江西省植被碳汇估算及其对气候变化的响应

苏海报，陈兴鹃，吴燕良，夏玲君*，戴芳筠，李柏贞

（1.江西省上饶市气象局，江西 上饶 334000；2.江西省生态气象中心，江西 南昌 330096；3.江西省宜春市气象局，江西 宜春 336000）

IPCC第六次评估报告指出，大气CO2浓度的持续升高导致了全球平均气温不断上升，并继而引发了一系列的生态环境问题，严重影响了人类的生存和发展［1-4］。陆地生态系统碳循环是全球碳循环的重要组成部分，其通过植被的光合作用将大气中的CO2固定为有机化合物，是人类生产、生活中最基本的能量来源，且最容易受到气候变化和人类活动的影响［2,5］。当生态系统固定碳的量大于排放碳的量时该系统就成为大气CO2的汇，简称碳汇，相反则称为碳源［6-7］。净初级生产力(Net Primary Productivity，NPP)是指植物光合作用固定的有机物，是减去自身呼吸活动消耗以及用于繁殖、发育、生长所需的净增量［8］，净生态系统生产力(Net Ecosystem Productivity，NEP)是指净初级生产力(NPP)与土壤微生物呼吸(Heterotrophic Respiration，RH)之差，两者反映了区域植被的固碳水平［9］，其中NEP是表征一个生态系统碳收支水平的重要指标，广泛用于碳循环的研究，其代表了生态系统和大气系统之间的碳交换过程，表明较大空间尺度上碳的净贮存，当NEP大于0，表明该区域生态系统为碳汇，即该区域植被固定的碳多于土壤排放的碳，反之则为碳源［8-10］。

气候变化对陆地植被生态系统的影响是国内外研究的焦点之一。随着卫星遥感技术应用水平的不断提高，采用地面气象观测资料与遥感手段相结合的方法在监测评价区域植被得到了广泛的应用［11-12］；王芳等［13］利用遥感数据及站点数据研究发现，安徽省的植被NPP受降水因素影响较大；庞瑞等［14］应用生态系统模型估算了1954—2010年西南高山地区NEP的时空变化，并分析了其与气候因子的关系，结果表明NEP的年际变化与年平均温度呈负相关，与年降水量呈正相关；巩杰等［15］结合MODIS与气象数据对2000—2013年白龙江流域的NEP时空变化及其影响因子进行了研究，结果表明地形和植被类型对NEP有明显的影响。

江西省是我国生态文明试验区之一［16-17］，森林覆盖率位列全国第二(仅次于福建)，生态资源优越，是我国亚热带地区近代植物区系的起源中心之一［18］。本研究以江西省植被生态系统为研究对象，基于卫星遥感资料和地面气象观测资料，对2000—2022年江西省NEP进行估算，定量分析江西省碳汇的时空分布情况和江西省碳汇对气候变化的响应情况，以期为维护江西地区生态系统的健康与稳定以及实现地区“双碳”目标提供科学指导意见。

1 材料与方法

1.1 研究区概况

江西省位于长江中下游交接处的南岸(24°29′～30°04′N、113°34′～118°28′E)，东邻浙江、福建，南连广东，西接湖南，北毗湖北、安徽，境内东、西、南三面群山环绕，内侧丘陵广亘，中北部平原坦荡，整个地势由外及里，自南而北，渐次向鄱阳湖倾斜，构成一个向北开口的巨大盆地。江西省地处亚热带季风气候区，四季变化分明，是我国多雨的省区之一，但是降水的时空差异大，易发生洪涝灾害与干旱，境内生态资源丰富，生态系统主要有森林、农业、草地、湿地等，森林覆盖率达63.1%［19］。

1.2 数据来源

本文使用的数据资料主要来源于2000—2022年的遥感资料和国家站地面气象观测资料。遥感资料为基于MODIS数据的月合成全球归一化植被指数(NDVI)产品，空间分辨率为1 km×1 km，时间分辨率为1个月；地面气象观测资料为江西省83个国家气象站的平均气温、降水量等逐日气象观测数据。

