氣候變化及景觀格局與生態(tài)系統(tǒng)碳儲存的耦合關系
——以祁連山為例

王讓會， 趙文斐， 彭 擎， 劉春偉， 周麗敏， 田 暢

（南京信息工程大學應用氣象學院，江蘇 南京 210044）

全球變化背景下，生態(tài)系統(tǒng)發(fā)生了一系列變化。聯(lián)合國倡導的MA 計劃，為人們科學認識生態(tài)系統(tǒng)的結(jié)構(gòu)、功能、動態(tài)變化提供了重要基礎，也為進一步開展不同類型生態(tài)系統(tǒng)生態(tài)過程機制研究，生態(tài)系統(tǒng)服務功能評估以及碳源/匯監(jiān)測與分析提供了重要支撐。隨著人們對碳減排、碳達峰與碳中和問題的日益關注，山地生態(tài)系統(tǒng)在全球變化中的地位與作用備受重視。祁連山作為中國西部干旱區(qū)的重要生態(tài)屏障，在實施“一帶一路”倡議的背景下，維護區(qū)域生態(tài)系統(tǒng)功能，對于本區(qū)域及相關區(qū)域的生態(tài)建設、環(huán)境保護與社會經(jīng)濟發(fā)展具有重要的現(xiàn)實意義。氣候變化背景下，盡管溫度控制著中高緯度地區(qū)土壤有機碳儲量，但熱帶地區(qū)的水文氣候可能是土壤碳存留的主要驅(qū)動要素［1］。全球森林生態(tài)系統(tǒng)碳庫具有極大的復雜性［2］，森林水分利用率與大氣CO2具有密切聯(lián)系［3］，模型模擬方法在估算NPP 等生態(tài)系統(tǒng)參量方面具有重要的地位與作用［4-5］。目前，人們圍繞著生態(tài)系統(tǒng)的服務價值評估、生態(tài)系統(tǒng)碳儲存估算問題，探索了諸多方法［6-7］。在諸多碳儲量估算的方法中，價值量評估法、物質(zhì)量評估法、能值分析法是具有重要意義的評估方法，而生態(tài)模型法則是近年來發(fā)展活躍的熱點方向。隨著生態(tài)信息科學、環(huán)境信息科學以及地理信息科學的發(fā)展，生態(tài)系統(tǒng)服務的評估方法以及碳儲存、碳收支與碳源/匯的估算方法逐漸與生態(tài)模型相關聯(lián)，并進一步深化［7-8］。目前，人們關注的生態(tài)系統(tǒng)模型包括InVEST、ARIES、SoLVES 等模型，其中，In-VEST模型被廣泛使用［9-11］。實際應用中，InVEST模型的眾多模塊被梳理為不同的類型，一類是支持生態(tài)系統(tǒng)服務功能模塊，如生境質(zhì)量、生境風險評估等模塊，另一類則是最終生態(tài)系統(tǒng)服務模塊，包括碳儲存、水源涵養(yǎng)、水質(zhì)凈化和土壤保持等服務功能，這些生態(tài)系統(tǒng)服務功能不同程度地服務于人類社會［12-14］。

祁連山山地生態(tài)系統(tǒng)（QLME）具有多種資源，在維持生態(tài)安全方面有著極其重要的戰(zhàn)略地位。近年來，受氣候變化特別是過度放牧、礦產(chǎn)開采、違規(guī)建造、旅游觀光等強度人類活動的影響，祁連山地區(qū)出現(xiàn)了天然林草植被退化、水土流失頻發(fā)、冰雪覆蓋區(qū)不斷縮小以及生物多樣性減少等問題［15-17］。在國家大力遏制祁連山生態(tài)環(huán)境惡化一系列戰(zhàn)略決策實施的背景下，進一步研究氣候變化情景下QLME 生態(tài)服務功能動態(tài)變化，并估算不同時空尺度碳儲存的變化，對于全面揭示QLME穩(wěn)定性規(guī)律，科學評價QLME 綜合環(huán)境效應，具有重要理論價值。同時，本研究對于探索QLME 碳儲存的影響要素，揭示碳循環(huán)等生物地球化學循環(huán)規(guī)律，完善CSET、生態(tài)系統(tǒng)服務價值估算技術、生態(tài)系統(tǒng)生境質(zhì)量評價技術等一系列山地生態(tài)系統(tǒng)生態(tài)環(huán)境演變與質(zhì)量評價的技術體系，也具有重要的理論價值；從長遠而言，對于國家倡導以國家公園為主體的自然保護地建設以及綠色低碳發(fā)展亦具有重大的現(xiàn)實意義。

