环境科学  2025, Vol. 46 Issue (5): 2976-2986   PDF    
引用本文
刘星根, 丘靖锋, 曾金凤, 吴则禹. 东江源碳储量与面源污染负荷权衡关系及影响因素分析[J]. 环境科学, 2025, 46(5): 2976-2986.
LIU Xing-gen, QIU Jing-feng, ZENG Jin-feng, WU Ze-yu. Analysis on the Trade-off Relationship between Carbon Storage and Non-point Source Pollution Load and Its Influencing Factors in the Dongjiang River Source Basin[J]. Environmental Science, 2025, 46(5): 2976-2986.
东江源碳储量与面源污染负荷权衡关系及影响因素分析
刘星根1,2, 丘靖锋1, 曾金凤1,3, 吴则禹1     
1. 江西理工大学土木与测绘工程学院, 赣州 341000;
2. 河流源头水生态保护江西省重点实验室, 赣州 341000;
3. 赣江上游水文水资源监测中心, 赣州 341000
收稿日期: 2024-04-11; 修订日期: 2024-07-02
基金项目: 江西省自然科学基金项目（20232BAB213056）；国家自然科学基金项目（42207087）
作者简介: 刘星根（1990~）, 男, 博士, 硕士生导师, 主要研究方向为生态水文与服务, E-mail：liuxinggen@jxust.edu.cn
摘要: 自然界为人类提供多种生态系统功能服务, 而高强度人类活动导致流域污染负荷增加, 揭示流域碳储量与污染负荷关系有利于理解区域生态系统服务机制, 为生态文明建设提供科技支撑. 以东江源流域为研究区, 基于卫星遥感解译、生态系统服务评估模型和流域污染负荷估算模型, 分析碳储量与面源污染负荷的组成结构和空间特征, 研究了两者权衡协同关系及影响因素. 结果表明：①林地、耕地和果园地是东江源流域主要的土地利用类型, 占比依次为74.7%、12.0%和9.7%；②东江源单位面积碳储量为140~180 t·hm-2, 空间上呈现热点广布和冷点镶嵌格局；③污染负荷呈现天九-菖蒲-文峰-镇岗为高值区和三百山-三标-桂竹帽为低值区的镶嵌分布格局, 畜禽养殖污染排放是面源污染的主要来源之一；④污染负荷与碳储量呈现协同-权衡的复杂关系；⑤两者均受自然条件和社会经济条件共同影响, 碳储量受土地利用、归一化植被指数和人口的影响更为明显, 而污染负荷主要受国内生产总值、气温和降水等制约. 研究结果可为识别减污固碳的优先地区和区域高质量发展提供科技支撑.
关键词: 碳储量      面源污染负荷      权衡关系      东江源流域      生态系统服务     
Analysis on the Trade-off Relationship between Carbon Storage and Non-point Source Pollution Load and Its Influencing Factors in the Dongjiang River Source Basin
LIU Xing-gen1,2 , QIU Jing-feng1 , ZENG Jin-feng1,3 , WU Ze-yu1     
1. School of Civil and Surveying & Mapping Engineering, Jiangxi University of Science and Technology, Ganzhou 341000, China;
2. Jiangxi Province Key Laboratory of Water Ecological Conservation in Headwater Regions, Ganzhou 341000, China;
3. Hydrology and Water Resources Monitoring Center in the Upper Ganjiang River, Ganzhou 341000, China
Abstract: Revealing the relationship between carbon storage and pollution load is conducive to understanding the mechanism of regional ecosystem service. The carbon storage and pollution load of Dongjiang River Source Basin were analyzed using the ecosystem service assessment and pollution load assessment model. Land use was obtained using a supervised classification method based on a Landsat 8 image in 2018. The InVEST model and carbon density data from literature survey were used to evaluate the carbon storage of Dongjiang River Source Basin. The non-point source pollution load was estimated by the Johnes coefficient model. Regression analysis and redundancy analysis were used to explore the trade-offs and influencing factors between carbon storage and pollution load. The results showed that forest land, cultivated land, and orchard land were the main land use types in the Dongjiang River Source Basin, accounting for 74.7%, 12.0%, and 9.7%, respectively. The carbon storage of the Dongjiang River Basin was 140-180 t·hm-2, showing a pattern of a wide distribution of hot spots and mosaic of cold spots in space. The pollution load showed a mosaic distribution pattern with the high value area including Tianjiu, Changpu, Wenfeng, and Zhengang and the low value area including Sanbaishan, Sanbiao, and Guizhumao. The pollution discharge of livestock and poultry breeding was one of the main sources of non-point source pollution. Regressive analysis showed the complex relationship between pollution load and carbon storage of Dongjiang River Source Basin. Redundancy analysis showed that both were affected by natural conditions and socio-economic conditions, in which carbon storage was affected more significantly by land use, NDVI, and population and pollution load was affected more significantly by GDP, temperature, and precipitation. The results emphasize the use of ecosystem services trade-off collaborative analysis to identify priority areas for pollution reduction and carbon sequestration.
Key words: carbon storage      non-point source pollution load      trade-off relationship      Dongjiang River Source Basin      ecosystem service     

陆地生态系统碳循环在减缓大气CO2浓度上升以及全球变暖方面有着不可替代的作用[1~3]. 考虑到陆地生态系统碳汇对全球碳汇的贡献率达30%[4~6], 研究陆地生态系统碳储量对减缓区域气候变化和实现区域绿色可持续发展具有重要意义. InVEST模型（integrated valuation of ecosystem services and tradeoffs tool）因其原理清晰、计算简便和参数容易获取等特点, 广泛应用于国家和区域尺度生态系统服务估算[7~9], 为区域碳储量快速评估提供了便利条件.

然而有研究表明高强度人类活动对流域生态系统碳储量有显著的抑制作用[4, 10], 更为重要的是, 人类活动在社会经济发展过程中带来污水和废水, 给流域水环境造成不同程度的影响. 污染负荷评估是了解流域污染时空格局、识别污染优先控制单元以及制定水环境政策的重要手段. 目前, 污染负荷评估方法主要有清单法[11]、输出系数法[12, 13]、排污系数法[14]、模型模拟法[15]和径流分割法[16]等. 输出系数法由于其原理简单、参数较少又具有一定精度等特点, 被许多研究人员和管理部门用于估算流域面源污染的年负荷量[17, 18], 为缺乏水文水质监测资料地区的污染负荷评估提供了科学工具.

