2023, Vol. 43 
2. 中国科学院地质与地球物理研究所, 北京 100029;
3. 中国科学院大学, 北京 100049;
4. 华南师范大学 地理科学学院, 广东 广州 510631;
5. 赣南师范大学 地理与环境工程学院, 江西 赣州 341000
2. Institute of Geology and Geophysics, Chinese Academy of Sciences, Beijing 100029, China;
3. University of Chinese Academy of Sciences, Beijing 100049, China;
4. School of Geography Sciences, South China Normal University, Guangzhou, Guangdong 510631, China;
5. School of Geography and Environmental Engineering, Gannan Normal University, Ganzhou, Jiangxi 341000, China
人类活动影响已造成大气、海洋和陆地变暖，预测至少到21世纪中期，全球地表温度将继续上升，这对全球生态系统、经济可持续发展产生重要影响。中国政府多次表示致力于节能减排，并提出力争于2030年前碳排放达到峰值、2060年前实现碳中和的“双碳”目标，因而开展生态系统碳储量调查尤为重要。碳储量评估对于理解生态系统碳循环、减缓气候变化、绿色经济发展具有重要意义。
InVEST模型即“生态系统服务功能与权衡交易综合评价模型”，其产出的空间化结果易于识别生态系统服务的重要领域[1]。InVEST模型碳储量模块基于土地利用/覆盖类型地图和4个碳库的碳储量来估算在当前景观下碳储量或者一个时间段内的碳固持[2-4]。南方地区具备亚热带季风气候条件，分布了亚热带常绿阔叶林，发育了红壤、黄壤，尽管宏观自然环境差异相对较小，生态系统碳储量也存在差异，并受到不同因素的影响。不同土地利用/覆被类型碳储量存在差异，林地、草地等地类碳密度最高，故植被覆盖较高的南方地区可能拥有更高的碳储量，林地的增加可能会促进生态系统碳储量增加[5]，反之可能降低。基于InVEST模型研究发现，南京市过去20 a因城市建设用地扩张和耕地、林地、草地减少导致碳储量减少，情景分析表明需要采取耕地保护和生态保护政策[6]。不仅是在城市，城镇化扩张侵占林地、耕地已经导致了山区碳储量减少[7]，表明土地利用变化直接影响区域碳储量高低[8-9]。碳储量差异还体现在空间格局上，对漓江流域陆地生态系统碳储量时空特征与预测就发现，高海拔地区碳储量较高，平原地区碳储量较低[10]。这与不同地形地貌条件下地表覆被有关，山地多植被、平原多耕地和建设用地，进而影响碳源/碳汇格局。碳密度较高的生态空间面积减少，则可能会引起碳储量流失，相反则可能是碳汇增加[11]。这些研究为南方地区生态系统碳储量研究提供了重要参考。几十年尺度的碳储量变化与人类活动密切相关，土地利用/覆被变化一定程度上是刻画人类活动的重要手段[12]，因此本研究考虑采用多个年代、时间跨度长，探讨生态系统碳储量对土地利用变化的响应。
福建省是东南丘陵重要的生态屏障，是落实“绿水青山就是金山银山”思想的重要实践基地，然而如何兼顾经济社会发展需求与生态环境保护要求是当前面临的重大课题，为此需要进行完备的土地利用变化与生态系统服务调查。考虑到人为活动对碳储量的影响，杉木、马尾松、千年桐等人工林的碳储量与碳库格局受到较多关注，实地采样与林间试验研究表明立地条件、林分密度、年龄、恢复年限、间隔伐木措施等因素不同程度影响了碳储量[13-17]。除了较系统地对某区域开展大量高精度和高密度采集工作[18]，以及结合Landsat TM，SPOT5等卫星遥感数据[19-21]，大规模林地调查也有助于了解较大范围内碳储量动态，如森林资源清查、土壤普查结果等资料，提供了福建全省或较大行政区域的不同比例尺度的碳储量与碳密度特征等结果[22-25]。然而无论是对人工林、有机碳等的试验研究，还是遥感数据与模型估算，都受到时间与空间尺度的制约。目前较少有追溯到过去40 a福建全省碳储量估算的相关研究报道。基于遥感数据的土地利用/覆被分类相对成熟，已经有较长时间序列的相关数据，便于估算碳储量，并探讨其变化对土地利用变化的响应。本研究以生态系统碳储量调查为视角，基于土地利用/覆被变化数据和碳密度，利用InVEST模型模拟福建省1980，2000，2020年碳储量，分析碳储量和土地利用时空特征，在此基础上统计不同土地利用类型的总碳储量与变化，探究总碳储量对土地利用变化的响应，以期为生态系统保护提供参考。
