基于FLUS模型多情景土地利用變化對陸地生態系統碳儲量影響
——以江西萍鄉為例

胡佶熹,勒先文,徐勇

(1.湖南農業大學公共管理與法學院,長沙 410128;2.萍鄉學院商學院,江西萍鄉 337055;3.桂林理工大學測繪地理信息學院,廣西桂林 541006)

溫室氣體(CO2,CH4和N2O 等)的過度排放是全球氣候變暖的重要原因,引起了世界各國的高度關注[1-2]。陸地生態系統作為大氣CO2的一個重要碳匯,抵消了中國同期化石燃料燃燒碳排放的7%～15%,在全球碳循環、緩解溫室效應等方面扮演著關鍵作用[3]。中國作為全球最大的碳排放大國(約占全球碳排放量的27%),貢獻了8.6%的全球氣候變暖強迫效應[4]。為緩解溫室效應對全球氣候變暖的影響,中國政府將力爭在2030年左右實現碳排放,努力實現單位國內生產總值能耗碳排放比2005 年下降60%～65%,到2060 年實現碳中和(簡稱“雙碳”戰略),“碳排放”和“碳減排”等問題引起廣泛關注。

研究表明LUCCs是影響陸地生態系統碳儲量變化的重要因素,它通過破壞地表的植被和土壤的生物量從而對物種、土壤、氣候等環境產生影響,重構區域生態系統的結構,改變生態系統的服務功能,進而影響著區域碳儲量的變化,是造成大氣中CO2激增的第二大原因[3]。因此,定量評估LUCCs對碳儲量影響,對提高區域碳儲量及實現區域的“雙碳”戰略目標具有重要意義。

國內外研究對LUCCs對陸地生態系統碳儲量的影響開展了大量的研究,并應用至全球[1,5]、國家[6]、省域[7]、城市群[8]、城市等[9]多個研究尺度。已有研究利用追溯法來分析LUCCs對陸地生態系統碳儲量時空分布特征。如Chang等[6]指出從2000—2018年中國土地利用變化引起的碳儲量變化達1.32 Pg C,并且主要集中在植被生物和土壤碳中。Zhu等[10]指出1980—2015年中國干旱區土地利用變化引起的陸地生態系統碳儲量損失達90.95 Tg。向書江等[11]指出由于大量耕地被占用,2000—2020年重慶市主城區碳儲量累計損失達5.78 Tg。此外,相關研究探索了不同情景下土地利用變化對陸地生態系統碳儲量的影響,服務于“雙碳”戰略的規劃實施。如劉曉娟等[12]探討了RCP6.0和RCP8.5 情景下中國未來土地覆蓋變化造成的TCS損失;侯建坤等[13]評估了黃河源區自然變化情景和生態保護情景下的碳儲量分別增加了3.92×106t和1.353×107t;邵壯等[14]評估了北京市2035年自然演變情景、人口疏解城市發展情景和綠色集約生態保護情景下其陸地生態系統碳儲量分別增加了7.5×106t,1.564×107t和1.639×107t。綜合以往研究,在研究范圍上,大多集中于全球、區域和省域等區域尺度上,少有研究去關注資源枯竭型城市轉型過程中土地利用的變化及其帶來的碳儲量變化。就陸地生態系統碳儲量估算方法而言,In VEST 模型結合地理模擬與優化模型框架在評估由土地利用變化引起碳儲量變化中已得到廣泛應用。已有研究利用FLUS,PLUS,CLUE-S,CLUMondo,ANN-CA 等模型評估了未來土地利用變化對碳儲量的影響研究[3,15-17]。而FLUS 模型結合神經網絡算法和自適應競爭機制可較好地處理多地類的競爭和不確定性問題,模型表現優于CLUES,ANN-CA 等模型。FLUS模型尤其是將人與自然因素結合在一起,通過將“自上而下”的系統動態與“自下而上”元胞自動機有機地結合,實現了對未來大規模土地使用變化過程中的精準模擬[18]。

