中国县域碳汇时空格局及影响因素

张 赫,彭千芮,王 睿,*,强文丽,张建勋

1 天津大学建筑学院, 天津 300072 2 兰州大学资源环境学院, 兰州 730000

土地利用/覆被变化深刻作用于陆地生态系统的碳循环,对全国和区域气候变化产生了举足轻重的影响[1]。1980年到2005年间,由于土地利用方式的转变,我国人为源排放量由陆地生态系统存储的3倍增长到10倍,生态环境恶化明显[2]。同时,作为全球温室气体排放的大国,我国2019年全球温室气体排放量高居首位。事实上,我国承诺到2020年碳排放强度比2005年下降40%—45%[3]。县域作为城乡土地增减挂钩的直接单元[4],其非建设用地的土地利用方式对大气温室气体含量的调节作用不容忽视,利用其碳贮存量增加而产生减排效果,对推动我国城乡控碳减排有极大意义[5]。在此背景下,加强对我国县域非建设用地碳汇规模与规律研究,对构建基于低碳导向的国土空间组织体系,优化国土空间开发格局,实施差异化减排,增强生态系统固碳能力具有重要的理论和现实意义。

随着碳中和(carbon neutral)概念的提出,“碳汇”指个人或组织等以碳中和方式向从事“碳中和”业务的中介机构支付基金,最后以植树等形式用于碳减排的过程和机制[6-7]。通过改变非建设用地的土地利用/覆被方式,对其进行合理的开发利用,可以降低土地利用碳排放占人为碳排放的比例,将此时的土地利用变化发挥出碳汇作用[8]。迄今为止,国内外学者针对土地利用碳源/汇相关研究主要集中于以下三个方面：首先,通过构建计算模型对碳汇/源进行总量计算和效应评估来探析不同区域的碳汇时空特征。Naipal等[9]通过建立土壤侵蚀模型,研究了在一定时期内土地利用变化下莱茵河流域的碳循环特征；彭文甫等[10]构建了碳排放、碳足迹等模型计算并分析四川省土地利用碳汇的时空变化特征。其次,研究土地利用方式转变对碳汇的影响。裴杰等[11]利用地理信息技术分析了深圳市土地利用/覆被变化情况及其导致的碳效应变化；张海凤和崔桂善[12]通过总结不同中碳收支的特点对土地覆被类型转化下的碳源/汇变化的影响进行了分析,罗谷松和李涛[13]运用Super SBM-undesirable DEA等方法分析了碳排放影响下中国省域土地利用效率的影响因素。第三,探究影响土地利用碳源/汇的相关因素以及对应的控碳减排策略。李小康等[14]通过分析土地利用结构及碳排放的变化发现控制建设用地总量对控碳减排意义重大；Chen等[15]结合涡度协方差法分析发现气候带类型和植树造林是影响碳封存的主要因素。

纵观现有研究成果,研究尺度主要集中于国家、区域和省域层面,对县域的研究相对缺乏,已有研究中仅赵荣钦等[16- 17]对中原经济区和河南省的县域碳收支状况进行了核算和分析。县域作为中国经济社会发展的基本单元,开展碳汇在其尺度下的时空变化特征和影响因素的分析,对评估县级尺度的生态状况以及推动区域低碳协调发展意义重大。基于此,针对全国县域,基于全国土地利用数据(1990—2015),运用标准差椭圆分析方法、空间自相关分析方法和地理加权回归分析方法,着重研究：①中国县域碳汇随时间变化的特征；②中国县域碳汇的空间分异格局；③中国县域碳汇的时空变化规律和影响因素。

1 研究区域与数据来源

1.1 研究区域

按照中国现行的行政区划,县级行政区包括地级市的市辖区、县级市、县、自治县、旗、自治旗、林区、特区等8种。由于地级市的市辖区、县级市以及部分特区的土地利用以城镇建设用地为主,其功能主要体现在碳排放上而固碳能力较低,所以不在讨论的范围内。综上,通过筛选最后选定包含县、自治县、旗、自治旗、林区在内的1330个县级行政单位。

