四川省碳排放-碳储存与碳供需比空间分布特征研究

doi:10.16258/j.cnki.1674-5906.2025.03.004

生态环境学报 ›› 2025, Vol. 34 ›› Issue (3): 368-379.DOI: 10.16258/j.cnki.1674-5906.2025.03.004

四川省碳排放-碳储存与碳供需比空间分布特征研究

周乐乐¹(), 万霞², 丁黎明²^,^*(), 魏星宇², 王建平², 陈静², 李鑫², 樊敏¹, 黎猛¹, 喻萧斌¹

1.西南科技大学环境与资源学院，四川绵阳 621010
2.四川省生态环境对外交流合作中心，四川成都 610031

收稿日期:2024-09-04 出版日期:2025-03-18 发布日期:2025-03-24
通讯作者: *丁黎明。E-mail: 46886890@qq.com
作者简介:周乐乐（2000年生），女，硕士研究生，从事区域生态系统管理与规划研究。E-mail: zll17378716769@163.com
基金资助:
国家自然科学基金项目(42271265)

Study on the Spatial Distribution Characteristics of Carbon Emission-Sequestration and Carbon Supply-demand Ratio in Sichuan Province

ZHOU Lele¹(), WAN Xia², DING Liming²^,^*(), WEI Xingyu², WANG Jianping², CHEN Jing², LI Xin², FAN Min¹, LI Meng¹, YU Xiaobin¹

1. School of Environment and Resource,Southwest University of Science and Technology, Mianyang 621010, P. R. China
2. Sichuan Ecological Environment External Exchange and Cooperation Center, Chengdu 610031, P. R. China

Received:2024-09-04 Online:2025-03-18 Published:2025-03-24

摘要/Abstract

摘要：

量化土地利用碳供需对揭示人类活动对陆地生态系统的影响机制、制定碳减排政策具有重要意义。首先采用碳排放系数法-能源系数法-InVEST模型对碳排放和碳储存分别进行定量评估，分析碳供需空间分布特征；其次采用Geoda空间自相关分析模型，分析碳排放、碳储量和碳供需比的空间集聚特征；最后基于斯皮尔曼秩相关系数法、地理加权模型分析影响碳排放、碳储量的空间分异的驱动因素。结果如下，1）四川省高碳排放中心主要集中分布于农、工业经济较发达的成都平原和四川盆地丘陵区（双流区、龙泉驿区、安岳县）；碳储量空间上呈“西高东低”，高值聚集分布于林草面积广阔的川西高原，空间溢出效应明显。2）碳供需比位于−0.951－0.818之间，全省超过75%的区（县）处于生态赤字状态。空间上呈现“西部盈余东部赤字”的特点，西部高山高原区和盆周山区地广人稀，植被资源丰富，有较高的盈余。东部成都平原区农田、城市建成地面积占比高，工业、经济发达，有严重的赤字。3）从研究全域来看，农业相关指标对碳排放的解释力度最大；碳储存与植被覆盖相关指标相关性最强。从空间局部分析结果来看，第一产业生产总值对碳排放的影响程度由西南到东北下降；此外，净初级生产力对川西、川东南部分区（县）的碳储量的正向影响更显著。

关键词: 碳排放-碳储存估算, 碳供需比, 土地利用类型, 相关性分析, 四川省

Abstract:

