基于土地利用變化的四川省碳排放與碳足跡效應及時空格局

彭文甫，周介銘,*，徐新良，羅懷良，趙景峰，楊存建

1 四川師范大學，地理與資源科學學院，成都 610068 2 四川師范大學，西南土地資源評價與監測教育部重點實驗室, 成都 610068 3 中國科學院資源環境科學數據中心，北京 100101

基于土地利用變化的四川省碳排放與碳足跡效應及時空格局

彭文甫1,2，周介銘1,2,*，徐新良3，羅懷良1,2，趙景峰1,2，楊存建1,2

1 四川師范大學，地理與資源科學學院，成都 610068 2 四川師范大學，西南土地資源評價與監測教育部重點實驗室, 成都 610068 3 中國科學院資源環境科學數據中心，北京 100101

土地利用變化的碳排放與碳足跡研究對了解人類活動對生態環境的擾動程度及其機理、制定有效的碳排放政策具有重要意義。采用1990—2010年四川省能源消費數據和土地利用數據，通過構建碳排放模型、碳足跡及其壓力指數模型，對研究區20年來土地利用的碳排放及碳足跡進行了定量分析。結果表明：(1)土地利用變化的碳排放和能源消費碳的足跡呈顯著增加趨勢。碳排放增加5407.839×104t，增長率達143%；能源消費的碳足跡增加1566.622×104hm2，四川全省的生態赤字達1563.598×104hm2。(2)建設用地和林地分別為四川省最大的碳源與碳匯。20年間建設用地的碳排放增加5407.072×104t，增長率達126.27%，占碳排放總量的88%以上；林地的碳匯減少10.351×104t，但仍占四川省碳匯的96%以上。(3)土地利用碳排放、碳足跡和生態赤字存在明顯區域差異。成都平原區碳排放、碳足跡壓力最大，生態赤字嚴重，西部高山高原區和盆周山區碳排放、碳足跡最小，未出現生態赤字；成都、德陽、資陽和內江等地的碳排放、碳足跡壓力最大，生態赤字最嚴重，甘孜、阿壩等地的碳排放、碳足跡最小，未出現生態赤字。(4)土地利用結構與碳排放、碳足跡存在一定的相互關系，趨高的碳源、碳匯比導致土地利用的碳源效應遠大于碳匯效應。因此，四川省減排的重點應該在保持或增加現有的林地的同時，主要以降低建設用地的碳排放、碳足跡為主。

土地利用；碳排放；碳足跡；能源消費；碳足跡壓力指數

土地利用/土地覆被變化(LUCC)是影響陸地生態系統碳循環的重要因素，在全球陸地與大氣碳交換中起著重要作用[1- 2]，對全球氣候變化的影響已受到越來越多的關注。加強對碳排放相關領域的研究，對于理解碳排放及其循環的規律、機理，提出有效的節能減排措施，制定區域差別化的碳排放政策，具有重要的理論和現實意義[3]。

目前國內外已經開展了土地利用變化的碳排放的研究。Liu[4]等使用集成生物圈模擬框架和30—60 m分辨率的土地覆蓋變化數據，對加利福利亞森林、灌叢和草原的碳變化進行了研究。Terry L.Sohl[5]等進行了旨在尋求解決美國溫室氣體通量和潛在緩解策略的土地利用變化模擬框架的研究。方精云[6]等對1981—2000年間中國森林、草地、灌草叢以及農作物等陸地植被的碳匯進行了估算, 并對土壤碳匯進行了討論；葛全勝[1]等研究了過去300 a中國土地利用、土地覆被變化與碳循環；鄧吉祥[7]等采用LMDI分解方法，將碳排放的影響效應分解為人口、經濟發展、能源強度和能源結構等效應，探討了中國碳排放區域差異變化的原因與規律；趙榮欽和黃賢金[8]采用 2003—2007年江蘇省能源消費和土地利用等數據, 通過構建能源消費的碳排放模型, 對江蘇省5年來能源消費碳排放進行了核算, 并通過土地利用類型和碳排放項目的對應，對不同土地利用方式的碳排放及碳足跡進行了定量分析。張梅[9]等利用中國的植被類型圖、土壤類型圖以及土地利用遙感影像、借助ArcGIS 9.3的空間分析功能，對全國各種土地利用類型轉變的碳排放強度進行了研究。Zhang[10]等基于擴展的LMDI模型，對安徽省建設用地變化的碳排放效應測度進行了研究。劉國華等[11]依據建立的不同森林類型生物量和蓄積量之間的回歸方程，對我國近20年來森林的碳儲量及其對全球碳平衡的貢獻進行了推算。藍家程等[12]采用碳排放模型、碳足跡模型對重慶市不同土地利用方式碳排放效益、碳排放量的影響因素以及能源消費碳足跡變化進行了分析。總之，國內外的研究主要集中在土地利用/覆被變化對碳循環的影響方面[1,13- 14]，對不同土地利用方式的碳排放效應研究還需要進一步加強[2]。因此，建立土地利用變化與能源消費碳排放之間的定量關系，有助于理解區域土地利用變化與碳排放的相互作用機制, 并為未來面向低碳經濟的土地利用調控提供理論依據[2]。

生態足跡分析理論是由加拿大學者William E.Rees[15]1992年提出，并主要由Wackernagel[16]等對生態足跡理論進行了完善。生態足跡方法通過比較人類活動消耗的自然資源與自然生態系統所提供的生態承載力來定量的判斷研究區域的可持續發展狀態[17]。目前國內外研究主要集中在3個主要方面[18]：一是理論方法的研究，如生態足跡模型的修正[19- 20]、生態足跡因子分析[21- 23]等；二是針對不同對象、不同時空尺度的研究[21- 23]；三是應用領域的擴展，如能源消耗、交通、旅游、國際貿易、消費品、森林等領域以及區域可持續發展能力、生態安全評價與環境評價等[24- 25]。總之，從空間角度來研究區域內部的動態變化以及空間動態差異的相對較少[18]。

