基于ＰＬＵＳ 與ＩｎＶＥＳＴ 模型的黃河流域九省（ 區） 碳儲量變化分析

摘 要：土地利用變化是造成陸地生態系統碳儲量變化的主要原因，準確評估陸地生態系統碳儲量，對加強生態系統保護、實現雙碳目標意義重大。為了給黃河流域土地利用結構優化及管理決策提供科學依據，基于ＩｎＶＥＳＴ 及ＰＬＵＳ 模型，分析２０００—２０２０ 年及２０３０年３ 種情景（慣性發展、耕地保護、生態保護）下土地利用格局，評估各階段碳儲量變化特征。結果顯示：黃河流域九省（區）２０００ 年、２０１０ 年、２０２０ 年碳儲量分別為１９ ３２４．４０×１０６、１９ １７８．３９×１０６、１９ ３０３．２６×１０６ ｔ，整體呈Ｕ 形分布，主要原因是２０００—２０１０ 年以草地為主的生態用地大量減少。２０３０ 年慣性發展、耕地保護、生態保護３ 種情景下碳儲量分別為１９ ５２２．６８×１０６、１９ ６３０．３６×１０６、１９ ６７３．３５×１０６ ｔ，均呈增加趨勢。其中生態保護和耕地保護情景較慣性發展情景碳儲量增量更大。而對碳儲量提升明顯的土地利用類型變化主要是耕地向林地轉換、草地向林地轉換等。研究表明在耕地保護和生態保護情景下，生態退耕、植樹造林、未利用地開發、建設用地復墾增綠等手段對增加區域碳儲量、提高區域碳匯能力效果明顯。

關鍵詞：土地利用變化；ＰＬＵＳ 模型；ＩｎＶＥＳＴ 模型；碳儲量；黃河流域

中圖分類號：Ｘ３７；ＴＶ８８２．１ 文獻標志碼：Ａ ｄｏｉ：１０．３９６９／ ｊ．ｉｓｓｎ．１０００－１３７９．２０２４．１２．００４

引用格式：叢中笑，劉金花，孫增禹，等．基于ＰＬＵＳ 與ＩｎＶＥＳＴ 模型的黃河流域九省（區）碳儲量變化分析［Ｊ］．人民黃河，２０２４，４６（１２）：２４－３０，３６．

０ 引言

工業革命以來，二氧化碳等溫室氣體的排放加劇了全球氣候變暖并直接威脅全球生態系統可持續發展［１］ 。陸地生態系統作為全球主要碳匯之一，可以通過植被和土壤來儲存空氣中的二氧化碳［２］ 。而陸地生態系統碳儲量作為表征生態系統固碳能力的重要指標，其變化對全球氣候變化有著重要影響。土地利用變化（ＬＵＣＣ） 是影響陸地生態系統碳儲量的主要因素［３］ ，不僅直接導致植被碳儲量發生變化，還通過改變土壤環境和植被殘留物返回土壤引起的土壤有機碳的變化來改變其土壤碳儲量［４］ 。因此，準確評估土地利用變化，模擬預測土地利用類型變化所導致的碳儲量變化趨勢，對優化土地利用結構、保持碳循環的平衡穩定具有重要意義。

近年來，國內外學者在土地利用變化影響陸地生態系統碳儲量方面做了大量研究。其中采用的碳儲量估算方法較多，傳統方法主要包括樣地詳查法、模型模擬法［５］ 、生物量法、蓄積量法［６］ 等。隨著３Ｓ 技術的不斷發展，遙感監測和各種相關模型的結合更好地解決了傳統方法在時空序列及可視化等方面的不足。Ｉｎ?ＶＥＳＴ 模型作為目前最為成熟的生態系統服務評估模型［７］ ，具有操作便捷、參數靈活、準確性高等優點，被廣泛應用于評估區域生態系統服務功能和碳儲量［８］ 。Ｚｈｕ 等［９］ 采用ＩｎＶＥＳＴ 模型計算了淮北采煤沉陷區的碳儲量；Ｉｓｌａｍ 等［１０］ 基于ＩｎＶＥＳＴ 模型對林外樹木碳儲量進行定量評價。部分學者進一步模擬未來土地利用碳儲量，武丹等［１１］ 將ＩｎＶＥＳＴ 模型與ＣＡ－Ｍａｒｋｏｖ 模型相結合進行生境質量預測，楊陽等［１２］ 基于ＣＬＵＳ－Ｓ 模型對景觀生態風險進行評價，張斌等［１３］ 將ＩｎＶＥＳＴ 模型與ＦＬＵＳ 模型耦合分析土地利用變化對碳儲量的影響，袁雪松等［１４］ 基于ＦＬＵＳ 模型進行多情景模擬預測，李俊等［１５］ 耦合ＩｎＶＥＳＴ 模型與ＰＬＵＳ 模型進行土地利用變化動態模擬與碳儲量評估。ＰＬＵＳ 模型［１６－１８］是由中國地質大學武漢地理與信息工程學院和國家ＧＩＳ 工程技術研究中心的高性能空間計算智能化實驗室開發的土地利用模擬模型［１９］ ，其包含基于土地擴張分析策略（ＬＥＡＳ）的規則挖掘框架和基于多類型隨機種子的元胞自動機模塊，可以在保證仿真精度的條件下模擬各類土地利用的斑塊級變化。當今大多學者聚焦于單一情景下土地利用類型碳儲量預測研究，本文基于慣性發展、耕地保護、生態保護３ 種情景進行模擬，凸顯３ 種情景下碳儲量狀況，旨在為政策及土地利用結構調整提供參考。在研究區域方面，大多研究集中于單一省域尺度［８］ 、市域尺度［６，１５－１６］ 、區縣尺度［７］ 、區域尺度［１７］ ，對黃河流域的研究相對較少。

