0 引言
土地利用碳排放既是土地利用/覆盖变化环境效应研究的重点领域［7-8］，也是全球变化与碳循环研究的核心科学问题［8］。学者针对全球变化背景下的土地利用碳排放开展了广泛研究［9］，研究重点各有侧重。国外研究多聚焦于土地利用变化对碳动态的影响及其气候减缓路径［10］，而国内则侧重于土地利用碳排放的核算［11-13］、时空格局［14-15］、影响［14，16-18］、效率［19］及模拟预测［20-21］。研究方法上，探索性空间数据分析与时序分析成为主流。研究尺度涵盖广泛，从全国、省域、县市到流域。然而，现有研究多聚焦于社会经济发展热点区域的省市及全国范围，针对中国西北地区的研究匮乏，城市群层面的土地利用碳排放研究更为少见。受限于基础数据的可获取性，地市以下单元的相关研究尤为薄弱。近年来，遥感技术的进步使得夜间灯光数据广泛被应用于地市及以下单元碳排放量估算［13，22-24］，有效弥补了能源消耗统计数据的不足，为揭示中小尺度碳排放时空分布特征及变化规律提供了有力的数据支撑。
作为新型城镇化的核心空间载体和经济社会发展的重要战略区，城市群又是生态环境问题的高度敏感区和集中显现区。开展城市群土地利用碳排放研究，突破了单一城市研究局限，对于统筹不同层级规划主体诉求、支撑低碳发展策略的纵向衔接与横向协调至关重要［25］。当前，围绕“双碳”目标，部分经济发达城市群已率先探索转型路径。然而，地处西北欠发达地区的兰州-西宁城市群（简称兰西城市群），正处于经济体制转型与产业结构升级的关键时期，经济发展需求与生态环境脆弱之间的矛盾突出，在推进绿色低碳转型、应对环境约束方面存在显著困难。鉴于此，本研究选取兰西城市群为研究区，综合集成土地利用和夜间灯光遥感数据，以及能源消费与经济发展统计数据，采用碳排放系数与夜间灯光反演相结合，探究土地利用碳排放的时空演变特征，并进一步借助对数平均迪氏指数（Logarithmic Mean Divisia Index，LMDI），深入剖析关键驱动因素，旨在为因地制宜制定兰西城市群全面、合理的低碳经济发展措施与政策提供理论支撑与实践依据。
1 研究区概况
兰西城市群位于34°51′—37°38′N、99°01′—105°38′E，是以兰州市和西宁市为枢纽的中国西北地区重要的跨省城市群（图1），也是黄河上游重要的新型城镇化区域，主要涉及甘肃省兰州市全部以及白银市、定西市、临夏回族自治州部分县市区和青海省西宁市、海东市全部以及海北藏族自治州、海南藏族自治州、黄南藏族自治州部分县市（图1），总面积9.75万km2，占甘肃、青海两省总面积的36.7%。2022年的常住人口和地区生产总值分别占甘肃、青海两省总人口和地区生产总值总量的39.55%和53.34%。兰西城市群立足于独特的地理位置和区位优势，孕育了各具特色的多层次、多类型城市，不仅是甘、青两省经济发展的关键增长极，也是全国“两纵三横”城镇化战略中陆桥通道西北段的核心区域。同时，也是中国向西开放的重要枢纽，关联内地与丝绸之路经济带，对维护国家生态安全、促进西部地区繁荣稳定具有重要战略意义。
图1
图1
研究区概况
Fig.1
Overview of the research area
2 数据来源及研究方法
2.1 数据来源
本研究所用数据包括土地利用和夜间灯光遥感数据，以及能源消费、经济、人口统计数据。
能源消费、经济和人口数据：源于《甘肃改革开放30年》、2001—2023年的《甘肃统计年鉴》《青海统计年鉴》《中国能源统计年鉴》《中国城市统计年鉴》和县域统计年鉴。
2.2 研究方法
2.2.1 土地利用动态变化
单一土地利用动态变化是指一定时期内研究区某一土地利用类型面积变化状况，通常用净变化率表示，计算公式参见文献［27］。
综合土地利用动态变化是指整个区域土地利用变化的总体状况，计算公式参见文献［31］。
引入土地利用转移矩阵以分析地类之间的双向转化过程，有效解决了净变化率无法揭示转化路径的不足，计算公式参见文献［32］。
2.2.2 土地利用碳排放核算
式中：y表示省级能源消费碳排放量；x表示省级夜间灯光总亮度值。由拟合公式和相关系数得出甘、青两省省域的夜间灯光总亮度值与能源消费碳排放量显著正相关，且拟合程度很好，表明了基于夜间灯光数据测算兰西城市群能源消费碳排放的合理性。③计算兰西城市群县域夜间灯光总亮度值占所在省域夜间灯光总亮度值的比例，进而依据拟合公式估算研究区的县域建设用地碳排放。
式中：Ct 为土地利用总碳排放；Ci 为土地利用直接碳排放；Cid 为建设用地碳排放。
2.2.3 驱动因素分析
