林 彤,楊木壯,吳大放,劉 鋒,楊金海,王穎佳 (廣州大學(xué)地理科學(xué)與遙感學(xué)院,廣東 廣州 510006)
陸地生態(tài)系統(tǒng)碳儲(chǔ)量是在植物、土壤和大氣進(jìn)行連續(xù)的碳交換過程中,大量存儲(chǔ)在植物葉片、木質(zhì)部分和土壤中的碳.陸地生態(tài)系統(tǒng)的碳儲(chǔ)量是研究陸地生態(tài)系統(tǒng)與大氣碳交換的基本參數(shù),也是估算陸地生態(tài)系統(tǒng)吸收和排放含碳?xì)怏w數(shù)量的關(guān)鍵要素[1].土地利用覆被變化(Land Use and Cover Change)是影響陸地生態(tài)系統(tǒng)碳循環(huán)過程,引起區(qū)域碳收支變化的重要原因[2].土地利用覆被類型是決定陸地生態(tài)系統(tǒng)碳儲(chǔ)存的重要因素,當(dāng)土地覆被由一種類型轉(zhuǎn)變?yōu)榱硪环N類型時(shí)往往伴隨著大量的碳交換[3].
我國(guó)在土地利用碳儲(chǔ)量方面的研究多采用實(shí)地取樣的方式進(jìn)行[4],探究不同土地利用方式下或某類土地利用類型對(duì)土壤有機(jī)碳儲(chǔ)量的影響.結(jié)果表明,土地利用活動(dòng)對(duì)陸地生態(tài)系統(tǒng)碳循環(huán)的影響遠(yuǎn)比工業(yè)活動(dòng)更廣泛、深遠(yuǎn)和復(fù)雜[5].實(shí)地調(diào)查和理化分析數(shù)據(jù)對(duì)土壤碳儲(chǔ)量的研究發(fā)現(xiàn),林地對(duì)碳儲(chǔ)量具有重要作用[6],水稻田的利用方式有利于土壤固碳[7].隨著 GIS技術(shù)和各種模型的廣泛運(yùn)用,以及前期碳密度實(shí)地采樣成果逐步豐富,研究開始結(jié)合RS和GIS手段,在獲取土地利用數(shù)據(jù)基礎(chǔ)上,關(guān)注土地利用變化對(duì)不同類型碳儲(chǔ)量的影響[8],結(jié)合DNDC 模型[9]、CASA 模型[10]、CBMCFS3 模型[11]、Bookkeeping模型[12]等模型大致估算區(qū)域土地利用碳儲(chǔ)量.隨著 InVEST模型的提出,國(guó)內(nèi)外越來越多學(xué)者開始使用該模型中的 Carbon模塊對(duì)區(qū)域碳儲(chǔ)量進(jìn)行測(cè)算[13-18].InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)是美國(guó)自然資本項(xiàng)目組開發(fā),用于評(píng)估生態(tài)系統(tǒng)服務(wù)功能量及其經(jīng)濟(jì)價(jià)值、支持生態(tài)系統(tǒng)管理和決策的模型系統(tǒng).目前,InVEST模型已在多個(gè)國(guó)家和地區(qū)的空間規(guī)劃、生態(tài)補(bǔ)償、風(fēng)險(xiǎn)管理、適應(yīng)氣候變化等環(huán)境管理決策中得到廣泛應(yīng)用,多國(guó)學(xué)者用碳儲(chǔ)量模塊探究土地利用變化[19-23]、社會(huì)經(jīng)濟(jì)和人口發(fā)展水平[24]對(duì)陸地生態(tài)系統(tǒng)碳儲(chǔ)量的影響.目前,大尺度的研究范圍包括城市群[25]、省域[26]和市域[27],小尺度集中在縣域[28]、海岸帶[29]、流域[30]、干旱區(qū)域[31]等,主要耦合 SD(System Dynamics Model)和 CLUE-S(Conversion of Land Use and its Effects at Small region extent Model)[32-33]、FLUS(Future Land Use Simulation FLUS)[34]、CA(Cellular Automata)[35-37]等模型對(duì)未來陸地生態(tài)系統(tǒng)碳儲(chǔ)量進(jìn)行遠(yuǎn)景模擬預(yù)測(cè).在土地利用類型劃分方面,由于研究區(qū)尺度和自然本底條件不同,現(xiàn)有研究對(duì)土地利用類型的劃分不一致,多數(shù)研究集中關(guān)注某類土地利用類型對(duì)碳儲(chǔ)量的影響,詳盡劃分的全類土地利用類型對(duì)總碳儲(chǔ)量影響的研究較少.有研究?jī)H對(duì)土地利用變化和碳儲(chǔ)量空間分布現(xiàn)狀進(jìn)行了分析,尚未考慮到碳儲(chǔ)量分布的空間關(guān)聯(lián)特點(diǎn)[38-40].現(xiàn)有的模擬預(yù)測(cè)模型中,則多數(shù)難以模擬土地利用斑塊級(jí)別的變化,缺乏對(duì)土地利用變化驅(qū)動(dòng)因素的挖掘能力[41].
