1992-2015年全球土地利用碳排放的模式和变化

-×环境科学与生态技术7（2021）100108原创研究1992年至 2015年期间土地利用碳排放的全球模式和变化田世奇a，b，d，王世杰a，d，白晓勇a，c，e，*，罗广杰e，李勤a，d，杨宇杰a，b，d，胡泽银a，d，李朝军a，b，d，邓远红a，da中国科学院地球化学研究所环境地球化学国家重点实验室，贵州省贵阳550081b贵州师范大学地理与环境科学学院，贵阳，550001c中国科学院第四纪科学与全球变化卓越中心，中国山西省Xi，710061d中国科学院普定喀斯特生态系统观测研究站，贵州普定，562100e贵州省流域地理状态监测重点实验室，贵州教育学院，贵阳，550018我的天啊N F O文章历史记录：接收日期：2021年3月16日接收日期：2021年2021年7月15日接受保留字：土地利用A B S T R A C T土地利用碳排放（ELUC）是人为CO2排放的重要组成部分，但其规模和位置仍不确定，对ELUC与GDP之间关系的认识也不全面。结果表明，1992- 2015年土地利用变化直接导致的碳排放量为26.54 Pg C（1.15 Pg C yr-1），呈下降趋势，净减少率为0.15 Pg C yr-1。减少的地区集中在南美洲、中非和东南亚，增加的地区分散在北美洲西北部、南美洲东部、中非、东亚和东南亚部分地区对于间接的碳排放，建设用地利用（间接ELUC），呈上升趋势，总排放量为植被生物量碳27.51 Pg C（1.2 Pg C年-1）。全球ELuc 是136.3109美元，九比一土壤有机碳时空变化每年相当于中非共和国2015年国内生产总值的3.7倍（5.93 × 10美元）。在本研究所考虑的79个国家和地区中，54个国家和地区的国内生产总值上升，排放量增加，只有25个国家和地区的国内生产总值增长，排放量减少。这些发现凸显了土地利用变化在碳循环中的关键作用，以及GDP与碳排放协调发展的重要性。©2021由Elsevier B.V.代表中国环境科学学会、哈尔滨工业大学、中国环境科学研究院发布。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍随着全球变暖的加剧，减缓气候变化已经从未来的需要演变为紧迫的现实[40]。由于人为CO2排放的增加是全球变暖的关键因素之一，因此碳中和问题一直受到关注[5，18，23]。土地利用变化是影响碳排放分布的关键因素[12，10]，根据政府间气候变化专门委员会（IPCC）的研究，2010年约有11%的二氧化碳排放是由土地利用变化引发的，仅次于化石燃料的燃烧[22]。*通讯作者。中国科学院地球化学研究所，环境地球化学国家重点实验室，贵州省贵阳市，550081。电子邮件地址：baixiaoyong@vip.skleg.cn（X. Bai）。然而，土地利用的复杂性导致了土地利用碳排放（ELUC）的规模和变化模式的不确定性[28，27]。明确ELUC的模式和变化不仅是实现碳中和的必要条件，而且对准确理解碳循环也很重要。一些学者已经成功地使用不同的空间尺度研究了ELUC，但他们集中在省[41，9]，州[11，45，19]和区域尺度[1，15，46，10]。在全球范围内进行的研究很少。此外，广泛的研究集中在单一的生态系统或单一类型的土地利用[14，4，31]。不同系统或土地利用类型之间的转化和相互作用很少被研究。目前估计土地 利 用 率的技术包括簿记（BK）模型[14，13，6，2，26，4]，去硝化-分解模型[29，42，24]，样本绘图[42，44]和IPCC推荐的方法[20]。其中，IPCC提出的方法既考虑了土地造成的直接碳排放，https://doi.org/10.1016/j.ese.2021.1001082666-4984/©2021由Elsevier B. V.代表中国环境科学学会、哈尔滨工业大学、中国环境科学研究院发布。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表环境科学与生态技术期刊主页：www.journals.elsevier.com/environmental-science-and-www.example.comS. Tian，S. Wang，X. Bai等人环境科学与生态技术7（2021）1001082X土地使用和规划过程中的能源消耗导致的土地用途变化和间接碳排放。