閩江流域碳匯空間特征及驅動因素分析

中圖分類號：Q948 文獻標志碼：A 文章編號：1674-3075（2025）04-0085-11

政府間氣候變化專門委員會（IPCC）發布的第6次評估報告指出全球 CO₂ 排放量繼續上升，在2010-2019 年這10年間，人類活動是產生 CO₂ 排放的最強驅動力， CO₂ 排放量達到了歷史最高水平（袁佳雙等，2022）。由 CO₂ 排放量增加引起的全球氣溫持續升高等氣候變化問題日趨嚴重（梁夢雅等，2022）。植被具有吸收和固定 CO₂ 的功能，即碳匯功能（薛雪等，2016），也可以通過發揮綠地涵養水源、調節氣候異常、吸收污染物等功能間接減少碳排放（張桂蓮等，2022）。因此，發揮植被的直接增匯、間接減排的功能有利于減緩全球氣溫持續上升，適應人類活動日益頻繁所引起的氣候變化問題（楊元合等，2022）。

分析碳匯空間特征及驅動因素，能直觀反映區域碳源/匯分布特征和碳匯空間特征的影響因素，這對研究如何有效增加碳匯和減少碳排放，提升碳匯效益具有重要意義。從研究尺度和內容上看，國內外關于碳匯研究熱點主要集中在全球（Piaoetal，2018）、國家（趙寧等，2021）、區域（汪濤和樸世龍，2023）、省域（賴碧海，2021）、流域（王菲等，2023）等大尺度范圍，以及森林（郭學媛等，2022）、農田（趙明月等，2022）、草原（周偉等，2018）等單一植被類型生態系統的碳匯量估算、碳匯時空變化特征、碳匯影響因素和空間優化策略等方面（王振坤等，2023），以及小尺度范圍碳匯的精確計量（李霞等，2010）。而在流域碳匯方面的研究主要集中在西北地區，鮮少涉及東南沿海地區。從研究方法上看，傳統的植被碳匯估算方法主要有清查法、渦度相關法、生態系統過程模型模擬法和大氣反演法（Piaoetal，2022），但是會受到樣本量、測量誤差、空間分辨率低等限制。而基于改進的 CASA（Carnegie-Ames-Stanford ap-proach）模型估算植被凈初級生產力 （P_NP） ，采用土壤微生物呼吸模型估算土壤微生物呼吸量 （R_h） ，進而模擬植被凈生態系統生產力 （P_NE） 的方法在一定程度上解決了以上限制。CASA模型綜合考慮了植被生態生理過程，同時，CASA模型具有所需輸入參數相對較少的優點，在一定程度上可以避免參數缺失帶來的誤差（謝立軍等，2023）。

由于自然條件優越及政府采取的一系列生態保護措施，省森林覆蓋率常居全國第一，閩江流域內植被覆蓋度也呈現逐年增加趨勢，處于較高水平（王軍等，2021）。因此通過進一步增加植被覆蓋面積來提升流域碳匯效益的策略可行性較低，梳理和篩選閩江流域碳匯影響因子就變得至關重要。本文以多源數據為基礎，基于修正的CASA模型和土壤微生物呼吸模型估算閩江流域植被碳匯量，分析流域內碳源/匯的空間分布特征及其影響因素，進而探討流域碳匯效益的提升優化策略。本文主要從以下3方面開展研究：識別閩江流域碳源/匯空間，分析閩江流域碳源/匯的空間分布特征，厘清影響閩江流域碳匯空間特征的驅動因素，擬為流域的雙碳目標實現提供理論依據和參考。

1材料與方法

1.1 研究區概況

閩江流域位于我國南方丘陵山地帶，發源于閩贛、閩浙交界的杉嶺、武夷山、仙霞嶺等山脈，位于東經 116^°23^′～119^°35^′ 北緯 25^°23^′～28^°16^′ ，流域總面積約為 6.1×10⁴km² ，約占省面積的一半。閩江流域在省境內流經6市29縣（圖1）。依據閩江流域的自然地理特征，將流域分為上、中、下游（表1），全流域地勢西北高東南低，自西北向東南呈波浪式下降，地形以山地丘陵為主，流域受陸海之間熱力差異影響顯著，屬亞熱帶季風氣候，流域內植被豐富，植被類型以常綠闊葉林、常綠針葉林和針闊混交林為主，土壤類型以紅壤和黃壤為主。

1.2數據來源與預處理

本文采用的數據主要包括2020年閩江流域MO-DIS-NDVI數據、MODIS-FPAR數據、氣象數據、土地利用數據、土壤有機碳（SOC）數據、數字高程模型（DEM）數據、路網數據、人口密度數據以及NPP-VI-IRS衛星夜光遙感影像數據等。

