2024, Vol. 45
温室气体排放导致的全球变暖是当今世界面临的最严重环境问题之一, 对自然系统和人类经济社会的可持续发展带来了严重威胁[1]. 在当前全球应对气候变化的背景下, 如何科学识别区域碳风险并开展碳治理是当前世界各国普遍关注的问题. 2021年中国的碳排放量占世界总量的31%, 是世界上最大的碳排放国[2], 面临着沉重的碳减排压力[3, 4]. 中国政府承诺CO2排放力争于2030年前实现碳达峰, 2060年前实现碳中和. 因此, 科学开展碳收支核算, 揭示碳源与碳汇的动态平衡, 识别量化区域碳失衡风险, 对于推动区域差别化低碳发展策略的选择, 实现国家“双碳”目标具有重要意义.
碳收支核算是揭示区域碳源与碳汇状况、科学评估区域碳平衡状况的基础, 以碳收支核算为基础量化碳失衡风险与制定管控措施是推动区域实现碳中和的有效路径[5, 6]. 目前学者们主要从生态系统视角和“自然-社会”视角这2个方面展开碳收支研究, 生态系统视角方面, 学者们纷纷开展了全球与中国陆地[7]、湖泊[8]、森林[9, 10]及草地[11]等多种生态系统碳源与碳汇估算及气候因子响应机制分析, 揭示出降水因子对碳收支的影响作用最为显著, CO2是影响碳收支的重要因素但其导致的碳汇效应随着时间推移逐渐减弱[12]. “自然-社会”视角方面[13], 土地既是陆地生态系统碳汇的自然载体, 又是人类生产生活的空间载体, 具备典型的“二元”特征, 为此学者们尝试在城市群、省级[14]、县域[15, 16]、功能区[17]及精细单元[18]等不同空间尺度开展土地利用碳收支核算, 极大丰富了碳收支核算方法体系. 如Elvidge等[19]和Doll等[20]最早证实夜间灯光数据可用于估算模拟碳排放, Zhao等[21]和Wang等[22]利用时空建模及空间计量模型开展了城市尺度碳排放的空间可视化及驱动因素分析, 这为从精细空间尺度分析碳收支状况提供了条件.
前期研究更侧重于分析区域碳收支格局及驱动因素, 随着人类面临的环境压力日益严峻, 碳风险问题也得到了学界的关注. 风险评估起源于经济学领域[23], 最初用来评估经济损失的可能性, 随后多被用于表示企业生产经营因气候政策变化而受到的冲击, 如Xu等[24]综合碳信用市场的复杂性与不确定性评估了碳风险. 近年来, 自然科学领域的风险研究逐渐发展到由自然灾害[25]和人类活动[26]等造成的生态系统风险评估. 碳风险被认为是碳收支偏离碳中和理想状态的程度, 对于导致气候变暖与维持碳中和分别扮演“危害”和“风险”的角色[27]. 有学者基于碳收支状况[27]和土地利用类型量化解析了碳排放风险的时空演化特征, 采用传统计量和空间分析方法评价了陆地生态系统碳汇功能及其不稳定性风险[25, 28]. 以上研究实践有助于实时了解碳收支状况变化并开展预警预报[29, 30], 为碳失衡风险研究提供了重要理论和实践参考.
学者前期从多视角、多尺度开展了碳收支研究, 但将碳收支与碳风险相结合进行的碳失衡风险研究尚不多见, 研究尺度多集中于国家、省域及城市等宏观尺度层面. 一方面, 从栅格及县域尺度进行碳失衡风险评价研究可以提高碳失衡风险评价结果的精度[31]；另一方面, 空间尺度效应的存在使得地理现象的空间分布格局和影响机制不尽相同[32], 开展多尺度的碳收支核算及碳失衡风险评价对比研究有助于弥补当前研究的不足. 此外, 县域单元是中国最基本的经济社会单元, 也是减排控碳的关键空间单元[33], 从县域单元入手分析有利于针对性地制定碳失衡风险管控措施, 从而有助于区域整体协同碳减排目标的实现.因此, 从栅格及县域尺度开展碳失衡风险评价研究不仅有助于揭示精细空间尺度的碳失衡风险空间分异特征, 而且对于落实国家“双碳”目标具有重要意义. 此外, 当前碳风险评价研究多集中在金融经济领域, 采用的评估方法以系数估算法、线性倾向法和层次分析法等为主, 尚未从碳收支空间格局及其变化的基础上考虑碳失衡风险的特征、类型及变化规律, 导致其研究结果难以应用于区域差别化碳管理中. 因此, 如何基于碳收支格局开展碳失衡风险识别和评估研究还需要进一步加强.
河南省地处中国南北过渡带, 生态系统类型复杂, 地貌多样, 土地开发历史悠久, 随着快速城市化进程, 土地利用变化剧烈、用地冲突明显, 导致碳失衡风险问题日益突出. 因此, 本文以河南省为例, 基于区域碳失衡风险理论框架, 在综合考虑碳收支格局及其转换态势的基础上构建了区域碳失衡风险指数, 并以河南省为例从栅格和县域两个尺度开展了碳收支核算与碳失衡风险的时空格局研究. 本研究有助于动态揭示并量化碳失衡风险及其区域差异, 以期为缓解区域碳失衡程度和推动不同区域差别化的碳治理提供理论和实践指导.
1 材料与方法 1.1 研究区概况河南省地处31°23′ ~ 36°22′N与110°21′ ~ 116°39′E之间, 海拔23.2~2 413.8 m（图 1）. 地势西高东低, 平原和盆地、山地和丘陵分别占总面积的55.7%、26.6%和17.3%. 其总面积16.7万km2, 是中国人口大省、农业大省和新兴的工业大省. 2001~2020年河南省城镇化率由24.43%平稳增长至55.43%. 2016~2019年河南省全部工业增加值年均增长7.5%, 工业总量稳居全国第五、中西部第一. 长期以来河南省人地矛盾突出, 能源结构以传统的化石能源为主, 工业、农业以及人口造成的碳排放量与自然资源本底碳吸收量不相匹配, 面临着极为严峻的碳减排形势. 2001年以来, 随着城市化和工业化进程加快, 河南省城市规模迅速膨胀, 能源消费总量持续增加, 由2001年的0.84亿t增长至2020年的2.28亿t. 与此同时碳排放量也快速增长, 2020年因化石燃料燃烧产生的二氧化碳排放占全国能源相关碳排放总量的约5%, 成为中国碳排放量较高的省区之一；同时豫西豫东的林地及耕地等碳汇用地空间遭到不同程度的挤压或破坏, 致使河南省碳汇提升能力有限. 碳源与碳汇区域之间的剧烈转换以及碳收支格局的不平衡现象的增大加剧了河南省碳失衡风险. 因此, 选取土地利用方式快速变化、碳收支格局极不均衡的河南省作为研究区域具有较好的典型性和代表性.
