耕地利用轉(zhuǎn)型碳排放時(shí)空分異特征與形成機(jī)理研究

蓋兆雪 詹汶羲 王洪彥 杜國(guó)明

(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

耕地是人類賴以生存與發(fā)展的寶貴資源，是保障國(guó)家糧食安全和治國(guó)安邦的根本條件[1]。近年來，隨著工業(yè)化、城鎮(zhèn)化的快速發(fā)展，各類用地通過競(jìng)爭(zhēng)相互消長(zhǎng)，導(dǎo)致城鄉(xiāng)空間布局和城鄉(xiāng)地域形態(tài)等迅速轉(zhuǎn)變，鄉(xiāng)村要素快速流動(dòng)引發(fā)了耕地邊際化、非農(nóng)化和破碎化等問題日益明顯；同時(shí)耕地轉(zhuǎn)變?yōu)槠渌玫仡愋停氐臄?shù)量和空間結(jié)構(gòu)發(fā)生改變[2]。耕地是碳循環(huán)的重要環(huán)節(jié)，耕地利用轉(zhuǎn)型不可避免地改變碳排放規(guī)模[3-4]。耕地在轉(zhuǎn)型過程中既會(huì)增加植被、土壤和水域的固碳能力，又會(huì)釋放出大量碳，進(jìn)而導(dǎo)致氣候異常引發(fā)全球變暖，威脅人類的生存和發(fā)展[5]。當(dāng)前中國(guó)正處于鄉(xiāng)村振興戰(zhàn)略初期以及城鎮(zhèn)化、工業(yè)化加速階段，耕地利用和生態(tài)環(huán)境問題愈加顯著。因此，探究耕地利用轉(zhuǎn)型過程中的碳排放強(qiáng)度及時(shí)空分異特征，對(duì)促進(jìn)社會(huì)經(jīng)濟(jì)低碳轉(zhuǎn)型和可持續(xù)發(fā)展具有重要意義。

耕地利用轉(zhuǎn)型是由土地利用轉(zhuǎn)型拓展而來，可分為理論研究和應(yīng)用研究?jī)煞矫?，前者主要包括耕地利用轉(zhuǎn)型概念與內(nèi)涵[6-7]、理論研究框架[8]、轉(zhuǎn)型機(jī)理[9]和轉(zhuǎn)型路徑[10]等方面；后者主要包括耕地利用轉(zhuǎn)型的時(shí)空分異特征[11]、耦合關(guān)系[12-13]以及轉(zhuǎn)型效應(yīng)[14]等研究。碳排放立足于從微觀—中觀—宏觀尺度研究土地利用碳排放效應(yīng)，在微觀尺度上，基于土壤碳和植被碳計(jì)算土地利用變化的碳通量[15]；在中觀尺度上，研究土地利用變化碳排放的時(shí)空特征[16]、影響因素[17]和碳排放動(dòng)態(tài)模擬[18]等方面；繼而從宏觀尺度提出土地利用減排政策和碳補(bǔ)償辦法[19]。綜合來看，一是已有研究側(cè)重挖掘土地利用面積變化的碳排放問題，而耕地利用轉(zhuǎn)型對(duì)碳源、碳匯的影響研究尚未涉及；二是缺乏對(duì)耕地利用轉(zhuǎn)型的碳排放影響因素研究。因此，本文基于1990、2000、2010、2020年4期土地利用數(shù)據(jù)，采用單元網(wǎng)格法和碳排放系數(shù)分析1990—2020年研究區(qū)耕地利用轉(zhuǎn)型碳排放強(qiáng)度，結(jié)合重心分析、探索性空間數(shù)據(jù)分析和冷熱點(diǎn)分析工具揭示耕地利用轉(zhuǎn)型碳排放的空間格局演變規(guī)律和趨勢(shì)，并借助地理探測(cè)器模型探索耕地利用轉(zhuǎn)型碳排放的形成機(jī)理，以期為緩解生態(tài)環(huán)境惡化和完善耕地保護(hù)政策提供參考。

