耦合InVEST與GeoSOS-FLUS模型的桂林市碳儲(chǔ)量可持續(xù)發(fā)展研究

張凱琪,陳建軍,2*,侯建坤,周?chē)?guó)清,2,尤號(hào)田,2,韓小文,2

耦合InVEST與GeoSOS-FLUS模型的桂林市碳儲(chǔ)量可持續(xù)發(fā)展研究

張凱琪1,陳建軍1,2*,侯建坤1,周?chē)?guó)清1,2,尤號(hào)田1,2,韓小文1,2

(1.桂林理工大學(xué)測(cè)繪地理信息學(xué)院,廣西 桂林 541004；2.桂林理工大學(xué)廣西空間信息與測(cè)繪重點(diǎn)實(shí)驗(yàn)室,廣西 桂林 541004)

為了量化桂林市碳儲(chǔ)量并快速評(píng)估分級(jí)保護(hù)措施對(duì)區(qū)域碳儲(chǔ)功能的影響,耦合InVEST模型碳儲(chǔ)存模塊和GeoSOS-FLUS模型,并基于土地利用數(shù)據(jù)和不同情景未來(lái)土地預(yù)測(cè)結(jié)果,對(duì)2000～2040年桂林市域范圍六區(qū)十一縣市內(nèi)的碳儲(chǔ)時(shí)空特征進(jìn)行分析.結(jié)果表明:桂林市2000年、2010年和2020年的總碳儲(chǔ)量分別為554.02×106t,553.58×106t,550.21×106t,呈現(xiàn)“逐年下降”的變化態(tài)勢(shì).同時(shí),受人類(lèi)活動(dòng)和土地利用類(lèi)型變化的影響,桂林市域各區(qū)縣的碳儲(chǔ)水平存在較大的時(shí)空差異,碳儲(chǔ)量整體表現(xiàn)為“西北、西南及東部較高,東北、東南及中部較低”的空間分布特征.將桂林市碳儲(chǔ)量高值區(qū)確定為碳儲(chǔ)資源的優(yōu)先保護(hù)區(qū)域,與自然變化情景相比,資源保護(hù)情景下桂林市林地得到有效保護(hù),建設(shè)用地規(guī)模擴(kuò)大受到限制.采取資源保護(hù)措施后,桂林市2040年總碳儲(chǔ)量達(dá)到552.16×106t,較2020年增加了1.95×106t,中低密度碳儲(chǔ)區(qū)所占比例明顯下降,區(qū)域固碳能力大大增強(qiáng).該研究結(jié)果可為桂林市國(guó)家可持續(xù)發(fā)展示范城市建設(shè)提供指導(dǎo),也可為碳儲(chǔ)資源精準(zhǔn)保護(hù)和土地利用管理決策提供科學(xué)參考.

碳儲(chǔ)量；InVEST模型；GeoSOS-FLUS模型；重要性分級(jí)；桂林市

人類(lèi)的可持續(xù)發(fā)展取決于生態(tài)系統(tǒng)及其服務(wù)功能的可持續(xù)性[1].受到人類(lèi)活動(dòng)和氣候變化的影響,全球生態(tài)系統(tǒng)服務(wù)能力正在降低[2-3].因此,如何保證生態(tài)系統(tǒng)服務(wù)的可持續(xù)性成為當(dāng)前急需解決的重要問(wèn)題.碳儲(chǔ)存是生態(tài)系統(tǒng)的重要服務(wù)功能之一,在維持全球碳平衡以及調(diào)節(jié)氣候方面具有不可替代的作用[4-5].陸地生態(tài)系統(tǒng)通過(guò)吸收大氣中CO2等溫室氣體可以有效緩解全球變暖[6].因此,綜合評(píng)估生態(tài)系統(tǒng)碳儲(chǔ)量對(duì)于區(qū)域生態(tài)環(huán)境保護(hù)和可持續(xù)發(fā)展具有重要意義.

近年來(lái),諸多學(xué)者從不同范圍(全球、國(guó)家、區(qū)域和樣地)、不同角度(政策保護(hù)、工程影響)對(duì)生態(tài)系統(tǒng)的碳儲(chǔ)量及其時(shí)空變化和影響因素展開(kāi)了大量研究[7-10].如李遠(yuǎn)等[11]、張修玉等[12]、李雷達(dá)等[13]、蘭秀等[14]在區(qū)域范圍分別對(duì)西雙版納、珠江流域、湖南、廣西進(jìn)行了碳儲(chǔ)量的估算,為我國(guó)南部地區(qū)碳儲(chǔ)量的測(cè)算提供了豐富的數(shù)據(jù).鄧元杰等[15]、魏亞偉等[16]、姚平等[17]從政策保護(hù)角度分別估算了黃土高原、東北地區(qū)、西南地區(qū)的碳儲(chǔ)變化,探究了退耕還林還草和天然林保護(hù)區(qū)對(duì)區(qū)域碳匯的貢獻(xiàn).這些研究也表明土地利用類(lèi)型轉(zhuǎn)換是碳儲(chǔ)變化的主要驅(qū)動(dòng)因素.但以上研究大多集中于對(duì)區(qū)域碳儲(chǔ)的動(dòng)態(tài)評(píng)估,缺乏較詳細(xì)的優(yōu)化管理方案,更缺乏對(duì)管理方案的檢驗(yàn),僅能提供有限的參考價(jià)值.因此有必要完善保護(hù)措施的制定和檢驗(yàn),以構(gòu)建比較系統(tǒng)的可持續(xù)研究方法.

在諸多生態(tài)系統(tǒng)服務(wù)模型中,InVEST模型廣泛用于測(cè)算生態(tài)系統(tǒng)的碳儲(chǔ)量,并能顯示碳儲(chǔ)存的空間分布[18-19].該模型使用特定區(qū)域的土地利用類(lèi)型圖以及四個(gè)碳庫(kù)中的碳密度數(shù)據(jù)來(lái)估算和繪制研究區(qū)域的碳總量[20].當(dāng)提供當(dāng)前和未來(lái)預(yù)測(cè)的土地利用數(shù)據(jù)時(shí),InVEST模型可以計(jì)算出現(xiàn)在和未來(lái)的碳儲(chǔ)存或碳損失[21].為評(píng)估不同變化情景下生態(tài)系統(tǒng)碳儲(chǔ)存或碳損失情況,部分研究人員將InVEST模型與CA-Markov、CLUE-S等土地利用模擬模型相結(jié)合,模擬了自然、社會(huì)、經(jīng)濟(jì)等多種變化情景下的生態(tài)系統(tǒng)碳儲(chǔ)存和碳損失[22-25].GeoSOS-FLUS模型在傳統(tǒng)元胞自動(dòng)機(jī)(CA)模型的基礎(chǔ)上引進(jìn)了基于輪盤(pán)賭選擇的自適應(yīng)慣性競(jìng)爭(zhēng)機(jī)制,與其他模型相比,GeoSOS-FLUS模型使未來(lái)多種土地利用類(lèi)型在空間上的分布更為準(zhǔn)確、合理[26].目前,該模型多用于土地利用格局優(yōu)化等研究[27],采用該模型模擬不同情景來(lái)預(yù)測(cè)區(qū)域碳儲(chǔ)量變化的研究較少.本研究耦合InVEST與GeoSOS-FLUS模型,通過(guò)模擬、比較自然變化與資源保護(hù)情景下的區(qū)域碳儲(chǔ)功能,可以實(shí)現(xiàn)對(duì)保護(hù)措施的檢驗(yàn).