|
图 1 研究区位置示意 Fig. 1 Schematic diagram of the location of the research area |
碳失衡是指特定区域在一定时期内因自然和人为原因导致的碳收支状况相对于自然本底碳收支发生明显改变的现象；碳失衡风险是对区域碳源与碳汇格局偏离自然本底碳收支的程度的度量. 如果某个区域碳收支严重不平衡且在一定时期内偏离自然本底碳收支的转换概率较大, 则碳失衡风险越大；反之, 则碳失衡风险越小. 从影响因素来看, 自然条件和人类活动所驱动的区域碳源与碳汇格局的变化均会造成碳失衡风险. 一方面, 气候变化、植被退化、水土流失和自然灾害等自然因素均会造成区域碳收支的变化, 并引起碳失衡风险, 另一方面, 城市化过程、能源消费、土地利用变化、森林砍伐和农业生产等人为因素会造成碳排放的快速增长, 进而引发碳失衡.因此碳失衡包括自然本底型碳失衡与人类干扰型碳失衡两种主要类型.
但就某区域而言, 碳失衡通常受自然和人为因素的双重影响, 因此碳失衡具备明显的“自然-社会”二元特征. 此外, 由于自然条件与人类活动强度导致的碳收支状况及速率转换态势差异, 碳失衡风险存在着显著的区域差异, 且随着自然条件和人类活动方式和强度的变化而发生改变. 基于以上分析, 本文构建了区域碳失衡风险评估的框架（图 2）, 主要思路如下：首先核算区域碳收支并分析其时空格局；然后建立基于区域碳收支格局及碳源与碳汇转换态势的碳失衡风险评估方法, 利用碳源与碳汇相对变化表示碳收支偏离均衡状态发生的概率, 采用线性加权方式计算碳失衡风险, 明晰其时空演化规律, 并进行碳失衡风险的类型区划分.
|
图 2 区域碳失衡风险理论分析框架 Fig. 2 Theoretical analysis framework for regional carbon imbalance risk |
本文的数据来源主要包括遥感影像、统计年鉴和气象站点等. 其中：①夜间灯光数据来源于Earth Observation Group（EOG：https://payneinstitute.mines.edu/eog/）, 包括DMSP/OLS（2001~2012）以及NPP/VIIRS（2013~2020）, 本文在数据处理过程中参考ELVIDGE C D等方法剔除火光、极光等异常值[34]；②气象数据来源于中国气象数据网（http://data.cma.cn/）, 包括降水、气温以及太阳辐射数据, 经过数据预处理和空间插值后生成逐月气象栅格数据；③植被指数以及地表覆被数据来自于National Aeronautics and Space Administration（NASA：https://www.nasa.gov/）；④能源消费数据来自2001~2021年《中国能源统计年鉴》；⑤省级、区县行政区划数据来自于国家基础地理信息中心（http://www.ngcc.cn）, 本文以河南省2021年县级以上行政区划变更后的157区县为研究对象, 将上述数据投影转换为World Geodetic System-1984坐标系并重采样为1 km栅格. 受数据可获得性因素的制约, 选择的研究时段为2001~2020年.
1.4 碳收支核算方法 1.4.1 碳排放核算方法本文采用能源统计资料和夜间灯光数据的模拟反演来核算碳排放. 首先根据IPCC温室气体排放清单核算基于能源消费数据的能源消费碳排放, 其次根据DMSP/OLS以及NPP/VIIRS夜间灯光影像, 获取河南省范围内夜间灯光数据并统计夜间灯光总值, 然后与相应的碳排放量统计值进行拟合分析.
（1）能源消费碳排放计算
基于河南省能源消费总量, 采用《2006年IPCC国家温室气体排放清单》[35]中确定的各类能源消费碳排放系数, 选取9种能源用于测算碳排放量[36], 公式为：
|
(1) |
式中, CO2表示能源消费碳排放量, 单位为t；i表示能源种类；Ki表示能源i的CO2排放系数（以碳/标准煤计, 下同）, 单位为万t·万t-1；Ei表示能源i的消费量（以标准煤计, 下同）, 单位为万t. 本文选取的9种能源碳排放系数和折算标准煤系数见表 1.
|
表 1 能源碳排放系数1） Table 1 Carbon emission factor for different types of fuels |
基于栅格尺度夜间灯光数据亮度总值与能源消费碳排放总量构建拟合函数关系, 假设二者具有线性相关关系, 且省级、区县以及栅格存在一致的相关关系[37]. 根据河南省能源消费碳排放变化特征, 即先快速增长后增速变缓最后稳定下降, 分段拟合能源消费碳排放与灯光亮度总值效果更佳[38], 估算方法为：
|
(2) |
式中, CE表示依据统计数据计算碳排放总值, TDN表示夜间灯光亮度总值, a表示回归参数. 为确保估算碳排放值的可靠性, 将碳排放模拟值与实际碳排放总量对照, 相对误差平均为5.78%, 符合估算精度要求, 可用来开展省域碳排放时空分布特征及碳失衡风险识别研究.
1.4.2 碳吸收核算方法常用的碳吸收核算方法包括清查碳储量[39], 涡度相关法[40]和植被净初级生产力估算, 其中, 植被净初级生产力（net primary productivity, NPP）是指生态系统中绿色植被在除去自身呼吸消耗后所累积的有机物的数量, 是代表地表覆被与生态系统碳循环过程中的关键参数[41], 在碳收支和气候研究中发挥重要作用[42]. 本文利用改进后的CASA（carnegie-ames-stanford approach）模型[43]模拟估算植被净初级生产力, 公式为：
|
(3) |
式中, APAR(x, t)表示栅格x在t月吸收的光合有效辐射, ε(x, t)表示栅格x在t月的实际光能利用率. 根据本文数据特征, 采用朱文泉等[44]根据误差最小原则模拟的各植被类型最大光能利用率结果.
