方 林，李燦鋒，李浩杰，劉艷曉

（1.安徽農(nóng)業(yè)大學(xué)公共管理系, 安徽 合肥 230036；2.中國(guó)地質(zhì)調(diào)查局昆明自然資源綜合調(diào)查中心.云南 昆明 650100；3.華中農(nóng)業(yè)大學(xué)公共管理系, 湖北 武漢 430070；4.東北師范大學(xué)人文地理系, 吉林 長(zhǎng)春 130024）

2030 年和2060 年分別實(shí)現(xiàn)“碳達(dá)峰”和“碳中和”目標(biāo)是我國(guó)應(yīng)對(duì)氣候變化做出的莊嚴(yán)承諾，同時(shí)也是針對(duì)中華民族自身永續(xù)發(fā)展做出的重大戰(zhàn)略部署[1-2]。土地作為承載人類(lèi)生活和生產(chǎn)活動(dòng)的核心場(chǎng)所和空間，是人類(lèi)活動(dòng)與自然生態(tài)系統(tǒng)交互的紐帶[3]。已有研究表明土地利用變化是引起陸地生態(tài)系統(tǒng)碳排放變化的重要因素之一[4-5]，在全球陸地生態(tài)系統(tǒng)碳循環(huán)中發(fā)揮著重要作用[6-7]?；谕恋乩靡暯欠治鎏寂欧艜r(shí)空演變規(guī)律及驅(qū)動(dòng)因素對(duì)于低碳國(guó)土空間規(guī)劃體系構(gòu)建、區(qū)域碳排放治理及支撐雙碳戰(zhàn)略的實(shí)施具有重要意義。

碳排放核算是相關(guān)研究的基礎(chǔ)[8]，土地利用碳排放的研究方法包括實(shí)測(cè)法、模型估算法[9]、排放系數(shù)法[10]、遙感估算法等[11]，不同方法各有優(yōu)劣，相對(duì)而言排放系數(shù)法由于估算簡(jiǎn)單、適用范圍廣，得到了廣泛使用及驗(yàn)證。在土地利用碳排放核算的基礎(chǔ)上，相關(guān)學(xué)者圍繞碳排放效率[12]、碳排放強(qiáng)度[13]及碳排放足跡[14]等方面展開(kāi)研究，并基于“3S”技術(shù)就不同尺度及不同視角下的土地利用碳排放的時(shí)空規(guī)律進(jìn)行拓展分析[15]，其研究尺度涵蓋宏觀、微觀，研究視角覆蓋碳排放時(shí)空差異[16]、空間收斂[17]、空間關(guān)聯(lián)[18]等方向。近年來(lái)，在雙碳戰(zhàn)略的背景下，相關(guān)學(xué)者圍繞土地利用碳排放的峰值預(yù)測(cè)[19]、低碳視角下的土地利用結(jié)構(gòu)優(yōu)化[20]、土地利用碳排放與社會(huì)經(jīng)濟(jì)發(fā)展關(guān)系演進(jìn)[21-22]等方面展開(kāi)研究。然而，關(guān)于土地利用碳排放驅(qū)動(dòng)因素綜合性研究相對(duì)較少，且研究方法上多采用LDMI 分解法(logarithmic mean divisia index, LDMI)[23]、STIRPAT 模型(stochastic impacts by regression on population, affluence, and technology, STIRPAT)[24-25]、灰色關(guān)聯(lián)度模型[26]等傳統(tǒng)計(jì)量方法，較少考慮到影響因子的空間差異及不同驅(qū)動(dòng)因素對(duì)于土地利用碳排放空間分異的交互作用。

長(zhǎng)江經(jīng)濟(jì)帶橫跨中國(guó)的東中西部地區(qū)，是中國(guó)經(jīng)濟(jì)最活躍、開(kāi)放水平最高、人口最稠密的區(qū)域之一，為經(jīng)濟(jì)上行與生態(tài)下行的矛盾交互帶。長(zhǎng)江經(jīng)濟(jì)帶上中下游地區(qū)的土地利用、生態(tài)建設(shè)與經(jīng)濟(jì)發(fā)展具有高度的互補(bǔ)性和潛在的合作需求[3]。鑒于此，本研究在前人研究的基礎(chǔ)上構(gòu)建長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放估算模型，運(yùn)用空間自相關(guān)模型對(duì)域內(nèi)土地利用碳排放的時(shí)空演變規(guī)律展開(kāi)系統(tǒng)分析，并綜合采用秩相關(guān)分析及地理探測(cè)器對(duì)造成長(zhǎng)江經(jīng)濟(jì)帶及其內(nèi)部不同地區(qū)土地利用碳排放空間分異的驅(qū)動(dòng)因素進(jìn)行梳理，以期為區(qū)域土地管理及碳排放治理提供技術(shù)支撐和理論依據(jù)。

