基于FLUS模型多情景土地利用變化對陸地生態(tài)系統(tǒng)碳儲量影響
——以江西萍鄉(xiāng)為例

胡佶熹,勒先文,徐勇

(1.湖南農(nóng)業(yè)大學(xué)公共管理與法學(xué)院,長沙 410128;2.萍鄉(xiāng)學(xué)院商學(xué)院,江西萍鄉(xiāng) 337055;3.桂林理工大學(xué)測繪地理信息學(xué)院,廣西桂林 541006)

溫室氣體(CO2,CH4和N2O 等)的過度排放是全球氣候變暖的重要原因,引起了世界各國的高度關(guān)注[1-2]。陸地生態(tài)系統(tǒng)作為大氣CO2的一個重要碳匯,抵消了中國同期化石燃料燃燒碳排放的7%～15%,在全球碳循環(huán)、緩解溫室效應(yīng)等方面扮演著關(guān)鍵作用[3]。中國作為全球最大的碳排放大國(約占全球碳排放量的27%),貢獻(xiàn)了8.6%的全球氣候變暖強(qiáng)迫效應(yīng)[4]。為緩解溫室效應(yīng)對全球氣候變暖的影響,中國政府將力爭在2030年左右實(shí)現(xiàn)碳排放,努力實(shí)現(xiàn)單位國內(nèi)生產(chǎn)總值能耗碳排放比2005 年下降60%～65%,到2060 年實(shí)現(xiàn)碳中和(簡稱“雙碳”戰(zhàn)略),“碳排放”和“碳減排”等問題引起廣泛關(guān)注。

研究表明LUCCs是影響陸地生態(tài)系統(tǒng)碳儲量變化的重要因素,它通過破壞地表的植被和土壤的生物量從而對物種、土壤、氣候等環(huán)境產(chǎn)生影響,重構(gòu)區(qū)域生態(tài)系統(tǒng)的結(jié)構(gòu),改變生態(tài)系統(tǒng)的服務(wù)功能,進(jìn)而影響著區(qū)域碳儲量的變化,是造成大氣中CO2激增的第二大原因[3]。因此,定量評估LUCCs對碳儲量影響,對提高區(qū)域碳儲量及實(shí)現(xiàn)區(qū)域的“雙碳”戰(zhàn)略目標(biāo)具有重要意義。

國內(nèi)外研究對LUCCs對陸地生態(tài)系統(tǒng)碳儲量的影響開展了大量的研究,并應(yīng)用至全球[1,5]、國家[6]、省域[7]、城市群[8]、城市等[9]多個研究尺度。已有研究利用追溯法來分析LUCCs對陸地生態(tài)系統(tǒng)碳儲量時空分布特征。如Chang等[6]指出從2000—2018年中國土地利用變化引起的碳儲量變化達(dá)1.32 Pg C,并且主要集中在植被生物和土壤碳中。Zhu等[10]指出1980—2015年中國干旱區(qū)土地利用變化引起的陸地生態(tài)系統(tǒng)碳儲量損失達(dá)90.95 Tg。向書江等[11]指出由于大量耕地被占用,2000—2020年重慶市主城區(qū)碳儲量累計損失達(dá)5.78 Tg。此外,相關(guān)研究探索了不同情景下土地利用變化對陸地生態(tài)系統(tǒng)碳儲量的影響,服務(wù)于“雙碳”戰(zhàn)略的規(guī)劃實(shí)施。如劉曉娟等[12]探討了RCP6.0和RCP8.5 情景下中國未來土地覆蓋變化造成的TCS損失;侯建坤等[13]評估了黃河源區(qū)自然變化情景和生態(tài)保護(hù)情景下的碳儲量分別增加了3.92×106t和1.353×107t;邵壯等[14]評估了北京市2035年自然演變情景、人口疏解城市發(fā)展情景和綠色集約生態(tài)保護(hù)情景下其陸地生態(tài)系統(tǒng)碳儲量分別增加了7.5×106t,1.564×107t和1.639×107t。綜合以往研究,在研究范圍上,大多集中于全球、區(qū)域和省域等區(qū)域尺度上,少有研究去關(guān)注資源枯竭型城市轉(zhuǎn)型過程中土地利用的變化及其帶來的碳儲量變化。就陸地生態(tài)系統(tǒng)碳儲量估算方法而言,In VEST 模型結(jié)合地理模擬與優(yōu)化模型框架在評估由土地利用變化引起碳儲量變化中已得到廣泛應(yīng)用。已有研究利用FLUS,PLUS,CLUE-S,CLUMondo,ANN-CA 等模型評估了未來土地利用變化對碳儲量的影響研究[3,15-17]。而FLUS 模型結(jié)合神經(jīng)網(wǎng)絡(luò)算法和自適應(yīng)競爭機(jī)制可較好地處理多地類的競爭和不確定性問題,模型表現(xiàn)優(yōu)于CLUES,ANN-CA 等模型。FLUS模型尤其是將人與自然因素結(jié)合在一起,通過將“自上而下”的系統(tǒng)動態(tài)與“自下而上”元胞自動機(jī)有機(jī)地結(jié)合,實(shí)現(xiàn)了對未來大規(guī)模土地使用變化過程中的精準(zhǔn)模擬[18]。

