مقالة منهجية

توقع استخدام الأراضي وفق سيناريوهات متعددة وتقييم تخزين الكربون في المشهد الطبيعي للتراث العالمي في يكسيان-هوانغشان

11 مشاهدة

⸱

DOI:

10.3791/73148

⸱

أكتوبر 1, 2026

 ,  ,  , 
1Macau University of Science and Technology, 2School of International and Public Affairs, Shanghai Jiao Tong University, 3Research Center of Ecotourism & Planning, Huainan Normal University, 4Industrial Digital Research Centre, Huainan Normal University

في هذه المقالة

ملخص

يقدم هذا البروتوكول سير عمل قابل للتكرار لإسقاطات استخدام الأراضي في سيناريوهات متعددة، وتقييم تخزين الكربون، وتحليل الارتباطات الطبوغرافية في المناظر الطبيعية لموقع التراث العالمي يكسيان-هوانغشان (Yixian–Huangshan).

الملخص

يؤدي تغير استخدام الأراضي إلى تعديل تخزين الكربون البري، ومع ذلك لا تزال سير العمل القابلة للتكرار لتقييم التغيرات القائمة على السيناريوهات محدودة في المناظر الطبيعية للتراث العالمي الموجهة نحو السياحة. يدمج هذا البروتوكول نموذج أوتوماتون خلوي ماركوف مخصص، ومحاسبة كربون رباعية الأحواض تعادل إطار التقييم المتكامل لخدمات النظم البيئية والمقايضات، وكاشفاً جغرافياً قائماً على المعلمات المثلى لتقييم تغيرات استخدام الأراضي وتخزين الكربون في Yixian والمناطق المجاورة لـ Huangshan في جنوب Anhui بالصين. استُخدمت خرائط مجموعة بيانات غطاء الأرض في الصين للأعوام 2005 و2010 و2015 للمعايرة والتحقق من صحة الفترة الخارجة عن النطاق. تمت محاكاة أربعة سيناريوهات استكشافية لعامي 2030 و2050، وهي: الوضع الراهن، والتوسع والتطوير السياحي، وأولوية الحفظ البيئي، وتنشيط وإحياء القرى. أسفر التحقق من الصحة عبر 4,632,329 بكسل صالح عن دقة إجمالية بلغت 96.61%، ومعامل Kappa قدره 0.850، ومؤشر جدارة (Figure of Merit) قدره 0.107. بلغ تخزين الكربون الأساسي 59.505 teragrams من الكربون، حيث ساهمت الغابات بنسبة 95.9%. وتراوحت خسائر الكربون المتوقعة بحلول عام 2050 بين 5.01% في ظل أولوية الحفظ البيئي و13.49% في ظل التوسع والتطوير السياحي. ودعمت الاضطرابات المتطابقة لمرة واحدة في كل مرة نفس ترتيب السيناريوهات. وحدد الكاشف الجغرافي القائم على المعلمات المثلى كلاً من المنحدر والتضاريس والارتفاع كأقوى الارتباطات الطبوغرافية التي تم تقييمها. تدعم المدخلات والمعلمات والمخرجات والبرامج النصية المقدمة إمكانية التكرار؛ ومع ذلك، يجب تفسير السيناريوهات على أنها اختبارات إجهاد مقارنة بدلاً من كونها توقعات معايرة.

المقدمة

تخزن الأنظمة البيئية البرية الكربون في النباتات والتربة والمواد العضوية الميتة، مما يساهم بذلك في تنظيم المناخ1,2. ويمكن أن يؤدي تحويل استخدامات الأراضي إلى تغيير هذه المخزونات بسرعة؛ لذا يعد التقييم المحدد مكانيًا مهمًا لتخطيط استخدامات الأراضي وإدارة الكربون.

يشمل النطاق التحليلي في جنوب أنهوي غابات شبه استوائية شاسعة، وأحواضاً زراعية، ومناطق مرتبطة بمواقع جبل هوانغشان وشيدي-هونغكون المندرجة ضمن التراث العالمي3,4. وتشير الأبحاث المتعلقة بالغطاء الأرضي للتراث الثقافي، والسياحة في مواقع التراث العالمي، والحفاظ على القرى التقليدية إلى أن الحالة البيئية، وضغط الزوار، وهوية المكان تتطلب نظرة متكاملة في هذا السياق5,6,7.

تقوم نماذج استخدام الأراضي القائمة على السيناريوهات بتحويل التحولات المرصودة إلى توقعات مكانية صريحة، بينما يعمل حساب مخزون الكربون على قياس عواقب هذه الأنماط. وقد دمجت الدراسات السابقة بين محاكاة استخدام الأراضي المولدة للرقع (PLUS) أو تخصيص الأتمتة الخلوية-ماركوف (CA–Markov) مع إطار التقييم المتكامل لخدمات النظام البيئي والمقايضات (InVEST) والكاشف الجغرافي القائم على المعاملات المثلى (OPGD) في الصين ومناظر طبيعية أخرى، بما في ذلك التطبيقات المتكاملة الحديثة8,9,10,11,12,13,14,15,16,17,18,19,20. وتوفر هذه الدراسات سوابق منهجية، رغم أن المحاكي المستخدم هنا هو تطبيق مخصص للأتمتة الخلوية-ماركوف (Markov-CA) بدلاً من نموذج PLUS.

قامت الأبحاث ذات الصلة بتقييم مسارات الكربون المشروطة بالسياسات، ونماذج استخدام الأراضي والأقمار الصناعية المقترنة، وتخزين الكربون الحساس للتضاريس، والتطبيقات الحضرية والجامعية، وإدارة كربون التربة، وتحولات الأراضي الزراعية، ورسم خرائط الغابات الوطنية، والاعتماد على المقياس21,22,23,24,25,26,27,28,29,30,31,32,33,34. وتدعم هذه الدراسات مجتمعة مقارنة السيناريوهات المتعددة، بينما تثبت أن الاستنتاجات تعتمد على مقياس البيانات، وتحولات الفئات، ومعلمات الكربون، وافتراضات السياسة المنمذجة. يوفر التنفيذ المخصص المستخدم في الدراسة الحالية سير عمل شفاف يمكن من خلاله فحص مصفوفة الانتقال، ومضاعفات السيناريو، وإجراء التخصيص، والبحث في كثافة الكربون، وتحليل الحساسية، وتحليل الارتباط الطوبوغرافي ضمن إطار عمل واحد قابل للتكرار. وتكمن القيمة العملية لسير العمل المخصص في الدراسة الحالية في أن مصفوفة الانتقال، ومعلمات السيناريو، وقواعد تخصيص البكسل، والتحقق من الصحة، وتحليل الحساسية، ومحاسبة الكربون، وتحليل الارتباط الطوبوغرافي قد تم تنفيذها وتوثيقها ضمن إطار حوسبة قابل للتكرار. ويسمح هذا الهيكل بفحص وإعادة إنتاج الافتراضات والخطوات التحليلية الوسيطة المستخدمة في تحليل السيناريوهات. ونظرًا لأن سير العمل لم يتم مقارنته بشكل مباشر بـ PLUS أو تطبيقات CA–Markov الأخرى، فلا يتم تقديم أي ادعاء بالتفوق في الدقة أو الكفاءة أو الأداء التنبؤي.

تؤيد الأبحاث المتعلقة بالضوابط الطبوغرافية والتربية، واستمرارية كربون التربة الجيومورفولوجية، وتأثيرات المقياس المكاني، وتطبيقات OPGD، وإنتاجية Huangshan، ومقاييس المناظر الطبيعية، والأراضي الرطبة، وكربون الغابات، تبني تفسير حذر لتأثيرات التضاريس قائم على الارتباط35,36,37,38,39,40,41,42,43,44. وفي هذا السياق، يكمن الهدف العام من المنهج الحالي في توفير سير عمل شفاف وقابل للتكرار لإسقاطات استخدام الأراضي في سيناريوهات متعددة، وتقييم تخزين الكربون، وتحليل الارتباط الطبوغرافي في المناظر الطبيعية للتراث العالمي في Yixian–Huangshan. يستخدم سير العمل تنفيذًا مخصصًا لنموذج Markov-CA مع محاسبة كربونية رباعية المجمعات مكافئة لنموذج InVEST وOPGD، ويقوم بالتحقق من صحة النموذج خارج الفترة الزمنية لعامي 2005–2015، ويجري تحليل حساسية "عامل واحد في كل مرة" عبر 28 تشغيلاً. وتسمح الصور النقطية المرفقة، وقواعد السيناريوهات، ومصفوفة الارتباك، وملفات البيئة، والبرامج النصية بالفحص المباشر وإعادة إنتاج سير عمل المحاكاة المخصص. إن سير العمل هذا مخصص للتطبيقات التي تستخدم صورًا نقطية متوافقة للغطاء الأرضي الفئوي، ومعلمات كثافة كربون محددة لكل فئة، وبيانات طبوغرافية مناسبة، حيث يكون الهدف هو التقييم المقارن للسيناريوهات بدلاً من التنبؤ المكاني الدقيق.

كان لهذه الدراسة ثلاثة أهداف: (1) محاكاة استخدام الأراضي لعامي 2030 و2050 في ظل اختبارات ضغط لكل من: الوضع المعتاد (BAU)، وتوسع وتنمية السياحة (TED)، وأولوية الحفاظ البيئي (ECP)، وتنشيط وتطوير القرى (VRA)؛ (2) قياس تخزين الكربون باستخدام جدول بحث شامل يتكون من تسع فئات وأربعة أحواض؛ (3) تقييم الارتباطات الفردية والمشتركة لكل من الارتفاع، والميل، والاتجاه الشمالي، والتضاريس الطبوغرافية مع كثافة الكربون لعام 20158,9,10. تدمج هذه الأهداف بين توقعات استخدام الأراضي، ومحاسبة الكربون، وتحليل الارتباط التضاريسي ضمن سير عمل واحد قابل للتكرار، مع الحفاظ على التمييز بين نتائج استخدام الأراضي المحاكاة والارتباطات الإحصائية مع المتغيرات الطبوغرافية.

تشير تسميات السيناريوهات إلى افتراضات مقارنة بدلاً من توقعات ملائمة أو خطط قانونية مشفرة. وبناءً على ذلك، فإن هذه الطريقة هي الأكثر ملاءمة للمقارنة القابلة للتكرار بين افتراضات استخدام الأراضي البديلة ونتائج تخزين الكربون المرتبطة بها، بدلاً من تفسير الخرائط الناتجة على أنها تنبؤات معايرة لاستخدام الأراضي في المستقبل.

