中国沙漠
img

官方微信

高级检索
作者投稿 专家审稿 编辑办公

中国沙漠, 2025, 45(6): 59-69 doi: 10.7522/j.issn.1000-694X.2025.00016

1982—2024年中国典型沙地碳汇格局演变与驱动力

杜会石,1, 曲玮1, 哈斯额尔敦,2

1.吉林师范大学 地理科学与旅游学院，吉林 四平 136000

2.北京师范大学 地理科学学部自然资源学院，北京 100875

Carbon sequestration in typical sandy lands of China from 1982 to 2024： Patterns，evolution，and driving forces

Du Huishi,1, Qu Wei1, Eerdun Hasi,2

1.College of Geographical Science and Tourism，Jilin Normal University，Siping 136000，Jilin，China

2.School of Natural Resources，Faculty of Geographical Science，Beijing Normal University，Beijing 100875，China

通讯作者: 哈斯额尔敦（E-mail： hasi@bnu.edu.cn）

收稿日期: 2024-12-13   修回日期: 2025-04-01  

基金资助: 国家自然科学基金项目.  42271005

Received: 2024-12-13   Revised: 2025-04-01  

作者简介 About authors

杜会石（1983—），男，吉林伊通人，博士，教授，主要从事干旱区地貌研究E-mail：duhs@jlnu.edu.cn , E-mail：duhs@jlnu.edu.cn

摘要

中国典型沙地碳汇潜力缺乏长时间序列动态的系统分析和气候变化及人类活动驱动机制的定量解析。本文运用CASA与Thornthwaite Memorial模型，分析了1982—2024年毛乌素沙地、浑善达克沙地、科尔沁沙地、呼伦贝尔沙地和松嫩沙地等典型沙地净生态系统生产力（NEP，C固定量，g·m-2·a-1）的时空变化特征，并探讨了气象与人为因素对NEP演变的驱动机制。结果表明：2024年典型沙地总体NEP均值为166.67 g·m-2·a-1，并表现出显著的空间分异，东部地区沙地碳汇能力显著高于西部地区。其中，松嫩沙地碳汇能力最强，NEP均值为211.08 g·m-2·a-1；毛乌素沙地碳汇能力较弱，NEP均值仅为122.68 g·m-2·a-1。1982—2024年，典型沙地总体NEP呈先降后升趋势，2000年降至最低值130.68 g·m-2·a-1，随后至2024年回升到166.67 g·m-2·a-1；从空间变化来看，碳汇能力增加的区域占研究区总面积的59.96%（10.03万km²），其中显著增加区域占57.79%（96 682.67 km²），主要分布于呼伦贝尔沙地和松嫩沙地，而显著下降区域占35.85%（59 977.05 km²），主要位于毛乌素沙地和浑善达克沙地。人为因素是影响碳汇的主控因素，对碳汇的相对贡献率达49.33%。

关键词： 沙地生态系统 ; 碳汇 ; 净生态系统生产力 ; 气象因素 ; 人为因素

Abstract

The potential of carbon sequestration in typical sandy regions of China has long been overlooked，with a lack of systematic analysis over long time series and quantitative assessments of the driving mechanisms of climate change and human activities. In this study，we employed the CASA and Thornthwaite Memorial models to analyze the spatiotemporal variations in net ecosystem productivity （NEP） across typical sandy areas，including the Mu Us Sandy Land，the Hunshandake Sandy Land，the Horqin Sandy Land，the Hulun Buir Sandy Land，and the Songnen Sandy Land，from 1982 to 2024. We also explored the driving mechanisms of meteorological and human factors on the evolution of NEP. The results show that，by 2024，the average annual NEP of the typical sandy regions was 166.67 g·m-2·a-1，with significant spatial differentiation. The carbon sequestration capacity in the eastern regions was notably higher than in the western regions. Among these areas，the Songnen Sandy Land exhibited the strongest carbon sequestration capacity，with an annual NEP of 211.08 g·m-2·a-1，while the Mu Us Sandy Land had a weaker carbon sequestration capacity，with an annual NEP of only 122.68 g·m-2·a-1. From 1982 to 2024，the overall NEP of these regions showed a decline followed by a recovery，reaching a minimum of 130.68 g·m-2·a-1 in 2000 and subsequently rising to 166.67 g·m-2·a-1 by 2024. In terms of spatial changes，the areas with increased carbon sequestration accounted for 59.96% （10.03×10⁴ km²） of the total study area，with significant increases covering 57.79% （96 682.67 km²），primarily distributed in the Hulun Buir Sandy Land and the Songnen Sandy Land. In contrast，areas with significant decreases accounted for 35.85% （59 977.05 km²），mostly in the Mu Us Sandy Land and the Hunshandake Sandy Land. Human activities were the dominant factor contributing to the improvement of carbon sequestration，with a relative contribution rate of 49.33%. This study provides scientific evidence for carbon neutrality and ecological conservation in sandy regions.

