基于InVEST模型的江蘇海岸帶生態系統碳儲量時空變化研究

張云倩, 張曉祥, 陳振杰, 王偉瑋, 陳 東

(1.南京大學 地理與海洋科學學院, 南京 210023; 2.南京大學 江蘇省地理信息技術重點實驗室,南京 210023; 3.河海大學 地理信息科學與工程研究所, 南京 210098)

?

基于InVEST模型的江蘇海岸帶生態系統碳儲量時空變化研究

張云倩1,2, 張曉祥3, 陳振杰1,2, 王偉瑋3, 陳 東1,2

(1.南京大學 地理與海洋科學學院, 南京 210023; 2.南京大學 江蘇省地理信息技術重點實驗室,南京 210023; 3.河海大學 地理信息科學與工程研究所, 南京 210098)

研究改革開放以來長時間序列的江蘇海岸帶生態系統碳儲量時空變化，對于保證我國東部沿海地區環境與經濟協調發展顯得十分迫切和必需。以江蘇沿海3市海岸帶為對象，通過獲取1975—2007年的遙感影像數據，采用InVEST(Integrated Valuation of Environmental Services and Tradeoffs)模型對江蘇海岸帶生態系統的碳儲量進行定量評估，構建了長時間序列的碳儲量變化數據，并結合ESDA(Exploratory Spatial Data Analysis)方法研究其空間相關性，探討了江蘇海岸帶碳儲量的時空變異。結果表明：江蘇海岸帶總碳儲量呈增長趨勢，但單位土地面積的碳儲量呈降低趨勢；該區域碳儲量在空間分布上呈現一定的空間相關性，主要體現在連云港云臺山境內、新沂河泛洪區和鹽城濱海葦地是碳儲量的高集聚區，城鎮是碳儲量的低集聚區。

碳儲量; InVEST模型; 空間相關性; 時空變化; 江蘇海岸帶

碳固定作為一項重要的生態系統服務，對降低大氣中CO2等溫室氣體濃度、減緩全球氣候變化具有至關重要的作用。研究碳儲量的時空變化對于了解區域碳固定狀況及生態系統服務功能演變、維持和管理具有重要意義[1]。江蘇海岸帶自然資源豐富、地理位置優越。改革開放以來，江蘇沿海地區對海岸帶的過度開發導致土地利用方式、土地覆被類型發生顯著變化，大量濱海原生濕地消失，進而影響陸地生態系統的碳儲量，該地區的生態系統服務受到嚴重威脅[2-3]。因此，研究改革開放以來長時間序列的江蘇海岸帶生態系統碳儲量時空變化，對于保證我國東部沿海地區環境與經濟協調發展顯得十分迫切和必需。

傳統的碳儲量估算研究多采用樣地清查法，如根據土壤剖面數據估算土壤碳儲量[4-5]。該方法只適用于小面積區域，且費時費力，研究成果呈靜態，無法反映研究區碳儲量的動態變化[6]。近年來，遙感(Remote Sensing，RS)監測和地理信息系統(Geographical Information System，GIS)空間處理技術的快速發展為碳儲量估算提供了有利的工具。不少研究利用RS手段估算碳儲量，如基于TM/ETM+影像反演歸一化植被指數(Normalized Difference Vegetation Index, NDVI)來估算研究區碳儲量[7-8]。還有學者應用GIS空間分析技術評價碳儲量并分析其變化的驅動因素，實現了大面積區域的碳儲量估算及結果的空間化表達[9]。但是這些研究以特定生態系統的地上部分碳庫碳儲量或者土壤碳儲量居多[10-11]，缺乏對區域縱向空間多個碳庫碳儲量的綜合評價研究。目前，利用RS，GIS技術建立模型來研究碳儲量及其變化過程，成為碳儲量空間化動態評估的發展趨勢，其中較為著名的是InVEST(Integrated Valuation of Environmental Services and Tradeoffs)模型。該模型被廣泛應用于多個地區，如美國O′ahu島[12]、威拉米特河流域[13]、中國汶川地震災區[14]、三江源區[6]、白洋淀[15]、北京山區[16]等。然而現有研究多是單時相的，針對區域碳儲量的長時間序列研究較少，單時相的碳儲量評估結果只能體現一個時期的生態系統碳固定情況，不能反映區域生態系統碳儲量的演變過程和變化趨勢[17-19]。因此，構建長時間序列的、綜合碳庫的碳儲量數據是滿足碳儲量動態變化監測需求、進一步了解區域碳儲量時空變化規律的關鍵。

