中国青海高原土地利用变化重塑区域碳平衡与低碳空间优化

《Environmental Research》：Land-use change reshapes regional carbon balance and low-carbon spatial optimization in Qinghai’s alpine plateau, China

　　

- 2000–2023年间，青海由净碳汇转变为净碳源。
- 草地土壤碳主导了区域碳储量（CST）及其参数不确定性。
- 碳汇与碳排放热点呈现显著的空间错配。
- 优化参数地理探测器揭示了各驱动因子间强烈的空间关联及相互作用增强效应。
- 碳储量（CST）、碳汇强度（CSI）、碳排放（CE）和净碳排放（NCE）被整合到一个统一的碳平衡框架中。

## 引言

在全球气候变化的宏观背景下，温室气体排放——包括二氧化碳（CO2）、甲烷（CH4）和氧化亚氮（N2O）——的持续攀升推动了大气碳浓度的不断上升（Bilir等，2025），目前已被公认为全球变暖的核心驱动力。自工业革命以来，人类对化石燃料的需求急剧增长，对自然和社会生态系统构成了严重威胁（Amri等，2019；Liu等，2020）。在此应对下，应对气候变化已演变为全球共识，世界各国积极探索碳减排与排放缓解路径。值得注意的是，中国于2020年正式确立了"双碳"目标（Wang等，2023），标志着对该全球事业的一项关键承诺。根据政府间气候变化专门委员会（IPCC）第六次评估报告，由动态土地利用变化（LUC）产生的碳排放（CE）占人为碳排放总量的三分之一，仅次于化石燃料燃烧所产生的排放（Zhang等，2022）。作为人类活动的主要载体，土地利用变化和能源消费增长具有双重影响：它们不仅直接塑造碳储量（CST）的空间分布，还通过破坏温室气体排放与碳汇能力之间的平衡，加剧区域碳收支的不平衡（Wang等，2023；Yang等，2023）。此外，区域碳平衡是概括碳循环过程中多种因素综合影响的一个关键特征（Piao等，2020）。因此，研究土地利用变化下的区域碳平衡动态具有重要的学术和现实意义：它有助于增进对碳源-碳汇动态的理解，并为制定有效的碳调节策略提供科学依据。

土地利用变化直接重塑区域碳平衡，其影响不仅限于地表覆盖转换，还延伸至碳储量（CST）、碳汇（CSI）能力、生产强度和能源消费过程。土地利用变化下的区域碳平衡既反映了生态碳库的直接变化，也反映了人为碳排放的间接变化，因此有必要在一个统一框架内评估碳储量、碳汇、碳排放和净碳排放（Hua等，2025）。土地利用转换通过改变植被生物量、土壤碳库和生态系统结构直接干扰自然碳过程；城市扩张、森林砍伐和草地退化等过程通常会削弱CST和CSI功能（Liu等，2024；Qu等，2025）。生产活动、能源消费和土地利用强度（LUI）的变化进一步通过调整人类活动的空间组织和排放强度来重塑区域CE格局（Dar和Dar，2024；Zhang等，2023）。随着研究逐渐从单一碳库或排放导向评估扩展到区域碳平衡，相关评估方法和模型也得到了持续改进。早期对CST变化的定量分析主要依赖于现场采样和土壤剖面分析（Dangulla等，2021）。目前，与土地利用数据耦合的生态模型，如CASA模型（Li等，2025）、簿记模型（Scholze等，2016）和InVEST模型（自然资本项目，2025），已成为主流方法。其中，InVEST模型因其能高效准确地评估CST并可视化其空间分布而得到广泛应用。尽管已在多个尺度和区域开展了相关研究，包括中国中东部经济发达地区（Li等，2023）、中国北方干旱地区（Han等，2025）和云贵高原喀斯特地区（Song等，2017），但对高原地区的研究仍然明显不足。高原生态系统独具特色，其碳源、碳汇动态受地形、气候和人类活动的共同影响，同时表现出更强的空间异质性和参数不确定性。现有研究仍难以同时解释土地利用直接和间接碳效应的耦合关系，缺乏针对高原环境的区域特定参数优化方案，也尚未充分考察高山地区碳密度参数、排放系数和情景模拟结果相关的 uncertainties。这些局限性导致对高原地区碳平衡演变及其稳健性的整体理解不足，并制约了基于证据的区域CSI调节策略的制定。

揭示区域碳平衡的空间解释机制，是制定区域可持续战略和优化国土资源管理的基本前提。近年来，相关研究已从以土地利用变化为中心的解释框架扩展至同时考虑内部生态系统过程和多功能耦合的方法，从而形成了一组更为多元化的评估方法和建模体系。在土地利用相关碳过程的研究中，人类活动对CE和CSI的直接和间接影响已受到广泛关注，能源消费强度、产业结构调整、建设用地扩张和农业活动强度等因素被反复确定为关键解释变量（Niu等，2024；Zhao等，2015；Fan等，2024；Hong等，2021；Xie等，2018）。现有研究已运用分解模型、空间回归和结构方程方法量化碳相关因子的贡献，并考察自然和人为变量的联合作用（Wang等，2017；Aziz和Chowdhury，2023；Song等，2019；Chen等，2022；Wang等，2019；Yang和Liu，2023；Yang等，2022）。然而，在高维变量、非线性关系和显著空间异质性条件下，传统方法往往难以准确刻画驱动因子间的交互作用及其空间变异性。此外，大多数现有研究基于单一时期或静态变量来识别驱动因子，而较少进一步比较不同时期主导因子的演变。这限制了对碳平衡阶段性转变机制的解释。在此背景下，优化参数地理探测器为在复杂环境系统中识别驱动因子提供了一种可行方法。通过对样本分层、空间分异适应和相互作用检测等关键设置的优化，该方法提高了对高维变量筛选的能力，并增强了非线性关系的量化（Fotheringham等，2017；Wang等，2016）。其因子探测器和相互作用检测器模块可同时评估单一因子的解释力以及成对因子之间协同或拮抗效应的强度，而空间分异分析进一步揭示了因子关联的空间变化。这有助于克服传统方法在表征多功能交互和空间异质性方面的局限性（Zhang等，2022）。尽管该方法已在环境监测（Zhang等，2025）等领域得到初步应用，但其在特殊地区区域碳平衡驱动机制识别中的应用仍十分有限，特别是在针对特定环境条件的参数优化和多时期比较方面。因此，本研究引入优化参数地理探测器，以更可靠地识别区域碳平衡的关键驱动因子及其交互特征，为区域层面的精细碳管理提供方法支持。

区域碳平衡的准确评估为土地利用优化提供了科学基础，而土地利用模拟研究的进展则为低碳空间调控提供了技术支撑。土地利用模拟模型、多情景分析和多目标优化已被广泛用于支持未来国土资源配置和可持续规划（Ji等，2025；Wang等，2025；Zhu等，2025；Yang等，2025；Wang等，2024；Marler和Arora，2010；Wang等，2022；Feng等，2024；Masoomi等，2013；Li和Parrott，2016）。在这些技术中，NSGA-III算法在土地利用优化中表现出很强的适应性和稳定性，这归因于其处理复杂多目标问题的效率（Hu等，2025）。其与intPLUS模型的结合（Liang等，2025）可以进一步将土地利用量优化结果转化为空间格局模拟，从而将"结构优化—空间配置—区域碳平衡评估"联系起来。低碳优化模拟是多目标优化的一个关键子领域（Li等，2025），通过建立多种低碳情景并整合生态模型评估结果，模拟未来土地利用的低碳路径。然而，当前对高原地区的研究仍存在明显局限。现有研究大多将CST或CE作为情景模拟后的评估结果，而很少将其预先纳入土地利用优化的核心约束之中。多目标优化与空间模拟之间仍存在脱节，难以同时回答"应优化多少"和"应优化在哪里"的问题。此外，高山高原特有的生态脆弱性、建设用地的聚集扩张以及草地碳库的稳定性尚未被充分纳入低碳情景设计之中。这些局限性制约了反映当地现实的低碳情景的发展，并削弱了土地利用优化结果对支持高山地区碳管理的能力。因此，本研究将CST、CSI、CE和净碳排放（NCE）的核算结果嵌入多目标优化过程，耦合NSGA-III与intPLUS模型，构建了一个针对高山高原地区的整合式"区域碳平衡评估—目标优化—空间模拟"框架。在识别碳平衡历史变化的基础上，该框架可进一步模拟不同发展情景下未来土地利用配置对碳源-碳汇关系的潜在空间调控路径。

总体而言，现有研究为碳核算、因子分析和土地利用模拟提供了重要基础，但仍存在若干知识缺口。第一，CST、CSI、CE和NCE通常被单独考察，难以将区域碳源-碳汇关系诊断为一个整合的碳平衡系统。第二，以往研究未将历史碳平衡评估、空间解释因子识别、土地利用结构优化和空间配置模拟充分连接为一条连续的分析和链。第三，具有强气候敏感性、高生态脆弱性和大量参数不确定性的高原地区在低碳土地利用优化研究中仍代表性不足。因此，本研究的具体创新并非提出单一新算法，而是将现有且广泛使用的模型整合到一个将CST–CSI–CE–NCE核算、优化参数地理探测器分析、NSGA-III多目标土地利用优化和intPLUS空间模拟相联系的连贯框架中。与聚焦于单一碳指标的研究相比，同时整合CST、CSI、CE和NCE推进了区域碳平衡研究，通过共同识别碳库状态、碳汇能力、排放压力和净源-汇结果，为高山高原地区的低碳空间规划提供了更直接的支持。

青海省素有"三江之源"（即长江、黄河和澜沧江之源）之称，是青藏高原的关键生态屏障，蕴藏着独特的高山生态系统。在高山气候、复杂地形和人类活动的共同扰动下，青海省的碳平衡面临从生态碳汇转变为净碳源的潜在风险。本研究构建了一个以"碳平衡评估—空间解释因子识别—低碳空间优化"为中心的综合框架，具体包括：（1）刻画青海省CST、CSI、CE和NCE的时空格局；（2）运用优化参数地理探测器模型，识别不同时期自然、土地利用、排放相关和社会经济因子的空间解释力及相互作用模式；（3）耦合NSGA-III与intPLUS模型，模拟和比较未来低碳土地利用情景，以调节青海省的区域碳平衡。研究结果旨在为青藏高原的碳中和路径提供科学依据，并为类似高山地区的区域碳平衡管理和低碳空间规划提供参考框架。

## 研究区域

青海省（31°39′–39°19′N，89°35′–103°04′E）位于青藏高原东北部边缘，是长江、黄河和澜沧江（湄公河）等主要河流的源头区域之一（图1），在中国的生态安全格局中发挥着重要作用（Shao等，2026）。该省以高海拔地形为主，海拔约1,657–6,672米。其地形总体上呈现从西北向东南的逐渐过渡。

## 研究框架

研究框架由三个部分组成（图2）。

首先，通过整合多源遥感、气象、土壤、能源消耗、社会经济和碳密度数据，对区域碳平衡进行了评估。结合IPCC系数法、碳平衡方程和InVEST模型，对碳储量（CST）、碳汇（CSI）、碳排放（CE）和净碳排放（NCE）进行了定量化和制图分析。随后，采用参数敏感性分析和跨研究比较来评估不确定性和区域合理性。其次，OPGD被

青海省碳储量（CST）的时空动态在2000—2023年间呈现先小幅上升、后下降、再部分恢复的趋势（图3）。CST总量从2000年的7.7593 Pg C增加到2005年的7.8008 Pg C，并在2010年达到7.8539 Pg C。随后下降至2015年的7.8338 Pg C和2020年的7.7090 Pg C，再于2023年恢复至7.7453 Pg C。2023年的数值仍比2010年峰值低1.38%，表明全省碳储量在2010年后并未持续增加，而是进入了一个波动且恢复不完全的阶段。

从碳汇稳定到净碳源：高原碳平衡的不对称响应

青海省区域碳平衡的演变反映了CST、CSI、CE和NCE之间的不对称响应，而非碳汇增强或排放减少的单向过程。在2000—2010年间，CST小幅增加，该省仍保持为净碳汇。这一特征与退耕还林工程和天然林保护等生态修复项目的实施一致，这些项目有助于植被恢复。

结论：本研究基于CST、CSI、CE和NCE，建立了一个综合的区域碳平衡评估与低碳空间优化框架，揭示了青海省在2000—2023年间碳源—碳汇关系的阶段性转变。青海从净碳汇转变为净碳源，NCE从2000年的?1345.62×10? t增加到2023年的1468.51×10? t。CE从655.80×10? t增加到3495.75×10? t，而CSI仅从2001.42×10? t略有增加。

CRediT作者贡献声明
李晓新：撰写—审阅与编辑，撰写—初稿，形式分析。
任磊：撰写—初稿，软件，方法学，资金获取，形式分析，概念构思。
李栋梁：软件，资源，方法学。
王建琼：软件，方法学，资金获取，形式分析。
李富刚：软件，方法学，形式分析。
关晓军：撰写—审阅与编辑，撰写—初稿，软件，概念构思。
郭春烨：软件。

未引用参考文献
Gao等，2026；Liu等，2024；Liu等，2024；Wang等，2023；Wu等，2025；Xian等，2025；Xu等，2026；Yang等，2025；Yang等，2025；Zhang等，2025；Zhang等，2022；Zhang和Song，2025；Zhang等，2025。

数据可用性：支持本研究结果的數據可向通讯作者合理请求获取。

利益冲突声明：作者声明，不存在可能影响本文所述工作的已知竞争性经济利益或个人关系。

致谢：本研究得到了气象能力建设联合研究项目（24NLTSQ012）、青海省气象局科研项目（编号：QXZD2026-9，QXGY2024-02）、青海省科技厅项目（编号：2025-SF-J07，2025-ZJ-737）的支持。

任磊 | 李晓新 | 关晓军 | 李富刚 | 王建琼 | 李栋梁 | 李红梅 | 杨浩 | 郭春烨