陆地生态系统碳循环在全球碳收支中起着主导作用[1]，而农田生态系统是构成陆地生态系统的三大系统之一，且农田生态系统碳库是全球碳库和陆地生态系统碳库的重要组成部分，在全球碳平衡中扮演着重要角色[2]。农田生态系统受人类活动影响最为显著，其中不同的管理措施、农田的弃耕是学者关注的重点，如石小霞等对华北平原不同农田管理措施与土壤碳库的变化关系进行了研究[3];王海候等研究了不同秸秆还田模式与土壤碳库特性之间的关系[4];赵威等对豫西丘陵坡地弃耕农田植被演替对土壤碳库的影响开展了研究[5]。此外，水土流失、土地盐碱化及土地利用变化等也会对农田碳库产生扰动，且这些因素都不可避免地耦合着人类活动的影响。
工业革命以来，人类生产方式发生了翻天覆地的变化，空气中CO2等气体含量不断上升，导致了温室效应和一系列生态环境问题[6]，其中煤炭开采是重要的原因之一。据估算，在1989—2010年由煤矿开采造成的土地损毁面积达100.01×104 hm2[7]，矿区生态环境面临着严峻考验。农田生态系统碳库主要包括植被碳库和土壤碳库[8-9]，近年来，有学者对煤矿区土壤碳汇进行了研究，如余建等研究了徐州市柳新镇高潜水位矿区不同复垦及利用方式的土壤有机碳、无机碳的构成与变化特征[10];程静霞等以焦作矿区为例，研究了煤炭开采沉陷区土壤有机碳的空间变化[11]。也有学者对矿区植被碳汇展开研究，如侯湖平等以徐州九里矿区为例，研究发现煤炭开采对区域农田植被碳储量的影响属于失碳效应[12];侯湖平等研究了煤矿区土地利用变化对生态系统植被碳储量的影响，发现矿区碳总量降低[13];黄翌等以山西大同矿区为例，研究发现多年来矿区植被-土壤系统碳汇量减少[14];徐占军等采用DNDC模型研究了煤田开采沉陷对农田土壤和植被碳库的扰动[15]。煤矿区作为一个特殊的复杂地理区域，长时间、大规模和高强度的煤炭开采不可避免地破坏原生的矿床地质条件，引发植被退化、水土流失及物种减少等[16-17]，尤其是地下开采造成了大面积塌陷地、土地沉陷和耕地破坏等生态环境问题，严重制约了农田生态系统碳库的积累[18-20]。煤矿开采、运输过程中也会产生大量的煤烟、粉尘以及有害气体，对周边的植被生长、土壤质量及居民生活造成负面效应[21]。目前，对于矿区农田生态系统的碳储存研究主要集中在矿区沉陷、采空区、损毁土地等直接受损区域上的植被固碳或土壤碳储存，同时考虑植被-土壤碳汇变化的研究较少且忽略了煤炭开采对直接受损区以外的周边地区。
因此，完善煤炭开采导致的农田生态系统固碳损失的评估方法不仅对矿区土地复垦、生态修复有着极其重要的意义，还可为煤矿区生态补偿测算提供决策与意见。笔者以山西省晋城市长河流域为例，对煤炭开采导致的农田生态系统固碳损失(植被固碳和土壤碳储存)进行评估。本研究的主要目的:建立一种适用于煤炭开采导致农田生态系统固碳损失的方法;量化煤炭开采对周边农田的间接受损范围;估算矿区农田生态系统固碳损失，为矿区土地复垦与生态修复提供依据。
1 数据与方法
1.1 研究区概况
长河流域位于山西省晋城市泽州县西北部，在112.63°～112.77°N，35.50°～35.63°E之间，下辖3个乡镇，土地利用类型主要有林地、草地、农田、采矿用地、建设用地、沉陷积水区等，总面积约113.16 km2，其中农田面积为64.55 km2(图1)。研究区属温带大陆性季风气候，年平均气温10.6 ℃，年降雨量550～600 mm，地上农作物类型主要是玉米、冬小麦等，农田耕作方式为小麦-玉米轮作，施肥方式为传统的土壤施肥，施肥量基本相同，约为N肥1.5 t/km2，K肥0.9 t/km2，P肥0.45 t km2。研究区海拔约857 m，地形以山地、丘陵为主，境内土壤类型为褐土和红黏土，其中褐土面积占91.14%。长河流域位于山西沁水煤田界内，流域内共有天泰坤达等11个煤矿，煤炭资源丰富。2000—2015年因煤炭开采造成的采空区、沉陷区、损毁土地等面积约10.29 km2，造成了植被覆盖度降低、水土流失和环境污染等一系列严重的生态问题。
图1 研究区
Fig.1 Study area
1.2 数据及其预处理
(1)矿区数据。长河流域各矿业提供的采空区、已损毁和已塌陷等土地现状分布数据。
(2)土地利用数据。来源于2000年和2015年泽州县土地利用规划空间数据库的1∶1万土地覆盖数据。
(3)农田数据。提取自泽州县土地利用规划空间数据库的1∶1万土地覆盖数据。
(4)施肥制度。来源于泽州县耕地质量监测评价数据，共16个样点。
(5)耕作方式。提取自山西省测土配方施肥数据，共528个样点。
(6)气象数据。来源于中国气象数据网，包括气温、降水量等，时间序列为2000—2015年。
(7)遥感数据。来源于美国地质勘探局(United States Geological Survey,USGS)网站的MODIS和Landsat影像，时间序列为2000—2015年。数字高程模型(DEM)由各矿区提供，精度为1 m，并采用DEM数据计算坡度、坡向。
(8)土壤类型数据。来源于山西省第2次土壤普查数据库。
(9)地貌类型数据。来源于泽州县国土资源局。
(10)植被数据。2013年实测的植被净初级生产力(Net Primary Production,NPP)数据，实测方法见4.3。
(11)土壤数据。2015年7月在长河流域采样，并在实验室测试了土壤有机碳、土壤容重等数据。
本文研究对象为农田，所有数据均采用农田矢量数据进行了裁剪。以上数据均经空间数据格式转换、校正并统一投影转化为CGCS2000坐标系(图1，2)。
1.3 研究方法
