基于土地利用的陕西省碳中和时空格局研究

Analysis of the spatio-temporal pattern of carbon neutral based on land use in Shaanxi Province

摘要

目的 从土地利用视角，分别对2010年和2020年陕西省县域碳源与碳汇规模进行测算，揭示碳中和状态的时空变化格局。 方法 耕地和建设用地碳排放采用农业生产过程中产生的碳排放和能源碳排放系数进行估算，耕地碳汇采用农作物经济系数和碳吸收率来计算，林地、草地和湿地碳汇依据《生态产品总值核算规范（试行）》，采用固碳速率法进行估算。 结果 近十年陕西省耕地和建设用地碳排放分别增加67 489 t和36 473 909 t，县域平均增长分别为631 t和340 878 t；陕西省碳汇共增加3 204 196 t，县域平均增长29 946 t，其中，耕地和湿地的碳汇总量分别增加了3 287 178 t和8 494 t，林地和草地的碳汇总量分别减少了91 028 t和442 t；空间分布上，耕地碳排放主要分布在关中地区的渭南和咸阳等地，建设用地碳排放相对集中在陕北的榆林，耕地碳汇与碳排放分布格局大体一致，林地碳汇主要在陕南秦岭山区，草地和湿地则集中在陕北长城沿线风沙区；2010年陕西省碳亏规模为3 330 t，2020年达3 334 0497 t，碳亏县域从2010年的34个增长至2020年的47个。 结论 2010年陕西省碳源与碳汇基本持平，达到“碳中和”状态。随着近十年社会经济的发展，尤其是陕北榆林资源型经济和能源化工等相关产业的快速发展，关中地区人口与产业的集聚和增长，省域总体能源结构并未明显改善，陕西省整体处于明显碳亏状态，“碳中和”任重而道远。

Abstract

Objective From the perspective of land use，this paper calculates the size of carbon source and carbon sink in Shaanxi Province in 2010 and 2020 respectively，and reveals the spatio-temporal pattern evolution of carbon neutrality. Method The carbon emission of cropland and building land is estimated by the carbon emission of agricultural production and the energy emission factor.The carbon sink of cultivated land is calculated using the crop economic coefficient and carbon sequestration rate.The calculation of forest，grassland and wetland carbon sinks is based on the carbon sequestration rate method in according with the ‘Accounting standard for total value of ecological products (Trial)’. Result In this decade，the carbon emissions from cropland and construction land in Shaanxi Province increased by 67 489 t and 36 473 909 t，respectively，and the average increase in the counties was 631 t and 340 878 t.The total amount of carbon sinks in the province increased by 3 204 196 t，and the average increase in the county was 29 946 t.Of these，cropland and wetland carbon sinks increased by 3 287 178 t and 8 494 t，respectively，and forest and grassland carbon sinks decreased by 91 028 t and 442 t.Among them，cultivated land and wetland carbon sinks increased by 3 287 178 t and 8 494 t，respectively，and forest land and grassland carbon sinks decreased by 91 028 t and 442 t.In terms of spatial distribution，cultivated land carbon emission is mainly distributed in Weinan and Xianyang city in Guanzhong plain，and construction land carbon emission is relatively concentrated in Yulin city in northern Shaanxi.The distribution pattern of cultivated land carbon sink and carbon emission is generally consistent.The forest carbon sink is mainly concentrated in the Qinling Mountains in southern Shaanxi，and the grassland and wetland carbon sink is concentrated in the wind-borne sand region along the Great Wall in northern Shaanxi.The size of the carbon deficit in Shaanxi Province was 3 330 tonnes in 2010 and 33 340 497 tonnes in 2020.The number of carbon deficit counties increased from 34 in 2010 to 47 in 2020. Conclusion In 2010，the carbon source and carbon sink of Shaanxi Province were basically equal，reaching a state of carbon neutrality.However，social and economic development over the past decade has resulted in a significant carbon deficit in Shaanxi Province as a whole.In particular，the rapid development of the resource-based economy and the energy and chemical industries in Yulin，northern Shaanxi，the agglomeration and growth of population and industry in the Guanzhong area，and the overall energy structure of the province have not been significantly improved.Therefore，there is still a long way to go to maintain 'carbon neutrality' in the long term.

Graphical abstract

关键词

土地利用 / 碳源 / 碳汇 / 碳中和 / 陕西省

Key words

land use / carbon source / carbon sink / carbon neutral / Shaanxi Province

为应对全球气候变化，降低二氧化碳等温室气体的全球暖化效应，国际社会提出了全球二氧化碳的碳达峰与碳中和气候治理目标^［1，2］。对此，中国政府积极响应，于2020年提出“双碳”目标，即力争在2030年前实现“碳达峰”，2060年前实现“碳中和”。碳中和就是将人为排放的二氧化碳通过人为努力和自然过程吸收^［3］，实现二氧化碳的“零排放”。如何有效测算各地区的碳排放（碳源）与碳吸收（碳汇）规模，厘清二者关系，是充分了解当前碳源碳汇形势，并科学制定低碳发展战略与“碳中和”时间表的关键。在此背景下，近年来关于碳排放与碳吸收的规模估算、变化特征以及二者关系的研究受到广泛关注，成为学术界讨论的热点。