1 研究区概况福建省(23°34′—28°19′N，115°51′—120°43′E)位于东南丘陵，占比超过全省面积80%的低山丘陵相间分布主导了主要的地貌起伏特征，素有“八山一水一分田”之称(图 1)。福建省西部绵延着武夷山与江西省为界，西南相连广东省，东北毗邻浙江省，东部间隔台湾海峡与台湾地区相望。福建省所在的华南地区是典型的亚热带季风气候[26]，来自海洋的水汽在春夏季形成丰富的降水，年降雨量约1 500~2 000 mm，年平均气温17~21 ℃。在这种较为湿热的气候特征下，该区发育了南方红壤、黄壤，并广泛生长了亚热带常绿阔叶林。2019年福建省森林覆盖率为66.8%，位居全国第一，是全国六大林区之一，拥有丰富的生物资源。此外还有丰富的茶叶、油茶等人工作物[27-29]。近年来，耕地和建设用地扩张，水域和海岸生态系统萎缩，土地利用/覆被变化影响了生态系统服务。因此，生态系统碳储量可能受到自然环境和人为活动的共同影响。
|
图 1 福建省地形分布 Figure 1 Topographic distribution of Fujian Province |
(1) 高程数据(DEM，100 m)。来源于SRTM-v4.1(http://srtm.csi.cgiar.org)，它是覆盖面积广，采集数据量大，数据精度高的数字地形高程模型。
(2) 土地利用数据(1 km)。由1980, 2000, 2020年3期组成，一级类分为耕地、林地、草地、水域、建设、未用6种类型，二级类分为23个类型，来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn/)。主要用于估算碳储量时空特征及其对土地利用变化的响应。
(3) 碳密度数据(表 1)。土地利用/覆被碳密度是进行碳储量评估的基础。已有研究表明同一气候带土地利用类型碳密度差异较小[30]，因此本研究参考同为亚热带气候区的广东省、海南碳密度数据[8, 3]，草地地下生物量还参考湖南洞庭湖地区[31]。
|
表 1 福建省不同土地利用类型的碳密度 Table 1 Carbon density of different land use types in Fujian Province |
InVEST模型(https://naturalcapitalproject.stanford.edu/software/invest)的碳储量模块可用于估算地上生物量、地下生物量、土壤有机质和死亡掉落物有机质等4种常见的基本碳库[2-4]，该方法采用不同土地利用类型下不同凋落物碳密度数据估算生态系统碳储量，即碳库代替法，计算公式为：
| $C_{\text {total }}=\sum\limits_{i=1}^n\left[\left(C_{i_{-} \text {above }}+C_{i_{-} \text {below }}+C_{i_{-} \text {soil }}+C_{i_{-} \text {dead }}\right) \times S_i\right]$ | (1) |
式中：Ctotal为总碳储量(t); i为第i种土地利用类型; n为土地利用类型的数量, 本研究取值为6; Cabove为地上生物量碳密度(t/hm2); Cbelow为地下生物量碳密度; Csoil为土壤有机质碳密度; Cdead为死亡生物量碳密度; Si为第i类土地利用类型的总面积(hm2)。碳密度数据见表 1。
