基于PLUS模型和InVEST模型的南昌市碳儲量時空演變研究

李文靜，吳偉成

（東華理工大學 地球科學學院，江西 南昌 330013）

0 引言

近年來，社會經濟的快速發展引起了土地利用結構的劇烈變化，而土地利用構成與碳儲量密切相關［1］，碳儲量是衡量生態系統初級生產力的重要指標，可反映生態系統對全球變暖的調節能力［2］，我國在2020年提出了“碳達峰”和“碳中和”的目標，在“雙碳”背景下，查清碳儲量家底可有助于更快更好地實現對碳資源的保護以及將來對碳資源的可持續利用。

關于碳儲量的估算研究，我國當前主要采用的方法包括：實地采樣計算法［3-4］、遙感估算法［5］、模型估算法［6］等。碳儲量估算研究的區域從針對不同土地利用類型［7］的估算到大尺度的省市級［8］、流域［9］、具有典型代表的生態區［10］等。目前，InVEST模型中基于土地利用類型的碳儲量計算方法被廣泛運用于中大尺度的碳儲量評估中，該方法簡單快捷，可迅速了解區域的碳儲量信息。此外，為了對未來的碳儲量進行預估，學者們運用土地利用模擬耦合碳儲量估算模型，對未來不同發展情景下的碳儲量進行了估算。常用于土地利用模擬的模型包括：CA-Markov［11］、Flus模 型［8］、Clue-s模 型［12］、PLUS模型［13］等。其中PLUS模型對細碎斑塊的模擬效果較優，可用于具有較多細小斑塊的研究區。

南昌市作為長江中下游地區重要的中心城市之一，高速的經濟發展和城鎮化進程對南昌市的碳儲量水平產生了顯著的影響。為了解南昌市30 a間土地利用變化對碳儲量的影響，本研究采用InVEST模型對南昌市碳儲量進行估算，并結合PLUS模型對2030年南昌市不同發展情景下的土地利用情況進行模擬，以期為南昌市政府了解當前及未來碳儲量變化趨勢提供參考。

1 研究區概況與數據

1.1 研究區概況

南昌市地處長江中下游地區，位于鄱陽湖的西南部（115°27′~116°35′E、28°10′~29°11′N），整體地勢低緩，以平原為主，平均高程325 m，屬亞熱帶季風氣候區，降水充足，年平均降水為1736 mm，年平均氣溫為17.5 ℃。南昌市是國務院批復確定的中國長江中游地區重要的中心城市、鄱陽湖生態經濟區中心城市，具有極高的戰略地位。

1.2 數據來源及處理

1.2.1 土地利用/覆被變化(LULC)數據 從地理空間數據云(https://www.gscloud.cn/)采購了1990—2020年30 m×30 m南昌市的LULC土地利用分類數據，4期土地利用分類數據平均總體精度在85%以上，平均Kappa系數為0.89。該數據集的土地利用類型包括耕地、林地、草地、水體、建設用地和未利用地6個類別。

1.2.2 驅動因素數據 本研究利用社會經濟、自然、可達性三大類型，共13個驅動因子作為南昌市土地利用變化的驅動因素，分別為人口密度、人均GDP、年平均降水量、年平均氣溫、數字高程模型（DEM）、坡度、坡向、距一、二、三級道路的距離、距高速的距離、距鐵路的距離和土壤侵蝕量（表1），其中矢量數據應用Arcgis軟件的歐氏距離進行柵格化處理，所有數據統一將空間分辨率設定為30 m。

表1 南昌市地類變化驅動因素

1.2.3 碳密度數據 為保證碳密度數據的準確性，本研究在參考前人的研究成果［14-18］以及江西省樣本點數據均值的前提下，對南昌市各土地利用類型的碳密度進行估算，無法獲取的碳密度數據將基于全國碳密度數據以及氣溫、降水與碳密度的關系式進行修正，由于死亡有機碳的數據難以獲取，本研究未將其列入。南昌市各地類的碳密度見表2。

表2 南昌市不同土地利用類型的碳密度 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擬方法

PLUS模型是將土地擴張分析策略(Land expansion analysis strategy，LEAS)和多類型隨機斑塊種子的CA模型(CA based on multi-type random patch seeds，CARS)相結合的土地利用模擬模型［19］，該模型解決了當前模擬模型在不同斑塊尺度上的模擬欠缺問題。該模型需要輸入2期土地利用數據獲取各地類的擴張部分，輸入驅動因素結合隨機森林算法訓練各地類的發展潛力，基于發展潛力設置用地需求量、成本矩陣和相應的領域權重并對下一時期土地利用進行模擬。

