耦合InVEST與GeoSOS-FLUS模型的桂林市碳儲量可持續發展研究

張凱琪,陳建軍,2*,侯建坤,周國清,2,尤號田,2,韓小文,2

耦合InVEST與GeoSOS-FLUS模型的桂林市碳儲量可持續發展研究

張凱琪1,陳建軍1,2*,侯建坤1,周國清1,2,尤號田1,2,韓小文1,2

(1.桂林理工大學測繪地理信息學院,廣西 桂林 541004；2.桂林理工大學廣西空間信息與測繪重點實驗室,廣西 桂林 541004)

為了量化桂林市碳儲量并快速評估分級保護措施對區域碳儲功能的影響,耦合InVEST模型碳儲存模塊和GeoSOS-FLUS模型,并基于土地利用數據和不同情景未來土地預測結果,對2000～2040年桂林市域范圍六區十一縣市內的碳儲時空特征進行分析.結果表明:桂林市2000年、2010年和2020年的總碳儲量分別為554.02×106t,553.58×106t,550.21×106t,呈現“逐年下降”的變化態勢.同時,受人類活動和土地利用類型變化的影響,桂林市域各區縣的碳儲水平存在較大的時空差異,碳儲量整體表現為“西北、西南及東部較高,東北、東南及中部較低”的空間分布特征.將桂林市碳儲量高值區確定為碳儲資源的優先保護區域,與自然變化情景相比,資源保護情景下桂林市林地得到有效保護,建設用地規模擴大受到限制.采取資源保護措施后,桂林市2040年總碳儲量達到552.16×106t,較2020年增加了1.95×106t,中低密度碳儲區所占比例明顯下降,區域固碳能力大大增強.該研究結果可為桂林市國家可持續發展示范城市建設提供指導,也可為碳儲資源精準保護和土地利用管理決策提供科學參考.

碳儲量；InVEST模型；GeoSOS-FLUS模型；重要性分級；桂林市

人類的可持續發展取決于生態系統及其服務功能的可持續性[1].受到人類活動和氣候變化的影響,全球生態系統服務能力正在降低[2-3].因此,如何保證生態系統服務的可持續性成為當前急需解決的重要問題.碳儲存是生態系統的重要服務功能之一,在維持全球碳平衡以及調節氣候方面具有不可替代的作用[4-5].陸地生態系統通過吸收大氣中CO2等溫室氣體可以有效緩解全球變暖[6].因此,綜合評估生態系統碳儲量對于區域生態環境保護和可持續發展具有重要意義.

近年來,諸多學者從不同范圍(全球、國家、區域和樣地)、不同角度(政策保護、工程影響)對生態系統的碳儲量及其時空變化和影響因素展開了大量研究[7-10].如李遠等[11]、張修玉等[12]、李雷達等[13]、蘭秀等[14]在區域范圍分別對西雙版納、珠江流域、湖南、廣西進行了碳儲量的估算,為我國南部地區碳儲量的測算提供了豐富的數據.鄧元杰等[15]、魏亞偉等[16]、姚平等[17]從政策保護角度分別估算了黃土高原、東北地區、西南地區的碳儲變化,探究了退耕還林還草和天然林保護區對區域碳匯的貢獻.這些研究也表明土地利用類型轉換是碳儲變化的主要驅動因素.但以上研究大多集中于對區域碳儲的動態評估,缺乏較詳細的優化管理方案,更缺乏對管理方案的檢驗,僅能提供有限的參考價值.因此有必要完善保護措施的制定和檢驗,以構建比較系統的可持續研究方法.

在諸多生態系統服務模型中,InVEST模型廣泛用于測算生態系統的碳儲量,并能顯示碳儲存的空間分布[18-19].該模型使用特定區域的土地利用類型圖以及四個碳庫中的碳密度數據來估算和繪制研究區域的碳總量[20].當提供當前和未來預測的土地利用數據時,InVEST模型可以計算出現在和未來的碳儲存或碳損失[21].為評估不同變化情景下生態系統碳儲存或碳損失情況,部分研究人員將InVEST模型與CA-Markov、CLUE-S等土地利用模擬模型相結合,模擬了自然、社會、經濟等多種變化情景下的生態系統碳儲存和碳損失[22-25].GeoSOS-FLUS模型在傳統元胞自動機(CA)模型的基礎上引進了基于輪盤賭選擇的自適應慣性競爭機制,與其他模型相比,GeoSOS-FLUS模型使未來多種土地利用類型在空間上的分布更為準確、合理[26].目前,該模型多用于土地利用格局優化等研究[27],采用該模型模擬不同情景來預測區域碳儲量變化的研究較少.本研究耦合InVEST與GeoSOS-FLUS模型,通過模擬、比較自然變化與資源保護情景下的區域碳儲功能,可以實現對保護措施的檢驗.

桂林市位于廣西東北部,是世界著名風景游覽城市和中國歷史文化名城,同時也是國家可持續發展創新示范區之一.該區域具備豐富的森林、草地和濕地等自然景觀資源,其森林覆蓋率高達70%以上,是廣西的重要碳庫.但是近年來由于生態景觀資源利用需求日益增長,城鎮化進程加快,導致該地區土地利用開發強度大,生態系統固碳能力受到嚴重威脅[28].目前對于桂林市生態系統碳儲功能評估及未來情景模擬的研究和認識較少,急需掌握其變化特征并根據不同區域特征制定不同保護策略,進而更好的服務于桂林市可持續發展.本研究首先基于土地利用變化,應用InVEST模型分析了桂林市的碳儲量時空變化;然后進行重要性分級評估并劃定碳儲優先保護區域;最后結合GeoSOS-FLUS模型模擬在不同情景下的未來桂林市的生態系統服務碳儲功能,以期為桂林市資源可持續發展提供決策支持.

