秦岭北麓(西安段)碳排放和碳汇分析与预测研究

王 岩,管子隆,3,李 菲,刘 园

(1. 中国电建集团西北勘测设计研究院有限公司,西安 710065;2. 陕西省水生态环境工程技术研究中心,西安 710065;3. 中国电建集团西北勘测设计研究院有限公司 博士后科研工作站,西安 710065)

0 前 言

当今全球气候变化越来越引起人们的重视,温室气体的排放对于地球气候系统的变化有着重要的影响。在过去几十年里,随着人类活动的不断增加,CO2、CH4等温室气体的排放量也在不断增加,导致全球气温升高、极端天气事件增多等气候变化问题加剧[1]。在此背景下,全球各国开始加强对气候变化问题的关注,并纷纷制定了一系列的减排政策,以减缓温室气体的排放量。作为世界上最大的温室气体排放国,中国也开始重视并加强对碳排放和碳汇的评估和预测,为实现我国双碳目标提供理论基础。

近年来,国内外学者围绕碳排放和碳汇的预测和分析开展了部分研究。在碳排放分析方面,Chen等[2]采用DMSP/OLS和NPP/VIIRS卫星图像,估算了1997—2017年我国2735个县的二氧化碳排放量,为碳排放研究和相关政策制定提供了数据支撑;碳排放的预测往往采用STIRPAT模型[3]建立碳排放量和关键指标之间的关联。在碳汇分析方面,许多学者采用CASA[4]、INVEST[5]等模型研究区域的碳汇时空分布及变化规律,并采用灰色预测模型、幂函数等模型研究区域的碳汇潜力[6]。秦岭北麓是中国西北地区重要的森林生态系统,了解秦岭北麓碳排放和碳汇时空分布特征,对于评估该地区碳汇潜力、指导碳排放减缓政策以及提高全球碳循环科学水平具有重要的意义。然而,针对秦岭北麓的碳排放和碳汇的研究尚不充分,需要进一步深入探讨其时空分布特征及其未来的变化趋势。

因此,本文通过研究秦岭北麓(西安段)碳排放和碳汇时空分布特征,探究其碳汇潜力,建立碳排放预测模型,预测未来碳排放趋势,并提出相应的碳减排增汇的相关建议,为该地区的碳减排和生态保护提供科学依据。

1 研究区域和方法

1.1 研究区域概况

本文研究范围为秦岭北麓(西安段)(见图1),南以秦岭主梁为界,北至渭河,东西皆以西安市行政区划为限,包括西咸新区、周至县、鄠邑区、长安区及蓝田县等,总面积9 267.53 km2,其中森林面积约6 900 km2,森林覆盖率74.5%。秦岭北麓属于典型的季风气候区,存在明显的季节变化和不均匀的降水分布,同时秦岭山脉的高山地形使其产生明显的高山效应。海拔1 700.00 m以上的区域气候寒冷湿润,年平均气温为6～8℃;海拔1 700.00 m以下的区域气候温暖多雨,年平均气温为10～12℃。秦岭北麓(西安段)水系发育,共有50条峪道,峪口以上部分垂直分布有高山灌丛草甸、针叶林、针阔叶混交林和落叶阔叶林等自然植被类型。

图1 秦岭北麓(西安段)地理位置

1.2 碳汇计算

净生态系统生产力(Net Ecosystem Productivity,NEP)是生态系统的植被净初级生产力(Net Primary Productivity, NPP)与土壤微生物呼吸碳排放(Heterotrophic Respiration,RH)的差值,是评估区域碳平衡的重要指标,可用于度量植被碳汇的大小。其公式如下:

NEP(x,t)=NPP(x,t)-RH(x,t)

(1)

式中:NEP(x,t)为t月份像元x的植被净生态系统生产力(g C m-2),NPP(x,t)为t月份像元x的植被净初级生产力(g C m-2),RH(x,t)为t月份像元x的土壤微生物呼吸量(g C m-2)。当NEP>0时,说明植被的固碳量大于土壤微生物呼吸的碳排放量,表现为碳汇,反之则为碳源。

本研究使用应用较为广泛的光能利用率CASA(Carnegie Ames Stanford Approach)模型估算秦岭北麓(西安段)的NPP,其表达式为:

