貴州省黎平縣地表覆被變化引起的生態(tài)系統(tǒng)碳儲量變化

李義平, 蔡 宏, 田鵬舉, 張蓓蓓, 廖書冰

(1.貴州大學(xué) 礦業(yè)學(xué)院, 貴州 貴陽 550025; 2.貴州省生態(tài)氣象和遙感中心, 貴州 貴陽 550002)

在全球碳循環(huán)中，陸地生態(tài)系統(tǒng)通過地表植被、土壤固定大氣中的CO2，從而將化學(xué)元素碳有效的固定下來，被認(rèn)為是全球最大的碳庫[1]。土地利用變化會改變地表覆被情況，對區(qū)域植被、土壤的固碳能力產(chǎn)生重要影響，進(jìn)而影響陸地生態(tài)系統(tǒng)各部分碳的分配[2]。因此，開展地表覆被變化對陸地生態(tài)系統(tǒng)碳儲量影響的研究有助于探尋土地利用結(jié)構(gòu)優(yōu)化途徑以提高區(qū)域生態(tài)系統(tǒng)碳儲量，對于改善自然生態(tài)系統(tǒng)有著重要的積極意義。近年來，國內(nèi)外研究學(xué)者分別采用不同碳儲量估算方法，基于不同尺度視角對簡單或復(fù)雜生態(tài)系統(tǒng)的碳儲量進(jìn)行了估算[3-5]，并探討了不同地表覆被類型與碳儲量之間的響應(yīng)關(guān)系[6-7]。研究[8-9]發(fā)現(xiàn)，熱帶雨林大面積森林亂砍亂伐被認(rèn)為是全球范圍內(nèi)陸地生態(tài)系統(tǒng)碳儲量損失的主要原因，而基于城市和國家視角，陸地生態(tài)系統(tǒng)碳儲量受到城市擴(kuò)張所帶來的林地、耕地向建設(shè)用地的轉(zhuǎn)換以及國家退耕還林還草政策實(shí)施的雙重影響[10-12]。還有學(xué)者通過不同土地利用預(yù)測模型結(jié)合人文、經(jīng)濟(jì)、地理等相關(guān)因素模擬了未來流域生態(tài)系統(tǒng)和國家生態(tài)系統(tǒng)的碳儲量發(fā)展趨勢[13-14]，探討了如何優(yōu)化土地利用格局才能滿足低碳經(jīng)濟(jì)發(fā)展的需要[15]。然而，當(dāng)前的研究多集中在城市、流域生態(tài)系統(tǒng)等大區(qū)域范圍內(nèi)的碳儲量估算及其變化趨勢，而結(jié)合時(shí)間空間尺度對小區(qū)域地表覆被變化所引起的碳源、碳匯轉(zhuǎn)化研究相對較少，也沒有對未來縣域尺度地表覆被轉(zhuǎn)移趨勢對生態(tài)系統(tǒng)碳儲量變化影響研究開展深入探討。縣作為國家基本行政區(qū)劃之一，是城市生態(tài)系統(tǒng)的重要組成部分，開展縣域尺度生態(tài)系統(tǒng)潛在碳儲量評估能夠?yàn)榈吞家暯窍鲁擎?zhèn)化建設(shè)管理及決策提供一定科學(xué)依據(jù)，有助于實(shí)現(xiàn)縣域生態(tài)系統(tǒng)低碳經(jīng)濟(jì)和生態(tài)環(huán)境的可持續(xù)發(fā)展。InVEST(integrated valuation of ecosystem services and trade-offs)模型能夠?qū)崿F(xiàn)生態(tài)系統(tǒng)服務(wù)功能的可視化表達(dá)，該模型的碳儲量模塊以土地利用數(shù)據(jù)為基礎(chǔ)，結(jié)合碳密度數(shù)據(jù)定量評估生態(tài)系統(tǒng)碳儲量[16]，具有輸入數(shù)據(jù)簡單、數(shù)據(jù)獲得性強(qiáng)、可視化表達(dá)和免費(fèi)開源等優(yōu)點(diǎn)，在許多地區(qū)得到成功應(yīng)用。

