-
气候变化是人类面临的全球性环境挑战之一,温室气体减排已成为国际环境面临的重大问题[1-2]。在第21届联合国气候变化大会达成《巴黎协定》,其目标是将全球气温升高幅度控制在2 ℃以内,要实现这一目标全球温室气体排放需要在2030年之前减少一半,在2050年左右达到净零排放,即“碳中和”。2020年9月22日,我国郑重承诺:“二氧化碳排放力争于2030年前达到峰值,努力争取2060年前实现碳中和”[3]。滨海湿地生态系统被称为“蓝碳生态系统”,是淡水和海洋生态系统之间的交错带,地形上包括滩涂、盐沼、红树林、珊瑚礁、海草床等,具有强大的固碳服务功能[4]。全球范围内超过55%的经生物固存的碳是储存在蓝碳生态系统中,红树林、盐沼和海草床等关键生态系统贡献了蓝碳总量的70%[5]。盐沼湿地的碳埋藏量约占我国蓝碳生态系统的80%[6]。滨海湿地对于调节碳循环和减缓全球变暖至关重要。
近半个世纪以来,我国滨海湿地资源在自然与人为因素的共同作用下遭到严重破坏,湿地逐渐退化,湿地面积锐减,盐沼湿地面积减少53%,红树林减少73%,珊瑚礁减少80%,海草床几近全部丧失[7]。我国是最大的碳排放国,近几十年的快速发展由于不合理的国土空间规划,导致大部分地区的碳储量下降。我国目前在实现碳中和的道路上面临诸多挑战[8-9]。因此,对于未来的土地资源配置和生态系统功能优化,必须探究土地利用变化和碳储量的协同关系,动态修改土地利用规划[10]。目前土地利用对生态系统碳库的影响研究主要集中在农田、林地、草地等土地利用之间,对跨省市滨海湿地一体化生态系统内部因产业结构调整和土地利用功能转型后土壤、植被及湿地碳储量变化的研究还鲜见报道[11]。滨海湿地的发育演变受自然和人为因素影响,尤其是国家政策关于滨海湿地保护的管理是滨海湿地面积变化的重要驱动[12]。滨海湿地碳储量的驱动因素与滨海湿地面积演变驱动因素之间关系需要进一步探究。
与西方发达国家现代化不同,中国现代化是巨大人口规模的现代化,中国式现代化强调人与自然和谐共生。近几十年来,津冀地区是我国政治经济发展的核心区域,该地区人口和经济呈快速且持续发展态势,城市群滨海湿地处于受人类活动影响明显区域,人们在追求利益最大化的同时,滨海湿地的大规模开发和占用导致滨海湿地生态环境遭受严重破坏,使得滨海湿地开发与保护矛盾不断加剧[13]。因此,了解津冀城市群滨海湿地土地利用功能和碳储量的演变过程,并明晰其利用现状和驱动因素至关重要。本研究以天津和河北省沿海县区为研究区,基于不同时期的土地利用数据,通过InVEST模型的碳储量模块来对其1980—2020年盐沼、滩涂的碳储量进行评估,量化分析其时空变化特征和碳储量变化对土地利用功能转型的响应。同时与同期滨海湿地碳储量相关研究进行对比分析,评估津冀滨海湿地碳储量水平及差异因素。通过冗余分析碳储量的驱动因素,判识研究区碳储量演变的关键因子,以期为滨海湿地碳固存能力的提升、滨海湿地生态保护及“碳中和”目标的实现提供科学依据与理论支撑。
-
环渤海海岸带是我国北方重要的经济区域,也是东北亚地区的经济中心和连接欧亚大陆桥的要地,其资源优势突出,海洋产业基础雄厚。津冀地区位于中国华北、东北以及华东的接合地带,作为重要枢纽将3者链接起来,也是中国环渤海地区的核心。研究区域为天津市、唐山市、秦皇岛市和沧州市这3个沿海城市,作为京津冀与环渤海海岸带经济高速发展地区,海岸带土地开发利用力度持续增大,海岸带土地开发利用产生的滨海湿地破坏等环境问题也日益突显。研究区域位于东经116°83′—119°53′,北纬38°30′—39°89′之间,暖温带半湿润半干旱季风性气候,四季分明,春秋干旱多风,夏季高温多雨,冬季寒冷干燥。本研究涉及盐碱地、沼泽地与滩涂的碳储量,因此选择这4个沿海城市的沿海区县及邻壤为研究区域。
-
1) 数据来源。本研究的土地利用数据来源于中国科学院地理科学与资源研究所的中国多时期土地利用遥感监测数据,分辨率为30 m。该数据以美国陆地卫星Landsat遥感影像为主信息源,通过人工目视解译建立。选择1980、1990、1995、2000、2005、2010、2013、2015、2018、2020年10期数据。该数据根据土地资源与利用性质[14],结合研究区域特点及研究目的,将土地利用类型分为耕地、林地、草地、水域 (湖泊、河流、水库坑塘和水产养殖区) 、建设用地、盐碱地、沼泽地、滩涂、海洋。查阅《中国湿地植被与植物图集》[15]、《天津湿地植被图集》[16]、《河北植被》[17]中生长于河北省和天津湿地植被的生境,湿地植被主要集中于盐碱、沼泽,因此将二级地类中的盐碱地、沼泽地重分类为盐沼湿地,滩涂虽然植被稀少,但是其土壤有相当部分碳储量,因此本研究也计算了滩涂的碳储量。碳储量计算需要植被的地上、地下、凋落物以及土壤的碳密度数据,单位为t·ha−1。本研究通过调研79篇文献,收集中国50个省份滨海湿地植被以及土壤的碳密度数据。最终选择沿海北部地区 (山东省、河北省、天津市) 的典型湿地植被芦苇碱蓬、互花米草、柽柳通过实测得到的碳密度数据作为数据来源。经文献调研发现土壤有机碳固碳速率较慢,土壤碳密度变化在近40年内变化浮动较小[18],植被碳密度相对于土壤碳密度数值较小,因此在本研究中利用InVEST模型计算碳储量将碳密度作为固定值,土地利用类型的转变是导致碳储量变化的主要因素。
气温、降水量和社会经济数据来源于秦皇岛市、天津市、沧州市和唐山市的统计年鉴和相关文献调研。
2) 土地利用时空变化。采用GIS进行遥感影像数据的处理及土地利用变化矩阵的计算。土地利用转移矩阵可以在反映研究期初、研究期末土地利用结构的同时,描述各种土地利用类型间的相互转化情况,从而明确区域内研究期末各土地利用类型的构成来源[19]。其模型公式为:
式中:Pij为研究期初至研究期末i类土地利用类型向j类土地利用类型转换的概率,Sij为研究期初至研究期末i类土地利用类型向j类土地利用类型转换的面积。
