蘇海報(bào)，陳興鵑，吳燕良，夏玲君*，戴芳筠，李柏貞

（1.江西省上饒市氣象局，江西 上饒 334000；2.江西省生態(tài)氣象中心，江西 南昌 330096；3.江西省宜春市氣象局，江西 宜春 336000）

IPCC第六次評(píng)估報(bào)告指出，大氣CO2濃度的持續(xù)升高導(dǎo)致了全球平均氣溫不斷上升，并繼而引發(fā)了一系列的生態(tài)環(huán)境問題，嚴(yán)重影響了人類的生存和發(fā)展［1-4］。陸地生態(tài)系統(tǒng)碳循環(huán)是全球碳循環(huán)的重要組成部分，其通過植被的光合作用將大氣中的CO2固定為有機(jī)化合物，是人類生產(chǎn)、生活中最基本的能量來源，且最容易受到氣候變化和人類活動(dòng)的影響［2,5］。當(dāng)生態(tài)系統(tǒng)固定碳的量大于排放碳的量時(shí)該系統(tǒng)就成為大氣CO2的匯，簡(jiǎn)稱碳匯，相反則稱為碳源［6-7］。凈初級(jí)生產(chǎn)力(Net Primary Productivity，NPP)是指植物光合作用固定的有機(jī)物，是減去自身呼吸活動(dòng)消耗以及用于繁殖、發(fā)育、生長(zhǎng)所需的凈增量［8］，凈生態(tài)系統(tǒng)生產(chǎn)力(Net Ecosystem Productivity，NEP)是指凈初級(jí)生產(chǎn)力(NPP)與土壤微生物呼吸(Heterotrophic Respiration，RH)之差，兩者反映了區(qū)域植被的固碳水平［9］，其中NEP是表征一個(gè)生態(tài)系統(tǒng)碳收支水平的重要指標(biāo)，廣泛用于碳循環(huán)的研究，其代表了生態(tài)系統(tǒng)和大氣系統(tǒng)之間的碳交換過程，表明較大空間尺度上碳的凈貯存，當(dāng)NEP大于0，表明該區(qū)域生態(tài)系統(tǒng)為碳匯，即該區(qū)域植被固定的碳多于土壤排放的碳，反之則為碳源［8-10］。

氣候變化對(duì)陸地植被生態(tài)系統(tǒng)的影響是國(guó)內(nèi)外研究的焦點(diǎn)之一。隨著衛(wèi)星遙感技術(shù)應(yīng)用水平的不斷提高，采用地面氣象觀測(cè)資料與遙感手段相結(jié)合的方法在監(jiān)測(cè)評(píng)價(jià)區(qū)域植被得到了廣泛的應(yīng)用［11-12］；王芳等［13］利用遙感數(shù)據(jù)及站點(diǎn)數(shù)據(jù)研究發(fā)現(xiàn)，安徽省的植被NPP受降水因素影響較大；龐瑞等［14］應(yīng)用生態(tài)系統(tǒng)模型估算了1954—2010年西南高山地區(qū)NEP的時(shí)空變化，并分析了其與氣候因子的關(guān)系，結(jié)果表明NEP的年際變化與年平均溫度呈負(fù)相關(guān)，與年降水量呈正相關(guān)；鞏杰等［15］結(jié)合MODIS與氣象數(shù)據(jù)對(duì)2000—2013年白龍江流域的NEP時(shí)空變化及其影響因子進(jìn)行了研究，結(jié)果表明地形和植被類型對(duì)NEP有明顯的影響。

江西省是我國(guó)生態(tài)文明試驗(yàn)區(qū)之一［16-17］，森林覆蓋率位列全國(guó)第二(僅次于福建)，生態(tài)資源優(yōu)越，是我國(guó)亞熱帶地區(qū)近代植物區(qū)系的起源中心之一［18］。本研究以江西省植被生態(tài)系統(tǒng)為研究對(duì)象，基于衛(wèi)星遙感資料和地面氣象觀測(cè)資料，對(duì)2000—2022年江西省NEP進(jìn)行估算，定量分析江西省碳匯的時(shí)空分布情況和江西省碳匯對(duì)氣候變化的響應(yīng)情況，以期為維護(hù)江西地區(qū)生態(tài)系統(tǒng)的健康與穩(wěn)定以及實(shí)現(xiàn)地區(qū)“雙碳”目標(biāo)提供科學(xué)指導(dǎo)意見。

