土地利用隐性转型与土地利用碳排放空间关联研究

张 玥，代亚强，陈媛媛，柯新利

（华中农业大学公共管理学院，湖北 武汉 430070）

土地是自然地理覆被与社会经济活动的重要载体，土地利用已成为重要的碳排放来源[1]。土地利用碳排放演变受多重因素综合驱动，土地利用转型便是重要因素之一[2]。土地利用转型的实质是土地利用形态的趋势性变化，与社会经济发展要素解构重组和交互作用相伴而生，包括显性转型和隐性转型[3]。与土地利用显性转型相比，土地利用隐性转型与社会经济活动联系更为密切，其区域性、综合性和趋势性特征更为明显[4]。土地利用隐性转型是土地利用碳排放演化的内在驱动，其与土地利用碳排放动态响应是反映社会经济系统与土地利用系统关联互馈的重要表征[4]。改革开放以来，我国社会经济发展推动土地利用隐性转型持续发展、势头迅猛，同时，当前土地利用低碳减排工作形势严峻、任重道远。在土地利用快速转型过程中，有效缓解土地利用隐性转型造成的土地利用碳排放压力，寻求土地利用服务发展与低碳减排的并行路径，不仅是加快土地资源管理方式向综合性和科学性转变的重要推动，同时是统筹兼顾社会经济稳定发展与土地资源可持续利用的必然要求。因此，深入探究土地利用隐性转型与土地利用碳排放的空间关联关系具有重要的理论价值和现实意义。

近年来，土地利用隐性转型与土地利用碳排放研究逐渐发展成熟，汇集诸多可资借鉴的理论基础和方法实践。土地利用隐性转型根植于土地利用转型理论框架，形成“特征刻画—规律归纳—效应甄别”的研究体系，依据其经济、社会和生态效应响应规律加以协调引导[5-7]。土地利用碳排放研究多遵循“分类解析—核算评价—优化调控”的研究逻辑在不同尺度加以开展，即采用清单核算法、样地清查法和遥感估测法等方法对土地利用碳排放进行核算并剖析其驱动因素[8-9]，进而通过土地整治、碳排补偿等实现土地低碳利用[10-11]。综上所述，现有研究均可为本文提供重要的理论参考和实践支撑，但研究内容与研究尺度仍存在拓展空间。在研究内容方面，土地利用隐性转型的生态效应较多关注土地利用隐性转型引致的生态系统服务功能演变与生态系统服务价值损益，其碳排放效应研究略显匮乏；同时，土地利用碳排放研究多基于土地利用数量结构与空间格局等土地利用显性转型过程，其与土地利用隐性转型关联尚不明晰。在研究尺度方面，土地利用隐性转型与土地利用碳排放具有区域性，两者空间关联呈现动态演进和空间异质特征，不同地区土地利用隐性转型与土地利用碳排放空间关联模式不尽相同、空间响应规律难以一概而论，针对国家层面省域尺度的全面性和系统性研究有待开展。基于此，本文尝试阐释土地利用隐性转型与土地利用碳排放的空间关联内在机理，在省域尺度开展土地利用隐性形态综合评价与土地利用碳排放科学测算，刻画土地利用隐性转型与土地利用碳排放的时空演变特征，进而采用双变量空间自相关定量识别土地利用隐性转型与土地利用碳排放的空间关联及其分异特征，揭示土地利用碳排放对土地利用隐性转型的空间响应规律，以期通过调控土地利用转型推动土地利用低碳减排，为实现区域土地利用可持续管理与发展提供决策依据。

1 机理分析

土地利用碳排放是指受人类社会干预以实现生产、生活或生态功能的土地向大气中释放碳的过程[12]。土地利用隐性转型是社会经济系统革新与变迁的综合映射，可通过分析、化验、检查和调查加以刻画[4]。根据土地利用隐性转型内涵，本文从土地利用投入、土地利用产出、土地利用强度和土地产权变化4个维度解析土地利用隐性转型，并剖析土地利用隐性转型与土地利用碳排放空间关联内在机理（图1）。

