基于InVEST 和PLUS 模型的江西省土地利用碳儲量時空變化與預測

摘 要：土地利用變化是驅動碳儲量變化的主要因素，評估土地利用變化對碳儲量的影響對于碳平衡具有重要意義。以江西省為例，基于InVEST-PLUS 模型，探究1990—2020 年江西省土地利用變化和碳儲量時空演變，測算2030 年多情景碳儲量。（1）江西省1990 年、2000 年、2010 年和2020 年的碳儲量分別為12.7594、12.7600、12.6912、12.5800 億噸，總體呈現減少態勢。林地的減少是造成碳儲量損失的主要因素。地上生物量碳庫和土壤碳庫碳儲量最多，占總碳儲量的88.82%。（2）至2030 年，較2020 年，在自然發展與城鎮發展情景下，碳儲量分別減少380、1330 萬噸，在生態保護情景下則增加125 萬噸，表明采取生態保護措施，優化土地利用結構，能有效控制碳儲量的減少。（3）碳儲量明顯較高的地區位于生態用地連片的贛南山區，而碳儲量明顯較低的地區位于碳密度值較低以及建設用地呈斑塊狀分布的贛北區域。研究結果將為江西省生態文明建設作出合理生態決策、實現高質量發展提供科學依據。

關鍵詞：土地利用；碳儲量； InVEST 模型；PLUS 模型；變化分析

中圖分類號：F301.24 文獻標志碼：A 文章編號：2095-1329（2024）01-0086-07

陸域生態系統的碳儲存與全球氣候變化關系密切，評估土地利用變化對碳儲存的影響對減少全球碳排放具有指導意義[1]。土地利用變化是影響陸地生態系統碳循環最直接的因子[2]，監測碳儲量變化，對保護區域生態系統和制定生態與經濟平衡發展的政策至關重要[3]。

近年來，隨著3S 技術的廣泛運用和相關模型層出不窮，在測算區域碳儲量方面展開了更深層次的探究。以往利用 DNDC 模型[4]、FORCCHN 模型[5]、CASA 模型[6] 等大致估算區域土地利用碳儲量。但這類模型存在獲取數據復雜、適應性較差等問題。InVEST 模型直接使用碳密度數據來估算碳儲量，較簡便地獲得碳儲量結果，因其運算高效，被廣泛用于碳儲量計算[7]。例如評估不同情景下中國黃土高原的碳儲量變化[8]、對中原城市群2005—2030 年不同土地利用情景下進行碳儲量估算與預測[9]、探究洞庭湖生態經濟區土地利用變化對碳儲量的影響[10]。目前用于模擬未來土地利用情況的模型有CA-Markov、CLUE-S 模型等，上述模型缺乏對土地利用變化驅動機理的挖掘能力，且無法時空動態地模擬多類土地利用類型的斑塊級演變[11]。PLUS 模型基于柵格數據在解釋多類用地生成方面較強，可以更精確分析土地利用變化更真實反映景觀狀態[12]。例如評估中國伊犁河谷不同土地利用情景下的生境質量[13]、研究廣東省碳儲量空間關聯性及預測[14]、對中國四川—云南生態屏障土地使用優化的生態系統服務價值多情景模擬進行評估[15]。

江西省作為首批國家生態文明試驗區之一和生態產品價值實現試點，堅定不移走生態優先、綠色發展、綠色低碳的道路。目前江西省碳儲量的研究主要是森林 、土壤等典型生態系統，相關學者研究了江西省森林碳儲量及固碳潛力[16]、江西森林植被土壤有機碳儲量估算及空間分布特征[17]，對江西省土地空間布局模擬優化、碳儲量研究較少。基于InVEST-PLUS 模型，研究1990—2020 年江西省土地利用變化及碳儲量變化，預測江西省2030 年多情景碳儲量變化，以期為江西省國土空間規劃，助力碳中和目標提供決策參考。

