1. 引言
党的二十大报告指出，协同推进降碳、减污、扩绿、增长，推进生态优先、节约集约、绿色低碳发展。旨在要求我们增强生态环境保护力度，推动绿色低碳发展，以应对全球气候变化。然而城市化进程的快速推进，大量自然土地转化为不透水面，削弱了城市固碳能力，加之人类生产生活中二氧化碳的大量排放，加剧了城市碳收支失衡，加剧了全球气候变暖趋势[1] [2]。因此，在城市规划中如何有效增强城市碳汇，调节碳平衡，已成为城市可持续发展的紧迫任务，也是当前亟需解决的重要课题[3]。
增加绿地面积和实施植树造林可以提升碳汇，缓解气候变暖[4]。为了评估植被的增汇效果，学者们进行了一系列的研究。例如中国北方地区植树造林增加了约9.13亿吨碳汇[5]；近30年黄土高原植被恢复带来了51.1 Tg C的碳汇增加量[6] [7]。这些研究大多聚焦于区域性分析以及不同城市之间的比较。然而，由于城乡在自然和社会等因素的不同，城乡之间植被的增汇效应可能会存在差异，而相关方面的研究尚不够深入。此外，为了更有效评估植被的增汇效应，结合相关研究[8]，我们引入了碳汇效率的概念，即单位植被丰富度(如1%植被覆盖度)引起的碳汇增加值，这一指标有助于量化植被对碳汇贡献的效率，对加强城市规划和生态保护提供支持。
本文选取福建省作为研究对象，深入探讨了2000~2020年植被覆盖增加引起的城乡尺度上的碳汇变化。在此基础上，进一步量化城乡碳汇效率差异。本文旨在理解城乡植被增汇规律，为实施差别化的城市规划策略提供借鉴。
2. 数据来源与研究方法
2.1. 研究区概况
福建省(图1)，地理坐标范围为(115˚50'~120˚40'E、23˚33'~28˚20'N)，地处东南沿海，包含福州、莆田、宁德、三明、漳州、泉州、厦门、南平和龙岩共9个地市。福建省地貌主要为山地丘陵，素有“八山一水一分田”之称。该地区为亚热带季风气候，夏季高温多雨，冬季温和少雨，降水量丰富。区域内森林资源丰富，覆盖率达65%以上，位居全国第一，是重要的碳汇贡献区。
Figure 1. Overview of the study area
图1. 研究区概况
2.2. 数据来源
研究中2000~2020年土地利用数据集(CLCD)是基于Landsat遥感观测图像在谷歌地球引擎(Google Earth Engine, GEE)中生成的，空间分辨率为30 m [9]。CLCD将土地利用类型分为农田、森林、灌木、草原、水域、雪/冰、不透水面、湿地和未利用土地。使用植被净初级生产力(Net primary productivity, NPP)表征植被碳汇，NPP数据源自MODIS (MOD17A3HGF V6)产品，空间分辨率为500 m × 500 m。基于GEE将MOD17A3HGF V6提供的8天净初级生产力产品合成年度均值数据，生成2000~2020年年度均值NPP数据集。植被覆盖数据集来自MOD13A1，空间分辨率为500 m × 500 m，采用16天内最佳像素进行合成。植被覆盖度的范围从0%到100%，表示无植被覆盖到完全植被覆盖。
2.3. 研究方法
2.3.1. 城乡梯度识别
城市化过程中，城市地区受人为扰动强烈，大量植被被不透水面取代，植被碳汇减少。但是，城市化进程对植被环境造成，也会产生正面影响[10]。相比之下，农村受人类扰动较小，这可能导致植被碳汇变化状况有差异。基于此，本研究利用不透水面所占面积比例划分城乡空间[11]。基于2000~2020年土地利用数据集(CLCD)，对各城市城市化过程中的城乡空间进行划分。为准确划分城乡空间梯度，避免水体的干扰[12] [13]，本文选取不透水面、农田、森林、灌木、草地和湿地六种土地类型，基于500 m的网格，统计各个网格中不透水面覆盖的面积占比来划定城乡水平。根据相关文献[14]研究将城乡梯度划分为城市地区和农村。不透水面面积占比超过50%的地区定义为城市地区，不透水面面积占比小于25%定义为农村，市域范围为整个城市。
2.3.2. 碳汇变化和碳汇效率量化
准确衡量植被覆盖变化对碳汇的贡献是评价城市植被的碳汇效应的关键。本文借鉴相关文献和中国植被覆盖度划分标准，将植被覆盖度低于30%的地区划分为低植被覆盖区[15] [16]。城市景观划分为两类：植被覆盖度低于30%和超过30%的城市景观。Cv (Carbon Sink Variation, Cv)被定义为不同植被覆盖条件下城市植被碳汇(Carbon Sink, C)与标准碳汇之间(Standard Carbon Sink, SC)的差值。标准碳汇(SC)定义为每个城市中植被覆盖度低于30%的平均植被碳汇值。当Cv大于0表明城市植被覆盖度与碳汇正相关，即增汇效应。同理，当Cv小于0表明植被覆盖度与碳汇之间的减汇效应。此外，碳汇变化效率(Carbon Sink Variation Efficiency, Cve)被定义为植被覆盖度增加1%的碳汇变化。Cv和Cve公式如下。
