张云倩, 张晓祥, 陈振杰, 王伟玮, 陈 东

(1.南京大学 地理与海洋科学学院, 南京 210023; 2.南京大学 江苏省地理信息技术重点实验室,南京 210023; 3.河海大学 地理信息科学与工程研究所, 南京 210098)



基于InVEST模型的江苏海岸带生态系统碳储量时空变化研究

张云倩1,2, 张晓祥3, 陈振杰1,2, 王伟玮3, 陈 东1,2

(1.南京大学 地理与海洋科学学院, 南京 210023; 2.南京大学 江苏省地理信息技术重点实验室,南京 210023; 3.河海大学 地理信息科学与工程研究所, 南京 210098)

研究改革开放以来长时间序列的江苏海岸带生态系统碳储量时空变化，对于保证我国东部沿海地区环境与经济协调发展显得十分迫切和必需。以江苏沿海3市海岸带为对象，通过获取1975—2007年的遥感影像数据，采用InVEST(Integrated Valuation of Environmental Services and Tradeoffs)模型对江苏海岸带生态系统的碳储量进行定量评估，构建了长时间序列的碳储量变化数据，并结合ESDA(Exploratory Spatial Data Analysis)方法研究其空间相关性，探讨了江苏海岸带碳储量的时空变异。结果表明：江苏海岸带总碳储量呈增长趋势，但单位土地面积的碳储量呈降低趋势；该区域碳储量在空间分布上呈现一定的空间相关性，主要体现在连云港云台山境内、新沂河泛洪区和盐城滨海苇地是碳储量的高集聚区，城镇是碳储量的低集聚区。

碳储量; InVEST模型; 空间相关性; 时空变化; 江苏海岸带

碳固定作为一项重要的生态系统服务，对降低大气中CO2等温室气体浓度、减缓全球气候变化具有至关重要的作用。研究碳储量的时空变化对于了解区域碳固定状况及生态系统服务功能演变、维持和管理具有重要意义[1]。江苏海岸带自然资源丰富、地理位置优越。改革开放以来，江苏沿海地区对海岸带的过度开发导致土地利用方式、土地覆被类型发生显著变化，大量滨海原生湿地消失，进而影响陆地生态系统的碳储量，该地区的生态系统服务受到严重威胁[2-3]。因此，研究改革开放以来长时间序列的江苏海岸带生态系统碳储量时空变化，对于保证我国东部沿海地区环境与经济协调发展显得十分迫切和必需。

传统的碳储量估算研究多采用样地清查法，如根据土壤剖面数据估算土壤碳储量[4-5]。该方法只适用于小面积区域，且费时费力，研究成果呈静态，无法反映研究区碳储量的动态变化[6]。近年来，遥感(Remote Sensing，RS)监测和地理信息系统(Geographical Information System，GIS)空间处理技术的快速发展为碳储量估算提供了有利的工具。不少研究利用RS手段估算碳储量，如基于TM/ETM+影像反演归一化植被指数(Normalized Difference Vegetation Index, NDVI)来估算研究区碳储量[7-8]。还有学者应用GIS空间分析技术评价碳储量并分析其变化的驱动因素，实现了大面积区域的碳储量估算及结果的空间化表达[9]。但是这些研究以特定生态系统的地上部分碳库碳储量或者土壤碳储量居多[10-11]，缺乏对区域纵向空间多个碳库碳储量的综合评价研究。目前，利用RS，GIS技术建立模型来研究碳储量及其变化过程，成为碳储量空间化动态评估的发展趋势，其中较为著名的是InVEST(Integrated Valuation of Environmental Services and Tradeoffs)模型。该模型被广泛应用于多个地区，如美国O′ahu岛[12]、威拉米特河流域[13]、中国汶川地震灾区[14]、三江源区[6]、白洋淀[15]、北京山区[16]等。然而现有研究多是单时相的，针对区域碳储量的长时间序列研究较少，单时相的碳储量评估结果只能体现一个时期的生态系统碳固定情况，不能反映区域生态系统碳储量的演变过程和变化趋势[17-19]。因此，构建长时间序列的、综合碳库的碳储量数据是满足碳储量动态变化监测需求、进一步了解区域碳储量时空变化规律的关键。

