EN中文

自然资源学报 >

2022 , Vol. 37 >Issue 5: 1198 - 1213

DOI: https://doi.org/10.31497/zrzyxb.20220507

“双碳”目标与自然资源管理

近20年重庆市主城区碳储量对土地利用/覆被变化的响应及脆弱性分析

  • 向书江 , 1 ,
  • 张骞 2 ,
  • 王丹 3 ,
  • 王舒 1 ,
  • 王子芳 1 ,
  • 谢雨琦 1 ,
  • 高明 , 1
展开
  • 1.西南大学资源环境学院,重庆 400715
  • 2.平顶山学院旅游与规划学院,平顶山 467000
  • 3.重庆地质矿产研究院,重庆 401120
高明（1965- ）,男,重庆合川人,博士,研究员,博士生导师,研究方向为土壤质量与环境和土地利用规划。E-mail:

向书江（1999- ）,男,四川宣汉人,硕士,研究方向为土地利用与区域发展。E-mail:

收稿日期: 2021-11-08

  修回日期: 2022-01-13

  网络出版日期: 2022-07-28

基金资助

国家自然科学基金项目(42177019)

重庆市技术创新与应用示范专项重点研发项目(cstc2018jscx-mszdX0061)

收起

Response and vulnerability analysis of carbon storage to LUCC in the main urban area of Chongqing during 2000-2020

  • XIANG Shu-jiang , 1 ,
  • ZHANG Qian 2 ,
  • WANG Dan 3 ,
  • WANG Shu 1 ,
  • WANG Zi-fang 1 ,
  • XIE Yu-qi 1 ,
  • GAO Ming , 1
Expand
  • 1. College of Resources and Environment, Southwest University, Chongqing 400715, China
  • 2. College of Tourism and Planning, Pingdingshan University, Pingdingshan 467000, Henan, China
  • 3. Chongqing Institute of Geology and Mineral Resources, Chongqing 401120, China

Received date: 2021-11-08

  Revised date: 2022-01-13

  Online published: 2022-07-28

Fold

摘要

土地利用/覆被变化（LUCC）是影响区域生态系统碳储量变化的重要驱动因素,探明碳储量对LUCC的响应及脆弱性,对区域实现“双碳”战略目标具有重要意义。以重庆市主城九区为例,运用InVEST模型研究了近20年主城区碳储量对土地利用转移的响应,采用潜在影响指数（PI）评估了该区域生态系统碳储量服务的脆弱性。结果表明：（1）2000—2020年间,主城区耕地面积减少743.29 km2,建设用地面积急剧增加773.48 km2。前10年土地转移面积6.05%,后10年转移13.98%,耕地转为建设用地是主要的土地转移类型。（2）近20年主城区碳储量累计减少5.78 Tg,其中建设用地侵占耕地是碳储量急速下降的主导因素。碳储量分布呈现“中部低—四周高”的空间格局。（3）近20年主城区均表现为碳源,土地利用程度指数提高14.73,PI指数为-2.50~ -2.59 Tg,均表现负面潜在影响,且2000—2015年间脆弱性不断恶化,2015—2020年间脆弱性有所缓解。研究结果可为区域生态可持续发展和未来土地利用管理政策制定提供参考,并为西部其他同类型山地城市提供借鉴。

关键词： InVEST模型; LUCC; 碳储量; 脆弱性; 重庆市主城九区

本文引用格式

向书江 , 张骞 , 王丹 , 王舒 , 王子芳 , 谢雨琦 , 高明 . 近20年重庆市主城区碳储量对土地利用/覆被变化的响应及脆弱性分析[J]. 自然资源学报, 2022 , 37(5) : 1198 -1213 . DOI: 10.31497/zrzyxb.20220507

Abstract

Land use/cover change (LUCC) is an important driving factor that affects the carbon storage of regional ecosystems. Studying the response and vulnerability of carbon storage to LUCC is significant to the realization of the "dual carbon" goal. Taking the nine districts of Chongqing municipality as an example, the paper deeply explores the response of carbon storage to land use transfer and uses the Potential Impact Index (PI) to assess the vulnerability of ecosystem carbon storage services. The results show that: (1) Between 2000 and 2020, the area of cultivated land in the main urban area decreased by 743.29 km2, and the area of construction land surged by 773.48 km2. The land transfer area accounted for 6.05% in the first 10 years and 13.98% in the next 10 years. The conversion of cultivated land to construction land is the main land transfer. (2) In the study period, the carbon storage in the main urban area decreased by 5.78 Tg. The encroachment of cultivated land by construction land is the leading factor in the rapid decline of carbon storage. The distribution of carbon storage presents a spatial pattern of "low in the middle, but high in the surroundings". (3) Over the 20 years, the main urban districts were carbon sources. The land use degree index increased by 14.73, and the PI index ranged from -2.50 Tg to -2.59 Tg, both having negative potential impacts on the main urban area, and the vulnerability continued to deteriorate from 2000 to 2015. In 2020, the vulnerability eased. The results can provide references for the sustainable development of regional ecology and the formulation of future land use management policies, and for other similar mountainous cities in western China.

Key words： InVEST; LUCC; carbon storage; vulnerability; the main urban area of Chongqing