而且，与其他方法相比，该方法计算过程简单，样本要求少，许多研究者基于该方法得到了满意的结果[38，25，48]。利用1992 - 2015年的土地利用/土地覆被变化（LUCC）数据，采用IPCC推荐的方法估算了不同阶段的全球土地利用/土地覆被变化（ELUC评价了各国间接ELUC与GDP的关系，计算了E LUC造成的价值损失。其目的是为进一步了解全球陆地碳循环和努力解决全球变暖的挑战提供理论和科学基础。2. 材料和方法2.1. 数据源300米空间分辨率的LUCC数据从欧洲航天局（http://maps.elie.ucl.ac.be/geoportail/）下载，时间跨度为1992年至2015年。该数据的可靠性已在以前的研究中得到证实[30，32]。从世界土壤协调数据库（HWSD）（http://www.fao.org/soils-portal/soil-survey/soil-maps-and-databases/harmonized-world-soil-database-v12/en/）下载1 km空间分辨率的土壤全球生物量碳地图，从二氧化碳信息分析中心（https://cdiac.ess-dive.lbl.gov/）下载了1 km空间分辨率能源消耗数据来自BP世界能源统计年鉴（https://www.bp.com/en/global/corporate/energy-economics/energy-outlook.html），GDP数据来自世界银行（https://www.worldbank.org/）.2.2.方法本文的研究思路和主要步骤如下：首先，通过空间分析，得到土地利用/覆被变化的动态变化。其次，将生物量碳图与LUCC数据进行叠加分析，得到不同土地利用类型的生物量碳密度数据，进而得到植被储量的变化。第三，基于土壤剖面数据和LUCC数据，得到不同土地利用类型上不同土壤类型的有机碳密度，进而计算土壤有机碳储量（SOC）的变化。第四，在前两步的基础上，得到了直接E LUC的变化和分布规律。第五，根据能源消费数据，得出间接E LUC的变化情况，并通过统计分析探讨了间接E LUC与GDP之间的关系（图1）。 1）。2.2.1.土地利用/土地覆盖变化1992 e 2015年的土地利用情况使用ArcGIS平台以5年为时间节点（1992 e 1995年除外）进行了两两叠加分析。五个研究阶段分为1992年至1995年，1995年至2000年，2000年至2005年，2005年至2010年和2010年至2015年。获得了五个研究期内可利用土地的空间变化图。接下来，通过叠加分析1992年和2015年的遥感图像，并获得整个研究期间可用土地的空间变化图。表S1显示了LUCC的具体分类。2.2.2.土地利用/覆被变化引起的碳排放量计算现有的研究表明，生物量和土壤有机碳储量是ELUC的主要来源[48]。因此，可以认为植被生物量和土壤有机碳储量变化的总和等于土地利用效率。根据IPCC[ 20 ]的具体计算公式如下：DC/DC生物传感器SOC30;（ 1）其中DC为LUCC引起的所有碳储量变化，DCBIO为植被生物量碳储量变化，DSOC30为表层土壤（0e30 cm）SOC储量变化。(1)植被生物量碳储量变化计算。全球生物量碳地图使用GLC2000（欧盟科学中心）绘制因此，本研究利用2000年土地利用/覆被变化图层的细分类型与地图进行叠置分析。提取了37种土地利用类型的植被碳密度，并将其平均值作为基础生物碳密度数据（图S1）。植被生物量碳储量变化也是根据IPCC推荐的方法计算的[20]。计算如下：DCBIO1/4 X1/ 2 DAFTERi-DBEFOREiXDAREAi];（2）我其中，DCBIO为LUCC期间植被碳储量变化，DAFTERi为转换后土地利用类型i上的生物量碳密度，DBEFOREi为转换前土地利用类型i上的生物量碳密度，DAREAi为转换面积，i为从一种类型转换为另一种类型的土地利用和土地覆盖。(2)SOC存储变化的计算根据从世界土壤数据库HWSD 1.21和先前研究中获得的土壤剖面数据，计算了36种土壤类型（表S2）的有机碳密度[8，36，37，39，47]; Potma [_Gonçalves_et_al_2018，47]。每种土壤类型的平均碳密度被用作计算的基础（图S2）。