摘要 為探究在碳達(dá)峰、碳中和的時(shí)代背景下，土地利用變化對碳排放的影響以及影響路徑，推動(dòng)生態(tài)環(huán)境協(xié)同治理、實(shí)現(xiàn)綠色高質(zhì)量發(fā)展，本文 從耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地這一視角切入，基于2009-2010 年、2018-2019年中國224 個(gè)地級(jí)市的數(shù)據(jù)，運(yùn)用面板固定效應(yīng)模型著重探究耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的碳排放效應(yīng)及其影響機(jī)制。結(jié)果顯示：全國耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地呈現(xiàn)收縮趨勢，東部省份以及東北地區(qū)趨勢最為突出，中西部省份收縮趨勢不明顯；碳排放總量僅東部省份呈現(xiàn)下降趨勢，其他省份均呈上升趨勢；耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地顯著增加了碳排放量，這一結(jié)果在進(jìn)行穩(wěn)健性檢驗(yàn)以及處理可能存在的內(nèi)生性后依然成立。研究結(jié)果表明，耕地變?yōu)榻ㄔO(shè)用地所引致的產(chǎn)業(yè)結(jié)構(gòu)以及能源消費(fèi)變化是影響碳排放的主要路徑。

關(guān)鍵詞 土地利用變化； 碳排放；“ 雙碳”； 建設(shè)用地； 耕地； 產(chǎn)業(yè)結(jié)構(gòu)； 能源消費(fèi)

中圖分類號(hào) X22 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1000-2421（2024）06-0065-10

氣候變化是人類面臨的嚴(yán)峻挑戰(zhàn)。伴隨著經(jīng)濟(jì)發(fā)展，由化石能源燃燒引起的二氧化碳和甲烷等溫室氣體排放對氣候變化產(chǎn)生了深刻影響［1］，導(dǎo)致了包括冰川融化、氣溫上升、降水不均勻和生物多樣性喪失在內(nèi)的一系列問題［2］。這其中約75% 的二氧化碳由僅占世界陸地面積2% 的城市建設(shè)用地所產(chǎn)生［3］。統(tǒng)計(jì)數(shù)據(jù)顯示全球每年因土地利用變化導(dǎo)致的碳排放量在1.2 Gt 以上，2015 年甚至高達(dá)1.6 Gt 以上 ，碳排放的持續(xù)增加造成了人類環(huán)境發(fā)展的不可持續(xù)［4］，實(shí)現(xiàn)“碳達(dá)峰”和“碳中和”已成為實(shí)現(xiàn)人類社會(huì)可持續(xù)發(fā)展的重要路徑。

學(xué)界關(guān)于建設(shè)用地對碳排放的影響效應(yīng)和路徑進(jìn)行了有益探索。從影響效應(yīng)來看，現(xiàn)有研究突出強(qiáng)調(diào)建設(shè)用地顯著增加了碳排放［5］。其原因在于工業(yè)化和人口城鎮(zhèn)化進(jìn)程發(fā)展迅速，大量的耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地［6］，建設(shè)用地所承載的人類活動(dòng)，包括能源消費(fèi)、工業(yè)生產(chǎn)過程和廢棄物排放等，產(chǎn)生了大量的碳排放［7］。當(dāng)前建設(shè)用地碳排放已成為主要碳源，林地、草地、水域和未利用地的碳吸收能力不斷減弱［8］，造成生態(tài)系統(tǒng)碳儲(chǔ)量的損失。這一結(jié)論在京津冀、長三角和珠三角等地均得到驗(yàn)證［9］。因此，建設(shè)用地的碳源地位明顯［10］，控制建設(shè)用地規(guī)模［11］、提高創(chuàng)新能力［12］、合理利用外資［13］等成為減少碳排放的主要思路。土地利用變化影響碳排放的路徑也是研究關(guān)注的重點(diǎn)。從產(chǎn)業(yè)結(jié)構(gòu)來看，土地利用結(jié)構(gòu)影響區(qū)域產(chǎn)業(yè)分布和經(jīng)濟(jì)發(fā)展［14］，如第二產(chǎn)業(yè)占用大量建設(shè)用地［15］且以化石能源為主，導(dǎo)致碳放量較大［16］。此外，部分研究也就能源消耗量對于碳排放的促進(jìn)作用作出了有益探索［17］。

現(xiàn)有文獻(xiàn)對建設(shè)用地與碳排放的關(guān)系進(jìn)行了深入分析，為本研究提供了重要借鑒。但當(dāng)前對該問題的研究大都以某一區(qū)域或者某一城市為研究對象，對全國層面的探索較少。在我國突出強(qiáng)調(diào)糧食安全以及實(shí)現(xiàn)“雙碳”目標(biāo)的大背景下，耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地，其碳排放能力究竟如何變化？事實(shí)上，自2010 年以來，中國二氧化碳排放量居世界前列［18］。而中國仍在經(jīng)歷快速的土地城市化進(jìn)程，政府依靠土地征收將大量的耕地轉(zhuǎn)化為建設(shè)用地，以滿足中國經(jīng)濟(jì)和城市的快速增長。據(jù)《全國國土規(guī)劃綱要（2016—2030 年）》推算，到2030 年266.67 萬hm2耕地將被征收用作建設(shè)用地。建設(shè)用地的快速增加對碳排放總量的影響不可小覷，直接關(guān)系到國家經(jīng)濟(jì)高質(zhì)量發(fā)展。本研究運(yùn)用空間數(shù)據(jù)和計(jì)量模型探究耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的碳排放效應(yīng)，以期為實(shí)現(xiàn)土地優(yōu)化利用和發(fā)展低碳經(jīng)濟(jì)提供數(shù)據(jù)支持。