将InVEST模型输出的碳储量结果导入ArcGIS 10.2即可获得碳储量空间分布格局。并利用空间统计工具中的Getis-Ord Gi*功能分析碳储量冷热点分布，探讨高低碳储量分布的集中特征。此外还利用重分类功能参考自然间断法将1980，2000，2020年碳储量分为低(0~1 500 t)、较低(1 500~3 000 t)、中等(3 000~3 800 t)、较高(3 800~5 000 t)和高(＞5 000以上)5个等级，利用栅格计算器将新老两期碳储量相减获得碳储量空间变化格局。
2.3 土地利用转移图谱与转移矩阵地学信息图谱是借助GIS等工具将土地利用转移信息可视化的一种方法，揭示了土地利用变化的时空特征，计算方法为：
| $Z=10 X+Y$ | (2) |
式中：Z为土地利用转移代码, 前后两位代码值分别表示前后研究期土地利用类型; X和Y分别为研究初期和末期的土地利用代码。
土地利用转移矩阵用矩阵的方式反映了不同时期土地利用类型的面积变化结果，计算公式如下：
| $S=\left[\begin{array}{cccc}S_{11} & S_{12} & \cdots & S_{1 n} \\ S_{21} & S_{22} & \cdots & S_{2 n} \\ \vdots & \vdots & \vdots & \vdots \\ S_{n 1} & S_{n 2} & \cdots & S_{n n}\end{array}\right]$ | (3) |
式中：S为面积; n为土地利用的类型数; i和j分别为研究初期与末期的土地利用类型。此外本研究还利用该转移矩阵分析碳储量转移。
3 结果与分析 3.1 碳储量时空特征 3.1.1 碳储量分布特征1980—2020年福建省碳储量整体均较高，中等以上(＞3 000 t)比例达82.5%~83.4%，主要分布在山地丘陵地区，沿海和河流地区相对较低(图 2a—2c)。低碳储量面积最小，占1.4%~1.6%；较低、中等和较高碳储量面积也相对较小，比例分别为15.3%~15.9%，19.3%~20.7%和9%~10.4%；高碳储量面积最大，比例52.8%~55.4%。近40 a碳储量的空间格局较为稳定，表明研究期内福建省生态系统碳储量分布的基本格局变化较小。该特征可能与省域土地利用/覆被变化较小有关、数据分辨率较大有关，因为省域面积较大、数据分辨率较大可能会忽略较小碳储量变化信息。
|
图 2 1980—2020年福建省碳储量分布特征 Figure 2 Distribution characteristics of carbon storage in Fujian Province from 1980 to 2020 |
碳储量冷热点分布呈团块状，热点区多在内陆山地丘陵，是高碳储量集中区域，冷点区多在沿海，是低碳储量集中区域(图 2d—2f)。1980，2000，2020年碳储量冷热点都较为集中，且有越来越集中的趋势，说明低碳储量和高碳储量分布存在较明显的区别。高碳储量的热点区域植被覆盖较好，碳储量较高且较集中。低碳储量的冷点区域河流较多，地势低平，较多耕地和建设用地，一定程度上体现了人类活动对碳储量分布的影响。
3.1.2 碳储量变化特征1980—2020年福建省碳储量表现出减少且空间复杂化的变化特征(图 3a—3c)。1980—2000年有95%的区域是稳定，碳储量变化不明显；2000—2020，1980—2020年则表现为碳储量稳定区缩小(78.4%~79.8%)，减少和升高区扩大(分别占10%~11.2%，9.6%~9.7%)。1980—2020年总碳储量呈波动略升高的趋势。不同等级碳储量面积变化存在差异，中碳储量面积逐渐减小(由20.7%降至19.3%)，其他类的面积呈波动变化。
|
图 3 1980—2020年福建省碳储量变化特征 Figure 3 Characteristics of carbon storage changes in Fujian Province from 1980 to 2020 |
