不同土地利用情景下四平市生態(tài)系統(tǒng)碳儲量時空演變

鄒桃紅,陳 鵬,劉家福,杜會石

不同土地利用情景下四平市生態(tài)系統(tǒng)碳儲量時空演變

鄒桃紅*,陳 鵬,劉家福,杜會石

(吉林師范大學(xué)地理科學(xué)與旅游學(xué)院,吉林 四平 136000)

基于1990～2020年四平市土地利用類型數(shù)據(jù),運(yùn)用GeoSOS-FLUS模型,設(shè)定自然發(fā)展、耕地保護(hù)和生態(tài)優(yōu)先三種情景,模擬不同情景下2030年四平市土地利用空間格局,同時結(jié)合InVEST模型定量分析研究區(qū)1990～2020年碳儲量的時空分異特征,并探討不同情境下土地利用變化對碳儲量的影響,評估未來碳儲量的潛力.結(jié)果表明:1990～2020年四平市耕地和林地分別減少了951.55km2和357.54km2,且以1990～2000年間的降幅最大.草地和建設(shè)用地呈增加趨勢,分別增加了702.97km2和587.64km2.2030年在生態(tài)優(yōu)先情景下,林地呈擴(kuò)張態(tài)勢, 耕地有少量增加,在耕地保護(hù)情景下,耕地數(shù)量得到有效保障,而林地和草地有不同程度縮減.建設(shè)用地在三種情景下都呈現(xiàn)擴(kuò)張的趨勢,在自然發(fā)展情景下增長幅度最大.1990～2020年,四平市陸地生態(tài)系統(tǒng)的總碳儲量及平均碳密度呈連續(xù)減少的勢態(tài),以1990～2000年的降幅最大,主要原因是該時段內(nèi)土地利用變化以耕地的減少和建設(shè)用地的增加為主.四平市碳儲量的高值區(qū)位于東部伊通滿族自治縣和鐵東區(qū),該區(qū)土地利用主要以林地為主.在研究時段內(nèi),總碳儲量呈現(xiàn)減少趨勢,且在1990～2000年內(nèi)下降幅度最大,減少了約0.703×107t.在三種不同情景下,2030年研究區(qū)碳儲量和平均碳密度呈現(xiàn)不同的發(fā)展趨勢,生態(tài)優(yōu)先情景能夠有效的提高陸地生態(tài)系統(tǒng)的總碳儲量和平均碳密度,而在自然發(fā)展和耕地保護(hù)情景下,兩者都呈現(xiàn)下降趨勢,耕地保護(hù)情景下的降低幅度相比自然發(fā)展情景明顯減少.因此,研究區(qū)在未來土地資源規(guī)劃中,應(yīng)基于生態(tài)優(yōu)先情景,保障耕地資源,優(yōu)化土地利用結(jié)構(gòu),既保障耕地質(zhì)量,又增加生態(tài)系統(tǒng)碳匯.

GeoSOS-FLUS模型；土地利用模擬；InVEST模型；碳儲量；四平市

當(dāng)前“碳達(dá)峰”“碳中和”等問題引起了越來越多的關(guān)注, 生態(tài)系統(tǒng)碳儲量對全球氣候變化及碳達(dá)峰、碳中和等具有重要意義.如何減少碳排放,改善生態(tài)系統(tǒng)的結(jié)構(gòu)以提高生態(tài)系統(tǒng)的碳儲量是當(dāng)前亟需解決的問題[1].土地利用作為人類改造自然的主要方式,其通過改變地表物質(zhì)循環(huán)和能量流動,改變土壤及植被的碳固定能力[2-4],從而直接影響著陸地生態(tài)系統(tǒng)碳儲量的格局及動態(tài).有研究表明,全球碳排放總量的三分之一是由土地利用變化引起的[5-6],因此,定量評估土地利用變化對生態(tài)系統(tǒng)碳儲量時空分布的影響,探尋國土空間格局的優(yōu)化以改善陸地生態(tài)系統(tǒng)碳儲量,對維持全球碳平衡及減緩氣候變化至關(guān)重要.

目前,對碳儲量的定量研究多基于傳統(tǒng)的野外調(diào)查[7]、統(tǒng)計分析和生物量法[8]等,雖精度較高,但操作費(fèi)時,且無法反映碳儲量的空間格局及其動態(tài)變化[9],僅適用于小尺度碳儲量的評估.自然資源部開發(fā)的生態(tài)系統(tǒng)服務(wù)與權(quán)衡工具InVEST[10-12]因能定量評估生態(tài)系統(tǒng)服務(wù)功能的空間分布及其變化,已被廣泛應(yīng)用于區(qū)域或國家尺度的碳儲量、土壤保持[13]及生境質(zhì)量[14]等生態(tài)系統(tǒng)服務(wù)定量評估中.近年來,土地利用變化引起的生態(tài)系統(tǒng)服務(wù)功能變化已經(jīng)引起了許多學(xué)者的關(guān)注.因此結(jié)合土地利用變化模擬及InVEST模型分析土地利用變化對生態(tài)系統(tǒng)服務(wù)功能影響的研究日益增多[15-18],如CA- Markov模型[19-21],SD-CLUE-S模型[11,16,22]等土地利用模擬模型耦合InVEST模型定量評估不同生態(tài)系統(tǒng)服務(wù)對土地利用變化的響應(yīng)已取得比較顯著的成果.但這些土地利用模擬模型多是通過過去各類土地利用類型的數(shù)量來預(yù)測未來土地利用的數(shù)量分布,缺乏模擬土地利用空間變化的能力.