1.2 数据来源

土地利用数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn),是以1990—2015年6期Landsat TM/ETM遥感影像为主要数据源,通过人工目视解译获取。通过ArcGIS 10.2,用2018年中国县域矢量行政边界裁剪,经过重采样为1 km的全国6期土地利用数据；应用ENVI 4.8对土地利用数据进行编码和归类,将土地利用类型划分为林地、草地、水域、未利用地4大类、13小类。耕地的农作物通过光合作用吸收空气中的CO2,但绝大多数农作物在短期内又通过呼吸作用释放到空气中去,农作物生物量作为碳汇的效果不明显[18],因此不在本文进行讨论。

全国县域国民生产总值、产业结构等数据来源于2015年《中国城市统计年鉴》、《区域经济统计年鉴》、相关地市级统计年鉴及环境统计公报等。

2 计算与研究方法

2.1 计算方法

土地利用的碳汇估算主要涉及耕地、林地、草地、水域和未利用地的碳汇。耕地作为碳源[18],在本文中不进行研究；林地、草地、水域和未利用地为碳汇,为主要研究对象。因此,碳汇估算模型可表达如下:

(1)

式中,Cs为碳汇量,si为第i种土地利用类型产生的碳汇量；Ai为第i种土地利用类型(林地、草地、水域、未利用地)面积,αi为第i种土地利用类型的碳汇系数。

2.1.1碳汇系数的确定

碳汇系数根据不同用地类型,通过跟踪国内外期刊的研究成果进行确定(表1)。将林地按照郁闭度大小分为有林地、灌木林、疏林地和其他林地4种类型。将草地按照覆盖度大小分为高覆盖度草地、中覆盖度草地和低覆盖度草地3种类型。将我国水域分为河渠、湖泊、水库坑塘、滩涂和滩地5种类型。未利用地指我国还未利用的土地或难以利用的土地类型,包括沙地、戈壁、盐碱地、沼泽地、裸土地、裸岩石质地和其他未利用地等。我国未利用地有的是碳汇、有的是碳排放,但都较弱,根据赖力等[23]的研究,取未利用地碳汇系数为0.0005 t hm-2a-1。

表1 土地利用类型及对应的碳汇系数

2.1.2碳汇强度

考虑到用地面积大小对碳汇总量的影响,本文构建碳汇强度的概念来对单位土地碳汇能力进行衡量,并且就碳汇强度进行局部自相关分析。碳汇强度计算公式如下：

Cp=Cs/Su

(2)

式中,Cp为碳汇强度；Cs为碳汇总量(×104t),Su为非建设用地面积。

2.2 研究方法

2.2.1标准差椭圆分析法

基于ArcGIS 10.2的空间分析功能,采用标准差椭圆分析方法[24]对全国整体的碳汇在空间位置的分布情况进行分析。椭圆的长轴表征数据集分布的主要方向,其面积表征数据集分布的集聚(分散)程度。

2.2.2空间相关分析法

基于ArcGIS 10.2的局部空间自相关分析功能,使用空间联系局域指标(Local Indicators of Spatial Association, LISA)对区域整体相关程度进行衡量[25- 26]：当Moran′sI为正数时,表示碳汇量在空间上呈集聚分布；当Moran′sI为负数时,表示碳汇量在空间上呈分散分布。冷点与热点的识别能进一步讨论的空间分布是聚集、分散或是随机的,目的是识别全国县域碳汇热点与冷点的空间分布。在ArcGIS中,采用 Getis-Ord G*统计量测度全国县域碳汇在局部空间的依赖性及异质性,Gi*(d) 值为正表示高值聚类,即“热点区”；反之为低值聚类,即“冷点区”[27- 28]。