当人们受益某一种或几种生态系统服务时, 会有意或无意对其他生态系统服务的提供产生影响, 进而导致了生态系统服务的权衡与协调问题[19, 20]. 大多学者通过生态系统服务的变化作为中间变量分析权衡或协同关系, 包括统计学方法和空间分析法[21~24]. Shi等[25]研究发现新疆伊犁河碳储量与营养物存在显著的负相关, 认为地上生物量是土壤碳的重要来源, 凋落物转化为土壤碳具有一定的周转速率, 导致碳储量和营养物的时间差. 但是河源区碳储量与污染物的权衡协同是否存在显著相关关系, 依旧缺乏普遍共识.

东江源是珠江三大水系之一——东江的源头区域, 流域面积3 524 km2. 东江为中国香港和广东深圳地区约4 000万居民提供生活和生产用水, 被誉为生命水、政治水和经济水. 东江源流域的寻乌、定南和安远这3县人口达84万, 脐橙种植面积2.3万hm2[26], 其中定南县是江西省重要的优质生猪供港基地. 有研究显示农业面源污染和畜禽养殖对东江源水环境带来巨大压力, 叠加离子吸附型稀土矿开采等因素, 导致部分河段氨氮（NH4+-N）污染严重[27, 28], 给源区水安全和生态文明建设带来严重威胁. 十八大以来, 江西省和广东省实施了三轮东江流域上下游横向生态补偿, 生态文明建设取得一定成效, 区域固碳能力得到进一步提升[29, 30]. 然而, 对于增加东江源碳储量是否有利于减少区域污染负荷尚缺乏科学认识, 严重阻碍东江源生态文明建设和绿色可持续发展. 研究生态系统碳储量与区域污染负荷关系有利于揭示河源区生态系统服务机制, 理清区域生态文明建设方向.

因此, 论文以东江源流域为例, 通过InVEST模型固碳评估、Johnes输出系数法污染负荷评估以及回归分析研究碳储量与污染负荷的权衡协同关系, 结合冗余分析探究自然地理、社会经济以及土地利用类型等因素的影响, 揭示东江源碳储量与污染负荷关系, 以期为东江源流域生态环境治理和高质量发展提供科技支撑.

1 材料与方法 1.1 研究区概况

东江源是指东江水系上游江西省部分（图 1）. 东江是珠江流域四大水系之一, 发源于江西省赣州市境内的寻乌县桠髻钵山, 源区包括江西省赣州市境内的寻乌、安远、定南3县及龙南市的汶龙镇、南亨乡和会昌县清溪乡, 地理位置在114°50′~115°50′E、24°30′~25°10′N, 流域面积3 524 km2, 占东江全流域面积的13.3%. 东江源有寻乌水和定南水两条主要支流. 寻乌水经斗晏往南进入广东省龙川县枫树坝水库, 定南水在广东省龙川县合河坝与寻乌水汇合后始称东江. 东江源年均径流量30.2亿m3, 占东江年均径流量的10.4%. 受亚热带季风的影响, 流域降雨量较丰富, 但季节变化明显. 研究区以低山和丘陵为主, 地势呈现东部、北部、西部高和南侧低的特征. 红壤分布广泛, 土地的肥力较好, 种植了大量脐橙和百香果等. 根据江西省赣州市果业局统计, 赣南地区脐橙年产量世界第三, 是全国最大的脐橙主产区, 其中寻乌和安远县是具有代表性的赣南脐橙主产区. 另外, 畜禽养殖业是定南县重点发展产业, 2021年定南县生猪出栏61万头和存栏41万头, 寻乌县生猪出栏14万头和存栏7万头[31, 32].

图 1 研究区概况 Fig. 1 Study area

1.2 研究数据

本研究使用的数据主要包括三大类：遥感影像、污染负荷估算数据和影响因子数据. 遥感影像用于土地利用类型解译, 进一步用于分析研究区土地利用结构和InVEST模型碳储量估算. 污染负荷估算数据包括东江源流域各乡镇的人口和牲畜数量、水产养殖产量、农作物播种面积和果园地面积等, 主要用于面源污染负荷估算[33]. 为了揭示第一轮横向生态补偿背景下东江源流域碳储量与污染负荷关系, 遥感影像和污染负荷估算数据的时间均采用2018年. 影响因子数据主要包括气温、降水、人口密度、距离高速公路距离和距离省道距离等, 用于分析碳储量与污染负荷的影响因素. 影响因子数据见表 1.

表 1 碳储量和污染负荷影响因子数据 Table 1 Influence factors of carbon storage and pollution load

1.3 研究方法 1.3.1 土地利用遥感解译

从USGS（https://earthexplorer.usgs.gov/）获取Landsat 8 OCL传感器的T1级产品, 选取云量较少的10月期间的影像, 经过筛选后的影像ID为LC08_L1TP_121043_20181003_20200830_02_T1. 影像经过预处理后用于土地利用解译. 由于USGS提供的Landsat T1级产品经过了几何校正, 因此不再进行几何校正. 预处理步骤主要包括剪裁、辐射定标和大气校正. 为了提高土地利用解译精度, 将Landsat 8波段1至波段7（空间分辨率30 m）与全色波段（空间分辨率15 m）进行图像融合. 借鉴前人在东江源土地覆盖遥感解译研究结果[34, 35], 本文选取NDVI、DEM和波段1至波段7进行波段合成, 制作9波段15 m空间分辨率的遥感影像. 由于监督分类在土地利用解译方面具有解译效果较好和目标地物明确等优势, 本文采用ENVI 5.3软件进行土地利用解译监督分类. 结合前人研究[35]和东江源流域特征, 将土地利用划分为林地、耕地、果园地、建设用地、裸地和水域这六大类别, 各土地利用类型的影像特征见表 2.

表 2 土地利用分类解译标志 Table 2 Land use classification interpretation signs

通过人工勾绘各土地利用类型的感兴趣区, 计算感兴趣区的分离性, 将分离性小于1.8的感兴趣区进行修改[34], 最终得到用于监督分类的样本. 本文采用最大似然法进行监督分类, 然后采用Majority分析进行分类后处理. 为了检验土地利用解译精度, 本文采用随机生成的100个样本和野外调查75个样本, 在同期（2018年）的Google Earth高清影像识别检验样本的地物类型, 总共形成175个检验样本, 其中林地77个、耕地26个、果园地18个、建设用地16个、裸地19个和水域19个. 结果显示, 土地利用解译的总体精度为93.98%, Kappa系数为0.92, 表明本文基于多波段合成影像的监督分类方法可应用于东江源流域的土地利用解译.

