EN中文

PROGRESS IN GEOGRAPHY >

2026 , Vol. 45 >Issue 3: 573 - 588

DOI: https://doi.org/10.18306/dlkxjz.2026.03.009

Articles

Carbon offset in the Yangtze River Delta urban agglomeration based on ecosystem service flow

  • HAN Yu , 1 ,
  • CUI Chuyun 1 ,
  • WEN Yali , 1, 2, *
Expand
  • 1. School of Economics and Management, Beijing Forestry University, Beijing 100083, China
  • 2. National Forestry Development Research Institute, Beijing Forestry University, Beijing 100083, China

Received date: 2025-07-13

  Revised date: 2025-12-23

  Online published: 2026-03-25

Supported by

Beijing Social Science Foundation(19GLA005)

Fold

Abstract

This study analyzed the spatial flow path of carbon sequestration services based on the flow of ecosystem services, and constructed a one-to-one carbon compensation mechanism linking the subject and object of compensation, to provide a theoretical reference and scientific support for optimizing the carbon compensation policy for the coordinated development of the ecology and economy. Taking the Yangtze River Delta (YRD) urban agglomeration as the study area, the study clustered the standard explicit comparative advantages in the socioeconomic, ecological environment, and land use structure aspects, identified carbon compensation and compensated areas, revealed the spatial transfer paths of carbon sequestration services within the YRD urban agglomeration by combining with the fracture point and field strength model, and then calculated the amount of carbon compensation based on the contribution of carbon sinks of the cities. The results of the study indicate that: 1) Carbon emissions in the YRD urban agglomeration showed a continuous upward trend, while carbon sequestration showed a downward trend. Spatially, carbon emissions and carbon sequestration showed opposite distribution patterns, with carbon emissions characterized by "high in the east, low in the west and high in the north, low in the south" and carbon sequestration characterized by "high in the west, low in the east and high in the south, low in the north". 2) During the study period, the flow of carbon sequestration services in the YRD urban agglomeration was mainly in the direction of southwest-northeast, with a clear preference for proximity, where Xuancheng was the most stable and largest carbon sequestration service output area, and Nanjing (adjacent to Xuancheng) was the largest input area. In 2022, the carbon compensation payment of Nanjing was 41036500 yuan. In conclusion, the scale of carbon deficits in the YRD urban agglomeration has been expanding, and there was an obvious spatial mismatch between carbon revenues and expenditures, so the construction of a cross-regional carbon compensation mechanism is a realistic demand for realizing the dual carbon goals.

Key words： land use; carbon compensation; carbon balance; ecosystem service flow; Yangtze River Delta urban agglomeration

Cite this article

HAN Yu , CUI Chuyun , WEN Yali . Carbon offset in the Yangtze River Delta urban agglomeration based on ecosystem service flow[J]. PROGRESS IN GEOGRAPHY, 2026 , 45(3) : 573 -588 . DOI: 10.18306/dlkxjz.2026.03.009

随着由CO2等温室气体排放过量引起的气候变化环境问题日益严重，碳补偿作为应对气候变化重要的政策工具受到广泛关注[1]。联合国政府间气候变化专门委员会(IPCC)指出，若CO2等温室气体的排放速率不变，全球气温将在2030—2052年间提高1.5 ℃。为应对气候变化挑战，控制温室气体排放已成为国际共识。2020年，中国提出了“3060”碳达峰碳中和“双碳”战略目标。碳补偿作为协调经济发展与碳减排责任、衔接“双碳”目标与生态保护补偿制度的重要手段[2]，在补偿标准量化、主体匹配及实施路径优化等方面的探索，受到社会各界的广泛关注。
学者们从国家[3]、流域[4]、省域[5]等不同尺度对碳汇测量[6]、碳补偿功能分区[7]及补偿金额测算[8]等碳补偿机制构建的核心环节展开了大量研究，研究内容覆盖森林[9]、农业[10]、旅游业[11]等多个领域。在碳汇测量方面，现有研究多聚焦于固碳能力评估[12]、动态预测[13]及供需平衡关系[14]分析，测算方法主要包括InVEST模型[15]、土地利用系数法[16-17]、CASA模型[18-19]等，为碳收支测算提供了较为成熟的方法支撑。在碳补偿功能分区方面，现有研究多以碳收支测算结果为基础，结合净碳汇贡献[20]、碳补偿率[21]、四象限模型[22]、碳补偿优先级指数[23]、标准显性比较优势[24-25]等开展分区划分。碳补偿经济价值核算作为定量界定区域减排责任的重要依据，已有研究通过修正碳补偿价值开展横向补偿额测算，测算方法主要包括机会成本法[26]、生态系统服务价值评估法[27]、意愿调查法[28]等。综合来看，现有研究虽在碳收支测算与补偿金额核算方面取得了较为丰富的研究成果，但未建立补偿主体与受偿主体一一对应的匹配机制，研究多是基于区域“静态”的碳汇量作为碳补偿量化的主要依据。尽管有部分研究考虑到地区的社会经济差异，对碳补偿额进行了调整[21]，但鲜有学者考量生态系统固碳服务的跨区域流动路径与价值转移过程，导致补偿责任界定模糊。
生态系统服务流为揭示生态系统服务供需区的空间传输机制提供了新视角[29]。该理论强调，生态系统服务流受到自然和人为因素的干扰，可以在区域之间进行传递和转移。而固碳服务作为典型的调节型生态系统服务，其跨区域流转特性与碳补偿机制的设计需求具有内在契合性，生态系统服务流能够为补偿主体与受偿主体的空间匹配提供理论支撑。在方法层面，断裂点—场强模型为量化碳汇跨区域流转提供了方法支撑。已有研究基于生态系统服务流视角，借助该模型开展了区域间生态系统服务流的相关研究，但现有研究多围绕整体生态系统服务展开，针对生态系统固碳服务空间流转的专项研究仍较少。
城市群在城市建设快速扩张的过程中普遍存在自然生态本底与社会经济活动的空间错位，生态系统服务供需矛盾突出[30]。长三角城市群作为中国经济发展最活跃的区域之一，既是长江经济带生态绿色一体化发展的战略支点，也是推进生态文明建设的核心区域[31]，低碳转型发展是长三角城市群实现可持续发展的必经之路。2019年，《长三角生态绿色一体化发展示范区总体方案》明确提出，“探索建立多元化生态补偿机制”。从现有研究进展来看，针对长三角城市群的碳相关研究多集中在碳排放测算[32]、碳收支与碳补偿分区[33]等碳补偿机制的某一环节，对“固碳服务流动—主体匹配—金额测算”的系统性碳补偿机制探索仍较为匮乏。因此，本文以长三角城市群作为研究区域，将生态系统服务流的“空间流转”逻辑引入碳补偿研究。基于社会经济、生态环境、土地利用结构的标准显性比较优势，通过聚类分析明确碳补偿的空间主体，结合断裂点—场强模型，创新性地对生态系统服务空间转换系数进行修正，进而量化固碳服务的流转量，构建补偿主客体对应的碳补偿核算体系，并提出差异化碳补偿政策建议，为长三角城市群碳补偿实践提供科学支撑。