近年来随着城市化和工业化的快速发展,全球出现酸雨污染、温室效应等一系列气候环境问题[1,2]。生态系统则能够通过地表植物光合作用不断吸收CO2,有利于减缓温室效应和调节全球气候[3⇓-5],而气候调节、低碳发展的核心问题就是土地利用。土地利用/覆被变化通过改变生态系统结构与功能,既能直接影响植被碳储量,又能通过改变土壤环境和植物残体返回土壤引起土壤碳储量变化,对维持生态系统碳储量服务发挥重要作用[6⇓-8],现已成为当前气候变化研究领域的重要内容[9⇓-11]。中国作为全球最大碳排放国之一,其碳排放量占到全球的28%[12],在维持全球碳排放平衡和碳吸收平衡方面具有重要影响[13]。2020年9月,在联合国大会辩论上习近平总书记提出中国在2030年前完成碳达峰,在2060年前实现碳中和,体现了我国在应对全球气候变化和减排控碳的大国责任担当。2021年3月,国家将碳达峰与碳中和方案纳入“十四五”规划。因此在“双碳”目标下,开展区域碳储量研究对国家和区域平衡碳收支、制定碳减排政策具有重要意义。
目前,学术界大多数研究主要集中在对单一生态系统碳储量的估算,如森林[14⇓-16]、草地[17⇓-19]或耕地[20⇓-22]生态系统,无法反映一个复合生态系统的整体性,对综合生态系统碳储量核算及对土地利用变化的响应研究尚不多见。此外,IPCC、UNEP和GLP等组织从全球气候变化角度提出了自然—人类综合系统的脆弱性研究[23⇓-25]。国内学者主要研究了土地利用变化下的景观格局脆弱性[26]和农户脆弱性[27],针对生态系统服务功能的脆弱性研究为之甚少。生态系统服务脆弱性是指生态系统受到外界扰动时表现出缺乏适应的能力,从而使其服务功能和特性发生改变的一种属性。由于碳储存服务又是生态系统服务的重要组成之一,因此为缓解生态系统服务损失及退化,综合开展对区域生态系统碳储量变化及其脆弱性研究显得十分必要。
21世纪初以来,随着国家“西部大开发”重大战略与“三峡库区建设”重大工程的实施,使得中国西部地区土地覆被发生显著变化[28]。重庆市地处我国内陆西南部,位于长江上游和三峡库区腹心地带,属于西部地区典型的山地城市,生态环境脆弱,承受自然灾害能力低。作为长江上游地区的重要经济中心、西部大开发重要的战略支点、“一带一路”和长江经济带重要联结点,在过去20年间重庆市人口加速聚集,城市规模扩张迅速,生态环境持续受到人类活动干扰,尤其是主城区土地利用变化十分剧烈,能源消耗和碳排放强度高,导致区域碳储量下降,严重威胁生态系统碳储存服务功能。鉴于此,本文针对重庆市主城区,以2000—2020年土地利用遥感监测数据为基础,运用InVEST模型估算主城区碳储量,引入生态系统服务对土地利用/覆被变化的脆弱性评估方法,深入分析碳储量对土地利用转移的响应以及评估碳储量服务的脆弱性,对于保障三峡库区乃至整个长江经济带的生态系统稳定具有重要意义。对重庆市的案例研究,以期供西部其他同类型山地城市借鉴,为区域绿色低碳发展、可持续生态管理以及未来制定土地合理利用政策提供参考依据。

1 研究方法与数据来源

1.1 研究区概况

重庆主城九区位于重庆市中部（图1）,是重庆市的政治、经济、文化、交通和金融中心,包括渝中、渝北、江北、沙坪坝、南岸、北碚、九龙坡、大渡口与巴南（以下简称“主城区”）。主城区地貌以山地和丘陵为主,台地和平坝分布较少,形成“两江四山”的格局[29]。主城辖区面积5466 km2,2020年常住人口达1034万人,占全市的32%,地区生产总值9822亿元,占全市的39%。
图1 主城区地理位置及行政区划

Fig. 1 Geographical location and administrative divisions of the main urban area of Chongqing

1.2 数据来源

1.2.1 土地利用数据

土地利用数据来源于资源环境科学数据中心（ http://www.resde.cn）,包括耕地、林地等6个一级地类和水田、旱地等24个二级地类,经重分类后得到耕地、林地、草地、水域、建设用地和未利用地等六大类,得到2000年、2005年、2010年、2015年和2020年五期土地利用栅格图,分辨率为30 m×30 m。

1.2.2 碳密度数据

实测碳密度数据可以有效提高碳储量估算精度,但目前研究区基于土地利用类型的实测碳密度数据比较缺乏,因此本文碳密度确定由两部分完成：（1）收集研究区及周边领域的实测碳密度数据;（2）查找相似区域碳密度数据并利用降水校正模型进行修正。碳密度值通过参考学者公开发表的文献,并结合重庆市实际修正获得,具体取值见表1。
表1 主城区各土地类型碳密度

Table 1 Carbon density of various land types in the main urban area of Chongqing (Mg·hm-2)

土地利用类型 地上碳密度 地下碳密度 土壤碳密度 死亡有机碳 总碳密度 文献来源
耕地 21.83 13.64 68.24 2.73 106.44 [30⇓-32]
林地 46.51 12.09 89.58 5.3 153.48 [31⇓⇓-34]
草地 18.37 21.43 76.56 3.06 119.42 [30⇓-32]
水域 0 0 0 0 0 [36,37]
建设用地 0.71 1.34 33.99 0 36.04 [31,32,35]
未利用地 9.13 1.82 34.08 0.85 45.88 [31,32,35]

注：由于不同学者得出的碳密度会存在差异,为避免数据相差过大,尽量选择同一作者数据,这样具有一定可靠性和科学性。

耕地和草地基于Chuai等[30]对1980—1990年重庆市的研究结果,利用生物量碳密度和土壤碳密度与降水量的修正系数进行计算,得到2000—2020年重庆市耕地和草地的碳密度。其修正系数计算公式为[31,32]：
K B = e 0.0054 × P A e 0.0054 × P B ; K S = 3.3968 × P A + 3996.1 3.3968 × P B + 3996.1
式中：PA、PB分别是区域A、B的年平均降水量（mm）;KB、KS分别是生物量碳密度降水因子修正系数、土壤碳密度降水因子修正系数。由各区域碳密度与KB和KS相乘得到校正后的重庆市碳密度值。
林地地上碳密度数据来源于邢乐杰[33]对2005年三峡库区主要森林类型碳储量研究的实测数据,本文通过面积加权获得2005年重庆市林地地上、土壤和死亡碳密度。基于方精云等[34]研究结果表明,不同森林植被类型的地下/地上生物量的比值范围为0.16~0.35,本文取中间值0.26作为比值,计算得到地下碳密度。最后利用上述修正模型计算,得到近20年重庆市林地的碳密度。
建设用地和未利用地碳密度数据来源于柯新利等[35]对湖北省2000—2015年的研究成果,用上述修正模型计算,得到近20年重庆市建设用地和未利用地的碳密度。李义平等[36]和Zhang等[37]的研究表明,属于水域的碳密度可以忽略不计,因此本文设置为0。

1.3 研究方法

1.3.1 碳储量估算方法

InVEST模型常用于研究生态系统服务,具有参数灵活、操作简单、动态化和空间化等优点,改进了传统估算方法的操作成本高、参数复杂的缺点[38⇓-40]。本文运用InVEST 3.9.0模型中的Carbon Storage and Sequestration模块分析主城区生态系统碳储量变化情况。该模块将生态系统碳储量分为五种基本碳库：（1）地上碳库主要指陆地表层上存活植被中的碳;（2）地下碳库主要指植物根系中的碳;（3）土壤碳库主要指土壤有机碳;（4）死亡有机碳主要指死亡植被及枯枝落叶中的有机碳;（5）采伐木材产品或相关木材产品斑块（HWPs）,如建材或家具。由于第五部分的碳库数据难以获得,同时其对整体碳储量的影响很小,因此不考虑该部分碳库[41]。模型计算公式为：
C i = C i , a b o v e + C i , b e l o w + C i , s o i l + C i , d e a d ; C t o t a l = ∑ i = 1 n C i × S i
式中：i为第i种地类（种）;Ci为第i种地类的碳密度（Mg·hm-2）;Ci,above为第i种地类的地上生物量碳密度（Mg·hm-2）;Ci,below为第i种地类的地下生物量碳密度（Mg·hm-2）;Ci,dead为第i种地类的死亡有机质碳密度（Mg·hm-2）;Ci,soil为第i种地类的土壤有机质碳密度（Mg·hm-2）;Ctotal为区域总碳储量（Mg）;Si为第i种地类总面积（hm2）;n为地类数。