1.3.2 InVEST模型估算碳储量

InVEST模型由美国斯坦福大学、大自然保护协会和世界自然基金会联合开发, 主要用于生态系统服务功能与经济价值评估、生态系统管理和决策支持等. Carbon模块基于土地利用与覆被类型和碳密度数据, 从地上生物碳储量、地下生物碳储量、土壤碳储量和死亡有机质碳储量（或枯落物碳储量）这4个方面评估流域碳储量. 流域碳储量的计算公式如下：

(1)

式中, Ctotal为流域总碳储量（t·hm-2）；Cabove为地上部分碳储量（t·hm-2）；Cbelow为地下部分碳储量（t·hm-2）；Csoil为土壤碳储量（t·hm-2）, Cdead为死亡有机质碳储量（t·hm-2）. 参考前人研究方法, 碳密度数据从相关研究中得到[29]. 在选取已有研究时尽可能选择以我国南方, 特别是以东南区域为研究区的文献数据, 重点参考江西周边省份的碳密度数据, 基于均值得到不同土地利用类型的碳密度[29]（表 3）.

表 3 东江源流域各土地类型碳密度/t·hm-2 Table 3 Carbon density of different types in Dongjiang River Source Basin/t·hm-2

1.3.3 乡镇污染负荷估算

乡镇污染负荷估算采用Johnes输出系数法[18, 36]. 根据研究区特点, 面源污染主要包括生活污染和种植业污染、水产污染和畜禽养殖污染等农业污染. 污染负荷计算公式为：

(2)

式中, L为污染负荷（kg）, Ei为第i类污染物输出系数（kg·km-2）, Ai为第i类土地利用类型的面积（km2）或第i种禽畜、水产数量（头或只）、人口数量（人）；Ii为单位面积或每头（只）禽畜粪便、生活污染的第i种污染源污染物量（kg）；P为大气沉降输入的污染物的量, 本次研究忽略空气沉降输出的污染物量. 污染物输出系数采用曾金凤等[33]研究成果, 依据《第二次全国污染源普查生活污染源产排污系数手册》（试用版）以及2021年生态环境部发布的《排放源统计调查产排污核算方法和系数手册》等, 结合东江源流域自然地理和社会经济活动状况确定污染物输出系数, 具体成果参考文献[33]. 东江源安远县和寻乌县是脐橙种植的集中区, 果园地导致的面源污染是污染负荷的重要组成, 综合考虑果园地种植结构和已有研究基础[33], 果园地的污染输出系数分别取830 kg·km-2（NH4+-N）、769 kg·km-2 [总氮（TN）]和560 kg·km-2[总磷（TP）].

1.3.4 碳储量与污染负荷权衡和影响因素分析

为探究碳储量和污染负荷的权衡协同关系, 使用回归分析和相关分析研究两者的相互关系. 相关系数计算式如下：

(3)

式中, Pi为Xi位于序列{（Xi）}中第k个位置Xi的秩；Qi为Yi对应的秩次, n为序列Xi的个数. Rs为正, 说明两生态系统服务间存在协同关系；Rs为负, 说明两生态系统服务间存在权衡关系；Rs不显著或趋于0则表示两种生态系统服务间不相关.

冗余分析（RDA）是一种典范排序分析, 用于响应变量与解释变量矩阵之间的主成分分析, 并通过统计检验反映响应变量与解释变量之间的显著性. 本文采用Canoco 5.0软件分析碳储量和污染负荷的影响因素. 利用二维排序图分析影响因子对碳储量和污染负荷的解释关系, 箭头长度反映影响因子对目标变量的解释力度, 长度越长表示解释度越强. 响应变量箭头方向与影响因子指标箭头方向夹角小于90°时, 表示两者呈正相关, 夹角大于90°时, 则呈负相关, 若夹角接近或等于90°, 说明两者关系较弱[28].

根据碳储量与污染负荷的相互关系以及驱动因子的可量化性、时效性和差异性原则[29], 从自然环境、社会经济和交通可达性3个方面选取了15个指标作为驱动因子, 包括自然环境类5个指标：温度（WD）、降水（JS）、高程（DEM）、坡度（PD）和归一化植被指数（NDVI）, 社会经济类6个指标：人口（RK）、国内生产总值（GDP）、林地面积（LD）、耕地面积（GD）、果园地面积（GYD）和建设用地面积（JSYD）, 交通可达性类4个指标：到一级道路距离（YJDL）、到县政府驻地距离（XZF）、到高速公路距离（GS）和到省道距离（SD）.

2 结果与分析 2.1 土地利用结构与碳储量空间格局

研究区的土地利用如图 2所示. 流域尺度上, 林地是东江源流域最主要的土地利用类型, 占比为74.7%；其次为耕地, 占比为12.0%；果园地也是主要的土地利用类型之一, 面积334.7 km2, 占比为9.7%. 各乡镇土地利用类型比例如图 2. 总体上, 大部分乡镇的土地利用仍然是以林地为主, 林地占比超过50%的乡镇有26个, 占东江源流域的92%；尤其是地势较高的中北部的2个乡镇（欣山镇和桂竹帽镇）, 林地占比达到95%. 耕地是大部分乡镇的另一个主要用地类型, 有超过一半的乡镇的耕地占比超过10%, 3个乡镇的耕地占比达到20%, 耕地占比最大的乡镇为南桥镇, 位于东江源流域的东南部, 耕地占比达到31.5%. 大部分乡镇的建设用地比例小于5%, 除了历市镇和长宁镇, 它们是定南县城和寻乌县城城区所在地, 建设用地占比分别为5.5%和21.3%. 果园地也是部分乡镇的主要用地类型之一, 13个乡镇的果园地比例超过10%, 主要分布在寻乌县的南部（南桥镇、留车镇）、中部（文峰乡）、北部（澄江镇）、定南县的北部（镇岗乡和孔田镇）和安远县的三百山镇. 由于位于江河源区, 各乡镇的水体占比比较小, 大部分乡镇水体占比低于1%.