隨著神經(jīng)網(wǎng)絡(luò)模型的廣泛應(yīng)用,Liu等[23]綜合人工神經(jīng)網(wǎng)絡(luò)、元胞自動機(jī)和馬爾科夫鏈模型的優(yōu)勢,構(gòu)建了FLUS(Future Land Use Simulation)模型,通過輪盤賭自適應(yīng)慣性機(jī)制有效處理了自然和人為因素在模擬過程中的復(fù)雜性和不確定性[24],有效提升了土地利用類型在空間分布上的模擬精度,且已在城鎮(zhèn)增長邊界劃定及縣域尺度土地利用模擬等領(lǐng)域取得了較好的成果[25-26].目前也有學(xué)者嘗試將InVEST模型和FLUS模型結(jié)合來進(jìn)行多目標(biāo)、多情景的生態(tài)系統(tǒng)碳儲量評估[24,27].結(jié)合FLUS- InVEST模型,可以更好地探索土地利用變化的內(nèi)在驅(qū)動機(jī)制并模擬不同情景下碳儲量的時空變化格局及未來走向.本文選取四平市開展研究,該區(qū)位于東北松嫩平原腹地,是我國北方生態(tài)脆弱帶的重要組成部分.作為東北黑土地保護(hù)的核心區(qū)域,其快速變化的土地利用方式深刻影響了該區(qū)碳儲量的時空分布.雖然近些年,國家實(shí)施了鹽堿地治理、黑土地保護(hù)和天然林保護(hù)工程等相應(yīng)措施來保護(hù)區(qū)域生態(tài)環(huán)境,但由于人口增長和經(jīng)濟(jì)發(fā)展,及早期不合理的土地利用方式,使得過去20年間土地利用發(fā)生了顯著變化,導(dǎo)致生態(tài)環(huán)境結(jié)構(gòu)和功能面臨嚴(yán)峻挑戰(zhàn).鑒于此,分析四平市不同時期土地利用覆蓋狀況,探索土地利用變化對陸地生態(tài)碳儲量的影響,對優(yōu)化土地資源利用結(jié)構(gòu),改善生態(tài)系統(tǒng)功能具有實(shí)踐意義.因此,本文分析了1990～2020年四平市LULC的時空變化特征,綜合FLUS和InVEST模型,模擬該區(qū)2030年在自然發(fā)展、生態(tài)優(yōu)先和耕地保護(hù)三種情景下的土地利用狀況及其生態(tài)系統(tǒng)碳儲量的影響,以期為東北地區(qū)黑土地保護(hù)及土地資源的優(yōu)化配置提供科學(xué)依據(jù).

1 研究區(qū)概況

圖1 研究區(qū)位置

四平市位于吉林省西南部,地處松遼平原中部腹地,是國家重點(diǎn)的商品糧基地[28],其地理坐標(biāo)為42°31′～44°09′N,123°17′～125°49′E(圖1),下轄梨樹、雙遼、伊通三個縣(市),及鐵西、鐵東兩個區(qū).土地面積1.03×104km2,地勢東南高,西北低,東部主要土地覆蓋類型為林地,西部為松遼平原的一部分;草地、鹽堿地及沼澤地為主要土地覆蓋類型;中部土壤肥沃,主要土地類型為耕地和建設(shè)用地.黑土資源在全市分布廣泛,土壤有機(jī)質(zhì)含量豐富.氣候?qū)僦袦貛駶櫦撅L(fēng)氣候,大陸性明顯,春季干燥多風(fēng),夏季濕熱多雨,冬季寒冷漫長.近年來,隨著經(jīng)濟(jì)發(fā)展及城市化進(jìn)程的加快,人類活動對該區(qū)的人為干擾強(qiáng)度日益增強(qiáng),導(dǎo)致土地退化、景觀破碎化等生態(tài)環(huán)境問題突出,生態(tài)安全格局的構(gòu)建面臨嚴(yán)重挑戰(zhàn).

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源及處理

本文在模擬2030年土地利用分類時使用的數(shù)據(jù)集主要包括:①土地利用分類數(shù)據(jù):以1990年、2000年、2010年和2020年共4期30m分辨率的LULC數(shù)據(jù)為先期基礎(chǔ)數(shù)據(jù),其中1990年土地利用數(shù)據(jù)引用自楊杰和黃昕[29]教授基于GEE制作的中國年度土地覆蓋數(shù)據(jù)集,剩余3期土地利用數(shù)據(jù)來自GlobalLand30(http://www.globallandcover.com/).根據(jù)四平市的實(shí)際狀況,將土地利用重分類為耕地、林地、草地、水體、濕地、建筑用地和未利用地7類.②驅(qū)動因子數(shù)據(jù):主要包括地形和可達(dá)性因素.地形因素中DEM由地理空間數(shù)據(jù)云平臺提供(http://data/cma.cn/),坡度則通過ArcGIS中的表面分析模塊計算得到;可達(dá)性因素包括距居民點(diǎn)、河流、公路、鐵路的距離.路網(wǎng)數(shù)據(jù)來源于Open Street Map(https://ww.openstreetmap.org),河流和城鎮(zhèn)數(shù)據(jù)來自于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心(http://www.resdc.cn/data).為便于FLUS模型處理,所有數(shù)據(jù)均重投影為Krasovsky_1940_Albers,空間分辨率統(tǒng)一為重采樣為90米.

2.2 基于GeoSOS-FLUS的土地利用變化預(yù)測

FLUS模型是一個模擬、預(yù)測不同情景下土地利用變化的模型,由劉小平等[23]開發(fā).該模型為GeoSOS模型的拓展,其基于元胞自動機(jī)(CA)的原理,引入人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network),根據(jù)初期LULC及各驅(qū)動因子得到不同土地利用類型的適宜性概率,再基于輪盤賭選擇的自適應(yīng)慣性機(jī)制簡化自然因素和人為影響下土地利用類型間相互轉(zhuǎn)化的復(fù)雜性和不確定性[30],提高土地利用模擬的精確性.

