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

陳竹安，柳 雪

（1.東華理工大學 測繪與空間信息工程學院，江西?南昌 330013；2.東華理工大學自然資源部環鄱陽湖區域礦山環境監測與治理重點實驗室，江西?南昌 330013）

土地利用變化通過改變生態系統的結構、功能、小氣候狀況以及理化性質等來影響生態系統碳循環過程，進而影響生態系統的碳儲存與碳排放[1]。土地利用變化既有碳源作用又有碳匯作用，但實際上大多數情況下土地利用變化都增加了CO2的排放，已有研究表明，非持續的土地利用對氣候變暖的影響是僅次于化石燃燒[2]。所以，關于土地利用變化碳效應的研究越來越成為學者們聚焦的論題，希望能通過科學合理的土地利用方式和管理方式達到固碳和降低碳儲量損失的目的。

隨著遙感技術的進步，諸多遙感模型能夠起到量化土地利用變化碳效應的作用。近年來，國內外學者從多個空間尺度對土地利用變化及其產生的碳效應做出大量研究，涉及全球[3]、國家[4]、省市域[5-6]、流域[7]及縣域[8]等。在研究方法上，InVEST 模型以其數據獲取便利、操作便捷及精確性等優勢受到大多學者的青睞。在研究歷史時期土地利用與陸地生態系統碳儲量的同時，還有許多學者在聚焦未來多情景土地利用分布格局及其碳儲量的變化，如克夏·熱合曼[9]使用PLUS 模型，張凱琪[10]基于GeoSOS-FLUS 模型，王超越[11]使用FLUS 模型來模擬不同區域2030 年各種發展情景下的土地利用分布，復合InVEST 模型測算各個年份的碳儲量。除此之外，還有一些學者使用CASA[12-13]、GLO-PEM[14-15]等遙感模型評估區域生態系統碳儲量。除遙感模型外，以“簿記（Bookkeeping）模型”和IPCC 清單法為代表的經驗統計模型也是研究土地利用變化的碳收支影響的常用模型。王淵剛[16]使用“簿記模型”模型，將不同利用方式移走植被而存在的植被碳氧化速率差異考慮其中，估算出土地利用變化導致瑪納斯河流域植被碳儲量增加。

目前已有的研究多為預測地區在未來不同情景下碳儲量的變化狀況，但是對于土地利用變化與其相對應的碳儲量的變化之間的關系缺乏足夠的探討。本文在研究土地類型轉換引起的碳儲量變化的同時，還關注了土地利用程度與碳儲量的關系，更全面的考慮土地利用變化對碳儲量影響。為深入學習貫徹習近平生態文明思想和習近平總書記關于“雙碳”工作的重要論述，江西省錨定了2030 年“二氧化碳排放量達到峰值并實現穩中有降”的總目標。綠色生態是江西省最大的優勢，在新發展階段，江西省肩負著探索生態優先，綠色低碳發展道路的重大使命。這對于江西省實現跨越式發展，全面建設美麗中國“江西樣板”具有重大意義?；诖?，本文采用PLUS模型模擬江西省2030 年三種不同情景下的土地利用分布情況，采用InVEST 模型計算其碳儲量，分析江西省土地利用變化特征及其對生態系統碳儲量的影響，以期為江西省實現綠色國土空間規劃理念，建設“綠色生態江西”提供理論基礎。

1 數據和方法

1.1 研究區概況

江 西 省 處 于24°29′14″～30°04′40″N 和113°34′36″ ～118°28′58″E 之間，位于中國的東南偏中部，長江中下游的南岸，地貌類型多山地丘陵，少平原盆地（圖1）。江西省地處中亞熱帶，季風氣候明顯，四季分明。境內的水熱條件差異較大，多年平均氣溫呈自北向南增高的趨勢，南北溫度差異約為3℃。江西省面積16.69 萬km2，人口4 518 余萬。進入新世紀以來，江西省憑借優越的交通區位優勢，優質的自然資源，實現經濟快速發展，質量效益不斷提高，城市擴張面積顯著增大，土地利用程度逐漸增強。

圖1 江西省地理位置圖Fig.1 Geographical location map of Jiangxi

圖2 江西省2000-2020 年土地利用轉移弦圖Fig.2 Chord map of land use transfer in Jiangxi Province from 2000 to 2020