本研究以江蘇沿海3市(連云港、鹽城、南通)海岸帶為研究區，利用InVEST模型的碳儲量估算方法，構建1975—2007年江蘇海岸帶長時間序列的4大碳庫(地上部分生物量、地下部分生物量、土壤、死亡有機質)的碳儲量變化數據，定量研究生態系統碳儲量的分布和變化情況。在此基礎上，利用探索性空間數據分析(Exploratory Spatial Data Analysis，ESDA)技術分析江蘇省海岸帶碳儲量的空間分布格局，嘗試剖析這種格局時空演變背后的動因。

1　研究區概況

江蘇海岸帶地處長江三角洲、江淮下游，地理位置為東經119°00′—122°00′，北緯31°30′—35°30′，岸線北起蘇魯交界的繡針河口，南抵長江北口，海岸線全長953.87 km，隸屬于連云港、鹽城、南通3市的14個縣(市、區)。該地區地勢平坦，海拔0～4 m。江蘇沿海灘涂蘊藏了重要的土地資源，受泥沙沉積作用和大規模的人工圍墾等工程措施影響，這一區域的海岸持續東擴[20]，海岸帶面積從1975年的29 338 km2增加到2007年的30 964 km2。其景觀類型是以耕地為基質，道路、河渠、林帶為廊道，以城鎮村落、港口碼頭、水庫坑塘、鹽田、草地、灘涂等為斑塊的斑、廊、基空間鑲嵌格局[21]。江蘇海岸帶為沿海社會經濟的可持續發展提供了物質基礎，而且也提供著多種重要的生態系統服務功能，如調洪蓄水、水土保持和維護生物多樣性等[22]。

2　數據來源

2.1遙感影像

遙感影像用于提取研究區土地利用/覆蓋信息，包括1975—2007年30幅Landsat MSS/TM/ETM+遙感影像，考慮到數據質量問題，采用了不同成像時期的遙感影像以保證數據的完整性、準確性，研究序列分為1975—1979年(T1)、1987—1991年(T2)、2000—2001年(T3)、2004年(T4)、2006—2007年(T5)5個時期(表1)。

2.2碳密度數據

(1) 地上部分碳密度和土壤碳密度。地上部分碳庫即地表以上所有活的植被碳儲量，主要根據揣小偉等[23]對江蘇省陸地生態系統不同土地利用類型植被碳密度的研究成果，與研究區土地利用類型對應，通過歸并和統計獲得。土壤碳密度的獲得方法同地上部分碳密度。

(2) 地下部分碳密度和死亡有機碳密度。根據以往研究中對每種地類實測的地上部分生物量(碳)密度與地下部分生物量(碳)密度、死亡生物量(碳)密度比值及生物量—碳轉換率等研究結果[24-25]，換算出地下部分碳密度和死亡有機碳密度。

3　研究方法

本研究以1975—2007年江蘇海岸帶5個時段的Landsat MSS/TM/ETM+遙感影像為基礎，研究碳儲量的時空變化，主要包含3個步驟：土地利用/覆蓋信息提取、碳儲量估算和碳儲量時空變化分析。(1) 土地利用/覆蓋信息提取環節包括幾何糾正、輻射校正和監督分類等，目的是得到適用于InVEST模型的研究區土地利用/覆蓋信息；(2) 碳儲量估算是將分類得到的土地利用/覆蓋信息結合碳密度數據，輸入InVEST模型中，得到各個時期研究區的碳儲量結果，進而評估江蘇海岸帶碳儲量的分布情況；(3) 碳儲量時空變化分析基于空間相關性分析進行，用ESDA方法分別對碳儲量進行全局和局部空間自相關分析，分析碳儲量的時空變化情況。

