基于灰色理论的陕西省土地利用变化及其碳排放研究

严 慈，侯兰功

(西南科技大学 土木工程与建筑学院， 四川 绵阳 621000)

碳排放作为社会经济发展的产物，是使得全球气温升高的重要原因[1]。党十九大报告明确提出，应加快生态文明体制改革，建立健全绿色低碳循环发展的现代化经济体系，努力形成人与自然和谐共生的新发展格局[2]。人类的各项活动对于土地碳循环的影响最直接，并且用地变化产生的二氧化碳量，仅次于化石燃料燃烧释放的二氧化碳量，是第二大温室气体排放源[3]。当下中国正处于城市化与工业化快速发展阶段，土地利用情况变化显著，对碳储存和碳排放产生了显著影响。因而对于不同土地利用方式下碳排放的效应进行研究，对于实现土地的低碳利用，促进区域经济与环境的协调发展，构建区域生态文明新格局具有重要的价值与意义。

2019年12月4日，“全球碳项目”发布的《2019年全球碳预算》中指出，2009—2018年土地利用变化的碳排放，其森林砍伐和其他土地变化产生的CO2净排放量平均为5.5±2.7 Gt，约占人类活动(化石燃料燃烧、工业、土地利用变化)排放总量的14%。2018年土地利用变化、化石燃料和工业排放的CO2总和达到42.1±2.8 Gt。当下土地利用对陆地碳循环的新成果表明在充分考虑土地利用的影响之下，原生生态系统的作用过去被高估了50%，土地利用变化对于碳源汇年际波动具有显著贡献。国内外学者对土地利用碳排放研究主要从以下方面展开：一是土地利用变化对于碳排放机制的研究[4-6]；二是对主要的碳源和碳汇进行研究[7-8]；三是对碳排放整体变化的研究[9-10]；四是建设用地的碳排放与碳排放总量之间的关系研究[11-12]；五是土地利用变化与碳排放关系的数理测度模型研究[13-14]；六是土地利用碳排放的核算方法研究[15-17]。现如今对于土地利用碳排放的研究已经逐渐丰富到各个层面，其相关研究已取得了丰硕的成果。陕西省作为中国首批低碳试点地区之一，健全绿色低碳发展势在必行。随着陕西省经济社会的快速发展，城镇化步伐的推进，土地利用类型变化显著。本文在当前低碳经济的背景下分析陕西省2008—2016年的土地利用数据，从能源消费的角度估算建设用地的碳排放量，并计算其它地类的碳排放量，运用碳排放计量模型对于土地利用碳排放效应进行研究，运用灰色理论模型，研究土地类型与碳排放二者之间的关联性并进行分析，预测未来年份的碳排放情况，以期可为陕西省低碳土地利用模式与生态文明格局的构建给予参考。

1 研究区概况

陕西省区域位于北纬31°42′～39°35′，东经105°29′～111°15′。地势南北高、中部低，西部高、东部低。北部为陕北黄土高原，中部为关中平原，南部为陕南秦巴山地，地貌类型较为丰富。全省纵跨黄河和长江两大流域，是新亚欧大陆桥和中国西北、西南、华北、华中地区间的重要门户。

陕西省土地总面积为2 056.24万km2，城镇化率由2006年的39.12%增长到2018年的58.13%，生产总值由2006年的4 743.61亿元增长到2018年的24 438.32亿元。当下随着陕西省经济和社会的不断发展，城镇化与工业化稳步推进，同时省域内土地利用类型发生了较大变动，继而使得区域内碳储存与排放产生影响。因此，本文选取陕西省作为研究区域，期望通过相关研究为区域内土地利用的协调与可持续发展给予参考。

2 资料来源和研究方法

2.1 资料来源

2006—2018年陕西省土地利用变化数据来自西安市国土资源局，2006—2018年陕西省能源消耗数据来源于国家统计局官方网站公布的数据。本文参考中国科学院的土地资源分类系统以及兼顾其他分类标准，对不同年份的土地利用数据进行分类和整理，以提高结果的准确性。对于土地，将其分为七种类型：耕地、园地、林地、牧草地、建设用地(城镇村及工矿用地、交通运输用地和水利设施用地)、水域用地、未利用地。

2.2 研究方法

2.2.1土地利用动态度分析方法

单一土地利用类型动态度指在特定时期、某类用地的数量变化，其可直接反映出土地利用速度的变化情况，其公式为：

(1)