1 研究區(qū)概況

松花江流域哈爾濱段位于125°42′～130°10′E，44°04′～46°40′N(圖1)，地處松嫩平原，位于黑龍江省南部，是黑龍江省重要的糧食生產(chǎn)基地，是東北城鎮(zhèn)化進(jìn)程和資源環(huán)境變化較快的典型區(qū)域，同時(shí)也是“東北振興”和“一帶一路”戰(zhàn)略的重要地區(qū)。研究區(qū)土地利用類型多樣，土地面積706 913.32 hm2。耕地面積比重較大，2020年耕地面積為421 697.41 hm2，年平均氣溫為5.34℃，冬夏最大溫差77.10℃，年均日照時(shí)數(shù)2 180.80 h，降水主要集中在6—9月，占全年的70%[20]。據(jù)相關(guān)研究表明，研究區(qū)城鎮(zhèn)化進(jìn)程快、土地開發(fā)強(qiáng)度大、耕地非農(nóng)化現(xiàn)象明顯[20]。

圖1 研究區(qū)地理位置Fig.1 Geographical location of study area

2 數(shù)據(jù)來源及處理

土地利用數(shù)據(jù)來源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http:∥www. resdc.cn)，空間分辨率為30 m，根據(jù)土地利用現(xiàn)狀分類標(biāo)準(zhǔn)，參照前人的研究[20]以及地理特征，將研究區(qū)土地利用類型分為耕地、林地、草地、水域、建設(shè)用地、未利用地。利用ENVI軟件進(jìn)行波段融合、幾何校正、圖像增強(qiáng)、鑲嵌、裁剪等預(yù)處理，同時(shí)根據(jù)野外實(shí)地調(diào)查對(duì)其進(jìn)行人工修正，獲得1990、2000、2010、2020年4期土地利用數(shù)據(jù)，最終建立1990—2020年4期土地利用數(shù)據(jù)庫(kù)。

耕地利用轉(zhuǎn)型碳排放是自然條件和社會(huì)經(jīng)濟(jì)條件共同作用的結(jié)果，需綜合考慮自然條件和社會(huì)經(jīng)濟(jì)因素，并兼顧指標(biāo)選取的難易程度。因此，結(jié)合研究區(qū)實(shí)際情況，分別從自然、距離和社會(huì)經(jīng)濟(jì)3方面選取影響因子，自然因子包括地形地貌因子和氣候因子，具體包含坡度X1、地形起伏度X2、高程X3、年平均降水量X4、年平均氣溫X5，其中坡度、地形起伏度和高程決定著土地利用類型的分布格局，坡度小、地形起伏度小、高程低的地帶，耕地極易與其他類型土地發(fā)生轉(zhuǎn)型。氣溫、降水條件決定著耕地、林地的地理分布和生產(chǎn)水平，是碳排放變化最敏感的因子。距離因子包括與城鎮(zhèn)中心距離X6、與鄉(xiāng)級(jí)以上道路距離X7、與水域距離X8，與城鎮(zhèn)中心距離越近，耕地越容易發(fā)生轉(zhuǎn)型，與鄉(xiāng)級(jí)以上道路、水域距離越近耕地發(fā)生轉(zhuǎn)型的機(jī)率也增加，如為運(yùn)輸方便占用耕地而修建工業(yè)用地；為完善農(nóng)田基礎(chǔ)設(shè)施，離水域越近的耕地易發(fā)生轉(zhuǎn)型。社會(huì)經(jīng)濟(jì)因子包括地均GDPX9、人口密度X10和土地利用程度X11，表征人類活動(dòng)對(duì)耕地利用轉(zhuǎn)型的干擾程度。具體指標(biāo)見表1。

表1 形成機(jī)理指標(biāo)體系Tab.1 Index system of formation mechanism analysis

3 研究方法

3.1 網(wǎng)格單元法

網(wǎng)格單元法可定量刻畫土地利用轉(zhuǎn)型碳排放時(shí)空的精細(xì)演變過程[26]。利用ArcGIS 10.2軟件，以正方形等積規(guī)則網(wǎng)格劃分樣本區(qū)域，綜合研究區(qū)面積、研究目的和計(jì)算機(jī)運(yùn)算效率，經(jīng)反復(fù)調(diào)試，以900 m×900 m的正方形網(wǎng)格為研究單元，獲得9 180個(gè)網(wǎng)格單元，并將所需研究數(shù)據(jù)轉(zhuǎn)入到對(duì)應(yīng)的網(wǎng)格單元中。

