基于FLUS-InVEST模型的北部灣城市群生態(tài)空間碳匯演變模擬及驅(qū)動因素研究

趙胤程, 覃盟琳,, 龐雅月, 王政強, 史倩倩

(1.廣西大學 土木建筑工程學院, 廣西 南寧 530004; 2.廣西大學 林學院, 廣西 南寧 530004)

隨著中國“雙碳”目標的確立，城市群碳平衡問題日趨重要。城市群生態(tài)空間提供著多種生態(tài)系統(tǒng)服務，是城鎮(zhèn)與農(nóng)業(yè)空間可持續(xù)發(fā)展的保障，對區(qū)域碳平衡起到關鍵作用。城鎮(zhèn)擴張導致生態(tài)空間景觀格局變化加劇，生態(tài)惡化，抗風險能力降低，生態(tài)空間碳匯下降[1-3]，城市發(fā)展與生態(tài)保護的矛盾加深，碳失衡風險增加。為了防范碳失衡，提升區(qū)域碳匯的預測能力，通過生態(tài)空間土地利用格局的多情景模擬，可預知不同發(fā)展導向下區(qū)域土地覆蓋變化及區(qū)域碳匯演變狀況，為未來生態(tài)空間土地利用管理決策提供科學參考[4]。

實現(xiàn)碳匯空間分布格局的預測需要基于土地類別的空間模擬分析，對城市群生態(tài)空間格局變化的預測需要精確度較高的模擬技術，以數(shù)學模型為基礎的土地利用模擬模型近年來快速發(fā)展，能呈現(xiàn)較準確的預測結果[5]。隨著模擬模型多次迭代，各領域研究者根據(jù)不同的學科理論構建了土地利用模擬模型[6]，包括專注數(shù)據(jù)的統(tǒng)計模型，重視空間布局的元胞自動機模型，以及重視演變過程的經(jīng)濟學模型與多主體模型等。其中以元胞自動機模型為基礎的衍生模型在土地利用格局演變分析中運用廣泛，研究者以此開發(fā)的模型包括CLUE-S模型[7-8]、SLEUTH模型[9-10]、CA-Markov耦合模型[11]以及更多使用機器學習、多準則評價(MCE)、粒子群算法(PSO)等技術與元胞自動機模型相耦合的模擬模型[12-14]。隨著神經(jīng)網(wǎng)絡模型的應用取得進展，其耦合模型的優(yōu)勢也在土地利用模式與驅(qū)動力兩者關系的發(fā)掘上顯現(xiàn)，兼顧了自然生態(tài)效應與人類活動。劉小平等[15]結合人工神經(jīng)網(wǎng)絡(ANN)、元胞自動機模型(CA)與馬爾可夫鏈(Markov chain)的優(yōu)勢，建構了FLUS(future land use simulation)耦合模型，該模型具有自適應慣性及競爭機制，可處理不同地類競爭與相互作用的問題，反映土地變化的不確定性，并消除了CA模型不能直接計算未來期限內(nèi)元胞增長數(shù)量的劣勢。在應用層面，朱壽紅等[16]研究表明，F(xiàn)LUS模型模擬精度比CLUE-S模型和ANN-CA模型更高。目前FLUS模型主要應用在城鎮(zhèn)增長邊界劃定[17]、區(qū)縣級尺度多情景模擬[18]領域，對城市群尺度的土地利用格局模擬及碳匯相關模擬研究較少。

由于城市群中城鎮(zhèn)擴張必然會導致一系列生態(tài)平衡的改變，而城市群生態(tài)空間的碳匯演變能夠準確反映生態(tài)失衡導致的氣候變化，是反映生態(tài)環(huán)境效益的重要指標之一。當前學者對碳匯的研究主要集中在碳匯動態(tài)模擬[19]以及碳匯與氣候間的關系分析[20]上，采用的碳匯量計算模型包括TVP模型[21]、CASA模型等[22]。在城市群碳匯相關分析中，對碳匯變化的動因分析研究較少。InVEST模型的優(yōu)勢是能夠衡量某時間段內(nèi)生態(tài)空間不同地類在研究時段內(nèi)的碳匯量變化情況，碳儲量分類較細，有助于深入理解生態(tài)空間格局演變對碳匯演變的影響及背后的驅(qū)動機制，該模型在生境質(zhì)量評估、土壤保持、水源供給等[23-26]領域的研究成果相對豐富，其陸地生態(tài)系統(tǒng)模塊的碳儲量模塊能夠計算一段時間內(nèi)碳匯變化。對2020—2035年不同情景的北部灣城市群碳匯模擬能夠反映該區(qū)域的碳匯演變情況，找到碳匯演變的驅(qū)動力因素。

