周美琦 景海波 朱倩琳

（南京信息工程大學，江蘇 南京 210044）

0 引言

聯(lián)合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change ，IPCC）第六次評估報告指出：19 世紀中期以來，人類活動累計二氧化碳排放量約為2.4×1012t，其中40%以上是在20世紀90 年代以后排放的［1］。過度的碳排放導致了全球升溫、生態(tài)系統(tǒng)破壞等一系列問題。增強陸地生態(tài)系統(tǒng)碳匯能力是減緩溫室氣體濃度上升、調(diào)節(jié)全球氣候變暖的重要手段，中國以占世界6.5%的陸地面積貢獻了全球陸地碳匯的10%～31%，因此增強陸地碳匯能力也是實現(xiàn)中國碳中和目標的有效途徑［2］。作為二氧化碳排放大國，中國政府宣布將力爭在2030 年前實現(xiàn)碳達峰，在2060 年前實現(xiàn)碳中和目標［3］。

凈生態(tài)系統(tǒng)生產(chǎn)力（Net Ecosystem Productivity，NEP）是估算生態(tài)系統(tǒng)碳源、碳匯量的重要指標，指凈初級生產(chǎn)力（Net Primary Productivity，NPP）中減去異養(yǎng)生物呼吸消耗光合產(chǎn)物（RH）之后的部分［4］，NEP表示較大尺度上碳的凈貯存，其數(shù)值可以為正也可以為負。當NEP大于0 時表示該生態(tài)系統(tǒng)為碳匯，反之則為碳源［4］。目前已有多位學者針對碳匯進行了研究，但是大多數(shù)研究僅以植被凈初級生產(chǎn)力NPP代表區(qū)域碳匯量，沒有考慮土壤呼吸過程，不能準確地描述碳匯、碳源的變化規(guī)律和分布狀況［5-8］。本研究借助Google Earth Engine（GEE）云平臺獲取MODIS 數(shù)據(jù)、氣象數(shù)據(jù)、植被覆蓋數(shù)據(jù)與研究區(qū)DEM 數(shù)據(jù)，基于CASA 模型估算研究區(qū)凈初級生產(chǎn)力NPP，基于土壤微生物呼吸經(jīng)驗模型估算研究區(qū)土壤呼吸光合產(chǎn)物RH，二者作差得到凈生態(tài)系統(tǒng)生產(chǎn)力NEP作為植被碳匯，分析東北三省植被碳匯量變化的主要影響因素，為該地區(qū)實現(xiàn)碳達峰、碳中和目標提供參考。

1 研究區(qū)概況

東北三省包括黑龍江省、吉林省和遼寧省，區(qū)域地理位置在40°N～55°N、120°E～135°E 之間, 研究區(qū)如圖1所示。東三省大部分地區(qū)屬于溫帶季風氣候，熱量資源較少，年均溫在2～6 ℃之間，雨熱同期，降水集中在夏季，且空間分布不均，東南多西北少，年總降水量在500～800 mm之間。地形以平原、丘陵和山地為主，地表覆蓋以林地、灌叢、耕地為主，自然資源豐富，人均耕地、森林面積和蓄積量均為全國首位。森林覆蓋率達39.6%，遠高于16.55%的全國平均水平。東北三省是我國最大的林區(qū)和重要的農(nóng)業(yè)生產(chǎn)基地［9］，因此研究東北三省的碳源、碳匯狀況，對實現(xiàn)我國碳收支平衡具有重要意義。

圖1 研究區(qū)地形示意

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

本研究采用的遙感數(shù)據(jù)為美國國家航空航天局NASA 官網(wǎng)提供的MOD13Q1 植被指數(shù)數(shù)據(jù)，時間分辨率為16 d，空間分辨率為250 m，重采樣為500 m；氣溫、降水和太陽輻射數(shù)據(jù)來自ECMFW 歐洲中心官網(wǎng)提供的ERA5 數(shù)據(jù)集，氣溫數(shù)據(jù)為temperature_2 m，降水數(shù)據(jù)為total_precipitation_sum，太陽輻射數(shù)據(jù)為surface_solar_radiation_downwards_sum，空間分辨率為0.25°，重采樣為500 m；土地覆蓋數(shù)據(jù)為MOD12Q1 數(shù)據(jù)，共17 種土地覆蓋類型，屬于IGBP 土地覆蓋分類系統(tǒng)，空間分辨率為500 m，在分析不同植被類型對NEP的影響時，將其合并為林地、灌叢、草地、濕地、耕地和其他用地（裸土及建筑用地等）共6 種類型；DEM 數(shù)據(jù)為ASTER GDEM V3 數(shù)據(jù)，該數(shù)據(jù)由日本METI 和美國NASA聯(lián)合研制，空間分辨率為30 m。