1 材料與方法

1.1 研究區(qū)概況

江西省位于長(zhǎng)江中下游交接處的南岸(24°29′～30°04′N、113°34′～118°28′E)，東鄰浙江、福建，南連廣東，西接湖南，北毗湖北、安徽，境內(nèi)東、西、南三面群山環(huán)繞，內(nèi)側(cè)丘陵廣亙，中北部平原坦蕩，整個(gè)地勢(shì)由外及里，自南而北，漸次向鄱陽湖傾斜，構(gòu)成一個(gè)向北開口的巨大盆地。江西省地處亞熱帶季風(fēng)氣候區(qū)，四季變化分明，是我國(guó)多雨的省區(qū)之一，但是降水的時(shí)空差異大，易發(fā)生洪澇災(zāi)害與干旱，境內(nèi)生態(tài)資源豐富，生態(tài)系統(tǒng)主要有森林、農(nóng)業(yè)、草地、濕地等，森林覆蓋率達(dá)63.1%［19］。

1.2 數(shù)據(jù)來源

本文使用的數(shù)據(jù)資料主要來源于2000—2022年的遙感資料和國(guó)家站地面氣象觀測(cè)資料。遙感資料為基于MODIS數(shù)據(jù)的月合成全球歸一化植被指數(shù)(NDVI)產(chǎn)品，空間分辨率為1 km×1 km，時(shí)間分辨率為1個(gè)月；地面氣象觀測(cè)資料為江西省83個(gè)國(guó)家氣象站的平均氣溫、降水量等逐日氣象觀測(cè)數(shù)據(jù)。

1.3 研究方法

生態(tài)系統(tǒng)碳匯儲(chǔ)量包含了植物之間生物量、凋落物生物量及土壤有機(jī)質(zhì)呼吸量［20］。凈生態(tài)系統(tǒng)生產(chǎn)力表示陸地和大氣生態(tài)系統(tǒng)的碳交換率［21-22］，是區(qū)域碳平衡估算的重要指標(biāo)，常作為評(píng)估碳匯大小的度量［20-23］，計(jì)算公式為：

式（1）中，NEP表示凈生態(tài)系統(tǒng)生產(chǎn)力，NPP表示凈初級(jí)生產(chǎn)力，RH表示土壤微生物呼吸。

1.3.1 凈生態(tài)系統(tǒng)生產(chǎn)力的估算方法 利用太陽光合有效輻射、植被有效光合輻射吸收比例、實(shí)際光能利用率等數(shù)據(jù)，根據(jù)光能利用率理論，通過陸地生態(tài)系統(tǒng)碳通量TEC模型計(jì)算NPP［24-25］，計(jì)算公式為：

式（2）～式（3）中，GPP、Ra分別表示植被總初級(jí)生產(chǎn)力和自養(yǎng)生物本身呼吸所消耗的同化產(chǎn)物，單位為g C/m2，ε為實(shí)際光能利用率，F(xiàn)PAP為植被吸收光合有效輻射的比例，PAR為入射光合有效輻射，單位為MJ/m2。

1.3.2 土壤微生物呼吸的估算方法 土壤微生物呼吸是估測(cè)區(qū)域尺度上NEP的重要參數(shù)，其數(shù)值結(jié)果直接影響NEP的估算結(jié)果［26］，本文采用研究成果［27-28］估算江西省RH的分布狀況，計(jì)算公式為：

式（4）中，T為氣溫(℃)，R為降水量(mm)。

1.4 數(shù)據(jù)分析方法

本文采用距平分析法和趨勢(shì)分析法［17,29］對(duì)江西省NPP、RH和NEP的時(shí)空變化特征進(jìn)行分析；采用相關(guān)分析法和線性擬合法［29-31］分析降水、氣溫等氣候因子與NEP的相關(guān)性以及各要素的變化趨勢(shì)。研究區(qū)域的各要素空間分布采用ArcGIS 10.7軟件進(jìn)行空間插值處理。

2 結(jié)果與分析

2.1 江西省NPP和RH的時(shí)空特征

2.1.1NPP和RH的時(shí)間特征 由圖1可知，2000—2022年1—12月江西省植被凈初級(jí)生產(chǎn)力的月平均值具有明顯的規(guī)律性變化，呈現(xiàn)出先增加后減少的變化趨勢(shì)，土壤微生物呼吸的變化趨勢(shì)較為類似；NPP和RH的月平均值分別為74.6、32.1 g C/m2，NPP和RH的最小值為分別為23.1 g C/m2(1月)、14.8 g C/m2(12月)，而最大值均在7月，分別為119.0、57.0 g C/m2；1—3、10—12月的NPP低于月平均值，4—9月的NPP大于月平均值，與已有研究結(jié)果［2］一致；1—4、10—12月的RH低于月平均值，5—9月的RH大于月平均值。