1 研究區與數據源

1.1 研究區概況

江西省地理坐標介于 24°29′～30°04′N、113°34′～118°28′E（圖1）。與浙江兩省相連，西鄰湖南，北接湖北和安徽，南接廣東，總面積16.69 萬km2。截至2021年底，江西省常住人口為4517.4 萬人，2021 全年GDP為2969.7 億元人民幣。江西省屬亞熱帶季風氣候，地勢南高北低，西側為羅霄山脈，南部為南嶺山脈，東部為武夷山，中部為丘陵和盆地，全省地形向北向鄱陽湖平原傾斜。在自然資源方面具有較大優勢，全省森林覆蓋率高達61.16%，位居全國第二[18]。

1.2 數據源

模型構建綜合考慮氣候環境和社會經濟， 選取DEM、土壤類型、年平均溫度、年平均降水等兩大類15項驅動因子。基礎數據包含江西省行政邊界和土地利用數據，相關數據具體來源見（表1）。

2 研究方法。

2.1 PLUS 模型與多情景設置

PLUS 模型通過融合已有轉化規則挖掘策略和景觀動態變化模擬策略的優勢，保留模型在一定時間段的土地利用變化機理能力。采用隨機森林算法挖掘各土地利用類型的增長與多種驅動因素的關系[12]。

（1）鄰域權重

鄰域權重參數代表著土地類型的擴張強度，反映了不同用地類型在空間驅動因子影響下的擴張能力[19]。本文利用2010—2020 年的 TA 變化量的無量綱值計算得到鄰域權重（表2）。

（2）轉移規則矩陣

對于未來的土地規劃，綜合考慮多種情景設置以及典型性等因素，選取了三種典型情景，詳細轉換情況見（表3）。

（3）多情景設置

自然發展情景延續2010—2020 年土地變化速率，結合Markov 模型，以10a 為步長預測各類用地的發展情況；生態保護情景結合《江西省國土空間總體規劃（2021—2035 年）》《深化國家生態文明試驗區建設更高標準打造美麗中國“江西樣板”規劃綱要（2021—2035 年）》和《以生態環境高水平保護助推江西高質量跨越式發展20 條措施》等相關政策，通過修改 2010—2020 年的馬爾科夫轉換概率矩陣，使林地、草地和水域向建設用地轉化的概率減少 60%，耕地相比林地生態能力較弱，設定耕地向建設用地轉化的概率減少 50%，將減少的部分增加到耕地向林地轉化的概率之中；城鎮發展情景，經濟發展需要大量建設用地作為支撐，因此該情景下優先保障建設用地的規模。建設用地向耕地、林地、水域轉化的概率較少40%，耕地、林地、草地、水域和未利用地轉移到建設用地的概率分別增加了40%、10%、20%、10%、50%。

2.2 InVEST 模型碳儲量模塊

本文采用 InVEST 3.12.1 模型碳儲量模塊分析30a 江西省生態系統碳儲量變化情況。碳儲量模塊將陸地生態系統中的碳儲量劃分為 4 個基本碳庫：地上碳庫（植被）、地下碳庫（活根）、土壤碳庫、死亡有機質碳庫。總碳庫計算公式[20] 為：

Ctotal = Cabove +Cbelow +Csoil +Cdead

式中： total C 表示總碳庫； above C 表示地上生物碳； below C 表示地下生物碳； soil C 表示土壤碳； dead C 表示死亡有機質碳。

目前江西省基于土地利用類型的實測碳密度數據較為缺乏，因此優先選取數據集中的本地調查數據或鄰近地區數據，以及從以往相關研究文獻中獲取[21–24]。水域、建設用地參考中國陸地生態系統碳密度數據集[25]。最終整理得到江西省各土地利用類型的碳密度（表4）。

2.3 精度驗證

利用2010 年土地利用現狀模擬2020 年土地利用變化情況，并與2020 年真實數據進行精度分析。模擬結果得到PLUS 模型的整體模擬精度為0.93，kappa 系數為 0.88。研究結果精度較高，可用于預測未來土地利用的變化分布。

