基于InVEST-PLUS 模型的碳儲(chǔ)量時(shí)空變化與多情景模擬預(yù)測(cè)
——以江西省為例

陳竹安，柳 雪

（1.東華理工大學(xué) 測(cè)繪與空間信息工程學(xué)院，江西?南昌 330013；2.東華理工大學(xué)自然資源部環(huán)鄱陽(yáng)湖區(qū)域礦山環(huán)境監(jiān)測(cè)與治理重點(diǎn)實(shí)驗(yàn)室，江西?南昌 330013）

土地利用變化通過(guò)改變生態(tài)系統(tǒng)的結(jié)構(gòu)、功能、小氣候狀況以及理化性質(zhì)等來(lái)影響生態(tài)系統(tǒng)碳循環(huán)過(guò)程，進(jìn)而影響生態(tài)系統(tǒng)的碳儲(chǔ)存與碳排放[1]。土地利用變化既有碳源作用又有碳匯作用，但實(shí)際上大多數(shù)情況下土地利用變化都增加了CO2的排放，已有研究表明，非持續(xù)的土地利用對(duì)氣候變暖的影響是僅次于化石燃燒[2]。所以，關(guān)于土地利用變化碳效應(yīng)的研究越來(lái)越成為學(xué)者們聚焦的論題，希望能通過(guò)科學(xué)合理的土地利用方式和管理方式達(dá)到固碳和降低碳儲(chǔ)量損失的目的。

隨著遙感技術(shù)的進(jìn)步，諸多遙感模型能夠起到量化土地利用變化碳效應(yīng)的作用。近年來(lái)，國(guó)內(nèi)外學(xué)者從多個(gè)空間尺度對(duì)土地利用變化及其產(chǎn)生的碳效應(yīng)做出大量研究，涉及全球[3]、國(guó)家[4]、省市域[5-6]、流域[7]及縣域[8]等。在研究方法上，InVEST 模型以其數(shù)據(jù)獲取便利、操作便捷及精確性等優(yōu)勢(shì)受到大多學(xué)者的青睞。在研究歷史時(shí)期土地利用與陸地生態(tài)系統(tǒng)碳儲(chǔ)量的同時(shí)，還有許多學(xué)者在聚焦未來(lái)多情景土地利用分布格局及其碳儲(chǔ)量的變化，如克夏·熱合曼[9]使用PLUS 模型，張凱琪[10]基于GeoSOS-FLUS 模型，王超越[11]使用FLUS 模型來(lái)模擬不同區(qū)域2030 年各種發(fā)展情景下的土地利用分布，復(fù)合InVEST 模型測(cè)算各個(gè)年份的碳儲(chǔ)量。除此之外，還有一些學(xué)者使用CASA[12-13]、GLO-PEM[14-15]等遙感模型評(píng)估區(qū)域生態(tài)系統(tǒng)碳儲(chǔ)量。除遙感模型外，以“簿記（Bookkeeping）模型”和IPCC 清單法為代表的經(jīng)驗(yàn)統(tǒng)計(jì)模型也是研究土地利用變化的碳收支影響的常用模型。王淵剛[16]使用“簿記模型”模型，將不同利用方式移走植被而存在的植被碳氧化速率差異考慮其中，估算出土地利用變化導(dǎo)致瑪納斯河流域植被碳儲(chǔ)量增加。

