基于InVEST與CA-Markov模型的生態系統碳儲量時空演變及預測

關鍵詞：InVEST 模型；CA-Markov 模型；土地利用變化；碳儲量；寶雞市

中圖分類號：X144 文獻標志碼：A 文章編號：2095-1329（2024）04-0079-08

自工業化以來，人類社會飛速發展，但同時造成的資源過度開發及全球氣候變化問題也日益嚴重。2022年IPCC 工作報告預測顯示2030—2052年間，全球變暖將提速至1.5℃，即使全球每年減少8%的碳排放，到2034年也僅有50% 的概率使全球變暖幅度低于1.5℃ [1-2]。生態系統通過碳儲存減緩大氣CO₂ 濃度上升進而抑制全球變暖，是最經濟且自然綠色的途徑之一[3]。土地利用/ 覆蓋（LULC）直接影響其結構、功能及能量循環，是生態系統碳儲存變化的主要因素之一 [4-5]。寶雞市是關中平原城市群副中心、老工業城市，秦嶺占全市面積為41.33%。有研究表明，近40年寶雞市區域對秦嶺生境質量侵蝕較為嚴重 [6]。2019年國家發布了《陜西省秦嶺生態環境保護條例》，進一步強調了秦嶺生態保護的重要性。因此，量化寶雞市LULC及其對碳儲量的響應關系及多情景預測對于該區域的雙碳目標的實現及可持續發展具有重要意義。

當前國內許多研究量化了區域碳儲量及其時空變化且進行了多情景預測，但大部分研究以國家、流域、省域及省級城市為研究區 [7-10]，鮮有對中西部生態保護區及老工業城市的研究，而此類城市較其他城市的發展模式存有差別，有必要進行不同發展導向的模擬。同時，碳儲量的情景預測普遍以絕對約束性概率進行模擬，且缺乏當前國土空間規劃背景下建設用地擴張約束的情景預測分析[8，10]。此外，許多研究聚焦于歷史及現狀LULC與生態系統碳儲存功能之間的關系，而生態系統碳儲存功能對氣候變化的影響具備一定滯后性[11-12]。綜上，當前采用非絕對約束條件預測不同發展導向下該類城市碳儲量的研究尚且不多。

當前已有許多碳儲量的研究，如Xu[13] 和Wang[14] 等分別通過優化CASA 模型、CEVSA模型對中國城市植被以及陸地碳儲量進行了估算。Kirsten[15] 與Zhao[16] 等則分別通過DICE模型、高精度曲面建模（HASM）對新斯科舍省濕地以及新疆、黑龍江及吉林省的國有林場進行了碳儲量估算與影響因子分析。Han[17] 等則通過InVEST模型探索了首爾地區的碳儲量時空格局。其中InVEST模型具備模擬精度高、可操作性強、評估結果可視化等優點，應用最為廣泛[18-19]。

LULC預測模型以數量預測及空間分布預測模型為主，數量預測模型基于數學模型預測LULC變化，如灰色預測模型[20]、Markov模型[21-22]和人工神經網絡（ANN）[23]等?？臻g預測模型則基于輸入的轉換規則模擬LULC 空間演變，如元胞自動機（CA）[24]、CLUE-S 模型[25] 以及GEOMOD模型[26] 等。隨著研究的進一步深入，為使研究結果更具針對性，許多學者將數量預測及空間預測模型進行耦合使用， 如CA-Markov 模型、Markov-CLUE-S模型等，其中CA-Markov 模型是目前最典型、最常用的LULC 耦合預測模型之一，廣泛應用于不同地區的LULC時空模擬[27-28] 。據此， 本次研究結合InVEST 與CAMarkov模型開展2030年寶雞市LULC多情景模擬研究并預測其碳儲量分布，以期為不同發展導向下寶雞市土地利用及碳儲量管理提供數據支撐及科學依據。

1研究區與數據源

1.1研究區概況

寶雞市（106°18’～108°03’E，33°35’～35°06’N） 地處關中平原西部、陜甘寧川四省交界處。

地形地貌錯綜復雜，三面環山，北部為黃土丘陵，以中部渭河平原為中軸向東擴展至關中平原中部，南部秦嶺，西部山地，境內兼備山、川、塬等多種形態。寶雞市土地利用率較高，以林地為主，人均耕地少，人地矛盾日益突出，第三次國土調查顯示耕地約占15%，園林地占76%，草地及濕地占1.4%，建設用地約占6%[29]。2020年常住人口332.18萬人，城鎮化率57.04%，GDP為2276.95億元。當前陜西省對寶雞市的未來規劃定位為未來陜甘寧毗鄰地區特大城市及全省乃至我國西部第二增長極。

