基于Invest 模型和Flus 模型的江蘇省碳儲(chǔ)量變化模擬與預(yù)測(cè)*

吳先雯,郭風(fēng)成

(江蘇師范大學(xué)地理測(cè)繪與城鄉(xiāng)規(guī)劃學(xué)院 徐州 221116)

全球變暖加劇,臭氧層空洞擴(kuò)大[1],降低空氣中二氧化碳含量變得尤為迫切。工業(yè)化與城市化的快速發(fā)展,導(dǎo)致陸地地物類型發(fā)生顯著轉(zhuǎn)變,而不同土地利用類型固碳能力存在一定差異,因此陸地系統(tǒng)的固碳量隨土地利用類型轉(zhuǎn)變而發(fā)生變化。陸地是碳氧循環(huán)的重要組成部分[2],地表植被在其中發(fā)揮了關(guān)鍵作用,有效獲取陸地表面植被信息可為陸地“固碳”能力反演提供重要支撐。土地利用類型變化是掌握陸地植被信息的重要依托,因此,科學(xué)模擬不同土地利用類型變化及其對(duì)碳儲(chǔ)存量影響,對(duì)“固碳”研究具有重要意義。

傳統(tǒng)碳儲(chǔ)存量測(cè)量方法有很多,如生物量法[3-6]、蓄積量法[7-8]、Markov-Plus 模型法[9]、Invest 模型[10]等。生物量法和蓄積量法主要應(yīng)用于森林碳儲(chǔ)量計(jì)算[11-14],需大量實(shí)測(cè)數(shù)據(jù),且模型不夠簡(jiǎn)潔、高效。Markov-Plus 模型中CA-Markov 模型可用于土地利用變化預(yù)測(cè),但在探索土地利用轉(zhuǎn)化規(guī)則中存在不足[15]。Invest 模型可用于碳儲(chǔ)量計(jì)算[16-19]、生境質(zhì)量評(píng)估[20]、土壤侵蝕和土壤保持狀況[21]以及水源涵養(yǎng)功能研究[22]等,適用情形較多。

碳儲(chǔ)量測(cè)量一定程度上依托土地利用變化類型,而有效預(yù)測(cè)土地利用類型,可為碳儲(chǔ)量測(cè)量提供基礎(chǔ)數(shù)據(jù)支撐。Flus 模型是有效且常用的土地利用變化模擬與預(yù)測(cè)模型之一[23-24],其源自元胞自動(dòng)機(jī)(CA),并在傳統(tǒng)CA 基礎(chǔ)上做了如下改進(jìn): 首先基于神經(jīng)網(wǎng)絡(luò)算法(ANN)從一期土地利用數(shù)據(jù)與包含人為活動(dòng)以及自然效應(yīng)的多種驅(qū)動(dòng)力因子(氣溫、降水、交通、區(qū)位、政策等)中獲取各土地利用類型在研究范圍內(nèi)的適宜性概率;其次采用從一期土地利用分布數(shù)據(jù)中采樣的方式,較好避免了誤差傳遞;最后,在土地變化模擬過(guò)程中,提出一種基于輪盤賭選擇的自適應(yīng)慣性競(jìng)爭(zhēng)機(jī)制,能有效處理多種土地利用類型在自然作用與人類活動(dòng)共同影響下發(fā)生相互轉(zhuǎn)化時(shí)的不確定性,故Flus 模型具有較高的模擬精度并且能獲得與現(xiàn)實(shí)土地利用分布相似的結(jié)果。