1 研究區(qū)域

長(zhǎng)江經(jīng)濟(jì)帶以長(zhǎng)江黃金水道為軸線(xiàn)，橫貫中國(guó)的東中西部地區(qū)，覆蓋滬、蘇、浙、皖、鄂、贛、湘、渝、川、云、貴11 個(gè)省(市) (圖1)。2018 年，區(qū)域人口總量6 億左右，占國(guó)內(nèi)總?cè)丝诘?2%；區(qū)域經(jīng)濟(jì)總量達(dá)40 萬(wàn)億元左右，占同年全國(guó)國(guó)內(nèi)生產(chǎn)總值的44%。此外長(zhǎng)江經(jīng)濟(jì)帶整體位于亞熱帶季風(fēng)區(qū)內(nèi)，雨熱充足，年均氣溫為16.5 ℃，年均降水量為1 200 mm，是人類(lèi)活動(dòng)密集、經(jīng)濟(jì)發(fā)展顯著且生態(tài)地位突出的核心區(qū)域之一，以此為研究對(duì)象，對(duì)于區(qū)域乃至全國(guó)碳排放治理具有重要意義。

圖1 長(zhǎng)江經(jīng)濟(jì)帶區(qū)位示意圖Figure 1 Location of Yangtze River Economic Belt

2 研究方法與數(shù)據(jù)來(lái)源

2.1 研究方法

2.1.1 土地利用碳排放估算

土地利用碳排放估算包括直接碳排放估算和間接碳排放估算兩種類(lèi)型[27]。直接碳排放是指人類(lèi)在直接利用土地過(guò)程中所產(chǎn)生的碳排放，間接碳排放是指土地所承載的人為碳源排放，主要指能源消耗所引起的碳排放。本研究參考馮杰等[28]、馮杰和王濤[29]、彭文甫等[30]的研究成果，將耕地、林地、草地、水域及未利用地采用直接碳排放估算，建設(shè)用地采用間接碳排放估算，使用不同區(qū)域的能源消耗來(lái)替代。其中耕地兼具碳排放及碳吸收兩種作用，但多數(shù)研究認(rèn)為耕地的碳匯作用較弱[31-33]，因此本研究將耕地、建設(shè)用地視為碳源地，產(chǎn)生碳排放，而林地、草地、水域及未利用地視為碳匯地，起碳吸收作用。

在碳排放系數(shù)確認(rèn)方面，考慮到研究區(qū)分布較廣，為保證研究結(jié)果的準(zhǔn)確性，本研究參考已有研究成果[34-36]，按照行政區(qū)劃將長(zhǎng)江經(jīng)濟(jì)帶劃分為上、中、下游區(qū)域，其中上游區(qū)域包括云南、貴州、四川、重慶；中游包括湖南、湖北、江西；下游包括安徽、江蘇、浙江、上海，并結(jié)合苑韶峰和唐奕鈺[34]針對(duì)長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放系數(shù)的修正數(shù)據(jù)(表1)，構(gòu)建長(zhǎng)江經(jīng)濟(jì)帶的土地利用碳排放估算模型：

表1 長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放系數(shù)Table 1 Carbon emission coefficient of land use in the Yangtze River Economic Belt

式中：C表示碳排放總量(t)；C1表示耕地、林地、草地、水域及未利用地的碳排放量(t)；C2表示建設(shè)用地的碳排放量(t)；A表示不同土地利用類(lèi)型的面積(hm2)；α表示不同土地利用類(lèi)型的碳排放系數(shù)(t·hm-2)；i表示C1中所包含的土地利用類(lèi)型；E表示能源消費(fèi)量(t 標(biāo)準(zhǔn)煤)；β表示標(biāo)準(zhǔn)煤排放系數(shù)(t·t-1)。

2.1.2 土地利用碳排放空間自相關(guān)分析

借助全局Moran 指數(shù)可以判斷長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放是否具有空間集聚特征，其中Moran 值介于[-1, 1]，Moran 值大于0，表示空間正向相關(guān)，值越高表明碳排放空間分布的相關(guān)性越強(qiáng)，空間集聚越明顯。反之Moran 指數(shù)小于0，表示空間負(fù)相關(guān)，越趨向-1，負(fù)相關(guān)性越顯著，空間的差異性越大。在此基礎(chǔ)上運(yùn)用局部空間自相關(guān)繪制LISA 聚類(lèi)圖，探究長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放集聚效應(yīng)的時(shí)空演變規(guī)律。本研究中空間自相關(guān)分析借助ArcGIS 10.2 軟件及GeoDa 1.18 軟件實(shí)現(xiàn)。具體演算公式參照方林等[37]的研究。

2.1.3 土地利用碳排放驅(qū)動(dòng)因素分析

相關(guān)性分析。采用相關(guān)性分析探討長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放與不同驅(qū)動(dòng)因子間的相關(guān)程度，考慮到本研究中部分?jǐn)?shù)據(jù)不滿(mǎn)足正態(tài)分布要求，故選擇Spearman 秩相關(guān)系數(shù)，該方法屬于非參數(shù)檢驗(yàn)，對(duì)變量的分布類(lèi)型沒(méi)有具體要求[38-39]。公式如下：

