The impacts of climate change and land use change on terrestrial ecosystem carbon storage of Gansu province from 1980 to 2020

doi:10.7522/j.issn.1000-694X.2023.00042

Journal of Desert Research ›› 2023, Vol. 43 ›› Issue (4): 168-179.DOI: 10.7522/j.issn.1000-694X.2023.00042

Previous Articles Next Articles

The impacts of climate change and land use change on terrestrial ecosystem carbon storage of Gansu province from 1980 to 2020

Yongzhong Feng¹^,²(), Zhenliang Yin³(), Lingge Wang⁴, Long Mao¹, Xiaoyi Qiu¹, Zhuolin Tao¹, Cuixia Wu¹

^1.Department of Natural Resources of Gansu Province，Lanzhou 730000，China
^2.College of Earth and Environmental Sciences，Lanzhou University，Lanzhou 730000，China
^3.Key Laboratory of Ecological Safety and Sustainable Development in Arid Lands，Northwest Institute of Eco-Environment and Resources，Chinese Academy of Sciences，Lanzhou 730000，China
^4.Faculty of Geomatics / Nationl-Local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring / Gansu Provincial Engineering Laboratory for National Geographic State Monitoring，Lanzhou Jiaotong University，Lanzhou 730000，China

Received:2022-08-23 Revised:2022-12-12 Online:2023-07-20 Published:2023-08-14
Contact: Zhenliang Yin

Abstract

Abstract:

Land use change has a significant impact on carbon storage in dryland terrestrial ecosystems， but the impact of climate change on it is not yet clear. Based on the land use data and the dynamic data of vegetation and soil carbon density from 1980 to 2020， this study uses the InVEST model to measure the trends of carbon storage in Gansu province and each state from 1980 to 2020， and then quantitatively assesses the impacts of climate change and land use change on terrestrial ecosystem carbon storage. The results show that：（1） The overall climate state of Gansu Province tends to be warm and humid， while the intensity of land use shifts gradually and drastically， and changes from farmland expansion and grassland loss in 1980-2000 to unused land management and urban expansion in 2000-2020. （2） From 1980 to 2020， the average carbon storage in Gansu province ecosystem was 2 651.01 Tg C （1 Tg=10¹² g）， with high value of carbon density regions in the Gannan Plateau and Qilian Mountains， and low value regions mainly in the northwest desert of the Hexi Corridor and the downstream of the inland river basin. The rate of carbon sequestration shows a decreasing spatial pattern from the southeast to the northwest， with the top four prefecture-level cities ranked by Gannan Tibetan Autonomous Prefecture， Longnan City， Zhangye City and Qingyang City in order. （3） The net increase of terrestrial ecosystem carbon storage in Gansu Province from 1980 to 2020 is 208.79 Tg C. Among them， in 1980-2000， the increase of carbon storage mainly comes from climate change （63.01 Tg C）， while from 2000 to 2020， land use change is the main driver of carbon storage change in terrestrial ecosystems in Gansu province， especially in forest-grass-sand management and artificial oasis expansion.

Key words: terrestrial ecosystem, effect of carbon sequestration, dynamic carbon density data, climate change, land use

CLC Number:

X821

Yongzhong Feng, Zhenliang Yin, Lingge Wang, Long Mao, Xiaoyi Qiu, Zhuolin Tao, Cuixia Wu. The impacts of climate change and land use change on terrestrial ecosystem carbon storage of Gansu province from 1980 to 2020[J]. Journal of Desert Research, 2023, 43(4): 168-179.

