基于InVEST 和PLUS 模型的江西省土地利用碳儲量時空變化與預(yù)測

摘 要：土地利用變化是驅(qū)動碳儲量變化的主要因素，評估土地利用變化對碳儲量的影響對于碳平衡具有重要意義。以江西省為例，基于InVEST-PLUS 模型，探究1990—2020 年江西省土地利用變化和碳儲量時空演變，測算2030 年多情景碳儲量。（1）江西省1990 年、2000 年、2010 年和2020 年的碳儲量分別為12.7594、12.7600、12.6912、12.5800 億噸，總體呈現(xiàn)減少態(tài)勢。林地的減少是造成碳儲量損失的主要因素。地上生物量碳庫和土壤碳庫碳儲量最多，占總碳儲量的88.82%。（2）至2030 年，較2020 年，在自然發(fā)展與城鎮(zhèn)發(fā)展情景下，碳儲量分別減少380、1330 萬噸，在生態(tài)保護情景下則增加125 萬噸，表明采取生態(tài)保護措施，優(yōu)化土地利用結(jié)構(gòu)，能有效控制碳儲量的減少。（3）碳儲量明顯較高的地區(qū)位于生態(tài)用地連片的贛南山區(qū)，而碳儲量明顯較低的地區(qū)位于碳密度值較低以及建設(shè)用地呈斑塊狀分布的贛北區(qū)域。研究結(jié)果將為江西省生態(tài)文明建設(shè)作出合理生態(tài)決策、實現(xiàn)高質(zhì)量發(fā)展提供科學(xué)依據(jù)。

關(guān)鍵詞：土地利用；碳儲量； InVEST 模型；PLUS 模型；變化分析

中圖分類號：F301.24 文獻標(biāo)志碼：A 文章編號：2095-1329（2024）01-0086-07

陸域生態(tài)系統(tǒng)的碳儲存與全球氣候變化關(guān)系密切，評估土地利用變化對碳儲存的影響對減少全球碳排放具有指導(dǎo)意義[1]。土地利用變化是影響陸地生態(tài)系統(tǒng)碳循環(huán)最直接的因子[2]，監(jiān)測碳儲量變化，對保護區(qū)域生態(tài)系統(tǒng)和制定生態(tài)與經(jīng)濟平衡發(fā)展的政策至關(guān)重要[3]。

近年來，隨著3S 技術(shù)的廣泛運用和相關(guān)模型層出不窮，在測算區(qū)域碳儲量方面展開了更深層次的探究。以往利用 DNDC 模型[4]、FORCCHN 模型[5]、CASA 模型[6] 等大致估算區(qū)域土地利用碳儲量。但這類模型存在獲取數(shù)據(jù)復(fù)雜、適應(yīng)性較差等問題。InVEST 模型直接使用碳密度數(shù)據(jù)來估算碳儲量，較簡便地獲得碳儲量結(jié)果，因其運算高效，被廣泛用于碳儲量計算[7]。例如評估不同情景下中國黃土高原的碳儲量變化[8]、對中原城市群2005—2030 年不同土地利用情景下進行碳儲量估算與預(yù)測[9]、探究洞庭湖生態(tài)經(jīng)濟區(qū)土地利用變化對碳儲量的影響[10]。目前用于模擬未來土地利用情況的模型有CA-Markov、CLUE-S 模型等，上述模型缺乏對土地利用變化驅(qū)動機理的挖掘能力，且無法時空動態(tài)地模擬多類土地利用類型的斑塊級演變[11]。PLUS 模型基于柵格數(shù)據(jù)在解釋多類用地生成方面較強，可以更精確分析土地利用變化更真實反映景觀狀態(tài)[12]。例如評估中國伊犁河谷不同土地利用情景下的生境質(zhì)量[13]、研究廣東省碳儲量空間關(guān)聯(lián)性及預(yù)測[14]、對中國四川—云南生態(tài)屏障土地使用優(yōu)化的生態(tài)系統(tǒng)服務(wù)價值多情景模擬進行評估[15]。

