黃河流域上游煤礦區土地利用類型變化及其對固碳服務的影響

張澤民，劉 博，關 瀟*

1.中國環境科學研究院，國家環境保護區域生態過程與功能評估重點實驗室，北京 100012

2.中國環境科學研究院生態研究所，北京 100012

近年來，工業化進程加速造成的碳排放增加引發了全球氣候變暖、生物多樣性減少等諸多生態環境問題，而碳固定是有效降低二氧化碳濃度、緩解氣候變暖和調節生態系統功能的重要途徑[1].煤炭是我國最重要的化石能源，占一次能源消費總量的比重超過55%[2].在“雙碳”目標下，我國煤炭的能源主體地位短期內仍不會改變，而煤炭開采過程中挖損、塌陷、壓占等劇烈活動改變了原始土地利用類型，對煤礦區及周邊環境造成了嚴重破壞(如植被減少、景觀破碎化等)[3-4].同時，煤礦區土地利用類型變化通過改變地表生物的物質和能量循環削弱了植被和土壤的碳匯能力，據統計，在過去150 年因土地利用類型變化造成的碳排放增加占同期人類活動的33%[5].煤礦區開發對生態系統固碳服務的影響主要表現為煤礦區植被剝離、土壤破壞及土地利用類型變化等[6-7].因此，研究煤礦區土地利用類型變化及其對生態系統固碳服務的影響，對于提高煤礦區土地資源集約利用程度和生態系統固碳服務能力具有重要意義.

目前針對生態系統固碳量的估算方法有很多，其中傳統方法主要包括野外實地調查監測和森林資源詳查等，如土壤剖面法、樣地清查法、生物量調查等，這些方法雖然精度較高但成本高、耗時費力，并且無法得到長時間序列的估算結果[8-9].隨著3S 技術的發展，借助遙感和地信技術等構建經驗模型來評估碳儲量的方法越來越得到廣泛應用[10-11]，如李婷等基于MODIS 遙感影像估算了關中-天水地區土壤碳庫的固碳服務供給量[12].隨著研究的深入，過程機理模型(如CASA 模 型[13]、Biome-BGC 模 型[14]、CENTURY模型[15]等)開始廣泛用于生態系統固碳量的評估，來定量模擬生態系統過程中水、碳、氮等物質能量循環及其相互作用過程(如光合作用、蒸騰作用、呼吸作用).如李旭華等[16]根據氣象因子、二氧化碳濃度和植物生態參數等數據，利用Biome-BGC 模型模擬了長白山闊葉紅松林凈初級生產力的動態變化.然而，過程機理模型因涉及植物生理生態、植被冠層、自然要素等各方面的影響因子而需要大量的輸入參數，并且這些參數通常是基于理想條件下設定的，導致獲取十分困難，因而限制了模型在大尺度區域的應用.InVEST 模型彌補了以上評估方法的不足，其不僅具備空間分析功能、應用成本低和數據開源性等優勢，而且所需參數較易獲取，因此已廣泛應用于長時間序列、大尺度區域生態系統固碳服務評估研究[10,17-18].目前InVEST 模型已廣泛應用于流域[11]、高原[19]、森林[20]、濕地[21]、自然保護區[22]、農田[23]、煤礦區[24]等生態系統的固碳服務評估，如劉冠等[25]基于InVEST模型評估了麻塔流域的碳儲量變化；包玉斌[26]利用該模型評估了黃土高原退耕還林還草工程的固碳效應.綜上，目前InVEST 模型固碳量估算方法已廣泛應用于多種生態系統類型，然而針對煤礦區相關研究的對象主要為單一礦區，少有研究同時對宏觀尺度上多個大中型煤礦區的生態系統固碳量進行定量估算.

我國重點煤炭規劃區共有煤礦2 207 處，其中北部現存開采區主要集中在山西省、內蒙古自治區、陜西省、甘肅省和寧夏回族自治區，西部煤炭聚集地主要包括云南省、貴州省和四川省，中部的安徽省、河南省、河北省、山東省等省份也有較多分布[27].黃河流域作為我國重要的煤炭產區，煤炭產量占全國的70%以上，全國14 個億噸級煤炭基地中有9 個分布于此[28-29].其中，黃河流域上游煤炭開采區主要位于寧東和神東兩大基地，大規模的煤炭開采對當地的脆弱生態環境產生不利影.因此，煤礦區作為受人類活動影響較大的人工生態系統，研究其固碳服務演變規律對我國實現“雙碳”目標和改善人民福祉有重要意義.該研究擬以黃河流域上游區域大型煤炭基地中的13 個典型煤礦為案例區，首先分析了1990-2020年不同煤礦區的土地利用變化情況，然后估算不同時期各煤礦區及其周邊區域的固碳服務，最后定量評估二者之間的關聯度，旨在厘清煤礦區土地利用類型變化及其對區域固碳服務的影響.