2.1.1 多情景的土地利用預測 《南昌大都市區規劃（2015—2030）》和《環鄱陽湖生態城市群規劃（2015—2030）》對構建山水林田湖城村以及實現生態保護提出了內在要求，《中華人民共和國土地管理法》和《基本農田保護條例》要求落實最嚴格的耕地保護制度。本文基于以上規劃、法律和條例，探索不同用地開發策略對土地利用的影響，研究2030年南昌市在自然發展情景、生態保護情景和耕地保護情景下的土地利用空間分布及數量結構。

2.1.2 用地需求量、成本矩陣與領域權重 采用馬爾可夫鏈對用地需求量進行預測，基于相似研究區及學者們的研究結果［20-21］，將生態保護情景下的轉移概率設定為林草用地向建設用地轉移概率降低50%，耕地向建設用地轉移概率降低30%，耕地向林草用地轉移概率提升30%；耕地保護情景下的土地利用轉移概率設定為林草用地向建設用地轉移概率降低20%，耕地向建設用地轉移概率降低60%。多情景下的成本矩陣僅設置建設用地不允許向其他地類轉換；領域權重參考已有研究［22］，利用2個時期各土地利用變化量占變化總量的比值進行歸一化處理后作為各地類的領域權重。

2.2 碳儲量估算方法

利用InVEST模型中的Carbon Storage模塊對南昌市1990—2030年碳儲量的時空變化進行計算。該模型利用各地類的地上生物碳密度、地下生物碳密度、土壤碳密度和死亡有機碳密度對研究區內總體碳儲量進行計算，計算公式為：

式（1）~式（2）中，t為第t類土地覆蓋類型，Ct代表第t類土地覆被類型的碳密度(t/hm2)，Ct,above、Ct,below、Ct,soil和Ct,dead分別代表第t類土地覆被類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機碳密度，At代表第t類土地覆蓋類型的面積。

無法獲取的碳密度數據將基于氣溫和降水量以及全國碳密度數據進行修正，該修正公式參考Alam等［23］和國內學者有關碳密度的研究獲得［24］，計算公式為：

式（3）~式（6）中，x為年平均 降 水 量(mm)，Cbiomass、Csoil分別代表地上生物碳密度(g/m2)和土壤生物碳密度(g/m2)，Kbiomass、Ksoil分別為地上生物碳密度校正系數、土壤碳密度校正系數，Cbiomass1、Cbiomass2分別為南昌市和全國的地上生物碳密度，Csoil1、Csoil2分別為南昌市和全國的土壤生物碳密度，南昌市碳密度數據可通過全國碳密度數據與2個校正系數相乘獲取。

2.3 碳儲量脆弱性評估方法

聯合國政府間氣候變化專門委員會于2001年首次提出了脆弱性概念，脆弱性的定義包括氣候變化背景下系統的暴露水平、受氣候變化影響的敏感性程度及其對氣候變化的適應能力［25-26］。Schroter等［27］提出了生態系統服務不僅受氣候背景影響，還會受到土地利用變化的影響，并對土地利用變化引起的生態系統的脆弱性進行了量化，國內學者通過引入量化指標評估了生態系統碳儲量，并對土地利用變化所引起的生態系統服務的脆弱性進行了量化評估［28-29］，該過程的計算公式為：

式（7）~式（10）中，PI為潛在影響指數，用于度量生態系統服務中碳儲存服務的脆弱性；ΔL表示土地利用程度的變化量；ΔC為碳儲量的變化量；Cs、Ce分別表示期初和期末的碳儲量；Ls、Le分別表示期初和期末的土地利用強度；L為土地利用程度綜合指數；At為第t類土地利用類型的分級指數；Bt為第t類土地利用類型占總面積的比例。

參考莊大方等［30］的研究對土地利用程度進行劃分，將南昌市的土地利用程度分為4級，其中耕地為3級，林地和草地、水體為2級，建設用地為4級，未利用地分為1級。

3 結果與分析

3.1 碳儲量空間變化分析

由圖1可知，1990、2000、2010、2020年南昌市的碳儲量分別為4.09×107、4.08×107、3.96×107和3.80×107t，單位面積碳密度分別為56.86、56.69、55.02和52.89 t/hm2；在2000年前，碳總量和單位面積碳密度均呈平緩下降趨勢，2000年后則呈現出快速下降的趨勢；1990—2000年南昌市的碳儲量以1.23×104t/a的速度下降，2000—2010年和2010—2020年則表現出快速下降的特征，下降速率分別為1.20×105、1.53×105t/a；2000、2010、2020年南昌市碳儲量的減少量分別為前一時期碳儲量的0.30%、2.93%、3.87%。30 a間南昌市的碳儲量共減少了2.85×106t，下降速率為9.50×104t/a，單位面積碳密度下降了3.97 t/hm2，下降速率為0.13 t/(hm2·a)。

