Plateau Meteorology

Plateau Meteorology >

2025 , Vol. 44 >Issue 2: 362 - 377

DOI: https://doi.org/10.7522/j.issn.1000-0534.2024.00081

Spatio-Temporal Evolution and Prediction of Carbon Storage in the Water Conservation Area of the Yellow River Basin based on the PLUS-InVEST Model

  • Wei ZHANG , 1 ,
  • Rui ZHU 1, 2, 3 ,
  • Huaqing YANG 1 ,
  • Jian’an SHAN 1 ,
  • Yonglin FENG 4, 5 ,
  • Zhenliang YIN , 6, 7
Expand
  • 1. Faculty of Geomatics，Lanzhou Jiaotong University，Lanzhou 730070，Gansu，China
  • 2. National-Local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring，Lanzhou 730070，Gansu，China
  • 3. Key Laboratory of Science and Technology in Surveying & Mapping，Gansu Province，Lanzhou 730070，Gansu，China.
  • 4. Technology lnnovation Center for Mine Geologieal Environment Restoration in the Alpine and Arid Regions，Ministry of Natural Resources，Lanzhou 730000，Gansu，China
  • 5. Gansu Nonferrous Engineering Survey，Design and Research Institute，Lanzhou 730000，Gansu，China
  • 6. Key Laboratory of Ecological Safety and Sustainable Development in Arid lands，National Cry-osphere Desert Data Center，Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，Gansu，China
  • 7. College of Safety and Environmental Engineering，Shandong University of Science and Technology，Qingdao 26600，Shandong，China

Received date: 2024-04-27

  Revised date: 2024-07-23

  Online published: 2024-09-13

Copyright

© Editorial Department of Plateau Meteorology （CC BY-NC-ND）
Fold

Abstract

Climate and land-use change are important drivers of variation in carbon storage within terrestrial ecosystems.Investigating the effects of climate and land-use change on carbon storage has practical implications for proposing adaptive management strategies for carbon sequestration in a changing environment.In this study， the InVEST model and the PLUS model were used to evaluate the spatial and temporal dynamics of carbon storage in the water conservation area of the Yellow River under the dual influence of climate and land-use change.The results showed that the land-use in the water conservation area of the Yellow River was dominated by grassland and forest from 1980 to 2020， accounting for 80 % of the total area of the basin， with an increasing trend in the area of forest land， grassland， watershed and construction land， and a decreasing trend in the area of other land-uses.The types of land-use transfer include unused land to grassland， grassland to forest land and cultivated land.From 1980 to 2020， the carbon storage in the water conservation area of the Yellow River showed an overall growth trend.The growth area of carbon storage was mainly located in the western and central regions， increasing by 573.5×106 t， which was closely related to climate warming and humidification and ecological restoration.The urban expansion areas in the central and northern regions are the main areas of carbon storage reduction.In the future， under different land-use scenarios， the area of forest and grassland in the ecological protection scenario will increase significantly.From 2030 to 2050， under SSP119 and SSP245 scenarios， carbon storage will increase by 294.83×106 t and 79.56×106 t， respectively， under natural development scenarios， and carbon storage will increase by 364.8×106 t and 151.95×106 t， respectively， under ecological protection scenarios.Low emission and ecological protection scenarios are favorable for carbon storage increase.In the future， the increase in carbon storage will mainly come from grassland， conversion of unused land into forest and cropland， and conversion of unused land into grassland.The decrease in carbon storage is mainly related to the conversion of forest land into grassland and cropland.It can be seen that protecting forest and grass is an important measure to improve the carbon storage of regional ecosystem.The results can provide a scientific basis for adjusting the land-use structure and carbon sequestration of the ecosystem in the water conservation area of the Yellow River.

Key words： Yellow River Basin water conservation area; carbon stock; InVEST model; PLUS model; land use

Cite this article

Wei ZHANG , Rui ZHU , Huaqing YANG , Jian’an SHAN , Yonglin FENG , Zhenliang YIN . Spatio-Temporal Evolution and Prediction of Carbon Storage in the Water Conservation Area of the Yellow River Basin based on the PLUS-InVEST Model[J]. Plateau Meteorology, 2025 , 44(2) : 362 -377 . DOI: 10.7522/j.issn.1000-0534.2024.00081

1 引言

自工业化以来， 二氧化碳排放量不断增加， 大气中温室气体浓度急剧上升， 引发全球气候变化等一系列环境问题， 威胁生态系统健康和社会经济发展（Pachauri et al， 2014）。为应对全球气候变化， 我国提出力争2030年前实现碳达峰， 2060年前实现碳中和的“双碳”目标。土壤是陆地生态系统最大的碳库（王绍强等， 2000）， 土地利用变化对碳储量产生影响（苏永中和赵哈林， 2002）。因此， 定量分析土地利用变化对区域生态系统碳储量的影响， 模拟未来不同情景下碳储量时空变化， 对国土空间合理规划和加快实现“双碳”目标具有重要的现实意义（许澳康等， 2023）。
当前常用的土地利用模型包括： CLUE-S（张永民等， 2003； Verburg et al， 2022）、 CA-Markov（杨国清等， 2007； Hamad et al， 2018； 张学儒等， 2020）、 GeoSOS-FLUS（张凯琪等， 2022； 段璇瑜等， 2020）等。InVEST模型具有输入参数便捷、 通用性和空间表达能力强等优点（Huang et al， 2013）。结合土地利用模型预测不同情景土地利用变化， 并基于InVEST模型估算碳储量， 是生态系统碳储量未来变化研究的主要方法之一（曾庆雨和孙才志， 2024； 杨子豪等， 2024）。如Adelisardou et al（2022）整合GEE和InVEST模型预测了2019 -2046年伊朗吉罗夫特平原碳储量， 发现在基于历史轨迹的情景下碳储量将损失475547吨。Babbar et al（2021）使用Markov和InVEST模型评估了印度萨里斯卡老虎保护区内2000 -2035年碳储量变化情况， 为保护区内森林的可持续管理提供支持。Wang et al（2022a）结合InVEST模型和PLUS模型探讨了武汉市建成区土地扩张对碳储量的影响， 预计在2035年基线情景、 农田保护情景和生态保护情景下碳储量分别损失6.15×106 t、 4.7×106 t、 4.05×106 t。部分土地利用模型在识别土地利用变化对环境因子的响应方面存在一定的局限， 限制了土地利用模型在未来预测中的应用。PLUS模型保留了CA模型的转化分析和格局分析策略， 并结合随机森林算法斑块生成模型， 提高了模型模拟土地利用分布格局及变化的能力（Liang et al， 2020）。因此， 将PLUS模型与InVEST模型结合， 能够准确估算因土地利用变化引起的陆地生态系统碳储量变化。
以往碳储量估算主要基于野外实地测量或已发表文献中的数据， 如第二次土壤普查数据、 各省森林资源清查数据和野外采样数据等（田玉强等， 2008； 黄从德等， 2009； 王丽丽等， 2009）。但地上、 地下生物量和土壤有机碳密度具有较大的空间异质性， 导致通过点尺度实测数据估算区域尺度碳储量时存在不确定性（Cai and Peng， 2021）。因此， 高分辨率碳密度数据对区域尺度生态系统碳储量估算显得尤为重要。Liu et al（2021）利用机器学习方法， 将遥感光谱指数、 气候、 地形和土壤等作为协变量， 生成了中国90 m高分辨率土壤属性分布数据集（包括土壤碳密度属性）， 为我国区域尺度碳储量估算提供更为准确的数据支持。
黄河水源涵养区地貌复杂、 生态系统类型多样、 固碳潜力巨大， 是实现“碳达峰”和“碳中和”目标的重要地区。中华人民共和国国务院（2021）印发的《黄河流域生态保护和高质量发展规划纲要》中强调加强黄河流域上游水源涵养能力建设， 该政策促使区域土地利用格局发生变化， 进而影响生态系统碳储量。此外， 对黄河水源涵养区碳储量估算的相关研究较少。因此， 本文基于1980 -2020年黄河水源涵养区多期土地利用数据， 使用PLUS模型预测2030年和2050年自然发展情景、 生态保护情景下未来土地利用变化， 并利用InVEST模型模拟1980 -2020年、 2030年及2050年不同情景下土地利用变化对生态系统碳储量的影响， 以期为黄河水源涵养区国土空间合理规划提供参考。