因此,本文以萍鄉市為研究區域,基于2010—2020年萍鄉市的土地利用數據,采用FLUS模型模擬3種情景下(自然發展情景、耕地保護情景和生態優先情景)的土地利用變化格局,并運用In VEST 模型評估萍鄉市2010—2020年以及2030年不同情景下土地利用變化對陸地生態系統碳儲量的變化,為萍鄉市土地利用的合理規劃以及可持續發展提供科學依據。

1 研究區與數據來源

1.1 研究區概況

萍鄉市位于江西省西部,地理位置為113°—114°E,27°—28°N,長江中游城市群成員之一,也是長株潭經濟圈的輻射核心區域(圖1)。東與宜春市接壤,南與吉安市毗鄰,西與湖南省株洲市相連,北與湖南省瀏陽市交界,素有“湘贛通衢”“吳楚咽喉”之稱。全市土地面積3 831 km2,截至2021年末,萍鄉市常住人口為180.59萬人,GDP 產值1 108.3億元。萍鄉市煤炭資源豐富,然而經過一個世紀的高強度開發,煤炭資源趨于枯竭,以煤炭為主導的相關產業進入衰退期。大量煤炭的開采導致地表面塌方下陷,致使采煤區山體和居民區域地面下沉,威脅著區域的生態環境。近20年來,萍鄉市各級政府始終將煤炭開采區域的環境生態修復和產業轉移與升級作為重要工作,推動萍鄉市經濟轉型發展,促進經濟的高質量發展。經濟的發展必然會引起土地利用類型的變化,從而對生態系統碳儲量產生較大的影響,因此,在“雙碳”背景下探究未來土地利用變化引起碳儲量變化,可為區域的國土空間規劃和“雙碳”戰略的謀劃提供數據支撐。

圖1 江西省萍鄉市位置Fig.1 Location of Pingxiang City,Jiangxi Province

1.2 數據來源與處理

LUCCs是在自然、人文、社會經濟等多重因素下驅動的動態過程,是一個復雜性系統。本文借鑒已有研究[15],從自然、人文和社會經濟三方面選取LUCCs驅動因子。其中,土地利用類型數據來源于武漢大學1990—2021 年中國30 m 土地覆被數據集[19],分辨率為30 m×30 m;DEM 數據來源于地理空間數據云(http:∥www.gscloud.cn),分辨率為30 m×30 m;氣溫降水、GDP和人口數據來源于中國科學院資源與環境科學與數據中心數據平臺(https:∥www.resdc.cn),分辨率為1 000 m×1 000 m;道路數據來源于OpenStreet Map數據集(https:∥www.openstreetmap.org/),距主要道路、鐵路、河流、區縣中心等距離以歐式距離進行度量。

2 研究方法

2.1 InVEST模型

以植被主導的土地利用類型(如森林、草地、農田、灌木等)是陸地生態系統的主要載體,并通過光合作用從大氣中吸收大量的CO2,因此,量化土地利用類型的變化可為探究陸地生態系統碳儲量的變化提供支撐[1]。本文利用In VEST 模型中的碳儲量模塊分析2010—2020年萍鄉市陸地生態系統碳儲量變化情況,并對模擬的2030年陸地生態系統碳儲量變化情況進行評估。In VEST 將生態系統碳儲量(Ctotal)劃分為4個基本碳庫:地上植被碳庫(Cabove)、地下植被碳庫(Cbelow)、土壤碳有機碳庫(Csoil)和死亡有機碳庫(Cdead)[12,20],即:

2.2 Markov模型

Markov模型是基于某一事件的歷史發展軌跡來預測事件的發展趨勢的一種方法,具有無后效性特征,廣泛應用于土地利用類型的數量預測以及情景設定中[9],公式如下:

式中:S(T)和S(T0)分別為在T和T0時刻土地利用狀態矩陣;Pij為第i類土地利用類型向第j類土地利用類型轉換的轉移概率矩陣,由歷史土地利用類型數據計算而得。

