EN中文

自然资源学报 >

2022 , Vol. 37 >Issue 5: 1214 - 1232

DOI: https://doi.org/10.31497/zrzyxb.20220508

“双碳”目标与自然资源管理

基于土地利用变化的陕西省植被碳汇提质增效优先区识别

  • 王天福 ,
  • 龚直文 ,
  • 邓元杰
展开
  • 西北农林科技大学经济管理学院,杨凌 712100
龚直文（1980- ）,男,福建寿宁人,博士,副教授,研究方向为林业经济理论与政策。E-mail:

王天福（1995- ）,男,甘肃通渭人,硕士,研究方向为资源经济与环境管理。E-mail:

收稿日期: 2021-11-15

  修回日期: 2022-03-14

  网络出版日期: 2022-07-28

基金资助

陕西省社会科学基金项目(2020R053)

陕西省重点研发计划项目(2021SF-492)

收起

Identification of priority areas for improving quality and efficiency of vegetation carbon sinks in Shaanxi province based on land use change

  • WANG Tian-fu ,
  • GONG Zhi-wen ,
  • DENG Yuan-jie
Expand
  • College of Economics and Management, Northwest A&F University, Yangling 712100, Shaanxi, China

Received date: 2021-11-15

  Revised date: 2022-03-14

  Online published: 2022-07-28

Fold

摘要

在“双碳”目标背景下,陆地植被生态系统碳汇是实现碳中和目标的重要方式。为有效识别植被碳汇服务功能提质增效的优先区,利用InVEST模型定量评估陕西省植被碳储量时空演变特征及分布格局,分析土地利用/覆被类型变化对碳储量变化的影响,研究林草生态建设碳汇增长空间差异,确定林草生态建设提质增效对象区域。结果表明：（1）陕西省土地利用类型主要以耕地、林地、草地为主,土地利用类型转移变化也主要发生在三者之间;（2）1980― 2020年陕西省生态系统碳储量总体增加91.88×106 t,增幅3.16%,呈现出“总体上南高北低、局部地区明显过高或过低”的地带性分布特征;（3）退耕还林（草）工程对碳汇能力提升效果明显,存在全局空间相关性,表现为一定的空间趋同集聚现象;（4）陕北地区为生态保护修复工程极优先区和优先区,陕南地区为中等优先区,关中地区为一般优先区。研究基于不同区县生态系统碳汇年均增长率的差异,确定生态治理优先区域,可为实现生态修复工程主导模式的分区管理以及碳汇能力提质增效提供参考。

关键词： 土地利用变化; 碳汇; 碳中和; 优先区识别; 陕西省

本文引用格式

王天福 , 龚直文 , 邓元杰 . 基于土地利用变化的陕西省植被碳汇提质增效优先区识别[J]. 自然资源学报, 2022 , 37(5) : 1214 -1232 . DOI: 10.31497/zrzyxb.20220508

Abstract

In the context of the "dual-carbon" goal, the carbon sink of terrestrial vegetation ecosystems is an important way to achieve the carbon neutrality. In order to effectively identify the priority areas for improving the quality and efficiency of vegetation carbon sink service, the InVEST model was used to quantitatively evaluate the spatiotemporal evolution characteristics and distribution pattern of vegetation carbon storage in Shaanxi province. Based on this, we analyze the impact of land use/cover types on carbon storage changes, study the spatial differences in the growth of carbon sinks in forest-grass ecological construction, and determine the target areas for quality and efficiency improvement in ecological environment construction areas. The results show that: (1) The land use types in Shaanxi are mainly cultivated land, forest land and grassland, and the change of land use transfer mainly occurs in the mutual transformation among the three types. (2) From 1980 to 2020, the carbon storage of ecosystems in Shaanxi increased by 91.88×106 t, an increase of 3.16%, showing the zonal distribution characteristics of "generally high in the south and low in the north, and obviously high or low in some areas". (3) The conversion of farmland to forest (grass) project has obvious effect on the improvement of carbon sink capacity, and there is a global spatial correlation, which is manifested as a certain spatial convergence and agglomeration phenomenon. (4) Northern Shaanxi is a high priority area and priority area for ecological protection and restoration projects, Southern Shaanxi is a medium priority area, and Guanzhong Plain is a general priority area. Based on the differences in the average annual growth rate of carbon sinks in ecosystems in different districts and counties, the priority ecological governance areas were determined to provide a reference for realizing the regional management of the leading mode of ecological restoration projects and improving the quality and efficiency of carbon sinks.

Key words： land use change; carbon sinks; carbon neutrality; priority zone identification; Shaanxi province

《联合国气候变化框架公约》将碳汇定义为从大气中清除CO2的过程、活动和机制[1],这种通过增加碳储量来抵消经济发展中碳排放量的碳汇服务功能[2],是调节区域气候、全球碳循环过程的重要环节[3]。目前超过100多个国家都考虑或设定了碳中和目标,其中碳储存和植树造林能力、收入和交通部门排放等因素均影响各国目标的实现[4]。中国作为世界上最大的发展中国家,2020年明确提出“力争于2030年前CO2排放达到峰值、2060年前实现碳中和”,是我国对国际社会的庄严承诺（“3060”承诺）[5]。在“双碳”目标背景下,生态系统碳汇是实现碳中和目标的必选项,因此必须发挥生态系统碳汇的特殊作用,碳汇量越大,实现碳中和的概率就越大[6]。
土地利用/覆盖变化是陆地生态系统碳循环最直接的人为驱动因素之一,主要通过改变生态系统的结构（物种组成、生物量）和功能（生物多样性、能量平衡、碳、氮、水循环等）来影响生态系统碳循环过程[7]。在陆地生态系统中植被固碳释氧的作用较为突出,植被进行光合作用和呼吸作用与大气交换CO2和O2,来维持大气中CO2和O2的动态平衡[8],其分布特征可以直接影响碳储量的变化[9]。但由于陆地生态系统受到复杂气候条件、植被覆盖状况以及土地利用变化空间异质性的影响,碳汇服务功能会产生差异性响应机制。比如城市化过程中森林或草地转化为建设用地会导致植物地上生物量以CO2的形式释放到大气中形成碳源[7],退耕还林（草）、限制建设用地扩张等行为会提升土地利用类型的碳汇作用[10]。由于土地开发利用模式的不同对生态系统碳汇产生的效果不同,使土地利用类型既可能成为碳源,也可能成为碳汇[11]。所以,以碳汇能力提升为导向,通过人为干预来改善自然状况、发挥生态系统碳汇服务功能的生态保护和修复工程,成为我国未来应对气候变化过程中的重要任务之一。因此,将碳汇能力较高的区域作为主要碳汇空间重点保护对象[12],增加林地和草地面积,适当调整耕地和建设用地比例、严格控制林草地过快转化为建设用地,重视草地、天然湿地的碳汇功能,实现土地利用结构优化,是我国未来固碳增汇的主要方式之一[13]。
陕西省作为退耕还林工程最早试点的省份之一,退耕还林计划任务和投资规模在全国居于首位[14]。众多学者研究发现在实施退耕还林、天然林资源保护等建设工程后,全省植被覆盖度得到极大改善、固碳释氧效果明显[15]。但由于陕西省各地区森林覆盖面积不同导致区县间生态系统碳密度和碳储量差异较大,空间分布格局并不一致,要提高森林生态系统碳储量不仅要通过造林再造林以增加森林覆盖面积,还要通过对现有林地合理经营抚育提高森林质量[16]。近年来,在“耕地红线”保护制度下,耕地利用的保护使得耕地向林地、草地的转化面积减少,可供退耕还林（草）的面积有限,同时受自然环境影响以及人为管理不善出现林分质量退化、资源浪费等问题[17],限制了生态保护政策进一步发挥水土保持、固碳释氧等生态系统服务功能的作用。因此,有必要开展生态优先区识别,在生态系统空间布局基础上,通过修复模拟等方法,探寻生态系统服务功能保障与优化的空间策略[18]。目前国内学者从生物多样性[19]、生态系统服务[20]、自然保护区管理[21]、基本农田适宜性评价[22]等方面进行了优先区研究,主要目的是基于生态系统服务功能与生态修复分区研究识别生态源地、划定生态修复分区[23],消除或弱化人类活动对生态系统的负面干扰,形成生态修复工作的重要路径,以此实现整体保护、系统修复、综合治理的发展目标[24]。在碳中和背景下,为改善退耕还林区低效生态林的质量,逐步实现生态恢复从重数量扩张到重质量提升的目标转变,确定生态环境建设区提质增效对象、有效识别植被碳汇服务功能优先区就成为生态修复工程和环境建设亟待解决的问题。
因此,本文以陕西省为研究区,通过定量评估生态系统碳储量的时空分布格局和演变特征,进一步探究生态工程建设背景下土地利用结构优化对区域生态系统碳储量提升的影响,分析碳储量时空增长差异,确定陕西省林草生态工程建设优先区域选择,以期为土地利用管理决策、森林林分质量提升、植被碳汇能力提质增效提供参考。

