中國土地利用碳排放空間特征演化研究

邢秀為,李曉丹,黃 鑫,劉學錄b,韋 軍

(甘肅農業大學 a.管理學院;b.資源與環境學院,甘肅 蘭州 730070)

1 引言

土地利用變化是影響陸地生態系統碳循環的重要因素,也是引起區域碳排放的主要原因,已成為僅次于化石能源燃燒的人類碳源[1]。有關研究表明,林地、園地、草地是主要的碳匯地類,建設用地、耕地是主要的碳源地類[2]。人類社會的不斷轉型帶來了土地利用方式的變革與調整,使大量農業用地轉化為非農用地,導致碳匯面積縮減、碳源面積擴大,這種現象在快速發展的我國更為顯著。國際能源機構(IEA)2009年的數據顯示,我國早在2007年就已成為世界上最大的碳排放國。2015年，我國政府承諾在2030年將單位生產總CO2排放強度下降到2005年的60%—65%。如何在推進城鎮化和工業化快速合理發展的同時,實現減排增效,成為國內學者研究的焦點。

目前，土地利用碳排放研究主要集中在土地利用碳排放機理[3]、影響強度測度[4,5]、排放效應[6]、驅動因素識別[7,8]等方面。研究尺度涵蓋全球[9]、省域[10]、城市群[11]、市域[12]、縣域[13]等多個層面。近年來,以空間計量的視角開展區域碳排放問題研究突破了單純以時間序列為主要對象的障壁,取得了一定進展。喬健[14]從空間重心遷移角度入手,基于擴展的Kaya恒等式分析了碳排放影響因素的作用機理;鄧吉祥等[15]將我國劃分八大區域,在此基礎上研究了八大區域在1995—2010年的碳排放特征及其變化規律,并利用LMDI分解法對碳排放的影響效應進行了分析;劉佳駿等[17]通過空間相關模型與空間溢出模型分析了我國30個地區的碳排放強度與人均碳排放的空間效應關系,認為碳排放強度在局部范圍內具有較高的空間相關性,碳排放強度溢出效應顯著區集中在東部沿海經濟發達地區與中西部傳統能源產品輸出省份;袁霄等[13]以重慶市38個區縣為研究單元,基于不同土地利用類型數據,采用直接與間接碳排放估算模型,計算了1997—2015年各區縣土地利用碳排放強度,采用空間自相關分析方法探討了空間關聯特征，認為局部空間自相關顯示高值集聚區域主要位于主城區和環主城區,低值集聚區域主要位于渝東南和渝東北地區,并具有一定的空間路徑依賴特征。

目前,對碳排放空間特征研究主要通過空間相關性和空間重心遷移入手,但鮮有學者將兩者結合起來對土地利用碳排放的空間特征演變進行探索。基于此,本研究以省域為尺度,從“量”和“質”兩個方面作為切入點,通過重心模型和空間相關模型,對我國2009—2016年土地利用碳排放重心和空間相關性進行研究。從宏觀角度掌握區域土地利用碳排放的空間差異及分布特征,了解碳排放在時空上的演變趨勢,為國家在宏觀層次上差異化制定減排目標提供幫助,推動減排措施的順利實施。

2 數據來源與研究方法

2.1 數據來源

本文根據《土地利用現狀分類》(GB/T 21010—2007)將各省份土地類型主要劃分為:耕地、園地、林地、草地、水域、建設用地和未利用地七大類,研究所需要的各地類數據和及各省域面積數據來源于2010—2017年的《中國土地資源統計年鑒》和全國土地利用變更調查成果。

為了保證數據的統一性,依據《土地利用現狀分類》(GB/T21 010—2007)將地類劃分為耕地、園地、林地、草地、水域、建設用地和未利用地七大類。各省能源消費數據和生產總值數據分別來源于2010—2017年的《中國能源統計年鑒》與國家統計局。基于數據的可獲取性,研究區域未將香港和澳門特別行政區、西藏自治區和臺灣地區納入分析。

2.2 研究方法

土地利用碳排放總量是碳匯量和碳源量之和,碳源量為耕地和建設用地產生的排放量,碳匯量為林地、園地、草地、水域和未利用土地所吸收的碳量。計算公式為:

E=Ez+Ej=Σei+ΣEji=ΣTiδi+ΣEniQifi

(1)

