中国碳足迹广度空间关联格局及影响因素研究
中国碳足迹广度空间关联格局及影响因素研究*
朱向梅  王子莎
内容摘要：本文结合碳足迹及碳生态承载力指标测算我国碳足迹广度，并进一步分析其空间关联格局及影响因素。结果发现：（1）时间上，我国碳足迹广度总体呈波动上升趋势，2013—2017
年小幅下降；空间上，东、中、西人均碳足迹广度具有显著差异，北方省份普遍高于南方省份。
（2）人均碳足迹广度主要呈现H-H集聚和L-H集聚，且集聚特征愈发明显，其中山东、河北等
省份始终稳定在H-H集聚区，而北京、上海等地与周边省份形成L-H集聚区。（3）我国省域碳足
迹广度具有显著空间自相关性，能源结构、经济发展水平、技术水平、对外开放水平均在5%的
显著性水平下对本地区及邻近省份碳足迹广度产生正向影响，产业结构在5%显著性水平下对其
具有负向作用，城镇化对碳足迹广度具有正向影响，但并不显著。因此在未来强调区域协同发展
的背景下，应通过碳额的分配重塑我国各区域间的协同、创新和低碳发展的新格局。
关键词：生态承载力；碳足迹广度；空间自相关；空间滞后模型；时空跃迁测度法
中图分类号：C812    文献标识码：A    文章编号：1004-7794(2021)05-0038-11
DOI: 10.13778/jki.11-3705/c.2021.05.005
一、引言及文献综述
随着城市化及工业化的快速发展，CO2排放剧增[1]，我国承诺于2020年碳排放强度较2005年下降40%~45%，此目标已提前完成，下一步争取于2030年前后达到碳排放峰值[2]，并通过实施碳补偿制度以实现碳中和。因此，考察区域碳足迹流量水平，制定及时恰当的碳补偿措施，对我国在2060年实现碳中和目标意义重大。
碳足迹作为衡量人类活动对生态系统影响程度的重要指标，成为近几年地理学、生态学及环境科学等多种学科研究的重点之一。碳足迹起源于加拿大生态经济学家Willam Rees提出的“生态足迹”概念[3]，借用面积大小表征人类活动及资源消费对自然系统造成的压力程度及占用情况[4]。迄今为止，国内外学者对碳足迹展开了家庭、行业、区域、国家等不同尺度的研究[5-10]。例如：Sommer et al（2017）采用投入产出方法以5组家庭收入核算欧盟27国的私人消费碳足迹，表现出相对脱钩效应[11]；Zhang et al （2017）利用LCA（生命周期法）对我国不同区域粮食行业的碳足迹进行探究，发现氮肥、秸秆燃烧、机械能耗等是控制碳排放最重要的因素，但不同区域不同作物系统中的主导因子并不完全相同[12]；庞军等（2017）结合MRIO模型和LCA法分析了31个省份的碳足迹及碳转移情况[13]。Chen et al（2016）
利用多尺度投入产出分析法构建出我国五大城市与澳大利亚五大城市间的碳足迹网络的差异[14]。
此外，为进一步明确区域减排路径，张翠菊等（2017）、Wang et al（2016）在核算碳足迹的基础上——————––—––—––––
*基金项目：中北大学研究生科技立项资助课题“基于生态承载力视角的黄河流域碳水足迹评价及空间关联性研究（项目编号：20201748）；山西省社科联重点课题“山西省绿物流产业高质量发展对策研究”（项目编号：SSKLZDKT2020086）。
利用因素分解模型（LMDI ）探究其影响因素，但该模型仅关注到各影响因素对本区域的直接作用，常
常忽略区域空间关联性及影响因素的外溢效应[15-16]，对区域的政策指导十分有限。随后冯杰等（2019）、庞庆华（2019）将空间计量模型应用到碳足迹影响因素的分析中[17-18]，但未将碳源与碳汇间的平衡关系考虑在内，没有综合考虑碳排放及碳生态承载力的双向特征。本文在借鉴现有研究的基础上同时考虑碳足迹和碳生态承载力，并引入碳足迹广度指标反映区域内当期流量消耗水平及其影响因素，以制定有针对性的减排策略。
纵观现有研究，碳足迹及其影响因素方面已取得一定进展，但仍存在一些不足。本文试图在以下方面进行创新：（1）碳足迹账户中将耕地碳排放和建设用地碳排放均考虑在内，弥补了以往研究中仅考虑建
设用地碳排放的局限性，使得足迹核算更加全面；承载力账户中将林地、草地、耕地的吸收作用均考虑在内，以便更加准确核算区域可持续发展能力，碳足迹与碳生态承载力结合，能够更好地评估在区域本底生态系统的空间积累效应。（2）引入足迹广度指标表征吸纳碳排放所占用的自然资本流量，相比碳排放，碳足迹广度能够更好反映出人类生产生活产生的碳排放量对生态环境的影响程度。（3）借用空间计量模型，辅之以时空跃迁测度法表示省域碳足迹广度空间关联性及其影响因素的外溢效应，为政策制定提供更准确的信息。
二、研究方法与数据来源
（一）碳足迹广度模型
1.碳排放。
