高级检索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

云南省建水县不同石漠化治理模式下碳储量功能评估

张靖宙 吴秀芹 肖桂英

张靖宙, 吴秀芹, 肖桂英. 云南省建水县不同石漠化治理模式下碳储量功能评估[J]. 北京林业大学学报, 2018, 40(8): 72-81. doi: 10.13332/j.1000-1522.20180069
引用本文: 张靖宙, 吴秀芹, 肖桂英. 云南省建水县不同石漠化治理模式下碳储量功能评估[J]. 北京林业大学学报, 2018, 40(8): 72-81. doi: 10.13332/j.1000-1522.20180069
Zhang Jingzhou, Wu Xiuqin, Xiao Guiying. Evaluation on carbon storage function under different rocky desertification control models in Jianshui County of Yunnan Province, southwestern China[J]. Journal of Beijing Forestry University, 2018, 40(8): 72-81. doi: 10.13332/j.1000-1522.20180069
Citation: Zhang Jingzhou, Wu Xiuqin, Xiao Guiying. Evaluation on carbon storage function under different rocky desertification control models in Jianshui County of Yunnan Province, southwestern China[J]. Journal of Beijing Forestry University, 2018, 40(8): 72-81. doi: 10.13332/j.1000-1522.20180069

云南省建水县不同石漠化治理模式下碳储量功能评估

doi: 10.13332/j.1000-1522.20180069
基金项目: 

国家自然科学基金项目 41671080

“十三五”国家重点研发计划项目 2016YFC0502506

详细信息
    作者简介:

    张靖宙。主要研究方向:生态系统服务功能评价。Email:447616530@qq.com  地址:100083  北京市海淀区清华东路35号北京林业大学水土保持学院

    通讯作者:

    肖桂英,工程师。主要研究方向:石漠化综合治理。Email:709372357@qq.com  地址:654300  云南省红河哈尼族彝族自治州建水县林业技术推广所

  • 中图分类号: X171.4;S157.2

Evaluation on carbon storage function under different rocky desertification control models in Jianshui County of Yunnan Province, southwestern China

  • 摘要: 目的石漠化综合治理引起的土地利用变化改变了土壤呼吸条件和地表植被,进而对生态系统的碳储量功能产生影响。本文为揭示区域不同发展模式下石漠化综合治理对碳储量功能的影响。方法本文以云南建水县为案例,基于Dyna-CLUE和InVEST模型,以2015年为基期,模拟和预测了县域未来10年3种发展情景(快速发展、石漠化治理、规划发展)下土地利用变化对碳储量影响。结果(1) 石漠化治理情景下,相比2015年,2025年乔木林、建设用地、园地、水域面积均有所增加;而未利用地、耕地、草地和灌木面积有所减少。快速发展情景下,相比于2015年,耕地、园地、建设用地、乔木林和水域的面积有所增加。未利用地、灌木和草地面积有所减少。规划发展情景下,相比2015年,耕地、园地、草地、建设用地、灌木和水域面积有所增加。未利用地和乔木林面积有所减少。(2)2025年,石漠化治理情景下建水县的碳储量为318.72×105 t,相比于2015年,增加23.94×105 t,该情景为研究区提升了最多的碳储存量;快速发展情景延续之前趋势,碳储量总量为301.07×105 t,相比于2015年增加了6.29×105 t;规划发展情景下,碳储量总量为284.89×105 t,相比于2015年损失了9.89×105 t。结论研究反映了不同石漠化综合治理发展模式对土地利用格局及其岩溶生态系统碳储服务的影响,可为政府管理人员区域发展模式的确定,和利益相关者实施石漠化治理策略提供参考。
  • 图  1  SD模型流程图

    Figure  1.  SD model flow chart

    图  2  2015年以及S1、S2、S3各情景土地利用分布图

    Figure  2.  Land use distribution map of 2015 and S1, S2, and S3 scenarios

    图  3  碳储量分布图

    Figure  3.  Carbon storage distribution map

    表  1  驱动力二元回归分析Beta系数

    Table  1.   Beta coefficient for driving force binary regression analysis

    项目Item 高程
    Elevation
    坡向
    Slope aspect
    坡度
    Slope degree
    土壤类型
    Soil type
    到交通网的距离
    Distance from traffic network
    人口密度
    Population density
    岩性
    Lithology
    岩石裸露度
    Rock exposed degree
    常量
    Constant
    ROC
    乔木林地Arbor forest land 0.001 8 4.887 8 0.073 5 0.315 6 0.038 0.054 1 0.095 6 -0.023 5 -4.529 0.919
    灌木林地Shrub land -0.000 5 -0.003 2 0.022 4 0.091 7 0.037 3 - -0.064 3 0.005 4 -1.647 0.824
    草地Grassland -0.001 1 0.000 1 -0.118 0.388 1 - - -0.125 9 0.003 5 -1.339 9 0.807
    园地Orchard -0.001 8 - -0.698 5 -0.083 1 -0.120 4 -0.131 1 -0.082 9 -0.039 7 1.222 8 0.819
    水域Water area - -0.001 8 -0.046 8 - - - - - 11.942 3 0.713
    建设用地Land used for building -8.466 7 - -0.048 1 -8.365 4 0.117 9 -0.135 0.126 1 0.017 9 0.195 5 0.798
    未利用地Unused land -0.000 1 7.671 5 -0.054 9 - - 0.107 2 0.033 3 0.061 8 -3.594 4 0.761
    耕地Farmland -0.001 1 -0.000 1 -0.104 6 -0.698 4 -0.026 2 -0.111 8 -0.02 3.038 0.726
    下载: 导出CSV

    表  2  建水县土地需求模型模拟阶段主要参数值

    Table  2.   Main parameter values in simulating stage of land demand model in Jianshui County

    变量类型Variable type 变量名称Variable name 数值Value
    人口总数/万人Total population/104 people 50.25(初值Initial value)
    GDP/万元¥104 401 230(初值Initial value)
    交通建设用地/hm2 Traffic construction land/ha 994.534(初值Initial value)
    状态变量State variable 水产品单产/(t·hm-2)Fishery yield/(t·ha-1) 2.58(初值Initial value)
    粮食单产/(t·hm-2)Grain yield/(t·ha-1) 1.473(初值Initial value)
    牧肉单产/(t·hm-2)Shepherd meat yield/(t·ha-1) 0.162(初值Initial value)
    水果单产/(t·hm-2)Fruit yield/(t·ha-1) 6.553(初值Initial value)
    石漠化面积/hm2 Rocky desertification area/ha 79 874.5(初值Initial value)
    投资系数Investment coefficient 0.346(均值Mean)
    耕播比Tillage ratio 0.691(均值Mean)
    常数Constant 水域养殖比Breeding ratio 1.479(均值Mean)
    畜牧比Livestock ratio 5.978(均值Mean)
    人均居住与矿业用地Per capita living and mining land 0.016 74(均值Mean)
    下载: 导出CSV

    表  3  建水县土地需求模型模拟阶段主要参数值

    Table  3.   Main parameter values in simulating stage of land demand model in Jianshui County

    变量类型Variable type 变量名称Variable name 2005—2010 2010—2015
    粮食自给率Grain self-sufficiency rate 0.926 0.967
    畜肉自给率Shepherd meat self-sufficiency rate 3.169 4.073
    水产自给率Fishery self-sufficiency rate 0.466 1.084
    水果自给率Fruit self-sufficiency rate 2.083 5.971
    辅助变量Auxiliary variable 人均口粮消费Per capita ration consumption/kg 349 334
    人均畜肉消费Per capita livestock consumption/kg 28 29
    人均水产消费Per capita aquatic consumption/kg 16 18
    人均水果消费Per capita fruit consumption/kg 38 60
    其他粮食Other food stuff/kg 44.65×106 51.38×106
    下载: 导出CSV

