EN中文

经济地理 >

2023 , Vol. 43 >Issue 9: 172 - 178

DOI: https://doi.org/10.15957/j.cnki.jjdl.2023.09.018

三农、土地与生态

黄河流域城市群土地利用的碳排放效应

展开
  • 1.郑州大学 管理学院,中国河南 郑州 450000;
    2.中国人民大学 公共管理学院,中国 北京 100872;
    3.郑州大学 政治与公共管理学院,中国河南 郑州 450000;
    4.北京市农林科学院 质量标准与检测技术研究所,中国 北京 100097
郭安宁（1993—）,女,博士,讲师,研究方向为资源环境与低碳经济。E-mail：guoanning0084@163.com
※李玉峰（1994—）,男,博士,助理研究员,研究方向为资源的环境效应。E-mail：18801478280@163.com

网络出版日期: 2024-03-29

基金资助

国家社会科学基金项目（21BJL004）; 河南省社会科学规划专题项目（2022ZT51）

收起

Carbon Emission from Land Use in Urban Agglomeration of the Yellow River Basin

Expand
  • 1. School of Management,Zhengzhou University,Zhengzhou 450000,Henan,China;
    2. School of Public Administration and Policy,Renmin University of China,Beijing 100872,China;
    3. School of Politics and Public Administration,Zhengzhou University,Zhengzhou 450000,Henan,China;
    4. Institute of Quality Standard and Testing Technology,Beijing Academy of Agriculture and Forestry Sciences,Beijing 100097,China

Online published: 2024-03-29

Fold

摘要

从流域地理分异的视角探讨黄河流域土地利用碳排放效应,是合理利用国土空间、制定差异化碳减排政策的重要基础。基于构建的长时序DMSP/OLS和NPP/VIIRS夜间灯光数据,核算2009—2018年黄河流域城市群土地利用碳排放,通过时空地理加权回归（GTWR）,解析各城市群碳排放的空间分异特征及影响因素。结果表明：①2009—2018年黄河流域各城市群碳排放整体表现出收敛态势,峰值大多出现在2012和2017年,2013年为低值聚集年;流域上表现为下游>中游>上游的分异特征。②莫兰指数表明各城市群土地利用碳排放呈正向显著空间自相关,形成上中游以鄂尔多斯、榆林和下游以潍坊、临沂为辐射面的高—高聚集地,以及上游环兰州、西宁的低—低聚集地。③不同时期,黄河流域城市群碳排放的驱动因素不尽相同,经济发展和产业结构对城市群土地利用碳排放的影响逐渐减弱,而城镇化率和土地利用结构对碳排放具有持续性的高影响;主导因素在空间上的异质性决定了不同城市群的提升策略各有差异。未来黄河流域城市群可持续发展与生态保护应在考虑区域协同联动发展的基础上分区分时施策。

关键词： 黄河流域; 城市群; 土地利用; 能源消耗; 碳排放; 碳减排政策; 城镇化率

本文引用格式

郭安宁, 牛陆, 刘霈珈, 李玉峰 . 黄河流域城市群土地利用的碳排放效应[J]. 经济地理, 2023 , 43(9) : 172 -178 . DOI: 10.15957/j.cnki.jjdl.2023.09.018

Abstract

Exploring the effects of carbon emission of land use in the Yellow River basin from the perspective of geographical differentiation is an important basis for the rational land use and the policy formulation of differentiated carbon reduction. Based on the night light data of DMSP/OLS and NPP/VIIRS,this study calculates the carbon emissions of land use in the urban agglomerations of the Yellow River from 2009 to 2018. It uses geographically and temporally weighted regression (GTWR) to analyze the spatial characteristics and influencing factors of the carbon emissions of land use. Results show that: 1) From 2009 to 2018,the carbon emissions showed a convergence trend. Most peaks occurred in 2012 and 2017,it had a low value in 2013. The carbon emission values from high to low are the lower reaches of Yellow River,the middle reaches of Yellow River and the upper reaches of Yellow River respectively. 2) Moran's index showed that the carbon emissions of land use had a positive significant spatial autocorrelation among the urban agglomerations of the Yellow River. High-high aggregation areas with the radiation surface were Ordos,Yulin,Weifang and Linyi. Low-low aggregation areas were Lanzhou and Xining. 3) In different periods,the dominant driving factors were different. The impact of economic development and industrial structure gradually weakens,while the urbanization rate and land use structure have a sustained high impact. The spatial heterogeneity of dominant factors determines that the promotion strategies of different urban agglomerations should be different. In the future,sustainable development and ecological protection should be implemented deferring from spatial and temporal differentiation.

