2005—2020年淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量時(shí)空演變特征及碳匯區(qū)識(shí)別

林子奇，王培俊，劉 旗，楊亞麗

2005—2020年淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量時(shí)空演變特征及碳匯區(qū)識(shí)別

林子奇1，王培俊2※，劉 旗3，楊亞麗1

（1. 福建農(nóng)林大學(xué)公共管理學(xué)院，福州 350002；2. 中國(guó)礦業(yè)大學(xué)公共管理學(xué)院（應(yīng)急管理學(xué)院），徐州 221116；3. 福建農(nóng)林大學(xué)資源與環(huán)境學(xué)院，福州 350002）

淮海經(jīng)濟(jì)區(qū)墾殖率約70%，是中國(guó)糧食主產(chǎn)區(qū)之一，掌握其耕地碳儲(chǔ)量時(shí)空變化規(guī)律、識(shí)別耕地碳匯碳源區(qū)，對(duì)保護(hù)區(qū)域耕地質(zhì)量和發(fā)揮耕地生態(tài)系統(tǒng)碳匯功能，助力“雙碳”目標(biāo)實(shí)現(xiàn)有重要意義。該研究基于淮海經(jīng)濟(jì)區(qū)土壤類(lèi)型碳密度計(jì)算耕地土壤碳儲(chǔ)量，再運(yùn)用NEP（Net Ecosystem Productivity）模型計(jì)算耕地植被固碳量，同時(shí)借助ArcGIS空間分析和地理探測(cè)器等方法研究2005—2020年淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量時(shí)空演變特征、耕地“碳”屬性及其驅(qū)動(dòng)因子。結(jié)果表明：1）2005—2020年淮海經(jīng)濟(jì)區(qū)耕地土壤碳儲(chǔ)量由于地類(lèi)轉(zhuǎn)移總體減少了1.393×107t，在空間上呈“東高西低”分布；耕地植被固碳量則呈現(xiàn)出以2015年為拐點(diǎn)“先增加后減少”變化趨勢(shì)，NEP在空間上呈現(xiàn)出“東南高，西北低”分布特征；隨時(shí)間推移，耕地總碳儲(chǔ)量空間分布集聚性呈下降趨勢(shì)，其“高-高”類(lèi)型區(qū)數(shù)量也逐漸減少，主要向不顯著區(qū)和“低-高”離散區(qū)轉(zhuǎn)變；2）淮海經(jīng)濟(jì)區(qū)耕地碳匯區(qū)縣數(shù)32個(gè)，中強(qiáng)度碳匯區(qū)21個(gè)主要分布于淮海經(jīng)濟(jì)區(qū)西部，高強(qiáng)度碳匯區(qū)5個(gè)集中分布于東北部；3）驅(qū)動(dòng)淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量時(shí)空分異的因子中，主要因子是交通通達(dá)度、糧食產(chǎn)量、歸一化植被指數(shù)（Normalized Difference Vegetation Index, NDVI）、高程、坡度和坡向，次要因子是人口。未來(lái)耕地保護(hù)過(guò)程中，耕地碳源區(qū)縣可借鑒碳匯區(qū)耕地保護(hù)政策和管理措施，以減少耕地碳儲(chǔ)量的流失、維持耕地質(zhì)量，同時(shí)也讓更多區(qū)縣的耕地生態(tài)系統(tǒng)發(fā)揮碳匯作用。

土地利用；碳；耕地碳儲(chǔ)量；碳匯區(qū)；土壤有機(jī)碳密度；凈生態(tài)系統(tǒng)生產(chǎn)力；驅(qū)動(dòng)因子；淮海經(jīng)濟(jì)區(qū)

0 引 言

陸地生態(tài)系統(tǒng)是地球上最大的碳庫(kù)，其微小的變化會(huì)對(duì)大氣碳濃度產(chǎn)生顯著的影響[1]。耕地作為陸地生態(tài)系統(tǒng)組成之一，其碳儲(chǔ)量的變化能夠反映耕地的質(zhì)量水平[2]以及在生態(tài)系統(tǒng)中扮演的角色（碳源或碳匯），而人類(lèi)社會(huì)經(jīng)濟(jì)活動(dòng)和自然條件的變化是引起耕地碳儲(chǔ)量變化的主要因素[3]?！堵?lián)合國(guó)氣候變化框架公約》中，碳匯是指運(yùn)用一些方法和手段吸收大氣中的CO2，以減少其在大氣中濃度的活動(dòng)和過(guò)程[4]。在一定時(shí)期內(nèi)，耕地有機(jī)碳增加表現(xiàn)為碳匯，有機(jī)碳減少則表現(xiàn)為碳源[5]：一方面耕地地表農(nóng)作物的固碳釋氧能力極為突出，其能夠通過(guò)光合作用將空氣中的二氧化碳固定在作物中[6]從而降低空氣中CO2的濃度，進(jìn)而增加耕地的碳儲(chǔ)量；另一方面，對(duì)耕地農(nóng)作物的處理不當(dāng)如焚燒還田會(huì)向空氣中釋放大量的二氧化碳，造成耕地碳儲(chǔ)量的流失。在另一個(gè)層次上，人類(lèi)社會(huì)經(jīng)濟(jì)活動(dòng)過(guò)程中，為滿(mǎn)足人們對(duì)建設(shè)用地和工礦用地等地類(lèi)的需求，耕地不可避免地卷入地類(lèi)轉(zhuǎn)移。由于建設(shè)用地有機(jī)碳密度明顯低于耕地，在地類(lèi)轉(zhuǎn)移過(guò)程中勢(shì)必會(huì)造成耕地碳儲(chǔ)量的大量流失從而直接降低耕地的質(zhì)量和數(shù)量，由此引發(fā)糧食生產(chǎn)安全等社會(huì)性問(wèn)題。在中國(guó)，保護(hù)耕地早在20世紀(jì)末就成為了基本國(guó)策；在2017年的《中共中央國(guó)務(wù)院關(guān)于加強(qiáng)耕地保護(hù)和改進(jìn)占補(bǔ)平衡意見(jiàn)》中，中國(guó)也意在保證地類(lèi)轉(zhuǎn)移過(guò)程中耕地的數(shù)量和質(zhì)量；在2020年1月的中央一號(hào)文件同樣明確提出要穩(wěn)定和提高耕地糧食生產(chǎn)能力，保障國(guó)家糧食安全。在達(dá)成“雙碳”目標(biāo)和保障糧食生產(chǎn)安全的重大任務(wù)之下，掌握耕地碳儲(chǔ)量時(shí)空演變規(guī)律、識(shí)別耕地碳匯和碳源區(qū)，探索其驅(qū)動(dòng)因子能夠使得耕地保護(hù)政策指向更為精準(zhǔn)，為“碳達(dá)峰”“碳中和”目標(biāo)的達(dá)成提供農(nóng)業(yè)方面的理論依據(jù)。

隨著地理學(xué)的發(fā)展和各種模型的成熟應(yīng)用，研究開(kāi)始結(jié)合GIS和遙感手段以獲取土地利用現(xiàn)狀數(shù)據(jù)，運(yùn)用CASA[7]、Bookkeeping[8]、DNDC[9]和InVEST[10]等模型估算各地類(lèi)的碳儲(chǔ)量，這些模型對(duì)推進(jìn)碳儲(chǔ)量的研究都做出了重大貢獻(xiàn)，但一些模型對(duì)土地利用類(lèi)型和生物量碳密度值固定化從而忽略了碳密度本身的空間分布特征，并且隨著時(shí)間的推移植被的固碳量也會(huì)有所變動(dòng)，這就使得研究結(jié)果與實(shí)際會(huì)產(chǎn)生較多的偏差。當(dāng)前，對(duì)碳儲(chǔ)量的研究尺度主要包括省尺度[11-12]、市尺度[13-14]、區(qū)縣尺度[15]和生態(tài)區(qū)[16]等，研究?jī)?nèi)容主要包括土地利用變化[17-18]、植被恢復(fù)[19-20]和管理措施[21]等對(duì)碳儲(chǔ)量的影響。在許多研究中，大部分學(xué)者都對(duì)研究區(qū)碳儲(chǔ)量變化進(jìn)行總體研究，也對(duì)碳儲(chǔ)量的空間分布做了詳細(xì)的分析，但在以往的研究當(dāng)中，多數(shù)學(xué)者較少對(duì)單一地類(lèi)碳儲(chǔ)量變化進(jìn)行深入研究，且在研究空間分布特征時(shí)也較少考慮到碳儲(chǔ)量分布的空間關(guān)聯(lián)性，特別地，對(duì)驅(qū)動(dòng)耕地碳儲(chǔ)量時(shí)空演變因子方面的研究也相對(duì)較少。

