张 杰,陈 海,刘 迪,史琴琴,耿甜伟

(西北大学 城市与环境学院/陕西省地表系统与环境承载力重点实验室，陕西 西安 710127)

快速城市化导致了土地利用/覆被在不同时间和空间尺度上的显著变化[1],大量研究表明，土地利用变化是影响碳排放的重要因素[2-4],其对大气浓度急剧增加的影响仅次于人类燃烧化石燃料[5],间接对全球和区域的气候变化产生重要影响。由于各类土地自身和利用过程中的差异,其所产生的碳排放不相同[6],土地利用结构变化可能导致不同地类的碳源、碳汇功能变化[7]。事实表明，土地利用变化增加了大气中的碳含量[8],对全球气候变化产生深刻影响。因此，基于土地利用变化视角探讨土地利用变化的碳排放效应,对于土地的可持续化利用、发展低碳经济和改善生态环境具有重要的理论和现实意义。

土地利用碳排放的研究主要集中在土地利用碳排放核算及机理研究[9-12]、土地利用变化与经济增长的关系[13-14]、土地利用碳排放的空间分异及影响因素[15-17]、土地利用碳排放与生态补偿研究[18-20]和土地利用低碳化研究[21-23]等方面。在研究尺度上，大多是基于国家[24-25]、省市[20,26-27]等较大尺度上展开研究,而以县域作为研究单元分析某一区域土地利用碳排放的研究较为缺乏。且我国不同县域之间社会经济发展状况及自然环境等差异明显,因此有必要以县域作为研究单元,评估不同县域之间的土地利用碳排放差异。碳排放影响因素研究大多采用因素分解法,如对数平均D式指数分解法(LMDI)[28]、STIRPAT模型[29]、Kaya恒等式[30]和灰色关联模型[31]等方法。其中，因素分解法是将碳排放量的影响因素进行乘积分解,通过权重来测算因素的重要程度,灰色关联法则通过要素间的关联程度来确定因素的重要性，两者应用最为广泛。但这些模型和方法未考虑研究单元之间的互相影响,即没有从地理视角考虑邻近单元之间的空间联系和相关性,因而具有一定局限性。

基于此,本文以陕西省为研究区,基于县域尺度测算1990—2015年陕西省不同县域之间的碳排放量,分析其时空演化特征及碳排放风险,并引入空间滞后模型和空间误差模型,从空间计量视角分析县域碳排放空间异质性的影响因素,对于国家和地方政府因地制宜地制定低碳发展策略和评估生态风险具有一定意义。

1 研究区域概况与数据来源

1.1 研究区概况

陕西省(31°42′N～39°35′N,105°29′E～111°15′E)位于中国内陆腹地,地势南北高、中间低,北部为黄土高原,中部为关中平原,南部为秦巴山地,总面积20.56×104km2(见图1)。受地形地貌和风俗习惯的影响,将陕西省划分为陕北、关中和陕南三大区域。陕北地区地貌千沟万壑、支离破碎,含有塬、梁、峁、丘陵沟壑等多种地貌类型,年降水量较少；关中地区地形以平原、盆地为主,地势平坦,气候温和；陕南地区以山地地形为主,属于湿润区,降水较多,但地质灾害频发。截止2018年,陕西省总人口3 864万,地区生产总值为24 438亿元,城镇化水平为58.13%,城镇化发展迅速。本研究选取时间段内,陕西省土地利用结构发生较大变化,是土地利用碳排放及其时空分异的良好研究对象。

图1 研究区与数字高程 Fig.1 Study area and digital elevation

陕西省共辖10个地级市,29个市辖区,3个县级市，75个县,共107个县级行政单元。考虑到数据的可获得性,本文参考已有研究[32],将部分市辖区合并为一个县级行政单元,如将咸阳市的秦都区、杨凌区和渭城区合并为咸阳市区,处理后共有95个研究单元。

1.2 数据来源与处理

1)陕西省1990—2015年土地利用数据来源于中国西部环境与生态科学数据中心(http:∥westdc.westgis.ac.cn)的陕西省1∶100 000土地利用矢量数据集,数据精度达90%以上[33]。根据我国土地利用现状分类标准(GB/T21010—2017),地类分为耕地、林地、草地、水域、建设用地(城乡、工矿以及居民地)、未利用地6类,重采样为30 m的地类栅格,通过ArcGIS10.2软件进行分区统计,得到陕西省各县市土地面积数据。