目前已有的研究多為預(yù)測(cè)地區(qū)在未來(lái)不同情景下碳儲(chǔ)量的變化狀況，但是對(duì)于土地利用變化與其相對(duì)應(yīng)的碳儲(chǔ)量的變化之間的關(guān)系缺乏足夠的探討。本文在研究土地類(lèi)型轉(zhuǎn)換引起的碳儲(chǔ)量變化的同時(shí)，還關(guān)注了土地利用程度與碳儲(chǔ)量的關(guān)系，更全面的考慮土地利用變化對(duì)碳儲(chǔ)量影響。為深入學(xué)習(xí)貫徹習(xí)近平生態(tài)文明思想和習(xí)近平總書(shū)記關(guān)于“雙碳”工作的重要論述，江西省錨定了2030 年“二氧化碳排放量達(dá)到峰值并實(shí)現(xiàn)穩(wěn)中有降”的總目標(biāo)。綠色生態(tài)是江西省最大的優(yōu)勢(shì)，在新發(fā)展階段，江西省肩負(fù)著探索生態(tài)優(yōu)先，綠色低碳發(fā)展道路的重大使命。這對(duì)于江西省實(shí)現(xiàn)跨越式發(fā)展，全面建設(shè)美麗中國(guó)“江西樣板”具有重大意義。基于此，本文采用PLUS模型模擬江西省2030 年三種不同情景下的土地利用分布情況，采用InVEST 模型計(jì)算其碳儲(chǔ)量，分析江西省土地利用變化特征及其對(duì)生態(tài)系統(tǒng)碳儲(chǔ)量的影響，以期為江西省實(shí)現(xiàn)綠色國(guó)土空間規(guī)劃理念，建設(shè)“綠色生態(tài)江西”提供理論基礎(chǔ)。

1 數(shù)據(jù)和方法

1.1 研究區(qū)概況

江 西 省 處 于24°29′14″～30°04′40″N 和113°34′36″ ～118°28′58″E 之間，位于中國(guó)的東南偏中部，長(zhǎng)江中下游的南岸，地貌類(lèi)型多山地丘陵，少平原盆地（圖1）。江西省地處中亞熱帶，季風(fēng)氣候明顯，四季分明。境內(nèi)的水熱條件差異較大，多年平均氣溫呈自北向南增高的趨勢(shì)，南北溫度差異約為3℃。江西省面積16.69 萬(wàn)km2，人口4 518 余萬(wàn)。進(jìn)入新世紀(jì)以來(lái)，江西省憑借優(yōu)越的交通區(qū)位優(yōu)勢(shì)，優(yōu)質(zhì)的自然資源，實(shí)現(xiàn)經(jīng)濟(jì)快速發(fā)展，質(zhì)量效益不斷提高，城市擴(kuò)張面積顯著增大，土地利用程度逐漸增強(qiáng)。

圖1 江西省地理位置圖Fig.1 Geographical location map of Jiangxi

圖2 江西省2000-2020 年土地利用轉(zhuǎn)移弦圖Fig.2 Chord map of land use transfer in Jiangxi Province from 2000 to 2020

2.2 數(shù)據(jù)來(lái)源

本研究所使用的數(shù)據(jù)如表1 所示，經(jīng)ArcGIS 重采樣為1 km×1 km 分辨率。地理坐標(biāo)系均為GCS_WGS_1984。

表1 數(shù)據(jù)來(lái)源Table 1 Data sources

2.3 研究方法

2.3.1 基于PLUS 模型的土地利用模擬

本研究采用PLUS 模型模擬江西省2030 年三種情景下的土地利用變化。

（1）驅(qū)動(dòng)因子的選取

綜合考慮研究區(qū)的地域特征以及各種數(shù)據(jù)在時(shí)空上的可得性與量化性，選取的驅(qū)動(dòng)因子主要包括自然因素、社會(huì)經(jīng)濟(jì)因素、可達(dá)性因素三類(lèi)（表1）。

（2）土地利用鄰域權(quán)重參數(shù)設(shè)定

土地利用鄰域權(quán)重表示土地類(lèi)型在外界各種驅(qū)動(dòng)因子的推動(dòng)下向外擴(kuò)張的能力。其范圍在0-1 之間，越接近1 表示擴(kuò)張的可能性越大。本研究不斷進(jìn)行模型調(diào)試，得到研究區(qū)各類(lèi)型土地的鄰域權(quán)重參數(shù)如表2 所示。

