近20 年蘇州市土地利用碳排放時空變化研究

杜景龍，彭梓壹，盧學鶴，龔 瑤，劉暢暢

（蘇州科技大學 地理科學與測繪工程學院，江蘇 蘇州 215009）

全球變暖是當前國際社會最關注的問題之一。研究表明，至本世紀末，全球平均氣溫可能會上升1.8～4.0 ℃，屆時將對全球帶來災難性后果[1-2]。聯合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）第五次評估報告指出，氣候變暖95%是由于化石燃料燃燒和土地利用變化等人類活動排放的溫室氣體導致的[3]。相關數據表明，1870—2015 年全球累積碳排放中，土地利用變化產生的CO2總量累計約為1.45×1011t[4]；1950—2005 年中國土地利用變化累計碳排放為1.06×107t，占同期全球土地利用變化碳排放量的12%[5]。土地作為承載人類一切生產、生活的載體，土地利用的結構、方式、動態變化將影響地表生態系統的碳匯和碳源，進而影響大氣中的碳排放[6]。因此，研究土地利用與碳排放的相關性，對合理利用土地、實現“雙碳”目標、構建資源節約、環境友好型社會具有重要意義。近年來，有關土地利用碳排放的研究得到了國內外學者的普遍關注，并取得了豐碩的成果。從研究內容角度來看，主要包括：碳排放影響因素研究，如Puertas 和Marti[7]采用指標分解分析（IDA）和結構分解分析（SDA）、Nawaz 等[8]利用分位數自然回歸分布式滯后模型、Wei 等[9]和牛亞文等[10]利用地理探測器探究了碳排放的影響因素；碳排放的預測研究，如Zhao和Li[11]采用長短期記憶法、Niu 等[12]采用改進回歸神經網絡分別預測了中國的碳排放發展趨勢，Wang 等[13]利用灰色預測模型預測了山西等地區的碳排放發展趨勢；碳排放時空差異研究，如Zhang 等[2]利用探索性空間數據分析研究了黃河三角洲的碳排放時空差異，Mamipour 等[14]利用探索性空間數據分析研究了伊朗的碳排放時空差異，Zhou 等[15]利用生態補償系數和經濟補償系數研究了中國的碳排放時空差異；碳排放效率研究，如Xue 等[16]采用空間分位數回歸模型、范建雙等[17]利用DEA 模型和Hicks-Moorsteen 指數、楊國清等[18]利用K-mean 聚類法分別研究了京津冀、南京、廣東地區的碳排放效率。從研究的空間尺度來看，全國、省級宏觀和中觀尺度的土地利用碳排放研究較多，如廣東[18-19]、山西[13]、長江經濟帶[20-22]、南京[23]、杭州[24]等，市、縣等微觀尺度研究較少。蘇州作為我國經濟最強地級市，改革開放以來，尤其是近20 年，隨著經濟的迅猛發展和城鎮化的快速推進，土地利用結構發生了顯著變化[25]，勢必對土地利用碳排放產生重大影響。筆者以蘇州市各區市為研究單元，基于2001、2005、2010、2015 和2020 年的土地利用、能源消耗和社會經濟等數據，利用相關分析模型，揭示蘇州市近20 年來土地利用碳排放時空特征、演化規律，旨在為蘇州市踐行“雙碳”目標、推動綠色低碳發展提供參考，并為其他地區的相關研究提供借鑒。

1 研究區與研究方法

1.1 研究區概況與數據來源

蘇州市地處江蘇省東南部，是長三角地區重要的中心城市。全市總面積8 657.32 km2，2021 年全市地區生產總值2.27 萬億元，常住人口1 274.83 萬人。2012 年之前蘇州市包括平江區、滄浪區、金閶區、吳中區、工業園區、相城區、高新區（虎丘區），代管吳江市、昆山市、太倉市、常熟市和張家港市5 個縣級市。2012 年之后蘇州市進行區劃調整，合并了原平江區、滄浪區、金閶區，設立姑蘇區，將吳江市在原區劃范圍內撤市建區。為了保持數據的一致性，文中按照新的區劃調整對2001 年、2005 年和2010 年的數據進行了合并處理，即研究對象為姑蘇區、吳中區、工業園區、相城區、高新區（虎丘區）、吳江區、昆山市、太倉市、常熟市和張家港市，共計10 個區市。