目前對(duì)于省域的碳儲(chǔ)量研究較多,但對(duì)江蘇省碳儲(chǔ)量變化研究還相對(duì)較少。江蘇省是著名的經(jīng)濟(jì)強(qiáng)省,經(jīng)濟(jì)總量?jī)H次于廣東省,位列全國(guó)第二。為積極響應(yīng)江蘇省政府倡導(dǎo)建設(shè)的“富強(qiáng)美高”新江蘇,同時(shí)更好地配合長(zhǎng)江三角洲地區(qū)綠色生態(tài)屏障建設(shè)等工作,本研究基于Invest 與Flus 耦合模型,分析了近年來(lái)江蘇省碳儲(chǔ)量變化情況,并預(yù)測(cè)了自然發(fā)展情景下和生態(tài)保護(hù)情景下的碳儲(chǔ)量變化情況,旨在為江蘇省更好地保護(hù)生態(tài)環(huán)境,推進(jìn)城市發(fā)展提供科學(xué)依據(jù)和建議,亦可為我國(guó)省域范圍的碳儲(chǔ)量研究提供重要補(bǔ)充。

1 研究區(qū)域及研究數(shù)據(jù)

1.1 研究區(qū)域

江蘇省地處長(zhǎng)江三角洲地區(qū),位于116°18′～121°57′E,30°45′～35°20′N 之間,總面積10.72 萬(wàn)km2,地貌包含平原、山地和丘陵3 種類型,以平原為主,地勢(shì)起伏整體較小。江蘇省湖泊眾多,河網(wǎng)密布,海陸相鄰,是全國(guó)唯一擁有大江大河大湖大海的省份,水域面積約占全省面積的16.9%。江蘇省地處南北氣候交匯處,是溫帶季風(fēng)氣候和亞熱帶季風(fēng)氣候的過(guò)渡地帶,年降水量多,雨熱同期。江蘇省是我國(guó)最發(fā)達(dá)的省份之一,同時(shí)也是我國(guó)積極推行建設(shè)生態(tài)大省的省份之一。江蘇省2020 年土地利用分類及地理位置如圖1 所示。

圖1 江蘇省2020 年土地利用類型分布Fig.1 Land use types in Jiangsu Province in 2020

1.2 數(shù)據(jù)來(lái)源

研究所用的2000 年、2010 年以及2020 年的土地利用類型數(shù)據(jù)來(lái)源于公開網(wǎng)站GlobeLand30(http://www.globallandcover.com/);江蘇省高程數(shù)據(jù)來(lái)自地理空間數(shù)據(jù)云(http://www.gscloud.cn),坡度數(shù)據(jù)、坡向數(shù)據(jù)使用ArcGIS 10.2 軟件對(duì)高程數(shù)據(jù)處理得到;江蘇省行政區(qū)劃矢量圖、河流數(shù)據(jù)、湖泊數(shù)據(jù)、歸一化植被指數(shù)(NDVI)數(shù)據(jù)及國(guó)內(nèi)生產(chǎn)總值(GDP)數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)中心,并通過(guò)ArcGIS 10.2 處理得到(將矢量數(shù)據(jù)轉(zhuǎn)為柵格數(shù)據(jù),網(wǎng)址為: https://www.resdc.cn/)。因目前對(duì)江蘇省碳密度研究較少,故碳密度數(shù)據(jù)參考景曉瑋[25]的研究,利用全國(guó)及其他省份碳密度數(shù)據(jù),具體數(shù)值見表1。

表1 江蘇省各土地利用類型的碳密度[25]Table 1 Regional carbon densities of different land use types of Jiangsu Province[25] t?hm?2

2 研究方法

2.1 Invest 模型

陸地生態(tài)系統(tǒng)儲(chǔ)存的碳比大氣中存儲(chǔ)的碳更多[26],故其對(duì)受二氧化碳含量影響所驅(qū)動(dòng)的氣候變化至關(guān)重要。Invest 模型中的碳儲(chǔ)存和封存模塊使用土地利用柵格數(shù)據(jù)以及4 個(gè)碳庫(kù)(地上生物量、地下生物量、土壤和死亡有機(jī)質(zhì))的存量來(lái)估算當(dāng)前景觀中儲(chǔ)存的碳量或未來(lái)年份的碳封存量。Invest 碳儲(chǔ)存和封存模型根據(jù)用戶提供的土地利用柵格地圖,分類匯總這些碳庫(kù)中儲(chǔ)存的碳量。計(jì)算方式如公式(1)所示:

式中:Ctotal為總碳儲(chǔ)量(t?hm?2),Cabove為地上碳儲(chǔ)量(t?hm?2),Cbelow為地下碳儲(chǔ)量(t?hm?2),Csoil為土壤碳儲(chǔ)量(t?hm?2),Cdead為死亡有機(jī)物碳儲(chǔ)量(t?hm?2)。各部分碳儲(chǔ)量計(jì)算根據(jù)Invest 模型的“碳儲(chǔ)存與封存模塊”中的用戶手冊(cè),在ArcGIS 10.2 中加載生成各碳庫(kù)圖層,根據(jù)圖層中的像元數(shù)量與噸數(shù)相乘得到各碳庫(kù)的碳儲(chǔ)量。

Invest 模型涉及的參數(shù)主要有: 現(xiàn)有土地利用數(shù)據(jù)、碳庫(kù)數(shù)據(jù)以及未來(lái)土地利用數(shù)據(jù)。其中,Invest 模型涉及的未來(lái)年份土地利用數(shù)據(jù)由Flus 模型提供(2030 年及2050 年不同情景下預(yù)測(cè)的土地利用數(shù)據(jù)),Invest 模型完成各土地利用類型碳儲(chǔ)量柵格圖層生成后可根據(jù)其用戶指南,查詢具體單位,然后在ArcGIS 10.2 中查看碳儲(chǔ)量圖層數(shù)據(jù)并進(jìn)行計(jì)算。

2.2 Flus 模型

Flus 模型是一種用于模擬人類活動(dòng)與自然影響下土地利用變化以及未來(lái)土地利用情景的模型。首先需驗(yàn)證Flus 模型在本研究中的適用性。驗(yàn)證過(guò)程如下: 基于Flus 模型CA 模塊與2000 年各種土地利用類型數(shù)據(jù),預(yù)測(cè)2010 年土地利用類型結(jié)果,并與真實(shí)的2010 年土地利用類型比較,獲取Kappa 系數(shù),為0.7950。同理獲取2010 年與2020 年土地利用類型差異Kappa 系數(shù)0.7951,取均值為0.795,滿足精度要求[27],故Flus 模型可用。需說(shuō)明,通過(guò)在ANN 模塊中添加驅(qū)動(dòng)力因子(即坡度等數(shù)據(jù))處理已知年份土地利用數(shù)據(jù),以得到CA 模塊中各土地利用類型預(yù)測(cè)概率。

接下來(lái)采用Flus 模型中的Markov Chain 模塊對(duì)2030 年和2050 年土地利用類型的像元數(shù)量進(jìn)行預(yù)測(cè)(表2),將預(yù)測(cè)的像元數(shù)填入CA 模塊,生成未來(lái)年份(2030 年、2050 年)的土地利用適宜性圖集,并生成未來(lái)土地利用類型柵格數(shù)據(jù),該柵格數(shù)據(jù)將為Invest 模型計(jì)算碳儲(chǔ)量提供基礎(chǔ)數(shù)據(jù)支撐。

表2 各土地利用類型2030 年和2050 年像元數(shù)量Table 2 Pixels allocated to each land use type in 2030 and 2050

此外,需特別強(qiáng)調(diào)在CA 模塊計(jì)算中,成本矩陣與鄰域因子設(shè)置對(duì)土地利用適宜性圖集的生成均十分重要。成本矩陣是表示土地利用類型轉(zhuǎn)換設(shè)置的矩陣,不同情景的成本矩陣參考方贊山等[28]進(jìn)行預(yù)先設(shè)定(表3),其中“0”表示土地利用類型不允許轉(zhuǎn)換,“1”則表示允許轉(zhuǎn)換。

表3 Flus 模型CA (元胞自動(dòng)機(jī))模塊中不同土地利用類型、不同情景下的成本矩陣Table 3 Cost matrix for different scenarios for different land use types in the CA (Cellular Automata) module of the Flus model

