新疆北部城市碳排放時空分異與碳平衡分區(qū)

摘 要：研究城市土地利用碳排放時空格局與碳平衡分區(qū)，對實現(xiàn)碳減排和“雙碳”目標至關重要。以新疆北部46 個縣市為研究區(qū)，利用土地利用與能源數(shù)據(jù)，通過碳排放系數(shù)法計算2000—2020 年土地利用碳排放，分析碳排放量時空演變情況，對各縣市進行碳平衡分區(qū)。結果表明：（1）碳排放量呈總體上升趨勢，2016—2020 年呈現(xiàn)指數(shù)型上升的趨勢，碳吸收量緩慢下降，碳排放強度先下降后上升，碳排放量遠大于碳吸收量。（2）碳排放主要來源于建設用地，天山北坡城市為主要碳排放城市，碳吸收主要來源于草地與林地，伊犁河谷地區(qū)、阿爾泰山南部等地城市為主要碳吸收城市。（3）碳排放空間相關性逐漸減弱，熱點區(qū)集中分布在克拉瑪依市附近，冷點區(qū)集中分布在伊犁州與阿勒泰地區(qū)。（4）依據(jù)經濟承載力系數(shù)、生態(tài)承載力系數(shù)以及碳排放量劃分為碳匯功能區(qū)、碳匯優(yōu)化區(qū)、低碳經濟區(qū)、碳源優(yōu)化區(qū)和高碳控制區(qū)五個碳平衡分區(qū)。

關鍵詞：土地利用碳排放；時空格局；碳平衡分區(qū)；新疆北部

中圖分類號：F301; 24; P901 文獻標志碼：A 文章編號：2095-1329（2024）01-0093-09

全球變暖問題是全世界共同面臨的重大環(huán)境威脅，被認為是21 世紀最嚴峻的灰犀牛事件之一，通過控制二氧化碳排放減緩全球變暖進程已成為國際社會的普遍共識[1]。2020 年，國家主席習近平在第75 屆聯(lián)合國大會上向世界莊嚴承諾了中國“碳達峰”“碳中和”的宏偉目標。研究表明碳排放主要來自于化石燃料的使用，其次來自土地的開發(fā)利用[2]，因此研究土地利用碳排放時空分異對城市低碳發(fā)展具有重要意義。近年來學者對土地利用碳排放的研究不斷增加，研究內容主要圍繞著土地利用碳排放強度[3-4]、土地利用碳排放驅動機制及因素[5]、土地利用碳排放時空分異[6] 及土地利用碳排放優(yōu)化研究[7] 等，研究方法主要有耦合協(xié)調度分析[8]、空間自相關分析[9]及面板數(shù)據(jù)模型[10] 等，研究尺度上大多是基于國家[11]、省[12]、市[13] 等較大尺度上展開研究。綜合來看，研究主要以省市層面為主，缺乏縣域層面研究，且研究主要集中在碳排放強度計算及因素分析，缺乏碳排放成果應用性分析。新疆位于“絲綢之路”經濟帶的核心區(qū)，是我國向西開放的重要門戶，新疆北部2020 年生產總值為8326.6 億元，占全疆生產總值62.98%，城市化進程中建設用地擴張導致生態(tài)用地面積減少，對碳排放格局產生重要影響?；诖耍狙芯恳?000—2020 年新疆北部各縣市為研究對象，計算土地利用碳排放的強度、碳排放經濟承載力系數(shù)和碳排放生態(tài)承載力系數(shù)，借助空間自相關方法對碳排放的空間關聯(lián)程度進行分析，并對其進行碳排放分區(qū)，以期為新疆北部各地州（市）政府制定低碳政策與低碳模式的土地利用方式提供科學依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

新疆地處亞歐大陸腹地，離海洋較遠，呈現(xiàn)三山夾兩盆的地勢特征。以天山山脈為界將新疆分為南北兩部分，天山以北部分稱之為北疆，天山以南為南疆。新疆北部主要包括烏魯木齊市、克拉瑪依市、伊犁哈薩克自治州直屬縣市（伊犁州直屬）、昌吉回族自治州（昌吉州）、博爾塔拉蒙古自治州（博州）、塔城地區(qū)及阿勒泰地區(qū)（圖1）。新疆北部城市分布較為集中，包括《國家新型城鎮(zhèn)化規(guī)劃（2014—2020 年）》中提出重點發(fā)展的烏魯木齊城市群與伊寧－霍爾果斯城市群。新疆北部面積為58.31×104km2，占全疆面積的35.13%，人口為113.1×105 人，占全疆人口的43.82%。新疆北部作為全疆經濟比較發(fā)達的地區(qū)，其經濟總量、社會發(fā)展等方面均居全疆前列。2020 年，新疆北部人均固定資產投資達73 621 元，城鄉(xiāng)居民人均可支配收入23 845 元。

