陳孝楊,黃美琴,張紅梅,張旭陽(yáng),解 雯

(安徽理工大學(xué)地球與環(huán)境學(xué)院,安徽 淮南 232001)

中國(guó)是世界上最大的煤炭生產(chǎn)消費(fèi)國(guó)之一,超過(guò)90%的煤炭產(chǎn)量來(lái)自地下采煤,且多為走向長(zhǎng)壁全塌方開(kāi)采。這種開(kāi)采方式容易導(dǎo)致地面塌陷,尤其在我國(guó)東部平原的資源型城市,如淮南、淮北、徐州、濟(jì)寧等,地下潛水位高,在經(jīng)過(guò)長(zhǎng)期煤炭開(kāi)采后,形成大量的塌陷積水區(qū)[1]。這些塌陷積水區(qū)的形成導(dǎo)致城市水域的面積和空間結(jié)構(gòu)發(fā)生顯著變化,并且水域的轉(zhuǎn)化過(guò)程既能增加植被和土壤的固碳能力,又會(huì)釋放大量的碳,進(jìn)而改變區(qū)域碳排放規(guī)模[2]。因此,研究高潛水資源型城市的水域時(shí)空轉(zhuǎn)化及其碳排放,對(duì)于制定固碳減排策略和實(shí)現(xiàn)碳中和目標(biāo)具有重要意義,也可為水資源治理提供科學(xué)依據(jù)。

遙感技術(shù)是快速大規(guī)模監(jiān)測(cè)土地利用/覆蓋變化和水體提取的有效手段之一,而Google Earth Engine(GEE)作為一個(gè)具有直接訪(fǎng)問(wèn)海量遙感數(shù)據(jù)和在線(xiàn)處理與分析功能的云平臺(tái),進(jìn)一步促進(jìn)了遙感技術(shù)的廣泛應(yīng)用[3]。文獻(xiàn)[4]通過(guò)GEE平臺(tái)調(diào)用Landsat系列數(shù)據(jù)對(duì)淮南市的土地利用進(jìn)行分類(lèi),取得較好的分類(lèi)結(jié)果。文獻(xiàn)[5-6]在GEE平臺(tái)運(yùn)用隨機(jī)森林和Landsat系列數(shù)據(jù),分別實(shí)現(xiàn)地區(qū)的土地分類(lèi)和水域提取。水域轉(zhuǎn)化通常是由土地利用轉(zhuǎn)型拓展而來(lái),文獻(xiàn)[7]對(duì)2000～2015年?yáng)|北三省的土地利用類(lèi)型疊加分析,表明水域向農(nóng)田轉(zhuǎn)化導(dǎo)致水域面積縮減。對(duì)于中國(guó)東部高潛水位平原的礦區(qū),文獻(xiàn)[8]利用土地轉(zhuǎn)移矩陣分析淮南礦區(qū)土地利用變化,表明礦區(qū)水域面積的增加源于耕地轉(zhuǎn)入。

目前,關(guān)于從土地利用變化角度研究碳排放,主要聚焦在耕地利用轉(zhuǎn)型產(chǎn)生的碳排放以及區(qū)域土地利用碳排放核算、機(jī)制與效應(yīng)及影響因素等方面。文獻(xiàn)[9]基于碳排放系數(shù)法計(jì)算松花江流域哈爾濱段耕地利用轉(zhuǎn)型產(chǎn)生的碳排放量,并揭示了碳排放空間異質(zhì)性與形成機(jī)理。文獻(xiàn)[10]利用碳排放系數(shù)法從縣域和區(qū)域角度估算其土地利用變化導(dǎo)致的碳排放量,進(jìn)一步分析了引起土地利用碳排放變化的驅(qū)動(dòng)因素。文獻(xiàn)[11]采用碳排放系數(shù)對(duì)四川省廣元市近20年不同土地利用類(lèi)型的碳排放估算。文獻(xiàn)[12]基于IPCC模型估算30個(gè)省份城市建設(shè)用地的碳排放,并利用LMDI模型分析碳排放的驅(qū)動(dòng)因素。文獻(xiàn)[13]運(yùn)用碳排放系數(shù)法估算長(zhǎng)江三角洲不同土地利用類(lèi)型的碳排放量。但是,關(guān)于水域轉(zhuǎn)化對(duì)區(qū)域碳源和碳匯影響的研究涉及尚少,特別是針對(duì)高潛水位資源型城市水域轉(zhuǎn)化所引起的碳排放研究十分有限。