桂林市位于廣西東北部,是世界著名風(fēng)景游覽城市和中國(guó)歷史文化名城,同時(shí)也是國(guó)家可持續(xù)發(fā)展創(chuàng)新示范區(qū)之一.該區(qū)域具備豐富的森林、草地和濕地等自然景觀資源,其森林覆蓋率高達(dá)70%以上,是廣西的重要碳庫(kù).但是近年來(lái)由于生態(tài)景觀資源利用需求日益增長(zhǎng),城鎮(zhèn)化進(jìn)程加快,導(dǎo)致該地區(qū)土地利用開(kāi)發(fā)強(qiáng)度大,生態(tài)系統(tǒng)固碳能力受到嚴(yán)重威脅[28].目前對(duì)于桂林市生態(tài)系統(tǒng)碳儲(chǔ)功能評(píng)估及未來(lái)情景模擬的研究和認(rèn)識(shí)較少,急需掌握其變化特征并根據(jù)不同區(qū)域特征制定不同保護(hù)策略,進(jìn)而更好的服務(wù)于桂林市可持續(xù)發(fā)展.本研究首先基于土地利用變化,應(yīng)用InVEST模型分析了桂林市的碳儲(chǔ)量時(shí)空變化;然后進(jìn)行重要性分級(jí)評(píng)估并劃定碳儲(chǔ)優(yōu)先保護(hù)區(qū)域;最后結(jié)合GeoSOS-FLUS模型模擬在不同情景下的未來(lái)桂林市的生態(tài)系統(tǒng)服務(wù)碳儲(chǔ)功能,以期為桂林市資源可持續(xù)發(fā)展提供決策支持.

1 材料與方法

1.1 研究區(qū)概況

桂林市地理坐標(biāo)為109°36′～111°29′E,24°15′～ 26°23′N(xiāo),位于中國(guó)華南地區(qū)、廣西壯族自治區(qū)東北部.地勢(shì)為西北、東南部高,中部較低,以中山或低中山地形為主.桂林地處低緯,屬中亞熱帶季風(fēng)氣候,年均氣溫為18.9℃,年均降雨量為1949.5mm,境內(nèi)氣候溫和、雨量充沛、光照充足、四季分明且雨熱基本同季[29],氣候條件十分優(yōu)越.區(qū)域內(nèi)森林資源豐富,中部具有世界典型的喀斯特巖溶地貌[30],峰奇水美,因而形成了桂林山水甲天下的景觀.

1.2 數(shù)據(jù)源

1.2.1 土地利用/覆被類(lèi)型數(shù)據(jù) 使用的土地利用/覆被類(lèi)型數(shù)據(jù)來(lái)源于國(guó)家基礎(chǔ)地理信息中心全球地表覆蓋數(shù)據(jù),該數(shù)據(jù)空間分辨率為30m×30m,它是以美國(guó)陸地資源衛(wèi)星(Landsat)的TM5、ETM+、OLI多光譜影像和中國(guó)環(huán)境減災(zāi)衛(wèi)星(HJ-1)多光譜影像為主要數(shù)據(jù)源,輔以16m分辨率高分一號(hào)(GF-1)多光譜影像解譯獲得.通過(guò)對(duì)土地利用/覆被類(lèi)型數(shù)據(jù)進(jìn)行裁剪獲得2000、2010和2020年三期桂林市土地利用類(lèi)型圖,研究區(qū)的土地利用類(lèi)型主要包括耕地、林地、草地、水域、建設(shè)用地和濕地六大類(lèi).

1.2.2 土地利用變化驅(qū)動(dòng)因子數(shù)據(jù) 選用DEM、坡度、坡向、年降雨量、GDP和年均溫度作為土地利用變化驅(qū)動(dòng)因子,DEM數(shù)據(jù)來(lái)源于ASTERGDEM,空間分辨率為30m,該數(shù)據(jù)是根據(jù)NASA的新一代對(duì)地觀測(cè)衛(wèi)星Terra的詳盡觀測(cè)結(jié)果制作完成的.其數(shù)據(jù)覆蓋范圍為83°N～83°S的所有陸地區(qū)域,達(dá)到了地球陸地表面的99%.地形因素包括坡度和坡向,由DEM數(shù)據(jù)在ArcGIS軟件提取得到.年降雨量、GDP和年均溫度數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心.

1.2.3 碳密度數(shù)據(jù) InVEST模型中所需要的碳密度數(shù)據(jù)(單位面積碳儲(chǔ)量)包含不同土地利用/覆被類(lèi)型的四個(gè)基本碳庫(kù),即地上生物量、地下生物量、土壤和死亡有機(jī)物.為了保證密度數(shù)據(jù)的一致性和碳儲(chǔ)存量的準(zhǔn)確性,碳密度數(shù)據(jù)盡量選取廣西范圍內(nèi)的前人研究成果.在廣西數(shù)據(jù)缺失的情況下,適當(dāng)采用相近緯度的鄰省碳庫(kù)數(shù)據(jù).本文主要參考了陳曦[31]、吳佩君等[22]、榮檢[32]及朱鵬飛[33]的成果,結(jié)合IPCC(2006)提供的總生物量和土壤碳儲(chǔ)量,修正得到桂林市地上生物量、地下生物量、土壤、死亡有機(jī)質(zhì)碳密度數(shù)據(jù),具體數(shù)值如下表1所示.

表1 桂林市土地利用各部分碳密度(t/hm2)

1.3 研究方法

1.3.1 碳儲(chǔ)量估算 選用InVEST模型估算 研究區(qū)的碳儲(chǔ)量.InVEST模型中的碳儲(chǔ)存模塊將陸地生態(tài)系統(tǒng)中碳儲(chǔ)分為四大基本碳庫(kù),分別是地上生物量中所含碳(土壤以上所有存活的植物材料)、地下生物量中所含碳(植物活的根系)、土壤碳庫(kù)(礦質(zhì)土壤的有機(jī)碳)和死亡的有機(jī)物質(zhì)中所含碳(凋落物和已死亡的樹(shù)木)[34-35].將不同土地利用類(lèi)型的4大碳庫(kù)相加,即可得到該區(qū)域的碳儲(chǔ)總量.其計(jì)算公式如下:

式中:C為區(qū)域的碳儲(chǔ)量,單位為t;A為區(qū)域中土地覆被類(lèi)型的面積;C、C、C、C分別為土地覆被類(lèi)型的地上碳密度、地下碳密度、土壤碳密度和死亡有機(jī)物碳密度, t/hm2.

為了更清楚的反映桂林市碳儲(chǔ)量的空間變化,本文進(jìn)一步將碳儲(chǔ)空間變化值分為五類(lèi):顯著減少、少量減少、基本不變、少量增加和顯著增加.其中變化值大于15%定義為顯著變化,變化值介于5%和15%之間定義為少量變化,變化值介于0～5%定義為基本不變.

1.3.2 土地利用轉(zhuǎn)移矩陣 通過(guò)計(jì)算土地利用轉(zhuǎn)移矩陣,揭示區(qū)域土地利用的變化過(guò)程,以此分析土地類(lèi)型轉(zhuǎn)換對(duì)碳儲(chǔ)變化的影響.土地利用轉(zhuǎn)移矩陣可以清晰地展示不同土地利用類(lèi)型在不同年份發(fā)生變化的土地類(lèi)別以及發(fā)生變化的位置和變化面積[36].轉(zhuǎn)移矩陣的數(shù)學(xué)形式為[37]:

式中:代表土地利用類(lèi)型面積;代表轉(zhuǎn)移前后的土地利用類(lèi)型;1,2,3,…,分別代表轉(zhuǎn)移前與轉(zhuǎn)移后的土地利用類(lèi)型;S表示轉(zhuǎn)移前的地類(lèi)轉(zhuǎn)換成轉(zhuǎn)移后的地類(lèi)的面積.矩陣中的每一行元素代表轉(zhuǎn)移前的地類(lèi)向轉(zhuǎn)移后的各地類(lèi)的流向信息,矩陣中的每一列元素代表轉(zhuǎn)移后的地類(lèi)面積從轉(zhuǎn)移前的各地類(lèi)的來(lái)源信息.