1.2數據來源

土地利用類型數據：LULC數據源于武漢大學30m土地覆被數據集CLCD（https：//doi.org/10.5194/essd-13-3907-2021），并參考國土資源部土地使用狀況分類標準（GB/T21010—2017） 進行重分類（表1）；土地利用驅動因子：參考前人研究成果[9，18]，以自然、社會經濟2 個維度選擇了DEM、坡度、坡向、降水、溫度、GDP、人口、距水系、主要道路及鐵路距離等10 類驅動因子（表2），其中距水系、主要道路和鐵路距離通過ArcGIS Pro3.1歐式距離工具計算得到。所有數據統一投影及邊界，基于模擬調試結果重采樣至60m。

2 研究方法

2.1基于InVEST模型的碳儲量

模擬InVEST模型碳儲存模塊主要通過計算地上生物碳、地下生物碳、土壤碳和死亡有機碳4部分評估碳儲量[9]，其計算公式如下：

由于Csoil數據影響較小且難以獲取，參考相關研究成果 [34-35]，將Csoil 碳庫設為0，最終地類碳密度值見表3。

2.2基于CA_Markov模型的土地利用變化多情景模擬

CA-Markov模型通過耦合CA 模型和Markov 模型，結合了時間序列及復雜系統空間變化的優勢[30]。參考相關文獻[31-34] 綜合考慮10類自然及社會經濟因子，進行2020年寶雞市LULC模擬驗證，驗證精度為84.99%，表明預測結果具備較高的適用性，可用于未來不同情景的預測。

參考前人研究結果[18，32，35] 將水域設為約束條件，并結合國土空間規劃“三線”管控體系，最終構建2030年CA-Markov 模型的4種情景：自然增長情景（a）以2010—2020年轉移概率矩陣作為預測轉移概率矩陣；耕地保護情景（b）將耕地轉向其他地類的概率乘以系數0.85以進行管控，并等比例增加其他地類轉入耕地的概率；生態保護情景（c）將林地及草地轉向其他地類的概率分別乘系數0.9，并等比例增加其他地類轉入林草用地的概率；建設用地抑制情景（d）將建設用地轉向其他地類的概率乘系數1.15，其他地類轉向建設用地的概率分別乘以系數0.9，未利用地進行約束控制。

3 結果與分析

3.1 土地利用變化特征

2000—2020年，寶雞市各地類面積均為林地＞耕地gt;草地gt; 建設用地gt; 水域gt; 未利用地，土地利用結構穩定（表4）。

林地集中在南部鳳縣和太白縣及西北部隴縣西南側；耕地大規模集中分布在中部渭河平原及隴縣東北部；草地主要集中在隴縣北部，并在麟游縣散狀分布；建設用地主要集中在渭河兩側，并在各縣區零星分布；水域及未利用地面積較小，水域主要以渭河及周邊湖泊為主；未利用地則零星分布于各縣區周邊（圖 2）。

2000—2020年，寶雞市呈現出 “兩減多增”的變化特征。其中耕地先減后增，共減少420.25 km²，主要轉變為建設用地，草地逐漸轉出為耕地及林地，總體減少866.09 km²。林地總體呈增加趨勢，共增加986.35 km²，主要來源于草地及耕地的轉入，建設用地總體呈增長趨勢，共增加283.95 km²；水域及未利用地總體變化較小且呈增長趨勢，分別增加15.93km² 及0.11 km²。

研究期間，各地類轉入轉出比由高到地分別為未利用地（10）＞建設用地（2.0）＞水域（1.56）＞林地（1.1）＞耕地（0.93）＞草地（0.55），轉入轉出比越低，則該地類越容易被轉移為其他地類；反之，則該地類更難轉移為其他地類。草地及耕地的土地轉移成本較低，容易轉入其他用地；林地、水域、建設用地及未利用地的土地轉移成本相對較高，不易被侵占。結合2000—2020年土地利用轉移矩陣（表5），建設用地及林地轉入轉出比較高，表明寶雞市擴張明顯且退耕還林增加了大量林地，耕地及草地的轉入轉出比較低，表明建設用地侵占耕地、耕地占補平衡減少了大量草地，同時草地集中分布的麟游縣及隴縣特色林果業的快速發展也可能進一步使得草地減少。綜上所述，研究期間寶雞市社會經濟發展、退耕退草還林工程及耕地占補平衡的實施產生的多重作用導致耕地、林地、草地、建設用地等地類的轉換程度較大，也突出反映了寶雞市經濟發展和生態發展的空間矛盾。