NPP(x,t)=APAR(x,t)×ε(x,t)

(2)

式中:APAR(x,t)为t月份像元x吸收的光合有效辐射(g C m-2month-1);ε(x,t)为t月份像元x的光能利用率(g C MJ-1)。

RH与土壤中微生物的数量、种类以及植物根系的分泌物有关,因此,温度和降水是影响土壤微生物呼吸的最重要的两个因素。本研究采用裴志永等[7]建立的回归模型估测RH,该模型在黄河流域也较好的适用性[4],其计算公式为:

RH(x,t)=0.22×[e0.0912T(x,t)+In(0.3145R(x,t)+1)]

×30×46.5%

(3)

式中:T(x,t)为t月份像元x的平均气温,℃;R(x,t)为t月份像元x处的总降水量,mm。

1.3 碳汇预测

灰色预测模型是一种基于灰色系统理论的预测方法,用于处理具有不完整、不确定和模糊信息的问题。通常用于中小样本数据的预测和决策分析,可适用于各种自然和社会经济领域的预测问题。考虑到气象条件和植被生长状况等自然因素的不确定性,本研究采用GM(1,1)灰色预测模型,通过灰色数学中的“累加生成”法和“均值修正”法将原始数据序列转化成符合稳定规律的新序列,从而使得建立的一阶微分方程更具可靠性和准确性,然后利用已知的历史数据进行参数估计,进而通过该方程来预测未来碳汇的变化趋势。

(4)

1.4 碳排放预测

STIRPAT(Stochastic Impacts by Regression on Population, Affluence, and Technology)模型是由York等[8]基于IPAT方程提出的,意在揭示经济发展、人口增长、科技进步对环境的影响。本研究采用STIRPAT模型对秦岭北麓(西安段)的碳排放进行预测。

通过对人口、区域生产总值、城镇化率、产业结构和能源消耗强度5个自变量和因变量之间关系来预测区域的碳排放量。其拓展形式为:

InCE=a+bInP+cIn(GDP/P)+dInU+eInI

+fInEs+ε

(5)

式中:CE为区域碳排放量(t/a),P为常住人口数;GDP为区域生产总值(亿元);U为城镇化率(%);I产业结构(用第三产业占比表示),Es为能源消耗强度(吨标准煤/万元)。a为模型常数项,b、c、d、e、f为以上变量的弹性系数,ε为随机误差。

1.5 数据来源

本研究的数据来源和说明见表1,其中碳排放数据来自中国碳核算数据库(CEADs),人口、人均生产总值、城镇化率、产业结构和能源消耗强度等数据来自西安市统计年鉴。根据收集到的各类数据的时间段,本研究中采用1997—2017年的碳排放数据分析区域碳排放量的时间变化规律,选取2017年分析碳排放的空间分布格局和碳汇的时空分布格局,采用2005—2017年的碳排放数据、碳汇数据和社会经济数据预测未来碳排放量和碳汇量。

表1 数据来源与说明

2 结果与分析

2.1 碳排放时空分布格局

1997—2020年,秦岭北麓(西安段)碳排放量从1.55×107t/a增加到5.16×107t/a,年均增速10.11%(见图2)。总体来看,碳排放主要经历的3个阶段:1997—2001年碳排放量基本保持不变;2002—2011年碳排放量急剧增加,年均增长率为19.97%;2012—2020年增速大幅度放缓,年均增长率为1.61%。

图2 1997—2020年秦岭北麓(西安段)碳排放时间变化趋势

1997—2020年,秦岭北麓(西安段)碳排放空间分布格局的年际差异较小,本研究以2017年碳排放数据为例进行分析。2017年,秦岭北麓碳(西安段)排放总量为4.41×107t(见图3),碳排放量前五的区县依次为长安区、未央区、临潼区、灞桥区和雁塔区,分别占碳排放总量的比例为18.46%、16.06%、12.09%、11.00%和9.10%。但是从碳排放强度(单位面积碳排放量)分析(见图4),排名前五的区县依次为碑林区、新城区、莲湖区、未央区和雁塔区,碳排放强度分别为4.32×104、3.84×104、3.83×104、2.68×104t /km2和2.65×104t /km2。