淮南市位于中國(guó)中東部平原地區(qū),是一個(gè)典型高潛水位資源型城市,擁有豐富的煤炭資源和地下水資源。長(zhǎng)期的煤炭開(kāi)采,導(dǎo)致淮南市地表塌陷嚴(yán)重,進(jìn)而形成大量的塌陷積水區(qū)。本文以淮南市為例,通過(guò)對(duì)遙感數(shù)據(jù)的長(zhǎng)時(shí)序監(jiān)測(cè),研究1987～2019年淮南市水域的時(shí)空變化情況。在此基礎(chǔ)上,重點(diǎn)研究2007～2019年淮南市水域轉(zhuǎn)化的時(shí)空分布及其碳排放量,并與礦區(qū)水域轉(zhuǎn)化情況進(jìn)行對(duì)比分析,旨在為淮南市在低碳經(jīng)濟(jì)背景下的水資源管理和生態(tài)修復(fù)提供科學(xué)依據(jù),也可為類(lèi)似城市的研究提供參考。

1 研究區(qū)與數(shù)據(jù)

1.1 研究區(qū)概況

淮南市位于淮河中游地區(qū),受亞熱帶季風(fēng)氣候影響,年均溫度約16.6℃。全市多年平均降水量為893.4mm,但年內(nèi)分配不均。地形以平原和丘陵為主,淮河以北為平原,淮河以南為不連續(xù)的丘陵,如圖1(a)所示?；茨鲜惺侵袊?guó)13個(gè)億噸煤炭開(kāi)采基地之一,礦區(qū)地勢(shì)平坦,煤層厚而穩(wěn)定,埋藏較深,超過(guò)95%的煤炭產(chǎn)量來(lái)自井工開(kāi)采。由于開(kāi)采強(qiáng)度大且覆巖損壞嚴(yán)重,地表塌陷范圍不斷擴(kuò)大、塌陷速率加快并存在持續(xù)擴(kuò)大的風(fēng)險(xiǎn)[14]。這些塌陷區(qū)受到淺層地下水、地表徑流和降雨補(bǔ)給的影響,形成各種塌陷水域[15]。研究區(qū)所占面積約2 596.4km2。基于中國(guó)煤炭開(kāi)采黃金十年的背景和淮南市礦區(qū)開(kāi)采/關(guān)閉情況,將2007、2013和2019年3期作為土地利用分類(lèi)的源數(shù)據(jù)。依據(jù)各礦區(qū)空間鄰近關(guān)系和開(kāi)采時(shí)間,將淮南市的礦區(qū)分為5部分[16],如圖1(b)所示?？桌畹V區(qū)于20世紀(jì)40～60年代投入生產(chǎn),目前已全部閉礦;其他礦區(qū)主要形成于20世紀(jì)70～90年代,在2001年以后一些新礦區(qū)被投入生產(chǎn)。其中,新集三礦區(qū)、潘一和潘三礦區(qū)分別在2016年和2019年閉礦?？紤]到壽縣未受煤炭開(kāi)采的影響,不將其納入研究。

圖1 淮南市的地形特征和礦區(qū)分布情況

1.2 數(shù)據(jù)來(lái)源及預(yù)處理

本研究所采用的數(shù)據(jù)包括數(shù)字高程模型(Digital Elevation Model,DEM)數(shù)據(jù)、遙感數(shù)據(jù)和社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)。遙感數(shù)據(jù)包括空間分辨率為30m的Landsat 5 TM和Landsat 8 OLI,時(shí)間跨度為1987～2019年。DEM數(shù)據(jù)和遙感數(shù)據(jù)均直接在GEE平臺(tái)調(diào)用。采用GEE平臺(tái)的Fmask算法遙感影像進(jìn)行去云和去陰影等預(yù)處理,鑒于遙感影像仍會(huì)受到云污染或水質(zhì)不佳因素的影響,經(jīng)按日期過(guò)濾后,采用時(shí)間聚合技術(shù)對(duì)云量小于30%的遙感影像進(jìn)行像素的中值合成[17]。社會(huì)經(jīng)濟(jì)統(tǒng)計(jì)數(shù)據(jù)包括安徽省能源平衡表、能源消耗量、建設(shè)用地面積、分配指標(biāo)數(shù)據(jù)和原煤開(kāi)采量,來(lái)源于《中國(guó)能源統(tǒng)計(jì)年鑒》、《安徽省統(tǒng)計(jì)年鑒》、《淮南市統(tǒng)計(jì)年鑒》、淮南市經(jīng)濟(jì)公報(bào)和壽縣經(jīng)濟(jì)公報(bào)。