(1)適應(yīng)性概率計算:根據(jù)已有研究,FLUS模型利用人工神經(jīng)網(wǎng)絡(luò)算法擬合土地利用變化及其與各驅(qū)動因子間的關(guān)系,計算得到各土地利用類型在空間上的適應(yīng)性概率.模型包含輸入層、輸出層和隱藏層構(gòu)成,公式為:

(3)成本矩陣:表示不同地類之間是否能相互轉(zhuǎn)換,其中,1表示可以轉(zhuǎn)換,0表示不能[31].根據(jù)不同的發(fā)展情景,需設(shè)置不同的轉(zhuǎn)換成本.由于未來土地利用的需求難以預(yù)測,因此本文采用情景分析法,參照《吉林省土地利用總體規(guī)劃》和《吉林省主體功能區(qū)規(guī)劃》,按照自然發(fā)展、生態(tài)優(yōu)先和耕地保護(hù)三種情景預(yù)測2030年土地利用類型分布.自然發(fā)展主要根據(jù)2010年至2020年的土地利用轉(zhuǎn)移概率矩陣,及自然和人為因子的影響,以10年為步長,運(yùn)用FLUS模型中耦合的Markov模型預(yù)測2030年各土地利用類型的分布;生態(tài)優(yōu)先即加強(qiáng)對林地、草地、水體和濕地等生態(tài)用地的保護(hù),同時保證永久基本農(nóng)田的數(shù)量,并加強(qiáng)其他土地類型(除耕地外)向生態(tài)用地的轉(zhuǎn)換.耕地保護(hù)情景主要依據(jù)自然資源部提出的“耕地進(jìn)出平衡”政策,嚴(yán)格限制耕地向建設(shè)用地等“非糧化”用地的轉(zhuǎn)化,加強(qiáng)對耕地的保護(hù).具體轉(zhuǎn)換情況見下表.

表1 GEO-FLUS模型的轉(zhuǎn)換成本矩陣

注:其中,C-耕地,F-林地,G-草地,W-水體,M-濕地,B-建設(shè)用地,U-未利用地.

2.3 基于InVEST模型的陸地生態(tài)系統(tǒng)碳儲量評估

InVEST中的Carbon模塊主要用來模擬不同土地類型的碳儲量,其設(shè)定生態(tài)系統(tǒng)碳儲量主要包括地上生物碳儲量(above)、地下生物碳儲量(below)、土壤碳儲量(soil)和凋落物碳儲量(dead)四大部分[34].由于數(shù)據(jù)獲取的局限性,本文設(shè)定凋落物碳儲量為0,因此,碳儲量的計算公式如下:

表2 四平市不同土地利用類型的碳密度(t/hm2)

各土地利用類型對應(yīng)的碳密度值可根據(jù)相關(guān)文獻(xiàn)搜集整理得出.有研究認(rèn)為,位于同一氣候帶的土地類型碳密度差異不大,因此本文以吉林省或黑龍江省相關(guān)碳儲量研究為參考[35-37],采用氣溫和降水因子通過陳光水[38-39]等研究中的模型,修正得到研究區(qū)的碳密度數(shù)據(jù)(表2),修正因子可由下式計算得出:

式中:BP和BT分別為降水因子和氣溫因子的修正系數(shù);B和S分別表示地上地下植被碳密度的修正系數(shù)和土壤碳密度的修正系數(shù);￠和2為黑龍江省和研究區(qū)的生態(tài)系統(tǒng)碳密度,可由年降水和年均溫帶入下式得到:

式中:PRE和TEM分別表示年降水量和年均氣溫;BP和BT分別為根據(jù)降水和氣溫得到的植被碳密度;SP為根據(jù)降水得到的土壤碳密度.通過查詢年鑒得出黑龍江省和研究區(qū)的年均溫分別為4℃和5℃,年降水量分別為753mm和768.4mm.

3 結(jié)果分析

3.1 1990～2020年四平市土地利用變化分析

由表3可知,耕地是四平市的優(yōu)勢土地利用類型,面積占比四個時期均在70%以上;其他土地利用類型的占比由大到小依次為林地、草地、建設(shè)用地、水體、未利用地及濕地.空間分布上(圖2)可知,林地主要位于研究區(qū)東部的伊通滿族自治縣及鐵東區(qū),草地則主要位于研究區(qū)西部的雙遼縣,耕地遍布整個四平市,以梨樹縣為主.1990～ 2020年的土地利用類型變化中,耕地面積減少最大,降比約為11.32%左右,且以1990～2000年的降幅最大(-8.44%);其次為林地,減少357.54km2;研究時段內(nèi),建設(shè)用地、草地及水體呈現(xiàn)增加的趨勢,其中草地的面積增幅最大,增加702.97km2,面積占比從1.27%上升至8.13%;其次是建設(shè)用地,面積從307.3km2增加至894.94km2,城市擴(kuò)張的特征明顯.

圖2 1990～2020年四平市土地利用類型分布

表3 四平市1990～2020年各時期土地利用類型面積及占比

3.2 土地利用的模擬結(jié)果分析

將2010年土地利用類型數(shù)據(jù)作為起始年份數(shù)據(jù),利用FLUS模型模擬2020年土地利用數(shù)據(jù)來驗(yàn)證模擬結(jié)果的精度,以保證2030年土地利用數(shù)據(jù)模擬的準(zhǔn)確性.如圖3所示,經(jīng)與2020年實(shí)際土地利用狀況進(jìn)行對比得出,模型模擬的Kappa指數(shù)為0.815,OA指數(shù)為0.852,表明模型的模擬精度較高,能滿足本文對四平市未來土地利用情景模擬的需要.因此,基于Markov模型預(yù)測可得到四平市2030年三種發(fā)展情景下不同土地利用類型的預(yù)測數(shù)量,結(jié)合選取的11個土地利用變化的驅(qū)動因子,對2030年研究區(qū)自然發(fā)展、耕地保護(hù)和生態(tài)優(yōu)先三種情景下的土地利用空間分布進(jìn)行了模擬(圖3).