3 結果分析

3.1 土地利用變化分析

江西省土地利用類型以林地和耕地為主，30a 以來，除水域和建設用地面積有所增加，其他各類土地利用類型面積均減少，耕地占比由27.26% 下降到 26.48%，林地占比由62.03% 下降到 61.40%，草地占比由 4.51% 下降為 4.27%，未利用地占比由 0.56% 下降為 0.32%，分別減少了1308.29 hm2、1058.86 hm2、406.20 hm2、394.04hm2。水域占比提高了 0.21%，建設用地占比上升了1.66%，分別增加了399.60 hm2、2769.68 hm2（表5）。在土地利用類型中，耕地面積減少比例幅度最大。

土地利用轉移矩陣可以有效反映土地利用的系統狀態和轉移狀態，揭示土地利用格局的時空演變過程[26]。

由表6 可知，30a 來，江西省各類型土地轉移總面積共1188185.04 hm2。轉出最多的土地利用類型是耕地，共轉出463251.78 hm2，主要轉向林地和建設用地，轉出面積占總計的86.29%，轉變程度最為劇烈。其次為林地和草地的轉出，轉出面積分別為431046.00 hm2 和1430322.15hm2。總的來說，30a 來以耕地、林地、草地和建設用地之間的相互轉移為主。建設用地是主要的轉入類型，耕地與林地之間的轉移相互持平，受到退草還林政策的影響，草地轉為林地較為明顯。

從空間分布上看，變化最顯著地類為建設用地和水域。建設用地由耕地轉來的地區主要集中在各地級市的中心城區和市轄區，例如南昌的建成區、贛州的章貢區等。建設用地由林地轉化來的區域主要分布在新余的渝水區、上饒的信州區等經濟快速發展的地區。水域主要由耕地和林地轉化而來，集中分布在鄱陽湖流域以及九江市南部邊緣（圖2）。

3.2 碳儲量時空變化

（1）碳儲量變化

基于InVEST 模型碳儲量模塊分別測算江西省1990—2020 年四期的碳儲量（表7）。江西省四期總碳儲量分別12.7594、12.7600、12.6912、12.5800 億噸。1990—2000年增長5 萬噸，2000—2010 年減少688 萬噸，而2010—2020 年，碳儲量損失最大為1111 萬噸。總體碳儲量呈減少的趨勢。

從土地利用類型來看，耕地和林地的碳儲量占比最大，在2010 年林地占比達到全省的82.84%，其次是耕地占比13.72%。30a 來，耕地碳儲量持續減少，林地碳儲量先上升，后輕微下降；草地碳儲量處于起伏波動狀態。贛北地區的城市化水平較高，人口密集，城市建設用地占比較多。相較于生態屏障的贛南丘陵區，林地面積廣，耕地、草地面積占比高，是碳儲量最高的區域。

（2）碳儲量空間變化格局

1990—2020年江西省碳儲量排名前三的城市為贛州、吉安和上饒，碳儲量均值占全省55.75%，其中贛州碳儲量年均達3.3911 億噸（表8）。其次是撫州、宜春、九江碳儲量較高，碳儲量均值占全省碳儲量32.84%。1990—2020 年，江西省各地市碳庫碳儲量均下降。碳儲量減少顯著的城市為贛州、宜春、上饒，分別下降377、217、214 萬噸，而萍鄉碳儲量減少最小，為53 萬噸。

