雒舒琪, 胡曉萌, 孫 媛, 閆 彩, 張 鑫

(西北農(nóng)林科技大學水利與建筑工程學院 楊凌 712100)

陸地生態(tài)系統(tǒng)因具有大量固碳單元, 在吸收CO2、調(diào)節(jié)氣候和全球碳循環(huán)等方面起著重要作用[1-3]。土地利用/覆被變化(LUCC)是人類社會、經(jīng)濟和自然互動的一個具體體現(xiàn), 土地利用類型不同, 固碳能力存在較大差異[4-5]。近年來, 人類活動導致土地利用格局發(fā)生了重大變化, 大量擴張的建設用地侵占了林地、草地和濕地等生態(tài)用地, 導致陸地生態(tài)系統(tǒng)碳儲量大量流失[6-9]。人類活動往往受到政策的制約和驅(qū)動, 土地利用類型是人類活動存在的物質(zhì)載體,隨著政策的變化, 土地利用空間格局呈現(xiàn)出不同的形式。

近年來, 國內(nèi)外學者對LUCC和陸地生態(tài)系統(tǒng)碳儲量的變化進行了大量的研究[10-15]。張斌等[16]將FLUS (Future Land Use Simulation Model Software)模型和生態(tài)系統(tǒng)服務和權(quán)衡的綜合評估(Integrated Valuation of Ecosystem Services and Tradeoffs, In-VEST)模型相結(jié)合, 對“三線”約束下武漢城市群LUCC及其對碳儲量影響進行了模擬, 研究表明建設用地的大幅擴張侵占了林地與耕地是導致武漢城市群碳儲量下降的主要原因。張平平等[17]采用CAMarkov模型與InVEST模型模擬和預測了2000-2040年不同發(fā)展情景下秦巴山地生態(tài)系統(tǒng)碳儲量變化情況, 研究表明: 在一定的生態(tài)保護措施下, 碳儲量減少幅度明顯變小。未來土地利用模擬模型可以與生態(tài)系統(tǒng)服務模型很好地結(jié)合并取得了一定研究成果, 量化LUCC對陸地生態(tài)系統(tǒng)碳儲量的影響具有重要意義[18-21]。Wang等[22]結(jié)合SD-PLUS和InVEST模型, 預測了新疆博爾塔拉地區(qū)在未來不同情景下的土地利用及碳儲量情況, 結(jié)果表明通過控制建設用地擴張和人口增長, 并擴大研究區(qū)域內(nèi)林地等生態(tài)用地, 可以實現(xiàn)碳儲量的增加。伍丹等[23]應用在FLUS模型上改進的斑塊生成土地利用變化模擬PLUS模型(Patch-generating Land Use Simulation)結(jié)合InVEST模型, 模擬了成渝經(jīng)濟區(qū)在自然發(fā)展和生態(tài)保護兩種不同發(fā)展情景下碳儲量的變化趨勢,PLUS模型模擬的精度更高, 但是情景設置較為單一且沒有考慮政策的影響。

以往研究主要結(jié)合未來土地利用模擬模型和In-VEST模型[24], 對不同的發(fā)展情景下LUCC對碳儲量的影響進行了研究, 但是考慮政策因素優(yōu)化土地利用結(jié)構(gòu)并增加區(qū)域碳儲量的研究仍然缺乏。并且已有研究主要集中在考慮政策對未來土地利用格局的“約束”作用上, 缺乏政策對LUCC的“驅(qū)動”和“引導”作用。PLUS模型中集成的基于隨機森林的規(guī)劃交通更新機制和規(guī)劃開發(fā)區(qū)內(nèi)的隨機種子機制[25], 可以將規(guī)劃交通和規(guī)劃開發(fā)區(qū)對城市發(fā)展的引導作用考慮到城市群發(fā)展過程當中, 有效彌補了已有研究只能考慮規(guī)劃的約束作用、無法考慮規(guī)劃政策的驅(qū)動和引導作用的不足[26]。本文通過耦合PLUS模型和InVEST模型, 創(chuàng)新性地模擬在規(guī)劃交通和規(guī)劃發(fā)展區(qū)政策驅(qū)動下西安市2030年3種發(fā)展情景下LUCC及其碳儲量的空間格局, 探討了政策指引下3種情景下西安市碳儲量總量差異及空間分布格局。

2021年7月, 西安市為響應國家碳達峰與碳中和的總體布局, 實現(xiàn)“雙碳”目標, 明確提出要將穩(wěn)步提升西安市碳匯增量作為實現(xiàn)碳中和目標的重要舉措之一。本研究擬以西安市為研究區(qū), 并引入《西安市“十四五”規(guī)劃》進行分析, 模擬在政策驅(qū)動、指引下西安市2030年的土地利用格局和碳儲量時空變化, 以期為西安市政策制定、土地利用結(jié)構(gòu)調(diào)整、“雙碳”目標實現(xiàn)提供一定借鑒。

1 研究方法與數(shù)據(jù)來源

1.1 研究區(qū)概況

西安市位于陜西省中部(圖1), 面積10 106.6 km2,年平均降水量528.3～718.5 mm。

圖 1 研究區(qū)陜西省西安市概況圖Fig.1 Location and general situation of the study area of Xi’an City

