温室气体浓度上升导致全球气候变暖已经成为不争的事实，严重影响到人类的生存与发展。二氧化碳（CO₂）作为大气中仅次于水汽的最主要的温室气体，近几十年来，其在大气中的浓度持续上升，2013年二氧化碳浓度超过400  mg·kg^–1[1]，导致全球气温升高日益加剧，联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）指出，从1990年到2030年，全球气候将升高约1.1℃^[2]。因此减少温室气体排放，提高CO₂固定成为缓解气候变暖的首要任务。

滨海湿地处于海陆过渡区域，作为水陆交互作用形成的特殊生态系统，具有丰富的动植物资源和极高的生产力，独特的水文过程与生物地球化学循环，使其碳汇功能十分强大^[3]。海岸带的红树林、盐沼与海草床等蓝碳生态系统共同固存的碳是“蓝碳”（blue carbon）的重要组成部分^[4-6]，研究表明^[7]，滨海湿地每平方千米的年碳埋藏量预计可达18.75 t，相当于固定64 t二氧化碳（燃烧约2.85万L汽油）。因此，通过“蓝碳”生态系统提高碳封存是降低大气二氧化碳浓度、减缓全球气候变化的重要途径^[7]。

植被碳储量与土壤碳储量共同构成了“蓝碳”生态系统碳储量的主体。目前大范围快速滨海湿地植被碳储量的估算，大多采用遥感定量反演法^[8]，然后乘以相应的碳转换系数^[9-10]得到植被碳储量；土壤碳储量通常是采用土壤有机碳进行衡量，土壤有机碳储量的估算方法主要有土壤类型、生命地带法和相关关系法等^[11]。研究表明^[12-13]，近几十年来滨海湿地“蓝碳”生态系统受到围垦滩涂、工程建设、养殖池塘等人类活动的影响，滩涂面积大幅缩减，滨海湿地碳储量明显减少。Zhao等^[14]基于1991—2011年Landsat影像研究发现，堤坝修建导致辽河口滨海湿地植被面积缩减，土壤有机碳储量损失约0.72 Tg；Wang等^[15]研究表明，2007—2012年黄河三角洲滨海湿地碳储量整体上呈下降趋势，表层土壤有机碳损失率达20.43%；邵学新等^[16]对于不同围垦年代下杭州湾滨海湿地土壤有机碳含量的研究发现，滨海湿地围垦规模日益增大，导致土壤面积及理化性质发生改变；受围垦、人工排水等因素的干扰，崇明东滩芦苇湿地遭到破坏，植被群落发生演替，生态系统植被生物量降低^[17]；Jia等^[12]对于中国42a内的红树林面积进行监测，研究表明自然灾害、农业围垦、人工海堤等因素导致红树林面积减少约263.82 km²。

基于以上研究发现，中国滨海湿地碳储量研究在时空连续性上仍存在不足之处，多数土壤碳储量研究集中于个别时期内的小区域变化，遥感数据源多为某日单景影像拼接而成，无法代表一年内的植被整体生长状况。近年来，随着星级遥感分析云计算平台GEE的出现，其先进的云计算与强大的存储能力使得长时间序列、大范围遥感监测研究的工作效率大大提高。因此，本文基于GEE平台提供的Landsat表面反射率数据，融合一年内生长期的所有无云影像以真实反应植被年内生长状况，使用随机森林算法提取1987—2020年中国滨海湿地6种土地覆被类型并在线计算植被指数，搜集30余篇已发表文献中的土壤碳密度数据，采用遥感定量反演与生命带研究相结合的方法，估算1987—2020年中国滨海湿地植被碳储量与土壤碳储量，研究“蓝碳”生态系统碳储量时间变化与空间分布，探究其变化机理。以期为我国制定减排增汇措施，提高滨海湿地固碳能力，应对全球气候变化提供理论支持与科学服务。

