2024, Vol. 45
土地是人类赖以生存和发展的基本要素[1], 也是陆地生态系统中不可或缺的组成部分, 其利用方式的变化直接影响到土壤碳储量以及大气系统中的碳循环过程[2]. 土地利用通过影响碳源、碳汇进而影响大气系统碳循环过程, 变化形式主要为生态用地之间的转化和城市建设用地扩张[3]. 人类通过开垦农田、建设城市、发展交通运输、进行工业生产和资源开采等活动, 不断改变土地利用类型, 过度的土地开发和利用超过土地的自然演替速度[4]. 不合理的土地利用方式降低了土地的碳汇功能, 增加了碳排放量, 土地利用类型改变导致的碳排放, 占据人类活动碳排放总量的1/3, 仅次于化石燃料燃烧[5]. 我国碳排放量增加与经济建设规模的迅速扩张密切相关, 不同地区经济发展模式的差异导致经济发展和二氧化碳排放的不平衡[6]. 目前我国面临着减少二氧化碳排放和保证经济增长的双重挑战, 经济增长与二氧化碳排放之间存在着复杂的双向影响关系[7], 通过碳排放强度准确地反映能源和经济绩效, 分析各区域碳排放空间格局, 进而科学制定差异化碳减排策略非常重要[8].
近年来, 国内外学者开展了大量有关土地利用碳排放的研究, 主要包括土地利用碳排放核算[9, 10]、土地利用碳排放的时空差异分析[11~15]、土地利用碳排放的驱动及影响因素[15~19]、土地利用碳排放与经济增长[16~20]和土地利用碳排放与碳足迹[21~22]等方面. 研究方法包括STIRPAT模型[23]、LMDI模型[24, 25]、SBM模型[26]和面板数据回归模型[27]等. 已有关于土地利用碳排放的研究取得了丰硕的成果, 为厘清土地利用碳排放机制和效应提供了深厚的理论基础和成熟的技术方法, 对本研究具有较强的指导意义. 然而, 已有研究较多侧重于土地利用碳排放测算和时空差异分析, 而针对碳排放与经济发展的问题, 如何将土地利用碳排放的时空差异与经济发展的不平衡相结合, 分析区域碳排放经济贡献系数和碳汇生态承载能力的研究较少. 现有关于土地利用碳排放影响因素的研究大多针对区域的实际经济社会状况展开, 选取的影响因子大多为城市化水平、产业结构、人口规模和经济发展水平等社会和经济方面的因子, 忽视了土地利用自身碳排放的影响.
碳排放与土地利用、能源消费以及经济发展密不可分, 宁夏是我国重要的能源基地, 也是典型的依赖资源发展经济的地区, 资源禀赋及工业结构的高碳特征非常明显, 是全国典型的“高碳区”[28]. 随着经济水平的快速发展, 对土地和能源的需求进一步增大, 近十几年来大规模的城镇建设导致土地利用变化显著, 经济发展与低碳减排之间的矛盾逐渐凸显, 碳减排压力进一步增大. 作为经济欠发达省份, 协调经济发展与生态文明建设、推动绿色低碳高质量发展, 对建设黄河流域生态保护和高质量发展先行区具有重要意义. 本文对宁夏及各地级市2000~2021年土地利用碳排放进行测算, 通过差异度指标、碳排放强度和经济贡献率等指标反映碳排放的区域差异及经济效率, 在此基础上探究影响土地利用碳排放的影响因素, 以期为区内协同减排及各地市差异化的土地利用碳减排政策和发展方向提供决策参考.
1 材料与方法 1.1 研究区概况宁夏地处中国西北腹地, 地理位置介于北纬35°14′~39°23′, 东经104°17′~107°39′, 辖5个地级市（图 1）. 宁夏地形复杂, 土地利用类型多样, 2000~2021年各土地利用类型面积变化明显（图 2）, 林地和建设用地面积增加显著, 分别由2000年的27.68万hm2和19.81万hm2增加至2021年的95.37万hm2和39.17万hm2, 增长率达到70.97%和49.40%；虽然草地一直是土地类型中面积占比最大的类型, 但其面积呈显著减少趋势, 由2000年的243.78万hm2减少至2021年的203.10万hm2；园地、水域增长幅度较小, 耕地面积呈现先减少后增加的趋势.