1990—2020 年，江西省碳儲量在空間分布上變化不大（圖3），表現為：贛南大部分區域、贛西北和贛東北部分區域的碳儲量高，北部、以及中部碳儲量低。這與省內南部、西北和東北部分區域的林地面積分布廣泛的現狀一致。而贛北以及鄱陽湖流域主要為耕地和水域，碳密度值比較低，因此碳儲量較低。將1990 年和2020年兩期碳儲量空間分布圖進行差值計算再重分類，分為增加、減少和不變區域，得到碳儲量空間差異分布圖。變化的區域具有小聚集和零散分布的特點。碳儲量下降斑塊在省內廣泛分布，主要分布在南昌的城建區、贛州的南康區和章貢區、新余的渝水區、吉安的吉州區、萍鄉的安源區、宜春的袁州區等，是江西省經濟活動較活躍地區。碳儲量增加的地區主要分布在撫州的廣昌縣、南昌的新建區、上饒的余干縣、鄱陽縣等。南昌和贛州兩城市人口、GDP 的快速增長，加快了基礎設施和房地產業建設推動城市化，依靠侵占林地和耕地的建設用地面積擴大，因此南昌、贛州碳儲量下降劇烈。

3.3 多情景下江西省碳儲量預測

（1）多情景土地利用預測

自然發展情景下，保持2010—2020 年土地利用變化形勢，耕地、林地、水域面積均減少，其中耕地面積減少最大，減少了675.12 hm2。而建設用地和草地呈增長趨勢，分別增長了1319.71 hm2 和287.35 hm2 。建設用地的增幅最為顯著達到24.39%（圖4）。生態保護情景下耕地、草地、水域面積均有所增加，分別增加119.99 hm2、343.72 hm2 和77.40 hm2。林地面積依舊在減少，但幅度有所放緩。該情景下，建設用地擴張速度得到控制，由《江西省國土空間總體規劃（2021—2035 年）》可知，江西省采取了“江湖聯保”統籌長江、鄱陽湖和贛江等省內主要河流的生態環境保護，因此此情景水域面積比自然情景增加了676.58 hm2。城鎮發展情景下，主要是耕地、林地向建設用地轉換，分別減少1219.73 hm2 和1053.45 hm2。而建設用地增加至7392.15 hm2，比2020 年多1982.18 hm2。城鎮發展先導向下，耕地、林地生態空間受擠嚴重，生態質量下降。

（2）多情景碳儲量變化預測

2030 年自然發展情景下，碳儲量為12.5421 億噸，較2020 年減少380 萬噸；生態保護情景下，碳儲量為12.5925 億噸，較2020 年增長125 萬噸。其中草地提供了215 萬噸，增量上超過了耕地；城鎮發展情景下，碳儲量為12.4470 億噸，較2020 年下降1330 萬噸。林地碳儲量損失最大，為1065 萬噸（表9）。

三種模擬情景下，與2020 年碳儲量空間分布差異小，高碳匯區域分布在贛南地區與省境邊陲山脈區域（圖5）。自然發展情景下碳儲量下降較為嚴重的城市為贛州、吉安、南昌。生態保護情景下，除了南昌、上饒、九江碳儲量有所下降，其他城市碳儲量均有所增加，尤其是贛州和吉安。城鎮發展情景下，所有城市的碳儲量都有所下降，下降幅度最顯著的城市為南昌、新余和鷹潭。主要原因在于南昌作為江西省省會城市，城鎮擴張速度快，控制建設用地擴張可以有效提高碳儲量；贛州是全省林地、耕地最豐富的城市，因此總碳儲量最高，吉安擁有肥沃的吉泰平原，自然資源豐富也處于高碳儲量區，采取相關生態保護政策可以提升碳匯。綜上可知，在生態保護情景下現有的生態環境得到保護，碳儲量明顯上升。城鎮發展情景下，生態用地流失，建設用地擴張，碳儲量下降得最多。

4 結論與討論

4.1 結論

基于 PLUS-InVEST 模型，測算江西省1990—2020年碳儲量，并預測2030 年多情景下土地利用以及碳儲量變化，得出以下結論：

（1）1990—2020 年江西省碳儲量整體呈減少態勢，其中1990—2000 年增長5 萬噸、2000—2010 年減少688 萬噸、2010—2020 年減少1111 萬噸。30a 來碳儲量減少了1784 萬噸。耕地和林地是江西省最重要的碳庫，碳儲量超過總碳儲量的95%。