圖3 四平市土地利用類型現(xiàn)狀及不同情景模擬分布

圖4 2020～2030年不同情景下土地利用變化對比

由圖4可見,2020～2030年四平市耕地面積在自然發(fā)展情景下呈現(xiàn)減少的趨勢,約減少了1.8× 104hm2;在耕地保護(hù)情景下,限制了耕地向其它非糧用地的轉(zhuǎn)化,使得耕地數(shù)量得到了很大程度的增加,約增加了4.8×104hm2;在生態(tài)優(yōu)先情景下,因需要保證永久基本農(nóng)田的數(shù)量,對耕地向生態(tài)用地的轉(zhuǎn)化進(jìn)行了控制,因此耕地數(shù)量得到了一定的保證,有較少增加,約為5.67hm2.林地作為主要的生態(tài)用地,在生態(tài)優(yōu)先情景下得到有效的控制,面積增加了6.1×103hm2,而在另外兩種情景下,面積則有不同程度的縮減.草地面積在自然發(fā)展和耕地保護(hù)情景下都呈減少的趨勢,而在生態(tài)優(yōu)先情景下有輕微的增加.建設(shè)用地在三種情景下都呈現(xiàn)不同程度的擴(kuò)張態(tài)勢,且空間上呈現(xiàn)圍繞居民點(diǎn)為中心向外的擴(kuò)張,在自然發(fā)展的情景下,建設(shè)用地擴(kuò)張最明顯,面積增加了2.5×104hm2,在生態(tài)優(yōu)先和耕地保護(hù)情景下,由于控制了耕地和生態(tài)用地向建設(shè)用地的擴(kuò)張,因此這兩種情景下,建設(shè)用地的擴(kuò)張速度有所減緩,面積僅約增加了1.16×103hm2和1.9×103hm2.

3.3 四平市生態(tài)系統(tǒng)碳儲量時空變化特征

圖5是根據(jù)InVEST模型的碳模塊得到的四平市陸地生態(tài)系統(tǒng)碳儲量的時間變化圖.由圖可知,四平市1990～2020年總的碳儲量和平均碳密度呈現(xiàn)減少的趨勢,30年間分別降低了1.07×107t和10.48t/hm2,其中1990～2000年的下降幅度最大,分別達(dá)到了0.703×107t和6.86t/hm2.總體上而言,研究區(qū)1990到2000年間,城鎮(zhèn)化的速度相對較快,土地利用變化上主要以耕地的減少和建設(shè)用地的增加為主,耕地、建設(shè)用地、林地和草地之間的相互轉(zhuǎn)換及建設(shè)用地的增加是總碳儲量和碳密度減少的主要原因.2020年至2030年在自然發(fā)展情景下,碳的儲量和平均碳密度會繼續(xù)呈現(xiàn)減少趨勢,降幅分別為0.26×107t和2.57t/hm2;在生態(tài)優(yōu)先情景下,兩者則有一定的增加,增幅分別達(dá)到了0.048×107t和0.464t/hm2;耕地保護(hù)情景下,兩者有一定的降低趨勢,相比自然發(fā)展情景降低的幅度明顯減少,分別為0.031×107t和0.306t/hm2.通過分析可知,耕地保護(hù)情景能有效遏制碳儲量和平均碳密度的降低幅度,而生態(tài)優(yōu)先情景能有效的增加陸地生態(tài)系統(tǒng)的碳儲量和平均碳密度.

圖5 1990～2030年總碳儲量及平均碳密度變化趨勢

圖6 1990～2020年四平市陸地生態(tài)系統(tǒng)碳儲量的空間分布

由圖6可知,1990～2020年四平市碳儲量的空間分布具有明顯的空間異質(zhì)性,高密度碳儲量主要分布在東部的伊通自治縣和南部的鐵東區(qū),這一區(qū)域海拔較高,且土地覆蓋類型以林地為主,植被覆蓋率高;西部的雙遼縣則具有相對較低的碳儲量,該區(qū)海拔較低,主要為平原地區(qū),草地和建設(shè)用地零星分布于耕地之間,植被覆蓋率較低,景觀破碎化較大,生態(tài)環(huán)境脆弱;研究區(qū)中部的鐵西區(qū)及梨樹縣的東部區(qū)域生態(tài)系統(tǒng)的碳儲量處于較低水平,該區(qū)城鎮(zhèn)化水平較高,陸地生態(tài)系統(tǒng)受人類活動影響較大.

由圖7可知,1990～2000年間生態(tài)系統(tǒng)碳儲量的變化較顯著,且主要以碳儲量的下降為主.顯著下降的區(qū)域主要分布在伊通滿族自治縣、鐵東區(qū)和雙遼縣,這一時期土地利用變化顯著,大量林地退化為草地、建設(shè)用地,使得生態(tài)系統(tǒng)的景觀破碎化現(xiàn)象顯著,引起了碳儲量空間格局的整體波動;且城鎮(zhèn)化程度加劇,耕地向建設(shè)用地的轉(zhuǎn)化明顯,靠近居民點(diǎn)中心的生態(tài)系統(tǒng)碳儲量明顯減少.2000年往后,建設(shè)用地的擴(kuò)張減緩,土地利用空間分布區(qū)域穩(wěn)定,區(qū)域碳儲量的降低得到遏制,僅零星分布于居民點(diǎn)附近;同時由于黑土地保護(hù)政策的出臺,減緩了耕地向建設(shè)用地的轉(zhuǎn)化速率,同時使得耕地的土壤有機(jī)質(zhì)含量增加,土壤的固碳能力得到加強(qiáng).天然林工程的實(shí)施加強(qiáng)了對林地生態(tài)系統(tǒng)的保護(hù),林地向草地、建設(shè)用地的轉(zhuǎn)移速率下降,使得植被覆蓋率有了一定程度的改善,提升了陸地生態(tài)系統(tǒng)碳儲量.