1 研究區(qū)域及數(shù)據(jù)來源

本研究所涉及的祁連山生態(tài)系統(tǒng)（QLME）位于95°06′～103°01′E，36°40′～39°42′N，處于青藏、黃土和蒙新高原交匯地帶，總面積為5.02×104km2。研究區(qū)屬于山地峽谷地貌，西高東低，海拔1767～5604 m，涵蓋了林地、草地、濕地、荒漠、冰川積雪等生態(tài)景觀類型。研究區(qū)北部沿河西走廊一帶為典型的溫帶大陸性氣候，南部則屬于高寒半干旱氣候，年降水量為96.4～729.6 mm，時空變差較大；作為黑河、疏勒河以及石羊河等眾多水系的產(chǎn)集水區(qū)，水資源的形成、轉(zhuǎn)化與消耗具有獨特的規(guī)律，冰川積雪、林地等生態(tài)子系統(tǒng)提供著重要的水源涵養(yǎng)服務功能。QLME 土壤類型涵蓋了黑氈土、冷鈣土和寒凍土等30多種土壤類型；植被在不同海拔梯度區(qū)間呈現(xiàn)垂直景觀分布規(guī)律，隨著海拔的逐步升高，自然景觀格局特征明顯；從下往上可分為山地森林景觀帶、山地草原景觀帶、亞高山灌叢景觀帶、亞高山亞冰雪植被稀疏景觀帶等，植被主要為青海云杉、祁連圓柏等林木，以及鞭麻、山柳等灌木［18］（圖1）。

圖1 QLME地理位置示意圖Fig.1 Geographical location of QLME

為了實際應用CSET 及方法，需要多源數(shù)據(jù)的支撐。不同的數(shù)據(jù)有不同的屬性及其來源，并在In-VEST 模型與GeoSOS-FLUS 模型中發(fā)揮著不同的作用。研究綜合利用氣象數(shù)據(jù)、未來氣候情景數(shù)據(jù)、土地利用/覆蓋數(shù)據(jù)、地形數(shù)據(jù)、土壤數(shù)據(jù)和文獻統(tǒng)計數(shù)據(jù)，經(jīng)過各種預處理得到InVEST 和GeoSOSFLUS 模型的輸入數(shù)據(jù)。除了從實際調(diào)查中獲得QLME 不同生態(tài)景觀類型的基本信息外，在碳儲存估算及分析中，還采用了一系列的多源數(shù)據(jù)。通過國家青藏高原科學數(shù)據(jù)中心獲取土地利用/覆被、植物可利用水含量、土壤最大根系深度柵格數(shù)據(jù)，并利用ArcGIS 軟件重分類、重采樣等方法進行處理；通過中國氣象科學數(shù)據(jù)共享服務網(wǎng)獲取年降水量、年潛在蒸散量柵格數(shù)據(jù)，并分別通過ANUSPLIN 軟件進行插值及Penman-Monteith 法計算插值進行處理；通過資源環(huán)境科學數(shù)據(jù)云平臺獲取次級流域邊界矢量數(shù)據(jù)及DEM 柵格數(shù)據(jù)，并通過ArcGIS 軟件水文分析模塊進行數(shù)據(jù)處理；基于DEM 數(shù)據(jù)，利用ArcGIS 軟件3D Analyst 工具，獲得坡度坡向柵格數(shù)據(jù)；道路鐵路及城鎮(zhèn)居民點矢量數(shù)據(jù)，來源于全國基礎地理信息數(shù)據(jù)庫，并利用ArcGIS軟件距離分析模塊求得要素的歐氏距離獲得。根據(jù)InVEST 模型及GeoSOS-FLUS模型對基礎數(shù)據(jù)的要求，各類數(shù)據(jù)進行不同的預處理后，通過模型進一步反演相關的生態(tài)景觀要素。

