長沙市土地利用碳排放的時空演變特征及多情景模擬

摘要：土地利用對于生態(tài)系統(tǒng)碳循環(huán)以及人為碳排放具有重要影響，分析土地利用與碳排放的時空關(guān)聯(lián)特征，探究多情景下兩者的動態(tài)變化特征及規(guī)律，對于“雙碳”目標(biāo)下國土空間規(guī)劃調(diào)整和生態(tài)系統(tǒng)保護(hù)具有重要意義。本研究基于2005—2020年長沙市土地利用與能源消耗數(shù)據(jù)，分析了長沙市土地利用變化以及碳排放的時空演變特征，并耦合GMOP-PLUS模型，通過預(yù)設(shè)3種發(fā)展情景（自然發(fā)展、經(jīng)濟(jì)優(yōu)先、低碳導(dǎo)向），模擬了長沙市2035年土地利用格局和碳排放的空間分布。結(jié)果表明：2005—2020年間耕地與林地為長沙市土地利用變化主要類型，居民點及商服用地布局趨于穩(wěn)定，工礦用地擴張態(tài)勢明顯。土地利用碳排放增速逐漸放緩，15年間增長了952.03萬t，空間上表現(xiàn)出明顯的中部高、東西部低的分布特征，居民點及商服用地和土礦用地兩大建設(shè)用地內(nèi)部的碳排放強度差異逐漸減弱。三種情景下長沙市2035年碳排放均存在不同程度的增加，社會經(jīng)濟(jì)因素特別是交通條件對于兩大建設(shè)用地驅(qū)動作用顯著，高程、降水等自然地理因素則對耕地、林地和草地等生態(tài)用地影響更強。未來應(yīng)以低碳發(fā)展為導(dǎo)向，綜合考慮經(jīng)濟(jì)與生態(tài)效益，加強土地節(jié)約集約利用，合理規(guī)劃交通線路，實現(xiàn)人地關(guān)系的協(xié)調(diào)發(fā)展。

關(guān)鍵詞：土地利用變化；多情景模擬；碳排放；GMOP模型；PLUS模型

中圖分類號：X321；F301.2 文獻(xiàn)標(biāo)志碼：A 文章編號：2095-6819（2025）02-0529-14 doi： 10.13254/j.jare.2023.0805

土地作為人類賴以生存和發(fā)展的基本要素，承載了大量人類社會的經(jīng)濟(jì)活動[1]。土地利用方式的變化會直接影響到大氣系統(tǒng)中的碳循環(huán)過程[2]，進(jìn)而改變區(qū)域的碳排放水平[3-4]。研究表明，土地利用類型變化所導(dǎo)致的碳排放占人類活動碳排放總量的1/3，僅次于化石能源燃燒[5]。自工業(yè)革命以來，高強度的城市建設(shè)、工業(yè)生產(chǎn)與資源開采等行為對全球碳循環(huán)造成了嚴(yán)重影響[6]。2023年，聯(lián)合國政府間氣候變化專門委員會（IPCC）發(fā)布的第六次評估報告顯示，20世紀(jì)人類活動所導(dǎo)致的全球升溫比工業(yè)化前的水平高出1.1 ℃ ，而且很可能在2030—2035 年達(dá)到1.5 ℃[7]，這將對全球生態(tài)系統(tǒng)、糧食安全及水安全造成嚴(yán)重威脅[8]。為了應(yīng)對這一挑戰(zhàn)，我國在2020年提出了“力爭在2030年前實現(xiàn)碳達(dá)峰，努力爭取在2060年前實現(xiàn)碳中和”的目標(biāo)[9]，“控碳減排”成為我國生態(tài)文明建設(shè)的重點戰(zhàn)略方向。在此背景下，加強對土地利用碳排放的相關(guān)研究對于實現(xiàn)綠色低碳建設(shè)和探索可持續(xù)發(fā)展道路具有重要意義。

近年來，土地利用變化與碳排放相關(guān)研究已經(jīng)受到了國內(nèi)外學(xué)者的廣泛關(guān)注。相關(guān)研究主要包含土地利用碳排放效應(yīng)分析[10]、土地利用變化碳排放影響機制[11]、土地利用碳排放空間分異[12]等方面。此外，在“雙碳”政策背景下，結(jié)合碳源/碳匯核算以及土地利用空間布局模擬的低碳優(yōu)化研究正在逐漸成為當(dāng)前研究的熱點問題[13]。但當(dāng)前研究仍然存在幾點不足：①在研究內(nèi)容上，目前的土地利用低碳優(yōu)化研究多側(cè)重于用地結(jié)構(gòu)的調(diào)整[14]以及相應(yīng)的碳排放測度和補償分析[15]，對于用地空間布局結(jié)構(gòu)的模擬優(yōu)化研究較少[16]；②在研究尺度上，現(xiàn)有研究集中于省域[17]、流域[18]、市域[19]、縣域[20]等尺度，囿于數(shù)據(jù)可獲取性[21]，對于市級以下單元內(nèi)部的碳排放特征刻畫較少；③研究方法上，目前土地利用空間布局模擬常用的模型主要包含CA-Markov[22]、CLUE-S[23]、FLUS[24]、PLUS[25]等。這些基于元胞自動機（Cellular Automata，CA）的模型往往需要依賴自身轉(zhuǎn)換規(guī)則對用地結(jié)構(gòu)進(jìn)行預(yù)測，缺乏對土地利用結(jié)構(gòu)的定量優(yōu)化。因此，在低碳發(fā)展背景下，面向市級行政單位，結(jié)合數(shù)量上的用地結(jié)構(gòu)優(yōu)化和空間上的土地利用布局模擬來開展土地資源低碳優(yōu)化配置，可以為推動碳減排的預(yù)期目標(biāo)提供新的理論依據(jù)[26]。

本研究以湖南省長沙市為研究區(qū)，基于2005—2020年土地利用數(shù)據(jù)，結(jié)合相應(yīng)年份的能源消耗數(shù)據(jù)，分析土地利用碳排放的時空格局演變趨勢。在此基礎(chǔ)上，耦合灰色多目標(biāo)優(yōu)化（Gray Multi-ObjectiveOptimization，GMOP）模型和PLUS 模型，基于相關(guān)政策解讀以及歷史趨勢分析，設(shè)定自然發(fā)展、經(jīng)濟(jì)優(yōu)先和低碳導(dǎo)向三大情景，模擬不同情景下長沙市2035年土地利用格局以及碳排放的空間分布規(guī)律，以期為探索城市低碳經(jīng)濟(jì)發(fā)展路徑提供參考依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