1.5 碳失衡风险识别方法区域是否存在碳失衡风险由碳源与碳汇的对比状况及碳收支变化态势决定. 综合参考已有的相关研究[18, 45], 从当前碳收支状况以及时期内碳收支转换态势的角度尝试构建碳失衡风险指数用来衡量区域碳失衡风险的大小. 总体思路如下：在碳收支核算的基础上, 结合研究期内区域碳源与碳汇转变态势, 量化碳收支向碳失衡方向转变的可能性, 若研究期内碳排放相对变化量与碳吸收相对变化量相等且均有利碳收支平衡, 则认为不存在潜在碳失衡风险；反之, 则认为存在碳失衡风险. 计算方法如下：
|
(4) |
式中, CR表示碳失衡风险指数, CAi与CEi分别表示各栅格或县域单元碳吸收量与碳排放量. CA与CE表示河南省总碳吸收量与总碳排放量, CEi0、CEit、CAi0以及CAit分别表示在0~t时期栅格或区县单元碳排放或碳吸收量. a和b表示权重, 通过熵值法来确定.SIGN表示符号函数, 根据研究期内区域碳收支的变化情况确定（表 2）. 基于上述方法, 从栅格及县域两个尺度对河南省碳失衡风险进行分析. 在数据处理过程中, 结合河南省实际情况对数据合理放缩及异常值替换, 栅格尺度核算中采用栅格累计频率0.05%~99.95%范围栅格值为有效值, 同时根据栅格值分布特征结合县级单元尺度核算过程对栅格尺度数据进行修正.
|
|
表 2 碳收支变化分类1） Table 2 Classification of changes in carbon budgets |
为了使不同区域碳失衡风险具有可比性, 这里将碳失衡风险指数进行归一化处理（0~1之间）, 方法如下：
|
(5) |
式中, CR'表示归一化后的碳失衡风险指数, CR、CRMIN和CRMAX分别表示碳失衡风险指数原始数值、最小值及最大值. 为了更好对比分析不同时期的碳失衡风险格局, 参考其它研究采用等间距分割法[46]将CR'根据0~0.2、0.2~0.4、0.4~0.6、0.6~0.8和0.8~1.0分别划分为低风险、较低风险、中风险、较高风险和高风险这5个等级.
1.6 碳失衡风险集中化指数本文采用集中化指数来衡量县级单元碳失衡风险的集聚程度, 该指数由洛伦茨曲线推演而来[47], 计算公式为：
|
(6) |
式中, CRI表示碳失衡风险集中化指数, R表示碳失衡风险均匀分布于各县级单元时的分布曲线, A表示碳失衡风险实际分布曲线, M表示碳失衡风险集中于某县级单元时的分布曲线, CRI越大表明碳失衡风险集中化程度越高, 反之则代表越平均. CRI=1时, 表示碳失衡风险完全集中在个别单元；CRI=0时, 表明碳失衡风险分布完全均匀. 碳失衡风险指数分布曲线上凸程度越大则表明集中化程度越高. 通常CRI小于0.4时碳失衡风险分布较为均匀, 若CRI大于等于0.5时则碳失衡风险分布高度集中[47].
2 结果与分析 2.1 河南省碳收支时空格局 2.1.1 河南省碳排放时空演变特征2001~2020年河南省碳排放高值区集中分布在各市区, 尤以豫北地区最为明显（图 3）. 2001~2011年碳排放总量呈现快速增长态势, 从2001年2.32亿t上升到2011年峰值6.97亿t, 年均增长量为0.42亿t, 2011~2014年碳排放呈波动上升的变化趋势. 2015年以来, 碳排放总量呈现负增长态势, 并于2019年达到近10年内最低值5.38亿t, 这与近年来的生态文明理念与高质量发展战略等一系列政策的实施有关, 即产业结构的优化升级促进了经济低碳转型发展和减排增效. 研究期内河南省碳排放总体呈现出先快速增长后保持短暂稳定最后缓慢下降的特征. 空间分布上主要集中在以郑州市为中心, 洛阳、开封等周边城市构成的都市圈区域, 且因城市人口高密度化及建设用地扩张, 碳排放呈现出向市中心集聚、外围逐渐降低的态势. 2001~2020年河南省碳排放以各市中心为起点呈现出低碳排放向高碳排放、零散点状向主要交通线路线状及外围连续片状转变的态势, 郑州、开封和洛阳逐步融合为规模更大的碳排放中心.
|
图 3 2001~2020年河南省栅格尺度碳排放时空分布 Fig. 3 Spatio-temporal distribution of grid scale carbon emissions in Henan Province from 2001 to 2020 |
2001年以来河南省碳排放快速增长, 各区县碳排放的空间分异特征明显（图 4）. 碳排放量由129万t增长至358万t, 增幅高达178%, 绝大部分碳排放高值区域分布在以郑州市为中心的城市群以及豫北地区. 具体来看, 济源市早期碳排放远高于其他县级单元, 2005年以来, 中牟县、新郑市碳排放量急速增长, 2005~2010年中牟县的碳排放量从556万t增长至954万t, 2010年中牟县成为河南省碳排放最高的县级单元. 随着城市化推进, 郑州市拥有省内最大面积的城市建成区, 碳排放量常年居于首位, 洛阳及开封等作为郑州的外围邻接城市, 受郑汴一体化等政策影响, 环绕郑州市共同构成了高碳排放中心. 研究期间河南省大部分县域稳定地向高碳排放区域转变, 在空间上呈现相互连接的态势. 郑州市碳排放重心逐渐转移至郑州东部和南部的新开发区, 呈现外围高碳排放区包围市区低碳排放区的空间格局. 2001~2020年, 年度碳排放量小于200万t的县级单元由130个锐减到33个, 减少至25%左右, 中高碳排放单元数量稳步提升, 并于2011年达到峰值71个, 较低碳排放单元数量较为稳定.
|
图 4 2001~2020年河南省县域尺度碳排放时空分布 Fig. 4 Spatio-temporal distribution of carbon emissions at the county level in Henan Province from 2001 to 2020 |
2001~2020年河南省植被生态系统碳吸收呈现“西高东低, 南高北低”的空间格局, 碳吸收量变化不明显, 呈轻微的上升趋势（图 5）. 2002~2004年及2008~2010年碳吸收总量变化特征明显, 由林地及农用地面积变化引起的碳吸收量的变化值分别为0.29亿t及0.10亿t, 相对于农用地, 林地发挥着更重要的碳汇作用. 河南省碳吸收空间分布差异较大, 由豫西豫东的中高碳吸收区向豫北地区逐渐降低, 在各地市中心位置及河流附近达到最低值. 因城市中心建成区面积占比大, 人口密集, 导致其碳吸收能力微弱. 位于三门峡、洛阳及安阳三市交界的大面积林区与位于豫北及豫南边缘附近林地是河南省植被碳吸收的主要来源. 较豫西高碳吸收林区而言, 较高碳吸收区域主要分布在郑州以东的豫东平原地区, 以耕地为主的农用地在农作物生长期常年提供稳定可观的碳吸收量. 随着经济发展及城市化的推进, 土地城市化速度快于人口城市化, 以郑州、洛阳及许昌等地为主的豫北地区的农用地被建设用地大量占用, 进而导致碳吸收量降低；此外, 大量人口向城市方向的迁移及外流为农村带来短暂的碳汇, 碳吸收由市中心向外围区域呈现逐渐增加的特征, 豫西山区碳吸收总量与范围明显增加.