1 研究區概況

黃河流域上游地區是指從青?，敹嗫h約古宗列盆地的河源起至內蒙古托克托縣的河口鎮，地理位置為32.47°N~41.84°N、95.98°E~111.10°E，海拔高度在872~5 218 m 之間，西高東低，流域面積為42.8×104km2，占整個黃河流域面積的54%，包含青海省、四川省、甘肅省、寧夏回族自治區、內蒙古自治區5 個省份的部分區域.黃河流域上游區域屬于干旱半干旱地區，年降水量在200~500 mm 之間.該地區不僅是我國重要的生態涵養功能區，同時又是我國重要的能源流域，富含煤炭、鐵、鋅、銅、銻等礦產資源，對維護國家生態安全和能源資源安全具有重要的戰略意義.

2 數據與方法

2.1 數據來源及預處理

研究所用基礎數據主要包括：①全國礦廠礦點矢量數據集，來源于中國科學院資源環境科學與數據中心(http://www.resdc.cn)，其中礦區種類、地理坐標、礦區名稱、實際生產能力等字段用于篩選典型大型煤礦區(見圖1)；②1990-2020 年30 m 空間分辨率全國土地覆被數據，來源于Earth System Science Data(https:/www.earth-system-science-datanet)，主要用于估算研究區不同生態系統類型的固碳服務[30]；③1990-2020 年100 m 空間分辨率全國土地利用數據，來源于中國科學院資源環境科學數據中心(http://www.resdc.cn)，用于分析典型土地利用類型變化情況；④中國500 m 空間分辨率的區域凈初級生產力數據(NPP)，來源于國家地球系統科學數據中心(http://loess.geodata.cn)，用于校正估算得到不同生態系統類型的固碳量結果；⑤2010s 中國陸地生態系統碳密度數據集，來源于國家生態科學數據中心(http://www.nesdc.org.cn)，用于獲取不同生態系統類型的碳密度參數.該數據集由已發表文獻的實測數據組成，主要收集了黃河流域上游323 個監測站點森林(包括喬木林和灌木林)、草地、農田等多種生態系統類型的植被地上生物量、地下生物量、土壤碳密度和枯落物(見圖1).各站點不同生態系統類型所用的生物量獲取方法存在差異，其中森林主要采用異速生長方程估算樹木生物量，林下生物量采用采伐法和實驗室稱重測算，草地和農田等禾本科植物采用樣地清查法測定，而對于所有生物群落，則通過對不同土壤深度(0~10、10~20、20~30、30~50 和50~100 cm)的土壤有機碳密度進行稱重來估算站點的土壤碳密度參數.在整個數據集的構建過程中，均實施了嚴格的質量控制[31].

圖1 黃河流域上游13 個典型煤礦區及不同生態系統類型監測站點的空間分布Fig.1 Location of 13 typical coal mining areas and monitoring stations of different ecosystem types in the upper Yellow River Basin

在數據預處理過程中，首先結合黃河流域上游地區的矢量邊界和中國礦廠礦點矢量數據集，疊加篩選出13 個年產量超過120×104t 的大中型煤礦區作為典型案例區(見表1)，其中太西洗煤廠以露天煤炭洗選加工為主，汝箕溝煤礦在2012 年從井工開采轉為露天開采，其他11 個煤礦區開采方式均為井工開采(為便于表述，下文中各煤礦區用表1 中對應的編號表示).其次，基于Google Earth 平臺上的亞米級空間分辨率遙感影像，參考礦廠礦點數據集中的煤礦區面積，目視解譯得到各煤礦區的邊界.然后，利用黃河流域上游地區邊界對1990-2020 年30 m 空間分辨率的全國土地覆被數據進行裁剪，得到黃河流域上游地區不同生態系統類型(即農田、林地、灌木、草地、水體、雪地、荒地、不透水層、濕地)的多期空間分布數據，作為評估研究區不同時段固碳量的基礎數據[30].利用解譯得到的煤礦區邊界對100 m 空間分辨率的全國土地利用數據進行裁剪，并按照數據的分類體系得到各煤礦區1990-2020 年的土地利用類型一級分類數據，即耕地、林地、草地、水域、城鄉工礦居民用地和未利用地六大類.利用ArcGIS 10.8.1 軟件對距離煤礦區1、2、5、10、20、30、40、50 km 的區域進行緩沖區分析，得到不同距離緩沖區的矢量數據.