式中,E為土地利用碳排放總量;Ez和Ej分別為直接和間接碳排放量;ei為不同土地利用類型的碳產量;Eji為各種能源的碳排放量,主要能源消耗指標包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然氣;Ti為不同土地利用類型面積;δi為各類土地利用的碳排放(吸收)系數[17],排放為正,吸收為負;Eni為上述各類能源消耗量;θi為能源轉換為標準煤的折算系數,本文將各類能源消耗量換算為標準煤量[18];fi為各種能源的碳排放系數[17]。能源消耗類型、標準煤折算系數和土地利用碳排放系數見表1。

表1 能源消耗類型及標準煤折算系數和土地利用碳排放系數

地均土地利用碳排放計算公式為:

(2)

式中,E′為區域i地均土地利用碳排放量;E為區域i地利用碳排放總量;S為區域i總面積。

土地利用碳排放強度計算公式為:

Qi=Ei/Gi

(3)

式中,Q′為區域i地均土地利用碳排放量;E為區域i地利用碳排放總量;G為區域i生產總值。

重心遷移模型是研究要素在區域發展過程中空間遷移特征的重要工具。假設區域是由n個子區域i組成,則該區域中要素的重心計算公式為:

(4)

(5)

式中,Xj和Yj分別為區域要素重心點的經度值和緯度值;Mi為第i個子區域內該要素的量值;xi和yi分別為子區域政府所在地的經度值和緯度值。

區域要素重心點空間遷移距離計算公式為:

(6)

式中,d為年際間重心遷移的距離;(Xj+m,Yj+m)和(Xj,Yj)分別為第j+m年和第j年區域重心點的地理坐標;C為地理坐標與平面距離之間的轉換常數,通常取111.111(km)。

空間自相關模型分為全局空間自相關模型和局部空間自相關兩部分。全局空間自相關Moran′s I指數是描述區域內所有對象之間平均空間的關聯度、空間分布模式和顯著性水平。若xi是區域對象i的觀測值,則該變量的全局Moran′s I,具體的計算公式為:

(7)

局部空間自相關中的局部統計是檢測區域內較小的空間相關性的有效方法。局部自相關可以探測出區域內部高值集聚區(熱點)與低值集聚區(冷點)。計算公式為:

(8)

3 結果與分析

3.1 我國土地利用碳排放特征時序分析

本文采用式(1—3)對土地利用碳排放進行了測算。結果表明:從“量”上看,排放總量呈增長趨勢,由2009年的2.64×109t增長到2016年的3.35×109t,年均遞增率為3.58%,但環比增長率總體仍呈下降趨勢,2013年和2015年環比呈負增長,分別為-0.63%和-0.08%,碳源量變化與總量變化相似,呈下降態勢,而碳匯量變化相對平緩(圖1)。

注:a為總量；b為碳源量；c為碳匯量。圖2、4、5同。

圖12009—2016年我國各省份土地利用碳排放量

對排放量進行分區比對,東部、西部和中部地區土地利用碳排放分異明顯:東部地區土地利用碳排放增量最大,但年均增長率與中部地區相似,遠低于西部地區;中部地區多年排放總量增長呈負值,特別是2015—2016年最為明顯;西部地區排放總量增長較少,但年均增長率最高,達到5.31%;碳源量主要集中在東部地區,尤其是河北—山東一帶;碳匯量主要集中在中部、西部黑龍江—內蒙古和四川—云南一帶。說明東部地區土地利用碳排放總量基數大,各地區雖然相繼出臺了減排政策,有效遏制了排放總量的增長速度，但由于建設用地擴張,產業結構升級緩慢,導致碳排放總量增長較大；中部地區碳排放量出現負增長可能是因為中部多數地區為資源型城市,尤其是2015年國家著手供給側改革,使能源產量過剩省份進行產業結構調整,優化土地利用布局,促使各省份向低碳經濟發展。東部、中部、西部地區碳排放增量的差異進一步表明,在研究期內東中部地區高耗能產業存在西遷現象,導致西部地區對建設用地和能源需求激增,使土地利用碳排放量年均增長率較高。

從單位土地來看,地均土地利用碳排放量在研究期內呈波動增長趨勢,從2009年的1038.42t/km2增加到了2016年的1189.83t/km2,年均增長率為2.05%。但在研究期末增長變緩,環比出現負增長(圖2)。這可能由于我國經濟規模不斷擴大,加之較粗獷的土地利用方式和工業結構,使我國土地利用碳排放量呈增長態勢。隨著我國政府對碳排放的控制增強,到中后期呈增緩態勢。

