基于InVEST-PLUS 模型的碳储量时空变化与多情景模拟预测——以江西省为例

陈竹安，柳 雪

（1.东华理工大学 测绘与空间信息工程学院，江西•南昌 330013；2.东华理工大学自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室，江西•南昌 330013）

土地利用变化通过改变生态系统的结构、功能、小气候状况以及理化性质等来影响生态系统碳循环过程，进而影响生态系统的碳储存与碳排放[1]。土地利用变化既有碳源作用又有碳汇作用，但实际上大多数情况下土地利用变化都增加了CO2的排放，已有研究表明，非持续的土地利用对气候变暖的影响是仅次于化石燃烧[2]。所以，关于土地利用变化碳效应的研究越来越成为学者们聚焦的论题，希望能通过科学合理的土地利用方式和管理方式达到固碳和降低碳储量损失的目的。

随着遥感技术的进步，诸多遥感模型能够起到量化土地利用变化碳效应的作用。近年来，国内外学者从多个空间尺度对土地利用变化及其产生的碳效应做出大量研究，涉及全球[3]、国家[4]、省市域[5-6]、流域[7]及县域[8]等。在研究方法上，InVEST 模型以其数据获取便利、操作便捷及精确性等优势受到大多学者的青睐。在研究历史时期土地利用与陆地生态系统碳储量的同时，还有许多学者在聚焦未来多情景土地利用分布格局及其碳储量的变化，如克夏·热合曼[9]使用PLUS 模型，张凯琪[10]基于GeoSOS-FLUS 模型，王超越[11]使用FLUS 模型来模拟不同区域2030 年各种发展情景下的土地利用分布，复合InVEST 模型测算各个年份的碳储量。除此之外，还有一些学者使用CASA[12-13]、GLO-PEM[14-15]等遥感模型评估区域生态系统碳储量。除遥感模型外，以“簿记（Bookkeeping）模型”和IPCC 清单法为代表的经验统计模型也是研究土地利用变化的碳收支影响的常用模型。王渊刚[16]使用“簿记模型”模型，将不同利用方式移走植被而存在的植被碳氧化速率差异考虑其中，估算出土地利用变化导致玛纳斯河流域植被碳储量增加。

目前已有的研究多为预测地区在未来不同情景下碳储量的变化状况，但是对于土地利用变化与其相对应的碳储量的变化之间的关系缺乏足够的探讨。本文在研究土地类型转换引起的碳储量变化的同时，还关注了土地利用程度与碳储量的关系，更全面的考虑土地利用变化对碳储量影响。为深入学习贯彻习近平生态文明思想和习近平总书记关于“双碳”工作的重要论述，江西省锚定了2030 年“二氧化碳排放量达到峰值并实现稳中有降”的总目标。绿色生态是江西省最大的优势，在新发展阶段，江西省肩负着探索生态优先，绿色低碳发展道路的重大使命。这对于江西省实现跨越式发展，全面建设美丽中国“江西样板”具有重大意义。基于此，本文采用PLUS模型模拟江西省2030 年三种不同情景下的土地利用分布情况，采用InVEST 模型计算其碳储量，分析江西省土地利用变化特征及其对生态系统碳储量的影响，以期为江西省实现绿色国土空间规划理念，建设“绿色生态江西”提供理论基础。

1 数据和方法

1.1 研究区概况

江 西 省 处 于24°29′14″～30°04′40″N 和113°34′36″ ～118°28′58″E 之间，位于中国的东南偏中部，长江中下游的南岸，地貌类型多山地丘陵，少平原盆地（图1）。江西省地处中亚热带，季风气候明显，四季分明。境内的水热条件差异较大，多年平均气温呈自北向南增高的趋势，南北温度差异约为3℃。江西省面积16.69 万km2，人口4 518 余万。进入新世纪以来，江西省凭借优越的交通区位优势，优质的自然资源，实现经济快速发展，质量效益不断提高，城市扩张面积显著增大，土地利用程度逐渐增强。

图1 江西省地理位置图Fig.1 Geographical location map of Jiangxi

图2 江西省2000-2020 年土地利用转移弦图Fig.2 Chord map of land use transfer in Jiangxi Province from 2000 to 2020

