成渝城市群土地利用碳排放時空異質性及影響因素分析

賴德琳,胡 燕,王玉貴*

(1.西南土地資源評價與監測教育部重點實驗室,四川成都 610066;2.四川師范大學地理與資源科學學院,四川成都 610066)

0 引言

因碳排放引起的氣候變化是國內外學者關注的熱點話題[1].從土地利用視角出發,探究區域土地利用碳排放時空演變趨勢,對于區域低碳轉型具有重要意義.目前針對土地利用碳排放的相關研究包括碳核算、時空格局分析、影響因素分析等.張余等[2]基于遙感數據探究東北三省土地利用碳排放差異,發現區域碳排放差異顯著,且土地利用強度對于碳排放影響最大.趙強等[3]結合地理探測器對中部地區碳排放進行分析,顯示地區生產總值和第二生產總值對碳排放解釋力最強.成渝城市群是我國高質量發展的重要增長極,人口和城鎮分布密集,土地利用變化較為顯著.目前不少學者從城市群整體或局部區域對碳排放進行了相關研究.如王曉平等[4]探討了成渝城市群碳排放空間關聯性,研究位于碳排放網絡的中心地位的重要城市.袁霄等[5]基于不同土地利用類型數據測算重慶市土地利用碳排放強度并揭示其時空演變規律.

總體而言,現有關于土地利用碳排放的研究已較豐富,但仍存在不足.有關土地利用碳排放的研究主要集中在全國及省域層面,或相對成熟的城市群,對成渝城市群這類新興發展的城市群關注度尚有不足.此外,各區域碳排放時空特征以及影響因素異質性特征均有差異,需要進一步關注區域不同發展階段差異,從時空角度和非均衡性進行深層次研究.基于此,依據成渝城市群2005—2019年土地利用數據,測度分析成渝城市群碳排放的時空特征,剖析影響因素時空非均衡性特征,以期在雙碳目標指向下,為城市群綠色低碳提供科學參考.

1 研究區概況

成渝城市群以成都、重慶為核心,地形較為復雜.2019年,成渝城市群常住人口達10 670.6萬人,占全國總人口的7.6%;地區生產總值達66 756億元,占國內生產總值的6.76%,是我國西部地區發展水平最高、發展潛力較大的城鎮化區域.為分析區域碳排放差異及其來源,按照《四川省新型城鎮化規劃(2014—2020年)》對四川省城鎮化的規劃,可將成渝城市群劃分為四個區域,分別為重慶市、成都平原城市群(包括成都、綿陽、德陽、樂山、遂寧、雅安、資陽、眉山市)、川東北城市群(包括南充、廣安、達州市)、川南城市群(包括宜賓、瀘州、自貢、內江市).

2 研究方法及數據來源

2.1 研究方法

2.1.1 土地利用碳排放測算 土地利用碳排放[6]可分為直接碳排放和間接碳排放.直接碳排放主要指耕地、林地、草地、水域和未利用地的碳排放.間接碳排放主要指建設用地產生的碳排放.

(1)土地利用直接碳排放.計算公式如下:

C1=Σei×δi

(1)

式中,C1表示直接碳排放總量,i代表各類土地利用類型,ei為各類土地利用類型的面積,δi表示各類土地利用類型的碳排放(吸收)系數.根據已有研究成果[7-8],耕地、林地、草地、水域和未利用地的碳排放系數分別為0.442、-0.626 5、-0.021、-0.253、-0.000 5 tC/hm2.

(2)土地利用間接碳排放.建設用地碳排放量主要通過土地利用過程中的能源消耗進行間接估算,計算公式如下:

E=∑A×Bj×βj

(2)

式中,E代表建設用地排放總量,A代表各類能源的總消費量,Bj表示第j種能源轉換為標準煤的折算系數,βj表示第j種能源的碳排放系數(各類能源標準煤換算系數與碳排放系數,見表1).由于市級的能源消耗數據的不可獲得性,參考現有研究成果[9],以單位GDP能耗數據為基礎估算各市的建設用地碳排放量.計算公式如下

表1 各類能源標準煤換算系數與碳排放系數Tab.1 Conversion coefficient and carbon emission coefficient of various energy standard coal

C2=E×Econs∕∑Econs=E×GDPn×Dn∕∑(GDPn×Dn)

(3)

式中,C2表示第n市建設用地排放總量,Econs代表第n市能源消耗總量,GDPn為第n市當年地區生產總值,Dn為第n市單位GDP能耗.單位GDP能耗和地區生產總值數據按照2005年的當量價進行計算.

2.1.2 Dagum基尼系數 Dagum基尼系數分解法[10]是通過分解總體基尼系數進行細化區域發展差異的變化趨勢,以此揭示區域發展差異的大小、來源與演變趨勢的模型,利用Dagum基尼系數對土地利用碳排放進行區域總體差異、區域內差異、區域間差異及貢獻差異性分析,具體計算步驟參考張瑩[11].

