基于土地利用/覆被变化的荒漠绿洲碳储量动态评估

以典型的荒漠绿洲区为研究对象,基于不同时期土地利用/覆被类型图,运用Bookkeeping模型,结合土壤、植被碳密度基础资料及调查数据,评估了近30年临泽绿洲土地利用/覆被变化特征及其对碳储量的影响。结果表明:(1)临泽荒漠绿洲区的土地利用/覆被变化特征主要表现为:居民及建设用地、耕地、林地呈增加趋势,增幅分别为90.2%、75%、46.5%;盐碱地、水体、沙地、荒漠草地则呈减少趋势,减幅分别为73.9%、67.8%、46.2%、5.5%。(2) 30 a耕地面积增加了269.38 km~2,其中耕地开垦面积为372.57 km~2,开垦主要来源于盐碱地、荒漠草地和沙地,分别占耕地开垦面积的24.7%、24.4%和21.05%。耕地转变为其他土地覆被类型的面积为103.19 km~2,转变后的主要去向分别是居民及建设用地、盐碱地和荒漠草地,分别占耕地转变为其他土地覆被类型面积的32.78%、17.8%和15.37%。(3)土地利用/覆被变化导致总碳储量增加5.89×10~5t,其中土壤碳储量增加量为4.02×10~5t,植被碳储量增加量为1.86×10~5t;耕地变化使碳储量增加4.91×10~5t,其中使碳储量增加的转变分别是荒漠草地-耕地、沙地-耕地、盐碱地-耕地、耕地-林地,相反的转变则使碳储量减少。总体来看,临泽荒漠绿洲土地利用/覆被面积和结构均发生了变化,耕地开垦为最主要的土地利用/覆被变化,土地利用/覆被变化导致碳储量总体呈增加趋势,耕地变化是影响碳储量变化的主要因素。     

珠江西岸生态系统碳储量对土地利用变化的响应

开展生态系统碳储量与土地利用变化之间的关系分析研究, 对快速城镇化区域的经济与生态协调发展具有重要意义。通过利用 ArcGIS 平台和 InVEST 模型, 对珠江西岸 1990 年、2000 年、2010 年、2015 年碳储量进行估算, 并分析碳储量对土地利用变化的响应情况。结果表明: 1、珠江西岸在 1990—2015 年近 25 年间土地利用变化剧烈, 其中耕地的面积减少最迅速, 而建设用地的面积增幅最大。2、研究期间, 土地利用类型之间的相互转化主要发生在草地、耕地、建设用地、林地与水域之间, 并且主要发生在佛山市、中山市和珠海市。3、珠江西岸在 1990 年、2000 年、2010年、2015 年的碳储量分别为 1528.1×105 t、1511.4×105 t, 1504.5×105 t 和 1513.8×105 t, 碳储量总体呈下降趋势。4、珠江西岸在 25 年间由不同土地利用类型转化造成碳储量减少了 9.65×105 t, 其中耕地转出、水域转出和未利用土地转出有利于碳储量增加, 而林地转出、草地转出和建设用地转出则导致区域碳储量减少。     

1980-2010年北京市农用地碳储量对土地利用变化的响应

分析北京市农用地碳储量对土地利用变化的响应,对快速城市化和工业化区域及全国农用地低碳利用调控具有重要意义。利用1980年第二次土壤普查数据与2010年测土配方施肥项目成果土壤数据核算北京市农用地表层土壤碳储量,利用生物量遥感信息（NDVI）模型反演林地、草地植被碳储量,对北京市土地利用变化造成的农用地碳储量变化进行研究,结果表明：1）1980-2010年,北京市农用地碳储量由75.29 Tg-C增至81.13Tg-C,增加5.83 Tg-C,其中,土壤碳储量减少7.51 Tg-C,植被碳储量增加13.34 Tg-C;2）30年间,北京市农用地面积减少14.11×10⁴ hm²,其中,耕地流失最为显著,主要去向为建设用地和林地,林地面积略有增加;3）北京市用地类型保持不变的农用地土壤碳储量减少297.63×10⁴ t,植被碳储量增加1095.21×10⁴ t,共计增加797.58×10⁴ t,其中,用地类型保持不变的耕地、林地碳储量增加,草地碳储量减少;4）30年间,土地利用类型转化使北京市农用地土壤碳储量减少75.71×10⁴ t,植被碳储量增加212.49×10⁴ t,共计增加136.78×10⁴ t,其他用地类型转为林地使碳储量增加,有利于碳汇的形成,林地转出为其他用地类型均会造成一定碳排放;5）平原造林、退耕还林等工程有利于增加北京市农用地固碳量。未来北京市可通过控制农用地面积减少量,优化农用地内部结构,降低用地类型间的转换频率以提高农用地碳储量。研究可为其他区域及全国在快速城市化工业化过程中提升农用地碳储量提供一定参考。     

