基于土地利用和夜间灯光数据的京津冀区域碳排放时空分异研究

武 爱 彬，赵 艳 霞，郭 小 平，范 波

(1.北京林业大学水土保持学院，北京 100083；
2.河北省科学院地理科学研究所/河北省地理信息开发应用技术创新中心，河北 石家庄 050011；
3.河北省林业和草原调查规划设计院，河北 石家庄 050051)

当前CO2排放导致的气候变暖已成为人类面临的巨大挑战之一，联合国政府间气候变化专门委员会(IPCC)最新评估显示,从19世纪后半叶到21世纪10年代，全球平均温度增加1.09 ℃，主要是以CO2为主的温室气体浓度急剧升高所致[1]。作为“自然—社会”的重要载体，土地利用变化对陆地生态系统碳储量、碳源/汇具有重要影响[2]。据统计，2010-2019年全球土地利用变化碳排放量为1.6 Pg C·a-1，占人类活动碳排放的14%，陆地生态系统碳汇为3.41 Pg C·a-1，吸收固定了31%的人类活动碳排放[3]。因此，研究土地利用碳排放对控制气候变暖和区域可持续发展具有重要意义。

目前对陆地生态系统碳源/汇估算方法主要有“自上而下”的大气反演模型[4]和“自下而上”的地面调查和清查[5]、生态系统过程模型[6]、统计模型、清单法、涡度协方差法等[7]。对土地利用变化碳排放估算多基于土地利用类型碳排放系数和IPCC温室气体排放清单指南，其中建设用地碳排放量多利用化石能源消耗量代替。研究内容主要集中在土地利用碳排放的时空特征[8-10]、影响因素和驱动机制[11-14]、低碳优化[15,16]、模拟预测[17,18]等方面，研究尺度涉及重点区域[13,19,20]、省域[8,9]、城市[11,17,21]、县域[12,22,23]等，但受能源统计单元(多为省级)限制，缺乏乡镇村行政单元的研究。研究成果多以行政单元面板数据统计分析为主，难以落实到空间网格上。少数研究将化石能源消耗碳排放总量除以建设用地数量，得到建设用地的单位碳排放量[23-25]，虽然可以实现基于土地利用类型的碳排放空间刻画，但并未反映出城镇用地、工矿用地、农村居民地等不同类型的建设用地碳排放强度差异。近年来，部分学者基于DMSP/OLS与 NPP/VIIRS两种夜间灯光数据探索化石能源消耗碳排放与灯光数据的关系[26-29]，研究结果普遍证明二者存在相关关系，即夜间灯光数据可用于估算和模拟区域化石能源碳排放。因此，本研究基于1995-2018年京津冀区域土地利用数据和土地利用碳排放系数，得出区域土地利用直接碳排放空间分布，利用夜间灯光数据和IPCC温室气体排放清单方法，对化石能源消耗碳排放量在建设用地类型中进行空间分配，得出区域建设用地碳排放的空间分布，汇总得出区域土地利用净碳排放的空间分布格局，对区域国土空间优化和低碳发展以及区域经济发展具有现实意义。

京津冀区域面积21.6万km2，占全国总面积的2.3%，分布有高原、山地、丘陵、平原等多种地貌类型，区域西北部为坝上高原，北部为燕山山脉，西部为太行山山脉，中东部为华北平原，东部与渤海相邻。据全国第七次人口普查结果，2020年京津冀区域常住人口1.10亿，约占全国总人口的7.82%。2021年区域生产总值达9.64万亿元，约占全国生产总值的8.43%，是我国重要的经济增长极之一。京津冀区域位于环渤海地区的中心位置，是国家经济发展的重要引擎和参与国际竞争合作的先导区域，根据国家碳中和目标与实施策略，京津冀区域将开展碳中和示范区建设，率先探索碳中和发展路径。

