基于LUCC的漓江流域碳儲量時空變化及模擬預測

中圖分類號：X321 文獻標志碼：A 文章編號：1674-3075（2025）04-0096-10

全球氣候變暖給人類的生存與發展帶來了重大挑戰。聯合國環境規劃署《2021年排放差距報告》預測溫室氣體排放量遠高于2015年12月《巴黎協定》所預設的目標排放量。2021年11月，聯合國氣候大會各成員國達成的《格拉斯哥氣候公約》中進一步強調了減緩碳排放的緊迫性，強調在本世紀要達到凈零排放，則需要在十年內將碳排放量減少 45% 。陸地生態碳儲存系統通過植物、土壤吸收以及排放大氣中的溫室氣體來調節氣候。不同土地利用/土地覆被（LUCC）類型的轉化會引起陸地生態系統碳儲量的波動（馬曉哲和王錚，2015；Mendoza-Ponceetal，2018）。因此，對流域碳儲量進行綜合評估及模擬預測對區域的整體可持續發展具有重要意義。

目前，土地利用變化對碳儲量的影響研究主要采取實地調查法（李鑒霖等，2014）和模型模擬法（馮源等，2014），其中模型模擬法是通過數學模型來對不同尺度下的碳儲量進行可視化表達與評估。已有學者采用不同生態模型對碳儲量進行測算，呈現研究領域多元化的趨勢。生態系統碳儲存研究尺度和類型包括大城市集群（赫曉慧等，2022）、省域（柯新利和唐蘭萍，2019）、森林（韓其飛等，2014）和河流流域（劉菊等，2019）等，主要耦合了Dyna-CLUE模型、GeoSoS-FLUS模型（王雪然等，2021）、PLUS模型（李安林等，2023）和CA模型（胡燁婷和李天宏，2022）對未來碳儲量進行預測。張繼平等（2015）基于MO-DISGPP數據對三江源草地生態系統碳儲量進行研究，結果表明，自2000年以來，三江源地區草地生態系統碳匯呈波動增加趨勢，且個別縣因超載放牧和草地退化對其碳匯功能產生了負面影響。赫曉慧等（2022）運用Dyna-CLUE模型和InVEST模型動態評估了中原城市群的碳儲量演變特征，研究表明其碳儲量呈現極大的不均衡性，這種空間分布格局與人類活動和植被覆蓋度密切相關。在各類模型中以斯坦福大學開發的InVEST模型最為成熟，得到了國內外學者及政府機構的認同和廣泛應用。鄧喆等（2022）分析了祁連山1980—2018年土地利用變化對區域碳儲量的影響，表明實施生態工程、保護草地等政策有利于增加生態系統中的碳儲量。柯新利和唐蘭萍（2019）從城市擴張和耕地保護的角度對湖北省陸地生態系統碳儲量進行研究，結果表明城市擴張通過耕地保護的傳導作用對生態系統碳儲量產生間接影響。上述研究表明通過一定的方法和模型能夠評估區域內生態服務系統價值及區域碳儲量，對未來區域的發展進行模擬預測，但是影響生態系統變化的因素較為復雜，涉及多種自然環境因子與社會環境因子，目前通過未來情景模擬對生態系統碳儲量進行預測的研究大多未能提供最優化的土地利用格局。為了更好地服務于流域生態健康建設，設置多情景對未來土地利用格局進行模擬是必要的。在減排目標下，從流域尺度對未來土地利用格局進行模擬以評估碳儲量變化，對流域可持續發展與碳中和目標的早日實現具有更多現實意義和參考價值。

本文基于2000一2020年漓江流域的土地利用數據，結合修正的FLUS模型，對2025年和2030年的景觀格局在不同情景下進行模擬預測，并運用InVEST模型對不同情景下的生態系統碳儲量進行評估，以期為漓江流域的土地資源分配和自然資源可持續發展提供科學依據。

