黑龍江省耕地利用轉型碳排放的時空分異特征與影響因素

趙映慧，王子彤，詹汶羲，蓋兆雪

(東北農業大學公共管理與法學院，哈爾濱 150030)

【研究意義】耕地為人類生存與發展提供最基本的物質基礎，是保障國家糧食安全和社會穩定的關鍵[1]。然而，隨著城鎮化和工業化進程的不斷加快，耕地非農化、寂寞化、邊際化等現象日益顯著[2-4]。耕地具有較大的碳固潛力，即耕地土壤碳庫量的微小變化，都會對大氣溫室氣體濃度及全球氣候產生巨大影響，因此耕地利用轉型必然會導致區域大氣CO2濃度升高和氣候異常[5]。推動耕地資源低碳利用不僅是新時代中國耕地資源可持續利用的內在需求，也是實現農業高質量發展的關鍵，更是中國實現碳達峰、碳中和目標的緊迫任務[6]。因此，開展耕地利用轉型的碳排放研究顯得尤為必要。【前人研究進展】目前耕地利用轉型研究主要集中在轉型的特征[7-8]、路徑[9]、動力機制[10-11]及生態效應[12]等方面，多借助“3S”技術、數理統計和空間計量等方法開展研究。碳排放研究方面，以碳排放的時空特征[13]、影響因素[14]、效應[15]、動態模擬[16]以及低碳土地利用優化[17]等方面為主，多空基于間自相關分析、LMDI分解模型、碳排放系數法、CLUE-S模型、比較優勢指數法等方法進行研究。綜合來看，一是已有研究多側重土地利用靜態規模變化的碳排放問題，鮮有從碳源和碳匯兩方面開展耕地利用轉型的碳排放研究；二是影響因素的選擇忽略了政策因素的影響。【本研究切入點】本文選取1990年、2000年、2010年和2020年4期土地利用數據，基于碳排放系數和空間自相關分析等方法，揭示1990—2020年黑龍江省耕地利用轉型碳排放的時空分異特征；并借助地理探測器探測模型從自然環境、社會經濟及政策因素3個方面，探究耕地利用轉型碳排放影響因素的作用程度及各因子間的交互作用。【擬解決的關鍵問題】研究旨在為黑龍江省低碳可持續發展及耕地利用管理提供理論支持。

1 材料與方法

1.1 研究區概況

黑龍江省地處中國東北部，位于121°11′～135°05′ E，43°26′～53°33′ N。地勢呈北部、西北部和東南部高，東北部、西南部低的走勢。氣候為寒溫帶與溫帶大陸性季風氣候，年平均氣溫4.0 ℃，年平均降水量755.2 mm。土地面積4.53×107hm2，其中耕地面積1.58×107hm2，占總面積的35%。據《黑龍江統計年鑒》(2020年)顯示，全省GDP為37.3億元，總人口3751.3萬人。黑龍江省是中國重要的商品糧基地、生態功能區與老工業基地，在中國經濟社會發展的各個方面扮演著重要的角色，這也導致區域內耕地與建設用地、生態用地在空間上發生劇烈沖突[18]。基于此，選取黑龍江省為耕地利用轉型的碳排放研究區域具有典型意義。

1.2 數據來源及處理

1990年、2000年、2010年和2020年土地利用數據來源于中國科學院資源環境科學與數據中心(http://www.resdc.cn)，空間分辨率為1 km×1 km。根據研究區概況及研究需要，將土地利用類型分為耕地、林地、草地、水域、建設用地及未利用地6類。影響因素指標數據來源及處理方法如表1所示。

耕地利用轉型碳排放的空間格局是多種因素綜合作用的結果。本文從自然環境、社會經濟因素以及政策因素3個方面選取12個影響因子來探測耕地利用轉型碳排放的影響因素(表1)。自然環境包括地形和氣候2個方面，具體選取高程(X1)、坡度(X2)、降水(X3)、氣溫(X4)來表征。其中地形是土地利用類型空間分布格局形成的決定性條件，氣候是區域碳排放變化中最直接也是最敏感的因子，地勢低平、水熱條件優越的地區耕地極易與其他土地利用類型發生轉型。社會經濟因素在較短時間內影響效果較為明顯，短期內土地利用變化主要是人類活動驅動[3]。社會經濟因素包括土地利用、區位條件、人口與經濟3個方面，具體選取土地利用程度(X5)、距水域距離(X6)、距主要道路距離(X7)、距城鎮中心距離(X8)、GDP(X9)、勞動力轉移(X10)、人口(X11)來表征。其中土地利用程度和人口與經濟狀況可以反映出土地利用受人類活動的干擾程度，交通區位條件可反映出人類進行生產生活的便利性，這些都與耕地利用轉型碳排放密切聯系。政府的政策干預(X12)會對生態系統產生影響從而引發區域土地利用轉型[18]。黑龍江省作為我國重要的商品糧生產基地，農業生產活動以糧食生產為主，農業發展政策性文件將糧食生產大縣作為農業發展關注的重點區域進行有針對性的政策傾斜，對區域耕地利用轉型產生了一定驅動作用[19]。

