20年来广东省土地利用碳排放强度与效率空间分异研究
杨国清1，朱文锐1*，文雅2，林英昌1
1. 广东工业大学管理学院，广东 广州 510520；2. 华南农业大学资源与环境科学学院，广东 广州 510642
摘要： 广东省是中国国家级低碳试点省份之一，碳减排是广东省推动社会又好又快发展的迫切需要，也是积极承担经济大省控制温室气体排放责任的战略行动。区域碳排放与土地利用变化密切相关，对土地利用碳排放机理进行深入研究，有利于明确今后省级低碳试点建设工作的方向和重点。为此，以广东省为研究区，采用土地利用地类排放系数法和K-mean聚类法，对广东省1996－2015年土地利用碳排放强度和效率时空变化规律进行研究，结果表明：（1）广东省净碳排放量持续增加，年均增幅6.04%，建设用地是主要碳源，林地是主要碳汇；（2）广东省各区域净碳排放量、耕地与建设用地碳排放量的变化幅度为粤北＜粤东和粤西＜珠江三角洲，林地碳吸收量变化幅度为粤东和粤西＜珠江三角洲＜粤北；（3）20 a来随着人均GDP增加，广东省单位 GDP碳排放持续下降，土地利用碳排放效益明显提升；（4）以人均碳排放为排放量指标，以单位 GDP碳排放为排放效率指标，广东省21个地级市可以分为4类：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）。目前，广东碳减排工作取得一定成效，但碳减排形势仍然严峻，未来应该继续对碳排放强度和效率进行调控，加快转变经济发展方式，着力推进低碳示范省建设。
关键词： 土地利用；碳排放；强度和效率；空间聚类；广东省
土地利用与覆被变化（LUCC）会影响区域土地利用的碳源碳汇格局（赵荣钦等，2013），是全球气候变化研究的热点问题（姜春等，2016）。LUCC深刻影响陆地碳循环系统，是导致大气CO2浓度增长的主要人为原因之一（Stuiver，1978）。从土地利用视角进行碳排放研究，有助于揭示不同尺度下碳循环的运作机制，从而为社会经济的低碳发展指引方向（赵荣钦等，2012）。同时，土地利用是碳排放研究的关键切入点之一，也是碳排放监测和调控的基础和依托，因此，研究土地利用碳排放具有重要的理论和现实意义（周嘉等，2015）。
陈雷对做好2012年机关党建工作提出六点意见：第一，以迎接党的十八大召开和学习贯彻十八大精神为主线，在营造氛围、凝心聚力上有新气象；第二，以推进水利跨越发展为主题，在围绕中心、服务大局上有新作为；第三，以深化创先争优活动为抓手，在服务群众、夯实基础上有新举措；第四，以保持党的纯洁性为重点，在增强党性、改进作风上有新变化；第五，以推进社会主义核心价值体系建设为根本，在文化建设、文明创建上有新进展；第六，以落实党建工作责任制为保障，在加强领导、创新机制上有新成效。
就我国当前的发展情况而言，在人力资源市场，良莠不齐，鱼龙混杂，企业往往花费较多的资金也难以招聘到高精尖的人才和适应于企业自身需求的员工。因此，企业急需建立一个信息化的人才储备系统，从而企业能够从多个角度参考应聘者的信息，确保企业在发展过程中优选到适应企业需求的高素质人才。
针对土地利用碳排放问题，学者从土地利用碳排放影响机理（Sitch et al，2015；葛全胜等，2008；曲福田等，2011）、土地利用碳排放核算模型（Liu et al.，2015；张苗等，2016；杨亮洁等，2017）、碳排放规律（朱宇恩等，2016；董聪等，2018）和土地利用碳效应（黎孔清等，2013；路昌等，2016；韩骥等，2016）等方面分析土地利用碳排放的特点。在省域尺度碳排放研究方面，研究区域集中于江苏省（李颖等，2008）、陕西省（苏雅丽等，2011）、吉林省（李春丽等，2016）、河南省（王喜等，2016）等省份，对广东省土地利用碳排放的研究较少，而现存有关文献的研究领域主要集中在土地利用视角下碳排放与经济增长关系分析（刘继森等，2010；刘洋，2017）、森林和农地碳排放机理剖释（周健等，2013；洪凯等，2017）等方面，对广东省区域碳排放强度和效率研究有待深入。
可以说，自曼海姆《意识形态与乌托邦》一书问世后，科学技术与意识形态的关系讨论进入到了白热化阶段，马克思与阿尔都塞沿着科学技术与意识形态对立的道路前进，而法兰克福学派却走向了相反的道路，认为在后资本主义时代，科学技术已经具有了意识形态职能，科学技术即是一种意识形态。因此，意识形态与科学对立论为哈贝马斯的理论创建提供了宝贵的学理材料，而法兰克福学派第一代学者的科学技术即意识形态论却直接为其理论奠定了基础，正如哈贝马斯自己所言:“科学技术执行意识形态的职能的发明权并不属于我，而是属于霍克海默和马尔库塞”。
广东省是改革开放的前沿地区，经济发展程度高，土地利用变化迅速，各区域间土地利用状况差异明显。因此，以广东省为研究区，通过测算不同土地利用下的碳排放量，分析碳排放变化规律以及地区间差异，为广东省区域间差异化碳减排政策制定，以及低碳产业和低碳经济发展提供理论基础。
1 研究区概况、研究方法与数据来源
1.1 研究区概况
广东省位于中国大陆最南部，东邻福建，西连广西，南临南海，北接江西、湖南，位于北纬20°13′－25°31′和东经 109°39′－117°19′E 之间。土地总面积17.97万平方千米，约占全国的1.87%。位于热带、亚热带季风气候区。地势北高南低，分布着冲积平原、丘陵、水域、滩涂等地形，素有“七山一水两分田”之称。
陈老师带着他朴素的教学理念一路前行，在从教近30年里他丝毫不敢掉以轻心。他深知学生的学习压力，他唯一能做的就是把他多年教学经验摸索出来的高频考点不厌其烦地一遍遍讲给学生听。
