余 敦，胡宜之，王檢萍

（江西農(nóng)業(yè)大學(xué) 國土資源與環(huán)境學(xué)院，江西 南昌 330045）

【研究意義】經(jīng)濟(jì)快速發(fā)展刺激更多的能源消費(fèi)，由此帶來的持續(xù)性大規(guī)模二氧化碳排放使中國成為世界上最大的碳排放國家。城市作為人類生產(chǎn)和生活的中心，不僅是能源消耗的主體區(qū)域，也是碳排放產(chǎn)生的重災(zāi)區(qū)[1]。城市建設(shè)用地是人類能源活動(dòng)、工業(yè)生產(chǎn)和生活居住的基本空間載體，社會(huì)經(jīng)濟(jì)活動(dòng)產(chǎn)生的二氧化碳主要集中在工礦倉儲(chǔ)、居住交通等建設(shè)用地[2]。城市建設(shè)用地承載的碳排放是實(shí)際生產(chǎn)生活中主要的碳排放來源，定量衡量碳排放主要有總量和強(qiáng)度兩個(gè)指標(biāo)，與總量相比，強(qiáng)度更能科學(xué)準(zhǔn)確地反映區(qū)域?qū)嶋H碳排放水平。因此，研究城市建設(shè)用地碳排放強(qiáng)度時(shí)空演變、影響因素及其減排潛力，不僅有助于揭示城鎮(zhèn)化影響碳排放的內(nèi)在機(jī)理，同時(shí)對(duì)加快城市生態(tài)文明建設(shè)也具有推動(dòng)作用?！厩叭搜芯窟M(jìn)展】在現(xiàn)實(shí)驅(qū)動(dòng)與政策引導(dǎo)下，學(xué)術(shù)界已經(jīng)開展大量有關(guān)城市碳排放的研究并取得豐碩成果。在研究內(nèi)容方面，已有研究主要圍繞總量測(cè)算[3-4]、影響因素[5-8]、生態(tài)效率[9-10]、時(shí)空格局[11-13]以及耦合關(guān)系[14-16]等方面開展；研究視角上分為國家[17-19]、省域[20-21]、城市群[1,22]、市域[23]以及縣域[24-25]等。其中碳排放測(cè)算多以IPCC 框架為主[26-27]，影響因素主要通過Theil 指數(shù)[28]、STIRPAT[29]、LMDI[30]等模型分解，時(shí)空格局多通過空間自相關(guān)、冷熱點(diǎn)分析等方法刻畫[10-11,31]。此外，隨著節(jié)能減碳控排和“雙碳”工作的穩(wěn)步推進(jìn)，有關(guān)土地減排潛力的研究也逐漸成為熱點(diǎn)問題[32-33]。【本研究切入點(diǎn)】已有研究可為開展城市建設(shè)用地碳排放研究提供完備的技術(shù)路線和研究思路，但仍存在完善的空間：（1）部分研究局限于碳排放的簡單測(cè)算和動(dòng)態(tài)分析，對(duì)碳排放的地域差異和演變特征分析略顯不足；（2）有關(guān)城市碳排放研究多從省市或城市群視角開展，國家層面的時(shí)空異質(zhì)性和因素驅(qū)動(dòng)效應(yīng)有待進(jìn)一步豐富和補(bǔ)充；（3）已有減排潛力研究多集中交通、電力、農(nóng)業(yè)等特定領(lǐng)域或部門，從土地利用角度，尤其是城市建設(shè)用地開展的研究較為鮮有。研究表明，全球城市碳排放量約占碳排放總量的75%～80%[34]，中國城市建設(shè)用地碳排放量占碳排放總量比重則超過80%[35]，城市發(fā)展面臨較大的減排壓力?！緮M解決的關(guān)鍵問題】本文利用IPCC核算框架從能源活動(dòng)、工業(yè)生產(chǎn)與人口呼吸3個(gè)方面對(duì)中國城市建設(shè)用地碳排放總量和強(qiáng)度進(jìn)行科學(xué)測(cè)算，從時(shí)序變化、空間集聚以及重心遷移等方面揭示碳排放強(qiáng)度時(shí)空演變特征，同時(shí)利用擴(kuò)展的Kaya 恒等式建立碳排放因素分解模型，分析驅(qū)動(dòng)影響因素對(duì)人均碳排放量增長貢獻(xiàn)并估算各省市城市建設(shè)用地減排潛力。研究結(jié)果可為各級(jí)人民政府制定合理的城市減排政策提供數(shù)據(jù)支撐，也可為全國廣大鄉(xiāng)村地區(qū)實(shí)現(xiàn)“雙碳”目標(biāo)提供經(jīng)驗(yàn)借鑒。