广西主要森林植被碳储量及其影响因素

广西森林面积和覆盖率位居全国前列,在全国和区域碳平衡中起着至关重要的作用。正确评价广西森林植被碳储量、碳储量的时空格局及其影响因素对我国碳循环及碳汇研究具有十分重要的意义。为阐明广西森林植被碳储量分布格局及其主要影响因素,基于广西10类主要森林类型345个样地的调查,结合森林资源清查资料,估算广西主要森林植被碳储量,探讨广西不同森林类型、不同龄组、不同层次的碳储量组成与分配。采用地统计学方法描绘了植被碳密度空间分布,并采用主成分分析方法和回归分析方法分析了植被碳储量的影响因素。结果表明:广西主要森林植被总碳储量达到746.06 Tg(1Tg=10~(12) g),平均碳密度为55.37 t/hm~2,松树、杉木、桉树、栎类、软阔、硬阔、石山林、竹林、八角和油茶林对广西植被碳储量的贡献比例分别为26.83%、12.28%、6.67%、3.03%、20.37%、16.32%、10.84%、0.88%、1.38%和1.39%。各森林类型植被碳密度介于20.77—108.28 t/hm~2,大小顺序为硬阔软阔松树杉木栎类石山林桉树八角竹林油茶。广西区森林植被碳密度在7.05—219.73 t/hm~2之间,总体表现为广西北部、西南部和广西东部存在高值区,广西中部和东南部有明显的低值区。碳储量以乔木层占优势,且随林龄增大呈逐渐增加的趋势。影响广西植被碳储量的主控因子是平均胸径、林龄和林分密度,经度、碱解氮、全氮、有机碳是影响碳储量的关键因子。     

秦岭宁陕县森林植被碳储量与碳密度特征

以秦岭南坡中段宁陕县林区2003年二类森林调查资料为基础,采用政府间气候变化委员会(IPCC)推荐使用的森林碳储量估算方法,从森林类型、林种、年龄和林分起源的角度,对该林区森林植被碳储量和碳密度进行估算。结果显示:(1)宁陕县森林植被碳储量为12.31Tg(1Tg=1×1012 g),平均碳密度为66.36Mg/hm2(1Mg=1×106 g),其各乡镇森林植被碳储量和碳密度在空间上的分布不平衡。(2)各森林类型中针叶林总碳储量为0.71Tg,平均碳密度为64.11 Mg/hm2,阔叶林总碳储量为11.61Tg,占宁陕县总碳储量的94.3%,碳密度为67.65Mg/hm2。(3)各林种中防护林碳储量最大(8.13Tg),占宁陕县总碳储量的66%,特种用途林碳密度最大(81.43Mg/hm2)。(4)不同林分起源中,天然林碳储量为12.231Tg,占宁陕县总碳储量的99.3%,人工林碳储量较小。(5)不同年龄森林中未成熟森林(包括幼龄林、中龄林和近熟林)碳储量为12.13Tg,占总碳储量的98.5%,近熟林碳密度最大(80.14Mg/hm2),幼龄林碳密度最小(39.85Mg/hm2)。研究表明,宁陕县森林具有较大的固碳能力和固碳潜力,其森林面积和蓄积是决定森林碳储量大小的重要因子,而森林碳密度的大小与森林类型、年龄组成和林分起源方式密切相关。     

