2025, Vol. 46
2. 中国科学院遗传与发育生物学研究所农业资源研究中心，石家庄 050021
2. Center for Agricultural Resources Research, Institute of Genetics and Developmental Biology, Chinese Academy of Sciences, Shijiazhuang 050021, China
联合国政府间气候变化专门委员会（IPCC）第六次评估报告称气候变化正在普遍、迅速地加剧[1]. 大气中二氧化碳（CO2）浓度的增加是气候变化和全球变暖的主要原因[2]，CO2浓度与气候变化之间的关系已经成为一个非常关键的科学问题. 大气CO2的异常增加对生态系统，包括生态系统生产力、地上和地下生物量分配以及微生物种群[3]产生了不利影响. 碳中和是指通过碳汇利用和封存CO2以此来抵消排放，实现相对“零排放”，这是缓解全球气候变化的必要途径. 作为地球表层系统中重要的碳库，陆地生态系统具有巨大的气候调节等生态系统服务能力，是全球碳循环的重要组成部分，在过去50 a中，陆地生态系统吸收了近25%~30%人为排放的CO2[4]，通过土壤和植被固定大气中的CO2，降低CO2的浓度，减缓气候变暖趋势[5，6].
燕山-太行山作为华北地区重要的生态安全屏障，生态系统服务具有明显的垂直分异特征[7]. 近年来由于支撑京津冀特大城市群高质量发展，区域内土地利用发生了很大的变化[8]，进而导致区域碳通量和气候调节功能发生了改变，燕山-太行山生态系统在中和本区域的碳排放后，还能够剩下多少碳量，这些碳量能够用来中和周围多大区域的碳排放，在此之中是否能够产生收益. 这些问题的研究具有理论和现实意义.
目前关于碳中和的文献：一类从人类活动角度出发干预人类活动和采用相应技术措施来调整碳排放；一类从自然角度出发侧重碳吸收的自然解决方案. 自然解决方案越来越受到关注，有研究评估了生态系统固碳的可行性和发展状况. 例如，Chen等[9]发现，自2010年以来，中国生态修复过程中的植被固碳现象逐渐凸显. 刘祥宏等[10]针对土壤碳汇和植被碳汇提出煤矿区生态碳汇功能提升方法和碳汇损失防控措施. Sperow[11]估计，美国农业用地的潜在土壤碳封存率正在增加. 在实现碳中和的过程中，将碳货币化是量化陆地生态系统生态价值的直接措施，现有研究多基于欧盟碳交易市场的交易数据[12]、碳税法[13]和植树造林成本法[14]等对各种生态系统的固碳价值进行了评估，并不能从传统的生产角度和碳生态的角度反映经济价值.
对于固碳量的测算方法可分为直接和间接方法. 其中，间接方法受时间、空间限制较小，可以进行长期分析，在此选择净生态系统生产力（net ecosystem productivity，NEP）作为生态系统碳吸收来进行固碳量的测算. NEP代表了净初级生产力（net primary productivity NPP）和土壤微生物呼吸量（heterotrophic respiration，Rh）之间的差异，是生态系统碳封存能力的直接评估指标[15]. 该指标为生态系统的净碳积累，对于确定生态系统是作为碳源还是碳汇发挥作用至关重要，NEP < 0生态系统表现为碳源，反之则为碳汇[16]. 评估NEP是了解生态系统碳中和的有效途径[17]. 遥感、建模和监测技术帮助研究人员更好地了解环境变化如何影响生态系统碳通量，成为碳研究的重要方向，对于制定有效的全球变暖缓解战略具有重大意义[18]. 近年对NEP多为区域碳源碳汇[19]、碳盈亏的时空分布[20，21]和影响因素的识别[22]. 对碳的研究多涉及到碳储量[23]、碳排放量[24]和固碳量[25]，甚少涉及到生态系统碳吸收服务范围的研究；从研究区域来看，多为西北部[26]和南部[27，28]，华北地区很少涉及，范围多集中在行政区划上[29]，缺乏对生态尺度的研究，特别是覆盖较广的山区.
因此，本文以燕山-太行山为研究对象，借助遥感数据和气象数据计算NEP；通过夜间灯光数据和碳排放拟合的方法，计算燕山-太行山碳吸收量和排放量，进而探讨燕山-太行山生态系统的固碳能力，最后结合CO2扩散系数计算燕山-太行山的固碳服务范围，评估其经济价值，本研究结果对促进燕山-太行山及周边地区实行碳交易和实现“双碳”目标具有重要意义.
