基于RS的哈爾濱市土地利用變化對(duì)碳儲(chǔ)量的影響

李繼紅，支偉峰，陳文曲，梁勇奇，徐藝帆，張帆

0 引言

隨著人類社會(huì)發(fā)展，各種生態(tài)環(huán)境問題日益突出，這也使得對(duì)于生態(tài)環(huán)境方面的研究漸漸成為世界關(guān)注的焦點(diǎn)[1-3]。各國(guó)科研人員嘗試從不同角度對(duì)生態(tài)環(huán)境變化進(jìn)行研究，在這些研究當(dāng)中，對(duì)于碳儲(chǔ)量的研究更是一大熱點(diǎn)，也取得了不少進(jìn)展[4]。部分研究發(fā)現(xiàn)一定區(qū)域內(nèi)土地利用類型的變化對(duì)碳儲(chǔ)量變化能夠產(chǎn)生巨大影響[5-6]。土地利用/土地覆被（LUCC）的改變影響陸地生態(tài)系統(tǒng)的分布和結(jié)構(gòu)進(jìn)而導(dǎo)致陸地生態(tài)系統(tǒng)碳儲(chǔ)量與碳循環(huán)的變化，具體表現(xiàn)在以植被覆蓋林地減少和與建筑用地增加導(dǎo)致區(qū)域碳儲(chǔ)能力下降[7-8]。國(guó)外HUTYRA L R等對(duì)西雅圖部分地區(qū)單位面積碳儲(chǔ)量進(jìn)行計(jì)算并與美國(guó)其他地區(qū)進(jìn)行對(duì)比[9]。國(guó)內(nèi)在植被碳儲(chǔ)量[10]、生態(tài)系統(tǒng)碳儲(chǔ)量[11]、城市碳儲(chǔ)量[12]等方面都有所研究，并取得一定的成果。但就土地利用/土地覆被（LUCC）、遙感和區(qū)域碳儲(chǔ)量轉(zhuǎn)移流動(dòng)相結(jié)合的研究相對(duì)較少。本文基于遙感技術(shù)的應(yīng)用，分析土地利用變化，根據(jù)土地利用變化預(yù)測(cè)模型預(yù)測(cè)未來(lái)城市發(fā)展趨勢(shì)，進(jìn)而完成對(duì)其變化引起的碳儲(chǔ)量格局變化分析。

1 研究區(qū)概況

哈 爾 濱， 位 于 東 經(jīng) 125°42′～130°10′， 北 緯44°04′～ 46°40′，是中國(guó)最北邊的省會(huì)城市，下轄 9個(gè)區(qū)：道里區(qū)、南崗區(qū)、道外區(qū)、平房區(qū)、松北區(qū)、香坊區(qū)、呼蘭區(qū)、阿城區(qū)、雙城區(qū)；7個(gè)縣：依蘭縣、方正縣、賓縣、巴彥縣、木蘭縣、通河縣、延壽縣；以及2個(gè)代管縣級(jí)市：尚志市和五常市。行政管轄區(qū)域總面積 5.3萬(wàn) km2。地勢(shì)北、東、南高，呈新月形狀向西傾斜。哈爾濱屬中溫帶大陸性季風(fēng)氣候，夏季短暫，冬季漫長(zhǎng)寒冷。哈爾濱地區(qū)的土壤種類較多，以黑土為主要土壤，主要森林類型有：白樺林、柞樹林、落葉松林、針闊混交林和樟子松林等。流經(jīng)哈爾濱的主要河流松花江和阿什河等。

2 數(shù)據(jù)與研究方法

2.1 數(shù)據(jù)

2.1.1 遙感數(shù)據(jù)來(lái)源和預(yù)處理

遙感數(shù)據(jù)為哈爾濱市2005、2010和2015年三期Landsat遙感影像數(shù)據(jù)，具體情況見表1，來(lái)源于地理空間數(shù)據(jù)云(http://www.gscloud.cn/)。對(duì)三期遙感影像進(jìn)行預(yù)處理，處理的主要步驟包括單景影像輻射定標(biāo)、大氣校正、圖像鑲嵌和圖像裁剪等。經(jīng)過預(yù)處理和監(jiān)督分類后的分類結(jié)果如圖1所示。

