基于碳储量最大化的流域多目标土地利用分区优化模拟——以广西西江清水河为例

吴欣芋，覃盟琳，蒋红波，赵胤程，罗丁丁，王政强

1.广西大学林学院

2.广西大学土木建筑工程学院

3.广西大学人居环境设计研究中心

城市快速发展背景下，高强度的人类活动消耗大量资源，导致全球性温室气体过量排放，引发系列生态环境问题[1]。2020 年9 月习近平主席在七十五届联合国大会上提出，我国二氧化碳排放力争于2030 年前达到峰值，努力争取2060 年前实现碳中和。陆地生态系统碳储量提高对于吸收大气中的二氧化碳、预测气候变化、缓解气候变暖具有重要意义[2]。土地利用变化过程中伴随着大量碳交换，从而影响陆地生态系统碳储量变化[3]。因此，量化流域土地利用变化下碳储量的时空动态变化，探索能够提高未来陆地生态系统碳储量和平衡区域多目标发展的土地利用优化方案，对于推动区域可持续发展和实现碳中和具有双重意义。

目前国内外模拟未来土地利用变化[4-5]及量化陆地生态系统碳储量[6-7]的方法已逐步成型，其中FLUS-InVEST 耦合模型已被广泛应用与验证，该模型具有操作简单、处理迅速、适应性强等特点[8-9]，主要用于研究不同目标情景下土地利用变化对陆地生态系统碳储量的影响[10-12]，但少有针对水域保护情景下土地利用与碳储量变化特征的研究。现阶段，土地利用优化方面已有研究将提高区域生态系统碳储量纳入其中[13]，且采用多目标优化和多准则决策模型与土地利用预测模拟模型相结合，实现区域土地利用数量结构与空间布局的双重优化[14-15]。但此类研究主要关注区域整体的优化发展，未对其进行分区探讨统筹优化，且基于土地利用形态格局视角提升区域碳储量的研究基本处于空白。此外，流域研究范围涵盖多个行政区，实行流域分区差异化规划以及多区域协同治理对于全流域的保护和发展具有重要意义[16-17]，但目前流域分区研究方面缺乏不同碳储能力与不同流段的土地利用分区优化。

《广西自然资源“十四五”规划》（简称《规划》）强调加强重点流域生态保护修复，巩固提升生态系统固碳增汇能力，强化国土空间规划和用途管控。西江是广西壮族自治区最重要的河流，《规划》中强调积极争取实施西江流域山水林田湖草沙生态保护修复工程，巩固提升流域生态系统固碳增汇能力，强化国土空间规划和用途管控。清水河为西江干流红水河河段的一级支流，流域上游流经桂黔滇喀斯特石漠化防治生态功能区，属于桂西生态屏障，中下游区段为广西粮食主产区，在碳中和背景下全流域如何实现耕地安全、生态安全与经济可持续发展成为现阶段主要面临的问题。因此，笔者以清水河流域为研究区，以2060 年为模拟优化的目标年份，将流域按不同碳储能力等级进行分区，分别构建基于碳储量最大化的多目标分级分区发展的土地利用数量结构和空间布局优化方案，并将流域划分为上、中、下游不同的空间范围，探讨通过调整土地利用形态格局提升区域碳储量的优化策略，以期为清水河流域国土空间规划实施布局和区域可持续发展提供多视角参考，助力实现碳中和目标。

1 研究区概况与数据来源

1.1 研究区概况

清水河为珠江水系西江干流红水河段支流（108°21′E～109°17′E，23°04′N～23°45′N），发源于广西壮族自治区大明山脉的望兵山，流经南宁市境内的上林县、宾阳县，在来宾市兴宾区汇入红水河。清水河全长187 km，流域面积4 169 km2。流域内地形地貌复杂多变，水力资源丰富；森林覆盖率超过50%，植物区系复杂，种类繁多。利用ArcGIS 水文分析技术通过数字高程模型（DEM）数据进行流域边界提取，并根据模拟分析将清水河流域分成上、中、下游3 个区域（流段）（图1）。

