0.   引言

【研究意义】随着温室效应引起的全球变暖、极端天气等环境问题的日益严峻，控制和减少碳排放是世界各国促进生态平衡和实现经济可持续发展的重要举措^[1]。《“十四五”规划和2035年远景目标纲要》提出要积极应对气候变化，加快推动绿色低碳发展，并制定2030年前碳排放达峰行动方案，采取更加强有力的措施和政策，努力争取到2060年实现碳中和。而广东省作为连续32年领跑全国GDP总量的第一经济大省和碳排放大省，以“牺牲”环境来发展经济的方式导致经济发展与环境保护矛盾日益尖锐，在经济新常态的背景下，如何在保持经济快速增长的同时走低碳发展道路，是目前广东省碳减排工作面临的巨大挑战。在此背景下，探究广东省土地利用碳排放的影响因素及其影响方向与程度，对广东省制定科学碳减排措施具有重要的现实意义。【前人研究进展】已有研究表明，土地利用变化改变了地表覆被成为造成温室气体排放的重要来源之一^[2]，在过去几十年，大气中约有45%的二氧化碳排放来源于化石燃料和土地利用变化^[3]。因此，对土地利用碳排放相关研究成为了热点话题。国外有关土地利用碳排放的研究要早于我国，研究主要集中在土地利用碳排放机理及其核算方面^[4-7]。而国内土地利用碳排放起步较晚，主要集中在土地利用碳排放核算及效应研究^[8-10]；土地利用碳排放影响因素研究^[11-13]；经济发展与土地利用碳排放关系研究^[14-15]等方面。这些研究大多数是在不同土地利用方式碳排放核算结果的基础上进一步的深化和拓展。影响因素研究方法多基于KAYA恒等式，或者改进KAYA恒等式进行因素分解，常用的分解模型有LMDI模型和STIRPAT模型^[16-17]。还有学者利用向量自回归模型( VAR)探究经济发展、能源消费、技术进步等因子对碳排放的影响^[18-22]，为环境领域影响因素研究方法提供了新思路。国内外相关文献资料丰富且各具特色，总体上呈现研究尺度多元化、研究方法模型多样化等特点。【本研究切入点】目前基于VAR模型研究多集中在能源消费碳排放领域，且对碳排放的影响集中某些特定因素^[15]，同时对广东省土地利用碳排放研究多集中在土地利用碳排放特征及其空间分异^[21-22]、经济发展与碳排放脱钩关系^[23]，对广东省土地利用碳排放影响因素选取不够全面。利用VAR模型多维度分析广东省土地利用碳排放影响程度及方向，能更全面地呈现广东省土地利用碳排放影响因素，为广东省科学制定土地利用碳减排政策提供一些参考。【拟解决的关键问题】基于现有研究基础上，本研究通过构建VAR模型，综合分析广东省土地利用碳排放与影响因素之间的关系，探究其影响程度及方向，以期为广东省碳排放管理提供科学依据。

1.   研究方法和指标选取

1.1   研究方法

（1）土地利用碳排放测算

包括直接碳排放和间接碳排放测算。本文的直接碳排放主要是指耕地、园地、林地、草地的碳排放。根据以往的研究成果^[10,24]，碳排放系数分别为：0.422 tC·hm⁻²、0.21 tC·hm⁻²、−0.644 tC·hm⁻²、−0.022 tC·hm⁻² ，负值代表碳吸收。公式如下：