式 中：rs(i,j)為 秩 相 關(guān) 系 數(shù)，N為 總 樣 方 數(shù)，xij和xkj分別為第i和k因素在j樣方中多度值的秩。

地理探測(cè)器。地理探測(cè)器是探究事物空間分異特征及其驅(qū)動(dòng)因素的一種新型統(tǒng)計(jì)學(xué)方法[40]，相對(duì)于傳統(tǒng)計(jì)量方法，因子探測(cè)可以通過(guò)q值來(lái)度量單個(gè)因素對(duì)區(qū)域土地利用碳排放空間分異的驅(qū)動(dòng)力度，交互因子探測(cè)則可進(jìn)一步識(shí)別不同因素對(duì)區(qū)域土地利用碳排放空間分異的交互影響[41]。該模型在解釋空間分異和探討驅(qū)動(dòng)機(jī)制方面具有獨(dú)特優(yōu)勢(shì)，適用于從不同角度及深度探索造成長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放空間分異的驅(qū)動(dòng)因素。地理探測(cè)器模型表達(dá)式如下：

式中：q為影響因素對(duì)碳排放空間分異特征的解釋力度大小。h= 1，2，…，L，L為碳排放空間分異影響因素X的分類(lèi)或分區(qū)；Nh和N分別為層h和研究區(qū)樣本數(shù)；和δ2分別是層h和全區(qū)的Y值的方差。

2.2 指標(biāo)體系與數(shù)據(jù)來(lái)源

2.2.1 指 標(biāo)體系

本研究根據(jù)已有研究碳排放影響因素研究成果[42-44]及長(zhǎng)江經(jīng)濟(jì)帶實(shí)際情況，圍繞經(jīng)濟(jì)發(fā)展、技術(shù)進(jìn)步、環(huán)境規(guī)制、土地利用、人類(lèi)活動(dòng)等方面，構(gòu)建長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放驅(qū)動(dòng)因素指標(biāo)體系。指標(biāo)的選取遵循全面客觀的原則，有鑒于地理探測(cè)器模型“共線(xiàn)性免疫”的獨(dú)特優(yōu)勢(shì)，因此經(jīng)濟(jì)發(fā)展層面選取城市化率(urbanization rate, UR)、地區(qū)生產(chǎn)總值(regional gross domestic product)、產(chǎn)業(yè)結(jié)構(gòu)演進(jìn)指數(shù)(industrial structure evolution index, ISEI)[45]；技 術(shù)進(jìn)步層面選取綠色技術(shù)進(jìn)步指數(shù)(green technology progress index，GTPI)[46]；環(huán)境規(guī)制層面選擇環(huán)境規(guī)制 指 數(shù)(environmental regulation index, ERI)[47]；土地利用層面選取歸一化植被指數(shù)(normalized difference vegetation index, NDVI)表示植被覆蓋程度、土地利 用 程 度 綜 合 指 數(shù) (comprehensive index of land use degree, CILUD)[48-49]；人類(lèi)活動(dòng)層面選取人類(lèi)活動(dòng)指數(shù)(human activity index, HAI)[50]、人口密度(population density, PD)、人口數(shù)量(population size, PS)。相關(guān)變量含義及統(tǒng)計(jì)描述如表2 所列。

表2 長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放驅(qū)動(dòng)因素指標(biāo)體系Table 2 Index system of driving factors of land use carbon emissions in Yangtze River Economic Belt

2.2.2 數(shù) 據(jù)來(lái)源與處理

本研究選擇長(zhǎng)江經(jīng)濟(jì)帶為研究范圍，以長(zhǎng)江經(jīng)濟(jì)帶130 個(gè)地級(jí)市為基本研究單元。其中研究所需的1990-2018 年7 期土地利用數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(https://www.resdc.cn)，分辨率30 m × 30 m；歸一化植被指數(shù)(normalized difference vegetation index, NDVI)數(shù)據(jù)來(lái)源于2018 年中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(https://www.resdc.cn)，分辨率為1 km × 1 km；能源消耗數(shù)據(jù)來(lái)源于長(zhǎng)江經(jīng)濟(jì)帶各地級(jí)市統(tǒng)計(jì)年鑒、中國(guó)城市統(tǒng)計(jì)年鑒、中國(guó)能源統(tǒng)計(jì)年鑒，主要涵蓋130 個(gè)地級(jí)市，主要包括1990、1995、2000、2005、2010、2015、2018 年 的 數(shù)據(jù)，對(duì)于缺失的能源數(shù)據(jù)采用線(xiàn)性插值處理。城市化率、地區(qū)生產(chǎn)總值、產(chǎn)業(yè)結(jié)構(gòu)數(shù)據(jù)、廢水排放量、二氧化硫以及煙(粉)塵排放數(shù)據(jù)及人口數(shù)據(jù)來(lái)源于2018 年中國(guó)城市統(tǒng)計(jì)年鑒及各少數(shù)民族的國(guó)民經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)，對(duì)于部分缺失數(shù)據(jù)采用線(xiàn)性插值處理；綠色專(zhuān)利授權(quán)數(shù)量來(lái)源于綠色專(zhuān)利研 究 數(shù) 據(jù) 庫(kù)(green patent research database, GPRD，https://www.cnrds.com)。指標(biāo)體系數(shù)據(jù)通過(guò)ArcGIS 10.2 軟件進(jìn)行空間可視化處理，并按照K-means 聚類(lèi)法對(duì)指標(biāo)體系數(shù)據(jù)進(jìn)行離散化處理，作為輸入地理探測(cè)器的原始數(shù)據(jù)集。