1.2 數(shù)據(jù)來源

本文主要利用土地利用數(shù)據(jù)以及能源消耗碳排放數(shù)據(jù)。土地利用數(shù)據(jù)來源于武漢大學楊杰、黃昕發(fā)布的1990—2020 年土地利用數(shù)據(jù)[14]，空間分辨率為30 m，主要用于各縣市不同地類面積的提取?？h級碳排放數(shù)據(jù)（Qt）使用Chen 等[15] 發(fā)布的1997—2017 年碳排放數(shù)據(jù)，并結合2018—2020 年GDP 增速和單位能耗增速，得到新疆北部各縣2018—2020 年能源消費碳排放量。本研究所用GDP 數(shù)據(jù)和能源利用數(shù)據(jù)來自《新疆統(tǒng)計年鑒》。

1.3 研究方法

1.3.1 土地利用碳排放測算

測算土地利用產生的二氧化碳排放量有兩種方法，直接法和間接法。直接碳排放主要是土地利用產生的排放，間接碳排放主要是土地生產和人們生活中能源利用產生的碳排放。本研究以建設用地和耕地為主要碳源，以林地、草地、水域和未利用地為碳匯。因此，土地利用CO2 排放估算模型的公式[16] 為：

Q = Qk +Qt = ΣαiAi +Qt （1）

式中：Q 為土地利用的CO2 凈排放量， k Q 為耕地、林地、草地、水域和未利用地的CO2 吸收總量除CO2 排放量，t Q 為建筑用地能源消耗的CO2 排放量，來源于Chen 等[15]發(fā)布的公開數(shù)據(jù)， iα 為第i 類土地碳吸收或碳排放系數(shù)（錯誤！ 未找到引用源。）， i A 為第i 種土地利用類型的面積。

1.3.2 全局空間自相關

全局Moran’s I 是用于綜合評價區(qū)域空間自相關程度的度量指標，整個研究區(qū)域得到一個相關結果，本研究利用Moran’s I 對新疆北部各縣凈碳排放之間的空間關聯(lián)性及顯著性進行描述，計算公式如下[23]：

式中： p 表示某個體值與總體均值的偏差， ij w 表示i 和j 之間的空間權重， n 表示縣域數(shù)量。Moran’s I 的結果位于[-1，1] 區(qū)間內，Moran’s I gt; 0，說明觀測值之間存在正相關關系，值越大，空間相關性越強；Moran’s I lt; 0，說明觀測值之間存在異質性，值越大，空間異質性越強；Moran’s I 接近于0，則意味著觀測值是隨機分布的。

對全局Moran’s I 結果進行Z 值顯著性的統(tǒng)計檢驗，計算公式如下：

式中：Var（I） 是 Moran’s I 指數(shù)的理論方差；E（I）=1/（n-1）為理論期望。如果Zgt;0 且通過Z 值顯著性的統(tǒng)計檢驗，這意味著觀測值在空間分布上具有顯著的正相關性。

1.3.3 局部空間自相關

局部空間自相關用于計算研究區(qū)域內各單元的局部自相關統(tǒng)計量，進一步評估內部空間聚集程度，可以檢測出研究區(qū)域內的高值聚集區(qū)和低值聚集區(qū)。局部自相關一般使用Anselin local Moran’s I指數(shù)檢驗均質程度，公式如下[24]：

1.3.4 碳排放的經濟承載力系數(shù)

碳排放的經濟承載力系數(shù)用于從經濟利益的角度衡量區(qū)域碳排放量的差異性，反映了區(qū)域碳生產力的大小[19]。計算方法如下：

式中：Gi 和Ci 分別表示某省市的GDP 和碳排放量，G 和C 分別表示全國的GDP 和碳排放總量；若ECCgt;1，則表明能源利用率與碳生產力越高，說明具有較高的經濟能力；若ECClt;1，則表明能源利用率與碳生產力越低，其經濟能力也較弱[25]。

1.3.5 碳排放的生態(tài)承載力系數(shù)

碳生態(tài)承載力系數(shù)即表示某一地區(qū)碳吸收占全區(qū)的比例與該區(qū)域碳排放全區(qū)的比例的商，反映了區(qū)域碳匯能力的大小。計算方法如下：

式中： x C 和i C 分別表示某縣市的碳吸收量和碳排放量，X C 和C 分別表示新疆北部的碳吸收和碳排放總量。若ESCgt;1，則表明碳生態(tài)承載力系數(shù)高，說明具有較高的碳匯能力；若ESClt;1，則表明該地區(qū)碳生態(tài)承載力系數(shù)較低，其碳匯能力也較弱。

2 結果分析

2.1 土地利用碳排放時空演變分析

2.1.1 新疆北部總體土地利用變化特征

從新疆北部土地利用分布情況來看，建設用地分布呈現(xiàn)分散狀，集中分布在天山北坡一帶，而伊犁河谷地區(qū)、阿爾泰山南部等地的建設用地呈現(xiàn)零星分布。耕地分布在建設用地周圍；林地與草地占地面積較大，連片分布在天山北坡一帶、伊犁河谷地區(qū)、阿爾泰山南部；未利用地主要分布在準噶爾盆地（圖2）。

