2024, Vol. 45
2. 北京林业大学林木资源高效生产全国重点实验室, 北京 100083;
3. 北京林业大学水土保持国家林业和草原局重点实验室, 北京 100083
2. State Key Laboratory of Efficient Production of Forest Resources, Beijing Forestry University, Beijing 100083, China;
3. Key Laboratory of National Forestry and Grassland Administration on Soil and Water Conservation, Beijing Forestry University, Beijing 100083, China
当前, 全球气候变暖问题日益严重, 温室气体特别是CO2总排放量上升引起了国际社会的广泛关注[1]. 气候变暖对生态环境和人类生存发展产生了深远影响[2]. 2020年我国提出2030年“碳达峰”与2060年“碳中和”目标, 并将其纳入“十四五”规划[3]. 至此, 如何减少碳排放、提升碳固存成为学者们研究热点和难点[4, 5]. 土地利用变化造成的碳排放已成为仅次于化石燃料燃烧的第二大温室气体排放源[6 ~ 8]. 目前, 土地利用结构调整和布局优化被认为是最经济有效的固碳途径.
基于土地利用模拟模型预测未来多情景下碳储量变化的研究, 国内外学者已经有了较为丰富的成果. 如张斌等[9]将FLUS模型和InVEST模型相结合, 对相关政策下武汉土地利用类型和碳储量影响进行模拟, 研究表明建设用地扩张侵占林地和耕地是武汉碳储量下降的主要原因. 张燕等[10]、Liang等[11]、Wang等[12]和侯建坤等[13]均将InVEST模型与多种土地利用模型相耦合, 探讨基于未来多情景土地利用的碳储量时空变化规律. 但随着区域发展对土地利用规划要求的进一步提高, 这些模型已然不能满足模拟需求, 它们一般只考虑空间规划政策的约束作用（如保护区、禁建区）, 忽略了空间规划政策对未来土地变化的驱动和引导（开发区规划、交通规划）机制, 因而存在一定局限性[14]. PLUS模型集成了基于随机森林的规划开发区和交通规划随机种子机制, 在模拟过程中能挖掘土地利用变化机制, 填补城市发展中由空间规划政策引导土地利用变化的模拟需求[15], 其结果可更好地支持空间规划政策实施及未来碳储量多情景评估. 以上研究表明, 基于土地利用变化视角的碳储量研究, 已经趋向于对未来碳储量进行多情景模拟. 但对于碳储量驱动机制的分析往往是从土地利用变化角度出发, 缺乏自然与社会经济因子对于碳储量变化的影响研究. 因此, 在探讨碳储量驱动机制的研究中还需考虑土地利用变化与自然和社会经济因子的协同影响.
新疆是我国面积最大的省级行政区. 土地面积占全国的1/6. 因其幅员辽阔且位于我国西北端内陆干旱区, 故而是实现“双碳”目标的重难点区域. 因此, 基于土地利用变化分析新疆碳储量的时空变化趋势并明晰其驱动机制, 对生态系统碳汇与碳固存研究具有重要的实践意义[16]. 随着经济发展和一大批工业基地的建立, 新疆部分地区土地利用格局发生转移, 进而引发碳储量变化. 因此本研究耦合PLUS-InVEST-Geodector模型, 基于2035年多情景土地利用探究碳储量时空变化规律, 并从自然-社会经济-可达性因子复合角度对碳储量变化进行定量归因分析, 拟解决以下科学问题：①1990~2020年新疆地类转移有何特征?②1990~2020年新疆碳储量时间和空间尺度上是何种演变趋势?③2035年新疆不同情景下碳储量有何变化?④自然-社会经济-可达性因子如何驱动新疆碳储量发生变化?本研究旨在为新疆地区碳汇问题与碳储功能可持续发展提供科学参考.
1 材料与方法 1.1 研究区概况新疆位于中国内陆西北端（34°25′~ 48°10′N, 73°40′~ 96°18′E, 图 1）, 面积166.49万km2. 全区辖4个地级市、5个地区、5个自治州、12个自治区直辖县级市, 全区以戈壁、荒漠和沙化土地为代表的未利用地占60%以上, 建筑用地仅占0.5%左右. 2022年常住人口2 587万人, 其中城镇常住人口1 498万人. 城镇化率为57.89%, 经济生产总值17 741.34亿元. 新疆地势喻称“三山夹二盆”, 北部是阿尔泰山, 南部为昆仑山系；天山横亘于新疆中部, 南部是塔里木盆地, 北部是准噶尔盆地, 整体海拔在-155~8 611 m之间. 多年平均降水量150 mm, 年日照时数2 500~3 500 h. 新疆远离海洋, 深居内陆, 形成明显的温带大陆性气候.
|
图 1 研究区位置示意 Fig. 1 Schematic of the location of the study area |
本文涉及数据主要包括新疆6期土地利用数据（1990、2000、2005、2010、2015和2020年）、自然因素数据、社会经济数据、可达性数据（表 1）和碳密度数据. 碳密度数据来源于中国陆地生态系统碳密度数据集, 对于部分缺失的数据, 根据临近地区的研究数据补全[17, 18], 若仍存在空缺, 基于Alam等[19]提出的碳密度修正公式[式（1）~（4）][20, 21]及李克让等[22]和解宪丽等[23]研究得到的全国6种土地类型碳密度数据进行修正, 获得该研究区不同地类、不同部分对应的碳密度值（表 2）. 将以上数据重新投影为Beijing_1954_3_Degree_GK_CM_81E坐标系并重采样至5 000 m × 5 000 m.
|
(1) |
|
(2) |
|
(3) |
|
(4) |
|
表 1 数据主要信息与来源 Table 1 Main information and sources of research data |
|
|
表 2 新疆不同地类碳密度/t·hm-2 Table 2 Carbon density of different land use types in Xinjiang /t·hm-2 |
式中, MAP表示年均降水量（mm）；CBP表示修正后得到的生物量碳密度（t·hm-2）；CSP表示修正后得到的土壤碳密度（t·hm-2）；KBP表示生物量碳密度降水因子修正系数；KSP表示土壤碳密度降水因子修正系数.