圖1 2000—2022年江西省凈初級(jí)生產(chǎn)力(a)和土壤微生物呼吸(b)的月度變化

由圖2可知，2000—2022年江西省NPP和RH的年平均值均呈現(xiàn)出波動(dòng)增加的變化趨勢(shì)，兩者的增速分別20.2、6.9 g C/(m2·10 a)，其中NPP的增加趨勢(shì)大于RH；NPP和RH的年平均值分別為923.5、384.7 g C/m2，兩者的最小值分別為800.8 g C/m2(2022年)、369.0 g C/m2(2011年)，最大值均在2018年，分別為1012.4、397.6 g C/m2。因受到極端氣候事件的影響，2003、2019和2022年江西省的NPP較其余年份顯著偏低，偏離平均值較大，但RH基本無明顯變化。

圖2 2000—2022年江西省凈初級(jí)生產(chǎn)力(a)和土壤微生物呼吸(b)的年度變化

2.1.2NPP和RH的空間特征 圖3為2000—2022年江西省NPP和RH的年平均值的空間分布情況。由圖3可知，江西省NPP和RH的空間分布差異均比較明顯，城區(qū)和鄱陽湖附近的NPP值偏低，省境邊陲附近的較高，其余區(qū)域居中。城區(qū)附近的植被偏少，因而NPP值較低；鄱陽湖附近主要為濱湖濕地植物群落，由于植被的季節(jié)性較強(qiáng)，從而導(dǎo)致NPP值偏低；省境邊陲附近多為高山，比如東北部的懷玉山，東部的武夷山，南部的大庾嶺和九連山，西部的羅霄山脈，西北部的幕阜山和九嶺山等，山脈的植被覆蓋率高，植被生長(zhǎng)迅速，NPP值較高，NPP年平均值基本在1000 g C/m2以上；其余區(qū)域大多為丘陵、河谷和盆地，NPP值基本居中。江西省RH的大值區(qū)主要位于江西省的南部，部分在東北部，這是由于該區(qū)域的降水、溫度相對(duì)較大，從而導(dǎo)致RH偏大。綜上，NPP和RH的大值區(qū)的范圍基本吻合，主要位于江西省的南部，該地區(qū)的溫濕度環(huán)境不僅有利于土壤微生物呼吸，也有利于植被進(jìn)行光合作用。

圖3 2000—2022年江西省凈初級(jí)生產(chǎn)力(a)和土壤微生物呼吸(b)的空間分布

2.2 江西省植被碳匯的時(shí)空特征

2.2.1 植被碳匯變化特征 由圖4a可知，2000—2022年1—12月江西省NEP的月平均值均大于0，且呈現(xiàn)出先增加后減少的變化趨勢(shì)，這與NPP的變化趨勢(shì)相似，但最大值的出現(xiàn)時(shí)間不一致，潘竟虎等［2］的研究表明植被碳匯的月平均值變化情況與NPP的變化趨勢(shì)也不一致，且最大值在5—7月均有可能出現(xiàn)；2000—2022年江西省植被碳匯的月平均值為42.5 g C/m2，最小值為8.2 g C/m2(1月)，距平-34.3 g C/m2，最大值為69.7 g C/m2(5月)，距平27.2 g C/m2；1—3、11—12月的NEP低于平均值，4—10月的NEP大于平均值。江西省在4—10月的水熱耦合作用達(dá)到了最佳組合，植被固碳的能力最強(qiáng)，碳匯處于高值區(qū)；11月的氣溫下降、降水減少，且絕大多數(shù)農(nóng)作物已收割，此時(shí)的土壤微生物呼吸雖然下降，但NPP下降情況也較為明顯，導(dǎo)致碳匯同步下降，低于平均值；12月—次年2月(冬季)氣溫處于一年中的最低值區(qū)，植被枯萎較多，固碳能力最低，碳匯處于最低值區(qū)；3月后氣溫逐步回升、降水量有所增加，植被開始萌芽，植被的固碳能力開始增強(qiáng)，碳匯開始增加，但是依舊低于平均值。2000—2022年江西省植被碳匯年平均值基本呈現(xiàn)波動(dòng)增加的變化趨勢(shì)(圖4b)，增速為13.4 g C/(m2·10 a)，年平均值為538.8 g C/m2，最小值為411.2 g C/m2(2022年)，距平-127.6 g C/m2，最大值為614.8 g C/m2(2018年)，距平76.0 g C/m2，NEP的總體變化趨勢(shì)與NPP的變化趨勢(shì)基本一致。

