20年來廣東省土地利用碳排放強(qiáng)度與效率空間分異研究

楊國清，朱文銳*，文雅，林英昌

1. 廣東工業(yè)大學(xué)管理學(xué)院，廣東 廣州 510520；2. 華南農(nóng)業(yè)大學(xué)資源與環(huán)境科學(xué)學(xué)院，廣東 廣州 510642

土地利用與覆被變化（LUCC）會影響區(qū)域土地利用的碳源碳匯格局（趙榮欽等，2013），是全球氣候變化研究的熱點(diǎn)問題（姜春等，2016）。LUCC深刻影響陸地碳循環(huán)系統(tǒng)，是導(dǎo)致大氣CO2濃度增長的主要人為原因之一（Stuiver，1978）。從土地利用視角進(jìn)行碳排放研究，有助于揭示不同尺度下碳循環(huán)的運(yùn)作機(jī)制，從而為社會經(jīng)濟(jì)的低碳發(fā)展指引方向（趙榮欽等，2012）。同時，土地利用是碳排放研究的關(guān)鍵切入點(diǎn)之一，也是碳排放監(jiān)測和調(diào)控的基礎(chǔ)和依托，因此，研究土地利用碳排放具有重要的理論和現(xiàn)實(shí)意義（周嘉等，2015）。

針對土地利用碳排放問題，學(xué)者從土地利用碳排放影響機(jī)理（Sitch et al，2015；葛全勝等，2008；曲福田等，2011）、土地利用碳排放核算模型（Liu et al.，2015；張苗等，2016；楊亮潔等，2017）、碳排放規(guī)律（朱宇恩等，2016；董聰?shù)龋?018）和土地利用碳效應(yīng)（黎孔清等，2013；路昌等，2016；韓驥等，2016）等方面分析土地利用碳排放的特點(diǎn)。在省域尺度碳排放研究方面，研究區(qū)域集中于江蘇省（李穎等，2008）、陜西?。ㄌK雅麗等，2011）、吉林省（李春麗等，2016）、河南?。ㄍ跸驳?，2016）等省份，對廣東省土地利用碳排放的研究較少，而現(xiàn)存有關(guān)文獻(xiàn)的研究領(lǐng)域主要集中在土地利用視角下碳排放與經(jīng)濟(jì)增長關(guān)系分析（劉繼森等，2010；劉洋，2017）、森林和農(nóng)地碳排放機(jī)理剖釋（周健等，2013；洪凱等，2017）等方面，對廣東省區(qū)域碳排放強(qiáng)度和效率研究有待深入。

廣東省是改革開放的前沿地區(qū)，經(jīng)濟(jì)發(fā)展程度高，土地利用變化迅速，各區(qū)域間土地利用狀況差異明顯。因此，以廣東省為研究區(qū)，通過測算不同土地利用下的碳排放量，分析碳排放變化規(guī)律以及地區(qū)間差異，為廣東省區(qū)域間差異化碳減排政策制定，以及低碳產(chǎn)業(yè)和低碳經(jīng)濟(jì)發(fā)展提供理論基礎(chǔ)。

1 研究區(qū)概況、研究方法與數(shù)據(jù)來源

1.1 研究區(qū)概況

廣東省位于中國大陸最南部，東鄰福建，西連廣西，南臨南海，北接江西、湖南，位于北緯20°13′－25°31′和東經(jīng) 109°39′－117°19′E 之間。土地總面積17.97萬平方千米，約占全國的1.87%。位于熱帶、亞熱帶季風(fēng)氣候區(qū)。地勢北高南低，分布著沖積平原、丘陵、水域、灘涂等地形，素有“七山一水兩分田”之稱。

