縣域土地利用變化對碳儲量影響分析
——以四川省梓潼縣為例

陳朝亮 張文君 武鋒強 韓 丹

(西南科技大學環(huán)境與資源學院 四川綿陽 621010)

近年來，人類生存環(huán)境逐漸惡化，與人類發(fā)展密切相關的全球氣候變化、人地矛盾及溫室氣體排放等問題日益嚴重[1]。陸地生態(tài)系統(tǒng)中儲存的碳對影響全球氣候變化至關重要[2]。植被、土壤作為陸地生態(tài)系統(tǒng)碳儲存的主要形式，土地利用的變化將直接導致碳儲量的變化[3-4]。目前，已有許多學者進行了土地利用變化對碳儲量影響的研究。如Houghton等[5]研究了森林采伐活動對碳儲量的影響；Zhang等[6]估算了1980-2010年中國土地利用變化對陸地碳儲量變化的影響；袁志芬[7]對四川省寶興縣1990-2012年的碳儲存功能進行了動態(tài)評估等。當前研究主要集中在大區(qū)域范圍內的碳儲量估算以及城市擴張對生態(tài)系統(tǒng)碳儲量變化的影響等，而對小尺度范圍內土地利用變化對碳儲量影響及固碳能力的研究相對較少，也沒有對未來縣域土地利用變化對碳儲量影響展開深入探討。鑒于梓潼縣的特殊氣候條件和覆被類型，本文以梓潼縣作為研究區(qū)域，利用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型分析梓潼縣1996-2016年土地利用變化對碳儲量的影響，并利用Dyna-CLUE模型模擬梓潼縣2020年的用地情況，計算梓潼縣2020年的碳儲量分布情況。研究結果可為四川省城鎮(zhèn)土地規(guī)劃提供科學支持，也可為全國環(huán)境保護方針的制定提供參考依據。

1 數(shù)據來源與研究方法

1.1 研究區(qū)概況

梓潼縣位于四川省綿陽市東北方向，屬亞熱帶濕潤季風氣候，年平均氣溫16.5 ℃，年均降水量903 mm。全縣面積1 442.3 km2，區(qū)內地勢東北高西南低，中部夾一低凹的潼江河谷，地貌特征以丘陵為主，特殊的地形地貌影響著梓潼縣內土地利用類型的分布情況。梓潼縣土壤由白堊系下統(tǒng)母質發(fā)育而成，主要為黃紅色泥土，礦物養(yǎng)分豐富?；谕恋乩妙愋偷亩鄻有院蜌夂颉⑼寥纼?yōu)勢，梓潼縣植被生長狀況良好，植被類型以亞熱帶常綠闊葉林、低山常綠針葉林和灌木植被為主。

1.2 數(shù)據來源

本文用于陸地生態(tài)系統(tǒng)碳儲量計算的數(shù)據包括：(1)1996年、2002年、2009年、2016年的Landsat TM/ETM+ 遙感影像，來源于中國科學院地理空間數(shù)據云(http://www.gscloud.cn/search)；(2)梓潼縣行政邊界數(shù)據來源于中國科學院資源環(huán)境科學數(shù)據中心(http://www.resdc.cn/)；(3)研究區(qū)內植被碳密度和土壤碳密度表格。

本文用于模擬區(qū)域土地利用變化的數(shù)據包括：(1)2002年、2009年和2016年Landsat TM/ETM+ 遙感影像，來源于美國航空航天局(https://landsat.gsfc.nasa.gov/data/)；(2)梓潼縣社會經濟發(fā)展、人口等統(tǒng)計數(shù)據，來源于綿陽市統(tǒng)計年鑒；(3)河流、市鎮(zhèn)中心、道路等基礎地理信息數(shù)據來源于研究區(qū)1∶5萬數(shù)字化矢量圖；(4)研究區(qū)的DEM數(shù)據來源于美國地質勘探局(https://earthexplorer.usgs.gov/)。