2.2 NEP計算方法

在不考慮人為因素和其他自然條件因素的影響下，植被碳匯可表示為NPP與土壤微生物呼吸碳排放RH之間的差值，即植被凈生態(tài)系統(tǒng)生產(chǎn)力NEP，計算式為式（1）。

當NEP大于0 時表示該生態(tài)系統(tǒng)為碳匯，反之則為碳源。

模型模擬法是遙感估算NPP的常用方法，其中CASA模型由于參數(shù)少、易于實現(xiàn)，得到了廣泛的應用［10-11］。CASA 模型由植被所吸收的光合有效輻射（APAR）和光能利用率（ε）兩個變量來計算植被NPP［12-13］，模型表達式為式（2）。

式中：APAR（x，t）表示像元x在t月吸收的光合有效輻射（M·J·m-2）；ε（x,t）表示像元x在t月的實際光能利用率（g C·M-1·J-1）［14］。

APAR（x,t）計算公式為式（3）。

式中：SOL（x,t）表示t月在單個像元x處的太陽總輻射（g C·m-2）；FPAR（x,t）表示植被對光合有效輻射的吸收系數(shù)，隨著植被覆蓋度及植被類型的變化而變化，植被覆蓋度可以用歸一化植被指數(shù)（NDVI）表示；0.5 指植被能利用的太陽有效輻射占太陽總輻射的比例［15］。

ε(x,t)計算公式為式（4）。

式中：Tε1（x,t）和Tε2（x,t）表示溫度對光能利用率的影響［16］；Wε（x,t）反映水分條件對光能利用率的影響；εmax是理想條件下的最大光能利用率（g C·M-1·J-1），由植被類型決定。

土壤微生物呼吸量由土壤中微生物的數(shù)量、種類及植被根系的分泌物所決定，溫度和降水對土壤微生物呼吸量的影響較大，可以通過這兩個因素估算土壤微生物呼吸量。裴志永等［17］建立了氣溫、降水與碳排放的回歸模型，估測土壤微生物呼吸的分布狀況；湯潔等將其應用于吉林西部碳匯估算中［18］，效果較好。計算式為式（5）。

式中：T為氣溫，℃；R為降水，mm。

2.3 變化趨勢分析法

本研究利用一元線性回歸方法分析2001—2020 年東三省植被NEP變化趨勢，單個像元趨勢線由該像元20 年內(nèi)的像元值用一元線性回歸模擬出來，能夠反映每個像元的變化趨勢［19］。相比于直接計算始末端的差值，該方法能夠消除首末年份出現(xiàn)極端氣候的影響［20-21］，且單個像元NEP在時間上的變化特征能反映不同時期植被NEP變化的空間分布特征［22］。其計算公式為式（6）。