其中，$C E_{a}$是耕地、园地、林地、草地的碳排放总量，$\alpha_{i}$是指第i种地类的碳排放系数，$S_{i}$是第i种地类的面积。

本文建设用地碳排放的测算选择广东省的主要的使用能源进行间接估算。其标准煤折算系数及碳排放系数见表1，公式如下：

表  1  能源标准煤折算系数与碳排放系数

Table  1.  Conversion coefficients of energy standard coal and carbon emission

能源种类 Energy type	标准煤折算系数 Standard coal conversion factor/tec	碳排放系数 Carbon emission factor/（tc·tec−1）
原煤 Raw coal/t	0.7143	0.7559
焦煤 Coking coal/t	0.9714	0.8550
原油 Crude oil/t	1.4286	0.5857
汽油 Gas oil/t	1.4714	0.5538
煤油 Kerosene/t	1.4714	0.5714
柴油 Diesel/t	1.4571	0.5921
燃料油 Fuel oil/t	1.4286	0.6185
液化石油气 LPG/t	1.7143	0.5042
炼厂干气 Refinery dry gas/t	1.5714	0.4602
其他石油制品 Other petroleum products/t	1.2000	0.5857
天然气 Natural gas/(103•m3)−1	12.1430	0.4483
能源标准煤折算系数与碳排放系数分别参考《中国能源统计年鉴》和IPCC《国家温室气体排放清单指南》（2006年）。
Conversion calculations according to China Energy Statistical Yearbook and IPCC Guidelines for National Greenhouse Gas Emission Inventory (2006).

下载: 导出CSV 

| 显示表格

其中，$C E_{b}$是建设用地碳排放量，$\; \beta_{j}$是第j种化石能源的碳排放系数，$A_{j}$是指第j种化石能源消费量，$R_{j}$是第j种能源的标准煤折算系数。

（2） VAR模型

向量自回归模型（Vector Auto-regression Model，VAR）由Christopher Sims提出，可以通过不同时间序列的当期数据与往期数据之间建立回归方程，估计各个变量之间的动态影响^[20]。本文选取土地利强度、人均GDP的对数作为解释变量，地均土地利用碳排放的对数作为被解释变量引入模型，从而分析土地利用强度、经济发展对土地碳排放的动态影响，其基本模型如下：

其中，$Y_{t}=\left(\ln L C E_{t}, \ln L A t, \ln G D P_{t}\right)$，$\lambda_{1} ; \lambda 2 ; \lambda_{\mathrm{p}}$是3×3维的系数矩阵；$\mathrm{Et}$是3×1维的向量，代表随机误差项。t=1,2,3···22。

1.2   指标选取

本文参考文献[24-25]，从土地利用和经济社会发展视角，结合广东省实际情况和数据的可获取性，选取了土地利用强度（LA）、土地利用结构（LUS）、人均GDP（GDP）、能源强度（EGDP）和产业结构（IS）等指标。人均GDP可以体现一个地区经济发展状况，反映其经济发展实力，经济发展越好，所要消耗的资源与能源越多，必然会引起土地利用碳排放的增长，为了消除通货膨胀的影响，人均GDP按1978年不变价进行平减；土地利用综合程度指数来表征土地利用强度，土地利用强度越高，说明区域土地开发与利用越多，各地类间转换明显，对碳排放的影响也越大；由于建设用地为最主要的碳源，建设用地在土地总面积中比例强度越大，造成的碳排放越多，因此土地利用结构用建设用地与土地总面积的比值来表征；单位GDP能耗表征能源强度，能源强度越大，说明生产一单位GDP所需的能源消耗就越大，从而导致碳排放的增加；产业结构为第二产业与第三产业占比。第二产业发展需要消耗大量的能源，将产生大量的能源消耗碳排放，第二产业比重较高，说明能源消耗碳排放就越高。地均碳排放LCE为CEa，CEb之和除以土地总面积。各变量情况见图1、表2。

图  1  1996—2017年广东省土地利用碳排放

左侧坐标轴表示碳源及碳排放总量，右侧坐标轴表示碳汇。

Figure  1.  Carbon emissions from land use in Guangdong from 1996 to 2017

The left axis represents carbon sources and total carbon emissions, and the right axis represents carbon sinks.

下载: 全尺寸图片 幻灯片

表  2  变量土地利用强度、经济发展与土地碳排放描述性统计

Table  2.  Descriptive statistics of variable land use intensity, economic development, and land carbon emissions

变量 Variable	均值 Mean	最大值 Max	最小值 Min	标准差 Standard deviation
地均碳排放 LCE/（t·hm−2）	8672.39	9209.81	7818.10	509.91
人均GDP GDP/yuan	27442.80	55028.41	9157.00	14948.34
能源强度 EGDP/（t standard coal/10 000 yuan）	2.13	2.94	1.51	0.42
产业结构 IS	0.43	0.52	0.34	0.05
土地利用结构 LUS	0.09	0.11	0.06	0.01
土地利用强度 LA	213.96	219.81	190.29	6.99

