秦岭山地碳中和空间服务范围及其模拟预测

马新萍,李 晶,余玉洋,邓晨晖

1 咸阳师范学院地理与环境学院,咸阳 712000 2 陕西师范大学地理科学与旅游学院,西安 710126 3 河南师范大学旅游学院,新乡 453000

“双碳行动”是应对气候变暖的国际行动的一部分。欧盟国家是“碳中和”的首倡者,并提出要在2050年达到碳中和[1]。十四五时期,我国生态文明建设进入了以降碳为重点战略方向、推动减污降碳协同增效、促进经济社会发展全面绿色转型、实现生态环境质量改善由量变到质变的关键时期[2]。根据目前碳排放情况,如何实现碳中和是我国降碳战略的主要研究问题。中国科学院的“中国碳中和框架路线图研究”咨询项目将实现碳中和实现的过程分为排放端、固碳端以及政策推动等部分[3]。碳中和是指人为排放的CO2(化石燃料利用和土地利用),被人为活动(木材蓄积量、土壤有机碳、工程封存等)和自然过程(海洋吸收、侵蚀-沉积过程的碳埋藏、碱性土壤的固碳等)所吸收[4]。因此,碳排放是指人为排放的CO2(化石燃料利用和土地利用)；人为活动(木材蓄积量、土壤有机碳、工程封存等)和自然过程(海洋吸收、侵蚀-沉积过程的碳埋藏、碱性土壤的固碳等)所吸收的碳量即碳汇量。而森林生态系统是碳汇比例最高的生态系统类型,在碳中和过程中森林生态系统的碳汇量模拟及碳中和服务范围的定量分析具有理论及现实意义。

秦岭山地是我国中部面积最大的森林生态系统,其对周边城市排放的碳具有显著的中和作用。因此可以将秦岭森林生态系统看作一个巨大的碳吸收服务器,秦岭森林系统除了吸收本区域的碳之外,还能够固定周围多少区域范围的碳量,针对这一问题,可以结合CO2气体的空气扩散特征,来计算碳中和的空间服务范围,这一思路有助于我国碳中和空间均衡规划政策的制定以及双碳目标的实现。

目前对于固碳量的测算方法主要包括:传统森林碳储量计量方法、固碳模型、遥感碳计量方法三个方面。关于森林碳储量测算的方式有:卫星遥感数据估算、因子连续函数法、生长方程及碳贮量生物量转变和扩展因子法、蓄积量法、生物量法、生物清单法[5]、分解方法-对数平均 Divisia 指数(LMDI 法)、样地清查法以及回归模型法等[6—7]。常用的固碳模型主要有CASA模型[8]、BIOME-BGC模型[9—10]、INVEST模型[11]、林分蓄积生物量模型等[12—13]。这些模型在固碳量化方面已经有了较多应用,且在生态系统固碳服务研究上的应用也较广泛,例如:固碳服务的空间流动及格局优化[14—15],此外还有固碳服务与其他生态系统服务之间的权衡协同关系[16—17]。但是这些固碳模型往往需要大量相关参数的调整,而且模型精度受气象条件影响较大。遥感碳计量方法虽然具有更加快捷直观准确的特点,但其技术过程还处于发展阶段,其应用还有待成熟。因此,本文采用了IUEMS中的固碳释氧模型来计算秦岭山地的碳汇量,该模型主要采用了净生态系统生产力估算方法,该方法结合了干物质转化为碳的转化系数以及不同省市NEP(净生态系统生产力)和NPP(净初级生产力)的转换系数,同时也考虑了CO2与碳分子量之比,此方法考虑了植被固碳的过程原理,操作简单便捷,对于森林生态系统的碳汇量计算具有较强适用性。

该研究采用IUEMS系统中的固碳释氧模型测算了秦岭山地的固碳量,利用夜间灯光数据模拟了该区域的碳排放量,得到秦岭山地的碳中和量,同时利用PLUS模型预测了秦岭山地2030和2050年碳中和量,然后结合常用气体扩散系数以及空气中CO2密度计算出秦岭山地碳汇量的空间服务范围,研究结果以期为碳储蓄动态变化、碳中和空间规划提供科学基础,并为相关地方部门提供决策依据。