图1 土地利用隐性转型与土地利用碳排放空间关联机理Fig.1 The spatial correlation mechanism between recessive land use transformation and land use carbon emission

（1）土地利用投入是土地利用隐性转型的外在条件，通过资本要素与劳动力要素投入规模反映不同经济发展阶段下土地利用的主体行为意愿与要素配置结构[13]。在发展需求强力驱动下，提高土地利用投入以增强土地利用效益成为最简单直接的方法之一。土地利用投入提高催生高耗能、高污染、高排放的土地利用活动频繁加剧，土地利用碳排放持续增加。但是，伴随创新要素的推广与发展，传统土地利用投入的负面效应可在一定程度上得以缓解与抵消[14]。

（2）土地利用产出是土地利用隐性转型的效能驱动，通过社会经济产值与产业布局结构反映土地利用的效益诉求与功能导向。在土地利用规划和建设过程中，土地利用粗放化问题严重、集约化发展缓慢[15]。由于区域发展定位不清、产业结构布局趋同、产业更新换代滞后等多重原因，低端且重复的产业布局不仅造成土地资源严重浪费、退化，同时造成土地利用碳排放大量增加、土地利用生态效率低下、生态环境负担加重，与低碳化、绿色化发展导向相悖。

（3）土地利用强度是土地利用隐性转型的外力加载，通过人类活动内容与方式反映由社会经济发展需求增长引致的土地利用开发规模与承载能力。受限于土地资源稀缺性，提高土地利用强度是保障日益增长的土地产品、功能与服务需求的重要途径[16]。现实需求与利益驱动激发人类通过各种方式对有限土地资源进行扩容，土地利用强度并未受到有度节制与合理管控。高强度的人类生活与生产活动伴随大量化石能源消费，是加剧土地利用碳排放增长的重要原因之一。

（4）土地利用产权是土地利用隐性转型的内在诱因，通过土地权属分配与调整反映城乡融合互促过程中的土地利用主体定位转变。城镇扩张导致土地产权发生质变，大规模无序发展攫取了大量耕地资源和生态用地，造成区域碳汇用地萎缩、土地固碳功能降低、土地生态系统脆弱，导致土地利用碳排放迅速释放。但同时，土地城镇化是城乡统筹发展的先行手段，对加快清洁技术推广、改善生态环境治理等具有推动作用，在一定程度上缓解了土地利用碳排放压力[17]。

土地利用投入、土地利用产出、土地利用强度和土地产权变化均具有集聚效应和规模效应[18]，同时土地利用碳排放具有扩散和溢出作用，因此土地利用隐性转型与土地利用碳排放产生动态空间关联。由于不同地区自然资源禀赋、经济发展模式、功能发展定位等存在差异，因而土地利用隐性转型与土地利用碳排放空间关联具有分异特征。

2 研究方法与数据来源

2.1 土地利用隐性形态评价模型

2.1.1 指标体系构建

借鉴相关研究成果[19-21]，土地利用投入选取地均固定资产投资额和地均从业人员量予以表征，两项指标可分别反映土地利用投入的资本要素水平和劳动力要素水平；土地利用产出选取地均GDP和地均第二、三产业产值予以表征，两项指标分别通过综合效益水平与内部产业结构反映土地利用产出；土地利用强度选取人口密度和地均用电量予以表征，两项指标分别通过人口集聚程度与能源消费水平反映土地利用强度；土地产权变化选取土地城镇化率予以表征，土地城镇化率通过城乡用地属性转化反映土地产权变化。依据上述指标选取说明与数据可获取性原则，构建土地利用隐性形态评价指标体系如表1所示。

表1 土地利用隐性形态指标体系Tab.1 Evaluation index system of recessive land use morphology

2.1.2 综合评价模型

基于土地利用隐性形态评价指标体系，采用极差标准化法对原始数据进行标准化处理，采用熵值法确定指标权重，最后采用线性加权法计算得到各省土地利用隐性形态指数。计算方法如下所示：