表2 鄰域因子參數(shù)Table 2 Neighborhood factor parameters

（3）模擬精度驗(yàn)證

基于研究區(qū)2010 年土地利用分布，預(yù)測(cè)2020 年的土地利用分布格局，再將其與2020 年真正的土地利用進(jìn)行比較，計(jì)算兩期的Kappa 系數(shù)為0.91，說(shuō)明模型精確性達(dá)到了研究需要的標(biāo)準(zhǔn)。

（4）未來(lái)土地利用模擬情景設(shè)置

自然發(fā)展S1 情景：自然發(fā)展情景即根據(jù)2010—2020年土地利用發(fā)展趨勢(shì)，運(yùn)用馬爾可夫鏈，得到的2030 年歷史發(fā)展趨勢(shì)下的土地利用需求。

生態(tài)保護(hù)S2 情景：生態(tài)保護(hù)情景的目的是加強(qiáng)草地、林地等生態(tài)土地的管護(hù)。在自然發(fā)展情景的前提下，參照《江西省國(guó)土空間總體規(guī)劃(2021—2035 年)》提出的“提升森林、濕地和農(nóng)業(yè)等生態(tài)系統(tǒng)碳匯能力，推進(jìn)落實(shí)碳中和目標(biāo)”，嚴(yán)格控制具有生態(tài)功能的農(nóng)田、草地、林地向建設(shè)用地的轉(zhuǎn)換。在生態(tài)保護(hù)情景下，耕地向建設(shè)用地轉(zhuǎn)移的概率降低了30%，并將減少的概率增加到耕地轉(zhuǎn)為林地，草地和林地向建設(shè)用地轉(zhuǎn)移的概率降低了50%，草地向林地的轉(zhuǎn)移概率增加30%，并將水域和自然保護(hù)區(qū)范圍作為限制區(qū)。

經(jīng)濟(jì)發(fā)展S3情景：江西省是糧食主產(chǎn)區(qū)之一，因此《江西省國(guó)土空間總體規(guī)劃(2021—2035 年)》提出“構(gòu)建‘五區(qū)三帶’的農(nóng)業(yè)空間格局”，以及“構(gòu)建‘一圈兩軸多群’的城鎮(zhèn)開(kāi)發(fā)格局，到2035 年，城鎮(zhèn)化率提高到72%～74%左右，在統(tǒng)籌城鄉(xiāng)發(fā)展的過(guò)程中保證農(nóng)產(chǎn)品的充分供給。因此，在經(jīng)濟(jì)發(fā)展情境中將耕地的鄰域權(quán)重增加到0.7，建設(shè)用地的鄰域權(quán)重設(shè)定為1。建設(shè)用地是經(jīng)濟(jì)發(fā)展最重要的用地，因此，將建設(shè)用地向其他地類(lèi)轉(zhuǎn)移的概率下降30%，耕地、林地、草地分別向建設(shè)用地轉(zhuǎn)移概率增加20%。

2.3.2 土地利用程度變化分析

土地利用程度一般使用土地利用程度綜合指數(shù)來(lái)衡量，它定量地反應(yīng)了人類(lèi)活動(dòng)對(duì)生態(tài)環(huán)境的開(kāi)發(fā)利用程度。本文將研究區(qū)劃為1840 個(gè)格網(wǎng)，每個(gè)格網(wǎng)均為10 km×10 km 大小，計(jì)算每個(gè)格網(wǎng)的土地利用程度指數(shù)。因?yàn)榻?jīng)過(guò)實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)，于江西省而言，10 km×10 km的格網(wǎng)尺度能最好地呈現(xiàn)區(qū)域間的土地利用程度變化差異。參考以往的研究[17]，將土地利用程度分為以下四個(gè)等級(jí)（表3），公式為：

表3 土地利用類(lèi)型分級(jí)指數(shù)Table 3 Classification index of land use type

表4 研究區(qū)土地利用碳密度參考值Table 4 Carbon density in the study area/(t/hm2)