3.2 碳排放測(cè)算

根據(jù)研究區(qū)土地利用類型，將耕地利用轉(zhuǎn)型分為耕地轉(zhuǎn)為林地、草地、水域、建設(shè)用地和未利用地5種類型。其中林地、草地、水域和未利用地作為碳匯，耕地、建設(shè)用地作為碳源。耕地利用轉(zhuǎn)型為相互轉(zhuǎn)型，需測(cè)算相互轉(zhuǎn)型的碳排放量，碳排放測(cè)算公式為

E=∑ei=∑Tiδi

(1)

式中E——碳總排放量

ei——耕地與其他土地利用類型相互轉(zhuǎn)型對(duì)應(yīng)產(chǎn)生的碳排放量

Ti——耕地與其他土地利用類型相互轉(zhuǎn)型對(duì)應(yīng)變化的土地面積

δi——耕地與其他土地利用類型相互轉(zhuǎn)型對(duì)應(yīng)的碳排放系數(shù)

耕地碳排放系數(shù)的確定需要同時(shí)考慮碳排放和碳吸收兩方面(既產(chǎn)生CH4，又吸收CO2)，CAI等[27]研究表明，農(nóng)作物碳排放系數(shù)為0.504 t/hm2；何勇等[28]研究表明，農(nóng)作物碳吸收系數(shù)為0.007 t/hm2，由此得耕地凈碳排放系數(shù)為0.497 t/hm2。林地、草地的碳排放系數(shù)均來源于方精云等[29]的研究成果，中國(guó)森林碳匯效率的加權(quán)平均值為-0.581 t/hm2，草地排放系數(shù)為-0.021 t/hm2，考慮研究區(qū)的植被覆蓋和氣候情況，采用這一平均碳匯系數(shù)具有一定的合理性。水域碳排放系數(shù)也需要考慮碳源和碳匯兩方面(積水情況下是CO2的匯，被排干圍墾后是CO2的源)，賴力[30]的研究表明，中國(guó)水域的平均碳匯系數(shù)為-0.257 t/hm2，采取這一系數(shù)作為研究區(qū)水域碳排放系數(shù)。建設(shè)用地的碳排放系數(shù)既要考慮土壤的碳排放量又要考慮工業(yè)生產(chǎn)生活中的能源消耗等活動(dòng)產(chǎn)生的碳排放，因此本文通過查閱統(tǒng)計(jì)年鑒、IPCC碳排放清單，結(jié)合研究區(qū)主要能源消耗(煤、石油、天然氣)結(jié)構(gòu)和能源碳排放系數(shù)，確定建設(shè)用地碳排放系數(shù)為0.643 t/hm2。未利用地具有一定的碳吸收能力，碳排放系數(shù)參考相關(guān)研究[30]的公認(rèn)值-0.005 t/hm2。

3.3 重心分析

依據(jù)重心模型構(gòu)建耕地利用轉(zhuǎn)型碳排放重心模型[31]，揭示耕地利用轉(zhuǎn)型碳排放演化的空間軌跡。假定某區(qū)域由n個(gè)單元組成，其中，第i個(gè)子區(qū)單元內(nèi)的中心坐標(biāo)設(shè)定為(Xi,Yi)，Mi代表該區(qū)域單元在某種屬性特征意義中的數(shù)值，該屬性中的重心坐標(biāo)表達(dá)式為

(2)

式中X——重心坐標(biāo)的經(jīng)度

Y——重心坐標(biāo)的緯度

Xi——第i個(gè)網(wǎng)格中心的經(jīng)度坐標(biāo)值

Yi——第i個(gè)網(wǎng)格中心的緯度坐標(biāo)值

Mi——第i個(gè)網(wǎng)格耕地利用轉(zhuǎn)型碳排放量

3.4 冷熱點(diǎn)分析

冷熱點(diǎn)分析用于確定空間聚集的高(熱點(diǎn))/低(冷點(diǎn))值區(qū)域[32]。通過該方法來反映空間上耕地利用轉(zhuǎn)型碳排放變化的聚類分布。冷熱點(diǎn)觀測(cè)值G用于描述冷熱分布，如果該指數(shù)為具有統(tǒng)計(jì)學(xué)意義的正值，則值越高熱點(diǎn)聚類的分布越集中，該區(qū)域?yàn)闊狳c(diǎn)區(qū)域，反之表明該區(qū)域?yàn)槔潼c(diǎn)區(qū)域。利用ArcGIS 10.2軟件中Getis-Ord General G工具進(jìn)行冷熱點(diǎn)分析。冷熱點(diǎn)分布根據(jù)置信區(qū)間分為6個(gè)等級(jí)，即在99%、95%和90%置信區(qū)間的冷點(diǎn)與熱點(diǎn)分布。計(jì)算公式為