碳储量等级转移在空间上表现为高、低碳储量集中区转移较少，过渡区转移较多；在时间上呈阶段性变化特征，1980—2000年转移较少，2000—2020年不同碳储量等级彼此之间转移相对较多(图 3d—3e，表 2)。1980—2000年，每种等级转移均是不变的面积最大，其次是等级跨度较小的转移面积较大，等级跨度越大，转移面积越小。碳储量跨等级转移中，高碳储量转移为中碳储量(585 km2)的面积相对较大。不同于1980—2000，2000—2020年碳储量转移面积最大的类别除了不变类，还出现了中等碳储量向高碳储量转移的面积大于中等无变化的面积、较高碳储量向高碳储量转移的面积大于高碳储量无变化的面积等现象，表明2000年以后的碳储量波动更明显。该时期跨等级转移更剧烈，碳储量较低转移为中等(3 004 km2)、较高(1 930 km2)和高(6 105 km2)，中等转移为较低(3 414 km2)、较高(2 096 km2)和高(9 845 km2)，较高转移为较低(1 740 km2)、中等(1 722 km2)和高(3 671 km2)，以及高转移为较低(6 777 km2)、中等(10 458 km2)和较高(5 526 km2)的面积较大。
|
|
表 2 1980—2020年福建省碳储量面积转移矩阵 Table 2 Stochastic matrix of carbon storage area in Fujian Province from 1980 to 2020 |
1980—2020年福建省土地利用/覆被以林地为主(61.4%~62.9%)，分布广泛；耕地(16.9%~18.3%)和草地(15.2%~17.2%)其次，呈杂乱分布；水域(1.3%~1.5%)、建设用地(1.6%~4.4%)和未利用地(0.1%)面积较小，主要分布在沿河沿海等地势低平地区(图 4a—4c)。福建省土地利用/覆被结构与分布反映了南方丘陵地区自然环境背景特征对其的影响，即植被覆盖较多，林地、草地面积广，耕地面积有限且受地形地貌限制。部分耕地分散布局在北部，较多分布在沿海地区，且建设用地也集中在河流沿岸、沿海地区，这些地方是碳储量较低、变化较为频繁的区域。
|
图 4 1980—2020年福建省土地利用分布与变化特征 Figure 4 Distribution and change characteristics of land use in Fujian Province from 1980 to 2020 |
不同土地利用类型面积变化存在差异，耕地和草地面积逐渐减小(分别由18.3%减至16.9%，由17.2%减至15.2%)，建设用地面积增加(由1.6%增至4.4%)，林地和水域面积呈波动变化(图 4a—4c)。
土地利用转移在2000年前后呈不同特征，1980—2000年土地利用/覆被变化较稳定，2000—2020年较剧烈(图 4d—4e，表 3)。1980—2000年，转移图谱和矩阵均表现出林地主导且稳定，地类交界处有少量转移的变化特征；各地类转移面积最大均为不变区域的面积；地类间转移面积较大的是林地转移为草地(1 158 km2)和草地转移为林地(3 003 km2)。2000—2020年，6种地类不变的区域均显著减小，尤其表现在林地空间分布中；此外耕地、草地和水域不变的面积小于它们转出的面积。
|
|
表 3 1980—2020年福建省土地利用面积转移矩阵 Table 3 Stochastic matrix of land use area in Fujian Province from 1980 to 2020 |
地类间转移面积较大的是耕地转移为林地(9 255 km2)、耕地转移为草地(2 638 km2)、耕地转移为建设用地(2 236 km2)，林地转移为耕地(9 387 km2)、林地转移为草地(9 414 km2)、林地转移为建设用地(1 408 km2)，草地转移为耕地(2 575 km2)、草地转移为林地(9 549 km2)等。
3.3 碳储量对土地利用变化的响应 3.3.1 不同土地利用类型总碳储量不同土地利用类型总碳储量分布存在差异，林地、草地和耕地的总碳储量较高，水域、建设用地和未利用地总碳储量较少(图 5a)。有林地总碳储量最高(2.88×108~3.05×108 t)，其次是疏林地(6.97×107~7.19×107 t)，然后是水田(4.27×107~4.71×107 t)、高覆盖草地(3.6×107~3.67×107 t)和灌木林(3.2×107~3.61×107 t)，其他土地利用/覆被类型总碳储量较低(低于3×107 t)。