不同的土地利用方式是人类活动的主要体现，土地利用方式的变化会直接改变或间接影响碳排放与碳吸收过程，且不同土地利用类型的碳源/汇之间存在较大差异^［4-6］。因此，相关学者从土地利用视角在不同尺度上开展了碳排放与碳吸收测算方面的研究。例如，张梅等^［7］对中国六大区域的土地利用碳排放强度展开了计算；周嘉等^［8］对中国各省域的土地利用碳源与碳汇进行了计算，并揭示了省域碳排放和碳吸收的时空差异性；李颖等^［9］对江苏省各区域不同土地利用方式的碳排放效应进行了测度与分析；彭文甫等^［10］采用能源消费和土地利用数据，对四川省近20 a来土地利用的碳排放及碳足迹进行了定量分析；杨国清等^［11］对广东省土地利用碳排放强度与效率的空间分异进行了研究；冯薇等^［12］以黄河流域72个地级市为研究对象，开展了土地利用碳排放效率及其时空格局的研究；王喜等^［13］从土地利用视角分析了河南省各地级市的碳源与碳汇及其变化，并对碳盈亏格局进行了探讨；武爱彬等^［14］在碳中和目标下对河北省土地利用碳排放格局演变进行了分析。除土地利用视角外，已有碳汇方面的研究更多是从生态学视角展开。森林作为陆地生态系统碳汇的主体^［15］，学者们多采用森林资源清查法^［16-17］、生态系统过程模型模拟法^［18-19］、遥感模型法^［20-21］等对其碳汇规模进行估算，与森林生态系统相比，草地、湿地等生态系统在区域尺度上的碳汇估算研究相对较少。

总体来看，基于土地利用的碳排放与碳吸收方面的研究还存在一定不足。一是体现在碳排放与碳吸收估算的实证研究数量不均衡，大多数研究以土地利用的碳排放估算为主，对基于土地利用的碳汇研究相对较少，由此限制了统一框架下的碳排放与碳吸收二者变化特征和相互关系的分析，使得土地利用视角下的碳中和研究相对较为匮乏；二是已有研究主要集中在国家、省域和市域层面，而在更精细化的县域尺度方面的研究较少，一定程度上不利于揭示区域内部碳源、碳汇以及二者关系的空间异质性特征。基于此，本文从土地利用视角出发，以陕西省107个县域为研究单元，分别对2010年和2020年各县域碳排放与碳吸收量进行估算，探索基于土地利用视角在县域尺度上开展碳源和碳汇规模的测度，进而明晰碳中和状态的时空变化过程，为揭示陕西省碳源、碳汇及二者关系演化过程，制定具有空间目标指向的“碳中和”策略提供科学决策依据。

2 材料与方法

2.1 研究区域

陕西省位于我国西北地区，土地面积20.56万km²，2021年底常住人口3 954万人，地区生产总值29 801亿元。全省辖10个地级市和1个杨凌农业高新技术产业示范区，共计107个县（县级市、市辖区）。根据自然地理特征差异，陕西省可划分为4大地理区域，分别为陕北长城沿线风沙区（包括榆林市西北部的定边、府谷、横山、靖边、神木、榆阳6个县域）、陕北黄土丘陵沟壑区（包括延安市和榆林市东南部的佳县、米脂、清涧、绥德、吴堡、子洲6个县域）、中部的关中平原地区（包括西安市、宝鸡市、咸阳市、渭南市）以及陕南秦巴山区（包括汉中市、安康市和商洛市）（图1）。

2.2 数据来源

土地利用的碳排放主要包括耕地和建设用地两类，其中，耕地既是碳源也是碳汇。建设用地作为人类生产和生活活动的主要空间，消耗了大量的能源，是主要的碳排放来源。林地、草地、湿地是重要的生态用地，具有较强的固碳能力，是生态系统碳汇的重要组成部分。文中用于计算林地、草地、湿地碳汇的土地利用数据来源于中国科学院资源环境科学数据中心（http：//www.resdc.cn）的中国土地利用现状遥感监测数据库，该数据库是目前我国精度最高的土地利用遥感监测数据产品。以2010年和2020年Landsat TM/ETM 遥感影像为数据源，通过人机交互解译生成，土地利用类型包括耕地、林地、草地、水域、建设用地和未利用土地6个一级类型以及25个二级类型，其总分类精度达到94.3%以上。分别提取林地、草地和湿地（包括水域中的湖泊、水库坑塘和未利用土地中的沼泽地），在ArcGIS中利用分区统计工具计算各县域不同类型用地面积，以进行各类用地的碳汇分析。用来进行耕地碳源与碳汇以及建设用地碳排放估算的数据主要来源于相应年份的陕西省和各地级市的统计年鉴以及县域统计公报。

2.3 研究方法

2.3.1 碳排放估算

2.3.1.1 耕地碳排放

耕地的碳排放主要由农业生产过程中的农业灌溉、农业机械使用、农药和化肥的耗用等导致的碳排放^［22］，其计算公式如下：

E_t =GA + TB +SC+ PD（1）

式中，E_t 为耕地碳排放量，G、T、S、P分别为化肥施用折纯量、农作物总播种面积、农业机械总动力和灌溉面积；A、B、C、D为转换系数，分别为895.6 kg/t、16.47 kg/hm²、0.18 kg/kW、266.48 kg/hm^{2 ［23］}。

