1990—2050年黄河中游伊洛河流域不同土地利用类型碳储量时空分异特征

doi:10.19657/j.geoscience.1000-8527.2024.035

现代地质 ›› 2024, Vol. 38 ›› Issue (03): 559-573.DOI: 10.19657/j.geoscience.1000-8527.2024.035

• 表生资源观测模拟与预测评价 • 上一篇下一篇

1990—2050年黄河中游伊洛河流域不同土地利用类型碳储量时空分异特征

袁江龙¹^,²^,³(), 刘晓煌¹(), 李洪宇¹, 邢莉圆¹, 雒新萍¹, 王然¹, 王超¹, 赵宏慧¹

1.自然资源部自然资源耦合过程与效应重点实验室,北京 100055
2.新疆大学地理与遥感科学学院,新疆乌鲁木齐 830017
3.中国地质调查局乌鲁木齐自然资源综合调查中心,新疆乌鲁木齐 830057

出版日期:2024-06-10 发布日期:2024-07-04
作者简介:袁江龙,男,硕士研究生,1999年出生,主要从事地理信息和生态遥感方向研究。Email:792807914@qq.com。
刘晓煌,男,正高级工程师,1972年出生,新疆维进口量尔自治区“天池英才”引进计划人才,主要从事自然资源学、基础地质学和矿床学研究。Email:liuxh19972004@163.com。
基金资助:
中国地质科学院地球物理地球化学勘查研究所中央级公益性科研院所基本科研业务费专项资金资助项目(AS2022P03);中国地质科学院基础科研业务费用专项资金项目“黄河三角洲滨海盐土植被对浅层地下水变化的响应”(JKYQN202362);中国地质调查局地质调查专项“自然资源要素监测与综合观测工程”(DD20230112);“自然资源观测监测一体化技术体系研究”(DD20230514)

Spatial and Temporal Variability of Carbon Stocks in Different Land-use Types in the Yiluo River Basin in the Middle Section of the Yellow River from 1990 to 2050

YUAN Jianglong¹^,²^,³(), LIU Xiaohuang¹(), LI Hongyu¹, XING Liyuan¹, LUO Xinping¹, WANG Ran¹, WANG Chao¹, ZHAO Honghui¹

1. Key Laboratory of Natural Resource Coupling Process and Effects, Beijing 100055, China
2. College of Geography and Remote Sensing Science, Xinjiang University, Urumqi, Xinjiang 830017, China
3. Urumqi Center of Natural Resources Comprehensive Survey, China Geological Survey, Urumqi, Xinjiang 830057, China

Online:2024-06-10 Published:2024-07-04

摘要/Abstract

摘要：

土地利用类型变化是区域碳储量变化的主要影响因素,对整个陆地生态系统有着重要的影响。以黄河中段伊洛河流域为例,基于生态系统服务功能与权衡交易综合评价模型(InVEST)碳储量模块评估了1990—2020年碳储量时空分异特征及影响因素,利用耦合PLUS模型预测了2025—2050年土地利用类型及碳储量时空分异特征,使用地理探测器探索区域碳储量驱动力因素。结果表明:(1)伊洛河流域土地利用类型转移为耕地和草地转出,林地、水体和建设用地转入。区域碳储量在1990—2020年间增长1.0×10⁷ t,东部碳储量持续减少,中西部碳储量持续增加。(2)2025—2050年区域整体固碳能力下降。相对于历史时期,东部固碳能力仍旧持续下降,中西部固碳能力由持续上升变总体上升,生态修复情景最有利于区域固碳,耕地保护情景最不利于区域固碳。(3)使用地理探测器可以得出,单因子分析NDVI(归一化植被指数)的q值(解释力)为0.561,解释力最强,交互分析中DEM(数字高程模型)与NDVI交互q值为0.592,两个因子交互解释力最强。建议经济较好、地形平坦的IV12-1区域经济和农业发展应注重自然保护,生态较好、海拔较高的VI22-1和VI22-3区域施行生态修复政策。

