賴德琳,胡 燕,王玉貴*

(1.西南土地資源評價與監(jiān)測教育部重點實驗室,四川成都 610066;2.四川師范大學(xué)地理與資源科學(xué)學(xué)院,四川成都 610066)

0 引言

因碳排放引起的氣候變化是國內(nèi)外學(xué)者關(guān)注的熱點話題[1].從土地利用視角出發(fā),探究區(qū)域土地利用碳排放時空演變趨勢,對于區(qū)域低碳轉(zhuǎn)型具有重要意義.目前針對土地利用碳排放的相關(guān)研究包括碳核算、時空格局分析、影響因素分析等.張余等[2]基于遙感數(shù)據(jù)探究東北三省土地利用碳排放差異,發(fā)現(xiàn)區(qū)域碳排放差異顯著,且土地利用強度對于碳排放影響最大.趙強等[3]結(jié)合地理探測器對中部地區(qū)碳排放進(jìn)行分析,顯示地區(qū)生產(chǎn)總值和第二生產(chǎn)總值對碳排放解釋力最強.成渝城市群是我國高質(zhì)量發(fā)展的重要增長極,人口和城鎮(zhèn)分布密集,土地利用變化較為顯著.目前不少學(xué)者從城市群整體或局部區(qū)域?qū)μ寂欧胚M(jìn)行了相關(guān)研究.如王曉平等[4]探討了成渝城市群碳排放空間關(guān)聯(lián)性,研究位于碳排放網(wǎng)絡(luò)的中心地位的重要城市.袁霄等[5]基于不同土地利用類型數(shù)據(jù)測算重慶市土地利用碳排放強度并揭示其時空演變規(guī)律.

總體而言,現(xiàn)有關(guān)于土地利用碳排放的研究已較豐富,但仍存在不足.有關(guān)土地利用碳排放的研究主要集中在全國及省域?qū)用?或相對成熟的城市群,對成渝城市群這類新興發(fā)展的城市群關(guān)注度尚有不足.此外,各區(qū)域碳排放時空特征以及影響因素異質(zhì)性特征均有差異,需要進(jìn)一步關(guān)注區(qū)域不同發(fā)展階段差異,從時空角度和非均衡性進(jìn)行深層次研究.基于此,依據(jù)成渝城市群2005—2019年土地利用數(shù)據(jù),測度分析成渝城市群碳排放的時空特征,剖析影響因素時空非均衡性特征,以期在雙碳目標(biāo)指向下,為城市群綠色低碳提供科學(xué)參考.

1 研究區(qū)概況

成渝城市群以成都、重慶為核心,地形較為復(fù)雜.2019年,成渝城市群常住人口達(dá)10 670.6萬人,占全國總?cè)丝诘?.6%;地區(qū)生產(chǎn)總值達(dá)66 756億元,占國內(nèi)生產(chǎn)總值的6.76%,是我國西部地區(qū)發(fā)展水平最高、發(fā)展?jié)摿^大的城鎮(zhèn)化區(qū)域.為分析區(qū)域碳排放差異及其來源,按照《四川省新型城鎮(zhèn)化規(guī)劃(2014—2020年)》對四川省城鎮(zhèn)化的規(guī)劃,可將成渝城市群劃分為四個區(qū)域,分別為重慶市、成都平原城市群(包括成都、綿陽、德陽、樂山、遂寧、雅安、資陽、眉山市)、川東北城市群(包括南充、廣安、達(dá)州市)、川南城市群(包括宜賓、瀘州、自貢、內(nèi)江市).

2 研究方法及數(shù)據(jù)來源

2.1 研究方法

2.1.1 土地利用碳排放測算 土地利用碳排放[6]可分為直接碳排放和間接碳排放.直接碳排放主要指耕地、林地、草地、水域和未利用地的碳排放.間接碳排放主要指建設(shè)用地產(chǎn)生的碳排放.