2018年國(guó)務(wù)院批復(fù)《淮海生態(tài)經(jīng)濟(jì)帶發(fā)展規(guī)劃》，意在將淮海經(jīng)濟(jì)區(qū)建設(shè)成人與自然和諧共生的綠色發(fā)展帶。因此，本文基于淮海經(jīng)濟(jì)區(qū)土壤類(lèi)型碳密度和植被凈初級(jí)生產(chǎn)力計(jì)算耕地碳儲(chǔ)量，運(yùn)用ArcGIS、GeoDa和地理探測(cè)器以及空間自相關(guān)、地類(lèi)轉(zhuǎn)移矩陣等方法分析淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量時(shí)空演變規(guī)律，識(shí)別耕地碳匯碳源區(qū)，探測(cè)其驅(qū)動(dòng)因子，以期為維持淮海經(jīng)濟(jì)區(qū)耕地質(zhì)量、保護(hù)和發(fā)揮耕地生態(tài)系統(tǒng)碳匯功能提供理論借鑒。

1 研究區(qū)域、數(shù)據(jù)與方法

1.1 研究區(qū)概況

淮海經(jīng)濟(jì)區(qū)地處黃淮海平原邊緣（圖1），114°～120°E，35°～37°N，以徐州市為中心，由菏澤市、商丘市、淮北市、宿州市、宿遷市、連云港市、臨沂市、棗莊市、濟(jì)寧市共10個(gè)地級(jí)市組成，總面積95 481 km2。北臨京津冀，南接長(zhǎng)三角，東連黃海，西襟中原城市群。地勢(shì)西北高東南低，高程為?19～1 126 m，全區(qū)地形以平原為主。氣候類(lèi)型為溫帶季風(fēng)氣候，平均氣溫為9.8～16.1 ℃，年降雨量為660～950 mm，年均無(wú)霜期200～220 d，土壤肥沃、水熱資源豐富，墾殖率約70%，是中國(guó)糧食主產(chǎn)區(qū)之一。

圖1 研究區(qū)位置

1.2 數(shù)據(jù)來(lái)源

1）2005—2020年數(shù)據(jù)：NPP數(shù)據(jù)來(lái)源于MOIDS提供的MOD17A3HGF產(chǎn)品（https://ladsweb.modaps.eosdis.nasa.gov/），分辨率為500 m；土地利用現(xiàn)狀數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心（https://www.resdc.cn/），分辨率為1 km。

2）2010—2020年數(shù)據(jù)：NDVI數(shù)據(jù)來(lái)源于MOIDS提供的MOD13Q1產(chǎn)品（https://ladsweb.modaps.eosdis.nasa.gov/），分辨率為1 km；高程、坡度和坡向數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云（http://www.gscloud.cn/），分辨率為30 m；人口分布數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心（https://www.resdc.cn/），分辨率為1 km；道路矢量數(shù)據(jù)來(lái)源于OSM（http://download.geofabrik.de/），運(yùn)用GIS估算其密度作為交通通達(dá)度；糧食產(chǎn)量數(shù)據(jù)來(lái)源于淮海經(jīng)濟(jì)區(qū)各縣的縣域統(tǒng)計(jì)年鑒，運(yùn)用GIS將其與相應(yīng)縣域行政區(qū)劃空間連接進(jìn)行柵格可視化。在ArcGIS中對(duì)上述數(shù)據(jù)重采樣統(tǒng)一像元大小，并進(jìn)行重分類(lèi)以離散化作為探測(cè)因子數(shù)據(jù)。

3）單一時(shí)期數(shù)據(jù)：土壤類(lèi)型柵格數(shù)據(jù)和行政區(qū)劃矢量數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心（https://www.resdc.cn/），分辨率為1 km；土壤類(lèi)型碳密度數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院南京土壤所于東升和史學(xué)正等學(xué)者研究的基于1:100萬(wàn)土壤數(shù)據(jù)庫(kù)的中國(guó)土類(lèi)土壤有機(jī)碳密度清單[22]。

1.3 研究方法

1.3.1 淮海經(jīng)濟(jì)區(qū)耕地土壤碳儲(chǔ)量計(jì)算

本研究基于中國(guó)1:100萬(wàn)土壤數(shù)據(jù)庫(kù)土壤類(lèi)型有機(jī)碳密度清單，對(duì)其按照淮海經(jīng)濟(jì)區(qū)氣候進(jìn)行修正（修正方法參考Alam等[23]研究公式），并運(yùn)用ArcGIS與土壤類(lèi)型柵格圖層空間連接得到土壤類(lèi)型碳密度分布圖，最后以淮海經(jīng)濟(jì)區(qū)耕地柵格圖層提取計(jì)算得到耕地土壤碳儲(chǔ)量時(shí)空分布圖。本研究所計(jì)算的耕地土壤碳儲(chǔ)量與解天琪等[24]學(xué)者同地區(qū)耕地土壤碳儲(chǔ)量研究結(jié)果相差甚少，具體對(duì)比結(jié)果如表1所示：該學(xué)者研究區(qū)為更大范圍的淮海經(jīng)濟(jì)區(qū)，研究年份為2006、2011、2017年，單位面積碳儲(chǔ)量均為9.30×103t/km2，本文選取相近年份2005、2010、2015年耕地碳儲(chǔ)量，碳儲(chǔ)量分別為9.00×103、9.01×103、9.01×103t/km2，各年份與前人研究成果分別相差3.23%、3.12%、3.12%，說(shuō)明本研究耕地土壤碳儲(chǔ)量計(jì)算結(jié)果與前人研究成果相差不大，數(shù)據(jù)具有可靠性。

表1 與前人研究[24]耕地土壤碳儲(chǔ)量對(duì)比

1.3.2 凈生態(tài)系統(tǒng)生產(chǎn)力（NEP）模型

NEP能夠能直接反映區(qū)域植被一段時(shí)間內(nèi)固定或者釋放碳的強(qiáng)度，常用于度量植被生態(tài)系統(tǒng)的碳源或者碳匯能力。NEP可以由植被凈初級(jí)生產(chǎn)力（NPP）與土壤異氧呼吸（R）之間的差值表示[25]。NEP值為正，表示植被發(fā)揮出碳匯作用，為負(fù)則為碳源作用。NEP單位為kg/(m2·a)，以C計(jì)。計(jì)算式如下：

土壤異氧呼吸R采用張梅等[26]建立的模型計(jì)算。

土壤呼吸R（kg/(m2·a)，以C計(jì)）采用Chen等[27]建立的土壤呼吸模型計(jì)算。

式中為年均溫，℃；為年降雨量，m；SOC為土壤碳密度，kg/m2。

1.3.3 全局空間自相關(guān)

全局空間自相關(guān)能夠統(tǒng)計(jì)和展現(xiàn)某一區(qū)域地理要素整體的關(guān)聯(lián)性和分布特征。本文運(yùn)用Geoda軟件構(gòu)建空間權(quán)重矩陣，以4個(gè)時(shí)期耕地碳儲(chǔ)量作為變量計(jì)算出全局Moran’。計(jì)算如下：

式中()、VAR()分別表示Moran’的期望值和方差。當(dāng)Z>1.96或Z0，說(shuō)明耕地碳儲(chǔ)量存在正的空間自相關(guān)，耕地碳儲(chǔ)量高（低）的區(qū)域集聚分布；如果Moran’<0，則相反。

1.3.4 局部空間自相關(guān)