Figures/Tables 10

References 43

1	徐俊.科技支撑碳中和目标实现的路径选择及政策研究［J］.中国经济学人，2022，17（2）：48-68.
2	United Nations （UN）."Today Is an Historic Day"，Says Ban，as 175 Countries Sign Paris Climate Accord.UN News，2016-04-22..
3	Chen B Y， Xu C， Wu Y Y，et al.Spatiotemporal carbon emissions across the spectrum of Chinese cities： insights from socioeconomic characteristics and ecological capacity［J］.Journal of Environmental Management，2022，306：114510.
4	Wang J， Feng L， Palmer P I，et al.Large Chinese land carbon sink estimated from atmospheric carbon dioxide data［J］.Nature，2020，586（7831）：720-723.
5	夏楚瑜.基于土地利用视角的多尺度城市碳代谢及“减排”情景模拟研究［D］.杭州：浙江大学，2019.
6	谢宇剑，沈正平，赵洁.基于土地利用变化情景的徐州市生态系统碳储量评估［J］.国土与自然资源研究，2022（4）：13-21.
7	Wang Y L， Wang X H， Wang K，et al.The size of the land carbon sink in China［J］.Nature，2022，603（7901）：720-735.
8	方精云，于贵瑞，任小波，等.中国陆地生态系统固碳效应：中国科学院战略性先导科技专项“应对气候变化的碳收支认证及相关问题”之生态系统固碳任务群研究进展［J］.中国科学院院刊，2015，30（6）：848-857.
9	罗艺，李思雨.甘肃生态文明法制建设探析［J］.西南林业大学学报（社会科学），2020，4（4）：1-8.
10	Garima S， Sharma L K， Sharma K C.Assessment of land use change and its effect on soil carbon stock using multitemporal satellite data in semiarid region of Rajasthan，India［J］.Ecological Processes，2019，8（42）：1-17.
11	吴佩君，刘小平，黎夏，等.基于InVEST模型和元胞自动机的城市扩张对陆地生态系统碳储量影响评估：以广东省为例［J］.地理与地理信息科学，2016，32（5）：22-28.
12	杨洁，谢保鹏，张德罡.基于InVEST和CA-Markov模型的黄河流域碳储量时空变化研究［J］.中国生态农业学报（中英文），2021，29（6）：1018-1029.
13	孔君洽，杨荣，苏永中，等.基于土地利用/覆被变化的荒漠绿洲碳储量动态评估［J］.生态学报，2018，38（21）：7801-7812.
14	李义平，蔡宏，田鹏举，等.贵州省黎平县地表覆被变化引起的生态系统碳储量变化［J］.水土保持通报，2020，40（2）：92-99.
15	刘晓娟，黎夏，梁迅，等.基于FLUS-InVEST模型的中国未来土地利用变化及其对碳储量影响的模拟［J］.热带地理，2019，39（3）：397-409.
16	Posner S， Verutes G， Koh I，et al.Global use of ecosystem service models［J］.Ecosystem Services，2016，17：131-141.
17	刘洋，张军，周冬梅，等.基于InVEST模型的疏勒河流域碳储量时空变化研究［J］.生态学报，2021，41（10）：4052-4065.
18	邓喆，丁文广，蒲晓婷，等.基于InVEST模型的祁连山国家公园碳储量时空分布研究［J］.水土保持通报，2022，42（3）：324-334.
19	周健.陆地生态系统碳储量的模拟不确定性及其成因溯源［D］.上海：华东师范大学，2021.
20	于明雪，孙建国，杨维涛，等.基于贝叶斯层次时空模型的甘肃省土地利用程度演变分析［J］.地理科学，2022，42（5）：918-925.
21	李珍珍.甘肃省生态脆弱性时空演变及与土地利用关系研究［D］.兰州：兰州大学，2019.