廣東乘改革開放之風(fēng)，大力發(fā)展經(jīng)濟(jì)，自1978年來經(jīng)濟(jì)增速在各省和自治區(qū)中保持第一。2015年，全省實(shí)現(xiàn)地區(qū)生產(chǎn)總值 72812.55億元，增速達(dá)7.38%。其中，第一產(chǎn)業(yè)產(chǎn)值3345.54億元，對GDP貢獻(xiàn)率為4.59%；第二產(chǎn)業(yè)產(chǎn)值32613.54億元，GDP貢獻(xiàn)率為44.79%；第三產(chǎn)業(yè)產(chǎn)值36853.47億元，GDP貢獻(xiàn)率為 50.61%，第三產(chǎn)業(yè)比重歷史上首度超過 50%，經(jīng)濟(jì)結(jié)構(gòu)持續(xù)優(yōu)化。全省共 21個地級市，分為4個區(qū)域，珠江三角洲、粵東、粵西和粵北。2015年，珠三角地區(qū)生產(chǎn)總值占全省比重為79.3%，粵東西北地區(qū)占20.7%，東翼、西翼、粵北山區(qū)分別占 6.9%、7.6%、6.2%。全省常住人口10849.00萬人，增速1.17%；城鎮(zhèn)人口7454.35萬人，全省城市化率為68.71%。

1.2 研究方法

本文研究對象為耕地、林地、草地和建設(shè)用地的碳排放量。根據(jù)李穎等（2008）和藍(lán)家程等（2012）的研究，耕地、林地和草地的碳排放系數(shù)依次為0.422、-0.644、-0.022 t·hm-2，碳排放計算公式為：

式中，Ei代表第i種土地利用方式碳排放量（t）；Ai代表第i種土地利用方式面積（hm2）；fi代表第i種土地利用方式碳排放系數(shù)。

建設(shè)用地碳排放計算公式（李春麗等，2016）為：

式中，Eb為建設(shè)用地碳排放量（t）；n為能源種類數(shù)；mi為能源i的消費(fèi)量（t或m3）；ni為能源i的標(biāo)準(zhǔn)煤換算系數(shù)；φi為碳排放系數(shù)，等于各種能源的平均低位發(fā)熱值、碳含量和碳氧化率3種指標(biāo)的乘積，平均低位發(fā)熱值、碳含量和碳氧化率的取值參照《綜合能耗計算通則》和《省級溫室氣體清單編制指南》數(shù)據(jù)。各系數(shù)見表1。

1.3 數(shù)據(jù)來源及數(shù)據(jù)處理

土地利用現(xiàn)狀數(shù)據(jù)來自《廣東國土資源年鑒》（廣東國土資源年鑒編委會，2016）。能源消費(fèi)數(shù)據(jù)來自中華人民共和國國家統(tǒng)計局網(wǎng)站。人口數(shù)據(jù)、名義GDP、地區(qū)生產(chǎn)總值指數(shù)和廣東省能源消費(fèi)總量來自《廣東統(tǒng)計年鑒》（廣東省統(tǒng)計局，2016）。名義 GDP受到價格波動影響，利用地區(qū)生產(chǎn)總值指數(shù)把名義 GDP轉(zhuǎn)換成以 2000年為基期的實(shí)際GDP；由于年鑒中 2015年地級市生產(chǎn)總值的行業(yè)劃分和能源消費(fèi)總量中的行業(yè)劃分不同，本文將產(chǎn)業(yè)部門中的批發(fā)和零售業(yè)與住宿和餐飲業(yè)合并為批發(fā)和零售貿(mào)易餐飲業(yè)，金融和房地產(chǎn)業(yè)合并為其他行業(yè)；地級市的 2015年能源消費(fèi)量用地級市能源消費(fèi)總量表示，地級市能源消費(fèi)總量計算方法為：按照各地級市六大產(chǎn)業(yè)部門（農(nóng)林牧漁業(yè)、工業(yè)、建筑業(yè)、交通運(yùn)輸倉儲和郵政業(yè)、批發(fā)和零售貿(mào)易餐飲業(yè)和其他行業(yè)）和居民消費(fèi)（居民消費(fèi)比重用于分配生活消費(fèi)能源消費(fèi)量）占全省比重，分配廣東省能源消費(fèi)總量，進(jìn)而計算出各地級市能源消費(fèi)總量。

表1 各類能源標(biāo)準(zhǔn)煤換算系數(shù)和碳排放系數(shù)Table 1 Standard coal conversion factors and carbon emission factors for various energy sources

