基于“三生空間”的重慶市碳排放增長機理及趨勢預測*

郭 莉 白麗芳 王超越 劉藝璇 楊玉箏，2 郭先華#

(1.重慶三峽學院三峽庫區可持續發展研究中心,重慶 404100；2.中國科學院空天信息創新研究院,北京 100094)

隨著世界各地經濟的發展，溫室氣體排放量不斷增加，全球氣候變化問題日益突出。在第75屆聯合國大會上，中國明確提出將在2030年實現碳達峰、2060年實現碳中和。隨著國家對生態、綠色、低碳等發展方式的日益重視，有關優化國土空間、建設生態文明等文件相繼頒布，在此背景下“三生空間”的概念應運而生。“三生空間”即生活空間、生產空間和生態空間，如何通過“三生空間”的合理規劃實現區域減碳目標，是廣大學者日益關注的課題。

碳排放的影響因素分析是有效減少溫室氣體排放的重要依據，關系到減排政策的制定和實施[1]。SHI[2]采用STIRPAT模型研究碳排放影響因素，結果表明人口因素是影響碳排放的主要因素。SHAHBAZ等[3]研究發現城市化是影響馬來西亞能源消費增長的主要因素。黃蕊等[4]應用STIRPAT模型分析江蘇省能源消費碳排放量與人口、人均國內生產總值(GDP)、能源強度、城鎮化水平之間的關系，發現這4種因素每變化1%，能源消費碳排放量將分別發生3.467%、0.242%、0.313%、0.151%的變化。陳占明等[5]研究表明，人口規模、第二產業產值占比和采暖需求的增長都會提高城市碳排放，部分城市碳排放會隨著富裕程度的上升呈現先增后減的趨勢，但城鎮化率對碳排放的影響具有不確定性。碳排放的預測對于碳減排同樣重要，黎孔清等[6]通過基于灰色動態預測的GM(1,1)模型對湖南省農地投入的碳排放進行預測，結果顯示湖南省農地投入的碳排放量將呈持續上升趨勢，預計2020年將達到430.43萬t。

近些年來，隨著重慶市經濟的不斷發展，碳排放量逐年增加。為了進一步研究重慶市的碳排放影響因素，本研究以“三生空間”計算碳排放量，應用STIRPAT模型分析重慶市人口數量、城鎮化率、產業結構等因素對碳排放量的影響，進而具體分析碳排放的影響因素；最后，利用GM(1,1)模型對重慶市2020—2029年的碳排放量進行預測，為重慶市后續實施節能減排工作提供參考和依據。

1 方法與計算

1.1 “三生空間”碳排放量的計算

根據重慶市2008年土地利用數據，耕地、其他農用地、林地、草地、水域、城鄉建設用地、未利用土地分別占總用地面積的27.2%、11.8%、40.0%、2.9%、2.2%、7.2%、8.7%。按照“三生空間”分類評價體系[7-10]對土地利用類型的劃分，將城鄉建設用地進一步細分為工業用地、城鎮用地、農村居民點、道路交通用地，其中林地、草地、水域和未利用土地屬于生態空間，耕地、其他農用地、工業用地屬于生產空間，城鎮用地、農村居民點、道路交通用地屬于生活空間。“三生空間”中，生產空間和生活空間主要表現為碳源，生態空間主要表現為碳匯，分別計算各空間的碳排放量或碳匯量，匯總得到重慶市的碳排放情況。

1.1.1 生態空間

生態空間作為主要的碳匯，對于碳排放的吸收有著重要作用。利用不同用地類型的碳匯系數及面積計算生態空間的碳匯量。其中林地、草地、未利用土地和水域的碳匯系數分別為0.057 8、0.002 1、0.000 5、0.025 2 kg/(hm2·a)[11]，不同用地類型面積參考重慶市2008年土地利用數據。

1.1.2 生產空間

生產空間中耕地的碳排放主要來自農業生產活動和畜禽養殖業。其中，農業生產活動的碳源主要為農業施肥、農作物種植、農業機械使用和灌溉的CO2排放和稻田的CH4排放；畜禽養殖業的碳源為牲畜呼吸的CO2排放以及畜禽腸道發酵和糞便的CH4排放，重慶市主要畜禽養殖品種為豬、牛和家禽。參考文獻[12]，耕地碳排放量計算中涉及到的參數取值見表1。