2.3 FLUS模型

FLUS(future land use simulation)模型是由中山大學Liu等[18]提出的一種模擬多類型土地利用變化的CA 模型,它通過輪盤賭和人工神經網絡(artificial neural network)模型來量化多種土地利用類型之間的競爭關系,已廣泛應用于土地利用變化的后置效應分析(如生態系統服務價值評估、糧食安全、國土空間規劃、碳儲量分析等)[15,21-24]。此外,利用自適應慣性因子用來表征歷史土地利用類型的數量變化趨勢,以確保模型的土地利用類型數據達到預設的土地利用類型需求。常用的FLUS模型主要由以下幾個模塊組成。

(1)土地利用轉換潛力評估。FLUS 模型以BPNN(back propagation neural network)來擬合土地利用類型轉換潛力與影響因子之間復雜的非線性關系。常用的BPNN 模型通常由輸入層、隱含層和輸出層三層構成[25],在訓練階段,利用已有訓練數據集,基于反向傳播機制訓練各層之間的連接權重值,在預測階段,將影響因子輸入至輸入層,從輸出層計算得到各種土地利用類型的發展潛力,此外,輸出層的Softmax激活函數將土地利用類型轉換潛力歸一化至0～1,并確保各土地利用類型轉換潛力之和為1〔公式(3)—(4)〕。其數學表達式如下:

式中:P(p,k,t)為t時刻土地利用類型k在元胞p處的發展潛力;xi(p,t)為在t時刻與元胞p處上的輸入神經元i相關的輸入變量;wi,j和wj,k分別為輸入層與隱含層之間、隱含層與輸出層之間的權重,該權重是通過訓練數據集,經反向傳播算法擬合;netj(p,t)為隱含層神經元j接收到的信號。

(2)自適應慣性因子。自適應慣性因子用來表征多種土地利用類型之間的相互作用,根據每次迭代中宏觀土地需求與當前土地利用分配(Dt-1k)之間的數量差異自適用地調整網格中當前土地利用類型的發展趨勢[18],詳細的調整規則如下:

式中:Intertiat-1k為土地利用類型k在迭代時間(t-1)時的慣性系數。

(3)鄰域效應。鄰近的土地利用類型及數量也會影響元胞的發展趨勢。鄰域發展密度用來評估元胞鄰域效應的程度[21],詳細的表達式如下:

式中:Ωtp,k為在迭代時間t時,土地利用類型k對元胞p產生鄰域效應;con(ct-1p=k)為土地利用類型k在迭代時間(t-1)時,在N×N摩爾鄰域內的土地利用類型數量;wk為土地利用類型k的鄰域影響效力。

(4)轉換成本與約束。轉換成本用于表征從當前土地利用類型到目標土地利用類型轉換的難易程度,該模塊通常是來源于專家學者及相關的先驗知識。此外,一些強制性約束也可以嵌入模型中,即如果元胞p位于約束區域內,則約束變量Conp=0,否則為1。

因此,綜合轉換概率TProbtp,k可以通過以下的表達式計算:

式中:scc→k為土地利用類型c轉換成目標土地利用類型k的轉換成本。

綜合轉換概率決定由當前土地利用類型轉換成不同土地利用類型的優先級。顧及不同土地利用類型間的競爭關系,FLUS模型在轉換過程中采用輪盤賭的方式進行選擇,充分考慮了非主導土地利用類型的轉換能力,即綜合轉換概率高的土地利用類型轉換的可能性較大,綜合轉換概率低的土地利用類型也仍可能轉換。當所有土地利用類型的數量都滿足預測的土地利用類型數量需求(允許誤差為1%)或者達到了預設的最大迭代次數時,則得到了相應的模擬結果。此外,以Kappa系數和Fo M 指數驗證模型的表現。

