廣西國土空間碳儲量多情景模擬與區劃管控對策研究

李曉悅, 覃盟琳, 龐雅月, 吳欣芋, 蔣紅波

(1.廣西大學 林學院, 廣西 南寧 530004;2.廣西大學 土木建筑工程學院, 廣西 南寧 530004;3.廣西大學 人居環境設計研究中心, 廣西 南寧 530004)

0 引言

為了緩解全球氣候變暖,我國提出“力爭2030年前二氧化碳排放達到峰值,努力爭取2060年前實現碳中和”的“雙碳”戰略[1]?，F有研究表明,人類活動導致土地利用與覆被變化(land use and land cover change, LUCC)是僅次于化石燃料燃燒的第二大碳排放源[2],LUCC對陸地生態系統的物質交換與能量循環產生影響,進一步影響碳儲能力[3-4],從而導致當前碳失衡的現狀。人類活動受國土空間規劃政策的影響,隨政策變化土地利用空間格局呈現不同的形式[5-6],因此,量化國土空間土地利用變化下的碳儲量時空動態變化,解析碳儲量空間特征以總結區劃規律,落實碳儲區劃方案從而提出針對性的空間管控對策,對助力“碳中和”的實現具有重要意義。

近年來國內外學者對土地利用變化對生態系統碳儲量的研究已形成相對成熟的體系,為以碳儲導向的國土空間規劃提供了多種定量分析的方法[7-8],但以往的模型因性能與情景設置上存在局限性,在大尺度區域中的模擬精度有待提高[9-10]。PLUS-InVEST耦合模型因在多地類復雜演化模擬與碳儲量估算方面表現良好,且對于大尺度土地利用模擬使用程度高而被廣泛應用與驗證[11-13]?，F階段國土空間發展情景與碳儲量的相關研究中,研究區域涉及城市群[14-15]、省域[16]、市域[17-18]、流域[19-20]等方面,研究范圍較廣,空間類型與要素存在不同的特征,因此針對不同區域特點提出分區分級和多情景要素優化對策,對于碳中和導向下國土空間的構建具有重要意義,但當前研究少有進行精細化分區、分級、分要素管控優化。此外,相關研究多以模擬預測不同發展情景下土地利用變化與相應的碳儲量分布格局等碳儲空間特征為后期國土空間規劃做數據支撐,但多數研究都停留在數據分析層面[1,3,16,18,21-23],而未將碳儲空間特征與國土空間規劃相對應,導致其研究成果對于國土空間規劃對策的提出指導性不強,缺乏應用價值。

本文以廣西作為研究區域,通過構建國土空間土地利用分類體系,并運用PLUS-InVEST模型對廣西國土空間未來2020——2030年可能發展的3類情景的碳儲情況進行預測,總結演變規律,并根據研究區碳儲量的空間特征進行精細化分區,通過分區進行針對性分類管控,同時結合碳儲量空間相關性變化趨勢,提出不同發展趨勢下的要素優化決策,以期為廣西碳儲資源的精準保護以及土地管理決策提供新思路,助力廣西“碳中和”的實現。

1 研究區域概況與數據來源

1.1 研究區域概況

研究區域空間范圍為廣西陸域國土空間(20°54′—26°24′N,104°26′—112°04′E),地理區位東與廣東省接壤,西鄰云南省,南瀕北部灣,與海南省隔海相望,西南部與越南社會主義共和國接壤,東北與湖南省接壤,北、西與貴州省相連,總面積為23.68萬km2[24]。廣西地處中國南方沿海,地跨我國第二、三階梯,地勢呈西北朝東南、內陸向沿海傾斜態勢,四周被山地、高原環繞,中部和南部多丘陵平地,研究區域范圍如圖1所示。

1.2 數據來源

1.2.1 土地利用數據

從資源環境科學與數據中心(https://www.resdc.cn)下載了廣西壯族自治區行政區劃邊界數據。土地利用數據來源于全球地表覆蓋數據GlobeLand30(http://www.globallandcover.com),選擇了2000、2010、2020年共3期土地利用數據。用ArcGIS軟件將該區域土地利用數據類型綜合參考相關文獻以及后續研究需求,通過再分類將土地利用類型重分類為耕地、林地、草地、水域、建設用地和未利用地6大類。參考國土空間規劃體系中“三區三線”的劃定概念,國土空間可基于主導功能劃分為農業空間、生態空間、城鎮空間。本研究將耕地界定為農業空間,林地、草地、水域及未利用土地等以自然屬性和生態功能為主的用地類型界定為生態空間,建設用地界定為城鎮空間。通過對土地利用類型與國土空間分類進行銜接,以此構建廣西國土空間土地利用分類體系。