1材料與方法

1.1 研究區概況

漓江發源于廣西壯族自治區桂林市興安縣貓兒山東北面老界山南，自北向南流，于平樂縣平樂鎮與恭城河匯合后注入珠江（圖1）。漓江流域位于東經110^°5^′～110^°44^′ ，北緯 24^°38^′～25^°56^′ ，面積約5768.29km² ，全長 214km ，是廣西東北部十分重要的河流（Lietal，2021），屬于亞熱帶季風氣候，年均氣溫 20°C 左右，年均降雨量 1949.5mm 。四季分明，冬季較短暫而夏季長，受到海陸熱力性質差異的影響，全年多雨，其中夏季炎熱多雨，冬季溫和多雨（段文軍等，2014；胡金龍，2016；伍秀蓮和白先達，2017）。該區域為典型的喀斯特地貌區，山地多平地少且內部分布不均，北部主要為中低山地，中西部地勢相對平坦，主要由低山、丘陵及河谷平原組成。

1.2未來土地利用變化模擬

按照設計的研究思路（圖2），采用PLSR-FLUS模型預測漓江流域2025年和2030年不同情境下的土地利用變化。FLUS模型由Liu等（2017）提出，是基于地理模擬與優化系統（GeoSOS）開發的景觀格局變化情景模擬模型。偏最小二乘法（PLSR）是PCA、CCA和多元線性回歸這3種基本算法組合的產物，用以解決對于 n 個自變量， m 個因變量的建模問題。與傳統CA模型相比，FLUS模型通過引入人工神經網絡（ANN）來提高景觀在空間分布上的擬合預測能力，但ANN模型在輸入因子較多時容易出現過擬合現象（Heetal，2021）。因此本研究在驅動因子輸入ANN模型前，用PLSR對驅動因子進行約束，提取驅動因子的主成分（累計貢獻率 595% 作為ANN模型的輸入參數，減小模型的復雜度，從而提高模型的穩定度。

1.3碳儲量計算

結合PLSR-FLUS模型對漓江流域的景觀格局進行模擬，依據漓江流域的景觀類型數據和碳密度表，運用InVEST 模型中的 carbon storage and sequestra-tion模塊（馬良等，2015）評估漓江流域碳儲量的變化。碳儲量計算式如下：

式中：i為某種土地利用類型， C_itot 為研究區域內生態系統的碳儲總量， C_iabove 為植被地上碳儲量；C_ibelow 為植被地下碳儲量； C_isoil 為土壤碳儲量，單位為t；; C_idead 為死亡有機質碳儲量。植被碳儲量以其生物現存量乘以其含碳量求得，結合PIE-Engine平臺公布的中國植被生物量分布圖（空間分辨率為 500m） 計算得到；在采樣區內選取3＼～5個主要種，采集植物葉片，枝條及根系，分別測定其碳含量。以蛇形采樣法采集土壤，在樣區內采集 0～20cm 深度土壤樣品6個，均勻混合后，取 1kg 作為該樣區土壤樣品；植物和土壤碳含量采用濃硫酸-重鉻酸鉀水合加熱法測定，土壤碳儲量 （C_isoil） 參考滕秋梅等（2020）的方法計算獲得；其他部分碳儲量參考相關文獻（朱鵬飛，2018；蘭秀等，2019；李元強等，2020），結合漓江流域實際情況確定。

1.4未來情景模擬

為了更好地保障漓江流域碳儲資源的可持續性，本研究設定了自然發展和生態保護優先2種情景。

1.4.1自然發展情景是對其歷史景觀格局演變的延續，與生態保護優先情景形成對照。以漓江流域景觀格局演變不受新政策的影響為前提，各用地類型的鄰域因子參數和轉移成本矩陣不變，基于2010年、2015年和2020年的景觀格局演變規律，使用FLUS模型中的MarKov模型對用地需求進行預測。