1.3 研究方法

生态系统碳汇储量包含了植物之间生物量、凋落物生物量及土壤有机质呼吸量［20］。净生态系统生产力表示陆地和大气生态系统的碳交换率［21-22］，是区域碳平衡估算的重要指标，常作为评估碳汇大小的度量［20-23］，计算公式为：

式（1）中，NEP表示净生态系统生产力，NPP表示净初级生产力，RH表示土壤微生物呼吸。

1.3.1 净生态系统生产力的估算方法 利用太阳光合有效辐射、植被有效光合辐射吸收比例、实际光能利用率等数据，根据光能利用率理论，通过陆地生态系统碳通量TEC模型计算NPP［24-25］，计算公式为：

式（2）～式（3）中，GPP、Ra分别表示植被总初级生产力和自养生物本身呼吸所消耗的同化产物，单位为g C/m2，ε为实际光能利用率，FPAP为植被吸收光合有效辐射的比例，PAR为入射光合有效辐射，单位为MJ/m2。

1.3.2 土壤微生物呼吸的估算方法 土壤微生物呼吸是估测区域尺度上NEP的重要参数，其数值结果直接影响NEP的估算结果［26］，本文采用研究成果［27-28］估算江西省RH的分布状况，计算公式为：

式（4）中，T为气温(℃)，R为降水量(mm)。

1.4 数据分析方法

本文采用距平分析法和趋势分析法［17,29］对江西省NPP、RH和NEP的时空变化特征进行分析；采用相关分析法和线性拟合法［29-31］分析降水、气温等气候因子与NEP的相关性以及各要素的变化趋势。研究区域的各要素空间分布采用ArcGIS 10.7软件进行空间插值处理。

2 结果与分析

2.1 江西省NPP和RH的时空特征

2.1.1NPP和RH的时间特征 由图1可知，2000—2022年1—12月江西省植被净初级生产力的月平均值具有明显的规律性变化，呈现出先增加后减少的变化趋势，土壤微生物呼吸的变化趋势较为类似；NPP和RH的月平均值分别为74.6、32.1 g C/m2，NPP和RH的最小值为分别为23.1 g C/m2(1月)、14.8 g C/m2(12月)，而最大值均在7月，分别为119.0、57.0 g C/m2；1—3、10—12月的NPP低于月平均值，4—9月的NPP大于月平均值，与已有研究结果［2］一致；1—4、10—12月的RH低于月平均值，5—9月的RH大于月平均值。

图1 2000—2022年江西省净初级生产力(a)和土壤微生物呼吸(b)的月度变化

由图2可知，2000—2022年江西省NPP和RH的年平均值均呈现出波动增加的变化趋势，两者的增速分别20.2、6.9 g C/(m2·10 a)，其中NPP的增加趋势大于RH；NPP和RH的年平均值分别为923.5、384.7 g C/m2，两者的最小值分别为800.8 g C/m2(2022年)、369.0 g C/m2(2011年)，最大值均在2018年，分别为1012.4、397.6 g C/m2。因受到极端气候事件的影响，2003、2019和2022年江西省的NPP较其余年份显著偏低，偏离平均值较大，但RH基本无明显变化。

图2 2000—2022年江西省净初级生产力(a)和土壤微生物呼吸(b)的年度变化

2.1.2NPP和RH的空间特征 图3为2000—2022年江西省NPP和RH的年平均值的空间分布情况。由图3可知，江西省NPP和RH的空间分布差异均比较明显，城区和鄱阳湖附近的NPP值偏低，省境边陲附近的较高，其余区域居中。城区附近的植被偏少，因而NPP值较低；鄱阳湖附近主要为滨湖湿地植物群落，由于植被的季节性较强，从而导致NPP值偏低；省境边陲附近多为高山，比如东北部的怀玉山，东部的武夷山，南部的大庾岭和九连山，西部的罗霄山脉，西北部的幕阜山和九岭山等，山脉的植被覆盖率高，植被生长迅速，NPP值较高，NPP年平均值基本在1000 g C/m2以上；其余区域大多为丘陵、河谷和盆地，NPP值基本居中。江西省RH的大值区主要位于江西省的南部，部分在东北部，这是由于该区域的降水、温度相对较大，从而导致RH偏大。综上，NPP和RH的大值区的范围基本吻合，主要位于江西省的南部，该地区的温湿度环境不仅有利于土壤微生物呼吸，也有利于植被进行光合作用。

