2023, Vol. 44
2. 浙江海大海洋勘测设计研究院有限公司, 舟山 316022
2. Zhejiang Haida Marine Survey Design Research Institute Co., Ltd., Zhoushan 316022, China
未来几十年全球所有地区的气候变化都将加剧, 且人类行动可能决定未来的气候走向[1].陆地生态系统作为地球三大碳库之一, 通过释放和吸收大气中的CO2和N2 O等温室气体来调节区域气候[2, 3].土地利用变化是影响陆地生态系统碳循环的主要因素, 其过程通常伴随着大量的碳交换, 进而影响陆地生态系统的生产力与气候调节能力, 研究碳储量与土地利用变化的响应关系及空间分布特征, 可以为区域生态系统碳库管理和减排增汇政策制定提供重要科学依据[4~7].
以模型法为主的碳储量估算法与传统的碳储量估算法相比, 能反映出灵活尺度上碳储量变化与自然、人类活动的响应关系, 操作简便, InVEST(integrated valuation of ecosystem services and tradeoffs)模型具有需求数据少、运行速度快和精度高的优点[8, 9], 并可以实现碳储量空间分布与动态变化的可视化制图, 反映土地利用变化与碳储量之间关系, 2007年发布以来, 已被广泛运用于不同国家与地区[10~19].
预测未来土地利用变化对生态系统碳储量的影响, 有助于提前制定科学合理的生态保护方案.目前用于未来土地利用/土地覆被(LULC)情景规划的土地利用模型主要包括CA-Markov、CLUE-S和FLUS模型等, 以上模型的弊端在于难以确定土地利用变化的潜在驱动因素, 且无法动态捕捉多类土地利用斑块的演变, 尤其是自然用地类型斑块.而斑块级土地利用模拟模型(patch-generating land use simulation model, PLUS)[20, 21]可以通过用地扩张分析策略(LEAS), 更好地挖掘各类土地利用变化的诱因, 模拟多类土地利用斑块级的变化, 从而更准确地表征未来不同政策情景下土地利用对潜在生态系统服务的影响, 更适用于在未来土地演替加剧的情景下进行准确模拟未来土地利用发展潜力研究的要求.
这两种模型运行效果良好, 应用广泛, 但耦合InVEST模型和PLUS模型来预测未来土地利用时空格局并探究区域碳储量发展趋势的研究较少.我国是一个陆海兼备的大国, 陆海统筹已上升至国家战略层面, 湾区经济作为重要的滨海经济形态, 对于国家绿色可持续发展意义重大.2017年浙沪已有共同谋划推进“环杭州湾大湾区”建设的思路, 在这努力达成双碳政策的关键时期, 本文以环杭州湾大湾区七市为研究区, 利用2000、2010和2018年的3期土地利用数据为基础, 以InVEST模型碳储量模块估算18年间区域生态系统碳储量的变化, 进而模拟2030年湾区的生态系统服务碳储量功能, 以期为提高其生态系统服务功能、实现区域双碳目标提供研究依据.
1 材料与方法 1.1 研究区概况环杭州湾地区(湾区)位于我国华东地区(28°51′~31°53′N, 118°21′~123°25′E, 图 1), 总面积约5.2万km2, 包括上海、杭州、宁波、绍兴、嘉兴、湖州和舟山这7个中心城市.杭州湾上游接入钱塘江, 下游濒临东海, 是典型的河口海湾, 滩涂及渔业资源丰富.湾区以林地、耕地为主, 属于亚热带季风气候区, 水热条件优越, 年均降水量在1 100 mm以上, 年均气温为16℃, 天然水环境状况较好, 是我国河网密度最高的地区之一.地貌类型包括丘陵、低山和滨海平原, 地势西南高东北低, 自西南向东北倾斜, 最高点为杭州天目山国家级自然保护区的清凉峰, 土壤类型以红壤、黄壤、水稻土和滨海盐土等为主[20~22], 植被类型丰富, 覆盖率较高.
|
图 1 研究区概况 Fig. 1 Overview of the study area |
土地利用类型数据来源于中国科学院资源环境科学与数据中心, 该数据包括6个一级类和25个二级类, 是目前我国分类精度比较高的土地利用数据产品, 根据研究区实际情况采用耕地、林地、草地、水域、建设用地和未利用地为一级地类的6种类型, 分辨率为100 m×100 m, 其他数据来源如表 1所示, 地理坐标系均采用GCS_WGS_1984.
|
表 1 数据来源及说明 Table 1 Data source and description |
1.2.2 研究方法
(1) 基于InVEST模型的生态系统碳储量评估InVEST模型碳储量模块将生态系统的碳储量划分为4个基本碳库：地上生物碳(土壤以上所有存活的植物中的碳)、地下生物碳(存在于植物活根系统中的碳)、土壤碳(分布在有机土壤和矿质土壤中的有机碳)、死亡有机碳(凋落物、倒立或站立的已死亡树木中的碳).其计算公式如下：
|
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为死亡有机碳储量(t ·hm-2).
