基于FLUS-InVEST模型的永定河流域碳储量功能变化分析.pdf

水利水电技术(中英文)第 54 卷 2023 年第 9 期Water Resources and Hydropower Engineering Vol.54 No.9薛万来,朱莎莎,朱梦洵,等.基于 FLUS-InVEST 模型的永定河流域碳储量功能变化分析J.水利水电技术(中英文),2023,54(9):13-25.XUE Wanlai,ZHU Shasha,ZHU Mengxun,et al.Carbon storage function in Yongding River Basin based on the FLUS-InVEST model J.Water Resources and Hydropower Engineering,2023,54(9):13-25.基于 FLUS-InVEST 模型的永定河流域碳储量功能变化分析薛万来1,朱莎莎2,朱梦洵3,刘 晔4,李 垒1,苏梓锐1,李文忠1(1.北京市水科学技术研究院,北京 100048;2.华北水利水电大学,河南 郑州 450046;3.中咨集团生态技术研究所(北京)有限公司,北京 100048;4.北京林业大学,北京 100091)收稿日期:2022-08-05;修回日期:2023-04-11;录用日期:2023-04-11;网络出版日期:2023-04-14基金项目:国家水体污染控制与治理科技重大专项项目(2018ZX07101005-03);北京市科技计划课题(Z191100006919003)作者简介:薛万来(1989),男,高级工程师,博士,主要从事流域生态健康评价研究。E-mail:xuewanlai 通信作者:李 垒(1980),男,正高级工程师,博士,主要从事水生态环境评估研究。E-mail:ll Editorial Department of Water Resources and Hydropower Engineering.This is an open access article under the CC BY-NC-ND license.摘 要:【目的】区域土地利用变化是影响生态系统碳储量的主要原因,分析历史及未来土地利用变化下碳储量空间格局分布对流域内生态系统服务的认识具有重要意义。【方法】以永定河(官厅屈家店)流域为研究区域,基于 19852020 年土地利用情况,运用 Markov-FLUS 模型模拟预测 2025 年、2035 年土地利用格局,采用 InVEST 模型评估 19852035 年 10 期碳储量。【结果】结果表明:19852020 年,研究区内主要土地利用类型为耕地和林地,两者占总面积的 80%以上。土地利用类型变化主要为建设用地的扩张及耕地和水域面积的缩减。30 年间,研究区域碳储量减少 2.719 7107 t,由土地利用类型变化导致的碳储量变化中,水域的转出有利于碳储量增加,而林地的转出则导致碳储量减少。研究区碳储量高值主要集中在北部山区,碳储量低值主要集中在中部平原区。【结论】碳储量与降水呈明显正相关,拟合度为 0.800 5,表明研究区降水量的增加有利于碳损失的缓解。预测 2025 年、2035 年研究区碳储量为 6.611 8107 t 和 6.575 9107 t,相较 2020 年分别下降 5.25%和 5.76%,主要原因是建设用地的增加以及草地面积的减小。关键词:碳储量;土地利用;InVEST 模型;Markov-FLUS 模型;永定河流域;气候变化;降水;生态系统DOI:10.13928/ki.wrahe.2023.09.002开放科学(资源服务)标志码(OSID):中图分类号:X171.1文献标志码:A文章编号:1000-0860(2023)09-0013-13 Carbon storage function in Yongding River Basin based on the FLUS-InVEST model XUE Wanlai1,ZHU Shasha2,ZHU Mengxun3,LIU Ye4,LI Lei1,SU Zirui1,LI Wenzhong1(1.Beijing Water Science and Technology Institute,Beijing 100048,China;2.North China University of Water Resources