湖南省植被碳汇动态及其自然驱动因子分析

图1 研究区位置及植被类型

Fig.1 Location of the study area and vegetation type

1.2 数据源及处理

研究数据源主要包括遥感数据、气象数据、地形数据、植被类型数据及其他数据。

1)遥感数据。研究所用数据主要是MODIS NPP产品MOD17A3HGF.006数据集,涉及分幅影像网格为h27v05,h27v06和h28v06,空间分辨率为500 m,时间分辨率为1 a,下载于美国国家航空航天局戈达德航天中心用来存放数据的网站接口LAADS DAAC(https://ladsweb.modaps.eosdis.nasa.gov/)。运用MRT(MODIS reprojection tool)工具对原始数据进行拼接、格式转换、投影变换及重采样,再利用ArcGIS10.5软件进行影像的剪裁、剔除无效值、乘以转换因子等操作,得到研究区NPP年度数据集。

2)气象数据。气象数据包括年平均气温和年降水量数据,空间分辨率为1 000 m,来源于国家科技基础条件平台——国家地球系统科学数据中心(http://www.geodata.cn),其中年平均气温数据是根据逐月平均数据集进行年度计算得到的。

3)地形数据。数字高程模型(digital elevation model,DEM)数据(空间分辨率为90 m)来源于美国奋进号航天飞机的雷达地形测绘(Shuttle Radar Topography Mission,SRTM)数据,下载于资源环境科学与数据中心(https://www.resdc.cn/),并通过ArcGIS10.5软件提取研究区的坡度和坡向数据。

4)植被类型数据。植被类型数据由中科院资源环境科学与数据中心(https://www.resdc.cn/)的1:100万中国植被类型空间分布图(2000年)合并处理获得,依据分类标准将湖南省主要植被类型归纳为针叶林、阔叶林、灌丛、草丛、草甸、沼泽、栽培植被及其他8个植被大类。

5)行政边界数据。湖南省行政边界数据下载于资源环境科学与数据中心(https://www.resdc.cn/)。

在数据处理方面,利用湖南省矢量边界数据裁剪得研究区所需数据,空间分辨率统一为500 m,坐标系统一为WGS_1984/Albers Equal Area Conic。

2 研究模型与方法

2.1 NEP估算模型

生态系统的碳汇储量包含了绿色植物生物量、凋落物生物量以及土壤有机质呼吸量^[6,12]。NPP即单位面积和单位时间内绿色植物通过光合作用,将光能转化为化学能并积累的有机物数量^[16],NPP减去异养生物(土壤)呼吸作用所消耗的光合作用产物剩下的部分即为NEP^[20]。NEP扣除自然和人为干扰等非生物呼吸的碳损耗所剩余的部分,称为净生物群区生产力(net biome productivity,NBP),NBP在数值上就是陆地碳源/汇^[21]。在不考虑各种扰动因素的情况下,NEP的数值反映了陆地生态系统的净碳交换量,可以将其作为碳汇大小的度量^[8,22-23],计算公式为:

(1)

\begin{matrix} N E P (x, t) = N P P (x, t) - R_{H} (x, t) \end{matrix}

式中: NEP(x,t)为t年x像元的植被NEP; NPP(x,t)为t年x像元的植被NPP; R_H(x,t)为t年x像元的土壤微生物呼吸量。当NEP(x,t)>0,表示植被固定的碳大于土壤微生物呼吸排放的碳,表现为碳汇,反之则为碳源^[9]。

裴志永等^[23]建立了土壤微生物呼吸量估算模型,汤洁等^[22]、潘竟虎等^[6]和王川等^[11]分别将其应用于吉林省西部、西北干旱区、塔里木河下游的植被碳汇估算中。本文亦采用该模型估测湖南省土壤微生物呼吸状况,计算公式为:

(2)R_H(x,t)=0.22{Exp[0.0913T(x,t)]+ln[0.3145R(x,t)+1]}×30×46.5%,

式中: T(x,t)为t年x像元的平均气温; R(x,t)为t年x像元的平均降水量。

2.2 NEP分析方法

2.2.1 年际变化趋势分析

采用一元线性回归分析法,通过计算每个像元的趋势线斜率来反应湖南省2000—2020年NEP的年际变化趋势,计算公式为:

(3)Slope=

\frac{n \overset{n}{\sum_{i = 1}} (i Y_{i}) - \overset{n}{\sum_{i = 1}} i \overset{n}{\sum_{i = 1}} Y_{i}}{n \overset{n}{\sum_{i = 1}} i^{2} - {(\overset{n}{\sum_{i = 1}} i)}^{2}}

式中: Slope为趋势线的斜率,即NEP年际变化的趋势; n为监测年数,本文取21; i为年变量; Y_i为第i年的NEP。当Slope>0时,表明NEP呈增加趋势,反之则NEP呈下降趋势。采用F检验对NEP年际变化趋势进行逐像元显著性检验,若P<0.05,表明其通过显著性检验,反之则未通过。

2.2.2 稳定性分析

变异系数可以反映观察值的变异程度。利用基于像元的变异系数探索湖南省2000—2020年植被NEP的稳定性,计算公式为:

(4)C_V=

\frac{\sqrt{\frac{1}{n} \overset{n}{\sum_{i = 1}} (N E P_{i} {- \bar{N E P})}^{2}}}{\bar{N E P}}

式中: C_V为植被NEP的变异系数; NEP_i为第i年的各个像元的植被NEP; $\bar{N E P}$ 为各个像元多年植被NEP平均值。C_V值越小,表明植被NEP的稳定性就越高,数据随时间序列波动小; 反之则表示植被NEP稳定性低,波动大。