式（1）中：X′ij为第i个省份第j项评价指标标准化数值；wj为第j项评价指标权重；Zi为第i个省份的土地利用隐性形态指数，取值区间为［0，1］，数值越大，则土地利用隐性形态越高阶。

2.2 土地利用碳排放强度测算模型

土地利用碳排放强度为土地利用单位面积的碳排放量，可定量反映土地利用碳排放效应[22]。本文将不同土地利用类型分为碳源用地与碳汇用地，碳源包括耕地与建设用地，碳汇则包括林地、园地、草地、水域及未利用地，土地利用碳排放取决于碳源排放与碳汇吸收差值。

耕地、林地、园地、草地、水域及未利用地碳排放在长时间内保持稳定状态，可采用直接碳排放系数法对其碳排放进行测算，计算公式如下：

式（2）中：Ep为耕地、林地、园地、草地、水域及未利用地碳排放总量；li为各土地利用类型碳排放量；Ai为各土地利用利用类型面积；δi为各土地利用类型碳排放系数，碳源用地系数为正，碳汇用地系数为负。其中，耕地碳排放系数依据农业生产、灌溉过程中农药、化肥、机械等生产资料使用造成的碳排放和农作物光合作用产生的碳吸收共同决定[23]；林地、园地和草地的碳排放系数依据植被光合作用碳吸收决定[24]；水域碳排放系数依据积水产生的碳吸收和水利设施建设施工、排干围垦条件下土壤有机物分解造成的碳排放共同决定[25]；未利用地多为荒山沙地、盐碱地、裸土地和其他用地，其碳吸收作用较为微弱[24]。众多研究对上述土地利用类型碳排放系数进行了充分探讨，在此基础上，本文综合考量并确定土地利用碳排放系数如表2所示。

表2 土地利用碳排放系数Tab.2 The carbon emission coefficients of different land use types

建设用地碳排放主要来源于其承载的人类活动对能源的消耗，可采用间接碳排放系数法对其碳排放进行测算。本文选取的能源包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气和电力，计算公式如下：

式（3）中：Ep为建设用地碳排放量；ei为各类能源碳排放量；Ci为各类能源消耗量；θi为各类能源标准煤折算系数；fi为各类能源碳排放系数（表3）。电力标准煤折算系数及碳排放系数参考现有研究[23]，各类能源标准煤折算系数参考《中国能源统计年鉴》，碳排放系数参考《IPCC国家温室气体清单指南》。

表3 各类能源碳排放系数Tab.3 The carbon emission coefficients of different types of energy

基于各土地利用类型碳排放核算结果，最终得到土地利用碳排放强度，计算公式如下：

式（4）中：CS为土地利用碳排放强度；Ai为各土地利用类型面积。通过极差标准化将土地利用碳排放强度取值区间确定为［0，1］，数值越大，则土地利用碳排放强度越高。

2.3 核密度估计

核密度估计（Kernel Density Estimation, KDE）是目前现象演进规律及差异分析研究中应用最为广泛的方法之一，该方法从数据本身出发用连续的密度函数描述变量阶段分布特征和时序演进规律[33]。因此，本文选用核密度估计方法，刻画土地利用隐性转型与土地利用碳排放效应的时序特征与演进规律。

核密度估计方法具体如下：

式（5）中：n为样本个数；h为带宽；xi为样本观测值；K（·）为核函数。核密度曲线的波峰数量可表征极化特征，曲线的波峰高度可表征差异特征，曲线的拖尾厚度可表征高（低）值区样本数量，曲线的拖尾长度可表征高（低）值区样本演化特征。

2.4 双变量空间自相关分析

空间自相关是指不同空间位置单元某一属性的统计相关性，可反映该属性在空间分布上具有相邻分布或间错分布特征。空间自相关分析包括全局空间自相关和局部空间自相关，前者用以反映研究区域所有单元间的平均相关程度，后者则反映研究区域不同位置单元间的空间关联模式及其空间分异特征[34]。双变量自相关分析用于揭示多个属性空间分布的相关性特征[35]，因此，本文选用双变量空间自相关分析探究土地利用隐性转型与土地利用碳排放效应的空间关联及其分异特征。