研究所用主要數據包括：（1）土地利用數據來源于地理監測云平臺Lan dsat TM 遙感影像（2001、2005、2010、2015 和2020 年，空間分辨率為30 m）；參考土地利用現狀分類標準（GB/T21010-2007）及前人研究[26-28]，將土地利用類型劃分為耕地、林地、草地、水域、建設用地及未利用地6 種類型，在GIS 軟件中對土地利用數據進行重分類和面積制表，得到2001—2020 年蘇州市各區市5 期土地利用數據；（2）蘇州市各區市的能源消耗和影響因子所涉及的數據來源于2001—2020 年的《蘇州市統計年鑒》和《中國縣域統計年鑒》。

1.2 研究方法

1.2.1 直接碳排放量測算

土地利用碳排放估算方法可分為直接碳排放量測算和間接碳排放量估算，前者為耕地、林地、草地、水域、未利用地的碳排放測算，后者為建設用地的碳排放估算。借鑒已有研究[20，26]，文中運用碳排放系數法計算直接碳排放量，公式如下

式中：Ek為直接碳排放量；i 為土地利用類型，i=1，2，3，4，5，分別對應耕地、林地、草地、水域和未利用地；ei為土地利用類型i 的直接碳排放；Ai為土地利用類型i 的面積；δi為土地利用類型i 的碳排放系數，其中正值為碳源、負值為碳匯。參考已有研究，并結合研究區的實際情況確定碳排放系數（見表1）。

表1 土地利用類型的碳排放系數 單位：kg C·（m2·a）-1

耕地既是碳匯也是碳源，耕地的碳源、碳匯能力與農作物的種植種類和機械化水平有關，結合蘇州市農作物主要為谷物，取碳排放系數0.042 20 kg C·（m2·a）-1；林地為碳匯，考慮到蘇州市地處亞熱帶，林地資源種類豐富，主要以喬木林和竹林為主，取值為-0.061 25 kg C·（m2·a）-1；蘇州市氣候溫潤，適宜各種草坪生長，根據太湖流域碳排放的相關研究，取值為-0.002 10 kg C·（m2·a）-1；蘇州市水域面積占全市總面積的42%左右，主要包括河流、湖泊、坑塘和水利設施用地，河流和湖泊通常是碳匯，而水利設施用地的建設和運行會產生碳排放，綜合考慮，文中取水域用地的碳排放系數為-0.024 80 kg C·（m2·a）-1；未利用地的碳源和碳匯能力均較弱，蘇州市未利用地的碳排放系數為-0.000 50 kg C·（m2·a）-1。

1.2.2 間接碳排放量測算

建設用地承載著人類的多種活動方式，產生碳排放的要素較多，計算較為復雜，文中主要通過煤、石油、天然氣等能源消耗產生的碳排放來間接估算。蘇州市能源消費結構較為豐富，主要的能源類型共14 種：原煤、洗精煤、型煤、焦炭、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、天然氣、焦爐煤氣、熱力和電力；由于電力、熱力為二次能源消費，本身并不直接產生碳排放，產生的碳排放主要來自二次能源本身生產過程中對化石能源的消耗，文中借鑒大多數學者的觀點[13，24，28-30]，在間接碳排放計算中，沒有考慮電力、熱力的碳排放問題（見表2）。結合蘇州市能源統計數據的特點，文中采用能源消費量算法[31-36]計算蘇州市不同種類能源終端消費產生的碳排放。公式如下