根据IPCC的主要方法[20]，土壤有机碳储量变化的计算如下：DSOC30¼XSOCD为×FIMPACTi×DAREAis;（ 3）i;S其中，DSOC30为SOC储量变化，SOCis为土地类型i随土壤类型变化的SOC密度，FIMPACTi为LUCC过程中SOC变化的影响因子[34]，DAREAis为土地利用类型i随土壤类型变化的面积。2.2.3.能源消费引起的LUCC间接碳排放量计算为了发展经济，土地的利用和规划这些排放量可以通过能源消耗的碳排放系数估算[43，45]。因此，本研究采用间接ELUC方法计算碳排放量[20]。具体公式如下：nE¼Ei×Mi×εi;（ 4）1/1式中，E为能源消耗造成的碳排放总量;Ei为第i能源的消耗量;Mi为第i能源对标准煤的能量转换系数;εi为i能源碳排放系数，其中煤炭占0.7559 tC/t，石油0.5857 tC/t，天然气0.4483 tC/t。S. Tian，S. Wang，X. Bai等人环境科学与生态技术7（2021）1001083××××××Fig. 1. 技术流程图。2.2.4.GDP与碳排放的关系分析GDP是衡量一个国家或地区社会经济发展水平的重要指标，研究表明，碳排放与社会经济发展水平有显著关系[3，7，33]。为了分析碳排放与GDP之间的关系，本研究首先计算了1992年至2015年全球79个国家和地区的间接碳排放与GDP总量的变化。然后基于SPSS平台得出两者的Pearson相关系数。3. 结果3.1. LUCC的动态变化全球陆地系统中的土地利用以其他土地、森林和草地为主，湿地和建设用地面积相对较小（图1）。2）。请参照图从表S3和表S3中可以看出，在整个研究期间，耕地总体呈增加趋势，增加了65.85 × 10- 6公顷，主要是由于森林（2.87%）和草地（2.02%）转化为耕地。然而，从各个研究时期来看，呈先升后降的变化特征。其中，耕地面积的增加在1995 - 2000年间最为明显，增加了43.63 × 106公顷。然而，随后增加的面积逐渐减少，2010年至2015年期间耕地面积减少了1.41106公顷。也就是说，在整个研究期间，耕地的增加趋势主要是由于1995年至2000年的增加森林面积呈减少趋势，30.18在整个研究期间，106从各研究时段来看，除2000- 2005和2005- 2010两个阶段森林面积有所增加外，其余三个阶段相应面积均呈下降趋势。1995年至 2000年减少最多，为21.71 × 10- 6公顷，占整个研究期间减少量的71.94%。从土地利用变化来看，林地面积减少主要是由耕地（2.87%）和草地（1.99%）的退耕造成的。草地面积在整个研究期间呈减少趋势，减少面积为34.39 ×106 hm2，主要是由草地退耕（2.02%）和退耕还林（2.16%）引起的。在研究期间，除了2010年和 2015年有所增加外，所有四个阶段都呈下降趋势。1995~ 2000年是变化最明显的时期，减少了23.12×106 ha，S. Tian，S. Wang，X. Bai等人环境科学与生态技术7（2021）1001084×××××××--图2. 各阶段土地利用空间变化。图中，从a到f分别是1992e 1995，1995 e 2000，2000 e 2005，2005 e 2010，2010 e 2015和1992 e 2015期间的土地利用空间变化。0代表土地利用变化的面积，1e 7代表耕地、森林、草地、湿地、建设用地、其他土地和水。占整个研究阶段价值的67.23%。湿地面积在整个研究期间呈减少趋势，减少面积为18.49 ×106hm2，主要是退耕还林（占9.49%）造成的。各阶段湿地面积也有所减少，这与整体特色的最明显减少7.982000 ~ 2005年为10.6hm2，占整个研究期的43.16%。在研究期间，建设用地呈增加趋势，增加了36.66 × 10- 6公顷，这主要是由耕地（0.94%）转化为建设用地。各阶段建设用地变化趋势与总体趋势一致。最大增幅为13.312000 - 2005年，占整体变化的36%。其他土地和水也呈下降趋势，在整个研究期间，减少面积分别为18.25 × 10- 6公顷和1.18 × 10- 6公顷。其他土地主要转化为草地（1. 26%），水域主要转化为森林（1. 40%）和其他土地（1. 21%）。其他土地变化最明显的是2005-2010年，减少了8.32 × 10- 6公顷，占整个研究期间价值的45.59%。水的减少主要与减少在2000年和 2005年和2005年和 2010年。