《Journal of Environmental Management》：Microclimate-adjusted carbon density modeling improves carbon density estimation for photovoltaic-impacted grasslands in Inner Mongolia
编辑推荐：
摘要目前对光伏设施中碳库变化的评估通常为不同的土地覆盖类型赋予固定的碳密度值，这类方法并未充分考虑与光伏阵列相关的微气候变化。在干旱地区，由于反射率带来的热条件差异以及植被反应的不同，这一局限尤为重要。本研究以内蒙古254平方公里范围内189座已确认的光伏设施为研究对象，分别采用
摘要
目前对光伏设施中碳库变化的评估通常为不同的土地覆盖类型赋予固定的碳密度值，这类方法并未充分考虑与光伏阵列相关的微气候变化。在干旱地区，由于反射率带来的热条件差异以及植被反应的不同，这一局限尤为重要。本研究以内蒙古254平方公里范围内189座已确认的光伏设施为研究对象，分别采用传统的固定土地覆盖碳密度方法M1和经过微气候调整的方法M2来评估碳库变化。M2在M1的基础上加入了带符号的微气候调整项，用以体现反射率、热条件及植被状况等因光伏存在而产生的净变化效应。在不同土地覆盖类型之间，该微气候调整值的范围从裸地转变为草原时的+36.2%，到草原转变为裸地时的-12.6%不等。通过对42座光伏设施的实地检测，结果表明M2的预测结果与实际测量的碳密度更为接近（R2=0.730，相比M1的0.624；RMSE分别为2.130千克碳/平方米和2.512千克碳/平方米；MAE分别为1.706千克碳/平方米和1.896千克碳/平方米）。在配对检验中，M2的绝对误差也更低（配对t检验的p值为0.041，Wilcoxon符号秩检验的p值为0.037）。在降水量较低的区域内，相对微气候调整值较大，而降水量较高的区域，估算出的碳库变化趋势则更为明显。这些研究结果表明，采用微气候调整后的评估方法能够更准确地分析光伏设施中的碳库变化，同时为干旱地区草原地区的植被管理和土地利用规划提供更具针对性的信息。
引言
随着地面安装式光伏设施在全球范围内的不断扩展，大量土地被用于此类项目，这也使得能源基础设施与陆地生态系统的变化日益紧密地联系在一起（Ong等人，2013年）。在中国北方，由于草原面积广阔且地形较为平坦，因此常被用作大规模光伏电站的建设场地（Kannenberg等人，2023年；Wang等人，2024年）。虽然光伏发电能够在能源系统层面减少温室气体排放，但它也会通过改变土地覆盖类型以及引发相关环境变化，影响所在生态系统的碳库状况（Luo等人，2023年；Tawalbeh等人，2021年）。一项全球性研究指出，光伏设施带来的微气候变化，尤其是与反射率相关的热效应，会显著影响生态系统对大规模光伏开发的响应。在该研究中，将这类效应纳入考量后，大多数光伏设施的生态系统碳密度估算值上升了16%至34%。而且，这种响应的方向和幅度会随着温度和降水条件的不同而出现较大差异（Wang等人，2025年）。这些证据表明，仅基于固定土地覆盖类型变化的碳库评估方法，可能会忽略光伏相关生态系统变化中那些重要且具有空间变异性的因素。
传统的碳库核算方法仅根据土地覆盖类型来确定固定的碳密度值，这类方法被广泛应用于InVEST碳储存模块等工具中。这里所说的传统方法即M1，它无论是否存在光伏面板，都会为某一土地覆盖类型赋予相同的碳密度值，完全没有考虑到光伏阵列会对局部反射率、温度、土壤湿度、植被生长以及土壤碳动态产生的影响（Armstrong等人，2016年；Sturchio等人，2025年；Wu等人，2022年；Zhang等人，2024a、2024b年）。实际上，M1假定光伏设施内的1公顷草原与开阔草原的碳密度是相同的，但实际上光伏阵列会通过改变辐射强度、温度和湿度条件，形成独特的微气候环境（Sturchio等人，2025年）。在土地覆盖类型多样的地区，这种忽视可能会带来更为严重的影响。光伏相关的微气候响应的幅度和方向取决于建设前的地表条件。光伏面板的有效反射率既包括地表本身的反射率，也包括太阳能转换为电能的效率，这一反射率可能与地表本身的反射率存在差异（Wang等人，2025年）。如果光伏板安装在颜色较深的植被覆盖地面上，比如草原或农田，其有效反射率可能会升高，从而有助于降低局部温度；而如果安装在高反射率的裸地上，则有效反射率可能会下降，进而导致局部温度上升。此外，植被状况、土壤湿度以及其他特定地点的物理过程也会影响碳库的变化。在内蒙古，光伏设施分布在从东到西降水梯度明显的草原、农田、裸地以及灌木丛地带，因此微气候调整值会因不同的土地类型和气候条件而有所差异，M1可能无法完全反映碳库变化的真实幅度，在某些情况下甚至可能错误地判断变化方向。
此处所说的M2是一种经过微气候调整的方法，它在M1计算出的碳密度值基础上加入带有符号的调整量，这一调整量代表了光伏变化对反射率、温度、土壤湿度以及植被状况所产生的综合影响。目前尚未在区域尺度上对M2和M1进行系统比较，也没有将其与实际的野外观测数据相互验证。M2的优势在于其调整量可以根据不同的土地覆盖类型和气候条件而变化，而M1则始终使用固定的碳密度值。此前的研究多是在单个监测点探讨光伏的微气候效应（Sturchio等人，2025年），或者将这类效应纳入全球性评估的敏感性分析中（Tawalbeh等人，2021年）。也有野外研究报道了光伏板下草原碳循环的变化（Armstrong等人，2016年）、半干旱草原地区干旱程度的降低（Sturchio等人，2025年）、高山沙漠地区光伏阵列下土壤碳含量的增加（Liu等人，2020年），以及在光伏阵列下播种本地草种后易分解有机碳含量的提升（Zhang等人，2024b年）。不过，目前关于M1和M2的区域性对比研究仍然较少。内蒙古非常适合开展这类对比研究，该地区64%的面积为草原，草原在碳固定和气候调节方面发挥着重要作用（Xin等人，2013年；Crespo）。内蒙古境内有189座大型光伏设施，分布在草原、农田、裸地以及灌木丛地带，这些设施所处的气候区差异明显，且从东到西降水梯度较大，这样的研究环境有助于评估在不同土地覆盖类型和气候条件下，微气候调整方法是否能够提升碳库估算的准确性。
本研究旨在比较M1和M2两种方法在估算内蒙古地区因光伏发展而产生的碳库变化方面的效果。研究分析了2010年至2020年间189座已确认的光伏设施内的土地覆盖类型变化和反射率变化情况，随后分别用这两种方法估算碳库变化。此外，还利用42座光伏设施的实地测量碳密度数据，评估了这两种方法在四种不同土地覆盖类型下的适用性，并分析了微气候调整值在不同土地覆盖类型和降水区域间的差异。本研究的目的在于确定M2相比M1能否提升碳库估算的精度，同时找出微气候调整作用较为显著的场景。
章节节选
分析框架
图1展示了本研究的分析框架，研究重点为内蒙古已确认的光伏设施区域内，因光伏发展而产生的碳库变化。
该分析框架包含三个步骤：首先，统计2010年至2020年间189座已确认光伏设施内的土地覆盖类型变化和反射率变化情况；其次，分别运用传统的固定方法M1和经过微气候调整的方法M2来估算碳库变化；第三，
土地覆盖变化分析
通过三种互补的分析方法，研究了已确认的光伏设施区域内，因光伏设施建设而产生的土地覆盖变化特征。
2010年至2020年的土地覆盖变化
2010年至2020年间，已确认的光伏设施区域内的土地覆盖类型发生了显著变化（见图4）。2010年时，草原是该区域最主要的土地覆盖类型，占所有光伏设施总面积的48.2%，裸地和农田分别占比27.0%和11.6%，GlobeLand30人工表面类土地仅占0.30%的面积。
到了2020年，人工表面类土地的比例上升到了31.5%，其中增长幅度最大的地区是锡林郭勒、乌兰察布、鄂尔多斯等地。
土地覆盖类型变化与微气候调整后的碳库核算
已确认的光伏设施区域内的土地覆盖类型变化，是估算碳库变化的主要依据。其中最为显著的转换是从草原转变为GlobeLand30人工表面类土地，这类转换占据了所有光伏设施总面积的23.7%，这一结果说明草原向人工表面的转换是这些设施区域内土地覆盖变化的重要表现形式。
对于几类主要的土地覆盖类型转换，M1和M2得出的估算结果存在差异，M2得出的结果负值更为明显。
结论
本研究分析了2010年至2020年间内蒙古254平方公里范围内189座已确认的光伏设施的碳库变化情况。土地覆盖分析显示，有60.1平方公里的草原转变为GlobeLand30人工表面类土地，这部分面积占所有光伏设施总面积的23.7%。
本研究分别采用传统的固定碳密度方法M1和经过微气候调整的方法M2来估算碳库变化，M2在计算过程中引入了与微气候变化相关的带符号调整项。
CRediT作者贡献说明
王佳旭：数据整理、正式分析、研究调查、方法设计、结果验证、数据可视化、论文初稿撰写。卢宁：研究构思、资金申请、方法设计、项目管理、资源协调、研究监督、论文审阅与修改。孙颖：软件应用、结果验证、数据可视化。李亮：软件应用、结果验证、数据可视化。秦军：项目管理、资源协调。
利益冲突声明
所有作者均声明，不存在任何可能影响本研究结果的已知利益冲突或个人关系。
致谢
本研究得到了中国国家自然科学基金的资助（项目编号：42571439）。
Jiaxu Wang|Ning Lu|Ying Sun|Liang Li|Jun Qin
中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室，北京，100101，中国