圖2 2009—2016年我國各省份地均土地利用碳排放

從分區對比來看:東部地區地均值最高,是中部地區的4倍、西部地區的7倍,但東部地區年增長率最低,僅為西部地區的1/4;地均碳源量比重較大的省份主要集中在東部地區,尤其是上海和天津兩地,碳匯量比重較大的地區分在我國南部包括福建—海南一帶、江西—湖南一帶和重慶—云南一帶,西部新疆為地均碳匯量最高的區域，可能是因為東部沿海地區經濟規模較大,對能源消耗較多,加之省域面積較小導致東部地區地均碳源量較大。

從“質”上看,土地利用的碳排放強度在研究期內整體呈下降趨勢,年均排放強度由2009年的0.87t/萬元下降到2016年的0.55t/萬元,年均下降6.24%(圖3)。對排放強度進行分區對比,東部地區下降最快,中部地區次之,西部省份最慢,年均下降速度分別為6.57%、6.38%和5.90%。此外,東部、中部和西部的土地利用碳排放強度分別為0.38t/萬元、0.62t/萬元和0.72t/萬元,與歐美發達國家2006年單位GDP含碳量(0.23—0.47t/萬元)相比[9],在降低碳排放強度方面還有巨大潛力。

圖3 2009—2016年我國各省份土地利用碳排放強度

3.2 重心演變分析

土地利用碳排放總量和碳源量重心在研究期內落在河南省境內(圖4),兩者變化趨勢相似,呈現出先西南后西北的演變趨勢,雖然有向東北回轉,但總方向是向西北移動;重心遷移速度呈現慢—快—慢的變換節奏,最終在研究期末趨于穩定,說明2016年以來各地區土地利用碳排放量在全國占比趨于穩定,各地區總量增速變化趨于同步。土地利用碳排放總量重心由2009年的34°28′20″N、114°18′40″E遷移到2016年的34°38′30″N、113°42′30″E,緯度方向變化10′10″,經度方向變化36′10″,遷移距離69.56km;從時空變化情況看,2009—2010年重心向西南偏移16.23km,主要是由于中南部省份碳排放量占全國總量的比重普遍上升,導致重心向南方向遷移;2010—2011年重心向正北方向移動5.24km,開啟了重心北移的序幕;2011—2013年的遷移距離最大,其中2011—2012年向西北方向移動了21.11km;單位時間遷移速度在研究時間段內最快,2012—2013年趨向于正西方向,移動了21.02km,向北部偏移角度較小;2014—2016年的重心移動的距離比前5年變化小、趨于穩定,其中2014—2015年的重心向東部回移后又轉向西北,這也是研究期間重心變化最小的階段。碳源量重心則由研究期初的34°23′36″N、114°6′59″E遷移到期末的34°34′20″N、113°34′53″E,遷移距離62.70km;碳匯量重心在研究時間段內落在湖北鄖縣,向西北方向遷移,遷移速度逐年趨緩,研究期間重心由33°6′5″N、110°56′25″E變化到33°7′6″N、110°55′27″E,累計遷移距離2.74km,說明碳匯量重心基本處于穩定狀態,但重心以北和以西地區碳匯量增長速度略快于以南和以東地區,可能是與西北地區退耕還林還草工程的穩步推進相關。

圖4 我國土地利用碳排放總量重心演變路線

地均土地利用碳排放量重心主要落在安徽省北部(圖5),相對于總量重心而論,地均土地利用碳排放重心波動較大,總體方向為向西南遷移,期間有回移情況,可分為四個階段:第一階段為2009—2012年,該階段重心呈現出向西北方向偏移,是研究時間段內持續時間最長、遷移距離最大,包括了研究時間內的最北端(33.81°N、117.34°E)和最東端(33.74°N、117.60°E);2009—2010年向西北方向移動距離最大,達到19.31km;2010—2011年僅向北移動了0.56km,是研究時間段內移動距離最短的;2011—2012年重心向西北方向遷移了10.67km,到達研究期內的最北端。第二階段為2012—2013年,重心遷移方向與第一階段相反,該階段重心遷移方向為東南方向,遷移距離為6.13km,在研究期內回遷角度最大。第三階段為2013—2014年,該階段重心與第一階段重心遷移方向一致均是向西北方向偏移,偏移角度小于第一階段,單位時間移動速度僅次于第一階段，并在2014年到達研究期內的最西端(33.81°N,117.23°E)。第四階段為2014—2016年,與第二階段相比來看,該階段持續時間長,東南方向偏移角度小,并在2016年有向西回移的趨勢,總體上南遷趨勢明顯,在研究期內緯度跨度最大(10′12″),說明2014年重心以南部諸省(市、區)的碳排放總量增長速度快于重心以北的省份,導致以南的省份在地均土地利用碳排放增速明顯,占全國總值比重變大,使重心向南偏移。