2 結(jié)果與分析

2.1 1996－2015年廣東省土地利用碳排放

根據(jù)廣東省 1996－2015年土地利用現(xiàn)狀數(shù)據(jù)和能源消費(fèi)數(shù)據(jù)，計算得到 1996－2015年廣東省不同土地利用方式的碳排放量（表2）。

總體上，廣東省土地利用凈碳排放量呈不斷上升趨勢。凈碳排放量從1996年的4959.27×104t增加至2015年16099.48×104t，增幅達(dá)224.63%，年均增幅為6.04%。以2011年為拐點(diǎn)，廣東省凈碳排放量變化可分為先增長后穩(wěn)定兩個階段。第一階段，從 1996－2010年，廣東省城鎮(zhèn)化水平大幅度提高，土地利用方式發(fā)生巨大變化，林地面積持續(xù)減少，建設(shè)用地不斷增加，能源消費(fèi)量大幅攀升，因而碳排放總量逐年遞增，年均增幅達(dá)7.80%。第二階段，從 2011－2015年，廣東省凈碳排放量維持較穩(wěn)定狀態(tài)。

從土地利用結(jié)構(gòu)上分析，建設(shè)用地是主要碳源，碳排放貢獻(xiàn)率達(dá)92.65%。耕地是另一碳源，但耕地面積占土地利用總面積比例較低，且耕地面積隨著城市化進(jìn)程不斷推進(jìn)而減少，耕地的碳排放貢獻(xiàn)從1996年的2.17%下降到2015年的0.63%。另一方面，從碳吸收來看，草地碳吸收量維持在0.01×104t，起到弱碳匯作用。而林地起到主要的碳匯作用，但林地碳吸收和建設(shè)用地碳排放之間比例懸殊，無法顯著平衡建設(shè)用地碳排放量。

表2 1996－2015年廣東省土地利用碳排放（吸收）Table 2 Carbon emission (absorption) of different land cover types in Guangdong Province in 1996-2015 104 t

2.2 20 a 廣東省碳排放變化地區(qū)差異

利用ArcGIS 10.2對廣東省21個地級市進(jìn)行碳排放時空差異分析（圖1）。

2.2.1 珠江三角洲

珠江三角洲地區(qū)20 a以來耕地、建設(shè)用地碳排放和凈碳排放3個指標(biāo)的變化量在全省4個區(qū)域內(nèi)最大，是碳排放量變化的高值區(qū)。耕地碳排放變化量占全省變化量的50.89%，建設(shè)用地碳排放變化量占比高達(dá) 80.28%，凈碳排放量變化在全省占77.66%，而林地變化引起的碳排放變化量占比相對較小，為28.15%。

2.2.2 粵北地區(qū)

耕地碳排放變化量僅占全省的8.71%，屬于低值區(qū)；林地碳排放變化量占全省的52.52%，為林地碳排放量變化的高值區(qū)，該區(qū)域各市林地碳吸收變化量均值是省均值的2.21倍；建設(shè)用地碳排放和凈碳排放均屬全省低值區(qū)，兩指標(biāo)變化量全省占比僅為4.22%和6.70%。

2.2.3 粵東地區(qū)

該地區(qū)耕地碳排放變化量占全省12.68%，屬于中值區(qū)；林地碳吸收變化量占全省僅6.64%，屬低值區(qū)；建設(shè)用地碳排放變化量和凈碳排放變化量全省占比接近，分別為8.36%和8.26%。

2.2.4 粵西地區(qū)

耕地碳排放變化值占全省 27.72%，屬于中值區(qū)；林地碳吸收變化量占比為12.69%；建設(shè)用地碳排放變化量和凈碳排放變化量全省占比接近，分別為7.14%和7.38%。

廣東省20 a以來社會經(jīng)濟(jì)飛速發(fā)展，土地利用結(jié)構(gòu)發(fā)生較大變化，而各區(qū)域由于各自發(fā)展速度不同，相應(yīng)的碳排放（吸收）變化量有所差異。規(guī)律如下：耕地、建設(shè)用地碳排放變化量和凈碳排放變化量的變化幅度排序?yàn)榛洷保蓟洊|和粵西＜珠江三角洲，林地碳吸收變化量排序?yàn)榛洊|和粵西＜珠江三角洲＜粵北。

