洪雅县退耕竹林碳储量时空格局

基于InVEST和CA-Markov模型的黄河流域碳储量时空变化研究摘要：区域土地利用/覆被变化是导致生态系统碳储量变化的主要原因,预测未来土地利用/覆盖变化及其对碳储量的影响对区域陆地生态系统的认识具有重要意义。

本研究基于黄河流域2005—2018年土地利用/覆被变化规律,运用CA-Markov模型分别预测了生态保护情景(EVC)和自然变化情景(NVC)下的土地利用/覆被空间格局,采用修正后的碳密度,运用InVEST模型评估黄河流域2005—2030年6期碳储量。

结果表明:2005—2018年黄河流域林地、水域和建设用地面积持续增加,耕地、草地和未利用土地面积减少, 13 a间全流域碳储量减少28.734×10陆地生态系统的碳储量在全球碳循环和气候变化中起着非常重要的作用黄河流域是我国重要的生态屏障,是连接青藏高原、黄土高原、华北平原的生态廊道,拥有多个国家公园和国家重点生态功能区,流域内林草面积占流域总面积的50%以上,是我国陆地生态系统重要的碳汇和碳储存区域。

伴随黄河流域人口增加和城镇化进程,国土开发利用活动强烈而且频繁,为了保护流域生态环境,国家实施了退耕还林还草等一系列生态保护工程,流域内土地利用覆被发生了显著变化。

王光谦等1 研究区概况与研究方法1.1 研究区概况黄河是我国第二大河流,位于96°～119°E、32°～42°N,发源于青藏高原巴颜喀拉山,在山东省垦利县注入渤海,流经青海、四川、甘肃、宁夏、内蒙古、山西、陕西、河南、山东9省区,干流全长5464 km,东西长约1900 km,南北宽约1100 km,落差4480 m,流域面积7.95×101.2 研究方法1.2.1 In VEST模型碳储量模块In VEST模型(Integrated Valuation of Ecosystem Services and Trade-offs)即“生态系统服务功能与权衡交易综合评价模型”,In VEST模型碳储量模块将生态系统的碳储量划分为4个基本碳库:地上生物碳(土壤以上所有存活的植物材料中的碳)、地下生物碳(存在于植物活根系统中的碳)、土壤碳(分布在有机土壤和矿质土壤中的有机碳)、死亡有机碳(凋落物、倒立或站立的己死亡树木中的碳)。

成渝双城经济圈县域碳排放时空格局及影响因素分析刘姜;罗怀良;孟险;袁勇【期刊名称】《云南地理环境研究》【年(卷),期】2024(36)1【摘要】基于近16年来(2002—2017年)成渝双城经济圈141个县域碳排放数据,利用空间自相关、脱钩模型和时空地理加权回归模型(GTWR)分析该区县域人均碳排放时空格局差异和影响因素。

结果表明:(1)2003—2017年成渝地区双城经济圈县域碳排放总量和人均碳排放量年均增速为5.43%和4.68%。

历经“大幅上涨—高位波动”的发展阶段。

(2)县域人均碳排放具有空间正相关关系,高高聚集区位于成都市区县和重庆市主城区构成的“双核心”区域。

(3)县域发展类型得到优化改善,低碳发展型县域占44.37%。

(4)影响系数的大小排序为:技术进步>经济发展水平>城镇化率>产业结构>人口规模>财政投入,技术进步和经济发展水平是区域县域的首要影响因素,人口规模对川渝交界的区县正向影响较大,财政投入对大部门地区具有显著的负向作用。

【总页数】11页(P19-27)【作者】刘姜;罗怀良;孟险;袁勇【作者单位】四川师范大学地理与资源科学学院;四川师范大学西南土地资源评价与监测教育部重点实验室【正文语种】中文【中图分类】P95;X144【相关文献】1.成渝地区双城经济圈县域经济空间格局及影响因素——基于夜间灯光数据的分析2.成渝地区双城经济圈县域经济时空格局分析3.成渝双城经济圈县域产业结构升级与碳排放效率的时空耦合及影响因素4.成渝双城经济圈建设背景下四川省能源消费碳排放影响因素研究--基于LMDI模型视角5.县域尺度下成渝地区双城经济圈人口老龄化的时空演变与影响因素——基于最近三次人口普查数据的分析因版权原因，仅展示原文概要，查看原文内容请购买。

㊀㊀第５２卷㊀第１０期测㊀绘㊀学㊀报V o l．５２,N o．１０㊀２０２３年１０月A c t aG e o d a e t i c ae tC a r t o g r a p h i c aS i n i c a O c t o b e r,２０２３引文格式:唐玉芝．基于C B MＧC F S３模型的贵州高原森林生态系统碳储量时空变化[J]．测绘学报,２０２３,５２(１０):１８００．D O I:１０．１１９４７/j．A G C S．２０２３．２０２２０３７９．T A N G Y u z h i．S i m u l a t i n g s p a t i oＧt e m p o r a ld y n a m i c so ff o r e s tc a r b o ns t o c k si n G u i z h o u P l a t e a u b y C B MＧC F S３[J]．A c t aG e o d a e t i c a e tC a r t o g r a p h i c aS i n i c a,２０２３,５２(１０):１８００．D O I:１０．１１９４７/j．A G C S．２０２３．２０２２０３７９．基于C B MＧC F S３模型的贵州高原森林生态系统碳储量时空变化唐玉芝１,２１．人工智能与数字经济广东省实验室(深圳),广东深圳５１８１０７;２．中国科学院地理科学与资源研究所,北京１００１０１S i m u l a t i n g s p a t i oＧt e m p o r a ld y n a m i c s o ff o r e s t c a r b o n s t o c k si n G u i z h o u P l a t e a ub y C B MＧC F S３T A N GY u z h i１,２１．G u a n g d o n g L a b o r a t o r y o fA r t i f i c i a l I n t e l l i g e n c ea n dD i g i t a l E c o n o m y(S Z),S h e n z h e n５１８１０７,C h i n a;２．I n s t i t u t e o fG e o g r a p h i cS c i e n c e sa n dN a t u r a l R e s o u r c e sR e s e a r c h,C A S,B e i j i n g１００１０１,C h i n a㊀㊀在全球气候变化背景下,区域森林生态系统碳储量时空变化已成为全球碳循环研究的热点问题.贵州高原位于我国喀斯特地貌分布广泛的西南地区,是我国森林资源保护和生态环境建设的重点区域,在我国固碳㊁增汇和减排中发挥了重要作用.但长期的经济落后导致人地矛盾突出,加之脆弱的生态环境,贵州高原的森林碳汇功能面临巨大威胁.２０００年,贵州高原实施了天然林保护工程㊁退耕还林工程等一系列生态修复工程,有力地增强了当地的森林保护工作.定量刻画和把握近几十年来贵州高原森林生态系统碳储量的时空变化特征,准确估算各类森林干扰引起的森林碳储量变化,厘定气候因素和人类活动对贵州高原森林碳储量变化的影响,有利于及时有效调整森林资源管理经营方案,充分发挥贵州高原森林碳汇潜力,并为下一步贵州高原生态工程建设㊁碳汇精准扶贫和碳达峰碳中和工作提供科学依据和决策支持.论文以贵州高原为研究区,整合了贵州省第四次森林二类调查数据㊁２０００ ２０１５年多期贵州高原土地利用/覆被现状数据等多源数据,驱动经分组拟合的林分蓄积生长方程和本地化改进的C B MＧC F S３模型,对１９９０ ２０１６年近３０年来贵州高原森林生态系统碳储量和碳密度,分析其时空变化特征;量化了气候因素和人类活动对贵州高原森林碳储量变化的影响,厘定了生态工程贡献率.主要结论如下.(１)贵州高原林分蓄积量与土壤厚度㊁林地质量等级和降水等环境因子高度相关,基于R i c h a r d生长方程和优势树种(组) 气候区 林地质量等级 林分起源 石漠化类型５级分类器拟合林分蓄积量生长方程,均通过适用性检验,模拟结果较为理想.(２)１９９０ ２０１６年贵州高原森林碳储量和碳密度均呈显著上升趋势,２０１６年分别达到１６８４．１８T g C和１３３．０８M g C/h m２,分别较１９９０年增加了３８．０３％和１０．６３％,生态工程实施后贵州森林碳储量的年际倾斜率较实施前提高了５８．９２％.贵州高原森林碳密度主要呈东高西低的空间分布趋势,黔东南㊁黔北铜仁㊁遵义地区和黔西威宁地区及自然保护区等森林植被茂密区域碳密度较高;西南部为石漠化区,多为幼龄林㊁经济林和灌木林,且高温造成土壤有机质分解量大,森林植被负面干扰频繁,森林碳密度偏低.(３)１９９０ ２０１６年,各类干扰导致贵州高原森林碳库减少了９７．６１T g C,碳支出达１２０．８６T g C,其中５０．９８％释放到大气中,４９．０２％转移到林产品.更新再造导致碳损失最大,达８０．７７T g C,碳支出达９０．２９T g C,其次是毁林垦荒和商业采伐,分别导致碳损失１４．０７T g C和１０．６７T g C.干扰引起的森林生态系统碳增加主要分布于贵州高原西部和北部地区,碳损失主要分布于黔东南州㊁铜仁南部㊁遵义赤水市㊁黔西南州册亨县和安顺南端.(４)偏相关分析结果表明,气温和降水对贵州高原森林生态系统碳密度的增长均有促进作用,空间上整体表现为北高南低㊁东高西低的态势,气温的促进作用大于降水.１９９０ ２０１６年研究区人类活动整体对贵州高原森林碳密度提升的贡献率达到８６．０９％,气候因素的贡献率为１３．９１％.生态工程实施后工程区碳密度的增长趋势较实施前大幅提高,生态工程区的碳密度平均高出非工程区３６．６３％.中图分类号:X１７１㊀㊀㊀㊀文献标识码:D文章编号:１００１Ｇ１５９５(２０２３)１０Ｇ１８００Ｇ０１基金项目:博士后基金面上项目(２０２１M７０２２３１)收稿日期:２０２１Ｇ０３Ｇ１８作者简介:唐玉芝(１９９１ ),女,２０２０年１月毕业于中国科学院地理科学与资源研究所,获理学博士学位(指导教师:邵全琴研究员),研究方向为生态G I S与空间建模.A u t h o r:T A N G Y u z h i(１９９１ ),f e m a l e,r e c e i v e d h e r d o c t o r a l d e g r e ef r o mI n s t i t u t eo fG e o g r a p h i cS c i e n c e s a n dN a t u r a l R e s o u r c e sR e s e a r c h,C h i n e s eA c a d e m y o f S c i e n c e so n J a n u a r y２０２０,m a j o r si n e c o l o g i c a lG I S a n ds p a t i a lm o d e l i n g．EＧm a i l:t a n g e r i o＠１６３．c o mCopyright©博看网. All Rights Reserved.。

