-
气候变化给人类的生存与发展带来了严峻挑战，而碳减排与增汇是解决气候变化问题的重要途径[1]。为应对气候变化，我国作为世界第一大碳排放国，于2020年提出了“双碳”目标[2]，并发布了《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》《2030年前碳达峰行动方案》等重要政策文件，强调优化土地利用结构，从碳减排与碳增汇两个方面提升绿色低碳循环发展水平。相关研究表明，土地利用变化产生的碳排放约占人为总排放的1/3[3]。2001—2019年我国建设用地、耕地等不同土地类型碳排放量从5.13×109 t增加至17×109 t，增幅明显[4]。因此基于土地利用变化对碳排放时空差异进行分析研究，有利于强化区域顶层设计、提出差异化的碳减排策略。
近年来，国内外学者开展了大量有关土地利用碳排放的研究，包括：（1）碳排放时空差异分析。目前大多学者采用碳排放系数法核算碳排放，并采用基尼系数、Moran's I指数等方法分析区域土地利用碳排放时空的差异性[4-6]。（2）碳排放影响因素分析。主要探讨能源结构、经济发展水平、土地开发度、城镇化率、产业结构等因素对碳排放的影响，较多采用LMDI分解、GWR模型、STIRPAT模型等[7-9]。（3）碳排放预测。一些学者基于马尔科夫模型与灰色预测模型来对土地利用碳排放进行预测[10]。（4）碳排放安全评估与风险研究。有学者致力于结合土地利用碳排放安全指数与土地利用碳排放风险指数，提出地区间差异化的土地利用碳排放优化方式[11-12]。（5）碳平衡分析。随着“碳中和”的概念提出，许多学者开始基于土地利用收支核算进行区域碳平衡分析[13]。国内学者主要使用净初级生产力变化[14]、净碳排放量[15]等指标来衡量区域碳平衡，主要针对土壤、森林、农田等单个生态系统[16-17]。也有学者从整个陆地生态系统开展碳平衡研究，并在福建[18]、江西[19]、中原经济区[20]等不同区域和尺度上划定碳平衡区。但目前碳排放与碳吸收估算多采用统计数据进行能源碳排放的测算，忽略了工业过程以及人口聚集对碳排放的影响，且通常将耕地作为碳源地类，缺少对其碳汇功能的分析。同时，有关江苏省等经济雄厚地区碳平衡的研究成果较少，划分依据与分区类型不尽相同，理论基础尚待完善，且少有研究进一步将土地利用碳排放及碳平衡研究结果应用到国土空间管控之中。
2021年江苏省提出在全国各省份中将率先实现“双碳”目标，但由于省内各地区经济发展水平具有较大差距，碳排放量与吸收量也高低不同，因此要统筹考虑区域碳平衡，以期推动江苏省合理制定“双碳”视角下的发展策略。基于此，本文以江苏省为研究区，13个设区市为研究单元，紧扣“土地利用碳排放与碳吸收计算-碳排放与碳吸收时空差异分析-空间碳平衡分析-划定碳平衡分区-提出优化建议”的基本思路，计算江苏省各设区市不同土地利用类型的碳排放量与吸收量，尝试将耕地碳汇纳入考量。之后采用环境基尼系数分析区域空间碳平衡特征并划定碳平衡分区，从而提出差异化的碳减排与增汇策略，推动江苏省科学开展区域碳补偿、制定绿色低碳发展策略，也为江苏省乃至全国完成“双碳”目标提供科学依据及理论支撑。
-
江苏省位于中国东部沿海地区中部、长江三角洲地区（116°18'～121°57'E，30°45'～35°20'N），下辖13个设区市。辖区土地面积有10.72万km2，地形以平原为主，气候属东亚季风气候区。江苏省经济实力雄厚，但产业结构偏重，2020年第二产业产值比重达到43.1%，高于经济发展水平相当的广东省，且能源结构偏煤，煤炭消费量占比约为45%，化石能源消费占比约为70%。近年来，江苏省的碳排放量逐年上升，居于全国前列[21]。作为城市社会经济发展的重要依托和载体，江苏省的土地利用方式影响着区域碳平衡的实现，深入挖掘在土地利用过程中的碳减排空间，对江苏省实现“双碳”目标，提高绿色低碳发展水平意义重大。
-
本文使用的空间数据包括江苏省2019年行政边界矢量数据与2005、2010、2015、2020年4期土地利用数据。前者来源于全国地理信息资源目录服务系统网站（www.webmap.cn）；后者来源于武汉大学的杨杰和黄昕教授发布的中国年度土地覆盖数据集（CLCD）[22]，分辨率为30 m×30 m，其中研究区域涵盖的土地利用类型有建设用地、耕地、林地、草地、水域、未利用地六大地类，见图1。本文采用的四期统计数据（如能源消费量、年末常住人口、猪牛羊的年末存栏数、农作物产量等）主要来自对应年份的《江苏统计年鉴》及地级市的统计年鉴；部分能源消费数据在统计年鉴中未公开的，通过申请政府信息公开获取。
-
土地利用碳排放包括直接碳排放和间接碳排放[4]。直接碳排放是指建设用地、耕地等类型在经营管理或者土地利用类型发生转变时产生的碳排放。间接碳排放是指以土地为载体产生的人为碳排放，如工业生产过程中的能源消费碳排放等[9]。
（1）建设用地碳排放
作为人类活动的主要载体，人类生产生活的活动强度对碳排放具有一定影响。考虑到江苏省各设区市的经济社会发展水平差异较大，直接利用建设用地面积数据计算碳排放具有较大误差[23]，因此本文选择参考《IPCC国家温室气体排放清单（2006）》及相关文献中的核算方法[24-25]，选取能源消费碳排放、工业过程碳排放、人畜呼吸碳排放进行计算。
能源消费碳排放使用IPCC能源碳排放系数法[25]，见式（1）：
式中：