1 材料與方法

1.1 研究區概況

桂林市地理坐標為109°36′～111°29′E,24°15′～ 26°23′N,位于中國華南地區、廣西壯族自治區東北部.地勢為西北、東南部高,中部較低,以中山或低中山地形為主.桂林地處低緯,屬中亞熱帶季風氣候,年均氣溫為18.9℃,年均降雨量為1949.5mm,境內氣候溫和、雨量充沛、光照充足、四季分明且雨熱基本同季[29],氣候條件十分優越.區域內森林資源豐富,中部具有世界典型的喀斯特巖溶地貌[30],峰奇水美,因而形成了桂林山水甲天下的景觀.

1.2 數據源

1.2.1 土地利用/覆被類型數據 使用的土地利用/覆被類型數據來源于國家基礎地理信息中心全球地表覆蓋數據,該數據空間分辨率為30m×30m,它是以美國陸地資源衛星(Landsat)的TM5、ETM+、OLI多光譜影像和中國環境減災衛星(HJ-1)多光譜影像為主要數據源,輔以16m分辨率高分一號(GF-1)多光譜影像解譯獲得.通過對土地利用/覆被類型數據進行裁剪獲得2000、2010和2020年三期桂林市土地利用類型圖,研究區的土地利用類型主要包括耕地、林地、草地、水域、建設用地和濕地六大類.

1.2.2 土地利用變化驅動因子數據 選用DEM、坡度、坡向、年降雨量、GDP和年均溫度作為土地利用變化驅動因子,DEM數據來源于ASTERGDEM,空間分辨率為30m,該數據是根據NASA的新一代對地觀測衛星Terra的詳盡觀測結果制作完成的.其數據覆蓋范圍為83°N～83°S的所有陸地區域,達到了地球陸地表面的99%.地形因素包括坡度和坡向,由DEM數據在ArcGIS軟件提取得到.年降雨量、GDP和年均溫度數據來源于中國科學院資源環境科學與數據中心.

1.2.3 碳密度數據 InVEST模型中所需要的碳密度數據(單位面積碳儲量)包含不同土地利用/覆被類型的四個基本碳庫,即地上生物量、地下生物量、土壤和死亡有機物.為了保證密度數據的一致性和碳儲存量的準確性,碳密度數據盡量選取廣西范圍內的前人研究成果.在廣西數據缺失的情況下,適當采用相近緯度的鄰省碳庫數據.本文主要參考了陳曦[31]、吳佩君等[22]、榮檢[32]及朱鵬飛[33]的成果,結合IPCC(2006)提供的總生物量和土壤碳儲量,修正得到桂林市地上生物量、地下生物量、土壤、死亡有機質碳密度數據,具體數值如下表1所示.

表1 桂林市土地利用各部分碳密度(t/hm2)

1.3 研究方法

1.3.1 碳儲量估算 選用InVEST模型估算 研究區的碳儲量.InVEST模型中的碳儲存模塊將陸地生態系統中碳儲分為四大基本碳庫,分別是地上生物量中所含碳(土壤以上所有存活的植物材料)、地下生物量中所含碳(植物活的根系)、土壤碳庫(礦質土壤的有機碳)和死亡的有機物質中所含碳(凋落物和已死亡的樹木)[34-35].將不同土地利用類型的4大碳庫相加,即可得到該區域的碳儲總量.其計算公式如下:

式中:C為區域的碳儲量,單位為t;A為區域中土地覆被類型的面積;C、C、C、C分別為土地覆被類型的地上碳密度、地下碳密度、土壤碳密度和死亡有機物碳密度, t/hm2.

為了更清楚的反映桂林市碳儲量的空間變化,本文進一步將碳儲空間變化值分為五類:顯著減少、少量減少、基本不變、少量增加和顯著增加.其中變化值大于15%定義為顯著變化,變化值介于5%和15%之間定義為少量變化,變化值介于0～5%定義為基本不變.

1.3.2 土地利用轉移矩陣 通過計算土地利用轉移矩陣,揭示區域土地利用的變化過程,以此分析土地類型轉換對碳儲變化的影響.土地利用轉移矩陣可以清晰地展示不同土地利用類型在不同年份發生變化的土地類別以及發生變化的位置和變化面積[36].轉移矩陣的數學形式為[37]:

式中:代表土地利用類型面積;代表轉移前后的土地利用類型;1,2,3,…,分別代表轉移前與轉移后的土地利用類型;S表示轉移前的地類轉換成轉移后的地類的面積.矩陣中的每一行元素代表轉移前的地類向轉移后的各地類的流向信息,矩陣中的每一列元素代表轉移后的地類面積從轉移前的各地類的來源信息.

1.3.3 碳儲等級劃分 為制定有效的保護措施,對碳儲功能區進行等級劃分,將碳儲貢獻最大的區域劃定為優先保護區域,有利于實際保護.在桂林市碳儲量空間分布圖的基礎上,利用ArcGIS軟件對碳儲量進行重分類,采用自然斷點分級法將該柵格數據劃分為一般區(5.20～19.32t/hm2)、重要區(19.32～ 107.16t/hm2)和極重要區(107.16～255.20t/hm2)三個類別,從而得出研究區碳儲重要性分級圖.本研究將極重要區域作為未來發展的優先保護區域.

1.3.4 未來土地利用變化模擬 為檢驗保護措施的有效性,本研究運用GeoSOS-FLUS模型以2020年土地利用現狀圖為基礎,對桂林市2040年不同情景下的土地利用布局進行模擬比較. GeoSOS- FLUS模型是由Liu等[26]開發,基于傳統CA模型原理進行改進,采用神經網絡算法(ANN)獲取各類用地在研究范圍內的適宜性概率,可以有效減少誤差傳遞的發生.同時結合輪盤賭選擇的自適應慣性競爭機制,模擬精度較高且與現實土地利用分布相似.