    表  4  模型模拟精度与结果验证

    Table  4.   Simulating precision and result validation of SD model

    土地利用类型
    Type of land use
    2010 2015
    实际值/hm2
    Actual value/ha
    预测值/hm2
    Predictive value/ha
    相对误差
    Relative error/%
    实际值/hm2
    Actual value/ha
    预测值/hm2
    Predictive value/ha
    相对误差
    Relative error/%
    乔木林地Arbor forest land 114 377.29 112 368.97 -1.76 127 172.4 126 091.5 -0.85
    灌木林地Shrub land 80 753.29 82 475.62 2.13 74 383.11 76 026.98 2.21
    草地Grassland 43 102.94 42 753.24 -0.81 42 665.94 42 973.13 0.72
    园地Orchard 5 037.56 5 128.21 1.79 6 222.42 6 279.05 0.91
    水域Water area 2 790.97 2 876.69 3.07 3 431.16 3 281.22 -4.37
    建设用地Built-up land 7 271.98 7 412.45 1.93 10 753.56 10 729.9 -0.22
    未利用地Unused land 22 396 22 142.2 -1.13 18 792 18 399.65 -2.08
    耕地Farmland 102 629.89 103 202.53 0.56 94 939.29 94 578.52 -0.38
    下载: 导出CSV

    表  5  研究区情景设计

    Table  5.   Scenario design based on the socio-economic conditions in the study area

    %
    项目Item 现状
    Current status
    S1情景
    S1 scenario
    S2情景
    S2 scenario
    S3情景
    S3 scenario
    GDP增长率GDP growth rate 11 11 8.5 10
    人口增长率Population growth rate 6.49 6.49 6.3 6
    石漠化减少率Rocky desertification reduction rate 9.18 9.18 11 7
    注:S1为过去10年建水县历年社会经济数据的快速发展情景;S2为基于严格实施石漠化治理工程的石漠化治理情景;S3为基于建水县“十三五”规划的规划发展情景。Notes: S1 is the rapid development scenario based on the social and economic data of Jianshui County in the past 10 years; S2 is the rocky desertification contorl scenario based on strict implementation of the rocky desertification control project; S3 is the planning development scenario based on the 13th five-year plan of Jianshui County.
    下载: 导出CSV

    表  6  建水县碳库        t·hm-2

    Table  6.   Carbon pool of Jianshui County        t·ha-1

    土地利用类型
    Type of land use
    地上碳密度
    Carbon density above the ground
    地下碳密度
    Underground carbon density
    土壤碳密度
    Soil carbon density
    死亡堆积碳密度
    Carbon density of death accumulation
    乔木林地Arbor forest land 41.89 10.39 65.7 4.6
    灌木林地Shrub land 9.29 2.14 58.75 6
    草地Grassland 8.4 1.72 46.7 7
    园地Orchard 11.85 2.67 53.8 2.1
    水域Water area 0 0 52.2 1
    建设用地Land used for building 0 0 62.8 1
    未利用地Unused land 13.04 1.18 61.9 1
    耕地Farmland 4.11 0.95 59.3 1
    下载: 导出CSV

    表  7  2015年建水县碳储量分布

    Table  7.   Carbon storage distribution of Jianshui County in 2015

    土地利用类型
    Type of land use
    碳储量
    Carbon storage/t
    单位面积碳储量/(t·hm-2)
    Unit area carbon storage/(t·ha-1)
    碳储量占比
    Carbon storage ratio/%
    建水县总量Total amount in Jianshui County 294.78×105 77.64 100
    乔木林地Arbor forest land 88.55 122.58 30.47
    灌木林地Shrub land 78.52 76.18 27.02
    草地Grassland 24.31 63.82 8.36
    园地Orchard 4.24 70.42 1.46
    水域Water area 1.2 53.20 0.41
    建设用地Land used for building 5.12 77.12 1.76
    未利用地Unused land 11.74 63.80 4.04
    耕地Farmland 76.97 65.36 26.48
    下载: 导出CSV
  • [1] Cao J H, Yuan D X, Tong L Q, et al. An overview of karst ecosystem in Southwest China:current state and future management[J].Journal of Resources and Ecology, 2015, 6(4):247-256. doi:  10.5814/j.issn.1674-764x.2015.04.008
    [2] 朱斌, 刘丹一.岩溶地区石漠化综合治理经验、问题及策略[J].林业经济, 2015, 37(5):76-81. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QKC20172017091300192557

    Zhu B, Liu D Y. Comprehensive taming of karst rock desertification in karst region: experience, problems and strategy[J]. Forestry Economy, 2015, 37(5):76-81. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=QKC20172017091300192557
    [3] 国家林业局.中国石漠化状况公报[N].中国绿色时报, 2012-06-18.

    State Forestry Administration. China rocky desertification bulletin[N]. China Green Times, 2012-06-18.
    [4] Xie R, Wu X Q. Effects of grazing intensity on soil organic carbon of rangelands in Xilin Gol League, Inner Mongolia, China[J]. Journal of Geographical Sciences, 2016, 26(11):1550-1560. doi:  10.1007/s11442-016-1343-7
    [5] 蒋忠诚, 覃小群, 曹建华, 等.中国岩溶作用产生的大气CO2碳汇的分区计算[J].中国岩溶, 2011, 30(4):363-367. doi:  10.3969/j.issn.1001-4810.2011.04.002

    Jiang Z C, Qin X Q, Cao J H, et al. Calculation of atmospheric CO2 sink formed in karst progresses of the karst divided regions in China[J]. Chinese Karst, 2011, 30(4):363-367. doi:  10.3969/j.issn.1001-4810.2011.04.002
    [6] Tuan Y F. Geography, phenomenology and the study of human nature[J]. The Canadian Geographer/Le Geographe Canadien, 1971, 15(3): 181-192. doi:  10.1111/cag.1971.15.issue-3
    [7] Zhao L, Liu J P, Tian X Z. The temporal and spatial variation of the value of ecosystem services of the Naoli River Basin Ecosystem during the last 60 years[J]. Acta Ecologica Sinica, 2013, 33(10): 3169-3176. doi:  10.5846/stxb
    [8] Zhang P, Liu Y, Pan Y, et al. Land use pattern optimization based on CLUE-S and SWAT models for agricultural non-point source pollution control[J]. Mathematical and Computer Modelling, 2013, 58(3-4): 588-595. doi:  10.1016/j.mcm.2011.10.061
    [9] Tian Z, Wu X Q, Dar E F, et al. SOC storage and potential of grasslands from 2000 to 2012 in central and eastern Inner Mongolia, China[J]. Journal of Arid Land, 2016, 8(3): 364-374. doi:  10.1007/s40333-016-0041-8
    [10] Seooelt R, Fath B, Burkhard B, et al. Form follows function proposing a blueprint for ecosystem service assessment based on reviews and case studies[J]. Ecological Indicators, 2012, 21: 145-154. doi:  10.1016/j.ecolind.2011.09.003
    [11] Burkhard B, De Groot R, Costanza R, et al. Solutions for sustaining natural capital and ecosystem services[J]. Ecological Indicators, 2012, 21: 1-6. doi:  10.1016/j.ecolind.2012.03.008
    [12] 高渐飞, 熊康宁.喀斯特生态系统服务价值评价:以贵州花江示范区为例[J].热带地理, 2015, 35(1):111-119. http://d.old.wanfangdata.com.cn/Periodical/rddl201501016

    Gao J F, Xiong K N.Evaluation of karst ecosystem service value:a case study of Huajiang Gorge of Guizhou Province[J].Tropical Geography, 2015, 35(1):111-119. http://d.old.wanfangdata.com.cn/Periodical/rddl201501016
    [13] 李苇洁, 汪廷梅, 王桂萍, 等.花江喀斯特峡谷区顶坛花椒林生态系统服务功能价值评估[J].中国岩溶, 2010, 29(2):152-154, 161. doi:  10.3969/j.issn.1001-4810.2010.02.008

