土地利用碳排放空間關聯性及碳平衡分區
——以關中平原城市群為例

徐聰寶，謝明希，劉 丹，宋佃星，2*

（1.寶雞文理學院 地理與環境學院，陜西 寶雞 721013；2.寶雞文理學院 陜西省災害監測與機理模擬重點實驗室，陜西 寶雞 721013）

0 引言

隨著經濟的發展，由碳污染引起的社會環境問題越來越受到人類重視。作為大氣環境中碳排放的主要源頭之一，土地利用產生的碳排放問題不容小覷。據2019年IPCC發布的《氣候變化與土地特別報告》，土地利用過程中產生的碳排放是僅次于化石能源的第二大排放源［1］。據統計，城市包攬了80%以上的碳排放量。作為人類社會生活的中心，城市的發展牢牢依托于能源消耗，因此也就成了碳排放產生的多發區。城市群作為一個巨大的城市群體系統，需要高強度的交互作用支撐，這一交互作用則是以人口、生產生活、大氣循環、技術文化傳播等“流”的形式在各個城市間體現出來，而碳排放會伴隨此“流”在多個城市間蔓延擴散，使得城市間的生態環境息息相關，進而形成了龐大又錯綜復雜的碳關聯關系網絡。在此背景下，根據城市碳收支差異，研究城市群碳排放空間關聯網絡結構，能更好地把握區域碳排放現狀，制定合理的碳減排政策來實現低碳發展。近年來關中平原城市群隨著城市化及工業化發展，土地利用類型轉變，能源消耗量逐漸增多，土地利用產生的碳排放急劇增加，因此，研究碳排放關聯結構對該城市群實現低碳綠色發展有一定的理論實踐意義。

目前，國內外對于土地利用碳排放的研究主要集中在碳排放量的核算及機理、碳排放強度及效應、影響因素等方面［2-10］。在研究尺度上，大多以國家、省市等較大尺度為主［7-13］；在土地利用碳排放量核算上，往往忽略了未利用地、其他農用地上的畜牧養殖等產生的碳排放［11］，在實踐應用層面存在一定局限性；在時空特征研究方面，現有文獻主要集中在空間差異、空間溢出、空間依賴［11-14］；越來越多的學者開始關注碳收支及碳平衡分區［14-15］，并引入基尼系數來衡量區域碳排放的差異，為區域協同減排提供思路；在碳排放空間關聯關系上，大多采用空間計量法、地理加權法及網絡分析法等［13-16］來研究碳排放的空間轉移規律，但空間計量方法在碳排放應用過程中存在局限性，不能反映出區域之間復雜多變的相互聯系。引力模型主要應用在投資區位選擇、人口、空間布局［17-18］等方面，在應用過程中，學者們根據實際情況修正模型，將公路里程、耗費時間等因素引入距離因素的測度中［13-15］，使得引力模型在空間關聯關系研究方面逐漸起到了主導作用；對影響因素的研究大多采用因素分解法，如對數平均迪氏指數法（LMDI）［9，16］、Kaya恒等式［9］、STIRPAT模型［19］及空間計量經濟模型［10］等方法，但這些方法和模型忽視了區域之間及空間相鄰區域之間的相互影響。目前，土地利用碳排放研究主要集中在較為發達的區域，涉及城市群的研究較少且多集中于經濟實力較強的地區；在碳排放測算上常常忽略農作物生長發育產生的量，且關于關中平原城市群土地利用碳排放空間關聯性方面的研究尚未見報道，因此，本文通過測度城市群碳收支的差異，構建歷年碳排放引力矩陣，運用UNCIET軟件中的社會網絡分析法及QAP回歸分析法研究了該城市群碳關聯關系及其影響因素，并結合碳收支、空間關聯特征進行了碳平衡分區，旨在為碳減排的實現提供實踐依據。

1 研究區域、方法及數據來源

1.1 研究區域概況

關中平原城市群是西部地區第2大城市群，總國土面積達10.71萬km2。截至2020年，該城市群常住人口達4345萬人。基于地理情況和人口規模現狀，關中平原城市群是“人地關系”矛盾突出的西部典型城市群。考慮到數據的可獲取性，為統一研究區范圍內城市等級，本文以關中平原城市群11個地級市為研究對象。