碳足跡 是在生態足跡的概念基礎上提出的[26]，它是對某種活動引起的 (或某種產品生命周期內積累的) 直接或間接的CO2排放量的度量[27]，能夠直觀衡量自然系統對人類活動碳排放的響應[28]。作為人類活動對環境的影響和壓力程度的衡量, 碳足跡成為近年來生態學研究的熱點領域[2]。國際上對碳足跡主要有兩種理解：一是將其定義為人類活動的碳排放量[27,29- 30]，即以排放量來衡量；二是將碳足跡看作生態足跡的一部分，即吸收化石燃料燃燒排放的CO2所需的生態承載力[27,31]，即以面積來衡量。碳足跡自提出以來已在家庭住戶[32]、 大都市區[33]的碳足跡估算和模型比較[34]等方面研究取得了一定進展；國內學者對于不同土地利用類型[8]、不同產業[35-36]的碳足跡以及全國尺度上的碳足跡時空格局[36-38]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，但目前對于中國的碳排放和碳足跡格局分析仍處于起步階段[26]。

近年來，快速的工業化、城市化，人類活動對土地生態系統的擾動日益顯著，資源環境面臨空前的壓力。本研究在國內外最新的研究結果的基礎上，利用不同時相的遙感數據，通過構建能源消費的碳排放、碳足跡模型和碳足跡壓力指數模型，對20年來四川省土地利用的碳排放、碳足跡進行較為詳細的評估和分析。這一研究對區域碳循環及其影響機制和減排、緩解、適應氣候變化具有重要的意義[39]。

1 研究區概況

圖1 研究區位置Fig.1 The location of study area

四川省位于97°21′—108°31′E，26°3′—34°19′N之間，地處我國大陸地勢青藏高原和長江中下游平原的過度地帶，地勢西高東低，西部為高原、山地，海拔多在4000 m以上，東部為盆地、丘陵，海拔多在1000—3000 m之間(圖1)。土地面積約48.39×104km2。氣候區域差異明顯，川西高原的氣候垂直分布現象明顯，1月平均氣溫-9.3℃，7月為11—17℃，年均降水量500—700 mm；四川盆地為亞熱帶濕潤氣候，1月平均氣溫3—8℃，7月25—29℃，年均降水量為1000 mm左右。

2 研究方法

2.1 數據及處理

(1)土地利用利用數據是以1990—2010年5期Landsat TM/ETM遙感影像為主要數據源，通過人工目視解譯獲取。數據來源于中國科學院資源環境科學數據中心(http://www.resdc.cn)。通過野外調查實地驗證，土地利用一級類型綜合評價精度達到94.3%以上，滿足1∶10萬比例尺用戶制圖精度[40- 41]。通過ArcGIS 10，用四川省矢量行政邊界裁剪、經過重采樣為100 m的四川省5期土地利用數據；應用ENVI 4.8對土地利用數據進行了重編碼和歸類，將土地利用類型劃分為耕地、林地、草地、水域、建設用地和未利用地等6類。

(2)社會經濟數據主要來源于《四川省統計年鑒》(中國統計出版社，1991—2011年)和《中國能源統計年鑒》(中國統計出版社，1991—2011年)。

2.2 研究方法

2.2.1 土地利用程度變化

土地利用程度指數的計算公式：

(1)

式中，Ld示土地利用程度指數，Ai是第i級土地利用面積(hm2),Ci是第i級土地利用程度分級指數,Hj是土地利用評價區域內土地的總面積(hm2)。

2.2.2 土地利用的碳排放估算模型

土地利用的碳排放估算主要涉及耕地、林地、草地、水域、未利用地和建設用地的碳排放與碳吸收。耕地的農作物通過光合作用吸收空氣中的CO2，但絕大多數農作物在短期內又通過呼吸作用釋放到空氣中去，農作物生物量作為碳匯的效果不明顯[6]。因此，建設用地和耕地為主要碳源，產生碳排放；林地、牧草地、水域和未利用地為碳匯，產生碳吸收。因此，土地利用的碳排放估算模型可表達如下：

(2)

式中，Ce為碳排放量，ei為第i種土地利用類型產生的碳排放(吸收)量；Ai為第i種土地利用類型(耕地、林地、草地、水域、未利用地)面積，αi為第i種土地利用類型的碳排放(吸收)系數；Cb為建設用地的碳排放量；mj為化石能源消費量，βj為標準煤換算系數，γj為碳排放系數。

(1)耕地、林地、草地、水域、未利用地碳排放系數的確定

1)耕地的碳排放系數 據Cai Zucong[42]、何勇[43]的研究，認為農作物的碳排放系數為0.504kg m-2a-1，碳吸收系數為0.007 kg m-2a-1；依據李穎等[44]、蘇雅麗[45]等的研究所確定耕地的碳排放系數為0.422 kg m-2a-1，取其以上研究結果的均值，得出耕地的碳排放系為0.4595kg m-2a-1。

2)林地和草地的碳排放系數 據方精云[6]、肖紅艷[46]等的研究，林地和草地的碳排放系數分別采用-0.581 kg m-2a-1和-0.021 kg m-2a-1；又據李穎[44]等和蘇雅麗[45]等的研究所確定林地和草地碳排放系數的分別采用-0.644 kg m-2a-1和-0.02 kg m-2a-1，取其以上研究結果的均值，得出林地和草地的碳排放系分別為為0.6125 kg m-2a-1和0.0205 kg m-2a-1。

3)水域的碳排放系 據賴力[47]、段曉男[48]等的研究，中國水域和五大湖區水域的平均碳匯系數分別為-0.0248 kg m-2a-1和-0.0253 kg m-2a-1，采用其均值來估算水域碳排放；水域的碳排放系數取-0.0253 kg m-2a-1。

