1. 引言
生态系统固碳服务将大气中流动的碳捕获固定,借此平衡人类、动物向大气排放的碳以调节气候,是生态系统服务的重要组成部分 [1]。生态系统服务流能有效耦合固碳服务之间存在的供需空间差异,通过服务流量化,可有效提升生态系统服务流评估的精度,为区域生态环境的改善提供科学理论依据。我国计划通过采取强有力的政策与措施,力争在2030年前实现碳峰值,2060年前达到碳中和。在“双碳”背景下,运用科学方法测算碳排放,实现固碳服务路径量化,因地制宜制定碳减排措施,对国家实现达峰、碳中和及可持续发展目标具有重要参考意义 [2] [3]。
固碳服务供需平衡研究一直是国内外学者讨论的热点。蒋金亮等 [4] 逐渐突破单一视角的局限,分析人–地碳源汇系统离散和集聚趋势。Dirk Vrebos等 [5] 提出生态系统服务评分表(IRNM),表示生态系统供需服务流动模式。李婷等 [6] 通过计算状态条件概率和筛选关键变量,探讨了固碳格局的不确定性。年蔚等 [7] 研究像元尺度固碳释氧净生态服务能力,并对固碳释氧的生态服务供受关系进行研究。孟士婷等 [8] 引用CASA模型计算植被净初级生产力,探讨固碳服务供需变化。杨丽雯 [1] 等运用SPANS模型量化碳的供需平衡关系,绘制服务流传输路径。前人对固碳服务的研究已有一定结果,但大部分研究涉及到的研究区比较局限,且探究的主题多为小区域内的固碳平衡,没有考虑将碳供需与生态系统服务流相结合。
长江流域是我国生态系统最核心和复杂的地区之一,部分城市区域生态发展存在人口、工业、能源等因素导致的固碳服务供需不平衡状况,将会增加大气的热量,其通过风的作用在长江流域扩散,导致气候调节服务发生改变,影响区域的人类活动。因此,本研究以长江流域为研究区域,运用InVEST生态模型计算2015年和2020年固碳服务供给量和需求量,基于矢量、栅格、文本等数据对供给和需求进行量化和空间化,引入风这一重要因素分析服务流路径,计算固碳服务流路径流量,揭示各区域未固定的碳在风作用下的流动路径,最后引进自然因素和人文因素对服务流进行驱动因子分析,以期为长江流域实现有效区域碳管理、优化生态环境决策,深化长江经济带城市未来的固碳格局,提供理论依据和数据支撑。
2. 研究区域、数据与方法
2.1. 研究区域
长江流域,东经90˚33'~122˚25',北纬24˚30'~35˚45',覆盖上海、江苏、浙江、重庆等19个省、市、自治区,横贯我国东中西部三大经济区。长江经济带依托长江流域,是我国重要的经济区之一。在资源消耗、人口众多、产业聚集等因素作用下,长江经济带面临严峻的环境压力。2022年1月7日,推动长江经济带发展领导小组办公室在第七次全体会议上指出,“坚定不移推动长江经济带走生态优先、绿色发展路子”。长江流域生态预防和修复任务势在必行,研究碳固持服务影响因素和流动路径,减少碳排放是其中的重要一环。
2.2. 数据来源
本研究主要选用矢量数据、栅格数据、文本数据(表1)。1) 矢量数据,2019年长江流域矢量图,源于中国科学院资源与环境科学数据中心(http://www.resdc.cn);2) 栅格数据,2015年及2020年长江流域土地利用栅格图、2015年中国地形栅格数据、2015年中国人口栅格数据、2015年中国GDP栅格数据,均源于中国科学院资源与环境科学数据中心,分辨率1 km × 1 km,此外2014~2019年中国气象数据源于国家气象科学数据中心(http://www.cma.gov.cn),分辨率1 km × 1 km;3) 文本数据,包括2015年及2020年两期社会统计年鉴公报,源于国家统计局(http://www.stats.gov.cn)。
2.3. 研究方法
本研究首先分别采用InVEST模型和碳源模型计算长江流域碳需求与碳供给,通过两者的差得到长江流域碳的空间差异情况,由此可以得出碳排放较为集中和稀疏的区域。引入风场,风的作用以及碳的空间差异会使碳在流域内流动,依据碳服务的供需量化值比较计算服务流流量。构建影响固碳服务流指标体系,通过关联矩阵分析指标之间相关性,得到指标影响力排序,以此为区域生态环境管理提供科学依据。
![](Images/Table_Tmp.jpg)
Table 1. Descriptionsof different types of data sources
表1. 不同类型数据来源说明
2.3.1. 碳需求和碳供给量化
碳需求指自然界中植被等通过光合作用吸收并存储的大气中的CO2,采用InVEST模型对长江流域碳固定量进行测算,公式根据参考文献 [9],具体为:
(1)
式中,
为研究区总固定量,