1 研究区域、数据与方法

1.1 研究区概况

长三角城市群位于长江下游冲积平原，介于27°12′~35°20′N、114°54′~122°12′E之间，濒临黄海与东海，地处江海交汇处，是“一带一路”与长江经济带的战略交汇点。根据《长江三角洲城市群发展规划》，长三角城市群由三省一市共26个城市组成，其中具体包括上海市以及江苏省的9个城市、浙江省的8个城市和安徽省的8个城市(图1)，区域面积达21.17万km2，约占中国陆地面积的2.2%。长三角城市群呈南高北低的地势格局，地貌类型丰富多样，北部与中部地区多为建设用地与耕地，南部多山地丘陵，森林覆盖率较高[34]。长三角城市群依托长江黄金水道和沿海港口群，形成了高度发达的城镇化体系，社会经济发展水平高，是中国经济开放程度最高、国际竞争力最强的区域之一，在国家现代化建设中具有举足轻重的战略地位。2021年末，长三角城市群人口达2.36亿人，经济总量达27.61万亿元，占全国GDP总量的24.14%。长三角城市群与京津冀、粤港澳大湾区城市群并称“三大世界级”城市群。然而，在快速的城镇化进程中，人口持续膨胀与建设用地扩张以及经济的高速发展给长三角城市群带来了严重的生态环境压力。因此，改善经济发展与生态保护之间的关系是实现区域协调发展的关键问题。
图1 研究区域

Fig.1 The study area

1.2 数据来源与处理

本文主要采用了2000、2005、2010、2015和2022年长三角城市群各城市的土地利用数据和相关社会经济统计数据。其中，土地利用数据来源于武汉大学杨杰和黄昕团队[35]基于Landsat遥感影像提取制作的土地覆盖数据集(CLCD)，空间分辨率为30 m×30 m。社会经济统计数据主要包括各城市的GDP、人均GDP和居民价格消费指数，上述数据分别来自各城市研究年份的《统计年鉴》和《中国统计年鉴》。空气流通系数基于欧洲中期天气预报中心(ECMWF)的10 m高度风速与边界层高度数据，通过年均风速与年均边界层高度相乘计算得到。

1.3 研究方法

1.3.1 土地利用碳收支核算

土地作为社会经济发展与生态系统的空间载体，其利用方式的转变不仅直接影响区域地表碳汇/源格局，还通过空间转移产生外部性[36]。因此，本文采用土地利用碳收支核算方法测度固碳服务的供给与需求。参考以往的相关研究[37-39]，土地利用类型通常被分为碳源用地和碳汇用地两类，通过各类土地利用面积与各类土地对应的碳排放、碳吸收系数的乘积运算，进而量化不同土地利用类型的碳排放量和碳汇量。由于碳市场交易通常是以CO2进行，本文将C统一转化为CO2。土地利用碳排放量、碳汇的测算公式如下：
C E = ∑ S i × K i × β
式中：CE表示区域土地利用的碳排放量；Si为第i类土地利用的面积；Ki为第i类土地利用对应的碳排放系数。其中，耕地结合长三角城市群的地形与作物熟制，系数取值为45.96 t/km2 [37]；长三角城市群属于华东地区，建设用地的碳排放系数参考自然资源部公布的华东地区的碳排放数值6530 t/km2 [40]。β为C与CO2的折算系数，取CO2与C的相对质量比值44/12 [41]。
C A = ∑ S i × Q i × β
式中：CA为区域土地利用的碳吸收量；Qi为第i类土地利用的碳吸收系数。林地的碳吸收系数考虑其地理位置与森林类型的相似性，取值581 t/km2 [42]；耕地具有碳汇与碳源双重属性，其碳吸收系数取值0.7 t/km2 [43]；水域的碳吸收系数考虑南北方湿地的固碳速率差异，取值170.1 t/km2 [44]；草地和未利用地的碳吸收系数分别为94.8 t/km2 [43]和0.5 t/km2 [45]。

1.3.2 土地利用净碳汇核算

土地利用的净碳汇是碳吸收与碳排放之间的差值，体现为土地利用碳收支的净效应。碳压力是碳吸收与碳排放之间的比值，是反映区域碳盈余、平衡或赤字状态的重要指标[46]。净碳汇与碳压力具体计算公式如下：
C D = C A - C E
C B = C A / C E
式中：CD表示区域土地利用的净碳汇，CB表示碳压力。

1.3.3 碳补偿分区

本文将比较优势理论引入长三角城市群的碳补偿分区类型的判别过程中，选取城市的碳收支总量、碳排放经济贡献系数、碳生态承载系数和国土空间开发强度作为评价指标[24]，分别表征各城市在碳补偿总量规模、社会经济特征、生态环境条件及土地利用结构方面的属性差异。在此基础上，借助标准显性比较优势指数(NRCA)测算各城市在上述属性维度的比较优势水平，为碳补偿类型分区提供量化依据。其中，国土空间开发强度以建设用地面积占国土空间总面积的比重来衡量，碳排放经济贡献和碳生态承载系数的具体计算公式如下：
E C C = G i / G C E i / C E
E S C = C A i / C A C E i / C E
式中：ECC和ESC分别为区域的碳排放经济贡献和碳生态承载系数；G和Gi分别为长三角城市群GDP总量和各城市GDP；CA和CAi分别为长三角城市群碳吸收总量和各城市碳吸收量；CE和CEi分别为长三角城市群碳排放总量和各城市碳排放量。
利用标准显性比较优势指数(NRCA)对长三角城市群碳补偿的各类优势属性进行识别与判定，具体计算公式如下：
N R C A j i = T j i T - T j T i T 2
式中：NRCAji表示i城市j属性的标准显性比较优势指数；Tji表示城市i在j属性上的指标值；Tj表示长三角城市群所有城市j属性的指标总值；T i表示城市i所有属性的指标总值；T表示长三角城市所有城市所有属性的指标总值。
K-means聚类算法具有简单且高效的特性，能够科学地确定最为适宜的聚类数量。本文依据各属性NRCA的测算结果，运用K-means聚类算法对长三角城市群的碳补偿类型进行划分，将其分为补偿区、平衡区和受偿区。

1.3.4 生态系统服务流

基于生态系统服务的空间流转特性，本文构建了生态系统服务空间传输的量化模型。生态系统服务在跨区域流动过程中存在明显的空间衰减趋势，即随着空间距离的增加，受益区获得的实际生态系统服务会因传输过程中的能量消耗而减少。固碳服务作为典型的生态系统服务类型，其空间流动性也遵循空间衰减规律。断裂点模型源于牛顿万有引力定律的空间化应用，常用于测度城市对周边区域的影响，与城市的大小成正比，与城市之间距离的平方成反比[47]。鉴于其与生态系统服务流理论的相似性，本文利用断裂点公式计算受偿区固碳服务对补偿区的有效辐射范围，同时结合场强模型量化评估不同空间单元的固碳服务影响强度。供给区对受益区的辐射距离计算公式如下：
D q = D d q 1 + N d / N q
式中：Dq为受偿区固碳服务到补偿区的断点距离，即流动半径，Ddq为受偿区q的质心到补偿区d的质心距离；Nd为受偿区d的碳吸收量，Nq为补偿区q的碳吸收量。
利用场强模型计算受偿区固碳服务的流动强度，具体计算公式如下：
F d q = N q D d q 2
式中：Fdq为受偿区q向补偿区d的固碳服务转移强度，即流动强度。
根据受偿区对补偿区的辐射范围和流动强度，计算最终的生态系统服务流。具体计算公式如下：
E d q = α × S d q × F d q
式中：Edq为受偿区q向补偿区d的固碳服务输入量；Sdq为受偿区固碳服务向补偿区的辐射面积，以受偿区的质心为圆心、断点距离Dq为半径画圆，与补偿区进行叠合分析，得到受偿区q对补偿区d的辐射面积Sdq；α为生态系统服务自然流动的空间转换系数，一般取值0.725[48]。但由于长三角城市群不同城市的地形地貌、气候条件等因素存在差异，固碳服务流转的自然衰减量存在空间异质性，为更准确地反映固碳服务流转的空间格局，本文对空间转换系数进行空间差异化修正。
固碳服务在区域间的流转主要依赖大气环流完成，而空气流通系数可以有效量化区域间的空气交换能力。因此，本文结合空气流通系数修正空间转换系数α。具体计算公式如下：
α = 0.725 × A C d + A C q 2 × A C
式中：ACq为受偿区q的空气流通系数，ACd为补偿区d的空气流通系数，AC为长三角城市群空气流通系数的均值。