Keywords： sandy land ecosystems ; carbon sequestration ; net ecosystem productivity ; meteorological factors ; human factors

PDF (6072KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

杜会石, 曲玮, 哈斯额尔敦. 1982—2024年中国典型沙地碳汇格局演变与驱动力. 中国沙漠[J], 2025, 45(6): 59-69 doi:10.7522/j.issn.1000-694X.2025.00016

Du Huishi, Qu Wei, Eerdun Hasi. Carbon sequestration in typical sandy lands of China from 1982 to 2024： Patterns，evolution，and driving forces. Journal of Desert Research[J], 2025, 45(6): 59-69 doi:10.7522/j.issn.1000-694X.2025.00016

0 引言

随着全球气候变化加剧，生态系统碳汇作用逐渐受到广泛关注［1］。净生态系统生产力（NEP，C固定量，g·m-2·a-1）是生态系统碳收支的关键指标，定义为总初级生产力（GPP）减去生态系统所有呼吸作用（包括植物自养呼吸和土壤微生物异养呼吸）释放的二氧化碳量［2-3］。NEP不仅是碳源/汇研究的核心议题［4-5］，也是全球碳循环研究的基础［6-7］。学者已在森林［8-9］、草地［10］和农田［11］等高碳汇生态系统中开展了大量研究［12-13］，主要在气候变化对碳汇动态的影响［14］，尤其是气温升高和降水变化对植被光合作用和碳固定能力的调节作用等方面［15-16］。在干旱半干旱地区，降水量增加通常能够显著提升NEP，然而其效果在时间和空间尺度上存在较大差异［17］。

目前，气候变化对沙地生态系统的影响逐步成为学者关注的焦点［18］。除了气候因素，人类活动在沙地碳循环中亦扮演着重要角色［19］。植被恢复、退耕还林和生态修复等工程对提高区域碳汇具有显著的正向效应［20-21］，而过度开垦、放牧等人为干扰则可能削弱沙地生态系统的碳汇功能［22］。国内学者围绕黄土高原［23-24］、内蒙古草原［25］和西北干旱区［26］等开展了大量研究，结果表明气候变化和生态恢复政策共同促进了区域NEP增长［27］。然而不同区域NEP对气候和人为驱动因子的响应存在显著空间差异［28］。学者已普遍认识到沙地的碳汇能力与降水、气温以及土地利用变化等多重因素密切相关。尽管国内外研究为沙地碳汇提供了初步认识，但仍存在以下问题：针对特殊区域或自然地理单元的大范围长时序NEP分析尚显不足；气候变化与人类活动的交互作用仍未得到充分量化，特别是在空间尺度上，气候与人为因素的影响差异较大，其共同作用机制仍需深入探讨；作为碳汇的重要组成部分，沙地生态系统的碳汇潜力长期被低估，其特有的区域环境对碳汇演变的影响机制尚未系统阐明。

在中国的典型沙地，如毛乌素沙地、浑善达克沙地、科尔沁沙地、呼伦贝尔沙地和松嫩沙地等，随着退耕还林和生态恢复工程的实施，部分沙地生态系统碳汇能力显著提升，但整体区域碳汇变化仍不明确，研究该区域的碳汇动态，对于实现区域碳中和目标和推进生态保护具有重要意义。鉴于此，本文聚焦中国典型沙地，基于遥感数据、气象数据和生态模型，系统分析1982—2024年沙地碳汇格局、演变特征及驱动机制，定量评估气候和人为因素的影响程度，以期加强对沙地碳汇动态及其驱动机制的认识，为区域沙地生态系统的保护与恢复提供科学依据。

1 材料与方法

1.1　研究区概况

毛乌素沙地、浑善达克沙地、科尔沁沙地、呼伦贝尔沙地和松嫩沙地（37°27′—49°50′N，107°20′—126°02′E），总面积16.73万km²。其中，毛乌素沙地年降水量250~420 mm，年平均气温6.0~8.5 ℃，风沙地貌以新月形沙丘和沙丘链、固定梁窝状沙丘为主，主要植被有沙蒿（Artemisia salsoloides）、小叶锦鸡儿（Caragana microphylla）、筐柳（Salix linearistipularis）和沙棘（Hippophae rhamnoides）等；浑善达克沙地年降水量140~380 mm，年平均气温3.0~5.0 ℃，风沙地貌类型以草灌丛沙堆、半固定梁窝状沙丘为主，主要植被有白榆（Ulmus propinqua）、小红柳（Salix microstachya var. bordensis）、黄柳（Salix gordejevii）、蒙古栎（Quercus mongolica）、沙米（Agriophyllum arenarium）、沙蒿、小叶锦鸡儿、大针茅（Stipa grandis）和冰草（Agropyron cristatum）等；呼伦贝尔沙地年降水量280~350 mm，年平均气温为0~2.0 ℃，风沙地貌类型以风蚀坑及坑后抛物线形沙丘为主，植被主要包括针茅（Stipa capillata）、羊草（Leymus chinensis）、线叶菊（Filifolium sibiricum）、冷蒿（Artemisia frigida）和糙隐子草（Cleistogenes squarrosa）等；科尔沁沙地年降水量200~500 mm，年平均气温6.0~7.5 ℃，风沙地貌类型以格状沙丘和沙丘链、新月形沙丘和沙丘链、草灌丛沙丘为主，主要植被有羊草（Leymus chinensis）、冷蒿、蒙古栎、榆（Ulmus pumila）、小叶锦鸡儿、狗尾草（Setaria viridis）等；松嫩沙地年降水量360~480 mm，年平均气温3.3 ℃，风沙地貌类型以裸沙斑块为主，植被主要包括榆、大果榆（Ulmus macrocarpa）、山杏（Armeniaca sibirica）、细叶胡枝子（Lespedeza juncea var. subsericea）、大籽蒿（Artemisia sieversiana）、狼针茅（Stipa baicalensis）和糙隐子草等［29］。行政区划上隶属黑龙江、吉林、辽宁、内蒙古、陕西、宁夏等省区（图1）。2024年，典型沙地中，草地、沙地、耕地、林地、水域和建设用地面积分别为81 859.89（占典型沙地总面积的48.93%）、42 594.58（25.46%）、28 524.65（17.05%）、7 545.23（4.51%）、3 747.52（2.24%）、3 044.86 km²（1.82%）。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   典型沙地土地利用现状

