張 余，姜 博，趙映慧 , 趙 毅 , 鄒鐵安 , 薛 睿

(東北農(nóng)業(yè)大學(xué) 公共管理與法學(xué)院，哈爾濱 150030)

0 引言

碳排放是造成全球氣候變化的重要因素之一[1]，而氣候變化所帶來的環(huán)境問題也日益凸顯。研究表明，土地利用/覆被變化是全球氣候變化的重要驅(qū)動因素之一[1]，全球大氣中約有45%的二氧化碳排放來源于化石燃料和土地利用變化[2]。中國碳排放居世界首位，肩負(fù)著節(jié)能減排的重任。我國制定了2030年碳達(dá)峰行動方案，爭取到2060年實(shí)現(xiàn)碳中和。因此，從土地利用視角，探究土地利用碳排放影響因素并加以控制，采取相關(guān)措施，對減輕國家碳減排壓力、實(shí)現(xiàn)綠色低碳可持續(xù)發(fā)展具有一定的實(shí)踐意義。

國內(nèi)外關(guān)于土地利用碳排放的研究成果主要集中在土地利用碳排放機(jī)理及其核算[3-5]、土地利用碳排放效應(yīng)研究[6-7]、土地利用碳排放影響因素等[8-10]。國內(nèi)對于土地利用碳排放研究起步較晚，主要是通過碳排放系數(shù)測算各土地利用類型的碳排放量，并在此基礎(chǔ)上進(jìn)一步的深化與拓展[11]。研究尺度多集中在省域、市域尺度，探究區(qū)域土地利用碳排放時(shí)空變化特征[12-13]；研究方法多采用指數(shù)分解法，如STIRPAT模型、面板數(shù)據(jù)模型和LMDI模型等[14-15]，隨后有研究開始引進(jìn)EKC模型進(jìn)一步分析經(jīng)濟(jì)發(fā)展與環(huán)境的關(guān)系[16]。雖然國內(nèi)外相關(guān)文獻(xiàn)資料豐富且各具特色，但現(xiàn)有研究仍存在不足：(1)國內(nèi)多數(shù)研究采用統(tǒng)計(jì)數(shù)據(jù)，在一定程度上可能降低結(jié)果的準(zhǔn)確性；(2)從土地利用視角對土地利用碳排放影響因素的研究相對較少，已有研究表明土地利用強(qiáng)度對碳排放的影響具有舉足輕重的作用[17]；(3)影響因素分析側(cè)重時(shí)間維度的影響程度的變化，忽視了區(qū)域土地利用碳排放影響因素空間效應(yīng)差異[18]。

基于此，本研究利用東北三省2000年、2005年、2010年、2015年、2018年五期遙感數(shù)據(jù)，結(jié)合GIS技術(shù)得到土地利用數(shù)據(jù)，分析其土地利用變化狀況和土地利用碳排放時(shí)空格局。然而，東北三省各區(qū)域間的環(huán)境是相互影響、相互制約的，因此，土地利用碳排放的空間鄰近效應(yīng)不容忽視。利用地理加權(quán)回歸模型進(jìn)一步研究東北三省土地利用碳排放影響因素的時(shí)空差異，可為東北三省科學(xué)制定區(qū)域碳減排工作方案及綠色發(fā)展措施提供一定的科學(xué)參考。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

東北三省包括黑龍江、吉林、遼寧3個(gè)省級行政區(qū)，面積78.7萬km2，地形以平原、山地為主。在土地利用中，建設(shè)用地增長較快，林地、草地、水域都呈現(xiàn)不同程度的下降；東北三省能源消耗量從2000年的3.07億tce增加到2018年的6.37億tce，年均增速4%，同期二氧化碳排放量由558.46萬t增長到1 085.5萬t，年均增速3.8%。2016年東北三省碳排放量約占全國碳排放總量的11%，而GDP占比僅有7.05%，碳排放量高居不下，碳減排壓力較大，經(jīng)濟(jì)發(fā)展舉步維艱。

1.2 數(shù)據(jù)來源

土地利用數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心數(shù)據(jù)平臺，參照中國科學(xué)院土地利用現(xiàn)狀分類，將研究區(qū)的土地利用類型劃分為耕地、林地、草地、水域、建設(shè)用地和未利用地。能源消費(fèi)、人口、國民經(jīng)濟(jì)等統(tǒng)計(jì)數(shù)據(jù)來源于2001—2019年的《中國能源統(tǒng)計(jì)年鑒》《黑龍江統(tǒng)計(jì)年鑒》《吉林統(tǒng)計(jì)年鑒》《遼寧統(tǒng)計(jì)年鑒》。