图1 清水河流域边界与地形示意Fig.1 Schematic representation of the boundaries and topography of Qingshui River basin

1.2 数据来源

流域2000 年、2010 年、2020 年土地利用现状数据来源于Globeland30（http://www.globallandcover.com/），通过裁剪获得研究区的耕地、林地、草地、湿地、水域和建设用地6 种土地利用类型。DEM 数据来源于地理空间数据云平台（https://www.gscloud.cn），分辨率为30 m×30 m。OSM 矢量数据来源于OpenStreetMap（https://www.openstreetmap.org/），通过ArcGIS 提取得到用于计算交通区位土地适宜性概率的影响因子栅格数据。气温、降水量、GDP 数据来源于中国科学院资源环境科学与数据中心（https://www.resdc.cn/）。全国人口密度数据来源于Worldpop（https://www.worldpop.org/）。

2 研究方法

本研究包括2060 年不同情景下土地利用及碳储量模拟、基于碳储量最大化的多目标土地利用数量结构及空间布局优化方案、基于碳储量提升的土地利用形态格局优化策略（图2）：1）以2020 年土地利用现状为基础，运用FLUS-InVEST 模型对清水河流域2060 年4 种情景下的土地利用与碳储量进行模拟，并分析不同情景的发展特征，为区域土地利用优化提供数据基础。2）构建灰色线性规划模型，将不同土地利用类型的数量作为变量，根据3 个碳储能力等级区域的适宜发展方向，对不同区域土地利用类型设置相应的约束条件以及区域碳储量最大化的目标函数，采用LINGO 软件对模型求解得到清水河流域2060 年多目标优化后的土地利用需求；将其转化为土地需求预测数量，代入FLUS 模型模拟出流域2060 年优化后的土地利用，并采用InVEST 模型得到碳储量优化结果。3）通过Fragstats软件计算出流域2000 年、2010 年、2020 年不同土地利用类型的景观格局指数，依据流域上、中、下游的39 个汇水面进行空间划分，运用SPSS 软件将其与不同时空范围对应的碳储量进行相关性分析，探讨如何通过改变土地利用形态格局来提升区域碳储量。

图2 清水河流域碳储量最大化的多目标土地利用分区优化研究框架Fig.2 Research framework of multi objective land use zoning optimization for maximizing carbon storage in Qingshui River basin

2.1 碳储量计算与碳储能力等级分区

2.1.1 InVEST 模型计算碳储量

InVEST 模型由美国自然资本项目组开发，可实现生态系统服务功能的定量评估和空间可视化[18]。InVEST 模型的Carbon 模块被广泛应用于计算区域碳储量，其将陆地生态系统碳储量划分为地上生物量、地下生物量、土壤有机物和死亡有机物四大碳库。该模型能够通过各土地利用类型的碳密度，计算出总碳储量。公式如下：

式中：Ci为区域i的碳储量，t；Aix为区域i中土地利用类型x的面积，hm2；Cax、Cbx、Csx、Cdx分别代表土地利用类型x的地上生物碳密度、地下生物碳密度、土壤有机物碳密度、死亡有机物碳密度，t/hm2。由于碳密度测定难度较大，故使用已有研究中与研究区处于同一气候带的土地利用类型碳密度数据[19]进行碳固持分析。主要参考国家生态科学数据中心(www.cnern.org.cn)的碳密度数据、朱志强等[9,11,20-21]的研究及政府间气候变化专门委员会（IPCC）提供的数据，得到研究区各用地类型初始碳密度数据，并根据陈光水等[22-23]的研究方法，采用降水量对土壤碳密度进行校正，计算公式为：

式中：Csp为通过年降水量得到的土壤碳密度，kg/cm2；M为年降水量，mm，选用南宁市与来宾市2000—2020 年逐年降水量的平均值1 510 mm 作为清水河流域年平均降水量（2020 年全国平均年降水量为695 mm）；和分别为清水河流域和全国尺度下通过年降水量得到的土壤有机物碳密度；Ks为土壤碳密度修正系数，计算值为1.44。各土地利用类型初始碳密度与修正系数相乘得到清水河流域不同土地利用类型最终碳密度（表1）。

