基于土地利用的淮海經(jīng)濟(jì)區(qū)碳儲(chǔ)量估算與預(yù)測(cè)

解天琪 李 龍 陳 鑫 周 翼 張國(guó)梁 陳龍乾

(1.中國(guó)農(nóng)業(yè)大學(xué) 土地科學(xué)與技術(shù)學(xué)院，北京 100193；2.中國(guó)礦業(yè)大學(xué) 環(huán)境與測(cè)繪學(xué)院，江蘇 徐州 221116；3.荷語布魯塞爾自由大學(xué) 地理系，比利時(shí) 布魯塞爾 1050)

土地利用變化能夠改變生物地理群落的結(jié)構(gòu)和功能，從而影響碳循環(huán)過程，因此成為造成陸地生態(tài)系統(tǒng)碳儲(chǔ)量變化關(guān)鍵要素之一[1-2]。除了燃燒化石燃料之外，土地利用變化對(duì)大氣中CO2濃度增加的影響最大[3-4]。由于人類活動(dòng)對(duì)土地利用的干擾加劇，我國(guó)土地利用模式發(fā)生了較大變動(dòng)，使得陸地生態(tài)系統(tǒng)的結(jié)構(gòu)和功能發(fā)生變化，進(jìn)而影響碳儲(chǔ)量，引發(fā)了重大環(huán)境效應(yīng)。因此，從土地利用的角度研究碳排放，不僅可促進(jìn)生態(tài)保護(hù)，還有利于耕地合理利用[5]?；春＝?jīng)濟(jì)區(qū)是我國(guó)主要農(nóng)副產(chǎn)品基地與糧倉(cāng)，近年來由于該地區(qū)人口不斷增長(zhǎng)，經(jīng)濟(jì)快速發(fā)展，對(duì)土地資源尤其是建設(shè)用地資源的需求不斷增加[6-7]，導(dǎo)致了過度的土地非農(nóng)化、城市“攤大餅”蔓延等問題，影響到區(qū)域碳收支的平衡，而碳收支平衡對(duì)一個(gè)區(qū)域的生態(tài)水平起著至關(guān)重要的作用[8]。因此，進(jìn)行淮海經(jīng)濟(jì)區(qū)土地利用時(shí)空變化特征分析及其碳儲(chǔ)量測(cè)算研究，對(duì)該區(qū)域土地的合理利用十分必要[9]。

早在20世紀(jì)50年代國(guó)際上就有研究估算了全球土壤有機(jī)碳庫(kù)的儲(chǔ)量[10]。Rubey等[11]、Bohn等[12-13]、Post等[14]隨后分別計(jì)算了全球土壤有機(jī)碳庫(kù)儲(chǔ)量。90年代以來，不同研究結(jié)果差別較小[15-18]。國(guó)內(nèi)對(duì)土壤碳儲(chǔ)量的研究相對(duì)較晚，從20世紀(jì)80年代開始，對(duì)土壤有機(jī)碳庫(kù)的研究才日益增多，基于不同空間尺度對(duì)土壤碳儲(chǔ)量進(jìn)行了系列的估算與分析[19-29]。關(guān)于植被碳儲(chǔ)量的計(jì)算，初期主要通過野外實(shí)地調(diào)查生物量和面積統(tǒng)計(jì)資料，但在野外調(diào)查時(shí)易受調(diào)查人員主觀判斷的影響，從而導(dǎo)致較大誤差[30]；近期的研究普遍采用建立生物量和蓄積量間關(guān)系的方法來估算植被碳儲(chǔ)量[31]。

已有研究側(cè)重于歷年碳匯數(shù)據(jù)預(yù)測(cè)碳儲(chǔ)量，往往忽略了外部因素的變化對(duì)碳儲(chǔ)量的影響[32]。因此，為掌握淮海經(jīng)濟(jì)區(qū)碳時(shí)空特征，本研究擬從土地利用的觀點(diǎn)出發(fā)，基于遙感技術(shù)的應(yīng)用和土地利用數(shù)據(jù)，分析2006、2011和2017年3 個(gè)時(shí)期土地利用變化，并依據(jù)CA-Markov模型模擬預(yù)測(cè)淮海經(jīng)濟(jì)區(qū)2025年的土地利用分類情況，進(jìn)而對(duì)因其變化引起的碳儲(chǔ)量變化進(jìn)行分析，以期預(yù)測(cè)未來土地利用變化造成的碳收支變化，也為政策制定提供定量依據(jù)。

