成都平原及其周边区域土地利用碳排放效应及空间格局

彭文甫, 周介铭,*, 徐新良, 罗怀良, 赵景峰, 杨存建

1. 四川师范大学, 地理与资源科学学院, 成都 610068 2. 四川师范大学, 西南土地资源评价与监测教育部重点实验室, 成都 610068 3. 中国科学院资源环境科学数据中心, 北京 100101

成都平原及其周边区域土地利用碳排放效应及空间格局

彭文甫1,2, 周介铭1,2,*, 徐新良3, 罗怀良1,2, 赵景峰1,2, 杨存建1,2

1. 四川师范大学, 地理与资源科学学院, 成都 610068 2. 四川师范大学, 西南土地资源评价与监测教育部重点实验室, 成都 610068 3. 中国科学院资源环境科学数据中心, 北京 100101

土地利用变化的碳排放研究对了解人类活动对生态环境的扰动程度及其机理、制定有效的碳排放政策具有重要意义。采用1990—2010年能源消费数据、遥感与GIS提取的土地利用数据, 通过构建土地利用碳排放模型, 对20 a来成都平原及其周边区域土地利用的碳排放进行了定量分析。结果表明: (1)土地利用变化的碳排放增加3269.37×104t,增长率达137%, 呈显著增加趋势。(2)建设用地和林地分别为区域最大的碳源与碳汇。建设用地的碳排放增加3271.55×104t, 增长率达139.01%, 林地的碳汇减少1.30×104t, 减少率达 3.12%, 但仍占碳汇的99%以上。(3)土地利用的碳排放存在明显区域差异。中部、北部和南部冲积平原(成都市及其第二圈层、绵阳市辖区、绵竹市、乐山市辖区)碳排放大, 平原周边区域邻近川西高原山地碳排放小。(4)土地利用结构与碳排放存在一定的相互关系, 趋高的碳源、碳汇比导致土地利用的碳源效应远大于碳汇效应。因此, 研究区减排的重点应该在保持或增加现有的林地的同时, 主要以降低建设用地的碳排放、碳足迹为主。

土地利用; 碳排放; 空间格局; 成都平原

1 前言

土地利用变化对生态系统的物质循环与能量流动产生较大的影响, 改变了生态系统的结构、过程、功能和生态系统碳变化[1–2], 成为影响气候系统变化的重要因素。据相关学者研究估算[3], 1850—1998年间, 土地利用及其变化引起的直接碳排放约占同期人类活动影响总排放量的1/3。土地利用变化对陆地生态系统碳循环的影响已引起政府和研究机构的广泛关注[4], 国内外研究人员越来越多地研究与土地利用有关的碳排放[5]。方精云等[6]对1981—2000年中国陆地植被碳汇进行了总体估算, 得出了森林、草地、灌草丛的碳汇能力。葛全胜等[7]通过第一手历史文献资料重建的历史土地数据, 分析了过去300年中国土地利用变化与碳循环的关系。赵荣钦等[8]通过构建能源消费的碳排放模型, 对江苏省5年来能源消费碳排放进行了核算, 并通过土地利用类型和碳排放项目的对应,对不同土地利用方式的碳排放及碳足迹进行了定量分析。Houghton等[9–10]建立Bookkeeping model分别估算了工业革命以来全球土地利用与覆被变化引起的碳排放量变化和1700—1990年美国土地利用变化引起的陆地生态系统碳储量变化。Greening等[11]采用自适应加权划分指数探讨了100个OECD国家不同部门的碳排放强度。刘英等[12]构建了土地利用碳源/汇研究的理论框架和计算模型, 并采用 1999—2008 年河南省不同土地利用方式的碳源/汇状况及其强度进行了分析。张秀梅等[13]分析了1996—2007年江苏省年碳排放效应的时空差异变化, 得出能源消耗是碳排放的主体, 建设用地是最主要的碳源。孙贤斌[13]采用碳排放评价模型, 对安徽省会经济圈碳排放效益进行评价, 并估算碳排放生态补偿标准。