土地利用是影響碳排放的重要因素，土地利用變化矩陣可以描述不同時期土地利用類型之間的轉化關系，通過考慮不同土地利用類型變化的方向和程度，可反映區(qū)域內土地利用格局（表2）。2000—2020 年間新疆北部的土地利用發(fā)生了劇烈變化。耕地、建設用地、林地與水域面積增加，耕地由41 721.53 km2 增加至56 795.08 km2，年均增速為753.68 km2/a，主要由草地及未利用地轉移至耕地；建設用地由865.13 km2 增加至2954.59 km2，年均增速為104.47 km2/a，城市擴張過程中占用了大量的草地、未利用地及耕地；林地面積由18 505.38 km2 增加至22890.86 km2，年均增速為219.27 km2/a，主要由草地轉移至林地；水域面積變化最少，共增加922.06 km2。草地與未利用地面積大幅減少，草地共減少17 979.34 km2，其中2010—2020 年減少13 343.41 km2，后期草地減少速度增快；未利用地共減少4 496.66 km2，年均降速為224.83km2/a。土地利用類型變化主要為草地、耕地、林地和建設用地之間的轉移。

2.1.2 新疆北部總體碳排放變化特征

2000—2020 年新疆北部凈碳排放量增加了5.4 倍。碳排放主要來源于建設用地及耕地中人類生產生活產生的能源消耗，其中因各類能源使用產生的碳排放量占總碳排放量的94.64%，新疆以機械化生產為主的耕作模式下耕地的碳排放量，耕地產生的碳排放量占總碳排放量的5.36%。

2000—2020年間新疆北部碳排放量總體為上升趨勢，碳吸收量逐漸減少，凈碳排放量總體為上升趨勢，碳排放強度呈現(xiàn)出先下降后上升的趨勢（圖3）。碳排放量由2000 年的3.17×108 t 增加至2020 年的16.86×108 t，可以分為三個階段：第一階段為2000—2006 年，新疆北部土地利用碳排放量逐步上升，碳排放量的增速小于GDP的增速，因此碳排放強度快速下降，城市的建設用地面積不斷擴張，能源消耗不斷增加。第二階段為2007—2015 年，新疆北部土地利用碳排放量逐漸增加，建設用地能源消耗造成的碳排放量增長較快，其中焦炭、天然氣、熱能增長較快，熱能消費量最大，碳排放強度先上升后下降，2008 年碳排放強度到達最低點。第三階段為2016—2020 年，新疆北部土地利用碳排放量呈現(xiàn)指數(shù)型上升，碳排放強度快速上升，2016 年起碳排放增長率迅速提升，2016—2020 年碳排放增長率分別9.91%、38.05%、24.15%、35.24% 和19.36%。上述數(shù)據(jù)表明，隨著社會經濟的發(fā)展，人類生產生活過程中產生的碳排放持續(xù)增加，而林地、草地等碳匯用地因城市擴張導致面積減少而更加無法吸收人類生產生活過程中產生的碳排放。

由箱線圖可知（ 圖4）， 新疆北部2000—2020 年間碳吸收量呈現(xiàn)下降的趨勢，下降幅度較小，平均值由2.23×105 t 下降至2.15×105 t，下降幅度為3.59%，各縣市分異逐漸明顯，箱線圖上限至下線的距離增大，碳吸收量趨向于正態(tài)分布。隨著城市快速發(fā)展，建設用地面積不斷增加，耕地及碳匯用地面積減少，國家出臺了相關的調控政策，不斷加強土地的節(jié)約集約利用，對土地用途變化進行嚴格管控，強調堅守18 億畝耕地紅線，防止耕地的亂占亂用。

2.1.3 新疆北部縣域碳排放變化特征

依據(jù)自然斷點法將新疆北部土地利用碳排放、碳吸收與凈碳排放劃分為高、較高、中等、較低、低5 個等級，據(jù)此揭示新疆北部各縣碳排放的差異和區(qū)域碳排放變化特征。

（1）碳排放變化特征

各縣市的土地利用碳排放不斷增強，以天山北坡城市為主要碳排放城市，總體呈南高北低的空間格局（圖5）。2000—2020 年，克拉瑪依區(qū)、阜康市、昌吉市、沙灣縣碳排放增幅較大，分別由2000 年的2.02×106 t、1.96×106 t、1.59×106 t、1.50×106 t 增加至2020 年的12.00×106 t、10.79×106 t、9.29×106 t、8.24×106 t，年均增速分別為0.50×106 t/a、0.44×106 t/a、0.38×106 t/a、0.34×106 t/a。此結果與研究區(qū)內的工業(yè)發(fā)展狀況與自然環(huán)境狀況相對應?？死斠朗幸允吐劽I(yè)發(fā)展十分發(fā)達，阜康市、昌吉市、沙灣縣緊鄰烏魯木齊市，眾多大型工廠搬離人口密集區(qū)，搬至附近縣市，能源消耗帶來的碳排放量不斷增加。從地級市層面，2020 年昌吉回族自治州碳排放量為45.25×106 t，占新疆北部總碳排放量的23.75%，伊犁州碳排放量為35.86×106 t，占新疆北部總碳排放量的18.82%。