為保障桂林市碳儲資源的可持續性,本文綜合考慮分級保護和宏觀發展,基于桂林市2000～2020年的土地利用數據和重要性分級圖,通過調整不同土地利用類型目標數量、土地利用轉換成本矩陣、鄰域因子參數,以2040年為目標年,設定兩種發展情景:(1)資源保護情景:為遏制碳儲總量進一步退化,根據重要性分級評估結果優先保護極重要區,該情景下桂林市林地將得到有效保護,同時限制建設用地的擴張.設置林地不能向其他地類轉換,林地鄰域因子設為1,建設用地鄰域因子設為0,其他地類鄰域因子設為0.5.(2)自然變化情景:綜合考慮經濟發展和資源保護,遵循土地利用結構自然演變規律,該情境下設定土地利用變化率與2000～2020年土地利用轉變速率保持一致,其人口、經濟和技術革新的發展趨勢將繼續與目前的狀況相統一.設置各類型用地均可互相轉換,所有土地類型的鄰域因子默認為1.

為了確保模擬結果的準確性,采用Kappa系數和總體精度對模擬結果進行檢驗.基于桂林市2000年土地利用數據和土地利用變化驅動因子數據,運用GeoSOS-FLUS模型模擬了2020年土地利用情景, 與2020年實際土地利用狀況進行精度檢驗,若Kappa系數和總體精度較大,則表明模型模擬精度較高,可用于土地利用變化的情景預估.

2 結果

2.1 2000～2020年桂林市碳儲時空變化分析

圖1 2000～2020年桂林市碳儲量和地均碳密度變化

圖2 2000～2020年桂林市碳儲量空間分布及變化

a為2000年碳儲量空間分布,b為2010年碳儲量空間分布,c為2020年碳儲量空間分布,d為2000-2020年碳儲量空間變化

分析桂林市不同年份總碳儲量和單位土地面積的平均碳儲量(圖1)可知,桂林市2000年、2010年、2020年的總碳儲量分別為554.02×106t、553.58×106t、550.21×106t,單位土地面積的平均碳儲量分別為200.39,200.23,199.01t/hm2,整體呈下降趨勢.其中,2000～2010年桂林市總碳儲量出現小幅下降,減少量為0.44×106t,相較于2000年減幅為0.07%;2010～2020年下降速度加快,減少量為3.37× 106t,相較于2010年減少了0.6%.單位土地面積的平均碳儲量持續減少,年均減幅為0.07t/hm2.

從碳儲量的空間分布及其變化看(圖2),2000年、2010年和2020年桂林市碳儲量整體表現為“西北、西南及東部較高,東北、東南及中部較低”的空間分布特征.碳儲高值區主要集中在山地林區,呈片狀分布,包括龍勝縣、永?？h、灌陽縣、恭城縣以及興安縣、靈川縣的北部和南部邊緣地帶,這些區域固碳能力較強,碳密度最高達到255.2t/hm2;碳儲低值區廣泛分布在城市及農業種植區,呈點狀片狀分布,主要包括市中心、臨桂區、陽朔縣、荔浦市、平樂縣、資源縣、全州縣以及興安縣、靈川縣的中心地帶,這些區域碳密度最低僅為5.2t/hm2.同時,2000～ 2020年桂林市碳儲空間變化具有明顯的地區差異性,碳儲增加區面積為85281hm2,占到區域總面積的3%,變化以“少量增加”為主,主要分布在西北、東北和東南地區,中間地帶分布少且較零散;碳儲減少區面積為121021hm2,占到區域總面積的4.4%,變化多為“顯著減少”,呈點線狀在各區縣蔓延,中心和西南地區是碳儲減少的主要區域.

2.2 2000～2020年土地類型轉變對碳儲量及其變化的影響

不同土地利用類型中的碳密度明顯不同(圖3).固碳能力最強的是林地,2000年、2010年和2020年碳儲量達到503.16×106t、503.38×106t和501.09×106t,占所有土地利用類型固碳總量的90%,是桂林市最重要的碳庫;草地和耕地的固碳能力較弱,其中耕地碳儲變化較小,分別為39.37×106t、39.15×106t和38.58×106t,草地碳儲變化較大,分別為11×106t、10.99×106t和10.18×106t,兩者碳儲量之和僅為林地的十分之一;濕地、水域和建設用地的碳儲最少, 2020年分別僅為0.03×106t、0.12×106t和0.63×106t,不足林地的千分之一.

圖3 2000～2020年桂林市各土地利用類型下的碳儲量變化

表2 2000～2020年土地利用類型轉移矩陣(hm2)

由表2可知,2020年桂林市土地利用類型以林地、耕地和草地為主,其面積分別為1963202.67hm2、597483.63hm2和131343.93hm2,其次是建設用地(47267.55hm2)和水域(24650.82hm2),濕地面積最少為350.91hm2. 2000～ 2020年,桂林市林地、耕地和草地面積變化明顯,分別減少了8123.31hm2、12379.77hm2和10598.76hm2.其中林地主要轉出為耕地和草地,耕地主要流向林地和建設用地,草地主要流向林地和耕地.與此相反,建設用地的面積增加了25729.47hm2,增加部分主要來自耕地和林地,其次是草地.水域面積變化量相對較小,增加了5836.68hm2,主要來自耕地.濕地變化量最小,僅縮減464.31hm2.整體來看,2000～2020年各土地利用類型間的轉換關系以碳密度較高的地類向碳密度較低的地類轉換為主,林地、耕地和草地凈減少的部分主要流向建設用地.