|
图 5 不同土地利用类型碳储量差异 Figure 5 Differences in carbon storage among different land use types |
不同土地利用类型总碳储量变化也存在差异，耕地总碳储量减少，建设用地总碳储量增加，林地和草地有增加也有减少(图 5b)。有林地碳储量在1980—2000，2000—2020年增加(1.59×107 t)和减少(1.67×107 t)最多；其他林地在2000—2020年增加(9.11×106 t)较多。总碳储量高低与土地利用/覆被类型的面积大小和碳密度高低有关。福建省林地、草地的面积较大、碳密度较高，因而这两类土地利用/覆被类型贡献了较高的总碳储量较高，而水域、建设用地和未利用地等则相反，对总碳储量贡献较低。这也导致了总碳储量能更为敏感响应林地、草地变化，尤其是有林地、其他林地和中覆盖草地。
3.3.2 土地利用与总碳储量转移由土地利用/覆被变化导致的总碳储量转出最多为林地、其次是草地和耕地(图 6a)。
|
图 6 1980—2020年福建省碳储量面积转移 Figure 6 Carbon storage area transfer in Fujian Province from 1980 to 2020 |
水田总碳储量转出至有林地(9.06×106 t)、疏林地(2.57×106 t)较多，旱地总碳储量转出至有林地(4.98×106 t)、疏林地(1.41×106 t)较多，有林地总碳储量转出至水田(9.10×106 t)、旱地(5.17×106 t)、灌木林(1.80×106 t)、高覆盖草地(7.78×106 t)、中覆盖草地(3.99×106 t)和低覆盖草地(1.68×106 t)较多，灌木林总碳储量转出至有林地较多(2.08×106 t)较多，疏林地总碳储量转出至水田(2.63×106 t)、高覆盖草地(2.32×106 t)较多，高覆盖草地总碳储量转出至有林地(7.91×106 t)、疏林地(2.18×106 t)较多，中覆盖草地总碳储量转出至有林地(5.87×106 t)较多，中覆盖草地总碳储量转出至有林地(2.98×106 t)较多。
由土地利用/覆被变化导致的总碳储量转入仍然最多为林地、其次是草地和耕地(图 6b)。转入至水田总碳储量较多的是有林地(9.10×106 t)、疏林地(2.63×106 t)，转入至旱地总碳储量较多的是有林地(5.17×106 t)、疏林地(1.45×106 t)，转入至有林地总碳储量较多的有水田(9.06×106 t)、旱地(4.98×106 t)、灌木林(2.08×106 t)、高覆盖草地(7.91×106 t)、中覆盖草地(5.87×106 t)、低覆盖草地(2.98×106 t)，转入至灌木林总碳储量较多的是有林地(1.80×106 t)，转入至疏林地总碳储量较多的有水田(2.57×106 t)、高覆盖草地(2.19×106 t)，转入至高覆盖草地总碳储量较多的是有林地(7.78×106 t)、疏林地(2.32×106 t)，转入至中覆盖草地总碳储量较多的是有林地(3.99×106 t)，转入至低覆盖草地总碳储量较多的是有林地(1.68×106 t)。
由土地利用/覆被变化导致的总碳储量净转移为负的是林地，其他为正(图 6c)。有林地总碳储量净转移亏损最大(-3.54×107 t)，其次为疏林地(-8.973×106 t)；总碳储量净转移盈余较大的有水田(1.28×107 t)、旱地(6.9×106 t)、高覆盖草地(1.06×107 t)、中覆盖草地(4.8×106 t)。
土地利用/覆被变化，尤其是耕地、林地和草地之间的相互转移明显影响了总碳储量转移。福建省耕地、林地和草地面积较大，且较少转移到水域、建设用地和未利用地，此外这几类土地利用类型的碳密度均较高，因而它们之间的转移没有显著导致总碳储量升高或降低。