البروتوكول

لم يتم إشراك أي مشاركين بشريين أو حيوانات أو أنواع محمية. استخدم التحليل فقط منتجات الاستشعار عن بُعد المتاحة علنًا ومعايير كثافة الكربون المنشورة؛ وبناءً على ذلك، لم يكن هناك حاجة إلى موافقة لجنة الأخلاقيات.

نفذ جميع الإجراءات الحسابية باستخدام لغة Python 3.11 ضمن سير عمل مفتوح وقابل للتكرار. اتبع الأقسام السبعة التالية: (1) تحديد منطقة الدراسة؛ (2) الحصول على المدخلات ومعالجتها مسبقاً؛ (3) تقدير مصفوفة الانتقال وتهيئة نموذج Markov-CA المخصص؛ (4) تهيئة السيناريوهات، واختبارات الحساسية، والمحاكاة المستقبلية؛ (5) معايرة النموذج والتحقق من صحته؛ (6) حساب تخزين الكربون؛ و (7) الكشف عن الارتباطات التضاريسية مع OPGD. اتبع سير العمل الكامل الموضح في الشكل 1.

figure-protocol-1
الشكل 1. سير عمل قابل للتكرار لإسقاطات استخدام الأراضي في سيناريوهات متعددة، وتقييم تخزين الكربون، وتحليل الارتباطات الطبوغرافية. يتكون سير العمل المكون من سبع خطوات من (1) تحضير المدخلات والمعالجة المسبقة باستخدام خرائط مجموعة بيانات غطاء الأرض في الصين (CLCD)، وبيانات نموذج الارتفاع الرقمي (DEM) GLO-30 من كوبيرنيكوس، وجدول كثافة الكربون؛ (2) تقدير احتمالات الانتقال عن طريق الجدولة التقاطعية للبكسلات؛ (3) تحديد معاملات سيناريوهات العمل المعتاد (BAU)، والتوسع والتطوير السياحي (TED)، وأولوية الحفظ البيئي (ECP)، وتنشيط وإحياء القرى (VRA)؛ (4) محاكاة الأوتوماتا الخلوية لماركوف (Markov-CA) باستخدام جوار مور (Moore neighborhood) بمقاس 3 × 3؛ (5) التحقق من الصحة خارج الفترة الزمنية باستخدام الدقة الإجمالية (OA)، ومعامل كابا (Kappa)، ومقياس الجدارة (FoM)؛ (6) حساب الكربون باستخدام بحث استقصائي لأربعة أحواض مكافئ لنموذج التقييم المتكامل لخدمات النظام البيئي والمفاضلات (InVEST)؛ و (7) تحليل الكاشف الجغرافي القائم على المعاملات المثلى (OPGD). ينتج عن سير العمل خرائط لاستخدام الأراضي خاصة بكل سيناريو، ومسارات تخزين الكربون، وتقييمات للارتباطات الطبوغرافية. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

1. منطقة الدراسة

  1. حدد شبكة التحليل عند الإحداثيات 117.60–118.38°E و 29.72–30.22°N. تعامل مع ممتلكات التراث العالمي في جبل هوانغشان وشيدي-هونغكون كـسياق جغرافي فقط؛ ولا تفسر النطاق التحليلي المستطيل أو القناع الصالح على أنه حدود إدارية رسمية أو حدود لمواقع التراث العالمي3,4.
  2. أعد إسقاط الشبكة إلى EPSG:32650 وطبق القناع الصالح للحصول على 4,632,329 خلية بدقة 30 m، وهو ما يمثل مساحة 4,169.1 km2. استخدم هذا النطاق، الذي يغطي مقاطعة يكسيان، والأجزاء المجاورة من منطقة هوانغشان السياحية، وشمال مقاطعة شيونينغ، في جميع تحليلات الراستر (الشكل 2).

figure-protocol-2
الشكل 2. مدى دراسة مشهد Yixian–Huangshan في جنوب مقاطعة Anhui، الصين. موقع النطاق التحليلي داخل مقاطعة Anhui، الصين، مع تحديد منطقة الدراسة بالمستطيل الأحمر. المتغيرات الطبوغرافية المستخدمة في تحليل الارتباط معروضة في الشكل 5. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

2. مصادر البيانات

  1. استخدم ثلاث مجموعات من المدخلات: بيانات الغطاء الأرضي السنوية CLCD، وبيانات التضاريس Copernicus DEM GLO-30، وجدول كثافة الكربون المكون من أربعة أحواض خاص بكل فئة. سجل التغطية الزمنية، والدقة، والمصدر، والدور التحليلي لكل مدخل في الجدول 1.
  2. استخرج طبقات CLCD للأعوام 2005 و2010 و2015 بدقة 30 m. احتفظ بالفئات التسع: الأراضي المزروعة، والغابات، والشجيرات، والمراعي، والمياه، والثلج/الجليد، والأراضي القاحلة، والأسطح غير المنفذة، والأراضي الرطبة45.
  3. اشتق الارتفاع، والميل، والاتجاه الشمالي، والتضاريس الطبوغرافية من Copernicus DEM GLO-3046. عين قيم أحواض الكربون للفئات التسع الكاملة الواردة في الجدول 6 من دراسة Cheng et al.؛ ولا تطبق أي اتفاقية قيم افتراضية غير مستندة إلى مصدر أو قيم صفرية47.
  4. أعد إسقاط جميع الطبقات إلى WGS 84 / UTM zone 50N (EPSG:32650) على شبكة مشتركة بدقة 30 m. استخدم إعادة أخذ العينات بطريقة الجار الأقرب (nearest-neighbor) للغطاء الأرضي الفئوي، وإعادة أخذ العينات ثنائية الخطية (bilinear) لبيانات التضاريس المستمرة.
  5. طبق نفس القناع الصالح (valid mask) على كل طبقة قبل إجراء الجدولة التقاطعية، والتحقق من الصحة، ومحاسبة الكربون، وأخذ عينات OPGD.
  6. استخدم Python 3.11.9 مع numpy 2.4.6، وscipy 1.17.1، وrasterio 1.4.4، وmatplotlib 3.11.0، وpandas 3.0.3، وgeopandas 1.1.4، وshapely 2.1.2. ارجع إلى ملفات البيئة المؤرشفة وسكريبتات المسارات النسبية لإعادة الإنتاج بدقة.
  7. قم بتكوين نموذج Markov-CA باستخدام جوار مور (Moore neighborhood) بمقاس 3 × 3 والبذرة 2023. ابدأ مولداً مستقلاً ومزوداً ببذرة لكل عام سيناريو وتشغيل حساسية، واستخدم البذرة 42 لأخذ عينات OPGD.
مجموعة البياناتالتغطية الزمنيةالدقة المكانية الأصليةالمصدر الأساسي / المعرف المستمرالدور في سير العمل التحليلي
China Land Cover Dataset (CLCD; Yang & Huang45)2005، و2010، و201530 mZenodo DOI: 10.5281/zenodo.4417810تصنيف استخدام الأراضي، وكشف التغيرات، والتحقق من الصحة، وتقدير مصفوفة الانتقال، وخط الأساس الملحوظ، ومدخلات الأتمتة الخلوية لماركوف
Copernicus Digital Elevation Model (DEM) GLO-30حقبة مرجعية 2019؛ ثابتة في هذه الدراسة30 mCopernicus Data Space Ecosystem / Microsoft Planetary Computer STACالارتفاع واشتقاق المنحدر، والاتجاه الشمالي، والتضاريس الطبوغرافية باستخدام جوار بنصف قطر 450 m
معلمات كثافة الكربونثابتةلكل فئة استخدام أراضي؛ بحث الفئات (Mg C ha⁻¹)Cheng et al.47
الجدول 6		بحث كامل تسع فئات وأربعة أحواض مستخدم في محاسبة الكربون المكافئة للتقييم المتكامل لخدمات النظم البيئية والمقايضات (الجدول 3)
نطاق وحدود تحليل منطقة الدراسةثابتةمتجه / قناع 30 mأعيد بناؤه من نطاق المخطوطة: 117.60–118.38°E، 29.72–30.22°N؛ ملف GeoJSON وقناع مؤرشفانقناع مكاني مشترك، ونطاق التحليل، وشبكة التحليل

الجدول 1: مجموعات البيانات المكانية والجدولية الأساسية المستخدمة في سير العمل التحليلي. يلخص الجدول التغطية الزمنية، والدقة المكانية الأصلية، والمصدر أو المعرف الدائم، والدور التحليلي لكل من مجموعة بيانات غطاء الأرض في الصين (CLCD)، ونموذج الارتفاع الرقمي (DEM) GLO-30 التابع لبرنامج كوبيرنيكوس، ومعايير كثافة الكربون الخاصة بكل فئة، ونطاق تحليل منطقة الدراسة. يتم التعبير عن قيم كثافة الكربون بالميجاجرام من الكربون لكل هكتار (Mg C ha−1).