近年區(qū)域經(jīng)濟高速發(fā)展使景觀格局劇烈變化，城鎮(zhèn)擴張給生態(tài)環(huán)境帶來壓力，為應對碳失衡風險，城市群生態(tài)空間演變需要科學預測與保護。目前FLUS模型與InVEST模型結合的研究成果較少，且對城市群尺度碳匯格局變化的模擬研究及碳匯空間格局演變的驅(qū)動力因素研究也相對缺乏。因此研究以北部灣城市群為例，以2010，2015，2020年為基準年模擬2035年城市群景觀格局時空演變，并分析研究期內(nèi)的碳匯變化，找到影響碳匯變化的主要驅(qū)動因子，為城市群未來生態(tài)空間發(fā)展方向與策略提供參考，促進陸海新通道的科學開發(fā)。

1 研究區(qū)概況

北部灣城市群地處華南地區(qū)，陸地被北部灣海域分隔成3部分，包括廣西壯族自治區(qū)的6個地級市：南寧、北海、欽州、防城港、玉林和崇左，廣東省的3個地級市：湛江、茂名和陽江，海南省的6個地(縣)級市：?？凇①僦?、東方、澄邁、臨高和昌江。其詳細分布見圖1。研究區(qū)毗鄰粵港澳與東盟，屬亞熱帶季風氣候與熱帶季風氣候，降水多，日照充足，陸地面積約1.17×105km2，是中西部地區(qū)快速崛起的城市群之一，也是西部陸海新通道的戰(zhàn)略出?？凇?/p>

圖1 北部灣城市群地區(qū)分布

2 材料與方法

2.1 數(shù)據(jù)來源

研究使用的數(shù)據(jù)集一共分為土地利用、政策約束、道路、地形、經(jīng)濟5類。北部灣城市群2010，2015與2020年3期土地利用現(xiàn)狀數(shù)據(jù)來自武漢大學楊杰等[27]制作的基于Landsat土地利用分類數(shù)據(jù)，針對生態(tài)空間的研究需要將土地利用類型分為建設用地、耕地、林地、草地、水域、未利用地6大地類。根據(jù)相關國家標準與研究需求，將林地、草地、水域、未利用地這4個以自然環(huán)境和生態(tài)服務為主的地類定義為生態(tài)空間。

研究根據(jù)北部灣城市群發(fā)展現(xiàn)狀選取與土地利用格局演變有較大聯(lián)系的指標進行綜合分析。主要從自然條件和社會經(jīng)濟兩方面來選取驅(qū)動因子，自然條件方面主要選取了高程、坡度、坡向、距水系距離、距鐵路距離、距高速公路距離、距一般道路距離、距城鎮(zhèn)中心距離共8個因子。其中高程和坡度是決定土地利用格局變化的地形因素，較短的交通距離是吸引城鎮(zhèn)用地開發(fā)的必要條件。社會經(jīng)濟方面選擇夜間燈光、人口密度共2個因子。為了約束模擬擴張還需要生態(tài)保護方面的限制因子，選取自然保護區(qū)、河流、重要濕地、紅樹林、熱帶雨林、天然林共6個因子。數(shù)據(jù)來源信息見表1。

表1 數(shù)據(jù)來源信息

2.2 研究方法

2.2.1 研究步驟 研究分為3部分： ①使用Markov模型對2035年土地需求量進行預測，隨后使用FLUS模型對北部灣城市群2035年生態(tài)優(yōu)先、耕地優(yōu)先及城鎮(zhèn)優(yōu)先3種發(fā)展情景下土地利用格局的發(fā)展方向進行模擬； ②利用InVEST模型對2020—2035年3種情景下的區(qū)域土地碳匯情況進行分析； ③使用地理加權回歸模型對不同情景下土地利用格局變化驅(qū)動因子進行權重分析，找出各場景下推動區(qū)域碳匯格局變化的主要影響因素。

