基于灰色模型的土地利用與碳排放關系研究

黃銳

江蘇蘇地仁合土地房地產評估咨詢有限公司,江蘇南京210000

基于灰色模型的土地利用與碳排放關系研究

黃銳

江蘇蘇地仁合土地房地產評估咨詢有限公司,江蘇南京210000

“十三五”時期要全面建成小康社會，經濟發展方式轉變將取得實質性進展。研究土地利用與碳排放二者的關系，有助于優化用地結構、實現節能減排的目標，對“十三五”規劃的編制、轉變發展方式、推動科學發展具有重要的指導意義。本文采用灰色模型，對某市土地利用結構和碳排放相關指標進行關聯度分析。研究結果表明，2007～2012年期間，某市碳排放量、人均碳排放量、碳排放強度與七類典型用地均有較強的關聯度。通過灰色預測模型發現，某市要完成2020年的低碳經濟目標，需嚴格控制農用地轉用，增加園地和林地的地類面積，以增加碳匯用地；減少城鎮村及工礦用地和交通運輸用地的地類面積。

土地利用;碳排放;灰色模型

從IPCC第四次氣候變化評估報告和《斯特恩氣候變化報告》發表之后，低碳經濟（Low-Carbon Economy，LCE）已成為國內外學者和政府關注的重點。土地利用變化是引起區域“自然—社會”碳排放的重要因素，不同用地結構將產生不同的碳排放效應。“十三五”時期要全面建成小康社會，經濟發展方式轉變將取得實質性進展。開展用地結構和碳排放關系的研究，有助于從土地利用規劃、產業結構調控、土地整治等領域引導經濟社會的發展，實現節能減排的目標，對“十三五”規劃的編制、轉變發展方式、推動科學發展具有重要的指導意義。

目前國內外學者逐漸開展了土地利用與碳排放之間的相關研究，如低碳化土地利用模式、用地結構[1-3]、土地利用變化的土壤碳量研究[4,5]、土地利用、能源消費與碳排放關系[6-8]等。本文嘗試采用灰色關聯度模型對某市土地利用結構和碳排放相關指標的關系進行擬合分析，應用灰色預測模型對關聯度水平較高的因素指標進行預測，并與土地利用規劃該指標的遠期目標比較分析，引導低碳經濟的發展。

1 研究區概況

研究區位于江蘇省北部，介于北緯33°8′～34°25′，東經117°56′～119°10′之間，屬于長三角經濟圈（帶）、東隴海產業帶、沿海經濟帶、沿江經濟帶的交叉輻射區，總人口約560萬。某市地勢總體呈西北高，東南低的格局，最高點海拔高度71.2 m，最低點海拔高度2.8 m。屬暖溫帶季風性氣候，年均氣溫14.2℃，年均降水量910 mm，年均日照總時數2291 h。在新型城鎮化規劃建設中，該市將著重于在生態文明建設和可持續發展方面做出創新，并在未來的城市空間土地開發利用中更注重低碳環保的因素。

2 研究方法

考慮到樣本數據量有限，并且對樣本數據的概率分布典型性、各因素數據與系統特征數據之間的線性關系難以確定，為了避免出現量化結果與定性分析結果不符的現象，本文采用灰色系統模型對某市土地利用結構和碳排放相關指標進行關聯度分析及灰色預測[9]。

2.1 灰色關聯度模型

設X0={x0(1)，x0(2)，…x0(n)}為系統行為序列（系統特征數據序列），而

為系統相關因素序列，Xi(1)為Xi(0)的1-AGO序列（i=1， 2，…n），系統內部因素之間的關聯度計算公式如下：

其中，ξ∈(0,1)，為分辨系數，本文取值0.5；γ（x0(k)，xi(k)）簡記為γ0i(k),為k點關聯系數；γ（X0，Xi）簡記為γ0i，為灰色關聯度。

2.2 灰色預測GM(1，N)模型

系統特征數列與相關因素序列的GM(1，N)模型及其近似時間響應模型

2.3 數據處理

采用均值化方式，對數據進行無量綱化處理，避免指標之間對比的不可比性，既可以反映原始數據中各指標變異程度上的差異，也包含各指標相互影響程度差異的信息。具體數據參照如下公式處理：

