摘要" 碳儲量是生態(tài)系統(tǒng)服務(wù)功能的重要組成部分之一，其演變趨勢及驅(qū)動因子的揭示對于維護地區(qū)生態(tài)系統(tǒng)安全具有重要意義。本研究利用生態(tài)系統(tǒng)服務(wù)與權(quán)衡綜合評估（InVEST）模型的碳儲量模塊對東北地區(qū)2000—2020年10年間隔的碳儲量進行評價，分析其演變趨勢；并使用地理探測器（Geodetector）模型對影響該地區(qū)碳儲量的驅(qū)動因子進行探測與分析。結(jié)果表明，2000—2020年，研究區(qū)碳儲量總體呈下降趨勢，降幅0.20%。其中，2000—2010年碳儲量減少了0.15%，2010—2020年碳儲量減少了0.05%。不同土地利用類型的碳儲量存在明顯差異，其中林地的碳儲量增量最大，達0.14×10^9"t。2000—2020年，影響研究區(qū)碳儲量的主導(dǎo)因子為總初級生產(chǎn)力，2000、2010和2020年的單因子探測q值分別為0.562、0.576和0.569。交互探測解釋力最強的因子為總初級生產(chǎn)力和年平均氣溫，2000、2010和2020年兩者交互作用的q值分別為0.748、0.756和0.750。研究結(jié)果為推進區(qū)域生態(tài)系統(tǒng)服務(wù)功能的提升提供參考。

關(guān)鍵詞" 碳儲量；InVEST模型；Geodetector模型；生態(tài)系統(tǒng)服務(wù)功能

中圖分類號" S157"""""" 文獻標(biāo)識碼" A"""""" 文章編號" 1007-7731（2025）06-0078-05

DOI號" 10.16377/j.cnki.issn1007-7731.2025.06.019

Evolution trend and driving factors analysis of carbon storage in Northeast China

ZHAO He

（Harbin Normal University， Harbin 150025， China）

Abstract" Carbon storage is one of the important components of ecosystem services function， and its evolution trend and driving factors are of great significance for maintaining regional ecosystem security. In this study， the carbon storage module of integrated valuation of ecosystem services and tradeoffs （InVEST） model was used to evaluate the 10-year interval carbon storage in Northeast China from 2000 to 2020， and analyzed its evolution trend， and the driving factors affecting carbon storage were detected by Geodetector. The results showed that，from 2000 to 2020， the carbon storage generally showed a decreasing trend by 0.20% in the survey region. It was decreased by 0.15% in the first decade and 0.05% in the last decade. Over the past 20 years， the carbon storage was significantly different in different land use types. The increment of forest carbon storage was the largest （0.14×10⁹ t）. In the past 20 years， the dominant factor affecting carbon storage was gross primary productivity， and the single factor detection q values in 2000， 2010 and 2020 were 0.562， 0.576 and 0.569， respectively in the survey region. The strongest explanatory power factors were gross primary productivity and annual mean temperature. The q values of their interactions in 2000， 2010 and 2020 were 0.748， 0.756 and 0.750， respectively. The research results provided a reference for promoting the improvement of regional ecosystem services.

Keywords" carbon storage; InVEST model; Geodetector model; ecosystem service function

碳儲量是生態(tài)系統(tǒng)服務(wù)功能的重要組成部分之一，在維持生態(tài)系統(tǒng)穩(wěn)定性方面發(fā)揮重要作用^[1]。碳儲量與氣候調(diào)節(jié)和土地利用密切相關(guān)，是評價生態(tài)系統(tǒng)服務(wù)功能的關(guān)鍵指標(biāo)之一^[2-3]。土地利用類型的轉(zhuǎn)變通常伴隨著大量的碳交換，并通過改變生態(tài)系統(tǒng)的結(jié)構(gòu)和功能來改變碳循環(huán)^[4]。隨著氣候變暖和經(jīng)濟的快速發(fā)展，土地利用類型發(fā)生了巨大變化，從而導(dǎo)致區(qū)域碳儲量發(fā)生不同程度的時空變化^[5]。因此，針對東北地區(qū)碳儲量演變趨勢和驅(qū)動因子的研究對地區(qū)生態(tài)安全具有重要意義。