(3)

式中Mj——第j個(gè)網(wǎng)格的耕地利用轉(zhuǎn)型碳排放量

Wij——要素i和j的空間權(quán)重矩陣(值為1則表示空間相鄰，值為0則表示不相鄰)

3.5 地理探測(cè)器模型

地理探測(cè)器模型能夠定量評(píng)估影響研究區(qū)耕地利用轉(zhuǎn)型碳排放空間變化的因子及因子的影響強(qiáng)度[33 ]，計(jì)算公式為

(4)

式中q——形成機(jī)理解釋力，值域?yàn)閇0,1]

L——因子的層數(shù)

Nh——第h層碳排放和因子對(duì)應(yīng)的單元數(shù)

N——全區(qū)碳排放和因子對(duì)應(yīng)的單元數(shù)

σ2——全區(qū)碳排放變化方差

交互作用探測(cè)主要為判斷各因子對(duì)因變量是獨(dú)立產(chǎn)生影響的還是相互作用后產(chǎn)生影響，影響的作用力是減弱還是增強(qiáng)，兩個(gè)因子之間的關(guān)系可分為以下幾類：①q(x1∩x2)Max(q(x1)，q(x2))，雙因子增強(qiáng)。④q(x1∩x2)=q(x1)+q(x2)，獨(dú)立。⑤q(x1∩x2)>q(x1)+q(x2)，非線性增強(qiáng)。

4 結(jié)果與分析

4.1 耕地利用轉(zhuǎn)型結(jié)構(gòu)演化特征

利用ArcGIS 10.2平臺(tái)的疊加分析工具，分析1990—2020年研究區(qū)耕地利用轉(zhuǎn)型數(shù)量的分布特征及相互轉(zhuǎn)型的流向，揭示耕地利用轉(zhuǎn)型結(jié)構(gòu)演化特征。1990—2000年耕地轉(zhuǎn)出面積為3 806.73 hm2，其中耕地轉(zhuǎn)為水域的面積最大，貢獻(xiàn)率為36.48%；其次是轉(zhuǎn)為建設(shè)用地，貢獻(xiàn)率為33.76%；另外，22.39%的耕地由于撂荒轉(zhuǎn)為未利用地。然而，耕地轉(zhuǎn)入面積為6 721.74 hm2，其中未利用地轉(zhuǎn)為耕地的面積最大，貢獻(xiàn)率為40.14%；其次是草地、林地，貢獻(xiàn)率分別為34.57%、19.46%。綜合來看，由于轉(zhuǎn)入量大于轉(zhuǎn)出量，1990—2000年耕地面積呈上升趨勢(shì)，增加了2 915.01 hm2，主要源于未利用地和草地的轉(zhuǎn)入(表2)。

表2 1990—2000年耕地利用轉(zhuǎn)型結(jié)果Tab.2 Transformation of utilization of cultivated land in 1990—2000

2000—2010年耕地轉(zhuǎn)型為其他類型土地的面積為44 131.50 hm2，其中轉(zhuǎn)為建設(shè)用地的面積最大，為21 381.48 hm2，貢獻(xiàn)率為48.45%；轉(zhuǎn)為林地、草地、水域和未利用地的面積相差不大，貢獻(xiàn)率在10%～16%之間。然而，其他類型土地轉(zhuǎn)為耕地的面積僅為27 506.61 hm2，主要來自建設(shè)用地(41.13%)和林地(24.75%)的轉(zhuǎn)入；其次為未利用地(17.45%)和草地(11.21%)的轉(zhuǎn)入。整體而言，由于轉(zhuǎn)出量大于轉(zhuǎn)入量，2000—2010年耕地面積呈下降趨勢(shì)，減少了16 624.89 hm2，主要流向建設(shè)用地和林地，可見耕地與建設(shè)用地、林地之間的轉(zhuǎn)型較為活躍(表3)。

表3 2000—2010年耕地利用轉(zhuǎn)型結(jié)果Tab.3 Transformation of utilization of cultivated land in 2000—2010