1.3.3 碳儲(chǔ)等級(jí)劃分 為制定有效的保護(hù)措施,對(duì)碳儲(chǔ)功能區(qū)進(jìn)行等級(jí)劃分,將碳儲(chǔ)貢獻(xiàn)最大的區(qū)域劃定為優(yōu)先保護(hù)區(qū)域,有利于實(shí)際保護(hù).在桂林市碳儲(chǔ)量空間分布圖的基礎(chǔ)上,利用ArcGIS軟件對(duì)碳儲(chǔ)量進(jìn)行重分類(lèi),采用自然斷點(diǎn)分級(jí)法將該柵格數(shù)據(jù)劃分為一般區(qū)(5.20～19.32t/hm2)、重要區(qū)(19.32～ 107.16t/hm2)和極重要區(qū)(107.16～255.20t/hm2)三個(gè)類(lèi)別,從而得出研究區(qū)碳儲(chǔ)重要性分級(jí)圖.本研究將極重要區(qū)域作為未來(lái)發(fā)展的優(yōu)先保護(hù)區(qū)域.

1.3.4 未來(lái)土地利用變化模擬 為檢驗(yàn)保護(hù)措施的有效性,本研究運(yùn)用GeoSOS-FLUS模型以2020年土地利用現(xiàn)狀圖為基礎(chǔ),對(duì)桂林市2040年不同情景下的土地利用布局進(jìn)行模擬比較. GeoSOS- FLUS模型是由Liu等[26]開(kāi)發(fā),基于傳統(tǒng)CA模型原理進(jìn)行改進(jìn),采用神經(jīng)網(wǎng)絡(luò)算法(ANN)獲取各類(lèi)用地在研究范圍內(nèi)的適宜性概率,可以有效減少誤差傳遞的發(fā)生.同時(shí)結(jié)合輪盤(pán)賭選擇的自適應(yīng)慣性競(jìng)爭(zhēng)機(jī)制,模擬精度較高且與現(xiàn)實(shí)土地利用分布相似.

為保障桂林市碳儲(chǔ)資源的可持續(xù)性,本文綜合考慮分級(jí)保護(hù)和宏觀發(fā)展,基于桂林市2000～2020年的土地利用數(shù)據(jù)和重要性分級(jí)圖,通過(guò)調(diào)整不同土地利用類(lèi)型目標(biāo)數(shù)量、土地利用轉(zhuǎn)換成本矩陣、鄰域因子參數(shù),以2040年為目標(biāo)年,設(shè)定兩種發(fā)展情景:(1)資源保護(hù)情景:為遏制碳儲(chǔ)總量進(jìn)一步退化,根據(jù)重要性分級(jí)評(píng)估結(jié)果優(yōu)先保護(hù)極重要區(qū),該情景下桂林市林地將得到有效保護(hù),同時(shí)限制建設(shè)用地的擴(kuò)張.設(shè)置林地不能向其他地類(lèi)轉(zhuǎn)換,林地鄰域因子設(shè)為1,建設(shè)用地鄰域因子設(shè)為0,其他地類(lèi)鄰域因子設(shè)為0.5.(2)自然變化情景:綜合考慮經(jīng)濟(jì)發(fā)展和資源保護(hù),遵循土地利用結(jié)構(gòu)自然演變規(guī)律,該情境下設(shè)定土地利用變化率與2000～2020年土地利用轉(zhuǎn)變速率保持一致,其人口、經(jīng)濟(jì)和技術(shù)革新的發(fā)展趨勢(shì)將繼續(xù)與目前的狀況相統(tǒng)一.設(shè)置各類(lèi)型用地均可互相轉(zhuǎn)換,所有土地類(lèi)型的鄰域因子默認(rèn)為1.

為了確保模擬結(jié)果的準(zhǔn)確性,采用Kappa系數(shù)和總體精度對(duì)模擬結(jié)果進(jìn)行檢驗(yàn).基于桂林市2000年土地利用數(shù)據(jù)和土地利用變化驅(qū)動(dòng)因子數(shù)據(jù),運(yùn)用GeoSOS-FLUS模型模擬了2020年土地利用情景, 與2020年實(shí)際土地利用狀況進(jìn)行精度檢驗(yàn),若Kappa系數(shù)和總體精度較大,則表明模型模擬精度較高,可用于土地利用變化的情景預(yù)估.

2 結(jié)果

2.1 2000～2020年桂林市碳儲(chǔ)時(shí)空變化分析

圖1 2000～2020年桂林市碳儲(chǔ)量和地均碳密度變化

圖2 2000～2020年桂林市碳儲(chǔ)量空間分布及變化

a為2000年碳儲(chǔ)量空間分布,b為2010年碳儲(chǔ)量空間分布,c為2020年碳儲(chǔ)量空間分布,d為2000-2020年碳儲(chǔ)量空間變化

分析桂林市不同年份總碳儲(chǔ)量和單位土地面積的平均碳儲(chǔ)量(圖1)可知,桂林市2000年、2010年、2020年的總碳儲(chǔ)量分別為554.02×106t、553.58×106t、550.21×106t,單位土地面積的平均碳儲(chǔ)量分別為200.39,200.23,199.01t/hm2,整體呈下降趨勢(shì).其中,2000～2010年桂林市總碳儲(chǔ)量出現(xiàn)小幅下降,減少量為0.44×106t,相較于2000年減幅為0.07%;2010～2020年下降速度加快,減少量為3.37× 106t,相較于2010年減少了0.6%.單位土地面積的平均碳儲(chǔ)量持續(xù)減少,年均減幅為0.07t/hm2.

從碳儲(chǔ)量的空間分布及其變化看(圖2),2000年、2010年和2020年桂林市碳儲(chǔ)量整體表現(xiàn)為“西北、西南及東部較高,東北、東南及中部較低”的空間分布特征.碳儲(chǔ)高值區(qū)主要集中在山地林區(qū),呈片狀分布,包括龍勝縣、永?？h、灌陽(yáng)縣、恭城縣以及興安縣、靈川縣的北部和南部邊緣地帶,這些區(qū)域固碳能力較強(qiáng),碳密度最高達(dá)到255.2t/hm2;碳儲(chǔ)低值區(qū)廣泛分布在城市及農(nóng)業(yè)種植區(qū),呈點(diǎn)狀片狀分布,主要包括市中心、臨桂區(qū)、陽(yáng)朔縣、荔浦市、平樂(lè)縣、資源縣、全州縣以及興安縣、靈川縣的中心地帶,這些區(qū)域碳密度最低僅為5.2t/hm2.同時(shí),2000～ 2020年桂林市碳儲(chǔ)空間變化具有明顯的地區(qū)差異性,碳儲(chǔ)增加區(qū)面積為85281hm2,占到區(qū)域總面積的3%,變化以“少量增加”為主,主要分布在西北、東北和東南地區(qū),中間地帶分布少且較零散;碳儲(chǔ)減少區(qū)面積為121021hm2,占到區(qū)域總面積的4.4%,變化多為“顯著減少”,呈點(diǎn)線(xiàn)狀在各區(qū)縣蔓延,中心和西南地區(qū)是碳儲(chǔ)減少的主要區(qū)域.

2.2 2000～2020年土地類(lèi)型轉(zhuǎn)變對(duì)碳儲(chǔ)量及其變化的影響

不同土地利用類(lèi)型中的碳密度明顯不同(圖3).固碳能力最強(qiáng)的是林地,2000年、2010年和2020年碳儲(chǔ)量達(dá)到503.16×106t、503.38×106t和501.09×106t,占所有土地利用類(lèi)型固碳總量的90%,是桂林市最重要的碳庫(kù);草地和耕地的固碳能力較弱,其中耕地碳儲(chǔ)變化較小,分別為39.37×106t、39.15×106t和38.58×106t,草地碳儲(chǔ)變化較大,分別為11×106t、10.99×106t和10.18×106t,兩者碳儲(chǔ)量之和僅為林地的十分之一;濕地、水域和建設(shè)用地的碳儲(chǔ)最少, 2020年分別僅為0.03×106t、0.12×106t和0.63×106t,不足林地的千分之一.