2.2.3 相关性分析

采用基于像元的相关分析法,分析2000—2020年湖南省植被NEP与驱动因子的相关性,计算公式为:

(5)r_xy=

\frac{\overset{n}{\sum_{i = 1}} [(x_{i} - \bar{x}) (y_{i} - \bar{y})]}{\sqrt[]{\overset{n}{\sum_{i}} (x_{i} {- \bar{x})}^{2}} \sqrt{\overset{n}{\sum_{i}} (y_{i} {- \bar{y})}^{2}}}

式中: r_xy为变量x与y的相关系数; x_i为第i年的NEP; y_i为第i年驱动因子的值; $\bar{x}$ 和 $\bar{y}$ 分别为NEP和驱动因子的n年平均值。r_xy值介于[-1,1]之间,r_xy>0表示正相关,r_xy<0表示负相关。相关系数的检验,是在给定的置信水平下,通过查询相关系数检验的临界值表来完成。

2.2.4 地理探测器

地理探测器是探测空间分异性的工具,能够揭示空间分异性背后的驱动力^[24],包括因子探测、交互作用探测、风险区探测和生态探测4个模块。本文采用地理探测器对湖南省植被NEP空间分异的驱动因子进行探测。

1)因子探测。该模块能够探测驱动因子X对于Y,即NEP的影响程度,结果用q值度量^[25],表达式为:

(6)q=1-

\frac{1}{f σ^{2}} \overset{L}{\sum_{h = 1}}

f_k

σ_{k}^{2}

式中: L为因子X或变量Y的分类; f和f_k分别为在整个研究区和类型h内的样本数; σ²和 $σ_{k}^{2}$ 分别为在整个研究区和类型h内Y值的离散方差。q的值域为[0,1],q值越大表示驱动因子X对NEP的解释力越强,反之则越弱。

2)交互作用探测。该模块能够评估驱动因子两两共同作用时,其对植被NEP的影响力是否会增加或减弱,或者这些因子对NEP的影响是相互独立的。

2.3 NPP数据适用性分析

通过与湖南省其他研究成果的比较,分析NPP数据的适用性。利用MODIS 17A3HGF数据计算得到2000—2020年湖南省植被NPP多年平均值为636.53 gC·m^-2·a^-1,闫妍等^[17]基于朱文泉改进的CASA(Carnegie-Ames-Stanford Approach)模型反演得出湖南省2000—2019年植被NPP多年平均值为566.92 gC·m^-2·a^-1,两者处于同一范围内(550~650 gC·m^-2·a^-1); 陈晓玲等^[16]利用相同的模型计算得到2000—2013年湖南省植被NPP数据,其空间分布呈现出西高东低、南高北低,从西南向东北逐渐递减趋势,这与MODIS 17A3HGF数据分析得出的结果一致。综上,利用MODIS 17A3HGF数据开展湖南省植被碳汇研究具有较高的可信度。

3 结果与分析

3.1 植被碳汇时空变化特征

2000—2020年湖南省平均植被碳汇为603.01 gC·m^-2·a^-1,年均固碳量约为1.22×10¹⁴ gC,空间分布格局呈现出南高北低、西高东低,由东北向西南逐步增加(图2)。植被碳汇高值区(> 800 gC·m^-2·a^-1)占区域总面积的5.93%,主要分布在南部罗霄山脉地区; 低值区(≤500 gC·m^-2·a^-1)占区域总面积的22.92%,集中分布于东北部洞庭湖平原地区。从各行政单位来看,郴州市植被碳汇多年平均值最大,为703.46 gC·m^-2·a^-1,益阳市最小,为495.88 gC·m^-2·a^-1,其余各地区植被碳汇在500~700 gC·m^-2·a^-1之间。植被类型的差异是造成湖南省植被碳汇空间差异性的重要原因。从时间变化上来看(图3),湖南省植被碳汇从2000年的547.45 gC·m^-2·a^-1增长到2020年的623.48 gC·m^-2·a^-1,增幅为13.89%,年均植被碳汇量在波动中逐渐上升。自20世纪90年代开始实施封山育林、天然林保护工程、自然保护区建设工程等措施以来,湖南省植被总体上发生了巨大的变化,森林覆盖率由2000年的52.44%增加到2019年的59.90%,植被固碳能力也随之上升。

图2

图2 2000—2020年湖南省植被碳汇均值空间分布

Fig.2 Spatial distribution of mean vegetation carbon sink in Hunan Province from 2000 to 2020

图3

图3 植被碳汇均值时序变化趋势

Fig.3 Temporal variation trend of annual mean vegetation carbon sink

2000—2020年湖南省植被碳汇变化趋势及其显著性检验如图4所示。湖南省植被碳汇平均趋势系数为2.97 gC·m^-2·a^-1,整体呈现出增加的趋势。植被碳汇呈增长趋势的面积占79.53%,呈下降趋势的面积占20.47%,其中明显变差(≤10 gC·m^-2·a^-1)、轻微变差((-10,-2] gC·m^-2·a^-1)、基本稳定((-2,2] gC·m^-2·a^-1)、轻微好转((2,5] gC·m^-2·a^-1)和明显好转(>5 gC·m^-2·a^-1)的区域占湖南省植被面积的比例依次为1.13%,9.14%,28.02%,31.50%和30.20%。植被碳汇变化趋势标准差椭圆的长轴和短轴分别为210.18 km和152.87 km,主轴保持在东南—西北方向,明显好转的区域主要集中在娄底市、湘潭市和衡阳市。