2.2.2 生態(tài)空間模擬預測 FLUS模型是一款研究自然與人類活動影響下土地利用或土地覆蓋的情景仿真預測模型，該模型基于元胞自動機模型并進行改進，引入了多層前饋人工神經(jīng)網(wǎng)絡算法(BP-ANN)提升模擬的精確性。

研究模型首先利用土地現(xiàn)狀數(shù)據(jù)，使用Markov鏈對2035年多情景土地需求量進行預測，然后采用多層前饋人工神經(jīng)網(wǎng)絡算法處理非線性問題，使用土地利用數(shù)據(jù)與驅(qū)動因子來計算各土地利用類型的轉換概率，隨后結合鄰域影響因子、自適應慣性系數(shù)和轉換成本得到柵格總體轉換概率，再運用基于輪盤賭的自適應慣性競爭機制解決不同地類相互競爭的不確定性，從而得到模擬結果。

(1) 多層前饋人工神經(jīng)網(wǎng)絡算法原理。BP-ANN算法的基本結構由一個輸入層、若干隱層與一個輸出層組成，其公式表達[15]為：

(1)

式中：sp(p,k,t)為第k種用地類型在柵格p及時間t的適宜性概率；wj,k是隱層與輸出層間的權值； sigmoid函數(shù)是隱層到輸出層的激勵函數(shù)； netj(p,t)表示在第j個隱層柵格p在時間t接收的信號；BP-ANN輸出的適宜性概率sp(p,k,t)在迭代時間t柵格p上，各類用地適宜性概率的和恒定為[15]：

(2)

研究中神經(jīng)網(wǎng)絡獲取訓練樣本的采樣方法為隨機采樣，其特點是各類用地采樣點數(shù)隨各地類所占比例而變化，隱層數(shù)量設置為13層，并將土地利用驅(qū)動因子柵格數(shù)據(jù)歸一化處理后輸入到BP-ANN模型中得出研究區(qū)內(nèi)各類用地的適宜性概率。

(3)

(4)

表2 FLUS模型鄰域作用權重

(4) 轉換成本。轉換成本表示現(xiàn)狀土地類型轉換為目標類型的難度。針對3種不同的發(fā)展情景，需要根據(jù)經(jīng)驗設置3種轉換成本。詳細轉換情況見表3。轉換的總體原則是除少數(shù)地類外，高等級土地不可向低等級土地轉換。生態(tài)優(yōu)先情境下依據(jù)土地類型生態(tài)效益進行等級排序的結果為林地、水域、草地、未利用地、耕地、建設用地；城鎮(zhèn)優(yōu)先情景下根據(jù)城市發(fā)展需求進行等級排序的結果為建設用地、耕地、林地、草地、水域、未利用地；耕地優(yōu)先情景下，除建設用地外其他用地均可轉為耕地，其他條件與城鎮(zhèn)優(yōu)先情景類似。

表3 FLUS模型轉換成本矩陣

(5)

式中：scc→k為土地利用類型c轉為k的轉換成本，(1-scc→k)表示發(fā)生轉化的難易程度。

為確保模型的有效性，研究使用kappa指數(shù)、總體精度OA及FOM系數(shù)對模型的精確度進行檢驗，通過采集歷史數(shù)據(jù)進行模擬驗證。當kappa≥0.75時，模型模擬精確度較高，當kappa介于0.5與0.75之間時，模型模擬精確度一般[28]?？傮w精度越接近1，模擬精確度越高。FOM指數(shù)受模擬期限影響，每增加一年，F(xiàn)OM指數(shù)增加不超過0.01為標準水平。