It is important to quantify the carbon supply (sequestration) and demand (emission) of land use to reveal the impacts of human activities on terrestrial ecosystems and formulate carbon emission reduction policies. Therefore, this study first quantified carbon emissions and carbon sequestration by integrated approaches, including carbon emission coefficient, carbon emission coefficient, and InVEST model, and further calculated the carbon supply demand ratio to analyze the spatial matching states of carbon emission-carbon sequestration. Second, the Geoda spatial autocorrelation analysis model was used to analyze the spatial agglomeration characteristics of carbon emissions, carbon sequestration, and the carbon supply-demand ratio. Finally, we analyzed how the main driving factors affected carbon emissions and sequestration in administrative units in different counties (districts). The results showed that 1) the areas with high carbon emissions in Sichuan Province were concentrated in counties (districts) of the Chengdu Plain and hilly zones of the Sichuan Basin, which were characterized by a developed agricultural and industrial economy. The high value of carbon sequestration was concentrated in counties (districts) of the Western Sichuan Plateau, where the dominant land-use types were woodland and grassland. 2) The values of the carbon supply demand ratio range from −0.951 to 0.818. More than 75% of the counties (districts) had ecological deficits, which showed the spatial characteristics of “surplus in the west and deficit in the east”. Southwest mountains regions and plateau areas have abundant vegetation resources and an ecological surplus. In contrast, the eastern Chengdu Plain areas have serious ecological deficits because of their widespread coverage by cropland, urban construction land, and a developed industrial economy. 3) From a spatial perspective, the agricultural indicator was a crucial factor affecting carbon emissions and carbon sequestration had the strongest correlation with vegetation cover conditions. From the results of the local correlation perspective, the impact of the primary industry’s GDP on carbon emissions decreased from the southwest to northeast of the study site. NPP had a significantly positive impact on carbon sequestration in the western and southeastern regions of China.

Key words: carbon emission-sequestration estimation, carbon supply-demand ratio, land use types, Correlated relationship analysis, Sichuan Province

中图分类号:

周乐乐, 万霞, 丁黎明, 魏星宇, 王建平, 陈静, 李鑫, 樊敏, 黎猛, 喻萧斌. 四川省碳排放-碳储存与碳供需比空间分布特征研究[J]. 生态环境学报, 2025, 34(3): 368-379.

ZHOU Lele, WAN Xia, DING Liming, WEI Xingyu, WANG Jianping, CHEN Jing, LI Xin, FAN Min, LI Meng, YU Xiaobin. Study on the Spatial Distribution Characteristics of Carbon Emission-Sequestration and Carbon Supply-demand Ratio in Sichuan Province[J]. Ecology and Environment, 2025, 34(3): 368-379.