图4

图4 植被碳汇变化趋势及显著性空间分布

Fig.4 Trends and significant spatial distribution of vegetation carbon sink

湖南省植被碳汇变异系数空间分布如图5所示,植被碳汇低波动、较低波动、中等波动、较高波动、高波动的区域占湖南省植被总面积的比例分别为37.20%,44.57%,13.50%,4.14%和0.60%,其中,以低波动和较低波动为主。变异系数的标准差椭圆分析发现,方向分布保持在东南—西北方向,高波动地区分布散乱,主要分布于部分城市周边,在长株潭城市群核心区形成一个明显聚集区,说明这些区域植被碳汇稳定性低,容易受到自然或人为因素的干扰。结合图2和图4可知,这些区域植被碳汇量低,并且呈现明显的变差趋势,表明在城市化迅速扩张、人类活动的干扰下,其植被碳汇功能减弱。

图5

图5 植被碳汇变异系数空间分布

Fig.5 Spatial distribution of variation coefficient of vegetation carbon sink

利用标准差椭圆计算出每年湖南省植被碳汇的重心(图6),结果显示2000—2020年植被碳汇的重心均落在邵阳市东北部,其迁移轨迹较为混乱,但变化较小,整体上呈现出微弱的东移趋势(1.50 km)。从迁移距离上看,2000—2004年、2011—2014年和2018—2020年迁移距离较长,在3.57~7.12 km之间,迁移方向为西北—东南或南—北方向,表明以上时期在该方向轴线两端植被碳汇出现了较大的差距。而在2004—2011年和2014—2018年之间,湖南省植被碳汇重心迁移距离较短,均小于3.39 km,且迁移方向混乱,反映出这2个阶段区域环境扰动较小。

图6

图6 植被碳汇重心迁移规律

Fig.6 Migration law of vegetation carbon sink gravity center

3.2 自然因子对NEP影响的定量分析

植被固碳受到多种因素的影响,总体可分为以下3类: 气候因子,如降水量和温度; 其他自然因子,包括地形、植被类型和土壤性质等; 人类活动相关的土地规划措施^[26]。参考前人的研究^[27],考虑到研究区的具体情况、数据的可获得性及指标的空间化程度,选取降水量、气温、海拔、坡度、坡向5个自然因子,分析它们对湖南省植被碳汇的影响。运用ArcGIS软件对各因子进行地理处理,得到其空间分布(图7),并将各驱动因子重分类转化为类型量,然后利用创建渔网工具创建4 000 m×4 000 m的格网,再用采样工具将各因子及NEP的值赋予至点,有效采样点共计12 577个,最后导入到Geo Detector软件中。

图7

图7 湖南省自然驱动因子空间分布

Fig.7 Spatial distribution of natural driving factors in Hunan Province

因子探测和交互探测结果如表1所示,2000—2020年湖南省植被碳汇自然驱动因子的解释力如下: 海拔(0.271 6)>坡度(0.190 1)>气温(0.130 5)>降水量(0.105 9)>坡向(0.002 2)。海拔和坡度对湖南省植被碳汇的时空分布具有较强的解释力,而气温和降水量对植被碳汇的解释力较弱,坡向的解释力极低。海拔是导致植被生境空间异质性的重要因素,而坡度对植被碳汇变化的影响在于坡度大不利于水分汇集,植被覆盖度随坡度的增加而降低^[28]。任何2种驱动因子对植被碳汇影响力的交互作用都强于一种因子的独自作用,显示双因子增强或非线性增强,表明因子中有一个协同互动作用,湖南省植被碳汇的空间变化不是由单一因素决定的,而是多种因素的共同影响。海拔与降水量、气温,坡度与降水量、气温、海拔之间的相互作用属于双因子增强,说明在海拔和坡度适宜的情况下,配合恰当的降水量和气温更有利于植被的生长; 坡向与其余自然因子的相互作用均属于非线性增强,除了因为坡度本身对植被碳汇的影响力较小,还说明坡向与其他因子的协同作用不强。

表1 植被碳汇自然驱动因子探测及交互探测结果

Tab.1 Results of factor and interaction detector for natural driving factors of vegetation carbon sink

驱动因子	降水量	气温	海拔	坡度	坡向
降水量	0.105 9***^①
气温	0.276 6*	0.130 5***
海拔	0.321 1#	0.289 9#	0.271 6***
坡度	0.265 1#	0.243 6#	0.298 8#	0.190 1***
坡向	0.111 3*	0.137 1*	0.276 8*	0.196 9*	0.002 2***

①***表示通过0.001的显著性检验(P<0.001); #表示交互作用为双因子增强; *表示交互作用为非线性增强。

新窗口打开| 下载CSV

2000—2020年湖南省植被碳汇与降水量的相关系数介于-0.76~0.85之间(图8(a)),平均相关系数为0.11,整体上呈现正相关关系。植被碳汇与降水量呈正相关的区域占73.11%,呈负相关的区域占26.89%,其中显著正相关(P<0.05)的区域占8.34%,极显著正相关(P<0.01)区域占0.84%,极显著负相关(P<0.01)区域占0.16%。呈显著负相关的区域主要分布在郴州市东南部和永州市南部,即罗霄山脉和南岭所在区域,结合图7可知,这些区域降水量丰沛,随着降水量的增加,土壤微生物呼吸增加,并且长时间的降水导致日照时数与温度条件不够充分,不利于植被的生长。2000—2020年湖南省植被NEP与气温的相关系数介于-0.78~0.89之间(图8(b)),平均相关系数为0.17,整体上呈现正相关关系。植被碳汇与气温呈正相关的区域占75.13%,呈负相关的区域占24.87%,其中显著正相关(P<0.05)区域占9.90%,极显著正相关(P<0.01)区域占4.25%,极显著负相关(P<0.01)区域占0.12%。呈极显著正相关和显著正相关的区域主要分布在郴州市、怀化市、湘西土家族苗族自治州和张家界,即罗霄山脉、雪峰山脉和武陵山脉所在区域。结合图7可知,这些区域气温较低,影响了植被的光合作用,从而抑制了植被的生长发育,温度的升高能够延长植物的生长周期,增强植被光能利用效率,有利于植被NEP的积累。