|
图 5 2001~2020年河南省碳吸收时空分布 Fig. 5 Spatio-temporal distribution of carbon absorption in Henan Province from 2001 to 2020 |
2001~2020年河南省碳吸收空间分布格局稳定, 碳吸收量呈轻微上升（图 6）. 期间碳吸收量由1.17亿t增长至1.53亿t, 呈约4年周期的波动变化. 大部分碳吸收高值区域位于南阳市、三门峡市与洛阳市三市交界, 且呈明显的集聚格局. 具体来看, 西峡县与卢氏县碳吸收量常年保持最高, 在2020年增长至最高478万t. 与其邻接的栾川县、灵宝市等随着生态文明建设的推进, 碳吸收量也在逐步递增. 同时, 豫东黄淮海平原因其包含大面积的耕地资源, 长期提供可观的碳吸收量, 在河南省碳循环过程中也发挥着重要的碳汇作用. 碳吸收低值区域主要位于洛阳市、郑州市与开封市以及豫北的城市中心, 土地的快速城市化进一步压缩了生态空间, 进而致使其碳吸收量微弱. 研究期间, 河南省碳吸收空间分布格局较为固定, 呈现出“南高北低、东西集聚”的特征. 豫西碳吸收高值区域在原有基础上不断扩大, 呈现连续片状的分布态势, 部分城市边缘区县碳吸收量相对提高. 河南省碳吸收空间格局变动主要依赖土地利用类型改变, 除豫西区域中高碳吸收单元的数量波动上升外, 其它碳吸收单元数量较为稳定.
|
图 6 2001~2020年河南省碳吸收时空分布 Fig. 6 Spatio-temporal distribution of carbon absorption at the county level in Henan Province from 2001 to 2020 |
2001~2020年河南省碳源/汇值呈现出先快速增长后逐渐下降的变化特征（图 7）. 2001~2013年碳源/汇值由1.74波动上升至5.14, 并于2013年达到峰值, 表明河南省碳收支状况处于极度失衡的情况, 2013年后生态系统碳吸收量进一步提升, 加之受产业优化调整和能源利用率提高等因素的影响, 造成碳源/汇值出现相对回落的现象, 并在后续时段内保持相对稳定. 河南省碳源/汇值年际差异变化较大, 碳收支明显不匹配, 能源消费受城市化进程及人类活动影响较深, 使得在短时间内造成较大的碳排放量, 因此碳排放的变化较为明显；而生态系统碳吸收在用地类型及其总面积稳定时很难发生大幅改变, 故碳吸收的变化较为稳定. 研究期间河南省碳源/汇值始终保持在1以上, 说明河南省碳排放量始终高于植被生态系统碳吸收总量, 生态系统固碳量难以抵消能源消费所产生碳排放量.
|
图 7 2001~2020年河南省碳源/汇值变化趋势 Fig. 7 Trends of carbon source/sink ratio in Henan Province from 2001 to 2020 |
碳排放量与碳吸收量的高度不协调导致河南省县域尺度碳源/汇值具有显著空间差异. 碳源/汇值基本呈现“市辖区大于周边县, 豫北大于豫南”的特点, 碳源/汇高值区域位于各地市的市辖区及经济相对发达的地区, 如郑州、洛阳的市辖区以及殷都区、魏都区等地, 以上地区建设用地占比高, 经济结构以第二产业为主, 单位面积碳排放强度常年远超其他县级单元, 由于经济发展所需建设用地扩张导致农用地被占用, 此类地区往往同时处于较低碳吸收区, 碳排放量常年数十倍于碳吸收量, 碳收支严重失衡. 相对而言, 位于豫西豫东豫南的卢氏县、商城县、新县及嵩县等地碳源/汇值较低, 在全省碳排放量快速增加的背景下, 碳吸收量仍多于碳排放量, 究其原因在于该区域生态环境良好, 以林地及耕地为主的用地面积广阔, 生育期的农作物及大量森林资源贡献了很大比例碳汇；此外, 以农业生产为主导的经济发展相对落后, 城市化及工业化进程的相对缓慢制约了能源消费总量提升. 碳收支接近平衡的县域为驻马店、南阳以及信阳所辖区县, 该地自然条件较良好, 工业生产中因能源消费产生的大部分碳排放足以被生态系统固碳量所抵消. 河南省区县碳源/汇值大都呈现出先增长后减少特征, 说明近年来河南省产业转型升级、植树造林、退耕还林等减排增汇政策得到有效推行.
河南省碳收支转换态势整体呈现出“失衡-中和-失衡”的变化态势, 且地域分异特征明显（图 8）. 由于受篇幅的制约, 本文重点分析首末2个时段碳收支的转换态势. 具体来看, 2005~2015年碳收支向碳中和积极转换的区域由62个逐渐上升到97个, 2020年回落至65个. 河南省2001~2005年期间工业化进程加快, 成为新兴的工业大省, 期间碳收支向有利碳失衡转变的区县均属于人类干扰型, 以长垣市及济源市为代表的早期工业发展较完善的地区碳排放量巨幅增长, 严重影响了区域碳收支发展趋势. 2001~2010年期间河南省城市化进程加快, 土地利用类型改变是该期间影响区域碳循环过程的重要因素, 其中建设用地扩张是土地利用变化的主要原因, 在人为干预下, 耕地、林地等碳汇用地类型的碳吸收功能较不稳定. 2006~2010年期间河南省整体碳失衡趋势减缓, 呈现碳失衡转换态势的区县主要分布在豫北以郑州市为中心的城市群, 较偏僻区县碳收支状况趋于稳定, 河南省上一阶段工业化进程间接导致了大量城乡人口迁移, 人类活动的减少使得农村碳吸收量短暂增加.
|
图 8 河南省碳收支转换态势及碳源/汇值 Fig. 8 Transformation trend of carbon budget and source/sink ratio in Henan Province |
2011~2015年期间河南省碳排放总量趋于稳定, 各区县碳收支分布已相对均匀, 大部分区县呈现碳中和转换态势. 这归因于河南省在推进城市化进程的同时注重生态文明建设, 经济、产业结构得到调整, 同时因农村用地空间闲置, 绿色政策得到更好推行, 进而导致研究期内呈现碳失衡转换态势的区县占比仅为38.22%. 本研究期内始终呈碳中和转变态势的区县共9个, 主要分布在南阳市及信阳市, 在“自然-社会”碳循环过程中常扮演碳盈余角色；始终呈现碳失衡转换态势的为中牟县、新郑市、淇滨区、龙安区及林州市. 究其原因主要为：①该区域位于省域或城市群发展的中心, 产业区、开发区等集聚, 经济实力较强, 经济发展为城市带来刚性建设用地需求的增加及碳排放总量的相对增长；②省域内主要交通线路均贯穿上述区域, 带动地区城市化进程的同时, 使大面积土地用地类型较固定, 生态系统固碳能力受到限制.
