基于土地利用变化的南昌市碳排放效应分析

袁壮壮，叶长盛，李辉丹

(东华理工大学地球科学学院，中国 南昌 330013)

20世纪70年代以来，全球碳循环受到社会各界的关注，尤其是导致全球变暖和碳排放增加的人类活动[1,2]。近年来我国社会经济快速发展，对土地利用方式产生了深刻影响，引起碳排放总量不断攀升，一系列环境问题日益严重，已成为政府、社会、学者关注的重点问题。土地利用碳排放效应指受人类社会和自然活动影响的土地向大气中释放产生碳的过程、活动和机制[3]。土地利用活动产生的碳排放量仅次于化石能源燃烧，是导致碳排放增加和气候变暖的主要原因之一[4]。建设用地变化是导致土地利用类型变化碳排放量增加的主要原因[5]，对净碳排放量的边际贡献高达3.99%，土地利用已经成为碳循环的主要表现方式[6,7]。深入分析碳排放与土地利用变化的内在联系，为提出有效的节能减排措施和制定区域差别化的碳排放政策以及建设低碳城市具有重要的理论和现实意义[8]。

目前国内外学者对土地利用变化引起的碳排放效应已经开展了广泛的研究，主要包括以下3个方面：(1)计算某一区域不同土地利用方式产生的碳排放量，主要通过IPCC温室气体清单方法[9,10]和相关碳排放系数，对不同区域的碳排放量进行核算进一步探讨不同土地利用方式产生的碳排放量的时空差异[11,12]，碳排放和碳汇的主要来源分别是建设用地和林地、耕地[13,14]；(2)土地利用碳排放的影响因素及驱动机制、机理研究方面，主要采用多因素分析法[15,16]、LMDI模型[17,18]、STIRPAT模型[19]和Laspeyres指数法[20]等方法，得出三次产业结构[15,20]、能源结构和效率[17,18]、人口规模[17,18]、经济水平[17,18]、全社会固定产业投资额[19]、技术进步[20]等是造成土地利用碳排放量增加的主要因素；(3)部分学者采用时间序列数据和面板数据对碳排放量进行未来情景模拟与趋势预测，计算出不同情境下碳排放量，提出基于碳排放效应的土地利用结构优化方案[21-23]。以上学者的研究成果丰富了土地利用碳排放研究的内容，为以后的相关研究奠定了坚实基础，具有科学的参考价值。但是，现有的研究主要集中在不同土地利用类型碳排放量测算及时序变化分析上，而对空间格局研究较少，尤其是在低碳城市的碳排放效应的时空变化研究较匮乏。南昌市作为全国发展低碳经济试点的省会城市之一，随着中部崛起等国家战略的实施，社会经济快速发展，土地利用结构显著变化，碳排放迅速增加。鉴于此，本文通过碳足迹压力指数、土地利用碳排放风险指数等方法定量分析土地利用变化引起的碳排放量，探讨南昌市碳排放量的时空差异及碳排放效应，为其土地资源持续利用和建设低碳城市提供参考依据。

1 研究区概况与数据来源

1.1 研究区概况

南昌市位于东经115°27′～116°35′，北纬28°09′～29°11′，是全省政治、经济、文化、科技、交通中心和鄱阳湖生态经济区核心城市。到2017年底，全市总面积743 218.34 hm2，全市城镇人口294.55万人，户籍人口城镇化率为55.38%，相比于2000年，地区生产总值增加了10倍，达到了4 819.76亿元，第一、二和三产业比重由10.9∶45.8∶43.3调整为3.8∶52.2∶44.0。2017年工业比值为38.00%，相比去年略有下降，但能源生产和消费分别增加了5.24%和4.22%，能源生产和消费弹性系数分别达到0.58和0.47，与2000年相比，原煤增加了1 582.73×104t，洗精煤增加了7 715.81×104t，其他洗煤增加了49.52×104t，焦炭增加了95.84×104t，汽油增加了0.89×104t，柴油增加了1.93×104t，煤油减少了0.14×104t，燃料油减少了2.57×104t。经济的快速发展和建设用地的快速扩张，导致南昌市土地利用结构发生显著变化，能源消费不断加大，碳排放量增加迅速，城市环境压力明显增大，土地利用变化的碳排放效应分析具有一定的典型性和代表性。