图 2 东江源流域土地利用类型 Fig. 2 Land use types in Dongjiang River Source Basin

研究区的碳储量情况如图 3（a）. 碳储量最大的区域是桂竹帽镇、文峰乡和三标乡, 分别为429万、407.7万和396.2万t, 这些乡镇位于东江源流域的中北部, 地势较高；其次是鹅公镇、留车镇和吉潭镇, 鹅公镇位于中南部, 而留车和吉潭镇位于东江源流域的东部山区；碳储量最小的是丹溪乡、项山乡和长宁镇, 仅有79.4万、62.8万和20.6万t, 其中长宁镇是寻乌县城所在地, 而后两者的区域面积较小. 就单位面积碳储量而言, 大部分乡镇单位面积碳储量在140~180 t·hm-2, 对于长宁、项山、桂竹帽、丹溪、三标和欣山, 前3个乡镇单位面积碳储量为110.8 t·hm-2, 后3个乡镇单位面积碳储量超过185 t·hm-2. 碳储量标准差的空间分布如图 3（b）. 欣山、丹溪和三标等乡镇的标准差最小, 分别为0.25、0.25和0.26 t·hm-2, 历市和长宁的标准差最大, 分别是0.83 t·hm-2和0.85 t·hm-2, 标准差较大表明该地区的土地利用类型异质性最强, 而标准差较小反映以某一种土地利用类型为主.

图 3 东江源流域乡镇碳储量 Fig. 3 Carbon storage in the Dongjiang River Source Basin

采用Getis-Ord Gi*统计指数分析碳储量的空间模式, 结果如图 4. 根据计算结果, 将东江源流域分为极显著热点区域（Z > 2.58且P < 0.01）、显著热点区域（1.96 < Z < 2.58且P < 0.05）、热点区域（1.65 < Z < 1.96且P < 0.10）、非显著点区域（-1.65 < Z < 1.65）、冷点区域（-1.96 < Z < -1.65且P < 0.10）、显著冷点区域（-2.58 < Z < -1.96且P < 0.05）和极显著冷点区域（Z < -2.58且P < 0.01）. 总体上, 碳储量呈现显著的热点广布和冷点镶嵌格局. 热点区域（包括极显著热点、显著热点和热点区）面积为2 253 km2, 占比为65.3%, 其中极显著的热点区域面积最大, 占东江源流域的54.0%, 主要分布在地势较高的中部山区, 两侧边缘山区也有连片分布, 包括三标、桂竹帽、文峰、晨光、鹅公和天九镇等地. 冷点区域（包括极显著冷点、显著冷点、冷点区）面积为885 km2, 占比为24.8%, 其中极显著的冷点区域面积占比最大, 占东江源流域的22.4%. 冷点区域以斑块形式镶嵌分布在东江源流域, 主要包括东部冷点区、西部冷点区和西南部冷点区, 东部冷点区分布在澄江、吉潭、长宁、南桥和留车等地, 西部冷点区分布在镇岗、鹤子、孔田和龙塘等地, 西南部冷点区集中分布在历市镇. 从乡镇尺度来看, 热点区域面积占比超过50%的乡镇有21个, 占总数的80%, 冷点区域面积占比超过50%的乡镇有5个, 占总数的20%, 包括孔田、历市、南桥、长宁和澄江镇.

图 4 东江源流域碳储量热点分析 Fig. 4 Hot spot analysis of carbon storage in Dongjiang River Source Basin

2.2 污染负荷总量和空间分布

采用Johnes输出系数模型估算东江源流域各乡镇的主要污染负荷, 结果如图 5. 由于COD负荷数值变化较大, 对其采用自然对数变换[图 5（a）]. COD负荷最大值为745.54 t（天九）, 其次为403.31 t（菖蒲）；COD负荷大于200 t的乡镇有6个, 大于300 t的乡镇有2个；50%乡镇的COD负荷小于100 t；各乡镇COD负荷差异较大, 最大值与最小值的比值达238. TN负荷最大值为338.15 t（天九）, 其次为231.83 t（文峰）；TN负荷大于150 t的乡镇有4个, 50%乡镇TN负荷小于100 t. TP负荷最大值为52.53 t（天九）, 其次为34.89 t（文峰）；TP负荷大于20 t的乡镇有4个, 65%乡镇TP负荷小于10 t. NH4+-N负荷最大值为141.04 t（天九）, 其次为81.50 t（菖蒲）；NH4+-N负荷大于40 t的乡镇有4个, 65%乡镇NH4+-N负荷小于20 t. 东江源流域污染负荷空间分布呈现天九-菖蒲-文峰-镇岗为高值区和三百山-三标-桂竹帽为低值区的镶嵌分布格局, 其余乡镇的污染负荷介于高值和低值之间. 天九镇位于研究区西南角, 菖蒲位于中南部, 文峰位于东北部, 镇岗位于西北部. 天九镇的4种污染负荷均为最大值, 其次为文峰或菖蒲, 二者的平均值为470 t（COD）、257 t（TN）、39 t（TP）和87 t（NH4+-N）. 三标、三百山和桂竹帽的污染负荷较小, 平均值为36 t（COD）、128 t（TN）、12 t（TP）和19 t（NH4+-N）, 仅为高值区的8%、50%、31%和22%.

图 5 东江源流域污染负荷空间分布 Fig. 5 Spatial distribution of pollution load in Dongjiang River Source Basin

畜禽养殖的污染排放是东江源流域面源污染的主要来源. 天九镇是东江源流域污染负荷最大的区域, 其畜禽养殖的污染负荷占比分别为94%（COD）、92%（TN）、94%（TP）和96%（NH4+-N）. 菖蒲乡污染负荷中畜禽养殖平均占比94%, 文峰乡污染负荷中畜禽养殖平均占比为70%. 种植业也是部分乡镇污染负荷的主要来源, 比如文峰乡污染负荷中种植业占比57%（TN）、29%（TP）和32%（NH4+-N）. 污染负荷较小的乡镇, 种植业污染排放是其最主要的氮磷污染来源, 平均占比为93%（TN）、89%（TP）和83%（NH4+-N）. 水产养殖排放的氮磷污染对东江源流域影响较小, 它是部分乡镇COD污染负荷的重要来源, 比如历市镇水产养殖的COD负荷占其总COD负荷的20%, 鹅公镇水产养殖的COD负荷占其总COD负荷的35%.

2.3 碳储量与污染负荷的权衡协同关系

为探究碳储量与污染负荷的权衡协同关系, 采用多种回归模型拟合各乡镇碳储量和污染负荷, 结果显示高斯回归模型拟合效果最佳（图 6）. 碳储量与COD、NH4+-N、TN和TP高斯回归的R2分别为0.47、0.50、0.10和0.24. 总体上看, 污染负荷与碳储量关系呈现高斯分布, 拟合曲线的对称轴对应碳储量约为256万t. 以对称轴为界, 污染负荷与碳储量呈现协同-权衡的复杂关系（表 4）. 碳储量小于256万t的乡镇占62%, 碳储量与污染负荷相关系数为0.40~0.46, 碳储量大于256万t的乡镇占38%, 碳储量与污染负荷相关系数为-0.72~-0.53. 前者呈现协同关系, 后者呈现权衡关系.