MODIS-NDVI數據和MODIS-FPAR數據均來自NASA網站（https：//search.earthdata.nasa.gov/search）。利用MODISTOOL長時序海量遙感數據的自動批處理程序提取NDVI數據和FPAR數據，對數據進行重投影、研究區截取、最大值合成等，生成研究區逐月NDVI影像和逐月FPAR影像。氣象數據來自國家氣象科學數據中心（http：//data.cma.cn），包括氣象站點、氣溫、降水量和太陽輻射等數據。將站點的經緯度數據和氣象數據整合成逐月數據并轉成點要素，采用“克里金法\"進行插值。土地利用數據來自國家地球系統科學數據中心（http：//www.geodata.cn/），空間分辨率為 500m 。根據所獲取的遙感影像和區域尺度研究范圍，參考《土地利用現狀分類》（GB/T21010-2017） ，結合閩江流域土地資源的特點和實際情況，將遙感解譯土地分類進行合并，得到耕地、林地、灌叢、草地、水體、裸地和建設用地等7大類土地利用類型。 0～20cm 土壤有機碳密度分布數據根據已有研究成果（解憲麗等，2004），結合閩江流域的土壤類型，生成研究區 0～20cm 的土壤有機碳密度分布圖。高程數據（DEM）來自地理空間數據云平臺（http：//www.gscloud.cn），分辨率為 90m ，在ArcGIS軟件中進行裁剪填洼等處理，獲得高程數據（DEM）和坡度數據。路網數據來自OpenStreetMap官網（https：//www.openstreetmap.org），人口密度數據以及NPP-VIIRS衛星夜光遙感影像數據來自資源環境科學與數據中心（https：//www.resdc.cn/），空間分辨率平均為 1km 。所有數據采用AlbersConicalEqual Area投影、GCS_WGS_1984地理坐標系，并將空間分辨率統一為 250m 。

1.3研究步驟與方法

研究分為3個部分：（1）通過修正的CASA模型和土壤微生物呼吸模型對閩江流域植被碳匯量進行估算；（2）通過估算結果分析閩江流域碳源/匯的空間分布特征；（3）使用地理探測器找出流域碳匯空間特征變化的主要影響因素。

1.3.1 流域植被碳匯量估算 （1）凈生態系統生產力（P_NE） 估算凈生態系統生產力 （P_NE） 表示生態系統和大氣之間的碳交換率，通常用來表示碳匯大小的度量（贠銀娟和趙軍，2018）。通過生態系統內植被凈初級生產力 （P_NP） 與土壤微生物呼吸量 （R_h） 之差的計算公式可以得到植被凈生態系統生產力 （P_NE） ，計算式為：

P_NE=P_NP-P_h

式中： P_NE 為植被凈生態系統生產力， P_NP 為植被凈初級生產力， R_h 為土壤微生物呼吸量，單位均為 g/（m²?a） 。

（2）植被凈初級生產力 （P_NP） 估算 P_NP 通過植被吸收的光合有效輻射 （R_APA） 和實際光能利用率 （ε） 來確定（馮益明等，2014），計算式為：

P_NP（x，t）=R_APA（x，t）×ε（x，t）

式中： R_APA（x，t） 為像元 x 在 t 月吸收的光合有效輻射，單位為 g/（m²?a）;ε（x，t） 為像元 x 在 t 月的實際光能利用率，單位為 g/MJ 0

R_APA 通過植被吸收太陽有效輻射和植被對入射光合有效輻射吸收比例確定，計算式為：

R_APA（x，t）=S（x，t）×R_FPA（x，t）×0.5

式中： S（x，t） 為像元 x 在 t 月的太陽總輻射量，單位為 g/（m²?a） ; R_FPA（x，t） 為植被對入射光合有效輻射吸收比例，常數0.5表示植被所能利用的太陽有效輻射（波長為 400～700nm， 占太陽總輻射的比例。

在一定范圍內， R_FPA 與NDVI之間存在著線性關系，這一關系可以根據某一植被類型NDVI的最大值和最小值以及所對應的 R_FPA 最大值和最小值來確定（朱文泉等，2007），計算式為：

式中： N_i，max 和 N_i，min 分別為第 i 種植被類型的NDVI最大值和最小值。

光能轉化率主要受溫度和水分的影響（馮益明等，2014），計算式為：

ε（x，t）=Tε₁（x，t）×Tε₂（x，t）×Wε（x，t）×ε_max

式中： Tε₁（x，t），Tε₂（x，t） 分別為低溫和高溫對光能轉化率的影響， ε_max 為理想條件下最大光能利用率，取值因不同植被類型而不同， Wε（x，t） 為水分脅迫因子，反映植物所能利用有效水分條件對光能利用率的影響，計算式為：

式中： E 為區域實際蒸散量， E_P 為區域潛在蒸散量，單位均為 mm 0

（3）土壤微生物呼吸量 （R_h） 估算 土壤微生物呼吸量 （R_h） 一般通過土壤呼吸量 （R_s） 進行間接估算（謝薇等，2014）。本文根據已有研究成果先估算土壤呼吸量 （R_s） （陳書濤等，2012），再估算土壤微生物呼吸量 （R_h） （張梅等，2020），計算式為：

R_s=1.55e^0.031T×P/（P+0.68）×D_soc/（D_soc+2.23）

式中： R_s 為土壤呼吸量， R_h 為土壤微生物呼吸量，單位均為 g/（m²?a）;T 為年平均氣溫，單位為 C;P 為年降水量，單位為 mm D_soc 為 0～20cm 的表層土壤碳密度，單位為 g/m² 。