圖1 1990—2020年南昌市碳儲量及單位面積碳密度

對南昌市各區縣的碳儲量（圖2）分析可知，1990—2020年，南昌市各區縣碳儲量的減少量從高到低依次為：新建區、青山湖區、紅谷灘區、南昌縣、進賢縣、安義縣、青云譜區、西湖區和東湖區，減少量分別為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。

圖2 1990—2020年南昌內各區縣的碳儲量

由圖3可知，30 a間南昌市碳儲量在空間分布上總體變化不大，呈現出西北和東南高，東北和中部最低、西南次低的空間分布特征，碳儲量高值地區主要分布于林草用地區且集聚程度較高，碳儲量高值區與高程具有正相關性，即海拔越高碳儲量越高。碳儲量高值地區主要包括：安義縣、新建區、進賢縣，這3個區縣內均分布有山地，地勢較南昌市其他區縣的更高，分布了全市最高的碳密度植被，最高碳密度為150.76 t/hm2。碳儲量低值地區分布廣泛，主要分布在水源地、城市和未利用地。以點狀分布為代表，在南昌市的各區縣均有分布，碳儲量低值地區的面積占各區縣面積前三的分別為青云譜區、西湖區、東湖區，這些地區除水域外，最低的碳密度為2.1 t/hm2。30 a間南昌市碳儲量的總量僅在1990—2000年增加了3239~24677 t，占2000年碳儲量總量的0.2%，碳儲量增加的區域包括安義縣、新建區和紅谷灘區。

圖3 1990—2020年南昌市碳密度的空間分布

3.2 碳儲量對土地利用變化的響應

由表3可知，1990—2020年南昌市的耕地對碳儲量的貢獻最高，4個時間點的貢獻率均在50%以上，其次為林地，對碳儲量的貢獻率高達45%。1990—2020年間，耕地與林地是南昌市碳儲量的主要貢獻者，貢獻占比高于95%；草地和未利用地的平均貢獻率在2.1%和1.8%，建設用地的貢獻率在0.1%~0.4%之間波動；水域的碳儲量為0，本文不作討論。1990—2000年建設用地和林地的碳儲量分別增加了5.65×103、1.07×104t，耕地、草地的碳儲量分別減少了1.24×105、1.57×104t；2000—2010年建設用地和未利用地的碳儲量分別增加了4.87×104、5.04× 104t，耕地、林地、草地的碳儲量分別減少了6.73 ×105、3.96×105、2.26×105t；2010—2020年僅建筑用地的碳儲量增加了4.75×104t，耕地、林地、草地、未利用地則分別減少了8.62×105、6.74×105、1.78×104、2.56×104t。整體上各個地類在不同時期的碳儲量變化情況不同，但在2000—2020年間的變化均最大。

表3 南昌市不同地類的碳儲量及其變化情況 ×106 t

由表4可知，從土地利用轉入角度觀測，向耕地、水域、建設用地的轉入使得碳儲量降低了9.53×104、5.45×105、3.02×106t，主要轉入源分別為林地和草地、未利用地和林地、林地和未利用地；向林地、草地、未利用地的轉入使得碳儲量增加了7.15×105、1.66×104、7.67×104t，主要轉入源分別為草地和耕地、建設用地和未利用地、水域和建設用地；從土地利用轉出角度來看，水域和建設用地的轉出使得碳儲量增加了7.79×105、1.38×105t，主要轉出源分別為未利用地和耕地、草地和未利用地；耕地、林地、草地、未利用地的轉出對碳儲量的減少造成了主要的負面影響，其轉出源分別為水域和建設用地、耕地和草地、建設用地和草地、水域和建設用地。總體上，碳儲量對不同土地類型轉移的響應表現為林地、草地面積的減少和建設用地面積的增加都會造成碳儲量減少，盡管有高碳儲量的土地利用類型轉入，但碳儲量仍入不敷出，呈現出極速減少的態勢。

表4 1990—2020年南昌市不同地類的碳轉移矩陣 ×105 t

3.3 碳儲量脆弱性

從市級尺度對南昌市碳儲量的脆弱性進行評估分析（表5），1990—2020年南昌市的土地利用強度不斷增加，整體上表現為2000年前土地利用強度緩慢增加，2000年后利用強度大幅提升，2000—2010年土地利用強度的提升幅度高于2010—2020年的。30 a間土地利用強度對碳儲量呈負向的潛在影響，表明隨著土地利用強度的增加，碳儲量受到的負面影響不斷加強。

