基于InVEST與CA-Markov模型的生態(tài)系統(tǒng)碳儲量時空演變及預(yù)測

關(guān)鍵詞：InVEST 模型；CA-Markov 模型；土地利用變化；碳儲量；寶雞市

中圖分類號：X144 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-1329（2024）04-0079-08

自工業(yè)化以來，人類社會飛速發(fā)展，但同時造成的資源過度開發(fā)及全球氣候變化問題也日益嚴(yán)重。2022年IPCC 工作報告預(yù)測顯示2030—2052年間，全球變暖將提速至1.5℃，即使全球每年減少8%的碳排放，到2034年也僅有50% 的概率使全球變暖幅度低于1.5℃ [1-2]。生態(tài)系統(tǒng)通過碳儲存減緩大氣CO₂ 濃度上升進(jìn)而抑制全球變暖，是最經(jīng)濟(jì)且自然綠色的途徑之一[3]。土地利用/ 覆蓋（LULC）直接影響其結(jié)構(gòu)、功能及能量循環(huán)，是生態(tài)系統(tǒng)碳儲存變化的主要因素之一 [4-5]。寶雞市是關(guān)中平原城市群副中心、老工業(yè)城市，秦嶺占全市面積為41.33%。有研究表明，近40年寶雞市區(qū)域?qū)η貛X生境質(zhì)量侵蝕較為嚴(yán)重 [6]。2019年國家發(fā)布了《陜西省秦嶺生態(tài)環(huán)境保護(hù)條例》，進(jìn)一步強(qiáng)調(diào)了秦嶺生態(tài)保護(hù)的重要性。因此，量化寶雞市LULC及其對碳儲量的響應(yīng)關(guān)系及多情景預(yù)測對于該區(qū)域的雙碳目標(biāo)的實現(xiàn)及可持續(xù)發(fā)展具有重要意義。

當(dāng)前國內(nèi)許多研究量化了區(qū)域碳儲量及其時空變化且進(jìn)行了多情景預(yù)測，但大部分研究以國家、流域、省域及省級城市為研究區(qū) [7-10]，鮮有對中西部生態(tài)保護(hù)區(qū)及老工業(yè)城市的研究，而此類城市較其他城市的發(fā)展模式存有差別，有必要進(jìn)行不同發(fā)展導(dǎo)向的模擬。同時，碳儲量的情景預(yù)測普遍以絕對約束性概率進(jìn)行模擬，且缺乏當(dāng)前國土空間規(guī)劃背景下建設(shè)用地擴(kuò)張約束的情景預(yù)測分析[8，10]。此外，許多研究聚焦于歷史及現(xiàn)狀LULC與生態(tài)系統(tǒng)碳儲存功能之間的關(guān)系，而生態(tài)系統(tǒng)碳儲存功能對氣候變化的影響具備一定滯后性[11-12]。綜上，當(dāng)前采用非絕對約束條件預(yù)測不同發(fā)展導(dǎo)向下該類城市碳儲量的研究尚且不多。

當(dāng)前已有許多碳儲量的研究，如Xu[13] 和Wang[14] 等分別通過優(yōu)化CASA 模型、CEVSA模型對中國城市植被以及陸地碳儲量進(jìn)行了估算。Kirsten[15] 與Zhao[16] 等則分別通過DICE模型、高精度曲面建模（HASM）對新斯科舍省濕地以及新疆、黑龍江及吉林省的國有林場進(jìn)行了碳儲量估算與影響因子分析。Han[17] 等則通過InVEST模型探索了首爾地區(qū)的碳儲量時空格局。其中InVEST模型具備模擬精度高、可操作性強(qiáng)、評估結(jié)果可視化等優(yōu)點，應(yīng)用最為廣泛[18-19]。