2.4 碳排放量測算模型

國內外對于化石能源燃燒造成的碳排放計算有許多成果，總的來說可以分為兩類方法，一類是基于質量守恒的排放系數法，根據燃料的詳細程度，數據類型不同而衍生出各種測算公式，如IPCC各燃料碳排放系數法[10]、標準煤消耗系數法、ORNL碳排放消耗系數法[11]等，第二類是基于長期碳量變化監測的實測法和遙感地圖碳儲量估算法[12]。本文參照國家科技部氣候變化項目的標準煤消耗數值（0.67 t(碳)/t），采用標準煤消耗系數法估算某市年度碳排放量，公式如下：

其中，Ti表示第i年度的碳排放量，Ei表示第i年度的綜合能源消耗量（萬噸標準煤），C表示標準煤消耗碳排放系數。

3 結果與分析

3.1 土地利用結構

本文選取某市耕地、園地、林地、其它農用地、城鎮村及工礦用地、交通運輸用地、水利設施用地等七種典型性地類進行分析，數據來源于2007～2012年某市土地利用數據，用地基本情況如圖一所示。2007年到2012年期間，某市耕地面積總體處于減少的趨勢，園地、林地、其他農用地、城鎮村及工礦用地、交通運輸用地、水利設施用地面積總體處于平穩增長的態勢。某市在城市建設、經濟快速增長的過程中，第二產業生產總值貢獻顯著，不僅與第二產業生產要素的投入產出效率有關，而且與產業用地的擴張發展也有關。非農建設用地的不斷擴大，導致某市耕地面積的逐漸減少。采用公式（3），對各年份用地數據進行無量綱化處理，如表1所示。

圖1 某市2007～2012年土地利用變化動態Fig.1 The dynamic changes of land use in a city from 2007 to 2012

表1 7類典型用地標準化數值Table 1 The standardized values of 7 typical lands

3.2 碳排放測算

根據某市統計年鑒（2013）獲取2007～2012年綜合能源消耗量（萬噸標準煤）、總人口數（萬人）、GDP（億元）等指標數值，采用公式（3）測算出全市碳排放量。用全市碳排放量與總人口數、GDP計算，測算出人均碳排放量、單位GDP碳排放量等指標值，如表2所示。全市碳排放量和人均碳排放量呈逐年上升水平，單位GDP碳排放量呈逐年下降水平，這既體現了某市作為發展中城市，在面對氣候變化時“發展優先”的原則，又積極推進經濟和產業結構調整、提高能效的政策措施，并取得了一定的成效。采用公式（3）對三類指標的數值進行無量綱化處理后如表3所示。

表2 碳排放指標值Table 2 The indexes of Carbon emission

表3 碳排放指標標準化值Table 3 The standardized values of carbon emission indexes

3.3 關聯度測算及分析

3.3.1 測算為了較好的分析用地結構與碳排放的關系，對耕地、園地、林地、其它農用地、城鎮村及工礦用地、交通運輸用地、水利設施用地等七種典型性地類和全市碳排放量、人均碳排放量、單位GDP碳排放量采用公式（1）得出二者之間的關聯度，如表4所示。測算結果表明，七種典型性地類與全市碳排放量、人均碳排放量、單位GDP碳排放量等指標均處于關聯度較高的水平。

表4 土地利用與碳排放指標關聯度水平Table 4 The relationship between land use and carbon emission indexes

3.3.2 分析全市碳排放量與園地、林地、其他農用地、城鎮村及工礦用地、交通運輸用地和水利設施用地的關聯度水平都較高（關聯度接近0.8）。園地、林地和其他農用地作為最主要的碳匯，是吸收碳排放最主要的途徑，而城鎮村及工礦用地、交通運輸用地和水利設施用地，承載了城市大部分的能源消費，產生了巨大的碳排放量，所以這六類土地與能源消費碳排放量有著很高的關聯度。

2007～2012年期間，該市園地、林地和其他農用地總量略有減少，而城鎮村及工礦用地、交通運輸用地和水利設施用地總量逐年增加，所以全市碳排放量不斷增加。人均碳排放量可以在一定程度上反映區域內能源平均消費水平和對環境的影響強度，七類典型用地與人們生活息息相關，所以七類典型用地與人均能源碳排放量也有很緊密的關系（關聯度均大于0.8）。碳排放強度是單位GDP所帶來的碳排放量，七類典型用地與碳排放強度有著較高的關聯度水平（關聯度遠大于0.8），這和該市近年來不斷提高土地集約利用水平、降低碳排放強度的變化趨勢相吻合。