本文碳排放包括直接碳排放和间接碳排放，直接碳排放主要考虑土地利用碳排放，其中仅有耕地活动会产生碳排放[17]，因此此处仅计算耕地碳排放；间接碳排放为建设用地碳排放，此处以能源消耗碳排放替代计算，计算公式如下：
()t E GM TN SO PQ FR AU =+++++
（1）
其中E t 表示耕地活动产生的碳排放量，G 、T 、S 、P 、F 、A 分别表示为耕地过程中化肥使用量、农药使用量、各种农作物的种植面积、耕地过程中机械使用动力、灌溉面积、农膜使用量。M 、N 、O 、Q 、R 、U 均为转换系数，具体取值如表1所示。
表1
碳源转换系数
碳源 转换系数 参考来源
化肥 0.8956kg/kg ORNL （美国橡树岭实验室）
农药    4.9341kg/kg 农膜
5.18kg/hm 2
农业播种面积 16.47kg/hm 2 南京农业大学农业资源与生产环境研究所（IREEA ）
农业机械动力 0.18kg/KW 农业灌溉面积
266.48kg/hm 2
i i i CE Qe Se De =⨯⨯∑
（2）中国面积最大省份
其中CE 为能源消耗碳排放，Qe i 为第i 种能源的消费量（104t 或m 3），Se i 表示第i 种能源折算为标
准煤参考系数（kg/kg ），Qe i 表示碳排放系数[19]，如表2所示。
表2
能源标准煤折算系数及CO 2排放系数表
能源 标准煤折算系数
碳排放系数
能源
标准煤折算系数
碳排放系数
原煤 0.7143kg·kg –1
0.7559
煤油    1.4714 kg·kg –1
0.5714 焦炭 0.9714 kg·kg –1
0.8550
柴油    1.4571 kg·kg –1 0.5921 原油    1.4286 kg·kg –1 0.5857 液化石油气油    1.7143 kg·kg –1 0.5042 燃料油    1.4286 kg·kg –1 0.6185 天然气    1.33t·10–4m –3 0.4483
汽油
1.4714 kg·kg –1 0.5538
2.碳吸收。
m m n n CS S S αα=⨯+⨯ （3）
CS 表示森林和草地的碳吸收量（t ），S m 、S n 分别表示第m 、n 种土地类型的面积，αm 、αn 表示第
m 、n 种土地类型的碳吸收系数。
(1)eco i
crop crop i crop i water i i i crop i
Y CI CI C P H -----==⨯-⨯
∑∑ （4）
CI crop 表示农作物生育期光合作用的碳吸收量，CI crop -i 表示第i 种作物的碳吸收量，这里主要考虑谷子、棉花、花生、油菜籽等13种农作物的碳吸收量。CI crop -i 为第i 种作物通过光合作用合成单位有机质的碳吸收率，P water -i 表示为第i 种农作物的含水率，Y eco -i 表示为第i 种农作物的经济产量，H crop -i 用来表示第i 种农作物的经济系数，各种农作物碳吸收率、含水率、经济系数取值借鉴李克让[20]、方精云[21]的研究成果，如表3所示。
表3
各种农作物碳吸收率、含水率及经济系数
粮食作物 碳吸收率
含水率
经济系数
水稻    5.87 0.133 0.47 小麦    3.71 0.125 0.35 玉米    5.08 0.13~0.14 0.35 高粱    5.24 0.14~0.15 0.35 谷子    2.54 0.125~0.15 0.40 薯类    1.95 0.133 0.70 大豆    1.73 0.12~0.13 0.18 其他
3.21 0.133 0.40
3.碳生态承载力。
()f g p t f g p P P P CEF CE E NEP NEP NEP ⎛⎫=+⨯++ ⎪ ⎪⎝⎭
（5） ()f g p crop f g p P P P CEC CS CI NEP NEP NEP =+⨯+⎛⎫
⎪ +
⎪⎝⎭
（6） CED CEF CEC =-
（7）
其中CEF 、CEC 、CED 分别表示为各省份碳足迹、碳生态承载力及碳生态赤字，P f 、P g 、P p 分别表示我国省域森林、草地和耕地的碳吸收比例，取值为52.33%、9.57%、38.10%[22]。NEP （净生态系统生态产量）用来反映植被对碳的净吸收能力，代表1hm 2植被一年能够吸收碳的能力。NEP f 、NEP g 分别表示为全球森林和草地的固碳能力，取值为3.8096t/hm 2、0.9482t/hm 2，NEP p 表示耕地的固碳能力，经计算取值为0.1532t/hm 2[23]。
4.碳足迹广度。
森林、草地、耕地是为自然提供资源和服务的关键资本，能够吸纳化石能源燃烧及耕地活动中所排放的CO 2。
