2000—2020 年長江經濟帶碳匯時空演變及影響因素分析

黃漢志，賈俊松，劉淑婷，陳地蘭

1. 江西師范大學地理與環境學院，江西 南昌 330022

2. 江西師范大學，鄱陽湖濕地與流域研究教育部重點實驗室，江西 南昌 330022

探究土地利用/覆被中碳匯的大小、分布及其變化是陸地生態系統碳循環/平衡研究中的重大科學問題[1]. 2020 年中國提出了“3060”目標，即CO2排放量力爭于2030 年達到峰值，努力爭取2060 年實現碳中和(“雙碳”目標). 但從碳達峰到碳中和的過渡期來看，發達國家普遍需要50~70 年，而中國設定的過渡期僅為30 年，這意味著中國在應對全球氣候變化和實現“雙碳”目標的行動道路上將面臨著比發達國家更為艱巨的風險和挑戰[2]. 碳增匯作為減緩大氣CO2濃度上升和實現碳中和目標的重要手段[3-5]，由于不同地區的土地利用方式、生態管理策略等不盡相同，導致地區之間的碳匯分布和潛力也存在較大差異[6-7]，因此探討地區之間碳匯演變差異及其影響因素，有助于科學評估區域的碳匯分布和潛力，厘清影響碳匯的驅動機制以及因地制宜地進行碳匯管理等.

在《聯合國氣候變化框架公約》中，碳匯被定義為從大氣中清除CO2或其他含C 元素的溫室氣體的過程、活動和機制[8]，碳匯用地是指通過光合作用等形式將大氣中的CO2轉化為碳水化合物，并以有機碳的形式固定在植物體內或土壤內的用地，包括林地、水域、牧草地和其他非建設用地等[9]. 目前，國內外研究學者多通過結合相關模型和土地利用遙感數據對碳匯進行研究，其主要研究內容可歸納為以下兩方面：一是對區域的土地利用碳匯時空演變特征進行研究，研究[10-12]發現，隨著城鎮化的推進，碳匯用地失衡可能是導致國土空間碳循環失衡的重要原因；二是探究影響碳匯的驅動因素[13-15]，其中碳匯分布受自然因素(如降水、氣溫等)影響較大，已有研究[16]從不同尺度驗證了降水量及地形等因素對區域碳匯變化具有重要影響. 另有研究[17-19]表明，土地利用/覆被變化對區域的碳匯潛力將產生巨大影響，土地利用變化會導致區域植被分布和植被覆蓋率發生改變，從而影響碳匯的積累速率[20]. 綜上，目前國內外關于土地利用/覆被變化下的碳匯研究已取得了豐碩成果，但仍有些方面亟需改進和深入研究：首先，數據的精度有待提高，在研究碳匯的時空演變時鮮有使用連續的土地利用遙感數據進行分析，這可能會導致無法捕捉到某一時段碳匯變化的具體情況，進而影響到研究結果的精確度；其次，在探究驅動因素時，研究方法多樣，如灰色關聯模型[21]、地理加權回歸模型[22]等，但傳統的相關性分析和回歸方法易忽略要素之間的關聯性和耦合性，易忽視驅動因子作用的空間異質性問題[23]；此外，現有研究中就因子之間的交互作用對區域碳匯的影響程度未做充分考慮，這不利于深入理解生態系統碳匯的分布和演變規律.

長江經濟帶作為國家區域協調發展的重要區域，是國家重要的生態功能保護區[24]和碳匯貢獻區[11,15,25]，區域內地形、氣候等自然條件復雜多樣，碳匯儲量豐富. 新時期以來，在城市化和工業化快速推進的同時，長江經濟帶的碳匯儲量也面臨著減少的風險[26]，區域內碳匯分布狀況及影響因素等問題日益受到國內外學者的廣泛關注[15,27-28]，研究長江經濟帶碳匯的分布和驅動因素具有重要的理論和實踐意義. 首先，長江經濟帶是中國經濟較發達的區域，同樣也是國家重大的區域協調發展戰略試驗區，加強對其碳匯研究不僅利于促進該區域低碳可持續的碳匯管理和生態文明建設，還可為我國其他相似地區的碳匯研究以及碳減排政策制定提供有益啟示和借鑒. 其次，長江經濟帶域內各地區經濟發展水平差異較大，這也導致了該地區的碳匯分布情況和驅動因素的特殊性，加強對該地區的碳匯研究也有助于深化了解不同的自然和社會經濟環境對土地利用/覆被碳循環的影響.