表1 耕地各碳源的碳排放轉化系數

工業用地碳源主要來自工業能源活動和工業生產過程，工業能源活動碳排放采用自上而下的碳排放測算方法，根據不同類型能源的消耗量、折標煤系數及碳排放系數計算，不同能源類型的折標煤系數參考《中國能源統計年鑒》，碳排放系數參考《2006年IPCC國家溫室氣體排放清單指南》，具體取值見表2。工業生產過程的碳排放根據《省級溫室氣體清單編制指南》列出的溫室氣體清單范圍，鑒于重慶市主要工業產品為水泥，根據水泥產量及單位產量的碳排放系數(0.538 t/t)計算水泥生產的碳排放量。

表2 工業能源活動碳排放相關系數

1.1.3 生活空間

生活空間碳排放主要來自城鎮用地、農村居民點、道路交通用地等。城鎮用地碳源主要為城鎮居民呼吸碳排放，由城鎮常住人口和人體呼吸碳排放系數計算得到。人體呼吸碳排放系數取79 kg/(人·a)[13]。農村居民點碳源主要為農村居民生活能源，包括煤炭和秸稈燃燒以及呼吸碳排放。根據相關文獻，在現有技術條件下，秸稈資源可認為是100%收集[14]，秸稈燃燒碳排放量(Cs，t)的計算見式(1)：

(1)

式中：k為農作物種類序號；pi為第i種作物產量，t；si為第i種作物谷草比；θi為第i種作物秸稈燃燒碳排放系數，t/t，不同作物類型的秸稈燃燒碳排放系數取值見表3；m為秸稈露天燃燒比，一般取0.165；n為秸稈燃燒效率，一般取0.8。

表3 谷草比和秸稈燃燒碳排放系數

道路交通用地碳排放量通過交通運輸、倉儲和郵政的能源消費計算，計算方法和工業能源消費相同。

1.2 總碳排放量

由重慶市“三生空間”碳排放量減去碳匯量計算得到重慶市總碳排放量。

1.3 STIRPAT模型

采用STIRPAT模型分析重慶市人口、城鎮化率、交通情況、產業結構、機械總動力、農業結構、林業支出占比等對碳排放的影響。YORK等[15]在傳統IPAT模型的基礎上提出了STIRPAT模型，該模型能夠克服Kaya恒等式和IPAT模型在假設檢驗方面的局限性，同時能夠得到影響因子對環境的非等比例影響。其標準形式為：

I=aPbAcTde

(2)

式中：I、P、A、T分別為環境影響、人口因素、財富因素和技術因素；a為模型系數；b、c、d分別為人口因素、財富因素和技術因素的系數；e為隨機誤差項。

對式(2)兩邊分別取對數后得到式(3)：

lnI=lna+blnP+clnA+dlnT+lne

(3)

以lnI作為因變量，lnP、lnA、lnT作為自變量，lna作為常數項，lne作為誤差項，對經過處理后的模型進行多元線性擬合。根據彈性系數概念，P、A、T每發生1%的變化，將分別引起I發生b%、c%、d%的變化。

為了針對性研究重慶市碳排放的影響因素，結合重慶市“三生空間”的實際情況，對STIRPAT模型進行擴展，得到式(4)：

lnI=lna+blnP+clnA+dlnT+flnK+jlnS+klnL+qlnQ+lne

(4)

式中：K為產業結構；S為交通情況；L為農業結構；Q為林業支出情況；f、j、k、q分別為產業結構、交通情況、農業結構、林業支出的系數。本研究旨在分析重慶市碳排放影響因素，I取值為總碳排放量，萬t；P取值為重慶市人口數，萬人；A取值為城鎮化率，%；T取值為機械總動力，萬kW；K取值為第二產業產值與總產值比值；S取值為交通換算周轉量，億t·km，由旅客周轉量換算成貨物周轉量再與貨物周轉量相加得到；L取值為種植業與農業總產值的比值；Q取值為林業系統固定資產投資額與財政總支出的比值。

1.4 GM(1,1)模型

GM(1,1)模型是揭示系統內部事物連續發展變化過程的預測模型，該模型通過少量、不完全的信息建立灰色微分預測模型，對事物發展規律作出模糊性的長期描述。本研究根據重慶市2000—2019年的碳排放預測2020—2029年的碳排放變化趨勢，采用MATLAB軟件中的GM(1,1)模塊進行計算。