首先利用矿区数据，提取2000年以来因煤炭开采造成的采空、损毁及塌陷范围，作为矿区直接受损区;然后综合考虑海拔、坡度、土壤类型、到矿区距离等因素，利用空间叠加分析，选择出与矿区生境相似且未受煤炭开采干扰的区域作为参照区;基于Landsat影像计算归一化差值植被指数(Normalized Difference Vegetation Index,NDVI)，分析直接受损区边缘向外的NDVI指数变化特征，确定间接受损区;模拟长河流域农田植被NPP，测定农田土壤有机碳，并与受损区、参照区范围叠加，计算得受损区农田植被固碳损失量和土壤碳储存损失量;结合农田的土地利用变化情况，估算矿区农田生态系统固碳损失量，技术路线如图3所示。
2 固碳机制
固碳主要是指生态系统的碳净吸收量，其主要是生态系统植被固碳和土壤碳储存，即来自于植物光合作用固定的碳及枯枝落叶等进入土壤形成的有机碳[22]。从生态系统碳固定的角度来看，植被—土壤可以看作一个统一的系统，植物的光合作用是该系统的碳来源，植被与土壤中的呼吸作用为碳支出，剩余的转化为土壤有机质(图4)。在长河流域农田生态系统中，植被固碳量近似地以植被NPP表示(植物光合作用扣除自氧呼吸后的差值)，土壤有机碳通过样品采集，实验室测试获得。因此，只需要获取煤炭开采以来农田受损区及参照区的植被NPP及土壤有机碳，就可以估算矿区农田生态系统的碳损失量。
图2 数据源
Fig.2 Data source
图3 技术路线
Fig.3 Technology flow chart
图4 固碳机制
Fig.4 Mechanism of carbon sequestration
3 受损区及参照区的确定
土地利用变化(农田转变为非农田)是对区域农田生态系统固碳影响最显著的因素[23-24]。由于本研究划定的受损区为农田，故农田转化为其他土地利用类型的区域不归入受损区，但估算矿区农田生态系统固碳损失时，仍考虑因煤炭开采导致的农田面积减少造成的固碳损失。在土地利用类型未发生改变的情况下，影响农田生态系统固碳量的常规影响因素包括:气候、地貌类型、土壤类型、耕作方式、施肥制度以及农业科技水平等[13]。本研究假定土地利用类型未发生改变，充分考虑常规因素的影响来确定参照区和受损区，最后结合农田土地利用类型的转化情况估算煤炭开采导致的农田生态系统固碳损失量。
3.1 直接受损区
从矿区各个矿业公司提供的矿区数据中，提取2000年以后由于煤炭开采造成的采空、塌陷、损毁等土地数据作为直接受损区，经计算，山地直接受损区面积为3.52 km2，丘陵直接受损区面积为1.54 km2(图5)。
图5 受损区和参照区
Fig.5 Damaged area and reference area
3.2 参照区
固碳损失量估算的关键在于参照区的选择。受损区位于山地和丘陵，由图2可知，长河流域的耕作方式、作物种类、施肥制度及农业科技水平基本相同，但山地和丘陵农田的灌溉条件、管理措施不同，为了准确的评估与检验，本研究分别选择山地直接受损区、丘陵直接受损区对应的参照区C1,H1及用于检验的参照区C2,H2。具体选择方法:① 在研究区东部的非矿区分别划定气候、地理等条件与山地直接受损区、丘陵直接受损区相近的区域;② 在划定的区域内选择出与受损区未受损时农业生产及生产方式相近的区域作为潜在参照区;③ 受损区农田97.92%分布在褐土分布区，因此剔除掉潜在参照区中的红黏土分布区;④ 将DEM及由DEM计算得到的坡度、坡向等在ArcGIS10.5中进行叠加分析[25]，在潜在参照区中选取与直接受损区相近的生境单元。⑤ 在选取的生境单元中寻找集中连片的区域作为最终的参照区(图3)。
3.3 间接受损区
煤炭开采会对矿区周边环境造成负面影响，植被的生长情况最能反映矿区的生态环境，因长河流域的农作物种类基本相同，故以矿区周边农田NDVI指数的变化来确定间接受损区。农田NDVI不仅受到煤炭开采的影响，也受到土地利用差异、气候变化、地形条件等其他因素的影响，为了削弱其他因素的影响:① 水域、建设用地、未利用地的NDVI指数与农田NDVI指数差异较大，结合高分辨率的Google Earth卫图进行识别，剔除农田边缘的水域用地、建设用地、未利用地的混合像元，利用纯净的农田像元来确定NDVI的空间分布情况。② 研究区面积较小，降水量、气温等气候条件相近，为了更进一步的减小降水量、气温等差异，分区测算山地直接受损区、丘陵直接受损区周边的农田NDVI指数的变化。③ 地学研究中，空间交互受到距离衰减效应的影响，地理实体距离越近，交互强度越大[26]，大面积直接受损区域与附近小范围的直接受损碎斑(碎斑为几个像元点大小)的空间交互作用显著，为减小空间交互作用的影响，忽略此类小碎斑对周边区域的影响。
确定间接受损区的具体步骤如下:① 利用2015年Landsat影像计算矿区农田NDVI指数，并剔除混合像元。② 从山地直接受损区外缘的像元(30 m×30 m)开始向外搜索，每30 m统计一次NDVI值小于参照区C1的农田NDVI均值像元的频数，若搜索到丘陵，则统计NDVI值小于参照区H1的农田NDVI均值像元的频数，直到此频数变化趋于稳定为止。③ 从丘陵直接受损区外缘的像元开始向外搜索，每30 m统计一次NDVI值小于参照区H1的农田NDVI均值像元的频数，若搜索到山地，则统计NDVI值小于参照区C1的农田NDVI均值像元的频数，直到此频数变化趋于稳定为止。④ 将像元频数趋于稳定的临界距离定义为煤炭开采对周边环境的影响范围并划入间接受损区。
图6为长河流域煤炭开采对矿区周边环境的影响情况，随着与直接受损区边界距离的增加，直接受损区周边像元NDVI值小于参照区NDVI均值的像元频数先波动下降后趋于稳定。经计算，像元频数距山地直接受损区990 m、丘陵直接受损区660 m时趋于稳定，且此距离附近的植被NDVI均值分别接近参照区C1和H1的NDVI均值，表明植被随着与直接受损区距离的增大受煤炭开采的影响逐渐减小，距离受损区990 m以外的山地、660 m以外的丘陵基本不受煤炭开采的影响。因此，本研究划定煤炭开采对山地直接受损区、丘陵直接受损区周边环境的影响距离分别为990,660 m，划定后的间接受损区面积为18.99 km2(图5)。