2.2 数据来源

本研究所使用的数据如表1 所示，经ArcGIS 重采样为1 km×1 km 分辨率。地理坐标系均为GCS_WGS_1984。

表1 数据来源Table 1 Data sources

2.3 研究方法

2.3.1 基于PLUS 模型的土地利用模拟

本研究采用PLUS 模型模拟江西省2030 年三种情景下的土地利用变化。

（1）驱动因子的选取

综合考虑研究区的地域特征以及各种数据在时空上的可得性与量化性，选取的驱动因子主要包括自然因素、社会经济因素、可达性因素三类（表1）。

（2）土地利用邻域权重参数设定

土地利用邻域权重表示土地类型在外界各种驱动因子的推动下向外扩张的能力。其范围在0-1 之间，越接近1 表示扩张的可能性越大。本研究不断进行模型调试，得到研究区各类型土地的邻域权重参数如表2 所示。

表2 邻域因子参数Table 2 Neighborhood factor parameters

（3）模拟精度验证

基于研究区2010 年土地利用分布，预测2020 年的土地利用分布格局，再将其与2020 年真正的土地利用进行比较，计算两期的Kappa 系数为0.91，说明模型精确性达到了研究需要的标准。

（4）未来土地利用模拟情景设置

自然发展S1 情景：自然发展情景即根据2010—2020年土地利用发展趋势，运用马尔可夫链，得到的2030 年历史发展趋势下的土地利用需求。

生态保护S2 情景：生态保护情景的目的是加强草地、林地等生态土地的管护。在自然发展情景的前提下，参照《江西省国土空间总体规划(2021—2035 年)》提出的“提升森林、湿地和农业等生态系统碳汇能力，推进落实碳中和目标”，严格控制具有生态功能的农田、草地、林地向建设用地的转换。在生态保护情景下，耕地向建设用地转移的概率降低了30%，并将减少的概率增加到耕地转为林地，草地和林地向建设用地转移的概率降低了50%，草地向林地的转移概率增加30%，并将水域和自然保护区范围作为限制区。

经济发展S3情景：江西省是粮食主产区之一，因此《江西省国土空间总体规划(2021—2035 年)》提出“构建‘五区三带’的农业空间格局”，以及“构建‘一圈两轴多群’的城镇开发格局，到2035 年，城镇化率提高到72%～74%左右，在统筹城乡发展的过程中保证农产品的充分供给。因此，在经济发展情境中将耕地的邻域权重增加到0.7，建设用地的邻域权重设定为1。建设用地是经济发展最重要的用地，因此，将建设用地向其他地类转移的概率下降30%，耕地、林地、草地分别向建设用地转移概率增加20%。

2.3.2 土地利用程度变化分析

土地利用程度一般使用土地利用程度综合指数来衡量，它定量地反应了人类活动对生态环境的开发利用程度。本文将研究区划为1840 个格网，每个格网均为10 km×10 km 大小，计算每个格网的土地利用程度指数。因为经过实验对比发现，于江西省而言，10 km×10 km的格网尺度能最好地呈现区域间的土地利用程度变化差异。参考以往的研究[17]，将土地利用程度分为以下四个等级（表3），公式为：

表3 土地利用类型分级指数Table 3 Classification index of land use type

表4 研究区土地利用碳密度参考值Table 4 Carbon density in the study area/(t/hm2)

式中：Ix为第x 个格网土地利用综合程度指数；iA为第i级土地利用程度；Si为第i 级土地利用面积；S 为格网面积；n 为土地利用程度分级数。

2.2.3 基于InVEST 模型的碳储量计算

InVEST 碳储量评估需要地上碳密度、地下碳密度、死亡有机质碳密度和土壤碳密度四个碳库[18]。公式如下：

式中：Ci表示地类i的总碳密度；Ci-above表示地类i的地上碳密度；Ci-below表示地类i的地下碳密度；Ci-soil表示地类i的土壤碳密度；Ci-dead表示地类i的死亡有机质碳密度；Ci-total为地类i的总碳储量；Ai为地类i的面积。