doi:10.3969/j.issn.2095-1329.2024.01.015基于InVEST和PLUS模型的江西省土地利用碳储量时空变化与预测刘翰芳，刘 牧（江西农业大学园林与艺术学院，江西·南昌 330045）摘 要：土地利用变化是驱动碳储量变化的主要因素，评估土地利用变化对碳储量的影响对于碳平衡具有重要意义。

以江西省为例，基于InVEST-PLUS模型，探究1990—2020年江西省土地利用变化和碳储量时空演变，测算2030年多情景碳储量。

（1）江西省1990年、2000年、2010年和2020年的碳储量分别为12.7594、12.7600、12.6912、12.5800亿吨，总体呈现减少态势。

林地的减少是造成碳储量损失的主要因素。

地上生物量碳库和土壤碳库碳储量最多，占总碳储量的88.82%。

（2）至2030年，较2020年，在自然发展与城镇发展情景下，碳储量分别减少380、1330万吨，在生态保护情景下则增加125万吨，表明采取生态保护措施，优化土地利用结构，能有效控制碳储量的减少。

（3）碳储量明显较高的地区位于生态用地连片的赣南山区，而碳储量明显较低的地区位于碳密度值较低以及建设用地呈斑块状分布的赣北区域。

研究结果将为江西省生态文明建设作出合理生态决策、实现高质量发展提供科学依据。

关键词：土地利用；碳储量； InVEST模型；PLUS模型；变化分析中图分类号：F301.24 文献标志码：A 文章编号：2095-1329(2024)01-0086-07陆域生态系统的碳储存与全球气候变化关系密切，评估土地利用变化对碳储存的影响对减少全球碳排放具有指导意义[1]。

土地利用变化是影响陆地生态系统碳循环最直接的因子[2]，监测碳储量变化，对保护区域生态系统和制定生态与经济平衡发展的政策至关重要[3]。

近年来，随着3S 技术的广泛运用和相关模型层出不穷，在测算区域碳储量方面展开了更深层次的探究。

收稿日期：2023-06-05基金项目：国家科技支撑计划项目（2015BAD06B02）；大学生创新创业训练计划项目（2022102941100）作者简介：刘璇（2001-），女，山东莱州人，2020级在读本科生，土地资源管理专业，（电话）132****0830（电子信箱）*****************；通信作者，孙燕（1978-），讲师，硕士，主要从事耕地保护的研究工作，（电话）189****5532（电子信箱）************.cn 。

刘璇，孙燕，马静，等.长江经济带耕地碳排放时空格局演变及其影响因素［J ］.湖北农业科学，2024，63（2）：1-7．长江经济带耕地碳排放时空格局演变及其影响因素刘璇a ，孙燕a ，马静a ，张天旺b ，陈浮a（河海大学，a.公共管理学院；b.能源与电气学院，南京211100）摘要：为厘清耕地绿色利用状况，采用IPCC 碳排放系数法测算2000—2020年长江经济带129个地级市耕地碳排放，利用空间自相关分析揭示耕地碳排放时空特征演化，运用LMDI 模型分解各影响因素的贡献。

结果表明，2000—2020年长江经济带耕地碳排放量在时间上呈下降趋势，呈“保持稳定—快速增长—缓慢增长—缓慢下降”四个阶段；在空间上呈中、东部高，西部低的态势，存在显著的全局空间自相关，局部高-高聚集区分布于长江中下游地区，低-高聚集区分布于中游地区，低-低聚集区则主要分布于上游地区；区域内农业碳排放的促进因素是农业经济水平，抑制因素主要是农业生产效率，其次是农业生产结构，最后是农业劳动力规模。

为此，长江经济带耕地碳排放的时空差异显著，各地区应因地制宜制定碳减排策略和土地利用管制规划，提升农业生产效率，优化农业种植结构，加强区域联动，推进低碳农业协同发展。

关键词：长江经济带；耕地碳排放；时空格局；空间自相关；LMDI 模型中图分类号：F323；X22文献标识码：A文章编号：0439-8114（2024）02-0001-07DOI:10.14088/ki.issn0439-8114.2024.02.001开放科学（资源服务）标识码（OSID ）：Spatiotemporal pattern evolution and influencing factors of carbon emissions from arableland in the Yangtze River Economic BeltLIU Xuan a ，SUN Yan a ，MA Jing a ，ZHANG Tian-wang b ，CHEN Fu a（a.College of Public Management ；b.College of Energy and Electrical Engineering ，Hohai University ，Nanjing 211100，China ）Abstract ：To clarify the green utilization of arable land ，the IPCC carbon emission coefficient method was used to calculate the carbon emissions of arable land in 129prefecture-level cities of the Yangtze River Economic Belt from 2000to 2020.Spatial autocorrelation analysis was used to reveal the spatiotemporal evolution of arable land carbon emissions ，and the LMDI model was used to decompose the contributions of various influencing factors.The results showed that from 2000to 2020，the carbon emissions from arable land inthe Yangtze River Economic Belt showed a downward trend over time ，showing four stages ，such as “maintaining stability —rapid growth —slow growth —slow decline ”.In terms of space ，there was a trend of high in the middle and east and low in the west ，with sig⁃nificant global spatial autocorrelation.Local high-high clustering areas were distributed in the middle and lower reaches of the YangtzeRiver ，low-high clustering areas were distributed in the middle reaches ，and low-low clustering areas were mainly distributed in theupstream area.The promoting factor for agricultural carbon emissions within the region was the level of agricultural economy ，while the inhibiting factor was mainly agricultural production efficiency ，followed by agricultural production structure ，and finally the scale of agricultural labor force.Therefore ，there was a significant spatiotemporal difference in carbon emissions from arable land in the Yang⁃tze River Economic Belt.Each region should develop carbon reduction strategies and land use control plans according to local condi⁃tions ，improve agricultural production efficiency ，optimize agricultural planting structure ，strengthen regional linkage ，and promote the coordinated development of low-carbon agriculture.Key words ：Yangtze River Economic Belt ；carbon emissions from arable land ；spatial-temporal pattern ；spatial autocorrelation ；LMDI model湖北农业科学2024年当前，人类生存环境与生态安全受到全球气候变化和极端气候严重影响，消减温室气体排放迫在眉睫。

第３４卷第６期２０１４年１２月水土保持通报Ｂｕｌｌｅｔｉｎ　ｏｆ　Ｓｏｉｌ　ａｎｄ　Ｗａｔｅｒ　ＣｏｎｓｅｒｖａｔｉｏｎＶｏｌ．３４，Ｎｏ．６Ｄｅｃ．，２０１４ 收稿日期：２０１３－１０－３１ 修回日期：２０１３－１２－１０ 资助项目：国家自然科学基金项目“富铝土—有机污染物相互作用中自由基的产生、稳定及迁移”（４１２７３１３８）；国家自然科学基金优秀青年项目（４１２２２０２５） 作者简介：包承宇（１９８８—），男（汉族），云南省昆明市人，硕士研究生，研究方向为土壤资源和地理信息系统。