1.3 碳儲量計算流程

論文技術路線如圖1所示。(1)對4個樣本年份的遙感影像進行監(jiān)督分類，得到梓潼縣土地利用分布圖。(2)將上一步得到的土地利用類型圖與梓潼縣DEM、道路、河流等數(shù)據導入Dyna-CLUE模型，模擬梓潼縣2020年的土地利用。(3)結合前人的研究成果和研究區(qū)的氣候特征，對梓潼縣碳密度值進行修正，得到梓潼縣各土地利用類型的碳密度表格。(4)將梓潼縣碳密度表格和變化前后的土地利用類型圖輸入InVEST模型中，得到梓潼縣碳密度分布圖。

圖1 基于InVEST模型的碳儲量計算流程Fig.1 The structure of carbon stock calculation based on InVEST model

1.4 計算模型

1.4.1 碳儲量計算模型

本文主要運用InVEST模型中的碳儲量模塊(Carbon Storage and Sequestration)來評估梓潼縣的碳儲量，其原理是將不同土地利用類型上4種碳庫(地上生物量、地下生物量、土壤和死亡有機質)的平均碳密度乘以各種土地利用類型的面積來計算研究區(qū)內的碳儲量，計算公式為：

Ctotal=Cabove+Cbelow+Csoil+Cdead

(1)

式中，Ctotal表示碳儲總量，Cabove為地上部分的碳儲量，Cbelow為地下部分的碳儲量，Csoil為土壤碳儲量，Cdead為枯落物碳儲量。基于研究目的需要和數(shù)據獲取的限制，本文只考慮碳庫中占比較大的土壤碳庫和地上、地下生物量碳庫。

1.4.2 碳密度修正

秉承修正公式的研究區(qū)氣候條件與梓潼縣相近的原則，本文采用文獻[8]的公式(公式(2))來修正降水量對碳密度的影響，氣溫與碳密度的關系則借鑒文獻[9]的公式(公式(3)、公式(4))。

CSP=3.3968MAP+3996.1

(2)

CBP=6.798e0.005MAP

(3)

CBT=28MAT+398

(4)

式中，CSP表示根據年降水量得到的土壤碳密度(kg/m2)，CBP，CBT分別為根據年降水量和年均溫得到的生物量碳密度(kg/m2)，MAP表示年均降水量(mm)，MAT表示年均氣溫(℃)。

將全國和梓潼縣的年均溫與年降水量(分別為9 ℃/16.5 ℃，628 mm/902.5 mm)數(shù)據代入上述公式，二者之比即為修正系數(shù)，綜合上述公式得到梓潼縣碳密度修正系數(shù)公式[10]：

(5)

(6)

(7)

式中，T1表示梓潼縣的碳密度數(shù)據，T2表示全國的碳密度數(shù)據。φ為梓潼縣年均降水量(mm)，ω為全國年均降水量(mm)，τ為梓潼縣年均氣溫(℃)，σ為全國年均氣溫(℃)，KS為土壤碳密度修正系數(shù)，KB為生物量碳密度修正系數(shù)。將修正系數(shù)與全國碳密度相乘即可得到梓潼縣碳密度值，如表1所示。

表1 梓潼縣碳密度(單位：kg/m2)Table1 Carbon density of Zitong county (unit:kg/m2)

1.4.3 Dyna-CLUE模型原理

基于現(xiàn)代城鎮(zhèn)化發(fā)展新理念，并結合梓潼縣平地較為破碎的實際情況，本文選擇了在模擬小尺度范圍山區(qū)城鎮(zhèn)用地擴張上更具優(yōu)勢的Dyna-CLUE模型。該模型通過模擬不同土地利用類型之間的競爭關系，從而將土地利用類型分配到最合適的空間位置，以此實現(xiàn)土地利用格局的優(yōu)化[11]。Dyna-CLUE模型的公式為：

Ptoti,t,lu=Ploci,t,lu+Pnbhi,t,lu+Elaslu+Compt,lu

(8)