图3 2000—2022年江西省净初级生产力(a)和土壤微生物呼吸(b)的空间分布

2.2 江西省植被碳汇的时空特征

2.2.1 植被碳汇变化特征 由图4a可知，2000—2022年1—12月江西省NEP的月平均值均大于0，且呈现出先增加后减少的变化趋势，这与NPP的变化趋势相似，但最大值的出现时间不一致，潘竟虎等［2］的研究表明植被碳汇的月平均值变化情况与NPP的变化趋势也不一致，且最大值在5—7月均有可能出现；2000—2022年江西省植被碳汇的月平均值为42.5 g C/m2，最小值为8.2 g C/m2(1月)，距平-34.3 g C/m2，最大值为69.7 g C/m2(5月)，距平27.2 g C/m2；1—3、11—12月的NEP低于平均值，4—10月的NEP大于平均值。江西省在4—10月的水热耦合作用达到了最佳组合，植被固碳的能力最强，碳汇处于高值区；11月的气温下降、降水减少，且绝大多数农作物已收割，此时的土壤微生物呼吸虽然下降，但NPP下降情况也较为明显，导致碳汇同步下降，低于平均值；12月—次年2月(冬季)气温处于一年中的最低值区，植被枯萎较多，固碳能力最低，碳汇处于最低值区；3月后气温逐步回升、降水量有所增加，植被开始萌芽，植被的固碳能力开始增强，碳汇开始增加，但是依旧低于平均值。2000—2022年江西省植被碳汇年平均值基本呈现波动增加的变化趋势(图4b)，增速为13.4 g C/(m2·10 a)，年平均值为538.8 g C/m2，最小值为411.2 g C/m2(2022年)，距平-127.6 g C/m2，最大值为614.8 g C/m2(2018年)，距平76.0 g C/m2，NEP的总体变化趋势与NPP的变化趋势基本一致。

图4 2000—2022年江西省净生态系统生产力的月度变化(a)和年度变化(b)

2.2.2 植被碳汇空间分布特征 由图5可知，2000—2022年江西省碳汇的时空分布差异较为明显，江西省东、西、南三面省境边陲附近植被碳汇普遍较高，该区域植被碳汇的年际变化也最小，最为稳定，这是因为此区域多为高大的山脉，植被覆盖率高，植被生长迅速；鄱阳湖和城区附近的植被碳汇普遍偏低，部分区域表现为碳源，这是因为湖区附近主要为滨湖湿地植物群落，植被的季节性较强，城区附近则是因为植被较少以及城市化进程的不断推进，该区域植被碳汇的年际变化最大，最不稳定；其余区域植被碳汇的年际变化居中，相对稳定，这是因为该区域处于丘陵、河谷和盆地，植被覆盖率居中。巩杰等［15］研究表明地形和植被类型对NEP有明显影响，本文发现江西省植被碳汇分布情况和地形、植被密切相关，表明地形和植被是影响植被碳汇的重要因素。2000—2004年江西省植被碳汇平均值为529.1 g C/m2，2005—2009年为518.5 g C/m2，2010—2014年为544.4 g C/m2，2015—2019年为570.2 g C/m2，2020—2022年为527.1 g C/m2；2020 —2022年处于0～300 g C/m2区间的碳汇区域较往年有所增加，而300 g C/m2以上的碳汇区域则明显减少，这可能与2022年的持续性高温干旱有关，高温干旱不利于植被的生长发育，使得其光合能力也有所下降，从而导致2022年江西省的植被碳汇显著偏低。

