黄河流域农林碳汇时空演变特征及驱动因素

李 珂, 史维良

(西安财经大学 统计学院, 西安 710100)

减少碳源、增加碳汇是实现碳达峰、碳中和的主要手段。“碳汇”作为实现“碳中和”目标的唯一方法,如何全面、准确、有效地实现“碳汇”估算,对国家和企业的长期战略发展、城市的生态评估具有重要意义。推动黄河流域生态保护和高质量发展是实现人与自然和谐共生现代化的重要组成部分。研究黄河流域的碳汇水平可以在一定程度上反映黄河流域生态环境发展的水平,为黄河流域“双碳”目标以及高质量发展的进程起到促进作用。

近年来,学界对碳汇的研究主要涉及固碳量估算方法的拓展及应用[1]、碳汇现状与潜力评估以及碳汇时空分布格局揭示[2]等。研究区域类型日益丰富,由区域内部的分异现象向区域间差异转变,从单一环境向复合环境下碳汇研究延展[3]。研究尺度逐渐多元化,涵盖全国、地区、省域、市域等。李源清等[4]利用郑州市的统计数据,估算了郑州市森林碳汇、农田碳汇和城市绿化碳汇;马欣雨和穆月英[5]研究发现购买农业保险、采纳节水灌溉技术、提高户主受教育年限、提升耕地质量可促进了环境技术效率的改善,要素利用率低与污染过量是限制粮食生产环境技术效率提高的关键因素;邹佳敏等[6]了探究森林碳汇与居民福祉的耦合关系,为国家制定差异化的森林生态补偿政策提供新视角。尚杰和杨滨键[7]从种植业经济发展水平、农产品出口依存度、种植业财政支持力度、有效灌溉面积率等角度研究了种植业净碳汇影响因素。当前研究成果对全面了解区域碳效应提供了良好的理论基础,为“双碳”目标的实现提供了重要的现实支撑。但目前我国的碳汇估算主要对单一的森林或农田碳汇进行研究,这导致许多区域的碳汇资源并未完全得到展现。以黄河流域为例,黄河流域总土地面积11.9亿亩(1亩≈667 m2),流域内共有耕地2.44亿亩,耕地面积占总土地面积的20.5%,而森林覆盖率也只有24.44%,如果只考虑一种碳汇资源,黄河流域碳汇资源一定会被低估[8]。

基于此,为研究黄河流域碳汇现状,推动黄河流域“双碳”目标的进程,更有针对性地实现黄河流域生态环境高质量发展,结合国家统计数据和不同类型的碳汇估算方法,计算评估黄河流域农林碳汇量的现状,并利用地理探测器分析黄河流域农林碳汇的影响因素,以期为建立更加可信、精确、有效的碳汇测算方法提供理论依据,也为黄河流域更加积极有效地开展碳达峰、碳中和实践以及参与全球气候治理提供决策参考。

1 数据来源及研究方法

1.1 研究区概况

黄河流域位于东经96°～119°、北纬32°～42°,东西长约1 900 km,南北宽约1 100 km,总面积79.5万km2。发源于中国青海省巴颜喀拉山脉,流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东9个省区,最后于山东省东营市垦利区注入渤海。根据中国植被类型空间分布数据显示黄河流域的林地主要集中在黄河上游水源涵养区、秦岭等山地地区,耕地主要分布于中下游,华北平原区流域森林面积约9.52万km2,碳储量潜力巨大,是我国重要的生态安全屏障,也是人口活动和经济发展的重要区域,在国家发展大局和社会主义现代化建设全局中具有举足轻重的战略地位。因此,研究黄河流域农林碳汇量的发展现状,探寻其发展规律具有一定的现实意义。

1.2 数据来源

所用数据包括第6～9次全国森林资源清查数据以及2000—2020年黄河流域各省份统计年鉴数据、环境统计年鉴数据及林业统计年鉴。高程、坡度及坡向数据来源于中国科学院计算机网络信息中心地理空间数据云平台。

1.3 研究方法

1.3.1 森林碳汇量估算方法

目前森林碳汇量的计量方法主要分为样地清查法和微气象学方法[9]。样地清查法包括生物量法、蓄积量法和生物清单法。相较于样地清查法,微气象学方法所需设备精度高且昂贵,对人员专业素质要求高且操作难度大;而样地清查法中生物清单法以及生物清单法工作量大,可靠性和可比较性差。因此,根据实用性和可操作性原则,选择准确性较优的蓄积量扩张因子法计算森林碳汇量。

