城市建设用地碳排放强度时空演变、影响因素及减排潜力研究

余 敦，胡宜之，王检萍

（江西农业大学 国土资源与环境学院，江西 南昌 330045）

【研究意义】经济快速发展刺激更多的能源消费，由此带来的持续性大规模二氧化碳排放使中国成为世界上最大的碳排放国家。城市作为人类生产和生活的中心，不仅是能源消耗的主体区域，也是碳排放产生的重灾区[1]。城市建设用地是人类能源活动、工业生产和生活居住的基本空间载体，社会经济活动产生的二氧化碳主要集中在工矿仓储、居住交通等建设用地[2]。城市建设用地承载的碳排放是实际生产生活中主要的碳排放来源，定量衡量碳排放主要有总量和强度两个指标，与总量相比，强度更能科学准确地反映区域实际碳排放水平。因此，研究城市建设用地碳排放强度时空演变、影响因素及其减排潜力，不仅有助于揭示城镇化影响碳排放的内在机理，同时对加快城市生态文明建设也具有推动作用。【前人研究进展】在现实驱动与政策引导下，学术界已经开展大量有关城市碳排放的研究并取得丰硕成果。在研究内容方面，已有研究主要围绕总量测算[3-4]、影响因素[5-8]、生态效率[9-10]、时空格局[11-13]以及耦合关系[14-16]等方面开展；研究视角上分为国家[17-19]、省域[20-21]、城市群[1,22]、市域[23]以及县域[24-25]等。其中碳排放测算多以IPCC 框架为主[26-27]，影响因素主要通过Theil 指数[28]、STIRPAT[29]、LMDI[30]等模型分解，时空格局多通过空间自相关、冷热点分析等方法刻画[10-11,31]。此外，随着节能减碳控排和“双碳”工作的稳步推进，有关土地减排潜力的研究也逐渐成为热点问题[32-33]。【本研究切入点】已有研究可为开展城市建设用地碳排放研究提供完备的技术路线和研究思路，但仍存在完善的空间：（1）部分研究局限于碳排放的简单测算和动态分析，对碳排放的地域差异和演变特征分析略显不足；（2）有关城市碳排放研究多从省市或城市群视角开展，国家层面的时空异质性和因素驱动效应有待进一步丰富和补充；（3）已有减排潜力研究多集中交通、电力、农业等特定领域或部门，从土地利用角度，尤其是城市建设用地开展的研究较为鲜有。研究表明，全球城市碳排放量约占碳排放总量的75%～80%[34]，中国城市建设用地碳排放量占碳排放总量比重则超过80%[35]，城市发展面临较大的减排压力。【拟解决的关键问题】本文利用IPCC核算框架从能源活动、工业生产与人口呼吸3个方面对中国城市建设用地碳排放总量和强度进行科学测算，从时序变化、空间集聚以及重心迁移等方面揭示碳排放强度时空演变特征，同时利用扩展的Kaya 恒等式建立碳排放因素分解模型，分析驱动影响因素对人均碳排放量增长贡献并估算各省市城市建设用地减排潜力。研究结果可为各级人民政府制定合理的城市减排政策提供数据支撑，也可为全国广大乡村地区实现“双碳”目标提供经验借鉴。

1 研究单元与数据来源

1.1 研究单元

本研究对象为城市建设用地，研究单元为中国30 个省、自治区和直辖市，西藏、台湾、香港和澳门等地区因统计数据缺失，故未纳入分析。

1.2 数据来源

本研究以2000—2019年为研究期，能源消费数据分别来源于《中国能源统计年鉴》、工业生产数据来源于《中国工业经济统计年鉴》、人口数据来源于《中国人口就业统计年鉴》；城市建设用地面积来源于《中国城市建设统计年鉴》；国内生产总值以及其他相关数据来源于《中国统计年鉴》，对于个别统计缺失数据采用插值法进行拟合估算。折标准煤系数来源于《中国能源统计年鉴2020》，碳排放系数来源于《IPCC 2006 年国家温室气体清单指南2019 修订版》。中国行政区划矢量地图来源于自然资源部标准地图服务系统（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 主导、多方积极参与的局面[36]。参照IPCC 核算框架，本文从能源活动、工业生产与人口呼吸3个方面测算城市建设用地碳排放量，碳排放总量CE为：