4)未利用地的碳排放系數 四川省未利用地有的是碳吸收、有的是碳排放，但都較弱，碳排放較低；根據賴力[47]的研究，未利用地的碳排放系數取-0.0005 kg m-2a-1。

(2)建設用地的碳排放系數確定

建設用地承載大量的人類活動消耗的能源，不能直接利用建設用地面積數據計算[45]，只能通過建設用地利用過程中消耗能源間接估算碳排放[6,39]，考慮到建設用地的碳排放計算時，需將煤炭、石油和天然氣等能源消費量換算成標準煤，按照文獻[39]確定化石能源的轉化系數[39]，1990—2010年四川省能源消費量(表1)。

表1 1990—2010年四川省能源消費量

2.2.3 生態足跡、生態承載力和生態赤字的計算方法

按照把碳足跡的定義人類活動的碳排放量[27,29- 30]理解，計算碳足跡的方法中比較典型的有投入產出法和生命周期評價法[49]。投入產出法適于宏觀層面，但我國投入產出表5年一編，數據難以獲取；而生命周期評價法適于微觀產品層面，但生命周期階段和邊界難以界定[49]。因此，針對區域碳足跡而言，以上方法都顯得不太適用[49]。目前在計算區域化石能源碳足跡模型中，由生態足跡模型中計算化石能源足跡的模型演變而來的碳匯法仍是比較普遍的模型[49]。采用改進模型來計算化石能源消費的碳足跡，其中比較有代表的改進模型包括嘗試用區域凈初級生產力來代替區域的碳吸收能力[50- 51]和嘗試用凈生態系統生產力來代替區域的碳吸收能力[35]。基于陸地碳循環的過程研究認為在短時期內對陸地碳循環有較大作用的是凈生態系統生產力，用凈生態系統生產量(NEP)來分析化石能源的碳循環更加妥當[52]。

因此，基于William E.Rees[15]和Wackernage[16]等提出的生態足跡的概念和計算方法，再據趙榮欽[35]等、謝宏宇[52]等的碳足跡計算方法，本研究將碳足跡定義為吸納人類經濟活動排放的溫室氣體所需要的生物生產性土地面積，用以衡量四川省生態承載力和人類經濟活動對自然界的影響。NEP是1 hm2的植被1年能夠吸納的碳量[52]，能夠反映植被的固碳能力。由于對于農田生態系統是否存在凈吸收和吸收量的大小上都存在一定的爭議[49]，本文只考慮林地和草地生態系統的凈吸收能力。基于NEP的化石能源生態足跡的計算方法：首先，計算四川省化石能源的碳排放量；其次，根據四川省森林和草地的碳吸收總量，劃分CO2吸收量的份額；最后，通過各自的NEP計算吸收化石能源燃燒排放的CO2所需的森林和草原的面積。基于NEP的化石能源生態足跡計算模型為：

(3)

(4)

Ed=Cf-Ec

(5)

式中，Cf為化石能源碳足跡(hm2)，Ec為生態承載力(hm2)，Ed為生態赤字(hm2)，Cs為不同土地利用方式的碳吸收量(t)，j為煤炭類、油類和天然氣類等化石能源，mj為化石能源消費量，βj為標準煤換算系數，γj為碳排放系數，Pf、Pg分別為四川省森林草地碳吸收比例，EPf、EPg分別為全球森林和草地碳吸收能力[40]，即NEP(t C/hm2)。趙榮欽[35]等、謝宏宇[52]等的碳足跡計算方法，吸收1t CO2所需的相應生產性土地面積計算結果見表2。由表2可知，森林和草原對碳的吸收比例為96.63：3.37，即1 t C 中0.9663t由森林吸收，0.03371t由草原吸收。

2.2.4 碳足跡壓力指數

本文構建碳足跡壓力指數來反映人類社會對區域生態系統的擾動影響，并將其定義為陸地生態系統碳源與碳匯效應之比，計算方法如下：

Cp=Cm/Cs

(6)

式中,Cp為碳足跡壓力指數；Cm為不同土地利用方式的碳源(104t)，Cs為不同的土地利用方式的碳匯(104t)。

表2 主要生產性土地碳吸收系數

當Cp<1時，表明碳排放小于碳吸收，區域陸地生態系統仍有碳吸收的能力；Cp=1時，反映區域碳排放與區域陸地生態系統的碳吸收能力處于均衡狀態；Cp>1時，表明區域碳排放大于區域陸地生態系統的碳吸收能力，碳循環生態系統壓力過大。

2.2.5 皮爾遜相關系數

利用皮爾遜相關系數公式，可計算土地利用程度與碳源、碳排放、碳足跡和生態赤字之間的相關系數。利用皮爾遜相關系數公式為：

(7)

式中，r為皮爾遜相關系數，x和y分別為土地利用程度和碳源、碳排放、碳足跡和生態赤字，n為四川省市、州數目。

3 結果與分析

3.1 土地利用覆被變化

四川省土地利用以耕地、林地和草地為主，約占總面積的94%以上，水域和未利用地較少(表3，圖2)。由表3可見，四川省土地利用變化表現為建設用地和草地比例增長迅速，耕地和林地面積顯著減少最多，草地、水域面積增加，未利用地面積減少；主要原因是四川省快速工業化和城市化，導致農業用地流轉加速。1990—2010年間，草地占全省面積的35%以上，具有景觀基底性質，其次是林地、耕地；耕地和林地的減少面積最多，分別達19.663×104hm2和16.876×104hm2。

四川省土地利用在不同時段，具有不同的變化特征(表3)。1990—1995年間，耕地、林地和未利用地減少，而草地、水域和建設用地增加，其中林地和草地面積分別減少和增加最多，建設用地面積增加比例最大；1995—2000年間，耕地、林地和未利用持續減少，水域和建設用地增加持續增加，其中耕地和建設用地分別減少和增加最多；2000—2005年間，耕地、林地面積持續減少，其余土地利用類型面積增加，其中耕地和建設用地分別減少和增加最多；2005—2010年間，耕地和草地面積減少，其余土地利用類型面積增加，其中耕地和建設用地分別減少和增加最多。

