贵州省黎平县地表覆被变化引起的生态系统碳储量变化

李义平, 蔡 宏, 田鹏举, 张蓓蓓, 廖书冰

(1.贵州大学 矿业学院, 贵州 贵阳 550025; 2.贵州省生态气象和遥感中心, 贵州 贵阳 550002)

在全球碳循环中，陆地生态系统通过地表植被、土壤固定大气中的CO2，从而将化学元素碳有效的固定下来，被认为是全球最大的碳库[1]。土地利用变化会改变地表覆被情况，对区域植被、土壤的固碳能力产生重要影响，进而影响陆地生态系统各部分碳的分配[2]。因此，开展地表覆被变化对陆地生态系统碳储量影响的研究有助于探寻土地利用结构优化途径以提高区域生态系统碳储量，对于改善自然生态系统有着重要的积极意义。近年来，国内外研究学者分别采用不同碳储量估算方法，基于不同尺度视角对简单或复杂生态系统的碳储量进行了估算[3-5]，并探讨了不同地表覆被类型与碳储量之间的响应关系[6-7]。研究[8-9]发现，热带雨林大面积森林乱砍乱伐被认为是全球范围内陆地生态系统碳储量损失的主要原因，而基于城市和国家视角，陆地生态系统碳储量受到城市扩张所带来的林地、耕地向建设用地的转换以及国家退耕还林还草政策实施的双重影响[10-12]。还有学者通过不同土地利用预测模型结合人文、经济、地理等相关因素模拟了未来流域生态系统和国家生态系统的碳储量发展趋势[13-14]，探讨了如何优化土地利用格局才能满足低碳经济发展的需要[15]。然而，当前的研究多集中在城市、流域生态系统等大区域范围内的碳储量估算及其变化趋势，而结合时间空间尺度对小区域地表覆被变化所引起的碳源、碳汇转化研究相对较少，也没有对未来县域尺度地表覆被转移趋势对生态系统碳储量变化影响研究开展深入探讨。县作为国家基本行政区划之一，是城市生态系统的重要组成部分，开展县域尺度生态系统潜在碳储量评估能够为低碳视角下城镇化建设管理及决策提供一定科学依据，有助于实现县域生态系统低碳经济和生态环境的可持续发展。InVEST(integrated valuation of ecosystem services and trade-offs)模型能够实现生态系统服务功能的可视化表达，该模型的碳储量模块以土地利用数据为基础，结合碳密度数据定量评估生态系统碳储量[16]，具有输入数据简单、数据获得性强、可视化表达和免费开源等优点，在许多地区得到成功应用。

贵州省黎平县作为国家28个重点林区县之一，生态环境条件优越。自20世纪以来，由于经济的快速发展、城镇化进程的加快，黎平县土地利用和地表覆被发生了明显变化，陆地生态系统碳储量受到一定影响。因此，开展黎平县生态系统固碳能力的研究显得尤为重要。本文以黎平县为研究区，利用InVEST模型定量研究黎平县2005—2015年碳储量时空分布及变化情况，并结合CA-Markov模型模拟2025年地表覆被情况，对黎平县生态系统碳储量进行预测，定量评估黎平县生态系统的固碳能力，旨在为重点林区县的生态系统碳储量管理和“大生态”发展提供有效支持。

1 研究区与研究方法

1.1 研究区概况

黎平县位于贵州省东南部，地理位置为东经108°37′—109°31′，北纬25°43′—26°31′，属黔东南苗族侗族自治州，是贵州省与湖南、广西的交界县。该县总面积4 439 km2，是黔东南面积最大、中国侗族人口最多的县，地处高海拔低纬度区域，境内地形复杂多样，海拔相对高差1 436 m，地势起伏显著，是素有“九山半水半分田”之称的典型山区县。研究区属于亚热带季风性湿润气候，生态环境优美，土壤肥沃，气候温暖，适合各种动植物生长，是中国南方植物基因库。主要地表覆被类型为林地，森林资源丰富，2006年该县活立木蓄积量1.42×107m3，位居贵州省10个林业县之首，且植被类型众多，其中地带性植被为常绿阔叶林。土壤类型主要包括黄壤、红壤、石灰土和水稻土。