3) 碳储量计算。本研究选择InVEST模型的Carbon模块,来定量评估土地利用变化对碳储量的影响,该模型将生态系统系统碳储量划分为四大基础碳库:地上生物碳 (土壤以上所有存活的植物材料中的碳) 、地下生物碳 (存在于植物活根系统中的碳) 、土壤碳 (分布在有机土壤和矿质土壤中的有机碳) 、死亡有机碳 (凋落物、倒立或站立的己死亡树木中的碳) 。以不同土地利用/覆被类型的栅格为评价单元,通过统计各个碳库的碳密度,再将其分别与各自相应的面积相乘,得到四大碳库的碳储量,进而得到碳储量及其空间分布[20]。其公式如下:
式中:Ci为土地利用类型i的总碳密度 (t·ha−1) ;Ci−above为土地利用类型i的地上生物量碳密度 (t·ha−1) ;Ci−below为土地利用类型i的地下生物量碳密度 (t·ha−1) ;Ci−soil为土地利用类型i的土壤碳密度 (t·ha−1) ;Ci−dead为土地利用类型i的死亡有机物碳密度 (t·ha−1) ;Ctotal为生态系统总的碳储量 (t) ;Si为土地利用类型i的面积 (ha) 。
4) 碳储量贡献率。借鉴土地利用功能转型生态贡献率的计算方法,建立土地利用功能转型碳储量贡献率指标,来研究土地利用变化对碳储量的影响[21]。碳储量贡献率是指某一种土地利用主导功能变化所导致的区域碳储量的变化,可表征土地利用主导功能之间的相互转换对区域碳储量的影响。在本研究中主要针对盐沼、滩涂土地利用变化而导致的盐沼、滩涂碳储量的变化在该时段碳储量变化的比率,采用碳储量贡献率绝对值大小评估:
式中:R1i、R2i、R3i分别为某种土地利用类型变化对盐沼/滩涂/滨海湿地碳储量变化的贡献率,S1i、S2i分别表示i种土地利用类型变化使得盐沼、滩涂变化的面积 (km2) ;Cyan、Ctan分别表示盐沼、滩涂的碳密度 (t·ha−1) ;∆Cyan、∆Ctan分别表示某个研究时段盐沼、滩涂的碳储量变化量 (t) 。
5) 冗余分析 (RDA) 。本研究采用RDA分析探究碳储量与环境变量 (自然和人为因素) 之间的关系,RDA分析能从统计学角度有效分析一组变量与另一组变量之间的关系,其优势在于能独立保持各环境变量的贡献率,即单个变量的统计学特征描述可以在不同的变量组合下进行[22]。
-
土地利用类型的演变是导致区域碳密度和碳储量变化的主要原因之一[23]。研究区域近40年内土地利用演变如图2所示。本研究中滨海湿地由盐沼和滩涂组成,1980—2020年滨海湿地面积减少31% (390 km2) ,其中盐沼湿地面积减少40% (270 km2) ,滩涂减少17% (70.4 km2) 。1980—2020年盐沼和滩涂的面积呈减少、增加再减少的趋势。盐沼面积在1980年达到最大面积 (678.0 km2) ,到1990年有441.2 km2维持盐沼的利用类型,占比65.1%。1980—1990年盐沼面积减少219.5 km2,占比近40年盐沼减少面积的81.3%。1980年滩涂面积419.9 km2,到1990年有173.3 km2维持滩涂的利用类型,占比41.3%。由此可得盐沼和滩涂面积大幅减少集中在1980—1990年。
由图2、图3可得滨海湿地与其他土地利用类型相互转化特征。研究区耕地面积占比最大 (50%~60%) ,其次是水域和建设用地,未利用地占比最小,其次是滩涂 (2%) 。1980—1990年盐沼和滩涂均转出面积大于转入面积,盐沼和滩涂大部分转为水域。海洋则为转入面积大于转出面积,海洋主要是由滩涂转入。1995—2020年盐沼、滩涂和海洋维持面积逐渐减小,盐沼主要转变为水域,滩涂转变为建设用地和水域,海洋则转变为建设用地和滩涂。由图3可得近40年研究区盐沼湿地面积逐渐减小,减少区域主要集中在天津市滨海新区。滩涂集中分布在秦皇岛市昌黎县和唐山市乐亭县、滦南县、曹妃甸区,近40年滩涂面积逐渐缩减。2005年面积最小,集中分布在唐山市的乐亭县和天津市滨海新区,2010—2018年滩涂面积增大,增大面积集中分布在天津市滨海新区
-
将碳密度数据与土地利用数据通过InVEST模型模拟,在ArcGIS中添加不同年份的栅格数据结果,利用空间分析计算得到不同年份盐沼和滩涂的植被、土壤以及其合并碳储量 (滨海湿地碳储量) 。由图4(a)可得研究区盐沼的碳储量由1980年的6.274 Tg下降到2020年的3.796 Tg,碳储量共降低2.478 Tg。由图4(b)可得研究区1980—2020年滩涂的碳储量变化趋势大致呈先降低再上升再下降的趋势。1980年研究区滩涂的碳储量最高为0.714 Tg,从1980年到2000年滩涂的碳储量持续下降,1980—2000年滩涂碳储量共减少了0.540 Tg。从2010年开始滩涂碳储量开始上升,至2018年增加了0.39 Tg。到2020年的滩涂碳储量降低为0.335 Tg。探究研究区域植被碳储量、土壤碳储量和滨海湿地碳储量近40年的演变特征。由图4(c)可得,植被碳储量、土壤碳储量和滨海湿地碳储量近40年演变趋势一致,1980—1990年3种碳储量均减少,1990—2010年3种碳储量先增加后减少,2011—2018年植被碳储量逐渐增加,土壤和滨海湿地碳储量先减少后增加,2018—2020年3种碳储量均减少。图4(d)表示盐沼碳储量和滩涂碳储量占整个滨海湿地碳储量百分比的历年变化,整体占比变化呈“余弦波状”,盐沼碳储量占比最低是在2018年 (86%) ,占比最高是在2005年 (96%) ,1995—2010年占比均高于95%。
-
