2001—2009年中國碳排放與碳足跡時空格局

吳文佳，蔣金亮，高全洲，蔣海兵

(1. 北京大學城市與環境學院，北京大學地表過程分析與模擬教育部重點實驗室，北京 100871；2. 南京大學地理與海洋科學學院，南京 210093；3. 中山大學地理科學與規劃學院, 廣東省城市化與地理環境空間模擬重點實驗室，廣州 510275；4. 鹽城師范學院城市與資源環境學院，鹽城 224051)

2001—2009年中國碳排放與碳足跡時空格局

吳文佳1，蔣金亮2，高全洲3，蔣海兵4,*

(1. 北京大學城市與環境學院，北京大學地表過程分析與模擬教育部重點實驗室，北京 100871；2. 南京大學地理與海洋科學學院，南京 210093；3. 中山大學地理科學與規劃學院, 廣東省城市化與地理環境空間模擬重點實驗室，廣州 510275；4. 鹽城師范學院城市與資源環境學院，鹽城 224051)

碳排放引發的全球變暖給自然環境及人類社會都帶來了顯著影響，而碳足跡可以衡量自然生態系統對人類活動碳排放的響應。為研究自然-社會二元系統碳動態，基于MODIS(Moderate Resolution Imaging Spectroradiometer)數據和統計資料計算2001—2009年中國陸地植被凈初級生產力、能源消費碳排放、碳足跡和碳赤字；在GIS(Geographic Information System)技術支持下，運用空間自相關分析方法討論其時空格局；據此劃分生態經濟區。結果表明：(1)2001—2009年全國植被凈初級生產力(Net Primary Production，NPP)平均值為3.32 Pg C/a(1 Pg = 1015g)，呈西南地區>東南沿海>華中、華東地區>東北、華北地區>西北地區的空間格局；(2)2001—2009年全國能源消費碳排放逐年增加，年均增長率16.7%，多年平均值2.53 Pg C/a，呈東部>中部>西部的空間格局；(3)2001—2009年全國碳足跡逐年增加，年均增長率14.7%，多年平均值6.98×106km2；具有正碳赤字(即碳源)的省份為山西、環渤海地區各省、長三角地區各省、廣東；相鄰省份碳赤字的相對大小由于互相影響而改變；(4)全國分為中東部、南部、北部、西部四個生態經濟大區。研究結果直觀揭示了中國碳排放和碳足跡的時空動態，為實現自然-社會二元系統的可持續發展提供科學依據。

自然-社會二元系統；MODIS；碳排放；碳足跡；空間自相關；生態經濟區劃

21世紀以來，全球氣候變化問題受到廣泛關注，碳排放被認為是引起全球變暖的主導因素[1- 2]。一方面，陸地生態系統具有碳源/匯雙重作用，對全球碳平衡貢獻巨大，了解不同生態系統內部植被、土壤碳動態是碳循環研究的重要組成部分[3- 7]；另一方面，隨著2005年《京都議定書》的生效和2009年哥本哈根全球氣候大會的召開，削減化石燃料碳排放成為全球共識，社會經濟系統中的人為碳排放研究漸成熱點[8- 10]。然而，基于以上兩方面開展自然-社會二元系統分析才能更好地了解自然和人為因素綜合作用下的碳動態以及自然生態系統對社會經濟活動的反饋能力[11]。

由生態足跡引申而來的碳足跡概念能夠直觀衡量自然系統對人類活動碳排放的響應[12]，自提出以來已在家庭住戶[13]、大都市區[14]的碳足跡估算和模型比較[15]等方面取得了一定進展；國內學者對于不同土地利用類型[16]、不同產業[17- 18]的碳足跡以及全國尺度上的碳足跡時空格局[19- 20]也做出了探索。這些研究為開展碳動態的進一步研究奠定了基礎，但目前對于中國自然-社會二元系統的碳排放和碳足跡格局分析仍處于起步階段，主要薄弱點在于：一是時空格局僅限于定性描述，尚未應用空間統計分析方法[19]；二是土地利用變化和植被碳匯多來源于統計數據和經驗數據[16,21- 22]，口徑不一且難以體現異質性。本文首次采用分辨率高、來源穩定、實時性強的MODIS(Moderate Resolution Imaging Spectroradiometer)數據，引入空間自相關方法，評估2001—2009年中國碳排放和碳足跡時空動態，并把研究結果應用到生態經濟區劃中，旨在構建全國尺度上碳動態研究的空間統計方法，并為優化各區域的生態效益和經濟效益提供科學參考。

1 數據與方法

1.1 研究區域

本文參考1961年國家計委設置的華北、東北、華東、中南、西南、西北六大經濟協作區方案，加上港、澳、臺，將全國分為七大區域。其中，藏、港、澳、臺的能源數據缺失，不作討論。

1.2 數據及預處理

1.2.1 數據來源及精度

(1)遙感數據

本文土地利用和植被凈初級生產力(Net Primary Production，NPP)數據分別來自NASA(National Aeronautics and Space Administration，美國國家航空航天局)網站(https://lpdaac.usgs.gov/products/modis_products_table)提供的MODIS產品MCD12Q1和MOD17A3。MCD12Q1空間分辨率為500 m，采用監督決策樹分類的方法處理年度的Terra和Aqua衛星觀測所得數據；本文僅需據其提取土地總面積信息。MOD17A3空間分辨率為1 km，時間分辨率為1a，由參考BIOME-BGC(Biome-Biogeochemical Cycles)模型與光能利用率模型建立的NPP估算模型處理Terra衛星數據得到。較之傳統的回歸模型，BIOME-BGC模型是從植被機理出發建立的過程模型，使用了更多的參數和更精密的估算方法以提高精度[23- 24]。近年來，MOD17A3已對全球多種植被類型進行了驗證[25- 27]，在我國也已被用來監測青藏高原地區[28]、南水北調東線地區[29]、陜西省[30]的植被生長狀況以及廣東省水稻生物質能[23]、東北地區植被農田的時空特征[30- 31]等；其精度能夠滿足全國尺度上的NPP分析。