因此,本文以萍鄉(xiāng)市為研究區(qū)域,基于2010—2020年萍鄉(xiāng)市的土地利用數(shù)據(jù),采用FLUS模型模擬3種情景下(自然發(fā)展情景、耕地保護(hù)情景和生態(tài)優(yōu)先情景)的土地利用變化格局,并運(yùn)用In VEST 模型評估萍鄉(xiāng)市2010—2020年以及2030年不同情景下土地利用變化對陸地生態(tài)系統(tǒng)碳儲量的變化,為萍鄉(xiāng)市土地利用的合理規(guī)劃以及可持續(xù)發(fā)展提供科學(xué)依據(jù)。

1 研究區(qū)與數(shù)據(jù)來源

1.1 研究區(qū)概況

萍鄉(xiāng)市位于江西省西部,地理位置為113°—114°E,27°—28°N,長江中游城市群成員之一,也是長株潭經(jīng)濟(jì)圈的輻射核心區(qū)域(圖1)。東與宜春市接壤,南與吉安市毗鄰,西與湖南省株洲市相連,北與湖南省瀏陽市交界,素有“湘贛通衢”“吳楚咽喉”之稱。全市土地面積3 831 km2,截至2021年末,萍鄉(xiāng)市常住人口為180.59萬人,GDP 產(chǎn)值1 108.3億元。萍鄉(xiāng)市煤炭資源豐富,然而經(jīng)過一個世紀(jì)的高強(qiáng)度開發(fā),煤炭資源趨于枯竭,以煤炭為主導(dǎo)的相關(guān)產(chǎn)業(yè)進(jìn)入衰退期。大量煤炭的開采導(dǎo)致地表面塌方下陷,致使采煤區(qū)山體和居民區(qū)域地面下沉,威脅著區(qū)域的生態(tài)環(huán)境。近20年來,萍鄉(xiāng)市各級政府始終將煤炭開采區(qū)域的環(huán)境生態(tài)修復(fù)和產(chǎn)業(yè)轉(zhuǎn)移與升級作為重要工作,推動萍鄉(xiāng)市經(jīng)濟(jì)轉(zhuǎn)型發(fā)展,促進(jìn)經(jīng)濟(jì)的高質(zhì)量發(fā)展。經(jīng)濟(jì)的發(fā)展必然會引起土地利用類型的變化,從而對生態(tài)系統(tǒng)碳儲量產(chǎn)生較大的影響,因此,在“雙碳”背景下探究未來土地利用變化引起碳儲量變化,可為區(qū)域的國土空間規(guī)劃和“雙碳”戰(zhàn)略的謀劃提供數(shù)據(jù)支撐。

圖1 江西省萍鄉(xiāng)市位置Fig.1 Location of Pingxiang City,Jiangxi Province

1.2 數(shù)據(jù)來源與處理

LUCCs是在自然、人文、社會經(jīng)濟(jì)等多重因素下驅(qū)動的動態(tài)過程,是一個復(fù)雜性系統(tǒng)。本文借鑒已有研究[15],從自然、人文和社會經(jīng)濟(jì)三方面選取LUCCs驅(qū)動因子。其中,土地利用類型數(shù)據(jù)來源于武漢大學(xué)1990—2021 年中國30 m 土地覆被數(shù)據(jù)集[19],分辨率為30 m×30 m;DEM 數(shù)據(jù)來源于地理空間數(shù)據(jù)云(http:∥www.gscloud.cn),分辨率為30 m×30 m;氣溫降水、GDP和人口數(shù)據(jù)來源于中國科學(xué)院資源與環(huán)境科學(xué)與數(shù)據(jù)中心數(shù)據(jù)平臺(https:∥www.resdc.cn),分辨率為1 000 m×1 000 m;道路數(shù)據(jù)來源于OpenStreet Map數(shù)據(jù)集(https:∥www.openstreetmap.org/),距主要道路、鐵路、河流、區(qū)縣中心等距離以歐式距離進(jìn)行度量。

2 研究方法

2.1 InVEST模型

以植被主導(dǎo)的土地利用類型(如森林、草地、農(nóng)田、灌木等)是陸地生態(tài)系統(tǒng)的主要載體,并通過光合作用從大氣中吸收大量的CO2,因此,量化土地利用類型的變化可為探究陸地生態(tài)系統(tǒng)碳儲量的變化提供支撐[1]。本文利用In VEST 模型中的碳儲量模塊分析2010—2020年萍鄉(xiāng)市陸地生態(tài)系統(tǒng)碳儲量變化情況,并對模擬的2030年陸地生態(tài)系統(tǒng)碳儲量變化情況進(jìn)行評估。In VEST 將生態(tài)系統(tǒng)碳儲量(Ctotal)劃分為4個基本碳庫:地上植被碳庫(Cabove)、地下植被碳庫(Cbelow)、土壤碳有機(jī)碳庫(Csoil)和死亡有機(jī)碳庫(Cdead)[12,20],即:

2.2 Markov模型

Markov模型是基于某一事件的歷史發(fā)展軌跡來預(yù)測事件的發(fā)展趨勢的一種方法,具有無后效性特征,廣泛應(yīng)用于土地利用類型的數(shù)量預(yù)測以及情景設(shè)定中[9],公式如下:

式中:S(T)和S(T0)分別為在T和T0時刻土地利用狀態(tài)矩陣;Pij為第i類土地利用類型向第j類土地利用類型轉(zhuǎn)換的轉(zhuǎn)移概率矩陣,由歷史土地利用類型數(shù)據(jù)計算而得。