1.3 研究方法本文研究思路如图 2所示, 首先利用土地利用、自然因素、社会经济因素和可达性因素数据对2035年土地利用进行多情景模拟, 再结合InVEST模型对新疆1990~2020年及2035年不同情景的碳储量进行核算并分析其变化趋势. 最后从时间上分析土地利用转移对碳储量变化的影响, 从空间上探讨高程、坡度和年均降水量等影响因子对碳储量空间分布的驱动程度.
|
图 2 研究思路 Fig. 2 Research framework |
利用PLUS模型对新疆2035年土地利用进行多情景模拟. 首先以新疆2005年和2020年土地利用为初始数据, 进行扩张部分提取. 其次从自然因素、社会经济因素和可达性因素选择16个驱动因子（表 1）, 在LEAS模块中采用随机森林算法获得新疆土地利用类型发展潜力图. 在此基础上以新疆2005年土地利用数据, 于CARS模块中结合土地利用需求和邻域权重[24]（表 3）等相关参数, 获得新疆2020年土地利用模拟图. 最后利用PLUS模型, 以2020年土地利用为基准, 结合土地利用转移规则矩阵（表 4）, 模拟新疆2035年快速发展、自然发展、耕地保护和生态保护这4种情景的土地利用状况.
|
|
表 3 领域权重参数 Table 3 Domain weighting parameters |
|
|
表 4 不同情景土地利用转移矩阵1） Table 4 Land use transfer matrix under different scenarios |
（1）自然发展情景 2005~2020年历史土地利用变化趋势的延续. 保持其土地利用转移概率、土地利用转移矩阵和领域因子权重等参数与2005~2020年一致.
（2）生态保护情景 以保护林草地和水域等生态用地为目标, 实现生态保护优先. 将林草地和水域设置为禁止转换区.
（3）快速发展情景 专注于优先快速发展经济, 将建筑用地设置为不可转移为其他地类的同时, 其他用地均可转移至建筑用地, 其余地类间自由转换.
（4）耕地保护情景 综合考虑新疆粮食安全及资源环境承载力, 为提高区域耕地保护力度需加入耕地保护理念, 将耕地设置为禁止转换区.
1.3.2 InVEST碳储量估算生态系统服务评估与权衡模型（InVEST）中Carbon模块主要基于土地利用和四大基本碳库估算区域一定时间段内的碳储量. 计算见公式（5）和公式（6）：
|
(5) |
|
(6) |
式中, i为某种土地利用类型；Ci为第i类土地利用类型碳密度；Ci-above、Ci-below、Ci-soil和Ci-dead分别为第i类土地利用类型地上植被碳密度（t·hm-2）、地下植被碳密度（t·hm-2）、土壤碳密度（t·hm-2）和死亡有机碳密度（t·hm-2）；Ctot为生态系统碳储总量（t）；Ai为第i类土地利用类型面积（hm2）；n为土地利用类型数量.
1.3.3 Geodector碳储量空间分异驱动机制分析地理探测器中的单因子探测和交互探测[25, 26], 其结果q值越大, 说明该驱动因子对碳储量空间分异性的驱动力解释强度越大. 因子探测器计算公式为：
|
(7) |
|
(8) |
式中, h为碳储量影响因子的分层；Nh和N分别为层h和全区的单元数；δh2和δ2分别为层h和全区Y值的方差；SSW和SST分别为层内方差之和及全区总方差；q表示因子的解释力, 取值范围为[0, 1], q值越大, 表明影响因子对碳储量时空分异的解释力越强.
该探测器还可识别不同因素之间交互作用影响力[27]. 即通过计算q（X1∩X2）值来判断因子X1和X2的共同作用对因变量Y的影响力是增强还是减弱, 将q（X1∩X2）值与q（X1）和q（X2）的数值进行比较, 对于因变量Y的作用关系判别依据见表 5.
|
|
表 5 因子交互探测结果 Table 5 Factor interaction detection results |
2 结果与分析 2.1 PLUS模型检验
本文以2005年为初始年份通过PLUS模型获得2020年新疆土地利用模拟数据, 通过对比2020年新疆实际土地利用与模拟土地利用数据（图 3）, 可发现两者在林草地和未利用地分布上几乎相同（图 3中3区）. 但在耕地、水体和建筑用地分布上差别较大（图 3中1区和2区）, 实际建筑用地面积大于模拟数据, 而耕地和水体面积小于模拟数据, 推断是近年来新疆以乌鲁木齐为代表的地区经济发展迅速, 从而导致建筑用地通过侵占耕地和水体大量扩张. 对2020年土地利用模拟结果进行一致性检验, 结果显示Kappa值为0.780 4, 总体精度88.31%. 一般情况下, 当Kappa ≥ 0.75时, 实际数据和模拟结果的一致性较高. 因此, 该模型模拟的2020年土地利用数据结果精度较高, 可以用于模拟新疆2035年土地利用变化情况.
