京津冀縣域碳匯時序變化及空間格局分布研究

劉夢瑜，曲彥達,3，楊秀峰*,2,3,4，趙起超,3,4，張學碩

（1.北華航天工業(yè)學院遙感信息工程學院，廊坊 065000；2.航天遙感信息應用技術國家地方聯(lián)合工程研究中心，廊坊 065000；3.河北省航天遙感信息處理與應用協(xié)同創(chuàng)新中心，廊坊 065000；4.河北省航天遙感信息工程技術研究中心，廊坊 065000）

當今，全球氣候變暖引起了很多嚴重的環(huán)境問題，世界各國積極采取有效行動來減少溫室氣體排放。我國已將碳達峰碳中和目標納入生態(tài)文明建設，在“十四五”規(guī)劃中，我國的生態(tài)文明建設[1]進入了以降碳為重點戰(zhàn)略方向、實現生態(tài)環(huán)境質量改善由量變到質變的關鍵時期。

縱觀現有研究成果，生態(tài)碳匯研究尺度主要集中于國家、區(qū)域和省域層面，對縣域的研究相對缺乏，縣域作為中國社會的基本單元，分析碳匯在其尺度下的時空變化特征和影響因素，對評估縣級尺度[2]的生態(tài)狀況以及推動區(qū)域低碳協(xié)調經濟意義重大。同時，土地利用變化與碳循環(huán)關系研究，特別重視歷史時期的變化，歷史時期土地利用變化[3]與陸地碳儲量關系研究的關鍵，是基礎土地利用變化數據。目前，京津冀地區(qū)仍然存在“高排放”的環(huán)境問題，而京津冀城市群作為我國碳中和的重要建設示范區(qū)，基于此，本文根據目前國內外學者對不同土地利用類型碳匯價值評估，綜合Fang、Tang等學者對林地的碳匯轉化系數，Piao、方精云[4]等學者對草地的碳匯轉化系數，孔東升和張灝[5]等學者對水域的碳匯轉化系數，賴力等對未利用土地類型的碳匯轉化模型整理成碳匯估算模型，對京津冀地區(qū)2010～2020年影像進行分類后進行碳匯估算，并對其碳匯生態(tài)價值進行分析，其率先探索碳中和的路徑，對引領區(qū)域示范作用具有重要意義。

1 研究區(qū)概況與數據源

1.1 研究區(qū)概況

本文所選取的研究區(qū)為京津冀地區(qū)。京津冀地區(qū)位于環(huán)渤海經濟圈的中心位置，是我國的“首都經濟圈”。京津冀地區(qū)土地面積為21.7萬平方千米，占國土總面積的2%左右[6]。京津冀包括北京、天津以及河北省的石家莊、唐山、秦皇島、承德、廊坊、邯鄲、邢臺、滄州、保定、張家口、衡水等城市。該地區(qū)位于華北平原北部，北靠燕山山脈，南面華北平原，西倚太行山，東臨渤海灣，西北和北面地形較高，南面和東面地形較為平坦，是我國北方連接“海洋經濟”和“大陸經濟”的樞紐地區(qū)[7]。京津冀行政圖如圖1所示。

圖1 京津冀行政圖

1.2 數據源

本文研究選用 Landsat 5（2010～2011）、Landsat 7（2012）、Landsat 8（2013～2020）長時間序列遙感影像數據，以及京津冀縣域行政邊界矢量數據，繪制2010～2020年京津冀土地利用矢量圖。在分類之前，本文使用PIE-Engine對下載的300余幅影像進行輻射校正、重投影、鑲嵌裁剪等批量預處理，得到京津冀地區(qū)縣域遙感影像。

2 研究方法

2.1 面向對象CART決策樹分類

決策樹是一種分層次的數據結構，廣泛應用于分類和回歸。CART決策樹是在給定輸入隨機變量X條件下，輸出隨機變量Y的條件概率分布的學習方法，在屬性選擇的過程中，使用基尼指數（Gini index）最小化準則進行特征選擇。決策樹分類具有分層結構清晰、運算簡單快速等優(yōu)點，可以根據不同類別特點選取對應的分類特征屬性，從而有效減少傳統(tǒng)分類方法出現的分類錯誤[8]。