圖7 四平市陸地生態(tài)系統(tǒng)碳儲量的空間變化特征

左:1990～2000年,右:2000～2020年

將不同情景下的碳儲量空間分布與2020年碳儲量空間分布進(jìn)行疊加分析,得到了2030年不同情景下四平市碳儲量的空間變化特征(圖8).由圖可知,三種情景下碳儲量的變化幅度均不大,在自然發(fā)展情景下,碳儲量減少占研究區(qū)總面積的2.93%,主要分布于建設(shè)用地的周邊,可能是由于建設(shè)用地的擴(kuò)張引起的碳儲量的減少;碳儲量增加區(qū)域僅占0.57%.在生態(tài)優(yōu)先情景下,碳儲量的增加占比約為2.02%,減少約為0.45%,碳儲量增加區(qū)域主要位于東部伊通滿族自治縣和鐵東區(qū),可能是由于生態(tài)優(yōu)先情景下林地、草地等生態(tài)用地的增加導(dǎo)致的碳儲量的增加.在耕地保護(hù)情景下,碳儲量的增加和減少幅度均較小,分別占0.41%和0.73%.

圖8 2030年不同情景下四平市碳儲量的空間變化特征

a.自然發(fā)展情景; b.耕地保護(hù)情景;c.生態(tài)優(yōu)先情景

4 討論

本文借助FLUS模型耦合Markov模型模擬預(yù)測研究區(qū)2030年的土地利用分布,彌補(bǔ)了單一模型在模擬土地利用分布上的不足,耦合了FLUS模型在空間分布及Markov模型在數(shù)量預(yù)測上的優(yōu)勢,在一定程度上改善了土地利用模擬的精度,但仍存在需要改進(jìn)的地方.首先,在FLUS模型預(yù)測時需要事先輸入未來不同土地利用類型的數(shù)量分布,而僅利用Markov模型通過控制不同土地類型間的轉(zhuǎn)移概率估算不同情景下的土地類型分布,忽略了人為決策因素的影響,而隨著經(jīng)濟(jì)社會的發(fā)展,政策因素對未來土地利用變化的影響將不斷加大,如何量化政策因素的影響是未來土地利用模擬的重點(diǎn).其次,土地利用變化受多種因素的綜合影響,在模擬土地利用變化時,驅(qū)動因子的選取直接影響模擬的精度,本文僅考慮數(shù)據(jù)的可獲取性,選取了地形、氣候、人口密度和距離因子,而忽略了關(guān)于工業(yè)產(chǎn)值、政策制定及開發(fā)紅線等人文因子的選取,一定程度上降低了FLUS模型的解釋精度,在未來研究中應(yīng)探討更加全面的土地利用驅(qū)動因子的影響,以獲得更加精準(zhǔn)的土地利用模擬結(jié)果.

在生態(tài)系統(tǒng)碳儲量的估算中,本文應(yīng)用了InVEST模型中的Carbon模塊,該模型彌補(bǔ)了傳統(tǒng)碳儲量估算在空間可視化上的不足,但同時由于InVEST模型在模擬碳儲量時假定不同生態(tài)系統(tǒng)的碳密度不隨時間發(fā)生變化,忽略了植被生長情況對碳密度的影響.有學(xué)者研究表明在不同時間節(jié)點(diǎn)上生態(tài)系統(tǒng)碳密度存在明顯差異[40].生態(tài)系統(tǒng)的碳密度隨著植被的生長會有增加的趨勢[41],因此采用固定的碳密度可能會低估陸地生態(tài)系統(tǒng)的碳儲量,在今后研究中應(yīng)結(jié)合實(shí)地測量和模型預(yù)測來提高碳儲量的估算精度.

5 結(jié)論

5.1 在1990～2020年間,四平市耕地和林地分布呈現(xiàn)減少趨勢,且以1990～2000年間的降低幅度最大,草地和建設(shè)用地有一定程度的增加.

5.2 在不同情景下,土地利用變化具有不同的特征,生態(tài)優(yōu)先情景下,林地呈現(xiàn)擴(kuò)張態(tài)勢,而耕地呈減少趨勢;耕地保護(hù)情景下,耕地數(shù)量能得到有效保障,而林地和草地則呈縮減趨勢;建設(shè)用地在三種情景下都呈一定程度的擴(kuò)張態(tài)勢,其主要原因是社會經(jīng)濟(jì)的發(fā)展.

5.3 1990～2000年間生態(tài)系統(tǒng)碳儲量的變化較顯著,且主要以碳儲量的下降為主,主要分布在伊通滿族自治縣、鐵東區(qū)和雙遼縣;2000～2020年間,由于建設(shè)用地的擴(kuò)張的減緩,區(qū)域碳儲量的降低得到遏制,僅零星分布于居民點(diǎn)附近.

5.4 三種情景下,區(qū)域碳儲量和平均碳密度呈現(xiàn)不同的變化特征,生態(tài)優(yōu)先情景下,區(qū)域碳儲量和平均碳密度有一定程度的提高,碳儲量增加區(qū)域占研究區(qū)總面積的2.02%,且主要位于東部伊通滿族自治縣和鐵東區(qū),跟該情景下林地、草地等生態(tài)用地的增加有關(guān).而在自然發(fā)展和耕地保護(hù)情景下,區(qū)域碳儲量和平均碳密度都有一定程度的降低趨勢,相比較而言,耕地保護(hù)情景下的碳儲量減少的區(qū)域僅占0.73%,要遠(yuǎn)低于自然發(fā)展情景下碳儲量減少區(qū)域的面積.

[1] 張 燕,師學(xué)義,唐 倩.不同土地利用情景下汾河上游地區(qū)碳儲量評估 [J]. 生態(tài)學(xué)報, 2021,41(1):360-373. Zhang Y, Shi X Y, Tang Q. Carbon storage assessment in the upper reaches of the Fenhe River under different land use scenarios [J]. Acta Ecologica Sinica, 2021,41(1):360-373.

[2] Baumann M, Gasparri I, Piquer-Rodriguez M, et al. Carbon emissions from agricultural expansion and intensification in the Chaco [J]. Glob Chang Biol, 2017,23(5):1902-1916.

[3] 楊 潔,謝保鵬,張德罡.基于InVEST和CA-Markov模型的黃河流域碳儲量時空變化研究 [J]. 中國生態(tài)農(nóng)業(yè)學(xué)報(中英文), 2021, 29(6):1018-1029. Yang J, Xie B P, Zhang D G. Spatio-temporal evolution of carbon stocks in the Yellow River Basin based on InVEST and CA-Markov models [J]. Chinese Journal of Eco-Agriculture, 2021,29(6):1018- 1029.

