山東東營2001—2022年黃河下游生態(tài)系統(tǒng)固碳能力的變化分析

竇文駿 巴音吉 邢為正 孟雪

收稿日期：20240201；修訂日期：20240221；編輯：陶衛(wèi)衛(wèi)

基金項目：黃河三角洲自然資源綜合調查監(jiān)測與評價（DD20220886）；黃河流域中下游（河南段）水沙相互作用及生態(tài)環(huán)境承載力調查監(jiān)測與評價（DD20220885）

作者簡介：竇文駿（1996—），男，新疆伊犁人，工程師，主要從事自然資源綜合調查與要素綜合觀測;Email：douwenjun@mail.cgs.gov.cn

*通訊作者：巴音吉（1989—），男，山東東營人，工程師，主要從事自然資源綜合調查與要素綜合觀測;Email： geobayinji@163.com

摘要：21世紀以來，受氣候變化和人類活動的影響，黃河流域生態(tài)系統(tǒng)的固碳能力發(fā)生了劇烈變化，評價黃河流域生態(tài)系統(tǒng)固碳能力對推動該區(qū)域生態(tài)保護和高質量發(fā)展具有重要意義，但目前開展的相關研究卻顯得尤為不足。本文以黃河下游的山東省東營市為例，在大量野外采樣數(shù)據的基礎上，采用CEVSAES模型，對研究區(qū)22年來的生態(tài)系統(tǒng)的固碳能力進行模擬。在此基礎上，利用ArcGIS和ENVI等軟件，采用線性變化趨勢分析的方法，對于研究區(qū)生態(tài)系統(tǒng)的固碳能力的時空變化趨勢進行分析。研究結果表明：東營市中部和南部少部分地區(qū)凈生態(tài)系統(tǒng)生產力增長較快，而北部和濱海地區(qū)的增長相對緩慢。隨著時間的推移，整體上凈生態(tài)系統(tǒng)生產力呈現(xiàn)增長趨勢?？偝跫壣a力在東營市中部和南部少部分地區(qū)增加較快，北部和濱海地區(qū)增長緩慢，隨著時間的增長，總初級生產力總體呈現(xiàn)增長狀態(tài)。東營市生態(tài)系統(tǒng)呼吸在濱海和南部少部分地區(qū)增長較快，中部地區(qū)生態(tài)系統(tǒng)呼吸呈遞減趨勢，隨著時間的推移，總體上生態(tài)系統(tǒng)呼吸呈現(xiàn)下降趨勢。該結果對黃河下游生態(tài)系統(tǒng)固碳能力的變化分析具有重要意義。

關鍵詞：生態(tài)系統(tǒng)；固碳能力；CEVSAES模型；黃河下游;山東東營

中圖分類號：X37；TV212??? 文獻標識碼：A??? doi：10.12128/j.issn.16726979.2024.06.006

引文格式：竇文駿，巴音吉，邢為正，等.山東東營2001—2022年黃河下游生態(tài)系統(tǒng)固碳能力的變化分析［J］.山東國土資源，2024，40（6）：4550. DOU Wenjun，BA Yinji，? XING Weizheng， et al. Analysis on Changes in Carbon Sequestration Capacity of the Yellow River Downstream Ecosystem in Dongying City in Shandong Province from 2001 to 2022［J］.Shandong Land and Resources，2024，40（6）：4550.

0? 引言

山東省東營市是黃河入?？谒诘兀诖颂幮纬闪霜毺氐淖匀慌c生態(tài)環(huán)境。對東營市固碳能力進行定量評價，并分析其時空變化，對進一步提升生態(tài)系統(tǒng)的碳匯能力、探索適合增匯減排的有效方式、雙碳目標的實現(xiàn)和黃河流域的高質量可持續(xù)發(fā)展均具有重要意義［16］。