关键词: InVEST模型, PLUS模型, 碳储量, 地理探测器, MK检验

Abstract:

The change of land-use type is the key influence factor of regional carbon stocks, which significantly affects the whole terrestrial ecosystem. Taking the Yiluo River Basin in the middle section of the Yellow River as an study case, we assessed the spatial and temporal variations and influence factors of carbon stocks based on the Integrated Valuation of Ecosystem Services and Trade-offs (InVEST) model during 1990—2020. We predicted the land-use types and carbon stock using the coupled PLUS model for the period of 2025-2050. A geoprobe was used to explore the regional carbon stock driving factor. The results show that (1) the land-use types in the Yiluo River Basin shifted to transferring-out with cropland and grassland, and transferring-in with forest land, water-body, and construction land. The regional carbon stock increased by 1.0×10⁷ t from 1990 to 2020, with a continuous drop of carbon stock in the east and a continuous increase in the central and western areas. (2) The predicted overall regional carbon sequestration capacity decreases from 2025 to 2050. Comparing with the historical period, the carbon sequestration capacity in the east continues to decline and the carbon sequestration capacity in the central and western areas changes from a continuous increasing to a trend of overall increasing. the environmental restoration scenario is the most favorable to regional carbon sequestration, while the cultivated land protection scenario is the most unfavorable. (3) The geoprobe results indicate that the q-value (explanatory power) of Normalized Vegetation Index (NDVI) in the one-way analysis is 0.561, which has the strongest explanatory power. The q-value of Digital Elevation Model interacting with NDVI in the analysis is 0.592, showing a stronger explanatory power. It is recommended that the economic and agricultural development in the regions with a better economy and flat region (IV12-1) should emphasize the protection of nature. The regions with a better ecology and high altitude (VI22-1 and VI22-3) is recommended to mainly implement the ecological restoration strategy.

Key words: InVEST model, PLUS model, carbon stock, GeoDetector, Mann-Kendall’s test

中图分类号:

P962

袁江龙, 刘晓煌, 李洪宇, 邢莉圆, 雒新萍, 王然, 王超, 赵宏慧. 1990—2050年黄河中游伊洛河流域不同土地利用类型碳储量时空分异特征[J]. 现代地质, 2024, 38(03): 559-573.

YUAN Jianglong, LIU Xiaohuang, LI Hongyu, XING Liyuan, LUO Xinping, WANG Ran, WANG Chao, ZHAO Honghui. Spatial and Temporal Variability of Carbon Stocks in Different Land-use Types in the Yiluo River Basin in the Middle Section of the Yellow River from 1990 to 2050[J]. Geoscience, 2024, 38(03): 559-573.

