-
大量碳排放是导致全球气候变化的重要因素之一。据国际能源署 (IEA) 公布,中国是世界第一大碳排放国,且2019年二氧化碳排放量达到98.09×108 t,碳减排形势严峻。为此,我国2020年9月明确提出力争实现“2030年碳达峰、2060年碳中和”双碳目标。之后,2022年8月,科技部、国家发展改革委、工业和信息化部等9部门协同印发《科技支撑碳达峰碳中和实施方案 (2022—2030年) 》。我国碳排放问题受到空前重视。
为帮助政府更加精准的制定碳减排政策,学者们对碳排放的影响机制进行了大量研究,有从政策影响如地区创新[1]、碳交易试点[2]等政策分析其对碳排放的影响,也有学者分析了环境规制[3]、产业结构[4]、数字经济[5]、绿色金融[6]、城镇化[7]对碳排放的影响及机制。鲜有学者基于绿色科技、能源消耗的考虑分析土地利用变化对碳排放的影响,那么,土地利用变化是否影响碳排放?如何影响碳排放?能源消耗和绿色科技在其中发挥怎么样的作用?为了回答上述问题,需要从能源消耗中介效应与绿色科技调节效应的新视角下探究地区土地利用变化对碳排放的影响,以此提出相应的土地利用碳减排对策,为地区绿色低碳发展提供路径指引。
基于此,本研究先从理论上阐释土地利用变化、能源消耗及绿色科技如何影响碳排放的作用逻辑,并提出相应的研究假设;之后利用新疆塔里木河流域内5个地州2000—2020年数据构建中介效应模型进行实证分析,探究土地利用变化、能源消耗和碳排放之间的关联与影响机制,再构建有调节的中介效应模型检验绿色科技的调节作用;最后,根据研究结论为塔河流域土地低碳利用、绿色发展提出实现路径。
新疆塔里木河流域土地利用变化对碳排放的影响:考虑能源消耗中介效应和绿色科技调节效应
Impacts of land use change on carbon emissions in the Tarim River Basin of Xinjiang: considering the mediating effect of energy consumption and the regulatory effect of green technology
-
摘要: 深入研究土地利用变化对碳排放的影响对于地区管控土地利用、制定碳减排政策意义深远。以新疆塔里木河流域内5地州2000—2020年土地利用变化为出发点,系统阐述土地利用变化、能源消耗与绿色科技对碳排放的影响机理,将土地利用变化作为核心解释变量,以能源消耗为中介变量和绿色科技为调节变量,实证检验塔里木河流域土地利用变化影响碳排放的路径。结果表明:研究期内塔河流域生态用地减少7 933 km2,建设用地增加1 370 km2,因其面积变化产生的碳排放效应分别为13.58×104、1 327.71×104 tC·a−1;基于模型发现生态用地增加对碳排放有抑制作用,建设用地增加对碳排放有促进作用,且后者影响程度大于前者;能源消耗在建设用地影响碳排放过程中起中介作用,其中介效应大于建设用地直接效应;绿色科技有降低能源消耗中介效应的调节作用。应构建土地—城市—科技—能源四元协同碳减排机制以促进地区土地利用低碳发展。Abstract: Thoroughly researching the influence of land use changes on carbon emissions bears significant implications for regional land use management and the development of carbon emission reduction policies. Commencing with the land use change in five prefectures within the Xinjiang Tarim River Basin from 2000 to 2020, this paper systematically elucidated the mechanistic influence of land use change, energy consumption, and green technology on carbon emissions. Taking land use change as the core explanatory variable, energy consumption as the mediating variable and green technology as the moderating variable, this paper empirically tested the path of land use change affecting carbon emissions in the Tarim River Basin. The results showed that during the research period, the ecological land in the Tarim River Basin decreased by 7 933 km2, and the carbon emission effect was 135 800 tC·a−1; the construction land increased by 1 370 km2, and the carbon emission effect was 13 277 100 tC·a−1; Based on a model analysis, it was found that the increase of ecological land had an inhibitory effect on carbon emissions, and the increase of construction land had a promoting effect on carbon emissions, and the latter had a greater impact than the former. Energy consumption serves as an intermediary in the process through which construction land influenced carbon emissions, and its intermediary effect was greater than the direct effect of construction land. Green technology had a moderating effect on reducing the mediating effect of energy consumption. To promote low-carbon development in regional land use, a four-element collaborative carbon emission reduction mechanism encompassing land, urban, technology, and energy should be established.