長沙市地處我國大陸東南部，湖南省東北部，坐落于湘江下游與長沙盆地西緣（圖1）。2022 年，長沙市全年地區(qū)生產(chǎn)總值達(dá)13 966.11億元，常住人口1 042.06萬。作為“長株潭”城市群核心增長極、全國“兩型社會”綜合配套改革試驗區(qū)，長沙市在長江中游經(jīng)濟(jì)帶發(fā)揮著不可或缺的作用。因此，分析長沙市碳排放的時空變化特征，對其未來發(fā)展趨勢進(jìn)行預(yù)測，尋找土地利用減排途徑，能夠為優(yōu)化長沙市用地結(jié)構(gòu)、推動城市化健康發(fā)展等提供參考。

1.2 數(shù)據(jù)來源

本研究所涉及的空間數(shù)據(jù)及來源如表1 所示。社會經(jīng)濟(jì)數(shù)據(jù)以及化石能源消耗等數(shù)據(jù)來源于《長沙統(tǒng)計年鑒》《湖南統(tǒng)計年鑒》以及《中國能源統(tǒng)計年鑒》。經(jīng)濟(jì)數(shù)據(jù)統(tǒng)一以2005 年可比價格進(jìn)行計算。選取長沙市2005、2010、2015、2020 年四期土地利用數(shù)據(jù)，參考中國科學(xué)院《中國多時期土地利用/土地覆蓋遙感數(shù)據(jù)監(jiān)測分類系統(tǒng)》，將土地利用類型劃分為耕地、林地、草地、水域、工礦用地、居民點及商服用地、未利用地7個主要地類。柵格數(shù)據(jù)分辨率統(tǒng)一為30 m×30 m，輸出投影坐標(biāo)系設(shè)置為WGS_1984_UTM_Zone_49N。

1.3 研究方法

1.3.1 土地利用碳排放量估算

不同的土地利用類型表現(xiàn)出不同的碳排放特征，其測算方法一般可劃分為直接碳排放和間接碳排放兩種。人類活動對于耕地、林地、草地、水域、未利用地等地類的自然碳循環(huán)過程的影響往往較小，可通過直接碳排放系數(shù)法進(jìn)行測算。計算公式為：

建設(shè)用地通常采用間接系數(shù)法對碳排放量進(jìn)行估算。本研究選取原煤、焦炭、天然氣、原油等共12種傳統(tǒng)化石能源以及電力、熱力兩種二次能源，計算方法參考張?zhí)m等[29]的研究。各能源類型碳排放系數(shù)如表2所示。工礦用地與居民點商服用地的碳排放來源分別為工業(yè)能源消耗以及除農(nóng)業(yè)、工業(yè)以外的其他能源消耗。

1.3.2 GMOP模型參數(shù)設(shè)置

GMOP模型由多目標(biāo)規(guī)劃模型結(jié)合GM（1，1）灰色預(yù)測模型發(fā)展而來。具體公式可參考文獻(xiàn)[16]。本研究設(shè)置經(jīng)濟(jì)效益、碳排放量和生態(tài)效益三大目標(biāo)函數(shù)。生態(tài)效益可視為土地的資源本底，其價值高低表征區(qū)域土地資源對人類經(jīng)濟(jì)活動的承載能力[30]，以經(jīng)過修正[31]后的生態(tài)系統(tǒng)服務(wù)價值[32]表示（表3）；經(jīng)濟(jì)效益以各地類單位面積的經(jīng)濟(jì)產(chǎn)出數(shù)據(jù)[33]表示；以碳排放量代表土地利用活動對生態(tài)系統(tǒng)所施加的環(huán)境壓力。構(gòu)建組合函數(shù)F （ x ）作為模型總目標(biāo)以消除量綱不同所導(dǎo)致的影響：

約束條件方面，本研究設(shè)定行政區(qū)劃面積約束、地類面積約束和決策變量非負(fù)約束。各地類面積約束根據(jù)現(xiàn)狀值和未來預(yù)測值，結(jié)合《長沙市國土空間總體規(guī)劃（2021—2035年）》《長沙市“十四五”生態(tài)環(huán)境保護(hù)規(guī)劃（2021—2025 年）》等文件中對于耕地保護(hù)以及城鎮(zhèn)建設(shè)的需要進(jìn)行調(diào)整。最終得到目標(biāo)函數(shù)及約束條件，如表4所示。

1.3.3 情景設(shè)定

（1）自然發(fā)展情景：延續(xù)2005—2020年土地利用變化的歷史趨勢，采用Markov模塊預(yù)測2035年用地結(jié)構(gòu)，作為其他情景設(shè)定的基礎(chǔ)。

（2）經(jīng)濟(jì)優(yōu)先情景：考慮到長沙市為長江中游經(jīng)濟(jì)帶重要增長極，該情景下提高了經(jīng)濟(jì)發(fā)展目標(biāo)的權(quán)重。結(jié)合長沙市城鎮(zhèn)化建設(shè)的需求，允許除水域外的所有地類向建設(shè)用地轉(zhuǎn)變。

（3）低碳導(dǎo)向情景：在低碳導(dǎo)向情景下，用地規(guī)劃需要綜合考慮耕地安全、生態(tài)保護(hù)以及經(jīng)濟(jì)發(fā)展需求。因此，該情景下將限制耕地向草地和水域的轉(zhuǎn)變，減少耕地向建設(shè)用地的轉(zhuǎn)化，控制林地和草地等生態(tài)用地向建設(shè)用地轉(zhuǎn)移的概率。

1.3.4 PLUS模型

斑塊生成土地利用變化模擬（Patch-generatingLand Use Simulation Model，PLUS）模型是一種可以考慮政策驅(qū)動作用的斑塊級精細(xì)化土地利用預(yù)測模型[34]，該模型在Markov模塊基礎(chǔ)上耦合了用地擴張分析策略（Land Expansion Analysis Strategy，LEAS）模塊和基于多類型隨機斑塊種子的元胞自動機模塊（CAbased on Multi-type Random Patch Seeds，CARS）。