1.5 數據來源

工業能源消費數據來自《重慶統計年鑒》(2000—2019年)，交通能源消費數據來自《中國交通統計年鑒》(2000—2019年)。人口、城鎮化率、交通周轉量、機械總動力均來自《重慶統計年鑒》(2000—2019年)。產業結構、農業結構、林業支出占比經過計算得到。其中，林業系統固定資產投資額源自《中國林業統計年鑒》(2000—2019年)。由于2019年的林業系統固定資產投資額未公布，用2018年的數據代替。重慶市2000—2019年的林地、草地、未利用地、水域面積用Arcgis 10.7軟件分析柵格數據獲得。

2 結果與分析

2.1 重慶市碳排放量分析

根據“三生空間”的碳排放量與碳匯量，計算得出重慶市2000—2019年的總碳排放量(見圖1)。2000—2019年重慶市總碳排放量呈逐步緩慢增加再趨于穩定的趨勢，由2000年的0.37億t增加到2019年的1.23億t，增長了2.32倍，年均增長率為6.48%。其中生產空間碳排放量由2000年的0.28億t增加到2019年的0.95億t，增長了2.39倍；生活空間碳排放量由2000年的0.11億t增加到2019年的0.30億t，增長了1.73倍；生態空間的碳匯量由2000年的180.92萬t小幅增至2019年的194.15萬t，由此可見，生態空間碳匯量遠低于生產空間、生活空間的碳排放量，且多年來變化基本不大，生產空間對碳排放的促進作用比生活空間更顯著。

圖1 2000—2019年重慶市總碳排放量及年增長率

通過分析碳排放量的增長特征，可將重慶市碳排放發展分為3個階段：第1階段(2000—2005年)為總碳排放量穩步增長階段。從生產空間來看，該階段工業用地碳排放量增長幅度最大，其中工業生產過程碳排放增長49.75%，工業能源活動碳排放增長61.94%，且工業能源活動碳排放量和工業生產過程碳排放量占比分別為34.47%、19.79%。耕地的主要碳源為牲畜呼吸和農業生產活動，碳排放量占比分別為16.02%、1.81%，但就增長率而言，牲畜呼吸和畜禽腸道發酵的碳排放增長幅度偏高，分別為26.08%、47.85%。由稻田CH4排放產生的碳排放下降3.69%，究其原因，是稻田面積減少引起碳排放的下降；從生活空間來看，2000—2005年碳排放增長幅度最大的是農村生活點和道路交通用地，增長率分別為57.97%、142.23%,而城鎮用地碳排放下降1.78%，分析其原因，是由于該階段重慶市人口外流使得碳排放增長率出現負增長。生活空間中碳排放占比最大的是城鎮用地和農村居民點，碳排放量占比分別為4.66%、20.14%。

快節奏的生活使人們不再滿足于傳統旅行的低效率，一方面人們希望在出門之前就能對旅游相關知識及信息有一個全面的了解并且可以享受到各種快捷方便的服務，另一方面旅游企業需要及時地向旅游顧客群提供豐富的旅游景點信息，了解客戶的需求進而提供相應的服務[1]。

第2階段(2006—2015年)為總碳排放量快速增長階段。該階段重慶市總碳排放量從2006年的0.65億t增加到2015年的1.28億t，年均增長率為14.85%。從“三生空間”的角度來看，碳排放量的增幅主要來自于生產空間。從工業用地上看，工業生產過程對碳排放的貢獻率為25.18%，增長率為168.30%；工業能源活動碳排放增長率相較于2000—2005年明顯提高，增長率為107.55%。其次，從耕地碳排放情況來看，農業生產活動的碳排放為上升趨勢，增長率為14.91%。牲畜呼吸、稻田、畜禽腸道發酵、畜禽糞便的碳排放增長率分別為16.67%、-3.75%、-10.26%、8.46%，與第1階段相比均有所下降。從生活空間來看，城鎮居民呼吸的碳排放增長率為7.43%。在這一時期，重慶市城鎮人口數量呈明顯的增長趨勢，由2005年的1 265.95萬人增加至2015年的1 838.41萬人，而鄉村人口則由1 496.71萬人減少至2015年的1 178.14萬人。隨著經濟的發展和重慶市政策的支持，很多鄉村人口進城務工或者定居城市，從而造成這種現象。在道路交通用地方面，隨著我國經濟的發展，人民生活水平的提高，對于交通的需求越來越大，道路交通用地碳排放的增長率保持在較高水平，為150.18%。總體而言，2006—2015年重慶市總碳排放量比2000—2005年有明顯的提升。

