“三線”約束下土地利用變化及其對碳儲量的影響
——以武漢城市圈為例

張 斌,李 璐,夏秋月,董 捷

華中農業大學公共管理學院,武漢 430070

CO2大量排放是造成全球氣候變暖的重要原因,受到各國政府的高度重視[1]。陸地生態系統因地表分布的大量固碳單元在吸收CO2、調節氣候變化方面起著關鍵作用[2—3]。現有大量研究表明,土地利用變化能夠直接影響陸地生態系統碳儲量,是造成CO2激增的第二大原因[4—5]。可見,土地利用變化不僅是環境變化的關注熱點,也是研究陸地生態系統碳儲量變化的關鍵點。因此,準確評估土地利用變化對碳儲量的影響至關重要。

近年來,國內外學者基于土地利用變化對單一或者多種碳庫進行研究,大致可分為兩個方面,其一是依據土地利用歷史數據探討碳儲量變化的原因,Nogueira等[6]研究指出亞馬遜河流域碳損失主要是由熱帶森林的減少引起的；Han等[7]發現退耕還林能顯著提高黃土丘陵的固碳量；劉亞男等[8]基于GIS估算法發現濕地轉為耕地和建設用地是導致中國濕地碳流失的重要原因；Wu等[9]研究中國沿海地區歷年碳儲量變化情況,發現土地城市化的解釋強度遠優于其他變量。其二是利用模型預測多情景下的土地利用變化狀況及相應的碳儲量,鄧元杰等[10]耦合FLUS模型和InVEST模型,模擬4種退耕還林還草情景,定量分析未來子長縣碳儲量的變化；Liang等[11]采用SD-CLUE-S模型和InVEST模型評估綠洲不同情景下土地利用變化對碳儲量的影響；Li等[12]采用Markov-FLUS模型探討北京生態保護區多情景下的土地利用變化,再結合InVEST模型發現生態保護情景下碳儲量的損失最小。張燕等[13]利用SD-CLUE-S模型預測不同情景下的汾河流域土地利用狀況,并結合InVEST模型計算各時期的碳儲量情況。綜合以往研究可知,在研究范圍上,大多集中于流域、濕地、海岸帶等重要生態保護區或生態脆弱地區,有關城市群的研究相對較少,而城市群既是國家經濟發展的重要推動力,又是新型城鎮化的核心區,需格外重視對生態系統的保護[14]。此外,以往學者大多注重于地類轉換引起的碳儲量變化,忽視了從整體視角探討土地利用強度與碳儲量的關系,無法系統全面地評估土地利用變化對碳儲量的影響。在研究方法上,InVEST模型結合GIS技術彌補了傳統碳儲量估算方法采樣周期長、工作量繁瑣的不足,具有參數獲取簡便、結果可視化等優勢,得到廣泛應用[15—18]。就模擬方法而言,CA模型在土地利用變化模擬上的應用較為成熟,但沒有限制元胞狀態變換的機制,且僅能模擬一種地類的變化[19],多智能體模型通過智能體間相互決策和環境約束來進行預測,但過程較為復雜且數據難以獲取[20],CLUE/CLUE-S模型以系統論理論來進行地類間的相互轉換,但忽視了處于劣勢地位的地類分配概率,導致模型存在較大誤差[21],且多應用于小尺度區域[22]。而FLUS模型利用神經網絡算法并結合Markov鏈和改進的元胞自動機能較好地處理地類在多因素作用下的不確定問題[23],且模擬精度要高于CLUE-S、ANN-CA等模型[24]。

土地是不可再生資源,如何優化結構和布局,使其統籌協調經濟發展、糧食安全和生態保護,是國土空間規劃的重要任務。“十八大”以來,中央會議和文件多次明確要求建立國土空間規劃體系,科學劃定“三區三線”。2019年5月,《中共中央、國務院關于建立國土空間規劃體系并監督實施的若干意見》要求“劃定生態保護紅線、永久基本農田、城鎮開發邊界等空間管控邊界以及各類海域保護線,強化底線約束。”同年11月,《關于在國土空間規劃中統籌劃定落實三條控制線的指導意見》出臺。“三區三線”尤其是“三線”政策成為國土空間規劃的核心。在此政策背景下,結合長江經濟帶綠色發展的大戰略,選擇長中游三大城市群之一的武漢城市圈為研究對象,采用InVEST模型和FLUS模型,研究“三線”約束下的武漢城市圈土地利用變化及其對碳儲量的影響,并探討土地利用強度與碳儲量的關系,以期為區域國土空間規劃和生態系統的可持續發展提供一定借鑒。