1.2 數(shù)據(jù)來源與處理

用于模擬未來土地利用的數(shù)據(jù)包括氣候環(huán)境數(shù)據(jù)以及社會經(jīng)濟數(shù)據(jù)(表1)。計算碳儲量需土地利用數(shù)據(jù)(LULC)和碳密度數(shù)據(jù)。基于PLUS模型的數(shù)據(jù)輸入需求, 采用空間分辨率為30 m的柵格數(shù)據(jù),地理坐標系統(tǒng)一為GCS_WGS_1984, 投影坐標系為WGS_1984_UTM_Zone_49N。

表 1 PLUS模型輸入數(shù)據(jù)來源及處理Table 1 Data sources and processing of drivers of Patch-generating Land Use Simulation (PLUS)

綜合考慮模型的精度和適用性, 結(jié)合社會經(jīng)濟和環(huán)境數(shù)據(jù)對土地利用變化的影響, 依據(jù)驅(qū)動因子可獲取性、時效性和顯著性原則, 選取數(shù)字高程數(shù)據(jù)、人口等11個驅(qū)動因子作為PLUS模型輸入數(shù)據(jù)。圖2為處理的11個驅(qū)動因子柵格數(shù)據(jù)。

1.3 研究框架

研究框架分為兩大部分:

1)未來土地利用格局的模擬: ①先采用集成在PLUS模型中的Markov模塊預測2030年不同發(fā)展情景下土地利用需求數(shù)量。②在PLUS模型的LEAS模塊中采用隨機森林算法計算11種驅(qū)動因子(圖2)對各地類擴張的影響, 并生成不同類型土地的發(fā)展概率。③在PLUS模型的CARS模塊中考慮規(guī)劃交通和規(guī)劃開發(fā)區(qū)等因素, 通過改變轉(zhuǎn)移矩陣、鄰域權(quán)重和限制發(fā)展區(qū)域預測西安市在“十四五”政策指引下不同發(fā)展情景的土地利用格局。

2)碳儲量的計算: ①選用InVEST模型進行計算。②輸入2000年、2020年和不同發(fā)展情景的LULC以及碳密度數(shù)據(jù)。③輸出2000年、2020年和不同發(fā)展情景下的西安市碳儲量數(shù)據(jù), 從時間和空間上探究LUCC對陸地生態(tài)系統(tǒng)碳儲量的影響。

1.4 研究方法

1.4.1 情景設置

為滿足不同的發(fā)展需求, 綜合考慮西安市2000-2020年歷史土地利用轉(zhuǎn)移矩陣、《陜西省“十四五”發(fā)展規(guī)劃》和《秦嶺保護區(qū)總體規(guī)劃》, 在PLUS模型中設置自然發(fā)展、生態(tài)保護和城鎮(zhèn)發(fā)展情景(限制發(fā)展區(qū)域見圖3), 模擬西安市2030年的土地利用數(shù)據(jù)[27-29]。情景設定如下:

圖 2 研究區(qū)PLUS模型輸入的驅(qū)動因子數(shù)據(jù)的空間分布Fig.2 Spatial distribution of various influencing factors of Patch-generating Land Use Simulation (PLUS) in the study area

圖 3 不同發(fā)展情景下研究區(qū)限制發(fā)展區(qū)域的分布Fig.3 Distribution of restricted development areas under different development scenarios in 2030 in the study area

自然發(fā)展情景(Q1): 延續(xù)2000-2020年發(fā)展趨勢, 保持原有土地利用類型轉(zhuǎn)移時的轉(zhuǎn)移概率和鄰域權(quán)重不變, 采用PLUS模型中集成的Markov模塊預測2030年各地類需求量, Q1是其他情景設定的基礎。為保護西安市水體面積, 將水域作為土地利用變化的限制因子, 將區(qū)域內(nèi)水域進行掩膜提取, 設置為限制擴張區(qū)域, 模擬2030年土地利用狀況。

生態(tài)保護情景(Q2): 以生態(tài)環(huán)境保護為首要目的, 限制城鎮(zhèn)化發(fā)展, 保護耕地, 使土地利用向更加環(huán)境友好的方向發(fā)展。在設置鄰域權(quán)重時, 將林地、草地和水域向建設用地轉(zhuǎn)移的轉(zhuǎn)移概率減少20%,耕地向林地轉(zhuǎn)移的轉(zhuǎn)移概率增加60%, 耕地向草地轉(zhuǎn)移的轉(zhuǎn)移概率增加50%, 建設用地向林地轉(zhuǎn)移的轉(zhuǎn)移概率增加30%?？紤]到研究區(qū)內(nèi)的秦嶺保護區(qū)是我國重要的生態(tài)安全屏障, 此情景基于Q1加入秦嶺保護區(qū)為限制擴張區(qū)域, 模擬2030年Q2的土地利用狀況。

城鎮(zhèn)發(fā)展情景(Q3): 考慮西安正處在快速發(fā)展的重大戰(zhàn)略時期, 建設用地數(shù)量增長迅速。將草地、耕地和水域向建設用地轉(zhuǎn)移的轉(zhuǎn)移概率增加10%,建設用地向耕地、林地、草地和水域轉(zhuǎn)移的轉(zhuǎn)移概率降低70%。此情景不涉及任何政策干預, 并且對不同地類間的轉(zhuǎn)換不設限制。

