基于碳儲量視角的城鎮土地利用模式與生態效益分異特征

郭旭東，常 青，劉 筱，包慧敏，孫 藝，呂春艷，張衍毓

（1.中國土地勘測規劃院，國土資源部土地利用重點實驗室，北京 100035；2.中國農業大學觀賞園藝與園林系，北京 100193）

基于碳儲量視角的城鎮土地利用模式與生態效益分異特征

郭旭東1，常 青2，劉 筱2，包慧敏2，孫 藝2，呂春艷1，張衍毓1

（1.中國土地勘測規劃院，國土資源部土地利用重點實驗室，北京 100035；2.中國農業大學觀賞園藝與園林系，北京 100193）

研究目的：探析不同土地利用模式下碳儲量的空間差異特征，為優化城鎮土地利用及其生態效益提供參考。研究方法：InVEST碳儲量修正模型、歸一化不透水地表指數（NDISI）和層次聚類分析。研究結果：（1）2014年北京市三山五園地區碳儲量為23.31×104t，單位土地面積平均碳儲量32.28 t/hm2；各街道碳儲量差異明顯。（2）以NDISI變化率表征土地利用開發強度，1992—2014年間上地街道開發強度最高，青龍橋街道（頤和園）開發強度最低。（3）該區各街道碳儲量與其區位、用地結構及開發建設模式密切相關，開發建設活動并非一定會降低城鎮土地碳匯能力。研究結論：土地利用模式影響城鎮土地碳儲能力，加強城鎮土地利用模式與生態效益研究，有助于合理制定城鎮土地利用政策。

土地利用；碳儲量；生態效益；土地開發模式；三山五園

1 引言

近40年來的快速城市化過程中，中國土地資源開發利用取得了顯著的社會經濟效益，但同時也出現了自然棲息地退化、水土流失、城市熱島等生態環境問題[1-2]。城鎮土地利用生態效益隨之成為中國土地資源可持續利用研究的熱點[3-7]。目前，國內外學者通過構建指標模型、圍繞城市土地利用生態效益評價開展了大量研究，多數研究采用森林或綠地覆蓋率[4-7]、環境污染物排放量[4-7]、水土流失或生物豐富度[4-5]、土地利用規模與結構[6-7]等指標，偶見采用生態系統服務或生態綠當量指標[3，7]，對土地利用生態效益的直接度量指標缺乏；研究內容多集中于整個城市土地利用生態效益動態變化[3-5]或空間差異上[6-7]，且對于土地利用規模與結構指標考慮居多[4-7]，忽略了城鎮土地利用模式（特別是在相似土地利用規模與結構下不同的開發建設模式）對生態系統服務能力的影響。不透水地表擴張會導致城市地域植被與土壤有機碳的下降[8-9]、地表徑流的增加[10]和熱島效應的增強[11-12]；而改變土地利用開發模式有助于改善以上城市生態系統過程，提高土地利用服務能力。例如，低影響開發作為一類城市雨洪問題的最佳管理模式[13]，已被國內外學者廣泛認可。相關研究表明，在一定降雨條件下，最大化地使植被等滲透地表對不透水地表進行阻斷的土地利用模式，可使匯水區總下滲量提高99.3%，總徑流量下降52%，徑流系數下降52.4%[14]；在不同的用地類型下, 植被可直接降低土壤溫度[15]，而提升植被覆蓋度所起的降溫效果也有明顯差異,降溫效果從大到小依次為林地、裸地、建設用地、園地、草地、耕地和水體[16]。可見，分析不同土地利用模式下特定生態系統服務供給能力差異特征，有助于深入城鎮土地利用生態效益研究，提高城鎮土地利用綜合效益。

鑒于此，本文以北京市三山五園地區為案例區，選取生態系統服務評估中相對成熟的碳儲量評估方法，通過分析不同土地利用規模、結構、開發方式和空間布局等土地利用模式下碳儲量的空間分異特征，從碳儲量視角揭示有助于提升生態系統服務能力的城鎮土地利用模式，以期為合理、高效利用城鎮土地提供參考。