表2 各種能源的低位發熱量和碳排放系數

式中：Em為建設用地間接碳排放總量，i 為12 種不同的能源類型，Emi為能源i 消耗產生碳排放量，Eni為能源i 的消耗量，Qi為能源i 的低位發熱量，γi為能源i 的碳排放系數。

能源數據來源于2001—2020 年的《蘇州統計年鑒》，汽油、煤油和柴油為蘇州全社會消費總量，其他指標為規模以上工業企業的消費量。由于《蘇州統計年鑒》中，蘇州市區（包括姑蘇區、高新區、工業園區、吳中區和相城區）的能源消費量合并統計，根據公式（2）只能計算出蘇州市區、吳江區、張家港市、常熟市、昆山市和太倉市的間接碳排放量，無法直接計算姑蘇區、高新區、工業園區、吳中區和相城區的間接碳排放量，參照相關研究[17，30]，上述5 個區的間接碳排放量按如下方法計算：

①計算蘇州市區的能源消費總量（噸標準煤）

式中：Et為蘇州市區的能源消費總量（噸標準煤）；Eni為蘇州市區能源i 的消耗量；λi為能源i 折標準煤系數。

②計算蘇州市區的單位工業總產值能耗系數（噸標準煤/萬元）

式中：K 為蘇州市區的單位工業總產值能耗系數（噸標準煤/萬元）；Gt為蘇州市區的工業總產值；Et為蘇州市區的能源消費總量（噸標準煤）。

③計算蘇州市區單位能耗（噸標準煤）的碳排放量

式中：C 為蘇州市區單位能耗（噸標準煤）的碳排放量；Em為蘇州市區的間接碳排放總量（由公式（2）計算而來）；Et為蘇州市區的能源消費總量（噸標準煤）。

④計算蘇州市區各區（姑蘇區、工業區、高新區、相城區和吳中區）的能源消費總量（噸標準煤）

式中：Ei為第i 區的能源消費總量（噸標準煤）；Gi為第i 區的工業總產值；K 為蘇州市區的單位工業總產值能耗系數（噸標準煤/萬元）。

⑤計算蘇州市區各區的間接碳排放量

式中：Emi為i 區的間接碳排放量；Ei（同上）；C（同上）。

2 研究結果與分析

2.1 土地利用變化分析

2001—2020 年，蘇州市土地利用類型變化最大的是建設用地和耕地（見表3 和圖1），在此期間，耕地面積從2001 年的4 359 km2減少至2020 年的2 859 km2，下降34.4%，建設用地面積由1 021 增至2 462 km2，增長141.4%；耕地的減少和建設用地的擴張主要發生在本世紀的前10 年，2010 年以來，這種變化趨勢有所減緩，主要是2010 年以后，蘇州城市擴張從外延式發展轉到以城市更新、舊城改造為主以及耕地保護政策的收緊[25]。林地和水域一直保持較為穩定的水平，草地和未利用地占比較少，零散分布在市域的不同區域，但由于近年來城市綠化建設提速，草地面積有較大幅度提升。從表3 和圖1 的數據分布可以看出，蘇州當前的土地利用特征呈現出水域、耕地、建設用地三分天下的格局，林地主要分布在西部太湖沿岸的山區。

圖1 2001—2020 年蘇州市土地利用變化情況

表3 蘇州市土地利用面積統計表（2001—2020） （單位：km2）

土地利用轉移概率矩陣（表4）顯示，2001—2020 年蘇州各類用地之間互有轉換。其中，2001—2005 年耕地主要轉入類型為建設用地，主要轉出類型也是建設用地，但幅度都不是很大，概率只有0.03 和0.09，蘇州在這一階段城市化進程剛剛起步，城市建設占用了部分耕地，另一方面，此階段蘇州實行大規模的村鎮合并，騰退出大量宅基復墾為耕地或轉為城市建設用地[37]；2005—2010 年建設用地轉為耕地的概率與前5 年基本持平，而耕地轉為建設用地的概率大幅度增加到0.21，這一時期也是蘇州城市化快速推進時期，“攤大餅”式外延性擴張，使得大量耕地轉為城市建設用地；2010—2020 年，耕地轉為建設用地的概率降至0.08，相較于前一階段顯著下降，蘇州城市外延式發展得到了有效的控制。長期以來，蘇州的水域、林地、草地、未利用地相對穩定，只是近10 年，由于蘇州實行“四個百萬畝”土地保護政策[25，37]，更多的未利用土地被激活，轉換成建設用地、耕地和水域的概率明顯增大。