$ {E}_{i} $ 为第i种能源终端消费量；$ {b}_{i}\mathrm{、}{\lambda }_{i} $ 分别为第i种能源的折标准煤系数及碳排放系数。本研究选取江苏省9种主要能源，见表1。江苏省是工业大省，工业生产规模庞大，因此钢铁、水泥、合成氨等工业生产过程产生的碳排放不可忽略，计算方法和相关参数参考前人研究[26-27]，见式（2）：
式中：
$ {P}_{i} $ 为第i类主要工业产品产量；$ {c}_{i} $ 为第i种主要工业产品碳排放系数。选取钢材、水泥、合成氨3种主要工业产品，碳排放系数分别为0.06、0.136、3.273，单位为tCO2/t。由于相关数据收集难度大，人畜呼吸仅考虑了人以及江苏省饲养较多的大型牲畜猪牛羊的数量[18,26]，见式（3）：
式中：
$ P $ 为年末常住人口或猪牛羊的年末存栏数；d为碳排放系数；人类呼吸碳排放因子取0.245 5 kg C/d[18]；猪、牛、羊呼吸的碳排放系数分别采用0.082、0.796、0.041，单位为tC/头·a[26]。（2）耕地碳排放
参考相关研究，直接利用耕地面积进行计算[19]，见式（4）：
式中：其中S为耕地面积；
$ \gamma $ 为耕地的碳排放系数，取0.422 tC/hm2。 -
耕地的碳汇效应主要来自农作物的光合作用固碳，目前针对耕地碳吸收的研究也多采用生物量估算法开展，见式（5）[28-29]：
式中：
$ {O}_{i} $ 表示第i种农作物产量；$ {W}_{i} $ 表示第i种农作物的含水率；$ {H}_{i} $ 表示第i种农作物的经济系数；$ {\beta }_{i} $ 表示第i种农作物的碳吸收率，见表2。（2）水域、草地、林地及未利用地碳吸收量计算
计算方法见式（6）[31]：
式中：
$ {E}_{m} $ 为m市的碳吸收总量；$ {S}_{i} $ 为第i种土地利用类型面积；$ {\alpha }_{i} $ 为i类土地利用类型的碳吸收系数，林地的碳吸收系数取0.612 5 tC/hm2 [31]；水域、草地及未利用地的碳排放系数分别为0.257、0.021、0.005 tC/hm2 [32]。 -
基尼系数由意大利经济学家基尼（Gini）在1922年提出，最初用于定量测定收入分配差异程度，现已广泛应用于资源和环境领域，用于分析要素空间公平性[33]。这里采用基尼系数来衡量江苏省碳补偿率、碳排放强度以及人均碳排放的空间均衡程度，见式（7）[4]：
式中：
$ {{\textit{z}}}_{i}、{{\textit{z}}}_{j} $ 为i地区和j地区某一相关指标，$\bar{{\textit{z}}}$ 为江苏省所有设区市的同一相关指标的平均值；n代表地区数量，即n=13。$ \mathrm{G}\mathrm{i}\mathrm{n}\mathrm{i} $ 值通常介于0～1，0.4为国际警戒线，值越小，表示某一指标的区域相对差异越小，反之则差异越大。$ \mathrm{G}\mathrm{i}\mathrm{n}\mathrm{i} $ 值低于0.2表示“高度平均”；0.2～0.3为“相对平均”；0.3～0.4为“比较合理”；0.4～0.5为“差距偏大”；0.5以上代表“高度不平均”。 -
碳排放的经济贡献系数（ECC）是从经济利益的角度衡量江苏省碳排放量的差异性[20]，能够反映其碳排放生产力，见式（8）：
式中：Gm、G分别为江苏省m市、全省的GDP；Cm、C为m市、全省的碳排放总量。当ECC＞1时，表明m市在全省的经济贡献率大于碳排放的贡献率，其碳排放的经济效益较高；反之，则较低。
-
生态承载系数（ESC）为某市碳吸收占全省的比例与该市碳排放占全省比例的商，可衡量江苏省市域碳生态容量贡献的公平性，能表征其碳汇能力[34]，见式（9）：
式中：Em、E为m市、全省的碳吸收量；Cm、C与式（8）定义一致。当ESC＞1时，表示m市的碳吸收生态贡献率较高；反之为较低。
-
江苏省的碳排放总量由2005年的14 210.005万t增至2020年的23 015.325万t，增幅为61.97%，增速逐渐变缓。其中建设用地产生的碳排放量占碳排放总量的比例保持在97.32%～98.46%，是主要的碳源地类；而耕地碳排放量仅占2%左右。建设用地上最大的碳排放来源为能源消费，研究期间从12 252.236万t增至20 680.150万t，约占建设用地碳排放的88.60%～91.26%；工业过程和人畜呼吸碳排放相差不大，均占到5%左右，见图2。
2005—2020年期间，江苏省碳排放量整体呈现南高北低、东高西低的空间分布特征。工业较为发达的南京市、苏州市、无锡市以及以能源和重工业为主导产业的徐州市一直是江苏省碳排放的峰值区域，2020年碳排放量分别达到4 873.475、4 495.164、2 272.125、2 096.237万t。宿迁市的碳排放量最小，2020年达到378.614万t，约占全省碳排放总量的1.5%，见表3～6和图3，其结果大体与相关文献一致[35]。通过对比发现，徐州市、南通市、淮安市、扬州市的碳排放量自2015年以来有不同程度的下降。其中徐州市下降幅度最大，主要得益于其煤炭消费总量的大幅度降低以及钢铁、水泥、焦化、热电企业、化工五大行业转型升级带来的工业过程碳排放降低[36]。省内碳排放差距不断缩小，可见将碳排放强度纳入“十二五”规划目标后各市的碳减排工作成效明显。
-