目前, 关于土地利用变化碳效应的研究已从全球历史时期土地利用变化对陆地生态系统碳循环的影响[15–18]和区域、国家层面展开[19–24]。20 世纪90年代以后, 随着遥感与GIS技术的发展, 研究偏向于遥感资料和技术以及复杂机理模型的应用, 因此目前土地利用变化影响的研究方法主要有遥感观测和遥感模型、统计估算、生态系统模型以及土地利用预测与生态系统模型的耦合[25]。尽管土地利用变化碳排放的研究不断深入, 研究方法和模型得到不断地改进和完善, 但土地利用变化对生态系统碳循环的影响是一个复杂的过程, 当前的研究中仍然存在着很大的不确定性[1,26]。土地利用变化对陆地生态系统碳循环的影响取决于生态系统的类型和土地利用变化的方式[25], 既可能成为碳源, 也可能成为碳汇。成都平原及其周边区域是中国西部地区重要的人口、城镇、产业集聚区和长江上游重要生态屏障, 其生态环境状况既关系到自身的长远发展, 也关系到三峡库区及长江中下游地区经济社会发展和环境安全。目前, 该区域正处于城市化和工业化快速发展时期, 土地利用/覆被变化(LUCC)对环境的扰动显著增强, 导致生物多样性降低、生态服务功能退化等生态问题, 面临统筹生态建设、环境保护与经济社会发展的巨大挑战。本研究在已有研究的基础上,利用可获得的3期18景Landsat遥感数据, 应用碳排放模型、遥感与GIS技术, 对1990—2010年成都平原及其周边区域的土地利用碳排放效应及空间格局进行研究, 有助于深入了解区域碳循环的人类影响机制, 对于减排、缓解、适应气候变化具有重要的意义[27]。

2 研究方法

2.1 研究区概况

成都平原及其周边区域位于四川盆地中西部(103º1′—105º15′E, 29º11′—32º26′N), 包括 32 个县、市、区, 面积约25978 km2(图1)。成都平原是中国西南地区最大的平原, 地势平坦、水域遍布, 河网纵横,由北部的涪江冲积平原(绵阳、江油、安县之间)、中部的岷江与沱江冲积平原、南部的青衣江、大渡河冲积平原组成; 平原周边区域邻近川西高原山地, 由平原之间的丘陵、台地和山地构成, 平原河水大多来自西部高原山地的冰雪融水。气候属亚热带季风气候,年平均气温大约为18 ℃, 年均降水量在1000 mm以上, 多雾, 是中国阴雨天气最多的地区之一。

图1 研究区位置(DEM, 30 m)Fig. 1 The location of study area(DEM, 30 m)

2.2 数据源与预处理

遥感数据来源于中国科学院遥感与数字地球研究所、中国科学院资源环境科学数据中心(http://www.resdc.cn)。遥感数据包括1990、2000和 2010年的Landsat影像, 轨道编号分别为: 129/038、129/039、129/040、130/038、130/039、130/040。由于成都平原及周边区域多云雾、阴雨天气, 影像获取时间主要集中在 3—10月。运用 ENVI4.8对三期 18景Landsat遥感影像进行几何配准, 校正误差均严格限制在0.5个像元以内; 在此基础上进行影像拼接, 最后利用矢量边界数据进行裁剪, 得到研究区全境遥感影像。通过人工目视解译和野外调查、实地验证获取 1990-2010年成都平原耕地、林地、草地、水域、建设用地和未利用地等6类数据。社会经济数据主要来源于《四川省统计年鉴》[28](1991—2011年)和《中国能源统计年鉴》[29](1991—2011年)。

2.3 研究方法

2.3.1 土地利用程度变化

土地利用程度指数的计算公式[30]:

式中, Ld是土地利用程度指数, Ai是第i级土地利用面积(hm2), Ci是第i级土地利用程度分级指数, Hj是土地利用评价区域内土地的总面积(hm2)。

2.3.2 土地利用的碳排放估算模型

本研究主要分析和计算由人类活动所引起的土地利用变化的碳排放效应, 主要涉及耕地、林地、草地、水域、未利用地和建设用地的碳排放与碳吸收, 据此求得不同土地利用的碳排放量。耕地的农作物通过光合作用吸收空气中的 CO2, 但绝大多数农作物在短期内又通过呼吸作用释放到空气中去,农作物的生物量作为碳汇的效果不明显[31]。因此,建设用地和耕地为主要碳源, 产生碳排放; 林地、牧草地、水域和未利用地为碳汇, 产生碳吸收。因此,土地利用的碳排放估算模型可表达如下:

式中, Ec为碳排放(t), Esou为不同土地利用的碳源(t),Esin不同土地利用的碳汇(t); Ai为第i种土地利用类型(耕地、林地、草地、水域、未利用地)面积(hm2), αi为第i种土地利用类型的碳排放(吸收)系数(t·hm–2);Cb为建设用地的碳排放量(t); mj为化石能源消费量104t 或 108m3), βj为标准煤换算系数(kg·kg–1或kg·m3), γj为碳排放系数。其中不同土地利用的碳排放(吸收)系数, 在参考以往学者的研究结果基础上,取碳排放(吸收)系数均值[32—40], 详见表1。

建设用地承载大量的人类活动消耗的能源, 其碳排放主要来源于土地利用过程中的工矿、交通、居民点等能源消耗间接估算[36,41]。考虑到建设用地的碳排放计算时, 需将煤炭、石油和天然气等能源消费量换算成标准煤, 再按照文献[41]确定化石能源的转化系数[41]。

3 结果与分析

3.1 土地利用覆被变化

成都平原及其周边区域的土地利用以耕地、林地为主, 约占总面积的 85%以上, 水域和未利用地较少(表 2、图 2)。由表 2可见, 土地利用变化表现为建设用地迅速增长、耕地和林地面积显著减少为主要特征; 草地、水域和未利用地面积增加。其主要原因是快速工业化和城市化, 导致农业用地流转加速。1990—2010年间, 耕地占全省面积的59%以上, 具有景观基底性质, 其次是林地；耕地和林地面积减少最多, 分别达 75324 hm2和21281 hm2。

应用 1990—2010年二期土地利用类型图进行矩阵运算, 得到土地利用类型变化的转移矩阵(表3)。由表3可见, 1990—2010年成都平原及其周边区域土地转移面积达790300 hm2, 转移面积最大的是耕地, 其次是林地。就土地转出而言, 耕地转移为其他土地类型的面积达308500 hm2, 主要转化为林地和建设用地; 林地转移面积达 237000 hm2, 主要转化为耕地和草地; 草地转移面积达650000 hm2,主要转化为耕地和林地; 水域转移面积达 38400 hm2, 主要转化为耕地、建设用地和林地; 建设用地转移面积达87600 hm2, 主要转化为耕地; 未利用地转化面积达1400 hm2, 主要转化为耕地、林地和水域;就土地转入分析, 转入耕地的土地利用类型面积达304000 hm2, 主要为林地和建设用地; 转入林地的面积达 202000 hm2, 主要为耕地; 转入草地的土地利用类型主要为耕地和林地; 转入水域的主要为耕地;转入建设用地的面积达165700 hm2, 主要为耕地和林地; 转入为未利用地的主要为林地。

表1 不同土地利用的碳源(汇)碳排放(吸收)系数Tab. 1 Coefficient of carbon emission (absorbability) of different land use

表2 1990—2010年成都平原及其周边区域土地利用变化Tab. 2 Land use changes in Chengdu plain and its surrounding area during 1990-2010

表3 1990—2010年成都平原及其周边区域土地利用转换矩阵 单位: 公顷Tab. 3 Land use conversion matrix in Chengdu plain and its surrounding area from 1990 to 2010 unit: hm2

由图2a,b和c可知, 成都平原及其周边区域的耕地面积占区域面积的34.01%以上, 主要分布在北部的涪江冲积平原, 中部的岷江、沱江冲积平原和南部的青衣江、大渡河冲积平原, 包括乐山市辖区、江油市、绵阳市辖区、安县、眉山市、金堂县、双流县、邛崃市、彭州市等区域; 林地面积占区域面积的12.80%, 主要分布于平原之间的丘陵、台地和山地地区, 包括江油市、安县、彭州市、绵竹市、都江堰市等的高原山地地区; 草地主要分布于江油市、什邡市、崇州市、大邑县等地, 约占3.13%以上;建设用地主要分布于成都市中心城区、成都郊县的新都区、崇州市、大邑县、双流县、邛崃市和绵阳市辖区, 2010年约占研究区建设用地的35%以上。