1 研究單元與數(shù)據(jù)來源

1.1 研究單元

本研究對(duì)象為城市建設(shè)用地，研究單元為中國30 個(gè)省、自治區(qū)和直轄市，西藏、臺(tái)灣、香港和澳門等地區(qū)因統(tǒng)計(jì)數(shù)據(jù)缺失，故未納入分析。

1.2 數(shù)據(jù)來源

本研究以2000—2019年為研究期，能源消費(fèi)數(shù)據(jù)分別來源于《中國能源統(tǒng)計(jì)年鑒》、工業(yè)生產(chǎn)數(shù)據(jù)來源于《中國工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》、人口數(shù)據(jù)來源于《中國人口就業(yè)統(tǒng)計(jì)年鑒》；城市建設(shè)用地面積來源于《中國城市建設(shè)統(tǒng)計(jì)年鑒》；國內(nèi)生產(chǎn)總值以及其他相關(guān)數(shù)據(jù)來源于《中國統(tǒng)計(jì)年鑒》，對(duì)于個(gè)別統(tǒng)計(jì)缺失數(shù)據(jù)采用插值法進(jìn)行擬合估算。折標(biāo)準(zhǔn)煤系數(shù)來源于《中國能源統(tǒng)計(jì)年鑒2020》，碳排放系數(shù)來源于《IPCC 2006 年國家溫室氣體清單指南2019 修訂版》。中國行政區(qū)劃矢量地圖來源于自然資源部標(biāo)準(zhǔn)地圖服務(wù)系統(tǒng)（http://bzdt.ch.mnr.gov.cn/）。

2 研究方法

2.1 IPCC核算框架

碳排放研究已形成IPCC 主導(dǎo)、多方積極參與的局面[36]。參照IPCC 核算框架，本文從能源活動(dòng)、工業(yè)生產(chǎn)與人口呼吸3個(gè)方面測(cè)算城市建設(shè)用地碳排放量，碳排放總量CE為：

能源活動(dòng)碳排放量CEe為：

式中，i表示能源種類，包括原煤、原油、焦炭、汽油、柴油、煤油、燃料油和天然氣；Ei表示能源i折算為標(biāo)準(zhǔn)煤后的消耗量，萬t；Ci表示能源i的碳排放系數(shù)，萬t/萬t標(biāo)準(zhǔn)煤。

工業(yè)生產(chǎn)碳排放量CEi為：

式中，j表示工業(yè)產(chǎn)品種類，包括鋼鐵、水泥和合成氨；Pj表示工業(yè)產(chǎn)品j的生產(chǎn)量，萬t；Ij表示生產(chǎn)單位工業(yè)產(chǎn)品j的碳排放量，萬t。

人口呼吸碳排放量CEr為：

式中，POP為省市城市常住人口，萬人；PRCE為人均年呼吸碳排放量，參考相關(guān)研究取值0.29 t/a[26]。

城市建設(shè)用地碳排放強(qiáng)度表示單位城市建設(shè)用地面積承載的碳排放量，可定量化反映出人類活動(dòng)在空間上造成的碳排放負(fù)擔(dān)[37]。其計(jì)算公式為：

式中，CI表示碳排放強(qiáng)度，萬t/km2；CE表示碳排放總量，萬t；D表示城市建設(shè)用地面積，km2。

2.2 空間自相關(guān)

（1）全局空間自相關(guān)。Global Moran’s I指數(shù)主要反映研究區(qū)整體空間集聚特征。其計(jì)算公式為：

式中，I表示Global Moran’s I 指數(shù)，n表示省市數(shù)目，wij表示省市i和j城市建設(shè)用地碳排放強(qiáng)度的空間權(quán)重，Ti-T和Tj-T分別表示省市i和j城市建設(shè)用地碳排放強(qiáng)度觀測(cè)值與平均值的偏差。

（2）局部空間自相關(guān)。Local Moran’s I指數(shù)主要反映某一空間單元與周圍空間單元的關(guān)聯(lián)程度。其計(jì)算公式為：

式中，Ii表示Local Moran’s I指數(shù)，其余變量含義同式（6）。

2.3 重心遷移模型

重心遷移模型作為描述區(qū)域發(fā)展過程中某要素空間變化的重要分析工具，可以直觀地揭示不同時(shí)期碳排放強(qiáng)度在時(shí)空演變過程中的遷移方向及距離[38]。其計(jì)算公式為：

式中，Xi和Yi分別表示第i年碳排放強(qiáng)度重心的地理坐標(biāo)；CIi表示第i年碳排放強(qiáng)度實(shí)際值；xi和yi分別表示第i年碳排放強(qiáng)度重心的地理坐標(biāo)。