廣東省從2010年啟動(dòng)國(guó)家低碳省試點(diǎn)工作,至今已超額完成超 44%的碳排放下降目標(biāo),碳減排工作取得一定成效,但節(jié)能減碳形勢(shì)仍然嚴(yán)峻[42],面臨著碳空間緊縮、碳排放剛性需求等挑戰(zhàn).本文以廣東省為研究區(qū),基于 InVEST模型定量分析廣東省1990~2020年碳儲(chǔ)量時(shí)空分布,用 Moran’s I指數(shù)、Getis-Ord Gi*和 Anselin Local Moran’s I工具分析廣東省區(qū)域內(nèi)部碳儲(chǔ)量空間關(guān)聯(lián)特征,結(jié)合 PLUS模型預(yù)測(cè)2050年廣東省土地利用碳儲(chǔ)量,研究廣東省土地利用碳儲(chǔ)量未來變化情況,旨在促進(jìn)區(qū)域國(guó)土空間優(yōu)化布局,協(xié)調(diào)用地開發(fā)和生態(tài)保護(hù)的關(guān)系,為廣東省自然資源可持續(xù)管理和低碳發(fā)展決策提供參考.
廣東省下轄 21個(gè)地級(jí)市(其中 2個(gè)副省級(jí)市),劃分為珠三角、粵東、粵西和粵北 4個(gè)區(qū)域.2020年末,全省常住人口12624.00萬(wàn)人.廣東省地貌類型復(fù)雜多樣,山地、丘陵、臺(tái)地和平原面積分別占全省土地總面積的33.7%、24.9%、14.2%和21.7%,河流和湖泊等只占全省土地總面積的 5.5%.地勢(shì)總體北高南低,北部多為山地和高丘陵.廣東省屬于東亞季風(fēng)區(qū),從北向南分別為中亞熱帶、南亞熱帶和熱帶氣候,是中國(guó)光、熱和水資源最豐富的地區(qū)之一.廣東省河流眾多,以珠江流域(東江、西江、北江和珠江三角洲)及獨(dú)流入海的韓江流域和粵東沿海、粵西沿海諸河為主,其余屬于長(zhǎng)江流域的鄱陽(yáng)湖和洞庭湖水系.全省多年平均降水量 1771mm,折合年均降水總量 3145億 m3.廣東省水資源時(shí)空分布不均,夏秋易洪澇,冬春常干早[43].
1.2.1 基于 InVEST模型的碳儲(chǔ)量計(jì)算 運(yùn)用InVEST模型中的Carbon模塊,基于土地利用和土地覆蓋類型地圖及 4個(gè)碳庫(kù)(地上生物量、地下生物量、土壤、死亡有機(jī)物)的碳儲(chǔ)量來估算在當(dāng)前景觀下碳儲(chǔ)量或者一個(gè)時(shí)間段內(nèi)的碳儲(chǔ)量.基于用戶手冊(cè)中InVEST模型Carbon模塊使用原理,模型不考慮地上碳庫(kù)中極不穩(wěn)定的碳(如草地和短周期的農(nóng)作物,因?yàn)檫@些碳庫(kù)相對(duì)稀少、更新太快或非常穩(wěn)定).某一區(qū)域內(nèi)各種土地利用類型的碳儲(chǔ)量計(jì)算公式如下:
式中:i為第i種土地利用類型;Ci_tot為某區(qū)域內(nèi)土地利用類型的總碳儲(chǔ)量;Ci_above為地上生物量,包括土壤以上所有存活的植物材料(例如,樹皮、樹干、樹枝和樹葉)的碳儲(chǔ)量;Ci_below為第地下生物量碳儲(chǔ)量,包括植物活的根系部分的碳儲(chǔ)量.Ci_soil為土壤碳儲(chǔ)量,通常被限制為礦質(zhì)土壤的有機(jī)碳,但也包括有機(jī)土壤.Ci_dead為死亡有機(jī)質(zhì)碳儲(chǔ)量,包括凋落物、倒立或已死亡的樹木.
1.2.2 基于格網(wǎng)的空間關(guān)聯(lián)性分析 在ArcMap上生成研究區(qū)10km×10km的格網(wǎng)和格網(wǎng)點(diǎn),將碳儲(chǔ)量數(shù)據(jù)與格網(wǎng)鏈接,得到每個(gè)格網(wǎng)點(diǎn)的碳儲(chǔ)量值.基于格網(wǎng)尺度,先計(jì)算Morans’I值,得到全局自相關(guān)結(jié)果.然后用 Getis-Ord Gi*分析研究區(qū)碳儲(chǔ)量熱點(diǎn)分布.最后,用Anselin Local Moran’s I得到局部自相關(guān)結(jié)果和LISA集聚圖.