（2）2030 年江西省自然發展情景、生態保護情景和城鎮發展情景下，碳儲量分別為12.5421 、12.5925 和12.4470 億噸。與 2020 年相比，在自然發展與城鎮發展情景下，碳儲量分別減少380、1330 萬噸，在生態保護情景下則增加125 萬噸。控制建設用地擴張，能有效增強江西省陸域生態系統碳儲能力。

（3）江西省碳密度分布呈現“南部高北部低”“四周高中部低”的空間格局。在未來的發展建設中，要重點保障高碳儲量區域的生態資源，尤其是作為江西省生態保護屏障的贛南山區；同時有效推動培育區域性中心城市、聚焦城鎮空間高效發展、優化城鎮規模體系結構；全面鞏固提升鄱陽湖流域生態系統質量，構建有利于實現雙碳目標的國土空間格局。

4.2 討論

目前，已有研究人員圍繞江西省森林碳儲量展開研究，探究江西省2001—2005 年森林植被碳儲量及區域分布特征[27]。高薇等基于MCCA 模型研究了江西省土地利用變化和人類活動強度關系研究，但未預測未來各土地利用類型碳儲量，其研究結果表明建設用地和水域面積增加，其他土地利用類型的面積均減少[28]。與本文未來土地利用模擬自然發展情景趨勢一致。

基于InVEST 模型能夠快速高效計算每類土地利用類型的碳儲量及分布狀況。本研究區域面積較大，無法全面的實地測量各土地利用類型碳密度。因此，所選用的碳密度參考前人的研究數據，在未來采用該模型時應考慮植被類型差異性、森林采伐速率等。

參考文獻（References）

[1] ZHU G， QIU D， ZHANG Z， et al. Land-use changes lead to adecrease in carbon storage in arid region， China[J]. EcologicalIndicators， 2021， 127： 107770.

[2] 馬曉哲， 王錚. 土地利用變化對區域碳源匯的影響研究進展[J].生態學報，2015，35（17）：5898-5907.

MA X Z， WANG Z. Progress of research on the impact of landuse change on regional carbon sinks[J]. Journal of Ecology，2015，35（17）： 5898-5907.

[3] 楊瀲威， 趙娟， 朱家田， 等. 基于PLUS 和InVEST 模型的西安市生態系統碳儲量時空變化與預測[J]. 自然資源遙感，2022，34（4）：175-182.

YANG T W， ZHAO J， ZHU J T， et al. Spatial and temporal variationand prediction of ecosystem carbon stocks in Xi’an based on PLUSand InVEST models[J]. Remote Sensing of Natural Resources，2022，34（4）：175-182.

[4] 邱建軍， 唐華俊. 北方農牧交錯帶耕地土壤有機碳儲量變化模擬研究——以內蒙古自治區為例[J]. 中國生態農業學報，2003（4）： 91-93.

QIU J J， TANG H J. Simulation of soil organic carbon stock changesin arable land in the northern agricultural and pastoral intertwinedzone： a case study in Inner Mongolia Autonomous Region[J].Chinese Journal of Ecological Agriculture， 2003（4）： 91-93.

[5] 趙俊芳， 曹云， 馬建勇， 等. 基于遙感和FORCCHN 的中國森林生態系統NPP 及生態服務功能評估[J]. 生態環境學報，2018，27（9）：1585-1592.

ZHAO J F， CAO Y， MA J Y， et al. Assessment of NPP andecological service functions of forest ecosystems in China basedon remote sensing and FORCCHN[J]. Journal of EcologicalEnvironment， 2018，27（9）：1585-1592.

[6] FU Y， LU X， ZHAO Y， et al. Assessment impacts of weatherand land use/land cover （LULC） change on urban vegetation netprimary productivity （NPP）： a case study in Guangzhou， China[J].Remote Sensing， 2013，5（8）：4125-4144.

[7] 孫欣欣， 薛建輝， 董麗娜. 基于PLUS 模型和InVEST 模型的南京市生態系統碳儲量時空變化與預測[J]. 生態與農村環境學報，2023，39（1）：41-51.