本文碳密度数据主要依据已公开发表的文献获得。

3 结果与分析

3.1 江西省土地利用变化分析

2000—2020 年，林地是江西省最重要的土地利用类型，超过土地总面积的60%，耕地、草地和水域的面积占比相对较少，建设用地和未利用地的面积占比最小。20 年间，耕地、林地、未利用地分别减少887 km²、1 725 km²和402 km²。草地面积下降70 km²。水域和建设用地则不断扩张，其中水域扩张了391 km²，建设用地面积扩张的最为显著，2000—2020 年建设用地一共增加了2 693 km²。

如表2 和表5 所示，近20 年，耕地和林地作为最主要的转出用地，分别向其他用地转出了18 961 km²和18 900 km²,共占据了总转出面积的80%，其中耕地有70.18%转给林地，15.28%转给建设用地；林地有73.27%转给耕地，14.83%转为草地。20 年间，建设用地一共转入4 648km²，其中62.33%来源于耕地转出，28.96%来源于林地转出。耕地和林地的转换率最高。

表5 江西省2000—2020 年土地利用转移矩阵Table 5 Land use transfer Matrix of Jiangxi Province from 2000 to 2020单位：km²

如图3 和表6 所示，在预测的2030 年S1 情景下的土地利用中，草地、水域和建设用地分别比2020 年增加258 km²、112 km²和1 329 km²，其他土地类型则略微减缩，其中耕地面积减少663 km²，林地面积减少1 008 km²，未利用地减少17 km²。S2 情景是基于生态保护设定，严格限制林地向其他土地类型转换，因此2030 年S2 情景下的林地面积保持不变，草地面积扩大100 km²，水域面积扩大97 km²，建设用地面积增幅放缓，增加了666 km²，耕地和未利用地则减少844 km²和17 km²。经济发展设定的S3 情景下，建设用地增长最为迅速，增加了1 691 km²，草地和水域分别增加237 km²和106 km²，林地和耕地减少的最多，分别减少了1 155 km²和851 km²。

表6 2000—2020 年土地利用面积及2030 年三种情景下预测面积Table 6 Land use area from 2000 to 2020 and predicted area in 2030 under three scenarios单位：km²

图3 江西省2000—2020 年及2030 年三种情景下土地利用变化Fig.3 Land use change under three scenarios from 2000 to 2020 and 2030 in Jiangxi Province

3.2 江西省土地利用程度变化分析

在ArcGIS 中采用自然间断点分级法，对计算得到的土地利用程度指数进行分级。将Ix≤2.09 的格网分为低强度带，Ix 为2.09～2.22 的格网分为较低强度带，Ix 为2.22～2.40 的格网分为中强度带，Ix 为2.40～2.64 的格网分为较高强度带，Ix＞ 2.64 的格网分为高强度带（图4）。

图4 江西省2000-2030 年土地利用程度变化Fig.4 Change of land use degree in Jiangxi Province from 2000 to 2030

从图4 及表7 可得，江西省2000—2020 年土地利用程度总体上来看呈现“北高南低，中间高、四周低”的趋势，土地利用高强度带主要分布在南昌市及其周围地区。赣南、赣西北和东北区的土地利用高强度带分布较少，甚至赣州市全市总体上都处于中低强度带的分布区域内。高强度带内主要分布的是建设用地和耕地，中低强度带则分布的是林地、草地。形成这种空间分布特征的原因可能是高强度带是人口聚集的主要区域，生成了较多的建设用地和耕地，人类活动对于生态环境的改变较大，因此土地利用程度高。从2000—2020 年的发展趋势来看，土地利用低强度带格网数量不断减少，中强度带波动上升，较高强度带转变为高强度带致使其数量持续增加。在空间分布上，由于建设用地以南昌市为中心向周围城市扩展，土地利用高强度带也随之外扩。在预测的2030年三种情景中，经济发展S3 情景下建设用地的比例最高，因此土地利用高强度带数量最多，S2 情景限制了建设用地面积增长，因此土地利用高强度带数量最少，但总体上的扩张方向与2000—2020 年是一致的。2030 年模拟的三种情景下，生态保护S2 情景土地利用中低强度带格网数量最多，经济发展S3 情景中高强度带最多。

表7 江西省2000-2020 及2020 年三种情景下土地利用程度带数量Table 7 Number of land use intensity zones under three scenarios from 2000 to 2020 and 2020 in Jiangxi Province

