東北地區碳儲量演變趨勢及驅動因子分析

摘要" 碳儲量是生態系統服務功能的重要組成部分之一，其演變趨勢及驅動因子的揭示對于維護地區生態系統安全具有重要意義。本研究利用生態系統服務與權衡綜合評估（InVEST）模型的碳儲量模塊對東北地區2000—2020年10年間隔的碳儲量進行評價，分析其演變趨勢；并使用地理探測器（Geodetector）模型對影響該地區碳儲量的驅動因子進行探測與分析。結果表明，2000—2020年，研究區碳儲量總體呈下降趨勢，降幅0.20%。其中，2000—2010年碳儲量減少了0.15%，2010—2020年碳儲量減少了0.05%。不同土地利用類型的碳儲量存在明顯差異，其中林地的碳儲量增量最大，達0.14×10^9"t。2000—2020年，影響研究區碳儲量的主導因子為總初級生產力，2000、2010和2020年的單因子探測q值分別為0.562、0.576和0.569。交互探測解釋力最強的因子為總初級生產力和年平均氣溫，2000、2010和2020年兩者交互作用的q值分別為0.748、0.756和0.750。研究結果為推進區域生態系統服務功能的提升提供參考。

關鍵詞" 碳儲量；InVEST模型；Geodetector模型；生態系統服務功能

中圖分類號" S157"""""" 文獻標識碼" A"""""" 文章編號" 1007-7731（2025）06-0078-05

DOI號" 10.16377/j.cnki.issn1007-7731.2025.06.019

Evolution trend and driving factors analysis of carbon storage in Northeast China

ZHAO He

（Harbin Normal University， Harbin 150025， China）

Abstract" Carbon storage is one of the important components of ecosystem services function， and its evolution trend and driving factors are of great significance for maintaining regional ecosystem security. In this study， the carbon storage module of integrated valuation of ecosystem services and tradeoffs （InVEST） model was used to evaluate the 10-year interval carbon storage in Northeast China from 2000 to 2020， and analyzed its evolution trend， and the driving factors affecting carbon storage were detected by Geodetector. The results showed that，from 2000 to 2020， the carbon storage generally showed a decreasing trend by 0.20% in the survey region. It was decreased by 0.15% in the first decade and 0.05% in the last decade. Over the past 20 years， the carbon storage was significantly different in different land use types. The increment of forest carbon storage was the largest （0.14×10⁹ t）. In the past 20 years， the dominant factor affecting carbon storage was gross primary productivity， and the single factor detection q values in 2000， 2010 and 2020 were 0.562， 0.576 and 0.569， respectively in the survey region. The strongest explanatory power factors were gross primary productivity and annual mean temperature. The q values of their interactions in 2000， 2010 and 2020 were 0.748， 0.756 and 0.750， respectively. The research results provided a reference for promoting the improvement of regional ecosystem services.

Keywords" carbon storage; InVEST model; Geodetector model; ecosystem service function

碳儲量是生態系統服務功能的重要組成部分之一，在維持生態系統穩定性方面發揮重要作用^[1]。碳儲量與氣候調節和土地利用密切相關，是評價生態系統服務功能的關鍵指標之一^[2-3]。土地利用類型的轉變通常伴隨著大量的碳交換，并通過改變生態系統的結構和功能來改變碳循環^[4]。隨著氣候變暖和經濟的快速發展，土地利用類型發生了巨大變化，從而導致區域碳儲量發生不同程度的時空變化^[5]。因此，針對東北地區碳儲量演變趨勢和驅動因子的研究對地區生態安全具有重要意義。

區域碳儲量的評估方法主要包括野外采樣調查、遙感信息檢索和模型模擬評估^[6]等。生態系統服務與權衡綜合評估（InVEST）模型能夠準確反映多尺度的碳儲量時空變化，具有操作方法簡單、參數獲取方便以及成果直觀可視化表達等優點^[7-8]，常用于模擬評估土地利用變化引起的碳儲量變化^[3]。InVEST模型的碳儲量模塊簡化了評估生態系統碳儲量的碳循環過程，可以量化評估區域碳儲量及其隨時間推移的變化。已有研究證明，InVEST模型在評估和研究土地利用變化對生態系統碳儲量的影響方面較為有效^[9]。例如，Zarandian等^[10]利用InVEST模型評估了土地利用變化對森林景觀碳儲存和碳固存的影響；Lahiji等^[11]綜合多目標土地利用配置和InVEST模型，研究了不同土地利用政策對農林混合景觀中碳儲量變化的影響；Liu等^[12]通過整合CA-Markov模型和InVEST模型，分析了1992—2019年海南島生態系統土地利用與碳儲量的動態變化以及兩者之間的關系，并對未來不同情景下的碳儲量進行了預測；楊瀲威等^[13]耦合PLUS模型和InVEST模型，預測了西安市未來不同情景下土地利用及碳儲量的時空變化特征，研究了土地利用變化對碳儲量的影響。

