关中城市群土地集约利用与碳排放关系演化特征研究

周璟茹，赵华甫，2，吴金华

（1.中国地质大学（北京）土地科学技术学院，北京 100083；2.国土资源部土地整治重点实验室，北京100035；3.长安大学地球科学与资源学院，陕西 西安 710064）

1 引言

在全球气候变化的背景下，温室气体尤其是CO2的排放对社会经济可持续发展造成了一定程度的阻碍。近年来，城市化和工业化进程的加速使大量农用地转化成非农用地，这也成为导致碳排放急剧增长的重要因素之一[1]。土地集约利用作为提高土地利用效率的重要手段，对优化城市土地资源，改善生态环境具有重要意义。因此，如何在以集约利用为目标的土地利用中降低碳排放已成为当前城市土地利用中亟待解决的问题，而解决这一问题的根本就是要明晰土地集约利用与碳排放之间的关系。

针对城市土地集约利用问题的研究主要是在明晰理论内涵[2]的基础上提出影响城市土地集约利用的驱动因子[3]，并依此建立评价指标体系[4]，进一步探究土地集约利用的方式途径，为城市土地资源高效利用提供有效手段。在碳排放研究方面，诸多学者不仅将社会经济发展和产业结构等问题与碳排放相联系，同时也就不同土地利用方式[5]、利用结构[6]及其变化过程[7]对碳排放的影响开展了研究，依此提出了土地利用低碳优化调控措施[7]，并将低碳的思想应用于诸多研究方向[6-8]。近年来，相关学者也对土地集约利用与碳排放之间的关系进行了研究。其中，张苗等认为土地集约利用对碳排放产生同向影响[9]，并基于SMB模型对全国土地集约利用碳排放效率进行研究[10]；张俊峰等认为土地集约利用与碳排放呈高度正相关[11]；许恒周等对中国省际面板数据的实证分析后得出城市土地集约利用水平对碳排放效应有显著的反向减缓作用[12]。上述研究填补了土地集约利用与碳排放关系研究的空白，但仍值得进一步的研究与讨论。本文将在上述研究的基础上，以关中城市群为研究对象，运用Tapio脱钩理论与EKC曲线分析土地集约利用与碳排放间的关系，为土地的节能减排与集约利用提供理论基础。

2 研究区概况及数据来源

2.1 研究区概况

关中城市群是指以大西安（含咸阳）为中心、宝鸡为副中心，包括渭南、铜川及杨陵示范区的城市群，总面积5.5×104km2，总人口超过2400×104人。该区域为陕西省人口最密集的地区，经济发达，是中国西部地区唯一的高新技术产业开发带和星火科技产业带。2015年11月3日，《中共中央关于制定国民经济和社会发展第十三个五年规划的建议》将关中城市群列入8大城市群中，这标志着在“一带一路”的战略背景下，关中城市群现已成为西部地区最具影响力的城市群之一。

2.2 数据来源

本文采用的社会经济（固定资产投资额、消费品零售额、总人口、常住人口、各产业GDP等）及能源（煤炭、石油、天然气消耗量等）数据来源于2000—2014年《中国能源统计年鉴》、《陕西统计年鉴》、《西安统计年鉴》、《宝鸡统计年鉴》、《咸阳统计年鉴》、《渭南统计年鉴》、《铜川统计年鉴》以及杨陵区统计局的相关数据。土地利用数据来源于陕西省土地利用变更调查数据。

3 研究方法

3.1 土地集约利用水平测算方法

土地集约利用是一个动态的过程，在一定的时期内，通过增加土地投入[2]、提高土地的利用强度[13]及优化土地利用结构[3]，可以有效的增强土地利用集约度。因此，在对土地集约利用水平的测算中应考虑这三方面建立评价指标体系，并根据主导因素与因地制宜原则，根据已有研究成果进行指标选取。具体指标及其测算方法与权重见表1。