式中，Ptoti,t,lu為土地柵格單元i在時間t時土地利用類型lu的總概率；Ploci,t,lu為通過邏輯回歸模型(Logistic)得到的土地單元自適應度；Pnbhi,t,lu為土地單元的鄰域適應度，由Getis濾波模型得到；Elaslu為土地利用變化轉換規(guī)則參數(shù)，包括變化轉移矩陣以及難度系數(shù)；Compt,lu為競爭優(yōu)勢系數(shù)，通過迭代計算得到。

Logistic用于計算研究區(qū)內每一柵格單元可能出現(xiàn)某種土地利用類型的概率，土地單元自適應度與概率呈正相關關系，Logistic回歸公式為[12-13]：

(9)

式中，Pi表示某一土地利用類型i在柵格中出現(xiàn)的概率；Xni為柵格中影響土地利用類型變化的驅動因子；βi為驅動因子的回歸系數(shù)，其中β0為常量。

鄰域適應度函數(shù)Pnbhi,t,lu選用Getis濾波模型[14]來計算，其公式為：

(10)

2 結果與分析

2.1 模型運用

本文以梓潼縣1996年、2002年、2009年和2016年4年遙感數(shù)據為支撐，并結合梓潼縣統(tǒng)計資料和基礎地理數(shù)據，預測2020年梓潼縣土地利用情況，在此基礎上利用InVEST模型分析梓潼縣碳儲量的變化。

(1)對梓潼縣1996年、2002年、2009年和2016年4年無云遙感影像進行預處理和監(jiān)督分類，得到梓潼縣1996-2016年土地利用類型分布圖，總體分類精度和Kappa系數(shù)分別為78.4%和0.75。

(2)對從美國地質局上下載的DEM進行處理，得到梓潼縣DEM數(shù)據(分辨率30 m)；對梓潼縣2016年土地利用現(xiàn)狀圖進行數(shù)字矢量化，得到道路(鐵路、高速公路、一級公路、二級公路和鄉(xiāng)道)、河流、建筑居民地等基礎地理數(shù)據；通過查閱統(tǒng)計年鑒得到梓潼縣經濟發(fā)展和人口等統(tǒng)計數(shù)據。

(3)運用Dyna-CLUE模型對前兩步的數(shù)據進行模擬預測，得到梓潼縣2020年土地利用類型圖。

(4)結合我國西南地區(qū)的氣候特征和前人的研究成果，對梓潼縣碳密度修正，得到梓潼縣不同土地利用類型的碳密度表格。

(5)根據得到的梓潼縣不同時期土地利用類型圖和碳密度表格，運用InVEST模型對梓潼縣碳密度值和碳儲量進行分析，最終得到梓潼縣碳密度分布圖。

2.2 歷史碳儲量分析

1996-2016年，因梓潼縣土地利用變化，導致縣內大部分地區(qū)碳儲量呈減少狀態(tài)，碳儲總量從1996年的699.76萬t減少到2016年的584.48萬t。1996-2016年梓潼縣碳密度分布如圖2。

圖2 梓潼縣總體碳密度分布圖(1996-2016年)Fig.2 Distribution of total carbon density in Zitong county

1996-2002年，梓潼縣處于經濟快速發(fā)展時期，木材產業(yè)發(fā)達，大量林木被伐，有林地向灌木林地和草地轉變，由此導致碳儲量急劇減少。同時由于人口的迅速增長，鄉(xiāng)村周圍的灌木草地被開墾為農田，耕地面積不斷擴大，而村莊周圍的耕地被房屋、道路等建設用地替代，村莊規(guī)模開始擴張，進一步加速了碳儲量的減少。2002-2009年，隨著國家退耕還林政策的實施，丘陵區(qū)的部分耕地又逐漸轉變?yōu)楣嗄静莸睾陀辛值兀谡嘤斯ち值却胧┫?，有林地面積開始呈現(xiàn)正增長狀態(tài)，碳儲量減少速度得以放緩。2009-2016年，梓潼縣經濟發(fā)展增速，城區(qū)面積迅速擴大，潼江河谷大面積灘涂逐漸向耕地和建設用地轉變，建設用地的擴張直接導致新一輪碳儲量的流失。1996-2016年梓潼縣碳儲量變化情況如圖3。

圖3 1996-2016年梓潼縣土地利用變化導致的碳儲量變化Fig.3 Carbon stock variation caused by land use change in Zitong County during 1996-2016.

