池州市城镇化进程中土地利用碳排放驱动机制

王圣萍

(肥东县国土资源局，安徽合肥 230000)



池州市城镇化进程中土地利用碳排放驱动机制

王圣萍

(肥东县国土资源局，安徽合肥 230000)

依据土地利用碳排放测算方法，对安徽省池州市耕地、林地、牧草地、建设用地碳排放进行测算，并基于环境压力随机模型分析影响土地利用碳排放的驱动力机制。结果表明：①城镇化进程中GDP、城镇人口、第三产业产值及城镇化水平每增加1%，土地利用碳排放将增加0.147%、0.499%、0.428%、0.657%；第二产业产值每增加1%，土地利用碳排放量将减少0.489%。②池州市能源消费及土地利用碳排放量不断增加。③大力发展绿色低碳产业，积极推行低碳排放的生产、生活方式，可提升低碳水平。为实现安徽省池州市低碳经济和城镇化可持续发展目标，提出了若干建议供参考。

城镇化；土地利用；碳排放；驱动机制；STIRPAT模型

据世界资源组织估算，在过去的1个多世纪，土地利用变化引起的碳排放量占总排放量的1/3，成为仅次于化石能源燃烧的第二大温室气体排放源[1-4]。近年来，随着我国工业化、城镇化进程的加速推进，大量农业用地转变为非农业建设用地，成为土地利用/覆盖变化的典型特征。因此，研究快速城镇化进程中土地利用碳排放的驱动机制，对于优化土地利用结构、发展低碳经济及促进区域社会经济可持续发展具有重要的现实意义。

近年来，关于土地利用碳排放的驱动力研究引起国外学者的广泛关注[5-7]。国内学者也围绕土地利用碳排放展开了较多研究。杜官印[8]研究认为，建设用地不断扩张对碳排放具有显著的正向影响作用；赖力[9]系统研究了土地利用变化的碳排放机理；蓝家程等[10]研究认为，土地利用方式及经济增长方式转变是影响碳排放的主要因素；张兰等[11-12]研究认为，土地产出、产业结构等对碳排放具有正向影响作用。Liddle等[13]研究发现，城镇化水平的提升对于碳排放具有显著的正向影响作用。Martinez-Zarzoso等[14]研究发现，发展中国家城镇化进程中存在环境库兹涅茨曲线效应。王建增[15]研究发现，我国城镇化水平对碳排放规模有正向影响作用。王亚菲[16]采用STIRPAT模型分析了城镇化对碳排放的影响，发现城镇化与资源消耗及碳排放均呈正相关关系[16]。笔者以安徽省池州市为研究区域，研究池州市土地利用碳排放驱动机制，并结合池州市社会经济发展态势及城镇化发展趋势，提出相关政策建议，旨在为实现城镇化进程中土地低碳利用、发展低碳经济提供参考。

1 数据来源与研究方法

1.1 数据来源 结合安徽省池州市实际情况，从影响城镇化发展的一系列驱动因子中筛选出GDP、城镇人口、第二产业产值、第三产业产值及城镇化水平5个因子，其中GDP、第二产业产值、第三产业产值数据依照CPI价格指数(以2000年为基准)进行调整[17]。

1.2 研究方法

1.2.1 土地利用碳排放测算方法。采用直接碳排放系数法计算耕地、林地和牧草地的碳排放(吸收)量[18-20]，计算公式：

E=∑ei=∑Siδi

(1)

式中,E为碳排放总量，t；ei为不同土地的碳排放量，t；Si为不同土地面积，hm2；δi为碳排放系数，t/hm2；系数为正数是碳排放，系数为负为碳吸收。笔者参考国内外相关研究成果[4，12,18,21-22]，确定耕地净碳排放系数0.497 0 t/hm2，林地碳吸收系数-0.581 0 t/hm2，草地碳吸收系数-0.021 0 t/hm2。

采用间接测算相关碳排放系数来估算建设用地碳排放量[10,19]，具体是将能源消耗量换算成标准煤吨数，再转化为碳排放量[12，23-25]。

EC=∑eci=∑Eniσiφi

(2)

式中，EC为建设用地碳排放总量，t；eci为各种能源消耗产生的碳排放量，t；Eni为各种能源消耗量，t；σi为各种能源消耗量转换为标准煤的系数;φi为各种能源的碳排放系数。建设用地碳排放不同能源的标准煤换算系数和碳排放系数见表1。

表1 各类能源碳排放系数

注：*表示标准煤换算系数的单位为10-3t/m3。

Note: * indicates the unit of conversion coefficient of standard coal is ×10-3t/m3.

