并以SOM神经网络算法的聚类中心和聚类簇数作为K-means算法中的质心和K, 可有效规避SOM算法的随机性导致训练过程不稳定和K-means算法受初始聚类中心影响等缺点[41], 集合SOM和K-means两种算法的优点, 具有聚类时间较短、不需要预先给定聚类数目等优越性.基于此, 本文采用SOM-K-means两阶段聚类算法对黄河流域碳补偿分区进行研究.
2 结果与分析 2.1 黄河流域主体功能区碳收支时空分异特征借鉴夏四友等[25]的研究, 考察黄河流域覆盖的各主体功能区在研究期内碳排放和碳吸收量的时空分异特征, 并与洛伦兹曲线相结合测算各县域的碳排放和碳吸收集中化指数, 对各主体功能区2006、2010、2015和2020年碳排放与碳吸收的集中化水平进行探讨.
2.1.1 黄河流域主体功能区碳排放时空分异由图 2可知, 在研究期内黄河流域碳排放在各主体功能区表现出较一致的上升趋势, 各主体功能区碳排放量的顺序为：优化开发区 > 重点开发区 > 农产品主产区 > 重点生态功能区.具体来看, 优化开发区的碳排放量最高, 由2006年的482万t增长到2020年的655万t, 涨幅为35.89%.重点开发区也是黄河流域的碳排放高地, 其碳排放量上升了233万t, 涨幅高达74.20%.农产品主产区的碳排放量较低, 在2020年为379万t.重点生态功能区的碳排放量最低, 在2020年仅为252万t, 约占优化开发区的38.47%. 这与《全国主体功能区规划》中每种类型区的功能定位及发展方向相符, 即优化开发区综合实力强、经济规模大且资源环境问题突出, 是产生碳排放的主要地区；重点开发区是开发区规模增长的重点地区, 经济发展导致碳排放大量增长[32]；农产品主产区由于高强度的城镇化和工业化开发活动受到限制, 碳排放规模相对较小；重点生态功能区是修复生态环境、保障生物多样性的限制开发区, 不具备高强度开发条件, 因此碳排放总量及其增量是最小的[30].
|
图 2 各主体功能区碳排放量 Fig. 2 Carbon emission of each main functional area |
图 3呈现出黄河流域优化开发区的碳排放集中化指数总体介于0.3~0.4, 说明其碳排放的空间分布处于“比较合理”的状态, 这与优化开发区各县域均具有较高的碳排放现状相符.重点开发区的碳排放集中化指数持续上升, 由2006年的0.382上升至2020年的0.408, 从“比较合理”向“较不平衡”的空间分布格局转变, 且这种不平衡程度不断加深, 这与重点开发区在构建多核经济区的过程中逐步形成高碳聚集区, 导致碳排放的聚集态势加剧相关[42].农产品主产区的集中化程度最低且逐年下降, 集中化指数从2006年的0.362降低至2020年的0.305, 接近“比较平均”的分布状态, 说明黄河流域农产品主产区的碳排放空间分布相对均衡, 这缘于农产品主产区在提升农业现代化水平以及“退耕还林、还草”政策的驱动下, 碳排放区域差异缩小.重点生态功能区的碳排放集中化程度虽不断降低, 但截至2020年仍高于0.5, 碳排放空间分布处于“高度不平衡”状态, 这是因为重点生态功能区呈片状分布, 适合进行限制性开发活动的区块相对集中, 因此碳排放总量最低但集中化程度最高.
|
图 3 各主体功能区碳排放集中化指数 Fig. 3 Carbon emission concentration index of each main functional area |
由图 4可知, 黄河流域各主体功能区的碳吸收量均有不同程度的提升, 各类功能区碳吸收量的顺序为：重点生态功能区 > 农产品主产区 > 重点开发区 > 优化开发区.其中, 优化开发区的平均碳吸收总量基本维持在100万t上下, 研究期内仅增长12万t, 增幅最小, 为12.12%, 这是由于黄河下游地区城镇空间变化较小, 下游优化开发区的城镇用地与生态绿地的面积和位置相对稳定, 碳吸收量维持在较低水平.重点开发区的碳吸收量由2006年的140万t增长至2020年的177万t, 增长了26.43%, 这是因为重点开发区在人与自然和谐共处的倡导下开始重视环境与经济发展协调问题, 碳吸收量明显增长[43].农产品主产区碳吸收量的涨幅仅次于重点开发区, 为22.10%, 这与黄河流域2006~2020年间粮食主产区耕地利用生态效率不断下降相关[28].重点生态功能区的碳吸收量由2006年的468万t增长至2020年的560万t, 碳吸收量远高于其他3个区域, 这与它改善生态环境质量、增强生态服务供给的主体功能相契合.