圖3 2000～2020年桂林市各土地利用類(lèi)型下的碳儲(chǔ)量變化

表2 2000～2020年土地利用類(lèi)型轉(zhuǎn)移矩陣(hm2)

由表2可知,2020年桂林市土地利用類(lèi)型以林地、耕地和草地為主,其面積分別為1963202.67hm2、597483.63hm2和131343.93hm2,其次是建設(shè)用地(47267.55hm2)和水域(24650.82hm2),濕地面積最少為350.91hm2. 2000～ 2020年,桂林市林地、耕地和草地面積變化明顯,分別減少了8123.31hm2、12379.77hm2和10598.76hm2.其中林地主要轉(zhuǎn)出為耕地和草地,耕地主要流向林地和建設(shè)用地,草地主要流向林地和耕地.與此相反,建設(shè)用地的面積增加了25729.47hm2,增加部分主要來(lái)自耕地和林地,其次是草地.水域面積變化量相對(duì)較小,增加了5836.68hm2,主要來(lái)自耕地.濕地變化量最小,僅縮減464.31hm2.整體來(lái)看,2000～2020年各土地利用類(lèi)型間的轉(zhuǎn)換關(guān)系以碳密度較高的地類(lèi)向碳密度較低的地類(lèi)轉(zhuǎn)換為主,林地、耕地和草地凈減少的部分主要流向建設(shè)用地.

2.3 2000～2020年碳儲(chǔ)重要性分級(jí)

從碳儲(chǔ)量重要性分級(jí)圖(圖4)中可以看出:(1)桂林市碳儲(chǔ)極重要區(qū)連片分布于西部、西北部和東部,南部地區(qū)呈不連續(xù)的片狀分布,多處被重要區(qū)分割.2000年、2010年和2020年極重要區(qū)域面積高達(dá)1971661.14hm2、1972500.57hm2和1963532.25hm2,占到全市國(guó)土面積的71.31%、71.34%和71.02%.(2)碳儲(chǔ)重要區(qū)多分布于東北部、東南部和中部,2000年、2010年和2020年重要區(qū)域面積分別為752650.47hm2、748895.58hm2和729234.27hm2,覆蓋了市域面積的27.22%、27.08%和26.37%.其中北部和南部的碳儲(chǔ)重要區(qū)有少量縮減,中部的碳儲(chǔ)重要區(qū)集中減少變化明顯.(3)碳儲(chǔ)一般區(qū)主要集中在中部市中心,東北、東南部也有零散分布.2000年、2010年和2020年一般區(qū)區(qū)域面積為40353.66hm2、43284.42hm2和71919.63hm2,占到全市國(guó)土面積的1.45%、1.56%和2.60%.碳儲(chǔ)一般區(qū)占比小,分布的整體性不高,但呈擴(kuò)張的趨勢(shì).

圖4 2000～2020年桂林市碳儲(chǔ)量重要性分級(jí)

a為2000年碳儲(chǔ)量重要性分級(jí),b為2010年碳儲(chǔ)量重要性分級(jí),c為2020年碳儲(chǔ)量重要性分級(jí)

2.4 2040年不同情景下的桂林市碳儲(chǔ)變化

經(jīng)由桂林市2020年土地利用模擬圖(圖5a)與2020年土地利用現(xiàn)狀圖(圖5b)對(duì)比發(fā)現(xiàn),Kappa系數(shù)為0.775,整體精度為0.899,故本研究選用GeoSOS- FLUS模型對(duì)桂林市2040年的土地利用進(jìn)行模擬具有可行性和可信性.

自然變化情景下(圖6a),桂林市2040年的碳儲(chǔ)量預(yù)測(cè)為547.44×106t,較2020年減少2.77×106t,平均每年減少1.38×105t;而在資源保護(hù)情景下(圖6b),2040年碳儲(chǔ)量為552.16×106t,較2020年增加1.95×106t,平均每年增加0.97×105t.兩種情景下碳儲(chǔ)空間格局仍呈現(xiàn)“西北、西南及東部較高,東北、東南及中部較低”分布.與自然變化情景(圖6a)相比,資源保護(hù)情景下(圖6b),林地、草地等碳密度較高的地類(lèi)呈擴(kuò)張趨勢(shì),建設(shè)用地等碳密度較低的地類(lèi)則向碳密度較高的地類(lèi)轉(zhuǎn)移,尤其是中部和南部地區(qū)建設(shè)用地占地面積明顯減少,主要轉(zhuǎn)出為林地.綜上,桂林市碳儲(chǔ)量在兩種情景下呈相反的變化態(tài)勢(shì),自然變化情景碳儲(chǔ)量下降較明顯,資源保護(hù)情景則有效增加了桂林市總碳儲(chǔ)量.

圖5 2020年桂林市FLUS模擬(a)與土地利用現(xiàn)狀(b)對(duì)比

圖6 自然變化情景和資源保護(hù)情境下2040年桂林市碳儲(chǔ)量空間分布及變化

a為自然變化情景下碳儲(chǔ)量空間分布,b為資源保護(hù)情境下碳儲(chǔ)量空間分布,c為自然變化情景下碳儲(chǔ)量空間變化,d為資源保護(hù)情境下碳儲(chǔ)量空間變化

兩種情景下的碳儲(chǔ)空間變化明顯不同,自然變化情景(圖6c)中碳儲(chǔ)減少區(qū)面積為134335hm2,占到區(qū)域總面積的4.9%,其中顯著減少區(qū)和少量減少區(qū)面積分別為121044hm2、13291hm2,占到區(qū)域總面積的4.4%、0.5%,資源保護(hù)情景(圖6d)中碳儲(chǔ)減少區(qū)面積為113956hm2,占到區(qū)域總面積的4.1%,其中顯著減少區(qū)和少量減少區(qū)面積分別為102754hm2、11202hm2,占到區(qū)域總面積的3.7%、0.4%,資源保護(hù)情景下中部和西南部碳儲(chǔ)減少區(qū)所占比例明顯下降.同時(shí),自然變化情景(圖6c)中碳儲(chǔ)增加區(qū)面積為119118hm2,占到區(qū)域總面積的4.2%,其中顯著增加區(qū)和少量增加區(qū)面積分別為111306hm2、7812hm2,占到區(qū)域總面積的4%、0.2%,資源保護(hù)情景(圖6d)中碳儲(chǔ)增加區(qū)面積為125050hm2,占到區(qū)域總面積的4.5%,其中顯著增加區(qū)和少量增加區(qū)面積分別為115566hm2、9484hm2,占到區(qū)域總面積的4.2%、0.3%,采取資源保護(hù)措施后,碳儲(chǔ)增加區(qū)的比例有所擴(kuò)大,桂林市總碳儲(chǔ)量呈現(xiàn)迅速上升的趨勢(shì).

