一种城市群县级尺度植被固碳量驱动贡献分析方法及系统

摘要

本发明公开了一种城市群县级尺度植被固碳量驱动贡献分析方法及系统，涉及生态环境科学技术领域。基于植被固碳量以及驱动变量，获取数据，数据包括植被净初级生产力NPP以及驱动变量；通过植被净初级生产力NPP计算城市群县级尺度的陆地植被固碳量；利用归因分析框架构建植被固碳量与多个驱动变量之间的关系模型；对关系模型进行计算，得到各驱动变量对于各县域植被固碳量变化的相对贡献值；根据相对贡献值确定植被碳量变化的主导驱动因素；根据主导驱动因素生成城市群县级尺度植被固碳量驱动贡献报告。通过本发明能够为快速城市化地区县级尺度制定积极合理的基于自然解决方案的“双碳”政策提供科技支撑。

说明书

技术领域

本发明涉及生态环境科学技术领域，更具体的说是涉及一种城市群县级尺度植被固碳量驱动贡献分析方法及系统。

背景技术

陆地生态系统是巨大的碳汇，在全球碳平衡中发挥着重要作用。通过巩固和提升陆地生态系统碳汇功能，可有效支撑碳达峰碳中和(简称“双碳”)目标。

人类活动对生态系统碳汇影响是复杂的，一方面由于工业化和城市化迅猛发展导致全球生态系统严重退化、碳汇功能下降；另一方面，退耕还林、植树造林等生态恢复项目的实施对改善退化生态系统和加强碳储量做出了重要贡献。研究证实，CO

但在现有技术中，生态系统碳汇响应CO

因此，对本领域技术人员来说，如何提供一种城市群县级尺度植被固碳量驱动贡献分析方法及系统是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种城市群县级尺度植被固碳量驱动贡献分析方法及系统，在城市群县级尺度植被固碳量时空演化特征基础上，通过一阶偏导归因分析人为活动、CO

为了实现上述目的，本发明采用如下技术方案：

一种城市群县级尺度植被固碳量驱动贡献分析方法，具体步骤包括如下：

获取数据，所述数据包括植被净初级生产力NPP以及驱动变量；

通过植被净初级生产力NPP计算城市群县级尺度的陆地植被固碳量；

利用归因分析框架构建所述植被固碳量与多个所述驱动变量之间的关系模型；

对所述关系模型进行计算，得到各驱动变量对于各县域植被固碳量变化的相对贡献值；

根据相对贡献值确定植被碳量变化的主导驱动因素；

根据所述主导驱动因素生成城市群县级尺度植被固碳量驱动贡献报告。

优选的，所述通过植被净初级生产力NPP计算城市群县级尺度的植被固碳量的具体公式为：

W

W

式中，W

优选的，所述驱动变量包括：人口密度、气候变化、CO

优选的，所述关系模型为：

CS＝f(POP，NTL，AAF，POG，POW，TP，TEM，SSRD，SP，CO

式中，CS表示陆地植被固碳量，POP表示人口密度，NTL表示降水量，AAF表示累计造林面积，POG表示城市绿色空间面积占比，POW表示城市湿地面积占比，TP表示降雨量，TEM表示瞬时2m地表气温，SSRD表示地表太阳向下辐射，SP表示大气压力，CO