由于研究區(qū)范圍的空間單元與其鄰近單元在空間自相關(guān)水平上同樣存在差異，而全局空間自相關(guān)不能夠?qū)ζ溥M(jìn)行更好地描述和統(tǒng)計(jì)。因此，在全局空間自相關(guān)分析的基礎(chǔ)上，利用Geoda軟件制作LISA聚類(lèi)圖對(duì)淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量局部空間自相關(guān)進(jìn)行分析。在Z>1.96或Z0，表示相鄰單元耕地碳儲(chǔ)量差異小，呈現(xiàn)出集聚分布態(tài)勢(shì)（“高高聚類(lèi)”或“低低聚類(lèi)”）；如果Moran’<0，則耕地碳儲(chǔ)量在空間分布上差異顯著，呈現(xiàn)出離散特征（“高低離散”或“低高離散”）。具體計(jì)算式如下：

式中I是第個(gè)區(qū)域局部Moran’，2為空間單元耕地碳儲(chǔ)量的方差，式子中其他變量的含義與上述全局Moran’式子中的相同。

1.3.5 地理探測(cè)器

地理探測(cè)器是基于離散化地理要素與因變量地理要素空間分異的相似性來(lái)探測(cè)因變量空間分異驅(qū)動(dòng)因素的統(tǒng)計(jì)學(xué)方法，其主要包含4個(gè)功能模塊：交互探測(cè)、生態(tài)探測(cè)、因素探測(cè)和風(fēng)險(xiǎn)探測(cè)[28]。由于耕地碳密度主要受到自然和社會(huì)因素的影響。為此，選擇因素探測(cè)功能探測(cè)坡度、坡向、高程、NDVI、人口、糧食產(chǎn)量和交通通達(dá)度共7個(gè)驅(qū)動(dòng)因子對(duì)耕地碳儲(chǔ)量時(shí)空變化驅(qū)動(dòng)力的大小。值的大小即為因子對(duì)因變量驅(qū)動(dòng)力的大小，表達(dá)式如下：

2 結(jié)果與分析

2.1 淮海經(jīng)濟(jì)區(qū)土壤碳密度空間分布

運(yùn)用ArcGIS將淮海經(jīng)濟(jì)區(qū)土壤類(lèi)型柵格圖與土類(lèi)有機(jī)碳密度進(jìn)行空間連接并統(tǒng)計(jì)，結(jié)果如表2和圖2所示。淮海經(jīng)濟(jì)區(qū)土壤類(lèi)型分為石質(zhì)土、風(fēng)沙土、新積土、粗骨土、紅黏土、堿土、鹽土、潮土、黃褐土、砂姜黑土、褐土、濱海鹽土、水稻土、棕壤、石灰?guī)r土和沼澤土，其有機(jī)碳密度逐漸增大。

表2 各土類(lèi)面積、碳密度及碳儲(chǔ)量

淮海經(jīng)濟(jì)區(qū)土壤碳密度低值區(qū)面積最少，為10 420.09 km2，主要為石質(zhì)土、風(fēng)沙土、新積土、粗骨土、紅黏土、堿土和水域所在地以及山地地區(qū)，有機(jī)碳密度介于0～6.61 kg/m2，碳儲(chǔ)量為6.314×107t；土壤碳密度中值區(qū)面積最大，為62 086.81 km2，約占研究區(qū)3/4，主要分布于淮海經(jīng)濟(jì)區(qū)西部和東南部，其土壤類(lèi)型為鹽土、潮土、黃褐土和砂姜黑土，有機(jī)碳密度介于6.61～8.77 kg/m2，雖然其碳密度不是研究區(qū)的高值區(qū)，但分布廣泛，碳儲(chǔ)量高達(dá)5.112 9×108t；碳儲(chǔ)量高值區(qū)主要分布于淮海經(jīng)濟(jì)區(qū)東部以及一些山地、水域周邊，其土壤類(lèi)型為褐土、濱海鹽土、水稻土、棕壤、石灰?guī)r土以及沼澤土，土壤有機(jī)碳密度值較高，介于8.77～61.39 kg/m2，由于其分布面積較小，為19 905.62 km2，使得其土壤碳儲(chǔ)量為2.643 3×108t，僅次于土壤碳密度中值區(qū)碳儲(chǔ)量。

圖2 淮海經(jīng)濟(jì)區(qū)土壤有機(jī)碳密度空間分布

2.2 土地利用變化對(duì)耕地土壤碳儲(chǔ)量的影響

本文將土地利用類(lèi)型劃分為6類(lèi)（耕地、林地、草地、建設(shè)用地、水域和未利用地）。運(yùn)用ArcGIS對(duì)相鄰年份土地利用現(xiàn)狀圖層疊加計(jì)算得到3個(gè)時(shí)間段土地利用轉(zhuǎn)移矩陣，結(jié)果如表3～5所示。在各個(gè)時(shí)間段淮海經(jīng)濟(jì)區(qū)耕地與建設(shè)用地之間的轉(zhuǎn)變最多，其次是與草地、林地和水域之間，與未利用地之間的轉(zhuǎn)變最少。

2005—2010年間，耕地轉(zhuǎn)變?yōu)榱值?3 992.80 hm2，轉(zhuǎn)變?yōu)椴莸?8 796.00 hm2，轉(zhuǎn)變?yōu)樗? 690.85 hm2，轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的面積最多，為149 537.00 hm2，轉(zhuǎn)變?yōu)槲蠢玫氐拿娣e最少，僅為205.02 hm2。與此同時(shí)，林地、草地、水域、建設(shè)用地轉(zhuǎn)變?yōu)楦氐拿娣e分別為12 183.80、17 667.00、24 202.00和175 368.00 hm2。在這一時(shí)間段的土地利用轉(zhuǎn)移過(guò)程中，耕地面積凈增加了38 199.13 hm2，從而增加了2.72×106t耕地土壤碳儲(chǔ)量。

2010—2015年間，耕地轉(zhuǎn)變?yōu)榱值?、草地、水域、建設(shè)用地和未利用地的面積分別為12 679.80、17 685.00、28 986.90、274 452.00、198.99 hm2，而林地、草地、水域、建設(shè)用地和未利用地轉(zhuǎn)變?yōu)楦氐拿娣e分別為13 490.80、18 089.00、8 298.90、145 432.00和205.2 hm2?？傮w而言，在這一時(shí)間段內(nèi)，耕地處于流失狀態(tài)，凈流失面積為148 486.79 hm2，導(dǎo)致耕地土壤碳儲(chǔ)量減少了1.276×107t。

在2015—2020時(shí)間段內(nèi)耕地轉(zhuǎn)變?yōu)榱值?、草地、水域和未利用地的面積分別為94 020.00、107 923.00、128 797.00、4 907.07 hm2，轉(zhuǎn)變?yōu)榻ㄔO(shè)用地的面積達(dá)到了各年份最多，為1 214 830.00 hm2。與此同時(shí)，林地、草地、水域、建設(shè)用地和未利用地轉(zhuǎn)變?yōu)楦氐拿娣e分別為124 707.00、228 110.00、134 989.00、1 013 530.00 hm2和9 389.07 hm2。因此，這一時(shí)間段土地利用轉(zhuǎn)移依然使得耕地處于負(fù)增長(zhǎng)狀態(tài)，凈流失面積為39 752.00 hm2，直接導(dǎo)致了耕地3.89×106t土壤碳儲(chǔ)量損失。

表3 2005—2010年淮海經(jīng)濟(jì)區(qū)土地利用轉(zhuǎn)移矩陣

表4 2010—2015年淮海經(jīng)濟(jì)區(qū)土地利用轉(zhuǎn)移矩陣

表5 2015—2020年淮海經(jīng)濟(jì)區(qū)土地利用轉(zhuǎn)移矩陣

2.3 耕地土壤碳儲(chǔ)量時(shí)空分布

在淮海經(jīng)濟(jì)區(qū)土壤類(lèi)型空間分布柵格圖的基礎(chǔ)上計(jì)算出各土壤類(lèi)型的碳儲(chǔ)量，再利用耕地柵格數(shù)據(jù)對(duì)碳儲(chǔ)量屬性進(jìn)行提取，最后得到淮海經(jīng)濟(jì)區(qū)2005—2020年耕地土壤碳儲(chǔ)量空間分布圖，結(jié)果如圖3所示。