1.3.2 土地利用程度指数

土地利用程度主要反映人类活动和自然环境的相互作用,可以用土地利用程度综合指数L来评估[42],其计算公式为：
L = 100 × ∑ i = 1 n D i × P i
式中：Di表示第i级土地利用程度分级指数;Pi表示第i级土地利用程度面积占比（%）;n表示土地利用程度分级数。本文参考刘纪远[43]和王思远等[44]的研究,结合主城区实际情况,将土地利用指数分为四级,未利用地为1,林地、草地和水域为2,耕地为3,建设用地为4。

1.3.3 生态系统脆弱性评估方法

IPCC报告首先指出脆弱性是指一个系统容易受到或不能应对气候变化不利影响的程度[45]。随后Schröter等[46]拓展了脆弱性概念,将土地利用变化纳入进来。本文基于Schröter等[46]提出的起点脆弱性评估方法,采用Metzger等[47]提出的土地利用变化对生态系统服务脆弱性的量化方法,即潜在影响指数（PI）来度量生态系统服务中碳储存服务的脆弱性,其计算公式如下：
P I = Δ C Δ L
式中： Δ L表示土地利用程度指数变化量; Δ C表示碳储量变化（Tg）。

2 结果分析

2.1 近20年土地利用/覆被变化特征分析

2.1.1 土地利用现状分析

主城区土地类型以耕地、林地和建设用地为主,2020年耕地、林地和建设用地面积分别为3179.73 km2、1031.78 km2和1038.09 km2,占研究区面积的58.17%、18.87%和18.99%。草地、水域和未利用地面积较小,分别为53.34 km2、160.31 km2和3.06 km2,占研究区面积的0.98%、2.93%和0.06%（表2）。
表2 主城区土地利用面积及占比

Table 2 Land use area and proportion in the main urban area of Chongqing

地类 2000年 2005年 2010年 2015年 2020年
面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/% 面积/km2 占比/%
耕地 3923.03 71.76 3848.25 70.4 3653.9 66.84 3527.21 64.53 3179.73 58.17
林地 1074.71 19.66 1074.1 19.65 1071.86 19.61 1067.79 19.53 1031.78 18.87
草地 52.29 0.96 50.4 0.92 51.81 0.95 51.31 0.94 53.34 0.98
水域 147.53 2.7 150.56 2.76 153.01 2.8 153.58 2.81 160.31 2.93
建设用地 264.61 4.84 339.12 6.2 532.9 9.75 663.6 12.14 1038.09 18.99
未利用地 4.14 0.08 3.88 0.07 2.83 0.05 2.82 0.05 3.06 0.06

2.1.2 土地利用数量变化及空间分布

由图2可知,近20年主城区土地利用类型发生明显变化,主要表现为耕地面积大量减少、林地和未利用地面积少量减少、建设用地面积大量增加、草地和水域面积少量增加。耕地、林地分别减少743.29 km2、42.92 km2,减幅分别为18.95%、3.99%;建设用地、水域和草地分别增加773.48 km2、12.77 km2和1.05 km2,增幅分别为292.31%、8.66%和2%。未利用地面积本身就很小,在近20年内净缩减1.08 km2,减幅达26.16%。
图2 主城区土地利用面积变化

Fig. 2 Changes of land use area in the main urban area of Chongqing

2000—2020年耕地和林地面积持续缩减,其中在2015—2020年均缩减最明显,分别为347.48 km2和36.01 km2,减幅分别为9.85%和3.37%。草地在2000—2020年呈现波动变化,其中2000—2005年和2010—2015年面积分别减少1.89 km2和0.5 km2,减幅为3.61%和0.97%;但2005—2010年和2015—2020年面积分别增长1.41 km2和 2.03 km2,增幅为2.8%和3.96%。2000—2020年水域和建设用地持续增加,均在2015—2020年呈最大增长,分别为6.73 km2和374.49 km2,减幅为4.38%和56.43%。未利用地在前三个阶段均持续减少,但在2015—2020年有所增加,总体面积发生少量减少。从时间段变化看,2015—2020年是主城区变化最明显的阶段,其中耕地、林地、草地、水域和建设用地均发生最大规模的数量变化,未利用地也发生相对较大的数量变化。
由图3可知,建设用地主要分布在嘉陵江和长江的两江四岸,集中连片分布趋势明显,与城市经济发展的范围基本保持一致,近20年持续向四周扩张明显。耕地分布最为广泛,呈全范围分布,主要集中在缙云山、中梁山、铜锣山和明月山之间的丘陵地区。由于受地形、气候等自然条件影响,草地和未利用地分布较少,林地分布较广。水域主要为长江、嘉陵江水系。林地分布在缙云山、中梁山、铜锣山等山区地域,整体呈缩减趋势。
图3 主城区土地利用类型空间分布

Fig. 3 Spatial distribution of land use types in the main urban area of Chongqing

2.1.3 土地利用转移分析

城市化和经济的高速发展导致土地利用发生剧烈变化。本文将研究时段分为两个阶段,2000—2010年间,主城区约6.05%的土地进行了转移,土地利用转移较为明显。耕地是主要的转出者,主要转为建设用地;建设用地是主要的转入者,这10年主要接受了耕地、林地和水域的大量转入,扩张较快;林地主要转出为耕地和建设用地;草地主要转出为林地,还有少量部分转向为耕地和建设用地（表3）。
表3 主城区2000—2010年土地利用转移矩阵

Table 3 Land use transfer matrix in the main urban area of Chongqing from 2000 to 2010 (km2)

