Territorial Space Comprehensive Zones Under the Guidance of Low Carbon in the Rocky Desertification Mountains of Northwest Yunnan Province
-
摘要: 在中国碳中和战略背景下，探索低碳生态发展框架下的国土空间分区是国土空间优化的核心所在。文章以石漠化山区玉龙县为研究区，在土地利用变化分析基础上，核算2010、2020年玉龙县的碳源、碳汇，分析其时空变化特征；在分析区域碳源/汇效益及生境质量基础上，以低碳发展与生态保护为目标来划分国土空间综合分区，并提出了协同减排的差异性对策建议。结果表明：(1)2010—2020年，玉龙县土地利用结构以乔木林地、灌木林地、草地和旱地等为主，城镇建设用地增加的速度最快。(2)2010—2020年，玉龙县碳源增长剧烈，碳排放量涨幅高达74.96%，碳排放增长量远超碳吸收增长量。(3)2010—2020年，玉龙县碳源/汇效益有较大的提升，但仍有大范围低效益区域；玉龙县以高等级生境质量区域为主。(4)以碳源/汇效益和生境质量为划分依据，可将玉龙县划分为6个分区：碳汇功能保持区、低碳限制发展区、减碳优先发展区、增汇生态修复区、高碳生产优化区和高碳总量控制区。Abstract: In the context of China's implementation of its carbon neutrality strategy, exploring territorial space zoning under the framework of low-carbon ecological development is the core of territorial space optimization. Yulong County in rocky desertification mountainous area was taken as the research area. Based on the analysis of land use changes, the carbon source and carbon sink in Yulong County in 2010 and 2020 were calculated and its spatial-temporal characteristics were analyzed, then comprehensive territorial space zones were divided for the coupling of carbon source/sink and ecology, and the differences of collaborative reduction countermeasures are put forward. The results showed that: (1)The land use structure of Yulong County from 2010 to 2020 was dominated by forest, shrub land, grassland, dry land, and build-up land increased the fastest. (2)The growth of carbon sources in Yulong County from 2010 to 2020 is dramatic, with carbon emissions rising by 74.96%, and the growth in carbon emissions far exceeding the growth in carbon sequestration. (3)The benefits of carbon sink in Yulong County increased greatly from 2010 to 2020, but there were still large areas with low benefits. Moreover, Yulong County was dominated by areas with high habitat quality. (4)According to the carbon source, carbon sink benefit and habitat quality, Yulong County was divided into six zones: carbon sink function zone, low carbon and limited development zone, reducing carbon source and priority to develop zone, ecological restoration area, high carbon production optimization zone and high carbon total control zone.
-
由于全球气候变暖加剧，各国纷纷响应低碳中和的号召。中国也在逐步推进“双碳”目标，各省已将碳中和作为国土空间优化的目标。此外，国土空间分区是国土空间优化研究的热点话题。进行国土空间分区，有助于区别各分区的发展导向，进而针对性地提出各国土空间分区的低碳发展策略[1]。因此，以“双碳”目标为导向，进行碳源/汇核算及分区研究，探索低碳生态发展框架下的国土空间综合分区，将进一步为国土空间优化提供支撑，助力我国低碳发展与生态保护，最终实现区域绿色发展、低碳循环。
近几年，学者们从全球、国家、省际尺度，对碳源、碳汇进行了大量的核算，并在此基础上开展了碳源、碳汇的分区研究[2-4]。目前，碳源、碳汇核算主要采用“自下而上”或“自上而下”的方法[5]，如：运用碳排放系数法(如IPCC温室气体清单法[6])、遥感反演法(如土地利用碳排放模型[7]和夜间灯光数据反演法[8])等方法核算碳源，运用清查法、生态系统过程模型模拟法核算碳汇[9-10]。但多数研究集中在宏观层面，处于对区域均值化研究的阶段，对中微观层面的重视不够。在分区研究方面，学者们从碳补偿[11]、碳排放强度[12]、碳平衡[13]和碳源/汇效益[14]出发，考虑碳排放或其效益的单一分区，未考虑区域内部的发展差异及不同的生态环境条件，而目前大多数国土空间分区研究尚未将低碳发展目标纳入考量[15]。生境质量作为反映区域生物生存、繁殖和发展能力难易的指标[16]，是生态系统的重要组成部分[17]，也是国土空间优化的重要因素[18]，能体现区域自然生态环境条件对生物多样性的影响。结合碳源/汇与生境质量，在碳源/汇效益特征分析的基础上考虑生态本底条件，从低碳和生态保护的二维角度进行国土空间综合分区，进而构建生态重要区，以权衡生态保护和区域发展，有利于区域低碳发展及生态文明建设。
我国西南喀斯特石漠化地区固碳潜力巨大，是国家固碳增汇的主要地区之一[19]。但该地区石漠化发生、发展造成的生物碳库和土壤碳库流失量巨大。云南省丽江市玉龙纳西族自治县(下文简称“玉龙县”)位于云南省西北边陲，是典型的高原石漠化山区，也是川滇生态屏障核心区域，生态保护意义重大。近年来，由于玉龙县旅游业和农业的发展、小型工业的崛起、基础设施建设和金沙江水电建设项目的兴起，碳排放总量逐步上升。如果能合理有序地规划国土空间，将有助于玉龙县推进碳中和及维持生态重要区生态安全。因此，本研究以玉龙县为研究区，在土地利用变化分析基础上，核算2010、2020年玉龙县的碳源、碳汇，并分析其时空变化特征；在明确区域碳源/汇效益及生境质量的基础上，以低碳发展与生态保护为目标来划分国土空间综合分区。研究以期对石漠化地区绿色低碳发展、生态保护以及国土空间优化的调整与制定提供参考。
1. 研究区概况与研究方法
1.1 研究区概况