運行PLUS模型需要設(shè)置土地利用類型轉(zhuǎn)移規(guī)則以及鄰域權(quán)重參數(shù)。土地利用類型轉(zhuǎn)移規(guī)則矩陣反映了當(dāng)前地類轉(zhuǎn)變?yōu)樾枨蟮仡惖睦щy度，矩陣中的0和1分別表示兩地類之間不允許發(fā)生轉(zhuǎn)化和允許發(fā)生轉(zhuǎn)化[35]。本研究的轉(zhuǎn)移矩陣設(shè)置主要參考李代超等[16]的研究，并單方面限制居民點商服用地向工礦用地的轉(zhuǎn)換（表5）。鄰域權(quán)重表示各用地類型在外界因子驅(qū)動下的擴張能力[36]，其閾值范圍為0～1，值越接近1則代表該地類擴張能力越強。本研究以各類用地面積變化量的百分比作為擴張強度參考設(shè)定鄰域權(quán)重（表6）。驅(qū)動因素方面，本研究從自然因素、社會經(jīng)濟(jì)因素以及距離可達(dá)性3個方面綜合選取了高程、坡度、土壤類型、GDP、人口密度、距高速公路距離等共計14個土地利用變化驅(qū)動因素（表1）用以計算土地利用類型的發(fā)展概率。

2 結(jié)果與分析

2.1 長沙市2005—2020年土地利用時空演變

長沙市2005—2020年土地利用結(jié)構(gòu)如表7所示。2005—2020 年間，耕地和林地為長沙市的主要土地利用類型，共占研究區(qū)總面積的88%以上，而未利用地占地面積最小，比例不超過總面積的0.1%。15年間，耕地與林地的面積占比分別縮減了2.63個百分點和1.80個百分點；草地、水體和未利用地等面積較為穩(wěn)定；居民點及商服用地在15年間擴張了18 851.03hm2，占比由2.87%增長至4.46%；工礦用地擴張態(tài)勢迅猛，15年間其面積由6 441.12 hm2增長至39 986.24hm2，占比快速增長了2.83 個百分點。?；鶊D（圖2）顯示，耕地與林地為主要轉(zhuǎn)出類型，2010年前主要流向居民點及商服用地，2010年后兩者的主要轉(zhuǎn)出地類為工礦用地。

空間布局（圖3）上，居民點及商服用地主要分布于主城區(qū)中心地帶；工礦用地分布于長沙市主城區(qū)外圍部分；連片耕地主要分布于寧鄉(xiāng)市東南部、主城區(qū)東部以及瀏陽市北部。受市區(qū)擴張的影響，主城區(qū)東部的耕地面積縮減嚴(yán)重；林地、水體、草地等地類空間布局較為穩(wěn)定。

2.2 長沙市土地利用碳排放時空格局

根據(jù)土地利用面積和碳排放系數(shù)，結(jié)合能源消耗數(shù)據(jù)，計算得到2005—2020年長沙市土地利用碳排放如表8 所示。2005—2020 年，長沙市凈碳排放由1 140.10 萬t 增長至2 092.13 萬t，總增長量為952.03萬t，年均增長63.47萬t。碳吸收量由2005年的47.28萬t下降至2020年的45.91萬t。居民點商服用地以及工礦用地為主要碳源用地。從時間上看，居民點及2020年以后居民點及商服用地將成為該地區(qū)主要碳源；而工礦用地碳排放則經(jīng)歷了先增后減的發(fā)展過程：2005—2010 年，工礦用地的碳排放增幅達(dá)到53.72%，在2010 年達(dá)到峰值，而后表現(xiàn)出下降的態(tài)勢。2015—2020 年間，長沙市碳排放量增長僅1.76萬t。主要原因在于工礦用地減排成果（-166.60萬t）極大程度地緩解了居民點商服用地能耗增長的負(fù)面影響（168.78萬t），低碳建設(shè)成效顯著。

借助ArcGIS 漁網(wǎng)分析模塊，構(gòu)建網(wǎng)格單元計算單位網(wǎng)格的土地利用碳排放強度，將研究區(qū)的碳排放強度分為6個等級（-0.64lt;Ⅰ級≤0 t·hm-2；0lt;Ⅱ級≤25t·hm-2；25lt;Ⅲ級≤75 t·hm-2；75lt;Ⅳ級≤150 t·hm-2；150lt;Ⅴ級≤225 t·hm-2；Ⅵ級gt;225 t·hm-2）分析土地利用碳排放強度的空間格局演變規(guī)律。結(jié)果（圖4）顯示，長沙市土地利用碳排放表現(xiàn)出明顯的“中部高，東西部低”的空間分布特征。具體來看，早期高碳排放強度地區(qū)集中分布于主城區(qū)周邊以及長沙縣南部等區(qū)域，且存在一定的外擴趨勢；主城區(qū)內(nèi)部以及零散的居民點商服用地在網(wǎng)格中表現(xiàn)為中等碳排放強度。2010年后，碳排放強度的空間布局基本定型。極高碳排放強度地區(qū)的峰值以及格網(wǎng)數(shù)量在2010 年后不斷下降，而主城區(qū)內(nèi)部的碳排放強度則呈連年上升的趨勢。2020年，主城區(qū)絕大部分網(wǎng)格的碳排放強度已從Ⅲ級升至Ⅳ級，Ⅵ級碳排放的格網(wǎng)數(shù)量與強度值在2020年均出現(xiàn)了明顯的下降趨勢，建設(shè)用地內(nèi)部的碳排放強度分異特征在不斷減弱。

繪制核密度曲線圖以分析長沙市土地利用碳排放強度的空間分布差異及演進(jìn)規(guī)律，結(jié)果（圖5）表明，2005—2020年核密度曲線由雙峰向三峰變化，長沙市土地利用碳排放強度由兩級分化向多級分化逐漸過渡。研究時段內(nèi)最高波峰位于Ⅰ級碳排放強度內(nèi)，其高度隨著時間推移在不斷下降，表明長沙市碳匯能力在不斷減弱；曲線第二高峰在Ⅱ級碳排放強度逐漸抬升，Ⅳ級強度區(qū)間內(nèi)在2020年出現(xiàn)新的波峰，說明土地利用的碳排放強度總體強度上升，且達(dá)到高碳排放強度的地區(qū)明顯增多?？傮w而言，核密度曲線反映出研究區(qū)低碳排放強度（Ⅰ級）區(qū)域持續(xù)減少，高碳排放強度（Ⅲ級以上）區(qū)域持續(xù)擴張，整體碳排放強度上升（核密度曲線重心右移）的特征，進(jìn)一步說明地區(qū)內(nèi)部碳排放空間分異特征正在逐步減弱。