2 数据来源与方法介绍

2.1　研究区概况

本文中黄河水源涵养区是指兰州水文站以上区域， 范围介于32°N -39°N， 95°E -105°E（王国庆， 2022）， 流域面积2.23×105 km2 ［图1， 该图及文中所涉及的地图基于中华人民共和国自然资源部地图技术审查中心标准地图服务系统下载的审图号为GS（2023）2767号的标准地图制作， 底图无修改］。研究区属亚寒带半湿润半干旱气候， 年平均气温约1.6 ℃， 降水主要集中在7 -8月， 年均降水量约500 mm， 年均蒸发量约340 mm， 是黄河流域重要产流区， 年径流量约占黄河流域总径流量的三分之一（王道席等， 2020； 岁姚炳等， 2023； 张子涵等， 2023）。区内河流众多， 主要支流有大通河、 大夏河、 洮河和湟水等。研究区位于青藏高原东北部， 地处青藏高原和黄土高原过渡带， 海拔1538~6162 m， 地势整体表现为西部高、 东部低， 地貌景观破碎化程度高（潘竟虎和刘菊玲， 2005）。土地利用类型以草地和林地为主， 二者共占区域总面积的80%以上。土壤类型以高山土和钙层土为主， 主要包括草毡土、 黑毡土、 灰钙土、 寒钙土、 栗钙土、 黑垆土、 沼泽土、 黄绵土等。
图1 研究区概况

Fig.1 Overview of the study area

2.2　数据来源

2.2.1　土地利用数据

本文使用的多期土地利用遥感监测数据集来源于中国科学院资源与环境科学数据中心。该数据集基于Landsat卫星影像， 采用人机交互快速提取的方式进行解译， 通过野外实地调查随机抽样验证精度， 土地利用解译准确率达到90%以上（刘纪远等， 2014； 徐新良等， 2017）。文中将土地利用数据重分类为耕地、 林地、 草地、 水域、 建设用地和未利用地6种类型。

2.2.2　碳密度数据

用于估算生态系统碳储量的数据集包括： 地上生物量碳密度、 地下生物量碳密度、 土壤碳密度和死亡有机碳密度。其中， 地上和地下碳密度来源于Spawn and Gibbs（2020）于2020年发布在ORNL DAAC上的全球地上和地下生物量碳密度数据集， 分辨率为300 m。
土壤碳密度来源于Liu et al（2021）发布的中国高分辨率国家土壤信息格网基本属性数据集， 垂直方向包括0~5 cm、 5~15 cm、 15~30 cm、 30~60 cm、 60~100 cm、 100~200 cm 6个土层深度， 文中使用的0~100 cm土壤有机碳密度是由前五个土层深度的土壤碳密度相加得到。
死亡有机碳密度参考Wang et al（2022b）建立的回归方程进行计算。计算公式如下：
y = 0.0041 x + 5.1899 ,   R 2 = 0.6897
式中： y为死亡有机碳密度； x为土壤碳密度。

2.2.3　环境因子数据

土地利用模拟使用的环境因子分为自然资源数据和社会经济数据。其中， 坡度由DEM数据在ArcGIS中提取得到； 距湖泊、 铁路、 道路的距离由Open Street Map矢量数据在ArcGIS中经欧氏距离分析得到。表1为数据具体来源及相关说明。
表1 数据来源

Table 1 Data source

数据类别 数据名称 分辨率 数据来源
土地利用 数据 1980年、 1990年、 2000年、 2010年、 2020年土地利用数据 30 m 中国科学院资源环境科学数据中心（http： //www.resdc.cn/）
自然资源 数据 过去和未来气温 1 km 国家青藏高原科学数据中心（https： //data.tpdc.ac.cn）（彭守璋， 2020）
过去和未来降水 1 km
土壤类型 1 km 资源环境科学与数据中心（https： //www.resdc.cn）
DEM 30 m 中国科学院地理空间数据云（http： //www.gscloud.cn/）
坡度 ArcGIS中由DEM生成
社会经济 数据 人口 1 km 资源环境科学与数据中心（https： //www.resdc.cn）
GDP 1 km
距湖泊距离 1 km Open Street Map（https： //www.openstreetmap.org/）
距铁路距离 1 km
距道路距离 1 km
碳密度 数据 地上、 地下碳密度 300 m https： //daac.ornl.gov（Spawn et al， 2020）
土壤有机碳密度 90 m 国家地球系统科学数据中心（http： //soil.geodata.cn）

2.3　研究方法

2.3.1　基于InVEST模型的生态系统碳储量评估

InVEST模型基于生产函数法量化和评估生态系统服务， 其中“碳储存和封存”模块使用土地利用数据以及地上生物量碳密度、 地下生物量碳密度、 土壤碳密度、 死亡有机碳密度四个基本碳库， 生态系统碳储量计算公式如下：
C i - t o t a l = ( C i - a b o v e + C i - b e l o w + C i - s o i l + C i - d e a d ) × A i
式中： i为某种土地利用类型； Ai 为该土地利用类型的面积； C total为生态系统碳储量； C above为地上生物量碳密度； C below为地下生物量碳密度； C soil为土壤碳密度； C dead为死亡有机碳密度。InVEST模型中假设每种土地利用类型的碳密度随时间变化保持恒定， 这一假设在十年以上尺度生态系统碳储量估算中存在不确定性。因此本文考虑气候变化对生态系统碳密度的影响， 拟合碳密度与气温、 降水的回归方程， 根据回归方程推导各时期地上碳密度、 地下碳密度、 土壤碳密度和死亡有机碳密度。其中， 未来气温、 降水数据采用IPCC耦合模式比较计划第六阶段（CMIP6）模式下的SSP1-1.9和SSP2-4.5情景， SSP1-1.9情景是目前辐射排放最低的情景， SSP2-4.5为中等辐射强迫情景， 后文将这两种情景简称为SSP119和SSP245。最终黄河水源涵养区不同时期、 各土地利用类型碳密度（地上碳密度、 地下碳密度、 土壤碳密度和死亡有机碳密度之和）如表2所示。
表2 黄河水源涵养区不同时期土地利用类型碳密度

Table 2 Carbon density of land use types in different periods in the Yellow River Basin water conservation area

土地利用 类型 不同时期土地利用类型碳密度/（t·hm-2）
1980年 1990年 2000年 2010年 2020年 2030年 2050年
ssp119 ssp245 ssp119 ssp245
耕地 155.94 150.13 146.99 146.06 153.71 130.24 124.10 136.61 123.19
林地 328.18 328.56 324.17 330.79 342.95 332.54 329.99 344.01 334.69
草地 229.77 237.64 224.64 236.69 259.09 232.35 222.60 249.67 229.48
水域 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
建设用地 130.60 125.59 122.66 125.58 136.51 115.04 110.82 125.94 112.49
未利用地 188.20 197.30 184.72 199.48 218.92 203.13 197.55 221.24 205.74