基于此，該文以長江經濟帶碳匯用地為研究對象，在核算研究區碳匯量的基礎上，通過標準差橢圓、重心遷移模型、地理探測器等方法，探討長江經濟帶碳匯用地在時空格局上的演變規律和驅動性因素等問題. 以期促進長江經濟帶減碳增匯發展，同時為我國其他地區進行碳匯研究和碳匯的可持續管理提供有益參考和借鑒.

1 材料與方法

1.1 研究區概況

長江經濟帶橫跨中國東、中、西三大區域，東起上海市，西至云南省，面積約205.23×104km2，人口和生產總值均超過全國的40%，是國家重點實施的“三大戰略”之一. 區域內地勢西高東低，東西海拔差異較大；以季風氣候為主，年降水量豐富；植被茂密，生態環境良好、碳匯發展潛力巨大. 作為中國生態文明建設的先行示范區，長江經濟帶肩負著率先實現“雙碳”目標的重大使命. 為此，分析長江經濟帶土地利用/覆被中碳匯的時空格局和影響因素對于促進該區域的減碳增匯以及綠色可持續發展具有重要意義.

1.2 數據來源與處理

數據來源：①2000——2020 年土地利用/覆蓋數據來源于楊杰、黃昕研究團隊開發的30 m 土地覆蓋數據集，該數據集最大的優勢是基于Google Earth Engine (GEE)云平臺，利用LandSat 數據實現了連續年的土地利用分類結果，時間和空間分辨率明顯優于其他數據集[29]. ②DEM 數字高程數據來自美國國家航空航天局(NASA)于2020 年發布的全球30 m 分辨率DEM 數據集，為當前最新的一套數據，具有質量好、覆蓋范圍廣等優點. ③2000——2020 年降水量數據來自國家氣象科學數據共享服務平臺——中國地面氣候資料日值數據集(V3.0). ④2000——2020 年社會經濟數據包括年末總人口、工業產值、國內生產總值(GDP)等，來源于《中國統計年鑒》和部分省份統計年鑒；植樹造林面積數據來源于《中國林業統計年鑒》和《長江經濟帶統計年鑒》.

數據處理：對遙感影像利用ArcGIS 10.2 軟件進行解譯，并按中國科學院土地利用分類標準對地類進行重分類，最后分區統計得到各省份土地利用面積；由于2020 年降水量數據缺失，故以相鄰年份2019 年降水量數據進行補充；對于個別缺失值采用多重插值法進行補齊.

1.3 研究方法

1.3.1 碳核算系數法

由于耕地上的農作物雖然會通過光合作用吸收CO2，但很快又會以CH4的形式將C 排放到大氣中[30].此外，農作物生長過程中由于大量氮肥和有機肥的使用，耕地上還會產生N2O 等溫室氣體的排放[31]，碳匯效應很弱，因此將其視為碳源. 所以該研究中碳匯的核算主要包括林地、草地、水域和未利用地，根據IPCC 碳核算系數法，該研究中核算方法如下：

式中：CTm為第m種碳匯用地的碳匯量，104t；Bm為對應的碳匯用地的面積，hm2；bm為碳匯用地m的碳匯系數(速率)，t/hm2. 在結合研究區地理環境特征的基礎上，通過追蹤國內外相關研究成果[32-35]，確定林地、草地、水域和未利用地碳匯系數分別為0.644、0.022、0.253、0.005 t/hm2.