（4）P_NP 估算模型精度評價將 P_NP 估算結果與MOD17A3NPP數據產品進行驗證對比。首先將估算值和數據產品的平均值、平均相對誤差和標準差進行比較，然后對兩者進行相關性分析。

從總體上看， P_NP 的空間分布趨勢符合閩江流域的實際境況，估算值和數據產品的平均值相差87.1g/（m²?a） ，平均相對誤差為 11.4% ；本文估算的平均值為 679g/（m²?a） ，范圍在 0～1 254g/（m²?a） ，數據產品的平均值為 766.1g/（m²?a） ，范圍在 74.6～ 1599g/（m²?a） ，估算值的標準差為163.7，數據產品的標準差為171，估算值的標準差小于數據產品的標準差，說明估算值的波動范圍小于數據產品

在ArcGIS軟件中對 P_NP 估算結果圖進行重采樣，再在估算結果圖與MOD17A3 P_NP 數據產品中均勻隨機抽取100個樣本點，在SPSS軟件中對估算值和數據產品進行相關性分析（圖2），擬合優度 R² 為0.849，兩者具有較高的相關性，說明 P_NP 估算值具有較高的可靠性。

1.3.2地理探測器地理探測器主要用來揭示某個因子 X 對某個屬性 Y 是否具有重要影響，二者在空間分布上是否具有相似性。本文主要使用分異及因子探測和交互作用探測（王勁峰和徐成東，2017）。

分異及因子探測：分析某個或幾個因子 X 對屬性Y的空間分異有多大程度上的影響，用 q 度量，計算式為：

式中： q 為分異性因子， q 的值域為 [0，1];q=0 表示 X 和Y沒有關系， q 越大說明數據的空間分異性越顯著； L 為因子 X 或屬性Y的分層，即變量的分類； h=1 為具體某一層； N_h 和 N 分別為層 h 和全區的單元數；σ_h² 和 σ² 分別為層 h 和全區的Y值的方差。

交互作用探測：探測不同因子 Xs 之間的相互作用，即屬性Y的解釋力在兩種因子的共同作用下是增強還是減弱（張田和余敦，2022）。首先分別計算兩種因子 X₁ 和 X₂ 對 Y 的 q 值： 然后計算 X₁ 和 X₂ 相切所形成的新多邊形分布時的 q 值，即 q（X₁∩X₂） ，最后將 q（X₁∩X₂） 進行比較。

氣溫因子和降水因子決定了植被的生長，會直接影響區域植被碳匯的積累，而海拔因子和土地利用類型會影響植被的分布狀況。同時，人類活動也會對區域植被碳匯的積累產生重要影響，路網數據、人口密度數據和夜間燈光數據可以表征人類活動干擾、城市擴張水平及經濟發展水平，可以反應區域植被碳匯積累受人類活動影響的程度。因此，本文選取氣溫、降水、高程、土地利用類型、路網、人口密度和夜間燈光作為自變量，分析閩江流域植被碳匯空間特征的驅動因素。

為保證數據的一致性，除了土地利用類型數據外，對其他數據進行重分類，采用自然斷點法分為9類。根據研究區域尺度，對重分類后的數據創建5km×5km 的漁網，提取均值至漁網中心點并將點數據輸入到地理探測器工具中（尼亞孜海尼木·肖開提江等，2024）。

2結果與分析

2.1閩江流域碳源/匯空間分布特征

一般認為，當 P_NE?0 時，生態系統表現為碳匯，反之為碳源。本文在前人研究的基礎上，根據閩江流域的實際情況發現，當 P_NE≥300g/（m²?a） 時，該區域的土地利用類型幾乎為林地，且當 P_NE≥600g/（m²?a） 時，林地的生長條件更加優越，因此對閩江流域植被凈生態系統生產力 （P_NE） 進行重分類，即當P_NElt;0 時，為碳源區；當 0?P_NElt;300g/（m²?a） 時，為低碳匯區；當 300≤P_NElt;600g/（m²?a） 時，為中碳匯區；當P_NE≥600g/（m²?a） 時，為高碳匯區（圖3）。

閩江流域植被凈生態系統生產力 （P_NE） 整體呈現中高碳匯屬性。中碳匯區約占流域總面積的57% ，高碳匯區約占流域總面積的 35% ，低碳匯區約占流域總面積的 7% ，碳源區約占流域總面積的 1% 0中碳匯區分布范圍最為廣泛，均勻分布在整個流域；高碳匯區重點分布在東南部及河谷地區；低碳匯區主要集中沿水系、路網及各市縣區外圍區域分布；碳源區零散分布在各市縣中心城區。