2)陕西省能源数据、各县市的单位GDP能耗数据及社会经济数据来源于1990年、2000年、2010年和2015年的《中国能源统计年鉴》《陕西统计年鉴》和《中国县域统计年鉴》及各县市的统计局网站,2015年各县退耕面积数据来源于陕西省种苗与退耕中心。

3)DEM数据来源于地理空间数据云ASTER GDEMS数据集30 m DEM栅格(http:∥www.gscloud.cn/),通过ArcGIS10.2提取研究区的高程和坡度。

2 研究方法

2.1 碳排放测算

土地利用碳排放一般可分为直接碳排放和间接碳排放2种类型,前者是指由于不同地类类型变化引发的碳排放,后者是指承载了大量人类活动导致的碳排放,主要是能源消耗产生的碳排放[8]。耕地和建设用地主要发挥碳源作用,林地、草地、水域和未利用地主要发挥碳汇作用。基于IPCC清单的模型估算是目前用于测算土地利用碳排放的主流算法[12]。因此,本文对耕地、林地、草地、水域和未利用地采用基于IPCC清单的直接估算法[2,15,23],其估算公式为

Ebn=∑ei=∑Si×αi

(1)

其中,Ebn为第n县直接碳排放总量；ei为各种土地利用类型产生的碳排放量；Si为各种土地利用类型对应的土地面积；αi为各种土地利用类型的碳排放(吸收)系数,正值表示碳排放,负值表示碳吸收；i=1，2，3，4，5,分别代表5种不同土地利用类型。根据现有研究[2,15,34],并结合研究区域实际,本文的耕地、林地、草地、水域和未利用地的碳排放系数分别取0.459 5 t/(hm2.a)、-0.612 5 t/(hm2.a)、-0.022 t/(hm2.a)、-0.025 3 t/(hm2.a)和-0.000 5 t/(hm2.a)。

建设用地由于承载了大量人类活动,其碳排放量主要通过土地利用过程中的能源消耗进行间接估算,由于陕西省各县市的能源消耗数据的不可获得性,因此参考现有研究成果[2,13],以单位GDP能耗数据为基础估算各县域的建设用地碳排放量，其公式为

Ecn=Eb×En/∑En=

Eb×GDPn×Dn/∑(GDPn×Dn)

(2)

其中,Ecn为第n县建设用地碳排放总量;Eb为建设用地碳排放总量;En为第n县能源消耗总量;GDPn为第n县当年地区生产总值;Dn为第n县单位GDP能耗。为增强不同时期数据的可对比性,单位GDP能耗和地区生产总值数据按照1990年的当量价进行计算。

土地利用碳排放总量测算公式为

E=Ebn+Ecn

(3)

其中,E为第n年6种土地利用产生的碳排放总量。

2.2 碳排放风险指数计算

土地利用类型的变化会对当地的生态系统造成一定影响,进而导致生态风险,为了分析不同土地利用类型与生态环境的关系,本文参考前人的研究成果[34],引入不同土地利用类型的碳排放风险指数,以表示陕西省县域综合碳排放风险的相对大小，其表达式为

(4)

其中,CRi为陕西省第i县域土地利用碳排放风险指数;Sji为第i县第j类的土地利用面积;Pji为第i县第j类的土地利用类型的碳排放系数;S为研究区的总面积。

因为SjiPji表示的是i县第j类土地利用的碳排放量,因此当j表示建设用地地类时,可直接用第i县建设用地碳排放量表征SjiPji的值。碳排放风险指数值越大,表示该区域碳排放风险程度越高,反之,则越低。

2.3 空间计量经济模型

空间计量经济学理论认为一个区域空间单元上的某种经济地理现象与邻近地区空间单元上同一现象是相关的。全局空间自相关主要用于分析区域总体的空间关联度及差异程度[25],通过描述事物或现象的空间分布格局并将其可视化来发现空间集聚或分散程度[32],是空间计量模型使用的前提,其数学表达式为

(5)

在此基础上,本文主要引用空间滞后模型(spatial lag model,SLM)和空间误差模型(spatial error model,SEM)进行影响因素分析。SLM主要用于测度某一区域对周围区域的影响及其强度,也可称为空间自回归模型。SEM主要是考虑了随机误差的存在使得变量的选取和测度产生的一些不确定性因素,从而对因变量产生一定程度影响，其公式为