表1 遙感數(shù)據(jù)列表Tab.1 List of remote sensing data

圖1 哈爾濱市2005、2010和2015年遙感影像分類結(jié)果Fig.1 Interpretation remote sensing images in 2000～2015 in Harbin

2.1.2 輔助數(shù)據(jù)

2005、2010和2015三期哈爾濱市土地利用現(xiàn)狀圖，2005、2010和2015三期哈爾濱統(tǒng)計(jì)年鑒數(shù)據(jù)以及部分哈爾濱統(tǒng)計(jì)局發(fā)布的數(shù)據(jù)。主要用作遙感圖像分類精度評(píng)價(jià)參考數(shù)據(jù)

2.2 研究方法

2.2.1 遙感圖像分類

遙感圖像分類主要有監(jiān)督分類和非監(jiān)督分類，鑒于本研究能從研究區(qū)域選取有代表性的訓(xùn)練場(chǎng)作為樣本，所以筆者采用監(jiān)督分類方法。而具體監(jiān)督分類方法筆者嘗試了支持向量積，最大似然法及最小距離法。在充分考慮不同地類分類精度，總體精度及Kappa系數(shù)后，確定選擇支持向量機(jī)為本研究中遙感影像監(jiān)督分類的方法。

2.2.2 土壤碳儲(chǔ)量估算

土壤碳是陸地碳循環(huán)中重要的組成部分，其對(duì)于大氣中碳的排放量有很大影響作用。土壤碳的研究主要集中于其碳儲(chǔ)量的計(jì)算與流動(dòng)[13-14]。而土壤碳儲(chǔ)量估算主要方法有：土壤類型法、生命帶法、模型方法和GIS估算法等[15]。不論采用何種方法，最終可以獲得不同土地利用/土地覆被（LUCC）的碳密度數(shù)據(jù)，具體參考郭樹平[16]統(tǒng)計(jì)的黑龍江省不同地類碳密度。采用其碳密度來(lái)估算不同地類的土壤碳儲(chǔ)量。具體公式：

式中：SOC為土壤總碳儲(chǔ)量；Xi為第i種類型土地的面積；SOCDi表示第i種類型土地碳密度。

2.2.3 植被碳儲(chǔ)量估算

同理對(duì)于植被碳密度也可采用參考焦燕[17]、李克讓[18]等測(cè)算或統(tǒng)計(jì)的數(shù)據(jù)獲得。筆者在這里只對(duì)于土地類型中林地、耕地估算植被碳儲(chǔ)量，對(duì)于建設(shè)用地與水域忽略不計(jì)，具體公式：

式中：ZOC為植被總碳儲(chǔ)量；Xi為第i種類型土地的面積；ZOCDi為第i種類型土地表面植被碳密度。

2.2.4 哈爾濱總碳儲(chǔ)量估算

式中：TOC為哈爾濱總碳儲(chǔ)量；SOC為土壤總碳儲(chǔ)量；ZOC為植被總碳儲(chǔ)量。

2.2.5 基于Markov模型的哈爾濱2020年土地利用類型預(yù)測(cè)

Markov模型具有預(yù)測(cè)數(shù)量上的優(yōu)勢(shì)，運(yùn)用Markov模型預(yù)測(cè)關(guān)鍵在于轉(zhuǎn)移概率矩陣的確定[19]。主要分為以下步驟：①分別計(jì)算2005-2010年土地利用轉(zhuǎn)移矩陣；②以2005年為初始轉(zhuǎn)移狀態(tài)；③利用Idrisi的Markov模型模擬模塊，以15a為步長(zhǎng)，加入土地利用轉(zhuǎn)移概率矩陣，獲得最終2020預(yù)測(cè)土地利用類型。

土地轉(zhuǎn)移概率公式：

式中：m為景觀類型，Pij為由i類地類塊轉(zhuǎn)變?yōu)閖類地類的概率，同時(shí)，Pij須滿足以下兩個(gè)條件：

式中：P(n)為初始狀態(tài)土地利用概率矩陣經(jīng)過n步轉(zhuǎn)移后的概率矩陣。

3 結(jié)果與分析

3.1 遙感影像分類精度分析

采用監(jiān)督分類中支持向量機(jī)方法對(duì)哈爾濱市遙感影像分類后，結(jié)合檢驗(yàn)樣本，對(duì)其分類精度進(jìn)行評(píng)價(jià)可得表2?？梢钥闯鰡蝹€(gè)地類分類精度，總體分類精度以及Kappa系數(shù)基本滿足分類準(zhǔn)確性要求。為本研究深入進(jìn)行提供了可靠地?cái)?shù)據(jù)支持。

