成都平原及其周邊區域土地利用碳排放效應及空間格局

彭文甫, 周介銘,*, 徐新良, 羅懷良, 趙景峰, 楊存建

1. 四川師范大學, 地理與資源科學學院, 成都 610068 2. 四川師范大學, 西南土地資源評價與監測教育部重點實驗室, 成都 610068 3. 中國科學院資源環境科學數據中心, 北京 100101

成都平原及其周邊區域土地利用碳排放效應及空間格局

彭文甫1,2, 周介銘1,2,*, 徐新良3, 羅懷良1,2, 趙景峰1,2, 楊存建1,2

1. 四川師范大學, 地理與資源科學學院, 成都 610068 2. 四川師范大學, 西南土地資源評價與監測教育部重點實驗室, 成都 610068 3. 中國科學院資源環境科學數據中心, 北京 100101

土地利用變化的碳排放研究對了解人類活動對生態環境的擾動程度及其機理、制定有效的碳排放政策具有重要意義。采用1990—2010年能源消費數據、遙感與GIS提取的土地利用數據, 通過構建土地利用碳排放模型, 對20 a來成都平原及其周邊區域土地利用的碳排放進行了定量分析。結果表明: (1)土地利用變化的碳排放增加3269.37×104t,增長率達137%, 呈顯著增加趨勢。(2)建設用地和林地分別為區域最大的碳源與碳匯。建設用地的碳排放增加3271.55×104t, 增長率達139.01%, 林地的碳匯減少1.30×104t, 減少率達 3.12%, 但仍占碳匯的99%以上。(3)土地利用的碳排放存在明顯區域差異。中部、北部和南部沖積平原(成都市及其第二圈層、綿陽市轄區、綿竹市、樂山市轄區)碳排放大, 平原周邊區域鄰近川西高原山地碳排放小。(4)土地利用結構與碳排放存在一定的相互關系, 趨高的碳源、碳匯比導致土地利用的碳源效應遠大于碳匯效應。因此, 研究區減排的重點應該在保持或增加現有的林地的同時, 主要以降低建設用地的碳排放、碳足跡為主。

土地利用; 碳排放; 空間格局; 成都平原

1 前言

土地利用變化對生態系統的物質循環與能量流動產生較大的影響, 改變了生態系統的結構、過程、功能和生態系統碳變化[1–2], 成為影響氣候系統變化的重要因素。據相關學者研究估算[3], 1850—1998年間, 土地利用及其變化引起的直接碳排放約占同期人類活動影響總排放量的1/3。土地利用變化對陸地生態系統碳循環的影響已引起政府和研究機構的廣泛關注[4], 國內外研究人員越來越多地研究與土地利用有關的碳排放[5]。方精云等[6]對1981—2000年中國陸地植被碳匯進行了總體估算, 得出了森林、草地、灌草叢的碳匯能力。葛全勝等[7]通過第一手歷史文獻資料重建的歷史土地數據, 分析了過去300年中國土地利用變化與碳循環的關系。趙榮欽等[8]通過構建能源消費的碳排放模型, 對江蘇省5年來能源消費碳排放進行了核算, 并通過土地利用類型和碳排放項目的對應,對不同土地利用方式的碳排放及碳足跡進行了定量分析。Houghton等[9–10]建立Bookkeeping model分別估算了工業革命以來全球土地利用與覆被變化引起的碳排放量變化和1700—1990年美國土地利用變化引起的陸地生態系統碳儲量變化。Greening等[11]采用自適應加權劃分指數探討了100個OECD國家不同部門的碳排放強度。劉英等[12]構建了土地利用碳源/匯研究的理論框架和計算模型, 并采用 1999—2008 年河南省不同土地利用方式的碳源/匯狀況及其強度進行了分析。張秀梅等[13]分析了1996—2007年江蘇省年碳排放效應的時空差異變化, 得出能源消耗是碳排放的主體, 建設用地是最主要的碳源。孫賢斌[13]采用碳排放評價模型, 對安徽省會經濟圈碳排放效益進行評價, 并估算碳排放生態補償標準。