1 研究區(qū)概況與數(shù)據(jù)來源

1.1 研究區(qū)概況

淮海經(jīng)濟(jì)區(qū)位于32°22′43″～36°33′42″ N，113°51′42″～120°55′44″ E，包括蘇豫魯皖4 個(gè)省20 個(gè)地級(jí)市147個(gè)縣級(jí)單位(2019年1月，國(guó)務(wù)院批復(fù)同意撤銷地級(jí)萊蕪市，將其所轄區(qū)域劃歸濟(jì)南市管轄，但由于本研究所涉及的數(shù)據(jù)未能根據(jù)國(guó)家相關(guān)規(guī)定實(shí)時(shí)更新，故仍將萊蕪市作為地級(jí)市進(jìn)行研究)，總面積達(dá)1.781×105km2，占全國(guó)土地總面積的1.86%(圖1)。研究區(qū)氣候以半濕潤(rùn)季風(fēng)氣候?yàn)橹鳎瑴睾蜐駶?rùn)，雨熱同期，年降雨量為750～1 050 mm，年均氣溫在14 ℃左右，光熱條件好；植被以落葉闊葉林為主，土壤肥沃；主要作物包括小麥、稻谷、棉花、花生等，作物熟制為一年兩熟，輪作方式主要包括小麥-水稻、小麥-玉米等。

1.2 數(shù)據(jù)來源

根據(jù)研究目的及研究區(qū)范圍，本研究中的遙感數(shù)據(jù)選擇2006、2011和2017年3 個(gè)時(shí)期MCD12Q1數(shù)據(jù)，下載于美國(guó)地質(zhì)調(diào)查局網(wǎng)站(https:∥earthexplorer.usgs.gov)。

社會(huì)經(jīng)濟(jì)數(shù)據(jù)來源于2007、2012、2018年蘇豫魯皖統(tǒng)計(jì)年鑒；DEM數(shù)字高程數(shù)據(jù)從Google Earth網(wǎng)頁提??；碳密度數(shù)據(jù)來源于國(guó)家生態(tài)系統(tǒng)觀測(cè)研究網(wǎng)絡(luò)(http:www.cnern.org.cn)和參考文獻(xiàn)[23,33-37]的研究結(jié)果；道路矢量數(shù)據(jù)使用水經(jīng)注萬能地圖下載器獲取。

2 研究方法

2.1 土地利用分類確定方法

本研究結(jié)合《土地利用現(xiàn)狀分類》(GB/T 21010—2007)和淮海經(jīng)濟(jì)區(qū)實(shí)際情況，將研究區(qū)分為水域、林地、草地、耕地、建設(shè)用地、園地、裸地和其他用地等8 類(表1)。

圖1 淮海經(jīng)濟(jì)區(qū)區(qū)位圖Fig.1 Location map of the Huaihai Economic Zone

表1 土地利用分類體系Table 1 Land use classification system

2.2 預(yù)測(cè)模型創(chuàng)建及精度模擬驗(yàn)證

20世紀(jì)50年代初，現(xiàn)代計(jì)算機(jī)創(chuàng)始人Neumann提出標(biāo)準(zhǔn)元胞自動(dòng)機(jī)(cellular automaton，CA)的雛形，其模型原理：元胞自動(dòng)機(jī)的空間、時(shí)間和狀態(tài)均是離散的，每個(gè)元胞也都處于離散狀態(tài)；各個(gè)元胞狀態(tài)按照相同的轉(zhuǎn)變規(guī)則進(jìn)行同步更新，每個(gè)變量狀態(tài)是有限的，且僅在局部遵循轉(zhuǎn)變規(guī)則[38]。Markov模型是基于概率創(chuàng)建的一種隨機(jī)型的時(shí)序模型，根據(jù)某一變量的目前形態(tài)和趨向預(yù)測(cè)其未來狀態(tài)的方法，因此，Markov模型可根據(jù)不同時(shí)期土地利用分類情況計(jì)算得出的轉(zhuǎn)置機(jī)率來預(yù)測(cè)未來某一時(shí)期的土地利用情況[30]。然而，Markov模型只能預(yù)測(cè)土地覆蓋分類數(shù)量方面的變化，不能預(yù)測(cè)其在空間方面的變化，即無法預(yù)測(cè)土地利用類型空間上的分布，元胞自動(dòng)機(jī)恰好具備模擬空間演變這一功能，因此將二者結(jié)合組成CA-Markov模型，能實(shí)現(xiàn)在數(shù)量和空間上對(duì)土地利用變化進(jìn)行模擬預(yù)測(cè)。