分别表示不同土地利用类型的地上碳固定量、地下碳固定量、土壤碳固定量及死亡有机物碳固定量。
使用不同土地利用类型碳密度值和土地利用面积计算碳固定量,碳密度值依据参考文献 [9] 确定(表2),计算公式为:
(2)
式中,
为不同土地利用平均碳密度,
为第i种土地利用类型的面积。
碳供给指自然过程和人类活动产生的CO2。碳供给组成除人类、牲畜呼吸,还包括原煤、天然气和原油消费,以及木材消费、水泥生产、土壤呼吸等过程。碳排放量计算主要依据统计数据和相关文献 [10] [11] [12] 碳排放系数(表3,表4)。计算公式如下:
(3)
![](Images/Table_Tmp.jpg)
Table 2. Carbon density of different land use types (t∙hm−2)
表2. 不同土地利用类型的碳密度
式中,
为长江流域年碳排放总量(t/a),
为人口、猪及其他大牲畜呼吸年碳排放量(t/a);
为能源消费年碳排放量(t/a),本文主要选取煤炭、天然气、原油和一次电力及其他能源四种主要能源;
为木材消费年碳排放量(t/a);
为水泥生产年碳排放量(t/a);
为土地利用碳排放量(t/a)。式中各项因子计算公式如下:
(4)
(5)
(6)
(7)
式中,
为人口年碳排放量(t/a);
= 人口总数 × 每人每年呼吸碳排放量;
为猪年碳排放量(t/a);
= 猪总数 × 每头猪每年呼吸产生的碳排放量;
为其他大牲畜年碳排放量(t/a);
= 其他大牲畜总数 × 每头其他大牲畜每年呼吸产生的碳排放量;
为第i类能源碳排放量;
为第i类能源消费量(t);
为第i类能源的碳排放系数;
为木材年消费量(t);Q为木材消费碳排放系数(t/t);
为水泥年生产量(t);m为水泥生产碳排放系数(t/t)。
结合研究区土地利用现状,采用直接估算法测算六种土地利用类型的碳排放量 [13] [14],公式如下:
(8)
式中,
为各土地利用类型碳排放量;
为第i种土地利用类型碳排放量;
为第i种土地利用类型面积;
为第i种土地利用类型土壤平均呼吸速率(如表3)。
![](Images/Table_Tmp.jpg)
Table 3. Soil respiration rate under different land use types [11] [12] [13]
表3. 不同土地利用类型土壤呼吸速率 [11] [12] [13]
![](Images/Table_Tmp.jpg)
Table 4. The main parameter values of the Yangtze River and carbon source estimation model [12]
表4. 长江与碳供给估算模型中主要参数值 [12]
2.3.2. 固碳服务流传输路径及流量量化
Villamagna等 [15] 认为实际被使用的服务构成了服务流。生态系统固定的碳作为碳需求和满足各类需求释放的碳供给彼此联系。由生态系统中植物和土壤等从大气中固定的碳,被人类各类活动过程及各种土地利用变化过程中释放的碳消耗,残余固碳量被分配至每一个使用地点,剩余未被固定的碳则通过大气环流被运输往其他地区,为当地固碳服务所固定和利用。服务流路径与风场紧密相关,鉴于数据可获得性,本研究确定服务流路径主要依据风场主风向 [1]。
依据碳服务的供需量化差判断服务流流量,依据碳服务的供需量化值比较计算服务流流量,方法上体现为提取供需量化值中小的一方作为流量进行处理 [1]。具体分为两种情况:
1) 碳固定量 ≥ 碳排放量(区域生态系统固碳能力满足人类碳服务需求):
(9)
F为服务流流量,Er为长江流域单位时间、单位面积下,在人口、猪、大牲畜、木材、能源、水泥、土地利用因素影响下释放的碳。
2) 碳固定量 < 碳排放量(区域生态系统固碳能力不满足人类碳服务需求):
(10)
F为服务流流量,Cr为长江流域单位时间、单位面积下,各种土地利用类型固定的碳。
2.3.3. 固碳服务流驱动因子构建
指标因子的选取主要由计算碳排放涉及到的影响因素所确定,例如人的呼吸作用可归纳为人口数量指标,木材消费量可归纳为经济指标等。从自然因素和人文因素出发,注重碳的排放端与固定端,将指标体系划分为2个一级指标,6个具体指标因子(表5)。
![](Images/Table_Tmp.jpg)
Table 5. Index system of driving factors for carbon sequestration service
表5. 固碳服务驱动因子分析指标体系