1 研究區概況

武漢城市圈地處112°30′—116°07′E, 29°05′—31°51′N,中國中部、長江中游、湖北省東部,以武漢為中心,黃石為副中心,涵蓋鄂州、黃岡、孝感、咸寧、仙桃、潛江和天門等9個城市(圖1),是長中游最具有發展潛力的城市圈,也是湖北省產業最密集的區域。

截至2019年底,武漢城市圈總面積達57943.917 km2,占全省面積的31.34%。常住人口為3192.5萬人,占全省常住人口的53.86%。GDP總量為27681.5億元,占全省總GDP的60.4%。近年來,隨著城鎮化進程的不斷加快,武漢城市圈土地利用結構產生較大變化,突出表現為耕地面積大量減少,建設用地大幅擴張。國土開發強度達到7.24%,遠超2030年規定的4.62%的警戒線,但土地利用效率低,經濟的快速發展以生態系統的破壞為代價,可持續利用程度有待加強。

2 數據和方法

2.1 數據來源

本文所需數據主要包括:①武漢城市圈土地利用數據來源于Landsat 8遙感數據,年份為2000、2005、2010、2015年,并依據LUCC分類體系將地類劃分為耕地、林地、草地、水域、建設用地和未利用地6類,經檢測綜合精度達88.82%。②FLUS模型需要武漢城市圈自然和社會經濟的驅動因子數據。自然因子中,高程、坡度和坡面來源于地理空間數據云平臺(http://www.gscloud.cn/)。土壤類型和土壤有機質含量來源于世界土壤數據庫(http://westdc.westgis.ac.cn/)。年平均氣溫和降雨來源于中國氣象數據網(http://data.cma.cn/)。社會經濟因子中,人口和GDP來源于各市統計年鑒。到河流、國道、省道、高速、鐵路、縣道和鄉道的距離來源于國家基礎地理信息中心(http://www.ngcc.cn/)。

2.2 情景設置

情景分析法是依據當前發展趨勢來預測未來狀況的一種方法,多用于分析區域經濟發展與生態系統服務的權衡關系[25]。已有文章對某一條紅線的模擬情景多有涉及,但單一地對一條紅線進行劃定而忽略其他“兩線”不能滿足當前規劃需求,只有將“三線”結合起來才能最大程度上符合國家對國土空間規劃的要求。因此本文將“三線”作為一種情景展開研究,設定限制轉換區(圖2)。其中,生態保護紅線是指在國土空間內具有特殊生態功能或重要生態作用的區域,對該區域需嚴格保護,以維護生態系統安全。十九屆五中全會指出,堅持保護優先,守住自然生態安全邊界。因此,本文對于生態保護紅線的劃定嚴格遵循《國家級自然保護區監督檢查辦法》等相關要求,參照《湖北省生態保護紅線劃定方案》,在禁止建設區的基礎上加強生態屏障、重要水域及岸線和湖泊濕地的保護。永久基本農田紅線是指在一定時期內,根據人口和社會經濟發展水平確定,需永久性保護和持續監管的優質耕地。“十四五”規劃指出,堅持最嚴格的耕地保護制度,深入實施藏糧于地、藏糧于技戰略。因此,本文對于永久基本農田的劃定是以二調成果、耕地質量等級調查與評價為基礎,以各市《2006—2020年土地利用總體規劃(調整完善成果)》為參照,劃定基本農田分布格局。城鎮開發邊界紅線是為有序規劃城鎮發展,提高建設用地集約利用程度,受多種因素制約的封閉區域。城鎮開發邊界紅線需堅持城鄉一體化發展和集約節約用地的原則,參照各市自然資源局網站的《2006—2020年土地利用總體規劃(調整完善成果)》,以現有建設用地、新增建設用地、允許建設區和有條件建設區為基礎,統籌優化建設用地布局。另外,本文設置自然發展情景作為對比,該情景是按照現有發展趨勢來預測未來發展狀況,且地類轉換不做任何限制。