|
图 1 宁夏行政区划示意 Fig. 1 Ningxia administrative division |
|
图 2 2000~2021年宁夏土地利用类型面积变化情况 Fig. 2 Areas changes of land use types in Ningxia from 2000 to 2021 |
本文使用的数据包括土地利用类型面积数据、能源消费数据、经济数据和人口数据. 其中, 土地利用类型面积数据、经济数据和人口数据来源于2000~2021年的《宁夏统计年鉴》《银川市统计年鉴》《石嘴山市统计年鉴》《吴忠市统计年鉴》《中卫市统计年鉴》以及宁夏和各地区《国民经济和社会发展统计公报》；宁夏能源消费数据来源于2000~2021年《中国能源统计年鉴》, 各市能源消费数据来源于《宁夏统计年鉴》（2000~2021年）、《宁夏能源统计年鉴》（2016年、2017年）和《宁夏能源统计资料汇编2008~2012》. 部分缺失数据通过插值法补齐.
根据宁夏行政区划变更, 中卫市于2004年正式批复成立, 市辖沙坡头区（原中卫县, 辖从固原市）、海原县（原辖从固原市）和中宁县（原辖从吴忠市）. 因此中卫市相关研究期为2004~2021年.
1.3 研究方法 1.3.1 土地利用碳排放量计算二氧化碳排放量根据《IPCC2006年国家温室气体清单指南》提供的核算方法, 对耕地、林地、草地、水域和未利用土地碳排放量采用直接排放法估算, 建设用地通过能源消耗产生的碳排放量间接计算.
|
(1) |
式中, C'表示耕地、园地、林地、草地、水域及其他土地的碳排放（吸收）量；si表示第i类土地的面积, δi表示第i类土地的碳排放系数, δi为正表示为碳排放, 反之则为碳吸收.
关于不同土地利用类型的碳排放系数, 学术界存在广泛的讨论, 本研究参考已有研究成果, 并结合宁夏的实际情况, 确定不同土地利用类型的碳排放系数（表 1）.
|
表 1 不同土地利用类型碳排放系数取值 Table 1 Carbon emission coefficient of different land use types |
|
(2) |
式中, C″表示建设用地的碳排放量, ej表示第j种能源的碳排放量, mj表示第j种能源消费量, nj表示第j种能源标准煤转换系数, εj表示第j种能源碳排放系数. 其中, 能源标准煤转换系数取自《中国能源统计年鉴》, 能源碳排放系数参考《IPCC2006年国家温室气体排放清单指南》[9]（表 2）. 建设用地碳排放主要源于人类活动中能源消费, 因此本文使用能源消费所产生的碳排放量来表示建设用地的碳排放量, 基于宁夏实际能源消费情况, 选择煤炭、焦炭、汽油、煤油、柴油、燃料油和天然气等7种能源.
|
|
表 2 能源标准煤转换系数及能源碳排放系数 Table 2 Energy standard coal conversion coefficient and energy carbon emission coefficient |
1.3.2 碳排放差异度指标
关于碳排放差异的测算没有专门的指标, 本文参考已有研究成果[6, 30], 采用反映区域差异的变异系数（CV）、基尼系数（Gini）和泰尔指数（GE）这3项统计学指标测度宁夏碳排放的区域差异性. 计算公式[6, 30]为：
|
(3) |
|
(4) |
|
(5) |
式中, yi和yj（i、j=1, 2, 3, 4, 5）表示第i和j市的碳排放量；u表示5个市的平均碳排放量；n表示地级市的个数, 本文中为5.
1.3.3 碳排放强度与碳排放经济贡献系数碳排放强度（CI）即单位GDP的CO2排放量, 利用各地区碳排放量与地区GDP的比值来表示[20]. 作为包含了能源结构、技术水平和产业结构等因素的综合性指标, 碳排放强度不仅是碳排放效率和节能减排绩效最简单、最直观的度量指标, 而且在一定程度上代表了边际减排成本和减排潜力. 计算公式如下：
|
(6) |
式中, t表示年份；i表示地区；C表示CO2排放量；CI表示碳排放强度.
碳排放的经济贡献系数（ECC）从经济的角度来表达不同区域碳排放的差异, 是反映区域碳排放生产力的指标之一, 可评价研究区内碳排放经济贡献的公平性[14], 计算公式如下：
|
(7) |
式中, Gi和G分别表示i市和全区的GDP（元）；Ci和C分别表示i市和全区的碳排放总量（t）, 若ECC > 1, 表示该市土地利用碳排放的贡献率小于经济贡献率, 其碳排放的经济效率相对较高；反之, 则表示碳排放的经济效率偏低.