黃河流域長期作為我國社會經濟發展和生態安全保護的重點區域，其煤炭、石油、天然氣資源豐富，是我國重要的能源、化工、原材料產地和基礎工業基地［２０］ 。流域九省（區）城鎮建設用地擴張顯著，林草等生態用地保護需要進一步落實，土地利用變化對整體生態環境及碳儲量變化產生了較大影響。馮薇等［２１］ 對黃河流域７２ 個地市土地利用碳排放效率及其時空格局進行研究，結果顯示黃河流域土地利用碳排放效率總體上升；馬遠等［２２］ 研究了黃河流域土地利用碳排放的時空演變及影響因素，發現黃河流域凈碳排放總量增加但增速不斷下降。本研究將黃河流域九省（區）作為研究區域，通過ＩｎＶＥＳＴ 模型計算并分析２０００—２０２０年黃河流域不同時期土地利用變化對碳儲量的影響，利用ＰＬＵＳ 模型預測多情景下２０３０ 年黃河流域碳儲量，以期為黃河流域土地利用結構調整及管理決策提供參考。

１ 研究區概況與數據來源

黃河發源于青藏高原巴顏喀拉山脈，流經九省（區），最后于山東東營墾利區注入渤海，是連接青藏高原、黃土高原、華北平原的生態廊道。黃河流域大部分位于干旱、半干旱地帶，地貌多樣，流域內植被覆蓋率低，天然次生林和天然草地面積少，植被生產力水平較低。

研究所用數據包括土地利用數據、自然環境數據及社會經濟數據。其中，土地利用數據（２０００ 年、２０１０年、２０２０ 年）來源于中科院資源與環境數據中心，分辨率為１ ｋｍ×１ ｋｍ。綜合考慮數據可獲取性、時效性及顯著性原則，選取１１ 個土地利用變化驅動因子，包括５ 個自然環境數據和６ 個社會經濟數據，具體見表１。

２ 研究方法

２．１ ＰＬＵＳ 模型

ＰＬＵＳ 模型是在ＦＬＵＳ 模型的基礎上構建的一種改進的ＣＡ 模型［１９］ ，以柵格數據為基礎對斑塊級土地利用變化進行模擬，其耦合了土地擴張分析策略（Ｌａｎｄ Ｅｘｐａｎｓｉｏｎ Ａｎａｌｙｓｉｓ Ｓｔｒａｔｅｇｙ， ＬＥＡＳ）和基于多類型隨機種子（ ＣＡ ｂａｓｅｄ ｏｎ Ｍｕｌｔｉｐｌｅ Ｒａｎｄｏｍ Ｓｅｅｄｓ，ＣＡＲＳ），在動態模擬多種土地利用斑塊變化方面有一定優勢。

２．１．１ ＬＥＡＳ 模塊

ＬＥＡＳ 模塊對兩個時點的土地利用數據進行分析，采用隨機森林分類算法探索各土地利用類型擴張與多驅動因素關系、獲取各土地利用類型的發展概率及驅動因素對該時段各土地利用類型擴張的貢獻。公式如下：