表5 土地利用變化對碳儲量的影響

由圖4可知，1990—2000年間存在部分區縣的土地利用變化對碳儲量影響表現為正向影響，分別為紅谷灘區、南昌縣、新建區，其中南昌縣的正向影響最強（73.29），紅谷灘區和新建區分別為2.83和1.22；2000—2010年，對碳儲量呈負向影響的前3個區縣分別為青云譜區、西湖區、青山湖區，PI值分別為-20.7、-7.08、-4.96；2010—2020年對碳儲量呈負向影響的前3個區縣級分別為青云譜區、西湖區、東湖區，PI值分別為-40.53、-20.52、-9.49；30 a間對碳儲量呈負向影響的前3個區縣分別為青云譜區、西湖區、青山湖區，其PI值分別為-34.44、-22.07、-7.00。

圖4 土地利用變化對碳儲量影響的空間分布

3.4 多情景下2030年南昌市碳儲量變化分析

利用2010年南昌市土地利用現狀柵格影像模擬2020年土地利用影像，模擬土地利用影像的Kappa系數為0.92，這表明利用PLUS模型對2030年南昌市土地利用進行模擬具有可行性。基于此，利用2020年的相關數據對2030年3種情景下南昌市的土地利用、碳密度分布、碳儲量變化進行模擬，結果如圖5~圖7所示。

圖5 不同情景下南昌市土地利用的模擬結果

圖6 不同情景下的碳密度分布的模擬結果

圖7 不同情景下的碳儲量變化的模擬結果

在自然發展情景下，2030年南昌市的碳儲量為3.66×107t，單位面積碳密度為50.94 t/hm2，2020—2030年間碳儲量下降了1.40×106t；在生態保護情景下，2030年南昌市碳儲量為3.73×107t，單位面積碳密度為51.88 t/hm2，碳儲量相比2020年下降了7.29×105t；在耕地保護情景下，2030年南昌市碳儲量為3.73×107t，單位面積碳密度為51.84 t/hm2，碳儲量相比2020年下降了7.60×105t。從3種情景下的碳儲量變化情況可知，2030年南昌市在生態保護情景下有更高的碳儲量，耕地保護情景下對于南昌市碳儲量的減少具有一定的作用，但自然發展情景下南昌市碳儲量的減少量最高。在3種情景下，2030年碳儲量空間分布格局與1990—2020年的分布格局相似，均呈現出西北和東南高，東北和西南低的空間分布特征。在生態保護情景下，林地和草地等碳密度高的地類不會轉換為建設用地；在耕地保護情景下，耕地也不會轉換為建設用地。上述2種情景下盡管無法逆轉南昌市碳儲量下降的趨勢，但對于緩解南昌市碳儲量快速下降的態勢仍具有積極的意義。

在3種情景下，自然發展情景、生態保護情景、耕地保護情景分別減少了24616.9、13684.7、11486.3 hm2的碳儲量面積，分別占南昌市總面積的3.4%、1.9%和1.5%；碳儲量增加面積分別為1244.70、202.14、1333.72 hm2，分別占南昌市總面積的0.017%、0.002%、0.180%。生態保護情景下碳儲量的增加量相對較少，但該情景下限制了高碳儲量土地利用類型的轉出，最終使得其碳儲量最高。

4 討論

4.1 30 a間南昌市碳儲量變化

1990—2020年南昌市碳儲量變化分析結果表明：南昌市的碳儲量呈現出先緩慢下降后快速下降的趨勢；在空間分布上，1990—2000年南昌市部分區縣的碳儲量出現增加現象，這是由于這些區縣的山地眾多、經濟發展較為緩慢以及人類活動較少，因而碳儲量有所上升。從土地利用轉移的視角來看，不同土地利用類型的碳庫數值相差較大，固碳能力較強的地類主要為林地、耕地，上述地類對南昌市碳儲量的貢獻率高達95%。30 a間南昌市的土地利用類型變化主要表現為林地、草地的轉出和建設用地的轉入，因此建設用地向外擴張是南昌市碳儲量下降的主要原因，這也與先前研究的結論一致［24，31-33］。從碳儲量空間分布的角度分析，30 a間南昌市碳儲量的高值區空間位置未有明顯變化，高值區分布與地形具有明顯的關聯。在地勢較高的區域，很難將其開發為耕地和建設用地。此外，在國家退耕還林生態保護的背景下，山地經濟效益的開發主要集中于經濟木材的種植。綜上，土地利用空間分布直接影響了碳儲量的空間分布［34］。