2.3.2　基于PLUS模型的土地利用变化模拟

PLUS（patch-generating land use simulation）模型集成了土地扩张分析策略和CA模型， 可以挖掘土地扩张和景观变化的驱动因素， 更好地模拟土地利用斑块的产生和演化（Liang et al， 2020）。
本文使用PLUS V1.4.0软件， 模拟了三期土地利用来验证PLUS模型的可靠性（两期以10年为周期， 一期以20年为周期）。其中包括基于1990年土地利用数据模拟2000年土地利用、 基于2010年土地利用数据模拟2020年土地利用和基于2000年土地利用数据模拟2020年土地利用。之后以2020年土地利用数据为基础， 预测2030年土地利用空间格局， 再以2030年为基础预测2050年土地利用空间格局。主要步骤如下： （1）用地扩张分析。根据黄河水源涵养区土地利用扩张和驱动因子数据（共11个驱动因子）， 生成每类用地发展概率。（2）未来土地利用预测。输入土地利用现状数据和每类用地的发展概率， 并设置土地利用需求数量、 转移矩阵和领域权重等参数， 模拟未来不同情景土地利用变化。
为了确定生态保护政策对土地利用变化的影响， 文中设定两种土地利用变化情景。情景一： 自然发展情景（Q1）是指遵循历史自然发展规律的前提下， 不考虑政策变化， 不改变地类转移概率， 完全基于历史地类变化状态对未来时期进行预测。基于历史时期2010年和2020年土地利用数据， 对2030年土地利用变化情况进行模拟预测； 之后基于2010年和2030年土地利用数据对未来各个情景下2050年地类变化状态进行模拟。情景二： 生态保护情景（Q2）则是根据《中华人民共和国宪法》2018年修正案中的： “国家保护和改善生活环境和生态环境”， 若想保障黄河上游的水源涵养区功能， 就设定目标为生态效益优先， 加强生态控制。要减少林草地和水域向建设用地转换比例， 再添加黄河水源涵养区的生态红线限制因素。参考相关文献（牛统莉等， 2024； 王佳楠等， 2022； 胡丰等， 2022）， 具体设置包括林地、 草地、 水域向建设用地转移概率减少60%， 耕地向林地、 草地转移概率增加40%， 未利用地向林地、 草地转移概率增加60%。
以各年份真实土地利用数据与模拟土地利用数据对比来验证模型精度（图2， 图3）， 结果显示以1990年土地利用数据模拟2000年土地利用Kappa系数为0.992， 总体精度为0.996。基于2010年土地利用数据模拟2020年土地利用Kappa系数为0.917， 总体精度为0.960。基于2000年土地利用数据模拟2020年土地利用Kappa系数为0.795， 总体精度为0.898。一般Kappa系数大于0.75时表示模拟精度较高， 因此模型模拟的土地利用与真实土地利用一致性较高， 可用于黄河水源涵养区未来土地利用空间分布预测。
图2 黄河水源涵养区2000年土地利用模拟精度验证

（a） 2000年土地利用； （b） 基于1990年模拟2000年土地利用

Fig.2 Verification of land-use simulation accuracy in the water conservation area of Yellow River Basin in 2000.（a） Land-use in 1990， （b） Simulation of land-use in 2000 based on 1990

图3 黄河水源涵养区2020年土地利用模拟精度验证

（a）2020年土地利用； （b）基于2010年模拟2020年土地利用； （c）基于2000年模拟2020年土地利用

Fig.3 Verification of land-use simulation accuracy in the water conservation area of Yellow River Basin in 2020.（a） Land-use in 1990， （b） Simulation of land-use in 2020 based on 2010， （c） Simulation of land-use in 2020 based on 2000

3 结果分析

3.1　 1980 -2020年土地利用变化对碳储量的影响

黄河水源涵养区土地利用类型以草地、 林地为主（表3）， 分别占研究区总面积的70.47%和12.48%， 其次为未利用地（7.96%）、 耕地（6.29%）、 水域（1.98%）和建设用地（0.82%）。1980 -2020年， 草地面积大幅增长， 增加了5817.31 km2， 林地增加了859.45 km2。40年来， 各地类都有些许变化， 水域面积从3678.22 km2增加到4418.58 km2。建设用地也大幅扩张， 由1980年的1062.02 km2增加到2020年的1834.84 km2。与此同时， 未利用地面积大幅减少， 减少了9170.68 km2。耕地面积由1980年的14098.5 km2减少到2020年的14057.5 km2。
表3 黄河水源涵养区1980 -2020年各土地利用类型面积及比例

Table 3 Area and proportion of each land-use type in the water conservation area of Yellow River Basin from 1980 to 2020

土地利用类型 面积、 比例 1980年 1990年 2000年 2010年 2020年
耕地 面积/km2 14098.5 14210.4 14504 14285.6 14057.5
比例/% 6.31 6.36 6.49 6.39 6.29
林地 面积/km2 27036.4 27046.3 26942.7 27421.4 27895.85
比例/% 12.10 12.10 12.06 12.27 12.48
草地 面积/km2 151670 151343 150997 156795 157487.31
比例/% 67.87 67.72 67.56 70.16 70.47
水域 面积/km2 3678.22 3881.06 3919.21 4332.09 4418.58
比例/% 1.65 1.74 1.75 1.94 1.98
建设用地 面积/km2 1062.02 1071.16 1155.52 1427.06 1834.84
比例/% 0.48 0.48 0.52 0.64 0.82
未利用地 面积/km2 25940.3 25933.3 25966.5 19224.9 17791.98
比例/% 11.61 11.60 11.62 8.60 7.96
从1980年和2020年土地利用分布来看（图4）， 黄河水源涵养区大部分区域被草地覆盖， 中部和北部分布林地， 建设用地和耕地主要分布在北部海拔较低处的河流沿岸。对1980 -2020年土地利用转移进行分析（图5）， 发现土地转移主要发生在西部的未利用地， 在东部和北部草地、 林地和耕地有部分转出。
图4 黄河水源涵养区1980年（a）和2020年（b）土地利用分布

Fig.4 Land-use distribution in the water conservation area of Yellow River Basin in 1980 （a） and 2020 （b）

图5 黄河水源涵养区1980 -2020年土地利用转移空间格局

Fig.5 Spatial pattern of land-use transfer in the water conservation area of Yellow River Basin from 1980 to 2020

图6 黄河水源涵养区1980 -2000年（a）和2000 -2020年（b）土地利用转移桑基图

Fig.6 Sankey diagram of land-use transfer in the water conservation area of Yellow River Basin from 1980 to 2000 （a） and from 2000 to 2020 （b）

1980 -2000年， 黄河水源涵养区发生土地利用转移面积共1503.63 km2。草地为最主要转出类型， 向外转移了894.07 km2， 占总转出量的59.46%。耕地、 林地和未利用地转出面积相当， 分别向外转移了171.02 km2、 176.65 km2和169.82 km2。其中， 草地主要转为耕地， 转移面积521.77 km2， 耕地、 未利用地多转化为水域， 林地主要转化为草地。建设用地和水域相对稳定， 土地利用转移面积较少。2000 -2020年黄河水源涵养区土地利用转移更加频繁， 发生土地利用转移面积共22099.5 km2， 约为1980 -2000年转移面积的14.7倍。草地、 未利用地转移面积较大， 分别向外转移了6815.7 km2、 11118.73 km2， 占转移总面积的30.84%和50.31%。其中， 未利用地主要转化为草地， 占转移总面积的92.66%。
黄河水源涵养区1980年、 1990年、 2000年、 2010年和2020年的碳储量（表4）分别为5094.16×106 t、 5223.59×106 t、 4972.46×106 t、 5228.33×106 t 和5667.66×106 t。1980 -2000年碳储量减少， 2000 - 2020年碳储量增加， 但1980 -2020年碳储量总体呈增加趋势， 增加了573.5×106 t。其中， 草地、 林地的碳储量最大， 约占总储量的88.36%。并且， 林地、 草地、 建设用地碳储量随时间推移呈增加趋势， 耕地和未利用地碳储量减少。
表4 黄河水源涵养区1980 -2020年碳储量变化

Table 4 Carbon storage changes in the water conservation area of Yellow River Basin from 1980 to 2020