3.2碳儲量變化特征

寶雞市2000—2020年碳儲量分別為161.66×10⁶ t、165.15×10⁶ t 及170.19×10⁶ t，整體呈上升趨勢， 共增加8.53×10⁶ t，增幅為 5.3%（表 6）。在此期間，地類之間的相互轉換使得草地及耕地碳儲量下降，其他地類碳儲量上升，但總體而言，退耕還林政策通過增長林地，減少耕地使得總體碳儲量持續增長。其中：林地碳儲量持續增長，于 2020年達到最大； 草地碳儲量在 2000—2010年基本不變，在2010—2020年斷層式下降；耕地碳儲量呈波浪式下降，2000—2010年略有下降， 2015—2020年小幅上升；建設用地碳儲量持續上升，水體及未利用地碳儲量幾乎不變，且建設用地、水域與未利用地碳儲量之和僅占總碳儲量的0.5%。因此，林地、耕地及草地決定了寶雞市總碳儲量的總體變化趨勢。

為直觀體現寶雞市碳儲量的局部變化趨勢，因UberH3全球地理格網在鄰域檢索方面及陸地場景的優勢[36]，選擇 Uber H3 7 級格網生成4287個六邊形格網作為分析單元進行碳儲量變化統計（圖3），同時將結果分為7 個類型，以反映其空間增減變化。結果顯示，2000—2020年，以10年為間隔，寶雞市碳儲量空間變化趨勢大體相同，其中2000—2010年，增損區域交錯，呈“夾心”結構，重度及中度損失區主要分布在渭河平原耕地及建設用地和西北部隴縣草地集中區，同時零星存在于東南部秦嶺主要道路沿線，增加區集中在北部千陽縣及麟游縣的耕、林、草地相間區，南部秦嶺林地則大部分為增長區及不變區，部分道路沿線為損失區。2010—2020年，增減區域大體仍呈“夾心”結構，且西北部隴縣耕、草地相間區的損失趨勢出現大面積逆轉，但南部秦嶺西南部鳳縣出現了損失區擴散現象。

由表 4 可知，耕地、林地、草地的碳儲量約占總碳儲量的 99.5%。在社會經濟發展及國家政策導向的作用下，寶雞市土地利用變化以耕地、林 地、草地、建設用地4類用地間相互轉換為主，并進一步影響寶雞市碳儲量變化。2000—2020年間碳儲量碳儲量持續增長主要源于林地此類高碳密度地類的增長，由于退耕還林及耕地占補平衡政策的實施，隴縣及千陽縣耕地轉向林地以及部分草地轉移為耕地，同時由于1996年秦嶺保護區的設立，2000—2010年期間秦嶺大部分區域碳儲量為增長區。另一方面，社會發展對于建設用地及耕地的需求，也導致了中部渭河平原區碳儲量持續損失以及南部秦嶺的碳儲量損失區擴散，雖然上述保護政策彌補了其損失，但建設用地無序擴張導致的碳儲量損失也急需重視。綜上，當前生態用地損失、耕地損失以及建設用地擴張是影響碳儲量變化的關鍵因素，協調三者之間的結構，可以有效提升寶雞市碳儲量。

3.3 碳儲量多情景模擬

2030年，4種情景的裝移概率矩陣如下（表7），各情景土地利用分布格局基本未變（圖4），但各情景下不同用地變化略有不同（表8）。

自然發展情景（a）中，林地面積優勢不變，但減少面積最高，總占比減少11.72%；草地由同期約50% 的減少比例降至8.68%，得到了有效抑制。耕地及建設用地分別增長11.66% 及63.88%，水域及未利用地均為增長。耕地保護情景（b）中，耕地及建設用地仍在增長，但耕地增長比例上升至13.32%，總面積增加至6110.11 km²，建設用地增加比例較自然發展情景降低32.11%，總面積為294.6 km²，下降趨勢明顯，其他地類面積較自然發展情景均有所下降，有效響應了糧食安全及耕地紅線等基本政策。生態保護情景（c）中，林地及草地等生態用地較其他情景比例最高，但耕地面積及建設用地略有下降，相較于自然發展情景分別下降4.49% 和21.91%。建設用地抑制情景（d）中，建設用地增加比例為4 種情景的谷值（26.04%），耕地的面積得到較大提升，說明建設用地主要侵占耕地，有效抑制了寶雞市建設用地的急劇擴張，同時保證了一定的建設用地增速用于維持經濟發展。

2030年，4種情景碳儲量依次為生態保護情景＞自然發展情景＞建設用地抑制情景＞耕地保護情景，分別為161.12×10⁶、160.02×10⁶、160.01×10⁶、159.88×10⁶t，較2020年分別減少5.33%、5.98%、5.98%、6.06%（表9）。

各情景碳儲量變化分布情況如下（圖5），其中耕地保護情景碳儲量最低，主要因寶雞市耕地主要由林草用地轉入而成，而其碳密度較林地較低。建設用地抑制情景則因建設用地主要侵占耕地，抑制了建設用地擴張，導致其更易侵占林草用地。自然情景中，耕地增長較低，因此林草用地數量較高，故而碳儲量處在較高位置。生態保護情景中，由于限制了林草用地的轉出，使其得到了一定的保護，使寶雞市碳儲量減少幅度有效降低，表明生態保護情景使保護寶雞市碳儲量的最優模式。