圖2 “三線”約束區域

2.3 研究框架

本研究的研究框架分為兩大部分(圖3):(1)模擬土地利用情景:依據武漢城市圈土地利用數據,運用Markov模型設定自然發展情景(Q1)和“三線”約束情景(Q2)。再將兩種情景的土地利用需求數據在FLUS模型中進行空間上的再分配,得到2035年不同情景下土地利用布局圖。(2)計算碳儲量:運用InVEST模型測算2035年兩種情景下武漢城市圈碳儲量的動態變化,探究土地利用變化對碳儲量的影響。

圖3 研究框架

2.4 研究方法

2.4.1Markov模型

Markov模型是基于Markov鏈過程而形成的預測事件發生概率的一種方法,具有無后效性特征,即當前的狀態僅與前一時刻的狀態有關,而與其他因素無關[26],已廣泛運用在土地利用變化情景中[27],公式如下:

S(T)=Pij×S(T0)

(1)

式中,S(T)、S(T0)分別為T、T0時土地利用狀態矩陣；Pij為i地類變為j地類的轉移概率矩陣。

2.4.2FLUS模型

FLUS模型首先基于神經網絡模型算法得到各種地類的適應性概率,再結合基于輪盤賭的自適應慣性競爭機制處理各地類在多因素作用下相互轉換的不確定性,得到較高精度的模擬結果[28]。

(1)基于神經網絡模型算法的適應性概率計算

神經網絡模型算法分為預測和訓練兩個階段,具體由輸入層、隱藏層和輸出層構成,公式為:

(2)

式中,SP(P,K,t)是K種地類在P柵格、t時間的適宜性概率；Wj,K為輸出層和隱藏層中的權值；sigmoid為隱藏層至輸出層的激勵函數；netj(P,t)是第j個隱藏層在時間t柵格P接收到的信號。各地類的適應性概率之和為1:

(3)

(2)基于輪盤賭的自適應慣性競爭機制計算

(4)

轉換成本是表征由當前地類轉換成需求地類的難易程度,可用系數ELAS(0—1)表示,值越大代表穩定性越高。在自然發展情景下,各地類轉移概率與2000—2015年保持一致,經多次調試分別為耕地0.53、林地0.74、草地0.77、水域0.72、建設用地0.95和未利用地0.65。在“三線”約束情景下,要加強耕地、林地和水域的轉出成本,同時降低未利用地的轉出限制,使其得到保護性地開發利用,因此在反復調試后結果為耕地0.74、林地0.81、草地0.78、水域0.81、建設用地0.95和未利用地0.53。

(5)

(6)

2.4.3InVEST模型

(1)碳儲量的計算。InVEST模型中的Carbon模塊假設各地類對應一個由地下碳密度、地上碳密度、死亡有機質碳密度和土壤有機質碳密度構成的總碳密度[29],且某一種地類的碳密度是一種常量[30]。公式為:

Ci=Ci-above+Ci-below+Ci-dead+Ci-soil

(7)

Ci-total=Ci×Ai

(8)

式中,Ci為地類i的總碳密度；Ci-above為地類i的地上碳密度；Ci-below為地類i的地下碳密度；Ci-dead為地類i的死亡有機質碳密度；Ci-soil為地類i的土壤有機質碳密度；Ci-total為地類i的總碳儲量；Ai為地類i的面積。

(2)各地類碳密度的確定

碳密度數據的獲取遵循以下原則:優先選用位于湖北省的實地測量數據,若數據不全,則使用臨近湖北省的實測數據或文獻整理匯總數據(表1)。

表1 各地類碳密度/(t/hm2)