式中：Ｐｄｉ，ｋ（Ｘ） 為空間單元ｉ 處ｋ 類土地利用類型增長的概率；Ｘ 為由驅動因子組成的向量；Ｍ 為決策樹數量；參數ｄ 取０ 或１，ｄ ＝ １ 表示其他土地利用類型可以轉變為土地利用類型ｋ，ｄ ＝ ０ 表示其他土地利用類型不可以轉變為土地利用類型ｋ；ｈｎ（Ｘ）為在決策樹為ｎ 時計算得到的土地利用預測類型；Ｉ［ｈｎ（Ｘ）＝ ｄ］為決策樹的指數函數。

２．１．２ ＣＡＲＳ 模塊

ＣＡＲＳ 模塊對多種土地利用類型斑塊演化的模擬采用基于閾值下降的多類型隨機斑塊種子機制。其中轉移成本矩陣主要依靠歷史土地利用數據和經驗設定。鄰域權重參數代表著不同土地利用類型的擴張強度［２３］ ，反映了各土地利用類型在空間驅動因子影響下的擴張能力，筆者基于前人經驗［２４］ ，通過反復調試確定了２０１０—２０２０ 年鄰域權重，見表２。

通過２０００ 年和２０１０ 年兩期土地利用數據，綜合考慮自然、人文、經濟、社會等方面，將１１ 個驅動因子作為預測變量，計算出各土地利用類型的適宜性概率，再以２０００ 年土地利用數據作為模擬基準，通過ＣＡＲＳ模塊得到２０２０ 年土地利用模擬數據；將模擬結果與２０２０ 年實際土地利用數據進行對比，Ｋａｐｐａ 系數為０．６８，表明ＰＬＵＳ 模型所預測的土地利用數據準確性較高，可以作為黃河流域土地利用類型預測模型。

２．１．３ 情景設置

為探究不同發展目標下黃河流域土地利用變化情況，考慮各階段發展重心，通過改變轉移矩陣，分別設置慣性發展情景、生態保護情景及耕地保護情景預測２０３０年黃河流域土地利用空間格局。各情景設置見表３。

２．２ ＩｎＶＥＳＴ 模型Ｃａｒｂｏｎ 模塊

ＩｎＶＥＳＴ 是為生態系統管理與決策提供支撐的模型體系，多用于評估生態系統服務功能及其經濟價值。ＩｎＶＥＳＴ 模型的Ｃａｒｂｏｎ 模塊將生態系統碳儲量劃分為４ 個主要碳庫，包括地上生物碳（陸地上活的植被中的碳）、地下生物碳（活的植物根系中的碳）、土壤碳（土壤中的碳）和死亡有機碳（植物枯落物中的碳）。總碳儲量計算公式為

式中：ｉ 為土地利用類型，Ｃｉ 為土地利用類型ｉ 總碳密度，Ｃｉ，ａ為土地利用類型ｉ 地上生物碳密度，Ｃｉ，ｂ為土地利用類型ｉ 地下生物碳密度，Ｃｉ，ｓ 為土壤碳密度，Ｃｉ，ｄ 為死亡有機碳密度，Ｃｔ 為碳儲總量，Ｓｉ 為土地利用類型ｉ總面積，ｎ 為土地利用類型總數。

ＩｎＶＥＳＴ 模型要求輸入準確碳密度值，見表４。本研究不同土地利用類型碳密度數據來源于國家生態科學數據中心（ｈｔｔｐ：／／ ｗｗｗ．ｃｎｅｒｎ．ｏｒｇ．ｃｎ／ ），并參考了前人研究成果［３］ 。

３ 結果與分析

３．１ 土地利用變化分析

３．１．１ ２０００—２０２０ 年黃河流域土地利用變化分析

由圖１、圖２ 可知：２０００ 年黃河流域土地利用類型以草地為主，其占總面積［黃河流域九省（區）內總面積，下同］的３９．９０％；未利用地和耕地，分別占總面積的２２．３４％和１９．１５％；林地占總面積的１４．９７％；水域、建設用地占比較小，均不足２．００％。２０００—２０２０ 年各土地利用類型面積變化顯著，其中：耕地面積逐漸減少，２０２０ 年較２０００ 年減少２２ １７２ ｋｍ２；林地、未利用地面積先增后降，２０１０ 年面積最大，林地為５５１ ２０８ ｋｍ２，未利用地為８０１ ５１９ ｋｍ２；水域和建設用地面積逐年增加， 至２０２０ 年分別增長１１ ２４５ ｋｍ２、２９ ９５８ ｋｍ２，增幅分別為１７．５４％和４６．４０％。