2.2 數據來源

本研究所使用的數據如表1 所示，經ArcGIS 重采樣為1 km×1 km 分辨率。地理坐標系均為GCS_WGS_1984。

表1 數據來源Table 1 Data sources

2.3 研究方法

2.3.1 基于PLUS 模型的土地利用模擬

本研究采用PLUS 模型模擬江西省2030 年三種情景下的土地利用變化。

（1）驅動因子的選取

綜合考慮研究區的地域特征以及各種數據在時空上的可得性與量化性，選取的驅動因子主要包括自然因素、社會經濟因素、可達性因素三類（表1）。

（2）土地利用鄰域權重參數設定

土地利用鄰域權重表示土地類型在外界各種驅動因子的推動下向外擴張的能力。其范圍在0-1 之間，越接近1 表示擴張的可能性越大。本研究不斷進行模型調試，得到研究區各類型土地的鄰域權重參數如表2 所示。

表2 鄰域因子參數Table 2 Neighborhood factor parameters

（3）模擬精度驗證

基于研究區2010 年土地利用分布，預測2020 年的土地利用分布格局，再將其與2020 年真正的土地利用進行比較，計算兩期的Kappa 系數為0.91，說明模型精確性達到了研究需要的標準。

（4）未來土地利用模擬情景設置

自然發展S1 情景：自然發展情景即根據2010—2020年土地利用發展趨勢，運用馬爾可夫鏈，得到的2030 年歷史發展趨勢下的土地利用需求。

生態保護S2 情景：生態保護情景的目的是加強草地、林地等生態土地的管護。在自然發展情景的前提下，參照《江西省國土空間總體規劃(2021—2035 年)》提出的“提升森林、濕地和農業等生態系統碳匯能力，推進落實碳中和目標”，嚴格控制具有生態功能的農田、草地、林地向建設用地的轉換。在生態保護情景下，耕地向建設用地轉移的概率降低了30%，并將減少的概率增加到耕地轉為林地，草地和林地向建設用地轉移的概率降低了50%，草地向林地的轉移概率增加30%，并將水域和自然保護區范圍作為限制區。

經濟發展S3情景：江西省是糧食主產區之一，因此《江西省國土空間總體規劃(2021—2035 年)》提出“構建‘五區三帶’的農業空間格局”，以及“構建‘一圈兩軸多群’的城鎮開發格局，到2035 年，城鎮化率提高到72%～74%左右，在統籌城鄉發展的過程中保證農產品的充分供給。因此，在經濟發展情境中將耕地的鄰域權重增加到0.7，建設用地的鄰域權重設定為1。建設用地是經濟發展最重要的用地，因此，將建設用地向其他地類轉移的概率下降30%，耕地、林地、草地分別向建設用地轉移概率增加20%。

2.3.2 土地利用程度變化分析

土地利用程度一般使用土地利用程度綜合指數來衡量，它定量地反應了人類活動對生態環境的開發利用程度。本文將研究區劃為1840 個格網，每個格網均為10 km×10 km 大小，計算每個格網的土地利用程度指數。因為經過實驗對比發現，于江西省而言，10 km×10 km的格網尺度能最好地呈現區域間的土地利用程度變化差異。參考以往的研究[17]，將土地利用程度分為以下四個等級（表3），公式為：

表3 土地利用類型分級指數Table 3 Classification index of land use type

表4 研究區土地利用碳密度參考值Table 4 Carbon density in the study area/(t/hm2)

式中：Ix為第x 個格網土地利用綜合程度指數；iA為第i級土地利用程度；Si為第i 級土地利用面積；S 為格網面積；n 為土地利用程度分級數。

2.2.3 基于InVEST 模型的碳儲量計算

InVEST 碳儲量評估需要地上碳密度、地下碳密度、死亡有機質碳密度和土壤碳密度四個碳庫[18]。公式如下：

式中：Ci表示地類i的總碳密度；Ci-above表示地類i的地上碳密度；Ci-below表示地類i的地下碳密度；Ci-soil表示地類i的土壤碳密度；Ci-dead表示地類i的死亡有機質碳密度；Ci-total為地類i的總碳儲量；Ai為地類i的面積。

