2024, Vol. 44文章信息
- 唐志雄, 宁荣荣, 王德, 田信鹏, 毕晓丽, 周自翔, 罗富彬, 宁吉才
- TANG Zhixiong, NING Rongrong, WANG De, TIAN Xinpeng, BI Xiaoli, ZHOU Zixiang, LUO Fubin, NING Jicai
- 黄河三角洲滨海湿地碳储量及其对未来多情景的响应
- Carbon stocks in coastal wetlands of the Yellow River Delta and their response to future multi-scenarios
- 生态学报. 2024, 44(8): 3280-3292
- Acta Ecologica Sinica. 2024, 44(8): 3280-3292
- http://dx.doi.org/10.20103/j.stxb.202308211801
-
文章历史
- 收稿日期: 2023-08-21
- 网络出版日期: 2024-01-30
2. 西安科技大学测绘科学与技术学院, 西安 710054
2. College of Geomatics, Xi'an University of Science and Technology, Xi'an 710054, China
滨海湿地生态系统具有气候调节和固碳释氧等多种生态系统服务功能, 是全球碳循环中最重要的碳库之一。滨海湿地的厌氧环境不利于有机物的有氧分解, 其植被初级生产力和固碳速率高于陆地生态系统[1]。同时, 滨海湿地也是地球上土壤有机碳密度最高的生态系统之一, 仅占地球表面的0.3%, 却贡献了陆地土壤有机碳存量的20%—25%[2—3]。1971年《湿地公约》的颁布, 使得滨海湿地生态系统的生态效应在世界范围内引起了较大关注, 滨海湿地碳储量的评估与预测成为国内外研究热点。
土地利用/覆被类型是决定生态系统碳储量的重要因素, 第六次国际耦合模式比较计划(CMIP6)提出的最新共享社会经济路径(SSP)提供了全球气候变化背景下的多种未来发展情景, 已广泛应用于未来的土地利用/覆被类型和碳储量预测。以保护生态环境或发展经济为驱动的不同发展情景会导致土地利用/覆被类型之间的转换规律存在差异性, 这影响了土地利用和碳储量的空间分布格局[4—5]。在工业化背景下, 碳排放的大量增加导致全球地表平均温度上升0.85℃, 造成冰川融化和海平面上升等影响, 这将导致20%—90%的滨海湿地生态系统消失[6—7]。特别是在河口三角洲, 频繁的人类活动(如城市化和开采地下流体等)导致严重的地面沉降, 造成相对海平面进一步上升, 增加了海水淹没的风险[8—9]。因此, 预测滨海湿地未来碳储量时, 需进一步考虑到不同发展情景下的海水淹没情况。
黄河三角洲是我国暖温带保存最完整的盐沼湿地生态系统[10]。1855年以来, 黄河入海尾闾摆动频繁[11], 同时黄河三角洲还存在地下水超采[12]和地面沉降[13]等问题, 宁荣荣[14]和Li[15]等学者通过合成孔径雷达干涉技术(InSAR)技术耦合海水淹没算法预估了黄河三角洲在SSP1-2.6、SSP2-4.5和SSP5-8.5情景下的海水淹没情况, 表明地面沉降和海平面上升共同作用将导致黄河三角洲面临严重的海水淹没风险。周方文[10]、隋玉正[16]和张廷靖[17]等学者基于生态系统服务和权衡的综合评估模型(InVEST)碳储量模块, 探究了黄河三角洲的碳储量格局, 表明InVEST模型碳储量模块在黄河三角洲有很好的适用性。此外, 张雅茹等学者进一步耦合InVEST模型碳储量模块与元胞自动机-马尔可夫链模型(CA-Markov)模拟了黄河三角洲2025年的碳储量格局[18], 但是其未考虑到全球气候变化导致的海平面上升以及黄河三角洲面临严重地面沉降的实际情况, 即忽视了黄河三角洲未来所面临的海水淹没风险, 这会对未来碳储量格局模拟结果的精度产生一定影响。
因此, 本文基于黄河三角洲独特的区位条件, 耦合海水淹没模型、斑块生成土地利用变化模拟软件(PLUS)和InVEST模型碳储量模块, 在充分考虑海平面上升和地面沉降导致的海水淹没的基础上预测生态保护、自然发展和经济发展三种情景下黄河三角洲未来土地利用/覆被和碳储量格局, 可为黄河三角洲优化土地利用/覆被结构和增加碳汇作用提出对策建议。
1 研究区概况与数据来源 1.1 研究区概况黄河三角洲(118°33′—119°21′E, 37°35′—38°12′N)是由黄河挟带大量泥沙在渤海凹陷处形成的冲积平原, 东临渤海, 南依莱州湾, 包括古代、近代和现代三个三角洲洲体。本文研究的现代黄河三角洲是以渔洼为顶点, 西起跳河口, 南到宋春荣沟口之间的扇形区域。研究区位于山东省东营市, 包括垦利县、河口区和利津县的部分区域(图 1)。区内分布有黄河三角洲国家级自然保护区, 保护区设有一千二管理站、黄河口管理站和大汶流管理站, 面积约1530km2, 是全国最大的河口三角洲湿地自然保护区。
|
| 图 1 研究区概况 Fig. 1 Overview of the study area |
黄河三角洲属暖温带大陆性季风气候, 雨热同期, 四季分明[11]。区域多年平均气温12.9℃, 1月最低日平均气温为-2.8℃, 7月最高日平均气温为26.7℃。多年平均降水量为560mm, 近70%集中在7—9月。在过去的50年里(1961—2015年), 黄河三角洲呈现出暖干化趋势, 年平均降水量减少了241.8mm, 年平均气温增加了1.7℃, 降雨天数每十年减少6.9d[19]。