（2）碳吸收變化特征

各縣碳吸收量呈現(xiàn)相對穩(wěn)定的狀態(tài)，在穩(wěn)定中逐步下降，碳吸收量從80.41×105 t 下降到77.59×105 t，高碳吸收縣域分布在伊犁河谷地區(qū)、阿爾泰山南部等地，總體呈現(xiàn)北高南低的分布趨勢（圖6）。2000—2020 年，沙灣縣、呼圖壁縣、察布查爾錫伯自治縣碳吸收下降幅度較大，分別由2.60×105 t、1.97×105 t、1.41×105 t 下降至2.26×105 t、1.64×105 t 、1.09×105 t，年均降速為1672.58 t/a、1622.67 t/a、1584.18 t/a；此結果與研究區(qū)內自然狀況變化相對應，沙灣縣、呼圖壁縣等地大量草地轉移為耕地，碳匯用地的面積不斷減少，加之工業(yè)發(fā)展導致碳排放量增加，碳吸收量遠不能抵消碳排放量。從地級市層面，2020 年塔城地區(qū)、阿勒泰地區(qū)、伊犁州碳排放量分別為19.32×105 t、19.21×105 t、18.64×105 t，三地共占新疆北部總量的73.69%。

（3）凈碳排放量變化特征

從新疆北部縣域凈碳排放變化看（圖7），各縣市的土地利用凈碳排放不斷增強，并以克拉瑪依市各縣、昌吉回族自治州各縣為高碳源區(qū)向周圍擴散，總體呈南高北底的空間格局，與碳排放呈現(xiàn)相似格局，說明碳排放量遠大于碳吸收量。2000—2020 年，各個縣市凈碳排放量大幅上升，昌吉市、阜康市、克拉瑪依區(qū)凈碳排放量增加幅度較大，分別由2000 年1.34×106 t、1.71×106 t、1.65×106 t增加至2020 年9.05×106 t、10.56×106 t、11.63×106 t，增加幅度分別為0.39×106 t/a、0.44×106 t/a、0.50×106 t/a。從地級市層面，2020 年昌吉回族自治州凈碳排放量為43.67×106 t，占總體的23.89%。烏魯木齊市與克拉瑪依市的碳吸收量有所提高，但是碳排放量增加更為顯著，城市化進程推動工業(yè)的發(fā)展，有大量的能源消耗，導致成為高水平凈碳排放區(qū)，阿勒泰地區(qū)、伊犁州的部分縣市，由于經濟發(fā)展較為緩慢，所需能源量少，且靠近阿爾泰山有大量的森林與草地，碳排放量與碳吸收量差距不大，凈碳排放量較低。

2.2 空間自相關分析

2.2.1 全局空間自相關

對新疆北部2000 年、2010 年和2020 年土地利用凈碳排放進行全局空間自相關檢驗（表3）。2000—2020年Moran’s I 均大于0，且2000 年和2010 年在1% 的水平上顯著，2020 年在5% 的水平上顯著，說明新疆北部縣域凈碳排放具有空間自相關性。Moran’s I 值逐漸降低，說明2000—2020 年間新疆北部土地利用凈碳排放空間相關性逐漸減弱。

2.2.2 局部空間自相關

新疆北部城市2000—2020 年土地利用凈碳排放局部空間自相關檢驗結果如圖8 所示。

“熱點區(qū)”（H-H 型）：2000 年有奎屯市、獨山子區(qū)、昌吉市、頭屯河區(qū)、新市區(qū)、米東區(qū)，集中分布在克拉瑪依市與烏魯木齊市；2010 年有奎屯市、新市區(qū)與米東區(qū)，“熱點區(qū)”縣市數(shù)量減少；2020 年有奎屯市、獨山子區(qū)與沙灣縣，集中分布在克拉瑪依市附近。克拉瑪依市縣市受當?shù)厥彤a業(yè)影響，工業(yè)發(fā)展較快，整體碳排放量大于碳吸收量，高碳排放城市集中分布；烏魯木齊市縣市經濟發(fā)展水平較高，碳排放量高。2010 年第一次中央新疆工作座談會召開，出臺了一系列推動新疆資源優(yōu)勢向經濟優(yōu)勢轉化的政策支持昌吉回族自治州大力開發(fā)建設準東煤田，煤炭、煤電、煤化工、煤電冶、新材料、新能源等產業(yè)迅猛發(fā)展，整體碳排放量增加，導致區(qū)域間聚集性減弱。

“冷點區(qū)”（L-L 型）：2000 年有昭蘇縣、鞏留縣、特克斯縣、新源縣、吉木乃縣、富蘊縣、青河縣和奇臺縣，主要分布在伊犁州南部、阿勒泰地區(qū)與昌吉回族自治州東部；2010 年有昭蘇縣、鞏留縣、特克斯縣、額敏縣、哈巴河縣與奇臺縣，總數(shù)量減少，分布位置變動??；2020 年有特克斯縣、額敏縣與哈巴河縣。整體變化趨勢與凈碳排放量相似，2000—2020 年整體碳吸收量減少，碳排放量增加，凈碳排放量增加，導致區(qū)域間低值聚集程度降低。