1.3.5 碳补偿额度

碳补偿额度测算还需充分考虑区域间经济发展的差异性，兼顾效率与公平原则。为更科学准确地核算长三角城市群的碳补偿金额，引入经济发展系数对固碳服务转移量进行修正，结合单位碳汇价值，计算补偿区应支付的碳补偿金额，进而构建横向碳补偿的动态调整机制。具体计算公式如下：
P d = E d q × P c × r
r = G D P d / G D P m
式中：Pd为补偿区d应支付的生态补偿额；Pc为碳市场中的碳价格，以全国碳市场2022年碳交易均价45.61元/t为基准价格，同时，考虑到价格上涨的影响，对基准碳价进行动态调整。以2000年为基期，通过居民消费价格指数(CPI)进行平减获取2000、2005、2010和2015年的碳价，分别为28.01、29.95、34.60、39.71元/t；r为经济发展系数；GDPd为补偿区d的人均GDP；GDPm为长三角城市群人均GDP。

2 结果分析

2.1 长三角城市群碳收支时空特征

2.1.1 碳收支总量变化特征

2000—2022年长三角城市群碳排放量呈现出持续增长的态势(图2)。碳排放总量由2000年的327.36×106 t增至2022年的678.61×106 t，增长幅度达107.30%，年均增长率3.37%。值得关注的是，碳排放增长过程可分为“先快后缓”两个阶段。第一阶段2000—2015年，为碳排放高速增长期，年均增长率达4.15%。这一阶段主要受到泛“长三角”的国家战略和浦东新区开发政策产生的经济辐射效应的影响，长三角城市群基础设施得以快速完善，城市化进程加快，碳排放快速增长。第二阶段为2015—2022年，碳排放增速放缓，年均增长率逐渐回落至1.71%。
图2 2000—2022年长三角城市群碳收支

Fig.2 Carbon balance in the Yangtze River Delta urban agglomeration during 2000-2022

长三角城市群碳吸收量总体呈缓慢波动下降趋势，从2000年的142.28×106 t减少至2022年的136.84×106 t，下降幅度为3.82%，年均下降率为0.18%。具体来看，以2010年为转折点分为“先增后减”两个阶段，即2000—2010年，碳吸收呈缓慢增长态势，该阶段碳吸收增长了1.87×106 t，年均增长率为0.13%。2010年后，碳吸收呈逐渐下降趋势，年均下降率为0.43%。缓慢减少的碳吸收与快速增长的碳排放，导致区域碳收支差值不断扩大，长三角城市群碳失衡压力加剧。

2.1.2 碳收支空间分布特征

按照碳排放量将长三角城市群划分低排放城市(CE≤5×106 t)、较低碳排放城市(5×106 t<CE≤15×106 t)、中等碳排放城市(15×106 t<CE≤25×106 t)、较高碳排放城市(25×106 t<CE≤35×106 t)和高碳排放城市(CE>35×106 t) 5个等级(图3)。
图3 2000—2022年长三角城市群碳排放

Fig.3 Carbon emissions in the Yangtze River Delta urban agglomeration during 2000-2022

长三角城市群高碳排放城市主要集中在东部沿海城市，低碳排放城市集中分布于西南地区，呈现出“东高西低、北高南低”的分布特征。结合时间演变来看，2000年长三角城市群低碳排放城市有舟山、铜陵、池州和宣城4个城市，较低碳排放城市数量最多，包含常州、湖州、绍兴、金华、安庆和芜湖等在内的14个城市。值得注意的是，较低碳排放城市在空间上呈“人”字型分布，这种特殊空间构型与皖南—浙西生态屏障的地理走向高度吻合，反映出自然地理条件对碳排放格局有一定的约束作用。较高碳排放城市包含上海和滁州两市，高碳排放城市仅有盐城。到2022年，高碳排放城市明显扩张，低碳排放城市范围收缩。其中高碳排放城市增加至8个，形成了以上海为核心，苏州、杭州、宁波为支点的沿海碳排放走廊。较高碳排放城市毗邻高碳排放城市分布，包含南京、无锡和金华三市。原低碳区域整体抬升至较低排放层级，2022年较低碳排放城市主要分布于西南地区，包含安庆、池州、宣城等7个城市。碳排放的空间分异特征本质上是区域发展不平衡与产业分工差异的体现。如上海、南通等东部沿海城市产业和人口高度集聚，碳排放源多，而池州和宣城等城市因其产业基础和地理条件的限制，城市化、工业化进程相对较慢，碳源相对较少。
按照碳吸收量将长三角城市群划分低碳吸收城市(CA≤1×106 t)、较低碳吸收城市(1×106 t<CA≤10×106 t)、中等碳吸收城市(10×106 t<CA≤15×106 t)、较高碳吸收城市(15×106 t<CA≤20×106 t)和高碳吸收城市(CA>20×106 t) 5个等级(图4)。
图4 2000—2022年长三角城市群碳吸收

Fig.4 Carbon sequestration in the Yangtze River Delta urban agglomeration during 2000-2022

长三角城市群的碳吸收空间分布与碳排放呈相反的分布特征，呈现出“西高东低、南高北低”的空间格局，且碳吸收的空间分布格局相对稳定。结合时间演变来看，2000年，低碳吸收城市有上海、常州、南通、盐城、扬州、镇江、泰州和嘉兴8个城市，集中连片分布于长三角城市群的北部区域。较低碳吸收城市包括了南京、无锡、苏州、合肥、芜湖、马鞍山等在内的10个城市，主要分布于长三角城市群的中部和西北区域，较高碳吸收包含宣城和金华两个城市，杭州为高碳吸收城市。到2022年，低碳吸收城市仍为2000年的8个城市，较低碳吸收城市则增加了宁波，变为11个城市。较高碳吸收和高碳吸收城市分别为宣城和杭州，其中金华转变为中等碳吸收城市。值得注意的是，杭州在研究期内始终保持在高碳吸收水平，表明杭州的生态系统服务具有较强的稳定性。这种空间分异本质是自然本底条件与土地利用开发强度密切相关。长三角城市群中部和北部地区较为平坦的地形条件，为城市扩张提供了良好的空间载体。在经济发展的驱动下，长三角中部、北部地区建设用地快速扩张，挤占生态空间导致生态固碳能力降低。长三角城市群南部地区多山地丘陵，林地资源较为丰富，开发强度较低，因此碳吸收能力较强。

2.2 长三角城市群碳压力与碳补偿分区

2.2.1 碳压力时空特征

按照碳压力值将长三角城市群划分低碳压力城市(CB≤1)、较低碳压力城市(1<CB≤5)、中等碳压力城市(5<CB≤10)、较高碳压力城市(10<CB≤15)和高碳压力城市(CB>15) 5个等级(图5)。
图5 2000—2022年长三角城市群碳压力空间分布

Fig.5 Spatial distribution of carbon pressure in the Yangtze River Delta urban agglomeration during 2000-2022