图/表 12

参考文献 47

[1]	ANSELIN L, 1995. Local indicators of spatial association—LISA[J]. Geographical Analysis, 27(2): 93-115.
[2]	CASE M J, JOHNSON B G, BARTOWITZ K J, et al., 2021. Forests of the future: Climate change impacts and implications for carbon storage in the Pacific Northwest, USA[J]. Forest Ecology and Management, 482: 118886.
[3]	HAO D H, Li G Z, Wang D R, 2012. Research on carbon emissions estimation and decomposition of industry in Hebei Province[J]. Advanced Materials Research, 518: 4941-4947.
[4]	HUO T F, LI X H, CAI W G, et al., 2020. Exploring the impact of urbanization on urban building carbon emissions in China: Evidence from a provincial panel data model[J]. Sustainable Cities and Society, 56: 102068.
[5]	Intergovernmental Panel on Climate Change. 2007. IPCC Guidelines for National Greenhouse Gas Inventories 1.1 Introductions[M]. Geneva: IPCC Press: 37-39.
[6]	IPCC, 2019. Climate change and land: An IPCC special report on climate change, desertification, land degradation, sustainable land management, food security, and greenhouse gas fluxes in terrestrial ecosystems[R]. Geneva: Intergovernmental Panel on Climate Change.
[7]	JANIZADEH S, PAL S C, SAHA A, et al., 2021. Mapping the spatial and temporal variability of flood hazard affected by climate and land-use changes in the future[J]. Journal of Environmental Management, 298: 113551.
[8]	LI J Y, LI S S, 2020. Energy investment, economic growth and carbon emissions in China—Empirical analysis based on spatial Durbin model[J]. Energy Policy, 140: 111425.
[9]	LI K M, CAO J J, ADAMOWSKI J F, et al., 2021. Assessing the effects of ecological engineering on spatiotemporal dynamics of carbon storage from 2000 to 2016 in the Loess Plateau area using the InVEST model: A case study in Huining County, China[J]. Environmental Development, 39: 100641.
[10]	LIANG X Y, FAN M, XIAO Y T, et al., 2022. Temporal-spatial characteristics of energy-based carbon dioxide emissions and driving factors during 2004-2019, China[J]. Energy, 261(Part A): 124965.
[11]	MARQUARDT D W, 1970. Generalized inverses, ridge regression, biased linear estimation, and nonlinear estimation[J]. Technometrics, 12(3): 591-612.
[12]	PRIESS J A, DE KONING G H J, VELDKAMP A, 2001. Assessment of interactions between land use change and carbon and nutrient fluxes in Ecuador[J]. Agriculture, Ecosystems & Environment, 85(1-3): 269-279.
[13]	SABATER-LIESA L, GINEBREDA A, BARCEL D, 2018. Shifts of environmental and phytoplankton variables in a regulated river: A spatial-driven analysis[J]. Science of the Total Environment, 642: 968-978.
[14]	WEST T O, MARLAND G, 2002. Net carbon flux from agricultural ecosystems: Methodology for full carbon cycle analyses[J]. Environmental Pollution, 116(3): 439-444. PMID
[15]	ZHANG C Y, ZHAO L, ZHANG H T, et al., 2022. Spatial-temporal characteristics of carbon emissions from land use change in Yellow River Delta region, China[J]. Ecological Indicators, 136: 108623.
[16]	ZHANG Y Q, TANG Y H, JIANG J, et al., 2007. Characterizing the dynamics of soil organic carbon in grasslands on the Qinghai-Tibetan Plateau[J]. Science in China Series D: Earth Sciences, 50(1): 113-120.
[17]	白建军, 2014. 我国农业碳排放水平的区域差异和影响因素分析[D]. 无锡: 江南大学.
	BAI J J, 2014. Analysis of Regional Difference and Affecting Factors of China’s Agricultural Carbon Emission Level[D]. Wuxi: Jiangnan University.
[18]	陈军华, 李乔楚, 2021. 成渝双城经济圈建设背景下四川省能源消费碳排放影响因素研究——基于LMDI模型视角[J]. 生态经济, 37(12): 30-36.
	CHEN J H, LI Q C, 2021. Research on the influencing factors of energy consumption carbon emission in Sichuan province under the background of the construction of Chengdu-Chongqing double city economic circle from the perspective of LMDI method[J]. Ecological Economy, 37(12): 30-36.
[19]	邓吉祥, 刘晓, 王铮, 2014. 中国碳排放的区域差异及演变特征分析与因素分解[J]. 自然资源学报, 29(2): 189-200. DOI
	DENG J X, LIU X, WANG Z, 2014. Characteristics analysis and factor decomposition based on the regional difference changes in China’s CO₂ emission[J]. Journal of Natural Resources, 29(2): 189-200.
[20]	范大莎, 杨旭, 吴相利, 等, 2017. 东北三省农田生态系统碳排放时空分异特征及驱动因素研究[J]. 环境科学学报, 37(7): 2797-2804.
	FAN D S, YANG X, WU X L, et al., 2017. Spatial-temporal differentiation of agro-ecosystem carbon emissions in northeast China and its driving factors[J]. Acta Scientiae Circumstantiae, 37(7): 2797-2804.
[21]	方林, 李灿锋, 李浩杰, 等, 2022. 长江经济带土地利用碳排放时空效应及驱动力[J]. 草业科学, 39(12): 2539-2553.
	FANG L, LI C F, LI H J, et al., 2022. Analysis of the spatiotemporal effects and driving factors of land use carbon emissions in the Yangtze River Economic Belt[J]. Pratacultural Science, 39(12): 2539-2553.
[22]	郝蕾, 翟涌光, 戚文超, 等, 2023. 2001-2020年内蒙古植被碳源/碳汇时空动态及对气候因子的响应[J]. 生态环境学报, 32(5): 825-834. DOI
	HAO L, ZHAI Y G, QI W C, et al., 2023. Spatial-temporal dynamics of vegetation carbon sources/sinks in Inner Mongolia from 2001 to 2020 and its response to climate change[J]. Ecology and Environmental Sciences, 32(5): 825-834.
[23]	黄汉志, 贾俊松, 刘淑婷, 等, 2023. 2000-2020年长江经济带碳汇时空演变及影响因素分析[J]. 环境科学研究, 36(8): 1564-1576.
	HUANG H Z, JIA J S, LIU S T, et al., 2023. Analysis of Spatial-Temporal Evolution and Influencing Factors of Carbon Sinksin Yangtze River Economic Belt from 2000 to 2020[J]. Research of Environmental Sciences, 36(8): 1564-1576.
[24]	解宪丽, 孙波, 周慧珍, 等, 2004. 中国土壤有机碳密度和储量的估算与空间分布分析[J]. 土壤学报, 41(1): 35-43.
	XIE X L, SUN B, ZHOU H Z, et al., 2004. Organic carbon density and storage in soils of China and spatial analysis[J]. Acta Pedologica Sinica, 41(1): 35-43.
[25]	靳珍, 赵璟, 2024. 西部地区城市群空间结构调整的经济增长效应: 基于动态空间计量模型的检验[J]. 西部经济管理论坛, 35(4): 38-53, 96.
	JIN Z, ZHAO J, 2024. The economic growth effect of the adjustment of urban agglomeration spatial structure in western China: A test based on dynamic spatial econometric model[J]. West Forum on Economy and Management, 35(4): 38-53, 96.