[4] 王曉東,蒙吉軍.土地利用變化的環(huán)境生態(tài)效應(yīng)研究進(jìn)展 [J]. 北京大學(xué)學(xué)報(自然科學(xué)版), 2014,50(6):1133-1140. Wang X D, Meng J J. Research progress on the environmental- ecological impacts of land use change [J]. Acta Scientiarum Naturalium University Pekinensis, 2014,50(6):1133-1140.

[5] 曹周亮,張欣蓉,員學(xué)鋒,等.基于土地利用變化的陜西省縣域碳排放時空變化及影響因素研究 [J]. 水土保持通報, 2022,42(5):376-385. Chao Z L, Zhang X R, Yuan X F, et al. Spatio-temporal variation and influencing factors of CO2emission at county scale in Shaanxi Province based on land use change [J]. Bulletin of Soil and Water Conservation. 2022,42(5):376-385.

[6] 馬曉哲,王 錚.土地利用變化對區(qū)域碳源匯的影響研究進(jìn)展 [J]. 生態(tài)學(xué)報, 2015,35(17):5898-5907. Ma X Z, Wang Z. Progress in the study on the impact of land-use change on regional carbon sources and sinks [J]. Acta Ecologica Sinica, 2015,35(17):5898-5907.

[7] 方精云,陳安平,趙淑清,等.中國森林生物量的估算:對Fang等Science一文(Science, 2001,291:2320-2322)的若干說明 [J]. 植物生態(tài)學(xué)報, 2002,26(2):243-249. Fang J Y, Chen A P, Zhao S Q, et al. Estimating biomass carbon of China's forest: supplementary notes on report published in Science (291:2320-2322) by Fang et al. (2001) [J]. Acta Phytoecologica Sinica, 2002,26(2):243-249.

[8] Wu S N, Li J, Zhou W M, et al. A statistical analysis of spatiotemporal variations and determinant factors of forest carbon storage under China’s Natural Forest Protection Program [J]. Journal of Forestry Research, 2017,29(2):415-424.

[9] 林子奇,王培俊,劉 旗,等.2005～2020年淮海經(jīng)濟(jì)區(qū)耕地碳儲量時空演變特征及碳匯區(qū)識別 [J]. 農(nóng)業(yè)工程學(xué)報, 2022,38(19):259- 268. Lin Z Q, Wang P J, Liu Q, et al. Spatio- temporal evolution characteristics of cultivated land carbon storage and identification of carbon sink areas in Huaihai Economic Zone from 2005 to 2020 [J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022,38(19):259-268.

[10] Jiang W G, Deng Y, Tang Z H, et al. Modelling the potential impacts of urban ecosystem changes on carbon storage under different scenarios by linking the CLUE-S and the InVEST models [J]. Ecological Modelling, 2017,(345):30-40.

[11] Liang Y J, Liu L J, Huang J J. Integrating the SD-CLUE-S and InVEST models into assessment of oasis carbon storage in northwestern China [J]. PLoS One, 2017,12(2):e0172494.

[12] Sharp R, Tallis H T, Ricketts T, et al. InVEST 3.2.0 User's Guide [R]. Stanford University, University of Minnesota, 2015.

[13] 王 蓓,趙 軍,仲俊濤.2005～2015年石羊河流域生態(tài)系統(tǒng)服務(wù)時空分異 [J]. 干旱區(qū)研究, 2019,36(2):478-485. Wang B, Zhao J, Zhong J T. Spatiotemporal differentiation of ecosystem services in the Shiyang River basin from 2005 to 2015 [J]. Arid Zone Research, 2019,36(2):474-485.

[14] 任 涵,張靜靜,朱文博,等.太行山淇河流域土地利用變化對生境的影響 [J]. 地理科學(xué)進(jìn)展, 2018,37(12):1693-1704. Ren H, Zhang J J, Zhu W B, et al. Impact of land use change on habitat in the Qihe River basin of Taihang Mountains [J]. Progress in Geography, 2018,37(12):1693-1704.

[15] 張曉瑤,張 瀟,李冬花,等.城市土地利用變化對生態(tài)系統(tǒng)服務(wù)價值影響的多情景模擬——以深圳市為例 [J]. 生態(tài)學(xué)報, 2022,42(6): 2086-2097. Zhang X Y, Zhang X, Li D H, et al. Multi-Scenario simulation of the impact of urban land use change on ecosystem service value in Shenzhen [J]. Acta Ecologica Sinica, 2022,42(6):2086-2097.

[16] 雷軍成,劉紀(jì)新,雍 凡,等.基于CLUE-S和InVEST模型的五馬河流域生態(tài)系統(tǒng)服務(wù)多情景評估 [J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報, 2017,33 (12):1084-1093. Lei J C, Liu J X, Yong F, et al. Multi-scenario ecosystem service assessment of Wuma River valley based on CLUE-S and InVEST models [J]. Journal of Ecology and Rural Environment, 2017,33(12): 1084-1093.

[17] 王 蓓,趙 軍,胡秀芳.基于InVEST模型的黑河流域生態(tài)系統(tǒng)服務(wù)空間格局分析 [J]. 生態(tài)學(xué)雜志, 2016,35(10):2783-2792. Wang B, Zhao J, Hu X F. Spatial pattern analysis of ecosystem services based on InVEST in Heihe River Basin [J]. Chinese Journal of Ecology, 2016,35(10):2783-2792.

[18] 赫曉慧,徐雅婷,范學(xué)峰,等.中原城市群區(qū)域碳儲量的時空變化和預(yù)測研究 [J]. 中國環(huán)境科學(xué), 2022,42(6):2965-2976. He X H, Xu Y T, Fan X F, et al. Temporal and spatial variation and prediction of regional carbon storage in Zhongyuan Urban Agglomeration [J]. China Environmental Science, 2022,42(6):2965- 2976.