表1 土地集约利用测算指标及权重Tab.1 Indexes and weights of intensive land-use

结合选取指标的特性，采用多因素综合评价的方法确定土地利用集约度。设有m个评价指标，n个参评对象，土地利用集约度的计算公式为：式（1）中，Vi为土地利用集约度；Wj为指标权重；Pij为参评对象j的第i个评价指标。

3.2 碳排放水平测算方法

土地利用的碳排放是指由于人类利用土地造成的碳排放[5]。本文讨论的碳排放是指以耕地和建设用地为主的碳排放量与以林地和草地为主的碳吸收量计算得出的碳净排放量。耕地、林地、草地的碳排放量估算公式为：

式

（2）中，ei为第i种土地类型的碳排放量（t），Ti为对应的土地面积（hm2），δi为对应的碳排放系数（t/hm2）。农用地的碳排放系数由于人类活动方式单一而相对稳定，其中耕地、林地和草地的碳排放系数分别为0.422 t/hm2、-0.644 t/hm2、-0.02 t/hm2[14]。

城市建设用地作为人类生产生活的载体，能源消耗是主要的碳排放源，而短时间内建设用地类型变化导致的直接碳排放量并不显著，故建设用地的碳排放通过其利用过程中化石能源的消耗产生的碳排放间接估算[15]，公式为：式（3）中，c为建设用地的碳排放量；Mj为第j种能源消耗量；δj为对应的碳排放系数。其中煤炭、石油、天然气的碳排放系数分别为0.7476 t/t标准煤，0.5825 t/t标准煤，0.4435 t/t标准煤[16]。

随后得到碳排放总量，计算公式为：式（4）中，E为净碳排放量。

现取碳排放量与土地面积的比值即碳排放强度作为最终测算值，计算公式为：

式（5）中，S为土地面积，C为碳排放强度。

3.3 Tapio脱钩分析方法

脱钩分析原用于分析两个或多个物理量之间的响应关系，后用于分析经济增长与环境压力或资源消耗之间的关系。在众多脱钩方法中，本文选用基于时间尺度的弹性分析方法——Tapio脱钩分析作为研究土地集约利用与碳排放关系的分析方法。其中，土地集约利用与碳排放的脱钩是指土地利用集约度的提高不会导致碳排放增加反而会促使碳排放降低，在此选用碳排放强度和土地利用集约度分别作为环境压力变量和经济驱动变量，构建碳排放强度与土地利用集约度的脱钩模型：

式

（6）中，DI为脱钩指数，LC为环境压力变量（碳排放强度），IU为经济驱动变量（土地利用集约度），t0、t1分别为起止年份。Tapio弹性分析法将脱钩状态根据弹性值分为8种脱钩状态[17]（表2）。

表2 Tapio脱钩状态划分表Tab.2 State of Tapio decoupling

3.4 EKC曲线

1991年，美国经济学家Grossman和 Krueger等用库兹涅茨曲线来定量描述环境污染与经济发展的关系，即环境库兹涅茨曲线（Environmental Kuznets Curve，EKC），该曲线通过人均收入与环境污染之间的关系模型模拟，提出经济发展与环境污染程度存在倒U型关系。近年来，部分学者将EKC模型引入到土地利用问题中，证实了EKC模型在耕地非农化和建设用地扩张等问题中的实用性[18-19]。因此，笔者认为EKC曲线也可应用于分析土地集约利用与碳排放关系，发展初期，随着土地集约利用程度提高，作为碳源的建设用地碳排放量效果明显大于农用地等碳汇的碳吸收量效果[9]，而后随着科学技术的发展，土地集约利用向技术投入型转变，建设用地带来的碳排放量也将逐步递减。本文基于EKC曲线的理论研究与相关领域拓展，应用面板数据进行EKC曲线研究，建立了三次函数模型：

式（7）中，Y为碳排放强度，X为土地利用集约度，η、α1、α2、α3为常数，其中α的取值对曲线关系起主导作用（表3）[20]。

表3 不同类型的EKC曲线关系Tab.3 Different types of EKC curves

4 结果与分析

4.1 Tapio脱钩分析

4.1.1 土地利用集约度测算 以2000—2014年各市数据为基础进行统计并用对数标准化法进行处理后，得到关中城市群的土地利用集约度。结果显示，2000—2014年关中城市群整体土地集约利用水平呈上升趋势，平均年增长率为2.55%，且各市的土地集约利用水平均呈上升趋势。