[26]	柯钦华, 周俏薇, 庄宝怡, 等, 2024. 基于生态系统服务供需平衡的粤港澳大湾区生态安全格局构建[J]. 生态学报, 44(5): 1765-1779.
	KE Q H, ZHOU Q W, ZHUANG B Y, et al., 2024. Construction of ecological security pattern in Guangdong-Hong Kong-Macao Greater Bay Area based on the balance of ecosystem services supply and demand[J]. Acta Ecologica Sinica, 44(5): 1765-1779.
[27]	赖力, 2010. 中国土地利用的碳排放效应研究[D]. 南京: 南京大学.
	LAI L, 2010. Carbon emission effect of land use in China[D]. Nanjing: Nanjing University.
[28]	李国志, 李宗植, 2010. 中国二氧化碳排放的区域差异和影响因素研究[J]. 中国人口∙资源与环境, 20(5): 22-27.
	LI G Z, LI Z Z, 2010. Regional difference and influence factors of China’s carbon dioxide emissions[J]. China Population, Resources and Environment, 20(5): 22-27.
[29]	李建豹, 张彩莉, 陈红梅, 等, 2024. 盐城市县域碳汇时空特征及其影响因素[J/OL]. 环境科学, 1-15 [2024-11-20]. https://doi.org/10.13227/j.hjkx.202404023.
	LI J B, ZHANG C L, CHEN H M, et al., 2024. Spatiotemporal Characteristics and Influencing Factors of Carbon Sinks at the County Level in Yancheng Cities[J/OL]. Environmental Science, 1-15 [2024-11-20]. https://doi.org/10.13227/j.hjkx.202404023.
[30]	李若玮, 叶冲冲, 王毅, 等, 2021. 基于InVEST模型的青藏高原碳储量估算及其驱动力分析[J]. 草地学报, 29(S1): 43-51. DOI
	LI R W, YE C C, WANG Y, et al., 2021. Carbon storage estimation and its drivering force analysis based on InVEST model in the Tibetan Plateau[J]. Acta Agrestia Sinica, 29(S1): 43-51.
[31]	李裕元, 邵明安, 郑纪勇, 等, 2007. 黄土高原北部草地的恢复与重建对土壤有机碳的影响[J]. 生态学报, 27(6): 2279-2287.
	LI Y Y, SHAO M A, ZHENG J Y, et al., 2007. Impact of grassland recovery and reconstruction on soil organic carbon in the northern Loess Plateau[J]. Acta Ecologica Sinica, 27(6): 2279-2287.
[32]	刘洋, 张军, 周冬梅, 等, 2021. 基于InVEST模型的疏勒河流域碳储量时空变化研究[J]. 生态学报, 41(10): 4052-4065.
	LIU Y, ZHANG J, ZHOU D M, et al., 2021. Temporal and spatial variation of carbon storage in the Shule River Basin based on InVEST model[J]. Acta Ecologica Sinica, 41(10): 4052-4065.
[33]	罗怀良, 2014. 中国农田作物植被碳储量研究进展[J]. 生态环境学报, 23(4): 692-697.
	LUO H L, 2014. Advances on carbon storage in crops of China[J]. Ecology and Environmental Sciences, 23(4): 692-697.
[34]	邱子健, 靳红梅, 高南, 等, 2022. 江苏省农业碳排放时序特征与趋势预测[J]. 农业环境科学学报, 41(3): 658-669.
	QIU Z J, JIN H M, GAO N, et al., 2021. Temporal characteristics and trend prediction of agricultural carbon emission in Jiangsu Province, China[J]. Journal of Agro-Environment Science, 41(3): 658-669.
[35]	孙美荣, 张维诚, 2021. 森林生态学研究进展-气候变化下的森林碳水耦合[J]. 林业和草原机械, 2(6): 38-41, 26.
	SUN M R, ZHANG W C, 2021. Advances in forest ecology: Forest carbon-water coupling under climate change[J]. Forestry and Grassland Machinery, 2(6): 38-41, 26.
[36]	王成武, 罗俊杰, 唐鸿湖, 2023. 基于InVEST模型的太行山沿线地区生态系统碳储量时空分异驱动力分析[J]. 生态环境学报, 32(2): 215-225. DOI
	WANG C W, LUO J J, TANG H H, 2023. Analysis on the driving force of spatial and temporal differentiation of carbon storage in the Taihang Mountains Based on InVEST model[J]. Ecology and Environmental Sciences, 32(2): 215-225.
[37]	王雅楠, 赵涛, 2016. 基于GWR模型中国碳排放空间差异研究[J]. 中国人口∙资源与环境, 26(2): 27-34.
	WANG Y N, ZHAO T, 2016. Study on spatial difference of carbon emissions in China based on GWR model[J]. China Population, Resources and Environment, 26(2): 27-34.
[38]	文雯, 周宝同, 汪亚峰, 等, 2015. 黄土高原羊圈沟小流域土地利用时空变化的土壤有机碳效应[J]. 生态学报, 35(18): 6060-6069.
	WEN W, ZHOU B T, WANG Y F, et al., 2015. Effects of spatio-temporal changes of land-use on soil organic carbon in Yangjuangou watershed in Loess Plateau, China[J]. Acta Ecologica Sinica, 35(18): 6060-6069.
[39]	伍芬琳, 李琳, 张海林, 等, 2007. 保护性耕作对农田生态系统净碳释放量的影响[J]. 生态学杂志 (12): 2035-2039.
	WU F L, LI L, ZHANG H L, et al., 2007. Impact of conservation tillage on net carbon emissions in farmland ecosystems[J]. Chinese Journal of Ecology (12): 2035-2039.
[40]	吴胜义, 王飞, 徐干君, 等, 2022. 川西北高山峡谷区森林碳储量及空间分布研究——以四川洛须自然保护区为例[J]. 生态环境学报, 31(9): 1735-1744. DOI
	WU S Y, WANG F, XU G J F, et al., 2022. Study on forest carbon storage and spatial distribution in the alpine gorge region of northwest Sichuan: Take Sichuan Luoxu Nature Reserve as an example[J]. Ecology and Environmental Sciences, 31(9): 1735-1744.
[41]	阎晓, 2019. 西南地区农业碳排放的时空特征及影响因素[J]. 广东蚕业, 53(9): 32-36.
	YAN X, 2019. Spatiotemporal characteristics and influencing factors of agricultural carbon emissions in southwest China[J]. Guangdong Sericulture, 53(9): 32-36.
[42]	杨庆媛, 2010. 土地利用变化与碳循环[J]. 中国土地科学, 24(10): 7-12.
	YANG Q Y, 2010. Land use changes and the carbon cycling[J]. China Land Science, 24(10): 7-12.
[43]	义欣, 张正勇, 刘琳, 等, 2024. 聚类分析视角下的中国省域碳排放时空格局及驱动因素分析[J]. 生态学报, 44(11): 4558-4573.
	YI X, ZHANG Z Y, LIU L, et al., 2024. Spatiotemporal pattern and driving factors of carbon emissions in Chinese provinces from the perspective of cluster analysis[J]. Acta Ecologica Sinica, 44(11): 4558-4573.
[44]	张凯琪, 陈建军, 侯建坤, 等, 2022. 耦合InVEST与GeoSOS-FLUS模型的桂林市碳储量可持续发展研究[J]. 中国环境科学, 42(6): 2799-2809.
	ZHANG K Q, CHEN J J, HOU J K, et al., 2022. Study on sustainable development of carbon storage in Guilin coupled with InVEST and GeoSOS-FLUS model[J]. China Environmental Science, 42(6): 2799-2809.
[45]	张万刚, 2023. 气候变化对祁连山冻土区碳过程的影响及其生态环境效应[J]. 农业灾害研究, 13(8): 34-36.
	ZHANG W G, 2023. Impact of climate change on carbon process and its ecological environment effect in Qilian Mountains permafrost region[J]. Journal of Agricultural Catastrophology, 13(8): 34-36.
[46]	张秀, 张璇, 崔磊, 等, 2024. 金沙江中游水电开发区生态系统服务综合功能时空变化与归因[J/OL]. 环境科学, 1-21 [2024-11-20]. https://doi.org/10.13227/j.hjkx.202402105.
	ZHANG X, ZHANG X, CUI L, et al., 2024. Comprehensive ecosystem service changes and their drivers in the middle reaches of Jinsha River[J/OL]. Environmental Science, 1-21 [2024-11-20]. https://doi.org/10.13227/j.hjkx.202402105.
[47]	智静, 高吉喜, 2009. 中国城乡居民食品消费碳排放对比分析[J]. 地理科学进展, 28(3): 429-434.
	ZHI J, GAO J X, 2009. Analysis of carbon emission caused by food consumption in urban and rural inhabitants in China[J]. Progress in Geography, 28(3): 429-434. DOI