[19] Zhu G F, Qiu D D, Zhang Z X, et al. Land-use changes lead to a decrease in carbon storage in arid region, China [J]. Ecological Indicators, 2021,127.

[20] Zhao M M, He Z B, Du J, et al. Assessing the effects of ecological engineering on carbon storage by linking the CA-Markov and InVEST models [J]. Ecological Indicators, 2019,9829-38.

[21] 史名杰,武紅旗,賈宏濤,等.基于MCE-CA-Markov和InVEST模型的犁谷地碳儲量時空演變及預(yù)測 [J]. 農(nóng)業(yè)資源與環(huán)境學(xué)報, 2021, 38(6):1010-1019. Shi M J, Wu H Q, Jia H T, et al. Temporal and spatial evolution and prediction of carbon stocks in Yili Valley based on MCE-CA-Markov and InVEST models [J]. Journal of Agricultural Resource and Environment, 2021,38(6):1010-1019.

[22] 朱文博,張靜靜,崔耀平,等.基于土地利用變化情景的生態(tài)系統(tǒng)碳儲量評估——以太行山淇河流域?yàn)槔?[J]. 地理學(xué)報, 2019,74(3): 446-459. Zhu W B, Zhang J J, Cui Y P, et al. Assessment of territorial ecosystem carbon storage based on land use change scenario: A case study in Qihe River Basin [J]. Acta Geographica Sinica, 2019,74(3):446-459.

[23] Liu X P, Liang X, Li X, et al. A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects [J]. Landscape and Urban Planning, 2017,16894- 116.

[24] 鄧元杰,姚順波,侯孟陽,等.退耕還林還草工程對生態(tài)系統(tǒng)碳儲存服務(wù)的影響—以黃土高原丘陵溝壑區(qū)子長縣為例 [J]. 自然資源學(xué)報, 2020,35(4):826-844. Deng Y J, Yao S B, Hou M Y, et al. Assessing the effects of the Green for Grain program on ecosystem carbon storage service by linking the InVEST and FLUS models: A case study of Zichang county in hilly and gully region of Loess Plateau [J]. Journal of Natural Resources, 2020,35(4):826-844.

[25] 張凱琪,陳建軍,侯建坤,等.耦合InVEST與GeoSOS-FLUS模型的桂林市碳儲量可持續(xù)發(fā)展研究 [J]. 中國環(huán)境科學(xué), 2022;42(6):2799- 2809. Zhang K Q, Chen J J, Hou J K, et al. Study on sustainable development of carbon storage in Guilin coupled with InVEST and GeoSOS-FLUS model [J]. China Environment Science, 2022,42(6): 2799-2809.

[26] 趙林峰,劉小平,劉鵬華,等.基于地理分區(qū)與FLUS模型的城市擴(kuò)張模擬與預(yù)警 [J]. 地球信息科學(xué)學(xué)報, 2020,22(3):517-530. Zhao L F, Liu X P, Liu P H, et al. Urban expansion simulation and early warning based on geospatial partition and FLUS model [J]. Journal of Geo-Information Science, 2020,22(3):517-530.

[27] 趙胤程,覃盟琳,龐雅月,等.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 [J]. 水土保持通報, 2022,42(3):345-355. Zhao Y C, Qin M L, Pang Y Y, et al. Evolution simulation and driving factors of eco-spatial carbon sinks in Beibu Gulf urban agglomeration based on FLUS-InVEST model [J]. Bulletin of Soil and Water Conservation, 2022,42(3):345-355.

[28] 李艾玉,劉吉平,于 佳,等.近30年四平市土地利用時空變化及生態(tài)環(huán)境效應(yīng) [J]. 浙江農(nóng)業(yè)科學(xué), 2014,(7):1082-1087.

[29] Yang J, Huang X. The 30m annual land cover dataset and its dynamics in China from 1990 to 2019 [J]. Earth System Science Data, 2021,13(8):3907-3925.

[30] 趙 軒,彭建東,樊智宇,等.“雙評價”視角下基于FLUS模型的武漢大都市區(qū)土地利用模擬和城鎮(zhèn)開發(fā)邊界劃定研究 [J]. 地球信息科學(xué)學(xué)報, 2020,22(11):2212-2226. Zhao X , Peng J D, Fan Z Y, et al. Land use simulation and urban growth boundaries delineation in Wuhan metropolitan area based on FLUS model and "Dual Environment Evaluation" [J]. Journal of Geo-Information Science, 2020,22(11):2212-2226.

[31] 陳理庭,蔡海生,張 婷,等.基于Markov-FLUS模型的饒河流域土地利用多情景模擬分析 [J]. 生態(tài)學(xué)報, 2022,42(10):3947-3958. Chen L T, Cai H S, Zhang T, et al. Land use multi-scenario simulation analysis of Rao River Basin based on Markov-FLUS model [J]. Acta Ecologica Sinica, 2022,42(10):3947-3958.

[32] 王保盛,廖江福,祝 薇,等.基于歷史情景的FLUS模型鄰域權(quán)重設(shè)置——以閩三角城市群2030年土地利用模擬為例 [J]. 生態(tài)學(xué)報, 2019,39(12):4284-4298. Wang B S, Liao J F, Zhu W, et al. The weight of neighborhood setting of the FLUS model based on a historical scenario: A case study of land use simulation of urban agglomeration of the golden Triangle of Southern Fujian in 2030 [J]. Acta Ecologica Sinica, 2019,39(12): 4284-4298.

[33] 王 旭,馬伯文,李 丹,等.基于FLUS模型的湖北省生態(tài)空間多情景模擬預(yù)測 [J]. 自然資源學(xué)報, 2020,35(1):230-242. Wang X, Ma B W, Li D, et al. Multi-scenario simulation and prediction of ecological space in Hubei province based on FLUS model [J]. Journal of Natural Resources, 2020,35(1):230-242.