InVEST模型碳储存模块的基本假设是：将某一地类的碳密度视为常量, 用不同植被类型的碳密度乘以对应的面积来计算区域植被碳储量[9]. 由于不同学者得出碳密度存在较大差异, 尽可能选择以南方, 特别是以东南沿海、长三角地区为研究区的文献数据为参考, 土壤碳密度根据周杰等[23]对于前人研究[24~26]的结论取均值而来, 其他密度值取自刘咏梅等[27]对相关临近地区研究密度值的修正, 最终得到不同土地利用类型的碳密度值(表 2).
|
|
表 2 研究区各土地利用碳密度参考值[23, 27]/t ·hm-2 Table 2 Reference value of land use carbon density in the study area/t ·hm-2 |
(2) 基于PLUS模型的未来土地利用变化模拟PLUS模型是由中国地质大学HPSCIL@CUG实验室研发的一种斑块生成土地利用变化模拟的模型[28, 29], 该模型内置马尔可夫链模型, 通过分析潜在LULC随时间转移矩阵的可能性来衡量不同条件下的土地利用需求.PLUS模型采用用地扩张分析策略(LEAS)和基于多类随机斑块种子的元胞自动机模型(CARS).与其他模型相比, PLUS模型的优势在于可以确定土地扩张和景观动态的驱动因素, 以预测不同土地利用类型情景下的斑块演变[30].
模型的验证以2010年土地类型作为训练集, 预测2018年土地类型分布, 总体精度为93.3%, Kappa系数为89.3%, 表明模型预测和真实地物分布具有较高的一致性, 能够满足研究需要.
2 结果与分析 2.1 2000~2018年湾区碳储量时空变化特征研究区2000、2010和2018年的3期碳储量数据模拟结果见图 2, 由于土地利用栅格大小100 m×100 m, 图例中碳储量数据含义为每hm2碳储量最高为172.89 t, 最低为81.1 t；3个时期区域碳储量区域差异和变化结果见图 3.结果表明：研究区2000~2018年碳储量共减少9×105 t, 降幅0.12%, 年均下降5×104 t. 2000~2010年降幅显著, 减少2.3×106 t, 降幅0.32%, 年均下降2.3×105 t; 2010~2018年碳储量增加1.4×106 t, 增幅0.19%, 年均增加1.75×105 t.
|
图 2 2000、2010和2018年研究区碳储量空间分布 Fig. 2 Spatial distribution of carbon storage in the study area for 2000, 2010, and 2018 |
|
图 3 研究区陆地碳储量空间变化 Fig. 3 Spatial variation in terrestrial carbon storage in the study area |
湾区碳储量空间分布具有显著的空间异质性, 高低密度碳储量区域总体以长深高速与杭甬高速连线为界, 这条分界线将湾区分为东北区和西南区两个部分, 呈现出“东北低西南高”的碳储量空间分布格局.东北区为低密度碳储量集中区, 主要分布在长深-杭甬高速以北的平原区, 人口密度大, 城市化程度较高, 水系丰富, 适合人类社会生产活动, 因而固碳能力相对较弱; 西南区主要是山区林地覆被, 高海拔和高覆盖的森林面积使其成为高密度碳储量地区, 水源涵养和森林资源占优, 同时限制了城镇建设用地的开垦扩张活动[31~33].
2000~2010年和2010~2018年陆地碳储量空间变化主要集中在各市城镇中心拓展区域及沿江、海岸地区.2000~2010年碳储量显著下降的区域分布在上海市中心周围区县、嘉兴市区县中心周围、江干区和宁波奉化江、余姚江和甬江三江汇集周围区域, 主要集中在东北部和中部, 显著增加的区域主要分布在杭州湾南翼的萧山区、柯桥区北部和舟山市部分岛屿如桃花岛, 这一时期建设用地扩张剧烈, 各城市中心向外扩张明显, 大量耕地转为建设用地, 碳储量显著减少.2010年后建设用地扩张能力相对下降, 土地类型转移趋于稳定, 区域碳储量下降也逐渐缓和, 碳储量显著下降的区域主要在上海、杭州市中心周围区县和曹娥江附近区域, 宁波三江汇流区域仍零星地减少, 如镇海区和鄞州区等; 显著增加的部分集中在杭州湾北翼的浦东新区和南翼的上虞区、余姚市、慈溪市沿岸, 舟山市整体碳储量有所提升.西南区域覆被大量森林资源, 高海拔限制了城镇扩张能力, 碳储量相对稳定, 东北区受城市发展影响, 碳储量变动较大.总体上, 2000~2018年间湾区碳储量下降区域集中在上海、嘉兴、杭州和宁波这4个城市市区, 上升区域分布在沿海海岸带、杭州湾南翼和舟山市.