表1 影響因素指標體系

1.3 研究方法

1.3.1 碳排放量測算 根據研究區土地利用類型，將耕地利用轉型分為耕地與林地、草地、水域、建設用地及未利用地5種用地類型之間的相互轉型。在耕地利用轉型過程中，林地、草地、水域和未利用地作為碳匯，耕地及未利用地作為碳源[22]。對已有的碳排放量測算方法比較分析，基于數據的可獲取性和研究需要，采用碳排放系數來測算耕地利用轉型產生的碳排放量。

E=∑ei=∑Ti×δi

(1)

式中：E表示碳排放總量，單位為t;i表示土地利用類型；ei表示耕地與其他用地類型相互轉化對應產生的碳排放量；Ti表示耕地與其他用地類型相互轉化對應變化的土地面積，單位為hm2；δi表示耕地與其他用地類型相互轉化對應的碳排放系數，單位為t/hm2。

參考相關學者研究，耕地[23-24]、林地[25-26]、草地[25-26]、水域[27]、未利用地[28]的碳排放系數分別選取為0.497、-0.581、-0.021、-0.253、-0.005 t/hm2，具有一定合理性。建設用地碳排放量主要考慮建設用地利用過程中的能源消耗，依據《中國能源統計年鑒》《IPCC國家溫室氣體清單指南》，結合黑龍江省能源碳排放系數，確定建設用地碳排放系數為0.643 t/hm2。

1.3.2 空間自相關分析 全局空間自相關用Moran’sI指數來描述研究區域所有對象之間的空間分布模式、關聯程度及其顯著性[29]。運用Moran’sI指數測度黑龍江省耕地利用轉型碳排放是否存在空間上的集聚性。

(2)

式中：n表示研究對象空間的區域數；Yi表示第i個區域內的屬性值，Yj表示第j個區域內的屬性值；Wij表示空間權重矩陣。

由于全局自相關無法反映局部狀態的不穩定性，因而采用局部自相關中的Getis-Ord Gi*來測度黑龍江省耕地利用轉型碳排放中統計顯著的熱點(高值空間集聚)和冷點(低值空間集聚)的空間分布，以此探究黑龍江省耕地利用轉型碳排放的空間分異。

1.3.3 地理探測器 地理探測器是探測空間分異性的工具，以揭示其背后驅動力的一種新興統計學方法[30]。采用分異及因子探測和交互作用探測2種探測模型來探測自然環境、社會經濟以及政策因素中各因子對耕地利用轉型碳排放的作用程度。

(3)

交互作用探測中兩因子交互會出現5種不同的情況，判斷依據為：①q(X1∩X2)Max[q(X1)，q(X2)]，X1和X2交互后雙因子增強；④q(X1∩X2)=q(X1)+q(X2)，X1和X2交互后互相獨立；⑤q(X1∩X2)> q(X1)+q(X2)，X1和X2交互后非線性增強。

2 結果與分析

2.1 耕地利用轉型碳排放的時間演化特征

2.1.1 耕地利用轉型的時間演化特征 利用ArcGIS 10.6軟件的疊加分析，揭示1990—2020年耕地利用轉型的時間演化特征(表2)。1990—2020年黑龍江省耕地面積呈上升趨勢，耕地與林地和草地之間的轉型最顯著。

表2 1990—2020年耕地利用轉型情況

1990—2000年耕地與林地之間的轉換最劇烈，其中84.36萬hm2的林地轉為耕地，貢獻率為42.94%，4.91萬hm2的耕地轉為林地，貢獻率為32.09%；其次是草地和未利用地，36.07%的草地和18.99%的未利用地轉為耕地，19.74%、26.01%的耕地分別轉換為草地和未利用地。然而耕地與建設用地、水域之間的轉換最不明顯，分別有10.39%、11.77%的耕地轉為建設用地和水域。整體來看，耕地的轉出量小于轉入量，耕地面積呈上升趨勢，耕地的主要流向為林地和未利用地。