區(qū)域碳儲量的評估方法主要包括野外采樣調(diào)查、遙感信息檢索和模型模擬評估^[6]等。生態(tài)系統(tǒng)服務(wù)與權(quán)衡綜合評估（InVEST）模型能夠準(zhǔn)確反映多尺度的碳儲量時空變化，具有操作方法簡單、參數(shù)獲取方便以及成果直觀可視化表達等優(yōu)點^[7-8]，常用于模擬評估土地利用變化引起的碳儲量變化^[3]。InVEST模型的碳儲量模塊簡化了評估生態(tài)系統(tǒng)碳儲量的碳循環(huán)過程，可以量化評估區(qū)域碳儲量及其隨時間推移的變化。已有研究證明，InVEST模型在評估和研究土地利用變化對生態(tài)系統(tǒng)碳儲量的影響方面較為有效^[9]。例如，Zarandian等^[10]利用InVEST模型評估了土地利用變化對森林景觀碳儲存和碳固存的影響；Lahiji等^[11]綜合多目標(biāo)土地利用配置和InVEST模型，研究了不同土地利用政策對農(nóng)林混合景觀中碳儲量變化的影響；Liu等^[12]通過整合CA-Markov模型和InVEST模型，分析了1992—2019年海南島生態(tài)系統(tǒng)土地利用與碳儲量的動態(tài)變化以及兩者之間的關(guān)系，并對未來不同情景下的碳儲量進行了預(yù)測；楊瀲威等^[13]耦合PLUS模型和InVEST模型，預(yù)測了西安市未來不同情景下土地利用及碳儲量的時空變化特征，研究了土地利用變化對碳儲量的影響。

東北地區(qū)擁有廣闊的天然林區(qū)，形成了茂密的原始森林分布帶，是重要的生態(tài)安全屏障和糧食生產(chǎn)基地，區(qū)域內(nèi)農(nóng)業(yè)、林業(yè)和工業(yè)全面發(fā)展，對土地利用變化和氣候變化表現(xiàn)出較高的敏感性。研究區(qū)全面啟動了天然林保護計劃，致力于保護生態(tài)用地，區(qū)域生態(tài)系統(tǒng)功能得到有效提升。本研究探討了土地利用變化影響下，2000—2020年東北地區(qū)碳儲量的變化趨勢及時空分布格局；評價氣候、自然地理和社會經(jīng)濟等驅(qū)動因子對該地區(qū)碳儲量的影響，為研究區(qū)自然資源的可持續(xù)開發(fā)利用和生態(tài)環(huán)境的有效管理提供參考。

1 材料與方法

1.1 研究區(qū)基本情況

東北地區(qū)地處東北亞的核心地帶，其維度范圍在38"°43′—53"°34′ N，118"°53′—135"°06′ E。該地區(qū)氣候類型屬于溫帶季風(fēng)氣候，夏季高溫多雨，冬季寒冷干燥，年平均氣溫較低，四季分明，擁有豐富的生物群落。地形以平原、丘陵和山地為主，形成了山環(huán)水繞的地理格局。

1.2 數(shù)據(jù)來源

1.2.1 空間基礎(chǔ)數(shù)據(jù) 本研究使用了土地利用、氣象、社會經(jīng)濟、基礎(chǔ)地理信息以及自然地理等多種空間基礎(chǔ)數(shù)據(jù)。數(shù)據(jù)具體來源：土地利用數(shù)據(jù)為柵格格式，來源于哥白尼氣候數(shù)據(jù)存儲中心；氣象數(shù)據(jù)類型（年平均氣溫、年平均降水），為柵格格式，來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心；社會經(jīng)濟數(shù)據(jù)類型（人口密度、國內(nèi)生產(chǎn)總值和夜間燈光），為柵格格式，來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心；基礎(chǔ)地理信息數(shù)據(jù)類型（距居民點距離、距公路距離、距鐵路距離和距河流距離），為矢量格式，來源于全國地理信息資源目錄服務(wù)系統(tǒng)；自然地理數(shù)據(jù)類型（總初級生產(chǎn)力、歸一化植被指數(shù)、高程、坡度、坡向和地形起伏度），為柵格格式，其中總初級生產(chǎn)力數(shù)據(jù)來源于國家生態(tài)科學(xué)數(shù)據(jù)存儲庫，歸一化植被指數(shù)和高程數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心，其他數(shù)據(jù)采用ArcGIS軟件對高程數(shù)據(jù)進行空間分析得到。