圖4 2000—2022年江西省凈生態(tài)系統(tǒng)生產(chǎn)力的月度變化(a)和年度變化(b)

2.2.2 植被碳匯空間分布特征 由圖5可知，2000—2022年江西省碳匯的時(shí)空分布差異較為明顯，江西省東、西、南三面省境邊陲附近植被碳匯普遍較高，該區(qū)域植被碳匯的年際變化也最小，最為穩(wěn)定，這是因?yàn)榇藚^(qū)域多為高大的山脈，植被覆蓋率高，植被生長(zhǎng)迅速；鄱陽湖和城區(qū)附近的植被碳匯普遍偏低，部分區(qū)域表現(xiàn)為碳源，這是因?yàn)楹^(qū)附近主要為濱湖濕地植物群落，植被的季節(jié)性較強(qiáng)，城區(qū)附近則是因?yàn)橹脖惠^少以及城市化進(jìn)程的不斷推進(jìn)，該區(qū)域植被碳匯的年際變化最大，最不穩(wěn)定；其余區(qū)域植被碳匯的年際變化居中，相對(duì)穩(wěn)定，這是因?yàn)樵搮^(qū)域處于丘陵、河谷和盆地，植被覆蓋率居中。鞏杰等［15］研究表明地形和植被類型對(duì)NEP有明顯影響，本文發(fā)現(xiàn)江西省植被碳匯分布情況和地形、植被密切相關(guān)，表明地形和植被是影響植被碳匯的重要因素。2000—2004年江西省植被碳匯平均值為529.1 g C/m2，2005—2009年為518.5 g C/m2，2010—2014年為544.4 g C/m2，2015—2019年為570.2 g C/m2，2020—2022年為527.1 g C/m2；2020 —2022年處于0～300 g C/m2區(qū)間的碳匯區(qū)域較往年有所增加，而300 g C/m2以上的碳匯區(qū)域則明顯減少，這可能與2022年的持續(xù)性高溫干旱有關(guān)，高溫干旱不利于植被的生長(zhǎng)發(fā)育，使得其光合能力也有所下降，從而導(dǎo)致2022年江西省的植被碳匯顯著偏低。

由2000—2022年江西省各地市凈生態(tài)系統(tǒng)生產(chǎn)力的月度變化情況(表1)可以發(fā)現(xiàn)，各地市的植被碳匯基本在6—8月升至高值，于1—2、12月降至低值，其中南昌市在1月表現(xiàn)為碳源；贛州市的NEP在1—3、7—8、11—12月均高于其他地市，景德鎮(zhèn)市的NEP在4—6、9—10月均高于其他地市；綜合各地市1—12月NEP合計(jì)值可知，贛州市的最高(616.7 g C/m2)，景德鎮(zhèn)市的次之(588.4 g C/m2)，南昌市的最低(299.5 g C/m2)。

表1 2000—2022年江西省各地市凈生態(tài)系統(tǒng)生產(chǎn)力的月度變化 g C/m2

2.2.3 基于閾值分類的植被碳匯特征NEP是區(qū)域上碳平衡估算的重要指標(biāo)，常常作為碳匯大小的度量指標(biāo)。本文在前人的研究［28,32］基礎(chǔ)上，結(jié)合江西省的實(shí)際情況對(duì)NEP進(jìn)行重新分類，具體標(biāo)準(zhǔn)為：碳源，NEP＜0 g C/m2；低碳匯區(qū)，0 g C/m2≤NEP＜300 g C/m2；中碳匯區(qū)，300 g C/m2≤NEP＜600 g C/m2；高碳匯區(qū)，NEP≥600 g C/m2。根據(jù)該分類標(biāo)準(zhǔn)得到基于閾值分類的江西省NEP空間分布圖。由圖6可知，江西省的碳匯空間分布特征和地形、植被密切相關(guān)，高碳匯區(qū)處于省境邊陲附近，中、低碳匯區(qū)處于丘陵、河谷、濕地和盆地，碳源區(qū)相對(duì)較少，基本處于鄱陽湖和城區(qū)附近。