Key words： the Yellow River basin; urban agglomeration; land use; carbon emissions; energy consumption; carbon emissions; carbon reduction policies; urbanization rate

参考文献

[1] 杨皓然,吴群. 不同政策方案下的南京市土地利用碳排放动态模拟[J]. 地域研究与开发,2021,40(3):121-126.
[2] 文琦,万媛媛,陆冰洁,等. 中国能源地理学研究进展及展望[J]. 经济地理,2022,42(11):95-102,132.
[3] 李颖,黄贤金,甄峰. 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,2008,24(S2):102-107.
[4] 许蕊,黄贤金,王佩玉等. 黄河流域国土空间碳中和度研究——以内蒙古段为例[J]. 生态学报,2022,42(23):9651-9662.
[5] 方精云,郭兆迪,朴世龙,等. 1981—2000年中国陆地植被碳汇的估算[J]. 中国科学(D辑:地球科学),2007(6):804-812.
[6] 吉雪强,刘慧敏,张跃松. 中国省际土地利用碳排放空间关联网络结构演化及驱动因素[J]. 经济地理,2023,43(2):190-200.
[7] 王喜,张艳,秦耀辰,等. 我国碳排放变化影响因素的时空分异与调控[J]. 经济地理,2016,36(8):158-165.
[8] 游和远,吴次芳. 土地利用的碳排放效率及其低碳优化——基于能源消耗的视角[J]. 自然资源学报,2010,25(11):1875-1886.
[9] 易丹,欧名豪,郭杰,等. 土地利用碳排放及低碳优化研究进展与趋势展望[J]. 资源科学,2022,44(8):1545-1559.
[10] 彭文甫,周介铭,徐新良,等. 基于土地利用变化的四川省碳排放与碳足迹效应及时空格局[J]. 生态学报,2016,36(22):7244-7259.
[11] 罗谷松,李涛. 碳排放影响下的中国省域土地利用效率差异动态变化与影响因素[J]. 生态学报,2019,39(13):4751-4760.
[12] 阿依吐尔逊·沙木西,艾力西尔·亚力坤,刘晓曼,等. 乌鲁木齐土地利用碳排放强度时空演变研究[J]. 中国农业资源与区划,2020,41(2):139-146.
[13] 张赫,彭千芮,王睿,等. 中国县域碳汇时空格局及影响因素[J]. 生态学报,2020,40(24):8988-8998.
[14] 易丹,欧名豪,郭杰,等. 土地利用碳排放及低碳优化研究进展与趋势展望[J]. 资源科学,2022,44(8):1545-1559.
[15] 韩骥,周翔,象伟宁. 土地利用碳排放效应及其低碳管理研究进展[J]. 生态学报,2016,36(4):1152-1161.
[16] 赵荣钦,黄贤金,刘英,等. 区域系统碳循环的土地调控机理及政策框架研究[J]. 中国人口·资源与环境,2014,24(5):51-56.
[17] 马晓哲,王铮. 土地利用变化对区域碳源汇的影响研究进展[J]. 生态学报,2015,35(17):5898-5907.
[18] Zhang L,Yang L,Zohner C M,et al.Direct and indirect impacts of urbanization on vegetation growth across the world’s cities[J]. Science Advances,2022,DOI:10.1126/sciadv.abo0095.
[19] 张腾飞,杨俊,盛鹏飞. 城镇化对中国碳排放的影响及作用渠道[J]. 中国人口·资源与环境,2016,26(2):47-57.
[20] 冯薇,赵荣钦,谢志祥,等. 碳中和目标下土地利用碳排放效率及其时空格局——以黄河流域72个地级市为例[J]. 中国土地科学,2023,37(1):102-113.
[21] 赵先超,田一豆,张潇湘. 长株潭城市群土地利用碳排放与生态系统服务价值时空关系分析[J/OL]. 水土保持学报:1-11[2023-07-19].
[22] Feng Y,Chen S,Tong X,et al.Modeling changes in China’s 2000-2030 carbon stock caused by land use change[J]. Journal of Cleaner Production,2019,DOI:10.1016/j.jclepro. 2019.119659.