1.4.2 PLUS模型

PLUS模型是在FLUS模型基礎上發(fā)展的一種可以考慮政策驅(qū)動、引導作用的斑塊級精細化土地利用預測模型[30-32], 該模型在Markov模塊的土地利用需求數(shù)量預測的基礎上發(fā)展了LEAS模塊和CARS模塊。

1) Markov模塊

Markov可以根據(jù)歷史用地轉(zhuǎn)移概率矩陣對未來用地需求進行預測[33], 公式如下:

式中:S(t+1)表 示土地利用在t+1時刻下的土地利用類型,Pij表 示土地利用類型轉(zhuǎn)移概率矩陣,St表示土地利用t時刻的土地利用類型。通過改變轉(zhuǎn)移概率設置不同發(fā)展情景, 生成不同發(fā)展情景下未來的土地利用需求, 作為PLUS模型的輸入?yún)?shù)從而預測2030年Q1、Q2、Q3下的土地利用空間格局。

2) LEAS模塊

在LEAS模塊中輸入2期的LULC, 通過提取各地類發(fā)生變化的區(qū)域并隨機提取采樣點進行分析,然后采用隨機森林算法通過訓練數(shù)據(jù)集挖掘土地利用變化規(guī)則。公式如下:

式中:d取值為0或1, 取值為1時表示其他土地利用類型向土地利用類型為k的地類轉(zhuǎn)變, 取值0時不轉(zhuǎn)變;X為由驅(qū)動因子組成的向量,hn(X)為決策樹為n時計算得到的土地利用預測類型;I(.)為決策樹的指示函數(shù);為 空間單元i處k類土地利用類型增長的概率。

3) CARS模塊

CARS模型將多元隨機種子的生成與閾值的遞減機制相結(jié)合, 對局部的土地利用進行了模擬。可以在LEAS模塊生成發(fā)展概率的約束下, 通過領域權(quán)重和過渡矩陣的約束, 使土地利用總量在宏觀上滿足未來需求。

① 領域權(quán)重設定。領域權(quán)重是用來表示不同用地類型的轉(zhuǎn)化難度。公式如下:

式中:wk為 領域權(quán)重參數(shù);n×n為 元胞單元;為元胞迭代到最后時地類所占網(wǎng)格單元總數(shù);為t時刻地類k在空間i單元處的領域權(quán)重。領域權(quán)重取值介于[0, 1]之間, 值越大表明擴張能力越強, 鄰域權(quán)重參數(shù)見表2。

②轉(zhuǎn)移矩陣設定。轉(zhuǎn)移矩陣用于定義不同區(qū)域的地類之間是否發(fā)生轉(zhuǎn)換, 其中1表示可以轉(zhuǎn)化, 0為限制轉(zhuǎn)換。Q1根據(jù)建設用地和水體不容易發(fā)生轉(zhuǎn)換、林地在保護的情況下不容易發(fā)生轉(zhuǎn)換等規(guī)則設置轉(zhuǎn)移矩陣; Q2保護耕地數(shù)量并限制林地、草地、濕地和水體等生態(tài)用地向建設用地轉(zhuǎn)移; Q3各地類之間均可相互轉(zhuǎn)化[34]。過渡矩陣最終確定為表3。公式如下:

表 2 PLUS模型模擬2030年不同發(fā)展情景下不同土地利用類型的鄰域權(quán)重Table 2 Neighborhood weights of different land use types under different development scenarios in 2030 simulated with Patch-generating Land Use Simulation (PLUS) in the study area

4)模型精度驗證

PLUS模型通過Kappa系數(shù)和OA系數(shù)對模擬結(jié)果進行驗證, 保證該模型在西安市地區(qū)的適用性。Kappa和OA系數(shù)均為0～1, 數(shù)值愈接近1, 則模擬精度越高, 當數(shù)值超過0.75時, 則表示模擬的精度高。

表 3 不同發(fā)展情景下土地利用轉(zhuǎn)移矩陣Table 3 Transfer cost matrix of each land use type under different development scenarios

1.4.3 未來規(guī)劃因子的制備

本研究中的規(guī)劃政策主要指空間上的規(guī)劃政策,而非宏觀的調(diào)控政策, 主要分為兩類: 規(guī)劃交通和規(guī)劃開發(fā)區(qū)。根據(jù)《西安市“十四五”交通運輸發(fā)展規(guī)劃》, 隨著國家中心城市的建設, 西安在國家綜合交通運輸網(wǎng)絡中的輻射能力將明顯增強。依據(jù)城市群交通網(wǎng)重點工程, 在ArcGIS中依據(jù)政策繪制2030年的規(guī)劃高速公路和國道, 并生成未來交通變量的歐式距離(圖4)。在LEAS模型加載驅(qū)動因子時輸入對應的未來交通數(shù)據(jù), 生成未來交通變量驅(qū)動下的各類用地發(fā)展概率。

