2000—2020年黃河流域碳儲量對土地利用變化的響應

摘 要：以黃河流域為研究對象，通過土地利用動態度和土地利用轉移矩陣分析黃河流域土地利用變化規律，利用InVEST模型探究黃河流域碳儲量的時空變化規律，以明確用地類型轉化與碳儲量的關系。結果顯示：①2000—2020年，草地和耕地是研究區面積最大的用地類型，且動態度波動不大；林地面積總體增加，但增速逐漸減緩；水域和建設用地面積顯著增加；未利用地面積先增后減。②2000—2020年，黃河流域碳儲量呈現持續減少的趨勢，空間上呈西北低、東南高的格局，其中林地的碳儲量最高。③耕地、林地和草地的轉出會導致碳儲量減少，未利用地的轉出則會增加碳儲量，水域和建設用地的轉出對碳儲量的影響相對較小。對黃河流域土地利用變化和碳儲量時空規律進行深入研究，可為土地管理和碳減排政策制定提供科學依據。

關鍵詞：土地利用；碳儲量；黃河流域；InVEST模型

中圖分類號：F301.2；X171.1；X321 文獻標志碼：A 文章編號：1674-7909（2024）16-126-5

DOI：10.19345/j.cnki.1674-7909.2024.16.028

0 引言

21世紀以來，全球碳排放量不斷升高，加劇了氣候變暖，對人類生存構成巨大威脅。實現碳中和是人類構建可持續未來的關鍵一步。生態系統通過碳匯過程積累碳儲量，這一過程在全球碳循環中至關重要，并對氣候變化產生深遠影響。土地利用變化，如森林采伐、城市化和農業擴張等，是影響碳儲量的關鍵因素［1］。深入分析碳儲量對土地利用變化的響應，對于制定有效的環境管理和氣候政策至關重要。當前，基于3S技術開發的碳儲量計量模型已逐漸成熟，常見的模型有InVEST、ARIES、SoLVES等。其中，InVEST模型具有可視化、適用范圍廣、量化精準等優點，是目前最為成熟的模型之一。HAUNREITER［2］、NELSON［3］、周彬等［4］、王蓓等［5］采用InVEST模型分別對美國西南部內華達山脈、俄勒岡州威拉米特河流域、北京山區、黑河流域等地的碳儲量進行了評估，為研究區的生態系統管理，尤其是碳減排提供了科學依據。然而，當前研究大多側重于土地利用或碳儲量的單一分析，較少將兩者結合起來進行綜合研究。為深入理解生態系統的復雜性，該研究探究了土地利用和碳儲量之間的關系，為黃河流域環境保護和氣候變化應對提供科學依據。

黃河流域在我國生態安全中占據重要地位，其土地利用方式對區域內的環境保護、農業生產和生態建設有著深遠的影響。不僅如此，黃河流域還擁有多個大型煤炭礦區，是我國重要的煤炭生產和消費區，也對我國碳減排目標的實現有著重要影響。該研究通過分析黃河流域土地利用變化規律和碳儲量的時空分布，深入探究土地利用與碳儲量之間的關系，為黃河流域的可持續發展和生態環境保護提供科學依據，同時為國家和區域應對氣候變化提供數據支持。

1 研究區概況及數據來源

1.1 研究區概況

黃河源于青藏高原巴顏喀拉山脈，最后注入渤海，流域總面積約79.5萬 km2。從圖1可看出，黃河流域地貌差異懸殊，涵蓋了高原、山地、盆地等地形，地勢自西向東逐漸降低，呈現出顯著的階梯狀分布。黃河流域氣候類型多樣，降水分布不均，生態環境脆弱，水土流失和土地退化問題突出，是進行土地利用變化與碳儲量研究的典型區域。

1.2 數據來源

該研究數據主要包括2種，一是土地利用數據，其分辨率為30 m，來源于中國科學院資源環境科學數據中心，分為耕地、草地、林地、水域、建設用地、未利用地六種類型；二是碳儲量計算模型中需要的碳密度數據，主要依據模型手冊和相關研究區的研究成果。InVEST模型的碳儲量（Carbon Storage模塊）計算依據4個關鍵碳庫指標：地上生物碳庫（C-above）、地下生物碳庫（C-below）、土壤碳庫（C-soil）及死亡有機物碳庫（C-dead）。其中，耕地四項指標分別為5.00、23.45、31.49、2.84，林地四項指標分別為12.32、33.67、58.25、4.09，草地四項指標分別為10.26、25.13、29.03、2.19，水域四項指標均為0；建設用地四項指標分別為0.73、7.99、0、0，未利用地四項指標分別為0.38、0、20.00、0。

2 研究方法

2.1 單一土地利用動態度

2.2 土地利用類型轉移矩陣

2.3 碳儲量估算

3 結果與分析

3.1 土地利用時空變化分析

2000—2020年黃河流域各類型用地面積基本穩定，動態度波動不大，空間分布未發生明顯變化，見表1和圖2。草地主要分布在黃河流域上游地區，用地面積占比最多，小幅度變化可能是季節性或氣候變化引起的。耕地主要分布在黃河流域中游和下游地區，面積占比次之。耕地面積隨時間推移持續減少，但減少的速度有所波動，2005—2010年減少速度最快。林地主要分布在黃河流域中游和上游地區，面積占比總體呈增長趨勢，但增長速度逐漸減緩，2015—2020年出現微量減少的情況。這一趨勢主要得益于大規模植樹造林和生態保護項目的實施，但隨著城市化和基礎設施建設的推進，林地面積增長受到限制甚至減少。水域面積總體呈增加趨勢，動態度在不同階段有所波動。水域面積增加與水資源管理和保護措施的加強有關，特別是在湖泊和濕地恢復方面的工作成效顯著。建設用地主要分布在黃河流域中游和下游地區，其面積隨時間推移顯著增加，動態度逐年上升，在2010—2015年增加速度最快，顯示出此期間快速城市化和基礎設施建設的進程。未利用地主要分布在黃河流域上游地區，其面積呈現先增加后減緩的變化趨勢，動態度在不同階段有較大波動，這與土地整治和生態修復工作有關。

