2019, Vol. 27
土地利用/土地覆被变化(LUCC)影响着陆地生态系统的分布和结构, 改变着碳循环和碳储量, 是控制碳积累速率的主导因子[1]。1850—1998年间, LUCC影响下的碳排放量约占同期人类活动影响的CO2排放量的1/3[2], 对生态系统的物质循环和能量流动扰动较大, 生态系统的结构、过程、功能和生态系统碳变化随之改变[3], 已引起国际社会研究的广泛关注。中国承诺到2030年单位GDP的碳排放要比2005年下降60%~65%[4], 十九大报告中也相应提出建立健全绿色低碳循环发展经济体系, 均表明了中国发展低碳经济的态度与决心。随着低碳经济走向当前社会研究的热点, 发展低碳经济、减少碳排放也成为新时期经济社会发展的必然。
国内外学者对LUCC的碳排放从多角度展开了研究。其中国外起步早, 研究尺度普遍较大, 研究成果集中于1990—2010年, 为国内众多研究提供了数据与方法参考。1977年Bolin[5]研究发现全球林地面积变化较大引起碳排放量的变化, 此后许多学者就LUCC引起碳排放展开了一系列研究。Houghton[6]对1990年全球土地利用变化进行相关研究, 得出耕地的减少导致增加3×109 t的碳排放; Richards等[7]受其研究成果的启发, 比较研究南亚和东南亚的林业活动和化石燃料的碳排放, 发现前者是后者的2倍; 随着技术进步研究不断深入, Guo等[8]采用meta分析方法研究了LUCC产生的土壤碳库变化; Liu等[9]通过集成生物圈模拟框架, 采用低分辨率的LUCC数据分析加利福利亚森林、灌丛和草原的碳变化。而后研究逐渐引入人文经济, 如Ravindranath等[10]通过碳排放效益研究了印度碳价格激励和减排潜力之间的关系。国内研究更为细化, 众多学者着眼于全球、国家、区域等尺度上碳排放量的测算:刘学荣等[11]分析了东北地区2000—2014年不同土地利用方式的碳排放效应; 也有学者从经济和社会发展角度探讨碳排放效益及其社会经济应用, 如王刚等[12]结合土地利用遥感图像和社会经济发展现状, 分析了2014年成都市县域单元碳收支空间分布特征, 并通过建构回归模型探究其与经济发展的协同关系; 刘慧灵等[13]以低碳经济为导向研究福州市土地利用结构优化方案。随着RS与GIS的深入开发, 研究逐渐偏向于特定生态系统或单一要素的复杂机理研究:崔盼盼等[14]运用LMDI-Ⅰ加法数量分解模型分析2002—2012年中国大陆30个省的城镇居民隐含碳排放及其驱动机制; 黎孔清等[15]采用回归分析法、STIRPAT和GM(1, 1)模型解析了湖南省农地投入碳排放增长机理。而碳排放无疑存在着外部性, 生态保护补偿则是一种外部性内部化的手段[16]。碳排放的外部性为PES(payments for ecosystem services, 即生态系统服务付费)逻辑基础中生态服务系统的一部分, 论证了碳源区对碳汇区进行生态补偿的合理性。21世纪开始, 随着国内生态补偿概念的明确提出, 国内学者也从碳排放存在的外部性切入论证生态保护补偿的应用, 如王雅敬等[17]采用碳排放评价模型估算长株潭经济圈碳排放及其生态补偿。
四川省是中国西南内陆的经济和人口大省, 也是西部与东部地区重要的生态屏障。2010年四川省基本完成灾后重建, 2013年四川省人民政府印发《四川省主体功能区规划》。2005—2015年四川省城市化、工业化的迅猛发展, 土地利用/土地覆被变化显著, 省内区域经济发展不平衡的同时, 生态环境问题日益突出。本文从LUCC切入, 构建碳排放模型, 基于主体功能区对2005年、2015年四川省碳排放及碳补偿率进行估算, 排除地震灾害特殊情况的波动性, 围绕四川省主体功能区的规划普遍性展开, 体现10年高速发展期四川省各主体功能区规划影响下土地利用碳排放角度的生态环境状态变化; 采用造林成本法和碳税率法测算21个市(州)的生态补偿标准, 响应国家主体功能区规划战略, 以基于碳排放的生态补偿标准做参考, 以建立横向财政转移支付政策做驱动, 为四川省节能减排和平衡发展提供建议, 促进生产系统和生活系统的循环链接。
1 材料与方法 1.1 研究区概况四川省(97°21'~108°31'E, 26°03'~34°19'N)位于中国西南内陆, 是青藏高原地区向长江中下游平原的过渡地带。中国大陆地势第一、二级阶梯分界线穿过四川省中部, 四川省整体地势呈西高东低。川西为高原藏区和大小凉山彝区, 地形以高原和山地为主, 海拔多在3 000 m以上, 经济落后, 是贫困县集中地区, 森林分布广, 人口密度小, 是重要的生态屏障。川东以丘陵和盆地地形为主, 海拔高度500~2 000 m, 主要为经济发达的四川盆地、成都平原地区, 城市化水平高, 产业发达, 能源消耗量大, 人口密度大, 是经济的重点开发区域, 如成都市、德阳市、绵阳市等。四川总面积约48.6×104 km2, 辖21个市(州), 183个县(市、区), 截至2015年底, 四川省常住人口8 204万人, GDP达30 053.1亿元。
1.2 数据来源与处理1) 主体功能分区是依据《四川省主体功能区规划》, 将四川省划分为省级层面重点开发区域、国家层面重点开发区域、国家层面限制开发区域(农产品主产区)、省级层面限制开发区域(重点生态功能区)、国家层面限制开发区域(重点生态功能区)。2013年调整的3个行政区主体功能归为原所属区划所对应的主体功能定位(图 1)。
|
图 1 四川省主体功能分区 Fig. 1 The main functional division of Sichuan Province |