|
图 3 2020年新疆土地利用模拟结果与实际对比 Fig. 3 Comparison between land use simulation results and actual data in Xinjiang in 2020 |
由表 6知, 1990~2020年, 未利用地约占新疆总面积的61%, 是主要的土地利用类型. 其次是草地, 占28.32%~29.8%, 其余地类面积占比均在5.4%以下. 耕地主要分布在塔里木盆地南缘、准噶尔盆地北部和东北部（图 4）；林地和草地沿两个盆地边缘呈环状分布；水体除北部和中部外, 在准噶尔盆地南缘呈带状分布；建筑用地主要集中在乌鲁木齐市区, 其余地区零星分布. 1990~2020年, 各地类面积都发生了不同程度变化. 耕地是变化幅度最大的地类, 面积呈持续增加趋势, 增加了33 221.87 km2, 建设用地面积变化与此趋势相同, 林地面积持续下降, 减少10 803.88 km2, 水域和未利用地面积表现为“增加-减少-增加”的波动状态, 总体呈减少趋势, 减量为14 938.68 km2和8 395.52 km2, 草地面积在1990~2005年减少14 415.87 km2, 2005~2015年随着生态文明建设的理念的深入贯彻和一批生态工程的实施, 草地面积得到恢复, 2015年面积为496 140.2 km2, 比2005年最低值增加24 717.69 km2.
|
|
表 6 新疆各土地利用类型面积1） Table 6 Area of different land use type in Xinjiang |
|
图 4 1990~2035年新疆土地利用格局 Fig. 4 Land use pattern in Xinjiang from 1990 to 2035 |
2035年模拟结果显示（图 4）, 与2020年相比, 2035年新疆不同情景各类用地变化有所差异. 具体表现在：2035年自然变化情景下, 各地类的整体变化趋势与1990~2020年基本一致, 林地和未利用地面积减少, 其余地类呈扩张趋势；2035年生态保护情景下, 耕地和未利用地面积减少, 其余地类均呈增加趋势；与其他情景相比, 2035年快速发展情景下, 建设用地面积增幅最大, 主要扩张方式以填充为主, 对林地、草地和水体侵占作用明显；2035年耕地保护情景下, 耕地面积比2020年增加18 038.84 km2.
从空间分布角度来看, 自然变化情景下林地和未利用地面积减少地区主要位于天山南部和昆仑山北部；生态保护情景下, 耕地和未利用地面积减少主要原因是天山北部的植树造林和生态修复工程的实施；快速发展情景下乌鲁木齐市区建设用地面积增幅最大；耕地保护情景下, 耕地主要由乌鲁木齐市周边的林地和草地转移而来. 综上, 只有生态保护情景中, 林草地面积是增加的, 故生态保护发展模式可在一定程度上改善区域生态环境质量.
2.3 碳储量时空变化分析 2.3.1 碳储量时间变化特征由表 7可知, 1990~2020年新疆碳储量表现为“减少-增加-减少”的波动增加趋势, 增量为35.82 Tg. 其中1990~2000年碳储量呈减少趋势, 主要原因是林地和草地面积减少. 而在2000~2020年碳储量呈增加趋势, 其原因是虽然林草地面积有所下降, 但这一时期耕地面积迅速扩张, 20年间增加了30 590.55 km2, 进而使得碳储量增加. 从各土地利用类型来看, 新疆地区不同时期不同土地利用类型的碳储量略有变化, 主要表现为：林地、草地、水域和未利用地碳储量减少, 耕地和建设用地碳储量增加. 其中, 耕地碳储量增加较为明显. 新疆不同土地利用类型碳储量对总碳储量的贡献值由大到小依次为：草地、未利用地、耕地、林地、建设用地和水域. 1990~2020年, 草地面积最大为2015年（496 140.2 km2）, 占比不到1/3, 但其碳储量占总碳储量的47%以上, 是新疆最主要的碳库.
|
|
表 7 1990~2035年新疆不同土地利用类型碳储量/Tg Table 7 Carbon stocks of different land use types in Xinjiang from 2000 to 2030/Tg |
2035年4种情景碳储量与2020年相比, 自然发展和快速发展情景减少了27.24 Tg和71.17 Tg；生态保护和耕地保护情景增加了492.55 Tg和46.67 Tg. 快速发展情景总碳储量最低, 表明今后新疆若要增加碳储量, 须改变现有政策, 在发展经济的同时应注重对生态环境的保护. 生态保护情景中因对林地和草地等生态用地保护力度加强, 使得该情景碳储量增幅最高, 表明生态保护情景是提高新疆地区生态系统碳储量的最佳发展模式. 从各土地利用类型来看, 耕地碳储量除在生态保护情景中下降外, 在其余情景中均比2020年上升；林地碳储量仅在生态保护情景中上升；草地和建设用地碳储量在4种情景中均上升；未利用地碳储量在4种情景中均下降.
2.3.2 碳储量空间分布及其变化特征由图 5可知, 2035年4种情景碳储量分布格局与2020年大致相同. 北部阿尔泰山、中部天山和南部昆仑山系因常年受冰川积雪融水补给, 植被覆盖度较高, 碳储量也较高；塔里木盆地和准噶尔盆地因生态环境恶劣, 植被覆盖度低, 为碳储量低值区域.
|
图 5 1990~2035年新疆碳储量分布格局及变化趋势 Fig. 5 Carbon stock distribution patterns and trends in Xinjiang from 1990 to 2035 |
为了进一步明晰新疆不同时段内碳储量变化特征, 参考相关研究成果[28], 将碳储量变化分为减少、基本不变和增加这3类. 其中, 变化最明显的是2005~2010年, 从地理分区来看, 北疆地区碳储量变化区域呈散点式分布, 南疆地区碳储量变化区域犬牙交错, 主要集中在准噶尔盆地外环边缘. 2020~2035年各情景碳储量空间变化存在一定差异. 在自然发展和快速发展情景下, 乌鲁木齐市区建筑用地扩张明显, 碳储量明显下降；耕地保护情景下, 塔里木盆地南缘、准噶尔盆地北部和东北部的耕地得以发展, 碳储量有所上升；生态保护情景中, 塔里木盆地北部、天山地区和准噶尔盆地西南部的林草地受到保护, 碳储量增加最为显著.