图6 煤炭开采对周边环境的影响范围
Fig.6 Disturbance distance for the coal mining to the surrounding environment
4 农田生态系统固碳损失评估
4.1 植被固碳
由于无法实地测量煤炭开采以来各年的植被固碳量，因此采用覆盖整个研究区的多年遥感数据结合生产力模型来模拟农田植被NPP。由于研究区面积较小，植被生长季的变化很快，需要较高时间、空间分辨率的遥感影像对其进行监测。采用MODIS数据尽管可以模拟逐月的植被NPP，但受空间分辨率的限制，其NPP估算结果的空间表达不够精细。中高分辨率影像受时间序列和云雨天气的影响，只能做单时相或单一季节的NPP模拟。目前，遥感卫星获取数据的时空分辨率还不足以同时达到在空间和时间上精确监测植被动态变化的目的[27]。因此，笔者利用遥感数据时空融合技术，对MODIS数据和Landsat数据进行融合获取较高时空分辨率的遥感数据来模拟农田植被NPP[28]。
4.1.1 遥感数据融合
本研究采用ZHU等提出的增强自适应的遥感图像时空融合方法(Enhanced Spatial and Temporal Adaptive Reflectance Fusion Model,ESTARFM)[29]，利用MODIS的多时相信息与Landsat的高空间细节信息，合成高时空分辨率影像。首先，基于tk时刻获取的MODIS,Landsat影像和tp时刻获取的MODIS影像，通过计算影像间相似像元的空间分布差异及波谱差异(空间距离权重、光谱距离权重)，实现tp时刻的Landsat影像尺度滑动窗口内中心像元的反射率预测[29];然后，根据tm,tn与tp之间的MODIS影像反射率的差异，分别计算tm和tn相对于tp的时间距离权重[29];最后，用tm和tn计算的tp时刻的高分辨率影像和时间距离权重来计算tp时刻最终的融合影像[29]，其中tp时刻中心像元反射率可表示为
F(xw/2,yw/2,tp,B)=F(xw/2,yw/2,tk,B)+
(1)
式中，F(xw/2,yw/2,tk,B)为tk时刻的高分辨率像元值;B为影像参与计算的波段；(xw/2,yw/2)为窗口的中心像元;N为相似像元的数目；C(xi,yi,tp,B)和C(xi,yi,tk,B)为tp和tk时刻的低分辨率像元值；Wi和Vi为窗口内各相似像元的权重和转换系数。算法中权重函数和转换系数可以表示为
(2)
Vi=(Fin-Fim)/(Cn-Cm)
(3)
式中，Di为由窗口中心的预测像元与窗口内相似临 近像元的光谱距离和空间距离计算的产品;Cn,Cm,Fin,Fim分别为不同时间(tm 和tn)相应的低分辨率和高分辨像元值。
为使结果更准确，使用两期数据的时间距离权重，计算tp时刻的融合影像:
F(xw/2,yw/2,tp)=TmFm(xw/2,yw/2,tp)+
TnFn(xw/2,yw/2,tp)
(4)
式中，Tm,Tn分别为tm和tn相对于tp的时间距离权重。
4.1.2 NDVI计算
选用Landsat影像及融合后的影像构建2000—2015年逐月NDVI值[28]，计算公式为
NDVI=(RNI-R)/(RNI+R)
(5)
式中，RNI为近红外波段;R为红光波段。
4.1.3 NPP估算模型
CASA(Carnegie Ames Stanford Approach)模型是NPP估算模型中的一种光能利用率模型[31]，由NDVI、温度、降水量、太阳辐射、植被类型及土壤类型等共同驱动[32]。该模型中，NPP由植被的光合有效辐射和光能利用率2个因子来表示，其计算公式为
NPP(x,t)=APAR(x,t)ε(x,t)
(6)
式中，APAR(x,t)为像元x在t月吸收的光合有效辐射;ε(x,t)为像元x在t月的光能利用率。
植被的光合有效辐射取决于太阳总辐射和植被对光合有效辐射的吸收比例，公式为
APAR(x,t)=SOL(x,t)FPAR(x,t)×0.5
(7)
式中，常数0.5为植被所能利用的太阳有效辐射占太阳总辐射的比例;SOL(x,t)为t月份像元x处的太阳总辐射量，由Penman-Monteith模型计算[33];FPAR(x,t)为植被层对入射光合有效辐射的吸收比例，可采用:
FPAR(x,t)=FPARNDVI×FPARSR×0.5
(8)
式中，常数0.5为比例系数;FPARNDVI为由NDVI估算的FPAR，NDVI数据由式(5)获得;FPARSR为由比值植被指数SR估算的FPAR。公式为
(FRARmax-FPARmin)+FPARmin
(9)
(FRARmax-FPARmin)+FPARmin
(10)
SR(x,t)=[1+NDVI(x,t)]/[1-NDVI(x,t)]
(11)
在理想条件下，植被具有最大光能利用率，在现实条件下最大光能利用率主要受气温和水分的影响，实际的光能利用率ε(x,t)可估算为
ε(x,t)=εmaxTε1(x,t)Tε2(x,t)Wε(x,t)
(12)
其中，εmax为理想条件下的最大光能利用率;Tε1(x,t)和Tε2(x,t)分别为低温和高温对光能利用率的胁迫作用;Wε(x,t)为水分胁迫影响系数。Tε1(x,t),Tε2(x,t)和Wε(x,t)计算公式参照文献[34]。驱动模型所用到的太阳总辐射、气温、降水量等气象数据采用ANUSPLIN法进行空间插值生成[35]。
4.2 土壤碳储存