(2)統計數據

目前以化石能源為代表的傳統能源是產生碳排放的主導因素[16]，故本文選取煤炭、原油、汽油、煤油、柴油、燃料油、天然氣、電力8類能源為社會經濟系統碳排放的核算指標。2001—2009年各省各類能源消費數據來自《中國能源統計年鑒》。

(3)輔助數據

主要來自國家基礎地理信息中心提供的《1∶400萬中國省級政區圖》。

1.2.2 數據預處理

為構建與研究區實際地理基礎一致的MODIS時間序列數據集，使用MRT(MODIS Reprojection Tool)批處理軟件和ArcGIS9.3提取2001—2009年土地利用和NPP數據集。MCD12Q1產品包含5個土地覆蓋分類方案不同的數據集，本文根據Land Cover Type1數據集，即IGBP(International Geosphere-Biosphere Program)分類方案計算各省土地總面積；MOD17A3產品包含3個數據集，本文提取其Gridded 1 km Annual Net Productivity數據集獲取各省逐年NPP數據(圖1)。

圖1 數據預處理流程圖Fig.1 The flow diagram of data preprocessing

1.3 計量模型

1.3.1 自然生態系統碳動態

隨著植物生長及其生物量增加，CO2通過植被光合作用進入自然生態系統并儲存起來。本文以NPP作為自然生態系統碳動態的衡量指標。NPP是指綠色植物在單位時間單位面積上扣除自氧呼吸后的有機干物質生產量[32]，反映了植物固定和轉化光合產物的效率，是判定生態系統碳匯、調節生態過程的主要因子和表示碳吸收的常用指標[33]，已在生態系統碳循環研究中得到廣泛應用[34- 35]。

1.3.2 社會經濟系統碳排放

構建基于能源消費的社會經濟系統碳排放計量模型(式1)。

(1)

式中，CEit為i區域t年能源消費碳排放總量(Pg C/a)，Eijt為i區域t年第j種能源消費總量(kg或kW·h)，cvj為第j種能源折算標準煤的參考系數(表1)，δj為第j種能源的碳排放系數，取自相關文獻平均值(表2)。

表1 各類能源折算標準煤的參考系數

表2 碳排放轉換系數表

1.3.3 碳足跡

根據環球足跡網絡(Global Financial Network，GFN)的定義，碳足跡是通過光合作用吸收由化石燃料燃燒所產生的CO2所需要的生產性土地(植被)面積[42]，用以測度人類能源消費碳排放對生態空間的占用情況。當區域生態容量不足以吸收由化石燃料燃燒所產生的CO2時產生碳赤字(CFit> 0)，區域發展處于不可持續狀態；反之為碳盈余。本文基于對自然生態系統和社會經濟系統碳動態的分別測算，參考生態足跡的計算方法[9]構建碳足跡計量模型(式2，式3):

CFit=(CEit/NPPr)×109=CEit/(NPPit/Sit×109)×109=(CEit/NPPit)×Sit

(2)

ΔCFit=CFit-Sit

(3)

式中，NPPr為區域綜合NPP(g C m-2a-1)，CFit為i區域t年的碳足跡(km2)，CEit為i區域t年能源消費碳排放總量(Pg C/a)，Sit為i區域t年的土地總面積(km2)，NPPit為i區域t年的總凈初級生產力(Pg C/a)。

1.4 空間統計分析方法

空間統計分析方法充分利用屬性數據的空間特性，彌補傳統計量模型在空間分析和數值相關分析上顧此失彼的缺陷。在GIS(Geographic Information System)環境下對碳動態進行空間統計分析，可以更形象深刻地揭示其時空格局。本文運用了空間統計分析方法中的空間自相關分析模型。根據地理學第一定律，任何事物都相關，但相近的事物關聯更緊密。空間自相關分析就是基于這一定律，假設研究區中所有值都是非獨立的，相互之間存在相關性。正空間自相關是指鄰近區域的屬性具有相似的趨勢和取值，負空間自相關是指鄰近區域的屬性具有相反的趨勢和取值[43]。

1.4.1 空間權重矩陣

空間權重矩陣用以定量界定區域單元之間的鄰接關系，本文采用簡單的二進制鄰接矩陣(式4)，在Geoda095i軟件中以queen標準創建鄰接性權重文件。

(4)

鑒于海南和廣東、福建和中國臺灣聯系密切，故對生成的權重文件進行微調，改成海南和廣東相鄰接、福建和中國臺灣相鄰接。

1.4.2 全局空間自相關

全局空間自相關用以判斷現象整體空間聚集性的存在與否及聚集程度的大小。Moran′sI是度量全局空間自相關的常用指標之一:

(5)

(6)

(7)

(8)

構造Z統計量對空間自相關進行顯著性檢驗(式9):

(9)

式中，E(I)、Var(I)分別為I的期望和方差。一般當|Z|>1.96時，差異顯著，即在95%的概率下存在空間自相關。在Geoda095i軟件中可以計算Moran′sI值，評估全局空間自相關性。

1.4.3 局域空間自相關

局域空間自相關能夠反映局部的空間差異程度，推算出高、低值的聚集范圍。LISA(Local Indicators of Spatial Association)是分析局域空間自相關的常用方法:

(10)

各字母含義及檢驗統計量同上。

在Geoda095i軟件中繪制Moran散點圖，其橫坐標為各區域單元標準化處理后的屬性值，縱坐標為標準化處理后的空間鄰接矩陣所決定的相鄰單元的屬性值的平均值。散點圖的4個象限表達了某一區域和其周圍區域的局域空間聯系，一、三象限為正空間自相關，二、四象限為負空間自相關。