2.3 河南省碳失衡风险时空演变特征河南省碳失衡风险指数时空分异特征明显（图 9）. 从栅格尺度而言, 碳失衡风险指数整体上呈现“北高南低、中心集聚”的分布格局. 早期碳收支失衡状况多存在于工业相对成熟的地区, 2001~2015年期间, 全省碳排放均呈现明显提升态势, 高碳失衡风险区域集聚在豫北城市群市中心, 以郑州、洛阳、济源所辖区县为主的河南省工业率先发展的地区贡献很大比例的碳排放量, 为周围生态环境构成了相对严重的固碳压力. 各市均存在不同范围与强度的碳失衡风险区域, 以碳源大于碳汇的情况为主, 呈现出由市辖区向四周逐渐降低的态势, 主要原因为工业化发展带来的能源消费总量提升而造成的碳排放量大幅增加及碳汇用地面积减少而造成的碳吸收量减少. 碳失衡风险呈现沿河南省交通线路分布及扩张的态势, 以郑州为中心, 向位于东西方向的洛阳、开封以及南北方向新乡、许昌、南阳和信阳等交通枢纽城市逐渐扩张, 且逐渐呈现出网格化的趋势. 碳失衡风险区域在前期基础上不断扩张的同时, 碳失衡风险类型不止局限于人类干预型, 豫西山区、豫东平原及南阳盆地等生态环境良好的区域, 生态系统固碳量多于或接近能源消费碳排放, 存在显著的碳盈情况, 在主要用地类型没有改变时, 同样存在碳失衡风险.
|
图 9 2001~2020年河南省碳失衡风险指数时空特征 Fig. 9 Spatial-temporal characteristics of carbon imbalance risk index in Henan Province from 2001 to 2020 |
2005~2010年郑州市内碳失衡风险重心由市区转为郑开工业通道, 后转至中牟、新郑, 这与郑开一体化推进以及开发区的建成息息相关, 在原本碳收支失衡的基础上进一步压缩了碳汇用地的空间. 2016~2020年期间, 高碳排放区域减少至33%左右, 75%以上区县碳吸收总量呈现增长趋势, 河南省碳源/汇值趋于稳定甚至轻微回落的态势, 碳失衡风险分布由高值集聚转变为中高值相对密集分布, 相对于豫东平原耕地在种植期间的人为活动参与, 豫西林区的能源消耗碳排放微乎其微, 表现出较高的碳失衡风险.从县域尺度而言, 碳失衡风险受单元内碳源与碳汇用地比例影响较深. 2005年, 河南省已成为新兴工业大省, 工业增加值占全省生产总值的46.24%, 相较2001年, 碳排放总量相对变化率是碳吸收的4.3倍, 期间内省域存在严重潜在碳收支失衡风险, 中高碳失衡风险区域共88个, 占总区县的56%. 中高碳失衡风险区域集中在郑州市、豫西豫南地区以及地市市区, 郑州市区、洛阳市区、许昌魏都区及安阳殷都区等地区建设用地面积占比极高, 碳源/汇值远超周围区县, 其碳排放量给省域带来较高的环境压力；而豫西豫南的驻马店泌阳县及信阳新县等地山地林地资源丰富, 碳吸收总量保持较高水平, 碳排放总量在该时段大幅提升, 碳源与碳汇增长速率高度不匹配, 进而存在较高的潜在碳失衡风险.
2001~2015年河南省整体碳失衡风险区域在原有的基础上不断扩大, 且碳失衡风险类型产生差异. 碳源与碳汇失衡现象普遍发生, 中高风险区域个数达到140个. 研究期末, 碳失衡风险区域从前期持续增长的态势转变为轻微下降, 中高风险县级单元减少至107个, 相对减少了23.5%, 碳失衡风险指数总值回落到与2010年相近, 在空间上呈现出更加明显中心集聚特征, 围绕以郑州、洛阳及开封三市为中心的县级单元重新呈现高碳失衡风险, 豫东平原及豫西山前平原地区碳失衡风险得到控制, 主要原因为河南省严格的农用地保护战略保证了生态用地的结构体系不被破坏.
2001~2020年河南省碳失衡风险集中化指数从0.538波动下降到0.532, 处于高度不均衡状况（图 10）. 研究期初, 碳失衡风险高度集中在郑州等豫北地区, 该地区县级单元早期受郑州、洛阳两地发展重心的辐射, 工业化进程相对迅速；同时河南省内耕地等农用地面积广阔, 大部分县级单元发挥碳汇作用, 进而导致区县碳失衡风险分布差异明显. 2005~2015年随着道路交通发展为各地市工业崛起提供条件, 各区县碳排放都有不同程度增加, 碳吸收受此影响整体存在波动, 致使碳失衡风险区域逐步扩大, 进而导致集中程度降低, 于2015年达到最低值0.487.
|
图 10 2001~2020年河南省碳失衡风险集中化程度 Fig. 10 Concentration of carbon imbalance risk in Henan Province from 2001 to 2020 |
本文通过构建区域碳失衡风险指数, 尝试从栅格和县域尺度开展了碳失衡风险的时空格局研究. 以栅格尺度进行碳失衡风险评估研究, 可从精细化地域尺度反映河南省区域碳失衡风险的空间分异特征[48], 有助于揭示快速城市扩张和土地利用变化过程导致的碳失衡风险的地域分布规律.从县域尺度入手开展碳失衡风险评价研究, 有助于了解行政单元尺度上碳失衡风险空间分布格局[49], 为分区制定不同区域的碳失衡风险管控措施提供科学的依据[50]. 碳失衡风险在不同尺度中呈现的时空特征和影响机制不尽相同. 在时空特征方面, 栅格尺度下可突显区划范围内碳失衡风险的集聚特征及迁移轨迹, 而县域尺度碳失衡风险分布特征更多体现在区域间失衡强度的对比和差异原因方面. 另外, 碳失衡风险受自然条件和人类活动等多重因素的影响, 但不同尺度下碳失衡风险的影响因素存在着时空异质性, 栅格尺度上自然条件和人类活动对碳失衡风险影响较为明显, 可用于精准识别碳失衡风险的发生, 明晰其演变特征. 如城市化进程在一定程度上释放了城市腹地农村部分碳汇用地空间[51], 在增加城市建成区碳风险的同时降低了部分农村地区的碳失衡风险；而县域尺度中碳失衡风险主要受碳源与碳汇用地比例影响较大, 对于自然条件和人类活动影响的响应则较为滞后, 故呈现区域整体碳失衡风险的特征.
