艾比湖流域LUCC驅(qū)動(dòng)的碳儲(chǔ)量時(shí)空動(dòng)態(tài)特征與多情景預(yù)測(cè)

摘要： 運(yùn)用一個(gè)集成GMOP-PLUS-InVEST模型的框架，動(dòng)態(tài)分析艾比湖流域土地利用/土地覆被變化（LUCC）和碳儲(chǔ)量的變化，并提供2030年3種可代替發(fā)展方案：自然發(fā)展情景（情形S1）、經(jīng)濟(jì)快速發(fā)展情景（情形S2）、經(jīng)濟(jì)和生態(tài)平衡發(fā)展情景（情形S3）。研究結(jié)果表明：1990-2020年間，耕地、建設(shè)用地和草地增加，林地、未利用地和水體則減少；在LUCC驅(qū)動(dòng)下，過去30年間，總碳儲(chǔ)量呈“增-減-增-減”的交替波動(dòng)狀態(tài)，整體增加了9.79×106 t；與延續(xù)歷史發(fā)展和經(jīng)濟(jì)快速發(fā)展相比，情景S3碳儲(chǔ)量及其經(jīng)濟(jì)價(jià)值最為緩減，因?yàn)樵撉榫皩?duì)區(qū)域森林和草地資源的干擾有最大限制。

關(guān)鍵詞： 碳儲(chǔ)量； 耦合模型； 土地利用/土地覆被變化； 情景模擬； 艾比湖流域

中圖分類號(hào)： S 718.5； F 301.2文獻(xiàn)標(biāo)志碼： A"" 文章編號(hào)： 1000 5013（2024）04 0501 13

Spatio Temporal Dynamics Characteristic and Multi Scenario Prediction of Carbon Storage Driven by LUCC in Ebinur Lake Basin

BUWEIAYXIEMU·Tuheti1，2， ABUDUREHEMAN·Halike1，2，3，

YAO Kaixuan1，2， WEI Qianqian1，2， YAO Lei1，2，

TANG Hua1，2， LUO Jianmei1，2， DUAN Yuefan1，2

（1. College of Geography and Remote Sensing Sciences， Xinjiang University， Urumqi 830017， China；

2. Xinjiang Key Laboratory of Oasis Ecology， Xinjiang University， Urumqi 830017， China；

3. Key Laboratory of Smart City and Environment Modelling， Xinjiang University， Urumqi 830017， China）

Abstract： A framework of the integrated GMOP PLUS InVEST model is used to dynamically analyze the land use/land cover change （LUCC） and carbon stock change in the Ebinur Lake Basin， and three alternative development plans in 2030 are provided： the scenario of natural development （scenario S1），the scenario of rapid economic development （scenario S2）， and the scenario of economic and ecological balanced development （scenario S3）. The research results show， between 1990 and 2020， the cultivated land， construction land and grassland increase， while wood land， unused land and water bodies decrease. Driven by LUCC， the total carbon storage has shown an alternating fluctuation state of “increase decrease increase decrease” with a total increase of 9.79×106" t in the past 30 years. Compared with the continuation of historical development and rapid economic growth， the carbon storage and its economic value of scenario S3 present the most gradual reduction because the disturbance of the regional forest and grassland resources in this scenario is most limited.

Keywords：

carbon storage； coupling model； land use/land cover change； scenario simulation； Ebinur Lake Basin

化石燃料的大量排放［1］造成全球二氧化碳質(zhì)量濃度激增［2-3］，破壞了全球碳循環(huán)，進(jìn)而導(dǎo)致全球變暖。1992年，國(guó)際社會(huì)通過碳排放管理談判應(yīng)對(duì)氣候變化。2020年，中國(guó)在聯(lián)合國(guó)第75屆會(huì)議上承諾了“雙碳”目標(biāo)。碳減排的關(guān)鍵是利用陸地碳匯［4］，受土地利用/土地覆被變化（LUCC）對(duì)各土地碳封存能力變化的影響［5-6］，“雙碳”目標(biāo)面臨著巨大的挑戰(zhàn)，經(jīng)濟(jì)發(fā)展使一些地區(qū)開始出現(xiàn)碳流失問題［7-10］。不同土地類型具有不同的固碳能力，正確的土地管理可補(bǔ)償碳損失［11］。因此，理解LUCC對(duì)碳儲(chǔ)量的影響及優(yōu)化土地使用對(duì)可持續(xù)發(fā)展至關(guān)重要。

當(dāng)前，研究普遍采用模型估算法評(píng)估LUCC對(duì)陸地碳儲(chǔ)量的影響。InVEST模型因其速度快、直觀且數(shù)據(jù)需求較少的優(yōu)點(diǎn)，在多個(gè)尺度上被廣泛應(yīng)用，包括國(guó)家［12］、山區(qū)［13］、流域［14］、沿海濕地［15］及各級(jí)行政區(qū)域，如?。?］和縣［16］等。土地利用情景模擬方法是幫助決策者量化生態(tài)系統(tǒng)服務(wù)對(duì)社會(huì)經(jīng)濟(jì)和政策響應(yīng)的重要方法［17-18］。在土地利用模擬方面，近年來，PLUS模型因其在斑塊級(jí)變化模擬的高精度得到學(xué)者們的青睞，其精度超過了其他模型，如CA-Markov模型和FLUS模型等［19］，更適合大尺度研究。隨著研究的深入，結(jié)合土地利用模擬與InVEST模型評(píng)估碳儲(chǔ)量的方法已成為新趨勢(shì)［20］。目前，為了解決單一模型在捕捉LUCC復(fù)雜性方面的不足，采用多模型耦合（如耦合GMOP模型與PLUS模型）的方法已成為發(fā)展的主流［21-22］。

生態(tài)環(huán)境脆弱的西北干旱區(qū)［23］是中國(guó)陸地生態(tài)系統(tǒng)碳庫(kù)的重要部分，近年來，該區(qū)域面臨土地沙漠化［24］、生境質(zhì)量退化［25］、碳儲(chǔ)量減少［26］等生態(tài)環(huán)境問題?；诖?，本文對(duì)艾比湖流域LUCC驅(qū)動(dòng)的碳儲(chǔ)量時(shí)空動(dòng)態(tài)特征與多情景預(yù)測(cè)進(jìn)行研究。

1 艾比湖流域

1.1 研究區(qū)概況

艾比湖流域位于新疆西北部（79°53′E-85°02′E，43°38′N-45°52′N）（圖1），由北部和南側(cè)的北天山分支及西側(cè)的阿拉山脈包圍，東部與準(zhǔn)噶爾盆地平原相連，中部是谷地和平原。艾比湖流域遠(yuǎn)離海洋，地處干旱和半干旱的環(huán)境，降水稀少、蒸發(fā)量大、氣溫高，屬于溫帶大陸性氣候。該流域?yàn)榈湫偷膬?nèi)陸河流域，西部是阿拉山風(fēng)口，多風(fēng)沙天氣，生態(tài)環(huán)境較為脆弱［27］。流域總面積為5 035 616 hm2，地廣人稀，是新疆最著名的農(nóng)業(yè)灌溉區(qū)，農(nóng)業(yè)和畜牧業(yè)是主要產(chǎn)業(yè)。