江西省作為首批國家生態(tài)文明試驗區(qū)之一和生態(tài)產(chǎn)品價值實現(xiàn)試點，堅定不移走生態(tài)優(yōu)先、綠色發(fā)展、綠色低碳的道路。目前江西省碳儲量的研究主要是森林 、土壤等典型生態(tài)系統(tǒng)，相關(guān)學(xué)者研究了江西省森林碳儲量及固碳潛力[16]、江西森林植被土壤有機碳儲量估算及空間分布特征[17]，對江西省土地空間布局模擬優(yōu)化、碳儲量研究較少?；贗nVEST-PLUS 模型，研究1990—2020 年江西省土地利用變化及碳儲量變化，預(yù)測江西省2030 年多情景碳儲量變化，以期為江西省國土空間規(guī)劃，助力碳中和目標(biāo)提供決策參考。

1 研究區(qū)與數(shù)據(jù)源

1.1 研究區(qū)概況

江西省地理坐標(biāo)介于 24°29′～30°04′N、113°34′～118°28′E（圖1）。與浙江兩省相連，西鄰湖南，北接湖北和安徽，南接廣東，總面積16.69 萬km2。截至2021年底，江西省常住人口為4517.4 萬人，2021 全年GDP為2969.7 億元人民幣。江西省屬亞熱帶季風(fēng)氣候，地勢南高北低，西側(cè)為羅霄山脈，南部為南嶺山脈，東部為武夷山，中部為丘陵和盆地，全省地形向北向鄱陽湖平原傾斜。在自然資源方面具有較大優(yōu)勢，全省森林覆蓋率高達61.16%，位居全國第二[18]。

1.2 數(shù)據(jù)源

模型構(gòu)建綜合考慮氣候環(huán)境和社會經(jīng)濟， 選取DEM、土壤類型、年平均溫度、年平均降水等兩大類15項驅(qū)動因子?；A(chǔ)數(shù)據(jù)包含江西省行政邊界和土地利用數(shù)據(jù)，相關(guān)數(shù)據(jù)具體來源見（表1）。

2 研究方法。

2.1 PLUS 模型與多情景設(shè)置

PLUS 模型通過融合已有轉(zhuǎn)化規(guī)則挖掘策略和景觀動態(tài)變化模擬策略的優(yōu)勢，保留模型在一定時間段的土地利用變化機理能力。采用隨機森林算法挖掘各土地利用類型的增長與多種驅(qū)動因素的關(guān)系[12]。

（1）鄰域權(quán)重

鄰域權(quán)重參數(shù)代表著土地類型的擴張強度，反映了不同用地類型在空間驅(qū)動因子影響下的擴張能力[19]。本文利用2010—2020 年的 TA 變化量的無量綱值計算得到鄰域權(quán)重（表2）。

（2）轉(zhuǎn)移規(guī)則矩陣

對于未來的土地規(guī)劃，綜合考慮多種情景設(shè)置以及典型性等因素，選取了三種典型情景，詳細轉(zhuǎn)換情況見（表3）。

（3）多情景設(shè)置

自然發(fā)展情景延續(xù)2010—2020 年土地變化速率，結(jié)合Markov 模型，以10a 為步長預(yù)測各類用地的發(fā)展情況；生態(tài)保護情景結(jié)合《江西省國土空間總體規(guī)劃（2021—2035 年）》《深化國家生態(tài)文明試驗區(qū)建設(shè)更高標(biāo)準(zhǔn)打造美麗中國“江西樣板”規(guī)劃綱要（2021—2035 年）》和《以生態(tài)環(huán)境高水平保護助推江西高質(zhì)量跨越式發(fā)展20 條措施》等相關(guān)政策，通過修改 2010—2020 年的馬爾科夫轉(zhuǎn)換概率矩陣，使林地、草地和水域向建設(shè)用地轉(zhuǎn)化的概率減少 60%，耕地相比林地生態(tài)能力較弱，設(shè)定耕地向建設(shè)用地轉(zhuǎn)化的概率減少 50%，將減少的部分增加到耕地向林地轉(zhuǎn)化的概率之中；城鎮(zhèn)發(fā)展情景，經(jīng)濟發(fā)展需要大量建設(shè)用地作為支撐，因此該情景下優(yōu)先保障建設(shè)用地的規(guī)模。建設(shè)用地向耕地、林地、水域轉(zhuǎn)化的概率較少40%，耕地、林地、草地、水域和未利用地轉(zhuǎn)移到建設(shè)用地的概率分別增加了40%、10%、20%、10%、50%。