and Electric Power,Zhengzhou 450046,Henan,China;3.China Consulting Group Ecological Technology Research Institute(Beijing)Co.,Ltd.,Beijing 100048,China;4.Beijing Forestry University,Beijing 100091,China)Abstract:ObjectiveRegional land use change is the main reason affecting the ecosystem carbon reserves.The analysis of the 31薛万来,等/基于 FLUS-InVEST 模型的永定河流域碳储量功能变化分析水利水电技术(中英文)第 54 卷 2023 年第 9 期spatial distribution of carbon reserves under the historical and future land use changes is of great significance to the understanding of the ecosystem services in the river basin.Methods Taking Yongding River(Guanting-Qujiadian)basin as the research area,based on the land use in 19852020,the Markov-FLUS model simulated the land use pattern in 2025 and 2035,and used the InVEST model to evaluate phase 10 carbon reserves in 19852035.ResultsThe result show that in 19852020,the main land use in the research area were farmland and woodland,accounting for more than 80%of the total area.The change of land use type is mainly the expansion of construction land and the reduction of cultivated land and water area.In the past 30 years,the study area has reduced carbon reserves by 2.719 7107 t,In the change of land use type,the transfer of water areas is conducive to the increase of carbon reserves,while the transfer of forest land has caused the reduction of carbon reserves.The high value of carbon reserves in the research area is mainly concentrated in the northern mountainous area,and the low carbon reserves are mainly concentrated in the central plain area.ConclusionCarbon reserves are significantly positively asso-ciated with precipitation with a fitting of 0.8005,indicating that the increase in precipitation in the study area facilitates the miti-gation of carbon loss.The prediction indicate that the carbon reserves in the study area in 2025 and 2035 were 6.611 