2000年 2010年
耕地 林地 草地 水域 建设用地 未利用地
耕地 3635.42 22.9 4.56 6.38 253.73 0.04
林地 15.03 1043.03 0.19 0.62 15.84
草地 0.68 4.43 47.04 0.14
水域 0.74 0.08 0.01 145.33 1.37
建设用地 2.02 0.38 0.01 0.37 261.82 0.01
未利用地 0.02 1.03 0.3 0.01 2.78
2010—2020年间,主城区约13.98%的土地发生了转移,转移变化程度更加剧烈,转移面积约为上一阶段的两倍。耕地和林地是主要的转出者,耕地大量转入为建设用地,林地大量转入为耕地;建设用地同样是主要的转入者,这10年主要接受了耕地、林地和水域的大量转入;草地大量转入为耕地,少部分转向为林地、水域和建设用地（表4）。
表4 主城区2010—2020年土地利用转移矩阵

Table 4 Land use transfer matrix in the main urban area of Chongqing from 2010 to 2020 (km2)

2010年 2020年
耕地 林地 草地 水域 建设用地 未利用地
耕地 3055.1 73.99 5.45 21.72 497.36 0.29
林地 93.89 952.7 0.9 0.98 23.31 0.07
草地 4.22 0.41 46.12 0.49 0.58
水域 9.72 1.08 0.06 135.44 6.34 0.36
建设用地 16.46 3.58 0.82 1.59 510.4 0.05
未利用地 0.34 0.02 0.09 0.1 2.28
空间分布（图4）展示主要的地类转移（转移面积大于10 km2）：林地→建设用地、林地→耕地、耕地→建设用地、耕地→林地、耕地→水域、建设用地→耕地。2000—2010年和2010—2020年上述主要地类转移面积达到转移总面积的92.93%和95.09%。耕地→建设用地是研究区转移的主体,转移斑块最大,主要在中部和西部地区,分布比较集中。第一阶段以渝北区、大渡口区和沙坪坝区为主,第二阶段以渝北区、江北区、沙坪坝区和南岸区为主。林地→耕地斑块较小,相对集中,前10年主要发生在巴南区,后10年主要发生在沙坪坝区和九龙坡区。耕地→水域以小斑块的形式零星分布于整个研究区,且后10年表现趋势明显。其他转移类型,如林地→建设用地、耕地→林地、建设用地→耕地等多以零星斑块形式分布,分布较为分散。
图4 主城区主要地类转移空间分布

Fig. 4 Spatial distribution of the main land transfer in the main urban area of Chongqing

2.2 近20年主城区碳储量时空变化特征

从时间发展来看,根据图5分析不同时段的各地类碳储量变化（水域碳密度为0,因此不讨论）,总体上2000—2020年间主城区碳储量减少5.78 Tg,其中2015—2020年是碳储量变化最大的时段,下降了2.88 Tg。从各时段的碳储量变化量来看,耕地变化是碳储量减少的主要因素,四个时段减少量分别是0.8 Tg、2.07 Tg、1.35 Tg和3.69 Tg;建设用地变化是碳储量增加的主导因素,在四个时段分别增加0.27 Tg、0.7 Tg、0.47 Tg和 1.35 Tg;草地和未利用地变化导致的碳储量变化均不明显;林地变化导致碳储量总体下降0.65 Tg,作用效果不明显。
图5 土地利用类型碳储量变化

Fig. 5 Changes in carbon storage of each land use type in the main urban area of Chongqing

从空间格局来看,本文借助InVEST模型估算出每个栅格的碳储量（图6）以及利用Origin软件绘出各城区碳储量变化情况（图7）,发现LUCC对碳储量影响存在显著的区域差异,碳储量较低的区域主要位于主城区中部,即渝中、大渡口、江北和南岸;而碳储量较高的部分主要集中在研究区四周,即巴南、渝北和北碚;另外低储量区域扩张趋势明显,逐年向外蔓延。
图6 主城区碳储量空间格局

Fig. 6 Spatial pattern of carbon storage in the main urban area of Chongqing

图7 各城区碳储量变化

Fig. 7 Changes in carbon storage in various districts of Chongqing

2.3 碳储量对土地利用转移的响应分析

根据土地利用转移矩阵以及不同地类的碳密度差异,探究主城区碳储量对土地利用转移的响应。由表5可知,2000—2010年土地利用变化引起区域碳储量增加17.29×104 Mg,减少212.61×104 Mg,整体净减少195.32×104 Mg。其中耕地→林地是碳储量增加的主要贡献者（62.29%）,耕地→建设用地是碳储量减少的主要贡献者（84.02%）。由表6可得,2010— 2020年土地利用变化导致有机碳储量总量增加66.89×104 Mg,减少449.1×104 Mg,整体净减少382.21×104 Mg。其中耕地→林地是碳储量提高的主要贡献者（52.02%）,耕地→建设用地是碳储量下降的主要贡献者（77.96%）。其他地类转为林地,会使研究区碳储量总量增加,有利于碳蓄积;相反林地转为其他地类,会导致区域碳储量总量降低,不利于碳汇形成。
表5 2000—2010年主城区碳储量转移矩阵

Table 5 The carbon stock transfer matrix of the main urban area of Chongqing from 2000 to 2010 (104 Mg)

2000年 2010年
耕地 林地 草地 水域 建设用地 未利用地
耕地 0 10.77 0.59 -6.79 -178.63 -0.02
林地 -7.07 0 -0.06 -0.95 -18.60 0
草地 -0.09 1.51 0 0 -0.12 0
水域 0.79 0.12 0.01 0 0.49 0
建设用地 1.42 0.45 0.01 -0.13 0 0
未利用地 0.01 1.11 0 -0.14 0 0
表6 2010—2020年主城区碳储量转移矩阵

Table 6 The carbon stock transfer matrix of the main urban area of Chongqing from 2010 to 2020 (104 Mg)

2010年 2020年
耕地 林地 草地 水域 建设用地 未利用地
耕地 0 34.80 0.71 -23.12 -350.14 -0.18
林地 -44.17 0 -0.31 -1.5 -27.38 -0.08
草地 -0.55 0.14 0 -0.59 -0.48 0
水域 10.35 1.66 0.07 0 2.28 0.17
建设用地 11.59 4.2 0.68 -0.57 0 0
未利用地 0.21 0.02 0 -0.04 -0.01 0