2.3.1.2 建设用地碳排放

建设用地的碳排放通常采用间接估算的方式，利用各行政单元消耗的各种化石能源数量、化石能源标准煤转换系数和能源碳排放系数进行建设用地碳排放量的估算。由于陕西各县域没有不同类型能源消费量数据，因此本文主要采用综合能源消费量和碳排放系数的乘积来进行计算，考虑到陕西能源消费结构主要以煤炭为主（2010年和2020年煤炭消费占比分别为73.64%和75.26%），所以这里的碳排放系数采用IPCC《国家温室气体排放清单指南》中煤炭的碳排放系数（0.755 9）进行计算^［24］。

2.3.2 碳吸收估算

2.3.2.1 耕地碳吸收

参考相关研究成果^［25］，采用以下公式计算耕地的碳吸收量：

D_i=\sum _i{C}_i\left(\mathrm{1}\right.-P_i)\times \frac{A_i}{H_i}（2）

式中：D_i 为农作物生育期光合作用的碳吸收量，C_i 为第i种作物通过光合作用合成单位有机质（干重）的碳吸收率，P_i 为第i种农作物的含水率，A_i 为第i种农作物的经济产量，H_i 为第i种农作物的经济系数。本文主要计算了小麦、水稻、玉米、油菜籽、蔬菜、水果、薯类、大豆、花生、棉花、烟叶、高粱和谷子的碳吸收量。目前学界普遍使用的农作物经济系数和碳吸收率一般来自王修兰^［26］和李克让^［27］的研究结果，平均含水率来自方精云等^［28］学者的成果。

2.3.2.2 林地、草地和湿地碳吸收

本文对林地、草地和湿地碳吸收的计算主要依据国家发展和改革委员会于2022年3月发布的《生态产品总值核算规范（试行）》，采用固碳速率法分别对上述3种生态用地碳吸收量进行估算。

林地碳吸收量的计算公式如下：

QFtc{o}_{\mathrm{2}}=Mc{o}_{\mathrm{2}}/Mc\times (FVCSR+FSCSR)\times SF（3）

式中：QFtco₂为林地碳吸收量（tCO₂/a），Mco₂/Mc = 44/12，为C转化为CO₂的系数，FVCSR和FSCSR分别为植被和土壤的固碳速率［tC/（hm²·a）］，SF为林地面积。由于陕西省南北自然地理条件差异较大，根据《生态产品总值核算规范（试行）》提供的不同植被分区森林植被及土壤固碳速率参数，并咨询相关专家，确定陕北长城沿线风沙区、黄土丘陵沟壑区、关中地区和陕南秦巴山区分别采用温带灌木半灌木荒漠地带、温性草原地带、暖温带南部落叶栎林地带和北亚热带落叶常绿阔叶混交林地带所对应的森林植被及土壤固碳速率，其森林植被固碳速率依次为0.734、0.690、0.996、0.870 tC/（hm²·a），森林土壤固碳速率依次为0.640、0.225、0.378、0.384 tC/（hm²·a）。

草地碳吸收量的计算公式如下：

QGtc{o}_{\mathrm{2}}=Mc{o}_{\mathrm{2}}/Mc\times (GVCSR+GSCSR)\times SG（4）

式中：QGtco₂为草地碳吸收量（tCO₂/a），Mco₂/Mc=44/12，为C转化为CO₂的系数，GVCSR和GSCSR分别为植被和土壤的固碳速率［（tC/（hm²·a）］，SG为草地面积。由于草地植被每年都会枯落，其固定的碳又返回大气或进入土壤中，因此草地土壤固碳是草地生态系统固碳的主体部分。由于草地植被固碳速率数据无法获取，因此将草地的土壤固碳量作为草地生态系统固碳量。这里同样根据陕西省四大地理区域分别确定其草地土壤固碳速率，4大地理区域所对应的植被分区同林地一样，在此不再赘述，其对应的草地土壤固碳速率分别为0.036、0.030、0.020、0.022 tC/（hm²·a）。

湿地碳吸收量的计算公式如下：

QWtc{o}_{\mathrm{2}}={\sum }_{i=\mathrm{1}}^{n}Mc{o}_{\mathrm{2}}/Mc\times SCS{R}_i\times S{W}_i\times {\mathrm{10}}^{-\mathrm{2}}（5）

式中：QWtco₂为湿地碳吸收量（tCO₂/a），Mco₂/Mc =44/12，为C转化为CO₂的系数，SCSR_i 为第i类湿地的固碳速率［gC/（m²·a）］，SW_i 为第i类湿地面积，n为湿地类型的数量。受固碳速率参数所限，本文主要计算除河流以外的湖库和沼泽两种湿地类型的碳吸收量，根据《生态产品总值核算规范（试行）》，陕西省湖泊和水库所属的蒙新高原区固碳速率为30.26 gC/（m²·a），沼泽湿地固碳速率为24.80 gC/（m²·a）。

2.3.3 空间统计分析

为探究陕西省县域碳源与碳汇在空间上的分布模式与集聚特征，利用ArcGIS 10.6软件中的空间自相关分析和热点分析方法对不同用地类型碳源与碳汇分布特征进行判断和识别。其中，空间自相关可根据空间位置和属性的相似性测度变量的空间分布模式，进而分析变量的空间集聚特征^［29］。本文采用全局Moran's I指数来判断邻近空间单元碳源或碳汇的平均相似程度，计算公式如下：