式中：K为时间内单一土地利用类型动态度；T为研究时间内时间间隔，单位为a；Ua为某土地类型于研究早期面积；Ub为某土地类型于研究末期面积。K负值表示研究时间段内，土地面积减少的动态度；K正值表示研究时间段内，土地面积增加的动态度。

2.2.2不同用地类型的碳排放估算方法

土地碳排放分为直接与间接排放。直接排放为用地类型转换与维持这两种方式所产生的排放量；间接排放主要指人类在不同用地之上的活动所产生的排放量。

对于耕地、园地、林地、牧草地、水域、未利用地这6种用地，其排放量采用直接排放法进行估算，公式为：

C=Si×Ei

(2)

式中：C为碳排放总量；Si为第i种用地类型对应的面积；Ei为第i种用地类型碳排放系数，其中碳排放(吸收)系数参考以往研究结果[18](见表1)。C负值代表碳吸收，C正值代表碳排放。

表1 土地利用类型的碳排放系数

根据《2006年国家温室气体排放指南》中碳排放估算公式(见式(3))，得出建设用地的碳排放。

(3)

式中：Ce为建设用地的总碳排放量；Bi为第i种能源消费量；Ei为第i种能源的碳排放系数；Di为第i种能源的折标准煤系数；N为能源类型数量；i为能源类型。本文选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油与天然气为主要能源，即N取8。因电力属二次能源，其碳排放从电力行业的化石能源消耗来计算，为免于重复计算，将电力的碳排放系数认为是0。各化石能源的碳排放系数和标准煤折煤系数分别参考IPCC 《国家温室气体排放清单指南》(2006年)、《中国能源统计年鉴》。

2.2.3土地利用碳排放风险分析

1) 碳排放风险指数

不同土地利用类型碳排放的生态风险指数，表明区域综合碳排放风险大小,公式为：

(4)

式中：CRI为土地利用碳排放风险指数；Si为第i类用地类型对应面积；S为区域总面积；Ki为第i类土地类型碳排放系数；i=1,2,3....,7。

2) 碳足迹压力指数

研究区域碳足迹压力指数，反映出人类社会活动对于区域生态环境的扰动影响，公式为：

(5)

式中：Ck为碳足迹压力指数；Cr为区域土地利用总碳源；Cn为区域土地利用总碳汇。当Ck≤1时，表明区域生态系统处于碳平衡稳定状态；当Ck>1时，表明区域生态系统处于碳平衡失调状态，区域碳循环生态系统压力过大。

2.2.4灰色关联度分析方法

灰色关联分析方法是研究系统内各重要要素间关联程度实证分析的一种方法。

1) 将参考序列记为X0(T)，比较序列记为Xi={Xi(T)|T=1,2,3,...,n}，i=1,2,3,...,m，通常将影响主研究对象的因素记为比较序列。

2) 各要素之间的关联度计算公式为：

(6)

Δi(T)=|X0(T)-Xi(T)|

(7)

式中：δ为分辨系数，一般取δ=0.5。

3) 求关联度的大小

比较序列Xi(T)与参考序列X0(T)的关联度为：

(8)

本文采用平均值。

4) 关联度大小排序

计算出的结果按大小进行排序，数值越大，表明其关联度越高，关系越密切。

2.2.5GM(1,1)灰色预测法

灰色预测GM(1,1)模型是对于数列的不断累加进而发现累加数列的规律，最后通过时间响应函数，由小数据精准预测。

灰色预测的过程为:

(9)

利用得出的累加数列X(1)，确定数据矩阵B和Y：

(10)

Y=[X(0)(2),X(0)(3),X(0)(4),X(0)(5)]T

(11)

使用最小二乘法，估量出参数列φ：

φ=[λμ]T=(BTB)-1BTY

(12)

建立GM(1,1)模型后，可以从方程中获得时间响应函数：

X(1)(t+1)=[X(0)(1)-μ/λ]e-λt+μ/λ

(13)

求得原始数据的还原值：

X(0)(t)=X(1)(t)-X(1)(t-1)

(14)

(15)

(16)

C=S2/S1

(17)

小误差概率为：

(18)