目前, 關于土地利用變化碳效應的研究已從全球歷史時期土地利用變化對陸地生態系統碳循環的影響[15–18]和區域、國家層面展開[19–24]。20 世紀90年代以后, 隨著遙感與GIS技術的發展, 研究偏向于遙感資料和技術以及復雜機理模型的應用, 因此目前土地利用變化影響的研究方法主要有遙感觀測和遙感模型、統計估算、生態系統模型以及土地利用預測與生態系統模型的耦合[25]。盡管土地利用變化碳排放的研究不斷深入, 研究方法和模型得到不斷地改進和完善, 但土地利用變化對生態系統碳循環的影響是一個復雜的過程, 當前的研究中仍然存在著很大的不確定性[1,26]。土地利用變化對陸地生態系統碳循環的影響取決于生態系統的類型和土地利用變化的方式[25], 既可能成為碳源, 也可能成為碳匯。成都平原及其周邊區域是中國西部地區重要的人口、城鎮、產業集聚區和長江上游重要生態屏障, 其生態環境狀況既關系到自身的長遠發展, 也關系到三峽庫區及長江中下游地區經濟社會發展和環境安全。目前, 該區域正處于城市化和工業化快速發展時期, 土地利用/覆被變化(LUCC)對環境的擾動顯著增強, 導致生物多樣性降低、生態服務功能退化等生態問題, 面臨統籌生態建設、環境保護與經濟社會發展的巨大挑戰。本研究在已有研究的基礎上,利用可獲得的3期18景Landsat遙感數據, 應用碳排放模型、遙感與GIS技術, 對1990—2010年成都平原及其周邊區域的土地利用碳排放效應及空間格局進行研究, 有助于深入了解區域碳循環的人類影響機制, 對于減排、緩解、適應氣候變化具有重要的意義[27]。

2 研究方法

2.1 研究區概況

成都平原及其周邊區域位于四川盆地中西部(103o1′—105o15′E, 29o11′—32o26′N), 包括 32 個縣、市、區, 面積約25978 km2(圖1)。成都平原是中國西南地區最大的平原, 地勢平坦、水域遍布, 河網縱橫,由北部的涪江沖積平原(綿陽、江油、安縣之間)、中部的岷江與沱江沖積平原、南部的青衣江、大渡河沖積平原組成; 平原周邊區域鄰近川西高原山地, 由平原之間的丘陵、臺地和山地構成, 平原河水大多來自西部高原山地的冰雪融水。氣候屬亞熱帶季風氣候,年平均氣溫大約為18 ℃, 年均降水量在1000 mm以上, 多霧, 是中國陰雨天氣最多的地區之一。

圖1 研究區位置(DEM, 30 m)Fig. 1 The location of study area(DEM, 30 m)

2.2 數據源與預處理

遙感數據來源于中國科學院遙感與數字地球研究所、中國科學院資源環境科學數據中心(http://www.resdc.cn)。遙感數據包括1990、2000和 2010年的Landsat影像, 軌道編號分別為: 129/038、129/039、129/040、130/038、130/039、130/040。由于成都平原及周邊區域多云霧、陰雨天氣, 影像獲取時間主要集中在 3—10月。運用 ENVI4.8對三期 18景Landsat遙感影像進行幾何配準, 校正誤差均嚴格限制在0.5個像元以內; 在此基礎上進行影像拼接, 最后利用矢量邊界數據進行裁剪, 得到研究區全境遙感影像。通過人工目視解譯和野外調查、實地驗證獲取 1990-2010年成都平原耕地、林地、草地、水域、建設用地和未利用地等6類數據。社會經濟數據主要來源于《四川省統計年鑒》[28](1991—2011年)和《中國能源統計年鑒》[29](1991—2011年)。

2.3 研究方法

2.3.1 土地利用程度變化

土地利用程度指數的計算公式[30]:

式中, Ld是土地利用程度指數, Ai是第i級土地利用面積(hm2), Ci是第i級土地利用程度分級指數, Hj是土地利用評價區域內土地的總面積(hm2)。

2.3.2 土地利用的碳排放估算模型

本研究主要分析和計算由人類活動所引起的土地利用變化的碳排放效應, 主要涉及耕地、林地、草地、水域、未利用地和建設用地的碳排放與碳吸收, 據此求得不同土地利用的碳排放量。耕地的農作物通過光合作用吸收空氣中的 CO2, 但絕大多數農作物在短期內又通過呼吸作用釋放到空氣中去,農作物的生物量作為碳匯的效果不明顯[31]。因此,建設用地和耕地為主要碳源, 產生碳排放; 林地、牧草地、水域和未利用地為碳匯, 產生碳吸收。因此,土地利用的碳排放估算模型可表達如下:

式中, Ec為碳排放(t), Esou為不同土地利用的碳源(t),Esin不同土地利用的碳匯(t); Ai為第i種土地利用類型(耕地、林地、草地、水域、未利用地)面積(hm2), αi為第i種土地利用類型的碳排放(吸收)系數(t·hm–2);Cb為建設用地的碳排放量(t); mj為化石能源消費量104t 或 108m3), βj為標準煤換算系數(kg·kg–1或kg·m3), γj為碳排放系數。其中不同土地利用的碳排放(吸收)系數, 在參考以往學者的研究結果基礎上,取碳排放(吸收)系數均值[32—40], 詳見表1。

建設用地承載大量的人類活動消耗的能源, 其碳排放主要來源于土地利用過程中的工礦、交通、居民點等能源消耗間接估算[36,41]。考慮到建設用地的碳排放計算時, 需將煤炭、石油和天然氣等能源消費量換算成標準煤, 再按照文獻[41]確定化石能源的轉化系數[41]。

3 結果與分析

3.1 土地利用覆被變化

成都平原及其周邊區域的土地利用以耕地、林地為主, 約占總面積的 85%以上, 水域和未利用地較少(表 2、圖 2)。由表 2可見, 土地利用變化表現為建設用地迅速增長、耕地和林地面積顯著減少為主要特征; 草地、水域和未利用地面積增加。其主要原因是快速工業化和城市化, 導致農業用地流轉加速。1990—2010年間, 耕地占全省面積的59%以上, 具有景觀基底性質, 其次是林地；耕地和林地面積減少最多, 分別達 75324 hm2和21281 hm2。

應用 1990—2010年二期土地利用類型圖進行矩陣運算, 得到土地利用類型變化的轉移矩陣(表3)。由表3可見, 1990—2010年成都平原及其周邊區域土地轉移面積達790300 hm2, 轉移面積最大的是耕地, 其次是林地。就土地轉出而言, 耕地轉移為其他土地類型的面積達308500 hm2, 主要轉化為林地和建設用地; 林地轉移面積達 237000 hm2, 主要轉化為耕地和草地; 草地轉移面積達650000 hm2,主要轉化為耕地和林地; 水域轉移面積達 38400 hm2, 主要轉化為耕地、建設用地和林地; 建設用地轉移面積達87600 hm2, 主要轉化為耕地; 未利用地轉化面積達1400 hm2, 主要轉化為耕地、林地和水域;就土地轉入分析, 轉入耕地的土地利用類型面積達304000 hm2, 主要為林地和建設用地; 轉入林地的面積達 202000 hm2, 主要為耕地; 轉入草地的土地利用類型主要為耕地和林地; 轉入水域的主要為耕地;轉入建設用地的面積達165700 hm2, 主要為耕地和林地; 轉入為未利用地的主要為林地。

表1 不同土地利用的碳源(匯)碳排放(吸收)系數Tab. 1 Coefficient of carbon emission (absorbability) of different land use

表2 1990—2010年成都平原及其周邊區域土地利用變化Tab. 2 Land use changes in Chengdu plain and its surrounding area during 1990-2010

表3 1990—2010年成都平原及其周邊區域土地利用轉換矩陣 單位: 公頃Tab. 3 Land use conversion matrix in Chengdu plain and its surrounding area from 1990 to 2010 unit: hm2

由圖2a,b和c可知, 成都平原及其周邊區域的耕地面積占區域面積的34.01%以上, 主要分布在北部的涪江沖積平原, 中部的岷江、沱江沖積平原和南部的青衣江、大渡河沖積平原, 包括樂山市轄區、江油市、綿陽市轄區、安縣、眉山市、金堂縣、雙流縣、邛崍市、彭州市等區域; 林地面積占區域面積的12.80%, 主要分布于平原之間的丘陵、臺地和山地地區, 包括江油市、安縣、彭州市、綿竹市、都江堰市等的高原山地地區; 草地主要分布于江油市、什邡市、崇州市、大邑縣等地, 約占3.13%以上;建設用地主要分布于成都市中心城區、成都郊縣的新都區、崇州市、大邑縣、雙流縣、邛崍市和綿陽市轄區, 2010年約占研究區建設用地的35%以上。