據測算，1996-2002年、2002-2009年、2009-2016年，建設用地擴張面積依次為23.06，21.55，33.82 km2，在導致碳儲量減少的土地利用變化面積中占29.3%，25.1%，34.6%；由建設用地面積增加導致的碳儲減少量依次為15.56，10.74，19.17萬t，占土地利用變化導致的碳儲減少總量的比例為32.2%，38.3%和49.2%。建設用地的擴張導致碳儲減少量逐漸增加，主要是由于在土地利用變化中大量耕地和灌木草地被建設用地替代。相反，由于國家退耕還林以及一系列環(huán)保措施的實施，有林地的面積呈現(xiàn)先減少后增加的變化趨勢，在相同年份中，有林地的變化面積依次為-39.5，33.9，37.6 km2。在4個樣本年份中有林地所含碳儲量依次為103.85，63.88，98.68，149.34萬t，分別占4個年份碳儲總量的14.84%，8.23%，14.24%和25.56%。

2.3 未來碳儲量模擬分析

2016-2020年建設用地擴張主要發(fā)生在各鄉(xiāng)鎮(zhèn)及梓潼縣市區(qū)附近。其中，梓潼縣中西部建設用地擴張明顯。因農村中越來越多的年輕人外出就業(yè)，導致大量耕地荒廢，隨著農村人口的減少，農村中建設面積持續(xù)增加的趨勢得以緩解，但村中空心化現(xiàn)象明顯。同時，由于人口大量向市區(qū)集中以及第三產業(yè)的興起，市區(qū)的面積不斷擴大。主要表現(xiàn)為交通要道沿線商業(yè)規(guī)模的擴大、市區(qū)附近高檔小區(qū)的興建和潼江沿岸休閑娛樂設施的出現(xiàn)等。2020年梓潼縣土地利用和碳儲量分布情況如圖4所示。

圖4 2020年梓潼縣土地利用和碳密度分布圖Fig.4 Distribution of land utilization and c-arbon density in Zitong county in 2020

據模擬， 2016-2020年梓潼縣建設用地擴張面積為14.75 km2，由此導致的碳儲量凈減少8.43萬t，相較于1996-2016年(建設用地擴張面積為78.43 km2，碳儲凈減少量為45.47萬t)，單位年份內建設用地擴張速度和碳儲凈減少量都有所下降，但由于耕地的減少，有林地和灌木草地面積增加，使得建設用地擴張導致的碳儲凈減少量占碳儲減少總量的比重增加。同時潼江河谷土地利用方式變化明顯，河面寬度變窄，采沙業(yè)發(fā)達，潼江開始出現(xiàn)斷流，河流兩側灘涂和沖淤區(qū)逐漸向耕地和建設用地轉變。

3 結論

本文利用InVEST模型，結合ENVI,ARCGIS等軟件對梓潼縣過去20年間因土地利用引起的碳儲量變化進行模擬，并利用Dyna-CLUE模型預測2020年梓潼縣的碳儲量變化情況，研究結果表明：(1)1996年至今，梓潼縣的耕地和建設用地面積持續(xù)擴張，由此導致碳儲量不斷減少，全縣總體碳儲量從1996年的699.76萬t減少到2016年的584.48萬t，預測未來碳儲量仍將持續(xù)減少。(2)20年來梓潼縣城區(qū)面積不斷擴大，城區(qū)的擴張占用了周圍大量耕地，隨著經濟的發(fā)展，鄉(xiāng)鎮(zhèn)和村莊的面積也開始擴張。同時大面積林地被伐，砍伐后的跡地又多被開墾為耕地或轉變?yōu)楣嗄玖值兀沟描麂h碳儲量持續(xù)減少。(3)縣域范圍內的土地利用和碳儲量受國家政策與經濟發(fā)展的雙重影響。自2003年國家施行退耕還林政策開始，梓潼縣耕地和林地面積及發(fā)展趨勢均出現(xiàn)較大變化，且隨著梓潼縣經濟的發(fā)展，建設用地擴張速度加快。(4)根據預測，到2020年有林地和灌木草地的面積將持續(xù)增加，部分灌木草地向有林地轉變，有林地面積較2016年增加5.7%；耕地面積減少，且部分耕地向裸地和灌木草地轉變；建設用地面積持續(xù)擴張，其導致的碳儲減少量占碳儲減少總量的比重呈上升趨勢。