1.3.2 標準差橢圓

標準差橢圓(standard deviation ellipse，SDE)是研究區域要素空間分布及其演變趨向的經典方法. 相較于其他研究要素空間分布的方法，標準差橢圓能更直觀地表征地理要素空間方向的分布格局，并從全局的角度定量揭示要素空間演變的趨向性、延展性和空間分布范圍的集聚或分散等整體性特征[36-38]. 在該研究中，通過對長江經濟帶碳匯空間分布相關橢圓參數的測算，可定量分析碳匯在整體層面上的地理空間分布及演變特征. 計算公式如下：

式中：n為研究區某種碳匯用地數量，CTi為第i個研究對象(某種碳匯用地)的碳匯量，104t；(xi，yi)為研究對象的空間位置坐標；、分別為標準差橢圓平均中心點的橫坐標、縱坐標；和分別為研究對象的空間坐標到平均中心的坐標偏差；σx、σy分別為標準差橢圓長軸、短軸的距離，km；θ為標準差橢圓的方向角度，是由正北沿順時針方向與橢圓長軸的夾角；ωi為第i個研究對象的權重，在該研究中以各碳匯變量的屬性作為權重. 標準差橢圓長軸表示碳匯的分布方向，短軸表示碳匯的分布范圍，標準差橢圓的長短軸比例越大，表示碳匯分布的方向性越明顯，反之不明顯.

1.3.3 重心遷移模型

重心遷移模型是一種用于揭示區域內一組要素的平均中心隨時間變化的常用方法，可借助重心點、遷移方向、遷移距離等指標來分析特定要素的動態空間分布及在空間上的演變趨勢[39-41]. 與傳統的靜態分析法相比，重心遷移模型更注重研究要素在時空上的動態變化特征. 假設某區域由n個子區域組成(本研究中n為某種碳匯用地的數量)，其中第i個研究對象的空間地理坐標(或質點坐標)為(xi，yi)，ωi為第i個研究對象的權重，采用加權平均中心來獲取研究對象i的平均地理中心坐標. 該研究中將各碳匯變量的屬性作為權重，采用加權平均中心來獲取各研究對象的坐標平均值. 計算公式如下：

1.3.4 地理探測器

地理探測器是基于空間異質性原理，對空間數據進行分析并揭示其背后驅動因子的研究方法[42-44]. 與其他研究影響因素的方法(如LMDI 因素分解法)相比，地理探測器可用來解釋影響因素的空間異質性問題；地理探測器模型無線性假設，對多重共線性免疫，與傳統的回歸分析法相比，能夠更好地探究影響因素之間復雜的非線性關系. 該研究運用地理探測器中的因子探測模塊和交互作用探測模塊對長江經濟帶碳匯的驅動因素進行探測分析. 其中q值是地理探測器中最為主要的統計量，可用于度量空間分異性、探測解釋因子、分析變量之間的交互關系.q值的計算公式如下：

式中：h=1，2，···，L為變量Y或因子X的分層(Strata)；Nh和N分別為層h和全區的單元數(樣本量)；σh2和σ2分別為層h和全區Y值的方差. 由式(6)可知，q的取值范圍為[0,1]，數值越大，說明因子對被解釋變量空間分異的解釋力度越強.

基于此，該研究綜合考慮自然和社會經濟因素，選取海拔高度、降水量等6 個指標變量來分析影響長江經濟帶碳匯量的驅動性因素，各變量定義如表1所示.

2 結果與分析

為便于分析，依據長江干流河段劃分標準及考慮到研究區省份的完整性，將長江經濟帶劃分為三大地區：①上游地區，包括云南省、四川省、貴州省和重慶市；②中游地區，包括湖北省、江西省和湖南省；③下游地區，包括安徽省、江蘇省、浙江省和上海市.