土壤有机碳与植被密切相关，植被凋落物经微生物分解，可以转化为土壤中的有机质。煤炭开采导致植被破坏，势必引起土壤有机碳含量发生变化。本研究于2015年7月，利用GPS定位技术，本着采样点集中不分散的原则，按照区域农田土壤1 km×1 km采样网格布局法确定采样点，采样时以网格中心为原点、5 m为半径的范围内，结合矿区的实际地形，在研究区内采样116个(图2)。土壤采样时，以蛇形法设置3个点，采用多点混合取样[36]，每个点采集耕层(0～20 cm)、中层(20～40 cm)、底层(40～60 cm)共3个深度的土样，密封带回实验室，采用环刀法测量土壤容重[37]，采用重铬酸钾容量法测定土壤有机碳[38]。
土壤有机碳密度被用于衡量单位面积一定深度土体中有机碳储量[39]，计算公式为
SOCj=tjbjOj(1-Vj)
(13)
其中，SOCj为第j层土壤碳密度,j为土壤层;tj为土层厚度;bj为土壤容重;Oj为土壤有机碳含量;Vj指第j层土壤中直径>2 mm的砾石所占的体积比，由于研究区农田土壤含砾石量基本为0，可忽略不计。
4.3 固碳损失分析
本研究于2013年在研究区农田选择了2块等面积的样地，分别位于直接受损区和间接受损区，样地均为小麦-玉米轮作的旱地，土地理化性质和农田管理措施一致，植被各部分比重采用重铬酸钾容量法—外加热法测定，农田植被NPP采用“收割法”测定[40]。为了验证植被NPP模拟值的准确性，将2013年模型模拟结果与2013年实测值进行对比。由表1可知，模拟的结果与实测值差异较小，且植被NPP值均为直接受损区小于间接受损区，表明本研究估算的NPP基本可靠。
表1 NPP模拟值与实测值
Table 1 Simulated and measured NPP values gC/m2
样地丘陵直接受损区丘陵间接受损区本研究258.57268.42实测值260.21269.08
图7(a)为模型模拟得出的农田植被年均NPP分布图，长河流域西部矿区的农田植被NPP小于东部非矿区。假设矿区农田土地利用类型未发生变化，则2000—2015年因煤矿开采导致的受损区植被固碳量为3 936.16 t/km2，直接受损区植被固碳量为3 867.99 t/km2，间接受损区植被固碳量为3 954.33 t/km2(表2)。图7(b)～(d)为通过克里金插值获得研究区农田土壤有机碳的空间分布图，长河流域西北部土壤有机碳含量较低，中部、东部土壤有机碳含量较高，受秸秆还田等农田管理措施的影响，农田土壤有机碳含量为耕层>中层>底层。将土壤有机碳单位与植被固碳量单位统一，假设矿区农田土地利用类型未发生变化，则2000—2015年因煤碳开采导致的受损区土壤碳储存量为6 737.05 t/km2，直接受损区土壤碳储存量为6 438.93 t/km2，间接受损区土壤碳储存量为6 816.49 t/km2(表2)。矿区农田生态系统植被固碳量小于土壤碳储存量，主要是由于农作物在生长期中固定了大量的碳，其中一部分以农产品的形式输出，剩余的基本进行秸秆还田处理进入大气或者土壤，所以农田土壤中储存了更多的有机碳。
图7 农田植被年均NPP与土壤有机碳空间分布
Fig.7 Spatial distribution map of mean annual NPP and soil organic carbon in farmland
受损区内农田植被受煤炭开采、气温、降水量和地表人类活动的共同影响;参照区受气温、降水量和地表人类活动的影响。朱阿兴等提出两个区域的地理环境越相似，这两个区域的目标变量值越相近[41]，由于整个研究区面积较小，经计算受损区、参照区的平均气温差值为0.2 ℃，平均降水量差值为3.1 mm，气候条件相近;地表人类活动主要是种植模式、农业科技水平、施肥方式和施肥量，多年来研究区种植模式为小麦-玉米轮作，农业科技水平相同，施肥方式和施肥量相近。因此，参照区与受损区未受损时的农田生态系统固碳能力是相近的，矿区农田固碳损失量主要受煤炭开采活动的影响。这样，本研究确定的参照区可很好的模拟受损区未受损时的情景。同时，煤炭开采导致研究区土地利用类型发生变化，而土地利用变化(农田转变为非农田)是对区域农田生态系统固碳影响最显著的因素，评估固碳损失量必须考虑到土地利用变化的影响。煤炭开采后部分农田转变为采矿用地和沉陷积水区，农田面积减少。因此，煤炭开采导致的农田固碳损失量应包括农田转化的采矿用地、沉陷积水区的固碳量。煤炭开采导致的矿区农田生态系统固碳损失量计算流程:
表2 农田生态系统固碳量
Table 2 Carbon sequestration in farmland ecosystems
t/km2
参数受损区直接受损区间接受损区植被固碳量3 936.163 867.993 954.33土壤碳储存量6 737.056 438.936 816.49生态系统固碳量10 673.2110 306.9210 770.82
假设矿区农田土地利用类型未发生变化，则土地利用现状为农田的植被固碳损失量计算公式为
Lv=(NPPr-NPPd)Sd+(NPPr-NPPi)Si
(14)
式中，NPPr,NPPd和NPPi分别为参照区、直接受损区和间接受损区的NPP均值;Sd,Si分别为直接受损区和间接受损区面积。
由于开采前土壤有机碳含量已无法获取，因此以受损区与参照区内土壤有机碳的差值来计算土壤有机碳的损失量。假设矿区农田土地利用类型未发生变化，则土地利用现状为农田的土壤碳储存损失量计算为
Lp=(SOCr-SOCd)Sd+(SOCr-SOCi)Si
(15)
式中，SOCr,SOCd和SOCi分别为参照区、直接受损区和间接受损区的农田土壤碳密度(式(13))。
考虑到农田土地利用变化对农田生态系统固碳损失量的影响，矿区农田生态系统固碳损失量：
L=Lv+Lp+UA
(16)
式中，U为农田土地利用类型未发生变化时受损区农田生态系统单位面积固碳量(表2);A为2000—2015年农田面积减少量，即农田转化为采矿用地、沉陷积水区的面积(由2000,2015年土地利用现状叠加估算，2000—2015年直接受损区内农田面积减少约0.62 km2，间接受损区农田面积减少约0.78 km2)。