从空间土地利用变化区域相对破碎，澳大利亚、中南美洲、西亚和东欧的土地利用变化相对集中和明显。3.2.植被生物量碳储量变化如表S4所示，1992- 2015年植被碳积累的总变化为21.74 Pg C，年均变化为0.95 Pg C。碳储量的增加是8.33 Pg C，年增长率为0.36 Pg C。植被碳储量减少了13.41 Pg C，减少率为0.58Pg C yr-1，是增长率的1.6倍。植被碳储量总体呈下降趋势。净变化是5.09 Pg C和年平均净变化为0.22 Pg C。植被碳储量的减少主要是由于森林碳储量的减少，而森林碳储量的增加主要是由于农田和草地碳储量的增加（图10）。 3 g）。在不同研究阶段，1995 - 2000年植被碳储量变化最明显（图3c）。第一，植被碳储量的总变化为7.49PgCS. Tian，S. Wang，X. Bai等人环境科学与生态技术7（2021）1001085---图三. 各阶段植被碳储量的空间分布格局。图中a为1992 e 2015年的空间变化，b至f分别为1992 e 1995、1995 e 2000、2000 e 2005、2005 e 2010、2010 e 2015、1992 e 2015年不同土地利用类型植被碳储量的变化。1e 7代表耕地、森林、草地、湿地、建设用地、其他土地和水; T代表总量。年平均变化为1.2PgC。具体而言，增长率为2.86 Pg C，增长率为0.57Pg C yr-1。下降4.63PgC，下降率0.93PgC年-1。下降率是上升率的1.62倍。在此期间，植被净碳储量减少了1.32 Pg C，占整个研究期间植被碳储量净变化的34.83%，年平均净变化率为0.35 Pg C yr-1. 2000 ~2005年，植被碳储量增加了2.63 Pg C，年增加率为0.53 PgC。总减少量为4.17 Pg C，减少率为0.83 Pg C yr-1（图1）。 3 d）。下降率为增长率的1.59倍在此期间，植被碳储量的净变化为1.54 Pg C，30.3%，年平均净变化率为0.31 Pg C yr-1。1992年和 1995年植被碳储量增加了0.49PgC，年增长率为0.16PgC。减少的植被碳储量为1.81 PgC，0.6 Pg C yr-1，减少率是增加率的3.7倍（图3b）。在这一阶段，植被净碳储量减少了1.32 Pg C，这意味着植被碳S. Tian，S. Wang，X. Bai等人环境科学与生态技术7（2021）1001086----¼---------在此期间，以0.44 Pg C yr-1的速度减少2005年至 2010年和2010年至2015年这两个阶段相对来说并不重要（图3e和f）。2005 - 2010年，植被碳储量年均净变化仅为0.17PgC，年均净变化低至0.03PgC。这一结果与土地利用变化趋势相一致。从空间角度来看，南美洲植被碳储量的减少最为明显，特别是在巴西中部、玻利维亚中部、巴拉圭大部分地区和阿根廷北部。布隆迪东南部、坦桑尼亚西部、马拉维大部分地区和莫桑比克西北部也呈明显下降趋势。澳大利亚呈现中间增加，两边减少的趋势。亚洲植被碳储量增加明显，主要集中在哈萨克斯坦北部、巴基斯坦中部和中国西北部。欧洲的增长主要集中在东欧，特别是俄罗斯（图1）。 3 a）。3.3.SOC存储变化土壤碳积累量的增加主要是由于农田和草地土壤中碳积累量的增加（图4）。如表S4所示，1992 - 2015年土壤碳积累的总变化为4.81 PgC，年平均变化为0.21 Pg C。总减少量为1.07PgC，减少速率为0.21PgC年-1，土壤碳储量增加了3.74PgC，增加速率为0.75PgC年-1，是减少速率的3.49倍。在整个研究期间，净碳储量增加了2.66 Pg C，年平均净增加量为0.12 Pg C yr-1。首先，变化最明显的阶段是在2000年至2005年（图）。 4 d）。在此期间，土壤碳变化总量土壤碳的增加量为1.16PgC，增加速率为0.23PgC年-1。总减少量为0.26 Pg C，减少率为0.04 Pg C yr-1。增长率是下降率的6.07倍土壤碳储量的总净变化为0.9 Pg C，年平均净变化为0.18 Pg C，占整个研究期的33.6% 从2005年到2010年（图）4e），土壤碳积累总量变化为1.33PgC. 具体而言，增加的土壤碳为1.11 Pg C，增加率为0.22 Pg C yr-1。