閩江流域不同區域的碳匯空間特征具有明顯的空間差異性。閩江流域上游以中碳匯區為主，約占上游地區總面積的 60.5% ；高碳匯區面積占上游地區總面積的 32.7% ，中碳匯區和高碳匯區均勻分布在流域上游；低碳匯區面積占上游地區總面積的 6.5% ，但整個流域低碳匯區的 66% 分布在上游地區。閩江流域中游也以中碳匯區為主，約占中游地區總面積的 59.5% ，主要分布在中游南部和北部；高碳匯區面積占中游地區總面積的 33.7% ，集中在中游中部。閩江流域下游高碳匯區分布范圍最廣，約占下游地區總面積的 44.5% ，中碳匯區面積占下游地區總面積的 39.6% ，中碳匯區和高碳匯區重點分布在下游西部和中部；碳源區面積僅占下游地區總面積的 0.5% ，主要集中分布在下游東部市區，但整個流域碳源區的 68% 分布在下游區域。

2.2不同海拔碳源/匯空間分布變化特征

閩江流域是一個以山地為主的區域，地形的海拔差對植被的分布和生長具有直接影響。根據閩江流域自然地理特征，將閩江流域的海拔劃分為0＼～200、lt;200～500～500～1 000～1 000～1 500～1 500～2 148m 等5個等級。對不同海拔區間的植被碳匯/源的分析發現，碳源區主要分布在平原地區，碳源區的面積占比隨著海拔的下降呈上升趨勢，高碳匯區主要分布在山地丘陵地帶。隨著海拔的升高，高碳匯區面積在不同海拔的占比呈現先增加后減少的趨勢（圖4），流域內碳源區的 81.6% 分布在海拔 200m 以下的地區，中碳匯區的 85.8% 和高碳匯區的89.5% 集中分布在 200～1000m 的地區（圖5）。

200m 以下區域的地形主要是平原地區，城市分布密集，人口密度高，人類活動影響程度較高，造成植被覆蓋率較低，從而影響植被的碳匯作用，碳源面積較大。隨著海拔的升高，氣溫下降，降水量增加，蒸發減少，加上受人類活動影響程度降低，植被生長旺盛，使得碳匯效益增強。在 200～1000m 的地區植被以常綠闊葉林和針闊混交林為主，植被生長繁茂，固碳能力強。在海拔 1500m 以上的地區，低溫成為了植被生長的抑制條件，植被生長緩慢，固碳作用減弱。

2.3不同坡度碳源/匯空間分布變化特征

依據國際地理學聯合會地貌調查與地貌制圖委員會關于地貌詳圖應用的坡地分類標準來劃分閩江流域的坡度等級，規定 0^°～0.5^° 為平原， lt;0.5^°～2^° 為微斜坡， lt;2^°～5^° 為緩斜坡， lt;5^°～15^° 為斜坡， lt;15^°～35^° 為陡坡， lt;35^°-55^° 為峭坡。對不同坡度區間的植被碳匯/源的分析發現，坡度對植被的空間分布和生長具有一定的影響（聶桐等，2024）。流域內碳源區主要分布在平原、微斜坡和緩斜坡區域；高碳匯區在不同坡度的面積占比隨著坡度的升高而增加，碳源區則反之（圖6。整個流域碳源區的 85.8% 分布在平原、微斜坡和緩斜坡地區；流域內中碳匯區的74% 和高碳匯區的 85.3% 集中分布在斜坡和陡坡區域（圖7）。

平原、微斜坡和緩斜坡區域坡度平緩，適合人類生產生活和城市擴張，因此建設用地面積較大，占有較高比重，受人類活動影響的程度高，造成植被覆蓋度較低（Zhangamp;Deng，2022），碳匯作用較弱，碳源區面積較大。隨著坡度增加，受人類活動影響減小，植被覆蓋以林地為主，且植被變化以自然生長狀態為主，碳匯能力隨之增強。斜坡和陡坡區域由于地形的抬升作用，降水較多，且閩江流域的斜坡和陡坡主要分布在河谷地區，河谷地區由于匯水有極其肥沃的土層，加上人煙稀少，容易發育出茂密的植被，碳匯作用高。

2.4不同土地利用類型碳源/匯空間分布變化特征

對不同土地利用類型的植被碳匯/源的分析發現，不同類型的碳匯作用差異較大（圖8）。高碳匯區主要集中在林地。全年來看，耕地、灌叢和草地的碳匯量較少，主要以低碳匯區和中碳匯區為主。碳源區主要集中在水體、裸地和建設用地。整個流域內中碳匯區的 91% 和高碳匯區的 99.8% 集中分布在林地范圍，低碳匯區的 60.6% 分布在耕地范圍，碳源區的 44.1% 和 33.2% 分別分布在建設用地和水體范圍（圖9）。

林地植被常年茂盛，固碳能力較強，因此碳匯作用較大。灌叢和草地的生物量密度較低，所以灌叢和草地的碳匯作用較弱。而耕地作為碳源和碳匯雙重作用載體（薛秀峰等，2023），化肥農藥等的農業投入導致耕地碳排放量增多（Lietal，2023），相反，農作物的生長使得耕地碳吸收量增加，且碳吸收量要高于碳排放量，因此耕地呈現低碳匯特征。水體和裸地的植被稀少，蒸發旺盛，因而固碳能力較弱。而建設用地受人類活動影響的程度高，基本不具備碳匯作用。所以碳源區主要集中在水體、裸地和建設用地。