8107 t and 6.575 9107 t,decreased 5.25%and 5.76%in 2020,mainly due to the increase of construction land and the decrease of grassland area.Keywords:carbon storage;land use;InVEST model;Markov-FLUS model;Yongding River basin;climate change;precipitati-on;ecosystem0 0 引引 言言 碳储量是一个生态系统中碳素的储备量,碳存储有助于减缓气候变化并对其他生态系统服务提供支撑1。土地利用变化是影响碳储量最主要的原因之一,通过影响区域内植被和土壤的结构及完整性,进而影响区域内包括地上、地下生物碳储量以及土壤有机碳储量在内的整体生态系统碳功能2-4。陆地生态系统碳储量在全球碳循环中起重要作用5,是降低CO2浓度和缓解全球气候变化从而维持生态平衡的重要途径6-7。作为与陆地生态系统密不可分的土地利用覆被变化(Land Use and Cover Changes,LUCC)是影响碳储量变化最主要的因素之一,且现有研究表明,土地利用覆被变化不仅是环境变化的关注热点,也是研究陆地生态系统碳储量变化的关键点8,其通过影响生态系统中植被和土壤的碳储量进而影响整个区域碳储量变化,可以改变生态系统的结构和功能来影响生态系统碳循环过程2。研究土地利用变化下生态系统碳储量及其影响因素对于改善区域生态系统服务功能和促进经济社会发展具有重要意义,近几年已成为国内外研究学者共同关注的热点问题8。目前,碳储量变化研究方法较多,从生态系统动力学角度出发的生态系统过程机理模型如生物地理模型 PAPSS、生物地球化学模型 TEM 及动态全球植被模型 LPJ 等已广泛用于碳储量的估算9。为了能够在空间上模拟和展示土地利用对陆地生态系统碳储量变化影响的时空分布特征,生态系统服务评估与权衡模型 InVEST(Integrated Valuation of Ecosystem Services and Trade-offs,InVEST)被广泛使用,其具备驱动数据简单易获取、定量化评估精度高的特点,能直接评估不同土地利用导致的碳储量变化,评估某一区域特定时段 的 碳 储 量10。如 邵 壮 等11基 于 FLUS 与InVEST 模型,利用模型测算 19902018 年北京市碳储量变化,并利用 FLUS 模型,预测 2035 年 3 种情景下的碳储量变化。上述研究表明,要精准地模拟未来土地利用变化对陆地生态系统碳储量的影响,土地利用变化的精细化模拟尤为重要。而 FLUS(Future Land Use Simulation,FLUS)耦合了人类活动和自然要素对未来土地利用变化进行模拟,采用系统动力学和元胞自动机相结合方式,能够有效精细化模拟大尺度未来土地利用12。因此,在 InVEST 模型的基础上,结合 FLUS 模型能够充分模拟和预测区域碳储量的时空变化。如刘晓娟等12运用 FLUS-InVEST 耦合模型以土地利用视角模拟了中国 2100 年的陆地生态系统碳储量,并探讨其空间分异差异。2016 年国家相关部委共同启动了永定河综合治理与生态修复,部分学者对流域内土地利用变化开展相关的研究13。如贾文娟等14通过对永定河流域(河北北京段)土地利用变化研究表明,研究区建设用地通过占据大量耕地实现面积大幅增加,土地利用的转移主要为耕地转建设用地和未利用地。侯蕾等15研究了永定河上游流域土地利用变化,结果显示 19802010 年间土地利用变化速度最大的是建设用地,耕地、草地、水域、未利用地面积缩减。上述研究成果重点开展了对流域土地利用相关变化的研究,针对永定河流域土地利用变化引起的碳储量功能变化研究较少,仅可见任胤铭41薛万来,等/基于 FLUS-InVEST 模型的永定河流域碳储量功能变化分析水利水电技术(中英文)第 54 卷 2023 年第 9 期等16以京津冀城市群为研究区域,利用 FLUS 模型模拟不同情景下土地利用空间分布格局,并结合 In-VEST 模型模拟研究区不同情景下的生境质量、产水量、碳储量、土壤保持量和水质净化等服务变化。因此,探究永定河流域不同时期土地利用变化及其对碳储量的影响,并基于现状土地利用预测未来土地利用分布格局及碳储量的走向,对于进一步优化研究区土地利用格局,提高生态系统碳固定能力具有十分重要的意义。