    Li W J, Wang T M, Wang G P, et al. Value evaluation on the eco-services function of Zanthoxylum planispinum var. dingtanensi woods in Huajiang Karst Valley[J]. Carsologica Sinica, 2010, 29(2): 152-154, 161. doi:  10.3969/j.issn.1001-4810.2010.02.008
    [14] 陈海鹏, 窦苗.基于InVEST模型的云南小江流域生态系统碳储量及空间格局研究[J].安徽农业科学, 2017, 45(12):51-54. doi:  10.3969/j.issn.0517-6611.2017.12.018

    Chen H P, Dou M. Study on carbon storage and spatial pattern based on InVEST Model in Xiaojiang River Basin of Yunnan Province[J]. Anhui Agricultural Sciences, 2017, 45(12): 51-54. doi:  10.3969/j.issn.0517-6611.2017.12.018
    [15] Tao Y H, Bai L R. Carbon storage of ecosystems in holly hill and barren hill karst area[J/OL]. Guihaia: 1-7[2018-04-10].http://kns.cnki.net/kcms/detail/45.1134.Q.20180328.1050.004.html.
    [16] 梁友嘉, 徐中民, 钟方雷.基于SD和CLUE-S模型的张掖市甘州区土地利用情景分析[J].地理研究, 2011, 30(3):564-576. http://d.old.wanfangdata.com.cn/Periodical/dlyj201103018

    Liang Y J, Xu Z M, Zhong F L. Land use scenario analyses by based on system dynamic model and CLUE-S model at regional scale: a case study of Ganzhou District of Zhangye City[J]. Geographical Research, 2011, 30(3):564-576. http://d.old.wanfangdata.com.cn/Periodical/dlyj201103018
    [17] 许联芳, 张建新, 陈坤, 等.基于SD模型的湖南省土地利用变化情景模拟[J].热带地理, 2014, 34(6):859-867. http://d.old.wanfangdata.com.cn/Periodical/rddl201406015

    Xu L F, Zhang J X, Chen K, et al.Land use change scenarios simulation in Hunan Province based on the SD Model[J].Tropical Geography, 2014, 34(6):859-867. http://d.old.wanfangdata.com.cn/Periodical/rddl201406015
    [18] 田多松, 傅碧天, 吕永鹏, 等.基于SD和CLUE-S模型的区域土地利用变化对土壤有机碳储量影响研究[J].长江流域资源与环境, 2016, 25(4):613-620. doi:  10.11870/cjlyzyyhj201604011

    Tian D S, Fu B T, Lü Y P, et al. Effect of region land-use change on soil organic carbon storage based on SD and CLUE-S model[J]. Resources and Environment in the Yangtze Basin, 2016, 25(4):613-620. doi:  10.11870/cjlyzyyhj201604011
    [19] 唐尧, 祝炜平, 张慧, 等.InVEST模型原理及其应用研究进展[J].生态科学, 2015, 34(3):204-208. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=stkx201503032

    Tang Y, Zhu W P, Zhang H, et al. A review on principle and application of the InVEST model[J]. Ecological Science, 2015, 34(3): 204-208. http://www.wanfangdata.com.cn/details/detail.do?_type=perio&id=stkx201503032
    [20] Tallis H, Ricketts T. InVEST 1.0 beta user's guide: integrated valuation of ecosystem services and tradeoffs[M].Standard: Natural Capital Project, 2011.
    [21] 王绍强, 周成虎, 李克让, 等.中国土壤有机碳库及空间分布特征分析[J].地理学报, 2000, 55(5):533-544. http://cdmd.cnki.com.cn/Article/CDMD-10538-1012258070.htm

    Wang S Q, Zhou C H, Li K R, et al. Analysis on spatial distribution characteristics of soil organic carbon reservoir in China[J]. Acta Geographica Sinica, 2000, 55(5): 533-544. http://cdmd.cnki.com.cn/Article/CDMD-10538-1012258070.htm
    [22] 严冬, 李爱农, 南希, 等.基于Dyna-CLUE改进模型和SD模型耦合的山区城镇用地情景模拟研究:以岷江上游地区为例[J].地球信息科学学报, 2016, 18(4):514-525. http://d.old.wanfangdata.com.cn/Periodical/dqxxkx201604010

    Yan D, Li A N, Nan X, et al. The study of urban land scenario simulation in mountain area based on modified Dyna-CLUE model and SDM: a case study of the upper reaches of Minjiang river[J]. Journal of Geo-information Science, 2016, 18(4):514-525. http://d.old.wanfangdata.com.cn/Periodical/dqxxkx201604010
    [23] 燕腾, 彭一航, 王效科, 等.云南省森林生态系统植被碳储量及碳密度估算[J].西部林业科学, 2015, 44(5):62-67. http://d.old.wanfangdata.com.cn/Periodical/ynlykj201505012

    Yan T, Peng Y H, Wang X K, et al. Estimation of carbon storage and density of forest ecosystem in Yunnan Province[J]. Western Forestry Science, 2015, 44(5):62-67. http://d.old.wanfangdata.com.cn/Periodical/ynlykj201505012
    [24] 朱超, 赵淑清, 周德成. 1997—2006年中国城市建成区有机碳储量的估算[J].应用生态学报, 2012, 23(5): 1195-1202. http://www.cnki.com.cn/Article/CJFDTOTAL-YYSB201205009.htm

    Zhu C, Zhao S Q, Zhou D C. Organic carbon storage in urban built-up areas of China in 1997-2006[J]. Chinese Journal of Applied Ecology, 2012, 23(5): 1195-1202. http://www.cnki.com.cn/Article/CJFDTOTAL-YYSB201205009.htm
    [25] 刘江涛, 赵林森.昆明市金碧公园部分生态效益及其抚育管理成本分析[J].西北林学院学报, 2008, 23(4):214-217. http://d.old.wanfangdata.com.cn/Periodical/xblxyxb200804050

    Liu J T, Zhao L S. Quantitative analysis on partial ecological benefits and related tending cost of Jinbi Park, Kunming[J]. Journal of Northwest Forestry University, 2008, 23(4): 214-217. http://d.old.wanfangdata.com.cn/Periodical/xblxyxb200804050
    [26] 黄玫, 季劲钧, 曹明奎, 等.中国区域植被地上与地下生物量模拟[J].生态学报, 2006, 26(12):4156-4163. doi:  10.3321/j.issn:1000-0933.2006.12.031

    Huang M, Ji J Y, Cao M K, et al. Modeling study of vegetation shoot and root biomass in China[J]. Acta Ecologica Sinica, 2006, 26(12): 4156-4163. doi:  10.3321/j.issn:1000-0933.2006.12.031
    [27] Penman J, Gytarsky M, Hiraishi T, et al. 2006 IPCC guidelines for national greenhouse gas inventories[M]. New York:Inter-governmental Panel on Climate Change, 2006.
    [28] Carré F, Hiederer R, Blujdea V, et al. Background guide for the calculation of land carbon stocks in the biofuels sustainability scheme: drawing on the 2006 IPCC guidelines for national greenhouse gas inventories[M]. Luxembourg: Joint Research Center, European Commission, EUR, 2010.
    [29] 方精云, 郭兆迪, 朴世龙, 等.1981—2000年中国陆地植被碳汇的估算[J].中国科学(地球科学), 2007, 37(6):804-812. http://www.cnki.com.cn/Article/CJFDTOTAL-JDXK200706011.htm