能源活动碳排放量CEe为：

式中，i表示能源种类，包括原煤、原油、焦炭、汽油、柴油、煤油、燃料油和天然气；Ei表示能源i折算为标准煤后的消耗量，万t；Ci表示能源i的碳排放系数，万t/万t标准煤。

工业生产碳排放量CEi为：

式中，j表示工业产品种类，包括钢铁、水泥和合成氨；Pj表示工业产品j的生产量，万t；Ij表示生产单位工业产品j的碳排放量，万t。

人口呼吸碳排放量CEr为：

式中，POP为省市城市常住人口，万人；PRCE为人均年呼吸碳排放量，参考相关研究取值0.29 t/a[26]。

城市建设用地碳排放强度表示单位城市建设用地面积承载的碳排放量，可定量化反映出人类活动在空间上造成的碳排放负担[37]。其计算公式为：

式中，CI表示碳排放强度，万t/km2；CE表示碳排放总量，万t；D表示城市建设用地面积，km2。

2.2 空间自相关

（1）全局空间自相关。Global Moran’s I指数主要反映研究区整体空间集聚特征。其计算公式为：

式中，I表示Global Moran’s I 指数，n表示省市数目，wij表示省市i和j城市建设用地碳排放强度的空间权重，Ti-T和Tj-T分别表示省市i和j城市建设用地碳排放强度观测值与平均值的偏差。

（2）局部空间自相关。Local Moran’s I指数主要反映某一空间单元与周围空间单元的关联程度。其计算公式为：

式中，Ii表示Local Moran’s I指数，其余变量含义同式（6）。

2.3 重心迁移模型

重心迁移模型作为描述区域发展过程中某要素空间变化的重要分析工具，可以直观地揭示不同时期碳排放强度在时空演变过程中的迁移方向及距离[38]。其计算公式为：

式中，Xi和Yi分别表示第i年碳排放强度重心的地理坐标；CIi表示第i年碳排放强度实际值；xi和yi分别表示第i年碳排放强度重心的地理坐标。

重心迁移距离计算公式为：

式中，L表示重心迁移距离，km；α是将地理坐标转化为平面距离的单位系数，取值111.111；（Xa，Ya)、（Xb，Yb)分别表示碳排放强度重心在a、b年的地理坐标。

2.4 碳排因素分解

Kaya 恒等式源于日本学者Yoichi Kaya 在IPCC 讨论会上的报告[39]，该恒等式主要揭示经济、政策及人口等因素对人类活动产生的二氧化碳量的影响。其计算公式为：

式中，CO2、POP、GDP和PE分别表示碳排放总量、国内人口总数、国内生产总值以及能源消费总量。

进一步可得，t时期人均碳排放量PCt与基期人均碳排放量PC0的差值为：

分解后可得：

式中，ΔPCM、ΔPCG、ΔPCF、ΔPCrsd分别表示能源消费因素、能源效率因素、经济发展因素以及分解余量对人均碳排放量增长的贡献值，其中正值表明该因素对人均碳排放量增长起促进作用，负值表明该因素对人均碳排放量增长起抑制作用。

2.5 减排潜力估算

在研究各省市城市建设用地减排潜力时，不仅需要关注碳排放强度的动态变化特征，还应将碳排放强度的区域差异性纳入分析，参考国涓等[42]，若基期碳排放强度为A(CI)0，第t年碳排放强度变化为ΔA(CI)t，则该时期内碳排放强度平均变化率为：

设各省市碳排放强度均按照全国平均变化率变化，则省市k的参考碳排放强度变化为：

式中，(CI)k0表示基期省市k的碳排放强度，故将各省市城市建设用地减排潜力指数ck 定义为实际碳排放强度变化Δ(CI)kt与参考碳排放强度变化Δ(CIR)kt的比值：