2005、2010、2015和2020年淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量分別為6.028 2×108、6.055 4×108、5.927 8×108和5.888 9×108t，碳儲(chǔ)量呈現(xiàn)出以2010年為拐點(diǎn)“先增加而后減少”的變化特征。在空間分布上，耕地碳儲(chǔ)量低值區(qū)（碳儲(chǔ)量<6.61×103t/km2）面積極少，主要分布于商丘市、宿州市和宿遷市以北的“黃河故道”以及山地周邊。耕地土壤碳儲(chǔ)量中值區(qū)（碳儲(chǔ)量介于6.61～8.77×103t/km2）面積廣泛，主要分布于淮海經(jīng)濟(jì)區(qū)西部（濟(jì)寧市以西、菏澤市、商丘市、淮北市）和東南部（徐州市、宿州市、宿遷市）。耕地土壤碳儲(chǔ)量高值區(qū)（碳儲(chǔ)量介于8.77～61.39×103t/km2）面積較少，主要分布于淮海經(jīng)濟(jì)區(qū)東北部（濟(jì)寧市以東、棗莊市、臨沂市）和東部連云港市。隨著時(shí)間的推移，淮海經(jīng)濟(jì)區(qū)耕地土壤碳儲(chǔ)量中高值區(qū)和低值區(qū)在空間位置上并未發(fā)生明顯變化，總體上呈“東高西低”分布態(tài)勢(shì)。

圖3 淮海經(jīng)濟(jì)區(qū)耕地土壤碳儲(chǔ)量時(shí)空分布

2.4 耕地凈生態(tài)系統(tǒng)生產(chǎn)力（NEP）時(shí)空分布

運(yùn)用ArcGIS地圖代數(shù)柵格計(jì)算功能將2005—2020年份耕地逐年NPP柵格值減去對(duì)應(yīng)年份土壤異養(yǎng)呼吸柵格值從而得到淮海經(jīng)濟(jì)區(qū)耕地凈生態(tài)系統(tǒng)生產(chǎn)力時(shí)空分布圖，所得結(jié)果如圖4所示。

2005—2020年淮海經(jīng)濟(jì)區(qū)耕地各年份植被固碳量分別為2.706 7×108、2.727 0×108、2.882 3×108、2.802 1×108t，呈現(xiàn)出以2015年為拐點(diǎn)先增加而后減少的趨勢(shì)。其中，2005—2015年間有部分耕地NEP為負(fù)值，發(fā)揮出一定的碳源作用，碳源耕地面積分別為4.42、5.03、1.01 km2，NEP分別介于?0.462～0.004、?0.397～0.046、?0.468 kg/(m2·a)，而在2020年NEP均為正值。由于碳源耕地面積極少，且碳輸出強(qiáng)度較低，因此在各年份淮海經(jīng)濟(jì)區(qū)耕地植被總體上發(fā)揮出碳匯作用。

圖4 淮海經(jīng)濟(jì)區(qū)耕地凈生態(tài)系統(tǒng)生產(chǎn)力時(shí)空分布

空間分布上，2005年耕地NEP低值區(qū)（NEP介于?0.47～3.42 kg/(m2·a)）主要分布于淮海經(jīng)濟(jì)區(qū)中西部（棗莊市、徐州市、宿州市、淮北市、濟(jì)寧市、菏澤市、商丘市）以及臨沂市，而NEP中高值區(qū)（NEP介于3.42～32.77 kg/(m2·a)）主要分布于東南部；2010年NEP低值區(qū)主要分布于淮海經(jīng)濟(jì)區(qū)西北部（濟(jì)寧市、棗莊市、菏澤市、商丘市）以及臨沂市，NEP中高值區(qū)主要分布于東南部并向西南部延伸；2015和2020年NEP低值區(qū)更少，集中分布在淮海經(jīng)濟(jì)區(qū)北部，NEP中高值區(qū)主要分布于中南部?？傮w而言，2005—2020年淮海經(jīng)濟(jì)區(qū)NEP呈現(xiàn)出“東南高，西北低”的空間分布特征，隨著時(shí)間的推移，中高值區(qū)向西南部延伸。

2.5 耕地碳儲(chǔ)量時(shí)空分布

研究區(qū)碳儲(chǔ)量不僅僅是土壤碳儲(chǔ)量，還包括其上植被生理過(guò)程中所產(chǎn)生的凈碳量。為此，運(yùn)用ArcGIS地圖代數(shù)柵格計(jì)算功能，對(duì)淮海經(jīng)濟(jì)區(qū)2005－2020年耕地土壤碳儲(chǔ)量柵格圖層與耕地NEP柵格圖層作加法運(yùn)算以獲取耕地總碳儲(chǔ)量，所得結(jié)果如圖5所示。

2005－2020年淮海經(jīng)濟(jì)區(qū)4個(gè)時(shí)間點(diǎn)耕地總碳儲(chǔ)量分別為8.734 9×108、8.782 4×108、8.810 1×108、8.691 0×108t。2005－2020年間每隔5年，碳儲(chǔ)量先增加4.75×106、2.77×106t，而后減少1.191×107t，變化幅度分別為0.5%、0.3%、?1.4%，呈現(xiàn)出以2015年為拐點(diǎn)，碳儲(chǔ)量先上升而后下降的趨勢(shì)。由于耕地碳儲(chǔ)量的下降幅度更大，直至2020年淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量減少了4.39×106t。在這一時(shí)間段，淮海經(jīng)濟(jì)區(qū)耕地生態(tài)系統(tǒng)扮演了碳源角色。

在空間分布上，2005－2010年淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量低值區(qū)（碳儲(chǔ)量介于?0.030～1.156×104t/km2）主要分布于淮海經(jīng)濟(jì)區(qū)西部，而碳儲(chǔ)量中高值區(qū)（碳儲(chǔ)量介于1.156～2.114×104t/km2）集中分布于東部；2015－2020年，耕地碳儲(chǔ)量低值區(qū)主要分布于淮海經(jīng)濟(jì)區(qū)西北部，而中值區(qū)（碳儲(chǔ)量介于1.156～1.537×104t/km2）則向淮海經(jīng)濟(jì)區(qū)西南部延伸。總體而言，淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量呈現(xiàn)出“東高西低”的分布特征，隨著時(shí)間推移碳儲(chǔ)量中值區(qū)往西南部擴(kuò)張，低值區(qū)往西北部收縮，而碳儲(chǔ)量高值區(qū)（碳儲(chǔ)量介于1.537～9.295×104t/km2）面積較少且分布位置較為固定，隨時(shí)間變化不明顯。

圖5 2005—2020年淮海經(jīng)濟(jì)區(qū)耕地總碳儲(chǔ)量時(shí)空分布

2.6 耕地碳儲(chǔ)量空間分布關(guān)聯(lián)性分析

運(yùn)用GeoDa對(duì)淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量進(jìn)行全局空間自相關(guān)分析，得到2005—2020年4個(gè)時(shí)間節(jié)點(diǎn)的全局Moran’s值（表6）。在=0.05水平上，2005、2010、2015、2020年的值均大于于檢驗(yàn)臨界值1.96，通過(guò)顯著性檢驗(yàn)。2005—2020年各年份Moran’s分別為0.19、0.19、0.16、0.14，均大于0，說(shuō)明淮海經(jīng)濟(jì)區(qū)各年份耕地碳儲(chǔ)量空間分布具有明顯的集聚性，但隨著時(shí)間的推移，Moran’s逐漸減小，說(shuō)明耕地碳儲(chǔ)量空間分布集聚性呈減弱趨勢(shì)。