本文使用面向對象的方法進行決策樹分類，首先要將原影像分割。影像分割是將給定的影像劃分為互不重疊的區(qū)域，此時影像的分割尺度對分類結果會有非常關鍵的影響。本文根據分類面積與分割尺度的關系，當分類后面積隨分割尺度變化較小時，說明分割效果較好。于是，本文根據地物最大面積與對象圖斑個數比值，確定了最優(yōu)分割尺度[9]。在影像分割后，通過對“對象化”圖斑進行光譜特征提取和植被指數計算，根據由樣本庫訓練的決策樹模型進行地物分類，技術流程圖如圖2所示。

圖2 技術流程圖

2.2 碳匯估算模型

本文將分類得到的兩級土地利用類型的面積與其他學者研究的，不同土地利用類型碳匯系數整理成碳匯估算模型。碳匯估算模型[10]可表達如下：

式中，Ci為第種土地利用類型產生的碳匯量；Ai為第種土地利用類型的碳匯系數；Si為第i種土地利用類型面積。其中碳匯系數的確定是估算碳匯量的關鍵。本文根據國內外期刊和以往文章中的研究，總結了主要土地利用類型的碳匯系數[2]，如表1所示。

表1 碳匯系數

3 結果與分析

3.1 2010～2020京津冀城市群縣域碳匯時序變化

本文基于縣域尺度，將2010～2020年京津冀地區(qū)的204個區(qū)進行碳匯統(tǒng)計和計算，并進行排序，選出前10名碳匯信息如圖3所示，其中承德6個縣張家口3個縣位列前十中，碳匯效益顯著。其中承德市圍場滿族蒙古族自治縣碳匯排名第一，位于圍場縣的塞罕壩林場功不可沒。塞罕壩林場中有林地面積達到112萬畝，森林覆蓋率達到80%，林木總蓄積量達到1012萬立方米，固碳74.7萬噸，釋放氧氣54.5萬噸，生態(tài)效益顯著，是京津冀地區(qū)生態(tài)文明建設的成功典范。

圖3 京津冀縣級碳匯量

3.2 京津冀城市群土地利用/覆被變化碳匯效應分析

3.2.1 京津冀省級一級分類碳匯分析

由圖4可知，林地、水域、草地三種碳匯是京津冀三省的主體碳匯，相差不大。其中林地碳匯是占比最高的碳匯種類，耕地的碳匯效益較低，京津冀三省耕地面積并不小，但碳匯效益卻不高，由此可以對耕地二級分類進行調整來增加碳匯效益。

圖4 京津冀省級一級分類碳匯量

3.2.2 土地利用/覆被變化二級分類碳匯分析

如圖5所示，本文將一級主要碳匯土地利用類型進行二級分類。其中發(fā)現旱地、灌木林地和鹽堿地三種土地，利用類型的面積占比較大但碳匯效益低。對于干旱地區(qū)中脆弱的耕地生態(tài)系統(tǒng)來說，人為干擾的耕種行為更會加快有機碳擴散的速度，所以京津冀地區(qū)耕地生態(tài)系統(tǒng)的碳匯效益低。在林地二級分類中，灌木林面積位居首位，但灌木林的碳匯效益低于人工林地，通過將低效灌木林改造，種植具體高碳匯的造林樹種，可促進森林土壤活性有機碳含量來增加森林的碳匯效果。

圖5 二級分類下年際面積變化

4 結語

本文通過對2010～2020年京津冀地區(qū)的遙感影像進行面向對象CART決策樹分類得到縣域土地利用類型，并根據碳匯估算模型計算碳匯量，探析京津冀城市群碳匯時序變化特征、土地利用/覆被變化碳匯效應和空間格局分布，研究主要結論如下：

（1）從京津冀縣級碳匯時序變化特征看，其中河北省承德市和張家口市碳匯量共占比37%，在京津冀地區(qū)碳匯效益顯著且突出，其中河北省承德市6個區(qū)和河北省張家口市3個區(qū)在碳匯排名前10的結果中，承德市圍場滿族蒙古族自治縣碳匯效益最大。

（2）從土地利用一級分類格局特征來看，京津冀主要碳匯類型有林地碳匯、水域碳匯、草地碳匯、耕地碳匯四種，其中林地、草地和水域碳匯類型是京津冀地區(qū)的主體碳匯，三者占比97.66%；從土地利用二級分類格局特征來看，不同土地類型二級分類下的土地利用類型碳匯效益差距巨大。