2 結果與分析

2.1 自然生態系統碳動態的時空格局

2001—2009年全國NPP年平均值變動范圍在341—371 g C m-2a-1之間，多年平均值為362 g C m-2a-1；全國年總NPP值在3.13—3.40 Pg C/a之間，多年平均值約為3.32 Pg C/a，總體波動不大(圖2)。

研究時段內全國多年平均NPP值的空間分布呈西南地區>東南沿海>華中、華東地區>東北、華北地區>西北地區的格局(圖3)；其中海南最大(905 g C m-2a-1)，新疆最小(143 g C m-2a-1)。NPP自南向北隨緯度增加而遞減，淮河以北地區自東向西隨經度減小而遞減，淮河以南地區隨經度遞變趨勢不明顯。這種空間格局的形成主要與地帶性植被類型有關，而水熱條件是植被生長的決定因素。自南向北隨溫度降低依次分布熱帶闊葉林、亞熱帶常綠闊葉落葉林、亞熱帶熱帶針葉林、溫帶落葉闊葉林，NPP依次減小。北部地區自東向西隨水分減小依次分布濕潤溫帶森林、內蒙古草原、干草原，NPP逐漸減小。另外，城市化進程增加了不透水表面比例，減少了自然植被覆蓋，因而氣候特征相當的地區NPP也會因城市化程度不同而有所差異，比如北京、天津的NPP值小于河北。

2.2 社會經濟系統碳排放的時空格局

2001—2009年全國年總能源消費碳排放量呈逐年增加趨勢(圖2)，由1.52 Pg C/a(2001年)增加到3.53 Pg C/a(2009年)，年均增長率為16.6%，多年平均值為2.53 Pg C/a。碳排放總量前5a增速大于后5a，說明研究時段內就全國范圍而言碳排放增加趨勢已開始變緩。

研究時段內全國平均單位面積能源消費碳排放量呈現東部>中部>西部的空間分異(圖3)；其中上海最大(1.17×104g C m-2a-1)，青海最小(14 g C m-2a-1)。能源消費碳排放與當地經濟發展需求密切相關，以上海為中心的長三角經濟圈和以北京、天津為中心的環渤海經濟圈單位面積碳排放量最高；新疆、青海、甘肅等發展較慢的西北省份單位面積碳排放量最低。

圖2 2001—2009年自然-社會二元系統碳收支時間動態Fig.2 Temporal patterns of the “nature-society” dualistic carbon fluxes in China from 2001 to 2009

圖3 2001—2009年自然-社會二元系統平均碳收支空間格局Fig.3 Spatial patterns of the “nature-society” dualistic carbon fluxes in China during 2001—2009

2.3 碳足跡、碳赤字的時空格局

2.3.1 碳足跡、碳赤字的時間格局

2001—2009年全國碳足跡、碳赤字均呈逐年增加趨勢(圖4)，碳足跡由4.46×106km2(2001年)增加到9.69×106km2(2009年)，年均增長率為14.7%，多年平均值為6.98×106km；碳赤字由-4.73×106km2(2001年)增加到5.01×105km2(2009年)，多年平均值為-2.20×106km2，自2009年開始出現正碳赤字。碳足跡、碳赤字后5a增速小于前5a，說明許多地區已開始采取碳增匯或碳減排措施控制自然-社會二元系統的碳排放增加。

2.3.2 碳足跡、碳赤字的空間格局

2001—2009年全國平均碳赤字(圖5)以產煤大省山西省最大(5.03×105km2)，其次為重化工-資本密集型的環渤海地區、高科技-知識密集型的長三角地區、輕紡-勞動密集型的珠三角地區；而中西部地區以及東部的福建、江西、吉林、黑龍江等省具有碳盈余，新疆碳盈余最大(1.16×106km2)。2001年，具有正碳赤字的省份集中在山西、河北、遼寧、山東、河南、江蘇，中西部地區存在大量碳盈余；2005年，碳赤字在環渤海經濟圈、長三角經濟圈、珠三角經濟圈明顯加?。?009年，環渤海地區各省碳赤字進一步增加，中西部地區的吉林、重慶、陜西也開始出現正碳赤字。研究時段內具有碳赤字的省份逐年增多，說明越來越多的省份生態用地無法滿足消納碳排放的需求；總體來看，華東、華北、中南地區的碳赤字增加較快，說明這些地區生態用地被占用帶來的碳匯減少快于能源結構調整帶來的碳源減少。

圖4 2001—2009年全國碳足跡、碳赤字時間分布圖Fig.4 Temporal patterns of carbon footprint and carbon deficit in China from 2001 to 2009

圖5 2001—2009年全國碳赤字空間分布圖Fig.5 Spatial patterns of carbon footprint and carbon deficit in China during 2001—2009

2.3.3 碳赤字的空間自相關分析

(1)Moran指數

從全國范圍來看，各年份Moran指數的統計量相當顯著(圖6)，表明碳赤字在全國范圍內存在顯著的正空間自相關，存在相似值的空間集聚。從不同區域來看，西北、華東地區碳赤字的Moran指數為正且較顯著，其中經濟發展迅速而生態用地緊缺的華東地區表現為明顯的高值集聚，經濟發展較慢而生態用地充裕的西北地區則為低值集聚。華北地區碳赤字的Moran指數為負且較顯著，存在負空間自相關，碳赤字表現為明顯的高低間隔分布，區內各省經濟效益和生態效益參差不齊。中南、東北、西南地區的Moran指數趨于0，空間自相關性很弱，碳赤字大致呈隨機分布。