1.2 研究方法

首先，根據(jù)艾比湖流域1990-2020年LUCC規(guī)律，用InVEST模型從空間和時(shí)間尺度出發(fā)，分析陸地生態(tài)系統(tǒng)碳儲(chǔ)量演變特征，并定量分析LUCC動(dòng)態(tài)對(duì)其影響。隨后，提出了一種耦合GM模型，MOP模型和PLUS模型的集成方法，應(yīng)用于未來情景模擬和碳儲(chǔ)量預(yù)測(cè)。

1.3 數(shù)據(jù)來源

數(shù)據(jù)類型和來源，如表1所示。土地利用數(shù)據(jù)經(jīng)裁剪后，分為耕地、林地、草地、水體、建設(shè)用地、未利用地?；谑噶繑?shù)據(jù)，采用歐氏距離對(duì)距道路、居民點(diǎn)和水體的距離進(jìn)行計(jì)算。數(shù)字高程模型（DEM）數(shù)據(jù)經(jīng)過剪切后，計(jì)算得到坡度和坡向數(shù)據(jù)。所有土地利用和驅(qū)動(dòng)因子數(shù)據(jù)統(tǒng)一坐標(biāo)系至WGS＿1984＿UTM后，重采樣到100 m分辨率，用于PLUS模型計(jì)算。

上述GIS操作和計(jì)算均在ArcGIS 10.8.1軟件中進(jìn)行。產(chǎn)業(yè)產(chǎn)值、糧食作物面積及單產(chǎn)等用于MOP模型目標(biāo)函數(shù)的解算。

1.4 Invest模型

每種土地利用類型對(duì)應(yīng)地上、地下、土壤和死亡有機(jī)碳4個(gè)具有不同碳密度的碳庫(kù)［28］。碳密度（ρ）和總碳儲(chǔ)量（mt）的計(jì)算公式分別為

ρ=ρa(bǔ)bove+ρbelow+ρsoil+ρdead。（1）

mt=∑jm=1smρm。（2）

式（1），（2）中：ρa(bǔ)bove，ρbelow，ρsoil，ρdead分別為地類的地上、地下、土壤和死亡有機(jī)物的碳密度；sm為地類m的未利用地0.05021.60總面積；j為土地利用類型的總數(shù)量；ρm為各地類的碳密度。

地上、地下和土壤有機(jī)碳庫(kù)為3個(gè)貢獻(xiàn)大的碳庫(kù)［29］，各地類土壤碳密度數(shù)據(jù)來源于相關(guān)研究［30］，地上和地下生物碳密度數(shù)據(jù)從國(guó)家生態(tài)科學(xué)中心獲得。艾比湖流域各地類碳密度，如表 2所示。

根據(jù)InVEST模型，對(duì)艾比湖流域未來不同土地利用方案下的碳封存經(jīng)濟(jì)價(jià)值進(jìn)行估算。碳價(jià)值評(píng)估采用市場(chǎng)價(jià)格進(jìn)行估算。當(dāng)前碳的社會(huì)成本確定為24 $·Mg-1［31］（$為美元），對(duì)未來碳封存付款的價(jià)值進(jìn)行了貼現(xiàn)，采用了每年10%的市場(chǎng)貼現(xiàn)率［32］，碳價(jià)格的年際變化率確定為0［33］。

1.5 PLUS模型

PLUS模型能精確模擬LUCC斑塊演化，廣泛應(yīng)用于土地利用預(yù)測(cè)［34］。PLUS模型包含土地?cái)U(kuò)展分析策略（LEAS）和基于多類型隨機(jī)斑塊種子的細(xì)胞自動(dòng)機(jī)模塊（CARS），挖掘歷史LUCC規(guī)則，生成發(fā)展概率，并模擬未來地類斑塊的形成。

艾比湖流域2030年土地利用變化的模擬分為兩個(gè)步驟。

1） 利用2015年數(shù)據(jù)預(yù)測(cè)2020年情況，與實(shí)際數(shù)據(jù)對(duì)比，驗(yàn)證PLUS模型的精度，并調(diào)整參數(shù)直至滿足要求。選取15個(gè)驅(qū)動(dòng)因子，包括自然因素、社會(huì)經(jīng)濟(jì)因素和區(qū)域可達(dá)性因素，將這些因素輸入LEAS模塊，計(jì)算各類用地的擴(kuò)張概率。應(yīng)用CARS模型模擬土地類型分布，并設(shè)置相關(guān)參數(shù)。2） 基于2020年數(shù)據(jù)模擬未來土地利用情景。

1.6 GMOP模型

GMOP模型是GM（1，1）模型和MOP模型的耦合，用于規(guī)劃艾比湖流域的可持續(xù)土地利用，MOP模型提供靈活的宏觀決策支持，定義優(yōu)化目標(biāo)和約束條件［35］，GM（1，1）模型預(yù)測(cè)不同土地利用類型的價(jià)值系數(shù)，協(xié)助確定這些目標(biāo)。

1） 自然發(fā)展情景（情形S1）。假設(shè)LUCC的發(fā)展趨勢(shì)保持不變，同時(shí)排除任何外界因素干涉的前提下，根據(jù)艾比湖流域2015-2020年的土地利用轉(zhuǎn)移規(guī)律，利用PLUS模型集成的CA-Markov模塊線性預(yù)測(cè)了2030年的土地需求量。

2） 經(jīng)濟(jì)快速發(fā)展情景（情形S2）。以土地經(jīng)濟(jì)輸出最大化為首要目標(biāo)，模擬了艾比湖流域各類用地的需求量，并應(yīng)用MATLAB軟件進(jìn)行求解，目標(biāo)函數(shù)設(shè)立為

Max G1（K）=∑6j=1EcojKj。（3）

式（3）中：G1（K）為總經(jīng)濟(jì)效益；Kj為各土地利用類型面積；Ecoj為不同用地類型的經(jīng)濟(jì)效益。

參考文獻(xiàn)［36］的研究，分別以農(nóng)業(yè)、林業(yè)、牧業(yè)、漁業(yè)產(chǎn)值估算耕地、林地、草地、水域的經(jīng)濟(jì)效益；以第二和第三產(chǎn)業(yè)產(chǎn)值之和估算建設(shè)用地的經(jīng)濟(jì)效益；未利用地因其經(jīng)濟(jì)效益不明顯，設(shè)為0.000 1?；?015-2020年歷史經(jīng)濟(jì)數(shù)據(jù)，運(yùn)用GM（1，1）模型對(duì)2030年的不同地類經(jīng)濟(jì)效益系數(shù)進(jìn)行預(yù)測(cè)，則式（3）變換為