建立关联矩阵可以明确各个数据之间的相关系数,找出与目标成分相关性较强的因子作为影响因子。对于栅格数据,每个像元相互独立,可利用这一特性在ArcGIS中计算各栅格数据层各像元之间的相关性。多层栅格数据之间的相关性是层与层之间依赖的度量,计算方式为两层间协方差的比值除标准差的乘积,是一个比率,范围在−1~+1之间。负相关意味着一个变量的变化与另一个变量变化相反,零相关意味着两层之间相互独立。
(11)
(12)
式中,Z为像元的值,
为栅格数据层数,
为图层均值,N为图层像元个数,k为一个特定像元,
为图层标准差。
为协方差矩阵的计算,
为关联矩阵的计算。
3. 结果
3.1. 固碳服务的供给和需求
2015年和2020年长江流域的碳固定量分别为248.7 t/hm2、249.1 t/hm2,总体上升0.16%;碳排放量分别为21.7 t/hm2、22.6 t/hm2,总体上升4.15%。2015年和2020年长江流域的上中下游的碳固定量分别是244.25 t/hm2 (246.30 t/hm2)、265.42 t/hm2 (264.24 t/hm2)、196.75 (190.66 t/hm2),碳排放量分别是22.10 t/hm2 (21.84 t/hm2)、23.78 t/hm2 (24.35 t/hm2)、26.82 t/hm2 (26.49 t/hm2),2015年和2020年植被面积占长江流域总面积的91.36%、91.21%,且2015年(2020年)耕地、林地、草地的固碳量分别占研究区域的23.75% (24.05%)、56.24% (55.66%)、21.21% (21.51%)是最主要的碳需求区域。建设用地单位平均碳排放能力为146.63 t/hm2,且碳排放量远大于碳固定量,是主要的碳供给区域之一,林地总碳排放量占研究区域的41.79%,也是主要的碳供给区域之一。
2015年和2020年固碳服务高需求区域主要分布在云南西北部、四川中部南部北部、重庆大部分区域、贵州北部、湖南中部西部南部、湖北西北部、江西南部、安徽东南部、浙江西南部,固碳量为2.35 × 104~3.35 × 104 tC,两年固碳服务高排放区域主要分布在四川中东部、重庆中部、云南南部、贵州南部、湖北中南中东中北部、湖南东北部、江西部分地区、江苏、浙江、上海,排放量为6 × 103~1 × 104 tC。由两年长江流域各省份固碳服务统计图(图1)可知,各省份的碳固定量均大于碳排放,对比空间分布发现省市内部分区域碳排放量大于碳固定量(图2)。
![](//html.hanspub.org/file/10-1771419x50_hanspub.png?20220531103807807)
![](//html.hanspub.org/file/10-1771419x51_hanspub.png?20220531103807807)
Figure 1. Chart of carbon sequestration services in each province in 2015 and 2020
图1. 2015年和2020年各省份固碳服务统计图
![](//html.hanspub.org/file/10-1771419x52_hanspub.png?20220531103807807)
Figure 2. Spatial distribution of carbon storage and emissions in the Yangtze River Basin
图2. 长江流域碳固定量和碳排放的空间分布
3.2. 固碳服务空间供需关系
长江流域2015年、2020年的固碳量分别为227.4 t/hm2、224 t/hm2,将其空间化,得到固碳服务差异图(图3)。结果显示,两年固碳服务供需空间分布变化趋势较小,总体上碳需求大于碳供给,青海北部、四川中部及东部、云南北部、重庆中部、湖南东北部、湖北中部东部、江西西北部、安徽中部、江苏、上海、浙江区域的碳供给大于碳需求。
![](//html.hanspub.org/file/10-1771419x53_hanspub.png?20220531103807807)
Figure 3. Spatial differences in carbon sequestration services in the Yangtze River Basin
图3. 长江流域固碳服务空间差异图
2015年、2020年长江上、中、下游的供需比分别为0.136 (0.138)、0.089 (0.090)、0.090 (0.090) (图4)。通过固碳服务碳需求碳供给比率(Ri)空间分布,得出研究区各省市普遍表现为Ri ≤ 1,分布特征为以各省份的中心为高值向四周递减,其中2015年(2020年)上海、江苏、浙江的比率大于1 (表6),碳排放大于碳固定;安徽、江西、湖北、重庆的碳需求碳供给比率在0.4~1之间,碳供给与碳排放相对平衡。