下载: 导出CSV 

| 显示表格

从广东省土地利用碳排放核算结果来看，1996-2017年土地利用碳排放总量经历上升、下降再上升的变化过程，整体上呈上升趋势；碳源排放变动趋势基本与碳排放总量一致；碳汇排放整体上呈下降的趋势，但变动幅度较小。在碳源排放中，建设用地碳排放是主要来源，逐渐增加的碳源排放没有相应多的碳汇去抵消，容易导致碳平衡失衡，碳排放总量增加。因此，广东省节能减排工作已经刻不容缓。

2.   研究区概况与数据来源

2.1   研究区概况

广东省地处中国大陆最南部。全省土地总面积17.98万km²，约占全国陆地面积的1.85%；其中全省农用地面积为14.94万km²，占土地总面积的83.09%；建设用地面积为1.72万km²，占土地总面积的9.54%，未利用地1.32万km²，占土地总面积的7.34%。1996-2005年期间，广东省耕地面积年均减少0.034万km²，建设用地增加0.29万km²。广东是中国国内人多地少的省份之一，2017年广东省地区生产总值为89705.23亿元，与1996年相比增长了82857亿元，年均增长率约为13%；2017年人均地区生产总值为80932元，与1996年相比增长了71775元，年均增长率约为10.9%。

2.2   数据来源

广东省1996-2017年的土地利用现状、经济发展、能源消费等数据来源于广东省自然资源厅官网以及《广东省国土资源统计年鉴》《广东统计年鉴》《中国能源统计年鉴》。

3.   实证分析

3.1   ADF单位根检验

由于建立VAR模型需要变量都是平稳变量，且时间序列的非平稳性会导致后期建模产生虚假回归现象，因此，在建模之前，需要对广东省土地利用各指标取对数之后进行ADF单位根检验。从表3可以看出，所有变量对数在一阶差分之后是平稳的，因此可以构建VAR模型。

表  3  单位根检验结果

Table  3.  Unit root test results

序列 Sequence	ADF检验 ADF test	1%临界值 1% threshold	5%临界值 5% threshold	10%临界值 10% threshold	结果 Result
LnLCE	−1.852 3	−3.7880	−3.0124	−2.6461	非平稳
LnGDP	−1.544 1	−4.4983	−3.6584	−3.2690	非平稳
LnLA	−3.198 0	−4.4983	−3.6584	−3.2690	非平稳
LnLUS	−1.701 2	−4.4983	−3.6584	−3.2690	非平稳
LnIS	−3.016 4	−4.4983	−3.6584	−3.2690	非平稳
LnEGDP	−2.813 4	−4.5716	−3.6908	−3.2869	非平稳
∆LnLCE	−3.894 1	−4.4983	−3.6584	−3.2690	**平稳
∆LnGDP	−4.385 9	−4.6679	−3.7332	−3.3103	**平稳
∆LnLA	−12.009 0	−4.4983	−3.6584	−3.2690	**平稳
∆LnLUS	−5.721 8	−4.4983	−3.6584	−3.2690	**平稳
∆LnIS	−2.052 8	−2.6857	−1.9591	−1.6075	**平稳
∆LnEGDP	−6.370 4	−4.4983	−3.6584	−3.2690	**平稳
*表示1%显著水平；**表示5%显著水平；***表示10%显著水平。 * at 1% significant level; ** at 5% significant level; *** at 10% significant level.

下载: 导出CSV 

| 显示表格

3.2   协整方程建立

在建立协整方程之前，增强参数的解释性，要确定最佳滞后阶数和检验模型的稳定。本文采用似然比统计量（LR）、 最终预测误差统计量（FPE）、赤池信息准则统计量（AIC）、施瓦茨信息统计量（SC）、汉南—奎因信息准则统计量（HQ）来确定模型的最佳滞后阶数，从表4中可以看出，各准则选出的滞后阶数中2阶的个数最多，因此能够建立最佳滞后阶数为2的VAR（2），根据特征根检验结果（图2）可以看出，全部的点都在单位圆内，说明VAR（2）模型是稳定的。