|
图 4 各主体功能区碳吸收量 Fig. 4 Carbon absorption of each main functional area |
由图 5可知, 优化开发区和重点开发区的碳吸收集中化指数分别在0.60和0.58上下波动, 说明碳吸收空间分布处于“高度不平衡”状态, 这缘于黄河流域优化开发区和重点开发区中碳汇能力较强的区域主要集中在山地、湿地和保护区中[13], 导致碳吸收在空间上呈现出较大差距.农产品主产区的碳吸收集中化程度最低, 一直稳定在0.3左右, 整体上接近“比较平均”的空间分布状态, 说明该区域的碳吸收相对均衡.重点生态功能区的集中化指数由0.452下降至0.393, 由“较不平衡”转变至“比较合理”的空间分布状态, 这是因为各县域对重点生态功能区的保护力度不断加强, 呈现出碳吸收量增加而空间异质性减弱的趋势[44].
|
图 5 各主体功能区碳吸收集中化指数 Fig. 5 Carbon absorption concentration index of each functional area |
采用碳排放总量规模、经济贡献、生态承载和国土开发强度的比较优势作为黄河流域碳补偿分区的四维基准框架, 借鉴李璐[26]的研究, 利用自然断点法将各项属性的比较优势指数划分为4个区间.得到各属性比较优势指数的时空分布（图6~9）, 用于反映黄河流域各县域单元在碳排放总量规模、经济贡献、生态承载和国土开发强度的空间优势水平, 为黄河流域碳补偿分区提供依据.
|
图 6 碳排放总量规模的比较优势指数空间分布 Fig. 6 Spatial distribution of comparative advantage index of total carbon emission scale |
|
图 7 经济贡献的比较优势指数空间分布 Fig. 7 Spatial distribution of comparative advantage index of economic contribution |
|
图 8 生态承载的比较优势指数空间分布 Fig. 8 Spatial distribution of comparative advantage index of ecological carrying |
|
图 9 国土开发强度的比较优势指数空间分布 Fig. 9 Spatial distribution of comparative advantage index of land development intensity |
黄河流域碳排放总量规模比较优势在整体上呈现出增长态势, 上中下游总量规模比较优势差异显著（图 6）.具体而言, 上游位于兰西城市群、宁夏沿黄城市群和呼包鄂榆城市群的县域自2010年后碳排放总量增长迅速, 逐渐转变为拥有比较优势的地区, 主要缘于这些县域借助资源优势使产业集群快速发展, 导致碳排放规模扩张.中游尤其是位于晋中城市群、关中城市群的县域在2006~2015年间碳排放总量规模优势迅速扩大, 2015年后我国的生态保护受到前所未有的重视, 碳排放增长趋势明显放缓.下游山东半岛城市群和中原城市群对应县域的比较优势整体呈现出先增长后降低的趋势, 这是因为下游利用其良好的经济基础和科技水平提高了能源利用效率和推动能源结构转型, 促使碳排放增长放缓, 碳排放总量规模比较优势指数下降.
黄河流域碳排放经济贡献比较优势在整体上呈现先增加后减少的态势（图 7）.其中, 研究期间上游的碳排放经济贡献比较优势指数一直小于0, 说明上游不具有经济贡献的比较优势, 碳排放经济产出水平较低, 经济贡献能力较弱, 这与上游承担生态保护责任、经济发展受限有关.黄河中下游的经济贡献比较优势指数呈现出先上升后下降的演变特征, 在2006~2010年其单位碳排放经济产出水平较高且逐步上升, 为经济贡献的属性优势区；2010年后该比较优势指数明显下降, 说明经济产出能力减弱, 这是缘于“调结构、转方式、促升级”的政策导向, 在一定程度上抑制了黄河流域中下游的经济发展, 导致经济增速放缓, 碳排放综合效率下降[38].
由图 8可知黄河流域生态承载比较优势在上中下游存在明显差异.上游的生态承载比较优势指数大于0, 说明上游具有生态承载属性优势, 这缘于上游的森林、草地和湿地等生态资源丰富, 生态承载能力较强.中游的生态承载比较优势指数整体呈上升趋势, 这是因为随着环境意识的提高和环境保障措施的实施, 中游的生态承载能力逐渐上升[45].下游的生态承载比较优势指数一直小于0, 属于生态承载劣势区, 这主要是由于下游的环境污染和城市发展已经相对稳定, 其生态承载能力一直处于较低水平, 不具有生态优势, 这也是黄河流域亟需协调生态保护与经济发展关系的区域.
