基于土地利用变化的长江中下游地区碳效率时空演变分析.pdf

江西农业学报 2023，35（10）：158168ActaAgriculturaeJiangxiDOI:10.19386/ki.jxnyxb.2023.10.023基于土地利用变化的长江中下游地区碳效率时空演变分析蔡 鑫，叶长盛*，顾茉莉，张海铃（东华理工大学 地球科学学院，江西 南昌 330013）摘 要:基于长江中下游地区2005、2010、2015、2020年4期土地利用和能源消耗数据，以市域为基本单元核算了碳排放量，采用超效率SBM模型对城市碳效率进行了测算，并分析了其时空演变特征。结果表明：（1）研究期内长江中下游地区土地利用变化频繁，耕地、林地和草地面积均呈现下降趋势，建设用地、水域和未利用地面积均呈现增长趋势；碳排放量主要来源于建设用地，占总碳排放量的95%以上；净碳排放量整体表现出“东高西低、北多南少”的空间分布格局。（2）长江中下游地区碳效率均值以2015年为拐点呈现先下降后上升的趋势，但碳效率值分布区间在不断缩小，城市间差异不断缩小；效率较高的城市主要集中在江苏省的南部、浙江省的北部和上海市，效率较低的城市主要集中在安徽省、江西省和湖北省接壤一带，总体呈现出“中部低、东西部高”的空间分布特征。（3）全局空间自相关分析发现，长江中下游城市的碳效率具有显著的正相关性；局部空间自相关分析显示高高聚集类型主要分布在江苏省的南部与浙江省的北部地区，低低聚集区类型主要分布在安徽省、江西省以及江苏省的北部地区，总体上长江中下游地区碳效率局部LISA图形成了“大分散小聚集”的空间特征。关键词:土地利用；碳排放；碳效率；超效率SBM模型；时空演变 中图分类号：P66 文献标志码：A 文章编号：1001-8581（2023）10-0158-11 Spatiotemporal Evolution of Carbon Efficiency in Middle and Lower Reaches of Yangtze River Based on Land Use Change CAIXin,YEChang-sheng*,GUMo-li,ZHANGHai-ling(CollegeofEarthSciences,EastChinaUniversityofTechnology,Nanchang330013,China)Abstract:BasedonthelanduseandenergyconsumptiondatainthemiddleandlowerreachesoftheYangtzeRiverin2005,2010,2015and2020,thecarbonemissionswerecalculatedwiththecityareaasthebasicunit,andthesuper-efficientSBMmodelwasusedtomeasuretheurbancarbonefficiencyandstudyitstemporalandspatialevolutioncharacteristics.Theresultsshowthat:(1)LandusechangesfrequentlyinthemiddleandlowerreachesoftheYangtzeRiverduringthestudyperiod.Theareaofcultivatedland,forestlandandgrasslandshowadecreasingtrend,andtheareaofconstructionland,waterareaandunusedlandshowanincreasingtrend.Carbonemissionsmainlycomefromconstructionland,accountingformorethan95%ofcarbonemissions.Theoverallspatialdistributionpatternischaracterizedby“moreintheeastandlessinthewest,andmoreinthenorthandlessinthesouth”.