式（6）—式（9）中：n为空间单元个数；Xp l为空间单元p的属性l值；为空间单元q的属性m值；分别为属性l和属性m的均值；σl、σm分别为属性l和属性m的方差；Wpq为空间单元p、q基于空间邻接关系建立的空间权重矩阵。

2.5 研究区域与数据来源

由于西藏、香港、澳门及台湾数据缺失，本文选取中国30个省级行政区为研究单元。本文使用的数据包括统计数据与土地利用数据。其中，统计数据来源于1991—2019年《中国统计年鉴》 《中国能源统计年鉴》 《中国环境统计年鉴》。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/），由1990—2018年7期Landsat TM/ETM 遥感影像解译获取，空间分辨率为30 m×30 m。根据研究需要，本文将园地以林地中的其他林地近似替代，即未成林造林地、迹地、苗圃及各类园地（果园、桑园、茶园、热作林园等），最终将土地利用类型分为：耕地、园地、林地、草地、水域、建设用地及未利用地。

3 研究结果及分析

3.1 土地利用隐性形态时空演变特征

3.1.1 时间序列演变特征

依据核密度估计方法，绘制1990—2018年我国30个省份土地利用隐性形态核密度曲线图（图2）。从曲线波峰高度来看，波峰持续下降，表明该阶段我国土地利用隐性形态省域间差异持续增大；从曲线波峰数量来看，研究期内始终为单一波峰，表明该阶段我国土地利用隐性形态始终处于极化状态；从曲线左右拖尾来看，曲线左拖尾略微变薄，表明我国土地利用隐性形态水平低值区省份比例有所减少；曲线右拖尾加长，尤其自2005年，曲线右拖尾延长速度明显加快、长度明显增加，表明我国土地利用隐性形态变化发生趋势性转折，向土地利用高阶形态发生质变演化。可见，我国土地利用隐性形态水平持续升高，土地利用隐性形态水平不断提升，向高阶形态转型发展。但因经济社会发展与土地利用活动水平与程度并非均质状态，我国省域间土地利用隐性形态极化现象不断加剧。

图2 1990—2018年中国土地利用隐性形态时间序列演变特征Fig.2 The characteristics of the time-series of recessive land use morphology in China from 1990 to 2018

3.1.2 空间格局演变特征

根据1990—2018年我国30个省份土地利用隐性形态评价结果，采用分位数分类法，将土地利用隐性形态水平分为4类并绘制空间格局图（图3）。总体来看，1990—2018年，我国土地利用隐性形态由单核集聚式向双核均衡式空间格局演变，呈现东高西低的空间分布特征。局部来看，1990—2005年，土地利用隐性形态呈现单核集聚式空间格局，其中土地利用隐性形态高值区集中在华北地区，以天津、山东、江苏和上海为单一核心区域向南北扩散发展，进而带动辽宁半岛、华中地区与东南沿海地区逐步提升；2005—2018年，土地利用隐性形态呈现双核均衡式空间格局，其中以辽宁半岛、山东半岛、京津冀地区和长三角地区为主核区域，以珠三角地区为副核区域，由东向西带动发展。由此可见，土地利用隐性转型不仅表现为时序上的形态质变性，同时呈现出空间上的区域趋同性。

图3 1990—2018年中国土地利用隐性形态空间格局演变特征Fig.3 The characteristics of spatial pattern of recessive land use morphology in China from 1990 to 2018