(1)
(2)
其中，FVC表示某一网格的实际植被覆盖度，FVCST表示某一网格中小于30%的植被覆盖度的平均值。各个城市的Cv和Cve基于网格数据求平均值。
在此基础上，为了探究Cv和Cve与植被覆盖之间的复杂响应关系，本文对不同年份和城乡梯度下的二者关系进行非线性拟合。
3. 结果分析
3.1. 植被碳汇变化的时空演变趋势
Figure 2. Cv on time scales and urban-rural gradients
图2. 时间尺度和城乡梯度下的Cv
福建省的Cv在2000~2020年呈现明显的时空异质性。20年间，福建省市域范围内的平均Cv值为245.85 gC/m2，呈现明显的增汇效应。具体来看，福建省的Cv值从2000年的194.77 gC/m2增加到2010年的234.18 gC/m2，最后增加到2020年的300.64 gC/m2，表明植被的增汇效应在不断增强(图2)。福建省近年来出台了国土绿化规划和林业碳汇专项发展规划等相关规划措施，在加强生态系统保护，稳步扩绿增汇方面取得了长足进展。从空间上来看，高Cv值主要集中在东部沿海地区，例如漳州、莆田和泉州，这些城市靠近海洋，受海洋性气候影响，沿海城市降水较多，相对来说具有更高的湿度，有利于植被的生长，增汇效应可能会更强(图3)。
从城乡尺度来看，碳汇变化也具有时空差异特征。研究期内，福建省城市地区的Cv值为96.85 gC/m2，明显低于农村地区的Cv值为225.32 gC/m2，农村地区的增汇效应是城市地区的1.33倍(图2)。未来要继续增强城市地区的植被管理，增加城市植被的增汇效应。20年间，城市地区的Cv值最低的年份为2010年，为73.75 gC/m2，最高的年份为2000年的115.83 gC/m2。与2010年相比，2020年城市地区Cv增加了36.15 gC/m2。这可能与福建省的快速城镇化进程造成城市大量绿地转化为不透水面，导致城市增汇效应的下降，然而随着福建省扩绿增汇措施的推进，城市地区绿化提升有助于碳汇效应的提高。农村地区的Cv值不断提升，从2000年的181.91 gC/m2增加到2010年的202.73 gC/m2再增加到2020年284.3 gC/m2，20年间增加幅度为56.29%，表明农村地区的增汇效应一直在增强，且增强幅度较大。从空间上来看，城市地区和农村地区具有相似的空间分布，高Cv地区主要位于沿海城市(图3)。在城市地区和农村地区，20年间具有增长趋势的城市比重分别为55.56%和77.78%，其中龙岩的城市地区增汇最多，增加了1.49 gC/m2，宁德的农村地区增汇最多，增加了7.57 gC/m2。城乡尺度上的植被增汇效应的差异反映了城市地区在面对气候变化时的脆弱性，原因可能是不同的自然和社会环境。因此，未来在城乡植被的管理上要进行差异化的分区管理，以实现更高效的植被碳汇水平的提升。
Figure 3. Spatial distribution of Cv in Fujian Province under urban-rural gradient
图3. 城乡梯度下福建省Cv空间分布
3.2. 非线性拟合下植被的碳汇变化
为进一步分析植被的碳汇效应，本文利用非线性拟合模型，在网格尺度下分析植被覆盖变化对植被碳汇的动态变化，重点强调植树造林引起的植被增汇轨迹的时空异质性。总的来说，植被覆盖度与Cv之间的关联显示出非线性特征(图4)。植被覆盖度的增加，植被的增汇能力随之加强，但存在明显的拐点。植被覆盖度超过此拐点之后，植被的增汇效应有所减弱。在未来的植被的管理中，要充分将植被覆盖度的拐点效应纳入考虑，以便实现最大的碳汇效益。随着时间的推移，在相同的植被覆盖度下，植被的Cv值变高，表明植被在增加碳汇方面的水平有所提升。福建省在加强生态强省建设方面展现出了坚定的决心和持续的努力，致力于实现生态文明的全面发展。出台相关政策和措施，不断推进生态保护和绿色发展，以确保“高颜值”生态建设和“高素质”经济发展协同进步。
Figure 4. Nonlinear fitting of vegetation cover to Cv at grid scale
图4. 网格尺度下植被覆盖度对Cv的非线性拟合
3.3. 植被碳汇效率的时空演变趋势
