摘要：本文以淮河流域为研究对象，基于 1990-2020 年的 4 期土地利用数据与同期社会经济数据，采用碳排放系数法测算土地利用碳排放总量，结合土地利用动态度探究土地利用碳排放轨迹时空演变规律，揭示流域土地利用与碳排放空间关联特征。结果表明：①1990-2020年，研究区主要以耕地转为建设用地和林地为主要土地利用变化类型；②1990-2020年，流域净碳排放呈持续增长态势，各土地类型碳排放量与碳储量的变化均符合土地利用类型的面积变化；③流域土地利用碳排放在空间上显现出城市及周边排放较高的分布格局。

关键词：土地利用碳排放；时空轨迹；空间自相关；

1  引言

CO2是人类工业化、城市化建设排放的主要温室气体，超负荷碳排放是导致全球气候异常的重要因素，对全球生态系统平衡形成了严峻挑战[1]。联合国政府间气候变化专门委员会（IPCC）指出，1950-1998 年间在全球碳排放中，土地开发利用引起的碳排放约占人为碳排放总量的 1/3，可见土地利用变化是碳排放的关键来源之一[2]。我国很长时期的土地利用规划决策多从发展经济的角度制定，忽略了土地利用变化对区域碳源类型和碳汇功能的影响[3，8]，土地利用的碳排放缺乏必要的调控。以淮河流域为例，团队在进行文献调研过程中少见有关于区域土地利用碳排放的研究报道。为落实践行“双碳”目标，必须变被动为主动，深入挖掘土地利变化对碳排放的影响关系。

近年来，我国的遥感空间信息探测技术已发展达到国际领先地位，为大区域土地利用变化监测和碳排放监测提供了强有力的工具。张梅等[4] 将全国分为六大区域，利RS和GIS技术测算各土地利用类型碳排放的时空变化，结果表明林地向其他土地利用类型转变表现出强烈的碳排放作用，而其他土地利用类型向林地转变一般表现出最高的碳汇；杨文学等[10]利用LDMI模型得出对甘肃省土地利用碳排放总量的变化趋势影响最大的是居民点及工矿用地；路漫其等[11]依据碳排放模型、碳足迹模型、K-均值聚类法，测算并分析了安徽省不同土地利用方式下的碳排放状况及时空变化，得出建设用地为主要碳源；魏心雨等[7]结合土地利用碳排放量方法和Arc GIS技术，得出河南省主要的碳源是建设用地和耕地，而主要的碳汇是林地；赵先超等[9]利用碳排放系数法对湖北省土地利用碳排放进行了测算，结果表明建设用地和耕地为主要碳源、排放来源；王天福等[6] 利用In VEST模型定量评估陕西省植被碳储量时空演变特征及分布格局，结果表明陕西省生态系统碳储量呈增加趋势，空间上呈“总体上南高北低、局部地区明显过高或过低”。

据此，本文以淮河流域为研究对象，基于 1990-2020 年的 4 期土地利用数据与同期社会经济数据，采用碳排放系数法测算土地利用碳排放总量，结合土地利用动态度探究土地利用碳排放轨迹时空演变规律，分析流域土地利用与碳排放空间关联特征，揭示流域土地利用变化对碳排放时空分布的调控影响，以期为淮河流域土地低碳利用、植被碳汇能力提质增效和科学制定碳减排政策提供针对性建议。

2  研究区概况与数据来源

2.1  研究区概况

淮河流域地处我国华中河南与华东地区苏皖，位于东经 111°55′～121°20′，北纬 30°55′～36°20′之间，西起桐柏山、伏牛山，东临黄海，南以大别山、江淮丘陵、通扬运河和如泰运河南堤与长江流域分界，北以黄河南堤和沂蒙山脉与黄河流域毗邻，流域面积 27 万平方公里。