表1 黃河流域上游地區13 個典型煤礦區信息Table 1 Information of 13 typical coal mining areas in the upper Yellow River Basin

2.2 土地利用變化測度

利用單一土地利用動態度、綜合土地利用動態度和土地利用轉移矩陣來表征研究區土地利用類型的變化情況.土地利用動態度是表示土地利用變化速率的重要方法，在已發表的多項研究中都有闡述，具體可分為單一土地利用動態指數和綜合土地利用動態度指數[32-33].其中單一土地利用動態度指數(LUD)是指在一定時間范圍內，區域某種土地利用類型變化與特定時期的比值，它著重描述單一土地利用類型的變化速率.綜合土地利用動態度指數(CLUD)是指某個固定時間段區域內所有土地利用類型單一動態度的絕對值之和，可以反映區域內土地利用類型變化的程度.兩種土地利用動態度指數的計算公式如下：

式中，LUDi為從T1時相到T2時相i類土地利用類型的單一土地利用動態度指數，SiT1、SiT2分別為T1、T2時相i類用地的面積，T為兩個時相間隔，CLUDT為時間段T期間的綜合土地利用動態度指數.

采用馬爾科夫轉移矩陣對研究區T1時相到T2時相不同土地利用類型之間的轉移方向和大小進行描述[34]，通常表現如下：

式中：Sij表示第i種土地利用類型轉換為第j種土地利用類型的面積，其中S表示面積，i、j(i,j=1,2,···,n)分別表示土地利用轉換前、后的類型；n表示土地利用類型的數量.

2.3 固碳服務評估

該研究利用InVEST 模型的碳儲量模塊對研究區的固碳服務進行評估.該模型是由美國斯坦福大學、明尼蘇達大學、大自然保護協會和世界自然基金會在2007 年共同開發，是目前最全面的生態系統服務物質量核算的開源軟件之一，模型內嵌了碳儲量、生境質量、產水量、水質凈化等模塊，大量研究已證明了其在生態系統服務評估方面的準確性[17].在評估過程中，基于黃河流域上游323 個站點監測數據以及IPCC 發 布 的《Good Practice Guidance for Land Use,Land-Use Change and Forestry》中確定的生物量和枯落物的比值，統計分析得出黃河流域上游地區不同生態系統類型的碳密度參數，即地上生物量、地下生物量、土壤碳密度和枯落物4 個參數(見表2)，然后基于不同生態系統類型的碳密度參數，使用InVEST 模型的固碳模塊通過累加方式初步得到研究區不同時期的碳儲量結果[25,35].考慮到研究區面積較大，不同區域同一生態系統類型的碳密度存在差異，因此在柵格尺度上使用對應時期研究區的凈初級生產力(NPP)對計算得到的區域碳儲量結果進行校正，具體的計算方法見式(4)~(6).

表2 黃河流域上游地區不同生態系統類型的碳密度Table 2 Carbon density of different ecosystem types in the upper Yellow River Basin Mg/hm2

式中：Ci為土地利用類型i的碳儲量，t；Cabove、Cbelow、Csoil和Cdead分別為土地利用類型i的地上生物量、地下生物量、土壤碳密度和枯落物碳密度，Mg/hm2；Ctotal為生態系統總的固碳服務，Mg/hm2；Si為土地利用類型i的面積，hm2；FNPPp為第p個像元NPP 的空間校正因子，采用隸屬模糊法，將同期NPP 柵格數據轉換為平均值為1、取值區間為[0, 2]的FNPP；NPPmin和NPPmax分別為研究區域內NPP 的最小值和最大值；NPPp為第p個像元的NPP.

