基于土地利用变化的陕西省县域碳排放时空变化及影响因素研究

曹周亮; 张欣蓉; 员学锋; 陈锦鸿

doi:10.13961/j.cnki.stbctb.2022.05.045

您当前的位置：

首页 >

文章列表页 >

基于土地利用变化的陕西省县域碳排放时空变化及影响因素研究

试验研究

- 基于土地利用变化的陕西省县域碳排放时空变化及影响因素研究
- Spatio-temporal Variation and Influencing Factors of CO₂ Emission at County Scale in Shaanxi Province Based on Land Use Change
- 水土保持通报 2022年42卷第5期页码：376-385
- 作者机构：
  
  1. 长安大学, 土地工程学院,陕西,西安,710054
  2. 长安大学地球科学与资源学院,陕西,西安,710054
  3. 陕西省土地整治重点实验室,陕西,西安,710054
  4. 长安大学乡村振兴研究院,陕西,西安,710054
- 作者简介：
- 基金信息：
  
  长安大学土地工程学院开放基金(211927190123);陕西省土地整治重点实验室基金项目“基于土地整治工程的陕西省耕地质量提升潜力分区”(211927190123)
- DOI：10.13961/j.cnki.stbctb.2022.05.045
  中图分类号： Q146;F301.2
- 纸质出版：2022
- 稿件说明：
移动端阅览
曹周亮, 张欣蓉, 员学锋, 等. 基于土地利用变化的陕西省县域碳排放时空变化及影响因素研究[J]. 水土保持通报, 2022,42(5):376-385.

Cao Zhouliang, Zhang Xinrong, Yuan Xuefeng, et al. Spatio-temporal Variation and Influencing Factors of CO₂ Emission at County Scale in Shaanxi Province Based on Land Use Change[J]. Bulletin of Soiland Water Conservation, 2022, 42(5): 376-385.
曹周亮, 张欣蓉, 员学锋, 等. 基于土地利用变化的陕西省县域碳排放时空变化及影响因素研究[J]. 水土保持通报, 2022,42(5):376-385. DOI： 10.13961/j.cnki.stbctb.2022.05.045.

Cao Zhouliang, Zhang Xinrong, Yuan Xuefeng, et al. Spatio-temporal Variation and Influencing Factors of CO₂ Emission at County Scale in Shaanxi Province Based on Land Use Change[J]. Bulletin of Soiland Water Conservation, 2022, 42(5): 376-385. DOI： 10.13961/j.cnki.stbctb.2022.05.045.

摘要

[目的

]

分析2000—2020年陕西省县域碳排放时空变化和影响因素，为陕西省生态文明建设和实现低碳可持续发展提供参考。[方法

]

利用社会经济数据和土地利用数据，构建碳排放估算模型，核算了2000—2020年陕西省县域碳排放总量，分析了陕西省碳排放时空分布格局与演化特征，并通过地理加权回归(GWR)模型探究了碳排放的影响因素。[结果

]

①总量上，2000—2020年陕西省碳排放量总量呈上升趋势，从2000年的3.30×10

t增长至2020年的1.93×10

t，历经“大幅增长—缓慢增长”两个阶段。②空间上，2000—2020年陕西省碳排放量中心逐步向东北方向移动，空间分布范围呈现扩张态势，热点区主要分布在榆林市北部县域、西安市和咸阳市辖区的周边部分县域，冷点区主要分布在佛坪县和石泉县。③影响因素上，人均GDP值、土地利用程度和人均社会零售总额与陕西省各县域碳排放量呈正相关，产业结构与陕西省60.74%县域碳排放量呈负相关，人口密度与陕西省92.52%县域碳排放量呈负相关。[结论

]

建议通过制定差异性区域碳减排方案，优化土地利用结构，控制建设用地增长规模，提高公众低碳环保意识等方式促进陕西省县域低碳发展。

Abstract

[Objective] The spatio-temporal changes and influencing factors of carbon emission at the county scale in Shaanxi Province from 2000 to 2020 were analyzed in order to provide a reference for ecological civilization construction and low-carbon sustainable development in Shaanxi Province. [Methods] Socioeconomic and land use data were used to construct a carbon emission estimation model. The total carbon emission in Shaanxi Province was calculated and the spatiotemporal patterns and changes from 2000 to 2020 were analyzed. Subsequently. The influencing factors of carbon emissions were determined using the geographically weighted regression method. [Results] ① Total carbon emissions increased from 3.30×107 tons in 2000 to 1.93×108 tons in 2020. The evolution of carbon emission can be divided into two stages (substantial growth and slow growth). ② The carbon emission center gradually moved to the northeast from 2000 to 2020

and the spatial distribution range showed an expansion trend. The hot spots were mainly located in the northern counties of Yulin City

and around Xi’an and Xianyang City. The cold spots were mainly located in Foping County and Shiquan County. ③ Per capita GDP

land use degree

and per capita total social retail sales were positively correlated with carbon emissions

while industrial structure and population density were negatively correlated in 60.74% and 92.52% of counties

respectively. [Conclusion] Low-carbon development should be promoted in Shaanxi Province by formulating differentiated regional carbon emission reduction plans

optimizing the land use structure

controlling the expansion of construction land

and by enhancing public awareness of low-carbon environmental protection.

关键词

Keywords

references

Meehl G A, Teng Haiyan, Arblaster J M. Climate model simulations of the observed early-2000s hiatus of global warming [J]. Nature Climate Change, 2014,4(10):898-902.