圖5 我國地均土地利用碳排放量重心演變路線

地均碳源量重心主要落在河南省東南部,向西北方向波動遷移,大體分為以下兩個階段:第一階段為2009—2014年。該階段主要向西北方向移動,持續時間最長,單位遷移速度也最快,累計移動了104.83km。第二階段為2015—2016年。該階段與第一階段遷移的方向不同,向西南移動,累計移動距離21.74km。地均碳匯量重心落在湖北省鄖西縣境內,向西北方向移動,且單位移動速度趨緩,累計移動距離為6.72km。

圖6 我國土地利用碳排放強度重心演變路線

土地利用碳排放強度重心在研究期內落在山西省與陜西省的交界地帶(圖6),并由山西省向陜西省轉移,與土地利用碳排放總量的遷移趨勢不同,強度重心呈現出西北遷移以北為主的態勢,變化軌跡可分三個階段:2009—2011年為第一階段。這一階段強度重心的距離遷移最小,3年累計遷移距離為24.94km,且總的偏移角度較小,強度重心較為穩定;2011—2013年為第二階段,強度重心變化最大,累計位移距離61.46km,主要向西移動,平均每年移動0.2個經度;2011—2012年強度重心遷移距離為28.39km;2012—2013年強度重心在研究時段內單位時間內的移動距離最大,為33.08km。第三階段為2013—2016年,該階段土地利用碳排放強度重心移動距離累計為59km,僅小于第二階段的2.46km,但與第二階段遷移方向不同,此時期主要以北移為主,偏移角度大,強度重心移動速度逐年增加，說明強度重心以南多數省份碳強度占全國的比重逐年減少,土地利用碳排放量增長速度低于土地產值增長速度,導致強度重心以北省份的強度占比“被增加”。從總體上看,2009—2016年土地利用碳排放強度重心偏移總距離為126.56km,經緯度分別西偏39′19″和北偏55′54″,說明西部地區、北部地區土地利用碳排放強度下降速度低于東部地區、南部地區,這與我國經濟發展水平相吻合,同時反映出東部發達地區工業結構調整,企業西遷帶動西部地區經濟發展的同時也產生了土地利用碳排放增速快于土地產值增速的負面效應。

3.3 土地利用碳排放空間特征演變分析

根據式(7),2009—2016年我國土地利用碳排放總量的全局Moran′s I值均為正,Z-Value值大于2.58,通過了置信性檢驗,且置信水平在99%以上(表2),表明我國土地利用碳排放量存在較顯著的空間正相關關系。但在研究期內的Moran′s I值呈下降趨勢,說明土地利用碳排放量水平相似的地區在空間上呈現分散態勢,體現出各地區減排效果不一,存在差異性。

表22009—2016年土地利用碳排放量全局自相關Moran′sI值

年份20092010201120122013201420152016Moran′s I0.29550.28970.29110.27520.27050.26390.26410.2467Z-Value2.932.832.792.672.622.592.632.61

注:Z-Value>1.96表明在5%的水平上顯著,Z-Value>2.58表明在1%的水平上顯著,表3、4同。

通過Open Geoda軟件，本文分別繪制了我國土地利用碳排放2009年、2011年、2013年和2016年Moran′s I的散點圖(圖7)。從圖7的散點圖可見，2009年、2011年、2013年和2016年位于低—低和高—高象限的地區個數分別占總量的63%、60%、70%、63%,位于低—高和高—低象限的地區個數占總量比例分別為37%、40%、30%、37%,說明在研究期間內我國土地利用碳排放總量空間異質性呈波動變化,但總體趨于穩定,集聚狀態顯著；同時也說明局部單元空間異質結構通過散點圖上的高—高和低—低兩類鮮明的空間分異區域體現出來,從側面反映了我國土地利用碳排放量存在較顯著的空間正相關關系。