1.2.3 基于 PLUS模型的土地利用變化預(yù)測(cè)PLUS是一種基于柵格數(shù)據(jù)斑塊生成土地利用變化模擬的模型,可以更好地挖掘各類土地利用變化的誘因,模擬多類土地利用斑塊級(jí)的變化[41].該模型包含用地?cái)U(kuò)張分析策略LEAS和基于多類隨機(jī)斑塊種子的CA模型CARS兩大模塊.其中LEAS模塊能夠提取兩期土地利用變化間的用地?cái)U(kuò)張部分并進(jìn)行采樣,采用隨機(jī)森林算法挖掘并獲取各類用地的發(fā)展概率和驅(qū)動(dòng)因素的貢獻(xiàn)率.CARS模塊結(jié)合隨機(jī)種子生成和閾值遞減機(jī)制,在發(fā)展概率的約束下模擬斑塊的自動(dòng)生成.基于 PLUS模型,先用 LEAS模塊分析 1990~2020年的用地?cái)U(kuò)張情況;然后,用Markov Chain計(jì)算到2050年各類用地的需求;最后,用CARS模塊模擬預(yù)測(cè)2050年土地利用變化情況.
1.3.1 土地利用類型數(shù)據(jù) 土地利用類型數(shù)據(jù)來源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn),分別是1990年、2000年、2010年和2020年4期土地利用遙感監(jiān)測(cè)數(shù)據(jù),空間分辨率為1km×1km,包含 7個(gè)一級(jí)類和 26個(gè)二級(jí)類.廣東省4期土地利用數(shù)據(jù)庫(kù)內(nèi)無永久性冰川雪地、戈壁和裸巖石礫地 3種土地利用類型,最終得到二級(jí)地類23個(gè).
1.3.2 碳庫(kù)數(shù)據(jù) InVEST模型中,Carbon模塊對(duì)碳儲(chǔ)量計(jì)算和碳轉(zhuǎn)移過程進(jìn)行了簡(jiǎn)化,其假定碳儲(chǔ)量為靜態(tài)、不隨時(shí)間推移而改變,且區(qū)域內(nèi)每一處土地利用類型的碳密度是唯一值.本文忽略采伐速率和未來情境下的碳儲(chǔ)量.碳庫(kù)數(shù)據(jù)主要參考前人成果,地上碳密度數(shù)據(jù)選取了研究區(qū)域同為廣東省的碳密度數(shù)據(jù)[35]和 2010年中國(guó)陸地生態(tài)系統(tǒng)地上碳密度數(shù)據(jù)集[44],土壤碳密度參考了周汝波等[45]的研究和2010年中國(guó)陸地生態(tài)系統(tǒng)土壤0~100cm碳密度數(shù)據(jù)集[44],地下碳密度數(shù)據(jù)參考了黃玫等[46]地下和地上植物根莖比系數(shù)獲得,其中耕地0.2,林地0.3,草地5.2,死亡有機(jī)物碳密度數(shù)據(jù)參考了李瑾璞等[47]和葉金盛等[48]的研究并稍加修正.最終得到廣東省土地利用類型碳密度數(shù)據(jù)庫(kù)(表1).
表1 廣東省各類土地利用類型碳庫(kù)(Mg/hm2)Table 1 Carbon pool of land use types in Guangdong Province(Mg/hm2)
1.3.3 土地利用模擬數(shù)據(jù) 土地利用變化驅(qū)動(dòng)因素包括社會(huì)經(jīng)濟(jì)數(shù)據(jù)和氣候環(huán)境數(shù)據(jù),其中社會(huì)經(jīng)濟(jì)數(shù)據(jù)9個(gè),氣候環(huán)境數(shù)據(jù)5個(gè)(表2).本研究?jī)H討論自然發(fā)展情景下土地利用變化情況,LEAS和CARS各模塊中各種參數(shù)設(shè)置如下:
表2 土地利用模擬預(yù)測(cè)數(shù)據(jù)Table 2 Data of land use simulation and prediction
(1)隨機(jī)森林參數(shù)設(shè)置.采樣方式選擇隨機(jī)采樣,采樣率默認(rèn)為0.01,mTry為9個(gè),決策樹數(shù)目為20,并行線程數(shù)量為4.mTry個(gè)數(shù)一般不超過驅(qū)動(dòng)因子個(gè)數(shù),在此選取了驅(qū)動(dòng)因子三分之二的個(gè)數(shù);并行線程數(shù)量高,可以提高運(yùn)算效率.
