长江经济带土地利用碳排放时空效应及驱动力
时间：2023-04-22 11:50:04 来源：千叶帆 本文已影响人
方 林，李灿锋，李浩杰，刘艳晓
（1.安徽农业大学公共管理系, 安徽 合肥 230036；
2.中国地质调查局昆明自然资源综合调查中心.云南 昆明 650100；
3.华中农业大学公共管理系, 湖北 武汉 430070；
4.东北师范大学人文地理系, 吉林 长春 130024）
2030 年和2060 年分别实现“碳达峰”和“碳中和”目标是我国应对气候变化做出的庄严承诺，同时也是针对中华民族自身永续发展做出的重大战略部署[1-2]。土地作为承载人类生活和生产活动的核心场所和空间，是人类活动与自然生态系统交互的纽带[3]。已有研究表明土地利用变化是引起陆地生态系统碳排放变化的重要因素之一[4-5]，在全球陆地生态系统碳循环中发挥着重要作用[6-7]。基于土地利用视角分析碳排放时空演变规律及驱动因素对于低碳国土空间规划体系构建、区域碳排放治理及支撑双碳战略的实施具有重要意义。
碳排放核算是相关研究的基础[8]，土地利用碳排放的研究方法包括实测法、模型估算法[9]、排放系数法[10]、遥感估算法等[11]，不同方法各有优劣，相对而言排放系数法由于估算简单、适用范围广，得到了广泛使用及验证。在土地利用碳排放核算的基础上，相关学者围绕碳排放效率[12]、碳排放强度[13]及碳排放足迹[14]等方面展开研究，并基于“3S”技术就不同尺度及不同视角下的土地利用碳排放的时空规律进行拓展分析[15]，其研究尺度涵盖宏观、微观，研究视角覆盖碳排放时空差异[16]、空间收敛[17]、空间关联[18]等方向。近年来，在双碳战略的背景下，相关学者围绕土地利用碳排放的峰值预测[19]、低碳视角下的土地利用结构优化[20]、土地利用碳排放与社会经济发展关系演进[21-22]等方面展开研究。然而，关于土地利用碳排放驱动因素综合性研究相对较少，且研究方法上多采用LDMI 分解法(logarithmic mean divisia index, LDMI)[23]、STIRPAT 模型(stochastic impacts by regression on population, affluence, and technology, STIRPAT)[24-25]、灰色关联度模型[26]等传统计量方法，较少考虑到影响因子的空间差异及不同驱动因素对于土地利用碳排放空间分异的交互作用。
长江经济带横跨中国的东中西部地区，是中国经济最活跃、开放水平最高、人口最稠密的区域之一，为经济上行与生态下行的矛盾交互带。长江经济带上中下游地区的土地利用、生态建设与经济发展具有高度的互补性和潜在的合作需求[3]。鉴于此，本研究在前人研究的基础上构建长江经济带土地利用碳排放估算模型，运用空间自相关模型对域内土地利用碳排放的时空演变规律展开系统分析，并综合采用秩相关分析及地理探测器对造成长江经济带及其内部不同地区土地利用碳排放空间分异的驱动因素进行梳理，以期为区域土地管理及碳排放治理提供技术支撑和理论依据。
长江经济带以长江黄金水道为轴线，横贯中国的东中西部地区，覆盖沪、苏、浙、皖、鄂、赣、湘、渝、川、云、贵11 个省(市) (图1)。2018 年，区域人口总量6 亿左右，占国内总人口的42%；
区域经济总量达40 万亿元左右，占同年全国国内生产总值的44%。此外长江经济带整体位于亚热带季风区内，雨热充足，年均气温为16.5 ℃，年均降水量为1 200 mm，是人类活动密集、经济发展显著且生态地位突出的核心区域之一，以此为研究对象，对于区域乃至全国碳排放治理具有重要意义。
图1 长江经济带区位示意图Figure 1 Location of Yangtze River Economic Belt
2.1 研究方法
2.1.1 土地利用碳排放估算