本研究以永定河(官厅屈家店)流域为研究对象,基于 InVEST 模型实现对碳储量空间分布及变化情况的评估与预测,结合 FLUS 模型开展未来土地利用变化的模拟,并结合气候因子进行分析,深入识别碳储量演变规律及原因,以期为提高永定河流域生态系统服务功能与生态空间资源配置优化提供支撑和参考。1 1 研研究究区区概概况况 永定河是海河水系最大的一条河流,发源于内蒙古高原的南缘和山西高原的北部,位于东经 11211745,北纬 394120之间,流域面积 4.70 万km2。本 文 研 究 区 域 为 官 厅屈 家 店 段,长 约255 km,研究区域面积 3 776.67 km2。河流自官厅水库入三家店,自三家店进入华北平原,流经北京市、河北省廊坊市,至天津市屈家店,其中从幽州入境至梁各庄为北京段,长约 170 km。研究区域属暖温带半湿润大陆性季风气候,冬夏两季气温变化较大。流域多年(19562020 年)平均降雨量 506 mm,降水年内分配极不均匀,大多集中在 7、8 月份17。自上世纪 80 年代起,因上游来水减少、连续多年干旱等原因,生态补水实施前,永定河连续断流近 40 a,且伴随经济的快速发展,人口急剧增加,城市化进程快速推进,土地利用开发活动强烈,使得流域生态环境严重受损18。2 2 研研究究方方法法 为精细化模拟永定河官厅水库下游流域陆地生态系统碳储量及其变化,本研究将 FLUS 模型和 InVEST模型进行耦合分析。基于 19852020 年共计 8 期土地利用数据,计算 19852020 年北京市碳储量时空变化特征,再利用 FLUS 模型,结合永定河流域实际和相关研究成果,选取地形、气候、社会等方面共9 个驱动因子,模拟预测了 2025 年、2035 年等典型时期的土地利用变化,并采用 InVEST 模型预测了2025 年和 2035 年碳储量变化,对其影响因素进行了图 1 研究区域地理位置及高程Fig.1 Location and elevation of study area分析。上述模型集成精细化土地利用变化模拟以及基于模拟后的土地利用变化对生态系统碳储量计算等优势,可为未来不同流域多要素驱动下土地利用变化对生态系统碳储量影响分析提供支撑。2.1 数据来源2.1.1 土地利用本文采用的土地利用数据包括永定河(官厅屈家店)流域 1985 年、1990 年、1995 年、2000 年、2005 年、2010 年、2015 年、2020 年 8 期的土地利用数据,土地利用数据下载于中国科学院资源环境科学数据中心(http:/),空间分辨率为 30 m30 m,采用 ArcMap 10.7 通过再分类形成耕地、林地、草地、水域、建设用地和未利用土地 6 个一级土地类型。2.1.2 土地利用驱动因子数据根据永定河流域概况,主要从影响土地利用覆被变化的自然环境、社会经济和交通区位因子 3 个主要方面出发,综合相关研究19-20对驱动因子的选取分析,本文选取高程、坡度、坡向、年均气温、年均降水量等 5 个自然因素和公路、铁路、人口密度、GDP等 4 个社会经济因素。其中,高程、坡度、坡向数据通过地理空间数据云平台(http:/)51薛万来,等/基于 FLUS-InVEST 模型的永定河流域碳储量功能变化分析水利水电技术(中英文)第 54 卷 2023 年第 9 期下载高程数据后提取得到;年均气温、年均降水量来源于中国气象数据网(http:/),在 GIS中使用克里金插值法得到;人口密度数据来源于NASA 社会经济数据和应用中心(https:/sedac.cie-sin.columbia.edu);交通数据来源于全国地理信息资源目录服务系统(http:/);GDP数据来源于中国科学院资源环境科学数据中心(http:/)。将所有数据格式及坐标统一,行列数为 4 8814 367,空间分辨率 30 m30 m。2.2 FLUS-InVEST 模型2.2.1 FLUS 模型FLUS 模型采用神经网络算法(ANN)基于历史土地利用数据,结合多种驱动力因子(气温、降水、地形、交通、人口等方面)获取各地类的适宜性概率,然后采用基于轮盘赌选择的自适应惯性竞争机制的元胞自动机(CA)模块处理相互之间元胞的空间数据,最终实现土地利用变化模拟20。该模型能够有效处理土地利用类型在复杂作用影响下转化的不确定性,进而得到与现实分布相似的结果。