整体上，江苏省碳吸收总量呈先上升后下降趋势，从2005年的3 039.383万t先上升至2015年的3 797.884万t，到2020年又下降至3 628.703万t。江苏省的耕地面积大，主要表现为碳汇[30]，2020年耕地吸收量为3 588.829万t，其碳吸收量占总吸收量的98%以上；水域对全省碳吸收总量的贡献仅次于耕地，2020年水域碳吸收量为29.898万t，占比0.82%；2020年江苏省林地碳吸收量仅有9.974万t；而草地和未利用地的碳吸收效应最小，可忽略不计，见表3～6和图4。研究期间水域和林地的碳汇减少量之和远不及耕地的碳汇增量，因此2020年江苏省的碳吸收较2005年有较大增幅，但又因为“十三五”期间江苏省的油料作物种植面积和产量大幅度下降，故导致全省碳吸收量有一定下降[37]。
从市级层面来看，江苏省的碳吸收量呈现北高南低的分布特征。其中，盐城市、徐州市、淮安市、宿迁市由城市化水平较低保留了较大的耕地面积，因此碳吸收量一直位于全省第一梯队；而无锡市、镇江市、苏州市受“苏南模式”影响，城市发展以经济建设为主导，过度的城市扩张挤压了城市生态本底，因此碳吸收量全省垫底。从时间维度来看，2005—2020年，徐州市、连云港市、淮安市、宿迁市的碳吸收量持续增多，苏州市持续下降，主要和耕地面积增减趋势保持一致。南通市、盐城市、扬州市、泰州市呈现波动上升，而南京市、无锡市、常州市、镇江市均呈现波动下降，这主要因为持续的建设用地扩张导致耕地、林地等碳汇用地面积缩减，见图5。而土地利用变化带来碳吸收量的增减趋势取决于，农作物由于科技进步带来的产量增量是否能够抵消种植面积减少所带来的减产量，亦或相反。如泰州市2005—2015年期间，耕地面积从483 082.92 hm2下降至437 724.09 hm2，耕地碳排放从24.35万t下降至22.06万t，但耕地碳吸收从258.40万t增至312.73万t。根据《泰州市现代农业发展“十三五”专项规划》对十二五期间工作成效的总结，近年来泰州市不断加大农业科技投入，积极采用生物农业集成技术提升农作物亩产量，推动农业转型升级，因而碳吸收总量呈现增加趋势。
-
2005—2020年全省碳补偿率持续下降，从2005年的21.39%下降至2020年的15.77%，说明江苏省的碳吸收远远不足以补偿人类活动产生的碳排放。同时江苏省各设区市之间的碳补偿率逐渐呈现明显差异，其中宿迁市的碳补偿率最高，约为130%～160%，主要因为宿迁市耕地面积较大，农作物种植面积大，同时经济发展相对落后，能源消费量低，较高的碳吸收以及较低的碳排放决定了宿迁市成为江苏省碳补偿率最高的地区。而南京市、无锡市、苏州市、常州市等相对发达城市，随着快速发展的工业经济以及城镇化进程，这些地区能源消耗增多，耕地和林地慢慢向建设用地转换，从而导致碳排放量增多，碳吸收量减少，碳补偿率不足3%，见图6。
研究发现，江苏省的碳源/碳汇呈现明显的地域空间差异，全省实现区域协同控制、共同实现“双碳”目标的压力较大。其中江苏省碳补偿率的基尼系数大于0.5，处于“高度不平均”状态，表明江苏省各设区市的碳吸收量与碳排放量协调性差，即碳吸收量和碳排放量空间分布一致性差，如南京市、无锡市属江苏省碳排放最高的地区，但其碳吸收量较其他设区市提升空间很大，宿迁市和盐城市则相反，需引起注意。碳排放强度的基尼系数在0.3～0.4之间，为“比较合理”状态，说明各设区市的碳排放与经济发展程度处于“比较协调”状态。人均碳排放的基尼系数在2005年小于0.2、2010—2020年期间大于0.2，碳排放量与人口总数从“高度协调”状态转变为“相对协调”状态，见表7。这可能与城市产业结构有关，例如镇江、泰州等城市人口规模较小，经济发展对碳排放较高的传统制造业的依赖性较高，产业低碳转型所需时间较长，故研究期间碳排放量仍属于高值区；相反，盐城市的人口规模在全省属于中等水平，但作为农业大市，其粮食种植对区域粮食安全至关重要，耕地面积占比较高，传统重工业发展空间有限，因而碳排放量属于低值区。
江苏省各设区市的经济贡献系数呈现显著差异，说明省内经济贡献率与碳排放率相对不平衡，空间分布特征为南高北低、东高西低。2020年全省有7个设区市的经济贡献系数大于1，较2015年持平。另外2010、2015年宿迁市的经济系数均大于2，见图7。江苏省的生态承载系数空间分布特征为北高南低、中部次之。生态承载系数大于1的设区市聚集在苏北和苏中地区，这些城市具有较高的碳汇能力，对江苏省的碳减排有积极作用，尤其宿迁的生态承载系数最高。而南京市、无锡市、徐州市、常州市、苏州市、镇江市均小于1，表明这些城市的碳吸收比例明显小于碳排放比例，不利于江苏省的碳排放消纳，见图8。
-
参考文献[18,20]，将江苏省13个设区市分为碳汇功能区、低碳保持区、经济发展区、碳强度控制区、高碳优化区，见图9。
（1）当ECC>1，ESC>1，且碳补偿率>1时，属于碳汇功能区，主要分布在苏北地区。其中，宿迁市一直被划分为碳汇功能区，2010年盐城市从低碳保持区调整为碳汇功能区，在2015—2020年被调整回低碳保持区。属于碳汇功能区的设区市一般具有优越的生态本底条件，碳吸收量大；同时经济发展相对落后，人类活动强度较低，碳排放强度不高，碳排放总量较低。因此，人类活动产生的碳排放可以被消纳，呈现明显的碳汇作用。这些地区要继续保护良好的生态环境，同时充分发挥固碳能力，保持经济与生态协调发展。如宿迁市作为著名的“水产之乡”“杨树之乡”“花卉之乡”“蚕茧之乡”“中国酒都”，拥有着得天独厚的自然禀赋和广阔的绿色低碳经济发展前景。未来宿迁一方面要推动生态经济化，将生态保护贯彻到底，培育和壮大“生态+”品牌，从而拉动旅游业发展，挽救GDP在江苏省垫底的现状；一方面要经济低碳化，积极发展光伏、风力发电等绿色低碳产业，推动产业结构变“轻”、发展模式变“绿”。