在空间尺度上，关中城市群中各市土地利用集约度在增长的同时也存在一定差异。以2014年为例，土地集约度最高为西安市，最低为铜川市，差距较为明显。其中，西安市是关中城市群乃至陕西省经济社会发展水平最高的城市，土地集约利用水平也较高。相比而言，渭南市与铜川市产业结构以工农业为主，土地集约利用水平较其他城市还存在着一定的差距。2000—2014年，土地利用集约度平均年增长速度最高的城市为宝鸡市，平均年增长率为3.1%。作为陕西省两大百万人口城市之一，宝鸡市近年来以“打造西部重要商贸物流中心”为依托，不断增强自身经济社会发展实力，通过招商引资、调节产业结构等方式使土地集约利用水平得到了显著增强。

4.1.2 碳排放水平测算 以2000—2014年各市耕地、林地和草地面积和各市煤炭、石油和天然气消耗数据为基础进行统计计算后，得到关中城市群的碳排放强度。结果显示，2000—2014年，关中城市群整体碳排放强度由0.4617×104t/km2增至0.8047×104t/km2，平均年增长率为4.05%。自2000年起，在国务院发布有关退耕还林的政策指导下，关中地区的耕地总面积由283×104亩下降至252×104亩，林地与草地面积由3274×104亩增至3680×104亩，但与此同时关中地区城市化和工业化的不断加速也使煤、石油和天然气消耗量不断增加，导致因林地与草地面积的增加而增大的碳吸收量远不及由于建设用地扩张所增大的碳排放量，故2000—2014年，关中城市群的碳排放水平整体呈增长的趋势。

在空间尺度上，关中城市群中各市的碳排放水平存在一定的差异。以2014年为例，碳排放强度最大为西安市，最小为铜川市，相差0.1709×104t/km2。除此之外，各市2000—2014年的碳排放强度增长率也存在着一定程度的差异，其中增长最快的为咸阳市，平均年增长率为8.44%，增幅达0.109×104t/km2；增长最慢的为渭南市，平均年增长率为2.19%，增幅为0.046×104t/km2。咸阳市东邻省会西安市，西接国家级杨陵农业高新技术产业示范区，具有独特的地理优势，近年来社会经济发展迅速，建设用地扩张呈迅猛态势，因而碳排放水平增长迅速；渭南市是中国重要的商品粮农业基地，并拥有丰富的矿产资源，工业以冶金、能源化工为支柱，由于其产业特性，近年来的城镇化虽有一定程度的发展，但发展速度较缓，因而碳排放强度增长较缓。

4.1.3 脱钩分析 以Tapio模型为为基础，以上一年为基准年，利用2000—2014年关中城市群土地利用集约度与碳排放强度测算出二者的脱钩状态（表4）。

由表4可以看出，15年间关中城市群土地利用集约度与碳排放强度关系主要呈现出三种状态，分别为扩张负脱钩、增长连结和弱脱钩，占比分别为50%、35.7%和14.3%。2014年关中城市群各市脱钩状态以扩张负脱钩为主，部分城市出现增长连结与弱脱钩的状态，说明当前关中城市群土地集约利用与碳排放仍未脱钩。

在空间尺度上，同一时段、不同城市所呈现出的脱钩状态略有不同，西安市与渭南市的脱钩状态以弱脱钩状态为主，其中西安市由2001年的强负脱钩状态逐渐转变为增长连结与弱脱钩为主的脱钩状态，说明其土地集约利用与碳排放的关系得到了逐年的改善，在土地利用集约度增长的同时，碳排放强度的增加量得到了有效地控制；铜川市、咸阳市和宝鸡市则以扩张负增长的脱钩状态为主，说明其碳排放强度增长率与土地利用集约度增长率持平，今后还需更多行之有效的政策与经济手段控制其碳排放强度的增加；杨陵区作为重要的农业科教基地和中国唯一的农业高新技术示范区所在地，近年来保持着较高的土地利用集约度与较低的碳排放强度，处于土地利用集约度与碳排放强度的强脱钩状态，证明土地集约利用水平的提高已不再成为碳排放增加的驱动力。