1 研究方法与数据来源

1.1 研究区概况

陕西省（31°42′~39°35′N,105°29′~111°5′E）,分属黄河、长江两大水系,其中在陕境内的黄河流域面积13.33万 km2,长江流域面积7.23万km2。地势南北高、中间低,纵跨三个气候带,秦岭是中国南北气候分界线,陕南属北亚热带气候,关中及陕北大部属暖温带气候,陕北北部长城沿线属中温带气候,南北气候差异较大,将陕西分为关中、陕北和陕南三大主要区域[25]（图1）。全省森林覆盖率41%,活立木蓄积量4.24亿m3,列全国第11位。2020年完成造林面积6.77万km2,其中人工造林面积2.89万km2,占全部造林面积的42.7%。不同土地利用类型、植被结构对生态系统碳储量、碳汇能力影响较大,近年来,退耕还林（草）、三北防护林、天然林资源和自然生态建设等工程的实施,使得天然林面积显著增加,是陕西碳储量及碳汇的主要来源[26]。
图1 研究区概况

Fig. 1 Location of the study area

1.2 数据来源

本文采用的土地利用/覆被数据共五期（1980年、1990年、2000年、2010年和 2020年）,其中1980年、1990年、2000年、2010年数据从中国科学院资源环境科学与数据中心得到,使用了美国陆地资源卫星Landsat TM、ETM+、OLI多光谱影像数据源,通过人工目视解译生成,总体精度达到93%以上;2020年土地利用/覆被数据来源于30 m全球地表覆盖数据GlobeLand 30平台（ http://www.globallandcover.com）,除使用以上光谱影像外,还使用了中国环境减灾卫星（HJ-1）多光谱影像和16 m分辨率高分一号（GF-1）多光谱影像,总体精度为85.72%,Kappa系数0.82。按照中国土地资源分类系统标准[27]将上述土地利用类型经过重分类,重新划分为耕地、林地、草地、水域、建设用地和未利用地六类,空间分辨率为100 m,采用Krasovsky_1940_Albers坐标系。所使用的陕西省行政边界矢量数据从国家基础信息中心公布的全国1∶100万基础地理数据库（www.webmap.cn）中获得。本文碳密度主要考虑各土地利用地上植被、地下植被、土壤碳密度值和死亡有机物碳密度,不同地类碳密度数据主要参考相关文献的实测数据,优先选择与陕西省自然条件相似或分类体系相同的文献,通过整理归纳总结得到适用于本文的碳密度数据库（表1）。其中地上部分碳密度数据参考杨洁等[28]的黄河流域研究结果,地下部分碳密度参考邓元杰等[29]的黄土高原丘陵沟壑区子长县退耕还林研究结果,土壤碳密度参考刘孟竹等[30]的北方农牧交错带研究结果,死亡有机物碳密度参考刘冠等[31]的麻塔流域研究结果。然后对碳库数据进行修正,通过参考杨洁等[28]和葛杰[32]相关数据,获得全国、陕西省多年均温（7.56 ℃、11.4 ℃）和降水量（673.9 mm、649 mm）,采用陈光水等[33]、Giardina等[34]、Alam等[35]研究中的关系模型作为修正年均温、年降水量和土壤、生物量碳密度的依据,最后修正得到研究区碳密度数据。
表1 陕西省不同土地利用类型的碳密度

Table 1 Carbon density of different land use types in Shaanxi province (t/hm2)

土地利用类型 地上碳密度 地下碳密度 土壤碳密度 死亡有机物碳密度
耕地 4.87 36.58 79.61 0.74
林地 12.15 52.53 114.34 1.95
草地 10.12 39.21 73.60 0.46
水域 0.09 0 0 0
建设用地 0.72 0 76.95 0
未利用地 0.37 0 30.98 0

1.3 研究方法

1.3.1 InVEST模型碳储量（Carbon）模块

InVEST模型的碳储量（Carbon）模块使用土地利用/覆盖类型图以及在各个碳库中的碳储存量来估算在一段时间内某一地块碳的净储存量,主要包括四大基本碳库：地上生物量、地下生物量、土壤和死亡的有机物质。计算原理是统计不同地类地上碳库、地下碳库、土壤碳库和死亡有机碳库的平均碳密度得到各个地类的碳密度,然后将各地类碳密度与面积相乘并求和,最终得到研究区的总碳储量Ctot[36]。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 = ∑ i = 1 n C i × S i
式中： i为某种土地利用类型; C i - a b o v e、 C i - b e l o w、 C i - s o i l和 C i - d e a d分别为土地利用类型i的地上、地下、土壤和死亡有机物碳密度（t/hm2）; C t o t为陆地生态系统总的碳储量（t）; S i为土地利用类型 i的面积（t/hm2）; n为土地利用类型的数量,本文 n为6。

1.3.2 碳储量空间相关性分析

空间自相关被用来描述地理现象空间聚集性,是判断观测数据在同一个分布区内变量之间是否具有潜在相互依赖性的依据,可分为全局和局部空间自相关。全局空间自相关是对现象整体分布情况的描述,能判断此现象在区域内的空间集聚存在,但不能确切地指明聚集位置;局部空间自相关能进一步探讨分析是否存在空间异质性,寻找集聚中心的空间位置[37]。具体计算公式为：
I = ∑ i = 1 n ∑ j = 1 n W i j × Y i - Y - × Y j - Y - S 2 × ∑ i = 1 n ∑ j = 1 n W i j , S 2 = 1 n ∑ i = 1 n Y i - Y - 2
式中： S 2为碳储量方差值; n为研究对象数目（个）, Y i、 Y j分别为 i、 j区县的碳储量值; W i j为 i、 j之间的空间邻接矩阵,表示 i与 j的邻近关系。Moran's I取值范围为 [-1, 1],I>0表示存在空间正相关关系,值越大说明区域碳储量因相似且聚集的程度越高;I<0表示存在空间负相关关系,值越小说明区域碳储量因相异且聚集的程度越高;I=0表示不存在空间自相关性。
I i = Y i - Y - ∑ i = 1 n Y i - Y - 2 ∑ i = 1 n W i , j Y i - Y -
局部Moran's I值通过检验时,I>0 表明该空间单元与邻近单元的碳储量值相似（“高―高”或“低―低”）,I<0表明该空间单元与邻近单元的碳储量值相异（“高―低”或“低―高”）,局部Moran's I值越大说明该空间单元与邻近单元的辐射效益越大。