2.3 1996－2015年廣東省土地利用碳排放效率

凈碳排放量是絕對量指標(biāo)，只有與GDP、人口數(shù)量等指標(biāo)相結(jié)合才有橫向比較的意義。凈碳排放量與GDP的比值，即單位GDP碳排放，是衡量社會發(fā)展所產(chǎn)生的碳排放的一個相對量指標(biāo)。隨著地區(qū)生產(chǎn)總值的增長，單位 GDP碳排放量越少，反映的是經(jīng)濟(jì)結(jié)構(gòu)改善和科學(xué)技術(shù)進(jìn)步。

圖1 粵東、西、北和珠江三角洲1996－2015年碳收支變化量區(qū)域差異Fig. 1 Regional differences in carbon absorption and carbon emission in eastern, western and northern Guangdong and the Pearl River Delta from 1996 to 2015

運(yùn)用Excel對1996－2015年廣東省人均GDP和單位GDP碳排放量進(jìn)行擬合，結(jié)果如圖2所示。從圖1可知，人均GDP和單位GDP碳排放量呈高度負(fù)相關(guān)關(guān)系（r=-0.987，置信水平為0.01），隨著人均GDP的增加，單位GDP碳排放量不斷下降，碳排放強(qiáng)度從 1996的 0.73 t·104yuan-1年下降到2015 年的 0.31 t·104yuan-1。

圖2 1996－2015年廣東省人均GDP和單位GDP碳排放量的關(guān)系Fig. 2 Relationship between per capita GDP and carbon emission per unit of GDP in Guangdong Province in 1996-2015

2.3.1 廣東省21個地級市碳排放-效率分析

以2015年的人均碳排放量為排放量指標(biāo)，單位GDP碳排放量為排放效率指標(biāo)對廣東省21個地級市進(jìn)行K-均值聚類分析，劃分結(jié)果為以下4類（圖3）：高排放-中效率（HE-ME），包括廣州、深圳和珠海3個城市；高排放-低效率（HE-LE），包括佛山和中山2個城市；中排放-低效率（ME-LE），包括汕頭、惠州、汕尾、東莞、江門、陽江、湛江、茂名、肇慶、潮州和揭陽 11個城市；低排放-高效率（LE-HE），包括韶關(guān)、河源、梅州、清遠(yuǎn)和云浮 5個城市。

為進(jìn)一步分析廣東省21個地級市的GDP和凈碳排放在以上4個聚類中的分布，繪制以下簇狀柱形圖（圖4）。

圖3 廣東省21個地級市碳排放-效率聚類Fig. 3 Carbon emission-efficiency clustering of 21 prefecture-level cities in Guangdong Province

從以上分析可知，廣東省地級市碳排放-效率空間分異具有以下特征：高排放-中效率和高排放-低效率的城市都處于珠江三角洲；粵西和粵東城市都?xì)w類為中排放-低效率；粵北城市都?xì)w類為低排放-高效率。

3 討論

3.1 碳排放變化規(guī)律

土地上所承載人類活動的廣度和強(qiáng)度逐漸增加，碳排放量隨之不斷上升（陳江龍等，2016）。廣東省20 a以來經(jīng)濟(jì)飛速發(fā)展，建設(shè)用地面積持續(xù)擴(kuò)張。而得益于政府對環(huán)境的保護(hù)（Li et al.，2010），林地面積20 a來僅減少了2.88%。但林地碳匯能力有限，難以抵消建設(shè)用地龐大的碳排放量。碳源/碳匯比反映不同區(qū)域的碳減排壓力，碳源/碳匯比越大，表明碳減排壓力越高（Gao et al.，2014）。廣東省碳源/碳匯比從1996年的8.50上升到2015年的25.91，上升了2.04倍，表明碳減排形勢相當(dāng)嚴(yán)峻。