1.2 研究方法

1.2.1 土地利用碳排放量測算 土地兼具碳源和碳匯功能，由于研究期跨度較大，土地利用分類標準有差異，參考魏燕茹［15］的處理方法，結合關中平原城市群的實際情況，確定以下8種土地利用類型：耕地、園地、林地、草地、其他農用地、建設用地、未利用地以及水域。

1.2.1.1 碳源測算 耕地上的碳源主要考慮農業生產活動、農作物生長過程中所產生的碳源［11］，測算公式為：

式(1)中：C1為耕地碳排放總量；Ei分別為農用地化肥使用折純量、農用塑料薄膜使用量、農業機械總動力、農業灌溉面積及農作物播種面積［11］，相應的碳排放系數δi分別為0.8956 kg/kg、5.18 kg/kg、0.18 kg/kW、266.48 kg/hm2、16.47 kg/hm2。

其他農用地上的碳源主要考慮畜牧養殖及人類農業活動所引起的，測算公式為：

式(2)中：C2為畜牧養殖的碳排放量；Qi分別為豬、牛、羊、家禽、馬、驢、騾；ωi為各類牲畜的碳排放系數，具體來源于《IPCC國家溫室氣體排放清單指南》［11］；S0、μ分別為其他農用地面積及碳排放系數。

建設用地上的碳排放主要由生產生活所消耗的能源以及人類各類社會活動所引起。由于城市能源消耗數據缺乏，因此參考景僑楠等［21］的自上而下的測算方法，測算步驟如下：

首先，根據能源平衡表里中間轉化與終端消費部分的數據，計算出相應省份的能源消耗碳排放量，公式為：

式(3)中：C3表示省級能源消耗碳排放總量；Fi表示能源i的消耗量；σi表示能源i的排放因子，其具體數值如表1所示。

表1 化石能源種類及排放因子

在計算出各省碳排放的基礎上，按照一定的分配原則分配到各個城市，具體公式為：

式（4）中：Cc指城市能源消耗量；Cp指相應省份能源消耗總量；P指相對應的分配系數，分配系數通過各城市相應的分配指標占全省比例進行確定。本文對景僑楠等［21］的分配方式進行了簡化處理，具體見表2。

表2 能源消耗類別及分配指標

人類活動產生的碳排放主要指人類新陳代謝所產生的碳排放，其測算公式為：

式（5）中：C4為人類活動碳排放量；P為人口數量；μ為人均碳排放系數（79 kg/a）。

1.2.1.2 碳匯測算 耕地上的碳匯主要來源于農作物生長過程中利用光能進行光合作用所吸收的碳量，其測算公式為：

式（6）中：E1為耕地的碳吸收量；Mi為農作物的碳吸收率；Bi、Ti分別為農作物的經濟產量和經濟系數，其相關數據參考《省級溫室氣體清單編制指南》［11］，具體如表3所示。

表3 農作物的碳吸收率和經濟系數

園地、林地、草地、水域以及未利用地的碳吸收量的測算公式為：

式（7）中：E2為其他土地的碳吸收量；Ai為不同地類的面積；εi為不同地類的碳吸收系數。綜合其他學者的研究成果及區域性差異，相關碳吸收系數分別取0.730 t/hm2（園地）、0.644 t/hm2（林地）、0.021 t/hm2（草地）、0.253 t/hm2（水域）、0.005 t/hm2（未利用地）［4-16］。

1.2.2 土地利用碳排放碳平衡分區評價指標

1.2.2.1 碳排放基尼系數 本文采用基尼系數測量城市群各城市碳排放補償率之間的差異，其測算公式為：

式（8）中：zi、zj分別表示城市i、j的基尼系數；n表示城市總數；z表示各城市基尼系數的均值。Gini越小，表示城市間的差異越小。當Gini小于0.3時，表示各城市處于碳協調的最佳狀態；當Gini大于0.3且小于0.4時，表示各城市處于勉強碳協調狀態；當Gini大于0.4且小于0.6時，表示各城市處于碳不協調的警報狀態；當Gini大于0.6時，表示各城市處于完全不協調的危險狀態。

1.2.2.2 碳排放生態承載系數 該系數用于衡量各城市碳匯能力的大小，其測算公式為：

式（9）中：Si、S分別表示城市的碳吸收及全區域的碳吸收；Ci、C分別表示城市的碳排放及全區域的碳排放。當ESC小于1時，表示該城市的碳吸收率較低，碳匯能力弱；當ESC大于1時，表示該城市的碳吸收率較高，碳匯能力強。