Chuai等[31]整理碳密度相關文獻,指出湖北省耕地、林地和草地的碳密度分別為105.30、139.10、120.90 t/hm2。王曉榮等[32]基于林業資源復查數據,發現湖北省森林碳密度介于88.32—177.79t/hm2,奚小環等[33]根據地球化學調查雙層網格化土壤測量的方法,得出湖北省建設用地和未利用地土壤有機質碳密度分別為34.33 t/hm2和34.42 t/hm2,朱耀軍等[34]通過重鉻酸鉀氧化外加熱法測算湛江水域碳密度為4.815—83.115 t/hm2。值得注意的是,實測數據會因為實測方法或取樣時間的不同存在差異,因此需要通過對比分析,剔除異常值,對同一地類的碳密度取有關文獻的平均值。

2.4.4土地利用強度綜合指數

人類對不同土地資源的投入和利用程度有所差異,最直接的表現就是土地利用強度的區別。研究顯示,土地利用強度與生態系統有著密切聯系,是促進生態系統服務變化的重要原因[40]。本文參考韓增林等[41]和柳冬青等[42]的研究,將不同地類進行土地利用強度劃分(表2),公式為:

表2 土地利用強度劃分

(9)

式中,L為土地里利用強度綜合指數；Pi為第i級地類土地利用強度；Qi為第i級地類面積占比。

3 結果與分析

3.1 模型精度檢驗

本文運用ROC曲線檢驗土地利用驅動因子的精度,運用Kappa系數和OA檢驗FLUS模型的精度。一般來說,ROC值大于0.7則說明驅動因子對土地利用變化具有較高的解釋力[43],Kappa系數和OA大于0.8時表明模擬精度高,結果能較好地反映未來土地利用情景[44]。

運用Logistic回歸模型分析驅動因子,發現六種地類的ROC值均在0.7以上,表明驅動因子可以較好解釋土地利用變化的空間布局。其中,坡度對六種地類均有較強驅動力,對耕地的影響最大,坡度每增加1°,耕地的分布概率會減少12.72%。年平均溫度除草地之外,和其他地類均具有很強的相關關系,溫度每上升1°,耕地和建設用地的分布概率會增加37.06%和55.73%,林地、水域和未利用地會分別減少70.1%、29.1%和78.72%(表3)。基于武漢城市圈2005年的土地利用數據,模擬2015年的土地利用狀況,得到Kappa系數為0.892,OA為0.931,因此模擬精度較高。將其與武漢城市圈現狀土地利用情景進行比較可知,建設用地相較于其他地類精度較差,誤差面積為129.726km2,可能的原因是2005年是武漢城市圈建立初期,城市之間并沒有形成有效互動,加之建設用地的供應受政策調控力度較大,模型較難量化。2015年武漢城市圈的建設用地已有一定規模,其空間分布格局趨于穩定,因此可以使用FLUS模型對2035年的土地利用狀況進行預測。

表3 Logistic回歸結果

3.2 土地利用變化特征

2015年武漢城市圈主要地類為耕地和林地,兩者分別占比49.39%和30.09%,其次是水域和建設用地(10.50%和7.24%),草地和未利用地極少(2.43%和0.35%)。從整體來看,2000—2015年間耕地、林地、草地和未利用都在減少,以未利用地和耕地減少趨勢最為明顯,分別為17.15%和4.23%。建設用地和水域面積,分別增加35.20%和6.20%。從各地類的變化面積來看(表4),2000—2015年耕地轉出面積最多,達到1276.558 km2,轉出貢獻率為76.07%,是其轉入面積(17.078km2)的75倍,其中轉向建設用地的面積高達857.471 km2。林地轉出面積(152.582 km2)高于轉入面積(35.375 km2),主要是轉向建設用地(134.596 km2)。草地和未利用地轉入和轉出面積都較小,呈現緩慢的減少趨勢。水域轉入(486.593 km2)遠大于(131.647 km2)轉出面積,轉入貢獻率達29%,說明武漢城市圈在大力發展經濟的同時,也較為注意對水域的保護,這與長江經濟帶共抓大保護的理念是一致的。建設用地表現為大幅增長趨勢,轉出面積僅僅為12.199 km2,而轉入面積卻高達1102.852 km2,來自耕地的面積占77.75%。

