基于ＰＬＵＳ 与ＩｎＶＥＳＴ 模型的黄河流域九省（ 区） 碳储量变化分析

摘 要：土地利用变化是造成陆地生态系统碳储量变化的主要原因，准确评估陆地生态系统碳储量，对加强生态系统保护、实现双碳目标意义重大。为了给黄河流域土地利用结构优化及管理决策提供科学依据，基于ＩｎＶＥＳＴ 及ＰＬＵＳ 模型，分析２０００—２０２０ 年及２０３０年３ 种情景（惯性发展、耕地保护、生态保护）下土地利用格局，评估各阶段碳储量变化特征。结果显示：黄河流域九省（区）２０００ 年、２０１０ 年、２０２０ 年碳储量分别为１９ ３２４．４０×１０６、１９ １７８．３９×１０６、１９ ３０３．２６×１０６ ｔ，整体呈Ｕ 形分布，主要原因是２０００—２０１０ 年以草地为主的生态用地大量减少。２０３０ 年惯性发展、耕地保护、生态保护３ 种情景下碳储量分别为１９ ５２２．６８×１０６、１９ ６３０．３６×１０６、１９ ６７３．３５×１０６ ｔ，均呈增加趋势。其中生态保护和耕地保护情景较惯性发展情景碳储量增量更大。而对碳储量提升明显的土地利用类型变化主要是耕地向林地转换、草地向林地转换等。研究表明在耕地保护和生态保护情景下，生态退耕、植树造林、未利用地开发、建设用地复垦增绿等手段对增加区域碳储量、提高区域碳汇能力效果明显。

关键词：土地利用变化；ＰＬＵＳ 模型；ＩｎＶＥＳＴ 模型；碳储量；黄河流域

中图分类号：Ｘ３７；ＴＶ８８２．１ 文献标志码：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２４．１２．００４

引用格式：丛中笑，刘金花，孙增禹，等．基于ＰＬＵＳ 与ＩｎＶＥＳＴ 模型的黄河流域九省（区）碳储量变化分析［Ｊ］．人民黄河，２０２４，４６（１２）：２４－３０，３６．

０ 引言

工业革命以来，二氧化碳等温室气体的排放加剧了全球气候变暖并直接威胁全球生态系统可持续发展［１］ 。陆地生态系统作为全球主要碳汇之一，可以通过植被和土壤来储存空气中的二氧化碳［２］ 。而陆地生态系统碳储量作为表征生态系统固碳能力的重要指标，其变化对全球气候变化有着重要影响。土地利用变化（ＬＵＣＣ） 是影响陆地生态系统碳储量的主要因素［３］ ，不仅直接导致植被碳储量发生变化，还通过改变土壤环境和植被残留物返回土壤引起的土壤有机碳的变化来改变其土壤碳储量［４］ 。因此，准确评估土地利用变化，模拟预测土地利用类型变化所导致的碳储量变化趋势，对优化土地利用结构、保持碳循环的平衡稳定具有重要意义。

近年来，国内外学者在土地利用变化影响陆地生态系统碳储量方面做了大量研究。其中采用的碳储量估算方法较多，传统方法主要包括样地详查法、模型模拟法［５］ 、生物量法、蓄积量法［６］ 等。随着３Ｓ 技术的不断发展，遥感监测和各种相关模型的结合更好地解决了传统方法在时空序列及可视化等方面的不足。Ｉｎ⁃ＶＥＳＴ 模型作为目前最为成熟的生态系统服务评估模型［７］ ，具有操作便捷、参数灵活、准确性高等优点，被广泛应用于评估区域生态系统服务功能和碳储量［８］ 。Ｚｈｕ 等［９］ 采用ＩｎＶＥＳＴ 模型计算了淮北采煤沉陷区的碳储量；Ｉｓｌａｍ 等［１０］ 基于ＩｎＶＥＳＴ 模型对林外树木碳储量进行定量评价。部分学者进一步模拟未来土地利用碳储量，武丹等［１１］ 将ＩｎＶＥＳＴ 模型与ＣＡ－Ｍａｒｋｏｖ 模型相结合进行生境质量预测，杨阳等［１２］ 基于ＣＬＵＳ－Ｓ 模型对景观生态风险进行评价，张斌等［１３］ 将ＩｎＶＥＳＴ 模型与ＦＬＵＳ 模型耦合分析土地利用变化对碳储量的影响，袁雪松等［１４］ 基于ＦＬＵＳ 模型进行多情景模拟预测，李俊等［１５］ 耦合ＩｎＶＥＳＴ 模型与ＰＬＵＳ 模型进行土地利用变化动态模拟与碳储量评估。ＰＬＵＳ 模型［１６－１８］是由中国地质大学武汉地理与信息工程学院和国家ＧＩＳ 工程技术研究中心的高性能空间计算智能化实验室开发的土地利用模拟模型［１９］ ，其包含基于土地扩张分析策略（ＬＥＡＳ）的规则挖掘框架和基于多类型随机种子的元胞自动机模块，可以在保证仿真精度的条件下模拟各类土地利用的斑块级变化。当今大多学者聚焦于单一情景下土地利用类型碳储量预测研究，本文基于惯性发展、耕地保护、生态保护３ 种情景进行模拟，凸显３ 种情景下碳储量状况，旨在为政策及土地利用结构调整提供参考。在研究区域方面，大多研究集中于单一省域尺度［８］ 、市域尺度［６，１５－１６］ 、区县尺度［７］ 、区域尺度［１７］ ，对黄河流域的研究相对较少。