据公式(1), 利用成都平原土地利用类型(表 1),可以计算出成都平原土地利用程度综合指数: 1990、2000和2010年分别为 2.728、2.744和2.757, 且呈逐年增加趋势。

3.2 土地利用碳排放效应

根据碳排放计算模型、土地利用数据以及能源消耗数据, 计算得出1990—2010年成都平原土地利用的碳源、碳汇及碳排放量(表 4)。据表 4可知,1990—2010年成都平原碳排放处于显著增加状态,碳排放量由1990年的2386.27×104t上升到2010年的5655.64×104t, 增长率达137%, 年均增长6.85%。

土地利用的碳排放受到碳源与碳汇的影响。研究区土地利用的两大碳源中, 以建设用地的碳排放为主, 研究期内处于快速增加状态, 碳源排放约占总碳源排放量的 96%以上, 其变化趋势已显著影响到区域的碳排放; 耕地面积的减少, 导致耕地碳排放呈现减少的趋势, 20a来碳排放量减少3.46×104t,年均减少 1730.57 t, 其变化趋势与耕地面积减少一致。因此, 建设用地作为主要的碳源在区域碳减排中具有举足轻重的地位。

林地、草地、水域、未利用地等土地利用为碳汇, 碳吸收效应依次为降低。1990—2010年碳汇减少12761.31t, 减少率为3.04%(表4)。其中, 林地的碳汇效应显著, 占总碳汇量的99%以上, 而草地、水域、未利用地等土地利用的碳汇量占总碳汇量的1%以下。

与建设用的地碳源迅速增加趋势相比, 林地的碳汇效应呈显著下降态势; 建设用地碳排放强度大,其碳排放与林地的碳汇的比值始终保持在 51.36—139.36之间, 林地的碳汇效应所能抵消的碳排放比例由1990年1.74%下降到2010年0.71%, 导致碳排放呈持续增加, 也反映碳汇作用抵消碳源作用不显著; 不同土地利用碳源排放与碳汇吸收比值由 1990年的52.69快速上升到2010年的139.86, 趋高的碳源、碳汇比不利于区域的节能减排和低碳发展。因此, 减排的重点应该在保持或增加现有的林地的同时, 主要以降低建设用地的碳排放为主。

3.3 碳排放格局

成都平原碳排放量主要集中分布于中部的岷江、沱江冲积平原, 北部的涪江冲积平原和南部的青衣江、大渡河冲积平原, 而平原周边区域邻近川西高原山地碳排放较小(图3a,b,c)。

图2 1990—2010年成都平原及其周边区域土地利用格局Fig. 2 Land use patterns in Chengdu plain and its surrounding area from 1990 to 2010

表4 1990—2010年成都平原及其周边区域土地利用碳排放 单位: 吨Tab. 4 Carbon emissions of land use in Chengdu plain and its surrounding area ftom 1990 to 2010 unit: t

1990年碳排放主要集中在成都中心城区、大邑县、双流县、邛崃市、崇州市、广汉市和新都区等地区; 2000年的碳排放在1990年的基础上, 绵阳市辖区碳排放增加较多; 2010年成都平原的碳排放区域上均呈现显著增加的态势, 除成都市及其郊区县、市外, 绵阳市辖区、绵竹、乐山市辖区碳排放也较多。

按照自然间断点方法, 将碳排放增量划分为 5级, 得到1990—2010年研究区土地利用的区域碳排放量增量格局(图3,d)。由图5可知, 成都市是碳排放最多的区域, 为5级, 碳排放增量达515.89×104t,占区域碳排放增量的15.78%以上; 双流县碳排放增量为 2级, 绵阳市辖区、成都市第二圈层、眉山市等碳排放增量为 3级; 成都市第三圈层大部分和乐山市辖区碳排放增量为4级; 江油市、安县等8县、市碳排放增量为5级。