2.2.3地理加权回归分析法

地理加权回归分析(Geographically Weighted Regression,GWR),可以量化反映空间数据关系中的异质性特征,与传统回归模型相比,可以对不同空间进行局部地加权回归模型,并求解[29]。县域碳汇的空间异质性是应用地理加权回归模型进行分析的前提条件,采用AIC法与核密度估计求得带宽,利用高斯函数来确定权重,选取Fotheringham等提出的方法作为计算准则,即当AIC值取最小值时,则此时的带宽为最佳带宽[30]。以上所有操作均通过ArcGIS 10.2软件完成。

3 中国县域碳汇时空分布特征

3.1 1990—2015中国县域碳汇的时序变化

3.1.1时序变化总体特征

1990—2015年中国碳汇总量呈波动下降趋势,碳汇量从13307.79×104t下降至13198.27×104t(图1)。可以将净碳汇总量的变化划分为3个阶段,即大幅下降-上升-缓慢下降。具体表现为,1990—1995年间,碳汇呈现急剧下降的趋势,从1990年的13307.79×104t,至1995年达到13003.41×104t的谷值；之后近10年内回升,到2005年,碳汇达到13231.46×104t；随后缓慢下落,到2015年达到13198.27×104t。

图1 1990—2015年中国碳汇总量及比重Fig.1 Total carbon sink volume and proportion in China, 1990—2015

3.1.2时序变化比例结构

碳汇类型主要以林地碳汇为主,占比约80%,依次是草地(约13.5%)、水域(约4.0%)和未利用地(约2.5%)(图1)。进一步对不同碳汇类型的比例结构展开分析,虽然比例结构大体没变,但在演变趋势上略有不同,高覆盖度草地、滩地碳汇都在1995年达到最低值,并在之后的年份里回升；滩涂、疏木林、沼泽地的碳汇均呈现先上升再波动下降的趋势；而其他类型的碳汇则呈现波动维稳的状态。

3.2 1990—2015中国县域碳汇的空间格局

3.2.1空间总体格局

图2 1990—2015年中国县域碳汇空间分布Fig.2 Spatial distribution of county carbon sinks in China, 1990—2015

从全国县域碳汇空间分布来看(图2),1990—2015年间,中国县域碳呈现差异化分布的空间格局,在区域上[31]呈现不同的变化趋势。从碳汇总量来看,全国县域碳汇大致呈现“西部>东北>南部>中部”的 “西高东低”格局；碳汇低值区域主要集中在新疆西北部、内蒙古西南部、甘肃、陕西、宁夏、山西、河北、河南、山东、安徽以及江苏北部；而碳汇高值区域主要集中于内蒙古东北部、西藏、浙江、江苏、福建地区；四川、云南、贵州广西等地碳汇高值与低值区域相间分布。分时段看,1990—1995年间,碳汇空间格局有所变化,内蒙古中部、西藏北部碳汇均有所下降；1995—2015年间,内蒙古中部、西藏北部碳汇量回升,四川西北部碳汇增加。整体上看,我国内蒙古中部、黑龙江、吉林、辽宁、山东、河南、安徽等地碳汇总量下降较多,而新疆南部、陕西、陕西以及我国华中、华南、西南部分地区的碳汇则呈上升趋势。

3.2.2空间分异特征

图3 1990—2015年中国县域碳汇标准差椭圆 Fig.3 Ellipse standard deviation of county carbon sinks in China, 1990—2015

从标准差椭圆方法揭示的空间分异格局来看(图3),碳汇整体以东北-西南的方向为主导,空间分布中心存在向西南移动的趋势,空间分布范围呈现收缩态势。在分异形状上,1991—2011 年,全国净碳汇空间分布标准差椭圆短轴与长轴的比值总体呈现出两阶段的规律,1990—2010 年间,全国净碳汇空间分布标准差椭圆短轴与长轴的比重呈现出增加的趋势,随后2010—2015 年间基本上保持不变,下降趋势极慢。