![](//html.hanspub.org/file/10-1771419x54_hanspub.png?20220531103807807)
Figure 4. Supply-demand ratio of carbon sequestration in the upper, middle and lower reaches of the Yangtze River Basin in 2015 and 2020
图4. 2015年和2020年长江流域上、中、下游区域固碳供需比
![](Images/Table_Tmp.jpg)
Table 6. Supply and demand balance of carbon sequestration services in the Yangtze River Basin in 2015 and 2020
表6. 2015、2020年长江流域固碳服务供需平衡表
碳服务空间分布不均衡导致碳供给与碳需求的比率相差较大,供给区域未被固定的碳将在风的作用下提供给周边的需求区域,存在从供给区到需求区的空间流动。
3.3. 固碳服务流动路径及流量
3.3.1. 固碳服务流路径
由图5可知,2015年,研究区碳固定小于碳排放的区域主要为长江流域东北部、东部及中部重庆、成都一带,南部云南一带。其中东北部江苏、上海、浙江、安徽、湖北地区未被植物和土壤固定的碳,大部分随主风向汇合,由边界流向研究区外。研究区东部湖南、江西盈余的碳,主要随东风运动到福建,部分补充当地的碳缺口,被植被土壤固定消耗,剩余部分与当地未被固定的碳一起,沿主风向输送往研究区外。中部重庆、成都集中的碳,主要随向东流动的大气被输送往贵州、湖北、湖南,供植被土壤固定。南部云南一带盈余的碳大部分随南风被运送往研究区外。
![](//html.hanspub.org/file/10-1771419x55_hanspub.png?20220531103807807)
Figure 5. Flow chart of carbon sequestration service in Yangtze River Basin
图5. 长江流域固碳服务流向流量图
2020年,研究区碳固定小于碳排放的区域与2015年基本一致(图5)。由于风向改变,流域东北部江苏、上海、浙江、安徽、湖北地区未被固定的碳,一部分随大气环流运动到长江流域东部,其余随主风向汇合,由边界向研究区外流转。运动到研究区东部湖南、江西的碳,部分补充这些地区的碳缺口,剩余部分与当地未被固定的碳一起,沿主风向由两个路径流通,一是向研究区东南部福建一带运动,送往东南部的碳填补了当地的碳需求缺口,二是随风流向研究区外的其他地区。流域中部重庆、成都集中的碳,主要随向东流动的大气被输送往甘肃、贵州、湖北、湖南,供植被土壤固定。南部云南一带盈余的碳主要随南风被运送往研究区外。
3.3.2. 固碳服务流流量
2015年,研究区内福建碳服务流流量最大,以2370 t/km2位列第一,青海碳服务流流量最小,以1523 t/km2位于最后;2020年,研究区内广西碳服务流流量最大,以2710 t/km2位列第一,青海碳服务流流量最小,以1628 t/km2位于最后(表7)。两年碳流量相比,贵州、甘肃、陕西、湖南略有上升,广西上升最明显;福建、河南、安徽有所下降,其中河南下降最明显。
![](Images/Table_Tmp.jpg)
Table 7. Flow rate of carbon sequestration service in the study area, 2015 and 2020 (t/km2)
表7. 研究区2015年和2020年固碳服务流流量(t/km2)
3.4. 固碳服务流驱动因子分析
根据关联矩阵数值特性,越靠近−1表示两个图层趋于负相关,越靠近1表示两个图层趋于正相关,0则表示两个图层不相关。由表8可知,长江流域碳在空间上的差异引起的碳随风流动,主要驱动因子为人口和土地利用,关联性分别为−0.214和−0.571。这两个负因子表示对碳排放起到促进作用,引起区域碳的持续供给。气温、降水与碳差值的关联性为0.181和0.127,正值表示这两个因子可以促进碳的固定,主要作用在碳需求区。
![](Images/Table_Tmp.jpg)
Table 8. Correlation matrix of driving factors of carbon sequestration service in 2015