Ｅ－ｍａｉｌ：ｖｉｐｂｃｙ１２２６＠ｑｑ．ｃｏｍ。

通信作者：潘波（１９７６—），男（汉族），湖北省枝江市人，博士，教授，主要从事土壤环境中污染物行为研究。

Ｅ－ｍａｉｌ：ｐａｎｂｏｃａｉ＠ｇｍａｉｌ．ｃｏｍ。

云南省土壤有机碳储量估算及空间分布包承宇，曾和平，张梦妍，李浩，潘波（昆明理工大学环境科学与工程学院，云南昆明６５０５００）摘　要：根据云南省第二次土壤普查资料，采用土壤类型法估算了云南省主要土壤类型的有机碳（ＳＯＣ）密度和储量，并对云南省土壤有机碳密度的空间分布差异和影响土壤有机碳储量的主要因子进行了分析。

结果表明，云南省０—２０ｃｍ土层平均ＳＯＣ密度为５９．７７ｔ／ｈｍ２，ＳＯＣ储量为２．３０×１０９　ｔ；０—１００ｃｍ土层平均ＳＯＣ密度为１５９．９５ｔ／ｈｍ２，ＳＯＣ储量为６．１５×１０９　ｔ，占全国储量的７．２８％，占全球陆地生态系统ＳＯＣ储量的０．４１％；其中ＳＯＣ储量占前４位的土壤类型为红壤、黄棕壤、赤红壤、棕壤，不同深度下４者之和约占云南省总储量的６０％。

在土壤有机碳密度空间分布上，ＳＯＣ密度分布最高的区域为云南省西北部和东北部地区，其次是西部的横断山脉和东部的云南高原地区，而以紫色土为主的中北部地区ＳＯＣ密度则最低。

由于降雨量、温度、海拔和土地利用类型的共同影响，导致了区域内的ＳＯＣ密度分布不均，其中降雨量、温度和海拔等自然因素是影响ＳＯＣ密度分布的主要因子。

doi:10.3969/j.issn.2095-1329.2023.04.024基于InVEST-PLUS模型的碳储量时空变化与多情景模拟预测——以江西省为例陈竹安1,2，柳 雪1（1.东华理工大学 测绘与空间信息工程学院，江西•南昌 330013；2.东华理工大学自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室，江西•南昌 330013）摘 要：为分析江西省土地利用变化特征及其对生态系统碳储量的影响，以江西省2000-2020年土地类型数据为基础，运用PLUS模型预测江西省2030年自然发展情景、生态保护情景与经济发展情景下的土地类型分布，结合InVEST模型评估江西省2000—2030年的碳储量，并基于土地利用程度和碳储量做双变量空间自相关分析。

（1）三种情景中，自然发展情景和经济发展情景的土地利用变化趋势都是耕、林地下降，草地、水域和建设用地上升；生态保护情景中林地相较于2020年并无增减，草地、水域和建设用地增长也趋于放缓。

（2）江西省2000年、2010年、2020年碳储量分别为1937.69×106 t、1928.90×106 t 和1914.83×106 t，处于不断减少的趋势。

（3）土地利用程度综合指数与碳储量双变量Moran’s I值都为正，表明土地利用变化与碳储量的高低密切相关。

林地是江西省陆地生态系统碳储量最重要的贡献土地类型，在限制林地转出的生态保护情景中，碳储量的损失风险显著降低，因此为实现“绿色江西”，需要着重保护林地，盘活利用建设用地，优化土地利用结构与布局等措施来保障。

关键词：土地利用变化；多情景模拟；碳储量；PLUS模型；InVEST模型中图分类号：X87 文献标志码：A 文章编号：2095-1329(2023)04-0146-08土地利用变化通过改变生态系统的结构、功能、小气候状况以及理化性质等来影响生态系统碳循环过程，进而影响生态系统的碳储存与碳排放[1]。