2.1 時序特征分析

由圖1 可知，2000——2020 年長江經濟帶碳匯總量和碳匯強度總體上以波動上升為主，其中碳匯量從2000 年的6 971.98×104t 增至2020 年的7 004.09×104t；碳匯強度從2000 年的0.532 t/hm2增至2020 年的0.538 t/hm2. 具體而言，2000——2012 年碳匯總量呈現波動上升；2012——2014 年碳匯總量又有明顯下降，從7 008.78×104t 降至6 956.30×104t，2014 年成為研究期內碳匯量的一個“低谷”年，這可能與重大自然災害導致部分省份碳匯用地特別是林地退化有關；后期又開始穩步回升到2020 年的7 004.09×104t. 從碳匯結構(見圖2)來看，長江經濟帶碳匯結構在研究期內變動幅度較小，基本保持穩定. 碳匯貢獻量從大到小依次為林地、水域、草地和未利用地，其中林地是長江經濟帶最大的碳匯貢獻者，平均每年維持在6 817.66×104t 左右的固碳量水平，占碳匯總量的96%以上，除2002 年和2014 年有所下降外，其余年份均以上升為主. 水域和草地的碳匯比重占3%左右，其中水域碳匯在2014 年達到最大值(129.51×104t)，之后趨于下降，但總體以上升為主；草地碳匯呈現下降 的 態 勢，從2000 年 的44.09×104t 降 至2020 年 的40.62×104t，降幅約為7.87%. 未利用地的碳匯比重較小，固碳能力微弱. 從分地區(見圖3)來看：首先，就變化趨勢而言，長江經濟帶各地區之間的碳匯強度變化特征不盡相同，中上游地區的碳匯強度以波動上升為主，如上游地區從0.487 t/hm2升至0.497 t/hm2，碳匯潛力得到提高；相比之下，下游地區的碳匯強度大致呈現倒“M”型的變化特點，2008 年和2016 年成為研究期內兩個明顯的強度“低谷”年，2016 年后才開始出現逐步回升. 其次，就變動頻率而言，上游地區變動頻率較低，整體以上升態勢為主，而中下游地區的碳匯強度波動較頻繁，如2000——2002 年和2012——2016年均有不同程度的降低. 綜上，研究期內長江經濟帶碳匯總量和強度均有提高，林地是最大的碳匯貢獻用地且碳匯結構基本保持穩定；此外，長江經濟帶各地區碳匯強度變化不盡相同，中上游以上升態勢為主，但中游變動頻率較高，下游地區碳匯強度大致呈倒“M”型的變化特點且變動也較頻繁.

圖1 長江經濟帶碳匯總量和碳匯強度的變化Fig.1 Changes in total carbon sinks and carbon intensity in the Yangtze River Economic Belt

圖2 長江經濟帶碳匯結構Fig.2 Carbon sink structure of the Yangtze River Economic Belt

圖3 長江經濟帶各地區碳匯強度的時間變化Fig.3 Temporal variation of carbon sink intensity by region in the Yangtze River Economic Belt

2.2 空間演變特征分析

2.2.1 碳匯強度的時空演變特征

考慮到長江經濟帶沿線省份面積大小不一，以碳匯強度的變化情況來反映長江經濟帶不同地區碳匯的時空演變差異性更符合客觀實際. 由圖4 可見，2000——2020 年，長江經濟帶各省份碳匯強度在空間上分布不均，碳匯強度最大的省份主要分布在中上游地區，而下游大部分省份碳匯強度較低，在空間上大致呈現“南高北低、西高東低”的空間分布格局. 隨著時間推移，中上游大部分省份碳匯強度均有所增強，如四川省碳匯強度從2000 年的0.349 t/hm2增至2020 年的0.362 t/hm2，增幅達到3.66%，是上游地區碳匯強度增長最快的省份；相比之下，下游地區的省份由于受城市化推進的影響顯著，部分省份碳匯強度有出現不同程度減弱的情形，如江蘇省碳匯強度從2000 年的0.311 t/hm2降至2020 年的0.303 t/hm2，降幅為2.56%.

2.2.2 標準差橢圓分析

由碳匯標準差橢圓分析結果(見圖5)可知，2000——2020 年長江經濟帶碳匯總量以東北——西南空間布局為主且集中分布于長江中上游地區. 究其原因：長江中上游地區地形多以山地丘陵為主，森林、草地等碳匯用地面積較大，導致碳匯總量的主體也主要集中于中上游地區，包括貴州省、重慶市等. 此外，長江經濟帶碳匯整體上在往西躍進，2010 年后向西遷移的趨勢更加明顯，表明東部地區固碳速率高的碳匯用地(如林地等)有所縮減且速度可能在加快，這導致碳匯總量集中分布區會在后期呈現向西加快移動的特點.