1.3.4 碳汇生态承载系数碳汇生态承载系数反映区域碳吸收的贡献度, 即碳汇量与碳源量的区域排名之比, 可以衡量各区域碳生态容量贡献的公平性, 有效表达各区域的碳汇能力, 从而根据结果制定出适宜各区域的减碳政策, 其表达式[30]为：
|
(8) |
式中, CAi和CA分别表示i市和全区碳的吸收量, 若ESC > 1, 表明i市的主要碳汇对碳吸收的贡献率高于碳排放的贡献率, 对宁夏碳排放的消纳有积极作用, 对其他区域有贡献；反之, 对宁夏碳排放的消纳有负作用.
1.3.5 LMDI因素分解模型根据已有研究, 土地利用碳排放影响因素涉及诸多角度, 多数研究从经济、能源、人口与环境等角度出发[17, 18, 31, 32], 研究对土地利用碳排放的影响. 本文从土地利用的角度出发, 将土地利用因子引入Kaya方程, 采用LMDI对数分解方法[33]探究宁夏土地利用碳排放影响因素, 借鉴已有研究[17, 18], 以土地利用碳排放强度、土地利用结构、单位GDP用地强度、经济发展水平和人口数量这5个因素建立LMDI因素分解模型：
|
(9) |
式中, C表示土地利用净碳排放量（万t）, Ci表示第i类土地利用碳排放总量（万t）, Si表示第i类土地利用类型面积（万km2）, S表示土地总面积（万km2）, GDP表示地区生产总值（万元）, P表示总人口数（万人）.
使用加法分解方法对上式进行因素分解, 得到各影响因素的贡献值. 若各影响因素的贡献值大于0, 说明该影响因素会促进土地利用碳排放；反之说明该影响因素会抑制土地利用碳排放. 各分解因素的贡献率计算公式[33]为：
|
(10) |
式中, 
根据公式（1）和公式（2）, 计算得到各市2000~2021年土地利用碳排放量和吸收量. 结果显示土地利用碳吸收总量远小于土地利用碳排放总量, 宁夏土地利用净碳排放量呈显著增加态势（图 3）, 在21年里增加了11 091.94万t, 尤其是2000~2011年, 净碳排放量增加了近10倍, 年均增长率达到26.5%. 净碳排放量最多的市为银川市, 其次是石嘴山市和吴忠市, 2017年中卫市土地利用净碳排放量超过吴忠市, 位于第3位, 固原市土地利用净碳排放量始终为全区最少.
|
图 3 2000~2021年宁夏土地利用净碳排放及占比变化 Fig. 3 Changes in net carbon emissions and its proportion of land use in Ningxia from 2000 to 2021 |
从碳排放占比看[图 4（a）], 建设用地是宁夏碳排放的主要碳源, 建设用地碳排放所占比重不断增大, 2000年为92.22%, 2011年超过99.27%, 2021年达到99.57%, 耕地的碳源作用不断减弱, 能源消耗成为碳排放的主要来源. 建设用地碳排放以煤炭和天然气消费产生的碳排放为主, 汽油、煤油消费产生的碳排放较少（图 5）. 煤炭消费产生的碳排放量始终处于绝对高位, 2000~2021年碳排放量由562.56万t增加至8 364.99万t, 年均增长量为371.54万t, 占比处于60%~80%之间；天然气消费产生的碳排放量从2000年的10.37万t增加至2021年的2 453.05万t, 年均增长量为116.32万t, 占比处于20%~30%之间；煤油消费带来的碳排放量最少, 且随着煤油消费量的减少, 其产生的碳排放逐渐减少, 占比逐渐趋近于0.001%, 汽油消费产生的碳排放量略高于煤油, 占比约为0.20%. 图 5反映了2000~2021年宁夏不同能源消费产生的碳排放量, 由于汽油、煤油碳排放量较小, 年均碳排放量仅为17.64万t和1.71万t, 因此在图 5中显示不明显.