在預(yù)測(cè)未來(lái)土地利用適宜性圖集時(shí),需考慮地塊類型擴(kuò)張力。鄰域因子是反演地塊類型擴(kuò)張力的重要指標(biāo),其具體計(jì)算方法參考文獻(xiàn)[29]。地物類型擴(kuò)張一定程度上會(huì)受到生態(tài)保護(hù)政策影響。基于江蘇省退耕還林還草等政策,本研究計(jì)算了自然發(fā)展情景與生態(tài)保護(hù)情景兩種狀態(tài)下的鄰域因子。

1)在自然發(fā)展情景中,延續(xù)土地利用類型變化情景,分別計(jì)算得到耕地、林地、草地、水域、建筑用地和未利用地的鄰域因子為0.00、0.52、0.52、0.51、1.00 和0.51。

2)在生態(tài)保護(hù)情景中,因江蘇省和安徽省的自然、經(jīng)濟(jì)等方面條件相似,參考孫方虎等[30]的研究,將耕地、林地、草地、水域、建筑用地和未利用地的鄰域因子分別設(shè)置為0.80、1.00、0.55、1.00、0.95 和0.54。

通過(guò)Flus 模型獲取不同情景、不同年份的土地利用數(shù)據(jù)后,使用Invest 模型計(jì)算2030 年和2050 年不同土地利用類型的碳儲(chǔ)量。

2.3 空間相關(guān)性分析

為進(jìn)一步說(shuō)明江蘇省各地級(jí)市碳儲(chǔ)量空間分布情況,本研究基于GeoDa 1.20 和ArcGIS 10.2 軟件,采用全局莫蘭指數(shù)、局部莫蘭指數(shù)及熱點(diǎn)分析,對(duì)江蘇省各地級(jí)市碳儲(chǔ)量空間分布規(guī)律進(jìn)行探索。方法具體如下: 首先基于ArcGIS 10.2 軟件將3 年碳儲(chǔ)量添加至江蘇省行政區(qū)矢量數(shù)據(jù)的屬性字段;其次利用GeoDa 1.20 軟件加載該圖層并創(chuàng)建空間權(quán)重;接下來(lái)采用全局莫蘭指數(shù)對(duì)江蘇省各地級(jí)市碳儲(chǔ)量聚集情況進(jìn)行分析,若存在聚焦,則采取局部莫蘭指數(shù)作進(jìn)一步分析,以獲取聚集區(qū)域;最后,使用Arc-GIS 10.2 進(jìn)行熱點(diǎn)分析,以驗(yàn)證獲取的碳儲(chǔ)量省內(nèi)空間分布狀況,保證結(jié)果合理性。

3 結(jié)果與分析

3.1 江蘇省碳儲(chǔ)量時(shí)序分析

2000—2020 年江蘇省各土地利用類型碳儲(chǔ)量、固碳能力如表4 所示,各土地利用類型2000—2020年的面積及變化如表5 所示。

表4 2000—2020 年江蘇省各土地利用類型碳儲(chǔ)量及固碳能力(單位像元碳儲(chǔ)量)Table 4 Carbon storage and carbon sequestration capability (carbon storage per pixel) of different land use types in Jiangsu Province in 2000,2010,and 2020

表5 2000—2020 年江蘇省各土地利用類型面積變化Table 5 Changes of different land use types areas in Jiangsu Province in 2000,2010,and 2020 km2

由表4 可知,2000—2020 年,江蘇省碳儲(chǔ)量總體呈下降趨勢(shì),由1803.958×106t (2000 年)下降至1764.837×106t (2010 年),最后降至1641.008×106t(2020 年),這是由于近20 年來(lái),江蘇省快速的工業(yè)化、城鎮(zhèn)化建設(shè),林地、耕地等土地利用類型部分用作建設(shè)用地,使得固碳能力被削弱。2010—2020 年的碳儲(chǔ)量下降量(123.829×106t)遠(yuǎn)大于2000—2010 年碳儲(chǔ)量下降量(39.111×106t),這是由于2010—2020年間,江蘇省處于飛速發(fā)展時(shí)期,對(duì)土地需求顯著增多,建筑用地增加約8328.200 km2,耕地面積減少約9847.051 km2,且這10 年建筑用地增加速率與耕地面積減少速率均遠(yuǎn)高于2000—2010 年,與碳儲(chǔ)量變化規(guī)律相佐證。