2010—2020年耕地轉(zhuǎn)為其他類型土地的面積為58 097.62 hm2，其中耕地轉(zhuǎn)為建設(shè)用地的面積最大，達(dá)到36 434.47 hm2，貢獻(xiàn)率為62.71%；其次是轉(zhuǎn)為林地和草地，貢獻(xiàn)率分別為16.65%、15.35%。而其他類型轉(zhuǎn)為耕地的面積為37 872.87 hm2，其中8 373.24 hm2的建設(shè)用地、8 695.29 hm2的水域、7 776.92 hm2的林地轉(zhuǎn)為耕地，貢獻(xiàn)率分別為22.11%、22.96%、20.53%，可見，水域轉(zhuǎn)為耕地的面積最大?？傮w來看，由于轉(zhuǎn)入量小于轉(zhuǎn)出量，耕地面積呈下降趨勢(shì)，減少了20 224.75 hm2，耕地主要轉(zhuǎn)為建設(shè)用地(表4)。

表4 2010—2020年耕地利用轉(zhuǎn)型結(jié)果Tab.4 Transformation of utilization of cultivated land in 2010—2020

4.2 耕地利用轉(zhuǎn)型碳排放時(shí)間變化特征

1990—2000年研究區(qū)耕地利用轉(zhuǎn)型碳排放量為3 704.12 t，此階段轉(zhuǎn)型過程中碳排放量大于碳吸收量，導(dǎo)致耕地利用轉(zhuǎn)型碳排放最終呈現(xiàn)為碳源形式。其中耕地與未利用地之間相互轉(zhuǎn)型所產(chǎn)生的碳源最大，碳排放量為1 336.70 t；其次是與草地之間的轉(zhuǎn)型，碳排放量為1 152.55 t。而耕地與水域之間的轉(zhuǎn)型最終以碳匯形式展現(xiàn)，碳排放量為-163.06 t。2000—2010年耕地利用轉(zhuǎn)型碳排放量是上一時(shí)間段的近5.87倍，碳排放量達(dá)到21 743.53 t，主要來自與建設(shè)用地之間的轉(zhuǎn)型，碳排放量達(dá)到19 370.90 t，占總碳排放量的89.09%；而林地、水域與耕地之間的轉(zhuǎn)型產(chǎn)生碳匯，碳排放量分別為-674.64、-731.53 t。2010—2020年耕地利用轉(zhuǎn)型碳排放量為35 656.29 t，是上一時(shí)間段的近1.64，碳源同樣主要來自與建設(shè)用地之間的相互轉(zhuǎn)型，碳排放量為27 588.86 t，占總碳排放量的77.37%；而耕地與林地之間的轉(zhuǎn)型最終形成碳匯，碳排放量為-1 751.00 t?？傮w來看，1990—2020年研究區(qū)耕地利用轉(zhuǎn)型碳排放量呈上升趨勢(shì)，由1990—2000年的3 704.12 t增加到2010—2020年的35 656.29 t，增加了近8.63倍，這與耕地非農(nóng)化、寂寞化、邊際化等有關(guān)(表5)。

表5 1990—2020年耕地利用轉(zhuǎn)型碳排放量Tab.5 Carbon emissions from cultivated land use transformation in 1990—2020 t

4.3 耕地利用轉(zhuǎn)型碳排放空間分異特征

4.3.1耕地利用轉(zhuǎn)型碳排放重心分析

1990—2020年研究區(qū)耕地利用轉(zhuǎn)型碳排放重心基本保持穩(wěn)定，向東移動(dòng)了15.17 km(圖2)。1990—2020年耕地利用轉(zhuǎn)型碳排放重心向東遷移，其中1990—2010年重心移動(dòng)距離最大，向東北方向移動(dòng)了11.49 km，說明東北地區(qū)耕地利用轉(zhuǎn)型碳排放量顯著增加，而西南地區(qū)耕地利用轉(zhuǎn)型碳排放有所改善。2010—2020年重心發(fā)生改變，向東南方向遷移，但偏移距離不大，僅移動(dòng)了3.68 km，可見東南地區(qū)碳排放惡化，而西北地區(qū)碳排放明顯改善。從市轄區(qū)來看，松北區(qū)耕地利用轉(zhuǎn)型碳排放量在減少，而道外區(qū)耕地利用轉(zhuǎn)型碳排放量增加，主要由于大量耕地轉(zhuǎn)為建設(shè)用地，導(dǎo)致碳排放量增加。

圖2 碳排放重心轉(zhuǎn)移軌跡Fig.2 Trajectory of carbon emission center of gravity transfer