重心遷移距離計(jì)算公式為：

式中，L表示重心遷移距離，km；α是將地理坐標(biāo)轉(zhuǎn)化為平面距離的單位系數(shù)，取值111.111；（Xa，Ya)、（Xb，Yb)分別表示碳排放強(qiáng)度重心在a、b年的地理坐標(biāo)。

2.4 碳排因素分解

Kaya 恒等式源于日本學(xué)者Yoichi Kaya 在IPCC 討論會(huì)上的報(bào)告[39]，該恒等式主要揭示經(jīng)濟(jì)、政策及人口等因素對(duì)人類活動(dòng)產(chǎn)生的二氧化碳量的影響。其計(jì)算公式為：

式中，CO2、POP、GDP和PE分別表示碳排放總量、國內(nèi)人口總數(shù)、國內(nèi)生產(chǎn)總值以及能源消費(fèi)總量。

進(jìn)一步可得，t時(shí)期人均碳排放量PCt與基期人均碳排放量PC0的差值為：

分解后可得：

式中，ΔPCM、ΔPCG、ΔPCF、ΔPCrsd分別表示能源消費(fèi)因素、能源效率因素、經(jīng)濟(jì)發(fā)展因素以及分解余量對(duì)人均碳排放量增長的貢獻(xiàn)值，其中正值表明該因素對(duì)人均碳排放量增長起促進(jìn)作用，負(fù)值表明該因素對(duì)人均碳排放量增長起抑制作用。

2.5 減排潛力估算

在研究各省市城市建設(shè)用地減排潛力時(shí)，不僅需要關(guān)注碳排放強(qiáng)度的動(dòng)態(tài)變化特征，還應(yīng)將碳排放強(qiáng)度的區(qū)域差異性納入分析，參考國涓等[42]，若基期碳排放強(qiáng)度為A(CI)0，第t年碳排放強(qiáng)度變化為ΔA(CI)t，則該時(shí)期內(nèi)碳排放強(qiáng)度平均變化率為：

設(shè)各省市碳排放強(qiáng)度均按照全國平均變化率變化，則省市k的參考碳排放強(qiáng)度變化為：

式中，(CI)k0表示基期省市k的碳排放強(qiáng)度，故將各省市城市建設(shè)用地減排潛力指數(shù)ck 定義為實(shí)際碳排放強(qiáng)度變化Δ(CI)kt與參考碳排放強(qiáng)度變化Δ(CIR)kt的比值：

若ck＞1，則參考碳排放強(qiáng)度變化小于實(shí)際碳排放強(qiáng)度變化，表明省市k的減排水平高于全國平均減排水平。

3 結(jié)果與分析

3.1 城市建設(shè)用地碳排放強(qiáng)度時(shí)間變化趨勢(shì)

研究期內(nèi)城市建設(shè)用地碳排放總量逐年遞增，碳排放強(qiáng)度呈現(xiàn)明顯階段性增強(qiáng)趨勢(shì)。由圖1 可知，2000—2019年城市建設(shè)用地面積與碳排放總量均近似呈線性增長趨勢(shì)。城市建設(shè)用地面積由22 113.7 km2擴(kuò)張至58 307.7 km2，年平均擴(kuò)張率為5.24%，碳排放總量由119 882.16萬t逐年增加至411 125.07萬t，年平均增長率為6.7%。研究期內(nèi)，中國城鎮(zhèn)化水平顯著提高、工業(yè)化進(jìn)程明顯加快，城市發(fā)展需要依托更多的建設(shè)用地，面積的持續(xù)擴(kuò)張意味著將會(huì)開展更多能源消費(fèi)和工業(yè)生產(chǎn)活動(dòng)，由此導(dǎo)致碳排放總量逐年增加。

圖1 2000—2019年城市建設(shè)用地面積、碳排放總量及強(qiáng)度變化趨勢(shì)Fig.1 Change trend of urban construction land area，total carbon emission and intensity from 2000 to 2019