表1 清水河流域不同土地利用类型各部分碳密度 Table 1 Carbon density of different land use types in Qingshui River basin t/hm2

2.1.2 碳储能力等级分区

人口密度和高程是碳储量格局变化的主要驱动要素[24-25]，一定范围条件下高程越大碳储能力越大，人口密度越大碳储能力越小。本研究采用ArcGIS软件中自然断裂分级法对清水河流域2020 年的高程、人口密度和碳储量分布进行分级处理，叠加得到碳储能力等级分区图（图3），分为高碳储能力区（高碳储量、高海拔、人口稀少区）、中碳储能力区（中碳储量、中海拔、人口中等区）、低碳储能力区（低碳储量、低海拔、人口密集区）3 个等级区域，作为土地利用结构模拟优化的3 个分区。

图3 清水河流域碳储能力等级分区Fig.3 Carbon storage capacity level zoning map of Qingshui River basin

2.2 多情景土地利用模拟预测

2.2.1 情景设置

为满足清水河流域未来综合发展的规划需求，设置4 种不同目标情景：1）基线发展情景（BD），此情景基于2000—2020 年的发展轨迹构建，认为目前的经济、人口发展速率和技术创新趋势是持续一致的；2）耕地保护情景（CP），此情景基于BD 发展情景增加对耕地转换成本的设置，控制耕地向其他用地的转化；3）水域保护情景（WP），此情景基于BD 发展情景增加清水河流域汇水面为限制转化区，即水域和湿地不可转化为其他用地，严格保护流域水资源用地；4）高碳储用地保护情景（HCP），以增大碳储量为发展目标，将高碳储能力区作为限制转换区，设置林地不能向其他土地利用类型转换，以及草地、湿地、水域不能向耕地和建设用地转换。

2.2.2 土地利用模拟

FLUS 模型是基于传统元胞自动机原理改良开发得到的对未来土地利用进行模拟预测的模型。将模型预测得到的2020 年土地利用数据与实际2020 年土地利用数据进行对比，Kappa 系数为0.853，表明该模型用于清水河流域土地利用模拟具有较高精度[26]。模型具体设置如下。

（1）转换成本

成本矩阵表示土地利用类型之间的相互转化情况，0 表示不允许转化，1 表示允许转化。不同情景用地转换依据相应的目标导向进行重要级设定，转化总体原则是除少数土地利用类型外，高等级土地利用类型不可向低等级土地利用类型转化[25]（表2）。

表2 4 种情景下土地利用转换成本矩阵Table 2 Land use conversion cost matrix under four scenarios

（2）邻域影响因子与权重

邻域因子反映不同土地利用类型及邻域范围内不同土地利用类型单元间的相互作用，参数范围为0～1，越接近1 时扩张能力越强。根据研究区土地利用转移特征，结合研究区的现阶段实际发展速率[27]，设置BD 情景下的邻域因子权重。CP 情景、WP 情景和HCP 情景主要根据其优先发展目标和参考现有研究[11]设定各类用地的邻域因子参数（表3）。

表3 4 种情景下邻域因子参数Table 3 Neighborhood factor parameters in four scenarios

2.3 土地利用数量结构优化模型构建

2.3.1 模型变量及目标函数设置

根据设定的4 种情景下的6 类土地利用结构发展特点，以及3 个碳储能力等级区域的不同区域发展特征，设置18 个决策变量：耕地面积(t1、x1、y1)、林地面积(t2、x2、y2)、草地面积(t3、x3、y3)、湿地面积(t4、x4、y4)、水域面积(t5、x5、y5)、建设用地面积(t6、x6、y6)，其中t、x、y分别代表高、中、低碳储能力区。为探寻流域多目标平衡发展的同时，实现区域碳储量最大化的土地利用优化方案[13]，设定3 个区域目标函数：