2.5閩江流域碳匯空間特征的影響因素

2020年閩江流域碳匯空間分布特征的主導因子是土地利用類型（圖10）。從各因子的 q 值來看，土地利用類型 （0.3565）gt; 夜間燈光（0.2237）gt;高程（0.1670）gt; 人口密度 （0.0968）gt; 氣溫 （0.0657）gt; 降水 （0.0549）gt; 路網（0.0475），表明土地利用類型是影響閩江流域碳匯空間特征的最主要因素；夜間燈光、高程是影響閩江流域碳匯空間特征的次要因素；而人口密度、氣溫、降水、路網的解釋力均低于0.1，說明閩江流域碳匯空間特征受人口密度、氣溫、降水、路網的影響較小。影響流域上游、中游碳匯空間特征最主要的因素均為土地利用類型， q 值分別為0.2229和0.1887；而影響流域下游碳匯空間特征最主要的因素是夜間燈光，q值為0.5305。

從交互作用探測器結果來看，全流域及流域上、中、下游的任意兩個因子的交互解釋力明顯大于單一因子解釋力，且任意兩個因子交互作用均呈現非線性增強的特點，說明2020年閩江流域碳匯空間分布變化受多因子共同影響。將全流域及流域上、中、下游的各交互因子影響值進行排列（表2），結果顯示全流域土地利用類型和降雨交互后的影響值最高，流域上游土地利用類型和路網交互后的影響值最高，流域中游、下游則受土地利用類型和夜間燈光交互后的影響最大。

3討論

3.1閩江流域碳匯空間特征影響機理

閩江流域全流域及上、中、下游碳匯空間特征的主導影響因素不同。閩江全流域及上、中游碳匯空間特征由土地利用類型所決定。林地是流域主要用地類型，占流域總面積的 88% ，因此流域內碳匯面積分布廣泛。流域上、中游有戴云山脈和武夷山脈，碳匯資源良好，加上林權改革，林木質量上升，碳匯能力也有所提升，流域上、中游的碳排放量相對也較小（魏庭陽等，2022），因而閩江全流域及上、中游碳匯空間特征主要驅動力是土地利用類型。下游碳匯空間特征由人類活動影響程度決定，閩江流域內各縣市城鎮化發展不平衡，下游地區經濟發展水平較高

（江淼華等，2018），建設用地相對集中在下游市、閩侯縣和長樂市等地區，人類活動產生碳排放量較多，同時，由于人類活動影響程度高，植被覆蓋率較低，碳匯作用較弱，因此，流域下游碳匯空間特征的主要驅動力是人類活動影響。

自然因素和社會經濟因素間復雜耦合作用也影響著閩江流域碳匯空間特征。土地利用類型和降雨的交互作用所形成的協同增強效應共同影響了閩江流域碳匯空間特征。一方面，流域內林地面積占比較大，碳匯資源豐富，另一方面，降雨可以提高土壤的濕潤度，促進流域內植被的生長，從而提高植被的固碳能力（凌思源等，2022）。

從雙因素交互作用角度分析，閩江流域上游與中、下游碳匯空間特征的影響因素具有差異性。流域上游碳匯空間特征受土地利用類型和交通路網交互作用影響最大，上游地區自然資源豐富，植被覆蓋率高，碳匯能力較強，但上游地區面積廣闊，交通路網作為連接各縣市的樞紐有著十分重要的作用，但交通路網作為建設用地，使得林地、耕地、灌叢等綠色植被減少，導致碳匯作用降低，因此，流域上游碳匯空間特征受土地利用類型和交通路網的共同增強作用。而流域中、下游碳匯空間特征則受土地利用類型和夜間燈光交互作用影響最大。中、下游地區土地利用類型以林地為主，碳匯能力較強。但由于中、下游地區城市化程度以及經濟發展水平較高，建設用地擴大，因而碳排放量較大（Zhangetal，2018），所以流域中、下游的碳匯空間特征受土地利用類型和人類活動所造成的夜間燈光的協同增強作用。

3.2基于碳匯分布特征的閩江流域綜合治理措施

基于碳匯分布特征和驅動因素分析，要達到整體碳匯效益的提升，提出以下閩江流域綜合治理措施：

（1）促進中碳匯向高碳匯轉變。分布范圍最廣的中碳匯區是提升整體碳匯效益的重點區域。可以通過提高海拔在 500～1000m 坡度在 15^°～35^° 的陡坡林地面積，從而使部分中碳匯向高碳匯轉變。此外，還可以通過改善群落結構，加大碳匯能力較高的植被比重等方法擴大高碳匯區面積。

（2）促進低碳匯向中、高碳匯轉變。低碳匯區主要分布在城鄉邊緣，這類地區土地利用類型以耕地為主，難以進行大范圍調整，通過調整綠地覆蓋面積等方法并不適用，因此可以通過提高耕地本身的碳匯功能來促進低碳匯向中、高碳匯轉變，如減少化學肥料等易產生碳排放的農業投入、秸稈還田、調整農業種植結構，提高農作物的碳吸收貢獻等。

（3）保護高碳匯區免受人類活動干擾。高碳匯區主要位于高山森林和自然保護區內，是天然的碳匯森林，因此需要加強保護，鞏固現有的生態碳匯效益，如在大規模的高碳匯區邊界增設生態緩沖區，減輕人類活動對高碳匯區的干擾。

（4）減少碳源。人類活動帶來大量碳排放，通過對建設用地內的綠地空間布局進行調整，增加綠地覆蓋率，比如屋頂綠化、垂直綠化等，有效提升城市綠地的碳匯能力。

參考文獻

陳書濤，黃耀，鄒建文，等，2012.中國陸地生態系統土壤呼吸 的年際間變異及其對氣候變化的響應[J].中國科學：地 球科學，42（8）：1273-1281.