黄河流域长期作为我国社会经济发展和生态安全保护的重点区域，其煤炭、石油、天然气资源丰富，是我国重要的能源、化工、原材料产地和基础工业基地［２０］ 。流域九省（区）城镇建设用地扩张显著，林草等生态用地保护需要进一步落实，土地利用变化对整体生态环境及碳储量变化产生了较大影响。冯薇等［２１］ 对黄河流域７２ 个地市土地利用碳排放效率及其时空格局进行研究，结果显示黄河流域土地利用碳排放效率总体上升；马远等［２２］ 研究了黄河流域土地利用碳排放的时空演变及影响因素，发现黄河流域净碳排放总量增加但增速不断下降。本研究将黄河流域九省（区）作为研究区域，通过ＩｎＶＥＳＴ 模型计算并分析２０００—２０２０年黄河流域不同时期土地利用变化对碳储量的影响，利用ＰＬＵＳ 模型预测多情景下２０３０ 年黄河流域碳储量，以期为黄河流域土地利用结构调整及管理决策提供参考。

１ 研究区概况与数据来源

黄河发源于青藏高原巴颜喀拉山脉，流经九省（区），最后于山东东营垦利区注入渤海，是连接青藏高原、黄土高原、华北平原的生态廊道。黄河流域大部分位于干旱、半干旱地带，地貌多样，流域内植被覆盖率低，天然次生林和天然草地面积少，植被生产力水平较低。

研究所用数据包括土地利用数据、自然环境数据及社会经济数据。其中，土地利用数据（２０００ 年、２０１０年、２０２０ 年）来源于中科院资源与环境数据中心，分辨率为１ ｋｍ×１ ｋｍ。综合考虑数据可获取性、时效性及显著性原则，选取１１ 个土地利用变化驱动因子，包括５ 个自然环境数据和６ 个社会经济数据，具体见表１。

２ 研究方法

２．１ ＰＬＵＳ 模型

ＰＬＵＳ 模型是在ＦＬＵＳ 模型的基础上构建的一种改进的ＣＡ 模型［１９］ ，以栅格数据为基础对斑块级土地利用变化进行模拟，其耦合了土地扩张分析策略（Ｌａｎｄ Ｅｘｐａｎｓｉｏｎ Ａｎａｌｙｓｉｓ Ｓｔｒａｔｅｇｙ， ＬＥＡＳ）和基于多类型随机种子（ ＣＡ ｂａｓｅｄ ｏｎ Ｍｕｌｔｉｐｌｅ Ｒａｎｄｏｍ Ｓｅｅｄｓ，ＣＡＲＳ），在动态模拟多种土地利用斑块变化方面有一定优势。

２．１．１ ＬＥＡＳ 模块

ＬＥＡＳ 模块对两个时点的土地利用数据进行分析，采用随机森林分类算法探索各土地利用类型扩张与多驱动因素关系、获取各土地利用类型的发展概率及驱动因素对该时段各土地利用类型扩张的贡献。公式如下：

式中：Ｐｄｉ，ｋ（Ｘ） 为空间单元ｉ 处ｋ 类土地利用类型增长的概率；Ｘ 为由驱动因子组成的向量；Ｍ 为决策树数量；参数ｄ 取０ 或１，ｄ ＝ １ 表示其他土地利用类型可以转变为土地利用类型ｋ，ｄ ＝ ０ 表示其他土地利用类型不可以转变为土地利用类型ｋ；ｈｎ（Ｘ）为在决策树为ｎ 时计算得到的土地利用预测类型；Ｉ［ｈｎ（Ｘ）＝ ｄ］为决策树的指数函数。