图3 2017年秦岭北麓(西安段)碳排放量空间分布格局

图4 2017年秦岭北麓(西安段)碳排放强度空间分布格局

2.2 碳汇时空分布格局

秦岭北麓(西安段)2017年全年及各月的植被净生态系统生产力(NEP)的空间分布如图5所示。整体而言,NEP空间分布差异较大,北部平原区整体低于南部山区,平原区除西安城区外大部分地区高于0,NEP最低值出现在西安城区及西部太白山冰雪覆盖地区,大部分低于-30 gC m-2a-1,NEP最高的地区分布在南部秦岭山区,整体呈现出南高北低、高低相间的分布特征,具有一定的地带性。

图5 2017年秦岭北麓(西安段)碳汇空间分布图

秦岭北麓(西安段)2017年逐月平均碳汇量如图6所示。由图6可知,1—12月的每月平均碳汇量主要表现为先增后减的趋势,这一变化趋势与该地区的自然植被和农作物的生长规律相一致。3—4月,随着气温逐渐回升和降水逐渐增加,植物处于萌芽期,但此时植物的固碳能力仍然低于土壤呼吸速率,因此碳汇量较低。5—8月,随着气温显著上升和降水快速增加,植被处于生长的黄金时期,因此碳汇量迅速增加。9—10月,随着气温回落和降水减少,植被生长速度缓慢,且绝大多数农作物已经收割,然而,此时土壤呼吸速率仍较高,因此碳汇量急速下降。12—次年2月为一年中气温最低的季节,植被处于枯萎期,固碳能力较低,因此碳汇量也较低。

图6 秦岭北麓(西安段)2017年逐月平均碳汇量

不同土地类型的固碳能力存在很大差异,基于2017年秦岭北麓(西安段)年碳汇量的空间分布,按照土地类型分区统计,得到不同土地类型年碳汇量,如图7所示。不同土地类型的碳汇量均值排序为:阔叶林地>草地>高山草甸>灌木林地>斜坡草地>疏林地>农田>滩地>河流>裸地>湖泊(水库)>城镇,阔叶林地的碳汇量均值为480.34 gC m-2a-1,城镇的碳汇量均值为117.17 gC m-2a-1,极差为363.17 gC m-2a-1。

图7 2017年秦岭北麓(西安段)不同土地类型碳汇量

2.3 碳排放和碳汇量预测分析

通过岭回归分析,得出碳排放量的STIRPAT模型为:

InCE=7.753+0.492InP+0.55In(GDP/P)

-0.0355InU-1.868InI+0.115InEs

(6)

从上述回归方程分析可知,各因素对碳排放影响程度为:产业结构>人均GDP>人口>能源消耗强度>城镇化率。2005—2017年,秦岭北麓(西安段)实际碳排放量与STIRPAT模型模拟量的拟合结果表明,实际碳排放量与模拟量的平均误差为2.74%,误差较小,在可接受范围内。

结合《西安市国民经济和社会发展第十四个五年规划和二○三五年远景目标纲要》和历史数据,设定2021—2060年秦岭北麓(西安段)在人口、人均生产总值、城镇化率、产业结构和能源消耗强度的变化趋势,采用STIRPAT模型预测未来正常发展情形下的碳排放量。碳排放量预测结果如下图所示,由图8可知,在正常发展情景下,秦岭北麓(西安段)的碳排放量在2030年达到峰值5.94×107t/a,之后开始逐年下降;2060年碳排放量下降至5.42×107t/a。

图8 秦岭北麓(西安段)碳排放量预测结果

基于GM(1,1)灰色预测模型,分析得出秦岭北麓(西安段)碳汇量的变化趋势,如图9所示。结果显示,秦岭北麓(西安段)在2021—2060年的碳汇量呈逐年增加的趋势,2060年的碳汇量达到3.16×107t/a。