本文存在以下不足：①本文仅考虑区域内部的碳收支及其转换带来的碳失衡风险, 计算结果仅代表某区域偏离自然碳收支本底基础上的碳风险, 而未综合考虑区域内部和外部因素对碳失衡风险的影响. 比如：某区域的碳失衡一方面受区域内部能源消费、产业活动或土地利用变化的影响, 另一方面也受到区域之间贸易和服务引起的隐含碳流动的影响. ②本文未开展碳失衡风险的影响机制分析. 碳失衡受自然条件和人类活动等多重因素的影响, 形成的碳失衡风险类型也不尽相同, 如何细化碳失衡风险类型是区域碳治理的关键. ③本研究未考虑区域主体功能定位的差异. 实际上, 仅仅依靠碳失衡风险计算结果来开展碳风险管控是不够的. 在现实中, 还需要结合区域功能定位及经济发展、生态保护等刚性需求设定差异化的碳失衡风险约束阈值, 这样才能构建更科学的碳风险差别化管控的方案.
4 建议与展望（1）加强碳失衡风险监测, 优化国土空间格局. 未来应重点监测快速城市化地区、土地利用变化剧烈地区、自然保护区、生态脆弱区及重大工程项目所在区域的碳收支变化, 对碳失衡风险高发地区进行动态识别、风险区划和实时预警, 为区域尺度碳治理提供精准的数据支撑和技术指导.
（2）明确碳失衡风险阈值, 差异化调控碳收支. 综合考虑不同区域自然条件、主体功能定位、经济发展水平和产业结构等因素, 设定科学合理的碳失衡风险阈值, 在此基础上制定区域差异化的碳收支调控对策. 比如, 豫西山区应加强生态管护, 严守生态红线, 提升生态系统固碳能力[52]；快速城市化地区加强国土空间管制, 防止建设用地过度扩张, 通过能源和产业结构调整降低碳失衡风险[53]；位于平原的粮食功能区应优化种植结构, 加强水肥管理[54], 提升农业生产效率和农作物的碳汇能力.
（3）建立县域碳配额方案, 完善碳交易补偿机制. 在考虑碳失衡风险差异的基础上, 基于公平和效率原则构建县域之间横向碳补偿方案[55], 并加强与碳交易市场的衔接[56], 实现区域协同减排和公平发展的目标.
未来需进一步开展以下研究：①考虑在区域之间隐含碳流通的基础上开展区域碳失衡风险的评估, 以区分区域内部和外部因素对碳失衡的影响. ②考虑从自然过程、气候变化、土地利用变化、城市化和产业结构等不同方面甄别碳失衡风险的影响机制和区域差异, 细化碳失衡的类型划分, 从而为精细化的区域碳治理提供可操作性的路径和策略. ③在碳失衡风险评价的基础上开展区域横向碳补偿研究, 推动区域协同减排, 也是未来的重要研究方向之一.
5 结论（1）河南省碳排放呈现先升后降变化趋势, 栅格及县域尺度碳排放的时空分异特征明显. 碳排放量于2011年前快速增长并达到峰值, 2015年后呈现明显负增长. 在空间上呈现由各市区中心向外围逐步降低的分布格局, 期间以各市区中心为起点呈现出由低碳排放向高碳排放、零散点状向主要交通线路线状及周围连续片状转变态势. 碳吸收呈小幅波动上升的趋势, 空间上呈现“西高东低, 南高北低”的分布特征.
（2）河南省碳源/汇值呈现先快速增长后逐渐下降特征, 空间上为“市辖区大于周边县, 豫北大于豫南”分布. 碳源/汇值波动上升至2013年达到峰值5.14后回落, 后续保持相对稳定, 但期间内始终大于1. 河南省碳收支转换态势整体呈现出“失衡-中和-失衡”的变化态势, 且地域分异特征明显. 2001~2005年期间河南省碳失衡转换态势最为显著, 工业化和人口迁移大幅促进豫北城市市区的碳失衡趋势, 同时使较边缘区县碳收支状况得到缓和, 至2001~2015年期间半数以上区县呈现碳中和转换态势, 研究期末区县碳失衡趋势加重.
（3）河南省碳失衡风险指数呈现先增后减的变化态势, 空间分布上表现出先扩张后集聚的分布特征.总体而言, 河南省碳失衡风险区域前期不断扩大, 由郑州都市圈沿主要交通线向外围延伸扩张, 整体向均衡分布方向演变, 后续逐步稳定. 碳失衡风险区域主要分布在各市区中心及豫西、豫南山区, 并呈现明显的市区集聚特征.
| [1] | Mora C, Spirandelli D, Franklin E C, et al. Broad threat to humanity from cumulative climate hazards intensified by greenhouse gas emissions[J]. Nature Climate Change, 2018, 8(12): 1062-1071. DOI:10.1038/s41558-018-0315-6 |
| [2] | Friedlingstein P, O'Sullivan M, Jones M W, et al. Global carbon budget 2022[J]. Earth System Science Data, 2022, 14(11): 4811-4900. DOI:10.5194/essd-14-4811-2022 |
| [3] | Duan H B, Zhou S, Jiang K J, et al. Assessing China's efforts to pursue the 1.5℃ warming limit[J]. Science, 2021, 372(6540): 378-385. DOI:10.1126/science.aba8767 |
| [4] | Jiang K J, Zhuang X, Miao R, et al. China's role in attaining the global 2℃ target[J]. Climate Policy, 2013, 13(S1): 55-69. |
| [5] | Niu S L, Sherry R A, Zhou X H, et al. Ecosystem carbon fluxes in response to warming and clipping in a Tallgrass Prairie[J]. Ecosystems, 2013, 16(6): 948-961. DOI:10.1007/s10021-013-9661-4 |
| [6] |
胡鞍钢, 周绍杰. 绿色发展: 功能界定、机制分析与发展战略[J]. 中国人口·资源与环境, 2014, 24(1): 14-20. Hu A G, Zhou S J. Green development: Functional definition, mechanism analysis and development strategy[J]. China Population, Resources and Environment, 2014, 24(1): 14-20. DOI:10.3969/j.issn.1002-2104.2014.01.003 |
| [7] | 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 |
| [8] | Li S S, Liu Y B, Wei G E, et al. Construction of carbon budget balance index and its application in the lake area[J]. Frontiers in Ecology and Evolution, 2023, 11. DOI:10.3389/fevo.2023.1195833 |
| [9] | Zhao J F, Xie H F, Ma J Y, et al. Integrated remote sensing and model approach for impact assessment of future climate change on the carbon budget of global forest ecosystems[J]. Global and Planetary Change, 2021, 203. DOI:10.1016/j.gloplacha.2021.103542 |
| [10] | Yu G R, Chen Z, Piao S L, et al. High carbon dioxide uptake by subtropical forest ecosystems in the East Asian monsoon region[J]. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(13): 4910-4915. |
| [11] |
孙倩, 张美玲, 王鑫婧, 等. 不同气候情景下甘肃草地碳收支时空模拟与预测[J]. 环境科学, 2023, 44(10): 5842-5851. Sun Q, Zhang M L, Wang X J, et al. Spatiotemporal simulation and prediction of grassland carbon budget in Gansu under different climate scenarios[J]. Environmental Science, 2023, 44(10): 5842-5851. |
| [12] |
朴世龙, 岳超, 丁金枝, 等. 试论陆地生态系统碳汇在"碳中和"目标中的作用[J]. 中国科学: 地球科学, 2022, 65(7): 1419-1426. Piao S L, Yue C, Ding J Z, et al. Perspectives on the role of terrestrial ecosystems in the 'carbon neutrality' strategy[J]. Science China Earth Sciences, 2022, 65(6): 1178-1186. |
| [13] |
赵荣钦, 刘英, 丁明磊, 等. 区域二元碳收支的理论方法研究进展[J]. 地理科学进展, 2016, 35(5): 554-568. Zhao R Q, Liu Y, Ding M L, et al. Theory, methods, and research progresses of regional carbon budget[J]. Progress in Geography, 2016, 35(5): 554-568. |
| [14] | Guo X M, Fang C L. Integrated land use change related carbon source/sink examination in Jiangsu Province[J]. Land, 2021, 10(12). DOI:10.3390/land10121310 |
| [15] |
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 |
| [16] |
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. |