本研究所需数据包括：1)1995年、2000年、2005年、2010年、2015年和2018年土地利用数据，来源于中国科学院资源环境科学数据中心(http：//www.resdc.cn)，以Landsat TM/ETM遥感影像为主要数据源，一级地类分为耕地、林地、草地、水域、建设用地和未利用地6个地类，空间分辨率为100 m；
2)农业统计数据和化石能源消耗数据，分别来源于《中国农村统计年鉴》和《中国能源统计年鉴》；
3)DMSP-OLS(1995年、2000年和2010年)和NPP-VIIRS(2015年和2018年)夜间灯光影像数据，均来源于美国国家海洋和大气管理局官网(https:∥www.ngdc.noaa.gov/eog)，DMSP-OLS 数据空间分辨率为30″，灰度范围为0～63，NPP-VIIRS数据空间分辨率为15″，灯光辐射值范围为0～472.682 nanoWatts/cm2/sr，对DMSP-OLS影像采用年平均法进行连续性校正，得到年度影像数据，对NPP-VIIRS影像通过幂函数和高斯低通滤波处理[30]，之后转换为DMSP数据，像素值范围为0～63，利用ArcGIS 10.6将夜间灯光数据重采样为1 km空间分辨率。

2.1 土地利用净碳排放测算

土地利用净碳排放是直接碳排放和间接碳排放之和[31]，耕地、林地、草地、水域和未利用地产生的直接碳排放量E直接通过碳排放系数直接估算(式(1))，间接碳排放E间接(式(2))主要包含耕地上农业活动和建设用地上工业活动产生的碳排放，参考文献[32-34]，结合京津冀区域农业生产活动和工业能源消耗现状，厘定碳排放的主要来源以及碳排放系数。其中农业生产活动碳排放包括化肥、农药和农膜三大农业化学制品使用引起的碳排放，以及农业机械使用和农业灌溉消耗电能间接引起的碳排放；
工业活动化石能源消耗碳排放主要包含煤炭、焦炭、原油、燃料油、汽油、煤油、柴油和天然气8类一次能源消耗产生的碳排放。

E直接=∑Ei=∑Si·pi

(1)

式中：Ei、Si、pi分别为第i种土地利用类型的直接碳排放量(t C·a-1)、面积(hm2)和碳排放系数(t·hm-2·a-1)，参考IPCC和文献[5,35,36]，耕地、林地、草地、水域和未利用地的碳排放系数分别为-0.007、-0.623、-0.021、-0.020和-0.0005。

E间接=Egd+Ejs=∑Tm·γm+∑Cj·βj·λj

(2)

式中：Egd为区域耕地间接碳排放总量(t C·a-1)；
Ejs为区域建设用地间接碳排放总量(t C·a-1)；
Tm、γm分别为第m种农业生产活动的消耗量和碳排放系数；
Cj、βj、λj分别为第j种化石能源的消耗量、折标准煤系数和碳排放系数。折标准煤系数来自《中国能源统计年鉴》(2021)(表1)，碳排放系数根据《2006年IPCC国家温室气体清单指南》的碳含量缺省值转换得到[37](表1、表2)。

表1 各类能源碳排放系数

表2 各类农业生产活动碳排放核算系数

2.2 夜间灯光数据模拟能源消耗碳排放

夜间灯光数据模拟能源消耗碳排放值弥补了统计数据不全、市县级尺度以下相关能源消耗数据不易获取的缺点[29]。本文利用ArcGIS 10.6软件分别提取目标年份建设用地(value值为1代表建设用地，为0代表非建设用地)，并与对应年份夜间灯光栅格数据相乘，得到目标年份建设用地的夜间灯光数据。利用夜间灯光数据将能源消耗的碳排放按栅格夜间灯光像素值(0～63)进行空间分配，经济活动更强的城市用地栅格由于夜间灯光数据像素值更大，其分配的碳排放量更多，反之，经济活动较弱的农村居民点栅格因夜间灯光数据像素值较低，其分配的碳排放量较少，很大程度上体现了不同规模城市用地、工矿用地和农民居民点等不同建设用地类型的碳排放强度差异。