玉龙县位于云南省西北部丽江市，地处青藏高原东南边缘向滇中高原的过渡地段，辖区面积为6 198.76 km2；地貌属横断山系高山峡谷区，山高谷深，北高南低，高差极为悬殊，全县境内最高海拔为5 596 m，最低海拔为1 370 m，地形地貌复杂(图 1)。玉龙县喀斯特地貌广布，其中岩溶面积为1 912.32 km2，占全县面积的30.85%。截至2020年底，玉龙县的石漠化面积为1 371.52 km2，占岩溶面积的71.72%，其中重度和极重度石漠化面积为50.34 km2，占全县石漠化面积的3.67%。玉龙县石漠化分布广泛，主要集中在东北部及沿金沙江一线的相对贫困地区，且东部片区石漠化面积大，有进一步恶化的趋势[20]，影响其作为长江上游重要生态屏障的作用。
![]()
图 1 研究区区位及石漠化分布图Figure 1. The location of study area and the distribution of rocky desertification1.2 数据来源
考虑玉龙县在2010年起开展较大规模的石漠化治理工程，选择将2010年作为2020年的对比年份，在此基础上进行土地利用及碳源/汇总量在10年间的时空分异特征研究。以Landsat-4/5 TM遥感影像(30 m×30 m)与Sentinel-2B遥感影像(10 m×10 m)为数据源，通过人机交互解译的方式提取研究区2期(2010、2020年)土地利用类型数据，kappa系数均在0.8以上，并统一分辨率为30 m×30 m。土地利用数据将用于碳源、碳汇和生境质量的计算。碳汇计算所需NPP数据源于MOD17A3HGF数据集，分辨率为500 m×500 m。GDP数据参考中国科学院资源环境数据云中的中国GDP分布公里格网数据集，对其在2019年的数据进行2020年经济总值的修正，分辨率为1 km×1 km，同时将坐标系统一为CGCS2000 3 Degree GK Zone 34投影坐标系。
1.3 核算方法
碳源核算主要包括建设用地中城镇建设用地、农村住宅用地、工矿用地、交通运输用地及农业生产用地中旱地、水田的碳排放，碳汇核算主要包括生态用地中乔木林地、灌木林地、草地、湖泊、河流以及农业生产用地中旱地、水田的碳吸收。其中，水田、旱地既是碳源也是碳汇，且两者因为播种方式不同，所产生的碳排放量与碳吸收量也不同。为便于评估碳源/汇效益以及国土空间分区，考虑碳源/汇区域性的概念，结合玉龙县的国土面积为6 198.76 km2，分别在4种格网大小(1.5 km×1.5 km、2.0 km×2.0 km、2.5 km×2.5 km、3.0 km×3.0 km)下，探讨土地利用、NPP和GDP等多源数据尺度融合的适配性及碳源、碳汇效益的信息差异性与综合性。根据试验结果，最终选择2.5 km×2.5 km的格网大小来划分本研究的空间单元，每个格网面积为6.25 km2。
1.4 碳源核算
1.4.1 建设用地碳源核算
采用碳排放系数法计算建设用地全年的碳排放总量。本研究结合实际情况及参考文献[21]提出的云南省碳排放系数推荐值，将区域的碳排放系数确定为0.717 2。核算公式如下：
C源i=EGDP×GDPi×0.7172, (1) 其中：C源i为第i个格网的碳排放量；EGDP为单位GDP能源消耗量(折标准煤单位：t/万元)，由《综合能耗计算通则》(GB/T 2589—2008)中各种能源折标准煤换算而来；GDPi为第i个格网的GDP数据。
1.4.2 农业生产的碳源核算
基于生命周期法(LCA)，选用化肥、农药、柴油、农膜、农业灌溉和农业翻耕等为农业碳排放的六大主要影响因素[22-23]，估算水田、旱地碳排放。(1)水田：依据《省级温室气体清单编制指南》确定玉龙县稻田甲烷排放因子推荐值为156.2 kg/hm2，并在LCA参数法中加入稻田的甲烷排放，核算公式如下：
Esii=∑Si×δ×1216+∑Tij+σij, (2) 其中：Esi为第i个格网中水田的碳排放量；Si为第i个格网中水稻的播种面积；δ为单季稻稻田中甲烷的碳排放系数，即156.2 kg/hm2；12/16为甲烷CH4转化为C的系数；Tij为第i个格网中第j个影响因素的碳排放总量; σij为第i个格网中第j个排放源的碳排放参数[24]。
(2) 旱地：玉龙县旱地作物种植期间的碳排放更多为间接排放，运用LCA参数法核算旱地碳源。核算公式如下：
Ehi=∑Tij+σij, (3) 其中：Ehi为第i个格网中旱地的碳排放总量，Tij为第i个格网中第j个影响因素的碳排放总量，σij为第i个格网中第j个排放源的碳排放参数。
1.5 碳汇核算
净生态系统生产力(NEP)表征生态系统的固碳能力，能直接表示生态系统的碳源/汇性质和大小[25]。采用净生态系统生产力估算方法，运用城市生态智慧管理系统(IUEMS)平台[26]核算碳吸收量，核算公式如下：
C汇 i=MCO2MC×NEPij, (4) 其中：C汇i为第i个格网的碳固定总量，即碳吸收量；MCO2/MC为CO2与C的相对分子质量之比，即44/12；NEP为第i个格网第j个用地类型的净生态系统生产力。
按照不同用地类型的NEP和NPP的转换系数，根据NPP计算得到NEP：
NEPij=α×NPPij×MC6/MC6H10O5, (5) 其中：α为不同用地类型的NEP和NPP的转换系数；NPP为净初级生产力；MC6/MC6H10O5为干物质转化为C的转化系数，即72/162。
1.6 国土空间综合分区方法
1.6.1 碳源/汇效益测度
采用碳源的经济贡献系数、碳汇的生态承载系数分别表征碳源的社会经济效益、碳汇的生态效益，分别反映区域的碳源效益、碳汇效益[27]。
碳源的经济贡献系数(ECC)可用于评估不同地区间碳排放的经济贡献公平性，是反映各地区碳排放生产力的指标之一。计算公式如下：
ECCi=GiG/CiC, (6) 其中：Gi、G分别为第i个格网的GDP、区域总GDP；Ci、C分别为第i个格网的碳排放总量、区域总碳排放量。若ECCi＞1，则表示第i个格网的经济贡献率高于土地利用碳排放的贡献率，表明该网格碳排放的经济效率较高；若ECCi＜1，则表明第i个格网碳排放的经济效率较低。
碳汇的生态承载系数(ESC)可用于评估不同地区在固碳吸收贡献方面的公平性，进而反映区域的碳汇能力。计算公式如下：
ESCi=CAiCA/CiC, (7) 其中，CA、CAi分别为区域总碳吸收量、第i个格网的主要碳汇对碳的吸收量。若ESCi＞1，即第i个格网的主要碳汇对碳吸收的贡献率高于碳排放的贡献率，则对碳减排有正向影响；反之，对碳减排有负向影响。
1.6.2 生境质量计算
生境质量是反映区域生物多样性的指标[28]。目前，学者们主要采用MaxEnt、ENFA、MIMES和InVEST等模型来评估生境质量。其中，InVEST模型因其对数据需求低、空间可视化能力强和评价结果精度高等特点而被广泛应用[29]，故本研究采用InVEST模型计算生境质量。综合参考InVEST模型手册、研究区实际情况及相关研究[30]设置各参数(表 1, 表 2)。
表 1 威胁因子权重与影响距离Table 1. The factor coefficient and influence distance of threat factor威胁源 最大影响距离/km 权重 衰减类型 旱地 3 0.4 线性衰减 水田 2 0.4 线性衰减 园地 2 0.4 线性衰减 农村居民点 6 0.7 指数衰减 城镇建设用地 10 1.0 指数衰减 工矿用地 6 0.7 指数衰减 交通设施用地 5 0.8 指数衰减 裸地 4 0.5 线性衰减 表 2 不同土地利用类型的生境适宜度及对威胁因子的敏感性Table 2. Habitat suitability of different land use types and its sensitivity to threat factors土地利用类型 生境适宜度 威胁因子敏感度 旱地 水田 园地 农村居民点 城镇建设用地 工矿用地 交通设施用地 裸地 乔木林地 1.0 0.7 0.7 0.6 0.8 0.9 0.8 0.9 0.5 灌木林地 0.8 0.5 0.5 0.4 0.7 0.8 0.7 0.7 0.4 草地 0.6 0.6 0.6 0.4 0.7 0.7 0.7 0.7 0.3 旱地 0.5 0.0 0.3 0.2 0.7 0.8 0.7 0.7 0.3 水田 0.5 0.3 0.0 0.4 0.7 0.8 0.8 0.8 0.3 农村居民点 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 城镇建设用地 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 湖泊 0.9 0.7 0.7 0.7 0.8 0.9 0.8 0.9 0.3 河流 0.8 0.7 0.7 0.7 0.8 0.9 0.8 0.9 0.3 裸地 0.3 0.3 0.3 0.3 0.6 0.7 0.6 0.7 0.0 冰川及永久积雪 0.5 0.8 0.8 0.8 0.9 0.9 0.9 0.9 0.3 工矿用地 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 交通设施用地 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 园地 0.6 0.3 0.4 0.0 0.7 0.8 0.7 0.7 0.4 结合自然断点法，将生境质量划分为5个等级：低、较低、中、较高、高(表 3)。