（2）当ECC>1，ESC>1，碳补偿率<1时，则为低碳保持区，主要分布在苏北和苏中地区。整体上低碳保持区的数量有所增多。除了扬州市一直被划分为此类别以外，南通市、淮安市从经济发展区调整为低碳保持区，说明研究期间能源利用效率有所提高，单位GDP碳排放量降低，碳排放经济贡献升高。泰州市在2005、2015年被划分为低碳保持区，2010、2020年调整为经济发展区。属于低碳保持区的设区市相较于碳汇功能区的设区市而言，经济发展水平较高、碳排放量大，同时拥有较为丰富的碳汇资源，生态压力较小，但尚不能达到区域碳收支平衡，未来可充分发挥区域生态优势，推进产业绿色低碳发展，在守好绿水青山的同时，更要做大金山银山。盐城市和南通市应发挥其沿海的区位优势，加强海岸型湿地资源保护，发挥海洋、湿地碳汇叠加功能，建设蓝色碳汇生态功能区；同时要把握住打造江苏省沿海地区千万千瓦级风电基地的机遇，积极发展海上风电产业，推动能源结构向清洁能源倾斜；鉴于盐城市是农业大市，其耕地碳排放量位列全省第一，因此要深入推进生态农业循环发展，促进农村一二三产融合，减少农业生产活动产生的碳排放。而针对南通市产业结构偏重的现状，未来应推动制造业等主导产业低碳化，致力于绿色工业产品开发，培育绿色工厂和绿色园区，从而降低工业碳排放量。而对于淮安市和扬州市而言，最重要的是积极把生态优势转化为发展优势，推动生态文旅发展，同时加大森林保护力度，加快农田林网建设，提升农田、林地碳汇功能。
（3）当ECC<1，ESC>1，碳补偿率<1时，属于经济发展区。这些地区通常经济发展相对滞后、能源利用水平不高、碳排放强度较高，故碳排放经济贡献较低，而凭借不错的固碳能力，其生态承载水平偏高。研究期间连云港市一直被划分为经济发展区，另外淮安市和泰州市又向更低碳发展的方向调整。属于经济发展区的设区市未来应在筑牢江苏省生态屏障的基础上，推动“生态+”产业发展，以绿水青山带动地区经济发展。同时推动主导产业低碳化发展，降低单位GDP碳排放量。连云港市作为我国首个低碳港口建设试点，应优化港口功能和布局，加大低碳技术的研发和应用，提升能源利用效率。2020年泰州市第二产业增加值占比为47.8%，位列全省第一，未来应推进一、二、三产业融合，加大政府投入以吸引低能耗的战略性新兴产业入驻，推动产业结构转型升级。
（4）当ECC>1，ESC<1，碳补偿率<1时，则为碳强度控制区，主要分布在苏南地区。常州市、无锡市一直被划分为此类别，“十三五”期间苏州市随着碳排放量的增多被从碳强度控制区调整为高碳优化区。较经济发展区而言，这些地区的能源利用效率较高，碳排放强度偏低，总的碳排放量较高，而碳汇效应则相反。2022年江苏省发改委印发《苏锡常都市圈发展行动方案（2022—2025年）》，强调要共筑沿江绿色生态廊道，提高地区碳吸收量。面向碳达峰，无锡和常州市既要优化生态空间格局，注重发展生态农业，增加农田的碳贮存量；又要深入推进山水林田湖草一体化修复，增强林田湿地固碳能力；还要加大节能环保资金投入，推进工业节能降碳，推动生产和生活生态化、能源绿色化发展。
（5）当ECC＜1，ESC<1，碳补偿率<1时，属于高碳优化区，主要有徐州市、南京市、镇江市以及苏州市等工业发达城市。这些地区的碳排放量远远高于碳吸收量，碳减排压力巨大。因此这些城市在面向双碳目标时，首要任务是淘汰水泥、钢铁等产能，坚决遏制高耗能、高排放、低水平项目盲目发展。能源结构是一座城市低碳发展的重要制约因素[38]，未来应严控煤炭等化石能源消耗总量，大力发展太阳能、风能、生物质能等清洁可再生能源，提升清洁能源消费占比；广泛集聚绿色低碳创新人才，强化科学技术支撑。同时也要做好碳增汇工作，例如实施森林抚育，改造低效林等。例如徐州是典型的资源型城市，具有发展绿色低碳能源产业先天优势，未来应依靠碳市场交易和绿色金融投入快速发展低碳经济，继续推动绿色能源产业向纵深发展；同时发挥历史文化资源优势，促进生态文旅产业链条延伸。
-
（1）2005—2020年江苏省碳排放量逐年递增，在空间上呈现南高北低、东高西低的分布特征；碳吸收量先上升后下降，呈现北高南低的分布特征；碳排放量远远高于碳吸收量，全省表现为碳源。其中建设用地和耕地分别是主要的碳源、碳汇地类。因此，面向“双碳”目标，江苏省要统筹考虑碳减排与增汇两个途径，在加快推进绿色低碳循环经济发展、缩减碳排放总量的同时，注重强化国土空间规划和用途管控，谨防建设用地进一步扩张，提升耕地、林地碳汇效应。
（2）根据基尼系数计算结果，江苏省碳排放量与人口总数由2005年“高度协调”状态转变为近年“相对协调”状态，各设区市的碳排放与经济发展程度“比较协调”，然而各设区市的碳吸收量与碳排放量协调性差，未来要根据各设区市的发展情况，合理制定碳增汇目标，并将其纳入国土空间规划中，以碳减排与碳增汇为工作抓手，实现降碳、减污、扩绿和经济增长的有机联动。
（3）2005—2020年江苏省碳生产力、能源利用效率较好，全省经济贡献系数>1的设区市超过一半，呈现南高北低、东高西低的空间特征。生态承载系数呈现北高南低、中部次之的空间特征。从全省整体看，2020年碳生态承载系数>1的设区市数量较2005年减少1个，碳生态承载的发展相对较慢，仍需要进一步规划提升。