20 a以來廣東省土地利用碳排放總體呈上升趨勢，碳排放趨勢和吉林?。ɡ畲蝴惖龋?016）、河南?。ㄍ跸驳?，2016）、陜西?。ɡ钣窳岬?，2018）等省份相似。近年來，廣東省碳排放量增速明顯放緩，究其原因可知，廣東省加強(qiáng)工業(yè)、交通、建筑等重點(diǎn)領(lǐng)域節(jié)能，積極發(fā)展綠色低碳產(chǎn)業(yè)，淘汰大量高耗能行業(yè)的落后產(chǎn)能，碳減排工作取得一定成效。

3.2 碳排放地區(qū)分異

區(qū)域土地利用結(jié)構(gòu)和能耗水平對土地利用碳排放具有正向影響作用（許思維，2018）。在影響區(qū)域土地利用碳排放的各因素中，經(jīng)濟(jì)發(fā)展因素對碳排放的貢獻(xiàn)率最大（吳萌，2017；Dong et al.，2013；Xu et al.，2018）。

珠三角地區(qū)社會經(jīng)濟(jì)發(fā)展速度快，能源消費(fèi)量高，碳排放量和20 a前相比變化劇烈。而由于珠江三角洲人口大量增加，社會快速發(fā)展，自上世紀(jì)80年代以來原始森林面積急劇減少。為了保護(hù)生態(tài)環(huán)境，政府積極推動植樹造林和退耕還林，培育了大量的次生林，珠三角森林面積僅次于粵北地區(qū)，森林碳匯變化量相對較小（Ren et al.，2013）。

粵北山區(qū)經(jīng)濟(jì)發(fā)展遲緩，耕地面積廣闊，農(nóng)業(yè)仍然在社會經(jīng)濟(jì)發(fā)展中發(fā)揮重要作用，故20 a來耕地和碳排放量變化微弱?；洷钡貐^(qū)森林資源豐富，是廣東省重要的碳庫，2015年森林面積占廣東省55.13%，碳匯量在四大區(qū)域中最高，然而近年來森林面積輕微減少。該地區(qū)在承接廣東省產(chǎn)業(yè)轉(zhuǎn)移過程中，應(yīng)避免接受高污染高能耗企業(yè)，注意保護(hù)當(dāng)?shù)亓值刭Y源。

圖4 4種碳排放-效率類型的地區(qū)生產(chǎn)總值和凈碳排放量Fig. 4 Gross regional product and net carbon emission for four carbon emission-efficiency groups

粵東和粵西發(fā)展速度較一致，各地類碳排放變化量接近。

3.3 碳排放效率

碳排放效率是評價經(jīng)濟(jì)發(fā)展程度和環(huán)境保護(hù)水平的指標(biāo)之一，能夠有效反映能源利用狀況，為社會經(jīng)濟(jì)低碳發(fā)展提供參考（徐理，2012）。近年來，中國30省份碳排放強(qiáng)度不斷下降（趙巧芝等，2018）。通過計算可知，廣東省土地碳排放強(qiáng)度隨著人均 GDP增加而逐步下降，和劉洋（2017）研究結(jié)果一致。

提高能源利用效率能夠從源頭處減少碳排放，降低碳排放強(qiáng)度，實(shí)現(xiàn)碳減排目標(biāo)（鐘超等，2018）。廣東省全面推進(jìn)節(jié)能降耗，提高能源利用效率，能源消費(fèi)結(jié)構(gòu)發(fā)生深刻變化。“十二五”期間，廣東原煤消費(fèi)量占比從2010年的47.1%下降至2015年的42.3%，清潔能源消費(fèi)量占比從2010年的12.1%上升至2015年的15.5%。但是，即使碳排放強(qiáng)度有所降低，隨著 GDP增長，碳排放總量仍然呈相應(yīng)增加趨勢，因此在今后的相當(dāng)一段時間內(nèi)，提升碳排放效率仍然是廣東省社會經(jīng)濟(jì)發(fā)展的重點(diǎn)。