3 结果与分析

3.1 陕西省土地利用类型的变化

从表2可知土地利用动态变化情况。2006—2012年，未利用地的动态度最大为-11.74%，其次为水域用地，动态度为-4.35%。在这6年间，未利用地和水域用地的面积呈现出较大的减少趋势，表明陕西省对于土地的开发、利用强度增强。2012—2018年，建设用地的动态度最大为1.07%，其次为园地，动态度为-0.34%。在这6年间，随着城市化步伐的加快，各种建设活动稳步推进，导致建设用地动态变化为最大。2006—2018年，未利用地的动态度最大为-5.87%，其次为水域用地，动态度为-2.09%，再次为建设用地，动态度为1.99%。表明在这12年间，陕西省对于土地的开发、利用强度增强，同时城镇化率由2006年的39.12%增长到2018年的58.13%，其建设强度不断增强。

表2 土地利用动态度

2006—2018年，在这12年间，林地是增量最大的地类，增加了82万hm2，其次是建设用地增加21.5万hm2，再次是园地面积增加11.2万hm2;未利用地是减少最多的地类，减少了79.6万hm2，其次为牧草地，减少20.1万hm2，水域用地和耕地面积分别减少了9.3万hm2、7.5万hm2(图1)。

图1 2006—2018年土地利用状况

3.2 陕西省不同用地碳排放量计算

根据2006—2018年的土地利用数据，运用式(2)～(3)，计算出各类用地的碳排放或吸收量。

由表3可知，陕西省的净碳排放总量呈增长态势。从2006年的5 395.43万t增长到2018年的13 365.79万t。其中建设用地为主要碳源，林地为主要碳汇。2006—2018年建设用地碳排放量从5 891.10万t增长到13 912.24万t；耕地碳排放量由171.27万t降低至16 808万t；林地碳吸收量由666.32万t增加到719.14万t。自2012年以来，碳排放量的增长速率有所下降。随着经济社会的快速发展，城市的扩张以及能源的大量消耗使得碳排放量逐年增加。林地面积的增加，以及树木生长吸收二氧化碳能力的不短增强使得碳吸收量逐年增加。

表3 主要年份土地利用碳排放指标值

3.3 土地利用类型碳排放风险分析

碳排放是使得生态系统遭受破坏的原因之一，其导致生态系统结构与功能的破坏，危及区域生态系统的安全，甚至于危害全球生态系统。运用式(4)计算陕西省土地类型的碳排放风险指数，研究区域碳排放风险大小。由图2可知，陕西省碳排放风险指数呈现出先增长后减少的态势，在2012年风险值最大，线性趋势预测表明未来几年陕西省碳排放的风险指数会持续升高，2016年与2018年风险指数小于线性预测值，表明陕西省在发展的同时实行节能减排的政策已得到相应成果。

图2 2006-2018年陕西省土地利用碳排放风险指数变化

3.4 土地利用类型碳排放压力分析

碳排放量作为一种干扰因素，其影响生态系统的平衡稳定。运用式(5)计算陕西省土地类型的碳排放压力指数，研究区域碳排放压力大小。由图3可知，陕西省2006—2018年碳排放压力指数均大于1，其碳排放大于碳吸收，说明该区域生态系统处于碳平衡失调状态。通过线性趋势预测可知，陕西省碳排放压力指数未来将会持续升高。2016年其碳排放压力指数小于预测值，与陕西省实行“退耕还林”政策，碳汇效应增加有关。从总的趋势来看，其压力指数持续增高，2014年到2016年增长速率降低，表明陕西省在城市发展的同时，实行节能减排、优化能源结构、促进产业转换升级已取得相应成果，由于社会经济的不断发展，碳排放压力指数可能会有小幅增长。

图3 2006-2018年陕西省土地利用碳排放压力指数变化

3.5 陕西省土地利用与碳排放灰色关联分析

为了更有效地分析用地类型与碳排放的相关程度，本文运用灰色关联分析方法，对七种用地类型与净碳排放量进行分析(见表4)。

表4 用地类型与净碳排放量关联度

通过计算得知，七种土地类型与净碳排放量之间的关联系数均大于0.5，表明二者存在线性关系。选取的七种地类对碳排放影响的主次程度为：林地>耕地>牧草地>建设用地>园地=未利用地>水域用地。由于林地能够增加土层和植物生命体的碳存储量，其作为碳汇的主要来源，与陕西省的碳排放关联度最高，对土地利用碳减排的贡献率最大。碳排放与农用地中的耕地关联度最高，表明耕地是农用地碳排放最大的碳源。牧草地作为碳汇来源，其与碳排放有较高的关联度。同时，碳排放与建设用地有较高的相关性。交通运输用地上承载着高燃耗的汽车尾气排放，随着交通用地面积的不断扩张、交通承载力扩大，高燃耗带来的高排放必然造成碳排放增加。城镇村及工矿用地承载着人们日常生活取暖所需以及工业用地上进行工业化发展所需的各种燃料燃烧。随着人口的增长和工业化的发展，对能源的需求量与日俱增，居民点及工矿用地毋庸置疑地成为碳排放增加的重要源头。