    Fang J Y, Guo Z D, Pu S L, et al. Estimation of carbon sequestration in terrestrial vegetation in China from 1981 to 2000[J]. Scientia Sinica Terrae, 2007, 37(6):804-812. http://www.cnki.com.cn/Article/CJFDTOTAL-JDXK200706011.htm
  • [1] 孙永磊, 卢泽洋, 周金星, 庞丹波, 刘玉国, 关颖慧.  喀斯特断陷盆地典型林地土壤酶活性及理化性质研究 . 北京林业大学学报, 2020, 42(2): 40-48. doi: 10.12171/j.1000-1522.20180328
    [2] 张参参, 吴小刚, 刘斌, 施雪文, 陈伏生, 裘利洪, 卜文圣.  江西九连山不同海拔梯度土壤有机碳的变异规律 . 北京林业大学学报, 2019, 41(2): 19-28. doi: 10.13332/j.1000-1522.20180383
    [3] 董灵波, 孙云霞, 刘兆刚.  基于碳和木材目标的森林空间经营规划研究 . 北京林业大学学报, 2017, 39(1): 52-61. doi: 10.13332/j.1000-1522.20160166
    [4] 刘延惠, 丁访军, 崔迎春, 谢涛, 马亨发, 赵文君.  林地抚育对黔中地区杉木人工幼林生态系统碳储量的影响 . 北京林业大学学报, 2017, 39(1): 27-33. doi: 10.13332/j.1000-1522.20160021
    [5] 那萌, 刘婷岩, 张彦东, 冯晨辛, 刘道锟.  林分密度对水曲柳人工林碳储量的影响 . 北京林业大学学报, 2017, 39(1): 20-26. doi: 10.13332/j.1000-1522.20160111
    [6] 孙志虎, 王秀琴, 陈祥伟.  不同抚育间伐强度对落叶松人工林生态系统碳储量影响 . 北京林业大学学报, 2016, 38(12): 1-13. doi: 10.13332/j.1000-1522.20160016
    [7] 黄小辉, 冯大兰, 刘芸, 朱恒星, 陈道静, 耿养会.  模拟石漠化异质生境中桑树的生长和叶绿素荧光特性 . 北京林业大学学报, 2016, 38(10): 50-58. doi: 10.13332/j.1000-1522.20150324
    [8] 明安刚, 郑路, 麻静, 陶怡, 劳庆祥, 卢立华.  铁力木人工林生物量与碳储量及其分配特征 . 北京林业大学学报, 2015, 37(2): 32-39. doi: 10.13332/j.cnki.jbfu.2015.02.015
    [9] 王伊琨, 赵云, 马智杰, 戴群莉, 廖雪菲, 吕志远, 王高敏, 查同刚, .  黔东南典型林分碳储量及其分布 . 北京林业大学学报, 2014, 36(5): 54-61. doi: 10.13332/j.cnki.jbfu.2014.05.012
    [10] 崔巍, 牟长城, 卢慧翠, 包旭, 王彪.  排水造林对大兴安岭湿地生态系统碳储量的影响 . 北京林业大学学报, 2013, 35(5): 28-36.
    [11] 刘艳红, 马炜.  长白落叶松人工林可燃物碳储量分布及燃烧性 . 北京林业大学学报, 2013, 35(3): 32-38.
    [12] 刘宪钊, 元昌, 履一, 薛杨.  林场级森林林木碳储量估测方法研究 . 北京林业大学学报, 2013, 35(5): 144-148.
    [13] 田世艳, 张宇清, 吴斌, 郑慧, 李春平.  中国平原地区农田防护林碳储量差异分析 . 北京林业大学学报, 2012, 34(2): 39-44.
    [14] 司婧, 贾黎明, 韦艳葵, 邢长山, 刘诗琦, 郭正兴.  地下滴灌对杨树速生丰产林碳储量的影响 . 北京林业大学学报, 2012, 34(1): 14-18.
    [15] 贾炜玮, 李凤日, 董利虎, 赵鑫.  基于相容性生物量模型的樟子松林碳密度与碳储量研究 . 北京林业大学学报, 2012, 34(1): 6-13.
    [16] 殷鸣放, 杨琳, 殷炜达, 雷庆国, 谭希斌, 张艳会, 李志伟.  油松、刺槐与杨树树干材积碳储量动态变化研究 . 北京林业大学学报, 2011, 33(5): 65-68.
    [17] 樊登星, 余新晓, 岳永杰, 牛丽丽, 高志亮, 马莉娅.  北京市森林碳储量及其动态变化 . 北京林业大学学报, 2008, 30(supp.2): 117-120.
    [18] 张冬梅, 李国雷, 朱小龙, 方升佐, 刘鹏举, 王立海, 耿玉清, 周传艳, 刘剑锋, 党文杰, 赵铁珍, 汪杭军1, 李雪华, 李义良, 王旭, 薛康, 李生宇, 吴丽娟, 任强, HUALi_zhong, 韦艳葵, 王兰珍, 段文霞, 刘勇, 刘勇, 尹光彩, 朱波, 杨慧敏, 苏晓华, JIANGXi_dian, 周国逸, 李建章, 李振基, 周宇飞, 雷加强, 余新晓, 何茜, 韩士杰, 高岚, 方陆明, 阎秀峰, 崔同林, 周亮, 杨娅, 宋永明, 黎明, 刘锐, 王春林, 玲, 程云清, 王新杰, 周国逸, 唐小明, 虞木奎, 李吉跃, 柯水发, 徐扬, 宗文君, 鹿振友, 孙向阳, HEXiu_bin, 徐新文, 喻理飞, 王清文, 赖志华, 张冰玉, 沈熙环, 李俊清, 国庆, 陈实, 茹广欣, 李晓兰, , 周晓梅, 宋爱琴, 张志毅, 王伟宏, 陈峻崎, 齐涛, 李丙文, 郭蓓, 温亚利, 3, 孙阁, 陈培金, 王晓静, 姚永刚, 张可栋, 唐旭利, 周玉平, 王建林, 刘志明, 王旭, 蒋德明, 长山, 宋湛谦, 关少华, 赵双荣, 王春林, 陈放, 杨伟伟, 闫俊华, 郑凌峰.  广东省森林植被恢复下的碳储量动态 . 北京林业大学学报, 2007, 29(2): 60-65.
    [19] 冶民生, 李云成, 何磊, 蒋佳荔, 谢响明, 张学俭, 王盛萍, 盖颖, 孙宇瑞, 罗菊春, 侯旭, 李绍才, 张金凤, 贺庆棠, 柳新伟, 李永慈, 朱妍, 王岩, 高鹏, 张文娟, 唐守正, 张志强, 李吉跃, 康向阳, 崔保山, 冯仲科, 昌明, 何静, 张华丽, 吕建雄, 关文彬, 吴玉英, 马道坤, 孙海龙, 申卫军, 王文棋, 廖学品, 陆佩玲, 成仿云, 王军辉, 何权, 静洁, 关毓秀, 史剑波, 吴斌, 于晓南, 张平冬, 张桂莲, 孙阁, 杨志荣, 赵广杰, 路婷, 蒋湘宁, 李小飞, 石碧, 汪燕, 王尚德, 彭少麟, 孙晓霞, 蒲俊文, 陈永国, 张满良, 马克明, 赵燕东, 余新晓, 刘国华, 胡文忠, 林威, 汪西林, .  中国岩溶山地石漠化问题与对策研究 . 北京林业大学学报, 2006, 28(1): 117-120.
    [20] 陈玮, 赵博光, 武三安, 杜晓, 郭惠红, 石娟, 李成茂, 刁一伟, 韩烈保, 张丽丽, 胡建忠, 贾黎明, 张厚江, 张建军, 刘晓丽, 莫秋云, 李文彬, 王安志, 姜笑梅, 李镇宇, 张峻萍, 骆有庆, 王昌俊, 清水晃, 梁波, 徐文铎, 马履一, 申世杰, 邢长山, 宋菲, 苏德荣, 赵林果, 石碧, 李景锐, 曾凡勇, 王小平, 李海林, 沉昕, 崔英颖, 殷亚方, 金昌杰, 壁谷直记, 陈卫平2, 蒋艳灵, 徐梅, 延廣竜彦, 苗毅, 韩瑞东, 关德新, 韦艳葵, 胡青, 高述民, 严晓素, 裴铁璠, 王瀛坤, 赵永利, 徐君, 周军, 蒋平, 蒋平, 李凤兰.  黄河上游退耕地人工林的碳储量研究 . 北京林业大学学报, 2005, 27(6): 1-8.
  • 加载中
图(3) / 表 (7)
计量
  • 文章访问数:  3617
  • HTML全文浏览量:  184
  • PDF下载量:  29
  • 被引次数: 0
出版历程
  • 收稿日期:  2018-03-05
  • 修回日期:  2018-04-13
  • 刊出日期:  2018-08-01