广东乘改革开放之风，大力发展经济，自1978年来经济增速在各省和自治区中保持第一。2015年，全省实现地区生产总值 72812.55亿元，增速达7.38%。其中，第一产业产值3345.54亿元，对GDP贡献率为4.59%；第二产业产值32613.54亿元，GDP贡献率为44.79%；第三产业产值36853.47亿元，GDP贡献率为 50.61%，第三产业比重历史上首度超过 50%，经济结构持续优化。全省共 21个地级市，分为4个区域，珠江三角洲、粤东、粤西和粤北。2015年，珠三角地区生产总值占全省比重为79.3%，粤东西北地区占20.7%，东翼、西翼、粤北山区分别占 6.9%、7.6%、6.2%。全省常住人口10849.00万人，增速1.17%；城镇人口7454.35万人，全省城市化率为68.71%。
1.2 研究方法
本文研究对象为耕地、林地、草地和建设用地的碳排放量。根据李颖等（2008）和蓝家程等（2012）的研究，耕地、林地和草地的碳排放系数依次为0.422、-0.644、-0.022 t·hm-2，碳排放计算公式为：
为了提高管理实效，乡镇水利工程管理需要构建管理责任制。首先，管理责任制能够约束员工的行为，保障水利工程稳定运行。为了提高管理制度的合理性，需要按照水利工程施工标准和乡镇地区对水利工程设施的应用需求构建相关制度。管理人员应当了解同一地区水利工程所应用的管理制度，将其中的优点融入到管理工作中，从而提高管理制度的科学性，提升乡镇水利工程管理水平。其次，为了提高员工对管理责任制的重视程度，管理人员应当将奖惩制度融入管理制度。提高检查力度，推动工程管理良性发展，为乡镇地区经济发展奠定良性的基础。
建设用地碳排放计算公式（李春丽等，2016）为：
式中，Eb为建设用地碳排放量（t）；n为能源种类数；mi为能源i的消费量（t或m3）；ni为能源i的标准煤换算系数；φi为碳排放系数，等于各种能源的平均低位发热值、碳含量和碳氧化率3种指标的乘积，平均低位发热值、碳含量和碳氧化率的取值参照《综合能耗计算通则》和《省级温室气体清单编制指南》数据。各系数见表1。
1.3 数据来源及数据处理
为了验证本文数值模型的有效性，将测点处模拟温度数据与何廷树、谷丰吉等的混凝土温度实测数据对比分析。上述学者先通过实验确定混凝土施工配合比，再用温度传感器监测不同测点处浇筑混凝土后20天温度变化，本文通过观察模拟温度曲线
表1 各类能源标准煤换算系数和碳排放系数
Table 1 Standard coal conversion factors and carbon emission factors for various energy sources
2 结果与分析
2.1 1996－2015年广东省土地利用碳排放
根据广东省 1996－2015年土地利用现状数据和能源消费数据，计算得到 1996－2015年广东省不同土地利用方式的碳排放量（表2）。
总体上，广东省土地利用净碳排放量呈不断上升趋势。净碳排放量从1996年的4959.27×104t增加至2015年16099.48×104 t，增幅达224.63%，年均增幅为6.04%。以2011年为拐点，广东省净碳排放量变化可分为先增长后稳定两个阶段。第一阶段，从 1996－2010年，广东省城镇化水平大幅度提高，土地利用方式发生巨大变化，林地面积持续减少，建设用地不断增加，能源消费量大幅攀升，因而碳排放总量逐年递增，年均增幅达7.80%。第二阶段，从 2011－2015年，广东省净碳排放量维持较稳定状态。
从土地利用结构上分析，建设用地是主要碳源，碳排放贡献率达92.65%。耕地是另一碳源，但耕地面积占土地利用总面积比例较低，且耕地面积随着城市化进程不断推进而减少，耕地的碳排放贡献从1996年的2.17%下降到2015年的0.63%。另一方面，从碳吸收来看，草地碳吸收量维持在0.01×104t，起到弱碳汇作用。而林地起到主要的碳汇作用，但林地碳吸收和建设用地碳排放之间比例悬殊，无法显著平衡建设用地碳排放量。
表2 1996－2015年广东省土地利用碳排放（吸收）
Table 2 Carbon emission (absorption) of different land cover types in Guangdong Province in 1996-2015 104t
2.2 20 a 广东省碳排放变化地区差异
利用ArcGIS 10.2对广东省21个地级市进行碳排放时空差异分析（图1）。
2.2.1 珠江三角洲
珠江三角洲地区20 a以来耕地、建设用地碳排放和净碳排放3个指标的变化量在全省4个区域内最大，是碳排放量变化的高值区。耕地碳排放变化量占全省变化量的50.89%，建设用地碳排放变化量占比高达 80.28%，净碳排放量变化在全省占77.66%，而林地变化引起的碳排放变化量占比相对较小，为28.15%。
死体可燃物含水率(Y)与气温(X2)、相对湿度(X3)、连旱天数(X4)、风速(X5)、蒸发量(X6)之间的数学模型为：
耕地碳排放变化量仅占全省的8.71%，属于低值区；林地碳排放变化量占全省的52.52%，为林地碳排放量变化的高值区，该区域各市林地碳吸收变化量均值是省均值的2.21倍；建设用地碳排放和净碳排放均属全省低值区，两指标变化量全省占比仅为4.22%和6.70%。
2.2.2 粤北地区
“毫无疑问，我为自己的无礼言语道歉，我再也不会说这样(无礼)的话。”接受媒体采访时，布朗手抵额头，羞愧难掩。
2.2.3 粤东地区
李耕老师签字赠我的散文诗选集名《爝火之音》。这是自谦。“爝火，犹炬火也，亦小火也”（成玄英《庄子·逍遥游》疏）。