3. تقدير مصفوفة الانتقال وتهيئة نموذج Markov-CA

  1. أجرِ جدولة تقاطعية لبكسلات CLCD الصالحة من عام 2010 إلى 2015. وبالنسبة للفئة المصدر i والفئة الهدف j، قم بحساب .
  2. استخدم مصفوفة الانتقال الناتجة بحجم 9 × 9 للسيناريوهات المستقبلية. واشتق مصفوفة انتقال منفصلة للفترة 2005–2010 للتحقق من صحة النموذج.
  3. شغّل برنامج المحاكاة كتنفيذ مخصص لنموذج Markov-CA بلغة Python؛ ولا تستدعِ PLUS8.
  4. في كل خطوة خمسية، التقط لقطة متزامنة للحالة البدائية. ثم احسب أعداد الانتقالات بناءً على تلك اللقطة.
  5. قم بتقييم الفئات الهدف 1–9 والفئات المصدر 1–9 بترتيب تصاعدي. وقم بإزالة كل بكسل مصدر مختار من عمليات التخصيص اللاحقة بحيث يمكنه الانتقال مرة واحدة على الأكثر خلال الخطوة الخمسية.
  6. رتّب البكسلات المرشحة المؤهلة وفقاً لعدد جيران الفئة الهدف في بداية الخطوة ضمن نافذة Moore بحجم 3 × 3، مضافاً إليها اهتزاز عشوائي منتظم من 0 إلى 0.5.
  7. احسب عدد البكسلات المطلوب لكل انتقال من المصدر إلى الهدف كحاصل ضرب مقرب لعدد البكسلات الصالحة في الفئة المصدر، واحتمالية الانتقال المقابلة، وعامل القياس المطبق.
    1. استخدم عامل قياس قدره dev للانتقالات إلى الأراضي غير النفاذة، وعامل dev × fp للانتقالات من الغابات إلى الأراضي غير النفاذة؛ وخلاف ذلك، استخدم عامل قياس قدره 1. وحدد الحد الأقصى للعدد المطلوب بحيث لا يتجاوز عدد البكسلات المرشحة المؤهلة.
    2. إذا كان العدد المطلوب أقل من عدد المرشحين المؤهلين، فاختر المرشحين الأعلى تصنيفاً بناءً على درجة جوار الفئة الهدف مضافاً إليها الاهتزاز العشوائي المنتظم الموصوف أعلاه؛ أما إذا كان العدد المطلوب مساوياً لعدد المرشحين المؤهلين، فاختر جميع المرشحين المؤهلين.

4. تهيئة السيناريوهات، واختبارات الحساسية، والمحاكاة المستقبلية

  1. طبق ثلاثة معاملات على مصفوفة الانتقال المشتركة. اجعل المعامل dev بمثابة مقياس للانتقالات المتوقعة إلى الفئة 8 (الأسطح غير النفاذة)، وطبق المعامل fp فقط على الانتقالات من الغابات إلى الأسطح غير النفاذة، وعرّف المعامل af على أنه احتمالية تحول الأراضي الزراعية التي لا تملك جاراً من نوع "مور" (Moore neighbor) غير نفاذ إلى غابات في كل خطوة.
  2. اضبط قيم (dev, fp, af) لتكون (1.4, 1.0, 0.005) لسيناريو BAU، و(6.0, 2.0, 0.001) لسيناريو TED، و(0.4, 0.4, 0.025) لسيناريو ECP، و(2.5, 0.7, 0.012) لسيناريو VRA. استخدم الجدول 2 للاطلاع على القواعد الحسابية، والسرديات السياساتية، وقيم المعاملات المقابلة.
  3. فسر المضاعفات على أنها اختبارات إجهاد شفافة لمستويات تنمية منخفضة ومتوسطة وعالية حول مصفوفة الانتقال التجريبية. لا تعاملها كمعاملات تم تقديرها من بيانات السياحة، أو عقد القرى، أو تقسيم المناطق، أو النقل، أو المناطق المحمية، أو الخطوط الحمراء البيئية.
  4. استخدم تسميات السياسات فقط لوصف اتجاهات المعاملات النسبية. لا تفسر هذه التسميات على أنها قيود قانونية أو مكانية مشفرة في النموذج.
  5. عامل dev وfp وaf كمعاملات استكشافية لاختبار الإجهاد حددها المؤلف، وليس كمعاملات مقدرة أو معايرة تجريبياً. تحدد القيم الاسمية افتراضات سيناريوهات عددية متباينة لضغط التنمية (dev)، وحماية الغابات (fp)، والتشجير (af)؛ ولم يتم ملاءمتها مع تغيرات استخدام الأراضي المرصودة بعد عام 2015 أو تفسيرها كتقديرات لآثار سياسات محددة. استخدم هذه القيم الاسمية للمقارنات الأساسية بين السيناريوهات، وقيم متانتها باستخدام تحليل الحساسية "واحد تلو الآخر" (OAT) الموضح أدناه.
  6. لكل سيناريو، قم بتشغيل الحالة الاسمية لعام 2050. كرر المحاكاة بعد ضرب أحد المعاملات dev أو fp أو af في 0.5 أو 1.5 مع تثبيت المعاملات الأخرى.
  7. أعد تهيئة البذرة (seed) 2023 لكل من عمليات التشغيل الـ 28. قارن بين تخزين الكربون، وفقدان الكربون، وحصة الغابات، وحصة الأسطح غير النفاذة، وسجل تصنيفات الحالات المتطابقة ونطاقات OAT الكاملة دون التعامل معها كفترات ثقة احتمالية.
  8. ابدأ كل محاكاة مستقبلية من بيانات CLCD المرصودة لعام 2015. بالنسبة لتخصيص الأسطح غير النفاذة، اسمح للأراضي الزراعية بأن تظل مؤهلة عبر القناع الصالح، واشترط أن تكون البكسلات المصدرية غير الزراعية متاخمة لخلايا غير نفاذة في بداية الخطوة.
  9. بعد التخصيص من فئة إلى أخرى، حول الأراضي الزراعية المؤهلة إلى غابات بشكل مستقل باحتمالية af. قم بتشغيل ثلاث خطوات خماسية السنوات لإسقاط عام 2030، وسبع خطوات خماسية السنوات لإسقاط عام 2050.
  10. حافظ على الفئة 0 خارج القناع الصالح. قم بتصدير كل خريطة متوقعة بدقة 30 m.
السيناريوالقاعدة الحسابية المُطبقةسرد السياسة (وليس قيدًا مشفرًا)المعاملات
(تطوير / عرض تقديمي / صوتي)
العمل كالمعتاد (BAU)مضاعف نفاذية متوسط؛ القابلية الأساسية للغابات؛ تشجير بنسبة 0.5% للأراضي الزراعية المعزولة في كل خطوةمعيار الاستمرارية1.4 / 1.0 / 0.005
توسيع وتنمية السياحة (TED)مضاعف نفاذية ضعيف؛ تضاعف القابلية للتحول من الغابات إلى الأسطح غير النفاذة؛ تشجير ضعيفاختبار جهد عالي التطور6.0 / 2.0 / 0.001
أولوية الحفظ الإيكولوجي (ECP)تقليل التحول إلى أسطح غير نفوذة وقابلية الغابات للتأثر؛ أقوى عمليات التشجيراختبار إجهاد الحفظ البيئي0.4 / 0.4 / 0.025
تنشيط وإحياء القرى (VRA)مضاعف النفاذية المتوسط؛ القابلية للتأثر في الغابات أدنى من سيناريو العمل المعتاد؛ التشجير المتوسطسردية تنشيط القرية؛ لا توجد طبقة عقد القرية2.5 / 0.7 / 0.012

الجدول 2: القواعد الحسابية وقيم المعاملات لسيناريوهات استخدام الأراضي الأربعة. يلخص الجدول القواعد الحسابية المطبقة، والسرديات السياساتية، وقيم المعاملات لسيناريوهات: الوضع القائم (BAU)، والتوسع والتطوير السياحي (TED)، وأولوية الحفظ البيئي (ECP)، وتنشيط وإحياء القرى (VRA). تصف السرديات السياساتية التفسير المقصود لكل سيناريو وليست قيوداً مكانية مشفرة. dev، مضاعف التطوير غير المنفذ؛ fp، مضاعف القابلية للتحول من غابات إلى أسطح غير منفذة؛ af، كسر تحريج الأراضي الزراعية المعزولة لكل خطوة محاكاة.

5. معايرة والتحقق من صحة نموذج استخدام الأراضي

  1. تقدير مصفوفة المعايرة بناءً على التغير الملحوظ في الفترة 2005-2010. محاكاة عام 2015 انطلاقاً من بيانات عام 2010 الملحوظة باستخدام البذرة (seed) 2023.
  2. مقارنة خريطة عام 2015 المحاكات ببيانات CLCD 2015 الملحوظة بكسل مقابل بكسل ضمن القناع الصالح. حساب الدقة الإجمالية، ومعامل كابا (Kappa)، ومصفوفة الارتباك (confusion matrix) بحجم 9 × 9، ومقياس الجدارة (FoM) للخلايا المتغيرة48.
  3. استبعاد الخلايا غير الصالحة من كل من البسط والمقام في حسابات التحقق لمنع الأصفار الموجودة خارج القناع من تضخيم نسبة الاتفاق.
  4. تفسير الدقة الإجمالية ومعامل كابا بالتزامن مع مقياس FoM لأن الغابات والأراضي الزراعية المستقرة تهيمن على المقاييس الأولى، بينما يقيم FoM المجموعة الأصغر من الخلايا المتغيرة. استخدام نتائج التحقق لدعم مقارنة السيناريوهات الإقليمية؛ وعدم تفسيرها على أنها تحدد بدقة التنبؤ بمواقع التغيير.

6. حساب تخزين الكربون

  1. لكل بكسل صالح، قم بتعيين كثافات مخزون الكربون الأربعة الخاصة بكل فئة والمدرجة في الجدول 3. اجمع كثافات المخزون الأربعة للحصول على إجمالي كثافة الكربون بوحدة Mg C ha⁻1.
  2. اضرب إجمالي كثافة الكربون في مساحة البكسل البالغة 0.09 ha. قم بتحويل قيم Mg C الناتجة إلى Tg C.
  3. طبق عملية حساب البحث هذه باعتبارها المعادل الجبري لصياغة تخزين الكربون في InVEST. لا تطبق وحدة معدل العزل أو التقييم أو الوحدة الاقتصادية9,47.
فئة استخدام الأراضي (CLCD)الكربون فوق الأرض
(Mg Ca)⁻¹)		الكربون تحت الأرض
(Mg Ca)⁻¹)		كربون التربة
(Mg Ca)⁻¹)		الكربون العضوي الميت
(Mg Ca)⁻¹)		إجمالي الكربون
(Mg Ca)⁻¹)		يرجى تزويدي بالنص المصدر الذي ترغب في ترجمته.
1 الأراضي الزراعية3.567.4526.99.8247.73تشنغ وآخرون.47، الجدول 6
2 غابة53.5917.3684.852.8158.6
3 شجيرة4.254.6572.91.5983.39
4 الأراضي العشبية4.1516.5878.21.55100.48
5 ماء6.38000.126.5
6 الثلج/الجليد00.335.3505.68
7 عقيم1.30.3321.6023.23
٨ غير نفوذ009.2809.28
٩ الأراضي الرطبة12.249.1895.734.08121.23

الجدول 3: معايير كثافة الكربون لفئات استخدام الأراضي التسع في مجموعة بيانات غطاء الأرض في الصين المستخدمة في محاسبة الكربون. يتم توفير قيم كثافة الكربون فوق سطح الأرض، وتحت سطح الأرض، وفي التربة، والكربون العضوي الميت، وكثافة الكربون الإجمالية لكل فئة من فئات استخدام الأراضي في مجموعة بيانات غطاء الأرض في الصين (CLCD). وتمثل كثافة الكربون الإجمالية مجموع خزانات الكربون الأربعة. يتم التعبير عن جميع قيم كثافة الكربون بالميجاجرام من الكربون لكل هكتار (Mg C ha−1). تم الحصول على القيم من Cheng et al.47، الجدول 6.