由图 9可知黄河流域国土开发优势区主要分布在中下游地区, 且优势地区围绕中心逐年向外扩散.上游除“几”字弯地区外, 其他区域的国土开发强度比较优势指数一直小于0, 缘于这些区域受到自然环境和国家保护政策的影响, 土地利用程度较弱, 不具备国土开发优势.中游的国土开发强度比较优势指数整体上大于0, 且呈快速上升趋势, 主要是因为中游的经济集聚, 使城市建设用地面积猛增, 具有明显的结构性开发优势.下游国土开发强度整体上由具有比较优势下降为不具有比较优势, 主要是因为下游发展水平和建成地面积稳定, 建设用地占比增幅较少, 因此国土开发强度比较优势先增加后减少.
2.3 黄河流域主体功能区差异化碳补偿分区方案基于碳排放总量规模、经济贡献、生态承载和国土开发强度4类属性的比较优势指数, 借助MATLAB R2022a聚类工具箱, 采用SOM-K-means算法对2020年黄河流域各县域碳补偿分区进行聚类分析, 得到287个获补区、78个平衡区和185个支付区, 并与主体功能区分布相结合, 建立“碳补偿分区-主体功能区”二维关联矩阵, 最终得到11类补偿分区, 详见表 1和图 10.
|
表 1 黄河流域碳补偿类型区主要指标数据 Table 1 Main index data of carbon offsetting type areas in the Yellow River Basin |
|
图 10 2020年黄河流域碳补偿分区 Fig. 10 Carbon offset zoning of the Yellow River Basin in 2020 |
在碳补偿行为中需要通过经济或非经济手段进行补偿支付的区域为支付区[25].黄河流域碳补偿支付区位于下游地区, 该区域土地面积和GDP分别占研究区的10.65%和54.74%, 碳排放占比达36.40%, 碳排放经济贡献、生态承载和国土开发强度比较优势的平均水平分别为0.11、-6.96和8.12, 说明该区域有较高的经济发展水平和国土开发程度, 同时也伴随着高额的碳排放量和较弱的生态承载能力, 经济发展和所承受的生态压力处于极度不平衡状态, 具有严重的负外部性影响, 依据生态补偿机制该区域应对其他县域进行碳补偿支付.
（1）支付区-优化开发区 该区域主要包含山东济南、青岛、东营和潍坊的13个县域, 位于黄河流域环渤海南翼地区.这些县域具有较高的碳排放产出水平, 建设用地面积占比大, 土地利用水平高, 并且伴随着明显的碳排放环境承载劣势, 是碳排放量高、生态环境压力大的地区.在今后的发展中, 应大力发展循环经济和环保型产业, 统筹发挥科技人才优势和产业优势, 带动高附加值和高能源利用率的高新技术产业改造升级, 提高碳排放生态承载能力.
（2）支付区-重点开发区 该区域由中牟县、盐湖区和德城区等94个县域组成, 分布在中原经济区、太原都市圈、济南都市圈、鲁南经济带和关中-天水经济区等中下游地区, 这些区域在发展过程中产生了较大的环境压力, 但其经济发展水平却需进一步提升.因此, 对应的县域应加强产业互补和分工, 尽力摆脱资源依赖；发展先进制造业和资源精深加工时, 要进行产业的标准化对接, 提高能源使用率, 构建生态屏障缓解环境压力.
（3）支付区-农产品主产区 该区域由昌乐县、莱西市和浚县等73个县域组成, 主要位于山东省和河南省, 具有良好的农业生产条件.与支付区的优化开发区和重点开发区相比, 该区域的碳排放量较小, 经济发展不具备比较优势, 生态承载能力也较弱, 但显著高于其他补偿分区中农产品主产区的国土开发程度.因此, 应大力发展循环农业和生态农业, 接续推进奶业、花卉和茶产业等特色农业；同时也要注重农业污染防治和污染处理, 打造高效低耗的农业生产模式[28].
（4）支付区-重点生态功能区 该区域包含了垦利区、曲阜市和肥城市等5个县域, 位于山东省的鲁中南山地生态经济区和沿海生态经济区.相较于平衡区和获补区的重点生态功能区而言, 其拥有经济发展和土地利用优势, 并且碳排放承载能力较弱.根据中央第二生态环境保护督察组在山东省调查反馈, 东营、泰安和济宁等地存在“两高”项目违规、焦化行业瞒报煤炭消费数据等问题, 对应到垦利区、曲阜市和肥城市等地的环境问题尖锐.重点生态功能区关系到我国的生态安全, 今后需减少非必要碳排放, 落实“四水四定”原则, 实现经济发展和环境保护协同共进.
2.3.2 平衡区平衡区指的是在碳补偿行为中, 不获得补偿也不需要支付的区域[26].黄河流域碳补偿平衡区分布在中上游地区, 共78个县域.该区域土地面积占比为18.11%, GDP相对于支付区明显降低, 为21.76%, 碳排放量基本持平为36.67%, 碳排放经济贡献、生态承载和国土开发强度比较优势的平均水平分别为-0.37、-3.68和-1.31.反映出该区域经济发展水平和国土开发强度都较低, 不具备显著的经济和国土开发强度优势, 同时, 碳排放生态承载能力强于支付区, 经济开发和生态环境处于较稳固的协作状态.