本文碳密度數據主要依據已公開發表的文獻獲得。

3 結果與分析

3.1 江西省土地利用變化分析

2000—2020 年，林地是江西省最重要的土地利用類型，超過土地總面積的60%，耕地、草地和水域的面積占比相對較少，建設用地和未利用地的面積占比最小。20 年間，耕地、林地、未利用地分別減少887 km2、1 725 km2和402 km2。草地面積下降70 km2。水域和建設用地則不斷擴張，其中水域擴張了391 km2，建設用地面積擴張的最為顯著，2000—2020 年建設用地一共增加了2 693 km2。

如表2 和表5 所示，近20 年，耕地和林地作為最主要的轉出用地，分別向其他用地轉出了18 961 km2和18 900 km2,共占據了總轉出面積的80%，其中耕地有70.18%轉給林地，15.28%轉給建設用地；林地有73.27%轉給耕地，14.83%轉為草地。20 年間，建設用地一共轉入4 648km2，其中62.33%來源于耕地轉出，28.96%來源于林地轉出。耕地和林地的轉換率最高。

表5 江西省2000—2020 年土地利用轉移矩陣Table 5 Land use transfer Matrix of Jiangxi Province from 2000 to 2020單位：km2

如圖3 和表6 所示，在預測的2030 年S1 情景下的土地利用中，草地、水域和建設用地分別比2020 年增加258 km2、112 km2和1 329 km2，其他土地類型則略微減縮，其中耕地面積減少663 km2，林地面積減少1 008 km2，未利用地減少17 km2。S2 情景是基于生態保護設定，嚴格限制林地向其他土地類型轉換，因此2030 年S2 情景下的林地面積保持不變，草地面積擴大100 km2，水域面積擴大97 km2，建設用地面積增幅放緩，增加了666 km2，耕地和未利用地則減少844 km2和17 km2。經濟發展設定的S3 情景下，建設用地增長最為迅速，增加了1 691 km2，草地和水域分別增加237 km2和106 km2，林地和耕地減少的最多，分別減少了1 155 km2和851 km2。

表6 2000—2020 年土地利用面積及2030 年三種情景下預測面積Table 6 Land use area from 2000 to 2020 and predicted area in 2030 under three scenarios單位：km2

圖3 江西省2000—2020 年及2030 年三種情景下土地利用變化Fig.3 Land use change under three scenarios from 2000 to 2020 and 2030 in Jiangxi Province

3.2 江西省土地利用程度變化分析

在ArcGIS 中采用自然間斷點分級法，對計算得到的土地利用程度指數進行分級。將Ix≤2.09 的格網分為低強度帶，Ix 為2.09～2.22 的格網分為較低強度帶，Ix 為2.22～2.40 的格網分為中強度帶，Ix 為2.40～2.64 的格網分為較高強度帶，Ix＞ 2.64 的格網分為高強度帶（圖4）。

圖4 江西省2000-2030 年土地利用程度變化Fig.4 Change of land use degree in Jiangxi Province from 2000 to 2030

從圖4 及表7 可得，江西省2000—2020 年土地利用程度總體上來看呈現“北高南低，中間高、四周低”的趨勢，土地利用高強度帶主要分布在南昌市及其周圍地區。贛南、贛西北和東北區的土地利用高強度帶分布較少，甚至贛州市全市總體上都處于中低強度帶的分布區域內。高強度帶內主要分布的是建設用地和耕地，中低強度帶則分布的是林地、草地。形成這種空間分布特征的原因可能是高強度帶是人口聚集的主要區域，生成了較多的建設用地和耕地，人類活動對于生態環境的改變較大，因此土地利用程度高。從2000—2020 年的發展趨勢來看，土地利用低強度帶格網數量不斷減少，中強度帶波動上升，較高強度帶轉變為高強度帶致使其數量持續增加。在空間分布上，由于建設用地以南昌市為中心向周圍城市擴展，土地利用高強度帶也隨之外擴。在預測的2030年三種情景中，經濟發展S3 情景下建設用地的比例最高，因此土地利用高強度帶數量最多，S2 情景限制了建設用地面積增長，因此土地利用高強度帶數量最少，但總體上的擴張方向與2000—2020 年是一致的。2030 年模擬的三種情景下，生態保護S2 情景土地利用中低強度帶格網數量最多，經濟發展S3 情景中高強度帶最多。

表7 江西省2000-2020 及2020 年三種情景下土地利用程度帶數量Table 7 Number of land use intensity zones under three scenarios from 2000 to 2020 and 2020 in Jiangxi Province