為更好地揭示淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量的局部集聚特征，對(duì)其進(jìn)行局部空間自相關(guān)分析（圖6）。“高-高”聚類(lèi)區(qū)自身和相鄰地區(qū)耕地碳儲(chǔ)量均較高，其主要分布于宿州市泗縣、靈璧縣和市轄區(qū)以及徐州市睢寧縣、新沂市，隨著時(shí)間的推移該類(lèi)型區(qū)數(shù)量逐漸減少，主要向不顯著區(qū)和“低-高”離散區(qū)轉(zhuǎn)變，至2020年該類(lèi)型區(qū)僅分布于新沂市、靈璧縣和宿州市轄區(qū)；“低-高”離散區(qū)自身耕地碳儲(chǔ)量低但其相鄰地區(qū)耕地碳儲(chǔ)量較高，該類(lèi)型區(qū)主要分布于中部（徐州市轄區(qū)、淮北市轄區(qū)）和東部（連云港市轄區(qū)、郯城縣、宿遷市轄區(qū)），其數(shù)量在2005－2015年間較為穩(wěn)定，在2020年主要轉(zhuǎn)變成不顯著區(qū)；“低-低”聚類(lèi)區(qū)自身和相鄰區(qū)域耕地碳儲(chǔ)量皆低，主要分布于濟(jì)寧市轄區(qū)、睢縣、金鄉(xiāng)縣、汶上縣和魚(yú)臺(tái)縣，其數(shù)量和位置隨時(shí)間推移變化不大，僅睢縣轉(zhuǎn)變成不顯著區(qū)。

表6 淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量全局莫蘭指數(shù)與檢驗(yàn)

圖6 淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量LISA聚類(lèi)

2.7 耕地碳匯功能區(qū)識(shí)別

運(yùn)用ArcGIS分區(qū)統(tǒng)計(jì)2005—2020年各區(qū)縣耕地碳儲(chǔ)量及年增長(zhǎng)速率。根據(jù)增長(zhǎng)性質(zhì)劃分耕地碳源和碳匯區(qū)：耕地碳儲(chǔ)量增長(zhǎng)速率為負(fù)是碳源區(qū)，為正則為碳匯區(qū)，并對(duì)正增長(zhǎng)速率大小按照數(shù)量級(jí)劃分以區(qū)別碳匯強(qiáng)度。結(jié)果如表7、圖7所示。

綜合圖表來(lái)看，到2020年淮海經(jīng)濟(jì)區(qū)耕地生態(tài)系統(tǒng)碳源區(qū)31個(gè)，碳匯區(qū)32個(gè)，在數(shù)量上具有一定的平衡。其中：低強(qiáng)度碳匯區(qū)6個(gè)，在空間上呈零散分布；中強(qiáng)度碳匯區(qū)21個(gè)，集中分布于淮海經(jīng)濟(jì)區(qū)西部；高強(qiáng)度碳匯區(qū)僅5個(gè)，分別為費(fèi)縣、平邑縣、鄒城市、蘭陵縣和莒南縣。碳源區(qū)主要分布在淮海經(jīng)濟(jì)區(qū)東部，總體上貫穿了耕地碳匯區(qū)。

根據(jù)各縣區(qū)耕地碳儲(chǔ)量增長(zhǎng)速率的差異劃分淮海經(jīng)濟(jì)區(qū)耕地碳匯碳源區(qū)。淮海經(jīng)濟(jì)區(qū)西部和東北部區(qū)縣耕地碳匯強(qiáng)度更高、分布更為集聚，為主要碳匯區(qū)，這主要與其良好的耕地保護(hù)政策和管理有關(guān)。特別地，高強(qiáng)度碳匯區(qū)都切實(shí)實(shí)施耕地保護(hù)目標(biāo)責(zé)任制、建立補(bǔ)償機(jī)制以鼓勵(lì)補(bǔ)耕等政策從而維持了耕地的數(shù)量，如費(fèi)縣和蘭陵縣對(duì)鄉(xiāng)鎮(zhèn)實(shí)行年度耕地保護(hù)責(zé)任目標(biāo)考核、平邑縣優(yōu)化土地利用格局保證耕地?cái)?shù)量和質(zhì)量、莒南縣和鄒城市落實(shí)永久基本農(nóng)田“田長(zhǎng)制”工作責(zé)任，這些耕地保護(hù)政策都可以作為耕地碳源區(qū)維持和提高耕地碳儲(chǔ)量的借鑒，以期在未來(lái)的發(fā)展過(guò)程中能夠維持和改善耕地?cái)?shù)量、質(zhì)量，提高其碳匯能力，在保障糧食生產(chǎn)的同時(shí)也能在農(nóng)業(yè)方面促進(jìn)“雙碳”目標(biāo)的達(dá)成。

圖7 2020年淮海經(jīng)濟(jì)區(qū)耕地碳匯強(qiáng)度空間分布

表7 2005—2020年淮海經(jīng)濟(jì)區(qū)各區(qū)縣耕地碳儲(chǔ)量增長(zhǎng)速率

2.8 耕地碳儲(chǔ)量時(shí)空演變驅(qū)動(dòng)力探測(cè)

耕地碳儲(chǔ)量主要受到自然和社會(huì)經(jīng)濟(jì)因素的影響。因此，本文選取并探測(cè)2010、2015、2020年人口、交通通達(dá)度、糧食產(chǎn)量、NDVI、高程、坡度和坡向因子對(duì)淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量時(shí)空分異的影響，結(jié)果如表8所示。

表8 耕地碳儲(chǔ)量驅(qū)動(dòng)因子

2010—2020年，人口對(duì)淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量時(shí)空分異的影響力分別為0.046、0.013和0.040，均小于0.1，是次要因子。

交通通達(dá)度、糧食產(chǎn)量、NDVI、高程、坡度和坡向?qū)春＝?jīng)濟(jì)區(qū)耕地碳儲(chǔ)量時(shí)空分布的驅(qū)動(dòng)力較高，除糧食產(chǎn)量的驅(qū)動(dòng)力略有波動(dòng)，其他因子驅(qū)動(dòng)力隨時(shí)間的變化幅度小，在2010年其影響力分別為0.192、0.270、0.352、0.211、0.202、0.190；在2015年其驅(qū)動(dòng)力分別為0.214、0.104、0.383、0.217、0.204、0.196；到2020年6種因子的驅(qū)動(dòng)力分別達(dá)到0.201、0.162、0.395、0.241、0.209、0.203；總體而言，6種因子的影響力在各年份基本上在0.2～0.4之間，是驅(qū)動(dòng)淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量時(shí)空演變的主要因子。

3 討 論

3.1 耕地碳儲(chǔ)量時(shí)空演變特征

淮海經(jīng)濟(jì)區(qū)耕地土壤碳儲(chǔ)量呈以2010年為拐點(diǎn)“先增后減”變化趨勢(shì)，結(jié)果與解天琪等[24]研究成果相符。這是因?yàn)?005－2010年，該區(qū)主要從事農(nóng)業(yè)生產(chǎn)，耕地面積有所增長(zhǎng)，而在2010－2020年由于資源型產(chǎn)業(yè)發(fā)展迅速使得耕地面積處于流失狀態(tài)，該現(xiàn)象也與現(xiàn)有研究結(jié)果[29-30]相符。在本研究中，每減少1 m2耕地，平均將會(huì)流失9.01 kg的土壤有機(jī)碳，2005－2020年地類(lèi)轉(zhuǎn)移過(guò)程中淮海經(jīng)濟(jì)區(qū)耕地凈流失面積為150 039.66 hm2，導(dǎo)致耕地?fù)p失了1.393×107t土壤碳儲(chǔ)量。

耕地凈生態(tài)系統(tǒng)生產(chǎn)力是表征作物固碳能力的重要指標(biāo)?；春＝?jīng)濟(jì)區(qū)溫度和降雨量由東南沿海向西北延伸過(guò)程中呈遞減趨勢(shì)。在時(shí)間上，2010、2015、2020年年均溫分別為15.06、15.13、15.15 ℃，年均降雨量分別為778.16、745.39、985.12 mm，皆呈增長(zhǎng)趨勢(shì)?；春＝?jīng)濟(jì)區(qū)耕地主要糧食作物熟制為一年一熟或一年兩熟，而周濤等[31]研究結(jié)果表明溫度和降雨量的增加會(huì)顯著增加一年一熟、一年兩熟以及兩年三熟作物的NEP，與本研究中淮海經(jīng)濟(jì)區(qū)耕地NEP“東南高、西北低”的空間分布特征、2005－2015年植被固碳量逐漸增長(zhǎng)的研究結(jié)論一致。植被固碳量在2020年減少則是由于耕地大量轉(zhuǎn)為建設(shè)用地所致，但其值依舊會(huì)比2005和2010年高。

