我国植被生态系统固碳能力提升潜力空间格局研究

万华伟,李灏欣,高吉喜,*,孙晨曦,李广宇,高彦华,厉 青

1 生态环境部卫星环境应用中心,北京 100094

2 内蒙古大学生态与环境学院,呼和浩特 010000

3 中国科学院空天信息创新研究院,北京 100094

自18世纪60年代人类进行工业革命以来,人类对自然资源需求不断增加,人类社会在发展的过程中同时也对自然环境造成了难以逆转的伤害[1—3],在当前诸多环境问题当中,气候变暖是全球十大环境问题之首[4—6]。人们焚烧化石燃料(如石油,煤炭等)或木材时会产生大量的温室气体,这些温室气体对来自太阳辐射的可见光具有高度透过性,而对地球发射出来的长波辐射具有高度吸收性,进而产生所谓的“温室效应”[7—8],如果不对温室气体排放进行管控,全球气候系统将进一步变暖,进入“热室地球”这一不稳定状态,加剧全球自然生态系统和人类社会所面临的气候风险[9—11]。针对这一全球性问题,世界各国以全球协约的方式减排温室气体,从而遏制温室效应的增长趋势。2020年9月22日,习近平主席在第七十五届联合国大会上提出了“努力争取2060年前实现碳中和”的战略目标,为我国下一阶段的能源转型和绿色发展指明了方向,也展现了中国践行《巴黎协定》气候行动承诺的决心。

“碳中和”是指企业、团体或个人测算在一定时间内直接或间接产生的温室气体排放总量,然后通过植树造林、节能减排等形式,抵消自身产生的二氧化碳排放量,实现二氧化碳“零排放”的过程[12—13]。植被净初级生产力(NPP)是指植物通过光合作用吸收大气当中的CO2,经生态系统的生理生化过程所产生的有机质,它是植物光合作用产生的有机物质总量扣除自养呼吸后的剩余部分。NPP是碳循环过程中的一个重要表现形式,同时也是表征植被固碳能力最直接最显著的参量[14—17]。基于植被的光合作用对大气中的CO2进行捕捉是实现“碳中和”的主要手段[18—20],因此,对植被的固碳能力及其固碳能力提升潜力进行精确、定量的描述具有重要的现实意义。当前,已有诸多学者对植被的固碳能力进行深入研究。如刘军会等根据我国陆地生态系统现状以及固碳相关的最新研究结果和政府文件,以森林、草地生态系统作为主要研究对象,采用GIS空间叠置方法,明确的界定了我国典型陆地生态系统固碳重点区域[21]。李奇等利用全国第七次、和第八次森林资源清查数据,采用IPCC法对中国森林中人工林的碳储量和碳密度进行分析,并分析得出在未来人工林中幼龄林和中龄林具有更高的碳汇能力[22]。Tang等基于区域生态系统模型LPJ-GUESS估算了新英格兰的潜在森林植被净初级生产力和生物量, 并与其他气候数据进行对比分析,成功的揭示了森林植被净初级生产力对历史气候变化的敏感性响应[23]。Chen等基于植被固碳能力建立了碳足迹压力指数,对全球范围内的60个样本国家在2000—2015年间的碳足迹压力进行了分析,并探明了影响各国碳足迹压力的驱动力因素[24]。这些研究从不同角度,基于当前权威统计调查数据或成熟的理论模型对植被固碳能力现状进行综合全面的评估,为不同生态系统类型的固碳能力研究提供了重要参考和借鉴。然而,以上大多数研究重心通常聚焦在当前现状的植被固碳能力的强弱,而对于当下植被固碳能力提升潜力大小的研究相对较少,实际上,植被固碳能力的提升潜力同样是区域综合固碳能力评估的重要组成部分,该指标决定了区域固碳量容积的大小以及饱和程度,可为实现“碳中和”提供定量化的参考依据。此外,我国于2016年规划的生态功能区作为国家的生态安全屏障,承担着水源涵养、水土保持、防风固沙和生物多样性维护等重要生态功能,而植被固碳作为生物圈碳循环的重要一环,不仅能够影响生态功能区的气候条件[25—26],而且也能在一定程度上反映植被的功能性状,但这一因素却并未作为生态功能区的划定依据考虑进来。综上,本文围绕植被的固碳能力提升潜力进行了相关研究,并将得出的结果与我国的重点生态功能区进行叠加分析,以期能为今后生态功能区划分的政策制定起到一定启示作用。