SLM:Y=ρWY+Xβ+ε

SEM:Y=Xβ+ε

ε=λWε+μ

(6)

其中,Y为因变量,用地均碳排放量表示；ρ和λ分别对应空间误差模型和空间滞后模型的空间自回归系数；W是元素为0和1的空间权重矩阵；X为K维自变量行向量；β为相应解释变量的系数；ε和μ为随机误差向量。

3 结果分析

3.1 时间演变特征分析

通过计算得到1990—2015年陕西省土地利用的碳源、碳汇和各种土地利用类型的碳排放(吸收)占比。由表1可知,陕西省碳排放量从1990年的1 869×104t增加到2015年的8 045×104t,处于持续增加状态,年均增长率为13.20%。其中1990—2000年增长缓慢,10年间碳排放增加242×104t,年均增长率为1.29%;2000—2010年快速增长,碳排放量增加了4 119×104t,年均增长率为19.50%;2010—2015年碳排放量增长了1 815×104t,年均增长率为5.83%,增长速度有所下降。

表1 1990—2015年陕西省不同土地利用类型的碳排放量/吸收量及其占比Tab.1 Carbon emissions/absorptionand their proportions of different land use types in Shaanxi Province from 1990 to 2015

就碳源而言,建设用地是陕西省最主要的碳源,占碳源总量由82.39%增加到96.14%,碳源作用在不断加强;相反,耕地的碳源作用不断减弱,尤其是2000年以后,碳源作用下降了约14%。主要原因是在2000年以后,陕西省进入快速城市化阶段,建设用地不断占用耕地、林地和草地面积。

就碳汇而言,林地是陕西省最主要碳汇,占碳汇总量均在90%以上;其次是草地,占比约为6%;水域和未利用地碳吸收较少,可忽略不计。陕西省从1999年开始实施退耕还林(草)工程,但总体而言,陕西省的林地、草地的碳吸收量并没有明显的变化,主要是因为退耕还林(草)工程主要在陕北地区进行,该区以退耕还草为主,而草地的碳排放系数为-0.022 t/(hm2·a),因此固碳能力弱[35]。此外,在城镇化过程中建设用地迅速扩张并占用林、草地,从另一个侧面说明，退耕还林还草工程取得了显著成效,部分被建设用地的占用所抵消。

3.2 空间演变特征

为了更加直观地分析25年来陕西省县域土地利用碳排放空间差异及演化特征,参考前人研究成果[15,23,25],并结合研究区实际情况,利用自然断点法将各县域碳排放总量与增量进行等级划分与空间制图表达。

3.2.1 县域陕西省土地利用碳排放量的空间演变 由图2可知,1990—2000年各县域单元土地利用碳排放差异不显著。除咸阳市辖区、宝鸡市辖区、西安市辖区和渭南市辖区周边几个县域碳排放量在50×104t以上,其余各县域碳排放均在50×104t以下且大部分县域碳排放小于20×104t,其中小于20×104t的县域均为68个,占比71.60%,说明这一时期由于大部分县域经济发展水平不高且差异小,除部分市辖区和关中地区小部分经济相对发达县域外,大部分县域碳排放量较低,差异不是很显著。

图2 1990—2015年陕西省县域土地利用碳排放量的空间演变Fig.2 The spatial evolution of land use carbon emissions in Shaanxi Province from 1990 to 2015

2000—2010年绝大部分县域碳排放呈现快速增加状态,碳排放量超过50×104t的县域有31个,碳排放量超过100×104t的县域单元有12个且以市辖区为主,而碳排放量小于20×104t的下降为33个。其中，陕北地区的榆林市市辖区、府谷县、神木县、定边县、靖边县等碳排放量均达到100×104t以上,其他各县的碳排放也出现不同程度的增加,主要原因是陕北地区资源能源丰富,产业结构以开采和初加工为主,加之2000年后我国改革开放的深入发展,东部发达地区的第二产业向中西部地区转移,这一时期陕北地区第二产业得到发展,期间伴随着大量的能源消耗;关中地区各县域碳排放大致呈现了以各市辖区为高值中心向周边不断减少的特征,主要原因是关中地区地理位置优越,经济发展迅速,城镇化进程快,建设用地耗能多,因此关中地区各县碳排放量变化幅度较大;陕南地区除汉中市辖区和安康市辖区外,其余各县碳排放均低于50×104t,变化幅度不大,主要原因是陕南地区产业结构以农业为主,地形以山地为主,交通闭塞,经济欠发达,城镇化进程相对缓慢,而建设用地是最主要的碳源,因此这一时期陕南地区各县碳排放变化不显著。