图/表 19

参考文献 67

[1]	王绍强, 周成虎, 李克让, 等. 中国土壤有机碳库及空间分布特征分析[J]. 地理学报, 2000, 55(5): 533-544. DOI
[2]	RICHARDS D R, THOMPSON B S, WIJEDASA L. Qua.pngying net loss of global mangrove carbon stocks from 20 years of land cover change[J]. Nature Communications, 2020, 11: 4260.
[3]	BATLLE-BAYER L, BATJES N H, BINDRABAN P S. Changes in organic carbon stocks upon land use conversion in the Brazilian Cerrado: Areview[J]. Agriculture, Ecosystems & Environment, 2010, 137(1/2): 47-58.
[4]	FORNARA D, OLAVE R, HIGGINS A. Evidence of low response of soil carbon stocks to grassland intensification[J]. Agriculture, Ecosystems & Environment, 2020, 287: 106705.
[5]	NAIKOO M W, RIHAN M, ISHTIAQUE M, et al. Analyses of land use land cover (LULC) change and built-up expansion in the suburb of a metropolitan city: Spatio-temporal analysis of Delhi NCR using landsat datasets[J]. Journal of Urban Management, 2020, 9(3): 347-359.
[6]	DENG L, ZHU G Y, TANG Z S, et al. Global patterns of the effects of land-use changes on soil carbon stocks[J]. Global Ecology and Conservation, 2016, 5: 127-138.
[7]	徐丽, 于贵瑞, 何念鹏. 1980s—2010s中国陆地生态系统土壤碳储量的变化[J]. 地理学报, 2018, 73(11): 2150-2167. DOI
[8]	MENEZES R S C, SALES A T, PRIMO D C, et al. Soil and vegetation carbon stocks after land-use changes in a seasonally dry tropical forest[J]. Geoderma, 2021, 390: 114943.
[9]	HAIRIAH K, VAN NOORDWIJK M, SARI R R, et al. Soil carbon stocks in Indonesian (Agro) forest transitions: Compaction conceals lower carbon concentrations in standard accounting[J]. Agriculture, Ecosystems & Environment, 2020, 294: 106879.
[10]	张平平, 李艳红, 殷浩然, 等. 中国南北过渡带生态系统碳储量时空变化及动态模拟[J]. 自然资源学报, 2022, 37(5): 1183-1197. DOI
[11]	XU X, LIU J, ZHANG S, et al. China many periods of land use land cover remote sensing monitoring data set (CNLUCC)[DB/OL]. Chinese Academy of Sciences, Resources and Environment Science Data Center Data Registration and Publication System, 2018.
[12]	YANG J, HUANG X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8): 3907-3925.
[13]	PARTON W J, SCHIMEL D S, COLE C V, et al. Analysis of factors controlling soil organic matter levels in great Plains grasslands[J]. Soil Science Society of America Journal, 1987, 51(5): 1173-1179.
[14]	LI C S, FROLKING S, FROLKING T A. A model of nitrous oxide evolution from soil driven by rainfall events: 1. Model structure and sensitivity[J]. Journal of Geophysical Research: Atmospheres, 1992, 97: 9759-9776.
[15]	MASERA O R, GARZA-CALIGARIS J F, KANNINEN M, et al. Modeling carbon sequestration in afforestation, agroforestry and forest management projects: The CO₂FIX V.2 approach[J]. Ecological Modelling, 2003, 164(2/3): 177-199.
[16]	BABBAR D, AREENDRAN G, SAHANA M, et al. Assessment and prediction of carbon sequestration using Markov chain and InVEST model in Sariska Tiger Reserve,India[J]. Journal of Cleaner Production, 2021, 278: 123333.
