摘要：为探究流域尺度下碳储量的时空变化特征及其驱动机制，以漾弓江流域为例，结合样地调查结果与遥感数据，综合应用PLUS-InVEST-GeoDetector模型，分析1980～2020年漾弓江流域土地利用和碳储量的时空演变特征，模拟2030年和2060年不同情景下的碳储量变化，并探讨碳储量空间分异的驱动因素。结果表明：①1980～2020年期间，林地在漾弓江流域土地利用类型中始终占据主导地位。然而，流域土地利用类型变化明显，其中耕地面积持续缩减，建设用地面积近乎增长1倍，草地和灌丛面积变化则渐趋稳定。②碳储量呈“先增加后减少”趋势，2010年达到最高值35.53×106 t，2020年因建设用地扩张，碳储量略有降低，降至35.26×106 t。在空间分布上，碳储量较为稳定，总体呈现出周边林地和灌丛等植被覆盖丰富区域碳储量高，中部城镇建设用地密集区域碳储量低的格局。③情景模拟结果显示，自然发展情景下，2030年碳储量降至最低值35.02×10? t，2060年小幅上升至35.16×10? t；生态保护情景通过退耕还林和生态修复措施，碳储量分别提升至35.28×10? t、35.57×10? t；耕地保护情景虽维持耕地面积与碳储量，但总体水平与自然发展情景接近。④GeoDetector模型分析表明，土壤类型（q=0.464）、人口密度（q=0.374）和NDVI（q=0.361）是漾弓江流域碳储量空间分异的主导因子，因子交互作用呈现双因子和非线性增强效应，且土壤类型与GDP、NDVI和人口密度的协同作用驱动力较强。研究结果可为漾弓江流域土地利用优化和提升陆地生态系统碳汇提供数据支撑。
文章目录
1 材料与方法
1.1 研究区概况
1.2 植被以及土壤碳密度数据
1.3 遥感数据来源与处理
1.4 研究方法
1.4.1 InVEST模型和碳密度修正
1.4.2 PLUS模型
1.4.3 情景设置
1.4.4 地理探测器
2 结果与分析
2.1 漾弓江流域1980～2020年土地利用变化分析
2.2 2030年、2060年漾弓江流域土地利用多情景模拟
2.3 流域碳储量时空变化特征分析
3 讨论
3.1 漾弓江流域碳储量变化分析
3.2 未来不同模拟情景带给碳储量的影响
3.3 碳储量驱动因素研究
3.4 碳储量情景模拟的实践优化与展望
4 结论