2.4 土地利用变化对碳储量的影响土地利用转换所引起的碳储量变化主要受其转移面积大小及各地类间碳密度差异所影响. 由表 8、图 6和图 7可知, 近30年新疆由于不同土地利用类型相互转换, 碳储量增加1 103.78 Tg、碳储量减少1 068.06 Tg, 碳储量净增加35.72 Tg. 其增加的主要原因为124 503.38 km2的低碳密度未利用地转移至草地（716.39 Tg）以及草地转移为最高碳密度的林地（117.24 Tg）；同时较低碳密度的水域和未利用地转移至草地和耕地, 形成一部分碳汇增加碳储量, 因此30年来新疆碳储量呈增加趋势. 从不同地类转移所致的总面积变化视角来看, 2020年新疆较1990年相比, 虽然有一部分林地转移至草地和一部分草地转移至未利用地, 导致碳储量损失200.56 Tg和660.96 Tg, 但总碳储量却是增加的, 这是因为近年来我国高度重视新疆地区生态文明建设, 使得大量的未利用地转移至草地, 且未利用地转移至草地的碳储增量远大于草地转移至未利用地带来的碳储减量, 因此总体碳储量表现为增加趋势. 综合来看, 未利用地大量转移至草地是30年间新疆地区碳储量增加的主要原因. 草地与其它地类转换是导致新疆地区碳收支变化的关键因素, 加强对林地和草地的保护力度、积极实施生态保护和草地修复工程是提高区域碳储量的必要手段.
|
|
表 8 1990~2020年新疆土地利用转移及其碳储量响应 Table 8 Land use transfer and carbon storage response in Xinjiang from 1990 to 2020 |
|
图 6 1990~2020年新疆土地利用空间变化 Fig. 6 Spatial change of land use in Xinjiang from 1990 to 2020 |
|
图 7 1990~2020年新疆土地利用与碳储量转移数值 Fig. 7 Land use and carbon stock transfer values in Xinjiang from 1990 to 2020 |
结合不同年份单因子探测结果（表 9）, 从驱动碳储量分异的各驱动因子横向角度看, 各因子对碳储量空间分异的解释力存在差异, 且差距明显. 各年间, 土壤侵蚀强度（0.350 1）在各个驱动因子中解释力强度最高, 其次是植被净初级生产力（0.342 9）, 驱动力解释强度最低的是坡向（0.000 3）. 从不同年份纵向来看, 各因子在不同时期碳的储量空间分异表现出不同的解释力, 但主要解释因子基本一致. 其中土壤侵蚀强度是导致1990~2005年新疆碳储量空间分异的最强驱动力, 而2005~2020年则是植被净初级生产力.
|
|
表 9 不同年份单因子探测结果 Table 9 Single of factor detection results in different years |
地理探测器交互结果如图 8所示. 与单因子比较, 新疆碳储量变化对任意双因子交互作用的响应更强烈, 所有交互探测结果均属于双因子和非线性增强两类. 其中x7与x1、x4、x5和x6交互均呈明显非线性增强, 表明土壤侵蚀强度与高程、年均降水量、年均气温和土壤类型在特定组合条件下会极大地增强各因子对碳储量空间分布的影响.
|
x1表示高程, x2表示坡度, x3表示坡向, x4表示年均降水量, x5表示年均气温, x6表示土壤类型, x7表示土壤侵蚀强度, x8表示植被净初级生产力, x9表示经济生产总值（GDP）, x10表示人口密度, x11表示夜间灯光指数；色柱由蓝色至红色表示交互作用对碳储量的驱动力逐渐增强 图 8 不同年份交互探测结果 Fig. 8 Interactive detection results in different years |
土地利用方式会直接改变地表状况, 进而引起生态环境变化, 最终作用于生态系统碳循环过程, 引起碳储量变化. 本研究表明, 新疆1990~2020年碳储量呈波动上升趋势, 其中1990~2000年呈下降趋势, 主要原因是林草地转化为耕地和建筑用地. 1990~2000年, 随着改革开放的深入推进和开发大西北战略的不断落实, 新疆地区大量的林草地转变为耕地和建筑用地[29]. 因此, 耕地和建筑用地侵占林草地是该时期碳储量减少的主要原因. 该结果与柯新利等[30]研究发现城市扩张与耕地保护的耦合是导致生态系统碳储量减少的主要原因这一结论相一致. 同时, 本研究结果还与其他部分学者研究结果一致, 如丁岳等[31]对环杭州湾大湾区进行土地利用方式与生态系统服务碳储量的关系研究, 结果表明, 土地利用类型变化是导致生态系统碳储量变化的主要因素, 建设用地的快速扩张导致碳储量降低；李素晓[32]研究表明, 京津冀碳储量在1990~2015年期间随着建设用地面积的增加呈现逐年降低的趋势；李瑾璞等[33]对河北省碳储量研究中发现, 建设用地扩张是导致该区域碳储量降低的主要原因, 且扩张规模直接影响碳储量变化速率. 2000年以来, 一方面归功于一系列生态系统保护和修复工程的实施, 如柯柯牙荒漠绿化工程及后续4个百万亩生态治理工程[34], 建起了“天山塔河双廊道, 五源一干两绿洲”的生态保护框架体系；另一方面与生态文明建设理念的深入人心及统筹山水林田湖草沙冰一体化保护和系统化治理密不可分[35]. 2015~2020年新疆碳储量微幅减少, 其原因是一批能源化工基地的建立引起建设用地面积迅速扩张所致[36]. 综合来看, 即使2015年以来, 新疆碳储量轻微减少, 但未利用地转换为其它地类也使得碳储量大幅增加. 因此, 1990~2020年间新疆碳储量仍呈总体上升趋势.