第４０卷第２４期２０２０年１２月生态学报ＡＣＴＡＥＣＯＬＯＧＩＣＡＳＩＮＩＣＡＶｏｌ．４０，Ｎｏ．２４Ｄｅｃ．，２０２０基金项目：国家重点研发计划支持项目（２０１８ＹＦＣ０７０４７０１）；天津市科技发展战略研究计划项目（１９ＺＬＺＸＺＦ００３２０）；天津市教委社科重大项目（２０１８ＪＷＺＤ４６）收稿日期：２０２０⁃０３⁃０３；㊀㊀网络出版日期：２０２０⁃１１⁃０５∗通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅ⁃ｍａｉｌ：ｗａｎｇｒｕｉ＿１９８５＠ｔｊｕ．ｅｄｕ．ｃｎＤＯＩ：１０．５８４６／ｓｔｘｂ２０２００３０３０３８９张赫，彭千芮，王睿，强文丽，张建勋．中国县域碳汇时空格局及影响因素．生态学报，２０２０，４０（２４）：８９８８⁃８９９８．ＺｈａｎｇＨ，ＰｅｎｇＱＲ，ＷａｎｇＲ，ＱｉａｎｇＷＬ，ＺｈａｎｇＪＸ．ＳｐａｔｉｏｔｅｍｐｏｒａｌｐａｔｔｅｒｎｓａｎｄｆａｃｔｏｒｓｉｎｆｌｕｅｎｃｉｎｇｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０２０，４０（２４）：８９８８⁃８９９８．中国县域碳汇时空格局及影响因素张㊀赫１，彭千芮１，王㊀睿１，∗，强文丽２，张建勋１１天津大学建筑学院，天津㊀３０００７２２兰州大学资源环境学院，兰州㊀７３００００摘要：以全国１３００个县级行政单位作为研究对象，利用全国县域尺度土地利用数据和社会经济数据，核算了１９９０ ２０１５年间中国县域碳汇总量，并结合标准差椭圆㊁空间自相关㊁冷热点分析和地理加权回归分析方法，探析中国县域碳汇的时空分异特征及影响因素，旨在为优化国土空间开发格局，实施差异化减排路径及推动生态文明建设提供参考㊂研究表明：（１）时空变化上，１９９０ ２０１５年中国碳汇总量呈波动下降趋势，由１３３０７．７９ˑ１０４ｔ下降至１３１９８．２７ˑ１０４ｔ；林地为主要碳汇类型，其余碳汇类型比例结构基本不变；在空间分布上，中国县域碳汇呈现 西部＞东北＞南部＞中部 的 西高东低 格局㊂（２）在空间分异和聚集上，碳汇空间分布中心向西南移动，分布范围呈收缩态势，西南地区对整体碳汇空间格局影响作用加强；１９９０ ２０１５年中国县域碳汇总量的冷热点集聚程度呈现波动稳定特征，空间集聚程度呈现高值与低值聚集，高－低区域零星分布的特征㊂（３）从影响因素分析来看，２０１５年经济发展㊁产业结构㊁土地利用程度对碳汇产生影响并存在空间异质性㊂建议通过合理规划县域非建设用地的土地利用方式㊁差异性制定各区域内策略㊁控制建设用地规模等方式达到县域的低碳发展㊂关键词：碳汇；时空格局；影响因素；县域；中国ＳｐａｔｉｏｔｅｍｐｏｒａｌｐａｔｔｅｒｎｓａｎｄｆａｃｔｏｒｓｉｎｆｌｕｅｎｃｉｎｇｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａＺＨＡＮＧＨｅ１，ＰＥＮＧＱｉａｎｒｕｉ１，ＷＡＮＧＲｕｉ１，∗，ＱＩＡＮＧＷｅｎｌｉ２，ＺＨＡＮＧＪｉａｎｘｕｎ１１ＳｃｈｏｏｌｏｆＡｒｃｈｉｔｅｃｔｕｒｅ，ＴｉａｎｊｉｎＵｎｉｖｅｒｓｉｔｙ，Ｔｉａｎｊｉｎ３０００７２，Ｃｈｉｎａ２ＣｏｌｌｅｇｅｏｆＥａｒｔｈａｎｄＥｎｖｉｒｏｎｍｅｎｔａｌＳｃｉｅｎｃｅ，ＬａｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｌａｎｚｈｏｕ７３００００，ＣｈｉｎａＡｂｓｔｒａｃｔ：１３００ｃｏｕｎｔｙ⁃ｌｅｖｅｌａｄｍｉｎｉｓｔｒａｔｉｖｅｕｎｉｔｓａｃｒｏｓｓＣｈｉｎａｗｅｒｅｃｏｎｓｉｄｅｒｅｄｆｏｒｔｈｅｓｔｕｄｙ．Ｃｏｕｎｔｙ⁃ｌｅｖｅｌｌａｎｄｕｓａｇｅｄａｔａａｎｄｓｏｃｉｏｅｃｏｎｏｍｉｃｄａｔａｗｅｒｅｕｓｅｄｔｏｃａｌｃｕｌａｔｅｔｈｅｔｏｔａｌｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａｆｒｏｍ１９９０ｔｏ２０１５．Ｃｏｍｂｉｎｉｎｇｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎｅｌｌｉｐｓｅ，ｓｐａｔｉａｌａｕｔｏｃｏｒｒｅｌａｔｉｏｎ，ｃｏｌｄ⁃ｈｏｔｓｐｏｔａｎａｌｙｓｉｓ，ａｎｄｇｅｏｇｒａｐｈｉｃｗｅｉｇｈｔｅｄｒｅｇｒｅｓｓｉｏｎａｎａｌｙｓｉｓｍｅｔｈｏｄｓ，ｔｈｅｓｐａｔｉｏｔｅｍｐｏｒａｌｄｉｆｆｅｒｅｎｔｉａｔｉｏｎｃｈａｒａｃｔｅｒｉｓｔｉｃｓａｎｄｆａｃｔｏｒｓｉｎｆｌｕｅｎｃｉｎｇｔｈｅｓｅｃａｒｂｏｎｓｉｎｋｓｗｅｒｅｅｘｐｌｏｒｅｄ．ＴｈｉｓｓｔｕｄｙａｉｍｓｔｏｐｒｏｖｉｄｅａｒｅｆｅｒｅｎｃｅｆｏｒｏｐｔｉｍｉｚｉｎｇＣｈｉｎａᶄｓｌａｎｄｄｅｖｅｌｏｐｍｅｎｔｐａｔｔｅｒｎｓｔｏｉｍｐｌｅｍｅｎｔｄｉｆｆｅｒｅｎｔｉａｔｅｄｅｍｉｓｓｉｏｎｒｅｄｕｃｔｉｏｎｐａｔｈｓａｎｄｐｒｏｍｏｔｅｔｈｅｅｓｔａｂｌｉｓｈｍｅｎｔｏｆａｎｅｃｏｌｏｇｉｃａｌｃｉｖｉｌｉｚａｔｉｏｎ．Ｔｈｅｒｅｓｅａｒｃｈｓｈｏｗｓｔｈａｔ：（１）Ｉｎｔｅｒｍｓｏｆｓｐａｔｉｏｔｅｍｐｏｒａｌｃｈａｎｇｅｓ，Ｃｈｉｎａᶄｓｃａｒｂｏｎｓｉｎｋｓｓｈｏｗｅｄａｄｅｃｌｉｎｉｎｇｔｒｅｎｄｆｒｏｍ１９９０ｔｏ２０１５，ｗｉｔｈａｒｅｄｕｃｔｉｏｎｉｎｃａｒｂｏｎｆｒｏｍ１３３０７７９００ｔｏｎｓｔｏ１３１９８２７００ｔｏｎｓ．Ｆｏｒｅｓｔｌａｎｄｗａｓｔｈｅｐｒｉｍａｒｙｔｙｐｅｏｆｃａｒｂｏｎｓｉｎｋ，ａｎｄｔｈｅｐｒｏｐｏｒｔｉｏｎｏｆｔｈｅｒｅｍａｉｎｉｎｇｔｙｐｅｓｗｅｒｅｂａｓｉｃａｌｌｙｕｎｃｈａｎｇｅｄ．Ｉｎｔｅｒｍｓｏｆｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎ，ｔｈｅｃａｒｂｏｎｓｉｎｋｓｗｅｒｅｇｅｎｅｒａｌｌｙｇｒｅａｔｅｒｉｎｔｈｅｗｅｓｔｔｈａｎｉｎｔｈｅｅａｓｔ，ｆｏｌｌｏｗｉｎｇａｗｅｓｔ＞ｎｏｒｔｈｅａｓｔ＞ｓｏｕｔｈ＞ｍｉｄｄｌｅｐａｔｔｅｒｎ．（２）Ｄｕｒｉｎｇｔｈｅｒｅｓｅａｒｃｈ，ｔｈｅｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｃｅｎｔｅｒｏｆｔｈｅｃａｒｂｏｎｓｉｎｋｓｗａｓｍｏｖｉｎｇｔｏｔｈｅｓｏｕｔｈｗｅｓｔ，ａｎｄｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｒａｎｇｅｗａｓｓｈｒｉｎｋｉｎｇ．Ｔｈｅｉｎｆｌｕｅｎｃｅｏｆｔｈｅｓｏｕｔｈｗｅｓｔｒｅｇｉｏｎｏｎｔｈｅｏｖｅｒａｌｌｓｐａｔｉａｌｐａｔｔｅｒｎｏｆｔｈｅｃａｒｂｏｎｓｉｎｋｓｗａｓｓｔｒｅｎｇｔｈｅｎｅｄ．Ｆｒｏｍ１９９０ｔｏ２０１５，ｔｈｅｄｅｇｒｅｅｏｆｃｏｌｄａｎｄｈｏｔｓｐｏｔａｇｇｌｏｍｅｒａｔｉｏｎｏｆｔｈｅｃａｒｂｏｎｓｉｎｋｓｓｈｏｗｅｄａｓｔａｂｌｅｆｌｕｃｔｕａｔｉｏｎ．Ｔｈｅｓｐａｔｉａｌａｇｇｌｏｍｅｒａｔｉｏｎｓｈｏｗｅｄｃｌｕｓｔｅｒｓｏｆｈｉｇｈ⁃ｖａｌｕｅａｎｄｌｏｗ⁃ｖａｌｕｅｎｕｍｂｅｒｓ，ａｎｄｓｐｏｒａｄｉｃｄｉｓｔｒｉｂｕｔｉｏｎｏｆｈｉｇｈａｎｄｌｏｗｒｅｇｉｏｎｓ．（３）Ｂｙａｎａｌｙｚｉｎｇｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓｉｎ２０１５，ｅｃｏｎｏｍｉｃｄｅｖｅｌｏｐｍｅｎｔ，ｉｎｄｕｓｔｒｉａｌｓｔｒｕｃｔｕｒｅ，ａｎｄｌａｎｄｕｓａｇｅ，ａｌｌｄｅｍｏｎｓｔｒａｔｅｄｉｍｐａｃｔｓｏｎｃａｒｂｏｎｓｉｎｋｓ，ｉｎｄｉｃａｔｉｎｇｓｐａｔｉａｌｈｅｔｅｒｏｇｅｎｅｉｔｙ．