2 方法

2.1 隨機(jī)森林模型的土地利用分類(lèi)和水體提取

隨機(jī)森林分類(lèi)器是由Breiman在2001年提出的一種基于統(tǒng)計(jì)理論的算法[18],這種屬于集成學(xué)習(xí)算法的分類(lèi)器由多棵決策樹(shù)組成,具有多樹(shù)和重復(fù)采樣的特點(diǎn);與單個(gè)決策樹(shù)相比,它在分類(lèi)過(guò)程中具有更強(qiáng)的魯棒性和良好的泛化能力。目前,隨機(jī)森林被認(rèn)為是土地利用分類(lèi)中應(yīng)用最為廣泛的算法之一[19],在水體提取方面也表現(xiàn)出較高的準(zhǔn)確性[20]。一般來(lái)說(shuō),該分類(lèi)器包括以下幾個(gè)優(yōu)點(diǎn):對(duì)異常值和噪聲具有魯棒性;高效快速地進(jìn)行分類(lèi);不易過(guò)度擬合。

本文參考國(guó)家標(biāo)準(zhǔn)《土地利用現(xiàn)狀分類(lèi)》(GB/T21010—2017),結(jié)合淮南市實(shí)際情況[21],將淮南市的土地利用類(lèi)型分為:水體、建設(shè)用地(城鄉(xiāng)居民點(diǎn)、工礦用地、交通運(yùn)輸?shù)仡?lèi))、耕地、林地和草地(荒草地)。由于不同地類(lèi)在遙感影像數(shù)據(jù)中具有特定的光譜特征,故利用Google Earth Pro歷史高分辨率影像和實(shí)地考察對(duì)各期遙感影像進(jìn)行目視解譯獲取標(biāo)準(zhǔn)樣區(qū):70%作為訓(xùn)練樣區(qū),30%作為驗(yàn)證樣區(qū)。再利用GEE平臺(tái)調(diào)用隨機(jī)森林模型對(duì)淮南市進(jìn)行土地利用分類(lèi)和水體提取,并對(duì)分類(lèi)結(jié)果進(jìn)行精度驗(yàn)證,2007、2013、2019年3個(gè)時(shí)期土地利用分類(lèi)總體分類(lèi)精度均達(dá)到80%以上,kappa系數(shù)均大于0.8;1987～2019年的水體提取,總體精度均超過(guò)85%,kappa系數(shù)均大于0.9,結(jié)果均符合研究的精度需求。

2.2 土地利用轉(zhuǎn)移矩陣

土地利用轉(zhuǎn)移矩陣能夠定量研究特定時(shí)段內(nèi)淮南市不同地類(lèi)之間相互轉(zhuǎn)化的情況,可以全面分析特定時(shí)間內(nèi)土地利用類(lèi)型的數(shù)量變遷和土地利用結(jié)構(gòu)的變化。本文在ArcGIS軟件中將2007、2013和2019年3期土地利用柵格數(shù)據(jù)依次兩兩疊加分析,得到2007～2013年和2013～2019年的兩個(gè)土地利用轉(zhuǎn)移矩陣。具體表達(dá)式如下

(1)

式中,S為土地利用面積,Sij為初期地類(lèi)i轉(zhuǎn)化為末期地類(lèi)j的面積,i,j=1,2,…,m,其中m為土地利用類(lèi)型數(shù)(耕地、草地、林地、建設(shè)用地和水域5種地類(lèi))。

2.3 碳排放估算

1)建設(shè)用地碳排放系數(shù)的估算 建設(shè)用地引起的間接碳排放主要來(lái)源于化石能源燃燒[22]。為量化水域與建設(shè)用地相互轉(zhuǎn)化產(chǎn)生的碳排放量,將研究區(qū)各時(shí)期的間接碳排放量與相應(yīng)的建設(shè)用地面積相匹配,以估算平均碳排放系數(shù),即建設(shè)用地單位面積產(chǎn)生的碳排放量,如式(2)所示。