LMDI模型具有技术成熟、分解无残差等优势，常用于土地利用碳排放的驱动因素研究［34-36］。因此，本研究基于Kaya碳排放恒等式，借鉴相关研究［34-36］中广泛考虑的核心因素，结合兰西城市群快速城镇化引起建设用地相对增加71.70%，且远高于其余土地利用类型的实际，建设用地成为承载研究区主要社会经济活动和能源消耗的空间载体［33，37-39］，故将建设用地面积作为独立因素纳入模型。鉴于研究区碳排放强度区域内部差异显著，同时其单位建设用地地区生产总值产出（土地利用效率）波动较大，还将碳排放强度［23，34，39］、经济发展水平［23，33-36，38-39］（地区生产总值）和土地利用效率［33-34，40］作为关键驱动因素，故重点从碳排放强度（万元产值碳排放量）、经济发展水平（人均地区生产总值）、土地利用效率（建设用地上的人口密度）、建设用地规模（建设用地面积）4个方面构建土地利用碳排放LMDI分解模型。
式中：C为土地利用总碳排放量；GDP为地区生产总值；P为年末常住人口；S为建设用地面积；CI、GI、PI分别表示碳排放强度、经济发展水平、土地利用效率。
最后，采用LMDI模型对
式中：C0和Ct 为研究初期、t时期的土地利用总碳排放量；∆Ctot为土地利用总碳排放变化的总量，即总效应；∆CI、∆GI、∆PI、∆S分别表示从研究初期到t时期的碳排放强度效应（反映能源结构和技术水平引起的碳排放效应）、经济发展水平效应（体现经济增长引起的碳排放效应）、土地利用效率效应（体现土地集约利用驱动的碳排放效应）和建设用地规模效应（表征空间扩张主要碳源带来的碳排放效应）。碳排放强度效应（CONCI）、经济发展水平效应（CONGI）、土地利用效率效应（CONPI）和建设用地规模效应（CONS）对土地利用碳排放的贡献率分别为：
3 结果与分析
3.1 土地利用变化的时空特征
3.1.1 土地利用面积的时序变化
图2
图2
2000—2022年兰西城市群土地利用面积变化
Fig.2
Area changes of land use in the Lanzhou-Xining Urban Agglomeration （2000-2022）
3.1.2 土地利用面积的空间变化
兰西城市群综合土地利用动态变化最低值集中在研究区的西南部、中部和东南部的陇西县，最高值分布在西宁市城中区、城北区和临夏市，次高值集中于榆中县、定西市安定区、白银市平川区、西宁市湟中区、互助县和大通县（图3）。整体看，兰州市和西宁市所辖县区及其周边人口密集、经济发展较快县区的综合动态变化相对较高。
图3
图3
2000—2022年兰西城市群县域综合土地利用类型动态变化空间分布
Fig.3
Spatial distribution of county-level comprehensive land use dynamic changes in the Lanzhou-Xining Urban Agglomeration （2000-2022）
2000—2022年土地利用类型转移（图4）以耕地和草地、草地和未利用地为主，其次是草地和林地，水域和草地，最后是耕地和建设用地、草地和建设用地。从转移面积看，2015—2020年转移面积最多，6 375.61 km2；其次是2000—2005年和2010—2015年，分别为5 689.62、5 363.04 km2；2005—2010年转移面积相对较少，为4 565.79 km2；2020—2022年相对最少，为2 420.39 km2。
图4
图4
2000—2022年兰西城市群不同时期各土地利用类型之间的转移
Fig.4
Transfer between different land use types in different periods in the Lanzhou-Xining Urban Agglomeration（2000-2022）
3.2 土地利用碳排放的时空变化
3.2.1 土地利用直接碳排放时空变化
2000—2022年兰西城市群土地利用直接碳排放整体持续下降，由2000年的15.34万t下降至2022年4.35万t。其中：2000—2010年快速降低，相对下降了62.9%，2010—2015年又相对增加8.69%，2015—2022年下降速率趋缓，相对下降了29.70%。
2000—2022年各县的土地利用直接碳排放整体呈阶段性波动下降（图5A）。甘肃省辖县域的土地利用直接碳排放整体呈波动下降，2022年相比2000年下降了5.28万t；青海省辖县域则表现为碳吸收且呈持续增加趋势，同比增加了5.71万t。共和县、同仁市、海晏县的土地利用直接碳吸收量最大，三县市碳吸收量占青海省辖的比例由2000年90.50%持续下降至2022年65.40%。定西市安定区、临洮县和陇西县三县区的土地利用直接碳排放量相对最高，占甘肃省辖的一半以上，且这三县区的直接碳排放增速远超兰西城市群整体水平，从2000年与兰西城市群持平急剧增加至2022年的3.12倍。由此可见，兰西城市群的土地利用碳吸收增加量抵消了土地利用直接碳排放增加量，加上2000年土地利用直接碳排放相对最高，达15.34万t，使得兰西城市群土地利用直接碳排放仍一直表现为净碳排放。