2.2 2000~2018年湾区土地利用变化特征湾区土地利用类型按面积从大到小依次为林地、耕地、建设用地、水域、草地和未利用地(表 3), 优势地类为耕地和林地, 耕地主要分布在分界线东北区, 林地主要分布在西南区, 两者面积之和在研究期间呈下降趋势, 3个时期分别为85%、79.44%和76.58%.建设用地面积数量位属第三, 占比分别为7.76%、14.06%和16.16%, 18年间面积增长了108.25%.从表 4土地类型转移矩阵可知, 2000~2010年在湾区主要地类中, 耕地成为湾区建设用地快速扩张的一大重要来源, 转出2 484.85 km2; 林地主要向建设用地和耕地转出177.45 km2和112.95 km2; 建设用地虽然有明显的扩张趋势, 但是仍有46.46 km2转为了耕地, 可能跟各地区的废旧宅基地复垦工作有关. 2010~2018年间, 耕地仍是建设用地的主要转入源, 转换面积为1 704.37 km2, 有402.56 km2和146.38 km2转为林地和水域; 林地继续向建设用地和耕地分别转出180.67 km2和335.76 km2.
|
|
表 3 2000、2010和2018年各土地类型面积及所占比例 Table 3 Area and proportion of land use in 2000, 2010, and 2018 |
|
|
表 4 2000~2010年和2010~2018年土地利用转移矩阵/km2 Table 4 Transition matrix of land use for 2000-2010 and 2010-2018/km2 |
2.3 土地利用变化对碳储量的影响
2000~2018年湾区各类土地均发生一定程度的变化, 尤其是建设用地面积增长中有86.57%来自于耕地, 7.40%来自林地和5.62%来自水域, 耕地、林地的比例递减, 其他地类虽然均有少量相互转换, 但是占比波动较小, 相对稳定.2000~2010年上海、杭州和宁波城市中心大量耕地转为建设用地, 从而碳储量呈下降状态; 2010~2018年, 湾区海岸线和舟山市的大部分地区好转, 这离不开湿地的生态恢复和造林行动.综合来看, 进入21世纪后, 随着国家经济发展, 该时期湾区城镇化速度加快, 对于土地开发需求也较为强烈.2010年后建设用地扩张趋于缓和, 土地利用变化趋于平稳, 这一时期新型城镇化战略的有效实施使得碳储量下降趋势逐步得到缓解.
3 未来自然发展场景模拟 3.1 土地利用变化模拟预测结果及分析人类活动是土地利用变化的主要驱动力, 其又受到自然因素的限制与社会经济因素的影响.在自然因素中地形因素、气候因素影响着土地利用类型的分布与转化概率, 人类倾向选择最佳的地形、气候区进行生产生活活动; 在社会经济因素中, 人类的活动又集中于经济发达、人口聚集、交通发达等具有一定生产优势的区域.选取社会经济和气候环境共12个驱动因子模拟2030年土地利用类型, 并将规划交通对于地类转变的影响加入考虑, 分别为: DEM、NDVI、坡度、气温、土壤类型、降雨、人口、GDP、到高铁站距离、到高铁距离、到铁路距离和到河流距离, 并得到各驱动因子的贡献度(图 4), 贡献度越高表示该驱动因子对于该种地类的变化影响越大.
|
图 4 驱动因子贡献度分布 Fig. 4 Distribution of contribution of driving factors |
从图 4知对湾区建设用地贡献度最高的是土壤类型(0.193)、人口(0.191)和GDP(0.106), 其他因子对于建设用地扩张的影响比较均衡, 浙沪土壤类型十分丰富, 主要包括红壤、黄壤、水稻土、滨海盐土和潮土类等, 而浙北冲积平原主要以水稻土为主, 由于人多地少, 浙江省早期便已出台耕地保护政策, 在一定程度上限制了建设用地的开发; 上海作为我国特大城市, 在2018年末人口已达2 423.78万, 城镇化率达88.10%居全国第一, 带动周围城市在人口和GDP等迅速发展, 浙江在全国省市中位列第五, 是人口与GDP均在前列的经济大省, 因此土壤类型、人口和GDP成为建设用地的前三驱动力.影响林地的主要是土壤类型(0.217)、DEM(0.212)和坡度(0.082), 对耕地贡献度最大的是人口(0.228)、土壤类型(0.188)和降雨(0.149).草地受人口(0.130)和DEM(0.120)影响最大, 其次便是NDVI(0.034), 而水域变化与人口(0.179)、GDP(0.162)和DEM(0.120)紧密相关, 未利用地受DEM影响很大(0.618), 其占地面积一直不足1%, 均位于如天目山脉的高海拔区域.在交通规划因子中, 受到影响从大到小的土地利用类型分别为水域(0.172)、草地(0.167)、建设用地(0.139)、林地(0.129)、耕地(0.100)和未利用地(0.011), 湾区水路纵横, 地势平缓, 适宜铺设铁轨, 可以预见未来与交通轨道的相关性会更加密切.