3 結(jié)果與分析

3.1 長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放時(shí)序特征

1990-2018 年長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放整體上呈增加態(tài)勢(shì)，但2010 年后碳排放增勢(shì)趨緩，2000-2010 年為長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放高速增長(zhǎng)期(圖2)。長(zhǎng)江下游地區(qū)土地利用碳排放量占長(zhǎng)江經(jīng)濟(jì)帶總碳排放量的比例最大，但近年來(lái)長(zhǎng)江中游及上游地區(qū)土地利用碳排放量占比呈現(xiàn)上升趨勢(shì)。就1990-2018 年長(zhǎng)江經(jīng)濟(jì)帶的地均碳排放量而言，長(zhǎng)江下游地區(qū) > 長(zhǎng)江中游地區(qū) > 長(zhǎng)江上游地區(qū)。此外研究發(fā)現(xiàn)，長(zhǎng)江下游的人均碳排放量遠(yuǎn)高于長(zhǎng)江中上游地區(qū)；長(zhǎng)江經(jīng)濟(jì)帶內(nèi)部不同地區(qū)，單位國(guó)內(nèi)生產(chǎn)總值(Gross Domestic Product, GDP)碳排放量均呈減少趨勢(shì)，其中長(zhǎng)江下游地區(qū)的單位GDP 碳排放量相對(duì)較低。就碳源與碳匯結(jié)構(gòu)變化而言，耕地碳排放量整體呈減少趨勢(shì)，建設(shè)用地碳排放量逐年增加。作為主要碳匯地的林地、草地的碳吸收量并沒(méi)有顯著增加，盡管水域的碳吸收量有所增加，但其增長(zhǎng)難以抵消總體碳排放量的激增，故而長(zhǎng)江經(jīng)濟(jì)帶整體的碳排放量依然呈增長(zhǎng)趨勢(shì)。

圖2 長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放時(shí)序特征Figure 2 Temporal characteristics of carbon emissions from land use in the Yangtze River Economic Belt

3.2 長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放空間效應(yīng)分析

長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放呈現(xiàn)東高西低的空間分布格局，低值區(qū)主要分布在西部的橫斷山脈及川西高原附近，高值區(qū)主要分布于長(zhǎng)三角城市群、以武漢為代表的長(zhǎng)江中游城市群和以成都、重慶為代表的長(zhǎng)江上游城市群附近；1990-2018 年長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放的低值區(qū)逐漸收縮，高值區(qū)不斷擴(kuò)散(圖3)。

圖3 長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放空間分布格局Figure 3 Spatial distribution pattern of carbon emissions from land use in Yangtze River Economic Belt

1990-2018 年 長(zhǎng) 江 經(jīng) 濟(jì) 帶Moran’sI均 大 于0，且Z> 2.58，這表明長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放呈顯著的正向空間自相關(guān)關(guān)系(P= 0.000)，并具有明顯的空間集聚特征，但1990-2005 年長(zhǎng)江經(jīng)濟(jì)帶的Moran’sI呈增加趨勢(shì)，2010-2018 年長(zhǎng)江經(jīng)濟(jì)帶的Moran’sI呈減少趨勢(shì)，說(shuō)明長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放的空間集聚程度呈先增后減的變化趨勢(shì)(表3)。借助LISA 聚類(lèi)圖探究區(qū)域土地利用碳排放的局部空間自相關(guān)性，用以揭示長(zhǎng)江經(jīng)濟(jì)帶各地級(jí)市土地利用碳排放之間的具體關(guān)系(圖4)，其中高值集聚區(qū)主要集中在以上海、蘇州為代表的長(zhǎng)三角核心區(qū)，該地區(qū)城市化水平高，工業(yè)發(fā)展程度較高，土地利用碳排放量普遍較高，故而形成高值集聚區(qū)；西部橫斷山脈和川西高原地區(qū)城市化程度較低，經(jīng)濟(jì)發(fā)展滯后，人口稀疏且林草廣布，因此土地利用碳排放量普遍較低，故而形成碳排放的低值集聚區(qū)。就區(qū)域類(lèi)高值/低值集聚區(qū)在1990-2018 年的空間變化而言，高值集聚區(qū)變化不顯著，低值集聚區(qū)呈現(xiàn)減少趨勢(shì)，但仍主要分布在西部地區(qū)。

圖4 長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放LISA 聚類(lèi)圖Figure 4 LISA cluster diagram of carbon emissions from land use in Yangtze River Economic Belt

表3 長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放空間自相關(guān)分析Table 3 Spatial autocorrelation analysis of carbon emissions from land use in the Yangtze River Economic Belt