在 FLUS 模型中,未来土地利用数量预测方法采用 IDRISI 模型中马尔科夫(Markov)模块。Markov 过程的核心是状态转移矩阵,该模块根据历史状态下概率分布来预测未来发展状态,由于其过程为离散时间随机过程,与本文数据特点相似,耦合 Markov-FLUS模型综合了 CA 处理空间变化的能力和 Markov 预测土地利用面积的能力,在空间和数量上同时完成对土地利用动态演化的全方位剖析,这样的耦合结果误差小,具有一定的连续性与科学性,可预测未来土地利用发展状态,故采用该模块作为 FLUS 模型中未来土地利用数量输入依据21。神经网络模型是建立历史土地利用与驱动力因子间的关系,公式如下sp(p,k,t)=jwj,k sigmoid(netj(p,t)(1)sigmoid(netj(p,t)=11+e-netj(p,t)(2)netj(p,t)=wi,j c(3)式中,sp(p,k,t)为 t 时间元胞 p 中土地利用类型 k的适宜性概率;wj,k为隐含层和输出层之间的权重;sigmoid(netj(p,t)为 隐 含 层 到 输 出 层 的 函 数;netj(p,t)为t时刻第j个p元胞接收的信号;wi,j为隐含层和输出层之间的信号。土地利用转化的模拟是在各种转换条件下以及结合未来土地利用需求的循环迭代中进行自适应性调整,使得生成结果不断接近现实土地利用。公式如下TPtp,k=Pp,k tp,k Itk(1-SCck)(4)tp,k=NNcon(ct-1p=k)N N-1 wk(5)Itk=It-1kifDt-1kDt-2kIt-1k Dt-2k/Dt-1kifDt-1k Dt-2k 0It-1k Dt-1k/Dt-2kif0 Dt-2k Dt-1k(6)式中,TPtp,k为 t 时刻元胞 p 转换为土地利用类型 k 的概率;tp,k为邻域影响;Itk为自适应惯性系数;SCck为 土 地 利 用 类 型 之 间 相 互 转 换 的 成 本;NNcon(ct-1p=k)为在 N N 的窗口下,土地利用类型k 在最后一次迭代时所占的元胞总量;wk为各土地利用类型之间的邻域因子作用权重;Dt-1k为 t 时刻土地利用类型 k 的需求与实际数量的差值。本研究中,使用 2010 年土地利用作为初始期数据,2015 年为基准期数据,2020 年为验证期数据,进而预测 2025 年、2035 年土地利用分布。根据上述模拟结果,林地模拟精度达到 94.50%,耕地和未利用土地准确率分别达到 85.05%和 81.54%,草地模拟精度较低。借助 Kappa 系数验证结果显示,Kappa值为 0.867,Overall Accuracy 值为 0.911,说明 FLUS模型在流域尺度上有较好的模拟能力,模型设置的参数符合研究区土地利用的变化,可用于对研究区域2025 和 2035 年的土地利用的模拟。表 1 2020 年研究区土地利用类型模拟结果对比Table 1 Comparison of land use types in the study area in 2020 years with simulation results土地利用类型2020 年实际栅格数/个2020 年预测栅格数/个正确栅格数/个准确率/%耕 地1 657 9351 657 9351 410 00085.05林 地1 613 9441 613 9441 525 15994.50草 地205 736205 736145 90570.92水 域40 54340 54330 22974.56建设用地676 915675 738486 21071.83未利用土地1 2242 40199881.542.2.2 InVEST 模型InVEST(Integrated Valuation of Ecosystem Services and Trade-offs)模型碳储量模块简化了碳循环的过程,以不同的土地利用类型为单元来确定各土地利用类型的地上、地下、土壤和死亡碳密度,根据土地利用的分类情况,对不同土地利用的平均碳密度进行统计,然后用各土地利用的面积乘上其碳密度并求和,得出研究区的总碳储量22。