长三角城市群整体碳压力较大且碳压力呈持续增强趋势，在空间上呈“北高南低“的分布格局。结合时间演变来看，长三角城市群整体碳压力持续加强，其碳压力均值从2000年的11.81增长至2022年的29.41，年均增长率4.23%。在空间上表现为长三角城市群超过60%的城市碳压力值大于1，说明大部分城市碳收支失衡，处于碳赤字状态。与此同时，低碳压力城市(CB≤1)的空间范围持续收缩，而碳收支失衡地区(CB>1)的范围则不断扩张。具体来看，低碳压力城市(CB≤1)从2000年的杭州、湖州、绍兴、金华、台州、安庆、池州和宣城8个城市减少至2022年的池州和宣城2个城市。碳收支失衡地区(CB>1)的范围呈持续向南扩张态势，覆盖城市数量从2000年的18个城市增加至2022年的24个城市，且不同压力等级城市的范围变化存在差异，其较低碳压力和高碳压力城市覆盖范围扩大，较高碳压力城市范围则呈收缩趋势。较低碳压力城市从2000年的宁波、舟山、芜湖、马鞍山和铜陵市5个城市增加至杭州、宁波、湖州、绍兴、金华、舟山、台州、铜陵和安庆9个城市；高碳压力城市从上海、南通、盐城、扬州和泰州5个城市增加至上海、南京和无锡等11个城市，形成了高碳压力城市集聚区；中等碳压力城市由无锡和苏州2个城市转变为芜湖和马鞍山2个城市；较高碳压力城市则从南京、常州、镇江、嘉兴、合肥和滁州6个城市减少至滁州1个城市，其余城市均向高碳压力城市转移。结合其转移路径来看，长三角城市群碳压力以低碳压力向较低碳压力城市转移、较高碳压力向高碳压力城市转移为主，表明长三角城市群碳收支失衡压力不断加大，亟需建立跨区域的碳补偿与协同减排机制，促进区域整体的低碳协同发展，应对日益增长的碳赤字风险。

2.2.2 碳补偿分区

利用K-means聚类模型对碳收支总量、碳生态承载能力、碳排放经济贡献和国土开发利用程度4个指标的标准显性比较优势指数进行聚类分析，将长三角城市群分为补偿区、平衡区和受偿区三类区域(图6)。
图6 2000—2022年长三角城市群碳补偿分区

Fig.6 Carbon offset zoning of the Yangtze River Delta urban agglomeration during 2000-2022

研究期内，长三角城市群的补偿区主要分布于北部地区，平衡区和受偿区主要分布于南部地区，且碳补偿分区的空间格局较为稳定(图6)。空间上，补偿区主要集中于长三角城市群北部地区，平衡区与受偿区则连片分布于南部浙中、皖南片区。进一步结合时间演变来看，研究期内长三角城市群补偿区从上海、南京和无锡等12个城市增加至2022年的14个城市，平衡区从宁波、嘉兴和湖州等11个城市减少至10个城市，受偿区从杭州、池州和宣城3个城市减少至池州和宣城2个城市。具体来看，杭州和镇江于2005年分别由受偿区和补偿区转变为平衡区。2010年，碳补偿分区空间格局发生二次调整，镇江和宁波由平衡区转变为补偿区。此次调整后，长三角城市群形成了稳定的碳补偿分区格局。值得注意的是，池州市和宣城两市在研究期内始终保持受偿区属性。这两座城市拥有丰富的森林生态资源，资源环境承载能力较强，是长三角城市群重要的生态屏障，对长三角城市群碳平衡发挥着积极的促进作用。整体来看，碳补偿区的城市数量明显多于受偿区，说明长三角城市群整体处于固碳服务供需失衡的状态。

2.3 长三角城市群固碳服务流与碳补偿

2.3.1 固碳服务空间流动

长三角城市群固碳服务整体呈现出西南向东北方向的空间流转特征(图7)。结合时间演变来看，研究期内，长三角城市群固碳服务供给体系呈现空间收缩与强度下降并存的特征。固碳服务输出区从宣城、池州和杭州缩减至宣城和池州两个城市，平均流动强度从2000年的347.95 t/km2降低到2022年的297.59 t/km2。具体来看，2000年，宣城、池州和杭州构成了长三角城市群西南部的固碳服务输出带，平均流动强度分别为470.08、150.93和422.85 t/km2。其中，宣城对南京、无锡、常州、苏州、镇江、合肥的固碳服务流转强度均超过400 t/km2，尤其对常州和南京的流动强度尤为突出，流动强度分别达到了978.54 t/km2和831.97 t/km2；池州仅对合肥的固碳服务流动强度超过400 t/km2，为433.10 t/km2；杭州则对无锡、常州和苏州形成高强度固碳服务流转，流转强度分别为722.00、701.86和660.39 t/km2。2022年，宣城和池州的固碳服务流转强度分别下降至452.32 t/km2和142.86 t/km2，较2000年分别下降了3.78%和5.35%，但宣城和池州高强度的固碳服务流转方向保持基本稳定。宣城仍对南京、无锡、常州等地的固碳服务流转强度超过400 t/km2，未出现明显的衰减趋势。池州则仍对合肥保持高强度的固碳服务流转，流转强度为432.83 t/km2。值得注意的是，尽管池州自身固碳能力较强，但其整体固碳服务流转强度明显低于宣城，这主要在于池州与主要碳补偿区的地理距离较远，导致其固碳服务的辐射范围与流转强度受空间距离制约，无法有效覆盖高需求区域；而宣城地处苏皖交界，与南京、常州等补偿区的空间邻近性更强，为固碳服务高效流转提供了地理基础。同时，宣城对南京、常州两大经济强市的固碳服务强度始终稳定处于800~1000 t/km2的高位区间，且未出现明显波动。池州与宣城对合肥的固碳服务强度也持续维持在400 t/km2以上。这一空间流转规律反映出补偿区对邻近受偿区的高度锁定，也印证了受偿区对补偿区的选择存在明显的近距离偏好。
图7 2000—2022年长三角城市群固碳服务流动强度

Fig.7 Flow intensity of carbon sequestration services in the Yangtze River Delta urban agglomeration during 2000-2022

从固碳服务流转量来看，研究期内，长三角城市群固碳服务流转规模呈“先降后升”的变化趋势。2000—2005年，长三角城市群固碳服务输出量呈下降趋势，其输出量从573.68万t减少至308.03万t，该阶段固碳服务输出量减少主要是由于杭州退出受偿区，固碳服务供给区数量减少(图8)。2005—2022年，长三角城市群输出持续上升，从2005年的308.03万t增长至370.48万t，这主要是由于宣城和池州固碳服务供给能力的提升。从受偿区来看，宣城和池州的固碳服务输出量均呈上升趋势，分别从2000年的296.29万t和39.26万t增长至2022年的328.16万t和42.33万t，增幅分别为10.76%和7.82% (图8)。其中宣城在研究期内始终维持着固碳服务供给的主导地位，2022年其固碳服务输出量占长三角城市群总输出量的88.56%。杭州2000年的固碳服务流转量为238.14万t。尽管宣城、池州的固碳服务输出量增长，但远不足以弥补杭州退出带来的供给缺口，最终导致城市群整体固碳服务输出量呈下降趋势。从补偿区来看，南京和常州分别为长三角城市群第一和第二大的固碳服务输入区。2022年，南京和常州的固碳服务输入量分别为73.05万t和63.42万t，固碳服务输入量分别较2000年减少了29.00%和23.05%。结合固碳服务输入来源看，南京和常州的固碳服务输入量基本都来自宣城。2022年，宣城对南京和常州的输入量分别占城市总输入量的99.22%和99.67%。合肥则是池州的最大固碳服务输入区。2022年，池州向合肥的固碳服务输入量为40.68万t，占合肥总输入量的81.04%。
图8 2000—2022年长三角城市群固碳服务流转量

Fig.8 Flow of carbon sequestration services in the Yangtze River Delta urban agglomeration during 2000-2022