2.3 2000～2020年碳儲重要性分級

從碳儲量重要性分級圖(圖4)中可以看出:(1)桂林市碳儲極重要區連片分布于西部、西北部和東部,南部地區呈不連續的片狀分布,多處被重要區分割.2000年、2010年和2020年極重要區域面積高達1971661.14hm2、1972500.57hm2和1963532.25hm2,占到全市國土面積的71.31%、71.34%和71.02%.(2)碳儲重要區多分布于東北部、東南部和中部,2000年、2010年和2020年重要區域面積分別為752650.47hm2、748895.58hm2和729234.27hm2,覆蓋了市域面積的27.22%、27.08%和26.37%.其中北部和南部的碳儲重要區有少量縮減,中部的碳儲重要區集中減少變化明顯.(3)碳儲一般區主要集中在中部市中心,東北、東南部也有零散分布.2000年、2010年和2020年一般區區域面積為40353.66hm2、43284.42hm2和71919.63hm2,占到全市國土面積的1.45%、1.56%和2.60%.碳儲一般區占比小,分布的整體性不高,但呈擴張的趨勢.

圖4 2000～2020年桂林市碳儲量重要性分級

a為2000年碳儲量重要性分級,b為2010年碳儲量重要性分級,c為2020年碳儲量重要性分級

2.4 2040年不同情景下的桂林市碳儲變化

經由桂林市2020年土地利用模擬圖(圖5a)與2020年土地利用現狀圖(圖5b)對比發現,Kappa系數為0.775,整體精度為0.899,故本研究選用GeoSOS- FLUS模型對桂林市2040年的土地利用進行模擬具有可行性和可信性.

自然變化情景下(圖6a),桂林市2040年的碳儲量預測為547.44×106t,較2020年減少2.77×106t,平均每年減少1.38×105t;而在資源保護情景下(圖6b),2040年碳儲量為552.16×106t,較2020年增加1.95×106t,平均每年增加0.97×105t.兩種情景下碳儲空間格局仍呈現“西北、西南及東部較高,東北、東南及中部較低”分布.與自然變化情景(圖6a)相比,資源保護情景下(圖6b),林地、草地等碳密度較高的地類呈擴張趨勢,建設用地等碳密度較低的地類則向碳密度較高的地類轉移,尤其是中部和南部地區建設用地占地面積明顯減少,主要轉出為林地.綜上,桂林市碳儲量在兩種情景下呈相反的變化態勢,自然變化情景碳儲量下降較明顯,資源保護情景則有效增加了桂林市總碳儲量.

圖5 2020年桂林市FLUS模擬(a)與土地利用現狀(b)對比

圖6 自然變化情景和資源保護情境下2040年桂林市碳儲量空間分布及變化

a為自然變化情景下碳儲量空間分布,b為資源保護情境下碳儲量空間分布,c為自然變化情景下碳儲量空間變化,d為資源保護情境下碳儲量空間變化

兩種情景下的碳儲空間變化明顯不同,自然變化情景(圖6c)中碳儲減少區面積為134335hm2,占到區域總面積的4.9%,其中顯著減少區和少量減少區面積分別為121044hm2、13291hm2,占到區域總面積的4.4%、0.5%,資源保護情景(圖6d)中碳儲減少區面積為113956hm2,占到區域總面積的4.1%,其中顯著減少區和少量減少區面積分別為102754hm2、11202hm2,占到區域總面積的3.7%、0.4%,資源保護情景下中部和西南部碳儲減少區所占比例明顯下降.同時,自然變化情景(圖6c)中碳儲增加區面積為119118hm2,占到區域總面積的4.2%,其中顯著增加區和少量增加區面積分別為111306hm2、7812hm2,占到區域總面積的4%、0.2%,資源保護情景(圖6d)中碳儲增加區面積為125050hm2,占到區域總面積的4.5%,其中顯著增加區和少量增加區面積分別為115566hm2、9484hm2,占到區域總面積的4.2%、0.3%,采取資源保護措施后,碳儲增加區的比例有所擴大,桂林市總碳儲量呈現迅速上升的趨勢.

3 討論

3.1 桂林市碳儲變化分析

桂林市2000～2020年碳儲時空變化分析表明, 20a間桂林市碳儲量整體呈減少趨勢,且存在較大的空間差異性.期間土地利用和土地覆蓋面積均發生變化,林地、耕地和草地相互轉換但總面積均減少,說明這一時期退耕退草還林工程效果顯著,同時伐木耕種現象也尤為嚴重,但三者面積減少的主要原因是建設用地的大肆侵占.隨著城市人口的持續增加和旅游業的大力發展,一方面市中心大力推進城市化發展并向周邊擴散,另一方面各風景區著力開發自然風光并建設度假村,最終導致林地面積大量流失.此外水域面積也略有增加,這可能與當地的季節性水田有關.不同土地利用類型的固碳能力明顯不同,其變化對碳儲量的影響也存在差異.大面積的高碳密度土地利用類型轉出,尤其是林地大量流失使得土壤和植被地上、地下碳儲量明顯減少,建設用地和水域擴張也加快了總碳儲量的減少速度,最終導致區域固碳能力明顯降低.同時,各土地利用類型中林地多分布于西北、西南和東部地區,而耕地和草地多分布在東北、東南和中部地區,建設用地和水域主要分布于人口密集的市中心,土地利用布局在極大程度上影響了碳儲空間分布[38-39].從高密度碳量的分布可以看出,碳儲高值區域覆蓋面積近乎于林地面積,西北、東北和東南部分區域也隨著退耕退草還林碳密度增加,未來這些區域具備發展碳儲資源富集區的優勢.此外,桂林市中部人口密度大,人類活動頻繁,存在各種威脅,其他區域的建設用地碎片化加劇,使得桂林市北部和南部的城鎮居民區碳儲量持續降低,中心商業區碳儲量達到最低值,碳儲低值區擴張速度加快.