東北地區擁有廣闊的天然林區，形成了茂密的原始森林分布帶，是重要的生態安全屏障和糧食生產基地，區域內農業、林業和工業全面發展，對土地利用變化和氣候變化表現出較高的敏感性。研究區全面啟動了天然林保護計劃，致力于保護生態用地，區域生態系統功能得到有效提升。本研究探討了土地利用變化影響下，2000—2020年東北地區碳儲量的變化趨勢及時空分布格局；評價氣候、自然地理和社會經濟等驅動因子對該地區碳儲量的影響，為研究區自然資源的可持續開發利用和生態環境的有效管理提供參考。

1 材料與方法

1.1 研究區基本情況

東北地區地處東北亞的核心地帶，其維度范圍在38"°43′—53"°34′ N，118"°53′—135"°06′ E。該地區氣候類型屬于溫帶季風氣候，夏季高溫多雨，冬季寒冷干燥，年平均氣溫較低，四季分明，擁有豐富的生物群落。地形以平原、丘陵和山地為主，形成了山環水繞的地理格局。

1.2 數據來源

1.2.1 空間基礎數據 本研究使用了土地利用、氣象、社會經濟、基礎地理信息以及自然地理等多種空間基礎數據。數據具體來源：土地利用數據為柵格格式，來源于哥白尼氣候數據存儲中心；氣象數據類型（年平均氣溫、年平均降水），為柵格格式，來源于中國科學院資源環境科學與數據中心；社會經濟數據類型（人口密度、國內生產總值和夜間燈光），為柵格格式，來源于中國科學院資源環境科學與數據中心；基礎地理信息數據類型（距居民點距離、距公路距離、距鐵路距離和距河流距離），為矢量格式，來源于全國地理信息資源目錄服務系統；自然地理數據類型（總初級生產力、歸一化植被指數、高程、坡度、坡向和地形起伏度），為柵格格式，其中總初級生產力數據來源于國家生態科學數據存儲庫，歸一化植被指數和高程數據來源于中國科學院資源環境科學與數據中心，其他數據采用ArcGIS軟件對高程數據進行空間分析得到。

1.2.2 碳密度數據 研究所需的各土地利用類型的碳密度數據主要通過查閱文獻并整理總結相關研究成果獲得，且優先參考近期的研究成果，最終得到適用于研究區各土地利用類型的碳密度數值（表1）。

1.3 研究方法

1.3.1 InVEST模型 在InVEST模型碳儲量模塊輸入土地利用柵格圖以及4個碳庫的碳密度數據，即可計算出碳儲量。4個碳庫分別為地上生物量（土壤以上的樹皮、樹干、樹枝和葉片等所有生長植物）、地下生物量（地上生物量的生長根系）、土壤有機質（土壤的有機成分）和枯落物有機質（凋落物以及倒木、枯木中的碳）。碳儲總量為4個碳庫的平均碳密度與相應土地利用類型面積相乘的總和^[20]。碳儲量計算如式（1）～（2）。

1.3.2 Geodetector模型 地理探測器模型可用于探測單獨變量的空間異質性，也可用于分析兩個變量之間空間分布的耦合性，探測兩個變量之間的因果關系。利用該模型對研究區3個時期碳儲量的空間異質性進行探測，分析不同驅動因子對碳儲量的交互作用及影響程度。根據已有相關文獻并結合研究區的實際情況，選取年平均氣溫和年平均降水作為氣象因子，人口密度、國內生產總值和夜間燈光作為社會經濟因子，距居民點、公路、鐵路和河流距離作為基礎地理信息因子，總初級生產力、歸一化植被指數、高程、坡度、坡向和地形起伏度作為自然地理因子，探測各因子對研究區碳儲量的影響程度。利用ArcGIS軟件自然斷點法對上述各因子進行分級，輸入地理探測器模型進行探測，根據因子探測和交互探測結果進行分析，結果q值越大，說明相應驅動因子對區域碳儲量的解釋力越強。

