海河流域土地利用与生态系统碳储量变化及预测.pdf

海河流域土地利用与生态系统碳储量变化及预测冀新慧1，曹永强1,4，么嘉棋1，翟浩然2，范军3（1.天津师范大学京津冀生态文明发展研究院,天津300387；2.自然资源部国土卫星遥感应用中心,北京100048；3.上海卫星工程研究所,上海201109；4.清华大学水沙科学与水利水电工程国家重点实验室,北京100084）摘要：以海河流域为研究区域，通过 InVEST 模型对 19902020 年碳储量状况进行分阶段定量反演，并结合Markov-PLUS 模型从数量与空间角度进行未来模拟，最终明确流域碳储量发展趋势及关键驱动因素。结果表明：19902020 年海河流域碳储量共减少 1.30 亿 t，耕地碳储量损失最大；碳储量高值主要集中在西部与北部山地地区，低值分布于东南部平原地区。人口密度在各阶段解释力占比均超过 20%，且呈现增加趋势；年均降水对碳储量空间分异影响最小，最低占 0.21%。各因子相互作用对碳储量空间分异解释力显著提高，人口密度与其他因子交互作用对碳储量变化的解释力最强。Markov-PLUS-InVEST 预测结果显示，在城市快速发展情景下，2030 年碳储量与2020 年基本持平，但生态保护情景增加 0.88 亿 t。相关结论可为海河流域进行土地类型间的生态调控及未来规划发展提供理论支撑。关键词：碳储量；InVEST 模型；Markov-PLUS 模型；土地利用；海河流域中图分类号：X171.1文献标志码：ADOI：10.13476/ki.nsbdqk.2023.0094全球变暖形势日益严峻引起各国对碳减排的重视，中国明确提出“碳达峰”和“碳中和”目标1。陆地生态系统在碳循环和气候变化中起着重要作用，完善并提升生态系统功能是实现可持续发展的重要途径2。土地利用变化是人类活动对生态系统影响最直接的体现，它通过影响生态系统植被和土壤的碳储量使整个区域的碳储量发生变化3-4。开展土地利用变化与碳储量之间作用关系的相关研究，对区域可持续发展和碳储量提升具有重要意义。目前国内外学者均已开展对陆地生态系统碳储量估算及预测相关研究。在碳储量估算方面，传统的生物量法、采样法估测精度高，但难以反映长时间序列和大尺度的变化5。生态系统服务与循环交互综合评估（integratedvaluationofecosystemservicesandtrade-offs，InVEST）中的碳模块以土地利用数据和用地类型对应碳密度作为基础数据，适合长期、大规模的碳储量估算，且其适用性与准确性较高，成为学者6-7进行各类型生态系统碳储量估算的主要模型。然而大多数学者8-9均采用单一碳密度模型对碳储量进行测算，但实际上，碳密度值受到环境等因素影响。因此，需要采用更加精细的碳密度模型来增加碳储量估算的准确性。碳储量的预测与土地利用预测结果密切相关，后者主要从数量和空间两方面展开。Markov 模型通过不同发展情境下土地的转移概率实现土地利用类型数量预测10。CA11、FLUS12、PLUS13等预测模型能够解决土地利用空间布局问题。其中，PLUS 模型能够准确模拟多土地利用类型变化的非线性关系，相较于传统的 FLUS 模型，PLUS 有着更高的 FOM 值14。因此，通过结合 Markov 与 PLUS 模型能够实现土地利用收稿日期：2023-06-01修回日期：2023-09-15网络出版时间：2023-10-09网络出版地址：https:/ 2016 年对外开放研究基金资助项目(CKWV2016392/KY)；“一带一路”水与可持续发展科技重点基金(2021nkzd02)；国家自然科学基金项目(52379021；52079060)作者简介：冀新慧（1998），女，河北石家庄人，主要从事生态环境评价研究。E-mail：xinhui_通信作者：曹永强（1972），男，内蒙古乌兰察布人，教授，博士生导师，主要从事农业水土资源优化利用与管理研究。E-mail：第21卷第5期南水北调与水利科技（中英文）Vol.21No.52023年10月South-to-NorthWaterTransfersandWaterScience&TechnologyOct.2023冀新慧，曹永强，么嘉棋，等.海河流域土地利用与生态系统碳储量变化及预测J.南水北调与水利科技（中英文），2023，21（5）：985-995.JIXH，CAOYQ，YAOJQ，etal.LanduseandecosystemcarbonstoragechangeandpredictionintheHaiheRiverbasinJ.South-to-NorthWaterTransfersandWaterScience&Technology，2023，21（5）：985-995.（inChinese）985数量与空间分布双重模拟，为未来碳储量的估算提供更加准确的输入数据。以往有关海河流域植被变化15的研究较为丰富，但并未将其与碳储量联系；且碳有关研究成果多以省市为主，缺乏对流域完整性研究，存在对流域生态系统固碳能力研究不明确的情况。