本研究以江苏沿海3市(连云港、盐城、南通)海岸带为研究区，利用InVEST模型的碳储量估算方法，构建1975—2007年江苏海岸带长时间序列的4大碳库(地上部分生物量、地下部分生物量、土壤、死亡有机质)的碳储量变化数据，定量研究生态系统碳储量的分布和变化情况。在此基础上，利用探索性空间数据分析(Exploratory Spatial Data Analysis，ESDA)技术分析江苏省海岸带碳储量的空间分布格局，尝试剖析这种格局时空演变背后的动因。

1　研究区概况

江苏海岸带地处长江三角洲、江淮下游，地理位置为东经119°00′—122°00′，北纬31°30′—35°30′，岸线北起苏鲁交界的绣针河口，南抵长江北口，海岸线全长953.87 km，隶属于连云港、盐城、南通3市的14个县(市、区)。该地区地势平坦，海拔0～4 m。江苏沿海滩涂蕴藏了重要的土地资源，受泥沙沉积作用和大规模的人工围垦等工程措施影响，这一区域的海岸持续东扩[20]，海岸带面积从1975年的29 338 km2增加到2007年的30 964 km2。其景观类型是以耕地为基质，道路、河渠、林带为廊道，以城镇村落、港口码头、水库坑塘、盐田、草地、滩涂等为斑块的斑、廊、基空间镶嵌格局[21]。江苏海岸带为沿海社会经济的可持续发展提供了物质基础，而且也提供着多种重要的生态系统服务功能，如调洪蓄水、水土保持和维护生物多样性等[22]。

2　数据来源

2.1遥感影像

遥感影像用于提取研究区土地利用/覆盖信息，包括1975—2007年30幅Landsat MSS/TM/ETM+遥感影像，考虑到数据质量问题，采用了不同成像时期的遥感影像以保证数据的完整性、准确性，研究序列分为1975—1979年(T1)、1987—1991年(T2)、2000—2001年(T3)、2004年(T4)、2006—2007年(T5)5个时期(表1)。

2.2碳密度数据

(1) 地上部分碳密度和土壤碳密度。地上部分碳库即地表以上所有活的植被碳储量，主要根据揣小伟等[23]对江苏省陆地生态系统不同土地利用类型植被碳密度的研究成果，与研究区土地利用类型对应，通过归并和统计获得。土壤碳密度的获得方法同地上部分碳密度。

(2) 地下部分碳密度和死亡有机碳密度。根据以往研究中对每种地类实测的地上部分生物量(碳)密度与地下部分生物量(碳)密度、死亡生物量(碳)密度比值及生物量—碳转换率等研究结果[24-25]，换算出地下部分碳密度和死亡有机碳密度。

3　研究方法

本研究以1975—2007年江苏海岸带5个时段的Landsat MSS/TM/ETM+遥感影像为基础，研究碳储量的时空变化，主要包含3个步骤：土地利用/覆盖信息提取、碳储量估算和碳储量时空变化分析。(1) 土地利用/覆盖信息提取环节包括几何纠正、辐射校正和监督分类等，目的是得到适用于InVEST模型的研究区土地利用/覆盖信息；(2) 碳储量估算是将分类得到的土地利用/覆盖信息结合碳密度数据，输入InVEST模型中，得到各个时期研究区的碳储量结果，进而评估江苏海岸带碳储量的分布情况；(3) 碳储量时空变化分析基于空间相关性分析进行，用ESDA方法分别对碳储量进行全局和局部空间自相关分析，分析碳储量的时空变化情况。

表1　研究区遥感数据

3.1土地利用/覆盖信息提取

为了从多时相遥感影像中得到土地利用/覆盖信息，需要对原始影像进行图像预处理，主要包括几何纠正、辐射校正和监督分类等。本研究在数据整合中以江苏海岸带1︰5万历史地形图为基准，结合地面实测点位，对1975年Landsat MSS影像以及1990年、2000年、2004年、2007年的Landsat TM/ETM+影像进行像元对像元的几何精校正。卫星传感器接收到的目标地物的反射会受到太阳高度、地形及大气条件等因素的影响而导致光谱信号的失真，辐射校正的预处理能有效提高分类的精度。因此，本研究基于FLAASH(Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes)模型对5个时相的Landsat影像进行辐射校正。采用最大似然法进行监督分类，并且结合1︰5万历史地形图以及1︰1万土地利用现状图提高影像数据的分类精度，根据InVEST模型中碳储量模块的数据需要，将影像分为高密度建筑、低密度建筑、水体、农田、山地、泛洪区、芦苇地、盐沼、盐田、非固结岸滩、未利用地11种土地利用/覆盖类型，分类精度均在80%以上，符合试验精度要求。