模拟出的研究区2030年自然发展情境下用地状况(图 5), 对比2030年土地分布[图 5(a)]与2018年土地利用[图 5(b)], 建设用地进一步扩张, 扩张的区域主要分布在离市中心较远的区县, 如青浦区、松江区、秀洲区、德清县和余杭区等.从2018年8 523.85 km2增加到2030年的8 975.17 km2, 面积增加451.32 km2, 年均增长37.61 km2, 动态度0.44%; 林地面积增加42.04 km2, 相比2018年增加了0.18%; 耕地面积减少放缓, 预计下降32.76 km2, 低于2000~2018年土地类型变化程度, 总体上未来湾区土地变化趋于稳定.
|
图 5 研究区2018~2030年对比 Fig. 5 Comparison chart of the study area from 2018 to 2030 |
从预测结果可知[图 5(c)], 2030年碳储量为7.344×108 t, 较2018年增加1.42%, 主要原因是林地面积的增长[图 5(d)], 增长区域集中于千岛湖附近及嵊州市南部.碳储量下降区域零星分布在上海市南部、嘉兴市北部和杭州湾南翼城市北部, 未来上海市和嘉兴市联系会更加密切, 整体融合, 各市、区县之间及河湖周围交界处建设用地仍会有持续缓慢扩张, 建城区的斑块聚集度提高, 散落在中心城区外围和周边区域的耕地在未来有较大的可能性会转为建设用地, 聚集成更大的斑块.预测结果表明湾区在自然发展状态下已经处于一个比较稳定且上升的状态, 与2018年相比变化不大, 未来分界线以南区域受制于地形因素, 城市化缓慢, 拥有丰富的森林和生物资源, 对于保护中心城区的碳平衡和生态系统的稳定具有非常重要的价值, 仍是湾区乃至长三角重要的碳汇区域.
4 讨论 4.1 湾区碳储量与土地利用变化的响应关系土地利用变化是改变土壤有机碳含量的原因之一, 土地利用变化的区域也是陆地碳储量变化的热点区域[34], 2000~2018年湾区的碳储量总体波动幅度较小, 东北区大于西南区, 流失严重区正是经济发展迅速、城市化进程明显的地区, 比如上海市、杭州市和宁波市, 原城镇中心周围地区也是碳储量损失较为严重的地区.其中建设用地扩张占用最多的是耕地, 西南部小部分地区(如淳安县和建德市)占用林地较多, 建设用地的固碳能力弱, 造成碳储量总量降低了9×105 t.但在建设用地面积扩张一倍有余的状况下仍旧维持了降幅较小的固碳量, 这取决于浙江省先进的生态理念和有效的治理措施.
经济的飞速发展让各市均有不同程度的建设用地扩张, 上海市作为我国的经济中心, 无论是城镇化率、人口和GDP均在全国一线行列, 2018年上海市出台的生态保护红线划定方案中, 陆域生态保护红线面积为89.11 km2, 占比仅1.30%, 身处长江三角洲冲积平原, 原优势地类为耕地, 不可避免地需要牺牲耕地面积以建设城镇和容纳外来人口, 因此上海固碳量一直处于下降趋势; 其余六市属于浙江省, 五市处于浙北区杭嘉湖平原和浙东区宁绍平原, 可看出虽市区附近耕地集中转变为建设用地、降低了固碳量, 但同时全域各处的碳储量均是提升状态(图 3), 其实浙江省的生态意识和执行力在国内一直较为超前, 自知人多地少的劣势, 2002年已经确立了建设生态省的目标, 2003年启动“千万工程”项目, 这是一项以改善农村生产生活生态环境为重点的工程, 期间五水共治、新型城镇化战略的叠加实施, 极大促进了城乡建设用地、农用地的集约使用, 改善农村人居环境, 提高城市化的质量, 因此从整个空间格局而言, 总碳储量不降反升.
除了全域的生态有所提升外, 碳储量提升区主要集中在3处, 一处是上海和嘉兴海岸带, 一处是杭州湾南岸区域, 还有一处是舟山市.在前10 a中, 上海为改善海岸带生态开发批准了滨海森林公园、炮台湾湿地森林公园等及九段沙湿地自然保护区和长江口中华鲟自然保护区等, 略见成效, 2010年后, 生态海岸带建设的启动, 各市均需控制岸线的开发, 以严格保护和整治修复为主, 因此湾区海岸线生态质量整体上大有提升; 杭州湾南岸属淤涨型岸滩, 生物资源富集, 近年来经济-生态主导的视角正契合了土地可持续发展的目标, 最典型的是位于慈溪跨海大桥附近的杭州湾湿地公园, 生态修复工程的有力实施使每年大量候鸟均在此中转飞去澳大利亚; 舟山市碳储量上升的原因并不是由于林地的增加, 一方面舟山属于群岛城市交通不便, 削弱了经济影响, 城市化进程稍慢, 另一方面自2006年起推进的绿色生态舟山项目, 让这个群岛城市增加了很多生态-休闲的基建, 如景观防护林和海滨公园等, 并于2018年成功建成“海上森林城市”, 湾区七市中仅舟山碳储量为持续上升状态.