因此，有必要通过合适的模型来确定海河流域的碳储量。针对单一碳密度模型受环境因素影响而难以精确估算生态系统碳储量的现状，结合温度、降水数据对已有碳密度数据进行修正，并以 5 年为步长推算各时期碳密度数据。首先，对于单一预测模型的局限性问题，利用 Markov 与 PLUS 模型分别在数量与空间上对 2030 年不同情境下土地利用变化进行模拟。最后，结合 InVEST 模型估算 19902020年及未来不同情景下的碳储量，并基于地理探测器探究碳储量驱动因素。本文相关结论可为海河流域优化土地利用格局、生态与经济协同发展提供参考。1研究区概况海河流域包含北京、天津两市，河北省大部分地区，以及山西、山东、河南、辽宁省和内蒙古自治区部分地区（图 1），由海河、滦河和徒骇马颊河 3 个水系组成，流域面积达 32 万 km2。流域多年平均气温 10.36，多年平均降水量 539mm16。海河流域内的地形以山地和平原为主，地势西北高东南低。平原地区的人口增长和城市化发展，是造成流域内土地利用变化及碳排放增加的主要原因17。西部及北部山区的林地与草地是流域内主要的碳汇结构，是保障华北地区低碳安全发展的重要屏障。1999年以来，退耕还林、三北防护林工程、天然林保护工程等国家政策的实施为恢复海河流域植被发挥了重要作用，为其碳汇能力的提升提供了有力支撑18。2数据与方法2.1数据来源所用土地利用数据来自武汉大学杨杰等开发的中国 30m 土地覆被数据集19，利用海河流域矢量边界对其进行裁剪，得到 19902020 年各年份的土地利用数据。该数据集土地利用类型包含耕地、林地、灌丛、草地、水域、冰雪、裸地、不透水面和湿地，但由于研究区内冰雪与湿地所占面积极少，故考虑将其剔除。NSWE河流高程/m省界线163 027审图号：GS(2022)1873图1海河流域范围Fig.1ScopeoftheHaiheRiverbasin综合考虑海河流域土地利用变化特征及数据的时空可用性及可获取性，参考已有研究8,11，选取年均温度、年均降水量、NDVI、GDP、人口密度、高程（DEM）、坡度、夜间灯光 8 种驱动因子，见表 1。其中：碳储量驱动因子为前 6 项，在进行影响因素分析时，首先以 1km1km 为单位对海河流域进行格网化处理，将碳储量及相应的因子值提取到采样点，其次将各因子按照等间隔法和自然断点法分为48 类。2.2研究方法2.2.1InVEST 模型与碳密度系数及修正InVEST 模型能够根据区域碳密度来量化区域碳储量，主要用于评估生态系统中多要素对人类生活的影响7。该模型中的陆地碳汇估算模块主要依赖于土地利用类型以及基本碳库，基本碳库包括 4种类型6-7：地上生物碳，指树干、树叶等土壤以上处于存活状态植物中的碳；地下生物碳，指土壤以下存在于植物根系系统中的碳；土壤碳，指土壤中分布的有机物、矿物质所含的碳；死亡有机物碳，指弃置垃圾、植被凋零叶片、枯萎树木等物质中的碳。因此，陆地生态系统中的总碳量可以表示为Ct=Ca+Cb+Cs+Cd（1）式中：Ct、Ca、Cb、Cs、Cd分别代表总碳量、地上生物碳、地下生物碳、土壤碳、死亡有机物碳。第21卷第5期南水北调与水利科技（中英文）2023年 10 月986表1碳储量驱动因子Tab.1Thefactorsofcarbonstorage类型因子来源自然要素X1：年均温度/K哥白尼气候数据(https:/cds.climate.copernicus.eu)X2：年均降水量/mX3：归一化植被指数美国海洋和大气管理局(https:/www.noaa.gov)X4：高程/mNASA通用元数据存储库(https:/cmr.earthdata.nasa.gov)社会经济要素X5：GDP/（万元km2）资源环境科学数据注册与出版系统20(http:/ 4 个基本碳库之间的关系。由于死亡有机物碳密度较难获取，本文仅估算地上、地下生物碳储量和土壤碳储量。根据中国陆地生态系统碳密度数据集21中的坐标和碳库，获得 20092012 年海河流域初步碳密度数据；通过查阅同地区、同纬度区域的研究结果22-25进行补 充 后，将 各 碳 库 收 集 结 果 进 行 平 均，得到20092012 年海河流域最终碳密度数据见表 2。但由于年份欠缺且并非实际测量所得，故每 5 年时段的碳密度数据还需要结合气温、降水等气候数据进行推算。利用 Alam 等26研究中年均降水量与碳密度的关系计算土壤与生物量碳密度（公式 2）和（3），利用 Giardina 等27、陈光水等28研究中温度与碳密度的关系计算生物量碳密度（公式 4）。