上海市碳储量时空演变特征及驱动机制

朱磊

（上海市测绘院，上海 200063）

［摘 要］在快速城市化建设的背景下，上海市碳储量动态演变对上海市实现“双碳”目标具有关键作用。本研究基于2000年、2010年和2020年土地利用数据，采用生态系统服务和权衡的综合评估（InVEST）模型分析碳储量时空演变特征，选用静态和动态驱动因子，结合最优参数地理探测器分析碳储量变化的驱动机制。结果显示：2000—2020年上海市碳储量呈现下降趋势，碳储量减少区域集中在郊环内及部分沿海区域，碳储量增加区域集中在崇明及临港部分片区；年均归一化植被指数（NDVI）和年均人口密度是碳储量变化最主要的影响因子，且二者的交互作用对碳储量变化解释力最强。本研究多维度挖掘了碳储量变化特征及驱动机制，为城市低碳发展及同类研究提供了一定的科学参考价值。

［关键词］碳储量；时空演变；最优参数地理探测器；驱动因子

0 引言

碳储量是陆地生态系统碳汇能力的核心表征，直接关系全球碳循环平衡。碳储量的空间分布受自然地理环境和人类活动的影响，尤其是快速城市化进程中土地利用方式的巨大转变，直接加剧了碳汇格局的空间异质性。因此分析碳储量的时空演变特征并揭示其驱动机制，对制定碳减排路径、评估碳中和潜力，促进城市可持续发展具有重要意义［1-2］。

碳储量估算的方法主要有实地野外采样［3］、遥感反演法［4］及模型模拟法［5］。其中，模型模拟法中生态系统服务和权衡的综合评估（integrated valuation of ecosystem services and trade-offs，InVEST）模型适用于多尺度的生态模拟分析，具有适用性强、模拟精度高等优点，在碳储量动态评估和时空演变分析中得到了广泛应用［6-8］。随着碳储量研究的深入，许多学者将InVEST模型与自相关性分析［9］、回归模型［10］、地理探测器模型［11］等相结合，开展驱动机制研究。其中，地理探测器是常用的一种统计方法，通过分析空间分布差异性来揭示地理现象的驱动因子，更适用于多因子影响分析，并有助于提高驱动分析的准确性［12］。

上海市作为我国经济发展的重要引擎，近20年来土地利用发生了巨大变化，快速的城市化建设加剧了其固碳能力的不稳定性。已有的上海市碳储量驱动分析研究在驱动因子离散化方法的选用上具有主观性，降低了驱动探测的准确性，且忽略了驱动因子动态变化对碳储量变化的影响［13］，部分研究局限于部分区域，缺乏对整个上海市碳储量变化研究［14］。本研究基于上海市历年土地利用数据，采用InVEST模型分析碳储量时空演变特征，选用静态和动态驱动因子，结合最优参数地理探测器分析碳储量变化的驱动机制。

1 研究区概况

上海市（120°52′E—122°12′E，30°40′N—31°53′N）地处长江三角洲前缘，东濒东海，南临杭州湾，属于典型河口冲积平原地貌。上海市陆域面积约6 340.5 km2，下辖16个市辖区，第七次全国人口普查显示，上海市常住人口达到2 487万人。

2 数据来源与研究方法

2.1 数据来源及预处理

本研究采用的数据源包括土地利用数据、自然地理数据和社会经济数据。

1）土地利用数据（30 m分辨率）来源于中国科学院资源环境科学数据中心，选取2000年、2010年、2020年3期成果，并重分类为耕地、林地、草地、水域、建设用地和未利用地6种土地利用类型。

2）自然地理数据。高程数据（30 m分辨率）来源于地理空间数据云，并分析生成坡度数据（30 m分辨率）；年均气温、年均降水量数据（1 km分辨率）来源于国家青藏高原科学数据中心，选取2000年、2020年2期成果；年均归一化植被指数（normalized difference vegetation index，NDVI）数据（1 km分辨率）来源于美国国家航空航天局（National Aeronautics and Space Administration，NASA）的地球数据搜索系统（earthdata search），选取2000年、2020年2期成果；土壤类型数据（1 km分辨率）来源于中国科学院资源环境科学数据中心；河流水系数据来源于开放街道地图（open street map，OSM）。

3）社会经济数据。年均人口密度数据（1 km分辨率）来源于人口密度数据集（landscan），选取2000年、2020年2期成果；年均国内生产总值数据（1 km分辨率）来源于中国科学院资源环境科学数据中心，选取2000年、2020年2期成果；年均夜间灯光数据（1 km分辨率）来源于国家青藏高原科学数据中心，选取2000年、2020年2期成果；市中心、路网数据来源于OSM。所有数据统一为基于1984年世界大地坐标系（World Geodetic System 1984，WGS84）的通用横轴墨卡托投影的第51号带（WGS_1984_UTM_Zone_51）。