为表征人类活动吸纳碳排放所占用的自然资本流量，本文引入碳足迹广度计算碳生态承载力范围内各省份实际占用的生态生产性土地面积。
[,]size CEF min CEF CEC = （8）
式（8）中，CEF size 为各省份足迹广度，由于碳生态承载力是区域生态生产性土地可提供的资本流
量上限，因此0<CEF size ≤CEC 。
（二）空间计量模型 1.全局Moran 。
全局Moran’s I 指数能够从整体上刻画区域分布集情况，定义为：
112111()()()n n ij i j i j n n n
ij i i j i n x x x x I x x ωω=====⎡⎤
--⎣⎦=⎡⎤-⎣⎦
∑∑∑∑∑ （9） 上式中n 代表观察值数目，ωij 表示空间权重矩阵，x 、x 分别为样本观测值水平及其对应的均值。
2.局部Moran 。
全局Moran’s I 指数可以呈现区域空间整体聚集现象，但对不同区域的空间关联模式却无能为力，需要借助局部Moran’s I 指数进行分析，指标解释同公式（9）。
2*()i i ij i j i x x I x x S ω≠-⎡⎤
=-⎢⎥⎣⎦∑
（10） 22()i i
x x S n
⎡⎤
-⎣⎦=∑ （11）
（三）数据来源及说明
表4
指标选取及说明
模型
指标 说明
数据来源
碳足迹广度模型
碳足迹（万hm 2）
能源消耗碳排地区9种能源消费碳排量（万吨） 《中国能源统计年鉴》+计算得出耕地消耗碳排地区使用化肥、农药等产生碳排量（万吨）《中国农业统计年鉴》+计算得出碳生态承载力 （万hm 2） 林地碳吸收 面积×碳吸收系数（万吨） 《中国统计年鉴》+计算得出 草地碳吸收 面积×碳吸收系数（万吨） 《中国统计年鉴》+计算得出 耕地碳吸收 地区13种农作物碳吸收量（万吨） 《中国农业统计年鉴》+计算得出动态空间
被解释变量
碳足迹广度 由碳足迹及碳生态承载力计算得出 计算得出
解释变量
能源结构 煤炭占一次能源消费比重（%） 《中国统计年鉴》
产业结构
第三产业占比（%） 城镇化水平 城镇人口占总人口（%） 经济发展水平地区生产总值（亿元） 技术水平 R&D 经费投入（亿元）
对外开放水平
外商投资总额（亿元）
三、碳足迹广度测算及空间特征
（一）碳足迹及碳生态承载力时空差异 1.时间差异。
因各省份实际情况有所不同，此处采取人均碳足迹及人均碳生态承载力进行分析。由图1可知，
2005—2017年我国人均碳足迹呈波动上升趋势，2005—2012年处于明显上升过程，由4.724hm 2/人升至7.231hm 2/人，表明碳排放施加给生态环境的压力持续增加。2013—2017年呈小幅度下降趋势，形势有所缓和，事实上近年国家大力推进节能减排政策，在一定程度上促进了产业结构的优化升级、低碳能源的推进以及能源使用效率的提高。其中由能源消耗造成的碳排放值远高于耕地活动碳排值，且呈逐年递增的趋势，煤炭消耗年均增速高达5.5%，其他能源消耗增速较慢但均呈上升趋势，给生态环境造成极大压力。相比之下，农业生产活动产生的碳排总量不及能源消费总量的1/10，对总体人均碳足迹造成的影响较小（图2）。
研究期间碳生态承载力总体呈波动上升趋势，主要由耕地、林地、草地的固碳能力变化所致。其中耕地碳吸收对生态承载力的贡献度远高于草地和林地，耕地碳吸收量总体呈波动上升趋势，草地吸收量随时间变动不断增长，但增速缓慢，林地碳吸收量不断减少，这与周嘉等（2019）基于土地利用视角测
量我国30个省级碳吸收量所得结论基本一致[22]。同时值得注意的是，研究期内全国整体呈碳生态盈余状态，生态生产性土地面积能够吸收由人类活动产生的碳足迹，整体处于固碳状态。近年来随着退耕还林还草、退宅还耕等政策的落实深入，碳生态承载力不断提升，盈余值也在不断扩大。
图12005—2017年我国碳足迹及碳生态承载力时间变化趋势
图22005—2017年我国碳排放、碳吸收组成
2.空间差异。
由图3可看出，各省份人均碳足迹及碳生态承载力存在显著差异。人均碳足迹排名前5的省份为宁夏、青海、内蒙古、山西、辽宁，可见高碳足迹主要集中在煤炭资源富集区；而新疆、甘肃、四川、广西、江
西位列人均碳足迹后5，其所承受的能源碳排放和农业碳排放压力较小。西部省份人均碳生态承载力普遍高于东部省份，这主要是由其耕地、草地、森林等面积不同所致。图4（以2017年为例）可看出，内蒙古、黑龙江、新疆等地的耕地、森林、草地面积均较高，且拥有较少的常住人口，因此人均碳生态承载力远高出其他省份。北京、上海、天津等东部发达省份不仅耕地、森林、草地面积较少，且聚集了较多人口，人均碳生态承载力较低。
图32005—2017年我国各省人均碳足迹、碳生态承载力

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。