(1)土地利用直接碳排放.計算公式如下:

C1=Σei×δi

(1)

式中,C1表示直接碳排放總量,i代表各類土地利用類型,ei為各類土地利用類型的面積,δi表示各類土地利用類型的碳排放(吸收)系數(shù).根據(jù)已有研究成果[7-8],耕地、林地、草地、水域和未利用地的碳排放系數(shù)分別為0.442、-0.626 5、-0.021、-0.253、-0.000 5 tC/hm2.

(2)土地利用間接碳排放.建設(shè)用地碳排放量主要通過土地利用過程中的能源消耗進(jìn)行間接估算,計算公式如下:

E=∑A×Bj×βj

(2)

式中,E代表建設(shè)用地排放總量,A代表各類能源的總消費量,Bj表示第j種能源轉(zhuǎn)換為標(biāo)準(zhǔn)煤的折算系數(shù),βj表示第j種能源的碳排放系數(shù)(各類能源標(biāo)準(zhǔn)煤換算系數(shù)與碳排放系數(shù),見表1).由于市級的能源消耗數(shù)據(jù)的不可獲得性,參考現(xiàn)有研究成果[9],以單位GDP能耗數(shù)據(jù)為基礎(chǔ)估算各市的建設(shè)用地碳排放量.計算公式如下

表1 各類能源標(biāo)準(zhǔn)煤換算系數(shù)與碳排放系數(shù)Tab.1 Conversion coefficient and carbon emission coefficient of various energy standard coal

C2=E×Econs∕∑Econs=E×GDPn×Dn∕∑(GDPn×Dn)

(3)

式中,C2表示第n市建設(shè)用地排放總量,Econs代表第n市能源消耗總量,GDPn為第n市當(dāng)年地區(qū)生產(chǎn)總值,Dn為第n市單位GDP能耗.單位GDP能耗和地區(qū)生產(chǎn)總值數(shù)據(jù)按照2005年的當(dāng)量價進(jìn)行計算.

2.1.2 Dagum基尼系數(shù) Dagum基尼系數(shù)分解法[10]是通過分解總體基尼系數(shù)進(jìn)行細(xì)化區(qū)域發(fā)展差異的變化趨勢,以此揭示區(qū)域發(fā)展差異的大小、來源與演變趨勢的模型,利用Dagum基尼系數(shù)對土地利用碳排放進(jìn)行區(qū)域總體差異、區(qū)域內(nèi)差異、區(qū)域間差異及貢獻(xiàn)差異性分析,具體計算步驟參考張瑩[11].

2.1.3 時空地理加權(quán)回歸模型 時空地理加權(quán)回歸模型(GTWR)[12]將時間要素融入空間以分析區(qū)域觀測值,彌補了GWR只考慮空間影響的不足.參考已有研究[13-14],選取人口規(guī)模等4個影響因子(表2),采用GTWR模型分析了成渝城市群土地利用碳排放影響因素特征,具體方法參考唐建榮等[15].在構(gòu)建GTWR模型前,利用SPSS回歸分析方法對標(biāo)準(zhǔn)化后的變量進(jìn)行多重共線性檢驗,可見4個解釋變量的VIF值均低于10,且容差均大于0.1,均通過多重共線性檢驗.

表2 土地利用碳排放時空分異影響因素及回歸擬合結(jié)果Tab.2 Influencing factors of the spatial-temporal variation of land use carbon emissions and regression fitting results

2.2 數(shù)據(jù)來源

土地利用數(shù)據(jù)來源武漢大學(xué)楊杰[16]團(tuán)隊提供的土地利用數(shù)據(jù)集(https://essd.copernicus.org/articles/13/3907/2021/),總體精度達(dá)80%,空間分辨率為30 m.考慮到2019年后,各地市由于受到復(fù)雜的國際國內(nèi)形勢以及新冠肺炎疫情影響,相關(guān)社會經(jīng)濟(jì)指標(biāo)不具備普遍性,因此本研究所選取的數(shù)據(jù)時間范圍為2005—2019年.其中人口規(guī)模、地區(qū)生產(chǎn)總值、城鎮(zhèn)化率、能源消耗等數(shù)據(jù)主要來自對應(yīng)年份的《中國能源統(tǒng)計年鑒》《四川統(tǒng)計年鑒》《重慶統(tǒng)計年鑒》.