1.2.2 驅動因子數據

其中數字高程模型(digital elevation model, DEM)數據來源于SRTM1 v3.0(https://srtm.csi.cgiar.org/srtmdata/),坡度由DEM計算生成,歸一化植被指數(normalized difference vegetation index, NDVI)、土壤類型、年均降水、年均氣溫數據以及社會因子(GDP、人口密度)均來源于中國科學院資源環境科學與數據中心(https://www.resdc.cn);可達性因子包括距國道、省道、城市快速路以及鐵路的距離,于OpenStreetMap(https://www.openstreetmap.org)獲取矢量數據,借助歐氏距離法計算得到。選取自然保護區作為限制因素,來源于國家地球系統科學數據中心(http://www.geodata.cn)

2 研究方法

2.1 研究框架

本研究包括2030年不同情景下廣西國土空間土地利用及碳儲量預測模擬、碳儲量格局與特征分析、碳儲導向下廣西國土空間區劃管控對策:①運用PLUS-InVEST模型,以2000—2020年土地利用現狀數據為基礎,對2030年廣西國土空間3種發展情景下的土地利用和碳儲量進行模擬。②運用標準橢圓差、等級格局劃分、空間自相關分析2030年廣西國土空間碳儲量空間格局與分布特征,以此對廣西碳儲空間分布進行解析,為下一步區劃管控對策的提出提供數據支撐。③根據研究區碳儲量的空間特征進行分區,總結2020—2030年3個情景下碳儲分區演變規律,結合不同情景特性提出碳儲分區分級管控與多情景碳儲空間要素優化對策。

2.2 PLUS模型土地利用變化模擬預測

2.2.1 情景設置

本文基于SSPs-RCPs組合情景矩陣[25]結合研究區的實際情況,對未來2030年廣西發展態勢構建了3種發展情景:①基于生態可持續的發展(ecological sustainable, ES)情景,參考SSP1-RCP2.6組合情景的低強度路徑,對應廣西積極性應生態文明建設,大力開展系統性的國土空間生態保護與修復工作,為生態友好的可持續發展情景,土地利用方面傾向于林地的穩固與修復。②基于中等強度的發展(medium-inten-sity, MI)情景,參考SSP2-RCP4.5組合情景的中等輻射強迫路徑,土地利用變化延續歷史規律自然發展,建設用地仍有一定的擴張需求,但開始關注生態保護與維育問題,有序控制林地開發,在相關政策實行與時間推移下,林地受損概率有逐漸降低的可能。③基于高強度的發展(hith-intensity, HI)情景,參考SSP5-RCP8.5組合情景的高強度社會經濟發展路徑,情景下有較高的城鎮空間擴張需求,而人口的增長也將引起對糧食安全問題的重視。土地利用變化以建設用地擴張、耕地保障為主要特征。

2.2.2 土地利用模擬

PLUS模型是一種斑塊生成土地利用變化模擬的模型用來推演以及預測研究區的土地利用變化情況,此模型包含2個模塊,即土地擴張分析策略模型(land expansion analysis strategy, LEAS)以及基于多類型隨機斑塊種子的CA模型(CA based on multi-type random patch seeds, CARS)[10,26]。本文通過自然、社會、規劃3類不同維度選取11個驅動因子作為驅動變量,以廣西2010年實際土地利用數據作為基準數據輸入到PLUS模型中,模擬預測2020的土地利用,并使用Kappa系數和優質因子(figure of merit, FoM)表示匹配率對模擬結果進行精度檢驗[26-28],2020年模擬結果與實際土地利用數據檢驗對比總體精度為89.9786%,Kappa系數為0.8055,FoM為0.078187,證明PLUS模型在本研究中具有較好的可靠性與適宜性。該模型中的領域權重參數參考PLUS模型說明手冊基于不同情景下土地利用類型的擴張面積占總土地擴張的比率進行計算。土地利用需求預測采用此模型中的Markov Chain功能進行預測計算,并根據研究需要與《廣西壯族自治區國土空間規劃(2021-2035)》設置轉換矩陣(見表1)。