[17]	YUAN J L, LIU X H, LI H Y, et al. Assessment of spatial-temporal variations of soil erosion in Hulunbuir Plateau from 2000 to 2050[J]. Land, 2023, 12(6): 1214.
[18]	LI M Y, LIANG D, XIA J, et al. Evaluation of water conservation function of Danjiang River Basin in Qinling Mountains, China based on InVEST model[J]. Journal of Environmental Management, 2021, 286: 112212.
[19]	LIU X P, LI X, CHEN Y M, et al. A new landscape index for qua.pngying urban expansion using multi-temporal remotely senseddata[J]. Landscape Ecology, 2010, 25(5): 671-682.
[20]	VERBURG P H, SOEPBOER W, VELDKAMP A, et al. Modeling the spatial dynamics of regional land use: The CLUE-S model[J]. Environmental Management, 2002, 30(3): 391-405. PMID
[21]	CHEN L P, SUN Y J, SAEED S. Monitoring and predicting land use and land cover changes using remote sensing and GIS techniques:a case study of a hilly area, Jiangle, China[J]. PLoS One, 2018, 13(7): e0200493.
[22]	LIANG X, LIU X P, CHEN G L, et al. Coupling fuzzy clustering and cellular automata based on local maxima of development potential to model urban emergence and expansion in economic development zones[J]. International Journal of Geographical Information Science, 2020, 34(10): 1930-1952.
[23]	GAO L N, TAO F, LIU R R, et al. Multi-scenario simulation and ecological risk analysis of land use based on the PLUS model: A case study of Nanjing[J]. Sustainable Cities and Society, 2022, 85: 104055.
[24]	LIANG X, GUAN Q, CLARKE K C, et al. Mixed-cell cellular automata: A new approach for simulating the spatio-temporal dynamics of mixed land use structures[J]. Landscape and Urban Planning, 2021, 205: 103960.
[25]	MCCLELLAND S C, PAUSTIAN K, SCHIPANSKI M E. Management of cover crops in temperate climates influences soil organic carbon stocks: A meta-analysis[J]. Ecological Applications, 2021, 31(3): e02278.
[26]	YU W H, ZANG S Y, WU C S, et al. Analyzing and modeling land use land cover change (LUCC) in the Daqing City,China[J]. Applied Geography, 2011, 31(2): 600-608.
[27]	ZHANG S H, ZHONG Q L, CHENG D L, et al. Landscape ecological risk projection based on the PLUS model under the localized shared socioeconomic pathways in the Fujian Delta region[J]. Ecological Indicators, 2022, 136: 108642.
[28]	李春亮, 王翔, 张炜, 等. 黄土高原西段表层土壤有机碳储量及时空变化规律[J]. 现代地质, 2022, 36(2): 655-661.
[29]	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.
[30]	刘国栋, 戴慧敏, 杨泽, 等. 三江平原土壤碳库时空变化和影响因素研究[J]. 现代地质, 2021, 35(2): 443-454.
[31]	王志杰, 苏嫄. 南水北调中线汉中市水源地生态脆弱性评价与特征分析[J]. 生态学报, 2018, 38(2): 432-442.
[32]	周晨, 丁晓辉, 李国平, 等. 南水北调中线工程水源区生态补偿标准研究: 以生态系统服务价值为视角[J]. 资源科学, 2015, 37(4): 792-804.
[33]	王万同, 王卷乐, 杜佳. 基于ETM+与MODIS数据融合的伊洛河流域地表蒸散估算[J]. 地理研究, 2013, 32(5): 817-827.
[34]	张亚丽, 王万同. 遥感估算伊洛河流域地表蒸散的空间尺度转换[J]. 测绘学报, 2013, 42(6): 906-912.