土地利用碳排放估算包括直接碳排放估算和间接碳排放估算两种类型[27]。直接碳排放是指人类在直接利用土地过程中所产生的碳排放，间接碳排放是指土地所承载的人为碳源排放，主要指能源消耗所引起的碳排放。本研究参考冯杰等[28]、冯杰和王涛[29]、彭文甫等[30]的研究成果，将耕地、林地、草地、水域及未利用地采用直接碳排放估算，建设用地采用间接碳排放估算，使用不同区域的能源消耗来替代。其中耕地兼具碳排放及碳吸收两种作用，但多数研究认为耕地的碳汇作用较弱[31-33]，因此本研究将耕地、建设用地视为碳源地，产生碳排放，而林地、草地、水域及未利用地视为碳汇地，起碳吸收作用。
在碳排放系数确认方面，考虑到研究区分布较广，为保证研究结果的准确性，本研究参考已有研究成果[34-36]，按照行政区划将长江经济带划分为上、中、下游区域，其中上游区域包括云南、贵州、四川、重庆；
中游包括湖南、湖北、江西；
下游包括安徽、江苏、浙江、上海，并结合苑韶峰和唐奕钰[34]针对长江经济带土地利用碳排放系数的修正数据(表1)，构建长江经济带的土地利用碳排放估算模型：
表1 长江经济带土地利用碳排放系数Table 1 Carbon emission coefficient of land use in the Yangtze River Economic Belt
式中：C表示碳排放总量(t)；
C1表示耕地、林地、草地、水域及未利用地的碳排放量(t)；
C2表示建设用地的碳排放量(t)；
A表示不同土地利用类型的面积(hm2)；
α表示不同土地利用类型的碳排放系数(t·hm-2)；
i表示C1中所包含的土地利用类型；
E表示能源消费量(t 标准煤)；
β表示标准煤排放系数(t·t-1)。
2.1.2 土地利用碳排放空间自相关分析
借助全局Moran 指数可以判断长江经济带土地利用碳排放是否具有空间集聚特征，其中Moran 值介于[-1, 1]，Moran 值大于0，表示空间正向相关，值越高表明碳排放空间分布的相关性越强，空间集聚越明显。反之Moran 指数小于0，表示空间负相关，越趋向-1，负相关性越显著，空间的差异性越大。在此基础上运用局部空间自相关绘制LISA 聚类图，探究长江经济带土地利用碳排放集聚效应的时空演变规律。本研究中空间自相关分析借助ArcGIS 10.2 软件及GeoDa 1.18 软件实现。具体演算公式参照方林等[37]的研究。
2.1.3 土地利用碳排放驱动因素分析
相关性分析。采用相关性分析探讨长江经济带土地利用碳排放与不同驱动因子间的相关程度，考虑到本研究中部分数据不满足正态分布要求，故选择Spearman 秩相关系数，该方法属于非参数检验，对变量的分布类型没有具体要求[38-39]。公式如下：
式 中：rs(i,j)为 秩 相 关 系 数，N为 总 样 方 数，xij和xkj分别为第i和k因素在j样方中多度值的秩。
地理探测器。地理探测器是探究事物空间分异特征及其驱动因素的一种新型统计学方法[40]，相对于传统计量方法，因子探测可以通过q值来度量单个因素对区域土地利用碳排放空间分异的驱动力度，交互因子探测则可进一步识别不同因素对区域土地利用碳排放空间分异的交互影响[41]。该模型在解释空间分异和探讨驱动机制方面具有独特优势，适用于从不同角度及深度探索造成长江经济带土地利用碳排放空间分异的驱动因素。地理探测器模型表达式如下：
式中：q为影响因素对碳排放空间分异特征的解释力度大小。h= 1，2，…，L，L为碳排放空间分异影响因素X的分类或分区；
Nh和N分别为层h和研究区样本数；
和δ2分别是层h和全区的Y值的方差。
2.2 指标体系与数据来源
2.2.1 指 标体系
本研究根据已有研究碳排放影响因素研究成果[42-44]及长江经济带实际情况，围绕经济发展、技术进步、环境规制、土地利用、人类活动等方面，构建长江经济带土地利用碳排放驱动因素指标体系。指标的选取遵循全面客观的原则，有鉴于地理探测器模型“共线性免疫”的独特优势，因此经济发展层面选取城市化率(urbanization rate, UR)、地区生产总值(regional gross domestic product)、产业结构演进指数(industrial structure evolution index, ISEI)[45]；