2.2 InVEST 模型碳儲量模塊

本文采用 InVEST 3.12.1 模型碳儲量模塊分析30a 江西省生態(tài)系統(tǒng)碳儲量變化情況。碳儲量模塊將陸地生態(tài)系統(tǒng)中的碳儲量劃分為 4 個基本碳庫：地上碳庫（植被）、地下碳庫（活根）、土壤碳庫、死亡有機質(zhì)碳庫?？偺紟煊嬎愎絒20] 為：

Ctotal = Cabove +Cbelow +Csoil +Cdead

式中： total C 表示總碳庫； above C 表示地上生物碳； below C 表示地下生物碳； soil C 表示土壤碳； dead C 表示死亡有機質(zhì)碳。

目前江西省基于土地利用類型的實測碳密度數(shù)據(jù)較為缺乏，因此優(yōu)先選取數(shù)據(jù)集中的本地調(diào)查數(shù)據(jù)或鄰近地區(qū)數(shù)據(jù)，以及從以往相關(guān)研究文獻中獲取[21–24]。水域、建設(shè)用地參考中國陸地生態(tài)系統(tǒng)碳密度數(shù)據(jù)集[25]。最終整理得到江西省各土地利用類型的碳密度（表4）。

2.3 精度驗證

利用2010 年土地利用現(xiàn)狀模擬2020 年土地利用變化情況，并與2020 年真實數(shù)據(jù)進行精度分析。模擬結(jié)果得到PLUS 模型的整體模擬精度為0.93，kappa 系數(shù)為 0.88。研究結(jié)果精度較高，可用于預(yù)測未來土地利用的變化分布。

3 結(jié)果分析

3.1 土地利用變化分析

江西省土地利用類型以林地和耕地為主，30a 以來，除水域和建設(shè)用地面積有所增加，其他各類土地利用類型面積均減少，耕地占比由27.26% 下降到 26.48%，林地占比由62.03% 下降到 61.40%，草地占比由 4.51% 下降為 4.27%，未利用地占比由 0.56% 下降為 0.32%，分別減少了1308.29 hm2、1058.86 hm2、406.20 hm2、394.04hm2。水域占比提高了 0.21%，建設(shè)用地占比上升了1.66%，分別增加了399.60 hm2、2769.68 hm2（表5）。在土地利用類型中，耕地面積減少比例幅度最大。

土地利用轉(zhuǎn)移矩陣可以有效反映土地利用的系統(tǒng)狀態(tài)和轉(zhuǎn)移狀態(tài)，揭示土地利用格局的時空演變過程[26]。

由表6 可知，30a 來，江西省各類型土地轉(zhuǎn)移總面積共1188185.04 hm2。轉(zhuǎn)出最多的土地利用類型是耕地，共轉(zhuǎn)出463251.78 hm2，主要轉(zhuǎn)向林地和建設(shè)用地，轉(zhuǎn)出面積占總計的86.29%，轉(zhuǎn)變程度最為劇烈。其次為林地和草地的轉(zhuǎn)出，轉(zhuǎn)出面積分別為431046.00 hm2 和1430322.15hm2。總的來說，30a 來以耕地、林地、草地和建設(shè)用地之間的相互轉(zhuǎn)移為主。建設(shè)用地是主要的轉(zhuǎn)入類型，耕地與林地之間的轉(zhuǎn)移相互持平，受到退草還林政策的影響，草地轉(zhuǎn)為林地較為明顯。

從空間分布上看，變化最顯著地類為建設(shè)用地和水域。建設(shè)用地由耕地轉(zhuǎn)來的地區(qū)主要集中在各地級市的中心城區(qū)和市轄區(qū)，例如南昌的建成區(qū)、贛州的章貢區(qū)等。建設(shè)用地由林地轉(zhuǎn)化來的區(qū)域主要分布在新余的渝水區(qū)、上饒的信州區(qū)等經(jīng)濟快速發(fā)展的地區(qū)。水域主要由耕地和林地轉(zhuǎn)化而來，集中分布在鄱陽湖流域以及九江市南部邊緣（圖2）。