式中：θslope是趨勢斜率；i為1-20 年序號；NEPi表示第i年的NEP值；n為研究的年數(shù)。

θslope反映了20 年間各像元NEP的總體變化趨勢，θslope0、θslope0 分別表示NEP隨時間減少、增加；其絕對值越大則NEP變化越快。

3 結果與分析

3.1 碳匯空間分布特征

東北三省NEP均值空間分布如圖2 所示。由圖2 可知，NEP的空間分布呈東南—西北連線高，向兩邊遞減的趨勢，高值地區(qū)構成半環(huán)形結構，這與東北三省的地理位置和地形有關。東南沿海地區(qū)水熱資源更加豐富，且位于山地，海拔高處不適宜人類居住，城市面積低，植被較多，進而使得NEP值較高；而西部內(nèi)陸地區(qū)水汽被東部山地阻擋，地形以平原為主，植被大多為農(nóng)作物，人口多，城市面積多，植被覆蓋低，NEP均值低［23］。NEP面積分布如圖3所示，由圖3可知，東北三省有96.15%的地區(qū)NEP值大于0 g C·m-2·a-1，其中部分地區(qū)NEP值非常高（NEP>600 g C·m-2·a-1），高值地區(qū)主要分布在小興安嶺，長白山等山地丘陵地區(qū)。這些地方植被長勢茂盛，森林覆蓋高，植被固碳的碳吸收量遠大于土壤微生物呼吸的碳排放量，碳匯能力強。NEP小于0 g C·m-2·a-1的地區(qū)（即碳源）主要分布在東北平原地區(qū)，地表覆蓋類型較復雜，以濕地、農(nóng)田、草地為主。由于常年耕種，水土流失、土壤鹽堿化現(xiàn)象嚴重，植被固碳能力差，土壤呼吸量超過了固碳量，表現(xiàn)為碳源［24］。

圖2 NEP均值空間分布

圖3 NEP面積分布

對不同地表覆蓋類型的NEP值進行統(tǒng)計，統(tǒng)計結果見表1。由表1 可知，地表覆蓋類型不同時，NEP具有較大的差異，按NEP均值大小為各地表覆蓋類型排序：林地>草地>灌叢>農(nóng)田>其他用地>濕地。其中林地的NEP均值為617.65 g C·m-2·a-1，草地的NEP均值為379.60 g C·m-2·a-1，農(nóng)田的NEP均值為340.88 g C·m-2·a-1，這三類地物占據(jù)東北三省97%的面積，其他地表覆蓋類型面積占比較小，對區(qū)域整體的碳匯能力影響較小。農(nóng)田的NEP均值在這三種地物中為最小，與NEP均值最大的林地相差276.77 g C·m-2·a-1，兩者之間的差距是由于不同植被固碳能力的差異，森林吸收固定的碳大部分儲存在林木生物質(zhì)中，儲存時間長、年均累積速率大［25］，而農(nóng)田作物吸收固定的碳僅包括農(nóng)作物秸稈還田保留在土壤中的碳，固定在糧食中的碳最終會被人類或牲畜消耗轉化為二氧化碳排放到大氣中，而且燃燒秸稈并不能起到固碳作用，只有當其作為有機肥回到土壤中才能被固定下來［26］。從面積占比來看，農(nóng)田面積約是林地的兩倍，因此想要增加東北三省的碳匯量，可以通過退耕還林、增大林地面積等方式，但是考慮到東北三省是我國重要的糧食基地，盲目退耕肯定是不明智的?？梢园涯抗饩劢褂诓莸?，草地的NEP均值與農(nóng)田相近，在面積上與林地相近，在25%以上，占比較大，可以考慮把部分草地轉化成林地以增強東北三省固碳能力。

表1 各地表覆蓋類型的NEP統(tǒng)計

3.2 碳匯年際、月際變化特征

NEP年變化趨勢如圖4 所示?？梢钥闯?，2001—2020 年東三省植被NEP年際變化呈波動上升趨勢，分別在2005—2007 年、2008—2009 年、2010—2012 年、2013—2014 年、2016—2017 年和2018—2019 年呈大幅上升，其中2013—2014 年上升幅度最大，且于2014 年出現(xiàn)20 年間最大值為468.37 g C·m-2·a-1；在2004—2005 年、2007—2008年、2009—2010 年、2014—2016 年和2017—2018 年及2019—2020年大幅下降，其中2019—2020年下降幅度最大，甚至在2020年下降到了低于2001年的水平，且于2010年出現(xiàn)最小值為388.98 g C·m-2·a-1。

圖4 NEP年變化趨勢

東北三省這20 年間整體上NEP值雖有所上升但幅度不大，表明東北三省的植被固碳能力增強，年均增長量為1.987 1 g C·m-2·a-1。

東三省NEP月際變化如圖5 所示。由圖5 可知，月均NEP變化呈單峰曲線，各月植被NEP差異明顯。4至7月間呈較強上升趨勢；7月后呈降低趨勢；1 至4 月緩慢上升，10 至12 月緩慢下降。該趨勢與植被的一般生長規(guī)律相符，即7 月份通常為夏季最熱的月份，也是一年中降水較多的月份，植被對水分的吸收利用達到最佳狀態(tài)，生長最為旺盛，NPP達到最大值［27］；而7 月中下旬和8 月初上旬容易發(fā)生洪澇現(xiàn)象，極端災害天氣會影響植被的生長，NPP大幅下降［28］；11月份入冬，東三省地區(qū)過于寒冷，植被幾乎無法生長，NPP接近于零。