1.2 数据来源本研究所需的各项数据具体来源和描述见表 1。具体包括土地利用/覆被、数字高程模型(DEM)、地面沉降速率、植被净初级生产力(NPP)和归一化植被指数(NDVI)等遥感数据，土壤有机碳密度、黄河三角洲1∶5万高程点等实测数据，降水、温度、太阳辐射和日照时长等气象数据，道路和河流、东营市等行政区划数据和行政中心等矢量数据，人口密度和国内生产总值(GDP)等统计数据。其中土地利用/覆被数据获取自中国科学院烟台海岸带研究所, 空间分辨率为30米, 由野外考察收集的验证样本点数据进行精度验证表明各期解译精度均大于80%。该数据集使用的是栗云召[11]基于黄河三角洲滨海湿地独特的区位条件对《拉姆萨尔公约》中的湿地分类系统进行调整和改进而提出的黄河三角洲湿地分类系统, 该分类系统将黄河三角洲的地类分为自然湿地、人工湿地、非湿地和海洋4个一级类以及19个二级类(表 2), 该分类体系划分的依据详见参考文献[11]。
| 数据类型 Data types |
数据描述 Data description |
年份 Year |
数据源 Data sources |
| 遥感数据 Remote sensing data |
土地利用/覆被 | 1991、1995、1999、2004、2009、2013、2017和2020年 | 中国科学院烟台海岸带研究所 |
| 数字高程模型(DEM) | 2000、2020 | https://www.earthdata.nasa.gov/ | |
| 地面沉降速率 | 2016—2019 | 中国科学院烟台海岸带研究所[14] | |
| MOD17A3-NPP和MOD13Q1-NDVI | 2017—2020 | https://www.earthdata.nasa.gov/ | |
| 实测数据 | 土壤有机碳密度 | 2002、2003 | 中国科学院地理科学与资源研究所 |
| Measured data | 黄河三角洲1∶5万高程点 | 2002 | 中国科学院烟台海岸带研究所 |
| 气象数据 | 降水 | 2017—2020 | 科学数据银行[20] |
| Meteorological data | 温度 | 2017—2020 | https://doi.org/10.5281/zenodo.5111989/[21] |
| 太阳辐射 | 2017—2020 | http://www.glass.umd.edu/Overview.html | |
| 降水、温度和日照时长站点数据 | 2017—2020 | https://data.cma.cn/ | |
| 矢量数据 | 道路和河流 | 2015 | http://www.webmap.cn/ |
| Vector data | 行政区划数据 | 2021 | http://www.webmap.cn/ |
| 行政中心 | 2015 | http://www.webmap.cn/ | |
| 统计数据 | 人口密度 | 2020 | https://www.resdc.cn/ |
| Statistical data | 国内生产总值(GDP) | 2015 | https://www.resdc.cn/ |
| 土地利用/覆被类型 Land use/cover type |
地上生物量密度 Above-ground biomass density/(t/hm2) |
地下生物量密度 Below-ground biomass density |
土壤有机碳密度 Soil organic carbon density |
死亡有机碳密度 Dead organic carbon density |
|
| 一级分类 Frst-level classes |
二级分类 Scondary classifications |
||||
| 自然湿地 | 草本沼泽 Herbaceous wetland | 12.6 | 5.6 | 29.88 | 1.4 |
| Natural wetlands | 灌丛湿地 Shrub wetland | 17 | 8 | 27.07 | 1 |
| 森林湿地 Forest wetland | 34.2 | 7.4 | 29.75 | 2.8 | |
| 盐沼湿地 Salt marsh | 7 | 2.5 | 27 | 0.5 | |
| 滩涂 Tidal flat | 3.2 | 0.7 | 26.5 | 0.2 | |
| 河流 River | 1.5 | 0.5 | 28.29 | 0 | |
| 积水洼地 Waterlogged depression | 2 | 1 | 28.24 | 0 | |
| 人工湿地 | 养殖池 Culture pond | 0.5 | 0.4 | 28.26 | 1.1 |
| Artificial wetlands | 池塘 Pond | 0.6 | 0.5 | 31.13 | 0 |
| 水田 Paddy field | 8.5 | 5 | 28.9 | 0.3 | |
| 盐田 Salt pond | 0 | 0 | 26.69 | 0 | |
| 水库 Reservoir | 0.6 | 0.5 | 30.16 | 0 | |
| 沟渠 Ditch | 1.5 | 0.5 | 28.55 | 0 | |
| 非湿地 | 居民区 Residential area | 0 | 0 | 30.56 | 0 |
| Non-wetlands | 工矿区 Industrial and mining area | 0 | 0 | 41.37 | 0 |
| 交通用地 Road | 0 | 0 | 31.54 | 0 | |
| 堤坝 Levee | 0 | 0 | 26.52 | 0 | |
| 旱田 Dry field | 11 | 3 | 29.8 | 0.4 | |
| 海洋 Ocean | 海洋 Ocean | 0 | 0 | 0 | 0 |