在分异方向上,1990—2015年间,全国碳汇空间分布标准差椭圆方位角在波动中呈现总体增长的趋势(表2)。1990—1995年,方位角不断缩小,西南部地区对全国碳汇空间格局的影响作用加强；1995—2000年,方位角不断增大,东北地区对全国净碳汇空间格局的影响作用加强； 2000—2005年,方位角不断缩小,随后保持不变,西南部地区的碳汇量对全国碳汇空间格局的影响作用加强后,趋于平稳。

表2 1990—2015年中国县域碳汇标准差椭圆测算结果

3.2.3空间聚集特征

从冷热点的空间分布变化看(图4),中国县域碳汇总量的冷热点空间分布集聚程度呈现波动稳定的特征。整体上看,碳汇总量热点以黑龙江、内蒙古北部,西藏南部和广东、湖南交界处为中心,在其周围呈连片分布；碳汇总量冷点在山西、陕西、河北、河南、安徽、江苏等地连片分布,并且在四川、重庆和贵州交界处有少量分布。在时空上,1990—1995年间,我国西部的碳汇总量热点从西藏藏族自治区的尼玛县、双湖县和改则县消失,演变为围绕西藏南部的加查县、那曲县、班戈县等地分布的格局；1995—2000年,我国西部的碳汇总量的热点逐渐变化为1990年的格局特征,并在2000—2015年间保持较为平稳的态势。

图4 1990—2015年中国县域碳汇的热点分析Fig.4 The of hot spot analysis of county carbon sinks in China, 1990—2015

1990—2015年,我国东南部碳汇总量热点呈现先扩大再逐渐缩小的过程；1990—1995年,我国东南部碳汇热点区域呈现向湖南桂阳县、嘉禾县、临武县等地聚集特征,热点分布范围有扩大趋势；1995—2015,我国西南部碳汇总量热点分布范围逐年缩小。1990—2000年间,我国东北部碳汇总量热点区域不断缩小,体现在内蒙古阿鲁科尔、巴林右旗、克什克腾、扎鲁特旗等地逐渐退出碳汇总量热点区；2000—2015年,我国东北部碳汇总量热点区域逐渐扩大。从我国县域碳汇总量冷热点的时空分布可以看出,我国碳汇总量整体格局是西南、东南、东北多,中部少,空间集聚性和整体分布波动维稳。

图5 1990—2015年中国县域碳汇强度的LISA集聚图Fig.5 LISA cluster map of per capita county carbon sinks in China, 1990—2015

从局部空间自相关来看(图5),中国县域碳汇强度的空间集聚程度变化不明显,具有高值与低值聚集,高-低区域零星分布的特点。其中,碳汇强度高值区域集聚在湖南、江西、福建、浙江及云南、四川、黑龙江、吉林、辽宁的部分地区；碳汇强度低值区域集聚在新疆西北部、内蒙古西部,青海东部,以及宁夏、甘肃、山西、河北、山东、河南、安徽等地；高-低区域较稀少,零星分布于陕西、山西、河南及京津冀地区。

对比中国县域碳汇总量的冷热点和中国县域碳汇强度的局部空间自相关时空分布,整体上看,我国东北部鄂伦春自治旗、漠河县、塔城县等地,东南部桂阳县、嘉禾县等地的碳汇总量与碳汇强度都出现了高值聚集的特征；而西藏加查县、那曲县等地的碳汇总量虽然呈现热点分布,但是碳汇强度却在低值聚类区域；而我国中部和东部沿海地区的陕西、江苏、河北等地的县域碳汇总量和碳汇强度等处于冷点和低值聚类区域。

4 影响因素分析

在对碳汇影响因素的研究中,大多数学者从气候条件、植被类型角度对碳汇能力进行分析。但本文在变量选取时主要考虑了以下两个方面: 首先,本文在非建设用地的土地利用视角下对县域碳汇的空间分异进行研究,同时想要考察城镇化过程以及产业结构调整对我国的碳汇是否真正起到了促进作用; 其次,地理加权回归方法对各个变量是否存在多重共线性要求较高,选取多个变量容易产生多重共线性,基于以上原因,本文重点选取了经济发展、产业结构和土地利用程度作为研究的解释变量。