表  4  最佳滞后阶数的选择

Table  4.  Selection of optimal lag order

滞后阶数 Lag order	LOGL	LR	FPE	AIC	SC	HQ
0	220.9553	NA	0.0000	−21.4955	−21.1968	−21.4372
1	384.6752	212.835 8	0.0000	−34.2675	−32.1765	−33.8593
2	470.3642	59.9823*	1.6e-24*	−39.2364*	−35.3531*	−38.4784*

下载: 导出CSV 

| 显示表格

图  2  VAR模型的AR根检验

Figure  2.  AR root test of VAR model

下载: 全尺寸图片 幻灯片

由于所有变量都是一阶单整，因此可以建立协整检验。从表5可以看出，给定5%显著性水平，变量间存在6个协整关系，通过Eviews软件，得到标准化的协整方程：

表  5  Johansen协整检验结果

Table  5.  Johansen cointegration test results

假定协整数量 Assumed cointegration number	迹统计量 Trace statistics	5%临界值 5% threshold	最大特征值统计量 Largest eigenvalue statistic	5%临界值 5% threshold
无 Nothing	245.6617	103.8473	78.0065	40.9568
最多一个 At most one	167.6552	76.9728	54.9164	34.8059
最多二个 Up to two	112.7388	54.0790	43.41 9	28.5881
最多三个 Up to three	69.3269	35.1928	35.9915	22.2996
最多四个 Up to four	33.3354	20.2618	23.1432	15.8921
最多五个 Up to five	10.1923	9.1645	10.1923	9.1645

下载: 导出CSV 

| 显示表格

从协整方程可以看出，人均GDP，土地利用强度和能源强度与地均利用碳排放呈正相关，土地利用结构和产业结构与地均利用碳排放呈负相关。其中，人均GDP与土地利用强度对地均土地利用碳排放的影响相当，土地利用结构对地均土地利用碳排放的影响最大，而能源结构影响相对较小。

3.3   格兰杰因果关系检验

为了探究进一步变量之间的关系，对VAR模型进行因果关系检验，检验结果见表6。

表  6  格兰杰因果检验结果

Table  6.  Granger Causality test results

变量关系 Variable relationship	原假设 Null hypothesis	F统计量 F statistic	Prob	结论 Conclusion
LnLCE与各影响因子间的因果关系检验 The causal relationship test between LnLCE and various influencing factors	LnGDP不是LnLCE的格兰杰原因 LnGDP is not the Granger reason for LnLCE	1.3502	0.2604	Accept
	LnLCE不是LnGDP的格兰杰原因 LnLCE is not the Granger reason for LnGDP	13.8457	0.0016	***Reject
	LnLA不是LnLCE的格兰杰原因 LnLA is not the Granger reason for LnLCE	20.3356	0.0003	***Reject
	LnLCE不是LnLA的格兰杰原因 LnLCE is not the Granger reason for LnLA	5.03462	0.0377	***Reject
	LnLUS不是LnLCE的格兰杰原因 LnLUS is not the Granger reason for LnLCE	11.1064	0.0037	***Reject
	LnLCE不是LnLUS的格兰杰原因 LnLCE is not the Granger reason for LnLUS	9.36186	0.0067	***Reject
	LnIS不是LnLCE的格兰杰原因 LnIS is not the Granger reason for LnLCE	3.53485	0.0552	***Reject
	LnLCE不是LnIS的格兰杰原因 LnLCE is not the Granger reason for LnIS	3.0075	0.0797	***Reject
	LnEGDP不是LnLCE的格兰杰原因 LnEGDP is not the Granger reason for LnLCE	0.0396	0.8444	Accept
	LnLCE不是LnEGDP的格兰杰原因 LnLCE is not the Granger reason for LnEGDP	0.9078	0.3533	Accept
LnGDP、LnEGDP对其他因子的因果关系检验 The causal relationship test of LnGDP and LnEGDP to other factors	LnGDP不是LnLA的格兰杰原因 LnGDP is not the Granger reason for LnLA	0.2407	0.7891	Accept
	LnGDP不是LnLUS的格兰杰原因 LnGDP is not the Granger reason for LnLUS	13.5481	0.0004	***Reject
	LnGDP不是LnIS的格兰杰原因 LnGDP is not the Granger reason for LnIS	5.8825	0.0130	***Reject
	LnEGDP不是LnLA的格兰杰原因 LnEGDP is not the Granger reason for LnLA	9.9247	0.0055	***Reject
	LnEGDP不是LnLUS的格兰杰原因 LnEGDP is not the Granger reason for LnLUS	5.3968	0.0321	***Reject
	LnEGDP不是LnIS的格兰杰原因 LnEGDP is not the Granger reason for LnIS	6.5393	0.0198	***Reject
*表示1%显著水平；**表示5%显著水平；***表示10%显著水平。 * means 1% significant level; ** means 5% significant level; *** means 10% significant level.