土地利用 类型 碳储量变化/（×106 t）
1980年 1990年 2000年 2010年 2020年 1980—2020年
耕地 219.85 213.34 213.20 208.66 216.08 -3.78
林地 887.29 888.63 873.40 907.07 956.69 69.40
草地 3484.94 3596.51 3392.05 3711.18 4080.36 595.41
水域 0.00 0.00 0.00 0.00 0.00 0.00
建设用地 13.87 13.45 14.17 17.92 25.05 11.18
未利用地 488.20 511.65 479.65 383.50 389.49 -98.71
总碳储量 5094.16 5223.59 4972.46 5228.33 5667.66 573.50
根据InVEST模型模拟黄河水源涵养区1980年、 1990年、 2000年、 2010年、 2020年5期的碳储量（图7）。各时期碳储量的空间分布格局基本一致， 高值区主要分布于研究区北部和中部的中海拔地区， 主要地类为林地和草地， 降水较好， 气温较低， 植被覆盖度高， 土地利用程度较低， 有利于生态系统碳积累。低值区零散分布于研究区北部， 主要是西宁市、 海东市、 临夏州和兰州市等城镇所在地。可见， 黄河水源涵养区碳储量的分布与土地利用分布密切相关。以林地、 草地为主的区域具有较高的碳储量， 而以建设用地、 耕地等为主的区域具有较低的碳储量。黄河水源涵养区在西部玉树和果洛藏族自治州、 中部海南藏族自治州等地区碳储量增加显著， 同时在海南藏族自治州北部、 西宁市及海东市等地区因城市扩张碳储量有所下降。
图7 黄河水源涵养区1980 -2020年碳储量空间分布及碳储量变化

（a）1980年碳储量； （b）1990年碳储量； （c）2000年碳储量； （d）2010年碳储量； （e）2020年碳储量； （f）1980-2020年碳储量变化

Fig.7 Spatial distribution of carbon storage and carbon storage changes in the water conservation area of Yellow River Basin from 1980 to 2020.（a） carbon storage in 1980， （b） carbon storage in 1990， （c） carbon storage in 2000， （d） carbon storage in 2010， （e） carbon storage in 2020， （f） carbon storage changes from 1980 to 2020

表5 黄河水源涵养区2030、 2050年不同情景下土地利用类型面积及变化

Table 5 Area and changes of land-use types in the water conservation area of Yellow River Basin under different scenarios in 2030 and 2050

土地利用 2020年 /km2 自然发展情景下土地利用类型面积及变化/km2 生态保护情景下土地利用类型面积及变化/km2
2030年 2020 -2030年 2050年 2020 -2050年 2030年 2020 -2030年 2050年 2020 -2050年
耕地 14057.50 13895.13 -162.37 15998.96 1941.46 13550.92 -506.58 13045.47 -1012.03
林地 27895.85 28307.81 411.96 25032.64 -2863.21 28534.78 638.94 29462.28 1566.43
草地 157487.31 158122.22 634.91 159220.59 1733.28 158410.31 923.00 159728.94 2241.63
水域 4418.58 4498.78 80.20 4271.10 -147.48 4500.54 81.96 4642.24 223.66
建设用地 1834.84 1892.49 57.65 2203.57 368.73 1986.71 151.87 1913.08 78.24
未利用地 17791.98 16769.62 -1022.36 16759.19 -1032.78 16502.24 -1289.74 14694.04 -3097.94

3.2　不同土地利用变化情景下碳储量变化

自然发展情景下， 2020 -2030年耕地和未利用地面积减少， 其他地类增加。2020 -2050年林地面积减少了2863.21 km2， 同时耕地、 草地面积大幅增加， 分别增加了1941.46 km2和1733.28 km2。生态保护情景下， 2020 -2030年耕地和未利用面积仍为减少趋势， 林地、 草地面积比自然发展情景下扩张面积更大。2020 -2050年耕地和未利用地面积大幅减少， 建设用地增长速度减缓， 林地、 草地和水域扩张面积较大。
未来情景下， 2020 -2030年碳储量呈减少趋势。但与自然发展情景相比， 生态保护情景下碳储量减少量有所降低。自然发展情景下， 2030 -2050年碳储量呈增加趋势， 在SSP119和SSP245情景下分别增加了294.83×106 t和79.56×106 t。2030 - 2050年， 耕地面积增加了2103.83 km2， 草地面积增加了1098.37 km2， 使碳储量在SSP119情景下增加了338.92×106 t， 在SSP245情景下增加了158.54×106 t。生态保护情景下， 2030 -2050年碳储量仍呈增长趋势， 在SSP119和SSP245情景下分别增加了364.8×106 t和151.95×106 t。2030 -2050年林地和草地面积分别增加了927.5 km2和1318.63 km2， 使碳储量在SSP119和SSP245情景下分别增加了371.94×106 t和183.59×106 t。未利用地面积减少了1808.2 km2， 使碳储量在SSP119情景下减少了10.12×106 t， 在SSP245情景下减少了23.68×106 t。因此， 生态保护情景下林地和草地面积大幅增长， 碳储量增长更多， 这表明生态保护工程（如退耕还林还草）对森林面积的增长及碳储量的增长至关重要。
表6 黄河水源涵养区2030 -2050年不同土地利用变化情景和未来气候情景下碳储量

Table 6 Carbon storage in the water conservation area of Yellow River Basin under different land-use change scenarios and future climate scenarios from 2030 to 2050

土地利用 类型 自然发展情景碳储量/（×106 t） 生态保护情景碳储量/（×106 t）
2030年 2050年 2030年 2050年
ssp119 ssp245 ssp119 ssp245 ssp119 ssp245 ssp119 ssp245
耕地 180.96 172.43 218.56 197.09 176.48 168.16 178.22 160.71
林地 941.36 934.14 861.14 837.82 948.91 941.63 1013.53 986.08
草地 3673.93 3519.86 3975.25 3653.74 3680.62 3526.27 3987.94 3665.41
水域 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
建设用地 21.77 20.97 27.75 24.79 22.86 22.02 24.09 21.52
未利用地 340.64 331.28 370.78 344.80 335.21 326.00 325.09 302.32
总碳储量 5158.67 4978.69 5453.50 5058.25 5164.08 4984.08 5528.88 5136.03
自然发展情景下， 2030年碳储量增长区域主要位于北部祁连山和中部甘南高原， 而2050年黄河水源涵养区北部碳储量有所增长， 但大部分区域如研究区东北部和南部玛曲县碳储量呈减少趋势。生态保护情景下， 2030年碳储量增长区域仍位于北部祁连山及中部甘南高原地区， 2050年北部祁连山和南部若尔盖县碳储量增长区域扩大。
图8 黄河水源涵养区2030年及2050年不同土地利用变化情景和未来气候情景下碳储量空间变化特征

（a） 2030-Q1-SSP119； （b） 2030-Q1-SSP245； （c） 2030-Q2-SSP119； （d） 2030-Q2-SSP245； （e） 2050-Q1-SSP119； （f） 2050-Q1-SSP245； （g） 2050-Q2-SSP119； （h） 2050-Q2-SSP245

Fig.8 Spatial change characteristics of carbon storage under different land-use change scenarios and future climate scenarios in the water conservation area of Yellow River Basin in 2030 and 2050.（a） 2030-Q1-SSP119， （b） 2030-Q1-SSP245， （c） 2030-Q2-SSP119， （d） 2030-Q2-SSP245， （e） 2050-Q1-SSP119， （f） 2050-Q1-SSP245， （g） 2050-Q2-SSP119， （h） 2050-Q2-SSP245

假设各时期土地利用碳密度恒定， 揭示未来30年土地利用变化对生态系统碳储量的影响。自然发展情景下， 未来碳储量减少的主要原因是林地转化为耕地和草地， 林地缩减使碳储量损失了53.35×106 t， 而草地转化为林地及未利用地、 耕地、 水域转化为草地使碳储量增长。生态保护情景下， 导致碳储量下降的土地类型转变为林地向草地的转变、 草地向耕地转变以及草地和未利用地向水域的转变， 其中林地转为草地使碳储量减少了16.33×106 t。碳储量增长主要来源于生态恢复， 未利用地和草地向林地的转变使碳储量增加了33.48×106 t。
图9 黄河水源涵养区2020 -2050年自然发展情景（a）和生态保护情景（b）下主要土地利用转移导致的碳储量变化

Fig.9 Carbon storage changes caused by major land-use transfers in the water conservation area of Yellow River Basin under the natural development scenario （a） and ecological protection scenario （b） from 2020 to 2050