61薛万来,等/基于 FLUS-InVEST 模型的永定河流域碳储量功能变化分析水利水电技术(中英文)第 54 卷 2023 年第 9 期碳密度的计算公式如下Ci=Ci-above+Ci-below+Ci-dead+Ci-soil(7)式中,Ci为第 i 种地类的碳密度(Mg/hm2);Ci-above为第 i 种地类的地上生物的碳密度(Mg/hm2);Ci-below为第 i 种地类的地下生物的碳密度(Mg/hm2);Ci-dead为第 i 种地类的死亡有机质碳密度(Mg/hm2);Ci-soil为第 i 种地类的土壤有机质碳密度(Mg/hm2)。碳储量计算公式如下Ci-total=Ci Ai(8)式中,Ci-total为区域内第i 种地类的总碳储量(Mg);Ci为第 i 种地类的碳密度(Mg/hm2);Ai为第 i 种地类的面积(hm2)。碳密度库主要包括地上碳库、地下植被碳库、土壤有机质碳库和死亡有机质碳库,死亡有机质碳库由于数据来源缺乏且占碳库比例较小(约为 5%8%)23-26,本文不予考虑。本研究的碳密度数据基于全国和北京市同气候带地区的研究结果23-26,而非实际测量。由于碳密度值随土壤性质和土地利用的不同而不同,因而根据地区气候条件对碳密度进行修整。年降水量和土壤碳密度的关系采用 ALAM 等27研究中的公式作为修正降水量因子的公式,本文降雨量年份采用相应计算年份的降雨量,采用陈光水等28研究中的公式作为修正年均气温和碳密度的公式。Csp=3.396 8 MAP+3 996.1(R2=0.11)(9)CBP=6.798 e0.005 4MAP(R2=0.70)(10)CBT=28 MAT+398(R2=0.47,P 耕 地(33.758)草 地(4.142)建设用地(1.602)水域(0.018)未利用土地(0.004)。19852020 年,林地和耕地面积在总81薛万来,等/基于 FLUS-InVEST 模型的永定河流域碳储量功能变化分析水利水电技术(中英文)第 54 卷 2023 年第 9 期 表 3 19852020 年土地利用类型变化引起的碳储量变化Table 3 Change of carbon storage caused by land use type conversion from 1985 to 2020土地利用类型转换面积/km2碳储量变化/104 t小计/104 t耕地林地6.2155.312耕地草地3.074-1.766耕地水域2.093-4.296耕地建设用地308.317-544.703耕地未利用土地0.303-0.565林地耕地37.956-84.034林地草地27.348-61.438林地水域0.615-2.289林地建设用地40.578-139.545林地未利用土地0.010-0.035草地耕地2.027-1.103草地林地3.5693.042草地水域0.144-0.296草地建设用地6.775-11.987草地未利用土地0.005-0.008水域耕地38.55157.745水域林地2.7778.039水域草地4.8697.135水域建设用地22.8456.237水域未利用土地0.3110.055建设用地耕地42.36550.605建设用地林地2.3926.198建设用地草地0.0260.030建设用地水域0.900-0.284未利用土地耕地0.0010.001未利用土地林地0.0050.015未利用土地草地0.0480.061未利用土地水域0.014-0.003未利用土地建设用地0.1030.008-546.018-287.341-10.35379.21156.5490.081研究区面积中的平均占比分别为 40.03%和 42.15%,虽然面积均呈下降趋势,但碳储量占比较大,仍然都是研究区域主要的碳库。为更深入探究研究区内土地利用变化与总碳储量变化之间的关系,计算了 19852020 年各土地利用类型面积变化与总碳储量的相关性。由图 3 可知,研究区总碳储量与耕地、林地、水域的面积呈正相关关系,其主要原因是研究期内植被面积的增加,提高了土壤中固碳量;草地、建设用地、未利用土地的面积与总碳储量呈负相关关系,未利用地面积持续减少,转入碳密度较高的植被地类,导致其与总碳储量呈现负相关的关系。3.2.2 碳储量空间变化从空间上看(见图 4),碳储量高值的区域主要分布在研究区北部,主要土地利用类型为林地,植被面积较大,碳储存能力较强。研究区域 19852020 年碳储量大体趋势为先减少后波动增加趋势,多年平均碳储量为 7.922 4107 t,平均变化率为-3.55%。由于不同土地利用类型交错分布,碳储量也呈交错分布特征。19851995 年间,研究区域碳储量空间变化较小,且碳储量较高,均值达到 9.708107 t,碳储量较高的地区主要分布在研究区北部。