此外,由表4 可知,2000—2020 年,林地、草地、未利用地的碳儲(chǔ)量總體呈增加趨勢(shì),與表5 獲取的3種土地利用類型面積變化情況總體對(duì)應(yīng)。基于各種土地利用類型面積變化情況可判斷,上述3 類土地利用類型的增加主要由耕地轉(zhuǎn)化而來(lái)。在江蘇省各土地利用類型中,耕地碳儲(chǔ)量占比最大,2000 年、2010 年、2020 年分別占比91.26%、89.89%、85.74%,呈下降趨勢(shì)。耕地碳儲(chǔ)量占比趨勢(shì)下降,直觀反映出此階段江蘇省城鎮(zhèn)化建設(shè)轉(zhuǎn)化了大量耕地面積。其他各土地利用類型對(duì)總碳儲(chǔ)量貢獻(xiàn)相對(duì)較小。由各土地利用類型30 m×30 m 像元的碳儲(chǔ)量可知,林地固碳能力最強(qiáng),單位像元碳儲(chǔ)量最大(435 t),其次為耕地(258 t),除水域外,未利用地固碳能力最弱,建筑用地高于未利用地(78 t),與解憲麗等[31]研究相互佐證。

3.2 江蘇省碳儲(chǔ)量的空間分布

江蘇省內(nèi)總碳儲(chǔ)量變化及江蘇省各地級(jí)市碳儲(chǔ)量變化如表6 所示。由表6 可知,各市碳儲(chǔ)量差異較大。蘇北地區(qū)(包括徐州市、連云港市、宿遷市、淮安市、鹽城市,下同)由于耕地面積較多,碳儲(chǔ)量較高,其中鹽城市碳儲(chǔ)量在江蘇省占比最大,約占省總碳儲(chǔ)量的16.12% (2000 年、2010 年、2020 年3 年均值,下同);徐州市為蘇北地區(qū)次高碳儲(chǔ)量地級(jí)市,約占省總碳儲(chǔ)量的11.88%;淮安市碳儲(chǔ)量為162.102×106t,存在部分高值區(qū),主要分布于淮安市西南區(qū)域(多為公園林地等生態(tài)區(qū));連云港市碳儲(chǔ)量為128.428×106t,略低于宿遷市,但需要指出,2000—2020 年間連云港市碳儲(chǔ)量呈增加趨勢(shì),其在2000—2010 年間和2010—2020 年間的上升幅度分別為2.02%與1.16%,這與連云港市在相應(yīng)階段經(jīng)濟(jì)發(fā)展趨勢(shì)有關(guān)。蘇中地區(qū)(包括揚(yáng)州市、泰州市、南通市,下同)碳儲(chǔ)量沒(méi)有顯著高值區(qū),總體分布呈均勻狀態(tài)。蘇南地區(qū)(包括無(wú)錫市、蘇州市、南京市、鎮(zhèn)江市、常州市,下同)主要位于長(zhǎng)三角核心地帶,城市發(fā)展較快,城市綠化較好,故高值區(qū)較多,其中南京市和蘇州市較突出,碳儲(chǔ)量分別達(dá)到126.269×106t 和96.962×106t;無(wú)錫市碳儲(chǔ)量為江蘇省內(nèi)最少,僅占江蘇省碳儲(chǔ)量的4.12%。

表6 2000—2020 年江蘇省各地級(jí)市碳儲(chǔ)量變化Table 6 Historical fluctuations in carbon sequestration in the prefecture-level cities of Jiangsu Province in 2000,2010,and 2020 ×106 t