產(chǎn)業(yè)結(jié)構(gòu)和區(qū)域碳排放之間具有很強(qiáng)的相關(guān)性（馮梅等，2018）。三大產(chǎn)業(yè)在產(chǎn)業(yè)結(jié)構(gòu)中的比重會影響區(qū)域經(jīng)濟(jì)發(fā)展方式，第二產(chǎn)業(yè)和第三產(chǎn)業(yè)占比決定區(qū)域能源消耗量及碳排放量（龐慶華等，2018）。第二產(chǎn)業(yè)是能源消耗量最大的產(chǎn)業(yè)部門，也是碳排放的主要產(chǎn)業(yè)部門（張維陽等，2012）。第三產(chǎn)業(yè)碳排放明顯少于第二產(chǎn)業(yè)，而且第三產(chǎn)業(yè)的碳排放增速低于其所推動的經(jīng)濟(jì)增速（韓堅(jiān)等，2014）。完善產(chǎn)業(yè)結(jié)構(gòu)能夠減少經(jīng)濟(jì)發(fā)展產(chǎn)生的碳排放，將有助于減少碳排放，實(shí)現(xiàn)社會經(jīng)濟(jì)的可持續(xù)發(fā)展。

廣州、深圳、珠海經(jīng)濟(jì)體量大，第三產(chǎn)業(yè)發(fā)達(dá)，產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)較為優(yōu)化，因此碳排放量大，同時碳排放也能達(dá)到一定效率水平，歸屬于高排放-中效率聚類。而經(jīng)濟(jì)發(fā)展程度較高的佛山和中山為中國制造業(yè)基地，經(jīng)濟(jì)發(fā)展對能源依賴程度較高，碳排放效率低于廣州、深圳和珠海，歸屬于高排放-低效率。粵西和粵東經(jīng)濟(jì)較為落后，是廣東省重要的能源石化基地，能源消費(fèi)量和碳排放量大，歸類為中排放-低效率聚類?；洷背鞘腥赫w上屬于欠發(fā)達(dá)地區(qū)，2015年地區(qū)生產(chǎn)總值僅占廣東省的6.24%，碳排放占比為4.31%，二三產(chǎn)業(yè)基礎(chǔ)薄弱，碳排放量少，相對容易實(shí)現(xiàn)低排放和高碳排放效率。

實(shí)現(xiàn)低碳經(jīng)濟(jì)的根本方法在于轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式（宋德勇等，2009）。廣東省各地區(qū)應(yīng)制定切合本區(qū)域?qū)嶋H的碳減排措施，推動產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級，發(fā)展低碳產(chǎn)業(yè)，提高能源利用技術(shù)，促進(jìn)低碳示范省建設(shè)。

4 結(jié)論

（1）1996－2015年，廣東省凈碳排放呈不斷上升趨勢，從 1996年的 4959.27×104t增加到 2015年的 16099.48×104t，增幅達(dá) 224.63%，年均增幅為6.04%。以2011年為拐點(diǎn)，凈碳排放由快速增加轉(zhuǎn)變?yōu)樵鏊俜啪彶②呌诜€(wěn)定。建設(shè)用地是主要碳源；林地是主要碳匯，但碳匯量有限，難以顯著平衡建設(shè)用地碳排放。

（2）珠江三角洲經(jīng)濟(jì)發(fā)展速度快，土地利用變化劇烈，能源消耗量不斷攀升，耕地、建設(shè)用地碳排放和凈碳排放變化幅度最大；粵北經(jīng)濟(jì)發(fā)展較為落后，產(chǎn)業(yè)結(jié)構(gòu)變動較小，而近年來林地面積有所減少，故耕地、建設(shè)用地碳排放和凈碳排放變化幅度最小，林地碳吸收變化幅度最大。

（3）廣東省人均 GDP和碳排放強(qiáng)度呈高度負(fù)相關(guān)關(guān)系，隨著人均 GDP增加，單位碳排放強(qiáng)度顯著下降，土地利用碳排放效率明顯提升。

（4）廣東省 21個地級市按碳排放效率進(jìn)行劃分，可以分為高排放-中效率（HE-ME）、高排放-低效率（HE-LE）、中排放-低效率（ME-LE）和低排放-高效率（LE-HE）四類。城市的經(jīng)濟(jì)發(fā)展程度高，碳排放相應(yīng)也高；城市的產(chǎn)業(yè)機(jī)構(gòu)較為優(yōu)化，第三產(chǎn)業(yè)發(fā)達(dá)，碳排放效率較高；而經(jīng)濟(jì)較為落后的城市，碳排放低，碳排放效率高。