4 讨论

4.1　黄河水源涵养区生态系统碳储量

虽然InVEST模型采用了基于遥感指数和机器学习算法得到的高精度碳密度数据进行碳储量估算， 但由于受到气候变化、 碳沉降等因素的影响（周莉等， 2005； 张仲胜等， 2018）， 碳密度可能存在波动， 导致碳储量随时间变化的估算存在不确定性。因此， 文中还考虑了气温和降水对碳密度的影响， 推算出黄河水源涵养区不同时期的地上、 地下、 土壤和死亡有机碳密度， 由此计算出的碳储量能更好的反映研究区的碳储量时空变异性。
在集成PLUS模型和InVEST模型预测自然发展情景和生态保护情景下黄河水源涵养区2030年和2050年土地利用和碳储量变化趋势之前， 对PLUS模型模拟结果基于2020年进行了验证。Kappa系数大于0.9， 模拟精度较好， 表明PLUS模型能够捕捉黄河水源涵养区各土地利用类型的空间变化特征。本文中， 使用动态碳密度数据来估算碳储量的实际值， 并用静态碳密度来确定土地利用变化对碳储量的单独影响。研究结果能够使我们更好的了解土地利用变化对碳储量变化的影响， 为未来土地利用管理和生态系统固碳提供指导。
文中研究结果表明， 1980 -2020年黄河水源涵养区碳储量增加了573.5×106 t， 整体呈现先减少后增加的趋势， 表明研究区内生态系统固碳能力有所提高。侯建坤等（2022）的研究结果表明2000 -2020年黄河源区碳储量呈增加趋势， 这与本文研究结果相似。曹莹（2023）的研究结果表明黄河上游水源涵养区植被实际NPP空间分布为东高西低， 这与本文碳储量分布结果一致， 表明本文研究结果准确、 可靠。

4.2　 1980 -2020年土地利用变化对碳储量的影响

1980 -2020年黄河水源涵养区碳储量增加了573.5×106 t， 土地利用变化引起的碳储量增长主要包括以下几方面原因： 退耕还林还草、 封育造林和天然植被恢复、 三北防护林工程和禁牧休牧。将北部耕地恢复为森林、 草原， 增加了地上、 地下生物量， 从而增加了林地和草地生态系统碳储量。2000年以前， 黄河水源涵养区因过度放牧导致水土流失和草地退化（摆万奇等， 2002； 王根绪等， 2000）。后经退牧还草、 禁牧休牧和划区轮牧等生态工程的实施， 部分草地得以恢复， 使得土壤有机碳储量随草地修复而增加， 显著增加了草地生态系统碳储量。1980 -2000年间， 由于研究区城镇化水平提高和人口增长， 耕地和建设用地有所增长， 但其以侵占林地和草地为代价， 使得该时期碳储量减少了121.7×106 t。2000 -2020年实施了生态保护工程并取得显著反馈， 植被覆盖度显著增加（赵慧芳和曹晓云， 2022）， 耕地、 未利用地面积减少， 林地、 草地、 水域面积占比分别增加了0.38%、 2.6%和0.33%， 生态环境的好转也使得该时期碳储量增加了573.5×106 t。因此， 要加强黄河水源涵养区对林地和草地的保护， 严格遵循生态发展红线， 合理规划国土空间， 提高该区域固碳能力。
除土地利用变化外， 还讨论了气温、 降水对碳储量变化的影响。文中拟合了碳密度与气温降水的关系， 结果显示碳密度的空间分布格局与气候显著相关， 与温度呈负相关， 与降水呈正相关， 这与Tang et al （2018）的研究结果一致。2000 -2020年黄河流域年均降水量变化为67.36 mm， 远高于1980 -2000年的年均降水量变化-13.52 mm。降水量的显著增加， 能够促进植被生长， 从而使土壤有机碳增加， 促进研究区碳储量的增长（吴喜芳等， 2015）。温度升高促使土壤有机碳分解， 造成碳储量的减少（Cao and Woodward， 1998； Melillo et al， 2017）。

4.3　多情景模式对未来土地利用格局的影响

如果仅考虑土地利用变化的影响， 在自然发展情景和生态保护情景下， 2030年的碳储量分别为5240.23×106 t和5245.38×106 t， 与2020年相比， 分别增加了6.61×106 t和11.76×106 t。若额外考虑气候因素的影响， 2030年和2050年的碳储量均低于2020年。这主要与气温升高导致土壤碳分解速率加快有关， 进而导致碳储量降低（郭广芬等， 2006）。本研究中所用碳密度数据经过气温、 降水数据校正， 与2020年相比， 黄河水源涵养区2030年在SSP119和SSP245情景分别升高了约0.71 ℃和0.97 ℃， 2050年在SSP119和SSP245情景分别升高了1.04 ℃和1.29 ℃。这会加速土壤中有机碳的分解释放， 导致碳储量减少。
在相同的气候变化背景下， 生态保护情景的碳储量高于自然发展情景下的碳储量， 这表明陆地生态系统具有巨大的固碳潜力， 尤其是在优化土地资源的基础上。黄河上游三江源地区有“中华水塔”之称， 草地为该区域的主要地类， 同时畜牧业又是黄河源区的主要产业。因此， 《黄河流域生态保护和高质量发展规划纲要》《青海省“十四五”生态环境保护规划》等文件指出， 黄河水源涵养区未来土地利用结构的调整不仅要恢复和扩大森林植被覆盖率， 保护河湖等水资源， 还要减少资源过度开发和过度旅游等人为活动对生态系统的影响和破坏， 在不破坏生态的基础上合理规划流域发展方向（中华人民共和国国务院， 2021； 赵英力， 2022）。因此， 保护、 恢复和增加森林和草地可进一步提高区域生态系统碳储量， 以期实现中国碳达峰和碳中和（朴世龙等， 2022； 马骏杰等， 2024）。

4.4　不足与展望

本文采用的碳密度是以2010年碳密度数据为基础， 拟合地上、 地下和土壤碳密度与气温、 降水的多元回归方程得到各时期碳密度值。因为气候因子中的温度和降水在土壤有机碳输入与分解过程起重要作用， 所以相比之前大多数采用文献数据更有助于提高评估结果的准确性（吴金雨等， 2023）。虽然经过校正的碳密度数据与研究区真实碳密度较接近， 但是没有考虑CO2施肥效应、 植被及土壤理化性质等带来的碳密度变化， 因此本文仅采用气温、 降水修正碳密度具有一定局限性。
其次， 本研究在预测不同情景未来碳密度值时， 使用全球气候模式的多模式集合平均。进行拟合， 虽然集合平均可以减小单一气候模式的不确定性， 但气候预测结果的不确定性是不可避免的。另外， InVEST模型的碳储量模块忽视了特定时空尺度下碳循环及各类碳库间转化， 使得碳储量结果有一定的不确定性（唐尧等， 2015）。虽然InVEST模型有一定的不确定性， 但其估算结果能够反映黄河水源涵养区1980 -2050年的碳储量时空变化和对土地利用类型变化的响应情况。碳储量作为生态系统服务功能的一个重要指标， 能够反映研究区的生态系统状况， 可为经济与生态协调发展提供参考。

5 结论

基于1980 -2020年五期土地利用和高分辨率碳密度数据， 并结合气温、 降水建立碳密度动态数据表， 利用PLUS模型模拟2030年和2050年自然发展情景和生态保护情景下的土地利用分布， 再利用InVEST模型估算历史时期和未来时期的碳储量时空变化。得出以下结论：
（1） 黄河水源涵养区近几十年的土地利用结构未发生根本改变， 土地利用以草地、 林地为主， 占区域总面积的80%左右。1980 -2020年黄河水源涵养区林地、 草地、 水域、 建设用地面积呈增长趋势， 其余地类呈减少趋势。
（2） 1980 -2020年黄河水源涵养区碳储量增长了573.5×106 t， 其中林地、 草地增长最多， 也是碳储量最大的两种地类， 共占总碳储量的89%。1980 -2000年碳储量减少， 与林地、 草地转变为耕地和建设用地有关。2000 -2020年随着生态保护政策的实施， 林地、 草地面积增长， 碳储量也随之增加。
（3） SSP119和SSP245情景下， 未来2030 - 2050年， 自然发展情景下碳储量分别增长了294.83×106 t和79.56×106 t； 生态保护情景下碳储量分别增加了364.8×106 t和151.95×106 t。低排放且生态保护情景下， 有利于碳储量增加。
（4） 未来碳储量增加主要来源于草地、 未利用地转化为林地及耕地、 未利用地转化为草地； 而碳储量减少主要与林地转化为草地、 耕地有关。

References

Publishing order | Descend order by publishing year | Descend order by cited within
Adelisardou F， Zhao W， Chow R， et al， 2022.Spatiotemporal change detection of carbon storage and sequestration in an arid ecosystem by integrating Google Earth Engine and InVEST （the Jiroft plain， Iran）［J］.International Journal of Environmental Science and Technology， 19： 5929-5944.DOI： 10.1007/s13762-021-03676-6 .