1.2.2 STIRPAT模型。Chertow[26-28]在反映经济增长与资源环境关系的IPAT模型的基础上，提出了环境压力随机模型——(STIRPAT)模型，模型计算公式[29-33]：

I=aPbAcTde

(3)

式中,I、P、A、T分别为环境压力、人口规模、富裕程度和技术水平；a为系数；b、c、d分别为人口规模、富裕程度、技术水平的驱动力指数；e为模型残差项。笔者借鉴该模型构建出城镇化进程中土地利用碳排放与其驱动力因子关系计量模型，表达式：

Y=KPa1Ga2Ua3Fa4Ea5ε

(4)

为了通过回归分析确定参数，对式(4)两边取对数，得到

InY=InK+a1InP+a2InG+a3InU+a4InF+a5InE+ε

(5)

式中，Y为土地利用碳排放量;K为常数；P为GDP；G为城镇人口；U为第二产业产值；F为第三产业产值；E为城镇化水平，以城镇化率表征；ε为随机模型项；a1、a2、a3、a4、a5为模型的弹性系数，表示当P、G、U、F、E每变化1%时，分别引起Y的a1%、a2%、a3%、a4%、a5%变化。

1.2.3 多元统计分析。

1.2.3.1 驱动因子偏相关分析。采用SPSS 19.0中的偏相关分析法对碳排放量与上述所选的因子进行偏相关分析，并经过显著性经验判断其是否可以作为土地利用碳排放量驱动力因子。

1.2.3.2 驱动力因子主成分分析。通过主成分分析法及进行普通最小二乘回归，进而得到因变量与综合变量的线性关系式，最后将综合变量与自变量间的线性关系式代入，可得到因变量与自变量的关系式，借鉴STIRPAT模型，得到驱动力因子模型。

2 结果与分析

2.1 土地利用碳排放量 运用“1.2.1”中的方法，可测算出耕地和建设用地的碳排放量、林地和牧草地的碳吸收量，进而可计算出碳排放总量以及碳源/碳汇(表2)。

表2 2000—2010年池州市主要土地利用碳排放量

2.2 驱动力因子偏相关性 偏相关分析的结果显示，GDP、城镇人口、第二产业产值、第三产业产值及城镇水平5个驱动力因子与相关系数均在0.80以上，且显著性检验在0.01水平显著相关。

2.3 驱动力因子主成分 将标准化后的数据用TY、TP、TG、TU、TF、TE表示，然后将TP、TG、TU、TF、TE输入统计软件进行主成分分析，结果见表3、4。

对表3中的自变量TP、TG、TU、TF、TE进行分析与筛选后，可以提取2个主成分，以X1、X2表示，2个综合变量可以解释因变量的99.711%，且t检验的Sig(单侧)值小于0.01，说明拟合程度极好。

表3 主成分分析解释总方差

表4 主成分得分系数成分矩阵

通过表4可得到综合变量、与因变量的关系：

X1=0.961TP+1.156TG-2.079TU+0.924TF+1.678TE

(6)

X2=1.301TP-0.921TG+2.473TU-0.678TF-1.471TE

(7)

以因变量TY为被解释变量，X1、X2为解释变量，通过统计软件中的最小二乘法(OLS)进行回归，得到模型R2为0.959，估计的标准误差为0.010，t检验的Sig值为0，小于0.01，说明模型拟合较好。

表5 模型系数

根据表5可得到综合变量X1、X1与TY的关系式：

TY=0.834X1+0.502X2

(8)

将式(6)、(7)代入(8)中，可得：

TY=0.147TP+0.499TG-0.489TU+0.428TF+0.657TE

(9)

由式(9)可得土地利用碳排放量的驱动力因子计量经济模型：

Y=KP0.147G0.499U-0.489F-0.428E-0.657ε

(10)

由式(10)可知，影响城镇化进程中土地利用碳排放量的驱动因子GDP、城镇人口、第二产业产值、第三产业产值及城镇化水平对其弹性系数分别为0.147、0.499、-0.489、-0.428、-0.657。

通过弹性系数分析可知，GDP每增加1%时，土地利用碳排放量将增加0.147%；城镇人口每增加1%时，土地利用碳排放量将增加0.499%；第二产业产值每增加1%时，土地利用碳排放量将减少0.489%；第三产业产值每增加1%时，土地利用碳排放量将增加0.428%；城镇化水平每增加1%水平时，土地利用碳排放量将增加0.657%。以上结果表明，在城镇化进程中，GDP、城镇人口、第三产业产值、城镇化水平与土地利用碳排放量呈正相关关系，其弹性系数从大到小依次为城镇化水平、城镇人口、第三产业产值、GDP,而第二产业产值与土地利用碳排放量增长却呈现负相关。