２．１．２ ＣＡＲＳ 模块

ＣＡＲＳ 模块对多种土地利用类型斑块演化的模拟采用基于阈值下降的多类型随机斑块种子机制。其中转移成本矩阵主要依靠历史土地利用数据和经验设定。邻域权重参数代表着不同土地利用类型的扩张强度［２３］ ，反映了各土地利用类型在空间驱动因子影响下的扩张能力，笔者基于前人经验［２４］ ，通过反复调试确定了２０１０—２０２０ 年邻域权重，见表２。

通过２０００ 年和２０１０ 年两期土地利用数据，综合考虑自然、人文、经济、社会等方面，将１１ 个驱动因子作为预测变量，计算出各土地利用类型的适宜性概率，再以２０００ 年土地利用数据作为模拟基准，通过ＣＡＲＳ模块得到２０２０ 年土地利用模拟数据；将模拟结果与２０２０ 年实际土地利用数据进行对比，Ｋａｐｐａ 系数为０．６８，表明ＰＬＵＳ 模型所预测的土地利用数据准确性较高，可以作为黄河流域土地利用类型预测模型。

２．１．３ 情景设置

为探究不同发展目标下黄河流域土地利用变化情况，考虑各阶段发展重心，通过改变转移矩阵，分别设置惯性发展情景、生态保护情景及耕地保护情景预测２０３０年黄河流域土地利用空间格局。各情景设置见表３。

２．２ ＩｎＶＥＳＴ 模型Ｃａｒｂｏｎ 模块

ＩｎＶＥＳＴ 是为生态系统管理与决策提供支撑的模型体系，多用于评估生态系统服务功能及其经济价值。ＩｎＶＥＳＴ 模型的Ｃａｒｂｏｎ 模块将生态系统碳储量划分为４ 个主要碳库，包括地上生物碳（陆地上活的植被中的碳）、地下生物碳（活的植物根系中的碳）、土壤碳（土壤中的碳）和死亡有机碳（植物枯落物中的碳）。总碳储量计算公式为

式中：ｉ 为土地利用类型，Ｃｉ 为土地利用类型ｉ 总碳密度，Ｃｉ，ａ为土地利用类型ｉ 地上生物碳密度，Ｃｉ，ｂ为土地利用类型ｉ 地下生物碳密度，Ｃｉ，ｓ 为土壤碳密度，Ｃｉ，ｄ 为死亡有机碳密度，Ｃｔ 为碳储总量，Ｓｉ 为土地利用类型ｉ总面积，ｎ 为土地利用类型总数。

ＩｎＶＥＳＴ 模型要求输入准确碳密度值，见表４。本研究不同土地利用类型碳密度数据来源于国家生态科学数据中心（ｈｔｔｐ：／／ ｗｗｗ．ｃｎｅｒｎ．ｏｒｇ．ｃｎ／ ），并参考了前人研究成果［３］ 。

３ 结果与分析

３．１ 土地利用变化分析

３．１．１ ２０００—２０２０ 年黄河流域土地利用变化分析

由图１、图２ 可知：２０００ 年黄河流域土地利用类型以草地为主，其占总面积［黄河流域九省（区）内总面积，下同］的３９．９０％；未利用地和耕地，分别占总面积的２２．３４％和１９．１５％；林地占总面积的１４．９７％；水域、建设用地占比较小，均不足２．００％。２０００—２０２０ 年各土地利用类型面积变化显著，其中：耕地面积逐渐减少，２０２０ 年较２０００ 年减少２２ １７２ ｋｍ２；林地、未利用地面积先增后降，２０１０ 年面积最大，林地为５５１ ２０８ ｋｍ２，未利用地为８０１ ５１９ ｋｍ２；水域和建设用地面积逐年增加， 至２０２０ 年分别增长１１ ２４５ ｋｍ２、２９ ９５８ ｋｍ２，增幅分别为１７．５４％和４６．４０％。