（1）平衡区-优化开发区 该区域包含山东的即墨区和寿光市, 位于黄河下游胶东半岛地区.该区域土地开发利用程度良好, 经济发展水平一般；碳排放生态承载比较优势相较于支付区的优化开发区有所提升.与黄河流域整体进行比较, 该区域的经济发展和环境治理水平基本处于均衡状态.在今后的发展中需要优化即墨区和寿光市的产业空间分布结构, 增强科技创新的正向驱动作用, 同时坚定保护如即墨马山国家级自然保护区、即墨马山省级地质公园和寿光国家湿地公园等禁止开发区域.
（2）平衡区-重点开发区 该区域包括托克托县、榆次区和灵武市等44个县域, 主要聚集于黄河中上游地区的太原都市圈、蒙西经济区和沿黄经济区.该地区土地资源相对丰富, 发展潜力巨大.同时, 其碳排放占比在11类补偿分区中最高, 但是生态承载比较优势接近黄河流域均值, 说明该区域的碳汇能力较强, 吸收了部分本地产生的碳排放, 缓解了环境压力.应加强与毗邻地区的区域协作, 做好土地资源开发规划, 逐步建立起防风固沙生态屏障, 打造以黄河为轴线的产业带[22].
（3）平衡区-农产品主产区 该区域由贺兰县、蒲城县和泽州县等20个县域组成, 主要分布在宁夏北部引黄灌溉区、汾渭平原农产品主产区和河套-土默川平原农业主产区.与支付区的农产品主产区的相关属性进行比较, 其经济发展水平略有下降而生态承载能力明显提升, 生态协调能力良好.应着力加强建设节水农业, 提升现代化耕作能力, 进行如蒲城酥梨、巴公大葱和高平生猪等优农产品的品牌化经营, 实现农业集约化、产业化.
（4）平衡区-重点生态功能区 该区域由位于黄河中上游的安塞区、志丹县和吴起县等12个县域组成, 这些重点生态功能区处于碳收支相对平衡的水平.位于黄土高原丘陵沟壑水土流失防治区的部分县域作为国家级重点生态功能区, 在2020年前后存在污水处理中COD含量超标、工业园区烟气治理设施不完善等违规行为；其余如神木市、府谷县和榆阳区等作为省级重点生态功能区的县域, 相关能源化工企业存在对建设配套污染防治设施意识不足、焦化项目未批先建等问题.因此, 亟需加大环保督察治理力度, 完善工业企业的市场准入规则, 加快工业排放规范化整治.
2.3.3 获补区获补区是指在碳补偿行为中能够获得经济或非经济补偿的区域, 净碳排放越小, 获得的补偿要素越多[4].黄河流域碳补偿获补区主要聚集在中上游地区, 由287个县构成, 占研究区面积的71.25%, GDP占23.49%, 经济贡献和国土开发强度比较优势的平均水平分别为0.03和-4.88, 是能源利用率较高、土地开发利用水平较低的地区.与支付区和平衡区的主要差距在于获补区的碳排放量显著降低, 资源环境承载能力较强, 对黄河流域生态平衡具有积极影响, 但经济聚集和开发程度相对滞后.
（1）获补区-重点开发区 该区域由同仁市、皋兰县和宁县等黄河中上游59个县域组成, 主要分布在关中-天水经济区、兰州-西宁经济区、山西“一群两区三圈”规划区和呼包鄂地区.与其他补偿分区的重点开发区相比, 该地区经济发展和土地开发利用情况略有滞后, 但基本满足其所承担重点开发的主体功能, 并较好地维持了生态平衡, 对其他县域具有正外部性影响, 理应获得补偿[23].作为西部战略性新兴产业和现代化发展的重要组成部分, 对应的县域应挖掘红色和生态旅游, 加强流域环境治理和草原、湿地生态保护, 构建以秦岭北麓、渭北台塬、渭河和泾河沿岸生态廊道为主的碳汇生态格局.
（2）获补区-农产品主产区 该区域包括临洮县、眉县和新安县等92个县域, 主要呈条块状分布在黄河流域北部河套-土默川平原农业主产区、汾渭平原、甘肃“一带五区”主产区以及黄淮海平原主产区.该区域碳汇能力远优于支付区和平衡区的农产品主产区, 生态环境的稳定调节功能较强.今后应通过少耕、永久覆盖和多样性复合种植等耕地保护手段, 发挥农田的生态、景观和间隔功能, 形成农业物种资源保护和利用体系.