3.2 碳儲量時空變化

（1）碳儲量變化

基于InVEST 模型碳儲量模塊分別測算江西省1990—2020 年四期的碳儲量（表7）。江西省四期總碳儲量分別12.7594、12.7600、12.6912、12.5800 億噸。1990—2000年增長5 萬噸，2000—2010 年減少688 萬噸，而2010—2020 年，碳儲量損失最大為1111 萬噸。總體碳儲量呈減少的趨勢。

從土地利用類型來看，耕地和林地的碳儲量占比最大，在2010 年林地占比達到全省的82.84%，其次是耕地占比13.72%。30a 來，耕地碳儲量持續(xù)減少，林地碳儲量先上升，后輕微下降；草地碳儲量處于起伏波動狀態(tài)。贛北地區(qū)的城市化水平較高，人口密集，城市建設(shè)用地占比較多。相較于生態(tài)屏障的贛南丘陵區(qū)，林地面積廣，耕地、草地面積占比高，是碳儲量最高的區(qū)域。

（2）碳儲量空間變化格局

1990—2020年江西省碳儲量排名前三的城市為贛州、吉安和上饒，碳儲量均值占全省55.75%，其中贛州碳儲量年均達3.3911 億噸（表8）。其次是撫州、宜春、九江碳儲量較高，碳儲量均值占全省碳儲量32.84%。1990—2020 年，江西省各地市碳庫碳儲量均下降。碳儲量減少顯著的城市為贛州、宜春、上饒，分別下降377、217、214 萬噸，而萍鄉(xiāng)碳儲量減少最小，為53 萬噸。

1990—2020 年，江西省碳儲量在空間分布上變化不大（圖3），表現(xiàn)為：贛南大部分區(qū)域、贛西北和贛東北部分區(qū)域的碳儲量高，北部、以及中部碳儲量低。這與省內(nèi)南部、西北和東北部分區(qū)域的林地面積分布廣泛的現(xiàn)狀一致。而贛北以及鄱陽湖流域主要為耕地和水域，碳密度值比較低，因此碳儲量較低。將1990 年和2020年兩期碳儲量空間分布圖進行差值計算再重分類，分為增加、減少和不變區(qū)域，得到碳儲量空間差異分布圖。變化的區(qū)域具有小聚集和零散分布的特點。碳儲量下降斑塊在省內(nèi)廣泛分布，主要分布在南昌的城建區(qū)、贛州的南康區(qū)和章貢區(qū)、新余的渝水區(qū)、吉安的吉州區(qū)、萍鄉(xiāng)的安源區(qū)、宜春的袁州區(qū)等，是江西省經(jīng)濟活動較活躍地區(qū)。碳儲量增加的地區(qū)主要分布在撫州的廣昌縣、南昌的新建區(qū)、上饒的余干縣、鄱陽縣等。南昌和贛州兩城市人口、GDP 的快速增長，加快了基礎(chǔ)設(shè)施和房地產(chǎn)業(yè)建設(shè)推動城市化，依靠侵占林地和耕地的建設(shè)用地面積擴大，因此南昌、贛州碳儲量下降劇烈。