2.2 研究方法

2.2.1 InVEST模型

基于InVEST模型中固碳模块（carbon storage and sequestration）进行碳储量的估算，该模块将碳储量划分为地上生物量、地下生物量、土壤有机质和死亡有机质4个基础碳库，将土地利用的空间信息与碳储量相结合，其计算公式为

式中，C为总碳储量（t）；Ai为土地利用类型i的面积（hm2）；Ci为土地利用类型i的碳密度（t/hm2）；n为土地利用类型数量；Cai、Cbi、Csi、Cdi分别为土地利用类型i的地上生物量、地下生物量、土壤有机质、死亡有机质的碳密度（t/hm2）。

2.2.2 碳密度修正

地上生物量、地下生物量和土壤有机质的碳密度与气候存在密切关系，需通过降水量与气温进行修正［15-16］。结合2010年中国陆地生态系统碳密度数据集等研究成果［17-19］，选取接近或覆盖上海及周边区域的碳密度数据进行修正，得到上海市各土地利用类型的碳密度（表1）。修正公式为

表1 上海市各土地利用类型碳密度 单位：t/hm2

式中，KB为地上和地下生物量碳密度综合修正系数；KS为土壤有机质碳密度修正系数；CP、C′P分别为上海和周边区域基于降水修正的生物量碳密度（t/hm2）；CT、C′T分别为上海和周边区域基于气温修正的生物量碳密度（t/hm2）；CS、C′S分别为上海和周边区域基于降水修正的土壤有机质碳密度（t/hm2）；P、P′分别为上海和周边区域年均降水量（mm）；T、T′分别为上海和周边区域年均气温（℃）；e为自然常数。

2.2.3 最优参数地理探测器

作为一种空间数据分析的统计技术，地理探测器能够深入探索地理特征的空间分布差异性及其潜在的驱动因素［20］。最优参数地理探测器（optimal parameters-based geographical detector，OPGD）模型在传统地理探测器的基础上，引入了参数优化环节，改进了连续数据的空间离散化，从而提高研究成果的可靠性和精确度［21］。OPGD模型通过计算最大解释力（q值）进行因子探测和交互探测，揭示因变量与驱动因子之间的关联程度。其中，因子探测用于探测分析各驱动因子对因变量的解释力，交互探测用于分析两个不同的驱动因子在交互作用下对因变量的解释力变化情况。q值计算公式为

式中，q值的值域为［0，1］，取值越大表明解释力越强，关联度越高；L为因变量或驱动因子的分层；N、Nk分别为全区域和第k层的单元数量；σ2和σ2k为全区域和第k层的因变量方差。

3 结果与分析

3.1 碳储量的时空演变特征

2000年、2010年和2020年，上海市总碳储量总体呈现下降趋势（图1、表2），20年内降幅达8.92%。其中，耕地、水域的碳储量呈现下降趋势，林地、草地、建设用地和未利用地的碳储量呈现增长趋势。由于耕地的过度减少，林地、草地、建设用地和未利用地的碳储量增加量无法弥补耕地碳储量减少带来的空缺。

图1 上海市碳密度分布图

表2 上海市不同土地利用类型碳储量

在空间结构分布上，上海市碳储量具有一定的空间异质性。受城市建设影响，碳储量从城市外围向中心地带呈现下降的趋势。2000年，碳储量高值区域主要分布在崇明、中环线以外等地，低值区域主要分布在外环以内的中心城区，至2020年，该空间分布特征愈加明显，表现为低值区域逐步扩大，主要原因是嘉定、青浦、松江、闵行、浦东、南汇的建设用地逐步扩大，占用耕地、林地等高碳密度土地类型，导致外环线以外区域碳储量也不断下降。

3.2 碳储量变化趋势

将2000—2020年上海市碳储量进行差值计算并分为减少（<-0.5 t）、基本不变（-0.5～0.5 t）和增加（>0.5 t）三类（图2），展示碳储量动态变化趋势。2000—2010年，崇明区、郊环外区域西部和外环内中心城区的碳储量相对稳定；郊区的城镇化及围海造田，使碳密度变化显著，嘉定、青浦、松江区域的碳储量明显下降，浦东沿海及临港片区碳储量有所增加。2010—2020年，浦东沿海区域，尤其是临港片区，建设进程加快，碳储量呈现明显减少的趋势；崇明东滩生态化建设显著增加碳储量；外环以外区域的建设相对平稳，碳储量减少区域呈零星分布。整体而言，上海市碳储量变化呈现郊环内及部分沿海区域减少、崇明及临港部分片区增加的趋势。