减少土壤碳为0.23 Pg C和减少率为0.05 Pg C yr-1。这一增长率是下降率的4.8倍土壤碳储量的净变化为0.88 Pg C，年平均净变化为0.18 PgC，占整个研究期间总碳积累变化的32.94%.最不明显的变化发生在2010年至 2015年期间（图4f），其中土壤碳变化总量仅为0.43 PgC。土壤碳增加了0.3 Pg C，增加率为0.06 Pg C yr-1。下降幅度为0.13Pg C，下降率为0.03 Pg C yr-1。增长率是下降率的2.31倍。土壤碳的总净变化为0.17 Pg C，年平均净变化为0.03 Pg C，仅占整个研究期间土壤碳储量变化的6. 34%。土壤碳空间减少的地区集中在南美洲国家的巴西中部、玻利维亚东部、巴拉圭大部分地区和阿根廷北部。澳洲东部的土壤碳含量亦显著减少。亚洲（主要是东南亚的柬埔寨、马来西亚和印度尼西亚）、东亚的中国沿海地区和中亚的哈萨克斯坦东北部也出现了大幅下降。土壤碳浓度明显增加的地区集中在非洲，主要集中在赤道两侧的国家。东欧国家也集体呈现出增长趋势（图1）。 4 a）。3.4.土地利用/覆被变化引起的碳排放1992 - 2015年ELUC的总变化为26.54 Pg C，年均变化为1.15 Pg C。涨幅12.06PgC，年增长率为0.52PgC。下降14.48PgC，下降率0.63PgC年-1。下降率是上升率的1.2倍。土地利用引起的碳储量变化呈下降趋势，净减少2.42 Pg C，年减少率为0.15 Pg C-1（表S4）。如图5所示，碳储量增加的主要原因是农田和草地的变化，而碳储量减少的主要原因是森林碳储量的变化。在每个阶段，2005年和 2010年的总碳储存量分别为年平均变化率为1.04 Pg C yr-1。年增长率为0.59 Pg C。年下降率为2.24PgC，年下降率为0.45PgC，即年增长率是年下降率的1.31倍该阶段的碳储量净变化为0.71PgC，年均净变化为0.14PgC。除了2005年和2010年碳储存量的增加趋势外（图1）。 5 e），在其余时间内碳储量减少。1995年至2000年期间有最明显的减少阶段（图）。 5c），总碳储量变化为8.86 PgC.年增长率为0.77 Pg C。降低4.99 PgC，降低率约为1 Pg C yr-1。增加率是减少率的1.3倍。总碳储量减少了1.13PgC，年均净变化为0.23PgC，占整个研究期的46.51%下一个明显的阶段发生在1992e 1995年（图5b），在此期间总碳储量变化为2.72 Pg C。增量占0.81PgC，年增长率为0.27PgC。降低率为1.91PgC，年下降率为0.64PgC。下降率是上升率的2.36倍。在此期间，总碳储量减少了1. 10Pg C，年均净变化为0. 37 Pg C，占整个研究期的45. 48%。2000年和2005年以及2010年和2015年的变化相对较小（图5 d和f）。2000年至2005年的净变化总额为0.65 Pg C，2010年至 2015年为0.35 Pg C。2000年至 2005年的年均净变化为0.13 Pg C，2010年至 2015年为0.07Pg C。2000年和 2005年的增幅分别为3.78 Pg C和1.44 Pg C，2010年和 2015年。2000年和 2005年的比率分别为0.76 Pg C yr-1和 2010年和2015年的比率为0.29 Pg C yr-1。2000年至 2005年的减少量为4.43 PgC，2010年至 2015年的减少量为1.8 Pg C。发生率0.892000年和2005年，0.36 2010年和 2015年的第一年C页。下降率为1.17倍的增长率为2000e 2005和1.25倍的增长率为2010e 2015.在空间分布格局上，与土壤和植被碳储量的分布格局基本相似。低值区主要集中在南美洲的巴西西北部、玻利维亚北部、非洲的刚果民主共和国、亚洲的印度尼西亚和马来西亚以及中国东南沿海。高值区主要分布在加拿大西北部和东南部、南美洲的东北部和东南部、非洲的几内亚-科特迪瓦-尼日利亚-南苏丹以及亚洲的缅甸、泰国、中国中部和俄罗斯。3.5.LUCC的间接碳排放1992e 2015年全球间接ELUC呈上升趋势。在三种能源消费类型中，石油和煤炭的碳排放占间接能源消费的主导地位。最大的碳S. Tian，S. Wang，X. Bai等人环境科学与生态技术7（2021）1001087×图第四章各 阶段土壤有机碳储量的空间分布格局。