若ck＞1，则参考碳排放强度变化小于实际碳排放强度变化，表明省市k的减排水平高于全国平均减排水平。

3 结果与分析

3.1 城市建设用地碳排放强度时间变化趋势

研究期内城市建设用地碳排放总量逐年递增，碳排放强度呈现明显阶段性增强趋势。由图1 可知，2000—2019年城市建设用地面积与碳排放总量均近似呈线性增长趋势。城市建设用地面积由22 113.7 km²扩张至58 307.7 km²，年平均扩张率为5.24%，碳排放总量由119 882.16万t逐年增加至411 125.07万t，年平均增长率为6.7%。研究期内，中国城镇化水平显著提高、工业化进程明显加快，城市发展需要依托更多的建设用地，面积的持续扩张意味着将会开展更多能源消费和工业生产活动，由此导致碳排放总量逐年增加。

图1 2000—2019年城市建设用地面积、碳排放总量及强度变化趋势Fig.1 Change trend of urban construction land area，total carbon emission and intensity from 2000 to 2019

进一步分析可知，城市建设用地碳排放强度在时序上经历了以下几个发展阶段：2000—2007年碳排放强度呈现“先减后增”的V型变化，并在2002年减小至碳排放强度最小值，该变化与碳排放总量增加速率变化基本一致。而2002—2007年碳排放强度增强是由于受到外部经济环境形势乐观和内部发展环境需求扩大双向驱动的影响，各类规模的高能耗生产活动广泛开展，使得碳排放总量的增长速率（12.41%）大幅高于同期城市建设用地的扩张速率（6.44%）。2007—2008年碳排放强度出现短期降低，是因为在环境政策约束下能源、工业等生产活动开展强度稍有缓解促使碳排放降低。2008—2011 年再次出现碳排放强度回升增大的情况，城市化和工业化进程加快导致城市建设用地利用效率提高，社会经济建设促使各类能源消费、工业生产规模和领域扩大，因而碳排放总量迅速增加。2011—2017年碳排放强度大幅降低，该阶段正处于国家“十二五”和“十三五”规划时期，各省市积极贯彻落实国家战略规划提倡的节能降耗要求，能源消耗减缓，减排成效显著。2017—2019 年碳排放强度突增，究其原因是现代化和智能化的生活模式促使人均能源消费普遍升高，但是低碳优化技术的发展程度难以满足能源需求规模的扩大速度，同时城市建设用地的无序扩张成为治理难题，在碳排放总量增加城市建设用地面积稳定扩张的情况下，碳排放强度大幅增加是必然结果。

3.2 城市建设用地碳排放强度空间分布特征

综合各省市实际经济发展水平和城市建设用地碳排放强度数理特征，采用自然断点法划分出低、较低、中等、较高和高5个碳排放强度等级（图2）。分析可知，碳排放强度较大区域已实现由华北南部地区向华北、西北地区的扩大，空间上呈现“北高南低”的分布格局。从范围变化看，城市建设用地碳排放强度等级较高区域范围呈现扩张态势。2000年仅有甘肃、山西、河北及贵州等碳排放强度能够达到中等或较高水平，2006 年碳排放强度等级较高区域范围扩大，宁夏、陕西、河南、山东、云南、贵州等地区碳排放强度均有所增加。2012 年除北京、天津等地区外，大部分省市碳排放强度等级有所提升，尤其是陕西和内蒙古已经进入碳排放强度高等级地区行列。2019 年碳排放强度等级较高省市数量虽然有所减少，但是与研究基期相比整体碳排放强度等级仍处于较高水平。从区域分布看，碳排放强度等级较高省市主要集中在华北、西北地区。2000 年碳排放强度等级较高区域主要集中在甘肃、贵州、河北等地区，而2019 年碳排放强度等级较高区域则扩大至新疆、青海、甘肃、宁夏、陕西、内蒙古等地区，逐渐形成“北高南低”的空间分布格局。造成这种空间变化的主要原因是北方能源、工业活动活跃，南方经济、文化产业发达，北方煤炭、石油等资源丰富，南方多稀有金属、有色金属等工业原料，因而形成北方以重工业为主、南方轻工业发达的产业格局，发展重工业必然产生更多的碳排放。此外，国家实施西部大开发、东北振兴以及“一带一路”等区域发展战略促进了西北、华北等地区城市建设用地扩张，也为这些地区带来更多的碳排放。

图2 2000—2019年城市建设用地碳排放强度等级Fig.2 Carbon emission intensity grade of urban construction land from 2000 to 2019