3.2 優先保護區域劃定

分析碳儲時空變化特征及其與土地利用類型轉變之間的關系,為桂林市碳儲研究提供了一個有價值、較全面的認識,在此基礎上進行重要性分級評估,以便于設計更具有針對性的資源保護措施.對于模擬情境的設置有多種選擇,有些研究根據區域土地利用規劃要求調整[40],有些根據不同程度的工程影響調整[15],本研究根據分級評估結果將“極重要”等級的區域作為未來發展的優先保護區域,通過模擬和比較自然變化與資源保護情景下2040年桂林市碳儲功能,發現保護措施下區域碳儲量明顯提高.分析其原因,保護措施通過合理調控林地和建設用地以保障“極重要”區域的優先級,林地作為碳儲極重要區的核心碳庫,具備強大的固碳能力和潛力,其碳儲增量遠超過其他地類的損失量,而建設用地作為碳儲一般區的主要土地利用類型,碳密度低,擴張速度快,對高質量碳庫存在極大威脅.因此在優先保護碳儲極重要區的前提下,合理規劃重要區與一般區的組成結構和發展,后續根據城市發展趨勢、人口、產業、經濟等因素,確定碳儲重要區與一般區擴張的彈性邊界.既符合高效保護碳儲資源的需求,又為建設開發管控提供科學依據,兼顧了資源保護與經濟可持續發展.

3.3 不同發展情景對碳儲量的影響

根據2000～2020年的土地變化趨勢預測了2040年自然變化情景下的土地利用狀況,又以重要性分級結果為基礎設計了資源保護土地利用情景,結果表明不同發展情景下碳儲的變化趨勢和格局截然不同.自然變化情景下總碳儲量持續降低,各土地利用類型基于過去土地利用結構演變規律而相互轉換,導致桂林市內碳儲增加區和減少區交錯、零散分布,碳儲減少區穩步蔓延,以中部和西南部尤為突出.資源保護情景則發生轉變,調整土地利用結構后碳儲量開始增加,碳儲空間增加區和減少區也有所變化.資源保護情景強化林地保護,一定程度上促使其他地類向林地轉變,既保障高碳儲地類的固碳能力,又極大地提高碳儲增量[41-42],因此與自然變化情景相比較,采取資源保護措施后碳儲增加區的比例擴大;同時合理控制建設用地,調整土地利用變化方向,限制低碳儲地類大幅度增加[43-44],使得資源保護情景中碳儲減少區比例明顯下降,尤其是中部和西南部的“顯著減少區”退化速度有所緩解.雖然其他地類相互轉換導致桂林市內碳儲增加區和減少區交錯、零散分布,但資源保護情景對林地和建設用地兩個關鍵地類進行了針對性的設置,最終碳儲增加區擴張和減少區縮減同步進行,總碳儲量迅速上升.

3.4 不足與展望

本研究耦合InVEST模型和GeoSOS-FLUS模型,為桂林市碳儲可持續發展提供了一套比較科學、系統的研究方法.在諸多生態系統服務模型中, InVEST模型以其操作簡單、處理迅速、適用性強等優點得到了廣泛運用,可較為直觀地表達評估結果.然而,InVEST模型也存在一些局限性.首先,本研究部分參數數據(如不同土地利用/覆被類型對四大碳庫的碳密度)來源于文獻分析以及經驗公式,由于各研究者對不同區域碳庫密度的認識或知識水平存在差異,加上指標選取的不一致性,估算結果存在不確定性;其次,InVEST模型對土地利用類型的碳儲存計算進行簡化,模型認定同一土地利用類型的碳密度是均質不變的,事實上同一土地利用類型會隨著環境和時間的變化獲得或損失碳,其碳密度也存在差異,因此在未來的研究中應該加強對碳密度的實地連續監測,及時對碳密度值的合理性進行驗證.

本研究使用GeoSOS-FLUS模型對未來土地利用變化進行情景模擬,有效預測土地利用變化對區域碳儲功能的潛在影響,但仍存在不足之處.例如,情境模擬時綜合自然和社會經濟兩方面共選取了六個土地利用變化驅動因子,但是驅動因子的類型和數量對模擬精度的影響尚不明確,因此后期研究中,在驅動因子選擇上應多次實驗,盡可能地保證各種因素對土地利用模擬的真實影響.

另外,桂林市部分區域存在典型的喀斯特地貌(峰叢洼地和峰林平原),喀斯特地區的土壤理化性質與非喀斯特地區具有較大差異,因此兩種不同區域的土壤有機碳密度也有所不同[45].由于桂林市喀斯特區域碳密度實測數據匱乏,本研究并未對兩種區域的土壤碳密度進行區分,對碳儲量的估算結果造成一定影響,未來的研究應盡可能通過實地調研獲取不同區域土壤碳密度的實測數據,以提高碳儲量估算結果的準確性.

4 結論

4.1 桂林市碳儲量存在顯著的空間分布特征,西北、西南及東部地區碳儲量總體較高.2000～2020年區域碳儲量整體呈減少趨勢,年均減幅為0.07t/hm2.桂林市碳儲量整體較高,但近年來受人類活動干擾等多種威脅影響固碳能力有所降低.

4.2 桂林市固碳能力高低與土地利用變化密切相關, 林地、耕地、草地、濕地、建設用地和水域對研究區的碳儲貢獻依次降低.林地面積減少和建設用地擴張及碎片化分布是導致碳儲量下降的主要原因.

4.3 碳儲極重要區是桂林市的核心碳庫,土地利用類型以林地為主,2020年該區域面積占到全市國土面積的71.02%,因此將碳儲極重要區劃定為優先保護區域,在該區域范圍內進行重點資源保護.

4.4 實施資源保護措施可以較好地實現桂林市固碳目標,自然變化情景下,預測2040年的碳儲量比2020年減少2.77×106t;資源保護情景下,預測2040年碳儲量比2020年增加1.95×106t.資源保護情景將有效減緩碳儲低值區的退化速度,擴大碳儲高值區所占比例,增強桂林市生態系統碳儲功能.

[1] Wackernagel M, Onisto L, Bello P, et al. National natural capital accounting with the ecological footprint concept [J]. Ecological economics, 1999,29(3):375-390.