根據(jù)CA-Markov模型，結(jié)合前期研究區(qū)不同時(shí)期遙感圖像分類結(jié)果,計(jì)算得到未來某時(shí)期土地利用分類情況。本研究通過計(jì)算2017年土地利用現(xiàn)狀柵格數(shù)量和模擬預(yù)測(cè)柵格數(shù)量的誤差絕對(duì)值來驗(yàn)證模擬精度，計(jì)算公式如下[39]：

(1)

式中：E為第i種土地利用類型的數(shù)量的差值；Mix、Miy分別為第i種土地利用類型的實(shí)際柵格數(shù)量和模擬預(yù)測(cè)柵格數(shù)量，個(gè)。需要注意的是運(yùn)用此方法比較的是E的絕對(duì)值，其絕對(duì)值越小表示模擬精度越高。

本研究所用的CA-Markov預(yù)測(cè)流程如圖2。

圖2 CA-Markov預(yù)測(cè)流程圖Fig.2 CA-Markov prediction flow chart

2.3 碳密度數(shù)據(jù)選定及碳儲(chǔ)量估算

考慮到碳密度計(jì)算所需的數(shù)據(jù)的可得性，本研究中的碳密度數(shù)據(jù)參考徐釗等[33]、賈松偉[34-35]、李偉等[36]、揣小偉等[37]已發(fā)表的研究結(jié)果；土壤碳密度計(jì)算，直接參考揣小偉等[37]研究結(jié)果，該研究有區(qū)域有5 個(gè)在淮海經(jīng)濟(jì)區(qū)；植被碳密度的計(jì)算根據(jù)生物量碳密度估算法，即基于生物量推算出不同植被碳密度，通過對(duì)淮海經(jīng)濟(jì)區(qū)所涉及的蘇、豫、魯、皖四省的主要作物面積及產(chǎn)量進(jìn)行統(tǒng)計(jì)分析發(fā)現(xiàn)其結(jié)構(gòu)相似，因此，河南、山東、安徽各土地利用類型碳密度可參考江蘇省的研究結(jié)果[37]，各地類碳密度數(shù)據(jù)見表2。

利用碳密度計(jì)算不同地類的土壤碳儲(chǔ)量，計(jì)算公式如下[40]:

TOC=SOC+ZOC

(2)

(3)

(4)

式中：TOC為淮海經(jīng)濟(jì)區(qū)總碳儲(chǔ)量，Tg；SOC為土壤總碳儲(chǔ)量，Tg；Xi為第i種土地利用類型的面積，km2；SOCDi為第i種土地利用類型的土壤碳密度，kg/m2；ZOC為植被總碳儲(chǔ)量，Tg；ZOCDi為第i種土地利用類型的植被碳密度，kg/m2。

表2 淮海經(jīng)濟(jì)區(qū)不同地類碳密度Table 2 Carbon density of different land types in the Huaihai Economic Zone kg/m2

3 結(jié)果與分析

3.1 土地利用變化分析

研究發(fā)現(xiàn)淮海經(jīng)濟(jì)區(qū)土地利用類型以耕地為主，在2006、2011、2017年所占比例分別為87.51%、87.10%和86.21%，呈現(xiàn)出緩慢減少的趨勢(shì)；建設(shè)用地面積持續(xù)增加，由2006年的9 697.94 km2增加到2017年的10 962.10 km2；草地不斷擴(kuò)張，占地面積由5 786.50 km2擴(kuò)張到6 177.75 km2；水域、林地和園地面積所占比例較少，呈緩慢增加趨勢(shì)；在此期間，其他土地利用類型面積不斷減少，2017年總面積僅為142.94 km2，所占比例不足1%。