淮海經(jīng)濟(jì)區(qū)耕地總碳儲(chǔ)量以2015年為拐點(diǎn)呈“先增后減”趨勢(shì)，與植被固碳量變化趨勢(shì)相同。這主要是因?yàn)樵?010—2015年植被固碳量增加1.553×107t，超過(guò)了這個(gè)時(shí)間段1.276×107t土壤碳儲(chǔ)量損失。由于淮海經(jīng)濟(jì)區(qū)東部耕地土壤碳儲(chǔ)量以及凈生態(tài)系統(tǒng)生產(chǎn)力都較西部高，使得耕地總碳儲(chǔ)量呈現(xiàn)出“東高西低”空間分布特征。到2020年，耕地轉(zhuǎn)向建設(shè)用地面積達(dá)到了各年份之最，耕地土壤碳儲(chǔ)量流失嚴(yán)重、耕地作物固碳量也隨之下降，因此其空間集聚性和“高-高”聚類(lèi)區(qū)數(shù)量達(dá)到了最低。

3.2 研究中尚存在的不足及改進(jìn)之處

本文從時(shí)間變化、空間變化和驅(qū)動(dòng)因素等方面研究分析了淮海經(jīng)濟(jì)區(qū)耕地的地上和地下部分碳、識(shí)別了碳匯碳源區(qū)，能夠?yàn)樵u(píng)價(jià)其他地區(qū)耕地碳源與匯提供借鑒，為中國(guó)“雙碳”目標(biāo)的達(dá)成提供農(nóng)業(yè)方面思路。但是，本研究也存在一些需要完善的地方：本文所研究的2005－2020年耕地碳儲(chǔ)量的時(shí)間分辨率為5 a；受數(shù)據(jù)獲取的影響，僅探測(cè)了2010－2020年耕地碳儲(chǔ)量驅(qū)動(dòng)因子，但探測(cè)驅(qū)動(dòng)因子著重的是其對(duì)當(dāng)下和今后淮海經(jīng)濟(jì)區(qū)碳儲(chǔ)量演變驅(qū)動(dòng)的參考價(jià)值，從而對(duì)研究結(jié)果的借鑒意義影響較小。在下一步研究中，進(jìn)一步探索長(zhǎng)時(shí)間序列，以期能夠更加全面精準(zhǔn)探索碳儲(chǔ)量演變規(guī)律及其成因。

4 結(jié)論與建議

4.1 結(jié) 論

1）受地類(lèi)轉(zhuǎn)移的影響，淮海經(jīng)濟(jì)區(qū)耕地土壤碳儲(chǔ)量在2005－2020年間減少了1.393×107t，其在空間上大致呈“東高西低”分布；耕地植被固碳量呈現(xiàn)出以2015年為拐點(diǎn)先增后減的變化趨勢(shì)，NEP在空間上呈現(xiàn)出“東南高，西北低”分布特征。

2）2005－2020年淮海經(jīng)濟(jì)區(qū)4個(gè)年份耕地碳儲(chǔ)量分別為8.734 9×108、8.782 4×108、8.810 1×108、8.691 0×108t，以2015年為拐點(diǎn)呈“先增后減”變化趨勢(shì)，在空間上呈“東高西低”分布態(tài)勢(shì)，隨著時(shí)間的推移其空間集聚性有所下降，“高-高”聚類(lèi)區(qū)主要向不顯著區(qū)和“低-高”離散區(qū)轉(zhuǎn)變；到2020年，淮海經(jīng)濟(jì)區(qū)耕地碳匯區(qū)32個(gè)，以中強(qiáng)度碳匯區(qū)為主，集中分布于淮海經(jīng)濟(jì)區(qū)西部和東北部；耕地碳源區(qū)31個(gè)主要由各市市轄區(qū)組成，在空間上總體貫穿了耕地碳匯區(qū)。

3）驅(qū)動(dòng)淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量空間分異的因子中，交通通達(dá)度、糧食產(chǎn)量、NDVI、高程、坡度和坡向?yàn)橹饕蜃樱绊懥傮w介于0.2～0.4；人口是次要因子，影響力在各年份均小于0.1。

4.2 建 議

綜合考慮淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量時(shí)空演變規(guī)律及其驅(qū)動(dòng)因子，在未來(lái)發(fā)展過(guò)程中可以參考如下建議：

1）淮海經(jīng)濟(jì)區(qū)耕地土壤碳密度較高，土壤碳儲(chǔ)量大。在未來(lái)發(fā)展過(guò)程中應(yīng)當(dāng)嚴(yán)格控制耕地流出，耕地碳源區(qū)縣可按照現(xiàn)實(shí)情況借鑒碳匯區(qū)縣耕地保護(hù)政策和管理措施，如可將耕地保護(hù)納入對(duì)各級(jí)政府政績(jī)的考量以落實(shí)耕地保護(hù)主體責(zé)任，從而在耕地“占補(bǔ)平衡”過(guò)程中能夠真正地做到“量”和“質(zhì)”的平衡。

2）淮海經(jīng)濟(jì)區(qū)主要作物為小麥、玉米和大豆等，秸稈資源產(chǎn)量豐富，收獲后可對(duì)秸稈全量粉碎覆蓋/翻埋還田。一方面可最大限度減少耕地碳流失以維持耕地肥力，另一方面可減少化肥施用量以保持土壤微生物活性、促進(jìn)土壤碳氮良性循環(huán)從而改善耕作環(huán)境以提高耕地NEP。

3）在地形不良好區(qū)域可結(jié)合經(jīng)濟(jì)效益種植土地適宜性作物，或者建設(shè)農(nóng)用設(shè)施，如改善田間道路、在高程、坡度較大或蒸發(fā)量較大的陽(yáng)坡面修建蓄水池-給排水灌溉設(shè)施等以彌補(bǔ)自然條件缺陷，從而利于耕種、管理、減少拋荒現(xiàn)象。

[1] Stockmann U, Adams M A, Crawford J W, et al. The knowns, known unknowns and unknowns of sequestration of soil organic carbon[J]. Agriculture Ecosystems & Environment, 2013, 164: 80-99.

[2] Johannes A, Matter A, Schulin R, et al. Optimal organic carbon values for soil structure quality of arable soils. Does clay content matter? [J]. Geoderma, 2017, 302: 14-21.

[3] 孔祥斌，胡瑩潔，李月，等. 北京市耕地表層土壤有機(jī)碳分布及其影響因素[J]. 資源科學(xué)，2019，41(12)：2307-2315.

Kong Xiangbin, Hu Yingjie, Li Yue, et al. Distribution and influencing factors of soil organic carbon of cultivated land topsoil in Beijing[J]. Resources Science, 2019, 41(12): 2307-2315. (in Chinese with English abstract)

[4] 王天福，龔直文，鄧元杰. 基于土地利用變化的陜西省植被碳匯提質(zhì)增效優(yōu)先區(qū)識(shí)別[J]. 自然資源學(xué)報(bào)，2022，37(5)：1214-1232.

Wang Tianfu, Gong Zhiwen, Deng Yuanjie. Identification of priority areas for improving quality and efficiency of vegetation carbon sinks in Shaanxi province based on land use change[J]. Journal of Natural Resources, 2022, 37(5): 1214-1232. (in Chinese with English abstract)

[5] 張玥，代亞強(qiáng)，陳媛媛，等. 中國(guó)耕地低碳利用效率時(shí)空演變及其驅(qū)動(dòng)因素[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38(8)：234-243.

Zhang Yue, Dai Yaqiang, Chen Yuanyuan, et al. Spatial-temporal evolution and driving factors of low-carbon use efficiency of cultivated land in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(8): 234-243. (in Chinese with English abstract)

[6] 李強(qiáng)，高威，魏建飛，等. 中國(guó)耕地利用凈碳匯時(shí)空演進(jìn)及綜合分區(qū)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38(11)：239-249.