Ｉｔｉｓｒｅｃｏｍｍｅｎｄｅｄｔｏｉｎｃｒｅａｓｅｃａｒｂｏｎｓｉｎｋｓａｎｄｒｅｄｕｃｅｅｍｉｓｓｉｏｎｓａｔｃｏｕｎｔｙ⁃ｌｅｖｅｌｂｙｐｒｏｐｅｒｐｌａｎｎｉｎｇｏｆｌａｎｄｕｓａｇｅｆｏｒｎｏｎ⁃ｃｏｎｓｔｒｕｃｔｉｏｎｌａｎｄ，ｆｏｒｍｕｌａｔｉｎｇｓｔｒａｔｅｇｉｅｓｆｏｒｉｎｃｒｅａｓｉｎｇｃａｒｂｏｎｓｉｎｋｓａｎｄｒｅｄｕｃｉｎｇｅｍｉｓｓｉｏｎｓｆｏｒｖａｒｉｏｕｓｒｅｇｉｏｎｓ，ａｎｄｃｏｎｔｒｏｌｌｉｎｇｔｈｅｅｘｔｅｎｔｏｆｌａｎｄｕｓｅｄｆｏｒｃｏｎｓｔｒｕｃｔｉｏｎ．ＫｅｙＷｏｒｄｓ：ｃａｒｂｏｎｓｉｎｋｓ；ｓｐａｔｉｏｔｅｍｐｏｒａｌｐａｔｔｅｒｎ；ｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓ；ｃｏｕｎｔｙ；Ｃｈｉｎａ土地利用／覆被变化深刻作用于陆地生态系统的碳循环，对全国和区域气候变化产生了举足轻重的影响［１］㊂１９８０年到２００５年间，由于土地利用方式的转变，我国人为源排放量由陆地生态系统存储的３倍增长到１０倍，生态环境恶化明显［２］㊂同时，作为全球温室气体排放的大国，我国２０１９年全球温室气体排放量高居首位㊂事实上，我国承诺到２０２０年碳排放强度比２００５年下降４０％ ４５％［３］㊂县域作为城乡土地增减挂钩的直接单元［４］，其非建设用地的土地利用方式对大气温室气体含量的调节作用不容忽视，利用其碳贮存量增加而产生减排效果，对推动我国城乡控碳减排有极大意义［５］㊂在此背景下，加强对我国县域非建设用地碳汇规模与规律研究，对构建基于低碳导向的国土空间组织体系，优化国土空间开发格局，实施差异化减排，增强生态系统固碳能力具有重要的理论和现实意义㊂随着碳中和（ｃａｒｂｏｎｎｅｕｔｒａｌ）概念的提出， 碳汇 指个人或组织等以碳中和方式向从事 碳中和 业务的中介机构支付基金，最后以植树等形式用于碳减排的过程和机制［６⁃７］㊂通过改变非建设用地的土地利用／覆被方式，对其进行合理的开发利用，可以降低土地利用碳排放占人为碳排放的比例，将此时的土地利用变化发挥出碳汇作用［８］㊂迄今为止，国内外学者针对土地利用碳源／汇相关研究主要集中于以下三个方面：首先，通过构建计算模型对碳汇／源进行总量计算和效应评估来探析不同区域的碳汇时空特征㊂Ｎａｉｐａｌ等［９］通过建立土壤侵蚀模型，研究了在一定时期内土地利用变化下莱茵河流域的碳循环特征；彭文甫等［１０］构建了碳排放㊁碳足迹等模型计算并分析四川省土地利用碳汇的时空变化特征㊂其次，研究土地利用方式转变对碳汇的影响㊂裴杰等［１１］利用地理信息技术分析了深圳市土地利用／覆被变化情况及其导致的碳效应变化；张海凤和崔桂善［１２］通过总结不同中碳收支的特点对土地覆被类型转化下的碳源／汇变化的影响进行了分析，罗谷松和李涛［１３］运用ＳｕｐｅｒＳＢＭ⁃ｕｎｄｅｓｉｒａｂｌｅＤＥＡ等方法分析了碳排放影响下中国省域土地利用效率的影响因素㊂第三，探究影响土地利用碳源／汇的相关因素以及对应的控碳减排策略㊂李小康等［１４］通过分析土地利用结构及碳排放的变化发现控制建设用地总量对控碳减排意义重大；Ｃｈｅｎ等［１５］结合涡度协方差法分析发现气候带类型和植树造林是影响碳封存的主要因素㊂纵观现有研究成果，研究尺度主要集中于国家㊁区域和省域层面，对县域的研究相对缺乏，已有研究中仅赵荣钦等［１６⁃１７］对中原经济区和河南省的县域碳收支状况进行了核算和分析㊂县域作为中国经济社会发展的基本单元，开展碳汇在其尺度下的时空变化特征和影响因素的分析，对评估县级尺度的生态状况以及推动区域低碳协调发展意义重大㊂基于此，针对全国县域，基于全国土地利用数据（１９９０ ２０１５），运用标准差椭圆分析方法㊁空间自相关分析方法和地理加权回归分析方法，着重研究：①中国县域碳汇随时间变化的特征；②中国县域碳汇的空间分异格局；③中国县域碳汇的时空变化规律和影响因素㊂１㊀研究区域与数据来源１．１㊀研究区域按照中国现行的行政区划，县级行政区包括地级市的市辖区㊁县级市㊁县㊁自治县㊁旗㊁自治旗㊁林区㊁特区等８种㊂由于地级市的市辖区㊁县级市以及部分特区的土地利用以城镇建设用地为主，其功能主要体现在碳排放上而固碳能力较低，所以不在讨论的范围内㊂综上，通过筛选最后选定包含县㊁自治县㊁旗㊁自治旗㊁林区９８９８㊀２４期㊀㊀㊀张赫㊀等：中国县域碳汇时空格局及影响因素㊀０９９８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀在内的１３３０个县级行政单位㊂１．２㊀数据来源土地利用数据来源于中国科学院资源环境科学数据中心（ｈｔｔｐ：／／ｗｗｗ．ｒｅｓｄｃ．ｃｎ），是以１９９０ ２０１５年６期ＬａｎｄｓａｔＴＭ／ＥＴＭ遥感影像为主要数据源，通过人工目视解译获取㊂通过ＡｒｃＧＩＳ１０．２，用２０１８年中国县域矢量行政边界裁剪，经过重采样为１ｋｍ的全国６期土地利用数据；应用ＥＮＶＩ４．８对土地利用数据进行编码和归类，将土地利用类型划分为林地㊁草地㊁水域㊁未利用地４大类㊁１３小类㊂耕地的农作物通过光合作用吸收空气中的ＣＯ２，但绝大多数农作物在短期内又通过呼吸作用释放到空气中去，农作物生物量作为碳汇的效果不明显［１８］，因此不在本文进行讨论㊂全国县域国民生产总值㊁产业结构等数据来源于２０１５年‘中国城市统计年鉴“㊁‘区域经济统计年鉴“㊁相关地市级统计年鉴及环境统计公报等㊂２㊀计算与研究方法２．１㊀计算方法土地利用的碳汇估算主要涉及耕地㊁林地㊁草地㊁水域和未利用地的碳汇㊂耕地作为碳源［１８］，在本文中不进行研究；林地㊁草地㊁水域和未利用地为碳汇，为主要研究对象㊂因此，碳汇估算模型可表达如下：Ｃｓ＝ðｓｉ＝ðｎｉ＝１Ａｉαｉ（１）式中，Ｃｓ为碳汇量，ｓｉ为第ｉ种土地利用类型产生的碳汇量；Ａｉ为第ｉ种土地利用类型（林地㊁草地㊁水域㊁未利用地）面积，αｉ为第ｉ种土地利用类型的碳汇系数㊂２．１．１㊀碳汇系数的确定碳汇系数根据不同用地类型，通过跟踪国内外期刊的研究成果进行确定（表１）㊂将林地按照郁闭度大小分为有林地㊁灌木林㊁疏林地和其他林地４种类型㊂将草地按照覆盖度大小分为高覆盖度草地㊁中覆盖度草地和低覆盖度草地３种类型㊂将我国水域分为河渠㊁湖泊㊁水库坑塘㊁滩涂和滩地５种类型㊂未利用地指我国还未利用的土地或难以利用的土地类型，包括沙地㊁戈壁㊁盐碱地㊁沼泽地㊁裸土地㊁裸岩石质地和其他未利用地等㊂我国未利用地有的是碳汇㊁有的是碳排放，但都较弱，根据赖力等［２３］的研究，取未利用地碳汇系数为０．０００５ｔｈｍ－２ａ－１㊂表１㊀土地利用类型及对应的碳汇系数Ｔａｂｌｅ１㊀Ｃａｒｂｏｎｓｉｎｋｃｏｅｆｆｉｃｉｅｎｔｏｆｌａｎｄ⁃ｕｓｅｔｙｐｅ土地利用类型ＲｅｆｅｒｅｎｃｅｓＣｏｅｆｆｉｃｉｅｎｔ参考来源Ｌａｎｄ⁃ｕｓｅｔｙｐｅ碳汇系数林地Ｗｏｏｄｌａｎｄ有林地０．８７ｔｈｍ－２ａ－１Ｆａｎｇ等［１９］㊁Ｔａｎｇ等［２０］灌木林０．２３ｔｈｍ－２ａ－１疏林地０．５８ｔｈｍ－２ａ－１其他林地０．２３２７ｔｈｍ－２ａ－１草地Ｇｒａｓｓ高覆盖度草地０．１３８ｔｈｍ－２ａ－１Ｐｉａｏ等［２１］㊁方精云等［１８］中覆盖度草地０．０４６ｔｈｍ－２ａ－１低覆盖度草地０．０２１ｔｈｍ－２ａ－１水域Ｗａｔｅｒ河渠０．６７１ｔｈｍ－２ａ－１孔东升和张灏［２２］湖泊０．３０３ｔｈｍ－２ａ－１水库坑塘０．３０３ｔｈｍ－２ａ－１滩涂０．