2 結果與分析

2.1 研究區碳儲量評價

2000—2020年研究區碳儲量呈現明顯的空間分異現象，碳儲量高值區域主要分布在北部的小興安嶺和東部的長白山山脈，東北部的三江平原、區域中心的松嫩平原和南部的遼河平原碳儲量次之。如表3所示，在研究時間段內，研究區碳儲量整體呈下降趨勢，區域碳儲量總體減少了0.04×10⁹"t，降低了0.20%。其中，2000—2010年碳儲量從19.57×10⁹"t下降至19.54×10⁹"t，減少了0.03×10⁹"t（0.15%）；2010—2020年碳儲量下降至19.53×10⁹"t，10年間減少了0.01×10⁹"t（0.05%）（表2）。

研究區碳儲量主要分布于耕地、林地和草地，土地利用的變化導致了不同土地利用類型的碳儲量呈不同程度的增加或減少趨勢。2000—2020年，隨著經濟的快速發展，對土地的開發利用強度加大，耕地、草地、稀疏植被和裸土地的碳儲量逐漸減少，至2020年分別降低了0.02×10⁹、0.22×10⁹、0.02×10⁹和0.02×10⁹"t。2000年以來，隨著研究區天然林保護工程的實施，生態用地得到有效保護，林地碳儲量獲得較大幅度增加，至2020年林地碳儲量增加了0.14×10⁹"t，建設用地和水域的碳儲量分別增加了0.09×10⁹和0.01×10⁹"t。

2.2 碳儲量驅動因子分析

單因子探測結果顯示，各驅動因子對碳儲量的空間分異特征均具有顯著影響。總初級生產力、高程、地形起伏度和坡度等自然地理因子是影響研究區碳儲量空間分布的關鍵因素。其中，總初級生產力對碳儲量空間分布特征的解釋力最強，是主導因子，2000、2010和2020年的單因子探測q值分別為0.562、0.576和0.569。交互探測結果顯示，驅動因子之間的交互作用均存在增強效應，主要表現為雙因子增強，說明因子間交互作用時的解釋力大于單因子。其中，總初級生產力和年平均氣溫的交互作用對該區域碳儲量分布的解釋力最強，2000、2010和2020年兩者交互作用的q值分別為0.748、0.756和0.750。

3 結論與討論

從研究結果來看，2000—2020年研究區碳儲量從19.57×10⁹"t下降至19.53×10⁹"t，總體減少了0.04×10⁹"t，降低了0.20%，碳儲量整體呈下降趨勢，這一結果與王佳琪等^[21]的研究基本一致。然而，本研究所用研究方法存在一定的局限性。一方面，InVEST模型碳儲量模塊簡化了評估生態系統碳儲量的碳循環過程，對于碳儲量的計算主要通過查閱已有研究成果中不同土地利用類型的碳密度，忽略了不同土地類型碳密度隨時間的變化，且對于細化的土地利用類型的碳密度未充分考慮。后期研究中可對土地類型進行更加細致地分類，同時引入實地采樣數據，以提高不同地類碳密度值的準確性。另一方面，影響碳儲量變化的驅動因子復雜多樣，本研究僅考慮了已有研究中的因子類型，在未來研究中，對于驅動因子的選擇可綜合考慮多種因素，并結合因子時空變化特征對其進行分析，以提高分析結果的科學性。

本文耦合InVEST模型和Geodetector模型，對2000—2020年東北地區碳儲量演變趨勢及驅動因子進行分析。研究結果表明，近20年，該地區碳儲量的空間分布呈現明顯的異質性，碳儲量整體呈下降趨勢，降幅0.20%。其中，2000—2010年碳儲量減少了0.15%；2010—2020年碳儲量減少了0.05%。研究期間，總初級生產力是影響該地區碳儲量空間分布的主導因子，因子間的相互作用對碳儲量分布的影響大于單因子，交互作用探測結果表明，總初級生產力和年平均氣溫的交互作用對該區域碳儲量分布的解釋力最強。研究結果明確了區域碳儲量的變化趨勢及驅動因子，為進一步推進區域生態系統服務功能的改善提供參考。

參考文獻

[1] XIANG S J，WANG Y，DENG H，et al. Response and multi-scenario prediction of carbon storage to land use/cover change in the main urban area of Chongqing，China[J]. Ecological indicators，2022，142：109205.