表1 3種發展情景下土地利用轉化成本矩陣Tab.1 Land use conversion cost matrix under three scenarios

2.3 InVEST模型碳儲量計算

InVEST模型的碳儲量模塊被廣泛應用于區域碳儲量的定量評估與可視化呈現,其主要是以生態系統4個基本的碳庫(植被地上碳庫、植被地下碳庫、土壤碳庫以及死亡有機質碳庫)的碳儲量進行劃分;但由于死亡有機碳庫數據精度無法保證且占比較小,因此本研究不作考慮。計算公式[19-20]為

(1)

式中:Ci為區域i的碳儲量;Aix為區域i中土地覆被類型x的面積;Cax、Cbx、Csx分別代表土地覆被類型x的地上生物碳密度、地下生物碳密度、土壤有機物碳密度。

根據廣西地區現狀,通過與同緯度地區對比,并借鑒前人研究成果和經驗[17,29-30],參照朱志強測定的廣州市碳密度值[29],對研究區域的年均降水量及年均氣溫對碳密度進行修正,由此得到廣西各土地利用類型的碳密度(見表2)。修正公式為

表2 廣西各類土地利用類型碳密度值Tab.2 Carbon density values of various land use types in Guangxi t/hm2

CSP=3.396 8MAT+3 996.1;CBP=6.987 e0.0054 MAP;CBT=28MAT+398,

(2)

(3)

(4)

式中:KBP、KBT分別表示植被碳密度降水因子和氣溫因子修正系數;KB表示地上地下植被碳密度修正系數;KS表示土壤碳密度修正系數;C′、C″分別表示廣西和廣州地區的碳密度;MAP為年均降水量;MAT為年均氣溫;CBP、CBT分別表示根據降水量和氣溫得到的植被碳密度;CSP表示根據降水量得到的土壤碳密度。

綜合得到廣西壯族自治區各類土地利用類型的碳密度值(表2)。InVEST模型的4個碳庫中,本研究碳儲量僅考慮地上生物碳庫、地下生物碳庫、土壤碳庫的計算。

2.4 基于網格的碳儲量格局與特征分析

本研究使用ArcGIS數據管理工具中的創建漁網工具,創建一個以研究區域邊界為范圍、像元設置為10 km×10 km(高度×寬度)的格網。通過之前PLUS-InVEST耦合模型得出的2020年以及2030年3種情景的碳儲量矢量圖,再選擇以下數據處理工具將碳儲量數據賦值于該格網中分別進行矢量分析。

2.4.1 標準橢圓差分析

標準標準橢圓差分析可以研究空間要素分布特征和方向差異的空間計量分析方法[31],本研究利用此分析方法對于廣西2020—2030年3種情景碳儲量空間離散趨勢、分布中心以及中心遷移軌跡。

2.4.2 碳儲量空間等級格局劃分

運用ArcGIS空間分析工具中面積制表工具,對2個數據集之間交叉制表的區域進行運算并輸出表,將表格鏈接到創建好的格網中,可得到每個格網內各等級空間的面積總和,并在符號系統中進行符號化表示。本文根據空間碳密度進行碳儲等級劃分將0.18～12.57 t/hm2劃分為低碳儲量空間、28.86～29 t/hm2劃分為中碳儲量空間、79.68 t/hm2劃分為高碳儲量空間,從而統計廣西格網內不同等級碳儲量空間的整體占比,由此揭示廣西2020年以及2030年ES、MI、HI情景下不同等級碳儲量格網占比分布及演變特征,為碳儲空間要素優化對策的提出提供方向。

2.4.3 碳儲量空間等級格局劃分

空間自相關分析被廣泛應用于研究空間要素的聚合或離散程度的空間計量分析方法[32],本研究主要分析2020年與2030年3種情景下廣西國土空間發展的用地類型與碳儲量二者在空間上離散或聚集分布特性。本文采用Moran指數和Lisa指數來表征碳儲量與空間分布的關系,具體計算方法可參照文獻[16],Moran指數取值一般為(-1,1),小于0表示負相關,等于0表示不相關,大于0表示正相關;Lisa指數的具體表現為: LL型(低低聚集)、HH型(高高聚集)、 HL 型(高低聚集)、LH型(低高聚集)4種類型,其結果作為碳儲區劃識別提出分區管控對策的4個分區。

3 結果與分析

3.1 2030年不同情景下廣西國土空間土地利用及碳儲量預測分析

2020年現狀與2030年3種情景下廣西國土空間土地利用類型面積變化、碳儲量變化以及變化空間分布情況,分別見表3、4和如圖2所示。

表3 廣西國土空間2020年各類土地利用現狀與2030年模擬情況Tab.3 Land use status in 2020 and simulations of different land use in 2030