據公式(1), 利用成都平原土地利用類型(表 1),可以計算出成都平原土地利用程度綜合指數: 1990、2000和2010年分別為 2.728、2.744和2.757, 且呈逐年增加趨勢。

3.2 土地利用碳排放效應

根據碳排放計算模型、土地利用數據以及能源消耗數據, 計算得出1990—2010年成都平原土地利用的碳源、碳匯及碳排放量(表 4)。據表 4可知,1990—2010年成都平原碳排放處于顯著增加狀態,碳排放量由1990年的2386.27×104t上升到2010年的5655.64×104t, 增長率達137%, 年均增長6.85%。

土地利用的碳排放受到碳源與碳匯的影響。研究區土地利用的兩大碳源中, 以建設用地的碳排放為主, 研究期內處于快速增加狀態, 碳源排放約占總碳源排放量的 96%以上, 其變化趨勢已顯著影響到區域的碳排放; 耕地面積的減少, 導致耕地碳排放呈現減少的趨勢, 20a來碳排放量減少3.46×104t,年均減少 1730.57 t, 其變化趨勢與耕地面積減少一致。因此, 建設用地作為主要的碳源在區域碳減排中具有舉足輕重的地位。

林地、草地、水域、未利用地等土地利用為碳匯, 碳吸收效應依次為降低。1990—2010年碳匯減少12761.31t, 減少率為3.04%(表4)。其中, 林地的碳匯效應顯著, 占總碳匯量的99%以上, 而草地、水域、未利用地等土地利用的碳匯量占總碳匯量的1%以下。

與建設用的地碳源迅速增加趨勢相比, 林地的碳匯效應呈顯著下降態勢; 建設用地碳排放強度大,其碳排放與林地的碳匯的比值始終保持在 51.36—139.36之間, 林地的碳匯效應所能抵消的碳排放比例由1990年1.74%下降到2010年0.71%, 導致碳排放呈持續增加, 也反映碳匯作用抵消碳源作用不顯著; 不同土地利用碳源排放與碳匯吸收比值由 1990年的52.69快速上升到2010年的139.86, 趨高的碳源、碳匯比不利于區域的節能減排和低碳發展。因此, 減排的重點應該在保持或增加現有的林地的同時, 主要以降低建設用地的碳排放為主。

3.3 碳排放格局

成都平原碳排放量主要集中分布于中部的岷江、沱江沖積平原, 北部的涪江沖積平原和南部的青衣江、大渡河沖積平原, 而平原周邊區域鄰近川西高原山地碳排放較小(圖3a,b,c)。

圖2 1990—2010年成都平原及其周邊區域土地利用格局Fig. 2 Land use patterns in Chengdu plain and its surrounding area from 1990 to 2010

表4 1990—2010年成都平原及其周邊區域土地利用碳排放 單位: 噸Tab. 4 Carbon emissions of land use in Chengdu plain and its surrounding area ftom 1990 to 2010 unit: t

1990年碳排放主要集中在成都中心城區、大邑縣、雙流縣、邛崍市、崇州市、廣漢市和新都區等地區; 2000年的碳排放在1990年的基礎上, 綿陽市轄區碳排放增加較多; 2010年成都平原的碳排放區域上均呈現顯著增加的態勢, 除成都市及其郊區縣、市外, 綿陽市轄區、綿竹、樂山市轄區碳排放也較多。

按照自然間斷點方法, 將碳排放增量劃分為 5級, 得到1990—2010年研究區土地利用的區域碳排放量增量格局(圖3,d)。由圖5可知, 成都市是碳排放最多的區域, 為5級, 碳排放增量達515.89×104t,占區域碳排放增量的15.78%以上; 雙流縣碳排放增量為 2級, 綿陽市轄區、成都市第二圈層、眉山市等碳排放增量為 3級; 成都市第三圈層大部分和樂山市轄區碳排放增量為4級; 江油市、安縣等8縣、市碳排放增量為5級。