4.2 与已有研究的对比作为生态系统服务功能的一个重要指标, 碳储量可以在一定程度上反映区域生态系统服务功能的好坏.在前人的研究中以环杭州湾大湾区为研究区的文献较少, 仅有的文献中对于湾区城市的选择也并不一致.在对于长三角城市群的研究中, 周杰等[23]对于长三角地区碳储量研究的结论与本文相近, 刘咏梅等[27]研究了2000~2015年间长三角地区的碳储量分布, 其得出对于上海沿海地区碳储量增加及宁波市碳储量下降的结论与本文的较为一致.2000~2010年湾区碳储量减少反映出进入21世纪以来一线城市群在经济腾飞期难以兼顾生态环境与经济发展两方面造成的局面, 生态环境的恶化与生态系统服务功能的下降在很多以市为研究区的研究中有所展现, 通过模拟和预测2030年的土地利用类型空间分布和碳储量功能, 发现2030年的碳储量提升至7.334×108 t, 相比2018年增加1.42%, 表明PLUS模型预测湾区在自然增长状态下生态系统服务功能相对稳定且有缓慢提升的趋势.
4.3 未来土地利用规划建议从近年和预测结果来看, 湾区的碳储量趋势向好, 同时说明了政策的有力实施对于生态环境是十分必要的, 2020年底前, 各市均已落实好三线一单的划分工作, 在基本农田保护线、城镇便捷性和生态保护红线落实到位的前提下, 市区应更注重绿色基础设施的配置和土地的高效利用, 上海在过去十年产业升级迁出制造业工厂, 因此污染问题改善, 浙江六市应继续保护和修复林地, 保证耕地的统一肥沃高效, 深化美丽乡村建设, 为双碳目标的达成蓄力.
应对气候变化, “做好碳达峰、碳中和工作”是我国“十四五”重点任务之一, 虽然InVEST模型和PLUS模型均有一定的不确定性, 但是其运算结果能清晰反映和预测湾区2000~2030年的碳储量时空变化.森林是陆地生态系统最重要的最大的碳库[35, 36], 在利用PLUS模型模拟的2030年土地利用类型分布中, 森林面积的增长使碳储量维持在稳定的水平, 湾区处于中国东南沿海地区, 水热条件优越, 耕地中水稻土占比最大[30, 37~39], 属于固碳能力较好的土类; 考虑到浙江省森林林分以幼、中龄林为主, 面积占全省的76.76%, 且天然林中接近3/4为乔木林, 若对现有森林进行更好的经营和管理, 可以大大增加浙江省森林的碳固存能力[31, 40~42].未来的工作中还需加强各土地利用类型碳密度的实地的连续监测, 以减小不同地类的空间异质性带来的误差; 其次, 本次预测中只考虑了自然情景下未来土地类型的趋势, 未来研究中可以加入政策相关的情景设定如生态情景来进行探究, 更具实用价值; 增加并结合对于多领域跨学科的研究, 综合考虑到环境和人为因素等的影响[43, 44].
5 结论(1) 2000~2018年湾区土地利用变化主要表现为耕地和少量林地转向建设用地; 2000、2010和2018年湾区碳储量分别为7.250×108、7.227×108和7.241×108t, 呈先减后增趋势.
(2) 湾区碳储量存在显著的空间分布特征, 长深和杭甬高速分界线将湾区分为东北区和西南区, 东北区为低碳密度区域, 包括上海、嘉兴、杭州、湖州、绍兴和宁波的北部; 西南区为高碳密度区域, 主要是杭州、宁波、湖州、绍兴南部和舟山.
(3) 预计2030年, 湾区碳储量为7.344×108 t, 比2018年增加了1.030×107 t, 约1.42%, 增加的地区主要出现在千岛湖附近区域, 主要是因为林地面积的增长, 碳储量下降区域零星分布在上海南部、嘉兴北部和杭州湾南翼城市的北部; 土壤类型和人口是对建设用地贡献度最高的两个驱动因素, 对于林地贡献度最高的是土壤类型和DEM, 预测结果表明湾区在自然发展状态下已经处于一个比较稳定的状态, 随着国民意识的提高和生态政策的倾斜加持, 相信湾区的生态系统服务价值会再有所提升.