（4）本文将全省13个设区市划分碳汇功能区、低碳保持区、经济发展区、碳强度控制区、高碳优化区5类。基于划分标准及分区的优劣势，提出了差异化的绿色低碳循环发展策略与建议。
总之，在当前碳减排压力的反向推动下，江苏省应将碳减排任务聚焦高碳优化区、碳强度控制区，争取将这些地区转化为低碳保持区甚至碳汇功能区。
-
本文在对江苏省的碳排放量及碳吸收量分析的基础上，研究了区域碳平衡特征，但仍存在一些不足：在进行建设用地碳排放计算时，考虑到数据的可获得性以及对碳排放总量的影响程度，仅将能源消费、工业过程及人畜呼吸的碳排放纳入计算，未来可增算固体废弃物、废水处理过程中产生的碳排放。在非建设用地的碳吸收量计算方面，未能对江苏省沿海城市的海洋碳汇做区别计算，在后续的研究中需进一步深化。
基于土地利用变化的江苏省碳排放时空差异与碳平衡分区
Temporal and spatial differences of Carbon Emissions and Carbon Balance Zoning in Jiangsu Province based on land use change
-
摘要: 该文以江苏省13个设区市为例，基于碳排放（CE）和碳吸收估算方法，分析2005—2020年江苏省市域碳收支和碳补偿率的时空演变特征，随后引入环境基尼系数(EGC)从经济和生态两个角度分析空间碳平衡特征。结果表明：2005—2020年，江苏省土地利用碳排放从14 210.005万t增至23 015.325万t，碳吸收3 039.383万t波动上升至3 628.703万t，总体表现为碳源；13个设区市的碳补偿率整体呈现下降趋势，碳排放量与经济发展水平处于比较协调状态，与其人口聚集协调性较高；根据碳平衡分析，将13个设区市划分为碳汇功能区、低碳保持区、经济发展区、碳强度控制区、高碳优化区5类，并建议前两个分区充分发挥生态优势，着重推进生态产品价值变现；其余分区优先推动产业低碳转型，能源绿色化发展。Abstract: With a case study of 13 cities divided into districts in Jiangsu Province, China, the CE, carbon absorption and carbon compensation rate were calculated and analyzed based on the (CE) and carbon sequestration estimation methods. Subsequently, the Environmental Gini Coefficient (EGC) was utilized to evaluate the spatial carbon balance characteristics from the economic and ecological perspectives. The results showed that: From 2005 to 2020, the CE of LULC in Jiangsu Province increased from 1421,000,500 tons to 230,153,250 tons, and the carbon absorption fluctuated from 30,393,830 tons to 36,287,030 tons, indicating that Jiangsu Province is the overall carbon source; The carbon compensation rate of 13 cities divided into districts shows a downward trend as a whole, and the CE were in a relatively coordinated state with their economic development level, while with their population aggregation was higher; According to the analysis of carbon balance, 13 cities divided into districts in the province were divided into five categories: carbon sink function zone, low-carbon maintenance zone, economic development zone, carbon intensity control zone and high-carbon optimization zone. Subsequently, it is suggested that the first two zones should give full play to their ecological advantages and focus on realizing the value of ecological products, while others should give priority to low-carbon industrial transformation and green energy development.