CHENST，HUANGY，ZOUJW，etal，2012.Interannualvariability in soil respiration from terrestrial ecosystemsin China and its response to climate change[J].Sci China EarthSci，42（8）：1273-1281.

馮益明，姚愛冬，姜麗娜，2014.CASA模型的改進及在干旱 區生態系統NPP估算中的應用[J].干旱區資源與環境， 28（8）：39-43.

FENGYM，YAO AD， JIANGL N，2014.Improving the CASA model and applying it to estimate the net primary proLand Resources and Environment， 28（8）：39-43.

郭學媛，朱建華，劉華妍，等，2022.林業活動對區域森林生物 量碳源匯格局的影響：以南平市為例[J].生態學報，42 （23）：9548-9559.

GUO X Y， ZHU JH，LIUHY，et al，2022. Effects offorestry activities on regional forest biomass carbon source and carbon sink pattern： a case study in Nanping City[J]. Acta Ecologica Sinica，42（23）：9548-9559.

江淼華，王心悅，李慧，等，2018.閩江流域城鎮化水平評價及 其空間分布特征[J].閩江學院學報，39（5）：101-108.

JIANG MH， WANG XY，LIH， et al，2018.Urbanization level evaluation and spatial distribution characteristics in Minjiang River Basin[J]. Journal of Minjiang University， 39（5）： 101-108.

賴碧海，2021.江西省近二十年碳源碳匯變化研究[D].南昌： 南昌大學.

李霞，孫睿，李遠，等，2010.北京海淀公園綠地二氧化碳通量 [J].生態學報，30（24）：6715-6725.

LI X，SUNR，LI Y， etal， 2010.Carbon dioxide fluxes on green space in Haidian Park，Beijing[J]. Acta Ecologica Sinica， 30（24）：6715-6725.

梁夢雅，羅紫璇，吳梓恒，等，2022.碳中和背景下城市生態空 間碳匯評估與生態服務管理的優先領域：以廣東省佛山 市為例[J].環境生態學，4（12）：24-30.

LIANG MY，LUO Z X， WU ZH， et al， 2022. The carbon sink assessment of urban eco-spaces and priority areas for ecosystem services management under the background of carbon neutrality： taking Foshan city as an example[J]. Environmental Ecology， 4（12）：24-30.

凌思源，高子瀅，馬闖，等，2022.基于CASA模型的天津地區 植被凈初級生產力及植被碳匯量估測[J].天津農業科 學，28（12）：69-75，81.

LING S Y， GAO Z Y， MA C， et al， 2022. Estimation of net primary productivity of vegetation and vegetation carbon sink in Tianjin area based on CASA model[J]. Tianjin Agricultural Sciences，28（12）：69-75，81.

尼亞孜海尼木·肖開提江，馬倩，包安明，等，2024.基于地理 探測器的艾比湖流域生態脆弱性評價及驅動力分析[J]. 水生態學雜志，45（6）：18-27.

NIYAZIHAINIMU·X， MA Q， BAO A M et al， 2024. Ecological vulnerability evaluation and driving force analysis of the ebinur lake basin[J]. Journal of Hydroecology， 45（6）： 18-27.

聶桐，董國濤，蔣曉輝，等，2024.基于地理探測器的省植 被NDVI時空變化及驅動力分析[J].生態學雜志，43（1）： 273-281.

NIE T. DONG G T. JIANG X H. et al. 2024. Temporal and spatial variations and driving force analysis of NDVI in Henan Province based on Geodetector[J]. Chinese Journal of Ecology， 43（1）：273-281.

王菲，曹永強，周姝含，等，2023.黃河流域生態功能區植被碳 匯估算及其氣候影響要素[J].生態學報，43（6）：2501- 2514.

WANG F， CAO YQ， ZHOU SH， et al，2023.Estimation of vegetation carbon sink in the Yellow River Basin ecological function area and analysis of its main meteorological elements[J]. Acta Ecologica Sinica， 43（6）：2501-2514.

王勁峰，徐成東，2017.地理探測器：原理與展望[J].地理學 報，72（1）：116-134.

WANG JF， XU C D，2017. Geodetector： principle and prospective[J]. Acta Geographica Sinica， 72（1）：116-134.

王軍，嚴有龍，王金滿，等，2021.閩江流域生境質量時空演變 特征與預測研究[J].生態學報，41（14）：5837-5848.