注：基于自然资源部标准地图服务网站标准地图（审图号GS （2024） 0650号）制作，底图边界无修改

Fig.1   Land use status of typical sandy land


1.2　数据来源与处理

本文所用遥感数据包括1982—2024年1 km月最大合成中分辨率成像光谱仪（MODIS）归一化植被指数（NDVI）数据，来源于国家地球系统科学数据平台（https：//ladsweb.modaps. eosdis.nasa.gov）。土地覆被产品来源于谷歌地球引擎（GEE）平台，并利用中国土地利用数据集（https：//www.resdc.cn）对1982、1985、1990、1995、2000、2005、2010、2015、2020、2024年土地利用数据进行校正和重分类，该数据底图空间分辨率30 m。近期研究表明，人口密度和单位面积地区生产总值是NEP变化的主控因素［30-32］。因此，本文选取同期的该类数据用于分析人为因素贡献率，数据来源于中国科学院资源环境科学与数据中心（http：//www.resdc.cn）。利用ArcGIS（v.10.2）对月平均气温和月降水量数据进行最大值合成，并对数据进行克里金插值［33］。CASA模型［34］能够利用遥感数据精确估算大尺度地区的植被光合作用和生态系统生产力，从而提供碳循环和气候变化研究的重要信息；Thornthwaite Memorial模型［35］具有广泛的适用性，适用于大范围区域和缺乏详细生物物理数据的情况下，能够通过气候数据提供可靠的NPP估算，特别适合进行气候变化的长期分析。以上模型是学术界广泛采用的NPP估算方法，在不同地区和时间尺度上具有适用性和有效性。本文即利用CASA计算实际NPP（ANPP），利用Thornthwaite Memorial模型，基于年均实际蒸散量计算潜在NPP（PNPP）。基于残差趋势法［36］计算人为主导的NPP（HNPP），利用土壤微生物异养呼吸模型［37］计算NEP，最后使用斜率法［38］分析NEP变化趋势，并定量分离气象与人为因子的贡献率。

为确保模型的准确性与合理性，对CASA和Thornthwaite Memorial模型的参数进行了详细设置和优化，并针对研究区不同沙地生态系统的差异性进行了调整。在CASA模型中，FPAR和SOL参数来源于MODIS产品，经时间序列校正和空间插值处理，确保数据的连续性和精度；Tε 和Wε 基于朱文泉等［34］提出的参数化方法，并结合研究区域1982—2024年月平均气温和降水量数据进行校准；最大光能转化效率（ε*）则参考Piao等［5］和朱文泉等［34］对中国陆地生态系统的参数化研究，根据典型沙地的植被类型设置ε值，如草地生态系统的ε值为0.56 g·MJ-1，灌木为0.48 g·MJ-1，耕地为0.63 g·MJ-1，林地为0.73 g·MJ-1，以上参数已在多个干旱半干旱地区的研究得到验证，具有较高的可靠性和代表性。Thornthwaite Memorial模型参数来源于中国气象数据中心（http：//data.cma.cn）的逐日气象站数据，经克里金插值生成1 km分辨率的空间分布数据，模型中蒸散量计算将结合朱文泉等［34］的改进参数，确保其在大尺度区域的适用性。

1.3　研究方法

1.3.1　碳汇计算

CASA模型作为基于过程的遥感模型，以植被吸收的光合有效辐射（APAR，MJ·m-2）和光能转化率ε（g·MJ-1）两个变量估算ANPP，ANPP估算公式为：

ANPP=APAR×ε
APAR=FPAR×SOL×0.5
ε=Tε×Wε×ε*

式中：ANPP为实际净初级生产力（g·m-2）；FPAR为植被吸收的光合有效辐射的比例（MJ·m-2）；SOL为太阳总辐射（MJ·m-2）；0.5为植被可有效利用的SOL比例；Tε和Wε分别为气温和水分对太阳能利用效率的影响系数；ε*为不同植被类型的最大可能光能利用效率（单位：g·MJ-1）。

Thornthwaite Memorial模型综合了水热等气象因子，被广泛应用于大范围的气象生产潜力变化研究。通过潜在蒸散模型对Miami模型进行改进，与PNPP有更好的拟合性，根据年均实际蒸散量计算PNPP，公式为：

PNPP=3000×[1-e-0.009695(v-20)]
v=1.05r1-1+1.05rL2
L=0.05t3+25T+3000

式中：PNPP为潜在净初级生产力（g·m-2）；v为年均实际蒸散量（mm）；r为年降水量（mm）；L为年均最大蒸散量（mm）；t为年平均气温（℃）。

1.3.2　碳汇驱动力分离

残差趋势法是利用模拟无人为干扰下的植被变化情况和实际变化情况的差异来间接估计人为影响HNPP，常用于区分气象与人为因素的贡献率。NEPP表示潜在NEP，NEPA表示实际NEP，NEPP与NEPA之间的差值，即NEPH表示人为因素对NEP的影响。

HNPP=PNPP-ANPP
NEPH=NEPP-NEPA

式中：HNPP、PNPP、ANPP、NEPH、NEPP、NEPA的单位均为g·m-2。

NEP是衡量区域植被碳汇能力的重要指标，其值被定义为植被NPP与土壤微生物异养呼吸（RH）的差值［25］，公式为：

NEP=NPP-RH

式中：NEP、NPP、RH的单位均为g·m-2。

如果NEP大于0，表示植被固定的碳比土壤呼吸释放的碳大，即碳汇；反之，则为碳源。

根据前人的研究［2］，与土壤异养呼吸的估算模型进行对比，最终采用Pei等［37］建立的经验公式，该公式已被运用于多项研究，公式为：

RH=0.22×(exp (0.0913T(x,t))+ln(0.3145P(x,t)+1))×30×46.5%)