LULC預(yù)測模型以數(shù)量預(yù)測及空間分布預(yù)測模型為主，數(shù)量預(yù)測模型基于數(shù)學(xué)模型預(yù)測LULC變化，如灰色預(yù)測模型[20]、Markov模型[21-22]和人工神經(jīng)網(wǎng)絡(luò)（ANN）[23]等?？臻g預(yù)測模型則基于輸入的轉(zhuǎn)換規(guī)則模擬LULC 空間演變，如元胞自動機(jī)（CA）[24]、CLUE-S 模型[25] 以及GEOMOD模型[26] 等。隨著研究的進(jìn)一步深入，為使研究結(jié)果更具針對性，許多學(xué)者將數(shù)量預(yù)測及空間預(yù)測模型進(jìn)行耦合使用， 如CA-Markov 模型、Markov-CLUE-S模型等，其中CA-Markov 模型是目前最典型、最常用的LULC 耦合預(yù)測模型之一，廣泛應(yīng)用于不同地區(qū)的LULC時空模擬[27-28] 。據(jù)此， 本次研究結(jié)合InVEST 與CAMarkov模型開展2030年寶雞市LULC多情景模擬研究并預(yù)測其碳儲量分布，以期為不同發(fā)展導(dǎo)向下寶雞市土地利用及碳儲量管理提供數(shù)據(jù)支撐及科學(xué)依據(jù)。

1研究區(qū)與數(shù)據(jù)源

1.1研究區(qū)概況

寶雞市（106°18’～108°03’E，33°35’～35°06’N） 地處關(guān)中平原西部、陜甘寧川四省交界處。

地形地貌錯綜復(fù)雜，三面環(huán)山，北部為黃土丘陵，以中部渭河平原為中軸向東擴(kuò)展至關(guān)中平原中部，南部秦嶺，西部山地，境內(nèi)兼?zhèn)渖?、川、塬等多種形態(tài)。寶雞市土地利用率較高，以林地為主，人均耕地少，人地矛盾日益突出，第三次國土調(diào)查顯示耕地約占15%，園林地占76%，草地及濕地占1.4%，建設(shè)用地約占6%[29]。2020年常住人口332.18萬人，城鎮(zhèn)化率57.04%，GDP為2276.95億元。當(dāng)前陜西省對寶雞市的未來規(guī)劃定位為未來陜甘寧毗鄰地區(qū)特大城市及全省乃至我國西部第二增長極。

1.2數(shù)據(jù)來源

土地利用類型數(shù)據(jù)：LULC數(shù)據(jù)源于武漢大學(xué)30m土地覆被數(shù)據(jù)集CLCD（https：//doi.org/10.5194/essd-13-3907-2021），并參考國土資源部土地使用狀況分類標(biāo)準(zhǔn)（GB/T21010—2017） 進(jìn)行重分類（表1）；土地利用驅(qū)動因子：參考前人研究成果[9，18]，以自然、社會經(jīng)濟(jì)2 個維度選擇了DEM、坡度、坡向、降水、溫度、GDP、人口、距水系、主要道路及鐵路距離等10 類驅(qū)動因子（表2），其中距水系、主要道路和鐵路距離通過ArcGIS Pro3.1歐式距離工具計算得到。所有數(shù)據(jù)統(tǒng)一投影及邊界，基于模擬調(diào)試結(jié)果重采樣至60m。

2 研究方法

2.1基于InVEST模型的碳儲量

模擬InVEST模型碳儲存模塊主要通過計算地上生物碳、地下生物碳、土壤碳和死亡有機(jī)碳4部分評估碳儲量[9]，其計算公式如下：

由于Csoil數(shù)據(jù)影響較小且難以獲取，參考相關(guān)研究成果 [34-35]，將Csoil 碳庫設(shè)為0，最終地類碳密度值見表3。

2.2基于CA_Markov模型的土地利用變化多情景模擬

CA-Markov模型通過耦合CA 模型和Markov 模型，結(jié)合了時間序列及復(fù)雜系統(tǒng)空間變化的優(yōu)勢[30]。參考相關(guān)文獻(xiàn)[31-34] 綜合考慮10類自然及社會經(jīng)濟(jì)因子，進(jìn)行2020年寶雞市LULC模擬驗證，驗證精度為84.99%，表明預(yù)測結(jié)果具備較高的適用性，可用于未來不同情景的預(yù)測。