G1（K）=1.83K1+0.18K2+0.14K3+0.02K4+113K5+0.000 1K6。（4）

式（4）中：K1，K2，K3，K4，K5，K6分別為耕地、林地、草地、水體、建設(shè)用地、未利用地面積。

3） 經(jīng)濟(jì)和生態(tài)平衡發(fā)展情景（情形S3）。從推動(dòng)綠色低碳發(fā)展出發(fā)，以當(dāng)?shù)刈匀簧鷳B(tài)保護(hù)和經(jīng)濟(jì)發(fā)展協(xié)調(diào)發(fā)展的土地開發(fā)為目標(biāo)，目標(biāo)函數(shù)設(shè)置為

Max G2（K）=∑6i=1BjKj，（5）

Max{G1（K），G2（K）}。（6）

式（5），（6）中：G2（K）為總生態(tài)系統(tǒng)服務(wù)價(jià)值；Bj為第j種土地利用類型單位面積生態(tài)系統(tǒng)服務(wù)價(jià)值。

從相關(guān)統(tǒng)計(jì)年鑒中查閱艾比湖流域主要的糧食作物（小麥、玉米）市場(chǎng)單價(jià)、單產(chǎn)和種植面積，分別計(jì)算出平均糧食單價(jià)、平均市場(chǎng)單產(chǎn)和平均種植面積，再根據(jù)當(dāng)量因子法和中國(guó)陸地生態(tài)系統(tǒng)單位面積生態(tài)服務(wù)價(jià)值系數(shù)表［37］計(jì)算出各類用地的單位面積生態(tài)系統(tǒng)服務(wù)價(jià)值，則式（5）變換為

G2（K）=0.89K1+3.9K2+2.6K3+19.85K4+0.000 1K5+0.16K6。（7）

結(jié)合艾比湖流域未來發(fā)展趨勢(shì)、經(jīng)驗(yàn)知識(shí)［36，38］設(shè)置多個(gè)約束條件，如表 3所示。

2 研究結(jié)果與分析

2.1 1990-2020年LUCC時(shí)空變化

1990-2020年，艾比湖流域土地利用類型（圖2）以草地和未利用地為主，共約占總面積的80%（圖2（a））。由圖2（b）可知：1990-2020年，研究區(qū)每種土地利用類型都發(fā)生了重大變化；耕地和建設(shè)用地面積顯著增加，草地面積轉(zhuǎn)折性猛增，其余類型面積減少，變化的趨勢(shì)和程度隨年份而異，尤其在2010-2015年間，隨著經(jīng)濟(jì)的快速發(fā)展和城市化水平的顯著提升，耕地和建設(shè)用地的擴(kuò)張尤為突出。

由圖2還可知：1990-2020年，耕地面積持續(xù)擴(kuò)張到兩倍（由369 507 hm2至725 534 hm2），而建設(shè)用地面積則翻了4倍（由16 228 hm2至61 138 hm2），增長(zhǎng)幅度最大（2.77%）；林地、草地、水體等自然景觀的變化也較大，其中，林地面積損失嚴(yán)重，雖然它在1990-2000年有所增加，但2000年開始持續(xù)減少，由242 211 hm2縮減至113 439 hm2，草地和水體增減趨勢(shì)分別呈倒“V”型和“V”型，這兩地類分別在2010-2015年經(jīng)歷猛增和猛減之后，又回到各自的減少和增加狀態(tài)；伴隨著對(duì)經(jīng)濟(jì)用地的需求增加和草地的增加，未利用地持續(xù)減少。

艾比湖流域1990-2020年土地利用時(shí)空演變格局，如圖3所示。由圖3可知：由于地理?xiàng)l件不同，耕地和建設(shè)用地主要分布在研究區(qū)東部和中部平原區(qū)域；草地圍繞未利用地向四周延伸；林地在研究區(qū)三面山地和中部平原地區(qū)都有分布，近30年來，各地類空間布局表現(xiàn)出一定的變化趨勢(shì)；平原綠洲區(qū)的耕地和建設(shè)用地逐漸向外擴(kuò)張，各區(qū)域林地都有明顯的縮減；2010-2015年，研究區(qū)中部和北部出現(xiàn)大面積的新增草地。

1990-2020年土地利用轉(zhuǎn)移矩陣，如圖4所示。由圖4可知：1990-2020年，艾比湖流域各年份的LUCC轉(zhuǎn)變總體趨勢(shì)相似。

有1 352 823 hm2的土地發(fā)生變化，占全流域總面積的26.87%。耕地轉(zhuǎn)入面積是轉(zhuǎn)出面積的10倍，轉(zhuǎn)入來源主要是草地和未利用地，分別占轉(zhuǎn)入總量的68.72%，25.13%，可見農(nóng)田對(duì)LUCC貢獻(xiàn)巨大；建設(shè)用地的擴(kuò)增主要來自草地、耕地和未利用地，分別占總增長(zhǎng)面積的40.53%，39.10%，18.08%，自2010年，農(nóng)田得到保護(hù)，農(nóng)田被轉(zhuǎn)換為城鎮(zhèn)區(qū)域的情況有所緩解。草地面積的轉(zhuǎn)入大于轉(zhuǎn)出，其中，未利用地是主要的轉(zhuǎn)入貢獻(xiàn)者，占總轉(zhuǎn)入面積的73.17%，草地除了用于耕地和建設(shè)用地的開發(fā)之外，主要退化為未利用地，這跟當(dāng)?shù)胤拍廉惓Ｓ嘘P(guān)。林地轉(zhuǎn)出面積占轉(zhuǎn)入面積的1.88%，主要向草地面積轉(zhuǎn)出，其次是耕地面積和未利用地面積，這是由于伐木、農(nóng)業(yè)發(fā)展。草地、未利用地和一些耕地被恢復(fù)為林地。值得注意的是，部分農(nóng)田轉(zhuǎn)變?yōu)樯?，而一些住宅區(qū)則用于耕作，反映了人口遷移到城市的現(xiàn)象。綜上所述，林地、草地、耕地和未利用地之間的轉(zhuǎn)換關(guān)系顯著，以林地和草地退化，以及還草為主要模式。

2.2 1990-2020年碳儲(chǔ)量變化及其對(duì)LUCC的響應(yīng)