(6) 模型操作及結果。將2015年北部灣城市群土地利用現(xiàn)狀數(shù)據(jù)作為初始數(shù)據(jù)，對各驅(qū)動因素進行歸一化處理并使用隨機采樣提取柵格數(shù)據(jù)樣本訓練ANN模型，采樣率設置為2%，計算各地類的適宜性概率，然后將慣性系數(shù)設為1，將各土地利用類型的適宜性概率及限制因子圖層導入至模型中，得到各地類的CA參數(shù)，對城鎮(zhèn)優(yōu)先情境下2020年北部灣城市群土地利用情況進行模擬，并使用kappa指數(shù)等精度驗證方法將模擬結果與2020年真實土地利用情況進行對比驗證。詳細的精度驗證結果見表4。其中kappa系數(shù)大于0.75，OA計算結果較高，F(xiàn)oM系數(shù)處于標準水平。綜上所述，F(xiàn)LUS模型對北部灣城市群未來土地利用模擬的精確度較高，能夠較好地反映土地的變化情況。

表4 FLUS模型的kappa指數(shù)，OA及FoM系數(shù)

隨后使用FLUS對2035年北部灣城市群不同情景下的土地利用變化進行模擬，觀察其生態(tài)空間的變化情況。由于自然保護區(qū)、生態(tài)濕地、天然林、紅樹林、熱帶雨林及水域等政策保護區(qū)域需要限制發(fā)展，3種情景都加入了限制區(qū)。根據(jù)不同情景地類發(fā)展優(yōu)先度模擬后的結果見圖2。由圖2可知，北部灣城市群的生態(tài)空間主要分布在兩廣交界地帶與桂西南山區(qū)?？傮w上，2035年北部灣城市群生態(tài)空間在生態(tài)優(yōu)先的情景下發(fā)展呈擴大趨勢，在城鎮(zhèn)優(yōu)先和耕地優(yōu)先情景下呈縮小趨勢，不同場景之間變動較大的區(qū)域主要在大、中型城市周邊，情況與城市群發(fā)展階段特征相符。詳細地類變動情況見表5。

圖2 北部灣城市群2035年各情景模擬結果

表5 北部灣城市群2020年土地利用現(xiàn)狀與2035年各情景模擬情況

2.2.3 驅(qū)動因子分析 地理加權回歸模型是一種加入空間維度的回歸分析模型，可用于土地利用變化情景預測領域。通過地理加權回歸分析可得到各個參與運算自變量的影響權重，從而掌握因變量主要受哪些自變量的影響，并能夠根據(jù)自變量權重大小判斷自變量對因變量的影響程度。由于碳匯變化與土地地類變化深度相關，模型選取驅(qū)動因子數(shù)據(jù)與各地類適宜性概率進行土地利用變化驅(qū)動力研究，分析驅(qū)動因子與土地格局的關系，發(fā)現(xiàn)碳匯變化的主要驅(qū)動力。地理加權回歸模型的表達式[29]為：

(6)

式中：ui和vi分別為i點的位置坐標；β0(ui,vi)為回歸系數(shù)；ε為殘差；x為自變量；y為因變量。在回歸分析結果中，因子的擬合優(yōu)度R2是體現(xiàn)因子影響程度的重要參數(shù)，可用于解釋碳匯格局變化驅(qū)動因子的影響力。

2.2.4 碳匯變化分析 InVEST模型全稱“生態(tài)系統(tǒng)服務功能與權衡交易綜合評價模型”，能實現(xiàn)生態(tài)系統(tǒng)服務功能的定量評估和空間可視化。模型包括海洋生態(tài)系統(tǒng)、淡水生態(tài)系統(tǒng)和陸地生態(tài)系統(tǒng)3個模塊，用戶可以根據(jù)需求對相應模塊輸入數(shù)據(jù)與相應參數(shù)得到評估結果。由于土地管理人員需要在何處保護或開發(fā)做選擇，這些評估模塊將是進行生態(tài)系統(tǒng)服務決策的理想支持工具。

研究所需模塊是位于陸地生態(tài)系統(tǒng)模塊下的碳儲量模塊，該計算模塊是基于碳密度方法建立的。其計算原理為，模型使用土地利用類型、木材采伐量、采伐產(chǎn)品降解率和四大碳庫的碳儲量來估算現(xiàn)狀碳儲量或一段時間內(nèi)的碳匯，其中四大碳庫包括地上生物量、地下生物量、土壤有機物和死亡有機物。碳儲量計算公式[30]如下：

Ci=Cabove+Cbelow+Csoil+Cdead

(7)