3 結(jié)果分析

3.1 土地利用碳排放時空格局分析

2005—2019年,成渝城市群碳排放總量呈逐步增加的趨勢,增幅達(dá)115.2%,年均增幅為7.6%.從空間上(圖1)看,位于城市群兩極的“成都—重慶”雙核心碳排放量較高,除樂山、宜賓外,其他中部及邊緣城市碳排放相對較低.2005年,成都市和重慶市碳排放量占比約為17.08%和35.82%;資陽市和雅安市的排放量相對較小,只占到1.01%和1.58%.2019年,成都市和重慶市碳排放量占比為19.44%和35.72%;資陽市和雅安市碳排放量占比與2005年基本保持一致,各市碳排放分布不均衡,是未來碳減排關(guān)注的重點.

圖1 土地利用碳排放總量及強度時空變化Fig.1 spatial-temporal variation in total and intensity of land-use carbon emissions

利用碳排放總量與地區(qū)生產(chǎn)總值的比值測算碳排放強度.由圖1可知,2005—2019年區(qū)域碳排放強度逐步降低.2012年,除雅安市以外各市碳排放強度均大于0.4 t,而2019年除樂山、內(nèi)江外,各市碳排放強度均小于0.4 t,碳排放的增長速率整體小于GDP的增長速率.研究期間碳排放下降幅度最大是成都市,為79%,這是由于成都市經(jīng)濟(jì)結(jié)構(gòu)趨于良性發(fā)展,土地利用以及能源利用效率有所提高.下降幅度最小的是內(nèi)江市,為51%,一方面城市能源結(jié)構(gòu)不合理且能源消耗量大,同時也歸結(jié)于其經(jīng)濟(jì)發(fā)展水平較其余城市相對落后.

3.2 土地利用碳排放區(qū)域差異及分解

運用Dagum基尼系數(shù)方法測算2005—2019年成渝城市群碳排放的區(qū)域差異并予以分解(圖2).從區(qū)域總體差異層面看,基尼系數(shù)演變大致可分為四個階段:2005—2010年表現(xiàn)為波動下降趨勢;2010—2013年呈現(xiàn)逐步上升趨勢;2013—2016年整體呈現(xiàn)下降后逐漸上升趨勢;2016—2019年呈現(xiàn)小幅度下降趨勢.綜合來看,基尼系數(shù)集中變化在0.46～0.53范圍,呈波動上升趨勢,年均上升率為0.64%,區(qū)域碳排放不均衡性存在擴(kuò)大趨勢.各區(qū)域基尼系數(shù)值均有所上升,區(qū)域內(nèi)差異表現(xiàn)為不同程度的擴(kuò)張態(tài)勢.區(qū)域內(nèi)差異均值表現(xiàn)為成都平原城市群>川東北城市群>川南城市群.

圖2 區(qū)域總體、區(qū)域內(nèi)及區(qū)域間基尼系數(shù)Fig.2 Regional population and intraregional and interregional Gini coefficients

由于成都平原城市群內(nèi)部城市眾多,經(jīng)濟(jì)發(fā)展水平、能源消費結(jié)構(gòu)差異較大,極化效應(yīng)導(dǎo)致區(qū)域內(nèi)部碳排量不均衡度增大.相比較而言,川東北城市群、川南城市群的內(nèi)部差距相對較小,源于區(qū)域內(nèi)部城市土地利用結(jié)構(gòu)相似,因此碳排放量差異較為均衡.區(qū)域間差異可分為三個等級.重慶-成都平原城市群、重慶-川東北城市群、重慶-川南城市群為第一等級,基尼系數(shù)超過0.4的警戒值,碳排放區(qū)間差距懸殊;成都平原城市群-川東城市群、成都平原城市群-川南城市群為第二等級,系數(shù)未超過0.4的警戒值,碳排放差異處于相對平均和合理的階段;川南-川東北為第三梯度,基尼系數(shù)低于0.15,處于絕對平均階段,區(qū)域間土地利用碳排放水平趨于一致.