2.2.1 碳儲(chǔ)量時(shí)空變化 1990-2020 年艾比湖流域碳儲(chǔ)量的變化，如圖5所示。圖5中：m為碳儲(chǔ)量。由圖5可知：1990，2000，2005，2010，2015，2020年的總碳儲(chǔ)量分別為407.63×106，408.14×106，407.79×106，407.73×106，419.15×106，417.42×106 t，總碳儲(chǔ)量呈“增-減-增-減”的交替波動(dòng)趨勢(shì)，整體增加了9.79×106 t；如果考慮各個(gè)地類碳儲(chǔ)量的凈增長(zhǎng)，可以發(fā)現(xiàn)耕地的碳儲(chǔ)量（32.58×106 t）大于草地（10.97×106 t），而其余地類均呈現(xiàn)負(fù)向增長(zhǎng)，特別是林地的負(fù)增長(zhǎng)最為明顯（-26.40×106 t）；草地是對(duì)總碳儲(chǔ)量貢獻(xiàn)最大的地類，占總碳儲(chǔ)量的69.66%～70.65%；30年間總碳儲(chǔ)量增加的主要原因在于研究區(qū)最大碳庫(kù)（草地）碳儲(chǔ)量在2015-2020年大幅增加。

艾比湖流域1990-2020年碳儲(chǔ)量空間分布，如圖6所示。由圖6可知：分布格局大致呈現(xiàn)為外部高碳密度區(qū)域環(huán)繞著內(nèi)部低碳密度區(qū)域的特點(diǎn)，高碳密度分布在中部平原地區(qū)的草地和森林區(qū)域，以及外圍三面的山地森林和草原地帶；相反，低碳密度區(qū)域則集中在南部和東部的高山冰雪帶、中部、東部河谷平原區(qū)域的城鎮(zhèn)用地，以及這些區(qū)域周圍大片未利用地；城鎮(zhèn)區(qū)周圍較為密集的中等碳密度區(qū)域主要為農(nóng)田，在研究時(shí)期內(nèi)這一區(qū)域逐漸擴(kuò)展，碳儲(chǔ)量的空間分布格局與植被狀況息息相關(guān)；高、中碳密度區(qū)域主要為植被覆蓋良好的森林、草地和農(nóng)田，具有較強(qiáng)的固碳能力，相比之下，低碳密度區(qū)域則為缺乏植被的水域、裸地及被人為改造的城鎮(zhèn)用地。

2.2.2 地類轉(zhuǎn)換對(duì)碳儲(chǔ)量的影響 1990-2020年艾比湖流域土地利用轉(zhuǎn)化導(dǎo)致的碳儲(chǔ)量變化（Δm），如表 4所示。由表4可知：艾比湖流域的碳損失主要源于林地和草地資源的耗竭，由于林地和草地的退化分別導(dǎo)致2 020.29×104，2 387.77×104 t的碳損失，其中，轉(zhuǎn)變?yōu)椴莸厥橇值靥紦p失的主要原因（占比為73.91%），它在所有土地利用轉(zhuǎn)移引起的碳損失中占據(jù)了最嚴(yán)重的地位，而草地碳損失的主要貢獻(xiàn)者是向未利用地的轉(zhuǎn)出（轉(zhuǎn)換面積達(dá)155 829 hm2），碳儲(chǔ)存為1 444.22×104 t，僅次于林地轉(zhuǎn)變?yōu)椴莸兀桓厍终际橇值睾筒莸毓烫剂肯陆档拇我?，減少量分別為252.00×104，621.02×104 t；將碳密度較低的未利用地開墾為耕地雖有增加碳儲(chǔ)量的潛力，但因耕地替代林地和草地，導(dǎo)致的碳排放超過其固碳量，最終結(jié)果為碳排放（122.27×104 t）；隨著城鎮(zhèn)化水平的提高，越來越多的草地和耕地被用于城鎮(zhèn)建設(shè)，引起的碳損失分別為180.90×104，231.85×104 t，共占建設(shè)用地碳排放的91.93%；盡管發(fā)生了這些碳流失，但森林和草地的恢復(fù)增加區(qū)域固碳量；在還草方面，由未利用地轉(zhuǎn)入的面積占比最大（73.17%），轉(zhuǎn)入面積總面積為433 219 hm2，對(duì)區(qū)域碳存儲(chǔ)的增加做出了主要貢獻(xiàn)，達(dá)到4 015.07×104 t；還林帶來570.22×104 t的固碳量。

空間分析結(jié)果，如圖7所示。

由圖7可知：1990-2020年期間變化區(qū)域面積占比超過了26%，說明碳儲(chǔ)量空間格局經(jīng)歷了較大變化，草地和未利用地之間的轉(zhuǎn)換對(duì)其貢獻(xiàn)最大（占43.54%）；增加的區(qū)域與減少的區(qū)域大致持平，在碳儲(chǔ)量減少的區(qū)域中，最低值位于研究區(qū)林地?fù)p失區(qū)和東部由草地轉(zhuǎn)變而來的新增建設(shè)用地；以流域西南部平原地區(qū)和南部為主呈現(xiàn)的“斑塊狀”和“鏈狀”是草地退化為未利用地的區(qū)域，對(duì)應(yīng)碳損失較低值，研究區(qū)東部和中央平原地區(qū)呈現(xiàn)較為集中的碳損失較高值是由草地轉(zhuǎn)變的耕地；而碳儲(chǔ)量增加的區(qū)域則主要分布在中部和西北部綠洲平原區(qū)的新增草地，以及中部和東部平原區(qū)的小區(qū)域新增耕地，這兩個(gè)新增地類都來源于未利用地，碳密度較低的未利用地向二者轉(zhuǎn)變有利于促進(jìn)碳儲(chǔ)存。

綜上所述，1990-2020年，研究區(qū)碳儲(chǔ)量變動(dòng)主要由林地減少、草地及耕地與城市用地?cái)U(kuò)張驅(qū)動(dòng)。盡管部分土地用途轉(zhuǎn)變降低碳儲(chǔ)存，草地?cái)U(kuò)展等帶來的碳固定遠(yuǎn)超釋放，導(dǎo)致碳儲(chǔ)量總體增加。

2.3 未來不同情景下土地利用模擬和碳儲(chǔ)量估值

使用PLUS模型模擬2020年的土地使用并與實(shí)際數(shù)據(jù)進(jìn)行對(duì)比，得到總體精度為0.97，Kappa系數(shù)達(dá)0.95，F(xiàn)OM系數(shù)為0.17，表明模擬精準(zhǔn)，適用后續(xù)模擬。不同情景下的土地利用需求量，如表5所示。在所有情景中，耕地和水體均呈現(xiàn)增加的趨勢(shì)，情景S1的擴(kuò)張幅度最大，建設(shè)用地在情景S2和情景S3下均增加，但在情景S1下略有減少，盡管情景S2的建設(shè)用地增速領(lǐng)先，且耕地增量?jī)H次于情景S1，但微增的水體與大幅減少的林、草地，使該情景擁有最多的未利用地，相比之下，情景S3中的耕地和建設(shè)用地?cái)U(kuò)張、林地和草地退化則相對(duì)緩慢，在空間分布上，3種情景中土地利用分布格局基本一致。