2000 年、2010 年、2020 年江蘇省碳儲(chǔ)量全局莫蘭指數(shù)的P值分別為0.067、0.049、0.035,z值分別為1.715、1.882、2.043,表明3 年間江蘇省碳儲(chǔ)量分布呈一定的空間相關(guān)性[32]。

局部莫蘭指數(shù)(圖2)表明,2000—2010 年,位于西南部的南京、無(wú)錫、常州的碳儲(chǔ)量分布呈低-低聚集,表明上述3 市的碳儲(chǔ)量較低,且呈空間聚集狀態(tài),此3 市面積較小,經(jīng)濟(jì)發(fā)展和生態(tài)保護(hù)程度相近。2000 年和2010 年位于東北部連云港市的碳儲(chǔ)量較高,但是由于其周圍的鹽城、徐州等市的碳儲(chǔ)量更高,所以連云港市呈空間低-高分布;2020 年,各市碳儲(chǔ)量空間相關(guān)性發(fā)生了變化,位于西南部的無(wú)錫、常州、鎮(zhèn)江呈低-低分布,主要是由于3 市的碳儲(chǔ)量相近,且總體均呈下降趨勢(shì);連云港市2020 年呈現(xiàn)高-高聚集,首先是由于連云港市是唯一一個(gè)碳儲(chǔ)量在2000—2020 年間呈增長(zhǎng)趨勢(shì)的城市,其次是因?yàn)檫B云港市周圍的徐州市、鹽城市都是碳儲(chǔ)量高值區(qū)。

圖2 2000—2020 年江蘇省碳儲(chǔ)量的空間分布特征Fig.2 Spatial distribution of carbon storage in Jiangsu Province in 2000,2010,and 2020

此外,基于ArcGIS 10.2 熱點(diǎn)分析(圖3)可知,位于南部的鎮(zhèn)江市、常州市和無(wú)錫市在2000 年、2010 年、2020 年為冷點(diǎn),即3 個(gè)城市碳儲(chǔ)量呈低-低聚集狀態(tài),與GeoDa 1.20 獲取的結(jié)果相印證,進(jìn)一步說(shuō)明上述3 個(gè)城市因面積所限碳儲(chǔ)量較低。其余地區(qū)冷熱點(diǎn)均不顯著。基于ArcGIS 10.2 和GeoDa 1.20 軟件分析的結(jié)果進(jìn)一步闡明了江蘇省碳儲(chǔ)量空間分布情況,有利于省內(nèi)各市政府針對(duì)性實(shí)施生態(tài)保護(hù)政策。

圖3 2000—2020 年江蘇省平均碳儲(chǔ)量熱點(diǎn)分析Fig.3 Hotspot analysis of average carbon storage in Jiangsu Province from 2000 to 2020

3.3 不同情景下江蘇省碳儲(chǔ)量預(yù)測(cè)

江蘇省2030 年和2050 年自然發(fā)展情景和生態(tài)保護(hù)情景下各土地利用類型面積及其碳儲(chǔ)量如表7和表8 所示。

表7 2030 年和2050 年江蘇省2 種情景下各土地利用類型的面積變化預(yù)測(cè)Table 7 Estimated areas of different land use types in Jiangsu Province in 2030 and 2050 under two scenarios km2

表8 2030 年和2050 年江蘇省2 種情景下各土地利用類型的碳儲(chǔ)量變化預(yù)測(cè)Table 8 Estimated carbon storage of different land use types in Jiangsu Province in 2030 and 2050 under two scenarios ×106 t

由表7 可知,2030 年林地、草地以及水域面積生態(tài)保護(hù)情景高于自然發(fā)展情景,其對(duì)應(yīng)碳儲(chǔ)量亦相應(yīng)增加(除水域外,因水域碳庫(kù)密度為0),而耕地、建筑用地面積及碳儲(chǔ)量均呈減少趨勢(shì)。未利用地面積總體較小,且固碳能力微弱,其碳儲(chǔ)量變化可忽略。綜合可得,生態(tài)保護(hù)政策下,耕地、建筑用地以及未利用地主要轉(zhuǎn)換為林地、草地與水域。2050 年各土地利用類型面積與碳儲(chǔ)量變化趨勢(shì)與2030 年大體一致。