式中：Z为不同碳储能力区的生态系统碳储量总值；各项系数为不同土地利用类型碳密度。

2.3.2 模型约束条件设置

清水河流域流经多个县市，流域范围土地利用缺乏统一的规划目标要求，故根据流域变化趋势及不同情景模拟的发展特征，设置3 个碳储能力区各土地利用类型相应的约束条件（表4）。

表4 3 个碳储能力区各土地利用类型相应的约束条件Table 4 Corresponding constraint conditions of each land use type in the 3 carbon storage capacity areas

2.4 土地利用形态格局指标选择

景观格局指数是反映景观结构组成以及土地空间配置某方面特征的定量指标，景观格局指数分析能够高度浓缩景观格局信息，反映其结构组成和空间配置特征，是空间相关性分析的重要方法[29]。区域尺度上景观格局的变化主要表现为土地利用变化[30]，选取各土地利用类型的景观格局指数作为土地利用形态格局的分析指标，根据清水河流域的景观格局特点，选取了4 个方面的指标，即面积指标中的斑块类型面积（CA），边缘指标中的边缘密度（ED），形状指标中的景观形状指标（LSI），聚散性指标中的相似毗邻百分比（PLADJ）、散布与并列指数（IJI）、斑块结合度（COHESION）、景观分割指数（DIVISION）、聚集指数（AI）。

3 结果与分析

3.1 2060 年不同情景下流域土地利用及碳储量时空变化

2020 年现状与2060 年不同情景下土地利用类型面积变化及流转情况分别如表5、图4 所示，碳储量变化及分布情况分别如表6、图5 所示。在BD 情景下，2060 年流域内耕地、林地和草地面积持续下降，分别减少156.81、67.59、0.60 km2，建设用地扩张趋势最为显著，涨幅为87.44%（表5）。2060 年清水河流域碳储量预测为57.36×106t，较2020 年减少2.96×106t（表6）；由于建设用地不断侵占耕地和林地，碳储量减少区的面积高达241.59 km2，其中耕地受侵占影响最大，其面积缩减导致碳储量流失1.19×106t（图4、图5）。总体来看，BD 情景下建设用地面积不断大幅扩张、耕地及林地等面积逐渐减小，导致流域生态系统固碳能力受到破坏，致使其碳储量大幅减少。

表5 2020 年流域各类土地利用现状与2060 年各类土地利用模拟情况Table 5 Land use status in 2020 and simulations of different land use in 2060

表6 2060 年4 种情景下清水河流域碳储量、平均碳密度及变化Table 6 Carbon storage,average carbon density and changes in Qingshui River Basin under four scenarios in 2060

图4 2060 年不同情景下清水河流域土地利用流弦图Fig.4 Flow chart of land use in Qingshui River basin under different scenarios in 2060

图5 不同情景下2020—2060 年清水河流域碳储量空间变化Fig.5 Spatial change of carbon storage in Qingshui River basin from 2020 to 2060 under different scenarios

在CP 情景下，2060 年流域耕地面积相比2020 年增加25.50 km2，林地面积大幅下降，减少102.35 km2，水域面积呈下降趋势，减少9.96 km2，建设用地扩张减缓，增加87.42 km2（表5）。2060 年清水河域碳储量预测为57.44×106t，较2020 年减少2.87×106t（表6）；大量林地向建设用地流转，碳储量减少区的面积高达103.36 km2，整体呈块状分布；碳储量增加区主要是耕地侵占了水域，沿河流两岸呈带状分布（图4、图5）。总体来看，对耕地的保护一定程度上减缓了建设用地的扩张程度，但占用了水域和湿地的面积，林地、草地等以生态功能为主的土地利用类型仍未得到有效保护，流域生态环境问题依旧严峻。