为进一步揭示碳排放强度的空间分布特征，借助GeoDa软件构建基于Queen标准的一阶空间权重矩阵并输出碳排放强度Moran′s I 指数和LISA 聚类分布结果。结果表明碳排放强度具有显著的空间自相关性，空间集聚状态基本形成以高—高集聚（HH）和低—低集聚（LL）为主导的固定模式。碳排放强度Moran’s I指数均为正值且通过95%水平的显著性检验，说明碳排放强度在空间上呈现明显的集聚特征。此外，由图3 可知，Moran’s I 指数整体上呈现增加趋势（2000 年为0.231，2006 年为0.248，2012 年为0.301，2019 年为0.319），说明城市建设用地碳排放强度的空间集聚水平不断提升，不同省市碳排放强度差异趋向缩小。

图3 2000—2019年城市建设用地碳排放强度莫兰散点图Fig.3 Moran scatter diagram of carbon emission intensity of urban construction land from 2000 to 2019

Moran’s I指数仅从整体上判断和识别城市建设用地碳排放强度的空间相关性，可进一步通过LISA图来刻画各省市城市建设用地碳排放强度在局部空间位置上的空间集聚特征（图4）。总体上看，碳排放强度的主要局部空间自相关类型为高—高集聚（HH）和低—低集聚（LL），高—高集聚（HH）区域逐渐由东部向北部移动，低—低集聚（LL）区域逐渐由西部向南部移动。研究期间，高—高集聚（HH）区域前期主要集中在山东、安徽、江苏等东部省市，后期主要集中在内蒙古、甘肃、宁夏等北部省市；低—低集聚（LL）区域前期主要集中在云南、四川、甘肃等西部省市，后期主要集中在湖南、江西、浙江等南部省市。造成空间集聚情况发生变化的原因是，中国核心城市群、经济圈主要集中在东部地区，东部地区在发展经济的同时也在积极开展产业改革和环境治理工作，城市碳排放得到有效控制；南部地区主要发展服装制造、数码电子等低能耗产业，加上城市建设用地扩张速度较慢，导致碳排放强度普遍较低；在城市发展过程中，西部地区能源消费增加，但节能减排技术也得到较大程度改进；北部地区依托资源优势，大力发展煤炭、钢铁等高能耗产业带动地区经济增长，逐渐成为城市建设用地碳排放的热点区域。

图4 2000—2019年城市建设用地碳排放强度LISA图Fig.4 LISA diagram of carbon emission intensity of urban construction land from 2000 to 2019

3.3 城市建设用地碳排放强度重心迁移轨迹

借助ArcGIS 10.8软件输出2000—2019年城市建设用地碳排放强度重心迁移空间格局（图5）。分析可知，城市建设用地碳排放强度重心在110°～115°E，34°～36°N内迁移变化，主要集中在河南和山西地区，与中国经济增长重心和城市建设用地重心变化趋势保持一致。说明经济发展对提高城市建设用地利用率起促进作用，城市建设用地利用率高意味着承担更多的能源、工业活动，同时也会产生更多的碳排放。未来中国碳减排工作重心应该集中在河南、山西及其周边地区，制定合理的区域碳排放约束政策，以此有效降低区域碳排放。

图5 城市建设用地碳排放强度重心迁移空间格局Fig.5 Spatial pattern of carbon emission intensity center migration of urban construction land

进一步列出城市建设用地碳排放强度重心坐标及迁移距离（表2）。由表2 可知，碳排放强度重心总体向西北方向迁移1 097.93 km，主要由河南东北部地区迁移至山西西南部地区，重心迁移速率约为70 km/a，其中2000—2009 年重心出现3 次折回迁移，2000—2003 年重心迁移距离最远，由河南东北部迁移至山西西南部，在西偏南方向上移动368.26 km；2003—2006 年重心再次迁移回河南东北部，迁移距离为351.64 km；2006—2009 年重心迁移至河南西北部与山西交界地区，迁移距离为389.72 km；2009—2012 年重心由河南西北部迁移至陕西西南部，迁移距离为39.41 km；2012—2019 年重心保持向东北方向迁移，但是总体迁移距离仅为56.41 km，预计未来3～5 年内碳排放强度重心将持续集中在山西地区。