3.3 江西省碳儲量變化分析

將2000—2020 年及2030 年三種情景計算的碳儲量的值提取到10 km×10 km 的格網，按照自然間斷點分級法將碳儲量分為5 個等級，0～316 272 t/100 km2分為有待提高區，316 273～679 321 t/100 km2分為一般重要區，679 322～978 363t/100 km2分為比較重要區，978 364～1172 386 t/100 km2分為重要區，1172 387～1315 153 t/100 km2分為極重要區。從圖5 可以看出，碳儲量的重要性分級區域基本與土地利用程度分級一致，土地利用程度低的地帶碳儲量重要級高，土地利用程度高的區域碳儲量重要級相對低。

圖5 江西省2000-2030 年碳儲量變化分布圖Fig.5 Carbon storage distribution map of Jiangxi Province from 2000 to 2030

從圖5、表8 可得，江西省2000 年、2010 年和2020年 碳 儲 量 分 別 為1 937.69×106t、1 928.90×106t 和1 914.83×106t，呈現逐步下降的趨勢，2000—2020 期間碳儲量損失22.86×106t，其中2010—2020 年碳儲量的損失相對更多，為14.07×106t。

表8 江西省2000-2030 年各土地利用類型碳儲量Table 8 Carbon storage by land use type in Jiangxi Province from 2000 to 2030單位：×106 t

2030 年預測的S1、S2、S3 三種土地利用情景對應的碳儲量依次為1 901.94×106t、1 909.44×106t、1 899.45×106t。與2020 年對比，2030 年三種情景下的碳儲量又分別減少12.89×106t，5.38×106t 和15.38×106t。在2030 年S1、S2、S3 情景中，耕地、林地和未利用地三種地類的碳儲量呈跌勢，草地和建設用地的碳儲量呈漲勢。

不同的土地利用類型中，林地的碳儲量最多，耕地次之，草地、建設用地和未利用地的碳儲量相對較少。林地面積在區域總面積中占比高達60%，其碳儲量對研究區碳儲總量的貢獻率約為70%，對整個區域的碳儲量貢獻值最大，是主要的碳庫。耕地的面積占總面積的26%，碳儲量占區域總量的24%。但是由于建設用地的擴張占用林地、草地，林地和草地的面積有所減少，其碳儲量也在趨于下降，與此同時建設用地的碳儲量在增加，但是建設用地的碳密度比林地、草地的碳密度低，因此因建設用地增加而增加的碳儲量要比林地、草地減少而減少的碳儲量少得多，總體來看，區域內的總碳儲量是趨于減少的。

3.4 土地利用程度與碳儲量雙變量空間自相關變化分析

運用GeoDa 軟件對研究區土地利用程度綜合指數和碳儲量進行雙變量空間自相關分析，結果顯示6 期數據均通過了1%的顯著性檢驗，說明在99.9%的置信度下江西省土地利用程度和碳儲量具有正向空間相關性。2000—2020 年及2030 年三種情景下的Moran’s I 值分別為0.557、0.560、0.563、0.566、0.566 和0.565。如圖6 所示，這說明江西省土地利用程度與碳儲量有著較高空間相關性，土地利用程度高值區其碳儲量值較低，土地利用程度低值區其碳儲量值較高。

圖6 土地利用程度綜合指數與碳儲量雙變量Moran’s I 散點圖Fig.6 Comprehensive index of land use degree and bivariate Moran’s I scatter plot of carbon storage