圖6 2001—2009年全國及各區域碳赤字的Moran指數時間分布圖Fig.6 Temporal patterns of Moran′s I in China and different regions during 2001—2009

(2)Moran散點圖和LISA分析

在Geoda095i軟件中繪制主要年份全國碳赤字的Moran散點圖(圖7)。圖中4個象限表達了某一區域和其周圍區域的局域空間聯系。第一象限HH(High，High)表示該區域和周圍屬性值均較高；第二象限LH(Low，High)表示該區域屬性值明顯低于周圍；第三象限LL(Low，Low)表示該區域和周圍屬性值均較低；第四象限HL(High，Low)表示該區域屬性值明顯高于周圍。觀察各象限包含省區的變化，可以看出2001—2009年碳赤字空間格局的演變過程包括如下幾類：(1)HH→LH，即碳赤字相對于周邊減小，如海南自1999年提出建設生態省戰略以來，生態旅游、綠色農業等產業逐漸興起，生態效益和經濟效益得到了綜合提升，碳赤字比周邊省份減小迅速[44]；(2)HH→HL，即碳赤字相對于周邊增加，如廣東，近10年來珠三角地區的快速密集城市化導致該省自然資源壓力明顯高于周邊[45]；(3)LH→LL，如湖南，開始時相對于周邊省份具有較低的碳赤字，隨著省際聯系的加強，在生態保護方面對周邊省份起到了示范和帶動作用，使得周邊省份的碳赤字也減小，積極的生態效應向周邊擴散；(4)HL→LL，如重慶，開始時相對周邊省份具有較高的碳赤字，隨著整個西部地區生態用地的合理規劃，周邊各省積極的生態效應向該省擴散；(5)HL→HH，如山西、遼寧、吉林、陜西，開始時相對于周邊省份具有較高的碳赤字，隨著跨省經濟協作的加強，能源消費碳排放在更大范圍內迅速增加，消極的生態效應向周邊擴散。

2.4 基于碳動態的中國生態經濟區劃

生態經濟區劃是以自然-社會二元復合系統為對象，以生態-經濟耦合理論為基礎，根據自然生態因素和社會經濟因素的特點及其內在聯系所構成的空間組合形式的相似性和差異性，總結生態經濟功能的地域分異規律，劃分融合生態和經濟要素的地域單元，并明確不同單元在區域開發中承擔的主要功能[46]。與2001年傅伯杰等提出的劃分3個大區(東部濕潤、半濕潤生態大區，西北干旱、半干旱生態大區，青藏高原高寒生態大區)的中國生態區劃方案[47]以及2012年謝高地等提出的劃分4個生態大區(東北部濕潤半濕潤生態大區，北部干旱半干旱生態大區，南部濕潤生態大區和青藏高原生態大區)的中國生態區劃方案[48]不同，本文不只依據氣候、地貌、植被特征，而是兼顧了自然和人為因素，根據2001—2009年全國碳赤字的空間格局(圖5)和局域空間自相關性(圖7)，把碳赤字時空動態較一致的省區合并，劃分4個大區(圖8)。

(1)中、東部地區

位于長江以北、太行山以東，包括北京、天津、河北、上海、江蘇、浙江、安徽山東、河南、湖北。該區跨越中溫帶、暖溫帶、北亞熱帶3個氣候帶，水熱資源沒有長江以南地區優越，NPP較小。長三角、環渤海兩大經濟圈以及依托“中部崛起”戰略而迅速發展起來的中原城市群經濟發展速度快，急劇增加的能源消費催生了大量碳排放，碳赤字嚴重。研究時段內，區內各省的碳赤字表現出明顯的高值集聚。為了在發展經濟的同時兼顧生態效益，該區未來應加強省際協作，調整能源結構，共同打造低碳發展模式；并保護好有限的生態用地，改善植被覆蓋狀況，延緩碳赤字的進一步增大。

圖7 2001—2009年全國碳赤字Moran散點圖及對應省份分布Fig.7 Moran scatterplot of carbon deficit and provinces corresponding to it during 2001—2009散點圖橫坐標為相應年份碳赤字標準化值，縱坐標為相鄰單元碳赤字標準化均值；象限圖四象限分別表示“高-高(HH)”、“低-高(LH)”、“低-低(LL)”、“高-低(HL)”

(2)南部地區

位于長江以南、雪峰山以東，包括福建、江西、湖南、廣東、海南、中國香港、中國澳門、中國臺灣。該區跨越中亞熱帶、南亞熱帶、熱帶三個氣候帶，水熱資源豐富，NPP大。研究時段內，區內各省碳赤字的空間集聚不明顯，湖南、海南等省生態效益較高，廣東等省生態效益較低。未來應充分利用優良的自然條件，合理處理經濟發展和生態保護之間的關系；并強化省際聯系，尤其是碳赤字較高和較低的省份之間的互補，促進低碳發展模式擴散和資源合理利用。

圖8 基于碳赤字空間自相關性的中國生態經濟區劃Fig.8 Eco-economy regionalization in China based on spatial autocorrelation of carbon deficit

(3)北部地區

位于祁連山以東，包括山西、內蒙古、遼寧、吉林、黑龍江、陜西、寧夏。該區域跨越寒溫帶、中溫帶兩個氣候帶，水熱條件較差，NPP較低。未來應加強省際合作和互補，充分利用內蒙古、黑龍江兩省豐富的草地、林地資源，緩解山西、遼寧等經濟發展較快省份的碳赤字，發揮不同省份的比較優勢和帶動作用。

(4)西部地區

位于賀蘭山—六盤山—大巴山一線以西，包括重慶、四川、貴州、云南、西藏、甘肅、青海、新疆。氣候帶跨度較大，包括溫帶、亞熱帶、高原氣候區。除西南小部分地區外，NPP較小，但生態用地相當豐富。目前該區經濟發展相對落后。未來應在保護好生態用地的同時，加快經濟發展和區域協作，尤其注重在大區域內對生態用地的跨省合理規劃和利用，從而在一定程度上緩解重慶、四川等發展相對較快的省份的碳赤字。另外還應減少或消滅沙塵源，恢復與再建干旱區綠色植被與荒漠植被。