2 研究方法

2.1 土地利用動態(tài)度

土地利用動態(tài)度能綜合反映出特定區(qū)域各地類在特定時(shí)段內(nèi)的動態(tài)變化情況[19]。土地利用動態(tài)度越小，表明研究區(qū)土地利用動態(tài)變化越小，反之，土地利用動態(tài)變化越大。

2.2 碳排放計(jì)算

土地利用碳排放可分為直接碳排放和間接碳排放。直接碳排放是指某種類型的土地直接參與生產(chǎn)而產(chǎn)生的碳排放，主要指耕地、林地、草地、水域和未利用地的碳排放。根據(jù)已有研究成果[20-21]，耕地、林地、草地、水域和未利用地的碳排放系數(shù)分別為0.422 tC/hm2，-0.623 tC/hm2，-0.144 tC/hm2，-0.030 tC/hm2，-0.050 tC/hm2，其中負(fù)值代表碳吸收。公式如下：

CE=∑(αi×Si) 。

式中：CE是耕地、林地、草地、水域、未利用地的碳排放量；αi指第i種地類的碳排放系數(shù)；Si是第i種地類的面積。由于各地級市的能源消費(fèi)數(shù)據(jù)難以獲取，因此，通過利用東北三省生產(chǎn)生活消耗的各種化石能源數(shù)量、化石能源標(biāo)準(zhǔn)煤轉(zhuǎn)換系數(shù)和能源碳排放系數(shù)間接估算出各省建設(shè)用地碳排放量，進(jìn)而測算出東北三省建設(shè)用地單位面積的碳排放量。

2.3 探索性空間數(shù)據(jù)分析

2.3.1全局空間自相關(guān)。采用全局Moran’sI指數(shù)進(jìn)行度量，揭示整個(gè)研究區(qū)域的空間特征和空間相關(guān)性的整體趨勢。一般情況下,Moran’sI取值在[-1,1]，越接近1,空間上表現(xiàn)出明顯的集聚特性；若越接近-1，則表示探索性數(shù)據(jù)在空間上具有顯著差異[22-23]。

2.4 地理加權(quán)回歸模型

現(xiàn)有碳排放影響因素研究多集中在對因素的分解上，忽視了影響因素效應(yīng)的空間差異，而地理加權(quán)回歸(geographically weighted regression,GWR)是一種改進(jìn)的空間線性回歸模型，多用于分析變量系數(shù)之間的空間差異，能直觀地體現(xiàn)變量的空間依賴性[25]。

3 結(jié)果分析

3.1 土地利用變化

利用ArcGIS 10.2對東北三省2000年、2005年、2010年、2015年、2018年遙感數(shù)據(jù)進(jìn)行重采樣、重分類，提取東北三省土地利用狀況，并分析其土地利用變化。

東北三省土地利用變化在不同階段呈現(xiàn)不同的特點(diǎn)(表1)。2000—2005年，未利用地動態(tài)度最高，其次是建設(shè)用地，而林地和水域都有一定的減少，耕地和建設(shè)用地有所增加；2005—2010年，未利用地面積變化依然最大，土地利用動態(tài)度達(dá)到了4.18%，除未利用地與建設(shè)用地外，其他地類都有不同程度的減少，其中水域面積變化最大，動態(tài)度達(dá)0.94%；2010—2015年，建設(shè)用地變化最大，未利用地開始減少，耕地面積呈小幅增加趨勢，林地未發(fā)生變化，草地出現(xiàn)一定程度的減少；2015—2018年，除耕地、建設(shè)用地和未利用地外，其他地類面積均在減少，草地面積變化最大，動態(tài)度達(dá)9.73%。從整體看，2000—2018年東北三省土地利用變化明顯，林地、草地和水域呈減少趨勢，其中草地最為明顯，動態(tài)度達(dá)1.77%，近年來東北三省開展土地利用整治，耕地面積有所增加，經(jīng)濟(jì)的發(fā)展以及城鎮(zhèn)化的擴(kuò)張帶動了建設(shè)用地的增加。