1.2.3 土地利用碳排放空間關聯網絡構建 為了探究城市群土地利用碳排放關聯關系，本文采用由物理學的萬有引力定律演化而來的引力模型來實現，該模型在探究空間相互作用領域應用廣泛。本文將碳排放量、地區生產總值及參數k引入模型，來更好地反映城市群內各城市之間的碳排放關聯程度，具體模型為：

式（10）中：yij表示任意2個城市之間的引力；Dij表示任意2個城市之間的空間距離；P、T、G分別表示城市的年末人口數、碳排放量、地區生產總值。

基于上述模型，計算出該城市群碳排放量引力矩陣，取矩陣每一行數據的平均值作為基準點，高于基準點則賦值為1，表示2個城市之間碳排放關聯較強；反之賦值為0，表示2個城市之間碳排放關聯較弱，以此構建出城市群碳排放關聯關系的二值矩陣［13］。

1.2.4 土地利用碳排放空間關聯網絡特征指標 為了更好地分析網絡特征及每個行動者在網絡中的地位，并把握城市群內各城市之間的碳關聯關系，本文通過以下指標進行測度。

1.2.4.1 整體網絡特征指標 網絡密度用于分析網絡中行動者之間聯系的緊密度，數值越大，表示行動者之間的聯系越頻繁；網絡關聯度用于分析網絡穩定性的高低，若網絡中任意2個行動者之間都能產生聯系，表示該網絡的穩定性較高；網絡等級用于分析每個行動者在網絡中地位等級的大小，反映各成員的支配地位；網絡效率是指網絡存在多余關系的程度，數值越大，表示網絡中各行動者之間聯系越疏松，網絡結構穩定性越差［13］。

1.2.4.2 個體網絡特征指標 度數中心度用于衡量一個行動者與其他行動者產生聯系的機會大小，數值越大，表示該行動者與其他行動者之間能產生較多的聯系，并居于網絡的中心地位；中介中心度用于衡量一個行動者位于其他任意2個行動者之間的機會大小，數值越大，表示該行動者越有能力控制其他行動者之間產生的聯系；接近中心度用于分析任意一個行動者的行為受其他行動者干擾程度的大小，數值越高，表示該行動者越容易受到其他行動者的影響［13］。

1.2.5 空間聚類分析 運用塊模型方法，即將團體分塊，來研究板塊內外部行動者之間的關系，該方法是空間聚類分析中常用的一種方法。本文用此方法，并借鑒David等［22］的評價方法來更好地分析網絡的結構，具體評價原則如表4所示，其中，gs表示板塊內部行動者的個數，g表示網絡中所有行動者的個數。

表4 板塊評價原則

1.2.6 QAP回歸分析法 QAP回歸分析是用來分析多個矩陣與某一矩陣間的回歸關系的一種方法［13］。本文用此方法來探究影響城市群土地利用碳排放空間關聯關系的因素。所選影響因素是表示城市間關系的因素，一般的統計回歸方法不能對這些因素進行參數估計以及統計檢驗，而QAP回歸分析法恰好能夠解決這一問題。在進行QAP回歸分析之前，需要進行QAP相關性分析，來篩選出符合條件的因素，以此作為回歸分析的指標，其基本回歸模型為：

式（11）中：Y表示城市群土地利用碳排放空間關聯矩陣，Xi指影響關聯關系的因素矩陣。

本文假定關中平原城市群土地利用碳排放空間關聯關系的影響因素分別是由地理位置所決定的空間鄰近關系、人口規模、能源消耗水平、產業結構以及經濟水平；其中，空間相鄰矩陣X1是根據2個城市在地理空間位置上是否相鄰決定，2個城市相鄰記為1，否則記為0；X2是城鎮化率差異；X3是能源消耗差異，以城市單位GDP能耗差異來表征；X4表示產業結構差異，以二、三產業占比差異來表征；X5表示經濟水平差異，以城市人均GDP差異來表征。取城市群各城市每個指標在研究期內的平均值的差值來建立差值矩陣，并用Z-score方法對差值矩陣進行了去量綱化處理，使其標準化成均值為0、標準差為1的矩陣，以便相互比較［23］。

