基于土地利用和夜間燈光數據的京津冀區域碳排放時空分異研究

武 愛 彬，趙 艷 霞，郭 小 平，范 波

(1.北京林業大學水土保持學院，北京 100083；2.河北省科學院地理科學研究所/河北省地理信息開發應用技術創新中心，河北 石家莊 050011；3.河北省林業和草原調查規劃設計院，河北 石家莊 050051)

0 引言

當前CO2排放導致的氣候變暖已成為人類面臨的巨大挑戰之一，聯合國政府間氣候變化專門委員會(IPCC)最新評估顯示,從19世紀后半葉到21世紀10年代，全球平均溫度增加1.09 ℃，主要是以CO2為主的溫室氣體濃度急劇升高所致[1]。作為“自然—社會”的重要載體，土地利用變化對陸地生態系統碳儲量、碳源/匯具有重要影響[2]。據統計，2010-2019年全球土地利用變化碳排放量為1.6 Pg C·a-1，占人類活動碳排放的14%，陸地生態系統碳匯為3.41 Pg C·a-1，吸收固定了31%的人類活動碳排放[3]。因此，研究土地利用碳排放對控制氣候變暖和區域可持續發展具有重要意義。

目前對陸地生態系統碳源/匯估算方法主要有“自上而下”的大氣反演模型[4]和“自下而上”的地面調查和清查[5]、生態系統過程模型[6]、統計模型、清單法、渦度協方差法等[7]。對土地利用變化碳排放估算多基于土地利用類型碳排放系數和IPCC溫室氣體排放清單指南，其中建設用地碳排放量多利用化石能源消耗量代替。研究內容主要集中在土地利用碳排放的時空特征[8-10]、影響因素和驅動機制[11-14]、低碳優化[15,16]、模擬預測[17,18]等方面，研究尺度涉及重點區域[13,19,20]、省域[8,9]、城市[11,17,21]、縣域[12,22,23]等，但受能源統計單元(多為省級)限制，缺乏鄉鎮村行政單元的研究。研究成果多以行政單元面板數據統計分析為主，難以落實到空間網格上。少數研究將化石能源消耗碳排放總量除以建設用地數量，得到建設用地的單位碳排放量[23-25]，雖然可以實現基于土地利用類型的碳排放空間刻畫，但并未反映出城鎮用地、工礦用地、農村居民地等不同類型的建設用地碳排放強度差異。近年來，部分學者基于DMSP/OLS與 NPP/VIIRS兩種夜間燈光數據探索化石能源消耗碳排放與燈光數據的關系[26-29]，研究結果普遍證明二者存在相關關系，即夜間燈光數據可用于估算和模擬區域化石能源碳排放。因此，本研究基于1995-2018年京津冀區域土地利用數據和土地利用碳排放系數，得出區域土地利用直接碳排放空間分布，利用夜間燈光數據和IPCC溫室氣體排放清單方法，對化石能源消耗碳排放量在建設用地類型中進行空間分配，得出區域建設用地碳排放的空間分布，匯總得出區域土地利用凈碳排放的空間分布格局，對區域國土空間優化和低碳發展以及區域經濟發展具有現實意義。

1 研究區與數據

京津冀區域面積21.6萬km2，占全國總面積的2.3%，分布有高原、山地、丘陵、平原等多種地貌類型，區域西北部為壩上高原，北部為燕山山脈，西部為太行山山脈，中東部為華北平原，東部與渤海相鄰。據全國第七次人口普查結果，2020年京津冀區域常住人口1.10億，約占全國總人口的7.82%。2021年區域生產總值達9.64萬億元，約占全國生產總值的8.43%，是我國重要的經濟增長極之一。京津冀區域位于環渤海地區的中心位置，是國家經濟發展的重要引擎和參與國際競爭合作的先導區域，根據國家碳中和目標與實施策略，京津冀區域將開展碳中和示范區建設，率先探索碳中和發展路徑。