不同情景下碳儲(chǔ)量估值對(duì)比，如表 6所示。由表6可知：情景S1的耕地與2020年相比繼續(xù)迅速擴(kuò)大，犧牲了林地和草地等自然景觀，導(dǎo)致碳損失為4.42×106 t；情景S2的碳損失最大，原因是為經(jīng)濟(jì)活動(dòng)需要引發(fā)了高強(qiáng)度的土地利用開發(fā)，耕地和建設(shè)用地大幅增加，再加上林地和草地的退化，加快了碳損失的速度，總量達(dá)5.39×106 t；相比之下，情景S3的碳損失較為緩慢，較2020年減少了3.37×106 t；經(jīng)濟(jì)評(píng)價(jià)顯示，維持歷史土地利用動(dòng)態(tài)將損失-78.18×106 $·t-1，情景S2的凈碳排放成本會(huì)更高，為-101.32×106 $·t-1，而情形S3承擔(dān)的成本將小得多，分別為情景S1，情景S2的67.8%，52.3%。

3個(gè)情景中碳儲(chǔ)量分布相較于2020年的變化，如圖8所示。由圖8可知：不同情景下流域大部分區(qū)域碳儲(chǔ)量保持平衡，其中，情景S1的中部和南側(cè)谷地和平原出現(xiàn)碳儲(chǔ)量的較高值，此地區(qū)未利用地?cái)U(kuò)展為耕地；情景S2碳儲(chǔ)存減少的面積明顯比增加區(qū)域多，東部奎屯河下游綠洲地區(qū)碳儲(chǔ)量低值較為密集，是建設(shè)用地?cái)U(kuò)張引起的，情景S1和情景S2碳儲(chǔ)量減少的其他區(qū)域基本相似，主要表現(xiàn)為西北部和南部森林退化及中部和其他區(qū)域耕地侵占草地和建設(shè)用地?cái)U(kuò)張引起的零散的低值；情景S3相對(duì)于情景S1和情景S2，碳儲(chǔ)量的低值區(qū)域明顯變少，這表明該情景的發(fā)展模式（考慮生態(tài)保護(hù)的土地開發(fā)）最大限度地減少了森林向耕地和建設(shè)用地的轉(zhuǎn)化，這種方法還控制了建設(shè)用地和耕地的擴(kuò)張幅度。因此，適當(dāng)實(shí)施生態(tài)保護(hù)措施有助于減少碳儲(chǔ)存的損失，與另外兩種情景相比，情景S3受人活動(dòng)影響較小并考慮生態(tài)保護(hù)，顯然是艾比湖流域的最佳發(fā)展模式。

3 討論與結(jié)論

3.1 討論

3.1.1 LUCC動(dòng)態(tài)對(duì)碳儲(chǔ)量的影響 LUCC導(dǎo)致的碳損失主要發(fā)生在自然景觀，尤其是森林，轉(zhuǎn)為農(nóng)田、牧場(chǎng)或人造地表［39］。在艾比湖流域，由于農(nóng)業(yè)需求，大量森林和草原被轉(zhuǎn)為耕作、放牧用地，導(dǎo)致該地區(qū)生態(tài)服務(wù)功能衰退。研究顯示，耕地?cái)U(kuò)張以犧牲自然景觀為代價(jià)，導(dǎo)致嚴(yán)重的碳儲(chǔ)量下降，最終結(jié)果是碳損失而非增加（122.27×104 t）。隨著艾比湖流域城市化的加速，草地被侵占，同時(shí)，一些耕地也開始轉(zhuǎn)用于城鎮(zhèn)建設(shè)，導(dǎo)致流失180.90×104 t的碳儲(chǔ)存，此現(xiàn)象也在其他研究中得到驗(yàn)證［40-41］。因此，為了防止農(nóng)田過度增長(zhǎng)和保護(hù)現(xiàn)有耕地不被城鎮(zhèn)建設(shè)占用，應(yīng)采取相關(guān)措施，這將有利于區(qū)域碳儲(chǔ)量的增加［8］。作為植被以草本為主的干旱區(qū)，草地破壞是本區(qū)碳流失的主要原因之一。平原綠洲的人類居住地及耕地?cái)U(kuò)張加劇草地退化。然而，草地主要向未利用地退化，歸因于過度放牧等人類活動(dòng)［42］。值得注意的是，具備最高碳密度的森林（圖6）退化代表碳排放而不是碳封存［33，43］，而且在單位面積上排放量最為嚴(yán)重（圖8）。

在艾比湖流域，草地退化和改善同在，尤其是在2010-2015年，草地面積顯著增長(zhǎng)，這主要是由于當(dāng)?shù)貙?shí)施退牧還草措施和氣候暖濕化［44］的影響。蔡朝朝等［45］在新疆地區(qū)也發(fā)現(xiàn)草地覆蓋表現(xiàn)出增加的趨勢(shì)，而草地變化是氣候因素和人類活動(dòng)共同影響的結(jié)果［46-47］。草地的這種轉(zhuǎn)折性增長(zhǎng)是研究區(qū)三十年間總碳儲(chǔ)量增加的主要原因（固碳量達(dá)1 097×104 t）。另外，對(duì)一些草地進(jìn)行的植樹造林活動(dòng)和森林自然恢復(fù)，也促使了區(qū)域碳儲(chǔ)量的增加（462.91×104 t）。

3.1.2 3種情景對(duì)比分析和未來發(fā)展建議 為了響應(yīng)2030年中國(guó)《碳達(dá)峰》戰(zhàn)略［48］，設(shè)計(jì)了幾種土地利用方案，旨在為該流域2030年低碳發(fā)展提出最優(yōu)模式。模擬結(jié)果表明，延續(xù)歷史LUCC動(dòng)態(tài)的情景S1下，2030年碳排放量增加4.42×104 t。情景S2因經(jīng)濟(jì)用地?cái)U(kuò)張犧牲自然生態(tài)，導(dǎo)致更嚴(yán)重的碳損失。相比之下，情景S3下LUCC動(dòng)態(tài)不顯著，有效避免了森林和草地的高強(qiáng)利用帶來的碳排放和生態(tài)系統(tǒng)的退化［49］，因此，碳損失和社會(huì)經(jīng)濟(jì)成本更低，顯示出通過合理社經(jīng)發(fā)展和土地節(jié)約可減緩碳損失，與現(xiàn)有研究［40，50］相吻合。