本文通过NPP水平来表征植被固碳能力的强弱,分别从植被自身角度以及气候变化的角度出发,基于1982—2017年的全球陆表特征参量-植被净初级生产力(GLASS NPP)数据产品和目前较为成熟且应用最为广泛的Miami模型构建全国NPP最优值以及全国NPP潜在值,通过与2017年全国NPP年际累积值进行差值计算构建得到两套全国范围的植被固碳能力提升潜力空间分布结果,并对得到的结果进行了空间特征分析以及差异性比较,最后将两套植被固碳能力提升潜力结果与我国重点生态功能区进行叠加分析,探究两者在空间分布上的相关关系。

1 数据和方法

1.1 数据源及预处理

本文中NPP数据时间跨度为1982—2017年,采用当前较为前沿的GLASS系列地表植被参数产品,空间分辨率为5km。该套数据集目前总共包含三套数据,分别是基于MODIS数据构建的空间分辨率为500m(时间跨度2000—2018年)和空间分辨率为0.05°(时间跨度2000—2018年)的全球NPP产品,以及基于甚高分辨率辐射计(AVHRR)数据构建的空间分辨率为5km(时间跨度1982—2018年)的全球NPP产品,时间分辨率均为8天合成(每套数据也提供了年际合成数据)。产品模型在计算过程中充分考虑了大气辐射传输影响以及地表蒸散发作用,数据受环境误差的影响较小,同时,在时间连续性以及空间连续性方面GLASS NPP产品较其他产品也有明显优势[27—29]。数据集原始数据为HDF格式,通过程序批量处理将1982—2017年间所有数据转换为TIF格式,统一裁剪拼接后转换在WGS 1984坐标系下。

地表温度数据以及降水数据采用TerraClimate数据产品,该数据集提供了1958—2018年全球范围内的陆地表面月气候以及降水数据,空间分辨率为1/24°(约4km)。TerraClimate使用气候辅助插值,结合来自WorldClim数据集的高空间分辨率气候正态线,以及来自其他来源的粗分辨率时变数据(即月数据),生成包含降水量、最高和最低温度、风速、水汽压和太阳辐射值的月尺度数据集。通过与地面站点数据对比验证,该数据集产品精度较高,相较于其他粗分辨率的格网数据,TerraClimate气候数据集在总体平均绝对误差和空间真实感方面有显著改善[30]。TerraClimate数据集提供TIF格式数据,通过程序将2017年度的地表温度以及降水数据统一裁剪拼接后转换在WGS 1984坐标系下,并通过均值法得到2017年的年均地表温度数据以及降水数据。

基于国家层面划定的重点生态功能区是指生态系统十分重要,关系全国或较大范围区域的生态安全,目前生态系统有所退化,需要在国土空间开发中限制进行大规模高强度工业化城镇化开发,以保持并提高生态产品供给能力的区域[31—32]。我国划定的全国重点生态功能区包括大小兴安岭森林生态功能区等25个地区,占全国陆地国土面积的51.9%,分为水源涵养、水土保持、防风固沙、生物多样性维护四种生态功能类型。

本文土地覆盖分类数据采用由“中国科学院地理科学与资源研究所”构建的2018年全国30m分辨率土地覆盖分类产品,该产品以Landsat-TM/ETM遥感影像数据作为基础解译数据,通过人机交互目视判读的方式构建。通过与实地采样数据进行对比,平均遥感解译精度达到88.95%。本文中土地覆盖分类数据主要用于对城镇地表进行掩膜。