通过ＡｒｃＧＩＳ 软件分析黄河流域２０００—２０２０ 年土地利用情况，构建土地利用转移矩阵，见表５。通过转移矩阵可以看出，黄河流域转出土地主要来源于耕地、草地和未利用地，转出面积分别为１５８ ２０４、２２９ ５３１、１１３ ６１２ ｋｍ２， 占总转出面积的２４． １０％、３４． ９６％、１７．３０％；而转入土地利用类型主要为耕地、林地、草地，转入面积占比分别为２０．７２％、１７．２８％、３５．７２％。５０．５６％ 的耕地转入面积来自于草地，转入面积为６８ ７７３ ｋｍ２；６４．４０％林地转入面积来自于草地，转入了７３ ０４７ ｋｍ２；３８．３７％的草地转入面积来自于未利用地；建设用地转入中７４．１４％来自耕地，共转入了４４ ２９０ ｋｍ２。转出面积最大的草地研究期间主要流向耕地、林地和未利用地，分别转换了６８ ７７３、７３ ０４７、６８ ２３８ ｋｍ２，占转出面积的２９．９６％、３１．８３％、２９．７３％。综上，黄河流域研究期内主要土地利用变换为耕地与林地、草地、建设用地之间的转换。随着经济高速增长及城市化进程的不断加快，建设用地不断扩张，越来越多的耕地流向建设用地。同时，随着一系列生态修复工程的实施，越来越多未利用地及草地被修复为生态价值更高的草地和林地。不同土地利用类型间的相互转换成为引发碳储量变化的主要原因，分析黄河流域土地利用格局时空变化特征是评估黄河流域碳储量变化的重要依据。

３．１．２ ２０３０ 年土地利用预测结果分析

通过建立不同情景土地利用转移矩阵，预测得到不同情景下黄河流域２０３０ 年土地利用类型数据，见表６、图３。惯性发展情景下，各土地利用类型依据历史规律惯性演变，延续了２０００—２０２０ 年的土地利用变化趋势，草地、水域及建设用地面积增加，２０２３ 年较２０２０年分别增加５７ ５２９、５ ２６８、３ ２６２ ｋｍ２。其中，草地面积增加最多， 而未利用地减少最多， 较２０２０ 年减少５１ ０１２ ｋｍ２。总的来说，惯性发展情景下未利用地开发显著，草地等生态用地恢复明显，建设用地面积增加，多表现为建设用地侵占耕地和未利用地。

耕地保护情景下，耕地保护政策作用明显，基本农田得到保障，耕地向其他土地利用类型转换受到严格限制，建设用地扩张趋势放缓，耕地呈现稳步增长趋势，２０３０ 年与２０２０ 年相比耕地增加了１４ ２４３ ｋｍ２；草地和建设用地面积增加，分别增加了５７ ５２９ ｋｍ２ 和７１２ ｋｍ２，主要来自于林地和未利用地转入，林地和未利用地面积分别减少了１０ ３６０、５２ ４８３ ｋｍ２。

在生态保护情景下，受生态保护政策的影响，２０３０年相比２０２０ 年，生态用地面积逐渐恢复。其中：林地和草地面积分别增加３０ ６３４、２１ ２４６ ｋｍ２，增幅分别为５．７％、１．５％；水域和建设用地面积同样出现小幅度增加，分别增长３ ２８３ ｋｍ２和２ ００７ ｋｍ２；耕地由于未受到转换限制，因此出现了一定程度的减少，较２０２０ 年减少约０．５％。

３．２ 碳储量变化分析

３．２．１ ２０００—２０２０ 年碳储量变化特征

通过ＩＮＶＥＳＴ 模型分别计算黄河流域２０００ 年、２０１０ 年、２０２０ 年及未来２０３０ 年在惯性发展情景、耕地保护情景及生态保护情景下的碳储量，见表７、图４。由表７ 可以看出，黄河流域２０００—２０２０ 年碳储量先下降后上升，２０１０ 年碳储量最低，为１９ １７８．３９×１０６ ｔ。该时段正处于快速城市化阶段，经济快速增长的同时牺牲了生态环境质量，更多的高碳密度区转换为低碳密度区，黄河中上游地区草地退化较为严重，大量草地转换成为耕地、建设用地及未利用地；２０１０ 年后，生态保护力度加大，林地和草地等高碳密度区得到重点保护。其中，草地作为黄河流域重要的碳库，２０２０ 年碳储量占全流域总碳储量的４９％，碳储量总体得到恢复，此部分为该阶段碳储量变化的主要原因。