[2] Costanza R, De Groot R, Sutton P, et al. Changes in the global value of ecosystem services [J]. Global environmental change, 2014,26:152- 158.

[3] 張華明,元鵬飛,朱治雙.中國城市人口規模、產業集聚與碳排放 [J]. 中國環境科學, 2021,41(5):2459-2470.

Zhang H M, Yuan P F, Zhu Z S. City population size, industrial agglomeration and CO2emission in Chinese prefectures [J]. China Environmental Science, 2021,41(5):2459-2470.

[4] Piao S, Fang J, Ciais P, et al. The carbon balance of terrestrial ecosystems in China [J]. Nature, 2009,458(7241):1009-1013.

[5] Schimel D S, House J I, Hibbard K A, et al. Recent patterns and mechanisms of carbon exchange by terrestrial ecosystems [J]. Nature, 2001,414(6860):169-172.

[6] 方精云,于貴瑞,任小波,等.中國陸地生態系統固碳效應——中國科學院戰略性先導科技專項“應對氣候變化的碳收支認證及相關問題”之生態系統固碳任務群研究進展 [J]. 中國科學院院刊, 2015,30(6):848-857,875.

Fang J Y, Yu G R, Ren X B, et al. Carbon sequestration in China's terrestrial ecosystems under climate change——progress on ecosystem carbon sequestration from the CAS strategic priority research program [J]. Bulletin of Chinese Academy of Sciences, 2015, 30(6):848-857,875.

[7] Piyathilake I, Udayakumara E P N, Ranaweera L V, et al. Modeling predictive assessment of carbon storage using InVEST model in Uva province, Sri Lanka [J]. Modeling Earth Systems and Environment, 2021,3:1-11.

[8] Babbar D, Areendran G, Sahana M, et al. Assessment and prediction of carbon sequestration using Markov chain and InVEST model in Sariska Tiger Reserve, India [J]. Journal of Cleaner Production, 2021, 278:123333.

[9] Imran M. Geospatially mapping carbon stock for mountainous forest classes using InVEST model and Sentinel-2data: A case of Bagrote valley in the Karakoram range [J]. Arabian Journal of Geosciences, 2021,14(9):1-12.

[10] 朱文博,張靜靜,崔耀平,等.基于土地利用變化情景的生態系統碳儲量評估——以太行山淇河流域為例[J]. 地理學報, 2019,74(3): 446-459.

Zhu W B, Zhang J J, Cui Y P, et al. Assessment of territorial ecosystem carbon storage based on land use change scenario: a case study in Qihe river basin [J]. Acta Geographica Sinica, 2019,74(3):446-459.

[11] 李 遠,張修玉,許振成,等.西雙版納森林植被碳儲量特征 [J]. 中國環境科學, 2013,33(S1):7-12.

Li Y, Zhang X Y, Xu Z C, et al. Carbon storage characteristics of forest vegetation in Xishuangbanna [J]. China Environmental Science, 2013, 33(S1):7-12.

[12] 張修玉,許振成,曾凡棠,等.珠江三角洲森林生態系統碳密度分配及其儲量動態特征 [J]. 中國環境科學, 2011,31(S1):69-77.

Zhang X Y, Xu Z C, Zeng F T, et al. Carbon density distribution and storage dynamics of forest ecosystem in Pearl River Delta of low subtropical China [J]. China Environmental Science, 2011,31(S1):69- 77.

[13] 李雷達,方 晰,李 斌,等.湖南省2014年森林植被碳儲量、碳密度及其區域空間分布格局 [J]. 中南林業科技大學學報, 2017,37(1): 69-77.

Li L D, Fang X, Li B, et al. Forest vegetation carbon storage, carbon density and spatial distribution pattern in 2014 in Hunan province [J]. Journal of Central South University of Forestry & Technology, 2017, 37(1):69-77.

[14] 蘭 秀,杜 虎,宋同清,等.廣西主要森林植被碳儲量及其影響因素 [J]. 生態學報, 2019,39(6):2043-2053.

Lan X, Du H, Song T Q, et al. Vegetation carbon storage in the main forest types in Guangxi and the related influencing factors [J]. Acta Ecologica Sinica, 2019,39(6):2043-2053.

[15] 鄧元杰,姚順波,侯孟陽,等.退耕還林還草工程對生態系統碳儲存服務的影響——以黃土高原丘陵溝壑區子長縣為例 [J]. 自然資源學報, 2020,35(4):826-844.

Deng Y J, Yao S B, Hou M Y, et al. Assessing the effects of the Green for Grain Program on ecosystem carbon storage service by linking the InVEST and FLUS models:a case study of Zichang county in hilly and gully region of Loess Plateau [J].Journal of Natural Resources, 2020,35(4):826-844.

[16] 魏亞偉,周旺明,于大炮,等.我國東北天然林保護工程區森林植被的碳儲量 [J]. 生態學報, 2014,34(20):5696-5705.

Wei Y W, Zhou W M, Yu D P, et al. Carbon storage of forest vegetation under the Natural Forest Protection Program in Northeast China [J]. Acta Ecologica Sinica, 2014,34(20):5696-5705.

[17] 姚 平,陳先剛,周永鋒,等.西南地區退耕還林工程主要林分50年碳匯潛力 [J]. 生態學報, 2014,34(11):3025-3037.

Yao P, Chen X G, Zhou Y F, et al. Carbon sequestration potential of the major stands under the Grain for Green Program in Southwest China in the next 50years [J]. Acta Ecologica Sinica, 2014,34(11):3025- 3037.

[18] Lahiji R N, Dinan N M, Liaghati H, et al. Scenario-based estimation of catchment carbon storage: linking multi-objective land allocation with InVEST model in a mixed agriculture-forest landscape [J]. Frontiers of Earth Science, 2020,14(3):637-646.