1.2 数据来源

2005，2010，2015年的黎平县土地利用数据以Landsat TM和Landsat OLI遥感影像为数据源，影像数据源来自地理空间数据云平台(http:∥www.gscloud.cn)，利用ENVI 5.3软件进行人机交互解译获得，并参考中国土地资源分类系统，将研究区土地利用分为耕地、林地、草地、水域、建设用地以及未利用地六大类，经精度评价Kappa系数分别为78.32%，80.28%和81.45%。DEM数字高程数据来自地理空间数据云，并在ArcGIS中生成坡度、坡向数据，空间分辨率为30 m。温度、降水数据来自贵州省气象局，利用气象站点数据通过反距离加权法空间插值而成，空间分辨率为30 m。

1.3 研究方法

1.3.1 基于CA-Markov模型的土地利用预测 元胞自动机(CA)模型是一种没有固定数学公式但空间、时间、状态呈现离散型的网格动力学模型，其在时间因果关系和空间相互作用上均为局部关系。该模型所输入的每个变量将状态控制在某一个数量范围内，其状态(例如某一个栅格的具体属性)根据其前一个状态和周边栅格属性按照某一规律变化进行自主分析，能够对时间、空间相对复杂的系统环境进行预测[17]。马尔科夫(Markov)模型是一种可以对无明显规律变化进行状态分析的随机模型，它记载并统计每个栅格地类已知两个时段内的变化情况并生成转换概率矩阵，用于预测目标年份的地表覆被情况[18]。两种模型各有优势，马尔科夫模型更加侧重于对地表覆被变化数量的预测，可进行长时间序列预测，但缺乏空间表达能力，无法展现各类型土地的空间分布。而元胞自动机的转换规则不仅依赖于前一个状态，而且取决于其周边领域的状态，能够对复杂空间系统的时空动态演化过程进行表达。CA-Markov模型综合了二者在模拟复杂环境上的优点，能够精准的从空间状态分布和栅格数量方面对地表覆被变化的时空格局进行建模。具体操作步骤为： ①建立转换规则。根据研究区2005和2010年土地利用数据，在IDRISI Selva平台下运用Markov模型记录2005—2010年所有栅格的转换状态，并生成概率转移矩阵作为转换规则参与2015年土地利用模拟。 ②建立适宜性图集。适宜性能够充分描述当前每个土地利用栅格在未来状态的适宜性程度，通过集合所有地类适宜性图来建立下一状态土地利用适宜性图集。基于2005年的土地利用状况，将土地利用作为因变量，温度、降水、高程、坡度、坡向作为驱动因子，利用IDRISI平台的空间多元回归模型(LogisticReg模块)进行回归分析，计算得到所有土地类别的空间概率分布图，再使用collection editor模块将所有的空间概率分布图集成在一个文件中。 ③迭代次数及领域滤波器的选择。根据前人研究成果[19]，选择5×5摩尔领域作为滤波参数，迭代次数选择10。 ④精度检验。首先利用ROC曲线对每个土地利用类型涉及的5个驱动因素所产生的Logistic回归结果进行精度检验，通过对不同判定标准下的同一信号源进行刺激反应，其值大于0.7说明本文所选驱动因子均通过一致性检验且对该土地利用类型具有较强的解释能力[20]；然后，采用误差精度和kappa系数对研究区2015年土地利用模拟结果和2015年土地利用解译数据进行真实性检验。 ⑤2025年土地利用模拟。如果2015年土地利用模拟数据的Kappa系数大于0.75，说明CA-Markov模型及所选驱动因子能够较好地模拟研究区土地利用格局。重复上述主要步骤，建立2015年适宜性图集与2005—2015年转换规则，以2015年土地利用现状图为基础模拟2025年研究区土地利用格局。

1.3.2 基于InVEST模型的碳储量评估

(1) InVEST模型简介。InVEST模型是一种探索人类决策对生态服务系统影响的可视化工具，其海洋水质、栖息地风险评估、碳储存和固定等多个模块可对生态系统服务和交易具有操作简便、输入数据易获取等优点。该模型把陆地生态系统碳分为4个部分，分别是地上碳、地下碳、土壤碳和死亡有机碳，其中地下碳是指植物在土壤中的根系部分所储存的有机碳，死亡有机碳是指死亡凋落物和枯落物所储存的有机碳，但由于死亡有机碳的数据相对复杂且不易观测获取，固在本研究当中仅仅考虑地上、地下和土壤中所储存的碳。具体计算公式为：