图8

图8 植被碳汇与降水量和气温的相关系数显著性空间分布

Fig.8 Spatial distribution of correlation and signification between vegetation carbon sink and precipitation and temperature

依据湖南省地形特征对海拔进行分级,然后将其与多年植被NEP平均值空间分布叠加,得到不同海拔范围内各等级碳汇的像元数量(图9(a))。低碳汇(NEP≤500)区域主要集中在300 m以下,中等碳汇区域(500<NEP≤800)主要分布在100~300 m之间,随着海拔的增加逐渐减少; 高碳汇(NEP>800)像元数随海拔呈峰型变化,高峰区出现在300~500 m之间。海拔的变化改变局地气候条件及水热条件的分配,随着海拔的升高,人类活动减少,温度降低,植被蒸腾作用减少,降水量逐渐增加,植被覆盖度也增加,而海拔超出一定的范围后,植被的生长受到低温抑制,碳汇面积逐渐减少。依据国际地理学联合会的分类标准将坡度划分为7个等级,叠加在研究区多年植被NEP平均值空间分布图上,图9(b)显示了各个坡度范围内各等级碳汇的像元数量,可以看出,高碳汇(NEP>800)区域主要分布在斜坡(5,15] °和陡坡(15,35] °,中等碳汇区域(500<NEP≤800)主要分布在缓斜坡(2,5] °、斜坡(5,15] °和陡坡(15,35] °,低碳汇(NEP≤500)区域分布微斜坡(0.5,2] °和缓斜坡(2,5] °,在峭坡(35,55] °和垂直壁(>55°)区域,由于土壤侵蚀和地形陡峭,碳汇面积极少。

图9

图9 植被碳汇空间分布与海拔/坡度的关系

Fig.9 Relationship between spatial distribution of vegetation carbon sink and altitude/slope

4 讨论

土壤微生物呼吸是一个非常复杂的生态学过程,很难准确估算,且本文土壤微生物呼吸量的计算采用的是裴志永等^[23]通过分析青海省五道梁实验点建立的经验模型,该模型在区域上有一定的实用性和差异性,而湖南省自然环境条件和青海省具有明显的差异,故采用该模型可能导致植被碳汇的测算偏离真实值。选取的NPP数据时间分辨率为年,无法更为精确的从季或月的尺度分析植被碳汇的时间变化。地理探测器仅能从结果层面来分析各驱动因素对植被碳汇的影响程度,故本文借助相关分析的方法从像元层面揭示植被碳汇与气候因子相关关系,考虑的主要是自然因子,但值得注意的是,放牧、人工围栏、植树造林和生态修复工程等人类活动也对植被碳收支及其空间分布产生重要影响。在今后的研究中,将进一步提高数据质量和研究模型的准确性,并进一步分析其他驱动因子对湖南省植被碳汇的影响。

5 结论

1)2000—2020年间湖南省平均植被碳汇值为603.01 gC·m^-2·a^-1,空间分布格局呈现南高北低、西高东低,由东北向西南逐步增加,高值区主要分布在南部罗霄山脉地区,低值区集中分布于东北部洞庭湖平原。

2)2000—2020年湖南省植被碳汇整体呈逐步增加的趋势,平均趋势系数为2.97 gC·m^-2·a^-1,呈增长趋势的面积占79.53%,呈下降趋势的面积占20.47%,明显好转的区域主要集中在娄底市、湘潭市和衡阳市; 变异系数以低波动和较低波动为主; 植被碳汇的重心均落在邵阳市东北部,整体上呈现出微弱的东移趋势。

3)自然因子对植被碳汇的解释力差异明显,海拔(0.271 6)>坡度(0.190 1)>气温(0.130 5)>降水量(0.105 9)>坡向(0.002 2),并且任何2种驱动因子对NEP影响力的交互作用都强于一种因子的独自作用,显示双因子增强或非线性增强。

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]

Rogelj

, Schaeffer

, Meinshausen

, et al.

Zero emission targets as long-term global goals for climate protection

[J]. Environmental Research Letters, 2015, 10(10):105007.

[2]

胡鞍钢

中国实现2030年前碳达峰目标及主要途径

[J]. 北京工业大学学报(社会科学版), 2021, 21(3):1-15.

A G

China’s goal of achieving carbon peak by 2030 and its main approaches

[J]. Journal of Beijing University of Technology (Social Sciences Edition), 2021, 21(3):1-15.

[3]

Wang

Q F

, Zheng

, Zhu

X J

, et al.

Primary estimation of Chinese terrestrial carbon sequestration during 2001-2010

[J]. Science Bulletin, 2015, 60(6):577-590.

[4]

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:地球科学), 2007, 37(6):804-812.