2.1.3 時空地理加權回歸模型 時空地理加權回歸模型(GTWR)[12]將時間要素融入空間以分析區域觀測值,彌補了GWR只考慮空間影響的不足.參考已有研究[13-14],選取人口規模等4個影響因子(表2),采用GTWR模型分析了成渝城市群土地利用碳排放影響因素特征,具體方法參考唐建榮等[15].在構建GTWR模型前,利用SPSS回歸分析方法對標準化后的變量進行多重共線性檢驗,可見4個解釋變量的VIF值均低于10,且容差均大于0.1,均通過多重共線性檢驗.

表2 土地利用碳排放時空分異影響因素及回歸擬合結果Tab.2 Influencing factors of the spatial-temporal variation of land use carbon emissions and regression fitting results

2.2 數據來源

土地利用數據來源武漢大學楊杰[16]團隊提供的土地利用數據集(https://essd.copernicus.org/articles/13/3907/2021/),總體精度達80%,空間分辨率為30 m.考慮到2019年后,各地市由于受到復雜的國際國內形勢以及新冠肺炎疫情影響,相關社會經濟指標不具備普遍性,因此本研究所選取的數據時間范圍為2005—2019年.其中人口規模、地區生產總值、城鎮化率、能源消耗等數據主要來自對應年份的《中國能源統計年鑒》《四川統計年鑒》《重慶統計年鑒》.

3 結果分析

3.1 土地利用碳排放時空格局分析

2005—2019年,成渝城市群碳排放總量呈逐步增加的趨勢,增幅達115.2%,年均增幅為7.6%.從空間上(圖1)看,位于城市群兩極的“成都—重慶”雙核心碳排放量較高,除樂山、宜賓外,其他中部及邊緣城市碳排放相對較低.2005年,成都市和重慶市碳排放量占比約為17.08%和35.82%;資陽市和雅安市的排放量相對較小,只占到1.01%和1.58%.2019年,成都市和重慶市碳排放量占比為19.44%和35.72%;資陽市和雅安市碳排放量占比與2005年基本保持一致,各市碳排放分布不均衡,是未來碳減排關注的重點.

圖1 土地利用碳排放總量及強度時空變化Fig.1 spatial-temporal variation in total and intensity of land-use carbon emissions

利用碳排放總量與地區生產總值的比值測算碳排放強度.由圖1可知,2005—2019年區域碳排放強度逐步降低.2012年,除雅安市以外各市碳排放強度均大于0.4 t,而2019年除樂山、內江外,各市碳排放強度均小于0.4 t,碳排放的增長速率整體小于GDP的增長速率.研究期間碳排放下降幅度最大是成都市,為79%,這是由于成都市經濟結構趨于良性發展,土地利用以及能源利用效率有所提高.下降幅度最小的是內江市,為51%,一方面城市能源結構不合理且能源消耗量大,同時也歸結于其經濟發展水平較其余城市相對落后.

3.2 土地利用碳排放區域差異及分解

運用Dagum基尼系數方法測算2005—2019年成渝城市群碳排放的區域差異并予以分解(圖2).從區域總體差異層面看,基尼系數演變大致可分為四個階段:2005—2010年表現為波動下降趨勢;2010—2013年呈現逐步上升趨勢;2013—2016年整體呈現下降后逐漸上升趨勢;2016—2019年呈現小幅度下降趨勢.綜合來看,基尼系數集中變化在0.46～0.53范圍,呈波動上升趨勢,年均上升率為0.64%,區域碳排放不均衡性存在擴大趨勢.各區域基尼系數值均有所上升,區域內差異表現為不同程度的擴張態勢.區域內差異均值表現為成都平原城市群>川東北城市群>川南城市群.

圖2 區域總體、區域內及區域間基尼系數Fig.2 Regional population and intraregional and interregional Gini coefficients

由于成都平原城市群內部城市眾多,經濟發展水平、能源消費結構差異較大,極化效應導致區域內部碳排量不均衡度增大.相比較而言,川東北城市群、川南城市群的內部差距相對較小,源于區域內部城市土地利用結構相似,因此碳排放量差異較為均衡.區域間差異可分為三個等級.重慶-成都平原城市群、重慶-川東北城市群、重慶-川南城市群為第一等級,基尼系數超過0.4的警戒值,碳排放區間差距懸殊;成都平原城市群-川東城市群、成都平原城市群-川南城市群為第二等級,系數未超過0.4的警戒值,碳排放差異處于相對平均和合理的階段;川南-川東北為第三梯度,基尼系數低于0.15,處于絕對平均階段,區域間土地利用碳排放水平趨于一致.

從區域差異來源及貢獻分解結果來看(表3),區域內差異總體上呈現微升態勢,變化幅度為6.3%;超變密度呈波動上升趨勢,變化幅度為0.96%;區域間差異變化呈小幅度起伏趨勢,變化幅度為3.4%.總體來看,區域內差異、超變密度對成渝城市群土地利用碳排放的貢獻較小,平均貢獻度分別為18.41%、14.03%;區域間差異貢獻較大,平均貢獻率為67.55%.對于土地利用碳排放區域差異問題應從解決區域間差異角度出發,關注區域間協調發展問題.