本文所涉及到的基本数据信息如表1所示。

表1 数据源基本信息

1.2 研究方法

1.2.1 固碳能力提升潜力计算

本文主要采用两种方法对全国固碳能力提升潜力进行预测计算,并将预测结果进行对比。

(1)基于遥感观测为最大潜力值的方法得到全国固碳能力提升潜力

如前文所述,植被净初级生产力与地表固碳能力关系紧密,是植被固碳水平最直观的体现。本文以1982—2017年的GLASS NPP数据产品作为基础数据,通过最大值合成法将36年间对应的每一期NPP数据进行最大值合成,再将合成后的数据集进行累加计算,得到的结果作为在过去36年在气候条件和人类活动条件限制下所能达到的NPP最优值空间分布结果,将该结果与2017年NPP年际累加值结果进行差值计算,所得结果表示的即为当前全国NPP提升空间的大小,以此进一步表征全国当前的植被固碳能力提升潜力。

具体计算方式如下：

PCSNPP=NPPmax-NPP2017

(1)

式中,NPPmax表示36年来全国每期NPP最大值合成累加结果,即NPP最优值；NPP2017表示2017年度NPP累积值;PCSNPP表示基于遥感观测的植被净初级生产力计算得到的植被固碳能力提升潜力,即植被净初级生产力提升空间。

(2)基于气候模型模拟为最大潜力值的方法得到全国固碳能力提升潜力

Miami模型是当前国际上发展比较成熟且应用最为广泛的气候生产潜力模型之一,该模型是 Lieth 根据世界各地植物生长状况及其生物量与年平均温度、年降水量之间的关系,基于最小二乘法建立模型计算得到的[33—35]。Miami模型能够反应自然状态下水热单因子对潜在植被生产潜力的影响,从植物自身的生理生态角度出发,具有数据获取便捷,参数简单,实用性强等特点。Miami模型估算潜在NPP及植被固碳能力提升潜力的计算方法如下：

(2)

PCSmiami=PNPP-NPP2017

(3)

式中,PNPP表示NPP潜在值,t表示年均温度(℃),r表示年均降水量(mm),PCSmiami表示基于Miami模型计算得到的植被固碳能力提升潜力。

1.2.2 固碳潜力空间特征分析方法

本文基于Getis-Ord Gi*热点分析模型以及Moran′ s I空间自相关分析模型,分别对上文两种方法所得到的全国固碳能力提升潜力的空间分布特征进行分析。

Getis-Ord Gi*模型可对研究要素的热点和冷点区域进行空间划分。该模型通过计算具有明显空间统计学意义的Z得分以及显著性水平P值,来表征统计特征量的高值区域或低值区域在空间上发生聚类的位置[36]。其工作原理为：查看邻近要素环境中的每一个要素,当要素自身具有高值,且被其他同样具有高值的要素所包围时,该要素及其相邻要素的局部总和将与所有要素的总和进行比较,当局部总和与所有要素的总和有很大差异,以至于无法成为随机产生的结果时,会产生一个具有显著统计学意义的Z得分,并划分出差异产生的范围,即热点(冷点)。

Moran′ s I空间自相关模型表征的含义是各要素在空间上的聚集或者离散是否会影响到自身的某种属性,是对来源于不同对象的同一个属性在空间上的分析。全局空间自相关要同时根据要素位置和要素值来度量空间自相关程度,在给定一组要素及相关属性的情况下,评估研究要素所表达的模式是聚类模式、离散模式还是随机模式,通过计算Moran′ s I指数值来表征聚类或离散程度,并进一步计算Z得分和P值来对该指数的显著性进行评估[37—38]。 进行全局空间自相关分析共得到五个返回参数,五个参数表征的意义为：