表4 土地利用轉移概率矩陣

2.2 碳排放的年度變化分析

林地和水域是主要的碳匯地類，長期以來，蘇州的林地和水域面積相對穩定，導致其碳匯量也相對穩定，但由于蘇州水域面積廣闊，因此水域的碳匯量遠高于林地，兩者碳匯總量在（8～9）萬t·a-1；耕地既是碳源也是碳匯，但在當前的農業生產模式下，依然表現為碳源，近20 年來，由于蘇州耕地面積從持續減少到趨穩，其碳排放水平也呈現同一規律，2020 年，全市耕地碳排放量下降到11 萬t 左右，比2001 年減少了7.3 萬t，與林地和水域的碳匯水平（約8.6 萬t·a-1）十分接近；草地和未利用地也是碳匯地類，但其碳匯能力較弱，且蘇州市草地和未利用地面積占比較小，其碳匯能力可忽略不計（見表5）。

表5 2001—2020 年蘇州市不同土地利用碳排放測算結果 單位：104 t

研究表明，建設用地的間接碳排放是碳排放的主體，占碳排放總量的96.38%～99.95%[17，24，38]，表5 的計算結果顯示，蘇州市99%以上的碳排放來自于間接碳排放。蘇州是制造業和人口大市，經濟總量始終排在全國前列，隨著經濟的迅猛發展，研究期內碳排放量始終處于增長的趨勢，凈碳排放量從2001 年的922.28×104t增加到2020 年的4 656.41×104t，碳排放量翻了5 倍，但其增長趨勢具有一定的階段性，大致可分為三個階段：（1）2001 年至2010 年的快速增長階段，其中2001—2005 年增長2.8 倍，2005—2010 年繼續增長1.66 倍，年均增長36%；（2）2010 年至2015 年為緩慢增長階段，年均增長只有1.6%；（3）2015 年至2020 年的持續穩定階段，5 年只增長了12.6×104t，接近碳達峰。蘇州市碳排放特征與蘇州市經濟社會發展規律息息相關，本世紀的前10 年，是蘇州經濟最為活躍階段，10 年內人口總量接近翻番，GDP 增長了5.8 倍，能源消耗總量增長了約4.1 倍，從1 737 萬t 增長到7 082 萬t，導致碳排放總量同期也增長了近5 倍；2010 年之后，蘇州經濟發展開始從粗放型向集約型轉變，退二進三、淘汰落后產能、節能減排、綠色經濟、數字經濟等一系列經濟政策調整，經濟發展降速減溫，碳排放也進入相對穩定期[39]（見表6）。

表6 2001—2020 年蘇州市社會經濟數據

2.3 碳排放量空間變化分析

為了解蘇州碳排放的空間分布特征，計算了蘇州各區市2001—2020 年5 個時期的碳排放量（見表7），并利用自然斷點法將蘇州各區縣碳排放量劃分為5 個等級，依次為：碳匯區、低碳排放區（（0～100）×104t）、中度碳排放區（（100～300）×104t）、高碳排放區（（300～800）×104t）和重度碳排放區（＞800×104t）（如圖2 所示）。2001 年，全市碳排放量總體處于較低水平，北部的張家港和常熟市處于中度碳排放區，其他區市為低碳排放區；2005 年，常熟市和太倉市為高碳排放區，張家港市則為重度碳排放區，中心城區的高新區、工業園區及昆山市、吳江市為中度碳排放區；2010 年，中度碳排放區進一步擴大，除姑蘇區外，中心城區的其他4 個區也為中度碳排放區；2015 年之后，常熟市的碳排放量也超過800×104t，為重度碳排放區，吳江區的碳排放突破300×104t，為高碳排放區，與此同時，中心城區的碳排放有所減弱，除高新區、工業園區外，其他3 個區的碳排放都恢復到低碳排放區。