I=\frac{N{\sum }_i{\sum }_j{w}_{ij}(x_i-\overline{x})(x_j-\overline{x})}{({\sum }_i{\sum }_j{w}_{ij}){\sum }_i(x_i{-\overline{x})}^{\mathrm{2}}}（6）

式中：I为全局空间自相关指数，x_i 和x_j 分别为空间单元i和j的碳源或碳汇量，N为空间单元数量，w_ij 为基于距离定义的空间权重矩阵。当I>0时，各空间单元之间具有正相关性，越接近于1，各空间单元关系越密切；当I<0时，各空间单元之间具有负相关性，越接近-1，各单元之间差异越大。

热点分析可通过Getis-Ord G_i^*统计来辨别各县域碳源或碳汇量的高低集聚，其计算公式如下：

G_i^{\mathrm{*}}=\frac{{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_{i,j}{x}_j-\overline{X}{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_{i,j}}{S\sqrt[]{\frac{n{\displaystyle \sum _{j=\mathrm{1}}^n}{w}_{i,j}^{\mathrm{2}}-{({\displaystyle \sum _{j=\mathrm{1}}^n}{w}_{i,j})}^{\mathrm{2}}}{n-\mathrm{1}}}}（7）

\overline{X}=\frac{{\displaystyle \sum _{j=\mathrm{1}}^n}{x}_j}{n}（8）

S=\sqrt[]{\frac{\mathrm{1}}{n}{\displaystyle \sum _{j=\mathrm{1}}^n}{x}_j^{\mathrm{2}}-{(\overline{X})}^{\mathrm{2}}}（9）

式中，x_j 为县域j的碳源或碳汇量，w_ij 为县域空间单元i 和j之间的空间权重，n为县域空间单元数量。G_i^*统计结果包括Z得分和P值，对于具有显著统计学意义的正值Z得分，其值越高，高值（热点）的聚集就越紧密；而对于具有显著统计学意义的负值Z得分，其值越低，低值（冷点）的聚集就越紧密。

3 结果与分析

3.1 碳排放

3.1.1 耕地碳排放

根据公式（1）分别计算2010年和2020年陕西省各县域耕地碳排放量，并采用自然断点法划分为5个等级（图2）。2010年，陕西省耕地碳排放总量为2 153 281 t，平均值为20 124 t，其中，最小的县域为西安市的新城区、碑林区和莲湖区，均为0；最大的为渭南市富平县，达129 452 t。至2020年，陕西省耕地碳排放总量为2 220 770 t，平均值为20 755 t，其中，有4个县域的耕地碳排放为0，主要集中在西安市辖区，包括莲湖区、新城区、雁塔区和碑林区；最大的县域为咸阳市乾县，达109 009 t。与2010年相比，2020年陕西省耕地碳排放量增加了67 489 t，县域平均增长631 t。

从空间分布来看，通过空间自相关分析发现，2010年和2020年陕西省县域耕地碳排放的全局Moran's I指数分别为0.266和0.260，Z值分别为5.257和5.073，均通过99%置信水平下的显著性检验，表明两个时期陕西省县域耕地碳排放分布均具有显著的空间集聚特征。通过进一步的热点分析结果显示（图3），2010年和2020年陕西省县域耕地碳排放的冷热点分布格局大体一致，热点区和次热点区主要分布在关中平原中部的西安、咸阳、渭南、铜川等地区。

3.1.2 建设用地碳排放

分别估算2010年和2020年陕西省各县域建设用地碳排放量，并采用自然断点法划分为5个等级（图4）。2010年，陕西省建设用地碳排放总量为43 844 206 t，平均值为409 759 t，其中，最小的县域为安康市的镇坪县，为1839 t；最大的为榆林神木市，达6 915 110 t。至2020年，陕西省建设用地碳排放总量为80 318 115 t，平均值为750 637 t，其中，最小的县域为汉中市的佛坪县，为605 t；最大的仍为榆林神木市，达13 009 800 t。与2010年相比，2020年陕西省建设用地碳排放量增加了36 473 909 t，县域平均增长340 878 t。

空间自相关分析结果显示，2010年和2020年陕西省县域建设用地碳排放的全局Moran's I指数分别为0.063和0.073，Z值分别为1.598和1.749，2010年P值大于0.1，未通过显著性检验，2020年P值大于0.05，仅通过90%置信水平下的显著性检验，表明两个时期陕西省县域建设用地碳排放分布的空间集聚特征不显著。从具体分布来看，相对而言，建设用地的碳排放在资源型经济较为突出的神木、府谷、韩城等县域以及一些大城市的市辖区较为集中。

3.2 碳吸收

3.2.1 耕地碳汇

根据公式（2），分别计算2010年和2020年陕西省各县域耕地碳吸收量，并采用自然断点法划分为5个等级（图5）。2010年，陕西省耕地碳汇总量为23 864 010 t，平均值为223 028 t，其中，最小的县域为西安市的新城区、碑林区和莲湖区，均为0；最大的为咸阳市泾阳县，达1 062 030 t。至2020年，陕西省耕地碳汇总量为27 151 188 t，平均值为253 749 t，其中，有5个县域的碳汇量为0，主要集中在西安和咸阳市辖区，包括莲湖区、新城区、雁塔区、碑林区和渭城区；最大的县域为西安市长安区，达949 486 t。与2010年相比，2020年陕西省耕地碳汇总量增加了3 287 178 t，县域平均增加了30 721 t。