式中：T和P分别为像元x在t月的平均气温（℃）和降水量（mm）。

1.3.3　碳汇变化趋势

采用线性回归的方法计算NEP的年际变化趋势，并将线性回归方程的斜率作为NEP年际变化趋势，公式为：

slope=n×∑i=1ni×Xi-∑i=1ni∑i=1nXin×∑i=1ni2-∑i=1ni2

式中：i为年份；n为研究时间长度；Xi 为对应年份的NEP。NEPP斜率为0表明碳汇能力保持稳定，为正表明气象变化有利于植被生长，为负表明气象不利于植被生长［39］。而NEPH斜率为正表明人类活动降低植被碳汇能力，导致生态系统退化；为负表明人类活动促进植被发挥碳汇能力［40］。定义6种情景［38］（表1）。

表1   确定气象和人为因素以及共同作用在NEP变化中的相对作用

Table 1  Identification of the relative roles of climate change and human activities in actual，potential and human-induced NEP changes

斜率气象斜率潜在斜率人为NEP变化的原因
+++气象因素增加NEP
---气象因素减少NEP
+--人为因素增加NEP
-++人为因素减少NEP
++-二者共同作用增加NEP
--+二者共同作用减少NEP

新窗口打开| 下载CSV


2 结果与分析

2.1　典型沙地碳汇格局特征

2024年，典型沙地整体表现为碳汇能力，呈现东高西低的空间分异特征（图2），NEP均值为166.67 g·m-2·a-1。其中，松嫩沙地碳汇能力最强，NEP均值为211.08 g·m-2·a-1，呼伦贝尔沙地、科尔沁沙地和浑善达克沙地的NEP均值分别为208.16、191.60、148.50 g·m-2·a-1，毛乌素沙地碳汇能力较低，NEP均值为122.68 g·m-2·a-1。这种空间格局与区域生态系统类型和环境条件密切相关，如在松嫩沙地中，耕地、草地和林地面积分别占总面积的43.17%、18.50%和4.04%，且区域年降水量充沛、气温年际变幅较小（年均温差为25.5 ℃），为植被生长和农作物生产提供了良好的水热条件，进而促进了较强的碳汇能力。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   2024年典型沙地净生态系统生产力（NEP）的空间分布

Fig.2   Spatial distribution of net ecosystem productivity in typical sandy land in 2024


2.2　典型沙地碳汇时空演变特征

2.2.1　典型沙地碳汇时间序列变化

1982—2024年，典型沙地碳汇能力整体呈现出减少趋势，NEP均值为130.68~216.14 g·m-2·a-1（图3）。1982—1990年，典型沙地整体表现出稳定的碳汇能力，NEP均值为216.08 g·m-2·a-1；1990—1995年，碳汇呈下降趋势，并于2000年降至最低值130.68 g·m-2·a-1；2000年后，碳汇呈现上升趋势；至2024年达166.67 g·m-2·a-1。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   1982—2024年典型沙地净生态系统生产力（NEP）平均值和不同生态系统NEP变化

Fig.3   Average net ecosystem productivity （NEP） and NEP changes of different ecosystems in typical sandy land during 1982-2024


各生态系统碳汇能力差异显著，1982—1990年草地生态系统碳汇能力保持相对稳定，NEP均值为214.99 g·m-2·a-1，每年的增幅为0.11%；1990—2000年出现下降趋势；NEP均值于2000年降至最低值127.44 g·m-2·a-1，每年的减幅为6.12%；2024年回升至154.67 g·m-2·a-1，每年的增幅为0.89%。1982—1990年沙地生态系统碳汇能力呈现缓慢上升趋势，NEP均值为133.96 g·m-2·a-1，每年的增幅为0.53%；1990—2000年出现下降趋势；2000年降至131.55 g·m-2·a-1，每年的减幅为0.26%；2000年后碳汇能力以每年0.58%的速度增加；至2024年达150.85 g·m-2·a-1。1982—1990年耕地生态系统碳汇能力稳步上升，NEP为178.41 g·m-2·a-1，每年的增幅为2.09%；1990—2000年呈现下降趋势；2000年降至最低值154.89 g·m-2·a-1，每年的减幅为1.38%；2024年NEP均值为209.94 g·m-2·a-1，每年的增幅为1.48%。

2.2.2　典型沙地碳汇空间分异特征

1982—2024年，典型沙地碳汇能力呈空间分异特征（图4）。毛乌素沙地在1982—2000年碳汇能力较强（NEP均值320.27 g·m-2·a-1），2000—2010年显著下降，2010—2024年东部逐步恢复，但总体仍低于早期水平，变幅仅为2.98%；浑善达克沙地1982—2000年碳汇能力持续增强，2000—2010年西部下降明显，东部略有提升，2010—2024年东部碳汇能力显著恢复，变幅达17.15%，展现出东西分异特征；科尔沁沙地东部地区碳汇能力自1982年以来持续增长，2000—2024年空间格局趋于稳定，NEP增长至186.90 g·m-2·a-1，表现出稳步增长态势；呼伦贝尔沙地1982—2024年碳汇能力持续增强，NEP由161.15 g·m-2·a-1增长至190.14 g·m-2·a-1，变幅为17.99%，表现出持续向好的整体趋势；而松嫩沙地1982—2024年碳汇能力显著提升，NEP由148.32 g·m-2·a-1增至196.69 g·m-2·a-1，变幅高达32.61%，为提升最显著的区域。