图中a为1992e 2015年的空间变化，b至f分别为1992e 1995、1995e 2000、2000 e 2005、2005e 2010、2010e 2015和1992e 2015年不同土地利用类型SOC储量的变化1e 3代表耕地、森林和草地; T代表总面积。2005年以前的排放涉及石油。然而，煤炭的碳排放量逐渐超过石油，使煤炭消费成为2005年后最大的能源消费类型此外，2009年三大能源消费均出现明显下降趋势，这可能与2008年全球经济危机有关如表S5所示，1992 - 2015年全球间接ELUC总量为27.51 Pg C，年均排放量为1.2 Pg C。从能源消费类型来看，排放量最大的是煤炭，排放总量为11.26 Pg C，占总排放量的40.92%，年平均排放量为0.49 Pg C。其次是石油，排放总量为11.04 Pg C，占总排放量的40.13%。 石油的年平均排放量为0.48 Pg C.排放量最小的是天然气，总排放量为5.21 Pg C，占总排放量的18.95%，年均排放量为0.23 Pg C。从时间上看，排放量最大的是2015年，共排放6. 72 Pg C，占总排放量的24. 44%第二大排放量是在2010年，排放总量为6.34 Pg C，占总排放量的23.04%.排放量最小的是1992年，4.31 Pg C，占总排放量的15.67%.不同国家的间接ELUC在不同时期表现出不同的趋势（图1）。 6）。1992年，美国的碳排放总量为1008.29 × 106tC，居世界第一位S. Tian，S. Wang，X. Bai等人环境科学与生态技术7（2021）1001088×图5. 各时段土地利用变化的时空分布格局。图中a为1992e 2015年的空间变化，b至f分别为1992e 1995、1995e 2000、2000 e 2005、2005e 2010、2010 e 2015和1992e2015年不同土地利用类型的土地利用效率变化1e 7代表耕地、森林、草地、湿地、建设用地、其他土地和水; T代表总量。中国的碳排放量为588.70 ×106 t C，仅为美国的58.39%.这种状况一直持续到2000年，从2005年开始，中国的间接ELUC总量（1344.88×106tC）开始超过美国（1191.57×106tC），成为世界第一大碳排放国。2015年，中国间接ELUC为1994×106tC，是美国（1069.62×106tC）的1.87倍，占全球间接ELUC（4791.28×106tC）的41.62%。除中国外，印度和巴西的间接ELUC也稳步上升，两者均进入全球间接ELUC排名前十的国家。2015年，这两个国家的排放量分别为431.38× 106t C（印度）和116.97× 106tC（巴西）。印度和巴西的年增长率分别为295.98 × 106tC和65.79×106tC，印度为12.87×106 tC yr-1，巴西为2.86×106 tC yr-14. 讨论4.1. 估算结果与其他结果准确确定碳排放量是进一步分析的前提。在众多的土地利用率估算方法中，BK模型作为经典模型被广泛应用S. Tian，S. Wang，X. Bai等人环境科学与生态技术7（2021）1001089××××图第六章 世界各国的间接土地利用变化（单位：106吨C）.模型该模型涉及年度时间序列会计，包括收集各种数据和总结经验数据。BK模型的优势在于系统地考虑了土地利用变化引起的碳循环的基本生态过程。然而，获得这些过程的参数和特性是困难的。这些参数和特征是否具有代表性仍然值得怀疑。相比之下，本研究中使用的IPCC推荐方法需要较少的数据，涉及更简单的样本，并且是一种更直接的估计碳排放量的方法。BK和其他模型（如CASA和DGVM）的几项研究的比较表明，计算的LUCC碳通量与相同空间尺度下的其他研究结果接近，并且在误差范围内（表1）。结果表明，该方法具有较高的精度和较强的可靠性。4.2.