Moran′ s I指数：表征要素的空间分布属性,如果Moran′sI指数值为正则表示要素呈聚类趋势,值越高则要素之间正相关程度越大(高值与高值发生聚类,低值与低值发生聚类)；如果Moran′ s I指数值为负则表示要素呈离散趋势,值越小则要素之间负相关程度越大(值越高越倾向与低值发生聚类,反之亦然)；如果Moran′ s I指数值为0则表示要素的空间分布呈随机性,无聚类或离散特征。空间自相关的 Moran′ s I 统计可表示为：

(4)

式中,zi是要素i的属性与其平均值(xi-X)的偏差,ωi,j是要素i和j之间的空间权重,n等于要素总数,S0是所用空间权重的聚合：

(5)

预期指数：作为预期值,用于和Moran′sI指数对比。

(6)

式中,E(I)表示期望指数,n表示所有数值的个数。

方差：用于评价Z得分及P值。

(7)

Z得分：表示标准差的倍数,Z得分越高,则要素发生集聚或离散的程度越大。统计的Z得分按以下形式计算：

(8)

式中,E[I]=-1/(n-1),V[I]=E[I2]-E[I]2。

P值：表示所观测到的空间模式是由某一随机过程创建而成的概率,是根据已知分布的曲线得出的面积近似值(受检验统计量限制)。P值越小,则生成数据的随机性越小,研究对象越具有研究价值。

1.2.3 固碳潜力与重点生态功能区空间关系分析方法

基于Getis-Ord Gi*模型分别得出两种固碳能力提升潜力的热点(冷点)空间分布结果后,以95%置信区间作为判定标准,分别提取出两种方法计算获得的全国固碳能力提升潜力的热点区域与冷点区域,并与我国重点生态功能区进行空间叠加分析,统计与重点生态功能区相重合的热点、冷点区域面积以及占比情况,以此分析我国固碳能力提升潜力与全国重点生态功能区划的空间分布关系。

2 结果

2.1 全国植被固碳能力提升潜力空间分布

通过1.2.1章节所述两种方法,分别计算出的2017年全国植被固碳能力提升潜力的空间分布结果,如图1、图2所示。图1为基于遥感观测为最大潜力值计算出的全国植被固碳能力提升潜力(PCSNPP),从图1中可以看出,植被固碳能力提升潜力整体上东南地区普遍高于西北地区。高值区主要分布在四川省、贵州省、海南省、重庆市以及西藏自治区东部和内蒙古自治区的东北部；低值区主要分布在青海省、甘肃省、西藏自治区中西部、内蒙古自治区西部以及新疆自治区的中部和南部；由于本研究对城区进行了掩膜处理,因此在部分城市化程度较高的省份(直辖市)会有部分为空值,空值面积较大的区域主要分布在山东省、河北省、河南省、江苏省以及北京市和天津市。基于气候模型模拟为最大潜力值得出的全国植被固碳能力提升潜力(PCSmiami)如图2所示,其整体分布趋势可分为高值、中值、低值三个区间段,且各区间段分化较为显著。高值区主要分布在南方的十三个省份(海南省、广东省、广西省、云南省、贵州省、湖南省、江西省、福建省、浙江省、安徽省、湖北省、重庆市、四川省东部)且空间分布趋势高度集中；中值区主要分布在东北地区的黑龙江省、吉林省、辽宁省以及中东部的陕西省、山西省、湖南省和山东省；低值区主要分布在西北地区的西藏自治区、新疆自治区、内蒙古自治区、青海省、甘肃省、以及四川省西部；空值区与前种方法一致。