圖5 東三省NEP月際變化

為獲取東北三省20 年間NEP變化趨勢的空間分布特征，本研究利用一元線性回歸分析逐像元計算年均NEP的變化斜率，即年變化率（見圖6）。東三省變化趨勢斜率小于0 的像元大約占總像元的19.88%，即大部分地區(qū)的NEP都在增加，碳匯能力上升，上升斜率最主要集中在4～6 之間。由此可知小興安嶺、長白山和東北平原的年NEP值較高而且上升幅度較大。

圖6 2001—2020年東北三省NEP變化率

3.3 氣候因子對NEP的影響

通過逐年的NEP均值、年均溫和年降水曲線圖，可更直觀地了解氣候對NEP的影響規(guī)律，繪制東北三省2001—2020 年逐年的NEP均值、年均溫和年降水曲線，如圖7所示。由圖7可知，NEP均值和年均溫的變化規(guī)律基本一致，年均溫上升，NEP均值也隨之上升；而NEP均值和年降水的變化規(guī)律則相反，年降水上升，NEP均值反而下降。

圖7 年均NEP與溫度、降水的關系

為定量的分析NEP與降水、溫度的關系，采用相關分析方法計算東北地區(qū)年均NEP與年降水、年均溫度之間的相關系數(shù)。NEP與年總降水量之間的相關系數(shù)為0.32，與年均溫之間的相關系數(shù)為-0.14，所以NEP與年均溫呈現(xiàn)正相關，與年總降水呈現(xiàn)負相關，從均值上來看NEP與溫度的相關性更高。但是從極值上面來看，2006—2009年這四年溫度變化較大，NEP變化不明顯；2010 年、2012 年、2013 年、2016 年、2019 年和2020 年，這些年份降水量均高于700 mm，NEP值較低，2010 年出現(xiàn)了20年間NEP的最低值，這是因為2010 年東北地區(qū)遭受了嚴重的洪澇災害，極端災害天氣影響植被的正常生長，進而影響了NEP值。結合這些年份次年的NEP值來看，如果第二年的降水量下降，次年NEP均出現(xiàn)了上升現(xiàn)象。除2010 年NEP急劇下降，2020年也發(fā)生了類似現(xiàn)象，這是由于連續(xù)兩年的降水均超過了700 mm，植被長勢受到連年洪澇受影響，植被NEP出現(xiàn)了明顯的削減。由此可以看出NEP受氣象因子極值變化的影響較大，其中降水量極值占主導因素。

4 結論

本研究利用CASA 模型，以我國東北地區(qū)黑龍江省、吉林省和遼寧省三省為研究區(qū)，基于MODIS數(shù)據(jù)，并結合ERA5 的氣溫、降水和太陽輻射數(shù)據(jù)，計算了2001—2020 年的NEP值，得到了東北三省植被的碳匯時空分布特征及變化規(guī)律，并結合年均氣溫數(shù)據(jù)和年總降水數(shù)據(jù)對其變化原因和變化特征進行了分析，結論如下。

①東北三省的NEP在空間分布上呈現(xiàn)半環(huán)形結構，東南-西北山地連線NEP值高，向兩邊逐漸遞減。地表覆蓋類型不同時，NEP具有較大的差異，按NEP均值大小各地表覆蓋類型排序如下：林地>草地>灌叢>農(nóng)田>其他用地>濕地。林地的NEP為617.65 g C·m-2·a-1，可以通過增大林地面積來增強東北三省的碳匯能力。

②東北三省2001—2020 年NEP均值在年際變化上總體呈現(xiàn)波動上升趨勢，在一定程度上反映了東北三省植被覆蓋增加、生態(tài)環(huán)境改善的情況。在月際變化上，東北三省NEP均值先增后減，7 月份到達峰值。

③年總降水量極值對NEP有顯著影響，當年降水量超過700 mm 時植被NEP普遍下降，但從均值上來看，NEP與氣溫均值成正相關，與降水量均值成負相關，且與氣溫均值的相關性更大。