3.2 土地利用碳排放强度时空演变特征

3.2.1 时间序列演变特征

依据核密度估计方法，绘制1990—2018年我国30个省份土地利用碳排放强度核密度曲线图（图4）。从曲线波峰高度来看，1990—2018年波峰波动上升，表明该阶段我国土地利用碳排放强度省域间差异波动减小；从曲线波峰数量来看，1990—2018年始终为单一波峰，表明该阶段我国土地利用碳排放强度始终处于极化状态；从曲线左右拖尾来看，2000—2018年曲线左拖尾明显缩短，表明我国土地利用碳排放强度低值区省份比例大幅减少；曲线右拖尾略微加长，表明我国土地利用碳排放强度增大，高值区省份比例有所增加。可见，经济发展、人口增长、城镇化建设等活动频繁进行加剧了碳汇用地向碳源用地转变，同时碳源用地利用强度大幅提高，因而碳排放强度持续升高。由于多数省份土地利用碳排放强度均有提高，土地利用碳排放强度两极分化有所缓解。

图4 1990—2018年中国土地利用碳排放强度时间序列演变特征Fig.4 The characteristics of the time-series of land use carbon emission intensity in China from 1990 to 2018

3.2.2 空间格局演变特征

根据1990—2018年我国土地利用碳排放强度测算结果，依据分位数分类法，将土地利用碳排放强度分为4类并绘制空间格局图（图5）。总体来看，1990—2018年我国土地利用碳排放强度呈现“点状、团状、面状”的空间格局。局部来看，1990—2005年，我国土地利用碳排放强度呈现点状格局，辽宁半岛和华北地区多数省份土地利用碳排放强度较高；2005—2010年，我国土地利用碳排放强度呈现团状格局，东北地区、华北地区、长三角地区、珠三角地区成为土地利用碳排放高强度聚集区域；2010—2018年，我国土地利用碳排放强度呈现面状格局，东部地区和中部地区内部经济深化发展并形成集聚效应，区域间形成联动效应，导致土地利用碳排放强度持续升高。

图5 1990—2018年中国土地利用碳排放强度空间格局演变特征Fig.5 The characteristics of spatial pattern of land use carbon emission intensity in China from 1990 to 2018

3.3 土地利用隐性形态和土地利用碳排放强度空间自相关分析

3.3.1 全局空间自相关分析

采用空间自相关分析，得到1990—2018年我国土地利用隐性形态及其不同维度指标和土地利用碳排放强度的全局空间自相关指数Moran’sI值（表4）。1990—2018年，土地利用隐性形态和土地利用碳排放强度Moran’sI均为正，P-Value均小于0.01，说明土地利用隐性形态和土地利用碳排放强度均呈现显著的空间正相关关系，表明土地利用隐性形态水平提高造成土地利用碳排放强度提高，土地利用高阶转型加剧土地利用碳排放效应。

表4 土地利用隐性形态和土地利用碳排放强度双变量空间自相关结果Tab.4 The results of bivariate spatial correlation between recessive land use morphology and land use carbon emission intensity

从土地利用隐性形态不同维度指标来看，土地利用产出和土地利用强度与土地利用碳排放强度的空间正相关性最强，土地利用投入与土地产权变化的空间正相关性次之。随着工业化不断深化发展，第二、三产业比例不断提高，粗放式产业发展模式造成土地资源大量占用与能源资源严重消耗，土地利用碳排放强度持续升高。同时，在土地资源数量限制与经济效益提升需求的双重影响下，土地利用强度不断提高，进一步加剧了土地利用碳排放效应。在土地利用活动中，资本和劳动力生产要素不断投入土地，土地利用活动频繁加剧造成土地利用碳排放强度不断提高。同时，在城镇化快速发展的过程中，建设用地扩张导致碳汇用地向碳源用地快速转变，进一步提高了土地利用碳排放强度。但是，土地利用投入要素不仅包括资本、劳动力等一般生产要素，还包括技术、信息等创新要素。传统生产要素比例逐渐下降，而创新要素比例逐渐上升，因而土地利用投入对土地利用碳排放强度的负面作用并非主导。土地产权城镇化是社会经济发展的综合性体现，虽然生态代价会伴随发生，但该过程中的资源配置效率提升、环境污染有效治理等活动同样会缓解土地利用碳排放效应，因此，土地产权变化对土地利用碳排放强度的负面作用并非主导。