通过空间自相关分析发现，2010年和2020年陕西省县域耕地碳汇量的全局Moran's I指数分别为0.266和0.205，Z值分别为5.177和4.004，均通过99%置信水平下的显著性检验，表明两个时期陕西省县域耕地碳汇分布均具有显著的空间集聚特征。热点分析结果显示（图6），2010年和2020年陕西省县域耕地碳汇的冷热点分布格局大体一致，热点区和次热点区主要分布在关中平原中部的西安、咸阳、渭南、铜川等地区。

3.2.2 林地碳汇

根据公式（3），分别计算2010年和2020年陕西省各县域林地碳汇量，并采用自然断点法划分为5个等级（图7）。2010年，陕西省林地碳汇总量为21 322 561 t，平均值为199 276 t，其中，最小的县域为西安市莲湖区，碳汇为0；最大的为安康市宁陕县，达1 075 660 t。至2020年，陕西省林地碳汇总量为21 231 533 t，平均值为198 426 t，其中，最小的县域主要集中在西安市辖区，包括莲湖区、新城区、雁塔区和碑林区，均为0；最大的县域仍为安康市宁陕县，达1 068 173 t。与2010年相比，2020年陕西省林地碳汇总量减少了91 028 t，县域平均减少了850 t。

空间自相关分析结果表明，2010年和2020年陕西省县域林地碳汇量的全局Moran's I指数分别为0.465和0.467，Z值分别为8.941和8.971，均通过99%置信水平下的显著性检验，表明两个时期陕西省县域林地碳汇分布均具有显著的空间集聚特征。热点分析结果显示（图8），2010年和2020年陕西省县域林地碳汇的冷热点分布格局大体一致，热点区和次热点区集中分布陕西南部森林资源集中的秦岭山区，冷点区和次冷点区则主要分布在关中平原中部的西安、咸阳、渭南等大城市中心区及其相邻地区。

3.2.3 草地碳汇

根据公式（4）分别计算2010年和2020年陕西省各县域草地碳汇量，并采用自然断点法划分为5个等级（图9）。2010年，陕西省草地碳汇总量为767 044 t，平均值为7 169 t，其中，最小的县域为西安市的莲湖区、新城区和碑林区，碳汇均为0；最大的为榆林神木市，达56 146t；2020年，陕西省草地碳汇总量为766 602 t，平均值为7 164 t，其中，最小的县域仍为西安市的莲湖区、新城区和碑林区；最大的县域仍为榆林神木市，达54 369 t。与2010年相比，2020年陕西省草地碳汇总量减少了442 t，县域平均固碳量减少了5 t。

从空间自相关分析结果来看，2010年和2020年陕西省县域草地碳汇的全局Moran's I指数分别为0.454和0.468，Z值分别为8.963和9.214，均通过99%置信水平下的显著性检验，表明两个时期陕西省县域草地碳汇分布均具有显著的空间集聚特征。热点分析结果显示（图10），2010年和2020年陕西省县域草地碳汇的冷热点分布格局大体一致，热点区和次热点区集中分布在陕西的西北部，尤其是集中在陕北长城沿线风沙区，冷点区和次冷点区则主要分布在关中平原中部的西安、咸阳、渭南等大城市中心区及其相邻地区。

3.2.4 湿地碳汇

根据公式（5），分别计算2010年和2020年陕西省各县域湿地碳汇量，并采用自然断点法划分为5个等级（图11）。2010年，陕西省湿地碳汇总量为40 565 t，平均值为379 t，其中，最大的为榆林靖边县，达3815 t，有12个县域的湿地碳汇量为0；2020年，陕西省湿地碳汇总量为49 059 t，平均值为458 t，其中，最大的县域仍为榆林靖边县，达4 293 t，有13个县域的湿地固碳量为0。与2010年相比，2020年陕西省湿地碳汇总量增加了8 494 t，平均增长79 t。

空间自相关分析结果表明，2010年和2020年陕西省县域湿地碳汇的全局Moran's I指数分别为-0.014和0.082，Z值分别为0.284和1.781，2010年P值大于0.1，未通过显著性检验，2020年P值大于0.05，仅通过90%置信水平下的显著性检验，表明两个时期陕西省县域湿地碳汇分布的空间集聚特征不显著。从具体分布来看，相对而言，湿地碳汇量在陕北长城沿线风沙区较为集中，2010年和2020年，该区域6个县的湿地固碳量总计分别为13 159 t和16 996 t，分别占全省的32.4%和34.6%。

3.3 碳中和时空格局

3.3.1 碳源时空格局

分别对陕西省2010年和2020年耕地碳排放与建设用地碳排放进行求和，计算得出各县域碳排放总量，并采用自然断点法划分为5个等级（图12）。2010年，陕西省县域碳排放总量为45 997 509 t，平均值为429 883 t，其中，最大的县域为榆林神木市，达6 926 160 t，最小的为安康市宁陕县（3 735 t）；2020年，陕西省县域碳排放总量为82 538 872 t，平均值为771 391 t，其中，最大的县域仍为神木市，达13 029 300 t，最小的为汉中市佛坪县，碳排放量为1511 t。通过空间自相关分析发现，2010年和2020年陕西省县域碳排放总量的全局Moran's I指数分别为0.064和0.074，Z值分别为1.618和1.756，2010年P值大于0.1，未通过显著性检验，2020年P值大于0.05，仅通过90%置信水平下的显著性检验，表明两个时期陕西省县域碳排放总量分布的空间集聚特征不显著。从具体分布来看，相对而言，榆林、渭南、铜川、西安、宝鸡等城市的县域碳排放较为集中。