数据类型	数据来源	数据信息
四川省土地利用数据及行政边界	中国科学院地理科学与资源研究网站（http://www.resdc.cn/）	市(州)、区(县)边界四川省2023年土地利用数据
估算四川省第一产业碳排放	《四川统计年鉴》（2023）	化肥、农药、农膜等使用量；玉米、水稻、大豆和稻田的种植面积；马、羊、驴、骡等头数
估算四川省第二、三产业碳排放	《四川统计年鉴》（2023）	第二、三产业的终端能源消耗量，包括原煤、燃料油、洗煤、柴油、原油、汽油、煤油、焦炭、液化石油气、天然气
影响碳排放的社会经济驱动因素	《四川统计年鉴》（2023）	人口、GDP、城镇化率、人口密度、第一产业GDP、第二产业GDP、第三产业GDP、化肥施用量、农村用电量等
影响碳储存的自然驱动因素	气温: 国家青藏高原科学数据中心（https://data.tpdc.ac.cn）降水量: 国家地球系统科学数据中心（http://www.geodata.cn）坡度: 国家地理空间数据云（http://www.gscloud.cn） NPP、NDVI: 中国科学院资源环境科学数据中心（https://www.resdc.cn）	气温、降水量、坡度、归一化差异植被指数、净初级生产力