2.4 灰色關聯度分析

該研究采用灰色關聯度方法計算煤礦區土地利用變化與固碳服務之間的關聯度，評估煤礦區不同土地利用類型對固碳服務的影響[36].關聯度值介于0~1之間，該值越大，代表土地利用類型與年度固碳量(母序列)之間的相關性越強[37-39].具體的計算方法如式(7)(8)所示.

式中：xo(k)、xt(k)分別表示煤礦區的固碳服務和土地利用面積占比；δot(k) 表示xo(k) 與子序列xt(k)之間的關聯系數；分別表示xo(k)、xt(k)的兩級最小差值和最大差值；ρ表示分辨率，取值范圍為0~1，其值越小表示分辨力越大，一般賦值為0.5；o、q分別表示土地利用類型的數量和數據期數.

3 結果與分析

3.1 煤礦區土地利用類型變化分析

1990-2020年，13 個典型煤礦區主要以草地、城鄉工礦居民用地和未利用地為主，3 種土地利用類型的面積之和占煤礦區總面積的比例在85%以上，其他土地利用類型的面積占比相對較小.從1990 年到2020 年，煤礦區內不同土地利用類型變化十分明顯，其中城鄉工礦居民用地面積增長了91.8%，從9 441 hm2升 至18 106 hm2，年 均 增長 速 率 達288.8hm2/a；水體面積增幅較小，從875 hm2升至1 148 hm2；草地和未利用地面積分別從10 833 和7 447 hm2降至6 204 和5 403 hm2，年均 下 降率 分 別為156.0 和68.1 hm2/a；林地和耕地面積分別從2 206 和2 009 hm2降至784 和1 216 hm2，面積分別減少1 422 和793 hm2， 年均下降率分別為47.4 和26.4 hm2/a(見圖2).

圖2 黃河流域上游不同典型煤礦區土地利用類型的變化情況Fig.2 Land use changes in different coal mining areas in the upper Yellow River Basin

具體來看，研究期間除2 號和3 號煤礦區城鄉工礦居民用地面積基本保持不變外，其他11 個煤礦區均呈明顯增加態勢.其中，8 號煤礦區城鄉工礦居民用地面積從1 901 增至4 608 hm2，增長量達到2 707 hm2，12 號煤礦區則從1 470 降至1 111 hm2，是唯一出現下降的煤礦區.城鄉工礦居民用地面積擴張規模超過50%的煤礦區有5 號、9 號、6 號、7 號、10 號、8 號、4 號和11 號，擴張比例分別為1 450%、918.4%、636.8%、502.6%、183.0%、142.4%、60.7%和60.1%.從城鄉工礦居民用地面積增長的來源看，1 號煤礦區主要以草地和耕地為主，轉變面積分別為83 和31 hm2；4 號和10 號煤礦區則以耕地轉變為工礦用地為主，轉變面積比例分別占48.0%和100%；對于5 號、6 號、7 號和9 號煤礦區，則主要由草地和未利用地轉變而來，兩種地類的轉變比例均超過50%；8 號煤礦區主要由林地和草地轉變為城鄉工礦居民用地，轉變面積分別為1 314 和1 405 hm2；對于11 號和13 號煤礦區，主要來源于草地和未利用地(見圖2).進一步分析井工開采和露天開采兩種方式煤礦區土地利用類型的變化情況，發現露天開采礦區的城鄉工礦居民用地面積增加比例為198.5%，遠高于露天煤礦的56.2%.

土地利用動態度測算結果表明，1990-2020 年耕地、林地、草地、水體、城鄉工礦居民用地和未利用地的單一土地利用動態度分別為-0.013、-0.021、-0.014、0.010、0.031 和-0.009.從時間上看，除2010-2015 年波動較大外，其他時段的土地利用動態度均大致呈平穩態勢.具體來看，1990-2000 年所有土地利用類型的綜合動態度在0.10 左右，各地類的單一土地利用動態度均不超過0.05；2000-2005 年，綜合土地利用動態度升至0.141，除水體的單一土地利用動態度升至0.08 外，其他地類的單一土地利用動態度均相對較低，不足0.02；2005-2010 年，不同地類的單一土地利用動態度和綜合土地利用動態度均出現下降；2010-2015 年綜合土地利用動態度升至0.342，不同地類的單一土地利用動態度也均出現較大波動，其中林地最低降至-0.115，其次是城鄉工礦居民用地和草地，分別升至0.07 和0.06；2015-2020年綜合土地利用動態度驟降至0.055，不同地類的土地利用動態度也均降至最低值〔見圖3(a)(b)〕.城鄉工礦居民用地的動態度在所有時段均為正值，表明整個研究期間該類用地的面積在持續增加，并且在2010-2015 年時段煤礦區的開采擴張規模最大；而草地和未利用地的動態度在整個研究期間均為負值，說明二者的面積均呈持續下降趨勢〔見圖3(a)(b)〕.從不同開采方式看，井工開采方式的煤礦區土地利用綜合變化動態度為0.081，露天開采方式的綜合土地利用動態度為0.141，說明露天開采方式對煤礦區土地利用類型造成更大影響.