（3）获补区-重点生态功能区 该区域包括同德县、华池县和玛曲县等136个县域, 涵盖了水源涵养型、水土保持型、防风固沙型和生物多样性维护型这4种国家级重点生态功能区.在补偿分区中面积占比最大, 经济发展水平和土地开发利用程度低, 碳排放生态承载能力强, 对保障流域生态系统的良性循环发挥了重要作用[44].针对不同生态功能的重点生态功能区, 水源涵养型要严格保护具有水源涵养功能的植被, 努力实现水资源良性循环；水土保持型应开展小流域综合治理和淤地坝系建设, 缓解水土流失造成的影响；防风固沙型需对退化沙化草原进行综合治理, 因地制宜地发展沙产业；生物多样性维护型要加强自然保护区和森林景观的建设, 发展特色农业和生态旅游.
3 讨论研究期内, 黄河流域碳排放和碳吸收整体符合各县域的主体功能区定位.从总量看, 碳排放和碳吸收量均呈上升趋势, 且碳排放量及其涨幅高于碳吸收, 说明黄河流域仍面临巨大的减排增汇压力.由于优化开发区和重点开发区是碳排放的主要区域, 未来将是黄河流域减污降碳的重点地区.而重点生态功能区的碳吸收量远高于其他功能区, 因此是后续提升碳汇能力的关键区域.从集中化程度看, 碳排放和碳吸收的空间差异在整体上有所改善, 优化开发区和重点开发区的碳排放分布状态为“比较合理”、碳吸收分布状态为“高度不平衡”, 这与优化开发区和重点开发区的经济基础和发展定位相符.农产品主产区的碳排放和碳吸收均接近“比较平均”的分布状态, 这是因为在耕地保护政策的驱动下, 碳排放和碳吸收空间分布相对均衡.重点生态功能区的碳排放和碳吸收集中化程度分别处于“高度不平衡”和“较不平衡”的分布状态, 这是受到重点生态功能区的环境限制, 碳源碳汇空间分布差异显著.
黄河流域4类属性比较优势的空间分布差异显著, 其中碳排放总量规模整体表现为增长态势, 中下游具有明显的比较优势, 缘于其良好的经济基础和科技水平促进了能源利用效率提高和能源结构转型, 碳排放总量规模减小, 该比较优势指数下降.碳排放经济贡献比较优势先增加后减少, 中下游为经济贡献的属性优势区, 但其比较优势指数自2010年后逐步下降, 缘于黄河流域中下游受到政策调整的影响, 经济增长速度放缓, 碳排放综合效率下降.碳排放生态承载能力整体提升, 上游具有明显的生态承载属性优势, 缘于上游的森林、草地和湿地等生态资源丰富, 具有较强的生态承载能力；下游的生态承载能力一直处于较低水平, 不具有生态优势, 是黄河流域亟需协调生态保护与经济发展关系的区域.国土开发优势区主要集中在中下游地区, 尤其中游的比较优势指数呈快速上升趋势, 缘于其城市建设用地面积增长, 结构性开发优势明显.
由黄河流域的碳补偿分区可知, 支付区集中分布在黄河下游, 具有经济实力强、土地开发水平高和负外部性影响严重的特点, 经济发展和所承受的生态压力处于极度不平衡状态.平衡区主要分布在流域中上游经济发展和生态承载基本维持平衡的区域, 不具备显著的经济和国土开发强度优势, 经济开发和生态环境处于较稳定的协作状态.获补区主要分布在流域中上游经济发展水平和开发程度相对落后、生态承载能力强的区域, 对推动黄河流域生态保护产生积极影响.
4 结论（1）各主体功能区碳排放量均呈现出显著的上升趋势, 优化开发区碳排放总量最多, 重点开发区涨幅最高, 农产品主产区和重点生态功能区的碳排放总量和增速较低；各主体功能区的碳吸收量差异显著, 除重点生态功能区碳吸收量最多且增长显著外, 其余功能区的碳吸收量均相对较低且增长缓慢.
（2）黄河流域主体功能区的碳排放与碳吸收集中化程度也表现出显著的时空分布特征, 优化开发区和重点开发区的碳排放总体处于“比较合理”、碳吸收处于“高度不平衡”状态；农产品主产区碳排放和碳吸收在空间分布接近“比较平均”的分布状态；重点生态功能区的碳排放属于“高度不平衡”状态, 而碳吸收总体处于“较不平衡”的状态.
（3）黄河流域碳排放总量规模、经济贡献、生态承载和国土开发强度4类属性的比较优势区域差异明显, 上游具有生态承载的比较优势, 中下游具有碳排放总量规模、经济贡献和国土开发强度的比较优势.