-
-
图 2 2005—2020年江苏省碳排放变化情况
Figure 2. Changes of Carbon Emissions in Jiangsu Province from 2005 to 2020
图 4 2005—2020年江苏省碳吸收量变化
Figure 4. Changes of Carbon absorption in Jiangsu Province from 2005 to 2020
图 3 2005—2020年江苏省碳排放量空间分布
Figure 3. Spatial distribution of Carbon Emissions in Jiangsu Province from 2005 to 2020
图 5 2005—2020年江苏省碳吸收量空间分布
Figure 5. Spatial distribution of carbon absorption in Jiangsu Province from 2005 to 2020
图 6 2005—2020年江苏省各设区市碳补偿率
Figure 6. Carbon compensation rate of Municipality divided into Districts in Jiangsu Province from 2005 to 2020
图 7 2005—2020年江苏省各设区市碳排放经济贡献系数空间分布
Figure 7. Spatial distribution of economic contribution coefficient of carbon emissions in Jiangsu Province from 2005 to 2020
图 8 2005—2020年江苏省各设区市碳排放生态承载系数空间分布
Figure 8. Spatial distribution of ecological carrying coefficient of carbon emissions in Jiangsu Province from 2005 to 2020
图 9 2005—2020年江苏省碳平衡分区划分
Figure 9. Division of Carbon Balance in Jiangsu Province from 2005 to 2020
表 1 9种主要能源碳排放计算参数
Table 1. Calculation parameters of Carbon Emissions of 9 main energy sources
能源类型 原煤 焦炭 原油 天然气 汽油 煤油 柴油 燃料油 液化石油气 折标准煤系数 0.714 3 0.971 4 1.428 6 1.330 0 1.471 4 1.471 4 1.457 1 1.428 6 1.714 3 碳排放系数 0.755 9 0.855 0 0.585 7 0.448 3 0.553 8 0.571 4 0.592 1 0.618 5 0.504 2 注：折标准煤系数来源于《中国统计年鉴（2021年）》，单位除天然气为(kg标准煤)·m−3以外，其他为(kg标准煤)·kg−1；碳排放系数采用IPCC碳排放计算指南缺省值，单位为tC·(t标准煤)−1。 
下载: 导出CSV
表 2 主要农作物碳吸收量计算相关参数[30]
Table 2. Relevant Parameters for Calculating Carbon Absorption of Main Crops[30]
作物种类i 含水率 $ {W}_{i} $ 经济系数 $ {H}_{i} $ 碳吸收率 $ {\beta }_{i} $ 稻谷 0.137 5 0.45 0.414 4 小麦 0.125 0 0.40 0.485 3 玉米 0.135 0 0.40 0.470 9 薯类 0.133 0 0.70 0.422 6 豆类 0.125 0 0.34 0.450 0 花生 0.090 0 0.43 0.450 0 油菜籽 0.090 0 0.25 0.450 0 棉花 0.083 0 0.10 0.450 0 麻类 0.133 0 0.83 0.450 0 糖类 0.133 0 0.60 0.428 6
下载: 导出CSV
表 3 2005年江苏省碳排放与碳吸收量测算结果
Table 3. Carbon emission and carbon absorption in Jiangsu Province in 2005
设区市 碳排放量/万t 碳吸收量/万t 能源消耗 工业过程 人畜呼吸 耕地 合计 耕地 林地 草地 水域 未利用地 合计 南京 2 773.31 83.40 75.55 22.80 2 955.06 119.39 3.18 0.00 1.81 0.00 124.38 无锡 1 338.14 92.23 58.99 12.77 1 502.13 68.39 2.33 0.00 2.57 0.00 73.28 徐州 1 606.81 81.66 119.67 43.71 1 851.85 327.24 0.34 0.00 0.69 0.00 328.27 常州 604.37 89.38 43.27 15.26 752.28 95.27 1.47 0.00 1.47 0.00 98.22 苏州 2 096.17 88.20 75.97 20.96 2 281.31 108.31 0.93 0.00 7.97 0.00 117.21 南通 1 044.44 31.91 101.63 39.73 1 217.72 342.55 0.00 0.00 1.94 0.00 344.49 连云港 241.22 16.51 75.37 27.72 360.81 240.61 0.66 0.00 1.79 0.00 243.06 淮安 495.30 8.63 63.80 37.05 604.78 323.78 1.20 0.00 4.03 0.00 329.02 盐城 329.88 40.34 116.27 64.43 550.92 524.72 0.05 0.00 3.87 0.00 528.65 扬州 528.63 4.98 47.53 25.21 606.36 220.53 0.11 0.00 2.45 0.00 223.09 镇江 750.80 35.92 32.94 14.63 834.29 91.40 1.52 0.00 0.76 0.00 93.68 泰州 360.61 38.95 59.00 24.35 482.90 258.40 0.02 0.00 1.15 0.00 259.56 宿迁 82.55 21.94 73.13 31.98 209.60 273.39 0.03 0.00 3.06 0.00 276.48 注：表3～6中草地和水域的碳吸收量显示为“0.00”是指碳吸收量较小，可忽略不计。
下载: 导出CSV
表 4 2010年江苏省碳排放与碳吸收量测算结果
Table 4. Carbon emission and carbon absorption in Jiangsu Province in 2010