2) 2005年与2015年四川省LUCC数据来源于中国资源与环境数据中心, 分辨率为1 km。依据《土地利用现状分类》(GB/T21010—2017), 参考中国科学院资源环境数据库中全国1:100 000土地利用分类系统, 结合四川省土地利用实际和研究需要, 构建新的研究区土地利用分类系统, 将四川省土地利用类型划分为6个一级类和28个二级类(表 1)。
|
表 1 四川省土地分类系统 Table 1 Land classification system of Sichuan Province |
3) 社会经济数据来源于2006年和2016年四川省统计年鉴、四川省各市(州)统计年鉴以及统计网站, 其中183个县(市、区)的能源消费总量由各县(市、区)的GDP及其GDP能耗系数计算得出。
1.3 研究方法 1.3.1 碳排放量测算耕地的农作物进行光合作用吸收CO2, 在短期内绝大多数农作物又通过呼吸作用释放CO2, 耕地的碳汇效果不明显[18], 未利用地在研究区表现为微弱的碳吸收[19]。故本研究区主要表现为以林地、草地、水域、未利用地为主的碳吸收(碳汇)和以耕地、建设用地为主的碳排放(碳源)。碳排放测算模型可表达为:
| $ E = \mathop \sum \nolimits e = \mathop \sum \limits_{i = 1}^5 {T_i}\cdot{\delta _i} + {E_{\rm{b}}} $ | (1) |
式中: E为总碳排放量, e为土地利用方式产生的碳排放量, Ti为第i种土地利用方式(耕地、林地、草地、水域、未利用地)的土地面积, δi为对应土地利用方式的碳排放(吸收)系数, Eb为建设用地碳排放量。
建设用地的碳排放(Eb)通过其利用过程中能源消耗的碳排放系数间接估算[20], 世界能源需求的80%~85%来源于化石燃料, 80%~90%的碳排放来源于化石燃料能源消耗[21]。联系研究区实际化石能源消耗情况, 建设用地碳排放估算模型可表达为:
| $ {E_{\rm{b}}} = {C_{\rm{e}}}\cdot{\gamma _{\rm{e}}}\cdot{\delta _{\rm{e}}} = {C_{\rm{e}}}\cdot{\gamma _{\rm{e}}}\cdot\frac{1}{3}({\delta _{\rm{c}}} + {\delta _{\rm{p}}} + {\delta _{\rm{n}}}) $ | (2) |
式中: Eb为建设用地碳排放量, Ce为能源消耗总量, γe为标准煤换算系数, δe为能源消耗碳排放系数, δc、δp、δn分别是煤品燃料、油品燃料和天然气的碳排放系数。
各土地利用类型和能源的碳吸收(排放)系数根据已有研究联系四川省实际取最具参考价值多方经验数据的平均值(表 2)。
|
|
表 2 不同土地利用及化石燃料的碳源(汇)碳排放(吸收)系数 Table 2 Carbon source (sink) carbon emission (absorption) coefficients of different land use types and fossil fuels |
碳排放强度即单位面积的碳排放, 表示土地利用的碳排放状况[30]。碳吸收补偿系数表示碳汇吸收能力, 能表达某区域碳补偿率的大小[31]。计算方法如下:
| $ {\rm{C}}{{\rm{e}}_j} = {\rm{C}}{{\rm{t}}_j}/\mathop \sum \nolimits {S_j} $ | (3) |
| $ {D_n} = {\rm{Cab}}{{\rm{s}}_n}/{\rm{Cem}}{{\rm{i}}_n} $ | (4) |
式中: Cej为第j种土地利用类型的碳排放强度, Ctj为对应土地利用类型的碳排放量, Sj为对应土地利用类型的面积, Dn为n区域碳吸收补偿系数, Cabsn为对应区域碳汇用地吸收量, Cemin为对应区域碳源用地排放量。
1.3.3 碳排放的生态补偿计算碳排放生态补偿标准的定量化主要依据碳汇价格[32]。常用的计算方法是造林成本法和碳税率法。结合中国种植森林的实际情况, 取多种较准确的中国造林成本法单位价格的平均值获得较合理的碳汇价格, 即272.65元·t-1(C)[33], 以此为研究区碳排放生态补偿标准的下限; 上限标准则采用国际常用的瑞典碳税率150美元·t-1(C)[34], 以2015年的平均汇率换算, 即934.52元·t-1(C)。
2 结果与分析 2.1 四川省主体功能区土地利用变化根据2005年和2015年四川省的土地利用/覆被数据, 对5个主体功能区的6个一级地类面积进行分区统计, 得到四川省各主体功能区土地利用情况(表 3)。
|
|
表 3 2005年和2015年四川省主体功能区土地利用 Table 3 Land use types in main function areas of Sichuan Province in 2005 and 2015 |
由表 3可知, 两个重点开发区域研究期内土地利用结构相似, 表现为耕地占绝对优势, 达到各自主体功能区面积的50%以上, 其次是林地。这是由于它们囊括的89个县级行政区主要分布在成都平原、川南和川东北。成都平原地形平坦开阔, 土壤肥沃, 农业发达; 川南丘陵在保持原有林地的同时也发展梯田农业; 川东北临秦巴山区, 森林广布。此外, 重点开发区域在研究期内建设用地面积的总量和增量均远大于其他主体功能区, 国家层面重点开发区域又大于省级层面。原因是重点开发区域包括成都、绵阳、德阳、攀枝花等四川省大部分经济发达地区, 自身城市化水平高, 再加上国家和四川省的重点开发支持; 且国家层面比省级层面开发支持力度大, 这一趋势符合四川省主体功能区定位。