图1 研究区概况图Fig.1 Overview of the study area

1 研究区概况

本文的秦岭范围指陕西省境内的秦岭腹地,北以渭河为界,南至汉江干流,东西为陕西省界(图1),秦岭是我国南北方重要的地理界线,森林覆盖率逐年提高,是嘉陵江、洛河等多条重要河流的发源地及关中地区主要城市的水源地,也是我国重要的生态安全屏障。气候上,秦岭以南属亚热带气候,以北属暖温带气候；其南北的农业生产特点也有显着的差异；地形地貌类型丰富,地貌特点为由东向西逐渐升高、北坡山麓短急,地形陡峭,多峡谷,南坡山麓缓长,坡势较缓[18]。动植物及矿产资源种类繁多且产量较高。为周边城市提供了丰富的生态资源,具有较高的生态价值。

2 研究方法与数据来源

2.1 数据来源

主要采用到的数据包括:NPP数据、土地利用类型地表覆盖数据、DMSP/OLS夜间灯光数据以及各类能源统计数据等；其中秦岭山地2000—2020年的NPP数据来源于NASA LAADS(http://ladsweb.nascom.nasa.gov/data/search.html)[19],分辨率为500m,年度NPP来自给定年份的所有8 d净光合作用(PSN)产品(MOD17A2H)的总和。土地利用数据来源于自然资源部向社会发布的2020版30m的全球地表覆盖数据。DMSP/OLS和NPP-VIIRS夜间灯光数据来源于NOAA 网站 NGDC 数据中心(https://www.ngdc.noaa.gov/eog/download.html),该数据自 1992 年 4 月起每月更新,其空间分辨率为500m。此外,还包括《2020年中国碳价调查报告》、《陕西省统计年鉴》等其他相关资料。

2.2 IUEMS模型

IUEMS模型中的固碳量核算方法采用的是NPP法,其原理为自然生态系统在光合作用过程中吸收大气中的CO2合成有机质,将碳固定在植物或土壤中,并释放出氧气[20]。基于该原理,固碳功能量采用的是净生态系统生产力估算方法,公式为:

QCO2=MCO2/Mc×NEP

(1)

式中,QCO2为陆地生态系统固碳量,单位:t CO2/a；MCO2/Mc为CO2与C的分子量之比,即44/12；NEP为净生态系统生产力,单位:t C/a。净生态系统生产力的计算方式为:按照各省市NEP和NPP的转换系数,根据NPP计算得到NEP:

NEP=∝×NPP×Mc/MCHO

(2)

式中,NEP为净生态系统生产力(t C/a)；α为NEP和NPP转换系数；NPP为净初级生产力(t C/a)。Mc/MCHO为C与CHO的分子量之比。

2.3 碳排放量的计算与模拟

本文通过建立夜间灯光数据(DMSP/OLS 和NPP-VIIRS影像)与能源消费碳排放量之间的相关关系来模拟秦岭山地的碳排放量[21]。首先对夜间灯光数据进行预处理,由于NPP/VIIRS数据不存在灯光饱和与溢出现象,但未消除偶然噪声,存在异常值,因此,采用 Zhao 等[22]提出的方法对 NPP/VIIRS 数据进行异常值去除。能源消费碳排放计算与模拟,基于陕西省10个市的能源消费统计数据测算其碳排放量,综合 IPCC (2006) 确定的各类能源碳排放系数,参考苏泳娴等[23]计算碳排放的方法,计算公式如下:

(3)

式中:i表示能源种类；Ki为能源i的 CO2排放系数 (万t碳) /(万t标准煤)；Ei表示能源i的消费量,按标准煤计(万t)。各类能源碳排放系数见参考文献22,能源消费量来自于陕西省统计年鉴。