2 研究技術與方法

基于QLME 的自然地理狀況，在遙感地學分析的基礎上，結(jié)合宏觀調(diào)查與典型研究，獲得生態(tài)系統(tǒng)屬性特征，進一步通過InVEST 模型，估算生態(tài)系統(tǒng)的碳儲存，分析其環(huán)境效應。

2.1 碳儲存估算技術（CSET）

圍繞QLME碳儲存的估算問題，基于InVEST 模型，探索了CSET與方法，實現(xiàn)對山地生態(tài)系統(tǒng)碳儲存的估算。具體而言，InVEST 模型中的碳儲存模塊分為地上生物碳庫、地下生物碳庫、土壤碳庫、死亡有機碳庫4 個基本碳庫。要估算各類形式碳儲存量，需要不同類型的數(shù)據(jù)支撐。前述相關數(shù)據(jù)來源是基于InVEST 模型特點，分析生態(tài)系統(tǒng)結(jié)構(gòu)，定量估算碳儲量的前提條件。在此基礎上，充分分析QLME 生物與環(huán)境要素特點，運用遙感及ArcGIS 平臺，獲得區(qū)域不同生態(tài)景觀類型的量化數(shù)據(jù)；對不同地類4 種碳庫的平均碳密度進行統(tǒng)計，然后用各個地類的面積乘以其碳密度并求和，得出研究區(qū)的總碳儲存。

2.2 GeoSOS-FLUS模型方法

GeoSOS-FLUS 模型主要分為2 個模塊，其一是以ANN為基礎的適宜性概率計算模塊；其二是根據(jù)自適應慣性機制建立的元胞自動機模塊。在適宜性模塊中輸入某一期研究區(qū)土地利用分類數(shù)據(jù)以及土地利用變化驅(qū)動因子（如地形、居名點、道路分布等），并通過ANN 計算得到研究區(qū)各地類適宜性概率。

3 QLME碳儲存特征分析

3.1 碳儲存時空變化特征

基于前述CSET與方法，對QLME不同年代的碳儲存進行估算，表1 為1985—2018 年QLME 碳儲存變化。

表1 不同年度QLME碳儲存變化特征Tab.1 Change characteristics of QLME carbon storage in different years

從表1 可知，QLME 碳儲存變化總體呈增長趨勢，增加了4805.95×104t，多年平均碳儲存為14151.56×104t，年增長率為38.43%。從時間序列而言，1985—2010 年增長速度緩慢，碳儲存增加了1279.54×104t，增長率為10.23%，占研究區(qū)碳儲存總增長量的26.62%；而2010—2018 年碳儲存的增長速度明顯加快，增加了3526.40×104t，增長率為25.58%，占總增長量的73.38%。1990年QLME平均碳儲存為2520.08 t·km-2，2000 年與2015 年平均碳儲存分別為2693.83 t·km-2和3513.08 t·km-2。