1 材料與方法

1.1 理論分析及研究假說

土地利用變化深刻影響土地覆蓋類型，最終影響土地固碳能力［19］。已有關(guān)于土地利用碳排放的研究重點(diǎn)關(guān)注碳排放的測量及其時(shí)空變化［20］、減少土地利用碳排放的可行方式［21］、增強(qiáng)碳匯的可行路徑［22］、土地利用對碳排放的影響［23］和土地利用碳排放影響因素［24］等方面。其中，耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地對碳排放的影響受到諸多學(xué)者的關(guān)注。從碳源的角度看，研究顯示城市土地利用方式對碳排放的影響與城市土地利用結(jié)構(gòu)息息相關(guān)［25］，建設(shè)用地比重高是碳排放量大的主要原因［26］，因建設(shè)用地導(dǎo)致的碳排放量逐漸增加，平均增長率為7.1%［27］，其中工業(yè)、建筑與交通等部門是碳排放的主要來源［28］，交通和工業(yè)用地相關(guān)碳排放量占比為85%［27］；內(nèi)在原因在于能源和工業(yè)源碳排放大多發(fā)生在建設(shè)用地上［29］，這些產(chǎn)業(yè)改變了人們的生產(chǎn)生活方式，也改變了能源消耗量［14］。從碳匯的角度來看，大量的建設(shè)用地?cái)D占了生態(tài)空間，降低了植被的碳匯能力［30］。生態(tài)和農(nóng)業(yè)用地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地后喪失原有碳匯功能［28］，且這一過程通常是不可逆轉(zhuǎn)的。與此同時(shí)，耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地后土壤理化性質(zhì)發(fā)生變化，對有機(jī)碳的固化吸收作用也將有所減弱［29］。到2100 年，51%～63% 的新增城市用地將由耕地轉(zhuǎn)為建設(shè)用地［31］。增強(qiáng)林草等地類的碳匯功能對于優(yōu)化土地利用以及實(shí)現(xiàn)碳減排具有重要意義［32］。

基于以上研究，本研究提出以下假說。

假說1： 耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地會(huì)顯著影響碳排放。

耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地影響碳排放的機(jī)制是研究的關(guān)注點(diǎn)。土地利用變化對碳排放影響的根源在于人類活動(dòng)。人類活動(dòng)對能源和資源消耗的影響因土地類型不同而存在較大差異［33］。通常情況下，建設(shè)用地規(guī)模越大，碳排放量越多［7］，原因在于建設(shè)用地作為人類生活和工業(yè)生產(chǎn)的基本空間載體，碳排放量遠(yuǎn)高于其他土地利用類型［34］。同時(shí)工業(yè)企業(yè)因?qū)δ茉吹男枨筝^大而成為碳排放的直接主體［35］。研究指出，目前部分城市仍是“二三一”產(chǎn)業(yè)結(jié)構(gòu)，第二產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)不盡合理，顯著影響碳排放［36］。制造業(yè)向服務(wù)業(yè)轉(zhuǎn)型是減碳的核心路徑之一［37］。此外，相關(guān)研究也指出，重化工業(yè)集中了中國接近60% 的能源消費(fèi)量，且能源強(qiáng)度較高［38］，隨著能源消耗量的增加，碳排放量也會(huì)增加［39］。陽凱等［35］以洞庭湖地區(qū)為例研究，發(fā)現(xiàn)煤炭消費(fèi)量的增加導(dǎo)致當(dāng)?shù)靥寂欧帕可仙?。伴隨著能源消耗的增加，高耗能高碳排的產(chǎn)業(yè)會(huì)在短時(shí)間內(nèi)增加碳排放量［39］。減少碳排放需要控制化石能源的消耗，提升清潔能源消費(fèi)占比［40］，并依靠技術(shù)進(jìn)步和改善當(dāng)?shù)啬茉唇Y(jié)構(gòu)以實(shí)現(xiàn)降碳增匯［39］。

基于以上分析，本研究提出假說2。

假說2： 耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地通過影響產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)影響碳排放量。

1.2 數(shù)據(jù)來源

本研究使用的數(shù)據(jù)包括2009-2010 年和2018-2019 年全國224 個(gè)地級(jí)市的土地利用覆蓋數(shù)據(jù)①，從該數(shù)據(jù)中解析獲得耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的具體面積。使用的碳排放數(shù)據(jù)源于中國碳核算數(shù)據(jù)庫（Chinaemission accounts and datasets，CEADs），CEADs由清華大學(xué)研究團(tuán)隊(duì)于2016 年創(chuàng)建，是打造國家、區(qū)域、城市、基礎(chǔ)設(shè)施多尺度統(tǒng)一、全口徑、可驗(yàn)證的高空間精度、分社會(huì)經(jīng)濟(jì)部門、分能源品種品質(zhì)的精細(xì)化碳核算數(shù)據(jù)平臺(tái)（https：//www.ceads.net.cn）。該數(shù)據(jù)庫是采用粒子群優(yōu)化-反向傳播（PSO-BP）算法，解析DMSP/OLS 和NPP/VIIRS 衛(wèi)星圖像反演得到，這一數(shù)據(jù)集覆蓋面廣、時(shí)間跨度長，具有較好的連續(xù)性，被認(rèn)為是國內(nèi)較為權(quán)威和科學(xué)的碳排放核算數(shù)據(jù)庫［31］。本研究使用的其他數(shù)據(jù)來自《中國城市統(tǒng)計(jì)年鑒》②。