通過ＡｒｃＧＩＳ 軟件分析黃河流域２０００—２０２０ 年土地利用情況，構建土地利用轉移矩陣，見表５。通過轉移矩陣可以看出，黃河流域轉出土地主要來源于耕地、草地和未利用地，轉出面積分別為１５８ ２０４、２２９ ５３１、１１３ ６１２ ｋｍ２， 占總轉出面積的２４． １０％、３４． ９６％、１７．３０％；而轉入土地利用類型主要為耕地、林地、草地，轉入面積占比分別為２０．７２％、１７．２８％、３５．７２％。５０．５６％ 的耕地轉入面積來自于草地，轉入面積為６８ ７７３ ｋｍ２；６４．４０％林地轉入面積來自于草地，轉入了７３ ０４７ ｋｍ２；３８．３７％的草地轉入面積來自于未利用地；建設用地轉入中７４．１４％來自耕地，共轉入了４４ ２９０ ｋｍ２。轉出面積最大的草地研究期間主要流向耕地、林地和未利用地，分別轉換了６８ ７７３、７３ ０４７、６８ ２３８ ｋｍ２，占轉出面積的２９．９６％、３１．８３％、２９．７３％。綜上，黃河流域研究期內主要土地利用變換為耕地與林地、草地、建設用地之間的轉換。隨著經濟高速增長及城市化進程的不斷加快，建設用地不斷擴張，越來越多的耕地流向建設用地。同時，隨著一系列生態修復工程的實施，越來越多未利用地及草地被修復為生態價值更高的草地和林地。不同土地利用類型間的相互轉換成為引發碳儲量變化的主要原因，分析黃河流域土地利用格局時空變化特征是評估黃河流域碳儲量變化的重要依據。

３．１．２ ２０３０ 年土地利用預測結果分析

通過建立不同情景土地利用轉移矩陣，預測得到不同情景下黃河流域２０３０ 年土地利用類型數據，見表６、圖３。慣性發展情景下，各土地利用類型依據歷史規律慣性演變，延續了２０００—２０２０ 年的土地利用變化趨勢，草地、水域及建設用地面積增加，２０２３ 年較２０２０年分別增加５７ ５２９、５ ２６８、３ ２６２ ｋｍ２。其中，草地面積增加最多， 而未利用地減少最多， 較２０２０ 年減少５１ ０１２ ｋｍ２。總的來說，慣性發展情景下未利用地開發顯著，草地等生態用地恢復明顯，建設用地面積增加，多表現為建設用地侵占耕地和未利用地。

耕地保護情景下，耕地保護政策作用明顯，基本農田得到保障，耕地向其他土地利用類型轉換受到嚴格限制，建設用地擴張趨勢放緩，耕地呈現穩步增長趨勢，２０３０ 年與２０２０ 年相比耕地增加了１４ ２４３ ｋｍ２；草地和建設用地面積增加，分別增加了５７ ５２９ ｋｍ２ 和７１２ ｋｍ２，主要來自于林地和未利用地轉入，林地和未利用地面積分別減少了１０ ３６０、５２ ４８３ ｋｍ２。

在生態保護情景下，受生態保護政策的影響，２０３０年相比２０２０ 年，生態用地面積逐漸恢復。其中：林地和草地面積分別增加３０ ６３４、２１ ２４６ ｋｍ２，增幅分別為５．７％、１．５％；水域和建設用地面積同樣出現小幅度增加，分別增長３ ２８３ ｋｍ２和２ ００７ ｋｍ２；耕地由于未受到轉換限制，因此出現了一定程度的減少，較２０２０ 年減少約０．５％。

３．２ 碳儲量變化分析

３．２．１ ２０００—２０２０ 年碳儲量變化特征

通過ＩＮＶＥＳＴ 模型分別計算黃河流域２０００ 年、２０１０ 年、２０２０ 年及未來２０３０ 年在慣性發展情景、耕地保護情景及生態保護情景下的碳儲量，見表７、圖４。由表７ 可以看出，黃河流域２０００—２０２０ 年碳儲量先下降后上升，２０１０ 年碳儲量最低，為１９ １７８．３９×１０６ ｔ。該時段正處于快速城市化階段，經濟快速增長的同時犧牲了生態環境質量，更多的高碳密度區轉換為低碳密度區，黃河中上游地區草地退化較為嚴重，大量草地轉換成為耕地、建設用地及未利用地；２０１０ 年后，生態保護力度加大，林地和草地等高碳密度區得到重點保護。其中，草地作為黃河流域重要的碳庫，２０２０ 年碳儲量占全流域總碳儲量的４９％，碳儲量總體得到恢復，此部分為該階段碳儲量變化的主要原因。