3.4 灰色預測

國家在哥本哈根氣候大會上承諾到2020年我國單位國內生產總值二氧化碳排放比2005年下降40%～45%，作為約束性指標納入國民經濟和社會發展中長期規劃。本文選取比2005年下降“45%”、即年均下降“4%”的水平作為某市2020年的碳排放強度目標，測算出2020年某市2020年碳排放強度為0.2032 t/萬元。

以城鎮村及工礦用地為例，建立二者的GM(1,2)模型，將碳排放強度指標值與城鎮村及工礦用地指標值代入公式（2）得出二者的灰色模型為和近似時間響應函數為：

通過時間響應函數可以推算出2007～2012年城鎮村及工礦用地面積的模擬數據，如表5所示。從檢驗可以看出，模擬數據序列值離散性較小，預測置信度較高。代入時間響應函數，測算出2020年城鎮村及工礦用地指標值為10.0986萬ha。同理，采用公式（2），測算出2020年其它類用地的用地指標值，如表6所示。

表5 城鎮村及工礦用地面積預測誤差檢驗表(單位:萬ha)Table 5 The Checklist of prediction errors for areas in urban-village-industrial lands(Ten thousand hectares)

表6 2020年七類典型用地面積預測表(單位:萬ha)Table 6 the area prediction of 7 typical land Class in 2020(Ten thousand hectares)

根據《某市土地利用總體規劃（2006～2020年）》相關指標值，2020年七類典型用地面積分別是：耕地4.5291萬hm2，園地2.3012萬hm2，林地2.5585萬hm2，其它農用地9.0653萬hm2，城鎮村及工礦用地10.3766萬hm2，交通用地0.8227萬hm2，水利設施用地1.9586萬hm2。表6可以看出，本文預測的七類用地中，耕地、其他農用地和水利設施用地與土地利用總體規劃的指標控制值相差較小，園地、林地、城鎮村及工礦用地和水利設施用地與土地利用總體規劃的指標控制值相差較大，其中園地比規劃控制值大0.1491萬hm2，林地比規劃控制值大0.1706 hm2，而城鎮村及工礦用地比規劃控制值小0.2780萬hm2，交通運輸用地比規劃控制值小0.1188萬hm2。以上四類用地中，兩類農用地的預測值大于規劃控制值，而兩類建設用地的預測值小于規劃控制值，說明該市應加強對農用地的保護，嚴格控制農用地轉用。

4 結論與建議

研究結果表明，2007～2012年期間，某市碳排放量、人均碳排放量、碳排放強度與七類典型用地均有較強的關聯度，說明土地利用與碳排放有著密切的聯系。隨著經濟社會的不斷發展、工業化和城市化水平的不斷提高，能源消費不斷增大，居民點及工礦用地、交通運輸用地及水利設施用地等建設用地承載了大部分的基礎設施及房地產建設，這一過程中必然伴隨著高能耗、高碳排放；耕地、園地、林地和其他農用地發揮著重要的碳匯功能，大量有效吸收碳排放。通過灰色預測模型發現，某市要完成2020年的低碳經濟目標，需嚴格控制農用地轉用，增加園地和林地的地類面積，以增加碳匯用地；減少城鎮村及工礦用地和交通運輸用地的地類面積，以減少承載碳排放用地地類。

某市正處于城市化快速發展時期，同時也是轉變經濟發展方式、實現“兩型社會”的跨越式發展時期，因此調整土地利用結構布局，優化土地資源配置，使土地利用過程中的能源效率提高，實現低碳經濟發展模式至關重要。針對以上問題，可以嘗試從以下幾方面著手構建低碳排放的土地利用體系：

（1）調整土地利用結構。優化產業用地結構[13]，嚴格控制建設用地規模，嚴禁無節制地以犧牲耕地、林地、園地為代價擴張建設用地，堅守耕地紅線，嚴禁建設用地無序擴張，加強植樹造林力度，增加公共綠地面積及森林覆蓋率以提高城市的生態功能，增加碳匯。