国家层面限制开发区域(农产品主产区)分布在四川省盆地边缘和浅丘、河流流域的5大农产区, 研究期内也表现为耕地占绝对优势、林地次之。省级和国家层面限制开发区域(重点生态功能区)林地、草地约占各自主体功能区面积的70%~80%, 为川西高原藏区和大小凉山彝区, 多高原山区, 是四川省和长江中下游地区的重要生态屏障, 因交通不便等导致经济落后, 开发成本高, 贫困县集中, 规划定位为生态功能区, 限制开发, 保护生态。
综上所述, 10年来, 在各主体功能区建设用地面积增加、耕地面积减少的大背景下, 重点开发区域建设用地面积增量居于首位, 占用耕地、林地面积最多; 农产品主产区耕地面积持有量保持力度最大, 基本持平; 重点生态功能区林地、草地总量增大, 且远大于其他主体功能区。由此可看, 四川省主体功能区规划符合四川省各主体功能区土地利用情况, 10年来, 各主体功能区土地利用均按其功能定位优化发展。其中, 重点生态功能区碳汇用地占比大, 其余均为碳源用地占比大。
2.2 四川省主体功能区的土地利用碳排放 2.2.1 四川省主体功能区的碳排放量根据碳排放模型, 计算得到2005年和2015年四川省5个主体功能区的土地利用碳排放量(表 4), 为综合分析四川省各主体功能区的碳排放情况, 对计算结果进行空间表达(图 2)。
|
|
表 4 2005年和2015年四川省主体功能区的土地利用碳排放 Table 4 Land use carbon emissions in main functional areas of Sichuan Province in 2005 and 2015 |
|
图 2 2005年和2015年四川省主体功能区碳排放格局 Fig. 2 Carbon emission distribution of main functional areas in Sichuan Province in 2005 and 2015 A为省级层面重点开发区域; B为国家层面重点开发区域; C为国家层面限制开发区域(农产品主产区); D为省级层面限制开发区域(重点生态功能区); E为国家层面限制开发区域(重点生态功能区)。 A: key development areas at provincial level; B: key development areas at the national level; C: restricted development areas at the national level (the main agricultural production areas); D: restricted development areas at the provincial level (key ecological function areas); E: restricted development areas at the national level (key ecological functional areas). |
由表 4可知, 各主体功能区均表现为建设用地是主要碳源, 其次是耕地; 林地的碳汇效应最为显著, 草地次之。10年来, 各主体功能区的总碳排放量大幅度增加, 这是由于碳源量的大幅度增加, 尤其是建设用地的碳排放量增加所致。表明城市化和工业化中能量消耗量的增加是引起四川省土地利用总碳排放增加的重要原因。
重点开发区域碳源量、总碳排放量及其增量均居首位, 其中国家层面重点开发区域总碳排放量大于但增量小于省级层面重点开发区域, 国家层面限制开发区域(农产品主产区)次之。三者总的碳排放量高达全省的90%。但就空间格局来看, 碳源碳汇比例变化不明显(图 2)。重点开发区域在国家和四川省的支持下, 大力发展二、三产业, 进行城市化建设, 发展经济, 能耗量巨大, 作为主要碳源的建设用地占用具有碳汇效应的林地、草地。省级层面重点开发区域开发潜力更大, 10年来碳排放量增长尤甚。
重点生态功能区碳汇量最大, 达669.596×104 t, 占四川省碳汇量的63%, 对抑制区域的总碳排放量有着重要作用。研究期内碳源和碳汇比例发生了明显变化, 碳汇所占比重减少20%~30%。国家层面限制开发区域(重点生态功能区)甚至从2005年的碳汇区转变为2015年的碳源区。说明生态功能区在保持生态林地、草地的同时更加重视城镇建设和经济发展, 建设用地的碳排放增速快于林地、草地的碳吸收增速, 对生态功能区的主体功能定位不够重视。由此可知, 建设用地在各主体功能区碳减排中具有重要意义, 故减排应将重点放在保持林地, 降低建设用地的碳排放。
2.2.2 四川省及其主体功能区的碳排放强度为反映四川省及其5个主体功能区土地利用碳排放能力的强弱, 引入碳排放强度指标。土地利用的碳排放中建设用地是最主要的碳源, 单位面积建设用地碳排放量的大小能更好地反映一个区域第二、第三产业碳排放的水平和区域差距[35], 故此计算四川省及其5个主体功能区的建设用地碳排放强度(表 5)。
|
|
表 5 2005年和2015年四川省及其主体功能区碳排放强度 Table 5 Carbon emission intensity of Sichuan Province and its main functional areas in 2005 and 2015 |
由表 5可知, 各主体功能区建设用地碳排放强度远大于总碳排放强度, 但10年来, 各主体功能区总碳排放强度均增加, 建设用地碳排放强度则有增有减。
国家层面重点开发区域总碳排放强度最大, 达0.124 5万t·km-2, 远高于四川省0.024 1万t·km-2的平均水平, 分别是省级层面重点开发区域、国家层面限制开发区域(农产品主产区)的2倍、4倍(表 5)。但其建设用地碳排放强度却很小, 低于四川省平均水平, 仅高于国家层面限制开发区域(重点生态功能区)。这说明国家层面重点开发区域经济发展趋于成熟, 处于城市转型和产业结构的优化升级新阶段, 区域经济发展更为注重技术引进和自主研发, 积极创新以求建立低能耗、高效率、低排放的科学发展模式。