５６７ｔｈｍ－２ａ－１滩地０．５６７ｔｈｍ－２ａ－１未利用地Ｕｎｕｓｅｄｌａｎｄ未利用地０．０００５ｔｈｍ－２ａ－１赖力等［２３］２．１．２㊀碳汇强度考虑到用地面积大小对碳汇总量的影响，本文构建碳汇强度的概念来对单位土地碳汇能力进行衡量，并且就碳汇强度进行局部自相关分析㊂碳汇强度计算公式如下：Ｃｐ＝Ｃｓ／Ｓｕ（２）式中，Ｃｐ为碳汇强度；Ｃｓ为碳汇总量（ˑ１０４ｔ），Ｓｕ为非建设用地面积㊂２．２㊀研究方法２．２．１㊀标准差椭圆分析法基于ＡｒｃＧＩＳ１０．２的空间分析功能，采用标准差椭圆分析方法［２４］对全国整体的碳汇在空间位置的分布情况进行分析㊂椭圆的长轴表征数据集分布的主要方向，其面积表征数据集分布的集聚（分散）程度㊂２．２．２㊀空间相关分析法基于ＡｒｃＧＩＳ１０．２的局部空间自相关分析功能，使用空间联系局域指标（ＬｏｃａｌＩｎｄｉｃａｔｏｒｓｏｆＳｐａｔｉａｌＡｓｓｏｃｉａｔｉｏｎ，ＬＩＳＡ）对区域整体相关程度进行衡量［２５⁃２６］：当ＭｏｒａｎᶄｓＩ为正数时，表示碳汇量在空间上呈集聚分布；当ＭｏｒａｎᶄｓＩ为负数时，表示碳汇量在空间上呈分散分布㊂冷点与热点的识别能进一步讨论的空间分布是聚集㊁分散或是随机的，目的是识别全国县域碳汇热点与冷点的空间分布㊂在ＡｒｃＧＩＳ中，采用Ｇｅｔｉｓ⁃ＯｒｄＧ∗统计量测度全国县域碳汇在局部空间的依赖性及异质性，Ｇｉ∗（ｄ）值为正表示高值聚类，即 热点区 ；反之为低值聚类，即 冷点区 ［２７⁃２８］㊂２．２．３㊀地理加权回归分析法地理加权回归分析（ＧｅｏｇｒａｐｈｉｃａｌｌｙＷｅｉｇｈｔｅｄＲｅｇｒｅｓｓｉｏｎ，ＧＷＲ），可以量化反映空间数据关系中的异质性特征，与传统回归模型相比，可以对不同空间进行局部地加权回归模型，并求解［２９］㊂县域碳汇的空间异质性是应用地理加权回归模型进行分析的前提条件，采用ＡＩＣ法与核密度估计求得带宽，利用高斯函数来确定权重，选取Ｆｏｔｈｅｒｉｎｇｈａｍ等提出的方法作为计算准则，即当ＡＩＣ值取最小值时，则此时的带宽为最佳带宽［３０］㊂以上所有操作均通过ＡｒｃＧＩＳ１０．２软件完成㊂３㊀中国县域碳汇时空分布特征３．１㊀１９９０ ２０１５中国县域碳汇的时序变化３．１．１㊀时序变化总体特征１９９０ ２０１５年中国碳汇总量呈波动下降趋势，碳汇量从１３３０７．７９ˑ１０４ｔ下降至１３１９８．２７ˑ１０４ｔ（图１）㊂可以将净碳汇总量的变化划分为３个阶段，即大幅下降⁃上升⁃缓慢下降㊂具体表现为，１９９０ １９９５年间，碳汇呈现急剧下降的趋势，从１９９０年的１３３０７．７９ˑ１０４ｔ，至１９９５年达到１３００３．４１ˑ１０４ｔ的谷值；之后近１０年内回升，到２００５年，碳汇达到１３２３１．４６ˑ１０４ｔ；随后缓慢下落，到２０１５年达到１３１９８．２７ˑ１０４ｔ㊂图１㊀１９９０ ２０１５年中国碳汇总量及比重Ｆｉｇ．１㊀ＴｏｔａｌｃａｒｂｏｎｓｉｎｋｖｏｌｕｍｅａｎｄｐｒｏｐｏｒｔｉｏｎｉｎＣｈｉｎａ，１９９０ ２０１５１９９８㊀２４期㊀㊀㊀张赫㊀等：中国县域碳汇时空格局及影响因素㊀３．１．２㊀时序变化比例结构碳汇类型主要以林地碳汇为主，占比约８０％，依次是草地（约１３．５％）㊁水域（约４．０％）和未利用地（约２．５％）（图１）㊂进一步对不同碳汇类型的比例结构展开分析，虽然比例结构大体没变，但在演变趋势上略有不同，高覆盖度草地㊁滩地碳汇都在１９９５年达到最低值，并在之后的年份里回升；滩涂㊁疏木林㊁沼泽地的碳汇均呈现先上升再波动下降的趋势；而其他类型的碳汇则呈现波动维稳的状态㊂３．２㊀１９９０ ２０１５中国县域碳汇的空间格局图２㊀１９９０ ２０１５年中国县域碳汇空间分布Ｆｉｇ．２㊀ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａ，１９９０ ２０１５３．２．１㊀空间总体格局从全国县域碳汇空间分布来看（图２），１９９０ ２０１５年间，中国县域碳呈现差异化分布的空间格局，在区域上［３１］呈现不同的变化趋势㊂从碳汇总量来看，全国县域碳汇大致呈现 西部＞东北＞南部＞中部 的 西高东低 格局；碳汇低值区域主要集中在新疆西北部㊁内蒙古西南部㊁甘肃㊁陕西㊁宁夏㊁山西㊁河北㊁河南㊁山东㊁安徽以及江苏北部；而碳汇高值区域主要集中于内蒙古东北部㊁西藏㊁浙江㊁江苏㊁福建地区；四川㊁云南㊁贵州广西等地碳汇高值与低值区域相间分布㊂分时段看，１９９０ １９９５年间，碳汇空间格局有所变化，内蒙古中部㊁西藏北部碳汇均有所下降；１９９５ ２０１５年间，内蒙古中部㊁西藏北部碳汇量回升，四川西北部碳汇增加㊂整体上看，我国内蒙古中部㊁黑龙江㊁吉林㊁辽宁㊁山东㊁河南㊁安徽等地碳汇总量下降较多，而新疆南部㊁陕西㊁陕西以及我国华中㊁华南㊁西南部分地区的碳汇则呈上升趋势㊂２９９８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀３．２．２㊀空间分异特征图３㊀１９９０ ２０１５年中国县域碳汇标准差椭圆㊀Ｆｉｇ．３㊀ＥｌｌｉｐｓｅｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎｏｆｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａ，１９９０ ２０１５从标准差椭圆方法揭示的空间分异格局来看（图３），碳汇整体以东北⁃西南的方向为主导，空间分布中心存在向西南移动的趋势，空间分布范围呈现收缩态势㊂在分异形状上，１９９１ ２０１１年，全国净碳汇空间分布标准差椭圆短轴与长轴的比值总体呈现出两阶段的规律，１９９０ ２０１０年间，全国净碳汇空间分布标准差椭圆短轴与长轴的比重呈现出增加的趋势，随后２０１０ ２０１５年间基本上保持不变，下降趋势极慢㊂在分异方向上，１９９０ ２０１５年间，全国碳汇空间分布标准差椭圆方位角在波动中呈现总体增长的趋势（表２）㊂１９９０ １９９５年，方位角不断缩小，西南部地区对全国碳汇空间格局的影响作用加强；１９９５ ２０００年，方位角不断增大，东北地区对全国净碳汇空间格局的影响作用加强；２０００ ２００５年，方位角不断缩小，随后保持不变，西南部地区的碳汇量对全国碳汇空间格局的影响作用加强后，趋于平稳㊂表２㊀１９９０ ２０１５年中国县域碳汇标准差椭圆测算结果Ｔａｂｌｅ２㊀ＥｌｌｉｐｓｅｃａｌｃｕｌａｔｉｏｎｒｅｓｕｌｔｓｏｆｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎｏｆｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａ，１９９０ ２０１５年份Ｙｅａｒ中心坐标经度Ｃｅｎｔｅｒｃｏｏｒｄｉｎａｔｅｌｏｎｇｉｔｕｄｅ／（ʎ）中心坐标纬度Ｃｅｎｔｅｒｃｏｏｒｄｉｎａｔｅｌａｔｉｔｕｄｅ／（ʎ）短半轴Ｓｈｏｒｔｓｅｍｉ⁃ａｘｉｓ／ｋｍ长半轴Ｌｏｎｇｓｅｍｉ⁃ａｘｉｓ／ｋｍ方位角Ａｚｉｍｕｔｈ／（ʎ）短轴／长轴Ｓｈｏｒｔａｘｉｓ／ｌｏｎｇａｘｉｓ１９９０１１１．７４８９７３０．１９８１０８．２１６８７１２．３６７５５６１．７２９１６０．６６４３８９１９９５１１１．７５５４１３０．０４０４６８．１６５８３１２．１８２３７６０．９９１２８０．６７０２９９２０００１１１．６８４８５３０．１１０６０８．２２６１８１２．２４７６１６３．１０３７６０．６７１６５６２００５１１１．６７９０２３０．１３５５８８．２３１７３１２．２４７８９６２．７９７５７０．６７２０９４２０１０１１１．