3.4 相关性分析

利用SPSS 17.0软件, 计算成都平原32个区、市、县GDP、人口、土地利用程度指数与碳汇、碳源、碳排放的Pearson相关系数(表5)。

由表 5可知, 土地利用程度指数与碳汇、碳源和碳排放具有正相关关系, 但对碳汇影响较强, 对碳源与碳排放的影响不太显著; 中部、北部和南部冲积平原区域工业较发达, 经济发展水平较高, 人口密度大, 城镇化水平较高, 化石能源消耗的数量较多, 碳源量增加较多, 碳排放快速增加。因此,GDP、人口与碳源、碳排放之间的Pearson相关系数较高, 分别在 0.01的水平上呈显著的正相关关系;平原周边区域邻近川西高原山地建设用地和耕地分布少, 城镇化进程缓慢, 工业基础薄弱, 经济发展水平不高, 消耗化石能源数量小, 碳源量少。可见,工业化和城市化势必导致森林和耕地向城市建设用地的转化, 对环境的扰动越剧烈, 这些地表过程伴随着生态系统碳储量的变化。

4 讨论

(1)土地利用碳排放的估算存在一定的不确定性。目前的土地利用变化碳排放的研究方法和模型虽然得到不断地改进和完善, 但土地利用变化对生态系统碳循环的影响是一个复杂的过程, 当前的研究中仍然存在着不确定性; 虽然应用遥感数据获取了土地利用数据, 但没有考虑不同植被类型的质量状况, 采用统一的碳净积累量势必对计算结果产生一定影响; 未来研究可通过遥感反演和实测数据结合更加精确测算区域的碳排放能力。

(2)建设用地承载大量的人类生活和生产活动消耗的能源, 对于微观尺度的建设用地(工矿、工业园区用地、交通用地、居民点用地等)的碳排放, 由于数据限制, 仅考虑了化石能源消费带来的碳排放,未考虑计算人口呼吸和农村生物能燃烧带来的碳排放, 在今后的研究中有待做更进一步的探讨; 同时,数据资料分类统计的差异性, 也导致了不同土地利用类型与能源消费项目之间的对应存在一定程度的误差, 影响到分析和计算结果, 区域土地利用碳排放效应的研究也有待深入。

5 结论

(1) 土地利用的碳排放总体上呈显著增加趋势。成都平原及其周边区域的土地利用程度呈逐年增加趋势, 土地利用转移加快, 对碳排放产生重要影响。1990—2010年间碳排放增加3269.37×104t, 增长率达 137%, 年均增长 6.85%; 碳源增加值和增长率分别达3268.10×104t和134.59%, 而碳汇减少值和减少率分别达1.38×104t和3.04%; 不同土地利用碳源排放与碳汇吸收比值由1990年的57.81快速上升到2010年的 139.86, 导致成都平原及周边区域土地利用的碳源效应远大于碳汇效应。研究区 1990—2010年地均碳排放强度呈波动快速上升趋势, 从 1990年的 918.54 t·hm–2增长到 2010 年 2177.02 t·hm–2。

(2)土地利用的碳排放空间格局差异显著。中部的岷江、沱江冲积平原, 北部的涪江冲积平原和南部的青衣江、大渡河冲积平原的碳排放大, 而平原周边区域邻近川西高原山地碳排放较小; 成都市(中心城区)及其周边区域(大邑县、双流县、邛崃市、崇州市、广汉市和新都区等地)、绵阳市辖区、绵竹、乐山市辖区等区域碳排放大。

图3 1990—2010年成都平原及其周边区域碳排放(a,b,c)与碳增量格局(d) (单位: 吨)Fig. 3 The patterns of carbon emissions and the increment in Chengdu plain and its surrounding area from 1990 to 2010 (a,b,c or d)(Unit:t)

表5 Pearson相关系数Tab. 5 Pearson correlations

(3)建设用地是主要的碳源, 其碳排放量占总碳排放量的98.62%以上。1990—2010年的建设用地的碳排放增加3271.56×104t, 增长率达139.02%。成都平原及周边区域正处于城镇化、工业化、农业现代化加速发展阶段, 区域基础设施用地相应增加, 建设用地将在较长时期内保持较高增长态势。资源环境的瓶颈制约近一步加剧, 发展与环境保护的矛头日益凸显, 环境历史问题和新型环境问题交织, 对区域经济发展的约束和影响加剧, 也对三峡库区乃至长江流域的生态环境和社会经济发展造成严重的影响和危害。林地作为成都平原及周边区域最大碳汇, 但碳汇效应逐年增强, 1990—2010年间碳汇增加1.30×104t, 占区域碳汇的99%以上。由于碳源碳汇比例关系悬殊, 导致林地的碳汇效应并不显著。