2 结果分析

2.1 生态保护修复政策对陕西省土地利用变化的影响

2.1.1 土地利用类型面积变化

陕西省土地利用类型主要以耕地、林地、草地为主,三类土地利用类型面积总和基本占到全省总面积的95%,水域、建设用地和未利用地面积较小,仅为总面积的5%左右（表2）。1980―2020年陕西省不同类型土地利用面积发生变化,土地利用结构有所转变。1980―2010年各土地利用类型面积大小为：林地>耕地>草地>未利用地>建设用地>水域,2010―2020年建设用地面积及比例超过未利用地,各土地利用类型面积大小为：林地>耕地>草地>建设用地>未利用地>水域。1980―2020年间耕地、水域和未利用地面积分别减少12430.34 km2、989.87 km2和4832.28 km2,而林地、草地和建设用地面积分别增加9830.37 km2、4129.95 km2和3999.84 km2。其中建设用地面积增幅最为明显, 40年间增幅达到150.25%,相比1980年建设用地扩张了2倍以上,2010―2020年间建设用地面积超过未利用地,占总面积的3.24%。
表2 1980―2020年陕西省土地利用面积及比例

Table 2 The area and proportion of land use in Shaanxi province from 1980 to 2020

土地利用类型 1980年 1990年 2000年 2010年 2020年
面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/%
耕地 74398.69 36.13 74229.82 36.04 73739.62 35.81 69515.19 33.76 61968.35 30.13
林地 82389.65 40.01 82726.53 40.17 82812.03 40.21 87304.71 42.39 92220.02 44.84
草地 38247.64 18.57 38115.77 18.51 39509.07 19.18 38179.16 18.54 42377.59 20.61
水域 2039.81 0.99 1930.79 0.94 1832.58 0.89 1901.45 0.92 1049.94 0.51
建设用地 2662.19 1.29 2719.93 1.32 3165.48 1.54 4326.36 2.10 6662.03 3.24
未利用地 6199.79 3.01 6214.85 3.02 4879.13 2.37 4710.51 2.29 1367.51 0.66

2.1.2 土地利用类型转移变化

1980―2020年陕西省土地利用转移主要发生在耕地、林地、草地和建设用地之间（表3）。从转出面积来看,以耕地、草地和林地转出为主,分别占转出面积的45.45%、26.72%和17.47%,其余土地利用类型转出仅占10.36%;转入面积上,草地、林地、耕地和建设用地为主要转入者,占转入面积的32.63%、30.97%、28.14%和7.12%。耕地、未利用地和水域分别净流出12374.39 km2、4712.18 km2和780.79 km2,而林地、草地和建设用地实现净流入,分别转入9645.91 km2、4223.88 km2和3997.57 km2。
表3 1980―2020年陕西省土地利用转移矩阵

Table 3 Land use transfer matrix in Shaanxi province from 1980 to 2020 (km2)

1980年 2020年
耕地 林地 草地 水域 建设用地 未利用地 总计
耕地 41696.71 14406.86 13722.19 263.37 4022.8 78.02 74189.95
林地 6994.58 69564.93 5108.47 100.13 264.69 24.71 82057.51
草地 10903.93 7399.22 18860.1 79.19 487.6 231.19 37961.23
水域 689.85 106.24 312.64 525.57 121.46 16.28 1772.04
建设用地 909.41 91.94 78.77 12.18 1560.81 1.4 2654.51
未利用地 621.08 134.23 4102.94 10.81 194.72 1007.83 6071.61
总计 61815.56 91703.42 42185.11 991.25 6652.08 1359.43 204706.85
1980―2020年86.57%的耕地转向林地和草地,主要分布在陕北黄土高原、陕南汉中、安康河谷地带等地区。另外12.38%的耕地转为建设用地,以关中地区和汉江流域城市群为主;草地向耕地转出55.99%,向林地转出40.89%,分布在陕北黄土高原和陕南镇安、山阳、旬阳等区县;林地类型分布在秦岭以南米仓山、大巴山山区和中北部洛河两侧子午岭、黄龙山山区,该地区森林茂密,植被覆盖率较高。2000年后林地由耕地和草地转入21806.08 km2,占98.50%,转入面积基本与耕地、草地转出一致;水域向耕地转出689.85 km2,分布在黄河、长江支流河谷地带,占转出面积的55.34%;而建设用地面积从1980年到2020年不断扩大,转入5091.27 km2,79.01%由耕地转入,主要分布在关中地区和陕南汉江流域河谷地带,该地区城镇化发展迅速,建设用地面积向四周不断延伸,西安市、汉中市最为明显;陕北黄土高原乌素沙地的榆林市西北部地区未利用地转向草地表现明显（图2、图3）。
图2 1980―2020年陕西省土地利用类型空间分布

Fig. 2 Spatial distribution of land use types in Shaanxi province from 1980 to 2020

图3 1980―2020年陕西省三大地区各类土地利用类型面积变化

Fig. 3 Area changes in various types of land use in the three major regions of Shaanxi province from 1980 to 2020

2.2 生态保护修复政策对陕西省生态系统碳储量时空变化的影响

2.2.1 陕西省生态系统碳储量时间变化

利用InVEST模型中的Carbon模块分别计算得到陕西省1980年、1990年、2000年、2010年、2020年的碳储量（图4）。陕西省1980―2020年5个时间节点生态系统总碳储量分别为2909.25×106 t、2912.16×106 t、2924.20×106 t、2946.13×106 t、3001.13×106 t,呈持续增加趋势,总体碳储量增加91.88×106 t,增幅3.16%。1980—2020年间每隔十年,碳储量分别增加2.91×106 t、12.04×106 t、21.93×106 t、55.00×106 t,增幅分别为0.10%、0.41%、0.75%、1.87%,生态系统碳汇功能不断提升。地区差异上,生态系统碳储量陕南地区最多,陕北次之,关中地区最少,占比约为39%、34%、27%,表现为：陕南地区>陕北地区>关中地区。时间变化上,陕北碳储量呈波动上升,陕南则呈持续上升趋势。1980―2020年间陕北黄土高原大量耕地转为林地和草地利用类型,陕南地区大量草地转为林地,显著提升了两地的生态系统碳储量,二者分别增加53.32×106 t、39.56×106 t。其中陕南在2000年后碳储量加速增长,而关中地区呈波动下降趋势,生态系统碳储量总体减少1.00×106 t,原因与该地区耕地、草地面积大幅下降以及建设用地持续增加有关。
图4 1980―2020年陕西省生态系统碳储量

Fig. 4 Ecosystem carbon storage in Shaanxi province from 1980 to 2020

2.2.2 陕西省生态系统碳储量空间分布格局

运用ArcGIS 10.7 软件采用自然断点法,对陕西省生态系统碳储量从低到高按 <80 t/hm2、80~110 t/hm2、110~140 t/hm2、140~170 t/hm2、>170 t/hm2进行划分,能明显看出陕西省生态系统碳储量的空间分布特征（图5）。空间分布上,陕西省生态系统碳储量呈现出“总体上南高北低、局部地区明显过高或过低”的地带性分布特征。主要表现为：陕南高、陕北次之和关中地区最低。局部地区主要是中北部洛河两侧子午岭、黄龙山碳储量明显偏高,陕南汉中地区、关中地区西安城市群以及陕北榆林北部地区碳储量明显偏低。
图5 陕西省生态系统碳储量时空分布