2.3 FLUS模型

FLUS(future land use simulation)模型是由中山大學(xué)Liu等[18]提出的一種模擬多類型土地利用變化的CA 模型,它通過輪盤賭和人工神經(jīng)網(wǎng)絡(luò)(artificial neural network)模型來量化多種土地利用類型之間的競爭關(guān)系,已廣泛應(yīng)用于土地利用變化的后置效應(yīng)分析(如生態(tài)系統(tǒng)服務(wù)價值評估、糧食安全、國土空間規(guī)劃、碳儲量分析等)[15,21-24]。此外,利用自適應(yīng)慣性因子用來表征歷史土地利用類型的數(shù)量變化趨勢,以確保模型的土地利用類型數(shù)據(jù)達(dá)到預(yù)設(shè)的土地利用類型需求。常用的FLUS模型主要由以下幾個模塊組成。

(1)土地利用轉(zhuǎn)換潛力評估。FLUS 模型以BPNN(back propagation neural network)來擬合土地利用類型轉(zhuǎn)換潛力與影響因子之間復(fù)雜的非線性關(guān)系。常用的BPNN 模型通常由輸入層、隱含層和輸出層三層構(gòu)成[25],在訓(xùn)練階段,利用已有訓(xùn)練數(shù)據(jù)集,基于反向傳播機(jī)制訓(xùn)練各層之間的連接權(quán)重值,在預(yù)測階段,將影響因子輸入至輸入層,從輸出層計算得到各種土地利用類型的發(fā)展?jié)摿?此外,輸出層的Softmax激活函數(shù)將土地利用類型轉(zhuǎn)換潛力歸一化至0～1,并確保各土地利用類型轉(zhuǎn)換潛力之和為1〔公式(3)—(4)〕。其數(shù)學(xué)表達(dá)式如下:

式中:P(p,k,t)為t時刻土地利用類型k在元胞p處的發(fā)展?jié)摿?xi(p,t)為在t時刻與元胞p處上的輸入神經(jīng)元i相關(guān)的輸入變量;wi,j和wj,k分別為輸入層與隱含層之間、隱含層與輸出層之間的權(quán)重,該權(quán)重是通過訓(xùn)練數(shù)據(jù)集,經(jīng)反向傳播算法擬合;netj(p,t)為隱含層神經(jīng)元j接收到的信號。

(2)自適應(yīng)慣性因子。自適應(yīng)慣性因子用來表征多種土地利用類型之間的相互作用,根據(jù)每次迭代中宏觀土地需求與當(dāng)前土地利用分配(Dt-1k)之間的數(shù)量差異自適用地調(diào)整網(wǎng)格中當(dāng)前土地利用類型的發(fā)展趨勢[18],詳細(xì)的調(diào)整規(guī)則如下:

式中:Intertiat-1k為土地利用類型k在迭代時間(t-1)時的慣性系數(shù)。

(3)鄰域效應(yīng)。鄰近的土地利用類型及數(shù)量也會影響元胞的發(fā)展趨勢。鄰域發(fā)展密度用來評估元胞鄰域效應(yīng)的程度[21],詳細(xì)的表達(dá)式如下:

式中:Ωtp,k為在迭代時間t時,土地利用類型k對元胞p產(chǎn)生鄰域效應(yīng);con(ct-1p=k)為土地利用類型k在迭代時間(t-1)時,在N×N摩爾鄰域內(nèi)的土地利用類型數(shù)量;wk為土地利用類型k的鄰域影響效力。

(4)轉(zhuǎn)換成本與約束。轉(zhuǎn)換成本用于表征從當(dāng)前土地利用類型到目標(biāo)土地利用類型轉(zhuǎn)換的難易程度,該模塊通常是來源于專家學(xué)者及相關(guān)的先驗(yàn)知識。此外,一些強(qiáng)制性約束也可以嵌入模型中,即如果元胞p位于約束區(qū)域內(nèi),則約束變量Conp=0,否則為1。

因此,綜合轉(zhuǎn)換概率TProbtp,k可以通過以下的表達(dá)式計算:

式中:scc→k為土地利用類型c轉(zhuǎn)換成目標(biāo)土地利用類型k的轉(zhuǎn)換成本。

綜合轉(zhuǎn)換概率決定由當(dāng)前土地利用類型轉(zhuǎn)換成不同土地利用類型的優(yōu)先級。顧及不同土地利用類型間的競爭關(guān)系,FLUS模型在轉(zhuǎn)換過程中采用輪盤賭的方式進(jìn)行選擇,充分考慮了非主導(dǎo)土地利用類型的轉(zhuǎn)換能力,即綜合轉(zhuǎn)換概率高的土地利用類型轉(zhuǎn)換的可能性較大,綜合轉(zhuǎn)換概率低的土地利用類型也仍可能轉(zhuǎn)換。當(dāng)所有土地利用類型的數(shù)量都滿足預(yù)測的土地利用類型數(shù)量需求(允許誤差為1%)或者達(dá)到了預(yù)設(shè)的最大迭代次數(shù)時,則得到了相應(yīng)的模擬結(jié)果。此外,以Kappa系數(shù)和Fo M 指數(shù)驗(yàn)證模型的表現(xiàn)。