[1] 李蓓蓓, 方修琦, 叶瑜, 等. 中国东北地区过去300年耕地开垦导致的碳收支[J]. 中国科学: 地球科学, 2014, 44:1987–1996.

[2] THOMPSON R S. BIOME 300: Understanding the impacts of human activities on land cover over the past 300 years[J].IGBP Newsletter, 2000, (43): 2–3.

[3] HOUGHTON R A, HAECKLER J L, LAWRENCE K T.The US carbon budget: contributions from land-use change[J]. Science, 1999, 285: 574–578.

[4] International Panel on Climate Change (IPCC). Climate Change 2013: The Physical Science Basis[M]//Contribution of Working Group I to the Fifth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge,UK: Cambridge University Press, 2013.

[5] 王亮. 盐城市土地利用变化碳排放效益及影响因素分解研究[J]. 生态科学, 2015, 34(5): 122−128.

[6] 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D辑, 2007, 37(6): 804–812.

[7] 葛全胜, 戴君虎, 何凡能, 等. 过去 300年中国土地利用、土地覆被变化与碳循环研究[J]. 中国科学D辑: 地球科学, 2008, 38(2): 197–210.

[8] 赵荣钦, 黄贤金, 等. 基于能源消费的江苏省土地利用碳排放和碳足迹[J]. 地理研究, 2010, 29(9): 1639–1648.

[9] HOUGHTON R A. The annual net flux of carbon to the atmosphere from changes in land use 1850-1990[J]. Tellus Series B-Chemical and Physical Meteorology, 1999, 51(2):298–313.

[10] HOUGHTON R A, HACKLER J L. Sources and sinks of carbon from land use change in China[J]. Global Biogeochemical Cycles, 2003, 17(2): 1034–1047.

[11] GREENING L A, TING M, KRACKLER T J. Effects of changes in residential end-use and behavior on aggregate carbon emission intensity: Comparison of 100 OECD countries for the period 1970 through 1993[J]. Energy Economics, 2001, 23(2): 153–178.

[12] 刘英, 赵荣钦, 焦士兴. 河南省土地利用碳源/汇及其变化分析[J]. 水土保持研究, 2010, 17(5): 154–159.

[13] 张秀梅, 李升峰, 黄贤金, 等. 江苏省 1996 年至 2007年碳排放效应及时空格局分析[J]. 资源科学, 2010, 32(4):768–775.

[14] 孙贤斌. 安徽省会经济圈土地利用变化的碳排放效益[J].自然资源学报, 2012, 27(3): 394–402.

[15] JASON M F CHRISTOPHER B F SUZI K A D. Modeling the impact of carbon farming on land use in a New Zealand landscape[J]. Environmental Science & Policy, 2015, 37:1–10.

[16] MARSHALL WISE, JAMES DOOLEY, PATRICK LUCKOW, KATHERINE CALVIN, PAGE KYLE.Agriculture, land use, energy and carbon emission impacts of global biofuel mandates to mid-century[J]. Applied Energy, 2014, 114: 763–773.

[17] CLIFFORD C, TWAN V N, DETLEF P V, et al. Global impacts of surface ozone changes on crop yields and land use[J]. Atmospheric Environment, 2015, 106: 11–23.

[18] RAMANKUTTY N, GIBBS H K, ACHARD F, DEFRIES R, et al. Challenges to estimating carbon emissions fromtropical deforestation[J]. Global Change Biology, 2007,13(1): 51–66.

19] Qiuxian WANG, Zhiqiang GAO, Jicai NING. Model-based assessment of the pattern differences and the equity of national carbon emissions in China during 2000–2010[J].Journal of Cleaner Production. 2015, 103: 696–704.