3 討論

3.1 桂林市碳儲(chǔ)變化分析

桂林市2000～2020年碳儲(chǔ)時(shí)空變化分析表明, 20a間桂林市碳儲(chǔ)量整體呈減少趨勢(shì),且存在較大的空間差異性.期間土地利用和土地覆蓋面積均發(fā)生變化,林地、耕地和草地相互轉(zhuǎn)換但總面積均減少,說(shuō)明這一時(shí)期退耕退草還林工程效果顯著,同時(shí)伐木耕種現(xiàn)象也尤為嚴(yán)重,但三者面積減少的主要原因是建設(shè)用地的大肆侵占.隨著城市人口的持續(xù)增加和旅游業(yè)的大力發(fā)展,一方面市中心大力推進(jìn)城市化發(fā)展并向周邊擴(kuò)散,另一方面各風(fēng)景區(qū)著力開(kāi)發(fā)自然風(fēng)光并建設(shè)度假村,最終導(dǎo)致林地面積大量流失.此外水域面積也略有增加,這可能與當(dāng)?shù)氐募竟?jié)性水田有關(guān).不同土地利用類(lèi)型的固碳能力明顯不同,其變化對(duì)碳儲(chǔ)量的影響也存在差異.大面積的高碳密度土地利用類(lèi)型轉(zhuǎn)出,尤其是林地大量流失使得土壤和植被地上、地下碳儲(chǔ)量明顯減少,建設(shè)用地和水域擴(kuò)張也加快了總碳儲(chǔ)量的減少速度,最終導(dǎo)致區(qū)域固碳能力明顯降低.同時(shí),各土地利用類(lèi)型中林地多分布于西北、西南和東部地區(qū),而耕地和草地多分布在東北、東南和中部地區(qū),建設(shè)用地和水域主要分布于人口密集的市中心,土地利用布局在極大程度上影響了碳儲(chǔ)空間分布[38-39].從高密度碳量的分布可以看出,碳儲(chǔ)高值區(qū)域覆蓋面積近乎于林地面積,西北、東北和東南部分區(qū)域也隨著退耕退草還林碳密度增加,未來(lái)這些區(qū)域具備發(fā)展碳儲(chǔ)資源富集區(qū)的優(yōu)勢(shì).此外,桂林市中部人口密度大,人類(lèi)活動(dòng)頻繁,存在各種威脅,其他區(qū)域的建設(shè)用地碎片化加劇,使得桂林市北部和南部的城鎮(zhèn)居民區(qū)碳儲(chǔ)量持續(xù)降低,中心商業(yè)區(qū)碳儲(chǔ)量達(dá)到最低值,碳儲(chǔ)低值區(qū)擴(kuò)張速度加快.

3.2 優(yōu)先保護(hù)區(qū)域劃定

分析碳儲(chǔ)時(shí)空變化特征及其與土地利用類(lèi)型轉(zhuǎn)變之間的關(guān)系,為桂林市碳儲(chǔ)研究提供了一個(gè)有價(jià)值、較全面的認(rèn)識(shí),在此基礎(chǔ)上進(jìn)行重要性分級(jí)評(píng)估,以便于設(shè)計(jì)更具有針對(duì)性的資源保護(hù)措施.對(duì)于模擬情境的設(shè)置有多種選擇,有些研究根據(jù)區(qū)域土地利用規(guī)劃要求調(diào)整[40],有些根據(jù)不同程度的工程影響調(diào)整[15],本研究根據(jù)分級(jí)評(píng)估結(jié)果將“極重要”等級(jí)的區(qū)域作為未來(lái)發(fā)展的優(yōu)先保護(hù)區(qū)域,通過(guò)模擬和比較自然變化與資源保護(hù)情景下2040年桂林市碳儲(chǔ)功能,發(fā)現(xiàn)保護(hù)措施下區(qū)域碳儲(chǔ)量明顯提高.分析其原因,保護(hù)措施通過(guò)合理調(diào)控林地和建設(shè)用地以保障“極重要”區(qū)域的優(yōu)先級(jí),林地作為碳儲(chǔ)極重要區(qū)的核心碳庫(kù),具備強(qiáng)大的固碳能力和潛力,其碳儲(chǔ)增量遠(yuǎn)超過(guò)其他地類(lèi)的損失量,而建設(shè)用地作為碳儲(chǔ)一般區(qū)的主要土地利用類(lèi)型,碳密度低,擴(kuò)張速度快,對(duì)高質(zhì)量碳庫(kù)存在極大威脅.因此在優(yōu)先保護(hù)碳儲(chǔ)極重要區(qū)的前提下,合理規(guī)劃重要區(qū)與一般區(qū)的組成結(jié)構(gòu)和發(fā)展,后續(xù)根據(jù)城市發(fā)展趨勢(shì)、人口、產(chǎn)業(yè)、經(jīng)濟(jì)等因素,確定碳儲(chǔ)重要區(qū)與一般區(qū)擴(kuò)張的彈性邊界.既符合高效保護(hù)碳儲(chǔ)資源的需求,又為建設(shè)開(kāi)發(fā)管控提供科學(xué)依據(jù),兼顧了資源保護(hù)與經(jīng)濟(jì)可持續(xù)發(fā)展.

3.3 不同發(fā)展情景對(duì)碳儲(chǔ)量的影響

根據(jù)2000～2020年的土地變化趨勢(shì)預(yù)測(cè)了2040年自然變化情景下的土地利用狀況,又以重要性分級(jí)結(jié)果為基礎(chǔ)設(shè)計(jì)了資源保護(hù)土地利用情景,結(jié)果表明不同發(fā)展情景下碳儲(chǔ)的變化趨勢(shì)和格局截然不同.自然變化情景下總碳儲(chǔ)量持續(xù)降低,各土地利用類(lèi)型基于過(guò)去土地利用結(jié)構(gòu)演變規(guī)律而相互轉(zhuǎn)換,導(dǎo)致桂林市內(nèi)碳儲(chǔ)增加區(qū)和減少區(qū)交錯(cuò)、零散分布,碳儲(chǔ)減少區(qū)穩(wěn)步蔓延,以中部和西南部尤為突出.資源保護(hù)情景則發(fā)生轉(zhuǎn)變,調(diào)整土地利用結(jié)構(gòu)后碳儲(chǔ)量開(kāi)始增加,碳儲(chǔ)空間增加區(qū)和減少區(qū)也有所變化.資源保護(hù)情景強(qiáng)化林地保護(hù),一定程度上促使其他地類(lèi)向林地轉(zhuǎn)變,既保障高碳儲(chǔ)地類(lèi)的固碳能力,又極大地提高碳儲(chǔ)增量[41-42],因此與自然變化情景相比較,采取資源保護(hù)措施后碳儲(chǔ)增加區(qū)的比例擴(kuò)大;同時(shí)合理控制建設(shè)用地,調(diào)整土地利用變化方向,限制低碳儲(chǔ)地類(lèi)大幅度增加[43-44],使得資源保護(hù)情景中碳儲(chǔ)減少區(qū)比例明顯下降,尤其是中部和西南部的“顯著減少區(qū)”退化速度有所緩解.雖然其他地類(lèi)相互轉(zhuǎn)換導(dǎo)致桂林市內(nèi)碳儲(chǔ)增加區(qū)和減少區(qū)交錯(cuò)、零散分布,但資源保護(hù)情景對(duì)林地和建設(shè)用地兩個(gè)關(guān)鍵地類(lèi)進(jìn)行了針對(duì)性的設(shè)置,最終碳儲(chǔ)增加區(qū)擴(kuò)張和減少區(qū)縮減同步進(jìn)行,總碳儲(chǔ)量迅速上升.

3.4 不足與展望

本研究耦合InVEST模型和GeoSOS-FLUS模型,為桂林市碳儲(chǔ)可持續(xù)發(fā)展提供了一套比較科學(xué)、系統(tǒng)的研究方法.在諸多生態(tài)系統(tǒng)服務(wù)模型中, InVEST模型以其操作簡(jiǎn)單、處理迅速、適用性強(qiáng)等優(yōu)點(diǎn)得到了廣泛運(yùn)用,可較為直觀地表達(dá)評(píng)估結(jié)果.然而,InVEST模型也存在一些局限性.首先,本研究部分參數(shù)數(shù)據(jù)(如不同土地利用/覆被類(lèi)型對(duì)四大碳庫(kù)的碳密度)來(lái)源于文獻(xiàn)分析以及經(jīng)驗(yàn)公式,由于各研究者對(duì)不同區(qū)域碳庫(kù)密度的認(rèn)識(shí)或知識(shí)水平存在差異,加上指標(biāo)選取的不一致性,估算結(jié)果存在不確定性;其次,InVEST模型對(duì)土地利用類(lèi)型的碳儲(chǔ)存計(jì)算進(jìn)行簡(jiǎn)化,模型認(rèn)定同一土地利用類(lèi)型的碳密度是均質(zhì)不變的,事實(shí)上同一土地利用類(lèi)型會(huì)隨著環(huán)境和時(shí)間的變化獲得或損失碳,其碳密度也存在差異,因此在未來(lái)的研究中應(yīng)該加強(qiáng)對(duì)碳密度的實(shí)地連續(xù)監(jiān)測(cè),及時(shí)對(duì)碳密度值的合理性進(jìn)行驗(yàn)證.