1.2 数据来源

土地利用原始数据来源于2000，2005，2010和2017年Landsat TM/ETM+遥感影像，空间分辨率为30 m×30 m，在ENVI 4.3软件中通过辐射校正、几何校正、图像配准和人工解译等处理后得到4个年份的土地利用现状图。基于研究需要，根据全国土地二级分类系统[24]，采用一级类，将土地利用类型分为6类，即耕地、林地、草地、水域、建设用地和未利用土地，并通过将外业调查和随机抽取动态图斑进行重复判读分析相结合的方法评价分类精度，通过分类误差及Kappa系数检验，总体精度均达到85%以上，达到研究所需数据精度要求。能源数据、社会经济数据主要来源于《江西省统计年鉴(2001—2018年)》、《南昌市统计年鉴(2001—2018年)》和南昌市国民经济与社会发展统计公报。

2 研究方法

2.1 碳排放量计算

基于已有研究，本文将土地利用碳排放量计算分为两种：直接碳排放量和间接碳排放量。对耕地、园地、林地、草地、水域用地和未利用地5种非建设用地根据碳排放系数直接估算碳排放量，而建设用地的碳排放量，主要通过各种能源消耗产生的碳排放量来间接计算。

2.1.1 直接碳排放量计算 借鉴已有研究成果，计算公式如下

Ek=∑ei=∑Ti×δi，

式中：Ek表示直接碳排放量；i表示土地类型，i=1,2,3,4和5分别对应耕地、园地、林地、草地、水域用地和未利用地；ei表示第i种类型土地产生的碳排放量；Ti表示第i种类型土地的面积；δi表示第i种类型土地的碳排放(吸收)系数。其中直接碳排放系数详见表1。

表1 南昌市非建设用地碳排放系数表

2.1.2 间接碳排量计算 本文根据数据的可获取性，选取原煤、洗精煤、其他洗煤、焦炭、汽油、煤油、柴油、燃料油等8种能源。各区县的能源消费量数据采用该区县GDP和南昌市GDP比值来间接测算，计算公式如下[30]

式中：Et表示化石能源终端消费产生的碳排放总量；Eti表示第i类化石能源终端消费的碳排放量；Eni表示各类化石能源终端消耗量；θi表示各类化石能源的折算标准煤系数；fi表示各类能源的碳排放系数。其中折标准煤系数来自《中国能源统计年鉴》(2016)，碳排放系数根据《IPCC国家温室气体清单指南》的碳含量缺省值转换而来。具体如表2所示。

表2 南昌市能源碳排放系数表

2.2 碳足迹压力指数

本文通过碳足迹压力指数间接反映人类社会和经济活动对区域生态系统的影响，其表示土地利用碳源与碳汇之比[11]，计算方法如下

Cp=Cm/Cs，

式中：Cp为碳足迹压力指数，Cm为不同土地利用方式的碳源，Cs为不同的土地利用方式的碳汇。

2.3 土地利用碳排放风险指数

为了对土地利用产生的碳排放风险有更加清晰的认识，本文利用土地利用碳排放风险指数对其进行测度。其计算公式如下[31]