1.3 研究方法

1）土地利用轉(zhuǎn)移矩陣。土地利用轉(zhuǎn)移矩陣是從系統(tǒng)分析的角度出發(fā)，通過對土地利用系統(tǒng)的不同狀態(tài)（如不同類型的土地使用）以及這些狀態(tài)隨時(shí)間的轉(zhuǎn)變進(jìn)行定量描述而形成的研究方法［41］。如表1所示，行表示t1 時(shí)點(diǎn)的土地利用類型，列表示t2 時(shí)點(diǎn)的土地利用類型。Pij 表示t1-t2 時(shí)間段內(nèi)土地利用類型i 轉(zhuǎn)變?yōu)橥恋乩妙愋蚸 的面積占土地總面積的比例。Pii 表示t1-t2 時(shí)間段內(nèi)土地利用類型保持不變的面積百分比。Pi +表示t1時(shí)間點(diǎn)土地利用類型i的面積占土地總面積的百分比。P+j 表示t2 時(shí)間點(diǎn)j種土地利用類型的總面積占土地總面積的百分比。Pi +- Pii 表示t1-t2 時(shí)間段內(nèi)土地利用類型i 面積減少的百分比。P+j - Pjj 表示t1-t2 期間地類j 面積增加的百分比。t1-t2 時(shí)期各種土地利用類型的凈變化量可表示為Dj，見式（1）。

Dj = max （Pj +- Pjj， P+j - Pjj ）- min （Pj +- Pjj， P+j - Pjj ）=| P+j - Pj + | （1）

2）計(jì)量回歸模型。本研究主要考察耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的碳排放效應(yīng)，本研究的基準(zhǔn)回歸使用的計(jì)量模型設(shè)定如下：

Cit = α0 + α1 Lit + Xit + δi + λt + ?it （2）

式（2）中，i 表示不同城市，t 代表年份；Cit 表示地級(jí)市碳排放量；Lit 表示地級(jí)市范圍內(nèi)耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的面積，根據(jù)土地覆蓋數(shù)據(jù)獲得研究時(shí)間段內(nèi)耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的面積；α1 表示耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地變化的系數(shù)，也是本研究最關(guān)心的估計(jì)系數(shù)；Xit 為包括城市經(jīng)濟(jì)發(fā)展水平、城市化率等在內(nèi)的一系列控制變量；δi 表示城市個(gè)體固定效應(yīng)，旨在控制城市內(nèi)部不可觀測因素；λt 表示時(shí)間固定效應(yīng)，旨在控制與耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地變化有關(guān)的全國性政策或者其他隨時(shí)間變化但是不隨城市變化的因素；εit 為隨機(jī)擾動(dòng)項(xiàng)。

在機(jī)制分析部分，主要是用中介效應(yīng)模型進(jìn)行分析。根據(jù)已有研究［42］，為避免中介機(jī)制檢驗(yàn)中潛在的內(nèi)生性偏誤，重點(diǎn)考察核心解釋變量與中介變量之間的因果關(guān)系。為此，設(shè)置如下模型：

Sit = α0 + α1 Lit + Xit + δi + λt + ?it （3）

Nit = α0 + α1 Lit + Xit + δi + λt + ?it （4）

式（3～4）中，Sit 和Nit 分別表示2 個(gè)中介變量，Lit代表核心解釋變量，其余變量含義與前文一致。本研究據(jù)此進(jìn)行回歸分析。

3）變量介紹。

①解釋變量：耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地。本研究中土地利用變化特指耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地，其他土地類型的變化并不在本研究的研究范疇①。實(shí)際操作中，主要在ArcGIS 平臺(tái)上，將2009?2010 年、2018?2019 年的空間數(shù)據(jù)使用疊加功能進(jìn)行疊加分析，得到土地利用轉(zhuǎn)移矩陣，從中獲取耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的面積。

②中介變量：產(chǎn)業(yè)結(jié)構(gòu)變化和能源消費(fèi)量。產(chǎn)業(yè)結(jié)構(gòu)變化主要使用第二產(chǎn)業(yè)增加值占GDP 的比重衡量，能源消費(fèi)量主要使用地級(jí)市能源消耗量（非煤炭能源均折算為標(biāo)準(zhǔn)煤）表示。

③控制變量：借鑒已有研究［26，43］，本研究也控制了如下可能影響碳排放的變量，包括經(jīng)濟(jì)發(fā)展水平、人口規(guī)模（人口密度）、外資利用程度、創(chuàng)新強(qiáng)度（科研支出）、工業(yè)企業(yè)數(shù)量、固定資產(chǎn)投資等變量，變量的描述性統(tǒng)計(jì)見表2。

需要說明的是，本研究使用的耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地?cái)?shù)據(jù)由GIS 通過土地利用轉(zhuǎn)移矩陣獲得，為使數(shù)據(jù)保持一致，本研究所有的變量均為2 個(gè)年份間的差值，即增量。

2 結(jié)果與分析

2.1 中國土地利用變化的時(shí)空演變特征

中國土地利用變化具有明顯的時(shí)空分布不均勻特征（表3）。從空間分布狀況來看，東部耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地面積高于中西部和東北。2009-2010 年，東部省份各城市耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的均值為27.24 km2，中部省份各城市均值為13.61 km2，而西部省份各城市均值為12.13 km2，東北地區(qū)為14.63km2。結(jié)合原始數(shù)據(jù)發(fā)現(xiàn)，2009-2010 年，全國耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地變化面積較少的地區(qū)主要分布在我國青藏高原地區(qū)，而耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地變化幅度最明顯的是河北省唐山市。

從空間分布來看，2018-2019 年東部省份各城市耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地面積平均為5.66 km2，中部省份各城市平均為3.94 km2，西部省份各城市平均為11.11 km2，而東北地區(qū)平均為1.36 km2。2018-2019年，我國各城市中耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地變化量最大的城市是四川省成都市，面積為110.62 km2。

通過對比可以發(fā)現(xiàn)，在研究時(shí)間段內(nèi)，全國耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地呈現(xiàn)收縮趨勢，尤其是東部地區(qū)下降了380.8%，中部地區(qū)也呈現(xiàn)下降趨勢，西部省份雖有下降但是下降幅度最小。這也和實(shí)際情況高度一致，即東部省份城市化發(fā)展水平持續(xù)穩(wěn)定發(fā)展，耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地年際變動(dòng)幅度較小，中部省份各城市發(fā)展趨勢也基本一致。但西部省份還處于城市化快速發(fā)展的階段，因此，耕地轉(zhuǎn)化為建設(shè)用地的面積仍舊較大。