|
图 4 2000~2021年宁夏土地利用碳排放及碳吸收占比变化 Fig. 4 Changes in land use carbon emission and carbon absorption proportion in Ningxia from 2000 to 2021 |
|
图 5 2000~2021年宁夏不同能源消费产生的碳排放量 Fig. 5 Carbon emissions from different energy consumptions in Ningxia from 2000 to 2021 |
从碳吸收看[图 4（b）], 宁夏土地利用碳吸收总量逐年增加, 由2000年的28.40万t增加到2021年的73.74万t, 碳吸收量增加了45.34万t, 年均增长率为4.65%. 就碳吸收占比而言, 林地为主要碳吸收类型, 其碳吸收占比逐年增加, 从2000年的59.68%增加到2021年的79.22%；其次为草地, 但是草地碳吸收占比逐渐减小, 从2000年的18.03%减少到2021年的5.79%, 在2013年由第二大碳汇用地变为宁夏第三大碳汇用地；水域碳吸收占虽然比较少, 但却呈逐年增加趋势, 尤其是自2013年, 水域碳吸收量超过草地碳吸收量, 由第三大碳汇用地变为宁夏第二大碳汇用地；园地碳汇作用相对较弱, 碳吸收量缓慢增加, 由2000年的2.43万t增加到2021年的6.69万t, 年均吸收量约为3.08万t, 占比约为6.09%；其他类型土地因自身的碳汇作用甚微, 所产生的碳吸收量也最少, 年均碳吸收量约为0.04万t, 占比约为0.08%.
2.2 宁夏土地利用碳排放差异度基于2000~2021年宁夏各市的土地利用碳排放量, 根据公式（3）~（5）计算得到宁夏土地利用碳排放的变异系数、基尼系数和泰尔指数, 图 6反映出宁夏碳排放区域差异的时序变化特征, 这20a碳排放差异整体上表现为先上升又小幅回落的趋势, 其随时间变化呈“上升-下降-再上升-再下降”的特征, 在2016年达到极大值. 3个测度指标随时间演变的总体走势特征相近, 而且极值在相同时间出现, 表明3个指标在测度碳排放差异方面能够满足准确一致的要求. 基尼系数和泰尔指数在2016均高于0.5, 变异系数达到1.3, 说明宁夏各地级市之间碳排放总量的差距在这一年达到最大, 之后又逐渐缩小.
|
图 6 宁夏碳排放差异的定量测度 Fig. 6 Measurement of regional disparities on carbon emission in Ningxia |
依据碳排放强度计算公式, 测算得出宁夏全区及5个地级市碳排放强度和年增长率, 图 7（a）反映出全区碳排放强度整体上呈现出快速上升后有小幅下降, 之后小幅波动的趋势. 2000~2003年碳排放强度从2.37万t·亿元-1增加至6.617万t·亿元-1, 年均增长率达到42.71%. 这一阶段的经济发展较为迅速, 但消耗大量化石能源使得碳排放总量急剧增多. 在2004年碳排放强度小幅下降之后呈现较为平稳的状态, 在2011年达到最高值后又经历了逐渐回落、缓步增加趋势. 宁夏的产业结构、经济结构倚重倚能, 能源结构比较单一, 煤炭消费占比超过80%, 经济发展高度依赖高耗能、高排放的传统行业, 因此相较国内外其他地区, 碳排放强度居高不下. 年增长率曲线从2017年开始逐渐下降, 说明随着低碳经济理念的提出, 大力扶持新能源、促进可持续发展, 碳排放强度增长趋于放缓.
|
图 7 2000~2021年宁夏及各地级市碳排放强度 Fig. 7 Carbon emission intensity of Ningxia and prefecture-level cities from 2000 to 2021 |
图 7（b）反映了5个地级市的碳排放强度变化趋势, 不同地级市之间年均增长率的差异较大. 固原市在推动经济发展的同时, 有效控制了碳排放量, 碳排放强度一直保持较低水平, 中卫市碳排放强度在2016年后增长幅度较大, 吴忠市碳排放强度2015年之后下降较快, 而银川市则一直保持较高的碳排放强度水平. 图 8显示5个地级市碳排放强度的总体差异呈缩小并收敛的趋势.
|
图 8 2000~2021年宁夏碳排放强度时序演变 Fig. 8 Temporal evolution of carbon emission intensity in Ningxia from 2000 to 2021 |
由图 9可知, 宁夏各地级市的经济贡献系数差异较大, 说明各地级市经济贡献率和碳排放贡献率均处于相对不平衡状态, 区域差异较明显. 银川市在2009年之前的经济贡献系数大于1, 之后一直小于1, 碳排放经济贡献率整体较低, 固原市的碳排放经济贡献系数虽然近10年处于下降趋势, 但在这5个城市里表现最好. 中卫市的碳排放经济贡献系数以2016年为分界点, 之前处于较高水平, 之后一直低于1, 出现明显的下降. 吴忠市的碳排放经济贡献系数在2000~2003年时低于1, 之后均大于1, 且持续上升, 而石嘴山市的碳排放经济贡献系数在研究年限内均小于1, 表明碳排放效率一直小于经济贡献率.