1.2.2 碳密度數(shù)據(jù) 研究所需的各土地利用類型的碳密度數(shù)據(jù)主要通過查閱文獻并整理總結(jié)相關(guān)研究成果獲得，且優(yōu)先參考近期的研究成果，最終得到適用于研究區(qū)各土地利用類型的碳密度數(shù)值（表1）。

1.3 研究方法

1.3.1 InVEST模型 在InVEST模型碳儲量模塊輸入土地利用柵格圖以及4個碳庫的碳密度數(shù)據(jù)，即可計算出碳儲量。4個碳庫分別為地上生物量（土壤以上的樹皮、樹干、樹枝和葉片等所有生長植物）、地下生物量（地上生物量的生長根系）、土壤有機質(zhì)（土壤的有機成分）和枯落物有機質(zhì)（凋落物以及倒木、枯木中的碳）。碳儲總量為4個碳庫的平均碳密度與相應(yīng)土地利用類型面積相乘的總和^[20]。碳儲量計算如式（1）～（2）。

1.3.2 Geodetector模型 地理探測器模型可用于探測單獨變量的空間異質(zhì)性，也可用于分析兩個變量之間空間分布的耦合性，探測兩個變量之間的因果關(guān)系。利用該模型對研究區(qū)3個時期碳儲量的空間異質(zhì)性進行探測，分析不同驅(qū)動因子對碳儲量的交互作用及影響程度。根據(jù)已有相關(guān)文獻并結(jié)合研究區(qū)的實際情況，選取年平均氣溫和年平均降水作為氣象因子，人口密度、國內(nèi)生產(chǎn)總值和夜間燈光作為社會經(jīng)濟因子，距居民點、公路、鐵路和河流距離作為基礎(chǔ)地理信息因子，總初級生產(chǎn)力、歸一化植被指數(shù)、高程、坡度、坡向和地形起伏度作為自然地理因子，探測各因子對研究區(qū)碳儲量的影響程度。利用ArcGIS軟件自然斷點法對上述各因子進行分級，輸入地理探測器模型進行探測，根據(jù)因子探測和交互探測結(jié)果進行分析，結(jié)果q值越大，說明相應(yīng)驅(qū)動因子對區(qū)域碳儲量的解釋力越強。

2 結(jié)果與分析

2.1 研究區(qū)碳儲量評價

2000—2020年研究區(qū)碳儲量呈現(xiàn)明顯的空間分異現(xiàn)象，碳儲量高值區(qū)域主要分布在北部的小興安嶺和東部的長白山山脈，東北部的三江平原、區(qū)域中心的松嫩平原和南部的遼河平原碳儲量次之。如表3所示，在研究時間段內(nèi)，研究區(qū)碳儲量整體呈下降趨勢，區(qū)域碳儲量總體減少了0.04×10⁹"t，降低了0.20%。其中，2000—2010年碳儲量從19.57×10⁹"t下降至19.54×10⁹"t，減少了0.03×10⁹"t（0.15%）；2010—2020年碳儲量下降至19.53×10⁹"t，10年間減少了0.01×10⁹"t（0.05%）（表2）。

研究區(qū)碳儲量主要分布于耕地、林地和草地，土地利用的變化導(dǎo)致了不同土地利用類型的碳儲量呈不同程度的增加或減少趨勢。2000—2020年，隨著經(jīng)濟的快速發(fā)展，對土地的開發(fā)利用強度加大，耕地、草地、稀疏植被和裸土地的碳儲量逐漸減少，至2020年分別降低了0.02×10⁹、0.22×10⁹、0.02×10⁹和0.02×10⁹"t。2000年以來，隨著研究區(qū)天然林保護工程的實施，生態(tài)用地得到有效保護，林地碳儲量獲得較大幅度增加，至2020年林地碳儲量增加了0.14×10⁹"t，建設(shè)用地和水域的碳儲量分別增加了0.09×10⁹和0.01×10⁹"t。