1.3 數據來源

主要數據來源于各省及城市2001—2021年的《統計年鑒》；能源數據來源于2001—2021年的《中國能源統計年鑒》；土地利用數據來自遙感影像解譯成果和第二次全國土地利用變更數據；引力模型數據中的距離是由ArcGIS軟件測算各城市中心點之間的連線得出。

2 實證分析

2.1 土地利用碳排放時空特征分析

通過測算2000—2020年關中平原城市群土地利用碳排放量，繪制出碳排放量的變化趨勢（圖1）。

圖1 2000—2020年關中平原城市群土地利用碳排放量的變化趨勢

由圖1可知，總體來看，關中平原城市群2000—2020年土地利用凈碳排放量呈遞增趨勢，累計增加約36658萬t，年均增長幅度為8.60%；碳源變化趨勢與其基本吻合；碳匯量增幅較小。首先，在2000—2006年，城市群城鎮化水平大幅提高，能源消耗量劇增且建設用地面積不斷擴大，使得建設用地碳排放量逐年升高，碳排放總量不斷升高，加上土地利用方式的變化，使得凈碳排放量逐年增加，其年均增長幅度為12.98%；其次，在2006—2007年，能源消耗量小幅減少，加上農業機械化水平提升，使得農業生產水平升高，農作物產量有所增加，使得土地利用凈碳排放量小幅下降；2007年以來，關中平原城市群土地利用凈碳排放量整體出現較為明顯的增長，經濟發展速度的加快及能源消費量的劇增，使得碳排放量逐年上升，并在2020年達到最高值，但受疫情等不可抗因素的影響，其增長率有所下降。

在土地利用類型角度上，建設用地上的碳排放量占比均高于97%，是最主要的碳源；農用地碳排放量占比較小，對碳排放總量的貢獻較小。在碳吸收方面，其他土地利用方式的碳吸收作用相比于農作物而言較弱，耕地上各種農作物的碳吸收量是總碳吸收量的主要貢獻來源，其占比均高于77%，但總碳吸收量較碳排放量來說還是太少，因此為了減少碳排放量，仍需增加碳匯量。

城市群土地利用碳排放空間分布特征大體呈東高西低，將碳排放量按低度排量（≤2900萬t），中度排量（2900萬~5800萬t）、中高度排量（5800萬~8700萬t）和高度排量(≥8700萬t)4個等級來劃分（圖2）。由圖2可知，除了西安、寶雞、咸陽、運城及臨汾的碳排放在研究期內有明顯的增長趨勢外，其余城市均保持較為穩定的狀態。其中西安、運城及臨汾的碳排放增長跨度大，所處的強度等級范圍變化顯著。

圖2 2000—2020年關中平原城市群土地利用碳排放量的空間分布情況

2.2 土地利用碳排放碳收支分析

根據上述數據進行關中平原城市群土地利用碳收支核算，具體結果如圖3所示。由圖3可知，研究期內，城市群碳補償率整體呈下降趨勢，且均低于21%，表明城市群的碳匯量遠遠不足以彌補碳源量，因此表現為凈碳源。就各城市而言，除天水因多為生態用地，碳源較少，碳補償率呈增長趨勢外，其余城市隨著碳源的增加，其相應的碳補償率大體上均呈下降趨勢。總的來看，西安、咸陽等經濟水平較高的城市，因為能源消耗大，產業結構調整，碳排放量較多，碳補償率比天水、平涼等經濟較為落后且產業結構單一的城市低。碳排放基尼系數波動變化，研究期內均小于0.5，在2001—2002年，基尼系數高于0.4，處于警報狀態，表明此時的碳匯與碳源不協調。隨著土地利用結構和能源利用的調整，2002年之后，碳基尼系數均小于0.4，表明城市群碳源與碳匯較為協調。但在2012—2020年，基尼系數整體呈上升趨勢，表明城市群各城市之間的碳排放量差距有所增大，城市間協同減排力度仍需加大。

通過計算出碳排放生態承載系數，運用Arc-GIS軟件繪制出其空間分布圖，如圖4所示。由圖4可知，研究期內，城市群各城市生態承載系數差異較大，基本呈現出西高東低的分布特征。天水、平涼、慶陽、咸陽、渭南、商洛的生態承載系數始終大于1，這些城市的碳匯能力較強；銅川的生態承載系數波動變化，碳排放量變化不定，總體上碳匯能力較強；而寶雞的生態承載系數變化較大且逐年降低，表明該城市碳排放量增加，碳匯能力減弱，減排壓力增加；西安、運城、臨汾這些經濟水平高、能源消耗量大的城市碳排放量大，生態承載系數始終小于1，碳匯能力弱，需要加大碳匯來彌補高碳排。