3.3 江西省碳储量变化分析

将2000—2020 年及2030 年三种情景计算的碳储量的值提取到10 km×10 km 的格网，按照自然间断点分级法将碳储量分为5 个等级，0～316 272 t/100 km²分为有待提高区，316 273～679 321 t/100 km²分为一般重要区，679 322～978 363t/100 km²分为比较重要区，978 364～1172 386 t/100 km²分为重要区，1172 387～1315 153 t/100 km²分为极重要区。从图5 可以看出，碳储量的重要性分级区域基本与土地利用程度分级一致，土地利用程度低的地带碳储量重要级高，土地利用程度高的区域碳储量重要级相对低。

图5 江西省2000-2030 年碳储量变化分布图Fig.5 Carbon storage distribution map of Jiangxi Province from 2000 to 2030

从图5、表8 可得，江西省2000 年、2010 年和2020年 碳 储 量 分 别 为1 937.69×106t、1 928.90×106t 和1 914.83×106t，呈现逐步下降的趋势，2000—2020 期间碳储量损失22.86×106t，其中2010—2020 年碳储量的损失相对更多，为14.07×106t。

表8 江西省2000-2030 年各土地利用类型碳储量Table 8 Carbon storage by land use type in Jiangxi Province from 2000 to 2030单位：×106 t

2030 年预测的S1、S2、S3 三种土地利用情景对应的碳储量依次为1 901.94×106t、1 909.44×106t、1 899.45×106t。与2020 年对比，2030 年三种情景下的碳储量又分别减少12.89×106t，5.38×106t 和15.38×106t。在2030 年S1、S2、S3 情景中，耕地、林地和未利用地三种地类的碳储量呈跌势，草地和建设用地的碳储量呈涨势。

不同的土地利用类型中，林地的碳储量最多，耕地次之，草地、建设用地和未利用地的碳储量相对较少。林地面积在区域总面积中占比高达60%，其碳储量对研究区碳储总量的贡献率约为70%，对整个区域的碳储量贡献值最大，是主要的碳库。耕地的面积占总面积的26%，碳储量占区域总量的24%。但是由于建设用地的扩张占用林地、草地，林地和草地的面积有所减少，其碳储量也在趋于下降，与此同时建设用地的碳储量在增加，但是建设用地的碳密度比林地、草地的碳密度低，因此因建设用地增加而增加的碳储量要比林地、草地减少而减少的碳储量少得多，总体来看，区域内的总碳储量是趋于减少的。

3.4 土地利用程度与碳储量双变量空间自相关变化分析

运用GeoDa 软件对研究区土地利用程度综合指数和碳储量进行双变量空间自相关分析，结果显示6 期数据均通过了1%的显著性检验，说明在99.9%的置信度下江西省土地利用程度和碳储量具有正向空间相关性。2000—2020 年及2030 年三种情景下的Moran’s I 值分别为0.557、0.560、0.563、0.566、0.566 和0.565。如图6 所示，这说明江西省土地利用程度与碳储量有着较高空间相关性，土地利用程度高值区其碳储量值较低，土地利用程度低值区其碳储量值较高。

图6 土地利用程度综合指数与碳储量双变量Moran’s I 散点图Fig.6 Comprehensive index of land use degree and bivariate Moran’s I scatter plot of carbon storage