3 结论与建议

(1)该研究依据土地利用碳排放测算方法，对池州市土地利用碳排放进行定量测算和分析，并基于环境压力随机模型对驱动机制进行剖析，得到以下研究结论：①城镇化进程中GDP、城镇人口、第三产业产值及城镇化水平每增加1%时，土地利用碳排放将增加0.147%、0.499%、0.428%、0.657%，当第二产业产值每增加1%时，土地利用碳排放量将减少0.489%。②由于城镇人口规模递增，导致对非农业建设用地需求量不断增加，致使能源消费及土地利用碳排放量不断增加，城镇化进程中土地利用碳排放量呈增长态势。③在城镇化进程中通过经济转型发展，积极推行低碳排放的生产、生活方式，整体提升了工业化、城镇化进程中的低碳水平。

(2)城镇化水平、城镇人口、第三产业产值是安徽省池州市城镇化进程中影响土地利用碳排放量的主要驱动力因子，其中，GDP的影响程度最小，城镇化水平对土地利用碳排放的影响程度最大，而第二产业产值与土地利用碳排放增长呈负相关关系。这一方面是由于近年来池州市积极融入皖江示范区，特别是自2010年年初国家批准皖江城市带承接产业转移示范区规划以来，池州市积极抓住这一发展机遇，通过实施农业人口转移市民化，大力推进城镇化进程，城镇人口不断增加，城镇化水平也逐年提升，导致对建设用地的需求量不断增加，进而直接影响土地利用碳排放量；第三产业产值对土地利用碳排放量的影响较为显著的原因是近年来房地产业、交通等较高耗能行业产值在第三产业中所占比重较大，从而整体提高了其贡献度。另一方面，近年来池州市积极执行国家及安徽省出台的转变经济增长方式、大力发展低碳经济和绿色环保城市等有关政策，加大调整池州市主城区工业产业结构，积极发展战略性新兴产业、现代服务业等低碳产业，大力推行节能减排政策，促使第二产业产值与土地利用碳排放量增长呈负相关关系。

(3)鉴于上述结论，笔者提出以下政策建议：①进一步确立“发展低碳城市”和“建设生态池州”的发展理念，继续对现有产业结构进行调整，大力发展绿色低碳产业。②大力发展低碳经济、循环经济，继续推进节能减排和资源综合利用。③充分发挥第三轮土地利用总体规划的“龙头”作用，严格控制城镇建设用地规模，降低建设用地碳排放。④大力推进生态文明建设，确保全市林地、牧草地面积稳中有增，努力增加碳汇。

[1] 中国城市低碳经济网.威胁人类生存的十大环境问题[EB/OL].(2013-01-14)[2016-09-05].http://www.cusdn.org.cn/news_detail.php?id=240835.

[2] 石洪昕.四川省广元市土地利用变化的碳排放效应研究：基于STIRPAT模型[D].杨凌:西北农林科技大学,2012.

[3] 郑欣,程久苗,郑硕.基于土地利用结构变化的芜湖市碳排放及其影响因素研究[J].水土保持研究,2012,19(3):259-262.

[4] 张勇,张乐勤,包婷婷.安徽省城市化进程中的碳排放影响因素研究[J].长江流域资源与环境,2014,23(4):512-517.

[5]CANADELLJG.Landuseeffectsonterrestrialcarbonsourcesandsinks[J].ScienceinChina：SeriesC,2002,45(S1):1-9.

[6]LALR.Soilcarbondynamicsincroplandandrangeland[J].Environmentalpollution,2002,116(3):353-362.

[7]CAMPBELLCA,ZENTNERRP,LIANGBC,etal.OrganicCaccumulationinsoilover30yearsinsemiaridsouthwesternSackatchewan:Effectofcroprotationsandfertilizers[J].Canadianjournalofsoilscience,2000,80(1):179-192.

[8] 杜官印.建设用地对碳排放的影响关系研究[J].中国土地科学,2010,24(5):32-36.

[9] 赖力.中国土地利用的碳排放效应研究[D].南京:南京大学,2010.

[10] 蓝家程,傅瓦利,袁波,等.重庆市不同土地利用碳排放及碳足迹分析[J].水土保持学报,2012,26(1):146-150.

[11] 张兰,刘友兆,郑华伟.江苏省土地承载碳排放及其脱钩效应分析[J].资源科学,2012,34(6):1108-1118.

[12] 孙贤斌.安徽省会经济圈土地利用变化的碳排放效益[J].自然资源学报,2012,27(3):394-401.

[13]LIDDLEB,LUNGS.Age-structure,urbanization，andclimatechangeindevelopedcountries：RevisitingSTIRPATfordisaggregatedpopulationandconsumption-relatedenvironmentalimpacts[J].Population&environment,2010,31(5):317-343.

[14]MARTNEZ-ZARZOSOI,MARUOTTIA.TheimpactofurbanizationonCO2emissions：Evidencefromdevelopingcountries[J].Ecologicaleconomics,2011,70:1344-1353.