1? 研究區(qū)概況

研究區(qū)位于山東省東營市，黃河在此處入海，東營市北鄰渤海灣，東靠萊州灣，與遼東半島隔海相望，屬溫帶半濕潤大陸性季風氣候［7］。該地的土地利用類型主要有耕地、建設用地、鹽堿地等［810］，區(qū)內無地帶性植被類型，木本植物很少，濕地植物分布廣泛［1112］。該地區(qū)濕地水分、熱量條件優(yōu)越，天然濕地植被和稻田的生物量較大，植被凈初級生產力水平較高，具有較大的碳儲量和較強的固碳能力［13］。同時，位于該區(qū)域的黃河三角洲國家級自然保護區(qū)是中國暖溫帶保存最完整、最廣闊、最年輕的濕地生態(tài)系統(tǒng)，是中國沿海最大的新生濕地自然植被區(qū)。因此，在本研究區(qū)進行固碳能力的研究具有示范意義［14］。

2? 數(shù)據與方法

2.1? 數(shù)據來源

2.1.1? 實地觀測與采樣數(shù)據

為了利用CEVSAES模型對研究區(qū)固碳能力進行模擬，2022年7月布設采樣點60個，主要進行土壤不同層次和地表植被有機質、氮磷鉀、含水量以及pH的測量。2023年7月布設采樣點30個，同樣進行土壤不同層次和地表植被有機質、氮磷鉀、含水量以及pH的測量。同時為了驗證CEVSAES模型的模擬結果，從2021年開始，在研究區(qū)設立1個通量塔，采樣時間間隔為30min，獲取NEE、CO2、H2O等指標，采樣點和通量塔的位置如圖1所示。

2.1.2? 遙感數(shù)據

從地理空間數(shù)據云（https：//www.gscloud.cn）下載Landsat 5 TM和Landsat 8 OLI 數(shù)據，空間分辨率為30 m×30 m，重訪間隔為16d。本文選擇了2001—2022年期間上述傳感器的無云或最低云數(shù)據［15］。利用Landsat 數(shù)據計算增強型植被指數(shù)（enhanced vegetation index，EVI）、歸一化差值植被指數(shù)（normalized difference vegetation index，NDVI）、修正歸一化差值水指數(shù)（modified normalized difference water index，MNDWI）和地表水指數(shù)（landsurface water index，LSWI）。

下載2001—2022年的MODIS數(shù)據，數(shù)據來自美國國家航空航天局（https：//ladsweb.modaps.eosdis.nasa.gov/search/），空間分辨率為 500m×500m，時間分辨率為8d。利用MODIS 數(shù)據計算的EVI、NDVI、MNDWI 和LSWI來判斷植被的空間分布范圍和水分含量。

2.1.3? 氣象數(shù)據

本研究利用中國 1km分辨率月降水數(shù)據集和 1km分辨率月平均氣溫數(shù)據集作為CEVSAES模型的輸入，來獲取氣候變化對植被固碳能力的驅動過程，氣象數(shù)據來自于http：//poles.tpdc.ac.cn/en/［1617］。

2.1.4? 土地利用覆被數(shù)據

土地利用覆被數(shù)據由中國科學院遙感與數(shù)字地球研究所提供［18］。該數(shù)據集基于面向碳收支的中國土地覆被分類系統(tǒng)，通過物質組成、結構、排序、季節(jié)特征等指標，將土地覆被劃分為38個二級類型。結合本研究的野外采樣數(shù)據，本文將上述土地覆被類型進一步分類為9種植被類型，包括：冬小麥、水稻、旱柳林、檉柳灌叢、獐毛鹽生、堿蓬鹽生、蘆葦沼澤、蘆葦鹽生以及黑楊林等。

2.2? 方法

2.2.1? 碳匯模擬方法

基于遙感驅動的生態(tài)系統(tǒng)服務過程模型（CEVSAES），模擬研究區(qū)的生態(tài)系統(tǒng)固碳能力的變化。CEVSAES模型是一個基于生物物理過程模擬植被—大氣—土壤之間能量交換和物質循環(huán)的生物地球化學循環(huán)模型，包含生物物理子模型、植物生理子模型及土壤碳氮分解子模型等三部分?？梢詫崿F(xiàn)凈初級生產力、固碳、蓄水及土壤保持等多種生態(tài)系統(tǒng)服務的同步模擬［19］。本研究采用凈生態(tài)系統(tǒng)生產力（NEP）、總初級生產力（GPP）與生態(tài)系統(tǒng)呼吸（Re）表征生態(tài)系統(tǒng)固碳能力，該模型的具體實現(xiàn)過程詳見文獻［20］。