| [17] | Wang W X, Wang W J, Xie P C, et al. Spatial and temporal disparities of carbon emissions and interregional carbon compensation in major function-oriented zones: A case study of Guangdong Province[J]. Journal of Cleaner Production, 2020, 245. DOI:10.1016/j.jclepro.2019.118873 |
| [18] |
封雅静, 翟亮, 桑会勇, 等. 基于精细单元碳收支核算及变化分类方法[J]. 地球信息科学学报, 2023, 25(3): 468-478. Feng Y J, Zhai L, Sang H Y, et al. Carbon budget accounting and change classification based on fine units[J]. Journal of Geo-information Science, 2023, 25(3): 468-478. |
| [19] | Elvidge C D, Imhoff M L, Baugh K E, et al. Night-time lights of the world: 1994-1995[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2001, 56(2): 81-99. DOI:10.1016/S0924-2716(01)00040-5 |
| [20] | Doll C N H, Muller J P, Elvidge C D. Night-time Imagery as a tool for global mapping of socioeconomic parameters and greenhouse gas emissions[J]. AMBIO: A Journal of the Human Environment, 2000, 29(3): 157-162. DOI:10.1579/0044-7447-29.3.157 |
| [21] | Zhao J C, Ji G X, Yue Y L, et al. Spatio-temporal dynamics of urban residential CO2 emissions and their driving forces in China using the integrated two nighttime light datasets[J]. Applied Energy, 2019, 235: 612-624. DOI:10.1016/j.apenergy.2018.09.180 |
| [22] | Wang S J, Liu X P. China's city-level energy-related CO2 emissions: Spatiotemporal patterns and driving forces[J]. Applied Energy, 2017, 200: 204-214. DOI:10.1016/j.apenergy.2017.05.085 |
| [23] | Aven T. The risk concept—historical and recent development trends[J]. Reliability Engineering & System Safety, 2012, 99: 33-44. |
| [24] | Xu L, Solangi Y A, Wang R. Evaluating and prioritizing the carbon credit financing risks and strategies for sustainable carbon markets in China[J]. Journal of Cleaner Production, 2023, 414. DOI:10.1016/j.jclepro.2023.137677 |
| [25] | Fernández-Martínez M, Peñuelas J, Chevallier F, et al. Diagnosing destabilization risk in global land carbon sinks[J]. Nature, 2023, 615(7954): 848-853. DOI:10.1038/s41586-023-05725-1 |
| [26] | Gao L N, Tao F, Liu R R, et al. Multi-scenario simulation and ecological risk analysis of land use based on the PLUS model: A case study of Nanjing[J]. Sustainable Cities and Society, 2022, 85. DOI:10.1016/j.scs.2022.104055 |
| [27] | Jiang L, Hu X K, Zhang G F, et al. Carbon emission risk and governance[J]. International Journal of Disaster Risk Science, 2022, 13(2): 249-260. DOI:10.1007/s13753-022-00411-8 |
| [28] |
石晓丽, 吴绍洪, 戴尔阜, 等. 气候变化情景下中国陆地生态系统碳吸收功能风险评价[J]. 地理研究, 2011, 30(4): 601-611. Shi X L, Wu S H, Dai E F, et al. Risk assessment of carbon sequestration for terrestrial ecosystems from climate change in China[J]. Geographical Research, 2011, 30(4): 601-611. |
| [29] |
丁明磊, 杨晓娜, 赵荣钦, 等. 碳中和目标下的国土空间格局优化: 理论框架与实践策略[J]. 自然资源学报, 2022, 37(5): 1137-1147. Ding M L, Yang X N, Zhao R Q, et al. Optimization of territorial space pattern under the goal of carbon neutrality: Theoretical framework and practical strategy[J]. Journal of Natural Resources, 2022, 37(5): 1137-1147. |
| [30] | Liang Y, Song W. Integrating potential ecosystem services losses into ecological risk assessment of land use changes: A case study on the Qinghai-Tibet Plateau[J]. Journal of Environmental Management, 2022, 318. DOI:10.1016/j.jenvman.2022.115607 |
| [31] |
向书江, 杨春梅, 谢雨琦, 等. 近20年重庆市主城区碳排放的时空动态演进及其重心迁移[J]. 环境科学, 2023, 44(1): 560-571. Xiang S J, Yang C M, Xie Y Q, et al. Spatiotemporal dynamic evolution and gravity center migration of carbon emissions in the Main Urban Area of Chongqing over the past 20 Years[J]. Environmental Science, 2023, 44(1): 560-571. |
| [32] | Overman H G. Can we learn anything from economic geography proper?[J]. Journal of Economic Geography, 2004, 4(5): 501-516. DOI:10.1093/jnlecg/lbh028 |
| [33] |
宋苑震, 曾坚, 王森, 等. 中国县域碳排放时空演变与异质性[J]. 环境科学, 2023, 44(1): 549-559. Song Y Z, Zeng J, Wang S, et al. Spatial-temporal evolution and heterogeneity of carbon emissions at county-level in China[J]. Environmental Science, 2023, 44(1): 549-559. |
| [34] | Elvidge C D, Zhizhin M, Ghosh T, et al. Annual time series of global VIIRS nighttime lights derived from monthly averages: 2012 to 2019[J]. Remote Sensing, 2021, 13(5). DOI:10.3390/rs13050922 |
| [35] | Eggleston H S, Buendia L, Miwa K, et al. 2006 IPCC guidelines for national greenhouse gas inventories[M]. Kanagawa: IGES, 2006. |
| [36] |
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. DOI:10.11821/dlxb201311007 |
| [37] |
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. Lyu 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. |
| [38] |