3.3 長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放驅(qū)動(dòng)因素

3.3.1 相 關(guān)性分析

采用Spearman 相關(guān)性分析方法，得到長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放與各驅(qū)動(dòng)因子的相關(guān)系數(shù)(表4)。就長(zhǎng)江經(jīng)濟(jì)帶整體而言，在95%的置信區(qū)間下，各驅(qū)動(dòng)因子均通過(guò)了顯著性檢驗(yàn)，其中人口密度PD(0.890)、城市化率UR (0.814)、人類(lèi)活動(dòng)指數(shù)HAI(0.764)、綠色技術(shù)進(jìn)步指數(shù)GTPI (0.717)、地區(qū)生產(chǎn)總值RGDP (0.687)、產(chǎn)業(yè)結(jié)構(gòu)演進(jìn)指數(shù)ISEI (0.489)、常住人口數(shù)量PS (0.375)與長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放呈現(xiàn)顯著的正向相關(guān)性(P＜ 0.05)。歸一化植被指數(shù)NDVI (-0.760)、土地利用綜合程度指數(shù)CILUD(-0.590)、環(huán)境規(guī)制指數(shù)ERI (-0.558)與長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放呈現(xiàn)顯著的負(fù)向相關(guān)性(P＜ 0.05)。

表4 長(zhǎng)江經(jīng)濟(jì)帶碳排放相關(guān)性分析結(jié)果Table 4 Results of carbon emission correlation analysis of Yangtze River Economic Belt

長(zhǎng)江經(jīng)濟(jì)帶上中下游不同地區(qū)的土地利用碳排放與驅(qū)動(dòng)因子間的相關(guān)性特征存在差異，其中城市化UR (0.889)、地區(qū)生產(chǎn)總值RGDP (0.793)、綠色技術(shù)進(jìn)步指數(shù)GTPI (0.769)與長(zhǎng)江下游地區(qū)碳排放存在較強(qiáng)的正向相關(guān)性，歸一化植被指數(shù)NDVI(-0.802)與長(zhǎng)江下游地區(qū)碳排放存在較強(qiáng)的負(fù)向相關(guān)性；長(zhǎng)江中游地區(qū)的人口密度PD (0.850)、城市化率UR (0.847)、人類(lèi)活動(dòng)指數(shù)HAI (0.778)與該地區(qū)碳排放存在較強(qiáng)的正向相關(guān)性，歸一化植被指數(shù)NDVI (-0.743)、土 地 利 用 程 度 綜 合 指 數(shù)CILUD(-0.675)與該地區(qū)碳排放存在明顯的負(fù)向相關(guān)性；人口密度PD (0.916)、人類(lèi)活動(dòng)指數(shù)HAI (0.832)、地區(qū)生產(chǎn)總值RGDP (0.751)、綠色技術(shù)生產(chǎn)總值GTPI(0.751)與長(zhǎng)江上游碳排放存在顯著的正向相關(guān)性(P＜ 0.05)，而土地利用程度綜合指數(shù)CILUD (-0.782)與長(zhǎng)江上游地區(qū)碳排放存在著較強(qiáng)的負(fù)向相關(guān)性。

3.3.2 地 理探測(cè)器分析

采用因子探測(cè)分析各驅(qū)動(dòng)因子分析長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放空間分異的影響強(qiáng)度(表5)。在95%置信區(qū)間下，各驅(qū)動(dòng)因子對(duì)長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放空間分異的解釋力度從大到小依次為地區(qū)生產(chǎn)總值RGDP (0.779) > 人口密度PD (0.745) >歸一化植被指數(shù)NDVI (0.682) > 城市化率UR (0.621) >綠色技術(shù)進(jìn)步指數(shù)GTPI (0.593) > 產(chǎn)業(yè)結(jié)構(gòu)演進(jìn)指數(shù)ISEI (0.577) > 常住人口PS (0.557) > 人類(lèi)活動(dòng)程度HAI (0.257) > 土地利用綜合程度指數(shù)CILUD(0.171) > 環(huán)境規(guī)制指數(shù)ERI (0.094)。

表5 長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放因子探測(cè)分析的q值Table 5 Detection and analysis of carbon emission factors of land use in Yangtze River Economic Belt

各驅(qū)動(dòng)因子對(duì)長(zhǎng)江經(jīng)濟(jì)帶不同地區(qū)土地利用碳排放空間分異的解釋力度存在差異，其中地區(qū)生產(chǎn)總值RGDP (0.854)、人口密度PD (0.748)、產(chǎn)業(yè)結(jié)構(gòu)演進(jìn)指數(shù)ISEI (0.729)、城市化率UR (0.692)對(duì)于長(zhǎng)江下游土地利用碳排放的空間分異解釋力度較強(qiáng)；人口密度PD (0.881)、城市化率UR (0.775)、地區(qū)生產(chǎn)總值RGDP (0.773)、結(jié)構(gòu)演進(jìn)指數(shù)ISEI (0.671)是長(zhǎng)江中游碳排放的空間分異的主要驅(qū)動(dòng)因子；人口密度PD (0.847)、地區(qū)生產(chǎn)總值RGDP (0.778)、城市化率UR (0.674)、人口規(guī)模PS (0.645)對(duì)長(zhǎng)江上游地區(qū)土地利用碳排放空間分異解釋力度較強(qiáng)?？傮w來(lái)看，環(huán)境規(guī)制ERI、土地利用程度綜合指數(shù)CILUD以及人類(lèi)活動(dòng)指數(shù)HAI 對(duì)于長(zhǎng)江經(jīng)濟(jì)帶不同地區(qū)碳排放空間分異的解釋力度普遍較低。