表1 2000—2018年東北三省土地利用動態(tài)度 %

從土地利用轉(zhuǎn)移(表2)的方向看，東北三省2000—2018年共有165 363.13 km2土地進(jìn)行了相互轉(zhuǎn)化，其中林地轉(zhuǎn)出面積最大，其次是耕地、草地、未利用地、水域，轉(zhuǎn)出面積最小的是建設(shè)用地。耕地轉(zhuǎn)入面積最大，其次是林地、未利用地、草地和建設(shè)用地，水域轉(zhuǎn)入面積最小。耕地與林地相互轉(zhuǎn)換，未利用地則通過土地整治項(xiàng)目成為耕地面積增加的第二大來源。草地的增加主要來源于林地和耕地，水域因內(nèi)河道灘涂和沼澤地規(guī)劃不合理而導(dǎo)致占用等原因，主要向未利用地轉(zhuǎn)換。2000—2018年建設(shè)用地面積增加14 839.28 km2，主要來源于對耕地的占有，占建設(shè)用地總轉(zhuǎn)入面積的80%。隨著東北振興戰(zhàn)略的實(shí)施，東北三省經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變，使得城市建設(shè)進(jìn)程加快，進(jìn)而推動建設(shè)用地面積的持續(xù)增長，而通過土地整合和舊城改造等項(xiàng)目的實(shí)施，也有6 277.94 km2的建設(shè)用地轉(zhuǎn)變?yōu)楦亍?/p>

3.2 土地利用碳排放時(shí)空格局分析

通過土地利用碳排放測算公式估算出東北三省2000—2018年土地利用碳排放情況，并利用ArcGIS軟件進(jìn)行可視化(圖1)。

表2 2000—2018年東北三省土地利用轉(zhuǎn)移矩陣 km2

圖1 2000年、2010年、2018年東北三省土地利用碳排放時(shí)空格局

3.2.1土地利用碳吸收分析。根據(jù)自然斷點(diǎn)法將東北三省土地利用碳吸收量分為高值區(qū)、次高值區(qū)、次低值區(qū)和低值區(qū)。由圖1a～1c可知，東北三省碳吸收量的時(shí)空變化較為顯著，2000年碳吸收高值區(qū)、次高值區(qū)由大興安嶺至延邊朝鮮族自治州，呈現(xiàn)西北—東南向傾斜的“I”字型空間格局；2010年隨著哈爾濱退出了次高值區(qū)，高值區(qū)和次高值區(qū)連續(xù)分布的“I”字型空間格局被打破，而低值區(qū)變化則相對穩(wěn)定；2018年，碳吸收高值區(qū)不斷減少，低值區(qū)不斷增加，產(chǎn)生明顯的擠壓效應(yīng)，碳吸收的空間格局出現(xiàn)了明顯分化。除遼寧外，其他兩省土地利用碳吸收均呈下降的趨勢。黑龍江碳吸收下降幅度最大，年均減少0.06萬t，其中大興安嶺碳吸收減少最大，其減少量相當(dāng)于遼寧某些地市的碳吸收量。遼寧的大連、營口和鐵嶺碳吸收呈下降趨勢，相比2000年分別下降11%，4.5%和2.2%，朝陽碳吸收漲幅最大，相比2000年，漲幅為52%。吉林省土地利用碳吸收變化較為穩(wěn)定，碳吸收最大的是延邊，最小為松原與遼源。

3.2.2土地利用碳排放分析。根據(jù)自然斷點(diǎn)法將東北三省土地利用碳排放分為高度碳排放、中度碳排放、輕度碳排放和微度碳排放4級。由圖1d～1f可知，東北地區(qū)高、中度碳排放主要集中在三省省會及齊齊哈爾、大慶和大連，而大興安嶺、長白山等山區(qū)碳排放效應(yīng)較弱且變化較為穩(wěn)定。碳排放量在時(shí)間上呈不斷增長的趨勢，碳排放總量由大到小依次為遼寧、黑龍江和吉林，2000年高度碳排放主要分布在東北三省省會及齊齊哈爾和大連，占東北三省總碳排放量的32%；2018年高度碳排放主要分布在哈爾濱、沈陽和大連，形成“三足鼎立”。吉林省除長春外，其他地市均處于輕、微度碳排放等級，吉林市呈波動增長。遼寧省高度和中度碳排放城市數(shù)量最多，變化較為穩(wěn)定，主要集中在遼中南城市群和沿海經(jīng)濟(jì)帶周邊。黑龍江省土地利用碳排放總量最大的是哈爾濱，最小為大興安嶺。