2.2.2? 變化趨勢分析

東營市NEP、GPP和Re指標的多年變化趨勢采用一元線性趨勢斜率計算，公式如式（1）所示：

slopeIndex=N×∑Ni=1i×Indexi-（∑Ni=1i）（∑Ni=1Indexi）22×∑Ni=1i2-（∑Ni=1i）2 （1）

式中：變量i為2001—2022年的年序號， 2001—2022這22年用N表示，變量代表第i年NEP、GPP或Re的年平均值，公式中當i=1時為2001年，依此類推至2022年； slopeIndex為由i和Index計算出的一元線性回歸斜率，其含義為從2001—2022年，年平均NEP，GPP和Re變化量。

3? 結果

3.1? 模擬結果驗證

通量塔可以直接獲得凈生態(tài)系統(tǒng)交換（NEE）的測量值。在此基礎上，參照張麗景的研究方法［21］，在通量塔數(shù)據和氣象數(shù)據的基礎上計算Re，然后通過利用式（2）和式（3）計算NEP和GPP。

NEP=NEE-Re（2）GPP=NEP+Re（3）

因通量塔設備故障維護，2022年大部分通量數(shù)據無法使用，因此基于2021年5—12月通量塔觀測數(shù)據，驗證模型模擬NEP、GPP和Re，所得模擬結果能較好的捕捉到碳通量的動態(tài)變化，模擬數(shù)據與觀測數(shù)據之間的決定系數(shù)在0.94以上，且均顯著相關（圖2）。

3.2? NEP、GPP和Re的時間變化

利用ArcGIS和ENVI對東營市的NEP、GPP和Re隨時間的變化情況進行分析，從圖3中的NEP可以看出，東營市濕地生態(tài)系統(tǒng)整體呈碳匯狀態(tài)，雖然部分年份NEP是負值，但從2014年開始，NEP逐步增加并且在2021年達到最大值0.42 TgCa1；2001—2022年東營市GPP總量整體呈現(xiàn)緩慢上升趨勢，其中2004—2010年較為穩(wěn)定，2011—2022年整體為增長趨勢，2021年達到最大值4.61 TgCa1；東營市Re總量增長速度緩慢，與GPP趨勢相似。

綜上所述，2001—2022年研究區(qū)的碳匯功能呈緩慢增加趨勢，這反映出近年來隨著生態(tài)保護日益加強，生態(tài)系統(tǒng)的碳匯功能出現(xiàn)了緩慢增加，雖然生態(tài)系統(tǒng)呼吸同時有緩慢增加的趨勢，但其增加幅度不如GPP的增加幅度，研究區(qū)整體表現(xiàn)出微弱的碳匯。

3.3? NEP、GPP和Re的空間變化

利用ArcGIS和ENVI對東營市的NEP、GPP和Re的空間變化情況進行分析，從圖4可以看出，NEP總體上呈現(xiàn)增長趨勢。中部和南部部分地區(qū)NEP增加趨勢明顯，增長范圍8～16g·C/（m2·a）。北部和濱海地區(qū)增長較緩慢，增長范圍在5 g·C/（m2·a）以下，有少部分地區(qū)NEP沒有變化或減少趨勢， GPP也呈現(xiàn)總體增長趨勢。中部和南部部分地區(qū)GPP增長趨勢明顯，增長幅度差異較大，在50～170g·C/（m2·a）之間變化。北部及濱海地區(qū)增長較緩慢，增長幅度在50g·C/（m2·a）以下，少部分GPP沒有變化趨勢或呈遞減的趨勢。Re總體呈現(xiàn)緩慢上升趨勢。中部及南部大部分地區(qū)減少趨勢較為明顯，最多可減少114g·C/（m2·a），其中有少部分地區(qū)Re沒有變化趨勢。北部、南部少部分地區(qū)及濱海地區(qū)Re呈現(xiàn)增長狀態(tài)，增長范圍為30～73g·C/（m2·a）之間。

4? 結論與討論

4.1? 結論

本文通過利用CEVSAES模型對山東省東營市固碳能力進行模擬，并且利用ArcGIS和ENVI對東營2001—2022年NEP、GPP和Re時空變化進行分析，本文取得的主要結論如下：