2.4 情景設置

國土空間布局優化的實質是緩解城鎮空間對農業空間和生態空間的侵占,協調城鎮空間、農業空間和生態空間之間的沖突。為了更好地評估萍鄉市未來土地利用變化對陸地生態系統碳儲量影響,本研究參照相關研究[9-15],以調整城鎮空間、農業空間和生態空間之間的轉換概率大小設定3種土地利用變化模擬的情景,其詳細規則如下:

(1)自然發展情景。該情景基于歷史土地利用類型數據(2000 年、2005 年、2010 年、2015 年、2020年),運用Markov模型〔公式(2)〕預測萍鄉市2030年各類土地利用類型數量,并設置為FLUS 模型運行的宏觀需求參數,其他情景以該情景為基礎。

(2)耕地保護情景。保障耕地的安全是維持區域糧食安全的基礎,是國家堅決貫徹執行的一項基本國策。以自然發展情景為基礎,對Markov模型中轉移概率矩陣進行適當修正,即降低耕地向建設用地的轉移概率(50%)。

(3)生態優先情景。預留適當的生態用地對維持區域物種生存、生態流流動及生態系統結構和功能的穩定性具有重要的作用。以自然發展情景為基礎,降低生態用地(即林地和草地)向建設用地轉換的概率(40%)。此外,水體和耕地也具備維持物種生存、生態流等生態系統的功能,因而,該情景也降低水體和耕地向建設用地轉換的概率(水體:30%,耕地:20%),并且耕地向林地轉換概率增加20%。

3 結果與分析

3.1 數據預處理與模型驗證

本文根據研究區特點將土地利用類型分為耕地、林地、灌木、草地、水域和建設用地。FLUS模型的驅動因素由人口、GDP、高程、坡度、坡向、降雨、氣溫、到河流距離、到主要道路距離、到鐵路距離、到區縣中心距離和到鄉鎮中心距離總共12個空間變量構成,并進行歸一化處理(0～1)。為驗證FLUS模型的適用性,以萍鄉市2010—2020年的土地利用變化為例,鄰域效應設為Moore鄰域,大小為3×3,土地利用類型轉換成本矩陣見表1。FLUS模型的總體精度為0.903,Kappa系數為0.795,Fo M 指數為0.16,表明模型具有良好的適用性。

表1 土地利用轉換成本矩陣Table 1 Land use conversion cost matrix

3.2 不同土地利用類型的碳密度評估

In VEST 模型中所需要的碳密度數據包含不同土地利用類型的4個基本碳庫,即地上生物量、地下生物量、土壤和死亡有機物。為了保證碳密度數據的一致性和碳儲量的準確性,碳密度數據盡量選取江西范圍內的前人研究成果。在江西數據缺失的情況下,適當采用相近緯度的鄰省碳庫數據。劉丹丹[26]研究了江西區域的碳儲量分布,劉詠梅等[27]研究了長三角地區各用地類型的碳密度值,Ke等[28]研究了湖北省各土地利用類型的碳密度值。因此,本文主要參考以上三人的成果,對各用地類型的碳密度數據取算術平均數,盡量減少單一誤差給研究結果帶來較大差異,得到萍鄉市各土地利用類型的碳密度值(表2)。

表2 研究區各土地利用類型碳密度值Table 2 Carbon density in the study area t/hm2

3.3 萍鄉市土地利用動態變化

3.3.1 萍鄉市2010-2020年土地利用動態變化2020年,萍鄉市土地利用類型以林地和耕地為主,面積分別為2 554.05,1 096.63 km2,二者占整個研究區面積的95%以上(圖2)。從表3 可以看出2010—2020年萍鄉市耕地、林地、建設用地之間互為轉入和轉出的主要來源,其中耕地轉入面積主要來源于林地;林地轉入面積主要來源于耕地;建設用地轉入面積主要來源于耕地和林地。

表3 2010-2020年研究區土地利用變化結果Table 3 Land use change in the Pingxiang between 2010 and 2020