根据2.1节土地利用转移情况统计了不同时段不同地类占用盐沼地和转化为盐沼的面积,将不同时段盐地的转入转出情况合并,得到了不同地类引起的盐沼地的面积变化,结合碳储量贡献率公式(4)~(6),计算1980—2020年不同时段、不同地类对盐沼地的碳储量贡献率。经统计得到1980—2020年盐沼地转化为了水域、未利用地、耕地、建设用地、林地、草地,共有455.2 km2的盐沼地转化为上述地类。由图5可得1980—2020年研究区不同地类对盐沼地的碳储量变化贡献率:耕地>水域>滩涂>草地>林地>海洋>建设用地>未利用地。耕地、水域、建设用地的影响涵盖各个研究时段。1990—1995年的盐沼碳储量的变化由水域主导,水域对盐沼湿地碳储量变化贡献率为0.88,水域变化主要集中于天津市滨海新区。2013—2015年的盐沼碳储量的变化由滩涂主导,滩涂对盐沼湿地碳储量贡献率为0.69,主要集中于天津市滨海新区。2018—2020年盐沼碳储量的变化由耕地主导,耕地对盐沼湿地碳储量变化贡献率为4.05,集中于宁河县。在碳储量下降的时段中,除2005—2010年是由草地的占用主导外,其余时段均是由水域的占用主导。整个研究时段,滨海新区、宁河区的盐沼地的碳储量变化较频繁。
经统计得到1980—2020年共有645.9 km2的滩涂转化为林地、草地、水域、建设用地、盐沼和海洋。研究区1980—2005年、2019—2020年滩涂的碳储量是降低的,其余研究时段滩涂碳储量增加。由图6可得1980—2020年研究区不同地类对滩涂的碳储量变化贡献率:海洋>建设用地>水域>盐碱沼泽地>林地>草地。海洋、水域、建设用地的影响涵盖各个研究时段,每个研究时段由水域、海洋主导。2013—2015年各地类对碳储量贡献率变化较为明显,建设用地以及盐沼地的占用使得碳储量减少,其中建设用地的碳储量的贡献率较大约为−13.73%。同时水域以及海洋的转入使得碳储量增加,海洋的碳储量贡献率最大,约为18.63,集中在丰南区、乐亭县沿海。滩涂碳储量的变化在唐山市沿岸、滨海新区较频繁,沧州市滩涂的碳储量变化在1995—2000年、2016—2020年较明显。
综合分析可得,1980—2020年研究区滨海湿地碳储量的变化主要由海洋与水域的变化主导。除1990—1995、2013—2018年滨海湿地碳储量增加外,其余年份的碳储量均降低。滨海湿地碳储量变化较大的时段是1980—2000年。由图7可得1980—2020年研究区不同地类对滨海湿地的碳储量变化贡献率:水域>海洋>建设用地>草地>林地>耕地。海洋、水域、建设用地的影响涵盖各个研究时段,每个研究时段几乎由水域、海洋主导。2005—2013年各地类对滨海湿地碳储量贡献率变化较为明显,2005—2010年研究区湿地碳储量减少
0.0142 Tg。建设用地、水域、草地的占用使得碳储量减少,海洋的转入使得碳储量增加,海洋的碳储量贡献率约为-6.84。2010—2013年研究区滨海湿地碳储量减少0.0563 Tg。水域、林地、建设用地、耕地、草地的占用使得碳储量减少,其中水域、林地以及建设用地的贡献率较大,同时海洋的转入使得碳储量增加,其贡献率约为-3.4。滨海湿地碳储量减少主要是由于盐沼地与滩涂转化为了水域,区域集中在昌黎县、乐亭县、海兴县、滨海新区以及黄骅市。湿地碳储量增加的主要原因是水域和耕地转化为湿地,主要集中在滨海新区和宁河县。 -
研究区碳储量 (滨海湿地碳储量WCS、土壤碳储量SCS、植被碳储量VCS) 和驱动因素 (自然因素:温度Temperature、降水量Precipitation。人为因素:人口Population、地区生产总值GDP、第一产业产值Primary、第二产业产值Secondar、第三产业产值Tertiary。) 之间的相关性如图8所示,黑色箭头表示碳储量作为响应变量,红色箭头表示驱动因素作为解释变量,二者之间的夹角表示相关性,夹角小于90°时呈正相关,大于90°时呈负相关。驱动因素箭头长度表示每个驱动因子对碳储量解释量的相对大小,箭头越长解释力度越大。衡量解释变量对响应变量的相关性大小需要综合考虑箭头长度、二者之间夹角及解释变量与排序轴夹角大小。由RDA分析图可知驱动因素之间相关性分析自然因素与人为因素呈正相关,自然因素中温度与降水量呈明显反相关,人为因素中各因素之间呈明显正相关。滨海湿地和土壤碳储量与人为因素各因子和降水量呈负相关,与温度呈正相关。植被碳储量和湿地面积则与人为因素各因子呈正相关,与降水呈负相关。在人为因素中,与碳储量相关性大小为:第一产业产值>人口>GDP>第二、三产业产值,且滨海湿地碳储量与第一产业产值呈明显负相关关系。
-
本研究计算了津冀地区1980—2020年碳储量,为评估研究区碳储量水平,通过文献调研总结1987—2022年发表的全球以及国内其他地区滨海湿地以及滩涂的碳储量结果[24-41],相关研究结果按不同年份、不同地区、不同地类的植被碳储量、土壤碳储量进行统计分析 (表1) 。经调研发现2000年前全国不同地区植被碳储量在1.59~43.41 Tg,土壤碳储量在1.61~12.30 Tg。2000年后全国不同区域湿地碳储量在0.06~40.14 Tg。湿地植被的碳储量在0.06~44.98 Tg,土壤碳储量在0.12~22.8 Tg。研究区域植被碳储量水平低于江苏盐城、山东黄河三角洲湿地,高于山东南四湖,土壤碳储量水平高于盐城、山东黄河三角洲、上海崇明东滩以及天津滨海新区,研究区滨海湿地碳储量相较于全国处于较高水平。植被碳储量主要与植被类型和植被覆盖度等因素相关,土壤碳密度不仅与覆盖植被相关还与土壤类型有关[42-44]。滨海湿地蓝碳的碳储量主要集中在土壤,植被碳储量远小于土壤碳储量,本研究区域植被碳储量占比仅为5%~7%,相比同时期盐城和黄河等滨海湿地植被碳储量更小。植被凋落物对滨海湿地碳储量占比更小,因此在本研究模型计算中未考虑植被凋落物,但土壤有机碳累积和迁移过程受植被类型及其地上、地下生物量和枯落物生物量的影响,在未来的研究中可具体分析不同植被类型等因素在土壤有机碳固存过程中贡献率。