3.2碳储量估算

土地利用与土地覆盖作为陆地生态系统变化的重要标志，其变化直接影响碳储量的变化。陆地生态系统中的碳储存大部分来自4类基本的碳库：地上部分生物量、地下部分生物量、土壤、死亡有机质碳库。地上部分碳库包括地表以上所有活的植被的碳储量；地下部分碳库包括植物活的根系系统；土壤碳库包括土壤有机碳和矿质土壤有机碳；死亡有机质碳库包括枯立木、凋落物和倒木中的碳储量。由美国斯坦福大学世界自然基金会(World Wildlife Fund，WWF)与大自然保护协会(the Nature Conservancy，TNC)联合开发的InVEST模型能够有效地对陆地上某一区域某一时段内的碳储量及其价值进行评估。该模型以土地利用类型为评估单元，利用区域土地利用/覆盖信息、各碳库碳密度数据，通过栅格叠加计算生成不同土地利用类型上的生态系统碳储量，得到区域碳储量的空间分布。InVEST模型中还设计了第5碳库：木材碳库。但由于研究区的森林和木材含有量少，本研究中不考虑木材收获的起始时间、轮伐期、木材产品衰减率等对总碳储量的影响[26]。InVEST模型的碳储量模块中碳储量计算方法如下：

C=Cabove+Cbelow+Csoil+Cdead

(1)

式中：C——总碳储量(t/km2)；Cabove——以土地利用类型为统计单元的地上部分碳储量；Cbelow——以土地利用类型为统计单元的地下部分碳储量；Csoil——以土地利用类型为统计单元的土壤碳储量；Cdead——以土地利用类型为统计单元的死亡有机质碳储量。

3.3碳储量空间相关性分析

空间相关性是检验空间上分布邻近的要素属性相关联的重要指标。正相关表明某单元的属性值变化与其相邻空间单元具有相同变化趋势，负相关则相反[27]。为了分析江苏海岸带的碳储量在空间分布的相关性，本研究使用ESDA方法分别从全局和局部空间自相关角度对其空间格局进行分析。

全局空间相关性是对整个区域内的属性值所具有的空间特性进行描述，一般通过Moran′sI指数表征。Moran′sI取值范围为[-1,1]，大于0表示区域内空间要素存在空间的正相关关系；等于0表示不存在相关性；小于0表示呈负相关关系。本研究采用999次蒙特卡洛模拟方法检验Moran′sI是否显著。Moran′sI指数计算公式如下：

(2)

(3)

由于空间异质性普遍存在，全局观测指标难以有效地反映局部的细微差别，局部空间自相关可以进一步探索局部空间集聚。本研究通过将LISA显著性水平与Moran散点图结合，分析研究区碳储量局部空间自相关特征，识别局部空间集聚的“热点”和“冷点”。LISA指数计算公式如下：

(4)

4　结果与分析

4.1碳储量时空分布分析

由于江苏海岸带的面积在不断变化，1975—1979年、1987—1991年、2000—2001年、2004年、2006—2007年5个时期的土地面积分别为29 337.73，30 230.88，30 721.05，30 826.84，30 964.23 km2；为了比较各时期江苏海岸带土地的碳固定能力，试验统计了每个时期江苏海岸带总碳储量和单位土地面积的平均碳储量(图1)。由图1可知，江苏海岸带5个时期的总碳储量分别为27 152.90，27 771.6，28 137.5，28 203.1，28 115.8万t；单位土地面积的平均碳储量分别为9 255.283，9 186.501，9 159.029，9 148.878，9 080.090 t/km2。1975—1979年，江苏海岸带的碳储量最低，随后开始持续升高，从1975—1979年的27 152.9万t升高到2004年的28 203.1万t，2006—2007年下降到28 115.8万t，但仍然高于1975—1979年碳储量水平。单位土地面积的平均碳储量呈降低趋势，年均降幅为5.475 t/(km2·a)，表示研究区土地固碳能力减弱，正从碳汇区逐渐向碳源区过渡。

