广州市土地利用变化的碳排放效应研究

以广州市为对象,构建了城市土地利用碳源/碳汇的研究框架,测算了土地利用的碳排放量和碳吸收量,深入剖析了土地利用变化的碳排放效应.结果表明,1996-2008年广州市土地利用的净碳排放量呈上升趋势,各区县净碳排放量的空间差异大,另外,建设用地的碳排放效应为0.03614×104 t/hm2.GM预测结果显示,2020年净碳排放量明显增加,并提出了土地利用的增汇减排建议.     

铜陵县土地利用碳排放效应及空间格局分析

根据土地利用变更数据及能源消费资料,采用直接碳排放系数法,对铜陵县2000~2013年土地利用碳排放效应进行了估算,并结合TM影像,采用地统计分析,对铜陵县土地利用碳排放风险时空格局进行了分析。结果表明:1碳排放量总体上呈现增加的趋势。从2000年4.08万t增长到2013年的223.09万t,增加了219.01万t。2建设用地是主要的碳源,林地是主要的碳汇,13年间建设用地的碳排放量增长了219.17万t,对碳排放总量的贡献率高达92.26%;林地的碳吸收量维持在1.20万~1.24万t,对碳汇作用的贡献率达到60.52%。3在时空格局分布上,2000~2010年铜陵县土地利用碳排放风险指数在不断变大;碳排放风险指数与土地利用类型的空间分布有极大的相关性,从城镇向外推进的过程中呈现出由高到低的变化趋势。     

基于土地利用变化的县域碳收支空间格局预测

【目的】土地利用/覆被变化是引起全球碳排放的主要原因之一,通过预测土地利用变化评估未来县域尺度碳排放空间格局对于制定区域减排政策具有重要意义。【方法】基于2005—2020年重庆市渝北区土地利用数据及CLUE-S模型预测2025—2030年该区土地利用变化及碳收支时空动态。【结果】2005—2030年渝北区耕地面积将持续减少4.57×10~4hm~2,林地面积呈现"增加-减少"反复波动的趋势,面积净增长2 293.8 hm~2;水域及未利用地面积略有增加;建设用地扩张最明显,面积增长3.32×10~4hm~2,整体扩张强度为0.92%。人类活动影响指数(HAI)呈先降低后增长的趋势,其值在2020年最低(0.49),并在2030年最高(0.54)。渝北区耕地的碳汇功能和建设用地能源消费分别是该区碳吸收和碳排放的主要来源。渝北区碳吸收随耕地面积减少而逐渐降低,2005—2030年碳吸收由2.17×10~5t逐渐降低为1.43×10~5t,而碳排放却由2.07×10~5t逐渐增加到1.02×10~6t,导致渝北区净碳排放量由-1.01×10~4t增长为8.79×10~5t。渝北区地均碳吸收值在海拔较高的山地及该区北部平行岭谷的丘陵地带较高;地均碳排放值在西南部平坦丘陵地带较高,并随建设用地的扩张向北沿平行岭谷蔓延。【结论】基于CLUE-S模型对土地利用变化的预测从而获得未来县域碳收支空间格局的方法是可行的。现有产业结构下合理调整土地利用结构是保证县域低碳发展的重要途径。     

上海市土地利用碳排放测算与分析

采用2004-2013年上海市分行业化石能源消费数据,并与主要类型土地利用方式相结合,分析10年间土地利用产生的碳排放量变化情况。结果表明,2004-2013年土地利用碳排放量和碳吸收量均呈稳定上升趋势,增长率分别为42.60%和62.88%,但由于生产性土地面积基数较小,净碳排放量已增加至3 532.790万t/年。工矿用地是最大碳源,年均碳排放量占比达61.3%;而交通用地的单位面积碳排放量最高,且呈先上升后下降的趋势,在2008年达到峰值3.959 t/km2。碳足迹面积远高于上海市实际面积,2013年生态赤字已达67 516 km2。在区域层面,上海市是高强度点状排放源,碳减排压力较大,并从减源增汇角度对土地低碳利用提出了相应对策。     

甘肃省土地利用碳排放变化及影响因素分解

[目的]研究土地利用中各类型土地的碳排放量及各土地利用碳排放的影响因素。[方法]以甘肃省为例,在分析1995—2012年土地利用结构变化的基础上,估算了各种土地利用类型的碳排放量,并运用LMDI模型对其影响因素进行了分析。[结果]土地利用结构变化总体表现为建设用地面积持续增加,农用地面积减少;建设用地内部结构变化中居民点及工矿用地面积增加最多,交通用地变化幅度显著;土地利用碳排放量总体呈上升趋势,由1995年的1 882.07×104t增加到2012年的7 503.23×104t,年均增加341.48×104t;土地利用碳排放强度最大的是居民点及工矿用地,交通用地碳排放强度呈缓慢上升态势,但到2012年有所下降;土地利用变化、经济发展水平提高、人口规模增加促进了土地利用的碳排放,能源效率提高和能源结构优化抑制了土地利用的碳排放。[结论]对甘肃省土地利用碳排放总量的变化趋势影响最大的是居民点及工矿用地,能源效率提高和能源结构优化是今后甘肃省碳减排的重要途径之一。     