圖4 土地利用碳排放生態承載系數的空間分布

2.3 土地利用碳排放空間關聯結構的實證分析

2.3.1 空間關聯網絡整體結構特征演化 根據引力模型構建了關中平原城市群2000—2020年土地利用碳排放空間關聯矩陣，并通過UNCIET軟件繪制了2000及2020年的空間關聯網絡圖（圖5、圖6）。可以看出，各城市之間土地利用碳排放量的空間關聯關系特征逐漸明顯，且隨著時間的推移形成以西安、運城和咸陽為核心，向四周城市發散的空間形態。

圖5 2000年關中平原城市群土地利用碳排放空間關聯網絡圖

圖6 2020年關中平原城市群土地利用碳排放空間關聯網絡圖

根據土地利用碳排放關聯矩陣，分別計算歷年的整體網絡特征指標，并繪制出變化趨勢圖（圖7）。由圖7可知，網絡密度整體上呈波動下降趨勢且數值較低，表明城市群城市之間的碳關聯關系少，緊密度較低，城市群為實現碳減排仍需促進城市間相互協作。網絡關聯度均為1，表明城市群任意2個城市間都存在碳關聯關系，但網絡密度較小，表明各城市間雖然都存在普遍的碳關聯關系，但關系數較少。網絡等級度有小幅降低，并在2006年趨于平緩，表示碳排放網絡空間結構的等級下降，處于支配地位的城市權力縮減，城市間碳排放的聯系逐漸增多。網絡效率增長趨勢較為明顯，說明各城市間碳關聯關系逐漸松散，網絡結構越來越不穩定，仍需加強城市間的碳減排合作。

圖7 關中平原城市群土地利用碳排放空間關聯網絡整體特征指標

2.3.2 空間關聯網絡個體結構特征演化 選取2000和2020年的數據進行個體網絡特征指標測度，來揭示各城市在關中平原城市群的定位和作用，如表5所示。

表5 關中平原城市群土地利用碳排放空間關聯網絡個體特征指標

由表5可知，從度數中心度來看，2000年西安、運城、咸陽、寶雞及天水這5個城市的值較高，表明這5個城市在網絡中與其他城市產生的碳關聯關系較多，因而處于核心地位。而2020年網絡中心位置是西安、咸陽和運城，其余城市均處于邊緣位置。20年間，城市群中心—邊緣結構有所改變，而西安、咸陽及運城仍位于網絡的中心，這3個中心城市的碳排放對處于網絡邊緣的城市影響較大。因此，在實現碳減排過程中，應重點關注這3個中心城市，充分發揮其輻射和帶動作用。

從接近中心度來看，在近20年間，各城市接近中心度的排名情況與度數中心度基本一致，位于網絡中心的城市為西安、咸陽及運城，且指標值較高，表明這3個城市會通過加快與其他城市的前后關聯來產生碳排放聯系。此外大部分城市的指標值都有所下降，表明這些城市在網絡中很容易受到其他城市的影響，關聯網絡不穩定。

從中介中心度來看，對網絡中其他城市間關系控制程度較強的是西安、咸陽及運城，且西安和咸陽的指標值增長幅度顯著，表明其對其他城市的控制強度有所加強，并在網絡中起到了“橋”的作用。為了實現區域碳減排目標，可通過加強管控這些城市，有效阻滯城市間的碳交流，從而削弱城市間碳排放關聯關系。

總的來看，城市群土地利用碳排放空間關聯網絡表現出較為明顯的“兩極分化”特征，位于網絡中心位置的城市，對網絡有絕對的掌控與支配權，而位于網絡邊緣位置的城市則一直處于被動位置，受中心城市影響較大。因此，在碳減排過程中，首先要重點關注中心城市的碳排放，充分發揮其“涓滴效應”來帶動邊緣城市的發展。

2.3.3 空間關聯網絡聚類分析 根據關中平原城市群土地利用碳排放空間關聯網絡特性，運用UNCIET中的CONCOR迭代收斂法，取集中標準為0.2，最大切分深度為2，將關中平原城市群劃分成4個板塊，具體劃分情況如表6所示；并計算各板塊密度值，如表7所示。