2.3.2 碳补偿额度

研究期内，长三角城市群碳补偿总额以2005年为拐点呈“先降后升”的变化趋势(表1)。具体来看，长三角城市群碳总额从2000年的16667.49万元下降至2005年的10329.22万元，该阶段碳补偿额下降主要源于长三角城市群固碳能力的衰退。2005—2022年，长三角城市群碳补偿额进入增长阶段，其碳补偿总额增长至18998.24万元，这一增长趋势主要是由于宣城和池州固碳服务供给能力提升与城市经济高速发展，地区的碳支付能力和碳汇价格得以提高，进而提高了碳补偿额。从各城市的碳补偿额来看，2000年苏州以3286.92万元的碳补偿额居于支付首位，南京和无锡分别位居第二和第三位，支付额分别为3256.67万元和2517.34万元。2005年，南京市碳补偿支付额超越苏州，成为长三角城市群中碳补偿规模最大的地区；同期，常州以2179.63万元的支付额位居第二。2010年，南京再次成为碳补偿规模最大的地区，常州、无锡分别位列第二、三位。此后，长三角城市群碳补偿规模前三的地区长期稳定为南京、常州和无锡。
表1 2000—2022年长三角城市群碳补偿支付金额

Tab.1 Amount of ecological compensation payments in the Yangtze River Delta urban agglomeration during 2000-2022 (万元)

补偿区 2000年 2005年 2010年 2015年 2022年
上海 2373.37 443.38 484.40 546.30 773.30
南京 3256.67 2632.53 2822.48 3945.71 4103.65
无锡 2517.34 1368.08 2465.75 2534.68 2609.93
常州 2319.08 2179.63 2636.78 3257.18 3551.92
苏州 3286.92 1690.26 2152.13 1506.26 1485.06
南通 168.12 130.56 199.46 265.67 374.28
盐城 308.89 93.04 134.62 177.40 384.53
扬州 579.66 408.90 599.32 723.63 1011.51
镇江 479.82 — 688.67 905.96 882.79
泰州 732.92 456.81 600.10 701.07 1170.27
宁波 — — 0 0 0
嘉兴 — — 501.30 524.55 588.29
合肥 603.89 906.04 1560.93 1584.12 1984.07
滁州 40.82 20.00 39.32 28.99 78.64

3 讨论

本文在土地利用碳收支核算的基础上，对碳收支总量规模、社会经济特征、生态环境条件及土地利用结构的显性比较优势进行聚类识别并划分了长三角城市群碳补偿分区，再结合断裂点—场强模型构建了“供给—需求”对应的碳补偿核算体系，实现了长三角城市群26个城市碳补偿关系的空间匹配，弥补了以往研究补偿主体模糊化的问题，这对优化城市群碳补偿资金的空间配置效率具有重要的实践意义。

3.1 碳收支时空演变格局

研究期内，长三角城市群碳排放持续增长，碳吸收缓慢下降，碳赤字规模扩张，这与相关研究结论基本相符[45]，说明本文的核算结果具有一定的准确性与可靠性。经济增长驱动产业发展，而产业扩张需更多建设用地，同时增加能源消费，进而导致碳排放增长；城市化则需更多居住和交通空间，同时拉动生活消费碳排放。城市化对生态用地的挤占导致生态固碳能力下降，进而削弱了对碳排放的“抵消能力”。为缓解经济增长与碳约束的矛盾，部分城市选择通过产业转移“异地减排”，减排效果被转移排放抵消，导致整体的碳赤字情况并未得到改善；此外，森林碳汇建设具有周期长、短期效益低的特性，难以与高收益产业竞争资源，导致生态固碳能力恢复乏力，形成“需求扩张—供给收缩”的自我强化循环。在空间上，长三角城市群固碳服务供需存在明显的空间错配，这种空间错配本质是“核心城市极化效应—外围城市传导效应”共同作用下碳源在区域内非均衡流动的结果，且这种流动进一步放大了碳收支失衡的空间差异。一方面，上海、宁波通过“虹吸效应”吸引人才、资本等生产要素集聚，致使城市陷入高碳发展路径依赖的困境。另一方面，上海、宁波等经济较发达地区的“产业梯度转移”并非“低碳转移”，而是将高耗能环节转移至周边城市，使这些城市重复“源增汇减”路径，从而进一步放大区域碳收支错配。

3.2 固碳服务流动特征

长三角城市群固碳服务整体呈现出西南向东北的空间流动格局本质上是区域生态系统功能差异、经济发展空间不均衡以及生态服务外部性共同作用的结果，也是碳收支空间错配的必然表现。不同地区自然资源禀赋与生态基底存在显著差异，导致生态系统固碳能力在空间上呈现出明显的异质性。生态系统服务具有天然的空间外溢性，而人为的行政区划与自然生态系统边界并非一致[49]，使得生态系统所产生的固碳效益并非局限于其本地，而是可通过大气扩散交换和社会经济网络等对其他地区产生跨区域影响，从而形成区域间固碳服务的空间流动。从供给侧来看，宣城和池州地处皖南山区地带，森林、草地等生态资源丰富，植被覆盖度高，生态固碳能力强，是长三角城市群的主要碳汇区。从需求侧来看，南京、苏州、无锡等城市地势较为低平，建设用地占比高，生态空间高度破碎化，削弱了区域生态系统的固碳能力。同时，这些地区经济发展水平高、产业集聚密度高、人口规模庞大，能源消耗与碳排放强度居高不下，由此产生了较大的固碳服务需求缺口，进而形成了西南向东北的跨区域空间流动格局。
进一步分析发现，长三角城市群固碳服务流在空间分配上存在明显的近邻性偏好，即固碳服务对距离较近的地区的流转强度和流转规模明显高于距离较远的地区，这表明固碳服务的跨区域流转并非均质扩散过程。而这种近邻性偏好与固碳服务流的空间衰减效应密切相关。随着距离的增加，碳汇区与碳源区之间的生态连通性逐渐减弱，地形阻隔、土地利用强度增加等因素都会削弱固碳服务的跨区域传递效率。同时，大气扩散路径、气候条件等环境因素也对碳的空间扩散范围产生限制，使得固碳服务在空间传递上呈现出由强到弱的梯度递减特征。空间衰减效应的存在表明固碳服务流的传输范围存在明显的空间边界，即碳汇区的固碳服务的空间流转并不能惠及所有碳源区。因此，碳补偿有必要突破传统以静态碳收支为基础的补偿模式，转向基于固碳服务流动路径的碳补偿机制。

3.3 碳补偿实施的可行性

为保障碳补偿机制的公平性与运行效率，本文在明确“谁受益、谁补偿”的责任归属前提下，以长三角城市群受偿区获取的固碳服务输入量为核算基础，考量各城市社会经济发展的差异性，引入经济发展系数修正碳补偿金额，避免经济发展相对滞后的城市因补偿压力制约发展。
经核算，长三角城市群碳补偿总额在14885.25~18998.24万元之间，该碳补偿额度相较于长三角城市群一般公共财政支出占比较低。其中，2022年，最大碳补偿区南京的支付金额为4103.65万元，约占南京一般财政支出的0.02%。常州和无锡的支付金额分别占地区一般公共财政支出的0.04%和0.02%，说明碳补偿对于各城市来说其支付压力较小，各城市均可具备碳支付能力，表明碳补偿在现有的财政规模框架下具有一定的现实可操作性。

3.4 差异化管理路径

不同的碳补偿分区在碳汇格局、生态承载能力及社会经济发展等方面均存在明显的异质性，这一差异要求对不同类型分区实施差异化的管理策略，才能充分发挥各城市的生态与经济优势，共同推进区域高质量绿色发展。补偿区碳排放总量大、强度高，经济基础好，经济发展与生态承载能力处于极度失衡状态。补偿区管理应以“严控排放总量、补充碳汇缺口”为重点，严格控制高耗能产业和建设用地扩张，避免城市持续扩张挤压生态用地。同时，积极推进生态修复工程，推进口袋公园、郊野绿地建设，增加蓝绿空间，提升城市公园绿地质量；平衡区经济开发和生态环境处于较稳定的协作状态，应加快推进产业结构调整，对低端高碳制造业实施技术改造与产能整合，有序推动落后产能退出，促进产业低碳转型，提高森林覆盖率，增强生态系统固碳增汇能力，推动建设宜业宜居的绿色低碳城市；受偿区经济发展水平和开发程度相对落后、生态承载能力强，应在稳定森林面积基础上提高森林质量，依托自身生态优势适度发展生态旅游等绿色产业，优化农林产品产业结构，提高生态产品价值实现效率。