2.4 情景設(shè)置

國土空間布局優(yōu)化的實(shí)質(zhì)是緩解城鎮(zhèn)空間對農(nóng)業(yè)空間和生態(tài)空間的侵占,協(xié)調(diào)城鎮(zhèn)空間、農(nóng)業(yè)空間和生態(tài)空間之間的沖突。為了更好地評估萍鄉(xiāng)市未來土地利用變化對陸地生態(tài)系統(tǒng)碳儲量影響,本研究參照相關(guān)研究[9-15],以調(diào)整城鎮(zhèn)空間、農(nóng)業(yè)空間和生態(tài)空間之間的轉(zhuǎn)換概率大小設(shè)定3種土地利用變化模擬的情景,其詳細(xì)規(guī)則如下:

(1)自然發(fā)展情景。該情景基于歷史土地利用類型數(shù)據(jù)(2000 年、2005 年、2010 年、2015 年、2020年),運(yùn)用Markov模型〔公式(2)〕預(yù)測萍鄉(xiāng)市2030年各類土地利用類型數(shù)量,并設(shè)置為FLUS 模型運(yùn)行的宏觀需求參數(shù),其他情景以該情景為基礎(chǔ)。

(2)耕地保護(hù)情景。保障耕地的安全是維持區(qū)域糧食安全的基礎(chǔ),是國家堅決貫徹執(zhí)行的一項(xiàng)基本國策。以自然發(fā)展情景為基礎(chǔ),對Markov模型中轉(zhuǎn)移概率矩陣進(jìn)行適當(dāng)修正,即降低耕地向建設(shè)用地的轉(zhuǎn)移概率(50%)。

(3)生態(tài)優(yōu)先情景。預(yù)留適當(dāng)?shù)纳鷳B(tài)用地對維持區(qū)域物種生存、生態(tài)流流動及生態(tài)系統(tǒng)結(jié)構(gòu)和功能的穩(wěn)定性具有重要的作用。以自然發(fā)展情景為基礎(chǔ),降低生態(tài)用地(即林地和草地)向建設(shè)用地轉(zhuǎn)換的概率(40%)。此外,水體和耕地也具備維持物種生存、生態(tài)流等生態(tài)系統(tǒng)的功能,因而,該情景也降低水體和耕地向建設(shè)用地轉(zhuǎn)換的概率(水體:30%,耕地:20%),并且耕地向林地轉(zhuǎn)換概率增加20%。

3 結(jié)果與分析

3.1 數(shù)據(jù)預(yù)處理與模型驗(yàn)證

本文根據(jù)研究區(qū)特點(diǎn)將土地利用類型分為耕地、林地、灌木、草地、水域和建設(shè)用地。FLUS模型的驅(qū)動因素由人口、GDP、高程、坡度、坡向、降雨、氣溫、到河流距離、到主要道路距離、到鐵路距離、到區(qū)縣中心距離和到鄉(xiāng)鎮(zhèn)中心距離總共12個空間變量構(gòu)成,并進(jìn)行歸一化處理(0～1)。為驗(yàn)證FLUS模型的適用性,以萍鄉(xiāng)市2010—2020年的土地利用變化為例,鄰域效應(yīng)設(shè)為Moore鄰域,大小為3×3,土地利用類型轉(zhuǎn)換成本矩陣見表1。FLUS模型的總體精度為0.903,Kappa系數(shù)為0.795,Fo M 指數(shù)為0.16,表明模型具有良好的適用性。

表1 土地利用轉(zhuǎn)換成本矩陣Table 1 Land use conversion cost matrix

3.2 不同土地利用類型的碳密度評估

In VEST 模型中所需要的碳密度數(shù)據(jù)包含不同土地利用類型的4個基本碳庫,即地上生物量、地下生物量、土壤和死亡有機(jī)物。為了保證碳密度數(shù)據(jù)的一致性和碳儲量的準(zhǔn)確性,碳密度數(shù)據(jù)盡量選取江西范圍內(nèi)的前人研究成果。在江西數(shù)據(jù)缺失的情況下,適當(dāng)采用相近緯度的鄰省碳庫數(shù)據(jù)。劉丹丹[26]研究了江西區(qū)域的碳儲量分布,劉詠梅等[27]研究了長三角地區(qū)各用地類型的碳密度值,Ke等[28]研究了湖北省各土地利用類型的碳密度值。因此,本文主要參考以上三人的成果,對各用地類型的碳密度數(shù)據(jù)取算術(shù)平均數(shù),盡量減少單一誤差給研究結(jié)果帶來較大差異,得到萍鄉(xiāng)市各土地利用類型的碳密度值(表2)。

表2 研究區(qū)各土地利用類型碳密度值Table 2 Carbon density in the study area t/hm2

3.3 萍鄉(xiāng)市土地利用動態(tài)變化

3.3.1 萍鄉(xiāng)市2010-2020年土地利用動態(tài)變化2020年,萍鄉(xiāng)市土地利用類型以林地和耕地為主,面積分別為2 554.05,1 096.63 km2,二者占整個研究區(qū)面積的95%以上(圖2)。從表3 可以看出2010—2020年萍鄉(xiāng)市耕地、林地、建設(shè)用地之間互為轉(zhuǎn)入和轉(zhuǎn)出的主要來源,其中耕地轉(zhuǎn)入面積主要來源于林地;林地轉(zhuǎn)入面積主要來源于耕地;建設(shè)用地轉(zhuǎn)入面積主要來源于耕地和林地。

表3 2010-2020年研究區(qū)土地利用變化結(jié)果Table 3 Land use change in the Pingxiang between 2010 and 2020

圖2 萍鄉(xiāng)市土地利用動態(tài)變化Fig.2 Land-use pattern of Pingxiang City,Jiangxi Province