河北省县域土地利用碳排放空间格局及协调分区

土地利用变化是区域碳排放变化的主要驱动力,研究土地利用变化对碳排放的影响有助于制定碳排放政策。基于土地利用现状数据和能源消耗数据,构建碳排放评价模型,测算河北省2000-2020年土地利用碳排放量,利用标准差椭圆模型探究研究区碳排放空间格局分布特征,依据碳排放经济贡献系数和碳生态承载系数提出碳平衡分区方案及优化对策。结果表明,(1)2000-2020年河北省碳排放总量整体上呈现明显的上涨趋势,从9.01×10⁷ t上升到2.75×10⁸ t, 2000-2010年碳排放量增长速率快速提升,2010-2020年碳排放量增长相对缓慢。(2)河北省碳排放强度呈现多圈层结构空间分布特征,主要以资源型城市为中心向外呈圈层结构扩散,石家庄和沧州核心市区次圈层结构逐渐显现。(3)河北省县域碳排放经济贡献系数空间特征呈四周低中间高,碳生态承载系数呈现西北高东南低的空间分布规律。(4)基于碳平衡分析将河北省划分为碳汇功能区、低碳保持区、经济发展区、碳汇发展区和高碳优化区,并提出了相应的发展策略。     

郯城县土地利用变化碳排放分析

采用郯城县2011~2015年的土地利用变更调查数据、能源统计数据以及相关经济数据,通过构建碳排放模型,测算郯城县土地利用的碳排放量在近5年的变化情况,并对变化进行分析。结果表明,在土地利用变化的影响下,郯城县碳排放量从2011年的957403.27t增长到2015年的1124822.30t,增长幅度为17.49%。建设用地作为主要碳源,它的碳排放量占碳源排放量的97%左右。林地是郯城县最大的碳汇,随着林地面积的减少碳汇效应持续减小。林地、水域、草地、未利用地这4种土地利用类型的碳排放量(或碳吸收量)较小,占比不大,产生影响相对较小。针对郯城县低碳发展提出了相关建议,期望能对郯城县经济可持续发展提供参考。     

广东省不同土地利用方式与碳排放规律分析

探讨了广东省1996—2008年不同土地利用方式的碳排放量及时空变化规律。结果表明:在时间序列上,建设用地的碳排放量变化趋势明显,耕地、草地碳排放变化量不明显,林地变化引起的碳排放量增加,增加量近两年得到有效控制;在空间序列上,不同土地利用方式产生的碳排放情况呈明显的区域差异;碳排放量的变化与区域经济发展特征存在时空耦合规律。在此基础上,从低碳经济的发展角度提出土地利用的相关政策建议。     

2000—2018年长三角中心区土地利用碳排放强度的时空特征

通过获取5期土地利用遥感监测数据,利用GIS技术,采用土地利用转移矩阵、空间趋势分析、点密度及热点分析等方法,研究2000—2018年长三角地区中心区的土地利用转移的碳排放强度及其空间特征。结果表明:19年间长三角土地利用转移空间上,北部及沿海地区变化以建设用地转入为主,西南部以林地、草地转入为主,耕地转入量集中在西北地区,且原地保持率逐渐变低;土地利用变化过程中,碳排放强度具有明显的差异性;耕地具有较高的碳排放强度,林地具有较强的碳吸收强度;土地利用碳排放强度分布方向具有集聚向内陆转移,空间发展"东—西"方向扩张强度大于"南—北"的特征;空间分布具有"南高北低性""南部分散性"两个时空特征。总体来看,碳汇与碳源用地的结构调整,是实现碳平衡及碳峰值的有效手段;城市发展水平与碳排放强度的集中度有一定的相关性。因此,经济较为发达的城市应保持较高的土地集约节约利用,以降低碳排放强度集中度;受辐射较为明显的地区,应控制新增碳源用地,挖掘潜在碳汇用地,实现区域内的碳平衡;生态资源良好、碳汇用地规模较大的地区,应优化土地利用结构布局,在保证碳汇功能的基础上实现高质量发展。     