图5
图5
2000—2022年兰西城市群县域土地利用碳排放变化
Fig.5
Changes of county-level land use carbon emissions in the Lanzhou-Xining Urban Agglomeration （2000-2022）：（A） Direct land-use carbon emissions；（B）Construction land carbon emissions
3.2.2 建设用地碳排放时空变化
2000—2022年兰西城市群的建设用地碳排放整体呈持续增加趋势，2022年比2000年增加了6 870.91万t。其中：2005—2010年，增加速度相对最快，年均增长6.42%；2015—2020年，年均增长率相对最低，为0.89%。从省辖看，甘肃省辖占研究区的比例由2000年83.56%下降至2022年69.43%，但仍占主导。分县域看，各县域建设用地碳排放均持续增加，仅兰州市城关区、七里河区和西固区例外（图5B）。城关区、西固区和七里河区三区占甘肃省辖的比例由2000年72.76%持续下降至2022年26.52%，与节能减排有效落实密切相关。西宁市城东区、城中区、湟中区、城西区和城北区占青海省辖的约50%，由2000年82.91%持续下降至2022年的46.80%；海东市乐都区和大通县的占比由2000年5.36%持续增至2022年的22.98%。从多年平均变化看，最高值分布在城关区、七里河区和西固区；次高值区分布在榆中县、永登县及白银区；较高值区则分布在陇西县、安定区及城东区、城中区、湟中区、城西区、城北区、乐都区和大通县。低值区集中于贵南县、尖扎县、湟源县，及化隆回族自治县、东乡族自治县和积石山保安族东乡族撒拉族自治县。由此可见，兰西城市群建设用地碳排放的控制可从多维度梯度减排以助推产业减排转型和实现区域经济高质量发展。
3.2.3 土地利用总碳排放时空变化
2000—2022年兰西城市群土地利用总碳排放持续增加（图6），由2000年的7 326.37万t增至2022年的14 186.29万t，年均增长4.26%；分时期看，年均增长率分别为4.27%（2000—2005年）、6.41%（2005—2010年）、1.94%（2010—2015年）、0.89%（2015—2020年）、2.74%（2020—2022年），呈先增后减又增的波动特征。从省辖看，甘肃省辖占兰西城市群的比重由2000年的83.79%持续下降至2022年的69.58%，仍远高于青海省辖部分。从高值分布看，甘肃省辖主要分布在兰州市城关区、七里河区、安宁区、红古区、永登县，以及白银市白银区、陇西县和定西市安定区，占兰西城市群和甘肃省辖的比重分别由2000年的76.01%和90.71%下降至2022年的45.67%和65.64%。青海省辖高值区主要在西宁市的五区及乐都区、大通县，占青海省辖的比例由2000年的89.53%减至2022年的70.10%。
图6
图6
2000—2022年兰西城市群土地利用总碳排放变化
Fig.6
Changes of total land use carbon emissions in the Lanzhou-Xining Urban Agglomeration （2000-2022）
兰西城市群土地利用总碳排放主要受建设用地碳排放变化影响，建设用地碳排放占土地利用总碳排放的比例持续增加，平均占比高达99.92%（图5）。
3.3 土地利用碳排放驱动因素
经济发展水平和建设用地规模是促使兰西城市群土地利用总碳排放增加的主要因素（表1），二者分别使碳排放累积量增加了26 276.14万t和5 828.58万t。而碳排放强度和土地利用效率对土地利用碳排放起主要抑制作用，二者分别使碳排放下降了21 067.49万t和4 177.31万t，但促进作用大于抑制作用，使得2000—2022年兰西城市群土地利用碳排放累积增加了6 859.92万t。经济发展水平和建设用地规模分别贡献了土地利用碳排放增加量的81.85%和18.15%。由此可见，经济发展水平提升带动了建设用地扩张，进而引起能源消耗和土地利用的碳排放增加。碳排放强度和土地利用效率分别贡献了土地利用碳排放下降量的83.45%和16.55%。可见，碳排放强度是抑制兰西城市群土地利用碳排放持续增加的主要因素，与近年来产业结构转型升级、清洁能源的开发与使用密不可分。
表1 兰西城市群县域土地利用碳排放驱动因素分解结果 (万t)
Table 1
| 指标 | 年份 | 累积效应 | ||||