(2)ThemeancarbonefficiencyinthemiddleandlowerreachesoftheYangtzeRivershowedatrendoffirstdecreasingandthenincreasingwith2015astheinflectionpoint,butthedistributionintervalofcarbonefficiencyvaluewasshrinkingandthedifferencebetweencitieswasnarrowing.ThemoreefficientcitiesaremainlyconcentratedinsouthernJiangsu,northernZhejiangandShanghai,whilethelessefficientcitiesaremainlyconcentratedinborderingAnhui,JiangxiandHubeiprovinces,showingaspatialfeatureof“lowerincentralChinaandhigherineasternandwesternChina”.(3)Throughtheglobalspatialautocorrelationanalysis,thecarbonefficiencyofthecityhasasignificantpositivecorrelation,andthelocalspatialautocorrelationanalysisshowsthathighaggregationtypesaremainlydistributedinsouthernJiangsuandnorthernZhejiang,whilelowaggregationtypesweremainlydistributedinAnhui,JiangxiandnorthernJiangsu.Ingeneral,thelocalLISApatternofcarbonefficiencyinthemiddleandlowerreachesoftheYangtzeRiverhasbecomeaspatialfeatureof“largedispersionandsmallaggregation”.收稿日期：2023-05-24基金项目：国家自然科学基金项目（42061041）。作者简介：蔡鑫（1999），男，江西萍乡人，硕士研究生，主要从事土地利用变化与规划研究。*通信作者：叶长盛。10 期159蔡鑫等：基于土地利用变化的长江中下游地区碳效率时空演变分析Key words:Landuse;Carbonemission;Carbonefficiency;Super-efficientSBMmodel；Spatiotemporalevolution0 引言随着社会经济的快速发展，环境问题日益严重，其中全球变暖已成为人类发展最严重的环境问题之一。联合国政府间气候变化专门委员会（IPCC）在第四次全球气候评估中指出，全球气候变暖的主要原因是温室气体的过量排放，而CO2是重要的温室气体之一1。自1992年 联合国气候变化框架公约 通过至今，国际社会对缓解CO2排放做出了不懈努力，如2008年日本通过了 构筑低碳社会行动计划，2009年英国制定了 低碳转型计划，2019年德国通过了 气候行动计划2030 等。中国从2005年签订 京都协议书 以来，一直将节能减排作为国家发展战略，2020年习近平总书记在第75届联合国大会的讲话中提出“中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”。“双碳”目标的达成不仅要“全国一盘棋”地统筹布局，更要考虑政策和具体区域措施的结合。城市是区域最大的能源消耗及温室气体排放的来源2，同时也是减碳增汇的关键单元，如何兼顾经济发展和低碳减排是城市未来发展的方向3，开展城市碳效率的评价研究，对于低碳城市建设和高质量发展具有重要的理论意义和实践意义。碳效率是衡量经济发展和碳排放成本的关键指标，其核心思想是以消耗较少的资源、较小的环境影响而创造出较高的经济价值4。碳效率提升表示地区可持续发展能力得到加强，因此，可作为地区可持续发展能力的表征指标之一。目前，测算碳效率的方法主要分为两大类：一类是单要素评价法，将碳排放量与经济、能源和人口等相关指标相比进行衡量，例如CO2排放强度5、工业化累计人均排放量6、能源强度7等；另一类是全要素评价法，如随机前沿分析法（SFA）和数据包络分析法（DEA），由于SFA方法需要对效率前沿进行假定，且在处理多产出时存在困难，而DEA方法不需要预先假定生产函数形式，可以精准分析多投入、多产出的生产过程，因此，使用更加广泛。