參考前人研究結(jié)果[18，32，35] 將水域設(shè)為約束條件，并結(jié)合國土空間規(guī)劃“三線”管控體系，最終構(gòu)建2030年CA-Markov 模型的4種情景：自然增長情景（a）以2010—2020年轉(zhuǎn)移概率矩陣作為預(yù)測轉(zhuǎn)移概率矩陣；耕地保護(hù)情景（b）將耕地轉(zhuǎn)向其他地類的概率乘以系數(shù)0.85以進(jìn)行管控，并等比例增加其他地類轉(zhuǎn)入耕地的概率；生態(tài)保護(hù)情景（c）將林地及草地轉(zhuǎn)向其他地類的概率分別乘系數(shù)0.9，并等比例增加其他地類轉(zhuǎn)入林草用地的概率；建設(shè)用地抑制情景（d）將建設(shè)用地轉(zhuǎn)向其他地類的概率乘系數(shù)1.15，其他地類轉(zhuǎn)向建設(shè)用地的概率分別乘以系數(shù)0.9，未利用地進(jìn)行約束控制。

3 結(jié)果與分析

3.1 土地利用變化特征

2000—2020年，寶雞市各地類面積均為林地＞耕地gt;草地gt; 建設(shè)用地gt; 水域gt; 未利用地，土地利用結(jié)構(gòu)穩(wěn)定（表4）。

林地集中在南部鳳縣和太白縣及西北部隴縣西南側(cè)；耕地大規(guī)模集中分布在中部渭河平原及隴縣東北部；草地主要集中在隴縣北部，并在麟游縣散狀分布；建設(shè)用地主要集中在渭河兩側(cè)，并在各縣區(qū)零星分布；水域及未利用地面積較小，水域主要以渭河及周邊湖泊為主；未利用地則零星分布于各縣區(qū)周邊（圖 2）。

2000—2020年，寶雞市呈現(xiàn)出 “兩減多增”的變化特征。其中耕地先減后增，共減少420.25 km²，主要轉(zhuǎn)變?yōu)榻ㄔO(shè)用地，草地逐漸轉(zhuǎn)出為耕地及林地，總體減少866.09 km²。林地總體呈增加趨勢，共增加986.35 km²，主要來源于草地及耕地的轉(zhuǎn)入，建設(shè)用地總體呈增長趨勢，共增加283.95 km²；水域及未利用地總體變化較小且呈增長趨勢，分別增加15.93km² 及0.11 km²。

研究期間，各地類轉(zhuǎn)入轉(zhuǎn)出比由高到地分別為未利用地（10）＞建設(shè)用地（2.0）＞水域（1.56）＞林地（1.1）＞耕地（0.93）＞草地（0.55），轉(zhuǎn)入轉(zhuǎn)出比越低，則該地類越容易被轉(zhuǎn)移為其他地類；反之，則該地類更難轉(zhuǎn)移為其他地類。草地及耕地的土地轉(zhuǎn)移成本較低，容易轉(zhuǎn)入其他用地；林地、水域、建設(shè)用地及未利用地的土地轉(zhuǎn)移成本相對較高，不易被侵占。結(jié)合2000—2020年土地利用轉(zhuǎn)移矩陣（表5），建設(shè)用地及林地轉(zhuǎn)入轉(zhuǎn)出比較高，表明寶雞市擴(kuò)張明顯且退耕還林增加了大量林地，耕地及草地的轉(zhuǎn)入轉(zhuǎn)出比較低，表明建設(shè)用地侵占耕地、耕地占補(bǔ)平衡減少了大量草地，同時草地集中分布的麟游縣及隴縣特色林果業(yè)的快速發(fā)展也可能進(jìn)一步使得草地減少。綜上所述，研究期間寶雞市社會經(jīng)濟(jì)發(fā)展、退耕退草還林工程及耕地占補(bǔ)平衡的實施產(chǎn)生的多重作用導(dǎo)致耕地、林地、草地、建設(shè)用地等地類的轉(zhuǎn)換程度較大，也突出反映了寶雞市經(jīng)濟(jì)發(fā)展和生態(tài)發(fā)展的空間矛盾。