（4）黄河流域共有287个获补区、78个平衡区和185个支付区, 结合4类属性的比较优势指数与主体功能区规划方案, 将其划分为11类“碳补偿分区-主体功能区”补偿类型, 包括4类支付区、4类平衡区和3类获补区.
| [1] |
林伯强. 碳中和进程中的中国经济高质量增长[J]. 经济研究, 2022, 57(1): 56-71. Lin B Q. China's high-quality economic growth in the process of carbon neutrality[J]. Economic Research Journal, 2022, 57(1): 56-71. |
| [2] |
宋旭, 贾俊松, 陈春谛, 等. 江西省能耗碳排放时空特征、脱钩关系及其驱动因素[J]. 生态学报, 2020, 40(20): 7451-7463. Song X, Jia J S, Chen C D, et al. Spatio-temporal characteristics, decoupling relation and its driving factors of the carbon emission from energy consumption in underdeveloped Jiangxi Province[J]. Acta Ecologica Sinica, 2020, 40(20): 7451-7463. |
| [3] |
李璐, 夏秋月, 董捷, 等. 武汉城市圈县域空间横向碳生态补偿研究——基于土地利用碳收支差异[J]. 生态学报, 2023, 43(7): 2627-2639. Li L, Xia Q Y, Dong J, et al. County-level carbon ecological compensation of Wuhan Urban Agglomeration under carbon neutrality target: based on the difference in land use carbon budget[J]. Acta Ecologica Sinica, 2023, 43(7): 2627-2639. |
| [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] | Zhou W, Guan K Y, Peng B, et al. Quantifying carbon budget, crop yields and their responses to environmental variability using the ecosys model for U.S. Midwestern agroecosystems[J]. Agricultural and Forest Meteorology, 2021, 307. DOI:10.1016/j.agrformet.2021.108521 |
| [6] |
滕菲, 王艳军, 王孟杰, 等. 长三角城市群城市空间形态与碳收支时空耦合关系[J]. 生态学报, 2022, 42(23): 9636-9650. Teng F, Wang Y J, Wang M J, et al. Spatiotemporal coupling relationship between urban spatial morphology and carbon budget in Yangtze River Delta urban agglomeration[J]. Acta Ecologica Sinica, 2022, 42(23): 9636-9650. |
| [7] |
罗红, 罗怀良, 李朝艳, 等. 泸州市农业碳收支时空变化及公平性评价[J]. 生态与农村环境学报, 2019, 35(4): 409-418. Luo H, Luo H L, Li C Y, et al. Spatio-temporal change in agricultural carbon production budget and evaluation of agricultural carbon emission equity in Luzhou City[J]. Journal of Ecology and Rural Environment, 2019, 35(4): 409-418. |
| [8] | Priore Y D, Habert G, Jusselme T. Exploring the gap between carbon-budget-compatible buildings and existing solutions-A Swiss case study[J]. Energy and Buildings, 2023, 278. DOI:10.1016/j.enbuild.2022.112598 |
| [9] |
张磊, 吴炳方, 李晓松, 等. 基于碳收支的中国土地覆被分类系统[J]. 生态学报, 2014, 34(24): 7158-7166. Zhang L, Wu B F, Li X S, et al. Classification system of China land cover for carbon budget[J]. Acta Ecologica Sinica, 2014, 34(24): 7158-7166. |
| [10] |
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. |
| [11] | Miao Y, Kong C C, Wang L L, et al. A provincial lateral carbon emissions compensation plan in China based on carbon budget perspective[J]. Science of the Total Environment, 2019, 692: 1086-1096. DOI:10.1016/j.scitotenv.2019.07.174 |
| [12] |
高扬, 王朔月, 陆瑶, 等. 区域陆—水—气碳收支与碳平衡关键过程对地球系统碳中和的意义[J]. 中国科学: 地球科学, 2022, 65(5): 832-841. Gao Y, Wang S Y, Lu Y, et al. Carbon budget and balance critical processes of the regional land-water-air interface: Indicating the earth system's carbon neutrality[J]. Science China Earth Sciences, 2022, 65(5): 773-782. |
| [13] |
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 |
| [14] | Saha S, Bera B, Shit P K, et al. Estimation of carbon budget through carbon emission-sequestration and valuation of ecosystem services in the extended part of Chota Nagpur Plateau (India)[J]. Journal of Cleaner Production, 2022, 380. DOI:10.1016/j.jclepro.2022.135054 |
| [15] |
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. |
| [16] |
万伦来, 林春鑫, 陈艺. 基于相对碳赤字的中国省际碳补偿时空格局研究[J]. 长江流域资源与环境, 2020, 29(12): 2572-2583. Wan L L, Lin C X, Chen Y. Temporal and spatial patterns of interprovincial carbon compensation in China based on relative carbon deficit[J]. Resources and Environment in the Yangtze Basin, 2020, 29(12): 2572-2583. |