20] CHUAI Xiaowei , HUANG Xianjin , WANG Wanjing, et al.Land use, total carbon emissions change and low carbon land management in Coastal Jiangsu, China[J]. Journal of Cleaner Production. 2015, 103: 77–86.

21] AGUNG W, LUKAS G. Absolute and relative power gains among state agencies in forest-related land use politics: The Ministry of Forestry and its competitors in the REDD+Programme and the One Map Policy in Indonesia[J]. Land Use Policy. 2015, 49: 131–141.

22] MIRIAM MÑO, LUCA D, LUIGI L, et al. Application of CarboSOIL model to predict the effects of climate change on soil organic carbon stocks in agrosilvo-pastoral Mediterranean management systems[J]. Agriculture,Ecosystems & Environment, 2015, 202: 8–16.

23] WARD H C, KOTTHAUS S, GRIMMOND C S B, et al.Effects of urban density on carbon dioxide exchanges:Observations of dense urban, suburban and woodland areas of southern England[J]. Environmental Pollution. 2015,198: 186–200.

24] GARCIA-FRANCO N, ALBALADEJO J, ALMAGRO M , et al. Functional Land Management for managing soil functions: A case-study of the trade-off between primary productivity and carbon storage in response to the intervention of drainage systems in Ireland[J]. Land Use Policy. 2015, 47: 42–54.

25] 毛留喜, 孙艳玲, 延晓冬. 陆地生态系统碳循环模型研究概述[J]. 应用生态学报, 2006, 17(11): 2189–2195.

26] TAO Yuguo, HUANG Zhenfang . Review of accounting for carbon dioxide emissions from tourism at different spatial scales[J]. Acta Ecologica Sinica, 2014, 34: 246–254.

27] 杨景成, 韩兴国, 黄建辉, 等. 土地利用变化对陆地生态系统碳贮量的影响[J]. 应用生态学报, 2003, 14(8):1385–1390

[28] 四川省统计局. 四川统计年鉴. 中国统计出版社. 北京:2011.

[29] 中国统计局. 中国能源统计年鉴. 中国统计出版社. 北京: 2011.

[30] 攀玉山, 刘纪远. 西藏自治区土地利用[M]. 北京: 科学出版社, 1994.

[31] 刘国华, 傅伯杰, 方精云. 中国森林碳动态及其对全球碳平衡的贡献[J]. 生态学报, 2000, 20(5): 733–740.

[32] CAI Zucong, KANG Guoding, TSURUTA H, et al.Estimate of CH4 emissions from year-round flooded rice field during rice growing season in China[J]. Pedosphere,2005, 15(1): 66–71.

[33] 何勇. 中国气候、陆地生态系统碳循环研究[M]. 北京:气象出版社, 2006.

[34] 李颖, 黄贤金, 甄峰. 江苏省区域不同土地利用方式的碳排放效应分析[J]. 农业工程学报, 2008, 24(9):102–107.

[35] 苏雅丽, 张艳芳. 陕西省土地利用变化的碳排放效益研究[J]. 水土保持学报, 2011, 25(1): 152–156.

[36] 方精云, 郭兆迪, 朴世龙, 陈安平. 1981-2000年中国陆地植被碳汇的估算[J]. 中国科学 D 辑, 2007, 37(6):804–812．

[37] 肖红艳, 袁兴中, 李波, 等. 土地利用变化碳排放效应研究—以重庆市为例[J]. 重庆师范大学学报(自然科学版),2012, 29(1): 38–42.

[38] 赖力, 黄贤金, 刘伟良. 基于投入产出技术的区域生态足迹调整分析—以2002年江苏为例[J]. 生态学报, 2006,26(4): 1285–1292.

[39] 段晓男, 王效科, 逯非, 等. 中国湿地生态系统固碳现状和潜力[J]. 生态学报, 2008, 28(2): 463–469.

[40] 赖力, 黄贤金. 中国土地利用的碳排放效应研究[D]. 南京: 南京大学出版社. 2011.

[41] 石洪昕, 穆兴民, 张应龙, 等. 四川省广元市不同土地利用类型的碳排放效应研究[J]. 水土保持通报, 2012, 32(3):101–106.