7. الكشف عن الارتباطات الطوبوغرافية مع OPGD

  1. استخدم كثافة الكربون لعام 2015 كمتغير استجابة، والارتفاع، والميل، والاتجاه الشمالي، والتضاريس كعوامل تفسيرية. قم بأخذ عينة من 200,000 بكسل صالح باستخدام البذرة (seed) 42.
  2. لكل عامل تفسيري، اختبر فترات مئوية تتراوح بين 2 و15. احتفظ بتقسيم البيانات الذي ينتج عنه أقصى قيمة q.
  3. احسب قيم p لاختبار F التحليلي وقيم p للتباديل باستخدام 999 تبديلاً. احسب قيمة p للتباديل وفق المعادلة p = (عدد التجاوزات + 1) / 1000.
  4. اجمع الطبقات المثلى لكل زوج من العوامل التفسيرية لحساب نتائج التفاعل. يتم تفسير جميع مخرجات العوامل والتفاعلات على أنها ارتباطات مكانية بدلاً من تأثيرات سببية10.

النتائج

التوزيع المكاني والديناميكيات الزمنية لاستخدام الأراضي

يتم تلخيص سير العمل التحليلي، ونطاق الدراسة، ومجموعات بيانات الإدخال الأساسية في الشكل 1, الشكل 2، و الجدول 1، على التوالي. الشكل 1 يعرض سير العمل المكون من سبع خطوات والمستخدم في توقعات استخدام الأراضي، والتحقق من صحتها، ومحاسبة الكربون، وتحليل الارتباط الطبوغرافي. الشكل 2 يوضح موقع منطقة الدراسة ونطاقها التحليلي. جدول 1 يلخص هذا الجزء التغطية الزمنية، والدقة المكانية، ومصدر البيانات، والدور التحليلي لمجموعات البيانات المكانية والجدولية الأساسية. وقد أسفرت مقارنة بيانات عام 2015 المحاكاة مع بيانات CLCD لعام 2015 المرصودة عبر 4,632,329 بكسل صالح عن دقة إجمالية (OA) بلغت 96.61%، ومعامل كابا (Kappa) بلغ 0.850، ومقياس الجدارة (FoM) بلغ 0.107. وقد طغى استقرار الغابات والأراضي الزراعية على حالة التوافق، بينما أشار مقياس الجدارة (FoM) -الذي يركز على التغيرات- إلى دقة محدودة في إعادة إنتاج مواقع التغيير. وبناءً عليه، فإن عملية التحقق تدعم تحليل السيناريوهات المقارن بدلاً من التنبؤ المكاني الدقيق. الجدول التكميلي 1 (ورقة العمل S3)، ويوفر مقاييس التحقق، وحالات الإصابة بالتغيير، وحالات عدم الإصابة، والإنذارات الكاذبة، ومصفوفة الارتباك الكاملة. يحتوي الأرشيف على راستر التحقق والبرمجية الدقيقة المستخدمة في الحساب.

عبر عمليات تحليل الحساسية الـ 28، حافظ كل اضطراب متطابق على ترتيب ECP > BAU > VRA > TED. وتراوحت نطاقات فقدان الكربون بين 4.22–5.86% لـ ECP، و6.87–8.55% لـ BAU، و6.99–9.61% لـ VRA، و10.45–15.84% لـ TED. وهناك تداخل بين نطاقي BAU وVRA؛ لذا يقتصر التفسير على ترتيب الحالات المتطابقة بدلاً من الفصل التام بين نطاقات OAT. تتوفر نتائج الحساسية الكاملة في الجدول التكميلي 1 (ورقة العمل S4)، والشكل التكميلي 1. وأظهرت مصفوفة التشغيل للفترة 2010–2015، الموضحة في الجدول التكميلي 1 (ورقة العمل S1)، احتمالات استبقاء بلغت 98.23% للغابات، و94.66% للأراضي الزراعية، و99.43% للأراضي غير المنفذة. وكانت أكبر الانتقالات خارج القطر هي من الأراضي الزراعية إلى الأراضي غير المنفذة (3.39%)، ومن الأراضي الزراعية إلى الغابات (1.71%)، ومن الغابات إلى الأراضي الزراعية (1.71%). وخلال الفترة نفسها، انخفض الغطاء الغابي من 87.63% إلى 86.27%، بينما زادت الأراضي الزراعية من 10.99% إلى 11.92% وزادت الأراضي غير المنفذة من 1.08% إلى 1.50%. يوضح الشكل 3A,B أنماط استخدام الأراضي المرصودة في عامي 2010 و2015 على التوالي، ويعرض الشكل 4 فئات التغيير المقابلة دون استنتاج محركات لم تكن مدرجة في التحليل.

figure-results-1
الشكل 3. أنماط استخدام الأراضي المرصودة في منظر Yixian–Huangshan الطبيعي في عامي 2010 و2015. خرائط مجموعة بيانات غطاء الأرض في الصين (CLCD) توضح التوزيع المكاني لتسع فئات من استخدام الأراضي ضمن النطاق التحليلي. (A) استخدام الأراضي المرصود في عام 2010. (B) استخدام الأراضي المرصود في عام 2015. وتشمل فئات استخدام الأراضي الأراضي الزراعية، والغابات، والشجيرات، والمراعي، والمياه، والثلج/الجليد، والأراضي القاحلة، والأسطح غير المنفذة، والأراضي الرطبة. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

figure-results-2
الشكل 4. التغير الملحوظ في استخدام الأراضي في منظر Yixian–Huangshan من عام 2010 إلى 2015. توضح الخريطة التوزيع المكاني للغابات المستقرة، وفقدان الغابات، واكتساب الغابات، والأسطح غير النفاذة المطورة حديثاً بين خرائط مجموعة بيانات غطاء الأرض في الصين لعامي 2010 و2015. تمثل المناطق البيضاء المواقع التي لم تُصنف ضمن فئات التغيير الأربع المعروضة. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

خصائص التضاريس والتباين الطوبوغرافي

ضمن القناع الصالح، تراوح الارتفاع من 82.3 إلى 1,830.3 m (بمتوسط 388.0 m)، والمنحدر من 0 إلى 87.3° (بمتوسط 22.4°)، والاتجاه نحو الشمال (northness) من −1 إلى 1، والتضاريس الطبوغرافية من 3.2 إلى 1,398.2 m (بمتوسط 230.0 m). عُرِّفت التضاريس بأنها مدى الارتفاع المحلي ضمن جوار دائري بنصف قطر قدره 450 m، وتم تنفيذ ذلك باستخدام بصمة تبلغ 31 × 31-pixel. يوضح الشكل 5A–D الارتفاع، والمنحدر، والاتجاه نحو الشمال، والتضاريس الطبوغرافية، على التوالي. وتحدد هذه الطبقات التباين المكاني للتضاريس؛ ويتم التعامل مع أي آلية إيكولوجية مقابلة كفرضية وليس كـ نتيجة سببية35,36,37,38,39,40,41,42,43,44.

figure-results-3
الشكل 5. المتغيرات الطبوغرافية المستخدمة في تحليل الارتباط. التوزيعات المكانية للمتغيرات الطبوغرافية الأربعة عبر النطاق التحليلي: (A) الارتفاع، مقدراً بالأمتار؛ (B) المنحدر، مقدراً بالدرجات؛ (C) الشمالية، مقدرة على مقياس من −1 إلى 1؛ و (D) التضاريس الطبوغرافية، مقدرة بالأمتار. استخدمت هذه المتغيرات في تحليل الكاشف الجغرافي القائم على المعلمات المثلى لدراسة ارتباطاتها الفردية والمشتركة مع كثافة الكربون لعام 2015. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

توقعات استخدام الأراضي في سيناريوهات متعددة

أدت مصفوفة الانتقال المشتركة ومعلمات السيناريو الملخصة في الجدول 2 إلى إنتاج مسارات تجميعية متميزة باستخدام معرفات فئات الغطاء الأرضي الرقمية الموضحة في الجدول التكميلي 2. يعرض الشكل 6 الحصص المرصودة والمتوقعة للغابات والأراضي الزراعية والأسطح غير المنفذة، بينما يوضح الشكل 7A–D التوقعات المكانية لسيناريوهات BAU وTED وECP وVRA لعام 2030 على التوالي، ويوضح الشكل 7E–H التوقعات المقابلة لعام 2050. وبحلول عام 2050، من المتوقع أن تشكل الغابات 78.0% تحت سيناريو BAU، و74.6% تحت سيناريو TED، و80.3% تحت سيناريو ECP، و78.2% تحت سيناريو VRA؛ وكانت حصص الأسطح غير المنفذة المقابلة 6.3% و17.6% و2.8% و9.0%. وبالمقارنة مع المرصود في عام 2015، كان التوسع المتوقع للأسطح غير المنفذة حوالي 202 km2 تحت سيناريو BAU، و675 km2 تحت سيناريو TED، و57 km2 تحت سيناريو ECP، و317 km2 تحت سيناريو VRA. وتعد هذه القيم مخرجات لاختبار الجهد وليست تنبؤات ملائمة. وتتجمع التغيرات المتوقعة مكانياً لأن ترتيب المرشحين يستخدم تعدادات الجوار للفئة المستهدفة، كما أن تحويل الأراضي غير الزراعية إلى أراضٍ غير منفذة يقتصر على الخلايا الطرفية. ولا يتضمن النموذج أي طبقة لممرات النقل، أو عقد القرى، أو المناطق المحمية، أو الخطوط الحمراء البيئية، أو التخطيط القانوني؛ وبالتالي، فإن المحاذاة الظاهرية مع بنية تحتية محددة أو مناطق منظمة لا تمثل تأثيراً مشفراً.