表1　研究區遙感數據

3.1土地利用/覆蓋信息提取

為了從多時相遙感影像中得到土地利用/覆蓋信息，需要對原始影像進行圖像預處理，主要包括幾何糾正、輻射校正和監督分類等。本研究在數據整合中以江蘇海岸帶1︰5萬歷史地形圖為基準，結合地面實測點位，對1975年Landsat MSS影像以及1990年、2000年、2004年、2007年的Landsat TM/ETM+影像進行像元對像元的幾何精校正。衛星傳感器接收到的目標地物的反射會受到太陽高度、地形及大氣條件等因素的影響而導致光譜信號的失真，輻射校正的預處理能有效提高分類的精度。因此，本研究基于FLAASH(Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes)模型對5個時相的Landsat影像進行輻射校正。采用最大似然法進行監督分類，并且結合1︰5萬歷史地形圖以及1︰1萬土地利用現狀圖提高影像數據的分類精度，根據InVEST模型中碳儲量模塊的數據需要，將影像分為高密度建筑、低密度建筑、水體、農田、山地、泛洪區、蘆葦地、鹽沼、鹽田、非固結岸灘、未利用地11種土地利用/覆蓋類型，分類精度均在80%以上，符合試驗精度要求。

3.2碳儲量估算

土地利用與土地覆蓋作為陸地生態系統變化的重要標志，其變化直接影響碳儲量的變化。陸地生態系統中的碳儲存大部分來自4類基本的碳庫：地上部分生物量、地下部分生物量、土壤、死亡有機質碳庫。地上部分碳庫包括地表以上所有活的植被的碳儲量；地下部分碳庫包括植物活的根系系統；土壤碳庫包括土壤有機碳和礦質土壤有機碳；死亡有機質碳庫包括枯立木、凋落物和倒木中的碳儲量。由美國斯坦福大學世界自然基金會(World Wildlife Fund，WWF)與大自然保護協會(the Nature Conservancy，TNC)聯合開發的InVEST模型能夠有效地對陸地上某一區域某一時段內的碳儲量及其價值進行評估。該模型以土地利用類型為評估單元，利用區域土地利用/覆蓋信息、各碳庫碳密度數據，通過柵格疊加計算生成不同土地利用類型上的生態系統碳儲量，得到區域碳儲量的空間分布。InVEST模型中還設計了第5碳庫：木材碳庫。但由于研究區的森林和木材含有量少，本研究中不考慮木材收獲的起始時間、輪伐期、木材產品衰減率等對總碳儲量的影響[26]。InVEST模型的碳儲量模塊中碳儲量計算方法如下：

C=Cabove+Cbelow+Csoil+Cdead

(1)

式中：C——總碳儲量(t/km2)；Cabove——以土地利用類型為統計單元的地上部分碳儲量；Cbelow——以土地利用類型為統計單元的地下部分碳儲量；Csoil——以土地利用類型為統計單元的土壤碳儲量；Cdead——以土地利用類型為統計單元的死亡有機質碳儲量。

3.3碳儲量空間相關性分析

空間相關性是檢驗空間上分布鄰近的要素屬性相關聯的重要指標。正相關表明某單元的屬性值變化與其相鄰空間單元具有相同變化趨勢，負相關則相反[27]。為了分析江蘇海岸帶的碳儲量在空間分布的相關性，本研究使用ESDA方法分別從全局和局部空間自相關角度對其空間格局進行分析。

全局空間相關性是對整個區域內的屬性值所具有的空間特性進行描述，一般通過Moran′sI指數表征。Moran′sI取值范圍為[-1,1]，大于0表示區域內空間要素存在空間的正相關關系；等于0表示不存在相關性；小于0表示呈負相關關系。本研究采用999次蒙特卡洛模擬方法檢驗Moran′sI是否顯著。Moran′sI指數計算公式如下：

