《Sustainability》:Spatiotemporal Dynamics and Non-Linear Drivers of Carbon Storage in the Pisha Sandstone Area: A Coupled PLUS–InVEST and XGBoost–SHAP Framework
编辑推荐:
摘要:陆地碳储量对于实现全球碳中和至关重要,但其在生态脆弱区(如砒砂岩区)的时空演化因强烈侵蚀和复杂环境驱动因素而变得复杂。砒砂岩区常被称为“地球生态癌症”,因其独特的地质不稳定性(“干时坚硬如石,湿时松软如泥”)而闻名,是黄河流域关键但脆弱的碳汇。本研究旨在
摘要:陆地碳储量对于实现全球碳中和至关重要,但其在生态脆弱区(如砒砂岩区)的时空演化因强烈侵蚀和复杂环境驱动因素而变得复杂。砒砂岩区常被称为“地球生态癌症”,因其独特的地质不稳定性(“干时坚硬如石,湿时松软如泥”)而闻名,是黄河流域关键但脆弱的碳汇。本研究旨在通过耦合PLUS(土地利用变化模拟)-InVEST(生态系统服务评估)模型与XGBoost(极端梯度提升)-SHAP(SHapley Additive exPlanations)框架,模拟1990年至2040年的土地利用覆被变化并量化碳固存潜力,以阐明这些动态并识别其非线形驱动机制。研究结果显示:(1)土地利用表现出强烈的路径依赖,草地始终是主导景观基质(>75%),这在一定程度上解释了区域碳储量结构的稳定性和PLUS验证的适度FoM(Figure of Merit)值;(2)碳储量呈波动但总体增加的趋势,预计在生态保护情景(Ecological Conservation Scenario, ECS)下,到2040年将达到峰值3.19 × 105 tC,显著优于经济驱动和自然增长模式;(3)热点分析表明,统计上显著的低碳冷点主要集中于河谷廊道、边缘过渡带和局部受干扰斑块,而高碳热点空间有限;(4)至关重要的是,XGBoost-SHAP结果应解释为基于模型的关联性而非直接因果证据;全区域模型和分区模型共同表明,地形、水资源可得性、社会经济压力和侵蚀相关因素在裸露、黄土覆盖和沙覆盖砒砂岩单元中对碳储量的贡献不同。这些发现支持差异化的土地利用和恢复策略,而非统一的区域管理。研究结果表明,砒砂岩区未来的管理应从普遍恢复转向有针对性和差异化的调控,以改善区域生态系统服务。
**论文解读:砒砂岩区碳储量时空动态、驱动机制与管理启示**
**一、 研究背景与问题**
陆地生态系统碳储量为应对气候变化与实现碳中和目标提供了关键的自然解决方案。在干旱区及生态脆弱区,土地利用变化能够迅速改变植被覆盖、侵蚀敏感性和碳固存能力,使得生态恢复与发展的碳效应尤为显著。黄河流域作为生态保护与高质量发展需统筹推进的关键区域,理解土地利用转型如何重塑碳储量格局,既是科学前沿也是实践重点。尽管国际上关于土地利用变化与生态系统碳储量的研究已取得进展,但现有研究多集中于量化不同政策情景下的总碳储量变化,而对驱动碳储量空间格局形成的非线形机制,尤其是在脆弱景观中的异质性关注不足。这一局限在砒砂岩区这类典型脆弱区显得尤为突出,该区域侵蚀剧烈、环境严酷、人类干扰强烈,碳储量变化不可能由单一因素或简单线性关系控制。传统的线性回归或地理探测器等方法难以充分捕捉生态与社会经济驱动因素间的非线形响应、阈值效应及交互作用。因此,亟需整合土地利用模拟、碳储量核算与可解释机器学习方法,以深入揭示碳储量变化的复杂驱动机制,并为差异化生态管理提供科学依据。
**二、 研究方法概述**
本研究构建了一个集成的PLUS-InVEST-热点分析-XGBoost-SHAP框架,旨在系统分析砒砂岩区碳储量的时空演变与驱动机制。研究首先利用PLUS模型,基于历史土地利用数据(1990-2020年)和多种自然(如DEM、坡度、坡向、气温、降水)、土壤(如土壤质地、侵蚀强度)及社会经济(如人口密度、GDP、距道路距离)驱动因子,模拟了2040年四种政策导向情景(自然发展情景NDS、耕地保护情景CLPS、生态保护情景ECS、高质量发展情景HQDS)下的土地利用格局。随后,通过InVEST模型的碳储量与固存模块,结合各土地利用类型的碳密度系数,估算了历史及未来情景下的碳储量。为识别碳储量变化的空间聚集特征,研究进一步对碳储量变化栅格进行了热点与冷点分析。最后,为探究碳储量空间分异的驱动机制,研究构建了XGBoost-SHAP模型,将碳储量作为因变量,将上述自然与社会经济因子作为解释变量,分别在全区域以及裸露、黄土覆盖、沙覆盖三个砒砂岩亚区尺度上,量化了各驱动因子的相对贡献及其非线形效应。研究数据来源于资源环境科学与数据中心等,空间分辨率为30米。
**三、 研究结果**
**1. 土地利用变化格局(1990-2020)**
研究期内,砒砂岩区土地利用结构发生明显变化,但整体景观组成相对稳定。草地始终是主导土地利用类型,其面积占比在1995年后保持在75%以上。土地利用面积等级基本维持为:草地 > 耕地 > 裸地 > 建设用地 > 水域 > 林地。具体表现为:耕地面积从3178.31 km
2减少至1657.27 km