第3階段(2016—2019年)為總碳排放量穩中下降階段。在此階段，國家大力提倡綠色低碳發展，各地都出臺了相關的減排政策和措施，對于碳排放量的減少有明顯的促進作用。在重慶市生產空間上，除了畜禽腸道發酵的碳排放增長率為2.77%外，農業生產活動、牲畜呼吸、稻田、畜禽糞便、工業能源活動以及工業生產過程的碳排放均為負增長，具體增長率為-3.87%、-18.40%、-0.87%、-25.85%、-1.29%、-0.42%。在該階段，工業能源活動和工業生產過程對碳排放貢獻依然較大，貢獻率分別為38.83%、28.69%。在生活空間，道路交通的碳排放增長率有明顯的下降，這是因為隨著經濟的發展和社會的進步，對交通需求日趨飽和。

2.2 影響因素分析

運用SPSS 25軟件對碳排放量及各影響因素數據進行多元線性回歸分析，重慶市碳排放量除了與產業結構、農業結構和林業支出占比的方差膨脹系數(VIF)為8.567、6.658、9.128，小于10之外，與其他變量的VIF都大于10，其中與城鎮化率、機械總動力的VIF分別為372.788、379.902，遠大于10，說明這些因素間存在很嚴重的多重共線性。因此，為了消除這種共線性的影響，采用嶺回歸方法對數據進行重新回歸，回歸結果見表4。根據擬合結果，所有自變量回歸系數都通過了5%的顯著性水平檢驗。模型擬合結果R2為0.972，F統計量通過了1%的顯著性水平檢驗，說明嶺回歸結果可以較好地解釋重慶市碳排放量與自變量之間的關系，由此得到重慶市碳排放的STIRPAT模型，具體見式(5)：

表4 嶺回歸結果

lnI=0.127lnP+0.250lnA+0.242lnT+0.156lnK+0.208lnS+0.088lnL-0.095lnQ

(5)

通過分析模型可以看到，重慶市總人口數、城鎮化率、交通換算周轉量、產業結構、機械總動力、農業結構的擬合系數均為正值，說明這些因素對碳排放起促進作用，隨著這些自變量的增加，碳排放量也會增加。通過具體分析可以得知，城鎮化率和機械總動力對碳排放的促進作用最大。城鎮化率每增加1.000%，碳排放量將增加0.250%；機械總動力每增加1.000%，碳排放量將增加0.242%。而林業支出的系數為負，對碳排放起抑制作用。林業支出每增加1.000%，將使碳排放量減少0.095%。可以看到林業支出對碳排放有著最明顯的抑制作用，因此，對林業支出的投資額度將來必須保持以及提高。

2.3 碳排放預測分析

根據重慶市2000—2019年的碳排放數據，應用MATLAB軟件建立重慶市2020—2029年的“三生空間”碳排放的GM(1,1)預測模型。輸入2000—2019年的碳排放值，經過兩次殘差序列分析，得到重慶市2020—2029年的碳排放預測結果(見表5)。經檢驗，模型預測精度為一級，說明該預測結果有效。

表5 重慶市2020—2029年碳排放預測

通過GM(1,1)預測模型得到重慶市2000—2019年基于“三生空間”的碳排放預測值，并與重慶市碳排放真實值進行對比，結果見圖2。圖2顯示預測值與實測值的偏離度總體較小，僅有個別年份的偏離度較大。從預測結果來看，2020—2029年的總碳排放增長趨勢明顯，從2020年的1.54億t增加到2029年2.56億t，年均增長率為5.82%，說明重慶市碳排放量雖然繼續增加，但增長率有所下降。本研究的預測基于重慶市過去20年的碳排放趨勢展開，預測時并未設置各種碳減排情景，但是根據預測的有效性顯示，未來重慶市的碳減排壓力依然很大。

圖2 真實值與預測值的擬合線

2.4 碳減排規劃措施分析

通過對重慶市基于“三生空間”的碳排放影響因素研究和碳排放量預測，可以發現無論是生產空間還是生活空間，碳排放未來幾年仍將繼續增加。為促進重慶市“三生空間”的低碳發展，以低碳空間為切入點尋找突破點，并提出“三生空間”規劃以達到碳減排，具體見圖3。

圖3 “三生空間”規劃框架

2.4.1 生產空間碳減排

由前文分析可知，無論是碳排放量還是碳排放增長率，工業生產、農業、能源消耗等都是重要碳排放影響因素。因此，生產空間的規劃對于碳減排來說至關重要。重慶市作為一個傳統的工業城市，工業在重慶市的國民經濟中扮演著十分重要的地位，是重慶市經濟增長的核心動力。雖然近年來重慶市的產業結構一直在不斷優化中，但見效有限。目前，重慶市的經濟增長放緩主要是因為核心支柱產業不足，新的支柱產業量又沒有保留。關于重慶市的生產空間的減排措施，可以從以下幾點入手。