表6 2020年關中平原城市群土地利用碳排放空間關聯網絡聚類分析

表7 關中平原城市群土地利用碳排放空間關聯網絡板塊密度值

由表6~表7可知，關中平原城市群土地利用碳排放空間關聯網絡板塊內外部關系數均占網絡中相應總關系數的25.71%，表明城市群各城市間存在空間集聚及溢出效應。第一板塊包括西安、運城和臨汾，實際內部關系比要大于期望內部關系比，3個城市內外部存在集聚及溢出關系，且接受的關系中以接收內部關系為主，為典型的“雙向溢出板塊”；第二板塊有商洛、渭南和銅川，實際內部關系比較期望內部關系比大，這3個城市的集聚關系數遠遠大于溢出關系數，且集聚關系主要以接收其他板塊城市溢出的關系為主，為“凈受益板塊”；第三板塊包括咸陽和寶雞，實際內部關系比要比期望內部關系比大，這2個城市之間以及與其他板塊城市之間都有集聚及溢出關系，總體上與其他板塊城市聯系更多，也屬于“雙向溢出板塊”；第四板塊包括天水、平涼和慶陽，實際內部關系比要比期望內部關系比小，這3個城市的集聚效應主要通過其他板塊城市的溢出關系來表現，多與其他板塊城市聯系，內部之間聯系較少，為“經紀人板塊”。

總的來看，第一、三板塊發出的碳排放關系數較多，且主要集中于西安、咸陽和運城，表明這類經濟水平較高、資源相對豐富的城市在網絡中對其他城市的碳排放影響較大。板塊之間相互溢出關系以外部城市為主，城市群城市之間存在比較優勢。由此得出，各個板塊聚類特征顯著，但多與外部空間關系較為密切，自身內部空間關系較為松散，少數經濟資源稟賦的城市在網絡中占據主要位置。

2.4 關中平原城市群土地利用碳排放空間關聯網絡的影響因素

2.4.1 QAP相關性分析 通過UNCIET軟件來執行QAP相關性分析，設置10000次隨機置換，得到如表8所示結果。

表8 影響因素的QAP相關性分析結果

由表8可知，空間鄰近關系、能源消耗差異均在1%的水平下顯著，人均GDP差異在5%的水平下顯著，城鎮化率差異在10%的水平下顯著，產業結構效果不顯著。表明空間鄰近關系、城鎮人口比例差異、能源消耗差異以及經濟水平差異均為關中平原城市群土地利用碳排放空間關聯關系的重要影響因素，且相關系數均為正，表明這4個因素對碳排放的空間關聯關系均表現為正向促進。

為防止因素之間出現共線性問題，通過因素之間的相關性分析進行檢驗。檢驗結果發現，經濟水平與城鎮人口比例之間存在著0.856的相關性。而QAP回歸方法可以有效處理此類問題，因此，采用該方法進行影響因素的回歸性分析。

2.4.2 QAP回歸分析 基于相關性分析結果，運用UNCIET軟件來執行QAP回歸分析，同樣設置10000次隨機置換，得到如表9所示結果。

表9 影響因素的QAP回歸分析結果

由表9可知，調整后的判別系數為0.339，且通過了1%的顯著性水平檢驗，這表明空間鄰接關系矩陣、城鎮化率差異矩陣、能源消耗差異矩陣以及經濟水平差異矩陣可解釋關中平原城市群土地利用碳排放空間關聯關系的33.9%。空間鄰近關系矩陣的回歸系數通過了1%的顯著性檢驗且為正，表明該因素對關聯關系起到了明顯的促進作用；能源消耗差異矩陣、經濟水平差異矩陣分別在5%、10%水平下與碳排放空間關聯關系呈顯著正相關，說明這2個因素在一定程度上對碳關聯關系產生影響，各城市能源消耗水平差距越大、經濟發展水平差異越大，越能對城市間碳關聯關系產生促進作用；而城鎮化率差異矩陣的回歸系數未通過顯著性檢驗，說明該因素對碳關聯關系目前未有顯著影響，但是隨著城市人口流動、經濟貿易往來等，其影響力度會有所提升。