Effect of land use changes on carbon emission and its spatial patterns in Chengdu Plain and its surrounding area, western China, from 1990 to 2010

PENG Wenfu1,2, ZHOU Jieming1,2,*, XU Xinliang3, LUO Huailiang1,2, ZHAO Jingfeng1,2, YANG Cunjian1,2
1. Key Lab of Land Resources Evaluation and Monitoring in Southwest, Ministry of Education, Sichuan Normal University,Chengdu 610068, China 2. The Institute of Geography and Resources Science, Sichuan Normal University, Chengdu 610068, China 3. Data Center for Resources and Environmental Sciences, Chinese Academy of Sciences (RESDC), Beijing 100101, China

Analysis of the effects of land use on carbon emissions is important for understanding the mechanisms of carbon emissions, carbon emissions reduction, and climate change mitigation. In this study, we proposed models of carbon emissions for evaluating the carbon budget in the Chengdu Plain, western China, from 1990 to 2010 by estimating carbon sinks and carbon sources based on data of energy consumption and land use changes determined using remote sensing. The results are as follows.(1) Carbon emissions from land use changes significantly increased by 3269.37×104t or 137%. The increased carbon emissions in Sichuan were associated with the rapid increase in fossil fuel consumption and land use changes. (2) Carbon sources ofconstruction land and carbon sinks of forestland accounted for the largest percentage, respectively. Carbon emissions associated with built-up land were much higher than they were for other land use types. In contrast to the continuous increase in carbon ources, there was a slight overall decrease in carbon sinks, between 1990 and 2010. Carbon emissions increased by 3271.55×104t or 139.01% from built-up land, but decreased by 1.30×104 t or 3.12% because of the carbon sink from forestland.3) The regional differences in carbon emissions from land use were obvious. The Chengdu and its second circle-layer, the Mianyang municipal district, Mianzhu, and the Leshan municipal district all had greater carbon emissions in 2010 than in 1990,whereas carbon emissions in the west, northwest, and southwest mountainous regions had lower, or negative net, carbon emissions because of wide-spread cover by forests and grassland. These regions had relatively low fossil fuel consumption, slow urbanization, limited industrial development, and transportation challenges compared to the Chengdu Plain and its surrounding egions. Spatial distributions of carbon emissions in the Chengdu Plain from 1990 to 2010 indicated that carbon emissions ncreased both in amount and geographic scale with time. (4) There was a certain relationship between the land use structure and carbon emissions. Carbon sources effect of land use was much higher than the carbon sinks effect. Forestland, grassland, areas of surface water, and unused land were carbon sinks, whereas construction land and cultivated land were carbon sources. The apid increase in carbon sources and slow decrease in carbon sinks resulted in a substantial increase in carbon emissions in Sichuan from 1990 to 2010. Therefore, the focus of carbon emissions reduction in Sichuan should be on keeping or increasing he existing forestland area, while mainly continuing carbon emissions reduction from construction land. Through targeted land use and land management activities, ecosystems can be managed to enhance carbon sequestration and mitigate fluxes in other greenhouse gases.

land use; carbon emissions; spatial patterns; Chengdu Plain

10.14108/j.cnki.1008-8873.2017.03.015

F205

A

1008-8873(2017)03-105-10

彭文甫, 周介铭, 徐新良, 等. 成都平原及其周边区域土地利用碳排放效应及空间格局[J]. 生态科学, 2017, 36(3): 105-114.

PENG Wenfu, ZHOU Jieming, XU Xinliang, et al. Effect of land use changes on carbon emission and its spatial patterns in Chengdu Plain and its surrounding area, western China, from 1990 to 2010[J]. Ecological Science, 2017, 36(3): 105-114.

2015-05-16;

2016-02-04

国家自然科学基金项目“基于LUCC扰动影响的成都平原土地生态安全维持机理(41371125)”

彭文甫(1964—), 男, 四川乐山人, 博士, 副教授, 主要从资源与环境遥感研究, E-mail: pwfzh@126.com

*通信作者:周介铭(1956—), 男, 四川成都人, 教授, 博士生导师, 主要从国土规划与土地评价研究, E-mail: zjm@sicnu.ecu.cn