Ci=Ci-above+Ci-beiow+Ci-soil

(1)

(2)

式中：i为土地利用类型；Ctot为生态系统总碳储量(t)；Ci-above为i类土地利用类型的地上碳密度(t/hm2)；Ci-below为i类土地利用类型的地下碳密(t/hm2)；Ci-soil为i类土地利用类型的土壤碳密度(t/hm2)；Si为i类土地利用类型的面积；n为土地利用类型的数量。

(2) 碳密度数据的选定。研究区实测碳密度数据能够有效提高碳储量估算精度，但目前研究区基于土地利用类型的实测碳密度数据较为缺乏，因此相关碳密度值的确定工作由两部分组成： ①收集研究区及周边领域的实测碳密度数据； ②查找相似区域和全国尺度碳密度数据并利用温度、降水校正模型进行修正。基于此，研究区不同土地利用碳密度数据如表1所示。

表1 研究区不同土地利用碳密度数据 t/hm2

表1中，林地地上碳密度数据来源于李默然[21]等人对黔东南主要森林类型碳储量研究的实测数据并取平均值；根据李克让[22]、方精云[23]等相关研究成果，获得全国水平的耕地、草地地上碳密度，并采用Alam[24]等、Giardina[25]等、陈光水[26]等关于碳密度与气温和降水的关系模型，将全国尺度碳密度数据修正得到研究区碳密度数据；未利用地、建设用地碳密度数据根据张峰[27]、朱超[28]等研究成果并进行修正得到；地下碳密度数据根据黄玫[29]、朴世龙[30]、方精云[31]等对不同土地利用类型地上地下生物量比值的研究成果进行运算得出，耕地地下地上生物量比值取0.19，草地地下地上生物量比值取4.1，林地地下地上生物量比值取0.4；建设用地、水体的地上、地下碳密度均默认为0；各土地利用类型的土壤碳密度数据根据帅虎[32]等人对重庆市碳储量的研究成果进行修正得到。具体修正公式为：

CSP=3.396 8MAP+3 996.1

(3)

CSP=6.798e0.005MAP

(4)

CBT=28MAT+398

(5)

式中：CSP为根据年降水量得到的土壤碳密度；CBP，CBT为根据年降水量和年均温度得到的地上生物量碳密度； MAP为年降水量； MAT为年平均温度。将2005年全国和黎平县的年均降水量及温度(697.25 mm/9 ℃，1 028.13 mm/15.6 ℃)分别带入上述公式，二者之比即为修正系数。

2 结果分析

2.1 黎平县2005-2015年土地利用特征

黎平县主要土地利用类型为林地，其面积占黎平县总面积的1/2以上。由表2可知，2005年林地、耕地、草地面积占研究区比例分别为69.11%，16.61%和13.85%，其次为建设用地和水域，分别为0.26%和0.12%，未利用地占比极少，仅有0.04%。在2005—2015年，草地、建设用地、水域面积呈增加趋势，分别增加2 942.19，933.75和86.49 hm2，较2005年研究区比例分别增加0.67%，0.22%和0.02%，其中建设用地和水域的扩张最为明显，增幅分别为79.955%，15.827%；耕地、林地、未利用地面积呈减少趋势，分别减少1 736.01，2 120.22和106.2 hm2，其中未利用地降幅最大，降幅为57.34%。

表2 研究区2005-2015年土地利用面积变化

2005—2015年黎平县土地利用类型发生改变的面积为10 866.51 hm2，在土地面积恒定的情况下各主要土地利用类型之间均发生了相互的转入与转出(表3)。其中，行为转出，列为转入，耕地—耕地、草地—草地、林地—林地、水域—水域、建设用地—建设用地、未利用地—未利用地表示该地类在时空格局上未发生改变的面积。