3.2 碳儲量時空變化特征分析

從時間上來看，2000年、2005年、2010年、2015年、2020年黃河流域碳儲量分別為49.54億 t、49.39億 t、49.37億 t、49.24億 t、49.06億 t，整體呈現出逐步減少的趨勢，2020年比2000年碳儲量減少了0.48億 t，主要原因包括土地利用變化、城市化進程和氣候變化等。在空間上，黃河流域碳儲量的空間分布并未發生明顯的變化，如圖3所示。黃河流域東南部地區碳儲量較高，受黃土高原的退耕還林和生態恢復工程影響，林地面積顯著增加，提高了該區域的碳儲量。黃河下游流域主要為碳儲量中值區。該區域農田面積較大，對其整體碳儲量有積極貢獻；但建設用地的增加，也對該區域碳儲量產生負面影響；部分濕地和河流沿岸的植被具有較高的碳儲存能力，在一定程度上彌補了該區域碳儲量的損失。碳儲量低值區主要位于黃河上游流域地區，尤其是北部地區。該區域植被稀疏，土壤有機碳含量較低，且多是高寒草甸和草原，碳儲存能力有限。整體上，黃河流域碳儲量呈現出西北低、東南高的空間格局。

通過對不同利用類型土地的平均碳儲量進行計算可得，不同用地類型的碳儲量依次為：林地gt;耕地gt;草地gt;建設用地gt;未利用土地gt;水域。林地因其高密度、高生物量的植被和富含有機質的土壤，具有最高的碳儲量；耕地和草地的碳儲量次之；建設用地和未利用土地因植被稀少、透水性差等導致碳儲量較低；水域因其特殊的環境和生態特性，碳儲量最低。

3.3 碳儲量對土地利用變化的響應

不同用地類型的轉化會使碳儲量產生不同的響應。從表2可以看出，導致黃河流域碳儲量減少的原因為耕地、林地、草地的轉出。其中，草地轉出導致的碳儲量減少最多，尤其是轉化為未利用地和建設用地，是導致該區域碳儲量減少的最直接原因。此外，耕地轉為建設用地也是碳儲量減少的一個關鍵因素。但隨著時間推移，伴隨著政策的完善和保護措施的實施，林地、草地轉出面積逐漸減小，碳儲量的減少得到控制。這表明在土地管理和生態保護方面的工作逐步取得成效，有助于保護區域內碳儲量和生態系統的穩定。相較之下，水域、建設用地和未利用地的轉出會增加碳儲量。這是因為這些土地類型通常儲存的碳較少，且若其轉為林地或草地，其碳儲量會隨之增加。水域轉化為耕地、未利用地轉化為草地是主要的碳儲量增加類型，顯著提高了區域碳儲量。建設用地轉化為水域，雖然會減少碳儲量，但其影響微小，可以忽略不計。

綜上所述，適當的土地利用變化，如未利用地轉化為草地或林地，可以有效增加區域碳儲量，有助于生態保護和碳排放控制；反之，過度不合理的土地利用，如耕地和草地轉化為建設用地，會顯著減少碳儲量，對環境產生負面影響。黃河流域應繼續優化土地利用結構，減小對高碳儲量土地（如草地、林地、耕地）的開發壓力，優先保護和恢復這些土地類型，促進水域和未利用地轉化為林地或草地，以提高區域碳儲量。

4 結論

①2000—2020年，黃河流域各用地類型的時間變化和空間分布存在差異，而這與生態政策和城市化進程密切相關。草地、耕地是黃河流域面積最大的用地類型，且動態度波動不大；林地面積總體呈增加趨勢，但增速減緩；水域和建設用地面積顯著增加；未利用地面積呈先增后減趨勢。

②2000—2020年，黃河流域碳儲量呈現不斷減少的趨勢，在空間上呈西北低、東南高的空間格局。林地因植被覆蓋度高等原因，碳儲量最高。

③2000—2020年，黃河流域耕地、林地、草地的轉出會導致區域碳儲量減少，草地轉化為未利用地。水域和建設用地的轉出對碳儲量的影響較小，未利用地的轉出可以增加碳儲量。

參考文獻：

［1］HOUGHTON R A. Interactions between land-use change and climate-carbon cycle feedbacks［J］. Current Climate Change Reports， 2018，4（2）： 115-127.

［2］HAUNREITER E，CAMERON D.Mapping ecosystem services in the Sierra Nevada，CA ［J］.The Nature Conservancy，California Program，2001，12（1）：16-32.

［3］NELSON E， MENDOZA G， REGETZ J， et al. Modeling multiple ecosystem services， biodiversity conservation， commodity production， and tradeoffs at landscape scales［J］. Frontiers in Ecology and the Environment， 2009，7（1）： 4-11.

［4］周彬， 余新曉， 陳麗華， 等. 基于InVEST模型的北京山區土壤侵蝕模擬［J］. 水土保持研究， 2010，17（6）： 9-13.

［5］王蓓， 趙軍， 胡秀芳. 基于InVEST模型的黑河流域生態系統服務空間格局分析［J］. 生態學雜志， 2016，35（10）： 2783-2792.