该地区耕地碳排放变化量占全省12.68%，属于中值区；林地碳吸收变化量占全省仅6.64%，属低值区；建设用地碳排放变化量和净碳排放变化量全省占比接近，分别为8.36%和8.26%。
2.2.4 粤西地区
耕地碳排放变化值占全省 27.72%，属于中值区；林地碳吸收变化量占比为12.69%；建设用地碳排放变化量和净碳排放变化量全省占比接近，分别为7.14%和7.38%。
广东省20 a以来社会经济飞速发展，土地利用结构发生较大变化，而各区域由于各自发展速度不同，相应的碳排放（吸收）变化量有所差异。规律如下：耕地、建设用地碳排放变化量和净碳排放变化量的变化幅度排序为粤北＜粤东和粤西＜珠江三角洲，林地碳吸收变化量排序为粤东和粤西＜珠江三角洲＜粤北。
2.3 1996－2015年广东省土地利用碳排放效率
净碳排放量是绝对量指标，只有与GDP、人口数量等指标相结合才有横向比较的意义。净碳排放量与GDP的比值，即单位GDP碳排放，是衡量社会发展所产生的碳排放的一个相对量指标。随着地区生产总值的增长，单位 GDP碳排放量越少，反映的是经济结构改善和科学技术进步。
图1 粤东、西、北和珠江三角洲1996－2015年碳收支变化量区域差异
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
为进一步分析广东省21个地级市的GDP和净碳排放在以上4个聚类中的分布，绘制以下簇状柱形图（图4）。
图2 1996－2015年广东省人均GDP和单位GDP碳排放量的关系
Fig. 2 Relationship between per capita GDP and carbon emission per unit of GDP in Guangdong Province in 1996-2015
粤北山区经济发展迟缓，耕地面积广阔，农业仍然在社会经济发展中发挥重要作用，故20 a来耕地和碳排放量变化微弱。粤北地区森林资源丰富，是广东省重要的碳库，2015年森林面积占广东省55.13%，碳汇量在四大区域中最高，然而近年来森林面积轻微减少。该地区在承接广东省产业转移过程中，应避免接受高污染高能耗企业，注意保护当地林地资源。
以2015年的人均碳排放量为排放量指标，单位GDP碳排放量为排放效率指标对广东省21个地级市进行K-均值聚类分析，划分结果为以下4类（图3）：高排放-中效率（HE-ME），包括广州、深圳和珠海3个城市；高排放-低效率（HE-LE），包括佛山和中山2个城市；中排放-低效率（ME-LE），包括汕头、惠州、汕尾、东莞、江门、阳江、湛江、茂名、肇庆、潮州和揭阳 11个城市；低排放-高效率（LE-HE），包括韶关、河源、梅州、清远和云浮 5个城市。
运用Excel对1996－2015年广东省人均GDP和单位GDP碳排放量进行拟合，结果如图2所示。从图1可知，人均GDP和单位GDP碳排放量呈高度负相关关系（r=-0.987，置信水平为0.01），随着人均GDP的增加，单位GDP碳排放量不断下降，碳排放强度从 1996的 0.73 t·104yuan-1年下降到2015 年的 0.31 t·104yuan-1。
图3 广东省21个地级市碳排放-效率聚类
Fig. 3 Carbon emission-efficiency clustering of 21 prefecture-level cities in Guangdong Province
从以上分析可知，广东省地级市碳排放-效率空间分异具有以下特征：高排放-中效率和高排放-低效率的城市都处于珠江三角洲；粤西和粤东城市都归类为中排放-低效率；粤北城市都归类为低排放-高效率。
式中，Ei代表第i种土地利用方式碳排放量（t）；Ai代表第i种土地利用方式面积（hm2）；fi代表第i种土地利用方式碳排放系数。
3 讨论
3.1 碳排放变化规律
土地上所承载人类活动的广度和强度逐渐增加，碳排放量随之不断上升（陈江龙等，2016）。广东省20 a以来经济飞速发展，建设用地面积持续扩张。而得益于政府对环境的保护（Li et al.，2010），林地面积20 a来仅减少了2.88%。但林地碳汇能力有限，难以抵消建设用地庞大的碳排放量。碳源/碳汇比反映不同区域的碳减排压力，碳源/碳汇比越大，表明碳减排压力越高（Gao et al.，2014）。广东省碳源/碳汇比从1996年的8.50上升到2015年的25.91，上升了2.04倍，表明碳减排形势相当严峻。
土地利用现状数据来自《广东国土资源年鉴》（广东国土资源年鉴编委会，2016）。能源消费数据来自中华人民共和国国家统计局网站。人口数据、名义GDP、地区生产总值指数和广东省能源消费总量来自《广东统计年鉴》（广东省统计局，2016）。名义 GDP受到价格波动影响，利用地区生产总值指数把名义 GDP转换成以 2000年为基期的实际GDP；由于年鉴中 2015年地级市生产总值的行业划分和能源消费总量中的行业划分不同，本文将产业部门中的批发和零售业与住宿和餐饮业合并为批发和零售贸易餐饮业，金融和房地产业合并为其他行业；地级市的 2015年能源消费量用地级市能源消费总量表示，地级市能源消费总量计算方法为：按照各地级市六大产业部门（农林牧渔业、工业、建筑业、交通运输仓储和邮政业、批发和零售贸易餐饮业和其他行业）和居民消费（居民消费比重用于分配生活消费能源消费量）占全省比重，分配广东省能源消费总量，进而计算出各地级市能源消费总量。