3.2碳儲量變化特征

寶雞市2000—2020年碳儲量分別為161.66×10⁶ t、165.15×10⁶ t 及170.19×10⁶ t，整體呈上升趨勢， 共增加8.53×10⁶ t，增幅為 5.3%（表 6）。在此期間，地類之間的相互轉(zhuǎn)換使得草地及耕地碳儲量下降，其他地類碳儲量上升，但總體而言，退耕還林政策通過增長林地，減少耕地使得總體碳儲量持續(xù)增長。其中：林地碳儲量持續(xù)增長，于 2020年達(dá)到最大； 草地碳儲量在 2000—2010年基本不變，在2010—2020年斷層式下降；耕地碳儲量呈波浪式下降，2000—2010年略有下降， 2015—2020年小幅上升；建設(shè)用地碳儲量持續(xù)上升，水體及未利用地碳儲量幾乎不變，且建設(shè)用地、水域與未利用地碳儲量之和僅占總碳儲量的0.5%。因此，林地、耕地及草地決定了寶雞市總碳儲量的總體變化趨勢。

為直觀體現(xiàn)寶雞市碳儲量的局部變化趨勢，因UberH3全球地理格網(wǎng)在鄰域檢索方面及陸地場景的優(yōu)勢[36]，選擇 Uber H3 7 級格網(wǎng)生成4287個六邊形格網(wǎng)作為分析單元進(jìn)行碳儲量變化統(tǒng)計（圖3），同時將結(jié)果分為7 個類型，以反映其空間增減變化。結(jié)果顯示，2000—2020年，以10年為間隔，寶雞市碳儲量空間變化趨勢大體相同，其中2000—2010年，增損區(qū)域交錯，呈“夾心”結(jié)構(gòu)，重度及中度損失區(qū)主要分布在渭河平原耕地及建設(shè)用地和西北部隴縣草地集中區(qū)，同時零星存在于東南部秦嶺主要道路沿線，增加區(qū)集中在北部千陽縣及麟游縣的耕、林、草地相間區(qū)，南部秦嶺林地則大部分為增長區(qū)及不變區(qū)，部分道路沿線為損失區(qū)。2010—2020年，增減區(qū)域大體仍呈“夾心”結(jié)構(gòu)，且西北部隴縣耕、草地相間區(qū)的損失趨勢出現(xiàn)大面積逆轉(zhuǎn)，但南部秦嶺西南部鳳縣出現(xiàn)了損失區(qū)擴(kuò)散現(xiàn)象。

由表 4 可知，耕地、林地、草地的碳儲量約占總碳儲量的 99.5%。在社會經(jīng)濟(jì)發(fā)展及國家政策導(dǎo)向的作用下，寶雞市土地利用變化以耕地、林 地、草地、建設(shè)用地4類用地間相互轉(zhuǎn)換為主，并進(jìn)一步影響寶雞市碳儲量變化。2000—2020年間碳儲量碳儲量持續(xù)增長主要源于林地此類高碳密度地類的增長，由于退耕還林及耕地占補(bǔ)平衡政策的實施，隴縣及千陽縣耕地轉(zhuǎn)向林地以及部分草地轉(zhuǎn)移為耕地，同時由于1996年秦嶺保護(hù)區(qū)的設(shè)立，2000—2010年期間秦嶺大部分區(qū)域碳儲量為增長區(qū)。另一方面，社會發(fā)展對于建設(shè)用地及耕地的需求，也導(dǎo)致了中部渭河平原區(qū)碳儲量持續(xù)損失以及南部秦嶺的碳儲量損失區(qū)擴(kuò)散，雖然上述保護(hù)政策彌補(bǔ)了其損失，但建設(shè)用地?zé)o序擴(kuò)張導(dǎo)致的碳儲量損失也急需重視。綜上，當(dāng)前生態(tài)用地?fù)p失、耕地?fù)p失以及建設(shè)用地擴(kuò)張是影響碳儲量變化的關(guān)鍵因素，協(xié)調(diào)三者之間的結(jié)構(gòu)，可以有效提升寶雞市碳儲量。