4 讨论与结论 4.1 讨论福建省碳储量总体较高，但在1980—2020年呈逐渐降低趋势。此期间，福建省人口由2.50×107人增加到4.20×107人，GDP由0.01×1012元增加到4.36×1012元，建设用地面积由2 005 km2(1.6%)扩大到5 592 km2(4.4%)，而耕地面积由23 220 km2(18.3%)缩小到21 455 km2(16.9%)，草地面积也由21 769 km2(17.2%)缩小到19 277 km2(15.2%)。人口和经济增长加大了对环境的开发，土地利用/覆被变化显著体现了这种影响过程，福建省建设用地与其他用地的协调与权衡也体现了这种关系，并影响碳储量。
当前中国社会经济快速发展，城市建设用地迅速扩张导致碳储量下降，这种变化趋势也体现在其他区域，如南方的广州市[32]、广东省[8]、桂林市[33]、漓江流域[10]、海南岛海岸带和中部山区[3, 7]、江苏江阴市[34]、南京市[6]、安徽省等[35]，以及北方的辽宁省[36]、北京市[37]、邯郸市[38]、太原市等[39]。然而西北的部分区域也有碳储量逐渐增加的趋势，如甘肃省[40]、西北干旱区[41]、黄土丘陵沟壑区等[42]。碳储量变化的原因是多方面的，东部地区碳储量减少，主要是由于耕地、林地减少和建设用地的增加。耕地、林地和建设用地存在竞争关系，人口增加、城市地域扩张，在现有的社会经济发展背景下，牺牲了一部分生态系统服务，这反映了人类活动对生态系统的不利影响。福建省碳储量变化对土地利用/覆被变化的响应特征，与东部城市扩张明显地区的碳储量较为一致，但不同于部分西部地区的碳储量变化。西部地区生态环境本身较为脆弱，近些年国家政策更加注重生态环境保护，退耕还林还草工程、治沙工程等的实施，促使西北地区生态环境一定程度上趋于好转，进而使碳储量增加，这反映了人为干预对生态系统的有利作用。因此在生态环境保护背景下开展城市建设，合理规划用地、合理分配土地资源尤为重要。
4.2 结论(1) 福建省碳储量整体均较高，中等碳储量主要分布在山地丘陵地区。碳储量冷热点分布呈团块状，高碳储量的热点区多集中在内陆山地丘陵。
(2) 1980—2020年福建省总碳储量呈波动略升高趋势。空间上，高低碳储量集中区转移较少，过渡区转移较多；时间上，1980—2000年转移较少，2000—2020年不同碳储量等级彼此之间转移相对较多。
(3) 福建省土地利用/覆被以林地为主，耕地和草地其次。1980—2000年土地利用/覆被变化较稳定；2000—2020年土地利用/覆被变化较剧烈，各地类不变区域的面积均显著减小。
(4) 林地、草地和耕地的总碳储量较高；耕地总碳储量减少，建设用地总碳储量增加。由土地利用/覆被变化导致的总碳储量转出和转入最多均为林地、其次是草地和耕地；总碳储量净转移为负的是林地，碳亏损最多，其他土地利用/覆被变化引起的总碳储量净转移为正。
(5) 碳储量与土地利用/覆被分布变化和碳密度有关，尤其是林地和草地，面积较大、碳密度较高。耕地、林地和草地是福建省主要土地利用类型，它们之间相互转移，引起了碳储量分布变化。
| [1] |
Wang Xiaojun, Liu Guangxu, Lin Durui, et al. Water yield service influence by climate and land use change based on InVEST model in the monsoon hilly watershed in South China[J]. Geomatics, Natural Hazards and Risk, 2022, 13(1): 2024-2048. DOI:10.1080/19475705.2022.2104174 |
| [2] |
Sharp R, Tallis H T, Ricketts T, et al. InVEST 3.2.0 User's Guide [EB/OL]. The Natural Capital Project, Stanford University, University of Minnesota, The Nature Conservancy, and World Wildlife Fund. 2015. https://storage.googleapis.com/releases.naturalcapitalproject.org/invest-userguide/latest/index.html.