表2海河流域 20092012 年碳密度表Tab.2CarbondensityoftheHaiheRiverbasinfrom2009to2012单位：t/hm2土地类型地上生物碳密度地下生物碳密度土壤碳密度耕地26.018.3532.19林地37.249.1439.40灌木11.533.2534.61草地9.526.4947.35水域33.378.3314.99裸地12.452.2023.96不透水面31.5612.3426.34SP=3.396 8P+3 996.1(R2=0.11)（2）BP=6.79e0.005P(R2=0.70)（3）BT=28T+398(R2=0.47,Pearson 高程（X4）冀新慧，等海河流域土地利用与生态系统碳储量变化及预测989GDP（X5）年均温度（X1）NDVI（X3）年均降水（X2），人口密度与高程解释力占比均在 22%以上，说明人类活动对海河流域的生态环境有一定的干扰，而年均降水仅占 6.55%，对碳储量空间分异驱动力较小。2005 年各因子对碳储量变化解释力的大小排序为X4X1X6X5X3X2，其中高程、年均温度的解释力占比均超过 25%，较 2000 年有所提升，但 GDP 解释力 下降 44.17%。2010 年 各 因 子 解 释 力 排 序 为X6X4X2X1X3X5，各因子解释力都有明显上升，其中年均降水提升 0.4，成为影响碳储量空间分异的主要因素。2015 年各因子解释力排序和 2020 年相同，为 X6X4X1X5X3X2。2015 年各因子解释力回落，年均降水、NDVI、GDP、高程下降至 2005 年水平，年均降水下降最大，为 0.37。20152020 年各因子解释力仍处于下降状态，年均降水解释力持续下降为 0.0025，对碳储量空间分异基本无影响。整体来看，人口密度在 20002020 年解释力均较高，说明人口密度是研究区碳储量空间分异的主导因素。根据前一节，海河流域碳储量空间分布西北高东南低，这与流域内人口密度分布相反，人口密度高的区域植被较少，碳储量低。0.80.40.30.20.10解释力X1X2X3X4X5X6因子2000 年2015 年2005 年2010 年2020 年图4碳储量因子探测结果Fig.4Factordetectionresultsofcarbonstorage3.2.2交互作用探测各年份交互探测结果均表现为双因子增强或非线性增强（图 5），即任意两个因子的交互解释力大于单因子解释力，说明碳储量变化是多因子交互作用的结果。2000 年 DEM、人口密度与其他因子交互解释力均在 0.37 之上，大于其单因子解释力，其中人口与 DEM 交互解释力最强，为 0.449，说明碳密度变化主要由人口密度、地形及其他因子共同驱动。20002010 年年均温度与 GDP、人口密度和NDVI 对碳储量空间分异的影响持续上升，2010 年GDP 与人口密度因子交互作用达到 0.79。研究时段内，人口密度、DEM 与其他自然因子交互作用始终较大，且强于社会因素和自然因素内部交互，说明两者与其他自然因素关联作用对碳储量空间分异有很大影响。3.3土地利用及碳储量预测3.3.1土地利用变化及预测由 19902020 年海河流域土地利用变化（图 6）可知，耕地为各时期变化最剧烈的地类，并且每年转出量中均约有一半转为不透水面，主要是由于城市化进程的推进，人类活动的加剧，建设用地的需求不断上涨，而现实中这种需求往往是通过侵占耕地来实现的。耕地变化的另一部分转为了草地和林地，这可能与退耕还林还草政策有关。各年不透水面转入水域的面积小于水域转出为不透水面的面积，这说明了不透水面的扩张对水域造成了影响。利用 Markov-PLUS 模型从数量与空间角度对自然发展情景、城市快速发展情景以及生态保护情景下海河流域 2030 年的土地利用情况进行预测。为检验模型的精确性与适用性，将海河流域 2020 年的实际土地利用数据与基于 Markov-PLUS、CA-Markov 模型模拟的同期土地利用数据进行比较，计算 Kappa 系数和总体精度（OA）。Markov-PLUS 模型与 CA-Markov 模型模拟结果计算得到的 Kappa系数分别为 0.75 和 0.72，OA 值分别为 0.82 和 0.79，即 Markov-PLUS 模型模拟得到的研究区 2020 年土地利用数据更接近于真实土地利用数据。从不同情景下 2030 年土地利用空间分布（图 7）来看，3 种情景下各地类大致空间分布区域没有较大区别。在城市快速发展情景下，不透水面扩张较其他两种情景更为显著，其在东部平原地区以各城镇为中心向四周大面积扩张，在环渤海地区对水域的侵占最为明显。与其他两种情景比较，在生态保护情景下西部太行山及北部燕山山脉区域生态质量明显更高，不透水面扩张受到明显限制。在3 种情景下，生态保护情景东部平原区的不透水面分布最少，对耕地的侵占最低。3.3.2碳储量预测结合土地利用预测数据及碳密度数据，利用InVEST 模型得到 2030 年 3 种情景下碳储量数据。自然增长情景、城市快速发展情景和生态保护情景下未来碳储量分别为 25.00 亿 t、24.91 亿 t 和 25.68亿 t。与 2020 年相比，自然增长情景和生态保护情第21卷第5期南水北调与水利科技（中英文）2023年 10 月990景的碳储量呈现不同程度的增长。其中：自然增长情景碳储量介于其他两者之间，说明若想要提升生态质量，至少应维持当前发展程度；生态保护情景下碳储量增加最多，为 0.88 亿 t，说明生态的好转有利于生态系统碳储量向良好态势发展。