22	任玺锦，裴婷婷，陈英，等.基于碳密度修正的甘肃省土地利用变化对碳储量的影响［J］.生态科学，2021，40（4）：66-74.
23	Spawn S A， Sullivan C C， Lark T J，et al.Harmonized global maps of above and belowground biomass carbon density in the year 2010［J］.Scientific Data，2020，7（1）：112.
24	Liu F， Wu H Y， Zhao Y G，et al.Mapping high resolution National Soil Information Grids of China［J］.Science Bulletin，2022，67（3）：328-340.
25	朱志强，马晓双，胡洪.基于耦合FLUS-InVEST模型的广州市生态系统碳储量时空演变与预测［J］.水土保持通报，2021，41（2）：222-229.
26	史名杰，武红旗，贾宏涛，等.基于MCE-CA-Markov和InVEST模型的伊犁谷地碳储量时空演变及预测［J］.农业资源与环境学报，2021，38（6）：1010-1019.
27	Lai L， Huang X J， Yang H，et al.Carbon emissions from land-use change and management in China between 1990 and 2010［J］.Science Advances，2016，2（11）：e1601063.
28	张鹏岩，耿文亮，杨丹，等.黄河下游地区土地利用和生态系统服务价值的时空演变［J］.农业工程学报，2020，36（11）：277-288.
29	李若玮，叶冲冲，王毅，等.基于InVEST模型的青藏高原碳储量估算及其驱动力分析［J］.草地学报，2021，29（）：43-51.
30	柯新利，唐兰萍.城市扩张与耕地保护耦合对陆地生态系统碳储量的影响：以湖北省为例［J］.生态学报，2019，39（2）：672-683.
31	王超越，郭先华，郭莉，等.基于FLUS-In VEST的西北地区土地利用变化及其对碳储量的影响：以呼包鄂榆城市群为例［J］.生态环境学报，2022，31（8）：1667-1679.
32	杨忠芳，夏学齐，余涛，等.内蒙古中北部土壤碳库构成及其影响因素［J］.地学前缘，2011，18（6）：1-10.
33	王渊刚，罗格平，王玉辉，等.亚洲中部干旱区植被与土壤碳密度分析［J］.干旱区地理，2014，37（2）：239-249.
34	Li H W， Wu Y P， Chen J，et al.Responses of soil organic carbon to climate change in the Qilian Mountains and its future projection［J］.Journal of Hydrology，2021，596：126110.
35	Chen D， Chang N J， Xiao J F，et al.Mapping dynamics of soil organic matter in croplands with MODIS data and machine learning algorithms［J］.Science of The Total Environment，2019，669：844-855.
36	赵敏，周广胜.中国森林生态系统的植物碳贮量及其影响因子分析［J］.地理科学，2004（1）：50-54.
37	Lal R.Carbon sequestration in dryland ecosystems［J］.Environmental Management，2004，33（4）：528-544.
38	杨圆，杨建平，李曼，等.冰川变化及其影响的公众感知与适应措施分析：以甘肃河西内陆河流域为例［J］.冰川冻土，2015，37（1）：70-79.
39	汪有奎，贾文雄，刘潮海，等.祁连山北坡的生态环境变化［J］.林业科学，2012，48（4）：21-26.
40	孔君洽，杜泽玉，杨荣，等.荒漠绿洲农田垦殖过程中耕层土壤碳储量演变特征［J］.应用生态学报，2019，30（1）：180-188.
41	王春燕，何念鹏，吕瑜良.中国东部森林土壤有机碳组分的纬度格局及其影响因子［J］.生态学报，2016，36（11）：3176-3188.
42	李妙宇，上官周平，邓蕾.黄土高原地区生态系统碳储量空间分布及其影响因素［J］.生态学报，2021，41（17）：6786-6799.
43	白元，徐海量，凌红波，等.塔里木河干流区土地利用与生态系统服务价值的变化［J］.中国沙漠，2013，33（6）：1912-1920.