2010—2020年萍鄉(xiāng)市的建設(shè)用地、灌木、草地、水體轉(zhuǎn)出面積最小,耕地和林地轉(zhuǎn)出面積最多。整體來看,林地向耕地的轉(zhuǎn)出大于耕地向林地的轉(zhuǎn)出,同時二者均向建設(shè)用地轉(zhuǎn)出,主要原因是由于2010—2020年萍鄉(xiāng)市處于快速發(fā)展階段,城鎮(zhèn)化速度加快,對土地開發(fā)的需求也較為強(qiáng)烈,城市建設(shè)用地的發(fā)展主要源于侵占了周邊耕地與林地,中心城區(qū)的大量耕地轉(zhuǎn)為建設(shè)用地,中心城區(qū)的發(fā)展。

(1)2010—2020年,由耕地轉(zhuǎn)換為林地33.25 km2,轉(zhuǎn)換為灌木0 km2,轉(zhuǎn)換為草地0.39 km2,轉(zhuǎn)換為建設(shè)用地46.22 km2。后期的耕地由早期的林地面積轉(zhuǎn)入219.70 km2,由灌木面積轉(zhuǎn)入0.01 km2,由草地面積轉(zhuǎn)入0.08 km2,由水體面積轉(zhuǎn)入1.36 km2,由建設(shè)用地面積轉(zhuǎn)入0.03 km2?？梢钥闯?耕地主要向林地和建設(shè)用地轉(zhuǎn)出,林地為主要的轉(zhuǎn)入地類,這主要是由于耕地占補(bǔ)平衡政策的實(shí)施,轉(zhuǎn)出的耕地主要由林地進(jìn)行補(bǔ)充。此外,2010—2020年,耕地轉(zhuǎn)建設(shè)用地最大的鄉(xiāng)鎮(zhèn)為安源區(qū)(彭高鎮(zhèn)、赤山鎮(zhèn)、白源街、青山鎮(zhèn)、丹江街),湘東區(qū)(湘東鎮(zhèn)、荷堯鎮(zhèn)、下埠鎮(zhèn)),上栗縣(上栗鎮(zhèn)、金山鎮(zhèn)),蘆溪縣(蘆溪鎮(zhèn)、宣風(fēng)鎮(zhèn)),蓮花縣(琴亭鎮(zhèn)、升坊鎮(zhèn)),除城市核心安源區(qū)外,其他縣區(qū)呈現(xiàn)出雙核結(jié)構(gòu),由縣區(qū)所在鄉(xiāng)鎮(zhèn)(耕地轉(zhuǎn)化為建設(shè)用地)及傳統(tǒng)工業(yè)強(qiáng)鎮(zhèn)(耕地轉(zhuǎn)化為工業(yè)用地)。從各地類的變化面積來看,耕地轉(zhuǎn)入面積最多,為221.18 km2,轉(zhuǎn)入貢獻(xiàn)率為69.59%,高于其轉(zhuǎn)出面積(81.95 km2),其中來自林地的轉(zhuǎn)入面積高達(dá)219.70 km2。林地轉(zhuǎn)出面積(233.67 km2)高于轉(zhuǎn)入面積(33.32 km2),主要轉(zhuǎn)向耕地。林地轉(zhuǎn)向建設(shè)用地主要集中在安源工業(yè)園、蘆溪工業(yè)園和湘東工業(yè)園,綜合來看,耕地向建設(shè)用地和工業(yè)用地轉(zhuǎn)換,城郊林地則主要向工業(yè)用地轉(zhuǎn)換(表3)。

(2)灌木、草地和水體的轉(zhuǎn)入和轉(zhuǎn)出面積都較小,灌木呈緩慢減少趨勢,草地和水體呈緩慢增加趨勢。萍鄉(xiāng)市70%面積處于丘陵地帶,灌木及草地過少且集中在武功山景區(qū),屬于保護(hù)區(qū)域,所以沒有發(fā)生變化。水體沒有變化的原因?yàn)槠监l(xiāng)市中心城區(qū)水域區(qū)域?yàn)橛窈?、鵝湖、翠湖、萍水湖、安源湖及零散分布的水庫60余處,但整體呈現(xiàn)出水域面積較少。同時,萍鄉(xiāng)市已經(jīng)建立起完善的河長制與湖長制工作制度,統(tǒng)籌全市河湖保護(hù)管理規(guī)劃,落實(shí)最嚴(yán)格水資源管理制度,因此萍鄉(xiāng)市水體沒有發(fā)生變化。

(3)建設(shè)用地呈現(xiàn)大幅增長趨勢,轉(zhuǎn)出面積僅為0.19 km2,而轉(zhuǎn)入面積高達(dá)60.28 km2,主要由耕地和林地轉(zhuǎn)入,說明萍鄉(xiāng)市建設(shè)用地的擴(kuò)張主要是通過占用耕地,其次是從林地進(jìn)行轉(zhuǎn)化。嚴(yán)守18億畝耕地紅線,嚴(yán)格落實(shí)《江西省主體功能區(qū)規(guī)劃》。正是因?yàn)閲艺佳a(bǔ)平衡政策的約束,使得轉(zhuǎn)出的耕地必須要一定的用地類型進(jìn)行轉(zhuǎn)入補(bǔ)充,同時因?yàn)槠监l(xiāng)市屬于低海拔多丘陵山地地形,城市總面積2 764.93 km2,其中丘陵面積為1 824 km2,因此損失的耕地較多是通過丘陵地區(qū)的林地進(jìn)行轉(zhuǎn)化補(bǔ)充。