為顯示不同土地類型之間的轉(zhuǎn)化的細(xì)節(jié)，利用Origin2020制作桑基圖(Sankey diagram)(圖3)。由圖3可知：研究區(qū)內(nèi)主要是耕地、草地、建設(shè)用地和園地之間的轉(zhuǎn)化；草地的轉(zhuǎn)出面積與轉(zhuǎn)入面積都是最大的，轉(zhuǎn)入面積大于轉(zhuǎn)出面積導(dǎo)致草地面積總體上有所增加，說明草地主要是空間分布的變化；從轉(zhuǎn)出方向看，草地轉(zhuǎn)為耕地的面積最大，占草地的31.74%，水域次之；從轉(zhuǎn)入方向看，耕地和水域是草地面積增加的主要原因，其中9.86%的耕地轉(zhuǎn)換為草地；建設(shè)用地轉(zhuǎn)出方向較多且面積相當(dāng)，但由于2.49%耕地的轉(zhuǎn)入，建設(shè)用地面積在總量上有所增加，表明了淮海經(jīng)濟(jì)區(qū)正處于經(jīng)濟(jì)發(fā)展階段，同時(shí)也映射出在人口持續(xù)增長(zhǎng)的壓力下對(duì)建設(shè)用地的需求不斷增加；裸地面積有所增加，原因在于研究區(qū)礦產(chǎn)資源豐富，煤、石油、天熱氣等儲(chǔ)量豐富，開采量不斷增加，造成區(qū)域內(nèi)裸地面積不斷增加；水域呈現(xiàn)持續(xù)擴(kuò)張的趨勢(shì)，其原因是淮海經(jīng)濟(jì)區(qū)對(duì)生態(tài)環(huán)境保護(hù)的日益重視。

圖3 2006—2017年土地利用面積變化轉(zhuǎn)移Fig.3 Change and transfer of land use area from 2006 to 2017

3.2 土地利用模擬

3.2.1CA-Markov模型模擬精度驗(yàn)證

首先對(duì)2017年土地利用變化進(jìn)行模擬，并將其與2017年土地利用現(xiàn)狀進(jìn)行比較以驗(yàn)證模擬精度(表3)。

由表3可知，除了其他用地之外，各個(gè)地類面積預(yù)測(cè)誤差均小于5%，表明該模擬的準(zhǔn)確程度較高，能夠較為精確的預(yù)測(cè)未來某一時(shí)間的土地利用情況。其他用地誤差較大的原因可能是其所占面積較小，2017年底其他用地面積僅占研究區(qū)域總面積的0.08%，基線值較低，且呈遞減趨勢(shì)，在后續(xù)2025年模擬預(yù)測(cè)中可忽略不計(jì)。

表3 2017年土地利用模擬精度Table 3 Land use simulation accuracy in 2017

3.2.22025年土地利用模擬

利用CA-Markov模塊制作淮海經(jīng)濟(jì)區(qū)2025年土地利用類型的適宜性圖集從而得到2025年土地利用預(yù)測(cè)數(shù)據(jù)(圖4)。

對(duì)預(yù)測(cè)結(jié)果進(jìn)行統(tǒng)計(jì)，2025年淮海經(jīng)濟(jì)區(qū)水域、林地、草地、耕地、建設(shè)用地、園地、裸地、其他用地面積分別為2 019.30、195.09、6 209.72、151 958.73、11 863.31、1 566.64、4 804.71、87.04 km2，分別占研究區(qū)總面積的1.13%、0.11%、3.47%、85.02%、6.66%、0.88%、2.69%、0.05%。

3.3 碳儲(chǔ)量時(shí)空變化分析

3.3.1碳儲(chǔ)量測(cè)算

按照2.3土地利用數(shù)據(jù)和碳儲(chǔ)量計(jì)算公式，對(duì)淮海經(jīng)濟(jì)區(qū)2006、2011、2017年碳儲(chǔ)量計(jì)算結(jié)果如表4所示，對(duì)2025年碳儲(chǔ)量預(yù)測(cè)結(jié)果如表5所示。