６７３３０３０．１４０５４８．２２５８２１２．２４３００６２．７９２１７０．６７１８８２０１５１１１．６６５８７３０．１４７５３８．２２４６６１２．２４８０７６２．７６９５４０．６７１５０７３．２．３㊀空间聚集特征从冷热点的空间分布变化看（图４），中国县域碳汇总量的冷热点空间分布集聚程度呈现波动稳定的特征㊂整体上看，碳汇总量热点以黑龙江㊁内蒙古北部，西藏南部和广东㊁湖南交界处为中心，在其周围呈连片分布；碳汇总量冷点在山西㊁陕西㊁河北㊁河南㊁安徽㊁江苏等地连片分布，并且在四川㊁重庆和贵州交界处有少量分布㊂在时空上，１９９０ １９９５年间，我国西部的碳汇总量热点从西藏藏族自治区的尼玛县㊁双湖县和改则县消失，演变为围绕西藏南部的加查县㊁那曲县㊁班戈县等地分布的格局；１９９５ ２０００年，我国西部的碳汇总量的热点逐渐变化为１９９０年的格局特征，并在２０００ ２０１５年间保持较为平稳的态势㊂１９９０ ２０１５年，我国东南部碳汇总量热点呈现先扩大再逐渐缩小的过程；１９９０ １９９５年，我国东南部碳汇热点区域呈现向湖南桂阳县㊁嘉禾县㊁临武县等地聚集特征，热点分布范围有扩大趋势；１９９５ ２０１５，我国西南部碳汇总量热点分布范围逐年缩小㊂１９９０ ２０００年间，我国东北部碳汇总量热点区域不断缩小，体现在内蒙古阿鲁科尔㊁巴林右旗㊁克什克腾㊁扎鲁特旗等地逐渐退出碳汇总量热点区；２０００ ２０１５年，我国东北部碳汇总量热点区域逐渐扩大㊂从我国县域碳汇总量冷热点的时空分布可以看出，我国碳汇总量整体格局是西南㊁东南㊁东北多，中部少，空间集聚性和整体分布波动维稳㊂从局部空间自相关来看（图５），中国县域碳汇强度的空间集聚程度变化不明显，具有高值与低值聚集，３９９８㊀２４期㊀㊀㊀张赫㊀等：中国县域碳汇时空格局及影响因素㊀图４㊀１９９０ ２０１５年中国县域碳汇的热点分析Ｆｉｇ．４㊀ＴｈｅｏｆｈｏｔｓｐｏｔａｎａｌｙｓｉｓｏｆｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａ，１９９０２０１５图５㊀１９９０ ２０１５年中国县域碳汇强度的ＬＩＳＡ集聚图Ｆｉｇ．５㊀ＬＩＳＡｃｌｕｓｔｅｒｍａｐｏｆｐｅｒｃａｐｉｔａｃｏｕｎｔｙｃａｒｂｏｎｓｉｎｋｓｉｎＣｈｉｎａ，１９９０ ２０１５高⁃低区域零星分布的特点㊂其中，碳汇强度高值区域集聚在湖南㊁江西㊁福建㊁浙江及云南㊁四川㊁黑龙江㊁吉林㊁辽宁的部分地区；碳汇强度低值区域集聚在新疆西北部㊁内蒙古西部，青海东部，以及宁夏㊁甘肃㊁山西㊁河北㊁山东㊁河南㊁安徽等地；高⁃低区域较稀少，零星分布于陕西㊁山西㊁河南及京津冀地区㊂对比中国县域碳汇总量的冷热点和中国县域碳汇强度的局部空间自相关时空分布，整体上看，我国东北４９９８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀部鄂伦春自治旗㊁漠河县㊁塔城县等地，东南部桂阳县㊁嘉禾县等地的碳汇总量与碳汇强度都出现了高值聚集的特征；而西藏加查县㊁那曲县等地的碳汇总量虽然呈现热点分布，但是碳汇强度却在低值聚类区域；而我国中部和东部沿海地区的陕西㊁江苏㊁河北等地的县域碳汇总量和碳汇强度等处于冷点和低值聚类区域㊂４㊀影响因素分析在对碳汇影响因素的研究中，大多数学者从气候条件㊁植被类型角度对碳汇能力进行分析㊂但本文在变量选取时主要考虑了以下两个方面：首先，本文在非建设用地的土地利用视角下对县域碳汇的空间分异进行研究，同时想要考察城镇化过程以及产业结构调整对我国的碳汇是否真正起到了促进作用；其次，地理加权回归方法对各个变量是否存在多重共线性要求较高，选取多个变量容易产生多重共线性，基于以上原因，本文重点选取了经济发展㊁产业结构和土地利用程度作为研究的解释变量㊂各解释变量的定义和选取理由：①经济发展：不同地区处于不同经济发展阶段，其经济发展水平也不同，经济发展带来大量的城市开发，碳汇也随之减少㊂用国民生产总值（ＧＤＰ）来表征地区经济发展㊂②产业结构：工业高排放与高污染的特征对环境的胁迫效应明显，要促进我国生态文明建设，产业结构升级和增汇同样重要㊂用工业产值占ＧＤＰ总量的比例表征产业结构㊂③土地利用程度：土地利用程度越低，碳汇通常更高，随着城市建设用地的扩张，碳汇量也会减少㊂用县域建设用地面积和县域总面积的比值表征土地利用程度㊂由于各个变量的量纲不同，因此对各个数据进行最大－最小值标准化处理，通过ＡｒｃＧＩＳ１０．２对我国１３３０个县域数据进行地理加权回归，回归结果为回归的整体结果输出，包括回归的拟合系数㊁最优带宽和ＡＩＣ值（表３）㊂表３㊀ＧＷＲ模型的整体估计结果Ｔａｂｌｅ３㊀ＯｖｅｒａｌｌｅｓｔｉｍａｔｉｏｎｒｅｓｕｌｔｓｏｆｔｈｅＧＷＲｍｏｄｅｌＲ２调整Ｒ２ＡｄｊｕｓｔｅｄＲ２残差平方和ＲｅｓｉｄｕａｌｓＳＳ带宽ＢａｎｄｗｉｄｔｈＡＩＣｃ０．５９０．５６１．３４３．４６－５４８６．６４㊀㊀ＲｅｓｉｄｕａｌｓＳＳ：残差平方和ＲｅｓｉｄｕａｌｓＳｕｍｏｆＳｑｕａｒｅｓ；ＡＩＣｃ：改良的赤池信息量准则ＡｋａｉｋｅＩｎｆｏｒｍａｔｉｏｎＣｒｉｔｅｒｉｏｎ，ｃｏｒｒｅｃｔｅｄ通过地理加权回归的方法，可以得到每个县的回归方程，而这些结果可以考虑到各省市在空间地理位置的相互影响，因此结果可以充分考察各地区的空间异质性㊂从各因素的影响程度来看（图６），２０１５年经济发展和土地利用程度对中国县域碳汇的影响远高于产业结构产生的影响㊂经济发展和产业结构因素除了在个别地区对碳汇产生负相关外，大部分区域均呈正相关；土地利用方式则在全部区域与碳汇均呈负相关（图７㊁图８）㊂４．１㊀经济发展对碳汇的影响ＧＤＰ的回归系数波动较大（－１１．２１６３０５ ５．４３３８１９），说明经济发展对全国县域碳汇影响的地区差异较大（图６），但是仍然存在空间异质性的现象㊂整体上看，２０１５年经济发展对碳汇影响能力较小，呈现出在西藏东南部和四川西部的回归系数高绝对值区域㊂２０１５年林芝市米林县㊁墨脱县㊁朗县，昌都市八宿县㊁洛隆县㊁边坝县以及山南市加查县㊁错那县和嘉黎县，说明经济发展对当地的碳汇产生了较强的负影响，在这类区域应该转变经济发展方式，促进增汇减排㊂而在甘孜阿坝自治州的德格县㊁白玉县等地回归系数为正值且高于全国其它县域，说明经济发展对当地的碳汇产生了较强的正影响，说明经济发展促进了当地的环保业发展㊂４．２㊀产业结构对碳汇的影响从产业结构来看（图７），产业结构代表第二产业产值占整个国民生产总值的比重，从这一指标考察产业结构对碳汇的影响，若碳汇随着产业结构的增加而增加，则说明技术进步在其中起到了积极作用㊂２０１５年，产业结构与碳汇在内蒙古赤峰市阿鲁科尔自治旗㊁林西县㊁翁牛特旗等地，内蒙古昌都市贡觉县㊁边坝县㊁查雅县等地，西藏林芝市米林县㊁墨脱县等地呈正相关，说明技术水平进步在这些地区对增汇产生了正面影响㊂然５９９８㊀２４期㊀㊀㊀张赫㊀等：中国县域碳汇时空格局及影响因素㊀而在内蒙古呼伦贝尔市阿荣县㊁兴安盟，黑龙江龙江县㊁漠河县㊁嫩江县等地均呈现负相关，表明产业结构对碳汇产生负影响，即二产比值越高，碳汇越低，这代表在这些区域应该促进产业结构升级或者技术进步以达到增汇减排的目的㊂图６㊀２０１５年ＧＷＲ模型经济发展回归系数的空间分布㊀Ｆｉｇ．６㊀ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆＧＤＰｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｉｎｔｈｅＧＷＲｍｏｄｅｌ，２０１５图７㊀２０１５年ＧＷＲ模型产业结构回归系数的空间分布㊀Ｆｉｇ．