下载: 导出CSV 

| 显示表格

从检验结果可以看出，给定10%显著性水平，LNLA、LNLUS、LNIS均与LNLCE的互为因果关系，而LNGDP和LNEGDP并非LNLCE的格兰杰原因。但从间接角度看，LNGDP是LNLUS、LNIS的格兰杰原因，且LNEGDP是LNLA、LNLUS、LNIS的格兰杰原因，因此可以看出LNGDP和LNEGDP对LNLCE有着间接的因果关系。这说明，经济发展与能源强度通过土地利用强度、土地利用结构和产业结构间接对土地利用碳排放产生影响。

土地利用强度和结构以及产业结构都以经济发展为前提，经济发展带动城市化、工业化进程加快，而土地一直是生产生活活动的载体，一方面经济发展带来土地利用强度的增加，也就意味着人类对土地的劳动和资本投入越多，建设用地占比越高，对碳排放的影响也将加大；另一方面经济快速发展使得能源强度不断增强，第二产业比重不断加大，加快了能源消耗碳排放速率。

3.4   脉冲响应

在构建VAR模型的基础上，选取15期为滞后期，利用脉冲响应函数分析变量对土地利用碳排放的动态影响。脉冲响应果如图3所示。其中横坐标表示冲击后的滞后期数，纵坐标表示变量对冲击的响应程度，中间曲线表示脉冲响应函数，两边表示两倍标准差范围。

图  3  地均土地利用碳排放对人均GDP的脉冲响应

Figure  3.  Impulse response of LNLCE to LNGDP

下载: 全尺寸图片 幻灯片

从图3可以看出，当受人均GDP一单位的标准差冲击，地均土地利用碳排放受到的影响多为正向冲击，且反应迅速，在第3期左右上升为正向最大，随后开始下降，并在第9期左右转变为负向并趋于平缓，这说明随着经济发展到一定阶段之后，经济发展将有利于抑制土地利用碳排放的增长，证明广东省人均GDP与地均土地利用碳排放存在ECK现象，与已有结论^[26]一致。

从图4可以看出，受土地利用强度一单位的标准差冲击后，地均土地利用碳排放受到的影响短期为负，长期为正。这说明在土地利用初期，土地利用强度较小，利用过程中产生的能源消耗较小，因此对土地利用碳排放的影响相对较小，但从长期来看，随着土地利用强度的不断加大，意味着对土地投入的资本与资源越多，从而促进土地利用碳排放的增长。

图  4  地均土地利用碳排放对土地利用强度的脉冲响应

Figure  4.  Impulse response of LNLCE to LNLA

下载: 全尺寸图片 幻灯片

从图5可以看出，受土地利用结构一单位的标准差冲击，地均土地利用碳排放受到的影响多为负向冲击，且负向冲击反应较慢并呈现逐渐降低最后平稳的趋势。从长期来看，随着土地利用结构中建设用地比例的不断上升，意味着其建设过程中资源、能源消耗也在不断上升，从而导致土地利用碳排放增长。

图  5  地均土地利用碳排放对土地利用结构的脉冲响应

Figure  5.  Impulse response of LNLCE to LNLUS

下载: 全尺寸图片 幻灯片

从图6可以看出：受产业结构一单位的标准差冲击，地均土地利用碳排放受到的影响短期为负，中期为正，长期有着负向趋势。初期，经济迅速发展，第二产业占比不断上升，导致能源消耗不断增长，进而促进土地利用碳排放量上升，从长期来看，随着产业结构的不断优化，第三产业占比逐渐上升，高耗能产业占比下降，从而有利于抑制土地利用碳排放的增加。