各解释变量的定义和选取理由：①经济发展：不同地区处于不同经济发展阶段,其经济发展水平也不同,经济发展带来大量的城市开发,碳汇也随之减少。用国民生产总值(GDP)来表征地区经济发展。②产业结构：工业高排放与高污染的特征对环境的胁迫效应明显,要促进我国生态文明建设,产业结构升级和增汇同样重要。用工业产值占GDP总量的比例表征产业结构。③土地利用程度：土地利用程度越低,碳汇通常更高,随着城市建设用地的扩张,碳汇量也会减少。用县域建设用地面积和县域总面积的比值表征土地利用程度。

由于各个变量的量纲不同,因此对各个数据进行最大-最小值标准化处理,通过ArcGIS10.2对我国1330个县域数据进行地理加权回归,回归结果为回归的整体结果输出,包括回归的拟合系数、最优带宽和AIC值(表3)。

表3 GWR模型的整体估计结果

通过地理加权回归的方法,可以得到每个县的回归方程,而这些结果可以考虑到各省市在空间地理位置的相互影响,因此结果可以充分考察各地区的空间异质性。从各因素的影响程度来看(图6),2015年经济发展和土地利用程度对中国县域碳汇的影响远高于产业结构产生的影响。经济发展和产业结构因素除了在个别地区对碳汇产生负相关外,大部分区域均呈正相关；土地利用方式则在全部区域与碳汇均呈负相关(图7、图8)。

4.1 经济发展对碳汇的影响

GDP的回归系数波动较大(-11.216305—5.433819),说明经济发展对全国县域碳汇影响的地区差异较大(图6),但是仍然存在空间异质性的现象。整体上看,2015年经济发展对碳汇影响能力较小,呈现出在西藏东南部和四川西部的回归系数高绝对值区域。2015年林芝市米林县、墨脱县、朗县,昌都市八宿县、洛隆县、边坝县以及山南市加查县、错那县和嘉黎县,说明经济发展对当地的碳汇产生了较强的负影响,在这类区域应该转变经济发展方式,促进增汇减排。而在甘孜阿坝自治州的德格县、白玉县等地回归系数为正值且高于全国其它县域,说明经济发展对当地的碳汇产生了较强的正影响,说明经济发展促进了当地的环保业发展。

4.2 产业结构对碳汇的影响

从产业结构来看(图7),产业结构代表第二产业产值占整个国民生产总值的比重,从这一指标考察产业结构对碳汇的影响,若碳汇随着产业结构的增加而增加,则说明技术进步在其中起到了积极作用。2015年,产业结构与碳汇在内蒙古赤峰市阿鲁科尔自治旗、林西县、翁牛特旗等地,内蒙古昌都市贡觉县、边坝县、查雅县等地,西藏林芝市米林县、墨脱县等地呈正相关,说明技术水平进步在这些地区对增汇产生了正面影响。然而在内蒙古呼伦贝尔市阿荣县、兴安盟,黑龙江龙江县、漠河县、嫩江县等地均呈现负相关,表明产业结构对碳汇产生负影响,即二产比值越高,碳汇越低,这代表在这些区域应该促进产业结构升级或者技术进步以达到增汇减排的目的。

图6 2015年GWR模型经济发展回归系数的空间分布 Fig.6 Spatial distribution of GDP regression coefficients in the GWR model, 2015

图7 2015年GWR模型产业结构回归系数的空间分布 Fig.7 Spatial distribution of industrial structure regression coefficients in the GWR model, 2015

图8 2015年GWR模型土地利用程度回归系数的空间分布 Fig.8 Spatial distribution of land-use degree regression coefficients in the GWR model, 2015