三峡库区森林生态系统有机碳密度及碳储量

森林生态系统作为陆地生态系统的重要组成部分,在减缓全球气候变化过程中发挥重要作用.基于104块样地调查和森林资源二类清查数据,运用GIS平台,对三峡库区森林生态系统有机碳密度及储量进行研究,结果表明:(1)三峡库区森林优势树种各器官的含碳率为44.59%～54.45%,森林凋落物含碳率为30.61%～42.73%,平均为36.38%;(2)三峡库区森林生态系统平均碳密度为117.68t · hm-2,低于我国森林平均水平;植被层碳密度平均为24.15 t · hm-2,其中常绿阔叶林植被层碳密度最高,达42.80 t · hm-2;枯落物层平均碳密度为2.74 t · hm-2,土壤有机碳密度平均为9.09 kg · m-2;(3)三峡库区森林生态系统总有机碳储量为286.14×106t,其中植被层碳储量为58.72×106t,凋落物碳储量为6.67×106t,土壤碳储量为220.74×106t;(4)三峡库区马尾松林分布面积最大,其总有机碳储量为77.24×106t,占三峡库区森林有机碳总储量的26.99%;在各森林类型中,马尾松林植被层、凋落物层和土壤层有机碳储量均最高,分别达到20.70 × 106t、2.66×106t和53.89×106t;(5)三峡库区森林有机碳密度呈现"东高西低"分布格局,巴东-秭归、巫山-巫溪、石柱-武隆及江津南部有机碳密度较高.在三峡库区提高森林质量、扩大森林面积是增强森林生态系统碳汇功能的有效途径.     

黄土高原羊圈沟小流域土地利用时空变化的土壤有机碳效应

土地利用变化是影响土壤有机碳储量和分布变化的重要驱动因素,为进一步探讨土地利用变化对土壤有机碳的影响,根据土壤样点数据、土地利用类型图,分析了黄土丘陵沟壑区羊圈沟小流域2006—2011年土地利用变化及其对表层土壤有机碳密度和储量的影响,主要结论如下:(1)小流域土地利用发生较大变化,主要集中在乔木林地和灌木林地面积的增加,分别为39.697、46.404 hm2;以及草地面积的减少,为64.030 hm2;(2)土地利用方式的变化会导致土壤有机碳密度及储量的变化,其中转变用地类型的土壤有机碳储量增加587.25 kg,以荒草地转出类型增加的土壤表层有机碳储量最多,为441.64 kg;灌木林地转出类型减少的土壤表层有机碳储量最多,为-21.01 kg。草地-灌木林地、草地-乔木林地、坡耕地-草地、坡耕地-灌木林地、坡耕地-乔木林地、坡耕地-坝地、梯田-草地、梯田-灌木林地、梯田-乔木林地、梯田-坝地、坝地-草地、坝地-灌木林地、坝地-乔木林地等转换用地类型的表层土壤碳密度增加值高于保持用地类型碳密度的增加值,说明这些地类的转换有利于表层土壤有机碳储量的增加,即有利于表层土壤碳汇的形成;而其他地类转换造成了表层土壤的碳排放,应该引起足够的重视;(3)土壤固碳应着眼于长期效应,频繁的土地利用类型转化可能会降低土壤碳截流效果,黄土丘陵区植被重建的长期利用和保持更有利于土壤有机碳的积累。     

川西米亚罗自然保护区森林地上碳储量遥感估算

研究米亚罗自然保护区的森林地上碳储量,有利于掌握高山峡谷区森林植被碳储量的分布特点,对区域森林资源的有效科学管理和维护森林生态环境具有重要意义。通过对保护区内的7个主要树种分别构建模型来初步估测森林地上碳储量,利用实地调查的样地数据与同期Landsat 8遥感卫星影像,得到波段信息、植被指数、主成分分析、纹理特征、地形因子、植被生长六大类共80个因子,用以构建乔木层不同树种地上碳储量的多元线性逐步回归模型,而灌木层的碳储量则由生物量密度法估算得出。研究结果表明:①模型预测值与实测值相关系数在0.675—0.775之间,精度较高,预测结果可靠;②米亚罗自然保护区森林地上碳储量为5.861 Tg,其中乔木层5.632 Tg,灌木层0.229 Tg。云冷杉林是研究区分布最广的林分类型,其碳储量为5.098 Tg,占森林地上碳储量总量的86.98%,在维持区域碳平衡方面发挥着重要作用。③研究区森林平均碳密度为53.138 t/hm~2,其中冷杉的碳密度最高,达到74.467 t/hm~2。④区域内森林地上碳储量以杂谷脑河流域及支流为中心,以一定缓冲距离呈树枝状发散分布,海拔3000—4000 m区域的森林植被碳储量最大,且阴坡的碳储量明显高于阳坡。     