1.4.2生態保護優先情景通過生態保護來提升區域碳儲量，在此情景下，主要參考《桂林市國土空間總體規劃2021—2035年草案》及《桂林市人口發展規劃2020一2030》，并考慮到居民對城市建設用地需求有所下降的基礎上，將生態文明建設放在首位并作為城市建設的指導思想，加強林地、草地、水域等生態保護區的管理，遏制公園綠地以及生態保護區內的用地類型向建設用地轉化，嚴格控制建設用地的無序擴張，減緩林地和耕地下降趨勢。以自然發展模式2020一2030年土地利用轉移矩陣為基礎，將林地、草地向建設用地的轉化率減少約 40% ，耕地向建設用地的轉化率減少約 30%

1.5數據來源與處理

研究所使用的漓江流域2000、2005、2010、2015和2020年土地利用數據以Landsat衛星影像為基礎，通過googleearthengine（GEE）平臺得到，數據總體精度為 92%～95% 。根據漓江流域實際情況，將土地利用類型劃分為耕地、林地、草地、水域以及建設用地5種類型。影響土地類型變化的因子主要包括自然因子和社會經濟因子，具體指標和來源如表2所示。

2結果與分析

2.12000一2020年漓江流域碳密度及碳儲量時空變化

2000一2020年漓江流域碳密度為 0.02～ 27.87t/hm² ，其密度均值約為 20.46t/hm² （圖3）。流域整體碳密度和碳儲量空間格局呈現較大一致性，均呈現北部高，西部和南部次之，中部最低的特點。2000一2020年流域內的碳儲量總體呈下降趨勢，減少量達 4.62×10⁶t，2000-2010 年間碳儲量減少了0.32×10⁶t，2010--2020 年間碳儲量減少了 4.3×10⁶1 ，約占總減少量的 91% ；碳儲量在不同的時間段內有所差異，2010—2020年碳儲量增加約 6.5×10⁶t ，碳儲量減少約 10.80×10⁶t ，其中2015—2020年變化量最大，碳儲量減少了 2.4×10⁶t ，約占2000—2020年減少量的 67.44% （表3）。碳儲量減少的區域主要分布在流域中下游的陽朔縣等地，增加的區域主要集中在流域的中部和西部青獅潭水庫附近（圖4）。碳儲量增加的區域面積，即碳匯能力得以提升的區域面積，呈先增后減趨勢；碳儲量減少的區域面積，即碳源能力提升的區域面積，呈持續增加趨勢（表4）。

2.2喀斯特地貌及對碳儲量的影響

漓江流域地貌主要由喀斯特地貌和非喀斯特地貌構成，其中喀斯特地貌面積約 2 393.65km² ，占整個流域面積的 41% 。漓江流域的碳儲量分布有著明顯的地貌差異，在2000一2020年非喀斯特地貌區域的碳密度均值遠高于喀斯特地貌，喀斯特地貌的碳密度均值為 15.97～16.98t/hm²， 而非喀斯特地貌區域的碳密度為 22.76～23.38t/hm² 。因不同地貌區碳儲量的密度和面積占比有所差異，其碳儲量也有所不同，非喀斯特地貌區的碳儲量約為 78.12×10⁶～80.32×10⁶t 約占漓江流域碳儲量的2/3，碳儲量約是喀斯特地貌區的2倍。喀斯特地貌和非喀斯特地貌的碳密度和碳儲量均呈波動下降趨勢，在這20年間，喀斯特地貌區域碳儲量共下降了 5.05% ，非喀斯特地貌區域下降了2.65% 。喀斯特地貌的碳儲量2010年比2005年增加了 0.1×10⁶ t，非喀斯特地貌的碳儲量2010年比2005年減少了 0.3×10⁶ t（表5）。