2.3 土地利用變化的驅(qū)動因素貢獻(xiàn)率

基于LEAS模塊，使用隨機森林算法挖掘長沙市2005—2020年土地利用變化驅(qū)動機制，得到了14種驅(qū)動因素對土地利用變化的貢獻(xiàn)率（圖6）。結(jié)果表明，夜間燈光、氣溫、高程、到高速公路距離和降雨量五大因素對耕地的轉(zhuǎn)換影響最大。其中，夜間燈光強度增強（表征城鎮(zhèn)化擴張）與鄰近高速公路（反映交通可達(dá)性提升）對耕地流失呈現(xiàn)顯著的負(fù)向驅(qū)動效應(yīng)，而降雨量、氣溫與高程等因素決定了新增耕地的空間布局模式。林地的主要驅(qū)動因素包括夜間燈光、高程、GDP以及距離水系位置。同耕地類似，夜間燈光強度和GDP 的上升共同驅(qū)動了林地的轉(zhuǎn)出，而高海拔地形和臨近水域的地理條件所形成的生態(tài)屏障有效的維持了林地布局的穩(wěn)定性。草地多分布于地勢高、氣溫較低的東部丘陵山區(qū)，因此除高程和降水外，其他因素對草地的驅(qū)動作用不強。水域的分布主要受高程和到水體距離的制約。而作為人口密集區(qū)域，居民點及商服用地的擴張受到了人口密度、氣候適宜度和地鐵可達(dá)性的顯著驅(qū)動作用。工礦用地的擴張則主要表現(xiàn)出強烈的城鎮(zhèn)化（夜間燈光）驅(qū)動機制，同時到鐵路、高速公路、主干道的距離構(gòu)成了工礦用地選址的重要因素。未利用地調(diào)整的主要影響因素是人口密度和氣溫，同時坡度、到水系和主干道距離對于未利用地的開墾也具有一定的驅(qū)動作用。與居民點及商服用地類似，人口密度的提高所導(dǎo)致的用地壓力，往往會驅(qū)使地方政府加強對區(qū)位條件良好的未利用地的開發(fā)建設(shè)。

2.4 多情景土地利用優(yōu)化模擬結(jié)果

基于Lingo12.0軟件，計算多情景下長沙市2035年土地利用格局，結(jié)果（表9）表明三大發(fā)展情境下土地利用變化趨勢大體相同：耕地、林地與未利用地面積減少，居民點及商服用地、工礦用地和水域面積增加，草地面積大體維持穩(wěn)定。自然發(fā)展情景下，工礦用地（+11 836.92 hm2）和耕地（-7 300.29 hm2）的變化最為劇烈，其次為林地（-5 335.90 hm2）和居民點及商服用地（+859.38 hm2）；在經(jīng)濟(jì)優(yōu)先情景下，工礦用地（+33 094.83 hm2）及耕地（-21 406.49 hm2）的變化強度出現(xiàn)了明顯上升，林地面積則出現(xiàn)了明顯的降幅（-14 875.40 hm2），整體的用地格局調(diào)整策略十分激進(jìn)；低碳導(dǎo)向情景下，除工礦用地仍然存在一定幅度的擴張以外（+38.91%），居民點及商服用地、林地、草地等地類變化趨勢都得到了一定的抑制，用地格局調(diào)整相對更加克制。

在運用PLUS模型進(jìn)行土地利用模擬前，需要利用現(xiàn)有數(shù)據(jù)驗證模型的可行性。本研究以2015年為基期，基于CARS模塊對2020年土地利用格局進(jìn)行模擬，以Kappa系數(shù)和總體精度對模擬精度進(jìn)行驗證。結(jié)果顯示Kappa系數(shù)為0.892 1，總體精度為94.04%，模擬結(jié)果較好，這表明該模型可進(jìn)一步用于未來用地格局模擬。應(yīng)用PLUS模型模擬長沙市2035年多情景下的土地利用格局，結(jié)果見圖7。

根據(jù)模擬結(jié)果，選取土地利用變化特征典型區(qū)，分析重要地類的空間布局特征，以把握不同發(fā)展情景下的用地結(jié)構(gòu)調(diào)整特點。結(jié)果顯示不同情景下工礦用地的擴張模式具有明顯差異。以望城區(qū)東部（圖8A）為例，在自然發(fā)展情景下，工礦用地主要依托于現(xiàn)有的用地布局進(jìn)行外擴，對建成區(qū)周邊的耕地產(chǎn)生了一定的侵占；經(jīng)濟(jì)優(yōu)先情景下，工礦用地的連片現(xiàn)象增強，零碎工礦用地數(shù)量提升，同時工礦用地擴張加劇了對耕地的侵占程度；低碳導(dǎo)向情景下，工礦用地擴張對于耕地的侵占強度降低，零散地塊的數(shù)量減少，工礦用地發(fā)展更傾向于團(tuán)塊狀的擴張模式，有利于提高土地利用的集約效率。長沙縣南部（圖8B）模擬結(jié)果顯示，工礦用地擴張集中于線狀交通用地周邊。相較于自然發(fā)展情景，經(jīng)濟(jì)優(yōu)先情景下工礦用地擴張導(dǎo)致細(xì)碎用地斑塊增多，同時出現(xiàn)大量零散居民點用地被工礦用地占用的情況，土地利用破碎化程度上升；低碳情景下工礦用地擴張集中于交通用地周邊，對于耕地的占用較為克制，同時連片建成區(qū)內(nèi)部用地格局較為規(guī)整，此情景下工礦用地擴張既保障了經(jīng)濟(jì)發(fā)展的需求，又不至于出現(xiàn)無序擴張，大量侵占生產(chǎn)生態(tài)用地的情況。

