基于空间滞后模型的粤北地区植被固碳变化的气候影响机制

doi:10.13287/j.1001-9332.202501.022

应用生态学报 ›› 2025, Vol. 36 ›› Issue (1): 227-237.doi: 10.13287/j.1001-9332.202501.022

基于空间滞后模型的粤北地区植被固碳变化的气候影响机制

潘森源¹, 周俏薇¹, 李景刚^1,2, 孙传谆^1,2*

¹华南农业大学公共管理学院, 广州 510640;
²自然资源部华南热带亚热带自然资源监测重点实验室, 广州 510700

收稿日期:2024-04-28 修回日期:2024-10-31 出版日期:2025-01-18 发布日期:2025-07-18
通讯作者: *E-mail: suncz@scau.edu.cn
作者简介:潘森源, 男, 1999年生, 硕士研究生。主要从事生态系统服务和生态安全格局研究。E-mail: 2336110478@ qq.com
基金资助:
国家社会科学基金项目(20CGL063)

Climate impact mechanism underlying vegetation carbon sequestration changes in northern Guangdong, China based on spatial lag model

PAN Senyuan¹, ZHOU Qiaowei¹, LI Jinggang^1,2, SUN Chuanzhun^1,2*

¹School of Public Management, South China Agricultural University, Guangzhou 510640, China;
²Key Laboratory of Natural Resources Monitoring in Tropical and Subtropical Area of South China, Ministry of Natural Resources, Guangzhou 510700, China

Received:2024-04-28 Revised:2024-10-31 Online:2025-01-18 Published:2025-07-18

摘要/Abstract

摘要： 开展植被固碳变化的影响机制研究,是实现区域“双碳”目标和高质量发展的科学支撑。然而,现有研究仍欠缺对影响因子时空自相关性的综合考虑,且未能准确反映因子的动态影响过程。基于此,本研究基于31个国家气象站点2001—2020年的气象数据及其周边10 km范围内植被净初级生产力(NPP)数据,准确识别粤北地区植被固碳量的时空变化特征;通过构建面板数据的空间滞后模型,结合偏相关分析和优势分析方法分析气候因子的动态影响机制,并进一步采用地理加权回归模型剖析影响因素的空间差异特征;采用残差趋势法分别测度气候因素和人类活动因素对植被固碳变化量的贡献度。结果表明: 2001—2020年,粤北地区平均固碳量为955.43 g C·m^-2,区域的植被固碳量呈波动下降趋势,变化的空间分布具有较强的异质性;年均相对湿度、年均日照时数和年均降水量是显著影响区域植被固碳变化的气候因子;上述显著影响因素的空间差异较大,且与海拔存在较强的相关关系;相较于气候因素,人类活动是粤北地区植被固碳变化的主要影响因素,人类因素和气候因素的平均贡献率分别为70.2%和29.8%。

关键词: 植被净初级生产力, 植被固碳, 空间滞后模型, 气候影响机制, 贡献度

Abstract: Understanding the mechanisms driving changes in vegetation carbon sequestration is a scientific support for achieving regional “dual carbon” goals and high-quality development. However, current research lacks comprehensive consideration of the spatiotemporal autocorrelation of influencing factors, and fails to accurately reflect the dynamic impact process of these factors. We identified the spatiotemporal variation characteristics of vegetation carbon sequestration in northern Guangdong using meteorological data from 31 national meteorological stations and vegetation net primary productivity (NPP) data within a 10 km radius from 2001 to 2020. By constructing a spatial lag model of panel data and combining partial correlation analysis and dominance analysis methods, we analyzed the role of climate factors, and investigated the spatial variations of the influencing factors by the geographical weighted regression model. We further quantified the contribution of climate factors and human activity factors to vegetation carbon sequestration changes with the residual trend method. Results showed that, from 2001 to 2020, the average carbon sequestration in the study area was 955.43 g C·m^-2. Vegetation carbon sequestration in this region showed a fluctuating downward trend, with strong spatial heterogeneity. The annual average relative humidity, annual average sunshine hours and annual average precipitation were climate factors with significant impacts on regional carbon sequestration changes. The spatial differences of those influencing factors were considerable, and there was a strong correlation with altitude. Compared to climate factors, human activities were the main influencing factor of vegetation carbon sequestration variations in northern Guangdong, with an average contribution rate of 70.2% for human factors and 29.8% for climate factors.

Key words: net primary productivity, vegetation carbon sequestration, spatial lag model, climate impact mechanism, contribution

潘森源, 周俏薇, 李景刚, 孙传谆. 基于空间滞后模型的粤北地区植被固碳变化的气候影响机制[J]. 应用生态学报, 2025, 36(1): 227-237.

PAN Senyuan, ZHOU Qiaowei, LI Jinggang, SUN Chuanzhun. Climate impact mechanism underlying vegetation carbon sequestration changes in northern Guangdong, China based on spatial lag model[J]. Chinese Journal of Applied Ecology, 2025, 36(1): 227-237.

参考文献

[1] 李子辉, 张亚, 巴永, 等. 云南省植被固碳能力与产水、土壤保持服务冷热点识别. 中国环境科学, 2023, 44(2): 1007-1019
[2] 孙传谆, 李鹏, 邓羽, 等. 基于生态系统空间异质性的美丽中国生态建设分区. 地理学报, 2022, 77(11): 2902-2919
[3] Li XY, Li Y, Chen AP, et al. The impact of the 2009/2010 drought on vegetation growth and terrestrial carbon balance in Southwest China. Agricultural and Forest Meteorology, 2019, 269: 239-248
[4] Sun R, Chen SH, Su HB. Trend analysis and driving factors of vegetation dynamics in Northern China from 1982 to 2015. Remote Sensing, 2022, 14: 6163
[5] Cao FF, Li JX, Fu X, et al. Impacts of land conversion and management measures on net primary productivity in semi-arid grassland. Ecosystem Health and Sustainability, 2020, 6: 1749010
[6] Liu X, Wang P, Song H, et al. Determinants of net primary productivity: Low-carbon development from the perspective of carbon sequestration. Technological Forecasting & Social Change, 2021, 172: 121006
[7] 潘竟虎, 黄克军, 李真. 2001—2010年疏勒河流域植被净初级生产力时空变化及其与气候因子的关系. 生态学报, 2017, 37(6): 1888-1899
[8] Evans J, Geerken R. Discrimination between climate and human-induced dryland degradation. Journal of Arid Environments, 2004, 57: 535-554
[9] 孙高鹏, 刘宪锋, 王小红, 等. 2001—2020年黄河流域植被覆盖变化及其影响因素. 中国沙漠, 2021, 41(4): 205-212
[10] 唐志红, 尉秋实, 刘虎俊, 等. 祁连山东段高寒植被群落特征及其与地形气候因子关系研究. 生态学报, 2020, 40(1): 223-232
[11] Feng HP, Kang P, Deng ZC, et al. The impact of climate change and human activities to vegetation carbon sequestration variation in Sichuan and Chongqing. Environmental Research, 2023, 238: 117138
[12] 陈晓玲, 曾永年. 亚热带山地丘陵区植被NPP时空变化及其与气候因子的关系: 以湖南省为例. 地理学报, 2016, 71(1): 35-48
[13] 茆杨, 蒋勇军, 张彩云, 等. 近20年来西南地区植被净初级生产力时空变化与影响因素及其对生态工程响应. 生态学报, 2022, 42(7): 2878-2890
[14] 王福海, 陈丹, 李辉. 基于地理探测器的山地城市植被净初级生产力时空演变及驱动因素研究: 以重庆市为例. 贵州大学学报: 自然科学版, 2024, 41(4): 19-27
[15] 邓玉娇, 王捷纯, 徐杰, 等. 广东省植被固碳量时空变化及气象贡献率研究. 生态环境学报, 2022, 31(1): 1-8
[16] Liu HY, Jiao FS, Yin JQ, et al. Nonlinear relationship of vegetation greening with nature and human factors and its forecast: A case study of Southwest China. Ecological Indicators, 2020, 111: 106009
[17] 李雪银, 张志强, 孙爱芝. 1982—2021年黄河流域植被覆盖时空演变及影响因素研究. 地球环境学报, 2022, 13(4): 428-436
[18] 贺忠华, 张育慧, 何月, 等. 浙江省近20年植被变化趋势及驱动因子分析. 生态环境学报, 2020, 29(8): 1530-1539
[19] 刘启兴, 董国涛, 景海涛, 等. 2000—2016年黄河源区植被NDVI变化趋势及影响因素. 水土保持研究, 2019, 26(3): 86-92
[20] 曹鸿兴, 郑艳, 虞海燕, 等. 气候检测与归因的格兰杰检验法. 气候变化研究进展, 2008, 4(1): 37-41
[21] 丁裕国. 气象时间序列的自相关性对抽样相关系数的影响. 南京气象学院学报, 1986(3): 239-248
[22] 钱琛, 陈海滨, 侯现慧. 生态建设背景下陕西省植被覆盖时空变化及其影响因素研究. 干旱区地理, 2020, 43(2): 425-433
[23] 崔茜琳, 何云玲, 李宗善. 青藏高原植被水分利用效率时空变化及与气候因子的关系. 应用生态学报, 2022, 33(6): 1525-1532
[24] 李传华, 周敏, 王玉涛, 等. 西北干旱区植被净初级生产力年际变化及其时空和气候因子的贡献: 以河西走廊为例. 生态学杂志, 2020, 39(10): 3265-3275
[25] 周玉科. 青藏高原植被NDVI对气候因子响应的格兰杰效应分析. 地理科学进展, 2019, 38(5): 718-730
[26] 姚江春, 朱江, 姜浩, 等. 基于生态产品价值实现的生态型地区城乡融合路径研究: 以粤北生态发展区为例. 自然资源学报, 2023, 38(8): 2169-2183
[27] 燕翃翔. 基于生态系统服务评估的粤北地区自然保护地空间优化研究. 硕士论文. 广州: 广州大学, 2023
[28] 李瑞萍, 郭雪梅, 李智才. 影响山西省气温变化的可能原因分析与检验. 气象与环境科学, 2015, 38(2): 77-81
[29] 朱玉祥, 赵亮. 中国近百年地面温度变化自然因子的因果链分析. 气象科技进展, 2014, 4(3): 36-40
[30] 季民河, 武占云, 姜磊. 空间面板数据模型设定问题分析. 统计与信息论坛, 2011, 26(6): 3-9
[31] 靳庭良, 郭建军. 面板数据模型设定存在的问题及对策分析. 数量经济技术经济研究, 2004(10): 131-135
[32] 徐勇, 郑志威, 戴强玉, 等. 顾及时滞效应的西南地区植被NPP变化归因分析. 农业工程学报, 2022, 38(9): 297-305
[33] 宋每慧, 辛景峰, 黄诗峰, 等. 基于地理加权回归的吉林省微波土壤水分降尺度研究. 水电能源科学, 2024, 42(2): 23-25
[34] 陈晨, 王义民, 黎云云, 等. 黄河流域1982—2015年不同气候区植被时空变化特征及其影响因素. 长江科学院院报, 2022, 39(2): 56-62
[35] 张浚茂, 臧传富. 东南诸河流域1990—2015年土地利用时空变化特征及驱动机制. 生态学报, 2019, 39(24): 9339-9350
[36] 张虹, 李超骕, 曾献君. 基于空间计量模型的城市用地结构与空气质量关联性研究: 以粤闽浙三省市县为例. 现代城市研究, 2024(2): 9-16
[37] 张宏思, 陈之光, 翔张, 等. 1977—2017年三江源区植被固碳量及影响因素评估. 南开大学学报: 自然科学版, 2021, 54(4): 87-107
[38] 张明祥, 田鹏举, 谷晓平. 贵州乌江流域植被NPP的时空分布及其对气候变化的响应. 中低纬山地气象, 2022, 46(4): 34-39
[39] 刘虹涛, 秦新永, 何华, 等. 2000—2017年白龙江流域植被对气候变化的响应. 甘肃林业科技, 2022, 47(1): 47-51
[40] 张凯选, 范鹏鹏, 王军邦, 等. 西南喀斯特地区植被变化及其与气候因子关系研究. 生态环境学报, 2019, 38(6): 1080-1091
[41] 韩秋萍. 流域生态屏障区森林生态系统服务价值核算以及生态补偿研究. 博士论文. 长沙: 湖南农业大学, 2014

基于空间滞后模型的粤北地区植被固碳变化的气候影响机制

Climate impact mechanism underlying vegetation carbon sequestration changes in northern Guangdong, China based on spatial lag model

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 1

编辑推荐

Metrics

本文评价