美国斯坦福大学、世界自然基金年会和大自然保护协会联合开发了InVEST模型, 其提供的碳储量模块可以系统的探究生态系统的植被地上生物量、植被地下生物量、土壤碳储量和死亡有机碳储量。本文采用InVEST模型的碳储量模块模拟黄河三角洲的碳储量。其计算原理为：
|
(1) |
式中, t表示年份；Ct表示在t年的总碳储量；j代表生态系统的土地利用/覆被类型；Ajt表示类型j在第t年的面积；dj表示类型j的土壤碳沉积深度；Caj、Cbj、Csj和Clj分别代表j类型单位面积的植被地上生物量、植被地下生物量、土壤碳储量和死亡有机碳储量。此模型中的沉积深度默认为1m。
InVEST模型碳储量模块的模拟精度取决于输入的各土地利用/覆被类型的碳密度数据。该模型将某一土地利用/覆被类型的碳密度看作是一个常量, 即随着时间的推移, 任何一个土地利用/覆被类型不发生改变的栅格, 其碳储量不会发生改变。从中国科学院地理科学与资源研究所获取了“黄河三角洲2002、2003、2006年野外土壤采样数据”数据集, 具体包含2002年05月(145个样本)、2003年10月(94个样本)和2006年5月(192个样本)的黄河三角洲土壤采样性质测定结果。其中, 2006年的数据不包含土壤有机碳含量, 2002年的数据包括0—10cm、10—30cm和30—60cm三个分层的土壤有机碳含量, 2003年的数据包括30—40cm、90—100cm两个分层的土壤有机碳含量。考虑到2002和2003年的土壤密度变化不大, 通过对2002和2003年的数据进行处理得到了黄河三角洲不同土地利用/覆被类型0—1m的土壤有机碳密度。同时, 参考其他学者对黄河三角洲植被碳储量做的大量采样和反演工作的基础上[10, 16—18, 22—23]获得植被地上和地下碳密度。由于死亡有机碳占比极小且数据不易获取, 本研究直接借鉴其他学者的相关研究结果获得黄河三角洲死亡有机碳密度[10, 16—18]。综合得到的黄河三角洲不同土地利用/覆被类型的碳密度数据见表 2。
2.2 海水淹没模型海水淹没算法分为无源淹没算法和有源淹没算法, 其中有源淹没算法考虑了地域连通性, 即通过给定源点, 按照海水前进的方向, 不断的将海水所能流经的区域纳为淹没区, 考虑了实际的地形地貌, 相对于无源淹没算法精度更高[24—25]。本文采用有源淹没算法提取出黄河三角洲海岸线的有效源点, 并通过指定一个源点向其8个邻域栅格单元扩散, 构建了黄河三角洲的海水淹没模型。计算原理如下：
|
(2) |
式中, Ln是高程指数, 当Ln小于0, 同时满足有源淹没的淹没要求, 则记为该栅格被淹没；Dn和An分别为n年内的地面形变和自然沉积量；SLRn是第n年海平面上升水位。
2.3 PLUS模型中国地质大学(武汉)的高性能空间计算智能实验室(https://github.com/HPSCIL)开发的PLUS模型引入了用地扩张分析策略和基于多类型随机种子的元胞自动机模型(CA), 成为CA模型模拟多地类复杂演变过程的技术突破[26—27]。PLUS模型不仅适用于黄土高原[27]和长江流域[28]等内陆典型区域的土地利用/覆被变化模拟, 在滨海湿地也有很好的应用[29—30]。
PLUS模型通过Kappa系数和Figure of merit (FoM)指数来进行模拟精度评价。Kappa系数描述了栅格数据集随时间变化以及变化方向, FoM指数反映了元胞尺度上的模拟精度, Kappa系数和FoM指数的值为0—1, 值越高表示模拟结果的精度越高, 当Kappa>0.8, FoM>0.1时, 表示模拟结果的精度较高[31—32]。本研究使用PLUS V1.4版本, 依据相关性、时效性和可获取性的原则选择了温度、降水和太阳辐射3个气象因子, 距保护区距离、距行政中心距离、距道路距离、GDP和人口密度5个社会经济条件因子, 距海距离、距水系距离、NDVI、NPP、坡度、DEM和地面沉降速率7个自然因子, 综合了自然和社会经济条件对土地利用/覆被的影响来保证PLUS模型模拟黄河三角洲未来土地利用/覆被变化的精确性和现实性。以2017年为基准年, 2017—2020年土地利用/覆被类型之间的转化面积作为转移矩阵, 输入到PLUS模型, 得到2020年黄河三角洲土地利用/覆被空间分布的模拟结果, 经检验整体分类结果的总准确率为93.46%, Kappa系数为0.9087, FoM值为0.3399。
2.4 情景模拟情景模拟有助于比较不同政策可能产生的未来环境及其潜在后果。参考《东营市国土空间总体规划(2021—2035年)》和《山东省黄河流域生态保护和高质量发展规划》, 为进一步研究地面沉降和海平面上升对黄河三角洲海水淹没和土地利用/覆被变化的影响, 本研究选取了CMIP6下三个典型的SSP情景, 并结合未来可能的发展政策, 构建了三种发展情景：生态保护情景、自然发展情景和经济发展情景, 开展黄河三角洲2035和2050年土地利用/覆被情景分析与预测研究。
具体情景设计为：生态保护情景下黄河三角洲转向绿色与可持续发展, 地面沉降速率降为了当前沉降速率的50%, 海平面上升速率为SSP126气候模式中模拟的中国近海海平面上升速率结果, 自然湿地禁止向其他类型空间转换；自然发展情景下社会和经济政策保持稳定, 黄河三角洲保持当前的地面沉降速率和土地利用/覆被变化趋势不变, 海平面上升速率为SSP245气候模式中模拟的中国近海海平面上升速率结果；经济发展情景下沉降速率增加到当前速率的150%, 海平面上升速率为SSP585气候模式中模拟的中国近海海平面上升速率结果, 经济发展情景下非湿地禁止向其他类型空间转换。