土地利用碳排放量存在顯著的局部空間分異,因此進一步繪制4個相應年份我國土地利用碳排放總量LISA聚類圖(圖8),結果存在顯著的集聚特征。其中,“高—高”集聚區集中在以京津冀為輻射面的山西省、河北省、河南省和山東省一帶,在4個研究截面維持穩定。究其原因在于:該區域是北方煤炭資源、糧食資源、鋼鐵產業的主要生產和加工地,對碳排放具有對經濟的依賴性和推動慣性,使這些區域成為排放增量的熱點地區。“低—低”集聚區則分別出現在新疆和川貴地區。其中,四川省始終位于“低—低”分布區域,這主要是因為四川森林覆蓋率高,退耕還林工程效益日漸顯現,加之能源消費以清潔能源為主,使四川成為“冷點”區;新疆在2016年由“低—低”集聚轉向“高—低”集聚,說明新疆土地利用碳排放總量有所回升,可能是作為“一帶一路”經濟帶的核心地區,國家對新疆投入增加,大量人口和企業的涌入,導致新疆地區建設用地和能源消耗增加,帶來土地利用碳排放總量向高位遷移。安徽省在4個研究截面處于低—高集聚區,可能是安徽省經濟水平相對平緩,對能源需求不大,但臨近地區的河南和山東地區為土地利用碳排放大省,且長期處于“高—高”集聚狀態,導致安徽存在“低—高”集聚現象。

圖7 我國土地利用碳排放Moran′s I散點圖

本文測算了我國地均土地利用碳排放強度全局自相關Moran′s I值。結果顯示(表3),地均碳排放量在2009—2016年Moran′s I值均為正,表明在研究期內存在著顯著的空間正相關關系。研究期內的Moran′s I指數呈波動上升,說明相似地區在空間上呈集中分布。

表3 我國2009—2016年地均土地利用碳排放強度全局自相關Moran′s I值

通過Open Geoda軟件分別繪制我國2009年、2011年、2013年和2016年Moran′s I散點圖(圖9),4個截面數據可見多數省份位于“低—低”和“高—高”象限。說明在研究期間內地均土地利用碳排放總量空間異質性呈波動變化特征,但總體趨于穩定,集聚狀態顯著。

地均土地利用碳排放量顯示存在顯著的局部空間分異,故進一步繪制相應年份的土地利用碳排放總量LISA聚類圖(圖10),結果集聚特征較顯著。其中,“高—高”集聚區集中在江蘇,且維持穩定,可能是江蘇土地利用碳排放總量較大,區域面積較小,地均排放量較高,加之周圍均是土地利用碳排放量大省,地均排放量較高,導致江蘇成為地均排放量的“熱點”地區。“低—低”集聚區呈帶狀分布,主要在西部新疆—云南一帶,得益于該區域碳匯面積較大,排放總量相對東部少,加之區域面積較大,使地均排放量較低。

圖8 我國2009—2016年土地利用碳排放量LISA聚類圖

圖9 我國地均土地利用碳排放強度Moran′s I散點圖

圖10 我國2009—2016年地均土地利用碳排放量LISA聚類圖

測算土地利用碳排放強度全局自相關Moran′s I值,結果見表4。從表4可見,排放強度在2009—2016年Moran′s I值均為正,表明排放強度在研究期內存在顯著的空間正相關關系。研究期內Moran′s I指數波動上升,說明土地利用碳排放強度相似的地區,空間上集中分布且集中態勢明顯,在空間分布上向“高—高、低—低”兩極靠攏。

表4 我國2009—2016年土地利用碳排放強度

本文分別繪制了2009年、2011年、2013年和2016年的土地利用碳排放強度的Moran′s I散點圖(圖11)。從圖11可見2009年和2016年位于“低—低”和“高—高”象限的地區個數分別占總量的80%、80%、80%、83%,而位于“低—高”和“高—低”象限的地區個數分別占總量比例為20%、20%、20%、17%，說明在研究期間內土地利用碳排放強度總量空間異質性呈波動變化,但總體趨于穩定,集聚狀態顯著。