与2010年相比，2020年陕西省碳排放总量增加了36 541 363 t，县域碳排放平均增长341 508 t。从其分布来看，两个时段主要都相对集中在陕北榆林和关中地区，究其原因，主要是榆林作为我国重要的能源化工基地，化石能源的开采开发以及相应的高耗能产业一直在产业结构体系中占据着主导地位，导致碳排放量居高不下，且呈现增长趋势，从2010年到2020年，榆林市能源消费总量从2 174.85万t增长至3 804.04万t，规模以上工业综合能源消费量从1 706万t标准煤增长至4 675万t标准煤。关中地区一直是陕西省人口和产业高度集中区域，2010年关中地区人口和GDP占全省比例分别为62.69%和64.53%，2020年，这一比例分别为65.46%和64.56%，人口和产业在关中地区的高度集聚导致该地区成为陕西省碳排放总量相对集中的地区之一，其中，渭南作为陕西省农业大市，2010年和2020年渭南全市农业总产值分别占全省的15.09%和17.75%，除建设用地碳排放以外，其耕地碳排放总量较大，这也成为其在关中地区碳排放总量较高的原因之一。

3.3.2 碳汇时空格局

分别对陕西省2010年和2020年各县域碳吸收量进行求和，计算得出各县域碳汇总量，并采用自然断点法划分为5个等级（图13）。2010年，陕西省县域碳汇总量为45 994 179 t，平均值为429 852 t，其中，最大的县域为西安市周至县，达118 790 t，最小的为西安市莲湖区，仅9 t；2020年，陕西省县域碳吸收总量为49 198 375 t，平均值为459 798 t，其中，最大的县域为西安市长安区，达1 239 210 t，最小的为西安市的新城、碑林和莲湖3个市辖区，碳汇量均为0。从空间自相关分析结果来看，2010年和2020年陕西省县域碳汇的全局Moran's I指数分别为0.244和0.322，Z值分别为4.722和6.155，均通过99%置信水平下的显著性检验，表明两个时期陕西省县域碳汇的分布均具有显著的空间集聚特征。热点分析结果显示（图14），2010年和2020年陕西省县域碳汇的冷热点分布格局具有一定差异，热点区和次热点区主要集中分布在秦岭山地，2010年冷点区集中在榆林东南部，2020年则主要分布在铜川。

与2010年相比，2020年陕西省碳汇总量增加了3 204 196 t，县域平均碳汇增加了29 946 t。从其分布来看，两个时段，关中南部和陕南地区北部的秦巴山地是碳汇主要集中地，这主要源于该地区有大量的植被覆盖，2020年汉中、安康、商洛的森林覆盖率分别为63.8%、68.0%、69.6%，远高于全省43.1%的平均水平。此外，与2010年相比，陕北的延安、榆林等地的县域碳汇也有一定程度的增加，这主要得益于2000年就开始实施的退耕还林，以延安市为例，近20 a来退耕还林面积达71.83万hm²，占全省退耕还林总面积的26.7%，其森林覆盖率由33.5%增加到52.5%。

3.3.2 碳中和时空变化

碳中和可通过碳盈亏状态（即各县域碳汇与碳源的差异情况）来反映，碳汇大于碳源可称之为碳盈，其对外表现为碳汇作用；碳汇小于碳源可称之为碳亏，其对外表现为碳源作用。通过对陕西省碳源与碳汇总量的计算，可以发现，2010年陕西省碳源与碳汇基本持平，碳亏仅3 330 t；2020年陕西省碳亏显著，达到33 340 497 t，其主要原因是从2010年到2020年期间的碳排放增量远大于碳吸收增量所致。从各县域碳盈亏空间分布格局来看（图15），碳亏县域逐渐增多，2010年有34个县域处于碳亏状态，2020年碳亏县域增长至47个，这些县域主要集中分布在陕北的榆林、延安和关中的西安、咸阳、渭南、宝鸡和铜川，陕南地区整体处于碳盈状态。

从各区域来看，2010年，陕北长城沿线风沙区、黄土丘陵沟壑区、关中地区和陕南秦巴山区这4大区域碳排放占全省总量的比例依次为28.40%、6.94%、56.95%和7.71%；2020年4大区域碳排放比例依次为39.63%、8.98%、44.09%和7.30%，关中地区一直是陕西省碳排放的核心区，但其占比已明显下降，而陕北长城沿线风沙区的碳排放量增长十分显著。2010年，陕西省4大区域的碳吸收量占全省总量的比例依次为4.18%、13.27%、49.72%和32.82%；2020年这一比例依次为5.48%、15.98%、46.72%和31.82%，总体来看变化不大，关中和陕南地区始终发挥着碳汇的作用。从各区域的碳盈亏来看，陕北长城沿线风沙区和关中地区始终处于碳亏状态，陕南秦巴山区和黄土丘陵沟壑区则始终处于碳盈状态。