|
| [3] |
段璇瑜, 龚文峰, 孙雨欣, 等. 海南岛海岸带土地利用变化及其对碳储量时空演变的影响[J]. 水土保持通报, 2022, 42(5): 301-311. |
| [4] |
邓喆, 丁文广, 蒲晓婷, 等. 基于InVEST模型的祁连山国家公园碳储量时空分布研究[J]. 水土保持通报, 2022, 42(3): 324-334, 396. |
| [5] |
丁岳, 王柳柱, 桂峰, 等. 基于InVEST模型和PLUS模型的环杭州湾生态系统碳储量[J]. 环境科学, 2022, 44(6): 3343-3352. |
| [6] |
孙欣欣, 薛建辉, 董丽娜. 基于PLUS模型和InVEST模型的南京市生态系统碳储量时空变化与预测[J]. 生态与农村环境学报, 2023, 39(1): 41-51. |
| [7] |
张育诚, 韩念龙, 胡珂, 等. 海南岛中部山区土地利用变化对碳储量时空分异的影响[J]. 南京林业大学学报: 自然科学版, 2023, 47(2): 115-122. |
| [8] |
林彤, 杨木壮, 吴大放, 等. 基于InVEST-PLUS模型的碳储量空间关联性及预测: 以广东省为例[J]. 中国环境科学, 2022, 42(10): 4827-4839. |
| [9] |
李姣, 汪杰, 李朗, 等. 洞庭湖生态经济区土地利用变化对碳储量的影响[J]. 生态学杂志, 2022, 41(6): 1156-1165. |
| [10] |
魏玺, 邵亚, 蔡湘文, 等. 漓江流域陆地生态系统碳储量时空特征与预测[J]. 环境工程技术学报, 2023, 13(3): 1223-1233. |
| [11] |
赵胤程, 覃盟琳, 庞雅月, 等. 基于FLUS-InVEST模型的北部湾城市群生态空间碳汇演变模拟及驱动因素研究[J]. 水土保持通报, 2022, 42(3): 345-355. DOI:10.13961/j.cnki.stbctb.2022.03.043 |
| [12] |
王小军, 张楚然, 廖倚凌, 等. 1980—2018年粤港澳大湾区人为干扰度的时空特征[J]. 水土保持通报, 2021, 41(3): 333-341. |
| [13] |
向玉国, 郑小贤, 刘波云, 等. 福建将乐林场杉木碳储量密度控制图的编制[J]. 西北农林科技大学学报(自然科学版), 2014, 42(8): 99-104. |
| [14] |
涂宏涛, 孙玉军, 刘素真, 等. 亚热带杉木人工林生物量及其碳储量分布: 以福建将乐县杉木人工林为例[J]. 中南林业科技大学学报, 2015, 35(7): 94-99. |
| [15] |
刘政, 许文斌, 田地, 等. 南方红壤严重侵蚀地不同恢复年限马尾松人工林生态系统碳储量特征[J]. 水土保持通报, 2019, 39(1): 37-42. |
| [16] |
洪滔, 何晨阳, 黄贝佳, 等. 不同林龄千年桐人工林的碳含量和碳储量及碳库分配格局[J]. 植物资源与环境学报, 2021, 30(1): 9-16. |
| [17] |
王有良, 林开敏, 宋重升, 等. 间伐对杉木人工林生态系统碳储量的短期影响[J]. 南京林业大学学报(自然科学版), 2022, 46(3): 65-73. |
| [18] |
王文俊. 福建龙岩地区土壤有机碳储量特征及其影响因素[J]. 第四纪研究, 2012, 32(2): 337-345. |
| [19] |
黄绍霖, 徐涵秋, 曾宏达, 等. 福建长汀河田盆地的马尾松林碳储量时空动态变化[J]. 地球科学, 2013, 38(5): 1081-1090. |
| [20] |
李明阳, 吴军, 余超, 等. 福建武夷山自然保护区森林碳储量遥感估测方法与空间分析[J]. 南京林业大学学报(自然科学版), 2014, 38(6): 6-10. |
| [21] |
师吉红, 项佳, 刘健, 等. 南方红壤典型水土流失区马尾松林地上林木碳储量的遥感监测: 以长汀县河田镇为例[J]. 生态学报, 2021, 41(6): 2151-2160. |
| [22] |
王开德, 邓璐莹. 基于森林清查资料的福建森林植被碳储量及其动态变化[J]. 福建林学院学报, 2014, 34(2): 145-151. |
| [23] |
吴文斌, 黄朝法, 郑德祥, 等. 福建省森林碳储量及碳密度特征分析[J]. 四川农业大学学报, 2016, 34(3): 298-303. |
| [24] |
陈中星, 张楠, 张黎明, 等. 福建省土壤有机碳储量估算的尺度效应研究[J]. 土壤学报, 2018, 55(3): 606-619. |
| [25] |
王文俊. 福建省土壤有机碳储量估算、时空分布特征及其影响因素[J]. 现代地质, 2019, 33(6): 1295-1305. |
| [26] |
Wang Xiaojun, Zhong Wei, Li Tianhang, et al. A 16.2-kyr lacustrine sediment record of mercury deposition in Dahu Swamp, Eastern Nanling Mountains, Southern China: analysis of implications for climatic changes[J]. Quaternary International, 2021, 592: 12-21. |
| [27] |
苏开敏. 基于GIS技术的福建省茶树用地适宜性评价及其区划[D]. 福建福州: 福建农林大学, 2008.