Fig. 5 Spatio-temporal distribution of carbon storage in the ecosystem of Shaanxi province

陕南秦巴山区碳储量高值区域,土地利用类型以林草地为主,降水量充足,植被生长对于水热条件依赖性强,森林资源丰富,植被地上和地下生物碳密度较高,大部分地区碳密度在170 t/hm2以上,固碳能力突出;而中北部洛河两侧子午岭、黄龙山地区土地利用类型与陕南秦岭山区基本相一致,植被覆盖率较高,碳储量明显高于陕北和关中地区,该地区为陕西省的“肺”,碳密度同样在170 t/hm2以上。两地碳密度在170 t/hm2以上的区域颜色加深明显、面积持续扩大,说明森林植被的碳汇能力进一步提升。陕北黄土高原大陆性季风气候区,干旱少雨,山地、丘陵、沟壑地貌起伏大,水土流失严重,地表裸露,生态环境脆弱,以耕地、草地为主,碳储量和碳密度相对较低,碳密度主要在110~140 t/hm2之间,草地和农田作物对碳储量贡献较大,近年来国家退耕还林（草）政策的实施提高了人工造林力度和植被覆盖度,有助于碳汇能力的提升;而全省碳储量最低值区域出现在与毛乌素沙地接近的榆林北部,呈片带状分布,该地区因气候比较干燥,是草原向半荒漠景观的过渡带,土地利用类型以未利用地为主,森林植被稀疏,碳储量最低。
变化上,低值区域面积在1990年先扩大后保持不变,到2020年低值区域面积明显减少,与大量未利用地转为草地增加了地上植被与土壤的碳密度有关。关中地区水热条件相对充足,但碳储量明显低于陕南地区和陕北黄土高原,主要以西安市为代表的关中地区城市群为主,碳密度均在80 t/hm2以下,该区域经济发展迅速,城镇化进程较快,人口密度大,导致建设用地不断扩张,且碳密度低值区域不断向四周扩散,城镇化、建设用地扩张以及人类其他活动对生态系统碳储量产生负面影响,说明人类的干扰程度已经完全掩盖了气候条件对森林植物碳密度的影响和制约[38]。同样以汉中市、安康市为代表的汉江流域上游城市群碳密度明显低于陕南大部分地区,出现较低值,碳密度在110~140 t/hm2之间,说明碳储量空间分布虽受到温度、水分等自然立地条件影响,但土地利用方式的变化、人口密度等人为因素在短期内对碳储量分布起决定性作用[39]。

2.3 不同土地利用类型对生态系统碳储量变化的影响

2.3.1 土地利用类型碳储量变化

不同土地利用类型对于陕西省生态系统碳储量贡献程度不同。耕地、林地和草地贡献率较大,分别占29%、53%和17%,其中林地利用类型贡献率超过一半,说明森林植被的固碳功能更加明显;而水域、建设用地和未利用地贡献率不足2%（表4）。1980―2020年间,受生态保护政策和经济发展等人为活动的影响,陕西省土地利用类型发生变化,生态系统的固碳能力总体提升,但不同土地利用类型碳储量变化不同。耕地、水域和未利用地碳储量依次减少151.54×106 t、0.01×106 t和15.15×106 t,分别占到碳减少总量的90.91%、0.01%和9.09%。其中耕地碳储量下降最为明显且呈持续下降趋势,减幅16.72%,对生态系统碳储量的贡献率从1980年的31.15%降为2020年的25.14%;未利用地在1980―2010年间缓慢下降,而在2010―2020年间急剧下降,但对生态系统碳储量影响不大,2020年仅占全省总碳储量的0.14%;水域对碳储量影响甚微,可忽略不计。林地、草地和建设用地碳储量总体增加,分别增加176.50×106 t、51.03×106 t和31.05×106 t,其中林地增量最大,占总增加量的68.26%,增幅11.84%;草地碳储量波动上升,2020年达到最高值,贡献率为17.43%;建设用地1980―2020年间碳储量增加一倍以上,增幅为150.18%,增幅最大但贡献率仅为1%左右,说明建设用地碳储量增加来源于面积的不断扩张,并非陕西省生态系统总碳储量增加的主要区域。由此可知,在土地利用类型转换过程中,耕地利用类型面积减少是陕西省生态碳储量减少的主要原因,林地面积增加是生态系统碳储量增加的主要原因,土地利用转换后耕地、林地和草地仍然为生态系统碳储量的主要来源,林地、草地对于生态系统碳储量的贡献不断加大,而耕地贡献率下降。建设用地碳储量增幅最大,但对全省生态系统总碳储量提升作用不大。
表4 1980―2020年陕西省不同土地利用类型碳储量

Table 4 Carbon storage of different land use types in Shaanxi province from 1980 to 2020 (106 t )

土地利用类型 1980年 1990年 2000年 2010年 2020年
耕地 906.176 904.1192 898.1859 846.695 754.6334
林地 1491.0054 1497.1019 1498.6488 1579.9532 1667.5067
草地 471.9376 470.3105 487.4647 471.0926 522.9654
水域 0.0184 0.0174 0.0165 0.0171 0.0094
建设用地 20.6772 21.1257 24.5863 33.6028 51.7302
未利用地 19.4363 19.4836 15.2961 14.7674 4.2865

2.3.2 土地利用类型转移对碳储量变化影响

本文将土地利用类型划分为六类（1―耕地,2―林地,3―草地,4―水域,5―建设用地,6―未利用地）,通过ArcGIS 10.7 软件叠加操作得到土地利用转移图层,同时将陕西省生态系统碳储量变化图层按变化值>5%、介于±5%之间和<5%定义为增长区域、基本不变区域和减少区域。如图6所示,土地利用类型的转移显著改善了陕西省生态系统的碳固持能力,直接带来92.23×106 t的碳增量。受退耕还林（草）、天然林保护生态修复等政策影响,全省28129.05 km2的耕地转为林地和草地,分别为生态系统带来了85.25×106 t和2.18×106 t的碳增量,同样草地转为林地增加了42.60×106 t的碳储量,未利用地转为草地引起37.76×106 t的碳增量;而林地转为其他土地类型均降低了生态系统碳储量,由林地转为耕地、草地直接导致41.39×106 t、29.41×106 t的碳储量损失,耕地转为建设用地减少了17.75×106 t的碳储量。
图6 1980―2020年陕西省土地利用类型转移引起碳储量变化

Fig. 6 Changes in carbon storage caused by the transfer of land use types in Shaanxi province from 1980 to 2020

碳增加区域主要发生在陕北黄土高原和陕南东南部山区,碳减少区域则以关中地区为主,陕北黄土高原地区退耕还林（草）政策效果最为显著,关中地区和陕南地区其他土地利用类型转移对生态系统碳储量表现明显（图7）。陕北黄土高原生态系统碳储量增加明显,主要源于退耕还林（草）工程使得大量耕地转为林地、草地,进一步提升了生态系统固碳能力;陕北子午岭、黄龙山山区草地大规模转为林地导致碳储量增加,而榆林市西北部毛乌素沙地区域和陕南东南部地区碳储量增加的主要原因是未利用地向草地、林地利用类型的转变,扩大了林地、草地利用类型面积。说明退耕还林（草）等生态工程能够通过改变区域的植被利用/覆被状况来增强生态系统碳储量,具有一定的政策效果。关中地区碳减少主要与城镇化发展大量占用耕地、草地有关,降低了地上、地下植被生物量和土壤有机质的碳储存能力,不利于生态系统碳汇功能的提升。
图7 1980―2020年陕西省土地利用类型转化及其引起的碳储量变化