本研究所需數據包括：1)1995年、2000年、2005年、2010年、2015年和2018年土地利用數據，來源于中國科學院資源環境科學數據中心(http：//www.resdc.cn)，以Landsat TM/ETM遙感影像為主要數據源，一級地類分為耕地、林地、草地、水域、建設用地和未利用地6個地類，空間分辨率為100 m；2)農業統計數據和化石能源消耗數據，分別來源于《中國農村統計年鑒》和《中國能源統計年鑒》；3)DMSP-OLS(1995年、2000年和2010年)和NPP-VIIRS(2015年和2018年)夜間燈光影像數據，均來源于美國國家海洋和大氣管理局官網(https:∥www.ngdc.noaa.gov/eog)，DMSP-OLS 數據空間分辨率為30″，灰度范圍為0～63，NPP-VIIRS數據空間分辨率為15″，燈光輻射值范圍為0～472.682 nanoWatts/cm2/sr，對DMSP-OLS影像采用年平均法進行連續性校正，得到年度影像數據，對NPP-VIIRS影像通過冪函數和高斯低通濾波處理[30]，之后轉換為DMSP數據，像素值范圍為0～63，利用ArcGIS 10.6將夜間燈光數據重采樣為1 km空間分辨率。

2 研究方法

2.1 土地利用凈碳排放測算

土地利用凈碳排放是直接碳排放和間接碳排放之和[31]，耕地、林地、草地、水域和未利用地產生的直接碳排放量E直接通過碳排放系數直接估算(式(1))，間接碳排放E間接(式(2))主要包含耕地上農業活動和建設用地上工業活動產生的碳排放，參考文獻[32-34]，結合京津冀區域農業生產活動和工業能源消耗現狀，厘定碳排放的主要來源以及碳排放系數。其中農業生產活動碳排放包括化肥、農藥和農膜三大農業化學制品使用引起的碳排放，以及農業機械使用和農業灌溉消耗電能間接引起的碳排放；工業活動化石能源消耗碳排放主要包含煤炭、焦炭、原油、燃料油、汽油、煤油、柴油和天然氣8類一次能源消耗產生的碳排放。

E直接=∑Ei=∑Si·pi

(1)

式中：Ei、Si、pi分別為第i種土地利用類型的直接碳排放量(t C·a-1)、面積(hm2)和碳排放系數(t·hm-2·a-1)，參考IPCC和文獻[5,35,36]，耕地、林地、草地、水域和未利用地的碳排放系數分別為-0.007、-0.623、-0.021、-0.020和-0.0005。

E間接=Egd+Ejs=∑Tm·γm+∑Cj·βj·λj

(2)

式中：Egd為區域耕地間接碳排放總量(t C·a-1)；Ejs為區域建設用地間接碳排放總量(t C·a-1)；Tm、γm分別為第m種農業生產活動的消耗量和碳排放系數；Cj、βj、λj分別為第j種化石能源的消耗量、折標準煤系數和碳排放系數。折標準煤系數來自《中國能源統計年鑒》(2021)(表1)，碳排放系數根據《2006年IPCC國家溫室氣體清單指南》的碳含量缺省值轉換得到[37](表1、表2)。

表1 各類能源碳排放系數

表2 各類農業生產活動碳排放核算系數

2.2 夜間燈光數據模擬能源消耗碳排放

夜間燈光數據模擬能源消耗碳排放值彌補了統計數據不全、市縣級尺度以下相關能源消耗數據不易獲取的缺點[29]。本文利用ArcGIS 10.6軟件分別提取目標年份建設用地(value值為1代表建設用地，為0代表非建設用地)，并與對應年份夜間燈光柵格數據相乘，得到目標年份建設用地的夜間燈光數據。利用夜間燈光數據將能源消耗的碳排放按柵格夜間燈光像素值(0～63)進行空間分配，經濟活動更強的城市用地柵格由于夜間燈光數據像素值更大，其分配的碳排放量更多，反之，經濟活動較弱的農村居民點柵格因夜間燈光數據像素值較低，其分配的碳排放量較少，很大程度上體現了不同規模城市用地、工礦用地和農民居民點等不同建設用地類型的碳排放強度差異。