统计1995-2018年北京、天津和河北三地的建设用地范围内夜间灯光数据值之和(X)和一次能源消耗碳排放量(Y)(t C·a-1)，分别进行拟合分析(表3)，可以看出，两者拟合度较高，表明夜间灯光数据可用于表征能源消耗碳排放量。其中，北京、天津和河北的拟合方程回归系数分别为47.858、357.221和460.58，表明三地单位灯光强度数值表征的能源消耗碳排放量存在差异，这与三地产业结构紧密相关。研究期间，北京三产产业比重由1995年的4.79%、42.69%、52.52%转为2018年的0.39%、18.62%、80.98%，进入第三产业为主导的后工业化发展阶段，第二产业比重骤降；
天津市由6.87%、54.50%、38.63%转为0.90%、40.50%、58.60%，河北省由22.10%、46.60%、31.30%转为9.30%、44.50%、46.20%，第二产业占比仍较大，处于工业化发展阶段。由于第三产业的能源消耗强度远低于第二产业[38]，大尺度上国民生产总值和夜间灯光影像值间存在线性相关关系[39-41]，因此第三产业发达的北京市单位灯光强度数值表征的能源消耗碳排放量远低于天津和河北。

表3 1995-2018年京津冀地区一次能源消耗碳排放值与夜间灯光数据拟合方程

为消除实际碳排放数据与模拟碳排放数据差值，将两者比值作为调整系数，则建设用地栅格的碳排放量计算公式为：

(3)

式中：Ypq为p年份q区域内单位栅格拟合值；
Ypq实际和Ypq模拟分别为p年份q区域能源消耗碳排放实际值和模拟值。

3.1 土地利用直接和间接碳排放

由图1a可知，1995-2018年京津冀区域土地利用直接碳排放均为负值，表现为碳吸收。其中，1995年碳吸收量最大，为387.12万t C·a-1， 2000年后碳吸收量明显减少并稳定在295±2万t C·a-1，主要由于土地利用结构中碳吸收系数最高的林地在1995年数量最多，2000年出现较大幅度减少，此后数量保持稳定。由图1b可知，1995-2018年京津冀区域耕地间接碳排放量整体呈现先增后减趋势，2015年达到峰值468.29万t C·a-1，其中北京市耕地间接碳排放量呈现逐渐减少趋势，天津市和河北省耕地间接碳排放量呈现先增后减趋势，排放量分别在2010年和2015年达到峰值，主要是由于京津冀三地城市化进程和耕地数量增减趋势不同，北京在1995-2018年农用化肥、农药和农用塑料膜使用量以及农业灌溉、农业机械使用量等持续减少，天津和河北均先增后减。由图1c可知，1995-2018年京津冀区域建设用地间接碳排放量整体呈逐步增加趋势，但增速减缓，其中北京和天津呈现先增后减趋势，排放量分别在2010年和2015年达到峰值，河北呈现持续增加趋势，增速减缓，主要由于京津冀区域能源消耗结构中最大比重为煤炭和焦炭，北京、天津的煤炭和焦炭消耗量分别在2010年和2015年达到峰值，河北煤炭和焦炭消耗量呈减速增长。