圖6 江西省土地利用類型和NEP的空間分布

江西省南部的贛州市植被碳匯在各地市中最高(表1)，其高碳匯區(qū)也相對(duì)最多(圖6b)。因此，本文以贛州市為例，分析其植被類型在江西省的占比情況。由表2可知，2000—2022年贛州市不同植被類型在江西省的占比中以常綠闊葉林(65.6%)為最高，常綠針葉林(62.1%)次之。

表2 贛州市不同植被類型的占比情況

2000—2022年江西省常綠針葉林、常綠闊葉林、落葉針葉林、落葉闊葉林、矮樹灌叢、混交林、草地、農(nóng)田的碳匯特征分別為567.3、598.4、251.9、560.9、570.4、604.9、507.3、432.6 g C/m2，其中混交林和常綠闊葉林的碳匯要明顯高于其他植被類型。贛州市的常綠闊葉林在江西省的占比最高，這進(jìn)一步佐證了贛州市碳匯高于江西省的其他地市。

2.3 植被碳匯對(duì)氣候變化的響應(yīng)情況

2000—2022年江西省高溫日數(shù)（日最高氣溫≥35 ℃日數(shù)）［33］和重旱以上日數(shù)［34-37］基本呈現(xiàn)波動(dòng)上升的趨勢(shì)（圖7），兩者的上升速率分別為7.6、6.8 d/10 a。高溫日數(shù)的年平均值為39.3 d，最小值為20.6 d（2015年），距平-18.7 d，最大值為61.4 d（2022年），距平22.1 d；重旱以上日數(shù)年平均值為43.5 d，最小值為6.8 d（2012年），距平-36.7 d，最大值為100.7 d（2019年），距平57.2 d；2003年的高溫日數(shù)和重旱以上日數(shù)分別為49.8、87.6 d，分別居于2000年后的第三、第四高位。2003年夏季江西省出現(xiàn)了歷史罕見的大范圍高溫干旱，于2019年出現(xiàn)了3季(夏、秋、冬)特大連旱，于2022年則出現(xiàn)了持續(xù)性的高溫天氣，綜合強(qiáng)度前所未有，導(dǎo)致了罕見的氣象干旱。2003、2019和2022年的碳匯排位分別為歷史第二低位、第三低位和第一低位（圖4b）。這說明異常的天氣氣候條件不利于植被的生長(zhǎng)發(fā)育，造成植物的光合能力減弱，從而導(dǎo)致了碳匯的顯著下降。

圖7 2000—2022年江西省高溫日數(shù)(a)和重旱以上日數(shù)(b)的變化

以5年作為一個(gè)時(shí)間段，對(duì)2000—2022江西省的氣溫、降水及植被碳匯的變化情況進(jìn)行分析。由表3可知，2000—2004、2005—2009年江西省的氣溫和降水均低于歷年平均值，植被碳匯也同樣低于歷年平均值，這說明“冷干型”氣候背景不利于植被碳匯；2010—2014年江西省的氣溫低于歷年平均值，降水量則高于歷年平均值，植被碳匯略高于歷年平均值，這說明“冷濕型”氣候背景略微有利于植被碳匯；2020—2022年江西省的氣溫高于歷年平均值，降水量低于歷年平均值，植被碳匯低于歷年平均值，這說明“暖干型”氣候背景也不有利于植被碳匯；2015—2019年江西省的氣溫和降水量均高于歷年平均值，植被碳匯也明顯高于歷年平均值，說明“暖濕型”氣候背景最有利于植被碳匯。

表3 NEP對(duì)降水、氣溫變化的分時(shí)段響應(yīng)情況

為進(jìn)一步研究植被碳匯對(duì)氣候變化的響應(yīng)，對(duì)江西省2000—2022年的植被碳匯和氣溫、降水量分別進(jìn)行相關(guān)分析、偏相關(guān)分析。結(jié)果顯示：植被碳匯與氣溫、降水量均為極顯著相關(guān)(P＜0.01)，相關(guān)系數(shù)分別為0.82、0.41，這可解釋“暖濕型”的氣候背景是江西省植被碳匯呈上升趨勢(shì)的原因之一。植被碳匯和降水、氣溫的偏相關(guān)性系數(shù)分別為0.79、0.25，也均達(dá)到極顯著相關(guān)(P＜0.01)，這說明江西省植被碳匯受降水量和氣溫的協(xié)同影響。植被碳匯和降水量的相關(guān)系數(shù)、偏相關(guān)系數(shù)均小于其與氣溫的，說明降水量對(duì)江西省植被碳匯的影響要小于氣溫產(chǎn)生的影響。