統計1995-2018年北京、天津和河北三地的建設用地范圍內夜間燈光數據值之和(X)和一次能源消耗碳排放量(Y)(t C·a-1)，分別進行擬合分析(表3)，可以看出，兩者擬合度較高，表明夜間燈光數據可用于表征能源消耗碳排放量。其中，北京、天津和河北的擬合方程回歸系數分別為47.858、357.221和460.58，表明三地單位燈光強度數值表征的能源消耗碳排放量存在差異，這與三地產業結構緊密相關。研究期間，北京三產產業比重由1995年的4.79%、42.69%、52.52%轉為2018年的0.39%、18.62%、80.98%，進入第三產業為主導的后工業化發展階段，第二產業比重驟降；天津市由6.87%、54.50%、38.63%轉為0.90%、40.50%、58.60%，河北省由22.10%、46.60%、31.30%轉為9.30%、44.50%、46.20%，第二產業占比仍較大，處于工業化發展階段。由于第三產業的能源消耗強度遠低于第二產業[38]，大尺度上國民生產總值和夜間燈光影像值間存在線性相關關系[39-41]，因此第三產業發達的北京市單位燈光強度數值表征的能源消耗碳排放量遠低于天津和河北。

表3 1995-2018年京津冀地區一次能源消耗碳排放值與夜間燈光數據擬合方程

為消除實際碳排放數據與模擬碳排放數據差值，將兩者比值作為調整系數，則建設用地柵格的碳排放量計算公式為：

(3)

式中：Ypq為p年份q區域內單位柵格擬合值；Ypq實際和Ypq模擬分別為p年份q區域能源消耗碳排放實際值和模擬值。

3 結果分析

3.1 土地利用直接和間接碳排放

由圖1a可知，1995-2018年京津冀區域土地利用直接碳排放均為負值，表現為碳吸收。其中，1995年碳吸收量最大，為387.12萬t C·a-1， 2000年后碳吸收量明顯減少并穩定在295±2萬t C·a-1，主要由于土地利用結構中碳吸收系數最高的林地在1995年數量最多，2000年出現較大幅度減少，此后數量保持穩定。由圖1b可知，1995-2018年京津冀區域耕地間接碳排放量整體呈現先增后減趨勢，2015年達到峰值468.29萬t C·a-1，其中北京市耕地間接碳排放量呈現逐漸減少趨勢，天津市和河北省耕地間接碳排放量呈現先增后減趨勢，排放量分別在2010年和2015年達到峰值，主要是由于京津冀三地城市化進程和耕地數量增減趨勢不同，北京在1995-2018年農用化肥、農藥和農用塑料膜使用量以及農業灌溉、農業機械使用量等持續減少，天津和河北均先增后減。由圖1c可知，1995-2018年京津冀區域建設用地間接碳排放量整體呈逐步增加趨勢，但增速減緩，其中北京和天津呈現先增后減趨勢，排放量分別在2010年和2015年達到峰值，河北呈現持續增加趨勢，增速減緩，主要由于京津冀區域能源消耗結構中最大比重為煤炭和焦炭，北京、天津的煤炭和焦炭消耗量分別在2010年和2015年達到峰值，河北煤炭和焦炭消耗量呈減速增長。