表 3 生境质量等级划分Table 3. Classification of habitat quality等级 取值范围 描述 低 0~0.2 生境质量低 较低 0.2~0.6 生境质量较低 中 0.6~0.7 生境质量中等 较高 0.7~0.9 生境质量较高 高 0.9~1.0 生境质量高 1.7 国土空间综合分区原理
碳源的经济贡献系数可衡量区域碳排放对经济效益的贡献程度，碳汇的生态承载系数可反映区域碳吸收的贡献程度，二者是综合碳排放分区的核心内容。而生境质量则代表了区域生态环境本底情况，特别是在喀斯特地区，由于其特殊的地理环境状况，不同区域的生态环境对人类活动的支撑能力有显著的差异。因此，将生境质量纳入低碳分区中有利于维持喀斯特地区生态系统的良性循环。
以减碳增汇优先、生态保护为辅为原则，将碳源的经济贡献系数(ECC)与碳汇的生态承载系数(ESC)以1为分界线，将区域划分为减排增汇或经济、生态保持，以生境质量中等以上等级(即生境质量大于0.7)的区域为分界线，判断区域发展或保护的发展导向，由此构建国土空间低碳发展分区方案。
2. 结果与讨论
2.1 玉龙县土地利用变化特征
通过叠加2010、2020年的土地利用数据，统计玉龙县2010—2020年土地利用面积变化情况。由结果(表 4)可知：
表 4 2010—2020年玉龙县土地利用面积变化Table 4. Land use changes in Yulong County from 2010 to 2020地类 面积/km2 动态度/% 2010年 2020年 面积差 乔木林地 4 264.12 4 170.51 -93.61 -0.22 灌木林地 525.04 781.77 256.73 4.89 草地 494.43 328.93 -165.50 -3.35 旱地 512.08 479.41 -32.67 -0.64 水田 88.11 74.14 -13.97 -1.59 农村居民点 20.79 32.55 11.77 5.66 城镇 10.14 45.80 35.65 35.15 湖泊、坑塘 18.35 19.15 0.81 0.44 河流 22.80 30.15 7.35 3.22 裸地 55.00 93.59 38.60 7.02 冰川及永久积雪 172.60 114.93 -57.67 -3.34 工矿用地 3.47 8.82 5.35 15.40 交通设施用地 5.26 8.60 3.35 6.37 果园 0.00 3.83 3.83 — (1) 玉龙县土地利用结构以乔木林地、灌木林地、草地和旱地等土地利用类型为主，这些类型在2010、2020年的总面积在土地总面积的占比分别为85.61%、87.72%，其中乔木林地的占比为68.86%(2010年)和67.35%(2020年)，灌木林地的占比为8.48%(2010年)和12.63%(2020年)，旱地的占比为8.27%(2010年)和7.74%(2020年)。
(2) 从土地利用面积的数量变化上看，土地利用面积变化最大的地类是灌木林地、草地和乔木林地。其中，灌木林地、城镇建设用地、农村居民点和裸地等的面积增加较大，乔木林地、草地、旱地、水田、冰川及永久积雪的面积减少较多。
(3) 从面积变化速率上看，灌木林地、城镇建设用地、农村居民点和裸地面积增加较快，草地、水田面积减少较快。其中，城镇建设用地变化速度最快，年均增长率达35.15%；工矿用地次之，年均增长率为15.40%。
由土地利用的空间分布(图 2)可知：2010—2020年间，玉龙县的乔木林地、灌木林地分布广泛，主要集中在西北部和西南部；旱地主要连片集中在西北侧及东南部；城镇建设用地分布较少，主要集中在东南部县政府所在地；裸地主要集中在东北侧的石漠化地区。究其原因为：“十三五”期间的退耕还林还草、陡坡地治理和石漠化治理等措施，使县域内的乔木林地、灌木林地、草地三者之间转变较为频繁，并且主要是灌木林地和草地之间的相互转换。同时，随着东北部石漠化加剧，该区域的乔木林地和灌木林地逐渐变为草地和裸地。此外，由于玉龙县近10年来旅游业发展和人口增长对于生活空间的需求，使大量旱地、裸地、灌木林地、草地转移为城镇建设用地和农村居民点，其中建设用地在东南部等区域的转入最显著。
![]()
图 2 2010、2020年玉龙县土地利用分布格局Figure 2. The distribution pattern of land use in Yulong County in 2010 and 2020综上可知，土地利用变化导致区域碳排放、碳吸收强度变化，影响区域碳源/汇格局，因此需进一步探究玉龙县的碳源/汇现状，分析其分布特征，为国土空间分区提供依据。
2.2 碳源、碳汇时空变化特征
根据玉龙县2010、2020年能源消耗数据，统计2010、2020年主要用地类型的碳排放与碳吸收的总量、占比及涨幅变化情况。
由统计结果(表 5)可知：
表 5 2010、2020年玉龙县碳源/汇情况Table 5. The situation of carbon source/sink in Yulong County in 2010 and 2020万t 年份 碳源 碳汇 农业生产用地 建设用地 碳排放总量 生态用地 农业生产用地 碳吸收总量 2010 5.31 91.57 96.88 168.68 12.94 181.62 2020 4.85 164.59 169.47 171.28 12.07 183.36 (1) 从数量变化上看，玉龙县于2010—2020年间的碳排放总量不断递增，从2010年的96.88万t增至2020年的169.47万t，增长幅度为74.93%。相比之下，碳吸收量由于固碳基数大，变化幅度较小，仅为0.95%：2010年的碳吸收总量为181.62万t，2020年为183.36万t。与碳吸收量相比，碳排放量的增长幅度更大，碳排放增长量远大于碳吸收增长量。
(2) 从主要用地类型来看，建设用地(城镇建设用地、农村宅基地、交通建设用地、工矿用地)是碳排放的主要来源，且涨幅高达335%。另一来源为农业生产用地(旱地、水田、果园)，其碳排放由5.31万t降为4.85万t，呈减少的变化趋势；从碳吸收来看，生态用地(乔木林地、灌木林地、草地及其他用地)起主要碳汇作用，占比高达93.41%，呈稳中有升的趋势。
2010—2020年，随着城镇化的快速推进，玉龙县的建设用地不断增加，碳排放总量也不断上升，年均增长幅度达65.76%。从能源消耗来看，能源消耗需求递增，碳排放量逐年增长，控制碳源的增长幅度将是未来有效减少净碳排放量的重点所在。由此可以看出，目前玉龙县碳排放总量涨幅攀升，碳排放增长量与碳吸收增长量无法平衡。
从空间分布(图 3)上看，2010—2020年间，玉龙县碳排放的集中分布区域变化不大，总体呈现西高东低、东南高值的空间分布特征。将总体碳排放量按自然断点法划分为微度碳排放区(C＜20×104 t)、轻度碳排放区(20×104≤C＜65×104 t)、中度碳排放区(65×104≤C＜150×104 t)、重度碳排放区(C≥150×104 t)4个等级。
![]()