不同土地利用类型的碳密度具有显著的差异性, 低碳密度地类大量转移至高碳密度地类, 利于增加碳储量, 形成碳汇, 相反则会减少碳储量, 不利于碳汇的形成[37 ~ 40]. 本研究中新疆2035年自然发展情景延续以往发展模式；快速发展情景致力于经济高速发展而忽视生态保护, 致使大量林草地转化为建设用地和未利用地；耕地保护情景只专注于限制耕地向其他地类转移, 而忽视了对其他生态用地的保护. 以上3种情景与2020年相比均发生了一定量的碳储量损失, 分别减少了27.24、71.17和46.67 Tg, 因此都不宜被采用. 生态保护情景由于高碳密度地类林地、草地转移概率的增加, 该情景较其他情景能一定程度上增加碳储量或者降低碳储量的损失. 张平平等[41]利用CA-Markov模型和InVEST模型研究发现生态保护情景较自然增长情景能显著降低碳储量的损失, 与本研究未来情景碳储量研究结果较为一致. 因此, 坚持生态保护优先, 统筹山水林田湖草沙冰一体化保护, 大力采取生态环境保护政策对于区域碳储量稳固提升具有一定的积极作用.
3.2 碳储量空间分异的驱动因子单因子探测结果表明, 土壤侵蚀强度（0.350 1）和植被净初级生产力（0.342 9）对新疆碳储量时空分异的驱动力最强, 这与前人研究得出的地区碳储量时空分异的主要驱动力为人口密度和GDP密度这一结论有所不同[42, 43], 究其原因, 应是新疆作为我国一个特殊的地理单元, 存在大量自然地表区域, 沙漠和戈壁滩广布, 大多数区域人迹罕至[44 ~ 46]. 因此以土地利用、人口密度和GDP密度为代表的人为因子对新疆碳储量时空分异的驱动力不高. 而土壤侵蚀强度作为典型自然因子决定着区域水土保持状况, 若土壤侵蚀强度过高, 可能会引起土地沙砾化, 进而制约区域碳储量的形成[47 ~ 49], 最终造成碳储量的时空分异. 植被净初级生产力是表征区域自然环境状况的主要因子, 其值高低可在一定程度上反映区域植被类型与覆盖度, 一般而言, 植被净初级生产力越高的区域, 其植被类型越丰富, 植被覆盖度越高[50, 51], 越有可能分布着高碳密度的林草地, 从而形成碳储量高值区. 综合来看, 土壤侵蚀强度和植被净初级生产力是驱动新疆地区碳储量空间分异的主要因子.
从交互因子看, 排名第二的交互因子在不同年份中有所区别, 在1990、2000和2005年是高程∩土壤侵蚀强度；而在2010、2015和2020年是土壤类型∩植被净初级生产力. 出现这一变化的原因应是2010年以来, 随着生态文明建设理念的深入贯彻落实以及一批生态修复工程的实施, 新疆地区乱砍滥伐导致牧场、土壤侵蚀和水土流失等现象得到有效遏制[52], 使得高程和土壤侵蚀强度在近年来趋于稳定, 两者交互的驱动力强度有所下降. 植被净初级生产力作为影响新疆碳储量时空分异的主导单因子驱动力, 与研究区土壤类型有着必然的联系. 土壤类型不同使得植被类型有所差异, 进而导致植被覆盖度和植被净初级生产力不同. 因此新疆地区的土壤类型与植被净初级生产力交互作用, 能够极大程度地造成不同时期碳储量的时空分异.
4 结论（1）未利用地是新疆最主要的土地利用类型, 占比为61%左右. 1990~2020年耕地、建设用地面积增加, 其余四类用地面积减少, 主要由未利用地向草地转移. 2035年相比其他情景, 生态保护情景下林草地面积最大, 耕地和建筑用地面积最小.
（2）1990~2020年新疆碳储量总体呈增加趋势, 增量为35.82 Tg. 其原因为未利用地转移为草地. 同时草地也是新疆最主要的碳库. 空间尺度上, 北部阿尔泰山、中部天山和南部昆仑山系碳储量较高, 塔里木盆地和准噶尔盆地是碳储量低值区域. 北疆地区碳储量变化区域呈散点式分布, 南疆地区碳储量变化区域主要集中在准噶尔盆地外环边缘.
（3）2035年4种情景碳储量分布格局与2020年大致相同, 各情景碳储量空间变化存在一定差异. 自然发展和快速发展情景碳储量较2020年减少27.24 Tg和71.17 Tg；生态保护和耕地保护情景增加492.55 Tg和46.67 Tg, 生态保护情景较其他情景能显著提升新疆地区碳储量.