進(jìn)一步分析可知，城市建設(shè)用地碳排放強(qiáng)度在時(shí)序上經(jīng)歷了以下幾個(gè)發(fā)展階段：2000—2007年碳排放強(qiáng)度呈現(xiàn)“先減后增”的V型變化，并在2002年減小至碳排放強(qiáng)度最小值，該變化與碳排放總量增加速率變化基本一致。而2002—2007年碳排放強(qiáng)度增強(qiáng)是由于受到外部經(jīng)濟(jì)環(huán)境形勢(shì)樂觀和內(nèi)部發(fā)展環(huán)境需求擴(kuò)大雙向驅(qū)動(dòng)的影響，各類規(guī)模的高能耗生產(chǎn)活動(dòng)廣泛開展，使得碳排放總量的增長速率（12.41%）大幅高于同期城市建設(shè)用地的擴(kuò)張速率（6.44%）。2007—2008年碳排放強(qiáng)度出現(xiàn)短期降低，是因?yàn)樵诃h(huán)境政策約束下能源、工業(yè)等生產(chǎn)活動(dòng)開展強(qiáng)度稍有緩解促使碳排放降低。2008—2011 年再次出現(xiàn)碳排放強(qiáng)度回升增大的情況，城市化和工業(yè)化進(jìn)程加快導(dǎo)致城市建設(shè)用地利用效率提高，社會(huì)經(jīng)濟(jì)建設(shè)促使各類能源消費(fèi)、工業(yè)生產(chǎn)規(guī)模和領(lǐng)域擴(kuò)大，因而碳排放總量迅速增加。2011—2017年碳排放強(qiáng)度大幅降低，該階段正處于國家“十二五”和“十三五”規(guī)劃時(shí)期，各省市積極貫徹落實(shí)國家戰(zhàn)略規(guī)劃提倡的節(jié)能降耗要求，能源消耗減緩，減排成效顯著。2017—2019 年碳排放強(qiáng)度突增，究其原因是現(xiàn)代化和智能化的生活模式促使人均能源消費(fèi)普遍升高，但是低碳優(yōu)化技術(shù)的發(fā)展程度難以滿足能源需求規(guī)模的擴(kuò)大速度，同時(shí)城市建設(shè)用地的無序擴(kuò)張成為治理難題，在碳排放總量增加城市建設(shè)用地面積穩(wěn)定擴(kuò)張的情況下，碳排放強(qiáng)度大幅增加是必然結(jié)果。

3.2 城市建設(shè)用地碳排放強(qiáng)度空間分布特征

綜合各省市實(shí)際經(jīng)濟(jì)發(fā)展水平和城市建設(shè)用地碳排放強(qiáng)度數(shù)理特征，采用自然斷點(diǎn)法劃分出低、較低、中等、較高和高5個(gè)碳排放強(qiáng)度等級(jí)（圖2）。分析可知，碳排放強(qiáng)度較大區(qū)域已實(shí)現(xiàn)由華北南部地區(qū)向華北、西北地區(qū)的擴(kuò)大，空間上呈現(xiàn)“北高南低”的分布格局。從范圍變化看，城市建設(shè)用地碳排放強(qiáng)度等級(jí)較高區(qū)域范圍呈現(xiàn)擴(kuò)張態(tài)勢(shì)。2000年僅有甘肅、山西、河北及貴州等碳排放強(qiáng)度能夠達(dá)到中等或較高水平，2006 年碳排放強(qiáng)度等級(jí)較高區(qū)域范圍擴(kuò)大，寧夏、陜西、河南、山東、云南、貴州等地區(qū)碳排放強(qiáng)度均有所增加。2012 年除北京、天津等地區(qū)外，大部分省市碳排放強(qiáng)度等級(jí)有所提升，尤其是陜西和內(nèi)蒙古已經(jīng)進(jìn)入碳排放強(qiáng)度高等級(jí)地區(qū)行列。2019 年碳排放強(qiáng)度等級(jí)較高省市數(shù)量雖然有所減少，但是與研究基期相比整體碳排放強(qiáng)度等級(jí)仍處于較高水平。從區(qū)域分布看，碳排放強(qiáng)度等級(jí)較高省市主要集中在華北、西北地區(qū)。2000 年碳排放強(qiáng)度等級(jí)較高區(qū)域主要集中在甘肅、貴州、河北等地區(qū)，而2019 年碳排放強(qiáng)度等級(jí)較高區(qū)域則擴(kuò)大至新疆、青海、甘肅、寧夏、陜西、內(nèi)蒙古等地區(qū)，逐漸形成“北高南低”的空間分布格局。造成這種空間變化的主要原因是北方能源、工業(yè)活動(dòng)活躍，南方經(jīng)濟(jì)、文化產(chǎn)業(yè)發(fā)達(dá)，北方煤炭、石油等資源豐富，南方多稀有金屬、有色金屬等工業(yè)原料，因而形成北方以重工業(yè)為主、南方輕工業(yè)發(fā)達(dá)的產(chǎn)業(yè)格局，發(fā)展重工業(yè)必然產(chǎn)生更多的碳排放。此外，國家實(shí)施西部大開發(fā)、東北振興以及“一帶一路”等區(qū)域發(fā)展戰(zhàn)略促進(jìn)了西北、華北等地區(qū)城市建設(shè)用地?cái)U(kuò)張，也為這些地區(qū)帶來更多的碳排放。

圖2 2000—2019年城市建設(shè)用地碳排放強(qiáng)度等級(jí)Fig.2 Carbon emission intensity grade of urban construction land from 2000 to 2019