表2 城市建设用地碳排放强度重心坐标及迁移距离Tab.2 Center of gravity coordinates and moving distance of carbon emission intensity of urban construction land

3.4 城市建设用地碳排放影响因素分解

将城市建设用地碳排放影响因素分解得到各因素对人均碳排放量增长的贡献值（表3）。其中能源消费和能源效率因素贡献值均为负值，经济发展因素贡献值为正值，说明在影响人均碳排放增长方面，能源消费和能源效率表现为抑制作用，经济发展表现为促进作用。抑制性因素贡献值的增长幅度不足以抵消促进性因素贡献值的增长幅度，从而使得人均碳排放量逐年递增。

表3 2001—2019年各因素对人均碳排放量增长的贡献值Tab.3 Contribution value of various factors to per capita carbon emission growth from 2001 to 2019

将分解结果图示化（图6）可以发现，能源消费对人均碳排放量增长的抑制作用较小，贡献值约在0.01～0.09 变动。能源效率因素贡献值变化速率逐年加快，总体贡献值处于较高水平，说明能源效率在抑制人均碳排放量增长上发挥主要作用且抑制作用逐年增强。经济发展是促进人均碳排放量增长的主导因素，总体上对人均碳排放量的促进作用逐年增强且增长变化率较大。究其原因，宏观低碳政策的出台会降低工业部门单位GDP 能源消耗量，但实际上以煤炭为主的能源消费结构却未改变，导致能源消费在抑制人均碳排放增长上作用不够显著。而能源效率对碳排放的抑制作用逐年增强，主要是因为技术进步对提高能源利用效率产生积极影响。此外，随着一系列经济改革政策和方案的实施，经济发展从预警危机状态转向快速增长轨道，促使人均碳排放量增加。

图6 2000-2019年各因素对人均碳排放量变化贡献值趋势Fig.6 Trend of contribution value of various factors to the change of per capita carbon emissions from 2000 to 2019

3.5 城市建设用地减排潜力分析

为了进一步探讨更有效的城市减排路径，利用已有数据测算出2019 年各省市城市建设用地减排潜力指数，由图7可知，减排潜力较大地区主要集中在西北、华北、华东北部、华南南部等地区，其中河北、内蒙古、黑龙江、上海、山东、湖南、广西、海南、陕西、青海、宁夏、新疆的减排潜力高于全国平均水平，地域上以北方省市居多。由于各省市资源禀赋、经济水平、产业结构等先决条件存在差异，新疆、内蒙古、黑龙江、河北、宁夏、陕西等北方地区化石能源储量更为丰富，产业结构以高能耗行业为主，实现大规模降低能源消耗强度或提高清洁能源消费占比将会呈现更显著的减碳效果，而上海、山东、湖南等地区经济和科技水平处于全国领先水平，在减排方面更容易突破技术限制壁垒。减排潜力高于全国平均水平的地区多为碳排放总量和强度较大地区，表明城市地区存在较大的减排空间，在城市发展进程中需要重点关注能源消费和利用情况，深度挖掘城市节能减排潜力，合理改善能源消费和工业生产结构，控制单位面积人口数量，有效实现整体减碳降排。

图7 2019年城市建设用地减排潜力指数Fig.7 Emission reduction potential index of urban construction land in 2019

4 结论与讨论

4.1 结论

本文基于IPCC核算框架测算了2000—2019年中国城市建设用地碳排放总量和强度，利用空间自相关和重心迁移模型揭示了碳排放强度的时空演变特征，采用扩展的Kaya 恒等式对碳排放影响因素进行分解并对减排潜力进行分析，研究结论如下：

（1）城市建设用地碳排放总量逐年递增，碳排放强度呈明显阶段性增强特征。碳排放强度较大区域已经历由华北南部地区向华北、西北地区的扩大，空间上呈现“北高南低”的分布格局。

（2）城市建设用地碳排放强度具有显著的空间自相关性且相关性不断增强，主要局部空间自相关类型为高—高集聚（HH）和低—低集聚（LL）且覆盖范围明显扩大，高—高集聚（HH）分布区域逐渐由东部向北部移动，低—低集聚（LL）分布区域逐渐由西部向南部移动。