1 材料与方法 1.1 研究区及数据 1.1.1 研究区概况燕山-太行山脉位于中国东部（110°14′~119°50′E，34°34′~42°10′N，图 1），总面积约24万km2. 山脉西南-东北绵延1 000多km，最高海拔（3 061 m），为典型的暖温带大陆性季风气侯，平均气温为11.4℃，年平均降水量为456.5 mm. 降雨量表现出高度的季节变化，7月降水量最高，12月最低. 燕山-太行山脉是黄土高原与华北平原之间的过渡地带，是京津冀国家战略经济圈的生态屏障和水源涵养区.
|
图 1 燕山-太行山脉位置、海拔及土地利用覆被类型格局 Fig. 1 Location, elevation, and land use cover type patterns in the Yanshan-Taihang Mountains |
本文使用的数据包括NPP数据、气温、降水、夜间灯光数据、土地利用数据和经济能源消费数据等，时间范围为2000~2021年，时间分辨率为1 a. 其中，气温、降水、土地利用数据来源于国家青藏高原科学数据中心（https://data.tpdc.ac.cn/）；NPP数据来源于美国国家航空航天局在LAADS DAAC（https://ladsweb.modaps.eosdis.nasa.gov/）发布的MODIS卫星数据（MOD17A3HGF），分辨率为500 m，2000~2010年DMSP/OIL夜间灯光数据来源于NOAA网站NGDC数据中心（https://www.ngdc.noaa.gov/eog/download.html），数据空间分辨率为30″，灰度范围为0~63；2010~2021年NPP-VIIRS夜间灯光数据来源于地球观测组（https://eogdata.mines.edu/products/vnl/），数据空间分辨率为15″，灰度范围为0~473；经济能源消费数据来源于历年中国统计年鉴.
对上述数据进行融合、裁剪和设定一致的投影坐标系统等空间标准化过程，确保覆盖范围到同步标准. 对其像元值进行矫正处理，使其在有效范围内，将空间分辨率统一设定为1 000 m×1 000 m，栅格矩阵维度为1 079行，1 015列，确保其空间精度达到同步标准.
1.2 研究方法 1.2.1 净生态系统生产力NEP是生态系统碳循环的重要参数，反映了生态系统内的碳平衡[30]. 土壤微生物呼吸量是指土壤微生物和细菌将土壤中的有机物矿化并释放CO2进入大气层的过程. 呼吸的量取决于微生物的数量和质量，土壤中基质的质量和有效性. 先前的研究根据土壤微生物呼吸量与土壤呼吸的关系来估计土壤微生物呼吸量，利用降水、气温和土壤有机碳作为主要影响参数[31]. 该计算模型非常复杂，需要大量数据，并且在拟合时表现出相当大的不确定性，在此采用一种在中国生态系统中成功应用和验证的评估区域内植被NEP的方法[32]，具体计算公式如下：
|
(1) |
|
(2) |
式中，Rh为土壤微生物呼吸量；Tem为气温，单位：℃；Pre为降水量，单位：mm.
1.2.2 固碳量计算碳吸收量采用净生态系统生产力进行估算，计算公式如下：
|
(3) |
式中，MCO2和Mc为CO2和碳的摩尔质量，NEP为净生态系统生产力（以C计，下同），单位：g·（m2·a）-1.
基于研究区为生态尺度，横跨各个省市涉及区县较多且部分区县并不完整，难以统计能源消耗数据，故利用夜间灯光数据模拟能源消耗的碳排放值. 首先对夜间灯光数据做消除噪声和剔除异常值处理，再进行拟合及逐年连续性矫正. 能源消耗碳排放依据研究年份的《中国统计年鉴》的单位国内生产总值能耗结合燕山-太行山地区GDP估算. 计算公式如下：
|
(4) |
|
(5) |
式中，a为CO2排放系数，选取2.46；依据国家发改委能源研究所推荐的标准煤的碳排放系数（以标准煤计，下同）为0.67 t·t-1，即1 t标煤等效于0.67 t碳（C），排放CO2 2.46 t[33]. Ei为标准煤，单位：t；b为单位国内生产总值能耗.
将处理过的夜间灯光数据和能源消耗数据与其当年建设用地相乘，为了可视化分析，提取建设用地历年夜间灯光和能源消耗碳排放栅格数据的平均值进行线性回归拟合处理. 得到拟合公式（6），R2值为0.92，表明模型拟合度很好.
|
(6) |
式中，DN为夜间灯光值.