4 结论

本文在碳收支时空格局分析的基础上，借助标准显性比较优势指数和K-means聚类方法，明确长三角城市群补偿区与受偿区的空间划分，并利用断裂点—场强模型，揭示固碳服务在区域间的流动方向与强度。在此基础上，综合考虑区域经济发展水平差异，测算各城市的碳补偿额度。主要结论如下：
(1) 长三角城市群已面临生态承载超载风险，凸显了构建跨区域碳补偿机制的必要性。从时序变化上看，长三角城市群碳赤字规模不断扩大，碳排放由2000年的327.36×106 t增长至2022年的678.61×106 t，碳吸收则在143.86×106 ~136.55×106 t之间波动下降。从空间上看，碳收支供需空间错配明显，高碳排放区与低碳吸收区形成空间叠合，导致长三角城市群碳压力大于1的城市超过60%，且该范围呈扩大趋势，表明长三角城市群碳压力持续增大。
(2) 长三角城市群固碳服务供给能力减弱。研究期内，长三角城市群固碳服务流转规模以2005年为转折点呈“先降后升”的趋势，但总体呈下降趋势，固碳服务输出总量从2000年573.68万t减少至2022年的370.48万t。流转方向以相邻区域间流动为主，呈现出“西南供给、东北输入”的空间流转格局，其中宣城是固碳服务输出量最多的城市，南京是输入量最多的城市。
(3) 碳补偿支付金额对补偿区的财政压力较小，实施跨区域碳补偿具有一定的可行性。2022年，长三角城市群碳补偿区向受偿区支付的总额为18998.24万元。其中，南京、常州和无锡是最主要的支付区，其支付额分别为4103.65万元、3551.92万元、2609.93万元，分别占支付总额的21.60%、18.70%和13.74%，分别占地区一般公共财政支出的0.02%、0.04%和0.02%。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
杜梦晴, 杨欣. 碳中和背景下统筹土地利用碳收支的广东省横向碳补偿[J]. 水土保持学报, 2024, 38(1): 197-206, 219.

[Du Mengqing, Yang Xin. Horizontal carbon compensation in Guangdong Province based on coordinating land use carbon budget under the background of carbon neutrality. Journal of Soil and Water Conservation, 2024, 38(1): 197-206, 219.]

[2]
路慧玲, 韩燕. 基于土地利用的甘肃省县域碳收支时空分异与碳平衡分区[J]. 甘肃农业大学学报, 2025, 60(1): 281-287, 296.

[Lu Huiling, Han Yan. Spatio-temporal differentiation of carbon budget and carbon balance zoning in Gansu Province based on land use. Journal of Gansu Agricultural University, 2025, 60(1): 281-287, 296.]

[3]
王文治, 胡雍, 张晓宇. 中国省域碳排放责任分配方法比较与碳补偿设计[J]. 资源科学, 2023, 45(10): 1913-1930.

DOI

[Wang Wenzhi, Hu Yong, Zhang Xiaoyu. Comparison of carbon emission responsibility allocation methods and carbon compensation design among provinces in China. Resources Science, 2023, 45(10): 1913-1930.]

DOI

[4]
张亚龙, 张海峰, 杨雪梅. 黄河流域城市碳收支时空差异与碳补偿分区研究[J]. 世界地理研究, 2024, 33(3): 116-130.

DOI

[Zhang Yalong, Zhang Haifeng, Yang Xuemei. Spatial and temporal difference in urban carbon budget in the Yellow River Basin and carbon offset zoning study. World Regional Studies, 2024, 33(3): 116-130.]

DOI

[5]
韩超跃, 赵先超, 胡艺觉, 等. 湖南省县域农业碳收支时空差异及碳补偿潜力[J]. 水土保持通报, 2023, 43(5): 343-354.

[Han Chaoyue, Zhao Xianchao, Hu Yijue, et al. Spatiotemporal differences of agricultural carbon income and expenditure, and carbon compensation potential of counties in Hunan Province. Bulletin of Soil and Water Conservation, 2023, 43(5): 343-354.]

[6]
郗长军, 李园园, 薛彩霞. 陕西省保护性耕作净碳汇的时空格局及驱动因素[J]. 农业现代化研究, 2025, 46(2): 294-304.

[Xi Changjun, Li Yuanyuan, Xue Caixia. Spatio-temporal pattern and driving factors of net carbon sink of conservation tillage in Shaanxi Province, China. Research of Agricultural Modernization, 2025, 46(2): 294-304.]

[7]
孔凡斌, 曹露丹, 徐彩瑶. 县域碳收支核算与碳综合补偿类型分区: 以钱塘江流域为例[J]. 经济地理, 2023, 43(3): 150-161.

DOI

[Kong Fanbin, Cao Ludan, Xu Caiyao. Measurement of carbon budget and type partition of carbon comprehensive compensation in the Qiantang River Basin. Economic Geography, 2023, 43(3): 150-161.]

DOI

[8]
杨军, 贾倩, 丛建辉, 等. 基于 “收支—责益” 双平衡视角的中国省域碳补偿机制研究[J]. 资源科学, 2024, 46(7): 1265-1283.

DOI

[Yang Jun, Jia Qian, Cong Jianhui, et al. Provincial carbon compensation mechanism in China based on the "revenue and expenditure-responsibility and benefit" dual balance perspective. Resources Science, 2024, 46(7): 1265-1283.]

[9]
孔凡斌, 曹露丹, 徐彩瑶. 基于碳收支核算的钱塘江流域森林碳补偿机制[J]. 林业科学, 2022, 58(9): 1-15.

[Kong Fanbin, Cao Ludan, Xu Caiyao. Compensation mechanism for forest carbon sink in the Qiantang River Basin based on carbon revenue and expenditure accounting. Scientia Silvae Sinicae, 2022, 58(9): 1-15.]

[10]
伍国勇, 刘金丹, 杨丽莎. 中国农业碳排放强度动态演进及碳补偿潜力[J]. 中国人口·资源与环境, 2021, 31(10): 69-78.

[Wu Guoyong, Liu Jindan, Yang Lisha. Dynamic evolution of China's agricultural carbon emission intensity and carbon offset potential. China Population,Resources and Environment, 2021, 31(10): 69-78.]

[11]
王凯, 曾琴琴, 甘畅, 等. 中国旅游业碳补偿率空间关联网络及影响因素[J]. 中国人口·资源与环境, 2025, 35(1): 77-86.

[Wang Kai, Zeng Qinqin, Gan Chang, et al. Spatial correlation network of China's tourism carbon compensation rate and its influencing factors. China Population, Resources and Environment, 2025, 35(1): 77-86.]

[12]
王宗超, 闫丰, 田朋飞, 等. 2002—2020年京津冀植被固碳能力时空分异及其影响因素[J]. 环境科学, 2025, 46(6): 3784-3796.

[Wang Zongchao, Yan Feng, Tian Pengfei, et al. Spatial and temporal variability of carbon sequestration capacity of vegetation in Beijing-Tianjin-Hebei and its influencing factors from 2002 to 2020. Environmental Science, 2025, 46(6): 3784-3796.]