2.2 中國碳排放的時(shí)空演變特征

我國二氧化碳排放總量呈現(xiàn)增加趨勢。2009年，我國累計(jì)碳排放量為8 208.25 Mt，2018 年，我國累計(jì)碳排放量為10 756.72 Mt（https：//client. mytbanic.com），增長率高達(dá)31.05%。2009-2010 年，東部省份各城市碳排放量均值為5.31 Mt，中部省份各城市碳排放量均值為0.74 Mt，西部省份各城市碳排放量均值則為4.04 Mt，東北地區(qū)為2.29 Mt。2018-2019 年，東部省份各城市碳排放量均值為1.24 Mt，中部省份各城市碳排放量均值為1.08 Mt，西部省份各城市碳排放量均值則為9.17 Mt，東北地區(qū)為4.67Mt。數(shù)據(jù)反映出我國碳排放呈現(xiàn)時(shí)空分布不均勻的特征，即東部地區(qū)各城市碳排放量年際差異小，各年二氧化碳排放量趨于穩(wěn)定。而伴隨著國家對中西部省份的持續(xù)支持，其經(jīng)濟(jì)發(fā)展水平存在較大提升空間，未來中西部地區(qū)的碳排放量有可能持續(xù)增加，且年際變化幅度有下降的可能。

結(jié)合原始城市數(shù)據(jù)，碳排放年際變化差異較大的城市主要集中在內(nèi)蒙古鄂爾多斯、包頭以及陜西榆林等城市，這些城市是我國主要的化石能源產(chǎn)地，也是當(dāng)?shù)刂匾陌l(fā)電廠所在地，這可能是當(dāng)?shù)靥寂欧帕磕觌H差異較大的重要原因。而碳排放年際變化差異較小的城市主要集中在南方城市，如浙江省溫州市，年際變化差異極小，這與當(dāng)?shù)氐漠a(chǎn)業(yè)結(jié)構(gòu)密切相關(guān)，當(dāng)?shù)刂饕l(fā)展第三產(chǎn)業(yè)，污染企業(yè)以及重工業(yè)產(chǎn)業(yè)占比較低，碳排放量較少，年際差異也較小。

2.3 基準(zhǔn)回歸結(jié)果

基于雙向固定效應(yīng)模型的耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的碳排放效應(yīng)回歸結(jié)果見表4，如第（1）列所示，在不添加任何控制變量而僅考慮時(shí)間固定效應(yīng)和城市固定效應(yīng)的情況下，耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地顯著增加了碳排放，第（2）列在添加了經(jīng)濟(jì)發(fā)展水平以及人口密度等變量的條件下，耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地對碳排放的影響仍然顯著為正?？紤]到科技創(chuàng)新投入對于產(chǎn)業(yè)升級(jí)以及碳減排的重要作用，本研究在第（3）列加入了創(chuàng)新強(qiáng)度變量，回歸結(jié)果依舊顯示耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地顯著增加了碳排放量。

2.4 內(nèi)生性檢驗(yàn)

上述估計(jì)結(jié)果控制了時(shí)間固定效應(yīng)和個(gè)體固定效應(yīng)，一定程度上減弱了可能由于遺漏重要變量、選擇性偏誤帶來的內(nèi)生性問題，但是仍可能存在耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地與碳排放效應(yīng)互為因果所帶來的內(nèi)生性問題，即究竟是“耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地影響了碳排放”還是“碳排放較多的地區(qū)是因?yàn)楦剞D(zhuǎn)變?yōu)榻ㄔO(shè)用地的更多”。解決這一問題有利于保證結(jié)果的準(zhǔn)確性。本研究使用工具變量法來處理可能存在的內(nèi)生性。借鑒張洪振等［44］的研究方法，選擇“除本市外，省內(nèi)其他城市耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的平均值”作為耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的工具變量。從相關(guān)性來看，一個(gè)省內(nèi)土地利用規(guī)劃的實(shí)施情況會(huì)對本城市的土地利用變化產(chǎn)生重要影響，從外生性來看，其他城市的耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地水平并不會(huì)影響本城市的碳排放狀況，因此以“除本市外，省內(nèi)其他城市耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的平均值”滿足工具變量既有相關(guān)性又有外生性的要求。如表5 所示，在使用工具變量進(jìn)行回歸后發(fā)現(xiàn)耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地仍顯著增加碳排放。證明了基準(zhǔn)回歸結(jié)果的可靠性。

2.5 機(jī)制分析

上述實(shí)證結(jié)果均證明耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地對碳排放具有顯著的正向影響。那么值得進(jìn)一步討論的問題是產(chǎn)生這一影響的內(nèi)在影響機(jī)制是什么？由理論分析可以發(fā)現(xiàn)，可能的影響路徑有2 條，即耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地通過影響產(chǎn)業(yè)結(jié)構(gòu)以及能源消費(fèi)結(jié)構(gòu)而影響了碳排放。如前述理論分析部分指出，通常情況下建設(shè)用地是城市工業(yè)企業(yè)發(fā)展的基礎(chǔ)，而工業(yè)企業(yè)對碳排放具有重要影響［39］，研究也發(fā)現(xiàn)煤炭等化石能源消費(fèi)也會(huì)顯著增加碳排放量。因此本研究主要從這2 個(gè)方向切入進(jìn)行機(jī)制分析。