碳排放与GDP研究经济发展与碳排放之间的关系具有重要的现实意义，特别是对于明确各国碳减排任务，实现社会经济与生态环境的协调可持续发展具有重要意义Pearson相关分析结果表明，本文所研究的79个国家和地区的间接ELUC变化与GDP变化之间存在显著的相关表1我们的结果与其他研究之间的ELUC研究周期方法碳纳米管（Pg Cyr-1）参考1990年至 2009年BK1.14 ±0.18[16]2006年和 2015年BK1.11 ±0.35[十七]2005年和 2014年BK/CASA/DGVM0.9 ±0.5[28]2008年和 2017年BK/DGVM1.5 ±0.7[27]小行星1980和2012BK1.13[三十五]1992 e 2015GISIPCC方法1.15本研究注：BK< $4簿记模型;CASA <$4生物地球化学模型; DGVM< $4动态全球植被模型。总体上呈显著正相关，相关系数为0.65。比较两者的总变化可以看出，在大多数国家GDP增加的同时，间接ELUC也在增加（图1）。 7 a）。这意味着这些国家应该在应对全球变暖方面承担重要责任。但我们仍然可以看到，包括俄罗斯、乌克兰、英国、德国和意大利在内的25个国家和地区的GDP增加了，间接ELUC减少了（图7b）。这一结果表明，这些国家在增加国内生产总值的同时，也意识到保护环境和防止气候变暖的重要性。同时，其发展模式也可为其他54个国家和地区提供借鉴。碳交易市场是解决以CO2为代表的温室气体减排问题的一种新途径，它将碳排放权作为一种商品进行交易。例如，全球土地利用变化造成的碳排放损失可以用2019年欧盟市场的平均碳价格28美元tC-1来计算（表S6）。在1992年至 2015年期间，全球ELUC的净值为136.3 109美元，比率为5.93 109美元。直接ELUC导致的净值为68.79 109美元，间接ELUC导致的净值为67.51 109美元，分别占总净值的50.47%和49.53%。4.3.缺陷和前景从土地利用角度出发，采用IPCC推荐的方法估算了1992 - 2015年全球土地利用变化，揭示了全球土地利用变化的时空演变特征，并探讨了土地利用变化与GDP的关系。本研究具有一定的现实意义，但也存在局限性。具体而言，以下几个方面还存在不足。(1) 虽然以前的研究已经证实了这种方法的可靠性，但这种技术仍然存在一些不确定性。首先，本研究在假设碳密度不变的基础上估计了E LUC的变化。实际上，碳密度是不断变化的。此外，在计算土壤碳积累变化时，本研究仅考虑了耕地、林地和草地三种土地类型。使用类型之间的相互转换，其他四个被忽略。这些问题可能导致计算结果不准确。(2) 分阶段分析了1992 - 2015年中国土地利用变化的时空演变特征。该研究对认识陆地生态系统的碳循环具有重要的指导意义，但对碳循环的内部转换机制尚未进行深入探讨。土壤中的大部分碳来自植被凋落物。理想情况下，植被碳的减少应相当于土壤碳的增加。研究结果表明，植被净碳积累减少5.09PgC，土壤净碳积累仅增加2.66PgC。另外2.43 Pg C的植被减少在哪里？是在大气层里还是别的什么？(3) 从碳交易的角度分析了ELUC与GDP的关系，并对研究期间的净碳损失进行了换算。该研究对明确各国节能减排任务具有一定的参考价值。但本研究仅从总量变化的角度探讨了全球GDP与间接ELUC的关系。由于国情、自然条件、产业结构等因素的差异，S. Tian，S. Wang，X. Bai等人环境科学与生态技术7（2021）10010810图7. 全球国家和地区间接碳排放（CE）与GDP的关系。图中，a代表GDP增加，CE也增加，b代表GDP增加，CE减少。没有被考虑。此外，碳排放的驱动机制仍不清楚。主要控制因素是什么缴费率是多少这些问题将是未来研究的重点。综上所述，未来我们将进一步分析碳排放的内在转化机制，揭示其时空演变的驱动因素。我们还将对未来全球碳排放趋势进行模拟预测和风险预警，为应对全球气候变暖提供科学依据和技术支撑。5. 结论结果表明，在研究期间，植被碳储量减少，同时增加SOC储量。直接ELUC变化总量达到26.54 Pg C的水平。该研究亦揭示了土地使用量增减的特定区域值得注意的是，本文强调了间接ELUC的计算，这在以前的研究中被忽略了。此外，我们还对间接ELUC与GDP之间的关系进行了初步探讨，认为两者并不一定是正相关关系。这一发现打破了碳排放会随着经济增长而增加的传统认识。结果给出了深入ELUC核算对理解碳循环机制、启动碳减排对策、实现碳中和和减缓全球变暖具有重要意义。