2.4 碳储量服务的脆弱性评估

根据脆弱性的评估方法和生态系统服务对LUCC的脆弱性响应机理,评估2000—2005年、2005—2010年、2010—2015年和2015—2020年四个时段主城区碳储量对土地利用变化的脆弱性（表7）。结果表明：主城区土地利用强度整体上属于中等发展水平,20年内提高14.73,增幅5.24%,呈逐年上升的趋势,其原因是分级指数最高的建设用地急剧增加,导致主城区综合指数上升。与此同时,四个时段主城区碳储量分别降低 0.56 Tg、1.39 Tg、0.95 Tg和2.88 Tg,说明主城区扮演碳源的角色,碳储量逐年减少,主要原因是耕地显著减少,大量转向为碳密度更低的建设用地。一方面,反映土地利用强度高指数的建设用地急剧增加;另一方面,碳密度较高的林地和耕地却快速缩减,导致碳流失加快,两种相反变化过程的综合作用致使生态系统的碳储量服务愈加脆弱。四个时段的PI指数均为负,分别为-2.50 Tg、-2.55 Tg、-2.59 Tg和-2.55 Tg,结果显示近20年均表现为负面潜在影响,2000—2015年脆弱性不断恶化,说明这15年主城区没有进行合理的土地开发利用,导致碳储量服务的潜在影响急剧增强,对其经济发展和环境保护存在巨大制约作用。2015—2020年脆弱性有所缓解,但PI指数仍然为负,表明上述问题依旧存在,只是情况相对有所改善。未来政府应该合理调控土地利用,加强对未利用地的开发利用,促进耕地和建设用地向平衡态发展,保持碳密度较高的林地和草地持续增长,将PI指数由负变正,减缓土地利用变化对碳平衡的扰动,降低生态系统脆弱性。
表7 土地利用对碳储备能力的潜在影响

Table 7 Potential impact of land use on carbon storage capacity in the main urban area of Chongqing

年份 土地利用强度指数 土地利用强度变化 总碳储量/Tg 碳储量变化/Tg（-源;+汇） PI/Tg
2000 281.35 — 59.85 — —
2005 282.75 1.4 59.29 -0.56 -2.5
2010 286.29 3.54 57.9 -1.39 -2.55
2015 288.75 2.46 56.95 -0.95 -2.59
2020 296.08 7.33 54.07 -2.88 -2.55

注：PI<0负面潜在影响;PI=0无潜在影响;PI>0正向潜在影响。

3 结论与讨论

3.1 结论

本文通过对主城区土地利用数量变化及转移、碳储量变化及空间格局分析,深入探究主城区碳储量对土地利用转移的响应以及采用潜在影响指数PI评估碳储量服务的脆弱性。主要结论如下：
（1）2000—2020年间,主城区土地类型发生明显变化,主要表现为耕地面积大量减少（-743.29 km2）,建设用地面积急剧增加（+773.48 km2）。前10年土地转移面积为6.05%,后10年转移更加剧烈,约为13.98%;耕地是主要转出者,建设用地是主要转入者,其中耕地转为建设用地是主要的土地转移类型。
（2）2000—2020年间,主城区碳储量累计减少5.78 Tg,其中建设用地侵占耕地是碳储量急速下降的主导因素。建设用地扩张对碳储量影响存在显著的区域差异,碳储量分布呈现“中部低—四周高”的空间格局。
（3）近20年主城区均表现为碳源,土地利用程度指数提高14.73,PI指数为 -2.50~ -2.59 Tg,均表现负面潜在影响,且2000—2015年脆弱性不断恶化,2015— 2020年脆弱性有所缓解。

3.2 讨论

重庆市主城区位于“一带一路”和长江经济带交汇处,是成渝地区双城经济圈建设的核心,在西部地区和长江上游经济带的改革开放与经济发展中发挥着重要作用,在国家发展大局中具有独特而重要的战略地位。分析主城区土地利用变化对碳储量的影响以及碳储存服务的脆弱性,对于促进重庆市固碳减排、探索发展低碳经济具有重要意义。
（1）LUCC和碳储量时空变化特征
研究结果表明：近20年主城区土地利用变化明显,土地利用转移主要表现为耕地转化为建设用地,导致农用地面积急剧减少,建设用地快速扩张,这与主城区经济发展定位有关[48],主城区大力发展二、三产业,着力打造金融、物流、研发设计等新兴现代服务业与以高新技术产业为引领的现代制造业并驾齐驱的发展新格局,因此会引发土地利用变化,导致建设用地急剧增加。其中2015—2020年土地变化最为明显,主要原因是重庆市该阶段的发展在“十三五”规划背景下,“两江新区”的设立以及大力推进供给侧结构性改革,培育经济发展新动力,推动全市实现快速城市化,城市扩张侵占了大量耕地,严格的耕地保护制度又要求由城市扩张造成的耕地流失必须得到相应补充,而新开垦的耕地又来源于林地,促进区域土地发生剧烈变化。
研究结果发现：2015—2020年是近20年主城区碳储量变化最大的时段,其原因是在该阶段下主城区城市化进程尤为明显,建设用地侵占耕地、耕地挤占生态用地等一系列土地利用方式的改变造成了大量高密度值地类转换成低密度值地类,进而导致了主城区在该时段碳储量下降明显。从各主城区的碳储量变化情况来看,沙坪坝和渝北的下降趋势相较明显,这可能是因为近些年沙坪坝的GDP和固定资产投资额快速增长,导致基础设施建设和房地产业迅速崛起,极大地增加了对建设用地的需求,而建设用地增量又主要来源于耕地,因此造成了沙坪坝的碳储量下降明显;渝北区作为重庆市现代制造业的核心区,近些年工业化发展快速,加之“两江新区设立”“构建开放型经济新体制综合试点试验”等政策的影响,加快了区域工业化和城市化的推进,同样表现出耕地大幅下降,建设用地显著增加,从而导致区域碳储量下降明显。
（2）碳储量对土地利用转移的响应
分析碳储量对LUCC的响应发现,其他地类转化为生态用地更有利于生态系统碳蓄积,这是因为林地和草地等生态用地具有较高的生物量密度,当生物量较低的地类转向较高的地类时,会促进碳储量的增加,有利于碳汇。另外,建设用地占用林地和草地会引发明显的碳排放效应,这与Lin等[49]和Wu等[50]的研究结果一致。主城区由于发展迅速,建设用地大量侵占耕地,不仅导致碳储量减少,而且吸引更多人口集聚,会加强地表人类活动,进一步提高碳排放量的增长,不利于固碳减排。未来主城区提升碳储量的具体措施为,一方面对森林进行可持续管理、限制放牧、施用绿肥、将土壤碳纳入碳税或碳排放交易体系等多种方式共同开展[51],来促进城市碳储量的提高。另一方面,碳排放存在明显的空间差异,而产业结构是区域碳排放的重要影响因素,根据主城九区的各自发展定位,结合各城区实际制定调整政策,例如对于渝中、九龙坡、渝北等较发达的城区,应该积极推动低碳的新兴产业和第三产业发展;对于巴南、大渡口等偏重以工业发展为主的城区,应该坚持新型工业化道路,提升技术水平,提高能源利用率,开发绿色新能源,减少碳排放量。
（3）碳储量服务的脆弱性评估
研究发现：近20年主城区均表现负面潜在影响,2000—2015年脆弱性不断恶化,2015—2020年脆弱性有所缓解,其原因是早期主城区对土地利用开发不合理,导致生态系统碳储量脆弱性逐年恶化;2015—2020年主城区在“十三五”期间加强了对区域土地利用的合理调控,提出了“坚持绿色发展,着力改善生态环境”理念,逐步统筹协调建设用地规划和非建设用地规划,努力调整优化并合理构建城市、农业和生态三类空间结构,这样使得脆弱性恶化程度有所缓解,但由于作用时间较短,效果不是很明显,依旧表现为负向潜在影响。针对碳储量服务脆弱性评估结果,可以提出合理调整用地结构,例如增加耕地、林地和草地比例来有效缓解土地利用强度的加剧,同时显著提高生态系统碳储量,进而降低生态系统服务的脆弱性。进一步加强林地、草地生态系统的碳管理机制研究,为减少区域生态系统碳源、降低碳储量脆弱性提供制度保障。
（4）研究展望
本文中各地类的碳密度值主要来源于已有研究文献资料,虽然具有一定的局限性,与实地测量数据相比,精度不高,但该方法被诸多学者采纳运用[21,35,52],也具有科学合理性。研究结果显示,各地类碳密度值大小排序：林地>草地>耕地>未利用地>建设用地>水域,这跟Chuai等[30]、柯新利等[35]、李义平等[36]研究结果一致,其原因是林地作为森林的载体,是森林物质生产和生态服务的源泉,生长着乔木、竹类和灌木植物等,具有丰富的生物量,碳密度较高;相对而言,未利用地和建设用地的水土条件相对较差,存在的生物量较小,碳密度较低。值得注意的是,LUCC对区域碳储量的影响是长期且变化的。杲广文等[53]对东北主要黑土区进行了长期实验,发现1980—2011年该区域耕地的土壤有机碳密度呈下降趋势;张萌萌等[54]研究表明1985—2015年陕西黄土台塬区包括草地、耕地以及林地在内的有机碳密度均表现出不同程度的增加,其中林地碳密度增长最大为21.4 Mg·hm-2,由此可见,不同区域的土地类型碳密度变化具有较大差异,这是因为碳密度变化受到气温、降水、人类活动方式等诸多因素变化的综合影响,进而表现出差异性。本文限于数据获取的原因,将碳密度当作一个常量,因此研究结果具有一定的局限性,未来研究需要更加切实有效、全面的数据。另外,基于主城区现实条件,如何具体优化未来用地布局,以此提高区域碳储量以及降低碳储量服务脆弱性,也将是后续需要开展的研究工作。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
曹小曙. 基于人地耦合系统的国土空间重塑. 自然资源学报, 2019, 34(10): 2051-2059.