為分析各用地碳匯量的空間分布及演變趨向，結合式(4)得到各用地碳匯標準差橢圓，結果如圖6 所示. 首先，林地碳匯標準差橢圓與碳匯總量相似，也呈東北——西南走向，結合橢圓向西收縮的趨勢可知，林地面積在研究期內有所下降且分布區域在西移. 其次，草地和未利用地碳匯集中分布在四川省中西部的川西高原，二者均呈現南(稍偏西)——北(稍偏東)走向，且與2000 年相比，碳匯用地都有明顯縮小. 最后，水域碳匯主要分布在長江中下游地區，通過標準差橢圓長軸可知其碳匯也主要以東北——西南走向為主并向西躍進.

圖6 長江經濟帶各用地碳匯標準差橢圓Fig.6 Standard deviation ellipse of carbon sinks by sites in the Yangtze River Economic Belt

由表2 可知，研究期內長江經濟帶碳匯總量及各用地碳匯在空間分布上均有較大變化. 2000——2010年，長江經濟帶碳匯總量以及林地和水域碳匯的標準差橢圓面積都有所擴大，表明這10 年間長江經濟帶林地及水域碳匯在空間分布上有所擴展，集中度有所減弱；但其中草地和未利用地的標準差橢圓面積有所縮小，表明其空間分布范圍趨向集中. 2010——2020年，除水域碳匯外，其余用地的碳匯面積均在縮減，其中草地和未利用地碳匯的空間位置分布更為集中，而水域碳匯的標準差橢圓面積則進一步擴大，這得益于近年來長江中下游地區退耕還湖等政策的有效實施.

表2 長江經濟帶碳匯總量及各用地碳匯標準差橢圓相關參數Table 2 Elliptical correlation parameters for total carbon sinks and standard deviation of carbon sinks by site in the Yangtze RiverEconomic Belt

2.2.3 重心遷移模型

由圖7 可見，2010 年后長江經濟帶碳匯的重心變化幅度均大于2010 年前，在2010 年后碳匯總量與各碳匯用地的空間演變特征趨于顯著. 其中，林地碳匯與長江經濟帶碳匯總量的重心主要集中在貴州省德江縣境內(即長江上游地區)且二者遷移軌跡相似，2000——2004 年先向東北移動，2004 年后開始往西躍進，累積實現的遷移距離分別為18.81 和17.76 km.水域碳匯重心主要集中在湖北省境內(即長江中游地區)，整體上以向西躍進為主且重心變化較大，累積實現遷移距離73.46 km；草地碳匯重心主要集中在四川省滎經縣境內，整體以向北移動為主，累積實現遷移距離21.76 km；未利用地碳匯重心主要集中在四川省天全縣境內，重心波動較大但整體以向西遷移為主，累積實現遷移距離32.38 km.

圖7 長江經濟帶碳匯量及各碳匯用地重心遷移軌跡Fig.7 Carbon sinks and the migration trajectory of the center of gravity of each carbon sink site in the Yangtze River Economic Belt

2.3 影響因素分析

2.3.1 總體影響因素分析

通過運用地理用探測器模型得到相關探測結果如圖8 所示. 由圖8(a)所示q值可知，長江經濟帶碳匯量受到自然和社會經濟因素的雙重作用，其影響力由大到小依次為地形(x1)、降水量(x2)、國家政策(x6)、土地利用強度(x5)、經濟發展水平(x3)和產業規模(x4).

圖8 長江經濟帶地理探測器相關結果Fig.8 Related results of geodetector in the Yangtze River Economic Belt

由圖8(b)可見，各因素交互作用后均呈現雙因子增強的特點，不存在相互獨立起作用的因子，并且任何兩個驅動因素相互作用后對碳匯量大小分布的影響力均大于單一因子. 首先，自然因素和其他社會經濟因素相互作用時，其q值的統計量均大于0.9，表明碳匯大小的分布在受到人類活動影響之后，變化更加顯著. 其次，社會經濟因素中，雖然經濟發展水平和產業規模的單因子影響力較低，但與其他因子交互作用后解釋力都有所增強，表明經濟發展水平和產業規模是影響碳匯量分布的間接因素. 最后，土地利用強度與國家政策的交互影響(q=0.932)在所有社會經濟因素交互作用中的影響力最大，表明政策因素影響下的人類活動強度對于碳匯量大小的變化具有重要影響.