2000—2010年耕地與林地之間的轉換仍最劇烈，其中1.02×105hm2的林地轉為耕地，貢獻率為33.15%，5.82×104hm2的耕地轉為林地，貢獻率為39.38%；其次是草地和未利用地，21.60%和37.78%的草地和未利用地轉為耕地，35.72%和6.09%的耕地分別轉換為草地和未利用地。然而耕地與建設用地、水域之間的轉換最不明顯，分別有11.30%和7.51%的耕地轉為建設用地和水域。整體來看，耕地的轉出量小于轉入量，耕地面積增加，但較上一時期增加幅度顯著減小，僅為上一時期的8.76%，耕地的主要流向為林地和草地。

2010—2020年耕地與林地之間的轉換依然最劇烈，其中1.68×106hm2的林地轉為耕地，貢獻率為39.16%，1.25×106hm2的耕地轉為林地，貢獻率為39.58%；其次是未利用地和建設用地，24.58%和12.79%的未利用地和建設用地轉為耕地，18.50%和22.04%的耕地分別轉換為未利用地和建設用地。然而耕地與草地、水域之間的轉換最不明顯，分別有14.11%和5.77%的耕地轉為草地和水域。整體來看，耕地的轉出量小于轉入量，耕地面積增加1.13×106hm2，呈上升趨勢，耕地的主要流向為林地和建設用地。

2.1.2 耕地利用轉型碳排放的時間演化特征 1990—2020年黑龍江省耕地利用轉型碳排放最終呈現碳源區，碳排放量呈現先減少后增加的態勢，這與耕地利用轉型的程度一致，耕地利用轉型越劇烈，耕地利用轉型產生的碳排放量就越大。

1990—2000年，耕地利用轉型產生的碳排放總量為1126 531 t，產生碳匯33 914.3 t，碳源1160 445.3 t，可見耕地利用轉型使研究區該時期呈現碳源區。其中碳排放主要來源為耕地與林地、草地的相互轉化，分別產生390 742.1和351 540 t碳排放量。2000—2010年，耕地利用轉型產生碳匯37 776.3 t，碳源163 068.6 t，碳排放總量為125 292.3 t，僅為上一時期的11.12%，可見該時期由于耕地利用轉型程度較小，由此產生的碳排放量也隨之減少。這一時期碳排放主要來源為耕地與未利用地、草地的相互轉化，分別產生57 507.6和31 792.6 t的碳排放量。2010—2020年，耕地利用轉型產生的碳排放總量為1793 129.5 t，是近30年碳排放量最高的時期，是前20年的1.59倍，前10年的14.31倍，與這一時期耕地利用劇烈轉型有關。同時，這一時期產生的碳源和碳匯量也為30年來的最多的時期，產生784 853.3 t碳匯，2577 982.8 t碳源。其中碳排放主要來源為建設用地，碳排放量為720 047.7 t，是這一時期碳排放總量的40.16%。林地擁有較強的碳匯能力，雖然在這一時期產生了高達726 424.3 t的碳匯，占這一時期碳匯量的92.56%，但仍無法抵消林地大量向耕地轉型產生的碳源(表3)。

表3 1990—2020 耕地利用轉型碳排放情況

2.2 耕地利用轉型碳排放的空間分異特征

借助GeoDa軟件中的空間分析工具，得出黑龍江省3個時間段的耕地利用轉型碳排放的Moran’sI指數(圖1)。黑龍江省1990—2000年、2000—2010年以及2010—2020年的Moran’sI指數分別為0.245、0.341和0.250，且通過P<0.001的顯著性水平檢驗。表明，研究區耕地利用轉型碳排放存在正向的空間自相關，即黑龍江省耕地利用轉型碳排放存在空間集聚效應。

圖1 1990—2020年耕地利用轉型碳排放Moran’s I散點圖

采用ArcGIS 10.6中的Getis-Ord Gi*來測度研究區耕地利用轉型碳排放中統計顯著的熱點和冷點的空間分布(圖2)。1990—2000年耕地利用轉型碳排放在空間上分別形成連續的冷點區和熱點區。其中熱點區主要集中分布于大慶市、綏化市西部、齊齊哈爾市依安縣、哈爾濱市市區及呼蘭縣，這些地區為碳排放的高值區，主要由于位于松嫩平原，適宜耕作，土地極易轉型為耕地。冷點區主要集中分布于哈爾濱市尚志市、牡丹江市市區及穆棱縣、雞西市市區，這些地區處于小興安嶺，林木資源豐富，林地具有較強的碳匯能力，因此這些地區為碳排放低值區。