[15] 王建增.碳排放增长的驱动因素:城市化与经济发展[J].统计与决策, 2012(6):139-140.

[16] 王亚菲.城市化对资源消耗和污染排放的影响分析[J].城市发展研究，2011,18(3):53-57.

[17] 池州市统计局.池州统计年鉴：2001-2011[M].池州:安徽省快马印务有限公司,2002-2011.

[18]CAIZC，KANGGD,TSURUTAH,etal.EstimateofCH4emissionsfromyear-roundfloodedricefieldduringricegrowingseasoninChina[J].Pedosphere,2005,15(1):66-71.

[19] 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].农业工程学报,2008,24(S2):102-107.

[20] 孙贤斌,傅先兰,倪建华,等.安徽省会经济圈碳排放强度与生态补偿研究[J].地域研究与开发,2012,31(1):135-138.

[21] 方精云,郭兆迪,朴世龙,等.1981～2000年中国陆地植被碳汇的估算[J].中国科学(D辑),2007,37(6):804-812.

[22] 何勇，姜允迪，丹利，等.中国气候、陆地生态系统碳循环研究[M].北京:气象出版社,2006.

[23] 苏雅丽,张艳芳.陕西省土地利用变化的碳排放效益研究[J].水土保持学报,2011,25(1):152-156.

[24] 游和远,吴次芳.土地利用的碳排放效率及其低碳优化:基于能源消耗的视角[J].自然资源学报,2010,25(11):1875-1886.

[25] 肖红艳,袁兴中,李波,等.土地利用变化碳排放效应研究：以重庆市为例[J].重庆师范大学学报(自然科学版),2012,29(1):38-42.

[26]CHERTOWMR.TheIPATequationanditsvariants:Changingviewsoftechnologyandenvironmentalimpact[J].Journalofindustrialecology, 2000, 4(4):13-29.

[27]YORKR,ROSAEA,DIETZT.Ariftinmodernity?AssessingtheanthropogenicsourcesofglobalclimatechangewiththeSTIRPATmodel[J].Internationaljournalofsociologyandsocialpolicy, 2003,23(10): 31-51.

[28] 宋晓晖,张裕芬,汪艺梅,等.基于IPAT扩展模型分析人口因素对碳排放的影响[J].环境科学研究, 2012,25(1):109-115.

[29] 张乐勤,李荣富,陈素平,等.安徽省1995年—2009年能源消费碳排放驱动因子分析及趋势预测:基于STIRPAT模型[J].资源科学,2012,34(2):316-327.

[30] 卢娜,曲福田,冯淑怡,等.基于STIRPAT模型的能源消费碳足迹变化及影响因素:以江苏省苏锡常地区为例[J].自然资源学报, 2011,26(5):814-824.

[31] 张乐勤,陈素平,王文琴,等.基于STIRPAT模型的安徽省池州市建设用地扩展驱动因子测度[J].地理科学进展, 2012,31(9):1235-1242.

[32] 李春华,李宁,石岳.基于STIRPAT模型的长沙市耕地面积变化驱动因素分析[J].中国农学通报, 2010,26(3):258-263.

[33] 丁唯佳,吴先华,孙宁,等.基于STIRPAT模型的我国制造业碳排放影响因素研究[J].数理统计与管理, 2012,31(3):499-506.

Driving Mechanisms of Land Use Carbon Emissions in the Urbanization Process of Chizhou City

WANG Sheng-ping

(Feidong County Land Resources Bureau, Hefei, Anhui 230000)

According to the measurement method of land use carbon emissions, the carbon emissions of the main land use types were calculated, including cultivated land, woodland, grassland and land for construction of Chizhou City in Anhui Province.Then based on the STIRPAT model, the driving mechanisms of land use carbon emissions were analyzed.The results are as followings.First, in the process of urbanization, every 1% increase no matter in the GDP, the urban population, the tertiary industry output value, the urbanization level is achieved at a cost of the increase of land use carbon emission.And the ratios are 0.147%, 0.499%, 0.428% and0.657% respectively.On the other hand, every 1% increase the second industry output value is companioned by an 0.489% decrease in land use carbon emission.Second, energy consumption and land use carbon emissions continue to increase in Chizhou City.Third, vigorously develop the green low carbon industry, actively promote low carbon production and way of life to enhance the level of low carbon.Last but not the least, several suggestions were put forward to provide the references for the realization of the goals of low-carbon economy and urbanization sustainable development of Chizhou City in Anhui Province.

Urbanization; Land use; Carbon emissions; Driving mechanisms; STIRPAT model

王圣萍(1975- )，女，安徽合肥人，工程师，从事土地规划、土地整治工作。

2016-09-13

S 181;F 062.2

A

0517-6611(2016)36-0122-04