本文研究区涵盖中国全部滨海湿地（18°12′—39°50′N，105°33′—124°10′E），海岸线总长约1.89×10⁴km^[18]，北起辽宁省鸭绿江口，南至海南省三亚河口，从北向南涉及的行政区域依次为辽宁省、河北省、天津市、山东省、江苏省、上海市、浙江省、福建省、台湾省、广东省、香港特别行政区、澳门特别行政区、广西壮族自治区和海南省（图 1），由于南海诸岛、台湾海峡、钓鱼岛、赤尾屿的碳储量研究较少，因此本文没有进行研究。滨海湿地类型划分大致以杭州湾为界，杭州湾以北除山东半岛、辽东半岛的部分地区为岩石海岸，其余地区多为沙质、淤泥质海滩，主要发育的是盐沼湿地类型；杭州湾以南地区则是以基岩海岸为主，红树林湿地分布较为广泛^[6]。研究区纬度范围跨度较大，地跨温带、亚热带和热带三个气候带，整体受东亚季风的影响，冬季温暖湿润，风向多偏北，夏季炎热多雨，风向多偏南，光照充足，相对湿度较大^[19]。

图 1 研究区示意图 Fig. 1 Schematic diagram of the study area

遥感数据来源及预处理：本文使用GEE云计算平台（https://code.earthengine.google.com/）提供的Landsat系列卫星数据监测中国滨海湿地的长期变化。选择1987年、1995年、2005年、2015年、2020年的5—11月且含云量小于20%的Landsat 5/7/8大气校正表面反射率数据集，该数据集已经经过大气校正；使用Clip与Mosaic函数完成研究区的裁剪与镶嵌；依据CFMask算法生成的像素质量评估波段（pixel_qa），识别云和云阴影从而进行去云处理；最后使用normalizedDifference函数在线计算植被指数。

土壤碳密度数据来自发表文献（表 1）。以Web of Science作为英文数据来源，以中国知网（China National Knowledge Infrastructure，CNKI）作为中文数据来源。检索词包括：中国（China）；滨海湿地（coastal wetland）；土壤（soil）；植被（vegetation）；碳储量（carbon storage）；碳含量（carbon content）等。共检索到600余篇文献，基于以下标准进行文献的筛选：（1）数据来自野外实际采样；（2）研究区湿地类型包括碱蓬、芦苇、互花米草、海三棱藨草、红树林、光滩中的一种或多种；（3）文章数据至少包括土壤有机碳密度、土壤有机碳含量、土壤有机碳储量、土壤容重中的一项。最终，本文选择了35篇已发表文献，收集了中国14个省份（直辖市、自治区、特别行政区）滨海湿地土壤碳密度数据（表 1、图 1）。植被生物量数据获取：按照文献^[20-25]中提出的方法构建参数模型，将GEE平台计算得到的植被指数转换为植被生物量。