研究区域滨海湿地面积和碳储量在近40年呈现减少增加再减少的趋势变化,植被、土壤、滨海湿地碳储量变化趋势基本一致。自然变化 (海平面的上升) 和人类活动 (土地利用方式的改变) 是导致滨海湿地碳储能力变化的常见因素[23],从土地利用角度探究滨海碳储量增加的主要原因是水域和耕地转化为湿地,减少的主要原因是盐沼和滩涂转化为水域和建设用地,大量滨海湿地围垦为水产养殖塘或围填海转化为港口码头[44]。根据相关研究发现,盐沼和滩涂的碳储能力大于水域和建设用地[12],耕地与滨海湿地碳储能力相比情况较为复杂,与耕地植被种植因素有关[12,45-46]。从碳储量变化贡献率可知,研究区盐沼受耕地和水域功能区改变影响最大,滩涂受海洋和建设用地功能区改变影响最大,滨海湿地整体受海洋和水域影响最大,并且海洋和水域功能区改变对整个研究期间碳储量变化波动都有影响。据此从增汇的角度考虑研究区盐沼湿地应着手于退耕还湿,滩涂湿地修复着手于基建拆除、围填海管控等。不同的土地利用类型的增汇功能提升的改良措施着重点不同,在本研究中盐沼湿地需要防止其向水域的转化,防止水产养殖区的扩增,而滩涂则主要避免其向建设用地转变,减少人为干扰,保护湿地生态原貌。
由碳储量驱动因素分析可得人为因素为主导因素,滨海湿地碳储量与人为驱动因素及降水量呈负相关,社会经济的快速发展不利于碳储量的增加,第一产业产值对碳储量影响最大。相关研究表明降雨分配导致的干旱或者季节性积水会通过改变土壤及大气湿度环境,调控植被生理代谢过程,最终影响滨海湿地的蓝碳功能[47]。研究区降水量的增加可能会导致海平面上升,进而引发土壤侵蚀,盐沼生物多样性加速丧失,不利于碳储量的增加。在本研究中发现天津市滨海湿地近40年变化波动较大,滨海新区碳储量逐年减少。由于天津市滨海地区是退海地带也是经济发展迅速地区,海平面上升、围垦养殖、基建占用和近海环境污染等活动改变湿地的水文条件和土壤的理化性质直接导致湿地退化[48-49]。根据近30年环渤海海岸带人类活动的生态效应评价研究[50],通过植被景观胁迫度量化反应人类活动对植被景观的干扰程度,秦皇岛市、沧州市、唐山市和天津市植被景观胁迫度分别为0.25、0.15、0.05和0.27,天津市人类活动干扰强度大,建设用地面积比例达到24%,导致胁迫度很高。结合研究区域近40年土地政策的变化可得土地利用变化和碳储量变化的主导因素是人类社会经济的发展。同时滨海湿地碳储量与第一产业产值呈明显负相关关系,有研究表明湿地转换为耕地每年会释放2.2~5.4 kg·ha−1的有机碳,同时湿地恢复每年会增加0.1~1.0 kg·ha−1的有机碳[51]。结合土地利用及碳储量变化和碳储量驱动因素结果,未来津冀地区滨海湿地生态修复及保护规划应加强天津滨海新区重点岸线和盐沼滩涂湿地等生态资源的保护修复,同时津冀两地是我国北方传统海洋渔业大省市,近几年随着产业转型发展,逐渐向海洋科技渔业转型,要减少人工水产养殖地等建筑设施,恢复自然湿地为渔业资源提供重要栖息地和繁殖场所,保障渔业经济收入和就业机会。
该研究中由于 InVEST 模型的碳模块对碳储量计算过程进行了简化。主要是利用动态的每种土地利用类型碳密度估算碳储量,这在一定程度上会降低估算的精确度[52]。在未来的研究中将通过调查收集实测数据获取动态碳密度,并通过多种方式对评估结果进行验证,从而提高碳储量估算精度。
-
1) 1980—2020年盐沼、滩涂和海洋维持面积逐渐减小,盐沼主要转变为水域,减少区域主要集中在天津市滨海新区;滩涂转变为建设用地、水域和海洋,海洋则转变为建设用地和滩涂,变化区域主要集中在唐山市的乐亭县和天津市滨海新区。
2) 研究区盐沼湿地的碳储量由1980年的6.274 Tg下降到2020年的3.796 Tg,共降低2.478 Tg,滩涂碳储量由0.714 Tg下降到0.335 Tg,共降低0.379 Tg。1980—2020年盐沼和滩涂的碳储量变化趋势大致呈先降低再上升再下降的趋势。研究区植被碳储量水平低于山东、辽宁、盐城滨海湿地植被碳储量,土壤碳储量水平则高于山东、盐城、上海崇明东滩滨海湿地,整体滨海湿地碳储量水平高于全国平均水平。
3) 1980—2020年研究区盐沼地的碳储量变化贡献率最大为耕地和水域;滩涂的碳储量变化贡献率最大为海洋和建设用地;滨海湿地的碳储量变化贡献率最大为海洋和水域。滨海湿地碳储量减少主要是由于盐沼地与滩涂转化为了水域与建设用地,碳储量增加的主要原因是水域和耕地转化为湿地。
4) 滨海湿地和土壤碳储量与人为因素各因子呈负相关而植被碳储量和湿地面积则与人为因素各因子呈正相关。在人为因素中,滨海湿地碳储量与第一产业产值呈明显负相关关系。调整产业结构对碳储量的影响重大,应注重地区产业结构转型。研究区盐沼湿地应着手于退耕还湿,滩涂湿地修复着手于基建拆除、围填海管控等。未来津冀地区滨海湿地生态修复及保护规划应加强天津滨海新区重点岸线和盐沼滩涂湿地等生态资源的保护修复,加强对人工水产养殖区的管控,统筹发展湿地生态文明建设和绿色低碳经济循环发展体系。
1980—2020年津冀滨海湿地碳储量演变特征及驱动因素
Changes and driving forces analysis of carbon storage in coastal wetland of the Tianjin-Hebei region during 40 years
-