2.5 關中平原城市群土地利用碳平衡分區

根據關中平原城市群土地利用碳排放量、碳補償率、生態承載系數以及空間網絡關聯特征將城市群劃分為以下4個區域，為城市群城市間協同碳減排提供思路。

（1）碳匯功能區：生態承載系數大于1且碳排放量小于3500萬t，包括銅川、渭南、商洛、天水、平涼、慶陽。這些城市處于“凈受益板塊”及“經紀人板塊”，碳吸收率較大，碳匯能力強，能接收其他城市的碳排放，減排壓力小。

（2）低碳優化區：生態承載系數大于1，碳排放量大于3500萬t且小于7000萬t，包括咸陽。該城市處于“雙向溢出板塊”，碳匯能力較強，但碳排放量仍需加以控制，加強對碳匯的保護。

（3）碳源控制區：生態承載系數小于1，碳排放量大于3500萬t且小于7000萬t，包括寶雞。該城市碳匯能力弱，不足以補償碳源，減排壓力大，需要進一步調整能源消耗結構以及經濟發展方式，進一步加強生態保護。

（4）高碳控制區：生態承載系數小于1，碳排放量大于7000萬t，包括西安、運城、臨汾。這些城市經濟水平高，能耗大，碳排放量極高，處于“雙向溢出板塊”，在網絡中處于中心地位，實現低碳目標，最主要的是控制好這些城市的碳源。

3 結論與討論

3.1 結論

（1）從碳排放量來看，關中平原城市群2000—2020年土地利用凈碳排放量呈遞增趨勢，碳源變化趨勢與其基本吻合，碳匯增幅較小。總體呈現出東高西低的分布特征。碳源的主要貢獻來源是建設用地，碳匯主要來自耕地上各種農作物。

（2）從碳平衡來看，關中平原城市群碳補償率較低且逐年降低，表現為凈碳源；除個別經濟水平較低的城市外，其他城市的碳補償率均呈下降趨勢；碳排放基尼系數波動變化，整體上處于較為協調狀態；各城市的生態承載系數差異較大，基本呈現出西高東低的分布特征。

（3）從整體網絡結構特征來看，2000—2020年關中平原城市群城市間的土地利用碳排放空間關聯關系特征逐漸顯著，隨著時間的推移形成以西安、咸陽和運城為核心，向四周城市發散的空間形態。網絡密度逐漸下降，表明各城市之間的關系緊密度不高，城市間碳排放的相互影響和相互聯系持續加深，各城市之間的碳排放聯系逐漸減弱，網絡結構變得越來越松散、簡單。

（4）從個體網絡結構特征來看，城市群土地利用碳排放空間關聯網絡“兩極分化”特征顯著；西安、咸陽和運城居于網絡中心位置，在網絡中也發揮著“橋”的作用；天水、平涼等經濟發展遲緩的城市居于網絡邊緣位置，碳關聯關系不均衡，關聯網絡結構不穩定。

（5）從空間聚類分析來看，關中平原城市群土地利用碳排放可以劃分為4個板塊，第一、三板塊均為“雙向溢出板塊”，第二板塊為“凈受益板塊”，第四板塊為“經紀人板塊”，各板塊聚類特征表現顯著，但多與外部空間關系較為密切，自身內部空間關系較為松散。

（6）從QAP回歸分析來看，地理空間鄰近、能源消耗差異及經濟水平差異對城市群土地利用碳排放空間關聯具有顯著的正向促進作用，而城鎮人口比例差異對土地利用碳排放空間關聯關系的影響較弱。

3.2 討論

在土地利用碳排放量測算上，選取的碳排放系數雖然參考了眾多學者的研究，并且較為符合關中平原城市群的自然條件，但是最終結果還是會受到植被類型等外界因素的干擾而影響其準確性；此外，受數據獲取性限制，建設用地上的碳排放僅考慮了化石能源消耗引起的，未能考慮農村生物能消耗引起的，后續研究中可以根據城市群的實際情況深入分析，探究更精確的符合城市群的碳排放機制及相關系數。在碳平衡分區上，本文僅考慮了生態方面，后續可以進一步考慮融入經濟、社會等多因素進行區劃。在引力模型構建過程中，雖然引入了碳排放量和生產總值，但城市間關聯的要素并未全面考慮到，因而也將成為后續研究的指向。在影響因素上，關中平原城市群各個城市的碳排放具有較獨特的特征，經濟水平與能源結構可能是導致這種差異的關鍵原因，應該因地制宜地制定區域協同減排策略。