式中：Ci為某地類i的碳密度(t/hm2)；Cabove，Cbelow，Csoil，Cdead分別是地上生物碳密度、地下生物碳密度、土壤有機物碳密度、死亡有機物碳密度?？紤]到死亡有機物對生態(tài)系統(tǒng)碳庫的影響很小且數(shù)據(jù)收集較困難，將死亡有機物排除在研究范圍外。研究根據(jù)生態(tài)空間的研究需求和不同地類的碳密度值計算各地類的碳儲量之和Tc，公式[31]如下：

Ti=Ci×Ai

(8)

(9)

式中：Tc為總碳儲量(t);Ti是地類i的碳儲量，區(qū)域共有n種地類;Ci指地類i的碳密度(t/hm2);Ai為地類i的面積(hm2)。將2035年各場景的碳儲量計算結果與2020年相減可得到15 a內(nèi)總碳匯量與各地類的碳匯量，從中了解碳匯變化情況。

3 結果與分析

3.1 生態(tài)空間格局演變多情景模擬對比

在城鎮(zhèn)優(yōu)先情景中，建設用地為主導土地利用類型，在2020—2035年建設用地代表的城鎮(zhèn)空間占比由2.43%上升到2.46%，而耕地代表的農(nóng)業(yè)空間占比由37.43%上升到37.86%，其他5類用地代表的生態(tài)空間占比由60.15%下降至59.68%。上述變化反映了城鎮(zhèn)優(yōu)先導向下，建設用地擴張使生態(tài)空間受擠壓，生態(tài)質(zhì)量因此下降。其中受影響較大的區(qū)域為各城鎮(zhèn)的邊緣區(qū)和城區(qū)內(nèi)部，以南寧、湛江、?？诔擎?zhèn)空間變化最為明顯，主要侵蝕城鎮(zhèn)周圍的農(nóng)業(yè)空間及城區(qū)水域；生態(tài)空間主要受農(nóng)業(yè)空間侵蝕，侵蝕區(qū)域主要分布在桂西南與雷州半島的耕地集中區(qū)。在模擬中，各個中心城市城區(qū)內(nèi)部的城鎮(zhèn)空間擴張幅度較大，城區(qū)內(nèi)部的水域、耕地和林地被建設用地擠占，因此在城鎮(zhèn)優(yōu)先情景下各城市的中心城區(qū)需要進行建設管控以防止城區(qū)內(nèi)部生態(tài)失衡。

在耕地優(yōu)先情景中，發(fā)展以耕地開拓為導向，模型提高了除建設用地外其他用地類型向耕地轉移的概率和耕地轉為其他用地類型的成本。在2020—2035年耕地所代表的農(nóng)業(yè)空間占比由37.43%上升到37.86%，而城鎮(zhèn)空間由2.43%下降至2.14%，而生態(tài)空間由60.15%下降至60.00%。農(nóng)業(yè)空間獲得良好保護和發(fā)展，但生態(tài)空間會受到農(nóng)業(yè)空間的擠壓，城鎮(zhèn)空間也無法獲得足夠的土地進行經(jīng)濟建設。土地類型變化的區(qū)域主要分布在雷州半島、海南島和桂西地區(qū)的耕地集中區(qū)，以耕地侵蝕草地和中心城市建設用地為主。因此，保證農(nóng)業(yè)空間的發(fā)展會影響生態(tài)空間，擠占城鎮(zhèn)發(fā)展空間，犧牲生態(tài)環(huán)境，使局部氣候惡化。

在生態(tài)優(yōu)先情景中，生態(tài)保護成為發(fā)展導向，一切以生態(tài)環(huán)境保護為前提，提高了生態(tài)空間用地類型向其他用地的轉換成本。在2020—2035年生態(tài)空間占比由60.15%擴大至60.77%，城鎮(zhèn)空間由2.43%下降至2.20%，而農(nóng)業(yè)空間由37.43%下降至37.03%。生態(tài)空間得到保護，中心城市城鎮(zhèn)空間稍有縮小，耕地面積大幅下降，除雷州半島耕地仍在擴張外，其他地區(qū)的耕地逐漸變?yōu)樯鷳B(tài)空間。在本情景中，生態(tài)空間增長較多。