在相近的气候、地貌、土壤、耕作方式、农业科技水平和施肥制度下，煤炭开采导致直接受损区地表沉陷，农田植被的生长环境发生了严重破坏，甚至在雨季出现长期的积水，植被生命活动受到抑制，植被生产力下降甚至彻底消失，进而导致土壤有机碳含量下降，单位面积的农田生态系统固碳量降低，由式(13)～(16)得，直接受损区农田生态系统固碳损失量为12 947.55 t，其中因农田面积减少造成的固碳损失为6 390.29 t，土地利用现状为农田的固碳损失量为6 557.26 t;间接受损区受煤炭开采导致的煤烟、粉尘以及有害气体的影响，植被生长、土壤质量受到的负面影响相较直接受损区要小，故直接受损区固碳降低幅度大于间接受损区，由式(13)～(16)得，间接受损区农田生态系统固碳损失量为17 790.13 t，其中因农田面积减少造成的固碳损失为8 401.24 t，现有农田固碳损失量为9 388.89 t。综上所述，煤炭开采造成的生态环境破坏及农田面积减少是矿区农田生态系统固碳损失的重要原因。
总之，与未受煤炭开采得参照区相比，在整个煤炭开采的受损区范围内，农田生态系统固碳损失总量为30 737.68 t，其中直接受损区农田生态系统固碳损失量为12 947.55 t，占总损失的42.12%，间接受损区农田生态系统固碳损失量为17 790.13 t，占总损失的57.88%。本研究估算的煤炭开采导致的矿区农田生态系统固碳损失精度相对较高，这主要是因为:以往研究忽略了间接受损区，本研究在减弱了其他因素带来影响的同时，量化了间接受损区，并评估了直接受损区和间接受损区的固碳损失量，使矿区生态系统固碳损失评估更为精确;煤炭开采会导致原始农田发生土地利用类型上的改变，本研究考虑了土地利用类型变化对农田植被碳库的影响，保证了煤炭开采对农田生态系统固碳损失量评估的精度。煤炭开采对区域农田生态系统固碳量的影响属于失碳效应。
4.4 方法验证
为了验证本研究方法的适用性:① 采用参照区M2,H2来估算间接受损范围及农田生态系统固碳损失量，经计算，煤炭开采对直接受损区周边环境的影响范围为山地990 m、丘陵660 m，影响范围与上文结果一致;煤炭开采导致的农田生态系统固碳损失量为29 274.57 t，与上文结果仅相差4.76%，即使同一区域的植物自身生产力也会存在一定的差异，故不同参照区计算农田生态系统固碳损失量也会带来小范围的误差。② 直接受损区位于长河流域的8个煤矿区中，将8个煤矿的直接受损区、间接受损区农田生态系统单位面积固碳损失量与研究区进行对比，相对偏差分布如图8所示。根据矿区资料显示天安岳圣山、天泰坤达煤矿进行了复垦，单位面积固碳损失量较小;天安盈盛开采规模扩大，生态破坏加剧，单位面积固碳损失较大，其余煤矿区与研究区整体单位面积固碳损失量的相对偏差较小，表明该方法评估煤矿开采导致的矿区农田生态系统固碳损失量是适用的。
图8 煤矿区农田固碳损失量
Fig.8 Carbon sequestration loss of farmland in coal mine area
5 讨 论
煤炭开采活动损坏了原生地貌和地表植被，造成土地利用类型变化，引起植被-土壤碳汇量减少，导致了农田生态系碳储量的大量流失[12,17,42]。当前，有学者采用多年矿区植被NPP的差值来估算煤炭开采导致的生态损失[13]，但由于各年气温、降水等环境因素的变化较大，不能较好的说明矿区生态损失由煤炭开采所引起;也有学者采用沉陷区周边区域作为参照区来评估沉陷区植被固碳或土壤碳储存的损失[14,43-44]，虽然相同年份内沉陷区与参照区气温、降水等环境因素基本一致，然而参照区本身已受到煤炭开采的间接影响，使得评估的结果偏低。本研究在基于传统的开采沉陷、采空及损毁土地确定矿区受损范围的基础上，提出了测算周边NDVI指数变化趋势以量化间接受损区的方法。该方法可适用于大范围、长时间序列的地表植被覆盖区，可更准确的确定煤炭开采对地表生态的影响边界。同时，本研究考虑了土地利用类型变化对农田生态系统碳库的影响，提高了矿区农田生态系统固碳损失的评估精度，也为研究矿区时空生态系统固碳累积变化及后续生态补偿机制等问题提供借鉴。
已有研究表明，合理的土地复垦及差别整治有利于矿区生态系统碳汇量增加，一定程度上可抑制煤炭开采造成的生态环境破坏[10,45]。利用遥感影像来量化矿区生态受损范围，可精确估算矿区固碳损失量，动态监测矿区生态环境及未来土地复垦的生态效益与碳汇量变化。因此，结合矿区农田生态系统固碳损失程度，科学合理的进行地貌重塑、土壤重构、植被重建及生物多样性恢复等，对于提升农田生产能力、重建农田生态系统、缓解气候变暖具有重要意义。本研究对长河流域2000—2015年的农田生态系统直接受损区和间接受损区的固碳损失量进行了估算，奠定了矿区碳增汇经济潜力评价的基础，也为矿区土地复垦、生态修复与重建提供更加准确和实际的指导。然而，本研究提出的评估方法仅适用于中国华北丘陵山区，针对其他区域的实施需依据实际情况进行调整。同时，在今后的研究中应建立长期的土壤养分监测站点，以确定煤炭开采情况下农田土壤碳储存的动态变化及矿区农田生态系统固碳损失的机理机制。
6 结 论
(1)研究区内由于煤炭开采导致的农田直接受损面积为5.06 km2，间接受损面积为18.99 km2。在间接受损区内，生态环境的损毁程度随着与直接受损区距离的增大而逐渐减弱。
(2)矿区农田生态系统植被固碳量为3 936.16 t/km2，小于土壤碳储存量的6 737.05 t/km2。
(3)研究区因煤炭开采导致的农田生态系统固碳损失量为30 737.68 t。其中，直接受损区固碳损失量为12 947.55 t，间接受损区固碳损失量为17 790.13 t。煤炭开采对矿区农田生态系统固碳量的影响属于失碳效应。