為進(jìn)一步揭示碳排放強(qiáng)度的空間分布特征，借助GeoDa軟件構(gòu)建基于Queen標(biāo)準(zhǔn)的一階空間權(quán)重矩陣并輸出碳排放強(qiáng)度Moran′s I 指數(shù)和LISA 聚類分布結(jié)果。結(jié)果表明碳排放強(qiáng)度具有顯著的空間自相關(guān)性，空間集聚狀態(tài)基本形成以高—高集聚（HH）和低—低集聚（LL）為主導(dǎo)的固定模式。碳排放強(qiáng)度Moran’s I指數(shù)均為正值且通過95%水平的顯著性檢驗(yàn)，說明碳排放強(qiáng)度在空間上呈現(xiàn)明顯的集聚特征。此外，由圖3 可知，Moran’s I 指數(shù)整體上呈現(xiàn)增加趨勢(shì)（2000 年為0.231，2006 年為0.248，2012 年為0.301，2019 年為0.319），說明城市建設(shè)用地碳排放強(qiáng)度的空間集聚水平不斷提升，不同省市碳排放強(qiáng)度差異趨向縮小。

圖3 2000—2019年城市建設(shè)用地碳排放強(qiáng)度莫蘭散點(diǎn)圖Fig.3 Moran scatter diagram of carbon emission intensity of urban construction land from 2000 to 2019

Moran’s I指數(shù)僅從整體上判斷和識(shí)別城市建設(shè)用地碳排放強(qiáng)度的空間相關(guān)性，可進(jìn)一步通過LISA圖來刻畫各省市城市建設(shè)用地碳排放強(qiáng)度在局部空間位置上的空間集聚特征（圖4）?？傮w上看，碳排放強(qiáng)度的主要局部空間自相關(guān)類型為高—高集聚（HH）和低—低集聚（LL），高—高集聚（HH）區(qū)域逐漸由東部向北部移動(dòng)，低—低集聚（LL）區(qū)域逐漸由西部向南部移動(dòng)。研究期間，高—高集聚（HH）區(qū)域前期主要集中在山東、安徽、江蘇等東部省市，后期主要集中在內(nèi)蒙古、甘肅、寧夏等北部省市；低—低集聚（LL）區(qū)域前期主要集中在云南、四川、甘肅等西部省市，后期主要集中在湖南、江西、浙江等南部省市。造成空間集聚情況發(fā)生變化的原因是，中國核心城市群、經(jīng)濟(jì)圈主要集中在東部地區(qū)，東部地區(qū)在發(fā)展經(jīng)濟(jì)的同時(shí)也在積極開展產(chǎn)業(yè)改革和環(huán)境治理工作，城市碳排放得到有效控制；南部地區(qū)主要發(fā)展服裝制造、數(shù)碼電子等低能耗產(chǎn)業(yè)，加上城市建設(shè)用地?cái)U(kuò)張速度較慢，導(dǎo)致碳排放強(qiáng)度普遍較低；在城市發(fā)展過程中，西部地區(qū)能源消費(fèi)增加，但節(jié)能減排技術(shù)也得到較大程度改進(jìn)；北部地區(qū)依托資源優(yōu)勢(shì)，大力發(fā)展煤炭、鋼鐵等高能耗產(chǎn)業(yè)帶動(dòng)地區(qū)經(jīng)濟(jì)增長，逐漸成為城市建設(shè)用地碳排放的熱點(diǎn)區(qū)域。

圖4 2000—2019年城市建設(shè)用地碳排放強(qiáng)度LISA圖Fig.4 LISA diagram of carbon emission intensity of urban construction land from 2000 to 2019

3.3 城市建設(shè)用地碳排放強(qiáng)度重心遷移軌跡

借助ArcGIS 10.8軟件輸出2000—2019年城市建設(shè)用地碳排放強(qiáng)度重心遷移空間格局（圖5）。分析可知，城市建設(shè)用地碳排放強(qiáng)度重心在110°～115°E，34°～36°N內(nèi)遷移變化，主要集中在河南和山西地區(qū)，與中國經(jīng)濟(jì)增長重心和城市建設(shè)用地重心變化趨勢(shì)保持一致。說明經(jīng)濟(jì)發(fā)展對(duì)提高城市建設(shè)用地利用率起促進(jìn)作用，城市建設(shè)用地利用率高意味著承擔(dān)更多的能源、工業(yè)活動(dòng)，同時(shí)也會(huì)產(chǎn)生更多的碳排放。未來中國碳減排工作重心應(yīng)該集中在河南、山西及其周邊地區(qū)，制定合理的區(qū)域碳排放約束政策，以此有效降低區(qū)域碳排放。