由圖2可知，耕地主要分布在涼山、南充和宜賓等市、州，耕地面積分別占全省面積的2.128%、2.210%和2.026%以上；林地、草地、水域和未利用地主要分布于涼山、甘孜和阿壩等3州地區，其中林地面積分別占全省面積的6.730%、9.145%、5.653%，草地面積分別占全省面積的3.462%、17.931%、10.479%；建設用地主要集中在成都平原及其附近地區。

3.2 土地利用碳排放效應

根據碳排放計算模型、土地利用數據以及能源消耗數據，計算得出1990—2010年四川省土地利用的碳源、碳匯及碳排放量(表4)。據表4可知，1990—2010年四川省的碳排放處于持續增加狀態，碳排放量由1990年的3781.223×104t上升到2010年的9189.062×104t，增長率達143.018%，年均增長7.151%。

表3 1990—2010年四川省土地利用變化

圖2 四川省1990—2010年土地利用格局Fig.2 Land use patterns in Sichuan Province from 1990 to 2010

土地利用的碳排放受到碳源與碳匯的影響。四川省土地利用的兩大碳源中，以建設用地的碳排放為主，研究期內處于快速增加狀態，碳源排放約占總碳源排放量的88%以上，其變化趨勢已顯著影響到區域的碳排放；而耕地面積的減少，導致耕地碳排放呈現減少的趨勢，20年來碳排放量減少33.961×104t，年均減少9.035×104t，其變化趨勢與耕地面積減少一致。因此，建設用地作為主要的碳源在四川省碳減排中具有舉足輕重的地位。

與建設用地碳源迅速增加趨勢相比，林地的碳匯效應呈顯著下降態勢；建設用地碳排放強度大，其碳排放與林地的碳匯的比值始終保持在4.18—9.56之間，林地的碳匯效應所能抵消的碳排放比例由1990年23.923%下降到2010年10.466%，導致四川省碳排放呈持續增加，也反映碳匯作用在抵消碳源作用不顯著；不同土地利用碳源排放與碳匯吸收比值由1990年的4.002快速上升到2010年的9.739，趨高的碳源、碳匯比不利于區域的節能減排和低碳發展。因此，減排的重點應該在保持或增加現有的林地的同時，主要以降低建設用地的碳排放為主。

利用SPSS 17.0計算可知，土地利用程度指數分別與碳匯、生態承載力具有顯著的正相關和負相關的關系，Pearson相關系數分別為0.805和-0.805；與碳源、碳排放、碳足跡和生態赤字呈正相關關系。

表4 1990—2010年四川省土地利用碳排放/(×104 t)

3.3 土地利用的碳排放空間格局分析

3.3.1 碳匯時空格局

采用1990—2010年的斷面數據計算四川省21個市、州的碳匯的空間格局(圖3)。由圖3可知，四川省碳匯主要分布于西部高山高原區和盆周山區；以市州分析，1990年甘孜、涼山、阿壩等3個州的碳匯占全省碳匯的63.64%以上，達675.43×104t，其碳匯分別占全省碳匯的27.32%、19.16%和17.16%；到2010年3個州的碳匯占四川省碳匯的63.80%以上，達670.98×104t，其碳匯分別占全省碳匯的27.51%、19.30%和17.00%，變化不大，反映了林地、草地、水域和未利用地在四川省同類面積上數量優勢，具有相對優勢而穩定的碳匯效應。按照自然斷點方法，將碳匯量分為5級，甘孜、涼山、阿壩等3州為第1級；綿陽、雅安等市為第2級；廣元、達州、樂山等市為第3級；成都、巴中等市為第4級；德陽、南充、內江、自貢、廣安、資陽、眉山、遂寧等市為5級，碳匯效應相對較小。

圖3 1990—2010年四川省土地利用的碳匯格局Fig.3 Carbon sinks patterns of regional land use in Sichuan Province, 1990—2010

研究期內四川省的碳匯效應在時間變化上具有較大的差異性。南充、攀枝花、樂山、內江、自貢和資陽等市的碳匯呈增加趨勢，而阿壩、甘孜、涼山、雅安等市、州的碳匯呈下降趨勢，尤其是阿壩州的碳匯下降幅度最大。

3.3.2 碳源時空格局

采用1990—2010年的斷面數據計算四川省21個市、州的碳源空間格局(圖4)。由圖4可知，土地利用的碳源格局在時間及空間上變化顯著。四川省碳源集中分布于成都平原和四川盆地丘陵區，西部高山高原區和盆周山區的碳源效應較弱；就市州而言，成都、德陽、綿陽、涼山和樂山等市、州為主要的碳源區域，其碳源占四川省碳源的比重由1990年的59.23%迅速增加為62.09%；雅安、阿壩、甘孜、瀘州等市、州的碳源效應較弱；2000年碳源主要分布在成都、德陽、綿陽、涼山等市、州，碳源分別占四川省碳源的54.25%，達2280.82×104t；2010年碳源主要分布在成都、德陽、綿陽、涼山、樂山、眉山等市、州，碳源分別占四川省碳源的66.84%，達6845.24×104t；1990—2010年四川省21市、州碳源均呈現增加態勢，其中的成都、德陽、綿陽等市呈現快速增加態勢。

圖4 1990—2010年四川省土地利用的碳源格局Fig.4 Carbon sources patterns of regional land use in Sichuan Province, 1990—2010

3.3.3 碳排放量時空格局

加強職業院校意識形態工作，不僅是新時代全面從嚴治黨的要求，也是職業院校加強黨的建設的重要任務，同時也是職業院校推動教育教學改革、提高人才培養質量、提升辦學層次的必要路徑。為此，應對意識形態工作的諸多挑戰和復雜形勢，職業院校各個層面需要達成思想共識，加強協同配合，有效凝聚合力，不斷提升意識形態工作成效，為職業院校自身的高質量發展提供強大的思想政治引領和保障。