2.3 碳排放生態(tài)承載與經濟承載力

2.3.1 碳排放生態(tài)承載力

新疆北部縣域碳排放生態(tài)承載力系數(shù)（ESC）空間差異明顯，呈現(xiàn)出北高南低的特點，整體生態(tài)承載力下降，南北差距逐漸縮小（圖9）?？傮w空間特征為：伊犁河谷附近多個縣市及阿爾泰山南部多個縣市生態(tài)承載力較高，主要分布在1-8.4 區(qū)間內，表明兩地林草地較多的地區(qū)碳匯能力較高，碳排放強度相對較低，天山北坡城市群多個縣市的經濟承載力系數(shù)低。生態(tài)承載力系數(shù)小于1，說明此區(qū)域具有較低的碳匯能力和相對較高的碳排放強度。截止2020 年，達坂城區(qū)、特克斯縣、裕民縣生態(tài)承載力系數(shù)分別高達17.02、6.66、4.50，共計11 個縣生態(tài)承載力系數(shù)位于2-4 區(qū)間內，7 個縣生態(tài)承載力系數(shù)位于1-2區(qū)間內，25 個縣生態(tài)承載力系數(shù)小于1。2000—2020 年間，整體生態(tài)承載力下降，共計26 個縣生態(tài)承載力下降，其中察布查爾錫伯自治縣、和布克賽爾蒙古自治縣、尼勒克縣下降幅度較大，分別下降9.70、4.18、4.03；共計20 個縣生態(tài)承載力增加，其中達坂城區(qū)增幅最明顯增加14.87，米東區(qū)增加1.12。南部縣域的碳排放比例明顯超過了碳吸收比例，生態(tài)承載力呈現(xiàn)下降趨勢，需要加強碳匯能力，緩解生態(tài)壓力。

2.3.2 碳排放經濟承載力

新疆北部縣域碳排放經濟承載力系數(shù)（ECC）空間差異明顯，空間差異明顯，呈現(xiàn)出南高北低的特點，整體經濟承載能力增強，南北差距逐步擴大。根據(jù)碳排放經濟承載力系數(shù)的大小，將新疆北部各縣市5 類（圖10）?？傮w空間特征為：伊犁河谷附近多個縣市及阿爾泰山南部多個縣市經濟承載力較低，分布在小于1 范圍內，說明該區(qū)域以農牧業(yè)為主的地區(qū)具有較低的能源利用率和相對較低的碳排放強度，經濟發(fā)展水平較低；天山北坡城市群的多個縣市經濟承載力系數(shù)較高，經濟承載力系數(shù)大于1，說明此區(qū)域經濟發(fā)展水平較高，具有較高的能源利用率和相對較高的碳排放強度。截止2020 年，共計23 個縣經濟承載力系數(shù)大于1，其中水磨溝區(qū)最高為2.16。2000—2020年間，整體經濟承載力上升，共計32 個縣經濟承載力上升，其中特克斯縣增幅最高為1.94，有13 個縣經濟承載力上升幅度位于0-1 區(qū)間內；共計14 個縣經濟承載力下降，其中烏爾喬區(qū)、克拉瑪依區(qū)、白堿灘區(qū)、獨山子區(qū)下降幅度較大，分別為4.12、4.18、4.23、4.24。北部縣域經濟承載力較低，應提高能源利用效率，控制碳排放。

2.4 碳平衡分區(qū)與建議

2.4.1 碳平衡分區(qū)

依據(jù)新疆北部所得生態(tài)承載力系數(shù)（ESC）、經濟承載力系數(shù)（ECC）、以及碳排放量（Ci）、碳吸收量（CA）等指標的測算，把各縣市劃分為碳匯功能區(qū)、碳匯優(yōu)化區(qū)、低碳經濟區(qū)、碳源優(yōu)化區(qū)、高碳控制區(qū)（表4）。

新疆北部縣域2000 年和2020 年碳平衡分區(qū)顯示大部分縣市由碳匯功能區(qū)轉移至碳匯優(yōu)化區(qū)，整體碳平衡向碳排放轉移（圖11）。2000 年碳匯功能區(qū)有12 個，主要分布在伊犁河谷地區(qū)、阿勒泰地區(qū)及塔城地區(qū)北部；碳匯優(yōu)化區(qū)共13 個，主要分布在塔城地區(qū)北部與阿勒泰地區(qū)；碳源優(yōu)化區(qū)共17 個，主要分布在天山北部城市群及伊犁河谷部分縣市；高碳控制區(qū)共4 個，分布在克拉瑪依市。2020 年碳匯優(yōu)化區(qū)12 個主要分布在伊犁河谷地區(qū)、阿勒泰地區(qū)及塔城地區(qū)北部，與2000 年碳匯功能區(qū)分布相似；低碳經濟區(qū)9 個，分布在研究區(qū)南部；碳源優(yōu)化區(qū)11 個，主要分布在伊寧市、克拉瑪依市與烏魯木齊市周圍；高碳控制區(qū)14 個，主要市為克拉瑪依市、昌吉市、烏魯木齊等多個縣市，共新增10 個高碳控制區(qū)。城市發(fā)展過程中經濟承載力不斷上升，而生態(tài)承載力持續(xù)下降，造成碳平衡不協(xié)調，分區(qū)差異化嚴重，應在經濟發(fā)展的同時注意生態(tài)環(huán)境保護，控制碳排放的同時增加碳吸收，走持續(xù)發(fā)展之路。