（4）碳储量时空变化是多因素共同作用的结果. 土壤侵蚀强度是主要驱动因子, 其次则为植被净初级生产力, 且各因子交互作用均对碳储量变化具有增强的解释力. 土壤侵蚀强度和植被净初级生产力是新疆碳储量空间分异的主要交互驱动因子.
| [1] | Fang J Y, Zhu J L, Wang S P, et al. Global warming, human-induced carbon emissions, and their uncertainties[J]. Science China Earth Sciences, 2011, 54(10): 1458-1468. DOI:10.1007/s11430-011-4292-0 |
| [2] | Cramer W, Guiot J, Fader M, et al. Climate change and interconnected risks to sustainable development in the Mediterranean[J]. Nature Climate Change, 2018, 8(11): 972-980. DOI:10.1038/s41558-018-0299-2 |
| [3] | 习近平. 在第七十五届联合国大会一般性辩论上的讲话[J]. 中华人民共和国国务院公报, 2020(28): 5-7. |
| [4] |
杨旭, 刘贤赵. 长株潭城市群地类转移的碳传导效应与预测[J]. 环境科学, 2022, 43(12): 5850-5860. Yang X, Liu X Z. Temporal and spatial differences in carbon conduction and prediction effect of land type transfer in Chang-Zhu-Tan urban agglomeration[J]. Environmental Science, 2022, 43(12): 5850-5860. |
| [5] |
韩楠, 罗新宇. 多情景视角下京津冀碳排放达峰预测与减排潜力[J]. 自然资源学报, 2022, 37(5): 1277-1288. Han N, Luo X Y. Carbon emission peak prediction and reduction potential in Beijing-Tianjin-Hebei region from the perspective of multiple scenarios[J]. Journal of Natural Resources, 2022, 37(5): 1277-1288. |
| [6] |
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. |
| [7] |
陈广生, 田汉勤. 土地利用/覆盖变化对陆地生态系统碳循环的影响[J]. 植物生态学报, 2007, 31(2): 189-204. Chen G S, Tian H Q. Land use/cover change effects on carbon cycling in terrestrial ecosystems[J]. Journal of Plant Ecology, 2007, 31(2): 189-204. DOI:10.3321/j.issn:1005-264X.2007.02.003 |
| [8] | Intergovernmental Panel on Climate Change (IPCC). Special report on global warming of 1.5℃[R]. Cambridge: Cambridge University Press, 2018. |
| [9] |
张斌, 李璐, 夏秋月, 等. "三线"约束下土地利用变化及其对碳储量的影响——以武汉城市圈为例[J]. 生态学报, 2022, 42(6): 2265-2280. Zhang B, Li L, Xia Q Y, et al. Land use change and its impact on carbon storage under the constraints of "Three lines": a case study of Wuhan City circle[J]. Acta Ecologica Sinica, 2022, 42(6): 2265-2280. |
| [10] |
张燕, 师学义, 唐倩. 不同土地利用情景下汾河上游地区碳储量评估[J]. 生态学报, 2021, 41(1): 360-373. Zhang Y, Shi X Y, Tang Q. Carbon storage assessment in the upper reaches of the Fenhe River under different land use scenarios[J]. Acta Ecologica Sinica, 2021, 41(1): 360-373. |
| [11] | Liang Y J, Hashimoto S, Liu L J. Integrated assessment of land-use/land-cover dynamics on carbon storage services in the Loess Plateau of China from 1995 to 2050[J]. Ecological Indicators, 2021, 120. DOI:10.1016/j.ecolind.2020.106939 |
| [12] | Wang Z Y, Li X, Mao Y T, et al. Dynamic simulation of land use change and assessment of carbon storage based on climate change scenarios at the city level: a case study of Bortala, China[J]. Ecological Indicators, 2022, 134. DOI:10.1016/j.ecolind.2021.108499 |
| [13] |
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. |
| [14] | Liang X, Liu X P, Li D, et al. Urban growth simulation by incorporating planning policies into a CA-based future land-use simulation model[J]. International Journal of Geographical Information Science, 2018, 32(11): 2294-2316. DOI:10.1080/13658816.2018.1502441 |
| [15] | 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 |
| [16] | Qiu Z X, Feng Z K, Song Y N, et al. Carbon sequestration potential of forest vegetation in China from 2003 to 2050: Predicting forest vegetation growth based on climate and the environment[J]. Journal of Cleaner Production, 2020, 252. DOI:10.1016/j.jclepro.2019.119715 |
| [17] |
宋世凯. 全球变暖背景下1960-2014年中国降水时空变化特征[D]. 乌鲁木齐: 新疆大学, 2017. Song S K. Spatial and temporal variation characteristics of precipitation over China during 1960-2014 under global warming [D]. Urumqi: Xinjiang University, 2017. |
| [18] | Giardina C P, Ryan M G. Evidence that decomposition rates of organic carbon in mineral soil do not vary with temperature[J]. Nature, 2000, 404(6780): 858-861. |
| [19] | Alam S A, Starr M, Clark B J F. Tree biomass and soil organic carbon densities across the Sudanese woodland savannah: a regional carbon sequestration study[J]. Journal of Arid Environments, 2013, 89: 67-76. DOI:10.1016/j.jaridenv.2012.10.002 |
| [20] |