[23] 朱媛媛,张瑞,顾江,等. “双碳”目标下长江中游城市群生态福利绩效变化的经济—环境效应[J]. 经济地理,2023,43(5):89-96.
[24] 顾汉龙,马天骏,钱凤魁,等. 基于CLUE-S模型县域土地利用情景模拟与碳排放效应分析[J]. 农业工程学报,2022,38(9):288-296.
[25] Wei C,Ren S,Yang P,et al.Effects of irrigation methods and salinity on CO2 emissions from farmland soil during growth and fallow periods[J]. Science of the Total Environment,2021,https://doi.org/10.1016/j.scitotenv.2020.141639.
[26] Chen J,Gao M,Cheng S,et al. County-level CO2 emissions and sequestration in China during1997-2017[J]. Scientific Data,2020,https://doi.org/10.6084/m9.figshare.13090370.
[27] Liu Z,He C,Zhang Q,et al.Extracting the dynamics of urban expansion in China using DMSP-OLS nighttime light data from 1992 to 2008[J]. Landscape and Urban Planning,2012,106(1):62-72.
[28] Li X,Li D R,Xu H M,et al.Intercalibration between DMSP/OLS and VIIRS night-time light images to evaluate city light dynamics of Syria’s major human settlement during Syrian Civil War[J]. International Journal of Remote Sensing,2017(38):5934-5951.
[29] Wu K,Wang X. Aligning pixel values of DMSP and VIIRS nighttime light images to evaluate urban dynamics[J]. Remote Sensing,2019,https://doi.org/10.3390/rs11121463.
[30] 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.
[31] 赖力,黄贤金,刘伟良,等. 基于投入产出技术的区域生态足迹调整分析——以2002年江苏省经济为例[J]. 生态学报,2006(4):1285-1292.
[32] 石洪昕,穆兴民,张应龙,等. 四川省广元市不同土地利用类型的碳排放效应研究[J]. 水土保持通报,2012,32(3):101-106.
[33] 孙赫,梁红梅,常学礼,等. 中国土地利用碳排放及其空间关联[J]. 经济地理,2015,35(3):154-162.
[34] 牛亚文,赵先超,胡艺觉. 基于NPP-VIIRS夜间灯光的长株潭地区县域土地利用碳排放空间分异研究[J]. 环境科学学报,2021,41(9):3847-3856.
[35] 李恩康,陆玉麒,陈娱. 中国外贸货物出口的地理格局演化及影响因素分析——基于货物出口距离和GTWR模型[J]. 地理研究,2019,38(11):2624-2638.
[36] 李竹,王兆峰,吴卫,等. 碳中和目标下中国省域碳平衡能力与城镇化的关系[J]. 自然资源学报,2022,37(12):3136-3152.
[37] 李硕硕,刘耀彬,骆康. 环鄱阳湖县域新型城镇化对碳排放强度的空间溢出效应[J]. 资源科学,2022,44(7):1449-1462.
[38] 刘璇,许恒周,张苗. 土地出让市场化的碳排放效应及传导机制——基于产业结构中介视角[J]. 中国人口·资源与环境,2022,32(6):12-21.
[39] 朱佳慧,于丽英. 我国科技创新与金融发展的耦合协同测度——基于VIF-变异系数的筛选[J]. 上海大学学报:自然科学版,2021,27(4):785-794.
[40] 强国民. 基本养老保险水平对城乡收入差距的影响研究[D]. 武汉:华中科技大学,2021.
Options
文章导航

/

〈 〉