图9 秦岭北麓(西安段)碳汇量预测结果

图10 秦岭北麓(西安段)净碳汇量预测结果

2.4 区域碳中和状况分析

本研究估算了秦岭北麓(西安段)的净碳汇量,即总碳汇量与总碳排放量的差值。净碳汇量统计结果显示,秦岭北麓(西安段)净碳汇量基本为负值,说明秦岭北麓碳(西安段)排放量始终大于碳汇量。在21世纪初,秦岭北麓(西安段)碳排放量略高于碳汇量,净碳汇量为-0.13×107t/a。2000—2030年,由于区域经济的快速发展,碳排量的平均增速是碳汇量的5倍,所以秦岭北麓(西安段)的净碳汇量快速降低,最低净碳汇量为-3.70×107t/a。2030—2060年,由于区域碳排量逐年降低,且碳汇量逐年增加,因此秦岭北麓(西安段)的净碳汇量逐步增加。2060年的区域净碳汇量为-2.26×107t/a,未达到区域2060年的碳中和目标。

3 讨 论

进入21世纪以来,西安市城镇化建设快速推进,区域人口呈指数级增长,秦岭北麓(西安段)碳排量也急剧增加。随着陕西省对秦岭北麓的生态环境保护的高度重视,并出台《陕西省秦岭生态环境保护条例》,使秦岭生态环境保护工作走上法制化的道路。同时,积极实施的一系列系统性生态保护和修复工程[9],使秦岭北麓生态环境质量持续好转。因此从2012年以后,秦岭北麓(西安段)的碳排放量得到有效控制,碳排放的平均增长率相比于碳排放的平均增长率相比于2000—2010年降低了12.4倍。

通过对碳排放量的预测分析发现,秦岭北麓(西安段)可实现2030年“碳达峰”目标。人口是影响区域碳排放量的一项重要因素[10-11],研究表明中国人口将在2030年左右达到峰值[12],因此本研究中同样设定秦岭北麓(西安段)在区域人口在2030年达到峰值。通过对碳汇量的预测分析发现,秦岭北麓(西安段)的碳汇量在预测期内年均增长1.62%,略低于张颖等[6]得出的全国森林碳汇年均增长率2.91%,主要原因是秦岭北麓受区域限制,森林面积的增长率低于全国平均增长率。结合碳排放量和碳汇量的预测结果,发现秦岭北麓(西安段)在2030—2060年期间,虽然碳排量持续降低,碳汇量持续增加,但是在正常发展情景下仍然难以达到2060年“碳中和”的目标。李曼等[13]的研究也发现山西省在基准情景下难以实现2060碳中和目标。许多专家指出我国实现碳中和目标面临时间紧迫、任务艰巨等问题[14],因此需要社会各界加速推进减排固碳工作,在减少碳排放上,由于产业结构和人口是影响碳排放量的关键因素,第三产业比例的提升有利于减少碳排放,并且产业结构逐步成为碳排放量变化的主导因素[15],因此一方面要优化产业结构,降低第二产业占比,鼓励发展低碳或无碳产业;另一方面要增加清洁能源的使用,倡导人民绿色低碳的生活方式。在增加碳汇上,一方面要推动秦岭北麓(西安段)森林植被建设,充分发挥植被碳汇功能;另一方面可以研发碳捕获和存储技术,为增加碳汇提供一种新的可能。

4 结 论

本研究通过对秦岭北麓(西安段)的碳排放和碳汇时空分布特征及碳中和预测进行分析,得出以下结论:

(1) 秦岭北麓(西安段)的碳排放主要经历了稳定期(1997—2001年)、急剧增长期(2002—2011年)和缓慢增长期(2012—2020年)3个阶段;碳排放空间格局的年际差异较小,2017年碳排放强度排名前五的区县依次为碑林区、新城区、莲湖区、未央区和雁塔区,碳排放强度分别为4.32×104、3.84×104、3.83×104、2.68×104t/km2和2.65×104t/km2。

(2) 秦岭北麓(西安段)碳汇最高的地区分布在南部秦岭山区,整体呈现出南高北低、高低相间的分布特征;1—12月的月均碳汇量大体呈现出先减少后增加再减少的变化趋势,5月份的植物生长状况最佳,对应的碳汇量最高;不同土地类型的碳汇量均值排序为:阔叶林地>草地>高山草甸>灌木林地>斜坡草地>疏林地>农田>滩地>河流>裸地>湖泊(水库)>城镇。

(3) 秦岭北麓(西安段)预计可实现2030年“碳达峰”目标,区域碳排量峰值为5.94×107t a-1;但是在正常发展情景下难以实现2060年“碳中和”目标,2060年的区域净碳汇量为-2.26×107t a-1。