表4 2000—2015年土地利用轉移矩陣

不同情景下武漢城市圈土地利用布局具有較大差異。如圖4和表5所示,耕地在兩種情景下呈現不同程度的減少趨勢,在自然發展情景下面積減少1048.503 km2,動態度為-0.18%,而在“三線”約束情景下僅僅減少622.908 km2,動態度為-0.11%。林地作為主要的生態用地,在“三線”約束情景下面積增加了61.087 km2,而在自然發展情景下面積減少了104.537 km2,很好地展現了生態保護紅線和永久基本農田紅線的作用。草地在兩種情景下并無太大變化,在自然發展情景和“三線”約束情景下減少量無較大區別,可能的原因是草地既具有生態服務功能,其畜牧業又可以帶動經濟發展和保證糧食安全,所以兩種情景對其作用效果相當。水域面積在兩種情景下面積都有所增加,但“三線”約束情景下的增加量(122.569 km2)是自然發展情景下(26.889 km2)的4.56倍,說明在長江經濟帶的大戰略和“三線”的共同約束下,武漢城市圈會更加注重保護水資源。建設用地雖在兩種情景下面積均有所增加,但可以明顯看出,在自然發展情景下,建設用地的擴張較為雜亂,各城市在其原有建設用地的基礎上“攤大餅式”無序蔓延,而“三線”約束情景下建設用地增加面積(491.226 km2)不僅遠小于自然發展情景(1175.75 km2),動態度也僅僅為其一半不到,且更加偏向集約化利用,新增建設用地被引導至城鎮開發紅線內聚集。未利用地在自然發展情景下減少了28.951 km2,而在“三線”約束情景下由于被保護性開發利用,減少量達45.852 km2。

圖4 2035年土地利用模擬圖

表5 2015—2035年土地利用變化情況

3.3 碳儲量的時空演變特征

從整體來看,2000、2005、2010、2015年武漢城市圈碳儲量分別為683.119、680.984、679.743、674.825 Tg,地均碳密度分別為117.89、117.52、117.31、116.46 t/hm2(圖5),15年間武漢城市圈總碳儲量呈連續遞減勢態。從不同時期來看,2000—2005年碳儲量減少了2.135 Tg,減少幅度不大。2005—2010年碳儲量僅僅減少了1.241 Tg,減少率為0.18%,而2010—2015期間碳儲量減少最多,凈減少量為4.918 Tg,占武漢城市圈15年間總碳儲量減少量的59.3%,分析其原因可能是2010年以來武漢城市圈經濟保持高速增長的同時,對生態用地和耕地的侵占相當嚴重。碳儲量和地均碳密度在自然發展情景下繼續減少,降幅達6.613 Tg和1.14 t/hm2,而“三線”約束情景下下降趨勢得到緩解,接近2015年時的水平,說明該情景下武漢城市圈在發展經濟的同時能顧及到生態用地和耕地的保護,減少了碳儲量的損失。

圖5 碳儲量和地均碳密度變化

從碳儲量的空間分布來看(圖6),2000—2015年武漢城市圈各城市的碳儲量均有所減少,其中武漢碳儲量減少量最大,為2.518 Tg,占總減少量的30.36%,碳密度減少區主要以主城區為中心呈現圈層式蔓延。其次是黃岡(1.403 Tg)、孝感(1.326 Tg)和咸寧(0.934 Tg),這三座城市的碳密度減少區域呈點狀分布,大多集中在原建設用地周邊。碳儲量減少幅度最小的是天門(0.32 Tg)和潛江(0.204 Tg),其作為湖北省直管市,經濟發展水平相對較低,對生態環境的破壞也較少,碳密度減少區域只是零星的分布在中心城區周邊。2015—2035年自然發展情景下武漢碳儲量減少幅度仍為最大(2.698 Tg),碳密度減少區域向遠城區蔓延,說明其開發重心由主城區慢慢過渡到邊遠城區。黃岡(1.366 Tg)、咸寧(1.054 Tg)和孝感(0.849 Tg)仍緊跟其后,但下降幅度相較于之前有所降低。值得注意的是,鄂州成為2035年降幅最小的城市,僅為0.214 Tg,減少的區域集中在與武漢接壤的華容區葛店板塊,說明2015年后,鄂州積極與武漢聯通互動、共同發展。而“三線”約束情景下武漢雖依舊是碳儲量降幅最大的城市,但減少量僅為1.211 Tg,是自然發展情景的44.89%,減少了向遠城區擴張的趨勢,體現了城鎮開發邊界紅線的功能。而鄂州、黃石和潛江碳儲量基本與2015年時持平,增加部分主要分布在梁子湖濕地、網湖濕地和潛江市國家森林公園等自然保護區內,表明了生態保護紅線的作用。