2.3土地利用變化及對碳儲量的影響

從表6和表7可知，2000—2020年漓江流域土地利用類型發生轉移的面積共計 1171.22km² ，約占漓江流域總面積的 20% 。其中耕地轉出面積為 467.3km² 表72000—2020年漓江流域各類土地利用類型碳儲量變化 10⁶t 轉移到林地的有 407.47km² ，約增加了 7.98×10⁶ t的碳儲量，建設用地轉出面積為 276.18km² ，約增加了 3×10⁶ t的碳儲量，耕地轉為建設用地的面積為45.18km² ，由此帶來的碳儲量損失為 0.45×10⁶t ，林地轉出面積為 353.36km² ，帶來的碳儲量損失為6.93×10⁶t ，林地轉出是該階段碳儲量損失的主要原因。漓江流域在2015—2020年的5年間碳儲量減少量高于2000一2015年這15年的總和，這是由于生態保護跟不上城市發展速度導致的碳儲量下降速度，2000一2015年正是城市快速發展、建設用地不斷擴張、碳源景觀不斷增加的時期。

2.4漓江流域的碳儲量預測

在自然發展情景和生態優先情景2種土地利用格局模擬的基礎上，運用InVEST模型的carbon模塊分別計算2025和2030年的碳儲量變化，結果如表8和圖5所示。在2種情景模擬下，碳儲量的空間格局整體均呈現出東北、東南部高，中西部以及西南低的態勢（圖5）。2020年漓江流域的碳儲量為 129.11×10⁶t ，在2種情境下碳儲量均有所下降，自然發展情景下2020—2030年漓江流域碳儲量降為 123.08×10⁶t ，主要減少的區域為桂林市主城區及陽朔縣等南部縣域以及鐵路沿線，而碳儲量增加的區域面積為66.92km² 。在生態優先的情境下，碳儲量仍處于下降趨勢，但其下降的速率有所減緩，在該情境下碳儲量的空間分布減少量均少于自然發展情境，下降區域主要是流域中部的桂林市主城區一帶，南部的陽朔及鐵路沿線碳儲量基本無變化，漓江流域碳儲量比減少 1.61×10⁶t ，相比于自然發展情景下碳儲量增加 4.58×10⁶ t（表8）。2020—2025年，自然發展模式與生態優先發展情景碳儲量空間變化差異不大（圖5C、D），但隨著時間推移，2025一2030年這2種發展情景之間的差距被放大，尤其在生態優先發展情景下，原本漓江流域中部碳儲量處于減少狀態的區域，已經不再繼續減少，而流域北部碳儲量則有少量增加（圖5E、F）。整體而言，在生態優先發展情景下，碳儲量增加的區域隨時間變多，而延續自然發展模式，會讓碳儲量減少的區域變多（圖5G、H，圖6）。

3討論

3.1流域土地利用變化對碳儲量的影響

碳儲量的變化與區域土地利用類型變化息息相關，近20年間，土地利用類型均發生了不同程度的轉移，其中流域中下游陽朔縣等地是碳儲量的主要減少區域，流域中部和西部略有增加。隨著城市化進程的不斷推進，建設用地不斷侵占耕地和林地，使得原有的高碳密度林地和耕地轉化為低碳密度的建設用地。隨著旅游業的發展，漓江中下游區域的自然風光進行大力開發，獲取經濟利益的同時卻使得林地面積大量流失。林明明等（2022）的研究表明近年來桂林市環境保護的力度逐漸跟不上生態環境壓力的增長，人類的過度開發建設可能是漓江流域后期碳儲量迅速下降的原因。對2030年的碳儲量進行預測，結果顯示不同的發展情景會導致2種截然不同的未來發展格局，按照自然發展模式繼續發展下去，漓江流域碳儲量的下降趨勢將進一步加快，生態保護情景下碳儲量減少的區域明顯少于自然發展情景。

3.2喀斯特地貌及對碳儲量的影響

漓江流域是我國南方生態屏障的重要組成部分，同時也是喀斯特世界遺產地。喀斯特地貌作為一種多相多層復雜界面體系，具有生態敏感性強、自我調節修復及抗外界干擾能力低、景觀類型穩定性差等特征。隨著人類社會的發展，對漓江流域的喀斯特地貌不可避免地產生一定破壞，且喀斯特地貌存在水土漏失這一特殊現象，即流域內被侵蝕破壞的土壤資源是不可再生的，這導致原本高碳密度的林地、草地在被破壞后轉變為低碳密度的用地類型，不僅會釋放原本被封存的碳，而且會降低碳儲存總量。與非喀斯特地貌相比，喀斯特地貌更易受人類活動影響，且在被破壞后所需要的治理成本也高于非喀斯特地貌區。因此，未來需要合理構建喀斯特區域生態監管體系，加強其生態修復研究，呵護好漓江這片綠水青山。