如表6 所示，耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地對產(chǎn)業(yè)結(jié)構(gòu)具有顯著的正向影響，同時(shí)耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地顯著影響了能源消費(fèi)。而產(chǎn)業(yè)結(jié)構(gòu)尤其是第二產(chǎn)業(yè)占比較高時(shí)，能源消費(fèi)量也會(huì)較大，共同影響了碳排放量。綜上，回歸結(jié)果證實(shí)了理論分析部分有關(guān)機(jī)制的探討是成立的，即耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地通過影響產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)影響了碳排放。

2.6 穩(wěn)健性檢驗(yàn)

在回歸中，因數(shù)據(jù)處理而產(chǎn)生的極端值往往會(huì)影響結(jié)果的準(zhǔn)確性。為保證研究結(jié)果的穩(wěn)健性，本研究參照陳強(qiáng)遠(yuǎn)等［45］的做法，采用5% 分位上雙邊縮尾回歸，再將總樣本分別雙邊縮尾5% 后進(jìn)行回歸?；貧w結(jié)果如表7 所示。在縮尾回歸后耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地碳排放效應(yīng)仍舊顯著為正，其平均效應(yīng)約為9.5%，與基準(zhǔn)回歸相差不大，證明模型穩(wěn)健性較為良好。為保證研究結(jié)果的可靠性，本研究還基于替換被解釋變量、縮尾回歸的方式展開了穩(wěn)健性檢驗(yàn)，結(jié)果表明基準(zhǔn)回歸結(jié)果是穩(wěn)健的①。

3 討論

伴隨經(jīng)濟(jì)增長與城市化的擴(kuò)張，城市用地規(guī)模迅速擴(kuò)大，大量的耕地轉(zhuǎn)為建設(shè)用地，極大地增加了碳排放量。而隨著城市碳排放的增加，有必要認(rèn)識(shí)土地利用管理在碳減排方面的潛力，準(zhǔn)確識(shí)別耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地對碳排放影響的作用機(jī)制和傳導(dǎo)路徑，有助于為土地調(diào)控碳減排方案制定以及經(jīng)濟(jì)高質(zhì)量發(fā)展提供科學(xué)依據(jù)。本研究使用2009?2010年、2018?2019 年224 個(gè)地級(jí)市的面板數(shù)據(jù)，探究了耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地對碳排放的影響及其影響路徑。

本研究發(fā)現(xiàn)：（1）全國耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地呈現(xiàn)收縮趨勢，東部省份以及東北地區(qū)趨勢最為突出，中西部省份收縮趨勢不明顯。碳排放總量僅東部省份呈現(xiàn)下降趨勢，其他省份均呈上升趨勢。（2）耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地顯著增加了碳排放，耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地每提升1 個(gè)單位，碳排放將增加 0.116 個(gè)單位，這一研究結(jié)果在進(jìn)行穩(wěn)健性檢驗(yàn)后仍然成立，并且在使用省域內(nèi)除本市外的其他城市耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的平均值作為工具變量處理可能存在的內(nèi)生性后，結(jié)果仍然顯示耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地顯著增加了碳排放。（3）耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地所引致的產(chǎn)業(yè)結(jié)構(gòu)以及能源消費(fèi)變化市影響碳排放的主要路徑。

基于以上結(jié)論，本研究提出如下建議：（1）充分發(fā)揮土地利用總體規(guī)劃管控作用。從經(jīng)濟(jì)層面來說，可以采取用地準(zhǔn)入限制、土地稅收等調(diào)控手段，提高用地門檻，嚴(yán)格控制耕地轉(zhuǎn)變?yōu)榻ㄔO(shè)用地?cái)?shù)量，從源頭上減少耕地轉(zhuǎn)換為建設(shè)用地的數(shù)量；從生態(tài)保護(hù)層面來看，增加城市綠地面積供應(yīng)，促進(jìn)地區(qū)碳匯潛力與能力提升，并且依托政策支持著力推進(jìn)山水林田湖草沙全方位、全地域治理，推進(jìn)森林城市建設(shè)，推動(dòng)構(gòu)建生態(tài)安全屏障。同時(shí)，全國各城市切實(shí)加強(qiáng)對閑置、低效和廢棄建設(shè)用地等的開發(fā)利用，深挖存量建設(shè)用地潛力，促進(jìn)土地資源的節(jié)約集約利用；最后，要以碳匯能力提升為導(dǎo)向，強(qiáng)化國土空間規(guī)劃的制定和實(shí)施，對于碳匯能力較高的區(qū)域?qū)嵤┘斜Ｗo(hù)，建立碳匯影響評(píng)估制度，提出碳匯損失補(bǔ)償機(jī)制，或者碳匯空間補(bǔ)償機(jī)制。（2）推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，促進(jìn)經(jīng)濟(jì)協(xié)同可持續(xù)發(fā)展。習(xí)近平總書記指出：“綠色發(fā)展是高質(zhì)量發(fā)展的底色，新質(zhì)生產(chǎn)力本身就是綠色生產(chǎn)力。各地必須加快發(fā)展新質(zhì)生產(chǎn)力，實(shí)現(xiàn)產(chǎn)業(yè)優(yōu)化升級(jí)，提高地區(qū)碳生產(chǎn)力。同時(shí)加強(qiáng)區(qū)域協(xié)同合作，經(jīng)濟(jì)發(fā)達(dá)地區(qū)要幫助欠發(fā)達(dá)地區(qū)實(shí)現(xiàn)技術(shù)升級(jí)，降低經(jīng)濟(jì)發(fā)展對用地?cái)U(kuò)張的依賴性，提高土地資源利用效率，有效抑制碳排放增長。（3）增加清潔能源消費(fèi)，減少化石能源消費(fèi)量?；茉慈紵翘寂欧诺闹匾獊碓?，從政府角度來看，應(yīng)該加強(qiáng)政策引導(dǎo)，對新型能源開發(fā)或使用者給予政策、資金和技術(shù)等多方面支持；從清潔能源生產(chǎn)角度看，發(fā)展低碳經(jīng)濟(jì)必然要求減少傳統(tǒng)能源消費(fèi)，增加對清潔能源的需求，這需要逐漸增加清潔能源的產(chǎn)量比例，提供更豐富和可持續(xù)的能源選擇。因此要強(qiáng)化新能源的開發(fā)利用，如布局風(fēng)能、太陽能等能源開發(fā)，培育新的低碳經(jīng)濟(jì)增長點(diǎn)，減少碳排放；從消費(fèi)者消費(fèi)的角度來看，加強(qiáng)政策宣傳，推廣綠色能源，如推廣使用新能源汽車，并加強(qiáng)對綠色產(chǎn)品的消費(fèi)補(bǔ)貼，逐步替代或減少化石能源消費(fèi)。