3 結論

(1)自然生態系統碳動態的時空格局：2001—2009年全國NPP多年平均值約為3.32 Pg C/a，時間上總體波動不大，空間上呈西南地區>東南沿海>華中、華東地區>東北、華北地區>西北地區的格局。

(2)社會經濟系統碳排放的時空格局：2001—2009年全國能源消費碳排放量逐年增加，年平均增長率為16.7%，多年平均值為2.53 Pg C/a；呈東部>中部>西部的空間格局。

(3)自然-社會二元系統碳足跡和碳赤字的時空格局：碳足跡是自然-社會二元系統中能源結構、產業結構、土地利用結構的綜合反映。2001—2009年全國平均碳足跡為6.98×106km2；碳足跡、碳赤字均逐年增加，碳足跡年均增長率為14.7%，自2009年開始出現正碳赤字。從研究時段平均狀況來看，具有正碳赤字的省份為山西、環渤海地區各省、長三角地區各省、廣東；具有碳盈余的省份多集中在中西部地區。碳赤字在全國范圍內存在顯著的正空間自相關；華東、西北、華北地區分別表現為高值集聚、低值集聚、高低間隔分布，其他區域空間自相關性較弱。相鄰省份碳赤字的相對大小由于互相影響而改變，因此通過加強區域聯系能使高值聚集區的“谷點”向周邊擴散積極生態效應，或使低值聚集區的“峰點”受周邊積極生態效應的影響而改善生態狀況，從而優化整體生態效益。

(4)全國分為中東部、南部、北部、西部4個生態經濟大區。其中，中東部地區經濟發展快而生態用地相對不足，急需探索低碳發展模式；南部地區經濟發展逐漸加快且自然條件優越，加強省際合作有助于積極生態效應的擴散；北部地區發展不均衡且自然條件較差，應加強省際互補和資源合理保護與利用；西部地區發展較慢而生態用地相對充裕，應在穩定生態效益的同時提高經濟效益。較之以往的生態區劃方案，本文對生態大區的劃分綜合考慮了自然生態系統對社會經濟系統的響應，更有利于揭示各區資源環境和人類活動之間的耦合關系，為實現自然-社會二元系統的可持續發展提供科學依據。然而，根據本文目前的數據條件僅能作出省域尺度上的大區劃分，對于中小尺度的生態地區、生態區的劃分仍是需要繼續研究的內容。

致謝：感謝北京大學城市與環境學院趙淑清研究員，周德成、曾振中博士，以及住房和城鄉建設部城鄉規劃管理中心胡毅博士對本研究的幫助。

[1] IPCC. Climate change 2007: the physical science basis // Solomon S, Qin D, Manning M, Chen Z, Marquis M, Averyt K B, Tignor M, Miller H L, eds. Contribution of Working GroupⅠ to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2007.

[2] Fang J Y, Zhu J L, Wang S P, Yue C, Shen H H. Global warming, human-induced carbon emission, and their uncertainties. Science in China (Series D): Earth Sciences, 2011, 54(10): 1458- 1468.

[3] Dixon R K, Solomon A M, Brown S, Houghton R A, Trexier M C, Wisniewski J. Carbon pools and flux of global forest ecosystems. Science, 1994, 263(5144): 185- 190.

[4] Fang J Y, Chen A P, Peng C H, Zhao S Q, Ci L J. Changes in forest biomass carbon storage in China between 1949 and 1998. Science, 2001, 292(5525): 2320- 2322.

[5] Houghton R A. Counting terrestrial sources and sinks of carbon. Climatic Change, 2001, 48(4): 525- 534.

[6] Li K R, Wang S Q, Cao M K. Vegetation and soil carbon storage in China. Science in China (Series D): Earth Sciences, 2004, 47(1): 49- 57.

[7] Ge Q S, Dai J H, He F N, Pan Y, Wang M M. Land use changes and their relations with carbon cycles over the past 300 a in China. Science in China (Series D): Earth Sciences, 2008, 51(6): 871- 884.

[8] Soytas U, Sari R, Ewing B T. Energy consumption, income, and carbon emissions in the United States. Ecological Economics, 2007, 62(3- 4): 482- 489.

[9] Xie H Y, Chen X S, Lin K R, Hu A Y. The ecological footprint analysis of fossil energy and electricity. Acta Ecologica Sinica, 2008, 28(4): 1729- 1735.

[10] Zhu Y B, Wang Z, Pang L, Wang L J, Zhou X P. Simulation on China′s economy and prediction on energy consumption and carbon emission under optimal growth path. Acta Geographica Sinica, 2009, 64(8): 935- 944.

[11] Zhao R Q, Huang X J. Carbon cycle of urban system: characteristics, mechanism and theoretical framework. Acta Ecologica Sinica, 2013, 33(2): 358- 366.

[12] Wackernagel M, Ress W E. Our Ecological Footprint: Reducing Human Impact on the Earth. Gabriola Island: New Society Publishers, 1996.

[13] Druckman A, Jackson T. The carbon footprint of UK households 1990- 2004: A socio-economically disaggregated, quasi-multi-regional input-output model. Ecological Economics, 2009, 68(7): 2066- 2077.

[14] Sovacool B K, Brown M A. Twelve metropolitan carbon footprints: A preliminary comparative global assessment. Energy Policy, 2010, 38(9): 4856- 4869.

[15] Kenny T, Gray N F. Comparative performance of six carbon footprint models for use in Ireland. Environmental Impact Assessment Review, 2009, 29(1): 1- 6.