3.3.2碳儲(chǔ)量時(shí)空演變特征

1) 碳密度和碳儲(chǔ)量時(shí)間變化特征

利用Origin繪圖功能制作2006—2025年研究區(qū)各土地利用類型碳密度和碳儲(chǔ)量隨著時(shí)間的變化情況，如圖5所示。

圖4 2025年土地利用預(yù)測(cè)數(shù)據(jù)Fig.4 Land use forecast data for 2025

表4 各土地利用類型碳儲(chǔ)量Table 4 Carbon density and carbon storage of land use types Tg

表5 2025年各土地利用類型預(yù)測(cè)碳儲(chǔ)量Table 5 Carbon density and carbon storage of land use types in 2025 Tg

由圖5可見：除耕地和其他用地碳儲(chǔ)量在研究期呈遞減趨勢(shì)外，其余地類呈不同程度遞增趨勢(shì)。2006—2025年，林地碳密度最大，變化也最為明顯，總體上呈勻速增加趨勢(shì)，結(jié)合這一期間林地面積數(shù)據(jù)得出林地碳密度變化主要原因在于林地面積的不斷擴(kuò)張；水域、草地、耕地、建設(shè)用地碳密度幾乎沒有變化；園地僅次于林地的碳密度，總體上呈緩慢增加趨勢(shì)。除耕地外，建設(shè)用地碳儲(chǔ)量最大且在整個(gè)研究時(shí)期內(nèi)總體呈現(xiàn)不斷遞增趨勢(shì)；草地在2006—2011年內(nèi)增長(zhǎng)幅度較為明顯，在2011—2025年期間內(nèi)增長(zhǎng)速度有所減緩；耕地碳儲(chǔ)量總體呈現(xiàn)遞減趨勢(shì)，但減少速度極慢，是因?yàn)楦孛娣e在一定范圍內(nèi)有縮減；水域、林地、園地碳儲(chǔ)量變化較??；裸地在2006—2011年碳儲(chǔ)量增長(zhǎng)幅度較大，在2011—2025年內(nèi)仍然呈現(xiàn)遞增趨勢(shì)，但增長(zhǎng)速度大大減??；其他用地碳儲(chǔ)量明顯減少，原因在于其面積不斷被其他土地利用類型侵占。

2) 碳密度和碳儲(chǔ)量空間變化特征

基于ArcGIS繪制整個(gè)研究期間淮海經(jīng)濟(jì)區(qū)碳密度、碳儲(chǔ)量空間分布情況(圖6)。由圖(a)可知：在碳密度方面，2006—2017年碳密度增加區(qū)域在研究區(qū)內(nèi)零散分布，其變化范圍大多在0.99～3.97 kg/m2，原因在于草地向林地的轉(zhuǎn)換；在2017—2025年，碳密度變化總體上呈現(xiàn)出“多零散，少集聚”的分布，究其原因是濟(jì)寧市2018年開展實(shí)施建設(shè)國(guó)家森林城市，林地面積大幅度增加，和棗莊市、徐州市接壤處碳密度變化較大并且集中。由圖(b)可知：在碳儲(chǔ)量方面，2006—2011年，碳儲(chǔ)量總體上變化不明顯，臨沂南部增加0～9.03 Tg，濟(jì)寧市東南部、宿遷市和淮安市交界處碳儲(chǔ)量有所減少；2011—2017年碳儲(chǔ)量總體上減少，變化值處在9.08～107.26 Tg，這是由于城市化進(jìn)程中建設(shè)用地需求不斷增加，侵占其他地類，導(dǎo)致該區(qū)域內(nèi)碳密度降低從而碳儲(chǔ)量減少；2017—2025年，碳儲(chǔ)量延續(xù)前期減少趨勢(shì)，但濟(jì)寧市與棗莊市、徐州市交界處碳儲(chǔ)量基本不變，原因在于該區(qū)域碳密度有所增加。