图1 基于遥感观测为最大潜力值的2017年全国植被固碳能力提升潜力

图2 基于气候模型模拟为最大潜力值的2017年全国植被固碳能力提升潜力

2.2 全国固碳能力提升潜力空间集散特征及热点分析

分别对两种方法所得到的全国植被固碳能力提升潜力结果在全国市级行政区划层面进行空间自相关分析,以探究植被固碳能力提升潜力在空间关系上的聚合和离散特征。从分析结果来看(表2),各项结果的解释如下：两种方法中数据的随机程度检测结果均小于0.01,相应的P值均为0,表示各要素数据是随机生成的概率极小,通过了随机性检验,数据集具有研究意义；Z得分分别为23.039和28.034,远大于聚合特征判别值1.65,因此全国植被固碳能力提升潜力在空间分布上呈现出高度聚合的特征；Moran′sI指数分别为0.773与0.945,说明全国范围内各市级行政区之间具有明显的空间正相关性,即全国植被固碳能力提升潜力整体呈现“高高聚集”或“低低聚集”。

表2 全局自相关分析结果

通过以上全局空间自相关分析可以看出,在空间分布特征方面,基于两种方法得出的我国植被固碳能力提升潜力在市级行政区划层面均存在高度的空间自相关现象,且整体表现为空间集聚模式,为了进一步探究这类集聚特征所发生的位置,以及我国固碳能力提升潜力空间分布的热点与冷点区域,对以上结果进行Getis-Ord Gi*热点分析。

基于两种方法得到的全国植被固碳能力提升潜力热点分析结果分别如图3、4所示。从结果可以看出,两种方法计算得出的固碳能力提升潜力的热点(冷点)区域分布差异较为明显。以大于95%置信区间作为评判标准,基于PCSNPP得到的植被固碳能力提升潜力热点区域主要分布在四川省的成都市、眉山市、乐山市及其周边的16个市区；江苏省的泰州市、常州市以及浙江省的湖州市及其周边的14个市区；广东省广州市、中山市及其周边的6个市区。冷点区域所占面积较大,主要分布在新疆自治区的阿克苏地区、和田地区、哈密地区；西藏自治区的阿里地区、那曲地区；内蒙古自治区的阿拉善盟、包头市、鄂尔多斯市及其周边；青海省的海西蒙古族藏族自治州以及甘肃省境的酒泉市、张掖市、武威市及其周边地区。基于PCSmiami得到的植被固碳能力提升潜力热点区域主要分布在江西省的宜春市、抚州市、吉安市；广东省的清远市、佛山市、江门市；广西省的贵港市、桂林市。冷点区分布面积较大,几乎涵盖了我国东北、西北以及中西部的全部地区。

图3 基于遥感观测为最大潜力值的固碳能力提升潜力热点(冷点)分布图

图4 基于气候模型模拟为最大潜力值的固碳能力提升潜力热点(冷点)分布图

2.3 固碳能力提升潜力热点区与重点生态功能区空间关系分析

两种方法计算得出的植被固碳能力提升潜力热点区域空间分布与我国重点生态功能区的空间分布关系分别如图5、图6所示。从图中可以看出,基于PCSNPP的固碳能力提升潜力热点区与重点生态功能区重叠面积较大的区域主要分布在重庆市东部；四川省北部的阿坝藏族羌族自治州、绵阳市、雅安市以及中部的凉山彝族自治州、乐山市；云南省的丽江市、迪庆藏族自治州以及怒江傈僳族自治州。与PCSNPP方法热点区相交的生态功能区主要属于川滇森林及生物多样性生态功能区、若尔盖草原湿地生态功能区、甘南黄河重要水源补给生态功能区以及秦巴生物多样性生态功能区,这些功能区所对应的主要生态功能为生物多样性维护和水源涵养。基于PCSmiami的固碳能力提升潜力热点区与生态功能区发生重叠的区域较上种方法空间位置变化较大,且空间分布较为零散,最大的两个重叠区域主要分布在以广东、湖南、江西三省交界处为中心的韶关市、郴州市、赣州市及其周边市区,以及广西壮族自治区的北部和湖南省南部的五个市区(邵阳市、娄底市、怀化市、柳州市、河池市)及其周边。与PCSmiami方法热点区相交的生态功能区主要属于秦巴生物多样性生态功能区、武陵山区生物多样性与水土保持生态功能区、南岭山地森林及生物多样性生态功能区、桂黔滇喀斯特石漠化防治生态功能区以及海南岛中部山区热带雨林生态功能区,以上功能区的主要生态功能为生物多样性维护、水源涵养以及水土保持。

图5 基于遥感观测为最大潜力值的固碳能力提升潜力与重点生态功能区空间分布

图6 基于气候模型模拟为最大潜力值的固碳能力提升潜力与重点生态功能区空间分布

统计计算两种方法得出的热点区域与重点生态功能区的重叠面积。基于PCSNPP的固碳能力提升潜力热点区域与重点生态功能区相交的面积为2.63×105km2,占热点区域总面积的40.69%,占重点生态功能区总面积的5.34%。基于PCSmiami的固碳能力提升潜力热点区域与重点生态功能区相交的面积为3.32×105km2,占热点区域总面积的29.56%,占重点生态功能区总面积的6.74%。

通过逐像元累加计算得出,2017年全国基于PCSNPP计算得出的植被固碳能力提升潜力总和约为7.42×102tC, 其中重点生态功能区内的植被固碳能力提升潜力总和约为3.55×102tC,占比约为全国的47.8%。2017年全国基于PCSmiami计算得出的植被固碳能力提升潜力总和约为3.66×103tC,重点生态功能区内的植被固碳能力提升潜力总和约为1.48×103tC,占比约为全国的40.4%。基于不同计算方式得到的植被固碳能力提升潜力全国占比情况如表3所示。

表3 基于不同计算方式的植被固碳能力提升潜力全国占比

3 讨论

3.1 全国固碳能力提升潜力空间分布特征分析

基于两种不同算法得到的全国植被固碳能力提升潜力结果在空间分布上表现出明显差异。通过PCSNPP得到的固碳能力提升潜力高值区主要分布在我国中部、南部以及新疆的阿尔泰地区、天山地区；低值区则主要集中在西北地区,这样的空间分布特征与我国的植被指数(NDVI)空间分布特征相一致[39],这是由于基于PCSNPP的固碳能力提升潜力是以1982—2017年间NPP年际最优累积值作为理想值,通过与2017年NPP实际累积值做差值来表征地表固碳能力的提升空间,因此植被的空间分布情况直接影响到最终计算的固碳能力提升潜力水平。我国植被分布水平较高的东北地区、东南地区、西南地区由于植被群落长势稳定,植被空间分布情况年间变化幅度较小[40—41],因此不同年份间NPP的年际变化幅度较小,导致相应的固碳能力提升潜力较中部和南部地区相对低一些。西北地区由于自然条件恶劣,包含塔克拉玛干、库姆塔格、罗布泊等大面积沙漠或戈壁滩,以及昆仑山脉、天山山脉等海拔常年居于雪线之上的高山积雪地区,植被分布稀疏[42],NPP水平常年处于较低水平,变化不明显,因此固碳能力提升潜力较小。对比36年来的年最大合成NPP结果发现,历年间NPP变化幅度最大的区域主要集中在四川省、云南省、江苏省、台湾省以及西藏自治区东部和内蒙古自治区北部,同时以上地区植被分布水平也较高,因此有较高水平的固碳能力提升潜力。

通过PCSmiami得到的固碳能力提升潜力空间分布结果高值区与低值区南北分化十分明显。从植被指数空间分布结果来看[39],我国东北地区以及中东部地区植被分布水平较高,与南方各地区基本持平,但由于以上地区植被在春秋季节枯落的原因,在计算得出年际NPP累积值后东北及中东部地区要低于南方地区,但仍高于西北地区[43]。基于Miami模型计算得出的NPP潜在值综合考虑了温度及降水情况,通过选取气温生产潜力与降水生产潜力的最小值估算出的NPP潜在值结果后发现,其分布趋势与2017年NPP年际累积值基本一致,即南方地区NPP潜在值普遍较高,东北、中东部地区次之,西北地区最低,这样的研究结果也与李威等关于我国森林公园碳储量/固碳速率的空间分布结果一致[44],因此将Miami模型计算得出的2017年NPP潜在值结果与2017年NPP年际累积值做差后得出的固碳能力提升潜力结果分成三个区间段,高值区主要集中在南方地区,东北和中南地区固碳能力提升潜力居中,西北地区最低。

3.2 两种固碳能力提升潜力结果差异性分析

对比分析基于两种不同方法计算得出的固碳能力提升潜力热(冷)点空间分布图发现,两者的冷热点空间分布特征差异较大。相较于基于PCSNPP得出的固碳能力提升潜力冷热点空间分布特征,基于PCSmiami得出的冷点与热点区域面积均大于基于PCSNPP得出的结果。就冷点区域而言,两者的差异主要体现在东北地区、青海和四川的交界地区以及内蒙古自治区北部和新疆地区北部,基于PCSmiami的固碳能力提升潜力冷点区域范围更大也更为分散,几乎涵盖了我国西北及东北的全部区域；对于热点区域而言,两者的差异主要体现在中部地区和南部地区,基于PCSNPP的固碳能力提升潜力热点主要集中分布在三个区域：四川省中东部及其周边、广东省中部、江苏省中部和南部及其周边；基于PCSmiami的固碳能力提升潜力热点区域则集中分布在以湖南省、江西省、广东省为核心的南方地区,空间聚集度较高。

两种计算方法产生这种空间分布差异的原因可能是两者的出发角度不同,如前文所述,基于PCSNPP得出的固碳能力提升潜力受植被水平及其空间分布特征的影响较大,同时植被的季节性变化也会对这种方法计算得出的固碳能力提升潜力结果产生影响,对于东北地区以及内蒙古自治区北部和新疆北部等地区,虽然植被水平较高,但由于植被季节性变化的影响,使得计算出的PCSNPP介于南方地区和西北地区之间,因此导致以上地区无法成为固碳能力提升潜力的冷点或热点区域。而基于Miami模型计算的PCSmiami,只考虑温度和降水的影响,依据Miami模型的计算原理,温度越高、降水量越大,则PCSmiami越大[45],相较于南方各地区,北方地区的温度及降水量均较低,因此在北方的大部分地区形成了固碳能力提升潜力的冷点区域,而在降雨量充足、年均温较高的南方地区形成热点区域。

基于Miami模型计算的PCSmiami固碳能力提升潜力方法较为简单,只考虑了气候条件的影响,没有考虑人类活动的影响；而基于遥感观测手段计算的PCSNPP固碳能力提升潜力方法充分发挥了遥感数据的优势,空间上更为细致。然而,目前两者得出的理论结果还是存在一定差异,气候模型得到的NPP值远大于遥感观测结合植被模型所得到的值,导致所得到的空间格局存在较大差异。需要在未来的研究中将进一步将两种方法进行同化融合,以期能够更加细致的预测未来区域固碳能力提升潜力的发展趋势。