從區(qū)域差異來源及貢獻(xiàn)分解結(jié)果來看(表3),區(qū)域內(nèi)差異總體上呈現(xiàn)微升態(tài)勢,變化幅度為6.3%;超變密度呈波動上升趨勢,變化幅度為0.96%;區(qū)域間差異變化呈小幅度起伏趨勢,變化幅度為3.4%.總體來看,區(qū)域內(nèi)差異、超變密度對成渝城市群土地利用碳排放的貢獻(xiàn)較小,平均貢獻(xiàn)度分別為18.41%、14.03%;區(qū)域間差異貢獻(xiàn)較大,平均貢獻(xiàn)率為67.55%.對于土地利用碳排放區(qū)域差異問題應(yīng)從解決區(qū)域間差異角度出發(fā),關(guān)注區(qū)域間協(xié)調(diào)發(fā)展問題.

表3 區(qū)域差異來源及貢獻(xiàn)分解Tab.3 Sources of regional differences and breakdown of contributions

3.3 土地利用碳排放影響因素分析

通過ArcGIS 10.3時空地理加權(quán)回歸分析模塊,考慮空間異質(zhì)性和時間效應(yīng)后,GTWR模型R2與調(diào)整R2均高于0.99,擬合優(yōu)度提升較大.以AIC準(zhǔn)則和擬合優(yōu)度R2作為模型置信度評價指標(biāo),可見R2提升0.033,殘差下降了1.377 9,AICc降低了50.294 4,能較好地測度解釋變量對因變量的影響(表4).采用自然斷點法對土地利用碳排放影響因素時空格局分析,可見各解釋變量的回歸系數(shù)呈現(xiàn)空間異質(zhì)性(圖3).

圖3 GTWR模型回歸系數(shù)空間分布Fig.3 Spatial distribution of the regression coefficients of the GTWR model

表4 模型精度評價Tab.4 Model Precision Evaluation

3.3.1 人口規(guī)模 人口規(guī)模對土地利用碳排放影響最為顯著.2005年,系數(shù)高值區(qū)主要分布在達(dá)州和重慶,低值區(qū)集中于成都平原城市群.至2019年高值區(qū)轉(zhuǎn)向北部地區(qū),而低值區(qū)主要集中在西南部地區(qū).從系數(shù)均值來看,低值區(qū)主要分布在雅安、樂山以及眉山市.這類區(qū)域人口集聚的正向效應(yīng)促使資源共享利用率高,或區(qū)域內(nèi)部資源稟賦較弱,人口集聚水平較低,土地利用壓力較小.高值區(qū)主要分布在達(dá)州、綿陽、南充及重慶市,源于人口密度提升,擁擠效應(yīng)突出,土地生態(tài)承載力負(fù)擔(dān)加重,碳排放量不斷增長.

3.3.2 經(jīng)濟(jì)發(fā)展水平 經(jīng)濟(jì)發(fā)展水平對土地利用碳排放呈現(xiàn)正向作用,隨著時間推移影響力趨于衰弱,呈現(xiàn)環(huán)境庫茲涅倒“U”型曲線(EKC)關(guān)系,且處于倒“U”型曲線右側(cè)拐點位置.2005年、2012年經(jīng)濟(jì)發(fā)展水平系數(shù)空間格局基本一致,呈現(xiàn)沿成渝城市群軸線“由西至東”逐步增加的梯度式空間特征;2019年空間格局表現(xiàn)為交錯分布的不均衡特征.從均值來看,系數(shù)較低的區(qū)域分布在成都平原城市群西南地區(qū).一方面,區(qū)域產(chǎn)業(yè)結(jié)構(gòu)、能源消費結(jié)構(gòu)優(yōu)化升級,能夠抑制碳排放量的增加;另一方面,一些區(qū)域經(jīng)濟(jì)規(guī)模不大,碳排放量進(jìn)一步降低.系數(shù)高值區(qū)主要集中在達(dá)州、重慶、南充市.這些區(qū)域在經(jīng)濟(jì)發(fā)展的過程中,大規(guī)模擴(kuò)張建設(shè)用地,高能耗產(chǎn)業(yè)和重工業(yè)比重較大,導(dǎo)致碳排放量增加過快.