事實上，造成QLME 碳儲存時空差異的原因較為復雜，自然要素及人為活動均具有不同的影響。從時間序列而言，如前所述，QLME主要以祁連圓柏與青海云杉等為主要喬木樹種，處于該生態(tài)系統(tǒng)中的灌叢與草本植物，受國家生態(tài)環(huán)境保護政策及林業(yè)經(jīng)營策略的調(diào)整，多年來總體處于保護狀態(tài)；同時，區(qū)域水文、氣候、土壤等條件與之長期適應，生物的生物量具有累積效應；碳作為生物量中的主要組成部分，在這種背景下總體處于增加態(tài)勢。特別是2015 年的碳儲存達到了1985 年以來的最大值；但也就是在這個時段前后的時間段，無序礦產(chǎn)開采、規(guī)?；糜我约斑^度放牧等行為直接造成了生態(tài)系統(tǒng)結(jié)構(gòu)的破壞，導致了生態(tài)系統(tǒng)功能失調(diào)，碳儲存效應降低。2017年，國家嚴格實施了祁連山自然保護區(qū)整治策略，人為不合理的行為被遏制，生態(tài)系統(tǒng)結(jié)構(gòu)得以逐漸調(diào)控，植被生產(chǎn)力也逐步得以恢復；但受到人為強度干擾后的QLME，要恢復其功能，特別是要增加其碳儲存需要一定的時間周期，生態(tài)效應存在一定的滯后性。雖然2017年后，針對祁連山生態(tài)環(huán)境整治的一系列策略得以有效實施，生態(tài)功能在一定尺度上得到了恢復，但2018年的碳儲存量仍然未達到2015 年的碳儲存量；調(diào)查發(fā)現(xiàn)，到2020 年8 月，祁連山生境已得到了明顯修復，各類不利于生態(tài)效應發(fā)揮的人為活動得到了全面的禁止。目前，天地一體化的信息網(wǎng)絡與監(jiān)測點遍布自然保護區(qū)，極大地促進了生態(tài)功能的恢復，隨著綠色低碳高質(zhì)量發(fā)展理念與模式的推進，未來QLME的碳儲存有望進一步增加。

從空間特征而言，由圖2 可知，QLME 碳儲存十分豐富，單位面積內(nèi)碳儲存最高值為16260 t·km-2。碳儲存高值的區(qū)域呈“中部帶狀—東南部片狀”分布，西北部則有零星點狀高值區(qū)。帶狀區(qū)域是指QLME 中部區(qū)域林地景觀與草地景觀相互交錯分布；東南部片狀分布主要是林地景觀和草地景觀集聚；西北部零星點狀區(qū)域則大多為祁連山高海拔地區(qū)的低覆蓋度草地景觀。造成QLME碳儲存空間差異的原因主要是區(qū)域自然地理特征的差異所致。在祁連山地區(qū)，不同區(qū)域的地形、地貌、土壤、水文與氣候特征，孕育了特定的自然地理景觀帶譜，特別是形成了與之相適應的植物地理類型；如上所述的植被特征，是植物及其生境長期適應的結(jié)果，蘊含了生物生產(chǎn)力的累積效應及其空間差異性；而碳儲存狀況與生物生產(chǎn)力直接相關，這種自然地理的空間變異性就形成了區(qū)域碳儲存特征的空間差異性。

圖2 2018年QLME碳儲存空間分布特征Fig.2 Spatial distribution of QLME carbon storage in 2018

3.2 不同生態(tài)景觀類型碳儲存特征

研究分析表明，不同生態(tài)景觀類型蘊含的碳儲存不同。以土地利用/覆蓋變化為特征的生態(tài)景觀類型差異，制約著碳儲存的時空變化特征。圖3 反映了1985—2018 年研究區(qū)不同土地利用類型碳儲存變化狀況。

從圖3 可知，QLME 碳儲存最高為草地、林地，其次為裸地的碳儲存，耕地、濕地、建設用地以及農(nóng)村居民點的碳儲存則較小。不同土地利用類型的差異是自然要素與人為要素耦合關系的具體體現(xiàn)，也直接導致碳儲存的差異性。區(qū)域內(nèi)草地面積大，成為碳儲存的主體；而林地雖然不及草地面積大，但由于碳密度大，也成為QLME 的重要碳儲存土地利用類型；它們直接反映了以光合作用機制為特征的植被固碳效應。雖然裸地景觀的碳密度較小，但由于在研究區(qū)生態(tài)景觀類型中的比例并不小，因而其碳儲存占總碳儲存的10%～16%左右；同時隨著裸地景觀不斷地恢復為林地、草地以及向其他生態(tài)景觀類型轉(zhuǎn)化，其碳儲存年際變化呈減少趨勢，但仍然是重要的碳匯；這是QLME 碳儲存的重要特征之一。需要指出的是草地景觀類型碳儲存占研究區(qū)碳儲存一半以上，1985—2018 年內(nèi)變化明顯，其碳儲存呈先增加后減少趨勢。林地景觀類型同樣也是研究區(qū)重要碳匯，其碳儲存占總碳儲存的11.31%～36.16%，變化幅度較大。具體而言，1985—2010 年林地景觀碳儲存顯著減少，反映了研究區(qū)林地一定程度的破壞或退化；而2010 年后，林地景觀碳儲存顯著增加，與近幾年QLME 的生態(tài)修復政策的實施直接相關。此外，QLME 的濕地景觀以草本濕地為主，其碳密度也比較高，但由于其面積較小，故碳儲存貢獻度相對較小。