７㊀ＳｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｉｎｄｕｓｔｒｉａｌｓｔｒｕｃｔｕｒｅｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｉｎｔｈｅＧＷＲｍｏｄｅｌ，２０１５图８㊀２０１５年ＧＷＲ模型土地利用程度回归系数的空间分布㊀Ｆｉｇ．８㊀Ｓｐａｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｌａｎｄ－ｕｓｅｄｅｇｒｅｅｒｅｇｒｅｓｓｉｏｎｃｏｅｆｆｉｃｉｅｎｔｓｉｎｔｈｅＧＷＲｍｏｄｅｌ，２０１５４．３㊀土地利用程度对碳汇的影响土地利用程度越低，碳汇通常更高，随着城市建设用地的扩张，碳汇量也会减少㊂土地利用程度与全国县域碳汇呈现明显的负相关性，影响程度在地域上存在差异性㊂整体上看（图８），２０１５年土地利用程度对碳汇的影响程度沿胡焕庸线呈现鲜明的差异，即在西北半壁的影响程度高于东南半壁的影响程度，说明在我国西北半壁的县域应该更加谨慎增加建设用地面积，合理利用和开发土地；在东南半壁的县域应注重调整非建设用地的土地使用格局，增加生态用地面积，植树造林，保护和增加林地㊁湿地等碳汇系数高的用地类型㊂５㊀结论与建议５．１㊀结论通过对１９９０ ２０１５年间中国县域碳汇总量时空格局进行分析，基于标准差椭圆㊁局部空间自相关㊁冷热点分析和地理加权回归分析方法，探析中国县域碳汇的时空分异特征及影响因素，其主要结论如下：（１）从时空变化规律上看，１９９０ ２０１５年中国碳汇总量呈波动下降趋势，从１３３０７．７９ˑ１０４ｔ下降至１３１９８．２７ˑ１０４ｔ；但不同碳汇类型的比例结构保持不变，碳汇类型主要以林低碳汇为主，占比约８０％，依次是草地（约１３．５％）㊁水域（约４．０％）和未利用地（约２．５％）㊂在空间分布上，中国县域碳汇总体呈现差异化分布的空间格局，在区域上呈现不同的变化趋势，大致呈现 西部＞东北＞南部＞中部 的 西高东低 格局㊂６９９８㊀生㊀态㊀学㊀报㊀㊀㊀４０卷㊀（２）从空间分异和空间聚集格局来看，碳汇空间分布中心整体存在向西南移动的趋势，空间分布范围呈现收缩态势，西南地区对全国县域碳汇空间格局的影响作用加强；１９９０ ２０１５年中国县域碳汇总量的冷热点空间分布集聚程度呈现波动稳定的特征，而中国县域碳汇强度的空间集聚程度变化不明显，具有高值与低值聚集，高－低区域零星分布的特点㊂（３）从影响因素来看，２０１５年经济发展对全国县域碳汇产生了较弱的影响，产业结构对全国县域碳汇产生了较强的影响，土地利用程度对全国县域碳汇产生了负影响，且都存在空间异质性的现象㊂５．２㊀建议以全国县域作为研究对象，以１９９０ ２０１５每５年的土地利用数据为基础，从碳汇类型和碳汇总量等方面讨论了中国县域碳汇的时空变化规律㊁空间分布差异性以及其影响因素㊂基于研究，在未来发展过程中可考虑以下低碳策略：①合理规划县域非建设用地的土地利用方式㊂林地碳汇作用主要碳汇类型的作用不容忽视，而湿地和高覆盖度草地碳汇由于强大的碳吸收能力也应得到充分保护㊂因此，在县域非建设用地区域应采取扩大林地面积，保护低承载力草地和湿地，恢复退化土地，优先开发未利用地等措施来提高其碳贮量，实现生态系统增汇减排的目的㊂②根据不同县域的碳汇时空发展现状，针对性制定增汇减排目标和方案㊂例如在我国中部以及部分东部存在碳汇低值集聚的地区，其首要任务是促进产业的转型升级，加强生态文明建设，加大生态保护力度等；而在而在黑龙江㊁内蒙古北部，西藏南部㊁广东㊁湖南等高值集聚的区县，则可采用碳交易的方式 以东带西 ，拉动西部经济发展，弥补东部的 生态赤字 ㊂③严格控制建设用地规模㊂研究期内建设用地的扩张对全国范围内的碳汇均产生负影响，因此应控制建设用地的低效扩张，提高土地利用效率，集约节约用地㊂由于数据限制，计算采用精度１ｋｍ的土地利用数据进行碳汇计算，数据的栅格较大，而采用的系数法对系数的精度要求较高，会一定程度上影响计算结果的精度㊂本文仅评价分析了经济发展㊁产业结构和土地利用程度对碳汇的影响，对于格局形成的其他驱动因素和内在机制有待深入研究㊂参考文献（Ｒｅｆｅｒｅｎｃｅｓ）：［１］㊀ＩＰＣＣ．Ｌａｎｄｕｓｅ，ｌａｎｄ⁃ｕｓｅｃｈａｎｇｅ，ａｎｄｆｏｒｅｓｔｒｙ／／ＷａｔｓｏｎＲＴ，ＮｏｂｌｅＩ，ＢｏｌｉｎＢ，ＲａｖｉｎｄｒａｎａｔｈＮＨ，ＶｅｒａｒｄｏＤＪ，ＤｏｋｋｅｎＤＪ，ｅｄｓ．ＡＳｐｅｃｉａｌＲｅｐｏｒｔｏｆｔｈｅＩＰＣＣ．Ｗａｓｈｉｎｇｔｏｎ：ＩＰＣＣ，２０００．［２］㊀董祚继．优化国土空间布局，推动城市低碳发展．环境经济，２０１８，（１３）：５０⁃５１．［３］㊀何建坤，刘滨，陈迎，徐华清，郭元，胡秀莲，张希良，李玉娥，张阿玲，陈文颖，韦志洪，段茂盛，张晓华，吕应运．气候变化国家评估报告（Ⅲ）：中国应对气候变化对策的综合评价．气候变化研究进展，２００６，（４）：１４７⁃１５３，２０９⁃２０９．［４］㊀包存宽．生态文明视野下的空间规划体系．城乡规划，２０１８，（５）：６⁃１３．［５］㊀叶祖达．建立低碳城市规划工具 城乡生态绿地空间碳汇功能评估模型．城市规划，２０１１，３５（２）：３２⁃３８．［６］㊀邓明君，罗文兵，尹立娟．国外碳中和理论研究与实践发展述评．资源科学，２０１３，３５（５）：１０８４⁃１０９４．［７］㊀舟丹．什么是 碳减排 ㊁ 碳中和 ㊁ 碳汇 ？中外能源，２０１１，１６（１１）：３８⁃３８．［８］㊀马晓哲，王铮．土地利用变化对区域碳源汇的影响研究进展．生态学报，２０１５，３５（１７）：５８９８⁃５９０７．［９］㊀ＮａｉｐａｌＶ，ＬａｕｅｒｗａｌｄＲ，ＣｉａｉｓＰ，ＧｕｅｎｅｔＢ，ＷａｎｇＹＬ．ＣＥ⁃ＤＹＮＡＭ（ｖ１）：ａｓｐａｔｉａｌｌｙｅｘｐｌｉｃｉｔｐｒｏｃｅｓｓ⁃ｂａｓｅｄｃａｒｂｏｎｅｒｏｓｉｏｎｓｃｈｅｍｅｆｏｒｕｓｅｉｎＥａｒｔｈｓｙｓｔｅｍｍｏｄｅｌｓ．ＧｅｏｓｃｉｅｎｔｉｆｉｃＭｏｄｅｌＤｅｖｅｌｏｐｍｅｎｔ，２０２０，１３（３）：１２０１⁃１２２２．［１０］㊀彭文甫，周介铭，徐新良，罗怀良，赵景峰，杨存建．基于土地利用变化的四川省碳排放与碳足迹效应及时空格局．生态学报，２０１６，３６（２２）：７２４４⁃７２５９．［１１］㊀裴杰，王力，柴子为，扶卿华，牛铮．基于ＲＳ和ＧＩＳ的深圳市土地利用／覆被变化及碳效应分析．水土保持研究，２０１７，２４（３）：２２７⁃２３３．［１２］㊀张海凤，崔桂善．土地利用／覆盖类型的变化对陆地生态系统碳收支的影响．中国资源综合利用，２０１９，３７（１）：１７６⁃１７９．［１３］㊀罗谷松，李涛．碳排放影响下的中国省域土地利用效率差异动态变化与影响因素．生态学报，２０１９，３９（１３）：４７５１⁃４７６０．［１４］㊀李小康，王晓鸣，华虹．土地利用结构变化对碳排放的影响关系及机理研究．生态经济，２０１８，３４（１）：１４⁃１９．［１５］㊀ＣｈｅｎＺ，ＹｕＧＲ，ＷａｎｇＱＦ．Ｅｆｆｅｃｔｓｏｆｃｌｉｍａｔｅａｎｄｆｏｒｅｓｔａｇｅｏｎｔｈｅｅｃｏｓｙｓｔｅｍｃａｒｂｏｎｅｘｃｈａｎｇｅｏｆａｆｆｏｒｅｓｔａｔｉｏｎ．ＪｏｕｒｎａｌｏｆＦｏｒｅｓｔｒｙＲｅｓｅａｒｃｈ，２０２０，３１（２）：３６５⁃３７４．［１６］㊀赵荣钦，刘英，马林，李宇翔，侯丽朋，张战平，丁明磊．基于碳收支核算的河南省县域空间横向碳补偿研究．自然资源学报，２０１６，３１（１０）：１６７５⁃１６８７．７９９８㊀２４期㊀㊀㊀张赫㊀等：中国县域碳汇时空格局及影响因素㊀。