(2)

式中,f為建設(shè)用地的碳排放系數(shù),t/km2;EC為能源消耗碳排放量,104t;D為建設(shè)用地面積,km2。

本文采用文獻(xiàn)[23]提出的碳排放求算方法。即,通過(guò)省級(jí)能源平衡表(Energy Balance Tuble,EBT)計(jì)算市級(jí)能源消耗產(chǎn)生的碳排放量。該方法已被多位學(xué)者[24-25]用來(lái)計(jì)算一般地級(jí)市或縣的能源消耗量及其產(chǎn)生的碳排放量,均表現(xiàn)出較好的結(jié)果。該方法共分為3個(gè)步驟。

第一步 使用IPCC推薦的方法[26]計(jì)算省級(jí)EBT中27種類(lèi)型的化石燃料產(chǎn)生的碳排放量,計(jì)算公式如下:

(3)

(4)

表1 各種化石能源燃料的碳排放系數(shù)

第二步 通過(guò)建立市級(jí)與省級(jí)之間的分配系數(shù)[27](見(jiàn)表2),將省級(jí)數(shù)據(jù)分配到市級(jí)以計(jì)算市級(jí)EBT中各類(lèi)別對(duì)應(yīng)的能源消耗產(chǎn)生的碳排放量,見(jiàn)式(5)和式(6)。

(5)

表2 能源平衡表能源消耗類(lèi)別和分配指標(biāo)

(6)

第三步 EBT的消費(fèi)部分如表2所示。根據(jù)安徽省和淮南市的實(shí)際情況,參考文獻(xiàn)[28]提出的基于EBT修正后的“消費(fèi)量合計(jì)”方法,分別計(jì)算省級(jí)和地級(jí)市能源消耗產(chǎn)生的碳排放量,如公式(7)所示。

EC=FEC+Lost+|IE(-)|-NEU

(7)

由于煉油、煉焦等活動(dòng)產(chǎn)生的二氧化碳相對(duì)較低,故IE(-)中不考慮;IE(-)中已包括本地生產(chǎn)的電熱碳排放,FEC中無(wú)須再計(jì)算;去除工業(yè)中被用作原材料燃料(NEU)的碳排放量。

2)水域轉(zhuǎn)化的碳排放量 因?yàn)楦鞯仡?lèi)的碳排放系數(shù)不同,所以地類(lèi)轉(zhuǎn)化會(huì)引起碳排放變化。因此,利用水域與其他地類(lèi)相互轉(zhuǎn)化前后的碳排放系數(shù)差和轉(zhuǎn)化面積,來(lái)量化水域與其他地類(lèi)相互轉(zhuǎn)化產(chǎn)生的碳排放/吸收量,具體估算公式[29]如下

E=∑Sk×δk

(8)

采用式(8)估算除建設(shè)用地外,水域分別與耕地、草地和林地相互轉(zhuǎn)化產(chǎn)生的碳排放量。

在T1～T2時(shí)段內(nèi)水域轉(zhuǎn)化為建設(shè)用地產(chǎn)生的碳排放量估算如下

E=Sbuild-water×(fT1-δwater)

(9)

在T1～T2時(shí)段由建設(shè)用地轉(zhuǎn)化為水域產(chǎn)生的碳排放量計(jì)算如下

E=Swater-build×(δwater-fT2)

(10)

將碳排放量(碳源)設(shè)為正值,碳吸收量(碳匯)設(shè)為負(fù)值。其中,E為水域轉(zhuǎn)化產(chǎn)生的碳排放/吸收總量,t;Sk為水域與其他地類(lèi)相互轉(zhuǎn)化對(duì)應(yīng)產(chǎn)生的轉(zhuǎn)化面積,km2;δk為水域與其他地類(lèi)相互轉(zhuǎn)化對(duì)應(yīng)的碳排放/吸收系數(shù)差,t/km2。對(duì)于耕地的碳排放既要考慮農(nóng)作物生產(chǎn)過(guò)程中的碳排放系數(shù)[30],還要考慮農(nóng)作物生育過(guò)程的碳吸收系數(shù)[31],故取兩者差為凈碳排放系數(shù)。對(duì)于林地和草地均參考文獻(xiàn)[32]的研究成果,前者取其平均值。對(duì)于水域,參考文獻(xiàn)[33-34]的研究成果,取平均值作為水域的碳排放系數(shù),由于研究區(qū)存在大量煤炭開(kāi)采形成的積水特征,還需要將水域視為負(fù)碳匯[35]。故耕地、林地、草地和水域用于研究的碳排放系數(shù)分別為0.049 7、-0.058 6、-0.002 1和0.053 8kg(C)/m2。fT1和fT2分別表示T1年和T2年建設(shè)用地的碳排放系數(shù)(104t/km2);Sbuild-water和Swater-build分別表示建設(shè)用地轉(zhuǎn)為水域的面積和水域轉(zhuǎn)為建設(shè)用地的面積(km2)。