优选的，对所述关系模型进行计算，包括：根据所述关系模型，预设植被固碳量与驱动变量之间存在线性关系，一阶偏导方程推导如下：

式中，其中，

分别表示POP、NTL、AAF、POG、POW、TP、TEM、SSRD、SP、CO

优选的，计算城市群每个县域人口密度、气候变化、CO

slope CS＝HUMAN+CLIMATE+CO

式中，R

优选的，所述根据相对贡献值确定植被碳量变化主导驱动因素，包括：

根据各驱动变量对于该县域植被固碳量变化的相对贡献值的绝对值，分析驱动因素贡献特征；

根据驱动因素贡献特征，确定植被碳量变化主导驱动因素。

优选的，所述根据所述主导驱动因素生成城市群县级尺度植被固碳量驱动贡献报告，包括：

根据所述主导驱动因素分析植被固碳量变化及原因，制定系统性城市生态功能提升策略，并生成城市群县级尺度植被固碳量驱动贡献报告并输出。

另一方面，本发明还提供了一种城市群县级尺度植被固碳量驱动贡献分析系统，包括：

获取模块，用于获取数据，所述数据包括植被净初级生产力NPP以及驱动变量；

计算模块，与所述获取模块连接，用于通过植被净初级生产力NPP计算城市群县级尺度的陆地植被固碳量；

构建模块，与所述计算连接，利用归因分析框架构建所述植被固碳量与多个所述驱动变量之间的关系模型；

处理模块，与所述构建模块连接，用于对所述关系模型进行计算，得到各驱动变量对于各县域植被固碳量变化的相对贡献值；

分析模块，与所述处理模块连接，用于根据相对贡献值确定植被碳量变化主导驱动因素；

输出模块，与所述分析模块连接，用于根据所述主导驱动因素生成城市群县级尺度植被固碳量驱动贡献报告。

经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种城市群县级尺度植被固碳量驱动贡献分析方法及系统，建立人口密度、气候变化、CO

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明的方法流程图；

图2为长三角城市群县域CS变化模型拟合散点图；

图3为本发明的系统结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种城市群县级尺度植被固碳量驱动贡献分析方法，如图1所示，具体步骤包括如下：

获取数据，数据包括植被净初级生产力NPP以及驱动变量；

通过植被净初级生产力NPP计算城市群县级尺度的陆地植被固碳量；

利用归因分析框架构建植被固碳量与多个驱动变量之间的关系模型；

对关系模型进行计算，得到各驱动变量对于各县域植被固碳量变化的相对贡献值；

根据相对贡献值确定植被碳量变化的主导驱动因素；

根据主导驱动因素生成城市群县级尺度植被固碳量驱动贡献报告。

具体的，在本实施例中，以长三角城市群为研究对象，运用本发明方法分析长三角城市群县级尺度植被固碳量驱动贡献。

具体的，研究数据分为两类：净初级生产量(Net Primary Production,NPP)数据和CS驱动数据，具体信息见表1。NPP数据来自The Land Processes Distributed ActiveArchive Center(LP DAAC)，版本为MOD17A3 HGF.061，其空间分辨率为500m，主要用于核算陆地生态系统固碳量。CS驱动数据包括气候变化、人为活动、CO

表1长三角城市群CS及其驱动数据

在表1中，CS、POP、NTL、AAF、POG、POW、TP、TEM、SSRD、SP、CO

在一个具体实施例中，由绿色植物光合作用化学方程式：

而固定时段内植被光合作用产生的干物质与NPP为2.2倍关系，长三角城市群县级尺度CS可通过NPP估算得到：

W

W

式中，W

在本实施例中，利用归因分析框架构建植被固碳量与多个驱动变量之间的关系模型；对关系模型进行计算，得到各驱动变量对于各县域植被固碳量变化的相对贡献值；具体的实施过程说明如下：

为了估计人为活动(HUMAN)、气候变化(CLIMATE)、CO

CS＝f(POP，NTL，AAF，POG，POW，TP，TEM，SSRD，SP，CO

其中，CS表示陆地植被固碳量，POP表示人口密度，NTL表示降水量，AAF表示累计造林面积，POG表示城市绿色空间面积占比，POW表示城市湿地面积占比，TP表示降雨量，TEM表示瞬时2m地表气温，SSRD表示地表太阳向下辐射，SP表示大气压力，CO

其中，

slope CS＝HUMAN+CLIMATE+CO

其中，R

在本实施例中，通过城市群县级尺度植被固碳量时空演化特征基础上，通过一阶偏导归因分析方法探究人为活动、CO

通过上述，计算了某个阶段内的各驱动变量的驱动贡献值，为了更加准确的分析城市群县级尺度植被固碳量驱动贡献，因此，根据不同时间段的各驱动变量的驱动贡献值得到相对贡献率最大的作为影响植被固碳量变化的主导因素。

在实施例中，根据相对贡献值确定植被碳量变化的主导驱动因素具体的实施过程说明如下：

在归因分析之前，通过式(5)以测试在拟合CS变化趋势方面的精度，在lambda为12.51时岭回归模型表现最优。如图2所示，12个驱动变量的模拟CS Sen′s slope与202个县的测定CS Sen′s slope有显著的线性关系(p<1×10

利用式(6)～(10)估算了12个驱动变量对2001—2020年CS变化的相对贡献。虽然12个驱动因素中没有单独某个因素对所有县域CS变化是全部正向或负向的，但是驱动因素在空间上的异质性效应比较显著，而且部分驱动因素在部分地区驱动幅度非常大，这表明了城市化地区CS驱动的复杂性。