2 研究區與研究方法

2.1 研究區概況

“三山五園”地區是北京西北郊原皇家行宮苑囿的總稱，位于北京市海淀區（地理坐標為30°31′—30°36′，東經114°21′—114°28′E）[17]，北至馬連洼街道，南抵四季青鎮，東臨清華園街道，西達香山山脊線，總面積67.27 km2，涵蓋了燕園、萬柳街道、香山、四季青鎮、海淀等10個街道行政單元。該區域自然生態環境本底條件優越、文化底蘊深厚，分布有香山靜宜園、萬壽山清漪園（頤和園）、玉泉山靜明園以及附近的圓明園、暢春園等全國重點歷史文化保護單位。近十幾年來，隨北京市近郊城市化進程的加快，特別是周邊中關村、上地軟件園等重要經濟產業發展中心的帶動，三山五園地區稻田、濕地等逐漸被建設用地取代，景觀空間格局破碎[17]。但即使如此，仰賴自身生態基底與歷史文化保護政策，三山五園地區依然是北京市西北部大型綠化隔離帶和楔形綠地的必要組成部分。那么，在歷史文化保護與經濟發展推動的共軛作用下，以三山五園地區為案例區開展城鎮土地利用模式與生態效益分析，具有一定的代表性。

2.2 城市生態系統碳儲量評估模型

作為全球公認的生態系統服務模型之一，InVEST模型中碳儲量模塊主要基于土地利用/覆被和對應的碳庫參數評估土地利用碳儲量[18]。4大碳庫的碳密度值（即地上碳、地下碳、土壤碳和死亡有機碳碳庫）是計算碳儲量的基礎，一般可通過地表調查和遙感估算兩種方法獲取[19]。城市土地利用碳儲量可分解為植被碳和土壤碳[20]，基于大量實地調查獲取相應森林、草地等土地利用類型的碳密度值[21-22]。由于城市內分布著大量的綠化用地，如公園、居住區附屬綠地、街旁綠地等，針對這些園林綠地的植被碳密度和土壤碳密度的實地調查也取得一定研究成果[22-25]，為進一步優化城市土地利用碳儲量評估方法提供了基礎。

針對城市土地利用的多樣性，本文綜合自然生態系統、農業生態系統、園林綠地碳儲量等研究成果修正碳庫參數，提出基于InVEST模型計算城市土地利用/覆被類型碳儲量的修正模型，計算公式如下：

式（1）中，Ctotal為研究區的碳儲量總數（t），Cai和Cbi分別為i類土地利用/覆被類型上植被的地上、地下碳密度值（t/hm2），可通過園林植物[22-25]、草地[22，26-29]、森林[26-28]和濕地[29]碳儲量研究成果獲取植被碳密度（表1）；其中，林地地下碳密度值是依據IPCC（2006）推薦使用的根莖比（0.24）、利用地上碳密度值進行換算，園地、公園與綠地地下碳密度值在根據根莖比和地上碳密度計算的基礎上再乘以0.8的換算系數[27，29-30]。Csi為i類土地利用/覆被類型上的土壤碳密度值（t/hm2），在本研究中采用北京市西北部典型土地利用類型土壤碳研究成果[23-24]（表1）；NDVIi為i類土地利用/覆被類型單元的NDVI值，NDVImax為土地利用/覆被單元的NDVI最大值，可基于2014年Landsat 8遙感影像數據獲取；Ai為第i類土地利用/覆被類型的面積。

在本研究中，研究區土地利用與覆被類型可根據全國土地利用現狀分類標準（GB/T 21010-2007），在研究區土地利用變更調查數據的基礎上，基于2014年航空照片數據、輔以城市建設用地現狀圖，利用目視解譯方法劃分為6類，包括林地、園地、公園與綠地、水域、裸地和建設用地（表1）。

此外，2014年Landsat 8遙感影像、航空照片數據和城市建設用地現狀圖，均根據土地利用變更調查數據進行空間配準，以滿足后續分析使用。

表1 土地利用類型的植物地上碳和土壤碳密度值Tab.1 The per-unit carbon storage of plants and soils for the study area