A為自然發展情景，B為生態優先情景，C為自然發展情景碳儲量空間變化，D為生態優先發展情景碳儲量空間變化，E為自然發展情景碳儲量空間變化，F為生態優先發展情景碳儲量空間變化，G為自然發展情景碳儲量空間變化，H為生態優先發展情景碳儲量空間變化。

3.3緩解碳儲量下降趨勢的對策

碳儲量變化受政策因素影響顯著。2002年在退耕還林政策指導下，自然植被得以恢復，因此在2000一2010年間建設用地快速增長的情況下，漓江流域的碳儲量依舊能夠保持穩定，這歸功于我國實施的退耕還林等一系列生態保護政策提升了生態系統的碳匯能力。結合漓江流域不同情景下的碳儲量變化可知，未來區域應重點保護林地資源，完善低碳土地利用方式轉化的監管網絡，減緩中下游旅游區縣的開發強度，保障北部生態屏障的重要地位。喀斯特地貌的生態系統較為脆弱，需要重點保護，加深大眾對陸地生態系統碳循環的認識，鞏固生態建設成果。同時為碳中和目標的實現指明生態環境治理的方向。實施生態優先戰略有利于緩解碳儲量下降態勢，退耕還林還草以及設立天然林地保護區等政策對區域碳匯能力的提升有巨大作用也得到了眾多學者的研究印證。鄧元杰等（2020）的研究表明黃土高原子長縣的碳儲存服務隨著退耕還林還草工程的實施而提升，并且在未來能夠因此獲得一定的碳匯價值，姚平等（2014）的研究表明在退耕還林工程影響下，西南地區的森林碳匯能力有所提升，進一步證實了實施生態保護優先戰略有利于提升區域碳儲量。

3.4研究的局限性

土地利用變化與碳儲量的研究方法仍然需要持續改進，對未來發展情景的預測僅假定了2種情景下2025年和2030年的碳儲量變化及分布情況，研究的時間尺度相對較小。InVEST模型在計算碳儲量上的局限性在于過于簡化了碳循環過程，與實際情況存在潛在誤差。因此，未來應該實地進行連續的監測以驗證碳密度值的合理性，在土地利用變化模擬的驅動因子指標選取上，主要偏向于自然環境因子，未來研究應適當增加社會環境因子。

4結論

（1）2000—2020年漓江流域碳儲量整體呈東北高西南低的空間分布特征，漓江流域的總碳儲量為129.11×10⁶～133.80×10⁶ ，碳密度約為 20.64t/hm² ，20年間碳儲量整體呈下降趨勢，共減少約 4.62×10⁶t 碳儲量的減少主要是林地與耕地向建設用地轉移引起的。

（2）研究期間喀斯特地貌與非喀斯特地貌區域碳儲量均呈現下降趨勢，2000一2020年喀斯特地貌區域碳儲量下降了 5.05% ，非喀斯特地貌區域下降了2.65% ，喀斯特地貌碳儲量更易受到外界影響而下降。（3）在自然發展和生態保護2種情景下，2030年漓江流域的碳儲量分別為 123.08×10⁶ 和 127.66×10⁶t 以自然發展情景至2030年，漓江流域的總碳儲量比2020年下降 1.45×10⁶t ，以生態保護模式發展至2030年，漓江流域的碳儲量下降趨勢得到遏制，與2020年的碳儲量持平。控制林地與耕地的退化和建設用地的無序擴張對陸地生態系統的碳儲量增加是有效的。

參考文獻

鄧喆，丁文廣，蒲曉婷，等，2022.基于InVEST模型的祁連山 國家公園碳儲量時空分布研究[J].水土保持通報，42（3）： 324-334，396.