杜海波, 魏伟, 张学渊, 等. 黄河流域能源消费碳排放时空格局演变及影响因素——基于DMSP/OLS与NPP/VIIRS夜间灯光数据[J]. 地理研究, 2021, 40(7): 2051-2065. Du H B, Wei W, Zhang X Y, et al. Spatio-temporal evolution and influencing factors of energy-related carbon emissions in the Yellow River Basin: Based on the DMSP/OLS and NPP/VIIRS nighttime light data[J]. Geographical Research, 2021, 40(7): 2051-2065. |
| [39] |
戴尔阜, 黄宇, 吴卓, 等. 内蒙古草地生态系统碳源/汇时空格局及其与气候因子的关系[J]. 地理学报, 2016, 71(1): 21-34. Dai E F, Huang Y, Wu Z, et al. Spatial-temporal features of carbon source-sink and its relationship with climate factors in inner Mongolia grassland ecosystem[J]. Acta Geographica Sinica, 2016, 71(1): 21-34. |
| [40] | Piao S L, Fang J Y, Ciais P, et al. The carbon balance of terrestrial ecosystems in China[J]. Nature, 2009, 458(7241): 1009-1013. DOI:10.1038/nature07944 |
| [41] | Yao Y T, Li Z J, Wang T, et al. A new estimation of China's net ecosystem productivity based on eddy covariance measurements and a model tree ensemble approach[J]. Agricultural and Forest Meteorology, 2018, 253-254: 84-93. DOI:10.1016/j.agrformet.2018.02.007 |
| [42] |
张镱锂, 祁威, 周才平, 等. 青藏高原高寒草地净初级生产力(NPP)时空分异[J]. 地理学报, 2013, 68(9): 1197-1211. Zhang Y L, Qi W, Zhou C P, et al. Spatial and temporal variability in the net primary production (NPP) of alpine grassland on Tibetan Plateau from 1982 to 2009[J]. Acta Geographica Sinica, 2013, 68(9): 1197-1211. |
| [43] |
朱文泉, 陈云浩, 徐丹, 等. 陆地植被净初级生产力计算模型研究进展[J]. 生态学杂志, 2005, 24(3): 296-300. Zhu W Q, Chen Y H, Xu D, et al. Advances in terrestrial net primary productivity (NPP) estimation models[J]. Chinese Journal of Ecology, 2005, 24(3): 296-300. DOI:10.3321/j.issn:1000-4890.2005.03.014 |
| [44] |
朱文泉, 潘耀忠, 张锦水. 中国陆地植被净初级生产力遥感估算[J]. 植物生态学报, 2007, 31(3): 413-424. Zhu W Q, Pan Y Z, Zhang J S. Estimation of net primary productivity of Chinese terrestrial vegetation based on remote sensing[J]. Journal of Plant Ecology, 2007, 31(3): 413-424. DOI:10.3321/j.issn:1005-264X.2007.03.010 |
| [45] |
卢俊宇, 黄贤金, 戴靓, 等. 基于时空尺度的中国省级区域能源消费碳排放公平性分析[J]. 自然资源学报, 2012, 27(12): 2006-2017. Lu J Y, Huang X J, Dai L, et al. Spatio-temporal scale analysis on the equality of energy consumption carbon emission distribution in China[J]. Journal of Natural Resources, 2012, 27(12): 2006-2017. |
| [46] |
吴健生, 晋雪茹, 王晗, 等. 中国碳排放及影响因素的市域尺度分析[J]. 环境科学, 2023, 44(5): 2974-2982. Wu J S, Jin X R, Wang H, et al. Analysis of carbon emissions and influencing factors in China based on city scale[J]. Environmental Science, 2023, 44(5): 2974-2982. |
| [47] |
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. |
| [48] |
陈培阳, 朱喜钢. 基于不同尺度的中国区域经济差异[J]. 地理学报, 2012, 67(8): 1085-1097. Chen P Y, Zhu X G. Regional inequalities in China at different scales[J]. Acta Geographica Sinica, 2012, 67(8): 1085-1097. |
| [49] |
武燕, 吴映梅, 李琛, 等. 基于MAUP下川滇生态屏障区生态系统服务价值多尺度空间分异及地理探测响应[J]. 水土保持研究, 2023, 30(2): 333-342. Wu Y, Wu Y M, Li C, et al. Multi-Scale spatial differentiation and geographic detection response of ecosystem service value in Sichuan-Yunnan Ecological Barrier based on the modifiable areal unit problem[J]. Research of Soil and Water Conservation, 2023, 30(2): 333-342. |
| [50] |
宋冬凌, 卢文宇. 黄河流域城市群碳排放时空演变多尺度分析[J]. 华北水利水电大学学报(自然科学版), 2024, 45(5): 48-59. Song D L, Lu W Y. Multiscale spatiotemporal evolution analysis of carbon emissions of urban agglomerations in the Yellow River Basin[J]. Journal of North China University of Water Resources and Electric Power (Natural Science Edition), 2024, 45(5): 48-59. |
| [51] | Zhang X X, Brandt M, Tong X W, et al. A large but transient carbon sink from urbanization and rural depopulation in China[J]. Nature Sustainability, 2022, 5(4): 321-328. |
| [52] |
赵荣钦, 黄贤金, 钟太洋. 中国不同产业空间的碳排放强度与碳足迹分析[J]. 地理学报, 2010, 65(9): 1048-1057. Zhao R Q, Huang X J, Zhong T Y. Research on carbon emission intensity and carbon footprint of different industrial spaces in China[J]. Acta Geographica Sinica, 2010, 65(9): 1048-1057. |
| [53] |
赵荣钦, 黄贤金, 郧文聚, 等. 碳达峰碳中和目标下自然资源管理领域的关键问题[J]. 自然资源学报, 2022, 37(5): 1123-1136. Zhao R Q, Huang X J, Yun W J, et al. Key issues in natural resource management under carbon emission peak and carbon neutrality targets[J]. Journal of Natural Resources, 2022, 37(5): 1123-1136. |
| [54] |
王帅, 赵荣钦, 苏辉, 等. 河南省典型区农业水土资源开发的碳排放效应研究[J]. 华北水利水电大学学报(自然科学版), 2019, 40(1): 71-78. Wang S, Zhao R Q, Su H, et al. Carbon emission effects of agricultural land and water resources exploitation in typical villages of Henan Province[J]. Journal of North China University of Water Resources and Electric Power (Natural Science Edition), 2019, 40(1): 71-78. |
| [55] |
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. |
| [56] |
方恺, 李帅, 叶瑞克, 等. 全球气候治理新进展——区域碳排放权分配研究综述[J]. 生态学报, 2020, 40(1): 10-23. Fang K, Li S, Ye R K, et al. New progress in global climate governance: A review on the allocation of regional carbon emission allowance[J]. Acta Ecologica Sinica, 2020, 40(1): 10-23. |