2.3.2 影響因素具體分析

在自然因素中，地形、降水等自然條件可為碳匯用地(如林地、草地、水域)等提供必要前提. 對于長江經濟帶，相較長江中下游平原而言，以丘陵山地為主的中上游地區不利于耕地的發展和建設用地的擴張，再加上在地形的影響之下，地形雨較多，導致碳匯用地分布較廣，碳匯潛力巨大. 根據地理探測器結果可知，自然因素在受到人為擾動的影響后，碳匯大小的變化可能會更加顯著.

在社會經濟因素中，國家政策是影響其碳匯量變化的最重要原因，退耕還林、封山育林等生態政策對于長經濟帶碳匯用地的保護與增加具有重要作用.“十三五”以來，長江經濟帶沿線省份加強生態環境治理，共抓大保護，不搞大開發，林地、草地等碳匯用地均得到較好的恢復和保護. 2014 年后特別是“十三五”規劃實施以來，長江經濟帶加強其生態支撐能力建設，進一步退耕還林還濕，通過限制建設用地向碳匯用地的過度擴張，加強生態環境的治理，有效增強了地區的生態固碳能力.

土地利用強度對碳匯的影響也較為顯著，人口的增加和城鎮化的推進不可避免地會帶來建設用地和耕地等碳源用地的擴張，最終影響到碳匯面積的大小. 為此，在城鎮化過程中應切實加強對碳匯用地的保護力度，防止對林地、水域等的過度開發利用.

經濟發展水平和產業規模雖然不會直接影響到碳匯量的大小，但其通過與其他因素的交互作用，也最終會對碳匯起到重要影響. 例如，經濟發展的同時會帶來產業規模的擴大和人類活動強度的提高，進而也會影響到區域碳匯的增減.

3 討論

3.1 碳匯核算的不確定性

由于國內外學術界對于碳吸收系數還未形成統一的觀點[1,46]，碳匯核算存在一定的不確定性. 這是因為不同的數據源和研究方法均會影響碳吸收速率測算的精確性，而且不同區域碳匯用地的固碳效率也存在差異[4]，如在不同的生長環境下，林地可表現出不同的碳吸收能力. 為此，該研究對長江經濟帶碳匯估算可能會存在一定的誤差，但與已有文獻報道[15,26]對比，該研究對長江經濟帶碳匯核算的結果與已有報道的變化趨勢基本一致，研究結果仍具有一定參考價值. 未來可加強對符合長江經濟帶實際情況的碳匯系數(速率)的研究，以提高地區碳匯核算的精確度.

3.2 碳匯時空演變特征

從時間上看，長江經濟帶近些年來生態治理初見成效，各地區的碳匯能力都得到了較大提高. 2000——2020 年長江經濟帶碳匯總體以上升趨勢為主，碳匯強度有所增強，這與已有研究結果[11,47]相一致. 但通過連續年的土地利用遙感數據也發現，長江經濟帶碳匯總量和強度并非一直呈現增長趨勢，在2000——2002年和2012——2014 年間碳匯總量及強度呈下降趨勢，由于該區域受季風氣候影響顯著，水旱災害頻發，重大自然災害可能會威脅到部分地區的植被生境質量并造成土地退化等生態問題，這也使得在部分時段內區域碳匯能力有所降低[48-49]. 通過比較不同地區之間碳匯強度的時間變化可知，長江經濟帶中下游的碳匯強度在2000——2002 年和2012——2014 年均表現出不同程度的下降趨勢，這可能是導致在此時段內長江經濟帶碳匯總量減少的重要原因. 此外，中下游地區碳匯強度波動頻率較上游地區更高，究其原因在于長江中下游地區工農業活動密集，在城市化推進過程中受建設用地擴張的客觀需要以及生態環境保護的內在需求的雙重影響[23,26]，土地利用結構調整頻繁，進而導致碳匯強度變化也趨于不穩定.