图  6  地均土地利用碳排放对产业结构的脉冲响应

Figure  6.  Impulse response of LNLCE to LNIS

下载: 全尺寸图片 幻灯片

从图7可以看出，受能源强度一单位的标准差冲击，地均土地利用受到的影响短期为正，长期为负。经济发展初期，经济发展方式粗放，能源强度高，且高碳排放能源使用率高，因此将促进土地利用碳排放的增长，但随着能源供给侧改革，清洁能源等低碳资源使用强度的上升，开始减少土地利用碳排放，长期将抑制土地利用碳排放的增长。

图  7  地均土地利用碳排放对能源强度的脉冲响应

Figure  7.  Impulse response of LNLCE to LNEGDP

下载: 全尺寸图片 幻灯片

3.5   方差分解

方差分解是通过把变量冲击进行方差分解来研究各个变量冲击的相对比例，从而可以将不同变量的影响程度和贡献度进行排名与比较。方差分解结果图8可知，各影响因子变化程度可以分为三个阶段，首先，从第二期来看，对地均土地利用碳排放贡献最大的是能源强度，其次是人均GDP与产业结构，土地利用强度与土地利用结构对地均土地利用碳排放的贡献较小；从第2−9期来看，各影响因子贡献程度出现变化，产业结构、人均GDP和土地利用结构贡献率不断上升，土地利用强度和能源强度贡献率出现短暂下降后上升，产业结构成为主要影响因素；滞后期到第9期之后，各影响因子方差贡献率趋于平稳，整体上对地均土地利用碳排放的影响从大到小依次为土地利用强度、产业结构、能源强度、人均GDP和土地利用结构。

图  8  地均土地利用碳排放的方差分解

Figure  8.  Variance decomposition of LNLCE

下载: 全尺寸图片 幻灯片

4.   结论与展望

4.1   结论

本文在测算出1996-2017年广东省土地利用碳排放的基础之上，利用VAR模型对1996-2017年广东省土地利用碳排放影响因子进行实证分析，结果表明：

（1）1996-2017年广东省土地利用碳排放总量整体上呈上升趋势，建设用地是主要碳源，碳源排放远高于碳汇排放，导致广东省碳平衡失衡，节能减排工作任务艰巨。

（2）从格兰杰因果检验来看，广东省土地利用强度、土地利用结构、产业结构与地均土地利用碳排放互为因果关系，而人均GDP和能源强度对地均土地利用碳排放有着间接的因果关系。

（3）从脉冲响应结果来看，土地利用强度的增长意味着对土地利用投入的资本与资源的增长，使得土地利用碳排放也不断增长；而人均GDP与土地利用碳排放呈正相关，人均GDP对土地利用碳排放影响最后稳定在7%左右；能源强度则与土地利用碳排放呈现正相关，但如果在能源利用中提升清洁能源的强度，将有利于抑制土地利用碳排放的增长；产业结构不断优化，提高第三产业比重，充分发挥第三产业在节能减排中的优势，将利于土地利用碳排放减少；土地利用结构与地均土地利用碳排放呈负相关，但其贡献程度相对较小。

（4）从方差分解结果来看，对土地利用碳排放影响贡献程度从大到小依次为：土地利用强度＞产业结构＞能源强度＞人均GDP＞土地利用结构。

4.2   展望

本文通过构建VAR模型来全面分析广东省土地利用碳排放影响因素，所得的有关结论有利于为广东省碳排放管理以及“十四五”减排目标实现提供一定的科学依据，但是本文选用的样本区间是1996-2017年，对于时间序列数据来说属于是小样本，且在研究过程中仅针对广东省整体情况进行研究，未考虑广东省各个地级市情况，不能很好地展现广东省各地级市碳排放主要影响因素的具体情况。因此，未来研究可以在拓宽数据样本的同时，深入考虑各个地级市的实际情况，分析各地级市影响土地利用碳排放变化的因素，并进行横向比较或是差异性分析，从而有针对性地提出一些碳减排措施，为广东省分区制定科学的碳排放管理措施提供理论依据。