中部的碳储量较低,而研究区南部的碳储量呈现低值与高值点状交错分布。19952000 年间,由于耕地面积的急剧增加,建设用地的增加,林地和草地面积的减少,年均降水量小,使得碳储量达到最低值。20052020 年碳储量较高地区主要分布在研究区域北部,但相比19851995 年有所下降,碳储量较低地区主要位于研究区南部,主要土地利用类型为耕地。为更清晰显示研究区域碳储量空间变化,对1985 年和 2020 年碳储量分布图进行栅格减法运算,进而得到碳储量变化情况。根据增加(变化值100 t/hm2)、基本不变(-100 t/hm2变化值100 t/hm2)和减少(变化值耕地(33.749)草地(3.545)建设用地(3.514)水域(0.011)未利用土地(0.003),与历史时期相比,建设用地占比增加了 1.91%,耕地、林地、草地、水域、未利用土地占比均减少,其中林地占比减少最多,为 1.3%,其次是草地,为 0.6%。从空间上看,碳储量高值区仍分布在研究区北部,北部山区内林地面积虽逐渐减小,但碳储量占比依旧为最大。20202035 年碳储量空间分布格局基本保持稳定,主要集中在研究区中部偏北,相比20152020 年碳储量减小幅度降低。4 4 讨讨 论论4.1 碳储量时空变化 本研究表明,19852020 年永定河流域碳储量呈现“上升下降波动上升”的趋势,一定程度上反映了永定河流域生态系统服务功能的变化,通过模拟和预测 2025 年和 2035 年不同土地利用类型下碳储量的时空分布,发现与 2020 年相比,2025 年和2035 年碳储量不断下降,流域生态系统服务功能也呈现下降趋势。分析原因主要是在现有的土地利用发展趋势下,流域内 2025 年和 2035 年建设用地面积不断增大,由于建设用地增加导致生态系统碳储量减12薛万来,等/基于 FLUS-InVEST 模型的永定河流域碳储量功能变化分析水利水电技术(中英文)第 54 卷 2023 年第 9 期 图 7 研究区气候与总碳储量相关关系Fig.7 Relation between climate and total carbon storage少,与部分学者研究成果一致,城镇化会导致耕地、林地、草地占用导致生态系统碳储量减少32。李义平等33通过对贵州省黎平县碳储量的变化分析结果表明,碳储量功能逐年减弱,主要原因为林地大面积的转出以及建设用地的不断扩张,与本文结论相符。YANG 等34通过对湖北省碳储量及其影响因素的研究表明,20152030 年碳储量呈下降趋势,城市扩张是导致碳损失的主要原因,耕地向建设用地的转移以及林地的重点保护是未来需要着重考虑的问题。全球尺度模拟分析结果显示碳密度年际无变化,但生态系统碳储量呈增加趋势,主要是由于一定区域内碳储量的变化是由不同土地利用类型的相互转化而导致的。因此,流域范围内土地利用类型的变化是影响碳储量变化的最主要因素。4.2 碳储量影响因素 土地利用变化导致生态系统服务功能的变化研究已成为研究的热点,不少学者已评估了土地利用对碳储量的影响,与本文结论均一致,同时提到气候变化对土地利用类型的影响,因此气候对碳储量影响的分析十分有必要。气候通过影响生物及微生物生长、腐解进而影响到土壤与大气和地下水的碳交换35,且对耕地、草地和水域的面积均会产生影响。永定河流域内 19852020 年研究区年均降水量呈“上升降低上升”趋势,与总碳储量走向相符。2020 年年均降水量为 540.22 mm,相比 1985 年减少了 67.55mm,总 降 幅 为 11.11%,35 a 间 平 均 变 化 量 为-0.56%。其中 19952000 年降幅最大为 30.72%,同期总碳储量降幅也最大,为 32.67%。19852020年研究区年均气温呈总体上升的波动趋势,20102015 年上升幅度最大,从 11.2 上升至 12.45,同期总碳储量上升幅度最大,为 11.16%。如图 7 所示,研究区总碳储量与年降水量呈明显正相关关系,拟合度为 0.800 5,总碳储量与年均气温呈负相关关系,拟合度为 0.158 9,表明研究区总碳储量的降低是受降水量降低和气温上升两个因素共同影响,但降水量所起的作用更大,原因可能是降水量降低导致叶片气孔关闭,植被光合作用和蒸腾作用减弱。这与相关学者研究结论一致,陈庆美等36研究表明内蒙古土壤有机碳与降水量呈正相关,与气温呈负相关。