技 术进步层面选取绿色技术进步指数(green technology progress index，GTPI)[46]；
环境规制层面选择环境规制 指 数(environmental regulation index, ERI)[47]；
土地利用层面选取归一化植被指数(normalized difference vegetation index, NDVI)表示植被覆盖程度、土地利 用 程 度 综 合 指 数 (comprehensive index of land use degree, CILUD)[48-49]；
人类活动层面选取人类活动指数(human activity index, HAI)[50]、人口密度(population density, PD)、人口数量(population size, PS)。相关变量含义及统计描述如表2 所列。
表2 长江经济带土地利用碳排放驱动因素指标体系Table 2 Index system of driving factors of land use carbon emissions in Yangtze River Economic Belt
2.2.2 数 据来源与处理
本研究选择长江经济带为研究范围，以长江经济带130 个地级市为基本研究单元。其中研究所需的1990-2018 年7 期土地利用数据来源于中国科学院资源环境科学数据中心(https://www.resdc.cn)，分辨率30 m × 30 m；
归一化植被指数(normalized difference vegetation index, NDVI)数据来源于2018 年中国科学院资源环境科学数据中心(https://www.resdc.cn)，分辨率为1 km × 1 km；
能源消耗数据来源于长江经济带各地级市统计年鉴、中国城市统计年鉴、中国能源统计年鉴，主要涵盖130 个地级市，主要包括1990、1995、2000、2005、2010、2015、2018 年 的 数据，对于缺失的能源数据采用线性插值处理。城市化率、地区生产总值、产业结构数据、废水排放量、二氧化硫以及烟(粉)尘排放数据及人口数据来源于2018 年中国城市统计年鉴及各少数民族的国民经济与社会发展统计公报，对于部分缺失数据采用线性插值处理；
绿色专利授权数量来源于绿色专利研 究 数 据 库(green patent research database, GPRD，https://www.cnrds.com)。指标体系数据通过ArcGIS 10.2 软件进行空间可视化处理，并按照K-means 聚类法对指标体系数据进行离散化处理，作为输入地理探测器的原始数据集。
3.1 长江经济带土地利用碳排放时序特征
1990-2018 年长江经济带土地利用碳排放整体上呈增加态势，但2010 年后碳排放增势趋缓，2000-2010 年为长江经济带土地利用碳排放高速增长期(图2)。长江下游地区土地利用碳排放量占长江经济带总碳排放量的比例最大，但近年来长江中游及上游地区土地利用碳排放量占比呈现上升趋势。就1990-2018 年长江经济带的地均碳排放量而言，长江下游地区 > 长江中游地区 > 长江上游地区。此外研究发现，长江下游的人均碳排放量远高于长江中上游地区；
长江经济带内部不同地区，单位国内生产总值(Gross Domestic Product, GDP)碳排放量均呈减少趋势，其中长江下游地区的单位GDP 碳排放量相对较低。就碳源与碳汇结构变化而言，耕地碳排放量整体呈减少趋势，建设用地碳排放量逐年增加。作为主要碳汇地的林地、草地的碳吸收量并没有显著增加，尽管水域的碳吸收量有所增加，但其增长难以抵消总体碳排放量的激增，故而长江经济带整体的碳排放量依然呈增长趋势。