固碳量为碳吸收量减去碳排放量，计算公式如下：
|
(7) |
式中，CS为固碳量，单位：t·km-2.
1.2.3 固碳服务范围CO2在大气中的扩散系数D可由费克定律计算得出，代表CO2在大气中扩散的快慢，与系统、温度和压力有关，其单位为：10-5 m2·s-1. 在常温常压下，根据CO2扩散系数、密度和固碳量计算固碳服务距离. 计算公式如下：
|
(8) |
式中，D选取1.64×10-5 m2·s-1；ρ为CO2的密度（1.98 kg·m-3）.
1.2.4 固碳量经济价值经济生态综合指数（C-GDP）由货币化植被碳汇和GDP所代表的经济价值相结合，从传统和生态两个角度反映综合经济价值[32]. 利用碳排放权交易市场的交易数据，计算出各市场的年均碳价. 由于2020年前缺乏全国碳价数据，采用8个碳交易试点市场的平均碳价作为全国碳价，计算公式如下：
|
(9) |
式中，M为年均碳汇价格，取值为26.18元·t-1.
2 结果与分析 2.1 NPP与NEP的时空特征及碳汇空间分布2000~2021年燕山-太行山NPP、NEP历年变化如图 2所示，均呈现出波动上升趋势. NPP（以C计，下同）与NEP的增速一致，均为9.0 g·（m2·a）-1. NPP和NEP的年平均值为379.1 g·m-2和363.7 g·m-2，2015年以来两者均高于平均值. NPP最小值为2000年的266.2 g·m-2，距平为-112.9 g·m-2，最大值为2021年的455.9 g·m-2，距平为76.8 g·m-2，共上升189.7 g·m-2；NEP最小值为2000年的251.2 g·m-2，距平为-112.5 g·m-2，最大值为2021年的439.6 g·m-2，距平为75.9 g·m-2，共上升188.4 g·m-2. 这意味着燕山-太行山陆地生态系统的净碳交换量持续增加.
|
图 2 2000~2021年燕山-太行山NPP和NEP的年度变化 Fig. 2 Annual changes in NPP and NEP in the Yanshan-Taihang Mountains from 2000 to 2021 |
燕山-太行山NPP和NEP在2000~2021的年平均值空间分布情况如图 3所示，平均值明显上升，大于450.0 g·m-2的区域显著增加，两者空间变化趋势一致，分布差异较为明显，呈现出中间高值四周低值分布，高值出现在南部上党盆地周围、中部五台山、恒山和北部燕山，东部和华北平原接壤地区呈现低值；上党盆地周围为历山、王屋和云台等高山，气候适宜，植被生长迅速，覆盖度较高；北部燕山地区植被茂盛，乔木和灌木覆盖度高，NPP平均值为397.3 g·m-2，高于总体平均值；东部和华北平原接壤地区多为城市和耕地，季节性较强，导致NPP和NEP值偏低.
|
图 3 2000~2021年燕山-太行山NPP和NEP空间分布 Fig. 3 Spatial distribution of NPP and NEP in the Yanshan-Taihang Mountains from 2000 to 2021 |
NEP作为估算区域碳平衡的重要指标，经常用来衡量碳汇大小. 已有研究对NEP进行阈值分类，NEP < 0生态系统表现为碳源，反之则为碳汇[16]. 在此，基于研究区内碳源区域占比较低，结合燕山-太行山的实际情况，依据自然断点分级法（Jenks）建立碳汇区分级，具体为：低碳汇、较低碳汇、中碳汇、较高碳汇和高碳汇. 根据该分类标准得到的燕山-太行山碳汇空间分布如图 4所示.
|
图 4 2000~2021年燕山-太行山脉碳汇空间分布及各等级碳汇面积占比 Fig. 4 Spatial distribution of carbon sinks in the Yanshan-Taihang Mountains and the proportion of the area of carbon sinks in each class from 2000 to 2021 |
由图 4可知：燕山-太行山脉碳汇空间差异明显，中碳汇、高碳汇区多集中在中部上党盆地、五台山、恒山及北部燕山地区，占研究区总面积的60.0%，其中燕山山脉高碳汇、较高碳汇占整个研究区高碳汇、较高碳汇的63.3%和56.5%，低碳汇区主要分布在西北、北部和东部，占研究区面积的20.0%，其中太行山脉低碳汇、较低碳汇占整个研究区低碳汇、较低碳汇的71.0%和67.6%. 燕山山脉以较高碳汇、高碳汇为主，约占燕山山脉总面积的47.9%；其中高碳汇面积占燕山山脉总面积的35.8%，中碳汇和较高碳汇均匀分布在燕山山脉中间区域；低碳汇和较低碳汇面积占燕山山脉总面积的23.0%，整个燕山山脉低碳汇主要分布在北部区域. 太行山脉以中碳汇为主，约占太行山脉总面积的31.8%，较为均匀地分布在山脉周围与平原过渡地区；高碳汇面积占太行山脉总面积的5.6%，集中在中部上党盆地和五台山、恒山地区，低碳汇和较低碳汇面积占太行山脉总面积的40.5%，主要分布在与华北平原地区交界处.