2.4.2 優(yōu)化建議

按照主體功能區(qū)發(fā)展思路，結合新疆獨特的自然地理條件和發(fā)展需要，新疆地區(qū)按照城鎮(zhèn)化發(fā)展內容劃分為城市化地區(qū)、農產品主產區(qū)和生態(tài)功能區(qū)。本研究將土地利用碳平衡分區(qū)結果與城市規(guī)劃中主體功能區(qū)劃分進行結合，提出了各城市根據(jù)具體需求的最優(yōu)發(fā)展方向和主要發(fā)展方向，最終將新疆北部重構為5 個國土空間分區(qū)（圖12）。其中：碳排放量較高的城市化主體功能區(qū)為高碳控制-城市化分區(qū)，碳吸收量高的生態(tài)功能主體功能分區(qū)為碳匯功能- 生態(tài)功能分區(qū)，碳排放量較低的農產品主體功能區(qū)為低碳優(yōu)化- 農產品主產區(qū)，碳排放量較低的生態(tài)功能主體功能區(qū)為低碳優(yōu)化- 生態(tài)功能分區(qū)，碳排放量較低的城市化主體功能區(qū)稱為低碳優(yōu)化- 城市化分區(qū)。根據(jù)區(qū)域自身特征，本文提出了針對性增加碳匯減少碳源的產業(yè)結構優(yōu)化、土地利用結構優(yōu)化及城市空間形態(tài)優(yōu)化策略。

（1）改造高耗能產業(yè)，控制建設用地擴張。高碳控制-城市化分區(qū)城市經濟承載力高，生態(tài)承載能力低。要將現(xiàn)代商業(yè)模式與城市規(guī)劃相結合，嚴控高耗能、高排放、高污染用地，減少二氧化碳排放，增加供給高科技產業(yè)用地，可以降低能源消耗，促進低碳城市發(fā)展。

（2）推進新型工業(yè)化，推進生態(tài)城市建設。低碳優(yōu)化- 城市化分區(qū)城市緊鄰高碳排放城市，工業(yè)發(fā)展較快，經濟承載力較高。一方面，要加強高耗能企業(yè)節(jié)能改造，淘汰低能效設備。另一方面，要加快系能源消納，推進“水、光、風、儲”一體化。完善新能源發(fā)展政策，加大水、風、光等清潔的增長，逐步降低火電比重，推動經濟增長由“依賴化石能源”向“使用清潔能源”轉變，提高減少碳排放的能力，強化工業(yè)領域新能源消納水平。

（3）推進農牧業(yè)現(xiàn)代化，防止草地沙化。低碳優(yōu)化-農產品主產區(qū)此類城市耕地面積多，農業(yè)發(fā)展條件更好，從保障農產品安全和可持續(xù)發(fā)展的角度，要把提高農業(yè)綜合生產能力作為發(fā)展的根本任務來考慮。城市應以保護耕地、草場和農林用地為重點，穩(wěn)定糧食生產，大力推進農牧業(yè)現(xiàn)代化，提高農牧業(yè)綜合生產能力。

（4）適度發(fā)展牧業(yè)，著重保護生態(tài)用地。碳匯功能-生態(tài)功能分區(qū)城市生態(tài)功能對新疆北部整體非常重要，此類城市經濟承載能力有限，不符合城市規(guī)?；虡I(yè)發(fā)展和土地集約使用的條件，提高當?shù)厣鷳B(tài)產品的生產能力應該是優(yōu)先完成的任務事項。支持對森林進行圍欄保護，為動物和草創(chuàng)造，控制存欄量，防治水土流失，保護生態(tài)環(huán)境?；謴蜐竦?、森林、草原和生態(tài)系統(tǒng)，嚴格保護水體植被，停止過度放牧、砍伐森林、開墾荒地、開墾草地和侵占濕地。

（5）控制農牧業(yè)發(fā)展，恢復生態(tài)環(huán)境。低碳優(yōu)化- 生態(tài)功能分區(qū)城市集中分布在草原生態(tài)功能區(qū)內，以農牧業(yè)為主要產業(yè)，存在森林破壞、草原退化、野生動物減少、山體滑坡、雪崩及水土流失嚴重等問題。應發(fā)展不影響生態(tài)系統(tǒng)功能的相關產業(yè)、特色產業(yè)和服務業(yè)，有效治理水土流失和荒漠化，恢復和穩(wěn)定草地，增加森林面積，增加森林覆蓋率，恢復并增加野生動物種群。

3 結論

（1）新疆北部的土地利用發(fā)生了劇烈變化，耕地、林地面積大幅增加，草地、未利用地面積大幅度減少，土地利用類型轉移主要為草地、耕地、林地和建設用地之間的轉移，城市擴張過程中占用了大量的草地、未利用地及耕地。

（2）碳排放量總體為上升趨勢，天山北坡城市為主要碳排放城市；碳吸收量逐漸減少，伊犁河谷地區(qū)、阿爾泰山南部等地為主要碳吸收城市；凈碳排放量為上升趨勢，共增長5.4 倍，與碳排放呈現(xiàn)相似格局，說明碳排放量遠大于碳吸收量。碳排放強度呈現(xiàn)出先下降后上升的趨勢。