[16] Zhao R Q, Huang X J. Carbon emission and carbon footprint of different land use types based on energy consumption of Jiangsu province. Geographical Research, 2010, 29(9): 1639- 1649.

[17] Zhao R Q, Huang X J, Zhong T Y. Research on carbon emission intensity and carbon footprint of different industrial spaces in China. Acta Geographica Sinica, 2010, 65(9): 1048- 1057.

[18] Fan J, Li P X, Liang Y T. Framework of financial consumption oriented research on carbon footprints. Advances in Earth Science, 2010, 25(1): 61- 68.

[19] Chuai X W, Lai L, Huang X J, Zhao R Q, Wang W J, Chen Z G. Temporospatial changes of carbon footprint based on energy consumption in China. Journal of Geographical Sciences, 2012, 22(1): 110- 124.

[20] Shi M J, Wang Y, Zhang Z Y, Zhou X. Regional carbon footprint and interregional transfer of carbon emissions in China. Acta Geographica Sinica, 2012, 67(10): 1327- 1338.

[21] Li Y, Huang X J, Zhen F. Effects of land use patterns on carbon emission in Jiangsu province. Transactions of the Chinese Society of Agricultural Engineering, 2008, 24(S2): 102- 107.

[22] Lan J C, Fu W L, Yuan B, Zhang T, Peng J T. Analysis of land use patterns on carbon emission and carbon footprint in Chongqing city. Journal of Soil and Water Conservation, 2012, 26(1): 146- 155.

[23] Zhang X H, Li X, Shi X, Liu K. Estimation of paddy biomass energy in Guangdong province. Remote Sensing Informatioin, 2007(1): 26- 29, 21- 21.

[24] Li D K, Fan J Z, Wang J. Variation characteristics of vegetation net primary productivity in Shaanxi Province based on MOD17A3. Chinese Journal of Ecology, 2011, 30(12): 2776- 2782.

[25] Turner D P, Ritts W D, Cohen W B, Gower S T, Running S W, Zhao M S, Costa M H, Kirschbaum A A, Ham J M, Saleska S R, Ahl D E. Evaluation of MODIS NPP and GPP products across multiple biomes. Remote Sensing of Environment, 2006, 102(3- 4): 282- 292.

[26] Turner D P, Ritts W D, Cohen W B, Gower S T, Zhao M S, Running S W, Wofsy S C, Urbanski S, Dunn A L, Munger J W. Scaling Gross Primary Production (GPP) over boreal and deciduous forest landscapes in support of MODIS GPP product validation. Remote Sensing of Environment, 2003, 88(3): 256- 270.

[27] Gebremichael M, Barros A P. Evaluation of MODIS gross primary productivity (GPP) in tropical monsoon regions. Remote Sensing of Environment, 2006, 100(2): 150- 166.

[28] Guo X Y, He Y, Shen Y P, Feng D. Analysis of the terrestrial NPP based on the MODIS in the source regions of Yangtze and Yellow Rivers from 2000 to 2004. Journal of Glaciology and Geocryology, 2006, 28(4): 512- 518.

[29] He Y, Dong W J, Guo X Y, Cao L J, Feng D. Terrestrial NPP variation in the region of the South-North Water Diversion Project (east route). Advances in Climate Change Research, 2006, 2(5): 246- 249.

[30] Zhu F, Liu Z M, Wang Z M, Song K S. Temporal-spatial characteristics and factors influencing crop NPP across Northeastern China. Resouces Science, 2010, 32(11): 2079- 2084.

[31] Guo Z X, Wang Z M, Zhang B, Liu D W, Yang G, Song K S, Li F. Analysis of temporal-spatial characteristics and factors influencing vegetation NPP in Northeast China from 2000 to 2006. Resource Science, 2008, 30(8): 1226- 1235.

[32] Fang J Y, Ke J H, Tang Z Y, Chen A P. Implications and estimations of four terrestrial productivity parameters. Acta Phytoecologica Sinica, 2001, 25(4): 414- 419.

[33] Field C B, Behrenfeld M J, Randerson J T, Falkowski P. Primary production of the biosphere: integrating terrestrial and oceanic components. Science, 281(5374): 237- 240.

[34] Venetoulis J, Talberth J. Refining the ecological footprint. Environment, Development and Sustainability, 2008, 10(4): 441- 469.

[35] Fang K, Shen W B, Dong D M. Modification and predication of energy ecological footprint: A case study of Jilin Province. Geographical Research, 2011, 30(10): 1835- 1846.

[36] Zhou J H. The Research on the Cointegration and Causality between Land Use Change and Carbon Budget in Changsha City [D]. Changsha: Hunan Normal University, 2011.

[37] Wang X N. Study on Estimation Method of Carbon Emission to Energy Carbon Sources in China [D]. Beijing: Beijing Forest University, 2006.

[38] ORNL. Estimates of CO2Emissions from Fossil Fuel Burning and Cement Manufacturing. Tennessee: Oak Ridge National Laboratory, 1990.

[39] Wang G, Feng X. CO2emission reduction through energy integration. Chemical Industry and Engineering Progress, 2006, 25(12): 1467- 1470.

[40] Energy Research Institute of NDRC. Study on the sustainable energy development and carbon emission scenarios analysis in China. 2003.

[41] Gao S T, Zhang H Q, Yang L R, Wang Q L. Forecast method and countermeasures for greenhouse gases in China. Research of Environmental Sciences, 1994, 7(6): 56- 59.

[42] Global Footprint Network. GFN Ecological Footprint: Glossary. Oakland, CA, USA, 2007 [2013-08- 13]. http://www.footprintnetwork.org/en/index.php/GFN/page/carbon_footprint/.