李维杰, 王建力. 太行山脉不同量级降雨侵蚀力时空变化特征[J]. 自然资源学报, 2019, 34(4): 785-801. Li W J, Wang J L. Spatial and temporal variations of rainfall erosivity at each level in Taihang Mountain[J]. Journal of Natural Resources, 2019, 34(4): 785-801. |
| [21] |
代杰瑞, 庞绪贵, 曾宪东, 等. 山东省土壤有机碳密度的空间分布特征及其影响因素[J]. 环境科学研究, 2015, 28(9): 1449-1458. Dai J R, Pang X G, Zeng X D, et al. Soil carbon density and distribution and influencing factors in Shandong province[J]. Research of Environmental Sciences, 2015, 28(9): 1449-1458. |
| [22] |
李克让, 王绍强, 曹明奎. 中国植被和土壤碳贮量[J]. 中国科学(D辑), 2004, 47(1): 72-80. Li K R, Wang S Q, Cao M K. Vegetation and soil carbon storage in China[J]. Science in China (Ser D), 2004, 47(1): 49-57. |
| [23] |
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. |
| [24] |
王保盛, 廖江福, 祝薇, 等. 基于历史情景的FLUS模型邻域权重设置——以闽三角城市群2030年土地利用模拟为例[J]. 生态学报, 2019, 39(12): 4284-4298. Wang B S, Liao J F, Zhu W, et al. The weight of neighborhood setting of the FLUS model based on a historical scenario: a case study of land use simulation of urban agglomeration of the Golden Triangle of Southern Fujian in 2030[J]. Acta Ecologica Sinica, 2019, 39(12): 4284-4298. |
| [25] |
王劲峰, 徐成东. 地理探测器: 原理与展望[J]. 地理学报, 2017, 72(1): 116-134. Wang J F, Xu C D. Geodetector: principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. |
| [26] |
吕晨, 蓝修婷, 孙威. 地理探测器方法下北京市人口空间格局变化与自然因素的关系研究[J]. 自然资源学报, 2017, 32(8): 1385-1397. Lü C, Lan X T, Sun W. A study on the relationship between natural factors and population distribution in Beijing using geographical detector[J]. Journal of Natural Resources, 2017, 32(8): 1385-1397. |
| [27] | Shi T Z, Hu Z W, Shi Z, et al. Geo-detection of factors controlling spatial patterns of heavy metals in urban topsoil using multi-source data[J]. Science of the Total Environment, 2018, 643. DOI:10.1016/j.scitotenv.2018.06.224 |
| [28] |
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. |
| [29] |
师君银, 马勇刚, 许仲林. 喀什地区土地利用变化对生境质量的影响[J]. 西南农业学报, 2480-2490. Shi J Y, Ma Y G, Xu Z L. Impact of land use change on habitat quality in Kashgar region[J]. Southwest China Journal of Agriculture Sciences, 2480-2490. |
| [30] |
柯新利, 唐兰萍. 城市扩张与耕地保护耦合对陆地生态系统碳储量的影响——以湖北省为例[J]. 生态学报, 2019, 39(2): 672-683. Ke X L, Tang L P. Impact of cascading processes of urban expansion and cropland reclamation on the ecosystem of a carbon storage service in Hubei Province, China[J]. Acta Ecologica Sinica, 2019, 39(2): 672-683. |
| [31] |
丁岳, 王柳柱, 桂峰, 等. 基于InVEST模型和PLUS模型的环杭州湾生态系统碳储量[J]. 环境科学, 2023, 44(6): 3343-3352. Ding Y, Wang L Z, Gui F, et al. Ecosystem carbon storage in Hangzhou bay area based on InVEST and PLUS models[J]. Environmental Science, 2023, 44(6): 3343-3352. |
| [32] |
李素晓. 京津冀生态系统服务演变规律与驱动因素研究[D]. 北京: 北京林业大学, 2019. Li S X. The dynamics of ecosystem services and their driving factors in the Jing-Jin-Ji region[D]. Beijing: Beijing Forestry University, 2019. |
| [33] |
李瑾璞, 夏少霞, 于秀波, 等. 基于InVEST模型的河北省陆地生态系统碳储量研究[J]. 生态与农村环境学报, 2020, 36(7): 854-861. Li J P, Xia S X, Yu X B, et al. Evaluation of carbon storage on terrestrial ecosystem in Hebei province based on InVEST model[J]. Journal of Ecology and Rural Environment, 2020, 36(7): 854-861. |
| [34] |
翟玉鑫, 张飞云, 马丽娜. 近40年新疆三生用地转型及其生态环境效应演变[J]. 土壤通报, 2022, 53(3): 514-523. Zhai Y X, Zhang F Y, Ma L N. Changes of production-living-ecology land transformation and eco-environmental effects in Xinjiang in last 40 years[J]. Chinese Journal of Soil Science, 2022, 53(3): 514-523. |
| [35] |
张杨, 杨洋, 江平, 等. 山水林田湖草生命共同体的科学认知、路径及制度体系保障[J]. 自然资源学报, 2022, 37(11): 3005-3018. Zhang Y, Yang Y, Jiang P, et al. Scientific cognition, path and governance system guarantee of the Life Community of Mountains, Rivers, Forests, Fields, Lakes and Grasses[J]. Journal of Natural Resources, 2022, 37(11): 3005-3018. |
| [36] |
易学睿, 王强, 田华, 等. 我国现代煤化工产业"十四五"发展布局展望[J]. 现代化工, 2022, 42(8): 16-21. Yi X R, Wang Q, Tian H, et al. Prospect of China's development layout for modern coal chemical industry in "14th Five-year Plan" period[J]. Modern Chemical Industry, 2022, 42(8): 16-21. |
| [37] |