(4)煤炭开采导致的生态系统固碳损失评估及生态环境损毁的研究中，间接受损区也应该纳入评估范围。
[1] CANADELL J G,MOONEY H A,BALDOCCHI D D,et al.Commentary:Carbon metabolism of the terrestrial biosphere:A multitechnique approach for improved understanding[J].Ecosystems,2000,3(2):115-130.
[2] 罗怀良,袁道先,陈浩.南川市三泉镇岩溶区农田生态系统植被碳库的动态变化[J].中国岩溶,2008,27(4):382-387.
LUO Huailiang,YUAN Daoxian,CHEN Hao.Regime of vegetation carbon pool in karst farmland ecosystem in Sanquan town,Nanchuan city[J].Carsologica Sinica,2008,27(4):382-387.
[3] 石小霞,赵诣,张琳,等.华北平原不同农田管理措施对于土壤碳库的影响[J].环境科学,2017,38(1):301-308.
SHI Xiaoxia,ZHAO Zhi,ZHANG Lin,et al.Effects of different agricultural practices on soil carbon pool in North China Plain[J].Environmental Science,2017,38(1):301-308.
[4] 王海候,金梅娟,陆长婴,等.秸秆还田模式对农田土壤碳库特性及产量的影响[J].自然资源学报,2017,32(5):755-764.
WANG Haihou,JIN Meijuan,LU Changying,et al.Effects of patterns of returning straw to field on soil carbon pool and yield in rice-wheat double cropping systems[J].Journal of Natural Resources,2017,32(5):755-764.
[5] 赵威,李亚鸽,亓琳,等.豫西丘陵坡地弃耕农田植被演替对土壤碳、氮库的影响[J].生态学报,2018,38(19):7016-7025.
ZHAO Wei,LI Yage,QI Lin,et al.Effects of vegetation succession on soil carbon and nitrogen storage in abandoned hilly farmlands of the Western Henan Region[J].Acta Ecologica Sinica,2018,38(19):7016-7025.
[6] SENEVIRATNE S I,DONAT M G,PITMAN A J,et al.Allowable CO2 emissions based on regional and impact-related climate targets[J].Nature,2016,529(7587):477.
[7] 周伟,曹银贵,白中科,等.煤炭矿区土地复垦监测指标探讨[J].中国土地科学,2012,26(11):68-73.
ZHOU Wei,CAO Yingui,BAI Zhongke,et al.Indicators for monitoring land reclamation in coal mining area[J].China Land Sciences,2012,26(11):68-73.
[8] 刘昱,陈敏鹏,陈吉宁.农田生态系统碳循环模型研究进展和展望[J].农业工程学报,2015,31(3):1-9.
LIU Yu,CHEN Minpeng,CHEN Jining.Progress and perspectives in studies on agro-ecosystem carbon cycle model[J].Transactions of the Chinese Society of Agricultural Engineering,2015,31(3):1-9.
[9] 张恒恒,严昌荣,张燕卿,等.北方旱区免耕对农田生态系统固碳与碳平衡的影响[J].农业工程学报,2015,31(4):240-247.
ZHANG Hengheng,YAN Changrong,ZHANG Yanqing,et al.Effect of no tillage on carbon sequestration and carbon balance in farming ecosystem in dryland area of northern China[J].Transactions of the Chinese Society of Agricultural Engineering,2015,31(4):240-247.
[10] 余健.高潜水位区采煤塌陷地复垦土壤碳库特征[D].徐州:中国矿业大学,2014:145-148.
YU Jian.The carbon pool properties of reclaimed soil in coal mining subsidence area with high groundwater level[D].Xuzhou:China University of Mining and Technology,2014:145-148.