Fang

J Y

, Guo

Z D

, Piao

S L

, et al.

Estimation of carbon sinks of terrestrial vegetation in China from 1981 to 2000

[J]. Science in China (Series D (Earth Sciences)), 2007, 37(6):804-812.

[5]

Chen

J M

, Ju

W M

, Ciais

, et al.

Vegetation structural change since 1981 significantly enhanced the terrestrial carbon sink

[J]. Nature Communications, 2019, 10(1):4259.

DOI:10.1038/s41467-019-12257-8 PMID:31534135 [本文引用: 1]

Satellite observations show that leaf area index (LAI) has increased globally since 1981, but the impact of this vegetation structural change on the global terrestrial carbon cycle has not been systematically evaluated. Through process-based diagnostic ecosystem modeling, we find that the increase in LAI alone was responsible for 12.4% of the accumulated terrestrial carbon sink (95 ± 5 Pg C) from 1981 to 2016, whereas other drivers of CO fertilization, nitrogen deposition, and climate change (temperature, radiation, and precipitation) contributed to 47.0%, 1.1%, and -28.6% of the sink, respectively. The legacy effects of past changes in these drivers prior to 1981 are responsible for the remaining 65.5% of the accumulated sink from 1981 to 2016. These results refine the attribution of the land sink to the various drivers and would help constrain prognostic models that often have large uncertainties in simulating changes in vegetation and their impacts on the global carbon cycle.

[6]

潘竟虎, 文岩.

中国西北干旱区植被碳汇估算及其时空格局

[J]. 生态学报, 2015, 35(23):7718-7728.

[本文引用: 4]

Pan

J H

, Wen

Estimation and spatial-temporal characteristics of carbon sink in the arid region of Northwest China

[J]. Acta Ecologica Sinica, 2015, 35(23):7718-7728.

[本文引用: 4]

[7]

刘凤, 曾永年.

2000—2015年青海高原植被碳源/汇时空格局及变化

[J]. 生态学报, 2021, 41(14):5792-5803.

Liu

, Zeng

Y N

Analysis of the spatio-temporal variation of vegetation carbon source/sink in Qinghai Plateau from 2000—2015

[J]. Acta Ecologica Sinica, 2021, 41(14):5792-5803.

[8]

Yang

H F

, Chen

Spatio-temporal pattern of urban vegetation carbon sink and driving mechanisms of human activities in Huaibei,China

[J]. Environmental Science and Pollution Research International, 2022, 29(21):31957-31971.

DOI:10.11873/j.issn.1004-0323.2019.4.0857 [本文引用: 2]

[9]

冯艾琳, 武晋雯, 孟莹, 等.

基于MODIS GPP数据产品的辽宁省碳源/汇空间格局分布研究

[J]. 遥感技术与应用, 2019, 34(4):857-864.

陆地生态系统的碳汇功能是生态系统服务功能的重要方面，在减缓气候变化中起着重要作用，准确地评估陆地生态系统碳源/汇时空变化是有效预测气候变化的重要基础。基于碳源/汇形成过程中各分量间的相互关系，结合MODIS GPP数据产品和区域统计年鉴数据，对2000~2014年辽宁省陆地碳源/汇的强度及空间格局分布进行定量化评估。结果表明：①辽宁省陆地碳源/汇呈现东部高、西部低的变化趋势，东部呈现显著的碳吸收功能，碳吸收强度超过250 gC m-2 a-1，但在辽宁中部、西部及北部地区则出现明显的碳排放。②沈阳的年均碳排放量（1.43 TgC a-1）约占辽宁省各地市净碳排放总量（4.56 TgC a-1）的三分之一，是全省碳排放的主体。③沈阳陆地生态系统总体表现为碳源，城区碳排放强度相对较弱，仅为26 gC m-2 a-1，近似表现为碳中性。本文基于碳源/汇形成过程定量分析辽宁陆地碳源/汇强度及其空间分布规律，为今后其他区域碳源/汇的模拟提供理论依据和方法借鉴。

Feng

A L

, Wu

J W

, Meng

, et al.

Research on spatial distribution of carbon source/sink of Liaoning Province based on MODIS GPP data products

[J]. Remote Sensing Technology and Application, 2019, 34(4):857-864.

DOI:10.16258/j.cnki.1674-5906.2015.01.002 [本文引用: 1]

[10]

张继平, 刘春兰, 郝海广, 等.

基于MODIS GPP/NPP数据的三江源地区草地生态系统碳储量及碳汇量时空变化研究

[J]. 生态环境学报, 2015, 24(1):8-13.

Zhang

J P

, Liu

C L

, Hao

H G

, et al.

Spatial-temporal change of carbon storage and carbon sink of grassland ecosystem in the three-river headwaters region based on MODIS GPP/NPP data

[J]. Ecology and Environmental Sciences, 2015, 24(1):8-13.

DOI:10.12118/j.issn.1000–6060.2021.03.15 [本文引用: 2]

[11]

王川, 刘永昌, 李稚.

塔里木河下游生态输水对植被碳源/汇空间格局的影响

[J]. 干旱区地理, 2021, 44(3):729-738.