[43] Meng B, Wang J F, Zhang W Z, Liu X H. Evaluation of regional disparity in China based on spatial analysis. Scientia Geographica Sinica, 2005, 25(4): 393- 400.

[44] Ouyang Z Y, Wang R S, Zheng H, Lin S K. Ecological culture in Hainan ecological construction. China Population, Resources and Environment, 2002, 12(4): 72- 74.

[45] Wang S G, Zhou Y Z. Integrated frame research for resources & environment in megalopolises and regional sustainable development: case study on pearl river delta. China Population, Resources and Environment, 2002, 12(3): 54- 59.

[46] Group of Ecological-Zonation, Research Centre of Ecology. On the principle of Ecological-economic zonation (Draft). Acta Ecologica Sinica, 1983, 3(2): 102- 102.

[47] Fu B J, Liu G H, Chen L D, Ma K M, Li J R. Scheme of ecological regionalization in China. Acta Ecologica Sinica, 2001, 21(1): 1- 6.

[48] Xie G D, Zhang C S, Zhang L B, Su D, Cao S Y, Leng Y F, Xiao Y. China′s county-scale ecological regionalization. Journal of Natural Resources, 2012, 27(1): 154- 162.

參考文獻:

[2] 方精云, 朱江玲, 王少鵬, 岳超, 沈海花. 全球變暖、碳排放及不確定性. 中國科學(D輯：地球科學), 2011, 41(10): 1385- 1395.

[6] 李克讓, 王紹強, 曹明奎. 中國植被和土壤碳貯量. 中國科學(D輯：地球科學), 2003, 33(1): 72- 80.

[7] 葛全勝, 戴君虎, 何凡能, 潘嫄, 王夢麥. 過去300年中國土地利用、土地覆被變化與碳循環研究. 中國科學(D輯：地球科學), 2008, 38(2): 197- 210.

[9] 謝鴻宇, 陳賢生, 林凱榮, 胡安焱. 基于碳循環的化石能源及電力生態足跡. 生態學報, 2008, 28(4): 1729- 1735.

[10] 朱永彬, 王錚, 龐麗, 王麗娟, 鄒秀萍. 基于經濟模擬的中國能源消費與碳排放高峰預測. 地理學報, 2009, 64(8): 935- 944.

[11] 趙榮欽, 黃賢金. 城市系統碳循環:特征、機理與理論框架. 生態學報, 2013, 33(2): 358- 366.

[16] 趙榮欽, 黃賢金. 基于能源消費的江蘇省土地利用碳排放與碳足跡. 地理研究, 2010, 29(9): 1639- 1649.

[17] 趙榮欽, 黃賢金, 鐘太洋. 中國不同產業空間的碳排放強度與碳足跡分析. 地理學報, 2010, 65(9): 1048- 1057.

[18] 樊杰, 李平星, 梁育填. 個人終端消費導向的碳足跡研究框架——支撐我國環境外交的碳排放研究新思路. 地球科學進展, 2010, 25(1): 61- 68.

[20] 石敏俊, 王妍, 張卓穎, 周新. 中國各省區碳足跡與碳排放空間轉移. 地理學報, 2012, 67(10): 1327- 1338.

[21] 李穎, 黃賢金, 甄峰. 江蘇省區域不同土地利用方式的碳排放效應分析. 農業工程學報, 2008, 24(S2): 102- 107.

[22] 藍家程, 傅瓦利, 袁波, 張婷, 彭景濤. 重慶市不同土地利用碳排放及碳足跡分析. 水土保持學報, 2012, 26(1): 146- 155.

[23] 張曉浩, 黎夏, 施迅, 劉凱. 廣東省水稻生物質能的估算. 遙感信息, 2007(1): 26- 29, 21- 21.

[24] 李登科, 范建忠, 王娟. 基于MOD17A3的陜西省植被NPP變化特征. 生態學雜志, 2011, 30(12): 2776- 2782.

[28] 郭曉寅, 何勇, 沈永平, 馮丁. 基于MODIS資料的2000- 2004年江河源區陸地植被凈初級生產力分析. 冰川凍土, 2006, 28(4): 512- 518.

[29] 何勇, 董文杰, 郭曉寅, 曹麗娟, 馮丁. 我國南水北調東線地區陸地植被NPP變化特征. 氣候變化研究進展, 2006, 2(5): 246- 249.

[30] 朱鋒, 劉志明, 王宗明, 宋開山. 東北地區農田凈初級生產力時空特征及其影響因素分析. 資源科學, 2010, 32(11): 2079- 2084.

[31] 國志興, 王宗明, 張柏, 劉殿偉, 楊桄, 宋開山, 李方. 2000年—2006年東北地區植被NPP的時空特征及影響因素分析. 資源科學, 2008, 30(8): 1226- 1235.

[32] 方精云, 柯金虎, 唐志堯, 陳安平. 生物生產力的“4P”概念、估算及其相互關系. 植物生態學報, 2001, 25(4): 414- 419.

[35] 方愷, 沈萬斌, 董德明. 能源足跡核算的改進與預測——以吉林省為例. 地理研究, 2011, 30(10): 1835- 1846.

[36] 周軍輝. 長沙市土地利用變化與碳收支協整性及因果關系研究 [D]. 長沙: 湖南師范大學, 2011.

[37] 王雪娜. 我國能源類碳源排碳量估算辦法研究 [D]. 北京: 北京林業大學, 2006.

[39] 汪剛, 馮霄. 基于能量集成的CO2減排量的確定. 化工進展, 2006, 25(12): 1467- 1470.

[40] 國家發展和改革委員會能源研究所. 中國可持續發展能源暨碳排放情景分析. 北京: 國家發展和改革委員會能源研究所, 2003.

[41] 高樹婷, 張慧琴, 楊禮榮, 王秋玲. 我國溫室氣體排放量估測初探. 環境科學研究, 1994, 7(6): 56- 59.