圖5 城市建設(shè)用地碳排放強(qiáng)度重心遷移空間格局Fig.5 Spatial pattern of carbon emission intensity center migration of urban construction land

進(jìn)一步列出城市建設(shè)用地碳排放強(qiáng)度重心坐標(biāo)及遷移距離（表2）。由表2 可知，碳排放強(qiáng)度重心總體向西北方向遷移1 097.93 km，主要由河南東北部地區(qū)遷移至山西西南部地區(qū)，重心遷移速率約為70 km/a，其中2000—2009 年重心出現(xiàn)3 次折回遷移，2000—2003 年重心遷移距離最遠(yuǎn)，由河南東北部遷移至山西西南部，在西偏南方向上移動(dòng)368.26 km；2003—2006 年重心再次遷移回河南東北部，遷移距離為351.64 km；2006—2009 年重心遷移至河南西北部與山西交界地區(qū)，遷移距離為389.72 km；2009—2012 年重心由河南西北部遷移至陜西西南部，遷移距離為39.41 km；2012—2019 年重心保持向東北方向遷移，但是總體遷移距離僅為56.41 km，預(yù)計(jì)未來3～5 年內(nèi)碳排放強(qiáng)度重心將持續(xù)集中在山西地區(qū)。

表2 城市建設(shè)用地碳排放強(qiáng)度重心坐標(biāo)及遷移距離Tab.2 Center of gravity coordinates and moving distance of carbon emission intensity of urban construction land

3.4 城市建設(shè)用地碳排放影響因素分解

將城市建設(shè)用地碳排放影響因素分解得到各因素對(duì)人均碳排放量增長的貢獻(xiàn)值（表3）。其中能源消費(fèi)和能源效率因素貢獻(xiàn)值均為負(fù)值，經(jīng)濟(jì)發(fā)展因素貢獻(xiàn)值為正值，說明在影響人均碳排放增長方面，能源消費(fèi)和能源效率表現(xiàn)為抑制作用，經(jīng)濟(jì)發(fā)展表現(xiàn)為促進(jìn)作用。抑制性因素貢獻(xiàn)值的增長幅度不足以抵消促進(jìn)性因素貢獻(xiàn)值的增長幅度，從而使得人均碳排放量逐年遞增。

表3 2001—2019年各因素對(duì)人均碳排放量增長的貢獻(xiàn)值Tab.3 Contribution value of various factors to per capita carbon emission growth from 2001 to 2019

將分解結(jié)果圖示化（圖6）可以發(fā)現(xiàn)，能源消費(fèi)對(duì)人均碳排放量增長的抑制作用較小，貢獻(xiàn)值約在0.01～0.09 變動(dòng)。能源效率因素貢獻(xiàn)值變化速率逐年加快，總體貢獻(xiàn)值處于較高水平，說明能源效率在抑制人均碳排放量增長上發(fā)揮主要作用且抑制作用逐年增強(qiáng)。經(jīng)濟(jì)發(fā)展是促進(jìn)人均碳排放量增長的主導(dǎo)因素，總體上對(duì)人均碳排放量的促進(jìn)作用逐年增強(qiáng)且增長變化率較大。究其原因，宏觀低碳政策的出臺(tái)會(huì)降低工業(yè)部門單位GDP 能源消耗量，但實(shí)際上以煤炭為主的能源消費(fèi)結(jié)構(gòu)卻未改變，導(dǎo)致能源消費(fèi)在抑制人均碳排放增長上作用不夠顯著。而能源效率對(duì)碳排放的抑制作用逐年增強(qiáng)，主要是因?yàn)榧夹g(shù)進(jìn)步對(duì)提高能源利用效率產(chǎn)生積極影響。此外，隨著一系列經(jīng)濟(jì)改革政策和方案的實(shí)施，經(jīng)濟(jì)發(fā)展從預(yù)警危機(jī)狀態(tài)轉(zhuǎn)向快速增長軌道，促使人均碳排放量增加。

圖6 2000-2019年各因素對(duì)人均碳排放量變化貢獻(xiàn)值趨勢(shì)Fig.6 Trend of contribution value of various factors to the change of per capita carbon emissions from 2000 to 2019