綜上所述，城鎮(zhèn)優(yōu)先情景下生態(tài)空間縮小程度最高，對生態(tài)空間的破壞最嚴重，而生態(tài)優(yōu)先情景下生態(tài)空間有所增加，同時對城鎮(zhèn)空間的經(jīng)濟建設負面影響較小。只有嚴格限制侵占生態(tài)空間，才有可能保證城市群經(jīng)濟的可持續(xù)發(fā)展。

3.2 生態(tài)空間碳匯情況分析

3.2.1 碳匯時空變化特征分析 方精云等[32]研究表明同一氣候帶土地利用類型碳密度差異較小，因此使用已有研究得出的相似氣候區(qū)土地利用類型碳密度表進行碳匯情況分析，最終參照朱志強等[33]測定的碳密度，以表6作為碳密度標準。

表6 北部灣城市群土地利用類型碳密度標準 t/hm2

參照碳密度表對北部灣城市群碳密度時空分布情況進行詳細分析。詳細的北部灣城市群碳儲量與平均密度見表7。在時間維度，北部灣城市群總碳儲量從2010年的7.75×108t下降至2020年的7.74×108t，城市群碳儲量的平均密度由2010年的6.67 kg/m2下降至2020年的6.66 kg/m2。2015—2020年碳儲量與平均密度呈下降趨勢，與2010—2015年的碳儲量與平均密度發(fā)展趨勢相反，植被或土壤中的碳被釋放到空氣中，造成氣候環(huán)境惡化。由表8可知，2010—2015年碳儲量增加1.20×106t，2015—2020年碳儲量減少1.77×106t，而2010—2015年生態(tài)空間面積增加94 km2，2015—2020年生態(tài)空間面積減少686 km2，上述數(shù)據(jù)表明，2015—2020年碳儲量流失比2010—2015年加重與生態(tài)空間面積減少有一定關系。

表7 2010—2020年北部灣城市群碳儲量與平均密度

表8 北部灣城市群碳匯與生態(tài)空間面積變化

從空間分布情況來看，北部灣城市群碳儲量存在明顯的地區(qū)分布差異。由圖3可知，碳儲量集中在粵西及桂東南區(qū)域，碳匯較強的城市主要為防城港、崇左、欽州、玉林、茂名和陽江。碳匯演變與土地利用類型有強相關性。上述6市的林地面積在北部灣城市群位居前列。碳匯較低的城市主要為南寧、湛江、?？凇⒈焙?、東方和臨高市。上述6市建設用地及耕地面積占比較大，影響了區(qū)域碳儲量的積累。根據(jù)表9中的2020年現(xiàn)狀數(shù)據(jù)，北部灣城市群各城市的碳密度排名由高到低為：防城港、玉林、崇左、澄邁、欽州、陽江、茂名、昌江、儋州、臨高、南寧、東方、海口、北海、湛江，其中防城港、玉林、崇左、澄邁、欽州、陽江、茂名、昌江、儋州、臨高碳密度高于平均密度，其他城市碳密度低于平均密度。另外，如圖4所示，2010—2015年土地碳密度變化較劇烈的區(qū)域集中在南寧、湛江和海口等市域范圍，雷州半島和?？谔紖R減少較嚴重，2015—2020年碳密度變化相比前五年更廣泛和均衡，碳匯減少的區(qū)域集中在城市群北部，碳匯增加的區(qū)域集中在雷州半島。

圖3 2010—2020年北部灣城市群碳儲量分布變化情況

圖4 2010—2020年北部灣城市群碳匯空間分布情況

從土地利用類型與碳密度二者關系的角度看，北部灣城市群各城市的碳儲量變化與土地利用類型變化具有強相關性(參考表6與表10)。林地的碳匯最強，2020年林地碳儲量占總儲量的80.59%，其余地類碳儲量占比依次為耕地18.83%，建設用地0.53%，草地0.04%，水域0.01%，未利用地幾乎忽略不計。由此可見，生態(tài)空間中的林地占據(jù)了過半的碳儲量，生態(tài)空間各地類碳儲量總和占比達到80.64%，與生態(tài)空間土地面積占比60.15%相接近，證明了兩者的相關性。