figure-results-4
الشكل 6. الحصص المرصودة والمتوقعة لفئات استخدام الأراضي الرئيسية بموجب أربعة سيناريوهات. يظهر النسبة المئوية لمنطقة الدراسة التي تشغلها الغابات، والأراضي الزراعية، والأسطح غير النفوذة للسنوات المرصودة 2005، و2010، و2015، وللتوقعات حتى عام 2030 و2050 بموجب سيناريوهات العمل المعتاد (BAU)، والتوسع والتطوير السياحي (TED)، وأولوية الحفظ الإيكولوجي (ECP)، وتنشيط وتطوير القرى (VRA). تمثل الأعمدة الحصة المنسقة من إجمالي منطقة الدراسة لكل فئة من فئات استخدام الأراضي؛ ولا تنطبق أشرطة الخطأ لأن القيم هي مخرجات سيناريوهات حتمية وليست تقديرات قائمة على التكرار. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

figure-results-5
الشكل 7. التوزيع المكاني المتوقع لاستخدامات الأراضي بموجب أربعة سيناريوهات في عامي 2030 و2050. أنماط استخدام الأراضي المتوقعة بموجب سيناريوهات: الوضع الراهن (BAU)، وتوسع وتنمية السياحة (TED)، وأولوية الحفظ الإيكولوجي (ECP)، وتنشيط وإحياء القرى (VRA). (A–D) توقعات BAU وTED وECP وVRA، على التوالي، لعام 2030. (E–H) توقعات BAU وTED وECP وVRA، على التوالي، لعام 2050. تشمل فئات استخدام الأراضي الأراضي الزراعية، والغابات، والشجيرات، والمراعي، والمياه، والثلج/الجليد، والأراضي القاحلة، والأسطح غير المنفذة، والأراضي الرطبة. تم بدء جميع عمليات محاكاة السيناريوهات من خريطة CLCD المرصودة لعام 2015؛ لذا، فإن الخلايا التي لم تشهد انتقالاً محاكياً في استخدام الأراضي تحتفظ بفئة استخدام الأراضي لعام 2015 والنمط المكاني الأساسي. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

ديناميكيات تخزين الكربون بموجب توقعات سيناريوهات متعددة

أدى تطبيق البحث المرجعي الكامل للمجمعات الأربعة الموضح في الجدول 3 إلى الحصول على 59.505 Tg C لعام 2015، وهو ما يعادل متوسط كثافة قدره 142.73 Mg C ha−1. وشكلت الغابات 57.04 Tg C (95.9%)، بينما شكلت الأراضي الزراعية 2.37 Tg C (4.0%). وساهمت الأراضي غير المنفذة بمساهمة صغيرة ولكنها غير صفرية لأن المصدر المعتمد يخصص لهذه الفئة 9.28 Mg C ha−1. وضمن فئة الغابات، مثلت مجمعات التربة، والمادة العضوية فوق سطح الأرض، والمادة العضوية تحت سطح الأرض، والمادة العضوية الميتة 53.5% و33.8% و10.9% و1.8% من إجمالي الكربون على التوالي31,32,33,34,44,47. وقد أظهرت جميع السيناريوهات تخزيناً للكربون في عام 2050 أقل مما كان عليه في عام 2015. وكان التخزين المتوقع 54.895 Tg C في ظل سيناريو BAU (خسارة بنسبة 7.75%)، و51.475 Tg C في ظل سيناريو TED (13.49%)، و56.523 Tg C في ظل سيناريو ECP (5.01%)، و54.540 Tg C في ظل سيناريو VRA (8.34%). وبلغ الفرق بين ECP وTED قيمة 5.048 Tg C. وتنتج هذه التباينات عن المعلمات العددية المفروضة ولا تُقدر آثار السياسات المذكورة. يوضح الشكل 8A إجمالي تخزين الكربون في عام 2015 وتوقعات السيناريوهات لعامي 2030 و2050؛ ويوضح الشكل 8B متوسطات كثافة الكربون المقابلة؛ ويوضح الشكل 8C فقدان الكربون بحلول عام 2050 بالنسبة لخط الأساس لعام 2015؛ ويبين الشكل 8D العلاقة بين حصة الغابات المتوقعة وفقدان الكربون. وتعتبر هذه القيم مخرجات سيناريوهات حتمية وليست تقديرات قائمة على التكرار.

figure-results-6
الشكل 8. تخزين الكربون المتوقع وعلاقته بالغطاء الغابي تحت أربعة سيناريوهات لاستخدام الأراضي. (A) إجمالي تخزين الكربون في عام 2015 والمتوقع لعامي 2030 و2050 في ظل سيناريوهات: الوضع الراهن (BAU)، وتوسع وتنمية السياحة (TED)، وأولوية الحفظ الإيكولوجي (ECP)، وتنشيط وتطوير القرى (VRA)، معبراً عنه بتيرغرامات من الكربون (Tg C). (B) متوسط كثافة الكربون للسنوات والسيناريوهات المقابلة، معبراً عنه بميغغرامات من الكربون لكل هكتار (Mg C ha-1). (C) النسبة المئوية للفقد في إجمالي تخزين الكربون بحلول عام 2050 نسبةً إلى خط الأساس لعام 2015 لكل سيناريو. (D) العلاقة بين حصة الغابات المتوقعة في منطقة الدراسة عام 2050 والنسبة المئوية لفقدان الكربون نسبةً إلى عام 2015 لكل سيناريو. القيم تمثل مخرجات سيناريوهات حتمية؛ لذا لا تنطبق أشرطة الخطأ. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

الارتباطات الطبوغرافية مع التباين المكاني لتخزين الكربون

صنّف كاشف عامل OPGD المنحدر في المرتبة الأولى (q = 0.557)، يليه التضاريس (q = 0.460)، ثم الارتفاع (q = 0.352)، وأخيراً التوجه شمالاً (q = 0.003)، كما هو موضح في الشكل 9A. ومع إجراء 999 تبديلة، كانت قيمة p التبديلية لكل عامل 0.001، وهي أدنى قيمة يمكن تحقيقها؛ كما كانت قيم p لاختبار F التحليلي أقل من 0.001. وتتوفر إحصائيات كاشف العوامل والتفاعلات الكاملة، بما في ذلك فترات التجزئة المُحسّنة وقيم p التحليلية والتبديلية، في الجدول التكميلي 3. ويتم التمييز هنا بين الدلالة الإحصائية وحجم التأثير: حيث كان الارتباط بالتوجه شمالاً ضئيلاً من الناحية العملية، وتمثل جميع قيم q ارتباطات ضمن متغيرات التضاريس الأربعة التي تم تقييمها بدلاً من التأثيرات السببية10,40. وقد أعطت جميع أزواج العوامل قيم q للتفاعل أكبر من القيمة الأكبر لقيم q الفردية الخاصة بها. وكانت أقوى التفاعلات هي المنحدر ∩ التضاريس (q = 0.628)، والارتفاع ∩ المنحدر (q = 0.618)، والارتفاع ∩ التضاريس (q = 0.510)، كما هو موضح في الشكل 9B. وتشير هذه القيم إلى ارتباطات طبقية أقوى للعوامل المزدوجة، ولكنها لا تثبت وجود آلية جيومورفولوجية لأن التربة والمناخ وعمر الغابة والإدارة وإمكانية الوصول لم تكن مدرجة في النموذج.

figure-results-7
الشكل 9. الارتباطات الطبوغرافية بكثافة الكربون لعام 2015 التي تم تحديدها باستخدام الكاشف الجغرافي القائم على المعلمات المثلى. (A) إحصائيات q لكاشف العوامل بالنسبة للارتفاع، والمنحدر، والاتجاه الشمالي، والتضاريس الطبوغرافية. قيم q المقابلة هي 0.3518 و0.5571 و0.0031 و0.4600؛ وأسفرت اختبارات التبديل عن p = 0.001. (B) قيم q لكاشف التفاعل للازدواجات الزوجية للمتغيرات الطبوغرافية الأربعة. تشير قيم q الأكبر إلى ارتباطات إحصائية أقوى مع التوزيع المكاني لكثافة الكربون لعام 2015. OPGD، الكاشف الجغرافي القائم على المعلمات المثلى. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

النتائج العامة

الشكل 10A–D يلخص النتائج الرئيسية لسير العمل: حصة الغابات المتوقعة، وإجمالي تخزين الكربون، وترتيب الارتباطات الطبوغرافية، والمؤشرات الكمية الرئيسية، على التوالي. احتوى خط الأساس التحليلي لعام 2015 على 59.505 Tg C. وعبر مجموعات المعايير الاستكشافية الأربع، تراوحت الخسائر المتوقعة بحلول عام 2050 من 5.01% إلى 13.49%، وحافظت جميع حالات الحساسية المتطابقة على الترتيب ECP > BAU > VRA > TED. وأظهر المنحدر والتضاريس أقوى ارتباطات التضاريس التي تم تقييمها. ونظراً لأن FoM = 0.107 ومع إغفال طبقات التخطيط الصريحة والطبقات الاجتماعية والاقتصادية والمناخية، فإن النتائج تدعم التقييم الإقليمي المقارن بدلاً من التنبؤ المكاني الحتمي.

figure-results-8
الشكل 10. ملخص لنتائج استخدام الأراضي وتخزين الكربون المتوقعة والارتباطات الطبوغرافية. (A) حصة الغابات المتوقعة في منطقة الدراسة في عام 2030 و2050 بموجب سيناريوهات "العمل كالمعتاد" (BAU)، وتوسيع وتطوير السياحة (TED)، وأولوية الحفاظ البيئي (ECP)، وتنشيط وإحياء القرى (VRA)؛ يشير الخط المقطع إلى حصة الغابات المرجعية لعام 2015. (B) إجمالي تخزين الكربون في عام 2015 والمتوقع لعامي 2030 و2050 بموجب السيناريوهات الأربعة، معبراً عنه بتيرامرامات الكربون (Tg C). (C) ترتيب الارتفاع، والميل، والاتجاه شمالاً، والتضاريس الطبوغرافية وفقاً لإحصائيات q التي تم الحصول عليها باستخدام الكاشف الجغرافي القائم على المعلمات المثلى (OPGD)، حيث تشير قيم q الأكبر إلى ارتباطات إحصائية أقوى مع كثافة الكربون لعام 2015. (D) ملخص للمؤشرات الكمية الرئيسية، بما في ذلك تخزين وكثافة الكربون المرجعية، ونطاق فقدان الكربون المتوقع لعام 2050، والفرق في تخزين الكربون بين سيناريوهي ECP وTED، ومقاييس التحقق، وأقوى ارتباط طبوغرافي تم تقييمه. OA، الدقة الإجمالية؛ FoM، معامل الجدارة؛ Mg C ha-1، ميغاجرامات الكربون لكل هكتار. يرجى النقر هنا لعرض نسخة أكبر من هذا الشكل.