基于2000年以来塔里木河下游生态输水资料、气象数据、土地利用/覆被变化数据等,结合修正的CASA（Carnegie-Ames-Stanford approach）模型和土壤微生物呼吸模型（Heterotrophic respiration,RH）估算了2001—2019年植被净生态系统生产力（Net ecosysterm productivity,NEP）,分析了植被碳源/汇空间分布变化,探讨了塔里木河下游生态输水对植被碳源/汇变化的影响。结果表明：（1）随着2000年以来塔里木河下游生态输水,下游退化的生态系统有一定程度的恢复,植被碳汇区域呈现扩大的趋势。2001—2019年NEP以0.541 g C·m-2·a-1的速率呈现上升趋势,其中夏季增加速率最大,为0.406 g C·m-2·a-1,增加的区域主要位于大西海子水库北部、英苏、博孜库勒湿地、喀尔达依湿地以及台特玛湖。碳汇面积从2001年的71 km2增加至2019年的355 km2,增加了4倍。（2）在季节变化上,夏季碳汇面积为109 km2,在四季中占比最大,春秋次之,冬季无明显碳汇面积。（3）塔里木河下游生态系统碳汇面积变化次序为：草地>林地>耕地>未利用地>水域>建设用地。此外,林地和草地年平均变化率最高,分别为2.69 km2·a-1和3.57 km2·a-1。生态输水量与碳汇面积有很好的线性关系,碳汇面积变化存在约1 a的滞后效应。

Wang

, Liu

Y C

, Li

Effects of ecological water conveyance on the spatial pattern of vegetation carbon sources/sinks in the lower reaches of Tarim River

[J]. Arid Land Geography, 2021, 44(3):729-738.

DOI:10.12118/j.issn.1000–6060.2021.03.15 [本文引用: 2]

The net ecosystem productivity (NEP) of vegetation in the lower reaches of Tarim River, Xinjiang, China from the year 2000 was estimated using data of ecological water conveyance, meteorology, land use/cover changes combined with the modified Carnegie-Ames-Stanford approach (CASA) mode and soil microbial respiration models (RH). The spatial distribution of vegetation carbon sources/sinks was analyzed, and the effect of ecological water conveyance on changes in these sources/sinks in the lower reaches of Tarim River was discussed. Results showed that (1) ecological water conveyance to the lower reaches of Tarim River since 2000 has allowed the degraded ecosystem in this area to recover to a certain extent. In addition, the vegetation carbon sinks in the area showed an increasing trend. Specifically, from 2001 to 2019, NEP showed an increase rate of 0.541 g C·m-2·a-1. The maximum increase rate, which was 0.406 g C·m-2·a-1, was observed in summer. The areas in which the carbon sinks increased were mainly located in northern Daxihaizi Reservoir, Yingsu, Bozikule Wetland, Kaldayi Wetland, and Taitma Lake. The area of vegetation carbon sinks increased by four times from 71 km2 in 2001 to 355 km2 in 2019. (2) In terms of seasonal variation, the carbon sink area measured 109 km2 in summer. Indeed, this season contributed the largest to the total carbon sink area among the four seasons, followed by spring and autumn. No obvious carbon sink areas were noted in winter. (3) Changes in the total carbon sink area of different ecosystems showed the order grassland>woodland>cultivated land>unused land>water area>construction land. The annual average change rates of the carbon sink areas in woodland and grassland, at 2.69 km2·a-1 and 3.57 km2·a-1, respectively, were higher than those of any of the other ecosystems. A good linear relationship between ecological water conveyance and carbon sink area was observed, and changes in carbon sink area indicated a lag effect of approximately 1 year.

[12]

贠银娟, 赵军.

基于MODIS-NDVI数据的植被碳汇空间格局研究——以石羊河流域为例

[J]. 山地学报, 2018, 36(4):644-653.

Yun

Y J

, Zhao

Spatial pattern of vegetation carbon sinks based on MODIS-NDVI data:A case study in Shiyang River Basin,China

[J]. Mountain Research, 2018, 36(4):644-653.

DOI:10.11733/j.issn.1007-0435.2021.10.019 [本文引用: 1]

[13]

何源, 李星锐, 杨晓帆, 等.

内蒙古锡林郭勒盟典型草原固碳量及固碳潜力估算

[J]. 草地学报, 2021, 29(10):2274-2285.

为了评价不同放牧强度对草原固碳量及固碳潜力的影响，本研究采用系统动力学建模方法耦合CASA光合利用率模型、Shiyomi放牧模型、Raich土壤呼吸模型等模型，建立了基于系统动力学库-流思路的碳循环模型，该模型包含3个子系统、4个碳库。结果表明：1998至2015年，在内蒙古锡林郭勒盟的温度降低、降水量增加的背景下，净初级生产力呈现升高的趋势，典型草原土壤固碳量呈现下降趋势；放牧强度在3羊·公顷-1下净生态系统初级生产力最低，固碳潜力最大，分别为-16.2 gC·m-2和24.84 TgC。因此，建议内蒙古锡林郭勒盟典型草原西部（阿巴嘎旗、那仁宝力格站）的放牧强度不宜超过1.5羊·公顷-1；东部（多伦县、东乌珠穆沁、西乌珠穆沁、锡林浩特站）不宜超过4.5羊·公顷-1。

, Li

X R

, Yang

X F

, et al.

The estimation of actual and potential carbon sequestration in typical steppe in Xilingol Country,Inner Mongolia

[J]. Acta Agrestia Sinica, 2021, 29(10):2274-2285.

[14]

陈迎

碳中和概念再辨析

[J]. 中国人口·资源与环境, 2022, 32(4):1-12.

Chen

A re-analysis of the concept of carbon neutrality

[J]. China Population,Resources and Environment, 2022, 32(4):1-12.

[15]

苏利阳

碳达峰、碳中和纳入生态文明建设整体布局的战略设计研究

[J]. 环境保护, 2021, 49(16):6-9.

