2000—2020年黄河流域碳储量对土地利用变化的响应

摘 要：以黄河流域为研究对象，通过土地利用动态度和土地利用转移矩阵分析黄河流域土地利用变化规律，利用InVEST模型探究黄河流域碳储量的时空变化规律，以明确用地类型转化与碳储量的关系。结果显示：①2000—2020年，草地和耕地是研究区面积最大的用地类型，且动态度波动不大；林地面积总体增加，但增速逐渐减缓；水域和建设用地面积显著增加；未利用地面积先增后减。②2000—2020年，黄河流域碳储量呈现持续减少的趋势，空间上呈西北低、东南高的格局，其中林地的碳储量最高。③耕地、林地和草地的转出会导致碳储量减少，未利用地的转出则会增加碳储量，水域和建设用地的转出对碳储量的影响相对较小。对黄河流域土地利用变化和碳储量时空规律进行深入研究，可为土地管理和碳减排政策制定提供科学依据。

关键词：土地利用；碳储量；黄河流域；InVEST模型

中图分类号：F301.2；X171.1；X321 文献标志码：A 文章编号：1674-7909（2024）16-126-5

DOI：10.19345/j.cnki.1674-7909.2024.16.028

0 引言

21世纪以来，全球碳排放量不断升高，加剧了气候变暖，对人类生存构成巨大威胁。实现碳中和是人类构建可持续未来的关键一步。生态系统通过碳汇过程积累碳储量，这一过程在全球碳循环中至关重要，并对气候变化产生深远影响。土地利用变化，如森林采伐、城市化和农业扩张等，是影响碳储量的关键因素［1］。深入分析碳储量对土地利用变化的响应，对于制定有效的环境管理和气候政策至关重要。当前，基于3S技术开发的碳储量计量模型已逐渐成熟，常见的模型有InVEST、ARIES、SoLVES等。其中，InVEST模型具有可视化、适用范围广、量化精准等优点，是目前最为成熟的模型之一。HAUNREITER［2］、NELSON［3］、周彬等［4］、王蓓等［5］采用InVEST模型分别对美国西南部内华达山脉、俄勒冈州威拉米特河流域、北京山区、黑河流域等地的碳储量进行了评估，为研究区的生态系统管理，尤其是碳减排提供了科学依据。然而，当前研究大多侧重于土地利用或碳储量的单一分析，较少将两者结合起来进行综合研究。为深入理解生态系统的复杂性，该研究探究了土地利用和碳储量之间的关系，为黄河流域环境保护和气候变化应对提供科学依据。

黄河流域在我国生态安全中占据重要地位，其土地利用方式对区域内的环境保护、农业生产和生态建设有着深远的影响。不仅如此，黄河流域还拥有多个大型煤炭矿区，是我国重要的煤炭生产和消费区，也对我国碳减排目标的实现有着重要影响。该研究通过分析黄河流域土地利用变化规律和碳储量的时空分布，深入探究土地利用与碳储量之间的关系，为黄河流域的可持续发展和生态环境保护提供科学依据，同时为国家和区域应对气候变化提供数据支持。

1 研究区概况及数据来源

1.1 研究区概况

黄河源于青藏高原巴颜喀拉山脉，最后注入渤海，流域总面积约79.5万 km2。从图1可看出，黄河流域地貌差异悬殊，涵盖了高原、山地、盆地等地形，地势自西向东逐渐降低，呈现出显著的阶梯状分布。黄河流域气候类型多样，降水分布不均，生态环境脆弱，水土流失和土地退化问题突出，是进行土地利用变化与碳储量研究的典型区域。

1.2 数据来源

该研究数据主要包括2种，一是土地利用数据，其分辨率为30 m，来源于中国科学院资源环境科学数据中心，分为耕地、草地、林地、水域、建设用地、未利用地六种类型；二是碳储量计算模型中需要的碳密度数据，主要依据模型手册和相关研究区的研究成果。InVEST模型的碳储量（Carbon Storage模块）计算依据4个关键碳库指标：地上生物碳库（C-above）、地下生物碳库（C-below）、土壤碳库（C-soil）及死亡有机物碳库（C-dead）。其中，耕地四项指标分别为5.00、23.45、31.49、2.84，林地四项指标分别为12.32、33.67、58.25、4.09，草地四项指标分别为10.26、25.13、29.03、2.19，水域四项指标均为0；建设用地四项指标分别为0.73、7.99、0、0，未利用地四项指标分别为0.38、0、20.00、0。

2 研究方法

2.1 单一土地利用动态度

2.2 土地利用类型转移矩阵

2.3 碳储量估算

3 结果与分析

3.1 土地利用时空变化分析

2000—2020年黄河流域各类型用地面积基本稳定，动态度波动不大，空间分布未发生明显变化，见表1和图2。草地主要分布在黄河流域上游地区，用地面积占比最多，小幅度变化可能是季节性或气候变化引起的。耕地主要分布在黄河流域中游和下游地区，面积占比次之。耕地面积随时间推移持续减少，但减少的速度有所波动，2005—2010年减少速度最快。林地主要分布在黄河流域中游和上游地区，面积占比总体呈增长趋势，但增长速度逐渐减缓，2015—2020年出现微量减少的情况。这一趋势主要得益于大规模植树造林和生态保护项目的实施，但随着城市化和基础设施建设的推进，林地面积增长受到限制甚至减少。水域面积总体呈增加趋势，动态度在不同阶段有所波动。水域面积增加与水资源管理和保护措施的加强有关，特别是在湖泊和湿地恢复方面的工作成效显著。建设用地主要分布在黄河流域中游和下游地区，其面积随时间推移显著增加，动态度逐年上升，在2010—2015年增加速度最快，显示出此期间快速城市化和基础设施建设的进程。未利用地主要分布在黄河流域上游地区，其面积呈现先增加后减缓的变化趋势，动态度在不同阶段有较大波动，这与土地整治和生态修复工作有关。