图2 长江经济带土地利用碳排放时序特征Figure 2 Temporal characteristics of carbon emissions from land use in the Yangtze River Economic Belt
3.2 长江经济带土地利用碳排放空间效应分析
长江经济带土地利用碳排放呈现东高西低的空间分布格局，低值区主要分布在西部的横断山脉及川西高原附近，高值区主要分布于长三角城市群、以武汉为代表的长江中游城市群和以成都、重庆为代表的长江上游城市群附近；
1990-2018 年长江经济带土地利用碳排放的低值区逐渐收缩，高值区不断扩散(图3)。
图3 长江经济带土地利用碳排放空间分布格局Figure 3 Spatial distribution pattern of carbon emissions from land use in Yangtze River Economic Belt
1990-2018 年 长 江 经 济 带Moran’sI均 大 于0，且Z> 2.58，这表明长江经济带土地利用碳排放呈显著的正向空间自相关关系(P= 0.000)，并具有明显的空间集聚特征，但1990-2005 年长江经济带的Moran’sI呈增加趋势，2010-2018 年长江经济带的Moran’sI呈减少趋势，说明长江经济带土地利用碳排放的空间集聚程度呈先增后减的变化趋势(表3)。借助LISA 聚类图探究区域土地利用碳排放的局部空间自相关性，用以揭示长江经济带各地级市土地利用碳排放之间的具体关系(图4)，其中高值集聚区主要集中在以上海、苏州为代表的长三角核心区，该地区城市化水平高，工业发展程度较高，土地利用碳排放量普遍较高，故而形成高值集聚区；
西部横断山脉和川西高原地区城市化程度较低，经济发展滞后，人口稀疏且林草广布，因此土地利用碳排放量普遍较低，故而形成碳排放的低值集聚区。就区域类高值/低值集聚区在1990-2018 年的空间变化而言，高值集聚区变化不显著，低值集聚区呈现减少趋势，但仍主要分布在西部地区。
图4 长江经济带土地利用碳排放LISA 聚类图Figure 4 LISA cluster diagram of carbon emissions from land use in Yangtze River Economic Belt
表3 长江经济带土地利用碳排放空间自相关分析Table 3 Spatial autocorrelation analysis of carbon emissions from land use in the Yangtze River Economic Belt
3.3 长江经济带土地利用碳排放驱动因素
3.3.1 相 关性分析
采用Spearman 相关性分析方法，得到长江经济带土地利用碳排放与各驱动因子的相关系数(表4)。就长江经济带整体而言，在95%的置信区间下，各驱动因子均通过了显著性检验，其中人口密度PD(0.890)、城市化率UR (0.814)、人类活动指数HAI(0.764)、绿色技术进步指数GTPI (0.717)、地区生产总值RGDP (0.687)、产业结构演进指数ISEI (0.489)、常住人口数量PS (0.375)与长江经济带土地利用碳排放呈现显著的正向相关性(P＜ 0.05)。归一化植被指数NDVI (-0.760)、土地利用综合程度指数CILUD(-0.590)、环境规制指数ERI (-0.558)与长江经济带土地利用碳排放呈现显著的负向相关性(P＜ 0.05)。
表4 长江经济带碳排放相关性分析结果Table 4 Results of carbon emission correlation analysis of Yangtze River Economic Belt