图 6 碳储量与污染负荷高斯回归拟合 Fig. 6 Gaussian regression fitting of carbon storage and pollution load

表 4 东江源乡镇碳储量和污染负荷相关系数 Table 4 Correlation coefficient of carbon storage and pollution load

碳储量-污染负荷权衡协同关系表明, 东江源流域减污降碳潜力存在显著的空间差异. 污染负荷潜力较大的乡镇主要位于高斯回归右侧区域, 它们碳储量最大, 污染负荷处于中低水平, 比如桂竹帽和三标乡等；污染负荷最大的乡镇为天九镇, 碳储量处于中等程度, 减少污染负荷的压力最大；另外, 菖蒲乡和镇岗乡碳储量处于中低水平, 污染负荷较大, 减污固碳压力较大. 大约62%乡镇的碳储和污染负荷属于协同关系, 减污固碳压力相对较小.

3 讨论 3.1 碳储量和污染负荷的影响因素分析

研究表明碳储量空间分异与年均NDVI、人类活动强度以及气象条件密切相关[37]. 东江源碳储量冗余分析结果如图 7. 东江源流域碳储量与林地、耕地、NDVI和人口相关性最强, 碳储量与前三者呈正相关, 与人口呈负相关. 林地植被覆盖度最大, 地上生物量和地下生物量累积导致其是所有地类中碳密度最高类型；与此同时, 碳储量与NDVI相关性明显[38, 39]. 耕地与果园地相比, 常年耕作形成了相对丰富的土壤有机质, 因此碳储量与耕地相关性强于果园地[40, 41]. 人口数量与碳储量呈显著的负相关, 主要原因是人口数量较多区域的植被覆盖度较低且人类活动扰动频繁, 难以形成丰富的植被生物量和土壤有机质[42, 43]. 自然条件因素如DEM、降水和气温等与东江源流域碳储量的相关性较弱, 社会经济条件和交通可达性如GDP、距高速和一级道路距离等与东江源流域碳储量的相关性也较弱, 具体的影响机制有待进一步探究.

CS表示碳储量, TN表示总氮负荷, TP表示总磷负荷, COD表示化学需氧量负荷, NH4+-N表示氨氮负荷, WD表示温度, JS表示降水, DEM表示高程, PD表示坡度, NDVI表示归一化植被指数, RK表示人口, GDP表示国内生产总值, LD表示林地面积, GD表示耕地面积, GYD表示果园地面积, JSYD表示建设用地面积, YJDL表示到一级道路距离, XZF表示到县政府驻地距离, GS表示到高速公路距离, SD表示到省道距离 图 7 碳储量和污染负荷的影响因子冗余分析 Fig. 7 Redundancy analysis of influencing factors of carbon storage and pollution load

冗余分析结果也表明, 东江源流域污染负荷与社会经济因素密切相关. TN、TP、NH4+-N和COD这4种污染负荷相关性明显, 尤其是TN和TP相关性较强. 污染负荷与GDP成显著正相关, TN和TP与建设用地呈正相关；污染负荷与距高速距离、距一级道路距离呈现负相关. 污染负荷主要来自人类生产和生活污染排放, 畜禽养殖和农业种植污染是污染负荷的主要来源, 而果业种植、畜禽养殖等是东江源流域乡镇GDP的重要组成, 共同导致东江源流域污染负荷与GDP呈显著正相关. 值得注意的是, 自然条件因素如气温、降水和高程与东江源流域污染负荷具有一定的相关性, 污染负荷与气温呈正相关, 与降水和高程呈负相关. 气温可能通过影响农业作物产量和畜禽养殖出栏量, 间接影响区域污染负荷量[44]. 地形较高的山区, 降水量较丰沛, 但不利于作物生长和畜禽养殖, 进而导致污染负荷与两者呈负相关.

以上分析表明, 碳储量与污染负荷的主要影响因素略有差异. 总体上, 两者均受自然条件和社会经济条件共同影响. 碳储量受土地利用、NDVI和人口的影响更为明显, 而污染负荷主要受GDP、气温和降水等制约. 冗余分析表明碳储量与污染负荷相关性较弱, 而回归分析发现两者呈现复杂的权衡协同关系. 樊敏等[45]研究发现生态系统服务与沱江流域污染负荷总体上呈现高高、高低和低低这3种空间匹配关系. 西北干旱区伊犁河谷的碳储量与污染负荷呈现显著的负相关关系[25], 主要原因是枯枝落叶是植被生物量和土壤有机质的重要成分, 凋落物分解与氮营养物质输出具有一定时间差, 而湿润区水分可利用性更高, 时间间隔更短, 权衡关系更弱. 本文研究显示东江源流域碳储量与污染负荷也呈现权衡协同复杂关系, 与南方湿润区流域研究结果类似[25].

3.2 对东江源减污降碳协同治理政策的启示

“协同推进降碳、减污、扩绿、增长, 推进生态优先、节约集约、绿色低碳发展”是党的二十大报告作出的重要部署. 东江是粤港重要饮用水源, 东江源水资源数量和质量关系到东江中下游近4 000万人的饮水安全. 碳储量和污染负荷权衡协同关系研究发现, 天九镇、菖蒲乡和镇岗乡污染负荷较高, 而碳储量较低, 减污固碳的形势最为严峻, 是东江源流域优先治理区域. 一方面, 提高畜禽养殖污染物治理水平、控制农业面源污染是减少污染负荷的关键措施, 另一方面, 严格控制果林开垦、提高森林种植面积和密度是增加生态系统碳汇的重要方向. 本研究还发现, 东江源流域中部山区碳储量较大, 污染负荷较低, 反映长期植树造林和自然保护区管理实践对东江源固碳增汇的促进作用, 今后应该进一步加强相关区域的生态文明建设.

污染负荷既来自非点源污染, 也包括工业废水、城镇生活污水等点源污染. 本研究对2018年的碳储量和污染负荷进行评估发现, 东江源流域面源污染负荷格局呈现天九-菖蒲-文峰-镇岗为高值区和三百山-三标-桂竹帽为低值区的镶嵌分布, 而人口最为密集和GDP总量最大的县城的面源污染负荷处于中低水平. 事实上, 县城所在区域的土地利用中建设用地比例相对其他乡镇更大, 导致其碳储量较低；而工业生产污染排放、城镇生活废水排放量较大, 其点源和面源污染负荷之和相对其他乡镇更高, 可能导致其碳储量和污染负荷的权衡特征显著. 尤其是定南县的历市镇, 碳储量和面源污染负荷处于中等程度（图 6）, 若考虑点源污染负荷, 历市镇将成为减污固碳的优先区域. 本文研究未包含点源污染负荷分析, 研究结果在揭示污染负荷组成方面仍然具有一定的局限, 点源污染负荷对区域生态文明建设的影响有待进一步分析和探究.