云南省建水县不同石漠化治理模式下碳储量功能评估

doi: 10.13332/j.1000-1522.20180069
    基金项目:

    国家自然科学基金项目 41671080

    “十三五”国家重点研发计划项目 2016YFC0502506

    作者简介:

    张靖宙。主要研究方向:生态系统服务功能评价。Email:447616530@qq.com  地址:100083  北京市海淀区清华东路35号北京林业大学水土保持学院

    通讯作者: 肖桂英,工程师。主要研究方向:石漠化综合治理。Email:709372357@qq.com  地址:654300  云南省红河哈尼族彝族自治州建水县林业技术推广所
  • 中图分类号: X171.4;S157.2

摘要: 目的石漠化综合治理引起的土地利用变化改变了土壤呼吸条件和地表植被,进而对生态系统的碳储量功能产生影响。本文为揭示区域不同发展模式下石漠化综合治理对碳储量功能的影响。方法本文以云南建水县为案例,基于Dyna-CLUE和InVEST模型,以2015年为基期,模拟和预测了县域未来10年3种发展情景(快速发展、石漠化治理、规划发展)下土地利用变化对碳储量影响。结果(1) 石漠化治理情景下,相比2015年,2025年乔木林、建设用地、园地、水域面积均有所增加;而未利用地、耕地、草地和灌木面积有所减少。快速发展情景下,相比于2015年,耕地、园地、建设用地、乔木林和水域的面积有所增加。未利用地、灌木和草地面积有所减少。规划发展情景下,相比2015年,耕地、园地、草地、建设用地、灌木和水域面积有所增加。未利用地和乔木林面积有所减少。(2)2025年,石漠化治理情景下建水县的碳储量为318.72×105 t,相比于2015年,增加23.94×105 t,该情景为研究区提升了最多的碳储存量;快速发展情景延续之前趋势,碳储量总量为301.07×105 t,相比于2015年增加了6.29×105 t;规划发展情景下,碳储量总量为284.89×105 t,相比于2015年损失了9.89×105 t。结论研究反映了不同石漠化综合治理发展模式对土地利用格局及其岩溶生态系统碳储服务的影响,可为政府管理人员区域发展模式的确定,和利益相关者实施石漠化治理策略提供参考。

English Abstract

张靖宙, 吴秀芹, 肖桂英. 云南省建水县不同石漠化治理模式下碳储量功能评估[J]. 北京林业大学学报, 2018, 40(8): 72-81. doi: 10.13332/j.1000-1522.20180069
引用本文: 张靖宙, 吴秀芹, 肖桂英. 云南省建水县不同石漠化治理模式下碳储量功能评估[J]. 北京林业大学学报, 2018, 40(8): 72-81. doi: 10.13332/j.1000-1522.20180069
Zhang Jingzhou, Wu Xiuqin, Xiao Guiying. Evaluation on carbon storage function under different rocky desertification control models in Jianshui County of Yunnan Province, southwestern China[J]. Journal of Beijing Forestry University, 2018, 40(8): 72-81. doi: 10.13332/j.1000-1522.20180069
Citation: Zhang Jingzhou, Wu Xiuqin, Xiao Guiying. Evaluation on carbon storage function under different rocky desertification control models in Jianshui County of Yunnan Province, southwestern China[J]. Journal of Beijing Forestry University, 2018, 40(8): 72-81. doi: 10.13332/j.1000-1522.20180069
  • 我国的岩溶石山区主要分布在西南地区,“石漠化”现象严重[1]。石漠化的直接后果是生态恶化、植被逆向演替、自然灾害频发、人地矛盾尖锐、进而引发一系列的社会问题[2]。近年来,通过实施退耕还林还草、坡耕地整治等系列生态工程,石漠化状况得到一定的遏制[3]。但人为干扰依旧存在,加上自然灾害的不确定性和生态系统的脆弱性,导致石漠化防治形势依然严峻。中华人民共和国国民经济和社会发展第十三个五年规划纲要明确指出“荒漠化、石漠化、水土流失综合治理是推进国家重点区域生态修复的主要内容”。

    碳储量是生态系统服务广泛使用的指标,用以衡量生产能力和生态恢复能力对陆地生态系统变化的响应能力[4]。岩溶过程是大气碳循环转换非常重要的过程,且在全球碳循环中占了相当大的比例,所以西南岩溶区碳储量功能非常丰富,并存在特有的岩石圈—水圈系统的碳汇能力[5]。土地利用变化是人类活动对环境影响最直接的表现,通过改变地表覆盖类型影响生态系统碳储量的结构和过程[6-8]。人类活动下的土地利用变化对由于土地增长和植被退化造成碳储量平衡的重大影响是现阶段提高生态系统服务和社会经济发展的持续性所要考虑的首要问题[9]

    近20年,国内外学者在生态系统服务评估的决策和分析框架取得了较为突出的进展[10-11]。生态系统服务评估的研究多集中在区域尺度上植被变化的定量评估[12-13],其中对碳储量功能的评估分析仅集中在定量评估以及空间分布分析[14-15],对人为干扰下的碳储存过程及其土地利用变化关系的定量建模研究以及各种社会经济发展对土地利用和碳储量服务的影响研究较少。近些年,各级政府及科研机构对石漠化问题采取的治理措施对碳储存功能的提升已有诸多报道,但将碳储存功能纳入土地管理规划的整合方法和研究案例仍然不足。耦合Dyna-CLUE(dynamic conversion of land use and its effects model)和系统动力学(system dynamic, SD)模型对土地规划管理情景的研究已成为国内学者研究的热点问题[16-18]。云南省建水县于2008年被国家林业局列为云南省石漠化综合治理试点县,并且早在2005年开始建水县石漠化监测和综合治理工作,根据建水县第二次石漠化监测报告,石漠化程度总体上朝改善的方向发展。为了揭示建水县石漠化治理工程2005年实施以来对碳储量功能提升的影响,以2005、2015两期土地利用数据为本底,使用Dyna-CLUE模型和SD模型对2005年至2015年的土地利用变化进行了模拟和验证,模拟出高速发展情景、平稳发展情景和石漠化治理情景下的2025年土地利用变化模式;并基于InVEST(integrated valuation of ecosystem services and tradeoffs tools)模型的碳储量模块对研究区2005年和2015年石漠化治理现状以及2025年3种情景的碳储量功能进行评估对比分析,并探讨各种情景土地利用方案对研究区碳储量的潜在影响。