然而，城市快速发展情景碳储量基本不变，说明若只关注经济发展，不利于生态系统质量的改善。相较于自然发展情景，在城市快速发展情景下未来碳储量无增加的主要原因是不透水面用地的扩张及其与耕地、草地之间的转换。(a)2000 年X1X2X3X4X5X6X6X5X4X3X2X10.80.70.60.50.40.30.20.10(c)2010 年X1X2X3X4X5X6X6X5X4X3X2X10.80.70.60.50.40.30.20.10(d)2015 年X1X2X3X4X5X6X6X5X4X3X2X10.80.70.60.50.40.30.20.10(e)2020 年X1X2X3X4X5X6X6X5X4X3X2X10.80.70.60.50.40.30.20.10(b)2005 年X1X2X3X4X5X6X6X5X4X3X2X10.80.70.60.50.40.30.20.10图5交互作用探测结果Fig.5Interactionproberesultsofcarbonstorage1990 年1995 年2000 年2005 年2010 年2015 年2020 年耕地草地灌木林地裸地水域不透水面耕地草地灌木林地裸地水域不透水面图619902020 年海河流域土地利用变化Fig.6LandusechangeinHaiheRiverbasinfrom1990to2020从碳储量空间分布（图 8）来看，在城市快速发展情景下，东部平原地区碳储量较其他两种情景显著减少，其中，碳储量低值主要分布在北京市区、天津市区、渤海湾及其他大中型城市；在生态保护情景下，碳储量低值主要分布区域与城市发展情景基本一致，但总体范围明显较小。从 20202030 年 3冀新慧，等海河流域土地利用与生态系统碳储量变化及预测991种情景下碳储量变化（图 9）来看，大部分区域碳储量基本稳定，增加或减少区域散落于整个研究区内。3 种情景下碳储量减少区域主要分布于东南地区，增加区域主要为山脉地区。其中，在城市发展情景下东南部平原地区碳储量减少情况最为显著，生态保护情景减少趋势最平缓。在渤海湾区域，城市发展情景减少最明显，生态保护情景由于限制了水域的转换，变化最平缓。(a)自然发展情景(b)城市快速发展情景(c)生态保护情景NWES121(d)212122121耕地草地灌木林地裸地水域不透水面无数据03 km03 km03 km03 km03 km03 km图72050 年 3 种情境下海河流域土地利用分布预测Fig.7ThepredictionoflandusedistributionintheHaiheRiverbasinunderthreescenariosin2050(a)自然发展情景(b)城市快速发展情景NSWE(c)生态保护情景NSWENSWE11.01108.75碳密度/(thm2)11.01108.75碳密度/(thm2)11.01108.75碳密度/(thm2)图82030 年 3 种情境下海河流域碳储量分布预测Fig.8ThepredictionofcarbonstoragedistributionintheHaiheRiverbasinunderthreescenariosin20304讨论与结论4.1讨论19902020 年海河流域陆地生态系统碳储量减少 1.3 亿 t，主要原因为耕地向不透水面的转变，这与 Wang 等17、He 等18学者对于京津冀尺度陆地生态系统碳储量研究结果一致，表明仍须继续关注流域内植被恢复与土地调控15。李瑾璞等30的研究结果表明河北省山地林区生态系统碳储量高于平原城镇区域，Wang 等的研究结果表明京津冀地区碳储量由西北向东南递减，这与本文的结果分布第21卷第5期南水北调与水利科技（中英文）2023年 10 月992一致。城市快速发展情景忽视了生态系统的可持续发展性，致使城市扩张特征明显。尤其是北京、天津、石家庄等大中型城市经济的快速发展，引起不透水面用地需求量的增加，导致了碳储量一定程度上的减少。相比之下，生态保护情景在保证现有经济发展的基础上，加大了对生态环境的保护力度，有利于区域碳储量向良好态势发展。因此，若要实现海河流域低碳发展，一方面要限制碳源用地的增长，并减少对自然生态系统的开发，另一方面海河流域耕地和林草面积比例分别为 45.87%和 38.18%，且其碳密度值较大，故应加强对碳汇区域的保护，限制开发。(a)自然发展情景(b)城市快速发展情景NSWE(c)生态保护情景NSWENSWE增加减少基本不变无数据增加减少基本不变无数据增加减少基本不变无数据图920202030 年 3 种情境下海河流域碳储量变化Fig.9CarbonstoragechangesintheHaihebasinunderthreescenariosfrom2020to20304.2结论本文利用 InVEST 模型估算了 19902020 年海河流域的碳储量，并结合 PLUS 模型预测了 2030年的土地利用和碳储量情况，为区域低碳发展提供方向。（1）19902020 年海河流域碳储量累计损失1.3 亿 t，19952000 年碳储量变化最为明显，减少7 亿 t。