|
| [28] |
王小军, 刘光旭, 王炳香, 等. 基于气候因子的油茶含油率时空特征与种植分区研究[J]. 云南大学学报(自然科学版), 2020, 42(6): 1202-1211. |
| [29] |
王小军, 刘光旭, 肖彤. 气候变化情景下油茶生长的适宜性特征[J]. 热带地理, 2020, 40(5): 868-880. |
| [30] |
方精云, 黄耀, 朱江玲, 等. 森林生态系统碳收支及其影响机制[J]. 中国基础科学, 2015, 17(3): 20-25. |
| [31] |
郭云, 李鹏, 程维金, 等. 洞庭湖土地利用和生态服务功能时空变化及其耦合效应分析[J]. 环境科学学报, 2022, 42(1): 121-130. |
| [32] |
朱志强, 马晓双, 胡洪. 基于耦合FLUS-InVEST模型的广州市生态系统碳储量时空演变与预测[J]. 水土保持通报, 2021, 41(2): 222-229. |
| [33] |
张凯琪, 陈建军, 侯建坤, 等. 耦合InVEST与GeoSOS-FLUS模型的桂林市碳储量可持续发展研究[J]. 中国环境科学, 2022, 42(6): 2799-2809. |
| [34] |
赵一行, 高润艺, 李海东, 等. 江阴市土地利用对碳储量的影响及优化研究[J]. 生态与农村环境学报, 2022, 38(10): 1290-1298. |
| [35] |
孙方虎, 方凤满, 洪炜林, 等. 基于PLUS和InVEST模型的安徽省碳储量演化分析与预测[J]. 水土保持学报, 2023, 37(1): 151-158. |
| [36] |
朱丽亚, 胡克, 孙爽, 等. 基于InVEST模型的辽宁省海岸带碳储量时空变化研究[J]. 现代地质, 2022, 36(1): 96-104. |
| [37] |
邵壮, 陈然, 赵晶, 等. 基于FLUS与InVEST模型的北京市生态系统碳储量时空演变与预测[J]. 生态学报, 2022, 42(23): 9456-9469. |
| [38] |
张鹏, 李良涛, 苏玉姣, 等. 基于PLUS和In VEST模型的邯郸市碳储量空间分布特征研究[J]. 水土保持通报, 2023, 43(3): 338-348. |
| [39] |
张楚强, 向洋, 方婷, 等. LUCC影响下太原市生态系统碳储量时空变化及预测[J]. 安全与环境工程, 2022, 29(6): 248-258. |
| [40] |
任玺锦, 裴婷婷, 陈英, 等. 基于碳密度修正的甘肃省土地利用变化对碳储量的影响[J]. 生态科学, 2021, 40(4): 66-74. |
| [41] |
韩敏, 徐长春, 隆云霞, 等. 西北干旱区不同土地利用情景下的碳储量及碳源/汇变化模拟与预估[J]. 水土保持通报, 2022, 42(3): 335-344. |
| [42] |
姚楠, 刘广全, 姚顺波, 等. 基于InVEST模型的黄土丘陵沟壑区退耕还林还草工程对生态系统碳储量的影响评估[J]. 水土保持通报, 2022, 42(5): 329-336. |