蓄积量扩张因子法是生物量法的延伸[10],继承了生物量法的优点,保证了研究的准确性和可行性。该方法利用比例关系将林地、林木和林下植物固碳量的计算涵盖在内,其原理是根据森林主要树种进行抽样实测,计算出森林中主要树种的平均容重,根据森林的总蓄积量求出生物总量,再根据生物量与碳量的转换系数求出森林的固碳量,具体计算公式为

C=C1+C2+C3

(1)

C1=∑(SijVijδργ)

(2)

C2=α∑(SijVijδργ)

(3)

C3=β∑(SijVijδργ)

(4)

式中:C为森林固碳量,即碳汇总量;C1为林木生物固碳量;C2为林下植物固碳量;C3为林地土壤层固碳量;Sij为第i类地区第j类森林类型面积;Vij为单位面积蓄积量;α、β分别为林下植物和林地土壤层碳转换系数,根据国际通用政府间气候变化专门委员会(IPCC)公布的默认值将α、β定为0.195和1.244;δ、ρ、γ、分别为生物量扩大系数、容积系数、为含碳率,根据IPCC公布的默认值分别取1.9、0.5、0.5。

1.3.2 农业碳汇量估算方法

根据郭海红和盖凌云[11]的研究,利用系数法,计算农作物的碳汇能力。具体公式为

(5)

式中:S为农业碳汇量总量;Si为某种农作物的碳汇量;n为农作物种类;ui为农作物碳吸收率;qi为农作物经济产量;wi为农作物的含水量;θi为农作物经济系数。

由于农作物种类复杂多样,不同的农作物的固碳能力不同,为了测算的结果更加准确科学,对农作物种类细分水稻、小麦、玉米等农作物品种,利用相关碳汇测算体系测算农作物的碳汇能力[12]。具体碳汇相关系数见表1。

表1 农业碳汇相关系数

1.3.3 Kernel核密度分析

为更直观、生动地揭示2000—2020年黄河流域农林碳汇总量的时序演变特征,运用非参数估计的Kernel核密度估计刻画其动态演进趋势。核密度估计方法对随机变量的概率密度进行近似估计,考察变量分布位置、形态等动态信息。由于对模型的依赖性较弱且具有良好的统计性质,该方法在空间分布差异研究中已得到广泛应用。计算公式为

(6)

选择已有研究中广泛运用的高斯核函数,计算公式为

(7)

1.3.4 地理探测器模型

地理探测器无线性假设且物理意义明确。本文利用因子探测器、交互探测器以及风险探测器研究农林碳汇量的驱动因子。

1)分异及因子探测。探测农林碳汇量的空间分异性,明确评价指标对农林碳汇量的影响力,用q值度量。

2)交互作用探测。识别两个评价指标共同作用对农林碳汇量的影响。交互作用类型见表2。

表2 交互作用类型

3)风险区探测。判断评价指标子区域间的属性均值是否有显著差别,搜索碳汇水平高的区域,用t来检验。

4)指出不同因素对黄河流域农林碳汇量的空间分布的影响是否存在显著差异。

2 黄河流域农林碳汇量时空演变特征分析

为研究黄河流域农林碳汇总量的发展现状及其变化规律,依据前文所构建的森林及农田碳汇测算公式,分别测算黄河流域9个省区2000—2020年的森林以及农田的碳汇量。在此基础上,结合所测算的碳汇量计算出各地区农林碳汇总量,并对其时空演变特征进行分析。

2.1 时间演变特征分析

选取2000年、2008年、2014年和 2020年作为考察剖面,绘制黄河流域农林碳汇总量的核密度分布图,揭示随时间变化其分布位置、分布形态和分布延展性等特征,体现2000—2020年黄河流域农林碳汇量的时间演变特征,如图1所示。

图1 2000年、2008年、2014年、2020年黄河流域农林碳汇量核密度分布

由图1可知, 2000—2020年黄河流域农林碳汇量核密度呈现出了明显的“单极”现象,大部分省份农林碳汇总量低于5 000×104t。核密度函数中心存在不同幅度的右移现象,说明在此期间内,黄河流域农林碳汇量的水平整体有所提升;2000—2020年波峰位逐渐变得平坦,峰位稍有下降,曲线有所变宽,中部存在明显的“拖尾现象”,说明在此期间黄河流域农林碳汇水平发展不平衡,出现了一些“独大城市”,但大多数省份农林碳汇总量均有所上升,且各地区差异程度不断缩小,这可能是由于黄河流域各地区在政策的引导下逐渐增强环境保护意识,逐步实现“双碳”目标以及黄河流域生态高质量发展,绿色发展水平持续提升。