图4

新窗口打开| 下载原图ZIP| 生成PPT

图4   1982—2024年典型沙地NEP空间格局

Fig.4   Spatial pattern of NEP in typical sandy land during 1982-2024


研究期内，典型沙地碳汇能力增加区域大于减少区域（图5），碳汇能力增加区域面积达10.03万km²，占总面积的59.96%。碳汇能力极显著增加的区域面积为3 630.41 km²（占比为2.17%），主要分布在浑善达克沙地东部与呼伦贝尔沙地西部地区；碳汇能力显著增加的区域面积96 682.67 km²（57.79%），主要分布在呼伦贝尔沙地东部、松嫩沙地和科尔沁沙地东部区域；碳汇能力极显著减少的区域面积7 009.87 km²（4.19%），主要分布在科尔沁沙地西部；碳汇能力显著减少的区域面积59 977.05 km²（35.85%），主要分布在毛乌素沙地、浑善达克沙地西部和科尔沁沙地西部等地区。

图5

新窗口打开| 下载原图ZIP| 生成PPT

图5   1982—2024年典型沙地碳汇变化趋势

Fig.5   Change trend of regional carbon sink in typical sandy land during 1982-2024


2.3　典型沙地碳汇变化驱动力
2.3.1　1982—2024年影响典型沙地碳汇变化的气象驱动因子

1982—2024年，典型沙地年降水量呈现出由东南向西北递减的空间格局，均值为320.21 mm（图6A），降水与NEP呈显著正相关的区域占研究区总面积的10.07%（图6B），其中，呼伦贝尔沙地降水与NEP显著正相关的区域最为集中。典型沙地年平均气温与NEP呈显著正相关的区域占3.26%，主要分布在浑善达克沙地和松嫩沙地（图6C）；气温与NEP呈显著负相关的区域占30.82%，主要分布在毛乌素沙地和科尔沁沙地（图6D）。太阳辐射与NEP呈显著负相关的区域占比为65.72%（图6E），其中，显著负相关集中在松嫩沙地、呼伦贝尔沙地的西部与南部、毛乌素沙地西南部与浑善达克沙地东部（图6F）。

图6

新窗口打开| 下载原图ZIP| 生成PPT

图6   典型沙地气象因子及其与NEP的相关性分析

Fig.6   The meteorological factors in typical sandy land and their correlation with NEP


2.3.2　1982—2024年影响典型沙地碳汇变化的人为驱动因子

1982—2024年，典型沙地平均人口密度为38.92人·km-²（图7A），单位面积地区生产总值为144.10万元·km-²（图7B）。从空间分布上看，人口密度与单位面积地区生产总值呈现东高西低变化趋势，两者具有较强的空间一致性。人口密度与NEP之间存在显著的区域性差异，人口与NEP呈负相关的区域面积略大于呈正相关的区域（图7C），人口密度与NEP呈正相关的区域，主要在松嫩沙地东北部和科尔沁沙地；约24.96%的面积表现出人口密度与NEP的显著负相关性，主要在松嫩沙地中部地区。而单位面积地区生产总值与NEP呈显著负相关的区域，主要在毛乌素沙地和浑善达克沙地西部（图7D）。

图7

新窗口打开| 下载原图ZIP| 生成PPT

图7   典型沙地人为因子及其与NEP的相关性分析

Fig.7   The human factors in typical sandy land and their correlation with NEP


2.3.3　气象与人为因子的定量分离

1982—2024年，典型沙地碳汇变化区域受气象因素影响的面积为27 420.47 km²，其相对贡献率为16.39%；受人为因素影响的面积82 529.09 km²，其相对贡献率为49.33%；受气象和人为因素共同影响的面积为57 350.44 km²，其相对贡献率为34.28%（图8）。在碳汇增加区，由气象因素影响的面积为10 339.14 km²（占比为6.18%），零星分布在科尔沁沙地西部地区；由人为因素影响的面积达69 630.26 km²（占比为41.62%），主要在松嫩平原、科尔沁沙地东部及呼伦贝尔沙地西部地区；由二者共同影响的面积为20 343.68 km²（占比为12.16%），集中分布在科尔沁沙地西部地区。在碳汇降低区，由气象因素影响的面积为17 081.33 km²（占比为10.21%），分散分布在松嫩平原地区；由人为因素影响的面积达12 898.83 km²（占比为7.71%），主要在浑善达克沙地东部、呼伦贝尔沙地东南部地区；由二者共同影响的面积为37 006.76 km²（占比为22.12%），集中分布在毛乌素沙地和浑善达克沙地西部地区。