3.3.2 局部空间自相关分析

在Z检验的基础上（P = 0.01）绘制双变量局部空间自相关LISA聚集图（图6、图7），用于表征省域土地利用隐性形态及其不同维度水平与其邻域土地利用碳排放强度空间关联模式及分异特征。

图6 土地利用隐性形态和土地利用碳排放强度双变量LISA聚集图Fig.6 The bivariate LISA cluster map of recessive land use morphology and land use carbon emission intensity

图7 土地利用隐性形态不同维度水平和土地利用碳排放强度双变量LISA聚集图Fig.7 The bivariate LISA cluster map of different dimensions of recessive land use morphology and land use carbon emission intensity

土地利用隐性形态及其不同维度水平和土地利用碳排放强度的局域空间格局各具特点，但总体上具有空间相似性，呈现“高—高集聚和低—高集聚连片分布、低—低集聚分散分布”特征。具体局域空间格局分为以下三类：（1）高—高集聚区位于辽宁半岛、京津冀地区和长三角地区。这类地区均为区域优势增长极，工业化和城镇化发展引发土地利用剧烈转型，土地利用隐性形态已达高阶水平。但是，以上地区土地利用碳排放大量增加，但碳汇能力有限，形成土地利用碳排放空间溢出效应。同时，产业转移活动和发展规模效应导致其邻域地区土地利用碳排放强度提高，成为优势发展地区生态代价的被动承担者。（2）低—低集聚区位于新疆、云南等西部地区。该地区生态资源丰富，国家生态修复工程、自然保护政策成效显著，因而其生态资源得以妥善保护。同时，该地区位置偏僻，经济发展动力不足导致其土地利用转型较为平缓，良好生态状况可以对土地利用碳排放效应负面影响起到较为明显的缓冲作用。（3）低—高集聚区位于内蒙古和东北地区，因其产业结构较为初级、城镇化水平较低，土地利用隐性形态尚未达到高阶水平。其邻域为辽宁半岛、京津冀地区等经济优势增长区域，虹吸效应较为明显，因而形成低—高集聚的局域空间格局。

研究期内，土地利用隐性形态及其不同维度水平和土地利用碳排放强度的局域空间格局表现为动态变化，具体如下：（1）从土地利用隐性形态及其不同维度水平来看，黑龙江和吉林均退出低—高聚集区。在国家东北振兴战略引领下，两省产业结构优化升级、迈入经济发展新常态，因而土地利用隐性形态及其不同维度水平均明显提高。（2）从土地利用隐性形态、土地利用投入、土地利用产出和土地产权变化来看，山西退出低—高聚集区；从土地利用强度来看，山西退出高—高聚集区。受中部崛起战略、环渤海区域合作发展纲要和国家资源型经济综合配套改革试验区计划影响，山西传统资源密集型产业积极转型，新兴产业、替代产业成长迅速，因而土地利用投入和产出水平不断提高，土地利用强度有所降低。同时，受中原城市群发展规划影响，山西城镇化进程不断加快，因而土地产权变化强度有所提高。（3）从土地产权变化来看，浙江退出低—高聚集区转而进入高—高聚集区。受自然地理禀赋、经济发展基础限制，浙江大部分城市并非长江三角洲区域优势发展极，甚至少数城市处于发展边缘位置。但伴随长江三角洲区域一体化战略推进，浙江社会经济发展、城镇化发展增速加快，因而其土地产权变化强度有所提高。