表4 2030年3種情景下廣西碳儲量、碳密度與變化Tab.4 Carbon storage, carbon density and changes Guangxi under three scenarios in 2030

(a) ES情景

ES情景下,由于退耕、退草還林已達到鞏固修復林地的目的,此情景設定下耕地、草地轉變為林地顯著,相較于2020年林地面積增長了1 401.25 km2,建設用地擴張得到有效控制,僅增加了2 141.75 km2,在3類情境中增幅最小。此情景下碳儲預測量為1 441.13×106t,較2020年增加5.09×106t;碳儲量增加區以散點式分布于研究區內占比0.38%,碳儲量在空間上得到全域提升,其中耕地轉化為林地時碳儲量增加的主要貢獻因素,而碳儲減少區主要聚集于南寧、貴港、玉林市以及北海市沿海區域占比0.71%,主要原因為耕地轉為建設用地。2030年ES情景碳儲量中心點向西北偏移0.24 km、0.11°,偏移幅度相比于其他3個場景更小,表現為區域生態保護力度更大?？傮w來看,在ES情景下開展退耕還林、提升森林質量等生態修復工作,使林地生態空間面積得到增加,連通性得到提升,其中自然保護區、風景名勝區等大型林地得以整合化發展;退化為草地、耕地的林地所導致的破碎化得以修復,極大地推動了碳儲量的提升,整體上維持碳儲量原本分布特征與提高地區碳儲資源穩定性。

MI情景下,較2020年林地、耕地轉為建設用地較為顯著,耕地侵占林地、草地生態空間,又因城鎮擴張而被建設侵蝕,農業空間受到擠壓,此情景下建設面積增長了2 741 km2,耕地面積減少1 645 km2,林地面積減少720.75 km2。2060年碳儲預測量為1 428.67×106t,較2020年減少7.37×106t;碳儲量增加區極少且分布零散僅占0.37%,而減少區與ES情景分布一致但范圍更廣更密集,主要聚集于中部以及東南部占比1.27%,主要原因為林地轉化為建設用地。此情景碳儲量中心點向西北偏移0.28 km、0.21°,與ES情景偏移方向相似,偏移幅度較ES情景要大,區域生態保護力有所降低?？傮w來看,MI情景延續國土空間格局歷史變化趨勢,生態維預背景下生態空間被破壞概率得以降低,但仍存在碳儲量流失風險,林地生態空間轉移為城鎮空間是導致該情景碳儲量下降重要原因。

HI情景下,由于有較高的城鎮擴張需求和耕地安全保障,因此情景下林地、草地相互轉化最為顯著,其次是林地、耕地轉為建設用地,建設用地為作為最大轉入用地面積增加3 165 km2,為3個情景中增幅最大,而林地為最大轉出用地面積減少1 692.75 km2。此情景下碳儲預測量為1422.68×106t,較2020年減少13.35×106t;碳儲量增加區發生于研究區的東北部與西北部占比1.04%,主要原因為草地轉移為林地;碳儲量減少區面積占比2.35%,具有分布廣、連片化程度高的特點,中部、西南部以耕地、林地碳儲量流失為主要原因,東北部、西北部則是以林地退化導致碳儲量損失。HI情景碳儲量中心點向東北偏移1.33 km、1.12°。由于西北林地破碎化,因此導致碳儲量中心點偏移幅度大,中心移位遠,區域生態保護力較低?？傮w來看,此情景國土空間格局變化復雜,盡管碳儲量增加區域較多,但入不敷出,生態空間內部林地退化為草地,高度城鎮化對林地生態空間侵占使得碳儲量損失嚴重,碳儲資源穩定性受到明顯干擾。

3.2 2030年廣西國土空間碳儲量格局與特征分析

3.2.1 碳儲量等級格局分析

根據各空間碳密度將研究區網格按碳儲量等級高、中、低進行劃分,從而統計出廣西格網內不同等級碳儲量空間的整體占比以及分布演變特征(見表5、圖3)。

表5 2020年及2030年3種情景廣西格網不同等級碳儲量空間整體占比Tab.5 Overall spatial share of carbon stocks of different grades in Guangxi grid for three scenarios in 2020 and 2030

(a) 2020年

2030年未來3種情景3類格局演變上來看,ES情景下高碳儲量空間在西北部出現小幅度增長,低碳儲量空間擴張趨勢減緩,中碳儲空間作為過渡空間,受另外各2個空間增長ES情景下遭到擠壓最為嚴重。MI、HI情景高碳儲空間收縮加劇,低碳儲空間HI情景趨勢最強而MI情景趨緩,中碳儲空間均受到蠶食。