DEA方法主要将资本投入、劳动力投入、能源消费作为投入指标，将GDP和CO2分别作为期望产出与非期望产出指标8，进而测算区域碳效率。DEA模型包括很多计算方法，其中超效率SBM模型一方面消除了因径向和角度选择差异所带来的偏差和影响，反映了投入剩余及产出不足的松弛变量，另一方面其考虑了生产过程中的非期望产出，相较于传统的DEA模型从径向和角度的测算方法而言，因其更加客观可靠而被广泛使用。如Ramanathan9利用DEA方法测算了64个国家的碳效率值，通过比较分析得出了全球碳效率特征；Ding等10从区域演变的视角，运用超效率SBM模型分析了中国30个省份的碳效率动态变化情况，并提出了对策建议；Zhou等11在产业结构的耦合度视角下，利用超效率SBM模型计算了中国29个省份的碳排放效率，提出了耦合度的提升路径；王兆峰等12对湖南省14个市（州）的碳排放效率和环境效率进行了测度和空间差异分析；宫大鹏等13从工业的角度计算了中国省级的能源效率，并提出了各区域的节能减排潜力；田云等14从农业视角对湖北省的碳排放效率进行了测度并分析了其时空差异特征。综上，学者们利用超效率SBM模型从不同尺度、不同视角对碳效率进行了相关研究，对促进低碳城市的建立提供了参考，有助于实现碳排放与经济增长之间的解耦发展。土地是人类生存和发展必不可少的资源，土地利用既是造成气候变化的重要原因之一，也是缓解气候变化的关键因素。曲福田等15研究表明，土地利用活动所产生的碳排放量仅次于化石能源燃烧，是碳排放增加的主要原因之一。目前，碳效率测算指标体系中，更多考虑了资本、劳动力和能源等指标的投入，对于非期望产出指标的计算仅考虑了能源消耗所产生的碳排放，忽视了土地利用变化带来的碳排放影响。在土地利用视角下，不仅可以计算能源消耗、人类呼吸和农业活动等所产生的碳排放，还可以测算城市的碳汇量，与城市的实际碳排放量更加相符合。基于此，本文首先构建土地利用碳排放模型，计算长江中下游地区城市的碳排放总量，再以非期望产出的超效率SBM模型核算长江中下游城市的碳效率，借助Moran sI指数和LISA图分析研究区碳效率的空间关联特征，为确保“双碳”目标的实现提供数据支持，为促进区域可持续发展提供科学参考。1 研究区概况江 西 农 业 学 报35 卷160长江中下游地区地处我国的中东部，位于110 24 119 38 E，26 02 33 13 N，包括湖北、湖南、江西、安徽、江苏、浙江、上海等省（市），面积约为9.15105km2。地理位置优越、资源丰富。2020年，长江中下游地区以占全国9.53%的土地面积容纳了全国28.68%的人口，创造了35.12%的国内生产总值，区域人口城镇化率已经达到65.66%16，拥有我国钢铁、电力、化学、纺织和机械等重要工业基地，能源消耗总量占全国能源消耗总量的25.19%。随着人口规模的快速增长，工业化、城市化的迅速发展，能源消耗持续上升，导致大量二氧化碳排放，生态环境遭受巨大压力。2 数据来源与研究方法2.1 数据来源与要素选取本文涉及的土地利用原始数据来源于中国科学院资源环境科学与数据中心，空间分辨率为1km1km。基于研究需要，根据全国土地二级分类系统17，采用一级类体系将土地利用类型分为6类，即耕地、草地、林地、水域、建设用地和未利用土地。经济数据来源于各省市统计年鉴和 中国城市统计年鉴，能源数据来源于各省市统计年鉴，对于城市部分年份缺失能源数据，采用地区GDP与本省GDP比值结合省级能源消费数据获得各种能源消费数据，换算标准煤消耗量后与城市实际标准煤消费量进行修正。个别缺失数据使用相邻年份替代法、线性插值法计算获得。为加强不同时期的对比性，本文将固定资产投资额、地区生产总值均折算为2005年不变价。本文基于投入产出视角并利用超效率SBM模型对长江中下游地区城市的碳效率值进行了评价，由于部分城市的数据难以获取，最终确定的研究对象为82个城市。借鉴已有文献 18-21，本文选择固定资产投资来表示资本投入，各城市的年末从业人数表示劳动力投入；能源消费总量表示能源投入；耕地面积、林地面积、草地面积、水域面积和建设用地面积表示土地投入；地区生产总值表示期望产出；非期望产出用碳排放量来表示。长江中下游地区碳效率投入产出指标体系如表1所示。