表4 关中城市群土地利用集约度与碳排放强度脱钩状态Tab.4 Tapio decoupling state between intensive land-use and carbon emission of Guanzhong Urban Agglomeration

4.2 土地集约利用与碳排放强度的EKC曲线关系检验

4.2.1 回归模型的建立 在进行回归分析前，为了消除异方差需要对原始数据进行ADF检验，检验表明，所有变量的一阶差分值都在5%的检验水平上具有显著性，存在协整关系，经Hausman检验，接受随机效应原假设，由此构建回归模型：

图1 土地利用集约度与碳排放强度EKC曲线拟合图Fig.1 EKC fitting figure of intensive land-use and carbon emission

4.2.2 回归分析与峰值预测 从回归模型拟合图（图1）可以看出，关中城市群土地利用集约度与碳排放强度呈现倒N型EKC曲线关系，且EKC曲线的拐点位于集约度为0.521和0.9129处。说明当集约度达到0.521前，碳排放强度会随土地利用集约度的增加而递减，这是由于在土地利用相对粗放的阶段提高土地利用集约度会在一定程度上减少作为碳源的建设用地的扩张，使碳排放强度减小。当集约度在0.521—0.9129这一区间内，随着土地利用集约度的增强，碳排放强度也会随之增强，这是由于因土地集约利用造成的建设物资和能源的投入增加在一定程度上增加了碳排放，虽然土地利用集约度的增强减少了建设用地的扩张，但因增加建设用地的投入带来的碳排放影响要明显大于因减少碳汇向碳源转化而增加的碳吸收影响，所以碳排放强度整体呈增长趋势。当集约度达到0.9129这一临界值时，碳排放强度也达到最大值0.246×104t/km2。当超越这一临界值后，碳排放强度会随土地集约利用程度的增加而减少，这是因为随着土地利用集约度的增加土地集约逐渐从资本投入型向技术投入型转变，建设用地带来的碳排放量逐步递减，由此促使碳排放强度的递减趋势。

当前关中城市群所处土地利用集约度区间为0.5210—0.9129，说明虽然当前因城市发展建设造成的碳排放强度仍在不断递增，但当集约度达到临界值后，关中城市群的碳排放强度将会逐步递减。当前多数城市的碳排放强度未达到这一峰值，说明关中城市群短期内碳排放强度还会不断递增，但是当超越这一峰值后，随着土地技术科技投入不断加大，土地利用集约度不断提高，碳排放强度会逐步递减，曲线会趋于平缓。

5 结论与讨论

本文通过Tapio脱钩模型与面板数据的EKC曲线建立与图像拟合对关中城市群土地集约利用与碳排放的关系及演化特征进行了研究，得到了如下结论：

（1）2000—2014年关中城市群整体土地集约利用水平呈上升趋势，平均年增长率为2.55%，各市的土地集约利用水平均呈上升趋势，但内部差异明显，其中土地集约利用程度最高的城市为西安市，铜川市与渭南市土地利用集约度则远低于平均值。（2）2000—2014年关中城市群碳排放强度由0.4617×104t/km2增至0.8047×104t/km2，平均年增长率为4.05%，呈持续上升趋势，各市的碳排放强度也在逐年递增，但城市间存在明显差异，其中碳排放强度最大的为西安市，最小为铜川市，其碳排放强度增长幅度与增长速率差异明显。（3）2001—2014年间关中城市群土地集约利用与碳排放强度关系主要呈现出三种状态，分别为扩张负脱钩、增长连结和弱脱钩，半数年期碳排放强度增长率高于集约利用水平增长率，土地集约利用与碳排放仍未脱钩，但部分城市已呈现脱钩趋势。（4）通过建立EKC回归模型，证明了关中城市群土地利用集约度与碳排放强度呈现倒N型EKC曲线关系。就当前关中城市群的土地利用集约度而言，碳排放强度在近年内仍会增加，但当土地利用集约度达到临界值后，碳排放强度将会逐步递减，并趋于平稳。