数据类型	数据来源	数据信息
四川省土地利用数据及行政边界	中国科学院地理科学与资源研究网站（http://www.resdc.cn/）	市(州)、区(县)边界四川省2023年土地利用数据
估算四川省第一产业碳排放	《四川统计年鉴》（2023）	化肥、农药、农膜等使用量；玉米、水稻、大豆和稻田的种植面积；马、羊、驴、骡等头数
估算四川省第二、三产业碳排放	《四川统计年鉴》（2023）	第二、三产业的终端能源消耗量，包括原煤、燃料油、洗煤、柴油、原油、汽油、煤油、焦炭、液化石油气、天然气
影响碳排放的社会经济驱动因素	《四川统计年鉴》（2023）	人口、GDP、城镇化率、人口密度、第一产业GDP、第二产业GDP、第三产业GDP、化肥施用量、农村用电量等
影响碳储存的自然驱动因素	气温: 国家青藏高原科学数据中心（https://data.tpdc.ac.cn）降水量: 国家地球系统科学数据中心（http://www.geodata.cn）坡度: 国家地理空间数据云（http://www.gscloud.cn） NPP、NDVI: 中国科学院资源环境科学数据中心（https://www.resdc.cn）	气温、降水量、坡度、归一化差异植被指数、净初级生产力