DENG Z，DING WG，PU XT， etal，2022.Spatial-temporal distribution of carbon storage in Qilian Mountain National ParkbasedonInVESTmodel[J].BulletinofSoilandWater Conservation，42（3）：324-334，396.

段文軍，王金葉，張立杰，等，2014.1960—2010年漓江流域降 水變化特征研究[J].水文，34（5）：88-93.

DUANWJ，WANGJY，ZHANGLJ，etal，2014.Characteristicsof precipitationin LijiangRiverBasin during 1960-

鄧元杰，姚順波，侯孟陽，等，2020.退耕還林還草工程對生態 系統碳儲存服務的影響：以黃土高原丘陵溝壑區子長縣 為例[J].自然資源學報，35（4）：826-844.

DENG Y J， YAO SB，HOU MY， et al，2020. Assessing the effects of the Green for Grain Program on ecosystem carbon storage service by linking the InVEST and FLUS models： a case study of Zichang county in hilly and Gully Region of Loess Plateau[J]. Journal of Natural Resources，35（4）： 826-844.

李鑒霖，江長勝，郝慶菊，2014.土地利用方式對縉云山土壤 團聚體穩定性及其有機碳的影響[J].環境科學，35（12）： 4695-4704.

LI JL， JIANG C S， HAO Q J，2014. Impact of land use type on stability and organic carbon of soil aggregates in Jinyun Mountain[J]. Environmental Science，35（12）：4695-4704.

馮源，付甜，朱建華，等，2014.加拿大碳收支模型（CBMCFS3）原理、結構及應用[J].世界林業研究，27（3）：87-91.

FENG Y，FU T， ZHU JH， et al，2014.Principle， structure and application of carbon budget model（CBM-CFS3） in Canada[J].World Forestry Research，27（3）：87-91.

赫曉慧，徐雅婷，范學峰，等，2022.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，42（6）：2965-2976.

HEXH，XUYT，FANXF，etal，2022.Temporal and spatial variation and prediction of regional carbon storage in Zhongyuan Urban Agglomeration[J]. China Environmental Science， 42（6）：2965-2976.

韓其飛，羅格平，李超凡，等，2014.基于Biome-BGC模型的 天山北坡森林生態系統碳動態模擬[J].干旱區研究，31 （3）：375-382.

HAN QF，LUO G P， LI C F， et al，2014. Simulation of carbon trend in forest ecosystem in northern slope of the Tianshan Mountains based on biome-BGC model[J].Arid Zone Research， 31（3）：375-382.

胡燁婷，李天宏，2022.基于SD-CA模型的快速城市化地區 土地利用空間格局變化預測[J].北京大學學報（自然科 學版），58（2）：372-382.

HU Y T， LI T H， 2022. Forecasting spatial pattern of land use change in rapidly urbanized regions based on SD-CA model[J]. Acta Scientiarum Naturalium Universitatis Pekinensis， 58（2）：372-382.

胡金龍，2016.漓江流域土地利用變化及生態效應研究[D]. 武漢：華中農業大學.

柯新利，唐蘭萍，2019.城市擴張與耕地保護耦合對陸地生態 系統碳儲量的影響：以湖北省為例[J].生態學報，39（2）： 672-683.

KE X L， TANG L P， 2019. Impact of cascading processes of urhan exnansion and cronland reclamation on the ecosvstem ofacarbon storage service in Hubei Province，China[J]. Acta Ecologica Sinica，39（2）：672-683.

李安林，周艷，唐麗毅，等，2023.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，44（1）：140-149.

LI A L， ZHOU Y， TANG L Y， et al， 2023.Land use simulation and ecosystem services values evaluation in Nujiang prefecture： a multiple-scenario analysis based on plus model [J]. Chinese Journal of Agricultural Resources and Regional Planning， 44（1）：140-149.

蘭秀，杜虎，宋同清，等，2019.廣西主要森林植被碳儲量及其 影響因素[J].生態學報，39（6）：2043-2053.