L Y

Research on the strategy of integrating carbon peak and carbon neutrality into the overall layout of ecological civilization construction

[J]. Environmental Protection, 2021, 49(16):6-9.

[16]

陈晓玲, 曾永年.

亚热带山地丘陵区植被NPP时空变化及其与气候因子的关系——以湖南省为例

[J]. 地理学报, 2016, 71(1):35-48.

DOI:10.11821/dlxb201601003 [本文引用: 3]

以湖南省为研究区,采用250 m×250 m空间分辨率的MODIS-NDVI数据,结合相应时间段的气象数据,使用改进的CASA模型,模拟并分析该区域2000-2013年间的植被NPP的时空变化特征,并借助统计分析方法对不同土地覆盖类型中植被NPP的变化趋势及其显著性,NPP与气候因子的相关性进行量化分析.结果表明:① 该区域的净初级生产量年际变化特征明显,年净初级生产量分布在41.62~125.40 Tg C/yr之间,平均值为86.34 Tg C/yr,总体来看,14年间湖南省植被净初级生产量呈波动减少趋势,年际减少趋势为2.70 Tg C/yr;② NPP空间分布差异较大,基本特点是西高东低,南高北低,从西南向东北呈逐渐递减趋势,其中,各植被分区的NPP有明显差异;③ 2000-2013年,湖南省植被NPP呈极显著增加(slope >0,p < 0.01),显著增加(slope > 0,0.01 ≤ p < 0.05),无明显变化(p ≥ 0.05),极显著减少(slope < 0,p < 0.01)和显著减少(slope < 0,0.01 ≤ p < 0.05)的区域分别占总面积的比例为5.40%,2.02%,61.64%,16.79%和14.15%.植被NPP变化趋势总体上显示为减少的趋势,而不同土地覆盖类型的植被NPP变化趋势及显著性存在较大差异,其中草地的NPP变化趋势最为显著,接着依次是森林,其他土地,建设用地和农田;④ 分析不同土地覆盖类型的植被NPP对气候因子的响应,发现NPP与降水量之间的相关关系强于其与温度的相关关系.

Chen

X L

, Zeng

Y N

Spatial and temporal variability of the net primary production(NPP) and its relationship with climate factors in subtropical mountainous and hilly regions of China:A case study in Hunan Province

[J]. Acta Geographica Sinica, 2016, 71(1):35-48.

[本文引用: 3]

[17]

闫妍, 覃金华, 房磊, 等.

湖南省植被净初级生产力时空动态及其与气候因素的关系

[J]. 生态学杂志, 2022, 41(8):1535-1544.

DOI:DOI: 10.13292/j.1000-4890.202208.015 [本文引用: 2]

Yan

, Qin

J H

, Fang

, et al.

Spatiotemporal dynamics of vegetation net primary productivity and its relationships with climatic factors in Hunan Province

[J]. Chinese Journal of Ecology, 2022, 41(8):1535-1544.

Vegetation net primary productivity (NPP) is an important indicator for evaluating the responses of ecosystems to climate change and anthropogenic activities. The monthly NPP datasets (250 m resolution) of Hunan Province from 2000 to 2019 were generated through combining the Carnegie-Ames-Stanford Approach (CASA) model and a series of spatial datasets such as the MODIS monthly vegetation index product, TerraClimate datasets, and land-cover map (i.e., ChinaCover2010). The NPP trend and its relationships with climatic factors at the watershed scale were investigated using the Mann-Kendall test and multiple regression model. The results showed that annual mean NPP of Hunan Province was 566.92 g C·m-2·a-1 between 2000 and 2019. The headwater of Xiangjiang River basin had the highest value of annual mean NPP of 625.28 g C·m-2·a-1, while the Dongting Lake basin had the lowest NPP value of 492.11 g C·m-2·a-1. The annual NPP fluctuations of the five watersheds were generally similar, with an increasing trend before 2008 and then a shortly but dramatically decreasing trend in 2009 with slowly NPP recovery since 2010. About 38% area exhibited a monotonic increasing trend and about 10% area a monotonic decreasing trend, which was mainly distributed in the Dongting Lake basin and the “Changsha-Zhuzhou-Xiangtan” urban agglomeration, respectively. The relative importance of the meteorological factors varied among the five watersheds, with an overall ranking of vapor pressure (0.331), temperature (0.318), solar radiation (0.299), and precipitation (0.062). The correlation between precipitation and NPP was not statistically significant. Our results demonstrated that extreme climate events (e.g., snow disasters, floods) and anthropogenic activities (e.g., land development, returning cropland to the lake) decreased vegetation NPP of Hunan Province. It is necessary to distinguish the differences in the ecological effects of such NPP changes when managing ecosystems in practice. <div> </div>

[18]

李家湘, 游健荣, 徐永福, 等.

湖南植被研究:植被类型、组成和分布格局

[J]. 中国科学:生命科学, 2021, 51(3):275-288.

J X

, You

J R

, Xu

Y F

, et al.

Vegetation research in Hunan Province:Vegetation types,composition,and distribution pattern

[J]. Scientia Sinica (Vitae), 2021, 51(3):275-288.

[19]

刘正才, 屈瑶瑶.

基于SPOT-VGT数据的湖南省植被变化及其对气候变化的响应

[J]. 北京林业大学学报, 2019, 41(2):80-87.

Liu

Z C

, Qu

Y Y

Vegetation change and its response to climate change based on SPOT-VGT in Hunan Province of Southern China

[J]. Journal of Beijing Forestry University, 2019, 41(2):80-87.

