甘肃省土地利用碳排放的时序特征及影响因素

摘要：以甘肃省为研究区，在测算甘肃省2000—2020年土地利用碳排放量的基础上，采用Tapio脱钩模型和LMDI模型分析土地利用碳排放影响因素。结果表明，2000—2020年，甘肃省土地利用碳排放的贡献值为3 755.78万t，但是增长率呈明显的下降趋势。土地利用碳排放与经济发展间呈弱脱钩状态，虽然经济发展导致的土地利用碳排放量不断增加，但这种增速要低于经济增长的速度，且脱钩指数持续下降，逐渐接近于强脱钩状态。经济发展是造成甘肃省土地利用碳排放增加的主要原因，土地利用结构对其产生负向影响，而土地碳排放密度、经济发展、能源利用和人口规模则对其产生正向影响。

关键词：土地利用；碳排放；Tapio脱钩分析；时序特征；LMDI模型；甘肃省

中图分类号：F301.2；X321 文献标识码：A

文章编号：0439-8114（2024）09-0068-05

DOI：10.14088/j.cnki.issn0439-8114.2024.09.012 开放科学（资源服务）标识码（OSID）：

Temporal characteristics and influencing factors of carbon emissions from land use

in Gansu Province

ZHANG Yuan-yuan， QU Li-ping

（School of Public Administration，China University of Geosciences（Wuhan），Wuhan 430074，China）

Abstract： Taking Gansu Province as the research area， based on the calculation of land use carbon emissions in Gansu Province from 2000 to 2020， the Tapio decoupling model and LMDI model were used to analyze the influencing factors of land use carbon emissions. The results showed that from 2000 to 2020， the contribution value of land use carbon emissions in Gansu Province was 37.557 8 million tons， but the growth rate showed a significant downward trend. There was a weak decoupling between carbon emissions from land use and economic development，although the carbon emissions from land use caused by economic development continued to increase， this growth rate was slower than the economic growth rate， and the decoupling index continued to decline， gradually approaching a strong decoupling state.Economic development was the main reason for the increase in carbon emissions from land use in Gansu Province. Land use structure had a negative impact on it， while land carbon emissions density， economic development， energy utilization， and population size had a positive impact.

Key words： land use； carbon emissions； Tapio decoupling analysis； temporal characteristics； LMDI model； Gansu Province

实现碳达峰与碳中和已成为全球备受关注的热点问题。中国在2020年的联合国大会（General assembly of the united nations）期间向全球宣布了达成“双碳”计划的目标，并将其融入到国家的全面环境保护战略。中国快速发展的同时引发了土地利用的深刻转型，形成了复杂的空间格局，城市碳效应深受其影响。在过去的50余年，中国土地利用变化所导致的碳排放量相对世界平均水平而言偏高。对于土地利用碳排放的影响，存在众多未被揭示的因素和一定的复杂性。人类不当的土地利用影响不同土地类型之间的碳平衡，进而导致土地碳汇功能的下降甚至可能改变其碳汇功能，从而使得它作为一个碳源持续产生碳排放。

当前，国内外学者针对土地利用碳排放问题开展了广泛而深入的研究。在土地利用碳排放核算方面，已有研究集中在陆地生态系统法［1-3］、能源消费法［4-6］和碳排放系数法等方面。

由于对核算及样本的要求相对简单，碳排放系数法被广泛应用于国内土地利用碳排放的测算中，主要包括直接和间接2种方式。学者运用直接碳排放系数法对农业用地的碳排放量进行计算，以得出相应的碳排放量或固碳量［7］。间接碳排放系数法则是生产和能源消耗量乘以相应碳排放因子或系数，从而得出相应的碳排放量［8，9］。总的来说，采用碳排放系数法对直接和间接碳排放量进行全面核算，适用范围更广。目前，国内外学者在分析碳排放影响因素时，选取的因素及研究方法多样，主要有地理加权回归、LMDI分解模型、STIRPAT模型等［10-12］。单位GDP、人口规模等对土地利用碳排放有正效应［13-16］。综合来看，国内外学者聚焦于经济发展、城镇化进程、产业结构、人口规模等方面，对土地利用碳排放关注不是很充分。国内研究区域多为东部、中部经济发达省份，对甘肃省土地利用碳排放研究相对较少。