省级层面重点开发区域、国家层面限制开发区域(农产品主产区)建设用地碳排放强度有明显减少, 而国家层面重点开发区域、国家层面限制开发区域(重点生态功能区)明显增加。在总碳排放量随着经济增长、产业和城市发展、能源消耗而增加的大局势下, 却可以通过内部产业结构调整和转型升级, 发展循环经济, 降低能耗和资源利用效率来提升碳排放水平, 控制建设用地碳排放强度, 这也将拉大区域差距。
2.3 碳吸收补偿系数与碳排放的生态补偿测算 2.3.1 碳吸收补偿系数四川省主体功能区的碳排放有着巨大差异, 碳排放的外部性和PES逻辑基础论证了建立补偿机制的合理性。碳吸收补偿系数表示某区域碳汇吸收能力和碳补偿率的大小。根据2015年四川省5个主体功能区的碳汇和碳源量计算各主体功能区的碳吸收补偿系数, 并对其进行空间表达(图 3)。
|
图 3 2015年四川省主体功能区碳吸收补偿系数(D) Fig. 3 Spatial distribution of compensation coefficient of carbon absorption (D) in main functional areas of Sichuan Province in 2015 A为省级层面重点开发区域; B为国家层面重点开发区域; C为国家层面限制开发区域(农产品主产区); D为省级层面限制开发区域(重点生态功能区); E为国家层面限制开发区域(重点生态功能区)。 A: key development areas at provincial level; B: key development areas at the national level; C: restricted development areas at the national level (the main agricultural production areas); D: restricted development areas at the provincial level (key ecological function areas); E: restricted development areas at the national level (key ecological functional areas). |
由图 3可知, 四川省碳吸收补偿系数D值大致呈现西高东低的特征, 生态发展区碳补偿率高, 经济发达区低。国家层面限制开发区域(重点生态功能区)碳吸收补偿系数最高, 接近1%, 说明其林地、草
地碳汇吸收高, 抵消碳源量大, 碳补偿率高。省级层面限制开发区域(重点生态功能区)、国家层面限制开发区域(农产品主产区)、省级层面重点开发区域、国家层面重点开发区域依次递减。重点开发区域D值最低, 这是由开发强度高、经济总量大、建设用地多所致。国家层面限制开发区域(农产品主产区)D值大小则与耕地数量与农产品生产有一定程度的关系。碳吸收补偿系数高低值差距为四川省各主体功能区节能减排和平衡发展提供参考, 督促优化单位GDP能耗、节能减排, 发展低碳经济; 也一定程度上反映了各区域生态保护补偿的力度。
2.3.2 碳排放的生态补偿测算生态补偿的实行需要通过财政转移支付的形式实现, 各主体功能区目前没有相关机构有权执行, 故根据2015年四川省21个市(州)的碳排放量和不同固碳价格估算四川省各市(州)生态补偿标准(区间表示), 并按市级行政区划大部分面积所属主体功能区, 同等条件下优先考虑市级行政单位政府所在的主体功能区进行归类(表 6)。
|
|
表 6 2015年四川省各市(州)生态补偿标准区间 Table 6 Intervals of ecological compensation standards of cities and states in Sichuan Province in 2015 |
由表 6可知, 2015年甘孜藏族自治州属碳汇区, 其他区域属碳源区。就碳排放角度而言, 碳源区应对碳汇区进行生态补偿。成都市、乐山市、攀枝花市等碳源区应向周围碳汇区按生态补偿范围提供生态补偿; 甘孜藏族自治州作为碳汇区应接收的生态补偿标准范围是5.82亿~20.56亿元。区域碳排放与建设用地能耗量相关性大, 建设用地能耗量又关系到区域的经济发展水平, 故以单位GDP为参考要求区域执行碳减排较合理, 如果不能完成减排目标, 则可通过资金补偿对碳汇区执行生态补偿。可以建立以政府为主导, 市场为导向, 第三方生态环境保护组织作监督, 通过横向财政转移支付等手段实现。
3 结论与讨论 3.1 结论土地利用变化对碳排放量有重要影响, 通过对四川省5个主体功能区土地利用的碳排放和生态补偿进行分析, 得出以下结论:
1) 研究期四川省各主体功能区土地利用实际与主体功能区规划相符并均按其功能定位优化发展。在各主体功能区建设用地面积增加、耕地面积减少的大背景下, 重点开发区域建设用地面积的总量和增量均远大于其他主体功能区; 农产品主产区耕地面积持有量保持力度最大; 重点生态功能区林地、草地约占各自主体功能区面积的70%~80%。
2) 城市化和工业化是引起四川省土地利用总碳排放量增加的重要原因。研究期内各主体功能区均表现为建设用地是主要碳源, 林地是主要碳汇。10年来, 各主体功能区的总碳排放量大幅度增加。重点开发区域碳源量、总碳排放量及其增量均居首位。重点生态功能区碳汇量最大, 占四川省碳汇量的63%, 但研究期内, 碳吸收的能力逐渐减弱。