參考文獻(xiàn) References

［1］ CRUTZEN P J. Geology of mankind［J/OL］. Nature，2002，415 （6867） ：23 ［2024-03-14］. https：//doi. org/10.1038/415023a.

［2］ CRAMER W，GUIOT J，F(xiàn)ADER M，et al. Climate changeand interconnected risks to sustainable development in theMediterranean［J］.Nature climate change，2018，8：972-980.

［3］ XIA C，YEH A G O，ZHANG A Q.Analyzing spatial relationshipsbetween urban land use intensity and urban vitality at streetblock level：a case study of five Chinese megacities［J/OL］.Landscapeand urban planning，2020，193：103669［2024-03-14］.https：//doi.org/10.1016/j.landurbplan.2019.103669.

［4］ LI B G，GASSER T，CIAIS P，et al.The contribution of China’semissions to global climate forcing［J］.Nature，2016，531（7594）：357-361.

［5］ CAO W，YUAN X. Region-county characteristic of spatialtemporalevolution and influencing factor on land use-relatedCO2 emissions in Chongqing of China，1997-2015［J］.Journalof cleaner production，2019，231：619-632.

［6］ WANG Z，CUI C，PENG S. How do urbanization and consumptionpatterns affect carbon emissions in China：a decompositionanalysis［J］. Journal of cleaner production，2019，211：1201-1208.

［7］ 張梅，楊雨霏，黃賢金，等. 新常態(tài)下中國城鎮(zhèn)建設(shè)用地?cái)U(kuò)張演變的碳效應(yīng)及其驅(qū)動(dòng)因素研究［J］. 長江流域資源與環(huán)境，2023，32（10）：2212-2224.ZHANG M，YANG Y F，HUANGX J，et al.Carbon effects and driving factors of urban constructionland expansion in China under the new normal［J］. Resourcesand environment in the Yangtze Basin，2023，32（10）：2212-2224（ in Chinese with English abstract）.

［8］ 譚潔，劉琴，唐曉佩，等. 基于LMDI 模型的土地利用碳排放時(shí)空差異及影響因素研究：以洞庭湖區(qū)為例［J］. 地域研究與開發(fā)，2024，43（1）：160-166.TAN J，LIU Q，TANG X P，etal. Spatial and temporal evolution of carbon emissions fromland use and its influencing factors based on LMDI model：acase study of the Dongting Lake area［J］. Areal research anddevelopment，2024，43（1）：160-166 （in Chinese with Englishabstract）.

［9］ 李珊，溫榕冰，李建軍，等. 中國五大城市群用地景觀格局對碳排放績效的影響［J］. 經(jīng)濟(jì)地理，2023，43（12）：91-102.LIS，WEN R B，LI J J，et al.Impact of land use landscape patternon carbon emission performance in five major urban agglomerationsin China［J］. Economic geography，2023，43（12）：91-102（ in Chinese with English abstract）.

［10］ 丁明磊，楊曉娜，趙榮欽，等. 碳中和目標(biāo)下的國土空間格局優(yōu)化：理論框架與實(shí)踐策略［J］. 自然資源學(xué)報(bào)，2022，37（5）：1137-1147.DING M L，YANG X N，ZHAO R Q，et al.Optimizationof territorial space pattern under the goal of carbonneutrality：theoretical framework and practical strategy［J］.Journal of natural resources，2022，37（5）：1137-1147 （in Chinesewith English abstract）.

［11］ XU Q，YANG R，DONG Y X，et al.The influence of rapid urbanizationand land use changes on terrestrial carbon sources/sinks in Guangzhou，China［J］.Ecological indicators，2016，70：304-316.

［12］ 沈小波，陳語，林伯強(qiáng). 技術(shù)進(jìn)步和產(chǎn)業(yè)結(jié)構(gòu)扭曲對中國能源強(qiáng)度的影響［J］. 經(jīng)濟(jì)研究，2021，56（2）：157-173.SHEN XB，CHEN Y，LIN B Q.The impacts of technological progressand industrial structure distortion on China’s energy intensity［J］.Economic research journal，2021，56（2）：157-173（ in Chinesewith English abstract）.

［13］ 宋德勇，汪涌，胡楊. 外資持股的供應(yīng)鏈低碳化效應(yīng)研究［J］.中國工業(yè)經(jīng)濟(jì)，2023（11）：155-173.SONG D Y，WANG Y，HU Y.A study of supply chain decarbonization effects of foreignownership［J］.China industrial economics，2023（11）：155-173（ in Chinese with English abstract）.

［14］ ALI G，PUMIJUMNONG N，CUI S H.Valuation and validationof carbon sources and sinks through land cover/usechange analysis：the case of bangkok metropolitan area［J］.Land use policy，2018，70：471-478.

［15］ 王亮. 基于灰色關(guān)聯(lián)的鹽城市城市建設(shè)用地碳排放協(xié)調(diào)發(fā)展研究［J］. 水土保持研究，2015，22（2）：253-257.WANG L.Researchfor coordinative development about carbon emissionfrom construction land in Yancheng City based on grey correlationmethod［J］.Research of soil and water conservation，2015，22（2）：253-257（ in Chinese with English abstract）..