由表8 可知,生態(tài)保護(hù)情景下,2030 年與2050 年總碳儲(chǔ)量較自然發(fā)展情景提升6.069×106t 與5.861×106t。基于表4 可知,2010—2020 年,江蘇省碳儲(chǔ)量呈下降趨勢(shì),而表8 預(yù)測(cè)的2030 年碳儲(chǔ)量較2020 年增高,且持續(xù)增高至2050 年,這與現(xiàn)行已落實(shí)的生態(tài)保護(hù)政策相對(duì)應(yīng)。

4 討論

4.1 江蘇省碳儲(chǔ)量估算及預(yù)測(cè)分析

土地利用數(shù)據(jù)獲取與預(yù)測(cè)是基于Invest 模型和Flus 模型對(duì)大尺度區(qū)域進(jìn)行碳儲(chǔ)量模擬和預(yù)測(cè)的關(guān)鍵,其決定了碳儲(chǔ)量模擬與預(yù)測(cè)精度。本研究采用的土地利用數(shù)據(jù)為30 m×30 m 分辨率,精度較高,能較好地揭示不同時(shí)期、不同地區(qū)碳儲(chǔ)量及其分布,李小軍等[33-36]用同樣方法亦取得了較好的結(jié)果。

研究結(jié)果表明,2000—2020 年,江蘇省碳儲(chǔ)量總體呈下降趨勢(shì),且2010—2020 年下降幅度大于2000—2010 年,表明碳儲(chǔ)量變化與城市經(jīng)濟(jì)發(fā)展存在一定負(fù)相關(guān),與揣小偉等[37]研究結(jié)論一致。耕地在所有土地利用類型中,對(duì)碳儲(chǔ)量貢獻(xiàn)最大(占全省88.96%),與于芝琳等[38]研究相符。2000—2020 年耕地面積下降,建筑用地面積增加,部分土地轉(zhuǎn)為未利用地,這與江蘇省同期碳儲(chǔ)量減少相印證。

對(duì)江蘇省各市碳儲(chǔ)量空間相關(guān)性分析發(fā)現(xiàn),蘇南地區(qū)部分地級(jí)市間存在低-低聚集現(xiàn)象,說(shuō)明該區(qū)域城市碳儲(chǔ)量普遍較低且呈現(xiàn)聚集狀態(tài),同時(shí)該區(qū)域亦存在部分碳儲(chǔ)量高值區(qū),這從側(cè)面說(shuō)明蘇南部分城市雖受行政面積限制碳儲(chǔ)量總體較低,但其較好的生態(tài)保護(hù)措施能在一定程度上提升其碳儲(chǔ)量。因此,江蘇省在推行生態(tài)保護(hù)政策時(shí),可參考蘇南地區(qū)部分城市措施,以推動(dòng)全省生態(tài)保護(hù)。2000—2020 年連云港市碳儲(chǔ)量與其他城市表現(xiàn)出的下降狀態(tài)不同,不降反升,這主要與連云港市注重濕地保護(hù),推進(jìn)鹽堿地綠化,加快城市建成區(qū)園林綠地面積擴(kuò)展,積極建設(shè)生態(tài)走廊,推進(jìn)林蔭道路建設(shè)和街巷立體綠化等措施有關(guān)。研究還將GeoDa 1.20 的局部莫蘭指數(shù)與ArcGIS 10.2 的熱點(diǎn)分析結(jié)合,分析了江蘇省碳儲(chǔ)量空間分布格局特征。胡佶熹等[39]的研究也利用了空間分析方法探討不同地區(qū)碳儲(chǔ)量分布格局,但未能通過(guò)多種空間分析方法相互印證,本研究通過(guò)不同軟件、方法相結(jié)合途徑,采用多方對(duì)比結(jié)果彌補(bǔ)了這一不足。