Li Qiang, Gao Wei, Wei Jianfei, et al. Spatiotemporal evolution and comprehensive zoning of net carbon sink in cultivated land use in China[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(11): 239-249. (in Chinese with English abstract)

[7] 吳國(guó)偉，趙艷玲，付艷華，等. 復(fù)墾礦區(qū)土地利用類(lèi)型變化對(duì)植被碳儲(chǔ)量的影響[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2015，23(11)：1437-1444.

Wu Guowei, Zhao Yanling, Fu Yanhua, et al. Impact of reclamation-driven land use change on vegetation carbon store in mining areas[J]. Chinese Journal of Eco-Agriculture, 2015, 23(11): 1437-1444. (in Chinese with English abstract)

[8] 王淵剛，羅格平，馮異星，等. 近50a瑪納斯河流域土地利用/覆被變化對(duì)碳儲(chǔ)量的影響[J]. 自然資源學(xué)報(bào)，2013，28(6)：994-1006.

Wang Yuangang, Luo Geping, Feng Yixing, et al. Effects of land use/land cover change on carbon storage in Manas river watershed over the past 50 Years[J]. Journal of Natural Resources, 2013, 28(6): 994-1006. (in Chinese with English abstract)

[9] 邱建軍，唐華俊. 北方農(nóng)牧交錯(cuò)帶耕地土壤有機(jī)碳儲(chǔ)量變化模擬研究：以?xún)?nèi)蒙古自治區(qū)為例[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)，2003(4)：91-93.

Qiu Jianjun, Tang Huajun. Study on the situation of soil organic carbon storage in ecotone between agriculture and animal husbandry: A case study from Inner Mongolia[J]. Chinese Journal of Eco-Agriculture, 2003(4): 91-93. (in Chinese with English abstract)

[10] 張平平，李艷紅，殷浩然，等. 中國(guó)南北過(guò)渡帶生態(tài)系統(tǒng)碳儲(chǔ)量時(shí)空變化及動(dòng)態(tài)模擬[J]. 自然資源學(xué)報(bào)，2022，37(5)：1183-1197.

Zhang Pingping, Li Yanhong, Yin Haoran, et al. Spatio-temporal variation and dynamic simulation of ecosystem carbon storage in the north-south transitional zone of China[J]. Journal of Natural Resources, 2022, 37(5): 1183-1197. (in Chinese with English abstract)

[11] 陳美景，王慶日，白中科，等. 碳中和愿景下“三生空間”轉(zhuǎn)型及其碳儲(chǔ)量效應(yīng)：以貴州省為例[J]. 中國(guó)土地科學(xué)，2021，35(11)：101-111.

Chen Meijing, Wang Qingri, Bai Zhongke, et al. Transition of “Production-Living-Ecological” space and its carbon storage effect under the vision of carbon neutralization: A case study of Guizhou Province[J]. China Land Science, 2021, 35(11): 101-111. (in Chinese with English abstract)

[12] 吳佩君，劉小平，黎夏，等. 基于InVEST模型和元胞自動(dòng)機(jī)的城市擴(kuò)張對(duì)陸地生態(tài)系統(tǒng)碳儲(chǔ)量影響評(píng)估：以廣東省為例[J]. 地理與地理信息科學(xué)，2016，32(5)：22-28，36，2.

Wu Peijun, Liu Xiaoping, Li Xia, et al. Impact of urban expansion on carbon storage in terrestrial ecosystems based on InVEST Model and CA: A case study of Guangdong Province, China[J]. Geography and Geo-Information Science, 2016, 32(5): 22-28, 36, 2. (in Chinese with English abstract)

[13] 王曉，于兵，李繼紅. 土地利用和土地覆被變化對(duì)土壤有機(jī)碳密度及碳儲(chǔ)量變化的影響：以黑龍江省大慶市為例[J]. 東北林業(yè)大學(xué)學(xué)報(bào)，2021，49(11)：76-83.

Wang Xiao, Yu Bing, Li Jihong. Effects of land use and land cover change on soil organic carbon density and carbon storage: A case study of Daqing, Heilongjiang Province[J]. Journal of Northeast Forestry University, 2021, 49(11): 76-83. (in Chinese with English abstract)

[14] 張志國(guó)，班高晗. 土地利用變化驅(qū)動(dòng)下洛陽(yáng)市生態(tài)系統(tǒng)碳儲(chǔ)量時(shí)空變異[J]. 江蘇農(nóng)業(yè)科學(xué)，2021，49(14)：226-230.

Zhang Zhiguo, Ban Gaohan. Temporal and spatial variation of ecosystem carbon storage based on land use change in Luoyang City[J]. Jiangsu Agricultural Sciences, 2021, 49(14): 226-230. (in Chinese with English abstract)

[15] 李義平，蔡宏，田鵬舉，等. 貴州省黎平縣地表覆被變化引起的生態(tài)系統(tǒng)碳儲(chǔ)量變化[J]. 水土保持通報(bào)，2020，40(2)：92-99, 325.

Li Yiping, Cai Hong, Tian Pengju, et al. Changes in ecosystem carbon stock caused by land cover conversion in liping county of Guizhou Province[J]. Bulletin of Soil and Water Conservation, 2020, 40(2): 92-99, 325. (in Chinese with English abstract)

[16] Wu B, Zhang W Z, Tian Y C, et al. Characteristics and carbon storage of a typical mangrove island ecosystem in Beibu Gulf, South China Sea[J]. Journal of Resources and Ecology, 2022, 13(3): 458-465.

[17] 向書(shū)江，張騫，王丹，等. 近20年重慶市主城區(qū)碳儲(chǔ)量對(duì)土地利用/覆被變化的響應(yīng)及脆弱性分析[J]. 自然資源學(xué)報(bào)，2022，37(5)：1198-1213.

Xiang Shujiang, zhang Qian, Wang Dan, et al. Response and vulnerability analysis of carbon storage to LUCC in the main urban area of Chongqing during 2000-2020[J]. Journal of Natural Resources, 2022, 37(5): 1198-1213. (in Chinese with English abstract)

[18] 李姣，汪杰，李朗，等. 洞庭湖生態(tài)經(jīng)濟(jì)區(qū)土地利用變化對(duì)碳儲(chǔ)量的影響[J]. 生態(tài)學(xué)雜志，2022，41(6)：1156-1165.

Li Jiao, Wang Jie, Li Lang, et al. Impact of land use change on carbon storage in the Dongting Lake Economic Zone[J]. Chinese Journal of Ecology, 2022, 41(6): 1156-1165. (in Chinese with English abstract)

[19] 于貴瑞，朱劍興，徐麗，等. 中國(guó)生態(tài)系統(tǒng)碳匯功能提升的技術(shù)途徑：基于自然解決方案[J]. 中國(guó)科學(xué)院院刊，2022，37(4)：490-501.

Yu Guirui, Zhu Jianxing, Xu Li, et al. Technological approaches to enhance ecosystem carbon sink in China: Nature-based Solutions[J]. Bulletin of Chinese Academy of Sciences, 2022, 37(4): 490-501. (in Chinese with English abstract)

[20] 許小明，田起隆，孫景梅，等. 子午嶺地區(qū)植被演替的土壤碳匯效應(yīng)[J]. 水土保持學(xué)報(bào)，2022，36(3)：159-165，180.

Xu Xiaoming, Tian Qilong, Sun Jingmei, et al. Effects on soil carbon sink of vegetation succession in the Ziwuling Area[J]. Journal of Soil and Water Conservation, 2022, 36(3): 159-165, 180. (in Chinese with English abstract)

[21] 胡正江，康曉晗，薛旭杰，等. 集約農(nóng)田管理措施對(duì)桓臺(tái)縣域土壤有機(jī)碳儲(chǔ)量的影響[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2022，30(8)：1258-1268.

Hu Zhengjiang, Kang Xiaohan, Xue Xujie, et al. Effect of intensive farming practice on soil organic carbon stock in Huantai County[J]. Chinese Journal of Eco-Agriculture: 2022，30(8)：1258-1268. (in Chinese with English abstract)

[22] 于東升，史學(xué)正，孫維俠，等. 基于1∶100萬(wàn)土壤數(shù)據(jù)庫(kù)的中國(guó)土壤有機(jī)碳密度及儲(chǔ)量研究[J]. 應(yīng)用生態(tài)學(xué)報(bào)，2005，16(12)：2279-2283.