Babbar D， Areendran G， Sahana M， et al， 2021.Assessment and prediction of carbon sequestration using Markov chain and InVEST model in Sariska Tiger Reserve， India［J］.Journal of Cleaner Production， 278： 123333.DOI： 10.1016/j.jclepro.2020.123333 .

Cai W B， Peng W T， 2021.Exploring spatiotemporal variation of carbon storage driven by land use policy in the Yangtze River Delta Region［J］.Land， 10（11）： 1120.DOI： 10.3390/land10111120 .

Cao M K， Woodward F， 1998.Dynamic responses of terrestrial ecosystem carbon cycling to global climate change［J］.Nature， 393（1998）： 249-252.

Hamad R， Balzter H， Kolo K， 2018.Predicting land use/land cover changes using a CA-Markov Model under two different scenarios［J］.Sustainability， 10（10）： 3421.DOI： 10.3390/su10103421 .

Huang C H， Yang J， Zhang W J， 2013.Development of ecosystem services evaluation models： research progress［J］.Chinese Journal of Ecology， 32（12）： 3360-3367.DOI： 10.13292/j.1000-4890.2013.0513 .

Liang X， Guan Q F， Clarke K， et al， 2020.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， 85： 101569.DOI： 10.1016/j.compenvurbsys.2020.101569 .

Liu F， Wu H Y， Zhao Y G， et al， 2021.Mapping high resolution national soil information grid of China［J］.Science Bulletin， 67（3）： 328-340.DOI： 10.1016/j.scib.2021.10.013 .

Melillo J， Frey S， Deangelis K， et al， 2017.Long-term pattern and magnitude of soil carbon feedback to the climate system in a warming world［J］.Science， 358（6359）： 101-105.DOI： 10. 1126/science.aan2874 .

Pachauri R， Allen M， Barros V， et al， 2014.Climate change 2014： synthesis report.contribution of working groups I， II， and III to the fifth assessment report of the Intergovernmental Panel on Climate Change［M］.World Meteorological Organization： Geneva， Switzerland， 151 p.

Spawn S， Gibbs H， 2020.Global aboveground and belowground biomass carbon density maps for the year 2010［J］.ORNL DAAC， Oak Ridge， Tennessee， USA.

Spawn S， Sullivan C， Lark T， et al， 2020.Harmonized global map of above and belowground biomass carbon density in the year 2010［J］.Scientific Data， 7（1）： 112.DOI： 10.1038/s41597-020-0444-4 .

Tang X L， Zhao X， Bai Y F， et al， 2018.Carbon pools in China’s terrestrial ecosystems： new estimates based on an intensive field survey［J］.Proceedings of the National Academy of Sciences， 115（16）： 4021-4026.DOI： 10.1073/pnas.1700291115 .

Verburg P， Soepboer W， Veldkamp A， et al， 2022.Modeling the spatial dynamics of regional land use： the CLUE-S Model［J］.Environmental Management， 30（3）： 391-405.DOI： 10.1007/s00267-002-2630-x .

Wang L G， Zhu R， Yin Z L， et al， 2022a.Impacts of land-use change on the spatio-temporal patterns of terrestrial ecosystem carbon storage in the Gansu Province， Northwest China［J］.Remote Sensing， 14（13）： 3164.DOI： 10.3390/rs14133164 .

Wang Z， Zeng J， Chen W X， 2022b.Impact of urban expansion on carbon storage under multi-scenario simulations in Wuhan， China［J］.Environment Science and Pollution Research， 29（30）： 45507-45526.DOI： 10.1007/s11356-022-19146-6 .

摆万奇， 张镱锂， 谢高地， 等， 2002.黄河源区玛多县草地退化成因分析［J］.应用生态学报， 13（7）： 823-826.DOI： 10.13287/j.1001-9332.2002.0194.Bai W Q ，

Zhang Y L， Xie G D， et al， 2002.Analysis of formation causes of grassland degradation in Maduo County in the source region of Yellow River［J］.The Journal of Applied Ecology， 13（7）： 823-826.DOI： 10.13287/j.1001-9332.2002.0194 .

曹莹， 2023.黄河上游水源涵养区植被恢复合理目标及固碳提升潜力研究［D］.兰州： 兰州大学.DOI： 10.27204/d.cnki.glzhu.2023.001422.Cao Y， 2023.Study on reasonable target of vegetation restoration and potential improvement of carbon sequestration in a water conservation area of the upper Yellow River basin［D］.Lanzhou： Lanzhou University.DOI： 10.27204/d.cnki.glzhu.2023.001422 .

段璇瑜， 龚文峰， 孙雨欣， 等， 2020.海南岛海岸带土地利用变化及其对碳储量时空演变的影响［J］.水土保持通报， 42（5）： 301-311.DOI： 10.13961/j.cnki.stbctb.20220922.003.Duan X Y ，

Gong W F， Sun Y X， et al， 2022.Land use change and its impact on temporal and spatial evolution of carbon storage in coastal zone of Hai nan Island［J］.Bulletin of Soil and Water Conservation， 42（5）： 301-311.DOI： 10.13961/j.cnki.stbctb.20220922.003 .

郭广芬， 张称意， 徐影， 2006.气候变化对陆地生态系统土壤有机碳储量变化的影响［J］.生态学杂志， 25（4）： 435-442.DOI： 10.13292/j.1000－4890.2006.0084.Guo G F ，

Zhang C Y， Xu Y， 2006.Effects of climate change on soil organic carbon storage in terrestrial ecosystem［J］.Chinese Journal of Ecology， 25（4）： 435.DOI： 10.13292/j.1000－4890.2006.0084 .

侯建坤， 陈建军， 张凯琪， 等， 2022.基于InVEST和GeoSoS-FLUS模型的黄河源区碳储量时空变化特征及其对未来不同情景模式的响应［J］.环境科学， 43（11）： 5253-5262.DOI： 10.13227/j.hjkx.202201267.Hou J K ，

Chen J J， Zhang K Q， et al， 2022.Temporal and spatial variation characteristics of carbon storage in the source region of the Yellow River based on InVEST and GeoSoS-FLUS models and its response to different future scenarios［J］.Environmental Science， 43（11）： 5253-5262.DOI： 10.13227/j.hjkx.202201267 .

胡丰， 张艳， 郭宇， 等， 2022.基于PLUS和InVEST模型的渭河流域土地利用与生境质量时空变化及预测［J］.干旱区地理， 45（4）： 1125-1136.DOI： 10.12118/j.issn.1000-6060.2021.510.Hu F ，

Zhang Y， Guo Y， et al， 2022.Spatial and temporal changes in land use and habitat quality in the Weihe River Basin based on the PLUS and InVEST models and predictions［J］.Arid Land Geography， 45（4）： 1125-1136.DOI： 10.12118/j.issn.1000-6060.2021.510 .

黄从德， 张健， 杨万勤， 等， 2009.四川森林土壤有机碳储量的空间分布特征［J］.生态学报， 29（3）： 1217-1225.DOI： 10.3321/j.issn： 1000-0933.2009.03.017.Huang C D ，

Zhang J， Yang W Q， et al， 2009.Spatial distribution characteristics of forest soil organic carbon stock in Sichuan Province［J］.Acta Ecologica Sinica， 29（3）： 1217-1225.DOI： 10.3321/j.issn： 1000-0933.2009.03.017 .