考慮到西安市代管一個國家級新區(qū)即西咸新區(qū),引入規(guī)劃城市開發(fā)區(qū), 在ArcGIS中制作“轉(zhuǎn)化限制區(qū)域和開發(fā)區(qū)”數(shù)據(jù), 將限制區(qū)的數(shù)值設為0, 開發(fā)區(qū)數(shù)值設置為2, 其他區(qū)域的數(shù)值為1, 輸入PLUS模型中自帶的轉(zhuǎn)化工具, 轉(zhuǎn)化為模型要求的unsigned char格式的圖像, 此時數(shù)值0會被轉(zhuǎn)為no data而不顯示。在CARS模型中激活規(guī)劃開發(fā)區(qū)部分, 定義開發(fā)區(qū)政策的實施強度并在模型中進行調(diào)試, 可以生成在未來規(guī)劃開發(fā)區(qū)影響下的未來土地利用數(shù)量及發(fā)展趨勢。

圖 4 研究區(qū)2030年規(guī)劃交通、規(guī)劃開發(fā)區(qū)以及秦嶺保護區(qū)Fig.4 Planed transportation, development zones and restricted development areas of Qinling Pretected Area and Xixian New Area of the study area in 2030

1.4.4 InVEST模型

InVEST模型是美國自然資本項目組開發(fā)的用于評估生態(tài)系統(tǒng)服務功能量及其經(jīng)濟價值、支持生態(tài)系統(tǒng)管理和決策的一套模型系統(tǒng)。InVEST模型中carbon模塊可以計算區(qū)域碳儲量并被廣泛應用[35-39]。InVEST模型將生態(tài)系統(tǒng)的碳儲量劃分為4個基本碳庫: 地上碳庫(土壤以上所有存活的植物中的碳)、地下碳庫(存在于植物活根系統(tǒng)中的碳)、土壤碳庫(分布在有機土壤和礦質(zhì)土壤中的有機碳)、死亡有機碳庫(凋落物、倒立或站立的已死亡樹木中的碳)。研究區(qū)域內(nèi)總碳儲量為所有地類碳儲量之和。

1)碳儲量的計算

研究區(qū)總碳儲量計算公式為:

式中:Ai為該地類的面積,Cabove為地上碳庫,Cbelow為地下碳庫,Csoil為土壤碳庫,Cdead為死亡有機碳庫,Ctotal為所有地類碳儲量之和。一般死亡有機碳庫的數(shù)據(jù)難以獲得, 因此本文不做考慮。

2)各地類碳密度的確定

InVEST模型需要輸入研究區(qū)域各地類的碳密度值[40-43], 本文參考了一些現(xiàn)有研究[44-46], 西安市不同土地利用類型碳密度如表4所示。

表 4 研究區(qū)不同土地利用類型碳密度Table 4 Carbon densities of different land use types in the study area kg·m-2

2 結(jié)果與分析

2.1 模型精度驗證

為驗證PLUS模型模擬未來土地利用的精度, 本研究以2000年和2010年LULC為基礎, 在LEAS模塊中生成各地類的發(fā)展概率, 在CARS模塊中生成2020年LULC模擬結(jié)果, 并與2020年實際LULC進行對比分析(圖5), 2020年實際LULC柵格總數(shù)為11 229 600個, 模擬正確的總數(shù)為10 444 156個, 正確率高達93%。在PLUS模型中進行精度驗證得到Kappa系數(shù)為0.89, 結(jié)果表明PLUS模型在預測未來LULC上具有較高精度, 因此采用該模型模擬西安市2030年土地利用類型。

2.2 土地利用變化分析

2.2.1 2000—2020年土地利用變化分析

從表5可知, 西安市2000年、2010和2020年的LULC以林地和耕地為主, 2020年林地占全市土地利用的比重為47.02%, 耕地占比為36.53%; 其次為建設用地, 占總面積的13.86%; 草地、水體和濕地的面積均較少, 均不足總面積的3%。20年來, 各地類都有明顯變化, 草地、建設用地、水域面積不斷擴大。其中, 建設用地的增長幅度最大, 高達62.80%;水體面積相較2000年增加57.30%; 與2000年相比,草地面積增加6.40%, 耕地、林地和濕地面積均有所下降, 其中濕地面積減少最多, 減少幅度高達86.81%;耕地面積減少數(shù)量最多, 減少547.74 km2, 占2000年耕地數(shù)量總量的12.92%; 林地面積僅減少0.39%。

西安市2000年、2010年和2020年的土地利用空間格局如圖6所示, 通過ArcGIS軟件, 分析了2000-2020年西安市的LULC, 并構(gòu)建土地利用轉(zhuǎn)移矩陣(表6), 并通過對研究區(qū)20年來土地利用轉(zhuǎn)移變化特征進行分析, 發(fā)現(xiàn)耕地主要轉(zhuǎn)為建設用地,其轉(zhuǎn)出量占耕地總轉(zhuǎn)出量的91.95%, 20多年來, 伴隨著經(jīng)濟的發(fā)展, 大量的建設用地占用了周圍的耕地,并在外圍繼續(xù)擴大。

圖 5 研究區(qū)2020年實際與模擬的土地利用類型分布Fig.5 Actual and simulated distribution of different land use types in 2020 of the study area