1985—2030年江西泰和县森林植被碳储量的时空动态

根据第6次森林清查小班数据,运用生物量转换因子法和平均生物量法估算了2003年江西省泰和县森林植被的生物量和碳储量,采用空间替代时间的方法,利用Logistic方程拟合了泰和主要森林类型年龄与碳密度的曲线关系,并结合小班轮伐信息,估算了全县1985—2003年的植被生物量和碳储量,分析了期间的时空动态特征,并以2003年为基准年,假定到2020、2030年泰和县森林植被面积保持稳定、且不考虑轮伐期,推算了此情景下2020、2030年泰和县植被碳储量.结果表明：2003年,泰和县森林林分总面积15.74×10⁴ hm²,总生物量6.71 Tg,植被碳储量4.14 Tg C,平均碳密度26.31 t C·hm^{- 2}. 1985、1994、2003、2020、2030年泰和县森林植被碳储量分别为1.06、2.83、4.14、5.65和6.35Tg C,森林植被碳密度的空间分布由东西部向中部递减.人工造林使泰和县林分面积大幅增加,全县森林植被的固碳能力明显增强.     

湖南省森林植被碳储量、碳密度动态特征

利用湖南省4次(1983—1987年、1990—1995年、2003—2004年和2009年)森林资源清查数据,采用材积源-生物量法,结合湖南省现有森林植被主要树种碳含量实测数据,研究近20多年来湖南省森林植被碳储量、碳密度的动态特征。结果表明:从1987年到2009年,湖南省乔木林植被碳汇为66.40×106tC,碳密度提高了5.65 tC/hm~2,阔叶林碳汇最大(48.43×10~6tC),其次是杉木林(9.54×10~6tC)和松木林(6.68×10~6tC),各乔木林植被碳密度波动较大;除过熟林外,各龄组乔木林均为碳汇,中龄林碳汇最大,幼龄林、中龄林、近熟林植被碳密度依次提高了4.75、4.09、0.83 tC/hm~2,成熟林、过熟林分别下降了6.87、13.88 tC/hm~2;天然林、人工林植被碳汇分别为41.01×10~6tC、25.39×10~6tC,碳密度分别提高了7.19、4.91 tC/hm~2。湖南省森林植被(包括疏林)碳汇为84.87×10~6tC,乔木林碳汇最大,其次是竹林,分别占湖南省森林植被碳汇的78.24%和33.31%,碳密度提高了6.24 tC/hm~2,各森林类型植被碳储量随其面积变化而变化。表明近20多年来,湖南省乔木林植被单位面积储碳能力明显提高,天然林在湖南省乔木林植被碳储量占有重要地位。     

基于林业清查资料的桂西北植被碳空间分布及其变化特征

基于2005-2010年林业资源清查数据,采用材积源生物量法,运用地理信息系统技术,估算和分析了桂西北植被碳密度及其储量的空间分布及其变化。结果显示:(1) 研究区域从2005年到2010年呈现碳汇变化趋势,植被碳储量由4.19×10⁴t增加到4.27×10⁴t(增幅为1.84%),植被碳密度从29.04t/hm²增加到29.57 t/hm²。(2) 从治理措施、林种起源方式及林种类型来看,自然保护区的植被碳密度最大,超过40 t/hm²。2005-2010年,人工植苗、直播、飞播和萌生方式植被碳密度增加,退耕还林工程的植被碳密度均呈明显增长(增加3.00 t/hm²),所有林种碳密度都呈不同程度的增长。 (3)植被碳密度空间分布上,大致表现为西部高、中东部低,北部高、南部低。西部区植被碳密度均值超过40 t/hm²,中东部区植被碳密度均值低于25 t/hm²。植被碳密度变化在空间分布上表现为无论是非喀斯特区还是喀斯特区的植被碳密度都有增长趋势,其中有7个县市植被碳密度升级为更高等级。研究表明,随着退耕还林、生态移民等治理措施的实施,区域植被碳密度显著增加,生态环境好转。     