贾国栋, 张龙齐, 余新晓. 生态修复的固碳机制、实现途径及碳中和对策[J]. 水土保持通报, 2022, 42(5): 393-397. Jia G D, Zhang L Q, Yu X X. Carbon sequestration mechanism, realization way and carbon neutralization strategy of ecological restoration[J]. Bulletin of Soil and Water Conservation, 2022, 42(5): 393-397. |
| [38] |
余新晓, 贾国栋, 郑鹏飞. 碳中和的水土保持实现途径和对策[J]. 中国水土保持科学, 2021, 19(6): 138-144. Yu X X, Jia G D, Zheng P F. Ways and countermeasures to achieve carbon-neutral in soil and water conservation[J]. Science of Soil and Water Conservation, 2021, 19(6): 138-144. |
| [39] | Fang J Y, Guo Z D, Hu H F, et al. Forest biomass carbon sinks in East Asia, with special reference to the relative contributions of forest expansion and forest growth[J]. Global Change Biology, 2014, 20(6): 2019-2030. |
| [40] | Lu F, Hu H F, Sun W J, et al. Effects of national ecological restoration projects on carbon sequestration in China from 2001 to 2010[J]. Proceedings of the National Academy of Sciences of the United States of America, 2018, 115(16): 4039-4044. |
| [41] |
张平平, 李艳红, 殷浩然, 等. 中国南北过渡带生态系统碳储量时空变化及动态模拟[J]. 自然资源学报, 2022, 37(5): 1183-1197. Zhang P P, Li Y H, Yin H R, et al. Spatio-temporal variation and dynamic simulation of ecosystem carbon storage in the North-South transitional zone of China[J]. Journal of Natural Resources, 2022, 37(5): 1183-1197. |
| [42] |
石晶, 石培基, 王梓洋, 等. 基于PLUS-InVEST模型的酒泉市生态系统碳储量时空演变与预测[J]. 环境科学, 2024, 45(1): 300-313. Shi J, Shi P J, Wang Z Y, et al. Spatial-temporal evolution and prediction of carbon storage in Jiuquan City ecosystem based on PLUS-InVEST Model[J]. Environmental Science, 2024, 45(1): 300-313. |
| [43] |
毛永发, 周启刚, 王陶, 等. 耦合PLUS-InVEST-Geodector模型的三峡库区碳储量时空变化及其定量归因[J]. 长江流域资源与环境, 2023, 32(5): 1042-1057. Mao Y F, Zhou Q G, Wang T, et al. Spatial-temporal variation of carbon storage and its quantitative attribution in the Three Gorges Reservoir Area coupled with PLUS-InVEST Geodector model[J]. Resources and Environment in the Yangtze Basin, 2023, 32(5): 1042-1057. |
| [44] |
王渊刚, 罗格平, 赵树斌, 等. 新疆耕地变化对区域碳平衡的影响[J]. 地理学报, 2014, 69(1): 110-120. Wang Y G, Luo G P, Zhao S B, et al. Effects of arable land change on regional carbon balance in Xinjiang[J]. Acta Geographica Sinica, 2014, 69(1): 110-120. |
| [45] |
张甜, 黄晓燕, 李鹏, 等. 西北"水三线"地区生态经济枢纽区基本理论与建设布局[J]. 地理学报, 2022, 77(9): 2154-2173. Zhang T, Huang X Y, Li P, et al. Basic theories and construction layout of eco-economic pivotal zones in northwest China based on "Three Water Lines" strategy[J]. Acta Geographica Sinica, 2022, 77(9): 2154-2173. |
| [46] |
向丽雄. 新疆博斯腾湖多指标记录的中晚全新世气候环境变化再研究[D]. 兰州: 兰州大学, 2023. Xiang L X. Restudy on the regional climate and environment changes in the middle to late Holocene recorded by multi-proxies of Bosten Lake, Xinjiang, China[D]. Lanzhou: Lanzhou University, 2023. |
| [47] |
刘小岚, 黄金权, 齐瑜洁, 等. 有机碳流失对土壤侵蚀的响应及其驱动因素: 基于Meta分析[J]. 环境科学, 2023, 44(9): 5125-5134. Liu X L, Huang J Q, Qi Y J, et al. Response of organic carbon loss to soil erosion and its drivers: a Meta-analysis[J]. Environmental Science, 2023, 44(9): 5125-5134. |
| [48] |
张健乐, 曾小英, 史东梅, 等. 生物炭对紫色土坡耕地侵蚀性耕层土壤有机碳的影响[J]. 环境科学, 2022, 43(4): 2209-2218. Zhang J L, Zeng X Y, Shi D M, et al. Effects of biochar on soil organic carbon of eroded cultivated layer of slope farmland in Purple Hilly Area[J]. Environmental Science, 2022, 43(4): 2209-2218. |
| [49] |
覃乾, 朱世硕, 夏彬, 等. 黄土丘陵区侵蚀坡面土壤微生物量碳时空动态及影响因素[J]. 环境科学, 2019, 40(4): 1973-1980. Qin Q, Zhu S S, Xia B, et al. Temporal and spatial dynamics of soil microbial biomass carbon and its influencing factors on an eroded slope in the Hilly Loess Plateau Region[J]. Environmental Science, 2019, 40(4): 1973-1980. |
| [50] | Ye Q, Feng W Z, Jiao G Y, et al. Drought characteristics and their impacts on vegetation net primary productivity in the subtropical China[J]. Frontiers in Ecology and Evolution, 2023, 11. DOI:10.3389/fevo.2023.1181332 |
| [51] | Mu W B, Zhu X Y, Ma W X, et al. Impact assessment of urbanization on vegetation net primary productivity: a case study of the core development area in central plains urban agglomeration, China[J]. Environmental Research, 2023, 229. DOI:10.1016/j.envres.2023.115995 |
| [52] | 张振华, 卓青青, 代晓辉. 习近平生态文明建设的思想与实践研究——以新疆为例[J]. 新疆社科论坛, 2017(3): 5-13. |