20 a以来广东省土地利用碳排放总体呈上升趋势，碳排放趋势和吉林省（李春丽等，2016）、河南省（王喜等，2016）、陕西省（李玉玲等，2018）等省份相似。近年来，广东省碳排放量增速明显放缓，究其原因可知，广东省加强工业、交通、建筑等重点领域节能，积极发展绿色低碳产业，淘汰大量高耗能行业的落后产能，碳减排工作取得一定成效。
3.2 碳排放地区分异
区域土地利用结构和能耗水平对土地利用碳排放具有正向影响作用（许思维，2018）。在影响区域土地利用碳排放的各因素中，经济发展因素对碳排放的贡献率最大（吴萌，2017；Dong et al.，2013；Xu et al.，2018）。
珠三角地区社会经济发展速度快，能源消费量高，碳排放量和20 a前相比变化剧烈。而由于珠江三角洲人口大量增加，社会快速发展，自上世纪80年代以来原始森林面积急剧减少。为了保护生态环境，政府积极推动植树造林和退耕还林，培育了大量的次生林，珠三角森林面积仅次于粤北地区，森林碳汇变化量相对较小（Ren et al.，2013）。
2.3.1 广东省21个地级市碳排放-效率分析
图4 4种碳排放-效率类型的地区生产总值和净碳排放量
Fig. 4 Gross regional product and net carbon emission for four carbon emission-efficiency groups
粤东和粤西发展速度较一致，各地类碳排放变化量接近。
3.3 碳排放效率
碳排放效率是评价经济发展程度和环境保护水平的指标之一，能够有效反映能源利用状况，为社会经济低碳发展提供参考（徐理，2012）。近年来，中国30省份碳排放强度不断下降（赵巧芝等，2018）。通过计算可知，广东省土地碳排放强度随着人均 GDP增加而逐步下降，和刘洋（2017）研究结果一致。
提高能源利用效率能够从源头处减少碳排放，降低碳排放强度，实现碳减排目标（钟超等，2018）。广东省全面推进节能降耗，提高能源利用效率，能源消费结构发生深刻变化。“十二五”期间，广东原煤消费量占比从2010年的47.1%下降至2015年的42.3%，清洁能源消费量占比从2010年的12.1%上升至2015年的15.5%。但是，即使碳排放强度有所降低，随着 GDP增长，碳排放总量仍然呈相应增加趋势，因此在今后的相当一段时间内，提升碳排放效率仍然是广东省社会经济发展的重点。
观察组患者住院时间(5.74±1.27)d，短于对照组(12.94±2.33)d，差异有统计学意义(P＜0.05)。对照组患者并发感染3例、恶心呕吐3例、头痛4例，观察组中无患者发生感染、恶心呕吐、头痛等并发症，两组患者并发症发生率比较，差异有统计学意义(P＜0.05)。
产业结构和区域碳排放之间具有很强的相关性（冯梅等，2018）。三大产业在产业结构中的比重会影响区域经济发展方式，第二产业和第三产业占比决定区域能源消耗量及碳排放量（庞庆华等，2018）。第二产业是能源消耗量最大的产业部门，也是碳排放的主要产业部门（张维阳等，2012）。第三产业碳排放明显少于第二产业，而且第三产业的碳排放增速低于其所推动的经济增速（韩坚等，2014）。完善产业结构能够减少经济发展产生的碳排放，将有助于减少碳排放，实现社会经济的可持续发展。
乡村建设项目的特点为数量多且形式复杂，但总体技术难度不大，投资主体投资方式多样化，业主的需求也更加多样化。然而，项目总体规模偏小，管理成本占比反而增加。所以在初期阶段不能片面地追求经济效益，过分强调完成各类不合实际的指标。乡村EPC建造模式现阶段仍然是一种尝试，支出和回报不能成正比。乡村EPC建造模式的推进还需要进行探索实践，需要资金投入，不断总结经验，才能利用EPC自身优势在乡村振兴中发挥更大的作用。
广州、深圳、珠海经济体量大，第三产业发达，产业结构和能源消费结构较为优化，因此碳排放量大，同时碳排放也能达到一定效率水平，归属于高排放-中效率聚类。而经济发展程度较高的佛山和中山为中国制造业基地，经济发展对能源依赖程度较高，碳排放效率低于广州、深圳和珠海，归属于高排放-低效率。粤西和粤东经济较为落后，是广东省重要的能源石化基地，能源消费量和碳排放量大，归类为中排放-低效率聚类。粤北城市群整体上属于欠发达地区，2015年地区生产总值仅占广东省的6.24%，碳排放占比为4.31%，二三产业基础薄弱，碳排放量少，相对容易实现低排放和高碳排放效率。
[8]Remarks made during the NPC by Lu Hao,Heilongjiang’s governor and its deputy party-chief,appeared to ignite the unrest...（2016-03-19）
实现低碳经济的根本方法在于转变经济发展方式（宋德勇等，2009）。广东省各地区应制定切合本区域实际的碳减排措施，推动产业结构优化升级，发展低碳产业，提高能源利用技术，促进低碳示范省建设。
4 结论
（1）1996－2015年，广东省净碳排放呈不断上升趋势，从 1996年的 4959.27×104 t增加到 2015年的 16099.48×104 t，增幅达 224.63%，年均增幅为6.04%。以2011年为拐点，净碳排放由快速增加转变为增速放缓并趋于稳定。建设用地是主要碳源；林地是主要碳汇，但碳汇量有限，难以显著平衡建设用地碳排放。
（2）珠江三角洲经济发展速度快，土地利用变化剧烈，能源消耗量不断攀升，耕地、建设用地碳排放和净碳排放变化幅度最大；粤北经济发展较为落后，产业结构变动较小，而近年来林地面积有所减少，故耕地、建设用地碳排放和净碳排放变化幅度最小，林地碳吸收变化幅度最大。