表 1 Table 1

表 1 土壤碳密度数据来源 Table 1 Data source of soil carbon density 省份 Province 湿地类型 Wetland type 采样时间 Sampling time 土壤碳密度 Soil carbon density/（t·hm–2） 参考文献 References 辽宁Liaoning 光滩 2011.08 27.67 [40，41] 碱蓬湿地 2011.08 30.21 [40，41] 芦苇湿地 2011.08—2012 65.68 [14，41] 河北Hebei 光滩（同天津） - 21.13 [42] 碱蓬湿地 - 15.39 [43] 芦苇湿地 - 37.24 [43] 天津Tianjin 光滩 - 21.13 [42] 碱蓬湿地 - 38.80 [44] 芦苇湿地 - 43.60 [44] 山东Shandong 光滩 2008.08—2014 26.35 [45，46] 碱蓬湿地 2008.08—2014 24.64 [45，46] 芦苇湿地 2007.10—2014 24.21 [45，46，47] 互花米草湿地 2017.05 24.28 [48] 江苏Jiangsu 光滩 2002.05—2011.12 6.32 [49，50，51] 碱蓬湿地 2011 14.25 [50] 芦苇湿地 2011 13.24 [50] 互花米草湿地 2002.05—2011.12 38.46 [49，50，51] 上海Shanghai 光滩 2010.10—2015.07 6.21 [52，53] 芦苇湿地 2010—2016.04 28.23 [54，55] 互花米草湿地 2010—2016.04 20.10 [54，55] 海三棱藨草湿地 2014.04—2016.04 24.09 [54] 浙江Zhejiang 光滩 2010 15.28 [16，56] 芦苇湿地 2010 16.75 [16，56] 互花米草湿地 2010 15.15 [16，56] 海三棱藨草湿地 2010 14.17 [16，56] 福建Fujian 光滩 2011.07 21.12 [57，58] 互花米草湿地 2014.04 83.59 [58，59] 红树林湿地 - 103.67 [58] 台湾 Taiwan 光滩 2019—2020 85.72 [60] 红树林湿地 2019—2020 113.59 [60] 广东 Guangdong 光滩 2007—2018.06 81.83 [61，62] 互花米草湿地 2018.06 52.68 [63] 红树林湿地 2007—2012.04 176.55 [61，64] 香港 Hong Kong 光滩（同广东） 2007—2018.06 81.83 [61，62] 互花米草湿地（同广东） 2018.06 52.68 [63] 红树林湿地 2018.09 116.79 [65，66] 澳门Macao 光滩（同广东） 2007—2018.06 81.83 [61，62] 互花米草湿地（同广东） 2018.06 52.68 [63] 红树林湿地（同广东） 2007—2012.04 176.55 [61，64] 广西Guangxi 光滩 - 47.22 [67] 互花米草湿地 2018.08—2019.03 32.17 [68] 红树林湿地 - 130.46 [8，67，69] 海南Hainan 光滩 2015.10—2016.10 92.77 [70] 红树林湿地 2015.10—2016.10 222.19 [70，71，72]

表 1 土壤碳密度数据来源 Table 1 Data source of soil carbon density

随机森林（Random Forest，RF）是基于多个决策树对样本训练、分类并预测的一种集成学习算法，主要应用于回归和分类场景，最早由Leo Breiman提出^[26]。

基于GEE平台，选择学习速度快、适应能力强、精度高的随机森林算法进行滨海湿地土地覆被类型提取，最终得到1987年、1995年、2005年、2015年、2020年的六种滨海湿地类型：碱蓬湿地、芦苇湿地、互花米草湿地、海三棱藨草湿地、红树林湿地和光滩，其中碱蓬湿地、芦苇湿地、互花米草湿地与海三棱藨草湿地被合称为盐沼湿地。采用在土地覆盖验证中广泛使用的分层随机抽样方法进一步评估1987—2020年中国滨海湿地分类结果的准确性^[27]。基于GEE中的随机点函数对于每一种湿地类型生成一定数量的随机点，随后基于实地调查、已发表文献和Google Earth高分辨率影像获取的验证样本点对于每个随机点进行人工目视检验，判断随机点分类正确与否，最后计算总体精度与Kappa系数（表 2），结果显示其总体精度均值为91.43%，Kappa系数均值为0.90，表明本研究分类结果与地面真实数据具有很好的一致性。

表 2 Table 2

表 2 分类精度验证 Table 2 Classification accuracy test 年份 Year 总体精度 Overall accuracy/% Kappa系数 Kappa coefficient 7 87.67 0.86 1995 89.06 0.87 2005 92.16 0.91 2015 93.56 0.92 2020 94.68 0.94 平均值Average 91.43 0.90

表 2 分类精度验证 Table 2 Classification accuracy test

基于GEE平台Landsat5/7/8大气校正表面反射率数据集，使用normalizedDifference函数在线计算五种典型滨海湿地植被的植被指数，根据已发表文献^[20-25]中提出的五种滨海湿地植被遥感定量反演模型，将五种植被的植被指数转换为相应的植被生物量。通常将植被生物量乘以相应的碳系数即可得到植被碳密度，碳转换系数一般为0.5^[9-10]。因此，滨海湿地生物量碳储量可由下式求得：