4.3.2耕地利用轉(zhuǎn)型碳排放冷熱點(diǎn)分析

基于GeoDa平臺(tái)中的全局自相關(guān)工具探測(cè)研究區(qū)耕地利用轉(zhuǎn)型碳排放的空間集聚性，結(jié)果如圖3所示。1990—2000年、2000—2010年和2010—2020年研究區(qū)耕地利用轉(zhuǎn)型碳排放的Global Moran’sI分別為0.524、0.507、0.578，并通過P<0.001顯著性檢驗(yàn)。Global Moran’sI整體呈上升趨勢(shì)，其中1990—2000年、2000—2010年Global Moran’sI基本保持穩(wěn)定，略呈下降趨勢(shì)，減少了0.017，表明耕地利用轉(zhuǎn)型碳排放空間集聚性略有所下降，但下降幅度可以忽略不計(jì)。2000—2010年和2010—2020年Global Moran’sI變化較為明顯，增加了0.071，說明研究區(qū)耕地利用轉(zhuǎn)型碳排放空間集聚性增強(qiáng)?？傮w來看，研究區(qū)耕地利用轉(zhuǎn)型碳排放非隨機(jī)分布，具有較強(qiáng)的空間集聚性。

圖3 1990—2020年耕地利用轉(zhuǎn)型碳排放Moran散點(diǎn)圖Fig.3 Moran scatter charts of carbon emission from cultivated land use transformation in 1990—2020

為了進(jìn)一步探測(cè)1990—2020年耕地利用轉(zhuǎn)型碳排放的空間異質(zhì)性，利用冷熱點(diǎn)分析工具進(jìn)行研究區(qū)耕地利用轉(zhuǎn)型碳排放局部空間自相關(guān)分析，以此揭示研究區(qū)耕地利用轉(zhuǎn)型碳排放的空間分布格局(圖4)。1990—2000年耕地利用轉(zhuǎn)型碳排放熱點(diǎn)區(qū)呈現(xiàn)點(diǎn)狀的分布格局，其中道里區(qū)、松北區(qū)點(diǎn)狀熱點(diǎn)區(qū)較多，表明這些區(qū)域碳排放量有所增加；冷點(diǎn)區(qū)域零星分布在阿城區(qū)，主要由于阿城區(qū)林地資源較多，退耕還林政策的實(shí)施改善了當(dāng)?shù)氐奶寂欧帕俊?000—2010年耕地利用轉(zhuǎn)型碳排放熱點(diǎn)區(qū)呈現(xiàn)帶狀的分布格局，形成以中心區(qū)為圓心向四周擴(kuò)散的趨勢(shì)，熱點(diǎn)區(qū)主要圍繞南崗區(qū)向周圍邊界擴(kuò)散，這與研究區(qū)國(guó)民社會(huì)經(jīng)濟(jì)發(fā)展方向相一致；冷點(diǎn)區(qū)仍然分布在東南部地區(qū)，但冷點(diǎn)區(qū)面積比1990—2000年增加，從點(diǎn)狀向片狀轉(zhuǎn)變。2010—2020年耕地利用轉(zhuǎn)型碳排放熱點(diǎn)區(qū)呈增加趨勢(shì)，出現(xiàn)了點(diǎn)狀、帶狀和片狀共存的空間格局，說明耕地利用轉(zhuǎn)型碳排放量進(jìn)一步增加；而冷點(diǎn)區(qū)呈現(xiàn)點(diǎn)狀的分布格局，零星分布在研究區(qū)的東部和南部?？傮w來看，1990—2020年耕地利用轉(zhuǎn)型碳排放的冷熱點(diǎn)空間分布格局與社會(huì)經(jīng)濟(jì)發(fā)展趨勢(shì)、三北防護(hù)林工程、退耕還林政策的實(shí)施密不可分。

圖4 耕地利用轉(zhuǎn)型碳排放冷熱點(diǎn)分布圖Fig.4 Cold and hot spot distribution diagrams of carbon emission from cultivated land use transformation