內(nèi)陸干旱區(qū)的森林和草原對(duì)人為活動(dòng)極為敏感［51-52］。值得注意的是，草地退化為未利用地的趨勢(shì)在各情景中仍然存在，因此，未來的規(guī)劃與管理中需減少人為干擾，采取禁牧、補(bǔ)播等措施修復(fù)退化草地，并加強(qiáng)林業(yè)支持，以提升草地和森林保護(hù)，從而固定更多的碳。同時(shí)，根據(jù)《2030年前碳達(dá)峰行動(dòng)方案》指導(dǎo)，控制建設(shè)用地過快增長(zhǎng)，并強(qiáng)化綠色低碳、集約高效的基礎(chǔ)設(shè)施建設(shè)。通過合理管理和生態(tài)恢復(fù)項(xiàng)目，可以提高碳儲(chǔ)存能力［53-54］，情景S3可減少對(duì)生態(tài)系統(tǒng)服務(wù)的不利影響。此外，碳儲(chǔ)量的經(jīng)濟(jì)成本評(píng)估結(jié)果為政府和利益相關(guān)者提供了決策依據(jù)。

3.1.3 模型優(yōu)勢(shì)與局限 基于LUCC模擬的碳儲(chǔ)量演變研究中，GMOP-PLUS耦合模型能夠克服以往單一數(shù)量模擬模型的缺陷［55］，通過約束條件和多個(gè)目標(biāo)的設(shè)定，將土地生態(tài)和社會(huì)經(jīng)濟(jì)效益運(yùn)用到未來土地利用數(shù)量和空間優(yōu)化過程中。運(yùn)用此模型設(shè)定了適用于本地的約束條件和多目標(biāo)函數(shù)，對(duì)研究區(qū)未來LUCC進(jìn)行了優(yōu)化，并在InVEST模型采用當(dāng)?shù)氐奶济芏葦?shù)據(jù)，準(zhǔn)確評(píng)估了流域碳儲(chǔ)存和封存及其經(jīng)濟(jì)價(jià)值。經(jīng)過優(yōu)化的發(fā)展情景S3，即注重生態(tài)和經(jīng)濟(jì)協(xié)調(diào)性的方案，能夠有效減緩碳損失，這表明此模型在該流域能夠成為探索以碳減排為目標(biāo)的土地發(fā)展策略的有力工具。

InVEST模型的碳儲(chǔ)量模塊只考慮不同地類之間的碳密度差異，而忽略了土地利用類型內(nèi)部［56］及植被特征［20］可能引起的固碳功能上的差異。在未來的研究中應(yīng)該用實(shí)測(cè)數(shù)據(jù)驗(yàn)證碳密度數(shù)據(jù)是否合理，以提高碳儲(chǔ)量估算精度。如果3種基于社會(huì)經(jīng)濟(jì)影響的土地配置情景模擬能夠納入氣候因素，對(duì)于未來土地利用預(yù)測(cè)會(huì)更加科學(xué)。

3.2 結(jié)論

深入探討了艾比湖流域碳儲(chǔ)量的時(shí)空變化及LUCC對(duì)其影響，并評(píng)估了不同土地利用情景下的潛在經(jīng)濟(jì)成本，有如下3個(gè)結(jié)論。

1） 過去30年間，艾比湖流域LUCC動(dòng)態(tài)顯著，經(jīng)歷轉(zhuǎn)換的區(qū)域占總面積的26.87%，耕地、草地和建設(shè)用地之外的地類都呈“入不敷出”的狀態(tài)。

2） LUCC格局影響著碳儲(chǔ)量變化。歷史期間，研究區(qū)碳儲(chǔ)量呈“增-減-增-減”的變化趨勢(shì)，總增加量為9.79×106 t，其中，草地增長(zhǎng)對(duì)碳儲(chǔ)量的增加貢獻(xiàn)最大。從空間上看，碳儲(chǔ)量大致呈外部高碳密度區(qū)圍繞內(nèi)部低碳密度區(qū)分布的特點(diǎn)。研究區(qū)平原耕作帶耕地迅速擴(kuò)張和周圍建設(shè)用地的增加、林地大幅退化及草地的轉(zhuǎn)折性增加是導(dǎo)致該流域碳儲(chǔ)量總體變化的主要驅(qū)動(dòng)力。

3） 未來3種情景下的LUCC動(dòng)態(tài)化有所不同，導(dǎo)致碳儲(chǔ)量減少的程度有差異。情景S2因經(jīng)濟(jì)用地開發(fā)劇烈，碳儲(chǔ)量損失和應(yīng)承擔(dān)的經(jīng)濟(jì)成本最嚴(yán)重。延續(xù)歷史發(fā)展的情景S1，碳儲(chǔ)量空間變化與情景S2相似，但損失量相對(duì)較小。相比之下，加入生態(tài)環(huán)境保護(hù)措施的情景S3碳損失和經(jīng)濟(jì)成本預(yù)計(jì)大大減小。這表明，較完好地保留森林和草地等自然景觀，同時(shí)控制耕地和建設(shè)用地的過度擴(kuò)張，將有利于減緩碳儲(chǔ)量的損失。

參考文獻(xiàn)：

［1］ JO H.Impacts of urban greenspace on offsetting carbon emissions for middle Korea［J］.Journal of Environmental Management，2002，64（2）：115-126.DOI：10.1006/jema.2001.0491.

［2］ CHAPIN F S，MATSON P A，VITOUSEK P M ，et al.Principles of terrestrial ecosystem ecology［M］.New York：Springer，2011.

［3］ HOUGHTON R A，HOUSE J I，PONGRATZ J，et al.Carbon emissions from land use and land-cover change［J］.Biogeosciences，2012，9（12）：5125-5142.DOI：10.5194/bg-9-5125-2012.

［4］ WANG Jing，F(xiàn)ENG Liang，PALMER P I，et al.Large Chinese land carbon sink estimated from atmospheric carbon dioxide data［J］.Nature，2020，586（7831）：720-723.DOI：10.1038/s41586-020-2986-1.

［5］ 馬曉哲，王錚.土地利用變化對(duì)區(qū)域碳源匯的影響研究進(jìn)展［J］.生態(tài)學(xué)報(bào)，2015，35（17）：5898-5907.DOI：10.5846/stxb201312112932.

［6］ MAHOWALD N M，RANDERSON J T，LINDSAY K，et al.Interactions between land use change and carbon cycle feedbacks［J］.Global Biogeochemical Cycles，2017，31（1）：96-113.DOI：10.1002/2016GB005374.

［7］ WU Jiansheng，CHEN Bikai，MAO Jiaying，et al.Spatiotemporal evolution of carbon sequestration vulnerability and its relationship with urbanization in China′s coastal zone［J］.Science of the Total Environment，2018，645：692-701.DOI：10.1016/j.scitotenv.2018.07.086.