4 结论

（1）林地、耕地和果园地是东江源流域的主要土地利用类型, 占比依次为74.7%、12.0%和9.7%；乡镇尺度上, 约有92%的乡镇林地占比超过50%, 约有50%的乡镇果园地占比超过10%. 由于中部山区的乡镇林地比例较高, 碳储量最大；平均而言单位面积碳储量为140~180 t·hm-2, 空间上呈现热点广布和冷点镶嵌格局, 热点主要分布于地势较高的中部山区.

（2）污染负荷空间分布呈现天九-菖蒲-文峰-镇岗为高值区和三百山-三标-桂竹帽为低值区的镶嵌分布格局；中部山区的乡镇污染负荷最小, 仅为高值区的8%（COD）、50%（TN）、31%（TP）和22%（NH4+-N）；畜禽养殖的污染排放是面源污染的主要来源. 污染负荷与碳储量呈现协同-权衡的复杂关系, 约有62%的乡镇碳储量与污染负荷呈现协同关系, 38%的乡镇碳储量与污染负荷呈现权衡关系.

（3）东江源流域碳储量与林地、耕地、NDVI和人口相关性最强, 碳储量与前三者呈正相关, 与人口呈负相关. 污染负荷与社会经济因素密切相关, 尤其是与GDP和建设用地等. 冗余分析和回归分析共同表明, 碳储量与污染负荷呈现复杂的权衡协同关系. 东江源流域的天九镇、菖蒲乡和镇岗乡污染负荷较高, 而碳储量较低, 减污固碳的形势最为严峻, 是东江源流域优先治理区域. 研究表明碳储量-污染负荷权衡关系分析有助于识别生态环境治理和高质量发展的重点管控区域, 为区域生态文明建设提供科学依据.