| [1] |
樊星, 秦圆圆, 高翔. IPCC第六次评估报告第一工作组报告主要结论解读及建议[J]. 环境保护, 2021, 49(17-18): 44-48. Fan X, Qin Y Y, Gao X. Interpretation of the main conclusions and suggestions of IPCC AR6 working group Ⅰ report[J]. Environmental Protection, 2021, 49(17-18): 44-48. |
| [2] | Costanza R, De Groot R, Sutton P, et al. Changes in the global value of ecosystem services[J]. Global Environmental Change, 2014, 26: 152-158. DOI:10.1016/j.gloenvcha.2014.04.002 |
| [3] | Houghton R A. Revised estimates of the annual net flux of carbon to the atmosphere from changes in land use and land management 1850-2000[J]. Tellus B, 2003, 55(2): 378-390. |
| [4] | He C Y, Zhang D, Huang Q X, et al. Assessing the potential impacts of urban expansion on regional carbon storage by linking the LUSD-urban and InVEST models[J]. Environmental Modelling & Software, 2016, 75: 44-58. |
| [5] |
方精云, 于贵瑞, 任小波, 等. 中国陆地生态系统固碳效应——中国科学院战略性先导科技专项"应对气候变化的碳收支认证及相关问题"之生态系统固碳任务群研究进展[J]. 中国科学院院刊, 2015, 30(6): 848-857. Fang J Y, Yu G R, Ren X B, et al. Carbon sequestration in China's Terrestrial Ecosystems under Climate Change——Progress on Ecosystem Carbon sequestration from the CAS Strategic Priority Research program[J]. Bulletin of Chinese Academy of Sciences, 2015, 30(6): 848-857. |
| [6] | Vizcaíno-Bravo Q, Williams-Linera G, Asbjornsen H. Biodiversity and carbon storage are correlated along a land use intensity gradient in a tropical montane forest watershed, Mexico[J]. Basic and Applied Ecology, 2020, 44: 24-34. DOI:10.1016/j.baae.2019.12.004 |
| [7] | DeFries R S, Field C B, Fung I, et al. Combining satellite data and biogeochemical models to estimate global effects of human-induced land cover change on carbon emissions and primary productivity[J]. Global Biogeochemical Cycles, 1999, 13(3): 803-815. DOI:10.1029/1999GB900037 |
| [8] | Houghton R A. Counting terrestrial sources and sinks of carbon[J]. Climatic Change, 2001, 48(4): 525-534. DOI:10.1023/A:1005658316062 |
| [9] |
马良, 金陶陶, 文一惠, 等. InVEST模型研究进展[J]. 生态经济, 2015, 31(10): 126-131, 179. Ma L, Jin T T, Wen Y H, et al. The research progress of InVEST model[J]. Ecological Economy, 2015, 31(10): 126-131, 179. DOI:10.3969/j.issn.1671-4407.2015.10.027 |
| [10] | Nelson E, Sander H, Hawthorne P, et al. Projecting global land-use change and its effect on ecosystem service provision and biodiversity with Simple Models[J]. PLoS One, 2010, 5(12). DOI:10.1371/journal.pone.0014327 |
| [11] | Leh M D K, Matlock M D, Cummings E C, et al. Quantifying and mapping multiple ecosystem services change in West Africa[J]. Agriculture, Ecosystems & Environment, 2013, 165: 6-18. |
| [12] | Jiang W G, Deng Y, Tang Z H, et al. Modelling the potential impacts of urban ecosystem changes on carbon storage under different scenarios by linking the CLUE-S and the InVEST models[J]. Ecological Modelling, 2017, 345: 30-40. DOI:10.1016/j.ecolmodel.2016.12.002 |
| [13] | Polasky S, Nelson E, Pennington D, et al. The impact of land-use change on ecosystem services, biodiversity and returns to landowners: a case study in the state of Minnesota[J]. Environmental and Resource Economics, 2011, 48(2): 219-242. DOI:10.1007/s10640-010-9407-0 |
| [14] |
张影, 谢余初, 齐姗姗, 等. 基于InVEST模型的甘肃白龙江流域生态系统碳储量及空间格局特征[J]. 资源科学, 2016, 38(8): 1585-1593. Zhang Y, Xie Y C, Qi S S, et al. Carbon storage and spatial distribution characteristics in the Bailongjiang watershed in Gansu based on InVEST model[J]. Resources Science, 2016, 38(8): 1585-1593. |
| [15] |
侯红艳, 戴尔阜, 张明庆. InVEST模型应用研究进展[J]. 首都师范大学学报(自然科学版), 2018, 39(4): 62-67. Hou H Y, Dai E F, Zhang M Q. A review on InVEST model for the evaluation of ecosystem service function[J]. Journal of Capital Normal University (Natural Science Edition), 2018, 39(4): 62-67. |