本研究使用GeoSOS-FLUS模型對(duì)未來(lái)土地利用變化進(jìn)行情景模擬,有效預(yù)測(cè)土地利用變化對(duì)區(qū)域碳儲(chǔ)功能的潛在影響,但仍存在不足之處.例如,情境模擬時(shí)綜合自然和社會(huì)經(jīng)濟(jì)兩方面共選取了六個(gè)土地利用變化驅(qū)動(dòng)因子,但是驅(qū)動(dòng)因子的類(lèi)型和數(shù)量對(duì)模擬精度的影響尚不明確,因此后期研究中,在驅(qū)動(dòng)因子選擇上應(yīng)多次實(shí)驗(yàn),盡可能地保證各種因素對(duì)土地利用模擬的真實(shí)影響.

另外,桂林市部分區(qū)域存在典型的喀斯特地貌(峰叢洼地和峰林平原),喀斯特地區(qū)的土壤理化性質(zhì)與非喀斯特地區(qū)具有較大差異,因此兩種不同區(qū)域的土壤有機(jī)碳密度也有所不同[45].由于桂林市喀斯特區(qū)域碳密度實(shí)測(cè)數(shù)據(jù)匱乏,本研究并未對(duì)兩種區(qū)域的土壤碳密度進(jìn)行區(qū)分,對(duì)碳儲(chǔ)量的估算結(jié)果造成一定影響,未來(lái)的研究應(yīng)盡可能通過(guò)實(shí)地調(diào)研獲取不同區(qū)域土壤碳密度的實(shí)測(cè)數(shù)據(jù),以提高碳儲(chǔ)量估算結(jié)果的準(zhǔn)確性.

4 結(jié)論

4.1 桂林市碳儲(chǔ)量存在顯著的空間分布特征,西北、西南及東部地區(qū)碳儲(chǔ)量總體較高.2000～2020年區(qū)域碳儲(chǔ)量整體呈減少趨勢(shì),年均減幅為0.07t/hm2.桂林市碳儲(chǔ)量整體較高,但近年來(lái)受人類(lèi)活動(dòng)干擾等多種威脅影響固碳能力有所降低.

4.2 桂林市固碳能力高低與土地利用變化密切相關(guān), 林地、耕地、草地、濕地、建設(shè)用地和水域?qū)ρ芯繀^(qū)的碳儲(chǔ)貢獻(xiàn)依次降低.林地面積減少和建設(shè)用地?cái)U(kuò)張及碎片化分布是導(dǎo)致碳儲(chǔ)量下降的主要原因.

4.3 碳儲(chǔ)極重要區(qū)是桂林市的核心碳庫(kù),土地利用類(lèi)型以林地為主,2020年該區(qū)域面積占到全市國(guó)土面積的71.02%,因此將碳儲(chǔ)極重要區(qū)劃定為優(yōu)先保護(hù)區(qū)域,在該區(qū)域范圍內(nèi)進(jìn)行重點(diǎn)資源保護(hù).

4.4 實(shí)施資源保護(hù)措施可以較好地實(shí)現(xiàn)桂林市固碳目標(biāo),自然變化情景下,預(yù)測(cè)2040年的碳儲(chǔ)量比2020年減少2.77×106t;資源保護(hù)情景下,預(yù)測(cè)2040年碳儲(chǔ)量比2020年增加1.95×106t.資源保護(hù)情景將有效減緩碳儲(chǔ)低值區(qū)的退化速度,擴(kuò)大碳儲(chǔ)高值區(qū)所占比例,增強(qiáng)桂林市生態(tài)系統(tǒng)碳儲(chǔ)功能.

[1] Wackernagel M, Onisto L, Bello P, et al. National natural capital accounting with the ecological footprint concept [J]. Ecological economics, 1999,29(3):375-390.

[2] Costanza R, De Groot R, Sutton P, et al. Changes in the global value of ecosystem services [J]. Global environmental change, 2014,26:152- 158.

[3] 張華明,元鵬飛,朱治雙.中國(guó)城市人口規(guī)模、產(chǎn)業(yè)集聚與碳排放 [J]. 中國(guó)環(huán)境科學(xué), 2021,41(5):2459-2470.

Zhang H M, Yuan P F, Zhu Z S. City population size, industrial agglomeration and CO2emission in Chinese prefectures [J]. China Environmental Science, 2021,41(5):2459-2470.

[4] Piao S, Fang J, Ciais P, et al. The carbon balance of terrestrial ecosystems in China [J]. Nature, 2009,458(7241):1009-1013.

[5] Schimel D S, House J I, Hibbard K A, et al. Recent patterns and mechanisms of carbon exchange by terrestrial ecosystems [J]. Nature, 2001,414(6860):169-172.

[6] 方精云,于貴瑞,任小波,等.中國(guó)陸地生態(tài)系統(tǒng)固碳效應(yīng)——中國(guó)科學(xué)院戰(zhàn)略性先導(dǎo)科技專(zhuān)項(xiàng)“應(yīng)對(duì)氣候變化的碳收支認(rèn)證及相關(guān)問(wèn)題”之生態(tài)系統(tǒng)固碳任務(wù)群研究進(jìn)展 [J]. 中國(guó)科學(xué)院院刊, 2015,30(6):848-857,875.

Fang J Y, Yu G R, Ren X B, et al. Carbon sequestration in China's terrestrial ecosystems under climate change——progress on ecosystem carbon sequestration from the CAS strategic priority research program [J]. Bulletin of Chinese Academy of Sciences, 2015, 30(6):848-857,875.

[7] Piyathilake I, Udayakumara E P N, Ranaweera L V, et al. Modeling predictive assessment of carbon storage using InVEST model in Uva province, Sri Lanka [J]. Modeling Earth Systems and Environment, 2021,3:1-11.

[8] Babbar D, Areendran G, Sahana M, et al. Assessment and prediction of carbon sequestration using Markov chain and InVEST model in Sariska Tiger Reserve, India [J]. Journal of Cleaner Production, 2021, 278:123333.

[9] Imran M. Geospatially mapping carbon stock for mountainous forest classes using InVEST model and Sentinel-2data: A case of Bagrote valley in the Karakoram range [J]. Arabian Journal of Geosciences, 2021,14(9):1-12.

[10] 朱文博,張靜靜,崔耀平,等.基于土地利用變化情景的生態(tài)系統(tǒng)碳儲(chǔ)量評(píng)估——以太行山淇河流域?yàn)槔齕J]. 地理學(xué)報(bào), 2019,74(3): 446-459.

Zhu W B, Zhang J J, Cui Y P, et al. Assessment of territorial ecosystem carbon storage based on land use change scenario: a case study in Qihe river basin [J]. Acta Geographica Sinica, 2019,74(3):446-459.

[11] 李 遠(yuǎn),張修玉,許振成,等.西雙版納森林植被碳儲(chǔ)量特征 [J]. 中國(guó)環(huán)境科學(xué), 2013,33(S1):7-12.

Li Y, Zhang X Y, Xu Z C, et al. Carbon storage characteristics of forest vegetation in Xishuangbanna [J]. China Environmental Science, 2013, 33(S1):7-12.

[12] 張修玉,許振成,曾凡棠,等.珠江三角洲森林生態(tài)系統(tǒng)碳密度分配及其儲(chǔ)量動(dòng)態(tài)特征 [J]. 中國(guó)環(huán)境科學(xué), 2011,31(S1):69-77.