3.3 碳儲量多情景模擬

2030年，4種情景的裝移概率矩陣如下（表7），各情景土地利用分布格局基本未變（圖4），但各情景下不同用地變化略有不同（表8）。

自然發(fā)展情景（a）中，林地面積優(yōu)勢不變，但減少面積最高，總占比減少11.72%；草地由同期約50% 的減少比例降至8.68%，得到了有效抑制。耕地及建設(shè)用地分別增長11.66% 及63.88%，水域及未利用地均為增長。耕地保護(hù)情景（b）中，耕地及建設(shè)用地仍在增長，但耕地增長比例上升至13.32%，總面積增加至6110.11 km²，建設(shè)用地增加比例較自然發(fā)展情景降低32.11%，總面積為294.6 km²，下降趨勢明顯，其他地類面積較自然發(fā)展情景均有所下降，有效響應(yīng)了糧食安全及耕地紅線等基本政策。生態(tài)保護(hù)情景（c）中，林地及草地等生態(tài)用地較其他情景比例最高，但耕地面積及建設(shè)用地略有下降，相較于自然發(fā)展情景分別下降4.49% 和21.91%。建設(shè)用地抑制情景（d）中，建設(shè)用地增加比例為4 種情景的谷值（26.04%），耕地的面積得到較大提升，說明建設(shè)用地主要侵占耕地，有效抑制了寶雞市建設(shè)用地的急劇擴(kuò)張，同時保證了一定的建設(shè)用地增速用于維持經(jīng)濟(jì)發(fā)展。

2030年，4種情景碳儲量依次為生態(tài)保護(hù)情景＞自然發(fā)展情景＞建設(shè)用地抑制情景＞耕地保護(hù)情景，分別為161.12×10⁶、160.02×10⁶、160.01×10⁶、159.88×10⁶t，較2020年分別減少5.33%、5.98%、5.98%、6.06%（表9）。

各情景碳儲量變化分布情況如下（圖5），其中耕地保護(hù)情景碳儲量最低，主要因?qū)氹u市耕地主要由林草用地轉(zhuǎn)入而成，而其碳密度較林地較低。建設(shè)用地抑制情景則因建設(shè)用地主要侵占耕地，抑制了建設(shè)用地擴(kuò)張，導(dǎo)致其更易侵占林草用地。自然情景中，耕地增長較低，因此林草用地數(shù)量較高，故而碳儲量處在較高位置。生態(tài)保護(hù)情景中，由于限制了林草用地的轉(zhuǎn)出，使其得到了一定的保護(hù)，使寶雞市碳儲量減少幅度有效降低，表明生態(tài)保護(hù)情景使保護(hù)寶雞市碳儲量的最優(yōu)模式。

4討論

本研究發(fā)現(xiàn)，2000—2020年耕地、草地分別減少420.25 km²、 866.09 km²，林地、建設(shè)用地分別增加986.35 km²、283.95 km²。因?qū)氹u市南部秦嶺為我國頂級生態(tài)空間，北部渭河流域為典型生態(tài)脆弱區(qū)[37]， 為改善其生態(tài)環(huán)境，1996年以來，國家先后設(shè)立了秦嶺生態(tài)保護(hù)及退耕還林等政策，使得寶雞市林地面積出現(xiàn)上升，但同時，由于經(jīng)濟(jì)發(fā)展的需要、新區(qū)的設(shè)立以及政府坐落地的搬遷，建設(shè)用地快速沿渭河由東至西不斷侵占耕地[38]。上述政策使得寶雞市土地利用呈現(xiàn)出 “兩減多增”的變化特征，這與胡豐[39] 等的研究結(jié)果相似。這段時期，寶雞市碳儲量呈上升趨勢，這與屈頌杰[34] 等及趙雙紅[37]等的研究結(jié)果一致。耕地、草地向林地轉(zhuǎn)移是碳儲量增加的主要原因，而碳儲量下降這主要源于建設(shè)用地侵占耕地，這與前人在中原區(qū)域中原區(qū)域及渭河流域的碳儲量研究結(jié)果[10，37] 相似。南部秦嶺生態(tài)保護(hù)政策有效增加了寶雞市碳儲量，但仍需定期監(jiān)測北部渭河流域土地利用結(jié)構(gòu)變化。

未來4種情景的碳儲量均有所下降，在耕地保護(hù)情景下碳儲量最低，這是由于寶雞市三山一水一平原的自然條件，在保護(hù)耕地的情況下，由于其較高的林地結(jié)構(gòu)，導(dǎo)致建設(shè)用地更易侵占林地。建設(shè)用地抑制情景次之，主要因建設(shè)用地擴(kuò)張得到了抑制，使得耕地增加，但林草用地出現(xiàn)了一定下降。自然發(fā)展情景下碳儲量較低，主要因建設(shè)用地侵占耕地及其他地類轉(zhuǎn)入耕地造成，表明建設(shè)用地擴(kuò)張引起的碳儲量損失不容忽視。4種情景中，生態(tài)保護(hù)情景下碳儲量最高，林草等身體用地得到較好的保護(hù)，同時耕地及建設(shè)用地得到了適度增長，這與陳竹安[40]、[9]及帕茹克·吾斯曼江[18] 等人的研究結(jié)果一致。