图 3 2010、2020年玉龙县碳排放和碳吸收的空间分布图Figure 3. Distribution pattern of carbon emissions and carbon sequestration in Yulong County in 2010 and 2020西北、东北部的碳排放量强度在2010年的基础上大幅增长，东南部主城区的碳排放强度逐渐加强，可能与该地作为县域中心城区，城镇化不断加强、非农建设占用有较大关系。相比之下，东西两侧以农业、旅游业为主，碳排放总量较低。对于碳吸收而言，玉龙县碳汇呈现西高东低、西南高值的空间分布特征，低值主要集中在中部沿江、东北部石漠化区域、中部雪山及东南部建设用地附近。2010—2020年间，多数地区的乔木林地、灌木林地碳汇增加，特别是西南部等山区面积较大的地区。随着植树造林、退耕还林等政策的实施，山区植树造林或坡度较大区域的部分耕地转变为乔木林地、灌木林地，导致乔木林地、灌木林地碳汇增加。综上，玉龙县碳源、碳汇在时空上的差异性是后续开展低碳分区研究的重要基础。
2.3 国土空间综合分区依据的时空分异特征
2.3.1 碳源/汇效益变化分析
由2010、2020年玉龙县碳源的经济贡献系数(ECC)的空间分布(图 4)可知：(1)2010—2020年间，玉龙县碳源的经济贡献系数(ECC)整体增大，其中ECC < 1的区域大量减少，ECC>1的区域大幅增加。(2)在空间分布上，ECC呈现东西两侧较高、西北部及东南部较低的分布特征。究其原因为：玉龙县东西两侧多为山区，生态用地为其主要用地类型，因此，该区域的碳汇能力较强，经济贡献系数相对较高；东南部为经济发展中心，大量的能源消耗需求带来了巨大的碳排放总量，因此，该区域的经济贡献系数较低。总体而言，玉龙县碳源的经济贡献系数较低的区域与该地建设用地的总体分布高度吻合。
![]()
图 4 2010、2020年玉龙县ECC的空间分布Figure 4. Distribution pattern of ECC coefficients in Yulong County in 2010 and 2020由2010、2020年玉龙县碳汇的生态承载系数(ESC) 的空间分布(图 5)可知：玉龙县碳汇的生态承载系数(ESC)的空间分布与碳源的经济贡献系数(ECC)类似，呈现东西两侧高、西部及东南部较低的空间分布特征。其中生态承载系数大于1的区域在研究期间整体呈上升趋势，对中和碳排放量具有积极作用。东北部区域从碳汇能力较强的地区转为碳汇能力较弱的地区，说明该地区的碳排放比例明显超过了碳吸收比例，并呈现进一步加剧的趋势。因此，增强该地区的碳汇能力，有利于缓解当地的生态压力。
![]()
图 5 2010、2020年玉龙县ESC的空间分布Figure 5. Distribution pattern of ESC coefficients in Yulong County in 2010 and 2020玉龙县碳源的经济贡献系数、碳汇的生态承载系数各自的空间分布差异明显，且数值小于1的区域占比较多，说明研究期内玉龙县碳源的经济效益与碳汇的生态效益均比较低。故需要进一步分析玉龙县的自然本底条件，并探究生境质量在空间上的差异性，进行因地制宜的低碳分区研究。
2.3.2 生境质量时空变化特征分析
由玉龙县不同年份各等级生境质量比例(表 6)可知：(1)2010—2020年，玉龙县以高等级生境质量区域为主，占比高达67.35%，中等及以上等级呈增加趋势，较低等级和低等级呈略微下降趋势。(2)2010—2020年间，玉龙县的生境质量微弱好转：2010年玉龙县中等及以上等级生境质量区域占比为81.07%，2020年在此基础上增加了1.47%(占比为82.54%)；2010年较低等级和低等级生境质量区域占比为18.93%，2020年下降为17.46%。
表 6 玉龙县不同年份各等级生境质量比例Table 6. Proportion of habitat quality in different grades in Yulong County in different years等级 分值区间 2010年 2020年 栅格占比
变化率/%栅格数/个 占比/% 栅格数/个 占比/% 低 [0, 0.2) 44 718 0.65 107 100 1.56 0.91 较低 [0.2, 0.6) 1 257 240 18.28 1 094 390 15.90 -2.37 中 [0.6, 0.7) 212 139 3.08 122 239 1.78 -1.30 较高 [0.7, 0.9) 628 444 9.13 922 554 13.41 4.28 高 [0.9, 1.0] 4 738 346 68.86 4 634 604 67.35 -1.51 由2010、2020年玉龙县生境质量的空间分布(图 6)可知：(1)玉龙县高等级生境质量区域主要集中在东西两侧、西南部，中等级和较低等级生境质量区域主要分布在东部和东北部的石漠化区域，低等级生境质量区域主要集中分布在东南部的城镇建设用地。(2)自然生态环境稳定且受人类活动干扰较小的区域多为高等级生境质量区域，土地利用类型以乔木林地为主；山脚缓冲带和雪山附近区域多为较高等级生境质量区域，并且东部雪山附近一些生境质量较高区域向高等级生境转变明显。(3)中等级和较低等级生境质量区域主要分布在流域周围及石漠化区域，以草地和裸地为主，且有好转趋势。(4)低等级生境质量区域聚集在东南部城区和居民点附近，以耕地和建设用地为主，并且中心城区生境质量较低区域逐渐向外扩张，不断吞噬周边生境质量较高的区域。
![]()
图 6 2010、2020年玉龙县生境质量图Figure 6. Distribution pattern of habitat quality of Yulong County in 2010 and 2020由以上结果可知：玉龙县主要为高等级生境质量区域，区域内部差异明显。地形、气候和土壤等自然条件不适合人类进行生产生活的区域的生境质量大部分较高；自然和区位条件较好、人类活动强度较大的区域的生境质量大部分较低。从高等级生境质量区域占比来看，玉龙县中成熟林及过熟林的面积较大，表明玉龙县在较长时间范围内很难有大幅度的碳汇增加，碳排放大幅攀升与碳固存基数大、低碳汇增加形成鲜明对比，当地发展与保护问题严峻，需要对国土空间进行精细化发展的部署。
碳源/汇效益与生境质量的时空分异产生的原因差异较大，是进行分区的主要依据。故应根据各个区域碳源的经济贡献率、碳汇的生态承载系数和生境质量等信息，分区域进行低碳国土空间利用的引导研究。
2.4 基于碳源/汇与生境质量的国土空间综合分区
为充分反映区域低碳发展导向，以碳源/汇效益和生境质量为划分依据，考虑区域发展与生态保护的强度，按照减碳增汇的原则，指导玉龙县向减碳增汇的发展模式靠拢。此外，不同的土地利用方式和不同的发展目标必然导致碳源、碳汇的格局差异，直接影响区域碳收支，故进一步结合研究区的土地利用现状和国土空间开发与保护的主导方向，利用ArcGIS平台划分6个分区(表 7)。
表 7 玉龙县国土空间综合碳排放分区规则Table 7. Territorial space zoning rules of comprehensive carbon emissions in Yulong County名称 碳源经济贡献系数 碳汇生态承载系数 生境质量 碳汇功能保持区 ≥1 ≥1 ≥0.7 ≥1 ≥1 ＜0.7 低碳限制发展区 ≥1 ＜1 ≥0.7 ≥1 ＜1 ＜0.7 减碳优先发展区 ＜1 ≥1 ≥0.7 增汇生态修复区 ＜1 ≥1 ＜0.7 高碳生产优化区 ＜1 ＜1 ≥0.7 高碳总量控制区 ＜1 ＜1 ＜0.7 不同的国土空间综合碳排放分区具有不同的数量结构和空间布局模式，因此，需要采取因地制宜的分区管控措施来指导其发展方向，依托分区特征来完善空间碳排放格局，以实现国土空间资源有效配置与国土空间功能结构的联接。基于碳源效益、碳汇效益和生境质量，将玉龙县划分为6个分区(图 7)：
![]()