３．２．２ ２０２０—２０３０ 年不同情景碳儲量變化分析

通過ＰＬＵＳ 模型預測２０３０ 年黃河流域慣性發展、生態保護及耕地保護情景下的土地利用變化；再結合ＩｎＶＥＳＴ 模型分別計算黃河流域２０３０ 年３ 種情景下的土地利用碳儲量并分析其變化情況，見表７。２０３０ 年慣性發展、生態保護及耕地保護情景下土地利用碳儲量分別為１９ ５２２．６８×１０６、１９ ６７３．３５×１０６、１９ ６３０．３６×１０６ ｔ，相比２０２０ 年碳儲量均呈增加趨勢。１）慣性發展情景下草地、水域、建設用地３ 種土地利用類型碳儲量呈增長趨勢。２）耕地保護情景下總碳儲量相比２０２０ 年增加了３２７．１０×１０６ ｔ，相較慣性發展情景高１０７．６８×１０６ ｔ，在此情景下，耕地保護政策限制了建設用地侵占耕地，耕地碳儲量較２０２０ 年增長了８７．０７×１０６ ｔ。耕地作為高碳密度土地利用類型，其面積穩步增長是該情景碳儲量得到增長的主要原因。３）生態保護情景下總碳儲量增加了３７０．０９×１０６ ｔ，其中，林地作為碳密度最高的土地利用類型， 碳儲量增長明顯， 由２０２０ 年的５ １８０．２１×１０６ ｔ增長至５ ４６４．００×１０６ ｔ，草地、水域及建設用地碳儲量均呈現不同程度的增長。生態保護情景碳儲量在三種情景中增速最快。通過實施生態保護政策，嚴格控制林地、草地向其他低碳密度土地利用類型轉換可以有效降低碳儲量損失，對于提升黃河流域整體固碳能力，提高區域生態服務價值有著積極作用。

不同土地利用類型之間土壤及植被碳密度存在一定差異，使得不同土地利用類型間的轉換對碳儲量的影響存在差異，見表８。２０２０ 年至２０３０ 年慣性發展情景中，各土地利用類型之間的轉換未受到限制，碳儲量整體增長不太明顯。在生態保護情景中，由于對林地、草地等生態用地轉出的限制，林地、草地的碳匯功能得到保護，因此碳儲量減少趨勢減弱。而耕地向林地及未利用地向草地的轉換使碳儲量大幅增加。耕地保護情景下，耕地作為高碳密度土地利用類型，其轉出得到管控，轉出造成的碳儲量轉換明顯減少。通過分析各土地利用類型轉換造成的碳儲量變化可以發現，由水域、建設用地、未利用地向耕地、林地、草地等轉換均可以帶來碳儲量增加，而耕地向水域、建設用地及未利用地轉換，林地向其他各土地利用類型轉換，草地向耕地、水域、建設用地、未利用地的轉換均造成碳儲量減少。因此，保證碳儲量穩定增長的有效措施主要是嚴格控制耕地向非農用土地利用類型轉換，同時保證草地及林地面積不減少。

４ 討論

本文借助ＩｎＶＥＳＴ 模型和ＰＬＵＳ 模型，設置不同發展情景對未來碳儲量進行評估，預測不同土地利用發展方式及土地利用類型變化對碳儲量的影響，對于建立健全能夠體現碳匯價值的生態保護補償機制，科學評估生態保護碳匯能力有著重要意義。研究發現，黃河流域九省（區）２０００—２０２０ 年土地利用格局發生了較大變化，其中草地變動最為劇烈。２０００—２０１０ 年草地受到過度放牧等影響大面積減少，給生態系統帶來嚴重威脅。２０１０—２０２０ 年草地面積和蓄積量逐漸得到提升，這與退牧還草、禁牧輪牧等生態保護建設措施的實施密不可分。耕地在這一期間逐漸減少，耕地進出平衡、占補平衡等保護政策需要持續推進、嚴格落實。這一期間黃河流域九省（區）碳儲量先降后增，生態系統固碳作用得到鞏固，有利于碳達峰、碳中和的土地利用開發保護格局形成。

土地利用變化會對生態系統碳儲量造成顯著影響。本文所設３ 種情景中，生態保護情景下碳儲量增量最大，而草地是黃河流域最大碳庫，保護森林、草地碳庫對黃河流域九省（區）未來碳儲量具有重要作用。綜合來看，黃河流域九省（區）未來應在生態保護背景下，通過植樹造林、未利用地開發、建設用地復墾增綠等手段促進未利用地、建設用地向草地、林地轉換；同時，優化地區產業結構，促進高耗能產業轉型升級。從減排增匯兩個方向，維持地區陸地生態系統碳儲量穩定增長，促進人與自然和諧相處。