3) 各主体功能区建设用地碳排放强度远大于总碳排放强度, 但10年来, 各主体功能区总碳排放强度均增加, 建设用地碳排放强度则有增有减。国家层面重点开发区域总碳排放强度最大, 建设用地碳排放强度很小。省级层面重点开发区域、国家层面限制开发区域(农产品主产区)建设用地碳排放强度有明显减少, 而国家层面重点开发区域、国家层面限制开发区域(重点生态功能区)明显增加。
4) 生态发展区碳补偿率高, 经济发达区低。国家层面限制开发区域(重点生态功能区)碳吸收补偿系数最高, 省级层面限制开发区域(重点生态功能区)、国家层面限制开发区域(农产品主产区)、省级层面重点开发区域、国家层面重点开发区域依次递减。
5) 碳源区应对碳汇区进行生态补偿。成都市、乐山市、攀枝花市等碳源区应向周围碳汇区按生态补偿范围提供生态补偿; 甘孜藏族自治州作为碳汇区应接收的生态补偿标准是5.82亿~20.56亿元, 可通过横向财政转移支付等手段实现。
3.2 讨论土地利用格局的变化影响着四大碳库, 改变着区域固碳功能[36]。本文从LUCC切入, 以28个二级地类为数据源, 与较为常见的直接提取6个基本地类相比提高了结果的准确性。再根据研究区实际在现有土地利用分类的基础上建立新的土地分类系统, 自下而上进行归总。并且充分考虑到县级层面的地区差异性, 通过构建碳排放模型先测算四川省183个县(市、区)土地利用的碳排放, 再从5个主体功能区视角进行定量分析。因此, 从数据处理阶段就极大程度上提升了研究结果的可信度。
此外, 本文突破了传统的行政区界线, 选择从区域特定的性质定位出发, 尊重自然规律, 响应《四川省主体功能区规划》, 划分5个主体功能区, 将规划中各主体功能区定位及其生态热点问题相结合, 在此基础上建立生态补偿标准, 为促进研究区的充分均衡发展提供参考。目前, 将土地利用碳排放与主体功能分区相结合的研究较为少见。文中还引入了碳吸收补偿系数指标, 研究发现该指标与生态补偿标准具有高度正相关性, 两者呈现的结果与各主体功能区碳收支结论也相符, 这为以后碳补偿研究提供了借鉴。研究显示的各主体功能区的主要碳源、碳汇、总碳排放量趋势与四川省经济发展现状和众多研究结论一致。但值得注意的是, 碳排放强度指标中, 各主体功能区总碳排放强度均增加, 建设用地碳排放强度却有增有减。特别是国家层面重点开发区域, 总碳排放强度最大, 建设用地碳排放强度却仅高于国家层面限制开发区域(重点生态功能区), 可以看出资金和技术对提升区域第二、第三产业碳排放水平有重要作用, 进而对区域节能减排具有重要意义。
但是, 在对土地利用碳排放的核算上, 各类碳排放系数的取值来源于对邻近研究时限该区域研究成果的简单修订。今后应根据研究区域实际的经济发展水平和能源结构等进行修正, 从而更加精确地核算研究区域的碳收支情况。再者, 合理的补偿标准也应在参考固碳价格的基础上考虑到区域差异。
| [1] |
CANADELL J G. Land use effects on terrestrial carbon sources and sinks[J]. Science in China Series C:Life Sciences, 2002, 45(S1): 1-9. DOI:10.1007/BF02878382 |
| [2] |
HOUGHTON R A. The annual net flux of carbon to the atmosphere from changes in land use 1850-1990[J]. Tellus B:Chemical and Physical Meteorology, 1999, 51(2): 298-313. DOI:10.3402/tellusb.v51i2.16288 |
| [3] |
李蓓蓓, 方修琦, 叶瑜, 等. 中国东北地区过去300年耕地开垦导致的碳收支[J]. 中国科学:地球科学, 2014, 44(9): 1987-1996. LI B B, FANG X Q, YE Y, et al. Carbon emissions induced by cropland expansion in Northeast China during the past 300 years[J]. Science China:Earth Sciences, 2014, 44(9): 1987-1996. |
| [4] |
吴昊玥, 何艳秋, 陈柔. 中国农业碳排放绩效评价及随机性收敛研究——基于SBM-Undesirable模型与面板单位根检验[J]. 中国生态农业学报, 2017, 25(9): 1381-1391. WU H Y, HE Y Q, CHEN R. Assessment of agricultural carbon emission performance and stochastic convergence in China using SBM-Undesirable model and panel unit root test[J]. Chinese Journal of Eco-Agriculture, 2017, 25(9): 1381-1391. |
| [5] |
BOLIN B. Changes of land biota and their importance for the carbon cycle[J]. Science, 1977, 196(4290): 613-615. DOI:10.1126/science.196.4290.613 |
| [6] |
HOUGHTON R A. Changes in terrestrial carbon over the last 135 years[M]//HEIMANN M. The Global Carbon Cycle. Berlin, Heidelberg: Springer, 1993: 139-157
|
| [7] |