圖2 1990—2020年耕地利用轉型碳排放冷熱點分布

2000—2010年耕地利用轉型碳排放在空間上未形成連續的熱點區及冷點區。熱點區即耕地利用轉型碳排放高值區向東部轉移，主要分布于佳木斯市撫遠縣、同江市及富錦市、雙鴨山市饒河縣、鶴崗市綏濱縣、齊齊哈爾市市區及龍江縣，與上一時期分布地形相似，同樣地處平原地帶。冷點區向東南部轉移，分布于哈爾濱市尚志市、牡丹江市市區及穆棱縣、雞西市市區。

2010—2020年耕地利用轉型碳排放的冷點區和熱點區范圍在空間上顯著擴大。熱點區向西北部轉移，主要分布于黑河市、佳木斯市同江市及撫遠縣、雙鴨山市饒河縣、齊齊哈爾市訥河縣；冷點區從東南部擴展，主要分布于牡丹江市、雞西市市區及雞東縣、七臺河市、哈爾濱市依蘭縣及方正縣、佳木斯市市區、樺南縣及湯原縣、鶴崗市市區及蘿北縣。

2.3 耕地利用轉型碳排放空間分異性影響因素探測

2.3.1 耕地利用轉型碳排放影響因子探測 將各個時期的影響因子在ArcGIS 10.6中做空間插值處理(圖3)，通過重分類進行離散化處理后，再與對應時期耕地利用轉型碳排放柵格數據進行采樣后導入地理探測器進行探測。運用地理探測器的因子探測器模塊獲得1990—2000年、2000—2010年以及2010—2020年耕地利用轉型碳排放各影響因子的q值(圖4)，q值越大表明該因子對耕地利用轉型碳排放空間分異的作用強度越大。

圖3 2010—2020年耕地利用轉型碳排放影響因子空間分布

圖4 1990—2020年影響因子解釋力

1990—2000年，高程(0.081)、降水(0.0741)、土地利用程度(0.0575)、坡度(0.0478)、氣溫(0.0398)和勞動力轉移(0.0326)對于黑龍江省耕地利用轉型碳排放的影響力較強。這表明該時期耕地利用轉型碳排放主要受自然環境和社會經濟因素影響，其中自然環境因素的作用強度更大，高程是這一時期耕地利用轉型碳排放的主導因子。可見，該時期耕地利用轉型碳排放主要受到自然環境因素的限制，土地平坦、水熱條件較好的土地更適宜進行耕作。因此，這些區域極易發生耕地利用轉型，是這一時期耕地利用轉型碳排放的主要成因。

2000—2010年，高程(0.0745)、坡度(0.0666)、降水(0.0258)、土地利用程度(0.0244)、勞動力轉移(0.0213)和政策(0.0088)對于黑龍江省耕地利用轉型碳排放的影響力較強。這表明該時期耕地利用轉型碳排放是自然環境、社會經濟和政策因素共同作用的結果，其中自然環境因素的作用力更強，高程仍為這一時期耕地利用轉型碳排放的主導因素。與上一時期相比，政策因素的影響力在這一時期顯著提高，在一定程度上起到了驅動作用。

2010—2020年，坡度(0.1241)、高程(0.0412)、土地利用程度(0.0184)、人口(0.0174)、勞動力轉移(0.0148)和GDP(0.0084)對于黑龍江省耕地利用轉型碳排放的影響力較強。表明，該時期耕地利用轉型碳排放主要受自然環境和社會經濟因素的影響，社會經濟因素的解釋力較前2個時期相比顯著增強，這也一定程度上顯示出人口與經濟在這一時期與耕地利用轉型碳排放密切相關。

2.3.2 耕地利用轉型碳排放影響因子交互作用探測 借助地理探測器的交互探測器模塊，分析得出1990—2000年、2000—2010年以及2010—2020年各影響因子對于黑龍江省耕地利用轉型碳排放的交互作用程度。不同時期影響因子對耕地利用轉型碳排放的影響具有相似性，由于篇幅原因，僅列出2010—2020年耕地利用轉型碳排放影響因子的交互探測結果(表4)。