圖6 各時期碳儲量和碳密度變化圖

從不同地類的碳儲量可知(圖7),2015年耕地和林地是最主要的碳庫,兩種地類的固碳總量占比達88.50%,未利用地是固碳最少的地類,僅為0.623 Tg。從各地類的固碳變化趨勢可知,2000—2015年間,耕地碳儲量的減少(13.311 Tg)是造成武漢城市圈碳損失的最主要原因。其次是林地碳儲量的減少(1.917 Tg),由于林地固碳能力最強,即使面積只是少量減少,也會導致碳儲量的大量損失。建設用地和水域是主要的固碳地類,在15年間分別增加了4.874 Tg和2.471 Tg,但由于固碳能力不強和面積增加較少,兩者的增加量無法彌補耕地碳儲量的減少。2015—2035年自然發展情景下耕地碳儲量依然大量減少,為11.01 Tg,而建設用地的固碳量雖有所提升(5.246 Tg),但水域的固碳量卻急劇萎縮,僅為0.187 Tg,只占之前的7.57%,而“三線”約束情景下耕地碳儲量減少的趨勢得到遏制,僅為自然發展情景下的一半,林地碳儲量首次得到增加(1.04 Tg)。雖然建設用地碳儲量增加量變少,但水域固碳量得到較大幅度的增加(0.853 Tg)。

圖7 各地類碳儲量變化圖

3.4 “三線”約束下土地利用變化對碳儲量的影響

(1)地類轉換對碳儲量的影響

在兩種情景中,耕地、林地、建設用地和水域之間的轉換是引起碳儲量劇烈變化的主要原因(圖8)。在自然發展情景下,耕地轉換為建設用地是導致碳損失最主要的原因(9.986 Tg)。林地向耕地和建設用地的轉換也是導致碳儲量減少的重要原因,分別為5.637 Tg和1.549 Tg。值得注意的是,耕地和水域、林地和水域之間的雙向轉換使得水域的固碳量達到近似的“占補平衡”。而耕地向林地的轉換是促進碳儲量增加的最主要原因(5.916 Tg),可能由于咸寧和黃岡退耕還林政策的實施。在“三線”約束情景下,耕地轉向建設用地的面積大大減少,造成的碳損失為5.642 Tg,說明城鎮開發邊界紅線對建設用地擴張起到了一定的約束作用,雖然在城鎮化的進程中必然會侵占部分耕地,但由于城鎮開發邊界紅線的劃定有效保護了高質量農田,從而較好地遏制了碳儲量的快速流失。此外耕地和林地、耕地和水域之間的雙向轉換維持了耕地碳儲量的動態平衡,間接體現了永久基本農田紅線的作用。耕地作為第三大碳庫,且在武漢城市圈中面積占比將近一半,永久基本農田紅線的重要性不言而喻。林地作為最大碳庫,面積也僅次于耕地,在生態保護紅線下實現了正增長(61.087 km2),固碳量達1.04 Tg,加之國家提出長江經濟帶發展應該以生態優先,所以未來武漢城市圈應更加注重保護林地等重要生態用地。此外,水域作為重要的生態涵養地,在“三線”約束情景下也有了較大幅度的增長(122.569 km2),固碳量為0.853 Tg。因此生態保護紅線的劃定可以防止具有重要生態功能或生態敏感區被破壞,以保護區域的生態安全,維持碳儲量的穩定。