式中：Ix為第x 個(gè)格網(wǎng)土地利用綜合程度指數(shù)；iA為第i級(jí)土地利用程度；Si為第i 級(jí)土地利用面積；S 為格網(wǎng)面積；n 為土地利用程度分級(jí)數(shù)。

2.2.3 基于InVEST 模型的碳儲(chǔ)量計(jì)算

InVEST 碳儲(chǔ)量評(píng)估需要地上碳密度、地下碳密度、死亡有機(jī)質(zhì)碳密度和土壤碳密度四個(gè)碳庫(kù)[18]。公式如下：

式中：Ci表示地類(lèi)i的總碳密度；Ci-above表示地類(lèi)i的地上碳密度；Ci-below表示地類(lèi)i的地下碳密度；Ci-soil表示地類(lèi)i的土壤碳密度；Ci-dead表示地類(lèi)i的死亡有機(jī)質(zhì)碳密度；Ci-total為地類(lèi)i的總碳儲(chǔ)量；Ai為地類(lèi)i的面積。

本文碳密度數(shù)據(jù)主要依據(jù)已公開(kāi)發(fā)表的文獻(xiàn)獲得。

3 結(jié)果與分析

3.1 江西省土地利用變化分析

2000—2020 年，林地是江西省最重要的土地利用類(lèi)型，超過(guò)土地總面積的60%，耕地、草地和水域的面積占比相對(duì)較少，建設(shè)用地和未利用地的面積占比最小。20 年間，耕地、林地、未利用地分別減少887 km2、1 725 km2和402 km2。草地面積下降70 km2。水域和建設(shè)用地則不斷擴(kuò)張，其中水域擴(kuò)張了391 km2，建設(shè)用地面積擴(kuò)張的最為顯著，2000—2020 年建設(shè)用地一共增加了2 693 km2。

如表2 和表5 所示，近20 年，耕地和林地作為最主要的轉(zhuǎn)出用地，分別向其他用地轉(zhuǎn)出了18 961 km2和18 900 km2,共占據(jù)了總轉(zhuǎn)出面積的80%，其中耕地有70.18%轉(zhuǎn)給林地，15.28%轉(zhuǎn)給建設(shè)用地；林地有73.27%轉(zhuǎn)給耕地，14.83%轉(zhuǎn)為草地。20 年間，建設(shè)用地一共轉(zhuǎn)入4 648km2，其中62.33%來(lái)源于耕地轉(zhuǎn)出，28.96%來(lái)源于林地轉(zhuǎn)出。耕地和林地的轉(zhuǎn)換率最高。

表5 江西省2000—2020 年土地利用轉(zhuǎn)移矩陣Table 5 Land use transfer Matrix of Jiangxi Province from 2000 to 2020單位：km2

如圖3 和表6 所示，在預(yù)測(cè)的2030 年S1 情景下的土地利用中，草地、水域和建設(shè)用地分別比2020 年增加258 km2、112 km2和1 329 km2，其他土地類(lèi)型則略微減縮，其中耕地面積減少663 km2，林地面積減少1 008 km2，未利用地減少17 km2。S2 情景是基于生態(tài)保護(hù)設(shè)定，嚴(yán)格限制林地向其他土地類(lèi)型轉(zhuǎn)換，因此2030 年S2 情景下的林地面積保持不變，草地面積擴(kuò)大100 km2，水域面積擴(kuò)大97 km2，建設(shè)用地面積增幅放緩，增加了666 km2，耕地和未利用地則減少844 km2和17 km2。經(jīng)濟(jì)發(fā)展設(shè)定的S3 情景下，建設(shè)用地增長(zhǎng)最為迅速，增加了1 691 km2，草地和水域分別增加237 km2和106 km2，林地和耕地減少的最多，分別減少了1 155 km2和851 km2。

表6 2000—2020 年土地利用面積及2030 年三種情景下預(yù)測(cè)面積Table 6 Land use area from 2000 to 2020 and predicted area in 2030 under three scenarios單位：km2