3.4 相關性分析

利用SPSS 17.0軟件, 計算成都平原32個區、市、縣GDP、人口、土地利用程度指數與碳匯、碳源、碳排放的Pearson相關系數(表5)。

由表 5可知, 土地利用程度指數與碳匯、碳源和碳排放具有正相關關系, 但對碳匯影響較強, 對碳源與碳排放的影響不太顯著; 中部、北部和南部沖積平原區域工業較發達, 經濟發展水平較高, 人口密度大, 城鎮化水平較高, 化石能源消耗的數量較多, 碳源量增加較多, 碳排放快速增加。因此,GDP、人口與碳源、碳排放之間的Pearson相關系數較高, 分別在 0.01的水平上呈顯著的正相關關系;平原周邊區域鄰近川西高原山地建設用地和耕地分布少, 城鎮化進程緩慢, 工業基礎薄弱, 經濟發展水平不高, 消耗化石能源數量小, 碳源量少。可見,工業化和城市化勢必導致森林和耕地向城市建設用地的轉化, 對環境的擾動越劇烈, 這些地表過程伴隨著生態系統碳儲量的變化。

4 討論

(1)土地利用碳排放的估算存在一定的不確定性。目前的土地利用變化碳排放的研究方法和模型雖然得到不斷地改進和完善, 但土地利用變化對生態系統碳循環的影響是一個復雜的過程, 當前的研究中仍然存在著不確定性; 雖然應用遙感數據獲取了土地利用數據, 但沒有考慮不同植被類型的質量狀況, 采用統一的碳凈積累量勢必對計算結果產生一定影響; 未來研究可通過遙感反演和實測數據結合更加精確測算區域的碳排放能力。

(2)建設用地承載大量的人類生活和生產活動消耗的能源, 對于微觀尺度的建設用地(工礦、工業園區用地、交通用地、居民點用地等)的碳排放, 由于數據限制, 僅考慮了化石能源消費帶來的碳排放,未考慮計算人口呼吸和農村生物能燃燒帶來的碳排放, 在今后的研究中有待做更進一步的探討; 同時,數據資料分類統計的差異性, 也導致了不同土地利用類型與能源消費項目之間的對應存在一定程度的誤差, 影響到分析和計算結果, 區域土地利用碳排放效應的研究也有待深入。

5 結論

(1) 土地利用的碳排放總體上呈顯著增加趨勢。成都平原及其周邊區域的土地利用程度呈逐年增加趨勢, 土地利用轉移加快, 對碳排放產生重要影響。1990—2010年間碳排放增加3269.37×104t, 增長率達 137%, 年均增長 6.85%; 碳源增加值和增長率分別達3268.10×104t和134.59%, 而碳匯減少值和減少率分別達1.38×104t和3.04%; 不同土地利用碳源排放與碳匯吸收比值由1990年的57.81快速上升到2010年的 139.86, 導致成都平原及周邊區域土地利用的碳源效應遠大于碳匯效應。研究區 1990—2010年地均碳排放強度呈波動快速上升趨勢, 從 1990年的 918.54 t·hm–2增長到 2010 年 2177.02 t·hm–2。

(2)土地利用的碳排放空間格局差異顯著。中部的岷江、沱江沖積平原, 北部的涪江沖積平原和南部的青衣江、大渡河沖積平原的碳排放大, 而平原周邊區域鄰近川西高原山地碳排放較小; 成都市(中心城區)及其周邊區域(大邑縣、雙流縣、邛崍市、崇州市、廣漢市和新都區等地)、綿陽市轄區、綿竹、樂山市轄區等區域碳排放大。

圖3 1990—2010年成都平原及其周邊區域碳排放(a,b,c)與碳增量格局(d) (單位: 噸)Fig. 3 The patterns of carbon emissions and the increment in Chengdu plain and its surrounding area from 1990 to 2010 (a,b,c or d)(Unit:t)