（1）隨著時間的推移，東營市NEP整體上呈現(xiàn)增長趨勢。東營市中部和南部少部分地區(qū)NEP增長較快，增長范圍在8～16g·C/（m2·a）之間，而北部和濱海地區(qū)的增長相對緩慢。

（2）東營市GPP與NEP變化趨勢相似，都呈現(xiàn)增長狀態(tài)。GPP在東營市中部和南部少部分地區(qū)增加較快，均增加50g·C/（m2·a）以上，北部和濱海地區(qū)增長緩慢。

（3）2001—2022年間東營市Re總體上呈現(xiàn)下降趨勢。Re在東營市中部地區(qū)呈遞減趨勢，下降幅度較大，最多可減少114g·C/（m2·a），濱海和南部少部分地區(qū)雖有增長的趨勢，范圍在30～73g·C/（m2·a）之間。

4.2? 討論

從本研究可以看出，NEP的分布和趨勢能夠反映東營市中部和南部少部分地區(qū)NEP增長較快，北部和濱海地區(qū)增長較為緩慢，提升空間較大。在固碳能力提升方面，下一步可以通過實施相應政策措施，提高北部和濱海地區(qū)的碳匯能力，增加固碳量。

GPP的分布和趨勢與NEP相似，GPP在東營市中部和南部少部分地區(qū)增加較快，北部和濱海地區(qū)增長緩慢，這一地區(qū)增長潛力較大，可以參考中部地區(qū)生態(tài)環(huán)境的改善措施，抑制GPP的減少，增強生態(tài)保護，提高總初級生產力。

Re的分布和趨勢能夠反映東營市濱海地區(qū)和南部少部分地區(qū)增長較快，中部Re呈遞減趨勢，根據國家政策和碳中和碳達峰的目標，應關注于減少北部和濱海地區(qū)的生態(tài)系統(tǒng)呼吸，提高東營市地區(qū)碳匯和增加固碳量。

參考文獻：

［1］? 陳媛華，譚建光，谷曉明，等.城市生態(tài)系統(tǒng)固碳減排效能評價方法研究［J/OL］.環(huán)境保護科學，2024：17.

［2］? 劉洋.黃河流域生態(tài)系統(tǒng)服務及其權衡協(xié)同關系特征［D］.咸陽：西北農林科技大學，2023：14.

［3］? 盛舒童，劉艷芳，劉耀林，等.山東沿海生態(tài)系統(tǒng)服務協(xié)同與權衡的空間格局及驅動力［J］.水土保持研究，2023，30（2）：384392.

［4］? 張曉娟，李東杰，劉思含，等.遙感技術在“雙碳”目標實現(xiàn)中的應用進展［J］.航天返回與遙感，2022，43（6）：106118.

［5］? 伊澤坤.基于GIS的黃河口國家公園碳匯與生態(tài)補償能力研究［D］.濟南：山東建筑大學，2023：211.

［6］? 林佳銜，王藝，楊潔，等.雙碳目標下東營市濱海濕地碳匯潛力及發(fā)展策略探討［J］.濕地科學與管理，2023，19（3）：9296.

［7］? 李永濤，杜振宇，王霞，等.黃河三角洲自然保護區(qū)濕地生態(tài)服務功能價值評估［J］.海洋環(huán)境科學，2019，38（5）：761768.

［8］? 路昌，王之語.基于生態(tài)網絡分析的黃河三角洲碳代謝分析［J］.中國環(huán)境科學，2023，43（11）：60906101.

［9］? 趙飛.基于Landsat的黃河三角洲地區(qū)土地利用變化動態(tài)監(jiān)測［J］.測繪與空間地理信息，2022，45（5）：124126.

［10］? 姚瑤.黃河三角洲土地利用和生態(tài)系統(tǒng)服務時空變化及耦合關系研究［D］.泰安：山東農業(yè)大學，2023：211.

［11］? 張延良，崔積仁，高明鄒，等.黃河流域生態(tài)保護和高質量發(fā)展創(chuàng)新研究：以黃河三角洲農業(yè)高新技術產業(yè)示范區(qū)為例［J］.山東國土資源，2023，39（9）：4347.