2;草地面积从12,441.65 km
2增加至14,372.62 km
2;裸地面积从920.01 km
2大幅减少至172.47 km
2;建设用地面积从125.80 km
2增加至444.98 km
2。土地利用转移矩阵显示,草地稳定性最强,81.01%的初始草地面积未发生转化;大量耕地和裸地转化为草地,反映了生态恢复政策的影响;建设用地扩张主要与耕地和草地的转化相关。
**2. 碳储量时空变化**
基于InVEST的估算表明,1990年至2020年,砒砂岩区总碳储量呈波动上升趋势,从2.658 × 10
5 tC增加至2.734 × 10
5 tC,净增7.591 × 10
3 tC。空间上,碳储量增加主要与裸地或耕地转化为草地的区域相关,尤其是在沟壑区和生态恢复区;碳储量减少则主要集中在受建设用地扩张或植被覆盖土地退化的区域。
**3. 多情景模拟与热点分析(2040)**
PLUS模型模拟的2040年土地利用格局显示,在所有情景下,草地均保持主导地位,表现出强烈的路径依赖。耦合InVEST模型后,碳储量预估存在显著情景差异:生态保护情景(ECS)下的碳储量最高,达3.194 × 10
5 tC;耕地保护情景(CLPS)次之;高质量发展情景(HQDS)和自然发展情景(NDS)的碳储量较低。热点分析发现,显著的低碳冷点比高碳热点分布更广泛。冷点主要沿河谷廊道、沟壑系统、边缘过渡带、东部河流廊道以及受干扰的建设用地斑块聚集,并显示出与裸露、黄土覆盖、沙覆盖砒砂岩亚区的重叠。这表明低碳风险是土地利用转型与地貌脆弱性共同塑造的结果。
**4. 碳储量驱动机制的XGBoost-SHAP归因分析**
全区域XGBoost-SHAP模型(R
2 = 0.9124)显示,高程(DEM)和降水是最重要的驱动变量,表明地形背景和水分可得性是区域碳储量的基本生态边界条件。社会经济变量(如GDP、人口)和可达性相关因子(如距道路距离)通常呈现负贡献,反映了人类干扰对碳汇功能的削弱作用。
分区模型进一步揭示了驱动机制的异质性:
* **裸露砒砂岩区**:人口、坡度、GDP、侵蚀强度、DEM是主导变量,表明碳储量同时受到人类干扰和地形侵蚀过程的强烈制约。
* **黄土覆盖区**:GDP、DEM、人口、坡向、坡度最为重要,表明社会经济压力与地形分异的耦合是主要控制因素。
* **沙覆盖区**:DEM和降水是主导因素,其次是GDP和气温,表明碳储量更多地受地形和水热条件调控。
**四、 讨论与结论**
**讨论部分总结:**
研究证实,砒砂岩区碳储量变化与土地利用转型紧密相关,恢复导向的土地转换(如裸地、耕地转草地)是碳储量总体增加的主因。2040年情景比较凸显了政策导向的强烈影响,生态保护情景(ECS)因优先保护生态用地并促进植被恢复,展现出最大的碳增汇潜力。热点分析为管理提供了空间维度,广泛的低碳冷点集群指示了需要优先进行恢复和干预的关键区域。XGBoost-SHAP分析揭示了碳储量受自然背景条件与人类干扰共同控制,且驱动机制在不同地貌-地表覆盖亚区间存在显著差异。因此,统一的区域管理策略可能失效,必须实施差异化的碳汇管理。研究也指出了局限性,如InVEST模型使用固定碳密度系数简化了类内变异,PLUS模拟存在不确定性,XGBoost-SHAP揭示的是关联性而非因果关系。
**结论部分翻译:**
本研究综合PLUS模型、InVEST碳储量模块、热点分析和XGBoost-SHAP框架,分析了砒砂岩区的土地利用变化、碳储量演变、未来情景差异、空间聚集格局和驱动机制。主要结论如下:
(1)1990年至2020年,砒砂岩区土地利用结构保持以草地为主导,同时耕地和裸地减少,建设用地局部扩张。总体而言,恢复导向的土地转换超过了局部发展相关的损失,成为与生态改善相关的主要土地覆被过程。
(2)碳储量从1990年的2.658 × 10
5 tC增加到2020年的2.734 × 10
5 tC,增加主要与裸地和耕地向草地的转化有关。碳损失集中在建设用地扩张区和混合土地利用过渡带附近,这表明区域碳轨迹反映了恢复和人类干扰的综合效应。
(3)2040年情景分析表明,生态保护情景(ECS)产生的预估碳储量最高(3.194 × 10
5 tC),其次是耕地保护情景(CLPS)、高质量发展情景(HQDS)和自然发展情景(NDS)。这表明在砒砂岩区,生态用地保护和恢复对于碳增汇比被动延续或发展导向的路径更有效。
(4)显著的冷点比热点分布更广,并集中在河谷廊道、沟壑系统、边缘过渡带和受干扰斑块。它们与裸露、黄土覆盖和沙覆盖砒砂岩单元的重叠表明,低碳风险是土地利用转型和地貌脆弱性共同塑造的。
(5)XGBoost-SHAP揭示,碳储量受自然背景条件和社会经济干扰共同控制。地形和降水定义了碳积累的生态边界条件,而GDP、人口和可达性相关因素反映了人类压力的影响。分区模型进一步证实,这些控制在不同的地貌亚区间存在差异,支持差异化的碳汇管理。
总体而言,砒砂岩区经历了恢复主导的碳储量增加,但未来碳汇稳定性仍受到低碳区域空间聚集和局部发展压力的制约。因此,有效的管理应结合草地保护、冷点恢复、严格控制建设用地扩张以及亚区特异性的干预措施。