［16］ ZHANG D Y，MOHSIN M，TAGHIZADEH-HESARY F.Does green finance counteract the climate change mitigation：asymmetric effect of renewable energy investment and Ramp;D［J/OL］.Energy economics，2022，113：106183［2024-03-14］.https：//doi.org/10.1016/j.eneco.2022.106183.

［17］ 陳瑞敏，馬曉君，李宜良. 黃河流域五大增長極碳排放脫鉤效應(yīng)：基于GDIM 的因素分解［J］. 中國環(huán)境科學(xué)，2024，44（5）：2853-2866.CHEN R M，MA X J，LI Y L.Analysis of carbonemission decoupling effects in the five growth poles of the YellowRiver Basin based on GDIM decomposition［J］.China environmentalscience，2024，44（5）：2853-2866（ in Chinese withEnglish abstract）.

［18］ XIA C Y，DONG Z，WU P，et al.How urban land-use intensityaffected CO2 emissions at the county level：influence and prediction［J/OL］.Ecological indicators，2022，145：109601［2024-03-14］.https：//doi.org/10.1016/j.ecolind.2022.109601.

［19］ FENG W，CAI B M，ZHANG B.A bite of China：food consumptionand carbon emission from 1992 to 2007［J/OL］.Chinaeconomic review，2020，59：100949［2024-03-14］.https：//doi.org/10.1016/j.chieco.2016.06.007.

［20］ LIU X L，LI T，ZHANG S R，et al.The role of land use，constructionand road on terrestrial carbon stocks in a newly urbanizedarea of western Chengdu，China［J］.Landscape and urbanplanning，2016，147：88-95.

［21］ DOU Y，LUO X，DONG L，et al.An empirical study on transit-oriented low-carbon urban land use planning：exploratoryspatial data analysis （ESDA） on Shanghai，China［J］.Habitatinternational，2016，53：379-389.

［22］ HUANG Z H，DU X J.Toward green development？ Impactof the carbon emissions trading system on local governments′land supply in energy-intensive industries in China［J/OL］.Scienceof the total environment，2020，738：139769［2024-03-14］.https：//doi.org/10.1016/j.scitotenv.2020.139769.

［23］ 李鍵，毛德華，蔣子良，等. 長株潭城市群土地利用碳排放因素分解及脫鉤效應(yīng)研究［J］. LI J， MAO D H， JIANG Z L， etal. Study on the decomposition of land use carbon emission factorsand decoupling effect in Chang Zhu Tan Urban Cluster［J］.Ecological economics， 2019， 35（8）： 28-34 （in Chinese withEnglish abstract）.

［24］ 獨(dú)孤昌慧. 中國農(nóng)地利用碳排放及影響因素研究：1990—2016年［J］. 生態(tài)經(jīng)濟(jì)，2020，36（5）：19-23.DUGU C H. Researchon carbon emissions and influencing factors of China’s agriculturalland utilization：1990-2016［J］. Ecological economics，2020， 36： 19-23（ in Chinese with English abstract）.

［25］ XIA C Y，ZHANG J，ZHAO J，et al．Exploring potential of urbanland-use management on carbon emissions：a case of Hangzhou，China［J/OL］. Ecological indicators，2023，146：109902［2024-03-14］.https：//doi.org/10.1016/j.ecolind.2023.109902.

［26］ LI J B，HUANG X J，CHUAI X W，et al.The impact of landurbanization on carbon dioxide emissions in the Yangtze RiverDelta，China：a multiscale perspective［J/OL］. Cities，2021，116：103275 ［2024-03-14］. https：//doi. org/10.1016/j. cities.2021.103275.

［27］ KE Y H，XIA L L，HUANG Y S，et al.The carbon emissionsrelated to the land-use changes from 2000 to 2015 in Shenzhen，China：implication for exploring low-carbon development inmegacities［J/OL］. Journal of environmental management，2022，319：115660［2024-03-14］. https：//doi. org/10.1016/j.jenvman.2022.115660.

［28］ 陳姜全，李效順，耿藝偉，等. 中國城鎮(zhèn)化與碳排放機(jī)制分析及實(shí)證研究：基于經(jīng)濟(jì)發(fā)展、人口轉(zhuǎn)移和城鎮(zhèn)擴(kuò)張視角［J］. 自然資源學(xué)報(bào)，2024，39（6）：1399-1417. CHEN J Q，LI X S，GENG Y W，et al.Mechanism analysis and empirical researchon urbanization and carbon emissions in China：based on theperspective of economic development，population transfer，andurban expansion［J］.Journal of natural resources，2024，39（6）：1399-1417（ in Chinese with English abstract）.

［29］ 王田雨，岳文澤. 面向碳增匯的國土空間格局優(yōu)化：理論框架與行動(dòng)邏輯［J］. 自然資源學(xué)報(bào)，2024，39（5）：1008-1021.WANG T Y，YUE W Z. Optimizing territorial spatial patternfor carbon sink growth：theoretical framework and action logic［J］. Journal of natural resources，2024，39（5）：1008-1021 （inChinese with English abstract）.

［30］ WU S，HU S G，F(xiàn)RAZIER A E.Spatiotemporal variation anddriving factors of carbon emissions in three industrial land spacesin China from 1997 to 2016［J/OL］.Technological forecastingand social change，2021，169：120837 ［2024-03-14］.https：//doi.org/10.1016/j.techfore.2021.120837.

［31］ CHEN G Z，LI X，LIU X P，et al.Global projections of futureurban land expansion under shared socioeconomic pathways［J/OL］.Nature communications，2020，11（1）：537［2024-03-14］.https：//doi.org/10.1038/s41467-020-14386-x.