从各地级市碳源分布来看，榆林和渭南是陕西省碳排放大市，2010年两市碳排放合计占全省碳排放总量的50.83%；2020年这一比例增长至57.98%，其中渭南占全省比例从21.99%下降至17.77%，但榆林占比从28.84%增长至40.21%。从各地级市碳汇来看，除铜川和榆林规模较小外，其他各市分布相对均衡，汉中始终是陕西省碳汇量最大的城市，2010年和2020年其占全省碳汇总量的比例分别为13.03%和13.21%。从各市的碳盈亏来看，2010年，榆林、渭南和铜川处于碳亏状态；2020年碳亏城市有所增加，包括榆林、延安、宝鸡、渭南、铜川、咸阳6个城市，其中榆林是碳亏规模最大的城市。

4 讨论

从本文研究结果可以发现，2010年陕西省碳排放量与碳吸收量基本持平，达到“碳中和”状态。然而，随着近十年社会经济的发展，尤其是陕北榆林资源型经济和能源化工等相关产业的快速发展，关中地区人口与产业的集聚和增长，再加省域总体能源结构并未明显改善，导致陕西省整体处于明显碳亏状态，距离实现稳定的“碳中和”状态相差较远。这种碳汇规模变化不大而碳排放显著增长的趋势同全国以及一些省份的研究结果基本一致^{［8，11，13，30-31］}，由此可见，在现有技术条件下“碳中和”目标的实现将面临较大挑战。与同类研究结果相比，本文基于县域尺度的碳源、碳汇以及二者关系的分析可为揭示碳中和时空分异格局，因地制宜地制定碳中和路径具有较大的指导意义。从省域层面来看，一是要加快能源消费结构的转变，近十年陕西省的煤炭消费占比都在75%左右，优化效果并不明显，未来要大力推进低碳能源和清洁能源的使用，减少传统能源的消费量，加快转变以煤炭和石油为主的能源消费结构；二是基于陕西省社会经济发展事实和本文揭示的陕西省县域碳盈亏格局，探索建立区域（甚至县域）碳补偿机制，从全省层面统筹协调，制定“碳中和”分区发展路径。从区域和县域层面来看，一是继续加大力度对榆林等重点区域进行产业结构的调整和优化，如神木、府谷、榆阳等，加快资源型产业转型，降低传统高能耗、高排放产业比重，同时加快二氧化碳捕集、封存技术的研发和应用；二是重点优化关中地区以及大城市的土地利用结构，合理规划和控制建设用地的增长，避免城市快速扩张对生态空间的侵蚀和占用；三是健全林地、草地和湿地等各类生态用地保护与管理机制，巩固陕北黄土高原地区退耕还林效果，加强对陕南秦巴山区等生态“碳库”的保护，以保障其持续发挥碳汇作用。

5 结论

1） 2010~2020年，陕西省耕地碳排放变化不大，总计增加了67 489 t，县域平均增长仅为631 t；而建设用地碳排放呈显著增长，几乎翻了一倍，县域平均增长340 878 t，能源消费成为近十年陕西省碳排放最主要的贡献源。空间分布上，耕地碳排放主要集中于关中地区，尤其是渭南、咸阳等地；建设用地碳排放相对集中在陕北地区，特别是榆林的神木、府谷等地。

2） 与2010相比，2020年陕西省碳汇总量实现了一定的增长，共增加3 204 196 t，县域平均增加了29 946 t，其中耕地和湿地的贡献较大，总量分别增加了3 287 178 t和8 494 t，林地和草地的碳汇有所减少，总量分别减少了91 028 t和442 t；从结构来看，耕地和林地的碳汇贡献较大，二者合计占比达98%左右。空间分布上，耕地碳汇主要集中在关中平原中部的咸阳、西安、铜川以及东部的渭南等地；林地碳汇主要在陕南的秦岭山区，草地和湿地相对集中于陕北长城沿线风沙区。

3） 从碳盈亏状态来看，2010年陕西省碳源与碳汇基本持平，碳亏规模较小，仅为3 330 t；2020年受碳排放增长所致，碳亏规模迅速扩大，达到33 340 497 t，碳亏县域逐渐增多，从2010年的34个增长至2020年的47个，这些县域主要分布在陕北的榆林、延安和关中的西安、咸阳、渭南、宝鸡和铜川等地，陕南地区则整体处于碳盈状态。

4） 关中平原地区一直是陕西省碳排放的核心区，但其占全省比例已从2010年的56.95%下降至2020年的44.09%，同时其也发挥着重要的碳汇作用，碳汇比例始终在45%以上；陕北长城沿线风沙区的碳排放量增长十分显著，其占比从2010年的28.4%增长至2020年的39.63%，而碳汇总量占比较小，且增长缓慢，始终处于碳亏状态，榆林则是全省碳亏规模最大的城市；陕南秦巴山区和黄土丘陵沟壑区则始终处于碳盈状态。

参考文献

[1] IPCC.Climate Change 2021：The physical science basis.Contribution of working group I to the sixth assessment report of the intergovernmental panel on climate change［M］.Cambridge：Cambridge University Press，2021.

[2] 于贵瑞，郝天象，朱剑兴.中国碳达峰、碳中和行动方略之探讨［J］.中国科学院院刊，2022，37（4）：423-434

[3] 丁仲礼，张涛.碳中和：逻辑体系与技术需求［M］.北京：科学出版社，2022.