表5 Pearson相關系數Tab. 5 Pearson correlations

(3)建設用地是主要的碳源, 其碳排放量占總碳排放量的98.62%以上。1990—2010年的建設用地的碳排放增加3271.56×104t, 增長率達139.02%。成都平原及周邊區域正處于城鎮化、工業化、農業現代化加速發展階段, 區域基礎設施用地相應增加, 建設用地將在較長時期內保持較高增長態勢。資源環境的瓶頸制約近一步加劇, 發展與環境保護的矛頭日益凸顯, 環境歷史問題和新型環境問題交織, 對區域經濟發展的約束和影響加劇, 也對三峽庫區乃至長江流域的生態環境和社會經濟發展造成嚴重的影響和危害。林地作為成都平原及周邊區域最大碳匯, 但碳匯效應逐年增強, 1990—2010年間碳匯增加1.30×104t, 占區域碳匯的99%以上。由于碳源碳匯比例關系懸殊, 導致林地的碳匯效應并不顯著。

[1] 李蓓蓓, 方修琦, 葉瑜, 等. 中國東北地區過去300年耕地開墾導致的碳收支[J]. 中國科學: 地球科學, 2014, 44:1987–1996.

[2] THOMPSON R S. BIOME 300: Understanding the impacts of human activities on land cover over the past 300 years[J].IGBP Newsletter, 2000, (43): 2–3.

[3] HOUGHTON R A, HAECKLER J L, LAWRENCE K T.The US carbon budget: contributions from land-use change[J]. Science, 1999, 285: 574–578.

[4] International Panel on Climate Change (IPCC). Climate Change 2013: The Physical Science Basis[M]//Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge,UK: Cambridge University Press, 2013.

[5] 王亮. 鹽城市土地利用變化碳排放效益及影響因素分解研究[J]. 生態科學, 2015, 34(5): 122?128.

[6] 方精云, 郭兆迪, 樸世龍, 等. 1981—2000年中國陸地植被碳匯的估算[J]. 中國科學D輯, 2007, 37(6): 804–812.

[7] 葛全勝, 戴君虎, 何凡能, 等. 過去 300年中國土地利用、土地覆被變化與碳循環研究[J]. 中國科學D輯: 地球科學, 2008, 38(2): 197–210.

[8] 趙榮欽, 黃賢金, 等. 基于能源消費的江蘇省土地利用碳排放和碳足跡[J]. 地理研究, 2010, 29(9): 1639–1648.

[9] HOUGHTON R A. The annual net flux of carbon to the atmosphere from changes in land use 1850-1990[J]. Tellus Series B-Chemical and Physical Meteorology, 1999, 51(2):298–313.

[10] HOUGHTON R A, HACKLER J L. Sources and sinks of carbon from land use change in China[J]. Global Biogeochemical Cycles, 2003, 17(2): 1034–1047.

[11] GREENING L A, TING M, KRACKLER T J. Effects of changes in residential end-use and behavior on aggregate carbon emission intensity: Comparison of 100 OECD countries for the period 1970 through 1993[J]. Energy Economics, 2001, 23(2): 153–178.

[12] 劉英, 趙榮欽, 焦士興. 河南省土地利用碳源/匯及其變化分析[J]. 水土保持研究, 2010, 17(5): 154–159.

[13] 張秀梅, 李升峰, 黃賢金, 等. 江蘇省 1996 年至 2007年碳排放效應及時空格局分析[J]. 資源科學, 2010, 32(4):768–775.

[14] 孫賢斌. 安徽省會經濟圈土地利用變化的碳排放效益[J].自然資源學報, 2012, 27(3): 394–402.

[15] JASON M F CHRISTOPHER B F SUZI K A D. Modeling the impact of carbon farming on land use in a New Zealand landscape[J]. Environmental Science & Policy, 2015, 37:1–10.

[16] MARSHALL WISE, JAMES DOOLEY, PATRICK LUCKOW, KATHERINE CALVIN, PAGE KYLE.Agriculture, land use, energy and carbon emission impacts of global biofuel mandates to mid-century[J]. Applied Energy, 2014, 114: 763–773.

[17] CLIFFORD C, TWAN V N, DETLEF P V, et al. Global impacts of surface ozone changes on crop yields and land use[J]. Atmospheric Environment, 2015, 106: 11–23.

[18] RAMANKUTTY N, GIBBS H K, ACHARD F, DEFRIES R, et al. Challenges to estimating carbon emissions fromtropical deforestation[J]. Global Change Biology, 2007,13(1): 51–66.