4.4 耕地利用轉(zhuǎn)型碳排放形成機(jī)理

由于不同時(shí)期影響因子對(duì)耕地利用轉(zhuǎn)型碳排放的影響具有相似性，因此以2010—2020年為目標(biāo)年進(jìn)行耕地利用轉(zhuǎn)型碳排放形成機(jī)理分析。利用地理探測(cè)器模型中的因子探測(cè)法定量評(píng)估影響研究區(qū)耕地利用轉(zhuǎn)型碳排放的因子及因子的影響強(qiáng)度(圖5)。2010—2020年耕地利用轉(zhuǎn)型碳排放的影響因子作用強(qiáng)度從大到小依次為與城鎮(zhèn)中心距離(0.107 8)、土地利用程度(0.103 0)、年平均降水量(0.045 7)、高程(0.039 3)、年平均氣溫(0.033 3)、與鄉(xiāng)級(jí)以上道路距離(0.029 4)、地均GDP(0.028 1)、人口密度(0.027 2)、地形起伏度(0.021 0)、坡度(0.018 9)、與水域距離(0.014 1)，其中與城鎮(zhèn)中心距離是耕地利用轉(zhuǎn)型碳排放的主控因子，土地利用程度也具有較強(qiáng)的解釋力；而地形起伏度、坡度、與水域距離對(duì)耕地利用轉(zhuǎn)型碳排放的影響強(qiáng)度較低，說明與城鎮(zhèn)中心距離、土地利用程度對(duì)耕地利用轉(zhuǎn)型的碳排放量有較大的影響。隨著研究區(qū)城鎮(zhèn)化、工業(yè)化進(jìn)程的加快，建設(shè)用地的經(jīng)濟(jì)收益明顯高于耕地的經(jīng)濟(jì)收益，耕地在適宜的條件下極易發(fā)生轉(zhuǎn)型，同時(shí)人類生活及生產(chǎn)活動(dòng)需求的增加，不斷促進(jìn)耕地非農(nóng)化，進(jìn)而導(dǎo)致耕地利用轉(zhuǎn)型碳排放增加。

圖5 2010—2020年影響因子的形成機(jī)理解釋力Fig.5 Explanatory power of formation mechanism of impact factor in 2010—2020

2010—2020年耕地利用轉(zhuǎn)型碳排放的空間異質(zhì)性源于多種因子的共同作用，單一因子并不能完全解釋耕地利用轉(zhuǎn)型碳排放的空間分異特征。根據(jù)地理探測(cè)器模型的交互探測(cè)法可知，不同因子之間的相互作用會(huì)產(chǎn)生更強(qiáng)的作用效果，其作用方式包括非線性增強(qiáng)和雙因子增強(qiáng)兩種。耕地利用轉(zhuǎn)型碳排放的影響因子交互作用以雙因子增強(qiáng)為主。其中土地利用程度與年平均降水量(0.166 3)的相互作用最大；其次為與城鎮(zhèn)中心距離與土地利用程度(0.161 4)、土地利用程度與高程(0.148 7)。其中土地利用程度與年平均降水量(0.166 3)、土地利用程度與高程(0.148 7)，因子交互作用呈現(xiàn)非線性增強(qiáng)，而與城鎮(zhèn)中心距離與土地利用程度，因子交互作用呈現(xiàn)雙因子增強(qiáng)效應(yīng)，可見社會(huì)經(jīng)濟(jì)因子與自然因子之間的交互作用以非線性增強(qiáng)為主?？傮w來看，土地利用程度與其他因子之間的交互作用明顯強(qiáng)于其他因子之間的交互作用，土地利用程度是人類活動(dòng)作用的結(jié)果，對(duì)耕地利用轉(zhuǎn)型碳排放的影響強(qiáng)度較強(qiáng)，因此土地利用程度與其他因子之間的作用強(qiáng)度最為復(fù)雜。社會(huì)經(jīng)濟(jì)因子與距離因子、自然因子之間的交互作用明顯強(qiáng)于內(nèi)部因子的交互作用，表明耕地利用轉(zhuǎn)型碳排放空間分異特征并不是單獨(dú)發(fā)生作用，而是呈現(xiàn)協(xié)同增強(qiáng)的作用效果(表6)。

表6 2010—2020年各影響因子的交互作用(q值)Tab.6 Interaction of influencing factors in 2010—2020

5 討論

本文利用網(wǎng)格單元法，基于長(zhǎng)時(shí)間序列土地利用現(xiàn)狀數(shù)據(jù)揭示了耕地利用轉(zhuǎn)型碳排放的時(shí)空分異特征，從自然因子、社會(huì)經(jīng)濟(jì)因子和距離因子3方面挖掘耕地利用轉(zhuǎn)型碳排放的影響因子，探測(cè)不同因子以及因子之間交互作用的影響強(qiáng)度，探索耕地利用轉(zhuǎn)型碳排放空間分布格局的形成機(jī)理，在一定程度上為耕地可持續(xù)利用奠定了基礎(chǔ)。