图1 1995-2018年京津冀区域土地利用直接碳排放量和间接碳排放量

3.2 土地利用净碳排放时序演变

由图2可知，1995-2018年京津冀区域土地利用净碳排放量整体呈现逐步增加趋势，由12 461.78万t C·a-1增至35 706.69万t C·a-1，但增速减缓。其中北京和天津呈现先增后减趋势，排放量分别在2010年和2015年达到峰值，北京市由1995年的2 738.47万t C·a-1增至2010年的3 820.31万t C·a-1,2018年减至3 269.92万t C·a-1，天津市由1995年的2 135.90万t C·a-1增至2015年的5 587.52万t C·a-1,2018年减至5 411.74万t C·a-1；
河北呈现持续增加趋势，由1995年的7 587.40万t C·a-1增至2018年的27 025.03万t C·a-1，但增速减缓。主要由于1995-2018年三地的碳吸收量占净碳排放的比重均小于5%，农业活动产生的碳排放量占净碳排放量的比重均小于4%，土地利用净碳排放量主要来源于建设用地上一次能源消耗产生的碳排放。研究期间京津冀区域一次能源消耗以煤炭为主，其中北京市煤炭消耗量由1995年的2 692万t增至2010年的3 069万t，随后降至2018年的276万t，天津市煤炭消耗量由1995年的2 428万t增至2015年的4 538万t，随后降至2018年的3 832万t，河北省煤炭消耗由1995年的10 983万t增至2018年的29 593万t，处于持续增长状态，但增速减缓。由此可知，三地土地利用净碳排放与各地的一次能源结构尤其是煤炭消耗量密切相关。整体而言，三区域土地净碳排放量表现为河北>天津>北京，单位土地净碳排放量表现为天津>北京>河北。

图2 1995-2018年京津冀区域土地利用净碳排放量

3.3 土地利用碳排放空间差异

将1995-2018年京津冀区域土地利用净碳排放量分成6个等级：碳吸收(-63，0] t C·a-1、低净碳排放(0，100] t C·a-1、中低净碳排放(100，1 000] t C·a-1、中净碳排放(1 000，10 000] t C·a-1、中高净碳排放(10 000，20 000] t C·a-1、高净碳排放(20 000，38 118) t C·a-1(图3)。可以看出，研究期间碳吸收区集中分布在西北部燕山—太行山地区，低净碳排放区集中分布在东南平原区，中净碳排放区主要分布在农村居民点和环渤海区域，中高净碳排放区主要分布在北京市区，高净碳排放区主要分布在天津市主城区和石家庄、廊坊、保定等城市市区以及部分县域中心城区。这与京津冀区域土地利用空间分布格局紧密相关：西北部燕山—太行山区域主要土地利用类型为林地和草地，表现为碳吸收；
东南平原区域为耕地集中分布区，表现为低碳排放；
大城市市区与城镇居民点等建设用地区域表现为中高净碳排放和高净碳排放，且随着城市扩张，分布区域不断增加；
环渤海区域主要土地利用类型为工矿用地，夜间灯光数值小于城市区域，因此碳排放数值较低，表现为中低净碳排放和中净碳排放。

图3 1995-2018年京津冀区域土地利用净碳排放空间分布

进一步统计1995-2018年各净碳排放等级的面积占比和净碳排放量占比(图4)可以看出，碳吸收区域占总面积的比重由56.12%缩至49.45%，主要表现在坝上高原区域和平原区部分水系周边区域由碳吸收转变为低净碳排放，碳吸收量由359.81万t C·a-1降至270.00万t C·a-1；
低碳排放区域面积占比由36.39%增至38.30%，虽然有部分城市和县城周边由低净碳排放转为中高净碳排放和高净碳排放，但坝上高原区域和平原区部分水系周边区域的转入使比重呈扩大趋势，净碳排放量由15.84万t C·a-1增至30.50万t C·a-1；
中净碳排放区面积占比由5.43%降至3.99%，主要表现在环渤海部分区域由中净碳排放转变为碳吸收，净碳排放量由4 185.60万t C·a-1增至4 945.36万t C·a-1；
中高净碳排放区面积占比由1.34%增至4.15%，主要因为研究期间北京城区扩张使周边区域由低净碳排放转变为中高净碳排放，以及部分县域和中小城镇由低净碳排放转变为中高净碳排放，净碳排放量由4 579.58万t C·a-1增至11 856.07万t C·a-1；
高净碳排放区面积占比由0.72%增至3.76%，主要表现在随着城市区域的扩张，天津、石家庄、廊坊等城市周边区域由低净碳排放转变为高净碳排放，净碳排放量由3 739.48万t C·a-1增至20 360.61万t C·a-1。研究期间京津冀区域碳吸收和低净碳排放区域占比最大，在90%±2%以上，但净碳排放主要产生在中高净碳排放区域和高净碳排放区域，从68.41%升至87.13%。