长江经济带上中下游不同地区的土地利用碳排放与驱动因子间的相关性特征存在差异，其中城市化UR (0.889)、地区生产总值RGDP (0.793)、绿色技术进步指数GTPI (0.769)与长江下游地区碳排放存在较强的正向相关性，归一化植被指数NDVI(-0.802)与长江下游地区碳排放存在较强的负向相关性；
长江中游地区的人口密度PD (0.850)、城市化率UR (0.847)、人类活动指数HAI (0.778)与该地区碳排放存在较强的正向相关性，归一化植被指数NDVI (-0.743)、土 地 利 用 程 度 综 合 指 数CILUD(-0.675)与该地区碳排放存在明显的负向相关性；
人口密度PD (0.916)、人类活动指数HAI (0.832)、地区生产总值RGDP (0.751)、绿色技术生产总值GTPI(0.751)与长江上游碳排放存在显著的正向相关性(P＜ 0.05)，而土地利用程度综合指数CILUD (-0.782)与长江上游地区碳排放存在着较强的负向相关性。
3.3.2 地 理探测器分析
采用因子探测分析各驱动因子分析长江经济带土地利用碳排放空间分异的影响强度(表5)。在95%置信区间下，各驱动因子对长江经济带土地利用碳排放空间分异的解释力度从大到小依次为地区生产总值RGDP (0.779) > 人口密度PD (0.745) >归一化植被指数NDVI (0.682) > 城市化率UR (0.621) >绿色技术进步指数GTPI (0.593) > 产业结构演进指数ISEI (0.577) > 常住人口PS (0.557) > 人类活动程度HAI (0.257) > 土地利用综合程度指数CILUD(0.171) > 环境规制指数ERI (0.094)。
表5 长江经济带土地利用碳排放因子探测分析的q值Table 5 Detection and analysis of carbon emission factors of land use in Yangtze River Economic Belt
各驱动因子对长江经济带不同地区土地利用碳排放空间分异的解释力度存在差异，其中地区生产总值RGDP (0.854)、人口密度PD (0.748)、产业结构演进指数ISEI (0.729)、城市化率UR (0.692)对于长江下游土地利用碳排放的空间分异解释力度较强；
人口密度PD (0.881)、城市化率UR (0.775)、地区生产总值RGDP (0.773)、结构演进指数ISEI (0.671)是长江中游碳排放的空间分异的主要驱动因子；
人口密度PD (0.847)、地区生产总值RGDP (0.778)、城市化率UR (0.674)、人口规模PS (0.645)对长江上游地区土地利用碳排放空间分异解释力度较强。总体来看，环境规制ERI、土地利用程度综合指数CILUD以及人类活动指数HAI 对于长江经济带不同地区碳排放空间分异的解释力度普遍较低。
运用交互探测分析不同驱动因子间交互作用对于长江经济带土地利用碳排放的影响(图5)。不同驱动因子间交互作用普遍呈现较高水平，其中绿色技术进步指数GTPI 与归一化植被指数NDVI 之间的交互作用对于长江经济带土地利用碳排放空间分异的解释力度最高，达0.931；
产业结构演进指数ISEI与人类活动指数HAI 交互作用对于长江经济带土地利用碳排放空间分异的解释力度次之，达0.927。尽管环境规制指数ERI、土地利用程度综合指数CILUD、人类活动指数HAI 单独作用于长江经济带土地利用碳排放空间分异的解释力度较低，但与其他层面指标因子的交互作用解释力度普遍较强。就交互类型而言，各因子间交互作用主要以双因子增强为主，即交互解释力度大于任意单因子的解释力度；
此外部分因子间呈现非线性增强，即交互解释力度大于单因子解释力度之和。