圖2 萍鄉市土地利用動態變化Fig.2 Land-use pattern of Pingxiang City,Jiangxi Province

2010—2020年萍鄉市的建設用地、灌木、草地、水體轉出面積最小,耕地和林地轉出面積最多。整體來看,林地向耕地的轉出大于耕地向林地的轉出,同時二者均向建設用地轉出,主要原因是由于2010—2020年萍鄉市處于快速發展階段,城鎮化速度加快,對土地開發的需求也較為強烈,城市建設用地的發展主要源于侵占了周邊耕地與林地,中心城區的大量耕地轉為建設用地,中心城區的發展。

(1)2010—2020年,由耕地轉換為林地33.25 km2,轉換為灌木0 km2,轉換為草地0.39 km2,轉換為建設用地46.22 km2。后期的耕地由早期的林地面積轉入219.70 km2,由灌木面積轉入0.01 km2,由草地面積轉入0.08 km2,由水體面積轉入1.36 km2,由建設用地面積轉入0.03 km2?？梢钥闯?耕地主要向林地和建設用地轉出,林地為主要的轉入地類,這主要是由于耕地占補平衡政策的實施,轉出的耕地主要由林地進行補充。此外,2010—2020年,耕地轉建設用地最大的鄉鎮為安源區(彭高鎮、赤山鎮、白源街、青山鎮、丹江街),湘東區(湘東鎮、荷堯鎮、下埠鎮),上栗縣(上栗鎮、金山鎮),蘆溪縣(蘆溪鎮、宣風鎮),蓮花縣(琴亭鎮、升坊鎮),除城市核心安源區外,其他縣區呈現出雙核結構,由縣區所在鄉鎮(耕地轉化為建設用地)及傳統工業強鎮(耕地轉化為工業用地)。從各地類的變化面積來看,耕地轉入面積最多,為221.18 km2,轉入貢獻率為69.59%,高于其轉出面積(81.95 km2),其中來自林地的轉入面積高達219.70 km2。林地轉出面積(233.67 km2)高于轉入面積(33.32 km2),主要轉向耕地。林地轉向建設用地主要集中在安源工業園、蘆溪工業園和湘東工業園,綜合來看,耕地向建設用地和工業用地轉換,城郊林地則主要向工業用地轉換(表3)。

(2)灌木、草地和水體的轉入和轉出面積都較小,灌木呈緩慢減少趨勢,草地和水體呈緩慢增加趨勢。萍鄉市70%面積處于丘陵地帶,灌木及草地過少且集中在武功山景區,屬于保護區域,所以沒有發生變化。水體沒有變化的原因為萍鄉市中心城區水域區域為玉湖、鵝湖、翠湖、萍水湖、安源湖及零散分布的水庫60余處,但整體呈現出水域面積較少。同時,萍鄉市已經建立起完善的河長制與湖長制工作制度,統籌全市河湖保護管理規劃,落實最嚴格水資源管理制度,因此萍鄉市水體沒有發生變化。

(3)建設用地呈現大幅增長趨勢,轉出面積僅為0.19 km2,而轉入面積高達60.28 km2,主要由耕地和林地轉入,說明萍鄉市建設用地的擴張主要是通過占用耕地,其次是從林地進行轉化。嚴守18億畝耕地紅線,嚴格落實《江西省主體功能區規劃》。正是因為國家占補平衡政策的約束,使得轉出的耕地必須要一定的用地類型進行轉入補充,同時因為萍鄉市屬于低海拔多丘陵山地地形,城市總面積2 764.93 km2,其中丘陵面積為1 824 km2,因此損失的耕地較多是通過丘陵地區的林地進行轉化補充。

(4)由于產業調整的原因,下崗的煤炭產業工人轉移到城市周邊就業和大量農村剩余勞動力外出就業,導致萍鄉2010—2020年人口整體未增長,其中湘東、上栗、蓮花3縣人口較2010年人口調查數據減少10%,農村大量剩余勞動力向萍鄉市中心城區和沿海、周邊省會(長沙、南昌)轉移,導致萍鄉市縣區城區面積增長緩慢。