表1 长江中下游地区碳效率投入产出指标体系类别指标含义或子指标单位投入指标资本投入固定资产投资亿元劳动力投入年末从业人数万人能源投入能源消费总量万t标准煤土地投入耕地面积km2林地面积km2草地面积km2水域面积km2建设用地面积km2期望产出地区生产总值亿元非期望产出碳排放量土地利用所产生的碳排放量万t人类呼吸所产生的碳排放量万t各种能源消耗所产生的碳排放量万t注：本研究城市范围包括上海、南昌、九江、萍乡、鹰潭、上饶、抚州、新余、宜春、景德镇、吉安、赣州、长沙、株洲、湘潭、衡阳、邵阳、岳阳、常德、张家界、益阳、郴州、永州、怀化、娄底、湘西土家族苗族自治州、武汉、黄石、襄阳、十堰、荆州、宜昌、荆门、鄂州、孝感、黄冈、咸宁、随州、恩施土家族苗族自治州、仙桃、潜江、天门、合肥、黄山、芜湖、马鞍山、安庆、淮南、阜阳、淮北、铜陵、亳州、宣城、蚌埠、六安、滁州、池州、宿州、南京、无锡、徐州、常州、苏州、南通、连云港、淮安、盐城、扬州、镇江、泰州、宿迁、杭州、宁波、温州、嘉兴、湖州、绍兴、金华、衢州、舟山、台州、丽水等82个城市。2.2 研究方法2.2.1 基于土地利用的碳排放量计算 借鉴已有研究成果22-30，本文采用直接碳排放量和间接碳排放量2种方法计算土地利用的碳排放量。直接碳排放量适用于非建设用地碳排放量的计算，如耕地、林地、草地、水域和未利用地，利用不同地类面积乘以其碳排放(吸收)系数来计算碳排放量。若使用直接计算法根据面积测算建设用地的碳排放量，则会产生较大的误差，所以利用原煤、洗精煤、焦炭等8种能源消耗的实物量产生的碳排放量和人口呼吸产生的碳排放量之和来进行间接计算。非建设用地碳排放量的计算公式30为：Fj=Fi=PiQi （1）式（1）中：Fj表示直接碳排放量；i表示土地类10 期161蔡鑫等：基于土地利用变化的长江中下游地区碳效率时空演变分析型，i=1，2，3，4，5，分别对应耕地、林地、草地、水域和未利用地，其碳排放系数分别为0.422、-0.581、-0.021、-0.253、-0.005t/hm2 22-30；Fi表示第i种类型土地产生的碳排放量；Pi表示第i种类型土地的面积；Qi表示第i种类型土地的碳排放（吸收）系数。建设用地碳排放量的计算公式29为：FK=FP+FU （2）FP=PT （3）FU=8i=1EnBnZn （4）式（2）式（4）中：FK表示建设用地产生的碳排放总量（t）；FU表示各种能源消耗产生的碳排放量（t）；FP表示人口呼吸产生的碳排放量（t）；P为常住人口数；T为人口碳排放系数，取值为0.9kg/（人d）30。En为能源类型n的消耗量（t）；Bn为能源类型n消耗量转换为标准煤的系数；Zn为能源类型n的碳排放系数。其中标准煤折算系数来自中国能源统计年鉴（2016年），碳排放系数根据IPCC国家温室气体清单指南 的碳含量缺省值转换而来（表2）。表2 长江中下游地区各种能源的碳排放系数能源排放系数原煤焦炭原油汽油煤油柴油燃料油洗精煤标准煤折算系数0.71430.97141.42861.47141.47141.45711.42860.9000碳排放系数0.75590.85500.58570.55380.57140.59210.61850.75592.2.2 超效率SBM模型 借鉴已有研究成果31-32，本文模型假设有v个决策单元，每个决策单元由投入、期望产出和非期望产出构成，使用m单位投入产生S1期望产出和S2非期望产出，3个矢量分别表示为：xRm、ygRS1、ygRS2；即投入矩阵可表示为：X=x1,x2,xi Rvm；期望产出矩阵可表示为：Yg=yg1,yg2,ygi RS1v；非期望产出矩阵可表示为：Yb=yb1,yb2,ybi RS2v。假设X0、Yg0、Yb0，则生产可能性集定义为：P=（x,yg,yb）|xXv,ygYgv,ybYbv,v0（5）式（5）中：实际的期望产出低于前沿理想期望产出水平，实际非期望产出高于前沿非期望产出水平33，式（5）中的所有其他变量在等式中具有相同的含义。但在特殊情况下，某些决策单元共同具有100%的“效率状态”，为了建立合理的效率评估方法，结合生产可能性集，将非期望产出纳入评价决策单元，基于非期望产出的SBM模型为：*=min1 mmi=1xixi01S1+S2（S1r=1ygrygr0+S2r=1ybrybr0）（6）s.t.x vj=1,kvj xjyg vj=1,kvj ygjyb vj=1,kvj ybjxx0，ygyg0，ybyb0，yg0，v0式（6）中：*表示决策单元效率值，取值范围可以大于1。以上模型均基于规模不变的假设之下。