Yu Dongsheng, Shi Xuezheng, Sun Weixia, et al. Estimation of China soil organic carbon storage and density based on 1: 1000000 soil database[J]. Chinese Journal of Applied Ecology, 2005, 16(12): 2279-2283. (in Chinese with English abstract)

[23] Alam S A, Starr M, Clark B J F. Tree biomass and soil organic carbon densities across the Sudanese woodland savannah: A regional carbon sequestration study[J]. Journal of Arid Environments, 2013, 89: 67-76.

[24] 解天琪，李龍，陳鑫，等. 基于土地利用的淮海經(jīng)濟(jì)區(qū)碳儲(chǔ)量估算與預(yù)測(cè)[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2021，26(1)：131-142.

Xie Tianqi, Li Long, Chen Xin, et al. Estimation and prediction of carbon storage based on land use in the Huaihai Economic Zone[J]. Journal of China Agricultural University, 2021, 26(1): 131-142. (in Chinese with English abstract)

[25] 方精云，柯金虎，唐志堯，等. 生物生產(chǎn)力的“4P”概念、估算及其相互關(guān)系[J]. 植物生態(tài)學(xué)報(bào)，2001(4)：414-419.

Fang Jingyun, Ke Jinhu, Tang Zhiyao, et al. Implications and estimations of four terrestrial productivity parameters[J]. Chinese Journal of Plant Ecology, 2001(4): 414-419. (in Chinese with English abstract)

[26] 張梅，黃賢金，揣小偉，等. 中國(guó)凈生態(tài)系統(tǒng)生產(chǎn)力空間分布及變化趨勢(shì)研究[J]. 地理與地理信息科學(xué)，2020，36(2)：69-74.

Zhang Mei, Huang Xianjin, Chuai Xiaowei, et al. Spatial distribution and changing trends of net ecosystem productivity in China[J]. Geography and Geo-Information Science, 2020, 36(2): 69-74. (in Chinese with English abstract)

[27] Chen S, Huang Y, Zou J, et al. Interannual variability in soil respiration from terrestrial ecosystems in China and its response to climate change[J]. Science China (Earth Sciences), 2012, 55(12): 2091-2098.

[28] 王勁峰，徐成東. 地理探測(cè)器：原理與展望[J]. 地理學(xué)報(bào)，2017，72(1)：116-134.

Wang Jingfeng, Xu Chengdong. Geodetector: Principle and prospective[J]. Acta Geographica Sinica, 2017, 72(1): 116-134. (in Chinese with English abstract)

[29] 沈正平，安宇，顧曉波. 都市圈與經(jīng)濟(jì)區(qū)整合及協(xié)調(diào)發(fā)展研究：以邊緣性的徐州都市圈與淮海經(jīng)濟(jì)區(qū)為例[J]. 中國(guó)軟科學(xué)，2003(11)：128-133，144.

Shen Zhengping, An Yu, Gu Xiaobo. On the integration and harmonious development between metropolitan area and economic region: A case study of the marginal Xuzhou metropolitan area and Huaihai economic region[J]. China Soft Science, 2003(11): 128-133, 144. (in Chinese with English abstract)

[30] 陳敬霄. 淮海經(jīng)濟(jì)區(qū)城鎮(zhèn)化時(shí)空格局及驅(qū)動(dòng)力分析[J]. 中國(guó)農(nóng)業(yè)資源與區(qū)劃，2018，39(6)：110-115.

Chen Jingxiao. The spatial-temporal pattern and driving mechanisms of the development of urbanization in Huaihai economic zone[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2018, 39(6): 110-115. (in Chinese with English abstract)

[31] 周濤，史培軍，孫睿，等. 氣候變化對(duì)凈生態(tài)系統(tǒng)生產(chǎn)力的影響[J]. 地理學(xué)報(bào)，2004，59(3)：357-365.

Zhou Tao, Shi Peijun, Sun Rui, et al. The impacts of climate change on net ecosystem production in China[J]. Acta Geographica Sinica, 2004, 59(3): 357-365. (in Chinese with English abstract)

Spatio-temporal evolution characteristics of cultivated land carbon storage and identification of carbon sink areas in Huaihai Economic Zone from 2005 to 2020

Lin Ziqi1, Wang Peijun2※, Liu Qi3, Yang Yali1

(1.,,350002,;2.,,221116,; 3.,,350002,)

Huaihai Economic Zone with a reclamation rate of about 70% is one of the main grain-producing areas in China. It is very necessary to grasp the spatiotemporal variation of the carbon storage for the carbon sink source areas of cultivated land. The driving factors can be used to ensure national food security for agricultural guidance in the achievement of China’s “Dual carbon” goals. In this study, the carbon storage of cultivated land soil was calculated using the soil type carbon density of the Huaihai Economic Zone. The net ecosystem productivity (NEP) model was also established to calculate the carbon sequestration of cultivated land vegetation. At the same time, the ArcGIS and Geo-Detector software were selected to study the spatiotemporal evolution characteristics of cultivated land carbon storage, the “carbon” attribute of cultivated land and the driving factors in Huaihai Economic Zone from 2005 to 2020. The results showed that: 1) The soil carbon storage values of cultivated land were 6.028 2×108, 6.055 4×108, 5.927 8×108, and 5.888 9×108t in the four years from 2005 to 2020, respectively. The land type transfer decreased by 1.393×107t, indicating a spatial distribution of “high in the east and low in the west”. 2) The carbon sequestration of cultivated land vegetation in the four years from 2005 to 2020 was 2.706 7×108, 2.727 0×108, 2.882 3×108, and 2.802 1×108t, indicating changing trend of “first increasing and then decreasing” with 2015 as the inflection point. The NEP showed a spatial distribution feature of “high in the southeast, low in the northwest”. The middle high-value area was extended to the southwest with time. 3) The overall Moran's I of the total carbon storage in the cultivated land were 0.19, 0.19, 0.16, and 0.14 from 2005 to 2020, respectively. There was a downward trend in the spatial distribution and concentration. Specifically, the number of “high-high” type areas also gradually decreased, mainly shifting to the insignificant and “l(fā)ow-high” outlier areas. 4) There were 32 carbon sink areas of cultivated land in the study area, where 21 medium-strength carbon sink areas were mainly distributed in the west, and five high-strength carbon sink areas were concentrated in the northeast. 5) The main factors were traffic accessibility, grain production, NDVI, elevation, slope, and aspect. The secondary factor was population, among the factors driving the spatiotemporal differentiation of cultivated land carbon storage. Therefore, the carbon source counties of cultivated land can take farmland protection and management measures in the carbon sink area, in order to reduce the loss of carbon storage of cultivated land. As such, the quality of cultivated land can be maintained for the carbon sink in the cultivated land ecosystem in the process of farmland protection in the future.

land use; carbon; carbon storage of cultivated land; carbon sink area; soil organic carbon density; net ecosystem productivity; driving factors; Huaihai economic zone

10.11975/j.issn.1002-6819.2022.19.028

F301.2

A

1002-6819(2022)-19-0259-10

林子奇，王培俊，劉旗，等. 2005—2020年淮海經(jīng)濟(jì)區(qū)耕地碳儲(chǔ)量時(shí)空演變特征及碳匯區(qū)識(shí)別[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38(19)：259-268.doi：10.11975/j.issn.1002-6819.2022.19.028 http://www.tcsae.org

Lin Ziqi, Wang Peijun, Liu Qi, et al. Spatio-temporal evolution characteristics of cultivated land carbon storage and identification of carbon sink areas in Huaihai Economic Zone from 2005 to 2020[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(19): 259-268. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2022.19.028 http://www.tcsae.org

2022-07-23

2022-09-28

福建省自然科學(xué)基金項(xiàng)目（2019J01397）

林子奇，研究方向?yàn)橥恋刭Y源可持續(xù)利用。Email：596859939@qq.com

王培俊，博士，副教授，碩士生導(dǎo)師，研究方向?yàn)橥恋貜?fù)墾與持續(xù)利用。Email：wangpeijun1227@163.com