(2)

(3)

由于空間異質性普遍存在，全局觀測指標難以有效地反映局部的細微差別，局部空間自相關可以進一步探索局部空間集聚。本研究通過將LISA顯著性水平與Moran散點圖結合，分析研究區碳儲量局部空間自相關特征，識別局部空間集聚的“熱點”和“冷點”。LISA指數計算公式如下：

(4)

4　結果與分析

4.1碳儲量時空分布分析

由于江蘇海岸帶的面積在不斷變化，1975—1979年、1987—1991年、2000—2001年、2004年、2006—2007年5個時期的土地面積分別為29 337.73，30 230.88，30 721.05，30 826.84，30 964.23 km2；為了比較各時期江蘇海岸帶土地的碳固定能力，試驗統計了每個時期江蘇海岸帶總碳儲量和單位土地面積的平均碳儲量(圖1)。由圖1可知，江蘇海岸帶5個時期的總碳儲量分別為27 152.90，27 771.6，28 137.5，28 203.1，28 115.8萬t；單位土地面積的平均碳儲量分別為9 255.283，9 186.501，9 159.029，9 148.878，9 080.090 t/km2。1975—1979年，江蘇海岸帶的碳儲量最低，隨后開始持續升高，從1975—1979年的27 152.9萬t升高到2004年的28 203.1萬t，2006—2007年下降到28 115.8萬t，但仍然高于1975—1979年碳儲量水平。單位土地面積的平均碳儲量呈降低趨勢，年均降幅為5.475 t/(km2·a)，表示研究區土地固碳能力減弱，正從碳匯區逐漸向碳源區過渡。

從地理空間來看，連云港北部云臺山山脈和鹽城市濱海灘涂的葦地、鹽沼碳儲量最高，單位土地面積碳儲量分別高達16 351，12 818 t/km2，這是由于云臺山境內的花果山、保駕山中有一定規模的森林，碳密度很高；葦地、鹽沼中生長的蘆葦、米草等濕地植物地上和地下生物量碳含量均較高，固碳能力強。此外連云港南部的新沂河以及周邊泛洪區也呈高值，單位土地面積碳儲量高達12 095 t/km2，這是因為泛洪區土壤肥沃、富含死亡有機碳。碳儲量的低值區在連云港和鹽城的濱海鹽田以及3市的城鎮，單位土地面積碳儲量均在10 t/km2以下(圖2)。

圖1　江蘇海岸帶碳儲量的時期變化

圖2　江蘇海岸帶碳儲量分布

4.2碳儲量空間相關性分析

試驗通過統計5個時期碳儲量的Moran′sI，得出江蘇海岸帶碳儲量存在全局空間相關性的結論(圖3)。5個時期江蘇海岸帶碳儲量的Moran′sI值均大于0，說明江蘇省碳儲量的分布呈現出一定的空間趨同集聚現象，即高密度區域與高密度區域相鄰接，低密度區域與低密度區域相鄰接。從1975年起，空間集聚趨勢增強，到2000年到達頂值，隨后空間集聚趨勢減弱，空間異質性增強。

將LISA顯著性水平與Moran散點圖結合生成LISA聚類地圖，如圖4所示，高高聚集區域為自身和周圍區域碳儲量均較高的，主要分布在連云港云臺山和新沂河泛洪區，高值集聚效應明顯；低低聚集區域為自身和周圍區域碳儲量均較低的，主要分布在三市的城鎮，低值集聚中心分布零散并逐漸擴大；高低聚集區域為自身碳儲量較高但周圍區域較低的；低高聚集區域為自身碳儲量較低但周圍區域較高的。