利用校正后的夜间灯光数据与由能源消费统计数据所测算的碳排放之间建立相关关系。利用陕西省地区市级界线图对夜间灯光数据进行分区统计,得到10个市的夜间灯光值,包括最大值、最小值、值域范围、平均值、标准差、求和值等6种分区统计值；将各市的能源消费统计数据与夜间灯光值进行线性回归拟合,通过试验,发现夜间灯光最大值与能源消费统计数据拟合程度最高,其拟合回归参数见表1。根据表1中的拟合程度较高的拟合公式计算2000、2010以及2020年陕西省的能源消费碳排放量。表1的拟合公式中x为夜间灯光最大值,y为能源消费统计量。

表1 碳排放模拟回归参数

2.4 PLUS模型

PLUS(Patch-generating land use simulation)模型是斑块生成土地利用变化模拟模型,该模型应用一种新的分析策略,可以更好地挖掘各类土地利用变化的诱因；同时该模型包含一种新的多类种子生长机制,可以更好地模拟多类土地利用斑块级的变化；该模型与多目标优化算法耦合,模拟结果可以更好地支持规划政策以实现可持续发展[24]。本论文主要采用PLUS模型的CARS模块对未来的碳中和量进行模拟,模拟过程采用了基于多类随机斑块种子的CA模型,也就是PLUS模型的CARS模块,该模块结合随机种子生成和阈值递减机制,使PLUS模型得以在发展概率的约束下,自动生成时空动态模拟斑块。多类随机种子生成数学原理参考文献[25]。

2.5 固碳服务范围计算方法

在常温常压下,作为一个大型碳汇,文章结合气体扩散系数以及空气中CO2的密度来计算秦岭山地的固碳服务范围,气体扩散系数表示气体(或固体)扩散程度的物理量。扩散系数是指当浓度梯度为一个单位时,单位时间内通过单位面积的气体量,在气体中,如果相距1cm(或者每m)的两部分气体,其密度相差为1g/cm3(或者每m),则在1秒内通过1cm2(或者m2)面积上的气体质量,规定为气体的扩散系数,单位:cm2/s或者m2/s。根据气体扩散系数(r)和CO2密度(ρ)以及固碳量(Tc)计算得到固碳服务范围,计算公式如下:

(4)

根据资料常温常压下大多数气体的扩散系数为10-4—10-5m2/s,空气中CO2的密度为1.98kg/m3,因此,由固碳距离公式计算得到,当r=10-4m2/s时,Dis=0.162374×Tc；当r=10-5m2/s时,Dis=1.62374×Tc。基于此,结合固碳量,可以得到秦岭山地的固碳服务范围空间分布值。

3 结果与分析

3.1 秦岭山地固碳量时空分布特征

利用IUEMS模型,输入NPP数据以及相应年份的LUCC数据,获得2000、2010和2020年的秦岭碳密度空间栅格数据,基于碳密度数据,采用像元面积进行换算,得到秦岭山地固碳量空间分布图(图2),从图2中可以看出,秦岭山地固碳量最大值逐年上升；通过计算得出,秦岭山地固碳总量也呈现逐年上升趋势,2000年固碳总量为10.86亿t,2010年固碳总量为13.63亿t,2020年固碳总量为14.33亿t。空间上,固碳量较高区域分布在秦岭山地的中西部区域,北部和南部地区固碳量相对较少。对固碳量进行分级统计(图3),可看出,固碳量大于5000t以上的区域面积从2000—2020年逐步升高明显,固碳量在2000—5000t的区域面积逐步减少,说明近20年来秦岭山地高固碳量区域面积在不断扩大,森林植被的生产力质量在逐年升高。

图3 固碳量分级统计图Fig.3 The classification statistics of carbon sequestration

从图2中的固碳速率来看,2000—2010年的固碳速率较高,2010—2020年的固碳速率有所减慢,2000—2020年的20年时间尺度上来看,其固碳速率相对较低。整体来看,秦岭大部分区域的固碳速率都呈增加趋势,2000—2010年固碳速率为上升趋势的面积占到96.7%,2000—2020年的固碳速率上升区域面积为96.2%,只有近十年来,其固碳速率呈正趋势的面积略有减少,为80.14%。