３．２．２ ２０２０—２０３０ 年不同情景碳储量变化分析

通过ＰＬＵＳ 模型预测２０３０ 年黄河流域惯性发展、生态保护及耕地保护情景下的土地利用变化；再结合ＩｎＶＥＳＴ 模型分别计算黄河流域２０３０ 年３ 种情景下的土地利用碳储量并分析其变化情况，见表７。２０３０ 年惯性发展、生态保护及耕地保护情景下土地利用碳储量分别为１９ ５２２．６８×１０６、１９ ６７３．３５×１０６、１９ ６３０．３６×１０６ ｔ，相比２０２０ 年碳储量均呈增加趋势。１）惯性发展情景下草地、水域、建设用地３ 种土地利用类型碳储量呈增长趋势。２）耕地保护情景下总碳储量相比２０２０ 年增加了３２７．１０×１０６ ｔ，相较惯性发展情景高１０７．６８×１０６ ｔ，在此情景下，耕地保护政策限制了建设用地侵占耕地，耕地碳储量较２０２０ 年增长了８７．０７×１０６ ｔ。耕地作为高碳密度土地利用类型，其面积稳步增长是该情景碳储量得到增长的主要原因。３）生态保护情景下总碳储量增加了３７０．０９×１０６ ｔ，其中，林地作为碳密度最高的土地利用类型， 碳储量增长明显， 由２０２０ 年的５ １８０．２１×１０６ ｔ增长至５ ４６４．００×１０６ ｔ，草地、水域及建设用地碳储量均呈现不同程度的增长。生态保护情景碳储量在三种情景中增速最快。通过实施生态保护政策，严格控制林地、草地向其他低碳密度土地利用类型转换可以有效降低碳储量损失，对于提升黄河流域整体固碳能力，提高区域生态服务价值有着积极作用。

不同土地利用类型之间土壤及植被碳密度存在一定差异，使得不同土地利用类型间的转换对碳储量的影响存在差异，见表８。２０２０ 年至２０３０ 年惯性发展情景中，各土地利用类型之间的转换未受到限制，碳储量整体增长不太明显。在生态保护情景中，由于对林地、草地等生态用地转出的限制，林地、草地的碳汇功能得到保护，因此碳储量减少趋势减弱。而耕地向林地及未利用地向草地的转换使碳储量大幅增加。耕地保护情景下，耕地作为高碳密度土地利用类型，其转出得到管控，转出造成的碳储量转换明显减少。通过分析各土地利用类型转换造成的碳储量变化可以发现，由水域、建设用地、未利用地向耕地、林地、草地等转换均可以带来碳储量增加，而耕地向水域、建设用地及未利用地转换，林地向其他各土地利用类型转换，草地向耕地、水域、建设用地、未利用地的转换均造成碳储量减少。因此，保证碳储量稳定增长的有效措施主要是严格控制耕地向非农用土地利用类型转换，同时保证草地及林地面积不减少。

４ 讨论

本文借助ＩｎＶＥＳＴ 模型和ＰＬＵＳ 模型，设置不同发展情景对未来碳储量进行评估，预测不同土地利用发展方式及土地利用类型变化对碳储量的影响，对于建立健全能够体现碳汇价值的生态保护补偿机制，科学评估生态保护碳汇能力有着重要意义。研究发现，黄河流域九省（区）２０００—２０２０ 年土地利用格局发生了较大变化，其中草地变动最为剧烈。２０００—２０１０ 年草地受到过度放牧等影响大面积减少，给生态系统带来严重威胁。２０１０—２０２０ 年草地面积和蓄积量逐渐得到提升，这与退牧还草、禁牧轮牧等生态保护建设措施的实施密不可分。耕地在这一期间逐渐减少，耕地进出平衡、占补平衡等保护政策需要持续推进、严格落实。这一期间黄河流域九省（区）碳储量先降后增，生态系统固碳作用得到巩固，有利于碳达峰、碳中和的土地利用开发保护格局形成。

土地利用变化会对生态系统碳储量造成显著影响。本文所设３ 种情景中，生态保护情景下碳储量增量最大，而草地是黄河流域最大碳库，保护森林、草地碳库对黄河流域九省（区）未来碳储量具有重要作用。综合来看，黄河流域九省（区）未来应在生态保护背景下，通过植树造林、未利用地开发、建设用地复垦增绿等手段促进未利用地、建设用地向草地、林地转换；同时，优化地区产业结构，促进高耗能产业转型升级。从减排增汇两个方向，维持地区陆地生态系统碳储量稳定增长，促进人与自然和谐相处。

本文ＩｎＶＥＳＴ 模型中所采用的碳密度是参考前人研究成果选取的与研究区域相适应的碳密度值，未充分考虑环境变化及人类活动对其产生的影响，使得碳储量测算存在一定误差。此外，在对未来土地利用的模拟中，由于研究区面积较大，且土地利用变化会受政策及国土空间规划等方面的影响，因此模拟结果精度存在提升的空间，需要在以后的研究中进一步对土地利用模拟的精度进行修正，从而使得模拟结果更加科学可靠。