本文ＩｎＶＥＳＴ 模型中所采用的碳密度是參考前人研究成果選取的與研究區域相適應的碳密度值，未充分考慮環境變化及人類活動對其產生的影響，使得碳儲量測算存在一定誤差。此外，在對未來土地利用的模擬中，由于研究區面積較大，且土地利用變化會受政策及國土空間規劃等方面的影響，因此模擬結果精度存在提升的空間，需要在以后的研究中進一步對土地利用模擬的精度進行修正，從而使得模擬結果更加科學可靠。

５ 結論

本文通過結合ＰＬＵＳ 模型和ＩｎＶＥＳＴ 模型，分析黃河流域２０００—２０２０ 年土地利用及碳儲量變化情況，并對不同情景下黃河流域２０３０ 年的土地利用和碳儲量進行模擬和分析。具體結論如下：

１）２０００—２０２０ 年黃河流域耕地和未利用地面積整體呈減少趨勢，其中耕地面積持續減少，共減少２２ １７２ ｋｍ２，未利用地面積研究期間先增后降，２０１０ 年達到峰值；林地、草地、水域和建設用地研究期間整體呈增加趨勢。其中，建設用地增長最多，增加了２９ ９５８ ｋｍ２；林地、草地及水域面積增長約為８ ０８９、４ ９９１、１１ ２４５ ｋｍ２。研究期間黃河流域轉出土地主要來源于耕地、草地和未利用地，而主要轉入土地利用類型則為耕地、林地、草地。轉換類型主要為草地向耕地、草地向林地、未利用地向草地、耕地向建設用地、草地向未利用地轉換。

２）２０００—２０２０ 年黃河流域碳儲量總量先降后增，２０００—２０１０ 年碳儲量降低了１４６．０１×１０６ ｔ，而２０１０—２０２０ 年碳儲量增加了１２４．８７×１０６ ｔ，整體下降了２１．１４×１０６ ｔ。草地是碳儲量最多的土地利用類型，２０２０ 年碳儲量占全流域總碳儲量的４９％。研究期間耕地碳儲量持續降低，水域和建設用地碳儲量整體增長，林地、未利用地碳儲量先增后降。

３）通過ＰＬＵＳ 模型預測了３ 種情景下２０３０ 年土地利用類型，其中：慣性發展情景下，黃河流域草地等生態用地得以恢復，建設用地繼續擴張，未利用地得到開發（相較２０２０ 年減少５１ ０１２ ｋｍ２）；耕地保護情景中，耕地減少趨勢得到有效控制，林地、未利用地減少明顯，建設用地擴張收斂；生態保護情景中，林地、草地等生態用地逐漸增加，分別增加了３０ ６３４、２１ ２４６ ｋｍ２，水域和建設用地小幅度增加，耕地及未利用地減少。

４）２０３０ 年３ 種情景下碳儲量均表現為增加趨勢，生態保護情景下碳儲量增量最大，而慣性發展情景下碳儲量增量最小。慣性發展情景下，總碳儲量較２０２０ 年增加了２１９．４２×１０６ ｔ，其中碳儲量增長土地利用類型主要為草地、水域及建設用地。耕地保護情景下碳儲量總量增加了３２７．０９×１０６ ｔ，其中耕地碳儲量較２０２０ 年增長了８７．０７×１０６ ｔ，耕保政策對碳儲量增長作用明顯。生態保護情景下，碳儲量總量增加３７０．１０×１０６ ｔ，這一情景中高碳密度土地利用類型得到保護，尤其林地碳儲量增加明顯。

參考文獻：

［１］ ＦＡＮ Ｌｉｙａｏ，ＣＡＩ Ｔｉａｎｙｉ，ＷＥＮ Ｑｉａｎ，ｅｔ ａｌ．Ｓｃｅｎａｒｉｏ Ｓｉｍｕｌａｔｉｏｎｏｆ Ｌａｎｄ Ｕｓｅ Ｃｈａｎｇｅ ａｎｄ Ｃａｒｂｏｎ Ｓｔｏｒａｇｅ Ｒｅｓｐｏｎｓｅ ｉｎ ＨｅｎａｎＰｒｏｖｉｎｃｅ，Ｃｈｉｎａ： １９９０ － ２０５０ ［ Ｊ］． Ｅｃｏｌｏｇｉｃａｌ Ｉｎｄｉｃａｔｏｒｓ，２０２３，１５４：１１０６６０．