為了進(jìn)一步驗證三大情景在總體效益上的可行性，基于MOP計算結(jié)果求算得到三大情景下經(jīng)濟(jì)效益、碳排放量、生態(tài)效益以及目標(biāo)函數(shù)得分情況，結(jié)果（表10）顯示：自然發(fā)展情景下的用地結(jié)構(gòu)調(diào)整較為保守，其碳排放量（2 158.61萬t）為三大情景下的最低值，同時保持了較高的生態(tài)效益。該情景通過限制新增建設(shè)用地的面積，以犧牲經(jīng)濟(jì)效益為代價實現(xiàn)了對生態(tài)環(huán)境的嚴(yán)格保護(hù)。但自然發(fā)展情景下居民點及商服用地補充較少，這對于城市吸納人口資源存在一定阻礙作用?？紤]到未來城市擴張需要，自然發(fā)展情景雖然總體得分最高（0.969 0），但其綜合效益構(gòu)成“偏科”嚴(yán)重，難以作為未來用地規(guī)劃的路徑選擇。經(jīng)濟(jì)優(yōu)先情景下，長沙市經(jīng)濟(jì)發(fā)展顯著，但新增的大量工礦用地也破壞了原有的生態(tài)用地布局，導(dǎo)致高強度的碳排放。低碳導(dǎo)向情景下，用地結(jié)構(gòu)的調(diào)整較好地平衡了經(jīng)濟(jì)發(fā)展與碳排放之間的矛盾。在維持生態(tài)系統(tǒng)功能穩(wěn)定的同時保障了居民點及商服用地的擴張，且用地布局的集聚程度得到了加強（圖9）。雖然建設(shè)用地的增加使得碳排放產(chǎn)生了小幅增長，但更加緊湊的用地布局或能夠帶來額外的集聚效益，最終低碳導(dǎo)向情景的總目標(biāo)得分為0.961 5。對比而言，低碳導(dǎo)向情景下經(jīng)濟(jì)效益較高，碳排放相對較低，生態(tài)系統(tǒng)服務(wù)功能保存完好，且用地擴張策略相對克制。這表明該情景下各土地利用類型較為協(xié)調(diào)，有利于實現(xiàn)長沙市低碳可持續(xù)發(fā)展。

2.5 土地利用碳排放強度空間格局發(fā)展預(yù)測

圖9顯示，不同情景下的碳排放強度空間格局變化基本延續(xù)了2005—2020年的歷史趨勢：工礦用地的碳排放強度持續(xù)降低，Ⅵ級強度格網(wǎng)點已全部消失，大部分工礦用地網(wǎng)格降為Ⅳ級強度，建成區(qū)內(nèi)部以居民點及商服用地為主的網(wǎng)格雖仍然維持在Ⅴ級強度，但其碳排放量仍在持續(xù)上升。冷熱點圖（圖9）顯示，三大情景下長沙市主城區(qū)碳排放均表現(xiàn)為小幅度上升，自然情景下碳排放增長熱點數(shù)量及面積較小，經(jīng)濟(jì)優(yōu)先情景下碳排放變化熱點數(shù)量顯著增加，望城區(qū)、長沙縣內(nèi)部碳排放熱點外擴趨勢明顯，低碳導(dǎo)向情景下熱點區(qū)主要分布于城區(qū)外圍，且未出現(xiàn)明顯的空間擴張。這意味著在低碳導(dǎo)向情景下，通過控制建設(shè)用地擴張，減少對林地、草地的開墾，保護(hù)基本農(nóng)田等措施，能夠在滿足經(jīng)濟(jì)發(fā)展的前提下提高土地集約利用程度，并將碳排放增長控制在合理區(qū)間內(nèi)。

3 討論

本研究分析了2005—2010年間長沙市土地利用直接與間接碳排放時空發(fā)展趨勢，得到的碳排放演變情況與楊旭等[37]的研究結(jié)果相似。多情景模擬結(jié)果下長沙市未來建設(shè)用地擴張主要將集中于長沙縣、望城區(qū)以及主城區(qū)南部周邊地區(qū)，與田一豆等[38]的模擬結(jié)果相符。但本研究未將工業(yè)生產(chǎn)、畜牧養(yǎng)殖等過程中的碳排放納入核算體系，因而碳排放核算結(jié)果偏低。在未來研究中可通過構(gòu)建更加完善的碳排放盤查清單，進(jìn)一步提升碳排放量的核算精度。

耦合GMOP-PLUS模型，本研究對長沙市未來不同情景下土地利用及碳排放的時空布局進(jìn)行了模擬。為了體現(xiàn)不同情景之間的差異性，本研究并未考慮宏觀政策以及發(fā)展需求對自然發(fā)展情景的約束，因而其用地結(jié)構(gòu)以及碳排放強度的演變更加保守，這也導(dǎo)致了自然發(fā)展情景的碳排放總量最低的結(jié)果。除此之外，低碳導(dǎo)向情景下的用地格局能夠提供相對較高的生態(tài)效益與經(jīng)濟(jì)效益，且空間布局更加緊湊。該結(jié)論同王子堯等[39]的觀點一致。低碳導(dǎo)向情景下的土地利用結(jié)構(gòu)能夠向滿足經(jīng)濟(jì)發(fā)展同時最大化區(qū)域碳匯能力的用地結(jié)構(gòu)和布局變動。未來可參考低碳導(dǎo)向情景，綜合考慮三大效益之間權(quán)衡關(guān)系，加強土地綜合整治，促進(jìn)人地關(guān)系和諧發(fā)展。

從兩大建設(shè)用地的碳排放強度的角度分析，工礦用地的碳排放強度雖然表現(xiàn)出持續(xù)降低的樂觀態(tài)勢，但未來工礦用地仍然為長沙市用地格局變化的主要類型。居民點及商服用地的擴張趨勢在2010年后明顯減弱，其空間格局基本定型，但人口增加所導(dǎo)致的碳排放強度上升，在未來相當(dāng)一段時間內(nèi)都是不可避免的。這使得長沙市實現(xiàn)2030年“碳達(dá)峰”目標(biāo)的前景并不明朗。此外，土地利用擴張驅(qū)動因素分析結(jié)果表明，交通線路的布局以及人類活動強度會顯著地促進(jìn)建設(shè)用地擴張，同時破壞原有耕地或林地等生態(tài)用地的空間布局。這與王慧敏等[40]、李毅等[41]的研究結(jié)論一致。因此在未來的空間規(guī)劃中，合理布局城鎮(zhèn)開發(fā)邊界，保護(hù)原有的生態(tài)空間布局，能夠為未來不確定環(huán)境下低碳經(jīng)濟(jì)發(fā)展提供更加具有彈性的國土空間保障。

4 結(jié)論

（1）長沙市土地利用碳排放總體呈上升趨勢，2015年以后碳排放趨于穩(wěn)定。居民點及商服用地和工礦用地是碳排放的主要來源，居民點及商服用地碳排放占比不斷升高?？臻g上，長沙市土地利用碳排放強度表現(xiàn)出明顯的“中部高，東西部低”的分布特征，建設(shè)用地內(nèi)部碳排放空間分異特征趨于減弱。