式中，C_i为第i类滨海湿地植被固定的CO₂量（t）；p为碳转换系数；A_i为第i类滨海湿地植被的面积（hm²）；Q_i为第i类滨海湿地植被的生物量（t·hm^–2）^[10]。

参考已有文献^[14]，本研究作出一个重要假设：在研究时段内，对于给定的景观类型，土壤碳密度未发生变化。因此，本研究的核心思路即通过时空互代法来分析不同时期滨海湿地碳储量动态。从理论上而言，各类滨海湿地土壤碳密度对于研究时段内的每个年份均适用。

生命带研究法是指，根据生命地带土壤有机碳密度与该类型分布面积来计算该类型土壤有机碳储量^[11]。因此土壤有机碳储量计算公式为：

式中，$SOC{S_i}$为第i类滨海湿地有机碳储量（t）；$SOC{D_i}$为第i滨海湿地的有机碳密度（t·hm^–2）；S_i为第i类滨海湿地的面积（hm²）^[28]；

基于ArcGIS软件计算土地覆被类型面积，与已有滨海湿地实地调查数据及估算数据进行对比，结果（表 3）表明，本文对于中国滨海湿地总面积的估算结果小于叶思源等^[29]的调查结果，滨海湿地界限划定、分类和计算方法等共同导致了此研究结果的差异；本研究对于中国红树林湿地面积的估算结果与国家林业和草原局的最新数据^[5]较为接近；对于中国盐沼湿地面积的估算结果与他人估算结果^[6]较为接近。总体而言，本研究对于中国滨海湿地面积的估算结果更为可靠。

表 3 Table 3

表 3 滨海湿地面积对比 Table 3 Comparison of coastal wetland area 湿地类型Wetland type 年份Year 面积Area/（103 km2） 数据源Data source 中国滨海湿地China coastal wetland 2017 9.86 [29] 2020 6.98 本研究 红树林湿地 Mangrove wetland 2020 0.289 [5] 2020 0.300 本研究 盐沼湿地 Saltmarsh wetland 2012年左右 1.21~3.43 [6] 2015 1.54 本研究

表 3 滨海湿地面积对比 Table 3 Comparison of coastal wetland area

参考相关已发表文献^[13，30]，综合考虑沿海各省份所在的纬度带及优势植被类型，将研究区分为三个不同的区域：沿海北部、沿海东部和沿海南部区域，从而展示滨海湿地面积变化。其中沿海北部区域包括辽宁省、天津市、河北省、山东省；沿海东部区域包括江苏省、上海市、浙江省、福建省、台湾省；沿海南部区域包括广东省、广西壮族自治区、香港特别行政区、澳门特别行政区和海南省。

由图 2a可知，1987—2020年，中国滨海湿地面积呈减少趋势，每年减少约0.153×10³ km²。近34年来，光滩面积始终最大，盐沼湿地面积次之，红树林湿地面积最小。沿海北部区域的盐沼面积最大（图 2b），最大值为1.453×10³ km²，出现在1987年，近34年来沿海北部区域的盐沼面积整体呈现减少趋势，缩减速率约为14.10 km²·a^–1。红树林湿地主要分布在沿海南部区域（图 2c），近34年沿海南部红树林面积先减少后增加，2005年面积缩减至最低值，约0.193×10³ km²。沿海东部区域则是光滩面积最大（图 2d），整体呈现减少趋势。

图 2 1987—2020中国滨海湿地面积变化 Fig. 2 Changes of coastal wetland area in China from 1987 to 2020