(4)由于產(chǎn)業(yè)調(diào)整的原因,下崗的煤炭產(chǎn)業(yè)工人轉(zhuǎn)移到城市周邊就業(yè)和大量農(nóng)村剩余勞動力外出就業(yè),導(dǎo)致萍鄉(xiāng)2010—2020年人口整體未增長,其中湘東、上栗、蓮花3縣人口較2010年人口調(diào)查數(shù)據(jù)減少10%,農(nóng)村大量剩余勞動力向萍鄉(xiāng)市中心城區(qū)和沿海、周邊省會(長沙、南昌)轉(zhuǎn)移,導(dǎo)致萍鄉(xiāng)市縣區(qū)城區(qū)面積增長緩慢。

綜上所述,耕地和林地在萍鄉(xiāng)市主要土地利用結(jié)構(gòu)中占有重要比重,并且兩種用地類型之間相互影響和轉(zhuǎn)化,一方面說明耕地、林地和建設(shè)用地間有著密切的聯(lián)系,另一方面建設(shè)用地與生態(tài)用地之間的轉(zhuǎn)化狀況也表明萍鄉(xiāng)市經(jīng)濟(jì)空間和生態(tài)空間存在用地矛盾。

3.3.2 萍鄉(xiāng)市多情景土地利用動態(tài)變化

利用FLUS模型,配置不同情景下的土地利用類型轉(zhuǎn)換成本矩陣(表1)和土地利用類型需求量,模擬3種情景下的土地利用格局及特征(表4),具體情況如下:

表4 2020年現(xiàn)狀與2030年多情景模擬用地類型變化Table 4 Status of 2015 and multi-scenario simulation of land use type change in 2030

(1)自然發(fā)展情景。該情景下2030年的耕地面積為1 208.24 km2,相比2020年增幅10.18%,林地、灌木和水體面積較2020年分別減幅為6.90%,35.09%,12.70%,草地面積相比2020年有小幅增長,增長率為11.24%,建設(shè)用地擴(kuò)張最為劇烈,面積增加了65.89 km2,漲幅37.61%。耕地和林地是建設(shè)用地增加主要的來源,并且主要分布于安源區(qū)?？偟膩碚f,在自然發(fā)展情景下,不受約束的發(fā)展造成區(qū)域建設(shè)用地和耕地迅速擴(kuò)張,林地、灌木和水域等生態(tài)用地大量減少,草地有少量增加,生態(tài)安全面臨風(fēng)險。

(2)耕地保護(hù)情景。該情景為嚴(yán)格落實(shí)耕地保護(hù)情景,耕地向其他土地利用類型轉(zhuǎn)換受到一定程度的限制。該情景下2030年的耕地面積為1 233.73 km2,較2020年增長了12.50%,同時建設(shè)用地的面積為214.60 km2,較2020年增長了22.50%。林地、灌木均為下降趨勢,下降幅度分別為6.91%和35.09%,而草地卻增長了12.88%,水體則沒有變化,這表明在進(jìn)行耕地保護(hù)時,建設(shè)用地的擴(kuò)張會侵占林地和灌木。從空間變化來看,建設(shè)用地的擴(kuò)張主要集中在安源區(qū),耕地的增加區(qū)域主要是湘東區(qū)、上栗縣?？偟膩碚f,該情景減緩耕地轉(zhuǎn)化的速率,可以有效保證耕地面積。但是,該情景下,由于各區(qū)縣經(jīng)濟(jì)發(fā)展的訴求,建設(shè)用地擴(kuò)張無可避免,林地和灌木面積被侵占,但其對其他用地的影響則得到有效控制。

(3)生態(tài)優(yōu)先情景。該情景對生態(tài)用地(即林地、灌木、草地和水體)進(jìn)行了適當(dāng)?shù)谋Ｗo(hù)。相比于2020年,2030年的林地面積為2 555.22 km2,呈現(xiàn)小幅度增加趨勢(0.05%);灌木、草地和水體的面積相對于2020年沒有變化。灌木和草地主要分布于武功山旅游景區(qū)內(nèi),受到景區(qū)法規(guī)保護(hù),所以一直未有變化。由于成本矩陣(表1)的設(shè)定,耕地的轉(zhuǎn)出會優(yōu)先考慮林地和建設(shè)用地,其次才會去向灌木、草地和水體進(jìn)行轉(zhuǎn)化。因耕地的轉(zhuǎn)出量未能滿足林地和建設(shè)用地的轉(zhuǎn)入需求,從而導(dǎo)致沒有用地向灌木、草地和水體進(jìn)行轉(zhuǎn)入,由此就會使得該情景下的灌木、草地和水體的面積會保持不變。該情景下土地利用變化較大的集中于耕地與建設(shè)用地,相對于2020年,耕地呈現(xiàn)減少趨勢,面積受到進(jìn)一步壓縮,減少幅度為0.89%,面積為1 086.88 km2,為3種情景中唯一減少的;建設(shè)用地仍有小幅增加,增幅為4.9%。從地類空間發(fā)展格局來看,建設(shè)用地增長主要集中安源區(qū)。為保證生態(tài)用地同時維持經(jīng)濟(jì)發(fā)展所需用地的需求,耕地轉(zhuǎn)變的主要方向仍然為建設(shè)用地。總的來說,該情景下的林地出現(xiàn)增長趨勢,灌木、草地以及水體并沒有減少,從而促使耕地為建設(shè)用地的主要來源,有利于維持區(qū)域生態(tài)安全。