| [17] | Shinbrot X A, Holmes I, Gauthier M, et al. Natural and financial impacts of payments for forest carbon offset: A 14 year-long case study in an indigenous community in Panama[J]. Land Use Policy, 2022, 115. DOI:10.1016/j.landusepol.2022.106047 |
| [18] | Yang S F, Fu W J, Hu S G, et al. Watershed carbon compensation based on land use change: Evidence from the Yangtze River Economic Belt[J]. Habitat International, 2022, 126. DOI:10.1016/j.habitatint.2022.102613 |
| [19] | Sapkota Y, White J R. Carbon offset market methodologies applicable for coastal wetland restoration and conservation in the United States: A review[J]. Science of the Total Environment, 2020, 701. DOI:10.1016/j.scitotenv.2019.134497 |
| [20] |
吴昊玥, 何宇, 黄瀚蛟, 等. 中国种植业碳补偿率测算及空间收敛性[J]. 中国人口·资源与环境, 2021, 31(6): 113-123. Wu H Y, He Y, Huang H J, et al. Estimation and spatial convergence of carbon compensating rate of planting industry in China[J]. China Population, Resources and Environment, 2021, 31(6): 113-123. |
| [21] | Berger S, Kilchenmann A, Lenz O, et al. Willingness-to-pay for carbon dioxide offsets: Field evidence on revealed preferences in the aviation industry[J]. Global Environmental Change, 2022, 73. DOI:10.1016/j.gloenvcha.2022.102470 |
| [22] |
王立国, 丁晨希, 彭剑峰, 等. 森林公园旅游经营者碳补偿意愿的影响因素比较[J]. 经济地理, 2020, 40(5): 230-238. Wang L G, Ding C X, Peng J F, et al. Comparison of factors affecting tourism operators' carbon offset willingness of forest parks[J]. Economic Geography, 2020, 40(5): 230-238. |
| [23] |
钟诗雨, 张晓敏, 吴佳, 等. 基于碳减排成本的我国省域碳补偿机制[J]. 环境科学, 2023, 44(8): 4637-4646. Zhong S Y, Zhang X M, Wu J, et al. Carbon offsetting mechanism of China province based on carbon reduction cost[J]. Environmental Science, 2023, 44(8): 4637-4646. |
| [24] |
齐绍洲, 柳典, 李锴, 等. 公众愿意为碳排放付费吗?——基于"碳中和"支付意愿影响因素的研究[J]. 中国人口•资源与环境, 2019, 29(10): 124-134. Qi S Z, Liu D, Li K, et al. Is the public willing to pay for carbon emissions? Based on the factors affecting the willingness to pay for 'carbon neutrality'[J]. China Population, Resources and Environment, 2019, 29(10): 124-134. |
| [25] |
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. |
| [26] |
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 L, 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. |
| [27] | Soto J R, Adams D C, Escobedo F J. Landowner attitudes and willingness to accept compensation from forest carbon offsets: Application of best‑worst choice modeling in Florida USA[J]. Forest Policy and Economics, 2016, 63: 35-42. DOI:10.1016/j.forpol.2015.12.004 |
| [28] |
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. |
| [29] |
康宝怡, 朱明芳. 生态旅游视域下旅游者碳补偿支付意愿影响因素研究——以中国大熊猫国家公园为例[J]. 干旱区资源与环境, 2022, 36(7): 16-22. Kang B Y, Zhu M F. Tourists' willingness to pay for carbon offsets in view of ecotourism: Case study of China Giant Panda National Park[J]. Journal of Arid Land Resources and Environment, 2022, 36(7): 16-22. |
| [30] |
王雯雯, 叶菁, 张利国, 等. 主体功能区视角下的生态补偿研究——以湖北省为例[J]. 生态学报, 2020, 40(21): 7816-7825. Wang W W, Ye J, Zhang L G, et al. Research on ecological compensation from the perspective of main functional areas: a case study of Hubei Province[J]. Acta Ecologica Sinica, 2020, 40(21): 7816-7825. |
| [31] |
王亚飞, 陈佩佩, 陈东. 基于主体功能区划的中国地域功能空间结构演变解析——人口与经济集疏视角[J]. 经济地理, 2022, 42(7): 11-21. Wang Y F, Chen P P, Chen D. The evolution analysis of spatial structure of territorial functions in China based on major function oriented zoning: From the perspective of population and economic concentration and spread[J]. Economic Geography, 2022, 42(7): 11-21. |
| [32] |