基于InVEST模型的疏勒河流域碳储量时空变化研究

研究区域土地利用方式与生态系统服务碳储量的关系,对于区域生态系统保护及经济社会可持续发展具有重要意义。利用InVEST模型碳储量模块和CA-Markov模型,探究并预测疏勒河流域1990-2015及2015-2040年流域生态系统碳储量时空变化特征及其与土地利用方式之间的关系。结果表明：疏勒河流域1990、1995、2000、2005、2010、2015年碳储量分别为7.994×10⁸、7.996×10⁸、7.998×10⁸、8.038×10⁸、8.064×10⁸、8.071×10⁸t,呈逐年增加趋势,累计增加7.7×10⁶t。土地利用类型变化是导致生态系统碳储量变化的主要因素,未利用地向耕地和草地转化有利于碳储量增加,而草地向耕地和未利用地的转化则导致碳储量减少。疏勒河流域碳储量存在显著的空间格局,碳储量较高区域呈现"北部点状-中部带状-南部点状片状"特征,这种分布格局与流域土地利用类型紧密联系。预测表明至2040年疏勒河流域碳储量为9.128×10⁸t,较2015年增加13.1%,主要原因是草地、耕地和林地面积较大幅度增长,提高了流域内的碳储量。     

汶川地震重灾区生态系统碳储存功能空间格局与地震破坏评估

通过建立汶川地震灾区碳储存功能评估指标体系,利用ArcGIS平台计算了灾区四大碳库(地上部分碳、地下部分碳、死亡有机碳和土壤碳)碳储存密度,分析了碳储存空间格局和规律.结果表明:灾区碳储存总量3.97×108t,平均碳密度52.2t/hm2,其中亚高山常绿针叶林碳密度和碳储存最高.碳储存量随坡度增加而增加,大于35.地区碳储存量达1.3×108t,占灾区碳存总量的33.9％.碳储量随海拔增加呈现波动的曲线,0-750m区域碳储量随海拔增加而增加,在750-1750m区域段碳储量因地震对植被的破坏出现下降,然后又随海拔增加而增加,到3250m时出现碳储存量高峰,储碳量达7273t,之后又逐渐下降.此外,通过对比地震前后灾区生态系统碳储存功能得出研究区生态系统碳储存功能总体减少为9.98×106t,而地震对碳储存功能的影响主要是植被破坏导致的碳储存降低,其中退化最严重的地区在彭州和什邡的北部山区,并沿龙门山向西南方向延伸.研究结果直观反映了灾区碳储量空间格局,为决策者实施破坏区植被恢复策略以及地震灾区碳管理等提供依据.     

耕地占补面积时空变化对碳储量的影响测度——以湖北省为例

基于InVEST模型定量评估湖北省2000-2020年耕地占补面积时空变化对陆地生态系统碳储量的影响,在县级行政单元尺度探究由耕地占补导致的碳储量变化量在空间上的集聚程度,并运用PLUS模型模拟区域未来四种发展情景下的土地利用格局及碳储量变化趋势。结果表明：（1）2000年至2020年,湖北省耕地面积净变化率为-3.89%,耕地面积略微下降,基本实现耕地占补数量平衡。（2）2000-2005年、2005-2010年、2010-2015年、2015-2020年耕地占用和补偿导致的碳储量变化值占该时段碳储量变化值的比例分别为68.45%、59.45%、57.86%、55.46%,二十年整体占比为61.38%。耕地碳储量的变化对陆地生态系统碳储量的影响巨大。碳固持的地块面积为1.29×10⁵ hm²,碳损失的地块面积为3.88×10⁵ hm²。（3）2000-2020年,湖北省耕地占补导致的碳储量变化值具有明显的空间集聚性,"高高聚集"区主要分布在西部和西南部山区,"低低聚集"区分布在中南部的江汉平原。（4）2020-2030年,湖北省陆地生态系统碳储量在自然发展情景下减少5.50×10⁶ t,在耕地保护情景下减少1.22×10⁶ t,在城镇开发情景下减少8.89×10⁶ t,在生态保护情景下增加2.43×10⁶ t。与其他三种情景相比,生态保护情景是未来发展的最优情景。研究通过定量评估耕地占补平衡背景下湖北省耕地面积时空变化对区域碳储量的影响为未来的国土空间规划以及增汇政策的制定提供决策依据和科学参考,对于实现土地资源的可持续利用和生态环境保护具有重要意义。     