2.2 空间分异特征分析

为了反映黄河流域各省农林碳汇量的空间格局及其变化,运用 ArcGIS 10.6软件对黄河流域各省农林碳汇量进行分级聚类,将碳汇量依次划分为第1阶段(795.50≤C<3 823.83)、第2阶段(3 823.83≤C<13 556.02)、第3阶段(13 556.025 9≤C≤27 685.384 4)、第4阶段(27 685.38≤C<137 861.55)、第5阶段(137 861.55≤C<218 286.92)。绘制2000年、2008年、2014年以及2020年时间截面的黄河流域农林碳汇量空间格局变化图,结果如图2所示。

图2 2000年、2008年、2014年、2020年黄河流域农林碳汇量空间格局变化

总体而言,黄河流域农林碳汇量较高的区域集中在四川、内蒙古两个区域,碳汇量较低的区域集中在青海和宁夏,这主要是因为四川和内蒙古土地面积相对较大,自然条件优越,适合植物生长,而宁夏和青海由于受到土地面积以及海拔等因素的限制,使得农林碳汇发展较差。黄河流域农林碳汇量从南向北呈现出“高-低-高”的差异,而从东向西则呈现“两侧低、中间高”的差异。2000—2020年,各个省份农业和森林碳汇量都得到了一定的发展,特别是在东部沿海省份,农林碳汇量显著提高。

从图2中可以看出,黄河流域上游各省农林碳汇水平差异较大,宁夏、青海和四川在21年的发展中并没有突破性的变化,其中宁夏始终处于第1阶段,四川一直处于第5阶段;甘肃农林碳汇量发展相对较好。中游省份农林碳汇水平发展相对稳定,其中陕西始终处于第4阶段,而山西于2014—2020年由第2阶段变为第3阶段,内蒙古从2000年的第4阶段发展到2020年突破第5阶段,农林碳汇水平较高。黄河流域下游省份农林碳汇水平发展良好,山东由最初的第1阶段不断发展最终处于第3阶段,河南也在21年的发展中,突破第2阶段进入第3阶段,可能是由于山东省和河南省本身自然条件优越,在研究期内由于经济的发展,两省对于农业以及林业的重视程度加深,从而实现了农林碳汇水平的突破。

3 黄河流域农林碳汇驱动因素的影响

综合考虑自然、人文两方面因素,结合相关文献及可得数据,选取气温(X2)、降水总量(X4)、坡度(X9)、坡向(X10)、年平均日照(X3)和高程(X8)作为自然因素,选取年末总人数(X5)、城镇化率(X1)、第一产业占GDP比重(X6)和第二产业占GDP比重(X7)作为人文因素,共计10个因子,进行地理探测。

3.1 各驱动因子对于农林碳汇的影响

首先进行因子探测,探究单因子对黄河流域农林碳汇量的影响程度。图3对各因子影响程度进行了展示。因子对农林碳汇量的影响程度排序为气温>降水总量>年末总人数>坡度>坡向>年平均日照>高程>城镇化率>第一产业占GDP比重>第二产业占GDP比重。自然因子中,降水和气温的解释力均超过60%,是影响农林碳汇量的主要因子;坡度、坡向是次影响因子,解释力在40%以上;平均日照和高程对碳汇影响力最弱,但解释力也在35%以上。人为因子中,年末人口总量对农林碳汇量的影响,解释力在59%左右;城镇化率和第一产业、第二产业占GDP总量对碳汇的直接影响较小。

图3 因子探测q值

3.2 驱动因子之间的交互作用对于农林碳汇的影响

为进一步探究黄河流域农林碳汇量空间分异机理,进行交互因子探测,分析黄河流域农林碳汇量的驱动因子在空间叠加后形成的交互作用。图4是黄河流域农林碳汇量驱动因子的交互作用探测结果展示。可以看出任意两个因子间的交互作用均大于单个因子的影响,其中,非线性增强关系所占比例为37.8%,双因子增强关系为62.2%,不存在相互独立起作用的因子,说明黄河流域农林碳汇量的变化是不同驱动因子共同作用的结果。其中城镇化率与年末总人口、第二产业占GDP比重、坡度和坡向之间,年平均日照与第二产业占GDP比重、高程、坡度和坡向之间,年末总人口与第一产业占GDP比重,第一产业占GDP比重与第二产业占GDP比重、坡度和坡向之间,第二产业占GDP比重与高程、坡度和坡向之间,高程与坡度、坡向之间的交互作用呈现非线性增强,其余因子间交互作用均为双因子增强。气温与其他影响因子的交互作用对农林碳汇量的影响均超过70%,年末总人口数与其他影响因子的交互作用均在70%以上。虽然人类活动的单因子解释力不高,但与环境因子的交互作用解释力较强,表明坡度和坡向是影响农林碳汇量空间分异格局的间接因素。