2.3 城市土地利用模式的度量方法：基于歸一化不透水地表指數（NDISI）

目前，基于多時段、中空間分辨率遙感影像數據（如Landsat），監測土地利用變化是宏觀尺度上開展城市土地利用模式研究的主要方法[8-12]。但在中小尺度上，如城市建成區，僅僅通過土地利用類型變化很難反映建筑密度、綠化狀況及空間配置格局等城鎮土地利用開發建設模式的差別。基于城市地表多時段遙感數據研究發現，城市化進程中植被、不透水表面與土壤三種組分此消彼長，基于混合光譜VIS模型（Vegetation-Impervious Surface-Soil，簡稱VIS模型）提取不透水地表指數可作為城市土地利用變化特征指標之一[32-33]。不透水地表指數可以度量諸如建筑物頂部、人行道、公路、廣場、機場、停車場等多種類型的人工建筑物地表，是城市建設程度的重要指標之一[34-35]。

據此，本研究基于Landsat 5影像和Landsat 8影像分別提取1992年和2014年的歸一化差值不透水面指數（NDISI），并計算NDISI變化率，并將其作為度量城市建設強度的基本指標。NDISI及其變化率計算公式如下：

式（2）中，CRI為城市化前后NDISI值的變化率，N1、N2分別為快速城市化前期和后期的NDISI值，NDISI指數值可通過Landsat 8遙感影像計算，如式（3）、式（4）[36]。

式（3）—式（4）中，NDISI為歸一化差值不透水面指數，此值越高，代表城市建設強度越高；MNDWI為改進型歸一化水體指數，TIR、NIR、MIR1和Green分別為Landsat 8影像的熱紅外、近紅外、中紅外1和綠光波段的灰度值。

在此基礎上，以街道為單位，分別從土地利用結構與規模、開發方式與布局、區位條件等多個層面，提取各街道的NDISI變化率、土地利用/覆被構成與格局以及區位等因素，綜合度量城鎮土地利用模式（表2）。其中，NDISI和NDVI空間聚集度表征土地利用/覆被構成的空間格局特征，可采用地理信息系統空間聚類檢驗中的局部莫蘭指數（Local Moran Index），采用HH-LH區域占所在區域的面積比例來表征，計算公式如下：

表2 城鎮土地利用模式表征指標Tab.2 Index of urban land use pattern for the study area

式（5）中，Ii為空間單元i的局部莫蘭指數；wij是空間權重，表示空間單元i、j的鄰近關系；xi、xj為空間單元i、j的NDISI值或NDVI值，是NDISI值或NDVI值的平均值。

根據研究區特征，區位條件以歷史文化保護和產業發展中心影響程度表征，可通過式（6）計算：

式（6）中，Di是歷史文化保護中心或產業發展中心的影響值，wi是影響權重，歷史文化保護中心的wi可根據《北京歷史文化名城保護規劃》中劃定的世界文化遺產、國家級/市級/區級文物保護單位進行量化賦值，產業發展中心的wi因缺少產業等級類型數據、暫以等權重處理，即∑wi= 1；bi是與歷史文化保護中心或產業發展中心的緩沖區距離，根據影響距離衰減規律進行量化賦值。

2.4 城鎮土地碳儲量與土地利用模式的相關分析

聚類統計作為常用多元統計學方法之一，可根據樣本多個指標的相似性和差異性，對樣本進行特征性分類。本文通過SPSS統計軟件聚類分析城鎮土地碳儲量與土地利用模式指標的相關關系，明確不同土地利用模式下碳儲能力差異，進而揭示影響城鎮土地碳儲能力的土地利用關鍵因素。

3 結果分析

3.1 碳儲量空間分布特征

根據InVEST模型碳儲量模塊修正模型，經原始數據處理、計算，2014年三山五園地區土地利用總碳儲量為23.31×104t，單位土地面積平均碳儲量為32.28 t/hm2。全區土地碳儲量在空間上整體呈現西高—東低、中間高—南北低的梯度分布格局。