從空間分布上看，首先，長江經濟帶碳匯強度整體呈現“西高東低、南高北低”的空間分布格局，并且中上游地區的大部分省份碳匯強度高于下游地區，而下游地區由于人口和產業活動集聚，社會經濟發展水平較高，建設用地、耕地等碳源用地比重較高，導致部分省份的碳匯比重相對偏低. 其次，除水域碳匯外，其他用地碳匯主要分布在中上游地區，其中草地和未利用地碳匯集中分布于川西高原，究其原因在于長江中上游地區地形條件復雜多樣(如擁有高原、山地等多種地形地貌)，域內光、熱、水充足，生態環境良好，森林、草地等植被茂密且分布廣闊，相比之下，長江中下游以平原為主，域內水系、湖泊眾多，故成為水域碳匯的集中分布區.

從時空演變來看，首先，碳匯總量在空間分布上更集中于中上游地區并且其重心在往西遷移，這可能與下游地區在城市化推進影響下林地面積出現減少有關. 這是因為林地是長江經濟帶面積最大的碳匯用地且固碳速率高[1,23]，在碳匯結構中占有絕對比重，使得林地面積的增減對碳匯總量演變影響較大. 其次，草地和未利用地碳匯整體在縮小并且重心向北遷移，這可能與重心以南的地區出現草地退化、冰川萎縮等生態環境問題有關[19,50]. 最后，水域碳匯整體在向西躍進且空間分布的不均衡性在減弱，這得益于近些年來中游地區退耕還湖、生態環境治理等措施的有效實行[6].

3.3 碳匯驅動因素

相比傳統的回歸分析方法，地理探測器能夠更好地揭示空間異質性，分析多個驅動因子之間復雜的非線性關系(如交互性和非對稱性等)，提高對碳匯影響因素的解釋力和預測力[42]，增強研究的推廣性和應用價值. 通過運用地理探測器，對影響長江經濟帶碳匯變化的主導因素和驅動因素之間的交互作用進行分析，結果發現，長江經濟帶碳匯分布受自然和社會經濟因素的雙重影響，其中自然因素影響較大，是長江經濟帶碳匯變化的主導因素，并在受到社會經濟因素(如土地利用強度、國家政策等)交互作用時，其對碳匯的影響力顯著加強. 人類活動(如能源消耗、工業活動)導致大氣中CO2濃度升高，加劇了氣候變化，這將進一步加強自然因素(如降水等)對碳匯的影響.在社會經濟因素中，國家政策對碳匯的影響最大，已有研究表明植樹造林、生態修復工程的實施是我國陸地碳匯的重要驅動要素[51]；通過政策鼓勵使用清潔可再生能源，減少對化石能源的依賴，從而維護區域碳匯的穩定. 土地利用強度因素同樣會對區域碳匯增減產生重要影響，高強度的土地開發可能會導致森林、草原等生態系統遭到破壞和退化，降低碳儲存能力.最后，經濟發展水平和產業規模交互后，對碳匯大小的影響顯著提高. 經濟發展的過程也是產業集聚、規模擴大的過程[52]，而產業規模的擴大通常需要消耗更多的原材料和資源(如木材、水和礦物等)，過度開采和消耗這些資源可能會導致生態系統的破壞和碳儲能力的降低，進而減少碳匯量. 綜上，為了更好地管理和保護碳匯，需要綜合考慮自然和社會經濟因素兩個層面，以便更好地理解及調控它們對碳匯的影響.