５ 结论

本文通过结合ＰＬＵＳ 模型和ＩｎＶＥＳＴ 模型，分析黄河流域２０００—２０２０ 年土地利用及碳储量变化情况，并对不同情景下黄河流域２０３０ 年的土地利用和碳储量进行模拟和分析。具体结论如下：

１）２０００—２０２０ 年黄河流域耕地和未利用地面积整体呈减少趋势，其中耕地面积持续减少，共减少２２ １７２ ｋｍ２，未利用地面积研究期间先增后降，２０１０ 年达到峰值；林地、草地、水域和建设用地研究期间整体呈增加趋势。其中，建设用地增长最多，增加了２９ ９５８ ｋｍ２；林地、草地及水域面积增长约为８ ０８９、４ ９９１、１１ ２４５ ｋｍ２。研究期间黄河流域转出土地主要来源于耕地、草地和未利用地，而主要转入土地利用类型则为耕地、林地、草地。转换类型主要为草地向耕地、草地向林地、未利用地向草地、耕地向建设用地、草地向未利用地转换。

２）２０００—２０２０ 年黄河流域碳储量总量先降后增，２０００—２０１０ 年碳储量降低了１４６．０１×１０６ ｔ，而２０１０—２０２０ 年碳储量增加了１２４．８７×１０６ ｔ，整体下降了２１．１４×１０６ ｔ。草地是碳储量最多的土地利用类型，２０２０ 年碳储量占全流域总碳储量的４９％。研究期间耕地碳储量持续降低，水域和建设用地碳储量整体增长，林地、未利用地碳储量先增后降。

３）通过ＰＬＵＳ 模型预测了３ 种情景下２０３０ 年土地利用类型，其中：惯性发展情景下，黄河流域草地等生态用地得以恢复，建设用地继续扩张，未利用地得到开发（相较２０２０ 年减少５１ ０１２ ｋｍ２）；耕地保护情景中，耕地减少趋势得到有效控制，林地、未利用地减少明显，建设用地扩张收敛；生态保护情景中，林地、草地等生态用地逐渐增加，分别增加了３０ ６３４、２１ ２４６ ｋｍ２，水域和建设用地小幅度增加，耕地及未利用地减少。

４）２０３０ 年３ 种情景下碳储量均表现为增加趋势，生态保护情景下碳储量增量最大，而惯性发展情景下碳储量增量最小。惯性发展情景下，总碳储量较２０２０ 年增加了２１９．４２×１０６ ｔ，其中碳储量增长土地利用类型主要为草地、水域及建设用地。耕地保护情景下碳储量总量增加了３２７．０９×１０６ ｔ，其中耕地碳储量较２０２０ 年增长了８７．０７×１０６ ｔ，耕保政策对碳储量增长作用明显。生态保护情景下，碳储量总量增加３７０．１０×１０６ ｔ，这一情景中高碳密度土地利用类型得到保护，尤其林地碳储量增加明显。

参考文献：

［１］ ＦＡＮ Ｌｉｙａｏ，ＣＡＩ Ｔｉａｎｙｉ，ＷＥＮ Ｑｉａｎ，ｅｔ ａｌ．Ｓｃｅｎａｒｉｏ Ｓｉｍｕｌａｔｉｏｎｏｆ Ｌａｎｄ Ｕｓｅ Ｃｈａｎｇｅ ａｎｄ Ｃａｒｂｏｎ Ｓｔｏｒａｇｅ Ｒｅｓｐｏｎｓｅ ｉｎ ＨｅｎａｎＰｒｏｖｉｎｃｅ，Ｃｈｉｎａ： １９９０ － ２０５０ ［ Ｊ］． Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ，２０２３，１５４：１１０６６０．

［２］ ＷＡＮＧ Ｚｈｕｏ，ＺＥＮＧ Ｊｉｅ，ＣＨＥＮ Ｗａｎｘｕ．Ｉｍｐａｃｔ ｏｆ Ｕｒｂａｎ Ｅｘ⁃ｐａｎｓｉｏｎ ｏｎ Ｃａｒｂｏｎ Ｓｔｏｒａｇｅ Ｕｎｄｅｒ Ｍｕｌｔｉ⁃Ｓｃｅｎａｒｉｏ Ｓｉｍｕｌａｔｉｏｎｓｉｎ Ｗｕｈａｎ，Ｃｈｉｎａ［Ｊ］．Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ ａｎｄ ＰｏｌｌｕｔｉｏｎＲｅｓｅａｒｃｈ，２０２２，２９（３０）：４５５０７－４５５２６．