图 7 基于碳源/汇与生态的国土空间综合分区图Figure 7. Territorial space comprehensive zones based on carbon source/sink and ecology(1) 碳汇功能保持区：占总面积的42.89%，具有碳源经济贡献系数、碳汇生态承载系数和生境质量都较高的特征，生态本底条件较好，具有良好的绿色发展基础。该区域在东北部的石漠化地区和西南部远离石漠化的地区集中连片度较高。在今后的发展过程中，东北部石漠化地区应该通过建立自然保护地体系或封山育林等方式进行集中连片式的保护，严守生态环境保护的底线；远离石漠化地区的西南部区域应充分发挥森林资源优势，发展生态旅游等产业，在维护该区域的碳汇能力的同时实现经济增收。
(2) 低碳限制发展区：占总面积的7.49%，总体来看，具有碳排放的经济贡献强度相对较高、碳汇及生态本底条件能力相对不足的特点。该区域主要集中分布于东北部沿江石漠化区域及东部玉龙雪山等永久冰川积雪区域。该区域虽受东北部沿江农田以及旅游区人类活动的干扰，但其产生碳排放的经济效益较高。因此，该区域在今后的发展中应保持现有发展强度，通过整合东北部耕地来降低农业碳排放对石漠化的影响。
(3) 减碳优先发展区：占总面积的25.16%，具有碳汇能力强、生境质量较好、碳排放的经济贡献不足的特点。该区域主要分布在南部、西部及西北部远离石漠化的区域，是高碳汇区向较低碳汇区过渡的生态环境较好的区域，主要由乔木林地和耕地构成，是离中心城镇较远的农林交错区。因此，在区域发展过程中，既可以为碳汇功能保持区固碳能力的提高提供助力，同时由于该区域拥有较高的生境质量，也可以通过集约分散耕地、提高农业种植技术来进一步优化发展农业，降低区域的碳排放强度。
(4) 增汇生态修复区：占总面积的0.77%，具有较高的碳汇潜力、生境质量较差且碳排放的经济贡献不足的特点，主要集中分布于区域东北部的石漠化区域，主要由裸地、裸岩石砾地构成。该区域虽然有巨大的碳汇潜力，但石漠化现象较为严重，生态环境相对脆弱。因此，为修复石漠化严重地区脆弱的生态，该区域在今后的发展中应充分发挥区域自然修复能力，并佐以人力防治，增强区域碳汇功能。
(5) 高碳生产优化区：占总面积的16.05%，该区域的碳源经济贡献系数和碳汇生态承载系数都相对较低，但生境质量较高，是高碳源区域向高碳汇区域转变的过渡区域，主要连片分布于南部和西北部，零散分布于东北部。该区域由耕地和农村居民点构成，为生态环境和耕作生产状况较好的易低碳发展的耕作生产区域。因此，该区域在今后的发展中，可根据南部和西北部生境质量较高的区域特点，集约利用自身优质耕地资源，调整农业种植结构，积极发展低碳农业；在东北部石漠化区域进行农业生产开发的过程中要注重生态保护，降低生产活动过程中对石漠化的不良影响，提高区域的碳汇能力。
(6) 高碳总量控制区：占总面积的7.64%，该区域的碳排放强度与经济贡献极不匹配，且粗放的经济发展模式对区域生态环境造成了严重威胁，主要集中分布于区域的东南部和西北部，少量集中在东北部，由城镇建设用地和耕地构成，生态环境基础较差，碳汇的生态承载系数很低，是区域主要的碳源区域。因此，在今后的发展中，该区域在强调经济贡献的同时，应持续推进城市绿色发展、控制区域碳排放总量、优化绿色低碳的产业布局，从而构建安全清洁的能源体系，以弥补其碳汇贡献的不足；应考虑适度控制城市蔓延扩张进程，精细化打造城市存量绿地生态空间。此外，分布在东北部石漠化地区的高碳总量控制区应充分利用周围过渡区域，提高周边区域的碳汇能力、提升农业生产现代化水平、控制区域高碳排放，进而降低该区域对石漠化的影响。
2.5 讨论
在碳源/汇核算结果方面，前人研究结果显示：玉龙县2010—2017年的总碳排放为81.75×104~126.16×104 t[31]，云南省每个县的农业碳排放量为3.99×104~4.28×104 t[24]，本研究核算的总碳排放量略高于该值，核算的农业碳排放量在前人结果范围内。与相关研究相比，本研究核算的玉龙县碳吸收量(183.36万t)高于全国尺度的陆地碳吸收量(约为72万t)[32]，低于省际尺度的云南省碳吸收量(大约为200万t)[33]，结合玉龙县为川滇生态屏障核心区域的特殊定位，研究结果在前人研究的合理范围内。
在基于碳源/汇与生境质量的国土空间综合分区方面，仅依据碳源、碳汇进行碳功能分区管治[34]，虽然能够促进各功能区发挥碳功能的作用，但无法落实到区域内部，体现内部的差异性[35]，相比之下，从碳补偿角度出发结合主体功能区的碳分区更为综合、全面[36]。本文综合考虑自然本底条件中的生境质量，从区域是否碳源/汇效益失衡的角度进行综合分区管控，从多方面因素出发，更加全面而又精确地指出各个分区的特性，针对性地提出减碳增汇、生态保护的发展措施。此外，与《丽江市国土空间总体规划(2021—2035年)公众征求意见稿》中玉龙县的规划目标对比，证实本文的分区发展导向符合规划中对玉龙县未来的发展要求。同时，通过格网尺度进行分区研究，得到的栅格低碳综合分区结果更细致，栅格结果也可以与乡镇一级行政区进行结合，为区域采取行之有效的管控措施提供参考，这对于区域治理、发展将会有更深层次的推动作用。
3. 结论
本文在土地利用变化分析基础上，通过核算2010、2020年玉龙县的碳源、碳汇，以碳源/汇效益和生境质量为低碳分区依据，得到玉龙县低碳发展与生态保护相结合的国土空间综合分区。主要结果如下：
(1) 2010—2020年，玉龙县土地利用结构以乔木林地、灌木林地、草地和旱地等土地利用类型为主，乔木林地、灌木林地集中分布在西南部，草地、旱地分别集中分布在中西部及西北侧；城镇建设用地增加的速度最快，其年均增长率达35.15%，集中分布在东南部。
(2) 2010—2020年，玉龙县碳源增长剧烈，碳源呈现西高东低、东南高值的空间分布特征；碳汇呈现西高东低、西南高值的空间分布特征。其中，建设用地为主要碳源，乔木林地则起到主要碳汇的作用；碳排放量涨幅剧烈，碳排放增长量与碳吸收增长量不匹配。
(3) 2010—2020年，玉龙县碳源效益、碳汇效益有较大的提升，总体上呈现东西侧高、东南最低的特征，但仍有大范围低效益区域；其次，玉龙县以高等级生境质量区域为主，高等级生境质量区域主要集中在东西两侧、西南部，低等级生境质量区域主要集中分布在东南部。
(4) 基于碳源/汇与生境质量的国土空间综合分区原则，可将玉龙县划分为6个分区：碳汇功能保持区、低碳限制发展区、减碳优先发展区、增汇生态修复区、高碳生产优化区和高碳总量控制区，并提出协同减排的差异性对策。
本文提出的国土空间低碳综合分区方法，可指导类似区域的碳源/汇核算及国土空间低碳分区，为区域低碳发展及绿色城市建设提供参考。然而，各县域的自然本底条件、能源使用强度等方面存在差异，这可能影响最终的碳源/汇核算结果准确性。为了更深入探讨适用于石漠化山区县域尺度的转换系数，后续研究可以根据各县的实际情况对能源排放系数进行详细分析。另外，因不同发展阶段、不同区域、不同类型的乡镇对降源增汇的需求不尽相同，县域低碳发展定位仍需综合考虑其他影响因素来确定，故有待进一步探讨普适性的低碳方案和策略。
-
![]()
图 1 研究区区位及石漠化分布图
Figure 1. The location of study area and the distribution of rocky desertification
![]()
图 2 2010、2020年玉龙县土地利用分布格局
Figure 2. The distribution pattern of land use in Yulong County in 2010 and 2020
![]()
图 3 2010、2020年玉龙县碳排放和碳吸收的空间分布图
Figure 3. Distribution pattern of carbon emissions and carbon sequestration in Yulong County in 2010 and 2020
![]()
图 4 2010、2020年玉龙县ECC的空间分布
Figure 4. Distribution pattern of ECC coefficients in Yulong County in 2010 and 2020
![]()
图 5 2010、2020年玉龙县ESC的空间分布
Figure 5. Distribution pattern of ESC coefficients in Yulong County in 2010 and 2020
![]()
图 6 2010、2020年玉龙县生境质量图