運(yùn)用交互探測(cè)分析不同驅(qū)動(dòng)因子間交互作用對(duì)于長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放的影響(圖5)。不同驅(qū)動(dòng)因子間交互作用普遍呈現(xiàn)較高水平，其中綠色技術(shù)進(jìn)步指數(shù)GTPI 與歸一化植被指數(shù)NDVI 之間的交互作用對(duì)于長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放空間分異的解釋力度最高，達(dá)0.931；產(chǎn)業(yè)結(jié)構(gòu)演進(jìn)指數(shù)ISEI與人類(lèi)活動(dòng)指數(shù)HAI 交互作用對(duì)于長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放空間分異的解釋力度次之，達(dá)0.927。盡管環(huán)境規(guī)制指數(shù)ERI、土地利用程度綜合指數(shù)CILUD、人類(lèi)活動(dòng)指數(shù)HAI 單獨(dú)作用于長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放空間分異的解釋力度較低，但與其他層面指標(biāo)因子的交互作用解釋力度普遍較強(qiáng)。就交互類(lèi)型而言，各因子間交互作用主要以雙因子增強(qiáng)為主，即交互解釋力度大于任意單因子的解釋力度；此外部分因子間呈現(xiàn)非線(xiàn)性增強(qiáng)，即交互解釋力度大于單因子解釋力度之和。

長(zhǎng)江經(jīng)濟(jì)帶不同地區(qū)因子交互的解釋力度不同，其中長(zhǎng)江下游地區(qū)土地利用碳排放空間分異主要受歸一化植被指數(shù)NDVI 與地區(qū)生產(chǎn)總值RGDP、土地利用程度綜合指數(shù)CILUD、綠色技術(shù)進(jìn)步指數(shù)GTPI 交互作用影響；長(zhǎng)江中游地區(qū)土地利用碳排放空間分異主要受城市化率UR 與土地利用綜合程度指數(shù)CILUD、人口密度PD、人類(lèi)活動(dòng)指數(shù)HAI 交互作用影響；人口密度PD 與城市化率UR、產(chǎn)業(yè)結(jié)構(gòu)演進(jìn)ISEI、綠色技術(shù)進(jìn)步指數(shù)GTPI對(duì)于長(zhǎng)江上游地區(qū)土地利用碳排放空間分異的交互解釋力度較強(qiáng)(圖5)。除部分因子交互的生態(tài)探測(cè)結(jié)果不顯著外，多數(shù)因子交互對(duì)于長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放空間分異具有顯著影響，這表明地理探測(cè)器模型的適用性及指標(biāo)體系選取的合理性(圖5)。

圖5 長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放雙因子交互熱力圖Figure 5 Two-factor interactive heat map of land use carbon emissions in the Yangtze River Economic Belt

4 討論

4.1 長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放時(shí)空特征

1990-2018 年長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放量整體上呈增加態(tài)勢(shì)，且2010 年后碳排放增勢(shì)趨緩，這與王兆峰等[51]的研究結(jié)果較為一致，這是因?yàn)?010年后，我國(guó)政府愈發(fā)重視長(zhǎng)江經(jīng)濟(jì)帶的可持續(xù)發(fā)展，提出建設(shè)長(zhǎng)江經(jīng)濟(jì)帶綠色生態(tài)廊道，強(qiáng)調(diào)長(zhǎng)江經(jīng)濟(jì)帶產(chǎn)業(yè)升級(jí)，降低經(jīng)濟(jì)發(fā)展的能源消耗水平，長(zhǎng)江經(jīng)濟(jì)帶單位GDP 碳排放量的持續(xù)降低也印證了這一點(diǎn)。雖然區(qū)域碳排放高速增長(zhǎng)得到遏制，但由于碳治理效果的滯后性，區(qū)域土地利用碳排放達(dá)峰仍需一段時(shí)間。長(zhǎng)江經(jīng)濟(jì)帶地區(qū)跨度較大，區(qū)域內(nèi)部不同地區(qū)碳排放特征存在差異，其中長(zhǎng)江下游地區(qū)經(jīng)濟(jì)發(fā)展水平較高，工業(yè)發(fā)達(dá)且人口密集，其地均碳排放量與人均碳排放量均明顯高于長(zhǎng)江中游及上游地區(qū)，這表明未來(lái)長(zhǎng)江經(jīng)濟(jì)帶碳排放治理的重點(diǎn)仍需放在長(zhǎng)三角地區(qū)。長(zhǎng)江經(jīng)濟(jì)帶碳排放整體上呈現(xiàn)東高西低的空間分布格局[52]，但隨著經(jīng)濟(jì)社會(huì)發(fā)展，碳排放高值地區(qū)逐漸增多，并向長(zhǎng)江中游及上游地區(qū)擴(kuò)展。長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放的空間集聚程度呈現(xiàn)先增后減的趨勢(shì)，這與苑韶峰和唐奕鈺[34]的研究結(jié)果一致，集聚與擴(kuò)散是相互對(duì)立并相互依存的，影響并制約著區(qū)域空間結(jié)構(gòu)的形成與發(fā)展[53]。研究初期(1990-2000 年)，得益于區(qū)位及政策優(yōu)勢(shì)，長(zhǎng)江下游地區(qū)經(jīng)濟(jì)率先發(fā)展，碳排放的高值區(qū)在該區(qū)域集聚。隨后受“西部大開(kāi)發(fā)”和“中部崛起”等戰(zhàn)略的影響，加之長(zhǎng)江黃金水道的聯(lián)結(jié)與暢通作用，長(zhǎng)江腹地經(jīng)濟(jì)逐步發(fā)展，下游產(chǎn)業(yè)向上游轉(zhuǎn)移，長(zhǎng)江中上游土地利用碳排放量明顯升高，因此長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放的空間集聚性在2010 年后減弱。但這并未使以上海為核心的長(zhǎng)三角地區(qū)碳排放量降低，未來(lái)該地區(qū)土地利用碳減排壓力依然巨大，長(zhǎng)江中上游地區(qū)則需面臨碳排放空間擴(kuò)散所帶來(lái)的生態(tài)環(huán)境問(wèn)題。