式中：CRI表示碳排放风险指数，Ai表示第i种土地利用类型面积，A表示区域土地总面积，Pi表示第i种土地利用类型碳排放系数。

2.4 灰色理论关联度分析

由于土地利用类型与碳排放之间数据量较少，二者之间信息相对缺乏，选取灰色系统理论来进行关联度的测算。测算模型如下[32]。

将研究区内各类地类面积作为子序列，则进行假设q个分析区域包含w个原始子序列：

{x1(0)(q),x2(0)(q),…,xw(0)(q)}。

将研究区域内不同土地利用类型的碳排放量作为母序列，则进行假设q个分析区域有z个原始母系列：

{y1(0)(q),y1(0)(q),…,yz(0)(q)}。

对以上两个系列分别进行均值化处理，将数列中各值分别与数列均值相除，消除数据量纲，分别得到一个全新的数列。

将每个比较数据列与参考数据列进行绝对差值计算，计算公式为Δm(q)=|yi(0)(q)-xi(0)(q)|。

比较数据列对参考数据列在k点上的关联系数则是指两者在第k个点上的相对差值，计算公式为

α∈(0，∞)称为分辨系数，α的一般取值范围为(0,1)，本文研究中取α=0.546 3。将比较数据列与参考数据列关联系数的平均值称为关联度。计算公式如下

3 计算结果及分析

3.1 土地利用变化分析

2000—2017年南昌市土地利用类型变化显著，建设用地面积呈增加趋势，其他地类均呈减少趋势(表3)。根据土地利用变化重要性指数[33]计算结果，建设用地和耕地是南昌市土地利用变化的主要类型，其中建设用地增幅达到138.87%，指数高达0.50；耕地减少了25 309.71 hm2，变化幅度较小，但由于基数大，指数达到了0.30；草地和未利用地变化幅度较大，分别为19.17%和14.22%，指数仅为0.02和0.06；林地和水域面积变化幅度不大，指数较小。

表3 南昌市2000—2017年土地利用变化表

通过土地利用类型转移矩阵(表4)，可以发现南昌市土地利用变化呈现“一转多”的整体特征。其中：耕地年均减少2 518.82 hm2，减少量最大，是水域和建设用地的主要转入者；水域减少了15 600.08 hm2，是耕地和未利用地的主要转入者；草地减少量较少，年均减少139.67 hm2，是林地的主要转出者；耕地和林地是建设用地的主要转出者，年均增加2 625.14 hm2；水域和建设用地是耕地主要转出者；未利用地是水域的主要转出者。从整体上看，随着经济社会的快速发展，建设用地扩张迅速，需求急剧增加，占用耕地和林地面积，导致南昌市面临的碳减排压力日益加大。

表4 南昌市2000—2017年土地利用转移矩阵 单位：hm2

3.2 土地利用变化碳排放效应分析

3.2.1 土地利用变化碳排放效应时间变化分析 南昌市土地利用净碳排放量总体呈增加趋势(表5)，由2000年的1 799.00×104t增加到2017年4 080.77×104t，其中碳源增加了2 281.92×104t，年均增加134.23×104t，碳汇增加了0.54×104t。建设用地对碳源的贡献量最大，历年占比都接近100%；林地对碳汇贡献量最大，水域次之，草地最小，林地碳汇历年占比都超过70%。从3个时间段可以看出，年均碳排放增加量呈减少趋势，由2000—2005年均增加277.67×104t到2010—2017年均增加25.01×104t。南昌市“十一五”期间主导产业为第二产业，“十二五”期间调整为二、三产业并重，产业结构由2005年的5.5∶56.7∶37.8调整为4.3∶54.5∶41.2；“十三五”期间要求将产业实力建立在先进制造业和现代服务业上，按照“一核两重”产业发展总战略，即新型工业化为核心，重点发展现代服务业、重点发展现代农业，产业结构进一步优化为3.5∶49∶47.5，大都市型“三、二、一”格局演绎不断加快，朝着信息化、低碳化方向发展，以致增加量有所减少。

表5 南昌市2000—2017年土地利用类型碳排放量 单位：104t

2000—2017年南昌市净碳排放量一直处于不断增长状态，碳源逐年增加，碳汇能力呈逐年下降趋势，导致南昌市碳足迹压力指数和碳排放风险指数呈同步上升趋势(表6)，城市碳排放问题和环境压力日益严重。碳足迹压力指数从2000年的165.88上升到2017年的394.61，年均增加13.46，且Cp>1；碳排放风险系数由2000年的0.04上升到2017年的0.07，17年间建设用地增加了2 488.43 hm2，其他地类呈减少态势，这引起建设用地能源消费碳排放量持续增加，林地、草地以及水域的碳汇能力下降，南昌市整体碳排放量大于碳汇量，处于不均衡状态，生态环境压力大。但2000—2010年碳足迹压力指数上升，2010—2017年碳足迹压力指数下降，这表明尽管南昌市碳排放量不断增加，面临的生态压力挑战不断增强，但在2010年7月国家发改委应对气候变化司下发《关于开展低碳省区和低碳城市试点工作的通知》中，南昌市成为全国第一批低碳试点地区，成为全国唯一发展低碳试点的省会城市，此后政府全面推进低碳发展战略，采取各种政策措施打造低碳城市，南昌市生态环境压力得到一定程度的缓解。从各区县看，由于经济社会发展状况的不同，碳足迹压力指数和碳排放风险指数也具有一定差异性，其中青山湖区、东湖区、西湖区和青云谱区作为南昌市中心城区，经济活动规模较大，2017年占南昌市54.2%，碳足迹压力指数和碳排放风险指数远大于其余区县，整体上略微浮动，总体上呈增加趋势；南昌县碳足迹压力指数和碳排放风险系数呈增加趋势；其余三县碳足迹压力指数在2010年前呈增加趋势，2010年后开始下降，碳排放风险指数变化略有差异，进贤县呈平稳性增加趋势，安义县整体变化不大，新建县表现出显著增加趋势。