Figure 6. Distribution pattern of habitat quality of Yulong County in 2010 and 2020
![]()
图 7 基于碳源/汇与生态的国土空间综合分区图
Figure 7. Territorial space comprehensive zones based on carbon source/sink and ecology
表 1 威胁因子权重与影响距离
Table 1 The factor coefficient and influence distance of threat factor
威胁源 最大影响距离/km 权重 衰减类型 旱地 3 0.4 线性衰减 水田 2 0.4 线性衰减 园地 2 0.4 线性衰减 农村居民点 6 0.7 指数衰减 城镇建设用地 10 1.0 指数衰减 工矿用地 6 0.7 指数衰减 交通设施用地 5 0.8 指数衰减 裸地 4 0.5 线性衰减 
下载: 导出CSV
表 2 不同土地利用类型的生境适宜度及对威胁因子的敏感性
Table 2 Habitat suitability of different land use types and its sensitivity to threat factors
土地利用类型 生境适宜度 威胁因子敏感度 旱地 水田 园地 农村居民点 城镇建设用地 工矿用地 交通设施用地 裸地 乔木林地 1.0 0.7 0.7 0.6 0.8 0.9 0.8 0.9 0.5 灌木林地 0.8 0.5 0.5 0.4 0.7 0.8 0.7 0.7 0.4 草地 0.6 0.6 0.6 0.4 0.7 0.7 0.7 0.7 0.3 旱地 0.5 0.0 0.3 0.2 0.7 0.8 0.7 0.7 0.3 水田 0.5 0.3 0.0 0.4 0.7 0.8 0.8 0.8 0.3 农村居民点 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 城镇建设用地 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 湖泊 0.9 0.7 0.7 0.7 0.8 0.9 0.8 0.9 0.3 河流 0.8 0.7 0.7 0.7 0.8 0.9 0.8 0.9 0.3 裸地 0.3 0.3 0.3 0.3 0.6 0.7 0.6 0.7 0.0 冰川及永久积雪 0.5 0.8 0.8 0.8 0.9 0.9 0.9 0.9 0.3 工矿用地 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 交通设施用地 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 0.0 园地 0.6 0.3 0.4 0.0 0.7 0.8 0.7 0.7 0.4
下载: 导出CSV
表 3 生境质量等级划分
Table 3 Classification of habitat quality
等级 取值范围 描述 低 0~0.2 生境质量低 较低 0.2~0.6 生境质量较低 中 0.6~0.7 生境质量中等 较高 0.7~0.9 生境质量较高 高 0.9~1.0 生境质量高
下载: 导出CSV
表 4 2010—2020年玉龙县土地利用面积变化
Table 4 Land use changes in Yulong County from 2010 to 2020
地类 面积/km2 动态度/% 2010年 2020年 面积差 乔木林地 4 264.12 4 170.51 -93.61 -0.22 灌木林地 525.04 781.77 256.73 4.89 草地 494.43 328.93 -165.50 -3.35 旱地 512.08 479.41 -32.67 -0.64 水田 88.11 74.14 -13.97 -1.59 农村居民点 20.79 32.55 11.77 5.66 城镇 10.14 45.80 35.65 35.15 湖泊、坑塘 18.35 19.15 0.81 0.44 河流 22.80 30.15 7.35 3.22 裸地 55.00 93.59 38.60 7.02 冰川及永久积雪 172.60 114.93 -57.67 -3.34 工矿用地 3.47 8.82 5.35 15.40 交通设施用地 5.26 8.60 3.35 6.37 果园 0.00 3.83 3.83 —
下载: 导出CSV
表 5 2010、2020年玉龙县碳源/汇情况
Table 5 The situation of carbon source/sink in Yulong County in 2010 and 2020
万t 年份 碳源 碳汇 农业生产用地 建设用地 碳排放总量 生态用地 农业生产用地 碳吸收总量 2010 5.31 91.57 96.88 168.68 12.94 181.62 2020 4.85 164.59 169.47 171.28 12.07 183.36
下载: 导出CSV
表 6 玉龙县不同年份各等级生境质量比例
Table 6 Proportion of habitat quality in different grades in Yulong County in different years
等级 分值区间 2010年 2020年 栅格占比
变化率/%栅格数/个 占比/% 栅格数/个 占比/% 低 [0, 0.2) 44 718 0.65 107 100 1.56 0.91 较低 [0.2, 0.6) 1 257 240 18.28 1 094 390 15.90 -2.37 中 [0.6, 0.7) 212 139 3.08 122 239 1.78 -1.30 较高 [0.7, 0.9) 628 444 9.13 922 554 13.41 4.28 高 [0.9, 1.0] 4 738 346 68.86 4 634 604 67.35 -1.51
下载: 导出CSV
表 7 玉龙县国土空间综合碳排放分区规则
Table 7 Territorial space zoning rules of comprehensive carbon emissions in Yulong County
名称 碳源经济贡献系数 碳汇生态承载系数 生境质量 碳汇功能保持区 ≥1 ≥1 ≥0.7 ≥1 ≥1 ＜0.7 低碳限制发展区 ≥1 ＜1 ≥0.7 ≥1 ＜1 ＜0.7 减碳优先发展区 ＜1 ≥1 ≥0.7 增汇生态修复区 ＜1 ≥1 ＜0.7 高碳生产优化区 ＜1 ＜1 ≥0.7 高碳总量控制区 ＜1 ＜1 ＜0.7
下载: 导出CSV
-
[1] 徐影, 郭楠, 茹凯丽, 等. 碳中和视角下福建省国土空间分区特征与优化策略[J]. 应用生态学报, 2022, 33(2): 500-508. https://www.cnki.com.cn/Article/CJFDTOTAL-YYSB202202025.htm XU Y, GUO N, RU K L, et al. Characteristics and optimization strategies of territorial space zone in Fujian Pro-vince, China based on carbon neutrality[J]. Chinese Journal of Applied Ecology, 2022, 33(2): 500-508. https://www.cnki.com.cn/Article/CJFDTOTAL-YYSB202202025.htm
[2] MAGERL A, MATEJ S, KAUFMANN L, et al. Forest carbon sink in the U.S. (1870-2012) driven by substitution of forest ecosystem service flows[J]. Resources, Conservation & Recycling, 2022, 176: 1-15.