3.3 多情景下江西省碳儲量預(yù)測

（1）多情景土地利用預(yù)測

自然發(fā)展情景下，保持2010—2020 年土地利用變化形勢，耕地、林地、水域面積均減少，其中耕地面積減少最大，減少了675.12 hm2。而建設(shè)用地和草地呈增長趨勢，分別增長了1319.71 hm2 和287.35 hm2 。建設(shè)用地的增幅最為顯著達到24.39%（圖4）。生態(tài)保護情景下耕地、草地、水域面積均有所增加，分別增加119.99 hm2、343.72 hm2 和77.40 hm2。林地面積依舊在減少，但幅度有所放緩。該情景下，建設(shè)用地擴張速度得到控制，由《江西省國土空間總體規(guī)劃（2021—2035 年）》可知，江西省采取了“江湖聯(lián)?！苯y(tǒng)籌長江、鄱陽湖和贛江等省內(nèi)主要河流的生態(tài)環(huán)境保護，因此此情景水域面積比自然情景增加了676.58 hm2。城鎮(zhèn)發(fā)展情景下，主要是耕地、林地向建設(shè)用地轉(zhuǎn)換，分別減少1219.73 hm2 和1053.45 hm2。而建設(shè)用地增加至7392.15 hm2，比2020 年多1982.18 hm2。城鎮(zhèn)發(fā)展先導(dǎo)向下，耕地、林地生態(tài)空間受擠嚴(yán)重，生態(tài)質(zhì)量下降。

（2）多情景碳儲量變化預(yù)測

2030 年自然發(fā)展情景下，碳儲量為12.5421 億噸，較2020 年減少380 萬噸；生態(tài)保護情景下，碳儲量為12.5925 億噸，較2020 年增長125 萬噸。其中草地提供了215 萬噸，增量上超過了耕地；城鎮(zhèn)發(fā)展情景下，碳儲量為12.4470 億噸，較2020 年下降1330 萬噸。林地碳儲量損失最大，為1065 萬噸（表9）。

三種模擬情景下，與2020 年碳儲量空間分布差異小，高碳匯區(qū)域分布在贛南地區(qū)與省境邊陲山脈區(qū)域（圖5）。自然發(fā)展情景下碳儲量下降較為嚴(yán)重的城市為贛州、吉安、南昌。生態(tài)保護情景下，除了南昌、上饒、九江碳儲量有所下降，其他城市碳儲量均有所增加，尤其是贛州和吉安。城鎮(zhèn)發(fā)展情景下，所有城市的碳儲量都有所下降，下降幅度最顯著的城市為南昌、新余和鷹潭。主要原因在于南昌作為江西省省會城市，城鎮(zhèn)擴張速度快，控制建設(shè)用地擴張可以有效提高碳儲量；贛州是全省林地、耕地最豐富的城市，因此總碳儲量最高，吉安擁有肥沃的吉泰平原，自然資源豐富也處于高碳儲量區(qū)，采取相關(guān)生態(tài)保護政策可以提升碳匯。綜上可知，在生態(tài)保護情景下現(xiàn)有的生態(tài)環(huán)境得到保護，碳儲量明顯上升。城鎮(zhèn)發(fā)展情景下，生態(tài)用地流失，建設(shè)用地擴張，碳儲量下降得最多。

4 結(jié)論與討論

4.1 結(jié)論

基于 PLUS-InVEST 模型，測算江西省1990—2020年碳儲量，并預(yù)測2030 年多情景下土地利用以及碳儲量變化，得出以下結(jié)論：

（1）1990—2020 年江西省碳儲量整體呈減少態(tài)勢，其中1990—2000 年增長5 萬噸、2000—2010 年減少688 萬噸、2010—2020 年減少1111 萬噸。30a 來碳儲量減少了1784 萬噸。耕地和林地是江西省最重要的碳庫，碳儲量超過總碳儲量的95%。

（2）2030 年江西省自然發(fā)展情景、生態(tài)保護情景和城鎮(zhèn)發(fā)展情景下，碳儲量分別為12.5421 、12.5925 和12.4470 億噸。與 2020 年相比，在自然發(fā)展與城鎮(zhèn)發(fā)展情景下，碳儲量分別減少380、1330 萬噸，在生態(tài)保護情景下則增加125 萬噸?？刂平ㄔO(shè)用地擴張，能有效增強江西省陸域生態(tài)系統(tǒng)碳儲能力。

（3）江西省碳密度分布呈現(xiàn)“南部高北部低”“四周高中部低”的空間格局。在未來的發(fā)展建設(shè)中，要重點保障高碳儲量區(qū)域的生態(tài)資源，尤其是作為江西省生態(tài)保護屏障的贛南山區(qū)；同時有效推動培育區(qū)域性中心城市、聚焦城鎮(zhèn)空間高效發(fā)展、優(yōu)化城鎮(zhèn)規(guī)模體系結(jié)構(gòu)；全面鞏固提升鄱陽湖流域生態(tài)系統(tǒng)質(zhì)量，構(gòu)建有利于實現(xiàn)雙碳目標(biāo)的國土空間格局。