2010—2015年大部分县域碳排放增长速度相对放缓,碳排放总量超过100×104t的县域有17个,超过50×104t的有42个,小于20×104t的下降为15个,主要原因是经济发展到一定水平,建设用地的扩张和需求相对饱和,而各市辖区碳排放仍快速增加,如西安市市辖区、榆林市市辖区和安康市市辖区5年间碳排放分别增加了406×104t、69×104t和29×104t,主要原因是市辖区是各市经济的主要增长体,能源消耗量大。此外,关中地区西部的陇县、麒游县、永寿县、长武县、淳化县等及大部分陕南地区的县域,如镇巴县、紫阳县、汉阴县、镇坪县和宁强县、南郑县等县域的碳排放均出现小幅度增长,主要原因是这些地区受交通条件和地势地貌等的影响,经济发展相对滞后,因而碳排放增长相对缓慢且滞后于其他县域。

总体上看,不同时期各市辖区碳排放总量最多且增加速度较快,陕北地区和关中平原地区大部分县域是主要的碳排放高值地区,2000年后各县域的碳排放量空间差异性十分显著。不同县域之间受经济发展的滞后性、城镇化进程、地形地貌的影响,碳排放出现不同程度的增加。因此,推测陕南地区在未来一段时间内县域碳排放量还会持续增加。

3.2.2 陕西省各县域1990—2015年碳排放增量空间分异 由图3可知,1990—2015年各县域碳排放总量均出现不同程度的增加。除各市辖区和陕北地区的府谷县、神木县和韩城市增长较多外,其他各县增长幅度相对较小,尤其是陕南地区各县域普遍增长幅度在66.90×104t以下。究其原因,一方面各市辖区经济发展相对较快,建设用地较多,另一方面受当地的自然生态环境和退耕还林政策的影响,如陕南地区的大部分县域增长缓慢,主要原因是当地生态环境好,植被覆盖率高。

图3 陕西省1990—2015年碳排放增量Fig.3 The increase in carbon emissions in Shaanxi Province from 1990 to 2015

3.3 土地利用碳排放风险分析

为了更加直观表达陕西省各县域单元不同时期碳排放风险状况,参考汤峰等人的研究成果[36],从相对重要性的角度出发,同时结合研究区域的实际情况,采用自然断点法将碳排放风险划分为4个等级:[-0.48，1.57),[1.57，5.47),[5.47，13.68),[13.68，63.96], 分别表示低度风险、 中度风险、 高度风险和重度风险, 得到1990—2015年陕西省各县域的碳排放风险分布图(见图4)。

由图4可知,陕西省各县域在1990—2015年碳排放风险等级以中低风险区为主。1990年和2000年的碳排放以低度风险区为主,2010年虽然一些县域的风险等级提升,但仍以低度风险区为主,2015年中度风险区占据主要部分。其中,陕北和关中平原地区的县域风险等级变化最为明显,重度风险区零星分布,数量较少,主要为市辖区和府谷县、神木县。

图4 陕西省县域土地利用碳排放风险等级的空间格局Fig.4 The spatial pattern of land use carbon emission risk levels in various counties in Shaanxi Province

1990—2000年土地利用类型变化不大,尤其是建设用地变化不明显,各县域之间碳排放量增加较少,相应地对生态环境的影响较小,且各县域之间差异不显著。2000—2015年各县区风险等级空间差异显著,尤其是陕北和关中平原地区大部分县域向中高度风险区转变,部分县域变化为重度风险区。主要原因是关中地区地理条件好,经济快速发展,建设用地迅速扩张,这个过程伴随着大量能源消耗,碳排放量大。而陕北地区的经济发展水平虽不及关中地区,建设用地耗能相对较少,但陕北地区生态脆弱,生态系统修复能力较差。陕南地区在2010年除市辖区和小部分县域外,仍以低风险区为主。直至2015年大部分县域才转变为中度风险区,主要由于陕南地区经济发展的滞后性和生态环境较好,碳吸收能力较强。

3.4 影响因素分析

3.4.1 指标选取 土地利用碳排放受诸多因素的影响,可概括为自然因素和社会经济因素2大类,同时,由于陕西省土地利用受到退耕还林(草)政策的影响,本文将政策因素考虑在内。另外,考虑到地均碳排放量更具有横向可比性,本文选取2015年陕西省各县域地均碳排放量作为因变量,同时构建了陕西省县域地均碳排放的影响因子(见表2)。