2.4 估算結(jié)果的可靠性分析

NPP的估算結(jié)果精度評(píng)價(jià)一直是NPP遙感估算的難題和最具爭(zhēng)議的環(huán)節(jié)，其估算模型精度的評(píng)價(jià)一般與實(shí)測(cè)數(shù)據(jù)或其他模型估算的結(jié)果或遙感數(shù)據(jù)產(chǎn)品進(jìn)行對(duì)比［2,38］。由于NPP的實(shí)測(cè)數(shù)據(jù)獲取較為困難，且MODIS NPP產(chǎn)品已在全球碳循環(huán)研究中得到廣泛應(yīng)用［27］，故本文采用基于MODIS數(shù)據(jù)的月合成全球歸一化植被指數(shù)(NDVI)產(chǎn)品。NEP的估算結(jié)果存在很大的不確定性，主要是由于NPP和RH估算的不確定性導(dǎo)致。NPP估算的不確定性可以通過提高數(shù)據(jù)精度、模型的參數(shù)調(diào)整以及實(shí)測(cè)值驗(yàn)證等方法進(jìn)一步改善，而RH的估算是一個(gè)極其復(fù)雜的過程，本文使用數(shù)據(jù)是按照生長(zhǎng)季節(jié)土壤呼吸量外推的方法來獲取的年度數(shù)據(jù)，可能存在一定的誤差［39］，從而使得NEP的估算結(jié)果存在一定的不確定性。劉春雨等［20,40］通過實(shí)測(cè)數(shù)據(jù)分別對(duì)NPP和RH進(jìn)行了結(jié)果驗(yàn)證，間接證實(shí)了NEP估算結(jié)果的可靠性。基于此，將本文的NPP和RH估算結(jié)果與已有研究成果進(jìn)行驗(yàn)證對(duì)比。由表4可知，本文估算的NPP和RH值在已有研究成果的范圍之內(nèi)，因此認(rèn)為本文通過NPP和RH間接估算的NEP值具有一定的可靠性，可以作為江西省植被碳匯計(jì)算的基本數(shù)據(jù)。

表4 NPP、RH估算結(jié)果與已有研究成果的對(duì)比

3 結(jié)論

本文通過衛(wèi)星遙感資料和地面氣象觀測(cè)資料對(duì)江西省NPP和植被碳匯的時(shí)空分布進(jìn)行了研究，并分析了植被碳匯對(duì)氣候變化的響應(yīng)情況，得出如下結(jié)論：

（1）2000—2022年江西省1—12月的NPP和植被碳匯月度平均值具有明顯的規(guī)律性變化，呈現(xiàn)出先增加后減少的變化趨勢(shì)，只是受土壤呼吸作用影響，兩者最大值出現(xiàn)時(shí)間不一致。NPP和RH年平均值均呈現(xiàn)出波動(dòng)增加的趨勢(shì)，兩者的增速分別為20.2、6.9 g C/(m2·10 a)，其中NPP的增速大于RH，這也表明植被碳匯呈現(xiàn)出上升的趨勢(shì)。植被碳匯的增速為13.4 g C/(m2·10 a)，最小值為411.2 g C/m2(2022年)，最大值為614.8 g C/m2(2018年)，植被碳匯的總體變化趨勢(shì)與NPP大體一致。

（2）江西省的東、西、南三面山脈區(qū)域的植被碳匯較大，中部濱湖區(qū)域植被碳匯較小，植被碳匯的分布情況與地形、植被密切相關(guān)，這表明地形和植被是影響植被碳匯的重要因素。高碳匯區(qū)處于省境邊陲附近，中、低碳匯區(qū)處于丘陵、河谷、濕地和盆地，碳源區(qū)相對(duì)較少的區(qū)域基本處于鄱陽湖和城區(qū)附近。贛州市植被碳匯在各地市中最高，其高碳匯區(qū)域也相對(duì)最多。

（3）江西省植被碳匯受降水量和氣溫的協(xié)同影響，但降水量對(duì)植被碳匯的影響小于氣溫。2000—2004年和2005—2009年的“冷干型”、2020—2022年的“暖干型”等氣候背景均不利于植被碳匯，2010—2014年的“冷濕型”氣候背景略微有利于植被碳匯，2015—2019年的“暖濕型”氣候背景最有利于植被碳匯。