具體來看，單位土地面積平均碳儲量高于全區平均水平的包括香山街道、萬柳街道（西區）、四季青鎮、萬柳街道（東區）和青龍橋街道（圓明園區）；其中，香山街道單位土地面積平均碳儲量值最高，約為47.41 t/hm2。其余8個街道的單位土地面積平均碳儲量均低于全區平均水平，其中青龍橋街道（頤和園區）的單位面積土地碳儲量值約31.37 t/hm2，與平均水平較為接近；上地街道和青龍橋街道（北區）單位面積土地碳儲量值約27 t/hm2，而清華園、燕園、海淀、曙光和馬連洼街道單位面積土地碳儲量值均低于26 t/hm2，尤其是馬連洼街道僅為22 t/hm2。

3.2 城鎮土地利用模式與碳儲量的聚類分析

根據單位土地面積碳儲量與其土地利用模式指標的Pearson相關性（表3），通過層次聚類分析將13個街道單元劃分為高碳匯、中碳匯和低碳匯三類（圖1）。

表3 單位土地面積碳儲量與土地利用模式指標的Pearson相關性Tab.3 The pearson correlation coeffcient between per unit carbon-storage and land use pattern index

3.2.1 高碳匯—城鎮土地利用模式特征 萬柳街道（西區）與四季青鎮、青龍橋街道（圓明園）和香山街道、以及萬柳街道（東區）、青龍橋街道（頤和園）6大街道，其內單位土地面積碳儲量平均值高達41 t/hm2以上（表4），故稱之為高碳匯—城鎮土地利用模式類型。

圖1 三山五園地區土地利用模式—碳儲能力聚類結果（a）及其主要特征（b）Fig.1 The characteristics of land use pattern with different-level carbon storages in the Three-hills and Five-gardens Area

表4 第一類街道（高碳匯）土地利用模式與碳儲量指標Tab.4 The land use pattern index of the sub-districts with high carbon-storage in the Three-hills and Five-gardens Area

（1）此類地區歷史文化保護影響度平均值（9.08）遠遠高于全區平均水平（6.15），受產業經濟發展中心的影響度（6.05）則明顯低于全區平均水平（10.88）；這說明歷史文化保護政策不僅有利于提高歷史文化遺產保護與社會文化服務能力，而且有益于維持城鎮土地碳匯能力。

（2）受歷史文化保護的高度庇護，盡管產業經濟發展影響程度差異較大，但此類區域建設用地總量均控制在65%以下，低于全區平均水平（68.3%）；與之共軛，綠地與水域面積比合計均在35%以上，高于全區平均水平（31.7%）；這說明高碳匯—城鎮土地利用模式中，綠地與建設用地面積比應大于1∶2為佳。

（3）NDISI空間聚集度平均僅為1.41，最高值僅為2.34（青龍橋街道—圓明園區），遠遠低于全區平均水平（5.04），這說明高碳匯—城鎮土地利用模式呈現以不透水地表為主的開發建設密度低、且相對緊湊的空間形態。

（4）1992—2014年NDISI變化率平均值（5.54）低于全區平均水平（6.33），土地開發建設強度相對較低，但空間分異明顯。其中，萬柳街道（東、西區）和四季青鎮的NDISI變化率較高，均在9.0左右，香山街道的NDISI變化率居中（約5.44），4者單位土地面積碳儲量值均高于40 t/hm2；而青龍橋街道（頤和園區、圓明園區）NDISI變化率為-3.38、3.45，建設程度明顯低于前四者，但單位土地面積碳儲量卻低于前4者，約31—37 t/hm2。對比NDISI和NDVI聚集度可知，香山街道、萬柳街道（東、西區）和青龍橋街道（頤和園區、圓明園區）的NDISI空間聚集度較低、NDVI空間聚集度較高，而四季青鎮二者均較低。這說明在綠地面積相似的前提下，較高強度的開發建設活動并非會降低土地利用碳儲能力，這與其土地利用開發的空間格局密切相關：緊湊的建設用地布局（以不透水地表為表征）配置足夠數量、相對聚集的綠地，有利于提高城市土地利用碳匯能力。