[19] Liu S Y, Hu N K, Zhang J, et al. Spatiotemporal change of carbon storage in the Loess Plateau of northern Shaanxi, based on the InVEST Model [J]. Sciences in Cold and Arid Regions, 2018,10(3):240-250.

[20] Nelson E, Mendoza G, Regetz J, et al. Modeling multiple ecosystem services, biodiversity conservation, commodity production, and tradeoffs at landscape scales [J]. Frontiers in Ecology and the Environment, 2009,7(1):4-11.

[21] Zhao M, He Z, Du J, et al. Assessing the effects of ecological engineering on carbon storage by linking the CA-Markov and InVEST models [J]. Ecological Indicators, 2019,98:29-38.

[22] 吳佩君,劉小平,黎 夏,等.基于InVEST模型和元胞自動機的城市擴張對陸地生態系統碳儲量影響評估——以廣東省為例 [J]. 地理與地理信息科學, 2016,32(5):22-28,36,2.

Wu P J, Liu X P, Li X, et al. Impact of urban expansion on carbon storage in terrestrial ecosystems based on InVEST model and CA: a case study of Guangdong Province, China [J]. Geography and Geo- Information Science, 2016,32(5):22-28,36,2.

[23] 楊 潔,謝保鵬,張德罡.基于InVEST和CA-Markov模型的黃河流域碳儲量時空變化研究 [J]. 中國生態農業學報(中英文), 2021,29(6):1018-1029.

Yang J, Xie B P, Zhang D G. Spatio-temporal evolution of carbon stocks in the Yellow River Basin based on InVEST and CA-Markov models [J]. Chinese Journal of Eco-Agriculture, 2021,29(6):1018- 1029.

[24] 田義超,黃遠林,張 強,等.北部灣南流江流域土地覆蓋及生物多樣性模擬 [J]. 中國環境科學, 2020,40(3):1320-1334.

Tian Y C, Huang Y L, Zhang Q, et al. Simulation of land cover and biodiversity in Nanliu river basin in Beibu Gulf [J]. China Environmental Science, 2020,40(3):1320-1334.

[25] 朱志強,馬曉雙,胡 洪.基于耦合FLUS-InVEST模型的廣州市生態系統碳儲量時空演變與預測 [J]. 水土保持通報, 2021,41(2):222- 229,239.

Zhu Z Q, Ma X S, Hu H. Spatio-temporal evolution and prediction of ecosystem carbon stocks in Guangzhou city by coupling FLUS- InVEST models [J]. Bulletin of Soil and Water Conservation, 2021,41(2):222-229,239.

[26] Liu X P, Liang X, Li X, et al. A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects [J]. Landscape and Urban Planning, 2017,168:94- 116.

[27] 齊 麟,許 東,朱 琪,等.基于GeoSOS-FLUS平臺的東北森林屏障帶生態格局優化 [J]. 生態學雜志, 2021,40(11):3448-3462.

Qi L, Xu D, Zhu Q, et al. Ecological pattern optimization of forest barrier belt in Northeast China based on Geo SOS-FLUS [J]. Chinese Journal of Ecology, 2021,40(11):3448-3462.

[28] 郝 亮,陳劭鋒,劉 揚.治理視角下中國可持續發展面臨的問題與對策研究——基于深圳、桂林、蘇北、太原四地可持續發展議程創新示范區建設方案的分析 [J]. 生態經濟, 2019,35(1):173-179.

Hao L, Chen S F, Liu Y. Research on the problems and countermeasures of China's sustainable development from the perspective of governance:based on the analysis of the construction plan of the national sustainable development agenda innovation demonstration zone of Shenzhen, Guilin, Subei and Taiyuan [J]. Ecological Economy, 2019,35(1):173-179.

[29] 陳 超,周廣勝.1961～2010年桂林氣溫和地溫的變化特征 [J]. 生態學報, 2013,33(7):2043-2053.

Chen C, Zhou G S. Analysis on variation characteristics of air temperature and ground temperature in Guilin from 1961 to 2010 [J]. Acta Ecologica Sinica, 2013,33(7):2043-2053.

[30] 徐廣平,李艷瓊,沈育伊,等.桂林會仙喀斯特濕地水位梯度下不同植物群落土壤有機碳及其組分特征 [J]. 環境科學, 2019,40(3):1491- 1503.

Xu G P, Li Y Q, Shen Y Y, et al. Soil organic carbon distribution and components in different plant communities along a water table gradient in the Huixian Karst wetland in Guilin [J]. Environmental Science, 2019,40(3):1491-1503.

[31] 陳 曦.廣西土壤有機碳儲量估算及與全國部分省區的比較研究 [J]. 地理科學, 2014,34(10):1247-1253.

Chen X. Estimation of soil organic carbon reserves in Guangxi and comparion study with some provinces in China [J]. Scientia Geographica Sinica, 2014,34(10):1247-1253.

[32] 榮 檢.基于InVEST模型的廣西西江流域生態系統產水與固碳服務功能研究 [D]. 桂林:廣西師范學院, 2017.

Rong J. Water yield and carbon storge ecosystem services evaluation of Xijiang River basin in Guangxi based on the InVEST model [D]. Guilin: Guangxi Normal University, 2017.

[33] 朱鵬飛.基于InVEST模型的廣西沿海地區土地利用/覆被變化的生態效應研究 [D]. 桂林:廣西師范學院, 2018.

Zhu P F. Study on ecological effect of land use/cover change in coastal area of Guangxi based on InVEST model [D]. Guilin:Guangxi Normal University, 2018.

[34] 包玉斌,李 婷,柳 輝,等.基于InVEST模型的陜北黃土高原水源涵養功能時空變化 [J]. 地理研究, 2016,35(4):664-676.