近代以來，江蘇沿海圍墾活動較為頻繁，土地利用方式轉變多樣，濱海地區碳儲量在高高聚集和低低聚集間轉換劇烈；20世紀90年代，江蘇省先后提出了“海上蘇東”戰略和“沿海開發”戰略，政策驅動下的快速城鎮化過程使得連云港、鹽城境內建設用地面積擴張，占用耕地、草地等其他地類，碳儲量低低聚集現象明顯增加；整體看來高低聚集和低高聚集現象不明顯(圖4)。

圖3　江蘇海岸帶1975-2007年碳儲量Moran′s I值

圖4　江蘇海岸帶碳儲量LISA聚類

4.3碳儲量時空變異分析

為揭示研究區碳儲量的時空變異情況，試驗選取多組步長(1.0×10-3，1.5×10-3，4.0×10-3，5.0×10-3t/m2)將碳儲量評估結果劃分等級進行統計，最后確定在步長為4.0×10-3t/m2，碳儲量劃分為3級時最能客觀反映碳儲量的各時期間變化，分別計算了1975—2007年江蘇海岸帶各級碳儲量的土地面積占比和碳儲量總量占比(表2)。

表2　1975-2007年江蘇海岸帶碳儲量分級統計結果

由表2可知，江蘇海岸帶高碳儲量的土地比重在逐漸減少，碳儲量高于1.2×10-2t/m2的土地面積比例從1975—1979年的2.03%下降到2006—2007年的1.22%，相應的碳儲量總量比例由2.68%下降到1.55%；碳儲量為8.0×10-3～1.2×10-2t/m2的土地面積比例從1975—1979年的87.63%下降到2006—2007年的84.80%，相應的碳儲量總量比例由88.32%下降到86.32%；碳儲量低于8.0×10-3t/m2的土地面積及碳儲量總量比例則在增長，土地面積比例從1975—1979年的10.34%增長到2006—2007年的13.98%，相應的碳儲量總量比例由9.00%增長到12.13%。

如表3所示，在研究期內有348.20 km2面積的高碳儲量(C≥1.2×10-2t/m2)土地向較低等級碳儲量轉化，2 172.00 km2面積的一般碳儲量(8.0×10-3t/m2≤C<1.2×10-3t/m2)土地向低碳儲量轉化，而僅有66.08 km2面積的土地面積向高碳儲量級別轉化。以上結果均表明土地利用方式的變化使得江蘇海岸帶碳儲量傾向于向低級別轉化，固碳能力削弱。

表3　1975-2007年份江蘇海岸帶各級碳儲量面積轉化統計結果　km2

對上述結果作如下分析：(1) 1975—1991年江蘇省海岸帶總面積增加893.15 km2，總碳儲量增加了962.9萬t，但單位土地面積碳儲量減少了175.193 t/km2。主要原因在于：連云港北部和中部原有耕地轉化為農村居民點和城鎮，碳儲量低值區增長明顯；云臺山境內部分林地轉化成農田，碳儲量降低；鹽城濱海鹽沼受圍墾影響部分轉化成農田，碳儲量降低；南通西南陲開沙島附近大面積葦地轉化成農田，碳儲量降低；鹽城主城區、東臺市區城市化進程明顯，大量農田轉化為建設用地，碳儲量降低。(2) 1991—2001年鹽城濱海地帶大面積圍墾繼續發生，高碳儲量的灘涂葦地向鹽田、水庫坑塘轉化，用于發展鹽業、養殖業[2]；連云港濱海的灘涂葦地則轉化成農田，碳儲量進一步降低。(3) 2001—2004年碳儲量的空間分布變化很少，可忽略不計。(4) 2004—2007年，鹽城和南通城鎮面積新增明顯，部分農田、林地轉化成建設用地，碳儲量降低[28]。總體看來，江蘇省沿海3市在研究期受產業發展、灘涂開發影響，土地利用變化明顯，農田、水庫坑塘和農村居民點等人工景觀的面積不斷增加，而自然景觀如林地、葦地減少，從而造成碳儲量降低。