长江经济带不同地区因子交互的解释力度不同，其中长江下游地区土地利用碳排放空间分异主要受归一化植被指数NDVI 与地区生产总值RGDP、土地利用程度综合指数CILUD、绿色技术进步指数GTPI 交互作用影响；
长江中游地区土地利用碳排放空间分异主要受城市化率UR 与土地利用综合程度指数CILUD、人口密度PD、人类活动指数HAI 交互作用影响；
人口密度PD 与城市化率UR、产业结构演进ISEI、绿色技术进步指数GTPI对于长江上游地区土地利用碳排放空间分异的交互解释力度较强(图5)。除部分因子交互的生态探测结果不显著外，多数因子交互对于长江经济带土地利用碳排放空间分异具有显著影响，这表明地理探测器模型的适用性及指标体系选取的合理性(图5)。
图5 长江经济带土地利用碳排放双因子交互热力图Figure 5 Two-factor interactive heat map of land use carbon emissions in the Yangtze River Economic Belt
4.1 长江经济带土地利用碳排放时空特征
1990-2018 年长江经济带土地利用碳排放量整体上呈增加态势，且2010 年后碳排放增势趋缓，这与王兆峰等[51]的研究结果较为一致，这是因为2010年后，我国政府愈发重视长江经济带的可持续发展，提出建设长江经济带绿色生态廊道，强调长江经济带产业升级，降低经济发展的能源消耗水平，长江经济带单位GDP 碳排放量的持续降低也印证了这一点。虽然区域碳排放高速增长得到遏制，但由于碳治理效果的滞后性，区域土地利用碳排放达峰仍需一段时间。长江经济带地区跨度较大，区域内部不同地区碳排放特征存在差异，其中长江下游地区经济发展水平较高，工业发达且人口密集，其地均碳排放量与人均碳排放量均明显高于长江中游及上游地区，这表明未来长江经济带碳排放治理的重点仍需放在长三角地区。长江经济带碳排放整体上呈现东高西低的空间分布格局[52]，但随着经济社会发展，碳排放高值地区逐渐增多，并向长江中游及上游地区扩展。长江经济带土地利用碳排放的空间集聚程度呈现先增后减的趋势，这与苑韶峰和唐奕钰[34]的研究结果一致，集聚与扩散是相互对立并相互依存的，影响并制约着区域空间结构的形成与发展[53]。研究初期(1990-2000 年)，得益于区位及政策优势，长江下游地区经济率先发展，碳排放的高值区在该区域集聚。随后受“西部大开发”和“中部崛起”等战略的影响，加之长江黄金水道的联结与畅通作用，长江腹地经济逐步发展，下游产业向上游转移，长江中上游土地利用碳排放量明显升高，因此长江经济带土地利用碳排放的空间集聚性在2010 年后减弱。但这并未使以上海为核心的长三角地区碳排放量降低，未来该地区土地利用碳减排压力依然巨大，长江中上游地区则需面临碳排放空间扩散所带来的生态环境问题。
4.2 长江经济带土地利用碳排放驱动因素
长江经济带土地利用碳排放受经济发展、技术进步、环境规制、土地利用与人类活动等多种因素的交互影响，存在着复杂的作用机理。其中地区生产总值RGDP、人口密度PD、归一化植被指数NDVI、绿色技术进步指数GTPI、城市化率UR、产业结构演进指数IESI 不仅与长江经济带土地利用碳排放存在显著的相关关系，同时也是造成长江经济带土地利用碳排放空间分异的主要驱动因素。经济发展是土地利用碳排放空间分异的主要驱动因素，这是因为基础设施建设和产业结构升级会促进地方经济的增长，同时也会对区域能源消费和碳排放产生重要影响，而城市化会产生明显的集聚效应，与地方经济发展形成良好的互馈关系。在经济发展、产业升级、城市化的循环催动下，碳排放呈现明显的存量累积态势并显著影响区域碳排放的空间分异。技术进步将会带动生产效率的提升，降低单位GDP的碳排放水平，但就空间分异层面而言，其对长江经济带碳减排的贡献有限，相反却是造成区域碳排放空间分异的主要动因之一，这与沈杨等[44]此前关于浙江湾区的研究结果一致。