    • 建水县隶属云南省南部红河哈尼族彝族自治州,地理位置102°33′18″~103°11′42″E、23°12′42″~24°10′32″N之间。全县南北长107 km,东西宽58 km,面积3 789 km2,其中山区、半山区占总面积的89%。县城海拔213~2 497 m,地处云贵高原南缘,滇东高原和滇西横断山的结合部。建水县石灰岩分布广泛,岩溶面积达1 994.4 km2,占县域总面积的53%。在2005—2015年之间,人口从50.25万人增长到54.75万人,增幅8.95%,全县生产总值(GDP)由2.99×105万元增长至12.52×103万元,增幅318.41%,石漠化面积由7.98万hm2减少至2.83万hm2,减幅达64.56%。建水县石漠化治理工程在过去的10年取得了显著效果,但经济继续快速增加以及过大的人口基数对生态环境的压力必然持续增大。

    • Dyna-CLUE模型是研究土地覆被变化和格局优化的模拟模型,在现状图中提取用地分布规则,并在一定的约束条件下,推演未来的土地利用布局情况。本研究即应用Dyna-CLUE模型对研究区的土地利用变化进行多种预案模拟,该模型由非空间需求模块和空间分配模块组成,非空间模块主要用于模拟土地利用需求的变化,土地利用需求模拟选取SD模型进行;空间分配模块主要基于GIS技术,根据驱动因素对每个栅格每种土地利用类型的发生概率、每个土地类型的约朿条件和地类转换规则,对研究期每种土地利用类型的需求数量进行空间分配,实现对土地利用格局变化的模拟。碳储量问题涉及经济社会系统,具有复杂多变性,难以用单一模型在不同时空尺度上揭示碳储量变化的关键过程,SD和Dyna-CLUE耦合模型不仅在时间尺度上预测土地利用类型量变化,而且在空间尺度上表达土地利用类型空间分布,两者优势互补[20]

      InVEST模型全称为生态系统服务综合估价和权衡得失评估模型,旨在对生态系统各方面的服务功能进行定量化评估,以便于找到人类福利与环境保护的平衡点,为相关决策者提供有效依据,提高决策效率。InVEST模型碳储量模块认为碳储量的变化是土地利用变化的结果,简化了碳循环过程。生态系统碳库主要由4个部分组成:地上生物碳、地下生物碳、土壤碳和死亡有机碳[19]。基于InVEST碳储量模型的目的,暂不考虑地上碳库中极不稳定的碳,因为该类碳相对于整个地上碳库,含量相对较少且非常稳定或更新较快[20-21]。模型具体运算原理见式(1):

      $$ C_{i}=C_{i 1}+C_{i 2}+C_{i 3}+C_{i 4} $$ (1)

      式中: i表示某种土地利用类型; Ci表示土地利用类型i的总碳密度(t/hm2); Ci1表示土地利用类型i地上碳密度(t/hm2); Ci2为土地利用类型i地下碳密度(t/hm2); Ci3为土地利用类型i土壤碳密度(t/hm2); Ci4表示土地利用类型i死亡有机碳密度(t/hm2)。

    • 研究采用的土地利用数据来源于中国科学院资源环境数据中心,为2005、2010和2015年共3期,为1:10万的矢量数据,经过转换处理生成研究区域相应年份90 m分辨率的栅格数据。本研究将土地利用类型重新归并为乔木林、灌木、草地、园地、水域、建设用地、未利用地、耕地8类。DEM(diaital elevation model)数据来源于地理空间云网站提供的90 m分辨率的GDEMV2(global digital elevation model V2)数字高程数据。气象数据来源中国气象数据网。土壤类型、岩性、岩石裸露率来自石漠化2期调查数据。SD模型采用的人口、GDP等历史数据来源于《建水县石漠化监测报告》《建水县第二次石漠化监测报告》《建水统计年鉴(2006—2016年)》《中国食物与营养发展纲要(2001—2010年)》《中国食物与营养发展纲要(2014—2020)》和云南省数字乡村网站。

    • Dyna-clue模型运用二值Logistic逐步回归计算每一种地类在区域内每个像元出现的概率,通过比较同一位置各种地类出现概率的大小进行空间分配。Logistic计算见式(2)。

      $$ \log \left\{\frac{P_{i}}{1-P_{i}}\right\}=\beta_{0}+\beta_{1} X_{1 i}+\beta_{2} X_{2 i}+\cdots+\beta_{n} X_{n i} $$ (2)

      式中:Pi为地类i在某一位置上出现的概率;Xni为各备选驱动因子在该位置上的值;β为回归方程的解释变量系数。本研究应用SPSS软件进行回归分析,驱动因子尽可能代表人文要素和自然要素的耦合,同时要防止因子存在共线性重合问题,兼顾岩溶区特殊的岩石土壤条件,共选择8个回归因子:人口密度、与交通网的距离、坡度、坡向、高程、岩性、岩石裸露率和土壤类型。预测的基准年是2015年。

      Logistic回归结果的检验采用ROC(relative operating characteristics)方法评价。通常,当ROC值大于0.7时,认为所选取的驱动因子具有较好的解释能力。Beta系数是由Logistic回归方程计算得到。ROC检验结果发现,各地类的ROC值均大于0.71(表 1),所选驱动因子对各地类的空间分布情况具有较好的解释能力。

      表 1  驱动力二元回归分析Beta系数

      Table 1.  Beta coefficient for driving force binary regression analysis

      项目Item 高程
      Elevation
      坡向
      Slope aspect
      坡度
      Slope degree
      土壤类型
      Soil type
      到交通网的距离
      Distance from traffic network
      人口密度
      Population density
      岩性
      Lithology
      岩石裸露度
      Rock exposed degree
      常量
      Constant
      ROC
      乔木林地Arbor forest land 0.001 8 4.887 8 0.073 5 0.315 6 0.038 0.054 1 0.095 6 -0.023 5 -4.529 0.919
      灌木林地Shrub land -0.000 5 -0.003 2 0.022 4 0.091 7 0.037 3 - -0.064 3 0.005 4 -1.647 0.824
      草地Grassland -0.001 1 0.000 1 -0.118 0.388 1 - - -0.125 9 0.003 5 -1.339 9 0.807
      园地Orchard -0.001 8 - -0.698 5 -0.083 1 -0.120 4 -0.131 1 -0.082 9 -0.039 7 1.222 8 0.819
      水域Water area - -0.001 8 -0.046 8 - - - - - 11.942 3 0.713
      建设用地Land used for building -8.466 7 - -0.048 1 -8.365 4 0.117 9 -0.135 0.126 1 0.017 9 0.195 5 0.798
      未利用地Unused land -0.000 1 7.671 5 -0.054 9 - - 0.107 2 0.033 3 0.061 8 -3.594 4 0.761
      耕地Farmland -0.001 1 -0.000 1 -0.104 6 -0.698 4 -0.026 2 -0.111 8 -0.02 3.038 0.726
    • 区域土地利用变化是自然和人文因素综合作用的结果,在较短的时间尺度内,人类活动对区域土地利用需求的影响往往居于主导地位[22]。因此,在建水县土地利用情景变化SD模型中,将人文因素作为土地利用需求的主要驱动因素。将建水县土地需求系统分为三大子系统:(1)人口增长对土地需求子系统;(2)经济发展对土地需求子系统;(3)石漠化治理工程对土地需求子系统。并将人口增长、经济发展、石漠化治理效果三大因素作为驱动因子,基于SD模型模拟不同情景下土地资源的需求变化。

      在分析各子系统和各要素之间的相互作用关系基础上,利用Vensim软件构建建水县土地利用SD模型(图 1),经过多次模拟试验,确定变量间的状态方程以及参数,将模型量化为具有预测功能的定量模型。模型时间界限为2005—2025年,步长与数据输出间隔时间均为1年, 包括2个阶段:2005—2015年为模型模拟阶段,运用2005—2015年的社会经济统计数据对模型进行参数设定、模型调整及模型检验;2016—2025年为情景预测阶段,主要在不同设定方案上确定参数,进行3种情景下土地资源需求仿真模拟。2005年数据为模型初始值,2016年为情景模拟起始年。

