基于PLUS模型和InVEST模型的南昌市碳储量时空演变研究

时间：2024-05-24

李文静，吴伟成

（东华理工大学地球科学学院，江西南昌 330013）

0 引言

近年来，社会经济的快速发展引起了土地利用结构的剧烈变化，而土地利用构成与碳储量密切相关［1］，碳储量是衡量生态系统初级生产力的重要指标，可反映生态系统对全球变暖的调节能力［2］，我国在2020年提出了“碳达峰”和“碳中和”的目标，在“双碳”背景下，查清碳储量家底可有助于更快更好地实现对碳资源的保护以及将来对碳资源的可持续利用。

关于碳储量的估算研究，我国当前主要采用的方法包括：实地采样计算法［3-4］、遥感估算法［5］、模型估算法［6］等。碳储量估算研究的区域从针对不同土地利用类型［7］的估算到大尺度的省市级［8］、流域［9］、具有典型代表的生态区［10］等。目前，InVEST模型中基于土地利用类型的碳储量计算方法被广泛运用于中大尺度的碳储量评估中，该方法简单快捷，可迅速了解区域的碳储量信息。此外，为了对未来的碳储量进行预估，学者们运用土地利用模拟耦合碳储量估算模型，对未来不同发展情景下的碳储量进行了估算。常用于土地利用模拟的模型包括：CA-Markov［11］、Flus模型［8］、Clue-s模型［12］、PLUS模型［13］等。其中PLUS模型对细碎斑块的模拟效果较优，可用于具有较多细小斑块的研究区。

南昌市作为长江中下游地区重要的中心城市之一，高速的经济发展和城镇化进程对南昌市的碳储量水平产生了显著的影响。为了解南昌市30 a间土地利用变化对碳储量的影响，本研究采用InVEST模型对南昌市碳储量进行估算，并结合PLUS模型对2030年南昌市不同发展情景下的土地利用情况进行模拟，以期为南昌市政府了解当前及未来碳储量变化趋势提供参考。

1 研究区概况与数据

1.1 研究区概况

南昌市地处长江中下游地区，位于鄱阳湖的西南部（115°27′~116°35′E、28°10′~29°11′N），整体地势低缓，以平原为主，平均高程325 m，属亚热带季风气候区，降水充足，年平均降水为1736 mm，年平均气温为17.5 ℃。南昌市是国务院批复确定的中国长江中游地区重要的中心城市、鄱阳湖生态经济区中心城市，具有极高的战略地位。

1.2 数据来源及处理

1.2.1 土地利用/覆被变化(LULC)数据从地理空间数据云(https://www.gscloud.cn/)采购了1990—2020年30 m×30 m南昌市的LULC土地利用分类数据，4期土地利用分类数据平均总体精度在85%以上，平均Kappa系数为0.89。该数据集的土地利用类型包括耕地、林地、草地、水体、建设用地和未利用地6个类别。

1.2.2 驱动因素数据本研究利用社会经济、自然、可达性三大类型，共13个驱动因子作为南昌市土地利用变化的驱动因素，分别为人口密度、人均GDP、年平均降水量、年平均气温、数字高程模型（DEM）、坡度、坡向、距一、二、三级道路的距离、距高速的距离、距铁路的距离和土壤侵蚀量（表1），其中矢量数据应用Arcgis软件的欧氏距离进行栅格化处理，所有数据统一将空间分辨率设定为30 m。

表1 南昌市地类变化驱动因素

1.2.3 碳密度数据为保证碳密度数据的准确性，本研究在参考前人的研究成果［14-18］以及江西省样本点数据均值的前提下，对南昌市各土地利用类型的碳密度进行估算，无法获取的碳密度数据将基于全国碳密度数据以及气温、降水与碳密度的关系式进行修正，由于死亡有机碳的数据难以获取，本研究未将其列入。南昌市各地类的碳密度见表2。