(2)CARS模擬參數(shù)設(shè)置.領(lǐng)域范圍選取默認(rèn)值3,斑塊生成遞減閾值的衰減系數(shù)為0.5,擴(kuò)散系數(shù)為0.5,隨機(jī)斑塊種子的概率默認(rèn)為0.05.
(3)轉(zhuǎn)移矩陣設(shè)置.轉(zhuǎn)移矩陣中(表3),0代表不可以發(fā)生轉(zhuǎn)換,1代表可以發(fā)生轉(zhuǎn)換,由于水域?yàn)橄拗菩砸蛩?設(shè)置水域不得向其他地類轉(zhuǎn)換.建設(shè)用地不易發(fā)生改變,同樣設(shè)置為不向其他地類進(jìn)行轉(zhuǎn)換.
表3 轉(zhuǎn)移矩陣參數(shù)設(shè)置Table 3 Parameter setting of transition matrix
(4)領(lǐng)域權(quán)重設(shè)置.根據(jù)用地類型擴(kuò)張面積占比確定領(lǐng)域權(quán)重,計(jì)算得耕地0.132、林地0.191、草地0.031、水域0.032、建設(shè)用地0.065、未利用地0.001、填海用地0.001.
由土地利用結(jié)構(gòu)圖(圖1)可知,從1990~2020年,廣東省耕地、林地、草地和未利用地面積占比均有所減少,耕地占比由 26.53%下降到 23.83%,林地占比由60.97%下降到60.03%,草地占比由4.48%下降為4.31%,未利用地占比由 0.08%下降為0.07%,分別減少了47.25萬(wàn),15.72萬(wàn),3.06萬(wàn)和0.25萬(wàn)hm2.水域占比提高了 0.21%,建設(shè)用地占比上升了3.60%,分別增加了3.91萬(wàn)和63.94萬(wàn)hm2.水域占比增長(zhǎng)主要表現(xiàn)為河渠和坑塘水面面積的增加,建設(shè)用地表現(xiàn)為城鎮(zhèn)用地以及其他建設(shè)用地的擴(kuò)張.所有土地利用類型中,耕地的比例下降幅度最大,建設(shè)用地增長(zhǎng)幅度最大.到 2020年,廣東省土地利用面積大小為林地>耕地>建設(shè)用地>水域>草地>填海用地>未利用地.
圖1 1990~2020年廣東省土地利用數(shù)量結(jié)構(gòu)Fig.1 Quantitative structure of land use from 1990 to 2020 in Guangdong Province
從空間布局看(圖2),4個(gè)時(shí)點(diǎn)中,建設(shè)用地明顯集聚分布在珠江三角洲城市群,分別是廣州市、佛山市、東莞市、中山市、珠海市、深圳市、江門市、肇慶市和惠州市9大城市.巨大的人口和資本流動(dòng)是珠三角近30a來城鎮(zhèn)用地迅速擴(kuò)張的重要原因.珠三角匯集了大量的人口和資金要素,以不到全省三分之一的土地面積,容納了全省61.97%的人口,創(chuàng)造出全省 80.83%的 GDP[49].由于珠三角地區(qū)國(guó)土空間開發(fā)程度高,林地、耕地、草地等生態(tài)空間被大量侵占,呈現(xiàn)破碎化狀態(tài).粵東、粵西是全省重點(diǎn)開發(fā)區(qū)域,分布了一定規(guī)模的建設(shè)用地,汕潮揭、湛茂兩大城鎮(zhèn)群已有雛形[50].粵北山區(qū)以林地和耕地為主,是廣東省重要的安全屏障、水源涵養(yǎng)區(qū)和生物多樣性保護(hù)區(qū)域.廣東省形成了以珠三角為經(jīng)濟(jì)核心、粵東西兩翼為持續(xù)發(fā)展和粵北山區(qū)為生態(tài)保障的國(guó)土空間開發(fā)格局.