地均土地碳排放強度同樣存在顯著的局部空間分異,因此需要進一步繪制相應年份土地利用碳排放強度的LISA聚類圖(圖12)。從圖12可見,2009—2016年我國土地利用碳排放強度存在顯著的集聚特征。其中,“高—高”集聚區在所選的年份基本穩定,始終集中在內蒙古、甘肅、陜西一帶,可能是因為陜西、甘肅、內蒙古地區是我國重要的能源生產和消費地,工業結構以第二產業為主,土地產出增速低于土地利用的碳排放,導致該區域成為“熱點”區。寧夏地區只有在2011年為“高—高”集聚區,可能是因為寧夏的土地利用碳排放強度在2011年上漲速度高于臨近地區,并達到研究期內的最高值,隨后下降。“低—低”集聚區在研究期間沒有發生變化,主要分布在我國東南沿海一帶,包括廣東、福建、浙江和江西,說明東南沿海地區始終是我國土地利用碳排放強度的“冷點”區,這些區域多為我國較為發達的地區,經濟總量大,能源消耗較低。尤其是逐步對傳統高耗能企業進行淘汰升級,不斷優化產業結構,降低對一次能源的依賴性,積極發展低碳經濟,引導社會低碳消費的結果。“高—低”集聚區只有貴州省在2013年和2016年出現這一現象,可能是因為貴州省作為中部省份經濟水平相對較弱,同時也是南部省份重要的煤炭生產地區,自2011年以來經濟增速始終位于全國前列,同時伴隨著能源消耗的激增,土地利用碳排放量增速快于土地產出速度,導致貴州省相對臨近地區的強度值較高。

圖11 我國2009—2016年土地利用碳排放強度Moran′s I散點圖

圖12 我國2009—2016年土地利用碳排放量LISA聚類圖

4 結論與討論

4.1 結論

在“量”的方面,我國土地利用碳排放總量和碳源量總體呈上升趨勢,碳排放總量由2009年的2.64×109t增長到2016年的3.35×109t,碳排放環比增長呈現出相反的下降態勢;碳源量由2.80×109t增長到2016年的3.51×109t,碳匯量處于穩定狀態。單位土地排放量波動增長,由1038.42t/km2,增長到1189.83t/km2,年均增長率為2.05%。在“質”的方面,土地利用碳排放強度總體呈下降趨勢,由2009年的0.87t/萬元下降到2016年的0.55t/萬元,雖然“質”有所提高,但是與發達國家相比,還存著較大的減排余地和空間。

我國土地利用碳排放總量、強度和地均排放量在空間上都具有較強的空間正相關關系,集聚效應顯著。其中,排放總量的“熱點”區主要集中在山西、河南省、河北省和山東省一帶,在研究期基本處于穩定狀態;“冷點”區有所變動,由新疆維吾爾自治區和四川省兩地變為川貴一帶;強度“冷點”區在研究期內穩定,主要分布在東南部地區,包括江西省、廣州市、福建省和浙江省;“熱點”區在研究期內基本穩定,主要是陜西、甘肅、內蒙古一帶,地均排放量“熱點”區分布在東部的江蘇一帶;“冷點”區分布在新疆—云南一帶,具有顯著的路徑依賴性。

4.2 討論

本研究與前人的不同之處在于將重心遷移和空間異質性結合起來分析兩者在空間上演變的規律,揭示兩者在空間上的相互關系。只針對土地利用碳排放的空間特征進行研究,發現土地利用碳排放存在空間相關性,這與劉佳駿和王亞政等學者的研究結果一致,特征演變受到相鄰地區的影響,但“熱點”區和“冷點”區略有不同;在重心演變研究中土地利用碳排放總量和強度重心遷移方向與喬健[14]、馬海超[20]、齊亞偉[21]等在相同研究段內基本一致,均向西北遷移,但在部分時間段遷移方向、偏移角度和遷移速度研究結論略有不同,可能是僅考慮到能源碳排放的原因。

本文在土地利用碳排放量的核算過程中并沒有考慮不同氣候和植被等因素對碳匯量的影響,同時建設用地的碳排放量以能源消耗為測算核心偏向于經濟發展產生的次生碳。此外,土地利用的碳排放總量和排放強度是否存在不同的驅動因素仍然存有研究空白,這些都需要在今后的有關研究中加以完善和彌補。