Fig. 7 The transformation of land use types and the resulting changes in carbon storage in Shaanxi province from 1980 to 2020

2.4 空间相关性分析

通过对陕西省生态系统碳储量全局空间自相关分析,计算得到1980年、1990年、2000年、2010年和2020年五个时期节点的Moran's I值（表5）。1980―2020年陕西省生态系统碳储量Moran's I值均大于0,存在全局空间相关性。在局部空间上表现为一定的空间趋同集聚现象,即陕西省生态系统碳储量高值区域趋于同高值区域相邻,低值区域趋于同低值区域相邻（图8）。
表5 1980―2020年陕西省生态系统碳储量Moran's I统计量

Table 5 Moran's I statistics of ecosystem carbon storage in Shaanxi province from 1980 to 2020

年份 1980年 1990年 2000年 2010年 2020年
Moran's I 0.791306 0.791006 0.782362 0.785275 0.765797
P 0 0 0 0 0
Z 14.845252 14.839374 14.688559 14.74182 14.392649
图8 1980―2020年陕西省碳储量空间聚类特征

Fig. 8 Spatial clustering characteristics of carbon storage in Shaanxi province from 1980 to 2020

高高聚集区域自身及周边地区生态系统碳储量均较高,分布相对稳定,以陕南镇安和陕北吴起等区县为主;高低聚集区域指自身生态系统碳储量较高但周边较低的地区,分布在关中地区,以旬邑县、周至县和蓝田县为主;低高聚集区域指自身生态系统碳储量较低但周边较高的地区,分布在陕南地区佛坪县和石原县,石原县在1990年由不显著区域变为低高聚集区域后又变为不显著区域;低低聚集区域以关中地区大部分县区为主,呈片面状集中分布,低值集聚效益明显,该区域主要由于不合理的人类行为活动导致生态环境压力较大,生态系统碳储量均相对较低,出现低低集聚现象。

2.5 生态系统碳汇功能重要性评价

基于碳储量模型结果,通过进一步计算得到1980―2020年陕西省107个区县碳储量的年均增长率,采用分位数的划分方法[40],将<0部分定义为负增长,>0部分以三分之一、三分之二为间断点划分为低增长、中增长、高增长,共四个等级（表6）。参考《生态保护红线划定指南》等级划分,并根据各区县碳储量年均增长率高低,按照极优先、优先、中等优先和一般优先进行排列,确定生态修复治理区域优先序,绘制出生态保护修复优先区域空间分布图（图9）。
表6 1980―2020年陕西省各区县生态系统碳储量年均增长率

Table 6 The average annual growth rate of carbon storage in the ecosystems of various districts and counties in Shaanxi province from 1980 to 2020

区间 碳储量年均增长率 n/个 区县
(-0.00789, 0] 负 42 雁塔区、未央区、灞桥区、秦都区、白水县、渭城区、杨陵区、王益区、永寿县、阎良区、绥德县、清涧县、高陵区、莲湖区、耀州区、礼泉、富平县、三原县、子洲县、泾阳县、淳化县、临渭区、蒲城县、长安区、兴平市、乾县、扶风县、澄城县、武功县、延川县、汉台区、子长市、印台区、鄠邑区、凤翔县、米脂县、临潼区、碑林区、华州区、旬邑县、延长县、岐山县
(0, 0.00189] 低 56 宜君县、新城区、潼关县、府谷县、眉县、留坝县、汉滨区、吴堡县、大荔县、洛川县、华阴市、吴起县、黄龙县、城固县、洋县、黄陵县、佳县、周至县、合阳县、安塞区、南郑区、渭滨区、凤县、商州区、太白县、蓝田县、勉县、西乡县、麟游县、陈仓区、丹凤县、洛南县、柞水县、宁陕县、金台区、汉阴县、佛坪县、山阳县、商南县、镇坪县、宝塔区、千阳县、定边县、旬阳县、彬州市、紫阳县、志丹县、平利县、宁强县、岚皋县、陇县、镇巴县、横山区、韩城市、石泉县、略阳县
(0.00189, 0.00378] 中 8 白河县、宜川县、镇安县、靖边县、富县、甘泉县、长武县、神木市
(0.00378, 0.00567] 高 1 榆阳区
图9 陕西省碳汇功能生态修复治理优先区域

Fig. 9 Ecological restoration governance priority areas of carbon sink function in Shaanxi province

由表6可知,自退耕还林还草、三北防护林、天然林保护等生态修复工程实施以来,1980―2020年陕西省生态系统碳储量正增长的区县数量多于负增长的区县,其中陕北和陕南大部分区县实现正增长,关中地区大部分区县增长率为负。生态系统碳储量年均增长率在中、高等级的9个区县中,陕北占6个、陕南2个、关中1个,以陕北地区为主;低增长级别共56个区县,主要分布在陕南地区;而42个碳储量年均增长率为负的区县中,关中地区占34个,碳汇年均增长率明显低于陕北和陕南地区。
基于此,根据不同区县生态系统碳汇年均增长率的差异,划分陕西省生态保护修复政策优先区域。陕北地区植被保护政策碳汇效果较好,可作为退耕还林（草）、天然林保护等生态保护修复工程极优先和优先区域;陕南地区碳汇增长率相对较高,为中等优先区;关中地区城镇发展迅速,人口数量激增,大量耕地被建设用地占用,同时在“耕地保护”制度下退耕还林（草）等生态保护政策实施的空间不足,碳固持能力明显弱于陕南和陕北,碳汇能力提升潜力有限,可作为一般优先区。
以碳汇年均增长率表征不同区县林草生态工程建设固碳增汇效果,评价生态系统碳汇功能重要性等级,确定优先生态治理区域,划分生态工程保护、修复、治理优先次序,实现主导模式的分区管理,将有限的人力、物力和财力投入到生态修复政策效果明显、碳汇年均增长率较高的区域,为生态修复工程碳汇能力提质增效提供参考。

3 结论与讨论

3.1 结论

（1）陕西省土地利用类型主要以耕地、林地、草地为主,合计19万km²左右,基本占到全省总面积的95%,建设用地、水域、未利用地面积较小。2020年各土地利用类型面积大小为：林地>耕地 >草地>建设用地>未利用地>水域。变化上,1980―2020年间耕地、水域和未利用地面积分别减少 12430.34 km2、989.87 km2和4832.28 km2,林地、草地和建设用地面积分别增加9830.37 km2、4129.95 km2和3999.84 km2。其中,土地利用转移变化主要发生在耕地、林地、草地之间,耕地、未利用地和水域分别净流出 12374.39 km2、4712.18 km2和780.79 km2,而林地、草地和建设用地分别净流入9645.91 km2、4223.88 km2和3997.57 km2。
（2）陕西省1980―2020年5个时间节点生态系统总碳储量分别为2909.25×106 t、2912.16×106 t、2924.20×106 t、2946.13× 106 t、3001.13×106 t,呈持续增加趋势,总体碳储量增加91.88×106 t,增幅3.16%。地区上,生态系统碳储量陕南地区最多,陕北次之,关中地区最少,占比分别为39%、34%、27%。空间分布上,陕西省生态系统碳储量呈现出“总体上南高北低、局部地区明显过高或过低”的地带性分布特征。
（3）林地和草地为生态系统碳储量的主要来源。耕地、林地和草地是主要贡献者,分别贡献约29%、53%和17%的碳储量,水域、建设用地和未利用地贡献率不足2%。退耕还林（草）政策为陕西省生态系统增加了87.43×106 t的碳储量,政策效果明显。生态系统碳储量存在全局空间相关性,在空间上表现为一定的空间趋同集聚现象。高高聚集区域主要分布在陕南和陕北部分县区,低低聚集区域以关中地区大部分县区为主,呈片面状集中分布,低值集聚效益明显。
（4）根据碳汇年均增长率划分陕西省生态保护修复政策优先区域,陕北地区榆阳、靖边等区县碳汇年均增长率较高,可作为生态保护修复工程极优先区和优先区;陕南大部分区县碳汇年均增长率较低,将其划分为中等优先区;关中地区大部分区县碳汇年均增长率为负,为一般优先区。