貴州省黎平縣作為國家28個(gè)重點(diǎn)林區(qū)縣之一，生態(tài)環(huán)境條件優(yōu)越。自20世紀(jì)以來，由于經(jīng)濟(jì)的快速發(fā)展、城鎮(zhèn)化進(jìn)程的加快，黎平縣土地利用和地表覆被發(fā)生了明顯變化，陸地生態(tài)系統(tǒng)碳儲量受到一定影響。因此，開展黎平縣生態(tài)系統(tǒng)固碳能力的研究顯得尤為重要。本文以黎平縣為研究區(qū)，利用InVEST模型定量研究黎平縣2005—2015年碳儲量時(shí)空分布及變化情況，并結(jié)合CA-Markov模型模擬2025年地表覆被情況，對黎平縣生態(tài)系統(tǒng)碳儲量進(jìn)行預(yù)測，定量評估黎平縣生態(tài)系統(tǒng)的固碳能力，旨在為重點(diǎn)林區(qū)縣的生態(tài)系統(tǒng)碳儲量管理和“大生態(tài)”發(fā)展提供有效支持。

1 研究區(qū)與研究方法

1.1 研究區(qū)概況

黎平縣位于貴州省東南部，地理位置為東經(jīng)108°37′—109°31′，北緯25°43′—26°31′，屬黔東南苗族侗族自治州，是貴州省與湖南、廣西的交界縣。該縣總面積4 439 km2，是黔東南面積最大、中國侗族人口最多的縣，地處高海拔低緯度區(qū)域，境內(nèi)地形復(fù)雜多樣，海拔相對高差1 436 m，地勢起伏顯著，是素有“九山半水半分田”之稱的典型山區(qū)縣。研究區(qū)屬于亞熱帶季風(fēng)性濕潤氣候，生態(tài)環(huán)境優(yōu)美，土壤肥沃，氣候溫暖，適合各種動植物生長，是中國南方植物基因庫。主要地表覆被類型為林地，森林資源豐富，2006年該縣活立木蓄積量1.42×107m3，位居貴州省10個(gè)林業(yè)縣之首，且植被類型眾多，其中地帶性植被為常綠闊葉林。土壤類型主要包括黃壤、紅壤、石灰土和水稻土。

1.2 數(shù)據(jù)來源

2005，2010，2015年的黎平縣土地利用數(shù)據(jù)以Landsat TM和Landsat OLI遙感影像為數(shù)據(jù)源，影像數(shù)據(jù)源來自地理空間數(shù)據(jù)云平臺(http:∥www.gscloud.cn)，利用ENVI 5.3軟件進(jìn)行人機(jī)交互解譯獲得，并參考中國土地資源分類系統(tǒng)，將研究區(qū)土地利用分為耕地、林地、草地、水域、建設(shè)用地以及未利用地六大類，經(jīng)精度評價(jià)Kappa系數(shù)分別為78.32%，80.28%和81.45%。DEM數(shù)字高程數(shù)據(jù)來自地理空間數(shù)據(jù)云，并在ArcGIS中生成坡度、坡向數(shù)據(jù)，空間分辨率為30 m。溫度、降水?dāng)?shù)據(jù)來自貴州省氣象局，利用氣象站點(diǎn)數(shù)據(jù)通過反距離加權(quán)法空間插值而成，空間分辨率為30 m。