3.3 固碳能力提升潜力与生态功能区空间关系分析

从固碳能力提升潜力热点区与重点生态功能区的空间叠加结果中可以看出,两种固碳能力提升潜力的热点区与重点生态功能区的叠加面积占生态功能区总面积的比重并不大,这是由于我国生态功能区的划定不仅仅只考虑自然环境因素,而是通过全面考虑生态服务功能强度、生态保护空间结构、人口密度及增长比例等多方面因素包含诸多生态系统类型的综合结果[46],因此划定的重点生态功能区既包括如大/小兴安岭森林、长白山森林、若尔盖草原等植被长势旺盛、气候降水适宜的生态条件优异地区,也包含黄土高原丘陵沟壑、塔克拉玛干沙漠、罗布泊等植被覆盖稀疏、常年干旱少雨的生态条件恶劣地区。不同生态功能区的职责功能不尽相同,如大/小兴安岭森林、长白山森林等生态功能区的主要职责是地区水源涵养[46],黄土高原丘陵沟壑生态功能区的主要职责是水土保持,塔克拉玛干、库姆塔格生态功能区的主要职责是防风固沙[31],因此在部分固碳能力提升潜力较低的地区(冷点区),由于在其他功能价值方面比较突出,因此被划定为重点生态功能区,而部分地区虽然固碳能力提升潜力较高(热点区),但在综合比较后在其他功能价值方面或许较低,因此没有被划定在重点生态功能区范围内。这就导致了两种固碳能力提升潜力的热点区与生态功能区的叠加面积所占热点区整体比重较小。

本文在研究过程中同样存在以下不足,即没有考虑未来气候变化和人类活动对植被固碳能力的影响,在接下来的研究中将会围绕这一问题进一步讨论。

3.4 固碳能力提升潜力空间分布格局对区域碳中和的意义

当前实现“碳中和”的主要手段包括两种形式,一是碳封存,主要由土壤、植被和海洋等天然碳汇吸收储存空气中的二氧化碳；二是碳抵消,通过投资开发可再生能源和低碳清洁技术,减少一个行业的二氧化碳排放量来抵消另一个行业的排放量。因此在陆地生态系统中植被的固碳能力提升潜力是限制区域碳汇强度的重要因素之一,对区域“碳中和”的饱和程度和工作重心具有一定的指示作用。例如,从空间分布结果来看,两种计算方法得到的植被固碳能力提升潜力均显示我国西北地区的植被固碳能力提升潜力水平较低,说明区域内植被的固碳能力已接近当下的饱和值,很难再通过植被碳封存的形式实现“碳中和”,因此在西北地区是否应考虑将“碳中和”的工作重点放在碳抵消的形式上；以湖北、湖南、江西为核心的南方地区植被固碳能力提升潜力水平较高,表明区域内的植被固碳能力还有很大的挖掘空间,因此针对在这些区域进行“碳中和”的工作时,工作重心是否应考虑充分结合碳封存和碳抵消两种形式。此外,基于像元尺度的植被固碳能力提升潜力空间分布格局更加精细化的表征了不同地理区间植被的固碳潜力,也可根据实际需要聚合到省、市、县级不同尺度,更加精确化的服务于不同区域“碳中和”目标的实现。

4 结论

针对本文做出的研究,主要得出以下结论：

(1)两种方法得到的全国固碳能力提升潜力空间分布整体趋势基本一致,均表现为南高北低,且空间分布特征均表现出高度空间自相关特性(空间正相关性),但局部差异较大。

(2)基于PCSNPP的全国固碳能力提升潜力热点区域主要分布在四川省、江苏省、浙江省以及广东省境内及其周边的部分地区。基于PCSmiami得到的固碳能力提升潜力热点区域主要分布以江西省、广东省、广西省为核心的南方八个省份。

(3)两种固碳能力提升潜力的热点区与生态功能区的重叠面积较小,当前我国生态保护区的划定依据主要从水源涵养、生物多样性保护、防风固沙、洪水调蓄、土壤保持五个方面出发,但是,作为当前应对全球气候变暖问题主要方式的植被固碳能力及其固碳能力提升潜力并未考虑到其中,而从固碳潜力的数值来看,全国重点生态功能区总面积约占全国陆地总面积的 51.9%,根据本文两种固碳潜力计算方法,区域内固碳提升潜力分别占全国固碳能力提升潜力总和的47.8%和40.4%,因此建议有关部门在今后的政策制定过程中将这一方面也加以考虑。总的来说,本文可为全国植被固碳潜力的相关研究起到一定促进作用。