［２］ ＷＡＮＧ Ｚｈｕｏ，ＺＥＮＧ Ｊｉｅ，ＣＨＥＮ Ｗａｎｘｕ．Ｉｍｐａｃｔ ｏｆ Ｕｒｂａｎ Ｅｘ?ｐａｎｓｉｏｎ ｏｎ Ｃａｒｂｏｎ Ｓｔｏｒａｇｅ Ｕｎｄｅｒ Ｍｕｌｔｉ?Ｓｃｅｎａｒｉｏ Ｓｉｍｕｌａｔｉｏｎｓｉｎ Ｗｕｈａｎ，Ｃｈｉｎａ［Ｊ］．Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｓｃｉｅｎｃｅ ａｎｄ ＰｏｌｌｕｔｉｏｎＲｅｓｅａｒｃｈ，２０２２，２９（３０）：４５５０７－４５５２６．

［３］ 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．

［４］ ＬＩ Ｊｉａｓｈｅｎｇ，ＧＵＯ Ｘｉａｏｍｉｎ，ＣＨＵＡＩ Ｘｉａｏｗｅｉ，ｅｔ ａｌ．ＲｅｅｘａｍｉｎｅＣｈｉｎａ’ｓ Ｔｅｒｒｅｓｔｒｉａｌ Ｅｃｏｓｙｓｔｅｍ Ｃａｒｂｏｎ Ｂａｌａｎｃｅ Ｕｎｄｅｒ ＬａｎｄＵｓｅ?Ｔｙｐｅ ａｎｄ Ｃｌｉｍａｔｅ Ｃｈａｎｇｅ［Ｊ］．Ｌａｎｄ Ｕｓｅ Ｐｏｌｉｃｙ，２０２１，１０２：１０５２７５．

［５］ 劉坤，張慧，孔令輝，等．陸地生態系統碳匯評估方法研究進展［Ｊ］．生態學報，２０２３，４３（１０）：４２９４－４３０７．

［６］ 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．

［７］ 王想，王春雨，呂飛南，等．基于ＰＬＵＳ－ＩｎＶＥＳＴ 模型的區縣碳儲量時空格局變化與碳匯提升策略：以延慶區為例［Ｊ］．應用生態學報，２０２３，３４（１２）：３３７３－３３８４．

［８］ 祁迷，王飛，滑永春，等．基于ＰＬＵＳ 與ＩｎＶＥＳＴ 模型的內蒙古自治區土地利用變化及碳儲量評估［Ｊ］．水土保持學報，２０２３，３７（６）：１９４－２００．

［９］ ＺＨＵ Ｘｉａｏｊｕｎ，ＬＩ Ｊｕｎｘｉｕ，ＣＨＥＮＧ Ｈｕａ，ｅｔ ａｌ．Ａｓｓｅｓｓｉｎｇ ｔｈｅＩｍｐａｃｔｓ ｏｆ Ｅｃｏｌｏｇｉｃａｌ Ｇｏｖｅｒｎａｎｃｅ ｏｎ Ｃａｒｂｏｎ Ｓｔｏｒａｇｅ ｉｎ ａｎＵｒｂａｎ Ｃｏａｌ Ｍｉｎｉｎｇ Ｓｕｂｓｉｄｅｎｃｅ Ａｒｅａ［Ｊ］．Ｅｃｏｌｏｇｉｃａｌ Ｉｎｆｏｒｍａｔ?ｉｃｓ，２０２２，７２：１０１９０１．

［１０］ ＩＳＬＡＭ Ｉ，ＣＵＩ Ｓｈｅｎｇｈｕｉ，ＨＯＱＵＥ Ｍ Ｚ，ｅｔ ａｌ．Ｄｙｎａｍｉｃｓ ｏｆＴｒｅｅ Ｏｕｔｓｉｄｅ Ｆｏｒｅｓｔ Ｌａｎｄ Ｃｏｖｅｒ Ｄｅｖｅｌｏｐｍｅｎｔ ａｎｄＥｃｏｓｙｓｔｅｍ Ｃａｒｂｏｎ Ｓｔｏｒａｇｅ Ｃｈａｎｇｅ ｉｎ Ｅａｓｔｅｒｎ Ｃｏａｓｔａｌ Ｚｏｎｅ，Ｂａｎｇｌａｄｅｓｈ［Ｊ］．Ｌａｎｄ （Ｂａｓｅｌ），２０２２，１１（１）：７６．

［１１］ 武丹，李歡，艾寧，等．基于ＣＡ?Ｍａｒｋｏｖ 的土地利用時空變化與生境質量預測：以寧夏中部干旱區為例［Ｊ］．中國生態農業學報（中英文），２０２０，２８（１２）：１９６９－１９７８．