3.2.3土地利用凈碳排放分析。根據(jù)自然斷點(diǎn)法同樣將東北三省土地利用凈碳排放量分為高值區(qū)、次高值區(qū)、次低值區(qū)和低值區(qū)。由圖1g～1i可知，東北三省土地利用凈碳排放時(shí)空格局差異顯著。2000年僅沈陽處于高值區(qū)；2018年，高值區(qū)分布主要集中在哈爾濱、齊齊哈爾、沈陽和大連周邊，低值區(qū)主要集中在大興安嶺和長白山等碳吸收能力強(qiáng)的地區(qū)。2003年以來，隨著東北老工業(yè)基地的改造與振興不斷推進(jìn)，凈碳排放高值區(qū)面積不斷擴(kuò)張，低值區(qū)面積進(jìn)一步壓縮，東北三省凈碳排放呈不斷增長的趨勢。遼寧省凈碳排放空間格局呈現(xiàn)出由單中心向雙中心不斷演化，2000年形成了以沈陽為中心的“單核”格局，2010年以來，大連凈碳排放總量大幅提升，打破了傳統(tǒng)的“單中心”格局，沈大“雙核”格局初步形成并一直延續(xù)至2018年；黑龍江省土地利用凈碳排放空間格局與遼寧省相似，由單核的齊齊哈爾向哈爾濱-齊齊哈爾雙中心演化；吉林省土地利用凈碳排放空間格局未發(fā)生顯著變化，沒有形成明顯的“中心-邊緣”格局，長春、四平和吉林凈碳排放量較大，白山、遼源和通化土地利用凈碳排放較小。

3.3 空間自相關(guān)分析

根據(jù)Moran’sI檢驗(yàn)結(jié)果，2000—2018年土地利用碳排放的Moran’sI指數(shù)在統(tǒng)計(jì)學(xué)上具有顯著性，且數(shù)值均大于0，說明東北三省土地利用凈碳排放在空間上存在正向空間集聚現(xiàn)象。2000—2018年Moran’sI指數(shù)呈先增后降趨勢，說明各地區(qū)之間碳排放整體差異在逐漸拉大。為進(jìn)一步探究各地區(qū)之間土地利用凈碳排放的差異及其空間關(guān)系演化,對東北三省2000—2018年土地利用凈碳排放進(jìn)行冷熱點(diǎn)分析(圖2)。

圖2 東北三省土地利用凈碳排放冷熱點(diǎn)演變

由圖2可知，2000年東北三省土地利用凈碳排放熱點(diǎn)區(qū)主要分布在遼寧省的阜新、錦州、鞍山、營口和大連，黑龍江省的綏化、大慶和吉林省的長春和松原。2010—2018年，黑龍江省的綏化、大慶以及吉林省的長春和松原退出了熱點(diǎn)區(qū)成為次熱點(diǎn)區(qū)。冷點(diǎn)區(qū)與次冷點(diǎn)區(qū)整體上變化較為穩(wěn)定，黑龍江省冷點(diǎn)區(qū)與次冷點(diǎn)區(qū)城市分別有5個(gè)和4個(gè)，吉林省冷點(diǎn)區(qū)與次冷點(diǎn)區(qū)城市分別有3個(gè)和4個(gè)，遼寧省無冷點(diǎn)區(qū)城市，次冷點(diǎn)區(qū)城市僅有2個(gè)?？傮w來看，遼寧省熱點(diǎn)區(qū)數(shù)量最多，阜新、錦州、鞍山、營口和大連等城市一直處于熱點(diǎn)區(qū)，主要原因是遼寧城市產(chǎn)業(yè)結(jié)構(gòu)中的重工業(yè)占工業(yè)比重高達(dá)70%以上，凈碳排放量較高。2010年以來，黑龍江、吉林兩省熱點(diǎn)區(qū)轉(zhuǎn)變成次熱點(diǎn)區(qū)，次熱點(diǎn)區(qū)明顯增加，缺少高凈碳排放城市，主要緣于吉林和黑龍江均為農(nóng)業(yè)大省，要保障國家糧食安全和生態(tài)安全，工業(yè)化基礎(chǔ)比較薄弱，工業(yè)化程度明顯低于遼寧，加之近年來產(chǎn)業(yè)結(jié)構(gòu)的不斷迭代升級，土地利用凈碳排放增速明顯放緩。