3.4 土地利用動態(tài)變化對碳儲量的影響分析

3.4.1 萍鄉(xiāng)市2010-2020年間土地利用動態(tài)變化對陸地碳儲量的影響 基于萍鄉(xiāng)市的陸地生態(tài)系統(tǒng)碳密度數(shù)據(jù)(表2),利用In VEST 模型碳儲量模塊分別估算了萍鄉(xiāng)市2010—2020年的碳儲量及變化。從數(shù)量上看,研究區(qū)2010年和2020年的碳儲量分別為5.188×107t和5.041×107t,2010—2020年,總體呈減少的趨勢,損失了1.47×106t。從空間上看,萍鄉(xiāng)市的碳儲量空間分布格局有空間異質(zhì)性。圖3A—B分別是2010年、2020年的碳儲量分布情況。碳儲量高值區(qū)主要分布于研究區(qū)的西南和東南,該區(qū)域主要為山地和丘陵,植被覆蓋度高,碳儲量密度最高值為13.789 t/hm2;行政區(qū)劃上,位于湘東區(qū)南部、蘆溪縣南部、蓮花縣西南部與東北部和上栗縣中部,這些區(qū)域遠(yuǎn)離城市中心,城市化程度較低,土地利用類型以林地為主。碳儲量低值區(qū)主要分布在萍鄉(xiāng)市中心城區(qū),城市化程度較高,土地利用類型以建設(shè)用地和耕地為主,受人類活動影響較大,碳儲量處于較低水平。

圖3 2010-2020年萍鄉(xiāng)市碳儲量空間變化Fig.3 Spatial change of carbon storage in Pingxiang City from 2010 to 2020

為了更好地觀察研究區(qū)的碳儲量的空間分布特征,利用空間疊加工具進(jìn)行差值處理,將碳儲量空間變化分為3類:減少、不變和增加。從圖3C 看,其變化的區(qū)域具有大聚集和零星分布的特征。具體而言,2010—2020年研究區(qū)大部分區(qū)域的碳儲量基本穩(wěn)定,其占比為91.72%,其中7.36%的研究區(qū)域碳儲量呈減少的趨勢,只有0.92%的區(qū)域碳儲量呈增加的趨勢,二者零星分布在整個研究區(qū)內(nèi)。碳儲量下降的區(qū)域分主要分布在安源區(qū)、湘東區(qū)北部、蘆溪縣西北部、上栗縣北部與南部和蓮花縣的東南部,由于城市擴(kuò)張,大量耕地和部分林地轉(zhuǎn)化為建設(shè)用地。

3.4.2 萍鄉(xiāng)市不同情景下的土地利用動態(tài)變化對陸地碳儲量的影響 3種情景下(自然發(fā)展、耕地保護(hù)和生態(tài)優(yōu)先)陸地生態(tài)系統(tǒng)碳儲量存在著差異(圖4—5)。自然發(fā)展情景下,2030年萍鄉(xiāng)市的碳儲量相對往年有所下降,僅為4.906×107t。萍鄉(xiāng)市中部和其他區(qū)縣中心區(qū)域的碳儲量最易流失,其主要原因是在自然發(fā)展條件下,該區(qū)域的耕地和林地有較大概率轉(zhuǎn)換為碳密度值相對較小的建設(shè)用地,其中碳儲量值減少最高的區(qū)域?yàn)榘苍磪^(qū),從中具化為安源區(qū)作為萍鄉(xiāng)市經(jīng)濟(jì)中心一直未發(fā)生改變。耕地保護(hù)情景下,整體趨勢和自然發(fā)展態(tài)勢類似,碳儲量為4.919×107t。相較于自然發(fā)展情景有少量增加,其主要原因是在自然情景下轉(zhuǎn)化為碳密度低的建設(shè)用地的部分,在耕地保護(hù)情景下轉(zhuǎn)化為碳密度值較高的耕地,從而總體碳儲量高于自然發(fā)展情景。生態(tài)優(yōu)先情景下,碳儲量為3種情景中最高,為5.038×107t,但相對往年仍是有所下降,減少了3.58×104t。從空間分布來看,99.75%的區(qū)域碳儲量基本保持不變,僅有零星的區(qū)域碳儲量增加與減少。在轉(zhuǎn)換成本矩陣的限定下,只有耕地成為轉(zhuǎn)出用地,轉(zhuǎn)為林地和建設(shè)用地。

3.4.3 政策建議

(1)由于城市化進(jìn)程的加快,大量的農(nóng)村用地轉(zhuǎn)化為城市建設(shè)用地,2010—2020年,城鎮(zhèn)用地新增了60.28 km2,未來城鎮(zhèn)化將繼續(xù),經(jīng)評估,萍鄉(xiāng)市自然發(fā)展情景、耕地保護(hù)情景和生態(tài)優(yōu)先情景將新增建設(shè)用地分別為65.89,39.42,8.58 km2。由此導(dǎo)致的多情景下碳儲量損失集中在安源區(qū)和萍鄉(xiāng)經(jīng)濟(jì)開發(fā)區(qū)(圖4),經(jīng)實(shí)地調(diào)查,上述區(qū)域已由原來的農(nóng)村土地已經(jīng)轉(zhuǎn)變成為城市中心用地,并且是萍鄉(xiāng)市的核心城區(qū),建議當(dāng)?shù)卣谔贾泻托袆又幸攸c(diǎn)關(guān)注以上區(qū)域。