WANG J， YAN Y L，WANG JM， et al， 2021. Temporal-spatial variation characteristics and prediction of habitat quality in Min River Basin[J]. Acta Ecologica Sinica， 41（14）： 5837-5848.

汪濤，樸世龍，2023.青藏高原陸地生態系統碳匯估算：進展、 挑戰與展望[J].第四紀研究，43（2）：313-323.

WANG T，PIAO SL，2023. Estimate of terrestrial carbon balance over the Tibetan Plateau： progresses， challenges and perspectives[J]. Quaternary Sciences， 43（2）：313-323.

王振坤，董心悅，邵明，等，2023.國內外城鄉綠色空間碳匯研 究進展與展望[J].風景園林，30（2）：115-122.

WANG Z K，DONG X Y，SHAO M， et al，2023. Progress and prospects of research on carbon sink in urban and rural green spaces at home and abroad[J]. Landscape Architecture，30（2）：115-122.

魏庭陽，張晨，繆一祎，2022.省碳超載時空格局演化及 弱化路徑[J].生態學報，42（23）：9677-9688.

WEI TY， ZHANG C，MIAO Y Y，2022. Patterns and weakening paths of the spatio-temporal evolution of regional carbon overload in Fujian Province[J]. Acta Ecologica Sinica， 42（23）：9677-9688.

謝立軍，白中科，楊博宇，等，2023.碳中和背景下國內外陸地 生態系統碳匯評估方法研究進展[J].地學前緣，30（2）： 447-462.

XIE L J， BAI Z K， YANG B Y， et al，2023. Carbon sequestration assessment methods at home and abroad for terrestrial ecosystems： research progress in achieving carbon neutrality[J]. Earth Science Frontiers，30（2）：447-462.

謝薇，陳書濤，胡正華，2014.中國陸地生態系統土壤異養呼 吸變異的影響因素[J].環境科學，35（1）：334-340.

XIE W， CHEN S T， HU Z H，2014. Factors influencing the variabilitvinsoil heterotronhic resniration from terrestrial ecosystem in China[J]. Environmental Science， 35（1）：334- 340.

解憲麗，孫波，周慧珍，等，2004.中國土壤有機碳密度和儲量 的估算與空間分布分析[J].土壤學報，41（1）：35-43.

XIE X L， SUN B， ZHOU H Z， et al， 2004. Organic carbon density and storage in soils of China and spatial analysis[J]. Acta Pedologica Sinica， 41（1）：35-43.

薛雪，張金池，孫永濤，等，2016.上海常綠樹種固碳釋氧和降 溫增濕效益研究[J].南京林業大學學報（自然科學版）， 40（3）：81-86.

XUE X， ZHANG JC， SUN Y T， et al， 2016. Study of carbon seqestration amp; oxygen release and cooling amp; humidifying effect of main greening tree species in Shanghai[J].Journal of Nanjing Forestry University （Natural Sciences Edition）， 40（3）：81-86.

薛秀峰，張仕超，張煊贊，等，2023.近24a三峽水庫庫尾江津 區耕地利用碳匯及碳足跡變化[J/OL].中國農業資源與 區劃：1-13.[2023-05-12]. https：//kns.cnki.net/kcms/detail/ 11.3513.S.20230511.1805.028.html.

楊元合，石岳，孫文娟，等，2022.中國及全球陸地生態系統碳 源匯特征及其對碳中和的貢獻[J].中國科學：生命科學， 52（4）：534-574.

YANG Y H， SHI Y， SUN WJ， et al， 2022. Terrestrial carbon sinks in China and around the world and their contribution to carbon neutrality[J]. Scientia Sinica （Vitae）， 52（4）：534- 574.

袁佳雙，張永香，陳迎，等，2022.認識減緩氣候變化最新進 展科學助力碳中和[J].氣候變化研究進展，18（5）：523- 530.

YUAN JS， ZHANG Y X，CHENY， et al， 2022. Understanding the latest progress in mitigating climate change and facilitating carbon neutrality[J]. Climate Change Research， 18 （5）：523-530.

贠銀娟，趙軍，2018.基于MODIS-NDVI數據的植被碳匯空 間格局研究：以石羊河流域為例[J].山地學報，36（4）：644- 653.

YUN Y J， ZHAO J，2018.Spatial pattern of vegetation carbon sinks based on MODIS-NDVI data： a case study in Shiyang River Basin， China[J]. Mountain Research，36（4）： 644-653.

趙明月，劉源鑫，張雪艷，2022.農田生態系統碳匯研究進展 [J].生態學報，42（23）：9405-9416.

ZHAO M Y， LIU Y X， ZHANG X Y， 2022. A review of research advances on carbon sinks in farmland ecosystems [J]. Acta Ecologica Sinica，42（23）：9405-9416.

趙寧，周蕾，莊杰，等，2021.中國陸地生態系統碳源/匯整合 分析[J].生態學報，41（19）：7648-7658. analysis of the carbon sources and sinks in terrestrial ecosystems，China[J]. Acta Ecologica Sinica，41（19）： 7648-7658.