10 a间，林地是其他土地利用类型的主要贡献者，其转出面积大约是转入面积的1.5倍，主要转为草地(3 844.26 hm2)，占转出面积的67.45%。耕地的转出面积大约为转入面积的2倍，其面积主要流向于林地(2 605.68 hm2)和建设用地(523.89 hm2)，分别占转出面积的73.43%，14.76%。建设用地转入面积的主要来源为耕地(523.89 hm2)，其次为林地(256.86 hm2)和草地(166.05 hm2)，分别占转入面积的55.07%，27%，17.46%。未利用地虽然面积较少，但有73.42%的面积转换为林地。综合分析可知，2005—2015年黎平县土地利用类型之间的主要变化趋势为：部分林地转为草地；建设用地的扩张占用的大面积的耕地、林地和草地。

表3 研究区2005-2015年土地利用面积转移矩阵 hm2

2.2 CA-Markov模型精度检验与预测结果

首先运用ROC曲线对Logistic回归模型结果进行检验(表4)。结果表明，2005年耕地、林地、草地、水体、建设用地、未利用地的ROC值依次为0.851 1，0.897 8，0.783 2，0.935 1，0.914 2和0.968 4，均大于0.7，说明本文所选因子符合研究区实际情况。然后，分别从数量和空间分布角度进行精度评价。在数量方面，将模拟土地利用面积与真实土地利用面积进行误差精度计算(表5)，研究区主要土地利用类型的误差精度均小于10%，表明该模型在数量上的预测精度较高。在空间分布方面，利用IDRISI平台中的Crosstab模块进行kappa系数检验可知，kappa系数为0.879，表明该模型模拟的2015年土地利用格局与实际现状比较接近，具有良好的预测能力，可用于2025年的土地利用模拟。最后，同样采用ROC曲线对2015年适宜性图集进行回归检验，各个地类ROC值均满足研究需要。

表4 研究区2005和2015年不同土地利用类型Logistic回归结果

注：A—E依次为高程、降水、坡度、坡向和温度。

表5 研究区2015年土地利用模拟数量精度验证

由预测结果可知(见封3附图2—3)，2025年黎平县耕地、林地、草地、水域、建设用地、未利用地面积分别为74 575.71，286 127.19，77 084.73，983.16，2 556.09和83.16 hm2。2015—2025年土地利用类型的变化趋势与2005—2015年基本相同，草地、建设用地和水域面积依旧保持增长趋势，林地面积持续减少但幅度增大，唯一不同的是耕地由2005—2015年的小幅减少变为2015—2025年的小幅增加，未利用地变化较小。与2015年相比，面积增加最多的土地利用类型为草地(12 995.55 hm2)，占研究区面积的2.94%，其次为耕地(3 015 hm2)、建设用地(454.5 hm2)和水域(350.19 hm2)；林地依旧保持减少趋势，共减少16 819.38 hm2，占研究区面积的3.81%，仍旧是其它土地利用类型的主要贡献者。2015—2025年草地、水体的增幅分别为20.28%和55.33%，较2005—2015年增加幅度更为明显；2015—2025年建设用地增幅为21.63%，较2005—2015年增加幅度有所减缓；2015—2025年林地减少幅度为5.55%，较2005—2015年减少幅度更加明显；而耕地由2005—2015年的降幅2.37%到2015—2025年的增幅4.21%，整体趋势发生转变。

2.3 生态系统碳储量变化分析

由图1—2可以看出，黎平县2005和2015年生态系统总碳储量分别为9.14×107t和9.12×107t，平均碳密度分别为207.06和206.61 t/hm2，2005—2015年碳储量和碳密度分别减少了2.00×105t和0.45 t/hm2，林地的大面积转出以及建设用地的扩张是碳密度和碳储量下降的直接原因。由预测结果可知，2025年生态系统碳储量和平均碳密度分别为8.98×107t和203.44 t/hm2，2015—2025年碳储量和平均碳密度依旧呈现下降趋势，分别下降1.40×106t和3.17 t/hm2，下降幅度增大。从不同土地利用类型的角度来看，黎平县2005—2025年不同土地利用类型的碳储量均有变化，其碳储量主要变化趋势为：林地的碳储量一直呈现下降趋势，由2005年的7.17×107t下降到2025年的6.72×107t，且在2005—2015年下降缓慢，2015—2025年降速加快；草地由2005年的9.64×106t增加到2025年的1.22×107t，且2015—2025年增加明显多于2005—2015；建设用地由2005年的1.29×105t增加到2025年的2.83×105t；耕地的碳储量呈现先减少后增加的趋势，由2005年的9.92×106t下降到2015年的9.69×106t，再增加到2025年的1.01×107t。