2.2.3 空间自相关模型 空间自相关模型可用于分析碳效率值在空间上的聚合和离散程度，分为全局空间自相关和局部空间自相关。本研究利用全局莫兰指数（GlobalMoran sI）揭示空间对象的关联程度、空间分布模式及其显著性，取值范围为-1,1，若GlobalMoran sI值0时，说明空间分布存在聚合效应；若GlobalMoran sI值0时，说明存在离散效应；若GlobalMoran sI值=0时，说明不存在相关性。本文利用GlobalMoran sI指数对长江中下游城市群的碳效率在空间上的相关关系进行探究34-35。全局Moran s I指数的计算公式为：I=ni=1njiwij(xi-x)(xj-x)2ni=1njiwij （7）式（7）中：xi、xj为空间单元i、j的属性值；n为观察值数目；x=1 nni=1xi；2=1 nni=1(xi-x)2；wij为空间权重矩阵。局部Moran s I指数的计算公式为：I*i=nj=1wij Xjnj=1Xj （8）式（8）中，I*i为i市的局部Moran s I指数。3 结果与分析3.1 土地利用变化分析江 西 农 业 学 报35 卷162研究期内，长江中下游地区土地利用类型以耕地和林地为主，两者面积之和在4个时期内均超过83%。由图1可以看出，20052020年长江中下游地区建设用地、水域和未利用地面积均呈增加趋势，耕地、林地和草地面积均呈下降趋势。其中建设用地、水域和未利用地的土地面积分别增加了21010.92、1010.55和498.78km2，耕地、林地和草地的土地面积分别减少了18137.97、3921.12和927.25km2，建设用地与耕地面积的变化量较大，其他土地利用类型面积的变化量较小。从长江中下游地区土地利用类型的空间分布图来看（图2），20052020年长江中下游地区土地利用变化相对频繁。研究期内建设用地面积的增加主要集中在苏州、上海和南通市；水域面积的增加主要集中在连云港、盐城和宁波市；未利用土地面积的增加主要集中在益阳、九江和黄冈市；耕地面积的减少主要发生在上海、苏州和嘉兴市；林地面积的减少主要发生在赣州、长沙和宜昌市；草地面积的减少主要发生在怀化、赣州和盐城市。面积/万km2图1 20052020年长江中下游地区各地类面积变化情况2005年2010年2015年2020年km0250500无数据耕地林地草地水域建设用地未利用土地图2 长江中下游地区土地利用类型的空间分布3.2 基于土地利用碳排放的时空格局由图3可以看出，研究期内长江中下游地区碳排放量增长了23900万t，总增幅约为42.66%。从研 究 区 间 来 看，20052010、20102015和20152020年碳排放总量增幅分别为25.26%、13.32%和-0.02%，增幅不断缩小，出现了负增长的趋势，主要是由于该地区产业结构优化、现代能源产业体系不断完善使得碳排放量有所降低。从土地利用类型来看，研究期内碳排放量主要来源于建设用地，占总碳排放量的95%以上，且建设用地的碳排放量总体呈上升趋势；耕地的碳排放量变化幅度较小，呈下降态势，由2005年的1474.92万t下降至2020年的1399.10万t。林地、草地、水域等生态用地作为碳汇的主体，其碳吸收量由2005年的2610.69万t下降至2020年的2590.32万t，变化幅度较小。对城市净碳排放总量进行分析可知，上海、苏州、南京市对整体碳排放量的贡献较大，居前3位，为主要的碳源城市。碳排放量/万t2005201020152020年份9000080000700006000050000400003000020000100000800006000040000200000净碳排放量/万t耕地林地草地水域未利用地建设用地净碳排放量图3 20052020年长江中下游地区不同土地利用类型的碳排放量从长江中下游地区净碳排放量的空间分布格局来看（图4），长江中下游地区净碳排放量主要集中在东部和东北部地区，西部地区与南部地区整体净碳排放量较小。东部地区的上海市、江苏省和浙江省是我国经济发达地区，4个时期内这些地区能源消耗总量占长江中下游地区能源消耗总量的57.80%，人口大规模聚集、经济活动频繁导致该区10 期163蔡鑫等：基于土地利用变化的长江中下游地区碳效率时空演变分析域二氧化碳排放量不断增大。北部的安徽省是我国农业大省和工业产业密集地区，能源的过多消耗导致该地区二氧化碳排放量居高不下。西部地区与南部地区由于经济发展缓慢、人口外流、地区碳汇量大等因素，碳排放量相对较小。