梓潼縣碳儲量呈整體減少狀態(tài)，主要是由于建設用地擴張占用大量耕地、林地所致，但隨著國家環(huán)保政策的推行和人們環(huán)保意識的增強，碳儲量大幅度減少的勢頭得到遏制，有林地、灌木草地等高含碳量的土地面積逐漸增加。本研究存在一定的不足，由于遙感影像分辨率的限制，本文對梓潼縣的土地利用類型只劃分到一級地類，也沒有考慮死亡生物的碳儲量，因此，基于高分辨率遙感影像的碳儲量精確計算將是以后研究的重點。

[1] 周金霖，黃陽，陳佳婧，等.重慶市農田土壤有機碳時空變化與固碳潛力分析[J].環(huán)境科學學報，2015，35(11):3647-3654.

[2] 吳佩君，劉小平，黎夏，等.基于InVEST模型和元胞自動機的城市擴張對陸地生態(tài)系統(tǒng)碳儲量影響評估——以廣東省為例[J]地理與地理信息科學，2016，32(5):22-28.

[3] 姜小三，潘劍君，李學林.江蘇表層土壤有機碳密度和儲量估算和空間分布分析[J].土壤通報，2005，36(4):501-503.

[4] 韓晉榕.基于InVEST模型的城市擴張對碳儲量的影響分析[D].吉林長春:東北師范大學，2013.

[5] HOUGHTON R A.Mangnityde，distribution and causes of terrestrial carbon sinks and some implications for policy[J].Climate Policy，2001,2(1):71-88.

[6] ZHANG M,HUANG X，CHUAI X，et al. Impact of land use type conversion on carbon storage in terrestrial ecosystems of China:A spatial-temporal perspective[J].Scientific Reports，2015，5:10233.

[7] 袁志芬.基于InVEST模型的四川省寶興縣生態(tài)系統(tǒng)服務功能動態(tài)評估[D].湖南長沙：湖南科技大學，2014.

[8] ALAM S A, STARR, M, CLARK B J F. Tree biom-ass and soil organic carbon densities across t-hesudanese woodland savannah:A regional carbon sequestration study[J].Journal of Arid Environments,2013，(89):67-76.

[9] 陳光水，楊玉盛，劉樂中，等.森林地下碳分配(TBCA)研究進展[J]. 亞熱帶資源與環(huán)境學報，2007，2(1):34-42.

[10] 黃卉.基于InVEST模型的土地利用變化與碳儲量研究[D].北京:中國地質大學，2015.

[11] 嚴冬，李愛農，南希，等.基于Dyna-CLUE改進模型和SD模型耦合的山區(qū)城鎮(zhèn)用地情景模擬研究——以岷江上游地區(qū)為例[J].地球信息科學學報，2016，18(4):514-525.

[12] 上官魁星，吳金水，周腳跟，等.縣域尺度土壤有機碳儲量估算的樣點密度優(yōu)化[J].土壤學報，2014，51(1):41-47.

[13] 馬利邦，牛叔文，等.基于Markov和CLUE模型的敦煌市土地利用/覆蓋格局情景模擬[J].生態(tài)學雜志，2012，(7):1823-1831.

[14] 李克讓，王紹強，曹明奎.中國植被和土壤碳貯量[J].中國科學，2003，33(1):72-80.