[2] HOUGHTON R A. Revised estimates of the annual net flux of carbon to the atmosphere fromchanges in land use and land management 1850-2000[J]. Tellus B：chemical and physical meteorology，2022，55（2）：378.

[3] ZHAO M M，HE Z B，DU J，et al. Assessing the effects of ecological engineering on carbon storage by linking the CA-Markov and InVEST models[J]. Ecological indicators，2019，98：29-38.

[4] 陳廣生，田漢勤. 土地利用/覆蓋變化對陸地生態系統碳循環的影響[J]. 植物生態學報，2007，31（2）：189-204.

[5] LI X Y，HUANG C S，JIN H J，et al. Spatio-temporal patterns of carbon storage derived using the InVEST model in Heilongjiang Province，Northeast China[J]. Frontiers in earth science，2022，10：846456.

[6] 牛志君，周亞鵬，王樹濤，等. 縣域土地利用變化對碳儲量的影響與評價：以黑龍港流域巨鹿縣為例[J]. 水土保持研究，2018，25（3）：292-297，304.

[7] 李理，趙芳，朱連奇，等. 淇河流域生態系統服務權衡及空間分異機制的地理探測[J]. 生態學報，2021，41（19）：7568-7578.

[8] NYAMARI N，CABRAL P. Impact of land cover changes on carbon stock trends in Kenya for spatial implementation of REDD+ policy[J]. Applied geography，2021，133：102479.

[9] NIE X，LU B，CHEN Z P，et al. Increase or decrease？ Integrating the CLUMondo and InVEST models to assess the impact of the implementation of the Major Function Oriented Zone planning on carbon storage[J]. Ecological indicators，2020，118：106708.

[10] ZARANDIAN A，BADAMFIROUZ J，MUSAZADEH R，et al. Scenario modeling for spatial-temporal change detection of carbon storage and sequestration in a forested landscape in Northern Iran[J]. Environmental monitoring and assessment，2018，190（8）：474.

[11] LAHIJI R N，DINAN N M，LIAGHATI H，et al. Scenario-based estimation of catchment carbon storage：linking multi-objective land allocation with InVEST model in a mixed agriculture-forest landscape[J]. Frontiers of earth science，2020，14（3）：637-646.

[12] LIU Q，YANG D D，CAO L，et al. Assessment and prediction of carbon storage based on land use/land cover dynamics in the tropics：a case study of Hainan island，China[J]. Land，2022，11（2）：244.

[13] 楊瀲威，趙娟，朱家田，等. 基于PLUS和InVEST模型的西安市生態系統碳儲量時空變化與預測[J]. 自然資源遙感，2022，34（4）：175-182.

[14] 方霞，張弛，張耀南，等. 1980—2014年中國干旱半干旱區生態系統有機碳儲量及碳動態數據集 [J]. 中國科學數據（中英文網絡版），2018，3（3）：64-67.

[15] 李慧穎. 基于遙感和InVEST模型的遼寧省退耕還林工程生態效應評估[D]. 長春：吉林大學，2019.

[16] 曲琛，李文，徐嘉，等. 黑龍江黑土地保護利用對碳儲量的潛在影響[J]. 西北林學院學報，2023，38（5）：194-203.

[17] 張麗，劉佳雨. 近30年東北沙地生態系統服務動態[J]. 中國水土保持科學（中英文），2023，21（1）：139-148.

[18] TANG X L，ZHAO X，BAI Y F，et al. Carbon pools in China’s terrestrial ecosystems：new estimates based on an intensive field survey[J]. Proceedings of the national academy of sciences of the United States of America，2018，115（16）：4021-4026.

[19] 徐麗，何念鵬，于貴瑞. 2010"s中國陸地生態系統碳密度數據集[J]. 中國科學數據，2019，4（1）：90-96.

[20] 黃韜，劉素紅. 基于PLUS-InVEST模型的福建省土地利用變化與碳儲量評估[J]. 水土保持學報，2024，38（2）：246-257.

[21] 王佳琪，邢艷秋，常曉晴，等. 東北天然林資源保護工程成效評估及熱點區域識別[J]. 生態學報，2024，44（3）：1231-1241.

（責任編輯：何" 艷）

作者簡介 趙賀（1985—），女，黑龍江哈爾濱人，碩士，工程師，從事遙感信息處理與應用研究。

收稿日期 2024-10-26