［8］ 柯新利，唐蘭萍.城市擴(kuò)張與耕地保護(hù)耦合對(duì)陸地生態(tài)系統(tǒng)碳儲(chǔ)量的影響： 以湖北省為例［J］.生態(tài)學(xué)報(bào)，2019，39（2）：672-683.DOI：10.5846/stxb201712042177.

［9］ 張斌，李璐，夏秋月，等.“三線”約束下土地利用變化及其對(duì)碳儲(chǔ)量的影響： 以武漢城市圈為例［J］.生態(tài)學(xué)報(bào)，2022，42（6）：2265-2280.DOI：10.5846/stxb202101070075.

［10］ WU Weiguang，YING Zhu，WANG Yifei.Spatio-temporal pattern， evolution and influencing factors of forest carbon sinks in Zhejiang Province， China［J］.Forests，2023，14（3）：445.DOI：10.3390/f14030445.

［11］ 陳媛.土地利用變化對(duì)區(qū)域碳匯的影響綜述［J］.地礦測(cè)繪，2020，3（3）：35.DOI：10.32629/gmsm.v3i3.727.

［12］ 劉曉娟，黎夏，梁迅，等.基于FLUS-InVEST模型的中國(guó)未來土地利用變化及其對(duì)碳儲(chǔ)量影響的模擬［J］.熱帶地理，2019，39（3）：397-409.DOI：10.13284/j.cnki.rddl.003138.

［13］ ZHIYANSKI M，GLUSHKOVA M，F(xiàn)EREZLIEV A，et al.Carbon storage and soil property changes following afforestation in mountain ecosystems of the Western Rhodopes， Bulgaria［J］.Iforest-Biogeosciences and Forestry，2016，9（4）：626.DOI：10.3832/ifor1866-008.

［14］ 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.DOI：10.18402/resci.2016.08.16.

［15］ LI Jingtai，YANG andan，YAO Xiuying，et al.Dynamics of carbon storage in saltmarshes across China′s Eastern Coastal Wetlands from 1987 to 2020［J］.Frontiers in Marine Science，2022，9：915727.DOI：10.3389/fmars.2022.915727.

［16］ WANG Ningfei，CHEN Xingpeng，ZHANG Zilong，et al.Spatiotemporal dynamics and driving factors of county-level carbon storage in the Loess Plateau： A case study in Qingcheng County， China［J］.Ecological Indicators，2022，144：109460.DOI：10.1016/j.ecolind.2022.109460.

［17］ ZARANDIAN A，MOHAMMADYARI F，MIRSANJARI M M，et al.Scenario modeling to predict changes in land use/cover using Land Change Modeler and InVEST model： A case study of Karaj Metropolis， Iran［J］.Environmental Monitoring and Assessment，2023，195（2）：273.DOI：10.1007/s10661-022-10740-2.

［18］ ZHAO Dengyue，XIAO Mingzhu，HUANG Chunbo，et al.Land use scenario simulation and ecosystem service management for different regional development models of the Beibu Gulf Area， China［J］.Remote Sensing，2021，13（16）：3161.DOI：10.3390/rs13163161.

［19］ AN Xuexian，JIN Wenping，LONG Xiangren，et al.Spatial and temporal evolution of carbon stocks in Dongting Lake wetlands based on remote sensing data［J］.Geocarto International，2022，37（27）：14983-15009.DOI：10.1080/10106049.2022.2093412.

［20］ 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跩］.地理學(xué)報(bào)，2019，74（3）：446-459.DOI：10.11821/dlxb201903004.

［21］ 喬治，蔣玉穎，賀曈，等.土地利用變化模擬研究進(jìn)展［J］.生態(tài)學(xué)報(bào)，2022，42（13）：5165-5176.DOI：10.5846/stxb202106201639.

［22］ SADEGHI S H R，JALILI K，NIKKAMI D.Land use optimization in watershed scale［J］.Land Use Policy，2009，26（2）：186-193.DOI：10.1016/j.landusepol.2008.02.007.

［23］ 陳亞寧，李稚，范煜婷，等.西北干旱區(qū)氣候變化對(duì)水文水資源影響研究進(jìn)展［J］.地理學(xué)報(bào)，2014，69（9）：1295-1304.DOI：10.11821/dlxb201409005.

［24］ DING Hua，HAO Xingming.Spatiotemporal change and drivers analysis of desertification in the arid region of northwest China based on geographic detector［J］.Environmental Challenges，2021，4：100082.DOI：10.1016/j.envc.2021.100082.

［25］ 王曉琴，王宏衛(wèi)，談波，等.新疆阿克蘇地區(qū)景觀格局與生境質(zhì)量時(shí)空演變及影響機(jī)制［J］.華僑大學(xué)學(xué)報(bào)（自然科學(xué)版），2022，43（6）：777-789.DOI：10.11830/ISSN.1000-5013.202203041.

［26］ ZHU Guofeng，QIU Dongdong，ZHANG Zhuanxia，et al.Land-use changes lead to a decrease in carbon storage in arid region， China［J］.Ecological Indicators，2021，127：107770.DOI：10.1016/j.ecolind.2021.107770.

［27］ WEI Qianqian，MUKADASI A，HALIKE A，et al.Temporal and spatial variation analysis of habitat quality on the PLUS-InVEST model for Ebinur Lake Basin， China［J］.Ecological Indicators，2022，145：109632.DOI：10.3390/w11102171.

［28］ SHARP R，TALLIS H，RICKETTS T，et al.InVEST user′s guide［J］.The Natural Capital Project： Stanford，2014，306.DOI：10.13140/RG.2.2.32693.78567.

［29］ NIE Xin，LU Bo，CHEN Zhoupeng，et al.Increase or decrease？ Integrating the CLUMondo and InVEST models to assess the impact of the implementation of the major function oriented zone planning on carbon storage［J］.Ecological Indicators，2020，118：106708.DOI：10.1016/j.ecolind.2020.106708.

［30］ 張杰，李敏，敖子強(qiáng)，等.中國(guó)西部干旱區(qū)土壤有機(jī)碳儲(chǔ)量估算［J］.干旱區(qū)資源與環(huán)境，2018，32（9）：132-137.

［31］ RIKE K，DROUET L，CALDEIRA K，et al.Country-level social cost of carbon［J］.Nature Climate Change，2018，8（10）：895-900.DOI：10.1038/s41558-018-0282-y.

［32］ 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.DOI：10.31497/zrzyxb.20200407.

［33］ ZARANDIAN A，BADAMFIROUZ J，MUSAZADEF R，et al.Scenario modeling for spatial-temporal change detection of carbon storage and sequestration in a forested landscape in Northern Iran［J］.Environmental Monitoring and Assessment，2018，190（8）：474.DOI：10.1007/s10661-018-6845-6.