在WP 情景下，2060 年流域水域和建设用地与2020 年相比都有大幅扩张的趋势，分别增长了47.23%和57.70%，其中耕地面积下降幅度最大，减少161.45 km2，林地面积有所下降，减少12.11 km2（表5）。2060 年清水河域碳储量预测为59.01×106t，较2020 年减少1.31×106t（表6）；大量耕地向水域和建设用地流转，碳储量减少区面积为173.82 km2，呈现与河流湖泊走向一致的聚集线状分布；碳储量增加区面积为5.22 km2，呈线状零散分布（图4、图5）。总体来看，水域和湿地受到保护，面积有所增加，但城市建设用地扩张加剧，耕地、林地面积严重减少，粮食和生态安全受到威胁。

在HCP 情景下，2060 年清水河流域林地面积较2020 年增长12.01 km2，建设用地面积减少0.31 km2（表5）。2060 年清水河流域碳储量预测为60.61×106t，较2020 年增加0.29×106t（表6）；碳储量增加区以点状形式分散布局，耕地主要转换为林地和少量的建设用地（图4、图5）。总体来看，此情景下2060 年清水河流域生态空间受到了较好的保护且面积有所增长，流域陆地生态系统碳储量实现正增长，但建设用地扩张受到较大限制，抑制了未来流域经济社会的发展。

3.2 流域碳储量最大化的多目标土地利用优化方案

3.2.1 土地利用数量结构优化结果与碳储量变化分析通过LINGO 软件对构建的目标函数与约束条件进行反复的迭代测试，得到了2060 年清水河流域碳储量最大化的多目标土地利用数量结构优化方案，并与2020 年的土地利用数量结构和碳储量进行对比，结果见表7。对清水河流域进行土地利用数量结构优化配置后，碳储量提高至61.64×106t，较2020 年增长了2.19%，这主要是由于林地和湿地面积的增加。通过严格控制中、高碳储能力区生态保护及退耕还林等举措，林地、湿地与水域面积分别较2020 年增加了5.78%、9.48%、2.32%，林地碳储量增加较大，为2.49×106；耕地与草地面积有所下降，较2020 年减少了7.62%、6.32%；建设用地面积稳定增长，较2020 年增加了36.13%。

表7 清水河流域2020 年现状与2060 年碳储量最大化的多目标土地利用优化方案对比Table 7 Comparison of multi-objective land use optimization scenarios for maximizing carbon stocks in Qingshui River basin in 2020 and 2060

3.2.2 土地利用空间布局优化结果与土地利用转换分析

根据碳储量最大化的多目标土地利用优化方案模拟得到的2060 年土地利用空间布局优化模式，在ArcGIS 中进行空间化处理，得到各土地利用类型相互转换的空间格局变化情况（图6）。从图6(a)、图6(b)可知，优化模拟下，林地增长主要集中在流域中碳储能力区中坡度较大的区域，及流域源头自然保护区周边等，高碳储能力区的林地斑块数量大幅增加且分布较为集中；水域增长区域主要为河流上游和下游地区；建设用地的扩张主要为地势低平的低碳储力区。由图6(c)可知，耕地主要由中碳储能力区坡度较大的地块转入林地，城镇周边小块破碎的部分地块转入建设用地，且中、低碳储能力区的集中连片耕地未发生转换；草地由中碳储能力区的地块转入林地。综上，流域2060 年基于碳储量多目标土地利用分区优化布局模式在合理控制经济发展速度下，巩固提升了生态环境的发展并确保了区域粮食及水资源安全。

图6 清水河流域优化策略下的 2060 年土地利用空间布局模拟图及2020—2060 年土地利用转换图Fig.6 Simulation map of land use spatial layout in 2060 and land use conversion map from 2020 to 2060 under the optimization strategy of Qingshui River basin

3.3 清水河流域碳储量与土地利用形态格局相关性分析及优化策略

清水河流域土地利用形态格局与碳储量的相关性分析结果见表8 所示。由表8 可知，流域碳储量与用地的面积、形态、边缘、聚散性存在显著相关性，且由于流域不同区域的环境特征不同，各土地利用类型的形态格局与碳储量的相关关系存在空间差异性。通过Pearson 相关性数据，进一步归纳总结不同流段各土地利用类型在增加用地碳储量时形态格局的相关特征表现（表9）。分析发现各类土地利用面积(CA)与碳储量呈显著正相关，而问题关键是在有限的空间范围内保证一定面积的土地利用类型的碳储量增加，通过对其他指标的数据分析，显示土地利用形态格局对碳储量也存在影响。