3.4 地理加權(quán)回歸

為進(jìn)一步探究東北三省土地利用碳排放影響因素及其空間差異，利用ArcGIS 10.2軟件進(jìn)行地理加權(quán)回歸分析。根據(jù)東北三省區(qū)域特點(diǎn)，參考已有研究[26-27]，結(jié)合土地利用視角，考慮數(shù)據(jù)可獲取性及地理加權(quán)回歸對多重共線性的要求。VIF(方差膨脹因子)大于10則變量之間存在明顯的多重共線性問題，而總?cè)丝?、工業(yè)結(jié)構(gòu)、土地利用強(qiáng)度3個(gè)變量的VIF值均小于3，因此，不存在多重共線性。工業(yè)結(jié)構(gòu)為第二產(chǎn)業(yè)與第三產(chǎn)業(yè)產(chǎn)值比；由于建設(shè)用地為最主要的碳源，建設(shè)用地在土地總面積中所占比重越大，碳排放就越多，因此，土地利用強(qiáng)度用建設(shè)用地與土地總面積的比值來表征。GWR模型回歸結(jié)果見表3。表3表明，擬合優(yōu)度系數(shù)R2值越接近于1，模型擬合度就越好。2000年、2010年、2018年模型擬合度較高。而局部擬合優(yōu)度則表示局部回歸模型擬合程度，其值越接近于1，局部模型擬合就越好。2000年、2010年、2018年局部擬合優(yōu)度系數(shù)LocalR2值范圍0.74～0.97，說明GWR模型對東北三省土地利用碳排放空間差異影響具有較高解釋能力。

表3 GWR模型的整體回歸結(jié)果

從總?cè)丝谟绊懸蜃涌臻g變化(圖3a～3c)來看，東北三省地區(qū)相鄰地市的彈性系數(shù)差異較小，且都是正值，說明總?cè)丝谝蜃訉ν恋乩锰寂欧诺挠绊懹忻黠@的正向空間依賴性。各年份總?cè)丝谝蜃酉禂?shù)高值區(qū)和次高值區(qū)主要集中在遼寧省，尤其是環(huán)渤海及其腹地經(jīng)濟(jì)較為發(fā)達(dá)的區(qū)域，該區(qū)域人口密集，產(chǎn)業(yè)集聚，資源消耗多，對土地利用碳排放影響較大。2018年低值區(qū)集中在吉林省，并整體上呈現(xiàn)由吉林省向南北兩端增加的趨勢。總的來看，各年份系數(shù)范圍呈不斷擴(kuò)大的趨勢，說明總?cè)丝诘淖兓瘜ν恋乩锰寂欧啪哂幸欢ǖ拇龠M(jìn)作用，相鄰地市系數(shù)差異較小，存在明顯的空間依賴性，總?cè)丝谝蜃佑绊懽饔迷谥鸩皆龃蟆?/p>

從工業(yè)結(jié)構(gòu)影響因子空間變化(圖3d～3f)來看，2000年大部分系數(shù)為正值，高值區(qū)與次高值區(qū)主要集中在黑龍江省以及吉林省的東北部，由于黑龍江省資源型城市數(shù)量眾多，以石油、煤炭、林業(yè)為主導(dǎo)的工業(yè)城市比重較大，第二產(chǎn)業(yè)具有一定規(guī)模，但產(chǎn)業(yè)發(fā)展以高耗能工業(yè)為主，能源使用效率較低，因此,對土地利用碳排放產(chǎn)生了較大的影響。2018年回歸系數(shù)全部轉(zhuǎn)變?yōu)樨?fù)數(shù)，且低值區(qū)與次低值區(qū)的系數(shù)范圍在進(jìn)一步擴(kuò)大，整體上由北向南呈環(huán)狀遞減，說明東北三省產(chǎn)業(yè)結(jié)構(gòu)進(jìn)一步優(yōu)化，二產(chǎn)所占比重有所降低，第三產(chǎn)業(yè)優(yōu)勢逐步提升，工業(yè)結(jié)構(gòu)中，重工業(yè)比例有所降低，輕重工業(yè)更加協(xié)調(diào)，從某種程度上抑制了土地利用碳排放的增長。