图4 1995-2018年京津冀区域土地利用净碳排放各等级占总面积比重和占净碳排放量比重

本研究基于1995-2018年京津冀区域土地利用和夜间灯光数据，利用碳排放系数和 IPCC温室气体排放清单方法，研究了区域土地利用碳排放的时空分异特征。结果表明：1)京津冀区域净碳排放量呈现递增趋势，由1995年的12 461.78万t C·a-1增至2018年的35 706.69万t C·a-1，但增速在减缓。其中北京市土地利用净碳排放量在2010年达到峰值，天津市在2015年达到峰值，河北省仍处在增长状态。2)碳吸收区集中分布在西北部燕山—太行山地区，低净碳排放区集中分布在东南平原区，中净碳排放区主要分布在农村居民点和环渤海区域，中高净碳排放区主要分布在北京市主城区，高净碳排放区主要分布在天津市主城区和石家庄、廊坊、保定等城市市区以及部分县域中心城区。3)京津冀区域碳吸收和低净碳排放区域占比最大，在90%±2%以上，但碳排放主要产生在中高净碳排放区和高净碳排放区，从1995年的68.41%上升至2018年的87.13%。张颖等基于1973-2018年9次中国森林资源清查数据，计算得出北京市森林年均增加碳汇69.16万t[42]，与本研究利用碳排放系数计算得出的北京市1995-2018年林地年均碳吸收45.20万t接近；
周志峰等利用第八次和第九次全国森林资源清查数据，估算河北省2018年乔木林碳储量比2013年增加1 396.73万t，年均碳汇279.35万t[43]，与本研究估算的河北省2015年林地碳吸收总量246.47万t接近，两地利用碳排放系数进行碳吸收量估算结果均略低于利用森林资源清查数据估算结果。考虑到土地利用净碳排放与一次能源结构的高度相关性，京津冀区域尤其是河北省应进一步调整能源结构，降低煤炭消耗量，尽早实现煤炭消耗“达峰”，扩大清洁能源消耗比重。针对碳吸收区、低净碳排放区、中净碳排放区、中高净碳排放区和高净碳排放区分别制定不同的碳排放政策，引导区域间碳交易等。同时，应加快发展低碳土地利用模式，合理调整土地利用结构，适度提高碳汇用地比重；
控制土地利用规模，划定城市开发边界；
采用碳减排的土地利用方式，合理提高国土开发强度和土地利用效率；
优化土地利用布局，在国土空间规划中，可以探讨将“降源增汇”纳入考核指标。

本研究的碳排放系数引用了方精云等[5，32,33]在全国尺度的研究成果，下一步应加强京津冀区域土地碳通量观测，对系数进行本地化修正；
利用北京、天津和河北三地能源消耗统计数据计算得出的碳排放值，虽然与灯光数据的拟合效果较好，但依然存在样本数量少、数据分布区间集中、拟合方程稳定性较差等弊端，如果能获取地市级和县(市、区)级的能源消耗统计数据，实现省—地市—县(市、区)—栅格逐步降尺度，将极大提高拟合方程的准确性和稳定性；
另外，对于耕地、林地和草地的碳排放强度差异，应结合农林业清查数据进一步分析；
根据IPCC分类，温室气体还涉及工业生产和废弃物处理等方面，未来应加强对生物质燃烧、油气系统逃逸、电力调动间接排放等能源活动数据，水泥、钢铁、石灰等工业生产数据和固体废弃物、废水等废弃物处理数据的统计与计算，进一步提高碳排放估算结果的科学性和可靠性。