19] Qiuxian WANG, Zhiqiang GAO, Jicai NING. Model-based assessment of the pattern differences and the equity of national carbon emissions in China during 2000–2010[J].Journal of Cleaner Production. 2015, 103: 696–704.

20] CHUAI Xiaowei , HUANG Xianjin , WANG Wanjing, et al.Land use, total carbon emissions change and low carbon land management in Coastal Jiangsu, China[J]. Journal of Cleaner Production. 2015, 103: 77–86.

21] AGUNG W, LUKAS G. Absolute and relative power gains among state agencies in forest-related land use politics: The Ministry of Forestry and its competitors in the REDD+Programme and the One Map Policy in Indonesia[J]. Land Use Policy. 2015, 49: 131–141.

22] MIRIAM M?O, LUCA D, LUIGI L, et al. Application of CarboSOIL model to predict the effects of climate change on soil organic carbon stocks in agrosilvo-pastoral Mediterranean management systems[J]. Agriculture,Ecosystems & Environment, 2015, 202: 8–16.

23] WARD H C, KOTTHAUS S, GRIMMOND C S B, et al.Effects of urban density on carbon dioxide exchanges:Observations of dense urban, suburban and woodland areas of southern England[J]. Environmental Pollution. 2015,198: 186–200.

24] GARCIA-FRANCO N, ALBALADEJO J, ALMAGRO M , et al. Functional Land Management for managing soil functions: A case-study of the trade-off between primary productivity and carbon storage in response to the intervention of drainage systems in Ireland[J]. Land Use Policy. 2015, 47: 42–54.

25] 毛留喜, 孫艷玲, 延曉冬. 陸地生態系統碳循環模型研究概述[J]. 應用生態學報, 2006, 17(11): 2189–2195.

26] TAO Yuguo, HUANG Zhenfang . Review of accounting for carbon dioxide emissions from tourism at different spatial scales[J]. Acta Ecologica Sinica, 2014, 34: 246–254.

27] 楊景成, 韓興國, 黃建輝, 等. 土地利用變化對陸地生態系統碳貯量的影響[J]. 應用生態學報, 2003, 14(8):1385–1390

[28] 四川省統計局. 四川統計年鑒. 中國統計出版社. 北京:2011.

[29] 中國統計局. 中國能源統計年鑒. 中國統計出版社. 北京: 2011.

[30] 攀玉山, 劉紀遠. 西藏自治區土地利用[M]. 北京: 科學出版社, 1994.

[31] 劉國華, 傅伯杰, 方精云. 中國森林碳動態及其對全球碳平衡的貢獻[J]. 生態學報, 2000, 20(5): 733–740.

[32] CAI Zucong, KANG Guoding, TSURUTA H, et al.Estimate of CH4 emissions from year-round flooded rice field during rice growing season in China[J]. Pedosphere,2005, 15(1): 66–71.

[33] 何勇. 中國氣候、陸地生態系統碳循環研究[M]. 北京:氣象出版社, 2006.

[34] 李穎, 黃賢金, 甄峰. 江蘇省區域不同土地利用方式的碳排放效應分析[J]. 農業工程學報, 2008, 24(9):102–107.

[35] 蘇雅麗, 張艷芳. 陜西省土地利用變化的碳排放效益研究[J]. 水土保持學報, 2011, 25(1): 152–156.

[36] 方精云, 郭兆迪, 樸世龍, 陳安平. 1981-2000年中國陸地植被碳匯的估算[J]. 中國科學 D 輯, 2007, 37(6):804–812．

[37] 肖紅艷, 袁興中, 李波, 等. 土地利用變化碳排放效應研究—以重慶市為例[J]. 重慶師范大學學報(自然科學版),2012, 29(1): 38–42.

[38] 賴力, 黃賢金, 劉偉良. 基于投入產出技術的區域生態足跡調整分析—以2002年江蘇為例[J]. 生態學報, 2006,26(4): 1285–1292.

[39] 段曉男, 王效科, 逯非, 等. 中國濕地生態系統固碳現狀和潛力[J]. 生態學報, 2008, 28(2): 463–469.

[40] 賴力, 黃賢金. 中國土地利用的碳排放效應研究[D]. 南京: 南京大學出版社. 2011.

[41] 石洪昕, 穆興民, 張應龍, 等. 四川省廣元市不同土地利用類型的碳排放效應研究[J]. 水土保持通報, 2012, 32(3):101–106.