[35]	郭屹立, 卢训令, 丁圣彦. 伊洛河河岸带生态系统草本植物功能群划分[J]. 生态学报, 2012, 32(14): 4434-4442.
[36]	陈杰, 郭屹立, 卢训令, 等. 伊洛河流域草本植物群落物种多样性[J]. 生态学报, 2012, 32(10): 3021-3030.
[37]	丁圣彦, 钱乐祥, 曹新向, 等. 伊洛河流域典型地区森林景观格局动态[J]. 地理学报, 2003, 58(3): 354-362.
[38]	郭屹立, 丁圣彦, 苏思, 等. 伊洛河流域外来草本植物分布格局[J]. 生态学报, 2013, 33(17): 5438-5447.
[39]	古圳威, 刘京, 陈怡, 等. 陕西渭北旱塬区生境质量及碳储量时空演变分析与模拟[J]. 环境科学, 2023, 44(8): 4666-4678.
[40]	杨万勤, 冯瑞芳, 张健, 等. 中国西部3个亚高山森林土壤有机层和矿质层碳储量和生化特性[J]. 生态学报, 2007, 27(10): 4157-4165.
[41]	赫晓慧, 徐雅婷, 范学峰, 等. 中原城市群区域碳储量的时空变化和预测研究[J]. 中国环境科学, 2022, 42(6): 2965-2976.
[42]	李茂娟, 李天奇, 朱文博, 等. 基于InVEST模型的太行山区生态系统碳储量多维变化研究[J]. 河南大学学报(自然科学版), 2021, 51(6): 631-642, 684.
[43]	LIANG X, GUAN Q F, CLARKE K C, et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: A case study in Wuhan,China[J]. Computers, Environment and Urban Systems, 2021, 85: 101569.
[44]	张波, 潘佩佩, 王新云, 等. 基于GMOP-PLUS耦合模型的京津冀土地利用变化多情景模拟及功能关系分析[J]. 地理与地理信息科学, 2023, 39(5): 1-9.
[45]	武爱彬, 陈辅国, 赵艳霞, 等. 京津冀城市群建设用地扩张多情景模拟及其对生态系统碳储量的影响[J/OL]. 环境科学. [2024-05-31]. https://doi.org/10.13227/j.hjkx.202305221.
[46]	崔写, 董燕, 张露尹, 等. 基于SSP-RCP情景的黄土高原土地变化模拟及草原碳储量[J/OL]. 环境科学. [2024-05-31]. https://doi.org/10.13227/j.hjkx.202306165.
[47]	张颖诗, 冯艳芬, 郭冠华, 等. 近30年中国典型城市群建设用地扩张的时空特征及其对比: 以京津冀城市群和粤港澳大湾区为例[J]. 华南师范大学学报(自然科学版), 2022, 54(1): 79-90.
[48]	赵嘉丽, 李兴, 孙冰. 基于AWRSEI的岱海流域生态环境质量时空演变及驱动因子分析[J]. 环境科学, 2024, 45(3): 1598-1614.
[49]	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
[50]	任艳群, 刘苏峡. 北半球积雪/海冰面积与温度相关性的差异分析[J]. 地理研究, 2018, 37(5): 870-882. DOI
[51]	张楠, 张保留, 吕连宏, 等. 碳达峰国家达峰特征与启示[J]. 中国环境科学, 2022, 42(4): 1912-1921.
[52]	张建云, 刘九夫, 金君良, 等. 青藏高原水资源演变与趋势分析[J]. 中国科学院院刊, 2019, 34(11): 1264-1273.
[53]	孙倩, 于坤霞, 李占斌, 等. 黄河中游多沙粗沙区水沙变化趋势及其主控因素的贡献率[J]. 地理学报, 2018, 73(5): 945-956. DOI
[54]	张海燕, 樊江文, 黄麟, 等. 中国自然资源综合区划理论研究与技术方案[J]. 资源科学, 2020, 42(10): 1870-1882. DOI
[55]	郑艺文, 张海燕, 刘晓洁, 等. 1990—2018年东北地区综合区划下自然资源动态变化特征分析[J]. 中国地质调查, 2021, 8(2): 100-108.
[56]	张子凡, 张海燕, 刘晓煌, 等. 华北地区自然资源综合区划的动态变化特征[J]. 中国地质调查, 2021, 8(2): 92-99.
[57]	赖明, 陈仁升, 刘玖芬, 等. 雅鲁藏布江下游产水量时空演变及对气候和土地利用变化的响应[J]. 草业科学, 2022, 39(12): 2516-2526.
[58]	沈清基. 论基于生态文明的新型城镇化[J]. 城市规划学刊, 2013(1): 29-36.
[59]	赵其国, 黄国勤, 马艳芹. 中国生态环境状况与生态文明建设[J]. 生态学报, 2016, 36(19): 6328-6335.
[60]	谷树忠, 胡咏君, 周洪. 生态文明建设的科学内涵与基本路径[J]. 资源科学, 2013, 35(1): 2-13.
[61]	张先起, 聂永博. 南水北调中线水源区生态系统服务价值评估[J]. 华北水利水电大学学报(自然科学版), 2022, 43(1): 89-95, 102.
[62]	于天舒, 郑拴宁, 朱捷缘, 等. 南水北调中线工程水源地南阳市生态安全评价研究[J]. 生态学报, 2021, 41(18): 7292-7300.
[63]	王颖维, 张亚峰, 钱信禹, 等. 南水北调中线工程丹江源地区生态地质格局动态演变[J]. 西北地质, 2023, 56(3): 129-140.
[64]	邵壮, 陈然, 赵晶, 等. 基于FLUS与InVEST模型的北京市生态系统碳储量时空演变与预测[J]. 生态学报, 2022, 42(23): 9456-9469.
[65]	吴培强, 任广波, 张程飞, 等. 无人机多光谱和LiDAR的红树林精细识别与生物量估算[J]. 遥感学报, 2022, 26(6): 1169-1181.
[66]	陈中超, 刘清旺, 李春干, 等. 基于无人机激光雷达的人工林碳储量线性与非线性估测模型比较[J]. 北京林业大学学报, 2021, 43(12): 9-16.
[67]	侯瑞萍, 陈健, 夏朝宗, 等. 2020年京津冀地区林地和其他生物质碳汇量研究[J]. 林业资源管理, 2022(5): 42-52.