Zhang X Y, Xu Z C, Zeng F T, et al. Carbon density distribution and storage dynamics of forest ecosystem in Pearl River Delta of low subtropical China [J]. China Environmental Science, 2011,31(S1):69- 77.

[13] 李雷達(dá),方 晰,李 斌,等.湖南省2014年森林植被碳儲(chǔ)量、碳密度及其區(qū)域空間分布格局 [J]. 中南林業(yè)科技大學(xué)學(xué)報(bào), 2017,37(1): 69-77.

Li L D, Fang X, Li B, et al. Forest vegetation carbon storage, carbon density and spatial distribution pattern in 2014 in Hunan province [J]. Journal of Central South University of Forestry & Technology, 2017, 37(1):69-77.

[14] 蘭 秀,杜 虎,宋同清,等.廣西主要森林植被碳儲(chǔ)量及其影響因素 [J]. 生態(tài)學(xué)報(bào), 2019,39(6):2043-2053.

Lan X, Du H, Song T Q, et al. Vegetation carbon storage in the main forest types in Guangxi and the related influencing factors [J]. Acta Ecologica Sinica, 2019,39(6):2043-2053.

[15] 鄧元杰,姚順波,侯孟陽(yáng),等.退耕還林還草工程對(duì)生態(tài)系統(tǒng)碳儲(chǔ)存服務(wù)的影響——以黃土高原丘陵溝壑區(qū)子長(zhǎng)縣為例 [J]. 自然資源學(xué)報(bào), 2020,35(4):826-844.

Deng Y J, Yao S B, Hou M Y, et al. Assessing the effects of the Green for Grain Program on ecosystem carbon storage service by linking the InVEST and FLUS models:a case study of Zichang county in hilly and gully region of Loess Plateau [J].Journal of Natural Resources, 2020,35(4):826-844.

[16] 魏亞偉,周旺明,于大炮,等.我國(guó)東北天然林保護(hù)工程區(qū)森林植被的碳儲(chǔ)量 [J]. 生態(tài)學(xué)報(bào), 2014,34(20):5696-5705.

Wei Y W, Zhou W M, Yu D P, et al. Carbon storage of forest vegetation under the Natural Forest Protection Program in Northeast China [J]. Acta Ecologica Sinica, 2014,34(20):5696-5705.

[17] 姚 平,陳先剛,周永鋒,等.西南地區(qū)退耕還林工程主要林分50年碳匯潛力 [J]. 生態(tài)學(xué)報(bào), 2014,34(11):3025-3037.

Yao P, Chen X G, Zhou Y F, et al. Carbon sequestration potential of the major stands under the Grain for Green Program in Southwest China in the next 50years [J]. Acta Ecologica Sinica, 2014,34(11):3025- 3037.

[18] Lahiji R N, Dinan N M, Liaghati H, et al. Scenario-based estimation of catchment carbon storage: linking multi-objective land allocation with InVEST model in a mixed agriculture-forest landscape [J]. Frontiers of Earth Science, 2020,14(3):637-646.

[19] Liu S Y, Hu N K, Zhang J, et al. Spatiotemporal change of carbon storage in the Loess Plateau of northern Shaanxi, based on the InVEST Model [J]. Sciences in Cold and Arid Regions, 2018,10(3):240-250.

[20] Nelson E, Mendoza G, Regetz J, et al. Modeling multiple ecosystem services, biodiversity conservation, commodity production, and tradeoffs at landscape scales [J]. Frontiers in Ecology and the Environment, 2009,7(1):4-11.

[21] Zhao M, He Z, Du J, et al. Assessing the effects of ecological engineering on carbon storage by linking the CA-Markov and InVEST models [J]. Ecological Indicators, 2019,98:29-38.

[22] 吳佩君,劉小平,黎 夏,等.基于InVEST模型和元胞自動(dòng)機(jī)的城市擴(kuò)張對(duì)陸地生態(tài)系統(tǒng)碳儲(chǔ)量影響評(píng)估——以廣東省為例 [J]. 地理與地理信息科學(xué), 2016,32(5):22-28,36,2.

Wu P J, Liu X P, Li X, et al. Impact of urban expansion on carbon storage in terrestrial ecosystems based on InVEST model and CA: a case study of Guangdong Province, China [J]. Geography and Geo- Information Science, 2016,32(5):22-28,36,2.

[23] 楊 潔,謝保鵬,張德罡.基于InVEST和CA-Markov模型的黃河流域碳儲(chǔ)量時(shí)空變化研究 [J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文), 2021,29(6):1018-1029.

Yang J, Xie B P, Zhang D G. Spatio-temporal evolution of carbon stocks in the Yellow River Basin based on InVEST and CA-Markov models [J]. Chinese Journal of Eco-Agriculture, 2021,29(6):1018- 1029.

[24] 田義超,黃遠(yuǎn)林,張 強(qiáng),等.北部灣南流江流域土地覆蓋及生物多樣性模擬 [J]. 中國(guó)環(huán)境科學(xué), 2020,40(3):1320-1334.

Tian Y C, Huang Y L, Zhang Q, et al. Simulation of land cover and biodiversity in Nanliu river basin in Beibu Gulf [J]. China Environmental Science, 2020,40(3):1320-1334.

[25] 朱志強(qiáng),馬曉雙,胡 洪.基于耦合FLUS-InVEST模型的廣州市生態(tài)系統(tǒng)碳儲(chǔ)量時(shí)空演變與預(yù)測(cè) [J]. 水土保持通報(bào), 2021,41(2):222- 229,239.

Zhu Z Q, Ma X S, Hu H. Spatio-temporal evolution and prediction of ecosystem carbon stocks in Guangzhou city by coupling FLUS- InVEST models [J]. Bulletin of Soil and Water Conservation, 2021,41(2):222-229,239.

[26] Liu X P, Liang X, Li X, et al. A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects [J]. Landscape and Urban Planning, 2017,168:94- 116.

[27] 齊 麟,許 東,朱 琪,等.基于GeoSOS-FLUS平臺(tái)的東北森林屏障帶生態(tài)格局優(yōu)化 [J]. 生態(tài)學(xué)雜志, 2021,40(11):3448-3462.

Qi L, Xu D, Zhu Q, et al. Ecological pattern optimization of forest barrier belt in Northeast China based on Geo SOS-FLUS [J]. Chinese Journal of Ecology, 2021,40(11):3448-3462.

[28] 郝 亮,陳?ài)夸h,劉 揚(yáng).治理視角下中國(guó)可持續(xù)發(fā)展面臨的問(wèn)題與對(duì)策研究——基于深圳、桂林、蘇北、太原四地可持續(xù)發(fā)展議程創(chuàng)新示范區(qū)建設(shè)方案的分析 [J]. 生態(tài)經(jīng)濟(jì), 2019,35(1):173-179.

Hao L, Chen S F, Liu Y. Research on the problems and countermeasures of China's sustainable development from the perspective of governance:based on the analysis of the construction plan of the national sustainable development agenda innovation demonstration zone of Shenzhen, Guilin, Subei and Taiyuan [J]. Ecological Economy, 2019,35(1):173-179.

[29] 陳 超,周廣勝.1961～2010年桂林氣溫和地溫的變化特征 [J]. 生態(tài)學(xué)報(bào), 2013,33(7):2043-2053.

Chen C, Zhou G S. Analysis on variation characteristics of air temperature and ground temperature in Guilin from 1961 to 2010 [J]. Acta Ecologica Sinica, 2013,33(7):2043-2053.

[30] 徐廣平,李艷瓊,沈育伊,等.桂林會(huì)仙喀斯特濕地水位梯度下不同植物群落土壤有機(jī)碳及其組分特征 [J]. 環(huán)境科學(xué), 2019,40(3):1491- 1503.

Xu G P, Li Y Q, Shen Y Y, et al. Soil organic carbon distribution and components in different plant communities along a water table gradient in the Huixian Karst wetland in Guilin [J]. Environmental Science, 2019,40(3):1491-1503.