一级分类	二级分类	地上生物量	地下生物量	土壤
耕地	耕地	0.249	0.180	9.064
林地	有林地	2.410	1.051	18.300
	灌木林地	0.990	0.737	18.289
	疏林地	1.246	0.663	12.731
	其他林地	0.344	0.393	13.163
草地	高覆盖度草地	0.690	0.657	17.915
	中覆盖度草地	0.314	0.332	10.880
	低覆盖度草地	0.077	0.161	5.881
水域	水域	0.002	0.002	1.256
建设用地	城镇用地	0.084	0.163	5.926
	农村居民点	0.240	0.146	8.843
	其他建设用地	0.091	0.138	5.146
未利用地	沙地	0.019	0.070	1.914
	戈壁	0.017	0.065	1.827
	盐碱地	0.044	0.098	3.069
	沼泽地	0.138	0.541	15.633
	裸土地	0.042	0.104	3.109
	裸岩石质地	0.023	0.088	2.739
	其他未利用地	0.051	0.173	6.292

一级分类	二级分类	地上生物量	地下生物量	土壤
耕地	耕地	0.249	0.180	9.064
林地	有林地	2.410	1.051	18.300
	灌木林地	0.990	0.737	18.289
	疏林地	1.246	0.663	12.731
	其他林地	0.344	0.393	13.163
草地	高覆盖度草地	0.690	0.657	17.915
	中覆盖度草地	0.314	0.332	10.880
	低覆盖度草地	0.077	0.161	5.881
水域	水域	0.002	0.002	1.256
建设用地	城镇用地	0.084	0.163	5.926
	农村居民点	0.240	0.146	8.843
	其他建设用地	0.091	0.138	5.146
未利用地	沙地	0.019	0.070	1.914
	戈壁	0.017	0.065	1.827
	盐碱地	0.044	0.098	3.069
	沼泽地	0.138	0.541	15.633
	裸土地	0.042	0.104	3.109
	裸岩石质地	0.023	0.088	2.739
	其他未利用地	0.051	0.173	6.292

市州	面积 /km²	陆地生态系统
市州	面积 /km²	碳密度/（kg C·m^-2）	碳储量/Tg C
甘肃省	425 073.70	6.42	2 728.71
兰州市	12 960.79	6.06	78.57
嘉峪关市	1 229.53	2.75	3.38
金昌市	7 565.59	5.22	39.50
白银市	20 095.03	4.95	99.38
天水市	14 276.79	8.22	117.36
武威市	32 583.78	6.12	199.47
张掖市	38 581.89	9.00	347.21
平凉市	11 119.98	7.43	82.63
酒泉市	167 655.49	2.01	337.23
庆阳市	27 123.77	7.27	197.20
定西市	19 611.72	9.26	181.67
陇南市	27 845.28	10.08	280.74
临夏州	8 088.32	9.40	76.07
甘南州	36 695.61	18.76	688.30

市州	面积 /km²	陆地生态系统
市州	面积 /km²	碳密度/（kg C·m^-2）	碳储量/Tg C
甘肃省	425 073.70	6.42	2 728.71
兰州市	12 960.79	6.06	78.57
嘉峪关市	1 229.53	2.75	3.38
金昌市	7 565.59	5.22	39.50
白银市	20 095.03	4.95	99.38
天水市	14 276.79	8.22	117.36
武威市	32 583.78	6.12	199.47
张掖市	38 581.89	9.00	347.21
平凉市	11 119.98	7.43	82.63
酒泉市	167 655.49	2.01	337.23
庆阳市	27 123.77	7.27	197.20
定西市	19 611.72	9.26	181.67
陇南市	27 845.28	10.08	280.74
临夏州	8 088.32	9.40	76.07
甘南州	36 695.61	18.76	688.30

市州	固碳速率/(g·C·m^-2·a^-1)			固碳量/Tg C
市州	1980—2000年	2000—2020年	1980—2020年	1980—2000年	2000—2020年	1980—2020年
甘肃省	11.82	12.74	12.28	100.458	108.335	208.793
兰州市	11.38	8.20	9.79	2.950	2.126	5.075
嘉峪关市	2.36	7.43	4.89	0.058	0.183	0.241
金昌市	10.03	9.48	9.75	1.517	1.435	2.952
白银市	9.56	10.63	10.10	3.843	4.274	8.117
天水市	22.67	22.74	22.71	6.474	6.493	12.967
武威市	10.50	11.93	11.22	6.845	7.775	14.620
张掖市	13.37	13.82	13.59	10.313	10.667	20.980
平凉市	16.30	22.80	19.55	3.625	5.071	8.696
酒泉市	0.90	1.93	1.41	3.015	6.458	9.473
庆阳市	16.09	21.18	18.64	8.728	11.491	20.219
定西市	18.87	23.73	21.30	7.402	9.307	16.710
陇南市	31.82	29.03	30.42	17.720	16.165	33.885
临夏州	15.74	13.65	14.70	2.547	2.208	4.754
甘南州	34.64	33.63	34.13	25.421	24.683	50.104

The impacts of climate change and land use change on terrestrial ecosystem carbon storage of Gansu province from 1980 to 2020

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 10

References 43

Related Articles 15

Recommended Articles

Metrics

Comments

[1]	Caixia Li, Tao Ren, Yongheng Li. Ecological sensitivity analysis in typical Loess Plateau gully region： a case study of Qingyang， Gansu [J]. Journal of Desert Research, 2025, 45(6): 166-175.
[2]	Yueru Guan, Junwu Bai, Yiqiong Li, Zhaohui Yang, Haonan Shi. Net primary productivity of vegetation in the Mu Us Sandy Land in 2001-2020 [J]. Journal of Desert Research, 2025, 45(6): 258-268.
[3]	Xiaohong Ma, Qi Feng, Yonghong Su, Bo Chang. Land use and land cover change of the Ejina Oasis from 1980 to 2020 [J]. Journal of Desert Research, 2025, 45(6): 26-36.
[4]	Caixia Li, Xue Wu, Yang Hu. Land use and landscape pattern changes in Qingyang， Gansu， China： a typical Loess Plateau gully region [J]. Journal of Desert Research, 2025, 45(5): 172-180.
[5]	Mingyu Wang, Chengyong Wu, Kelong Chen. Spatiotemporal changes of vegetation greenness and their influencing factors in the Qinghai Lake Basin [J]. Journal of Desert Research, 2025, 45(5): 289-300.
[6]	Xueping Chen, Xueyong Zhao, Haiyan Zhuang, Yulai Qiao, Hongmei Yu, Jing Zhang. Characteristics of groundwater depth in Naiman， Inner Mongolia in 1985-2020 [J]. Journal of Desert Research, 2025, 45(4): 166-175.
[7]	Ning Wang, Anqi Cong, Xueping Chen, Xinping Liu. The characteristics of farmland area changes and dust source control in the Horqin Sandy Land [J]. Journal of Desert Research, 2025, 45(4): 253-261.
[8]	Haifu Fang, Yulin Li, Yanqing Li, Yuyin Mo, Jin Zhan, Zhijia Luo. Changes in landscape patterns and their driving factors of the typical dune alternated with meadow area in the Horqin Sandy Land [J]. Journal of Desert Research, 2025, 45(4): 285-294.
[9]	Haojiang Bai, Yongqing Luo, Li Cheng, Zhengjiaoyi Wang. The phenological responses of the dominant shrubs Artemisia halodendron and Caragana microphylla in the Horqin Sandy Land to climate change [J]. Journal of Desert Research, 2025, 45(4): 305-313.
[10]	Jie Lian, Jing Feng, Na Su, Shanghua Liu, Lei Zhang, Xinyuan Wang, Rui Zhang, Mingrun Wu. Effects of center-pivot irrigation on soil and water resources in the agro-pastoral ecotone of Northern China [J]. Journal of Desert Research, 2025, 45(4): 85-95.
[11]	Ying Zhai, Jiangli Pang, Chunchang Huang, Xiaochun Zha, Yali Zhou, Yuqin Li, Yuzhu Zhang, Xueqing Sun, Xiaokang Zhao. Particle endmembers characteristics of Amiola-South profile in the Zoige Basin and recorded climate change since 15 ka BP [J]. Journal of Desert Research, 2025, 45(2): 111-118.
[12]	Hong Jia, Jianpeng Zhang, Lianyou Liu, Jifu Liu, Siqi Yang. Variation and multi-scenario simulation of habitat quality in the Gonghe Basin， China [J]. Journal of Desert Research, 2025, 45(2): 29-36.
[13]	Xingyu Cheng, Zhiwei Xu, Yan Yu, Xiaoxiao Zhang. Changes in frequency and possible causes of dust occurrence in northern China and Mongolia since 2001 revealed by remote sensing [J]. Journal of Desert Research, 2025, 45(2): 47-60.
[14]	Juanjuan Wu, Jun Du, Xurigan, Wen Wang, Chenxin Miao, Xia Ren, Zhiru Yang, Fangyuan Cao, Mingyue Mao. Land use change characteristics and driving forces in the Ten Tributaries Basin， Inner Mongolia [J]. Journal of Desert Research, 2024, 44(6): 100-109.
[15]	Zhenliang Yin, Rui Zhu, Chunshuang Fang, Huaqing Yang, Zexia Chen. Attribution analysis of runoff variations in the Changma River Basin based on the Budyko hypothesis [J]. Journal of Desert Research, 2024, 44(6): 110-121.