表2 南昌市不同土地利用类型的碳密度 t/hm2

2 研究方法

2.1 基于PLUS模型的2030年南昌市土地利用模拟方法

PLUS模型是将土地扩张分析策略(Land expansion analysis strategy，LEAS)和多类型随机斑块种子的CA模型(CA based on multi-type random patch seeds，CARS)相结合的土地利用模拟模型［19］，该模型解决了当前模拟模型在不同斑块尺度上的模拟欠缺问题。该模型需要输入2期土地利用数据获取各地类的扩张部分，输入驱动因素结合随机森林算法训练各地类的发展潜力，基于发展潜力设置用地需求量、成本矩阵和相应的领域权重并对下一时期土地利用进行模拟。

2.1.1 多情景的土地利用预测《南昌大都市区规划（2015—2030）》和《环鄱阳湖生态城市群规划（2015—2030）》对构建山水林田湖城村以及实现生态保护提出了内在要求，《中华人民共和国土地管理法》和《基本农田保护条例》要求落实最严格的耕地保护制度。本文基于以上规划、法律和条例，探索不同用地开发策略对土地利用的影响，研究2030年南昌市在自然发展情景、生态保护情景和耕地保护情景下的土地利用空间分布及数量结构。

2.1.2 用地需求量、成本矩阵与领域权重采用马尔可夫链对用地需求量进行预测，基于相似研究区及学者们的研究结果［20-21］，将生态保护情景下的转移概率设定为林草用地向建设用地转移概率降低50%，耕地向建设用地转移概率降低30%，耕地向林草用地转移概率提升30%；耕地保护情景下的土地利用转移概率设定为林草用地向建设用地转移概率降低20%，耕地向建设用地转移概率降低60%。多情景下的成本矩阵仅设置建设用地不允许向其他地类转换；领域权重参考已有研究［22］，利用2个时期各土地利用变化量占变化总量的比值进行归一化处理后作为各地类的领域权重。

2.2 碳储量估算方法

利用InVEST模型中的Carbon Storage模块对南昌市1990—2030年碳储量的时空变化进行计算。该模型利用各地类的地上生物碳密度、地下生物碳密度、土壤碳密度和死亡有机碳密度对研究区内总体碳储量进行计算，计算公式为：

式（1）~式（2）中，t为第t类土地覆盖类型，Ct代表第t类土地覆被类型的碳密度(t/hm2)，Ct,above、Ct,below、Ct,soil和Ct,dead分别代表第t类土地覆被类型的地上生物碳密度、地下生物碳密度、土壤碳密度和死亡有机碳密度，At代表第t类土地覆盖类型的面积。

无法获取的碳密度数据将基于气温和降水量以及全国碳密度数据进行修正，该修正公式参考Alam等［23］和国内学者有关碳密度的研究获得［24］，计算公式为：

式（3）~式（6）中，x为年平均降水量(mm)，Cbiomass、Csoil分别代表地上生物碳密度(g/m2)和土壤生物碳密度(g/m2)，Kbiomass、Ksoil分别为地上生物碳密度校正系数、土壤碳密度校正系数，Cbiomass1、Cbiomass2分别为南昌市和全国的地上生物碳密度，Csoil1、Csoil2分别为南昌市和全国的土壤生物碳密度，南昌市碳密度数据可通过全国碳密度数据与2个校正系数相乘获取。

2.3 碳储量脆弱性评估方法

联合国政府间气候变化专门委员会于2001年首次提出了脆弱性概念，脆弱性的定义包括气候变化背景下系统的暴露水平、受气候变化影响的敏感性程度及其对气候变化的适应能力［25-26］。Schroter等［27］提出了生态系统服务不仅受气候背景影响，还会受到土地利用变化的影响，并对土地利用变化引起的生态系统的脆弱性进行了量化，国内学者通过引入量化指标评估了生态系统碳储量，并对土地利用变化所引起的生态系统服务的脆弱性进行了量化评估［28-29］，该过程的计算公式为：

式（7）~式（10）中，PI为潜在影响指数，用于度量生态系统服务中碳储存服务的脆弱性；ΔL表示土地利用程度的变化量；ΔC为碳储量的变化量；Cs、Ce分别表示期初和期末的碳储量；Ls、Le分别表示期初和期末的土地利用强度；L为土地利用程度综合指数；At为第t类土地利用类型的分级指数；Bt为第t类土地利用类型占总面积的比例。