表2 哈爾濱市遙感影像分類精度Tab.2 Evaluation of classification accuracy of remote sensing image in Harbin

3.2 土地利用/土地覆被（LUCC）變化與分析

基于2005、2010和2015年三期遙感數(shù)據(jù)分類處理結(jié)果可得表3。由本表分析可知：從單個(gè)土地利用類型變化來(lái)看，林地面積呈現(xiàn)逐漸增加的態(tài)勢(shì)，從2005年22 310 km2到2010年26 310 km2再到2015年27 100 km2。林地的不斷增加有助于提高城市綠化水平，為保護(hù)生態(tài)環(huán)境提供了大的環(huán)境保障。建設(shè)用地面積三期分析也呈現(xiàn)增加情況，從期初的2 850 km2到期中3 690 km2再到期末4 150 km2，面積逐漸增加，表明伴隨城鎮(zhèn)化進(jìn)展和經(jīng)濟(jì)發(fā)展，其建設(shè)用地需求巨大。耕地面積不斷降低，但降低幅度有所減慢。從2005-2010年減少5 060 km2到2010-2015年減少1 390 km2，說明耕地減少得到有效抑制，但控制耕地紅線的任務(wù)依舊嚴(yán)峻。從總體土地利用角度來(lái)看，哈爾濱市土地利用中以林地耕地為主體，其面積占哈爾濱市總面積90%左右，之后依次為建設(shè)用地、水域。

表3 哈爾濱市土地利用類型面積及所占比例Tab.3 Land use area and proportion in Harbin

3.3 土壤、植被及總碳儲(chǔ)量估算與分析

根據(jù)土壤、植被以及總碳儲(chǔ)量估算方法，結(jié)合表3哈爾濱市土地利用面積可得表4。對(duì)其進(jìn)行深入分析可以發(fā)現(xiàn)：按照筆者采取的估算方式，在土地利用類型改變的情況下，出現(xiàn)以下結(jié)果：由于假定植被碳儲(chǔ)量?jī)H和林地、耕地面積轉(zhuǎn)變有關(guān)，因此計(jì)算得植被碳儲(chǔ)量呈逐期增加，從2005年到2015年，10 a間增加了1.2×107t，平均每年增加約1.2×106t。不同土地土壤碳密度差異較大導(dǎo)致總土壤碳儲(chǔ)量逐漸降低。以土壤碳儲(chǔ)量與植被碳儲(chǔ)量結(jié)合，忽略其他因素或部分的碳儲(chǔ)量，計(jì)算得出了2005、2010和2015三年哈爾濱市碳儲(chǔ)量分別為：8.85×108t、8.93×108t、8.90×108t。

表4 哈爾濱市碳儲(chǔ)量估算情況 104 tTab.4 The estimated carbon storage in Harbin

3.4 預(yù)測(cè)2020年土地利用方式以及碳儲(chǔ)量變化情況

根據(jù)馬爾科夫模型，結(jié)合2005、2010和2015年哈爾濱市遙感圖像分類結(jié)果，獲取土地利用轉(zhuǎn)移矩陣，帶入Idrisi計(jì)算最終可得2020年預(yù)測(cè)土地利用分類情況，見表5。

表5 哈爾濱市土地利用類型面積與碳儲(chǔ)量2020年預(yù)測(cè)情況Tab.5 The prediction of Harbin's land use and carbon storage in 2020

由表5預(yù)測(cè)數(shù)據(jù)，結(jié)合表4，做出圖2、圖3，可以對(duì)2005-2020年（預(yù)）期間的碳儲(chǔ)量變化進(jìn)行研究分析。

圖2 哈爾濱市不同年份土地利用類型的碳儲(chǔ)量變化情況Fig.2 The change of carbon storage based on land use in Harbin