表6 南昌市碳足迹压力指数和碳排放风险指数表

3.2.2 土地利用变化碳排放效应空间变化分析 南昌市不同时期的碳排放量的空间差异明显，各区县由于经济发展水平和自然环境因素存在差异，碳排放量空间分布亦存在较大差异(图1)。南昌市碳排放量呈现中间高四周低的特点，具有明显的“圈层递减”特征。高碳排放主要集中在南昌市中部，低碳排放主要分布在西北方向的湾里区和安义县，南部、西南部和东南部地区的碳排放量相对较大。其中西北方向的湾里区和安义县以平原丘陵为主，森林覆盖率高，碳汇能力较强，整体碳排放量相对较小；中部平原地区的东湖区、西湖区、青云谱区、青山湖区和南昌县近年来经济发展迅速，建设用地扩展迅速，整体以碳排放为主，成为南昌市主要的碳源；位于北部、西南和东南部的地区，近年来产业结构不断调整，第二、三产业发展迅速，碳排放能力日渐增强。

图1 2000—2017年碳排放量点密度分布图

随着南昌市碳排放量的快速增加，城市碳风险压力日益增加，空间分布与碳排放量具有一致性(图2)。高碳排放风险相对稳定，主要分布在中部地区，西北、东南方向碳排放风险较低。其中2000和2005年，由于经济发展和城市扩张速度较慢，碳排放风险整体较小，青山湖区、东湖区、西湖区、青云谱区和南昌县碳排放风险较大，安义县、新建县和进贤县碳排放风险较低；2010和2017年，由于经济快速发展和城市化水平的不断提高，建设用地面积增幅远大于其他地类，导致城市碳风险强度明显增加，整体碳排放风险较大，西北、东南方向的安义县、新建县和进贤县碳排放风险增强。

图2 2000—2017年碳排放风险点密度分布图

3.3 土地利用结构和碳排放灰色关联度分析

为进一步探索南昌市碳排放效应与土地利用结构的内在关联，采用灰色关联度计算得到南昌市的土地利用结构与碳排放量的灰色关联度图(图3)，结果表明研究期间内，不同年份各土地类型与碳排放量关联度系数差异明显，整体处于波动状态，具有一致性，且以2005年为拐点，表现出先增后缓的走势；碳源为主的地类与碳排放的关联系数的变化幅度大于碳汇为主地类，这表明南昌市积极响应国家“十一五”规划提出的节能减排政策，转变经济发展方式，调整产业结构，生态经济不断发展，成为推动经济发展的新增长极。其中建设用地与碳排放量平均关联度最大，达到0.81，说明建设用地对碳排放数量的影响最大。17年间南昌市GDP增加了4 568.09亿元，由此带来城市人口和面积的不断增加，进一步加剧了作为城市碳源的主要贡献者的建设用地需求，导致碳排放量逐年增加，给南昌市的社会发展带来了极大的困扰，在今后的土地结构优化中，要加强对建设用地的调整。其次，林地、耕地、水域和未利用地的平均关联度相近，草地的平均关联度最小，相关性一般，但仍要加强对耕地和林地的保护，严格控制建设用地占用作为主要碳源的林地面积。