|
图 9 宁夏碳排放经济贡献系数空间分布 Fig. 9 Spatial distribution of carbon emission economic contribution coefficient in Ningxia |
根据公式（8）计算得到宁夏各地级市的碳汇生态承载系数, 从图 10可以看出区域差异较为显著, 银川市和石嘴山市的碳汇生态承载系数在研究期内始终小于1, 反映出对于全区碳吸收的贡献程度明显小于碳排放的占比, 对全区碳排放消纳有消极作用；吴忠市、中卫市和固原市的碳汇生态承载系数在研究期全部大于1, 具有较高的碳汇能力, 对全区的碳排放消纳有积极作用, 尤其是固原市自2005年之后, 碳汇生态承载系数均大于10, 碳汇能力显著, 对于全区碳排放的吸收贡献明显.
|
图 10 2000~2021年宁夏各地级市碳汇生态承载系数 Fig. 10 Ecological carrying coefficient of carbon sinks in prefecture-level cities of Ningxia from 2000 to 2021 |
以上计算结果反映出银川市和石嘴山市碳经济贡献系数和碳汇生态承载系数较低, 净碳排放量很高, 因此调整能源结构、优化产业结构和提高能源利用效率, 加强生态建设与管理、改变土地利用结构, 增强生态系统固碳能力就非常重要, 尤其是银川市作为宁夏的首府, 碳排放居于高位, 但是碳排放强度仍低于平均水平, 经济贡献率小于土地利用碳排放的贡献率, 因此产业转型升级、能源结构优化迫在眉睫；吴忠市、中卫市和固原市碳经济贡献系数较高, 碳汇生态承载系数均大于1, 但净碳排放量较高, 仍需控制碳排放量的增加, 能源利用结构、产业结构有待进一步优化, 其中固原市始终为全区碳排放量最少的地区, 碳汇生态承载系数最高, 碳汇能力显著, 但碳吸收量仍旧低于碳排放量, 应在稳定碳汇能力的同时, 因地制宜地发展低碳产业, 提高碳排放效率.
3 宁夏土地利用碳排放影响因素分析通过LMDI因素分解模型计算得到不同影响因素对碳排放的贡献值和贡献率（表 3）. 土地利用碳排放强度、土地利用结构、经济发展水平和人口数量对于土地利用碳排放量均起到促进作用, 其中经济发展水平贡献率最大, 为85.20%, 人口数量贡献率最低, 为9.29%, 其促进作用最弱. 单位GDP用地强度贡献值为负, 会抑制土地利用碳排放量的增加.
|
|
表 3 2000~2021年宁夏土地利用碳排放各影响因素贡献值和贡献率分解结果 Table 3 Decomposition results of contribution value and contribution rate of each influencing factor on land use carbon emission in Ningxia from 2000 to 2021 |
不同年份土地利用碳排放量不同, 各影响因素对碳排放的影响程度也不同. 对各影响因素逐年进行分解可以看出（图 11）, 土地利用碳排放强度基本呈正向拉动作用, 仅有少数年份起到负向抑制作用, 在2010~2011年拉动作用最强. 土地利用结构对土地利用碳排放的贡献值除个别年份为负值外, 其余年份均为正值, 土地利用结构贡献值较小, 虽然影响程度相对较弱, 但对碳排放的增加仍表现为促进作用, 因此应将优化土地结构作为一项长期任务, 持续推进生态保护, 不断增加碳汇土地面积. 单位GDP用地强度的贡献值最低, 对土地利用碳排放量的影响程度相对最弱, 2000~2011年单位GDP用地强度贡献值均对土地利用碳排放量的增加起负向抑制作用, 之后则一直表现出正向拉动作用. 经济发展水平贡献值一直处于最高水平, 对土地利用碳排放量的增加一直起正向拉动作用, 且拉动作用持续增强. 人口数量增加往往伴随着建设用地面积和能源消费量的增加, 进而造成碳排放量的增加, 宁夏人口数量对土地利用碳排放量的增加始终起着正向拉动作用, 但正向拉动作用较弱, 贡献值处于较低水平.