图8

新窗口打开| 下载原图ZIP| 生成PPT

图8   典型沙地碳汇驱动力归因

Fig.8   Attribution of carbon sink driving force in typical sandy land


3 讨论

3.1　典型沙地碳汇格局演变及影响因素

东部地区碳汇能力强于西部地区，这一分布格局与区域气候条件、植被覆盖等密切相关［41］。碳汇驱动因素主要有降雨、气温、地形地貌，碳汇强度与降水呈强正相关性，与气温呈现正相关；Tu等［42］研究表明沙地生态系统在水资源充足区域具有显著的碳汇提升潜力。本研究表明，1982—2000年，典型沙地碳汇能力先下降后上升，2000年达最低值，与王丽霞等［43］在北方农牧交错区研究结论相符，这主要归因于气候干旱化及过度放牧、土地退化等人为活动的综合影响，并得到郭紫晨等［44］试验结果的验证。随着退耕还林和生态补偿等政策的实施，沙地碳汇能力逐步恢复，涂海洋等［45］在内蒙古草地和西北荒漠生态系统研究中也验证了生态修复政策的显著作用。应当指出，气象因子和人为因子的作用存在显著差异。降水增加可提升光合作用和碳吸收能力，促使NEP升高［46-47］，但气温与辐射的影响具区域差异，如毛乌素沙地的高温高辐射加剧蒸发，限制植被生长。而人为因子在生态修复中的积极作用尤为突出［18，48］，其影响机制主要体现在土地利用变化、过度放牧、农耕活动和生态修复措施等方面。以松嫩沙地和呼伦贝尔沙地为例，大规模植树造林和土地保护措施显著提高了植被覆盖度，提高土壤有机碳储量，改善碳汇能力。此外，Ge等［26］在分析中国植被净初级生产力变化时发现，气候条件与人为因素的交互作用在不同区域表现出显著差异，这与本研究的结论一致。

3.2　区域管理策略

本文通过大范围的长时序分析，深入探讨了典型沙地碳汇时空变化规律及其驱动机制，定量解析了气象与人为因子对碳汇变化的贡献率，充实了干旱半干旱地区典型沙地碳汇的研究内容，研究结果为沙地碳汇管理和政策制定提供了科学依据。针对不同沙地区碳汇能力的差异，建议实施区域差异化管理策略：在碳汇能力较强的东部沙地（如松嫩沙地），应继续推广植被保护和可持续农业实践，以巩固和提升其碳汇功能；而在碳汇能力较弱的西部沙地（如毛乌素沙地），可引入耐旱植被并优化放牧管理，以增强其碳汇潜力。同时，建立基于碳汇能力的生态补偿机制，激励土地管理者采用碳友好型实践，例如减少过度放牧、保持植被覆盖，从而促进区域碳汇能力的整体提升。此外，建议在典型沙地建立长期监测网络，实时跟踪植被覆盖、土壤碳储量和NEP等关键指标的变化，为动态调整管理策略提供数据支持。

3.3　研究不足与展望

本研究在数据分辨率［49］和植被类型参数选择［50］方面存在局限性。数据分辨率方面，表现在植被分布不均匀的区域，低分辨率数据的平均效应可能掩盖局部植被的碳汇贡献，或夸大裸沙区的生产力［5］，如呼伦贝尔沙地，局部植被恢复区的碳汇能力可能被低估；对长期变化分析，低分辨率数据可能削弱对小尺度土地使用变化（如退耕还林）的监测能力，影响碳汇趋势的准确性［51］。在植被类型参数选择方面，CASA模型中的最大光能利用效率参数通常基于通用植被类型设定，但沙地植被（如沙蒿、小叶锦鸡儿）具有较强的干旱适应性，其光合效率可能与默认值存在偏差［34］。未来可使用更高分辨率的多源数据（如高光谱遥感数据），结合机器学习等方法优化模型参数［52］，进一步提高碳汇估算的精度与可靠性；并针对碳汇变化显著区域，开展更精细的研究，以深入解析区域生态系统特性对碳汇能力的影响［53］，为科学评估沙地生态系统的碳汇潜力提供科学依据。

4 结论

典型沙地碳汇能力呈现明显的空间分异，2024年，NEP均值为166.67 g·m-2·a-1。其中，松嫩沙地的碳汇能力最强，NEP高达211.08 g·m-2·a-1，毛乌素沙地的碳汇能力相对较低，NEP仅为122.68 g·m-2·a-1。从时间序列来看，典型沙地碳汇能力1982—2024年经历了先降后升的波动变化，2000年降至最低值130.68 g·m-2·a-1，随后逐步回升至2024年的166.67 g·m-2·a-1，表明退耕还林、天然林保护等生态恢复政策对沙地碳汇能力的提升起到了重要作用。

气象因素对沙地碳汇的空间分布产生了显著影响，其中降水与NEP呈显著正相关，说明降水是影响生态系统碳固定能力和整体生产力的重要因素；年平均气温和太阳辐射在部分地区对碳汇能力产生抑制作用。人为因子在沙地碳汇改善中起到了主导作用，其相对贡献率高达49.33%，特别是在松嫩平原和科尔沁沙地等生态恢复重点区域。此外，气象与人为因子的协同作用也在部分区域对碳汇变化产生了重要影响，其相对贡献率为34.28%。

针对不同沙地的碳汇能力，建议实施差异化管理措施，即对于碳汇能力较强的区域，如松嫩沙地和呼伦贝尔沙地，应优先保护现有植被并严防过度开发，以维持其高效的碳汇功能；对于碳汇能力较弱的区域，如毛乌素沙地，应强化生态修复措施，通过推广退耕还草和节水灌溉等手段，提升植被覆盖率和碳汇能力。

参考文献

Anav A， Friedlingstein P， Beer C，et al.

Spatiotemporal patterns of terrestrial gross primary production：a review

［J］.Reviews of Geophysics，2015，53（3）：785-818.

[本文引用: 1]

谢薇，陈书涛，胡正华.

中国陆地生态系统土壤异养呼吸变异的影响因素

［J］.环境科学，2014，35（1）：334-340.

[本文引用: 2]

李洁，张远东，顾峰雪，等.

中国东北地区近50年净生态系统生产力的时空动态

［J］.生态学报，2014，34（6）：1490-1502.

[本文引用: 1]

侯金龙，马志强，杨澄，等.