| [16] |
刘洋, 张军, 周冬梅, 等. 基于InVEST模型的疏勒河流域碳储量时空变化研究[J]. 生态学报, 2021, 41(10): 4052-4065. Liu Y, Zhang J, Zhou D M, et al. Temporal and spatial variation of carbon storage in the Shule River Basin based on InVEST model[J]. Acta Ecologica Sinica, 2021, 41(10): 4052-4065. |
| [17] |
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): 446-459. 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. |
| [18] |
张世伟, 魏璐瑶, 金星星, 等. 基于FLUS-UGB的县域土地利用模拟及城镇开发边界划定研究[J]. 地球信息科学学报, 2020, 22(9): 1848-1859. Zhang S W, Wei L Y, Jin X X, et al. The land use simulation and delimitation of urban development boundary in county area based on FLUS-UGB[J]. Journal of Geo-Information Science, 2020, 22(9): 1848-1859. |
| [19] |
吴欣昕, 刘小平, 梁迅, 等. FLUS-UGB多情景模拟的珠江三角洲城市增长边界划定[J]. 地球信息科学学报, 2018, 20(4): 532-542. Wu X X, Liu X P, Liang X, et al. Multi-scenarios simulation of urban growth boundaries in Pearl River Delta based on FLUS-UGB[J]. Journal of Geo-Information Science, 2018, 20(4): 532-542. |
| [20] |
安玲玲, 吕晓男, 麻万诸, 等. 浙江省土壤有机碳密度与储量的初步研究[J]. 浙江农业学报, 2014, 26(1): 148-153. An L L, Lyu X N, Ma W Z, et al. The density and storage of soil organic carbon in Zhejiang Province[J]. Acta Agriculturae Zhejiangensis, 2014, 26(1): 148-153. |
| [21] |
支俊俊, 荆长伟, 张操, 等. 利用1:5万土壤数据库估算浙江省土壤有机碳密度及储量[J]. 应用生态学报, 2013, 24(3): 683-689. Zhi J J, Jing C W, Zhang C, et al. Estimation of soil organic carbon density and storage in Zhejiang Province of east China by using 1 ∶50000 soil database[J]. Chinese Journal of Applied Ecology, 2013, 24(3): 683-689. |
| [22] |
解宪丽, 孙波, 周慧珍, 等. 中国土壤有机碳密度和储量的估算与空间分布分析[J]. 土壤学报, 2004, 41(1): 35-43. Xie X L, Sun B, Zhou H Z, et al. Organic carbon density and storage in soils of China and spatial analysis[J]. Acta Pedologica Sinica, 2004, 41(1): 35-43. |
| [23] |
周杰, 张学儒, 牟凤云, 等. 基于CA-Markov的土壤有机碳储量空间格局重建研究——以泛长三角地区为例[J]. 长江流域资源与环境, 2018, 27(7): 1565-1575. Zhou J, Zhang X R, Mu F Y, et al. Spatial pattern reconstruction of soil organic carbon storage based on CA-Markov——A case study in Pan-Yangtze River Delta[J]. Resources and Environment in the Yangtze Basin, 2018, 27(7): 1565-1575. |
| [24] |
揣小伟, 黄贤金, 郑泽庆, 等. 江苏省土地利用变化对陆地生态系统碳储量的影响[J]. 资源科学, 2011, 33(10): 1932-1939. Chuai X W, Huang X J, Zheng Z Q, et al. Land use change and its influence on carbon storage of terrestrial ecosystems in Jiangsu Province[J]. Resources Science, 2011, 33(10): 1932-1939. |
| [25] |
周锐, 苏海龙, 王新军, 等. 基于CLUE-S模型和Markov模型的城镇土地利用变化模拟预测——以江苏省常熟市辛庄镇为例[J]. 资源科学, 2011, 33(12): 2262-2270. Zhou R, Su H L, Wang X J, et al. Simulation of land use change in Xinzhuang Town under different scenarios based on the CLUE-S Model and Markov model[J]. Resources Science, 2011, 33(12): 2262-2270. |
| [26] |
程先富, 谢勇. 基于GIS的安徽省土壤有机碳密度的空间分布特征[J]. 地理科学, 2009, 29(4): 540-544. Cheng X F, Xie Y. Spatial distribution of soil organic carbon density in Anhui Province based on GIS[J]. Scientia Geographica Sinica, 2009, 29(4): 540-544. |
| [27] |
刘咏梅, 朱彦蓉. 基于InVEST模型的长三角地区陆地生态系统固碳特征变化研究[J]. 南京晓庄学院学报, 2020, 36(6): 82-90. Liu Y M, Zhu Y R. Research of carbon storage changes in terrestrial ecosystems based on InVEST model in the Yangtze River Delta Region[J]. Journal of Nanjing Xiaozhuang University, 2020, 36(6): 82-90. |
| [28] | Liang X, Guan Q F, Clarke K C, et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: a case study in Wuhan, China[J]. Computers, Environment and Urban Systems, 2021, 85. DOI:10.1016/j.compenvurbsys.2020.101569 |
| [29] | 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/su13031577 |
| [30] |
侯建坤, 陈建军, 张凯琪, 等. 基于InVEST和GeoSoS-FLUS模型的黄河源区碳储量时空变化特征及其对未来不同情景模式的响应[J]. 环境科学, 2022, 43(11): 5253-5262. Hou J K, Chen J J, Zhang K Q, et al. Temporal and spatial variation characteristics of carbon storage in the source region of the Yellow River based on InVEST and GeoSoS-FLUS models and its response to different future scenarios[J]. Environmental Science, 2022, 43(11): 5253-5262. |