按照自然間斷點方法，將四川省碳排放劃分為5級，即1級為碳匯，碳排放量較低，2—5級碳排放量增加，5級碳排放最高，得到1990—2010年四川省土地利用的區域碳排放量格局(圖5)。由圖5可知，研究期內土地利用碳排放區域差異顯著，四川省碳排放和碳排放增量主要集中分布于成都平原和四川盆地丘陵區，而西部高山高原區和盆周山區碳排放和增量較小。

由圖5可知，成都市是四川省碳排放最多的區域，為5級，由1990年的1745.07×104t，增加到2010年的4088.56×104t，占四川省碳排放的比例雖有所下降，但仍占四川省碳排放的44%以上；甘孜和阿壩等2州的碳排放最低，為1級，碳匯分別由1990年的203.160×104t 和-110.940×104t下降為2010年的147.504×104t和5.877×104t。研究期內綿陽、德陽、眉山和樂山等4市的碳排放為4級，廣元、遂寧、內江、資陽等4市的碳排放為3級，瀘州、巴中、雅安、廣安和自貢等5市的碳排放為1—2級，碳排放量較小；其余各市州的碳排放量的劃分等級處于動態變化狀態。

圖5 1990—2010年四川省土地利用碳排放量格局Fig.5 Carbon emissions patterns of regional land use in Sichuan Province, 1990—2010

3.4 能源消費碳足跡分析

利用公式(3)計算出四川省1990—2010年能源消費碳足跡(表5)。總體上看，四川省能源碳足跡呈增加趨勢，尤其是2005年后，增加速度更快，增加933.568×104hm2,年均增加約186.714×104hm2, 這與能源消費量增加相對應(表1)，人均碳足跡也從0.158 hm2增加到0.312 hm2；四川省陸地生態系統生物生產性土地面積所承擔的生態承載力介于303.95×104hm2和306.47×104hm2之間，且相對穩定，同期生態赤字面積由930.41×104hm2增加到1561.75×104hm2。

四川省碳足跡大于生態承載力，呈現生態赤字狀態，生物生產性土地面積不足以補償該區域能源消費帶來的碳排放，補償率僅為12.20%—40.57%，說明四川省能源消費碳排放的負荷超過了碳循環系統的碳承載力，碳循環系統壓力過大；不同能源消費碳足跡顯示，煤炭能源碳足跡遠遠大于油類和天然氣碳足跡，說明以煤炭為主的能源消費會帶來更大的碳足跡。森林碳吸收能力大于草地的吸收能力，碳吸收的比例計算得出碳足跡主要以森林為主，占總碳足跡的96.628%(表2)。

表5 1990—2010年四川省能源消費碳足跡/(×104 hm2)

以四川省21個市、州為分析單元，對1990—2010年各市、州的能源消費碳足跡按照自然間斷點方法，劃分為5級：即1級碳足跡較低，2—5級碳足跡增加，5級碳足跡最高，得到1990—2010年四川省土地利用的區域能源消費碳足跡格局(圖6)。據圖6可知，1990—2000年四川省各市、州的能源消費碳足跡差異顯著，呈波動狀態，尤其是2000年后表現為快速增加趨勢。成都、德陽、綿陽等市的碳足跡為最大，約占四川省的碳足跡52.15%—55.40%之間，其中，成都市能源消費碳足跡為四川省最高，由1990年的499.73×104hm2增加到2010年的1179.08×104hm2，而瀘州、廣安、雅安、巴中、阿壩、甘孜等市、州的的碳足跡為最小，約占四川省的7.42%—8.76%之間(圖6)。1990—2010年間全省21個市、州的碳足跡均呈現不同程度的增量態勢，成都、德陽、綿陽等市的碳足跡增量大于36.95×104t，達894.01×104t，占全省碳足跡增量的57.26%，巴中、甘孜、涼山、瀘州、雅安等市、州的碳足跡增量較小，達76.58×104t，僅占全省碳足跡增量的4.90%。

圖6 1990—2010年四川省區域土地利用碳足跡格局Fig.6 Carbon footprints patterns of regional land use in Sichuan Province, 1990—2010

從趨勢上分析，全省不同市、州的生態赤字進一步擴大趨勢，生態赤字差異顯著(圖7)。成都、德陽、綿陽等市的生態赤字增量最大，達895.392×104hm2，占四川省生態赤字增量的57.264%，而巴中、內江、瀘州、甘孜等市、州的生態赤字增量較小，達57.223×104hm2，占四川省生態赤字增量的3.66%。

1990年成都、德陽、綿陽、樂山、涼山等市、州的碳足跡較高，瀘州、廣安、巴中和阿壩等市、州的碳足跡較低，除甘孜和阿壩州外，均出現生態赤字，瀘州生態赤字最低；1995年成都、德陽、綿陽、涼山等市州的碳足跡較高，瀘州、雅安、巴中、阿壩等市州的碳足跡較低，除甘孜、阿壩和雅安等市州外，均出現生態赤字，雅安生態赤字最低；2000年成都、德陽、綿陽等市的碳足跡較高，瀘州、雅安、巴中、阿壩等市、州的碳足跡較低，甘孜、阿壩、涼山和雅安等市、州外，均出現生態赤字，瀘州生態赤字最低；2005年成都、德陽、綿陽、樂山等市的碳足跡較高，瀘州、雅安、巴中、阿壩等市州的碳足跡較低，除甘孜、阿壩等州外，均出現生態赤字，雅安生態赤字最低；2010年成都、德陽、綿陽、眉山、樂山、涼山等市、州的碳足跡較高，瀘州、巴中等市的碳足跡較低，除甘孜、阿壩等州外，均出現生態赤字，巴中生態赤字最低。因此，甘孜、阿壩等州仍然保持生態盈余，能夠足以補償能源消費產生的碳排放，在維持四川省生態系統安全方面具有舉足輕重的作用。