3 研究结果与分析 3.1 土地利用/覆被时空变化特征与多情景预测 3.1.1 土地利用/覆被时空变化特征黄河三角洲1991—2020年土地利用/覆被时空变化如图 2所示。30年间, 黄河三角洲土地利用/覆被变化剧烈, 在三角洲中部、南部和西部经历了大规模的湿地围垦建设等活动, 导致自然湿地面积减少, 水田和旱田等类型面积增加。此外, 由于受到黄河改道和海平面上升等因素影响, 北部区域出现蚀退现象, 而在东南部的小沙嘴区域由于泥沙淤积新增大片自然湿地。同时, 各土地利用/覆被类型的转化程度不断加剧；草本沼泽、灌丛湿地和旱田的转化相对显著, 发生在整个黄河三角洲；森林湿地的转化主要发生于内陆, 盐沼湿地和滩涂主要转化于海岸带。具体而言(表 3), 自然湿地面积共减少796.37km2, 面积占比由66.88%减少到40.26%。草本沼泽、灌丛湿地、盐沼湿地、滩涂和河流的面积减少, 其中灌丛湿地的面积缩减最多(411.91km2), 而森林湿地和积水洼地的面积增加。人工湿地面积增加819.78km2, 面积占比由3.76%增长到31.24%。1991年以来, 各人工湿地面积均有所增加, 其中水田面积增加422.75km2, 沟渠的增加面积最少。非湿地面积整体表现出先增加后减少的变化趋势。居民区、工矿区和交通用地面积增加, 堤坝和旱田面积减少, 其中工矿区面积增加最多, 旱田面积缩减最多, 且旱田是最主要的非湿地类型。
|
| 图 2 黄河三角洲1991—2020年土地利用/覆被空间格局 Fig. 2 Spatial pattern of land use/cover in the Yellow River Delta from 1991 to 2020 |
| 年份 Year | 1991 | 1995 | 1999 | 2004 | 2009 | 2013 | 2017 | 2020 | |
| 面积/km2 | 自然湿地 | 1997.66 | 2113.53 | 1964.50 | 1748.67 | 1452.85 | 1486.07 | 1232.18 | 1201.29 |
| Area | 人工湿地 | 112.19 | 138.39 | 179.81 | 256.81 | 440.78 | 560.30 | 915.43 | 931.97 |
| 非湿地 | 877.05 | 847.88 | 867.85 | 1009.47 | 1067.23 | 1023.27 | 836.11 | 850.23 | |
| 碳储量/万t | 自然湿地 | 922.21 | 960.31 | 911.37 | 768.18 | 633.94 | 642.86 | 542.32 | 535.56 |
| Carbon stocks | 人工湿地 | 34.26 | 42.36 | 56.34 | 84.43 | 149.47 | 191.00 | 327.56 | 331.53 |
| 非湿地 | 372.69 | 358.19 | 366.03 | 427.08 | 452.75 | 430.92 | 347.27 | 354.13 | |
黄河三角洲油气和地下卤水资源丰富, 近年来对油气和地下卤水的开采日益频繁, 造成了严重的地面沉降。同时, 由于全球变暖导致的海平面上升, 黄河三角洲面临着不断升级的海水淹没风险。所以, 模拟黄河三角洲未来土地利用/覆被格局时必须考虑到由地面沉降和海平面上升导致的海水淹没问题。基于张洁[33]的研究获取了SSP-1.26、SSP-2.45和SSP-5.85发展情景下2035和2050年的中国近海海平面上升情况。黄河三角洲2016—2019年平均地面沉降速率数据由宁荣荣等[14]生产, 具体空间分布见图 3。由图 3可知, 黄河三角洲存在分布不均的大规模漏斗型地面沉降, 91.28%的地区发生了地面沉降, 平均地面沉降速率为-29.91mm/年；地面沉降严重区域集中在东北部, 地面沉降速率最高为-352.34mm/年。
|
| 图 3 黄河三角洲地面沉降空间分布情况 Fig. 3 Spatial distribution of land subsidence rate in the Yellow River Delta LSR: 地面沉降速率 Land subsidence rate |
按照情景需求设置转移矩阵, 通过PLUS模型耦合海水淹没模型模拟未来生态保护、自然发展和经济发展情景下2035年和2050年的海水淹没和土地利用/覆被格局, 结果见图 4。结果表明, 主要淹没区域与地面沉降严重区域重叠, 主要分布在东北部的东营港附近, 在西北部以及黄河入海口附近也存在海水淹没风险。这也证明相对于海平面上升, 日渐严重的地面沉降是使得黄河三角洲部分区域未来会被海水淹没的最主要原因。而东北部为孤东油田和地下卤水开采所在地, 油田的过度开采会导致储油层压力下降和黏土层压缩, 从而导致了严重的地面沉降, 这使得相对海平面进一步上升, 因此, 模拟结果中出现大范围的海水淹没。相对于自然发展情景, 同时期生态保护情景下被淹没面积较少, 经济发展情景下被淹没面积较多(表 4)。具体而言, 生态保护情景下到2035和2050年将分别减少97.75—212.26km2和158.89—334.74km2的土地被海水淹没。
|
| 图 4 不同发展情景下的海水淹没和未来土地利用/覆被空间格局 Fig. 4 Spatial patterns of seawater inundation and future land use/cover under different development scenarios |
| 情景模拟 Scenario simulation年份Year |
生态保护情景 Ecological-Protection scenario |
自然发展情景 Natural-Development scenario |
经济发展情景 Economic-Growth scenario |
|||||