（2）不同用地類型的擴張驅(qū)動因子不盡相同。耕地、林地、草地等地類受到高程、降雨、氣溫等自然條件的影響相對更強，而居民點及商服用地、工礦用地等受到人口密度和交通條件等社會經(jīng)濟(jì)因素的驅(qū)動更加顯著。

（3）與2020年相比，三大情景下2035年耕地和林地的面積均出現(xiàn)了不同程度的減少；自然發(fā)展情景下，居民點及商服用地和工礦用地的面積增加較少，經(jīng)濟(jì)優(yōu)先情景下工礦用地的擴張幅度較大；低碳導(dǎo)向情景下，居民點及商服用地的增長幅度與經(jīng)濟(jì)優(yōu)先情景持平，而工礦用地的擴張幅度相對較低。碳排放方面，三大情景下碳排放均出現(xiàn)了一定程度的增加，依次為經(jīng)濟(jì)優(yōu)先情景gt;低碳導(dǎo)向情景gt;自然發(fā)展情景；未來建設(shè)用地碳排放的空間分異特征會進(jìn)一步減弱，主要碳排放增長區(qū)域?qū)⒓杏陂L沙縣、望城區(qū)內(nèi)部。

參考文獻(xiàn)：

[1] 吳琳娜， 楊勝天， 劉曉燕， 等. 1976年以來北洛河流域土地利用變化

對人類活動程度的響應(yīng)[J]. 地理學(xué)報， 2014， 69（1）：54-63. WU L

N， YANG S T， LIU X Y， et al. Response analysis of land use change to

the degree of human activities in Beiluo River basin since 1976[J].

Acta Geographica Sinica， 2014， 69（1）：54-63.

[2] 王義祥， 翁伯琦， 黃毅斌. 土地利用和覆被變化對土壤碳庫和碳循

環(huán)的影響[J]. 亞熱帶農(nóng)業(yè)研究， 2005， 1（3）：44-51. WANG Y X，

WENG B Q， HUANG Y B. Effects of land use/cover changes on soil

carbon storage and carbon cycle[J]. Subtropical Agriculture Research，

2005， 1（3）：44-51.

[3] 馬曉哲， 王錚. 土地利用變化對區(qū)域碳源匯的影響研究進(jìn)展[J]. 生

態(tài)學(xué)報， 2015， 35（17）：5898-5907. MA X Z， WANG Z. Progress in

the study on the impact of land-use change on regional carbon sources

and sinks[J]. Acta Ecologica Sinica， 2015， 35（17）：5898-5907.

[4] 吳萌， 任立， 陳銀蓉. 城市土地利用碳排放系統(tǒng)動力學(xué)仿真研究：以

武漢市為例[J]. 中國土地科學(xué)， 2017， 31（2）：29-39. WU M， REN

L， CHEN Y R. Simulation of urban land use carbon emission system

based on a system dynamic model：take Wuhan as an example[J].

China Land Science， 2017， 31（2）：29-39.

[5] 曲福田， 盧娜， 馮淑怡. 土地利用變化對碳排放的影響[J]. 中國人

口·資源與環(huán)境， 2011， 21（10）：76-83. QU F T， LU N， FENG S Y.

Effects of land use change on carbon emissions[J]. China Population，

Resources and Environment， 2011， 21（10）：76-83.

[6] 楊慶媛. 土地利用變化與碳循環(huán)[J]. 中國土地科學(xué)， 2010， 24（10）：

7-12. YANG Q Y. Land use changes and the carbon cycling[J].

China Land Science， 2010， 24（10）：7-12.

[7] Intergovernmental Panel on Climate Change. Synthesis report of the

IPCC sixth assessment report（AR6）：climate change 2023[R]. Geneva：

IPCC， 2023.

[8] 任世鑫， 李二玲， 趙金彩， 等. 黃河流域耕地利用碳排放時空特征及

影響因素研究[J]. 中國土地科學(xué)， 2023， 37（10）：102-113. REN S

X， LI E L， ZHAO J C， et al. Spatial-temporal characteristics of carbon

emissions from cultivated land use in the Yellow River basin and the

influencing factors[J]. China Land Science， 2023， 37（10）：102-113.

[9] 趙榮欽， 黃賢金， 鄖文聚， 等. 碳達(dá)峰碳中和目標(biāo)下自然資源管理領(lǐng)

域的關(guān)鍵問題[J]. 自然資源學(xué)報， 2022， 37（5）：1123-1136. ZHAO

R Q， HUANG X J， YUN W J， et al. Key issues in natural resource

management under carbon emission peak and carbon neutrality targets

[J]. Journal of Natural Resources， 2022， 37（5）：1123-1136.

[10] 張俊峰， 張安錄， 董捷. 武漢城市圈土地利用碳排放效應(yīng)分析及因

素分解研究[J]. 長江流域資源與環(huán)境， 2014， 23（5）：595-602.

ZHANG J F， ZHANG A L， DONG J. Carbon emission effect of land

use and influencing factors decomposition of carbon emission in

Wuhan urban agglomeration[J]. Resources and Environment in the

Yangtze Basin， 2014， 23（5）：595-602.

[11] 王睿， 張赫， 強文麗， 等. 基于城鎮(zhèn)化的中國縣級城市碳排放空間

分布特征及影響因素[J]. 地理科學(xué)進(jìn)展， 2021， 40（12）：1999-

2010. WANG R， ZHANG H， QIANG W L， et al. Spatial

characteristics and influencing factors of carbon emissions in countylevel

cities of China based on urbanization[J]. Progress in Geography，

2021， 40（12）：1999-2010.

[12] 苑韶峰， 唐奕鈺. 低碳視角下長江經(jīng)濟(jì)帶土地利用碳排放的空間

分異[J]. 經(jīng)濟(jì)地理， 2019， 39（2）：190-198. YUAN S F， TANG Y

Y. Spatial differentiation of land use carbon emission in the Yangtze

River economic belt based on low carbon perspective[J]. Economic

Geography， 2019， 39（2）：190-198.

[13] 常銘鑫， 曾晨， 解鵬， 等. 多情景下的土地利用模擬與特征分析：以

武漢市為例[J]. 華中農(nóng)業(yè)大學(xué)學(xué)報， 2023， 42（4）：74-85. CHANG

M X， ZENG C， XIE P， et al. Land use simulation and characteristic

analysis in multiple scenarios：a case study in Wuhan[J]. Journal of

Huazhong Agricultural University， 2023， 42（4）：74-85.