数据名称	数据描述	数据来源
DEM	ASTER GDEM 30M分辨率数字高程模型	地理空间数据云(https://www.gscloud.cn/)
土地利用数据	武汉大学 CLCD 30M分辨率数据	Zenodo网站(https://zenodo.org/record/5816591)
土壤属性数据	HWSD世界土壤数据库	粮农组织土壤门户网站(FAO SOILS PORTAL)
NDVI(MYD13Q1) GPP(MYD17A2H) NPP(MOD173AH)	MoDIS 500M分辨率产品	NASA地球数据(EARTHDATA)
降水(Rain) 温度(Tmp) 蒸散量(ET)	ERA5 500M分辨率数据	GEE数据网站(https://developers.google.com/earth-engine/datasets)
未来气温和降水数据	CMIP6数据集	WCRP CMIP6(https://esgf.nci.org.au/projects/cmip6-nci/)
经济(GDP)、人口数据 (POP)	1km 分辨率栅格数据	资源环境科学与数据中心(https://www.resdc.cn/)
路网等矢量数据(铁路、 GS和XY)	矢量数据	全国地理信息资源目录服务系统(https://www.webmap.cn/main.do?method=index)

数据名称	数据描述	数据来源
DEM	ASTER GDEM 30M分辨率数字高程模型	地理空间数据云(https://www.gscloud.cn/)
土地利用数据	武汉大学 CLCD 30M分辨率数据	Zenodo网站(https://zenodo.org/record/5816591)
土壤属性数据	HWSD世界土壤数据库	粮农组织土壤门户网站(FAO SOILS PORTAL)
NDVI(MYD13Q1) GPP(MYD17A2H) NPP(MOD173AH)	MoDIS 500M分辨率产品	NASA地球数据(EARTHDATA)
降水(Rain) 温度(Tmp) 蒸散量(ET)	ERA5 500M分辨率数据	GEE数据网站(https://developers.google.com/earth-engine/datasets)
未来气温和降水数据	CMIP6数据集	WCRP CMIP6(https://esgf.nci.org.au/projects/cmip6-nci/)
经济(GDP)、人口数据 (POP)	1km 分辨率栅格数据	资源环境科学与数据中心(https://www.resdc.cn/)
路网等矢量数据(铁路、 GS和XY)	矢量数据	全国地理信息资源目录服务系统(https://www.webmap.cn/main.do?method=index)

土地利用类型	碳密度 (t/hm²)
土地利用类型	C_above	C_below	C_soil	C_dead
耕地	16.15	3.20	82.50	0
林地	67.45	30.25	120.98	13
草地	2.83	23.52	121.83	2
水体	3.20	0.64	71.77	0
荒地	0.96	0.99	60.00	0
建设用地	1.20	0	0	0

土地利用类型	碳密度 (t/hm²)
土地利用类型	C_above	C_below	C_soil	C_dead
耕地	16.15	3.20	82.50	0
林地	67.45	30.25	120.98	13
草地	2.83	23.52	121.83	2
水体	3.20	0.64	71.77	0
荒地	0.96	0.99	60.00	0
建设用地	1.20	0	0	0