（3）广东省人均 GDP和碳排放强度呈高度负相关关系，随着人均 GDP增加，单位碳排放强度显著下降，土地利用碳排放效率明显提升。
（4）广东省 21个地级市按碳排放效率进行划分，可以分为高排放-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）四类。城市的经济发展程度高，碳排放相应也高；城市的产业机构较为优化，第三产业发达，碳排放效率较高；而经济较为落后的城市，碳排放低，碳排放效率高。
参考文献：
DONG F, LONG R, CHEN H, et al., 2013. Factors Affecting Regional Per-Capita Carbon Emissions in China Based on an LMDI Factor Decomposition Model [J]. Plos One, 8(12): 644-659.
GAO L, WEN X, GUO Y T, et al., 2014. Spatiotemporal Variability of Carbon Flux from Different Land Use and Land Cover Changes: A Case Study in Hubei Province, China [J]. Energies, 7(4): 2298-2316.
LI P, HUANG Z L, REN H, et al., 2010. The Evolution of Environmental Management Philosophy Under Rapid Economic Development in China [J]. Ambio, 40(1): 88-92.
LIU Z, GUAN D B, WEI W, et al., 2015. Reduced carbon emission estimates from fossil fuel combustion and cement production in China[J]. Nature, 524(7565): 335-338.
REN H, CHEN H, LI L J, et al., 2013. Spatial and temporal patterns of carbon storage from 1992 to 2002 in forest ecosystems in Guangdong,Southern China [J]. Plant and Soil, 363(1-2): 123-138.
SITCH S, FRIEDLINGSTEIN P, GRUBER N, et al., 2015. Recent trends and drivers of regional sources and sinks of carbon dioxide [J].Biogeosciences, 12(3): 653-679.
STUIVER M, 1978. Atmospheric carbon dioxide and carbon reservoir changes [J]. Science (New York, NY), 199(4326): 253-258.
XU Q, DONG Y X, YANG R, 2018. Urbanization impact on carbon emissions in the Pearl River Delta region: Kuznets curve relationships[J]. Journal of Cleaner Production, 180: 514-523.
陈江龙, 李平星, 高金龙, 2016. 1990－2014年泛长三角地区能源利用碳排放时空格局及影响因素[J]. 地理科学进展, 35(12): 1472-1482.CHEN J L, LI P X, GAO J L, 2016. Spatio-temporal patterns and influencing factors of carbon emissions in the Pan-Yangtze River Delta region, 1990-2014 [J]. Progress in Geography, 35(12): 1472-1482.
董聪, 董秀成, 蒋庆哲, 等, 2018.《巴黎协定》背景下中国碳排放情景预测: 基于BP神经网络模型[J]. 生态经济, 34(2): 18-23.DONG C, DONG X, JIANG Q, et al., 2018. Scenarios prediction of the carbon dioxide emissions in China under the background of the Paris Agreement based on BP neural network [J]. Ecological Economy,34(2): 18-23.
冯梅, 杨桑, 郑紫夫, 2018. 碳排放影响因素的 VAR模型分析: 基于北京市数据[J]. 科学管理研究, 36(5): 78-81.FENG M, YANG S, ZHENG Z F, 2018. Study on influencing factors of carbon emission in Beijing based on VAR mode [J]. Scientific Management Research, 36(5): 78-81.