4 讨论

本文设置了自然发展、生态保护以及经济发展三种土地利用模拟情景，利用PLUS 模型模拟了江西省2030年土地利用变化，并使用InVEST 模型计算了2000—2030 年江西省碳储量时空变化。研究结果发现，江西省2000—2030 年碳储量呈减少的趋势，2000—2030 年S3情景减少最多，约38.24×106t。江西省碳储量与土地利用综合程度指数是正相关关系，碳储量的空间动态变化特征与土地利用变化特征高度吻合。截止2020 年，江西省人口总量规模继续扩大，城镇化水平首次超过60%，建设用地也由2000 年的2 701 km2扩张到2020 年的5 394 km2，增长了约2 倍。这是由于人口不断增长和社会经济发展引起更加剧烈的人类活动，建设用地通过侵占耕地和林地使生态环境向负向发展，碳储量也因此持续下降[24]。本研究预测的2030 年江西省3 种情景下的碳储量变化有比较明显区别，S1 和S3 情景下碳储量较2020年相比分别持续减少12.89×106t 和15.38×106t，而这两种情景下的土地利用变化特征也相对一样，都是耕地、林地减少，草地、水域和建设用地增加；S2 情景下碳储量的变化较2020 年相比只减少5.38×106t，这比S1 和S3 情景下计算的碳储量损失要少得多，究其原因可能是S2 情景下加大了对生态用地的保护并在一定程度上限制了建设用地的扩张趋势，具有高碳密度值的林草地的转出率大大下降，因此延缓了陆地生态系统碳储量的下降趋势。在各类用地对碳储总量的贡献中，林地以高达约71%的占比远远超出其他用地的贡献占比。林地因其巨大的固碳能力成为陆地生态系统最重要的碳库[25]，而江西省又是一个拥有林地面积高达60%以上的“绿省”，因此严格限制林地的转出是实现“双碳”目标下绿色国土生态格局的重要举措。此外，耕地对碳储量的贡献约为24%，与林地碳储量相比，耕地碳储量下降的比较慢，这可能是因为江西省贯彻最严格的耕地保护制度，严格控制建设占用耕地，耕地面积下降幅度比较小。草地、未利用地和建设用地对碳储量的贡献较少，但建设用地的碳储量在随着其面积的扩张而不断增加。

本研究使用PLUS 和InVEST 模型定量的评价未来土地利用与陆地生态系统碳储量的关系，能够比较清晰地反映二者在空间和数量上的联系，对于优化区域生态系统服务功能，制定可持续的社会经济发展战略以及区域碳排放管理等具有重要意义。但也存在许多的不确定因素，首先，本研究中PLUS 模型设置的经验参数会对模型的精度造成一些不确定性影响，在现实中影响土地利用变化的因素实际上可能会更多，本文参考的影响因素是根据数据在时空上的可获得性与量化的可能性，还有许多无法量化的影响因子并未在模型中得到考虑；其次，虽然InVEST 模型能够清晰地反映碳储量的时空变化，但仍存在不确定性。在InVEST 模型中，只考虑了各种土地类型的变化对碳储量的影响，这没有考虑到碳密度的年际变化带来的影响。而碳密度又与气候、水文、土壤等诸多因子息息相关[26]。本研究中InVEST 模型使用的碳密度数据是基于文献汇总的途径获取，并不是实测碳密度数据，因此应对研究区进行多年连续的碳密度监测以确保数据的合理准确性，这样碳储量的评估结果才能更贴近实际[27]。

5 结论

（1）2000—2020 年，江西省的耕地、林地和未利用地持续下降，水域和建设用地面积扩张，草地呈现先下降后增加的趋势。到2020 年，各类用地的面积占比从大到小依次排列为：林地（61.45%），耕地（26.34%），草地（4.4%），水域（4.31%），建设用地（3.19%），未利用地（0.31%）。2000—2020 年土地利用程度带与土地类型的分布一致性较高，建设用地和耕地聚集区域的土地利用程度一般也比较高，林地、草地、水域等用地类型分布的区域受人类活动干扰小，因此是土地利用中低强度带广泛分布的地区。

（2）较2020 年相比，2030 年三种土地模拟情景中，草地、水域、建设用地面积扩张，其中建设用地在S3 情景下增长了1%的最大幅度；耕地和未利用地则有所减少；林地面积在S1 和S3 的模拟情景下面积变少但在S2 模拟情景下保持与2020 年一致。建设用地碳储量在三种情景下都是增加趋势，并且在S3 情景下碳储量增加最多，为7.35×106t;耕地和未利用地碳储量在三种情景下都在减少;林地碳储量在S1 和S3 情景下减少，在S2 情景中与2020 年持平；草地碳储量增加的较少。

（3）土地利用变化是影响碳储量高低的重要因素，江西省2000—2030 年碳储量与土地利用程度呈正相关性。碳储量高值区内存在大量的林地和草地，低值区内则广泛分布着建设用地和水域。在空间分布上，分布着大量林地的赣州市是主要的碳储量重要区和极重要区，南昌市由于建设用地占比较高，因此属于碳储量低值区。