SUN X X， XUE J H， DONG L N. Spatial and temporal variationand prediction of ecosystem carbon stocks in Nanjing based onPLUS model and InVEST model[J]. Journal of Ecology and RuralEnvironment， 2023，39（1）：41-51.

[8] LIANG Y， HASHIMOTO S， LIU L. Integrated assessment of landuse/land-cover dynamics on carbon storage services in the loessplateau of China from 1995 to 2050[J]. Ecological Indicators， 2021，120： 106939.

[9] 赫曉慧， 徐雅婷， 范學峰， 等. 中原城市群區域碳儲量的時空變化和預測研究[J]. 中國環境科學，2022，42（6）：2965-2976.

HE X H， XU Y T， FAN X F， et al. Temporal and spatial variationand prediction of regional carbon stocks in the central plains urbanagglomeration[J]. China Environmental Science， 2022， 42（6）： 2965-2976.

[10] 李姣， 汪杰， 李朗， 等. 洞庭湖生態經濟區土地利用變化對碳儲量的影響[J]. 生態學雜志，2022，41（6）： 1156-1165.

LI J， WANG J， LI L， et al. Impact of land use change on carbonstock in Dongting Lake Ecological and Economic Zone[J]. Journalof Ecology， 2022，41（6）：1156-1165.

[11] 曹鵬輝， 齊曉明， 楊雯， 等. 內蒙古土地利用多情景模擬與碳儲量預測分析[J]. 干旱區資源與環境，2023，37（9）：83-90.

CAO P H， QI X M， YANG W et al. Multi-scenario simulation ofland use and carbon stock prediction analysis in Inner Mongolia[J/OL]. Arid Zone Resources and Environment. 2023， 37（9）： 83-90.

[12] 王丹妮. 上海市土地利用變化對生態系統服務價值的影響研究[J]. 上海國土資源，2023，44（3）：79-84，111.

WANG D N. Impacts of land-use change on ecosystem servicevalue in Shanghai[J]. Shanghai Land amp; Resources， 2023，44（3）：79-84，111.

[13] SHI M， WU H， FAN X， et al. Trade-offs and synergies of multipleecosystem services for different land use scenarios in the Yili RiverValley， China[J]. Sustainability， 2021，13（3）： 1577.

[14] 林彤， 楊木壯， 吳大放， 等. 基于InVEST-PLUS 模型的碳儲量空間關聯性及預測——以廣東省為例[J]. 中國環境科學，2022，42（10）：4827-4839.

LIN T， YANG M Z， WU D F， et al. Spatial correlation andprediction of carbon stock based on InVEST-PLUS modeling：a case study of Guangdong Province[J]. China EnvironmentalScience， 2022，42（10）： 4827-4839.

[15] LI C， WU Y， GAO B， et al. Multi-scenario simulation of ecosystemservice value for optimization of land use in the Sichuan-Yunnanecological barrier， China[J]. Ecological Indicators， 2021， 132：108328.

[16] 陳竹安， 柳雪. 基于InVEST-PLUS 模型的碳儲量時空變化與多情景模擬預測—— 以江西省為例[J]. 上海國土資源，2023，44（4）：146-153.

CHEN Z A， LIU X. Spatio-temporal variation and multi-scenarioprediction of carbon storage based on the InVEST-PLUS model：a case study of Jiangxi Province[J]. Shanghai Land amp; Resources，2023，44（4）：146-153.

[17] 宋滿珍， 劉琪璟， 吳自榮， 等. 江西森林植被土壤有機碳儲量估算及空間分布特征[J]. 江西農業大學學報，2009，31（3）：416-421.

SONG M Z， LIU Q J， WU Z R， et al. Estimation of soil organiccarbon stock and spatial distribution characteristics of forestvegetation in Jiangxi[J]. Journal of Jiangxi Agricultural University，2009，31（3）：416-421.

[18] 康歡倩， 傅雪罡， 王林， 等. 不同經營水平下江西森林碳匯貢獻力預測分析[J]. 南方林業科學， 2022，50（6）：45-49.