[ CAO X S. Geogovernance of national land use based on coupled human and natural systems. Journal of Natural Resources, 2019, 34(10): 2051-2059.]

DOI

[2]
SARKODIE S A, OWUSU P A, LEIRVIK T. Global effect of urban sprawl, industrialization, trade and economic development on carbon dioxide emissions. Environmental Research Letters, 2020, 15(3): 034049, Doi:10.1088/1748-9326/ab7640.

DOI

[3]
赵昕月, 董世魁, 杨明岳, 等. 基于扰沌模型的青藏高原放牧社会-生态系统分析. 自然资源学报, 2021, 36(8): 2125-2138.

[ ZHAO X Y, DONG S K, YANG M Y, et al. Analysis of a pastoral social-ecological system in Qinghai-Tibet Plateau based on Panarchy. Journal of Natural Resources, 2021, 36(8): 2125-2138.]

DOI

[4]
KAUFFMAN J B, ADAME M F, ARIFANTI V B, et al. Total ecosystem carbon stocks of mangroves across broad global environmental and physical gradients. Ecological Monographs, 2020, 90(2): e01405, Doi: 10.1002/ecm.1405.

DOI

[5]
MORI A S. Advancing nature-based approaches to address the biodiversity and climate emergency. Ecology Letters, 2020, 23(12): 1729-1732.

DOI

[6]
邓元杰, 姚顺波, 侯孟阳, 等. 退耕还林还草工程对生态系统碳储存服务的影响: 以黄土高原丘陵沟壑区子长县为例. 自然资源学报, 2020, 35(4): 826-844.

[ DENG Y J, YAO S B, HOU M Y, et al. Assessing the effects of the Green for Grain Program on ecosystem carbon storage service by linking the InVEST and FLUS models: A case study of Zichang county in hilly and gully region of Loess Plateau. Journal of Natural Resources, 2020, 35(4): 826-844.]

DOI

[7]
BAUMANN M, GASPARRI I, GAVIER PIZARRO G, et al. Carbon emissions from agricultural expansion and intensification in the Chaco. Global Change Biology, 2017, 23(5): 1902-1916.

DOI

[8]
LI J S, GUO X M, CHUAI X W, et al. Reexamine China's terrestrial ecosystem carbon balance under land use-type and climate change. Land Use Policy, 2021, 102: 105275, Doi:10.1016/j.landusepol.2020.105275.

DOI

[9]
朱士华, 艳燕, 胡云锋, 等. 干旱区城市化对生态系统碳库的影响: 以乌鲁木齐市为例. 自然资源学报, 2016, 31(7): 1086-1099.

[ ZHU S H, YAN Y, HU Y F, et al. The impact of urbanization on ecosystem carbon storage in arid area. Journal of Natural Resources, 2016, 31(7): 1086-1099.]

[10]
GUO L, LIU R, SHOAIB M, et al. Impacts of landscape change on net primary productivity by integrating remote sensing data and ecosystem model in a rapidly urbanizing region in China. Journal of Cleaner Production, 2021, 325: 129314, Doi:10.1016/j.jclepro.2021.129314.

DOI

[11]
GOMES E, INÁCIO M, BOGDZEVIČ K, et al. Future land use changes and its impacts on terrestrial ecosystem services: A review. Science of the Total Environment, 2021: 146716, Doi:10.1016/j.scitotenv.2021.146716.

[12]
张金鑫, 王红玲. 中国畜牧业碳排放地区差异、动态演进与收敛分析: 基于全国31个省(市)1997-2017年畜牧业数据. 江汉论坛, 2020, (9): 41-48.

[ ZHANG J X, WANG H L. Analysis of regional differences, dynamic evolution and convergence of China's animal husbandry carbon emissions: Based on the animal husbandry data of 31 provinces (cities) across the country from 1997 to 2017. Jianghan Tribune, 2020, (9): 41-48.]