5　結 論

(1) 江蘇海岸帶1975—2007年總碳儲量增加了962.9萬t，但是單位土地面積的碳儲量呈降低趨勢。

(2) 江蘇海岸帶碳儲量在空間分布上呈現一定的空間相關性，連云港云臺山境內、新沂河泛洪區和鹽城濱海葦地是碳儲量的高集聚區。

(3) 研究期內受灘涂圍墾等人類活動影響，江蘇海岸帶自然濕地(如葦地、鹽沼)減少，部分轉化成耕地、水庫坑塘，濱海地帶碳儲量減少；城市化進程下，研究區3市城鎮面積擴張，部分林地、農田轉化成建設用地也造成一定程度的碳儲量降低。

后續研究將搜集研究區更完整的土壤、植被碳密度數據，進一步提高碳儲量估算的準確性。

[1]高揚,何念鵬,汪亞峰.生態系統固碳特征及其研究進展[J].自然資源學報,2013,28(7):1264-1274.

[2]王玉,賈曉波,張文廣,等.江蘇海岸帶土地利用變化及驅動力分析[J].長江流域資源與環境,2010,19(S1):7-12.

[3]戴亞南,彭檢貴.江蘇海岸帶生態環境脆弱性及其評價體系構建[J].海洋學研究,2009,27(1):78-82.

[4]王紹強,周成虎,李克讓,等.中國土壤有機碳庫及空間分布特征分析[J].地理學報,2000,55(5):533-544.

[5]解憲麗,孫波,周慧珍,等.中國土壤有機碳密度和儲量的估算與空間分布分析[J].土壤學報,2004,41(1):35-43.

[6]楊園園.三江源區生態系統碳儲量估算及固碳潛力研究[D].北京:首都師范大學,2012.

[7]Myeong S, Nowak D J, Duggin M J. A temporal analysis of urban forest carbon storage using remote sensing[J]. Remote Sensing of Environment,2006,101(2):277-282.

[8]方精云,郭兆迪,樸世龍,等.1981—2000年中國陸地植被碳匯的估算[J].中國科學:D輯,2007,37(6):804-812.

[9]張宏鋒,歐陽志云,鄭華,等.瑪納斯河流域農田生態系統服務功能價值評估[J].中國生態農業學報,2009,17(6):1259-1264.

[10]蔡廣鵬,韓會慶,張鳳太,等.喀斯特地區貴州省綏陽縣土地利用/覆被變化對陸地植被碳儲量的影響[J].水土保持研究,2012,9(4):122-125.

[11]畢珍,石輝,許五弟,等.四川盆地森林土壤的有機碳儲量及其空間分布特征[J].水土保持研究,2009,16(5):83-87.

[12]Goldstein J H, Caldarone G, Duarte T K, et al. Integrating ecosystem-service tradeoffs into land-use decisions[J]. Proceedings of the National Academy of Sciences,2012,109(19):7565-7570.

[13]Nelson E, Mendoza G, Regetz J, et al. Modeling multiple ecosystem services, biodiversity conservation, commodity production, and tradeoffs at landscape scales[J]. Frontiers in Ecology and the Environment,2009,7(1):4-11.

[14]彭怡.Invest模型在生態系統服務功能評估中的應用研究:以四川汶川地震災區為例[D].北京:中國科學院研究生院,2010.

[15]白楊,鄭華,莊長偉,等.白洋淀流域生態系統服務評估及其調控[J].生態學報,2013,33(3):711-717.

[16]楊芝歌,周彬,余新曉,等.北京山區生物多樣性分析與碳儲量評估[J].水土保持通報,2012,32(3):42-46.

[17]黃紹霖,徐涵秋,曾宏達,等.福建長汀河田盆地的馬尾松林碳儲量時空動態變化[J].地球科學:中國地質大學學報,2013,38(5):1081-1089.

[18]王淑君,管東生,黎夏,等.廣州森林碳儲量時空演變及異質性分析[J].環境科學學報,2008,28(4):778-785.[19]柳梅英,包安明,陳曦,等.近30 a瑪納斯河流域土地利用/覆被變化對植被碳儲量的影響[J].自然資源學報,2010,25(6):926-938.

