专栏名称: GISer last
GISer last 公众号 主要以分享互联网数据资源为主。也分享过GIS、FME等技术教程方法。我个人对于大数据资源、可视化制作、地图制图等方面有很大兴趣,也会分享个人的一些应用和教程。
目录
相关文章推荐
湖北经视  ·  “破门亮灯”,官方致歉 ·  昨天  
山西省人民政府  ·  哈尔滨亚冬会今晚开幕!山西选手姜鑫杰出战单板滑雪 ·  2 天前  
兵团零距离  ·  哈尔滨亚冬会 | 宁忠岩、刘梦婷将担任旗手! ·  3 天前  
湖北经视  ·  突发讣告!感动众人…… ·  3 天前  
51好读  ›  专栏  ›  GISer last

文献分享 | 基于主导功能区划角度的耕地利用转型对碳排放的影响及空间溢出效应—以黄淮海平原为例

GISer last  · 公众号  ·  · 2025-01-07 22:00

正文

The impact of farmland use transition on CO2 emissions and its spatial spillover effects from the perspective of major function-oriented zoning: The case of Huang-Huai-Hai plain 》发表于《 Environmental Impact Assessment Review 》,202 3 年103卷,通 讯作者为 南京大学地理与海洋科学学院的黄贤金、王梦成和湖南农业大学的唐一峰

01
主要内容

文章指出,全球变暖严重威胁着社会与经济的可持续发展,耕地利用系统是二氧化碳的主要排放源。然而,很少研究探索了 耕地利用转型及其空间溢出效应的碳排放减量效果 文章定量化研究了耕地利用转型导致的二氧化碳减少量,并 从主体功能区角度评价耕地利用转型对二氧化碳排放的空间溢出效应影响


02
理论机制



文章进行了理论机制分析,首先构建了一个反馈回路(图1)来分析主体功能区(MFZ)、耕地利用转型(LUT)和CO2排放量之间的相互作用。首先,MFZ战略可以带动FUT的发展。农地利用系统是自然、社会、经济、生态的综合系统,农地利用系统在政策引导和需求双重驱动下不断发生和发展。MFZ战略可以通过将不同区域划分为不同的MFZ来促进不同区域的FUT,而有针对性的FUT可以有效地支持MFZ战略的实施,并有助于实现城市经济高效发展、粮食供应安全、生态服务满意度等主要功能。此外,绿色环保的FUT可以有效改善生态环境,减少农田利用过程中的CO2排放(见表1)。


1 从MFZ的角度分析FUT对CO2排放的影响机制:FUT,耕地利用转变; MFZ,主体功能区划; DFUT,耕地显性利用转变; RFUT,耕地隐性利用转变; QFUT,耕地数量利用转变; SSFUT,耕地空间结构转变; PFFUT,耕地生产功能转变; LFFUT,耕地生活功能转变;生态功能耕地利用转型


表1 耕地利用转型评价指标

然后文章分析了基于MFZ视角的FUT对CO2排放的影响机制。在DFUT和RFUT对CO2排放的直接影响方面,FUT的直接影响主要集中在对当地CO2排放的影响上。(1)DFUT的直接影响。DFUT主要通过QFUT和SSFUT影响CO2排放。QFUT通常伴随着农田和其他土地利用类型的相互转换。如果将农田转化为建设用地,将导致大量的CO2排放。此外,土地综合整理不仅有利于增加耕地数量,还可以促进耕地集约利用,形成空间集聚效应,从而减少CO2排放。但也可能因农田规模化经营增加农机投入和化石燃料消耗而增加CO2排放。(2)RFUT的直接影响。农户可以通过改良土壤、轮作休耕、合理灌溉等措施有效提高农田固碳能力,从而降低大气中CO2的浓度。农民还可以通过优化管理方式、调整种植结构,如种植性能好的树木和作物等,减少区域CO2排放。然而,农业技术的创新可以带来耕作方法的改进,而引入生态和有机农业可以有效地减少化肥的使用量,从而减少农田利用过程中的CO2排放。在DFUT和RFUT对CO2排放的空间溢出效应方面,DFUT和RFUT的空间溢出效应主要集中在对邻近地区CO2排放的影响上。其内在机制可以概括为以下三个方面:(1)示范效应 邻县通过政府横向政策互动,模仿学习农地规模化利用相关政策,可能形成示范效应,这可能对农业产出和CO2排放的增加形成空间溢出效应。(2)分享效应。首先是劳动力流动。随着交通基础设施的日益完善,农地的规模经营将使当地剩余劳动力向周边地区流动,劳动力的增加将增加对邻近地区交通基础设施建设的需求,以及能源消耗,从而产生CO2排放的空间溢出效应。其次,农业投资的增加有利于周边国家的工业化和城市化,这将导致更多的二氧化碳排放。第三,农业机械的跨区域服务可以通过消耗邻近地区的化石燃料而显著增加CO2排放。(3)凝聚效应。DFUT将促进基于地理位置的耕地空间集聚,形成农业产业集群。在这些集群中,共享农业基础设施,如交通、电力和灌溉,可以形成区域协调发展格局。此外,CO2排放具有空间自相关性,即特定区域的CO2排放可能会影响其邻近地区。由于农田的空间集聚,当地部分农药和化肥造成的CO2排放也可能通过大气环流传输到邻近地区,从而增加邻近地区的二氧化碳排放量。

03
材料与方法

指标构建方面,对于 碳排放的测算, 研究中使用的实际CO2排放数据来自中国碳账户和数据集(https://www.ceads.net.cn/),该数据集提供了中国县级碳排放清单。通过使用粒子群优化-反向传播算法(PSO-BP)统一DMSP/OLS和NPP/VIIRS夜间光照数据,建立中国省级CO2排放量与夜间光照数据之间的对应关系,并使用PSO-BP算法对2000 - 2017年县级CO2排放量进行降尺度。所有年份的R2均超过0.90,表明基于夜间光照数据的模拟CO2排放是可靠的。2018-2020年的数据采用移动的加权法计算,并结合GDP数据进行调整,单位为百万吨。对于 耕地利用转型的测算 ,本文在分析FUT内涵的基础上,从DFUT、RFUT及其具体形态的概念、特征出发,构建了FUT的评价指标体系。具体而言,对于DFUT,为了消除各县之间的人口和经济发展差异,本文使用人均耕地面积、人均农作物种植面积和土地开垦率来表示QFUT;对于SSFUT,使用了复种指数和新增耕地面积;对于RFUT,本文用单位粮食产量、人均农林牧渔产值和单位面积农业机械总动力来表征;选择耕地支撑能力、人均粮食安全率、农民人均收入和耕地就业保障能力来代表LFFUT。对于EFUT,选取耕地生态系统服务文化价值和人均耕地生态承载力进行测度。

为避免遗漏变量偏差,本文选取了以下变量作为 控制变量 :(1)经济发展(lnPGDP)。以往的研究表明,中国经济发展中的碳排放存在环境库兹涅茨曲线;即经济增长与二氧化碳排放量之间存在显著相关性。为了抓住这一点,本文选择了人均GDP的对数来代表经济发展。(2)产业结构(IS)。产业结构升级和调整过程通常伴随着高产出、低能耗的新兴产业的崛起,而低产出、高能耗的传统部门则被淘汰。本研究以第二、第三产业增加值占GDP的比重来代表产业结构。(3)固定资产投资。在过去的几十年里,中国不断增加的固定资产投资推动了快速而激烈的城市化。然而,这也导致了大量的CO2排放。本文选取了城市固定资产投资与城市建设用地面积之比的对数来表示固定资产投资。

研究中的数据源:县级社会经济数据来源于《中国县(市)社会经济统计年鉴》和《中国区域经济统计年鉴》,涵盖2001年至2021年。土地利用数据来自CLCD数据集的中国30 m分辨率土地利用数据。CO2排放数据来自中国碳账户和数据集(https://www.ceads.net.cn/)。由于市辖区的部分统计数据没有单独统计,存在较多的缺失值,本文将这些地区视为样本未覆盖区。由于部分统计数据口径不一,本文通过在原始数据基础上计算平均增长率,并用相关指标进行修正的方式进行补充。此外,为减低价格变动的影响,所有价格均以2000年本地生产总值平减物价指数为基期,换算为固定价格。表2显示了每个变量的描述性统计结果。

表2 描述性统计

研究 使用 TOPSIS 模型 计算LUT、DFUT、RFUT及其具体形态。使用 空间计量模型 分析耕地利用转型对二氧化碳排放的影响:首先构建 空间权重矩阵,然后进行空间自相关分 析,最后选择空间计量模型

04

研究结果

结果表明,二氧化碳排放、耕地利用转型(LUT)及其特定形态具有显著的空间自相关性,并且二氧化碳排放呈现“东高西低”“北高南低”的空间特征。耕地数量、空间结构及生产功能的转型对二氧化碳的直接效应和溢出效应均为正,而生活功能和生态功能转型对二氧化碳排放的直接效应与空间溢出效应均为负。此外,耕地利用转型的碳减排效果在不同主体功能区存在复杂的异质性。

在黄淮海平原耕地利用形态动态演化方面(图2),耕地利用显性转型(DFUT)明显高于隐性转型(RFUT),并且两者均遵循2000-2011年上升,2012-2020年下降的周期性趋势 。与数量转型(QFUT)相比,空间转型(SFUT)的变化周期滞后于数量转型,并且空间转型低于数量转型很长一段时间,这也许是因为耕地数量转型方面的变化将最终反映在空间分布和空间结构上,即空间转型基于数量转型。对于隐性转型来说,生产转型(PFUT)一直在呈上升趋势,表明由于农业机械化和生产因素的优化,耕地利用效率持续增加。同时,生活转型(LFUT)呈现下降趋势,生态功能转型保持相对稳定态势,并且生态功能转型(EFUT)显著高于生活功能转型。

图2 黄淮海平原不同mfz的DFUT、RFUT热图及其具体形态:UZ、城市化区;MAPZ,农业主产区;KEFZ,重点生态功能区

(2)在黄淮海平原碳排放方面,图5为黄淮海平原CO2年平均值的箱形图,2000 - 2020年黄淮海平原CO2年平均值呈持续上升趋势。值得注意的是,2000 - 2010年CO2排放量快速增长,2000 - 2010年年均增长17.43%,2010 - 2020年增速放缓,年均增长5.30%。

图5 2000 - 2020年黄淮海平原CO2排放箱线图

(2)空间自回归分析结果方面,耕地的空间邻近性增强了耕地利用转型和二氧化碳排放的空间自相关性。从表3可以看出,所有的全局莫兰指数均通过了1%的显著性检验,表明二氧化碳排放和耕地利用转型呈现显著空间自相关。为深入刻画二氧化碳排放和耕地利用转型的空间自相关性,文章绘制了二氧化碳排放、耕地利用转型、显性转型、隐形转型及其具体形态的莫兰散点图和LISA聚集图(图8,9)。大多数样点落在第一和第三象限,表明显著的“高—高”“低—低”空间集聚特征。表明,有着较高二氧化碳排放和耕地利用转型水平的区域往往和相似水平的趋势靠近。此外,双变量局部莫兰散点图显示二氧化碳排放与耕地利用转型及其具体形态间呈负相关,除了生产功能转型,表明耕地利用转型可能起到了碳减排的效果。

表3 全球CO2、FUT及其具体形态的Moran’s I指数

图8  2020年CO2、FUT、DFUT、RFUT及其具体形态的Moran's I散点图


图9 2000年至2020年CO2排放、FUT、DFUT和RFUT的LISA聚 集图

(2)在空间计量模型结果方面(表4),当考虑显性与隐性的特定形态时,所有模型均通过了显著性水平为1%的LM检验,而空间固定效应模型和双固定效应模型未通过RLM检验;当考虑DFUT和RFUT具体形态时,空间固定效应模型和双固定效应模型均通过RLM检验。此外,Hausman检验结果拒绝随机效应的零假设,表明固定效应模型更适合空间计量模型。为确保估计结果的稳健性,文章采用了更通用的空间杜宾模型进行估计,并采用Wald和LR检验SDM模型是否会退化为SAR或SEM模型。结果如表4所示,两个检验均通过1%显著性水平检验,表明SDM模型更适合本研究。

表4 模型选择结果

基于以上模型选择结果,本研究运用最大似然估计评价黄淮海平原从2000至2020年耕地利用转型对二氧化碳排放的影响,SDM模型的结果显示在了表5的第三列和第四列。为提供比较性见解,文章将OLS模型的结果放在了表5的第一列和第二列。当不考虑DFUT和RFUT的具体形态时,DFUT的系数为负,表明它可以减少碳排放,然而RFUT不显著,表明RFUT的效果可能被掩盖了。表5第二列和第四列呈现了考虑DFUT和RFUT具体形态时的回归结果。与第二列的基准回归没有考虑空间溢出效应的结果相比,第四列特定形态下的系数更小,表明当不考虑耕地利用转型的空间溢出效应时,耕地利用转型对二氧化碳排放的效果将会高估或低估。具体来看,QFUT、SFUT、PFUT的系数为正并且通过了显著性水平为1%和10%的检验,表明这些转型在黄淮海平原会促进二氧化碳排放;而LFUT和EFUT的系数为负,表明这些转型在黄淮海平原会有效抑制二氧化碳排放。当LFUT和EFUT每增加1%,二氧化碳排放会分别减少3.368%和4.782%。







请到「今天看啥」查看全文