圖2 1990~2020年廣東省土地利用類型分布Fig.2 The distribution of land use from 1990 to 2020 in Guangdong Province審圖號(hào):GS(2020)4632
用ArcMap柵格計(jì)算器得到1990~2020年各類型土地利用轉(zhuǎn)移矩陣(表4).近 30a,耕地共轉(zhuǎn)出246.69萬(wàn)hm2,其中有58.92%轉(zhuǎn)出為林地,24.46%轉(zhuǎn)出為建設(shè)用地.林地共轉(zhuǎn)出 223.65萬(wàn) hm2,其中62.63%轉(zhuǎn)出為耕地,16.46%轉(zhuǎn)出為草地,13.31%轉(zhuǎn)出為建設(shè)用地.30a間,建設(shè)用地共轉(zhuǎn)入 106.24萬(wàn)hm2,其中 56.79%來源于耕地,28.02%來源于林地.轉(zhuǎn)化率較大的地類主要為耕地、林地和建設(shè)用地.1990~2005年,廣東省土地利用主要表現(xiàn)出建設(shè)用地迅速增加、耕地大幅減少、開發(fā)強(qiáng)度區(qū)域差異大等特點(diǎn).在前期15a間,由于社會(huì)經(jīng)濟(jì)發(fā)展需求日益提高,以及地方政府將土地作為招商引資的重要手段,城鎮(zhèn)用地和工業(yè)用地迅速進(jìn)行了無序擴(kuò)張,侵占了大量耕地.僅1995~2005年,全省耕地年均減少3.35萬(wàn)hm2,減少幅度較大;建設(shè)用地面積年均增加3.22萬(wàn) hm2,增長(zhǎng)速度過快[51].2005年,珠三角平原區(qū)的土地開發(fā)利用強(qiáng)度為15.11%,建設(shè)用地增量長(zhǎng)期過度集中在珠三角地區(qū),尤其是環(huán)珠江口沿岸城市,區(qū)域發(fā)展之間不平衡.2006~2010年是廣東省國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第11個(gè)5a規(guī)劃期,規(guī)劃期內(nèi)廣東省各地都在開發(fā)建設(shè),珠三角地區(qū)重點(diǎn)進(jìn)行道路建設(shè),粵西、粵東兩翼主要進(jìn)行臨港工業(yè)建設(shè),粵北依然是生態(tài)保護(hù)的重點(diǎn)地區(qū).這是廣東省在此期間建設(shè)用地迅速增加了 30.46萬(wàn) hm2的原因.隨著耕地“占一補(bǔ)一”、“三舊”改造和城鄉(xiāng)建設(shè)用地增加掛鉤等政策的實(shí)施,強(qiáng)化了對(duì)土地用途的管控,提高了對(duì)存量建設(shè)用地的利用率,盤活了現(xiàn)有建設(shè)用地,2008~2015 年,“三舊”改造面積 3.80 萬(wàn) hm2,節(jié)約土地0.99萬(wàn)hm2;2011~2015年,全省建成高標(biāo)準(zhǔn)農(nóng)田122.07萬(wàn)hm2.目前,廣東省仍存在區(qū)域發(fā)展不平衡的問題,珠三角發(fā)展與粵東西北發(fā)展差距懸殊,未來還將進(jìn)一步加強(qiáng)珠三角和粵東西北的聯(lián)動(dòng)與協(xié)同發(fā)展.
表4 1990~2020年廣東省土地利用轉(zhuǎn)移矩陣(萬(wàn)hm2)Table 4 Transition matrix of land use from 1990 to 2020 in Guangdong Province(10000hm2)
運(yùn)用InVEST模型得到4個(gè)時(shí)點(diǎn)的碳儲(chǔ)量空間分布圖(圖3).近 30a廣東省碳儲(chǔ)量空間分布無較大差異,低碳儲(chǔ)量區(qū)主要位于珠江口沿岸的廣州市、深圳市、中山市、東莞市、珠海市和佛山市,中碳儲(chǔ)量區(qū)主要位于粵東地區(qū)的揭陽(yáng)市、汕頭市和潮州市以及粵西地區(qū)的湛江市、茂名市和陽(yáng)江市,高碳儲(chǔ)量區(qū)主要位于粵北地區(qū)的韶關(guān)市、清遠(yuǎn)市、云浮市、梅州市和河源市,整體呈現(xiàn)出“中部低、北部高、東西中等”的特點(diǎn).
圖3 1990~2020年廣東省碳儲(chǔ)量空間分布Fig.3 Spatial distribution of carbon storage from 1990 to 2020 in Guangdong Province
從主要土地利用類型來看(表7),每一時(shí)點(diǎn)碳儲(chǔ)量從大到小分別是林地>耕地>草地>建設(shè)用地>水域>未利用地.到2020年,林地的碳儲(chǔ)量最大,占全省的 67.87%,其次是耕地(15.23%)和草地(11.76%).30a來,廣東省耕地碳儲(chǔ)量持續(xù)減少,減少了 1394.39萬(wàn)Mg;林地碳儲(chǔ)量先輕微上升,后下降,減少了 924.56萬(wàn) Mg;草地碳儲(chǔ)量處于波動(dòng)下降的狀態(tài),最終碳儲(chǔ)量減少了387.67萬(wàn)Mg.碳密度大的土地利用類型的面積大幅減少,勢(shì)必影響區(qū)域碳儲(chǔ)量總量.珠三角地區(qū)的城市化水平高,土地開發(fā)利用程度大,人口密集,對(duì)建設(shè)用地需求更高,城市建設(shè)用地占比較多,部分城市開發(fā)程度超過 30%[38],城市化地區(qū)生態(tài)空間被大量蠶食,林地、耕地、草地等碳儲(chǔ)量高的土地利用類型面積較少,分布零散,是珠三角區(qū)域碳儲(chǔ)量較少的主要原因.相比之下,城市發(fā)展水平較慢、土地開發(fā)程度較低的粵東西沿海地區(qū),林地、草地等生態(tài)用地?cái)?shù)量多,區(qū)域碳儲(chǔ)量較高.作為廣東省生態(tài)屏障的粵北山區(qū),城市化水平較低,林地面積廣,耕地、草地面積占比高,是碳儲(chǔ)量最高的區(qū)域.結(jié)合廣東省土地利用結(jié)構(gòu)變化情況,碳儲(chǔ)量與土地利用變化息息相關(guān),土地利用變化能夠顯著影響區(qū)域碳儲(chǔ)量,尤其是生態(tài)用地對(duì)碳儲(chǔ)量變化的作用更加明顯.