الشكل التكميلي 1. تحليل الحساسية أحادي المتغير لتخزين الكربون عام 2050 تحت أربعة سيناريوهات لاستخدام الأراضي.(A) تخزين الكربون الاسمي لعام 2050 ونطاق الحساسية الكامل لـ OAT لكل من BAU وTED وECP وVRA. تشير النقاط إلى القيم الاسمية للسيناريوهات، وتشير النطاقات الرأسية إلى أدنى وأقصى قيم لتخزين الكربون تم الحصول عليها من خلال ضرب أحد المعلمات dev أو fp أو af في 0.5 أو 1.5 مع تثبيت المعلمات الأخرى. (B) التغير في تخزين الكربون لعام 2050 بالنسبة إلى القيمة الاسمية المقابلة للسيناريو بعد اضطرابات بمقدار 0.5× و 1.5× للمعلمات dev و fp و af. تشير القيم التي تزيد عن الصفر إلى تخزين كربون أكبر من الحالة الاسمية، بينما تشير القيم التي تقل عن الصفر إلى تخزين كربون أقل. تمثل النطاقات اضطرابات محددة أحادية المتغير للمعلمات وليست فترات ثقة احتمالية.يرجى النقر هنا لتنزيل هذا الملف.

الجدول التكميلي 1. مصفوفة انتقال استخدام الأراضي، وتوصيف معاملات السيناريوهات، والتحقق من صحة النموذج، ونتائج تحليل الحساسية لمتغير واحد في كل مرة. يحتوي ملف العمل على أربع أوراق عمل: S1، مصفوفة انتقال استخدام الأراضي التشغيلية للفترة 2010–2015؛ وS2، قيم المعاملات والقواعد المطبقة وحدود التفسير للسيناريوهات الأربعة؛ وS3، مصفوفة الارتباك 9 × 9 ونتائج التحقق من صحة النموذج المرتبطة بها؛ وS4، نتائج الحساسية الاسمية ونتائج الحساسية لمتغير واحد في كل مرة والتي تم الحصول عليها عن طريق تغيير dev و fp و af بمقدار 0.5× و 1.5× مع تثبيت المعاملات الأخرى. تمثل نطاقات الحساسية اضطرابات محددة للمعاملات وليست فواصل ثقة احتمالية.يرجى النقر هنا لتحميل هذا الملف.

الجدول التكميلي 2. معرفات فئات الغطاء الأرضي المستخدمة في سير العمل الحسابي. يدرج الجدول معرفات الفئات الرقمية وفئات الغطاء الأرضي المقابلة لها والمستخدمة في تحليلات الراستر. تشير الفئة 0 إلى NoData خارج قناع منطقة الدراسة الصالحة؛ وتشير الفئات 1-9 إلى الأراضي الزراعية، والغابات، والشجيرات، والمراعي، والمياه، والثلج/الجليد، والأراضي القاحلة، والأسطح غير المنفذة، والأراضي الرطبة، على التوالي.يرجى النقر هنا لتنزيل هذا الملف.

الجدول التكميلي 3. نتائج كاشف العوامل والتفاعل باستخدام OPGD لكثافة الكربون لعام 2015. يوضح الجدول إحصائيات q المُحسَّنة، وأعداد فترات التقطيع، وقيم p لاختبار F التحليلي، وقيم p للتبديل استناداً إلى 999 عملية تبديل للارتفاع، والميل، والشمالية، والتضاريس الطبوغرافية. وتوضح نتائج التفاعل الثنائي إحصائية q للتفاعل، وإحصائيات q للعوامل الفردية، وتصنيف التفاعل. تمثل الإحصائيات المذكورة الارتباطات المكانية ولا تثبت آثاراً سببية.يرجى النقر هنا لتحميل هذا الملف.

الملاحظة التكميلية 1. توصيفات تفصيلية لكل لوحة، ومصادر البيانات، وملاحظات التفسير الخاصة بأشكال المخطوطة. تحدد هذه الملاحظة المحتوى ومصدر البيانات الأساسي لكل لوحة من لوحات الأشكال، وتوفر معلومات تتعلق بالنطاقات المكانية المشتركة، والمعلومات المكررة، وتفسير المتغيرات المعروضة.يرجى النقر هنا لتنزيل هذا الملف.

أرشيف البيانات التكميلية (مضغوط). يحتوي الأرشيف على 26 ملف GeoTIFF جاهزة للتحليل، وملفات الحدود، والبيانات الوصفية، والنتائج، والسكربتات، والأشكال، ودفاتر العمل، وملفات البيئة الحسابية الدقيقة، وملف README، ومجاميع التحقق SHA-256.

المناقشة

شهد تخزين الكربون انخفاضاً عبر اختبارات الإجهاد الأربعة، حيث أدت التحولات المحاكات إلى تغيير نسب فئات الغطاء الأرضي ذات الكثافة العالية والمنخفضة. وقد سجل TED أكبر انخفاض، بينما سجل ECP أقل انخفاض. لذا، فإن تحديد وتفسير معاملات dev وfp وaf يمثل خطوة حاسمة في تطبيق البروتوكول. وبما أن الاختلافات بين السيناريوهات تنشأ من هذه القيم المفروضة، فهي تمثل استجابات نموذجية مشروطة بدلاً من أن تكون تأثيرات ملحوظة للتنمية السياحية أو تنشيط القرى أو التنظيم البيئي. وبحلول عام 2050، كان تخزين الكربون المتوقع في ظل TED أقل بمقدار 5.048 Tg C منه في ظل ECP. وبناءً على جدول البحث المعتمد، فإن تحويل هكتار واحد من الغابات إلى أراضٍ غير نفاذة يقلل المخزون المحدد بمقدار 149.32 Mg C، بينما يقلله التحويل من الأراضي الزراعية إلى أراضٍ غير نفاذة بمقدار 38.45 Mg C. وتفسر هذه التباينات المحاسبية التأثير القوي لتحويل الغابات المحاكى على إجمالي التخزين. ومع ذلك، فإن الاعتماد على القيم المستمدة من الدراسات المرجعية دون معايرة محلية يؤدي إلى إدخال حالة من عدم اليقين في التقديرات المطلقة.

تتمثل خطوة حاسمة أخرى في اشتقاق وتجزئة متغيرات التضاريس المستخدمة في OPGD. وقد ارتبط التضاريس الطبوغرافي بكثافة الكربون بعد التجزئة المُحسّنة (q = 0.460). وعُرِّف التضاريس بأنه نطاق الارتفاع المحلي ضمن حيّ دائري بنصف قطر قدره 450 m، تم تنفيذه ببصمة تبلغ 31 × 31 بكسل. قد تتطابق الخلايا ذات التضاريس العالية مع التضاريس الحرجية شديدة الانحدار، ولكن OPGD لا يمكنه التمييز بين التضاريس، وإمكانية الوصول، وتاريخ استخدام الأراضي، والتربة، والإدارة، والتفسيرات الأخرى المترابطة. وقد أنتجت طبقات التضاريس المزدوجة قيم q أقوى من العوامل الفردية، لا سيما بالنسبة للمنحدر ∩ التضاريس (q = 0.628). ويعد هذا النمط وصفياً وليس ميكانيكياً. وبالمثل، فإن قيمة q الصغيرة للاتجاه الشمالي (0.003) لا تثبت أن التباينات في الإشعاع الشمسي ضعيفة؛ إذ يتطلب اختبار هذا التفسير قياسات للإشعاع، والمناخ المحلي، والغطاء النباتي، والقياسات الميدانية.

تدعم هذه الطريقة صياغة فرضيات إقليمية: حيث إن الحد من تحويل الغابات المحاكى، وتخفيف التوسع في الأسطح غير المنفذة، وزيادة الانتقال من الأراضي الزراعية إلى الغابات، يحافظ على قدر أكبر من الكربون المخصص. وتتطلب الوصفات المحددة لكل موقع أدلة إضافية. ولتعديل سير العمل ليكون موجهاً نحو تطبيقات اتخاذ القرار، يجب دمج طبقات تم التحقق منها للمناطق المحمية، والخطوط الحمراء البيئية، والنقل، والقطع الأرضية، وعقد القرى، إلى جانب تقييمات لمشاركة أصحاب المصلحة، والمقايضات في خدمات النظام البيئي، والحوافز، وتكاليف الاستعادة، والخدمات الثقافية، وسبل العيش، والتنوع البيولوجي49,50,51,52,53,54,55,56. وتعتبر هذه التوسعات مهمة لأن البروتوكول الحالي لا يشفر مثل هذه القيود المكانية أو الاجتماعية والاقتصادية. كما تشير الأدبيات الأوسع إلى أن استراتيجيات تخزين النباتات، وبنية الغابات، والغطاء النباتي غير الشجري، وسلوك السياحة، وتأثيرات دورة حياة البيئة المبنية تتطلب تحليلات تختلف عن محاسبة الغطاء الأرضي الحالية57,58,59,60,61.

تحدد عدة قيود الاستخدام والتفسير المناسبين لهذه الطريقة. وتشمل هذه القيود كثافات الكربون المستمدة من الدراسات السابقة دون معايرة ميدانية محلية، واحتمالية حدوث خطأ في تصنيف CLCD، واستخدام نموذج Markov-CA مخصص ومبسط، ومعيار جودة (FoM) للتحقق يركز على التغيير بقيمة 0.107، ومعلمات اختبار إجهاد غير مُطابقة، وتقييم عشوائي بذرة واحدة. وتتمثل القيود الإضافية في تصميم "عامل واحد في المرة الواحدة" بدلاً من تحليل عدم اليقين الاحتمالي، وإغفال طبقات التخطيط، والعوامل الاجتماعية والاقتصادية، وإمكانية الوصول، والتربة، وعمر الغابة، وتغير المناخ، بالإضافة إلى ارتباطات OPGD غير السببية. وتعني هذه القيود أن سير العمل هذا مناسب لتقييم السيناريوهات الإقليمية المقارنة، ولكنه لا يوفر توقعات مكانية حتمية، أو قوائم جرد للكربون مُعايرة محلياً، أو تقديرات سببية لفعالية السياسات.