-
Key words:
- land use /
- carbon emissions /
- energy consumption /
- green technology /
- Tarim River Basin
-
表 1 土地碳排放系数表
Table 1. Carbon emission coefficient list of land
土地类型 碳排放系数/
(kg·m−2·a−1)土地类型 碳排放系数/
(kg·m−2·a−1)耕地 0.042 2 林地 −0.067 4 草地 −0.002 1 水域 −0.025 3 未利用地 −0.000 5 表 2 能源系数表
Table 2. Coefficient list of Energy
能源类型 折标准煤系数 碳排放系数 能源类型 折标准煤系数 碳排放系数 原煤 0.714 0 tce·t−1 0.755 9 t·tce−1 汽油 1.471 4 tce·t−1 0.553 8 t·tce−1 焦炭 0.971 4 tce·t−1 0.855 0 t·tce−1 柴油 1.457 1 tce·t−1 0.592 1 t·tce−1 液化石油气 1.714 3 tce·t−1 0.504 2 t·tce−1 天然气 1.214 3 kgce·m−3 0.448 3 kg·kgce−1 原油 1.482 6 tce·t−1 0.593 0 t·tce−1 电力 0.122 9 kgce·kw−1·h−1 0.213 2 kg·kgce−1 表 3 主要变量相关分析
Table 3. Correlation analysis of main variables
变量 C 耕地 林地 草地 水域 建设用地 未利用地 生态用地 C 1 耕地 0.347* 1 林地 −0.514** −0.401 1 草地 −0.356* −0.262 0.449* 1 水域 −0.308* −0.372 0.195 0.638** 1 建设用地 0.782*** 0.786** −0.393 0.174 −0.025 1 未利用地 0.095 −0.269 0.231 0.660** 0.693** 0.277 1 生态用地 −0.403* −0.320 0.497* 0.809** 0.726** −0.205 0.861** 1 注:***、**、*分别表示在1%、5%和10%的水平上显著。 表 4 塔里木河流域生态用地、建设用地变化及其碳排放效应
Table 4. Changes of ecological land and construction land in Tarim River Basin and their carbon emission effects
年份 林地 草地 水域 生态用地合计 建设用地 面积变化/
(km2)碳排放效应/
(×104 tC·a−1)面积变化/
(km2)碳排放效应/
(×104 tC·a−1)面积变化/
(km2)碳排放效应/
(×104 tC·a−1)面积变化/
(km2)碳排放效应/
(×104 tC·a−1)面积变化/
(km2)碳排放效应/
(×104 tC·a−1)2000—2005 −197 +1.33 −648 +0.14 −164 +0.41 −1009 +1.88 +135 +57.89 2005—2010 −242 +1.63 −1322 +0.28 −269 +0.68 −1833 +2.59 +127 +75.59 2010—2015 −426 +2.87 −1314 +0.28 −844 +2.14 −2584 +5.28 +536 +463.97 2015—2020 −65 +0.44 −1202 +0.25 −1240 +3.14 −2507 +3.83 +572 +554.34 2000—2020 −930 +6.27 −4486 +0.94 −2517 +6.37 −7933 +13.58 +1370 +1327.71 注:建设用地面积变化碳排放效应=间接碳排放量×(建设用地面积变化/建设用地总面积) 。 表 5 回归结果
Table 5. Regression results