表 5 2000—2020年研究區(qū)各期不同土地利用類型面積及比例Table 5 Areas and proportions of different land use types in each period from 2000 to 2020 in the study area

圖 6 2000年、2010年和2020年研究區(qū)域土地利用格局圖Fig.6 Land use patterns of the study area in 2000, 2010 and 2020

表 6 2000—2020年西安市土地利用轉(zhuǎn)移矩陣Table 6 Conversion matrix of land use from 2000 to 2020 in the study area

研究區(qū)域內(nèi)林地主要轉(zhuǎn)出為草地, 轉(zhuǎn)出量高達林地總轉(zhuǎn)出量的91.95%, 這與研究區(qū)域內(nèi)秦嶺保護區(qū)內(nèi)實施的“退耕還林還草”的生態(tài)保護政策有關。水體在不同程度轉(zhuǎn)為耕地、草地和建設用地等, 設置未來發(fā)展情景時應該把水體作為限制發(fā)展區(qū)域進行保護。

2.2.2 2030年土地利用預測結(jié)果分析

模擬的2030年3個情景下西安市土地利用格局見圖7。分析預測結(jié)果可知: 與2020年土地利用數(shù)據(jù)相比, Q1情景下建設用地、水體和林地將持續(xù)增加, 增幅分別為10.42%、3.61%和0.87%; 草地面積減少19.99%, 濕地減少13.98%, 耕地減少4.01% (表7)。從轉(zhuǎn)移方向來看, 草地主要轉(zhuǎn)出為林地、耕地、建設用地, 轉(zhuǎn)移面積分別是35.45 km2、3.71 km2和3.81 km2。耕地轉(zhuǎn)出為建設用地、草地、林地和水體, 其中耕地主要轉(zhuǎn)為建設用地, 面積達142.2 km2。水域由草地、耕地和濕地轉(zhuǎn)入, 建設用地由草地、耕地大面積轉(zhuǎn)入。

圖 7 2030年3種情景下研究區(qū)域土地利用格局Fig.7 Land use patterns of the study area under three development scenarios in 2030

表 7 2030年不同發(fā)展情景下不同土地利用類型的面積(km2)及其與2020年相比的變化Table 7 Area of each land use type under different development scenarios in 2030 and its change from 2020 in the study area

與2020年相比, 2030年Q2情景下濕地、建設用地和草地分別減少13.98%、12.82%和7.74%; 而耕地、林地和水體分別增加4.64%、0.51%和0.28%。生態(tài)保護政策約束下生態(tài)用地面積相對增加, 耕地、林地和草地等數(shù)量均高于自然發(fā)展情景, 秦嶺保護區(qū)和主城區(qū)周邊耕地都能得到一定程度的保護。2020-2030年不同情景的轉(zhuǎn)移空間圖如圖8所示,從轉(zhuǎn)移方向上看, 草地主要轉(zhuǎn)變?yōu)榱值? 轉(zhuǎn)移面積為19.54 km2; 耕地主要轉(zhuǎn)變?yōu)椴莸睾土值? 轉(zhuǎn)移面積分別為3.64 km2和4.54 km2。Q2情景下建設用地在一定程度上轉(zhuǎn)為草地、耕地、林地和水體等生態(tài)用地,說明生態(tài)保護政策約束下生態(tài)用地面積相對增加,耕地、林地和草地等數(shù)量均高于自然發(fā)展情景(Q1),秦嶺保護區(qū)和西安市主城區(qū)周邊耕地都能得到一定程度的保護。

圖 8 2000—2030年不同情景土地利用轉(zhuǎn)移空間格局Fig.8 Spatial patterns of land use transfer under different development scenarios from 2000 to 2030 in the study area

Q3情景下, 西安市建設用地大幅度增長, 增長幅度高達16.35%; 而耕地、林地、草地、濕地和水體數(shù)量都有所減少, 耕地減少數(shù)量最多, 減少160 km2。從轉(zhuǎn)移方向上來看, 草地、耕地、林地和水體轉(zhuǎn)為建設用地, 其中耕地轉(zhuǎn)為建設用地的面積最多, 為225.68 km2; 草地主要轉(zhuǎn)變成林地、耕地, 轉(zhuǎn)移面積分別為16.50 km2和5.03 km2; 林地主要轉(zhuǎn)變成耕地和建設用地, 轉(zhuǎn)移面積為91.02 km2和2.69 km2; 水體主要轉(zhuǎn)變成耕地, 轉(zhuǎn)移面積8.84 km2。不受政策約束的城鎮(zhèn)發(fā)展情景會造成建設用地數(shù)量的迅速擴張,使得耕地、草地、林地、水體等其他地類大量減少。