2.2 碳儲量驅(qū)動因子分析

單因子探測結(jié)果顯示，各驅(qū)動因子對碳儲量的空間分異特征均具有顯著影響?？偝跫壣a(chǎn)力、高程、地形起伏度和坡度等自然地理因子是影響研究區(qū)碳儲量空間分布的關(guān)鍵因素。其中，總初級生產(chǎn)力對碳儲量空間分布特征的解釋力最強，是主導(dǎo)因子，2000、2010和2020年的單因子探測q值分別為0.562、0.576和0.569。交互探測結(jié)果顯示，驅(qū)動因子之間的交互作用均存在增強效應(yīng)，主要表現(xiàn)為雙因子增強，說明因子間交互作用時的解釋力大于單因子。其中，總初級生產(chǎn)力和年平均氣溫的交互作用對該區(qū)域碳儲量分布的解釋力最強，2000、2010和2020年兩者交互作用的q值分別為0.748、0.756和0.750。

3 結(jié)論與討論

從研究結(jié)果來看，2000—2020年研究區(qū)碳儲量從19.57×10⁹"t下降至19.53×10⁹"t，總體減少了0.04×10⁹"t，降低了0.20%，碳儲量整體呈下降趨勢，這一結(jié)果與王佳琪等^[21]的研究基本一致。然而，本研究所用研究方法存在一定的局限性。一方面，InVEST模型碳儲量模塊簡化了評估生態(tài)系統(tǒng)碳儲量的碳循環(huán)過程，對于碳儲量的計算主要通過查閱已有研究成果中不同土地利用類型的碳密度，忽略了不同土地類型碳密度隨時間的變化，且對于細化的土地利用類型的碳密度未充分考慮。后期研究中可對土地類型進行更加細致地分類，同時引入實地采樣數(shù)據(jù)，以提高不同地類碳密度值的準(zhǔn)確性。另一方面，影響碳儲量變化的驅(qū)動因子復(fù)雜多樣，本研究僅考慮了已有研究中的因子類型，在未來研究中，對于驅(qū)動因子的選擇可綜合考慮多種因素，并結(jié)合因子時空變化特征對其進行分析，以提高分析結(jié)果的科學(xué)性。

本文耦合InVEST模型和Geodetector模型，對2000—2020年東北地區(qū)碳儲量演變趨勢及驅(qū)動因子進行分析。研究結(jié)果表明，近20年，該地區(qū)碳儲量的空間分布呈現(xiàn)明顯的異質(zhì)性，碳儲量整體呈下降趨勢，降幅0.20%。其中，2000—2010年碳儲量減少了0.15%；2010—2020年碳儲量減少了0.05%。研究期間，總初級生產(chǎn)力是影響該地區(qū)碳儲量空間分布的主導(dǎo)因子，因子間的相互作用對碳儲量分布的影響大于單因子，交互作用探測結(jié)果表明，總初級生產(chǎn)力和年平均氣溫的交互作用對該區(qū)域碳儲量分布的解釋力最強。研究結(jié)果明確了區(qū)域碳儲量的變化趨勢及驅(qū)動因子，為進一步推進區(qū)域生態(tài)系統(tǒng)服務(wù)功能的改善提供參考。

參考文獻

[1] XIANG S J，WANG Y，DENG H，et al. Response and multi-scenario prediction of carbon storage to land use/cover change in the main urban area of Chongqing，China[J]. Ecological indicators，2022，142：109205.

[2] HOUGHTON R A. Revised estimates of the annual net flux of carbon to the atmosphere fromchanges in land use and land management 1850-2000[J]. Tellus B：chemical and physical meteorology，2022，55（2）：378.

[3] ZHAO M M，HE Z B，DU J，et al. Assessing the effects of ecological engineering on carbon storage by linking the CA-Markov and InVEST models[J]. Ecological indicators，2019，98：29-38.

[4] 陳廣生，田漢勤. 土地利用/覆蓋變化對陸地生態(tài)系統(tǒng)碳循環(huán)的影響[J]. 植物生態(tài)學(xué)報，2007，31（2）：189-204.