整体而言，长江中下游地区净碳排放总量呈现“东高西低、北多南少”的分布格局，分布特征符合地区经济发展水平的空间分布态势。净碳排放量2020年2015年2010年2005年0250500km图4 长江中下游地区净碳排放量的空间分布格局3.3 长江中下游城市碳效率测算与时空分析由基于非期望产出的超效率SBM模型的碳效率分析可知，长江中下游城市平均碳效率值整体处于较低水平，且总体呈现出先下降后缓慢上升的趋势，2005、2010、2015和2020年的平均碳效率值分别为0.62、0.48、0.45和0.46。其中，碳效率平均值在2005年最高，但随着工业化的快速推进，长江中下游地区平均第二产业增加值占地区生产总值的比例不断上升，2010年上升至50.37%，一次能源消费总量上升至30.34%，大量的化石能源消费造成碳排放量激增，致使长江中下游地区的平均碳效率值出现了下降态势。2014年国务院办公厅印发了 能源发展战略行动计划（20142020年），提倡大力发展新能源和可再生能源，2020年非化石能源占一次能源消费比重达到15%，有效遏制了碳排放量的递增。同时，长江中下游地区积极推进产业结构合理化、高度化，发展绿色经济，降低了对化石能源的依赖性，2020年实现第一、第二和第三产业的增加值占比为9.26 40.75 49.99，产业结构的合理化和新能源的发展提升了长江中下游地区碳效率平均值，但由于2020年受到新冠疫情的影响，地区经济发展增速放缓，碳效率上升幅度减小。图5展示了4个年份长江中下游地区碳效率分布的变化特征。通过箱形图的上下四分位数可以看出，碳效率值的分布区间逐渐缩小，由两端分散分布演变为集中分布的态势，表明城市间差异不断缩小。异常值是指在箱形图中的数据小于Q1-1.5IQR或大于Q3+1.5IQR的值，也就是偏低和偏高的值，通过异常值的数量和分布特征可以看出长江中下游地区碳效率分布呈现出右偏态，数量则呈逐年递增的趋势，由2005年的1个异常值增加到2020年的4个，表明个别城市的碳效率值偏高，如上海、长沙、杭州市等，且这种数量逐年增加，区域间出现了顶层脱节现象，主要是由于地区经济发展水平和经济结构的差异，导致碳效率值差距大。由图6可知，长江中下游地区的碳效率值空间分布格局差异明显，总体呈现中部低、东西部高的分布特征。2005年碳效率高值区域分布在湖南省的南部与北部、湖北省的西南与西北部、江西省的江 西 农 业 学 报35 卷164南部、上海市及其邻近地区，呈放射状分布；而中部地区的碳效率值普遍偏低，安徽、江西和湖北省接壤一带的碳效率值最低。2010、2015年高值区域转向长江下游地区，主要分布在东部的上海市、江苏省的南部和浙江省的中部区域，西部地区高值区域呈现零星分布。2020年，高值区域主要分布在江苏省的南部、上海市和浙江省的北部区域，形成了以江苏省的南部、上海市和浙江省的北部为核心，湖南省的西部与湖北省的西部为副核心，向内逐渐降低的空间分布格局。年份2005201020152020碳效率1.61.41.21.00.80.60.40.20图5 长江中下游地区碳效率箱形图由图7可以看出，20052020年，长江中下游地区的碳效率变化幅度较大，介于-68.76%36.89%之间。本研究根据实际情况将碳效率值的变化幅度划分为5个等级，-40%为快速降低型、（-40%，-20%为降低型、（-20%，0 为慢速降低型、(0%，20%为增长型、20%为快速增长型。其中20052010年长江中下游西部、南部区域的碳效率值大部分处于快速降低型等级。西部的湖北省是我国的重工业基地，聚集着重型机械、钢铁、化工等产业，这些产业具有高能耗、高污染等特点，该省在“十一五”期间坚定实施“工业兴省”战略，在能源消费结构中煤炭消费平均占比达到61.86%，大量化石燃料燃烧导致碳排放量快速上升，碳效率降低。湖南省的永州、怀化市处于快速降低型等级，湘西土家族苗族自治州和长沙市则处于增长型等级；永州市稀土资源丰富，在新型工业进程不断加快的同时，第二产业产值比重上涨了10.15%，能源消耗的大大增加导致碳效率降低；怀化市在此期间重点推进山区工业化、农业产业化和农村城镇化进程，建设用地的快速扩张致使其碳效率下降；湘西土家族苗族自治州的三产结构比为16.27 39.95 43.78，该州以农业、旅游业为主，为环境友好型的生态产业，二氧化碳排放较少，经济产出的快速上涨使碳效率得到提升；长沙市大力推动自主创新驱动传统产业大步转型，其科技发展水平快速提升，经济效益产出相较于2005年提升了170.89%，导致其碳效率不断上升。