郭宇, 姚亦锋, 王振波, 等. 基于主体功能区的长江经济带绿色发展评价与问题区域识别[J]. 生态学报, 2023, 43(7): 2569-2582. Guo Y, Yao Y F, Wang Z B, et al. Green development evaluation and problem areas identification of the Yangtze River Economic Belt from the perspective of major function oriented zones[J]. Acta Ecologica Sinica, 2023, 43(7): 2569-2582. |
| [33] |
吴桐, 岳文泽, 夏皓轩, 等. 国土空间规划视域下主体功能区战略优化[J]. 经济地理, 2022, 42(2): 11-17, 73. Wu T, Yue W Z, Xia H X, et al. Optimization of major function zoning strategy from the perspective of territorial spatial planning[J]. Economic Geography, 2022, 42(2): 11-17, 73. |
| [34] |
李雪迎, 杨曦, 乔琦, 等. 黄河流域甘肃段工业行业水污染物空间排放特征[J]. 环境科学, 2022, 43(5): 2459-2466. Li X Y, Yang X, Qiao Q, et al. Emission characteristics of industrial water pollutants in Gansu section of the Yellow River basin[J]. Environmental Science, 2022, 43(5): 2459-2466. |
| [35] | 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 |
| [36] |
高堃, 杜元伟, 刘洋, 等. 建设全球海洋中心城市背景下天津市海洋生态经济系统协调发展预测[J]. 中国人口·资源与环境, 2021, 31(7): 171-180. Gao K, Du Y W, Liu Y, et al. Prediction of coordinated development of marine eco-economic system in Tianjin under the background of building the leading maritime capitals of the world[J]. China Population, Resources and Environment, 2021, 31(7): 171-180. |
| [37] |
江洪, 赵宝福. 碳排放约束下能源效率与产业结构解构、空间分布及耦合分析[J]. 资源科学, 2015, 37(1): 152-162. Jiang H, Zhao B F. Deconstruction, spatial patterns and coupling between energy efficiency and industrial structure in China[J]. Resources Science, 2015, 37(1): 152-162. |
| [38] |
刘华军, 石印, 雷名雨. 碳源视角下中国碳排放的地区差距及其结构分解[J]. 中国人口•资源与环境, 2019, 29(8): 87-93. Liu H J, Shi Y, Lei M Y. Regional disparity in China's carbon emissions and its structural decomposition from the perspective of carbon sources[J]. China Population, Resources and Environment, 2019, 29(8): 87-93. |
| [39] |
方恺, 何坚坚, 张佳琪. 博台线作为中国区域发展均衡线的佐证分析——以城市温室气体排放为例[J]. 地理学报, 2021, 76(12): 3090-3102. Fang K, He J J, Zhang J Q. Analysis of the Bole-Taipei Line as the divide for regional coordinated development: Evidence from greenhouse gas emissions of Chinese cities[J]. Acta Geographica Sinica, 2021, 76(12): 3090-3102. DOI:10.11821/dlxb202112015 |
| [40] |
胡波洋, 张蓬涛, 徐磊, 等. 基于NRCA模型的乡镇地域多功能空间特征及格局优化[J]. 中国农业资源与区划, 2020, 41(8): 100-109. Hu B Y, Zhang P T, Xu L, et al. Multi-functionality spatial characteristics and pattern optimization of township region based on NRCA model[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2020, 41(8): 100-109. |
| [41] |
黄燕鹏, 汪远昊, 王超, 等. 基于自组织神经网络和K-means的场地地下水污染特征分析与分区管控研究[J]. 环境工程, 2022, 40(6): 31-41, 47. Huang Y P, Wang Y H, Wang C, et al. Characteristics analysis and zoning control of groundwater pollution based on self-organizing maps and K-means[J]. Environmental Engineering, 2022, 40(6): 31-41, 47. |
| [42] |
吕倩, 刘海滨. 基于夜间灯光数据的黄河流域能源消费碳排放时空演变多尺度分析[J]. 经济地理, 2020, 40(12): 12-21. Lv Q, Liu H B. Multiscale spatio-temporal characteristics of carbon emission of energy consumption in Yellow River Basin based on the nighttime light datasets[J]. Economic Geography, 2020, 40(12): 12-21. |
| [43] |
魏伟, 尹力, 谢波, 等. 国土空间规划背景下黄河流域"三区空间"演化特征及机制[J]. 经济地理, 2022, 42(3): 44-55, 86. Wei W, Yin L, Xie B, et al. Spatial-temporal evolution characteristics and mechanism of"Three-function Space"in the Yellow River basin under the background of territorial spatial planning[J]. Economic Geography, 2022, 42(3): 44-55, 86. |
| [44] |
许小明, 张晓萍, 何亮, 等. 黄土丘陵区不同恢复植被类型的固碳特征[J]. 环境科学, 2022, 43(11): 5263-5273. Xu X M, Zhang X P, He L, et al. Carbon sequestration characteristics of different restored vegetation types in Loess Hilly Region[J]. Environmental Science, 2022, 43(11): 5263-5273. |
| [45] |
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. DOI:10.3969/j.issn.1000-6923.2023.03.028 |