在上述結(jié)果的基礎(chǔ)上，利用ArcGIS的空間分析功能的標(biāo)準(zhǔn)差橢圓對(duì)2006—2025年碳儲(chǔ)量方向分布變化進(jìn)行分析，生成橢圓面積表示范圍，橢圓扁率表示方向性的明顯程度。結(jié)果表示：整個(gè)研究期間，生成的橢圓集中在淮海經(jīng)濟(jì)區(qū)東部，表示碳儲(chǔ)量變化多集中在研究區(qū)中心城市徐州及其周邊地區(qū)；橢圓面積呈現(xiàn)出先增后減的趨勢(shì)，究其原因在于2011—2017年淮海經(jīng)濟(jì)區(qū)經(jīng)濟(jì)高速發(fā)展，城鎮(zhèn)化速度不斷加快，地類之間的相互轉(zhuǎn)換涉及范圍較廣，導(dǎo)致碳儲(chǔ)量變化區(qū)域增大；2006—2025年橢圓扁率不斷減小，意味著碳儲(chǔ)量變化方向性越來越模糊，呈現(xiàn)出由棗莊、徐州、宿遷和淮安一帶向四周發(fā)散的趨勢(shì)。

4 結(jié)論與討論

本研究以土地利用為出發(fā)點(diǎn)，模擬計(jì)算了淮海經(jīng)濟(jì)區(qū)歷史時(shí)期的碳儲(chǔ)量變化，精度較高，并以此預(yù)測(cè)了未來一段時(shí)期的碳儲(chǔ)量變化，對(duì)其變化情況進(jìn)行分析，得到的主要研究結(jié)論如下：

1)分析土地利用歷史時(shí)空變化可知，耕地為淮海經(jīng)濟(jì)區(qū)主要的土地利用類型，應(yīng)對(duì)耕地進(jìn)行二次劃分以提高研究精度。研究發(fā)現(xiàn)耕地非農(nóng)化趨勢(shì)明顯，究其原因是為了追求最大利潤(rùn)，發(fā)展鄉(xiāng)鎮(zhèn)企業(yè)與“開發(fā)區(qū)熱”，耕地不斷被占用導(dǎo)致[41]；建設(shè)用地不斷擴(kuò)張，原因在于淮海經(jīng)濟(jì)區(qū)各市經(jīng)濟(jì)水平不斷提高，城鎮(zhèn)化進(jìn)程不斷發(fā)展，大規(guī)模開發(fā)，導(dǎo)致了建設(shè)用地面積不斷增加；水域、林地、草地、園地、裸地面積所占比例較少，總體上呈遞增趨勢(shì)；其他用地面積不斷減少。

圖5 各土地利用類型碳密度變化和碳儲(chǔ)量時(shí)間變化Fig.5 Time variation of carbon density and carbon storage by land use type

圖6 各土地利用類型碳密度變化和碳儲(chǔ)量空間變化Fig.6 Spatial changes in carbon density and carbon storage by land use type

2)利用CA-Markov模型模擬2025年淮海經(jīng)濟(jì)區(qū)土地利用取得了較好的效果；2017—2025年期間土地利用變化趨勢(shì)與2006—2017年保持一致：耕地持續(xù)非農(nóng)化；建設(shè)用地持續(xù)擴(kuò)張；水域、林地、草地、園地、裸地總體上仍呈遞增趨勢(shì)；其他用地面積持續(xù)減少。

3)土地利用碳儲(chǔ)量測(cè)算結(jié)果顯示：時(shí)序上，2006、2011和2017年碳儲(chǔ)量分別為1 720.018、1 720.020、1 716.531 Tg，預(yù)計(jì)到2025年碳儲(chǔ)量會(huì)達(dá)到1 720.726 Tg，較2017年增加4.195 Tg。由于耕地有利于減緩碳密度和碳儲(chǔ)量的下降，雖然研究期間耕地面積不斷減少但其仍占很大比例；空間上，碳儲(chǔ)量變化總體上呈現(xiàn)集聚特征，其減少區(qū)域成片分布但其減少量較小，增加區(qū)域分布零散但增加量較大。

因此，淮海經(jīng)濟(jì)區(qū)土地利用方式的轉(zhuǎn)變導(dǎo)致碳儲(chǔ)量的變化，耕地在一定程度上減緩了碳儲(chǔ)量的減少，而且研究區(qū)碳儲(chǔ)量隨著林地面積的增加而增加。因此，應(yīng)在切實(shí)保護(hù)耕地的基礎(chǔ)上，積極實(shí)施退耕還林，保護(hù)林地資源，既保證了糧食安全又有利于提高研究區(qū)生態(tài)環(huán)境質(zhì)量。