表4 2010—2020年影響因子交互作用探測

1990—2000年，影響因子間的交互作用以雙因子增強為主，其中解釋力較強的交互因子為：降水/土地利用程度(0.1204)、高程/降水(0.1198)、高程/勞動力轉移(0.1136)、高程/距主要道路距離(0.1130)。2000—2010年，影響因子間的交互作用以非線性增強為主，其中解釋力較強的交互因子為：高程/坡度(0.0953)、高程/勞動力轉移(0.0908)、高程/氣溫(0.0889)、高程/土地利用程度(0.0880)。2010—2020年，影響因子間的交互作用以非線性增強為主，其中解釋力較強的交互因子為：坡度/土地利用程度(0.1353)、坡度/人口(0.1329)、坡度/GDP(0.1293)、坡度/勞動力轉移(0.1281)。綜合分析，1990—2020年黑龍江省耕地利用轉型碳排放的影響因子交互作用以非線性增強為主。自然環境與社會經濟因素交互作用強于社會經濟因素內部因子間的交互作用。自然環境因素是耕地利用轉型碳排放空間格局形成的根本條件，對于區域碳排放具有顯著影響，因而自然環境與社會經濟因素交互作用增強。

此外，自然環境因素與土地利用程度因子和勞動力轉移因子交互作用顯著強于與其他社會經濟因子的交互作用。土地利用程度反映了社會經濟因素對土地自然綜合體的干擾程度，這一過程中人類活動頻繁，因而土地利用程度因子與其他因子交互作用較為復雜。勞動力轉移與土地利用形態密切相關，農村勞動力轉移程度越高，由此引發的耕地撂荒及耕地非農化情況越明顯，耕地利用轉型隨之改變區域碳排放規模。

3 討 論

本文基于長時間序列的土地利用數據，測算黑龍江省耕地利用轉型碳排放量，并揭示耕地利用轉型碳排放的時空分異特征及影響因素，與已有研究相比，從碳源和碳匯兩方面刻畫了耕地利用轉型這一動態過程中碳排放時空演化過程，結果表明耕地利用轉型碳排放量呈現先減少后增加的趨勢，在2010—2020年碳排放量急劇增加至1793 129.5 t，這與快速城鎮化和新型工業化背景下建設用地擴張密切相關。在此基礎上，從自然環境、社會經濟及政策因素出發，運用地理探測器模型探究耕地利用轉型碳排放的影響因素，以往多從自然資源和社會經濟因素揭示耕地利用碳排放影響因素，政策因素較少涉及，且影響因素僅僅考慮到單一因子的作用，忽略了因子間交互作用的效果。結果表明，耕地利用轉型碳排放雖在短時間內較大程度上受到社會經濟發展的沖擊，但長時間尺度下仍受到自然環境中地形的限制；且自然環境與土地利用程度和勞動力轉移因子交互作用明顯增強，這反映出農戶行為和選擇對耕地利用轉型碳排放規模影響較大。

整體上，本研究是對耕地利用碳排放研究的進一步擴展和補充。但主要研究了耕地利用顯性形態轉型的碳排放，對于耕地利用隱性形態轉型碳排放研究還存在不足。因此耕地利用隱性形態下土地產權、經營方式、投入產出等轉型產生的碳排放研究應是下一步研究的重點，適當縮小研究的空間范圍，將更有利于耕地利用隱性形態碳排放研究，為土地利用管理及城鄉轉型提供理論參考。

4 結 論

本文基于土地利用數據及碳排放系數，揭示了1990—2020年黑龍江省耕地利用轉型碳排放的時間演化特征，運用空間自相關分析識別了該時期黑龍江省耕地利用轉型碳排放的空間分異特征；并借助地理探測器探測自然環境、社會經濟及政策因素對該時期黑龍江省耕地利用轉型的作用程度及各因子間的交互作用。

(1)1990—2020年黑龍江省耕地面積呈上升趨勢，耕地與林地、草地之間的轉換較為頻繁。耕地利用轉型產生的碳排放量呈現出先減少后增加的態勢，由1990—2000年的1126 531 t減少到2000—2010年的125 292.3 t，再增加至2010—2020年的1793 129.5 t，但最終呈現碳源區。耕地利用轉型碳排放與耕地利用轉型的程度一致，耕地利用轉型越劇烈，產生的碳排放量就越大。

(2)1990—2020年黑龍江省耕地轉型碳排放存在空間集聚效應。熱點區和冷點區在空間上均呈現范圍先縮小后擴大的態勢，熱點區由西南向東再向西北移動，從平原地帶向丘陵地帶轉移；冷點區則呈現西北向東南方向擴展的態勢。這與研究區地形條件存在一定關聯性。

(3)1990—2020年黑龍江省耕地利用轉型碳排放主要受自然環境的影響，其中高程為主導因子。自然環境、社會經濟及政策因素中各因子交互作用表現出交互增強的效果，且以非線性增強為主，其中坡度/土地利用程度交互作用解釋力最強。自然環境與社會經濟因素交互作用明顯強于社會經濟內部因子間的作用效果。