圖7 1990—2010年四川省區域土地利用生態赤字格局Fig.7 Ecological deficits patterns of regional land use in Sichuan Province, 1990—2010

3.5 生態壓力分析

圖8 碳足跡生態壓力分級Fig.8 The classifications of carbon footprints ecological pressure

以全省21個市、州為分析單元，據公式(6)計算1990—2010年各市、州的不同土地利用方式的碳足跡壓力指數，求出各年平均值，按照自然間斷點方法，可將研究區域大致劃分為5類，即分別是高度生態承載區(0.066—0.635)，一般生態承載區(0.635—1.347)，一般過渡生態承載區(1.347—2.976)，一般生態壓力區(2.976—7.393)和高度生態壓力區(7.393—26.410)(圖8)。

據圖8可見，高度生態承載區主要分布在川西、川西北和川西南地區，包括甘孜、阿壩、涼山等州，該區域擁有四川省絕大部分的林地和草地資源，碳匯效應較強，碳排放強度相對較弱；一般生態承載區主要分布在川東北地區，包括廣元、巴中、達州和攀枝花等市，有相對較強的碳匯效應和相對較弱的碳排放強度；一般過渡生態承載區主要分布綿陽、樂山、宜賓和廣安等市，具有相對較強碳匯和碳源效應；一般生態壓力區主要分布在眉山、自貢、南充和遂寧等市，具有相對較強的碳排放強度和相對較弱的碳匯效應；高度生態壓力區主要分布在成都平原及其附近地區，包括成都、德陽、資陽和內江等市，具有碳排放強度高和碳匯效應較弱，尤其是成都市，碳足跡壓力指數達到26.4。

4 結論與討論

(1)土地利用的碳排放、碳足跡處于增加態勢 1990—2010年間碳排放、碳足跡分別增加5407.839×104t和1566.622×104hm2；空間格局差異顯著，成都平原、丘陵區的碳排放和碳足跡最大，西部高山高原區和盆周山區的碳排放和碳足跡最小；成都市、德陽、綿陽等市的碳排放和碳足跡多，而甘孜州、阿壩州等區域，碳排放和碳足跡更小。

(2)全省總體上呈現生態赤字狀態 反映了區域的生物生產性土地面積不足以補償能源消費的碳排放，碳足跡壓力指數平均為6.061，表明碳循環系統壓力過度；1990—2010年碳的生態承載力基本保持相對穩定，碳足跡則呈現逐年快速上升趨勢，生態赤字程度逐年增強；不同區域的碳足跡和生態赤字的差異呈現逐年擴大趨勢，成都平原及其附近區域有高的碳足跡和生態赤字，碳足跡壓力指數高，而西部、西北部區域具有較低的碳足跡和生態赤字，碳足跡壓力指數較低。

(3)四川省超過90%的人口和85%的建設用地和耕地集中分布于成都平原和四川盆地丘陵區，工業較發達，經濟發展水平較高，人口密度大，城鎮化水平較高，化石能源消耗的數量較多，碳源量增加較多，導致生態赤字；西部高山高原區和盆周山區，建設用地和耕地分布少，城鎮化進程緩慢，工業基礎薄弱，經濟發展水平不高，消耗化石能源數量小，碳源量少；土地利用程度越高，對環境的擾動越劇烈，導致森林、草場和耕地向城市建設用地的轉化，這些地表過程伴隨著生態系統碳儲量的變化。

(4)工業化和城市化的快速發展和農業現代化的加快，資源環境的瓶頸制約近一步加劇，發展與環境保護的矛盾日益凸顯，環境歷史問題和新型環境問題交織，對四川省經濟發展的約束和影響加劇，也對三峽庫區乃至長江流域的生態環境和社會經濟發展造成嚴重的影響和危害。土地利用碳排放總受到碳源與碳匯的影響顯著，趨高的碳源/碳匯比不利于四川省低碳發展和減排。因此，減排的重點應該在保持或增加現有的林地的同時主要以降低建設用地的碳排放為主。

(5)土地利用碳排放的估算存在一定的不確定性。目前的土地利用變化碳排放的研究方法和模型雖然得到不斷地改進和完善，但土地利用變化對生態系統碳循環的影響是一個復雜的過程，當前的研究中仍然存在著不確定性；在計算土地利用、尤其是建設用地的碳源時，由于數據限制，僅考慮了化石能源消費帶來的碳排放，未考慮計算農村生物質能燃燒帶來的碳排放；雖然應用遙感數據獲取了土地利用數據，但沒有考慮不同植被類型的質量狀況，采用統一的碳凈積累量勢必對計算結果產生一定影響；未來研究可通過遙感反演和實測數據結合更加精確測算區域的碳排放能力。

[1] 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.

[2] 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.

[3] 盧俊宇, 黃賢金, 陳逸, 肖瀟. 基于能源消費的中國省級區域碳足跡時空演變分析. 地理研究, 2013, 32(2): 326- 336.

[4] Liu J X, Vogelmann J E, Zhu Z L, Key C H, Sleeter B M, Price D T, Chen J M, Cochrane M A, Eidenshink J C, Howard S M, Bliss N B, Jiang H. Estimating California ecosystem carbon change using process model and land cover disturbance data: 1951—2000. Ecological Modelling, 2011, 222(14): 2333- 2341.

[5] Sohl T L, Sleeter B M, Zhu Z L, Sayler K L, Bennett S, Bouchard M, Reker R, Hawbaker T, Wein A, Liu S G, Kanengieter R, Acevedo W. A land-use and land-cover modeling strategy to support a national assessment of carbon stocks and fluxes. Applied Geography, 2012, 34: 111- 124.