葛全胜, 戴君虎, 何凡能, 等, 2008. 过去300年中国土地利用、土地覆被变化与碳循环研究[J]. 中国科学: 地球科学, 38(2): 197-210.GE Q S, DAI J H, HE F N, et al., 2008. The research of land use/cover change and carbon cycle of China in the past 300 years [J]. Science in China Series D: Earth Sciences, 38(2): 197-210.
广东国土资源年鉴编委会, 2016. 广东国土资源年鉴[M]. 广东: 广东省地图出版社.Guangdong Land and Resources Yearbook Editorial Committee, 2016.Guangdong Land and Resources Yearbook [M]. Guangdong:Guangdong Map Publishing House.
广东省统计局, 2016. 广东统计年鉴[M]. 北京: 中国统计出版社.Statistical Bureau of Guangdong Province, 2016. Guangdong Statistical Yearbook [M]. Beijing: China Statistical Publishing House.
广东统计信息网, 2016. 向全面小康奋进的五年: “十二五”时期广东经济社会发展综述[EB/OL].WWW.GDSTATS.GOV.CN, 2016. Five years of striving for a well-off society in an all-round way: a summary of Guangdong′s economic and social development during the 12th Five-Year Plan period [EB/OL].
韩骥, 周翔, 象伟宁, 2016. 土地利用碳排放效应及其低碳管理研究进展[J]. 生态学报, 36(4): 1152-1161.HAN J, ZHOU X, XIANG W N, 2016. Progress in research on land use effects on carbon emissions and low carbon management [J]. Acta Ecologica Sinica, 36(4): 1152-1161．
韩坚, 盛培宏, 2014. 产业结构、技术创新与碳排放实证研究: 基于我国东部15个省 (市) 面板数据[J]. 上海经济研究 (8): 67-74.HAN J, SHENG P H, 2014. An empirical study about industrial structure, technological innovation and carbon emissions: panel data based on the 15 provinces (cities) of eastern China [J]. Shanghai Journal of Economics (8): 67-74.
洪凯, 朱子玉, 2017. 珠三角农地利用中的碳排放时空特征及影响因素:基于 1996－2014年数据[J]. 湖南农业大学学报: 社会科学版,18(1): 70-76.HONG K, ZHU Z Y, 2017. Temporal and spatial characteristics and influential factors of agricultural land use carbon emissions in Pearl River Delta：based on the data from 1996 to 2014 [J]. Journal of Hunan Agricultural University: Social Sciences, 18(1): 70-76.
姜春, 吴志峰, 程炯, 等, 2016. 广东省土地覆盖变化对植被净初级生产力的影响分析[J]. 自然资源学报, 31(6): 961-972.JIANG C, WU Z F, CHENG J, et al., 2016. Analyzing the effects of land cover change on vegetation net primary productivity in Guangdong Province [J]. Journal of Natural Resources, 31(6):961-972.
蓝家程, 傅瓦利, 袁波, 等, 2012. 重庆市不同土地利用碳排放及碳足迹分析[J]. 水土保持学报, 26(1): 146-150, 155.LAN J C, FU W L, YUAN B, et al., 2012. Analysis of land use patterns on carbon emission and carbon footprint in Chongqing City [J]. Journal of Soil and Water Conservation, 26(1): 146-150, 155.
黎孔清, 陈银蓉, 2013. 低碳理念下的南京市土地集约利用评价[J]. 中国土地科学, 27(1): 61-66.LI K Q, CHEN Y R, 2013. Evaluation on the intensity of urban land use based on low-carbon concept: a case study of Nanjing City [J].China Land Sciences, 27(1): 61-66.
李春丽, 唐宏, 张志丹, 等, 2016. 基于不同土地利用的吉林省碳排放时空格局分析[J]. 水土保持学报, 30(1): 250-254, 284.LI C L, TANG H, ZHANG Z D, et al., 2016. Analysis of spatial-temporal pattern of carbon emission in Jilin Province based on different land use types [J]. Journal of Soil and Water Conservation,30(1): 250-254, 284.
李颖, 黄贤金, 甄峰, 2008. 江苏省区域不同土地利用方式的碳排放效应分析[J]. 农业工程学报, 24(S2): 102-107.LI Y, HUANG X J, ZHEN F, 2008. Effects of land use patterns on carbon emission in Jiangsu Province [J]. Transactions of the Chinese Society of Agricultural Engineering, 24(S2): 102-107.
李玉玲, 李世平, 祁静静, 2018. 陕西省土地利用碳排放影响因素及脱钩效应分析[J]. 水土保持研究, 25(1): 382-390.LI Y L, LI S P, QI J J, 2018. Influencing factors on carbon emissions of land uses and analysis of their decoupling effects in Shaanxi Province[J]. Journal of Soil and Water Conservation, 25(1): 382-390.
刘继森, 颜雯晶, 2010. 广东省经济增长与碳排放的关系研究[J]. 广东外语外贸大学学报, 21(2): 19-21, 50.LIU J S, YAN W J, 2010. On the relationship between economic growth in Guangdong Province and carbon emissions [J]. Journal of Guangdong University of Foreign Studies, 21(2): 19-21, 50.
刘洋, 2017. 广东省土地利用碳排放与经济增长关系及其影响因素研究[D]. 广州: 华南理工大学.LIU Y, 2017. The study on the relationship between land use carbon emissions and economic growth and effect factors in Guangdong Province [D]. Guangzhou: South China University of Technology.