表2 陕西省土地利用碳排放的影响因子Tab.2 Influencing factors of land use carbon emissions in Shaanxi Province

3.4.2 结果分析 运用空间计量模型的前提是空间要素单元之间存在相关性,本文通过对2015年陕西省各县地均碳排放量进行空间自相关检验,得到Moran′I指数为0.591 9,p值通过了0.001的显著性检验,z值为11.892 1,通过了相关性检验。因此,选取2015年的截面数据,运用Stata13.0软件得到基于空间滞后模型和空间误差模型的影响因素的分析结果(见表3)。

表3 陕西省县域土地利用碳排放的空间计量模型分析结果Tab.3 Analysis results of spatial measurement model of land use carbon emissions in Shaanxi Province

通过对系数的估计值、赤池信息量(AIC)和施瓦茨信息量(BIC)及显著性水平检验,发现空间滞后模型与空间误差模型的契合度相似,但前者的拟合优度更好,因此主要基于空间滞后模型的回归结果对陕西省县域土地利用地均碳排放进行影响因素结果分析。由表可知，x1、x3、x6、x7均通过了5%的显著性水平检验,但x2、x4、x5未能通过显著性水平检验,因此认为GDP、城市化水平、高程、政策是影响陕西省县域土地利用碳排放的主要因素,其中GDP、城市化水平正向影响土地利用碳排放,高程与政策因素与土地利用碳排放呈负相关关系。

首先,GDP是衡量一个地区经济发展水平的重要指标,随着经济发展水平的提高,土地利用/覆被也会随之发生相应变化,主要表现在受经济利益的驱动,农民撂荒,耕地变为荒地,以及大量农用地转化为建设用地,从而使碳排放量增加;其次,城市化水平的提高是社会进步的体现,但这个过程伴随着大量的能源消耗,从而给环境带来一系列负面影响;另外,高程对陕西省县域土地利用碳排放影响程度较弱,主要原因是随着海拔升高,土地利用受人类的影响较小;最后,政策对于陕西省县域土地利用碳排放具有显著的约束作用,说明退耕还林(还草)政策的实施对于陕西省由土地利用起到了碳抑制作用,同时说明了这一政策的科学性，未来必须坚定不移地继续贯彻落实。

4 结论与讨论

本文基于县域尺度测算了陕西省1990—2015年共25年来土地利用引发的碳排放,分析了其时空差异及各县域的碳排放风险,并利用空间计量模型从空间角度分析了主要影响因素,主要结论如下:

1)陕西省土地利用碳排放呈不断增加趋势,年均增长率为13.20%,建设用地一直以来是主要碳源,且碳源作用不断加强,耕地碳源作用不断减弱;林地是最主要的碳汇,碳吸收贡献率维持在94%左右,草地发挥着弱碳汇作用。

2)陕北和关中地区大部分县域是碳排放高值区,2000—2010年县域土地利用碳排放空间差异明显,不同时期市辖区碳排放总量最多且增速较快。县域碳排放风险以中低风险区为主,但县域碳排放风险等级有随着时间推移而提升和空间差异显著的趋势。

3)通过空间计量模型分析得到GDP、城市化水平、高程、政策是影响陕西省县域土地利用碳排放的主要因素,且城市化水平对碳排放量的解释作用最大。

本文以县域为基本单元，分析了陕西省土地利用/覆被变化的碳排放影响和空间异质性及不同县域之间的碳排放风险状况,同时引入空间计量模型,结合陕西省实际状况,考虑了政策因素和自然因素对土地利用/覆被的变化影响,同时考虑了不同县域空间单元之间的相互影响对区域土地利用碳排放的作用,分析了县域碳排放的影响因素。但本文依然存在一定的不足,虽然目前碳排放核算的技术标准已基本形成,但碳排放系数主要参考其他专家学者的成果,由于研究区域的差异,以此来测算陕西省县域土地利用碳排放存在一定误差。受行政区划的调整的影响,本文根据实际情况,将部分市辖区合并视作一个研究单元,对于不同研究单元碳排放量的准确估算和区域之间的差异性有一定影响。本文通过较长的时序间隔数据展开研究,能看出某一时间段内的变化,精确的面板数据则能更细致地把握县域土地利用变化的动态过程。