基于土地利用的江西省碳排放时空特征及脱钩关系研究

土地利用碳排放与经济发展关系的研究有利于优化土地利用结构,协调区域经济发展。以江西省为例,基于2005—2018年土地利用数据和能源消费数据,采用碳排放系数法和Tapio脱钩模型,对碳排放时空特征及经济发展的脱钩关系进行分析。研究发现,2005—2018年江西省土地利用碳排放量前期增长较快,后期增长较缓,建设用地是主要碳源,林地是主要碳汇。碳排放量和碳排放强度总体呈现西北高东南低的空间分布特征,碳排放强度整体呈现下降趋势。碳排放与经济增长呈现弱脱钩状态,建议优化土地利用布局,重点通过产业结构调整、能源利用率提高来控制建设用地的碳排放量,以实现低碳绿色发展。     

2000—2020年山西省农业碳排放时空特征及趋势预测

为探讨山西省农业碳排放时空特征及未来变化趋势,采用排放因子法,基于种植业、畜牧业10类碳源,测算山西省2000—2020年农业碳排放量,并运用STIRPAT模型对2021—2030年全省农业碳排放量进行预测。结果表明： 2000—2020年山西省农业碳排放量总体呈先缓慢上升后波动下降的变化趋势,农业碳排放强度整体呈波动下降的变化趋势,年均降幅4.1%。种植业和畜牧业分别占农业碳排放总量的42.2%和57.8%。其中施用化肥是种植业碳排放最重要的来源,年均占比26.9%。牛、羊养殖是畜牧业碳排放最主要的两大来源,平均贡献率为28.4%、21.9%。山西省农业碳排放总量高值区多分布于晋北及晋南地区,低值区分布于中部地区,农业碳排放强度呈北高南低的分布特征。基于STIRPAT模型对山西省2010—2020年农业碳排放估算结果的精确度较高,由此预测2021—2030年山西省农业碳排放量,结果显示其呈下降趋势,在基准情景、低碳情景1和低碳情景2中,到2030年农业碳排放量分别为277.2万、268.5万、252.3万t。研究表明,山西省农业已实现碳达峰,随着低碳措施的进一步强化,未来农业碳排放呈持续降低趋势,有助于加速实现碳中和目标。     

安徽省池州市土地利用碳排放演变及其影响因素

碳排放和土地利用密切相关。依据土地利用碳排放测算方法,测算池州市2000—2010年主要土地利用类型耕地、林地、牧草地和建设用地碳排放量,同时对碳源、碳汇和净碳排放进行了测算,分析土地利用碳排放演变情况,计算地均碳排放强度和建设用地碳排放强度,并基于STIRPAT模型分析土地利用碳排放的影响因素。结果表明:1)2000—2010年池州市碳排放总量呈逐年递增的趋势,碳排放总量由2000年的35.835 4kt增加到2010年的1 774.016 3kt,碳排放总量递增主要以建设用地的碳排放递增为主,建设用地的碳排放量与碳排放总量具有趋同的变化趋势。2)2000—2010年池州市碳汇能力基本稳定,碳源与碳汇的比例整体呈增加趋势,由2000年的1.135 5增加到2010年的6.657 2。3)2000—2010年池州市土地利用碳排放变化划分为缓慢增长、快速增长和平稳增长3个阶段。4)地均碳排放强度呈现缓慢增长趋势,而建设用地地均碳排放强度则呈现波动上升的趋势,地均碳排放强度、地均建设用地碳排放强度的增长与工业经济发展水平呈正相关关系。5)碳排放量和人口总量、人均GDP之间的线性相关关系十分显著,且人均GDP对碳排放量的解释程度要大于人口总量对碳排放量的解释程度。     

河南省经济增长与碳排放的脱钩分析

根据1990~2012年河南省统计数据,在计算河南省碳排放总量的基础上构建经济增长与能源碳排放的脱钩分析模型,研究经济增长与碳排放间的脱钩关系。结果表明:1990~2012年河南省能源碳排放的GDP弹性值出现先上升、后下降的倒"U"型趋势,在2000~2005年出现未脱钩的情况之后,2005~2012年弹性值持续下降,脱钩趋势越来越显著。脱钩的程度受宏观调控和经济政策的影响较大,在目前乃至未来一段时期内仍会保持相对脱钩状态,但要实现绝对脱钩还比较困难。因此河南省在今后的发展中要做到提高能源利用效率,转变发展方式,调整产业结构,发展新兴产业,开发利用新型能源,走低碳经济之路。     