圖3 QLME不同年度各景觀格局背景下的碳儲存特征Fig.3 Carbon storage characteristics under different landscape patterns in QLME in different years

4 未來情景下生態(tài)系統(tǒng)服務功能特征

4.1 未來生態(tài)景觀動態(tài)變化

基于GeoSOS-FLUS 模型的原理與方法，以土地利用類型反映生態(tài)景觀類型。采用2000 年土地利用狀況模擬2010年的土地利用覆被情況，并進一步對GeoSOS-FLUS 模型進行率定，得到其適宜性概率，然后模擬2015 年土地利用狀況，同時結(jié)合實際土地利用數(shù)據(jù)進行對比驗證。驗證結(jié)果的Kappa系數(shù)為0.72，模擬的整體精度為0.81。結(jié)果表明，該模型能較好地模擬出QLME 的生態(tài)景觀類型變化，能夠用于對QLME未來生態(tài)景觀類型狀況的預估。

以QLME2000 年和2015 年的土地利用作為初始和終止年份，通過Markov Chain 模型計算得到各土地利用類型的轉(zhuǎn)移概率，進而預測出2050 年QLME 的土地利用結(jié)構(gòu)數(shù)量。在此基礎上，將2018年土地利用數(shù)據(jù)和驅(qū)動因子數(shù)據(jù)作為GeoSOSFLUS 模型的輸入數(shù)據(jù)，結(jié)合目前QLME 的客觀狀況，轉(zhuǎn)換矩陣選用自然保護情景，模擬得到2050 年QLME土地利用類型狀況。2018—2050年QLME景觀類型轉(zhuǎn)移矩陣如表2所示。

由表2 可知，2018—2050 年QLME 的景觀類型基本保持不變，僅有少部分區(qū)域發(fā)生了地類轉(zhuǎn)移，其轉(zhuǎn)移趨勢主要向林地、草地以及裸地景觀轉(zhuǎn)移。具體而言，耕地有1.96%轉(zhuǎn)化為草地景觀，9.8%轉(zhuǎn)化為裸地景觀；草地則有8.79%轉(zhuǎn)化為林地景觀，有0.18%轉(zhuǎn)化為冰川積雪景觀；有1.17%的裸地轉(zhuǎn)化為林地景觀，1.09%的裸地恢復為草地景觀，還有2.03%的裸地轉(zhuǎn)化為冰川積雪景觀。此外，冰川積雪有0.24%轉(zhuǎn)換為草地景觀，21.38%則轉(zhuǎn)變?yōu)槁愕鼐坝^。2018—2050 年土地覆被轉(zhuǎn)移的空間分布如圖4所示。

表2 2018—2050年QLME土地利用轉(zhuǎn)移矩陣Tab.2 QLME land use transfer matrix from 2018 to 2050 /%

圖4 2018—2050年QLME土地利用轉(zhuǎn)移空間分布特征Fig.4 Spatial distribution of land use transfer in QLME from 2018 to 2050

由于草地和裸地景觀面積基數(shù)較大，QLME 中草地類型轉(zhuǎn)出以及裸地類型的轉(zhuǎn)變十分明顯。其中，在QLME的中部和東部地區(qū)，大量的草地轉(zhuǎn)變?yōu)榱值?；此外，這些區(qū)域的裸地也大量恢復為林地和草地，植被地類面積顯著增加。而在QLME 的西部高海拔地區(qū)，則主要表現(xiàn)為裸地和冰川積雪景觀的互相轉(zhuǎn)化，以及冰川積雪景觀和裸地恢復為草地，大多為分布零碎的高寒草甸以及低覆蓋度草地。整體而言，QLME 2018—2050 年土地利用空間變化呈現(xiàn)良好發(fā)展態(tài)勢，林地景觀面積范圍增加。