圖8 2015—2035年地類轉化對碳儲量的影響

(2)土地利用強度對碳儲量的影響

本文研究自然發展和“三線”約束兩種情景下的武漢城市圈土地利用強度對碳儲量的影響,考慮到研究區面積和計算量大小,以10 km×10 km為一單元,將武漢城市圈劃分為580個網格,分別計算每個網格的土地利用強度綜合指數,將其看作網格中心值進行反距離權重插值,并利用自然斷點法劃分為五種強度帶(圖9)。

圖9 兩種情景下土地利用強度分級

由圖9可知,自然發展和“三線”約束情景都以低強度帶和較低強度帶為主,兩者之和分別占總面積的69.32%和71.06%,分布在城市圈的外圍,包裹著高強度帶。高強度帶占比最少,分別為5.53%和5.26%,集中分布在各城市的建成區。

在每一等級的土地利用強度區域中生成6×104個隨機點,則五個等級一共3×105個隨機點,統計每個點的土地利用強度和碳儲量大小。首先研究土地利用強度與碳儲量的相關性,發現“三線”約束和自然發展情景下,兩者都在0.01水平下呈顯著負相關,相關系數分別為-0.132和-0.181。然后基于隨機點計算各等級土地利用強度的碳儲量均值(圖10)。可知,從整體趨勢來看,伴隨著土地利用強度的增加,兩種情景下碳儲量均會逐漸下降。其中,高強度帶內存在大量建設用地,碳儲量最少,而較低強度帶內主要為林地,碳儲量最多。如圖11所示,武漢城市圈中武漢經濟最為發達,建設用地占比最高,因而武漢的土地利用強度綜合指數較高,而黃石、黃岡和咸寧林地面積占比均超過40%,所以其土地利用強度綜合指數最低。而土地利用強度綜合指數最高是仙桃、天門和潛江三市,其境內均擁有面積占比超過65%的耕地。值得注意的是,“三線”約束情景下的碳儲量在每個等級內都略高于自然發展情景,間接說明就固碳量而言,“三線”約束下的土地利用情景是優于自然發展情景的。

圖10 兩種情景下土地利用強度與碳儲量的關系

圖11 各地類占比和土地利用強度綜合指數

4 討論與結論

4.1 討論

(1)“三線”作為經濟結構調整、產業發展規劃和新型城鎮化推進的底線,是生態環境保護、耕地保護和節約用地三項制度的集中體現,已成為國土空間規劃的核心。因此,本文在國土空間規劃積極推進的背景下,以“三線”作為土地利用的約束,再結合研究區長江大保護的地方政策,模擬未來土地利用情景。通過與自然發展情景的對比,本文發現兩者的碳儲量總量和空間分布差異明顯。究其原因在于“三線”約束情景設定了土地利用限制轉換區,考慮了生態保護-永久基本農田-城鎮開發邊界紅線對土地利用變化的約束作用,一方面保護了林地和水域等碳密度較高的生態用地,遏制了區域最大碳庫——耕地的快速流失,另一方面制約了碳密度較低的建設用地無序擴張,保護性開發了區域最小碳庫——未利用地。由此可見,“三線”約束情景可以統籌生態-農業-城鎮空間協調發展,通過遏制碳密度較高地類的流失,限制碳密度較低地類的增長,將區域碳儲量維持在較高水平。

但國土空間規劃體系尚未完全確立,“三線”的劃定也會隨著社會經濟的發展而發生改變,并不是一勞永逸的[45]。“三線”坐落于同一空間,代表著多種土地功能的空間訴求,三者密不可分。城鎮開發邊界紅線應嚴禁侵犯生態保護紅線,避讓永久基本農田紅線,而永久基本農田紅線和生態保護紅線需形成合力,促進城鎮空間布局的形成[46]。因此,為使“三線”協調劃定,本文提出以下解決途徑:①確定“三線”劃定順序:“三線”處于動態調控的過程中時,應優先劃定生態保護紅線,保障生態安全格局,才能有效保護區域內的生態環境,在此基礎上兼顧糧食安全,盡可能保證永久基本農田不被侵占。最后在兩者的前提下,結合經濟社會發展趨勢科學劃分城鎮開發邊界紅線,保證城市的可持續發展[47]。②剛性與彈性相結合:國土空間規劃對生態保護紅線和永久基本農田保護紅線進行嚴格管控,突出了剛性原則,但城鎮發展是一個動態的過程,具體的規劃內容存在主觀性,因此城鎮開發邊界紅線的劃定需保留留白區域[48]。③多學科多部門融合:在大數據浪潮下,應將法律政策、社會和經濟等多源海量數據統一為多學科通用信息模型,并構建覆蓋國家、省和市縣的信息管理系統,由多部門協調調度,才能更加科學合理的劃分“三線”[49]。