技术进步偏向性及技术进步路径差异会对碳排放空间分异产生不同影响，换言之，技术进步带来的碳排放效率优势，并不一定能完全扭转区域碳排放增加的趋势。除人口密度、归一化植被指数对长江经济带土地利用碳排放的空间分异驱动解释力度较强外，环境规制、土地利用与人类活动层面其他指标因子对区域土地利用碳排放空间分异的解释力度相对较低。人口密度提升将增加区域土地利用碳排放强度，而植被覆盖则可提高区域土地利用碳吸收能力，有助于碳排放低值空间分异的形成。值得注意的是，环境规制、人类活动、土地利用等层面的指标因子与经济发展、技术进步的交互作用对于碳排放空间分异的解释力度普遍较高，并主导驱动了长江经济带土地利用碳排放空间分异的形成。
此外，长江经济带经济发展与生态建设需求具有高度的互补性和潜在的合作需求[3]，但由于长江上中下游各地区人类活动、产业结构、经济结构、技术创新存在显著差异，不同因子对于区域土地利用碳排放空间分异的解释力度不同，具体表现为长江中下游地区经济发展和技术创新层面的指标因子对于碳排放空间分异的影响高于长江上游地区。
4.3 政策与建议
尽管长江经济带土地利用碳排放增势趋缓，但短期内难以扭增为减，域内土地利用碳排放治理需着眼于经济发展、技术进步、环境规制、土地利用、人类活动等多方展开。1)有鉴于经济发展、技术进步对于区域土地利用碳排放空间分异的显著驱动作用，区域政府应在经济发展与碳减排间进行权衡取舍，注重经济发展的质量；
优化产业结构，加强对高耗能产业的碳排管理；
注重对技术进步的偏向性及路径的引导，提升技术创新对碳减排的贡献作用。2)注重发挥环境规制对于碳排放的遏制作用，开展针对温室气体排放的监测检查及违规处罚，结合经济、技术、土地利用管理等有效手段保障环境规制的最佳实施效果，并依据长江经济带土地利用碳排放的空间分异特征，分区治理。3)政府应加强配套基础设施建设，引导居民绿色出行，绿色消费，降低个人行为所产生的碳排放量。并优化国土空间布局，加强林草地等碳汇空间保护，同时对建设用地实行增量管控，探索制定适用于长江经济带的土地利用碳排放标准，尝试建立碳汇空间占补平衡机制。
4.4 研究的不足之处
本研究尚存在一些不足，首先受限于地理探测器模型及数据的限制，在时间尺度上对土地利用碳排放驱动因素的挖掘有待深入。此外，研究仅从环境规制层面分析了其对于土地利用碳排放空间分异的交互影响，未能综合考虑能源、金融、交通等方面政策因素对于碳减排的实际贡献效果，未来应对现有模型及计量方法进行优化，并在现有指标体系的基础上进行拓展，围绕时间及空间多尺度探讨区域土地利用碳排放演变的驱动机制。
1) 1990-2018 年长江经济带土地利用碳排放逐年增长，2010 年后增势趋缓；
尽管长江下游地区地均及人均土地利用碳排放量远高于长江中上游地区，但下游地区单位GDP 土地利用碳排放量亦低于长江中上游地区。
2)长江经济带碳排放呈现东高西低的空间分布特征，高值区主要集聚在长三角城市群，近年来向长江中游及上游的都市圈扩散，低值区主要集聚于西部的横断山脉及川西高原附近，1990-2018 年土地利用碳排放空间集聚趋势呈现先增加后减少的趋势。
3)长江经济带土地利用碳排放空间分异主要受地区生产总值RGDP、人口密度PD、归一化植被指数NDVI、绿色技术进步指数GTPI、城市化率UR、产业结构演进指数IESI 的影响；
而环境规制、土地利用、人类活动与经济发展、技术创新间的交互作用主导驱动了长江经济带土地利用碳排放的空间分异；
长江上中下游地区人类活动、经济发展、技术创新的差异是造成长江上中下游土地利用碳排放各驱动因子解释程度不同的主要原因。
——《2013年中国机动车污染防治年报》(第Ⅱ部分)环境与可持续发展(2014年1期)2014-08-14江苏省火力发电机组二氧化碳排放量估算电力工程技术(2014年1期)2014-03-20丝绸之路经济带媒体合作论坛联合宣言签署声屏世界(2014年8期)2014-02-28 相关热词搜索：驱动力，长江，排放，