1985-2030年江西泰和县森林植被碳储量的时空动态

根据第6次森林清查小班数据,运用生物量转换因子法和平均生物量法估算了2003年江西省泰和县森林植被的生物量和碳储量,采用空间替代时间的方法,利用Logistic方程拟合了泰和主要森林类型年龄与碳密度的曲线关系,并结合小班轮伐信息,估算了全县1985—2003年的植被生物量和碳储量,分析了期间的时空动态特征,并以2003年为基准年,假定到2020、2030年泰和县森林植被面积保持稳定、且不考虑轮伐期,推算了此情景下2020、2030年泰和县植被碳储量.结果表明：2003年,泰和县森林林分总面积15.74×10⁴ hm²,总生物量6.71 Tg,植被碳储量4.14 Tg C,平均碳密度26.31 t C·hm^{- 2}. 1985、1994、2003、2020、2030年泰和县森林植被碳储量分别为1.06、2.83、4.14、5.65和6.35Tg C,森林植被碳密度的空间分布由东西部向中部递减.人工造林使泰和县林分面积大幅增加,全县森林植被的固碳能力明显增强.     

基于FLUS与InVEST模型的北京市生态系统碳储量时空演变与预测

城市地区虽然只占世界陆地面积的2%,却产生了全球约75%的碳排放,而科学合理的土地利用和管理方式可以重新固定大约60%-70%已耗损的碳。因此基于土地利用类型核算碳储量并探究城市土地利用变化其对碳储量的影响,能够揭示碳储量时空变化规律,为双碳目标下国土空间规划提供科学依据。基于1990-2018年北京市土地利用数据,利用InVEST模型测算1990-2018年北京市碳储量变化,再利用FLUS模型,分别测算自然演变情景、人口疏解城市发展情景、绿色集约生态保护情景3个城市发展情景下的土地利用变化,接着采用InVEST模型预测2035年3种情景下的碳储量变化,最后借助空间自相关模型对其进行分区管理研究,并基于此提出北京市未来城市发展与低碳城市建设规划建议。基于研究得出以下结果：（1）2000-2010年是碳流失较严重时期,碳储量下降了4.3%,而2010年后碳流失相对缓和,且在2015年后得到明显改善,2010年至2018年碳储量提升了3.5%。（2）除自然演变情景外,两种情景下的未来碳储量预测值均会进一步增加,且绿色集约生态保护情景的碳储量预测值最高,为16.39×10⁶ t,比最低的自然演变情景高出7.5×10⁵ t。（3）局部空间自相关分析结果显示,3种情景下的碳储量值在空间分布上具有相似性,碳储量高值区域在城市北部、西北部及西部区域出现集聚,低值区域则在中心城区聚集。     

黄河流域陆地生态系统碳储量测算及其影响因素

准确估算陆地生态系统碳储量,科学制定生态环境保护和土地利用政策,对促进区域低碳可持续发展,实现"碳中和"目标具有重要意义。基于大量碳密度样点数据,将其与生态地理分区和土地利用类型图空间叠置,采用克里金插值法得到黄河流域碳密度空间分布数据集。应用InVEST模型对2000年、2010年和2020年黄河流域陆地生态系统碳储量的时空演变测度,提高了碳储量估算结果的准确性。利用Pearson相关性分析和多尺度地理加权回归模型(MGWR)对自然、社会经济和景观格局指数等因素对县级行政单元尺度单位面积碳储量的影响进行分析。主要结论如下:(1)黄河流域碳密度空间分布呈西部大于东部、东部地区自东南向西北递减的格局;(2)2000-2020年黄河流域陆地生态系统碳储量增加0.02%(7.011×10⁹-7.012×10⁹t),空间分布与碳密度相同,空间集聚特征显著,"高高集聚区"主要分布在黄河上游西南部的青藏高原地区, "低低集聚区"主要分布在黄河上游北部和黄河下游大部分地区;(3)Pearson相关性分析得出与碳储量呈正相关的影响因素为Pr(降水)、NDVI(归一化植被指数)和Slope(坡度);呈负相关的影响因素为TEM(温度)、HAI(人类影响指数)、SHDI(香农多样性指数)、DN(夜间灯光数据像素值)和PPOD(人口密度)。(4)MGWR模型得出TEM、Pr、NDVI和SHDI空间异质性强,HAI在2010年后异质性强;Slope空间异质性中等;DN和PPOD为全局尺度变量,空间影响平稳;(5)MGWR模型得出NDVI对黄河流域县级单位面积碳储量作用强度最大。NDVI、Slope对县级单位面积碳储量的影响呈正效应,TEM、HAI、DN和PPOD呈负效应,Pr、SHDI呈正、负双向效应。