| 2035 | 2050 | 2035 | 2050 | 2035 | 2050 | |||
| 淹没面积 Inundation area/km2 | 133.22 | 185.03 | 230.97 | 343.92 | 345.48 | 519.77 | ||
| 陆地面积 Land area/km2 | 2850.04 | 2798.25 | 2752.33 | 2639.42 | 2637.85 | 2463.60 | ||
| 损失的碳储量 Lost carbon stocks/万t | 42.38 | 59.30 | 76.68 | 119.02 | 119.50 | 187.01 | ||
| 碳储量 Carbon stocks/万t | 1178.83 | 1161.91 | 1144.53 | 1102.19 | 1101.71 | 1034.20 | ||
由于海水淹没的原因, 在三种情景下, 黄河三角洲陆地面积都减少, 其中生态保护情景下陆地面积减少最少, 经济发展情景下减少最多。具体而言, 生态保护情景、自然发展情景和经济发展情景下, 到2035年黄河三角洲陆地面积分别为2850.04km2、2752.33km2和2637.85km2, 其陆地面积减少速率比2035—2050年间较大。在三个情景预测下, 同时期自然湿地面积及其占比始终最大；在生态保护情景中, 非湿地面积及其占比最小, 在自然发展和经济发展情景中, 人工湿地面积及其占比均为最小。2000—2035年和2035—2050年间, 在生态保护情景下各湿地类型面积减少速率最小；在经济发展情景下各湿地类型面积减少速率最大。研究结果表明生态保护情景下自然湿地保护良好, 该情景下设置的生态保护条件有助于黄河三角洲滨海湿地的生态保护和可持续发展。
3.2 碳储量时空分布特征基于土地利用/覆被数据以及不同土地利用/覆被类型的碳密度数据, 通过InVEST碳储量模型模拟黄河三角洲1991—2020年的碳储量空间格局(图 5)。由图 5可知黄河三角洲碳储量空间异质性明显, 呈现出内陆单位面积碳储量较高, 尤其在自然保护区附近, 该区域以拥有较高碳固存能力的草本沼泽、灌丛湿地和森林湿地等自然湿地类型为主, 而海岸带区域单位面积碳储量较低的空间分布格局, 该结果与周方文[10]、张廷靖[17]和张雅茹[18]等学者对黄河三角洲碳储量评估结果相近。同时黄河三角洲30年间碳储量分布空间异质性加强, 在北部地区以及东部的入海口区域的单位面积碳储量进一步减少。
|
| 图 5 黄河三角洲1991—2020年碳储量空间格局 Fig. 5 Spatial pattern of carbon stocks in the Yellow River Delta from 1991 to 2020 |
黄河三角洲1991—2020年间碳储量累计减少107.94万t, 降幅为8.12%；自然湿地碳储量累计减少386.66万t, 碳储量占比由69.38%减少到43.85%, 降幅为41.93%；人工湿地碳储量累计增加297.27万t, 碳储量占比由2.58%增加到27.15%, 增幅达到867.82%；非湿地碳储量累计减少18.56万t, 降幅为4.98%, 但是其碳储量占比由28.04%增加到29.00%。同时, 王邵强等[34]研究表明1992—1996年黄河三角洲碳储量增加, 是净碳汇, 本研究在1991—1995年同表现为净碳汇。隋玉正[16]、张廷靖[17]和张雅茹[18]的研究结果表明在2010—2015年碳储量减少, 为净碳源, 本文研究发现在2009—2017年碳储量也减少。
通过将碳储量减少区域划为碳源, 碳储量增加划为碳汇, 如图 6所示, 黄河三角洲碳源区分布增多。进一步分析可知, 1991—2020年, 黄河三角洲碳汇区较少, 其面积占比为18.15%, 碳源区较多, 其面积占比为51.08%, 总体表现为碳源。具体而言, 在1991—1999年间, 黄河三角洲以碳平衡区为主, 其面积占比达到61.66%, 碳汇碳源区面积接近；在1999—2009年间, 碳源区面积占比增加, 达到了35.24%, 而碳平衡区和碳汇区面积占比减少；到了2009—2020年间, 碳源区和碳平衡区面积占比减少, 碳汇区面积占比增加。
|
| 图 6 黄河三角洲1991—2020年碳汇碳源空间格局 Fig. 6 Spatial pattern of carbon sinks and carbon sources in the Yellow River Delta from 1991 to 2020 |
基于模拟的未来土地利用/覆被数据以及不同土地利用/覆被类型的碳密度数据, 通过InVEST碳储量模块预测黄河三角洲多发展情景下2035年和2050年的碳储量空间格局, 结果见图 7。由图 7结合图 4可知, 未来黄河三角洲单位面积碳储量高值区主要分布在草本沼泽、灌丛湿地、森林湿地和旱田等土地利用/覆被分布的区域。同时由于存在海水淹没, 在三种情景下2035和2050年的碳储量均减少(表 4), 2035年碳储量损失约3.47%—9.75%, 2050年碳储量损失约4.86%—15.31%。到2035年, 生态保护、自然发展和经济发展情景下, 碳储量分别减少了42.38万t、76.68万t和119.50万t, 到2050年三种情景碳储量分别减少了59.30万t、119.02万t和187.01万t, 总体来说, 同时期生态保护情景下碳储量减少速率最小, 经济发展情景下反之。在生态保护情景下, 到2035和2050年, 海水淹没导致损失的碳储量分别为43.09万t和60.41万t, 均大于碳储量净减少量, 表明土地利用变化带来的碳汇无法抵消掉海水淹没带来的碳源。综上表明生态保护情景下设置的生态保护条件, 有助于进一步提升黄河三角洲滨海湿地的固碳增汇能力。
|