2.2 固碳量时空分布特征2000~2021年的燕山-太行山脉CO2排放量、吸收量和固碳量变化如图 5所示. 其中，排放量和吸收量呈现持续增长趋势，排放量由2000年的0.7亿t增长到2021年的3.4亿t，年均增速为8.0%；吸收量由2000年的2.0亿t增长到2021年的4.1亿t，年均增速3.6%. 固碳量年均增速为-2.6%，在2018年以前持续降低，在当年到达底值0.4亿t后呈现增长趋势. 总体来看，碳吸收的增速小于碳排放的增速.
|
图 5 2000~2021年燕山-太行山脉碳吸收、碳排放和固碳情况 Fig. 5 Carbon absorption, carbon emissions and carbon sequestration in the Yanshan-Taihang Mountains from 2000 to 2021 |
对2000~2021年固碳量进行重分类，即当CS < 0时，为负固碳区；当0≤CS < 1 000 g·m-2时，为低固碳区；当1 000≤CS < 2 000 g·m-2时，为中固碳区；当CS≥2 000 g·m-2时，为高固碳区，结果如图 6所示.
|
图 6 2000~2021年燕山-太行山脉固碳时空分布 Fig. 6 Spatial and temporal distribution of carbon sequestration in the Yanshan-Taihang Mountains from 2000 to 2021 |
燕山-太行山脉固碳时空分布差异明显. 时间上，中、高固碳覆盖面积明显上升，中固碳区由68.6%上升至80.4%，增加了11.8个百分点，大部分由低固碳区转移而来，高固碳区由0.9%上升至8.3%，增加了7.4个百分点；低固碳区覆盖面积明显下降，从2000~2004年的25.6%的覆盖面积到2020~2021年的3.2%，降低了22.3个百分点. 负固碳区域仍在持续上升，从4.9%上升到8.1%，增加了3.2个百分点. 空间上，燕山-太行山固碳呈显著的地带性格局，在2000~2014年呈现燕山-太行山脉中部的固碳最高，位于中部上党盆地、五台山、恒山及北部燕山地区，低固碳、负固碳出现在人口密度高的发达建筑区（华北平原）和蔚县地区. 这一时期固碳平均值为496.4 g·（m2·a）-1，其中燕山山脉平均固碳756.1 g·（m2·a）-1，太行山脉平均固碳370.0 g·（m2·a）-1. 在2015~2021年，东、西部固碳量逐渐上升，低固碳区域逐渐减少，负固碳区域轻微上升，大部分出现在与华北平原地区交界地区. 高固碳区域大部分出现在燕山中部区域，少部分出现在中部五台山、恒山等区域. 这一时期固碳平均值为370.3 g·（m2·a）-1，其中燕山山脉固碳平均值为520.7 g·（m2·a）-1，太行山脉固碳平均值为214.2 g·（m2·a）-1.
2.3 固碳服务范围根据气体在常温和常压下的扩散系数以及空气中CO2浓度，可以计算出扩散距离，如图 7所示；从计算结果看，燕山-太行山服务周边184.7~913.5 km的范围，平均为周边563.1 km地区. 其辐射范围达到了甘肃、陕西、重庆、湖北、安徽和江苏等地；从图 7的时间上看，其服务范围趋势为减小，但2018年后在逐年扩大.
|
图 7 2000~2021年燕山-太行山脉服务时间距离变化及碳中和空间服务范围变化 Fig. 7 Changes in service distance and carbon neutral service range in the Yanshan-Taihang Mountains from 2000 to 2021 |
2000~2021年燕山-太行山脉经济生态综合指数C-GDP时空格局如图 8所示. 燕山-太行山整体C-GDP从2000年的8 478.9亿元增长到2021年的37 031.6亿元，呈现出上升趋势. 太行山地区增幅最高，为18 934.5亿元，燕山地区增幅9 618.2亿元. 地区C-GDP的平均变化率为7.6%，范围为-3.1%~20.6%. 整体上多年平均为21 378.5亿元，C-GDP在太行山区域较高，在燕山区域较低. 从地区来看，年平均C-GDP最高的地区是燕山-太行山脉与华北平原交界处，其次是北部地区和西部地区. C-GDP较低区域多为建设用地和耕地，其GDP远高于研究区中部山区所在省市，同时GDP组成中，中部城市的第一产业和第二产业占比要高于高C-GDP处，高C-GDP处第三产业较为突出.