根據分布特征來看,高碳儲空間由林地生態空間構成,以十萬大山、云開大山、六萬大山、大明山、大瑤山、南嶺以及云貴高原余脈等山脈為核心進行輻射帶動作用,以此構成了廣西圍繞高碳儲區向四周輻射聯動的碳儲基底格局。中碳儲量空間呈片狀鑲嵌式,主要分布于廣西中部,可看作為高碳儲與低碳儲的交接緩沖處,以中部的農業空間為主,發揮生境過渡作用。低碳儲量空間以點狀或小片狀分布為主,以中部與南部沿海區域的城鎮空間為核心,零星分布于東北部。

3.2.2 碳儲量空間聚集特征

對2020年與2030年3種情景下廣西碳儲量進行空間聚集特征分析。對全局自相關系數統計可知,2020年以及2030年ES、MI、HI情景下碳儲量空間Moran指數分別為0.504 2、0.503 8、0.506 8、0.509 3,為空間正相關,說明廣西碳儲量呈現出較強的空間聚集特征。Moran指數在2030年ES、MI、HI 3類情景呈現依次增大的趨勢,表明廣西不同發展情景碳儲量在空間分布上相關顯著性增強,空間趨同性逐漸提高,導致空間分布由均勻向聚集發展。

通過空間關聯局域指標(local indicators of spatial association,LISA)有效揭示碳儲量在區域局部的空間集聚特征,2020年與3個預測情景碳儲量空間聚集特征具備相似性。由圖4可知,碳儲量高值與高值聚集區域(HH型)在廣西北部與西部區域出現大范圍聚集以及于南部非沿海區域稍小范圍聚集;低值與低值聚集區域(LL型)則在中部及南部沿海區域聚集;高低聚集區域(HL型)出現于中部LL型周圍以及研究區邊界處;低高聚集區域(LH型)主要零散分布于HH型周圍。在演變特征上,2020、2030年,HH型范圍縮小,顯著變化區域位于桂西北云貴高原余脈, HL型表現較為穩定,LL型呈現明顯擴張,LH型明顯增加,各類區域隨各時期或各情景國土空間格局的變化均呈現出不同走向的碳儲量聚集特征。

(a) 2020年

3.3 碳儲區劃的識別與管控對策分析

3.3.1 區劃識別

根據前文研究,廣西的國土空間格局與碳儲量之間存在著密切的關系,因此,在實施以碳儲為導向的空間規劃統籌時,廣西碳儲量的空間分布規律性和強聚集特征是至關重要的前提。由此以碳儲為導向將表示碳儲量空間聚集特征的2020年碳儲量LISA聚類圖作為參照,對廣西國土空間進行4類區域的劃分(圖5),HH型劃為碳儲核心區,HL、LH型劃為碳儲改善區,LL型區域劃為碳儲恢復區;NS型區域劃為碳儲調控區。通過分區實施針對性的分類管理以及對于不同發展趨勢下優化其空間要素,以此將不同地區碳儲資源進行整合,并統籌協調生態、農業和城鎮空間三者之間的關系,以制定精準、有效的管控措施和優化策略。結合區域特性有效整合不同地區的碳儲資源,實現國土空間規劃碳儲可持續發展目標。

圖5 廣西國土空間碳儲區劃方案Fig.5 Carbon storage zoning program of territorial space in Guangxi

3.3.2 分區分級管控策略

基于前者現狀碳儲區劃的識別的結果,針對生態空間、農業空間、城鎮空間的自然本底、生態環境、經濟和資源利用的特征,提出差別化開發與保護分區-分級國土空間管控策略,以此優化廣西全域全要素的管理,具體對策詳見表6。

表6 國土空間碳儲量分區管控對策表Tab.6 Land space carbon storage zoning hierarchical management control countermeasures

3.3.3 要素優化

在識別碳儲特征的基礎上結合前期國土空間碳儲量分析結果,將2030年ES、MI、HI情景下的碳儲量分區分布特征和數量結構與2020年進行比較,對比其不同情景下碳儲各分區的面積與單位碳儲量的變化。從碳儲分區變化(圖6)綜合分析得出,在不同發展情景下分區變化最為顯著的是碳儲調控區,從各分區的單位面積碳儲量變化可知僅ES情景下各分區單位面積碳儲量得到提升,MI、HI情景表現出下降趨勢,HI情景下損失更甚。