4 结论与讨论

4.1 结论与建议

本文阐释土地利用隐性转型与土地利用碳排放空间关联内在机理并在全国层面省域尺度开展实证研究，在刻画和分析土地利用隐性形态和土地利用碳排放强度时空演变格局基础上，采用双变量空间自相关定量识别土地利用隐性转型与土地利用碳排放的空间关联及其分异特征，揭示土地利用碳排放对土地利用隐性转型的响应规律及内在机理，为探究土地利用隐性转型与土地利用碳排放空间关联提供了可行的研究路径，也为因地制宜开展土地利用低碳减排工作、实现土地利用可持续发展提供了决策支撑。研究结论如下：（1）1990—2018年，我国土地利用隐性形态水平持续升高，两极分化不断加剧，且由单核集聚式向双核均衡式空间格局演变，呈现东高西低的空间分布特征。（2）1990—2018年，我国土地利用碳排放强度持续升高，两极分化状态有所缓解，同时呈现“点状、团状、面状”的空间格局演变趋势。（3）土地利用隐性形态高阶转型与土地利用碳排放具有显著空间正相关关系，土地利用产出和土地利用强度与土地利用碳排放强度的空间正相关关系强于土地利用投入和土地产权变化。（4）土地利用隐性形态和土地利用碳排放强度的局域空间格局呈现“高—高集聚和低—高集聚区连片分布、低—低集聚区分散分布”特征。其中，高—高集聚区位于辽宁半岛、京津冀地区、长三角地区等优势增长极区域，低—低集聚区位于新疆、云南等西部地区，低—高集聚区位于内蒙古和东北地区。

根据土地利用隐性转型与土地利用碳排放的空间关联规律，根据国家整体需求与区域需求差异因地制宜、分类施策，各省应科学引导土地利用转型并设计完善土地利用碳减排制度，通过调控土地利用转型实现经济增长与低碳减排的平衡发展。具体建议如下：（1）高—高集聚区省份应积极通过转变经济发展方式和调整土地利用方式为土地利用转型做好前瞻布局，实现土地利用转型低碳化、绿色化。一方面，应控制土地开发强度同时提高土地利用效率，通过盘活存量用地、推广土地节约技术、创新土地供应模式等手段优化土地资源配置以实现节约集约利用；另一方面，应推动区域合作以治理碳排放，借助政府间横向转移支付制度实现省域碳补偿，以碳补偿为约束手段倒逼土地利用低碳转型，实现低碳经济快速推广、升级与发展。（2）低—低集聚区省份应进一步统筹协调经济建设与生态保护，激发社会经济发展和土地利用转型内生动力，同时以生态化的土地利用方式促进区域固碳减排功能整体提升。一方面，应建立有效的激励和约束机制提高土地利用效益，充分利用各项优惠政策与沿边区位优势有序承接产业转移并发展优势产业，加快推动产业结构完善和土地利用转型；另一方面，严格遵循土地用途管制制度、限制高强度土地开发活动，加强对于耕地、林地和草地的保护，在积极推动土地利用转型的同时维护土地生态系统健康运行、提升区域固碳减排功能。（3）低—高集聚区省份应着重突破社会经济发展与土地利用转型瓶颈，抓住土地利用转型机遇窗口期的同时借助土地调控政策降低土地利用碳排放。一方面，应提高高耗能、高污染、高排放产业准入门槛，逐步淘汰此类产业以激化革新动力、释放发展空间，积极引导土地利用转型。另一方面，适当提高国土空间开放强度，同时通过严格明确土地利用碳排放配额、加大碳税征收力度来约束土地粗放利用，科学规划土地利用布局以杜绝多重复、高能耗、低效益的土地利用行为。

4.2 讨论

本文尝试性剖析土地利用隐性转型与土地利用碳排放空间关联机理，从时空二维刻画土地利用隐性转型与土地利用碳排放演进特征，基于空间分析方法探究两者空间关联模式及其分异特征，提供了一个机理与实证紧密结合、全域与局域系统解析的土地利用隐性转型与土地利用碳排放空间关联研究框架。本文参照IPCC和众多学者提供的研究方法及成果，依据国家尺度的经验数据确定不同土地利用类型碳排放系数，但各省地质状况、地表覆被等存在差异，未来研究需进一步探究不同尺度、不同区域土地利用碳排放系数以精确核算土地利用碳排放。另外，受限于更细尺度研究单元统计资料的可获取性，本文在省域宏观尺度开展研究，两者的演进特征及作用机理仍需在微观尺度上进行更为细致地剖析，为从土地利用优化视角助推区域土地利用可持续管理提供科学依据。