2.3 碳儲量的時空演變特征

用InVEST模型Carbon模塊分別計算并預測西安市2000年、2010年、2020年以及2030年Q1情景、2030年Q2情景和2030年Q3情景共6期的碳儲量(表8), 并計算了2000-2010年、2010-2020年和2000-2020年碳儲量變化 (圖9)。從數(shù)量來看,西安市2000年、2010年和2020年的碳儲量分別為3.76×104t、3.65×104t和3.58×104t。從行政區(qū)劃來看, 除新城區(qū)和碑林區(qū)這幾個城市化水平高的老城區(qū)外, 研究區(qū)域各地區(qū)碳儲量均不同程度減少, 其中未央?yún)^(qū)和雁塔區(qū)碳儲量減少最多, 分別占比41.67%和59.39%, 這兩個區(qū)域?qū)儆谘闼聟^(qū)和經(jīng)濟開發(fā)區(qū)。說明隨著國家級新區(qū)西咸新區(qū)的建設和主城區(qū)向周邊區(qū)域城市的擴張, 嚴重侵占了耕地和其他生態(tài)用地, 導致區(qū)域碳儲量呈現(xiàn)下降趨勢。周至、鄠邑、臨潼、藍田等地區(qū)屬于秦嶺保護范圍內(nèi), 碳儲量減少量均在5%以下, 說明一定程度的生態(tài)保護措施可以有效抑制碳儲量的減少。2010年碳儲量較2000年減少1.06×103t, 2010年到2020年碳儲量減少0.68×103t, 2000-2010年碳儲量減少量幾乎是2010-2020年碳儲量減少量的2倍, 2000-2010年建設用地增幅達55.88%, 2010-2020年建設用地增加數(shù)量占2010年的14.72%, 這說明2000-2010年西安市經(jīng)濟高速增長, 導致建設用地大幅增加, 因而碳儲量大量減少, 2010-2020年開始實施一定的生態(tài)保護政策, 初見成效但是保護力度還不夠。

表 8 2000年、2010年、2020年及2030年自然發(fā)展(Q1)、生態(tài)保護(Q2)和城鎮(zhèn)發(fā)展(Q3)情景下西安市各行政區(qū)碳儲量Table 8 Carbon storage of each administrative region of the study area in 2000, 2010, and 2030 under development scenarios of business as usual (Q1), ecological protection (Q2) and town development (Q3) ×103 t

圖 9 2000—2020年西安市碳儲量變化特征的空間分布Fig.9 Distribution of carbon storage changes from 2000 to 2020 in the study area

2030年, Q1情景下碳儲量較2020年減少373.28 t, Q2情景下增多564.73 t, Q3情景下減少734.15 t。Q2情景下碳儲量總量高于其他情景, 研究區(qū)內(nèi)除秦嶺保護區(qū), 其余各地區(qū)的碳儲量均有所增加。Q2情景因一定的生態(tài)保護措施使碳儲量總量呈增加狀態(tài);Q3情景由于不受任何政策的約束, 建設用地急劇擴大, 侵占了碳密度值相對較高的林地、草地和耕地等, 使得碳儲量總量大幅減少, 減少量幾乎是Q1情景的兩倍。

從行政區(qū)劃來看, 2000-2030年Q1情景延續(xù)了歷史轉(zhuǎn)移概率, 蓮湖、新城、碑林等老城區(qū)碳儲量幾乎沒有減少, 雁塔、灞橋、未央等新區(qū)碳儲量區(qū)內(nèi)減少幅度最大; 2000-2030年Q2情景各行政區(qū)的碳儲量都有所增加, 其中新城、碑林、雁塔增加幅度最大, 在10%左右, 說明生態(tài)保護政策也可以一定程度緩解碳儲量的減少(表8)。2000-2030年Q3情景, 西安市各行政區(qū)碳儲量均減少, 且周至、鄠邑、臨潼、藍田等秦嶺保護區(qū)范圍內(nèi)的縣區(qū)碳儲量呈減少趨勢, 說明只以經(jīng)濟建設為發(fā)展目標不收任何約束的發(fā)展會使得區(qū)域整體碳儲量減少, 秦嶺保護區(qū)等地區(qū)在Q3情景下也會大幅減少。總的來看, 各行政區(qū)碳儲量的變化趨勢和西安市碳儲量總量變化保持一致。

為清楚反映碳儲量變化的空間分布, 在Arc-GIS中通過柵格重分類將2000-2020年、2020-2030年Q1情景、2020-2030年Q2情景和2020-2030年Q3情景的碳儲量變化為3類: 減少、增加和基本不變(圖9, 圖10)。從碳儲量的空間分布來看, 2000-2020年(圖9), 大部分地區(qū)碳儲量保持基本不變, 城市周邊的耕地被開發(fā)利用, 從而造成碳儲量的下降。秦嶺保護區(qū)范圍內(nèi)碳儲量基本不變, 這與“退耕還林工程”等一系列生態(tài)保護措施的實施有關, 說明一定程度上的生態(tài)保護政策可以有效減緩碳儲量的減少。從行政區(qū)來看, 變化較大的區(qū)域主要在未央?yún)^(qū)、雁塔區(qū)和灞橋區(qū), 這些區(qū)域在西安市老城區(qū)外圍且均為新的經(jīng)濟開發(fā)區(qū), 碳儲量減少范圍與建設用地擴張情況基本保持一致。