[43] 孟斌, 王勁峰, 張文忠, 劉旭華. 基于空間分析方法的中國區域差異研究. 地理科學, 2005, 25(4): 393- 400.

[44] 歐陽志云, 王如松, 鄭華, 林順坤. 海南生態文化建設探討. 中國人口·資源與環境, 2002, 12(4): 72- 74.

[45] 王樹功, 周永章. 大城市群(圈)資源環境一體化與區域可持續發展研究——以珠江三角洲城市群為例. 中國人口·資源與環境, 2002, 12(3): 54- 59.

[46] 生態學研究中心生態區劃組. 生態經濟區劃原則(討論稿). 生態學報, 1983, 3(2): 102- 102.

[47] 傅伯杰, 劉國華, 陳利頂, 馬克明, 李俊然. 中國生態區劃方案. 生態學報, 2001, 21(1): 1- 6.

[48] 謝高地, 張昌順, 張林波, 蘇德, 曹淑艷, 冷允法, 肖玉. 保持縣域邊界完整性的中國生態區劃方案. 自然資源學報, 2012, 27(1): 154- 162.

Spatiotemporal patterns of carbon emission and carbon footprint in China during 2001—2009

WU Wenjia1, JIANG Jinliang2, GAO Quanzhou3, JIANG Haibing4, *

1CollegeofUrbanEnvironmentalSciences,andKeyLaboratoryforEarthSurfaceProcessesoftheMinistryofEducation,PekingUniversity,Beijing100871,China2SchoolofGeographicandOceanographicSciences,NanjingUniversity,Nanjing210093,China3GeographyandPlanningSchool,andGuangdongProvincialKeyLaboratoryforUrbanizationandGeo-simulation,SunYat-senUniversity,Guangzhou510275,China4SchoolofUrbanandResourceEnvironment,YanchengTeachersUniversity,Yancheng224051,China

Increasing carbon emission, which has been recognized as one major reason for enhanced global warming, is influenced by complex interactions between natural and anthropogenic processes. The terrestrial ecosystem has been reported as a carbon sink during recent decades; However, this carbon sink has been largely offset by the carbon emission from human activities such as land use change and fossil fuel consumption. An accurate quantification of the carbon fluxes in natural ecosystems in response to human activities is of critical importance for global change study. Using a carbon footprint model, this study characterized the spatiotemporal carbon patterns in the coupled system of nature-society. Specifically, we firstly calculated the net primary productivity (NPP), carbon emission from energy consumption, carbon footprint, and carbon deficit in China during 2001—2009 based on MODIS and statistical data; Then we applied spatial auto-correlation analysis method to quantify spatiotemporal patterns of carbon emission and carbon footprint; Furthermore, we made an eco-economic regionalization of China based on the carbon deficit variation. Four conclusions can be drawn as follows. (1) The mean NPP was 3.32 Pg C/a during 2001—2009 in China (1 Pg = 1015g), with small annual variations and obvious spatial heterogeneities, ranking as the southwestern > the southeastern coastal region > the central and the eastern > the northeastern and the northern > the northwestern parts of China. (2) The carbon emission from energy consumption in China increased from 1.52 Pg C/a (2001) to 3.53 Pg C/a (2009) with an annual rate of 16.7% and an average value of 2.53 Pg C/a. Geographically, carbon emission decreased from east to west. (3) Carbon footprint in China increased from 4.46×106km2(2001) to 9.69×106km2(2009) with an annual rate of 14.7% and an average value of 6.98×106km2. Positive carbon deficit was found in Shanxi, Bohai Economic Zone, Yangtze River Delta and Guangdong, while negative carbon deficit existed in most provinces of the central and the western China. On the national scale, carbon deficit showed a significantly positive spatial autocorrelation; On the regional scale, however, the eastern China had a high-high clustering, the western China had a low-low clustering, and the northern China had a high-low distribution; Carbon deficit of adjacent provinces influenced each other, suggesting that interprovincial and interregional cooperation could contribute to a positive diffusion effect from the “hotspot” of carbon deficit to the surroundings. (4) China can be divided into four eco-economic zones based on spatiotemporal patterns and local spatial auto-correlation of carbon deficit. The first was the central-eastern region, which was in urgent need of low-carbon development mode considering its rapid economic development and limited availability for ecological resources. The second was the southern region, which had experienced fast economic development in past decades and a provincial cooperation is needed to strengthen the positive ecological effect diffusion in future. The third was the northern region, having unbalanced eco-economic development, where were required resources complementation among different provinces. The fourth was the western region with slow but accelerated economic development, which should stabilize ecological benefits and improve the economic effectiveness. Overall, our integrated modeling framework presented a spatial statistic method for assessing carbon uptake/ release patterns and dynamics in the coupled system of nature-society over large areas, which may help integrate biophysical and socioeconomic processes for sustainable development in different regions.

the coupled system of nature-society; MODIS; carbon emission; carbon footprint; spatial autocorrelation; ecological economic regionalization

國家自然科學基金青年項目(41301108); 南京大學研究生科研創新基金項目(2013CL07); 江蘇研究生創新計劃(CXLX13_033)

2013- 02- 10; 網絡出版日期:2014- 03- 17

10.5846/stxb201302100259

*通訊作者Corresponding author.E-mail: jianghb@igsnrr.ac.cn

吳文佳，蔣金亮，高全洲，蔣海兵.2001—2009年中國碳排放與碳足跡時空格局.生態學報,2014,34(22):6722- 6733.

Wu W J, Jiang J L, Gao Q Z, Jiang H B.Spatiotemporal patterns of carbon emission and carbon footprint in China during 2001—2009.Acta Ecologica Sinica,2014,34(2):6722- 6733.