随着西部生态安全屏障及“一带一路”的提出与建设，对甘肃省区域经济发展提出新的要求，依赖当地资源禀赋的发展模式以及由此带来的碳排放增加问题亟需解决。本研究基于土地利用、社会经济等数据，核算甘肃省的碳排放量，识别碳排放影响因素，对甘肃省碳减排的规划落实和绿色低碳转型发展有一定的实践意义。

1 研究区概况与方法

1.1 研究区概况及数据来源

甘肃省位于中国西北地区（92°13′—108°46′E，32°11′—42°57′N）， 辖12个地级市和2个自治州，总面积为42.58万km2，2021年末，甘肃省生产总值为10 243亿元，总人口为2 490.02万人，城镇化水平为53.33%。

本研究采用的数据主要是土地利用数据和社会经济数据。土地利用数据通过中国科学院资源环境科学数据中心获取2000年、2005年、2010年、2015年和2020年5期数据；社会经济发展数据和能源消费数据主要来源于2000—2020年《甘肃省统计年鉴》《中国能源统计年鉴》等。

1.2 研究方法

1.2.1 土地利用碳排放核算方法 土地利用碳排放的核算主要涵盖土地利用的直接碳排放和间接碳排放两方面。其中，耕地、林地、草地、水域和未利用地的碳排放量采用直接碳排放核算法，建设用地碳排放采用间接碳排放核算法，计算公式如下。

[C=CG+CL+CC+CS+CJ+CW] （1）

式中，[C]表示土地利用过程中的碳排放量；[CG]、[CL]、[CC]、[CS]、[CJ]、[CW]分别表示耕地、林地、草地、水域、建设用地和未利用地的碳排放量。根据碳排放系数法，分别对各地类的碳排放进行核算，最后进行汇总得到最终结果，计算公式如下。

[Cz=ei=Si×？i] （2）

式中，[Cz]表示直接的碳排放量；[ei]表示各土地类型产生的碳排放量；[Si]表示各土地类型的面积；[？i]表示各土地类型的碳排放系数。

学者对土地利用碳排放系数进行深入分析和探讨，本研究在考虑甘肃省的实际情况后，确定不同地类的碳排放系数［17，18］，如表1所示。

表1 甘肃省不同土地类型的碳排放系数

[土地类型 碳排放系数 耕地 0.049 2 林地 -0.058 0 草地 -0.002 2 水域 -0.025 8 其他用地  -0.000 8 ]

在建设用地碳排放核算中，采用间接系数法，即将人类在日常生活和生产过程中消耗的不同能源转化为标准煤计量，再乘以相应的碳排放因子，最后进行累加得到总的碳排放量，计算公式如下。

[Cj=i=110miθiμi] （3）

式中，[Cj]表示间接的碳排放量；[mi]表示第i能源的消耗量；[θi]为第i能源的标准煤换算系数；[μi]为第i能源的碳排放系数，以标准煤计。表2列出各种能源的标准煤换算系数和碳排放系数。

1.2.2 土地利用碳排放脱钩分析 本研究采用Tapio脱钩模型［19］，通过对脱钩指数和脱钩强度关系进行分析，确定其脱钩程度，计算公式如下。

[TE=MCME=ΔC/C0ΔG/G0] （4）

式中，[TE]表示脱钩指数；MC表示土地利用碳排放变化率；ME表示GDP变化率；[ΔC]、[ΔG]分别表示一段时期内土地利用碳排放量和GDP；[C0]、[G0]分别表示初期土地利用碳排放量和GDP。脱钩状态划分标准如图1所示。

在这几种发展阶段下，最优的状态是强脱钩状态，该状态可以促进经济的快速发展，同时对环境造成的压力较小，最差的状态是强负脱钩状态，此时尽管没有追求经济的增长甚至经济处于倒退阶段，其对环境造成的污染仍在不断上升，其他状态均处于这两种状态之间。

1.2.3 土地利用碳排放影响因素分解模型 Tapio脱钩模型仅评估碳排放与经济增长的脱钩关系，但对其存在关系的根本原因并未深入探究。因此，本研究选取一定的模型进一步探讨土地利用碳排放增长的影响因子。本研究主要针对土地碳排放密度、土地利用结构、经济发展、能源利用、人口规模多个因素进行深入分析，采用LMDI模型进行分解。