表9 2010—2020年北部灣城市群各城市碳平均密度 kg/m2

表10 2010—2020年北部灣城市群土地利用類型 km2

觀察城市群內(nèi)各城市的碳密度與地類變化情況，欽州、北海碳密度有所上升，防城港、?？?、澄邁、臨高、湛江遏止住下降趨勢，其他城市2015—2020年的碳密度都比2010—2015年下滑更多，其中?？凇|方、昌江下滑較嚴重。各城市的地類中，面積變化較大的一般為耕地和林地。由表11可知，2010—2015年各城市的建設用地大幅擴張，侵占耕地與林地，上述情況在各城市的碳密度中有所反映。2015—2020年除茂名的建設用地縮小外，其他城市的建設用地依然在擴張，受影響較大的地類為水域、耕地與林地。由此可見，北部灣城市群多數(shù)城市仍處于快速擴張階段，對城市群的碳匯造成負面影響，使區(qū)域生態(tài)環(huán)境趨于惡化，破壞生態(tài)空間。

表11 2010—2020年北部灣城市群各城市碳平均密度與土地利用類型變化

3.2.2 未來碳匯變化模擬分析 在2035年多情景預測中，不同情景下的碳儲量也會隨土地利用格局的變化而變化。由表12可知，2035年城鎮(zhèn)優(yōu)先與農(nóng)業(yè)優(yōu)先情景下的碳儲量低于生態(tài)優(yōu)先情景，且2020—2035年城鎮(zhèn)優(yōu)先情景的碳儲量下降最多。另外，2035年北部灣城市群3種情景下的碳密度與2020年相比，城鎮(zhèn)優(yōu)先和農(nóng)業(yè)優(yōu)先場景出現(xiàn)了下滑，生態(tài)場景與2020年相比有所增加。

表12 2035年北部灣城市群3種情景下碳儲量、碳平均密度與變化情況

在空間分布上，結合圖5與表13可知，北部灣城市群2035年各模擬情景下的碳儲量分布總體相似，高碳匯區(qū)域分布在粵西與桂東南區(qū)域。在城鎮(zhèn)優(yōu)先情景下，碳平均密度下降較嚴重的城市為北海，其他城市中，防城港、欽州、湛江、陽江、儋州、臨高出現(xiàn)下滑，原因在于城鎮(zhèn)空間擴張過快導致碳匯下降。在農(nóng)業(yè)優(yōu)先情景下，防城港、欽州、北海、澄邁、湛江、陽江、儋州、臨高有所下降，其他城市除南寧外，碳密度都有所上升，原因在于農(nóng)業(yè)空間碳匯一直保持在較高水平。在生態(tài)優(yōu)先情景下，欽州、北海、湛江、臨高碳密度略有下降，其他城市的碳密度有所上升，生態(tài)空間面積的保持穩(wěn)定了區(qū)域碳匯。

圖5 2035年北部灣城市群3種情景下的碳儲量分布

表13 2035年北部灣城市群3種情景下各城市碳平均密度與變化情況 kg/m2

3.3 碳匯格局演變驅(qū)動因子分析

由于土地利用格局的演變決定了城市群的碳匯空間格局變化，城鎮(zhèn)化進程的推進會使區(qū)域碳匯下降，因而使用地理加權回歸進行土地利用格局變化驅(qū)動因子分析能夠找到碳匯格局改變的驅(qū)動機制及各驅(qū)動因子對碳匯格局變化的影響程度，詳細的地理加權回歸分析擬合優(yōu)度R2值如表14所示。在土地利用格局演變的過程中對地類變化影響最大的驅(qū)動因子為高程因子，與林地的擬合優(yōu)度最高。其次，在分項地理加權回歸分析中，對耕地變化影響較大的是人口密度與高程因子，對林地變化影響較大的為高程和坡度因子，對草地變化影響較大的為道路距離因子，對水域變化影響較大的是水系距離因子，對建設用地變化影響較大的是人口密度因子，對未利用地影響較大的是道路距離因子。其中，林地的主要驅(qū)動因素擬合優(yōu)度超過了50 %，表明驅(qū)動因子貢獻率較高。由此得出，生態(tài)空間碳匯格局變化的主要驅(qū)動因素為高程、坡度和人口密度。