[11] 程静霞,聂小军,刘昌华.煤炭开采沉陷区土壤有机碳空间变化[J].煤炭学报,2014,39(12):2495-2500.
CHENG Jingxia,NIE Xiaojun,LIU Changhua.Spatial variation of soil organic carbon in coal-mining subsidence areas[J].Journal of China Coal Society,2014,39(12):2495-2500.
[12] 侯湖平,张绍良,丁忠义,等.煤矿区土地利用变化对生态系统植被碳储量的影响——以徐州垞城矿为例[J].煤炭学报,2013,38(10):1850-1855.
HOU Huping,ZHANG Shaoliang,DING Zhongyi,et al.Impact on vegetation carbon storage in ecosystem from land use change in coal mine area:A case study at Chacheng Mine in Xuzhou mining area[J].Journal of China Coal Society,2013,38(10):1850-1855.
[13] 侯湖平,徐占军,张绍良,等.煤炭开采对区域农田植被碳库储量的影响评价[J].农业工程学报,2014,30(5):1-9.
HOU Huping,XU Zhanjun,ZHANG Shaoliang,et al.Effect evaluation on vegetation carbon pool of region agro-ecosystem by coal mining in mining area[J].Transactions of the Chinese Society of Agricultural Engineering,2014,30(5):1-9.
[14] 黄翌,汪云甲,田丰,等.煤炭开采对植被-土壤系统扰动的碳效应研究[J].资源科学,2014,36(4):817-823.
HUANG Yi,WANG Yunjia,TIAN Feng,et al.Carbon disturbance effects in the vegetation-soil system caused by coal mining[J].Resources Science,2014,36(4):817-823.
[15] 徐占军,冯俊芳,张媛,等.工作面开采沉陷对农田土壤和植被碳库扰动预评价[J].煤炭学报,2018,43(9):243-255.
XU Zhanjun,FENG Junfang,ZHANG Yuan,et al.Pre-evaluation of disturbance of farmland soil and vegetation carbon pool by mining subsidence in coal face[J].Journal of China Coal Society,2018,43(9):2605-2617.
[16] 胡振琪,肖武,赵艳玲.再论煤矿区生态环境“边采边复”[J].煤炭学报,2020,45(1):351-359.
HU Zhenqi,XIAO Wu,ZHAO Yanling.Re-discussion on coal mine eco-environment concurrent mining and reclamation[J].Journal of China Coal Society,2020,45(1):351-359.
[17] 毕银丽,伍越,张健,等.采用HYDRUS模拟采煤沉陷地裂缝区土壤水盐运移规律[J].煤炭学报,2020,45(1):360-367.
BI Yinli,WU Yue,ZHANG Jian,et al.Simulation of soil water and salt movement in mining ground fissure zone based on HYDRUS[J].Journal of China Coal Society,2020,45(1):360-367.
[18] 胡振琪,多玲花,王晓彤.采煤沉陷地夹层式充填复垦原理与方法[J].煤炭学报,2018,43(1):198-206.
HU Zhenqi,DUO Linhua,WANG Xiaotong.Principle and method of reclaiming subsidence land with inter-layers of filling materals[J].Journal of China Coal Society,2018,43(1):198-206.
[19] 卞正富,雷少刚,金丹,等.矿区土地修复的几个基本问题[J].煤炭学报,2018,43(1):190-197.
BIAN Zhengfu,LEI Shaogang,JIN Dan,et al.Several basic scientific issues related to mined land remediation[J].Journal of China Coal Society,2018,43(1):190-197.
[20] TSADILAS CHRISTOS D,HU Zhenqi,BI Yinli,et al.Utilization of coal fly ash and municipal sewage sludge in agriculture and for reconstruction of soils in disturbed lands:Results of case studies from Greece and China[J].International Journal of Coal Science & Technology,2018,5(1):64-69.
[21] 汤万钧.露天煤矿粉尘分布和运移机理研究[D].徐州:中国矿业大学,2018:12-22.
TANG Wanjun.Study on dust distribution and diffusion mechanism in open pit coal mine[D].Xuzhou:China University of Mining and Technology,2018:12-22.
[22] ROZAINAH M Z,NAZRI M N,SOFAWI A B,et al.Estimation of carbon pool in soil,above and below ground vegetation at different types of mangrove forests in Peninsular Malaysia[J].Marine Pollution Bulletin,2018,137:237-245.
[23] Al-KAISI M M,GROTE J B.Cropping systems effects on improving soil carbon stocks of exposed subsoil[J].Soil Science Society of America Journal,2007,71(4):1381-1388.
[24] STEENWERTH K,BELINA K M.Cover crops enhance soil organic matter,carbon dynamics and microbiological function in a vineyard agroecosystem[J].Applied Soil Ecology,2008,40(2):359-369.
[25] 周夏飞,朱文泉,马国霞,等.稀土矿开采导致的植被净初级生产力损失遥感评估——以江西省赣州市为例[J].遥感技术与应用,2016,31(2):307-315.
ZHOU Xiafei,ZHU Wenquan,MA Guoxia,et al.Assessing the vegetation net primary productivity loss resulted from the mining of rare earth ore based on remote sensing technology—A case study in Ganzhou,Jiangxi Province[J].Remote Sensing Technology and Application,2016,31(2):307-315.
[26] 刘瑜,龚俐,童庆禧.空间交互作用中的距离影响及定量分析[J].北京大学学报(自然科学版),2014,50(3):526-534.
LIU Yu,GONG Li,TONG Qingxi.Quantifying the distance effect in spatial interactions[J].Acta Scientiarum Universitatis Pekinensis,2014,50(3):526-534.
[27] 张猛,曾永年.融合高时空分辨率数据估算植被净初级生产力[J].遥感学报,2018,22(1):147-156.