圖3 江西省2000—2020 年及2030 年三種情景下土地利用變化Fig.3 Land use change under three scenarios from 2000 to 2020 and 2030 in Jiangxi Province

3.2 江西省土地利用程度變化分析

在ArcGIS 中采用自然間斷點(diǎn)分級(jí)法，對(duì)計(jì)算得到的土地利用程度指數(shù)進(jìn)行分級(jí)。將Ix≤2.09 的格網(wǎng)分為低強(qiáng)度帶，Ix 為2.09～2.22 的格網(wǎng)分為較低強(qiáng)度帶，Ix 為2.22～2.40 的格網(wǎng)分為中強(qiáng)度帶，Ix 為2.40～2.64 的格網(wǎng)分為較高強(qiáng)度帶，Ix＞ 2.64 的格網(wǎng)分為高強(qiáng)度帶（圖4）。

圖4 江西省2000-2030 年土地利用程度變化Fig.4 Change of land use degree in Jiangxi Province from 2000 to 2030

從圖4 及表7 可得，江西省2000—2020 年土地利用程度總體上來(lái)看呈現(xiàn)“北高南低，中間高、四周低”的趨勢(shì)，土地利用高強(qiáng)度帶主要分布在南昌市及其周?chē)貐^(qū)。贛南、贛西北和東北區(qū)的土地利用高強(qiáng)度帶分布較少，甚至贛州市全市總體上都處于中低強(qiáng)度帶的分布區(qū)域內(nèi)。高強(qiáng)度帶內(nèi)主要分布的是建設(shè)用地和耕地，中低強(qiáng)度帶則分布的是林地、草地。形成這種空間分布特征的原因可能是高強(qiáng)度帶是人口聚集的主要區(qū)域，生成了較多的建設(shè)用地和耕地，人類(lèi)活動(dòng)對(duì)于生態(tài)環(huán)境的改變較大，因此土地利用程度高。從2000—2020 年的發(fā)展趨勢(shì)來(lái)看，土地利用低強(qiáng)度帶格網(wǎng)數(shù)量不斷減少，中強(qiáng)度帶波動(dòng)上升，較高強(qiáng)度帶轉(zhuǎn)變?yōu)楦邚?qiáng)度帶致使其數(shù)量持續(xù)增加。在空間分布上，由于建設(shè)用地以南昌市為中心向周?chē)鞘袛U(kuò)展，土地利用高強(qiáng)度帶也隨之外擴(kuò)。在預(yù)測(cè)的2030年三種情景中，經(jīng)濟(jì)發(fā)展S3 情景下建設(shè)用地的比例最高，因此土地利用高強(qiáng)度帶數(shù)量最多，S2 情景限制了建設(shè)用地面積增長(zhǎng)，因此土地利用高強(qiáng)度帶數(shù)量最少，但總體上的擴(kuò)張方向與2000—2020 年是一致的。2030 年模擬的三種情景下，生態(tài)保護(hù)S2 情景土地利用中低強(qiáng)度帶格網(wǎng)數(shù)量最多，經(jīng)濟(jì)發(fā)展S3 情景中高強(qiáng)度帶最多。

表7 江西省2000-2020 及2020 年三種情景下土地利用程度帶數(shù)量Table 7 Number of land use intensity zones under three scenarios from 2000 to 2020 and 2020 in Jiangxi Province

3.3 江西省碳儲(chǔ)量變化分析

將2000—2020 年及2030 年三種情景計(jì)算的碳儲(chǔ)量的值提取到10 km×10 km 的格網(wǎng)，按照自然間斷點(diǎn)分級(jí)法將碳儲(chǔ)量分為5 個(gè)等級(jí)，0～316 272 t/100 km2分為有待提高區(qū)，316 273～679 321 t/100 km2分為一般重要區(qū)，679 322～978 363t/100 km2分為比較重要區(qū)，978 364～1172 386 t/100 km2分為重要區(qū)，1172 387～1315 153 t/100 km2分為極重要區(qū)。從圖5 可以看出，碳儲(chǔ)量的重要性分級(jí)區(qū)域基本與土地利用程度分級(jí)一致，土地利用程度低的地帶碳儲(chǔ)量重要級(jí)高，土地利用程度高的區(qū)域碳儲(chǔ)量重要級(jí)相對(duì)低。