3 結(jié)果與分析

3.1 水域面積時(shí)空變化

1987～2019年,淮南市和礦區(qū)的水域面積均呈現(xiàn)明顯的上升趨勢(shì),對(duì)應(yīng)的水域面積增量分別為30.09km2和25.40km2。具體而言,淮南市水域面積變化可以分為“緩慢-快速-較緩慢”3個(gè)階段,如圖2(a)所示。1987～2007年為緩慢上升期,年均增長(zhǎng)率為0.83%,水域面積從198.64km2增至234.47km2;2007～2013年為快速上升期,淮南市水域面積急劇上升,年均增長(zhǎng)率為2.31%,增加34.44km2;2013～2019年為較緩慢上升期,年均增長(zhǎng)率為1.07%。

圖2 研究區(qū)1987～2019年水域面積變化

礦區(qū)的水域面積變化也可以分為3個(gè)階段:1987～2007年為緩慢上升期,年均增長(zhǎng)率為2.89%,礦區(qū)水域面積增量為35.84km2,潘集礦區(qū)的水域變化呈明顯的上升趨勢(shì),增量為9.78km2;2007～2013年為快速上升期,水域面積的增量29.52km2,年均增量為8.78%,其中潘集礦區(qū)和鳳臺(tái)礦區(qū)增幅最大;2013～2019年為較緩慢上升期,年均增長(zhǎng)率為1.07%,潘集礦區(qū)和鳳臺(tái)礦區(qū)同樣為較緩慢上升,而丁集朱集礦區(qū)開(kāi)始增加,如圖2(b)所示。綜上所述,各階段礦區(qū)水域面積的年均增長(zhǎng)率均大于或等于淮南市,表明淮南市水域面積主要受礦區(qū)水域變化的影響。

在空間上,同樣可以表明淮南市水域面積變化主要發(fā)生在礦區(qū),如圖3所示。1987～2007年,淮南市和礦區(qū)水域面積變化不明顯,礦區(qū)內(nèi)塌陷積水相對(duì)較少;2007～2013年,礦區(qū)內(nèi)水域面積變化顯著,從東向西逐漸增加,尤其是潘集礦區(qū)和鳳臺(tái)礦區(qū)的水域變化最為顯著;2013～2019年,雖然礦區(qū)水域面積變化更為緩慢,但是鳳臺(tái)礦區(qū)和潘集礦區(qū)水域面積仍然在增加。圖3(a)和圖3(b)顯示,2007～2019年礦區(qū)的水域范圍不斷向外延伸,特別是鳳臺(tái)礦區(qū)和丁集礦區(qū),這進(jìn)一步表明淮南市的水域變化主要受礦區(qū)水域變化的影響。

圖3 不同時(shí)期研究區(qū)水域面積變化

3.2 水域時(shí)空轉(zhuǎn)化特征

基于土地利用轉(zhuǎn)移矩陣分別建立2007～2019年淮南市和礦區(qū)的水域轉(zhuǎn)化矩陣及其空間分布,從而揭示水域的時(shí)空轉(zhuǎn)化特征,如表3～表4和圖3～圖4所示。