设区市 碳排放量（万t） 碳吸收量（万t） 能源消耗 工业过程 人畜呼吸 耕地 合计 耕地 林地 草地 水域 未利用地 合计 南京 3 505.94 70.57 78.64 21.57 3 676.73 115.33 2.95 0.00 2.00 0.00 120.29 无锡 1 806.77 152.56 62.22 11.59 2 033.15 72.44 2.38 0.00 2.59 0.00 77.41 徐州 2 429.75 180.54 123.42 42.34 2 776.05 448.16 0.34 0.00 0.76 0.00 449.26 常州 891.06 106.95 45.92 14.39 1 058.32 105.74 1.46 0.00 1.53 0.00 108.73 苏州 3 560.47 154.08 102.83 18.82 3 836.19 106.75 1.20 0.00 7.88 0.00 115.83 南通 1 044.44 41.68 98.15 38.75 1 223.02 381.68 0.00 0.00 1.82 0.00 383.50 连云港 454.82 23.12 57.19 27.23 562.37 320.23 0.59 0.00 1.56 0.00 322.38 淮安 639.66 46.65 61.47 36.93 784.70 415.55 1.05 0.00 3.91 0.00 420.50 盐城 379.11 88.47 70.87 64.04 602.49 651.01 0.04 0.00 3.80 0.00 654.85 扬州 852.61 14.74 46.18 24.83 938.36 272.16 0.09 0.00 2.37 0.00 274.62 镇江 849.46 45.56 31.46 14.23 940.72 114.34 1.37 0.00 0.76 0.00 116.47 泰州 838.64 50.10 55.46 23.44 967.65 300.53 0.01 0.00 1.33 0.00 301.88 宿迁 90.73 31.38 62.31 31.32 215.74 342.27 0.03 0.00 3.03 0.00 345.34
下载: 导出CSV
表 5 2015年江苏省碳排放与碳吸收量测算结果
Table 5. Carbon emission and carbon absorption in Jiangsu Province in 2015
设区市 碳排放量/万t 碳吸收量/万t 能源消耗 工业过程 人畜呼吸 耕地 合计 耕地 林地 草地 水域 未利用地 合计 南京 4 536.34 75.03 81.46 20.98 4 713.81 117.24 2.40 0.00 2.01 0.00 121.64 无锡 1 818.19 153.59 63.07 10.85 2 045.70 65.73 2.33 0.00 2.52 0.00 70.58 徐州 2 559.11 192.77 124.46 41.28 2 917.63 473.64 0.38 0.00 0.75 0.00 474.77 常州 1 044.97 115.11 46.61 13.85 1 220.53 100.05 1.35 0.00 1.49 0.00 102.88 苏州 3 923.03 157.01 102.99 17.66 4 200.69 98.98 1.05 0.00 7.55 0.00 107.58 南通 1 231.47 49.85 97.17 37.01 1 415.49 377.62 0.01 0.00 1.63 0.00 379.26 连云港 807.05 65.32 52.94 26.86 952.16 339.63 0.50 0.00 1.36 0.00 341.48 淮安 692.43 51.47 61.06 36.02 840.98 433.42 0.99 0.00 3.97 0.00 438.38 盐城 683.72 116.38 105.40 62.50 968.00 661.60 0.14 0.00 3.51 0.00 665.25 扬州 748.17 42.38 46.77 23.74 861.07 293.09 0.06 0.00 2.46 0.00 295.62 镇江 1 180.24 62.80 31.92 13.71 1 288.68 119.48 1.15 0.00 0.77 0.00 121.40 泰州 998.43 77.56 57.03 22.06 1 155.08 312.73 0.01 0.00 1.50 0.00 314.23 宿迁 125.84 36.49 62.97 30.36 255.67 361.75 0.03 0.00 3.02 0.00 364.80
下载: 导出CSV
表 6 2020年江苏省碳排放与碳吸收量测算结果
Table 6. Carbon emission and carbon absorption in Jiangsu Province in 2020
设区市 碳排放量/万t 碳吸收量/万t 能源消耗 工业过程 人畜呼吸 耕地 合计 耕地 林地 草地 水域 未利用地 合计 南京 4 686.24 79.59 86.83 20.82 4 873.48 89.22 2.46 0.00 1.76 0.00 93.44 无锡 1 979.73 214.10 67.51 10.79 2 272.12 45.14 2.30 0.00 2.40 0.00 49.84 徐州 1 852.93 91.55 111.09 40.67 2 096.24 499.91 0.37 0.00 0.71 0.00 500.99 常州 1 206.23 124.79 48.53 13.94 1 393.50 61.67 1.38 0.00 1.25 0.00 64.30 苏州 4 139.56 221.87 115.99 17.74 4 495.16 89.37 0.92 0.00 7.13 0.00 97.43 南通 1 012.28 42.30 86.83 36.52 1 177.93 346.91 0.01 0.00 1.46 0.00 348.38 连云港 953.57 34.63 54.42 26.70 1 069.32 346.93 0.42 0.00 1.17 0.00 348.52 淮安 633.19 32.18 55.60 36.01 7 56.97 450.41 0.83 0.00 3.90 0.00 455.14 盐城 789.81 69.34 89.21 62.52 1 010.87 659.35 0.06 0.00 3.01 0.00 662.41 扬州 774.80 40.58 47.39 23.59 886.37 264.00 0.05 0.00 2.32 0.00 266.37 镇江 1 208.30 65.73 30.82 13.53 1 318.38 88.32 1.15 0.00 0.71 0.00 90.18 泰州 1 184.14 30.95 49.07 22.20 1 286.37 263.47 0.00 0.00 1.18 0.00 264.66 宿迁 259.37 25.37 63.65 30.23 378.61 384.12 0.02 0.00 2.91 0.00 387.06
下载: 导出CSV
表 7 环境基尼系数计算结果
Table 7. Calculation results of Environmental Gini coefficient
t/a 碳补偿率 碳排放强度 人均碳排放量 2005 0.586 0.354 0.191 2010 0.601 0.369 0.212 2015 0.581 0.301 0.209 2020 0.629 0.321 0.242
下载: 导出CSV
-