参考庄大方等［30］的研究对土地利用程度进行划分，将南昌市的土地利用程度分为4级，其中耕地为3级，林地和草地、水体为2级，建设用地为4级，未利用地分为1级。

3 结果与分析

3.1 碳储量空间变化分析

由图1可知，1990、2000、2010、2020年南昌市的碳储量分别为4.09×107、4.08×107、3.96×107和3.80×107t，单位面积碳密度分别为56.86、56.69、55.02和52.89 t/hm2；在2000年前，碳总量和单位面积碳密度均呈平缓下降趋势，2000年后则呈现出快速下降的趋势；1990—2000年南昌市的碳储量以1.23×104t/a的速度下降，2000—2010年和2010—2020年则表现出快速下降的特征，下降速率分别为1.20×105、1.53×105t/a；2000、2010、2020年南昌市碳储量的减少量分别为前一时期碳储量的0.30%、2.93%、3.87%。30 a间南昌市的碳储量共减少了2.85×106t，下降速率为9.50×104t/a，单位面积碳密度下降了3.97 t/hm2，下降速率为0.13 t/(hm2·a)。

图1 1990—2020年南昌市碳储量及单位面积碳密度

对南昌市各区县的碳储量（图2）分析可知，1990—2020年，南昌市各区县碳储量的减少量从高到低依次为：新建区、青山湖区、红谷滩区、南昌县、进贤县、安义县、青云谱区、西湖区和东湖区，减少量分别为6.68×105、5.80×105、5.44×105、5.29×105、2.15×105、1.47×105、0.74×105、0.66×105和0.23×105t。

图2 1990—2020年南昌内各区县的碳储量

由图3可知，30 a间南昌市碳储量在空间分布上总体变化不大，呈现出西北和东南高，东北和中部最低、西南次低的空间分布特征，碳储量高值地区主要分布于林草用地区且集聚程度较高，碳储量高值区与高程具有正相关性，即海拔越高碳储量越高。碳储量高值地区主要包括：安义县、新建区、进贤县，这3个区县内均分布有山地，地势较南昌市其他区县的更高，分布了全市最高的碳密度植被，最高碳密度为150.76 t/hm2。碳储量低值地区分布广泛，主要分布在水源地、城市和未利用地。以点状分布为代表，在南昌市的各区县均有分布，碳储量低值地区的面积占各区县面积前三的分别为青云谱区、西湖区、东湖区，这些地区除水域外，最低的碳密度为2.1 t/hm2。30 a间南昌市碳储量的总量仅在1990—2000年增加了3239~24677 t，占2000年碳储量总量的0.2%，碳储量增加的区域包括安义县、新建区和红谷滩区。

图3 1990—2020年南昌市碳密度的空间分布

3.2 碳储量对土地利用变化的响应

由表3可知，1990—2020年南昌市的耕地对碳储量的贡献最高，4个时间点的贡献率均在50%以上，其次为林地，对碳储量的贡献率高达45%。1990—2020年间，耕地与林地是南昌市碳储量的主要贡献者，贡献占比高于95%；草地和未利用地的平均贡献率在2.1%和1.8%，建设用地的贡献率在0.1%~0.4%之间波动；水域的碳储量为0，本文不作讨论。1990—2000年建设用地和林地的碳储量分别增加了5.65×103、1.07×104t，耕地、草地的碳储量分别减少了1.24×105、1.57×104t；2000—2010年建设用地和未利用地的碳储量分别增加了4.87×104、5.04× 104t，耕地、林地、草地的碳储量分别减少了6.73 ×105、3.96×105、2.26×105t；2010—2020年仅建筑用地的碳储量增加了4.75×104t，耕地、林地、草地、未利用地则分别减少了8.62×105、6.74×105、1.78×104、2.56×104t。整体上各个地类在不同时期的碳储量变化情况不同，但在2000—2020年间的变化均最大。