[4] Houghton R A， Hackler J， Lawrence K T.The U.S.carbon budget：Contributions from land use change［J］.Science，1999，285：574-578.

[5] 黄贤金，张秀英，卢学鹤，等.面向碳中和的中国低碳国土开发利用［J］.自然资源学报，2021，36（12）：2995-3006.

[6] 马和平，屈兴乐，东主，等.西藏尼洋河流域不同土地利用方式对土壤微生物量碳、氮的影响［J］.甘肃农业大学学报，2021，56（3）：117-125.

[7] 张梅，赖力，黄贤金，等.中国区域土地利用类型转变的碳排放强度研究［J］.资源科学，2013，35（4）：792-799.

[8] 周嘉，王钰萱，刘学荣，等.基于土地利用变化的中国省域碳排放时空差异及碳补偿研究［J］.地理科学，2019，39（12）：1955-1961.

[9] 李颖，黄贤金，甄峰.江苏省区域不同土地利用方式的碳排放效应分析［J］.农业工程学报，2008，24（S2）：102-107.

[10] 彭文甫，周介铭，徐新良，等 ．基于土地利用变化的四川省碳排放与碳足迹效应及时空格局［J］.生态学报，2016，36（22）：7244-7259.

[11] 杨国清，朱文锐，文雅，等.20年来广东省土地利用碳排放强度与效率空间分异研究［J］.生态环境学报，2019，28（2）：332-340.

[12] 冯薇，赵荣钦，谢志祥，等.碳中和目标下土地利用碳排放效率及其时空格局——以黄河流域72个地级市为例［J］.中国土地科学，2023，37（1）：102-113.

[13] 王喜，鲁丰先，秦耀辰，等.河南省碳源碳汇的时空变化研究［J］.地理科学进展，2016，35（8）：941-951.

[14] 武爱彬，赵艳霞，郭小平，等.碳中和目标下河北省土地利用碳排放格局演变与多情景模拟［J］．农业工程学报，2023，39（14）：261-270.

[15] 朴世龙，岳超，丁金枝，等.试论陆地生态系统碳汇在“碳中和”目标中的作用［J］.中国科学D辑（地球科学），2022，52（7）：1419-1426.

[16] Fang J， Chen A， Peng C，et al.Changes in forest biomass carbon storage in China between 1949 and 1998［J］.Science，2001，292：2320-2322.

[17] Liu S N， Zhou T， Wei L Y，et al.The spatial distribution of forest carbon sinks and sources in China［J］.China Science Bulletin，2012，57：1699-1707.

[18] Piao S L， Huang M T， Liu Z，et al.Lower land-use emissions responsible for increased net land carbon sink during the slow warming period［J］.Nature Geoscience，2018，11：739-743.

[19] 赵苗苗，赵娜，刘羽，等.森林碳计量方法研究进展［J］.生态学报，2019，39（11）：3797-3807.

[20] 朴世龙，何悦，王旭辉，等.中国陆地生态系统碳汇估算：方法、进展、展望［J］.中国科学D辑（地球科学），2022，52（6）：1010-1020.

[21] 原一荃，薛力铭，李秀珍.基于CASA模型的长江口崇明东滩湿地植被净初级生产力与固碳潜力［J］.生态学杂志，2022，41（2）：334-342.

[22] 朱巧娴，梅昀，陈银蓉，等.基于碳排放测算的湖北省土地利用结构效率的DEA 模型分析与空间分异研究［J］.经济地理，2015，35（12）：176-184.

[23] 李波，张俊飚，李海鹏.中国农业碳排放与经济发展的实证研究［J］.干旱区资源与环境，2011，25（12）：8-12.

[24] Eggleston H S， Buendia L，Miwa Ket al.2006 IPCC guidelines for national greenhouse gas inventories［M］.Tokyo：Preparation of the National Greenhouse Gas Inventories Plan，2006.

[25] 赵荣钦，刘英，马林，等.基于碳收支核算的河南省县域空间横向碳补偿研究［J］.自然资源学报，2016，31（10）：1675-1687.

[26] 王修兰.二氧化碳、气候变化与农业［M］.北京：气象出版社，1996.

[27] 李克让.土地利用变化和温室气体净排放与陆地生态系统碳循环［M］.北京：气象出版社，2002.

[28] 方精云，郭兆迪，朴世龙，等.1981~2000年中国陆地植被碳汇的估算［J］.中国科学D辑（地球科学），2007，37（6）：804-812.

[29] Huang X， Huang X J， Liu M M，et al.Spatial-temporal Dynamics and Driving Forces of Land Development Intensity in the Western China from 2000 to 2015［J］.Chinese Geographical Science，2020，30（1）：16–29.

[30] 胡欢，章锦河，熊杰，等.河北省碳源碳汇测算及碳减排压力分析［J］.地理与地理信息科学： 2016，32（3）：61-67.

[31] 李海燕，周慧杰，周永章，等.广西南亚热带耕地土壤有机碳分布特征及其影响因素分析［J］.南方农业学报，2024，55（11）：3286-3297.

基金资助

陕西省重点研发项目(2022ZDLSF07-05)

中央高校基本科研业务费专项资金项目(300102352203)

陕西省创新能力支撑计划(2024ZC-YBXM-053)