（3）凈碳排放空間相關性逐漸減弱，熱點區(qū)集中分布在克拉瑪依市附近，冷點區(qū)集中分布在伊犁州與阿勒泰地區(qū)。依據(jù)生態(tài)承載力系數(shù)、經濟承載力系數(shù)與碳排放量可劃分為碳匯功能區(qū)、碳匯優(yōu)化區(qū)、低碳經濟區(qū)、碳源優(yōu)化區(qū)、高碳控制區(qū)五個碳平衡分區(qū)。

參考文獻（References）

[1] 曲福田， 盧娜， 馮淑怡. 土地利用變化對碳排放的影響[J]. 中國人口· 資源與環(huán)境，2011，21（10）：76-83.

QU F T， LU N， FENG S Y. Effects of land use change on carbonemissions[J]. China Population Resources and Environment， 2011，21（10）： 76-83.

[2] 周嘉， 王鈺萱， 劉學榮， 等. 基于土地利用變化的中國省域碳排放時空差異及碳補償研究[J]. 地理科學，2019，39（12）：1955-1961.

ZHOU J， WANG Y X， LIU X R， et al. Spatial temporal difference ofcarbon emission and carbon compensation in China based on landuse change[J]. Scientia Geographica Sinica，2019，39（12）： 1955-1961.

[3] 黃婧婧， 王建平， 陳超超. 西北地區(qū)城鄉(xiāng)融合對農業(yè)碳排放強度的影響研究[J]. 上海國土資源， 2023，44（3）：112-118.

HUANG J J， WANG J P， CHEN C C. Influence of urban-ruralintegration on agricultural carbon emission intensity in northwestChina[J]. Shanghai Land amp; Resources， 2023，44（3）：112-118.

[4] 王正， 周侃， 樊杰. 西部地區(qū)縣域碳排放核算及主體功能區(qū)解析——以四川省為例[J]. 生態(tài)學報， 2022，42（21）：8664-8674.

WANG Z， ZHOU K， FAN J. County-level carbon emissionaccounting and major function oriented zones in western regions：taking Sichuan province as an example[J]. Acta EcologicaSinica，2022， 42（21）： 8664-8674.

[5] 顧張鋒， 徐麗華， 馬淇蔚， 等. 浙江省都市區(qū)碳排放時空演變及其影響因素[J]. 自然資源學報， 2022， 37（6）： 1524-1539.

GU Z F， XU L H， MA Q W， et al. Spatio-temporal evolution ofcarbon emissions in metropolitan areas and its influencing factors：a case study of Zhejiang province[J]. Journal of Natural Resources，2022，37（6）： 1524-1539.

[6] 張玥， 代亞強， 陳媛媛， 等. 土地利用隱性轉型與土地利用碳排放空間關聯(lián)研究[J]. 中國土地科學， 2022，36（6）：100-112.

ZHANG Y， DAI Y Q， CHEN Y Y， et al. The study on spatialcorrelation of recessive land use transformation and land use carbonemission[J]. China Land Science， 2022，36（6）： 100-112.

[7] 徐影， 郭楠， 茹凱麗， 等. 碳中和視角下福建省國土空間分區(qū)特征與優(yōu)化策略[J]. 應用生態(tài)學報， 2022， 33（2）：500-508.

XU Y， GUO N， RU K L， et al. Characteristics and optimization strategiesof territorial space zone in Fujian province， China based on carbonneutrality[J]. Chinese Journal of Applied Ecology， 2022， 33（2）：500-508.

[8] 姜吉坤， 祝勝來， 曹吉昌， 等. 新型城鎮(zhèn)化與碳排放水平的耦合協(xié)調度分析——以山東省為例[J]. 生態(tài)經濟， 2023，39（3）：76-82.

JIANG J K， ZHU S L， CAO J C， et al. Analysis of couplingcoordination between new urbanization and carbon emissionlevel： a case study of Shandong province[J]. Ecological Economy，2023，39（3）：76-82.

[9] 王丹， 荊延德， 韓善梅， 等. 基于格網(wǎng)的南四湖流域土地利用碳排放與其生態(tài)系統(tǒng)服務價值時空關系分析[J]. 生態(tài)學報，2022（23）：1-11.

WANG D， JING Y D， HAN S M， et al. Spatio-temporal relationshipof land-use carbonemission and ecosystem service value in NansiLake Basin based upon a grid square[J]. Acta Ecologica Sinica，2022（23）： 1-11.

[10] 王康， 李志學， 周嘉. 環(huán)境規(guī)制對碳排放時空格局演變的作用路徑研究——基于東北三省地級市實證分析[J]. 自然資源學報，2020，35（2）：343-357.

WANG K， LI Z X， ZHOU J. The effects of environmentalregulation on spatio-temporal carbon emissions patterns： empiricalanalysis of prefecture-level cities in northeast China[J]. Journal ofNatural Resources， 2020， 35（2）： 343-357.

[11] 王少劍， 黃永源. 中國城市碳排放強度的空間溢出效應及驅動因素[J]. 地理學報，2019，74（6）：1131-1148.