孙晓芳等37研究表明植被碳储量与气候的关系十分复杂,原因在于部分地区植物生长主要受光照的影响,温度的上升在不同的地方会导致植被碳储量不同的变化。赵文龙38的研究表明土壤有机碳对温度的敏感性较高,而降水量对土壤有机碳的影响受区域水分条件限制,有较复杂的地域性。4.3 碳储量模拟不确定性分析 碳储量模拟分析的不确定性主要来源于土地利用预测不确定性和既有碳密度数据的不确定性两方面39。本研究中土地利用预测模拟是采用马尔科夫(Markov)模块,能有效结合马尔科夫链与 FLUS 之间的优势,避免单一模型的不确定性;同时,模拟预测所获取的 2025 年、2035 年土地利用数据 Kappa 值为0.867,说明模型模拟精度较好,FLUS 模型在本文中具有很好的适用性,能够有效实现永定河流域土地利用的时空转换的模拟,对流域内未来土地利用调整及国土空间优化具有一定的借鉴意义。但模型研究的重点在于时间尺度的跨度,考虑的因素除了必要的自然要素外,更多地应考虑生态保护红线划定、自然保护地划定、“三线一单”管控等社会经济因素21。对于永定河流域而言,国家相关政策的持续出台、永定河综合治理一期、二期工程的相继实施均会对流域水域、林地等土地利用类型产生显著影响,因此,为更好地提高土地利用模拟的精度,纳入相关动态变化数据是下一步研究的重点。另外,碳储量模拟不确定性22薛万来,等/基于 FLUS-InVEST 模型的永定河流域碳储量功能变化分析水利水电技术(中英文)第 54 卷 2023 年第 9 期主要来源于碳密度数据。现有的模拟是基于已确定的碳密度数据,并通过气温和降水进行本地化修正,并未进行相关实地验证;同时,模型 Carbon 模块中缺乏土地利用中同一地类内部随着植物生长带来碳储量的变化,使得碳储量模拟分析的空间格局存在误差。因此,后续的研究中,需强化碳密度数据获取的精准性,开展碳密度数据实地测量,并对碳密度数据获取的时效性加以验证和率定。5 5 结结 论论 本文基于 InVEST 模型,分析了 19852020 年永定河(官厅屈家店)流域碳储量时空演化规律,在此基础上结合 FLUS 模型对研究区 2025 年、2035 年土地利用及碳储量进行模拟预测分析,结论如下。(1)19852020 年,永定河(官厅屈家店)流域土地利用类型以耕地和林地为主,林地主要分布于研究区北部,耕地主要分布于研究区南部,两者面积共占研究区总面积的 80%以上。在土地利用转移方面,主要为耕地向建设用地的转移,转移面积占研究区域总面积的 8.16%。(2)19852020 年,研究区 8 期碳储量分别为9.697 8 107 t、9.895 7 107 t、9.529 1 107 t、6.416 0107 t、6.869 8107 t、6.620 9107 t、7.372 2107 t、6.978 1107 t,呈现下降后波动上升趋势,总体减少了 2.719 7107 t。碳储量较高地区为北部林地山区。总碳储量与耕地、林地、水域的面积呈正相关关系,林地转出为任何土地利用都会导致碳储量的减少,水域转出为任何土地利用都会导致总碳储量增加。(3)20202035 年研究区耕地、林地、草地、未利用地面积减小,水域、建设用地面积增大。其中建设用地面积仍然增加最大,但增长率相比下降。从土地利用转移方向看,主要为林地、耕地向建设用地的转移。2025 年、2035 年碳储量分别为 6.611 8107 t,6.575 9107 t,相比 2020 年降幅约为 5%。空间分布格局基本保持稳定,相比 20152020 年碳储量减小幅度降低。参考文献(References):1 HOUGHTON R A.Revised estimates of the annual net flux of carbon to the atmosphere from changes in land use and land management 1850-2000J.Tellus,2010,55(2):378-390.2 杨洁,谢保鹏,张德罡.基于 InVEST 和 CA-Markov 模型的黄河流域碳储量时空变化研究J.中国生态农业学报(中英文),2021,29(6):1018-1029.YANG Jie,XIE Baopeng,ZHANG Degang.Spatio-temporal evolution of carbon stocks in the Yellow River Bas