变量 回归(2) 回归(3) 回归(4) 回归(5) el −0.210** (−1.462) — −0.202* (−2.879) −0.189* (−2.510) cl 0.761*** (4.540) 0.680*** (3.327) 0.218* (3.147) 0.221* (2.924) EU — — 0.794*** (8.372) 0.791*** (8.296) IS 0.103* (0.865) 0.192* (1.014) 0.033 (0.773) 0.033 (0.738) FR 0.054 (0.513) 0.153* (0.902) 0.029 (0.724) 0.043 (0.895) SR 0.366*** (2.376) 0.208* (1.145) 0.048* (0.928) 0.051* (0.963) FI 0.119* (−0.981) 0.130* (0.758) 0.046* (0.916) 0.059* (1.172) TI — — — −0.084* (−1.531) EU*TI — — — −0.096* (−1.683) F (P) 17.793 (0) 12.906 (0) 28.426 (0) 19.402 (0) adj-R2 0.828 0.727 0.981 0.993 注:①***、**、*分别表示在1%、5%和10%的水平上显著;② () 内为t值。 表 6 稳定性检验
Table 6. Stability test
变量 一、替换变量的估计结果 二、滞后一期数据的估计结果 回归 (2-1) 回归 (3-1) 回归 (4-1) 回归 (5-1) 回归 (2-2) 回归 (3-2) 回归 (4-2) 回归 (5-2) el −0.311** (−0.665) — −0.219* (−1.522) −0.180* (−2.324) −0.276** (−1.217) — −0.221* (−8.877) −0.208* (−8.472) cl 0.687*** (1.274) 0.626*** (1.689) 0.125* (0.887) 0.103* (1.149) 0.681*** (2.861) 0.612*** (2.814) 0.117* (5.043) 0.097* (4.348) EU — — 0.840*** (18.921) 0.864*** (9.605) — — 0.829*** (40.671) 0.847*** (22.053) TI — — — −0.123* (−1.376) — — — −0.095* (−4.095) EU*TI — — — −0.095* (−1.012) — — — −0.109* (−4.830) K 控制 控制 控制 控制 控制 控制 控制 控制 F (P) 7.842(0) 6.650(0) 199.256(0) 275.444 (0) 6.868(0) 8.097(0) 459.158(0) 472.479 (0) adj-R2 0.708 0.724 0.932 0.958 0.693 0.746 0.977 0.995 注:①***、**、*分别表示在1%、5%和10%的水平上显著;② () 内为t值。 -
[1] 郑酌基, 韩先锋, 尹玉平. 区域创新政策对碳排放的影响: 基于国家自主创新示范区的准自然实验[J]. 中国环境科学, 2023, 43(6): 3255-3264. [2] 成琼文, 杨玉婷. 碳排放权交易试点政策的碳减排效应——基于绿色技术创新和能源结构转型的中介效应[J]. 科技管理研究, 2023, 43(4): 201-210. [3] 刘文贺. 环境规制对碳排放的影响: 基于中国省级面板数据的空间计量研究[J]. 投资与创业, 2022, 33(18): 138-141. [4] ZHAO J, JIANG Q, DONG X, et al. How does industrial structure adjustment reduce CO2 emissions? Spatial and mediation effects analysis for China[J]. Energy Economics, 2022, 105: 105704. doi: 10.1016/j.eneco.2021.105704 [5] LI Z G, WANG J. The dynamic impact of digital economy on carbon emission reduction: Evidence city-level empirical data in China[J]. Journal of Cleaner Production, 2022, 351: 131570. doi: 10.1016/j.jclepro.2022.131570 [6] 杜建勇, 曹文娸. “双碳”目标下绿色金融发展对碳排放的影响研究[J]. 学习论坛, 2022(6): 114-118. [7] 齐昕, 郭薛南. 新兴经济体国家城镇化发展对碳排放影响的比较研究[J]. 生态经济, 2022, 38(3): 101-108. [8] LIAO C H, CHANG C L, SU C Y, et al. Correlation between land-use change and greenhouse gas emissions in urban areas[J]. International Journal of Environmental Science and Technology, 2013, 10: 1275-1286. doi: 10.1007/s13762-012-0155-2 [9] 李小康, 王晓鸣, 华虹. 