[6] 方精云, 郭兆迪, 樸世龍, 陳安平. 1981- 2000年中國陸地植被碳匯的估算. 中國科學 D輯: 地球科學, 2007, 37(6): 804- 812.

[7] 鄧吉祥, 劉曉, 王錚. 中國碳排放的區域差異及演變特征分析與因素分解. 自然資源學報, 2014, 29(2): 189- 200.

[8] 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.

[9] 張梅, 賴力, 黃賢金, 揣小偉, 談俊忠. 中國區域土地利用類型轉變的碳排放強度研究. 資源科學, 2013, 35(4): 792- 799.

[10] Zhang L Q, Chen S P, Zhu Y W, Xu X W. The measurement of carbon emission effect of construction land changes in Anhui province based on the extended LMDI model. Journal of Resources and Ecology, 2013, 4(2): 186- 192.

[11] 劉國華, 傅伯杰, 方精云. 中國森林碳動態及其對全球碳平衡的貢獻. 生態學報, 2000, 20(5): 733- 740.

[12] 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- 150, 155- 155.

[13] McGuire A D, Sitch S, Clein J S, Dargaville R, Esser G, Foley J, Heimann M, Joos F, Kaplan J, Kicklighter D W, Meier R A, Melillo J M, Moore B, Prentice I C, Ramankutty N, Reichenau T, Schloss A, Tian H, Williams L J, Wittenberg U. Carbon balance of the terrestrial biosphere in the twentieth century: analyses of CO2, climate and land use effects with four process-based ecosystem models. Global Biogeochemical Cycles, 2001, 15(1): 183- 206.

[14] Quay P D, Tilbrook B, Wong C S. Oceanic uptake of fossil fuel CO2: Carbon- 13 evidence. Science, 1992, 256(5053): 74- 79.

[15] William E R. Ecological footprints and appropriated carrying capacity: what urban economics leaves out. Environment and Urbanization, 1992, 4(2): 121- 130.

[16] Wackernagel M, Onisto L, Bello P, Linares A C, Falfán I S L, García J M, Guerrero A I S, Guerrero M G S. National natural capital accounting with the ecological footprint concept. Ecological Economics, 1999, 29(3): 375- 390.

[17] Wackernagel M, Schulz N B, Deumling D, Linares A C, Jenkins M, Kapos V, Monfreda C, Loh J, Myers N, Norgaard R, Randers J. Tracking the ecological overshoot of the human economy. Proceedings of the National Academy of Sciences of the United States of America, 2002, 99(14): 9266- 9271.

[18] 田玲玲, 羅靜, 董瑩, 劉和濤, 曾菊新. 湖北省生態足跡和生態承載力時空動態研究. 長江流域資源與環境, 2016, 25(2): 316- 325.

[19] 周濤, 王云鵬, 龔健周, 王芳, 馮艷芬. 生態足跡的模型修正與方法改進. 生態學報, 2015, 35(14): 4592- 4603.

[20] 楊屹, 加濤. 21世紀以來陜西生態足跡和承載力變化. 生態學報, 2015, 35(24): 7987- 7997.

[21] 馬明德, 馬學娟, 謝應忠, 馬甜. 寧夏生態足跡影響因子的偏最小二乘回歸分析. 生態學報, 2014, 34(3): 682- 689.

[22] 蔣莉, 陳治諫, 沈興菊, 郭娜. 生態足跡影響因子的定量分析——以中國各省(區市)1999年生態足跡為例. 長江流域資源與環境, 2005, 14(2): 238- 242.

[23] 魯鳳, 徐建華, 王占永, 胡秀芳. 生態足跡影響因子定量分析及其動態預測比較研究——以新疆為例. 地理與地理信息科學, 2010, 26(6): 70- 74.

[24] 安寶晟, 程國棟. 西藏生態足跡與承載力動態分析. 生態學報, 2014, 34(4): 1002- 1009.

[25] 張愛菊, 張白汝, 向書堅. 中部6省生態足跡的測算與比較分析. 生態環境學報, 2013, 22(4): 625- 631.

[26] 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.

[27] Wiedmann T, Minx J. A definition of carbon footprint [EB/OL]. (2007-06). http://www.docin.com/p- 760760051.html.

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

[29] British Petroleum. What on earth is a carbon footprint. (2007). http://www.bp.com/liveassets/bp_internet/globalbp/STAGING/global_assets/downloads/A/ABP_ADV_what_on_earth_is_a_carbon_footprint.pdf.

[30] Energetics. The reality of carbon neutrality. Columbia, Maryland: Energetics Pty Ltd, 2007.

[31] Global Footprint Network. Ecological footprint glossary. (2015-08- 25). http://www.footprintnetwork.org/gfn_sub.php?content=glossary.

[32] 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.

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

[34] 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.

[35] 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.

[36] 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.

[37] 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.

[38] 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.

[39] 石洪昕, 穆興民, 張應龍, 呂明權. 四川省廣元市不同土地利用類型的碳排放效應研究. 水土保持通報, 2012, 32(3): 101- 106.

[40] Liu J Y, Liu M L, Zhuang D F, Zhang Z X, Deng X Z. Study on spatial pattern of land-use change in China during 1995- 2000. Science in China Series D: Earth Sciences, 2003, 46(4): 373- 384.

[41] Liu J Y, Kuang W H, Zhang Z X, Xu X L, Qin Y W, Ning J, Zhou W C, Zhang S W, Li R D, Yan C Z, Wu S X, Shi X Z, Jiang N, Yu D S, Pan X Z, Chi W F. Spatiotemporal characteristics, patterns, and causes of land-use changes in China since the late 1980s. Journal of Geographical Sciences, 2014, 24(2): 195- 210.

[42] Cai Z C, Kang G D, Tsuruta H, Mosier A. Estimate of CH4emissions from year-round flooded rice fields during rice growing season in China. Pedosphere, 2005, 15(1): 66- 71.

[43] 何勇. 中國氣候、陸地生態系統碳循環研究. 北京: 氣象出版社, 2006.