圖1 1995-2018年京津冀區域土地利用直接碳排放量和間接碳排放量

3.2 土地利用凈碳排放時序演變

由圖2可知，1995-2018年京津冀區域土地利用凈碳排放量整體呈現逐步增加趨勢，由12 461.78萬t C·a-1增至35 706.69萬t C·a-1，但增速減緩。其中北京和天津呈現先增后減趨勢，排放量分別在2010年和2015年達到峰值，北京市由1995年的2 738.47萬t C·a-1增至2010年的3 820.31萬t C·a-1,2018年減至3 269.92萬t C·a-1，天津市由1995年的2 135.90萬t C·a-1增至2015年的5 587.52萬t C·a-1,2018年減至5 411.74萬t C·a-1；河北呈現持續增加趨勢，由1995年的7 587.40萬t C·a-1增至2018年的27 025.03萬t C·a-1，但增速減緩。主要由于1995-2018年三地的碳吸收量占凈碳排放的比重均小于5%，農業活動產生的碳排放量占凈碳排放量的比重均小于4%，土地利用凈碳排放量主要來源于建設用地上一次能源消耗產生的碳排放。研究期間京津冀區域一次能源消耗以煤炭為主，其中北京市煤炭消耗量由1995年的2 692萬t增至2010年的3 069萬t，隨后降至2018年的276萬t，天津市煤炭消耗量由1995年的2 428萬t增至2015年的4 538萬t，隨后降至2018年的3 832萬t，河北省煤炭消耗由1995年的10 983萬t增至2018年的29 593萬t，處于持續增長狀態，但增速減緩。由此可知，三地土地利用凈碳排放與各地的一次能源結構尤其是煤炭消耗量密切相關。整體而言，三區域土地凈碳排放量表現為河北>天津>北京，單位土地凈碳排放量表現為天津>北京>河北。

圖2 1995-2018年京津冀區域土地利用凈碳排放量

3.3 土地利用碳排放空間差異

將1995-2018年京津冀區域土地利用凈碳排放量分成6個等級：碳吸收(-63，0] t C·a-1、低凈碳排放(0，100] t C·a-1、中低凈碳排放(100，1 000] t C·a-1、中凈碳排放(1 000，10 000] t C·a-1、中高凈碳排放(10 000，20 000] t C·a-1、高凈碳排放(20 000，38 118) t C·a-1(圖3)。可以看出，研究期間碳吸收區集中分布在西北部燕山—太行山地區，低凈碳排放區集中分布在東南平原區，中凈碳排放區主要分布在農村居民點和環渤海區域，中高凈碳排放區主要分布在北京市區，高凈碳排放區主要分布在天津市主城區和石家莊、廊坊、保定等城市市區以及部分縣域中心城區。這與京津冀區域土地利用空間分布格局緊密相關：西北部燕山—太行山區域主要土地利用類型為林地和草地，表現為碳吸收；東南平原區域為耕地集中分布區，表現為低碳排放；大城市市區與城鎮居民點等建設用地區域表現為中高凈碳排放和高凈碳排放，且隨著城市擴張，分布區域不斷增加；環渤海區域主要土地利用類型為工礦用地，夜間燈光數值小于城市區域，因此碳排放數值較低，表現為中低凈碳排放和中凈碳排放。

圖3 1995-2018年京津冀區域土地利用凈碳排放空間分布

進一步統計1995-2018年各凈碳排放等級的面積占比和凈碳排放量占比(圖4)可以看出，碳吸收區域占總面積的比重由56.12%縮至49.45%，主要表現在壩上高原區域和平原區部分水系周邊區域由碳吸收轉變為低凈碳排放，碳吸收量由359.81萬t C·a-1降至270.00萬t C·a-1；低碳排放區域面積占比由36.39%增至38.30%，雖然有部分城市和縣城周邊由低凈碳排放轉為中高凈碳排放和高凈碳排放，但壩上高原區域和平原區部分水系周邊區域的轉入使比重呈擴大趨勢，凈碳排放量由15.84萬t C·a-1增至30.50萬t C·a-1；中凈碳排放區面積占比由5.43%降至3.99%，主要表現在環渤海部分區域由中凈碳排放轉變為碳吸收，凈碳排放量由4 185.60萬t C·a-1增至4 945.36萬t C·a-1；中高凈碳排放區面積占比由1.34%增至4.15%，主要因為研究期間北京城區擴張使周邊區域由低凈碳排放轉變為中高凈碳排放，以及部分縣域和中小城鎮由低凈碳排放轉變為中高凈碳排放，凈碳排放量由4 579.58萬t C·a-1增至11 856.07萬t C·a-1；高凈碳排放區面積占比由0.72%增至3.76%，主要表現在隨著城市區域的擴張，天津、石家莊、廊坊等城市周邊區域由低凈碳排放轉變為高凈碳排放，凈碳排放量由3 739.48萬t C·a-1增至20 360.61萬t C·a-1。研究期間京津冀區域碳吸收和低凈碳排放區域占比最大，在90%±2%以上，但凈碳排放主要產生在中高凈碳排放區域和高凈碳排放區域，從68.41%升至87.13%。