3.2 讨论

陕西省生态系统碳储量变化特征与土地利用变化相吻合,具有高度一致性。林地和草地面积增加是碳储量增加的主要原因,陕北和陕南地区等生态工程实施区域是主要碳储量增加区域,这与刘洋等[41]研究疏勒河流域碳储量结论一致,说明开垦荒地、退耕还林等政策的实施增加了植被覆盖率,对于生态系统碳固碳能力提升作用明显,也进一步验证了研究的可靠性。同时,研究发现1980―2020年关中地区建设用地面积增加占全省建设用地增加量的60%左右,占全省建设用地总面积的70%,引起了关中地区建设用地碳储量的增加。但是由耕地、林地、草地土地利用类型转为建设用地,导致碳储量损失达22.72×106 t,生态系统总碳储量则减少了1.00×106 t,说明单一层面建设用地面积的扩张不利于总体碳汇能力提升。在陕北和陕南地区碳储量实现增加的条件下,关中地区碳储量呈波动下降是全省总碳储量减少的主要区域,应从整个生态系统考虑城镇化发展、建设用地面积增加对于生态系统碳汇能力的影响。
由于各区县自然条件、气候环境以及经济发展水平差异,生态系统碳汇能力受土地利用/覆被变化[42]、土壤有机质[43]、树种管理制度[44]、过度放牧[45]等多种因素影响。而本文的实证结果表明陕北黄土高原、关中地区以及陕南各区县林草生态工程碳汇年均增长率高低不同、差异显著。榆阳、靖边等陕北大部分区县碳汇年均增长率较高,陕南地区次之,而关中地区地区最低,退耕还林（草）、天然林保护等生态保护修复政策在维持大气二氧化碳固定、碳汇功能提升方面存在空间异质性。同样Zhang等[46]对陕北吴起县生态效率进行研究发现,同等成本投入条件下,生态修复工程措施的实施与潜在生态系统服务价值之间存在空间异置现象,削弱了生态工程的实施效率,造成资源浪费。所以,将碳收支核算和评估融入到区域发展规划中,对重点开发区、农产品主产区和重点生态功能区等各类主体功能区量身定制不同的开发方式、保护内容和发展重点,提出基于碳约束的主体功能区规划的引导方案,可为实现低碳目标的区域优化协调发展提供理论基础[47]。
陕北地区应作为新一轮退耕还林和天然林保护工程实施的极优先和优先区,以林草生态修复治理为主。该地区林草生态保护政策的实施产生了一定效果,碳汇增长显著,但由于气候类型水热条件欠佳,加之降雨较少,人为高强度的土地开发利用仍会进一步加剧生态环境的脆弱性,应结合退耕还林（草）政策加大退耕还林还草力度,探索不同立地条件下的造林模式,加大对黄土高原沟壑地带立地造林的基础设施项目建设和资金支持,扩大林草面积增加地上植被覆盖度,改变土地利用类型碳密度较低的现状,重点关注耕地、未利用地向林地、草地的变化,提高该区域土地利用类型的碳密度。陕南地区为中等优先区,应以生态林分改造、抚育为主。陕南大部分区县生态系统碳储量较高,但碳汇年均增长率相对较低,主要原因是秦岭山地、秦巴山区自然环境良好,气候湿润、雨水丰沛,生物多样性丰富,林业资源禀赋较好,碳汇功能已基本达到饱和,林业生态工程的进一步投入对生态系统碳汇功能提升作用有限。而开展森林经营、抚育和次生林改造,通过森林抚育管护,推进天然林保护修复,对退化、过密过疏的天然林采取退化林修复、抚育、补植补造等措施,可以发挥自然保护区和秦岭生态屏障作用,提高森林质量、提升碳汇能力。关中地区作为一般优先区,应以生态保护为主。该区域大部分区县碳汇年均增长率为负值,碳汇能力受人为活动影响较大,城镇的迅速发展、人口数量激增,导致大量耕地被建设用地占用,压缩了退耕还林（草）等生态工程实施的空间潜力,同时高强度的化石能源碳排放加大了资源环境的承载能力,所以保障生态用地是碳中和目标实现的关键自然因素。因此,退耕还林（草）等生态保护政策的实施不能简单地以“面”扩展为主,要考虑不同区县生态修复的政策效果以及效率差异,在工程实施后期应以“质”的提升为主,通过分区管理模式合理划分生态保护修复优先区,实现土地利用内部结构的优化调整,促进林草生态工程措施碳汇功能提质增效。
本文在研究方法上运用InVEST模型评估陕西省的碳储量,具有一定的可靠性和合理性。但由于模型建立在对不同土地利用覆盖类型的碳库估值上,还存在不足之处。首先,模型中所需要的碳密度数据主要参考以往研究获取,且自然环境、土地利用方式变化以及其他在误差影响碳储量计算的准确性。另外,模型默认植被、土壤、死亡有机物等碳密度在某一时期内是固定不变的,结果仅针对不同土地利用类型是细致和可信的。在以后的研究中应通过实地测量获得更准确的碳密度参数数据,长期就气温、光合速率、土壤微生物变化以及人类活动等对于土壤碳密度影响进行动态监测,从而提高碳储量估算的准确度。数据方面,由于条件限制但为突出研究的时效性,使用了两个不同来源的数据,可能会对碳储量有所影响,好在两个数据均具有较高的精度,偏差值相对较小,对研究结果总体趋势影响较小,数据可以支撑研究结论。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
联合国环境与发展大会. 联合国气候变化框架公约 (UNFCCC). 1992: 2-3.

[United Nations Conference on Environment and Development. United Nations Framework Convention on Climate Change (UNFCCC), 1992: 2-3.]

[2]
王秋凤, 郑涵, 朱先进, 等. 2001-2010年中国陆地生态系统碳收支的初步评估. 科学通报, 2015, 60(10): 962.

[ WANG Q F, ZHENG H, ZHU X J, et al. Preliminary assessment of China's terrestrial ecosystem carbon budget from 2001 to 2010. Chinese Science Bulletin, 2015, 60(10): 962. ]

[3]
方精云, 于贵瑞, 任小波, 等. 中国陆地生态系统固碳效应: 中国科学院战略性先导科技专项“应对气候变化的碳收支认证及相关问题”之生态系统固碳任务群研究进展. 中国科学院院刊, 2015, 30(6): 848-857, 875.

[ FANG J Y, YU G R, REN X B, et al. The carbon sequestration effect of China's terrestrial ecosystems: The research progress on the ecosystem carbon sequestration task group of the Chinese Academy of Sciences' Strategic Leading Technology Special "Carbon Budget Certification and Related Issues in Response to Climate Change". Bulletin of the Chinese Academy of Sciences, 2015, 30(6): 848-857, 875.]

[4]
VAN SOEST H L, DEN ELZENl MICHEL G J, VAN VUUREN D P. Net-zero emission targets for major emitting countries consistent with the Paris agreement. Nature Communications, 2021, 12: 2140.

DOI

[5]
习近平. 在第七十五届联合国大会一般性辩论上的讲话. 人民日报, 2020-09-23, (003), Doi: 10.28655/n.cnki.nrmrb.2020.009319.