表14 北部灣城市群土地利用格局地理加權回歸分析擬合優(yōu)度

4 討論與結論

4.1 討 論

4.1.1 研究評價

(1) 根據(jù)模型的參數(shù)設置與精度驗證，研究采用的模擬技術總體是可靠的，能夠反映在自然保護區(qū)等政策區(qū)域條件限制下，城鎮(zhèn)空間、農(nóng)業(yè)空間和生態(tài)空間各自的發(fā)展狀態(tài)，且FLUS-InVEST模型正逐漸推廣[34]說明了技術的可靠性。在因子和相關性分析方法的選擇上也考慮了大部分潛在影響因素，收集了自然、社會、空間等方面的研究數(shù)據(jù)，能較全面地反映各類因素對城市群碳匯演變的作用，對沿海城市群發(fā)展導向與政策制定有一定參考性。目前城市群碳匯模擬與驅(qū)動因素相關研究仍處于稀缺狀態(tài)，內(nèi)容主要針對往年碳濃度與土地相關性、碳濃度時空演變分析等相對主流的內(nèi)容，因此該研究有一定的參考意義。

(2) 受條件所限，研究無法實地測量碳密度，故采納廣東省廣州市測定值。由于影響碳密度的主要因素為降雨量和溫度[35]，廣東省與北部灣城市群屬同一氣候區(qū)，兩者降雨量與溫度幾乎一致，因此碳密度值也較接近，類似的碳密度值引用在過往文獻中[31]有所體現(xiàn)，其廣東碳密度值考慮了廣西實測數(shù)據(jù)。

(3) 研究的誤差來自多方面，如FLUS模型本身的精度問題，部分參數(shù)采取經(jīng)驗值處理；以及因InVEST算法簡化對計算精度造成的影響問題，碳儲量模塊考慮靜態(tài)而忽略碳循環(huán)和不同碳庫間的動態(tài)轉化問題，碳循環(huán)算法簡化會導致目標時段的碳匯被假設為線性變化，不夠貼近實際情況。今后的研究可以進一步提高精確度，采用參數(shù)更完善的模擬技術控制變量。

4.1.2 建議 根據(jù)政府工作報告提出的碳中和目標與北部灣城市群自身的城鎮(zhèn)化發(fā)展要求，采取生態(tài)優(yōu)先的發(fā)展方式能夠較好地兼顧城鎮(zhèn)發(fā)展與生態(tài)空間的資源環(huán)境保護需求。對道路、人口密度等易控制的人為因素，在建設時需謹慎考慮其對環(huán)境的影響，避免對林地等重要碳庫造成大規(guī)模破壞。根據(jù)2035年的模擬顯示，只有在生態(tài)優(yōu)先情景導向下，生態(tài)空間才能夠得到良好的保護，因此需盡早制定政策，加強保護措施以抑制建設用地的快速擴張，落實政府的碳達峰與碳中和目標。

4.2 結 論

城鎮(zhèn)優(yōu)先是碳密度下降最快的情景，2035年該情景的碳匯量比2020年減少3.12×106t，碳平均密度比2020年下降0.03 kg/m2，延續(xù)2010—2020年的碳密度下降趨勢，若不限制城鎮(zhèn)用地擴張，城市群生態(tài)環(huán)境與碳匯功能將遭到極大破壞。農(nóng)業(yè)優(yōu)先情景的碳匯量比2020年減少了2.16×106t，碳平均密度下降比城鎮(zhèn)優(yōu)先情景減緩。生態(tài)優(yōu)先情景下的碳匯量比2020年增加1.91×106t，碳平均密度也有所增加。

研究使用地理加權回歸分析了北部灣城市群碳匯格局演變的驅(qū)動因素，了解碳匯、土地和驅(qū)動因子間的關系及驅(qū)動機制，在所有因子中，人口密度、坡度、道路距離、高程、水系距離是影響程度最高的解釋變量，也是該地區(qū)土地利用與碳匯格局變化最重要的驅(qū)動力，其中生態(tài)空間碳匯格局的主要驅(qū)動因素是高程、坡度和人口密度，城鎮(zhèn)空間擴張擠壓生態(tài)空間是造成生態(tài)空間碳匯變化的主要原因。