［３］ 杨洁，谢保鹏，张德罡．基于ＩｎＶＥＳＴ 和ＣＡ⁃Ｍａｒｋｏｖ 模型的黄河流域碳储量时空变化研究［Ｊ］．中国生态农业学报（中英文），２０２１，２９（６）：１０１８－１０２９．

［４］ ＬＩ Ｊｉａｓｈｅｎｇ，ＧＵＯ Ｘｉａｏｍｉｎ，ＣＨＵＡＩ Ｘｉａｏｗｅｉ，ｅｔ ａｌ．ＲｅｅｘａｍｉｎｅＣｈｉｎａ’ｓ Ｔｅｒｒｅｓｔｒｉａｌ Ｅｃｏｓｙｓｔｅｍ Ｃａｒｂｏｎ Ｂａｌａｎｃｅ Ｕｎｄｅｒ ＬａｎｄＵｓｅ⁃Ｔｙｐｅ ａｎｄ Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ［Ｊ］．Ｌａｎｄ Ｕｓｅ Ｐｏｌｉｃｙ，２０２１，１０２：１０５２７５．

［５］ 刘坤，张慧，孔令辉，等．陆地生态系统碳汇评估方法研究进展［Ｊ］．生态学报，２０２３，４３（１０）：４２９４－４３０７．

［６］ 杨潋威，赵娟，朱家田，等．基于ＰＬＵＳ 和ＩｎＶＥＳＴ 模型的西安市生态系统碳储量时空变化与预测［Ｊ］．自然资源遥感，２０２２，３４（４）：１７５－１８２．

［７］ 王想，王春雨，吕飞南，等．基于ＰＬＵＳ－ＩｎＶＥＳＴ 模型的区县碳储量时空格局变化与碳汇提升策略：以延庆区为例［Ｊ］．应用生态学报，２０２３，３４（１２）：３３７３－３３８４．

［８］ 祁迷，王飞，滑永春，等．基于ＰＬＵＳ 与ＩｎＶＥＳＴ 模型的内蒙古自治区土地利用变化及碳储量评估［Ｊ］．水土保持学报，２０２３，３７（６）：１９４－２００．

［９］ ＺＨＵ Ｘｉａｏｊｕｎ，ＬＩ Ｊｕｎｘｉｕ，ＣＨＥＮＧ Ｈｕａ，ｅｔ ａｌ．Ａｓｓｅｓｓｉｎｇ ｔｈｅＩｍｐａｃｔｓ ｏｆ Ｅｃｏｌｏｇｉｃａｌ Ｇｏｖｅｒｎａｎｃｅ ｏｎ Ｃａｒｂｏｎ Ｓｔｏｒａｇｅ ｉｎ ａｎＵｒｂａｎ Ｃｏａｌ Ｍｉｎｉｎｇ Ｓｕｂｓｉｄｅｎｃｅ Ａｒｅａ［Ｊ］．Ｅｃｏｌｏｇｉｃａｌ Ｉｎｆｏｒｍａｔ⁃ｉｃｓ，２０２２，７２：１０１９０１．

［１０］ ＩＳＬＡＭ Ｉ，ＣＵＩ Ｓｈｅｎｇｈｕｉ，ＨＯＱＵＥ Ｍ Ｚ，ｅｔ ａｌ．Ｄｙｎａｍｉｃｓ ｏｆＴｒｅｅ Ｏｕｔｓｉｄｅ Ｆｏｒｅｓｔ Ｌａｎｄ Ｃｏｖｅｒ Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄＥｃｏｓｙｓｔｅｍ Ｃａｒｂｏｎ Ｓｔｏｒａｇｅ Ｃｈａｎｇｅ ｉｎ Ｅａｓｔｅｒｎ Ｃｏａｓｔａｌ Ｚｏｎｅ，Ｂａｎｇｌａｄｅｓｈ［Ｊ］．Ｌａｎｄ （Ｂａｓｅｌ），２０２２，１１（１）：７６．

［１１］ 武丹，李欢，艾宁，等．基于ＣＡ⁃Ｍａｒｋｏｖ 的土地利用时空变化与生境质量预测：以宁夏中部干旱区为例［Ｊ］．中国生态农业学报（中英文），２０２０，２８（１２）：１９６９－１９７８．