图2 上海市碳储量变化趋势分布图

3.3 碳储量时空演变的驱动机制

3.3.1 最优离散化

参考相关研究［22］并结合研究区实际情况，确定7个自然地理驱动因子：高程（X1）、坡度（X2）、年均气温（X3）、年均降水量（X4）、年均NDVI（X5）、土壤类型（X6）、距河流距离（X7）；7个社会经济驱动因子：年均人口密度（X8）、年均国内生产总值（X9）、年均夜间灯光（X10）、距市中心距离（X11）、距高速公路距离（X12）、距一级道路距离（X13）、距二级道路距离（X14）。其中，X1、X2、X6、X7、X11、X12、X13、X14为静态驱动因子，对碳储量变化具有持续约束作用，其余为动态驱动因子，对碳储量变化具有动态影响。

建立覆盖研究区的1 km×1 km渔网进行采样，提取2000—2020年期间碳储量变化值、静态驱动因子原始值和动态驱动因子变化值，利用R语言中的地理探测器模块（geographical detector model，GD包），设置分类等级5～20类，采用相等间隔、自然间断点和分位数分类3种离散化方法进行离散化实验迭代，确定最优离散化方案（表3）。其中，土壤类型为类型变量，不进行离散化分区。

表3 各驱动因子最优离散化方法及分类等级

3.3.2 因子探测结果分析

因子探测结果显示（图3），各驱动因子对碳储量变化存在极显著影响，动态驱动因子对碳储量变化的解释力大于静态驱动因子。具体而言，年均NDVI（X5）对碳储量变化的影响力最大，q值为0.198，植被覆盖度的高低直接影响了区域碳储量水平；其次是年均人口密度（X8），q值为0.120，人口密度的大小间接反映了城市建设情况，从而导致碳储量变化受人口密度变化影响；动态驱动因子中，年均国内生产总值（X9）、年均气温（X3）、年均夜间灯光（X10）对碳储量变化也有重要影响，q值分别是0.092、0.057和0.040。静态驱动因子中，距市中心距离（X11）对碳储量变化影响最大，q值为0.069；其次是距高速公路距离（X12），q值为0.042，这说明城市建设的结构对碳储量变化具有一定约束作用；坡度（X2）、高程（X1）对碳储量变化影响最小，q值为0.015和0.013，这是因为上海地势整体较为平坦，对碳储量没有直接影响。

图3 碳储量变化驱动因子探测结果

由此可见，动态驱动因子和静态驱动因子在不同层面影响了碳储量变化，尤其是年均NDVI、年均人口密度等动态因子，更是对碳储量变化有决定性影响。而静态驱动因子则间接影响碳储量变化。

3.3.3 交互探测结果分析

交互探测结果显示（图4），不同驱动因子之间的相互作用能增强对碳储量变化的解释力，呈非线性增强效应。年均NDVI（X5）、年均人口密度（X8）与其他因子的交互作用对碳储量变化的解释力提升效果明显，二者的交互效果也最为显著，q值达到0.308。由此表明，驱动因子对碳储量变化的影响力不是独立的，而是共同作用形成的碳储量变化。因此，应综合考虑驱动因子的差异化特征，实施综合管控策略，避免过度人类活动与其他因子交互作用造成生态系统破坏。

图4 碳储量变化驱动因子交互探测结果

4 结束语

本研究利用InVEST模型分析2000—2020年上海市碳储量及其时空演变特征，结合OPGD模型分析碳储量变化的驱动因素，结论如下：

1）2000—2020年，上海市碳储量呈现下降趋势，空间异质性显著，整体表现为“中心城区低、城市外围高”的空间格局，碳储量减少区域集中在郊环内及部分沿海区域，碳储量增加区域集中在崇明及临港部分片区，与上海市快速城市化建设有关。

2）利用OPGD模型可以更好地确定不同驱动因子的离散化方法及分类等级，从而提高地理探测分析结果的准确性。

3）自然地理驱动因子和社会经济驱动因子对碳储量变化均有影响，且动态驱动因子的影响力更显著。其中，年均NDVI和年均人口密度是碳储量变化最主要的影响因子，且二者对碳储量变化的交互作用最强。

4）未来，应综合考虑驱动因子的差异化特征，实施综合型管控策略，以避免过度人类活动与其他因子交互作用下造成的生态系统破坏，真正实现低碳可持续发展。

参考文献

［1］张龙江，陈国平，林伊琳，等.基于MOP-PLUS-InVEST模型的碳储量多情景模拟及驱动机制分析［J］.农业工程学报，2024，40（22）：223-233.