(2)Markov-FLUS模型的運用解決了單一模型的不足,能有效地將“自上而下”的Markov鏈和“自下而上”的FLUS模型相結合,實現了土地利用變化在數量和空間上的展現,對武漢城市圈未來的國土空間優化具有一定的借鑒意義。此外,InVEST模型的運用能直觀地展現和定量地分析地類轉換和土地利用強度對碳儲量的影響,可以為區域兼顧經濟發展和生態系統保護提供新思路。從地類轉換來看,耕地向建設用地轉換是造成碳損失的最主要原因,因此在城鎮化過程中避讓永久基本農田紅線,嚴格控制在城鎮開發邊界紅線內進行建設,對區域碳儲量的維持具有重要意義。從土地利用強度來看,可以將武漢城市圈中城市劃分為三類:①武漢、鄂州和孝感:其建設用地面積占比較高,因而土地利用強度綜合指數較高,應該在城鎮開發邊界紅線內節約集約用地,盤活存量建設用地。②黃石、黃岡和咸寧:其林地資源較為豐富,因而土地利用強度綜合指數較低,應該繼續嚴格恪守生態保護紅線,維持區域碳儲量的穩定。③仙桃、潛江和天門:其區域內大部分為耕地,土地利用強度綜合指數最高,但仍需保護永久基本農田紅線,切不可為降低土地利用強度綜合指數而減少耕地數量。但土地利用變化僅僅是影響碳儲量的原因之一,在未來的研究中應更全面的探索碳儲量的影響因素,以期更好地維持區域生態系統碳儲量的水平。

4.2 結論

本文通過FLUS模型模擬“三線”約束下的武漢城市圈2035年的土地利用變化情況,并利用InVEST模型估算兩種情景的碳儲量,研究表明:(1)六種地類的ROC值均在0.7以上,Kappa系數為0.892,OA為0.931,模擬精度滿足要求。(2)2000—2015年武漢城市圈耕地減少了1267.582 km2,建設用地擴張面積為1092.282 km2,來自耕地的面積占比77.75%。“三線”約束情景下耕地減小面積(622.908 km2)遠小于自然發展情景(1048.503 km2),林地也實現了增長(61.087 km2),新增建設用地被引導至城鎮開發邊界紅線內聚集。(3)2000—2015年武漢城市圈總碳儲量和地均碳密度呈連續遞減趨勢,減少速率由2000—2005年的0.31%下降到2005—2010年的0.18%再增至2010—2015年的0.72%。 “三線”約束情景下碳儲量(672.159 Tg)和地均碳密度(116.01t/hm2)相比自然發展情景下降幅度明顯變小,接近2015年時的水平。從空間分布來看,武漢仍為碳儲量降幅最大的城市,減少量為1.211 Tg,是自然發展情景的44.89%。(4)耕地-建設用地的轉換是引起碳儲量劇烈變化的主要原因。“三線”約束情景下耕地轉向建設用地的面積大大減少,林地也由于其他地類的轉化實現了正增長,固碳量為1.04 Tg。土地利用強度與碳儲量在0.01水平下呈顯著負相關,在較低強度帶的區域內碳儲量最高,且“三線”約束情景下各等級土地利用強度的碳儲量均值均高于自然發展情景。因此,“三線”的劃定能在總體上提高區域的陸地生態系統碳儲量,在發展經濟的同時避免生態用地和基本農田的侵害,還能規范建設用地,合理統籌布局生態-農業-城鎮等功能空間,保證了區域經濟的高質量發展。