      图  1  SD模型流程图

      Figure 1.  SD model flow chart

      表 2  建水县土地需求模型模拟阶段主要参数值

      Table 2.  Main parameter values in simulating stage of land demand model in Jianshui County

      变量类型Variable type 变量名称Variable name 数值Value
      人口总数/万人Total population/104 people 50.25(初值Initial value)
      GDP/万元¥104 401 230(初值Initial value)
      交通建设用地/hm2 Traffic construction land/ha 994.534(初值Initial value)
      状态变量State variable 水产品单产/(t·hm-2)Fishery yield/(t·ha-1) 2.58(初值Initial value)
      粮食单产/(t·hm-2)Grain yield/(t·ha-1) 1.473(初值Initial value)
      牧肉单产/(t·hm-2)Shepherd meat yield/(t·ha-1) 0.162(初值Initial value)
      水果单产/(t·hm-2)Fruit yield/(t·ha-1) 6.553(初值Initial value)
      石漠化面积/hm2 Rocky desertification area/ha 79 874.5(初值Initial value)
      投资系数Investment coefficient 0.346(均值Mean)
      耕播比Tillage ratio 0.691(均值Mean)
      常数Constant 水域养殖比Breeding ratio 1.479(均值Mean)
      畜牧比Livestock ratio 5.978(均值Mean)
      人均居住与矿业用地Per capita living and mining land 0.016 74(均值Mean)

      表 3  建水县土地需求模型模拟阶段主要参数值

      Table 3.  Main parameter values in simulating stage of land demand model in Jianshui County

      变量类型Variable type 变量名称Variable name 2005—2010 2010—2015
      粮食自给率Grain self-sufficiency rate 0.926 0.967
      畜肉自给率Shepherd meat self-sufficiency rate 3.169 4.073
      水产自给率Fishery self-sufficiency rate 0.466 1.084
      水果自给率Fruit self-sufficiency rate 2.083 5.971
      辅助变量Auxiliary variable 人均口粮消费Per capita ration consumption/kg 349 334
      人均畜肉消费Per capita livestock consumption/kg 28 29
      人均水产消费Per capita aquatic consumption/kg 16 18
      人均水果消费Per capita fruit consumption/kg 38 60
      其他粮食Other food stuff/kg 44.65×106 51.38×106
    • 以建水县2005年土地利用数据作为输入参数,以2010年和2015年的土地利用数据进行调参和模型校正,并做精度验证(表 4)。结果显示,2015年各类土地利用面积模拟值与解译值误差均在5%以下,水域的模拟精度最低,为-4.37%,其次是灌木林2.21%。水域面积误差大是由于生态水域面积与养殖水域面积比例设定为固定常数,其与实际建水县的比值有偏差,但由于水域面积占比较小,误差对模拟结果影响不大。

      表 4  模型模拟精度与结果验证

      Table 4.  Simulating precision and result validation of SD model

      土地利用类型
      Type of land use
      2010 2015
      实际值/hm2
      Actual value/ha
      预测值/hm2
      Predictive value/ha
      相对误差
      Relative error/%
      实际值/hm2
      Actual value/ha
      预测值/hm2
      Predictive value/ha
      相对误差
      Relative error/%
      乔木林地Arbor forest land 114 377.29 112 368.97 -1.76 127 172.4 126 091.5 -0.85
      灌木林地Shrub land 80 753.29 82 475.62 2.13 74 383.11 76 026.98 2.21
      草地Grassland 43 102.94 42 753.24 -0.81 42 665.94 42 973.13 0.72
      园地Orchard 5 037.56 5 128.21 1.79 6 222.42 6 279.05 0.91
      水域Water area 2 790.97 2 876.69 3.07 3 431.16 3 281.22 -4.37
      建设用地Built-up land 7 271.98 7 412.45 1.93 10 753.56 10 729.9 -0.22
      未利用地Unused land 22 396 22 142.2 -1.13 18 792 18 399.65 -2.08
      耕地Farmland 102 629.89 103 202.53 0.56 94 939.29 94 578.52 -0.38
    • 基于上述校准后的模型,根据建水县历年社会经济数据的经验值,依据人口、GDP、石漠化减少量设计3种土地利用需求情景:(1)基于过去10年建水县历年社会经济数据的快速发展情景(S1);(2)基于严格实施石漠化治理工程的石漠化治理情景(S2);(3)基于建水县“十三五”规划的规划发展情景(S3)(表 5)。S1情景参考《建水县统计年鉴》历史数据,S2情景参考《建水县第二次石漠化监测报告》《云南省国民经济和社会发展第十三个五年规划》,S3情景参考《建水县国民经济和社会发展第十三个五年规划》。

      表 5  研究区情景设计

      Table 5.  Scenario design based on the socio-economic conditions in the study area

      %
      项目Item 现状
      Current status
      S1情景
      S1 scenario
      S2情景
      S2 scenario
      S3情景
      S3 scenario
      GDP增长率GDP growth rate 11 11 8.5 10
      人口增长率Population growth rate 6.49 6.49 6.3 6
      石漠化减少率Rocky desertification reduction rate 9.18 9.18 11 7
      注:S1为过去10年建水县历年社会经济数据的快速发展情景;S2为基于严格实施石漠化治理工程的石漠化治理情景;S3为基于建水县“十三五”规划的规划发展情景。Notes: S1 is the rapid development scenario based on the social and economic data of Jianshui County in the past 10 years; S2 is the rocky desertification contorl scenario based on strict implementation of the rocky desertification control project; S3 is the planning development scenario based on the 13th five-year plan of Jianshui County.
    • 以2005年土地利用空间数据为基础,输入并调整模型运行所需的主参数、logistic逐步回归分析结果、土地利用转换规则、区域限制、地类转换弹性等参数。根据建水县2005年至2015年土地利用转移特点,所有地类可以自由转换,限制区域为风景名胜区和极重度石漠化地区。应用Dyna-CLUE模型进行模拟,得到2010、2015年土地利用模拟图。以2010年和2015年实际土地利用图为参照,运用erdas软件下精度评估模块进行验证,得到kappa指数分别为0.74和0.76,模拟精度较好。

      将校准和验证过的Dyna-CLUE模型,结合土地需求和空间限制预测2025年建水县的土地利用。S1快速发展情景,相比于2015年,乔木林、园地、水域、建设用地和耕地的面积分别增加了1.01%、40.68%、5.56%、22.16%和6.87%,灌木、草地、未利用地的面积分别减少了2.46%、1.61%、55.28%(图 2)。

      图  2  2015年以及S1、S2、S3各情景土地利用分布图

      Figure 2.  Land use distribution map of 2015 and S1, S2, and S3 scenarios

      S2石漠化治理情景下,相比2015年,乔木林、园地、水域、建设用地面积分别增加了6.6%、14.95%、3.87%、7.72%,灌木、草地、未利用地和耕地分别减少了0.05%、3.32%、28.31%和3.7%(图 2),该情景下生态环境明显得到改善,耕地略有减少,大量的未利用地得以开发利用,经济园地在各个村镇聚集点附近扩张明显。

      S3规划发展情景下,乔木林和未利用地分别减少4.6%、61.36%,灌木、草地、园地、水域、建设用地、耕地分别增加0.61%、7.14%、52.42%、8.26%、16.2%、9.04%(图 2),表明规划发展一定程度上忽略了生态环境的发展,建设用地扩张明显,零散的村镇居民点扩张明显,大量未利用土地得到开发,经济园地的种植模式明显推广。此外,3种情景下的建设用地需求量都有不同程度的增加,而且这些改变主要发生在研究区的中心部位即县城附近,前两种情景下的乔木林土地面积改变区域将主要发生在县城北部的山区、东部的面甸镇和普雄乡,这些地区都是石漠化较为严重的区域。