[ XI J P. Speech at the general debate of the 75th United Nations General Assembly. People's Daily, 2020-09-23, (003), Doi: 10.28655/n.cnki.nrmrb.2020.009319.]

[6]
王国胜, 孙涛, 昝国盛, 等. 陆地生态系统碳汇在实现“双碳”目标中的作用和建议. 中国地质调查, 2021, 8(4): 13-19.

[ WANG G S, SUN T, ZAN G S, et al. The role and suggestions of carbon sinks in terrestrial ecosystems in achieving the "dual carbon" goal. Geological Survey of China, 2021, 8(4): 13-19.]

[7]
陈广生, 田汉勤. 土地利用/覆盖变化对陆地生态系统碳循环的影响. 植物生态学报, 2007, 31(2): 189-204.

DOI

[ CHEN G S, TIAN H Q. The impact of land use/cover change on the carbon cycle of terrestrial ecosystems. Chinese Journal of Plant Ecology, 2007, 31(2): 189-204.]

DOI

[8]
欧阳志云, 王如松, 赵景柱. 生态系统服务功能及其生态经济价值评价. 应用生态学报, 1999, 10(5): 635-640.

[ OUYANG Z Y, WANG R S, ZHAO J Z. Ecosystem service function and evaluation of its ecological economic value. Chinese Journal of Applied Ecology, 1999, 10(5): 635-640.]

[9]
BETTINA J, TAMON Y, BERNARD L, et al. Storage of organic carbon in aggregate and density fractions of silty soils under different types of land use. Geoderma, 2004, 128(1): 63-79.

DOI

[10]
杨庆媛. 土地利用变化与碳循环. 中国土地科学, 2010, 24(10): 7-12.

[ YANG Q Y. Land use change and carbon cycle. China Land Science, 2010, 24(10): 7-12.]

[11]
马晓哲, 王铮. 土地利用变化对区域碳源汇的影响研究进展. 生态学报, 2015, 35(17): 5898-5907.

[ MA X Z, WANG Z. Research progress on the impact of land use change on regional carbon sources and sinks. Acta Ecologica Sinica, 2015, 35(17): 5898-5907.]

[12]
黄贤金, 张秀英, 卢学鹤, 等. 面向碳中和的中国低碳国土开发利用. 自然资源学报, 2021, 36(12): 2995-3006.

[ HUANG X J, ZHANG X Y, LU X H, et al. Development and utilization of China's low-carbon land for carbon neutrality. Journal of Natural Resources, 2021, 36(12): 2995-3006.]

DOI

[13]
赖力, 黄贤金. 中国土地利用的碳排放效应研究. 南京: 南京大学出版社, 2011: 169-174.

[ LAl L, HUANG X J. Carbon Emissions from Land-use Change and Management in China. Nanjing: Nanjing University Press, 2011: 169-174.]

[14]
陈孝勇. 陕西省退耕还林工程分析与评价. 杨凌: 西北农林科技大学, 2009.

[ CHEN X Y. Analysis and evaluation of the project of converting farmland to forest in Shaanxi province. Yangling: Northwest A&F University, 2009.]

[15]
师贺雄. 长江、黄河中上游地区退耕还林工程生态效益特征及价值化研究. 北京: 中国林业科学研究院, 2016.

[ SHI H X. Research on the ecological benefit characteristics and value of the project of converting farmland to forest in the middle and upper reaches of the Yangtze River and the Yellow River. Beijing: Chinese Academy of Forestry, 2016.]

[16]
崔高阳, 陈云明, 曹扬, 等. 陕西省森林生态系统碳储量分布格局分析. 植物生态学报, 2015, 39(4): 333-342.

DOI

[ CUI G Y, CHEN Y M, CAO Y, et al. Analysis on the distribution pattern of carbon storage in forest ecosystems in Shaanxi province. Chinese Journal of Plant Ecology, 2015, 39(4): 333-342.]

DOI

[17]
孙善良, 张小平, 张志斌. 陕西省2000-2018年土地利用时空演变及驱动因素. 水土保持通报, 2021, 41(4): 339-349, 369.

[ SUN S L, ZHANG X P, ZHANG Z B. Temporal and spatial evolution and driving factors of land use in Shaanxi province from 2000 to 2018. Bulletin of Soil and Water Conservation, 2021, 41(4): 339-349, 369.]

[18]
苏冲, 董建权, 马志刚, 等. 基于生态安全格局的山水林田湖草生态保护修复优先区识别: 以四川省华蓥山区为例. 生态学报, 2019, 39(23): 8948-8956.

[ SU C, DONG J Q, MA Z G, et al. Identification of priority areas for ecological protection and restoration of mountains, rivers, forests, farmlands, lakes and grasslands based on ecological security patterns: Taking Huaying Mountains in Sichuan province as an example. Acta Ecologica Sinica, 2019, 39(23): 8948-8956.]

[19]
马琪, 潘秋玲, 涂纯. 生物多样性维护功能评估及其空间尺度效应分析: 以陕西省为例. 自然资源学报, 2021, 36(8): 1937-1948.

[ MA Q, PAN Q L, TU C. Biodiversity maintenance function assessment and analysis of its spatial scale effect: Taking Shaanxi province as an example. Journal of Natural Resources, 2021, 36(8): 1937-1948.]

DOI

[20]
潘翔, 石培基, 吴娜. 基于生态系统服务均衡性视角的生态风险评估及管控优先区识别: 以兰州市为例. 环境科学学报, 2020, 40(2): 724-733.

[ PAN X, SHI P J, WU N. Ecological risk assessment and identification of priority areas for management and control based on the balance of ecosystem services: Taking Lanzhou as an example. Acta Scientiae Circumstantiae, 2020, 40(2): 724-733.]

[21]
蒲真, 张芳玲, 古元阳, 等. 我国东北地区自然植被保护现状及保护优先区分析. 生态学杂志, 2019, 38(9): 2821-2832.

[ PU Z, ZHANG F L, GU Y Y, et al. Analysis of the current situation of natural vegetation protection and protection priority areas in Northeast my country. Chinese Journal of Ecology, 2019, 38(9): 2821-2832.]

[22]
汤峰, 徐磊, 张蓬涛, 等. 县域高标准基本农田建设适宜性评价与优先区划定. 农业工程学报, 2019, 35(21): 242-251.

[ TANG F, XU L, ZHANG P T, et al. Suitability evaluation and priority area delineation for high-standard basic farmland construction in county areas. Transactions of the CSAE, 2019, 35(21): 242-251.]

[23]
倪庆琳, 侯湖平, 丁忠义, 等. 基于生态安全格局识别的国土空间生态修复分区: 以徐州市贾汪区为例. 自然资源学报, 2020, 35(1): 204-216.

[ NI Q L, HOU H P, DING Z Y, et al. Zoning of ecological restoration based on ecological security pattern identification: Taking Jiawang district of Xuzhou city as an example. Journal of Natural Resources, 2020, 35(1): 204-216.]

DOI

[24]
焦胜, 刘奕村, 韩宗伟, 等. 基于生态网络-人类干扰的国土空间生态修复优先区诊断: 以长株潭城市群为例. 自然资源学报, 2021, 36(9): 2294-2307.

[ JIAO S, LIU Y C, HAN Z W, et al. Diagnosis of priority areas for ecological restoration in land space based on ecological network-human disturbance: A case study of Chang-Zhu-Tan Urban Agglomeration. Journal of Natural Resources, 2021, 36(9): 2294-2307.]

DOI

[25]
闫树熙, 刘志强, 郭利锋. 陕西区域经济发展不平衡水平的定量测度及应对之策. 贵州大学学报: 自然科学版, 2020, 37(1): 119-124.