|---|---|---|---|---|---|---|
| 2000—2005 | 2005—2010 | 2010—2015 | 2015—2020 | 2020—2022 | ||
| ∆CIlx | -3 502.65 | -4 837.16 | -6 180.67 | -4 416.51 | -2 130.49 | -21 067.49 |
| ∆GIlx | 4 765.11 | 7 069.18 | 7 145.13 | 4 451.73 | 2 844.99 | 26 276.14 |
| ∆PIlx | -681.89 | -1 569.09 | -677.99 | -991.96 | -256.37 | -4 177.31 |
| ∆Slx | 984.21 | 2 185.72 | 850.05 | 1 529.61 | 278.97 | 5 828.58 |
| ∆Ctotlx | 1 564.78 | 2 848.64 | 1 136.52 | 572.87 | 737.11 | 6 859.92 |
| CONCIlx | -223.84% | -169.81% | -543.83% | -770.95% | -289.03% | -307.11% |
| CONGIlx | 304.52% | 248.16% | 628.69% | 777.10% | 385.97% | 383.04% |
| CONPIlx | -43.58% | -55.08% | -59.66% | -173.16% | -34.78% | -60.89% |
| CONSlx | 62.90% | 76.73% | 74.79% | 267.01% | 37.85% | 84.97% |
兰西城市群土地利用碳排放驱动因素的作用程度存在显著空间分异。2000—2022年兰西城市群分属两省域的土地利用碳排放累积增加量在一个量级，但甘肃省辖的土地利用碳排放增加量比青海省辖多603.07万t，建设用地规模对青海省辖土地利用碳排放的驱动作用相对甘肃省辖高5.97%，土地利用效率对青海省辖土地利用碳排放的抑制作用相对甘肃省辖高13.52%。因此，控制兰西城市群土地利用碳排放一方面要控制经济发展过程中建设用地扩张带来的碳排放增加，另一方面要提高土地利用的集约化程度、降低万元产值碳排放。
4 讨论
准确估算土地利用碳排放，有助于科学理解人类活动对环境的影响，还为辨识、划分减排责任提供了理论支撑。目前，缺乏兰西城市群各地类及其下不同亚类的本地碳排放系数实测数据支撑，综合科学性与可操作性，遵循宏观尺度的通用做法，本研究采用碳排放系数法计算兰西城市群土地利用碳排放。该方法因计算简单、基础数据容易获取被广泛应用于土地利用碳排放估算［11-14，16，18，22，27，29，33，35，41］，为不同数据基础宏观尺度的土地利用碳排放研究提供了一个科学且可横向比较的核算基准［42］。本研究采用的碳排放系数是借鉴学者基于大量观测数据综合平均后的数值［11-14，16，18，22，27，29，33，35，41］，其代表某类土地利用在典型人为管理模式下碳源/碳汇功能的平均状态及其内部一定程度的空间异质性，是宏观平均效应的体现。
兰西城市群土地利用碳排放源于耕地和建设用地，土地利用直接碳排放年均减少3.26%，其中，甘肃省辖区域年均减少0.81%，青海省辖区域则年均增加1.82%碳吸收，与李缘缘等［12］、马远等［18］得出的甘、青两省土地利用（除建设用地）碳排放呈线性下降趋势一致。尤其是共和县、贵南县、贵德县等县域呈较高碳汇，与吕倩等［13］、冯薇等［19］的研究结论一致。为精细化估算土地利用碳排放，基于已有研究［13，22-24，29］，利用夜间灯光数据反演得出2000—2022年建设用地碳排放呈先快后缓的增加趋势，且甘肃省辖区域大于青海省辖，高碳排放区域集中在兰州市和西宁市主城区及其周边人口密集、经济发达的县区，究其原因，经济发展水平对碳排放的影响最大，而土地利用效率抑制碳排放，这与马远等［18］、冯薇等［19］、邓光耀等［23］的研究结论一致。
本研究结果有效揭示了兰西城市群土地利用碳排放的时空演变特征，对于制定服务于兰西城市群“双碳”目标的战略决策具有科学参考价值。然而，本研究采用统一碳排放系数法估算土地利用碳排放，掩盖了土地利用类型内部的异质性特征及其带来的估算结果不确定性。为此，未来的改进主要着眼于：一是尝试引入高分辨率历史影像、植被指数等数据与地方政策资料以辅助精准解译土地利用类型的动态变化，从而实现土地利用碳排放的精细化核算；二是主要通过耦合气温、降水等自然环境因素及当地生态、产业政策等人为因素进行系数修正，构建兰西城市群的本地化碳排放系数，并量化最终结果对系数变化的敏感性，进而增强结果的可靠性；三是尝试与InVEST等过程性模型结合，通过多方法相互验证来提升结果估算精度。