参考文献
[1] 杨元合, 石岳, 孙文娟, 等. 中国及全球陆地生态系统碳源汇特征及其对碳中和的贡献[J]. 中国科学: 生命科学, 2022, 52(4): 534-574.
Yang Y H, Shi Y, Sun W J, et al. Terrestrial carbon sinks in China and around the world and their contribution to carbon neutrality[J]. Science China Life Sciences, 2022, 52(4): 534-574.
[2] Piao S L, Zhang X P, Chen A P, et al. The impacts of climate extremes on the terrestrial carbon cycle: a review[J]. Science China Earth Sciences, 2019, 62(10): 1551-1563. DOI:10.1007/s11430-018-9363-5
[3] Ciais P, Sabine C, Bala G, et al. Carbon and other biogeochemical cycles[A]. In: Stocker T F, Qin D, Plattner G K, et al (Eds.). Climate Change2013: The Physical Science Basis. Contribution of Working Group Ⅰ to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change[M]. Cambridge: Cambridge University Press, 2013. 465-570.
[4] 王志远, 吴凡, 万鼎, 等. 多情景模拟区域土地利用变化对碳汇效应的影响—以洞庭湖生态经济区为例[J]. 中国环境科学, 2023, 43(11): 6063-6078.
Wang Z Y, Wu F, Wan D, et al. Multi-scenario simulation of the impact of regional land use change on carbon sink effect[J]. China Environmental Science, 2023, 43(11): 6063-6078. DOI:10.3969/j.issn.1000-6923.2023.11.043
[5] Friedlingstein P, Jones M W, O'sullivan M, et al. Global carbon budget 2021[J]. Earth System Science Data, 2022, 14(4): 1917-2005. DOI:10.5194/essd-14-1917-2022
[6] Nesha K, Herold M, De Sy V, et al. An assessment of data sources, data quality and changes in national forest monitoring capacities in the Global Forest Resources Assessment 2005-2020[J]. Environmental Research Letters, 2021, 16(5). DOI:10.1088/1748-9326/abd81b
[7] 朱志强, 马晓双, 胡洪. 基于耦合FLUS-InVEST模型的广州市生态系统碳储量时空演变与预测[J]. 水土保持通报, 2021, 41(2): 222-229, 239.
Zhu Z Q, Ma X S, Hu H. Spatio-temporal evolution and prediction of ecosystem carbon stocks in Guangzhou City by coupling FLUS-InVEST models[J]. Bulletin of Soil and Water Conservation, 2021, 41(2): 222-229, 239.
[8] 王蓓, 赵军, 胡秀芳. 基于InVEST模型的黑河流域生态系统服务空间格局分析[J]. 生态学杂志, 2016, 35(10): 2783-2792.
Wang B, Zhao J, Hu X F. Spatial pattern analysis of ecosystem services based on InVEST in Heihe River Basin[J]. Chinese Journal of Ecology, 2016, 35(10): 2783-2792.
[9] 朱文博, 张静静, 崔耀平, 等. 基于土地利用变化情景的生态系统碳储量评估——以太行山淇河流域为例[J]. 地理学报, 2019, 74: 3-459.
Zhu W B, Zhang J J, Cui Y P, et al. Assessment of territorial ecosystem carbon storage based on land use change scenario: a case study in Qihe River Basin[J]. Acta Geographica Sinica, 2019, 74(3): 446-459.
[10] 邹桃红, 陈鹏, 刘家福, 等. 不同土地利用情景下四平市生态系统碳储量时空演变[J]. 中国环境科学, 2023, 43(10): 5508-5518.
Zou T H, Chen P, Liu J F, et al. Spatio-temporal dynamics of territorial ecosystem carbon storage under different land use scenarios in Siping city[J]. China Environmental Science, 2023, 43(10): 5508-5518. DOI:10.3969/j.issn.1000-6923.2023.10.048
[11] 丘丽清, 吴根义, 李想, 等. 基于等标污染负荷强度的海南省农村面源污染特征研究[J]. 农业资源与环境学报, 2023, 40(1): 55-63.
Qiu L Q, Wu G Y, Li X, et al. Characteristics of agricultural non-point source pollution in Hainan rural area based on equal standard pollution load intensity[J]. Journal of Agricultural Resources and Environment, 2023, 40(1): 55-63.
[12] 李娜, 韩维峥, 沈梦楠, 等. 基于输出系数模型的水库汇水区农业面源污染负荷估算[J]. 农业工程学报, 2016, 32(8): 224-230.
Li N, Han W Z, Shen M N, et al. Load evaluation of non-point source pollutants from reservoir based on export coefficient modeling[J]. Transactions of the Chinese Society of Agricultural Engineering, 2016, 32(8): 224-230.
[13] 郝守宁, 普布次仁, 董飞. 林芝畜禽养殖粪便排放时空演变及耕地污染负荷分析[J]. 农业工程学报, 2019, 35(16): 225-232.
Hao S N, Pubu C R, Dong F. Analysis on spatial-temporal evolution of livestock manure emission and pollution load of cultivated land in Nyingchi[J]. Transactions of the Chinese Society of Agricultural Engineering, 2019, 35(16): 225-232. DOI:10.11975/j.issn.1002-6819.2019.16.025
[14] 谢经朝, 赵秀兰, 何丙辉, 等. 汉丰湖流域农业面源污染氮磷排放特征分析[J]. 环境科学, 2019, 40(4): 1760-1769.
Xie J C, Zhao X L, He B H, et al. Analysis of the characteristics of nitrogen and phosphorus emissions from agricultural non-point sources on Hanfeng Lake Basin[J]. Environmental Science, 2019, 40(4): 1760-1769.
[15] Nguyen H H, Recknagel F, Meyer W. Effects of projected urbanization and climate change on flow and nutrient loads of a Mediterranean catchment in South Australia[J]. Ecohydrology & Hydrobiology, 2019, 19(2): 279-288.
[16] 代俊峰, 全秋慧, 方荣杰, 等. 漓江流域上游非点源污染负荷估算[J]. 水利水电科技进展, 2017, 37(5): 57-63.
Dai J F, Quan Q H, Fang R J, et al. Estimation of non-point source pollution load in upstream of Lijiang River[J]. Advances in Science and Technology of Water Resources, 2017, 37(5): 57-63.
[17] 韦晓雪, 李晓琳, 郑毅. 基于输出系数模型的1998—2016年洱海流域磷素时空变化特征分析[J]. 农业环境科学学报, 2020, 39(1): 171-181.
Wei X X, Li X L, Zheng Y. Analysis of temporal and spatial variation characteristics of phosphorus in Erhai Lake Basin from 1998 to 2016 based on export coefficient model[J]. Journal of Agro-Environment Science, 2020, 39(1): 171-181.
[18] 李华林, 张守红, 于佩丹, 等. 基于改进输出系数模型的非点源污染评估及关键源区识别: 以北运河上游流域为例[J]. 环境科学, 2023, 44(11): 6194-6204.
Li H L, Zhang S H, Yu P D, et al. Estimation and critical source area identification of non-point source pollution based on improved export coefficient models: a case study of the Upper Beiyun River basin[J]. Environmental Science, 2023, 44(11): 6194-6204. DOI:10.3969/j.issn.1000-6923.2023.11.055
[19] 潘莹, 郑华, 易齐涛, 等. 流域生态系统服务簇变化及影响因素——以大清河流域为例[J]. 生态学报, 2021, 41(13): 5204-5213.
Pan Y, Zheng H, Yi Q T, et al. The change and driving factors of ecosystem service bundles: a case study of Daqing river basin[J]. Acta Ecologica Sinica, 2021, 41(13): 5204-5213.
[20] 傅伯杰, 于丹丹. 生态系统服务权衡与集成方法[J]. 资源科学, 2016, 38(1): 1-9.
Fu B J, Yu D D. Trade-off analyses and synthetic integrated method of multiple ecosystem services[J]. Resources Science, 2016, 38(1): 1-9.
[21] 王赫彬. 长白山区生态系统服务变化及权衡与协同关系研究[D]. 长春: 中国科学院大学(中国科学院东北地理与农业生态研究所), 2022.
Wang H B. Changes, trade-offs, and synergies of ecosystem services in Changbai Mountain Regions[D]. Changchun: Northeast Institute of Geography and Agroecology, Chinese Academy of Sciences, 2022.