3.2 碳储量时空变化特征分析

从时间上来看，2000年、2005年、2010年、2015年、2020年黄河流域碳储量分别为49.54亿 t、49.39亿 t、49.37亿 t、49.24亿 t、49.06亿 t，整体呈现出逐步减少的趋势，2020年比2000年碳储量减少了0.48亿 t，主要原因包括土地利用变化、城市化进程和气候变化等。在空间上，黄河流域碳储量的空间分布并未发生明显的变化，如图3所示。黄河流域东南部地区碳储量较高，受黄土高原的退耕还林和生态恢复工程影响，林地面积显著增加，提高了该区域的碳储量。黄河下游流域主要为碳储量中值区。该区域农田面积较大，对其整体碳储量有积极贡献；但建设用地的增加，也对该区域碳储量产生负面影响；部分湿地和河流沿岸的植被具有较高的碳储存能力，在一定程度上弥补了该区域碳储量的损失。碳储量低值区主要位于黄河上游流域地区，尤其是北部地区。该区域植被稀疏，土壤有机碳含量较低，且多是高寒草甸和草原，碳储存能力有限。整体上，黄河流域碳储量呈现出西北低、东南高的空间格局。

通过对不同利用类型土地的平均碳储量进行计算可得，不同用地类型的碳储量依次为：林地>耕地>草地>建设用地>未利用土地>水域。林地因其高密度、高生物量的植被和富含有机质的土壤，具有最高的碳储量；耕地和草地的碳储量次之；建设用地和未利用土地因植被稀少、透水性差等导致碳储量较低；水域因其特殊的环境和生态特性，碳储量最低。

3.3 碳储量对土地利用变化的响应

不同用地类型的转化会使碳储量产生不同的响应。从表2可以看出，导致黄河流域碳储量减少的原因为耕地、林地、草地的转出。其中，草地转出导致的碳储量减少最多，尤其是转化为未利用地和建设用地，是导致该区域碳储量减少的最直接原因。此外，耕地转为建设用地也是碳储量减少的一个关键因素。但随着时间推移，伴随着政策的完善和保护措施的实施，林地、草地转出面积逐渐减小，碳储量的减少得到控制。这表明在土地管理和生态保护方面的工作逐步取得成效，有助于保护区域内碳储量和生态系统的稳定。相较之下，水域、建设用地和未利用地的转出会增加碳储量。这是因为这些土地类型通常储存的碳较少，且若其转为林地或草地，其碳储量会随之增加。水域转化为耕地、未利用地转化为草地是主要的碳储量增加类型，显著提高了区域碳储量。建设用地转化为水域，虽然会减少碳储量，但其影响微小，可以忽略不计。

综上所述，适当的土地利用变化，如未利用地转化为草地或林地，可以有效增加区域碳储量，有助于生态保护和碳排放控制；反之，过度不合理的土地利用，如耕地和草地转化为建设用地，会显著减少碳储量，对环境产生负面影响。黄河流域应继续优化土地利用结构，减小对高碳储量土地（如草地、林地、耕地）的开发压力，优先保护和恢复这些土地类型，促进水域和未利用地转化为林地或草地，以提高区域碳储量。

4 结论

①2000—2020年，黄河流域各用地类型的时间变化和空间分布存在差异，而这与生态政策和城市化进程密切相关。草地、耕地是黄河流域面积最大的用地类型，且动态度波动不大；林地面积总体呈增加趋势，但增速减缓；水域和建设用地面积显著增加；未利用地面积呈先增后减趋势。

②2000—2020年，黄河流域碳储量呈现不断减少的趋势，在空间上呈西北低、东南高的空间格局。林地因植被覆盖度高等原因，碳储量最高。

③2000—2020年，黄河流域耕地、林地、草地的转出会导致区域碳储量减少，草地转化为未利用地。水域和建设用地的转出对碳储量的影响较小，未利用地的转出可以增加碳储量。

参考文献：

［1］HOUGHTON R A. Interactions between land-use change and climate-carbon cycle feedbacks［J］. Current Climate Change Reports， 2018，4（2）： 115-127.

［2］HAUNREITER E，CAMERON D.Mapping ecosystem services in the Sierra Nevada，CA ［J］.The Nature Conservancy，California Program，2001，12（1）：16-32.

［3］NELSON E， MENDOZA G， REGETZ J， et al. Modeling multiple ecosystem services， biodiversity conservation， commodity production， and tradeoffs at landscape scales［J］. Frontiers in Ecology and the Environment， 2009，7（1）： 4-11.

［4］周彬， 余新晓， 陈丽华， 等. 基于InVEST模型的北京山区土壤侵蚀模拟［J］. 水土保持研究， 2010，17（6）： 9-13.

［5］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.