1.3 研究方法

1.3.1 基于CA-Markov模型的土地利用預(yù)測 元胞自動機(jī)(CA)模型是一種沒有固定數(shù)學(xué)公式但空間、時(shí)間、狀態(tài)呈現(xiàn)離散型的網(wǎng)格動力學(xué)模型，其在時(shí)間因果關(guān)系和空間相互作用上均為局部關(guān)系。該模型所輸入的每個(gè)變量將狀態(tài)控制在某一個(gè)數(shù)量范圍內(nèi)，其狀態(tài)(例如某一個(gè)柵格的具體屬性)根據(jù)其前一個(gè)狀態(tài)和周邊柵格屬性按照某一規(guī)律變化進(jìn)行自主分析，能夠?qū)r(shí)間、空間相對復(fù)雜的系統(tǒng)環(huán)境進(jìn)行預(yù)測[17]。馬爾科夫(Markov)模型是一種可以對無明顯規(guī)律變化進(jìn)行狀態(tài)分析的隨機(jī)模型，它記載并統(tǒng)計(jì)每個(gè)柵格地類已知兩個(gè)時(shí)段內(nèi)的變化情況并生成轉(zhuǎn)換概率矩陣，用于預(yù)測目標(biāo)年份的地表覆被情況[18]。兩種模型各有優(yōu)勢，馬爾科夫模型更加側(cè)重于對地表覆被變化數(shù)量的預(yù)測，可進(jìn)行長時(shí)間序列預(yù)測，但缺乏空間表達(dá)能力，無法展現(xiàn)各類型土地的空間分布。而元胞自動機(jī)的轉(zhuǎn)換規(guī)則不僅依賴于前一個(gè)狀態(tài)，而且取決于其周邊領(lǐng)域的狀態(tài)，能夠?qū)?fù)雜空間系統(tǒng)的時(shí)空動態(tài)演化過程進(jìn)行表達(dá)。CA-Markov模型綜合了二者在模擬復(fù)雜環(huán)境上的優(yōu)點(diǎn)，能夠精準(zhǔn)的從空間狀態(tài)分布和柵格數(shù)量方面對地表覆被變化的時(shí)空格局進(jìn)行建模。具體操作步驟為： ①建立轉(zhuǎn)換規(guī)則。根據(jù)研究區(qū)2005和2010年土地利用數(shù)據(jù)，在IDRISI Selva平臺下運(yùn)用Markov模型記錄2005—2010年所有柵格的轉(zhuǎn)換狀態(tài)，并生成概率轉(zhuǎn)移矩陣作為轉(zhuǎn)換規(guī)則參與2015年土地利用模擬。 ②建立適宜性圖集。適宜性能夠充分描述當(dāng)前每個(gè)土地利用柵格在未來狀態(tài)的適宜性程度，通過集合所有地類適宜性圖來建立下一狀態(tài)土地利用適宜性圖集。基于2005年的土地利用狀況，將土地利用作為因變量，溫度、降水、高程、坡度、坡向作為驅(qū)動因子，利用IDRISI平臺的空間多元回歸模型(LogisticReg模塊)進(jìn)行回歸分析，計(jì)算得到所有土地類別的空間概率分布圖，再使用collection editor模塊將所有的空間概率分布圖集成在一個(gè)文件中。 ③迭代次數(shù)及領(lǐng)域?yàn)V波器的選擇。根據(jù)前人研究成果[19]，選擇5×5摩爾領(lǐng)域作為濾波參數(shù)，迭代次數(shù)選擇10。 ④精度檢驗(yàn)。首先利用ROC曲線對每個(gè)土地利用類型涉及的5個(gè)驅(qū)動因素所產(chǎn)生的Logistic回歸結(jié)果進(jìn)行精度檢驗(yàn)，通過對不同判定標(biāo)準(zhǔn)下的同一信號源進(jìn)行刺激反應(yīng)，其值大于0.7說明本文所選驅(qū)動因子均通過一致性檢驗(yàn)且對該土地利用類型具有較強(qiáng)的解釋能力[20]；然后，采用誤差精度和kappa系數(shù)對研究區(qū)2015年土地利用模擬結(jié)果和2015年土地利用解譯數(shù)據(jù)進(jìn)行真實(shí)性檢驗(yàn)。 ⑤2025年土地利用模擬。如果2015年土地利用模擬數(shù)據(jù)的Kappa系數(shù)大于0.75，說明CA-Markov模型及所選驅(qū)動因子能夠較好地模擬研究區(qū)土地利用格局。重復(fù)上述主要步驟，建立2015年適宜性圖集與2005—2015年轉(zhuǎn)換規(guī)則，以2015年土地利用現(xiàn)狀圖為基礎(chǔ)模擬2025年研究區(qū)土地利用格局。