[31] 陳 曦.廣西土壤有機(jī)碳儲(chǔ)量估算及與全國(guó)部分省區(qū)的比較研究 [J]. 地理科學(xué), 2014,34(10):1247-1253.

Chen X. Estimation of soil organic carbon reserves in Guangxi and comparion study with some provinces in China [J]. Scientia Geographica Sinica, 2014,34(10):1247-1253.

[32] 榮 檢.基于InVEST模型的廣西西江流域生態(tài)系統(tǒng)產(chǎn)水與固碳服務(wù)功能研究 [D]. 桂林:廣西師范學(xué)院, 2017.

Rong J. Water yield and carbon storge ecosystem services evaluation of Xijiang River basin in Guangxi based on the InVEST model [D]. Guilin: Guangxi Normal University, 2017.

[33] 朱鵬飛.基于InVEST模型的廣西沿海地區(qū)土地利用/覆被變化的生態(tài)效應(yīng)研究 [D]. 桂林:廣西師范學(xué)院, 2018.

Zhu P F. Study on ecological effect of land use/cover change in coastal area of Guangxi based on InVEST model [D]. Guilin:Guangxi Normal University, 2018.

[34] 包玉斌,李 婷,柳 輝,等.基于InVEST模型的陜北黃土高原水源涵養(yǎng)功能時(shí)空變化 [J]. 地理研究, 2016,35(4):664-676.

Bao Y B, Li T, Liu H, et al. Spatial and temporal changes of water conservation of Loess Plateau in northern Shaanxi province by InVEST model [J]. Geographical Research, 2016,35(4):664-676.

[35] 張 影,謝余初,齊姍姍,等.基于InVEST模型的甘肅白龍江流域生態(tài)系統(tǒng)碳儲(chǔ)量及空間格局特征 [J]. 資源科學(xué), 2016,38(8):1585- 1593.

Zhang Y, Xie Y C, Qi S S, et al. Carbon storage and spatial distribution characteristics in the Bailongjiang Watershed in Gansu based on In VEST model [J]. Resources Science, 2016,38(8):1585-1593.

[36] 喬偉峰,盛業(yè)華,方 斌,等.基于轉(zhuǎn)移矩陣的高度城市化區(qū)域土地利用演變信息挖掘——以江蘇省蘇州市為例 [J]. 地理研究, 2013, 32(8):1497-1507.

Qiao W F, Sheng Y H, Fang B, et al. Land use change information mining in highly urbanized area based on transfer matrix: A case study of Suzhou, Jiangsu Province [J]. Geographical Research, 2013,32(8): 1497-1507.

[37] 朱會(huì)義,李秀彬.關(guān)于區(qū)域土地利用變化指數(shù)模型方法的討論 [J]. 地理學(xué)報(bào), 2003,(5):643-650.

Zhu H Y, Li X B. Discussion on the index method of regional land use change [J]. Acta Geographica Sinica, 2003,(5):643-650.

[38] Pereira P. Ecosystem services in a changing environment [J]. Sci. Total Environ., 2020,702:135008.

[39] Gomes E, Inácio M, Bogdzevi? K, et al. Future land use changes and its impacts on terrestrial Ecosystem services: a review [J]. Sci. Total Environ., 2021:146716.

[40] 陳新云,王 甜,李寶健.北京市西北部生態(tài)涵養(yǎng)區(qū)未來(lái)土地利用及生態(tài)系統(tǒng)服務(wù)變化情景模擬 [J]. 西北林學(xué)院學(xué)報(bào), 2021,36(1): 86-95.

Chen X Y, Wang T, Li B J. Simulation of the future land use and ecosystem services in the ecological conservation area in northwestern Beijing [J]. Journal of Northwest Forestry University, 2021,36(1): 86-95.

[41] 方精云,郭兆迪,樸世龍,等.1981～2000年中國(guó)陸地植被碳匯的估算 [J]. 中國(guó)科學(xué)(D輯:地球科學(xué)), 2007,(6):804-812.

[42] Yue X, Zhang T, Shao C. Afforestation increases ecosystem productivity and carbon storage in China during the 2000s [J]. Agricultural and Forest Meteorology, 2021,296:108227.

[43] Deng C, Liu J, Liu Y, et al. Spatiotemporal dislocation of urbanization and ecological construction increased the ecosystem service supply and demand imbalance [J]. Journal of Environmental Management, 2021,288:112478.

[44] Ren Y, Wei X, Wei X, et al. Relationship between vegetation carbon storage and urbanization: A case study of Xiamen, China [J]. Forest Ecology and Management, 2011,261(7):1214-1223.

[45] 張珍明,周運(yùn)超,黃先飛,等.喀斯特小流域土壤有機(jī)碳密度及碳儲(chǔ)量空間分布異質(zhì)性 [J]. 水土保持學(xué)報(bào), 2017,31(2):184-190,214.

Zhang Z M, Zhou Y C ,Huang X F, et al. Spatial heterogeneity and distribution characteristics of soil organic carbon density and soil organic carbon storage in a small Karst watershed [J]. Journal of Soil and Water Conservation, 2017,31(2):184-190,214.

Study on sustainable development of carbon storage in Guilin coupled with InVEST and GeoSOS-FLUS model.

ZHANG Kai-qi1, CHEN Jian-jun1,2*, HOU Jian-kun1, ZHOU Guo-qing1,2, YOU Hao-tian1,2, HAN Xiao-wen1,2

(1.College of Geomatics and Geoinformation, Guilin University of Technology, Guilin 541004, China；2.Guangxi Key Laboratory of Spatial Information and Geomatics, Guilin University of Technology, Guilin 541004, China)., 2022,42(6)：2799～2809

In order to quantify the carbon storage of Guilin and quickly evaluate the impact of hierarchical conservation measures on regional carbon storage function, this study coupled carbon storage module of InVEST model and GeoSOS-FLUS model. Based on land use data and future land prediction results of different scenarios, the spatio-temporal characteristics of carbon storage in Guilin from 2000 to 2040 were analyzed. The results showed that the total carbon storage of Guilin in 2000, 2010 and 2020 was 554.02×106t, 553.58×106t and 550.21×106t respectively, showing a trend of "decreasing year by year". At the same time, affected by human activities and land use type change, the carbon storage level of each district and county in Guilin had a great spatial and temporal difference. The overall carbon storage was higher in northwest, southwest and east, and lower in northeast, southeast and central parts of Guilin. The high-value carbon storage area in Guilin was determined as the priority area for carbon storage resource protection. Compared with the natural change scenario, the forest land in Guilin was effectively protected under the resource conservation scenario, and the expansion of construction land was restricted. After taking resource protection measures, the total carbon storage of Guilin reaches 552.16×106t in 2040, an increase of 1.95×106t compared with 2020. The proportion of medium and low density carbon storage area decreases significantly, and the regional carbon sequestration capacity is greatly enhanced. The research results can provide guidance for the construction of national sustainable development demonstration city in Guilin, and also provide scientific reference for precise protection of carbon storage resources and land use management decisions.

carbon storage；InVEST model；GeoSOS-FLUS model；importance hierarchy；Guilin

X32

A

1000-6923(2022)06-2799-11

張凱琪(1998-),女,山東泰安人,桂林理工大學(xué),主要從事生態(tài)遙感方向研究.發(fā)表論文1篇.

2021-11-17

國(guó)家自然科學(xué)基金(41801030,41901370);廣西科技計(jì)劃項(xiàng)目(桂科AD19245032);廣西自然科學(xué)基金(2018GXNSFBA281054);廣西八桂學(xué)者專(zhuān)項(xiàng)項(xiàng)目(周?chē)?guó)清);廣西空間信息與測(cè)繪重點(diǎn)實(shí)驗(yàn)室項(xiàng)目(19-050-11-22)

* 責(zé)任作者, 副教授, chenjj@glut.edu.cn