فيما يتعلق بالنهج الحالية والبديلة، تكمن أهمية هذا البروتوكول في دمج محاكاة استخدام الأراضي، والمحاسبة الكربونية رباعية الأحواض، والتحقق من الصحة، واختبار الحساسية، وتحليل الارتباط التضاريسي ضمن سير عمل قابل للتكرار مع الاحتفاظ بقيود صريحة على التفسير. يجب أن يركز استكشاف الأخطاء وإصلاحها والتعديل بشكل خاص على الخطوات التي تؤثر بقوة على التفسيرات اللاحقة: المعالجة المسبقة للغطاء الأرضي والقناع، وتحديد معلمات الانتقال والسيناريوهات، والتحقق من صحة النموذج، وتعيين كثافة الكربون، وتجزئة التضاريس.

يمكن تطبيق سير العمل هذا في التقييم المقارن لمسارات استخدام الأراضي البديلة وفي تحديد الارتباطات المكانية التي تستدعي مزيداً من الاستقصاء، بينما تتطلب التطبيقات الخاصة بمواقع محددة أدلة إضافية تم التحقق منها محلياً. وتشمل أولويات الأبحاث المستقبلية جمع قياسات الكربون المحلية، ومقارنة نماذج التخصيص البديلة والبذور العشوائية، وملاءمة المعلمات مع المحركات المستقلة، ونشر عدم اليقين في التصنيف والمعلمات والمناخ. ومن شأن هذه التطورات أن توسع سير العمل الحالي إلى ما هو أبعد من اختبار الإجهاد المقارن، وتوفر أساساً أقوى لتقييم نتائج استخدام الأراضي وتخزين الكربون في ظل مصادر إضافية من عدم اليقين.

الإفصاحات

يعلن المؤلفون عن عدم وجود تضارب في المصالح.

شكر وتقدير

يتوجه المؤلفون بالشكر لمزودي مجموعات بيانات CLCD وCopernicus DEM GLO-30.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
مجموعة بيانات الغطاء الأرضي في الصين (CLCD)جامعة ووهان (يانغ جـ) & هوانغ إكس (Huang X)1985–منتج سنوي لعام 2022؛ 30 مترًا؛ معرف الكائن الرقمي لـ Zenodo: 10.5281/zenodo.4417810مدخلات غطاء الأرض الأساسية؛ استُخدمت طبقات الأعوام 2005 و2010 و2015 للمعايرة، والتحقق من الصحة، وتقدير مصفوفة الانتقال، وتحليل الخط المرجعي
نموذج الارتفاع الرقمي كوبيرنيكوس GLO-30 (Copernicus DEM GLO-30)وكالة الفضاء الأوروبية / برنامج كوبرنيكوسالحقبة المرجعية 2019؛ الإصدار العام 2021؛ 30 ممدخلات التضاريس المستخدمة لاشتقاق الارتفاع، والميل، والاتجاه نحو الشمال، والبروز الطبوغرافي لتحليل التوزيع الجغرافي للأنواع (OPGD)
آلية خلوية ماركوف مخصصةتنفيذ مخصص بلغة بايثون (Python)Python 3.11؛ البذرة 2023؛ تحديث متزامن؛ 3 × جوار مور 3؛ مصدر مؤرشفمحاكاة سيناريوهات استخدام الأراضي؛ تنفيذ مخصص لا يستدعي نموذج PLUS
geopandas (مكتبة بايثون)مطورو geopandas1.1.4التعامل مع البيانات المتجهية، والاستعلامات المكانية، وعمليات الحدود
صيغة تخزين الكربون رباعية الأحواض في نموذج InVESTمشروع رأس المال الطبيعيوثائق InVEST؛ حساب البحث المخصص بلغة Python؛ نص برمجى مؤرشفمحاسبة الكربون قائمة على الفئات ومكونة من أربعة أحواض؛ بدون وحدة لمعدل العزل أو التقييم أو الوحدة الاقتصادية
matplotlib (مكتبة لغة بايثون)مطورو Matplotlib3.11.0تصيير الأشكال والتصور العلمي
numpy (مكتبة بايثون)مطورو NumPy2.4.6الحساب العددي على مستوى المصفوفات
كواشف عامل OPGD والتفاعلاتتنفيذ مخصص بلغة Python استناداً إلى منهجية OPGDالبذرة 42؛ عينة مكونة من 200,000 بكسل؛ 2–15 فاصلًا ربيعيًا؛ 999 تبديلة؛ نص برمجى مؤرشفتحليل العوامل والتفاعل للارتباطات بين كثافة الكربون لعام 2015 والارتفاع، والمنحدر، والاتجاه شمالاً، والتضاريس الرأسية
pandas (مكتبة بايثون)مطورو pandas3.0.3التعامل مع البيانات الجدولية ومعالجة المخرجات التحليلية
لغة البرمجة بايثون (Python)مؤسسة برمجيات بايثون (Python Software Foundation)3.11.9بيئة حاسوبية للمعالجة المسبقة، والمحاكاة، والتحقق من الصحة، ومحاسبة الكربون، وتحليل OPGD، والمعالجة البعدية
rasterio (مكتبة بايثون)القائمون على صيانة rasterio1.4.4إدخال وإخراج البيانات الشبكية، وإعادة الإسقاط، وإعادة أخذ العينات، ومعالجة البيانات الشبكية للغطاء الأرضي والتضاريس
scipy (مكتبة بايثون)مطورو SciPy1.17.1العمليات العددية والمورفولوجية المستخدمة في معالجة التضاريس
shapely (مكتبة Python)مُطوِّرو Shapely2.1.2العمليات الهندسية الداعمة للمعالجة المتجهية والمكانية
نطاق منطقة الدراسة والقناع الصالحإعادة بناء مدخلات الدراسة المخصصة من إحداثيات المخطوطةEPSG:32650؛ 30 متر؛ ملفات GeoJSON و GeoTIFF مؤرشفة؛ 4,632,329 خلية صالحةيحدد المسافة البالغة 4,169.1 كم² منطقة التحليل المشتركة وقناع الراستر الصالح