4.2 長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放驅(qū)動(dòng)因素

長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放受經(jīng)濟(jì)發(fā)展、技術(shù)進(jìn)步、環(huán)境規(guī)制、土地利用與人類(lèi)活動(dòng)等多種因素的交互影響，存在著復(fù)雜的作用機(jī)理。其中地區(qū)生產(chǎn)總值RGDP、人口密度PD、歸一化植被指數(shù)NDVI、綠色技術(shù)進(jìn)步指數(shù)GTPI、城市化率UR、產(chǎn)業(yè)結(jié)構(gòu)演進(jìn)指數(shù)IESI 不僅與長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放存在顯著的相關(guān)關(guān)系，同時(shí)也是造成長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放空間分異的主要驅(qū)動(dòng)因素。經(jīng)濟(jì)發(fā)展是土地利用碳排放空間分異的主要驅(qū)動(dòng)因素，這是因?yàn)榛A(chǔ)設(shè)施建設(shè)和產(chǎn)業(yè)結(jié)構(gòu)升級(jí)會(huì)促進(jìn)地方經(jīng)濟(jì)的增長(zhǎng)，同時(shí)也會(huì)對(duì)區(qū)域能源消費(fèi)和碳排放產(chǎn)生重要影響，而城市化會(huì)產(chǎn)生明顯的集聚效應(yīng)，與地方經(jīng)濟(jì)發(fā)展形成良好的互饋關(guān)系。在經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)升級(jí)、城市化的循環(huán)催動(dòng)下，碳排放呈現(xiàn)明顯的存量累積態(tài)勢(shì)并顯著影響區(qū)域碳排放的空間分異。技術(shù)進(jìn)步將會(huì)帶動(dòng)生產(chǎn)效率的提升，降低單位GDP的碳排放水平，但就空間分異層面而言，其對(duì)長(zhǎng)江經(jīng)濟(jì)帶碳減排的貢獻(xiàn)有限，相反卻是造成區(qū)域碳排放空間分異的主要?jiǎng)右蛑唬@與沈楊等[44]此前關(guān)于浙江灣區(qū)的研究結(jié)果一致。技術(shù)進(jìn)步偏向性及技術(shù)進(jìn)步路徑差異會(huì)對(duì)碳排放空間分異產(chǎn)生不同影響，換言之，技術(shù)進(jìn)步帶來(lái)的碳排放效率優(yōu)勢(shì)，并不一定能完全扭轉(zhuǎn)區(qū)域碳排放增加的趨勢(shì)。除人口密度、歸一化植被指數(shù)對(duì)長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放的空間分異驅(qū)動(dòng)解釋力度較強(qiáng)外，環(huán)境規(guī)制、土地利用與人類(lèi)活動(dòng)層面其他指標(biāo)因子對(duì)區(qū)域土地利用碳排放空間分異的解釋力度相對(duì)較低。人口密度提升將增加區(qū)域土地利用碳排放強(qiáng)度，而植被覆蓋則可提高區(qū)域土地利用碳吸收能力，有助于碳排放低值空間分異的形成。值得注意的是，環(huán)境規(guī)制、人類(lèi)活動(dòng)、土地利用等層面的指標(biāo)因子與經(jīng)濟(jì)發(fā)展、技術(shù)進(jìn)步的交互作用對(duì)于碳排放空間分異的解釋力度普遍較高，并主導(dǎo)驅(qū)動(dòng)了長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放空間分異的形成。

此外，長(zhǎng)江經(jīng)濟(jì)帶經(jīng)濟(jì)發(fā)展與生態(tài)建設(shè)需求具有高度的互補(bǔ)性和潛在的合作需求[3]，但由于長(zhǎng)江上中下游各地區(qū)人類(lèi)活動(dòng)、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、技術(shù)創(chuàng)新存在顯著差異，不同因子對(duì)于區(qū)域土地利用碳排放空間分異的解釋力度不同，具體表現(xiàn)為長(zhǎng)江中下游地區(qū)經(jīng)濟(jì)發(fā)展和技術(shù)創(chuàng)新層面的指標(biāo)因子對(duì)于碳排放空間分異的影響高于長(zhǎng)江上游地區(qū)。