刘纪远， 匡文慧， 张增祥， 等， 2014.20世纪80年代末以来中国土地利用变化的基本特征与空间格局［J］.地理学报， 69（1）： 3-14.DOI： 10.11821/dlxb201401001.Liu J Y ，

Kuang W H， Zhang Z X， et al， 2014.Spatiotemporal characteristics， patterns， and causes of land-use changes in China since the late 1980s［J］.Journal of Geographical Sciences， 69（1）： 3-14.DOI： 10.11821/dlxb201401001 .

马骏杰， 陈银萍， 牟晓明， 等， 2024.植物多样性对青藏高原东北部高寒草甸土壤有机碳的影响［J/OL］.高原气象， 1-11.DOI： 10.7522/.issn.1000-05342024.00050.Ma J J ，

Chen Y P， Mou X M， et al， 2024.Effects of plant diversity on soil organic carbon in alpin meadow in northeastern Qinghai-Xizang Plateau［J/OL］.Plateau Meteorology， 1-11.DOI： 10.7522/.issn.1000-05342024.00050 .

牛统莉， 熊立华， 陈杰， 等， 2024.基于PLUS模型的长江流域土地利用变化模拟与多情景预测［J］.武汉大学学报（工学版）， 57（2）： 129-141.DOI： 10.14188/j.1671-8844.2024-02-001.Niu T L ，

Xiong L H， Chen J， et al， 2023.Land use simulation and multi-scenario prediction of the Yangtze River Basin Based on PLUS model［J］.Engineering Journal of Wuhan University， 57（2）： 129-141.DOI： 10.14188/j.1671-8844.2024-02-001 .

潘竟虎， 刘菊玲， 2005.黄河源区土地利用和景观格局变化及其生态环境效应［J］.干旱区资源与环境， 19（4）： 69-74.DOI： 10.3969/j.issn.1003-7578.2005.04.014.Pan J H ，

Liu J L， 2005.Land use change and its impact in the eco-environment on the Yellow River source region during the past 15 years［J］.Journal of Arid Land Resources and Environment， 19（4）： 69-74.DOI： 10.3969/j.issn.1003-7578.2005.04.014 .

彭守璋， 2020.中国1 km分辨率逐月降水量数据集（1901-2022）［DS］.国家青藏高原数据中心.［2024-04-25］.2020.1-km monthly precipitation dataset for China （1901-2022） ［DS］.National Tibetan Plateau / Third Pole Environment Data Center.［2024-04-25］.

朴世龙， 岳超， 丁金枝， 等， 2022.试论陆地生态系统碳汇在“碳中和”目标中的作用［J］.中国科学（地球科学）， 52（7）： 1419-1426.DOI： 10.1360/sste-2022-0011.Piao S L ，

Yue C， Ding J Z， et al， 2022.Perspectives on the role of terrestrial ecosystems in the ‘carbon neutrality’ strategy［J］.Science China （Earth Sciences）， 65（6）： 1178-1186，

苏永中， 赵哈林， 2002.土壤有机碳储量、 影响因素及其环境效应的研究进展［J］.中国沙漠， 22（3）： 19-27.DOI： 10.3321/j.issn： 1000-694X.2002.03.004.Su Y Z ， Zhao H， 2002.Advances in researches on soil organic carbon storages， affecting factors and its environmental effects［J］.Journal of Desert Research， 22（3）： 220.DOI： 10.3321/j.issn： 1000-694X.2002.03.004 .

岁姚炳， 牛存稳， 贾仰文， 等， 2023.黄河水源涵养区近60a降水、 气温和径流演变及其对水源涵养的影响［J］.山地学报， 41（1）： 41-55+18.DOI： 10.16089/j.cnki.1008-2786.000729.Sui Y B ，

Niu C W， Jia Y W， et al， 2023.Precipitation， temperature and runoff for the recent 60 years in the Yellow River water conservation area of China and their influence on water conservation［J］.Mountain Research， 41（1）： 41-55.DOI： 10.16089/j.cnki.1008-2786.000729 .

唐尧， 祝炜平， 张慧， 等， 2015.InVEST模型原理及其应用研究进展［J］.生态科学， 34（3）： 204-208.DOI： 10.14108/j.cnki.1008-8873.2015.03.032.Tang Y ，

Zhu W P， Zhang H， et al， 2015.A review on principle and application of the InVEST model［J］.Ecological Science， 34（3）： 204-208.DOI： 10.14108/j.cnki.1008-8873.2015.03.032 .

田玉强， 欧阳华， 徐兴良， 等， 2008.青藏高原土壤有机碳储量与密度分布［J］.土壤学报， 45（5）： 933-942.DOI： 10.3321/j.issn： 0564-3929.2008.05.020.Tian Y Q ，

Ouyang H， Xu X L， et al， 2008.Distribution characteristics of soil organic carbon storage and density on the Qinghai-Tibet Plateau［J］.Acta Pedologica Sinica， 45（5）： 933-942.DOI： 10.3321/j.issn： 0564-3929.2008.05.020 .

王道席， 田世民， 蒋思奇， 等， 2020.黄河源区径流演变研究进展［J］.人民黄河， 42（9）： 90-95.DOI： 10.3969/j.issn.1000－1379.2020.09.017.Wang D X ，

Tian S M， Jiang S Q， et al， 2020.Research progress of the evolution of runoff in the source area of the Yellow River［J］.Yellow River， 42（9）： 90-95.DOI： 10.3969/j.issn.1000－1379.2020.09.017 .

王根绪， 沈永平， 程国栋， 2000.黄河源区生态环境变化与成因分析［J］.冰川冻土， 22（3）： 200-205.DOI： 10.3969/j.issn.1000-0240.2000.03.002.Wang G X ，

Shen Y P， Cheng G， 2000.Eco-environmental changes and causal analysis in the source regions of the Yellow River［J］.Journal of Glaciology and Geocryology， 22（3）： 200-205.DOI： 10.3969/j.issn.1000-0240.2000.03.002 .

王国庆， 2022.黄河流域水源涵养区界定［J］.水文， 42（2）： 65.

Wang G Q， 2022.Definition of water conservation area in Yellow River Basin ［J］.Journal of China Hydrology， 42（2）： 65.

王佳楠， 张志， 2022.基于Markov-PLUS模型的柴北缘土地利用变化及模拟分析［J］.西北林学院学报， 37（3）： 139-148+179.DOI： 10.3969/j.issn.1001-7461.2022.03.20.Wang J N ，

Zhang Z， 2022.Land use change and simulation analysis in the northern margin of the Qaidam Basin based on Markov-PLUS model［J］.Journal of Northwest Forestry University， 37（3）： 139-148.DOI： 10.3969/j.issn.1001-7461.2022.03.20 .

王丽丽， 宋长春， 葛瑞娟， 等， 2009.三江平原湿地不同土地利用方式下土壤有机碳储量研究［J］.中国环境科学， 29（6）： 656-660.DOI： 10.3321/j.issn： 1000-6923.2009.06.018.Wang L L ，

Song C C， Ge R J， et al， 2009.Soil organic carbon storage under different land-use types in Sanjiang Plain［J］.China Environmental Science， 29（6）： 656-660.DOI： 10.3321/j.issn： 1000-6923.2009.06.018 .

王绍强， 周成虎， 李克让， 等， 2000.中国土壤有机碳库及空间分布特征分析［J］.地理学报， 55（5）： 533-544.DOI： 10.11821/xb200005003.Wang S Q ，

Zhou C H， Li K R， et al， 2000.Analysis on spatial distribution characteristics of soil organic carbon reservoir in China［J］.Acta Geographica Sinica， 55（5）： 534-544.DOI： 10.11821/xb200005003 .