表8 清水河流域土地利用形态格局与碳储量相关性Table 8 Correlation between land use pattern and carbon storage in Qingshui River basin

表9 清水河流域碳储量提升的土地利用形态格局发展特征分析Table 9 Analysis of the correlation between carbon storage and land use patterns in Qingshui River basin

整体来看，增加流域的碳储效益需要复杂不规则并具有较高聚集度与连接度的土地利用形态格局，而流域不同流段土地利用类型的利用形态相关性特征存在差异。对于林地，整体宜采用较高连接度的聚集式布局来形成更加稳定的生态系统。对于耕地，上游斑块应降低与其他用地类型的邻接程度且提高景观的整体性；中下游主要偏向连片集约型发展，斑块需要较高的连通性，宜采用在耕地间增加林带形成环网嵌套空间组合形态的方法提升区域固碳释氧能力。对于水域，上游偏向于形成大面积和高连通度的水源涵养区，并增加与其他土地利用类型的邻接度；中下游则需要提高连接度和降低聚集度，水系连通绿地建设蓝绿交织的城市固碳生态系统。对于建设用地，上游斑块需增加聚集度形成一定程度的规模，并降低城市边缘小斑块的分散程度；中下游需增加不规则度，以利于增大二氧化碳与高碳储用地的接触面积。对于草地，本身碳储能力较低，整体适宜分散布局并与林地进行镶嵌来提升碳储能力。对于湿地，其本身为高碳储用地类型，故需要较高的聚集度和连接度。

4 结论与展望

（1）2060 年流域4 种目标情景下土地利用和碳储量的发展变化存在明显差异。BD 情景下建设用地持续扩张，生态用地面积逐渐减少，导致碳储量流失严重；CP 情景下，耕地的保护一定程度上减缓了建设用地的扩张，但占用了水域和湿地的用地面积，流域生态环境问题未得到解决；WP 情景下水域和建设用地都有大幅扩张的趋势，耕地、林地面积严重减少，区域粮食和生态安全受到威胁；HCP 情景下，生态空间受到较好的保护且面积有所增长，碳储量比2020 年增加了0.29×106t，但建设用地面积增加受到较大限制，抑制了未来流域经济社会的发展。

（2）通过对2060 年土地利用数量结构和空间布局模拟的优化，区域内耕地面积下降，小块破碎的耕地地块转入建设用地，坡度较大的耕地区域转入林地；城镇建设用地面积稳定增长；林地、草地、湿地和水域的总体发展得到保护，碳储量较2020 年增加了1.32×106t。

（3）土地利用形态格局影响碳储量，流域不同土地利用类型形态格局的调整有利于区域碳储量的增加，其相关特征表现为土地利用形态格局整体上斑块分布呈现较高的聚集度和连接度，且斑块形态复杂不规则。但由于空间环境的差异性，耕地上游斑块的发展需减少与其他用地类型的邻接程度；水域上游偏向邻接较多其他的景观类型，而水域中下游偏向较低的聚集度；草地适宜分散布局。

本研究在方法和视角上仍存在客观上的不足和局限。首先，土地利用变化是一个多目标复杂的动态过程，并受不确定的社会因素的影响较大。本研究虽然综合考虑了多种因素的影响，但缺乏对区域发展目标的全面考虑和对更多社会因素的量化模拟。其次，研究缺乏对流域所经不同行政区的土地利用规划政策与区域规划目标的深入分析，并未将其与目标函数的构建紧密相结合。最后，研究仅对区域未来规划发展起到总结、预警与研判作用。在今后的优化研究中，应以各区域具体的问题为导向，提出更进一步的土地利用优化调整策略。