Kaya恒等式与LMDI模型是常用的因素分解方法，本研究选择5个指标来建立Kaya恒等式，计算公式如下。

[LC=i6CiLi×LiG×GE×EP×P] （5）

[fi=CiLi; li=LiG; g=GE;e=EP;p=P] （6）

式中，LC表示总碳排放量；[Ci]表示第i种土地的碳排放量；[Li]表示第i种土地的面积；G表示地区生产总值；E表示能源消耗量；P表示人口数量；[fi]表示土地碳排放密度；[li]表示土地利用结构；[g]表示经济发展；[e]表示能源利用；p表示人口规模。

在建立Kaya等式后，应用LMDI模型进行分解，考察5个指标对碳排放和总脱钩弹性的影响。0～t时期碳排放变化量[Δ]C的LMDI加法分解式如下。

[ΔC=Ct-C0=ΔCfi+ΔCli+ΔCg+ΔCe+ΔCp] （7）

式中，[Ct]表示目标年的碳排放量；[C0]表示初始年的碳排放量。

根据上述描述，可以将影响碳排放的因素分解为加法模式，从而得出它们的影响程度，计算公式如下。

[Δfi=i=16Ct-C0lnCt-lnC0ln（ftif0i）] （8）

[Δli=i=16Ct-C0lnCt-lnC0ln（ltil0i）] （9）

[Δg=i=16Ct-C0lnCt-lnC0ln（gtg0）] （10）

[Δe=i=16Ct-C0lnCt-lnC0ln（ete0）] （11）

[Δp=i=16Ct-C0lnCt-lnC0ln（ptp0）] （12）

2 结果与分析

2.1 土地利用碳排放特征分析

根据核算模型对甘肃省2000—2020年的土地利用碳排放量进行计算，结果如表3所示。2000—2020年，甘肃省土地利用碳排放量呈明显上升趋势，但其增长率呈减少趋势。在总碳排放中，建设用地的碳排放量占比从2000年的87.87%上升至2020年的95.08%，耕地的碳排放量占比从2000年的12.13%减少至2020年的4.92%。

在整个研究期间，林地的碳吸收占比为82.17%～82.50%，建设用地的碳排放占比为87.87%～95.08%，建设用地的碳排放速度超过林地的碳吸收速度。建设用地所产生的碳排放主要来源于生产和运输环节，其中生产环0d5f823bfea4d8f5e05f2f53a94c2a2a69994bf57ddb47e25d77043a568102f5节的碳排放最多。

2.2 土地利用碳排放脱钩分析

基于经济发展数据和本研究核算的土地利用碳排放数据，对经济和碳排放之间的脱钩指数进行测算。由表4可知，2000—2020年，甘肃省不同时期经济发展与土地利用碳排放量均处于弱脱钩状态。在此时期，甘肃省的碳排放量得到有效控制，通过对产业及能源结构的调整转变发展方式，以减少土地利用所产生的碳排放。特别是自2007年起，中国政府为应对全球范围的气候变化制定一系列针对气候变化的措施和方案。碳减排政策和规划的相继推出，有效减缓了二氧化碳排放的速度，从而逐步达到弱脱钩的状态。脱钩状态由弱脱钩向强脱钩转移，这说明甘肃省的低碳经济发展已经取得一定成效，社会进步也朝着更加绿色健康的方向前进。尽管甘肃省的土地碳排放增速呈下降趋势，但其总体增速仍较高，尚未达到碳排放峰值。因此，必须采取一定措施促进甘肃省早日达到强脱钩状态。

2.3 土地利用碳排放影响因素分解结果

以2000年为基期，对土地碳排放密度、土地利用结构、经济发展、能源利用和人口规模5个因子进行分析，以探究它们对甘肃省土地碳排放变化的累积贡献值，结果如表5所示。

2000—2020年，甘肃省土地利用碳排放受不同因素的影响，土地利用碳排放量的贡献值为3 755.78万t，其中土地利用结构对其产生负向影响，而土地碳排放密度、经济发展、能源利用和人口规模则对其产生正向影响。土地利用导致的碳排放增加，主要源于经济发展因素，其次是能源利用因素。