江西省南部的抚州和赣州市能源消耗量快速上升，导致碳效率快速降低。而东部的江苏、浙江省则处于效率值增长型区域，江苏省持续推行清洁生产、发展低碳经济，碳效率不断上升。伴随着工业化进程的推进，浙江省通过调整产业结构和改进生产技术提高了碳效率。20102015年由于能源使用结构的不合理和节能技术瓶颈期的到来，长江中下游地区基本上都处于碳效率值下降的态势，但下降幅度较为缓慢，只有少部分城市处于增长趋势，如武汉市由于“十二五”期间，经济产出快速上升，与2010年的地区生产总值相比增长了95.93%，而碳排放量增幅仅为10.8%，生产技术的改进使得碳效率值提高。20152020年整体处于碳效率值上升态势，新能源产业发展初见成效，生态经济发展势头良好，但也有个别城市呈现下降态势，如苏州市因人口规模的快速增加，城市化进程的不断加快，建设用地面积由2015年的1911.79km2增加到2020年的2441.36km2，上升了27.70%，碳效率下降。总体上，20052020年长江中下游地区大多数城市的碳效率值呈现下降趋势，少数城市如长沙、武汉和合肥市等处于上升趋势。3.4 碳效率的空间自相关分析3.4.1 全局空间自相关分析 基于GeoDa软件对长江中下游地区碳效率的空间分布情况进行分析，得到研究区碳效率的Moran s I指数（表3）。结果表明，2005、2010、2015和2020年的Moran s I指数均为正值，分别为0.128、0.320、0.199和0.120，Z值分别为1.9748、4.8323、3.0918和2.0252，P值均在0.05的置信区间下通过检验，这表明长江中下游地区碳效率在空间上具有显著的正相关性。总体上，全局Moran s I值呈现先升后降的趋势，表明其空间关联程度呈先增强后减弱的趋势。表3 不同年份碳效率空间自相关分析结果年份Moran s I值Z值P值20050.1281.97480.02620100.3204.83230.00120150.1993.09180.00420200.1202.02520.02810 期165蔡鑫等：基于土地利用变化的长江中下游地区碳效率时空演变分析碳效率无数据0.430.430.520.520.710.710.870.870250500km2005年2010年2015年2020年碳效率无数据0.390.390.520.520.660.660.850.85碳效率无数据0.290.290.400.400.550.550.860.86碳效率无数据0.280.280.380.380.500.500.740.74图6 长江中下游地区碳效率的空间分布格局3.4.2 局部空间自相关分析 全局空间自相关仅从总体上反映长江中下游地区碳效率的整体集聚程度。为了进一步揭示长江中下游地区碳效率的局部空间集聚特征及其演化规律。本文运用GeoDa软件对2005、2010、2015、2020年长江中下游地区碳效率进行局部空间自相关测算，绘出LISA集聚图（图8），并将其分为4种类型：高高聚集、低低聚集、低高聚集和高低聚集。研究区间15a空间聚集特征以高高聚集和低低聚集为主，4种聚集类型分布较为零散。（1）高高聚集区。2005年高高聚集区域主要分布在湖南省的邵阳、常德和张家界市。但由于产业结构、技术发展和经济产出效益的变化，2010年高高聚集区演变为长江中下游地区东部浙江省的金华、台州、湖州市，高值区域出现了新的集聚中心。长株潭城市群由于已获批国家“两型社会”建设试验区，在推进低碳发展方面取得了突出的成效，而周边城市在各地政府的大力推动下，积极推进产业结构转型与升级，绿色经济发展良好，使得湘潭市成为高值孤立点。2015、2020年高高聚集区域的集聚中心依然分布在江苏省的南部与浙江省的北部地区。恩施市及其邻近市生态资源优良，旅游业发达，绿色经济发展良好，成为了新的高值孤立点。（2）低低聚集区。研究期内长江中下游地区低低聚集区域主要集中在东北部，2005年低低聚集区域分布相对较为分散，主要集中在江西省的景德镇市，安徽省的池州、安庆和芜湖市，以及江苏省的连云港和盐城市。2010、2015和2020年低低聚集区域主要以安徽省的安庆、池州和六安市等为聚集中心，江西省内呈零星分布。总体上，低低聚集区空间分布格局比较稳定。（3）高低聚集区。