圖3 1990-2020 年所有煤礦區不同土地利用類型變化的單一動態度指數和綜合動態度指數Fig.3 Single and comprehensive dynamic degree indexes of different land use changes in all coal mining areas during 1990-2020

研究期間不同煤礦區的土地利用動態度均存在較大差異，并且單一土地利用動態度與綜合土地利用動態度基本保持一致.從單一土地利用動態度看，城鄉工礦居民用地除在12 號煤礦區為負值(-0.001 4)外，其他各煤礦區均為正值，并且在5 號、6 號、7 號和9 號煤礦區均較高.在10 號煤礦區，草地的單一土地利用動態度最高，為0.263〔見圖4(a)〕.對于綜合土地利用動態度，5~10 號煤礦區相對較大，分別為0.519、0.316、0.233、0.296、0.415 和0.275，其他煤礦區從高到底依次為1 號、11 號、4 號、12 號、13 號和2 號，并且均不足0.1，3 號煤礦區的綜合土地利用動態度為0〔見圖4(b)〕.

圖4 1990-2020 年不同煤礦區的單一土地利用動態度和綜合土地利用動態度Fig.4 The single and comprehensive dynamic degrees of land use changes in different coal mining areas during 1990-2020

土地利用轉移矩陣分析結果表明，1990-2020年草地轉出面積最大，為5 508.59 hm2，其次為未利用地和林地，水體轉出面積最小，僅為196.00 hm2.從轉入土地利用類型的面積看，城鄉工礦居民用地轉入面積最大，為9 294.86 hm2；其次為草地，耕地轉入面積最小，為158.17 hm2.綜合考慮不同土地利用類型的轉入和轉出面積，研究期間黃河流域上游煤礦區主要以草地、未利用地和林地轉移為城鄉工礦居民用地為主(見表3).

表3 1990-2020 年煤礦區整體的土地利用轉移矩陣Table 3 Land use transfer matrix of the whole mining area from 1990 to 2020

3.2 礦區及周邊區域單位面積固碳量時空變化特征

研究期間，各礦區單位面積年固碳量在0.7~4.1 Mg/hm2之間，在時間上表現出先下降后升高再下降的變化態勢.1990 年，各礦區的單位面積年固碳量在1.1~4.1 Mg/hm2之 間，平 均 值 為2.7 Mg/hm2，到2000 年降至1.7 Mg/hm2；2010 年，盡管部分礦區的單位面積年固碳量較2000 年出現較大幅度的增加，但整個研究區平均值僅增至2.1 Mg/hm2；2020 年，又輕微降至1.9 Mg/hm2(見圖5).不同礦區存在明顯差異，其中1~6 號礦區單位面積年固碳量相對較高，介于2.53~3.32 Mg/hm2之間，7~13 號煤礦區則相對較低，其中9 號煤礦區最低，僅為0.97 Mg/hm2.從變化趨勢看，各礦區單位面積年固碳量與整體變化趨勢基本保持一致，呈先下降后升高再下降的態勢.進一步分析井工開采和露天開采兩種開采方式的礦區固碳量，還發現采用井工開采方式的煤礦區在1990-2020 年的單位面積年固碳量介于1.75~2.85 Mg/hm2之間，遠高于露天開采礦區的固碳量(1.21~1.81 Mg/hm2)(見圖6).