圖5 江西省2000-2030 年碳儲(chǔ)量變化分布圖Fig.5 Carbon storage distribution map of Jiangxi Province from 2000 to 2030

從圖5、表8 可得，江西省2000 年、2010 年和2020年 碳 儲(chǔ) 量 分 別 為1 937.69×106t、1 928.90×106t 和1 914.83×106t，呈現(xiàn)逐步下降的趨勢(shì)，2000—2020 期間碳儲(chǔ)量損失22.86×106t，其中2010—2020 年碳儲(chǔ)量的損失相對(duì)更多，為14.07×106t。

表8 江西省2000-2030 年各土地利用類(lèi)型碳儲(chǔ)量Table 8 Carbon storage by land use type in Jiangxi Province from 2000 to 2030單位：×106 t

2030 年預(yù)測(cè)的S1、S2、S3 三種土地利用情景對(duì)應(yīng)的碳儲(chǔ)量依次為1 901.94×106t、1 909.44×106t、1 899.45×106t。與2020 年對(duì)比，2030 年三種情景下的碳儲(chǔ)量又分別減少12.89×106t，5.38×106t 和15.38×106t。在2030 年S1、S2、S3 情景中，耕地、林地和未利用地三種地類(lèi)的碳儲(chǔ)量呈跌勢(shì)，草地和建設(shè)用地的碳儲(chǔ)量呈漲勢(shì)。

不同的土地利用類(lèi)型中，林地的碳儲(chǔ)量最多，耕地次之，草地、建設(shè)用地和未利用地的碳儲(chǔ)量相對(duì)較少。林地面積在區(qū)域總面積中占比高達(dá)60%，其碳儲(chǔ)量對(duì)研究區(qū)碳儲(chǔ)總量的貢獻(xiàn)率約為70%，對(duì)整個(gè)區(qū)域的碳儲(chǔ)量貢獻(xiàn)值最大，是主要的碳庫(kù)。耕地的面積占總面積的26%，碳儲(chǔ)量占區(qū)域總量的24%。但是由于建設(shè)用地的擴(kuò)張占用林地、草地，林地和草地的面積有所減少，其碳儲(chǔ)量也在趨于下降，與此同時(shí)建設(shè)用地的碳儲(chǔ)量在增加，但是建設(shè)用地的碳密度比林地、草地的碳密度低，因此因建設(shè)用地增加而增加的碳儲(chǔ)量要比林地、草地減少而減少的碳儲(chǔ)量少得多，總體來(lái)看，區(qū)域內(nèi)的總碳儲(chǔ)量是趨于減少的。

3.4 土地利用程度與碳儲(chǔ)量雙變量空間自相關(guān)變化分析

運(yùn)用GeoDa 軟件對(duì)研究區(qū)土地利用程度綜合指數(shù)和碳儲(chǔ)量進(jìn)行雙變量空間自相關(guān)分析，結(jié)果顯示6 期數(shù)據(jù)均通過(guò)了1%的顯著性檢驗(yàn)，說(shuō)明在99.9%的置信度下江西省土地利用程度和碳儲(chǔ)量具有正向空間相關(guān)性。2000—2020 年及2030 年三種情景下的Moran’s I 值分別為0.557、0.560、0.563、0.566、0.566 和0.565。如圖6 所示，這說(shuō)明江西省土地利用程度與碳儲(chǔ)量有著較高空間相關(guān)性，土地利用程度高值區(qū)其碳儲(chǔ)量值較低，土地利用程度低值區(qū)其碳儲(chǔ)量值較高。

圖6 土地利用程度綜合指數(shù)與碳儲(chǔ)量雙變量Moran’s I 散點(diǎn)圖Fig.6 Comprehensive index of land use degree and bivariate Moran’s I scatter plot of carbon storage