确认本研究工作得到了国家重点研究计划（No.2016YFC0502102 2016YFC 0502300 ）、“西部之光”人才培养计划（A类）（No.2018 -99）、中国科学技术服务网络计划（No. KFJ-STS-ZDTP-036）、国际合作机构国际伙伴计划（No.132852KYSB20170029，No.2014 e3）、贵州省高层次创新人才培养计划“十”级人才计划等项目的联合支持&国家自然科学基金委员会国际合作研究项目（编号：41571130074 -41571130042）、贵州省科技计划（编号：2016 -5648）、喀斯特科学研究中心联合基金（编号：&U1612441）、贵州省科技计划（编号：2016 -5648 ） 、 贵 州 省 科 技 计 划 （ 编 号 ： U1612441 ） 。 2017e2966）。附录A. 补充数据本文的补充数据可以在https://doi.org/10.1016/j.ese.2021.100108上找到。S. Tian，S. Wang，X. Bai等人环境科学与生态技术7（2021）10010811申报利益作者声明，他们没有已知的竞争性经济利益或个人关系，可能会影响本文报告的工作。引用[1] F. Achard，H.D.放大图片作者：Eva，P. Mayaux，H.J. Stibig，A. Belward，2004年热带地区土地覆被变化的净碳排放量的改进估计，第100页。 十八岁[2] L.E. Andersen，A.S. Doyle，S.D. 格拉纳多，J.C. Leaderma，A. 梅迪纳塞利，M. Valdivia，D.Weinhold，1990-2000年和2000-2010年玻利维亚森林砍伐的净碳排放：碳簿记模型的结果，2016年11月。[3] 作案手法阿皮亚，调查加纳能源消费，经济增长和二氧化碳排放之间的多元格兰杰因果关系，《加纳政策》112（2018）198e 208。[4] M. 鲍曼岛Gasparri，M.Piquer-Rodríguez，G.Gavier Pizarro，P. 格里菲斯，P. Hostert ， T.Kuemmerle， Carbon emissions from agricultural expansionandintensification in the Chaco，Global Change Biol. 23（2017）1902e 1916.[5] D. Broadstock，Q. Ji，S.马纳吉湾碳中和之路：挑战与机遇，资源。保存无菌 169（2021）105472.[6] Q. Ge，J. Dai，F. 他，Y. Pan，M.王，土地利用，土地覆盖变化和碳循环在中国过去300年的研 究38（2008）197E 210。[7] S. Ghosh ， Examining carbon emissions economic growth nexus for India ：amultivariate cointegration approach，《印度碳排放与经济增长的关系：多元协整方法》，《印度政策》38（2010）3008E 3014。[8] L.B. Guo，R.M. Gifford，土壤碳储量和土地利用变化：Meta分析8（2002）345E360。[9] Q.他，C. Zeng，P. Xie，Y. Liu，M.张，基于表面积的森林生物量碳储量和生态补偿评估：湖北省的案例研究，中国，ECOL INDIC 90（2018）392e 400。[10] G. Hinge，R.Y. Surampalli，M.K. Goyal，印度东北部土地利用转换和土地利用管理的区域碳排放，危险，有毒和放射性废物杂志22（2018）4018016。[11] R.A. Houghton，美国 碳预算：土地使用变化的贡献，《科学》285（1999）574e 578。[12] R.A. Houghton，陆地碳汇的规模、分布和原因以及对政策的一些影响，气候政策2（2002）71e 88。[13] R.A. Houghton，1850-2000年土地利用和土地管理变化对大气层碳年净排放量的修订估计，TellusB 55（2003）378e 390。[14] R.A. Houghton，J.L. Hackler，热带亚洲森林和土地利用变化的碳排放，全球变化生物学。 5（1999）481e 492。[15] R.A. Houghton，J.L.Hackler，《撒哈拉以南非洲土地利用变化的碳排放》，2006年，第100页。 111.[16] R.A. Houghton，J.I.House，J. Pongratz，G.R.van der