在工業上，產業結構可以反映一個地區的經濟社會發展模式，根據重慶市2000—2019年統計年鑒中三大產業的產值變化，可以看到重慶市第二產業所占比重過大。在以后的發展中應該逐步改變以建筑業、汽車以及制造業等為主的產業現狀，發展更加多元更加精密的產業類型。具體措施可從4個方面展開：(1)控制能耗，主要指控制工業能耗和建筑能耗。對節能審查達不到標準的高耗能落后工業可以逐步淘汰，與此同時通過政府支持和企業自身努力，在保持第二產業優勢的同時，加強內部技術創新，鼓勵企業生產工藝清潔化。(2)區分主次矛盾。對高碳、低碳行業采取各自相應的政策，主要抑制高碳企業的發展，同時鼓勵低碳企業的發展。(3)優化空間布局。根據重慶市當地的企業分布特征，可以將零散的工業遷入相關的工業園區，形成集聚效應，減少交通等不必要的碳排放。(4)調整三大產業布局。鼓勵發展第一和第三產業，在提高第一、三產業在國民經濟中比重的同時，還得減少低產值種植業、低端服務業所占比重，提高現代化服務業整體質量。

在農業上，重慶市2000—2019年耕地最大的碳排放源來自畜禽養殖及其糞便處理，兩個碳源的碳排放量合計占比達到耕地碳排放的89%。在畜禽養殖方面應該改良養殖技術，主要包括兩方面內容：飼料低碳化技術和養殖用能低碳化技術。飼料低碳化技術是指飼草種植技術和飼料青貯技術，可以最大程度減少工業飼料的使用，使得工業飼料在生產和運輸中實現最大化的減排，并且在很大程度上保護了當地的生態環境，增加碳匯。養殖用能低碳化技術包括圈舍低碳化設計技術和清潔能源技術。重慶市特有的地形使其不便發展規模化養殖，因此必須探索適合重慶市本土的養殖方式。圈舍低碳化設計指在設計時要充分考慮圈舍的選址、耗材、取暖、采光等，使得在養殖過程中實現最大的低碳效益。清潔能源技術指結合重慶市能源現狀，盡可能利用各種清潔能源來進行畜牧業生產，如太陽能、沼氣等。畜禽糞便的處理應實現低碳化管理技術，具體包括糞便能源化、飼料化、肥料化。能源化是指建立相應的沼氣設施，使得糞便變為能源，以提供清潔能源。飼料化是指通過有機肥加工技術和堆肥將糞便轉化為肥料。肥料化是指將其制作成蛋白粉以作為配料使用，或者用其作為飼料來養殖蚯蚓等。其次，必須推行綠色生產方式、調整農業結構等來降低農業碳排放，如加大林業、漁業等投資，減少傳統種植投入等。此外，必須調整種植業內部結構，大力發展油菜、花生等經濟作物。

在能源消耗上，首先應提高煤炭等化石燃料的利用率，采用先進技術發展潔凈煤發電技術；其次應調整能源結構，提高新能源的使用比例。調整能源產業結構從長遠來看，對碳減排有著極其重要的意義，不僅可以切實有效降低碳排放，而且可以增生新產業，并促進相關產業的發展。

2.4.2 生活空間碳減排

人口、城鎮化率、交通換算周轉量等對碳排放都有著重要影響。城鎮化與低碳化是相互促進的關系，加快推進城鎮化高質量發展對低碳發展有著重要意義。在推進城鎮化的過程中，必須因地施策，避免同一化帶來的不利影響。重慶市主城區應充分發揮其集聚效應，助力經濟綠色發展和節能減排。其他地區應該警惕“攤大餅”式的城鎮化帶來的資源浪費和高能耗。社會設施以及各種服務設施與交通設施的布局都相互影響和聯系，在低碳理念下的生活空間布局更應該注重各種設施之間的聯系。如果設施間服務距離過大，會增加出行成本，不利于低碳交通；而服務距離過小，則又會引起不必要的浪費。因此，結合重慶市整個復雜的地形條件，應該采用“集聚+分散”的布局模式，有效提高設施服務效率，減少能耗。