2.2  数据来源

根据国家冰川冻土沙漠科学数据中心（网址：http：//www.ncdc.ac.cn）提供的土地利用数据（1990至2020年），结合《土地利用现状分类》（GB/T2110-010-2017），对研究区进行分类，包括耕地、林地、草地、水域和建设用地等不同类型的土地。地理空间数据云（网址：https：//www.gscloud.cn/）提供的高程数据用于研究区的分析。

3  研究方法

3.1  土地利用变化时空动态分析

本文利用土地利用转移矩阵[12]和土地利用动态度模型对研究区4期土地利用时空变化进行分析。

土地利用转移矩阵[12]通过对不同用地类型的转换与取向的量化分析，明确了不同用地类型的转换特征与转化方向，从而更好地反映了不同用地的演变规律。

式中， 为某单元的莫兰指数； 为空间某单元属性观测值的标准化值； 为某一变量在空间某单位上的观测值；x为变量的均值；n是变量观测值的数量； 为不同单元之间的空间权重；m为与某空间单位相邻接的空间单元数。莫兰指数范围在[−1，1]之间，当莫兰指数大于0时，则表示空间为正相关，当莫兰指数小于0时，则表示空间为负相关。

4  结果

4.1  土地利用变化时空动态分析

1990-2020年淮河流域土地利用持续变化，可观察到，水域、林地和建设用地不断扩大，耕地、灌木、湿地、荒地和草地逐渐减少。其中，建设用地增加最为显著，增长了112.96%，年均增长了3.77%，林地增加最不显著，仅增长1.89%，平均每年增长0.06%；湿地减少最为显著，减少了97.87%，平均每年减少3.26%，耕地减少最为缓慢，减少了9.73%，以年均0.32%的速度不断减少。淮河流域的土地利用面貌正在不停发生变化，这些变化趋势需要我们更加关注以便实行有效管理。

在1990-2020年间，淮河流域土地利用类型空间变化主要体现为耕地向建设用地转变以及林地向耕地转变。耕地转换区域主要集中在江苏省、山东省、河南省、安徽省北部和湖南省东部，草地转换区域主要集中在湖南省西部、安徽省南部和河南省西部，荒地转换区域主要集中在山东省沿海地区。

4.2  土地利用碳排放时空变化分析

1990-2020年淮河流域土地利用变化影响碳排放变化显著。从碳源角度分析，流域碳排放总量不断增加，累计增加了83192.29×104 t。建设用地面积扩大是导致流域碳排放总量增加的主要原因。从碳汇角度分析，流域整体碳储量不断增加，累计增加了1.48×104 t。森林对碳储贡献最显著，累计增加了1.78×104 t，占据总碳汇增加量的比列达到了120.27%，水体碳储量增加了0.88×104 t，占据总碳汇增加量的59.46%，而草地和灌木的碳储量则是逐年减少，这一现象与土地利用面积变化趋势相同。从净碳排放量角度分析淮河流域净碳排放量逐年增长，其中在2000-2010年间，净碳排放量增长速度最快。且各土地类型碳排放量与碳储量的变化均符合土地利用类型的面积变化，说明不同土地利用类型变化对流域净碳排放量具有显著影响。

1990-2020年淮河流域土地利用碳排放量空间分布特征为“东北高、西南低”。城市附近地区的排放量较高，这主要是由于这些地区存在大量建设用地和耕地，是主要的碳排放来源。淮河流域边缘的自然生态系统和河流分布区则呈现出较低的排放量，这主要是因为周边林地和水域较多，是该流域的主要碳吸收源。

1990-2020年间，碳排放量大于4000×104 t的高附加值地区逐渐向城镇中心扩展，面积逐年增加，碳排放量减少的区域大于碳排放量增加的区域。不同年代土地利用碳排放强度空间变化量的分布显示，研究区碳排放量的显著变化主要集中在各城市及其周边地区，与建设用地显著增加的区域基本一致。

4.3  土地利用碳排放空间关联特征

对1990-2020年淮河流域土地利用碳排放进行全局空间自相关分析，结果表明流域土地利用碳排放在空间上呈现正相关性。流域碳排放从高到高聚集区域在十堰市、宜昌市、襄阳市和南阳市、信阳市、三门峡市；低到低聚集区域在天门市、仙桃市；低到高聚集区域在日照市、淄博市、枣庄市、随州市、神龙架林区和三门峡市。