2030 年和2050 年江蘇省碳儲(chǔ)量生態(tài)保護(hù)情景高于自然發(fā)展情景,2030 年自然發(fā)展碳儲(chǔ)量大于2020 年碳儲(chǔ)量,故可知在過(guò)去10 年間,江蘇省碳儲(chǔ)量由下降轉(zhuǎn)變?yōu)樯仙?但上升幅度較小,主要是由于土地利用類型變化速度減緩,各種土地利用類型發(fā)展趨勢(shì)逐漸趨于飽和,且江蘇省各地逐漸注重生態(tài)保護(hù)等造成。研究結(jié)果說(shuō)明生態(tài)保護(hù)政策有利于提高江蘇省碳儲(chǔ)量,與李月等[40]和王子昊等[41]分析結(jié)果相對(duì)應(yīng)。

此外,本研究通過(guò)降低建設(shè)用地鄰域因子,提高林地、耕地鄰域因子等設(shè)置生態(tài)保護(hù)情景,通過(guò)為同一土地利用類型設(shè)置不同鄰域因子以體現(xiàn)生態(tài)保護(hù)情景與自然發(fā)展情景差異,更便捷、高效,無(wú)需大量實(shí)驗(yàn)?zāi)M數(shù)據(jù)[42]。綜上可知,積極實(shí)施生態(tài)保護(hù)政策,在適宜地區(qū)擴(kuò)大林地、草地面積,適當(dāng)退耕還林有利于增加碳儲(chǔ)量。

4.2 不確定性分析

本研究采用Invest 模型和Flus 模型進(jìn)行碳儲(chǔ)量分析和預(yù)測(cè),一定程度上能夠?qū)K省碳儲(chǔ)量和土地利用變化進(jìn)行預(yù)測(cè),但因Flus 模型驅(qū)動(dòng)力因子較為簡(jiǎn)單,僅考慮了自然、經(jīng)濟(jì)、社會(huì)方面部分內(nèi)容,故未能完全展現(xiàn)對(duì)土地利用變化影響的各個(gè)因子。此外,因未查找到較為精確的江蘇省各土地利用類型碳庫(kù)數(shù)據(jù),故采用的各土地利用類型碳庫(kù)數(shù)據(jù)是根據(jù)全國(guó)均值設(shè)置的,無(wú)法準(zhǔn)確地代表江蘇省情況,后續(xù)研究中可采用更高精度的江蘇省各土地利用類型碳庫(kù)數(shù)據(jù)。

5 結(jié)論

2000—2020 年間,江蘇省總碳儲(chǔ)量從1803.948×106t 下降至1641.008×106t,這與江蘇省工業(yè)化、城鎮(zhèn)化建設(shè)導(dǎo)致的土地利用變化有關(guān)。不同土地利用類型中,耕地碳儲(chǔ)量下降最多(239.494×106t);建設(shè)用地碳儲(chǔ)量增加最多(63.759×106t);部分耕地轉(zhuǎn)變?yōu)榻ㄖ玫?這在一定程度上促進(jìn)了建筑用地碳儲(chǔ)量的增加。

江蘇省各種土地利用類型中,耕地對(duì)碳儲(chǔ)量貢獻(xiàn)最大,占總碳儲(chǔ)量88.96%,其余土地利用類型對(duì)碳儲(chǔ)量貢獻(xiàn)較小,這與各土地利用類型的固碳能力有關(guān),也與各土地利用類型的面積有關(guān)。林地固碳能力最強(qiáng),單位像元碳儲(chǔ)量最多,約為435 t;耕地次之,單位像元碳儲(chǔ)量為258 t。

江蘇省在自然發(fā)展情景和生態(tài)保護(hù)情景下碳儲(chǔ)量存在差異,2030 年和2050 年自然發(fā)展情景下碳儲(chǔ)量分別為1701.778×106t 與1702.002×106t,生態(tài)保護(hù)情景下分別為1707.846×106t 和1707.863×106t。由此可知,積極實(shí)施生態(tài)保護(hù)政策有利于江蘇省碳儲(chǔ)量增加。