3.6 土地利用碳排放预测

根据GM(1,1)模型求解过程，测试灰度预测方差比c和小误差概率P的准确性。c和P都在允许范围之内(P=1，c<0.35)，满足精度等级要求，可以建立GM(1,1)模型，通过时间响应函数：

X(K+1)=-3287784e-0.00330479K+3294585

(19)

对2020—2030年陕西省碳排放总量进行预测。

由表5可知，通过GM(1,1)灰色预测，2020年，碳排放总量约达到10 668.30万t，2030年，约达到10 492.20万t，未来碳排放有减少的趋向。这说明陕西省高度重视节能减排工作，严格按照土地利用总体规划，合理集约利用土地，限制建设用地无序扩张，以减少建设用地能源消耗所产生的碳源，实施退耕还林和植树造林以增加碳汇。

表5 碳排放预测

4 结论与建议

1) 2006—2018年陕西省的土地利用类型，未利用地动态度最大为-5.87%；其次为水域用地为-2.09%；再次为建设用地，动态度为1.99%。2006—2018年，陕西省林地、建设用地、园地面积有所增加，以林地和建设用地的增加最多，其与陕西省践行退耕还林政策、经济快速发展与城市快速扩张有关；未利用地和牧草地面积减少，表明其他用地类型对于未利用地和牧草地有不同程度的占用。

2) 2006—2018年陕西省碳排放总量由5 395.43万t增长到13 365.79万t。在陕西省的碳排放中，林地是主要碳汇，建设用地是主要碳源，林地的碳吸收量从666.32万t增加到719.14万t，建设用地产生的碳排放从5 891.10万t增长到13 912.24万t。随着陕西省近年来城市的扩张、第二产业快速发展、能源的大量消耗使得碳排放量逐年增加。林地面积增加以及树木生长吸收二氧化碳的能力不断增强，碳吸收量逐年增加。

3) 陕西省2006—2018年碳排放风险指数和压力指数均处于增长态势。碳排放风险指数于2012达到最大值，后呈减小的态势。碳排放压力指数在2006—2014年持续增长，2014年到2018年增长速率降低，表明实行的节能减排，优化能源结构的政策，使得碳排放压力指数增幅减少。

4) 运用灰色关联理论，进行碳排放指标和土地利用指标的关联度分析，发现陕西省的用地类型与碳排放之间存在线性相关关系，影响程度分别为林地>耕地>牧草地>建设用地>园地=未利用地>水域用地。进行GM(1,1)预测，到2020年，碳排放总量约达到10 668.30万t，2030年，碳排放总量约达到10 492.20万t，未来碳排放量呈现出减少的趋势。

土地利用对于碳排放有重要的影响。在经济社会结构改革和转型的关键时期，针对陕西省碳排放的实际情况，为实现土地资源低碳可持续发展提出如下相关建议。

1) 优化土地利用结构，控制建设用地规模扩张，提高土地节约集约利用强度，减少碳源。与此同时，提高森林与牧草的覆盖率，促进其他用地向林地、草地转换，增加碳汇。

2) 建设用地作为陕西省最主要的碳源，除了对于建设用地扩张进行控制之外，还需将能源消费量控制在资源环境可承载的范围之内，优化产业结构，促进产业的转换升级。

3) 耕地作为陕西省第二大碳源，应大力发展绿色农业，着力提升土壤碳储存的能力。土地利用变化的碳排放量与区域生态系统影响是一个复杂的过程。当下在计算建设用地碳排放时，仅考虑化石能源的碳排放，未能对于农村生物质能燃烧的碳排放给予考虑。当下的研究不能充分的解释这个过程，因而未来将结合遥感数据与实测数据，以求更精确地测算出研究区域的碳排放能力。