(2)碳儲量的損失主要是來源于耕地和城市用地對林地的侵占,2010—2020年,林地的轉(zhuǎn)出面積為233.67 km2,轉(zhuǎn)出貢獻(xiàn)率達(dá)73.52%,經(jīng)評估,萍鄉(xiāng)市自然發(fā)展情景和耕地保護(hù)情景下林地減少面積分別為176.19,176.58 km2。而中國實(shí)施的是耕地占補(bǔ)平衡政策,萍鄉(xiāng)市始終面臨著耕地占用的壓力。耕地占補(bǔ)平衡應(yīng)該不僅僅是關(guān)注數(shù)量上的占補(bǔ)平衡,還應(yīng)關(guān)注質(zhì)量,特別是對大量的林地轉(zhuǎn)化為建設(shè)用地導(dǎo)致的碳損失(圖5)。為應(yīng)對萍鄉(xiāng)市中心城區(qū)的用地矛盾,2022年萍鄉(xiāng)市已經(jīng)將毗鄰市中心城區(qū)的上栗縣彭高、赤山鎮(zhèn)劃歸中心城區(qū),中心城區(qū)土地面積擴(kuò)容,在一定程度上可以緩解萍鄉(xiāng)市中心城區(qū)土地用地的壓力。

圖5 2020-2030年3種情景下萍鄉(xiāng)市碳儲量變化預(yù)測Fig.5 Carbon storage change in Pingxiang City under three scenarios from 2020 to 2030

(3)萍鄉(xiāng)是中國最早的工業(yè)起源城市之一,也是國家首批資源枯竭型城市。萍鄉(xiāng)在發(fā)展過程中不僅面臨的城市用地指標(biāo)與耕地的矛盾,還面臨著傳統(tǒng)的工業(yè)大量升級轉(zhuǎn)型,工業(yè)排放環(huán)保與湘贛兩省環(huán)保聯(lián)動的壓力,應(yīng)堅持走生態(tài)優(yōu)先發(fā)展的道路。同時,以湘東、蘆溪為代表的老工業(yè)基地造成大量廢舊礦山的污染與治理也制約萍鄉(xiāng)的可利用的土地資源。綜上所述,萍鄉(xiāng)市需要特別重視土地的合理科學(xué)規(guī)劃利用,對整個城市的各個區(qū)域進(jìn)行功能區(qū)域進(jìn)行定位劃分,并盡快建立覆蓋全域的河流、土壤、空氣的城市生態(tài)監(jiān)測系統(tǒng),為萍鄉(xiāng)的生態(tài)決策提供長期科學(xué)數(shù)據(jù)支持與支撐。

4 結(jié)論

(1)2010—2020年萍鄉(xiāng)市的碳儲量整體呈減少趨勢,共減少1.47×106t,主要原因?yàn)樘济芏雀叩牧值睾透剞D(zhuǎn)換為碳密度值較低的建設(shè)用地,并且大量林地轉(zhuǎn)化為耕地。

(2)2010—2020 年萍鄉(xiāng)市土地利用變化以耕地、建設(shè)用地、草地和水體的面積增加和林地與灌木面積減少為主。自然發(fā)展情景下耕地、草地和建設(shè)用地的面積繼續(xù)增加,林地和灌木面積繼續(xù)減少,水體面積則由增加變?yōu)闇p少;耕地保護(hù)情景下耕地擴(kuò)張加劇,草地和建設(shè)用地繼續(xù)擴(kuò)張,林地和灌木面積減少;生態(tài)優(yōu)先情景下林地面積少量增加,建設(shè)用地的擴(kuò)張趨勢減弱,耕地為主要減少的用地類型。

(3)2030年的3種情景,自然發(fā)展情景、耕地保護(hù)情景和生態(tài)優(yōu)先情景下萍鄉(xiāng)市的碳儲量分別為4.906×107t,4.919×107t和5.038×107t,與2020年相比,3種情景下生態(tài)系統(tǒng)碳儲量分別減少了1.35×106t,1.22×106t和3.58×104t,生態(tài)優(yōu)先情景下的碳儲量減少量最低,保護(hù)林地和限制建設(shè)用地的擴(kuò)張可以減緩生態(tài)系統(tǒng)碳儲量的減少。

此外,本研究也存在著一些不足:(1)土地利用變化是一個復(fù)雜的動態(tài)演化過程,根據(jù)研究區(qū)現(xiàn)狀設(shè)置具體情景是下一步的研究方向;(2)FLUS模型的參數(shù)(如土地利用轉(zhuǎn)換成本矩陣、空間變量的選擇等)的設(shè)置存在著一定的主觀性,下一步研究應(yīng)根據(jù)研究區(qū)情況不斷調(diào)試參數(shù)以確定模型的最佳參數(shù);(3)目前陸地生態(tài)系統(tǒng)碳儲量評估以地表調(diào)查、模型模擬和遙感評估為主,常用以地表調(diào)查為主,本文中的碳密度數(shù)據(jù)是在已有研究成果的基礎(chǔ)上進(jìn)行碳密度修正,缺乏實(shí)地測量數(shù)據(jù)的驗(yàn)證,忽視了碳密度變化的時間效應(yīng),下一步研究需要采用多模型融合對土地利用類型的碳密度數(shù)據(jù)進(jìn)行修正,提升碳密度評估的準(zhǔn)確度。