[34] 韓 玉,丁素婷,楊太保.基于InVEST模型的甘肅白龍江流域生態(tài)系統(tǒng)碳儲量及空間格局特征 [J]. 中國環(huán)境科學(xué), 2023,43(3):1298- 1306. Han Y, Ding S T, Yang T B. Spatial and temporal distribution and driving factors of carbon storage in Zhongtiao Mountain ecosystem in southern Shanxi Province [J]. China Environmental Science, 2023, 43(3):1298-1306.

[35] 張春華,王莉媛,宋茜薇,等.1973～2013年黑龍江省森林碳儲量及其動態(tài)變化 [J]. 中國環(huán)境科學(xué), 2018,38(12):4678-4686. Zhang C H, Wang L Y, Song Q W, et al. Biomass carbon stocks and dynamics of forests in Heilongjiang Province from 1973 to 2013 [J]. China Environmental Science, 2018,38(12):4678-4686.

[36] 曲 琛,李 文,徐 嘉,等.黑龍江黑土地保護(hù)利用對碳儲量的潛在影響 [J]. 西北林學(xué)院學(xué)報, 2023,(5):1-10. Qu C, Li W, Xu J, et al. Potential impact of black land conservation and utilization on carbon storage in Heilongjiang Province [J]. Journal of Northwest Forestry University, 2023,(5):1-10.

[37] 郭樹平.黑龍江省碳儲量及碳匯潛力分析 [J]. 森林工程, 2011, 27(3):9-11. Guo S P. Analysis on carbon stock and potential carbon sequestration in Heilongjiang Province [J]. Forest Engineering, 2011,27(3):9-11,16.

[38] 陳光水,楊玉盛,謝錦升,等.中國森林的地下碳分配 [J]. 生態(tài)學(xué)報, 2007,27(12):5148-5157. Chen G S, Yang Y S, Xie J S, et al. Total belowground carbon allocation in China's forest [J]. Acta Ecologica Sinica, 2007,27(12): 5148-5157.

[39] Alam S A, Starr M, Clark B J F. Tree biomass and soil organic carbon densities across the Sudanese woodland savannah: A regional carbon sequestration study [J]. Journal of Arid Environments, 2013,(89):67- 76.

[40] Zhou J J, Zhao Y R, Huang P, et al. Impacts of ecological restoration projects on the ecosystem carbon storage of inland river basin in arid area, China [J]. Ecological Indicators, 2020,118:106803.

[41] 劉 冠,李國慶,李 潔,等.基于InVEST模型的1999～2016年麻塔流域碳儲量變化及空間格局研究 [J]. 干旱區(qū)研究, 2021,38(1):267- 274. Liu G, Li G Q, Li J, et al. Study on changes in carbon storage and its spatial pattern in Mata Watershed from 1999 to 2016 based on InVEST model [J]. Arid Zone Research, 2021,38(1):267-274.

Spatio-temporal dynamics of territorial ecosystem carbon storage under different land use scenarios in Siping City.

ZOU Tao-hong*, CHEN Peng, LIU Jia-fu, DU Hui-shi

(College of Geography Science and Travelling, Jilin Normal University, Siping 136000, China)., 2023,43(10)：5508～5518

Based on the land use data of Siping City from 1990 to 2020, the Geo-FLUS model was employed to simulate the spatial patterns of land use for 2030 across three different scenarios: natural development, cultivated land protection and ecological priority. Additionally, the InVEST model was coupled to quantitively analyze the spatial and temporal variation of carbon storage from 1990 to 2020, as well the impact of land use change on carbon storage under different scenarios. The results showed that: (1) From 1990 to 2020, cultivated land and forest land in Siping City decreased by 951.55km2and 357.54km2, respectively, with the sharpest decline between 1990 to 2000. Conversely, the grassland and built-up land use exhilited an increasing trend, expanding by 702.97km2and 587.64km2, respectively. Under the ecological priority scenario in 2030, the forest land use was projected to expand, while the cultivated land would gradually increase. Cultivated land protection scenario ensured cultivated land availability but led to reductions in forest land and grassland. Built-up land use expanded across all three scenarios, most notably under natural development scenario. (2) Ecosystem carbon storage and average density in Siping City showed a continuous decline tendency from 1990 to 2020, with the steepest drop between 1990 and 2000. This decline was mainly due to decreased cultivated land and increased built-up land during that period. (3) Higher carbon storage value were observed in the eastern Yitong Manchu Automous and Tiedong area , characterized by forest land . Total carbon storage expressed a declining trend over the study period, decreasing greatly by about 0.703×107tons between 1990 and 2000. (4) Carbon storage and average carbon density in 2030 exhibited distinct trends across the three different scenarios. Ecological priority scenario led to an effective increase in both metrics for terrestrial ecosystem. Conversely natural development and cultivated land protection scenario yields declines, though the reduction under the cultivated land protection scenario was significantly lower than that under natural development scenario. Therefore, prioritizing ecological priority scenario in future land resource planning can ensure cultivated land resources, optimize land use structure, cultivated land quality, and amplify ecosystem carbon sequestration.

GeoSOS-FLUS model；land use simulation；InVEST model；carbon storage；Siping City

X142

A

1000-6923(2023)10-5508-11

2023-03-08

國家自然科學(xué)基金資助項(xiàng)目(41977411);吉林省教育廳項(xiàng)目(JJKH20230503KJ);四平市社會科學(xué)規(guī)劃項(xiàng)目(SPSK22120)

*責(zé)任作者, 講師, zoutaohong@yeah.net

鄒桃紅(1986-),女,湖北荊州人,講師,博士,主要從事資源環(huán)境遙感與生態(tài)環(huán)境評價方面研究.發(fā)表論文5篇.zoutaohong@yeah.net.

鄒桃紅,陳 鵬,劉家福,等.不同土地利用情景下四平市生態(tài)系統(tǒng)碳儲量時空演變 [J]. 中國環(huán)境科學(xué), 2023,43(10):5508-5518.

Zou T H, Chen P, Liu J F, et al. Spatio-temporal dynamics of territorial ecosystem carbon storage under different land use scenarios in Siping City [J]. China Environmental Science, 2023,43(10):5508-5518.