圖5 1990-2020 年煤礦區單位面積年固碳量的變化情況Fig.5 Annual carbon sequestration in coal mining areas during 1990-2020

圖6 1990-2020 年井工開采和露天開采煤礦區的單位面積年固碳量變化Fig.6 The variations of annual carbon sequestration per hectare in well and open-pit mining areas from 1990 to 2020

由于不同煤礦區之間的距離較近，對各礦區單獨做緩沖區分析會覆蓋到其他礦區，從而導致研究結果不夠準確，因此該研究以13 個典型煤礦區為整體做不同距離的緩沖區分析.為探究周邊不同距離區域固碳量受采礦活動的影響程度，首先設置10、20、30、40、50 km 緩沖區的等間距分析，并提取了不同距離的單位面積固碳量.同時，考慮到10 km 以內不同距離區域的固碳量受到的影響存在差異，還設置了1、2、5 km 三個近距離的緩沖區進行分析，使緩沖區分析的相關結果更為全面.結果發現，隨著與采礦區距離的增加，單位面積年固碳量逐漸升高，而年際間變化振幅逐漸下降.在距離1 km 的緩沖區內，單位面積年固 碳量在1.7~4.7 Mg/hm2之間，振 幅為3.0 Mg/hm2，到50 km 距離的緩沖區，單位面積年固碳量升至5.4~7.0 Mg/hm2，振幅降至1.6 Mg/hm2，這表明距離礦區越遠的區域固碳服務受到的不利影響越小，固碳服務能力越強(見圖7).進一步定量分析發現，與礦區距離每增加1 km，單位面積年固碳量增加0.073 8 Mg/hm2(R2=0.971,P<0.01)，表明礦區開采活動可能會導致周邊土地利用從林地等固碳能力較強的類型變化為工礦用地等固碳能力較弱的類型，或者在不改變原類型的前提下削弱土地利用的固碳服務.

圖7 1990-2020 年礦區不同緩沖距離區域的單位面積年固碳量Fig.7 Carbon sequestration of buffer zones at different distances away from the mining area during 1990-2020

3.3 礦區土地利用變化對固碳服務的影響

對典型礦區各時間段的不同土地利用面積與單位面積年固碳量進行灰色關聯度分析，發現不同土地利用面積與固碳服務之間存在明顯差異，整個研究期間各土地利用類型與固碳服務的平均關聯度從高到低依次為未利用地(0.849)、耕地(0.801)、草地(0.727)、林地(0.584)和水體(0.563)，其中未利用地和耕地面積變化對礦區生態系統固碳量的影響最為明顯，而水體面積變化對固碳量的影響最弱(見表4).此外，通過對城鄉工礦居民用地面積和年固碳量進行線性擬合分析，發現二者之間存在顯著的負相關關系(R2=0.679，P<0.01)，這表明城鄉工礦居民用地面積的增加將導致年固碳量顯著下降.

表4 研究區不同土地利用類型與年固碳量的關聯度Table 4 Correlation degree between the area proportion of different land use and annual carbon sequestration in the mining area

4 討論

礦區作為受人類活動影響較大的區域，其開采行為引發的土地利用變化導致區域生態系統服務受到嚴重損害[3,24,40].近年來，我國高度重視黃河流域上游地區生態系統保護修復工作，積極探索如何在保證資源開采的前提下減緩生態環境壓力，促進受損礦區生態系統服務恢復和提升是當前亟待解決的重要問題.因此，該研究從宏觀尺度上分析了黃河流域上游13個典型煤礦區土地利用類型的變化情況，發現近30年城鄉工礦居民用地面積呈迅速增加態勢，累計增幅超過90%，其中轉入面積高達9 200 hm2，并且轉入土地利用類型以草地、未利用地和林地等固碳密度較高的用地為主，而轉出面積僅297 hm2，這意味著研究期間黃河流域上游煤礦山開發區域不斷擴大，而恢復治理面積相對較小.因此，相關部門需加快完善礦區修復監管相關的條例或法規，促進工礦用地類型有效恢復為礦產開發前的土地利用狀態.此外，研究還發現2010-2015 年所有土地利用類型的綜合動態度最高，而2015-2020 年則相對較低(見圖3).究其原因可能是，2010-2015 年黃河流域上游地區煤礦開采規?？焖贁U張，大量占用耕地、林地和草地，導致土地利用類型變化顯著，而2015-2020 年國家各部門陸續發布相關政策措施限制煤礦區規模無序擴張，從而抑制了土地利用變化速度[41].同時需要指出的是，該研究所選的13 個典型煤礦區，在自然地理、社會經濟條件、采礦方式、采礦規模等方面均存在較大差異，因此研究結果在反映整個黃河流域礦區土地利用類型的變化情況方面存在不確定性，有待進一步驗證.