[14] 劉慧靈， 伍世代， 韋素瓊， 等. 基于低碳經(jīng)濟(jì)導(dǎo)向的土地利用結(jié)構(gòu)

優(yōu)化研究：以福建省福州市為例[J]. 水土保持通報， 2017， 37（6）：

202-208. LIU H L， WU S D， WEI S Q， et al. Optimization research

of low-carbon economy oriented land use structure：a case study in

Fuzhou City of Fujian Province[J]. Bulletin of Soil and Water

Conservation， 2017， 37（6）：202-208.

[15] 魏燕茹， 陳松林. 福建省土地利用碳排放空間關(guān)聯(lián)性與碳平衡分

區(qū)[J]. 生態(tài)學(xué)報， 2021， 41（14）：5814-5824. WEI Y R， CHEN S L.

Spatial correlation and carbon balance zoning of land use carbon

emissions in Fujian Province[J]. Acta Ecologica Sinica， 2021， 41

（14）：5814-5824.

[16] 李代超， 盧嘉奇， 謝曉葦， 等. 碳中和視角下基于主體功能區(qū)分類

約束的國土空間分區(qū)優(yōu)化模擬：以福建省為例[J]. 生態(tài)學(xué)報，

2022， 42（24）：10111-10126. LI D C， LU J Q， XIE X W， et al.

Optimization simulation of land space zoning based on the

classification constraints of main functional zones from the

perspective of carbon neutrality：a case study of Fujian Province[J].

Acta Ecologica Sinica， 2022， 42（24）：10111-10126.

[17] 張茹倩， 李鵬輝， 徐麗萍. 城鎮(zhèn)化對新疆土地利用碳排放的影響及

其耦合關(guān)系[J]. 生態(tài)學(xué)報， 2022， 42（13）：5226-5242. ZHANG R

Q， LI P H， XU L P. Effects of urbanization on carbon emission from

land use in Xinjiang and their coupling relationship[J]. Acta Ecologica

Sinica， 2022， 42（13）：5226-5242.

[18] 楊揚， 周浩， 文高輝， 等. 1980—2020年洞庭湖流域土地利用變化

及其碳效應(yīng)[J]. 水土保持通報， 2023， 43（3）：390-397. YANG Y，

ZHOU H， WEN G H， et al. Land use change and its carbon effect in

Dongting Lake basin during 1980—2020[J]. Bulletin of Soil and

Water Conservation， 2023， 43（3）：390-397.

[19] 何海珊， 趙宇豪， 吳健生. 低碳導(dǎo)向下土地覆被演變模擬：以深圳

市為例[J]. 生態(tài)學(xué)報， 2021， 41（21）：8352-8363. HE H S， ZHAO

Y H， WU J S. Simulation of urban landscape pattern under the

influence of low carbon：a case study of Shenzhen[J]. Acta Ecologica

Sinica， 2021， 41（21）：8352-8363.

[20] 冷紅， 肇禹然， 于婷婷. 小城鎮(zhèn)土地利用變化對碳排放的影響及優(yōu)

化策略研究：以浙江省長興縣為例[J]. 現(xiàn)代城市研究， 2022， 37

（6）：54-60. LENG H， ZHAO Y R， YU T T. Impact of land use

change on carbon emissions in small towns and its optimization

strategy：a case study of Changxing County of Zhejiang Province[J].

Modern Urban Research， 2022， 37（6）：54-60.

[21] 王鋒， 林翔燕， 劉娟， 等. 城鎮(zhèn)化對區(qū)域碳排放效應(yīng)的研究綜述[J].

生態(tài)環(huán)境學(xué)報， 2018， 27（8）：1576-1584. WANG F， LIN X Y， LIU

J， et al. Research progress on the impact of regional urbanization on

carbon emissions[J]. Ecology and Environmental Sciences， 2018， 27

（8）：1576-1584.

[22] 岳東霞， 楊超， 江寶驊， 等. 基于CA-Markov模型的石羊河流域生

態(tài)承載力時空格局預(yù)測[J]. 生態(tài)學(xué)報， 2019， 39（6）：1993-2003.

YUE D X， YANG C， JIANG B H， et al. Spatio - temporal pattern

prediction of the biocapacity in the Shiyang River basin on the basis

of the CA-Markov model[J]. Acta Ecologica Sinica， 2019， 39（6）：

1993-2003.

[23] 顧漢龍， 馬天駿， 錢鳳魁， 等. 基于CLUE-S模型縣域土地利用情

景模擬與碳排放效應(yīng)分析[J]. 農(nóng)業(yè)工程學(xué)報， 2022， 38（9）：288-

296. GU H L， MA T J， QIAN F K， et al. County land use scenario

simulation and carbon emission effect analysis using CLUE-S model

[J]. Transactions of the Chinese Society of Agricultural Engineering，

2022， 38（9）：288-296.

[24] 曹帥， 金曉斌， 楊緒紅， 等. 耦合MOP與GeoSOS-FLUS模型的縣級

土地利用結(jié)構(gòu)與布局復(fù)合優(yōu)化[J]. 自然資源學(xué)報， 2019， 34（6）：

1171-1185. CAO S， JIN X B， YANG X H， et al. Coupled MOP and

GeoSOS-FLUS models research on optimization of land use structure

and layout in Jintan district[J]. Journal of Natural Resources， 2019， 34

（6）：1171-1185.

[25] LIANG X， GUAN Q F， 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.

[26] 趙榮欽， 黃賢金， 揣小偉. 中國土地利用碳排放的研究誤區(qū)和未來

趨向[J]. 中國土地科學(xué)， 2016， 30（12）：83 - 92. ZHAO R Q，

HUANG X J， CHUAI X W. Misunderstandings and future trends of

researches on land use carbon emissions in China[J]. China Land

Science， 2016， 30（12）：83-92.

[27] 曹子陽， 吳志峰， 匡耀求， 等. DMSP/OLS夜間燈光影像中國區(qū)域的

校正及應(yīng)用[J]. 地球信息科學(xué)學(xué)報， 2015， 17（9）：1092-1102.

CAO Z Y， WU Z F， KUANG Y Q， et al. Correction of DMSP/OLS

night - time light images and its application in China[J]. Journal of

Geo-Information Science， 2015， 17（9）：1092-1102.