年份	不同土地利用类型面积(km²)
年份	耕地	林地	草地	水体	荒地	建设用地
1990	9118.46	7722.35	1468.90	68.86	0.15	502.27
1995	9118.43	7722.34	1468.90	68.86	0.15	502.27
2000	9230.22	7651.91	1306.08	61.68	0.09	631.00
2005	8899.65	7885.56	1229.26	66.94	0.08	799.52
2010	8831.66	8025.89	1037.01	84.99	0.06	901.36
2015	8474.11	8056.20	1185.06	91.22	0.06	1074.33
2020	8150.06	8314.50	1044.95	98.58	0.16	1272.74
变化幅度 (%)	-10.62	7.67	-28.86	43.16	2.40	153.40

1990—2050年黄河中游伊洛河流域不同土地利用类型碳储量时空分异特征

Spatial and Temporal Variability of Carbon Stocks in Different Land-use Types in the Yiluo River Basin in the Middle Section of the Yellow River from 1990 to 2050

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 19

参考文献 67

相关文章 9

编辑推荐

Metrics

本文评价

区域	单位面积碳储量(t/ km²)
区域	1990—2000年	2001—2010年	2011—2020年
VI22-1	18733	18844	19004
VI22-3	19016	19582	19863
IV12-1	10377	9899	9596

区域	单位面积碳储量(t/ km²)
区域	2025年	2030年	2035年	2040年	2045年	2050年
全区	16280	16283	16265	16249	16256	16111
VI22-1	19347	19450	19499	19529	19601	19471
VI22-3	20367	20528	20603	20658	20790	20585
IV12-1	9416	9209	9041	8934	8794	8638

年份	情景类型	耕地		林地		草地		水体		荒地		建设用地
年份	情景类型	面积 (km²)	变化比例(%)	面积 (km²)	变化比例(%)	面积 (km²)	变化比例(%)	面积 (km²)	变化比例(%)	面积 (km²)	变化比例(%)	面积 (km²)	变化比例(%)
2035	正常情景	7646.03		9057.26		439.60		100.06		0.29		1637.76
	耕地保护	7760.88	1.50	8982.30	-0.83	416.26	-5.31	101.19	1.13	0.26	-10.53	1620.11	-1.08
	生态修复	7390.61	-3.34	9275.33	2.41	444.69	1.16	130.34	30.27	0.27	-7.09	1640.11	0.14
	城市发展	7568.36	-1.02	8962.99	-1.04	445.29	1.29	119.67	19.60	0.29	-0.21	1784.41	8.95
2050	正常情景	7084.44		9260.34		419.30		140.75		0.24		1975.98
	耕地保护	7497.17	5.83	8896.97	-3.92	411.43	-1.88	101.08	-28.18	0.30	23.82	1974.06	-0.10
	生态修复	6880.67	-2.88	9420.97	1.73	450.04	7.33	136.24	-3.20	0.31	27.95	1992.78	0.85
	城市发展	7061.39	-0.33	9098.25	-1.75	443.72	5.82	101.41	-27.95	0.16	-33.96	2176.07	10.13

年份	情景类型	全区域		IV12-1		VI22-1		VI22-3
年份	情景类型	单位面积碳储量(t/ km²)	变化比例 (%)	单位面积碳储量(t/ km²)	变化比例 (%)	单位面积碳储量(t/ km²)	变化比例 (%)	单位面积碳储量(t/ km²)	变化比例 (%)
2035	正常情景	16265		9041		19499		20603
	耕地保护	16126	-0.850	8730	-3.430	19435	-5.310	20517	-0.410
	生态修复	16638	2.293	8643	-4.400	20135	1.160	21313	3.446
	城市发展	16198	-0.410	8521	-5.750	19640	1.290	20833	1.116
2050	正常情景	16111		8637		19471		20585
	耕地保护	16032	-0.490	8764	1.470	19319	-1.880	20329	-1.240
	生态修复	16252	0.875	8938	3.485	19675	7.330	20874	1.403
	城市发展	16061	-0.310	8542	-1.090	19457	5.820	20567	-0.080