|
图 8 2000~2021年燕山-太行山脉C-GDP空间分布和年均变化情况 Fig. 8 Spatial distribution and average annual change of C-GDP in the Yanshan-Taihang Mountains from 2000 to 2021 |
通过与图 4的对比可以看出，燕山地区碳汇高于太行山，但其C-GDP的增幅却低于太行山，同时整体上低C-GDP区普遍为中碳汇、较高碳汇、高碳汇，高C-GDP区普遍为较低碳汇、低碳汇. 中碳汇、较高碳汇和高碳汇的碳汇优势没有体现，碳汇与经济之间的转化效果并不理想.
3 讨论 3.1 NPP、NEP和碳汇的时空分布陆地植被在碳汇中起着至关重要的作用，其能力总体上在增加. 2000~2021年燕山-太行山年均NPP增长率为9.0 g·（m2·a）-1，之前波动很大，近几年趋于平稳，NEP平均值明显上升，大于450.0 g·m-2的区域显著增加，近10 a，燕山-太行山NEP显著增长，与全国趋势一致[34]. 碳汇能力和生态系统服务的增强归因于生态建设工作和气候变化的共同作用，得到了一系列生态工程措施的支持，如太行山绿化工程、退耕还林还草以及自然保护区的建立[35]，使得NPP和NEP显著增加，陆地植被的生态质量持续改善.
燕山-太行山碳汇呈现中间高两边低的空间特征分布，主导影响因素之一为土地利用类型. 林地是燕山-太行山中部的主要用地类型，占总面积的88.0%，伴随燕山小流域治理、太行山绿化等生态恢复工程建设的实施，研究区林地面积逐年增加，生态用地的质量和数量得到提升[36]，使得研究区中部碳汇资源不断增加. 研究区东、西部为城市、耕地，这一地区碳汇的空间分布特征在很大程度上受人类活动影响，因此燕山太行山东西部区域较低、低碳汇面积分布广泛，但东西部各县市的发展不平衡，东部与华北平原交界地区的经济发展高于西部，导致建设用地量高，植被覆盖率低，碳汇能力较弱，同时基于生产、生活产生的碳排放量也较多，因此低碳汇在研究区与华北平原交界地区分布更为广泛.
3.2 固碳量在研究中使用了遥感数据拟合进行固碳量的计算. 结果表明总体为缩小趋势，2018年之后开始扩大，这可能与2018年全国生态环境保护大会召开及之后的政策执行有关. 大会提出加大力度推进生态文明建设、解决生态环境问题，坚决打好污染防治攻坚战，推动我国生态文明建设迈上新台阶，紧接着国务院办公厅成立京津冀及周边地区大气污染防治领导小组，立足于产业结构、能源结构、运输结构和用地结构调整优化，推进清洁取暖、公转铁、企业提标升级改造等措施，工业碳排放大幅下降. 但在计算中仍然存在很多的不确定性，固碳量精准核算方法仍然是目前需要解决的主要问题，这一问题也是实现碳中和的基础.
3.3 固碳服务范围及价值燕山-太行山C-GDP的高值出现在研究区与京津冀城市群交界处，低值出现在中部区域. 交界处高C-GDP值归因于生产带来的高经济价值，第三产业产值高于中部区域，中部高碳汇的生态价值不足以动摇高GDP区生产所带来的经济效益. 与此同时，燕山-太行山的固碳服务范围涵盖多个省市，在实现碳中和的目标过程中，涵盖的省市是否可以通过定量的碳交易或者其它模式达成共识，打破行政边界，加强顶层设计，发挥区域协同作用，实现共同治理. 在这一过程中还应重视生态效益的均衡发展，实施有效的生态环境调控措施，促进生态系统固碳正向发展.
由于中国碳交易市场处于起步阶段，碳价格远低于欧洲或北美，碳价格货币化的碳汇生态价值远低于生产的经济价值. 随着中国的碳交易发展，完整有效的碳交易市场平台搭建，会促进碳汇发展，充分开发生态系统固碳能力所带来的经济效益，碳汇价值逐渐凸显，县际差距会有所缩小.