綜上所述2005～2020年（預(yù)）這段時(shí)期的哈爾濱碳儲(chǔ)量變化情況：

（1）總碳儲(chǔ)量處于小幅度波動(dòng)增長(zhǎng)的狀態(tài)，2005年到2010年碳儲(chǔ)量有所增加，2010年到2015年碳儲(chǔ)量略有減少，預(yù)測(cè)2015到2020年會(huì)有小幅上漲，但總體碳儲(chǔ)量在這段期間還是增加的。

圖 3 哈爾濱市碳儲(chǔ)量變化情況Fig.3 The change of carbon storage in Harbin

（2）植被碳儲(chǔ)量就其原有基數(shù)而言出現(xiàn)明顯增長(zhǎng)，主要原因歸于2005年到2020年期間林地面積的逐漸增加，而林地上的植被具有非常重要的固碳作用，進(jìn)而導(dǎo)致整體固碳量的增加。

4 結(jié)論與討論

（1）土地利用類型變化，對(duì)陸地區(qū)域生態(tài)系統(tǒng)碳循環(huán)具有重要的影響。直接體現(xiàn)在不同土地類型具有不同碳儲(chǔ)能力?；谶b感圖像的土地利用變化研究是一種簡(jiǎn)單、快速、高效的區(qū)域碳儲(chǔ)量估算研究方法。本文從理論角度探索其具有實(shí)現(xiàn)的可行性。

（2）2005年到2015年這十年間，哈爾濱土地利用總體上體現(xiàn)建設(shè)用地面積不斷增加，加之退耕還林政策作用，共同壓縮了耕地面積，這值得城市建設(shè)規(guī)劃研究人員的注意。

（3）根據(jù)馬爾科夫模型對(duì)哈爾濱市不同土地類型預(yù)測(cè)，結(jié)合前期碳儲(chǔ)量估算可以得出區(qū)域總體碳儲(chǔ)能力得到加強(qiáng)，其中林地的不斷增加是碳儲(chǔ)增加的主導(dǎo)因素。

雖然本文采用科學(xué)的方法估算哈爾濱市近十年土地利用/土地覆被變化導(dǎo)致碳儲(chǔ)量變化的情況，但仍存在進(jìn)一步完善的地方。具體表現(xiàn)在：

（1）基于遙感圖像的土地分類精度有待提高，由于遙感圖像受分辨率和研究人員目視解譯影響，一直存在精度不足難以滿足應(yīng)用研究的目的。提高分類精度是利用遙感圖像進(jìn)行深入研究的重要保障，在筆者進(jìn)行研究中選取了中分辨率的TM遙感數(shù)據(jù)，初步滿足研究需求，但就研究問題估算準(zhǔn)確性上考慮還是有所不足。

（2）土地利用類型與區(qū)域碳儲(chǔ)量關(guān)系研究不夠深入，主要考慮土壤與植被的影響，對(duì)于地表覆被物，特殊濕地區(qū)域缺乏考慮，建議其他研究人員建立完整的基于土地利用的區(qū)域碳儲(chǔ)量估算模型，以便能夠達(dá)到真正高效的服務(wù)于社會(huì)生態(tài)文明建設(shè)的目的。

［1］Churkina G. Modeling the carbon cycle of urban systems［J］.Ecological Modeling , 2008, 216(2): 107-113.

［2］溫文. IPCC公布第五次氣候變化評(píng)估報(bào)告：超過95%系人為原因［J］.自然雜志, 2013, 35(5):325-328.

［3］中國(guó)未來(lái)研究會(huì)未來(lái)研究中心“低碳經(jīng)濟(jì)評(píng)價(jià)研究”課題組.2010各國(guó)低碳經(jīng)濟(jì)評(píng)價(jià)課題研究報(bào)告［J］.未來(lái)與發(fā)展,2011(5):2-10.

［4］方精云, 劉國(guó)華. 中國(guó)陸地生態(tài)系統(tǒng)碳庫(kù).現(xiàn)代生態(tài)學(xué)熱點(diǎn)問題研究［M］.北京: 中國(guó)科學(xué)技術(shù)出版社,1996:251-267.

［5］葛全勝, 戴君虎, 何凡能, 等.過去300年中國(guó)土地利用、土地覆被變化與碳循環(huán)研究［J］. 中國(guó)科D輯：地球科學(xué),2008, 38(2)：197-210.