中国滨海湿地范围跨度大，难以具体展示所有区域的碳密度空间分布状况。查阅滨海湿地碳储量相关文献，确定已发表文献的重点研究区域（图 1），同时考虑到典型植被与碳储量的分布与变化，最终选择六个典型区域（辽宁辽河口国家级自然保护区、山东黄河三角洲国家级自然保护区、江苏盐城湿地珍禽国家级自然保护区、上海崇明东滩鸟类国家级自然保护区、福建漳江口红树林国家级自然保护区、广西山口红树林国家级自然保护区）代表中国滨海湿地的北部、东部与南部区域，进行碳密度空间分布状况的展示。

将生物量碳密度与土壤碳密度栅格数据加和得到滨海湿地总碳密度（图 3），输出结果为像元尺度的碳储量，因此，从图 3可以看出中国滨海湿地的碳密度及其空间分布情况。研究结果表明，1987—2020年，沿海北部滨海湿地生物量碳密度小于沿海南部区域，1987—1995年，生物量碳密度最大值存在漳江口区域，约为115.67~131.46 t·hm^–2，2005—2020年山口区域生物量碳密度最大，约为122.31~220.21 t·hm^–2；1987—2020年，土壤碳密度与总碳密度最大值均存在于山口区域，土壤碳密度与总碳密度最小值出现在盐城、崇明东滩区域。总碳密度空间分布差异较大，例如2020年，崇明东滩区域总碳密度最小，最小值约为6.21 t·hm^–2，山口区域总碳密度最大，最大值约为350.46 t·hm^–2（图 3e），两者之间相差超过56倍；南部漳江口、山口区域总碳密度明显高于北部区域。

注：图中圆圈数码分别代表：①高值，②低值，③生物量碳密度，④土壤碳密度，⑤总碳密度；图中的缩写分别代表：LHD：辽河口，YRD：黄河三角洲，YC：盐城，CMDT：崇明东滩，ZJE：漳江口，SK：山口。  Note：The circle numbers in the figure respectively represent：① high value，② low value，③ biomass carbon density，④ soil carbon density，⑤ total carbon density；the abbreviations in the figure respectively represent：LHD：Liaohe Delta，YRD：Yellow River Delta，YC：Yancheng，CMDT：Chongming Dongtan，ZJE：Zhangjiang Estuary，SK：Shankou. 图 3 1987—2020中国滨海湿地碳密度（t·hm–2）空间分布 Fig. 3 Spatial distribution of carbon density(t·hm–2)in coastal wetlands of China from 1987 to 2020

总体来看，1987—2020年，辽河口、黄河三角洲、崇明东滩、漳江口、山口区域滨海湿地碳密度均呈现增加趋势，盐城区域滨海湿地碳密度变化不大；漳江口、山口代表的南部滨海湿地碳密度明显高于辽河口、崇明东滩等地所代表的北部和东部滨海湿地。

根据1987—2020年中国滨海湿地面积与碳密度计算得到中国滨海湿地碳储量（图 4、图 5）。结果表明，中国滨海湿地生物量碳储量整体呈现增加趋势，最大值约为5.02 Tg；总碳储量变化趋势与土壤碳储量保持一致，均表现为先降低后增加，最大值分别为38.44 Tg、35.54 Tg（图 4a、图 4b、图 4c）。近34年来，沿海北部整体碳储量与东部区域整体碳储量大于沿海南部区域。沿海北部区域生物量碳储量呈减少趋势，沿海东部与南部的生物量碳储量则呈现增加趋势（图 5a）。沿海北部、东部与南部区域的土壤碳储量与总碳储量均呈现下降趋势（图 5b、图 5c）。其中沿海北部区域总碳储量下降速率约为–0.19 Tg·a^–1，沿海东部区域总碳储量下降速率约为–0.08 Tg·a^–1，沿海南部区域总碳储量下降速率约为–0.04 Tg·a^–1，三个区域总碳储量最低值均出现在2015年，最低值分别为10.23 Tg、6.46 Tg、7.14 Tg。