路昌, 雷国平, 周浩, 等, 2016. 松嫩平原肇源县土地利用结构低碳优化研究[J]. 水土保持研究, 23(5): 310-315, 321.LU C, LEI G P, ZHOU H, et al., 2016. Study on optimization of low carbon-based land use structure in Zhaoyuan County of Songnen Plain[J]. Journal of Soil and Water Conservation, 23(5): 310-315, 321.
庞庆华, 杨田田, 李涵, 2018. 城市碳排放、产业结构和区域创新的空间联系: 基于江苏省 13个地级市的数据分析[J]. 华东经济管理,32(12): 1-7.PANG Q H, YANG T T, LI H, 2018. The spatial relationship between urban carbon emissions, industrial structure and regional innovation: an analysis based on the data from 13 prefecture-level cities in Jiangsu Province [J]. East China Economic Management, 32(12): 1-7.
曲福田, 卢娜, 冯淑怡, 2011. 土地利用变化对碳排放的影响[J]. 中国人口·资源与环境, 21(10): 76-83.QU F T, LU N, FENG S Y, 2011. Effects of land use change on carbon emissions [J]. China Population，Resources and Environment, 21(10):76-83.
宋德勇, 卢忠宝, 2009. 中国碳排放影响因素分解及其周期性波动研究[J]. 中国人口·资源与环境, 19(3): 18-24.SONG D Y, LU Z B, 2009. The factor decomposition and periodic fluctuations of carbon emission in China [J]. China Population,Resources and Environment, 19(3): 18-24.
苏雅丽, 张艳芳, 2011. 陕西省土地利用变化的碳排放效益研究[J]. 水土保持学报, 25(1): 152-156.SU Y L, ZHANG Y F, 2011. Study on effects of carbon emission by land use patterns of Shaanxi Province [J]. Journal of Soil and Water Conservation, 25(1): 152-156.
王喜, 鲁丰先, 秦耀辰, 等, 2016. 河南省碳源碳汇的时空变化研究[J].地理科学进展, 35(8): 941-951.WANG X, LU F X, QIN Y C, et al., 2016. Spatial and temporal changes of carbon sources and sinks in Henan Province [J]. Progress in Geography, 35(8): 941-951.
吴萌, 2017. 武汉市土地利用碳排放分析与系统动力学仿真[D]. 武汉:华中农业大学.WU M, 2017. Analytical and system dynamics simulation of land use carbon emission in Wuhan City [D]. Wuhan: Huazhong Agricultural University.
徐理, 2012. 潜江市土地利用碳排放效应及低碳优化研究[D]. 武汉: 华中师范大学.XU L, 2012. Effects of carbon emission by land use and low carbon optimization in Qianjiang City [D]. Wuhan: Central China Normal University.
许思维, 2018. 东北地区土地利用碳排放特征及影响因素研究[D]. 沈阳:沈阳师范大学.XU S W, 2018. Study on the characteristics and influencing factors of land use carbon emissions in northeast China abstract [D]. Shenyang:Shenyang Normal University.
杨亮洁, 杨永春, 2017. 石羊河流域土地利用变化对区域碳排放和碳吸收的影响[J]. 兰州大学学报: 自然科学版, 53(6): 749-756, 763.YANG L J, YANG Y C, 2017. Land use/cover changes and its effects on carbon emission and carbon absorption in Shiyang River Basin [J].Journal of Lanzhou University: Natural Sciences, 53(6): 749-756, 763.
张苗, 甘臣林, 陈银蓉, 2016. 基于SBM模型的土地集约利用碳排放效率分析与低碳优化[J]. 中国土地科学, 30(3): 37-45.ZHANG M, GAN C L, CHEN Y R, 2016. Carbon emission efficiency analysis and low carbon optimization for urban land intensive use based on SBM model [J]. China Land Sciences, 30(3): 37-45.
张维阳, 段学军, 2012. 经济增长、产业结构与碳排放相互关系研究进展[J]. 地理科学进展, 31(4): 442-450.ZHANG W Y, DUAN X J, 2012. The research progress in the relationship among economic growth, industrial structure and carbon emissions [J]. Progress in Geography, 31(4): 442-450.
赵巧芝, 闫庆友, 赵海蕊, 2018. 中国省域碳排放的空间特征及影响因素[J]. 北京理工大学学报: 社会科学版, 20(1): 9-16.ZHAO Q Z, YAN Q Y, ZHAO H R, 2018. Research on spatial characteristics and influencing factors of provincial carbon emissions in China [J]. Journal of Beijing Institute of Technology: Social Sciences Edition, 20(1): 9-16.
赵荣钦, 陈志刚, 黄贤金, 等, 2012. 南京大学土地利用碳排放研究进展[J]. 地理科学, 32(12): 1473-1480.ZHAO R Q, CHEN Z G, HUANG X J, et al., 2012. Research progresses of land use carbon emission in Nanjing University [J].Scientia Geographica Sinica, 32(12): 1473-1480.
赵荣钦, 黄贤金, 钟太洋, 等, 2013. 区域土地利用结构的碳效应评估及低碳优化[J]. 农业工程学报, 29(17): 220-229.ZHAO R Q, HUANG X J, ZHONG T Y, et al., 2013. Carbon effect evaluation and low-carbon optimization of regional land use [J].Transactions of the Chinese Society of Agricultural Engineering,29(17): 220-229.