3.2.2 中碳匯—城鎮土地利用模式特征 清華園街道、燕園街道和青龍橋街道（北區）等三個街道，單位土地面積碳儲量平均值約25.33 t/hm2，與其他區域相比其碳儲能力居中，故稱之為中碳匯—城鎮土地利用模式。

（1）根據1992—2014年NDISI變化率，清華園街道開發建設強度最高（7.71），建設用地面積高達90%以上，燕園和青龍橋街道（北區）開發建設強度相當且NDISI變化率較低，建設用地面積約80%左右。

（2）對應地理區域和用地結構來看，清華園和燕園街道受產業經濟發展影響較大（影響度＞16），同時，燕園街道明顯受到歷史文化遺產保護政策的庇護（影響度=9.2）；而產業經濟發展對青龍橋街道（北區）影響較小（0.4），歷史文化保護影響度居中（4.8）。仰賴歷史文化保護的庇護，燕園街道和青龍橋街道（北區）綠地面積相對較高（約15%），而清華園街道綠地面積不足10%。

（3）綠地面積高的燕園街道單位土地面積碳儲量（23.47），卻低于青龍橋街道（北區）和清華園街道。對比NDISI和NDVI空間聚集度可知，青龍橋街道（北區）綠地面積比雖低于燕園街道，但其NDISI空間聚集度極低（0.22），但燕園街道卻高達10.43；而清華園街道綠地面積比僅為7.14%，但由于NDISI和NDVI空間聚集度相對較低（分別為5.46和0.8），其單位土地面積碳儲量（25.34）略高于燕園街道（表5）。這說明在綠地面積較低（10%左右）、建設面積較高（約80%及以上）的情況下，分散式的綠地布局有助于提高城鎮土地利用碳儲能力。

3.2.3 低碳匯—城鎮土地利用模式特征 馬連洼街道、曙光街道、上地街道和海淀街道4個街道，其單位土地面積碳儲量平均值為24.21 t/hm2，在三山五園地區最低，故稱之為低碳匯—城鎮土地利用模式（表6）。

（1）1992—2014年NDISI變化率平均約9.12%，城市開發建設強度明顯高于前兩類地區；其中，馬連洼和上地街道NDISI變化率高達11%以上，說明馬連洼和上地街道是三山五園地區1992—2014年間開發建設強度最高的區域；而曙光和海淀街道開發建設強度相對較低（NDISI變化率約5%），與香山街道持平。

（2）在開發建設強度高的馬連洼和上地街道中，上地街道由于產業經濟發展水平較高（特別是中關村軟件園等高新技術園區），且綠地和水域面積比例較高（約20%左右，與燕園街道的相近），其單位土地面積碳儲量明顯較馬連洼街道高（約27.09 t/hm2）；而馬連洼街道建設用地面積接近90%，綠地面積僅為6.16%，故其單位土地面積碳儲量僅為21.98 t/hm2。

表5 第二類街道（中碳匯）土地利用模式與碳儲量指標Tab.5 The land use pattern index of the sub-districts with medium carbon-storage in the Three-hills and Five-gardens Area

表6 第三類街道（低碳匯）土地利用模式與碳儲量指標Tab.6 The land use pattern index of the sub-districts with low carbon-storage in the Three-hills and Five-gardens Area

（3）在曙光和海淀街道中，盡管1992—2014年開發建設強度較低，但二者NDISI空間聚集度均高于10，特別是海淀街道高達28.14，說明開發建設密度已很高；受原建設用地格局的影響，曙光街道綠地率約12.31%，而海淀街道綠地率卻不足5%（盡管受歷史文化保護庇護和產業經濟發展推動），因此海淀街道單位土地面積碳儲量（23.66 t/hm2）依舊低于曙光街道（24.1 t/hm2）。

（4）在綠地面積比＜10%的海淀和馬連洼街道中，受歷史文化保護政策庇護和經濟發展支持的雙重影響，海淀街道NDISI變化率較小，且NDVI和NDISI空間聚集度遠高于馬連洼街道，其單位土地面積碳儲量高于馬連洼街道；對于綠地面積比＞10%的曙光和上地街道，NDVI空間聚集度均很低，但曙光街道NDISI空間聚集度遠高于上地街道，故其單位土地面積碳儲量低于上地街道。這也說明在綠地面積比較低且開發強度較大（建設用地面積較高）時，分散式的綠地與建筑布局模式有助于提高城鎮土地利用碳儲能力。

4 結論與討論

本文以碳儲量作為土地利用生態效益切入點，通過不透水地表變化率為基礎的土地利用模式指標來揭示城鎮不同土地利用模式下其碳儲量的空間差異，進而為優化城鎮土地利用結構、開發建設模式及空間配置提供參考。

（1）2014年，三山五園地區土地利用碳儲總量為23.31×104t，單位土地面積平均碳儲量32.28 t/hm2；各街道土地利用碳儲量水平差異顯著，空間上呈現西高—東低、中間高—南北低的梯度分布格局。通過街道土地利用特征與碳儲量水平的聚類分析，可將全區土地利用模式劃分為高、中、低碳匯三類區域。

（2）以不透水地表變化率表征土地開發建設強度，本研究發現城市開發建設活動并非一定降低土地利用碳匯能力，這與土地所在區位條件、建設類型以及開發建設模式等因素密切相關：①在產業/經濟發展推動城鄉建設的背景下，歷史文化遺產保護政策有利于控制城市建設用地擴張，引導城市建設用地供給與規劃，保護和維續現存城鎮生態用地，進而提高城鎮土地的碳匯能力。②在綠地面積比較高且數量相當的情況下，采用緊湊且分散式的城市開發建設模式有助于提高土地利用碳儲能力。③在綠地面積較低、高密度建設的土地利用方式下，提高建筑物立體綠化、增加園林植物種植密度，特別是種植固碳能力強的樹種及地被植物更有利于提高土地碳儲能力。

（3）未來研究中可加強城市土地利用模式及其生態效益關系動態研究，特別是進一步分析不同城鎮土地利用類型（如住宅用地、公共服務與管理用地等）及其開發建設模式對碳儲量等生態系統服務能力的影響，將有助于制定合理的城鎮土地利用供給結構、開發建設模式以及生態環境建設策略，進而提高城鎮土地利用的綜合效益。

（References）:

［1］ 歐陽志云，王橋，鄭華，等. 全國生態環境十年變化（2000—2010年）遙感調查評估［J］ . 中國科學院院刊，2014（，4）：462 - 466.

［2］ 趙國松，劉紀遠，匡文慧，等. 1990—2010年中國土地利用變化對生物多樣性保護重點區域的擾動［J］ . 地理學報，2014，69（11）：1640 - 1650.

［3］ 胡蒙蒙，張軍民，徐麗萍，等. 基于生態綠當量的瑪納斯河流域土地利用生態效益研究［J］ . 干旱區研究，2016，3（35）：996 -1002.

［4］ 梁紅梅，劉衛東，劉會平，等. 土地利用社會經濟效益與生態環境效益的耦合關系——以深圳市和寧波市為例［J］ . 2008，22（2）：42 - 48.

［5］ 吳金華，李紀偉，梁晶晶. 土地利用程度與效益關系研究——以延安市為例［J］ . 中國土地科學，2011，2（58）：54 - 60.

［6］ 葉敏婷，王仰麟，彭建，等. 深圳市土地利用效益變化及其區域分異［J］ . 資源科學，2008，2（03）：401 - 408.

［7］ 王國剛，劉彥隨，方方. 環渤海地區土地利用效益綜合測度及空間分異［J］ . 地理科學進展，2013，3（24）：649 - 656.

［8］ Yan Y., Kuang W., Zhang C., et al. Impacts of impervious surface expansion on soil organic carbon-a spatially explicit study［J］ . Science Report 5, 17905, doi: 10.1038/srep1790（52015）.

［9］ Edmondson J., Davies Z., McHugh N., et al. Organic carbon hidden in urban ecosystems［J］ . Science Report 2, 963, doi: 10.1038/ srep0096（32012）.

［10］ Sofia G., Roder G.，Dalla Fontana G., Tarolli P. Flood dynamics in urbanised landscapes: 100 years of climate and humans’ interaction［J］ . Science Report 7, 40527, doi: 10.1038/srep4052（72017）.

［11］ Mao W., Wang X., Cai J., et al. Multidimensional histogram-based information capacity analysis of urban heat island effect using Landsat 8 data［J］ . Remote Sensing Letters，2016，1（07）：925 - 934.

［12］ Weng Q., Lu D., Schubring J. Estimation of land surface temperature and vegetation abundance relationship for urban heat island studies［J］ . Remote Sensing of Environment，2004，89：467 - 483.

［13］ 賈海峰，姚海蓉，唐穎，等. 城市降雨徑流控制LID BMPs 規劃方法及案例［J］ . 水科學進展，2014，2（52）：260 - 267.

［14］ 班玉龍，孔繁花，尹海偉，等. 土地利用格局對SWMM模型匯流模式選擇及相應產流特征的影響［J］ . 生態學報，2016，36（14）：4317 - 4326.

［15］ Edmondson J., Stott I., Davies Z., et al. Soil surface temperatures reveal moderation of the urban heat island effect by trees and shrubs［J］ .Science Report 6, 33708, doi: 10.1038/srep3370（82016）.

［16］ 張小飛，王仰麟，吳健生，等. 城市地域地表溫度與植被覆蓋定量關系分析——以深圳市為例［J］ . 地理研究，2006，25（3）：369 - 377.

［17］ 劉劍，胡立輝，李樹華. 北京“三山五園”地區景觀歷史性變遷分析［J］ . 中國園林，2011（，2）：54 - 58.

［18］ Kareiva P., Tallis H., Ricketts T. H., et al. Natural capital: theory and practice of mapping ecosystem services［J］ . New York: Oxford University Press，2011.

［19］ 史琰，葛瀅，金荷仙. 城市植被碳固存研究進展［J］ . 林業科學，2016，5（26）：122 - 129.

［20］ 吳佩君，劉小平，黎夏，等. 基于InVEST 模型和元胞自動機的城市擴張對陸地生態系統碳儲量影響評估——以廣東省為例［J］ . 地理與地理信息科學，2016，3（25）：22 - 28.

［21］ Timilsina N., Escobedo F. J, Staudhammer C. L., et al. Analyzing the causal factors of carbon stores in a subtropical urban fores［tJ］ . Ecological Complexity，2014，20：23 - 32.

［22］ 王迪生. 基于生物量計測的北京城區園林綠地凈碳儲量研究［D］ . 北京：北京林業大學，2010.

［23］ 羅上華，毛齊正，馬克明，等. 北京城市綠地表層土壤碳氮分布特征［J］ . 生態學報，2014，3（420）：6011 - 6019.

［24］ 張廷龍，孫睿，胡波，等. 北京西北部典型城市化地區不同土地利用類型土壤碳特征分析［J］ . 北京師范大學學報（自然科學版），2010（，1）：97 - 102.

［25］ 孫榮凱，陳智慧. 北京溫榆河流域周邊河岸帶景觀結構與土壤碳儲量響應［J］ . 安徽農業科學，2016，4（413）：207 - 210.

［26］ 張萍. 北京森林碳儲量研究［D］ . 北京：北京林業大學，2009.

［27］ 王光華. 北京森林植被固碳能力研究［D］ . 北京：北京林業大學，2012.

［28］ 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，2012，3（23）：42 - 46.

［29］ 奚小環，楊忠芳，崔玉軍，等. 東北平原土壤有機碳分布與變化趨勢研究［J］ . 地學前緣，2010（，3）：213 - 221.

［30］ Mchale M., Burke I., Lefsky M., et al. Urban forest biomass estimates: is it important to use allometric relationships developed specifically for urban trees?［J］ . Urban Ecosystems，2009，1（21）：95 - 113.

［31］ Nowak D. Atmospheric carbon reduction by urban trees［J］ . Journal of Environmental Management，1993，3（73）：207 - 217.

［32］ Ridd M. K. Exploring a V-I-S（ Vegetation-Impervious Surface-Soil） model for urban ecosystem analysis through remote sensing: comparative anatomy for cities［J］ . International Journal of Remote Sensing，1995，1（612）：2165 - 2185.

［33］ 劉珍環，王仰麟，彭建. 不透水表面遙感監測及其應用研究進展［J］ . 地理科學進展，2010，（9）：1143 - 1152.

［34］ Arnold C., Gbbons C. Impervious surface: the emergence of a key environmental indicato［rJ］ . Journal of the American Planning Association，1996，6（22）：243 - 258．

［35］ 王婷，趙玲，武堅，等. 改進型歸一化差值不透水表面指數探討——以蘭州市建成區為例［J］ . 測繪與空間地理信息，2015，（3）：182 - 185．

［36］ 徐涵秋. 城市不透水面與相關城市生態要素關系的定量分析［J］ . 生態學報，2009（，5）：2456 - 2462.

（本文責編：王慶日）

Urban Land Use Pattern and Its Ecological Benefit from the Perspective of Carbon Storage

GUO Xu-dong1, CHANG Qing2, LIU Xiao2, BAO Hui-min2, SUN Yi2, LV Chun-yan1, ZHANG Yan-yu1
（1. Key Laboratory of Land Use, Ministry of Land and Resources, Beijing 100035, China; 2. Department of Ornamental Horticulture and Landscape Architecture, China Agricultural University, Beijing 100193, China）

Taken the carbon storage as the ecological benefit index, this paper aims to analyze the spatial differences of carbon storages among various land use pattern in the Three-hills and Five-gardens Area of Haidian District, Beijing City. Methods applied in this paper include the InVEST Carbon model, land use pattern index based on the Normalized Impervious Surface Index （NDISI） and hierarchical cluster analysis. The results show that the carbon stored in the Three-hills and Five-gardens Area in 2014 was 233.1 thousand tons in total, and the average carbon storage of land is 32.28 t/hm2. There are significant spatial differences of carbon storages among the sub-districts; for example, all of the average carbon storage of land in the sub-district of Xiangshan, Wanliu and Sijiqing are higher than 41 t/hm2, while lower than 28 t/hm2in the sub-district of Malianwa, Shuguang and Shangdi. Comparing the carbon storage with the landutilization intensity quantified by the change rate index of NDISI, this paper found that the increasing of land use intensity did not necessarily lead to the reduction of carbon storage; the carbon storage in a given area was dependent on its location, land use intensity and structure, as well as development modes. The compact construction might provide enough green spaces, which has the potential capability of higher carbon storage, such as Wanliu and Sijiqing. Therefore, from the aspect of carbon storage, not only land use intensity but also land use structure has highly influence on the ecological benefit of urban land use. In conclusion, it is supposed that studies about urban land use pattern and its ecological benefit need to be enhanced to optimize the comprehensive benefit of land use in the future.

land use; carbon storage; ecological benefit; land development pattern; Three-hills and Five-gardens Area

F301.2

A

1001-8158（2017）04-0061-10

10.11994/zgtdkx.20170424.145441

2016-12-19；

2017-03-13

國土資源部土地利用重點實驗室2016年開放基金（KLLU201602）。

郭旭東（1972-）男，遼寧鐵嶺人，研究員。主要研究方向為土地利用變化和土地生態。E-mail: guoxudong@mail.clspi.org.cn

常青（1978-），女，內蒙古豐鎮人，副教授。主要研究方向城市生態與景觀規劃。E-mail: changqing@cau.edu.cn