目前，在已有相關研究中，礦區生態系統服務或價值評估結果主要是基于全國生態系統服務當量系數表，結合不同土地利用類型面積進行加權求和得到的，而未考慮不同用地類型內部的差異[24,42-43].該研究基于公開發布的全國范圍內多個站點碳儲量監測數據和IPCC 有關文件，結合研究區邊界統計得到黃河流域上游不同生態系統類型的碳庫參數，較使用全國尺度的平均碳密度進行區域性研究有一定的改進[9,44].另外需要指出的是，盡管用于統計碳密度參數的監測站點數量達到323 個，但由于黃河流域上游地區面積較大，站點密度仍然相對較小，同時因缺乏更大密度站點的相關實測數據，而未對研究結果的準確性進行評估.同時，未發現黃河流域上游地區近10 年碳密度實地測量的相關研究，因而該研究僅使用了2010s 中國陸地生態系統碳密度數據集(在2007-2014 年均有分布)作為估算碳密度的主要依據，導致碳密度參數的統計結果也可能存在一定的不確定性[45-46].因此，未來需進一步開展野外實地調查試驗，通過樣地布設、實地采樣和實驗室測定等手段，對黃河流域上游煤礦區不同生態系統類型的碳密度參數進行精確校定，進一步提高研究結果的準確性.此外，考慮到同一生態系統類型的植被狀況也可能存在差異，該研究在利用InVEST 模型測算研究區固碳量的基礎上，利用NPP 數據對不同生態系統類型的固碳服務進行空間校正，有效解決了同一生態系統類型固碳服務的同質化問題.然而，考慮到基于NPP 數據推算僅能得到植物的固碳量，而難以滿足對其他碳庫的固碳量估算，因而使用NPP 對估算結果進行校正的方法也存在一定的不足[47-49].

該研究結果表明，在50 km 緩沖區內不同典型礦區單位面積固碳量隨著距礦區距離的增加均呈明顯上升態勢，但增幅在不斷收窄，表明距離礦區越遠的區域固碳服務所受的影響越趨于平緩，受擾動的程度越小(見圖6).這與已有的研究結果基本一致，如劉英等[24]研究發現紅沙泉露天煤礦的開采活動對生態系統的影響與開采距離成反比，即距離礦區景觀越遠，生態系統的固碳服務能力越強，即開采造成的不利影響呈下降態勢.該研究還發現采用露天開采方式的煤礦區在1990-2020 年土地利用變化強度遠大于井工開采方式，而單位面積年固碳量遠低于井工開采礦區，這可能是因為露天開采方式比井工開采方式對地表的挖損面積大，對表層植被的破壞強度高，導致更大程度的土地利用變化，進而對表層土壤和植被固碳量的影響更大(見圖7)[50-51].同時，需要指出的是，該研究只分析了開采區50 km 內的固碳服務變化情況，未考慮對礦區50 km 以外區域的影響，因而具有一定的局限性.此外，灰色關聯度分析結果表明未利用地和耕地對礦區生態系統固碳服務的影響排第一和第二位，這主要是由礦區內未利用地和耕地面積變化幅度較大造成的，礦區開發過程中對這兩種用地類型的大量占用是導致固碳服務下降的重要原因(見表3 和表4)，這與兗州礦區、淮北礦區、平朔礦區等研究結果[43,52-53]基本一致.

5 結論

a) 1990-2020 年各礦區土地利用主要以草地、未利用地、林地和耕地轉移為城鄉工礦居民用地為主要特征，其中2010-2015 年土地利用的綜合動態度較高，2015-2020 年則相對較低，并且露天開采方式礦區的土地利用強度遠高于井工開采方式.

b) 1990-2020 年各礦區單位面積年固碳量在0.7~4.1 Mg/hm2之間，在時間上呈先下降后升高再下降的變化趨勢，并且在距離礦區50 km 范圍內，距離越遠，平均單位面積年固碳量越高，但影響程度也逐漸下降.

c) 礦區內不同土地利用類型與單位面積年固碳量的平均關聯度從高到低依次為未利用地>耕地>草地>林地>水體.