圖4 1995-2018年京津冀區域土地利用凈碳排放各等級占總面積比重和占凈碳排放量比重

4 結論與討論

本研究基于1995-2018年京津冀區域土地利用和夜間燈光數據，利用碳排放系數和 IPCC溫室氣體排放清單方法，研究了區域土地利用碳排放的時空分異特征。結果表明：1)京津冀區域凈碳排放量呈現遞增趨勢，由1995年的12 461.78萬t C·a-1增至2018年的35 706.69萬t C·a-1，但增速在減緩。其中北京市土地利用凈碳排放量在2010年達到峰值，天津市在2015年達到峰值，河北省仍處在增長狀態。2)碳吸收區集中分布在西北部燕山—太行山地區，低凈碳排放區集中分布在東南平原區，中凈碳排放區主要分布在農村居民點和環渤海區域，中高凈碳排放區主要分布在北京市主城區，高凈碳排放區主要分布在天津市主城區和石家莊、廊坊、保定等城市市區以及部分縣域中心城區。3)京津冀區域碳吸收和低凈碳排放區域占比最大，在90%±2%以上，但碳排放主要產生在中高凈碳排放區和高凈碳排放區，從1995年的68.41%上升至2018年的87.13%。張穎等基于1973-2018年9次中國森林資源清查數據，計算得出北京市森林年均增加碳匯69.16萬t[42]，與本研究利用碳排放系數計算得出的北京市1995-2018年林地年均碳吸收45.20萬t接近；周志峰等利用第八次和第九次全國森林資源清查數據，估算河北省2018年喬木林碳儲量比2013年增加1 396.73萬t，年均碳匯279.35萬t[43]，與本研究估算的河北省2015年林地碳吸收總量246.47萬t接近，兩地利用碳排放系數進行碳吸收量估算結果均略低于利用森林資源清查數據估算結果。考慮到土地利用凈碳排放與一次能源結構的高度相關性，京津冀區域尤其是河北省應進一步調整能源結構，降低煤炭消耗量，盡早實現煤炭消耗“達峰”，擴大清潔能源消耗比重。針對碳吸收區、低凈碳排放區、中凈碳排放區、中高凈碳排放區和高凈碳排放區分別制定不同的碳排放政策，引導區域間碳交易等。同時，應加快發展低碳土地利用模式，合理調整土地利用結構，適度提高碳匯用地比重；控制土地利用規模，劃定城市開發邊界；采用碳減排的土地利用方式，合理提高國土開發強度和土地利用效率；優化土地利用布局，在國土空間規劃中，可以探討將“降源增匯”納入考核指標。

本研究的碳排放系數引用了方精云等[5，32,33]在全國尺度的研究成果，下一步應加強京津冀區域土地碳通量觀測，對系數進行本地化修正；利用北京、天津和河北三地能源消耗統計數據計算得出的碳排放值，雖然與燈光數據的擬合效果較好，但依然存在樣本數量少、數據分布區間集中、擬合方程穩定性較差等弊端，如果能獲取地市級和縣(市、區)級的能源消耗統計數據，實現省—地市—縣(市、區)—柵格逐步降尺度，將極大提高擬合方程的準確性和穩定性；另外，對于耕地、林地和草地的碳排放強度差異，應結合農林業清查數據進一步分析；根據IPCC分類，溫室氣體還涉及工業生產和廢棄物處理等方面，未來應加強對生物質燃燒、油氣系統逃逸、電力調動間接排放等能源活動數據，水泥、鋼鐵、石灰等工業生產數據和固體廢棄物、廢水等廢棄物處理數據的統計與計算，進一步提高碳排放估算結果的科學性和可靠性。