[13]
TANG L, WU J Q, YU L A, et al. Carbon emissions trading scheme exploration in China: A multi-agent-based model. Energy Policy, 2015, 81: 152-169.

DOI

[14]
兰秀, 杜虎, 宋同清, 等. 广西主要森林植被碳储量及其影响因素. 生态学报, 2019, 39(6): 2043-2053.

[ LAN X, DU H, SONG T Q, et al. Vegetation carbon storage in the main forest types in Guangxi and the related influencing factors. Acta Ecologica Sinica, 2019, 39(6): 2043-2053.]

[15]
CHEN L C, GUAN X, LI H M, et al. Spatiotemporal patterns of carbon storage in forest ecosystems in Hunan province, China. Forest Ecology and Management, 2019, 432: 656-666.

DOI

[16]
REED W P, KAYE M W. Bedrock type drives forest carbon storage and uptake across the mid-Atlantic Appalachian Ridge and Valley, USA. Forest Ecology and Management, 2020, 460: 117881, Doi:10.1016/j.foreco.2020.117881.

DOI

[17]
张雄伟, 李刚, 董宽虎, 等. 山西主要草地类型土壤有机碳储量及其垂直分配特征. 中国草地学报, 2020, 42(1): 141-146.

[ ZHANG X W, LI G, DONG K H, et al. Soil organic carbon storage and vertical distribution of main types grassland in Shanxi province. Chinese Journal of Grassland, 2020, 42(1): 141-146.]

[18]
YAZDANSHENAS H, TAVILI A, JAFARI M, et al. Evidence for relationship between carbon storage and surface cover characteristics of soil in rangelands. Catena, 2018, 167: 139-146.

DOI

[19]
YANG Y, TILMAN D, FUREY G, et al. Soil carbon sequestration accelerated by restoration of grassland biodiversity. Nature Communications, 2019, 10(1): 1-7.

DOI

[20]
孔祥斌, 胡莹洁, 李月, 等. 北京市耕地表层土壤有机碳分布及其影响因素. 资源科学, 2019, 41(12): 2307-2315.

[ KONG X B, HU Y J, LI Y, et al. Distribution and influencing factors of soil organic carbon of cultivated land topsoil in Beijing. Resources Science, 2019, 41(12): 2307-2315.]

[21]
孔君洽, 杨荣, 苏永中, 等. 基于土地利用/覆被变化的荒漠绿洲碳储量动态评估. 生态学报, 2018, 38(21): 7801-7812.

[ KONG J Q, YANG R, SU Y Z, et al. Effect of land use and cover change on carbon stock dynamics in a typical desert oasis. Acta Ecologica Sinica, 2018, 38(21): 7801-7812.]

[22]
SHANG Z H, CAO J J, DEGEN A A, et al. A four year study in a desert land area on the effect of irrigated, cultivated land and abandoned cropland on soil biological, chemical and physical properties. Catena, 2019, 175: 1-8.

DOI

[23]
XU X, WANG L SUN M, et al. Climate change vulnerability assessment for smallholder farmers in China: An extended framework. Journal of Environmental Management, 2020, 276: 111315, Doi: 10.1016/j.jenvman.2020.111315.

DOI

[24]
SEKHRI S, KUMAR P FÜRST C, et al. Mountain specific multi-hazard risk management framework (MSMRMF): Assessment and mitigation of multi-hazard and climate change risk in the Indian Himalayan Region. Ecological Indicators, 2020, 118: 106700, Doi: 10.1016/j.ecolind.2020.106700.

DOI

[25]
LIU L, LIANG Y, HASHIMOTO S. Integrated assessment of land-use/coverage changes and their impacts on ecosystem services in Gansu province, Northwest China: Implications for sustainable development goals. Sustainability Science, 2020, 15(1): 297-314.

DOI

[26]
任志远, 张晗. 银川盆地土地利用变化对景观格局脆弱性的影响. 应用生态学报, 2016, 27(1): 243-249.

[ REN Z Y, ZHANG H. Effects of land use change on landscape pattern vulnerability in Yinchuan Basin, Northwest China. Chinese Journal of Applied Ecology, 2016, 27(1): 243-249.]

[27]
胡特, 彭开丽, 唐睿, 等. 农户脆弱性研究综述及其在土地利用变化中的理论分析构架. 中国土地科学, 2016, 30(11): 50-60.

[ HU T, PENG K L, TANG R, et al. Research progress review on farmer's vulnerability and its theoretical framework in land use change. China Land Sciences, 2016, 30(11): 50-60.]

[28]
刘纪远, 张增祥, 徐新良, 等. 21世纪初中国土地利用变化的空间格局与驱动力分析. 地理学报, 2009, 64(12): 1411-1420.

DOI

[ LIU J Y, ZHANG Z X, XU X L, et al. Spatial patterns and driving forces of land use change in China in the early 21st century. Acta Geographica Sinica, 2009, 64(12): 1411-1420.]

[29]
张骞, 高明, 杨乐, 等. 1988-2013年重庆市主城九区生态用地空间结构及其生态系统服务价值变化. 生态学报, 2017, 37(2): 566-575.

[ ZHANG Q, GAO M, YANG L, et al. Changes in the spatial structure of ecological land and ecosystem service values in nine key districts of Chongqing over the past 25 years. Acta Ecologica Sinica, 2017, 37(2): 566-575.]

[30]
CHUAI X, HUANG X, LAI L, et al. Land use structure optimization based on carbon storage in several regional terrestrial ecosystems across China. Environmental Science & Policy, 2013, 25: 50-61.

[31]
陈光水, 杨玉盛, 谢锦升, 等. 中国森林的地下碳分配. 生态学报, 2007, 27(12): 5148-5157.

[ CEHN G S, YANG Y S, XIE J S, et al. The allocation of underground carbon in China's forests. Acta Ecologica Sinica, 2007, 27(12): 5148-5157.]

[32]
ALAM S A, STARR M, CLARK B J F. Tree biomass and soil organic carbon densities across the Sudanese woodland savannah: A regional carbon sequestration study. Journal of Arid Environments, 2013, 89: 67-76.

DOI

[33]
邢乐杰. 三峡库区森林生态系统有机碳储量研究. 武汉: 华中农业大学, 2008.

[ XING L J. Study on organic carbon storage of forest ecosystem in Three Gorges Reservoir Area. Wuhan: Huazhong Agricultural University, 2008.]

[34]
方精云, 刘国华, 徐嵩龄. 我国森林植被的生物量和净生产量. 生态学报, 1996, 16(5): 497-508.