LAN X，DU H， SONG TQ， et al，2019.Vegetation carbon storage in the main forest types in Guangxi and the related influencing factors[J].Acta Ecologica Sinica，39（6）：2043-2053.

李元強，何敏增，蔣恒潔，等，2020.桂西北巖溶區蘇木人工林 生物量及碳儲量[J].福建林業科技，47（4）：22-25，66.

林明明，王金葉，林珍銘，2022.桂林城市生態系統可持續發 展能力評價及提升對策[J].桂林理工大學學報，42（1）： 273-280.

LIN M M， WANG JY，LIN Z M， 2022. Evaluation and promotion countermeasures of sustainable development capacity for urban ecosystem in Guilin[J]. Journal of Guilin University of Technology， 42（1）：273-280.

劉菊，傅斌，張成虎，等，2019.基于InVEST模型的岷江上游 生態系統水源涵養量與價值評估[J].長江流域資源與環 境，28（3）：577-585.

LIU J，FUB， ZHANG C H， et al， 2019. Assessment of ecosystem water retention and its value in the upper reaches of Minjiang River based on InVEST model[J]. Resources and Environment in the Yangtze Basin，28（3）：577-585.

馬良，金陶陶，文一惠，等，2015.InVEST模型研究進展[J].生 態經濟，31（10）：126-131，179.

MA L， JIN T T， WEN Y H， et al，2015. The research progress of InVEST model[J]. Ecological Economy，31（10）： 126- 131，179.

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

MA X Z， WANG Z， 2015. Progress in the study on the impact of land-use change on regional carbon sources and sinks [J].Acta Ecologica Sinica， 35（17）：5898-5907.

滕秋梅，沈育伊，徐廣平，等，2020.桂北喀斯特山區不同植被 類型土壤碳庫管理指數的變化特征[J].生態學雜志，39 （2）：422-433.

TENG Q M， SHENY Y， XUG P， et al， 2020. Characteristics of soil carbon pool management indices under different vegetation types in Karst mountainous areas of North Guangxi [J]. Chinese Journal of Ecology， 39（2）：422-433.

伍秀蓮，白先達，2017.氣候變化對漓江生態環境的影響[J]. 氣象研究與應用，38（1）：97-101.

王雪然，潘佩佩，王曉旭，等，2021.基于GeoSOS-FLUS模型 的河北省土地利用景觀格局模擬[J].江蘇農業學報，37 （3）：667-675.

WANG XR，PANPP， WANG XX， et al， 2021. Simulation of landscape pattrn for land use in Hebei province based on GeoSOS-FLUS model[J]. Jiangsu Journal of Agricultural Sciences，37（3）：667-675.

姚平，陳先剛，周永鋒，等，2014.西南地區退耕還林工程主要 林分 50年碳匯潛力[J].生態學報，34（11）：3025-3037.

YAO P， CHEN X G， ZHOU Y F， et al， 2014. Carbon sequestration potential of the major stands under the Grain for Green Program in Southwest China in the next 5O years [J].Acta Ecologica Sinica，34（11）：3025-3037.

張繼平，劉春蘭，郝海廣，等，2015.基于MODISGPP/NPP數 據的三江源地區草地生態系統碳儲量及碳匯量時空變 化研究[J].生態環境學報，24（1）：8-13.

ZHANG JP， LIU C L，HAO HG， et al，2015. Spatial-temporal change of carbon storage and carbon sink of grassland ecosystem in the Three-River Headwaters Region based on MODIS GPP/NPP data[J]. Ecology and Environmental Sciences，24（1）：8-13.

朱鵬飛，2018.基于InVEST模型的廣西沿海地區土地利用/ 覆被變化的生態效應研究[D].南寧：廣西師范學院.

MENDOZA-PONCE A， CORONA-NUNEZ R， KRAXNER F， et al，2018.Identifying effects of land use cover changes and climate change on terrestrial ecosystems and carbon stocks in Mexico[J]. Global Environmental Change， 53：12-23.