吴金雨， 鞠琴， 刘小妮， 等， 2023.CMIP6模式对黄河水源涵养区降水和气温模拟能力的评估［J］.水利水运工程学报， 2023（6）： 1-12.DOI： 10.12170/20230215001.Wu J Y ，

Ju Q， Liu X N， et al， 2023.Assessment of precipitation and temperature in the water conservation region of the Yellow River Basin using CMIP6 models［J］.Hydro-Science and Engineering， 2023（6）： 1-12.DOI： 10.12170/20230215001 .

吴喜芳， 李改欣， 潘学鹏， 等， 2015.黄河源区植被覆盖度对气温和降水的响应研究［J］.资源科学， 37（3）： 512-521.DOI： 1007-7588（2015）03-0512-10.Wu X F ，

Li G X， Pan X P， et al， 2015.Response of vegetation cover to temperature and precipitation in the source region of the Yellow River［J］.Resources Science， 37（3）： 512-521.DOI： 1007-7588（2015）03-0512-10 .

徐新良， 刘纪远， 张增祥， 等， 2017.中国5年间隔陆地生态系统空间分布数据集（1990-2010）内容与研发［J］.全球变化数据学报（中英文）， 1（1）： 52-59+175-182.DOI： 10.3974/geodp.2017.01.08.Xu X L ，

Liu J Y， Zhang Z X， et al， 2017.A time series land ecosystem classification dataset of China in five-year increments （1990-2010）［J］.Journal of Global Change Data & Discovery， 1（1）： 52-59.DOI： 10.3974/geodp.2017.01.08 .

许澳康， 胡梦珺， 石晶， 等， 2023.基于PLUS-InVEST模型的石羊河流域生态系统碳储量时空变化及多情景模拟［J/OL］.中国环境科学， 1-11.DOI： 10.19674/j.cnki.issn1000-6923.20231211.016.Xu A K ，

Hu M J， Shi J， et al， 2023.Spatial and temporal variability of ecosystem carbon storages and multi-scenario simulation Based on the PLUS-InVEST model in the Shiyang River basin［J/OL］.China Environmental Science， 1-11.DOI： 10.19674/j.cnki.issn1000-6923.20231211.016 .

杨国清， 刘耀林， 吴志峰， 2007.基于CA-Markov模型的土地利用格局变化研究［J］.武汉大学学报（信息科学版）， 32（5）： 414-418.DOI： 10.13203/J.whugis2007.05.010.Yang G Q ，

Liu Y L， Wu Z F， 2007.Analysis and simulation of land-use temporal and spatial pattern based on CA-Markov model［J］.Geomatics and Information Science of Wuhan University， 32（5）： 414-418.DOI： 10.13203/J.whugis2007.05.010 .

杨子豪， 陈德超， 郎峥， 等， 2024.土地利用变化对生态系统碳储量的影响研究： 以苏州市为例［J］.环境科学与技术， 47（2）： 206-214.DOI： 10.19672/j.cnki.1003-6504.2194.23.338.Yang Z H ，

Chen D C， Lang Z， et al， 2024.Study on the impact of land use change on ecosystem carbon storage： taking Suzhou City as an example［J］.Environmental Science & Technology， 47（2）： 206-214.DOI： 10.19672/j.cnki.1003-6504.2194.23.338 .

曾庆雨， 孙才志， 2024.黄河流域陆地生态系统碳储量测算及其影响因素［J/OL］.生态学报， 44（13）： 1-18.DOI： 10.20103/j.stxb.202311012367.Zeng Q Y ，

Sun C Z， 2024.Estimation and influencing factors of carbon storage in terrestrial ecosystems in the Yellow River Basin［J/OL］.Acta Ecologica Sinica， 44（13）： 1-18.DOI： 10.20103/j.stxb.202311012367 .

张凯琪， 陈建军， 侯建坤， 等， 2022.耦合InVEST与GeoSOS-FLUS模型的桂林市碳储量可持续发展研究［J］.中国环境科学， 42（6）： 2799-2809.DOI： 10.19674/j.cnki.issn1000-6923.20220216.004.Zhang K Q ，

Chen J J， Hou J K， et al， 2022.Study on sustainable development of carbon storage in Guilin coupled with InVEST and GeoSOS-FLUS model［J］.China Environmental Science， 42（6）： 2799-2809.DOI： 10.19674/j.cnki.issn1000-6923.20220216.004 .

张学儒， 周杰， 李梦梅， 2020.基于土地利用格局重建的区域生境质量时空变化分析［J］.地理学报， 75（1）： 160-178.DOI： 10.11821/dlxb202001012.Zhang X R ，

Zhou J， Li M M， 2020.Analysis on spatial and temporal changes of regional habitat quality based on the spatial pattern reconstruction of land use［J］.Acta Geographica Sinica， 75（1）： 160-178.DOI： 10.11821/dlxb202001012 .

张永民， 赵士洞， Verburg P， 2003.CLUE-S模型及其在奈曼旗土地利用时空动态变化模拟中的应用［J］.自然资源学报， 18（3）： 310-318.DOI： 10.3321/j.issn： 1000-3037.2003.03.008.Zhang Y M ， ZhaoS D， VerburgP， 2003.CLUE-S and its application for simulating temporal and spatial change of land use in Naiman Banner［J］.Journal of Natural Resources， 18（3）： 310-318.DOI： 10.3321/j.issn： 1000-3037.2003.03.008 .

张子涵， 王学佳， 杨梅学， 等， 2023.黄河上游水源涵养区近60年关键气候要素的时空变化［J］.高原气象， 42（6）： 1372-1385.DOI： 10.7522/j.issn.1000-0534.2023.00011.Zhang Z H ，

Wang X J， Yang M X， et al， 2023.Spatio-temporal changes of key climatic elements in the upper Yellow River water conservation area in recent 60 years［J］.Plateau Meteorology， 42（6）： 1372-1385.DOI： 10.7522/j.issn.1000-0534.2023.00011 .

张仲胜， 李敏， 宋晓林， 等， 2018.气候变化对土壤有机碳库分子结构特征与稳定性影响研究进展［J］.土壤学报， 55（2）： 273-282.DOI： 10.11766/trxb201707240324.Zhang Z S ，

Li M， Song X L， et al， 2018.Effects of climate change on molecular structure and stability of soil carbon pool： a general review［J］.Acta Pedologica Sinica， 55（2）： 273-282.DOI： 10.11766/trxb201707240324 .

赵慧芳， 曹晓云， 2022.三江源国家公园植被覆盖时空变化及其气候驱动因素［J］.高原气象， 41（2）： 328-337.DOI： 10.7522/j.issn.1000-0534.2021.00091.Zhao H F ，

Cao X Y， 2022.Vegetation cover changes and its climate driving in Three-River-Source National Park［J］.Plateau Meteorology， 41（2）： 328-337.DOI： 10.7522/j.issn.1000-0534.2021.00091 .

赵英力， 2022.青海省林业和草原发展十四五规划区划布局研究［J］.森林防火， 40（2）： 135-140.DOI： 10.3969/j.issn.1002-2511. 2022.02.034.Zhao Y L ， 2022.Regional distribution study on the 14th five-year plan of forestry and grassland development in Qinghai Province ［J］.Journal of Wildland Fire Science， 40（2）： 135-140.DOI： 10.3969/j.issn.1002-2511.2022. 02.034 .

中华人民共和国国务院， 2021.黄河流域生态保护和高质量发展规划纲要［J］.中国水利， 2021 （21）： 3-16.

The State Council of the People's Republic of China 2021.Framework of plan for ecological protection and high-quality development of the Yellow River Basin［J］.China Water Resources， 2021（21）： 3-16.

周莉， 李保国， 周广胜， 2005.土壤有机碳的主导影响因子及其研究进展［J］.地球科学进展， 20（1）： 99-105.DOI： 10.3321/j.issn： 1001-8166.2005.01.016.Zhou L ，

Li B G， Zhou G S， 2005.Advances in controlling factors of soil organic carbon［J］.Advances in Earth Science， 20（1）： 99.DOI： 10.3321/j.issn： 1001-8166.2005.01.016 .

Options
Outlines

/

〈 〉

The system is designed and developed by Beijing magtec Technology Development Co., Ltd. with technical support: support@magtech.com.cn