图 4 中国滨海湿地生物量碳储量（a）、土壤碳储量（b）、总碳储量（c）年际变化 Fig. 4 Interannual variation of biomass carbon storage(a), soil carbon storage(b)and total carbon storage(c)in coastal wetlands of China

图 5 区域滨海湿地生物量碳储量（a）、土壤碳储量（b）、总碳储量（c）年际变化 Fig. 5 Interannual variation of biomass carbon storage(a), soil carbon storage(b)and total carbon storage(c)in regional coastal wetlands

将中国滨海湿地碳总储量估算结果与他人研究进行对比（表 4），结果表明，本文估算结果与已有数据较为接近，例如本研究得到1987年中国滨海湿地总碳储量为38.44 Tg，邱建慧^[13]对于1990年中国滨海湿地碳储量的估算结果为36.65 Tg；辽河口滨海湿地、滨海红树林湿地等地区的研究结果与已有数据差异也较小，这是因为本研究以遥感数据为基础得到各土地覆被类型面积，进而计算中国各区域滨海湿地碳储量，这与邱建慧等^[13]的研究方法一致，但是本文对于长江三角洲滨海湿地碳储量的估算结果与已有数据相差较大。差异存在的原因：（1）本文土壤剖面数据来自35篇文献资料，而他人^{[14，31-32，40，70]}则是基于实测数据进行研究，数据来源不同导致碳储量数值存在差异。（2）本研究使用遥感数据反演植被生物量，进而得到生物量碳储量，而其他的研究^[13，33]大多是通过收割法、经验公式法或者已有文献资料获取植被生物量数据，计算方法不同导致结果之间的差异被放大或缩小。（3）时间、空间范围不同也是导致本文研究结果与前人研究存在差异的原因之一。

表 4 Table 4

表 4 中国滨海湿地碳储量估算对比 Table 4 Comparison of different studies on carbon storage of coastal wetlands in China 湿地分布区 Wetland distribution area 湿地类型 Wetland type 年份 Year 滨海湿地总碳储量 Total carbon storage in coastal wetlands/Tg 文献 References 中国China 滨海湿地 1990 36.65 [13] 1987 38.44 本研究 辽宁Liaoning 辽河口滨海湿地 2008—2012 5.92 [14，40] 2015 5.41 本研究 山东Shandong 黄河三角洲滨海湿地 2009-2010 3.17 [48，33] 2015 3.52 本研究 江苏Jiangsu 盐城滨海湿地 2009—2014 2.62 [8] 2015 2.36 本研究 江苏、上海、浙江 Jiangsu，Shanghai，Zhejiang 长江三角洲滨海湿地 2002—2005 6.98 [32] 2005 5.03 本研究 广东Guangdong 滨海红树林湿地 2012—2015 3.13 [12，64] 2015 2.91 本研究 海南Hainan 滨海红树林湿地 2013—2015 1.55 [12，31，70] 2015 1.61 本研究

表 4 中国滨海湿地碳储量估算对比 Table 4 Comparison of different studies on carbon storage of coastal wetlands in China

滨海湿地碳储量与主要植被的面积密切相关。沿海北部与东部区域盐沼面积远大于沿海南部的红树林面积，相差近7倍~11倍（图 2）；同时沿海北部与东部区域碳密度小于沿海南部区域，相差近3倍~7倍（图 5）；相比而言，主要植被的面积是总碳储量的决定性因素，碳密度对于总碳储量的影响较小，因此沿海北部与东部区域碳储量大于沿海南部区域（图 4）。植被碳储量因植被类型不同而存在差异，当面积相同时，其碳储量大小顺序依次为乔木碳储量 > 灌木碳储量 > 草本碳储量^[8]，因此漳江口、山口区域的碳密度高于北部与东部的辽河口、崇明东滩区域。