江苏省农业碳排放时序特征与趋势预测

为探讨江苏省农业碳排放时序特征及未来碳排放趋势,利用排放因子法对江苏省2000—2019年农业碳排放进行估算,并运用STIRPAT模型对2020—2030年全省农业碳排放趋势进行预测。结果表明：江苏省2000—2019年的CO₂排放当量（CO₂e）整体呈现降低-升高-降低的趋势,并在2005年达峰,估算为8 361.77万t,其中种植业、畜牧业则分别在2010年、2003年达峰,种植业排放量远高于畜牧业。农业CO₂e排放强度呈先升高后降低的趋势,2003年后排放强度逐年递减,到2019年已降至1.31 t·万元^-1;在各碳源中,水稻种植是全省农业碳排放的最大排放源,而在主要畜禽中,猪养殖过程中造成的碳排放远高于其他畜禽;预计2020—2030年,伴随城镇化发展、农业人均GDP提高和农业碳排放强度的进一步降低,全省农业CO₂e排放量仍将呈下降趋势,在减碳的同时可以兼顾农业经济高效发展。研究表明,江苏省农业已实现碳达峰,未来农业碳排放的持续降低将有利于加速全省碳中和目标的实现。     

低碳经济导向下红塔区土地可持续利用研究

土地利用变化是碳排放变化的主要驱动力,揭示土地利用变化对碳排放影响对于区域土地的可持续利用和碳排放政策的制定具有指导意义。以玉溪市红塔区为研究区域,借助Arcgis10.7、ENVI5.3等软件,基于空间分析技术对研究区土地利用变化及碳排放情况进行分析,研究结果表明,2010-2020十年间,红塔区耕地、林地、草地、灌木地均在减少,而建设用地数量增加、土地利用的类型变化又引起了红塔区碳排放与碳吸收的变化,特别是建设用地的快速增长间接造成碳排放量的大幅增长,对区域可持续发展造成了一定压力。所以转变经济发展方式,积极推进产业结构转型升级,加大耕地、林地、草地、灌木地等生态屏障的保护力度是实现区域可持续发展的必由之路。     

池州市城镇化进程中土地利用碳排放驱动机制

依据土地利用碳排放测算方法,对安徽省池州市耕地、林地、牧草地、建设用地碳排放进行测算,并基于环境压力随机模型分析影响土地利用碳排放的驱动力机制。结果表明:1城镇化进程中GDP、城镇人口、第三产业产值及城镇化水平每增加1%,土地利用碳排放将增加0.147%、0.499%、0.428%、0.657%;第二产业产值每增加1%,土地利用碳排放量将减少0.489%。2池州市能源消费及土地利用碳排放量不断增加。3大力发展绿色低碳产业,积极推行低碳排放的生产、生活方式,可提升低碳水平。为实现安徽省池州市低碳经济和城镇化可持续发展目标,提出了若干建议供参考。     

基于情景分析的村落尺度能源碳排放效应研究

村落尺度的低碳建设不仅可以提高村落的能源供给水平,充分挖掘农村资源的潜力,同时在促进绿色乡村的建设方面具有重要作用。本研究以河南省邑西里村为例,通过构建碳能源体系框架,研究不同情景下的碳排放水平,进而判断村落在低碳能源体系建设中的功能角色。结果表明：全村2020年的能源消费热值为5 925 GJ,全村的碳排放量为877 t;在基准情景、慢速发展情景和快速发展情景下2030年消费量分别为6 228、6 594、6 955 GJ,其碳排放量分别为928、987 t和1 046 t;若能实现对太阳能等资源的综合利用,2030年总能源消耗自给率分别为50.76%、52.30%和53.72%。对比不同情景下能源使用的碳排放量,尽管能源种类逐渐向清洁能源的方向转型,但是全村的碳排放量还是呈现出逐渐上升的趋势。因此,如何保证在居民的能源消费结构升级及转型的前提下优化能源结构并提高村落的低碳水平,仍是在未来一段时间内亟需解决的问题。     

四川省低碳经济影响因素及减排对策分析

[目的]研究四川省低碳经济的影响因素及减排对策。[方法]通过对STIRPAT模型的扩展,应用主成分回归方法,计量分析人口、经济和技术因素对2000～2009年四川省碳排放量的影响,并提出减少二氧化碳排放的对策。[结果]现阶段四川省人口规模对碳排放影响最大,其次是单位工业增加值能耗及工业增加值占GDP比重;人口规模对碳排放的影响力仍然大于人口结构,技术因素对碳排放也具有一定的解释力。可通过控制人口过快增长,鼓励低碳的生活方式和消费模式,注重产业结构的战略性调整,逐步降低高碳产业比重,鼓励支持节能减排和新能源技术领域的科技创新等途径减少二氧化碳的排放,以适应四川省低碳经济的发展。[结论]该研究为碳减排政策的制定提供了理论依据。