表5 1990~2000年廣東省土地利用碳儲(chǔ)量(Mg)Table 5 Land use carbon storage from 1990 to 2020 in Guangdong Province(Mg)
從空間關(guān)聯(lián)性來看,廣東省 1990~2020年碳儲(chǔ)量空間 Moran’s I值均大于 0,分別為0.5816、0.5854、0.5843和0.5484,說明廣東省碳儲(chǔ)量空間分布呈現(xiàn)出一定的集聚現(xiàn)象.Getis-Ord Gi*熱點(diǎn)分析(圖4)表明,1990~2020年,碳儲(chǔ)量高低值集聚分布情況無較大差異,碳儲(chǔ)量熱點(diǎn)區(qū)域分布在韶關(guān)市、清遠(yuǎn)市、肇慶市、云浮市、茂名市、河源市、梅州市和汕尾市共 8個(gè)市,其中以植被面積較多的粵北區(qū)域最為顯著、廣泛.粵東、粵西少數(shù)城市有碳儲(chǔ)量高值集聚分布.集聚程度較低的區(qū)域還是位于珠三角地帶,尤其是環(huán)珠江口沿岸的 6個(gè)城市,表現(xiàn)為99%置信度的低碳儲(chǔ)量集聚.到 2020年,碳儲(chǔ)量高集聚范圍縮小,但整體結(jié)構(gòu)仍呈現(xiàn)出以粵北山區(qū)生態(tài)重要屏障區(qū)域?yàn)橹?、以粵東西兩翼為輔的特點(diǎn).同時(shí)LISA集聚圖表明(圖5),粵北以清遠(yuǎn)市、韶關(guān)市、河源市和肇慶市為最主要的碳儲(chǔ)量高—高集聚區(qū)域,粵西以湛江市和茂名市為主,珠三角僅有惠州市為高—高集聚區(qū).碳儲(chǔ)量總量不僅在這些城市較高,并且呈現(xiàn)出集中分布的狀態(tài),分布范圍大.珠三角的東莞市、中山市、深圳市和珠海市,以及粵東的潮州市和汕頭市屬于碳儲(chǔ)量低—低集聚區(qū)域.其中,梅州市表現(xiàn)為被低碳儲(chǔ)量值環(huán)繞的高碳儲(chǔ)量區(qū)域.廣東省碳儲(chǔ)量空間分布與土地利用情況密不可分,碳儲(chǔ)量顯著高值集聚區(qū)域分布在建設(shè)用地少、生態(tài)用地多且連片的粵北地區(qū),顯著低值區(qū)域分布在國(guó)土開發(fā)強(qiáng)度和生態(tài)用地破碎化程度高的珠三角地帶,這些區(qū)域沒有碳密度較高的生態(tài)用地為其提供一定的碳儲(chǔ)存,故碳儲(chǔ)量表現(xiàn)出無顯著集聚分布或低值集聚分布的狀態(tài).總體而言,碳儲(chǔ)量空間關(guān)系形成高集聚區(qū)域環(huán)狀圍繞低值集聚區(qū)域的結(jié)構(gòu)特點(diǎn).