京津冀地区植被碳源/汇的时空变化特征及影响因素分析

［J］.生态环境学报，2024，33（9）：1329-1338.

[本文引用: 1]

Piao S L， He Y， Wang X H，et al.

Estimation of China's terrestrial ecosystem carbon sink： methods，progress and prospects

［J］.Science China Earth Sciences，2022，65（4）：1-11.

[本文引用: 3]

张梅，黄贤金，揣小伟，等.

中国净生态系统生产力空间分布及变化趋势研究

［J］.地理与地理信息科学，2020，36（2）：69-74.

[本文引用: 1]

张祯祺，蔡惠文，张平平，等.

基于GEE遥感云平台的三江源植被碳源/汇时空变化研究

［J］.自然资源遥感，2023，35（1）：231-242.

[本文引用: 1]

Ganatsas P， Tsakaldimi M， Karydopoulos T，et al.

Carbon pools in a 77-year-old oak forest under conversion from coppice to high forest

［J］.Sustainability，2022，14（21）：13764.

[本文引用: 1]

Mo L， Zohner C M， Reich P B，et al.

Integrated global assessment of the natural forest carbon potential

［J］.Nature，2023，624（7990）：92-101.

[本文引用: 1]

Hovenden M J， Newton P C D， Wills K E.

Seasonal not annual rainfall determines grassland biomass response to carbon dioxide

［J］.Nature，2014，511（7511）：583-586.

[本文引用: 1]

Evans J， Geerken R.

Discrimination between climate and human-induced dryland degradation

［J］.Journal of Arid Environments，2004，57（4）：535-554.

[本文引用: 1]

He Y， Piao S， Li Xet al.

Global patterns of vegetation carbon use efficiency and their climate drivers deduced from MODIS satellite data and process based models

［J］.Agricultural and Forest Meteorology，2018，256/257（6）：150-158.

[本文引用: 1]

Teng M J， Zeng L X， Hu W J，et al.

The impacts of climate changes and human activities on net primary productivity vary across an ecotone zone in Northwest China

［J］.Science of the Total Environment，2020，714（1）：136691.

[本文引用: 1]

赵选，张向阳，刘国发，等.

秦岭（陕西段）植被碳汇时空变化与气候关联性研究

［J］.测绘通报，2024，29（9）：55-61.

[本文引用: 1]

崔珍珍，马超，陈登魁.

1982-2015年科尔沁沙地植被时空变化及气候响应

［J］.干旱区研究，2021，38（2）：536-544.

[本文引用: 1]

韩其飞，陆研，李超凡.

气候变化对中亚草地生态系统碳循环的影响研究

［J］.干旱区地理，2018，41（6）：1351-1357.

[本文引用: 1]

贺军奇，魏燕，高万德，等.

毛乌素沙地东南缘植被NDVI时空变化及其对气候因子的响应

［J］.干旱区地理，2022，45（5）：1523-1533.

[本文引用: 1]

傅伯杰，刘焱序，王帅，等.

科学改善荒漠化地区人与自然关系

［J］.中国科学院院刊，2024，39（12）：2027-2036.

[本文引用: 2]

Zhou W， Gang C C， Zhou F C，et al.

Quantitative assessment of the individual contribution of climate and human factors to desertification in Northwest China using net primary productivity as an indicator

［J］.Ecological Indicators，2015，48（9）：560-569.

[本文引用: 1]

Wang C D， Li W Q， Sun M X，et al.

Exploring the formulation of ecological management policies by quantifying interregional primary ecosystem service flows in Yangtze River Delta Region，China

［J］.Journal of Environmental Management，2021，284（8）：112042.

[本文引用: 1]

Schönbach P， Wan H， Gierus M，et al.

Grassland responses to grazing： effects of grazing intensity and management system in an Inner Mongolian steppe ecosystem

［J］.Plant and Soil，2011，340（8）：103-115.

[本文引用: 1]

周怡婷，严俊霞，刘菊，等.

2000-2021年黄土高原生态分区NEP时空变化及其驱动因子

［J］.环境科学，2024，45（5）：2806-2816.

[本文引用: 1]

张怡，王志慧，卢小平，等.

黄土高原生态系统碳汇时空变化及其影响因素

［J］.水土保持研究，2025，32（1）：266-274.

[本文引用: 1]

Dai E F， Huang Y， Wu Z.

Analysis of spatio-temporal features of a carbon source/sink and its relationship to climatic factors in the Inner Mongolia grassland ecosystem

［J］.Journal of Geographical Sciences，2016，26（3）：297-312.

[本文引用: 1]

王江，曹生奎，刘振梅，等.

青海湖流域生态系统碳汇时空格局动态研究

［J］.草地学报，2025，33（3）：936-947.

[本文引用: 2]

Ge W Y， Deng L Q， Wang F，et al.

Quantifying the contributions of human activities and climate change to vegetation net primary productivity dynamics in China from 2001 to 2016

［J］.Science of the Total Environment，2021，773（12）：145648.

[本文引用: 2]

罗嘉艳，张靖，徐梦冉，等.

浑善达克沙地植被变化定量归因及多情景预测

［J］.干旱区地理，2023，46（4）：614-624.

[本文引用: 1]

Du H， Hasi E.

Sandy Land-lake-vegetation landscape of Songnen sandy land of China： pattern，process and mechanism

［J］.Chinese Geographical Science，2022，32（4）：580-591.

[本文引用: 1]

Wood D， Lenne J M.

Revised wisdom in agriculture land use policy： 10 years on from Rio

［J］.Land Use Policy，2005，2005（22）：75-93.