由2000—2022年江西省各地市净生态系统生产力的月度变化情况(表1)可以发现，各地市的植被碳汇基本在6—8月升至高值，于1—2、12月降至低值，其中南昌市在1月表现为碳源；赣州市的NEP在1—3、7—8、11—12月均高于其他地市，景德镇市的NEP在4—6、9—10月均高于其他地市；综合各地市1—12月NEP合计值可知，赣州市的最高(616.7 g C/m2)，景德镇市的次之(588.4 g C/m2)，南昌市的最低(299.5 g C/m2)。

表1 2000—2022年江西省各地市净生态系统生产力的月度变化 g C/m2

2.2.3 基于阈值分类的植被碳汇特征NEP是区域上碳平衡估算的重要指标，常常作为碳汇大小的度量指标。本文在前人的研究［28,32］基础上，结合江西省的实际情况对NEP进行重新分类，具体标准为：碳源，NEP＜0 g C/m2；低碳汇区，0 g C/m2≤NEP＜300 g C/m2；中碳汇区，300 g C/m2≤NEP＜600 g C/m2；高碳汇区，NEP≥600 g C/m2。根据该分类标准得到基于阈值分类的江西省NEP空间分布图。由图6可知，江西省的碳汇空间分布特征和地形、植被密切相关，高碳汇区处于省境边陲附近，中、低碳汇区处于丘陵、河谷、湿地和盆地，碳源区相对较少，基本处于鄱阳湖和城区附近。

图6 江西省土地利用类型和NEP的空间分布

江西省南部的赣州市植被碳汇在各地市中最高(表1)，其高碳汇区也相对最多(图6b)。因此，本文以赣州市为例，分析其植被类型在江西省的占比情况。由表2可知，2000—2022年赣州市不同植被类型在江西省的占比中以常绿阔叶林(65.6%)为最高，常绿针叶林(62.1%)次之。

表2 赣州市不同植被类型的占比情况

2000—2022年江西省常绿针叶林、常绿阔叶林、落叶针叶林、落叶阔叶林、矮树灌丛、混交林、草地、农田的碳汇特征分别为567.3、598.4、251.9、560.9、570.4、604.9、507.3、432.6 g C/m2，其中混交林和常绿阔叶林的碳汇要明显高于其他植被类型。赣州市的常绿阔叶林在江西省的占比最高，这进一步佐证了赣州市碳汇高于江西省的其他地市。

2.3 植被碳汇对气候变化的响应情况

2000—2022年江西省高温日数（日最高气温≥35 ℃日数）［33］和重旱以上日数［34-37］基本呈现波动上升的趋势（图7），两者的上升速率分别为7.6、6.8 d/10 a。高温日数的年平均值为39.3 d，最小值为20.6 d（2015年），距平-18.7 d，最大值为61.4 d（2022年），距平22.1 d；重旱以上日数年平均值为43.5 d，最小值为6.8 d（2012年），距平-36.7 d，最大值为100.7 d（2019年），距平57.2 d；2003年的高温日数和重旱以上日数分别为49.8、87.6 d，分别居于2000年后的第三、第四高位。2003年夏季江西省出现了历史罕见的大范围高温干旱，于2019年出现了3季(夏、秋、冬)特大连旱，于2022年则出现了持续性的高温天气，综合强度前所未有，导致了罕见的气象干旱。2003、2019和2022年的碳汇排位分别为历史第二低位、第三低位和第一低位（图4b）。这说明异常的天气气候条件不利于植被的生长发育，造成植物的光合能力减弱，从而导致了碳汇的显著下降。

图7 2000—2022年江西省高温日数(a)和重旱以上日数(b)的变化

以5年作为一个时间段，对2000—2022江西省的气温、降水及植被碳汇的变化情况进行分析。由表3可知，2000—2004、2005—2009年江西省的气温和降水均低于历年平均值，植被碳汇也同样低于历年平均值，这说明“冷干型”气候背景不利于植被碳汇；2010—2014年江西省的气温低于历年平均值，降水量则高于历年平均值，植被碳汇略高于历年平均值，这说明“冷湿型”气候背景略微有利于植被碳汇；2020—2022年江西省的气温高于历年平均值，降水量低于历年平均值，植被碳汇低于历年平均值，这说明“暖干型”气候背景也不有利于植被碳汇；2015—2019年江西省的气温和降水量均高于历年平均值，植被碳汇也明显高于历年平均值，说明“暖湿型”气候背景最有利于植被碳汇。