从地理空间来看，连云港北部云台山山脉和盐城市滨海滩涂的苇地、盐沼碳储量最高，单位土地面积碳储量分别高达16 351，12 818 t/km2，这是由于云台山境内的花果山、保驾山中有一定规模的森林，碳密度很高；苇地、盐沼中生长的芦苇、米草等湿地植物地上和地下生物量碳含量均较高，固碳能力强。此外连云港南部的新沂河以及周边泛洪区也呈高值，单位土地面积碳储量高达12 095 t/km2，这是因为泛洪区土壤肥沃、富含死亡有机碳。碳储量的低值区在连云港和盐城的滨海盐田以及3市的城镇，单位土地面积碳储量均在10 t/km2以下(图2)。

图1　江苏海岸带碳储量的时期变化

图2　江苏海岸带碳储量分布

4.2碳储量空间相关性分析

试验通过统计5个时期碳储量的Moran′sI，得出江苏海岸带碳储量存在全局空间相关性的结论(图3)。5个时期江苏海岸带碳储量的Moran′sI值均大于0，说明江苏省碳储量的分布呈现出一定的空间趋同集聚现象，即高密度区域与高密度区域相邻接，低密度区域与低密度区域相邻接。从1975年起，空间集聚趋势增强，到2000年到达顶值，随后空间集聚趋势减弱，空间异质性增强。

将LISA显著性水平与Moran散点图结合生成LISA聚类地图，如图4所示，高高聚集区域为自身和周围区域碳储量均较高的，主要分布在连云港云台山和新沂河泛洪区，高值集聚效应明显；低低聚集区域为自身和周围区域碳储量均较低的，主要分布在三市的城镇，低值集聚中心分布零散并逐渐扩大；高低聚集区域为自身碳储量较高但周围区域较低的；低高聚集区域为自身碳储量较低但周围区域较高的。

近代以来，江苏沿海围垦活动较为频繁，土地利用方式转变多样，滨海地区碳储量在高高聚集和低低聚集间转换剧烈；20世纪90年代，江苏省先后提出了“海上苏东”战略和“沿海开发”战略，政策驱动下的快速城镇化过程使得连云港、盐城境内建设用地面积扩张，占用耕地、草地等其他地类，碳储量低低聚集现象明显增加；整体看来高低聚集和低高聚集现象不明显(图4)。

图3　江苏海岸带1975-2007年碳储量Moran′s I值

图4　江苏海岸带碳储量LISA聚类

4.3碳储量时空变异分析

为揭示研究区碳储量的时空变异情况，试验选取多组步长(1.0×10-3，1.5×10-3，4.0×10-3，5.0×10-3t/m2)将碳储量评估结果划分等级进行统计，最后确定在步长为4.0×10-3t/m2，碳储量划分为3级时最能客观反映碳储量的各时期间变化，分别计算了1975—2007年江苏海岸带各级碳储量的土地面积占比和碳储量总量占比(表2)。

表2　1975-2007年江苏海岸带碳储量分级统计结果

由表2可知，江苏海岸带高碳储量的土地比重在逐渐减少，碳储量高于1.2×10-2t/m2的土地面积比例从1975—1979年的2.03%下降到2006—2007年的1.22%，相应的碳储量总量比例由2.68%下降到1.55%；碳储量为8.0×10-3～1.2×10-2t/m2的土地面积比例从1975—1979年的87.63%下降到2006—2007年的84.80%，相应的碳储量总量比例由88.32%下降到86.32%；碳储量低于8.0×10-3t/m2的土地面积及碳储量总量比例则在增长，土地面积比例从1975—1979年的10.34%增长到2006—2007年的13.98%，相应的碳储量总量比例由9.00%增长到12.13%。

如表3所示，在研究期内有348.20 km2面积的高碳储量(C≥1.2×10-2t/m2)土地向较低等级碳储量转化，2 172.00 km2面积的一般碳储量(8.0×10-3t/m2≤C<1.2×10-3t/m2)土地向低碳储量转化，而仅有66.08 km2面积的土地面积向高碳储量级别转化。以上结果均表明土地利用方式的变化使得江苏海岸带碳储量倾向于向低级别转化，固碳能力削弱。