張桂蓮，邢璐琪，張浪，等，2022.城市綠地碳匯計量監測方法 研究進展[J].園林，39（1）：4-9，49.

ZHANG G L， XING L Q， ZHANG L， et al， 2022. Summary on themonitoring methodsof carbon sequestration inurban green space[J].Landscape Architecture Academic Journal， 39（1）：4-9，49.

張梅，黃賢金，揣小偉，等，2020.中國凈生態系統生產力空間 分布及變化趨勢研究[J].地理與地理信息科學，36（2）： 69-74.

ZHANG M，HUANG XJ，CHUAI X W， etal， 2020. Spatial distribution and changing trendsof net ecosystem productivity in China[J]. Geography and Geo-Information Science，36（2）：69-74.

張田，余敦，2022.基于景觀格局的鄱陽湖生態經濟區濕地時 空變化[J].水生態學雜志，43（4）：1-7.

ZHANG T，YU D， 2022.Temporal and spatial dynamics of wetland landscape patterns in the Poyang Lake eco-economic zone[J]. Journal of Hydroecology， 43（4）：1-7.

周偉，何順兵，楊晗，等，2018.基于BIOME-BGC模型的三峽 庫區不同草地群落碳源/匯的動態變化研究[J].山地學 報，36（1）：13-22.

ZHOU W，HE SB，YANGH， etal，2018.Dynamic changes of carbon source and sink in different grassland communities in Three Gorges Reservoir area based on BIOME-BGC model[J].Mountain Research，36（1）：13-22.

LI M，PENGJY，LU ZX，et al，2023.Research progresson carbon sources and sinks of farmland ecosystems[J]. Resources，Environment andSustainability，11：100099.

PIAOSL，HEY，WANGXH，etal，2022.EstimationofChina'sterrestrial ecosystem carbon sink：methods，progress and prospects[J].Science China Earth Sciences，65（4）： 641-651.

PIAOSL，HUANG MT，LIUZ，etal，2018.Lower land-use emissions responsible for increased net land carbon sink during the slow warming period[J]. Nature Geoscience， 11：739-743.

ZHANGPY，HEJJ，HONGX，etal，2018.Carbonsources/ sinksanalysisoflandusechangesin Chinabased on data envelopment analysis[J]. Journal of Cleaner Production， 204：702-711.

ZHANG A X，DENG R R，2022. Spatial-temporal evolution and influencing factors of net carbon sink efficiencyin Chinese cities under the background of carbon neutrality [J]. Journal of Cleaner Production， 365：132547.

（責任編輯熊美華）

Spatial Distribution and Drivers of the Carbon Sink in Minjiang River Basin

HU Xiaoting1， SHI Zhiyong1， CHENG Fei23， XIE Huili1， WU Yanfang4，LIU Xingzhao1，3

（1. College of Landscape Architecture and Art， Fujian Agriculture and Forestry University， Fuzhou 350o02， P.R. China; 2. Center of Cultivated Land Protection of Fujian Province， Fuzhou 350013， P.R. China; 3.Technology Innovation Center for Monitoring and Restoration of Ecological Fragile Areas in Southeast China，Ministry of Natural Resources， Fuzhou 35o013，P.R. China; 4.Palm Eco-Town Development Co.， Ltd.， Zhengzhou 450o0o， P.R. China）

Abstract： In this study，the Minjiang River basin was selected for research，and the vegetative carbon sink in the basin was calculated to estimate net primary production （NPP） using the modified CASA （Carnegie-Ames-Stanford Approach） model and a soil microbial respiration model. Input data for the model came from multiple sources for the basin in 2O20，including data on meteorology，land use，soil organic carbon， elevation （DEM） and socioeconomics. The carbon source regions were then classified as low， medium and high carbon sink regions based on model results.The spatial distribution of carbon sources and sinks in the basin，and the driving factors aecting their distribution were discussed. Our objective was to provide a theoretical basis for improving the benefits of the carbon sink.Results show that： （1） The net vegetation productivity （P_NE） ）in the Minjiang River basin generally provided a medium or high carbon sink.The medium carbon sink area was the most widely and evenly distributed in the basin. The high carbon sink area was primarily distributed in the southeast and river valley regions.The low carbon sink area was primarily distributed along the water， trafic networks and in the peripheral areas of cities and counties. Carbon source areas were scatered in the central urban areas of each city and county. （2） Carbon source area decreased with increasing altitude，and the proportion of high carbon sink area increased initially and then decreased with altitude. Carbon sequestration varied markedly with land use， with the high carbon sink area concentrated primarily in forest land，and the carbon source area mainly concentrated in water，bare land and construction land.（3） Land use type was the main driver of carbon sink spatial distribution in the Minjiang River basin and its upper and middle reaches，while human activity was the main driver in the lower reaches of the basin. The interactive explanatory power of any two factors was clearly greater than any single factor.Among factors，the synergistic effect of natural and socioeconomic factors had the strongest influence on the spatial distribution of the carbon sink in Minjiang River basin.

Key words： carbon sink; CASA model; normalized differential vegetation index （NDVI）; net ecosystem productivity （P_NE） ;Minjiang River basin