ZHANG Meng,CENG Yongnian.Net primary production estimation by using fusion remote sensing data with high spatial and temporal resolution[J].Journal of Remote Sensing,2018,22(1):147-156.
[28] YAN Y,LIU X,WANG F,et al.Assessing the impacts of urban sprawl on net primary productivity using fusion of Landsat and MODIS data[J].Science of the Total Environment,2018,613:1417-1429.
[29] ZHU X,CHEN J,GAO F,et al.An enhanced spatial and temporal adaptive reflectance fusion model for complex heterogeneous regions[J].Remote Sensing of Environment,2010,114(11):2610-2623.
[30] WALKER J J,BEURS K M D,WYNNE R H,et al.Evaluation of Landsat and MODIS data fusion products for analysis of dryland forest phenology[J].Remote Sensing of Environment,2012,117(1):381-393.
[31] POTTER C.Predicting climate change effects on vegetation,soil thermal dynamics,and carbon cycling in ecosystems of interior Alaska[J].Ecological Modelling,2004,175(1):1-24.
[32] 张晓东,朱文博,张静静,等.伏牛山地森林植被物候及其对气候变化的响应[J].地理学报,2018,73(91):41-53.
ZHANG Xiaodong,ZHU Wenbo,ZHANG Jingjing,et al.A comprehensive analysis of phenological changes in forest vegetation of the Funiu Mountains,China[J].Journal of Geographical Sciences,2018,73(1):41-53.
[33] 杨建军.基于遥感的新疆潜在蒸散模式研究[D].乌鲁木齐:新疆大学,2009:23-28.
YANG Jianjun.Research on potential evaportran-spiration changes of XinJiang[D].Urumqi:Xinjiang University,2019:23-28.
[34] 周广胜,张新时.自然植被净第一性生产力模型初探[J].植物生态学报,1995,19(3):193-200.
ZHOU Guangsheng,ZHANG Xinshi.A natural vegetation NPP model[J].Acta Phytoecologica Sinica,1995,19(3):193-200.
[35] 田惠文,毕如田,朱洪芬,等.汾河流域植被净初级生产力的驱动因素及梯度效应[J].生态学杂志,2019,38(10):3066-3074.
TIAN Huiwen,BI Rutian,ZHU Hongfen,et al.Driving factors and gradient effect of net primary productivity in Fenhe River Basin[J].Chinese Journal of Ecology,2019,38(10):3066-3074.
[36] 孙元宏,高雪莹,赵兴敏,等.添加玉米秸秆对白浆土重组有机碳及团聚体组成的影响[J].土壤学报,2017,54(4):1009-1017.
SUN Yuanhong,GAO Xueying,ZHAO Xingmin,et al.Effects of corn stalk incorporation on organic carbon of heavy fraction and composition of soil aggregates in albic soil[J].Acta Pedologica Sinica,2017,54(4):1009-1017.
[37] 杨昊天,王增如,贾荣亮.腾格里沙漠东南缘荒漠草地不同群落类型土壤有机碳分布及储量特征[J].植物生态学报,2018,42(3):288-296.
YANG Haotian,WANG Zengru,JIA Rongliang.Distribution and storage of soil organic carbon across the desert grasslands in the southeastern fringe of the Tengger Desert,China[J].Chinese Journal of Plant Ecology,2018,42(3):288-296.
[38] ZHANG Z,WANG J,LI B.Determining the influence factors of soil organic carbon stock in opencast coal-mine dumps based on complex network theory[J].CATENA,2019,173:433-444.
[39] ANNA M Wade,DANIEL D Richter,VINCENT P Medjibe,et al.Estimates and determinants of stocks of deep soil carbon in Gabon,Central Africa[J].Geoderma,2019,341:236-248.
[40] 肖武,陈佳乐,笪宏志,等.基于无人机影像的采煤沉陷区玉米生物量反演与分析[J].农业机械学报,2018,49(8):169-180.
XIAO Wu,CHEN Jiale,DA Hongzhi,et al.Inversion and analysis of maize biomass in coal mining subsidence area based on UAV images[J].Transactions of The Chinese Society of Agricultural Machinery,2018,49(8):169-180.
[41] ZHU A X,LU G N,LIU J,et al.Spatial prediction based on Third Law of Geography[J].Annals of GIS,2018,24(4):225-240.
[42] 张召,白中科,贺振伟,等.基于RS与GIS的平朔露天矿区土地利用类型与碳汇量的动态变化[J].农业工程学报,2012,28(3):230-236.
ZHANG Zhao,BAI Zhongke,HE Zhenwei,et al.Dynamic changes of land use type and carbon sinks based on RS and GIS in Pingshuo opencast coal mine[J].Transactions of the CSAE,2012,28(3):230-236.
[43] 吴国伟,赵艳玲,付艳华,等.复垦矿区土地利用类型变化对植被碳储量的影响[J].中国生态农业学报,2015,23(11):1437-1444.
WU Guowei,ZHAO Yanling,FU Yanhua,et al.Impact of reclamation-driven land use change on vegetation carbon store in mining areas[J].Chinese Journal of Eco-Agriculture,2015,23(11):1437-1444.
[44] 王琦,叶瑶,韩煜,等.半干旱采煤塌陷区植被土壤碳循环及源、汇功能转换特征[J].水土保持学报,2016,30(4):166-172,205.
WANG Qi,YE Yao,HAN Yu,et al.The characteristics of soil and vegetation carbon cycle and conversion of carbon source and sink in mining subsidence area of the semi-arid region[J].Journal of Soil and Water Conservation,2016,30(4):166-172,205.
[45] 李奇超,李新举.不同利用方式下复垦土壤的有机碳组分空间分布特征[J].水土保持学报,2018,32(2):204-209.
LI Qichao,LI Xinju.The spatial distribution of organic carbon components in reclaimed soil under different utilization modes[J].Journal of Soil and Water Conservation,2018,32(2):204-209.