圖6 各碳儲分區綜合變化Fig.6 Combined change statistics of carbon storage partitions

從各情景碳儲分區變化(圖7)來看,ES情景碳儲核心區完整性得以保持,單位碳儲量明顯提升,表明內部完成了較低碳儲用地向較高碳儲用地轉移的碳儲整合活動。此情景的碳儲改善區在3類場景中穩定性以及碳儲表現最佳,說明該區域朝高碳儲發展的潛力得以激發,朝低碳儲退化的風險得以規避。由于碳儲恢復區提高了城鎮空間的集約利用,城鎮空間的面積減少在一定程度上減緩了低碳儲要素擴張的趨勢,因此在生態修復實施下碳儲恢復區范圍得以減小。

(a) 2030年ES情景

MI情景中各碳儲分區擴張或收縮程度以及碳儲質量發展均處于中間狀態。碳儲核心區處于較為完整狀態,但周邊出現部分區域降級為改善區,表明這些區域中出現高碳儲要素向較低碳儲要素轉移。改善區的碳密度明顯下降,說明該區域朝低碳儲退化的風險加劇。調控區與恢復區的單位面積碳儲量分別表現為與現狀持平以及明顯下降。

HI情景相較于另外2個情景各碳儲分區形態變化更為明顯,由于該情景下高頻開發導致劇烈的高碳儲林地與較低碳儲草地的互換活動以及低碳儲建設用地的擴張行為,因此核心區與恢復區在分區形態上呈現出較大的范圍,且核心區內部與邊緣出現多處轉移為調控區,表明核心區內部在發生碳儲退化的現象。碳儲核心區低質擴張,導致部分區域開發的限制等級提高,區域低碳綠色發展將面臨新挑戰。

針對以上對各情景碳儲分區變化分析可知,不同情境下所面臨的“碳儲危機”各不相同,因此針對各情景特點提出碳儲可持續的差異化國土空間碳儲要素優化對策(表7)。

表7 國土空間碳儲要素優化對策表Tab.7 Optimizing countermeasures for carbon storage elements in territorial space

4 結論

① 2030年ES、MI、HI情景與2020年的碳儲量總量相比分別為增加5.09×106t、減少7.37×106t、減少13.35×106t。林地生態空間面積的增減是造成碳儲量變化的關鍵性因素。ES情景下積極開展生態保護修復工作,林地生態空間面積得到明顯增加,碳儲量總量提高;MI情景下林地生態空間轉移為城鎮空間導致碳儲量下降;HI情景下,林地生態空間退化為草地以及高度城鎮化對林地生態空間的侵占,導致碳儲量出現嚴重損失。

② 2020年及2030年3類情景下廣西空間分異特征、等級化格局以及空間聚集特征均表現出一定相似性,碳儲量變化趨勢呈東北—西南朝向;等級化格局上呈高碳儲圍繞式多核聯動、中碳儲片狀鑲嵌于中部、低碳儲點狀分布特征;空間聚集特征可知廣西高碳儲量區(HH)域大范圍聚集分布于北部與西部區域,小范圍聚集于南部非沿海區域,主要以山脈構成的林地生態空間為主,但范圍在逐年縮小,顯著集中于桂西北云貴高原余脈;低碳儲量區域(LL)有逐年擴張的趨勢聚集于中部及南部沿海區域的城鎮空間;高低聚集區域(HL型)出現于中部LL型周圍以及研究區邊界處;低高聚集區域(LH型)主要零散分布于HH型周圍。

③ 碳儲區劃特征識別方面,強化與碳儲聚集性的關聯,將國土空間劃分為碳儲核心區、碳儲改善區、碳儲恢復區、碳儲調控區。在分區管控上,結合生態空間、農業空間、城鎮空間的特性提出差別化開發與保護分區-分級的國土空間管控策略。通過對各情景碳儲分區變化分析可知,不同情境下所面臨的“碳儲危機”各不相同,針對各情景特點提出碳儲可持續的差異化國土空間碳儲要素優化對策:ES情景對策為統籌優化高儲、綜合利用高中儲、挖掘低儲提質模式,MI情景對策為有序修復高儲、重建中儲平衡、整治減量化低儲,HI情景對策為建立高儲底線、劃定中儲彈性帶、實行低儲插綠。

本文中的研究為國土空間規劃助力“雙碳”目標實現背景下提供了以碳儲空間特征為依據,國土空間為載體,建構分區、分類、分級多情景高效管理為實施路徑的研究體系。