3.5 城市建設(shè)用地減排潛力分析

為了進(jìn)一步探討更有效的城市減排路徑，利用已有數(shù)據(jù)測(cè)算出2019 年各省市城市建設(shè)用地減排潛力指數(shù)，由圖7可知，減排潛力較大地區(qū)主要集中在西北、華北、華東北部、華南南部等地區(qū)，其中河北、內(nèi)蒙古、黑龍江、上海、山東、湖南、廣西、海南、陜西、青海、寧夏、新疆的減排潛力高于全國平均水平，地域上以北方省市居多。由于各省市資源稟賦、經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)等先決條件存在差異，新疆、內(nèi)蒙古、黑龍江、河北、寧夏、陜西等北方地區(qū)化石能源儲(chǔ)量更為豐富，產(chǎn)業(yè)結(jié)構(gòu)以高能耗行業(yè)為主，實(shí)現(xiàn)大規(guī)模降低能源消耗強(qiáng)度或提高清潔能源消費(fèi)占比將會(huì)呈現(xiàn)更顯著的減碳效果，而上海、山東、湖南等地區(qū)經(jīng)濟(jì)和科技水平處于全國領(lǐng)先水平，在減排方面更容易突破技術(shù)限制壁壘。減排潛力高于全國平均水平的地區(qū)多為碳排放總量和強(qiáng)度較大地區(qū)，表明城市地區(qū)存在較大的減排空間，在城市發(fā)展進(jìn)程中需要重點(diǎn)關(guān)注能源消費(fèi)和利用情況，深度挖掘城市節(jié)能減排潛力，合理改善能源消費(fèi)和工業(yè)生產(chǎn)結(jié)構(gòu)，控制單位面積人口數(shù)量，有效實(shí)現(xiàn)整體減碳降排。

圖7 2019年城市建設(shè)用地減排潛力指數(shù)Fig.7 Emission reduction potential index of urban construction land in 2019

4 結(jié)論與討論

4.1 結(jié)論

本文基于IPCC核算框架測(cè)算了2000—2019年中國城市建設(shè)用地碳排放總量和強(qiáng)度，利用空間自相關(guān)和重心遷移模型揭示了碳排放強(qiáng)度的時(shí)空演變特征，采用擴(kuò)展的Kaya 恒等式對(duì)碳排放影響因素進(jìn)行分解并對(duì)減排潛力進(jìn)行分析，研究結(jié)論如下：

（1）城市建設(shè)用地碳排放總量逐年遞增，碳排放強(qiáng)度呈明顯階段性增強(qiáng)特征。碳排放強(qiáng)度較大區(qū)域已經(jīng)歷由華北南部地區(qū)向華北、西北地區(qū)的擴(kuò)大，空間上呈現(xiàn)“北高南低”的分布格局。

（2）城市建設(shè)用地碳排放強(qiáng)度具有顯著的空間自相關(guān)性且相關(guān)性不斷增強(qiáng)，主要局部空間自相關(guān)類型為高—高集聚（HH）和低—低集聚（LL）且覆蓋范圍明顯擴(kuò)大，高—高集聚（HH）分布區(qū)域逐漸由東部向北部移動(dòng)，低—低集聚（LL）分布區(qū)域逐漸由西部向南部移動(dòng)。

（3）城市建設(shè)用地碳排放強(qiáng)度重心在110°～115°E，34°～36°N變化，主要集中在河南和山西地區(qū)，與中國經(jīng)濟(jì)增長重心和城市建設(shè)用地重心變化趨勢(shì)一致，未來中國碳減排工作重心應(yīng)該集中在河南、山西及其周邊地區(qū)。

（4）在影響人均碳排放增長方面，能源消費(fèi)和能源效率表現(xiàn)為抑制性因素，經(jīng)濟(jì)發(fā)展表現(xiàn)為促進(jìn)性因素，抑制性因素貢獻(xiàn)值的增長幅度不足以抵消促進(jìn)性因素貢獻(xiàn)值增長幅度，使得人均碳排放量呈現(xiàn)逐年增加的趨勢(shì)，未來可通過降低能源消費(fèi)和提高能源利用效率來降低人均碳排放量。

（5）減排潛力較大地區(qū)主要集中在西北、華北、華東北部、華南南部等地區(qū)，其中河北、內(nèi)蒙古、黑龍江、上海、山東、湖南、陜西、青海、寧夏、廣西、海南、新疆的減排潛力指數(shù)高于全國平均水平，地域上以北方省市居多，減排潛力指數(shù)低于全國平均水平的省市將會(huì)面臨更大減排壓力。

4.2 討論

近年來，土地利用碳排放與生態(tài)環(huán)境的關(guān)系逐漸成為學(xué)界的熱點(diǎn)話題。相關(guān)研究多從土地綜合利用角度出發(fā)[11,20]，缺少對(duì)單一地類碳排放效應(yīng)的深度剖析，尤其是城市建設(shè)用地。作為生態(tài)環(huán)境中主要的碳源之一，城市建設(shè)用地應(yīng)該成為減碳控排的主要地類導(dǎo)向。本文在分析城市建設(shè)用地碳排放強(qiáng)度時(shí)空演變、影響因素的基礎(chǔ)上探討其減排潛力，研究結(jié)果可以較好地揭示省市之間的碳排放效應(yīng)差異，為各級(jí)政府制定更加精準(zhǔn)的跨省碳權(quán)分配和減排責(zé)任分配提供依據(jù)，對(duì)國家層面作出區(qū)域碳排放管控決策也具有一定的現(xiàn)實(shí)意義。由于城市建設(shè)用地可以進(jìn)一步細(xì)分為工業(yè)用地、物流倉儲(chǔ)用地、公用設(shè)施用地等，未來可對(duì)細(xì)化地類開展更加細(xì)致的碳排放研究。