［2］祁迷，王飞，滑永春，等.基于PLUS与InVEST模型的内蒙古自治区土地利用变化及碳储量评估［J］.水土保持学报，2023，37（6）：194-200.

［3］赵广帅，李发东，李运生，等.GIS空间插值模拟法与土壤类型法估算比较土壤碳储［J］.农业工程学报，2014，30（20）：155-162.

［4］李明阳，吴军，余超，等.福建武夷山自然保护区森林碳储量遥感估测方法与空间分析［J］.南京林业大学学报（自然科学版），2014，38（6）：6-10.

［5］李斯佳，王冰，王子昊，等.基于PLUS-InVEST模型的大兴安岭农林交错区碳储量时空变化及驱动力分析［J］.农业工程学报，2024，40（21）：232-241.

［6］朱华，潘奕好，陈怡彤.2000-2030年杭州市土地利用变化对碳储量及其组分的影响［J］.环境科学与技术，2024，47（11）：22-34.

［7］张鹏，李良涛，苏玉姣，等.基于PLUS和InVEST模型的邯郸市碳储量空间分布特征研究［J］.水土保持通报，2023，43（3）：338-348.

［8］郑慧玲，郑辉峰.基于土地利用/覆被动态变化的粤港澳大湾区碳储量评价与预测［J］.环境科学，2024，45（4）：2321-2331.

［9］史婷婷，陈植华，王宁涛，等.香溪河流域土壤有机碳储量影响因素的空间相关性分析［J］.中国岩溶，2011，30（4）：422-431.

［10］WANG W L，XU J，LUAN X F，et al.Wetland ecosystem service values in Beijing significantly increased from 1984 to 2020： Trend changes， type evolution， and driving factor［J］.Ecological Indicators，2024，166：112235.

［11］周文强，韩宇，王金龙，等.洞庭湖流域碳储量的时空异质性及驱动力分析［J］.中国环境科学，2024，44（4）：1851-1862.

［12］施智勇，谢慧黎，王圳峰，等.基于参数最优地理探测器的福州市生境质量时空格局与驱动力分析［J］.环境工程技术学报，2023，13（5）：1921-1930.

［13］周汶颖.基于Logistic-CA-Markov和InVEST模型的上海市土地利用与碳储量时空演化及预测［D］.上海：上海师范大学，2023.

［14］刁梦妮，韩震，杭君.上海浦东新区碳储量变化影响因素分析［J］.环境监测管理与技术，2024，36（2）：74-78.

［15］ALAM S A，STARR M，CLARK B J F.Tree biomass and soil organic carbon densities across the Sudanese woodland savannah： A regional carbon sequestration study［J］.Journal of Arid Environments，2013（89）：67-76.

［16］GIARDINA C P，RYAN M G.Evidence that decomposition rates of organic carbon in mineral soil do not vary with temperature［J］.Nature，2000（404）：858-861.

［17］徐丽，何念鹏，于贵瑞.2010s中国陆地生态系统碳密度数据集［J］.中国科学数据（中英文网络版），2019，4（1）：90-96.

［18］王丹妮.基于上海市土地利用方式变化下的土壤有机碳储量核算研究［J］.上海国土资源，2021，42（3）：1-6.

［19］王伟武，伏添乐，陈欢.基于PLUS-InVEST模型的长三角城市群碳储量时空演变与预测［J］.环境科学，2025，46（4）：1937-1950.

［20］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.

［21］SONG Y Z，WANG J F，GE Y，et al.An optimal parametersbased geographical detector model enhances geographic characteristics of explanatory variables for spatial heterogeneity analysis： cases with different types of spatial data［J］.GIScience & Remote Sensing，2020，57（5）：593-610.

［22］牛晓耕，朱雪莲，刘美玉，等.河北省生态系统碳储量和生境质量的时空演变特征及驱动因素［J］.水土保持通报，2024，44（6）：353-365.

［中图分类号］P237

［文献标识码］A

［文章编号］1007-3000（2025）09-1287-07

引文格式：朱磊.上海市碳储量时空演变特征及驱动机制［J］.北京测绘，2025，39（9）：1287-1293.

Reference format: ZHU Lei.Spatiotemporal evolution characteristics and driving mechanisms of carbon storage in Shanghai［J］. Beijing Surveying and Mapping，2025，39（9）：1287-1293.

DOI: 10.19580/j.cnki.1007-3000.2025.09.007

［收稿日期］2025-03-17

［作者简介］

朱磊（1993—），男，江苏泰州人，硕士，助理工程师，从事自然地理与测绘相关工作。

E-mail: zl3608@163.com