通過研究發(fā)現(xiàn)，1990—2020年松花江流域哈爾濱段耕地利用轉(zhuǎn)型碳排放量明顯增加，歸因于研究區(qū)耕地利用轉(zhuǎn)型比較頻繁，且主要轉(zhuǎn)型為碳排放較高的建設(shè)用地。2010—2020年耕地利用轉(zhuǎn)型最為劇烈，耕地利用轉(zhuǎn)型碳排放量是1990—2000年的9.63倍，碳源量遠(yuǎn)大于碳匯量。與城鎮(zhèn)中心距離、土地利用程度對(duì)耕地利用轉(zhuǎn)型碳排放的影響較強(qiáng)，與城鎮(zhèn)中心越近，人類活動(dòng)越活躍，耕地發(fā)生轉(zhuǎn)型的概率就會(huì)增加，且極易轉(zhuǎn)為建設(shè)用地[34]，進(jìn)而導(dǎo)致碳排放量增加。從因子交互作用結(jié)果來看，土地利用程度與年平均降水量、與城鎮(zhèn)中心距離的交互作用對(duì)耕地利用轉(zhuǎn)型碳排放影響程度明顯增強(qiáng)。因此，碳排放的控制需考慮社會(huì)經(jīng)濟(jì)因素和自然因素的共同作用。

此外，本文僅從自然、社會(huì)經(jīng)濟(jì)和距離因子3方面探究耕地利用轉(zhuǎn)型碳排放形成機(jī)理，但缺乏對(duì)政策因子、土壤類型、新型經(jīng)營(yíng)主體等方面的考慮。下一步擬結(jié)合土地利用政策、土壤類型等方面開展耕地利用轉(zhuǎn)型碳排放形成機(jī)理分析，并開展碳分區(qū)補(bǔ)償研究。

6 結(jié)論

(1)1990—2000年研究區(qū)耕地面積呈上升趨勢(shì)，源于未利用地和草地的轉(zhuǎn)入；2000—2010年、2010—2020年耕地面積均呈下降趨勢(shì)，耕地與建設(shè)用地、林地之間的轉(zhuǎn)型最為頻繁，耕地主要轉(zhuǎn)型為建設(shè)用地和林地。

(2)1990—2020年研究區(qū)耕地利用轉(zhuǎn)型碳排放量呈上升趨勢(shì)，其中2010—2020年耕地利用轉(zhuǎn)型碳排放最為劇烈，耕地利用轉(zhuǎn)型碳排放最終呈現(xiàn)為碳源形式。耕地利用轉(zhuǎn)型碳排放重心持續(xù)向東移動(dòng)，其中1990—2010年重心移動(dòng)距離最大，呈現(xiàn)東北地區(qū)碳排放惡化，而西南地區(qū)碳排放明顯改善的特點(diǎn)。

(3)1990—2020年研究區(qū)耕地利用轉(zhuǎn)型碳排放非隨機(jī)分布，具有較強(qiáng)的空間集聚性。熱點(diǎn)區(qū)主要圍繞南崗區(qū)向周圍邊界擴(kuò)散，冷點(diǎn)區(qū)零星點(diǎn)狀分布在東南部地區(qū)，耕地利用轉(zhuǎn)型碳排放的冷熱點(diǎn)空間分布格局與社會(huì)經(jīng)濟(jì)發(fā)展趨勢(shì)、三北防護(hù)林工程、退耕還林政策的實(shí)施密不可分。

(4)單一因子對(duì)耕地利用轉(zhuǎn)型碳排放空間分異的影響存在一定差異。與城鎮(zhèn)中心距離是耕地利用轉(zhuǎn)型碳排放的主控因子，其次是土地利用程度。雙因子交互作用對(duì)耕地利用轉(zhuǎn)型碳排放的影響強(qiáng)度明顯高于單一因子。各因子之間交互作用以雙因子增強(qiáng)為主，其中土地利用程度與年平均降水量、與城鎮(zhèn)中心距離的相互作用的解釋力相對(duì)較高，社會(huì)經(jīng)濟(jì)因子與距離因子、自然因子之間的交互作用明顯強(qiáng)于內(nèi)部因子的交互作用。