KANG H Q， FU X G， WANG L， et al. Predictive analysis of forestcarbon sink contribution in Jiangxi under different managementlevels[J]. Southern Forestry Science， 2022，50（6）：45-49.

[19] 陳理庭， 蔡海生， 張婷， 等. 基于Markov-FLUS 模型的饒河流域土地利用多情景模擬分析[J]. 生態學報，2022，42（10）：3947-3958.

CHEN L T， CAI H S， ZHANG T， et al. Multi-scenario simulationanalysis of land use in Raohe River Basin based on Markov-FLUSmodel[J]. Journal of Ecology， 2022，42（10）： 3947-3958.

[20] 邵壯， 陳然， 趙晶， 等. 基于FLUS 與InVEST 模型的北京市生態系統碳儲量時空演變與預測[J]. 生態學報，2022，42（23）：9456-9469.

SHAO Z， CHEN R， ZHAO J， et al. Spatial and temporal evolutionand prediction of ecosystem carbon stocks in Beijing based onFLUS and InVEST models[J]. Journal of Ecology， 2022， 42（23）：9456-9469.

[21] Niu D， Wang S L， Ouyang Z Y. Comparisons of carbon storages inCunninghamia lanceolata and Michelia macclurei plantations duringa 22-year period in southern China[J]. Journal of EnvironmentalSciences， 2009， 21（6）： 801-805.

[22] RONG J R， LI C H， WANG Y G， et al. Effect of long-termfertilization on soil organic carbon and soil inorganic carbon inoasis cropland[J]. Arid Zone Research， 2012，29（4）：592-597.

[23] WANG L Q. Soil properties in two soil profiles from terraces ofthe Nam Co Lake in Tibet， China[J]. Journal of Mountain Science，2009，6（4）： 354-361.

[24] 方潔茸， 周世健， 多玲花， 等. 環鄱陽湖生態經濟區經濟—社會— 生態系統耦合關系時空演化研究[J]. 上海國土資源，2022，43（2）：19-24.

FANG J R， ZHOU S J， DUO L H， et al. Space-time evolution ofthe system coupling relationship between economy， society andecological in Ecological Economic Zone around Poyang Lake[J].Shanghai Land amp; Resources， 2022，43（2）：19-24.

[25] 徐麗， 何念鵬， 于貴瑞. 2010s 中國陸地生態系統碳密度數據集[J]. 中國科學數據（ 中英文網絡版），2019，4（1）：90-96.

XU L， HE N P， YU G R. 2010s carbon density dataset of terrestrialecosystems in China[J]. China Science Data， 2019，4（1）： 90-96.

[26] 馬建輝， 田剛， 謝宛懌， 等. 河北省土地利用碳排放時空特征與脫鉤分析[J]. 上海國土資源，2023，44（1）：67-76.

MA J H， TIAN G， XIE W Y， et al. Spatio-temporal characteristicsand decoupling analysis of land use carbon emissions in HebeiProvince[J]. Shanghai Land amp; Resources， 2023，44（1）：67-76.

[27] 李鑫， 歐陽勛志， 劉琪璟. 江西省2001—2005 年森林植被碳儲量及區域分布特征[J]. 自然資源學報，2011，26（4）： 655-665.

LI X， OUYANG X Z， LIU Q J. Characteristics of forest vegetationcarbon stock and regional distribution in Jiangxi Province from2001 to 2005[J]. Journal of Natural Resources， 2011，26（4）： 655-665.

[28] 高薇. 江西省土地利用變化和人類活動強度關系研究[D]. 南昌：東華理工大學，2021.

GAO W. Study on the relationship between land use change andhuman activity intensity in Jiangxi Province [D]. Nanchang：Donghua University of Science and Technology， 2021.

基金項目：江西省高校人文社會科學研究項目“碳中和背景下城市園林綠化碳匯能力提升路徑與對策研究——以南昌市為例”（JC22245）