المراجع

  1. Costanza R, et al. The value of the world's ecosystem services and natural capital. Nature. 1997;387(6630):253-260. doi:10.1038/387253a0.
  2. Millennium Ecosystem Assessment. Ecosystems and Human Well-Being: Synthesis. Island Press; Washington, DC; 2005.
  3. UNESCO World Heritage Centre. Mount Huangshan [Internet]. UNESCO; Paris; [cited 2026 Aug 18]. Available from: https://whc.unesco.org/en/list/547
  4. UNESCO World Heritage Centre. Ancient Villages in Southern Anhui—Xidi and Hongcun [Internet]. UNESCO; Paris; [cited 2026 Aug 18]. Available from: https://whc.unesco.org/en/list/1002
  5. Megarry WP, et al. Land use and land cover analysis of cultural World Heritage to inform assessments of climate vulnerability. Journal of Cultural Heritage. 2026;77:243-253. doi:10.1016/j.culher.2025.11.008.
  6. Wang Y, Chen S, Rabeeu A. Does world heritage site initiation promote tourism? A difference-in-difference approach. Tourism Economics. 2024;30(8):2111-2133. doi:10.1177/13548166241253306.
  7. Wang Y, Sulaiman MKAM, Harun NZ. Reframing place identity for traditional village conservation: A theoretical model with evidence from Dali Dong Village. Heritage. 2025;8(10):427. doi:10.3390/heritage8100427.
  8. Liang X, et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: A case study in Wuhan, China. Comput Environ Urban Syst. 2021;85:101569. doi:10.1016/j.compenvurbsys.2020.101569.
  9. Sharp R, et al. InVEST User's Guide: Integrated Valuation of Ecosystem Services and Tradeoffs. [Internet]. Natural Capital Project, Stanford University; 2020. Available from: https://naturalcapitalproject.stanford.edu/software/invest
  10. Song Y, Wang J, Ge Y, Xu C. An optimal parameters-based geographical detector model enhances geographic characteristics of explanatory variables for spatial heterogeneity analysis: cases with different types of spatial data. GISci Remote Sens. 2020;57(5):593-610. doi:10.1080/15481603.2020.1760434.
  11. Bozali N. Spatiotemporal simulation of land use and land cover changes in Türkiye through a CA–Markov framework. Scientific Reports. 2026;16(1). doi:10.1038/s41598-026-35807-9.
  12. Gita B, Pankaj L. Modeling alternative futures: Scenario-based land-use and land-cover projections for Nepal (2030–2050). Land. 2026;15(5):873. doi:10.3390/land15050873.
  13. Cui J, et al. An integrated land use–carbon modeling framework for net carbon emissions and spatial optimization in Northeast China. Journal of Cleaner Production. 2025;525:146545. doi:10.1016/j.jclepro.2025.146545.
  14. Tang H, et al. Analysis of spatiotemporal variations and driving factors of carbon storage based on the PLUS-InVEST-OPGD model: A case study of Tai'an City. Sustainability. 2026;18(8):4017. doi:10.3390/su18084017.
  15. Zhang Y, Liao X, Sun D. A coupled InVEST-PLUS model for the spatiotemporal evolution of ecosystem carbon storage and multi-scenario prediction analysis. Land. 2024;13(4):509. doi:10.3390/land13040509.
  16. Huang M, et al. Integrated assessment of land use and carbon storage changes in the Tulufan-Hami Basin under the background of urbanization and climate change. Int J Appl Earth Obs Geoinf. 2024;135:104261. doi:10.1016/j.jag.2024.104261.
  17. Ma Y, et al. Assessing carbon storage dynamics and policy impacts: Application of InVEST-PLUS framework in the Qinling Mountains, China. Land Use Policy. 2026;164:107947. doi:10.1016/j.landusepol.2026.107947.
  18. Li Z, Yan T, Du Y. Scenario-based simulation of carbon storage in Chengdu using MCCA-InVEST: land use change, spatial patterns, and driving mechanisms. Carbon Balance Manag. 2025;20:40. doi:10.1186/s13021-025-00328-x.
  19. Zhao H, Guo B, Wang G. Spatial-temporal changes and prediction of carbon storage in the Tibetan Plateau based on PLUS-InVEST model. Forests. 2023;14(7):1352. doi:10.3390/f14071352.
  20. Hasan F, Makhtoumi Y, Chen G. Impact of land use and land cover changes on ecosystem services: a multi-module InVEST-LCM analysis. Earth Syst Environ. 2026;10:7019-7041. doi:10.1007/s41748-025-00995-3.
  21. Zhang H, Luo J, Wu J, Dong H. Dynamic response of carbon storage to future land use/land cover changes motivated by policy effects and core driving factors. J Plant Ecol. 2024;17(4):rtae042. doi:10.1093/jpe/rtae042.
  22. Lu L, et al. Spatiotemporal variation and quantitative attribution of carbon storage based on multiple satellite data and a coupled model for Jinan City, China. Remote Sens. 2023;15(18):4472. doi:10.3390/rs15184472.
  23. Ma J, Hao Z, Shen Y, Zhen Z. Spatial-temporal evolution of carbon storage and its driving factors in the Shanxi section of the Yellow River Basin, China. Ecological Modelling. 2025;502:111039. doi:10.1016/j.ecolmodel.2025.111039.
  24. Mi Y, Li S, Wu B. Study on the variation of carbon storage in the Chang-Zhu-Tan urban agglomeration in China based on topographic relief. Frontiers in Environmental Science. 2024;12. doi:10.3389/fenvs.2024.1481540.
  25. Li C, Huang J, Luo Y, Wang J. Spatial synergy between carbon storage and emissions in coastal China: Insights from PLUS-InVEST and OPGD models. Remote Sensing. 2025;17(16):2859. doi:10.3390/rs17162859.
  26. Ocloo DM, Mizunoya T. Carbon storage and land use dynamics in Ghanaian university campuses: A scenario-based assessment using the InVEST model. Land. 2025;14(10):1987. doi:10.3390/land14101987.
  27. Wang Z, Zhang Y, Zhang Z. Scenario analysis of carbon reduction potential through forest carbon sink mechanisms in the Beijing–Tianjin–Hebei Region, China. Sustainability. 2025;17(17):7992. doi:10.3390/su17177992.
  28. Ma J, Shi P. Remotely sensed inter-field variation in soil organic carbon content as influenced by the cumulative effect of conservation tillage in northeast China. Soil and Tillage Research. 2024;243:106170. doi:10.1016/j.still.2024.106170.
  29. Li M, Cui Y, Dong J, Qin Y. Abandoned cropland compensates the decrease in net ecosystem productivity of impervious surface expansion in China. Environmental Impact Assessment Review. 2024;104:107363. doi:10.1016/j.eiar.2023.107363.
  30. Wang J, Zhang M, Zhou S, Huang Y. Research on the spatiotemporal evolution and driving factors of forest carbon sink increment—based on data envelopment analysis and production theoretical decomposition model. Forests. 2025;16(1):104. doi:10.3390/f16010104.
  31. Cai Y, et al. Dynamics of China's forest carbon storage: the first 30 m annual aboveground biomass mapping from 1985 to 2023. Earth System Science Data. 2025. doi:10.5194/essd-17-6993-2025.
  32. Piao S, et al. The carbon balance of terrestrial ecosystems in China. Nature. 2009;458(7241):1009-1013. doi:10.1038/nature07944.
  33. Fuller M, et al. Global carbon storage in harvested wood products: a forest sector model inter-comparison. Environmental Research Letters. 2025;20. doi:10.1088/1748-9326/ae0ce0.
  34. Milodowski D, Smallman T, Williams M. Scale variance in the carbon dynamics of fragmented, mixed-use landscapes estimated using model–data fusion. Biogeosciences. 2023. doi:10.5194/bg-20-3301-2023.
  35. Zeyu X, et al. Topographic and edaphic drivers of community structure and species diversity in a subtropical deciduous broad-leaved forest in eastern China. Forests. 2025;16(12):1837. doi:10.3390/f16121837.
  36. Hunter BD, Roering JJ, Silva LCR, Moreland KC. Geomorphic controls on the abundance and persistence of soil organic carbon pools in erosional landscapes. Nature Geoscience. 2024;17(2):151-157. doi:10.1038/s41561-023-01365-2.
  37. Li L, et al. Spatial scale effects of interacting abiotic and biotic factors on aboveground carbon storage in a subtropical evergreen broadleaf forest in southern China. Journal of Forestry Research. 2024;36(1). doi:10.1007/s11676-024-01804-9.
  38. Zhaoxue G, et al. Temporal and spatial characteristics and influencing factors of carbon storage in black soil area under topographic gradient. Land. 2024;14(1):16. doi:10.3390/land14010016.
  39. Nie Q, et al. Exploring scaling differences and spatial heterogeneity in drivers of carbon storage changes: a comprehensive geographic analysis framework. Ecological Indicators. 2024. doi:10.1016/j.ecolind.2024.112193.
  40. Liu J, et al. Analysis of the evolution characteristics and driving mechanisms of salinization in arid regions based on multi-factor interaction with optimized parameter geographic detector (OPGD)1. Journal of Environmental Management. 2025;394:127487. doi:10.1016/j.jenvman.2025.127487.
  41. Wang Z, Zhou Y, Sun X, Xu Y. Estimation of NPP in Huangshan District based on deep learning and CASA model. Forests. 2024;15(8):1467. doi:10.3390/f15081467.
  42. Vancine MH, et al. ATLANTIC SPATIAL: a dataset of landscape, topographic, hydrological, and anthropogenic metrics for the Atlantic Forest. Ecology. 2026;107(4). doi:10.1002/ecy.70360.
  43. Qiu M, et al. Spatio-temporal changes and hydrological forces of wetland landscape pattern in the Yellow River Delta during 1986–2022. Landscape Ecology. 2024;39. doi:10.1007/s10980-024-01850-y.
  44. Anand S, Khushboo K, Garkoti S. Influence of vegetation and soil properties on carbon stocks in Shorea robusta. forests under different disturbance regimes. Journal of Environmental Management. 2025;380:124916. doi:10.1016/j.jenvman.2025.124916.
  45. Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019. Earth Syst Sci Data. 2021;13(8):3907-3925. doi:10.5194/essd-13-3907-2021.
  46. Copernicus Data Space Ecosystem. Copernicus DEM GLO-30 [Internet]. European Union; [cited 2026 Aug 18]. Available from: https://documentation.dataspace.copernicus.eu/Data/Others/CCM.html
  47. Cheng Z, et al. Identification of eco-functional zones based on ecosystem service bundles: a case study of the Fujiang River Basin. Front Environ Sci. 2026;14:1754712. doi:10.3389/fenvs.2026.1754712.
  48. Pontius RG Jr, et al. Comparing the input, output, and validation maps for several models of land change. Ann Reg Sci. 2008;42(1):11-37. doi:10.1007/s00168-007-0138-2.
  49. Li Y, et al. Dissemination, manipulation or monopolization? Understanding the influence of stakeholder information sharing on resident participation in neighborhood rehabilitation of urban China. Land Use Policy. 2024;147:107359. doi:10.1016/j.landusepol.2024.107359.
  50. Peng J, et al. A landscape ecological approach to spatial conservation planning—ecological security pattern. Trends in Ecology & Evolution. 2025. doi:10.1016/j.tree.2025.07.014.
  51. Roh H, Park J, Chon J. Trade-off analysis of ecosystem services in regulated river areas: supporting, regulating, and cultural services. Sustainability. 2025;17(9):3788. doi:10.3390/su17093788.
  52. Roy Chowdhury PK, Brown DG. Modeling the effects of carbon payments and forest owner cooperatives on carbon storage and revenue in Pacific Northwest forestlands. Land Use Policy. 2023;131:106725. doi:10.1016/j.landusepol.2023.106725.
  53. Savo V, et al. Evaluation of main regulating, provisioning, and supporting ecosystem services of urban street trees: a literature review. Ecosystem Services. 2025;71:101690. doi:10.1016/j.ecoser.2024.101690.
  54. Shibo Z, Gui J. The cost of ecological protection and restoration: evidence from the impact of the Shan-shui project on land values. Land Use Policy. 2026;164:107919. doi:10.1016/j.landusepol.2026.107919.
  55. Deng H, Zhou X, Liao Z. Ecological redline delineation based on the supply and demand of ecosystem services. Land Use Policy. 2024;140:107109. doi:10.1016/j.landusepol.2024.107109.
  56. Xu H, et al. Revealing youth-perceived cultural ecosystem services for high-density urban green space management: a deep learning spatial analysis of social media photographs from central Beijing. Landscape Ecology. 2025;40. doi:10.1007/s10980-025-02115-y.
  57. Binter J, Doležal J. High-elevation angiosperms maintain extensive living storage tissue with large non-structural carbohydrate pools. Annals of Botany. 2026. doi:10.1093/aob/mcag023.
  58. Arayaselassie A, Bekele T, Lulekal E. An insight into Northern Wollo Monastery Forests: examining plant species diversity, vegetation structure, and regeneration analysis of these relict ecosystems. PLoS ONE. 2025;20. doi:10.1371/journal.pone.0330689.
  59. Slate ML, et al. Impact of changing climate on bryophyte contributions to terrestrial water, carbon, and nitrogen cycles. New Phytologist. 2024;242. doi:10.1111/nph.19772.
  60. Sun D, Yang D, Wang J, Tan F. How animal metaphors increase tourists' waste classification intention? Environmental Research Communications. 2024;6(10):105012. doi:10.1088/2515-7620/ad82b0.
  61. Sindhu Pradeep M, Rismanchi B, Stephan A, Ngo T. Synergising circularity and temporal dynamics into life cycle sustainability assessment of prefabricated buildings: a system dynamics-based assessment with static–dynamic comparison. Building and Environment. 2026;302:114795. doi:10.1016/j.buildenv.2026.114795.

إعادة الطباعة والأذونات

الوسوم

تغير استخدام الأراضيمحاكاة السيناريوهاتالأوتوماتا الخلوية لماركوفالكاشف الجغرافيخدمات النظم البيئيةمحاسبة الكربونالتوسع السياحيالحماية البيئية

تم نشر هذه المقالة

الفيديو قريباً

تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.