［12］? 郎坤，趙庚星，王文倩，等.基于多元數(shù)據的黃河三角洲核心區(qū)生態(tài)環(huán)境狀況評價研究［J］.山東國土資源，2019，35（12）：2939.

［13］? 張緒良，張朝暉，徐宗軍，等.黃河三角洲濱海濕地植被的碳儲量和固碳能力［J］.安全與環(huán)境學報，2012，12（6）：145149.

［14］? 任令祺，任廣波，王建步，等.面向濱海濕地修復治理的生態(tài)系統(tǒng)服務凈價值遙感評估研究：以黃河口濕地為例［J/OL］.海洋開發(fā)與管理，2024：117.

［15］? NIU Z，SI B，LI D，et al.Spatiotemporal Variation in Driving Factors of Vegetation Dynamics in the Yellow River Delta Estuarine Wetlands from 2000 to 2020［J］.Remote Sens，2023，15：4332.

［16］? 中國1 km月降水數(shù)據集（1901-2020），國家青藏高原數(shù)據中心［S］.北京，2020：120.

［17］? 中國大陸1 km月平均氣溫數(shù)據集（1901-2017），國家青藏高原數(shù)據中心［S］.北京，2019：120.

［18］? 張磊，吳炳方，李曉松，等.基于碳收支的中國土地覆被分類系統(tǒng)［J］.生態(tài)學報，2014，34（24）：71587166.

［19］? NIU Z，HE H，PENG S，et al.A process-based model integrating remote sensing data for evaluating ecosystem services［J］.Journal of Advances in Modeling Earth Systems，2021，13（6）：2451.

［20］? 牛忠恩，何洪林，任小麗，等.基于過程模型的2000—2018年中國陸地生態(tài)系統(tǒng)服務時空動態(tài)及其權衡與協(xié)同分析［J］.生態(tài)學報，2023，43（2）：496509.

［21］? 張麗景.基于MODIS影像和通量塔數(shù)據模擬浙江安吉毛竹林總初級生產力［D］.杭州：浙江農林大學，2014：1032.

Analysis on Changes in Carbon Sequestration Capacity of the Yellow River Downstream Ecosystem in Dongying City in Shandong Province from 2001 to 2022

DOU Wenjun1，BA Yinji1，XING Weizheng2，MENG Xue1

（1.Yantai Coastal Zone Geological Survey Center of China Geological Survey， Shandong Yantai 265799，China；2.Resources and Environmental Engineering College of Ludong University， Shandong Yantai 264025，China）

Abstracr：Since the 21st century， the carbon sequestration capacity of the Yellow River Basin ecosystem has changed significantly due to climate change and human activities. Evaluating the carbon sequestration capacity of the ecosystem in the Yellow River Basin is of great significance for promoting ecological protection and high-quality development in the region. But the current related research is particularly insufficient. In this paper， taking Dongying city in Shandong province in the lower reaches of the Yellow River as an example， based on a large amount of field sampling data， by using CEVSA? ES model， the carbon sequestration capacity of the ecosystem in the study area over the past 22 years has been simulated. On this basis， by using ArcGIS and ENVI softwares， and a linear trend analysis method， the spatiotemporal variation trend of the carbon sequestration capacity of the ecosystem in the study area has been analyzed. It is indicated that the net ecosystem productivity in the central and southern parts of Dongying city has increased rapidly， while the growth in the northern and coastal areas is relatively slow. Over time， the overall net ecosystem productivity shows an increasing trend. The total primary productivity has increased rapidly in a small number of areas in the central and southern parts of Dongying city， while the growth in the northern and coastal areas is slow. The overall primary productivity has shown an increasing state. The ecosystem respiration has grown rapidly in a small number of coastal and southern areas， while the ecosystem respiration in the central region has shown a decreasing trend. The overall ecosystem respiration has shown a downward trend. This result is of great significance for the analysis of changes in carbon sequestration capacity of the ecosystem in the lower reaches of the Yellow River.

Key words：Ecosystem; carbon sequestration capacity;CEVSA? ES model;the lower reaches of the Yellow River;Dongying city in Shandong province