4.2 討論

目前，已有研究人員圍繞江西省森林碳儲量展開研究，探究江西省2001—2005 年森林植被碳儲量及區(qū)域分布特征[27]。高薇等基于MCCA 模型研究了江西省土地利用變化和人類活動強度關(guān)系研究，但未預(yù)測未來各土地利用類型碳儲量，其研究結(jié)果表明建設(shè)用地和水域面積增加，其他土地利用類型的面積均減少[28]。與本文未來土地利用模擬自然發(fā)展情景趨勢一致。

基于InVEST 模型能夠快速高效計算每類土地利用類型的碳儲量及分布狀況。本研究區(qū)域面積較大，無法全面的實地測量各土地利用類型碳密度。因此，所選用的碳密度參考前人的研究數(shù)據(jù)，在未來采用該模型時應(yīng)考慮植被類型差異性、森林采伐速率等。

參考文獻（References）

[1] ZHU G， QIU D， ZHANG Z， et al. Land-use changes lead to adecrease in carbon storage in arid region， China[J]. EcologicalIndicators， 2021， 127： 107770.

[2] 馬曉哲， 王錚. 土地利用變化對區(qū)域碳源匯的影響研究進展[J].生態(tài)學(xué)報，2015，35（17）：5898-5907.

MA X Z， WANG Z. Progress of research on the impact of landuse change on regional carbon sinks[J]. Journal of Ecology，2015，35（17）： 5898-5907.

[3] 楊瀲威， 趙娟， 朱家田， 等. 基于PLUS 和InVEST 模型的西安市生態(tài)系統(tǒng)碳儲量時空變化與預(yù)測[J]. 自然資源遙感，2022，34（4）：175-182.

YANG T W， ZHAO J， ZHU J T， et al. Spatial and temporal variationand prediction of ecosystem carbon stocks in Xi’an based on PLUSand InVEST models[J]. Remote Sensing of Natural Resources，2022，34（4）：175-182.

[4] 邱建軍， 唐華俊. 北方農(nóng)牧交錯帶耕地土壤有機碳儲量變化模擬研究——以內(nèi)蒙古自治區(qū)為例[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報，2003（4）： 91-93.

QIU J J， TANG H J. Simulation of soil organic carbon stock changesin arable land in the northern agricultural and pastoral intertwinedzone： a case study in Inner Mongolia Autonomous Region[J].Chinese Journal of Ecological Agriculture， 2003（4）： 91-93.

[5] 趙俊芳， 曹云， 馬建勇， 等. 基于遙感和FORCCHN 的中國森林生態(tài)系統(tǒng)NPP 及生態(tài)服務(wù)功能評估[J]. 生態(tài)環(huán)境學(xué)報，2018，27（9）：1585-1592.

ZHAO J F， CAO Y， MA J Y， et al. Assessment of NPP andecological service functions of forest ecosystems in China basedon remote sensing and FORCCHN[J]. Journal of EcologicalEnvironment， 2018，27（9）：1585-1592.

[6] FU Y， LU X， ZHAO Y， et al. Assessment impacts of weatherand land use/land cover （LULC） change on urban vegetation netprimary productivity （NPP）： a case study in Guangzhou， China[J].Remote Sensing， 2013，5（8）：4125-4144.

[7] 孫欣欣， 薛建輝， 董麗娜. 基于PLUS 模型和InVEST 模型的南京市生態(tài)系統(tǒng)碳儲量時空變化與預(yù)測[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報，2023，39（1）：41-51.

SUN X X， XUE J H， DONG L N. Spatial and temporal variationand prediction of ecosystem carbon stocks in Nanjing based onPLUS model and InVEST model[J]. Journal of Ecology and RuralEnvironment， 2023，39（1）：41-51.