图4 因子交互作用q值

3.3 农林碳汇最大化的因子范围

利用风险区探测,分析因子子区域间的属性均值是否有显著差别,从而得到使得农林碳汇量达到最大的因子范围,可以在之后的发展中选择更利于农林碳汇发展的区域进行规划。具体参数见表3。

表3 因子的适应类型及范围

由表3可知,10个因子分区对农林碳汇量均值均呈现显著性差别。人文因子的强度与农林碳汇量均值基本呈负相关关系。其中,年末总人数、城镇化率等人文因子均分为5级,1代表最小,5代表最大。第二产业占GDP比重、年末总人数和城镇化率的分区中,农林碳汇量均值最大值出现在第1或2级分区中,分别为102 528.6、159 575.4、113 401.8,对应第二产业占GDP比重、年末人口数和城镇化率的最优范围分别是34.72%～36.79%,3 651～3 857人,35.51%～38.14%。但第一产业占GDP比重的分区中,农林碳汇量均值的最大值102 995.7出现在第5级分区,范围为20.73%～22.61%,这可能是由于林业和农业均为第一产业中的重要部分,所以第一产业的发展对农林碳汇量有正向的促进作用。

自然因子分区对农林碳汇量的均值也呈现显著性差别,但不同的是,风险区在各因子间差异更加多样。其中,碳汇量均值最高值189 147.1×104t同时出现在坡度分级中的1级和高程、坡向分级中的2级,这3个因子的分级均为四川,这说明四川的地形最利于森林和农业的发展,从而使得农林碳汇量达到最大;气温的最适宜级别为第5分级,范围分别是14.98～15.43 ℃;年平均日照的最适宜级别是3级,范围是2 585.49～2 656.7 h;降雨分级中,碳汇量均值最高值出现在第4级,范围是21 608.66～23 142.35 mm。

4 结论与建议

4.1 主要结论

在科学估算2000—2020年黄河流域9省区农林碳汇量的基础上分析其时空演变特征,并对于影响农林碳汇量的10个影响因素进行了分析,得出如下结论:

1)黄河流域2000—2020年大多数省份农林碳汇总量均有不同幅度的提升,各地区差异程度有所减小。但空间分布不均衡现象依然存在,总体上南到北在空间上表现出“高-低-高”的差异性特征,由东到西在空间上表现出“两边低,中间高”的差异性特征;9省农林碳汇量均表现出不同程度的增势。

2)因子探测显示,降水、气温、坡度、坡向及年末人口总量是黄河流域农林碳汇的主导因子,坡向和城镇化率的解释力最弱。交互作用探测可知,驱动因子间交互作用对农林碳汇的解释力度明显增强,且以双因子增强型为主。这说明黄河流域农林碳汇是多种因子共同作用的结果。风险区探测表明,气温与第一产业占GDP比重与农林碳汇显著正相关,而第二产业占GDP比重和坡度与农林碳汇显著负相关,其余因子对农林碳汇水平发展均有其适宜的范围。研究结果为该区域农林碳汇进一步改善提供一定科学依据。

4.2 相关建议

1)制定激励政策鼓励农户提高农业碳汇。在对农业碳汇量进行科学评估的基础上,不断地建立和完善碳汇交易平台,并在政府的引导和监管下,按照市场规则来进行碳汇交易,从而实现其经济价值。基于这一点,根据作物的碳汇水平和不同的经济能力,制定出适合于农户的碳汇补贴政策,从而保证了碳汇收益的真正实现。另外,为了确保公平与效率,在制定基准补贴标准时,应根据各省份的碳汇发展情况,制定差别化补贴标准。此外加大对农业碳汇技术的研发力度,通过对传统农业生产工艺进行创新改造,提高农业生产效率和农产品质量。并且通过提高农业低碳技术水平,优化能源结构,保护现有耕地,提高农业生产效率,优化耕作方式,调整农作物种植结构。发展循环农业,实现农业高碳汇水平的发展模式。

2)科学实施林业政策制度,因地制宜地发展森林碳汇。首先,要将森林质量精准提升工程、森林抚育工程、退化林修复工程以及森林灾害的防治工程作为重点,此外,要强化森林资源的监管,推动林业产业升级,强化林地使用权流转、抵押、担保等方面对于林地资产评估的研究,为制定更为科学的森林碳汇政策提供保证。其次,加强对森林资源总量的控制以及相关法规的管理。必须要考虑到当地的自然条件、周边环境以及经济发展水平等因素,并结合具体情况进行差别化的开发策略,在确保森林资源安全的基础上,稳步提高森林碳汇量。