圖2 2001—2020 年蘇州市土地利用碳排放量空間變化

表7 2001—2020 年蘇州市各區縣土地利用碳排放量 單位：104 t

圖2 和表7 的數據顯示，從總體上看，蘇州的碳排放在空間分布上呈現中心城區較低，外圍區市較高的格局。北部的張家港市是蘇州碳排放最嚴重地區，2001—2020 年，其碳排放量分別占蘇州全市碳排放的23%、34%、42%、44%、47%，這與張家港市的產業結構息息相關，張家港市是蘇州乃至全國重要的冶金工業基地，也是能源消費大市，如2020 年，蘇州全市規模以上工業企業能源消費總量為8 760 萬噸標準煤，張家港市占46.8%；常熟市也是碳排放較嚴重地區，碳排放穩定增長，2015 年以后變為重度碳排放地區，這是由于常熟制造業發達，尤其以裝備制造為主，能耗巨大，2020 年，常熟市能耗僅次于張家港市，占全市18.3%；太倉市和吳江區近10 年來始終處于高碳排放區，排放強度太倉略高于吳江，這也和其產業結構及能源消耗有關，太倉市是蘇州重要的裝備制造業、新材料產業基地，吳江區則重點發展輕紡工業，2020 年，其能耗分別占全市11.2%和7.4%；昆山市和中心城區以高新技術產業及高端服務業為主導，能源消耗量相對較低，碳排放量較低，一直為中低碳排放區。值得一提的是，2010 年以來，蘇州全市的碳排放總量基本穩定，且趨于達到峰值，從區域上來看，中心城區和太倉市2010—2015 年前后已經實現“碳達峰”目標，且呈逐年下降趨勢。

3 結語

利用蘇州市5 個年份（2001、2005、2010、2015 和2020 年）的Lan dsat TM 遙感影像數據，采用直接碳排放量測算法，估算了蘇州市近20 年來耕地、林地、草地、水域、未利用地的碳排放的時空變化；利用能源消耗數據，采用間接碳排放量估算法，估算了蘇州市建設用地的碳排放的時空變化。主要結論如下：

2001—2020 年，蘇州市耕地面積下降了34.4%，建設用地面積增長了141.4%，林地和水域保持穩定，草地和未利用地占比較少。土地利用類型的變化，導致蘇州市碳排放時空格局發生了重大變化。

建設用地是蘇州市碳排放的主要來源，全市99%以上的碳排放來自建設用地；水域和林地是主要的碳匯來源，蘇州市水域每年提供約（7～8）×104t 的碳匯，林地每年提供約1×104t 的碳匯。因此，蘇州“雙碳”目標的重點在于建設用地上的節能減排。

近20 年來，蘇州市的碳排放一直處于逐年增長的趨勢，增長主要發生在本世紀的前10 年，從2001 年的922×104t 到2010 年的4 281×104t，再到2020 年的4 656×104t。表明，蘇州的碳排放已經接近或達到歷史高位，未來的碳排放發展趨勢值得關注。

空間上，蘇州市土地利用碳排放呈現中心城區較低，外圍區市高的格局，全市近50%的碳排放來自張家港市，這與蘇州市產業布局息息相關。因此，在落實“雙碳”目標上，應充分考慮產業布局對碳排放的影響。

文中一個不足之處在于：受數據源的限制，建設用地碳排放計算使用的能源消費數據是規模以上工業企業的能耗數據，這個值會略小于蘇州全社會的能源消費總量，可能會導致總碳排放量小于實際值。