| 图 7 不同发展情景下的未来碳储量空间格局 Fig. 7 Spatial pattern of future carbon stocks under different development scenarios |
2002年黄河委员会实施的调水调沙计划使得入海水沙变化[35—36]以及日益频繁的人类活动[37]等因素改变了黄河三角洲滨海湿地空间分布、结构和功能, 区域自然湿地面积大幅减少, 生态系统服务支撑能力下降, 导致其生态系统碳储量降低[38]。本研究表明黄河三角洲滨海湿地在过去30年间由于湿地退化导致的碳储量累计减少107.94万t, 因此必须优化黄河三角洲滨海湿地空间格局, 增强生态系统固碳增汇功能。未来应重视与湿地修复和生态保护等工程相结合, 以生态保护红线和国家级自然保护区等为重点, 通过资源整合和土地综合管理等措施, 关注土地利用/覆被类型的多样性、连通性和聚集性, 加强高碳储量和高碳固定的土地利用/覆被类型的生态保护, 重点是草本沼泽、灌丛湿地、森林湿地和盐沼湿地等高碳汇湿地类型, 从而减少碳排放, 提高区域固碳增汇能力。
在全球气候变暖的大背景下, 冰川融化使得全球海平面上升, 尤其在黄河三角洲, 近年来大量的开采石油和地下卤水, 使得地面沉降加剧, 这使得相对海平面进一步上升, 加大了海水淹没的风险[15, 39—40]。在经济发展情景下淹没面积和碳储量减少速率最大, 到2035年和2050年, 黄河三角洲分别约有11.58%和17.42%的陆地会被海水淹没, 导致碳储量减少约9.75%和15.31%。同时期生态保护情景下淹没面积和碳储量减少速率最小, 这表明生态保护情景下设置的生态保护条件有助于黄河三角洲滨海湿地的生态保护和可持续发展。具体而言, 生态保护情景下到2035年和2050年可以分别减少97.75—212.26km2和158.89—334.74km2的土地被海水淹没。同时由于黄河三角洲滨海湿地的海水淹没面积与其地面沉降速率之间存在正相关关系[14], 为了防止黄河三角洲“消失”, 政府必须制定相关政策, 例如控制石油和地下卤水的开采以及开采区的回填等, 从而达到控制陆地面积和碳储量减少的目的。同时, 沿海堤坝是海陆交接处最重要的安全屏障, 应在考虑海水淹没速度、海水淹没范围以及沿海堤坝建设周期的基础上, 在可能被淹没的地区建设更多的沿海堤坝, 以预防海水淹没[41]。
本文在预测黄河三角洲未来海水淹没和土地利用/覆被时空格局时, 未考虑到未来人类对石油、地下卤水开采区回填以及修建沿海大坝等行为, 这使得海水淹没模拟结果存在高估, 在未来应考虑更多人类活动的影响。其次使用InVEST碳储量模块模拟黄河三角洲的碳储量时, 不同土地利用/覆被类型的植被地上、地下以及死亡有机碳密度是借鉴其他学者研究成果, 这增加了模拟结果的不确定性, 在未来需要通过实地采样完善和补充碳密度数据库。
5 结论本文系统评估了黄河三角洲1991—2020年的土地利用/覆被和碳储量时空变化特征, 并基于黄河三角洲独特的区位条件, 耦合海水淹没模型、PLUS模型和InVEST模型碳储量模块预测了生态保护、自然发展和经济发展情景下黄河三角洲2035年和2050年土地利用/覆被和碳储量格局, 可为黄河三角洲优化土地利用/覆被结构和增加碳汇作用提供决策服务。结果如下：
(1) 通过分析黄河三角洲1991—2020年的土地利用/覆被和碳储量时空变化特征, 发现30年间黄河三角洲湿地退化, 生态系统服务下降, 自然湿地面积累计减少796.37km2, 碳储量累计减少386.66万t。
(2) 通过预测黄河三角洲2035和2050年土地利用/覆被和碳储量多情景时空格局, 发现由于存在海水淹没, 导致未来黄河三角洲多情景模拟中陆地面积和碳储量均减少, 同时期生态保护情景下淹没面积和碳储量减少速率最小。
(3) 黄河三角洲应坚持绿色与可持续发展, 一方面通过将湿地修复和生态保护等工程相结合, 加强高碳储量和高碳固定的土地利用/覆被类型的生态保护, 增强生态系统的固碳增汇功能。另一方面, 通过控制石油和地下卤水的开采以及回填开采区等方式, 减少地面沉降速率, 并在可能被淹没的区域建设沿海堤坝, 以预防海水淹没, 从而减少黄河三角洲的碳储量损失。
(4) 未来使用InVEST模型碳储量模块模拟滨海湿地碳储量时, 需注重通过实地采样获取土壤有机碳、植被地上和地下生物量以及死亡有机碳密度。同时在模拟滨海湿地未来的海水淹没和土地利用/覆被多情景模拟中应研究如何考虑更多人类活动的影响。
| [1] |
McLeod E, Chmura G L, Bouillon S, Salm R, Björk M, Duarte C M, Lovelock C E, Schlesinger W H, Silliman B R. A blueprint for blue carbon: toward an improved understanding of the role of vegetated coastal habitats in sequestering CO2. Frontiers in Ecology and the Environment, 2011, 9(10): 552-560. DOI:10.1890/110004 |
| [2] |
Amthor J, Huston M. Terrestrial ecosystem responses to global change: a research strategy. Ornl Technical Memorandum, 1998, 27: 37. |
| [3] |