由于甘肃省土地利用碳排放的影响因素在不同时期存在差异，因此需要对不同时期的影响因素进行深入分析。

1）经济发展。经济发展因素是最大的驱动因素，2000—2020年甘肃省经济发展的碳排放量增长了5 075.78万t。2000—2005年，城市化发展初期，经济发展水平不高，经济发展的碳排放受经济发展因素影响较小；2005—2010年经济增速高于碳排放增速且土地利用碳排放在经济发展中所占比重逐年上升；2005—2010年达到最高水平；2015年后，经济发展速度减缓，总体上经济发展影响呈弱化态势。从变动趋势来看，甘肃省的经济发展与碳排放相伴而生，经济结构还有调整空间。

2）土地碳排放密度。2000—2020年，土地碳排放密度因素的影响作用在减少，贡献值较低，为1 612.00万t，政策制定者正在积极寻求降低碳排放的方法。

3）土地利用结构。土地利用结构对土地利用碳排放产生负向影响，土地利用结构对甘肃省土地利用碳排放增长的抑制作用在逐步减弱。

4）能源利用。2000—2020年，能源利用因素的贡献值达4 232.02万t，对甘肃省土地利用碳排放起主导作用，并在2010—2015年达到峰值。作为能源大省，甘肃省近年来不断降低能源利用，通过淘汰落后技术、大力发展非化石能源等措施，能源效率显著提高，但节能形势仍然十分严峻。

5）人口规模。2000—2020年，人口规模因素对碳排放的影响较小，其对碳排放的促进作用呈增加趋势，并在2010—2015年达到峰值。由于甘肃省10年间人口持续流出，导致人口因素对土地利用碳排放的影响有限。

3 小结与建议

3.1 小结

本研究从低碳土地利用的角度出发，以甘肃省为研究对象，开展土地利用碳排放影响因素的分析，探索甘肃省未来低碳土地利用模式的发展。

1）基于甘肃省土地利用变化的研究，计算土地利用的碳排放量并探讨其时序变化特征。2000—2020年，甘肃省土地利用碳排放的贡献值为3 755.78万t，但是增长率呈明显的下降趋势。

2）通过Tapio脱钩分析模型探究甘肃省土地利用碳排放和经济发展之间的关系，结果表明，2000—2020年，土地利用碳排放与经济发展间呈弱脱钩状态。在这个阶段，虽然经济发展导致的土地利用碳排放量不断增加，但这种增速要低于经济增长的速度，且脱钩指数持续下降，逐渐接近于强脱钩状态。

3）通过LMDI因素分解模型量化影响碳排放的各因素，结果表明，经济发展是造成甘肃省土地利用碳排放增加的主要原因，土地利用结构对其产生负向影响，而土地碳排放密度、经济发展、能源利用和人口规模则对其产生正向影响。

3.2 建议

甘肃省要实现“双碳”目标，应该多措并举、统筹兼顾，建议如下。

1）优化土地利用结构与方式。不同的土地利用方式对碳排放产生不同的效果。在土地利用过程中加强对林草资源的保护，提升碳汇能力，从而减轻碳排放对环境造成的压力。在城市发展进程中，应严控建设用地扩张，不断提高建设用地利用效率。

2）优化经济发展结构。2000—2020年，第二产业在生产过程中所消耗的能源以及碳排放量明显高于其他产业。今后需要调整产业发展结构，同时推进能源消费结构的优化和升级，稳步推动社会经济的发展。

3）调整能源结构。提升能源利用效率和减少能源消耗强度是减少碳排放的有力手段。能源结构中要优先采用清洁可再生能源，降低化石燃料消费比重。随着社会进步和人们生活质量的提高，居民对能源需求也在持续上涨。因此，需要加大节能教育宣传力度，不断增强公众的低碳意识，并推动实施低碳消费模式。

参考文献：

［1］ ZHAO J， CHEN Y， JI G， et al. Residential carbon dioxide emissions at the urban scale for county-level cities in China：A comparative study of nighttime light data［J］. Journal of cleaner production， 2018， 180： 198-209.