空间上，碳储量高值主要分布于山脉所处地区，低值出现于不透水面区域。人口密度整体解释力占比最强，最高可达 28.40%；人口密度、DEM 与其他自然因子关联作用显著，解释力均超过 0.40。（2）在生态保护情景下不透水面扩张程度最低，生态用地增长情况最好。2030 年城市快速发展情景的碳储量与 2020 年基本持平，自然发展情景与生态保护情景的碳储量分别增加 0.20 亿和 0.88 亿 t，不透水面的扩张对耕地、草地的侵占是城市快速发展情景下碳储量低于其他情景的主要原因。（3）在 3 种情景下，未来海河流域碳储量空间分布情况具有一定的相似性，表现为西北高东南低。海河流域大部分区域碳储量基本稳定，增加或减少部分呈零星分布。城市快速发展情景碳储量减少区域主要为西北部生态用地区域，生态保护情景碳储量增加区域主要为山脉地区及东南部人类活动地区。参考文献：ZHANGH,LIJ,ZHANGY,etal.Soilorganiccar-bonstocksanditsdrivingfactorsunderdifferentland-use patterns in semiarid grasslands of the LoessPlateau,ChinaJ.Nature Environment&PollutionTechnology,2021,20（3）：997-1006.DOI:10.46488/NEPT.2021.v20i03.007.1王菲,曹永强,周姝含,等.黄河流域生态功能区植被碳汇估算及其主要气象要素分析J.生态学报,2023（6）：1-14.DOI:10.5846/stxb202203110591.2ARNETHA,SITCHS,PONGRATZJ,etal.Histori-cal carbon dioxide emissions caused by land-usechangesarepossiblylargerthanassumedJ.NatureGeoscience,2017,10（2）：79-84.DOI:10.1038/ngeo2882.3王红瑞,李晓军,张力,等.水-能源-碳排放复杂关系研究进展及展望J.南水北调与水利科技(中英文),2023,21（1）：13-21.DOI:10.13476/ki.nsbdqk.2023.0002.4FANGJ,CHENA,PENGC,etal.ChangesinforestbiomasscarbonstorageinChinabetween1949and1998J.Science,2001,292（5525）：2320-2322.DOI:10.1126/science.1058629.5PIYATHILAKEI,UDAYAKUMARAE,6冀新慧，等海河流域土地利用与生态系统碳储量变化及预测993RANAWEERAL,etal.Modelingpredictiveassess-mentofcarbonstorageusingInVESTmodelinUvaProvince,SriLankaJ.ModelingEarthSystemsandEnvironment,2022,8（2）：2213-2223.DOI:10.1007/s40808-021-01207-3.SHARPR,TALLISH,RICKETTST,etal.InVESTusersguideJ.TheNaturalCapitalProject:Stan-ford,CA,USA,2014.7陈宁,辛存林,唐道斌,等.中国西北地区多情景土地利用优化与碳储量评估J.环境科学,2022,44（8）：1-16.DOI:10.13227/j.hjkx.202210083.8ZHUL,SONGR,SUNS,etal.Landuse/landcoverchangeanditsimpactonecosystemcarbonstorageincoastalareasofChinafrom1980to2050J.Ecologi-cal Indicators,2022,142：109178.DOI:10.1016/j.ecolind.2022.109178.9戴靓,吴绍华.基于Markov模型的南京土地利用时空变化研究J.资源开发与市场,2011,27（5）：417-420,482.DOI:10.3969/j.issn.1005-8141.2011.05.011.10WANGL,ZHUR,YINZ,etal.Impactsofland-usechangeonthespatio-temporalpatternsofterrestrialecosystem carbon storage in the Gansu Province,NorthwestChinaJ.RemoteSensing,2022,14（13）：3164.DOI:10.3390/rs14133164.11LIUX,LIANGX,LIX,etal.Afuturelandusesim-ulation model(FLUS)for