4 结论（1）2000~2021年燕山-太行山的NEP、NPP均呈波动上升趋势，生态建设工作效果显著；碳汇呈中间高值四周低值分布，燕山碳汇能力高于太行山.
（2）研究区21 a间碳吸收量从1.96亿t上升到4.14亿t，碳排放量从0.68亿t上升到3.41亿t，固碳量持续下降，2018年污染防治措施实施，固碳量开始呈现上升趋势. 燕山-太行山脉固碳空分布差异明显，燕山固碳能力高于太行山.
（3）研究区固碳服务范围涵盖多个省市，C-GDP呈逐年增加趋势，但其碳汇经济转化并不理想，碳汇的生态价值不足以动摇高GDP区生产所带来的经济效益.
| [1] | Yadav V S, Yadav S S, Gupta S R, et al. Carbon sequestration potential and CO2 fluxes in a tropical forest ecosystem[J]. Ecological Engineering, 2022, 176. DOI:10.1016/j.ecoleng.2022.106541 |
| [2] | Raju A, Sijikumar S, Deb Burman P K, et al. Very high-resolution ret ecosystem exchange over India using Vegetation Photosynthesis and Respiration Model (VPRM) simulations[J]. Ecological Modelling, 2023, 481. DOI:10.1016/j.ecolmodel.2023.110340 |
| [3] | Raha D, Dar J A, Pandey P K, et al. Variation in tree biomass and carbon stocks in three tropical dry deciduous forest types of Madhya Pradesh, India[J]. Carbon Management, 2020, 11(2): 109-120. DOI:10.1080/17583004.2020.1712181 |
| [4] | Khadke L, Mukherjee S, Kumar K, et al. Hydrometeorological factors affecting the carbon exchange of the Himalayan Pine-dominated Ecosystem[J]. Ecological Informatics, 2024, 79. DOI:10.1016/j.ecoinf.2023.102446 |
| [5] | Moomaw W R, Law B E, Goetz S J. Focus on the role of forests and soils in meeting climate change mitigation goals: summary[J]. Environmental Research Letters, 2020, 15(4). DOI:10.1088/1748-9326/ab6b38 |
| [6] | Pugh T A M, Lindeskog M, Smith B, et al. Role of forest regrowth in global carbon sink dynamics[J]. Proceedings of the National Academy of Sciences of the United States of America, 2019, 116(10): 4382-4387. |
| [7] |
高会, 刘金铜, 朱建佳, 等. 基于可持续发展的太行山区生态系统服务垂直分类管理[J]. 自然杂志, 2018, 40(1): 47-54. Gao H, Liu J T, Zhu J J, et al. Ecosystem services management based on vertical variation for sustainable development of Taihang Mountain areas[J]. Chinese Journal of Nature, 2018, 40(1): 47-54. DOI:10.3969/j.issn.0253-9608.2018.01.007 |
| [8] |
李茂娟, 李天奇, 朱文博, 等. 基于InVEST模型的太行山区生态系统碳储量多维变化研究[J]. 河南大学学报(自然科学版), 2021, 51(6): 631-642, 684. Li M J, Li T Q, Zhu W B, et al. Multidimensional changes of carbon storage in Taihang Mountain ecosystem based on InVEST model[J]. Journal of Henan University (Natural Science), 2021, 51(6): 631-642, 684. |
| [9] | Chen Y Z, Feng X M, Tian H Q, et al. Accelerated increase in vegetation carbon sequestration in China after 2010: a turning point resulting from climate and human interaction[J]. Global Change Biology, 2021, 27(22): 5848-5864. DOI:10.1111/gcb.15854 |
| [10] |
刘祥宏, 阎永军, 刘伟, 等. 碳中和战略下煤矿区生态碳汇体系构建及功能提升展望[J]. 环境科学, 2022, 43(4): 2237-2250. Liu X H, Yan Y J, Liu W, et al. System construction and the function improvement of ecological carbon sink in coal mining areas under the carbon neutral strategy[J]. Environmental Science, 2022, 43(4): 2237-2250. |
| [11] | Sperow M. Updated potential soil carbon sequestration rates on U.S. agricultural land based on the 2019 IPCC guidelines[J]. Soil and Tillage Research, 2020, 204. DOI:10.1016/j.still.2020.104719 |
| [12] | Fekadu Hailu A, Soremessa T, Warkineh Dullo B. Carbon sequestration and storage value of coffee forest in Southwestern Ethiopia[J]. Carbon Management, 2021, 12(5): 531-548. DOI:10.1080/17583004.2021.1976676 |