[3] FANG J Y, GUO Z, HU H, et al. Forest biomass carbon sinks in East Asia, with special reference to the relative contributions of forest expansion and forest growth[J]. Global Change Biology, 2014, 20: 2019-2030. doi: 10.1111/gcb.12512
[4] LU F, HU H, SUN W, et al. Effects of national ecological restoration projects on carbon sequestration in China from 2001 to 2010[J]. Proceedings of the National Academy, 2018, 115(16): 4039-4044. doi: 10.1073/pnas.1700294115
[5] 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: 地球科学, 2022, 52(6): 1010-1020. https://www.cnki.com.cn/Article/CJFDTOTAL-JDXK202206003.htm PU S L, HE Y, WANG X H, et al. Estimation of China's terrestrial ecosystem carbon sink: methods, progress and prospects[J]. Science China Earth Sciences, 2022, 52(6): 1010-1020. https://www.cnki.com.cn/Article/CJFDTOTAL-JDXK202206003.htm
[6] JING Q N, BAI H T, LUO W, et al. A top-bottom method for city-scale energy-related CO2 emissions estimation: a case study of 41 Chinese cities[J]. Journal of Cleaner Production, 2018, 202: 444-455. doi: 10.1016/j.jclepro.2018.08.179
[7] WHITE E D, RIGBY M, LUNT M F, et al. Quantifying the UK's carbon dioxide flux: an atmospheric inverse mode-lling approach using a regional measurement network[J]. Atmospheric Chemistry and Physics, 2019, 19(7): 4345-4365. doi: 10.5194/acp-19-4345-2019
[8] 杜海波, 魏伟, 张学渊, 等. 黄河流域能源消费碳排放时空格局演变及影响因素——基于DMSP/OLS与NPP/VⅡRS夜间灯光数据[J]. 地理研究, 2021, 40(7): 2051-2065. https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ202107014.htm DU H B, WEI W, ZHANG X Y, et al. Spatio-temporal evolution and influencing factors of energy-related carbon emissions in the Yellow River Basin: based on the DMSP/OLS and NPP/VⅡRS nighttime light data[J]. Geographi-cal Research, 2021, 40(7): 2051-2065. https://www.cnki.com.cn/Article/CJFDTOTAL-DLYJ202107014.htm
[9] FERNÁNDEZ-MARTÍNEZ M, SARDANS J, CHEVALLIER F, et al. Global trends in carbon sinks and their relationships with CO2 and temperature[J]. Nature Clim Change, 2019, 9: 73-79. doi: 10.1038/s41558-018-0367-7
[10] GUNDERSEN P, THYBRING E E, NORD-LARSEN T, et al. Old-growth forest carbon sinks overestimated[J]. Nature, 2021, 591: 21-23. doi: 10.1038/s41586-021-03266-z
[11] 李璐, 董捷, 徐磊, 等. 功能区土地利用碳收支空间分异及碳补偿分区——以武汉城市圈为例[J]. 自然资源学报, 2019, 34(5): 1003-1015. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201905008.htm LI L, DONG J, XU L, et al. Spatial variation of land use carbon budget and carbon compensation zoning in functional areas: a case study of Wuhan Urban Agglomeration[J]. Journal of Natural Resources, 2019, 34(5): 1003-1015. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201905008.htm
[12] 秦岩, 於冉, 於忠祥, 等. 2000—2018年长三角中心区土地利用碳排放强度的时空特征[J]. 河南农业大学学报, 2021, 55(1): 132-140. https://www.cnki.com.cn/Article/CJFDTOTAL-NNXB202101018.htm QIN Y, YU R, YU Z X, et al. Spatial and temporal cha-racteristics of land use carbon emission intensity in the central area of Yangtze River Delta from 2000 to 2018[J]. Journal of Henan Agricultural University, 2021, 55(1): 132-140. https://www.cnki.com.cn/Article/CJFDTOTAL-NNXB202101018.htm
[13] 赵荣钦, 张帅, 黄贤金, 等. 中原经济区县域碳收支空间分异及碳平衡分区[J]. 地理学报, 2014, 69(10): 1425-1437. doi: 10.11821/dlxb201410003 ZHAO R Q, ZHANG S, HUANG X J, et al. Spatial variation of carbon budget and carbon balance zoning of Central Plains Economic Region at county-level[J]. Acta Geographica Sinica, 2014, 69(10): 1425-1437. doi: 10.11821/dlxb201410003
[14] 彭文甫, 周介铭, 徐新良, 等. 成都平原及其周边区域土地利用碳排放效应及空间格局[J]. 生态科学, 2017, 36(3): 105-114. https://www.cnki.com.cn/Article/CJFDTOTAL-STKX201703015.htm PENG W F, ZHOU J M, XU X L, et al. Effect of land use changes on carbon emission and its spatial patterns in Chengdu Plain and its surrounding area, western China, from 1990 to 2010[J]. Ecological Science, 2017, 36(3): 105-114. https://www.cnki.com.cn/Article/CJFDTOTAL-STKX201703015.htm
[15] 王凤娟, 魏晓, 苏昌贵, 等. 我国国土空间规划分区研究热点及展望[J]. 经济地理, 2022, 42(2): 84-92. https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL202202010.htm WANG F J, WEI X, SU C G, et al. Research hotspots and prospect of land spatial planning zoning in China[J]. Economic Geography, 2022, 42(2): 84-92. https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL202202010.htm
[16] 朱淑娴, 李丽, 邢璐, 等. 滇西北地区自然村对滇金丝猴生境质量的影响[J]. 生态学报, 2022, 42(3): 1213-1223. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB202203033.htm ZHU S X, LI L, XING L, et al. Impact of the villages on habitat quality of Yunnan snub-nosed monkey in northwest Yunnan[J]. Acta Ecologica Sinica, 2022, 42(3): 1213-1223. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB202203033.htm
[17] 古圳威, 刘京, 陈怡, 等. 陕西渭北旱塬区生境质量及碳储量时空演变分析与模拟[J]. 环境科学, 2023, 44(8): 4666-4678. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKZ202308044.htm GU Z W, LIU J, CHEN Y, et al. Analysis and simulation of the spatiotemporal evolution of habitat quality and carbon storage in the Weibei Dry Plateau Region of Shaanxi[J]. Environmental Science, 2023, 44(8): 4666-4678. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKZ202308044.htm
[18] 李怡, 赵小敏, 郭熙, 等. 基于InVEST和MCR模型的南方山地丘陵区生态保护红线优化[J]. 自然资源学报, 2021, 36(11): 2980-2994. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX202111019.htm LI Y, ZHAO X M, GUO X, et al. Optimization of ecological red line in the hilly region of southern China based on InVEST and MCR model[J]. Journal of Natural Resources, 2021, 36(11): 2980-2994. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX202111019.htm
[19] 白晓永, 王世杰, 刘秀明, 等. 中国石漠化地区碳流失原因与固碳增汇技术原理探讨[J]. 生态学杂志, 2015, 34(6): 1762-1769. https://www.cnki.com.cn/Article/CJFDTOTAL-STXZ201506040.htm BAI X Y, WANG S J, LIU X M, et al. Carbon loss reasons and carbon sequestration technology of karst rocky desertification region in China[J]. Chinese Journal of Ecology, 2015, 34(6): 1762-1769. https://www.cnki.com.cn/Article/CJFDTOTAL-STXZ201506040.htm
[20] 李梅文. 玉龙县岩溶地区石漠化现状、成因及防治对策[J]. 云南林业, 2018(12): 80-85. https://www.cnki.com.cn/Article/CJFDTOTAL-LVKJ201308033.htm LI M W. Status, causes and countermeasures of stony desertification in karst area of Yulong County[J]. Yunnan Forestry, 2018(12): 80-85. https://www.cnki.com.cn/Article/CJFDTOTAL-LVKJ201308033.htm
[21] 苑韶峰, 唐奕钰. 低碳视角下长江经济带土地利用碳排放的空间分异[J]. 经济地理, 2019, 39(2): 190-198. https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201902023.htm YUAN S F, TANG Y Y. Spatial differentiation of land use carbon emission in the Yangtze River Economic Belt based on low carbon perspective[J]. Economic Geography, 2019, 39(2): 190-198. https://www.cnki.com.cn/Article/CJFDTOTAL-JJDL201902023.htm
[22] MOHAMAD R S, VERRASTRO V, BITAR L A, et al. Effect of different agricultural practices on carbon emission and carbon stock in organic and conventional olive systems[J]. Soil Research, 2016, 54(2): 173-181.