simulating multiple landuse scenarios by coupling human and naturaleffectsJ.LandscapeandUrbanPlanning,2017,168：94-116.DOI:10.1016/j.landurbplan.2017.09.019.12SHIM,WUH,JIANGP,etal.Croplandexpansionmitigatesthesupplyanddemanddeficitforcarbonsequestrationserviceunderdifferentscenariosinthefuture:ThecaseofXinjiangJ.Agriculture,2022,12（8）：1182.DOI:10.3390/agriculture12081182.13LIANGX,GUANQ,CLARKEKC,etal.Under-standingthedriversofsustainablelandexpansionus-ing a patch-generating land use simulation(PLUS)model:AcasestudyinWuhan,ChinaJ.Comput-ers,Environment and Urban Systems,2021,85：101569.DOI:10.1016/penvurbsys.2020.101569.14MAT,WANGT,YANGD,etal.Impactsofvegeta-tion restoration on water resources and carbon se-questrationinthemountainousareaofHaiheRiverbasin,ChinaJ.ScienceofTheTotalEnvironment,2023,869：161724.DOI:10.1016/j.scitotenv.2023.161724.15陈鑫,刘艳丽,刁艳芳,等.CRU高分辨率格点降水资料在海河流域的适用性J.南水北调与水利科技(中英文),2021,19（5）：910-920.DOI:10.13476/j.16cnki.nsbdqk.2021.0095.WANG C,ZHAN J,CHU X,et al.Variation inecosystemserviceswithrapidurbanization:AstudyofcarbonsequestrationintheBeijing-Tianjin-Hebeiregion,ChinaJ.Physics and Chemistry of theEarth,Parts A/B/C,2019,110：195-202.DOI:10.1016/j.pce.2018.09.001.17HEY,XIAC,SHAOZ,etal.Thespatiotemporalevolutionandpredictionofcarbonstorage:Acasestudy of urban agglomeration in China s Beijing-Tianjin-Hebei regionJ.Land,2022,11（6）：858.DOI:10.3390/land11060858.18YANGJ,HUANGX.The30mannuallandcoverand its dynamics in China from 1990 to 2019J.EarthSystemScienceDataDiscussions,2021,13（8）：1-29.DOI:10.5194/essd-13-3907-2021.19徐新良.中国GDP空间分布公里网格数据集EB/OL.中国科学院资源环境科学数据中心数据注册与出版系统(http:/wwwresdccn/DOI),2017.DOI:10.12078/2017121102.20徐丽,何念鹏,于贵瑞.2010s中国陆地生态系统碳密度数据集J.中国科学数据(中英文网络版),2019,4（1）：90-96.DOI:10.11922/csdata.2018.0026.zh.21FANGJ,YUG,LIUL,etal.Climatechange,hu-manimpacts,andcarbonsequestrationinChinaJ.Proceedings of the National Academy of Sciences,2018,115（16）：4015-4020.DOI:10.1073/pnas.1700304115.22岑宇,王成栋,张震,等.河北省天然草地生物量和碳密度空间分布格局J.植物生态学报,2018,42（3）：265-276.DOI:10.17521/cjpe.2015.0300.23黄从红,杨军,张文娟.森林资源二类调查数据在生态系统服务评估模型InVEST中的应用J.林业资源 管 理,2014（5）：126-131.DOI:10.13466/ki.lyzygl.2014.05.022.24朱丽亚,胡克,孙爽,等.