［6］陳廣生, 田漢勤. 土地利用/覆蓋變化對(duì)陸地生態(tài)系統(tǒng)碳循環(huán)的影響［J］. 植物生態(tài)學(xué)報(bào), 2007, 31(2)：189-204.

［7］吳建國(guó), 張小全, 徐德應(yīng). 土地利用變化對(duì)生態(tài)系統(tǒng)碳匯功能影響的綜合評(píng)價(jià)［J］. 中國(guó)工程科學(xué) , 2003, 5(9)：65-77.

［8］谷家川.皖江城市帶碳排放與碳儲(chǔ)量時(shí)空變化特征研究［D］.蕪湖：安徽師范大學(xué), 2013.

［9］Hutyra L R, Yoon B, Alberti M. Terrestrial carbon stocks across a gradient of urbanization :a study of the Seattle, WA region［J］.Global Change Biology, 2011, 17(2): 783-797.

［10］張興榆, 黃賢金, 趙小風(fēng),等.環(huán)太湖地區(qū)土地利用變化對(duì)植被碳儲(chǔ)量的影響［J］.自然資源學(xué)報(bào), 2009, 24(8)：1 343-1 354.

［11］張繼平, 劉春蘭, 郝海廣, 等.基于MODIS GPP/NPP數(shù)據(jù)的三江源地區(qū)草地生態(tài)系統(tǒng)碳儲(chǔ)量及碳匯量時(shí)空變化研究［J］.生態(tài)環(huán)境學(xué)報(bào), 2015,24(1):8-13.

［12］郭茹.基于遙感的城鎮(zhèn)化過程碳儲(chǔ)量格局變化研究—以上海市崇明島為例［J］.環(huán)境污染與防治, 2015,37(12):107-109.

［13］金峰, 楊浩, 趙其國(guó). 土壤有機(jī)碳儲(chǔ)量及影響因素研究進(jìn)展［J］.土壤, 2000(1) : 11- 17.

［14］王紹強(qiáng),周成虎,夏潔.碳循環(huán)研究的最新動(dòng)向［J］.地球科學(xué)進(jìn)展,2000,15(5):592- 597.

［15］劉留輝. 國(guó)內(nèi)外土壤碳儲(chǔ)量研究進(jìn)展和存在問題及展望［J］.土壤通報(bào), 2009,40(3)：697-701.

［16］郭樹平.黑龍江省碳儲(chǔ)量及碳匯潛力分析［J］.森林工程,2011, 27(3)：9-16.

［17］焦燕.黑龍江省森林植被碳儲(chǔ)量及其動(dòng)態(tài)變化［J］.應(yīng)用生態(tài)學(xué)報(bào), 2005,16(12)：2248-2252.

［18］李克讓.中國(guó)植被和土壤碳貯量［J］.中國(guó)科學(xué)D輯, 2003,33(1)：71-80.

［19］王曉峰, 任志遠(yuǎn), 黃青.農(nóng)牧交錯(cuò)區(qū)縣城土地利用變化及驅(qū)動(dòng)力分析：以陜北神木縣為例［J］.干旱區(qū)地理, 2003,26(4) : 402-407.

［20］Acosta L, Klein R J T, Reidsma P, et al. A spatially explicit scenario-driven model of adaptive capacity to global change in Europe［J］. Global Environmental Change, 2013(23): 1211-1224.

［21］Metzger M J, Rounsevell M D A, Acosta-Michlik L, et al. The vulnerability of ecosystem services to land use change［J］.Agriculture, Ecosystems and Environment, 2006, 114(1): 69-85.

［22］Watson R T, Noble I R, Bolin B, et al. Land use change and forestry: a special report of the intergovernmental panel on climate change［M］. Cambridge University Press, 2000.

［23］Mucher A, Steinnocher K T, Kressler F P, et al. Land cover characterization and change detection for environmental monitoring of pan-Europe［J］. International Journal of Remote Sensing, 2000, 21(6): 1159-1181.

［24］Li B Y, Tang H P, Wu L H, et al. Relationships between the soil organic carbon density of surface soils and the influencing factors in differing land uses in Inner Mongolia［J］. Environmental Earth Sciences, 2012, 65: 195-202.