类别	碳源因子	α_I_,_i	单位	参考来源
农用物资与农地利用碳排放	柴油	0.593	kg∙kg⁻¹	IPCC，2007
	农药	4.934	kg∙kg⁻¹	智静等，2009
	农膜	5.180	kg∙kg⁻¹	伍芬琳等，2007
	化肥	0.896	kg∙kg⁻¹	West et al.，2002
	灌溉	266.480	kg∙hm⁻²	West et al.，2002
农作物种植碳排放	玉米土壤 N₂O排放	458.976	kg∙hm⁻²	白建军，2014；邱子健等，2022； IPCC，2019
	大豆土壤 N₂O排放	139.578
	稻田CH₄排放	5.667
	水稻土壤 N₂0排放	43.508
牲畜养殖碳排放	马	133.945	kg∙(头∙年)⁻¹
	驴、骡	74.338
	山羊	35.259
	绵羊	35.123

类别	碳源因子	α_I_,_i	单位	参考来源
农用物资与农地利用碳排放	柴油	0.593	kg∙kg⁻¹	IPCC，2007
	农药	4.934	kg∙kg⁻¹	智静等，2009
	农膜	5.180	kg∙kg⁻¹	伍芬琳等，2007
	化肥	0.896	kg∙kg⁻¹	West et al.，2002
	灌溉	266.480	kg∙hm⁻²	West et al.，2002
农作物种植碳排放	玉米土壤 N₂O排放	458.976	kg∙hm⁻²	白建军，2014；邱子健等，2022； IPCC，2019
	大豆土壤 N₂O排放	139.578
	稻田CH₄排放	5.667
	水稻土壤 N₂0排放	43.508
牲畜养殖碳排放	马	133.945	kg∙(头∙年)⁻¹
	驴、骡	74.338
	山羊	35.259
	绵羊	35.123

能源类型	碳排放系数（α_i）	能源折标煤系数（η_i）
煤	0.748 t∙t⁻¹	0.714 kg∙kg⁻¹
焦炭	0.113 t∙t⁻¹	0.971 kg∙kg⁻¹
原油	0.585 t∙t⁻¹	1.429 kg∙kg⁻¹
燃油	0.618 t∙t⁻¹	1.429 kg∙kg⁻¹
汽油	0.553 t∙t⁻¹	1.471 kg∙kg⁻¹
煤油	0.342 t∙t⁻¹	1.471 kg∙kg⁻¹
柴油	0.591 t∙t⁻¹	1.457 kg∙kg⁻¹
天然气	0.448 t∙t⁻¹	13.30 t∙10⁻⁴ m³
电	2.213 t∙t⁻¹	1.230 t∙10⁻⁴ kWh

四川省碳排放-碳储存与碳供需比空间分布特征研究

Study on the Spatial Distribution Characteristics of Carbon Emission-Sequestration and Carbon Supply-demand Ratio in Sichuan Province

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 12

参考文献 47

相关文章 14

编辑推荐

Metrics

本文评价

土地利用类型	S_k_,_a	S_k_,_b	S_k_,_d	S_k_,_s	参考文献
耕地	2.75	0	12.04	0	罗怀良,2014；文雯等,2015
林地	29.1	19.41	32.1	2.82	罗怀良,2014
草地	11.61	7.74	14.25	0.68	张秀等,2024
水域	0	0	2.5	0	解宪丽等,2004
建设用地	0	0	8.8	0	Li et al.,2021
未利用地	2.63	1.75	7.52	0	李裕元等,2007