表3　1975-2007年份江苏海岸带各级碳储量面积转化统计结果　km2

对上述结果作如下分析：(1) 1975—1991年江苏省海岸带总面积增加893.15 km2，总碳储量增加了962.9万t，但单位土地面积碳储量减少了175.193 t/km2。主要原因在于：连云港北部和中部原有耕地转化为农村居民点和城镇，碳储量低值区增长明显；云台山境内部分林地转化成农田，碳储量降低；盐城滨海盐沼受围垦影响部分转化成农田，碳储量降低；南通西南陲开沙岛附近大面积苇地转化成农田，碳储量降低；盐城主城区、东台市区城市化进程明显，大量农田转化为建设用地，碳储量降低。(2) 1991—2001年盐城滨海地带大面积围垦继续发生，高碳储量的滩涂苇地向盐田、水库坑塘转化，用于发展盐业、养殖业[2]；连云港滨海的滩涂苇地则转化成农田，碳储量进一步降低。(3) 2001—2004年碳储量的空间分布变化很少，可忽略不计。(4) 2004—2007年，盐城和南通城镇面积新增明显，部分农田、林地转化成建设用地，碳储量降低[28]。总体看来，江苏省沿海3市在研究期受产业发展、滩涂开发影响，土地利用变化明显，农田、水库坑塘和农村居民点等人工景观的面积不断增加，而自然景观如林地、苇地减少，从而造成碳储量降低。

5　结 论

(1) 江苏海岸带1975—2007年总碳储量增加了962.9万t，但是单位土地面积的碳储量呈降低趋势。

(2) 江苏海岸带碳储量在空间分布上呈现一定的空间相关性，连云港云台山境内、新沂河泛洪区和盐城滨海苇地是碳储量的高集聚区。

(3) 研究期内受滩涂围垦等人类活动影响，江苏海岸带自然湿地(如苇地、盐沼)减少，部分转化成耕地、水库坑塘，滨海地带碳储量减少；城市化进程下，研究区3市城镇面积扩张，部分林地、农田转化成建设用地也造成一定程度的碳储量降低。

后续研究将搜集研究区更完整的土壤、植被碳密度数据，进一步提高碳储量估算的准确性。

[1]高扬,何念鹏,汪亚峰.生态系统固碳特征及其研究进展[J].自然资源学报,2013,28(7):1264-1274.

[2]王玉,贾晓波,张文广,等.江苏海岸带土地利用变化及驱动力分析[J].长江流域资源与环境,2010,19(S1):7-12.

[3]戴亚南,彭检贵.江苏海岸带生态环境脆弱性及其评价体系构建[J].海洋学研究,2009,27(1):78-82.

[4]王绍强,周成虎,李克让,等.中国土壤有机碳库及空间分布特征分析[J].地理学报,2000,55(5):533-544.

[5]解宪丽,孙波,周慧珍,等.中国土壤有机碳密度和储量的估算与空间分布分析[J].土壤学报,2004,41(1):35-43.

[6]杨园园.三江源区生态系统碳储量估算及固碳潜力研究[D].北京:首都师范大学,2012.

[7]Myeong S, Nowak D J, Duggin M J. A temporal analysis of urban forest carbon storage using remote sensing[J]. Remote Sensing of Environment,2006,101(2):277-282.

[8]方精云,郭兆迪,朴世龙,等.1981—2000年中国陆地植被碳汇的估算[J].中国科学:D辑,2007,37(6):804-812.

[9]张宏锋,欧阳志云,郑华,等.玛纳斯河流域农田生态系统服务功能价值评估[J].中国生态农业学报,2009,17(6):1259-1264.

[10]蔡广鹏,韩会庆,张凤太,等.喀斯特地区贵州省绥阳县土地利用/覆被变化对陆地植被碳储量的影响[J].水土保持研究,2012,9(4):122-125.

[11]毕珍,石辉,许五弟,等.四川盆地森林土壤的有机碳储量及其空间分布特征[J].水土保持研究,2009,16(5):83-87.

[12]Goldstein J H, Caldarone G, Duarte T K, et al. Integrating ecosystem-service tradeoffs into land-use decisions[J]. Proceedings of the National Academy of Sciences,2012,109(19):7565-7570.

[13]Nelson E, Mendoza G, Regetz J, et al. Modeling multiple ecosystem services, biodiversity conservation, commodity production, and tradeoffs at landscape scales[J]. Frontiers in Ecology and the Environment,2009,7(1):4-11.

[14]彭怡.Invest模型在生态系统服务功能评估中的应用研究:以四川汶川地震灾区为例[D].北京:中国科学院研究生院,2010.

[15]白杨,郑华,庄长伟,等.白洋淀流域生态系统服务评估及其调控[J].生态学报,2013,33(3):711-717.

[16]杨芝歌,周彬,余新晓,等.北京山区生物多样性分析与碳储量评估[J].水土保持通报,2012,32(3):42-46.