[1] 周泽宇, 曹颖. 《国家适应气候变化战略2035》解析与思考[J]. 环境保护, 2022, 50(15): 42 − 46. [2] 中华人民共和国国务院. 习近平在第七十五届联合国大会一般性辩论上发表重要讲话[EB/OL]. (2020-09-22) [2022-10-09]. http://www.gov.cn/xinwen/2020-09/22/content_5546168.htm. [3] 赖力. 中国土地利用的碳排放效应研究[D]. 南京: 南京大学, 2010. [4] 李缘缘, 魏伟, 周俊菊, 等. 中国土地利用碳排放变化及协调分区[J/OL]. 环境科学, 2023, 44(3): 1267-1276. [5] 尚梅, 王蓉蓉, 胡振. 中国省域能源消费碳排放时空格局演进及驱动机制研究——基于环境规制视角的分析[J]. 环境污染与防治, 2022, 44(4): 529 − 534+551. [6] WEI C, XIAO Y. Region-county characteristic of spatial-temporal evolution and influencing factor on land use-related CO2 emissions in Chongqing of China, 1997–2015[J]. Journal of Cleaner Production, 2019, 231(10): 619 − 632. [7] 郑蕊, 刁书琪. 基于LMDI-PDA-MMI分解法的我国产业体系碳排放驱动因素研究[J]. 生态经济, 2022, 38(5): 33 − 39. [8] 马远, 刘真真. 黄河流域土地利用碳排放的时空演变及影响因素研究[J]. 生态经济, 2021, 37(7): 35 − 43. [9] 张余, 姜博, 赵映慧, 等. 东北三省土地利用碳排放时空格局及影响因素研究[J]. 地域研究与开发, 2022, 41(4): 150 − 156. [10] 禹康康, 王延华, 孙恬, 等. 太湖流域土地利用碳排放变化及其预测[J]. 土壤, 2022, 54(2): 406 − 414. [11] 赵先超, 马肖迪, 胡艺觉. 基于PSR模型的湖南省土地利用碳排放安全评估[J]. 福建农业学报, 2018, 33(8): 828 − 834. [12] 魏媛, 吴长勇. 喀斯特贫困山区土地利用碳排放效应及风险研究——以贵州省为例[J]. 生态经济, 2018, 34(3): 31 − 36. [13] LI J S, GUO X M, CHUAI X W, et al. Reexamine China’s terrestrial ecosystem carbon balance under land use-type and climate change[J]. Land Use Policy, 2021, 102. [14] 刘瑞刚, 李娜, 苏宏新, 等. 北京山区3种暖温带森林生态系统未来碳平衡的模拟与分析[J]. 植物生态学报, 2009, 33(3): 516 − 534. [15] WANG G Z, HAN Q, de vries Bauke. The multi-objective spatial optimization of urban land use based on low-carbon city planning[J]. Ecological Indicators, 2021, 125: 105275. [16] 李娇, 田冬, 黄容, 等. 秸秆及生物炭还田对油菜/玉米轮作系统碳平衡和生态效益的影响[J]. 环境科学, 2018, 39(9): 4338 − 4347. [17] 张恒恒, 严昌荣, 张燕卿, 等. 北方旱区免耕对农田生态系统固碳与碳平衡的影响[J]. 农业工程学报, 2015, 31(4): 240 − 247. [18] 魏燕茹, 陈松林. 福建省土地利用碳排放空间关联性与碳平衡分区[J]. 生态学报, 2021, 41(14): 5814 − 5824. [19] 杨静媛, 张明, 多玲花, 等. 江西省土地利用碳排放空间格局及碳平衡分区[J]. 环境科学研究, 2022, 35(10): 2312 − 2321. [20] 赵荣钦, 张帅, 黄贤金, 等. 中原经济区县域碳收支空间分异及碳平衡分区[J]. 地理学报, 2014, 69(10): 1425 − 1437. [21] 周嘉, 王钰萱, 刘学荣, 等. 基于土地利用变化的中国省域碳排放时空差异及碳补偿研究[J]. 地理科学, 2019, 39(12): 1955 − 1961. [22] YANG J, HUANG X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8): 3907 − 3925. doi: 10.5194/essd-13-3907-2021 [23] 郑永超, 文琦. 宁夏自治区土地利用变化及碳排放效应[J]. 水土保持研究, 2020, 27(1): 207 − 212. [24] IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories[EB/OL]. (2006-05-20) [2013-04-23]. http://www.ipcc-nggip.iges.or.jp/public/2006gl/index.html. [25] 田泽, 程飞. 长江经济带建设下江苏省工业碳排放测算及影响因素研究[J]. 生态经济, 2017, 33(12): 24 − 27. [26] 匡耀求, 欧阳婷萍, 邹毅, 等. 广东省碳源碳汇现状评估及增加碳汇潜力分析[J]. 中国人口·资源与环境, 2010, 20(12): 56 − 61. [27] 义白璐, 韩骥, 周翔, 等. 区域碳源碳汇的时空格局——以长三角地区为例[J]. 应用生态学报, 2015, 26(4): 973 − 980. [28] 李波, 张俊飚. 基于我国农地利用方式变化的碳效应特征与空间差异研究[J]. 经济地理, 2012, 32(7): 135 − 140. [29] 屈宇宏. 城市土地利用碳通量测算、碳效应分析及调控机制研究[D]. 武汉: 华中农业大学, 2015. [30] 李甜甜. 江苏省农田碳源、碳汇分布特征及影响因素分析[D]. 南昌: 江西财经大学, 2017. [31] 苑韶峰, 唐奕钰. 低碳视角下长江经济带土地利用碳排放的空间分异[J]. 经济地理, 2019, 39(2): 190 − 198. [32] 张鑫. 江苏省土地利用碳排放时空演变研究[D]. 南京: 南京农业大学, 2017. [33] 张乐勤. 基于基尼系数方法的长三角区域绿色发展状况均衡性探析[J]. 环境与可持续发展, 2021, 46(1): 102 − 108. [34] 赵荣钦. 区域碳收支核算的理论与实证研究[M]. 北京: 科学出版社, 2015. [35] 秦琳. 江苏省土地利用碳排放影响因素及其预测研究[D]. 徐州: 中国矿业大学, 2022. [36] 茌文静, 李勇, 曹杨, 等. 徐州市生态文明建设调查分析与对策研究[J]. 环境保护与循环经济, 2019, 39(11): 84 − 87. [37] 张传红, 韩露, 谢佳男, 等. 江苏省主要农作物碳足迹动态及其构成研究[J]. 南京信息工程大学学报(自然科学版), 2022, 14(1): 110 − 119. [38] 李菁菁, 李安琦. 城市低碳发展模式研究——以济宁市为例[J]. 环境保护科学, 2021, 47(2): 56 − 61. -
点击查看大图
计量
- 文章访问数: 1809
- HTML全文浏览数: 1809
- PDF下载数: 21
- 施引文献: 0