由于围填海、城市化、养殖等人类活动而引起的土地利用变化对于滨海湿地造成了严重的干扰与破坏，导致土壤有机质分解速率加快，滨海湿地碳储量减少。围垦和填海造陆是对于滨海湿地碳储量影响最大的两种方式^[8]，研究表明^[16]，随着围垦时间的延长，土壤有机碳含量呈现出先降低后升高的趋势，围垦引起土壤颗粒组成、团聚体结构、水分的变化，进而干扰湿地土壤碳储量。宋红丽和刘兴土^[34]研究表明大规模滨海滩涂围垦、港口与道路建设等围填海活动，会占据大量的湿地空间，导致滨海湿地面积缩减，同时也会改变滨海湿地土壤的理化性质，导致湿地排放的温室气体显著增加，滨海湿地生态系统的湿地碳汇功能减弱。除此之外，围填海工程对于滨海湿地植被群落也造成了严重的破坏，已有研究表明^[35]围垦时间、近海距离以及土地利用类型对于滨海湿地植被均具有不同程度的影响，阻碍植被群落演替变化。Bernhardt和Koch^[36]研究发现，农业围垦与筑堤工程阻碍了海陆之间正常的物质交换，排水、施肥导致盐沼植被物种多样性降低，多数滩涂植物的生长受到威胁，进而干扰植被生物量积累。在过去的50多年里，由于农业土地开垦，中国失去了22%的自然湿地，其中包括51%的滨海湿地^[37]。本文研究结果表明，1987—2020年中国滨海湿地面积整体呈现减少趋势，很大程度上受到围填海等人类活动的影响，近年来随着环保力度的加强，滨海湿地面积缩减趋势有所缓和。

气温与降水通过不同机制作用于滨海湿地生态系统碳库，共同影响碳储量变化。研究表明，在一定温度范围内，植被光合作用随气温升高而增强，主要是因为光合作用暗反应相关酶的活性增大，进而提高植被净初级生产力，促进植物固碳量增加；同时，增温提高微生物活性，加速土壤顽固碳的分解^[8]。降水变化将对生态系统碳动态产生直接影响^[38]，降水会直接影响湿地土壤水分饱和程度，土壤水分过饱和时土壤呼吸受到抑制，有机质分解速率下降，有利于土壤碳的固存^[8]；降水的增加会影响植被水分利用效率与生长季长度，促进湿地植被的光合作用与生产力增加，有利于植被生物量的累积^[8]。研究表明^[39]，1951—2018年中国平均气温总体上呈现出明显的增加趋势，降水增加滞后且缓慢，所以气候变化在一定程度上有利于生物量碳储量的积累，但对于土壤碳储量积累的促进作用相对较小。本研究显示滨海湿地生物量碳储量整体呈增加趋势，土壤碳储量整体呈降低趋势（图 3）。

近30余年来，中国滨海湿地沿海北部区域以盐沼湿地为主，沿海南部以红树林湿地为主，沿海东部区域则是以光滩为主；中国滨海湿地碳密度整体呈现增加趋势，南部滨海湿地碳密度明显高于北部和东部滨海湿地；1987—2020年，中国滨海湿地总碳储量表现为先降低后增加，沿海北部区域生物量碳储量呈减少趋势，沿海东部与南部的生物量碳储量则呈现增加趋势，沿海北部、东部与南部区域的土壤碳储量与总碳储量均呈现下降趋势。滨海湿地碳储量的变化可能受到气候、植被与人类活动的综合影响，以围填海为主的人类活动通过对滨海湿地植被生长、土壤理化性质等方面的干扰，严重影响到中国滨海湿地碳储量。综上所述，本文对于滨海湿地碳汇研究及应对全球气候变化具有重要意义，但是也存在一些不足之处，在后续的研究中，要进一步考虑冬季植被凋落对于生物量碳储量的影响，扩大遥感数据的日期筛选范围，计算年度平均碳储量，从而做到更加精确地评估中国滨海湿地碳汇能力，挖掘其固碳潜力，旨在有助于我国碳中和目标的实现。