［32］ YUAN M，SONG Y，HONG S J，et al.Evaluating the effectsof compact growth on air quality in already-high-density citieswith an integrated land use-transport-emission model：a casestudy of Xiamen，China［J］.Habitat international，2017，69：37-47.

［33］ XIA C Y，CHEN B.Urban land-carbon nexus based on ecologicalnetwork analysis［J/OL］.Applied energy，2020，276：115465［2024-03-14］. https：//doi. org/10.1016/j. apenergy.2020.115465.

［34］ 於冉，田思萌. 基于承載關(guān)系的合肥市土地利用碳排放效應(yīng)分析［J］. 安徽農(nóng)業(yè)大學(xué)學(xué)報(bào)，2016，43（6）：939-945. YU R，TIAN S M.An analysis of land use and carbon emission in Hefeicity based on carrying relationship［J］.Journal of Anhui AgriculturalUniversity，2016，43（6）：939-945（in Chinese with Englishabstract）.

［35］ 陽凱，王奕文，黃春華，等. 洞庭湖區(qū)域土地利用變化的碳排放效應(yīng)研究［J］. 生態(tài)科學(xué)，2023，42（2）：193-201. YANG K，WANG Y W，HUANG C H，et al.Effect of land use change oncarbon emission in Dongting Lake Region［J］. Ecological science，2023，42（2）：193-201 （in Chinese with English abstract）.

［36］ 劉傳明，孫喆，張瑾. 中國碳排放權(quán)交易試點(diǎn)的碳減排政策效應(yīng)研究［J］. 中國人口·資源與環(huán)境，2019，29（11）：49-58.LIUC M，SUN Z，ZHANG J.Research on the effect of carbon emissionreduction policy in China’s carbon emissions trading pilot［J］. China population，resources and environment，2019，29（11）：49-58（ in Chinese with English abstract）.

［37］ 賀舒琪，穆恩怡，戴曉冕，等“. 鳥起巢中，水出源頭” ：區(qū)域產(chǎn)業(yè)動(dòng)態(tài)的碳排放效應(yīng)［J］. 地理研究，2024，43（3）：535-557.HE S Q，MU E Y，DAI X M，et al.Tracing the origin：Carbonemission effects of regional industrial dynamics［J］.Geographicalresearch，2024，43（3）：535-557 （in Chinese with Englishabstract）.

［38］ 徐英啟，程鈺，王晶晶，等. 中國低碳試點(diǎn)城市碳排放效率時(shí)空演變與影響因素［J］. 自然資源學(xué)報(bào)，2022，37（5）：1261-1276.XU Y Q，CHENG Y，WANG J J，et al.Spatio-temporal evolutionand influencing factors of carbon emission efficiency in lowcarbon city of China［J］.Journal of natural resources，2022，37（5）：1261-1276（ in Chinese with English abstract）.

［39］ 黃漢志，賈俊松，張振旭. 江西縣域土地利用變化碳排放時(shí)空演變及其影響因素［J］. 生態(tài)學(xué)報(bào)，2023，43（20）：8390-8403.HUANG H Z，JIA J S，ZHANG Z X. Spatiotemporal patternevolution and influencing factors of land-use carbon emissionsin counties，Jiangxi Province［J］.Acta ecologica sinica，2023，43（20）：8390-8403（ in Chinese with English abstract）.

［40］ 李菁菁，李安琦. 城市低碳發(fā)展模式研究：以濟(jì)寧市為例［J］.環(huán)境保護(hù)科學(xué)，2021，47（2）：56-61.LI J J，LI A Q.Study onthe development mode of a low carbon city：taking Jining as anexample［J］.Environmental protection science，2021，47（2）：56-61（in Chinese with English abstract）.

［41］ 徐嵐，趙羿. 利用馬爾柯夫過程預(yù)測東陵區(qū)土地利用格局的變化［J］. 應(yīng)用生態(tài)學(xué)報(bào)，1993，4（3）：272-277.XU L，ZHAO Y.Forecast of land use pattern change in Dongling district ofShenyang：an application of Markov process［J］.Chinese journalof applied ecology，1993，4（3）：272-277 （in Chinese with Englishabstract）.

［42］ 江艇. 因果推斷經(jīng)驗(yàn)研究中的中介效應(yīng)與調(diào)節(jié)效應(yīng)［J］. 中國工業(yè)經(jīng)濟(jì)，2022（5）：100-120.JIANG T.Mediating effects andmoderating effects in causal inference［J］.China industrial economics，2022（5）：100-120（ in Chinese with English abstract）.

［43］ XIA C Y，LI Y，XU T B，et al.Analyzing spatial patterns of urbancarbon metabolism and its response to change of urban size：a case of the Yangtze River Delta，China［J］.Ecological indicators，2019，104：615-625.

［44］ 張洪振，任天馳，楊汭華. 村兩委“一肩挑” 治理模式與村級(jí)集體經(jīng)濟(jì)：助推器或絆腳石？［J］. 浙江社會(huì)科學(xué)，2022（3）：77-88.ZHANG H Z，REN T C，YANG R H. The “one shouldermulti-task” governance model and the village-level collectiveeconomy：roll booster or stumbling block［J］.Zhejiang social sciences，2022（3）：77-88（ in Chinese with English abstract）.

［45］ 陳強(qiáng)遠(yuǎn)，林思彤，張醒. 中國技術(shù)創(chuàng)新激勵(lì)政策：激勵(lì)了數(shù)量還是質(zhì)量［J］. 中國工業(yè)經(jīng)濟(jì)，2020（4）：79-96.CHEN Q Y，LINS T，ZHANG X. The effect of China’s incentive policies fortechnological innovation：incentivizing quantity or quality［J］.China industrial economics，2020（4）：79-96 （in Chinese withEnglish abstract）.

（責(zé)任編輯：張志鈺）