Effect of land use changes on carbon emission and its spatial patterns in Chengdu Plain and its surrounding area, western China, from 1990 to 2010

PENG Wenfu1,2, ZHOU Jieming1,2,*, XU Xinliang3, LUO Huailiang1,2, ZHAO Jingfeng1,2, YANG Cunjian1,2
1. Key Lab of Land Resources Evaluation and Monitoring in Southwest, Ministry of Education, Sichuan Normal University,Chengdu 610068, China 2. The Institute of Geography and Resources Science, Sichuan Normal University, Chengdu 610068, China 3. Data Center for Resources and Environmental Sciences, Chinese Academy of Sciences (RESDC), Beijing 100101, China

Analysis of the effects of land use on carbon emissions is important for understanding the mechanisms of carbon emissions, carbon emissions reduction, and climate change mitigation. In this study, we proposed models of carbon emissions for evaluating the carbon budget in the Chengdu Plain, western China, from 1990 to 2010 by estimating carbon sinks and carbon sources based on data of energy consumption and land use changes determined using remote sensing. The results are as follows.(1) Carbon emissions from land use changes significantly increased by 3269.37×104t or 137%. The increased carbon emissions in Sichuan were associated with the rapid increase in fossil fuel consumption and land use changes. (2) Carbon sources ofconstruction land and carbon sinks of forestland accounted for the largest percentage, respectively. Carbon emissions associated with built-up land were much higher than they were for other land use types. In contrast to the continuous increase in carbon ources, there was a slight overall decrease in carbon sinks, between 1990 and 2010. Carbon emissions increased by 3271.55×104t or 139.01% from built-up land, but decreased by 1.30×104 t or 3.12% because of the carbon sink from forestland.3) The regional differences in carbon emissions from land use were obvious. The Chengdu and its second circle-layer, the Mianyang municipal district, Mianzhu, and the Leshan municipal district all had greater carbon emissions in 2010 than in 1990,whereas carbon emissions in the west, northwest, and southwest mountainous regions had lower, or negative net, carbon emissions because of wide-spread cover by forests and grassland. These regions had relatively low fossil fuel consumption, slow urbanization, limited industrial development, and transportation challenges compared to the Chengdu Plain and its surrounding egions. Spatial distributions of carbon emissions in the Chengdu Plain from 1990 to 2010 indicated that carbon emissions ncreased both in amount and geographic scale with time. (4) There was a certain relationship between the land use structure and carbon emissions. Carbon sources effect of land use was much higher than the carbon sinks effect. Forestland, grassland, areas of surface water, and unused land were carbon sinks, whereas construction land and cultivated land were carbon sources. The apid increase in carbon sources and slow decrease in carbon sinks resulted in a substantial increase in carbon emissions in Sichuan from 1990 to 2010. Therefore, the focus of carbon emissions reduction in Sichuan should be on keeping or increasing he existing forestland area, while mainly continuing carbon emissions reduction from construction land. Through targeted land use and land management activities, ecosystems can be managed to enhance carbon sequestration and mitigate fluxes in other greenhouse gases.

land use; carbon emissions; spatial patterns; Chengdu Plain

10.14108/j.cnki.1008-8873.2017.03.015

F205

A

1008-8873(2017)03-105-10

彭文甫, 周介銘, 徐新良, 等. 成都平原及其周邊區域土地利用碳排放效應及空間格局[J]. 生態科學, 2017, 36(3): 105-114.

PENG Wenfu, ZHOU Jieming, XU Xinliang, et al. Effect of land use changes on carbon emission and its spatial patterns in Chengdu Plain and its surrounding area, western China, from 1990 to 2010[J]. Ecological Science, 2017, 36(3): 105-114.

2015-05-16;

2016-02-04

國家自然科學基金項目“基于LUCC擾動影響的成都平原土地生態安全維持機理(41371125)”

彭文甫(1964—), 男, 四川樂山人, 博士, 副教授, 主要從資源與環境遙感研究, E-mail: pwfzh@126.com

*通信作者:周介銘(1956—), 男, 四川成都人, 教授, 博士生導師, 主要從國土規劃與土地評價研究, E-mail: zjm@sicnu.ecu.cn