1.3.2 基于InVEST模型的碳儲量評估

(1) InVEST模型簡介。InVEST模型是一種探索人類決策對生態(tài)服務(wù)系統(tǒng)影響的可視化工具，其海洋水質(zhì)、棲息地風(fēng)險(xiǎn)評估、碳儲存和固定等多個(gè)模塊可對生態(tài)系統(tǒng)服務(wù)和交易具有操作簡便、輸入數(shù)據(jù)易獲取等優(yōu)點(diǎn)。該模型把陸地生態(tài)系統(tǒng)碳分為4個(gè)部分，分別是地上碳、地下碳、土壤碳和死亡有機(jī)碳，其中地下碳是指植物在土壤中的根系部分所儲存的有機(jī)碳，死亡有機(jī)碳是指死亡凋落物和枯落物所儲存的有機(jī)碳，但由于死亡有機(jī)碳的數(shù)據(jù)相對復(fù)雜且不易觀測獲取，固在本研究當(dāng)中僅僅考慮地上、地下和土壤中所儲存的碳。具體計(jì)算公式為：

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

(1)

(2)

式中：i為土地利用類型；Ctot為生態(tài)系統(tǒng)總碳儲量(t)；Ci-above為i類土地利用類型的地上碳密度(t/hm2)；Ci-below為i類土地利用類型的地下碳密(t/hm2)；Ci-soil為i類土地利用類型的土壤碳密度(t/hm2)；Si為i類土地利用類型的面積；n為土地利用類型的數(shù)量。

(2) 碳密度數(shù)據(jù)的選定。研究區(qū)實(shí)測碳密度數(shù)據(jù)能夠有效提高碳儲量估算精度，但目前研究區(qū)基于土地利用類型的實(shí)測碳密度數(shù)據(jù)較為缺乏，因此相關(guān)碳密度值的確定工作由兩部分組成： ①收集研究區(qū)及周邊領(lǐng)域的實(shí)測碳密度數(shù)據(jù)； ②查找相似區(qū)域和全國尺度碳密度數(shù)據(jù)并利用溫度、降水校正模型進(jìn)行修正。基于此，研究區(qū)不同土地利用碳密度數(shù)據(jù)如表1所示。

表1 研究區(qū)不同土地利用碳密度數(shù)據(jù) t/hm2

表1中，林地地上碳密度數(shù)據(jù)來源于李默然[21]等人對黔東南主要森林類型碳儲量研究的實(shí)測數(shù)據(jù)并取平均值；根據(jù)李克讓[22]、方精云[23]等相關(guān)研究成果，獲得全國水平的耕地、草地地上碳密度，并采用Alam[24]等、Giardina[25]等、陳光水[26]等關(guān)于碳密度與氣溫和降水的關(guān)系模型，將全國尺度碳密度數(shù)據(jù)修正得到研究區(qū)碳密度數(shù)據(jù)；未利用地、建設(shè)用地碳密度數(shù)據(jù)根據(jù)張峰[27]、朱超[28]等研究成果并進(jìn)行修正得到；地下碳密度數(shù)據(jù)根據(jù)黃玫[29]、樸世龍[30]、方精云[31]等對不同土地利用類型地上地下生物量比值的研究成果進(jìn)行運(yùn)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；建設(shè)用地、水體的地上、地下碳密度均默認(rèn)為0；各土地利用類型的土壤碳密度數(shù)據(jù)根據(jù)帥虎[32]等人對重慶市碳儲量的研究成果進(jìn)行修正得到。具體修正公式為：

CSP=3.396 8MAP+3 996.1

(3)

CSP=6.798e0.005MAP

(4)

CBT=28MAT+398

(5)

式中：CSP為根據(jù)年降水量得到的土壤碳密度；CBP，CBT為根據(jù)年降水量和年均溫度得到的地上生物量碳密度； MAP為年降水量； MAT為年平均溫度。將2005年全國和黎平縣的年均降水量及溫度(697.25 mm/9 ℃，1 028.13 mm/15.6 ℃)分別帶入上述公式，二者之比即為修正系數(shù)。

2 結(jié)果分析

2.1 黎平縣2005-2015年土地利用特征

黎平縣主要土地利用類型為林地，其面積占黎平縣總面積的1/2以上。由表2可知，2005年林地、耕地、草地面積占研究區(qū)比例分別為69.11%，16.61%和13.85%，其次為建設(shè)用地和水域，分別為0.26%和0.12%，未利用地占比極少，僅有0.04%。在2005—2015年，草地、建設(shè)用地、水域面積呈增加趨勢，分別增加2 942.19，933.75和86.49 hm2，較2005年研究區(qū)比例分別增加0.67%，0.22%和0.02%，其中建設(shè)用地和水域的擴(kuò)張最為明顯，增幅分別為79.955%，15.827%；耕地、林地、未利用地面積呈減少趨勢，分別減少1 736.01，2 120.22和106.2 hm2，其中未利用地降幅最大，降幅為57.34%。