[23] 崔朋飞, 朱先奇, 李玮. 中国农业碳排放的动态演进与影响因素分析[J]. 世界农业, 2018(4): 127-134. https://www.cnki.com.cn/Article/CJFDTOTAL-SJNY201804020.htm CUI P F, ZHU X Q, LI W. Dynamic evolution and influencing factors of agricultural carbon emissions in China[J]. World Agriculture, 2018(4): 127-134. https://www.cnki.com.cn/Article/CJFDTOTAL-SJNY201804020.htm
[24] 郑远, 付伟, 张旭杰. 云南省农业碳排放核算实证研究[J]. 山西农经, 2021, 19: 110-113. https://www.cnki.com.cn/Article/CJFDTOTAL-SDNJ202119049.htm ZHENG Y, FU W, ZHANG X J. Empirical study on agricultural carbon emission accounting in Yunnan Province[J]. Shanxi Agricultural Economy, 2021, 19: 110-113. https://www.cnki.com.cn/Article/CJFDTOTAL-SDNJ202119049.htm
[25] 戴尔阜, 黄宇, 吴卓, 等. 内蒙古草地生态系统碳源/汇时空格局及其与气候因子的关系[J]. 地理学报, 2016, 71(1): 21-34. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGDE201603003.htm DAI E F, HUANG Y, WU Z, et al. Spatial-temporal features of carbon source-sink and its relationship with climate factors in Inner Mongolia grassland ecosystem[J]. Acta Geographica Sinica, 2016, 71(1): 21-34. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGDE201603003.htm
[26] 韩宝龙, 欧阳志云. 城市生态智慧管理系统的生态系统服务评估功能与应用[J]. 生态学报, 2021, 41(22): 8697-8708. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB202122001.htm HAN B L, OUYANG Z Y. The comparing and applying Intelligent Urban Ecosystem Management System (IUEMS) on ecosystem services assessment[J]. Acta Ecologica Sinica, 2021, 41(22): 8697-8708. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB202122001.htm
[27] RONG T, ZHANG P, JING W, et al. Carbon dioxide emissions and their driving forces of land use change based on economic contributive coefficient (ECC) and ecological support coefficient (ESC) in the Lower Yellow River Region (1995-2018)[J]. Energies, 2020, 13(10): 2600-2618.
[28] 巩杰, 张影, 钱彩云. 甘肃白龙江流域净生态系统生产力时空变化[J]. 生态学报, 2017, 37(15): 5121-5128. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201715020.htm GONG J, ZHANG Y, QIAN C Y. Temporal and spatial distribution of net ecosystem productivity in the Bai-longjiang Watershed of Gansu Province[J]. Acta Ecologica Sinica, 2017, 37(15): 5121-5128. https://www.cnki.com.cn/Article/CJFDTOTAL-STXB201715020.htm
[29] YANG Y. Evolution of habitat quality and association with land-use changes in mountainous areas: a case study of the Taihang Mountains in Hebei Province, China[J]. Ecological Indicators, 2021, 129: 107967/1-12.
[30] TERRADO M, SABATER S, CHAPLIN-KRAMER B, et al. Model development for the assessment of terrestrial and aquatic habitat quality in conservation planning[J]. Science of The Total Environment, 2016, 540: 63-70.
[31] CHEN J, GAO M, CHENG S, et al. County-level CO2 emissions and sequestration in China during 1997-2017[J]. Scientific Data, 2020, 7: 391/1-12.
[32] PIAO S, FANG J, CIAIS P, et al. The carbon balance of terrestrial ecosystems in China[J]. Nature, 2009, 458: 1009-1013.
[33] 张梅, 黄贤金, 揣小伟, 等. 中国净生态系统生产力空间分布及变化趋势研究[J]. 地理与地理信息科学, 2020, 36(2): 69-74. https://www.cnki.com.cn/Article/CJFDTOTAL-DLGT202002011.htm ZHANG M, HUANG X J, CHUAI X W, et al. Spatial distribution and changing trend of net ecosystem productivity in China[J]. Geography and Geo-Information Science, 2020, 36(2): 69-74. https://www.cnki.com.cn/Article/CJFDTOTAL-DLGT202002011.htm
[34] 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. https://www.cnki.com.cn/Article/CJFDTOTAL-TRYJ201902015.htm YANG G Q, ZHU W R, WEN Y, et al. Spatial differentiation in the intensity and efficiency of carbon emission from land use in Guangdong Province in past two decades[J]. Ecology and Environmental Sciences, 2019, 28(2): 332-340. https://www.cnki.com.cn/Article/CJFDTOTAL-TRYJ201902015.htm
[35] 杨静媛, 张明, 多玲花, 等. 江西省土地利用碳排放空间格局及碳平衡分区[J]. 环境科学研究, 2022, 35(10): 2312-2321. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKX202210010.htm YANG J Y, ZHANG M, DU L H, et al. Spatial pattern of land use carbon emissions and carbon balance zoning in Jiangxi Province[J]. Research of Environmental Sciences, 2022, 35(10): 2312-2321. https://www.cnki.com.cn/Article/CJFDTOTAL-HJKX202210010.htm
[36] 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. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201610006.htm ZHAO R Q, LIU Y, MA L, et al. County-level carbon compensation of Henan Province based on carbon budget estimation[J]. Journal of Natural Resources, 2016, 31(10): 1675-1687. https://www.cnki.com.cn/Article/CJFDTOTAL-ZRZX201610006.htm
-
期刊类型引用(1)
1. 王祥. 石漠化困难立地造林典型案例分析——以荆门市十里牌林场黑山造林精准灭荒工程为例. 生态与资源. 2024(06): 13-15 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 115
- HTML全文浏览量: 16
- PDF下载量: 69
- 被引次数: 1