参数	DEM	GPP	NDVI	NPP	Rain	Tmp	ET	干流	支流	城镇	GDP	POP	铁路	GS	XY
q	0.467	0.239	0.561	0.303	0.364	0.415	0.219	0.045	0.014	0.224	0.325	0.299	0.230	0.146	0.083
p	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0

[1]	魏总, 杨朝磊, 田瑜峰, 杨金江, 黄勇, 和峰, 朱志平. 金沙江干热河谷区土壤侵蚀时空演变及其定量归因分析:以云南楚雄元谋地区为例[J]. 现代地质, 2024, 38(03): 683-693.
[2]	陈武迪, 刘晓煌, 李洪宇, 雒新萍, 王然, 邢莉圆, 白亚楠, 王超, 赵宏慧. 基于InVEST模型的新疆1990—2018年产水服务时空变化及驱动因素分析[J]. 现代地质, 2024, 38(03): 636-647.
[3]	郭佳晖, 刘晓煌, 张文博, 杨朝磊, 王然, 雒新萍, 邢莉圆, 王超, 赵宏慧. 基于InVEST模型和PLUS模型的云贵高原产水量时空变化特征分析[J]. 现代地质, 2024, 38(03): 624-635.
[4]	郭富印, 刘晓煌, 张文博, 邢莉圆, 王然, 祖皮艳木·买买提, 雒新萍, 王超, 赵宏慧. 2000—2040年黄河流域(河南段)生境质量时空格局演变及驱动力分析[J]. 现代地质, 2024, 38(03): 599-611.
[5]	闵婕, 刘晓煌, 肖粤新, 李洪宇, 雒新萍, 王然, 邢莉圆, 王超, 赵宏慧. 基于PLUS模型和InVEST模型的新安江流域生态系统碳储量时空变化分析与预测[J]. 现代地质, 2024, 38(03): 574-588.
[6]	朱丽亚, 胡克, 孙爽, 刘禹含, 梁佳欣. 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(01): 96-104.
[7]	代杰瑞, 庞绪贵, 董健, 王增辉, 喻超. 山东省土壤有机碳库及其时空变化特征[J]. 现代地质, 2017, 31(02): 386-393.
[8]	钟聪, 杨忠芳, 夏学齐, 侯青叶, 姜伟. 青海省土壤有机碳储量估算及其源汇因素分析[J]. 现代地质, 2012, 26(5): 896-909.
[9]	傅野思, 夏学齐, 杨忠芳, 李娟. 内蒙古自治区土壤有机碳库储量及分布特征[J]. 现代地质, 2012, 26(5): 886-895.

年份	不同土地利用类型面积(km²)
年份	耕地	林地	草地	水体	荒地	建设用地
2025	8079.42	8666.87	665.11	98.74	0.31	1370.54
2030	7943.51	8929.96	445.82	99.41	0.17	1462.08
2035	7646.03	9057.26	439.60	100.06	0.29	1637.76
2040	7383.59	9109.70	487.71	115.99	0.30	1783.67
2045	7289.89	9163.64	433.16	135.93	0.26	1858.12
2050	7084.44	9260.34	419.30	140.75	0.24	1975.98
变化比例 (%)	-12.32	6.85	-36.96	42.54	22.96	44.18

年份	不同土地利用类型面积(km²)
年份	耕地	林地	草地	水体	荒地	建设用地
2025	8079.42	8666.87	665.11	98.74	0.31	1370.54
2030	7943.51	8929.96	445.82	99.41	0.17	1462.08
2035	7646.03	9057.26	439.60	100.06	0.29	1637.76
2040	7383.59	9109.70	487.71	115.99	0.30	1783.67
2045	7289.89	9163.64	433.16	135.93	0.26	1858.12
2050	7084.44	9260.34	419.30	140.75	0.24	1975.98
变化比例 (%)	-12.32	6.85	-36.96	42.54	22.96	44.18