表3 區域差異來源及貢獻分解Tab.3 Sources of regional differences and breakdown of contributions

3.3 土地利用碳排放影響因素分析

通過ArcGIS 10.3時空地理加權回歸分析模塊,考慮空間異質性和時間效應后,GTWR模型R2與調整R2均高于0.99,擬合優度提升較大.以AIC準則和擬合優度R2作為模型置信度評價指標,可見R2提升0.033,殘差下降了1.377 9,AICc降低了50.294 4,能較好地測度解釋變量對因變量的影響(表4).采用自然斷點法對土地利用碳排放影響因素時空格局分析,可見各解釋變量的回歸系數呈現空間異質性(圖3).

圖3 GTWR模型回歸系數空間分布Fig.3 Spatial distribution of the regression coefficients of the GTWR model

表4 模型精度評價Tab.4 Model Precision Evaluation

3.3.1 人口規模 人口規模對土地利用碳排放影響最為顯著.2005年,系數高值區主要分布在達州和重慶,低值區集中于成都平原城市群.至2019年高值區轉向北部地區,而低值區主要集中在西南部地區.從系數均值來看,低值區主要分布在雅安、樂山以及眉山市.這類區域人口集聚的正向效應促使資源共享利用率高,或區域內部資源稟賦較弱,人口集聚水平較低,土地利用壓力較小.高值區主要分布在達州、綿陽、南充及重慶市,源于人口密度提升,擁擠效應突出,土地生態承載力負擔加重,碳排放量不斷增長.

3.3.2 經濟發展水平 經濟發展水平對土地利用碳排放呈現正向作用,隨著時間推移影響力趨于衰弱,呈現環境庫茲涅倒“U”型曲線(EKC)關系,且處于倒“U”型曲線右側拐點位置.2005年、2012年經濟發展水平系數空間格局基本一致,呈現沿成渝城市群軸線“由西至東”逐步增加的梯度式空間特征;2019年空間格局表現為交錯分布的不均衡特征.從均值來看,系數較低的區域分布在成都平原城市群西南地區.一方面,區域產業結構、能源消費結構優化升級,能夠抑制碳排放量的增加;另一方面,一些區域經濟規模不大,碳排放量進一步降低.系數高值區主要集中在達州、重慶、南充市.這些區域在經濟發展的過程中,大規模擴張建設用地,高能耗產業和重工業比重較大,導致碳排放量增加過快.

3.3.3 能源強度 能源強度對于土地利用碳排放驅動效力逐步提高.2005—2019年,能源強度回歸系數高值區由成渝城市群東部轉移到西部地區,低值區域由西部轉移到東部區域.整體而言,能源強度對于雅安、成都、重慶影響力較大,而對于瀘州、達州影響力較小.值得注意的是,雖然高、低值區域空間格局均發生了顯著變化,但回歸系數整體上仍表現出上升的趨勢.目前原煤和焦炭是成渝城市群主要能源類型,消耗總額占比仍居高不下,進一步提高清潔能源的比重是當務之急.

3.3.4 城市化水平 2005—2019年,城市化水平對碳排放影響力逐步顯著.初期城市化階段,產生的規模效應和集聚效應有一定的減排效益,但隨著城市化進程的進一步發展,土地承載的生活和經濟活動增多,工業能源消費增長,致碳排放大幅增長,回歸系數逐步增大.高值區由成渝城市群西部地區擴散到重慶市以及川南城市群南部地區,這與城市化發展水平時空躍進進程基本一致.重慶市等城市化較快的地區對于人口、資源吸引效應強,對碳排放造成較大負擔.

4 結論

以成渝城市群為研究對象,測度成渝城市群土地利用碳排放,剖析了土地利用碳排放時空演化特征、區域差異,并運用GTWR模型分析影響因素特征.研究結論如下:

(1)2005—2019年,成渝城市群碳排放總量逐步增長,區域減碳壓力較大,空間上存在顯著差異,“成都-重慶”土地利用碳排放貢獻度高于中部及邊緣城市.碳排放強度由0.92 t下降到0.31 t,經濟發展與碳排放互動關系呈向好趨勢.

(2)土地利用碳排放總體差異呈波動上升趨勢.區域內差異均有不同程度的擴張態勢,區域間差異均值高達67.55%,是總體差異的主要來源.

(3)人口規模是區域土地利用碳排放最重要的影響因素,整體呈現“倒N”型曲線關系.經濟發展水平仍是重要解釋變量,但其影響呈現邊際效益遞減特征.城市化水平、能源強度對區域土地碳排放的具有較為顯著正向影響,且影響力不斷上升.

(4)成渝城市群在發展的過程中仍面臨著嚴峻的減碳壓力,要以各區域實際情況為基礎,因地制宜制定不同的低碳發展戰略.充分發揮人口集聚的節能減排效應,優化建設用地空間格局,提高城市管理效率;加強核心技術研究,進一步提高清潔能源的使用比重;提高能源使用效率,推動經濟綠色低碳轉型發展.