（3）城市建设用地碳排放强度重心在110°～115°E，34°～36°N变化，主要集中在河南和山西地区，与中国经济增长重心和城市建设用地重心变化趋势一致，未来中国碳减排工作重心应该集中在河南、山西及其周边地区。

（4）在影响人均碳排放增长方面，能源消费和能源效率表现为抑制性因素，经济发展表现为促进性因素，抑制性因素贡献值的增长幅度不足以抵消促进性因素贡献值增长幅度，使得人均碳排放量呈现逐年增加的趋势，未来可通过降低能源消费和提高能源利用效率来降低人均碳排放量。

（5）减排潜力较大地区主要集中在西北、华北、华东北部、华南南部等地区，其中河北、内蒙古、黑龙江、上海、山东、湖南、陕西、青海、宁夏、广西、海南、新疆的减排潜力指数高于全国平均水平，地域上以北方省市居多，减排潜力指数低于全国平均水平的省市将会面临更大减排压力。

4.2 讨论

近年来，土地利用碳排放与生态环境的关系逐渐成为学界的热点话题。相关研究多从土地综合利用角度出发[11,20]，缺少对单一地类碳排放效应的深度剖析，尤其是城市建设用地。作为生态环境中主要的碳源之一，城市建设用地应该成为减碳控排的主要地类导向。本文在分析城市建设用地碳排放强度时空演变、影响因素的基础上探讨其减排潜力，研究结果可以较好地揭示省市之间的碳排放效应差异，为各级政府制定更加精准的跨省碳权分配和减排责任分配提供依据，对国家层面作出区域碳排放管控决策也具有一定的现实意义。由于城市建设用地可以进一步细分为工业用地、物流仓储用地、公用设施用地等，未来可对细化地类开展更加细致的碳排放研究。

IPCC 核算框架作为目前较为主流的碳排放计算方法，已被大多数学者采用[26-27]，本文在已有研究的基础上将人口呼吸纳入城市建设用地碳排放来源研究范畴中，充分考虑了人口活动对碳排放的影响，测算结果更符合实际情况。空间自相关和重心迁移模型通常是研究区域发展过程中某种要素空间变化以及集聚程度的重要分析工具，其优势已在赵珍珍等[38]对土地利用重心迁移研究中被印证，有利于从动态视角来揭示城市建设用地碳排放强度的时空演变特征。碳排放因素分解模型是在Kaya恒等式的基础上进一步扩展，参考已有研究[8,42]，选择对数平均迪氏分解法（LMDI）将驱动影响因素分解为能源消费、能源效率和经济发展，在研究人均碳排放上更倾向城市建设用地对其的影响，但影响因素类别仍存在进一步补充和完善的空间。碳排放强度常被用作评估减排潜力的重要指标[37]。目前从土地利用角度研究减排潜力的研究较为鲜有，不同省市发展水平差异较大，以碳排放强度变化为基础的减排潜力指数实现了土地利用、区域经济与低碳发展的协同对应，在指导碳排份额分配时侧重于碳排放权的平均分配，具有较强的创新性和实践性。但是减排潜力指数作为一个对比性指标只适用于特定部门或领域，未来仍需要更加量化的减排潜力指标。

本文以2000—2019 年为研究期，分析研讨上最大限度地考虑了区域异质性和可变性带来的结果误差。城市建设用地碳排放总量和强度测算过程中所涉及的能源消费、工业生产及社会经济等数据均可从各类统计年鉴中获取，已通过插值拟合的方法有效解决个别统计数据缺失的情况，整体来说数据来源较为准确可靠。但由于部分统计年鉴中暂未公布2019 年以后的能源消费数据，故未来可将研究时间跨度进一步扩大。

目前城市建设已进入高质量发展时期，城市建设用地碳排放持续增加、城市建设用地面积稳定扩张是区域减排工作中面临的主要压力。因此提出以下建议：一是严格管控建设用地扩张，实施差别土地供给模式；二是改进技术优化能源结构，创新战略发展清洁能源；三是建立城市碳排放数据库，科学监督碳源碳汇平衡；四是合理分配全国碳排份额，统筹提高区域减排潜力。

致谢：江西省教育厅科学技术研究项目（GJJ210453）和江西省高校人文社会科学研究项目（GL19128）同时对本研究给予了资助，谨致谢意！