[ YAN S X, LIU Z Q, GUO L F. Quantitative measurement of the unbalanced level of regional economic development in Shaanxi and countermeasures. Journal of Guizhou University: Natural Science, 2020, 37(1): 119-124.]

[26]
郝丽, 徐娟娟, 翟园, 等. 近30a陕西省森林植被碳储量及其动态变化. 干旱区研究, 2017, 34(5): 1056-1062.

[ HAO L, XU J J, ZHAI Y, et al. Carbon storage and its dynamic changes of forest vegetation in Shaanxi province in the past 30 years. Arid Zone Research, 2017, 34(5): 1056-1062.]

[27]
刘纪远, 宁佳, 匡文慧, 等. 2010-2015年中国土地利用变化的时空格局与新特征. 地理学报, 2018, 73(5): 789-802.

DOI

[ LIU J Y, NING J, KUANG W H, et al. The spatio-temporal pattern and new characteristics of land use change in China from 2010 to 2015. Acta Geographica Sinica, 2018, 73(5): 789-802.]

[28]
杨洁, 谢保鹏, 张德罡. 基于InVEST和CA-Markov模型的黄河流域碳储量时空变化研究. 中国生态农业学报, 2021, 29(6): 1018-1029.

[ YANG J, XIE B P, ZHANG D G. Study on the spatiotemporal changes of carbon storage in the Yellow River Basin based on InVEST and CA-Markov models. Chinese Journal of Eco-Agriculture, 2021, 29(6): 1018-1029.]

[29]
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. The impact of the project of returning farmland to forest and grassland on ecosystem carbon storage services: A case study of Zichang county in the hilly and gully region of the Loess Plateau. Journal of Natural Resources, 2020, 35(4): 826-844.]

DOI

[30]
刘孟竹, 王彦芳, 裴宏伟. 退耕还林(草)背景下中国北方农牧交错带土地利用及碳储量变化. 中国沙漠, 2021, 41(1): 174-182.

[ LIU M Z, WANG Y F, PEI H W. Changes in land use and carbon storage in the agro-pastoral ecotone of Northern China under the background of returning farmland to forest (grass). Journal of Desert Research, 2021, 41(1): 174-182.]

[31]
刘冠, 李国庆, 李洁, 等. 基于InVEST模型的1999-2016年麻塔流域碳储量变化及空间格局研究. 干旱区研究, 2021, 38(1): 267-274.

[ LIU G, LI G Q, LI J, et al. Study on carbon storage changes and spatial pattern of Mata watershed from 1999 to 2016 based on InVEST model. Arid Zone Research, 2021, 38(1): 267-274.]

[32]
葛杰. 陕西省气象干旱时空变化特征与成因分析. 杨凌: 西北农林科技大学, 2019: 19-24.

[ GE J. Temporal and spatial variation characteristics and causes of meteorological drought in Shaanxi province. Yangling: Northwest Agriculture and Forestry University, 2019: 19-24.]

[33]
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.

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

[34]
GIARDINA C P, RYAN M G. Evidence that decomposition rates of organic carbon in mineral soil do not vary with temperature. Nature, 2000, 404(6780): 858.

DOI

[35]
ALAM S A, STARR M, CLARK B J. 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

[36]
朱文博, 张静静, 崔耀平, 等. 基于土地利用变化情景的生态系统碳储量评估: 以太行山淇河流域为例. 地理学报, 2019, 74(3): 446-459.

DOI

[ ZHU W B, ZHANG J J, CUI Y P, et al. Ecosystem carbon storage assessment based on land use change scenarios: An example of the Qihe River Basin in Taihang Mountains. Acta Geographica Sinica, 2019, 74(3): 446-459.]

[37]
张涛, 方宏, 韦玉春, 等. 顾及空间自相关性的高分遥感影像中建设用地的变化检测. 自然资源学报, 2020, 35(4): 963-976.

[ ZHANG T, FANG H, WEI Y C, et al. Change detection of construction land in high-resolution remote sensing images considering spatial autocorrelation. Journal of Natural Resources, 2020, 35(4): 963-976.]

DOI

[38]
王效科, 冯宗炜, 欧阳志云. 中国森林生态系统的植物碳储量和碳密度研究. 应用生态学报, 2001, 12(1): 13-16.

[ WANG X K, FENG Z W, OUYANG Z Y. Research on plant carbon storage and carbon density in forest ecosystems in China. Chinese Journal of Applied Ecology, 2001, 12(1): 13-16.]

[39]
马琪, 刘康, 张慧. 陕西省森林植被碳储量及其空间分布. 资源科学, 2012, 34(9): 1781-1789.

[ MA Q, LIU K, ZHANG H. Carbon storage in forest vegetation and its spatial distribution in Shaanxi province. Resources Science, 2012, 34(9): 1781-1789.]

[40]
陈培阳, 朱喜钢. 中国区域经济趋同: 基于县级尺度的空间马尔可夫链分析. 地理科学, 2013, 33(11): 1302-1308.

DOI

[ CHEN P Y, ZHU X G. China's regional economic convergence: A spatial Markov chain analysis based on the county level. Scientia Geographica Sinica, 2013, 33(11): 1302-1308.]

[41]
刘洋, 张军, 周冬梅, 等. 基于InVEST模型的疏勒河流域碳储量时空变化研究. 生态学报, 2021, 41(10): 1-14.

[ LIU Y, ZHANG J, ZHOU D M, et al. Study on the temporal and spatial changes of carbon storage in Shule River Basin based on InVEST model. Acta Ecologica Sinica, 2021, 41(10): 1-14.]

DOI

[42]
任玺锦, 裴婷婷, 陈英, 等. 基于碳密度修正的甘肃省土地利用变化对碳储量的影响. 生态科学, 2021, 41(4): 66-74.

[ REN X J, PEI T T, CHEN Y, et al. The impact of land use change on carbon storage in Gansu province based on carbon density correction. Ecological Science, 2021, 41(4): 66-74.]

[43]
HAYLEY R O, HELGA V M. Factors affecting carbon dioxide release from forest and rangeland soils in Northern Utah. Soil Science Society of America Journal, 2010, 74(1): 282-291.

DOI

[44]
ROQUE R S, CRISTINA E F, ESTEBAN G G, et al. Exploring the factors affecting carbon and nutrient concentrations in tree biomass components in natural forests, forest plantations and short rotation forestry. Forest Ecosystems, 2018, 5(1): 498-515.

[45]
马昕昕, 赵允格, 马宁, 等. 放牧对黄土高原退耕草地土壤有机碳储量的影响. 应用生态学报, 2022, 33(1) : 67-75.

[ MA X X, ZHAO Y G, MA N, et al. Effects of grazing on soil organic carbon storage of abandoned grassland in the Loess Plateau. Chinese Journal of Applied Ecology, 2022, 33(1): 67-75.]

[46]
ZHANG Y, ZHANG D J. Efficiency measurement and influencing factors of ecological compensation: A case study from Wuqi and Zhidan on the Loess Plateau. Natural Resources Research, 2021, 30: 4905-4921.

DOI

[47]
赵荣钦, 张帅, 黄贤金, 等. 中原经济区县域碳收支空间分异及碳平衡分区. 地理学报, 2014, 69(10): 1425-1437.

DOI

[ ZHAO R Q, ZHANG S, HUANG X J, et al. Spatial differentiation of county carbon budget and carbon balance division in the Central Plains Economic Zone. Acta Geographica Sinica, 2014, 69(10): 1425-1437.]

Options
文章导航

/

〈 〉