4討論

本研究發現，2000—2020年耕地、草地分別減少420.25 km²、 866.09 km²，林地、建設用地分別增加986.35 km²、283.95 km²。因寶雞市南部秦嶺為我國頂級生態空間，北部渭河流域為典型生態脆弱區[37]， 為改善其生態環境，1996年以來，國家先后設立了秦嶺生態保護及退耕還林等政策，使得寶雞市林地面積出現上升，但同時，由于經濟發展的需要、新區的設立以及政府坐落地的搬遷，建設用地快速沿渭河由東至西不斷侵占耕地[38]。上述政策使得寶雞市土地利用呈現出 “兩減多增”的變化特征，這與胡豐[39] 等的研究結果相似。這段時期，寶雞市碳儲量呈上升趨勢，這與屈頌杰[34] 等及趙雙紅[37]等的研究結果一致。耕地、草地向林地轉移是碳儲量增加的主要原因，而碳儲量下降這主要源于建設用地侵占耕地，這與前人在中原區域中原區域及渭河流域的碳儲量研究結果[10，37] 相似。南部秦嶺生態保護政策有效增加了寶雞市碳儲量，但仍需定期監測北部渭河流域土地利用結構變化。

未來4種情景的碳儲量均有所下降，在耕地保護情景下碳儲量最低，這是由于寶雞市三山一水一平原的自然條件，在保護耕地的情況下，由于其較高的林地結構，導致建設用地更易侵占林地。建設用地抑制情景次之，主要因建設用地擴張得到了抑制，使得耕地增加，但林草用地出現了一定下降。自然發展情景下碳儲量較低，主要因建設用地侵占耕地及其他地類轉入耕地造成，表明建設用地擴張引起的碳儲量損失不容忽視。4種情景中，生態保護情景下碳儲量最高，林草等身體用地得到較好的保護，同時耕地及建設用地得到了適度增長，這與陳竹安[40]、[9]及帕茹克·吾斯曼江[18] 等人的研究結果一致。

綜上所述，隨著中央政府對生態保護、耕地保護以及建設用地擴張的越發重視，寶雞市應更加注重土地利用結構的協調發展以提升區域碳儲量，首先，南部秦嶺自然條件優越，林業資源稟賦良好，可作為碳儲量優先保護區域進行管制。其次，中部渭河平原作為糧食生產區及經濟建設區，未來應作為碳儲量平衡區進行保護，嚴格管控永久基本農田及城鎮開發邊界；北部渭河流域，由于耕林草地相互交錯以及特色林果業的發展，可作為碳儲量調整區，適當增加林地并調整其用地結構，促進其生態發展。

5結論與展望

5.1結論

基于InVEST及CA-Markov模型分析寶雞市2000—2020年土地利用及碳儲量變化，并模擬2030年寶雞市在4種情景下的碳儲量。主要結論如下：

（1）2000—2020年，林地、耕地、草地為寶雞市主要用地類型，其中林地占比最高。

土地利用變化特征呈現為“兩減一增”，其中草地減少最高、耕地次之，其他地類均有所增長；耕、林、草地相互轉換以及建設用地侵占耕地是土地利用類型轉換的主要方式。

（2）2000—2020年，寶雞市碳儲量持續增長，共增加 8.53×10⁶ t。其中，林地、耕地及草地碳儲量占總碳儲量的99.5%。2000—2010年，碳儲量變化呈“夾心”結構，南北部林地增長是碳儲量增長的主要原因。2010—2020年，碳儲量變化結構基本不變，北部碳儲量進一步增長，但南部則出現碳儲量損失區擴散現象。

（3）2030年4種情景下寶雞市的碳儲量均呈下降趨勢。耕地保護情景碳儲量減幅最大，建設用地抑制情景及自然增長情景次之。相比之下，生態保護情景下碳儲量雖也存在一定下降，但減少量得到有效抑制。

5.2不足與展望

本研究基于耦合InVEST模型及CA-Markov模型對土地利用及碳儲量進行了模擬預測，結果顯示具備較高的精度，但模型仍存在一定誤差，后續研究應加強以下方面：

（1）選擇的驅動因子雖然綜合考慮了10類自然、社會經濟因素，但研究區地質環境特殊，后續研究可將地質環境因素納入模型中。

（2）采用的碳密度數據僅依據前人研究及研究區選擇，未考慮降雨、溫度可能對研究區的影響以及耕地、建設用地等地類的人為影響，存在一定局限性，后續研究應綜合各方面因素對碳密度數據進行修正。

（3）在進行LULC情景預測時，未來可進一步考慮地方政策對LULC變化的影響，以削減模擬預測結果中的不確定性。

（責任編輯：趙寶成）