表3 南昌市不同地类的碳储量及其变化情况 ×106 t

由表4可知，从土地利用转入角度观测，向耕地、水域、建设用地的转入使得碳储量降低了9.53×104、5.45×105、3.02×106t，主要转入源分别为林地和草地、未利用地和林地、林地和未利用地；向林地、草地、未利用地的转入使得碳储量增加了7.15×105、1.66×104、7.67×104t，主要转入源分别为草地和耕地、建设用地和未利用地、水域和建设用地；从土地利用转出角度来看，水域和建设用地的转出使得碳储量增加了7.79×105、1.38×105t，主要转出源分别为未利用地和耕地、草地和未利用地；耕地、林地、草地、未利用地的转出对碳储量的减少造成了主要的负面影响，其转出源分别为水域和建设用地、耕地和草地、建设用地和草地、水域和建设用地。总体上，碳储量对不同土地类型转移的响应表现为林地、草地面积的减少和建设用地面积的增加都会造成碳储量减少，尽管有高碳储量的土地利用类型转入，但碳储量仍入不敷出，呈现出极速减少的态势。

表4 1990—2020年南昌市不同地类的碳转移矩阵 ×105 t

3.3 碳储量脆弱性

从市级尺度对南昌市碳储量的脆弱性进行评估分析（表5），1990—2020年南昌市的土地利用强度不断增加，整体上表现为2000年前土地利用强度缓慢增加，2000年后利用强度大幅提升，2000—2010年土地利用强度的提升幅度高于2010—2020年的。30 a间土地利用强度对碳储量呈负向的潜在影响，表明随着土地利用强度的增加，碳储量受到的负面影响不断加强。

表5 土地利用变化对碳储量的影响

由图4可知，1990—2000年间存在部分区县的土地利用变化对碳储量影响表现为正向影响，分别为红谷滩区、南昌县、新建区，其中南昌县的正向影响最强（73.29），红谷滩区和新建区分别为2.83和1.22；2000—2010年，对碳储量呈负向影响的前3个区县分别为青云谱区、西湖区、青山湖区，PI值分别为-20.7、-7.08、-4.96；2010—2020年对碳储量呈负向影响的前3个区县级分别为青云谱区、西湖区、东湖区，PI值分别为-40.53、-20.52、-9.49；30 a间对碳储量呈负向影响的前3个区县分别为青云谱区、西湖区、青山湖区，其PI值分别为-34.44、-22.07、-7.00。

图4 土地利用变化对碳储量影响的空间分布

3.4 多情景下2030年南昌市碳储量变化分析

利用2010年南昌市土地利用现状栅格影像模拟2020年土地利用影像，模拟土地利用影像的Kappa系数为0.92，这表明利用PLUS模型对2030年南昌市土地利用进行模拟具有可行性。基于此，利用2020年的相关数据对2030年3种情景下南昌市的土地利用、碳密度分布、碳储量变化进行模拟，结果如图5~图7所示。

图5 不同情景下南昌市土地利用的模拟结果

图6 不同情景下的碳密度分布的模拟结果

图7 不同情景下的碳储量变化的模拟结果

在自然发展情景下，2030年南昌市的碳储量为3.66×107t，单位面积碳密度为50.94 t/hm2，2020—2030年间碳储量下降了1.40×106t；在生态保护情景下，2030年南昌市碳储量为3.73×107t，单位面积碳密度为51.88 t/hm2，碳储量相比2020年下降了7.29×105t；在耕地保护情景下，2030年南昌市碳储量为3.73×107t，单位面积碳密度为51.84 t/hm2，碳储量相比2020年下降了7.60×105t。从3种情景下的碳储量变化情况可知，2030年南昌市在生态保护情景下有更高的碳储量，耕地保护情景下对于南昌市碳储量的减少具有一定的作用，但自然发展情景下南昌市碳储量的减少量最高。在3种情景下，2030年碳储量空间分布格局与1990—2020年的分布格局相似，均呈现出西北和东南高，东北和西南低的空间分布特征。在生态保护情景下，林地和草地等碳密度高的地类不会转换为建设用地；在耕地保护情景下，耕地也不会转换为建设用地。上述2种情景下尽管无法逆转南昌市碳储量下降的趋势，但对于缓解南昌市碳储量快速下降的态势仍具有积极的意义。

在3种情景下，自然发展情景、生态保护情景、耕地保护情景分别减少了24616.9、13684.7、11486.3 hm2的碳储量面积，分别占南昌市总面积的3.4%、1.9%和1.5%；碳储量增加面积分别为1244.70、202.14、1333.72 hm2，分别占南昌市总面积的0.017%、0.002%、0.180%。生态保护情景下碳储量的增加量相对较少，但该情景下限制了高碳储量土地利用类型的转出，最终使得其碳储量最高。