[13]
温丁, 徐丽, 王春燕, 等. 京津冀城区森林植被碳汇遥感评估与预测[J]. 地理科学进展, 2024, 43(12): 2520-2529.

DOI

[Wen Ding, Xu Li, Wang Chunyan, et al. Remote sensing assessment and prediction of forest vegetation carbon sequestration in the Beijing-Tianjin-Hebei urban area. Progress in Geography, 2024, 43(12): 2520-2529.]

DOI

[14]
王丽蓉, 石培基, 尹君锋, 等. 碳中和视角下甘肃省县域碳收支时空分异与国土空间分区优化[J]. 环境科学, 2024, 45(7): 4101-4111.

[Wang Lirong, Shi Peiji, Yin Junfeng, et al. Spatio-temporal differentiation of county carbon budget and territorial space optimization zoning strategy in Gansu Province from the perspective of carbon neutrality. Environmental Science, 2024, 45(7): 4101-4111.]

[15]
夏全升, 洪欣, 桂翔, 等. 基于 InVEST 模型的芜湖市固碳能力及影响因子研究[J]. 水土保持通报, 2023, 43(5): 385-394.

[Xia Quansheng, Hong Xin, Gui Xiang, et al. A study on carbon fixation capacity and its influencing factors based on InVEST model at Wuhu City. Bulletin of Soil and Water Conservation, 2023, 43(5): 385-394.]

[16]
刘亦文, 李桢枭, 颜建军. 长株潭城市群蓝绿空间碳汇时空演化与组态提升路径[J]. 生态学报, 2025, 45(15): 7349-7361.

[Liu Yiwen, Li Zhenxiao, Yan Jianjun. The spatiotemporal evolution and configuration improvement path of blue-green carbon sinks in the Changsha-Zhuzhou-Xiangtan urban agglomeration. Acta Ecologica Sinica, 2025, 45(15): 7349-7361.]

[17]
王喜, 鲁丰先, 秦耀辰, 等. 河南省碳源碳汇的时空变化研究[J]. 地理科学进展, 2016, 35(8): 941-951.

DOI

[Wang Xi, Lu Fengxian, Qin Yaochen, et al. Spatial and temporal changes of carbon sources and sinks in Henan Province. Progress in Geography, 2016, 35(8): 941-951.]

DOI

[18]
孙佳慧, 周凯, 郑曦. 基于局地气候区的城市碳汇时空变化及其影响因素分析: 以北京市中心城区为例[J]. 生态学报, 2025, 45(15): 7257-7276.

[Sun Jiahui, Zhou Kai, Zheng Xi. Analysis on spatiotemporal variation of urban carbon sinks and its influencing factors based on local climate zones: A case study of the central urban area of Beijing. Acta Ecologica Sinica, 2025, 45(15): 7257-7276.]

[19]
彭卓越, 李梦婷, 刘亚明, 等. 南水北调工程实施下受水区碳生态补偿标准研究: 以济南市为例[J]. 地理科学进展, 2025, 44(8): 1720-1731.

DOI

[Peng Zhuoyue, Li Mengting, Liu Yaming, et al. Carbon ecological compensation standards in water-receiving areas under the implementation of the South-to-North Water Diversion Project: A case study of Jinan City. Progress in Geography, 2025, 44(8): 1720-1731.]

DOI

[20]
邓文萍, 朱文博, 张哲, 等. 河南省县域土地利用碳收支时空格局与碳补偿分区[J]. 环境科学, 2025, 46(3): 1517-1534.

[Deng Wenping, Zhu Wenbo, Zhang Zhe, et al. Spatio-temporal variation of landuse carbon budget and carbon compensation zoning at county level in Henan Province. Environmental Science, 2025, 46(3): 1517-1534.]

[21]
吴昊玥, 何宇, 黄瀚蛟, 等. 中国种植业碳补偿率测算及空间收敛性[J]. 中国人口·资源与环境, 2021, 31(6): 113-123.

[Wu Haoyue, He Yu, Huang Hanjiao, et al. Estimation and spatial convergence of carbon compensating rate of planting industry in China. China Population, Resources and Environment, 2021, 31(6): 113-123.]

[22]
韩宇, 杨伶, 周文强, 等. 洞庭湖流域碳收支平衡与碳补偿功能分区[J]. 环境科学, 2025, 46(8): 4888-4899.

[Han Yu, Yang Ling, Zhou Wenqiang, et al. Functional zoning of carbon balance and carbon offset in Dongting Lake Basin. Environmental Science, 2025, 46(8): 4888-4899.]

[23]
陈姜全, 李效顺, 刘希朝, 等. 基于 “三生空间” 转型的碳收支演变机制与碳补偿研究: 以西南地区为例[J]. 长江流域资源与环境, 2025, 34(3): 610-626.

[Chen Jiangquan, Li Xiaoshun, Liu Xizhao, et al. Evolution mechanism of carbon budget and carbon compensation based on transformation of production-living-ecological space: Evidence from Southwest China. Resources and Environment in the Yangtze Basin, 2025, 34(3): 610-626.]

[24]
夏四友, 杨宇. 基于主体功能区的京津冀城市群碳收支时空分异与碳补偿分区[J]. 地理学报, 2022, 77(3): 679-696.

DOI

[Xia Siyou, Yang Yu. Spatio-temporal differentiation of carbon budget and carbon compensation zoning in Beijing-Tianjin-Hebei urban agglomeration based on the plan for major function-oriented zones. Acta Geographica Sinica, 2022, 77(3): 679-696.]

DOI

[25]
李璐, 董捷, 徐磊, 等. 功能区土地利用碳收支空间分异及碳补偿分区: 以武汉城市圈为例[J]. 自然资源学报, 2019, 34(5): 1003-1015.

DOI

[Li Lu, Dong Jie, Xu Lei, et al. Spatial variation of land use carbon budget and carbon compensation zoning in functional areas: A case study of Wuhan urban agglomeration. Journal of Natural Resources, 2019, 34(5): 1003-1015.]

DOI

[26]
Xu H, Chen L X, Li Q F. Research on two-way ecological compensation strategy for transboundary watershed based on differential game[J]. Journal of Environmental Management, 2024, 371: 123314. doi: 10.1016/j.jenvman.2024.123314.

[27]
An Z Y, Sun C Z, Hao S. Exploration of ecological compensation standard: Based on ecosystem service flow path[J]. Applied Geography, 2025, 178: 103588. doi: 10.1016/j.apgeog.2025.103588.

[28]
谢慧明, 毛狄, 沈满洪. 流域上游居民接受生态补偿意愿及其偏好研究: 以新安江流域为例[J]. 生态学报, 2022, 42 (16): 6633-6643.

[Xie Huiming, Mao Di, Shen Manhong. The upstream residents' willingness to accept of ecological compensation and their preferences: Evidence from Xin'an River Basin. Acta Ecologica Sinica, 2022, 42(16): 6633-6643.]

[29]
Du H Q, Zhao L, Zhang P T, et al. Ecological compensation in the Beijing-Tianjin-Hebei region based on ecosystem services flow[J]. Journal of Environmental Management, 2023, 331: 117230. doi: 10.1016/j.jenvman.2023.117230.

[30]
黎永豪, 张安录, 张宇, 等. 生态系统服务流视角下武汉城市圈横向生态补偿研究[J]. 长江流域资源与环境, 2025, 34(1): 111-125.

[Li Yonghao, Zhang Anlu, Zhang Yu, et al. Horizontal ecological compensation in Wuhan urban agglomeration from the perspective of ecosystem service flow. Resources and Environment in the Yangtze Basin, 2025, 34(1): 111-125.]

[31]
权天舒, 张晖, 许玉韫. 长三角城市群碳排放效率的空间关联网络及其影响因素[J]. 南京林业大学学报 (自然科学版), 2024, 48(6): 217-228.