圖4 1990~2020年廣東省碳儲(chǔ)量熱點(diǎn)分布Fig.4 Hot spot distribution of carbon storage in Guangdong Province from 1990 to 2020
圖5 2020年廣東省碳儲(chǔ)量LISA集聚Fig.5 LISA agglomeration diagram of carbon storage in Guangdong Province, 2020
基于PLUS模型和14個(gè)驅(qū)動(dòng)因子,以2020年為基期,得到2050年廣東省土地利用情況.檢驗(yàn)表明,Kappa系數(shù)為0.7828,總精度為0.8743,精度檢驗(yàn)結(jié)果可行,可用于模擬預(yù)測(cè).土地利用結(jié)構(gòu)表表明(表6),在現(xiàn)行社會(huì)經(jīng)濟(jì)自然發(fā)展的情況下,到2050年,耕地、林地和草地面積持續(xù)減少,分別減少 30.31萬(wàn),63.24萬(wàn)和 5.80萬(wàn)hm2,水域和建設(shè)用地面積分別增加2.09萬(wàn)和24.72萬(wàn)hm2.水域面積上升,但碳儲(chǔ)量減少的原因是增加的水域類型主要是碳密度為0的河渠和水庫(kù)坑塘,而灘涂、灘地等具有一定碳密度的地類減少了.較2020年,碳儲(chǔ)量共減少4327.21萬(wàn)Mg,其中林地的減量最高,減少了3313.02萬(wàn)Mg,平均每年每減少1萬(wàn)hm2的林地,碳儲(chǔ)量就下降110.43萬(wàn)Mg;其次是草地,平均每年失去1萬(wàn)hm2的草地,碳儲(chǔ)量減少24.37萬(wàn)Mg.林地和草地兩類具備高碳儲(chǔ)量的生態(tài)服務(wù)型用地,數(shù)量的多少直接對(duì)區(qū)域碳儲(chǔ)量產(chǎn)生重大的影響.從2050年廣東省土地利用和碳儲(chǔ)量分布圖(圖6)看,環(huán)珠江口沿岸的城市基本上都被建設(shè)用地占據(jù),除廣州市北部分布有林地外,其他城市的林地和草地面積微乎其微.低碳儲(chǔ)量區(qū)域分布更廣,深圳市和佛山市幾乎沒有較高碳儲(chǔ)量的地區(qū).
表6 2050年廣東省土地利用結(jié)構(gòu)Table 6 Construction of land use of 2050 in Guangdong Province
圖6 廣東省2050年土地利用及碳儲(chǔ)量分布預(yù)測(cè)Fig.6 prediction of land use and carbon storage distribution of 2050 in Guangdong Province
將 1990~2050年廣東省碳儲(chǔ)量分區(qū)統(tǒng)計(jì),用自然斷點(diǎn)法,把碳儲(chǔ)量劃分為低碳儲(chǔ)量區(qū)、較低碳儲(chǔ)量區(qū)、中等碳儲(chǔ)量區(qū)、較高碳儲(chǔ)量區(qū)和高碳儲(chǔ)量區(qū),可以得到各市碳儲(chǔ)量時(shí)間序列上的變化情況(圖7).1990~2000年,除廣州市由中等碳儲(chǔ)量區(qū)變成較低碳儲(chǔ)量區(qū)外,廣東省其他各市碳儲(chǔ)量等級(jí)無變化.2000年和2010年的碳儲(chǔ)量分區(qū)一致.2020年,肇慶市從較高碳儲(chǔ)量升級(jí)為高碳儲(chǔ)量區(qū),湛江市從中等碳儲(chǔ)量區(qū)升級(jí)為較高碳儲(chǔ)量區(qū),廣州市、揭陽(yáng)市和汕尾市從較低碳儲(chǔ)量區(qū)升級(jí)為中等碳儲(chǔ)量區(qū),佛山市和潮州市從低碳儲(chǔ)量區(qū)升級(jí)為較低碳儲(chǔ)量區(qū).2050年與2020年的碳儲(chǔ)量分區(qū)情況一致.4個(gè)時(shí)點(diǎn)中,粵北區(qū)域的清遠(yuǎn)市、韶關(guān)市、梅州市和河源市一直穩(wěn)定保持在高碳儲(chǔ)量區(qū),是廣東省堅(jiān)實(shí)有力的生態(tài)后盾.
圖7 廣東省1990~2050年土地利用碳儲(chǔ)量分區(qū)Fig.7 Land use carbon storage zone in Guangdong Province from 1990 to 2050
隨著社會(huì)經(jīng)濟(jì)的迅速發(fā)展,建設(shè)用地的快速擴(kuò)張導(dǎo)致林地、耕地、草地等地類面積減少.林地和草地等具有高碳密度值地類的面積減少又會(huì)顯著降低區(qū)域的碳儲(chǔ)量.張凱琪等[27]同樣認(rèn)為建設(shè)用地和水域擴(kuò)張會(huì)加快總碳儲(chǔ)量的減少速度從而導(dǎo)致區(qū)域固碳能力明顯降低,與本文的研究結(jié)果相似.周汝波等[45]的研究同樣認(rèn)為區(qū)域內(nèi)林地轉(zhuǎn)出、草地轉(zhuǎn)出是碳儲(chǔ)量減少的重要原因,需要對(duì)地、草地和耕地的面積進(jìn)行一定的管控.因此,需要重點(diǎn)管控高碳儲(chǔ)量區(qū)域林地和草地等生態(tài)型用地的轉(zhuǎn)出.