表2 研究區(qū)2005-2015年土地利用面積變化

2005—2015年黎平縣土地利用類型發(fā)生改變的面積為10 866.51 hm2，在土地面積恒定的情況下各主要土地利用類型之間均發(fā)生了相互的轉(zhuǎn)入與轉(zhuǎn)出(表3)。其中，行為轉(zhuǎn)出，列為轉(zhuǎn)入，耕地—耕地、草地—草地、林地—林地、水域—水域、建設(shè)用地—建設(shè)用地、未利用地—未利用地表示該地類在時(shí)空格局上未發(fā)生改變的面積。

10 a間，林地是其他土地利用類型的主要貢獻(xiàn)者，其轉(zhuǎn)出面積大約是轉(zhuǎn)入面積的1.5倍，主要轉(zhuǎn)為草地(3 844.26 hm2)，占轉(zhuǎn)出面積的67.45%。耕地的轉(zhuǎn)出面積大約為轉(zhuǎn)入面積的2倍，其面積主要流向于林地(2 605.68 hm2)和建設(shè)用地(523.89 hm2)，分別占轉(zhuǎn)出面積的73.43%，14.76%。建設(shè)用地轉(zhuǎn)入面積的主要來源為耕地(523.89 hm2)，其次為林地(256.86 hm2)和草地(166.05 hm2)，分別占轉(zhuǎn)入面積的55.07%，27%，17.46%。未利用地雖然面積較少，但有73.42%的面積轉(zhuǎn)換為林地。綜合分析可知，2005—2015年黎平縣土地利用類型之間的主要變化趨勢為：部分林地轉(zhuǎn)為草地；建設(shè)用地的擴(kuò)張占用的大面積的耕地、林地和草地。

表3 研究區(qū)2005-2015年土地利用面積轉(zhuǎn)移矩陣 hm2

2.2 CA-Markov模型精度檢驗(yàn)與預(yù)測結(jié)果

首先運(yùn)用ROC曲線對Logistic回歸模型結(jié)果進(jìn)行檢驗(yàn)(表4)。結(jié)果表明，2005年耕地、林地、草地、水體、建設(shè)用地、未利用地的ROC值依次為0.851 1，0.897 8，0.783 2，0.935 1，0.914 2和0.968 4，均大于0.7，說明本文所選因子符合研究區(qū)實(shí)際情況。然后，分別從數(shù)量和空間分布角度進(jìn)行精度評價(jià)。在數(shù)量方面，將模擬土地利用面積與真實(shí)土地利用面積進(jìn)行誤差精度計(jì)算(表5)，研究區(qū)主要土地利用類型的誤差精度均小于10%，表明該模型在數(shù)量上的預(yù)測精度較高。在空間分布方面，利用IDRISI平臺中的Crosstab模塊進(jìn)行kappa系數(shù)檢驗(yàn)可知，kappa系數(shù)為0.879，表明該模型模擬的2015年土地利用格局與實(shí)際現(xiàn)狀比較接近，具有良好的預(yù)測能力，可用于2025年的土地利用模擬。最后，同樣采用ROC曲線對2015年適宜性圖集進(jìn)行回歸檢驗(yàn)，各個(gè)地類ROC值均滿足研究需要。