LI N，WANGJY，WANG HY， et al， 2021. Impacts of land use change on ecosystem service value in Lijiang River Basin， China[J]. Environmental Science and Pollution Research International， 28（34）：46100-46115.

LIU X P， LIANG X，LI X， et al， 2017. A future land use simulation model （FLUS） for simulating multiple land use scenarios by coupling human and natural effects[J].Landscape and Urban Planning，168：94-116.

HE W，LIY Q， WANG JY， et al，2021. Using field spectroradiometer to estimate the leaf N/P ratio of mixed forest in a Karst area of Southern China： a combined model to overcome overfiting[J]. Remote Sensing，13（17）：3368. （善任妒娼熊羊化岸蘇蘇）

Prediction of Carbon Storage in the Lijiang River Basin Based on Land Use/Land Cover （LUCC）

ZHOU Xinran1，HE Wen2， WANG Jinyel，3， WEI Qingqing1， YAO Yuefeng2 （1. College of Tourism amp; Landscape Architecture， Guilin University of Technology， Guilin 541006，P.R. China; 2. Guangxi Key Laboratory of Plant Conservation and Restoration Ecology in Karst Terrain， Guangxi Institute of Botany， Guangxi Zhuang Autonomous Region and Chinese Academy of Sciences， Guilin 541006，P.R. China; 3. Nanning College of Technology， Nanning 530000， P.R. China）

Abstract： Quantitative prediction of carbon storage in terrestrial ecosystems by model simulation is important for climate regulation and ecosystem management. In this study，the Lijiang River basin was selected for case study，and we analyzed the dynamic changes in carbon storage resulting from land use variation in Lijiang River basin （2000-2020），based on land use data for 2000，2005，2010，2015 and 2020. Landscape simulation and prediction of the spatial distribution of carbon storage in the Lijiang River basin in 2025 and 203O was accomplished by combining partial least squares regression with the Future Land Use Simulation （PLSR-FLUS） model and the Integrated Valuation of Ecosystem Services and Tradeoffs （InVEST） model using two simulation scenarios （natural development and ecological priority）. Results show that： （1） The carbon storage in Lijiang River basin in 2000，2005，2010，2015and 2020 were， respectively， 133.8×10⁶ 133.58×10⁶ ， 133.43×10⁶ ， 132.32×10⁶ and 129.11×10⁶ t. Over the period of 2000 to 2020，thecarbon storage in the Lijiang Riverbasin declined consistently and significantly，withan overall decrease of 4.62×10⁶ t over the 20 year period， attributed primarily to conversion of forest and cultivated lands to construction land.（2）From 2000 to 2O20，the spatial distribution of carbon storage in the Lijiang River basin was consistently higher in the northeast and lower in the southwest.（3） During the study period，carbon storage in both karst and non-karst areas declined.However， from 20o0 to 2020，carbon storage in karst areas decreased by 5.05% and by 2.65% in non-karst areas，indicating that karst ecosystems are more susceptible to external influences that result in carbon loss.Specifically，carbon storage differed between karst and non-karst landforms，with recorded values of 44.54×10⁶ t and 84.76×10⁶ tin 2020.（4） Carbon storage in the Lijiang River basin for 2O3O was estimated to be 123.08×10⁶ t with the natural development scenario and 127.66×10⁶ t with the ecological priority scenario. Under the ecological priority scenario，the decrease in carbon storage was significantly less than under the natural development scenario. Our research demonstrates that rational planning and restrictions on land development， coupled with controlling the conversion of high-carbon-density land types to low-carbon-density land types，can effectively enhance watershed carbon sequestration capacity.The results provide a scientific reference for enhancing regional ecosystem carbon storage by optimizing land use and promoting the sustainable development of Guilin City as a national innovative demonstration zone for achieving the goal of carbon neutrality.

Key words：land use/land cover;carbon storage; InVEST model; PLSR-FLUS model; multi-scenario simulation; Lijiang River basin