土地利用结构变化对碳排放的影响关系及机理研究[J]. 生态经济, 2018, 34(1): 14-19. [10] 冷红, 肇禹然, 于婷婷. 小城镇土地利用变化对碳排放的影响及优化策略研究: 以浙江省长兴县为例[J]. 现代城市研究, 2022(6): 54-60+66. [11] 张苗, 吴萌. 土地利用对碳排放影响的作用机制和传导路径分析: 基于结构方程模型的实证检验[J]. 中国土地科学, 2022, 36(3): 96-103. [12] 马明义, 郑君薇, 马涛. 多维视角下新型城市化对中国二氧化碳排放影响的时空变化特征[J]. 环境科学学报, 2021, 41(6): 2474-2486. [13] 蔡苗苗, 赵明, 吴开亚. 上海市城市化水平对碳排放的影响[J]. 安徽农业大学学报, 2017, 44(1): 81-86. [14] 张雪洁, 王成新, 苗毅, 等. 基于多源数据的城市用地强度对碳排放的影响研究: 以青岛市为例[J]. 西安理工大学学报, 2022, 38(4): 451-461. [15] 白晓东. 中国建设用地与能源消费的实证研究[J]. 企业技术开发, 2014, 33(21): 169+171. [16] YANG C, ZHAO S Q. Scaling of Chinese urban CO2 emissions and multiple dimensions of city size[J]. Science of the Total Environment, 2023, 857(2): 159502. [17] 毛熙彦, 林坚, 蒙吉军. 中国建设用地增长对碳排放的影响[J]. 中国人口·资源与环境, 2011, 21(12): 34-40. [18] 王志远, 廖建军, 陈祖展, 等. 城市用地空间扩张与碳排放的相关效应研究: 以长沙市为例[J]. 南华大学学报(自然科学版), 2013, 27(2): 82-88. [19] 殷贺, 王为东, 王露, 等. 低碳技术进步如何抑制碳排放?: 来自中国的经验证据[J]. 管理现代化, 2020, 40(5): 90-94. [20] 罗朝阳, 李雪松. 产业结构升级、技术进步与中国能源效率: 基于非动态面板门槛模型的实证分析[J]. 经济问题探索, 2019(1): 159-166. [21] 徐德义, 马瑞阳, 朱永光. 技术进步能抑制中国二氧化碳排放吗?: 基于面板分位数模型的实证研究[J]. 科技管理研究, 2020, 40(16): 251-259. [22] 徐新良, 刘纪远, 张树文, 等. 中国多时期土地利用遥感监测数据集(CNLUCC)[DS]. 资源环境科学数据注册与出版系统, 2018. [23] 方精云, 郭兆迪, 朴世龙, 等. 1981—2000年中国陆地植被碳汇的估算[J]. 中国科学D辑, 2007, 37(6): 804-812. [24] 石洪昕, 穆兴民, 张应龙, 等. 四川省广元市不同土地利用类型的碳排放效应研究[J]. 水土保持通报, 2012, 32(3): 101-106. [25] 彭永涛, 李丫丫, 卢娜. 中国低碳技术创新特征——基于CPC-Y02专利数据[J]. 技术经济, 2018, 37(7): 41-46. [26] 张婕, 王凯琪, 张云. 碳排放权交易机制的减排效果——基于低碳技术创新的中介效应[J]. 软科学, 2022, 36(5): 102-108. doi: 10.13956/j.ss.1001-8409.2022.05.15 [27] 温忠麟, 叶宝娟. 中介效应分析: 方法和模型发展[J]. 心理科学进展, 2014, 22(5): 731-745. [28] BARON R M, KENNY D A. The moderator-mediator variable distinction in social psychological research: conceptual, strategic, and statistical considerations[J]. Journal of Personality and Social Psychology, 1999, 51(6): 1173. [29] 温忠麟, 田雪, 林镜涵. 中介效应的BOOTSTRAP检验方法[J]. 行为科学, 2014, 22(6): 997-1002. [30] 畅倩, 李晓平, 谢先雄, 等. 非农就业对农户生态生产行为的影响: 基于农业生产经营特征的中介效应和家庭生命周期的调节效应[J]. 中国农村观察, 2020(1): 76-93.