Dodla S K, Wang J J, DeLaune R D. Characterization of labile organic carbon in coastal wetland soils of the Mississippi River deltaic plain: relationships to carbon functionalities. Science of the Total Environment, 2012, 435/436: 151-158. DOI:10.1016/j.scitotenv.2012.06.090 |
| [4] |
Zhang X M, Wang J, Yue C L, Ma S, Wang L J. Exploring the spatiotemporal changes in carbon storage under different development scenarios in Jiangsu Province, China. PeerJ, 2022, 10: e13411. DOI:10.7717/peerj.13411 |
| [5] |
Wang Z, Zeng J, Chen W X. Impact of urban expansion on carbon storage under multi-scenario simulations in Wuhan, China. Environmental Science and Pollution Research, 2022, 29(30): 45507-45526. DOI:10.1007/s11356-022-19146-6 |
| [6] |
Schuerch M, Spencer T, Temmerman S, Kirwan M L, Wolff C, Lincke D, McOwen C J, Pickering M D, Reef R, Vafeidis A T, Hinkel J, Nicholls R J, Brown S. Future response of global coastal wetlands to sea-level rise. Nature, 2018, 561(7722): 231-234. DOI:10.1038/s41586-018-0476-5 |
| [7] |
Adopted I. Climate change 2014 synthesis report. IPCC: Geneva, Szwitzerland, 2014: 1059-1072.
|
| [8] |
Gebremichael E, Sultan M, Becker R, El Bastawesy M, Cherif O, Emil M. Assessing land deformation and sea encroachment in the Nile delta: a radar interferometric and inundation modeling approach. Journal of Geophysical Research: Solid Earth, 2018, 123(4): 3208-3224. DOI:10.1002/2017JB015084 |
| [9] |
Tamura M, Kumano N, Yotsukuri M, Yokoki H. Global assessment of the effectiveness of adaptation in coastal areas based on RCP/SSP scenarios. Climatic Change, 2019, 152(3): 363-377. |
| [10] |
周方文, 马田田, 李晓文, 崔保山. 黄河三角洲滨海湿地生态系统服务模拟及评估. 湿地科学, 2015, 13(6): 667-674. |
| [11] |
栗云召. 黄河三角洲滨海湿地的演变过程与驱动机制[D]. 北京: 中国科学院大学, 2014.
|
| [12] |
苏丽, 董波涛, 孙佳, 赵西梅, 吴春红, 夏江宝. 地下水位对黄河三角洲柽柳根系生长的影响. 生态学报, 2021, 41(10): 3794-3804. |
| [13] |
Liu Y L, Liu J Q, Xia X F, Bi H B, Huang H J, Ding R W, Zhao L H. Land subsidence of the Yellow River Delta in China driven by river sediment compaction. Science of the Total Environment, 2021, 750: 142165. DOI:10.1016/j.scitotenv.2020.142165 |
| [14] |
宁荣荣, 王德, 田信鹏, 张永伟, 周自翔, 罗富彬. 黄河三角洲的地面沉降分析以及海水淹没预估. 地球科学进展, 2023, 38(3): 296-308. |
| [15] |
Li P, Wang G Y, Liang C R, Wang H J, Li Z H. InSAR-derived coastal subsidence reveals new inundation scenarios over the Yellow River Delta. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2023, 16: 8431-8441. |
| [16] |
隋玉正, 孙大鹏, 李淑娟, 徐永臣, 吴晶晶. 碳储存变化背景下东营市海岸带生态系统保护修复. 生态学报, 2021, 41(20): 8112-8123. |
| [17] |
张廷靖. 黄河三角洲生态系统服务时空动态及驱动机制研究[D]. 济南: 山东大学, 2022.