RICHARDS J F, FLINT E P, DANIELS R C. Historic Land Use and Carbon Estimates for South and Southeast Asia: 1880-1980[R]. Oak Ridge, TN: Oak Ridge National Laboratory, 1994
|
| [8] |
GUO L B, GIFFORD R M. Soil carbon stocks and land use change:A meta analysis[J]. Global Change Biology, 2002, 8(4): 345-360. DOI:10.1046/j.1354-1013.2002.00486.x |
| [9] |
LIU J X, VOGELMANN J E, ZHU Z L, et al. Estimating California ecosystem carbon change using process model and land cover disturbance data:1951-2000[J]. Ecological Modelling, 2011, 222(14): 2333-2341. DOI:10.1016/j.ecolmodel.2011.03.042 |
| [10] |
RAVINDRANATH N H, MURTHY I K, CHATURVEDI R K, et al. Carbon forestry economic mitigation potential in India, by land classification[J]. Mitigation and Adaptation Strategies for Global Change, 2007, 12(6): 1027-1050. DOI:10.1007/s11027-006-9063-4 |
| [11] |
刘学荣, 杨琳, 王颖, 等. 基于土地利用变化的东北地区碳排放效应研究[J]. 水土保持通报, 2017, 37(2): 107-114. LIU X R, YANG L, WANG Y, et al. Assessment of carbon emissions based on land use change in Northeast China[J]. Bulletin of Soil and Water Conservation, 2017, 37(2): 107-114. |
| [12] |
王刚, 张华兵, 薛菲, 等. 成都市县域土地利用碳收支与经济发展关系研究[J]. 自然资源学报, 2017, 32(7): 1170-1182. WANG G, ZHANG H B, XUE F, et al. Relations between land use carbon budget and economic development at county level in Chengdu City[J]. Journal of Natural Resources, 2017, 32(7): 1170-1182. |
| [13] |
刘慧灵, 伍世代, 韦素琼, 等. 基于低碳经济导向的土地利用结构优化研究——以福建省福州市为例[J]. 水土保持通报, 2017, 37(6): 202-208. LIU H L, WU S D, WEI S Q, et al. Optimization research of low-carbon economy oriented land use structure-A case study in Fuzhou City of Fujian Province[J]. Bulletin of Soil and Water Conservation, 2017, 37(6): 202-208. |
| [14] |
崔盼盼, 张艳平, 张丽君, 等. 中国省域隐含碳排放及其驱动机理时空演变分析[J]. 自然资源学报, 2018, 33(5): 879-892. CUI P P, ZHANG Y P, ZHANG L J, et al. Analysis on the spatial and temporal evolution of indirect carbon emissions and its driving mechanism in China[J]. Journal of Natural Resources, 2018, 33(5): 879-892. |
| [15] |
黎孔清, 陈俭军, 马豆豆. 基于STIRPAT和GM(1, 1)模型的湖南省农地投入碳排放增长机理及趋势预测[J]. 长江流域资源与环境, 2018, 27(2): 345-352. LI K Q, CHEN J J, MA D D. Growth mechanism and trend forecast of carbon emission from farmland inputs in Hunan Province based on Stirpat and GM (1, 1) model[J]. Resources and Environment in the Yangtze Basin, 2018, 27(2): 345-352. |
| [16] |
柳荻, 胡振通, 靳乐山. 生态保护补偿的分析框架研究综述[J]. 生态学报, 2018, 38(2): 380-392. LIU D, HU Z T, JIN L S. Review on analytical framework of eco-compensation[J]. Acta Ecologica Sinica, 2018, 38(2): 380-392. |