4.3 土地利用程度对碳汇的影响

土地利用程度越低,碳汇通常更高,随着城市建设用地的扩张,碳汇量也会减少。土地利用程度与全国县域碳汇呈现明显的负相关性,影响程度在地域上存在差异性。整体上看(图8),2015年土地利用程度对碳汇的影响程度沿胡焕庸线呈现鲜明的差异,即在西北半壁的影响程度高于东南半壁的影响程度,说明在我国西北半壁的县域应该更加谨慎增加建设用地面积,合理利用和开发土地；在东南半壁的县域应注重调整非建设用地的土地使用格局,增加生态用地面积,植树造林,保护和增加林地、湿地等碳汇系数高的用地类型。

5 结论与建议

5.1 结论

通过对1990—2015年间中国县域碳汇总量时空格局进行分析,基于标准差椭圆、局部空间自相关、冷热点分析和地理加权回归分析方法,探析中国县域碳汇的时空分异特征及影响因素,其主要结论如下：

(1)从时空变化规律上看,1990—2015年中国碳汇总量呈波动下降趋势,从13307.79×104t下降至13198.27×104t；但不同碳汇类型的比例结构保持不变,碳汇类型主要以林低碳汇为主,占比约80%,依次是草地(约13.5%)、水域(约4.0%)和未利用地(约2.5%)。在空间分布上,中国县域碳汇总体呈现差异化分布的空间格局,在区域上呈现不同的变化趋势,大致呈现“西部>东北>南部>中部”的 “西高东低”格局。

(2)从空间分异和空间聚集格局来看,碳汇空间分布中心整体存在向西南移动的趋势,空间分布范围呈现收缩态势,西南地区对全国县域碳汇空间格局的影响作用加强；1990—2015年中国县域碳汇总量的冷热点空间分布集聚程度呈现波动稳定的特征,而中国县域碳汇强度的空间集聚程度变化不明显,具有高值与低值聚集,高-低区域零星分布的特点。

(3)从影响因素来看,2015年经济发展对全国县域碳汇产生了较弱的影响,产业结构对全国县域碳汇产生了较强的影响,土地利用程度对全国县域碳汇产生了负影响,且都存在空间异质性的现象。

5.2 建议

以全国县域作为研究对象,以1990—2015每5年的土地利用数据为基础,从碳汇类型和碳汇总量等方面讨论了中国县域碳汇的时空变化规律、空间分布差异性以及其影响因素。基于研究,在未来发展过程中可考虑以下低碳策略：①合理规划县域非建设用地的土地利用方式。林地碳汇作用主要碳汇类型的作用不容忽视,而湿地和高覆盖度草地碳汇由于强大的碳吸收能力也应得到充分保护。因此,在县域非建设用地区域应采取扩大林地面积, 保护低承载力草地和湿地,恢复退化土地,优先开发未利用地等措施来提高其碳贮量,实现生态系统增汇减排的目的。②根据不同县域的碳汇时空发展现状,针对性制定增汇减排目标和方案。例如在我国中部以及部分东部存在碳汇低值集聚的地区,其首要任务是促进产业的转型升级,加强生态文明建设,加大生态保护力度等；而在而在黑龙江、内蒙古北部,西藏南部、广东、湖南等高值集聚的区县,则可采用碳交易的方式“以东带西”,拉动西部经济发展,弥补东部的“生态赤字”。③严格控制建设用地规模。研究期内建设用地的扩张对全国范围内的碳汇均产生负影响,因此应控制建设用地的低效扩张,提高土地利用效率,集约节约用地。

由于数据限制,计算采用精度1km的土地利用数据进行碳汇计算,数据的栅格较大,而采用的系数法对系数的精度要求较高,会一定程度上影响计算结果的精度。本文仅评价分析了经济发展、产业结构和土地利用程度对碳汇的影响,对于格局形成的其他驱动因素和内在机制有待深入研究。