4 討論

本文設置了自然發展、生態保護以及經濟發展三種土地利用模擬情景，利用PLUS 模型模擬了江西省2030年土地利用變化，并使用InVEST 模型計算了2000—2030 年江西省碳儲量時空變化。研究結果發現，江西省2000—2030 年碳儲量呈減少的趨勢，2000—2030 年S3情景減少最多，約38.24×106t。江西省碳儲量與土地利用綜合程度指數是正相關關系，碳儲量的空間動態變化特征與土地利用變化特征高度吻合。截止2020 年，江西省人口總量規模繼續擴大，城鎮化水平首次超過60%，建設用地也由2000 年的2 701 km2擴張到2020 年的5 394 km2，增長了約2 倍。這是由于人口不斷增長和社會經濟發展引起更加劇烈的人類活動，建設用地通過侵占耕地和林地使生態環境向負向發展，碳儲量也因此持續下降[24]。本研究預測的2030 年江西省3 種情景下的碳儲量變化有比較明顯區別，S1 和S3 情景下碳儲量較2020年相比分別持續減少12.89×106t 和15.38×106t，而這兩種情景下的土地利用變化特征也相對一樣，都是耕地、林地減少，草地、水域和建設用地增加；S2 情景下碳儲量的變化較2020 年相比只減少5.38×106t，這比S1 和S3 情景下計算的碳儲量損失要少得多，究其原因可能是S2 情景下加大了對生態用地的保護并在一定程度上限制了建設用地的擴張趨勢，具有高碳密度值的林草地的轉出率大大下降，因此延緩了陸地生態系統碳儲量的下降趨勢。在各類用地對碳儲總量的貢獻中，林地以高達約71%的占比遠遠超出其他用地的貢獻占比。林地因其巨大的固碳能力成為陸地生態系統最重要的碳庫[25]，而江西省又是一個擁有林地面積高達60%以上的“綠省”，因此嚴格限制林地的轉出是實現“雙碳”目標下綠色國土生態格局的重要舉措。此外，耕地對碳儲量的貢獻約為24%，與林地碳儲量相比，耕地碳儲量下降的比較慢，這可能是因為江西省貫徹最嚴格的耕地保護制度，嚴格控制建設占用耕地，耕地面積下降幅度比較小。草地、未利用地和建設用地對碳儲量的貢獻較少，但建設用地的碳儲量在隨著其面積的擴張而不斷增加。

本研究使用PLUS 和InVEST 模型定量的評價未來土地利用與陸地生態系統碳儲量的關系，能夠比較清晰地反映二者在空間和數量上的聯系，對于優化區域生態系統服務功能，制定可持續的社會經濟發展戰略以及區域碳排放管理等具有重要意義。但也存在許多的不確定因素，首先，本研究中PLUS 模型設置的經驗參數會對模型的精度造成一些不確定性影響，在現實中影響土地利用變化的因素實際上可能會更多，本文參考的影響因素是根據數據在時空上的可獲得性與量化的可能性，還有許多無法量化的影響因子并未在模型中得到考慮；其次，雖然InVEST 模型能夠清晰地反映碳儲量的時空變化，但仍存在不確定性。在InVEST 模型中，只考慮了各種土地類型的變化對碳儲量的影響，這沒有考慮到碳密度的年際變化帶來的影響。而碳密度又與氣候、水文、土壤等諸多因子息息相關[26]。本研究中InVEST 模型使用的碳密度數據是基于文獻匯總的途徑獲取，并不是實測碳密度數據，因此應對研究區進行多年連續的碳密度監測以確保數據的合理準確性，這樣碳儲量的評估結果才能更貼近實際[27]。

5 結論

（1）2000—2020 年，江西省的耕地、林地和未利用地持續下降，水域和建設用地面積擴張，草地呈現先下降后增加的趨勢。到2020 年，各類用地的面積占比從大到小依次排列為：林地（61.45%），耕地（26.34%），草地（4.4%），水域（4.31%），建設用地（3.19%），未利用地（0.31%）。2000—2020 年土地利用程度帶與土地類型的分布一致性較高，建設用地和耕地聚集區域的土地利用程度一般也比較高，林地、草地、水域等用地類型分布的區域受人類活動干擾小，因此是土地利用中低強度帶廣泛分布的地區。

（2）較2020 年相比，2030 年三種土地模擬情景中，草地、水域、建設用地面積擴張，其中建設用地在S3 情景下增長了1%的最大幅度；耕地和未利用地則有所減少；林地面積在S1 和S3 的模擬情景下面積變少但在S2 模擬情景下保持與2020 年一致。建設用地碳儲量在三種情景下都是增加趨勢，并且在S3 情景下碳儲量增加最多，為7.35×106t;耕地和未利用地碳儲量在三種情景下都在減少;林地碳儲量在S1 和S3 情景下減少，在S2 情景中與2020 年持平；草地碳儲量增加的較少。

（3）土地利用變化是影響碳儲量高低的重要因素，江西省2000—2030 年碳儲量與土地利用程度呈正相關性。碳儲量高值區內存在大量的林地和草地，低值區內則廣泛分布著建設用地和水域。在空間分布上，分布著大量林地的贛州市是主要的碳儲量重要區和極重要區，南昌市由于建設用地占比較高，因此屬于碳儲量低值區。