| [17] |
王雅敬, 谢炳庚, 李晓青, 等. 长株潭经济圈土地利用变化的碳排放量及生态补偿研究[J]. 生态科学, 2017, 36(4): 160-165. WANG Y J, XIE B G, LI X Q, et al. Research on benefit carbon emission and countervail ecological system of Chang-Zhu-Tan land exploit[J]. Ecological Science, 2017, 36(4): 160-165. |
| [18] |
GREEN C. Potential scale-related problems in estimating the costs of CO2 mitigation policies[J]. Climatic Change, 2000, 44(3): 331-349. DOI:10.1023/A:1005597112439 |
| [19] |
彭文甫, 周介铭, 徐新良, 等. 基于土地利用变化的四川省碳排放与碳足迹效应及时空格局[J]. 生态学报, 2016, 36(22): 7244-7259. PENG W F, ZHOU J M, XU X L, et al. Effect of land use changes on the temporal and spatial patterns of carbon emissions and carbon footprints in the Sichuan Province of Western China, from 1990 to 2010[J]. Acta Ecologica Sinica, 2016, 36(22): 7244-7259. |
| [20] |
方精云, 郭兆迪, 朴世龙, 等. 1981-2000年中国陆地植被碳汇的估算[J]. 中国科学D辑:地球科学, 2007, 37(6): 804-812. FANG J Y, GUO Z D, PIAO S L, et al. Terrestrial vegetation carbon sinks in China, 1981-2000[J]. Science in China Series D:Earth Sciences, 2007, 37(6): 804-812. |
| [21] |
王秋贤, 王登杰, 颜晓妹, 等. 基于脱钩理论的烟台市碳排放效应分析[J]. 水土保持通报, 2015, 35(2): 313-318. WANG Q X, WANG D J, YAN X M, et al. An analysis on carbon emission effects in Yantai City based on decoupling theory[J]. Bulletin of Soil and Water Conservation, 2015, 35(2): 313-318. |
| [22] |
李颖, 黄贤金, 甄峰. 江苏省区域不同土地利用方式的碳排放效应分析[J]. 农业工程学报, 2008, 24(S2): 102-107. LI Y, HUANG X J, ZHEN F. Effects of land use patterns on carbon emission in Jiangsu Province[J]. Transactions of the CSAE, 2008, 24(S2): 102-107. |
| [23] |
苏雅丽, 张艳芳. 陕西省土地利用变化的碳排放效益研究[J]. 水土保持学报, 2011, 25(1): 152-156. SU Y L, ZHANG Y F. Study on effects of carbon emission by land use patterns of Shaanxi Province[J]. Journal of Soil and Water Conservation, 2011, 25(1): 152-156. |
| [24] |
何勇. 中国气候、陆地生态系统碳循环研究[M]. 北京: 气象出版社, 2006. HE Y. Research on Carbon Cycle in Climate and Terrestrial Ecosystems in China[M]. Beijing: Meteorological Press, 2006. |
| [25] |
赖力, 黄贤金, 刘伟良, 等. 基于投入产出技术的区域生态足迹调整分析——以2002年江苏为例[J]. 生态学报, 2006, 26(4): 1285-1292. LAI L, HUANG X J, LIU W L, et al. Adjustment for regional ecological footprint based on input-output technique:A case study of Jiangsu Province in 2002[J]. Acta Ecologica Sinica, 2006, 26(4): 1285-1292. DOI:10.3321/j.issn:1000-0933.2006.04.041 |
| [26] |
段晓男, 王效科, 逯非, 等. 中国湿地生态系统固碳现状和潜力[J]. 生态学报, 2008, 28(2): 463-469. DUAN X N, WANG X K, LU F, et al. Carbon sequestration and its potential by wetland ecosystems in China[J]. Acta Ecologica Sinica, 2008, 28(2): 463-469. DOI:10.3321/j.issn:1000-0933.2008.02.002 |