[20]

陈雪娇, 周伟, 杨晗.

2001—2017年三江源区典型草地群落碳源/汇模拟及动态变化分析

[J]. 干旱区地理, 2020, 43(6):1583-1592.

DOI:10.12118/j.issn.1000-6060.2020.06.20 [本文引用: 1]

Chen

X J

, Zhou

, Yang

Simulation and dynamic change of carbon source/sink in the typical grassland communities in the Three River Source Area from 2001 to 2017

[J]. Arid Land Geography, 2020, 43(6):1583-1592.

In this paper, five typical grassland communities (Potentilla fruticosa, Stipa purpurea, Saussurea japonica, Kobresia pygmaea, and Carex moorcroftii communities) in the Three River Source Area, Qinghai Province, China were selected as research objects. Basic geographic data, meteorological data, and vegetation physiological parameters data were used to estimate the net primary productivity (NPP) and the net ecosystem productivity (NEP) in these grassland communities from 2001 to 2017 based on the BIOME-BGC model. This paper also investigated the change characteristics of NPP and NEP and their correlation with temperature and precipitation. The characteristics of the change of the carbon use efficiency (CUE) were also explored. Results showed that the spatial pattern of the values of NPP and NEP in the Three River Source Area reduced gradually from southeast to northwest. The multi-year average value of NPP in 5 typical grassland communities was 196.06 g C·m-2·a-1, which showed an increasing trend year by year. Among them, the annual average value of NPP in Potentilla fruticosa was the highest (342.00 g C·m-2·a-1), and the annual average value of NPP in Carex moorcroftii seagrass was the lowest(55.93 g C·m- 2 ·a- 1). The annual mean value of NEP of the five grassland communities was 49.02 g C·m- 2 ·a- 1. The NEP values of Potentilla fruticosa, Stipa purpurea and Carex moorcroftii increased slowly, while the NEP values of Saussurea japonica and Kobresia pygmaea decreased slowly. Therefore, the grassland ecosystem in the Three River Source Area has significant carbon sequestration function of absorbing CO2. A significant positive correlation between NPP and temperature was observed, while a low correlation between NPP, NEP, and precipitation existed. All the five communities have great potential for carbon sequestration. The carbon utilization rate of other vegetation communities was above 0.625, except the Potentilla fruticosa.

[21]

Yang

Y H

, Shi

, Sun

W J

, et al.

Terrestrial carbon sinks in China and around the world and their contribution to carbon neutrality

[J]. Science China Life Sciences, 2022, 65(5):861-895.

[22]

汤洁, 姜毅, 李昭阳, 等.

基于CASA模型的吉林西部植被净初级生产力及植被碳汇量估测

[J]. 干旱区资源与环境, 2013, 27(4):1-7.

Tang

, Jiang

, Li

Z Y

, et al.

Estimation of vegetation net primary productivity and carbon sink in western Jilin Province based on CASA model

[J]. Journal of Arid Land Resources and Environment, 2013, 27(4):1-7.

[23]

裴志永, 周才平, 欧阳华, 等.

青藏高原高寒草原区域碳估测

[J]. 地理研究, 2010, 29(1):102-110.

[本文引用: 3]

Pei

Z Y

, Zhou

C P

, Ouyang

, et al.

A carbon budget of alpine steppe area in the Tibetan Plateau

[J]. Geographical Research, 2010, 29(1):102-110.

[本文引用: 3]

[24]

王劲峰, 徐成东.

地理探测器:原理与展望

[J]. 地理学报, 2017, 72(1):116-134.

DOI:10.11821/dlxb201701010 [本文引用: 1]

空间分异是自然和社会经济过程的空间表现,也是自亚里士多德以来人类认识自然的重要途径。地理探测器是探测空间分异性,以及揭示其背后驱动因子的一种新的统计学方法,此方法无线性假设,具有优雅的形式和明确的物理含义。基本思想是：假设研究区分为若干子区域,如果子区域的方差之和小于区域总方差,则存在空间分异性;如果两变量的空间分布趋于一致,则两者存在统计关联性。地理探测器q统计量,可用以度量空间分异性、探测解释因子、分析变量之间交互关系,已经在自然和社会科学多领域应用。本文阐述地理探测器的原理,并对其特点及应用进行了归纳总结,以利于读者方便灵活地使用地理探测器来认识、挖掘和利用空间分异性。

Wang

J F

, Xu

C D

Geodetector:Principle and prospective

[J]. Acta Geographica Sinica, 2017, 72(1):116-134.

[25]

Wang

J F

, Li

X H

, Christakos

, et al.

Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun region,China

[J]. International Journal of Geographical Information Science, 2010, 24(1):107-127.

[26]

Sha

Z Y

, Bai

Y F

, Li

R R

, et al.

The global carbon sink potential of terrestrial vegetation can be increased substantially by optimal land management

[J]. Communications Earth and Environment, 2022, 3:8.

[27]

Luo

, Jia

, Lai

Contributions of climate change,land use change and CO₂ to changes in the gross primary productivity of the Tibetan Plateau

[J]. Atmospheric and Oceanic Science Letters, 2020, 13(1):8-15.

[28]

刘月, 安德帅, 徐丹丹, 等.

垂直带谱上植被群落对气候变化响应的研究进展

[J]. 生态科学, 2022, 41(3):245-251.

Liu

, An

D S

, Xu

D D

, et al.

Review on the vegetation response to climate change in vertical zone spectrum

[J]. Ecological Science, 2022, 41(3):245-251.