[17]黄绍霖,徐涵秋,曾宏达,等.福建长汀河田盆地的马尾松林碳储量时空动态变化[J].地球科学:中国地质大学学报,2013,38(5):1081-1089.

[18]王淑君,管东生,黎夏,等.广州森林碳储量时空演变及异质性分析[J].环境科学学报,2008,28(4):778-785.[19]柳梅英,包安明,陈曦,等.近30 a玛纳斯河流域土地利用/覆被变化对植被碳储量的影响[J].自然资源学报,2010,25(6):926-938.

[20]唐得昊,邹欣庆,刘兴健.海岸带生态系统健康评价中能质和生物多样性的差异:以江苏海岸带为例[J].生态学报,2013,33(4):1240-1250.

[21]陶丽华,朱晓东,桂峰.苏北辐射沙洲海岸带农业景观生态分析与优化设计[J].环境科学,2001,22(3):118-122.

[22]李加林,张忍顺,王艳红,等.江苏淤泥质海岸湿地景观格局与景观生态建设[J].地理与地理信息科学,2003,19(5):86-90.

[23]揣小伟,黄贤金,郑泽庆,等.江苏省土地利用变化对陆地生态系统碳储量的影响[J].资源科学,2011,33(10):1932-1939.

[24]方精云,徐嵩龄.我国森林植被的生物量和净生产量[J].生态学报,1996,16(5):497-508.

[25]黄玫,季劲钧,曹明奎,等.中国区域植被地上与地下生物量模拟[J].生态学报,2013,26(12):4156-4163.

[26]Tallis H, Ricketts T, Guerry A, et al. InVEST 2.0 beta User′s Guide: Integrated Valuation of Ecosystem Services and Tradeoffs [Z]. Stanford, USA: Natural Capital Project,2011.

[27]Haining R, Wise S, Ma J. Exploratory spatial data analysis[J]. Journal of the Royal Statistical Society: Series D (The Statistician),1998,47(3):457-469.

[28]张晓祥,唐彦君,严长清,等.近30 a来江苏海岸带土地利用/覆被变化研究[J].海洋科学,2014,38(9):90-95.

Research on the Spatiotemporal Variation of Carbon Storage in Coastal Zone Ecosystem of Jiangsu Based on InVEST Model

ZHANG Yunqian1,2, ZHANG Xiaoxiang3, CHEN Zhenjie1,2, WANG Weiwei3, CHEN Dong1,2

(1.SchoolofGeographicandOceanographicSciences,NanjingUniversity,Nanjing210023,China;2.JiangsuProvincialKeyLaboratoryofGeographicInformationScienceandTechnology,NanjingUniversity,Nanjing210023,China; 3.InstituteofGeographicalInformationScienceandEngineering,HohaiUniversity,Nanjing210098,China)

It is urgent to investigate the spatiotemporal variation of carbon storage in coastal zone ecosystem of Jiangsu Province since the reform and opening up in China with respect to harmonizing the environment with economic development. The remote sensing images which date from the year of 1975 to 2007 were acquired. The integrated valuation of environmental services and tradeoffs (InVEST) model was utilized to evaluate the amount of carbon storage in coastal zone of Jiangsu Province. Long time series of carbon storage data were built. The spatial analysis method was used to investigate the spatial correlation of the ecosystem services and to explore the pattern of spatiotemporal variation. Some basic conclusions can be drawn from the experimental results. The total amount of carbon storage increased while the amount of carbon storage per unit area decreased. The amount of carbon storage in this area presented highly spatial agglomeration and obvious relevance. Specifically, the amounts of carbon storage in Yuntaishan Mountain of Lianyungang City，floodplain of Xinyi River，coastal reeds of Yancheng City were high while those in cities and towns were low.

carbon storage; InVEST model; spatial correlation; spatiotemporal variation; coastal zone of Jiangsu Province

2015-05-18

2015-06-14

国家科技支撑计划项目课题(2012BAH28B02);国土资源部公益性行业科研专项(201411014-03);国家自然科学基金(41571378)

张云倩(1992—),女,江苏扬州人,硕士研究生,研究方向为GIS设计、开发与应用。E-mail:yqzhangnj@163.com

陈振杰(1974—),男,陕西宝鸡人,副教授、博士,主要从事GIS算法、地理建模研究。E-mail:chenzj@nju.edu.cn

S154.1; TP79

A

1005-3409(2016)03-0100-06