图1 研究区2005，2015，2025碳储量及2005-2025年碳储量变化空间分布

为清楚探明碳储量变化情况，本文将2005—2025年碳储量变化分为3类：明显减少、基本不变、明显增加(图1)。由表6可知，研究区碳储量以基本不变为主，所占比例89%以上。其中2005—2015年明显减少区占比1.57%，整体分布较为扩散，相对集中的黎平县城区域的碳储量下降是由建设用地的扩张所造成的，而县城以北高屯镇的碳储量下降则是由林地向草地转换所致；2015—2025年明显增加区域占0.9%，其直接原因为耕地、草地向林地的转化，与退耕还林还草工程有关。2015—2025年，明显减少和明显增加区域均有所增加，明显减少区域占比6.58%，明显增加区域占比2.46%，碳储量减少情况与林地、草地的相互转换和建设用地的大肆扩张表现一致。综上所述，近年来黎平县生态系统固碳能力呈减弱趋势，建设用地的大肆扩张和林地的大面积减少是生态系统碳储量下降的直接原因。因此，对黎平县土地利用结构优化显得尤为重要，未来需合理的控制建设用地扩张范围，采取提高林地所占比重等一系列的土地利用调控措施将有助于实现黎平县低碳经济建设和生态环境的可持续发展。

图2 研究区碳储量、碳密度变化趋势

3 讨论与结论

3.1 讨 论

根据研究结果可知，黎平县在近年来生态系统固碳能力有所减弱，2005—2015年总碳储量减少了2.00×105t，而陆地生态系统的固碳能力与地表覆被情况密切相关，林地作为碳储量最丰富的土地利用类型，承担着主要碳汇功能，大面积的林地转出是碳储量减少的重要原因之一，未来应重点加强林区保护力度。本文通过结合区域实测数据和气象校正数据所获取的碳密度值相较于以往研究直接采用全国尺度数据更加具有合理性和可靠性。通过对蔡广鹏[33]在贵州省绥阳县的草地地上碳储量研究结果进行计算，发现草地地上生物量碳密度为3.56 t/hm2，与本文通过模型修正获得的草地地上生物量碳密度(3.6 t/hm2)非常接近，说明本文的研究结果符合研究区实际情况。固本文的研究结果合理的评估了黎平县生态系统固碳能力，能够为黎平县的生态环境和可持续发展提供一定的参考。但仍存在一定的不足之处： ①在利用CA-Markov模型进行土地利用格局预测时未充分考虑如禁止建设区、基本农田保护区等地方相关政策因素，使得土地利用预测结果与政策环境结合较弱； ②InVEST模型的碳储量模块在计算当中简化了碳在陆地生态系统当中的循环过程，其更加侧重于不同地表覆被类型之间的碳密度差异，采用单一土地利用类型的碳密度值来估算碳储量，忽视了土壤类型、植被种类和年龄结构所带来的固碳能力差异，在一定程度上影响了碳储量的估算精度。因此，在今后的研究当中，可结合耕地保护、生态保护等相关政策模拟不同土地利用情境下的生态系统固碳能力，并耦合土地利用内部碳循环机制，加强对不同时期、不同土地利用类型碳密度的野外调查和监测，以期利用更加全面的试验观测数据来提高区域性生态系统碳储量评估的准确性。

表6 研究区碳密度变化量统计

3.2 结 论

(1) 2005—2015年黎平县耕地、林地、未利用地呈减少趋势，建设用地、草地、水域呈增加趋势，其中建设用地扩张最为明显，增幅为79.955%。2015—2025年预测结果为林地持续减少，草地、耕地、建设用地和水域增加，其中，林地、草地变化幅度增大，耕地由2005—2015年的降幅2.37%变为2015—2025年的增幅4.21%。

(2) 2015年黎平县生态系统碳储量和平均碳密度分别为9.12×107t和206.61 t/hm2，2005—2015年分别下降2.00×105t和0.45 t/hm2，生态系统固碳能力减弱，林地的大面积转出和建设用地的扩张是碳储量下降的直接原因。2025年黎平县生态系统碳储量和平均碳密度的预测值分别为8.98×107t和203.44 t/hm2，相比2005—2015年减少幅度增大，与林地面积减少趋势保持一致。