2020-2030年不同發(fā)展情景, 碳儲量變化呈現(xiàn)不同的空間分布(圖10)。2020-2030年, Q1情景下碳儲量基本保持在歷史減少趨勢, 說明延續(xù)之前發(fā)展模式的碳儲量; Q2情景下, 碳儲量增加區(qū)域集中在秦嶺保護區(qū)范圍以外的其他地區(qū), 且分布較均勻,說明該情景下西安市在發(fā)展經(jīng)濟的同時能兼顧生態(tài)用地和耕地的保護, 減少了碳儲量的損失; Q3情景下, 碳儲量在研究區(qū)域整個范圍內(nèi)均有所減少, 造成這種情況的原因主要是城市化進程的加快、人類活動頻繁, 建設用地大規(guī)模侵占生態(tài)用地和耕地等其他地類, 導致土地利用類型的變化, 從而使碳儲量呈下降趨勢。

圖 10 2020—2030年不同發(fā)展情景下研究區(qū)碳儲量變化Fig.10 Changes in carbon stocks from 2020 to 2030 under different development scenarios in the study area

在生態(tài)保護情景下, 2030年預測的碳儲量呈現(xiàn)增加的趨勢, 這主要是由于3種情景下土地利用類型轉(zhuǎn)移的概率和轉(zhuǎn)移矩陣的不同所致。與Q1情景和Q3情景相比, Q2情景嚴格控制了林地、草地和水域向建設用地轉(zhuǎn)移的轉(zhuǎn)移概率, 并且增加了耕地向林地、草地的轉(zhuǎn)移概率以及建設用地向林地轉(zhuǎn)移的轉(zhuǎn)移概率, 林地、草地和水域面積的增加有利于碳儲量的增加。這說明在生態(tài)保護情景下, 實施一定程度的生態(tài)保護措施將有助于減緩區(qū)域碳儲量下降趨勢?？偟膩砜? 碳儲量較高的地區(qū)主要在南部秦嶺地區(qū), 主要是藍田縣、長安區(qū)、鄠邑區(qū)和臨潼區(qū), 這幾個地區(qū)主要以林地為主, 固碳能力相對較強,且受政策保護限制建設用地的擴張和耕地的開墾,在生態(tài)保護上更具優(yōu)勢; 研究區(qū)北部屬于關中平原,該區(qū)域適合人類社會生產(chǎn)活動, 用地類型以建設用地為主, 碳儲量較低; 東北部和西北部主要位于城市周邊, 土地利用以耕地為主, 受人類活動的影響較大,Q2情景下耕地受到保護, 碳儲量基本維持不變; Q3情景下建設用地的大規(guī)模擴張侵占大量耕地使得這些地區(qū)的碳儲量呈減少趨勢。

綜上, Q2情景下碳儲量總體呈增加趨勢且分布均勻, 說明科學合理的生態(tài)保護措施能夠較好實現(xiàn)西安市的固碳作用, 有效抵消由于經(jīng)濟建設帶來的碳儲量下降趨勢。Q2情景減緩了建設用地的擴張,驅(qū)動了碳儲量的增加, 未來可以在生態(tài)保護情景的基礎上制定相應的生態(tài)保護政策, 為實現(xiàn)《陜西省“十四五”生態(tài)環(huán)境保護規(guī)劃》中展望的2035年碳排放穩(wěn)中有降, 生態(tài)環(huán)境質(zhì)量根本好轉(zhuǎn)的發(fā)展目標提供一定幫助。

3 結(jié)論與討論

3.1 結(jié)論

本研究耦合PLUS和InVEST模型, 以2000年、2010年和2020年3期西安市歷史土地利用數(shù)據(jù)驗證PLUS模型在研究區(qū)域的精度, 模擬西安市2030年在政策驅(qū)動下自然發(fā)展(Q1)、生態(tài)保護(Q2)和城鎮(zhèn)發(fā)展(Q3)情景的LUCC, 并采用InVEST模型對碳儲量進行了分析, 明確了土地利用格局對西安市碳儲量的潛在影響。得出以下結(jié)論:

1) PLUS模型在預測西安市土地利用類型上具有較高的精度, 模型OA系數(shù)為0.93, Kappa系數(shù)為0.89, 可以較好預測未來西安市各區(qū)縣土地利用空間格局。

2) 3種情景的設置基本可以滿足西安市不同的發(fā)展訴求, Q2情景相較Q1情景耕地數(shù)量有所增加,朝著更加環(huán)境友好的方向發(fā)展。Q3情景不考慮政策影響, 建設用地數(shù)量大幅度無序擴張, 增幅高達10.42%, 嚴重侵占了研究區(qū)內(nèi)的生態(tài)用地。

3) LUCC對碳儲量具有重要影響, 土地利用格局的改變影響著碳儲量的變化。Q1情景下西安市2030年的碳儲量較2020年減少373.28 t; Q2情景下,2030年碳儲量較2020年增加564.73 t, 說明實施一定的生態(tài)保護措施可以有效減少研究區(qū)域內(nèi)的碳儲量下降趨勢; Q3情景下由于建設用地大幅擴張, 碳儲量總量流失最為嚴重, 高達734.15 t。

3.2 討論

為彌補單一模型的不足之處, 本文耦合PLUS模型與InVEST模型來定量評估政策驅(qū)動下未來不同發(fā)展情景下土地利用變化及其對碳儲量的影響。模型的耦合彌補了單一模型的不足, 能充分發(fā)揮PLUS模型在數(shù)量和空間上對未來土地變化的模擬與In-VEST模型在碳儲量預測上的優(yōu)勢, 評估2030年3種情景下西安市土地利用變化及其對碳儲量的影響,為探討在政策驅(qū)動下土地利用變化下的碳儲量提供了一種新思路。