4.2 南昌市碳儲量脆弱性評估

對南昌市碳儲量進行脆弱性評估，可分析碳儲量對土地利用強度的響應情況。1990—2020年碳儲量脆弱性持續表現為負面的潛在影響，其中在1990—2000年的影響高于2000—2010年的，而2010—2020年的影響高于前20 a的。這反映出2000年前對土地的無序利用導致了南昌市的脆弱性較大，2010—2020年南昌的高速發展使得碳儲量脆弱性進一步加大。南昌市30 a間的城鎮化水平不斷提高，城區對周邊耕地、林地的擴張和占用，使得區域內土地利用強度不斷增加，造成了碳儲量的持續下降，生態系統的碳儲量愈發脆弱。未來應在關注碳庫補充的基礎上，對建設用地進行合理規劃、實施區域的土地綜合整治、集約節約利用土地，改善當前碳儲量脆弱的狀況。

4.3 多情景下對碳儲量的影響

利用2020年土地利用數據模擬了2030年南昌市自然發展情景、生態保護情景和耕地保護情景下的土地利用空間分布格局。在自然發展情景下，建設用地向外擴張趨勢更為明顯，碳儲量進一步降低，基于南昌市2010—2020年的土地發展趨勢，碳儲量減少的面積明顯高于其他情景下碳儲量減少的面積；在生態保護情景下，降低了林地、草地和耕地向建設用地轉移的可能，有效減少了高碳值地區的流失［10］，有助于降低南昌市碳儲量快速下降帶來的碳儲量不足；在耕地保護情景下，作為重要碳源的耕地得到了較強的保護，這一模式下并未出現碳儲量的劇烈下降，但相較于生態保護模式下，對耕地的控制轉出，使該模式在保護地類碳儲量方面更具有側重性。綜上，3種情景下的碳儲量整體均表現出下降的趨勢，但生態保護情景下的碳儲量下降得更少，結合當前南昌市推行的國土綠化政策，在該情景下更易達到碳平衡，這與吳佩君等［35-37］的研究結論一致。

4.4 不足與展望

對生態系統碳儲量的評估是一個復雜的系統過程，InVEST模型具有計算方便、即時、快速的優點，可通過碳庫對不同的土地利用類型的碳儲量進行計算，但該模型缺乏對碳循環過程中碳密度隨時間變化的考量，以單一時間節點的碳密度計算碳儲量與實際結果會存在一定偏差。本文在獲取南昌市碳密度數據時參考了相似研究區域的數據以及中國陸地生態系統的碳密度樣本的平均數據，后續應加強對南昌市實地樣本數據的采集，并對受時間變化影響的碳密度數據進行修正。

在利用PLUS模型對南昌市土地利用多情景模擬過程中，本研究參考了前人研究結果對多情景參數進行了設置，驅動因子的選擇也參照當前研究廣泛使用的經濟、自然、可達性因子進行了評估，但不同的驅動因素對土地利用模擬的作用尚不清晰，后續考慮添加更多的驅動因素并測試其對土地利用模擬的影響，從而提高土地利用的模擬效果。

5 結論

本研究對1990—2020年南昌市土地利用進行分類的同時，通過收集南昌市不同土地利用類型的碳密度數據，利用InVEST模型計算出碳儲量并進行時空變化分析，揭示碳儲量對土地利用強度變化的脆弱性，并對2030年南昌市多情景下的碳儲量進行了模擬，研究結果如下：

（1）南昌市在30 a間土地利用類型變化劇烈，建設用地等非生態用地代替高碳儲備區域的耕地、林地，引發了南昌市碳儲量的持續下降，30 a共減少了2.85×106t的碳儲量，建設用地擴張是導致碳儲量降低最主要的因素。

（2）南昌市碳儲量的空間分布具有穩定性，空間分布上整體呈現為西北和東南高，西南和東北低的特征，碳儲量的空間分布與土地的利用空間分布、地勢情況密切相關。

（3）南昌市土地利用綜合強度在30 a間不斷增加，對南昌市碳儲量脆弱性均呈負向影響，在區縣級尺度上僅1990—2000年紅谷灘區、南昌縣、新建區的土地利用對碳儲量脆弱性有短暫的正向影響。

（4）基于PLUS模型的2030年南昌市土地利用模擬結果表明，自然發展情景下的碳儲量減少量最高，相比2020年減少了1.40×106t，生態保護情景和耕地保護情景下分別減少了7.29×105、7.60×105t ，南昌市在生態保護情景下能夠更好地限制建設用地的擴張，防止侵占高碳儲量的地類。