4 討論

本文設(shè)置了自然發(fā)展、生態(tài)保護(hù)以及經(jīng)濟(jì)發(fā)展三種土地利用模擬情景，利用PLUS 模型模擬了江西省2030年土地利用變化，并使用InVEST 模型計(jì)算了2000—2030 年江西省碳儲(chǔ)量時(shí)空變化。研究結(jié)果發(fā)現(xiàn)，江西省2000—2030 年碳儲(chǔ)量呈減少的趨勢(shì)，2000—2030 年S3情景減少最多，約38.24×106t。江西省碳儲(chǔ)量與土地利用綜合程度指數(shù)是正相關(guān)關(guān)系，碳儲(chǔ)量的空間動(dòng)態(tài)變化特征與土地利用變化特征高度吻合。截止2020 年，江西省人口總量規(guī)模繼續(xù)擴(kuò)大，城鎮(zhèn)化水平首次超過(guò)60%，建設(shè)用地也由2000 年的2 701 km2擴(kuò)張到2020 年的5 394 km2，增長(zhǎng)了約2 倍。這是由于人口不斷增長(zhǎng)和社會(huì)經(jīng)濟(jì)發(fā)展引起更加劇烈的人類(lèi)活動(dòng)，建設(shè)用地通過(guò)侵占耕地和林地使生態(tài)環(huán)境向負(fù)向發(fā)展，碳儲(chǔ)量也因此持續(xù)下降[24]。本研究預(yù)測(cè)的2030 年江西省3 種情景下的碳儲(chǔ)量變化有比較明顯區(qū)別，S1 和S3 情景下碳儲(chǔ)量較2020年相比分別持續(xù)減少12.89×106t 和15.38×106t，而這兩種情景下的土地利用變化特征也相對(duì)一樣，都是耕地、林地減少，草地、水域和建設(shè)用地增加；S2 情景下碳儲(chǔ)量的變化較2020 年相比只減少5.38×106t，這比S1 和S3 情景下計(jì)算的碳儲(chǔ)量損失要少得多，究其原因可能是S2 情景下加大了對(duì)生態(tài)用地的保護(hù)并在一定程度上限制了建設(shè)用地的擴(kuò)張趨勢(shì)，具有高碳密度值的林草地的轉(zhuǎn)出率大大下降，因此延緩了陸地生態(tài)系統(tǒng)碳儲(chǔ)量的下降趨勢(shì)。在各類(lèi)用地對(duì)碳儲(chǔ)總量的貢獻(xiàn)中，林地以高達(dá)約71%的占比遠(yuǎn)遠(yuǎn)超出其他用地的貢獻(xiàn)占比。林地因其巨大的固碳能力成為陸地生態(tài)系統(tǒng)最重要的碳庫(kù)[25]，而江西省又是一個(gè)擁有林地面積高達(dá)60%以上的“綠省”，因此嚴(yán)格限制林地的轉(zhuǎn)出是實(shí)現(xiàn)“雙碳”目標(biāo)下綠色國(guó)土生態(tài)格局的重要舉措。此外，耕地對(duì)碳儲(chǔ)量的貢獻(xiàn)約為24%，與林地碳儲(chǔ)量相比，耕地碳儲(chǔ)量下降的比較慢，這可能是因?yàn)榻魇∝瀼刈顕?yán)格的耕地保護(hù)制度，嚴(yán)格控制建設(shè)占用耕地，耕地面積下降幅度比較小。草地、未利用地和建設(shè)用地對(duì)碳儲(chǔ)量的貢獻(xiàn)較少，但建設(shè)用地的碳儲(chǔ)量在隨著其面積的擴(kuò)張而不斷增加。