［１２］ 楊陽，黃義雄，李瀟，等．海壇島土地利用變化模擬與景觀生態風險評價［Ｊ］．水土保持通報，２０１７，３７（６）：１４６－１５１，１５６．

［１３］ 張斌，李璐，夏秋月，等．“三線”約束下土地利用變化及其對碳儲量的影響：以武漢城市圈為例［Ｊ］．生態學報，２０２２，４２（６）：２２６５－２２８０．

［１４］ 袁雪松，周俊，胡蓓蓓，等．基于ＦＬＵＳ 模型粵港澳大灣區“三生空間” 多情景模擬預測［Ｊ］．地理科學，２０２３，４３（３）：５６４－５７４．

［１５］ 李俊，楊德宏，吳鋒振，等．基于ＰＬＵＳ 與ＩｎＶＥＳＴ 模型的昆明市土地利用變化動態模擬與碳儲量評估［Ｊ］．水土保持通報，２０２３，４３（１）：３７８－３８７．

［１６］ 石晶，石培基，王梓洋，等．基于ＰＬＵＳ－ＩｎＶＥＳＴ 模型的酒泉市生態系統碳儲量時空演變與預測［Ｊ］．環境科學，２０２４，４５（１）：３００－３１３．

［１７］ 鞏晟萱，張玉虎，李宇航．基于ＰＬＵＳ－ＩｎＶＥＳＴ 模型的京津冀碳儲量變化及預測［Ｊ］．干旱區資源與環境，２０２３，３７（６）：２０－２８．

［１８］ 李安林，周艷，唐麗毅，等．怒江州土地利用模擬及生態系統服務價值評估：基于ＰＬＵＳ 模型的多情景分析［Ｊ］．中國農業資源與區劃，２０２３，４４（１）：１４０－１４９．

［１９］ ＬＩＡＮＧ Ｘｕｎ，ＧＵＡＮ Ｑｉｎｇｆｅｎｇ，ＣＬＡＲＫＥ Ｋ Ｃ，ｅｔ ａｌ．Ｕｎｄｅｒ?ｓｔａｎｄｉｎｇ ｔｈｅ Ｄｒｉｖｅｒｓ ｏｆ Ｓｕｓｔａｉｎａｂｌｅ Ｌａｎｄ Ｅｘｐａｎｓｉｏｎ Ｕｓｉｎｇ ａＰａｔｃｈ?Ｇｅｎｅｒａｔｉｎｇ Ｌａｎｄ Ｕｓｅ Ｓｉｍｕｌａｔｉｏｎ （ＰＬＵＳ） Ｍｏｄｅｌ：ＡＣａｓｅ Ｓｔｕｄｙ ｉｎ Ｗｕｈａｎ，Ｃｈｉｎａ［Ｊ］．Ｃｏｍｐｕｔｅｒｓ，Ｅｎｖｉｒｏｎｍｅｎｔａｎｄ Ｕｒｂａｎ Ｓｙｓｔｅｍｓ，２０２１，８５：１０１５６９．

［２０］ 陸大道，孫東琪．黃河流域的綜合治理與可持續發展［Ｊ］．地理學報，２０１９，７４（１２）：２４３１－２４３６．

［２１］ 馮薇，趙榮欽，謝志祥，等．碳中和目標下土地利用碳排放效率及其時空格局：以黃河流域７２ 個地級市為例［Ｊ］．中國土地科學，２０２３，３７（１）：１０２－１１３．

［２２］ 馬遠，劉真真．黃河流域土地利用碳排放的時空演變及影響因素研究［Ｊ］．生態經濟，２０２１，３７（７）：３５－４３．

［２３］ 牛統莉，熊立華，陳杰，等．基于ＰＬＵＳ 模型的長江流域土地利用變化模擬與多情景預測［Ｊ］．武漢大學學報（工學版），２０２４，５７（２）：１２９－１４１，１５１．

［２４］ 王保盛，廖江福，祝薇，等．基于歷史情景的ＦＬＵＳ 模型鄰域權重設置：以閩三角城市群２０３０ 年土地利用模擬為例［Ｊ］．生態學報，２０１９，３９（１２）：４２８４－４２９８．

【責任編輯 張華巖】

基金項目：教育部人文社科項目（２３ＹＪＣＺＨ０３８）；山東省自然科學基金資助項目（ＺＲ２０２３ＭＤ０６１）；濟南市閑置土地處置和防控機制研究項目（Ｚ２１０１４Ｓ）；新時期濟南市土地儲備開發運行成效及機制優化研究項目（Ｚ２３００４）