IPCC 核算框架作為目前較為主流的碳排放計(jì)算方法，已被大多數(shù)學(xué)者采用[26-27]，本文在已有研究的基礎(chǔ)上將人口呼吸納入城市建設(shè)用地碳排放來源研究范疇中，充分考慮了人口活動(dòng)對(duì)碳排放的影響，測(cè)算結(jié)果更符合實(shí)際情況?？臻g自相關(guān)和重心遷移模型通常是研究區(qū)域發(fā)展過程中某種要素空間變化以及集聚程度的重要分析工具，其優(yōu)勢(shì)已在趙珍珍等[38]對(duì)土地利用重心遷移研究中被印證，有利于從動(dòng)態(tài)視角來揭示城市建設(shè)用地碳排放強(qiáng)度的時(shí)空演變特征。碳排放因素分解模型是在Kaya恒等式的基礎(chǔ)上進(jìn)一步擴(kuò)展，參考已有研究[8,42]，選擇對(duì)數(shù)平均迪氏分解法（LMDI）將驅(qū)動(dòng)影響因素分解為能源消費(fèi)、能源效率和經(jīng)濟(jì)發(fā)展，在研究人均碳排放上更傾向城市建設(shè)用地對(duì)其的影響，但影響因素類別仍存在進(jìn)一步補(bǔ)充和完善的空間。碳排放強(qiáng)度常被用作評(píng)估減排潛力的重要指標(biāo)[37]。目前從土地利用角度研究減排潛力的研究較為鮮有，不同省市發(fā)展水平差異較大，以碳排放強(qiáng)度變化為基礎(chǔ)的減排潛力指數(shù)實(shí)現(xiàn)了土地利用、區(qū)域經(jīng)濟(jì)與低碳發(fā)展的協(xié)同對(duì)應(yīng)，在指導(dǎo)碳排份額分配時(shí)側(cè)重于碳排放權(quán)的平均分配，具有較強(qiáng)的創(chuàng)新性和實(shí)踐性。但是減排潛力指數(shù)作為一個(gè)對(duì)比性指標(biāo)只適用于特定部門或領(lǐng)域，未來仍需要更加量化的減排潛力指標(biāo)。

本文以2000—2019 年為研究期，分析研討上最大限度地考慮了區(qū)域異質(zhì)性和可變性帶來的結(jié)果誤差。城市建設(shè)用地碳排放總量和強(qiáng)度測(cè)算過程中所涉及的能源消費(fèi)、工業(yè)生產(chǎn)及社會(huì)經(jīng)濟(jì)等數(shù)據(jù)均可從各類統(tǒng)計(jì)年鑒中獲取，已通過插值擬合的方法有效解決個(gè)別統(tǒng)計(jì)數(shù)據(jù)缺失的情況，整體來說數(shù)據(jù)來源較為準(zhǔn)確可靠。但由于部分統(tǒng)計(jì)年鑒中暫未公布2019 年以后的能源消費(fèi)數(shù)據(jù)，故未來可將研究時(shí)間跨度進(jìn)一步擴(kuò)大。

目前城市建設(shè)已進(jìn)入高質(zhì)量發(fā)展時(shí)期，城市建設(shè)用地碳排放持續(xù)增加、城市建設(shè)用地面積穩(wěn)定擴(kuò)張是區(qū)域減排工作中面臨的主要壓力。因此提出以下建議：一是嚴(yán)格管控建設(shè)用地?cái)U(kuò)張，實(shí)施差別土地供給模式；二是改進(jìn)技術(shù)優(yōu)化能源結(jié)構(gòu)，創(chuàng)新戰(zhàn)略發(fā)展清潔能源；三是建立城市碳排放數(shù)據(jù)庫，科學(xué)監(jiān)督碳源碳匯平衡；四是合理分配全國碳排份額，統(tǒng)籌提高區(qū)域減排潛力。

致謝：江西省教育廳科學(xué)技術(shù)研究項(xiàng)目（GJJ210453）和江西省高校人文社會(huì)科學(xué)研究項(xiàng)目（GL19128）同時(shí)對(duì)本研究給予了資助，謹(jǐn)致謝意！