    • 乔木、灌木、园地植被碳密度参考云南森林生态系统植被碳密度估算的相关研究[23],建设用地碳密度参考云南城镇建成区有机碳的估算相关研究[24-25],草地植被碳密度参考InVEST模型用户手册[20]。耕地碳密度利用2015年建水县净初级生产力值与耕地地类分布叠加算出其碳密度,地上/地下生物量比参照中国地上地下生物量相关研究和《中华人民共和国气候变化第二次国家信息通报》中的土地利用变化与林业温室气体清单[26]。根据各地类的植被碳密度和地上/地下生物量比算出各地类地上碳密度和地下碳密度。土壤有机碳来自欧盟JRC土壤工作组0~30 cm深的有机碳库数据[27],死亡碳密度参考IPCC2006国家温室气体排放清单(农林卷)对死木和枯枝落叶碳密度的估算[28]。得到建水县2015碳库(表 6)。

      表 6  建水县碳库        t·hm-2

      Table 6.  Carbon pool of Jianshui County        t·ha-1

      土地利用类型
      Type of land use
      地上碳密度
      Carbon density above the ground
      地下碳密度
      Underground carbon density
      土壤碳密度
      Soil carbon density
      死亡堆积碳密度
      Carbon density of death accumulation
      乔木林地Arbor forest land 41.89 10.39 65.7 4.6
      灌木林地Shrub land 9.29 2.14 58.75 6
      草地Grassland 8.4 1.72 46.7 7
      园地Orchard 11.85 2.67 53.8 2.1
      水域Water area 0 0 52.2 1
      建设用地Land used for building 0 0 62.8 1
      未利用地Unused land 13.04 1.18 61.9 1
      耕地Farmland 4.11 0.95 59.3 1
    • InVest模型计算结果表明,建水县碳储量从2005年的278.97×105 t增加到2015年的有294.78×105 t,共增加15.81×105 t,年增加率0.56%。从碳储量与土地利用类型的关系来看(表 7),碳存储功能总量从大到小的土地利用类型依次为乔木、灌木、耕地、草地、未利用地、建设用地、园地、水域,而碳密度则由乔木、建设用地、灌木、园地、耕地、草地、未利用地和水域依次递减。森林生态系统是建水县碳存储功能的核心[29],乔木的单位面积碳储量远远超过其他地类,在过去10年间,乔木林的扩张是导致碳储量明显增加的原因。

      表 7  2015年建水县碳储量分布

      Table 7.  Carbon storage distribution of Jianshui County in 2015

      土地利用类型
      Type of land use
      碳储量
      Carbon storage/t
      单位面积碳储量/(t·hm-2)
      Unit area carbon storage/(t·ha-1)
      碳储量占比
      Carbon storage ratio/%
      建水县总量Total amount in Jianshui County 294.78×105 77.64 100
      乔木林地Arbor forest land 88.55 122.58 30.47
      灌木林地Shrub land 78.52 76.18 27.02
      草地Grassland 24.31 63.82 8.36
      园地Orchard 4.24 70.42 1.46
      水域Water area 1.2 53.20 0.41
      建设用地Land used for building 5.12 77.12 1.76
      未利用地Unused land 11.74 63.80 4.04
      耕地Farmland 76.97 65.36 26.48

      在2015年至2025年的时间里,S1情景下建水县碳储量延续之前的增长趋势,但增加速率明显放缓,与2015年基准年相比,该情景下碳储量总值301.07×105 t,预计增加6.29×105 t,年增加率0.21%。2025年S2情景下,强化实施石漠化治理措施后碳储量发生了明显增长,2025年碳储量达318.72×105 t,增加23.94×105 t,年增长率0.81%,增长主要发生东部的普雄乡、北部的山区和沿元江的河谷地带。在S3情景下,2025年碳储量为284.89×105 t,相比2015年损失了9.89×105 t,年损失0.33%,碳储存的损失主要发生在乔木林地(图 3)。

      图  3  碳储量分布图

      Figure 3.  Carbon storage distribution map

      模拟结果表明,S1和S2两种种情景下碳储量功能都有增加,S2情景下碳储量功能提升最为明显,而S3情景规划发展的状况下碳储量功能下降。就目前阶段来讲,继续并且加大投入实行石漠化治理工程能最大程度上提升碳储量功能,与其他2种情景相比,S2情景是建水县碳储功能提升首选的区域发展形式。

    • 本研究提出了一种结合Dyna-CLUE和InVEST模型的综合建模方法,以评估中国西南岩溶地区土地利用变化对碳储量的影响。

      (1) 建水县2005年和2015年碳储量分别为278.97×105 t、294.78×105 t。从碳储量功能提升程度看,农田和未利用地减少量多并且农田和未利用地碳储量较低,碳储量丰富的乔木林土地扩张明显,现阶段石漠化治理工程对生态功能提升效果明显。

      (2) 建水县2025年碳储量分别为:快速发展情景碳储量为301.07×105 t、石漠化治理情景碳储量为318.72×105 t、规划发展情景碳储量为284.89×105 t,高速的经济发展和人口增长会造成林地的减少,林地碳储量丰富,从而影响到了碳储量功能。石漠化工程的实施有效了增加了林地的扩张,但是这种结果是以耕地面积减少为代价的。为了平衡经济发展和生态建设对碳储量的影响,在加强林地草地保护的同时,石漠化治理工程同时要关注农田建设,有效的增强碳储量功能。

      (3) SD模型和Dyna-CLUE模型的检验结果较好,既有效地预测了各种影响因子对土地利用空间格局变化的影响,又动态模拟了不同社会经济发展幕景下各种用地类型需求量的变化。

    • 区域内碳储量与人类活动和自然因素驱动力下的多种土地利用变化有关,经济的发展以及研究区石漠化工程的治理强度很大程度上决定了土地利用的走向。本研究得出的总体碳储量相比现有云南小江流域的研究略偏高[14],是因为对土壤碳库的参考出现差异造成的。

      综合InVEST和土地利用模式已经显示出石漠化治理模式下区域土地利用变化对碳储量功能的潜在影响,以及岩溶环境下对其的评估功能在权衡石漠化治理投入方面的适用性。但在运行Dyna-CLUE模型和SD模型中发现,时间尺度对模型精确度的影响非常关键。本次研究使用10年的数据集,更短时间序列的潜在影响就需要更精准的数据和更多的研究。例如,以年为尺度的输入数据实际上可以产生更好的模拟效果。Dyna-CLUE模型中的土地转换弹性的定义需要由建模者在研究区域获得的知识决定,碳库数据中的土壤碳密度也需要先行者们的研究作为参考,需要更多的参数化研究来了解研究区土地利用变化对模拟的影响。

      模拟结果表明:基于场景的方法在预测未来岩溶区碳储存服务的可能变化方向是有用的。研究发现岩溶区土地开发水平的增加或减少与土地利用分布和碳储量有关,石漠化治理与经济发展并非不可兼得,在经济发展的同时加大对石漠化工程的投资能最高限度的提升碳储量功能。此外,目前的研究为土地利用模式和生态系统服务提供了初步背景,可以协助当地政府制定最佳区域发展模式,促进提供生态系统服务。

      InVEST模型旨在量化自然界提供的多种生态系统服务。除了碳储存之外,其他关键的生态系统服务(如土壤保持和水源涵养)将受到土地利用变化的影响。多种生态系统服务的变化可能会产生局部的权衡和协同效应[16]。在人类活动的推动下,量化和分析受土地利用影响的生态系统服务,将是识别和减少土地退化对建水县脆弱生态环境的负面影响的基本途径。

参考文献 (29)

目录

    /

    返回文章
    返回