|
图 11 2000~2021年各影响因素贡献值逐年分解结果 Fig. 11 A nnual decomposition results of contribution values of each influencing factors from 2000 to 2021 |
“双碳”目标的实现不仅要依靠减少碳排放量, 更要全面提升生态系统的碳汇能力, 因此深入开展土地利用的碳排放研究, 了解土地利用碳排放的空间差异及其影响因素, 对于优化土地利用结构, 提升生态系统质量, 因地制宜地提出区域内不同的碳减排策略, 实施碳减排具有重要意义. 从本研究结果来看, 宁夏土地利用碳排放量呈显著增加态势, 碳排放的主要来源为建设用地中各种开发、生产、建设、交通活动中的能源消耗, 各地级市碳排放差异明显, 碳排放强度高而碳经济贡献率低. 因此在未来的城镇化过程中应优化土地结构, 统筹建设用地的规模、增加具有较强碳汇能力的土地类型, 构建区域协调、山川协调的发展模式. 宁夏作为国家能源安全战略布局的重要保障基地, 又肩负着维护黄河上游生态安全的重大责任, 以能源转型为重点, 统筹抓好节能降碳增效、推进产业结构优化升级、推动绿色低碳发展、发展低碳产业势在必行. 根据各市的碳经济贡献率与碳排放贡献率以及碳汇生态承载系数调整土地利用结构, 实施差异化的低碳发展策略, 有利于促进区域协同减排, 推动全区低碳经济的发展.
本研究可为宁夏土地利用资源可持续利用、区域内协同减排及各地市差异化的土地利用碳减排政策和发展方向提供参考依据, 但仍有不足之处：①本文主要依据IPCC公布的能源碳排放系数以及已有研究成果的经验系数估算宁夏土地利用碳排放, 一定程度上影响碳排放估算的准确性. 因此, 微观尺度下土地利用碳排放的科学测度是今后研究的重点和方向；②虽然本文从土地碳排放强度、土地利用结构、经济发展水平、人口数量和单位GDP对土地碳排放量的贡献作用和程度展开了分析, 并未深入各影响因素具体的作用机制, 未来研究中还需进一步深入；③由于能源经济等数据获取的局限性, 本文在计算碳经济贡献率和碳汇生态承载系数时以市域为单位, 土地利用本身较为复杂和多样, 环境条件差异较大, 较大尺度不利于各地区提出因地制宜的低碳发展策略, 未来应深入到更小的研究尺度, 使研究结果更加具体化和有针对性.
5 结论（1）2000~2021年, 宁夏土地利用碳排放量呈显著增加态势, 净增加了11 091.94万t, 建设用地是碳排放的主要碳源, 且排放所占比重不断增大, 能源消耗为碳排放的主要来源；宁夏土地利用碳吸收量逐年增加, 由2000年的28.40万t增加到2021年的73.74万t, 林地为主要碳吸收类型, 依次分别为草地、水域、园地和未利用地.
（2）变异系数、基尼系数和泰尔指数的计算结果表明, 宁夏各地级市之间这20年碳排放差异整体上表现为先上升又小幅回落的趋势, 其随时间变化呈“上升-下降-再上升-再下降”的特征.
（3）全区碳排放强度在研究初期快速上升后一直处于居高不下的状态, 虽然5个地级市碳排放强度的总体差异呈缩小并收敛的趋势, 但是各地级市的经济贡献系数差异较大, 各地级市的碳汇生态承载能力差异明显, 银川市和石嘴山市对全区碳排放消纳有消极作用, 吴忠市、中卫市和固原市则具有较高的碳汇能力.
（4）土地利用碳排放强度、土地利用结构、经济发展水平、人口数量对于土地利用碳排放量均起到促进作用, 贡献率分别为56.48%、41.27%、85.20%, 9.29%, 单位GDP用地强度贡献值为负, 抑制土地利用碳排放量的增加.