表8. 2015年固碳服务驱动因子关联性矩阵
全部的驱动因子中,人口、GDP、DEM和土地利用都呈负相关,气温与降水呈正相关。前四个驱动因子作用于碳排放,维持着碳供给区;后两个驱动因子作用于碳吸收,维持碳需求区,更多的因子都在促成碳供给区的扩大。
4. 讨论
4.1. 固碳服务供需关系研究及流的驱动机制
研究区两年各省份碳固定量有一定的差异,碳供给较为丰富的区域都集中分布于云南西北部、四川中部南部北部、贵州北部等区域。主要原因在于丰富的植被覆盖,如云南西北部的山岭海拔较高,人类开发利用率较低,使得碳固定量较高;四川省中部南部北部的森林高覆盖率,丰富的林地生态系统使得碳固定量较高。研究区固碳服务高排放的区域集中于江苏、浙江、上海、四川中东部、重庆中部、云南南部、贵州南部等地区。江苏、浙江、上海作为沿海城市,具有强大的经济实力,各产业的发展导致化石燃料使用量的增加,产生大量的碳排放。四川中东部、重庆中部、云南南部、贵州南部基本上都是对应省份的省会城市、经济中心和城市中心圈。这些地区的人口数量相较于其他区域更多,由呼吸作用产生的碳排放量更多。
长江流域两年固碳服务差异变化较小,从整体上看,碳需求值远远大于碳供给值,说明研究区生态系统环境较好,但各省份内部的城市发展不均匀导致内部出现碳供给大于碳需求的区域。其中上海、江苏、浙江固碳服务碳需求碳供给比率大于1,固碳服务空间供需严重不平衡,是碳供给的主要聚集区。以上三个省市出现固碳服务严重不平衡是由于在整个省市范围内,碳排放量大于碳固定量,而研究区其他省市虽然有部分区域出现固碳服务碳需求碳供给比率大于1的情况,但在整个省市范围内,碳排放量小于碳固定量,使得碳供给与碳排放能够处于相对平衡的状态。研究区中,福建、广西、上海固碳服务流流量较大,安徽、江苏、青海流量较小。
长江流域2015年、2020年的碳固定量与碳排放量均有增加,但碳固定量变化率与碳排放的变化率相比较弱。与2015年相比,研究区人口数量、林地、建设用地面积增加,这与人口、土地利用因素作用于碳排放,维持碳供给区的研究结果相符。而林地生态系统是最主要的碳需求区域,林地面积的增加使得碳固定量得到增加。更多的驱动因子都在促成碳供给区的扩大,使得碳固定量的增加率小于碳排放的增加率。这也与长江流域自2015年到2020年的经济发展态势相符。
4.2. 政策建议
长江流域作为我国重要的生态屏障,影响着全国碳分布和流动情况。在国家政策指引下,结合本文结果讨论,提出以下建议:
1) 从区域碳供需差异角度,建议将上海、江苏、浙江地区划分为碳固定重点加强区,增强绿化工程建设,修复生态缺口;安徽、江西、湖北、重庆地区的碳排放量也值得关注,力争在确保碳供需比平衡的同时持续优化,强化林草生态系统的保护。
2) 从碳驱动影响因子角度,注重人口、GDP、DEM、土地利用的量化控制和分布结构优化,控制碳排放;通过对生态系统的保护修复措施调控气温和降水,促进碳中和。
3) 在通过风向与碳供需及流量建立关系,从而推测碳的流通方向和影响效应上本文有一定的借鉴意义。
5. 结论
本文利用了两年的多源数据,InVEST模型等对长江流域固碳服务空间供需关系、流动路径及流量进行分析,探究服务流驱动因子及相关关系。得出以下结论:
1) 长江流域2015年、2020年碳固定量分别为248.7 t/hm2、249.1 t/hm2,最主要的碳需求区域是各种林地生态系统,两年固碳量比例都超过了55%。2015年、2020年碳排放量分别为21.7 t/hm2、22.6 t/hm2,建设用地是最主要的碳供给区域。
2) 长江流域2015年、2020年区域总体上碳需求值大于碳供给值,依次由长江流域的上游、中游到下游区域,碳需求区域逐渐变大。各省市固碳服务碳需求碳供给比率普遍小于1,但各省市内部有区域表现为固碳服务空间供需不平衡。固碳服务流路径主要由风向决定,研究区内碳固定小于碳排放的区域中未被固定的碳在风的作用下向周边的区域流动。
3) 2015年~2020年研究区各省市固碳服务流流量基本保持稳定,其中,广西壮族自治区上升最明显,河南省下降最明显。研究区2015年福建省固碳服务流流量最大,青海省固碳服务流流量最小;2020年广西壮族自治区固碳服务流流量最大,青海省固碳服务流流量最小。
4) 在长江流域固碳服务的驱动因子中,人口与土地利用因子是碳排放最主要的正向作用因子,维持碳的供给。气候和降水对研究区的碳排放起负作用,更多的驱动因子都在引起碳的持续供给。
基金项目
国家自然科学基金面上项目(42171298);重庆交通大学校级大学生科研创新项目(X202110618039)。
NOTES
*通讯作者。