4 讨论

4.1 30 a间南昌市碳储量变化

1990—2020年南昌市碳储量变化分析结果表明：南昌市的碳储量呈现出先缓慢下降后快速下降的趋势；在空间分布上，1990—2000年南昌市部分区县的碳储量出现增加现象，这是由于这些区县的山地众多、经济发展较为缓慢以及人类活动较少，因而碳储量有所上升。从土地利用转移的视角来看，不同土地利用类型的碳库数值相差较大，固碳能力较强的地类主要为林地、耕地，上述地类对南昌市碳储量的贡献率高达95%。30 a间南昌市的土地利用类型变化主要表现为林地、草地的转出和建设用地的转入，因此建设用地向外扩张是南昌市碳储量下降的主要原因，这也与先前研究的结论一致［24，31-33］。从碳储量空间分布的角度分析，30 a间南昌市碳储量的高值区空间位置未有明显变化，高值区分布与地形具有明显的关联。在地势较高的区域，很难将其开发为耕地和建设用地。此外，在国家退耕还林生态保护的背景下，山地经济效益的开发主要集中于经济木材的种植。综上，土地利用空间分布直接影响了碳储量的空间分布［34］。

4.2 南昌市碳储量脆弱性评估

对南昌市碳储量进行脆弱性评估，可分析碳储量对土地利用强度的响应情况。1990—2020年碳储量脆弱性持续表现为负面的潜在影响，其中在1990—2000年的影响高于2000—2010年的，而2010—2020年的影响高于前20 a的。这反映出2000年前对土地的无序利用导致了南昌市的脆弱性较大，2010—2020年南昌的高速发展使得碳储量脆弱性进一步加大。南昌市30 a间的城镇化水平不断提高，城区对周边耕地、林地的扩张和占用，使得区域内土地利用强度不断增加，造成了碳储量的持续下降，生态系统的碳储量愈发脆弱。未来应在关注碳库补充的基础上，对建设用地进行合理规划、实施区域的土地综合整治、集约节约利用土地，改善当前碳储量脆弱的状况。

4.3 多情景下对碳储量的影响

利用2020年土地利用数据模拟了2030年南昌市自然发展情景、生态保护情景和耕地保护情景下的土地利用空间分布格局。在自然发展情景下，建设用地向外扩张趋势更为明显，碳储量进一步降低，基于南昌市2010—2020年的土地发展趋势，碳储量减少的面积明显高于其他情景下碳储量减少的面积；在生态保护情景下，降低了林地、草地和耕地向建设用地转移的可能，有效减少了高碳值地区的流失［10］，有助于降低南昌市碳储量快速下降带来的碳储量不足；在耕地保护情景下，作为重要碳源的耕地得到了较强的保护，这一模式下并未出现碳储量的剧烈下降，但相较于生态保护模式下，对耕地的控制转出，使该模式在保护地类碳储量方面更具有侧重性。综上，3种情景下的碳储量整体均表现出下降的趋势，但生态保护情景下的碳储量下降得更少，结合当前南昌市推行的国土绿化政策，在该情景下更易达到碳平衡，这与吴佩君等［35-37］的研究结论一致。

4.4 不足与展望

对生态系统碳储量的评估是一个复杂的系统过程，InVEST模型具有计算方便、即时、快速的优点，可通过碳库对不同的土地利用类型的碳储量进行计算，但该模型缺乏对碳循环过程中碳密度随时间变化的考量，以单一时间节点的碳密度计算碳储量与实际结果会存在一定偏差。本文在获取南昌市碳密度数据时参考了相似研究区域的数据以及中国陆地生态系统的碳密度样本的平均数据，后续应加强对南昌市实地样本数据的采集，并对受时间变化影响的碳密度数据进行修正。

在利用PLUS模型对南昌市土地利用多情景模拟过程中，本研究参考了前人研究结果对多情景参数进行了设置，驱动因子的选择也参照当前研究广泛使用的经济、自然、可达性因子进行了评估，但不同的驱动因素对土地利用模拟的作用尚不清晰，后续考虑添加更多的驱动因素并测试其对土地利用模拟的影响，从而提高土地利用的模拟效果。