[44] 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.

[45] 蘇雅麗, 張艷芳. 陜西省土地利用變化的碳排放效益研究. 水土保持學報, 2011, 25(1): 152- 156.

[46] 肖紅艷, 袁興中, 李波, 顏文濤. 土地利用變化碳排放效應研究——以重慶市為例. 重慶師范大學學報: 自然科學版, 2012, 29(1): 38- 42.

[47] 賴力, 黃賢金, 劉偉良, 趙登輝. 基于投入產出技術的區域生態足跡調整分析——以2002年江蘇為例. 生態學報, 2006, 26(4): 1285- 1292.

[48] 段曉男, 王效科, 逯非, 歐陽志云. 中國濕地生態系統固碳現狀和潛力. 生態學報, 2008, 28(2): 463- 469.

[49] 鄧宣凱, 劉艷芳, 李紀偉. 區域能源碳足跡計算模型比較研究——以湖北省為例. 生態環境學報, 2012, 21(9): 1533- 1538.

[50] 方愷, 董德明, 沈萬斌. 能源足跡改進方法及其在區域能源利用效益分析評價中的應用. 地理科學, 2010, 30(5): 686- 692.

[51] 方愷, 沈萬斌, 王黎黎. 基于能源足跡改進模型的農業區可持續性分析. 地理與地理信息科學, 2010, 26(6): 66- 69.

[52] 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.

Effect of land use changes on the temporal and spatial patterns of carbon emissions and carbon footprints in the Sichuan Province of Western China,from 1990 to 2010

PENG Wenfu1,2，ZHOU Jieming1,2,*，XU Xinliang3，LUO Huailiang1,2， ZHAO Jingfeng1,2， YANG Cunjian1,2

1TheInstituteofGeographyandResourcesScience,SichuanNormalUniversity,Chengdu610068,China2KeyLaboratoryofLandResourcesEvaluationandMonitoringinSouthwest,MinistryofEducation,SichuanNormalUniversity,Chengdu610068,China3DataCenterforResourcesandEnvironmentalSciences,ChineseAcademyofSciences(RESDC),Beijing100101,China

Land use changes significantly affect the carbon dynamics of terrestrial ecosystems, and are one of the main factors influencing climate change on a global scale. Analyzing the effects of land use on carbon emissions is important for understanding the mechanisms of carbon emissions and the success of carbon reduction and climate change mitigation efforts. In this study, we developed carbon emission, pressure index, and carbon footprint models to evaluate a carbon budget, and carried out research in the Sichuan Province of western China to estimate carbon sinks and carbon sources, based on energy consumption and land use change data from 1990 to 2010 (obtained from remote sensing technologies). The results showed that: (1) Changes in land use and energy consumption from 1990 to 2010 significantly increased carbon emissions (5407.839 × 104t, or 143%), with an average annual rate of increase of 7.151% (1566.622 × 104hm2). During the same period, the carbon footprint for energy consumption increased, and the area of ecological deficit reached 1563.598 × 104hm2. Overall, the increase in carbon emissions was associated with a rapid increase in fossil fuel consumption as well as land use changes; (2) Land under construction (carbon source) and forests (carbon sink) were the largest carbon pools in the carbon budget. Higher carbon emissions were noted for built-up land than for other land use types. Between 1990 and 2010, there was a continuous increase in carbon sources, and a slight decrease in carbon sinks. Carbon emissions from built-up land increased by 126.27%, which was the largest percentage increase in carbon emissions; (3) There were considerable regional differences in carbon emissions and carbon footprints. The Chengdu plain, and its surroundings regions (e.g., Chengdu, Deyang, Ziyang, and Neijiang), had higher carbon emissions, carbon footprints, and ecological deficits in 2010 than in 1990. In contrast, the west, northwest, and southwest mountainous regions and plateau areas (e.g., the Ganzhi, Aba, and Liangshan autonomous prefectures) had lower carbon emissions in 2010 than in 1990. In general, these regions had low carbon footprints and ecological deficits because of their widespread coverage by forests and grasslands. Compared to the Chengdu plain (and its surroundings regions), these regions had relatively low fossil fuel consumption, slow urbanization rates, and limited industrial development and transportation corridors. Overall, in Sichuan, there was an increase from 1990 to 2010 in the spatial distribution and severity of carbon emissions, carbon footprints, and ecological deficits; and (4) Land use had a greater effect on carbon sources than on carbon sinks. Forests, grasslands, water areas, and unused land were the main carbon sinks, while land under construction and cultivated land were the main carbon sources. The rapid increase in carbon sources and slow decrease in carbon sinks resulted in a substantial increase in carbon emissions in Sichuan from 1990 to 2010, with the ratio of sources to sinks increasing from 4.002 in 1990 to 9.739 in 2010. In conclusion, one key focus of future carbon emission reduction efforts in Sichuan should be to maintain or increase forest areas. It would also be worthwhile to reduce carbon emissions from land under construction. Through targeted land use and land management activities, ecosystems can be managed to enhance carbon sequestration and mitigate fluxes of greenhouse gases.

land use; carbon emissions; carbon footprints; energy consumption; pressure index of carbon footprints

國家自然科學基金資助項目(41371125)

2015- 06- 11;

2016- 04- 29

10.5846/stxb201506111188

*通訊作者Corresponding author.E-mail: zjm@sicnu.ecu.cn

彭文甫，周介銘，徐新良，羅懷良，趙景峰，楊存建.基于土地利用變化的四川省碳排放與碳足跡效應及時空格局.生態學報,2016,36(22):7244- 7259.

Peng W F，Zhou J M，Xu X L，Luo H L， Zhao J F， Yang C J.Effect of land use changes on the temporal and spatial patterns of carbon emissions and carbon footprints in the Sichuan Province of Western China, from 1990 to 2010.Acta Ecologica Sinica,2016,36(22):7244- 7259.