InVEST模型土地利用變化和碳密度庫(kù)基礎(chǔ)上,能夠快速高效計(jì)算每類土地利用類型的碳儲(chǔ)量及分布狀況,但是由于其假定各地類的碳密度不隨時(shí)間推移和區(qū)域變化而變化,弱化了碳循環(huán)的具體過程,與實(shí)際碳儲(chǔ)量值會(huì)有一定差異.本文在參考前人的碳庫(kù)數(shù)據(jù)基礎(chǔ)之上,盡量選取了與本研究區(qū)自然地理概況和社會(huì)經(jīng)濟(jì)發(fā)展較相似的數(shù)據(jù),且在計(jì)算土壤碳密度時(shí)參考了2010年中國(guó)陸地生態(tài)系統(tǒng)地上碳密度數(shù)據(jù)集的實(shí)測(cè)數(shù)據(jù)平均值.在未來采用該模型時(shí)應(yīng)盡量考慮到森林采伐速率對(duì)碳儲(chǔ)量的影響.
本文僅假定了現(xiàn)行社會(huì)經(jīng)濟(jì)自然發(fā)展?fàn)顟B(tài)情景下到2050年的碳儲(chǔ)量分布情況,并未做多情景的模擬預(yù)測(cè),且尚未探討基于 PLUS模型各類用地?cái)U(kuò)張的驅(qū)動(dòng)因素.侯建坤等[52]的研究探究了不同發(fā)展情景下土地利用變化對(duì)碳儲(chǔ)量的影響,并發(fā)現(xiàn)在生態(tài)保護(hù)情景下區(qū)域固碳能力將大大提高.未來將深入挖掘土地利用擴(kuò)張驅(qū)動(dòng)因素對(duì)碳儲(chǔ)量分布的影響程度,進(jìn)一步預(yù)測(cè)生態(tài)保護(hù)等多種情景約束下的土地利用碳儲(chǔ)量變化,以期為國(guó)土空間開發(fā)和布局優(yōu)化提供更科學(xué)可行的參考.
3.1 1990~2020年,廣東省耕地面積持續(xù)減少,林地、草地、水域面積呈波動(dòng)減少的狀態(tài),建設(shè)用地面積迅速增加;到2020年,各類用地面積占比從大到小為:林地(60.03%)、耕地(23.83%)、建設(shè)用地(7.53%)、草地(4.31%)、水域(4.21%)、未利用地(0.07%)和填海用地(0.02%).建設(shè)用地集中分布在珠三角地區(qū),以環(huán)珠江口6個(gè)城市最為顯著.林地、草地等生態(tài)服務(wù)型用地主要集中連片分布在粵北地區(qū)的韶關(guān)市、清遠(yuǎn)市等地,粵東西兩翼正處于加速發(fā)展階段.國(guó)土空間開發(fā)格局已基本形成.
3.2 近 30a來,廣東省碳儲(chǔ)量分布情況與國(guó)土空間開發(fā)格局相似,土地利用類型直接影響區(qū)域碳儲(chǔ)量的高低,林地、耕地、草地等具備生態(tài)服務(wù)功能的地類具有較高碳儲(chǔ)量.開發(fā)程度高的珠三角地區(qū)碳儲(chǔ)量較低,植被等生態(tài)用地較多的粵北區(qū)域碳儲(chǔ)量較高.廣東省碳儲(chǔ)量呈現(xiàn)“中部低、北部高、東西中等”的特點(diǎn).
3.3 廣東省土地利用模擬結(jié)果表明,較 2020年,2050年耕地、林地和草地面積分別減少30.31萬(wàn)、63.24萬(wàn)和 5.80萬(wàn) hm2,建設(shè)用地和水域面積增加,期間碳儲(chǔ)量共減少了4327.21萬(wàn)Mg.清遠(yuǎn)市、韶關(guān)市、梅州市和河源市始終處在高碳儲(chǔ)量區(qū),雖然部分區(qū)域碳儲(chǔ)量等級(jí)較1990年有所提升,但是總碳儲(chǔ)量還是處于減少的趨勢(shì).
3.4 碳儲(chǔ)量集聚程度高的區(qū)域是廣東省的核心碳儲(chǔ)區(qū),在未來的發(fā)展建設(shè)中,要重點(diǎn)保障碳儲(chǔ)量高集聚區(qū)域的生態(tài)資源,尤其是要維持粵北山區(qū)生態(tài)保護(hù)屏障的重要地位,同時(shí)減緩珠三角城市土地開發(fā)強(qiáng)度,提高建設(shè)用地集約節(jié)約能力,形成平衡協(xié)調(diào)、低碳發(fā)展的土地利用格局.