［34］ LIANG Xun，GUAN Qingfeng，CLARKE K C，et al.Understanding the drivers of sustainable land expansion using a patch-generating land use simulation （PLUS） model： A case study in Wuhan， China［J］.Computers，Environment and Urban Systems，2021，85：101569.DOI：10.1016/j.compenvurbsys.2020.101569.

［35］ GARDINER L R，STEUER R E.Unified interactive multiple objective programming： An open architecture for accommodating new procedures［J］.Journal of the Operational Research Society，1994，45：1456-1466.DOI：10.1038/sj/jors/0451212.

［36］ WANG Ying，LI Xiangmei，ZHANG Qi，et al.Projections of future land use changes： Multiple scenarios-based impacts analysis on ecosystem services for Wuhan City， China［J］.Ecological Indicators，2018，94：430-445.DOI：10.1016/j.ecolind.2018.06.047.

［37］ 謝高地，張彩霞，張雷明，等.基于單位面積價(jià)值當(dāng)量因子的生態(tài)系統(tǒng)服務(wù)價(jià)值化方法改進(jìn)［J］.自然資源學(xué)報(bào)，2015，30（8）：1243-1254.DOI：10.11849/zrzyxb.2015.08.001.

［38］ GAO Lina，TAO Fei，LIU Runrui，et al.Multi-scenario simulation and ecological risk analysis of land use based on the PLUS model： A case study of Nanjing［J］.Sustainable Cities and Society，2022，85：104055.DOI：10.1016/j.scs.2022.104055.

［39］ HAN Yiwen，KANG Wanmo，SONG Youngkeun.Mapping and quantifying variations in ecosystem services of urban green spaces： A test case of carbon sequestration at the district scale for Seoul， Korea （1975-2015）［J］.International Review for Spatial Planning and Sustainable Development，2018，6（3）：110-120.DOI：10.14246/irspsd.6.3_110.

［40］ YANG Hang，HUANG Junlong，LIU Dianfeng.Linking climate change and socioeconomic development to urban land use simulation： Analysis of their concurrent effects on carbon storage［J］.Applied Geography，2020，115：102135.DOI：10.1016/j.apgeog.2019.102135.

［41］ TAO Yu，LI Feng，WANG Rusong，et al.Effects of land use and cover change on terrestrial carbon stocks in urbanized areas： A study from Changzhou， China［J］.Journal of Cleaner Production，2015，103：651-657.DOI：10.1016/j.jclepro.2014.07.055.

［42］ CHEN Tao，BAO Anming，JIAPAER G，et al.Disentangling the relative impacts of climate change and human activities on arid and semiarid grasslands in Central Asia during 1982-2015［J］.Science of the Total Environment，2019，653：1311-1325.DOI：10.1016/j.scitotenv.2018.11.058.

［43］ JAPELAGHI M，HAJIAN F，GHOLAMALIFARD M，et al.Modelling the impact of land cover changes on carbon storage and sequestration in the central zagros region， Iran using ecosystem services approach［J］.Land，2022，11（3）：423.DOI：10.3390/land11030423.

［44］ 丁一匯，柳艷菊，徐影，等.全球氣候變化的區(qū)域響應(yīng)： 中國(guó)西北地區(qū)氣候“暖濕化”趨勢(shì)、成因及預(yù)估研究進(jìn)展與展望［J］.地球科學(xué)進(jìn)展，2023，38（6）：551-562.DOI：10.11867/j.issn.1001-8166.2023.027.

［45］ 蔡朝朝，淮永建，白濤，等.基于NDVI的新疆草地覆蓋變化特征［J］.應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào)，2020，28（6）：1369-1381.DOI：10.16058/j.issn.1005-0930.2020.06.010.

［46］ LIU Yangyang，WANG Qian，ZHANG Zhaoying，et al.Grassland dynamics in responses to climate variation and human activities in China from 2000 to 2013［J］.Science of the Total Environment，2019，690：27-39.DOI：10.1016/j.scitotenv.2019.06.503.

［47］ ZHANG Renping，LIANG Tiangang，GUO Jing，et al.Grassland dynamics in response to climate change and human activities in Xinjiang from 2000 to 2014［J］.Scientific Reports，2018，8（1）：2888.DOI：10.1038/s41598-019-41390-z.

［48］ FANG Kai，TANG Yiqi，ZHANG Qifeng，et al.Will China peak its energy-related carbon emissions by 2030？ Lessons from 30 Chinese provinces［J］.Applied Energy，2019，255：113852.DOI：10.1016/j.apenergy.2019.113852.

［49］ LU Fei，HU Huifeng，SUN Wenjuan，et al.Effects of national ecological restoration projects on carbon sequestration in China from 2001 to 2010［J］.Proceedings of the National Academy of Sciences，2018，115（16）：4039-4044.DOI：10.1073/pnas.170029411.

［50］ LIANG Youjia，LIU Lijun，HUANG Jiejun.Integrating the SD-CLUE-S and InVEST models into assessment of oasis carbon storage in Northwestern China［J］.Plos One，2017，12（2）：e0172494.DOI：10.1371/journal.pone.0172494.

［51］ LI Chuanhua，WANG Yutao，WU Xiaodong，et al.Reducing human activity promotes environmental restoration in arid and semi-arid regions： A case study in Northwest China［J］.Science of the Total Environment，2021，768：144525.DOI：10.1016/j.scitotenv.2020.144525.

［52］ YAN Junjie，ZHANG Guangpeng，DENG Xiaoya，et al.Does climate change or human activity lead to the degradation in the grassland ecosystem in a mountain-basin system in an arid region of China？［J］.Sustainability，2019，11（9）：2618.DOI：10.3390/su11092618.

［53］ YU Zhen，LU Chaoqun，CAO Peiyu，et al.Long-term terrestrial carbon dynamics in the Midwestern United States during 1850-2015： Roles of land use and cover change and agricultural management［J］.Global Change Biology，2018，24（6）：2673-2690.DOI：10.1016/j.ecolind.2020.106939.

［54］ ZHANG Fan，XU Ning，WANG Chao，et al.Effects of land use and land cover change on carbon sequestration and adaptive management in Shanghai， China［J］.Physics and Chemistry of the Earth， Parts A/b/c，2020，120：102948.DOI：10.1016/j.pce.2020.102948.

［55］ ZHU Liya，SONG Ruixiang，SUN Shuang，et al.Land use/land cover change and its impact on ecosystem carbon storage in coastal areas of China from 1980 to 2050［J］.Ecological Indicators，2022，142：109178.DOI：10.1016/j.ecolind.2022.109178.

［56］ FRYER J，WILLIAMS I D.Regional carbon stock assessment and the potential effects of land cover change［J］.Science of the Total Environment，2021，775：145815.DOI：10.1016/j.scitotenv.2021.145815.

（責(zé)任編輯：" 陳志賢" 英文審校： 劉源崗）