[Quan Tianshu, Zhang Hui, Xu Yuyun. Spatial correlation and influencing factors of carbon emission efficiency in the Yangtze River Delta city cluster. Journal of Nanjing Forestry University (Natural Sciences Edition), 2024, 48(6): 217-228.]

[32]
张宁, 邓清晨, 茹泓凯. 长三角地区碳排放时空特征与影响因素研究[J]. 长江流域资源与环境, 2025, 34(8): 1811-1823.

[Zhang Ning, Deng Qingchen, Ru Hongkai. Spatial and temporal characteristics and influencing factors of carbon emissions in Yangtze River Delta Region. Resources and Environment in the Yangtze Basin, 2025, 34(8): 1811-1823.]

[33]
李建豹, 陈红梅, 张彩莉, 等. 长三角地区碳源碳汇时空演化特征及碳平衡分区[J]. 环境科学, 2024, 45(7): 4090-4100.

[Li Jianbao, Chen Hongmei, Zhang Caili, et al. Spatiotemporal evolution characteristics of carbon sources and carbon sinks and carbon balance zoning in the Yangtze River Delta region. Environmental Science, 2024, 45(7): 4090-4100.]

[34]
李瑞发, 崔旺来. 长三角城市群生态安全的时空演变及影响因素[J]. 水土保持研究, 2025, 32(2): 377-386.

[Li Ruifa, Cui Wanglai. Temporal-spatial evolution and influencing factors of ecological security in the city cluster of Yangtze River Delta. Research of Soil and Water Conservation, 2025, 32(2): 377-386.]

[35]
Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8): 3907-3925.

DOI

[36]
董捷, 魏旭华, 陈恩. 土地利用碳排放地域差异下减排责任分摊研究: 以武汉城市圈为例[J]. 长江流域资源与环境, 2019, 28(4): 872-882.

[Dong Jie, Wei Xuhua, Chen En. Research on the liability sharing of carbon emission reduction under the regional difference of land use carbon emission: A case study in Wuhan urban agglomeration. Resources and Environment in the Yangtze Basin, 2019, 28(4): 872-882.]

[37]
邓元杰, 陈航, 海宜峰, 等. 成渝双城经济圈土地利用碳排放空间格局及碳平衡分区[J]. 水土保持通报, 2024, 44(5): 337-346.

[Deng Yuanjie, Chen Hang, Hai Yifeng, et al. Spatial patterns of carbon emission from land use and carbon balance partitioning in Chengdu-Chongqing Economic Zone. Bulletin of Soil and Water Conservation, 2024, 44(5): 337-346.]

[38]
陈靖松, 张建军, 李金龙, 等. 京津冀地区碳排放时空格局变化及其驱动因子[J]. 生态学报, 2024, 44(6): 2270-2283.

[Chen Jingsong, Zhang Jianjun, Li Jinlong, et al. Spatio-temporal pattern of carbon emissions and its driving factors in the Beijing-Tianjin-Hebei region. Acta Ecologica Sinica, 2024, 44(6): 2270-2283.]

[39]
吴蒙, 王琳琳, 程进. 长三角城市群国土空间碳汇冲突测度及空间格局特征分析[J]. 资源科学, 2022, 44(10): 2048-2059.

DOI

[Wu Meng, Wang Linlin, Cheng Jin. Territorial carbon sink conflict measurement and its spatial pattern in the Yangtze River Delta urban agglomeration. Resources Science, 2022, 44(10): 2048-2059.]

DOI

[40]
中华人民共和国国土资源部. 低碳排放: 土地利用调控新课题[EB/OL]. 2009-12-25 [2025-07-05]. http://www.mlr.gov.cn/xwdt/jrxw/200912/t20091225-130977.htm.

[The Ministry of Land and Resources of the People's Republic of China. Low carbon emissions: A new topic of land use regulation. 2009-12-25 [2025-07-05]. http://www.mlr.gov.cn/xwdt/jrxw/200912/t20091225-130977.htm. ]

[41]
付春宝, 程红光, 崔磊, 等. 金沙江下游河段水电开发碳汇量估算研究[J]. 环境影响评价, 2021, 43(6): 10-16.

[Fu Chunbao, Cheng Hongguang, Cui Lei, et al. Study on estimation of carbon sink of hydropower development in the lower reach of Jinsha River. Environmental Impact Assessment, 2021, 43(6): 10-16.]

[42]
蔡鑫, 叶长盛, 肖蔚, 等. 长江中游地区土地利用碳收支空间关联及碳补偿分区[J]. 长江流域资源与环境, 2024, 33(7): 1474-1488.

[Cai Xin, Ye Changsheng, Xiao Wei, et al. Spatial correlation and carbon compensation zoning of land use carbon budget in the middle reaches of Yangtze River. Resources and Environment in the Yangtze Basin, 2024, 33(7): 1474-1488.]

[43]
冯薇, 赵荣钦, 谢志祥, 等. 碳中和目标下土地利用碳排放效率及其时空格局: 以黄河流域72个地级市为例[J]. 中国土地科学, 2023, 37(1): 102-113.

[Feng Wei, Zhao Rongqin, Xie Zhixiang, et al. Land use carbon emission efficiency and its spatial-temporal pattern under carbon neutral target: A case study of 72 cities in the Yellow River Basin. China Land Science, 2023, 37(1): 102-113.]

[44]
李硕硕, 李汝资, 刘耀彬, 等. 环鄱阳湖区县域城镇化对碳收支平衡的影响[J]. 地理研究, 2023, 42(8): 2245-2263.

[Li Shuoshuo, Li Ruzi, Liu Yaobin, et al. Impact of urbanization on carbon balance in the Poyang Lake region. Geographical Research, 2023, 42(8): 2245-2263.]

[45]
李子杰, 许凌峰, 叶芸, 等. 长三角城市群土地利用碳收支时空分异及碳补偿分区[J]. 环境科学, 2025, 46(12): 7415-7427.

[Li Zijie, Xu Lingfeng, Ye Yun, et al. Spatiotemporal differentiation of carbon budget and carbon compensation zoning in the Yangtze River Delta urban agglomeration. Environmental Science, 2025, 46(12): 7415-7427.]

DOI

[46]
李寒雨, 毛春梅. 碳中和目标下长三角城市群碳收支时空分异与碳补偿量化研究[J]. 环境保护科学, 2024, 50(5): 67-75.

[Li Hanyu, Mao Chunmei. Quantifying spatial and temporal divergence of carbon balance and carbon offset in the Yangtze River Delta urban agglomeration under the carbon neutrality coal. Environmental Protection Science, 2024, 50(5): 67-75.]

[47]
Wu C S, Lu R R, Zhang P, et al. Multilevel ecological compensation policy design based on ecosystem service flow: A case study of carbon sequestration services in the Qinghai-Tibet Plateau[J]. Science of the Total Environment, 2024, 921: 171093. doi: 10.1016/j.scitotenv.2024.171093.

[48]
Wu J Y, Huang Y T, Jiang W K. Spatial matching and value transfer assessment of ecosystem services supply and demand in urban agglomerations: A case study of the Guangdong-Hong Kong-Macao Greater Bay Area in China[J]. Journal of Cleaner Production, 2022, 375: 134081. doi: 10.1016/j.jclepro.2022.134081.

[49]
王奇, 姜明栋, 黄雨萌. 生态正外部性内部化的实现途径与机制创新[J]. 中国环境管理, 2020, 12(6): 21-28.

[Wang Qi, Jiang Mingdong, Huang Yumeng. Realization ways and mechanism innovation of internalization of ecological positive externalities. Chinese Journal of Environmental Management, 2020, 12(6): 21-28.]

Options
Outlines

/

〈 〉