本文选取了2000—2014年的社会经济和土地利用数据，时间尺度较短，不能完整的反映关中城市群土地集约利用与碳排放的变化趋势，因而没能更好的结合相关理论明晰当前关中城市群的发展阶段并预测发展趋势，值得进一步的研究与思考。

（

）：

［1］ 曲福田，卢娜，冯淑怡. 土地利用变化对碳排放的影响［J］ . 中国人口·资源与环境，2011，21（10）：76 - 83.

［2］ 陶志红. 城市土地集约利用几个基本问题的探讨［J］ . 中国土地科学，2000，14（5）：1 - 5.

［3］ 曲长祥，刘璐，冯翔迪. 城市土地集约利用评价及其驱动因子分析——以绥化市为例［J］ . 东北农业大学学报，2015，（4）：94 -100.

［4］ 王成新，张本丽，姚士谋. 山东省城市土地集约利用评价及其时空差异研究［J］ . 中国人口·资源与环境，2012，22（7）：109 -113.

［5］ 李颖，黄贤金，甄峰. 江苏省区域不同土地利用方式的碳排放效应分析［J］ . 农业工程报，2008，24（S2）：102 - 107.

［6］ 赵荣钦，黄贤金，钟太洋，等. 区域土地利用结构的碳效应评估及低碳优化［J］ . 农业工程学报，2013，29（17）：220 - 229.

［7］ Nallathiga R. Integration of emission reduction and environmental management goals for sustainable urban development［J］ . Energy Security and Development，2015：451 - 469.

［8］ 胡宗义，刘亦文，唐李伟. 低碳经济背景下碳排放的库兹涅茨曲线研究［J］ . 统计研究，2013，30（2）：73 - 79.

［9］ 张苗，陈银蓉，周浩. 基于面板数据的土地集约利用水平与土地利用碳排放关系研究——以1996—2010年湖北省中心城市数据为例［J］ . 长江流域资源与环境，2015，24（9）：1464 - 1470.

［10］ 张苗. 基于SBM模型的土地集约利用碳排放效率分析与低碳优化［J］ . 中国土地科学，2016，30（3）：37 - 45.

［11］ 张俊峰，张安录，董捷. 土地集约利用与土地利用碳排放的关系研究——以武汉城市圈为例［J］ . 农业现代化研究，2013，34（6）：717 - 721.

［12］ 许恒周，郭玉燕，陈宗祥. 土地市场发育、城市土地集约利用与碳排放的关系——基于中国省际面板数据的实证分析［J］ . 中国土地科学，2013，27（9）：26 - 29.

［13］ 林坚，张沛，刘诗毅. 论建设用地节约集约利用评价的技术体系与思路［J］ . 中国土地科学，2009，23（4）：4 - 10.

［14］ 方精云，郭兆迪，朴世龙，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，2007，37（6）：804 - 812.

［15］ 朱志远，苗建军，崔玮. 城市建设用地集约利用的碳排放效率分析［J］ . 地域研究与开发，2016，35（3）：98 - 103.

［16］ 能源研究所“中国可持续发展能源暨碳排放分析”课题组. 中国可持续发展能源暨碳排放情景研究［J］ . 中国能源，2003，25（6）：4 - 10.

［17］ Tapio P. Towards a theory of decoupling: degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001［J］ . Transport Policy，2005：12（2）：137 - 151.

［18］ 许恒周，吴冠岑，郭玉燕. 耕地非农化与中国经济增长质量的库兹涅茨曲线假说及验证——基于空间计量经济模型的实证分析［J］ . 中国土地科学，2014，28（1）：75 - 81.

［19］ 张润森，濮励杰，文继群. 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.

［20］ 吴玉鸣. 广西生态足迹与能源消费的库兹涅茨曲线分析［J］ . 中国人口·资源与环境，2010，20（11）：30 - 35.