表3 NEP对降水、气温变化的分时段响应情况

为进一步研究植被碳汇对气候变化的响应，对江西省2000—2022年的植被碳汇和气温、降水量分别进行相关分析、偏相关分析。结果显示：植被碳汇与气温、降水量均为极显著相关(P＜0.01)，相关系数分别为0.82、0.41，这可解释“暖湿型”的气候背景是江西省植被碳汇呈上升趋势的原因之一。植被碳汇和降水、气温的偏相关性系数分别为0.79、0.25，也均达到极显著相关(P＜0.01)，这说明江西省植被碳汇受降水量和气温的协同影响。植被碳汇和降水量的相关系数、偏相关系数均小于其与气温的，说明降水量对江西省植被碳汇的影响要小于气温产生的影响。

2.4 估算结果的可靠性分析

NPP的估算结果精度评价一直是NPP遥感估算的难题和最具争议的环节，其估算模型精度的评价一般与实测数据或其他模型估算的结果或遥感数据产品进行对比［2,38］。由于NPP的实测数据获取较为困难，且MODIS NPP产品已在全球碳循环研究中得到广泛应用［27］，故本文采用基于MODIS数据的月合成全球归一化植被指数(NDVI)产品。NEP的估算结果存在很大的不确定性，主要是由于NPP和RH估算的不确定性导致。NPP估算的不确定性可以通过提高数据精度、模型的参数调整以及实测值验证等方法进一步改善，而RH的估算是一个极其复杂的过程，本文使用数据是按照生长季节土壤呼吸量外推的方法来获取的年度数据，可能存在一定的误差［39］，从而使得NEP的估算结果存在一定的不确定性。刘春雨等［20,40］通过实测数据分别对NPP和RH进行了结果验证，间接证实了NEP估算结果的可靠性。基于此，将本文的NPP和RH估算结果与已有研究成果进行验证对比。由表4可知，本文估算的NPP和RH值在已有研究成果的范围之内，因此认为本文通过NPP和RH间接估算的NEP值具有一定的可靠性，可以作为江西省植被碳汇计算的基本数据。

表4 NPP、RH估算结果与已有研究成果的对比

3 结论

本文通过卫星遥感资料和地面气象观测资料对江西省NPP和植被碳汇的时空分布进行了研究，并分析了植被碳汇对气候变化的响应情况，得出如下结论：

（1）2000—2022年江西省1—12月的NPP和植被碳汇月度平均值具有明显的规律性变化，呈现出先增加后减少的变化趋势，只是受土壤呼吸作用影响，两者最大值出现时间不一致。NPP和RH年平均值均呈现出波动增加的趋势，两者的增速分别为20.2、6.9 g C/(m2·10 a)，其中NPP的增速大于RH，这也表明植被碳汇呈现出上升的趋势。植被碳汇的增速为13.4 g C/(m2·10 a)，最小值为411.2 g C/m2(2022年)，最大值为614.8 g C/m2(2018年)，植被碳汇的总体变化趋势与NPP大体一致。

（2）江西省的东、西、南三面山脉区域的植被碳汇较大，中部滨湖区域植被碳汇较小，植被碳汇的分布情况与地形、植被密切相关，这表明地形和植被是影响植被碳汇的重要因素。高碳汇区处于省境边陲附近，中、低碳汇区处于丘陵、河谷、湿地和盆地，碳源区相对较少的区域基本处于鄱阳湖和城区附近。赣州市植被碳汇在各地市中最高，其高碳汇区域也相对最多。

（3）江西省植被碳汇受降水量和气温的协同影响，但降水量对植被碳汇的影响小于气温。2000—2004年和2005—2009年的“冷干型”、2020—2022年的“暖干型”等气候背景均不利于植被碳汇，2010—2014年的“冷湿型”气候背景略微有利于植被碳汇，2015—2019年的“暖湿型”气候背景最有利于植被碳汇。