[8] LIANG Y， HASHIMOTO S， LIU L. Integrated assessment of landuse/land-cover dynamics on carbon storage services in the loessplateau of China from 1995 to 2050[J]. Ecological Indicators， 2021，120： 106939.

[9] 赫曉慧， 徐雅婷， 范學(xué)峰， 等. 中原城市群區(qū)域碳儲量的時空變化和預(yù)測研究[J]. 中國環(huán)境科學(xué)，2022，42（6）：2965-2976.

HE X H， XU Y T， FAN X F， et al. Temporal and spatial variationand prediction of regional carbon stocks in the central plains urbanagglomeration[J]. China Environmental Science， 2022， 42（6）： 2965-2976.

[10] 李姣， 汪杰， 李朗， 等. 洞庭湖生態(tài)經(jīng)濟區(qū)土地利用變化對碳儲量的影響[J]. 生態(tài)學(xué)雜志，2022，41（6）： 1156-1165.

LI J， WANG J， LI L， et al. Impact of land use change on carbonstock in Dongting Lake Ecological and Economic Zone[J]. Journalof Ecology， 2022，41（6）：1156-1165.

[11] 曹鵬輝， 齊曉明， 楊雯， 等. 內(nèi)蒙古土地利用多情景模擬與碳儲量預(yù)測分析[J]. 干旱區(qū)資源與環(huán)境，2023，37（9）：83-90.

CAO P H， QI X M， YANG W et al. Multi-scenario simulation ofland use and carbon stock prediction analysis in Inner Mongolia[J/OL]. Arid Zone Resources and Environment. 2023， 37（9）： 83-90.

[12] 王丹妮. 上海市土地利用變化對生態(tài)系統(tǒng)服務(wù)價值的影響研究[J]. 上海國土資源，2023，44（3）：79-84，111.

WANG D N. Impacts of land-use change on ecosystem servicevalue in Shanghai[J]. Shanghai Land amp; Resources， 2023，44（3）：79-84，111.

[13] SHI M， WU H， FAN X， et al. Trade-offs and synergies of multipleecosystem services for different land use scenarios in the Yili RiverValley， China[J]. Sustainability， 2021，13（3）： 1577.

[14] 林彤， 楊木壯， 吳大放， 等. 基于InVEST-PLUS 模型的碳儲量空間關(guān)聯(lián)性及預(yù)測——以廣東省為例[J]. 中國環(huán)境科學(xué)，2022，42（10）：4827-4839.

LIN T， YANG M Z， WU D F， et al. Spatial correlation andprediction of carbon stock based on InVEST-PLUS modeling：a case study of Guangdong Province[J]. China EnvironmentalScience， 2022，42（10）： 4827-4839.

[15] LI C， WU Y， GAO B， et al. Multi-scenario simulation of ecosystemservice value for optimization of land use in the Sichuan-Yunnanecological barrier， China[J]. Ecological Indicators， 2021， 132：108328.

[16] 陳竹安， 柳雪. 基于InVEST-PLUS 模型的碳儲量時空變化與多情景模擬預(yù)測—— 以江西省為例[J]. 上海國土資源，2023，44（4）：146-153.

CHEN Z A， LIU X. Spatio-temporal variation and multi-scenarioprediction of carbon storage based on the InVEST-PLUS model：a case study of Jiangxi Province[J]. Shanghai Land amp; Resources，2023，44（4）：146-153.

[17] 宋滿珍， 劉琪璟， 吳自榮， 等. 江西森林植被土壤有機碳儲量估算及空間分布特征[J]. 江西農(nóng)業(yè)大學(xué)學(xué)報，2009，31（3）：416-421.

SONG M Z， LIU Q J， WU Z R， et al. Estimation of soil organiccarbon stock and spatial distribution characteristics of forestvegetation in Jiangxi[J]. Journal of Jiangxi Agricultural University，2009，31（3）：416-421.

[18] 康歡倩， 傅雪罡， 王林， 等. 不同經(jīng)營水平下江西森林碳匯貢獻力預(yù)測分析[J]. 南方林業(yè)科學(xué)， 2022，50（6）：45-49.