赵先超, 朱翔, 周跃云, 2013. 湖南省不同土地利用方式的碳排放效应及时空格局分析[J]. 环境科学学报, 33(3): 941-949.ZHAO X C, ZHU X, ZHOU Y Y, 2013. Effects of land uses on carbon emissions and their spatial-temporal patterns in Hunan Province [J].Acta Scientiae Circumstantiae, 33(3): 941-949.
钟超, 刘宇, 汪明月, 等, 2018. 中国碳强度减排目标实现的路径及可行性研究[J]. 中国人口·资源与环境, 28(10): 18-26.ZHONG C, LIU Y, WANG M Y, et al., 2018. Feasibility study on China′s potential paths to intensity-based carbon reduction targets [J].China population, resources and environment, 28(10): 18-26.
周嘉, 杨琳, 董美娜, 等, 2015. 基于土地利用的哈尔滨市 2004－2012年碳排放强度变化分析[J]. 地理科学, 35(3): 322-327.ZHOU J, YANG L, DONG M N, et al., 2015. Carbon emissions intensity change analysis based on land use in Harbin City from 2004 to 2012 [J]. Scientia Geographica Sinica, 35(3): 322-327.
周健, 肖荣波, 庄长伟, 等, 2013. 城市森林碳汇及其抵消能源碳排放效果: 以广州为例[J]. 生态学报, 33(18): 5865-5873.ZHOU J, XIAO R B, ZHUANG C W, et al., 2013. The carbon sink of urban forests and efficacy on offsetting energy carbon emissions from city in Guangzhou [J]. Acta Ecologica Sinica, 33(18):5865-5873.
朱宇恩, 李丽芬, 贺思思, 等, 2016. 基于IPAT模型和情景分析法的山西省碳排放峰值年预测[J]. 资源科学, 38(12): 2316-2325.ZHU Y E, LI L F, HE S S, et al., 2016. Peak year prediction of Shanxi Province’s carbon emissions based on IPAT modeling and scenario analysis [J]. Resources Science, 38(12): 2316-2325.
Spatial Differentiation in the Intensity and Efficiency of Carbon Emission from Land Use in Guangdong Province in Past Two Decades
YANG Guoqing1, ZHU Wenrui1*, WEN Ya2, LIN Yingchang1
1. School of Management, Guangdong University of Technology, Guangzhou 510520, China;
2. College of Natural Resources and Environment, South China Agricultural University, Guangzhou 510642, China
Abstract: Guangdong is one of the national trial provinces pursuing low-carbon emission in China. As a major economic province,developing low-carbon economy is an urgent need for Guangdong to promote its socioeconomic quality and shoulder the responsibility for reducing greenhouse gas emission. At regional scale, carbon emission is closely related to land use changes. To to deep into understanding the mechanisms of carbon emission due to land use changes is crucial for developing correct strategy for reducing carbon emission in future. This study analyzed the temporal and spatial variations of carbon emission in Guangdong province from 1996 to 2015 based on land use emission coefficient and the K-mean clustering method. The results showed that Guangdong′s net carbon discharge had been rising by on average an annual rate of 6.04%. In terms of the effects of land use on carbon emission, the construction land was the main carbon source whereas forest land was the main carbon sink. Besides, regarding carbon discharge in the past two decades, the northern Guangdong had the least net carbon emission that were mainly from farmland and construction land while the Pearl River Delta had the largest net carbon emission that were mainly from farmland and construction land. As per capita GDP increasing in the past two decades, carbon emission per unit GDP in Guangdong had been declining, indicating that the emission efficiency of land use had significantly been improved. Moreover, the carbon uptake by forest land in eastern and western Guangdong had the least change while the largest change took place in the northern Guangdong. By treating carbon emission per capita as the emission indicator and carbon emission per unit GDP as the efficiency indicator, the 21 prefecture-level cities in Guangdong could be classified into four categories: the high emission-medium efficiency, the high emission-low efficiency, the medium emission-low efficiency, and the low emission-high efficiency group. Although some achievements have been made at present, the situation of carbon emission reduction in Guangdong is still severe. In future, we should continue to regulate the intensity and efficiency of carbon emission, accelerate the transformation of the mode of economic development, and focus on promoting the construction of low-carbon demonstration provinces.
Key words: land use; carbon emission; intensity and efficiency; spatial clustering; Guangdong province
DOI: 10.16258/j.cnki.1674-5906.2019.02.015
中图分类号： X14; F301.2
文献标志码： A
文章编号： 1674-5906（2018）02-0332-09
引用格式： 杨国清, 朱文锐, 文雅, 林英昌, 2019. 20年来广东省土地利用碳排放强度与效率空间分异研究[J]. 生态环境学报,28(2): 332-340.
YANG Guoqing, ZHU Wenrui, WEN Ya, LIN Yingchang, 2019. Spatial differentiation in the intensity and efficiency of carbonemission from land use in Guangdong province in past two decades [J]. Ecology and Environmental Sciences, 28(2): 332-340.
基金项目： 国家自然科学基金项目（41171446）
作者简介：
*通信作者
收稿日期： 2018-09-20
标签：土地利用论文; 碳排放论文; 强度和效率论文; 空间聚类论文; 广东省论文; 广东工业大学管理学院论文; 华南农业大学资源与环境科学学院论文;