［１２］ 杨阳，黄义雄，李潇，等．海坛岛土地利用变化模拟与景观生态风险评价［Ｊ］．水土保持通报，２０１７，３７（６）：１４６－１５１，１５６．

［１３］ 张斌，李璐，夏秋月，等．“三线”约束下土地利用变化及其对碳储量的影响：以武汉城市圈为例［Ｊ］．生态学报，２０２２，４２（６）：２２６５－２２８０．

［１４］ 袁雪松，周俊，胡蓓蓓，等．基于ＦＬＵＳ 模型粤港澳大湾区“三生空间” 多情景模拟预测［Ｊ］．地理科学，２０２３，４３（３）：５６４－５７４．

［１５］ 李俊，杨德宏，吴锋振，等．基于ＰＬＵＳ 与ＩｎＶＥＳＴ 模型的昆明市土地利用变化动态模拟与碳储量评估［Ｊ］．水土保持通报，２０２３，４３（１）：３７８－３８７．

［１６］ 石晶，石培基，王梓洋，等．基于ＰＬＵＳ－ＩｎＶＥＳＴ 模型的酒泉市生态系统碳储量时空演变与预测［Ｊ］．环境科学，２０２４，４５（１）：３００－３１３．

［１７］ 巩晟萱，张玉虎，李宇航．基于ＰＬＵＳ－ＩｎＶＥＳＴ 模型的京津冀碳储量变化及预测［Ｊ］．干旱区资源与环境，２０２３，３７（６）：２０－２８．

［１８］ 李安林，周艳，唐丽毅，等．怒江州土地利用模拟及生态系统服务价值评估：基于ＰＬＵＳ 模型的多情景分析［Ｊ］．中国农业资源与区划，２０２３，４４（１）：１４０－１４９．

［１９］ ＬＩＡＮＧ Ｘｕｎ，ＧＵＡＮ Ｑｉｎｇｆｅｎｇ，ＣＬＡＲＫＥ Ｋ Ｃ，ｅｔ ａｌ．Ｕｎｄｅｒ⁃ｓｔａｎｄｉｎｇ ｔｈｅ Ｄｒｉｖｅｒｓ ｏｆ Ｓｕｓｔａｉｎａｂｌｅ Ｌａｎｄ Ｅｘｐａｎｓｉｏｎ Ｕｓｉｎｇ ａＰａｔｃｈ⁃Ｇｅｎｅｒａｔｉｎｇ Ｌａｎｄ Ｕｓｅ Ｓｉｍｕｌａｔｉｏｎ （ＰＬＵＳ） Ｍｏｄｅｌ：ＡＣａｓｅ Ｓｔｕｄｙ ｉｎ Ｗｕｈａｎ，Ｃｈｉｎａ［Ｊ］．Ｃｏｍｐｕｔｅｒｓ，Ｅｎｖｉｒｏｎｍｅｎｔａｎｄ Ｕｒｂａｎ Ｓｙｓｔｅｍｓ，２０２１，８５：１０１５６９．

［２０］ 陆大道，孙东琪．黄河流域的综合治理与可持续发展［Ｊ］．地理学报，２０１９，７４（１２）：２４３１－２４３６．

［２１］ 冯薇，赵荣钦，谢志祥，等．碳中和目标下土地利用碳排放效率及其时空格局：以黄河流域７２ 个地级市为例［Ｊ］．中国土地科学，２０２３，３７（１）：１０２－１１３．

［２２］ 马远，刘真真．黄河流域土地利用碳排放的时空演变及影响因素研究［Ｊ］．生态经济，２０２１，３７（７）：３５－４３．

［２３］ 牛统莉，熊立华，陈杰，等．基于ＰＬＵＳ 模型的长江流域土地利用变化模拟与多情景预测［Ｊ］．武汉大学学报（工学版），２０２４，５７（２）：１２９－１４１，１５１．

［２４］ 王保盛，廖江福，祝薇，等．基于历史情景的ＦＬＵＳ 模型邻域权重设置：以闽三角城市群２０３０ 年土地利用模拟为例［Ｊ］．生态学报，２０１９，３９（１２）：４２８４－４２９８．

【责任编辑 张华岩】

基金项目：教育部人文社科项目（２３ＹＪＣＺＨ０３８）；山东省自然科学基金资助项目（ＺＲ２０２３ＭＤ０６１）；济南市闲置土地处置和防控机制研究项目（Ｚ２１０１４Ｓ）；新时期济南市土地储备开发运行成效及机制优化研究项目（Ｚ２３００４）