摘要: 津冀地区处于环渤海的中心位置,滨海湿地资源丰富,具有高固碳能力。随着津冀地区经济规模发展,滨海湿地退化显著,明晰滨海湿地碳储量演化模式和驱动因素对实现该地区“碳中和”与经济社会可持续发展共赢具有重大意义。本研究基于近40年津冀土地利用、社会经济等数据,利用GIS、InVEST模型等方法分析津冀地区1980—2020年土地利用的变化情况及滨海湿地碳储量时空演变规律;评估土地利用变化对碳储量的影响;辨析碳储量演变的关键驱动因素。结果表明,1980—2020年津冀滨海湿地面积减少31%,变化最大区域为天津市滨海新区;滨海湿地碳储量减少46.5%,其中盐沼的碳储量由6.274 Tg下降至3.796 Tg,滩涂碳储量由0.714 Tg下降至0.335 Tg。从碳储量变化贡献率角度分析可得水域格局的演变对滨海湿地碳储量变化的影响最大,水域对滨海实地碳储量变化贡献率为10.2;滨海湿地碳储量受自然与人为因素共同驱动,人为因素中第一产业是影响碳储量的主要驱动因素,地区产业结构调整对碳储量的影响重大。本研究明确环渤海滨海湿地一体化生态系统内部因产业结构调整和土地利用功能转型后土壤、植被及湿地碳储量变化,表明合理规划水域格局及调整产业结构对碳储量增长具有重大意义,津冀地区应重点关注天津滨海新区重点岸线和盐沼滩涂湿地等生态资源的保护修复,同时推进海洋科技渔业的转型发展。Abstract: The Tianjin-Hebei region is located at the heart of the Bohai Rim. The area is rich in coastal wetland resources and possesses a significant capacity for carbon sequestration. As the Tianjin-Hebei region undergoes economic development, coastal wetlands have faced a significant degradation. Clarifying the evolution model and driving factors of carbon storage in coastal wetlands is of great significance to achieve a win-win situation between “carbon neutrality” and sustainable economic and social development in the region. This research was based in data covering the past 40 years of land use, socioeconomic factors, and other relevant data from the Tianjin and Hebei regions. GIS, the InVEST model, and numerous analytical methods were utilized to investigate the land use changes striking in the Tianjin and Hebei areas from 1980 to 2020, also the spatiotemporal evolution of coastal wetland carbon storage. Furthermore, the impact of land use changes on carbon stocks and identifies basic factors driving the evolution of carbon stocks was evaluated. Results showed that the area of coastal wetlands in Tianjin and Hebei decreased by 31% between 1980 and 2020, with the major change occurring in the Tianjin Binhai New Area. Additionally, the carbon storage of coastal wetlands dropped by 46.5%, notably with the carbon storage of salt marshes decreasing from 6.274 Tg to 3.796 Tg, and the carbon storage of tidal flats declining by 31%. Reserves dropped from 0.714 Tg to 0.335 Tg. Investigating the carbon storage change contribution rate, the evolution of water area patterns poses significant impact on changes in coastal wetland carbon storage. Particularly, the contribution rate of water areas to coastal on-site carbon storage change is 10.2. In addition, coastal wetland carbon storage was affected by human and natural factors. Among human factors, China’s primary industry emerged as the main factor affecting carbon reserves. Furthermore, the adjustment of regional industrial structure revealed a significant impact on carbon reserves. This study clarified the changes in soil, vegetation, and wetland carbon storage within the Bohai Wetland Integrated Ecosystem due to industrial development and land use function