表3 2007～2013年淮南市和礦區(qū)的水域轉(zhuǎn)化矩陣

表4 2013～2019年淮南市和礦區(qū)的水域轉(zhuǎn)化矩陣

圖4 2007—2019年水域轉(zhuǎn)化的空間分布圖

2007～2013年間,淮南市水域轉(zhuǎn)入面積為57.12km2,主要為耕地轉(zhuǎn)化為水域,面積為53.77km2,占比94.14%;其次是建設(shè)用地轉(zhuǎn)化為水域,面積為3.28km2,占比5.74%;林地僅占0.12%?；茨鲜兴蜣D(zhuǎn)出總面積為22.68km2,其中轉(zhuǎn)化為耕地的面積最大,為17.07km2,占比75.26%,轉(zhuǎn)化為建設(shè)用地的面積為5.57km2,占比24.56%,林地和草地僅占0.18%。綜合來(lái)看,由于水域轉(zhuǎn)入量大于轉(zhuǎn)出量,2007～2013年淮南市水域面積呈上升趨勢(shì),增加量為34.43km2,主要源于水域與耕地、建設(shè)用地的相互轉(zhuǎn)化引起?；诘V區(qū)水域轉(zhuǎn)化情況,淮南市近乎一半的水域轉(zhuǎn)化均發(fā)生在礦區(qū),其中礦區(qū)內(nèi)耕地轉(zhuǎn)化為水域的面積是淮南市的59.83%,而水域轉(zhuǎn)化耕地僅占19.39%,它們的凈轉(zhuǎn)化面積占比78.64%,導(dǎo)致淮南市水域面積增加的區(qū)域主要發(fā)生在礦區(qū),且多以損壞耕地增加水域;水域與建設(shè)用地之間的轉(zhuǎn)化主要發(fā)生在礦區(qū)以外,礦區(qū)內(nèi)水域與建設(shè)用地相互轉(zhuǎn)化的凈面積為正值。

2013～2019年淮南市由其他地類(lèi)轉(zhuǎn)化為水域的總面積為51.91km2。其中,耕地轉(zhuǎn)化為水域的面積是45.76km2,占比88.15%;其次,是建設(shè)用地,占比11.42%。而水域轉(zhuǎn)化為其他地類(lèi)的總面積為34km2,主要流向耕地和建設(shè)用地,轉(zhuǎn)化面積分別為28.80km2和5.15km2,占比分別為84.70%和15.15%。整體而言,2013～2019年淮南市水域面積呈上升趨勢(shì),6年內(nèi)凈增加17.91km2,耕地和建設(shè)用地為其面積的增加作正向貢獻(xiàn),其中耕地與水域相互轉(zhuǎn)化的凈面積為16.96km2,起主導(dǎo)作用。結(jié)合礦區(qū)水域轉(zhuǎn)化情況,淮南市46.11%的水域轉(zhuǎn)化過(guò)程均發(fā)生于礦區(qū)內(nèi),其中礦區(qū)內(nèi)耕地轉(zhuǎn)化為水域的面積占淮南市的57.58%,水域轉(zhuǎn)化為耕地占比29.86%。盡管礦區(qū)水域與建設(shè)用地的轉(zhuǎn)化僅占淮南市的41.79%,但是礦區(qū)內(nèi)其凈轉(zhuǎn)化面積大于淮南市。

2007～2013年,耕地向水域的轉(zhuǎn)化廣泛發(fā)生,主要分布于礦區(qū),河湖周?chē)突茨鲜袞|部地區(qū)也存在聚集現(xiàn)象,其他區(qū)域則呈離散分布。而水域轉(zhuǎn)化為耕地主要在焦崗湖,源于該地區(qū)在2009年左右發(fā)生圍湖造田,其余部分主要分布在淮南市東南部和南部地區(qū)。水域轉(zhuǎn)化為建設(shè)用地集中分布在淮南市東北部地區(qū),其余部分多分布在礦區(qū),如圖4(a)所示。2013～2019年,淮南市整體的轉(zhuǎn)化方向是耕地轉(zhuǎn)化為水域,主要發(fā)生在礦區(qū)內(nèi),其余分布于焦崗湖、淮河流域、淮南市東南部和南部地區(qū),焦崗湖的變化源于響應(yīng)國(guó)家要求實(shí)施退耕還湖。其次,水域轉(zhuǎn)化為耕地占比相對(duì)較大,主要分布在淮南市東部地區(qū),少部分離散分布在焦崗湖、河湖周?chē)偷V區(qū)。而建設(shè)用轉(zhuǎn)化為水域主要分布于礦區(qū),源于煤炭開(kāi)采導(dǎo)致居民用地塌陷,從而形成塌陷積水區(qū),如圖4(b)所示。

3.3 水域轉(zhuǎn)化碳排放特征

為量化水域轉(zhuǎn)化過(guò)程中引起的碳排放量,根據(jù)式(8)～式(10)分別估算淮南市和礦區(qū)在不同時(shí)期水域與其他地類(lèi)相互轉(zhuǎn)化引起的碳排放量,如表5～表6所示。