表4 研究區(qū)2005和2015年不同土地利用類型Logistic回歸結(jié)果

注：A—E依次為高程、降水、坡度、坡向和溫度。

表5 研究區(qū)2015年土地利用模擬數(shù)量精度驗(yàn)證

由預(yù)測結(jié)果可知(見封3附圖2—3)，2025年黎平縣耕地、林地、草地、水域、建設(shè)用地、未利用地面積分別為74 575.71，286 127.19，77 084.73，983.16，2 556.09和83.16 hm2。2015—2025年土地利用類型的變化趨勢與2005—2015年基本相同，草地、建設(shè)用地和水域面積依舊保持增長趨勢，林地面積持續(xù)減少但幅度增大，唯一不同的是耕地由2005—2015年的小幅減少變?yōu)?015—2025年的小幅增加，未利用地變化較小。與2015年相比，面積增加最多的土地利用類型為草地(12 995.55 hm2)，占研究區(qū)面積的2.94%，其次為耕地(3 015 hm2)、建設(shè)用地(454.5 hm2)和水域(350.19 hm2)；林地依舊保持減少趨勢，共減少16 819.38 hm2，占研究區(qū)面積的3.81%，仍舊是其它土地利用類型的主要貢獻(xiàn)者。2015—2025年草地、水體的增幅分別為20.28%和55.33%，較2005—2015年增加幅度更為明顯；2015—2025年建設(shè)用地增幅為21.63%，較2005—2015年增加幅度有所減緩；2015—2025年林地減少幅度為5.55%，較2005—2015年減少幅度更加明顯；而耕地由2005—2015年的降幅2.37%到2015—2025年的增幅4.21%，整體趨勢發(fā)生轉(zhuǎn)變。

2.3 生態(tài)系統(tǒng)碳儲量變化分析

由圖1—2可以看出，黎平縣2005和2015年生態(tài)系統(tǒng)總碳儲量分別為9.14×107t和9.12×107t，平均碳密度分別為207.06和206.61 t/hm2，2005—2015年碳儲量和碳密度分別減少了2.00×105t和0.45 t/hm2，林地的大面積轉(zhuǎn)出以及建設(shè)用地的擴(kuò)張是碳密度和碳儲量下降的直接原因。由預(yù)測結(jié)果可知，2025年生態(tài)系統(tǒng)碳儲量和平均碳密度分別為8.98×107t和203.44 t/hm2，2015—2025年碳儲量和平均碳密度依舊呈現(xiàn)下降趨勢，分別下降1.40×106t和3.17 t/hm2，下降幅度增大。從不同土地利用類型的角度來看，黎平縣2005—2025年不同土地利用類型的碳儲量均有變化，其碳儲量主要變化趨勢為：林地的碳儲量一直呈現(xiàn)下降趨勢，由2005年的7.17×107t下降到2025年的6.72×107t，且在2005—2015年下降緩慢，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年增加明顯多于2005—2015；建設(shè)用地由2005年的1.29×105t增加到2025年的2.83×105t；耕地的碳儲量呈現(xiàn)先減少后增加的趨勢，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。

圖1 研究區(qū)2005，2015，2025碳儲量及2005-2025年碳儲量變化空間分布

為清楚探明碳儲量變化情況，本文將2005—2025年碳儲量變化分為3類：明顯減少、基本不變、明顯增加(圖1)。由表6可知，研究區(qū)碳儲量以基本不變?yōu)橹鳎急壤?9%以上。其中2005—2015年明顯減少區(qū)占比1.57%，整體分布較為擴(kuò)散，相對集中的黎平縣城區(qū)域的碳儲量下降是由建設(shè)用地的擴(kuò)張所造成的，而縣城以北高屯鎮(zhèn)的碳儲量下降則是由林地向草地轉(zhuǎn)換所致；2015—2025年明顯增加區(qū)域占0.9%，其直接原因?yàn)楦?、草地向林地的轉(zhuǎn)化，與退耕還林還草工程有關(guān)。2015—2025年，明顯減少和明顯增加區(qū)域均有所增加，明顯減少區(qū)域占比6.58%，明顯增加區(qū)域占比2.46%，碳儲量減少情況與林地、草地的相互轉(zhuǎn)換和建設(shè)用地的大肆擴(kuò)張表現(xiàn)一致。綜上所述，近年來黎平縣生態(tài)系統(tǒng)固碳能力呈減弱趨勢，建設(shè)用地的大肆擴(kuò)張和林地的大面積減少是生態(tài)系統(tǒng)碳儲量下降的直接原因。因此，對黎平縣土地利用結(jié)構(gòu)優(yōu)化顯得尤為重要，未來需合理的控制建設(shè)用地?cái)U(kuò)張范圍，采取提高林地所占比重等一系列的土地利用調(diào)控措施將有助于實(shí)現(xiàn)黎平縣低碳經(jīng)濟(jì)建設(shè)和生態(tài)環(huán)境的可持續(xù)發(fā)展。