transformation. This study showed that rational planning of water area patterns and adjustment of industrial structure are of great significance to the growth of carbon storage. Tianjin and Hebei regions should focus on the protection and restoration of ecological resources such as key coastlines and salt marsh tidal wetlands in Tianjin Binhai New Area, while promoting the marine related industries.
-
Key words:
- costal wetland /
- land use evolution /
- InVEST model /
- carbon storage /
- driving forces
-
-
表 1 滨海湿地碳储量相关研究调研
Table 1. Research of related studies on carbon storage in coastal wetlands
研究区域 土地类型 植被碳储量/Tg 面积/km2 土壤碳储量/Tg 年份 数据来源 渤海湾沿岸 滨海湿地 38.8849 1773.5 0.0219 2000 赵宁[24] 34.3166 1563.2 0.022 2005 26.5864 1211.1 0.022 2010 24.3717 1109.7 2015 滩涂 6.0891 272.8 2000 4.9354 221.4 2005 3.9626 177.4 2010 2.8189 126.3 2015 黄河三角洲 滨海湿地 2.0054 3221 2010 张绪良等[25] 黄河三角洲 滨海湿地 2112.5 3.43 2000 于君宝等[26] 2123.2 3.17 2009 滩涂 477.6 0.7131 2000 381.2 0.5615 2009 黄河三角洲 滨海湿地 3.1678 2000 周方文等[27] 3.0771 2012 胶州湾 滨海湿地 4092 1990 张雪等[28] 3675 2000 4014 2010 3213 2019 乐清湾 互花米草 0.3452 33.5 2021 陈雅慧等[29] 辽河 沼泽湿地 1961.8 22.8 2017 康应东[30] 昌邑 柽柳 0.0806 12.4 2017 杨国强[31] 辽河口 湿地 1.0771 404.7 2017 张婷婷等[32] 盐城 湿地植被 1.5921 1184.7 1.6102 1997 周崴[33] 1.2974 1028.7 1.3257 2006 长江口 潮沟 0.0015 0.4 2013 原一荃[34] 山东南四湖 湿地 0.0606 1228.3 2006 于泉州等[35] 崇明东滩 湿地 49.6 0.115 2013 姜俊彦等[36] 天津 湿地 12.3 1979 李雪梅[37] 3414.8 9.97 2013 辽河口 辽河三角洲 43.41 3825 1980 智烈慧等[38] 35.77 2010 全国沼泽 草甸沼泽 59300 4712 1999 王绍强等[39] 盐土 2400 9 1999 全国盐土 碱化盐土 3200 3 1999 草甸盐土 12000 26 1999 中国 滨海湿地 38.44 1987 李静泰等[40] 中国 盐沼 7.5 1270 -3430 2022 周金戈等[41] 全球 滨海蓝碳 3×104 1.85×106 2021 -
[1] ZHENG J, MI Z, COFFMAN D, et al. The slowdown in China's carbon emissions growth in the new phase of economic development[J]. One Earth, 2019, 1(2): 240-253. doi: 10.1016/j.oneear.2019.10.007 [2] SCHUURE AG, MCGUIRE AD, SCHADEL C, et al. Climate change and the permafrost carbon feedback[J]. Nature, 2015, 520(7546): 171-179. doi: 10.1038/nature14338 [3] YU G, ZHU J, XU L, et al. Technological approaches to enhance ecosystem carbon sink in China: Nature-based solutions[J]. Bulletin of Chinese Academy of Sciences, 2022, 37(4): 490-501. [4] MISTCH W J, BERNALL B, NAHLIK A M, et al. Wetlands, carbon, and climate change[J]. Landscape Ecology, 2013, 28: 583-597. doi: 10.1007/s10980-012-9758-8 [5] 范振林. 开发蓝色碳汇助力实现碳中和[J]. 中国国土资源经济, 2021, 34(4): 12-18. [6] TANG J W, SHU F. Coastal blue carbon: Concept, study method, and the application to ecological restoration[J]. Science China (Earth Sciences), 2018, 61(6): 5-14. [7] 胡雪红, 张立, 周炎武, 等. 