基于InVEST模型的辽宁省海岸带碳储量时空变化研究J.现代地质,2022,36（1）：96-104.DOI:10.19657/j.geoscience.1000-8527.2021.163.25ALAMSA,STARRM,CLARKBJ.Treebiomassand soil organic carbon densities across the Su-danese woodland savannah:A regional carbon se-questration studyJ.Journal of arid environments,2013,89（1）：67-76.DOI:10.1016/j.jaridenv.2012.10.002.26GIARDINACP,RYANMG.Evidencethatdecom-positionratesoforganiccarboninmineralsoildonotvarywithtemperatureJ.Nature,2000,404（6780）：858-861.DOI:10.1038/35009076.27陈光水,杨玉盛,刘乐中,等.森林地下碳分配(TB-28第21卷第5期南水北调与水利科技（中英文）2023年 10 月994CA)研究进展J.亚热带资源与环境学报,2007,2（1）：34-42.DOI:10.19687/ki.1673-7105.2007.01.005.王劲峰,徐成东.地理探测器:原理与展望J.地理学报,2017,72（1）：116-134.DOI:10.11821/dlxb20172901010.李瑾璞,夏少霞,于秀波,等.基于InVEST模型的河北省陆地生态系统碳储量研究J.生态与农村环境学报,2020,36（7）：854-861.DOI:10.19741/j.issn.1673-4831.2019.0918.30LanduseandecosystemcarbonstoragechangeandpredictionintheHaiheRiverbasinJIXinhui1，CAOYongqiang1,4，YAOJiaqi1，ZHAIHaoran2，FANJun3（1.Academy of Eco-civilization Development for Jing-Jin-Ji Megalopolis,Tianjin Normal University,Tianjin 300387,China；2.Land SatelliteRemote Sensing Application Center,Ministry of Natural Resources,Beijing 100048,China；3.Shanghai Institute of Satellite Engineering,Shanghai201109,China；4.State Key Laboratory of Hydroscience and Engineering,Tsinghua University,Beijing 100084,China）Abstract:Thechangeofregionallanduseaffectscarbonemissionandcarbonsequestrationprocesses,whichinturncauseschangesinthecarboncycleandcarbonstorageinterrestrialecosystems.BasedontheChinalandcoverdataset,thecarbonstorageandsequestrationmoduleoftheintegratedvaluationofecosystemservicesandtrade-offsmodelwasusedtoestimatethecarbonstorageandchangesinterrestrialecosystemsfrom1990to2020intheHaiheRiverbasin.Thepatch-generatinglandusesimulationmodelwascombinedtopredictfuturelanduseandcarbonstorage.Theintegratedvaluationofecosystemservicesandtrade-offsmodelcouldquantifyregionalcarbonstoragebasedonregionalcarbondensity.Thecarbonstorageandsequestrationmodulemainlydependedonlandcovertypes and a basic carbon pool model.The basic carbon pool model divided carbon storage into four types:abovegroundbiomasscarbon,belowgroundbiomasscarbon,soilca