[20]唐得昊,鄒欣慶,劉興健.海岸帶生態系統健康評價中能質和生物多樣性的差異:以江蘇海岸帶為例[J].生態學報,2013,33(4):1240-1250.

[21]陶麗華,朱曉東,桂峰.蘇北輻射沙洲海岸帶農業景觀生態分析與優化設計[J].環境科學,2001,22(3):118-122.

[22]李加林,張忍順,王艷紅,等.江蘇淤泥質海岸濕地景觀格局與景觀生態建設[J].地理與地理信息科學,2003,19(5):86-90.

[23]揣小偉,黃賢金,鄭澤慶,等.江蘇省土地利用變化對陸地生態系統碳儲量的影響[J].資源科學,2011,33(10):1932-1939.

[24]方精云,徐嵩齡.我國森林植被的生物量和凈生產量[J].生態學報,1996,16(5):497-508.

[25]黃玫,季勁鈞,曹明奎,等.中國區域植被地上與地下生物量模擬[J].生態學報,2013,26(12):4156-4163.

[26]Tallis H, Ricketts T, Guerry A, et al. InVEST 2.0 beta User′s Guide: Integrated Valuation of Ecosystem Services and Tradeoffs [Z]. Stanford, USA: Natural Capital Project,2011.

[27]Haining R, Wise S, Ma J. Exploratory spatial data analysis[J]. Journal of the Royal Statistical Society: Series D (The Statistician),1998,47(3):457-469.

[28]張曉祥,唐彥君,嚴長清,等.近30 a來江蘇海岸帶土地利用/覆被變化研究[J].海洋科學,2014,38(9):90-95.

Research on the Spatiotemporal Variation of Carbon Storage in Coastal Zone Ecosystem of Jiangsu Based on InVEST Model

ZHANG Yunqian1,2, ZHANG Xiaoxiang3, CHEN Zhenjie1,2, WANG Weiwei3, CHEN Dong1,2

(1.SchoolofGeographicandOceanographicSciences,NanjingUniversity,Nanjing210023,China;2.JiangsuProvincialKeyLaboratoryofGeographicInformationScienceandTechnology,NanjingUniversity,Nanjing210023,China; 3.InstituteofGeographicalInformationScienceandEngineering,HohaiUniversity,Nanjing210098,China)

It is urgent to investigate the spatiotemporal variation of carbon storage in coastal zone ecosystem of Jiangsu Province since the reform and opening up in China with respect to harmonizing the environment with economic development. The remote sensing images which date from the year of 1975 to 2007 were acquired. The integrated valuation of environmental services and tradeoffs (InVEST) model was utilized to evaluate the amount of carbon storage in coastal zone of Jiangsu Province. Long time series of carbon storage data were built. The spatial analysis method was used to investigate the spatial correlation of the ecosystem services and to explore the pattern of spatiotemporal variation. Some basic conclusions can be drawn from the experimental results. The total amount of carbon storage increased while the amount of carbon storage per unit area decreased. The amount of carbon storage in this area presented highly spatial agglomeration and obvious relevance. Specifically, the amounts of carbon storage in Yuntaishan Mountain of Lianyungang City，floodplain of Xinyi River，coastal reeds of Yancheng City were high while those in cities and towns were low.

carbon storage; InVEST model; spatial correlation; spatiotemporal variation; coastal zone of Jiangsu Province

2015-05-18

2015-06-14

國家科技支撐計劃項目課題(2012BAH28B02);國土資源部公益性行業科研專項(201411014-03);國家自然科學基金(41571378)

張云倩(1992—),女,江蘇揚州人,碩士研究生,研究方向為GIS設計、開發與應用。E-mail:yqzhangnj@163.com

陳振杰(1974—),男,陜西寶雞人,副教授、博士,主要從事GIS算法、地理建模研究。E-mail:chenzj@nju.edu.cn

S154.1; TP79

A

1005-3409(2016)03-0100-06