[本文引用: 1]

赵哈林，赵学勇，张铜会，等.

我国西北干旱区的荒漠化过程及其空间分异规律

［J］.中国沙漠，2011，31（1）：1-8.

[本文引用: 1]

袁静芳，周海丽，张星烁，等.

京津风沙源治理区植被固碳能力估算及归因分析

［J］.生态学报，2024，44（15）：6731-6743.

杜海波，杨山，李振亚，等.

碳中和目标下长三角碳源/汇时空特征及其影响因素

［J］.环境科学，2024，45（12）：6848-6857.

[本文引用: 1]

Mao D H， Wang Z M， Luo L，et al.

Integrating AVHRR and MODIS data to monitor NDVI changes and their relationships with climatic parameters in Northeast China

［J］.International Journal of Applied Earth Observation and Geoinformation，2011，27（1）：77-85.

[本文引用: 1]

朱文泉，潘耀忠，何浩，等.

中国典型植被最大光利用率模拟

［J］.科学通报，2006，56（6）：700-706.

[本文引用: 5]

Yin L， Dai E F， Zheng D，et al.

What drives the vegetation dynamics in the Hengduan Mountain region，southwest China： climate change or human activity？

［J］.Ecological Indicators，2020，112（5）：106013.

[本文引用: 1]

Geerken R， Ilaiwi M.

Assessment of rangeland degradation and development of a strategy for rehabilitation

［J］.Remote Sensing of Environment，2004，90（4）：490-504.

[本文引用: 1]

Pei Z Y， Ouyang H， Zhou C P，et al.

Carbon balance in an alpine steppe in the Qinghai‐Tibet Plateau

［J］.Journal of Integrative Plant Biology，2009，51（5）：521-526.

[本文引用: 2]

Chen B X， Zhang X Z， Tao J，et al.

The impact of climate change and anthropogenic activities on alpine grassland over the Qinghai-Tibet Plateau

［J］.Agricultural and Forest Meteorology，2014，189（3）：11-18.

[本文引用: 2]

He H L， Wang S Q， Zhang L，et al.

Altered trends in carbon uptake in China's terrestrial ecosystems under the enhanced summer monsoon and warming hiatus

［J］.National Science Review，2019，6（3）：505-514.

[本文引用: 1]

Liu D， Li Y， Wang T，et al.

Contrasting responses of grassland water and carbon exchanges to climate change between Tibetan Plateau and Inner Mongolia

［J］.Agricultural and Forest Meteorology，2018，249（2）：163-175.

[本文引用: 1]

李彦娥，王化齐，刘江，等.

西北地区生态系统碳汇时空分布特征及相关驱动因子分析

［J］.西北地质，2023，56（4）：185-195.

[本文引用: 1]

Tu H， Jiapaer G， Yu T，et al.

Effects of land cover change on vegetation carbon source/sink in arid terrestrial ecosystems of Northwest China，2001-2018

［J］.Remote Sensing，2023，15（9）：2471.

[本文引用: 1]

王丽霞，史园莉，张宏伟，等.

2000-2020年北方农牧交错区植被生态功能变化及驱动因子分析

［J］.生态环境学报，2021，30（10）：1990-1998.

[本文引用: 1]

郭紫晨，刘树林，康文平，等.

2000-2015年毛乌素沙区植被覆盖度变化趋势

［J］.中国沙漠，2018，38（5）：1099-1107.

[本文引用: 1]

涂海洋，古丽·加帕尔，于涛，等.

中国陆地生态系统净初级生产力时空变化特征及影响因素

［J］.生态学报，2023，43（3）：1219-1233.

[本文引用: 1]

Knapp A K， Ciais P， Smith M D.

Reconciling inconsistencies in precipitation-productivity relationships：implications for climate change

［J］.New Phytologist，2017，214（1）：41-47.

[本文引用: 1]

石智宇，王雅婷，赵清，等.

2001-2020年中国植被净初级生产力时空变化及其驱动机制分析

［J］.生态环境学报，2022，31（11）：2111-2123.

[本文引用: 1]

尹振良，冯起，王凌阁，等.

2000-2019年中国西北地区植被覆盖变化及其影响因子

［J］.中国沙漠，2022，42（4）：11-21.

[本文引用: 1]

侯丽丽，银山，都瓦拉，等.

基于CASA模型的浑善达克沙地植被NPP模拟及时空分析

［J］.水土保持研究，2020，27（2）：165-171.

[本文引用: 1]

马启民，贾晓鹏，王海兵，等.

气候和人为因素对植被变化影响的评价方法综述

［J］.中国沙漠，2019，39（6）：48-55.

[本文引用: 1]

Zhao M S， Running S W.

Drought-induced reduction in global terrestrial net primary production from 2000 through 2009

［J］.Science，2010，329（5994）：940-943.

[本文引用: 1]

汤李琛，李洁，陈慧，等.

西部大开发地区种植业净碳汇时空格局及驱动因素

［J/OL］.环境科学，2025..

[本文引用: 1]

冯筱，屈建军，丁新辉，等.

沙漠化逆转过程中榆林市植被净初级生产力时空格局及其影响因素

［J］.中国沙漠，2024，44（1）：22-32.

[本文引用: 1]

/

〈 〉

©2018中国沙漠 编辑部

地址: 兰州市天水中路8号 (730000)

电话：0931-8267545

Email：caiedit@lzb.ac.cn;desert@lzb.ac.cn

甘公网安备 62010202000688号      陇ICP备2021001824号-9
访问总数:    当日访问:    当前在线: