基于生态系统服务簇分析的城市生态空间碳汇能力综合提升

 

摘要:【目的】城市生态空间兼具多种生态系统服务与多元生态价值。评估生态系统服务、识别生态系统服务簇有助于揭示不同服务的空间分布格局，为武汉生态空间建设提供可行性参考，制定差异化碳汇能力提升策略，以助力武汉市生态文明建设，为实现“双碳”目标提供科学依据和实践路径。

 

【方法】以武汉市为例，选取与城市生态空间自然基底相关的碳储量、生境质量、水源涵养、水质净化、土壤保持5类模块，运用ArcGIS软件和InVES丁模型分别进行生态系统服务评估和空间制图，使用自组织特征映射((self-organizingfeaturemapping,SOM)聚类模型识别生态系统服务簇，并着重考虑碳汇与4类生态系统服务的组合关系。

 

【结果】根据生态系统服务簇的分布区域与组合模式，识别出生态均衡簇、生态保育簇、游憩水源簇、水土保育簇、人居环境簇、生态脆弱簇6类，再根据碳汇发育程度划分为碳汇保育区、碳汇潜力区、碳汇稀缺区3类分区。

 

【结论】基于碳汇能力提升重新审视生态系统服务簇，为分类、分区提升碳汇能力提供了一种新的思路和方法，对优化城市生态空间布局具有重要意义，更有助于绿色低碳发展，推动“双碳”目标实现。

 

现如今，高度城镇化的城市空间导致生态环境的压力日趋增加，生态环境与人民需求的供需间题逐步凸显。城市生态空间集聚多种生态系绷反务hl，承载着多元的生态价值，是增进民生福社的物质载体，也是赋能生态文明建设的具体实践战略Cpl，更对推动碳中和目标实现有着至关重要的作用f}l。成都环城生态公园已通过建设绿道、增绿提质，探索出生态空间可持续固碳增汇的新模式[4]0碳汇作为热点生态系统服务之一，是近年来备受关注的课题，上海生态空间专项规划阎、湖南常德海绵城市专项规划回、广东国土空间规划阴中均提出“控排”“稳碳”“增汇”的目标，以及蓝绿网络优化等低碳规划的实施路径。城市生态空间建设是实现“双碳”目标的重要推手，评估生态系统服务有助于量化多元生态价值，识别生态系统服务簇可有效推进城市生态空间规划部署和策略实施，以实现生态效益最大化，具有科学性与前瞻性。

 

生态系统服务指人类从生态系统中直接或间接受益的产品和服务同。千年生态系统评估(MillenniumEcosystemAssessment,MA)将生态系统服务界定为调节、支持、供给、文化4种服务类别网。生态系统服务簇指时空中重复出现的多个生态系统服务的集合，可对区域内主导的生态系统服务进行识别，分析多重生态系统服务之间的权衡与协同关系。

 

城市生态空间在固碳增汇、气体净化、水土保持、水质调节、土壤保持、城市降温、维持生物多样性等生态调节方面对城市的可持续发展与，’双碳”目标的实现存在重要作用。目前，已有大量研究利用InVEST模型对各地生态系统服务中的碳储量模块[[11]、生境质量模块[[1ZJ、生物多样性模块[13]等进行生态价值评估，同时基于土地利用类型变化[115[，运用FLUS,CA-Markov等模型进行多情景模拟，但单一因子难以指导极具差异化的大尺度市域生态空间建设，需综合考虑多因子的协同作用来制定规划政策。因此，中国学者对各区域开展了生态系统服务簇的研究，张雅茹等[[16]分析了淄博的6类生态系统服务，并识别出4类生态系统服务簇，以期推动公园城市全面建设;部分学者对东北地区[ft}J雄安新区[1ffi等地的生态系统服务簇进行评估与分析;还有学者在对生态系统服务簇进行分析后，根据生态用地功能制定分区I;l、分级(}1、分类[21]策略。

 

在各类生态系统服务指导城市生态空间的保护与利用方面，尤其是多因子协同作用下的生态系统服务簇与生态价值量化，现有研究较为薄弱，有待进一步深入。因此，本研究试图弥补当前的研究短板，结合城市生态空间建设，创新性地提出以碳汇发育程度来识别生态系统服务簇的方法，将生态空间建设和“双碳”目标有机地联系起来，探讨碳汇能力综合提升背景下城市生态空间的规划策略，构建碳汇能力可持续提升体系。

 

综上所述，面对生态空间建设的实践挑战，单一的生态系统服务评估方法在理解生态服务之间的权衡和协同关系方面存在局限性，因此难以应对地区性的复杂问题f}。大量研究引入生态系统服务簇对区域进行效益评估与规划指导，但目前还未形成适用于差异化区域的通用类模型城市生态空间具有多种类别的生态功能，而高质量的生境是实现这些功能的基础条件。对生态空间的生态系统服务组合进行研究，能够反映生态系统服务簇多维度和整体性的优点。这种研究方式不仅能全面评估生态系统，还能为区域决策和策略制定提供综合性的支持[f}-}l。因此，本研究以武汉市为研究区域，特别关注与生态空间建设相关的自然因素，并全面评估武汉市的5类生态系统服务功能。针对武汉大江大湖的地域特色，构建理论框架以识别具有不同碳汇发育程度的生态系统服务簇，从而提升城市碳汇能力，助力生态文明建设，推动“双碳”目标实现。

 

1研究区域与研究方法

 

1.1研究区域概况

 

武汉市位于长江中游，江汉平原东部，自古形成武昌、汉口、汉阳三镇。武汉是湖北省省会城市，处于中国腹地中心(113041'}115005'E,29058'31022'N，承担着中国重要交通枢纽的责任，有“九省通街”之称。全市总面积8569.15km2，建成区面积885.11km2,内辖13个行政区，常住人口为1365万人。总体地形以平原为主，三面环山，中部平坦，南北部为丘陵，北部山林共生，土地利用类型的变化是导致生境质量差异化的主要因素}zs-}0武汉市林地面积共1500km2，其中森林面积近1270kmZ，是陆地生态系统中贡献碳储量的重要基地。

 

市域内湖泊密布、河网交织，水域面积约占全市总面积的26%，有“百湖之市”之名;淡水资源充沛，蓄水能力极强，享“湿地之城”之誉。因此，武汉湿地的固碳潜力不容忽视。同时，因得天独厚的自然条件，动植物资源丰富、种类繁多。武汉市属于亚热带湿润季风气候，由于地形特点难以散热，具有夏热冬冷、阳光充足、雨水丰沛的特点，年均降水量约为1巧。~，年平均气温为17.3。武汉的大江大河特色为城市生态空间建设提供了优质的资源享赋与自然载体。

 

1.2数据来源

 

本研究使用的主要数据包括土地利用数据、气象数据、数字高程模型(digitalelevationmodel,DEM)、土壤数据等，其中土地覆盖数据(2020年)来源于中国科学院，精度为30mx30m;DEM数据来源于ALOS(AdvancedLandObservingSatellite)全球高程数据，精度为30mx30m。其余数据来源见表1。

 

1.3研究思路与框架

 

城市生态空间兼具多种生态调节服务与多元生态价值[32-33]。对于城市生态空间建设，全域尺度的生态系统服务评估和生态系统服务簇研究有助于理解城市生态系统的多元性与复杂性。

 

已有多项研究结果表明:碳储量与生境质量}l、土壤保持呈正相关关系}ts}，且碳汇效益在林地中最为突出l}};而降水是影响植被碳储量的重要因子之}1}}。因此，本研究筛选出与城市生态空间建设的自然条件息息相关的5种模块，运用InVEST模型对武汉市的碳储量、生境质量、水源涵养、水质净化、土壤保持模块进行单项生态系统服务评估;随后，运用自组织特征映射((self-organizingfeaturemapping;SOM)模型进行聚类分析，识别生态系统服务簇，再导入ArcGIS进行空间制图与可视化表达:以1kmxlkm的网格(统计单元)对研究区域内不同类型的生态系统服务簇进行提取，识别出6类生态系统服务簇，再按照碳汇发育程度划分为碳汇保育区、碳汇潜力区、碳汇稀缺区3类分区;分类、分区提出城市生态空间规划策略和碳汇能力提升建议(图1)。

 

1.4数抿沏i算

 

1.4.1单项生态系统服务评估

 

本研究使用InVEST模型测算武汉市碳储量、生境质量、水源涵养、水质净化、土壤保持5种生态系统服务(表2)。该模型的使用有助于直观了解生态系统服务的空间分布与演化模式，为规划者、管理者制定决策提供科学依据。

 

1)碳储量利用InVEST模型中的碳模块进行估算，将地上生物量、地下生物量、土壤碳储量和死亡有机物4个碳库的碳密度相加，再与各类土地利用类型的面积相乘阴，来计算某区域的碳储量，并分析时空分布特征。通过评估城市绿地和植被对碳的吸收和储存能力，可量化碳储量，从而助力城市绿色低碳发展。

 

2)生境质量是反映生态系统提供适宜的生存条件的能力，影响着生物的生存环境与人类福社。已有研究表明，生境质量易受到人为活动的影响，是权衡生物多样性的重要指标附，因此生境质量模块通过土地利用类型将生境与胁迫因子敏感度、距离等因素建立联系，并结合生境威胁水平等参数进行估算。

 

3)水源涵养模块先基于水量平衡原理计算水产量，再利用地形指数、流速系数和土壤饱和导水率进行修正[pan。测算水产量能够预测并管理城市地表环境的水资源供应情况，分析生态及人类活动的水资源需求，评估城市抵抗洪涝等灾害的能力，提升水生态韧性。

 

4)水质净化模块根据不同土地利用类型内植物、土壤对污染物的移除率与氮营养物的截留率来反映水质净化状况，该模块只考虑非点源污染，氮输出越低，水质净化能力越强，测算氮滞留有助于分析城市中营养物质的运输和淤积，帮助管理部门保护水源地并维护水生态环境的健康。

 

5)土壤保持模块利用潜在土壤侵蚀量与现实土壤侵蚀量的差值来估算土壤侵蚀量[[43]进而得出土壤保持量。测算土壤滞留能帮助分析城市中的土壤侵蚀和沉积情况，通过景观管理手段降低水体浑浊度。

 

1.4.2生态系绷及务簇识别

 

SOM是一种无监督自学习的神经网络模型叫，可根据时空中多因子的内在规律与相关性进行聚类分析。该模型反映了一组数据本原的联系，有效减少了主观比因素的干扰t4?-4sl具有较高的参考价值，已在生态系统评价[t491功能分类tso}、分级维度tsy等领域做出贡献。SOM模型的网络结构由输入层和输出层组成，生成的聚类保留了原有的拓扑结构，映射到二维平面或曲面上，其算法的实现过程大致如下[tsz-sad。1)0初始化:给输出层各个神经元7赋权值W}(j=1，2..‘，。)，并进行归一化处理，得到权值向量w}(t)，同时设置较大的初始优胜邻域;a)确定优胜神经元:选取样本:X;(i=1,2...,。)并计算X;与各个节点间的距离d;，从而确定距离样本X;最近的神经元作为优胜神经元i(x),i(x)使用欧氏距离计算d;，计算式为一mind;,i通常。