为进一步探究植树造林对碳汇的增汇效应，在Cv的基础上，本文探究了植被覆盖率每增加1%造成的碳汇变化，即Cve。福建省的Cve也具有明显的差异特征。2000~2020年，福建省城市的Cve平均值为9.9 gC/m2/%，即植被覆盖度每增加1%，植被碳汇增加9.9 gC/m2 (图5)。具体来看，福建省的Cve值从2000年的8.59 gC/m2/%增加到2010年的9.13 gC/m2/%再增加到2020年的11.99 gC/m2/%。20年间福建省Cve增加了3.4 gC/m2/%，表明福建省植被的增汇效率在不断提升。空间上，高Cve地区与Cv具有相似的空间分布特征，沿海地区植被的碳汇效率较高，例如漳州、泉州和宁德(图6)。20年间，所有的城市碳汇效率都在上升，其中上升最快的是龙岩，20年间的增加值为7 gC/m2/%。龙岩市积极加强高质量绿色发展，统筹推进国土森林绿化，森林覆盖率长期居于全省首位。这些措施不仅提升了植被覆盖率和碳汇能力，同时促进了当地生态环境的优化，为可持续发展注入动力。
Figure 5. Cve on time scales and urban-rural gradients
图5. 时间尺度和城乡梯度下的Cve
城乡梯度上，2000年~20020年城市地区的Cve值为6.72 gC/m2/%，低于农村地区的9.4 gC/m2/%，表明农村比城市有更高的碳汇效率，即每增加1%的植被覆盖度，农村地区比城市地区多增汇2.68 gC/m2 (图5)。其中，三明和厦门城乡之间的Cve差异较大，分别为7.98 gC/m2/%和7.83 gC/m2/%，未来要重点加强对这两个城市城乡之间植被的差异性管理。20年间城市和农村地区的碳汇效率都为正值，表明植被覆盖度的增加都会带来碳汇的增加。然而，20年间不同城市城乡梯度上的Cve变化趋势不同。77.8%的城市的农村地区Cve呈现增加趋势，其中南平和三明的碳汇效率呈现下降趋势。然而，只有44.5%的城市的城市地区Cve呈上升趋势，其中福州、宁德等地的城市地区Cve下降幅度最大。城市地区Cve的下降主要是由于城镇化的快速推进，植被碳汇效率受到人为干扰影响大。福建省在推动生态文明建设中已取得了显著的成效，推动了福建省在生态环境保护的发展。但在未来的发展中，福建省需要进一步增强城市地区植被的碳汇效率，以应对城市化带来的挑战。这需要我们更加重视提供高质量的城市绿化，通过科学合理地规划和管理，增强城市植被的生态服务功能。同时，推动城乡之间碳汇效率的协同推进，实现区域生态平衡发展。
Figure 6. Spatial distribution of Cve in Fujian Province under urban-rural gradient
图6. 城乡梯度下福建省Cve空间分布
3.4. 非线性拟合下植被的碳汇效率
本文进一步对福建省植被降温效率进行了网格尺度分析，深入探讨城乡梯度上Cve时空变化轨迹以及拐点效应(图7)。研究发现，Cve与植被覆盖具有非线性特征。具体而言，植被覆盖度的增加提升碳汇效率，但在高植被覆盖度下，植被的碳汇效率可能会遭遇拐点，出现减弱现象。这一拐点效应表明，在达到一定植被覆盖度后，进一步增加植被可能不会显著提升碳汇效率，反而可能因为植被间的竞争机制而降低增汇效率。此外，随着时间的推移，Cve的拟合曲线趋于平缓，表明植被的碳汇效率逐渐达到饱和状态，表明福建省在增强植被增汇方面的努力已经取得了积极成效。城乡尺度上，农村地区的拟合曲线整体比城市地区高，说明网格尺度上农村地区的碳汇效率高于城市地区。城市部分网格Cve值为负数，呈现减汇效应，表明福建省在城市的植被管理中存在不足，未来要加强城市植被的质量，以增强城市植被的增汇效率。城乡之间由于自然和社会环境差异导致了植被的增汇效率的不同。因此，未来的植被管理策略应当考虑到城乡之间的差异化管理和植被的拐点效应，以实现更加精细化和有效的植被增汇。
Figure 7. Nonlinear fitting of vegetation cover to Cve at grid scale
图7. 网格尺度下植被覆盖度对Cve非线性拟合
4. 结论
本文以福建省作为研究对象，全面系统性评估了2000~2020年植被的碳汇变化和碳汇效率。研究聚焦不同城市以及城乡之间植被增加碳汇的效果，从时间和空间两个维度进行深入探究，同时量化了植被覆盖与碳汇变化的非线性特征。主要结论如下：
(1) 福建省的植被整体呈现增汇趋势，增汇效应随时间变化在不断增强。Cv和Cve在空间上表现出“东高西低”的空间格局。
(2) 城乡尺度上，城乡之间的植被增汇效应存在显著差异，农村地区的植被增汇效应大于城市地区。
(3) 植被覆盖度与植被的增汇效应之间的关系存在非线性特征，达到一定植被覆盖度之后，植被的增汇效应会变缓，在植被的管理中，应考虑植被覆盖度的合理上限。
本研究的结论对于理解和指导福建省的植被碳汇管理具有重要的科学价值和实践意义。它强调了在城市化的背景下，如何通过合理的城市规划和植被管理来提升城市地区的碳汇效率，以及如何实现城乡之间碳汇效率的协同推进。未来研究可以进一步探索不同植被类型、土地利用变化以及其他环境因素对碳汇效率的影响，以期为实现区域生态平衡和可持续发展提供更加精细化的管理策略。