高低聚集区域在2005、2010、江 西 农 业 学 报35 卷1662015和2020年均呈现零星分布，无聚集态势，且数量较少，主要分布在中部的湖北、安徽和江西省内。（4）低高聚集区。研究期内低高聚集区只在2005和2015年出现，其中2005年分布在湖北省的宜昌市，湖南省的湘西、益阳、湘潭和郴州市，以及浙江省的湖州和嘉兴市。2015年后演变为浙江省嘉兴市。总体来看，20052020年长江中下游地区碳效率局部LISA形态呈现出“大分散小聚集”的空间分布特征。20052010年0250500km碳效率值变化无数据快速降低型降低型慢速降低型增长型快速增长型20102015年20152020年20052020年图7 20052020年长江中下游地区碳效率的变化情况2005年2010年2015年2020年0250500km不显著低低聚集低高聚集高低聚集高高聚集图8 20052020年长江中下游地区碳效率的LISA 聚类图4 结论与讨论本文以20052020年长江中下游地区82个城市的面板数据为研究单元，基于土地利用类型测算了各个城市的碳排放量，并将其作为非期望产出，采用超效率SBM模型对各个城市的碳效率进行测定和实证分析，得到其时空动态演变特征。主10 期167蔡鑫等：基于土地利用变化的长江中下游地区碳效率时空演变分析要结论如下：（1）20052020年长江中下游地区的土地利用变化频繁，耕地、林地和草地面积均呈现下降趋势，建设用地、水域和未利用地面积均呈现增长趋势，其中建设用地与耕地面积变化量较大。碳排放量主要源于建设用地，总体碳排放量呈现出“大幅上升波动”的发展历程，目前处于倒“U”形左边态势分布。净碳排放量整体表现出“东高西低、北多南少”的空间分布格局，主要集中在安徽省、江苏省、上海市和浙江省等经济发达和工业产业密集地区，其中碳排放量累计较多的是上海市、苏州市、南京市。（2）整体上长江中下游地区城市碳效率呈现先下降再上升的变化趋势，但目前仍处于较低水平，各城市的碳效率还有较大的提升空间。基于箱形图得出各城市碳效率值分布区间在缩小，由两端分散分布演变为集中分布的态势，个别城市碳效率的差异性越来越突出。长江中下游地区的碳效率值空间分布格局差异明显，总体呈现“中部低、东西部高”的空间分布特征。（3）20052020年长江中下游地区碳效率全局上呈现正相关性。全局空间自相关Moran sI值呈现先增大后减小的趋势，集聚状态显著。局部空间自相关显示高高聚集类型主要分布在江苏省的南部与浙江省的北部地区，并且常出现高值孤立点；低低聚集类型主要分布在安徽省、江西省以及江苏省的北部地区。总体上长江中下游地区碳效率局部LISA图形成了“大分散小聚集”的空间分布特征。从长江中下游地区碳效率的现状来看，长三角地区和省会城市等经济活动发达地区的碳效率高于经济欠发达地区，但从碳排放量的分布情况来看，经济发达地区同时也造成了大量二氧化碳排放，揭示了目前该区域的经济发展仍是“高能耗、高排放、高增长”的增长模式。长江中下游城市碳效率存在较大的提升潜力，应树立生态文明思想，着眼于转变区域经济增长模式，通过创新驱动高质量发展，持续推进产业转型升级和结构优化调整，大力发展生态型产业和新能源产业来提升碳效率水平。城市间的碳效率呈现显著的正相关性，因此，应加强区域间交流、合作与扶持，如低高聚集型和高低聚集型周围城市，城市间可通过共建产业园区等方式推动技术与优势产业的共同发展，形成区域协同减排效应，推动区域绿色发展，助力“双碳”目标的实现。本文利用相关数据核算了长江中下游地区82个城市的碳排放量，并测算了其碳效率水平，分析了其空间分布特征，所得结论对建设低碳城市具有重要的参考意义，但仍存在不足之处。本文在建立投入产出指标体系时，从数据的便捷性和可获性考虑，使用年末从业人数替代劳动力投入，忽略了劳动力之间因种类和质量的不同造成的影响；在测算不同土地利用类型的碳排放量时，采用的碳排放系数来自其他研究成果，虽选择了与长江中下游地区自然条件较为相符的研究成果，但因各地区之间植被状况、地表覆被等存在差异，可能会影响最终结果的准确性，未来研究需要在数据全面性和精确性方面进一步细化。参考文献：1 LiuQQ,WangSJ,ZhangWZ,etal.ExaminingtheeffectsofincomeinequalityonCO2emissions:Evidencefromnonspatialandspatialperspectives J.AppliedEnergy