	变量	英文缩写	单位
影响碳排放的社会经济驱动因素	人口	POP	万人
	城镇化率	UR	‒
	人口密度	PD	‒
	国内生产总值	GDP	亿元
	第一产业生产总值	PI	亿元
	第一产业在总GDP中的占比	P_PI	‒
	第二产业生产总值	SI	亿元
	第二产业在总GDP中的占比	P_SI	‒
	第三产业生产总值	TI	亿元
	第三产业在总GDP中的占比	P_TI	‒
	化肥施用量	FAR	10⁴ t
	农村用电量	REC	亿千瓦时
	耕地灌溉面积	CIA	10³ km²
影响碳储存的自然驱动因素	气温	Tem	℃
	降水量	Pre	mm
	坡度	Slope	m
	归一化差异植被指数	NDVI	‒
	净初级生产力	NPP	g∙m⁻²

[1]	申佳龙, 吴栎宏, 李林霜, 周远芳, 杨孝民. 典型喀斯特山地小流域土地利用类型对土壤有机碳组分及其固碳效应的影响[J]. 生态环境学报, 2025, 34(3): 358-367.
[2]	张宝东, 王彪, 吴艳兰, 孟玉, 徐升, 钱贞兵, 秦军. 安徽省农村黑臭水体特征分析及识别[J]. 生态环境学报, 2024, 33(8): 1257-1268.
[3]	唐舒娅, 王春辉, 宋靖, 李刚. 环象山港区域土壤重金属污染特征及风险评估[J]. 生态环境学报, 2024, 33(11): 1768-1781.
[4]	刘紫薇, 葛继稳, 王月环, 杨诗雨, 姚东, 谢金林. 大九湖泥炭湿地甲烷通量变异特征及影响因素[J]. 生态环境学报, 2023, 32(4): 706-714.
[5]	王铁铮, 瞿心悦, 刘春香, 李有志. 东江湖水质时空变化规律及其与流域土地利用的关系[J]. 生态环境学报, 2023, 32(4): 722-732.
[6]	李文菁, 黄月群, 黄亮亮, 李向通, 苏琼源, 孙扬言. 北部湾海洋鱼类微塑料污染特征及其风险评估[J]. 生态环境学报, 2023, 32(11): 1913-1921.
[7]	孙建波, 畅文军, 李文彬, 张世清, 李春强, 彭明. 香蕉不同生育期根际微生物生物量及土壤酶活的变化研究[J]. 生态环境学报, 2022, 31(6): 1169-1174.
[8]	陈金凤, 余世钦, 符加方, 徐国良, 于波, 赖晓群, 胡思源, 张开渠, 刘家华. 华南红层地貌区不同利用方式土壤质量特征及其影响因素——以南雄盆地为例[J]. 生态环境学报, 2022, 31(5): 918-930.
[9]	杨贤房, 陈朝, 郑林, 万智巍, 陈永林, 王远东. 稀土矿区不同土地利用类型土壤细菌群落特征及网络分析[J]. 生态环境学报, 2022, 31(4): 793-801.
[10]	何瑞, 蒋然, 杨芳, 张心凤, 林键銮, 朱小平, 彭松耀. 茂名近岸海域中、小型浮游动物群落特征及其与环境因子的关系[J]. 生态环境学报, 2022, 31(1): 142-150.
[11]	袁伟皓, 王华, 夏玉宝, 曾一川, 邓燕青, 李媛媛, 张心悦. 基于GAM模型的鄱阳湖叶绿素a与水质因子相关性分析[J]. 生态环境学报, 2021, 30(8): 1716-1723.
[12]	王宇姝, 盛海彦, 罗莎莎, 胡月明, 余玲玲. 环青海湖4种生境土壤中原核微生物群落结构及分子网络特征[J]. 生态环境学报, 2021, 30(7): 1393-1403.
[13]	邓慧颖, 陈立新, 余永江, 王宏. 武夷山市臭氧分布特征及其与气象要素关系分析[J]. 生态环境学报, 2021, 30(7): 1428-1435.
[14]	马炳鑫, 靖娟利, 徐勇, 何宏昌, 刘兵. 2000—2019年滇黔桂岩溶区植被NPP时空变化及与气候变化的关系研究[J]. 生态环境学报, 2021, 30(12): 2285-2293.