| [13] |
徐洪振, 张吉岗, 郑沛. 基于碳交易市场的云南省森林生态固碳价值评估[J]. 生态经济, 2019, 35(4): 33-38. Xu H Z, Zhang J G, Zheng P. Evaluation of carbon sequestration value of forest ecosystem in Yunnan Province based on market mechanism of carbon trading[J]. Ecological Economy, 2019, 35(4): 33-38. |
| [14] |
于鲁冀, 张亚慧, 樊雷, 等. 河南省森林固碳量与碳汇价值评估[J]. 郑州大学学报(工学版), 2024, 45(3): 7-13. Yu L J, Zhang Y H, Fan L, et al. Evaluation of carbon sequestration and carbon sink value of forests in Henan Province[J]. Journal of Zhengzhou University (Engineering Science), 2024, 45(3): 7-13. |
| [15] |
孙洋洋, 沈泽琦, 黄乐妍, 等. 不同城市绿地类型碳源/汇的城乡梯度格局——以杭州市为例[J]. 生态学报, 2024, 44(3): 930-943. Sun Y Y, Shen Z Q, Huang L Y, et al. Patterns of carbon source/sink across urban-rural gradient and urban green space types: a case study of Hangzhou City[J]. Acta Ecologica Sinica, 2024, 44(3): 930-943. |
| [16] | Lyu J Q, Fu X H, Lu C, et al. Quantitative assessment of spatiotemporal dynamics in vegetation NPP, NEP and carbon sink capacity in the Weihe River Basin from 2001 to 2020[J]. Journal of Cleaner Production, 2023, 428. DOI:10.1016/j.jclepro.2023.139384 |
| [17] | Zhao H F, Liu D S, Zhu Y J, et al. A review of forest carbon cycle models on spatiotemporal scales[J]. Journal of Cleaner Production, 2022, 339. DOI:10.1016/j.jclepro.2022.130692 |
| [18] |
周怡婷, 严俊霞, 刘菊, 等. 2000~2021年黄土高原生态分区NEP时空变化及其驱动因子[J]. 环境科学, 2024, 45(5): 2806-2816. Zhou Y T, Yan J X, Liu J, et al. Spatio-temporal variation in NEP in ecological zoning on the loess plateau and its driving factors from 2000 to2021[J]. Environmental Science, 2024, 45(5): 2806-2816. |
| [19] |
管亚兵, 王军, 覃莉, 等. 黄土高原植被碳源/汇估算及其对土地利用变化的响应: 以延河流域为例[J]. 环境科学, 2025, 46(3): 1657-1665. Guan Y B, Wang J, Tan L, et al. Estimation of vegetation carbon source/sink and its response to land use change in the Loess Plateau-a case study of Yanhe River basin[J]. Environmental Science, 2025, 46(3): 1657-1665. |
| [20] |
周姝含, 曹永强, 么嘉棋, 等. 东北三省碳源/汇和碳盈亏时空分布与影响因素[J]. 生态学报, 2023, 43(22): 9266-9280. Zhou S H, Cao Y Q, Yao J Q, et al. Spatio-temporal distribution and influencing factors of carbon source/sink, carbon surplus and deficit in three northeast provinces[J]. Acta Ecologica Sinica, 2023, 43(22): 9266-9280. |
| [21] |
孙倩, 张美玲, 王鑫婧, 等. 不同气候情景下甘肃草地碳收支时空模拟与预测[J]. 环境科学, 2023, 44(10): 5842-5851. Sun Q, Zhang M L, Wang X J, et al. Spatiotemporal simulation and prediction of grassland carbon budget in Gansu under different climate scenarios[J]. Environmental Science, 2023, 44(10): 5842-5851. |
| [22] |
李成龙, 周广胜, 周梦子, 等. 1971—2020年盘锦芦苇湿地净生态系统生产力及其影响因子[J]. 应用生态学报, 2023, 34(5): 1331-1340. Li C L, Zhou G S, Zhou M Z, et al. Net ecosystem productivity of Panjin Phragmites australis wetland during 1971 to 2020 and its impact factors[J]. Chinese Journal of Applied Ecology, 2023, 34(5): 1331-1340. |
| [23] |
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 |
| [24] |
郭亚丽, 贾俊松, 李玲, 等. 收缩视角下黄河中游城市碳排放时空格局及其影响因素[J]. 生态学报, 2024, 44(3): 903-914. Guo Y L, Jia J S, Li L, et al. Spatio-temporal pattern and influencing factors of carbon emissions in the middle reaches of the Yellow River from the perspective of urban shrinkage[J]. Acta Ecologica Sinica, 2024, 44(3): 903-914. |