|
| [18] |
张雅茹, 梅子钰, 郑曦. 耦合InVEST与MCE-CA-markov模型的黄河三角洲碳储量时空变化和预测研究. 中国风景园林学会2022年会论文集. 长沙, 2023: 461-466.
|
| [19] |
Han G X, Sun B Y, Chu X J, Xing Q H, Song W M, Xia J Y. Precipitation events reduce soil respiration in a coastal wetland based on four-year continuous field measurements. Agricultural and Forest Meteorology, 2018, 256/257: 292-303. |
| [20] |
Qu L S, Zhu Q A, Zhu C F, Zhang J. Monthly precipitation data set with 1 km resolution in China from 1960 to 2020. Science Data Bank, 2022. |
| [21] |
He Q, Wang M, Liu K, Li K, Jiang Z H. GPRChinaTemp1km: a high-resolution monthly air temperature dataset for China (1951—2020) based on machine learning. Copernicus GmbH, 2021. |
| [22] |
张绪良, 张朝晖, 徐宗军, 侯雪景, 蔡庆芳. 黄河三角洲滨海湿地植被的碳储量和固碳能力. 安全与环境学报, 2012, 12(6): 145-149. |
| [23] |
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.
|
| [24] |
Dawson R, Hall J, Sayers P, Bates P, Rosu C. Sampling-based flood risk analysis for fluvial dike systems. Stochastic Environmental Research and Risk Assessment, 2005, 19(6): 388-402. |
| [25] |
Liu R Y, Liu N. Flood area and damage estimation in Zhejiang, China. Journal of Environmental Management, 2002, 66(1): 1-8. |
| [26] |
Liang X, Guan Q F, Clarke K C, Liu S S, Wang B Y, Yao Y. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: a case study in Wuhan, China. Computers, Environment and Urban Systems, 2021, 85: 101569. |
| [27] |
Wang J A, Zhang J P, Xiong N N, Liang B Y, Wang Z, Cressey E. Spatial and temporal variation, simulation and prediction of land use in ecological conservation area of western Beijing. Remote Sensing, 2022, 14(6): 1452. |
| [28] |
Zhang S Q, Yang P, Xia J, Wang W Y, Cai W, Chen N C, Hu S, Luo X G, Li J, Zhan C S. Land use/land cover prediction and analysis of the middle reaches of the Yangtze River under different scenarios. The Science of the Total Environment, 2022, 833: 155238. |
| [29] |
王世磊. 黄河三角洲国土空间演变及预警研究[D]. 济南: 山东财经大学, 2022.
|
| [30] |
刘玉斌. 中国海岸带典型生态系统服务价值评估研究[D]. 北京: 中国科学院大学, 2021.
|
| [31] |
王洁宁, 王文超, 海蒙蒙. 基于PLUS模型的山东省土地利用变化模拟分析. 国土与自然资源研究, 2022(6): 1-8. |
| [32] |
Congalton R. A quantitative method to test for consistency and correctness in photointerpretation. Photogrammetric Engineering Remote Sensing, 1983, 49(1): 69-74. |
| [33] |
张洁. 基于SSPs情景下21世纪中国近海海平面变化[D]. 舟山: 浙江海洋大学, 2022.
|
| [34] |
王绍强, 许珺, 周成虎. 土地覆被变化对陆地碳循环的影响——以黄河三角洲河口地区为例. 遥感学报, 2001, 5(2): 142-148, 162. |
| [35] |
李贺, 黄翀, 张晨晨, 刘庆生, 刘高焕. 1976年以来黄河三角洲海岸冲淤演变与入海水沙过程的关系. 资源科学, 2020, 42(3): 486-498. |
| [36] |
Wang H J, Wu X, Bi N S, Li S, Yuan P, Wang A M, Syvitski J P M, Saito Y, Yang Z S, Liu S M, Nittrouer J. Impacts of the dam-orientated water-sediment regulation scheme on the lower reaches and delta of the Yellow River (Huanghe): a review. Global and Planetary Change, 2017, 157: 93-113. |
| [37] |
刘佳琦, 栗云召, 宗敏, 张保华, 吴晓青. 黄河三角洲人类干扰活动强度变化及其景观格局响应. 地球信息科学学报, 2018, 20(8): 1102-1110. |
| [38] |
Wang G Y, Li P, Li Z H, Ding D, Qiao L L, Xu J S, Li G X, Wang H J. Coastal Dam Inundation Assessment for the Yellow River Delta: Measurements, Analysis and Scenario. Remote Sensing, 2020, 12(21): 3658. |
| [39] |
Duan H Z, Li Y S, Li B Q, Li H. Fast InSAR time-series analysis method in a full-resolution SAR coordinate system: a case study of the Yellow River Delta. Sustainability, 2022, 14(17): 10597. |
| [40] |
Wang G Y, Li P, Li Z H, Liang C R, Wang H J. Coastal subsidence detection and characterization caused by brine mining over the Yellow River Delta using time series InSAR and PCA. International Journal of Applied Earth Observation and Geoinformation, 2022, 114: 103077. |
| [41] |
Zhang X J, Wang G Q, Xue B L, Zhang M X, Tan Z X. Dynamic landscapes and the driving forces in the Yellow River Delta wetland region in the past four decades. Science of the Total Environment, 2021, 787: 147644. |