我国滨海湿地生态修复领域规范的现状与分析[J]. 热带海洋学报, 2020, 39(6): 131-139. [8] FRIEDLINGSTRIN P, O’SULLIVAN M, JONES M W, et al. Global carbon budget 2020[J]. Earth System Science Data, 2020, 12: 3269-3340. doi: 10.5194/essd-12-3269-2020 [9] MALLAPATY S. How China could be carbon neutral by mid-century[J]. Nature, 2020, 586: 482-483. doi: 10.1038/d41586-020-02927-9 [10] ZHAO X, MA X, CHEN B, et al. Challenges toward carbon neutrality in China: Strategies and countermeasures[J]. Resource. Conservation. Recycle, 2022, 176: 105959. doi: 10.1016/j.resconrec.2021.105959 [11] MIRICI M E, BEROGLU S, AKIN A, et al. Use/cover change modelling in a mediterranean rural landscape using multi-layer perceptron and markov chain (mlp-Mc)[J]. Applied Ecological Environment Research, 2018, 16: 467-486. doi: 10.15666/aeer/1601_467486 [12] 曹琼, 黄佳芳, 罗敏, 等. 滨海沼泽湿地转化为养殖塘对其碳储量的影响[J]. 中国环境科学, 2022, 42(3): 1335-1345. doi: 10.3969/j.issn.1000-6923.2022.03.039 [13] 崔丽娟, 李伟, 窦志国, 等. 近30年中国滨海滩涂湿地变化及其驱动力[J]. 生态学报, 2022, 42(18): 7297-7307. [14] 梁铭哲. 1990-2018年京津冀城市群滨海湿地演变规律与利用程度评估[D]. 北京: 北京林业大学, 2020. [15] 姚云长. 基于InVEST模型的三江平原生境质量评价与动态分析[D]. 长春: 中国科学院大学(中国科学院东北地理与农业生态研究所), 2017. [16] 赵魁义, 姜明, 田昆, 等. 中国湿地植被与植物图鉴[M]. 北京: 科学出版社, 2019. [17] 李勇. 天津湿地植被图集[M]. 东北林业大学出版社, 2020. [18] 河北植被编辑委员会. 河北植被[M]. 科学出版社, 1996. [19] 邹文涛, 何友均, 叶兵, 等. 基于InVEST模型的钱江源国家公园生态系统碳储量研究[J]. 中南林业科技大学学报, 2021, 41(3): 120-128. [20] 刘瑞, 朱道林, 基于转移矩阵的土地利用变化信息挖掘方法探讨[J]. 资源科学, 2010, 32(8): 1544-1550. [21] 孔冬艳, 陈会广, 吴孔森. 中国“三生空间”演变特征、生态环境效应及其影响因素[J]. 自然资源学报, 2021, 36(5): 1116-1135. [22] 高飞, 邓存宝, 王雪峰, 武司苑. 采空区煤层封存CO2影响因素分析[J]. 环境工程学报, 2017, 11(8): 4653-4659. doi: 10.12030/j.cjee.201606096 [23] 常玉旸, 高阳, 谢臻, 等. 京津冀地区生境质量与景观格局演变及关联性[J]. 中国环境科学, 2021, 41(2): 848-859. doi: 10.3969/j.issn.1000-6923.2021.02.039 [24] 赵宁. 基于InVEST模型的渤海湾沿岸土地系统碳储量及生境质量评估[D]. 保定: 河北农业大学, 2020. [25] 张绪良, 张朝晖, 徐宗军, 等. 黄河三角洲滨海湿地植被的碳储量和固碳能力[J]. 安全与环境学报, 2012, 12(6): 145-149. doi: 10.3969/j.issn.1009-6094.2012.06.031 [26] 于君宝, 王永丽, 董洪芳, 等. 基于景观格局的现代黄河三角洲滨海湿地土壤有机碳储量估算[J]. 湿地科学, 2013, 11(1): 1-6. doi: 10.3969/j.issn.1672-5948.2013.01.001 [27] 周方文, 马田田, 李晓文, 等. 黄河三角洲滨海湿地生态系统服务模拟及评估[J]. 湿地科学, 2015, 13(6): 667-674. [28] 张雪, 孔范龙, 姜志翔. 基于生态功能的滨海湿地土壤质量综合评价方法构建及实证分析[J]. 环境科学, 2022, 43(5): 2709-2718. [29] 陈雅慧, 张树刚, 张钊. 乐清湾盐沼湿地有机碳密度及碳储量估算[J]. 海洋环境科学, 2023, 42(1): 38-45. [30] 康应东. 辽河流域沼泽湿地土壤有机碳储量估算[D]. 长春: 吉林大学, 2021. [31] 杨国强. 昌邑国家海洋生态特别保护区柽柳地上生物量与地上碳储量遥感估算研究[D]. 呼和浩特: 内蒙古师范大学, 2017. [32] 张婷婷, 石昊, 芦晓峰, 等. 