通过叠加地形因子,分析了固碳量与海拔、坡度、坡向的关系,从图4中可以看出,秦岭山地固碳量随海拔先升高后下降,在海拔1000多米的高度固碳量最大；在坡度上,斜坡的固碳量最高,半阳坡和半阴坡的固碳量较高。坡度坡向分级标准(表)来源于《森林资源规划设计调查主要技术规定》。

表2 坡度分级标准

表3 坡向分级标准

图4 不同地形条件下的固碳量特征Fig.4 Carbon sequestration characteristics under different terrain conditions

3.2 秦岭山地碳排放时空分布情况

文章通过建立夜间灯光数据与能源消耗数据之间的拟合模型,得到秦岭山地2000、2010、2020年的碳排放空间分布图(图5)。

图5 秦岭山地碳排放时空分布图Fig.5 Temporal and spatial distribution of carbon emission in Qinling mountains

从图中可以看出,秦岭山地碳排放量均为正值,三个时间年值中,碳排放的最低值为10.028t,碳排放低值表现为逐年升高的趋势,碳排放高值为逐年减少。空间上,秦岭山地由于主要以林地为主,其碳排放量整体相对均较低,每一年的低值排放量基本占到总面积的90%,碳排放较高区域主要分布在北坡城市聚集地区。

3.3 秦岭碳中和空间分布及其未来模拟

在固碳和碳排放定量的基础上,用固碳量减去碳排放量得到秦岭山地静态碳中和量,对其进行分级得到碳中和空间分级图(图6),从秦岭山地碳中和的时空分级图可以看出,碳中和程度较高的地区主要分布在秦岭中西部区域,碳中和出现负值区域主要为北坡的部分城市区域,且负值区域面积极小。通过秦岭山地静态碳中和量的计算,得出2000年秦岭所产生的碳在中和掉本区域的碳排放量之后还能提供102.78×104t的碳吸收量,2010年为118.78×104t,2020年为134.63×104t。总体上秦岭所能固定的碳量呈现逐年上升的趋势。由此,从结果看秦岭山地可看作一个大型碳汇,其固碳服务就是吸收了周边人类活动所释放的大量碳。

图6 秦岭山地碳中和时空变化图Fig.6 Temporal and spatial variation of carbon sink in Qinling mountains

基于2000年、2010年和2020年的碳中和量结果,利用PLUS模型对2030年和2050年的碳中和量进行模拟,模拟过程中考虑的影响因子包括海拔高程、坡度、坡向、到居民点距离、GDP以及人口。模拟结果见图7,从图7中可以看出未来到2030年和2050年碳中和最高值仍会升高,最低值也有所上升,其总量分别为149.07×104t和161.74×104t,相对2020年分别上升14.44×104t和27.11×104t,2030年碳中和量在5000t以上的区域占到总面积的51.88%,2050年为92.57%,由此可看出,秦岭山地未来碳中和量仍然具有较大的升高潜力,这对于未来碳中和的实现具有重要作用。

图7 2030、2050年碳中和量模拟结果Fig.7 The simulation results of carbon neutralization in 2030 and 2050

3.4 秦岭山地碳中和空间服务范围

秦岭作为一个大型碳汇能够服务周边多少范围的地区？根据常温常压下气体的扩散系数以及空气中CO2浓度计算得到秦岭碳汇的服务范围,从计算结果看2000年的服务范围为秦岭周边174km的范围,2010年的服务范围为周边196.1km的范围,2020年的服务范围为秦岭周边218.64km,其辐射范围达到了宁夏、甘肃、四川、湖北、重庆、河南、山西等地；从时间动态上看,其服务范围在逐年扩大。

图8 秦岭山地碳中和空间服务扩散范围Fig.8 Diffusion range of carbon neutralization space services in Qinling mountains

图9 秦岭山地碳中和服务范围及其变化程度Fig.9 Carbon neutral service range and change degree in Qinling mountains

对未来2030年和2050年碳中和服务范围进行模拟,得到其服务范围分别为242.05km和262.63km,由此可看出秦岭山地碳中和服务范围在逐渐增大,2020—2030年间增大的程度最大,2030年后该服务范围增大程度将有所减小。