WANG S J， HUANG Y Y. Spatial spillover effect and drivingforces of carbon emission intensity at city level in China[J]. ActaGeographica Sinica， 2019， 74（6）： 1131-1148.

[12] 劉玉珂， 金聲甜. 中部六省能源消費碳排放時空演變特征及影響因素[J]. 經濟地理， 2019，39（1）：182-191.

LIU Y K， JIN S T. Temporal and spatial evolution characteristicsand influencing factors of energy consumption carbon emissionin six provinces of Central China[J]. Economic Geography， 2019，39（1）： 182-191.

[13] 范建雙， 虞曉芬， 周琳. 南京市土地利用結構碳排放效率增長及其空間相關性[J]. 地理研究， 2018， 37（11）：2177-2192.

FAN J S， YU X F， ZHOU L. Carbon emission efficiency growth ofland use structure and its spatial correlation： a case study of Nanjingcity[J]. Geographical Research， 2018， 37（11）： 2177-2192.

[14] YANG J， HUANG X. The 30 m annual land cover dataset and itsdynamics in China from 1990 to 2019[J]. Earth System ScienceData， 2021， 13（8）： 3907-3925.

[15] CHEN J， GAO M， CHENG S， et al. County-level CO2 emissionsand sequestration in China during 1997–2017[J]. Scientific Data，2020， 7（1）：1-12.

[16] 苑韶峰， 唐奕鈺. 低碳視角下長江經濟帶土地利用碳排放的空間分異[J]. 經濟地理，2019，39（2）：190-198.

YUAN S F， TANG Y Y. Spatial differentiation of land use carbonemission in the Yangtze river economic belt based on low carbonperspective[J]. Economic Geography， 2019， 39（02）： 190-198.

[17] 張茹倩， 李鵬輝， 徐麗萍. 城鎮(zhèn)化對新疆土地利用碳排放的影響及其耦合關系[J]. 生態(tài)學報，2022（13）：1-17.

ZHANG R Q， LI P H， XU L P. Effects of urbanization oncarbon emission from land use in Xinjiang and their couplingrelationship[J]. Acta Ecologica Sinica， 2022（13）： 1-17.

[18] 魏燕茹， 陳松林. 福建省土地利用碳排放空間關聯(lián)性與碳平衡分區(qū)[J]. 生態(tài)學報，2021.41（14）：5814-5824.

WEI Y R， CHEN S L. Spatial correlation and carbon balancezoning of land use carbon emissions in Fujian Province[J]. ActaEcologica Sinica， 2021. 41（14）： 5814-5824.

[19] 孫赫， 梁紅梅， 常學禮， 等. 中國土地利用碳排放及其空間關聯(lián)[J]. 經濟地理，2015，35（3）：154-162.

SUN H， LIANG H M， Chang X L， et al. Land use patterns oncarbon emission and spatial association in China[J]. EconomicGeography， 2015， 35（3）： 154-162.

[20] 孟梅， 崔雪瑩， 王志強. 烏魯木齊市土地利用結構與碳排放的關聯(lián)測度研究[J]. 水土保持通報， 2018，38（2）：178-182，188.

MENG M， CUI X Y， WANG Z Q. Correlation between land usestructure and carbon emission in Urumqi city[J]. Bulletin of Soiland Water Conservation， 2018， 38（2）： 178-182，188.

[21] 趙榮欽， 黃賢金. 基于能源消費的江蘇省土地利用碳排放與碳足跡[J]. 地理研究，2010，29（9）：1639-1649.

ZHAO R Q， HUANG X J. Carbon emission and carbon footprintof different land use types based on energy consumption of JiangsuProvince[J]. Geographical Research， 2010，29（9）：1639-1649.

[22] 李鍵， 毛德華， 蔣子良， 等. 長株潭城市群土地利用碳排放因素分解及脫鉤效應研究[J]. 生態(tài)經濟，2019.35（8）：28-34，66.

LI J， MAO D H， JIANG Z L， et al. Research on factorsdecomposition and decoupling effects of land use carbon emissionsin Chang-Zhu-Tan urban agglomeration[J]. Ecological Economy，2019.35（8）： 28-34，66.

[23] 俞路， 蔣元濤. 我國區(qū)域經濟差異的時空分析——基于全國與三大都市圈的對比研究[J]. 財經研究， 2007，33（3）：17-28.

YU L， JIANG Y T. Spatial and temporal analysis on the regionaleconomic disparities in China： based on the comparison betweenthe whole country and the three megalopoleis[J]. Journal of Financeand Economics， 2007， 33（3）： 17-28.

[24] ANSELIN L. Local indicators of spatial association-LISA [J].Geographical Analysis， 1995， 27（2）： 93-115.

[25] 孟梅， 崔雪瑩， 王志強. 烏魯木齊市土地利用結構與碳排放的關聯(lián)測度研究[J]. 水土保持通報， 2018，38（2）：178-182+188.

MENG M， CUI X Y， WANG Z Q. Correlation between land usestructure and carbon emission in Urumqi city[J]. Bullentin of Soiland Water Conservation， 2018， 38（2）：178-182， 188.

基金項目：國家社會科學基金（23XMZ045）