Olivier J G J, Peters J A H W. Trends in global CO

and total greenhouse gas emissions: 2020 report [R]. The Hague:PBL Netherlands Environmental Assessment Agency,2020:1-85.

王少剑,谢紫寒,王泽宏.中国县域碳排放的时空演变及影响因素[J].地理学报,2021,76(12):3103-3118.

习近平.继往开来,开启全球应对气候变化新征程: 在气候雄心峰会上的讲话[J].一带一路报道(中英文),2021(1):20-21.

王深,吕连宏,张保留,等.基于多目标模型的中国低成本碳达峰、碳中和路径[J].环境科学研究,2021,34(09):2044-2055.

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.

Watson R T. Land use, land-use change, and forestry [M]. Cambridge, UK: Cambridge University Press, 2000.

何小钢,张耀辉.中国工业碳排放影响因素与CKC重组效应:基于STIRPAT模型的分行业动态面板数据实证研究[J].中国工业经济,2012(1):26-35.

高鸣,宋洪远.中国农业碳排放绩效的空间收敛与分异:基于Malmquist-Luenberger指数与空间计量的实证分析[J].经济地理,2015,35(4):142-148.

孙玉环,杨光春.中国旅游业碳排放的影响因素分解及脱钩效应[J].中国环境科学,2020,40(12):5531-5539.

李小康,王晓鸣,华虹.土地利用结构变化对碳排放的影响关系及机理研究[J].生态经济,2018,34(1):14-19.

吕倩,刘海滨.基于夜间灯光数据的黄河流域能源消费碳排放时空演变多尺度分析[J].经济地理,2020,40(12):12-21.

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.

武娜,沈镭,钟帅,等.晋陕蒙地区经济增长与碳排放时空耦合关系[J].经济地理,2019,39(9):17-23.

李鹏,李静婷,梁亚红,等.近30年鹤壁市土地利用/覆被变化及碳效应分析[J].生态经济,2019,35(7):121-128.

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.

刘玉珂,金声甜.中部六省能源消费碳排放时空演变特征及影响因素[J].经济地理,2019,39(1):182-191.

黎孔清,马豆豆,李义猛.基于STIRPAT模型的南京市农业碳排放驱动因素分析及趋势预测[J].科技管理研究,2018,38(8):238-245.

袁长伟,芮晓丽,武大勇,等.基于地理加权回归模型的中国省域交通碳减排压力指数[J].中国公路学报,2016,29(6):262-270.

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.

袁壮壮,叶长盛,李辉丹.基于土地利用变化的南昌市碳排放效应分析[J].湖南师范大学自然科学学报,2021,44(5):30-39.

Fang Jingyun, Yu Guirui, Liu Lingli, et al. Climate change,human impacts,and carbon sequestration in China [J]. Proceedings of the National Academy of Sciences of the United States of America, 2018,115(16):4015-4020.

Tang Xuli, Zhao Xia, Bai Yongfei, et al. Carbon pools in China’s terrestrial ecosystems: New estimates based on an intensive field survey [J]. Proceedings of the National Academy of Sciences, 2018,115(16):4021-4026.

Piao Shilong, Fang Jingyun, Zhou Liming, et al. Changes in vegetation net primary productivity from 1982 to 1999 in China [J]. Global Biogeochemical Cycles, 2005,19(2).

孔东升,张灏.张掖黑河湿地自然保护区生态服务功能价值评估[J].生态学报,2015,35(4):972-983.

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,2006,26(4):1285-1292.

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),2007,37(6):804-812.

赵璐,赵作权.基于特征椭圆的中国经济空间分异研究[J].地理科学,2014,34(8):979-986.

靳诚,陆玉麒.基于县域单元的江苏省经济空间格局演化[J].地理学报,2009,64(6):713-724.

Stewart Fotheringham A, Charlton M, Brunsdon C. The geography of parameter space: An investigation of spatial non-stationarity [J]. International Journal of Geographical Information Systems, 1996,10(5):605-627.

Brunsdon C, Fotheringham A S, Charlton M E. Geographically weighted regression: A method for exploring spatial nonstationarity [J]. Geographical Analysis, 2010,28(4):281-298.

王雅楠,赵涛.基于GWR模型中国碳排放空间差异研究[J].中国人口·资源与环境,2016,26(2):27-34.

Fotheringham A S, Brunsdon C, Charlton M. Geographically Weighted Regression: The Analysis of Spatially Varying Relationships [M]. Chichester: Wiley, 2002.

赵雲泰,黄贤金,钟太洋,等.1999—2007年中国能源消费碳排放强度空间演变特征[J].环境科学,2011,32(11):3145-3152.

何文举,张华峰,陈雄超,等.中国省域人口密度、产业集聚与碳排放的实证研究:基于集聚经济、拥挤效应及空间效应的视角[J].南开经济研究,2019(2):207-225.

Yuan Baolong, Ren Shenggang, Chen Xiaohong. The effects of urbanization, consumption ratio and consumption structure on residential indirect CO

emissions in China: A regional comparative analysis [J]. Applied Energy, 2015,140:94-106.

浏览量

597

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于土地利用的陕西省生态风险分析

陕西省碳排放影响因素及其区域分异特征

陕西省2001-2010年土地资源利用效益评价

2000-2020年淮南矿区土地利用变化对碳源/碳汇时空格局的影响

长江中下游典型区域土地利用碳排放风险——以江西省九江市为例