4.2 未來情景下QLME碳儲存變化

氣候模式是開展未來氣候變化研究的重要途徑之一，近年來一系列氣候模式應運而生，如BCCCSM1.1、CanESM2、GISS-E2-H等［19-20］。特別是近期NDCs及2 ℃以下情景模式的研發(fā)，為“一帶一路”沿線排放與減排提供了重要借鑒［21］，也為碳源/匯研究提供了重要支撐?？紤]到現(xiàn)有模式的模擬能力，本研究基于BCC模式的RCP4.5和RCP8.5氣候變化情景模式，根據(jù)FLUS 模擬預估得到的2050 年土地利用類型數(shù)據(jù)，耦合InVEST模型得到QLME在自然保護情景下2050年的碳儲存空間分布（圖5）。

由圖5 可以看出，2050 年QLME 平均碳儲存主要集中在東部和中部的植被覆蓋地區(qū)。2050 年研究區(qū)平均碳儲存為3813.38 t，較2018 年增長率為8.69%，碳儲存總量為18941.82×104t，較2018 年增加了1629.69 t。

圖5 預估2050年QLME碳儲存空間分布特征Fig.5 Projected carbon storage spacial distribution in QLME in 2050

QLME 碳儲存隨時間的變化規(guī)律如圖6 所示?？梢钥闯觯琎LME 碳儲存呈現(xiàn)增長趨勢，特別是在2010年之后對其進行生態(tài)修復治理后，碳儲存有了顯著的提升，而在符合設定的自然保護情景下，QLME 的林地面積有了明顯增加，因而到2050 年碳儲存也將有進一步的增加。

圖6 1985—2050年QLME碳儲存變化規(guī)律Fig.6 Change of carbon storage in QLME from 1985 to 2050

5 結(jié)論

祁連山是中國西部重要生態(tài)安全屏障、黃河流域重要水源產(chǎn)流地，也是我國生物多樣性保護優(yōu)先區(qū)域，國家重點生態(tài)功能區(qū)及國家公園試點建設區(qū)域［22］；QLME在維護生態(tài)穩(wěn)定性，保障生態(tài)安全方面發(fā)揮著不可替代的作用。

特定自然地理背景與土地利用格局下的生態(tài)系統(tǒng)發(fā)揮著一系列生態(tài)服功能能，基于氣候變化情景，探索生態(tài)系統(tǒng)服務功能模型模擬技術方法［23-24］，特別是定量化CSET 的拓展，對于認識碳循環(huán)與碳固定的特征與規(guī)律，具有重要的理論價值與現(xiàn)實意義。本文在解析氣候變化及景觀格局與生態(tài)系統(tǒng)碳儲存驅(qū)動要素及耦合關系的基礎上，基于InVEST模型，分析了QLME 碳儲存功能的時空演變及其變化規(guī)律，同時通過耦合GeoSOS-FLUS 模型，預估了未來情景下碳儲存功能的變化情況，主要得到如下結(jié)論：

（1）不同時期QLME 碳儲存有一定差異性。1985—2018 年研究區(qū)碳儲存功能總體上均呈升高趨勢，蘊含了自然及人為要素耦合的綜合效應。

（2）不同生態(tài)景觀類型對應的碳儲存差異明顯。QLME 中，以土地利用所代表的生態(tài)景觀類型在自然及人為要素驅(qū)動下，發(fā)生了一系列復雜變化，綜合性地反映在碳儲存時空特征方面；從不同土地利用/覆被狀況來看，碳儲存從高到低依次為：草地景觀、林地景觀、裸地景觀、濕地景觀和其他地類景觀。

（3）未來氣候變化情景下碳儲存趨于增加。在現(xiàn)有技術手段下，依據(jù)模型的適宜性與可靠性率定與分析方法，QLME 2050 年碳儲存均有不同程度的增加；特別是基于RCP4.5及RCP8.5情景，2050年碳儲存表現(xiàn)為增長趨勢。