Bao Y B, Li T, Liu H, et al. Spatial and temporal changes of water conservation of Loess Plateau in northern Shaanxi province by InVEST model [J]. Geographical Research, 2016,35(4):664-676.

[35] 張 影,謝余初,齊姍姍,等.基于InVEST模型的甘肅白龍江流域生態系統碳儲量及空間格局特征 [J]. 資源科學, 2016,38(8):1585- 1593.

Zhang Y, Xie Y C, Qi S S, et al. Carbon storage and spatial distribution characteristics in the Bailongjiang Watershed in Gansu based on In VEST model [J]. Resources Science, 2016,38(8):1585-1593.

[36] 喬偉峰,盛業華,方 斌,等.基于轉移矩陣的高度城市化區域土地利用演變信息挖掘——以江蘇省蘇州市為例 [J]. 地理研究, 2013, 32(8):1497-1507.

Qiao W F, Sheng Y H, Fang B, et al. Land use change information mining in highly urbanized area based on transfer matrix: A case study of Suzhou, Jiangsu Province [J]. Geographical Research, 2013,32(8): 1497-1507.

[37] 朱會義,李秀彬.關于區域土地利用變化指數模型方法的討論 [J]. 地理學報, 2003,(5):643-650.

Zhu H Y, Li X B. Discussion on the index method of regional land use change [J]. Acta Geographica Sinica, 2003,(5):643-650.

[38] Pereira P. Ecosystem services in a changing environment [J]. Sci. Total Environ., 2020,702:135008.

[39] Gomes E, Inácio M, Bogdzevi? K, et al. Future land use changes and its impacts on terrestrial Ecosystem services: a review [J]. Sci. Total Environ., 2021:146716.

[40] 陳新云,王 甜,李寶健.北京市西北部生態涵養區未來土地利用及生態系統服務變化情景模擬 [J]. 西北林學院學報, 2021,36(1): 86-95.

Chen X Y, Wang T, Li B J. Simulation of the future land use and ecosystem services in the ecological conservation area in northwestern Beijing [J]. Journal of Northwest Forestry University, 2021,36(1): 86-95.

[41] 方精云,郭兆迪,樸世龍,等.1981～2000年中國陸地植被碳匯的估算 [J]. 中國科學(D輯:地球科學), 2007,(6):804-812.

[42] Yue X, Zhang T, Shao C. Afforestation increases ecosystem productivity and carbon storage in China during the 2000s [J]. Agricultural and Forest Meteorology, 2021,296:108227.

[43] Deng C, Liu J, Liu Y, et al. Spatiotemporal dislocation of urbanization and ecological construction increased the ecosystem service supply and demand imbalance [J]. Journal of Environmental Management, 2021,288:112478.

[44] Ren Y, Wei X, Wei X, et al. Relationship between vegetation carbon storage and urbanization: A case study of Xiamen, China [J]. Forest Ecology and Management, 2011,261(7):1214-1223.

[45] 張珍明,周運超,黃先飛,等.喀斯特小流域土壤有機碳密度及碳儲量空間分布異質性 [J]. 水土保持學報, 2017,31(2):184-190,214.

Zhang Z M, Zhou Y C ,Huang X F, et al. Spatial heterogeneity and distribution characteristics of soil organic carbon density and soil organic carbon storage in a small Karst watershed [J]. Journal of Soil and Water Conservation, 2017,31(2):184-190,214.

Study on sustainable development of carbon storage in Guilin coupled with InVEST and GeoSOS-FLUS model.

ZHANG Kai-qi1, CHEN Jian-jun1,2*, HOU Jian-kun1, ZHOU Guo-qing1,2, YOU Hao-tian1,2, HAN Xiao-wen1,2

(1.College of Geomatics and Geoinformation, Guilin University of Technology, Guilin 541004, China；2.Guangxi Key Laboratory of Spatial Information and Geomatics, Guilin University of Technology, Guilin 541004, China)., 2022,42(6)：2799～2809

In order to quantify the carbon storage of Guilin and quickly evaluate the impact of hierarchical conservation measures on regional carbon storage function, this study coupled carbon storage module of InVEST model and GeoSOS-FLUS model. Based on land use data and future land prediction results of different scenarios, the spatio-temporal characteristics of carbon storage in Guilin from 2000 to 2040 were analyzed. The results showed that the total carbon storage of Guilin in 2000, 2010 and 2020 was 554.02×106t, 553.58×106t and 550.21×106t respectively, showing a trend of "decreasing year by year". At the same time, affected by human activities and land use type change, the carbon storage level of each district and county in Guilin had a great spatial and temporal difference. The overall carbon storage was higher in northwest, southwest and east, and lower in northeast, southeast and central parts of Guilin. The high-value carbon storage area in Guilin was determined as the priority area for carbon storage resource protection. Compared with the natural change scenario, the forest land in Guilin was effectively protected under the resource conservation scenario, and the expansion of construction land was restricted. After taking resource protection measures, the total carbon storage of Guilin reaches 552.16×106t in 2040, an increase of 1.95×106t compared with 2020. The proportion of medium and low density carbon storage area decreases significantly, and the regional carbon sequestration capacity is greatly enhanced. The research results can provide guidance for the construction of national sustainable development demonstration city in Guilin, and also provide scientific reference for precise protection of carbon storage resources and land use management decisions.

carbon storage；InVEST model；GeoSOS-FLUS model；importance hierarchy；Guilin

X32

A

1000-6923(2022)06-2799-11

張凱琪(1998-),女,山東泰安人,桂林理工大學,主要從事生態遙感方向研究.發表論文1篇.

2021-11-17

國家自然科學基金(41801030,41901370);廣西科技計劃項目(桂科AD19245032);廣西自然科學基金(2018GXNSFBA281054);廣西八桂學者專項項目(周國清);廣西空間信息與測繪重點實驗室項目(19-050-11-22)

* 責任作者, 副教授, chenjj@glut.edu.cn