5  结论

本文以淮河流域为研究对象，基于 1990-2020 年的 4 期土地利用数据与同期社会经济数据进行土地利用变化时空动态分析，采用碳排放系数法测算土地利用碳排放总量，结合土地利用动态度探究土地利用碳排放轨迹时空演变规律，揭示流域土地利用与碳排放空间关联特征。最终得出以下结论：

（1）研究区水域和建设用地迅速增加，耕地、林地、灌木、湿地、荒地和草地呈现减少趋势，建设用地增长最为显著。研究区土地利用转化主要表现为耕地向建设用地和林地的转变，其中，耕地转为林地主要集中在山东省和安徽省；耕地转为建设用地出现在各大城市及其周边。

（2）研究区净碳排放量不断上升，建设用地的快速增加是碳排放量不断上升的主要因素。不同土地利用类型变化对流域净碳排放量具有显著影响，研究区碳排放量的显著变化主要集中在各城市及其周边地区，与建设用地显著增加的区域基本一致。

（3）淮河流域土地利用碳排放表现出正相关性，Moran’s I值呈下降趋势，土地利用碳排放相似的区域在空间上聚集程度下降，呈现出较小聚集特征。

土地利用碳时空轨迹研究需要结合多种数据，加入不同影响数据（如NPP数据、人口密度数据和人类综合影响数据等）可以增加研究的准确性和可信度。由于数据数量和数据处理技术水平问题，本文没有使用这些数据。未来可加强不同数据源的整合与共享，如遥感、地理信息和气象数据，提升土地利用碳时空轨迹研究的数据质量与可信度。加强政策支持与应用推广，将研究成果应用于生态环境管理、气候变化应对和碳排放减排，为可持续发展提供科学依据和决策支持。

参考文献

[1] 碳达峰目标下土地利用碳排放效应及影响因素研究_刘祺[J].

[2] 吴健生，晋雪茹，王晗，等. 中国碳排放及影响因素的市域尺度分析[J]. 环境科学. 2023， 44（5）： 2974-2982.

[3] 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（04）： 792-799.

[4] 袁霄，倪九派，谢德体. 重庆市县域空间土地利用碳排放的时空格局分析[J]. 应用基础与工程科学学报. 2021， 29（1）： 25-38.

[5] 王天福，龚直文，邓元杰. 基于土地利用变化的陕西省植被碳汇提质增效优先区识别[J]. 自然资源学报. 2022， 37（5）： 1214-1232.

[6] 魏心雨，王雁杰，孙梦媛，等. 基于土地利用结构变化的河南省碳排放时空格局及驱动力分析[J]. 农业现代化研究. 2023， 44（05）： 881-891.

[7] 吴锋张帆徐宁. 共享社会经济路径下中国２０２０—２１００年碳排放预测研究[J]. 生态学报. 2021， 24（41）： 9691-9704.

[8] 赵先超，朱翔，周跃云. 湖南省不同土地利用方式的碳排放效应及时空格局分析[J]. 环境科学学报. 2013， 33（03）： 941-949.

[9] 杨文学，张小平. 甘肃省土地利用碳排放变化及影响因素分解[J]. 安徽农业科学. 2016， 44（33）： 49-53.

[10] 路漫其，许信旺，汪强. 基于不同土地利用方式的安徽省碳排放效应及时空差异分析[J]. 能源环境保护. 2016， 30（02）： 10-13.

[11] 王欣珂，林弘，谢香群，等. 闽江流域土地利用时空变化特征及驱动因子分析[J]. 生 态 科 学. 2023， 42（4）： 171-181.

[12] 朱道林，刘瑞. 基于转移矩阵的土地利用变化信息挖掘方法探讨[J]. Resources Science. 2010， 32（8）： 1544-1550.

[13] 宿州学院国家级大学生创新创业训练计划项目资助，项目号：202410379015