| [25] |
陈乐, 张福平, 司建华, 等. 贺兰山地区植被固碳功能空间分异特征及其驱动因素[J]. 生态学报, 2023, 43(24): 10250-10262. Chen L, Zhang F P, Si J H, et al. Spatially differentiated characteristics of vegetation carbon sequestration function in Helan Mountain area and its driving factors[J]. Acta Ecologica Sinica, 2023, 43(24): 10250-10262. |
| [26] |
张法伟, 仪律北, 李杰霞, 等. 青海省陆地生态系统碳汇潜力及空间特征[J]. 青海科技, 2023, 30(1): 31-36. Zhang F W, Yi L B, Li J X, et al. The assessment and spatial pattern of potential terrestrial ecosystem carbon sink strengths in Qinghai Province[J]. Qinghai Science and Technology, 2023, 30(1): 31-36. |
| [27] |
赵若男, 甄晓菊, 张弥, 等. 沿海城市落叶阔叶林碳收支特征及影响因素分析[J]. 环境科学与技术, 2023, 46(9): 148-158. Zhao R N, Zhen X J, Zhang M, et al. Carbon flux variation characteristics and carbon sequestration analysis of deciduous broadleaf forest in a coastal City[J]. Environmental Science & Technology, 2023, 46(9): 148-158. |
| [28] |
翁升恒, 张玉琴, 姜冬昕, 等. 福建省森林植被NEP时空变化及影响因子分析[J]. 生态环境学报, 2023, 32(5): 845-856. Weng S H, Zhang Y Q, Jiang D X, et al. Spatio-temporal changes and attribution analysis of net ecosystem productivity in forest ecosystem in Fujian Province[J]. Ecology and Environmental Sciences, 2023, 32(5): 845-856. |
| [29] | Zhu Y H, Luo P P, Zhang S, et al. Spatiotemporal Analysis of hydrological variations and their impacts on vegetation in semiarid areas from multiple satellite data[J]. Remote Sensing, 2020, 12(24). DOI:10.3390/rs12244177 |
| [30] | Zhang D N, Zhao Y H, Wu J S. Assessment of carbon balance attribution and carbon storage potential in China's terrestrial ecosystem[J]. Resources, Conservation and Recycling, 2023, 189. DOI:10.1016/j.resconrec.2022.106748 |
| [31] | Yang H F, Chen W. Spatio-temporal pattern of urban vegetation carbon sink and driving mechanisms of human activities in Huaibei, China[J]. Environmental Science and Pollution Research, 2022, 29(21): 31957-31971. DOI:10.1007/s11356-022-18512-8 |
| [32] | Liu M, Hao R H, Han L, et al. An integrated economic-ecological index based on satellite-derived carbon sequestration and carbon price: a case study during 2015-2020 in Shaanxi, China[J]. Ecological Indicators, 2023, 153. DOI:10.1016/j.ecolind.2023.110458 |
| [33] | 国家气候变化对策协调小组办公室, 国家发展和改革委员会能源研究所. 中国温室气体清单研究[M]. 北京: 中国环境科学出版社, 2007. |
| [34] | Huang Y T, Wang F, Zhang L J, et al. Corrigendum: changes and net ecosystem productivity of terrestrial ecosystems and their influencing factors in China from 2000 to 2019[J]. Frontiers in Plant Science, 2023, 14. DOI:10.3389/fpls.2023.1259137 |
| [35] |
许丽丽, 李宝林, 袁烨城, 等. 基于生态系统服务价值评估的我国集中连片重点贫困区生态补偿研究[J]. 地球信息科学学报, 2016, 18(3): 286-297. Xu L L, Li B L, Yuan Y C, et al. A study on eco-compensation based on eco-service assessment in 14 contiguous destitute areas of China[J]. Journal of Geo-Information Science, 2016, 18(3): 286-297. |
| [36] |
贾毅, 张松林. 南水北调中线工程途经区生态服务价值的时空变化[J]. 生态学报, 2021, 41(18): 7226-7237. Jia Y, Zhang S L. Spatio-temporal changes of static and dynamic ecosystem service values in the passing area of the Middle Route of the South-to-North Water Transfer Diversion Project[J]. Acta Ecologica Sinica, 2021, 41(18): 7226-7237. |