3.3.3 能源強度 能源強度對于土地利用碳排放驅(qū)動效力逐步提高.2005—2019年,能源強度回歸系數(shù)高值區(qū)由成渝城市群東部轉(zhuǎn)移到西部地區(qū),低值區(qū)域由西部轉(zhuǎn)移到東部區(qū)域.整體而言,能源強度對于雅安、成都、重慶影響力較大,而對于瀘州、達(dá)州影響力較小.值得注意的是,雖然高、低值區(qū)域空間格局均發(fā)生了顯著變化,但回歸系數(shù)整體上仍表現(xiàn)出上升的趨勢.目前原煤和焦炭是成渝城市群主要能源類型,消耗總額占比仍居高不下,進(jìn)一步提高清潔能源的比重是當(dāng)務(wù)之急.

3.3.4 城市化水平 2005—2019年,城市化水平對碳排放影響力逐步顯著.初期城市化階段,產(chǎn)生的規(guī)模效應(yīng)和集聚效應(yīng)有一定的減排效益,但隨著城市化進(jìn)程的進(jìn)一步發(fā)展,土地承載的生活和經(jīng)濟(jì)活動增多,工業(yè)能源消費增長,致碳排放大幅增長,回歸系數(shù)逐步增大.高值區(qū)由成渝城市群西部地區(qū)擴(kuò)散到重慶市以及川南城市群南部地區(qū),這與城市化發(fā)展水平時空躍進(jìn)進(jìn)程基本一致.重慶市等城市化較快的地區(qū)對于人口、資源吸引效應(yīng)強,對碳排放造成較大負(fù)擔(dān).

4 結(jié)論

以成渝城市群為研究對象,測度成渝城市群土地利用碳排放,剖析了土地利用碳排放時空演化特征、區(qū)域差異,并運用GTWR模型分析影響因素特征.研究結(jié)論如下:

(1)2005—2019年,成渝城市群碳排放總量逐步增長,區(qū)域減碳壓力較大,空間上存在顯著差異,“成都-重慶”土地利用碳排放貢獻(xiàn)度高于中部及邊緣城市.碳排放強度由0.92 t下降到0.31 t,經(jīng)濟(jì)發(fā)展與碳排放互動關(guān)系呈向好趨勢.

(2)土地利用碳排放總體差異呈波動上升趨勢.區(qū)域內(nèi)差異均有不同程度的擴(kuò)張態(tài)勢,區(qū)域間差異均值高達(dá)67.55%,是總體差異的主要來源.

(3)人口規(guī)模是區(qū)域土地利用碳排放最重要的影響因素,整體呈現(xiàn)“倒N”型曲線關(guān)系.經(jīng)濟(jì)發(fā)展水平仍是重要解釋變量,但其影響呈現(xiàn)邊際效益遞減特征.城市化水平、能源強度對區(qū)域土地碳排放的具有較為顯著正向影響,且影響力不斷上升.

(4)成渝城市群在發(fā)展的過程中仍面臨著嚴(yán)峻的減碳壓力,要以各區(qū)域?qū)嶋H情況為基礎(chǔ),因地制宜制定不同的低碳發(fā)展戰(zhàn)略.充分發(fā)揮人口集聚的節(jié)能減排效應(yīng),優(yōu)化建設(shè)用地空間格局,提高城市管理效率;加強核心技術(shù)研究,進(jìn)一步提高清潔能源的使用比重;提高能源使用效率,推動經(jīng)濟(jì)綠色低碳轉(zhuǎn)型發(fā)展.