2.4.3 生態空間增碳匯

重慶市碳儲量潛力巨大，但碳匯增幅有限并未實現最大化。因此，對林地、草地、水域等空間布局和樹種搭配還需進一步研究。現有研究表明，雖然重慶市森林碳匯總量為5 931.78萬t，但森林碳匯分布不均勻[16]。因此，在注重碳匯增量的同時，還應重視布局均衡，如在都市核心區、城市發展新區等增加綠地碳匯；重慶市東北、東南地區在保持現狀的基礎上注重生態保護；選擇合適的樹種配置對碳匯的建設十分重要。結合現有研究，再考慮生物含碳率、木材密度、生物量擴展因子等因素，認為以柳杉、包石櫟、木荷、櫟類搭配較為適宜，但具體搭配方案還需根據區域特征進一步研究調整。此外，根據重慶市特有的歷史文化、自然風光等，在科學規劃的前提下發展森林生態旅游，帶動當地經濟發展。重慶市政府也應該加快完善林業生物質能源相關政策和市場監督，促進重慶市林業低碳發展。

3 討 論

根據構建的STIRPAT模型和GM(1,1)模型，對重慶市“三生空間”碳排放的影響因素以及碳排放量的預測，尋求低碳發展“三生空間”的突破口。本研究對2000—2019年的實際碳排放量計算與袁霄等[17]對重慶市碳排放量計算有一定的誤差，分析原因，本研究計算的碳排放量不僅計算了工業能源消費的碳排放量，還計算工業生產過程、人口、耕地等，總體看來誤差在合理的范圍內，并不影響對碳排放的分析。近20年來，重慶市的總碳排放量從2000年的0.37億t增加到2019年的1.23億t，呈明顯的增長趨勢，碳排放增長主要來源于生產空間的工業用地，耕地也是其主要碳排放源，但碳排放增長速度遠低于工業用地。首先這種現狀的形成與重慶市特殊的經濟、文化、地理位置等都有重要關系：重慶市作為我國老工業基地，雄厚的工業基礎使其有較強的碳排放來源；1997年重慶市被設立為直轄市，政策支持使重慶市當地工業、農業等都有了較大的發展，GDP增加的同時，也增加了碳排放量。其次，生活空間碳排放量的增加主要基于以下3點原因：(1)人口增長和城鎮化推進。重慶市常住人口從2000年到2019年增加近300萬人，城鎮化率從35.6%提高到66.8%。(2)交通發展。重慶市是中國西部唯一集水、陸、空3種運輸方式為一體的交通樞紐，對整個西部地區都有著重要的交通意義。在交通發展十分迅猛的背景下，交通能源消費碳排放也日益增加。(3)農村生活能源。能源種類、數量等都在近20年里有巨大的改變，使得碳排量不斷增加。

本研究在碳排放影響因素的選取上與其他研究有所不同，并不是按照工業、農業等分類獲得，而是將“三生空間”所涉及到的主要影響因素放在一起分析，更全面地研究了各空間因素對碳排放的影響。通過STIRPAT模型分析可知，對碳排放有明顯積極促進的因子主要是人口、城鎮化率、交通換算周轉量等，這與張勇等[18]研究結果相似，都表明工業、人口等對碳排放有積極的促進作用。通過GM(1,1)模型可知，未來重慶市碳排放仍處于增長趨勢，但是年增長率有明顯的下降趨勢。這說明在重慶市現有的碳減排背景下對碳排放有極大的抑制力，但在未來應采取更加強有效的措施來抑制碳排放，確保重慶市在2030年實現碳達峰。

4 結 論

(1) 在重慶市基于“三生空間”的碳排放計算中，2000—2019年的總碳排放量逐步增加再趨于穩定，年均增長率為6.48%；重慶市碳排放主要來自生產空間，工業用地碳排放貢獻最大；就生活空間而言，碳排放所占比重最高的是道路交通用地和城鎮用地。

(2) 根據STIRPAT模型分析了重慶市基于“三生空間”的碳排放影響因素，發現人口、交通換算周轉量、城鎮化率、產業結構、機械總動力、農業結構對重慶市“三生空間”的碳排放起著積極的促進作用，而林業支出對碳排放則起抑制作用。

(3) 基于重慶市2000—2019年的碳排放測算結果，利用GM(1,1)模型預測重慶市未來排放變化趨勢，結果顯示在不考慮其他減排措施的前提下，重慶市2020—2029年的總碳排放量仍將繼續增長，從2020年的1.54億t增加到2029年的2.56億t，但增長趨勢有所減緩。