[28] 楊任飛. 基于DMSP/OLS與NPP/VIIRS整合數(shù)據(jù)的城市群發(fā)育過

程研究：以長江經(jīng)濟(jì)帶主要城市群為例[D]. 重慶：西南大學(xué)， 2018：

19-23. YANG R F. Integrating DMSP/OLSamp;NPP/VIIRS nighttime

light data to the application research of urban agglomeration growth

process[D]. Chongqing：Southwest University， 2018：19-23.

[29] 張?zhí)m， 劉友兆， 鄭華偉. 江蘇省土地承載碳排放及其脫鉤效應(yīng)分析

[J]. 資源科學(xué)， 2012， 34（6）：1108-1118. ZHANG L， LIU Y Z，

ZHENG H W. Land carrying carbon emissions and the analysis of its

decoupling effects in Jiangsu Province[J]. Resources Science， 2012， 34

（6）：1108-1118.

[30] 陳芳淼， 田亦陳， 袁超， 等. 基于供給生態(tài)服務(wù)價值的云南土地資

源承載力評估方法研究[J]. 中國生態(tài)農(nóng)業(yè)學(xué)報， 2015， 23（12）：

1605-1613. CHEN F M， TIAN Y C， YUAN C， et al. Methods of

land carrying capacity research based on ecological services supply

value in Yunnan[J]. Chinese Journal of Eco - Agriculture， 2015， 23

（12）：1605-1613.

[31] 李濤， 甘德欣， 楊知建， 等. 土地利用變化影響下洞庭湖地區(qū)生態(tài)

系統(tǒng)服務(wù)價值的時空演變[J]. 應(yīng)用生態(tài)學(xué)報， 2016， 27（12）：3787-

3796. LI T， GAN D X， YANG Z J， et al. Spatial -temporal

evolvement of ecosystem service value of Dongting Lake area

influenced by changes of land use[J]. Chinese Journal of Applied

Ecology， 2016， 27（12）：3787-3796.

[32] 謝高地， 張彩霞， 張雷明， 等. 基于單位面積價值當(dāng)量因子的生態(tài)

系統(tǒng)服務(wù)價值化方法改進(jìn)[J]. 自然資源學(xué)報， 2015， 30（8）：1243-

1254. XIE G D， ZHANG C X， ZHANG L M， et al. Improvement of

the evaluation method for ecosystem service value based on per unit

area[J]. Journal of Natural Resources， 2015， 30（8）：1243-1254.

[33] 周勇， 趙偉. 西安市土地利用結(jié)構(gòu)碳排放核算及低碳優(yōu)化研究[J].

生態(tài)經(jīng)濟(jì)， 2018， 34（5）：21-25. ZHOU Y， ZHAO W. Study on

carbon emission accounting and low-carbon optimization of land use

structure in Xi’an[J]. Ecological Economy， 2018， 34（5）：21-25.

[34] ZHU L Z， HUANG Y P. Multi-scenario simulation of ecosystem

service value in Wuhan Metropolitan area based on PLUS-GMOP

model[J]. Sustainability， 2022， 14（20）：13604.

[35] 王旭， 馬伯文， 李丹， 等. 基于FLUS模型的湖北省生態(tài)空間多情景

模擬預(yù)測[J]. 自然資源學(xué)報， 2020， 35（1）：230-242. WANG X，

MA B W， LI D， et al. Multi-scenario simulation and prediction of

ecological space in Hubei Province based on FLUS model[J]. Journal

of Natural Resources， 2020， 35（1）：230-242.

[36] 王保盛， 廖江福， 祝薇， 等. 基于歷史情景的FLUS模型鄰域權(quán)重設(shè)

置：以閩三角城市群2030 年土地利用模擬為例[J]. 生態(tài)學(xué)報，

2019， 39（12）：4284-4298. WANG B S， LIAO J F， ZHU W， et al.

The weight of neighborhood setting of the FLUS model based on a

historical scenario：a case study of land use simulation of urban

agglomeration of the golden triangle of southern Fujian in 2030[J].

Acta Ecologica Sinica， 2019， 39（12）：4284-4298.

[37] 楊旭， 劉賢趙. 長株潭城市群地類轉(zhuǎn)移的碳傳導(dǎo)效應(yīng)與預(yù)測[J]. 環(huán)

境科學(xué)， 2022， 43（12）：5850-5860. YANG X， LIU X Z. Temporal

and spatial differences in carbon conduction and prediction effect of

land type transfer in Chang - Zhu - Tan urban agglomeration[J].

Environmental Science， 2022， 43（12）：5850-5860.

[38] 田一豆， 趙先超. 基于Markov-PLUS模型的長株潭城市群建設(shè)用

地擴張模擬及碳排放響應(yīng)分析[J]. 生態(tài)學(xué)報， 2024， 44（1）：129-

142. TIAN Y D， ZHAO X C. Simulation of construction land

expansion and carbon emission response analysis of Changsha -

Zhuzhou -Xiangtan urban agglomeration based on Markov -PLUS

model[J]. Acta Ecologica Sinica， 2024， 44（1）：129-142.

[39] 王子堯， 孟露， 李倞， 等. 低碳發(fā)展背景下北京市土地利用與生態(tài)

系統(tǒng)服務(wù)多情景模擬研究[J]. 生態(tài)學(xué)報， 2023， 43（9）：3571-3581.

WANG Z Y， MENG L， LI L， et al. Multi-scenario simulation of land

use and ecosystem services in Beijing under the background of lowcarbon

development[J]. Acta Ecologica Sinica， 2023， 43（9）：3571-

3581.

[40] 王慧敏， 危小建， 劉耀林. 武漢城市圈公路沿線土地利用變化規(guī)律

分析[J]. 長江流域資源與環(huán)境， 2016， 25（10）：1585-1593. WANG

H M， WEI X J， LIU Y L. Analysis of land use change along roads in

Wuhan urban agglomeration[J]. Resources and Environment in the

Yangtze Basin， 2016， 25（10）：1585-1593.

[41] 李毅， 肖臘梅， 胡文敏， 等. 長株潭核心區(qū)土地利用變化時空格局

及驅(qū)動力多維分析[J]. 經(jīng)濟(jì)地理， 2021， 41（7）：173-182. LI Y，

XIAO L M， HU W M， et al. Spatio - temporal pattern of land use

change in Changsha-Zhuzhou-Xiangtan core areas and its driving

forces[J]. Economic Geography， 2021， 41（7）：173-182.