在一个具体实施例中，根据各驱动变量对于该县域植被固碳量变化的相对贡献值的绝对值，分析驱动因素贡献特征；

根据驱动因素贡献特征，确定植被碳量变化主导驱动因素。

具体的，相对贡献率最大的驱动因素被确定为CS变化的主导因素。

在一个具体实施例中，根据所述主导驱动因素生成城市群县级尺度植被固碳量驱动贡献报告，包括：

根据所述主导驱动因素分析植被固碳量变化及原因，制定系统性城市生态功能提升策略，并生成城市群县级尺度植被固碳量驱动贡献报告并输出。

具体的，结果分析为：

植被固碳量及驱动因素变化时空特征：

1.植被固碳量

2001—2020年长三角城市群县域CS最高值区间(5.54,9.59]×10

统计可知，2001—2020年长三角城市群有156个县域CS上升占比77.23％，46个县域CS下降占比22.77％；其中，安徽省CS增加13.10×10

从空间变化来看，CS变化体现出西北部平原县域显著增加而东南部县域下降时空特征。CS变化热点和冷点地区均有显著性聚集特征且与Sen′s slope格局吻合，99％置信度的热点地区主要包括江苏省滨海县、大丰区、东台市、亭湖区、射阳县、响水县，安徽省凤阳县、岳西县、太湖县、宁国市、郎溪县、广德市以及浙江省长兴县、安吉县，共14个县域；95％置信度以上的冷点地区主要包括浙南地区乐清市、余姚市，以及浙北苏南与上海高度城市化的连片地区，包括青浦区、乐清市等20个县区市。

2.植被固碳量驱动因素

在人为活动方面，2001—2020年苏北和皖东地区人口密度呈下降趋势，而上海、南京、苏州、杭州、合肥、温州、宁波等夜间灯光迅猛增加的发达城市的人口密度呈迅速增加趋势，这体现了高度城市化地区经济和人口高密度的特征。除了极个别城市空间有限的主城区，长三角绝大部分县域均开展了植树造林工程，其中安徽和江苏大部分地区开展植树造林工程的累积趋势要高于上海和浙江，总体上从主城区到周边县域AAF呈增加趋势。从土地利用结构来看，2001—2020年长三角城市群绿地增加的县域为7个，其他县域绿地下降幅度分别呈现出从主城区向周边县域和从沿海向内陆递减的态势；而安徽、江苏和浙北地区的湿地呈现出较大范围的增加趋势。

在气候变化方面各驱动因素的空间特征差异较大。降雨在浙北和浙南地区出现了显著差异，浙南趋于干旱而浙北相反；气温增加趋势呈现出沿海向内陆递减的空间格局；地表太阳向下辐射均是下降趋势，即长三角城市群辐射变暗，以浙江北部向外逐渐趋势放缓；绝大部分地区气压呈增加态势，尤以长三角城市群北部地区气压增加趋势较高。总体而言，2001—2020年整个长三角城市群区域都经历了明显的气候变化，并呈现出增湿增热变暗升压的趋势，同时空间差异性显著。

2001—2020年长三角城市群地区CO

在一个具体实施例中，通过本发明的上述技术方案，得到以下结论：氮沉降对绝大部分县域CS增加呈正向驱动作用关系，且已经成为长三角城市群5个县域CS增加的主导因素，随着未来氮沉降进一步增加这种驱动效应可能进一步增强。

通过上述技术方案可知，快速城市化地区陆地生态系统固碳量影响因素驱动贡献和主导因素得到良好辨识，有利于更加精细尺度上的充分的分析，提高分析的准确度，能够对城市生态系统的科学认识和对城市更新、新型城镇化等城市生态保护政策措施的科学实施奠定良好的基础。

另一方面，提供一种城市群县级尺度植被固碳量驱动贡献分析系统，如图3所示，包括：

获取模块，用于获取数据，数据包括植被净初级生产力NPP以及驱动变量；

计算模块，与所述获取模块连接，用于通过植被净初级生产力NPP计算城市群县级尺度的陆地植被固碳量；

构建模块，与所述计算连接，利用归因分析框架构建所述植被固碳量与多个所述驱动变量之间的关系模型；

处理模块，与所述构建模块连接，用于对所述关系模型进行计算，得到各驱动变量对于各县域植被固碳量变化的相对贡献值；

分析模块，与所述处理模块连接，用于根据相对贡献值确定植被碳量变化主导驱动因素；

输出模块，与所述分析模块连接，用于根据所述主导驱动因素生成城市群县级尺度植被固碳量驱动贡献报告。

对于实施例公开的系统装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

本实施例在分析2001—2020年长三角城市群县级尺度植被固碳量时空特征基础上，通过一阶偏导归因分析方法探究了人为活动、气候变化、CO

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。