表5 淮南市和礦區(qū)2007～2013年水域轉(zhuǎn)化碳排放量 t

表6 淮南市和礦區(qū)2013～2019年水域轉(zhuǎn)化碳排放量 t

2007～2013年淮南市水域轉(zhuǎn)化碳排放量為58 569.49t,此轉(zhuǎn)化過(guò)程中碳排放量大于碳吸收量,使得水域轉(zhuǎn)化碳排放最終呈現(xiàn)為碳源。其中,水域與建設(shè)用地之間相互轉(zhuǎn)化產(chǎn)生的碳排放量占比最大,為421 203.52t;其次,水域與耕地的相互轉(zhuǎn)化,碳排放量為150.47t;最后,水域與林地的相互轉(zhuǎn)化,碳排放量為5.62t。而水域與草地之間的相互轉(zhuǎn)化最終表現(xiàn)為碳匯,碳排放量為-1.12t。礦區(qū)內(nèi)水域轉(zhuǎn)化總體上表現(xiàn)為碳匯,相較于淮南市,礦區(qū)內(nèi)水域與建設(shè)用地轉(zhuǎn)化的凈面積為正值,而淮南市的為負(fù)值,進(jìn)而使得礦區(qū)水域與建設(shè)用地的相互轉(zhuǎn)化為固定碳,其碳排放量為-11 856.62t,而碳源產(chǎn)生的過(guò)程僅來(lái)自于水域與耕地的相互轉(zhuǎn)化,碳排放量為118.33t,如表5所示。

在2013～2019年,淮南市水域轉(zhuǎn)化過(guò)程中引起的碳源主要來(lái)自耕地、林地和草地轉(zhuǎn)化為水域和水域轉(zhuǎn)化為建設(shè)用地的過(guò)程,其碳排放量為119 364.47t。碳匯是由水域轉(zhuǎn)化為耕地、林地和草地以及建設(shè)用地轉(zhuǎn)化為水域構(gòu)成。在水域轉(zhuǎn)化過(guò)程中,建設(shè)用地轉(zhuǎn)化為水域積累的碳儲(chǔ)量遠(yuǎn)大于水域轉(zhuǎn)化過(guò)程中產(chǎn)生的碳排放量,故淮南市在水域轉(zhuǎn)化過(guò)程中表現(xiàn)為碳匯,其值為-17 381.12t。在礦區(qū)內(nèi),水域轉(zhuǎn)化為建設(shè)用地產(chǎn)生的碳排放量遠(yuǎn)小于建設(shè)用地轉(zhuǎn)化為水域產(chǎn)生的碳儲(chǔ)量,最終使得礦區(qū)水域轉(zhuǎn)化呈現(xiàn)為碳匯,且碳儲(chǔ)量是淮南市的1.75倍,如表6所示。

4 討論與結(jié)論

4.1 討論

經(jīng)研究發(fā)現(xiàn),在1987～2019年淮南市和礦區(qū)的水域面積均呈上升趨勢(shì),且該過(guò)程主要發(fā)生在礦區(qū)內(nèi)。這一變化主要受煤炭開(kāi)采量在不同時(shí)間尺度上的影響,在長(zhǎng)時(shí)間尺度上煤炭開(kāi)采量是驅(qū)動(dòng)淮南市水域面積變化的主要因素,而短期內(nèi)的變化主要受降雨量影響[36]。故從煤炭開(kāi)采量的角度對(duì)1987～2019年淮南市水域面積變化進(jìn)行分析:1987～2007年,由于煤炭開(kāi)采技術(shù)落后且規(guī)模相對(duì)較小,水域面積僅略微增長(zhǎng);2007～2013年,在國(guó)家能源需求的推動(dòng)下,煤炭開(kāi)采規(guī)模逐漸擴(kuò)大,原煤開(kāi)采量從4.67×107t增至8.49×107t,這段時(shí)期礦區(qū)水域變化顯著;2013年以后,由于環(huán)境保護(hù)和能源結(jié)構(gòu)調(diào)整的需要,一些不符合安全和環(huán)保標(biāo)準(zhǔn)的中小型煤礦被關(guān)閉,促使煤炭開(kāi)采量逐漸減少,區(qū)域水域面積的增長(zhǎng)速度相對(duì)減緩。