| [27] |
赖力.中国土地利用的碳排放效应研究[D].南京: 南京大学, 2010 LAI L. Carbon emission effect of land use in China[D]. Nanjing: Nanjing University, 2010 |
| [28] |
徐国泉, 刘则渊, 姜照华. 中国碳排放的因素分解模型及实证分析:1995-2004[J]. 中国人口·资源与环境, 2006, 16(6): 158-161. XU G Q, LIU Z Y, JIANG Z H. Decomposition model and empirical study of carbon emissions for China, 1995-2004[J]. China Population, Resources and Environment, 2006, 16(6): 158-161. DOI:10.3969/j.issn.1002-2104.2006.06.030 |
| [29] |
张秀梅, 李升峰, 黄贤金, 等. 江苏省1996年至2007年碳排放效应及时空格局分析[J]. 资源科学, 2010, 32(4): 768-775. ZHANG X M, LI S F, HUANG X J, et al. Effects of carbon emissions and their spatio-temporal patterns in Jiangsu Province from 1996 to 2007[J]. Resources Science, 2010, 32(4): 768-775. |
| [30] |
TAO Y G, HUANG Z F. Review of accounting for carbon dioxide emissions from tourism at different spatial scales[J]. Acta Ecologica Sinica, 2014, 34(5): 246-254. DOI:10.1016/j.chnaes.2014.03.007 |
| [31] |
CAI Z C, KANG G D, TSURUTA H, et al. Estimate of CH4 emissions from year-round flooded rice fields during rice growing season in China[J]. Pedosphere, 2005, 15(1): 66-71. |
| [32] |
MA C B, STERN D I. China's changing energy intensity trend:a decomposition analysis[J]. Energy Economics, 2008, 30(3): 1037-1053. DOI:10.1016/j.eneco.2007.05.005 |
| [33] |
谢守红, 王利霞, 邵珠龙. 国内外碳排放研究综述[J]. 干旱区地理, 2014, 37(4): 720-730. XIE S H, WANG L X, SHAO Z L. Review on carbon emissions researches at home and abroad[J]. Arid Land Geography, 2014, 37(4): 720-730. |
| [34] |
孙贤斌, 傅先兰, 倪建华, 等. 安徽省会经济圈碳排放强度与生态补偿研究[J]. 地域研究与开发, 2012, 31(1): 135-138. SUN X B, FU X L, NI J H, et al. Intensity of carbon emissions and ecological compensation in the city ecology circle in Anhui Province[J]. Areal Research and Development, 2012, 31(1): 135-138. DOI:10.3969/j.issn.1003-2363.2012.01.028 |
| [35] |
王亮. 盐城市土地利用变化碳排放效益及影响因素分解研究[J]. 生态科学, 2015, 34(5): 122-128. WANG L. Research for decomposition results of impact factors about carbon emission by land use patterns in Yancheng City[J]. Ecological Science, 2015, 34(5): 122-128. |
| [36] |
刘建华, 许皞, 王耀, 等. 基于土地利用格局变化的生态风险与固碳功能评价——以河北省黄骅市为例[J]. 中国生态农业学报, 2018, 26(8): 1217-1226. LIU J H, XU H, WANG Y, et al. Evaluation of ecological risk and carbon fixation from land use change:A case study of Huanghua City, Hebei Province[J]. Chinese Journal of Eco-Agriculture, 2018, 26(8): 1217-1226. |