綜上所述，隨著中央政府對生態(tài)保護(hù)、耕地保護(hù)以及建設(shè)用地擴(kuò)張的越發(fā)重視，寶雞市應(yīng)更加注重土地利用結(jié)構(gòu)的協(xié)調(diào)發(fā)展以提升區(qū)域碳儲量，首先，南部秦嶺自然條件優(yōu)越，林業(yè)資源稟賦良好，可作為碳儲量優(yōu)先保護(hù)區(qū)域進(jìn)行管制。其次，中部渭河平原作為糧食生產(chǎn)區(qū)及經(jīng)濟(jì)建設(shè)區(qū)，未來應(yīng)作為碳儲量平衡區(qū)進(jìn)行保護(hù)，嚴(yán)格管控永久基本農(nóng)田及城鎮(zhèn)開發(fā)邊界；北部渭河流域，由于耕林草地相互交錯以及特色林果業(yè)的發(fā)展，可作為碳儲量調(diào)整區(qū)，適當(dāng)增加林地并調(diào)整其用地結(jié)構(gòu)，促進(jìn)其生態(tài)發(fā)展。

5結(jié)論與展望

5.1結(jié)論

基于InVEST及CA-Markov模型分析寶雞市2000—2020年土地利用及碳儲量變化，并模擬2030年寶雞市在4種情景下的碳儲量。主要結(jié)論如下：

（1）2000—2020年，林地、耕地、草地為寶雞市主要用地類型，其中林地占比最高。

土地利用變化特征呈現(xiàn)為“兩減一增”，其中草地減少最高、耕地次之，其他地類均有所增長；耕、林、草地相互轉(zhuǎn)換以及建設(shè)用地侵占耕地是土地利用類型轉(zhuǎn)換的主要方式。

（2）2000—2020年，寶雞市碳儲量持續(xù)增長，共增加 8.53×10⁶ t。其中，林地、耕地及草地碳儲量占總碳儲量的99.5%。2000—2010年，碳儲量變化呈“夾心”結(jié)構(gòu)，南北部林地增長是碳儲量增長的主要原因。2010—2020年，碳儲量變化結(jié)構(gòu)基本不變，北部碳儲量進(jìn)一步增長，但南部則出現(xiàn)碳儲量損失區(qū)擴(kuò)散現(xiàn)象。

（3）2030年4種情景下寶雞市的碳儲量均呈下降趨勢。耕地保護(hù)情景碳儲量減幅最大，建設(shè)用地抑制情景及自然增長情景次之。相比之下，生態(tài)保護(hù)情景下碳儲量雖也存在一定下降，但減少量得到有效抑制。

5.2不足與展望

本研究基于耦合InVEST模型及CA-Markov模型對土地利用及碳儲量進(jìn)行了模擬預(yù)測，結(jié)果顯示具備較高的精度，但模型仍存在一定誤差，后續(xù)研究應(yīng)加強(qiáng)以下方面：

（1）選擇的驅(qū)動因子雖然綜合考慮了10類自然、社會經(jīng)濟(jì)因素，但研究區(qū)地質(zhì)環(huán)境特殊，后續(xù)研究可將地質(zhì)環(huán)境因素納入模型中。

（2）采用的碳密度數(shù)據(jù)僅依據(jù)前人研究及研究區(qū)選擇，未考慮降雨、溫度可能對研究區(qū)的影響以及耕地、建設(shè)用地等地類的人為影響，存在一定局限性，后續(xù)研究應(yīng)綜合各方面因素對碳密度數(shù)據(jù)進(jìn)行修正。

（3）在進(jìn)行LULC情景預(yù)測時，未來可進(jìn)一步考慮地方政策對LULC變化的影響，以削減模擬預(yù)測結(jié)果中的不確定性。

（責(zé)任編輯：趙寶成）