| [1] |
张苗, 吴萌. 土地利用对碳排放影响的作用机制和传导路径分析——基于结构方程模型的实证检验[J]. 中国土地科学, 2022, 36(3): 96-103. Zhang M, Wu M. Analysis on the mechanism and transmission path of the impact of land use on carbon emissions: empirical test based on structural equation model[J]. China Land Science, 2022, 36(3): 96-103. |
| [2] |
王义祥, 翁伯琦, 黄毅斌. 土地利用和覆被变化对土壤碳库和碳循环的影响[J]. 亚热带农业研究, 2005, 1(3): 44-51. Wang Y X, Weng B Q, Huang Y. Effects of land use/cover changes on soil carbon storage and carbon cycle[J]. Subtropical Agriculture Research, 2005, 1(3): 44-51. DOI:10.3969/j.issn.1673-0925.2005.03.012 |
| [3] |
冯舒, 孙然好, 陈利顶. 基于土地利用格局变化的北京市生境质量时空演变研究[J]. 生态学报, 2018, 38(12): 4167-4179. Feng S, Sun R H, Chen L D. Spatio-temporal variability of habitat quality based on land use pattern change in Beijing[J]. Acta Ecologica Sinica, 2018, 38(12): 4167-4179. |
| [4] |
李小康, 王晓鸣, 华虹. 土地利用结构变化对碳排放的影响关系及机理研究[J]. 生态经济, 2018, 34(1): 14-19. Li X K, Wang X M, Hua H. Research on influences of land use structure change on carbon emissions[J]. Ecological Economy, 2018, 34(1): 14-19. |
| [5] |
杨庆媛. 土地利用变化与碳循环[J]. 中国土地科学, 2010, 24(10): 7-12. Yang Q Y. Land use changes and the carbon cycling[J]. China Land Science, 2010, 24(10): 7-12. |
| [6] |
邹秀清, 孙学成, 葛天越, 等. 长三角地区碳排放差异、影响机理及碳达峰预测[J]. 长江流域资源与环境, 2023, 32(3): 548-557. Zou X Q, Sun X C, Ge T Y, et al. Carbon emission differences, influence mechanisms and carbon peak projections in Yangtze River Delta Region[J]. Resources and Environment in the Yangtze Basin, 2023, 32(3): 548-557. |
| [7] |
王丽丽. 多尺度视角下中国碳排放强度时空特征及驱动因素分析[D]. 兰州: 兰州大学, 2022. Wang L L. A multiscale analysis on spatiotemporal characteristics and drives of carbon emission intensity in China[D]. Lanzhou: Lanzhou University, 2022. |
| [8] |
邓吉祥, 刘晓, 王铮. 中国碳排放的区域差异及演变特征分析与因素分解[J]. 自然资源学报, 2014, 29(2): 189-200. Deng J X, Liu X, Wang Z. Characteristics analysis and factor decomposition based on the regional difference changes in China's CO2 emission[J]. Journal of Natural Resources, 2014, 29(2): 189-200. |
| [9] |
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. |
| [10] |
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): 5253-5262. 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): 5253-5262. |
| [11] |
李彦旻, 沈育生, 王世航. 基于土地利用变化的安徽省陆地碳排放时空特征及效应[J]. 水土保持学报, 2022, 36(1): 182-188. Li Y M, Shen Y S, Wang S H. Spatio-temporal characteristics and effects of terrestrial carbon emissions based on land use change in Anhui Province[J]. Journal of Soil and Water Conservation, 2022, 36(1): 182-188. |
| [12] |
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 |
| [13] |
孙雷刚, 刘剑锋, 徐全洪, 等. 环京津区域城市碳排放效应及时空格局分析[J]. 地理与地理信息科学, 2016, 32(4): 113-118. Sun L G, Liu J F, Xu Q H, et al. Effects of urban carbon emissions and their spatial-temporal patterns around Beijing and Tianjin[J]. Geography and Geo-Information Science, 2016, 32(4): 113-118. |
| [14] |
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. |
| [15] |
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. |
| [16] |
李玉玲, 李世平, 祁静静. 陕西省土地利用碳排放影响因素及脱钩效应分析[J]. 水土保持研究, 2018, 25(1): 382-390. Li Y L, Li S P, Qi J J. Influencing factors on carbon emissions of land uses and analysis of their decoupling effects in Shaanxi Province[J]. Research of Soil and Water Conservation, 2018, 25(1): 382-390. |
| [17] |
李键, 毛德华, 蒋子良, 等. 长株潭城市群土地利用碳排放因素分解及脱钩效应研究[J]. 生态经济, 2019, 35(8): 28-34, 66. Li J, Mao D H, Jiang Z L, et al. Research on factors decomposition and decoupling effects of land use carbon emissions in Chang-Zhu-Tan urban agglomeration[J]. Ecological Economy, 2019, 35(8): 28-34, 66. |
| [18] |
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. |
| [19] |