辽河口湿地自然植被碳储量研究[J]. 人民黄河, 2020, 42(10): 92-95. doi: 10.3969/j.issn.1000-1379.2020.10.019 [33] 周崴. 盐城海滨湿地土壤有机碳储量估算及其生态服务价值评估[D]. 南京市: 南京师范大学, 2009. [34] 原一荃. 长江口典型潮沟系统有机碳累积与横向输移[D]. 上海市: 华东师范大学, 2021. [35] 于泉洲, 张祖陆, 袁怡. 山东省南四湖湿地植被碳储量初步研究[J]. 云南地理环境研究, 2010, 22(5): 88-93. doi: 10.3969/j.issn.1001-7852.2010.05.017 [36] 姜俊彦, 黄星, 李秀珍, 等. 潮滩湿地土壤有机碳储量及其与土壤理化因子的关系-以崇明东滩为例[J]. 生态与农村环境学报, 2015, 31(4): 540-547. doi: 10.11934/j.issn.1673-4831.2015.04.015 [37] 李雪梅. 天津市滨海新区1979-2013年土地利用及土壤有机碳储量空间变化[J]. 水土保持通报, 2016, 36(3): 136-140+369. [38] 智烈慧, 李心, 马田田, 等. 辽河三角洲土地利用变化轨迹、驱动过程及生态系统服务时空演变[J]. 环境科学学报, 2022, 42(1): 141-150. [39] 王绍强, 周成虎. 中国陆地土壤有机碳库的估算[J]. 地理研究, 1999(4): 349-356. doi: 10.3321/j.issn:1000-0585.1999.04.003 [40] 李静泰, 闫丹丹, 么秀颖, 等. 中国滨海湿地碳储量估算[J]. 土壤学报, 2023, 5(19): 1-18. [41] 周金戈, 覃国铭, 张靖凡, 等. 中国盐沼湿地蓝碳碳汇研究进展[J]. 热带亚热带植物学报, 2022, 30(6): 765-781. [42] PEREIRA O J R, MONTES C R, LUCAS Y, et al. A multi-sensor approach for mapping plant-derived carbon storage in Amazonianpodzols[J]. International Journal of Remote Sensing, 36(8): 2076-2092. [43] WIESE L, Ros I, ROZANOV A, et al. , 2016. An approach to soil carbon accounting and mapping using vertical distribution functions for known soil types[J]. Geoderma, 2015, 263(1): 264-273. [44] 蔡文良, 谢艳云, 唐雯. 海南尖峰岭热带山地雨林土壤有机碳储量和垂直分布特征[J]. 生态环境学报, 2019, 28(8): 1514-1521. [45] 谢琳萍, 王敏, 王保栋, 等. 莱州湾滨海柽柳林湿地植被碳储量的分布特征及其影响因素[J]. 应用生态学报, 2017, 28(4): 1103-1111. [46] FREIBAUER A, ROUNSEVELL D M, SMITH P, et al. 2004. Carbon sequestration in the agricultural soils of Europe [J]. Geoderma, 122(1): 1-23. [47] HAN G X, SUN B Y, CHU X J, et al. Precipitation events reduce soil respiration in a coastal wetland based on four-year continuous field measurements[J]. Agricultural and Forest Meteorology, 2018, 256-257: 292-303. doi: 10.1016/j.agrformet.2018.03.018 [48] JIA M M, WANG Z M, LIU D W, et al. Monitoring loss and recovery of salt marshes in the Liao River delta, China[J]. Journal of Coastal Research, 2015, 300: 371-377. doi: 10.2112/JCOASTRES-D-13-00056.1 [49] CUI B S, HE Q, GU B H, et al. China’s coastal wetlands: under standing environmental changes and human impacts for manage ment and conservation[J]. Wetlands, 2016, 36(1): 1-9. doi: 10.1007/s13157-015-0709-4 [50] 索安宁. 近30年环渤海海岸带人类活动的生态效应评价研究[D]. 北京: 北京师范大学, 2010. [51] WATSOUR T, NOBLE I R, BOLIN B, et al. Land use, land use change, and forestry[M]. Cambridge UK: Cambridge University Press, 2000. [52] 徐自为, 张智杰. 基于土地利用变更调查的2010-2016年新疆尉犁县生态系统碳储量时空变化[J]. 环境科学研究, 2018, 31(11): 1909-1917. -