從土地利用強(qiáng)度影響因子空間變化(圖3g～3i)來看，與其他兩個(gè)因子相比，土地利用強(qiáng)度因子對東北三省土地利用碳排放空間差異影響程度作用最大。2000年高值區(qū)和次高值區(qū)主要集中在遼中南城市群和吉林中部城市群，低值區(qū)和次低值區(qū)集中在黑龍江省。2018年土地利用強(qiáng)度系數(shù)高值區(qū)與次高值區(qū)在縮小，整體上呈現(xiàn)由遼寧省東北部和吉林省的南部向兩端遞減的趨勢?？偟膩砜?，低值區(qū)系數(shù)值在變小，對土地利用碳排放的正向影響程度呈減少的趨勢，高值區(qū)系數(shù)范圍在擴(kuò)大，說明土地利用強(qiáng)度對土地利用碳排放的影響存在明顯的地域差異。雖然部分地區(qū)土地利用強(qiáng)度對碳排放的正向影響呈減少的趨勢，但整體土地利用強(qiáng)度對東北三省各地區(qū)碳排放的影響強(qiáng)度依然很大，因此,未來東北三省各地區(qū)在控制建設(shè)用地?zé)o序擴(kuò)張、調(diào)整土地利用結(jié)構(gòu)上還需做很大的努力。

圖3 2000年、2010年、2018年東北三省地區(qū)影響因子系數(shù)變化

4 結(jié)論與建議

4.1 結(jié)論

(1)2000—2018年，東北三省土地利用結(jié)構(gòu)變化明顯，除耕地、建設(shè)用地、未利用地之外，林地、草地、水域都有不同程度減少。2000—2018年東北三省共有165 363.13 km2土地進(jìn)行了相互轉(zhuǎn)化，林地轉(zhuǎn)出面積最大，是耕地和草地最大轉(zhuǎn)換來源，而建設(shè)用地的主要來源是耕地。

(2)2000—2018年，東北三省土地利用碳排放呈逐年遞增的趨勢，增長率達(dá)31%。凈碳排放量同樣呈逐年增長的趨勢，與碳排放變化基本一致?？臻g上高、中度碳排放主要集中在東北三省省會城市以及齊齊哈爾、大慶和大連等城市。東北三省土地利用碳吸收呈下降趨勢，下降率為4%，空間上碳吸收高值區(qū)主要集中在大興安嶺、長白山等山地、林地資源豐富的地區(qū)。

(3)2000—2018年，東北三省土地利用凈碳排放存在顯著的全局空間正相關(guān)，熱點(diǎn)區(qū)主要集中在遼寧省的阜新市、錦州市、鞍山市、營口市和大連市；冷點(diǎn)區(qū)主要集中在黑龍江省的鶴崗市、雙鴨山市、雞西市和佳木斯市以及吉林省的白山市和通化市。

(4)從影響因子來看，相對于總?cè)丝诤凸I(yè)結(jié)構(gòu)，土地利用強(qiáng)度對土地利用碳排放的影響最大，空間變化也最為明顯。工業(yè)結(jié)構(gòu)系數(shù)區(qū)域變化較大，部分地區(qū)由正值轉(zhuǎn)變?yōu)樨?fù)值，負(fù)值區(qū)系數(shù)范圍在不斷擴(kuò)大?？?cè)丝谝蜃酉噜徃鞯厥邢禂?shù)差異較小，對土地利用碳排放的影響具有空間依賴性，且影響作用在逐步增大。

4.2 建議

東北三省要以“控制碳強(qiáng)度，增加固碳能力”為定位。一方面，從低效率、高能耗和高排放轉(zhuǎn)變?yōu)楦咝?、綠色和低碳發(fā)展方式；另一方面，提升東北三省生態(tài)系統(tǒng)固碳能力，尤其是保障黑龍江省林地覆蓋面積。東北三省作為老工業(yè)基地，第二產(chǎn)業(yè)也形成了一定的規(guī)模，應(yīng)大力推進(jìn)節(jié)能減排以及加大清潔能源使用力度，優(yōu)化能源結(jié)構(gòu)，降低高污染能源的使用比例。東北三省作為著名的老工業(yè)基地，由于其能源結(jié)構(gòu)調(diào)整壓力大、綠色產(chǎn)業(yè)結(jié)構(gòu)發(fā)展進(jìn)程緩慢、低碳生活方式還未形成等問題，與長三角、珠三角等發(fā)達(dá)地區(qū)相比，實(shí)現(xiàn)碳達(dá)峰、碳中和目標(biāo)的任務(wù)更為艱巨。