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. |
| [20] |
邝嫦娥, 李文意, 黄小丝. 长江中游城市群碳排放强度与经济高质量发展耦合协调的时空演变及驱动因素[J]. 经济地理, 2022, 42(8): 30-40. Kuang C E, Li W Y, Huang X S. Spatial-temporal evolution and driving factors of coupling coordination between carbon emission intensity and high-quality economic development in urban agglomerations in the middle reaches of the Yangtze River[J]. Economic Geography, 2022, 42(8): 30-40. |
| [21] |
宋山梅, 向俊峰. 贵州省喀斯特不同土地利用方式碳排放和碳足迹生态效应[J]. 林业资源管理, 2018(6): 57-63, 137. Song S M, Xiang J F. Effects of land use on carbon emission and carbon footprint in Karst area of Guizhou[J]. Forest Resources Management, 2018(6): 57-63, 137. |
| [22] |
彭文甫, 周介铭, 徐新良, 等. 基于土地利用变化的四川省碳排放与碳足迹效应及时空格局[J]. 生态学报, 2016, 36(22): 7244-7259. Peng W F, Zhou J M, Xu X L, et al. Effect of land use changes on the temporal and spatial patterns of carbon emissions and carbon footprints in the Sichuan Province of Western China, from 1990 to 2010[J]. Acta Ecologica Sinica, 2016, 36(22): 7244-7259. |
| [23] |
汪菲, 王长建. 新疆能源消费碳排放的多变量驱动因素分析——基于扩展的STIRPAT模型[J]. 干旱区地理, 2017, 40(2): 441-452. Wang F, Wang C J. Examining the driving factors of energy related carbon emissions using the extended STIRPAT model based on IPAT identity in Xinjiang[J]. Arid Land Geography, 2017, 40(2): 441-452. |
| [24] |
马肖迪, 谭晓波. 基于LMDI模型的湖南省土地利用碳排放影响因素研究[J]. 湖南工业大学学报, 2019, 33(6): 60-66. Ma X D, Tan X B. Study on influencing factors on land-use carbon emissions in Hunan Province based on LMDI model[J]. Journal of Hunan University of Technology, 2019, 33(6): 60-66. |
| [25] |
独孤昌慧. 中国农地利用碳排放及影响因素研究: 1990—2016[J]. 生态经济, 2020, 36(5): 19-23. Dugu C H. A study on carbon emission and its influencing factors of agriculture land in China: 1990-2016[J]. Ecological Economy, 2020, 36(5): 19-23. |
| [26] |
胡光伟, 刘玉安, 张明, 等. 基于SBM模型的湖南省城市土地集约节约利用碳排放效率评价[J]. 国土资源科技管理, 2020, 37(6): 14-27. Hu G W, Liu Y A, Zhang M, et al. Evaluation of carbon emission efficiency of intensive use of construction land in Hunan Province based on SBM model[J]. Scientific and Technological Management of Land and Resources, 2020, 37(6): 14-27. |
| [27] |
杨皓然, 吴群. 基于系统GMM面板模型的土地利用碳排放效应研究——以中国省际面板数据为例[J]. 土壤通报, 2019, 50(3): 541-549. Yang H R, Wu Q. Carbon emission effects of land use based on system GMM panel model——taking Chinese provincial panel data as an example[J]. Chinese Journal of Soil Science, 2019, 50(3): 541-549. |
| [28] |
贾科利, 李小雨, 魏慧敏, 等. 宁夏县域土地利用碳排放空间分异与风险研究[J]. 干旱区地理, 2023, 46(11): 1757-1767. Jia K L, Li X Y, Wei H M, et al. Spatial differentiation and risk of land use carbon emissions in county region of Ningxia[J]. Arid Land Geography, 2023, 46(11): 1757-1767. |
| [29] |
肖红艳, 袁兴中, 李波, 等. 土地利用变化碳排放效应研究——以重庆市为例[J]. 重庆师范大学学报(自然科学版), 2012, 29(1): 38-42. Xiao H Y, Yuan X Z, Li B, et al. The effects of land use changes on carbon emission C: take Chongqing as an example[J]. Journal of Chongqing Normal University (Natural Science), 2012, 29(1): 38-42. |
| [30] |
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. |
| [31] |
卫晓庆. 京津冀地区土地利用碳排放特征及影响因素分析[D]. 西安: 西安科技大学, 2019. Wei X Q. A study on the temporal characteristics and influential factors of land-use carbon emission in Beijing-Tianjin-Hebei region[D]. Xi'an: Xi'an University of Science and Technology, 2019. |
| [32] |
刘洋. 广东省土地利用碳排放与经济增长关系及其影响因素研究[D]. 广州: 华南理工大学, 2017. Liu Y. The study on the relationship between land use carbon emission and economic growth and effect factors in Guangdong Province[D]. Guangzhou: South China University of Technology, 2017. |
| [33] | Ang B W. The LMDI approach to decomposition analysis: a practical guide[J]. Energy Policy, 2005, 33(7): 867-871. |