[5] LI X Y，HUANG C S，JIN H J，et al. Spatio-temporal patterns of carbon storage derived using the InVEST model in Heilongjiang Province，Northeast China[J]. Frontiers in earth science，2022，10：846456.

[6] 牛志君，周亞鵬，王樹濤，等. 縣域土地利用變化對碳儲量的影響與評價：以黑龍港流域巨鹿縣為例[J]. 水土保持研究，2018，25（3）：292-297，304.

[7] 李理，趙芳，朱連奇，等. 淇河流域生態(tài)系統(tǒng)服務(wù)權(quán)衡及空間分異機制的地理探測[J]. 生態(tài)學(xué)報，2021，41（19）：7568-7578.

[8] NYAMARI N，CABRAL P. Impact of land cover changes on carbon stock trends in Kenya for spatial implementation of REDD+ policy[J]. Applied geography，2021，133：102479.

[9] NIE X，LU B，CHEN Z P，et al. Increase or decrease？ Integrating the CLUMondo and InVEST models to assess the impact of the implementation of the Major Function Oriented Zone planning on carbon storage[J]. Ecological indicators，2020，118：106708.

[10] ZARANDIAN A，BADAMFIROUZ J，MUSAZADEH R，et al. Scenario modeling for spatial-temporal change detection of carbon storage and sequestration in a forested landscape in Northern Iran[J]. Environmental monitoring and assessment，2018，190（8）：474.

[11] LAHIJI R N，DINAN N M，LIAGHATI H，et al. Scenario-based estimation of catchment carbon storage：linking multi-objective land allocation with InVEST model in a mixed agriculture-forest landscape[J]. Frontiers of earth science，2020，14（3）：637-646.

[12] LIU Q，YANG D D，CAO L，et al. Assessment and prediction of carbon storage based on land use/land cover dynamics in the tropics：a case study of Hainan island，China[J]. Land，2022，11（2）：244.

[13] 楊瀲威，趙娟，朱家田，等. 基于PLUS和InVEST模型的西安市生態(tài)系統(tǒng)碳儲量時空變化與預(yù)測[J]. 自然資源遙感，2022，34（4）：175-182.

[14] 方霞，張弛，張耀南，等. 1980—2014年中國干旱半干旱區(qū)生態(tài)系統(tǒng)有機碳儲量及碳動態(tài)數(shù)據(jù)集 [J]. 中國科學(xué)數(shù)據(jù)（中英文網(wǎng)絡(luò)版），2018，3（3）：64-67.

[15] 李慧穎. 基于遙感和InVEST模型的遼寧省退耕還林工程生態(tài)效應(yīng)評估[D]. 長春：吉林大學(xué)，2019.

[16] 曲琛，李文，徐嘉，等. 黑龍江黑土地保護利用對碳儲量的潛在影響[J]. 西北林學(xué)院學(xué)報，2023，38（5）：194-203.

[17] 張麗，劉佳雨. 近30年東北沙地生態(tài)系統(tǒng)服務(wù)動態(tài)[J]. 中國水土保持科學(xué)（中英文），2023，21（1）：139-148.

[18] TANG X L，ZHAO X，BAI Y F，et al. Carbon pools in China’s terrestrial ecosystems：new estimates based on an intensive field survey[J]. Proceedings of the national academy of sciences of the United States of America，2018，115（16）：4021-4026.

[19] 徐麗，何念鵬，于貴瑞. 2010"s中國陸地生態(tài)系統(tǒng)碳密度數(shù)據(jù)集[J]. 中國科學(xué)數(shù)據(jù)，2019，4（1）：90-96.

[20] 黃韜，劉素紅. 基于PLUS-InVEST模型的福建省土地利用變化與碳儲量評估[J]. 水土保持學(xué)報，2024，38（2）：246-257.

[21] 王佳琪，邢艷秋，常曉晴，等. 東北天然林資源保護工程成效評估及熱點區(qū)域識別[J]. 生態(tài)學(xué)報，2024，44（3）：1231-1241.

（責(zé)任編輯：何" 艷）

作者簡介 趙賀（1985—），女，黑龍江哈爾濱人，碩士，工程師，從事遙感信息處理與應(yīng)用研究。

收稿日期 2024-10-26