[ FANG J Y, LIU G H, XU S L. Biomass and net production of forest vegetation in China. Acta Ecologica Sinica, 1996, 16(5): 497-508.]

[35]
柯新利, 唐兰萍. 城市扩张与耕地保护耦合对陆地生态系统碳储量的影响: 以湖北省为例. 生态学报, 2019, 39(2): 672-683.

[ KE X L, TANG L P. Impact of cascading processes of urban expansion and cropland reclamation on the ecosystem of a carbon storage service in Hubei province, China. Acta Ecologica Sinica, 2019, 39(2): 672-683.]

[36]
李义平, 蔡宏, 田鹏举, 等. 贵州省黎平县地表覆被变化引起的生态系统碳储量变化. 水土保持通报, 2020, 40(2): 92-99, 325.

[ LI Y P, CAI H, TIAN P J, et al. Changes in ecosystem carbon storage caused by land cover changes in Liping county of Guizhou province. Bulletin of Soil and Water Conservation, 2020, 40(2): 92-99, 325.]

[37]
ZHANG F, ZHAN J, ZHANG Q, et al. Impacts of land use/cover change on terrestrial carbon stocks in Uganda. Physics and Chemistry of the Earth: Parts A/B/C, 2017, 101: 195-203.

DOI

[38]
王亚慧, 戴尔阜, 马良, 等. 横断山区产水量时空分布格局及影响因素研究. 自然资源学报, 2020, 35(2): 371-386.

[ WANG Y H, DAI E F, MA L, et al. Spatiotemporal and influencing factors analysis of water yield in the Hengduan Mountain Region. Journal of Natural Resources, 2020, 35(2): 371-386.]

DOI

[39]
昝欣, 张玉玲, 贾晓宇, 等. 永定河上游流域水生态系统服务价值评估. 自然资源学报, 2020, 35(6): 1326-1337.

[ ZAN X, ZHANG Y L, JIA X Y, et al. Evaluation on the ecosystem services value of the upper reaches of Yongding River. Journal of Natural Resources, 2020, 35(6): 1326-1337.]

DOI

[40]
BABBAR D, AREENDRAN G, SAHANA M, et al. Assessment and prediction of carbon sequestration using Markov chain and InVEST model in Sariska Tiger Reserve, India. Journal of Cleaner Production, 2021, 278: 123333, Doi:10.1016/j.jclepro.2020.123333.

DOI

[41]
LAI L, HUANG X, YANG H, et al. Carbon emissions from land-use change and management in China between 1990 and 2010. Science Advances, 2016, 2(11): e1601063,Doi: 10.1126/sciadv.1601063.

[42]
简萍, 李阳兵, 王权. 基于地形梯度的典型峰丛洼地区土地利用空间分布格局分析. 长江流域资源与环境, 2020, 29(5): 1128-1139.

[ JIAN P, LI Y B, WANG Q. Analysis of the spatial distribution pattern of land use in typical peak-cluster depression areas based on terrain gradient. Resources and Environment in the Yangtze Basin, 2020, 29(5): 1128-1139.]

[43]
刘纪远. 国家资源环境遥感宏观调查与动态监测研究. 遥感学报, 1997, 1(3): 225-230.

[ LIU J Y. Study on national resources and environment survey and dynamic monitoring using remote sensing. National Remote Sensing Bulletin, 1997, 1(3): 225-230.]

[44]
王思远, 刘纪远, 张增祥, 等. 中国土地利用时空特征分析. 地理学报, 2001, 56(6): 631-639.

DOI

[ WANG S Y, LIU J Y, ZHANG Z X, et al. Analysis on the spatial and temporal characteristics of land use in China. Acta Geographica Sinica, 2001, 56(6): 631-639.]

DOI

[45]
MCCARTH J J, CANZIANI O F, LEARY N A. Impacts, adaptation and vulnerability, contribution of working group II to the third assessment report of the inter government panel on climate change. IPCC, Climate Change, 2001.

[46]
SCHRÖTER D, CRAMER W, LEEMANS R, et al. Ecosystem service supply and vulnerability to global change in Europe. Science, 2005, 310(5752): 1333-1337.

DOI

[47]
METZGER M J, ROUNSEVELL M D A, ACOSTA-MICHLIK L, et al. The vulnerability of ecosystem services to land use change. Agriculture, Ecosystems & Environment, 2006, 114(1): 69-85.

DOI

[48]
伍度志, 斯庭高. 重庆市城市经济网络空间结构及特征: 基于主城九区的实证分析. 重庆交通大学学报: 社会科学版, 2020, 20(3): 67-75.

[ WU D Z, SI T G. Spatial structure and characteristics of the urban economic networks an empirical study of the main urban districts of Chongqing. Journal of Chongqing Jiaotong University: Social Sciences Edition, 2020, 20(3): 67-75.]

[49]
LIN B Q, LI J L. Transformation of China's energy structure under environmental governance constraints: A peak value analysis of coal and carbon dioxide. Social Sciences in China, 2015, 9: 84-107.

[50]
WU Y, SHEN J, ZHANG X, et al. The impact of urbanization on carbon emissions in developing countries: A Chinese study based on the U-Kaya method. Journal of Cleaner Production, 2016, 135: 589-603.

DOI

[51]
RUMPEL C, AMIRASLANI F, KOUTIKA L S, et al. Put more carbon in soils to meet Paris climate pledges. Nature, 2018, 564(7734): 32-34.

DOI

[52]
ZHAO M, HE Z, DU J, et al. Assessing the effects of ecological engineering on carbon storage by linking the CA-Markov and InVEST models. Ecological Indicators, 2019, 98: 29-38.

DOI

[53]
杲广文, 汪景宽, 李双异, 等. 30年来东北主要黑土区耕层土壤有机碳密度与储量动态变化研究. 土壤通报, 2015, 46(4): 774-780.

[ GAO G W, WANG J K, LI S Y, et al. Changes of organic carbon density and storage in northeastern black soil areas in past 30 years. Chinese Journal of Soil Science, 2015, 46(4): 774-780.]

[54]
张萌萌, 刘梦云, 常庆瑞, 等. 1985-2015年陕西黄土台塬表层土壤有机碳空间分布. 自然资源学报, 2018, 33(11): 2032-2045.

[ ZHANG M M, LIU M Y, CHANG Q R, et al. Spatial distribution of organic carbon in topsoil of the loess tableland in Shaanxi province during 1985-2015. Journal of Natural Resources, 2018, 33(11): 2032-2045.]

DOI

Options
文章导航

/

〈 〉