［2］ 彭文甫， 周介铭， 徐新良， 等. 成都平原及其周边区域土地利用碳排放效应及空间格局［J］. 生态科学， 2017， 36（3）： 105-114.

［3］ LEIJA-LOREDO E G， PAVóN N P， SáNCHEZ-GONZáLEZ A， et al. Land cover change and carbon stores in a tropical montane cloud forest in the Sierra Madre Oriental， Mexico［J］. Journal of mountain science， 2018， 15（10）： 2136-2147.

［4］ CAMPOS C P D， MUYLAER M S， ROSA L P. Historical CO2 emission and concentrations due to land use change of croplands and pastures by country［J］. Science of total environment，2005，346（1）：149-155.

［5］ FRANK A B， LIEBIG M A， HANSON J D. Soil carbon dioxide fluxes in northern semiarid grasslands［J］. Soil biology and biochemistry， 2002， 34： 1235-1241.

［6］ BALDOCCHI D D. Assessing the eddy covariance technique for evaluating carbon dioxide exchange rates of ecosystems： Past， present and future［J］.Global change biology， 2003， 9：479-492.

［7］ 赵先超， 牛亚文， 肖 杰， 等. 基于土地利用变化的岳阳市碳排放时空格局研究［J］. 湖南工业大学学报，2022，36（1）： 10-19，2.

［8］ 杨皓然， 吴 群.不同政策方案下的南京市土地利用碳排放动态模拟［J］.地域研究与开发，2021，40（3）：121-126.

［9］ 马 远， 刘真真. 黄河流域土地利用碳排放的时空演变及影响因素研究［J］. 生态经济， 2021， 37（7）： 35-43.

［10］ 邓灵颖，李红波. 武汉城市圈土地利用碳排放时空演变及驱动因素［J］. 水土保持研究， 2024， 31（1） ：345-353.

［11］ 李玉玲， 李世平， 祁静静. 陕西省土地利用碳排放影响因素及脱钩效应分析［J］. 水土保持研究， 2018， 25（1）： 382-390.

［12］ 冯 杰，王 涛. 中国土地利用碳排放演变与影响因素分析［J］. 软科学， 2016， 30（5）： 87-90.

［13］ 张俊峰， 张安录， 董 捷. 武汉城市圈土地利用碳排放效应分析及因素分解研究［J］. 长江流域资源与环境，2014，23（5）： 595-602.

［14］ 阿如旱，牡 丹，苏德苏日古格， 等. 内蒙古多伦县土地利用碳排放及其影响因素分析［J］. 干旱区资源与环境，2019，33（4）： 17-22.

［15］ 黄 鑫，邢秀为，程文仕.土地利用碳排放与 GDP 含金量的脱钩关系及驱动因素［J］.地域研究与开发，2020，39（3）：156-161.

［16］ 李 键， 毛德华， 蒋子良， 等. 长株潭城市群土地利用碳排放因素分解及脱钩效应研究［J］. 生态经济， 2019， 35（8）： 28-34，66.

［17］ 刘魏魏，王效科，逯 非，等.全球森林生态系统碳储量、固碳能力估算及其区域特征［J］.应用生态学报，2015，26（9）：2881-2890.

［18］ 付 超， 于贵瑞， 方华军， 等. 中国区域土地利用/覆被变化对陆地碳收支的影响［J］. 地理科学进展， 2012， 31（1）： 88-96.

［19］ TAPIO P. Towards a theory of decoupling： Degrees of decoupling in the eu and the case of road traffic in finland between 1970 and 2001［J］. Transport policy， 2005， 12（2）：137-151.

收稿日期：2024-05-30

基金项目：国家自然科学基金面上项目（42071254）

作者简介：张园园（1996-），女，山西太原人，硕士，主要从事土地调查与评价研究，（电话）15536524260（电子信箱）1134112639@qq.com；通信作者，渠丽萍（1973-），女，山西晋中人，副教授，主要从事土地利用与国土空间规划研究，（电话）18602765272（电子信箱）lp_qu@163.com。

张园园，渠丽萍. 甘肃省土地利用碳排放的时序特征及影响因素［J］. 湖北农业科学，2024，63（9）：68-72．