2007～2019年淮南市水域轉(zhuǎn)化碳排放量先增加后減少,而礦區(qū)水域轉(zhuǎn)化碳吸收量持續(xù)增加,歸因于水域與高碳排放系數(shù)的建設(shè)用地之間的相互轉(zhuǎn)化。具體而言,水域與建設(shè)用地相互轉(zhuǎn)化產(chǎn)生的碳排放量直接影響淮南市和礦區(qū)在水域轉(zhuǎn)化過(guò)程中的碳源/碳匯表現(xiàn),表明建設(shè)用地在土地利用轉(zhuǎn)型的碳排放中占據(jù)重要地位。這表明,政府可以采取措施來(lái)引導(dǎo)這種轉(zhuǎn)化,以降低碳排放,從而有助于實(shí)現(xiàn)碳減排目標(biāo)。首先,在本研究中水域與建設(shè)用地的轉(zhuǎn)化并不頻繁,但是對(duì)于煤炭開(kāi)采的資源型城市,其建設(shè)用地的碳排放系數(shù)明顯高于其他地類(lèi),說(shuō)明區(qū)域建設(shè)用地不斷新增,而資源型城市的能源消耗量也在增加。因此,政府可以通過(guò)合理控制新增建設(shè)用地、減少化石能源消耗量和應(yīng)用綠色新能源來(lái)降低碳排放量。另外,研究還顯示在高潛水位資源型城市將建設(shè)用地轉(zhuǎn)化為水域可以減少碳排放量,但這需要對(duì)塌陷積水區(qū)進(jìn)行治理,才能達(dá)到固碳減排的目的。因此,可以通過(guò)對(duì)于已形成的塌陷積水區(qū)挖深埋淺,對(duì)難以復(fù)墾的積水區(qū)構(gòu)建濕地生態(tài)系統(tǒng)和水生態(tài)環(huán)境治理等措施,來(lái)提高水域的碳匯能力,將塌陷水域的負(fù)碳匯轉(zhuǎn)為正碳匯。綜上所述,本研究可為政府在城市規(guī)劃、資源管理和固碳減排政策的制定提供理論支撐。通過(guò)合理運(yùn)用這些成果,政府可以積極引導(dǎo)城市發(fā)展,實(shí)現(xiàn)可持續(xù)發(fā)展目標(biāo),并降低碳排放水平,實(shí)現(xiàn)社會(huì)經(jīng)濟(jì)發(fā)展和環(huán)境保護(hù)的協(xié)同推進(jìn)。

4.2 結(jié)論

1)1987～2019年,淮南市和礦區(qū)的水域面積整體上均呈增長(zhǎng)趨勢(shì),但是在各階段的增長(zhǎng)率卻并不相同。1987～2007年淮南市水域面積變化較小,礦區(qū)積水區(qū)域尚未穩(wěn)定;2007～2013年淮南市和礦區(qū)的水域面積變化均明顯;2013～2019年由于環(huán)境保護(hù)和資源枯竭等因素的影響,淮南市和礦區(qū)水域面積的增長(zhǎng)開(kāi)始放緩。在空間尺度上,淮南市的水域變化主要分布在礦區(qū)內(nèi)。

2)2007～2013年淮南市和礦區(qū)水域面積均呈上升趨勢(shì),主要源于耕地的轉(zhuǎn)入,該轉(zhuǎn)化過(guò)程主要分布在礦區(qū);2013～2019年淮南市和礦區(qū)水域面積仍呈上升趨勢(shì),其中水域與耕地和建設(shè)用地的轉(zhuǎn)化最為頻繁。在兩個(gè)階段中,淮南市近乎一半的水域轉(zhuǎn)化過(guò)程均發(fā)生在礦區(qū)。

3)2007～2019年,淮南市水域轉(zhuǎn)化碳排放量先增加后減少,礦區(qū)水域轉(zhuǎn)化碳排放始終處于固碳狀態(tài),其中2007～2013年水域轉(zhuǎn)化碳排放最為劇烈,淮南市和礦區(qū)水域轉(zhuǎn)化碳排放分別為58 569.46t和-17 381.12t。2013～2019年淮南市和礦區(qū)水域轉(zhuǎn)化碳排放量分別為-11 738.85t和-30 402.66t。