KANG H Q， FU X G， WANG L， et al. Predictive analysis of forestcarbon sink contribution in Jiangxi under different managementlevels[J]. Southern Forestry Science， 2022，50（6）：45-49.

[19] 陳理庭， 蔡海生， 張婷， 等. 基于Markov-FLUS 模型的饒河流域土地利用多情景模擬分析[J]. 生態(tài)學(xué)報，2022，42（10）：3947-3958.

CHEN L T， CAI H S， ZHANG T， et al. Multi-scenario simulationanalysis of land use in Raohe River Basin based on Markov-FLUSmodel[J]. Journal of Ecology， 2022，42（10）： 3947-3958.

[20] 邵壯， 陳然， 趙晶， 等. 基于FLUS 與InVEST 模型的北京市生態(tài)系統(tǒng)碳儲量時空演變與預(yù)測[J]. 生態(tài)學(xué)報，2022，42（23）：9456-9469.

SHAO Z， CHEN R， ZHAO J， et al. Spatial and temporal evolutionand prediction of ecosystem carbon stocks in Beijing based onFLUS and InVEST models[J]. Journal of Ecology， 2022， 42（23）：9456-9469.

[21] Niu D， Wang S L， Ouyang Z Y. Comparisons of carbon storages inCunninghamia lanceolata and Michelia macclurei plantations duringa 22-year period in southern China[J]. Journal of EnvironmentalSciences， 2009， 21（6）： 801-805.

[22] RONG J R， LI C H， WANG Y G， et al. Effect of long-termfertilization on soil organic carbon and soil inorganic carbon inoasis cropland[J]. Arid Zone Research， 2012，29（4）：592-597.

[23] WANG L Q. Soil properties in two soil profiles from terraces ofthe Nam Co Lake in Tibet， China[J]. Journal of Mountain Science，2009，6（4）： 354-361.

[24] 方潔茸， 周世健， 多玲花， 等. 環(huán)鄱陽湖生態(tài)經(jīng)濟區(qū)經(jīng)濟—社會— 生態(tài)系統(tǒng)耦合關(guān)系時空演化研究[J]. 上海國土資源，2022，43（2）：19-24.

FANG J R， ZHOU S J， DUO L H， et al. Space-time evolution ofthe system coupling relationship between economy， society andecological in Ecological Economic Zone around Poyang Lake[J].Shanghai Land amp; Resources， 2022，43（2）：19-24.

[25] 徐麗， 何念鵬， 于貴瑞. 2010s 中國陸地生態(tài)系統(tǒng)碳密度數(shù)據(jù)集[J]. 中國科學(xué)數(shù)據(jù)（ 中英文網(wǎng)絡(luò)版），2019，4（1）：90-96.

XU L， HE N P， YU G R. 2010s carbon density dataset of terrestrialecosystems in China[J]. China Science Data， 2019，4（1）： 90-96.

[26] 馬建輝， 田剛， 謝宛懌， 等. 河北省土地利用碳排放時空特征與脫鉤分析[J]. 上海國土資源，2023，44（1）：67-76.

MA J H， TIAN G， XIE W Y， et al. Spatio-temporal characteristicsand decoupling analysis of land use carbon emissions in HebeiProvince[J]. Shanghai Land amp; Resources， 2023，44（1）：67-76.

[27] 李鑫， 歐陽勛志， 劉琪璟. 江西省2001—2005 年森林植被碳儲量及區(qū)域分布特征[J]. 自然資源學(xué)報，2011，26（4）： 655-665.

LI X， OUYANG X Z， LIU Q J. Characteristics of forest vegetationcarbon stock and regional distribution in Jiangxi Province from2001 to 2005[J]. Journal of Natural Resources， 2011，26（4）： 655-665.

[28] 高薇. 江西省土地利用變化和人類活動強度關(guān)系研究[D]. 南昌：東華理工大學(xué)，2021.

GAO W. Study on the relationship between land use change andhuman activity intensity in Jiangxi Province [D]. Nanchang：Donghua University of Science and Technology， 2021.

基金項目：江西省高校人文社會科學(xué)研究項目“碳中和背景下城市園林綠化碳匯能力提升路徑與對策研究——以南昌市為例”（JC22245）