| [31] |
李银, 陈国科, 林敦梅, 等. 浙江省森林生态系统碳储量及其分布特征[J]. 植物生态学报, 2016, 40(4): 354-363. Li Y, Chen G K, Lin D M, et al. Carbon storage and its distribution of forest ecosystems in Zhejiang Province, China[J]. Chinese Journal of Plant Ecology, 2016, 40(4): 354-363. |
| [32] | Goldstein J H, Caldarone G, Duarte T K, et al. Integrating ecosystem-service tradeoffs into land-use decisions[J]. Proceedings of the National Academy of Sciences of the United States of America, 2012, 109(19): 7565-7570. |
| [33] |
彭怡, 王玉宽, 傅斌, 等. 汶川地震重灾区生态系统碳储存功能空间格局与地震破坏评估[J]. 生态学报, 2013, 33(3): 798-808. Peng Y, Wang Y K, Fu B, et al. Spatial distribution of carbon storage function and seismic damage in Wenchuan earthquake stricken areas[J]. Acta Ecologica Sinica, 2013, 33(3): 798-808. |
| [34] |
唐睿, 彭开丽. 土地利用变化对区域陆地碳储量的影响研究综述[J]. 江苏农业科学, 2018, 46(19): 5-11. Tang R, Peng K L. Impact of land use change on regional land carbon storage: a review[J]. Jiangsu Agricultural Sciences, 2018, 46(19): 5-11. |
| [35] |
周国逸, 陈文静, 李琳. 成熟森林生态系统土壤有机碳积累: 实现碳中和目标的一条重要途径[J]. 大气科学学报, 2022, 45(3): 345-356. Zhou G Y, Chen W J, Li L. Soil organic carbon accumulation in mature forest ecosystems: an important way to achieve the goal of carbon neutral[J]. Transactions of Atmospheric Sciences, 2022, 45(3): 345-356. |
| [36] |
张青青, 张桂莲, 伍海兵, 等. 城市森林土壤有机碳密度及影响因子变化研究[J]. 生态科学, 2022, 41(2): 204-210. Zhang Q Q, Zhang G L, Wu H B, et al. Study on changes of soil organic carbon density and influencing factors in urban forest[J]. Ecological Science, 2022, 41(2): 204-210. |
| [37] |
张靖, 同丽嘎, 李政海, 等. 内蒙古乌审旗有机碳库变化及其增汇调控途径[J]. 生态学报, 2016, 36(9): 2552-2559. Zhang J, Bao T L G, Li Z H, et al. Analysis of organic carbon sink increment and management in Uxin Banner, Inner Mongolia, China[J]. Acta Ecologica Sinica, 2016, 36(9): 2552-2559. |
| [38] |
姚如男, 周清, 张伟畅, 等. 永州零陵区水稻土有机碳密度和储量估算研究[J]. 湖南农业科学, 2015(7): 27-29, 33. Yao R N, Zhou Q, Zhang W C, et al. Estimation of organic carbon density and storage in paddy soil in Lingling[J]. Hunan Agricultural Sciences, 2015(7): 27-29, 33. |
| [39] |
史利江, 郑丽波, 张卫国, 等. 上海土壤有机碳储量及其空间分布特征[J]. 长江流域资源与环境, 2010, 19(12): 1442-1447. Shi L J, Zheng L B, Zhang W G, et al. Reserves and spatial distribution characteristics of soil organic carbon in Shanghai city[J]. Resources and Environment in the Yangtze Basin, 2010, 19(12): 1442-1447. |
| [40] | Houghton R A. The annual net flux of carbon to the atmosphere from changes in land use 1850-1990[J]. Tellus B: Chemical and Physical Meteorology, 1999, 51(2): 298-313. |
| [41] |
施德法, 陈冬基, 倪淑萍, 等. 杭州森林植被分布图及其说明[J]. 浙江林学院学报, 1989, 6(1): 109-111. Shi D F, Chen D J, Ni S P, et al. A map of forest types of Hangzhou and its caption[J]. Journal of Zhejiang Forestry College, 1989, 6(1): 109-111. |
| [42] |
陈大钊, 朱安明, 赖江. 杭州森林生态服务功能等级综合评价[J]. 林业科技通讯, 2021(9): 3-8. Chen D Z, Zhu A M, Lai J. Comprehensive evaluation of forest ecological service function in Hangzhou[J]. Forest Science and Technology, 2021(9): 3-8. |
| [43] |
王军德, 程玉菲, 金彦兆. 移民安置综合开发区土地利用变化及驱动力分析——以疏勒河中游干流区为例[J]. 水利水电技术, 2018, 49(10): 46-51. Wang J D, Cheng Y F, Jin Y Z. Analysis on land use variation and its driving force of comprehensive development region for immigrant settlement——a case of main stream region of Mid-Shulehe River[J]. Water Resources and Hydropower Engineering, 2018, 49(10): 46-51. |
| [44] |
韩骥, 周翔, 象伟宁. 土地利用碳排放效应及其低碳管理研究进展[J]. 生态学报, 2016, 36(4): 1152-1161. Han J, Zhou X, Xiang W N. Progress in research on land use effects on carbon emissions and low carbon management[J]. Acta Ecologica Sinica, 2016, 36(4): 1152-1161. |