本研究使用PLUS 和InVEST 模型定量的評(píng)價(jià)未來(lái)土地利用與陸地生態(tài)系統(tǒng)碳儲(chǔ)量的關(guān)系，能夠比較清晰地反映二者在空間和數(shù)量上的聯(lián)系，對(duì)于優(yōu)化區(qū)域生態(tài)系統(tǒng)服務(wù)功能，制定可持續(xù)的社會(huì)經(jīng)濟(jì)發(fā)展戰(zhàn)略以及區(qū)域碳排放管理等具有重要意義。但也存在許多的不確定因素，首先，本研究中PLUS 模型設(shè)置的經(jīng)驗(yàn)參數(shù)會(huì)對(duì)模型的精度造成一些不確定性影響，在現(xiàn)實(shí)中影響土地利用變化的因素實(shí)際上可能會(huì)更多，本文參考的影響因素是根據(jù)數(shù)據(jù)在時(shí)空上的可獲得性與量化的可能性，還有許多無(wú)法量化的影響因子并未在模型中得到考慮；其次，雖然InVEST 模型能夠清晰地反映碳儲(chǔ)量的時(shí)空變化，但仍存在不確定性。在InVEST 模型中，只考慮了各種土地類(lèi)型的變化對(duì)碳儲(chǔ)量的影響，這沒(méi)有考慮到碳密度的年際變化帶來(lái)的影響。而碳密度又與氣候、水文、土壤等諸多因子息息相關(guān)[26]。本研究中InVEST 模型使用的碳密度數(shù)據(jù)是基于文獻(xiàn)匯總的途徑獲取，并不是實(shí)測(cè)碳密度數(shù)據(jù)，因此應(yīng)對(duì)研究區(qū)進(jìn)行多年連續(xù)的碳密度監(jiān)測(cè)以確保數(shù)據(jù)的合理準(zhǔn)確性，這樣碳儲(chǔ)量的評(píng)估結(jié)果才能更貼近實(shí)際[27]。

5 結(jié)論

（1）2000—2020 年，江西省的耕地、林地和未利用地持續(xù)下降，水域和建設(shè)用地面積擴(kuò)張，草地呈現(xiàn)先下降后增加的趨勢(shì)。到2020 年，各類(lèi)用地的面積占比從大到小依次排列為：林地（61.45%），耕地（26.34%），草地（4.4%），水域（4.31%），建設(shè)用地（3.19%），未利用地（0.31%）。2000—2020 年土地利用程度帶與土地類(lèi)型的分布一致性較高，建設(shè)用地和耕地聚集區(qū)域的土地利用程度一般也比較高，林地、草地、水域等用地類(lèi)型分布的區(qū)域受人類(lèi)活動(dòng)干擾小，因此是土地利用中低強(qiáng)度帶廣泛分布的地區(qū)。

（2）較2020 年相比，2030 年三種土地模擬情景中，草地、水域、建設(shè)用地面積擴(kuò)張，其中建設(shè)用地在S3 情景下增長(zhǎng)了1%的最大幅度；耕地和未利用地則有所減少；林地面積在S1 和S3 的模擬情景下面積變少但在S2 模擬情景下保持與2020 年一致。建設(shè)用地碳儲(chǔ)量在三種情景下都是增加趨勢(shì)，并且在S3 情景下碳儲(chǔ)量增加最多，為7.35×106t;耕地和未利用地碳儲(chǔ)量在三種情景下都在減少;林地碳儲(chǔ)量在S1 和S3 情景下減少，在S2 情景中與2020 年持平；草地碳儲(chǔ)量增加的較少。

（3）土地利用變化是影響碳儲(chǔ)量高低的重要因素，江西省2000—2030 年碳儲(chǔ)量與土地利用程度呈正相關(guān)性。碳儲(chǔ)量高值區(qū)內(nèi)存在大量的林地和草地，低值區(qū)內(nèi)則廣泛分布著建設(shè)用地和水域。在空間分布上，分布著大量林地的贛州市是主要的碳儲(chǔ)量重要區(qū)和極重要區(qū)，南昌市由于建設(shè)用地占比較高，因此屬于碳儲(chǔ)量低值區(qū)。