圖2 研究區(qū)碳儲量、碳密度變化趨勢

3 討論與結(jié)論

3.1 討 論

根據(jù)研究結(jié)果可知，黎平縣在近年來生態(tài)系統(tǒng)固碳能力有所減弱，2005—2015年總碳儲量減少了2.00×105t，而陸地生態(tài)系統(tǒng)的固碳能力與地表覆被情況密切相關(guān)，林地作為碳儲量最豐富的土地利用類型，承擔(dān)著主要碳匯功能，大面積的林地轉(zhuǎn)出是碳儲量減少的重要原因之一，未來應(yīng)重點(diǎn)加強(qiáng)林區(qū)保護(hù)力度。本文通過結(jié)合區(qū)域?qū)崪y數(shù)據(jù)和氣象校正數(shù)據(jù)所獲取的碳密度值相較于以往研究直接采用全國尺度數(shù)據(jù)更加具有合理性和可靠性。通過對蔡廣鵬[33]在貴州省綏陽縣的草地地上碳儲量研究結(jié)果進(jìn)行計(jì)算，發(fā)現(xiàn)草地地上生物量碳密度為3.56 t/hm2，與本文通過模型修正獲得的草地地上生物量碳密度(3.6 t/hm2)非常接近，說明本文的研究結(jié)果符合研究區(qū)實(shí)際情況。固本文的研究結(jié)果合理的評估了黎平縣生態(tài)系統(tǒng)固碳能力，能夠?yàn)槔杵娇h的生態(tài)環(huán)境和可持續(xù)發(fā)展提供一定的參考。但仍存在一定的不足之處： ①在利用CA-Markov模型進(jìn)行土地利用格局預(yù)測時(shí)未充分考慮如禁止建設(shè)區(qū)、基本農(nóng)田保護(hù)區(qū)等地方相關(guān)政策因素，使得土地利用預(yù)測結(jié)果與政策環(huán)境結(jié)合較弱； ②InVEST模型的碳儲量模塊在計(jì)算當(dāng)中簡化了碳在陸地生態(tài)系統(tǒng)當(dāng)中的循環(huán)過程，其更加側(cè)重于不同地表覆被類型之間的碳密度差異，采用單一土地利用類型的碳密度值來估算碳儲量，忽視了土壤類型、植被種類和年齡結(jié)構(gòu)所帶來的固碳能力差異，在一定程度上影響了碳儲量的估算精度。因此，在今后的研究當(dāng)中，可結(jié)合耕地保護(hù)、生態(tài)保護(hù)等相關(guān)政策模擬不同土地利用情境下的生態(tài)系統(tǒng)固碳能力，并耦合土地利用內(nèi)部碳循環(huán)機(jī)制，加強(qiáng)對不同時(shí)期、不同土地利用類型碳密度的野外調(diào)查和監(jiān)測，以期利用更加全面的試驗(yàn)觀測數(shù)據(jù)來提高區(qū)域性生態(tài)系統(tǒng)碳儲量評估的準(zhǔn)確性。

表6 研究區(qū)碳密度變化量統(tǒng)計(jì)

3.2 結(jié) 論

(1) 2005—2015年黎平縣耕地、林地、未利用地呈減少趨勢，建設(shè)用地、草地、水域呈增加趨勢，其中建設(shè)用地?cái)U(kuò)張最為明顯，增幅為79.955%。2015—2025年預(yù)測結(jié)果為林地持續(xù)減少，草地、耕地、建設(shè)用地和水域增加，其中，林地、草地變化幅度增大，耕地由2005—2015年的降幅2.37%變?yōu)?015—2025年的增幅4.21%。

(2) 2015年黎平縣生態(tài)系統(tǒng)碳儲量和平均碳密度分別為9.12×107t和206.61 t/hm2，2005—2015年分別下降2.00×105t和0.45 t/hm2，生態(tài)系統(tǒng)固碳能力減弱，林地的大面積轉(zhuǎn)出和建設(shè)用地的擴(kuò)張是碳儲量下降的直接原因。2025年黎平縣生態(tài)系統(tǒng)碳儲量和平均碳密度的預(yù)測值分別為8.98×107t和203.44 t/hm2，相比2005—2015年減少幅度增大，與林地面積減少趨勢保持一致。