（2）轉變土地利用方式。對農用地加大技術投入，通過減少農藥的使用、循環利用農業廢棄物、提高復種指數、節約農業投入等提高農用地的利用效率，減少其能源消耗，大力發展低碳農業、循環農業。通過對建設用地的合理布局、挖掘建設用地內部潛力達到建設用地的集約化利用。

（3）建立嚴格的產業準入機制。一方面大力調整產業結構，發展能源消耗低的現代服務、裝備制造業以及新材料、軟件等高新技術產業；另一方面則要嚴格控制煤礦等高耗能產業發展，建立嚴格的耗能行業準入制度，嚴格落實固定資產投資項目的用地審批制度。

本文采用灰色模型，對土地利用結構和碳排放的關系進行實證研究，具有一定的借鑒價值?；跀祿@取方面的原因，如若能從焦炭、燃油、燃氣等各類能源角度統計測算碳排放相關指標，并且增加時間維度數據（本文無法獲取2007年及以前的綜合能源消耗等數據），從主要的碳源地類、碳匯地類分別建立土地利用與碳排放的多因素灰色預測模型，測算結果將具有更高的可靠性。另外，研究區域有待擴展，研究方法的深度和精度有待提升。

[1]余德貴,吳群.基于碳排放約束的土地利用的結構優化模型研究及其應用[J].長江流域資源與環境,2011,20(8):911-917

[2]游和遠,吳次芳.土地利用的碳排放效率及其低碳優化--基于能源消費的視角[J].自然資源學報,2010,25(11):1875-886

[3]潘海嘯.面向低碳的城市空間結構--城市交通與土地使用的新模式[J].城市發展研究,2010,17(1):40-45

[4]張俊華,李國棟,南忠仁,等.黑河中游不同土地利用類型下土壤碳儲量及其空間變化[J].地理科學,2011,31(8):982-988

[5]Houghton RA,Hackler JL.Sources and sinks of carbon from land-use change in China[J].Global Biogeochemical Cycles,2003,17(2):1034-1047

[6]賴力.中國土地利用的碳排放效應研究[D].南京:南京大學,2010

[7]Ali G,Nitivattananon V.Exercising multidisciplinary approach to assess interrelationship between energy use,arbon emission and land use change in a metropolitan city of Pakistan[J].Renewable and Sustainable Energy Reviews, 2012,16(1):775-786

[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[J].地理研究,2010,29(9):1639-1649

[9]劉思峰,謝乃明.灰色系統理論及其應用[M].第4版.北京:科學出版社,2008

[10]IPCC.2006 IPCC Guidelines for National Greenhouse Gas Inventories[R].2006

[11]中華人民共和國國家統計局.中國能源統計年鑒2008[M].北京:中國統計出版社,2006

[12]王莉雯,衛亞星.基于RS和GIS的沈陽碳排放空間分布模擬[J].資源科學,2012,34(2):328-336

[13]樊綱,馬蔚華.低碳城市在行動:政策與實踐[M].北京:中國經濟出版社,2011:152-158

The Research on the Relationship between Land Use and Carbon Emissions Based on the Grey Model

HUANG Rui
Jiangsu Sudirenhe Real Estate Appraisal&Consultation Co.,Ltd.,Nanjing 210029,China

During the 13thFive Year Plan Period,economic development pattern will achieve substantive progress.The research about association degree between Land use and Carbon emissions will be help to optimize land use structure and achieve energy saving targets,which will be useful for the Thirteen Five-year Plan.The paper research about association degree between Land use and Carbon emissions based on Grey Model.The results show that during 2007-2012 period, carbon emissions,per capita carbon emissions and carbon intensity have a strong association with seven typical land Class. By gray prediction model,to complete the 2020 goal of a low carbon economy,the city need to strictly control the conversion of agricultural land mark,increasing the planning of garden and woodland ground class area,in order to increase land carbon sinks to class;to reduce class area of town village and industrial land and transportation land,in order to reduce carbon emissions from land use to carry class.

Land use;carbon emissions;Gray Model

F302.4

A

1000-2324(2016)06-0856-06

2015-04-22

2015-09-25

黃銳(1982-),男,注冊土地估價師、房地產估價師,主要從事地價評估與土地利用規劃研究.E-mail:8103657@qq.com