PLUS模型是基于柵格數(shù)據(jù)模擬精細化土地利用模擬的新模型, 與FLUS模型相比數(shù)據(jù)更便于獲取且精度更高。本研究模擬預測了2030年精度30 m的LULC, Kappa系數(shù)為0.89, Fom值0.49, 說明PLUS模型適用于西安市且模擬精度較高。此外, PLUS模型中集成的基于隨機森林的規(guī)劃交通更新機制和規(guī)劃開發(fā)區(qū)內(nèi)的隨機種子機制, 可以考慮政策對LUCC的驅(qū)動和引導作用, 本研究基于西安市十四五規(guī)劃政策, 預測政策指引下2030年西安市的土地利用格局, 可以對未來的政策制定、土地利用結(jié)構(gòu)調(diào)整提供新的視角。

PLUS模型輸入社會經(jīng)濟數(shù)據(jù)、氣候和環(huán)境數(shù)據(jù)以及未來驅(qū)動數(shù)據(jù)生成各類用地的發(fā)展概率, 然而LUCC是一個復雜的動態(tài)過程, 往往受自然條件、社會經(jīng)濟和人類活動等多個因素共同影響, 本研究雖然綜合考慮了未來交通規(guī)劃和政策的導向作用,但對于未來的人口、GDP等社會經(jīng)濟因素和氣溫、降水等氣候因素考慮欠缺, 如何將這類因素考慮其中是下一步工作重點。此外, 為滿足不同的發(fā)展需求, 本文綜合考慮西安市歷史土地利用轉(zhuǎn)移矩陣、《陜西省“十四五”發(fā)展規(guī)劃》和《秦嶺保護區(qū)總體規(guī)劃》, 通過改變轉(zhuǎn)移概率、轉(zhuǎn)移矩陣和限制發(fā)展區(qū)域設置了3種不同的未來發(fā)展情景: Q1 (自然發(fā)展情景)、Q2 (生態(tài)保護情景)和Q3 (城鎮(zhèn)發(fā)展情景),可以預測Q1 (延續(xù)之前發(fā)展模式)、Q2 (實行一定程度上的生態(tài)保護政策)和Q3 (大力發(fā)展經(jīng)濟建設用地擴張不受約束) 3種情景下2030年的土地利用格局, 3種情景的設置基本可以涵蓋未來不同的發(fā)展模式。但設定的3類發(fā)展模式與真實發(fā)展情形仍有差距, 無法涵蓋未來所有的發(fā)展模式, 結(jié)合政策設置更為貼近現(xiàn)實的未來土地利用需求數(shù)量、縮小發(fā)展情景與真實發(fā)展模式之間的差距將成為未來土地利用變化模擬研究的重點之一。

InVEST模型需要輸入預測的未來土地利用數(shù)據(jù)和各土地類型對應的碳密度值, 碳密度是模型準確評估碳儲量的重要輸入?yún)?shù)。碳密度數(shù)據(jù)的獲取一般優(yōu)先選用研究區(qū)的實地測量數(shù)據(jù), 若數(shù)據(jù)不全,通常借助文獻整理匯總研究區(qū)周邊的碳密度數(shù)據(jù),對同一地類的碳密度取有關文獻的平均值。實測數(shù)據(jù)會因為測量方法或取樣時間的不同存在差異, 在今后的研究中, 應通過實地調(diào)研獲取實測數(shù)據(jù)并合理修訂碳密度值, 進而使得InVEST模型的評估結(jié)果更為準確。

土地利用變化對生態(tài)系統(tǒng)碳儲量具有重要影響,當碳密度高的土地類型向碳密度低的土地類型轉(zhuǎn)化時, 將會導致碳儲量減少, 反之會造成碳儲量增加。本研究3種情景下西安市2030年碳儲量具有明顯區(qū)別, Q1情景下較2020年減少373.28 t, 說明延續(xù)現(xiàn)有的發(fā)展路徑會使得研究區(qū)域內(nèi)碳儲量呈減少趨勢;Q2情景下較2020年增加564.73 t, 說明一定的生態(tài)保護措施保護了林地、濕地等生態(tài)用地和耕地的數(shù)量, 限制了碳密度較高的耕地、林地、草地、濕地等轉(zhuǎn)化成碳密度較低的建設用地, 可以減緩陸地生態(tài)系統(tǒng)碳儲量減少趨勢, 增加西安市碳儲量; Q3情景下由于建設用地大幅擴張, 碳儲量總量減少734.15 t, 流失最為嚴重, 說明城市擴張對周邊耕地和其他地類的侵占會造成碳密度高的地類轉(zhuǎn)化為建設用地這類碳密度低的地類, 使得陸地生態(tài)系統(tǒng)碳儲量大幅減少。綜上, 未來西安市應在Q2情景的基礎上繼續(xù)實施“退耕還林還草”、生態(tài)用地修復等保護措施, 同時應對建設用地擴張進行合理的控制。