图3 南昌市土地利用结构和碳排放量的关联度图

从各区县看(图4)，青云谱区的土地利用类型与碳排放量的平均关联度明显高于南昌市平均水平，其中建设用地平均关联系数高达0.90，其次是水域、耕地和草地，这主要是由于青云谱区地处赣抚平原腹地，地势平坦，与全市两县三区接壤，是南昌市“银三心”繁荣板块之一，经济发展水平较高，碳源能力较强。进贤县土地利用类型与碳排放量的平均关联度低于南昌市平均水平，建设用地关联度最大为0.75，草地关联度最小为0.39，主要与进贤县多丘陵，且第一产业比重比较大有关。青山湖区除未利用地外的其他类型土地与碳排放的关联度均高于南昌市平均水平，其中建设用地关联度最大为0.87，未利用地关联度最小为0.56。西湖区建设用地关联度最大，未利用地关联度最小且低于南昌市平均水平。湾里区、南昌县整体关联度较低。东湖区水域关联度高于南昌市平均水平，耕地和林地关联度低于南昌市平均水平，建设用地关联度与南昌市平均水平持平。新建县、安义县耕地、林地、水域、建设用用地和未利用地与碳排放的关联度均低于南昌市平均水平，草地与碳排放的关联度分别为0.61和0.66高于南昌市的平均水平。

注：图中1,2,3,4,5和6分别代表耕地、林地、草地、水域、建设用地和未利用地。

南昌市及各区县建设用地与碳排放的关联度最大，其中2000—2017年南昌市平均关联度高达0.81，各区县中青云谱区建设用地平均关联度最大，高达0.90，由此可见建设用地对南昌市碳排放影响最大，控制建设用地的扩张速度和规模，已成为当前政府和社会面临的迫切任务。

4 结论与讨论

本文对2000—2017年南昌市土地利用变化引起的碳排放效应进行了分析，通过碳足迹压力指数、土地利用碳排放风险指数和灰色关联度多个角度进行测度，具体结论如下：

(1)研究期间内，南昌市土地利用发生显著变化，建设用地面积呈增加趋势，其他地类均呈减少趋势；建设用地和耕地是土地利用变化的重要类型；土地利用变化呈现“一转多”的整体特征，耕地是最大的转出者，建设用地是最大的接受者。南昌市环境压力不断增大，减少碳排放量迫在眉睫。

(2)从时间上看，随着南昌市净碳排放量处于不断增长状态，南昌市整体碳足迹压力指数和碳排放风险指数呈同步上升趋势；各区县由于经济社会发展状况的不同，碳足迹压力指数和碳排放风险指数具有一定差异性。从空间上看，南昌市碳排放量呈现中间高四周低的特点，城市碳风险压力日益增加，空间分布与碳排放量具有一致性。

(3)南昌市不同年份各土地类型与碳排放量关联度系数差异明显，整体处于波动状态，具有一致性，且以2005年为拐点，表现出先增后缓的走势；碳源为主的地类与碳排放的关联系数的变化幅度大于碳汇为主地类。其中，建设用地对碳排放量平均关联度最大，林地、耕地、水域和未利用地的平均关联度相近，草地的平均关联度最小，相关性一般；各区县建设用地作为主要碳源与碳排放的关联度最大，林地和未利用地与碳排放的关联度相对较弱。

基于以上研究结论，结合南昌市的实际情况，本文从“减排增汇”两个方面，为南昌市建设低碳城市提出以下建议。在碳减排方面，作为碳排放增加主导地类的建设用地增幅高达138.87%，今后要严格控制其无序扩张，积极挖掘内部潜力；火力发电作为电力主要来源，2017年一次电力与火力比值为19:81，要逐步减少以煤炭为主的传统化石能源消耗，提高使用效率，并增加低碳绿色能源使用；研究期间第二产业比重增加了6.4，能源消费增加，未来需要优化产业结构，促进产业更新换代。在碳汇增加方面，林地作为主要碳汇来源，面积逐年减少，2017年森林覆盖率仅为23%，远低于江西省平均水平，未来需大力推动“植树造林”、“退耕还林”等工程，增加森林覆盖率，同时控制以鄱阳湖为代表的水域面积减少，提高城市碳汇能力。

目前，国内外对碳排放的核算技术标准已经初步达成一致，但关于碳排放系数还未形成统一认识。本文借鉴IPCC及有关学者的研究成果，碳排放系数多采用国家层面大尺度数据，估算的结果与实际存在一定误差，而不同区域土地利用变化对生态系统的影响具有空间差异性，因此符合南昌市实际状况的系数，有待进一步深入研究。但通过与已有研究进行比较，本文碳排放计算结果与相关研究在碳排放量的净变化趋势上基本保持一致，研究结果仍具有一定参考价值。同时，由于能源数据的可获取性，本文选取了8种能源数据，在今后的研究中应考虑更多的能源数据进行碳排放量核算。