[22] Turner K G, Anderson S, Gonzales-Chang M, et al. A review of methods, data, and models to assess changes in the value of ecosystem services from land degradation and restoration[J]. Ecological Modelling, 2016, 319: 190-207. DOI:10.1016/j.ecolmodel.2015.07.017
[23] 彭建, 胡晓旭, 赵明月, 等. 生态系统服务权衡研究进展: 从认知到决策[J]. 地理学报, 2017, 72(6): 960-973.
Peng J, Hu X X, Zhao M Y, et al. Research progress on ecosystem service trade-offs: from cognition to decision-making[J]. Acta Geographica Sinica, 2017, 72(6): 960-973.
[24] 李晶, 李红艳, 张良. 关中-天水经济区生态系统服务权衡与协同关系[J]. 生态学报, 2016, 36(10): 3053-3062.
Li J, Li H Y, Zhang L. Ecosystem service trade-offs in the Guanzhong-Tianshui economic region of China[J]. Acta Ecologica Sinica, 2016, 36(10): 3053-3062.
[25] Shi M J, Wu H Q, Fan X, et al. Trade-offs and synergies of multiple ecosystem services for different land use scenarios in the Yili River Valley, China[J]. Sustainability, 2021, 13(3). DOI:10.3390/su/3031577
[26] 赣州市统计局. 赣州统计年鉴-2023[M]. 北京: 中国统计出版社, 2023.
[27] 苟婷, 裴德富, 梁荣昌, 等. 基于输出系数法的农业面源氮磷排放特征分析[J]. 中国环境科学, 2023, 43(12): 6539-6550.
Gou T, Pei D F, Liang R C, et al. Analysis of nitrogen and phosphorus emissions from agricultural non-point sources based on improved output coefficient method[J]. China Environmental Science, 2023, 43(12): 6539-6550. DOI:10.3969/j.issn.1000-6923.2023.12.030
[28] 陈优良, 邹文敏, 刘星根, 等. 东江源流域不同空间尺度景观格局对水质影响分析[J]. 环境科学, 2022, 43(11): 5053-5063.
Chen Y L, Zou W M, Liu X G, et al. Scale effects of landscape pattern on water quality in Dongjiang river source watershed[J]. Environmental Science, 2022, 43(11): 5053-5063.
[29] 吴则禹, 刘星根, 曾金凤. 基于InVEST-PLUS模型的东江源流域碳储量时空演变与预测[J]. 环境科学学报, 2024, 44(3): 419-430.
Wu Z Y, Liu X G, Zeng J F. Spatio-temporal change and prediction of carbon storage in Dongjiang River source watershed based on InVEST-PLUS model[J]. Acta Scientiae Circumstantiae, 2024, 44(3): 419-430.
[30] 赵晓慧, 朱明畅, 雷军成, 等. 东江源区生态系统服务价值时空变化及驱动力研究[J]. 水生态学杂志, 2023, 44(2): 26-33.
Zhao X H, Zhu M C, Lei J C, et al. Spatio-temporal changes and driving forces of ecosystem service value in the headwater region of Dongjiang River[J]. Journal of Hydroecology, 2023, 44(2): 26-33.
[31] 定南县统计局. 定南县2021年国民经济和社会发展统计公报[R]. 赣州: 定南县统计局, 2022.
[32] 寻乌县统计局. 寻乌县2021年国民经济和社会发展统计公报[R]. 赣州: 寻乌县统计局, 2022.
[33] 曾金凤, 潘红, 张立楠, 等. 东江源头典型山区小流域农业面源污染解析——以定南县东江流域为例[J]. 人民珠江, 2023, 44(4): 1-9.
Zeng J F, Pan H, Zhang L N, et al. Analysis of agricultural non-point source pollution in a small watershed in typical mountainous areas at Dongjiang headwaters—taking the Dongjiang Watershed in Dingnan County as an example[J]. Pearl River, 2023, 44(4): 1-9.
[34] 吴倩雯, 况润元, 张刚华, 等. 东江源稀土矿区土地利用变化遥感监测研究[J]. 测绘科学, 2019, 44(3): 51-56.
Wu Q W, Kuang R Y, Zhang G H, et al. Remote sensing monitoring of land-use change in rare earth mining area in the source region of Dongjiang River[J]. Science of Surveying and Mapping, 2019, 44(3): 51-56.
[35] 李恒凯, 王利娟, 肖松松. 基于多源数据的南方丘陵山地土地利用随机森林分类[J]. 农业工程学报, 2021, 37(7): 244-251.
Li H K, Wang L J, Xiao S S. Random forest classification of land use in hilly and mountaineous areas of southern China using multi-source remote sensing data[J]. Transactions of the Chinese Society of Agricultural Engineering, 2021, 37(7): 244-251.
[36] Johnes P J. Evaluation and management of the impact of land use change on the nitrogen and phosphorus load delivered to surface waters: the export coefficient modelling approach[J]. Journal of Hydrology, 1996, 183(3-4): 323-349. DOI:10.1016/0022-1694(95)02951-6
[37] 韩玉, 丁素婷, 杨太保. 山西南部中条山生态系统碳储量时空分布及驱动因素[J]. 中国环境科学, 2023, 43(3): 1298-1306.
Han Y, Ding S T, Yang T B. Spatial and temporal distribution and driving factors of carbon storage in Zhongtiao Mountain ecosystem in southern Shanxi Province[J]. China Environmental Science, 2023, 43(3): 1298-1306. DOI:10.3969/j.issn.1000-6923.2023.03.031
[38] 贺一聪, 陶贞, 梁誉正, 等. 粤东北山地生态系统植被及其碳储量时空变化[J]. 中山大学学报(自然科学版)(中英文), 2024, 63(3): 1-11.
He Y C, Tao Z, Liang Y Z, et al. Spatiotemporal variations in vegetation and carbon storage of mountainous ecosystems in northeastern Guangdong Province[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2024, 63(3): 1-11.
[39] 王昭生. 1982~2020年NDVI数据驱动随机森林模型模拟中国森林凋落物碳密度的研究[J]. 遥感技术与应用, 2023, 38(6): 1381-1389.
Wang Z S. NDVI-driven model of random forest to simulate forest litter carbon density over China during 1982-2020[J]. Remote Sensing Technology and Application, 2023, 38(6): 1381-1389.
[40] 宁一泓, 王海燕, 侯文宁, 等. 重庆笋溪河流域土壤有机碳特征及影响因素[J]. 森林与环境学报, 2022, 42(5): 552-560.
Ning Y H, Wang H Y, Hou W N, et al. Characteristics and influencing factors of soil organic carbon in the Sunxi River Basin, Chongqing[J]. Journal of Forest and Environment, 2022, 42(5): 552-560.
[41] 周萌, 梁志鹏, 邹天祥, 等. 红层区耕地土壤有机碳储量估算与固碳潜力分析[J]. 中山大学学报(自然科学版)(中英文), 2024, 63(3): 12-20.
Zhou M, Liang Z P, Zou T X, et al. Estimation of organic carbon storage and carbon sequestration potential of cultivated soil in red beds area[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2024, 63(3): 12-20.
[42] 张梅, 杨雨霏, 黄贤金, 等. 新常态下中国城镇建设用地扩张演变的碳效应及其驱动因素研究[J]. 长江流域资源与环境, 2023, 32(10): 2212-2224.
Zhang M, Yang Y F, Huang X J, et al. Carbon effects and driving factors of urban construction land expansion in China under the new normal[J]. Resources and Environment in the Yangtze Basin, 2023, 32(10): 2212-2224.
[43] 崔写, 董燕, 张露尹, 等. 基于SSP-RCP情景的黄土高原土地变化模拟及草原碳储量[J]. 环境科学, 2024, 45(5): 2817-2827.
Cui X, Dong Y, Zhang L Y, et al. Land change simulation and grassland carbon storage in the Loess Plateau based on SSP-RCP scenarios[J]. Environmental Science, 2024, 45(5): 2817-2827.
[44] 赵彦茜, 肖登攀, 唐建昭, 等. 气候变化对我国主要粮食作物产量的影响及适应措施[J]. 水土保持研究, 2019, 26(6): 317-326.
Zhao Y X, Xiao D P, Tang J Z, et al. Effects of climate change on the yield of major grain crops and its adaptation measures in China[J]. Research of Soil and Water Conservation, 2019, 26(6): 317-326.
[45] 樊敏, 肖宇婷, 姚婧, 等. 沱江流域污染负荷与生态系统服务价值空间关系解析研究[J]. 长江流域资源与环境, 2022, 31(6): 1354-1369.
Fan M, Xiao Y T, Yao J, et al. Spatial relationships between pollution loads and ecosystem services values in the Tuojiang River Watershed[J]. Resources and Environment in the Yangtze Basin, 2022, 31(6): 1354-1369.
东江源碳储量与面源污染负荷权衡关系及影响因素分析
刘星根, 丘靖锋, 曾金凤, 吴则禹