4 結論與建議

4.1 結論

a) 2000——2020 年長江經濟帶碳匯總量從6 971.98×104t 增至7 004.09×104t，碳匯強度從0.532 t/hm2增至0.538 t/hm2，地區的碳匯能力得到一定的提高. 林地是主要的碳匯貢獻者，占碳匯總量的96%以上，其次為水域、草地和未利用地. 此外，各地區碳匯強度變化也不盡相同，中上游地區以上升態勢為主，但中游地區變動頻率較高，相比之下，下游地區碳匯強度有明顯的低值年并大致呈倒“M”型變化特征且變動較頻繁. 長江經濟帶各省份碳匯強度在空間上分異明顯，呈現“西高東低、南高北低”的分布格局.

b) 2000——2020 年長江經濟帶碳匯總量和林地碳匯在空間分布上具有較強的一致性，集中于中上游地區且其重心呈現先向東北后往西移動的特點，分布范圍先擴張后收縮；水域碳匯主要分布于中下游地區，呈現向西躍進的擴張態勢，空間分布的集中性在減弱；草地和未利用地碳匯主要集中分布于川西高原，草地碳匯重心以向北移動為主，而未利用地碳匯軌跡變化較為波動，但整體以向西遷移為主，二者的碳匯用地空間分布都有明顯縮小，分布范圍趨于集中.

c) 長江經濟帶碳匯大小主要受自然和社會經濟兩方面因素的綜合作用，其影響力由大到小依次為地形(x1)、降水量(x2)、國家政策(x6)、土地利用強度(x5)、經濟發展水平(x3)和產業規模(x4). 其中自然因素對碳匯大小分布的解釋力最強，社會經濟因素中國家政策(x6)、土地利用強度(x5)影響較大. 此外，任何兩個驅動因素相互作用后對碳匯量分布的影響程度均大于單一因子.

4.2 建議

a) 因地制宜，探索差異化的低碳發展路徑. 研究發現，長江經濟帶碳匯在空間上分布不均，中上游地區林地碳匯比重大且固碳速率高，可與下游開展橫向碳補償、碳交易等，加強與下游地區的低碳交流與合作，在將自身資源優勢轉化為經濟優勢的同時彌補下游地區可能出現的“生態赤字”問題. 而下游地區作為長江經濟帶碳匯低值區，林地碳匯較少. 為此，在經濟發展中，可通過植樹造林或增加城區綠化面積等方式，以提高地區的碳匯能力.

b) 優化碳匯用地結構，進行可持續的碳匯管理.在研究期內，長江經濟帶碳匯結構變化較大，特別在2010——2020 年間，除水域碳匯外，林地和草地等碳匯面積均在下降. 為此，應優化長江經濟帶的碳匯用地結構，調整各碳匯用地相應的比例. 在碳匯結構中林地是長江經濟帶主要的碳匯貢獻者，但面臨著面積縮小的風險，可規劃建設森林自然保護區、退耕還林等措施來穩定并提高區域林地的碳匯能力；同時需保護好草地資源，抑制草場可能存在的進一步退化趨勢；水域作為長江經濟帶唯一擴張的碳匯用地，在穩定其碳匯能力的同時也要防范不合理的人類活動導致水域面積縮減的風險；而未利用地由于碳匯能力微弱且多分布在不宜大規模開發的地區(如高原)，可在生態保護的同時嘗試通過恢復未利用地上的植被，以提高未利用地的碳匯速率，進行可持續的碳匯管理.

c) 通過制定環境政策和土地利用規劃等促進地區的低碳發展. 研究表明，除自然因素外，國家政策和土地利用強度對長江經濟帶碳匯的影響較大. 為此，要實現長江經濟帶的“減碳增匯”，一方面需通過制定和實施嚴格的環境政策，加強生態環境治理和修復. 例如，設定地區的減排目標、實施排放標準，鼓勵清潔能源的開發與使用，減少溫室氣體的排放，推動第二產業特別是高耗能產業的轉型升級，通過實施“碳稅”等引導企業走綠色低碳的發展道路. 另外，需進行合理的土地利用規劃，控制土地利用強度. 集約利用土地資源，優化地區的碳源和碳匯比例，避免因城鎮化的推進導致建設用地的盲目性擴張和碳匯資源的破壞；此外，還可通過給予稅收優惠、生態補償等激勵措施，引導企業、個人等社會主體對土地資源進行可持續利用與管理.