4 讨论

4.1 基于IUEMS和夜间灯光数据的固碳量和碳排放量的估算

碳中和目标是人类面对气候变化危机的主动作为和共同追求[26],我国在短期内实现碳中和的主要途径是能源转型,在能源转型的过程中存在着安全不确定性、利用经济性、颠覆性技术难预测性,以及转型后可能面临许多新的关键技术等问题,除了能源转型,区域性碳汇的空间规划以及固碳能力的保持及提高也是助力碳中和的重要途径。固碳量和碳排放量的精准核算方法仍然是目前需要解决的主要问题,这一问题也是实现碳中和的基础,该研究采用IUEMS系统对秦岭山地的固碳量进行了测算,与其他的固碳量计算方法相比,该系统更加简便快捷,便于统一管理核算。对于碳排放的计算,目前其他的碳排放量估算方法包括碳排放系数法[27]、IPCC参考方法[28]以及中国碳排放数据库(CEADs),但这些方法存在一定误差以及精度有限等问题,因此综合多种方法,本文采用建立夜间灯光数据与能源统计数据之间的拟合关系,对于碳排放量进行了模拟和空间化,该方法适用于大中空间尺度的碳排放量的空间模拟,同时该方法目前应用也较为广泛,结合夜间灯光数据和能源数据,其结果更符合实际。

4.2 基于固碳服务范围研究的碳中和空间均衡化

目前对固碳服务的研究都集中在碳量及其经济价值的计算上,很少有研究考虑到其空间服务范围,结合森林植被固碳的原理,即植被将CO2和水分转化成生物质并释放出氧气,因此森林可以吸收大量CO2,这个作用就被称作森林的固碳效应,森林所吸收的CO2则通过空气扩散的方式从碳源来到森林被转化,本研究在计算过程中采用的是常温常压下的气体扩散系数和CO2密度,再结合秦岭山地碳汇量,就可以得到秦岭山地所能转化多少范围内的CO2,由此计算出秦岭碳汇的空间理论服务范围。然而在实际中,扩散系数并不是恒定的,其与解吸扩散过程中温度、压力的变化有关[29],CO2在扩散和被吸收的过程中会受到天气变化的复杂影响,因此,未来如何将气温、压力等参数考虑进来以得到不同季节和天气状况下的碳中和服务范围,这一问题的解决对于快速实现碳中和十分重要。综合以上,作者认为实现碳中和不仅是总量上的达标,更要重视空间均衡化,例如我国的三北防护林不仅中和了国内的碳排放量,在空间上也吸收和中和了国外的碳排放量,因此,碳中和空间均衡化研究能够避免最终出现碳中和空间分布不均的问题,这对于我国碳中和目标的实现具有重要意义。

5 结论

本研究采用IUEMS模型获取了秦岭山地固碳量空间分布,利用夜间灯光数据得到了研究区的碳排放量,将固碳量和碳排放量的差值作为碳中和量,由于秦岭山地固碳量远远大于碳排放量,因此,可以将秦岭山地看作一个大型碳汇。采用PLUS模型对秦岭山地未来2030年和2050年的碳排放量进行模拟预测,最后根据常温常压下气体扩散系数以及空气中CO2浓度计算得到秦岭碳汇的空间服务范围。得出以下结论:(1)秦岭山地固碳总量在10.86—14.33亿t,呈现逐年上升趋势,空间上80%以上的区域固碳速率在逐渐上升,对秦岭山地固碳量影响明显的地形因子包括:海拔1000多米、斜坡以及半阳坡和半阴坡。(2)秦岭山地碳排放量整体较小,空间上表现为低值逐渐升高,高值逐渐减少,这一定程度反映了该区域产能结构的不断调整对碳排放的影响。(3)秦岭山地90%以上区域均达到碳中和,且表现为逐年上升趋势,未来碳中和量也将呈现上升趋势。(4)2000—2050年的碳中和服务范围逐年扩大,涉及陕西周边各省市。(5)在固碳服务范围研究中应考虑天气和气候等因素对CO2扩散和吸收的影响,碳中和空间均衡化研究值得关注。