4.3 政策與建議

盡管長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放增勢(shì)趨緩，但短期內(nèi)難以扭增為減，域內(nèi)土地利用碳排放治理需著眼于經(jīng)濟(jì)發(fā)展、技術(shù)進(jìn)步、環(huán)境規(guī)制、土地利用、人類(lèi)活動(dòng)等多方展開(kāi)。1)有鑒于經(jīng)濟(jì)發(fā)展、技術(shù)進(jìn)步對(duì)于區(qū)域土地利用碳排放空間分異的顯著驅(qū)動(dòng)作用，區(qū)域政府應(yīng)在經(jīng)濟(jì)發(fā)展與碳減排間進(jìn)行權(quán)衡取舍，注重經(jīng)濟(jì)發(fā)展的質(zhì)量；優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，加強(qiáng)對(duì)高耗能產(chǎn)業(yè)的碳排管理；注重對(duì)技術(shù)進(jìn)步的偏向性及路徑的引導(dǎo)，提升技術(shù)創(chuàng)新對(duì)碳減排的貢獻(xiàn)作用。2)注重發(fā)揮環(huán)境規(guī)制對(duì)于碳排放的遏制作用，開(kāi)展針對(duì)溫室氣體排放的監(jiān)測(cè)檢查及違規(guī)處罰，結(jié)合經(jīng)濟(jì)、技術(shù)、土地利用管理等有效手段保障環(huán)境規(guī)制的最佳實(shí)施效果，并依據(jù)長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放的空間分異特征，分區(qū)治理。3)政府應(yīng)加強(qiáng)配套基礎(chǔ)設(shè)施建設(shè)，引導(dǎo)居民綠色出行，綠色消費(fèi)，降低個(gè)人行為所產(chǎn)生的碳排放量。并優(yōu)化國(guó)土空間布局，加強(qiáng)林草地等碳匯空間保護(hù)，同時(shí)對(duì)建設(shè)用地實(shí)行增量管控，探索制定適用于長(zhǎng)江經(jīng)濟(jì)帶的土地利用碳排放標(biāo)準(zhǔn)，嘗試建立碳匯空間占補(bǔ)平衡機(jī)制。

4.4 研究的不足之處

本研究尚存在一些不足，首先受限于地理探測(cè)器模型及數(shù)據(jù)的限制，在時(shí)間尺度上對(duì)土地利用碳排放驅(qū)動(dòng)因素的挖掘有待深入。此外，研究?jī)H從環(huán)境規(guī)制層面分析了其對(duì)于土地利用碳排放空間分異的交互影響，未能綜合考慮能源、金融、交通等方面政策因素對(duì)于碳減排的實(shí)際貢獻(xiàn)效果，未來(lái)應(yīng)對(duì)現(xiàn)有模型及計(jì)量方法進(jìn)行優(yōu)化，并在現(xiàn)有指標(biāo)體系的基礎(chǔ)上進(jìn)行拓展，圍繞時(shí)間及空間多尺度探討區(qū)域土地利用碳排放演變的驅(qū)動(dòng)機(jī)制。

5 結(jié)論

1) 1990-2018 年長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放逐年增長(zhǎng)，2010 年后增勢(shì)趨緩；盡管長(zhǎng)江下游地區(qū)地均及人均土地利用碳排放量遠(yuǎn)高于長(zhǎng)江中上游地區(qū)，但下游地區(qū)單位GDP 土地利用碳排放量亦低于長(zhǎng)江中上游地區(qū)。

2)長(zhǎng)江經(jīng)濟(jì)帶碳排放呈現(xiàn)東高西低的空間分布特征，高值區(qū)主要集聚在長(zhǎng)三角城市群，近年來(lái)向長(zhǎng)江中游及上游的都市圈擴(kuò)散，低值區(qū)主要集聚于西部的橫斷山脈及川西高原附近，1990-2018 年土地利用碳排放空間集聚趨勢(shì)呈現(xiàn)先增加后減少的趨勢(shì)。

3)長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放空間分異主要受地區(qū)生產(chǎn)總值RGDP、人口密度PD、歸一化植被指數(shù)NDVI、綠色技術(shù)進(jìn)步指數(shù)GTPI、城市化率UR、產(chǎn)業(yè)結(jié)構(gòu)演進(jìn)指數(shù)IESI 的影響；而環(huán)境規(guī)制、土地利用、人類(lèi)活動(dòng)與經(jīng)濟(jì)發(fā)展、技術(shù)創(chuàng)新間的交互作用主導(dǎo)驅(qū)動(dòng)了長(zhǎng)江經(jīng)濟(jì)帶土地利用碳排放的空間分異；長(zhǎng)江上中下游地區(qū)人類(lèi)活動(dòng)、經(jīng)濟(jì)發(fā)展、技術(shù)創(chuàng)新的差異是造成長(zhǎng)江上中下游土地利用碳排放各驅(qū)動(dòng)因子解釋程度不同的主要原因。