5 结论
2000—2022年，兰州-西宁城市群耕地整体呈下降趋势，其余土地利用类型整体均呈不同幅度增加。建设用地持续增加且增加最快，其次是未利用地、水域、林地，最后是草地。土地利用类型综合动态变化呈“多核”分布，高值区集中于兰州市和西宁市所辖县区及其周边人口密集、经济发展较快的县区，其次是临夏市和白银市平川区，低值区集中于城市群的西部、中部和北部。土地利用类型之间的转移以耕地和草地、草地和未利用地为主，其次是草地和林地、水域和草地，最后是耕地和建设用地、草地和建设用地。
兰西城市群土地利用总碳排放整体持续增加，由建设用地碳排放主导。各县域（除城关区、七里河区和西固区外）建设用地碳排放均呈增加趋势，并按总碳排放量识别出3个高值梯度，高值区主要集中在甘肃省辖县域及西宁市和海东市乐都区、大通县。同期，土地利用直接碳排放呈下降趋势，建设用地碳排放时空演变特征与土地利用总碳排放基本一致。
经济发展水平和建设用地规模促进兰西城市群土地利用碳排放增加，且经济发展水平起主导作用。碳排放强度和土地利用效率抑制土地利用碳排放增加，且以碳排放强度为主。
参考文献
Impacts of degradation on water，energy，and carbon cycling of the Amazon Tropical Forests
［J］.
The role of carbon capture and storage in the energy transition
［J］.
Carbon emissions from land-use change and management in China between 1990 and 2010
［J］.
Modelling prehistoric land use and carbon budgets：a critical review
［J］.
Visual analysis of article publication related to carbon emission quota field based on CiteSpace software
［J］.
Progress and hotspots of research on land-use carbon emissions：a global perspective
［J］.
Analyzing land use structure efficiency with carbon emissions：a case study in the middle reaches of the Yangtze River，China
［J］.
Monitoring spatiotemporal characteristics of land-use carbon emissions and their driving mechanisms in the Yellow River Delta：a grid-scale analysis
［J］.
Understanding the drivers of sustainable land expansion using a patch-generating land use simulation （PLUS） model：a case study in Wuhan，China
［J］.
兰西城市群能源消费碳排放时空分布特征及影响因素：基于DMSP/OLS与NPP/VIIRS夜间灯光数据
［J］.
The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019
［J］.
An extended time series （2000-2018） of global NPP-VIIRS-like nighttime light data from a cross-sensor calibration
［J］.
Spatial disequilibrium and influencing factors of carbon emission intensity of construction land in China
［J］.
The land use and land cover change database and its relative studies in China
［J］.
2006 IPCC Guidelines for National Greenhouse Gas Inventories
［R］.
甘公网安备 62010202000688号