綜上所述,耕地和林地在萍鄉市主要土地利用結構中占有重要比重,并且兩種用地類型之間相互影響和轉化,一方面說明耕地、林地和建設用地間有著密切的聯系,另一方面建設用地與生態用地之間的轉化狀況也表明萍鄉市經濟空間和生態空間存在用地矛盾。

3.3.2 萍鄉市多情景土地利用動態變化

利用FLUS模型,配置不同情景下的土地利用類型轉換成本矩陣(表1)和土地利用類型需求量,模擬3種情景下的土地利用格局及特征(表4),具體情況如下:

表4 2020年現狀與2030年多情景模擬用地類型變化Table 4 Status of 2015 and multi-scenario simulation of land use type change in 2030

(1)自然發展情景。該情景下2030年的耕地面積為1 208.24 km2,相比2020年增幅10.18%,林地、灌木和水體面積較2020年分別減幅為6.90%,35.09%,12.70%,草地面積相比2020年有小幅增長,增長率為11.24%,建設用地擴張最為劇烈,面積增加了65.89 km2,漲幅37.61%。耕地和林地是建設用地增加主要的來源,并且主要分布于安源區?？偟膩碚f,在自然發展情景下,不受約束的發展造成區域建設用地和耕地迅速擴張,林地、灌木和水域等生態用地大量減少,草地有少量增加,生態安全面臨風險。

(2)耕地保護情景。該情景為嚴格落實耕地保護情景,耕地向其他土地利用類型轉換受到一定程度的限制。該情景下2030年的耕地面積為1 233.73 km2,較2020年增長了12.50%,同時建設用地的面積為214.60 km2,較2020年增長了22.50%。林地、灌木均為下降趨勢,下降幅度分別為6.91%和35.09%,而草地卻增長了12.88%,水體則沒有變化,這表明在進行耕地保護時,建設用地的擴張會侵占林地和灌木。從空間變化來看,建設用地的擴張主要集中在安源區,耕地的增加區域主要是湘東區、上栗縣?？偟膩碚f,該情景減緩耕地轉化的速率,可以有效保證耕地面積。但是,該情景下,由于各區縣經濟發展的訴求,建設用地擴張無可避免,林地和灌木面積被侵占,但其對其他用地的影響則得到有效控制。

(3)生態優先情景。該情景對生態用地(即林地、灌木、草地和水體)進行了適當的保護。相比于2020年,2030年的林地面積為2 555.22 km2,呈現小幅度增加趨勢(0.05%);灌木、草地和水體的面積相對于2020年沒有變化。灌木和草地主要分布于武功山旅游景區內,受到景區法規保護,所以一直未有變化。由于成本矩陣(表1)的設定,耕地的轉出會優先考慮林地和建設用地,其次才會去向灌木、草地和水體進行轉化。因耕地的轉出量未能滿足林地和建設用地的轉入需求,從而導致沒有用地向灌木、草地和水體進行轉入,由此就會使得該情景下的灌木、草地和水體的面積會保持不變。該情景下土地利用變化較大的集中于耕地與建設用地,相對于2020年,耕地呈現減少趨勢,面積受到進一步壓縮,減少幅度為0.89%,面積為1 086.88 km2,為3種情景中唯一減少的;建設用地仍有小幅增加,增幅為4.9%。從地類空間發展格局來看,建設用地增長主要集中安源區。為保證生態用地同時維持經濟發展所需用地的需求,耕地轉變的主要方向仍然為建設用地?？偟膩碚f,該情景下的林地出現增長趨勢,灌木、草地以及水體并沒有減少,從而促使耕地為建設用地的主要來源,有利于維持區域生態安全。

3.4 土地利用動態變化對碳儲量的影響分析

3.4.1 萍鄉市2010-2020年間土地利用動態變化對陸地碳儲量的影響 基于萍鄉市的陸地生態系統碳密度數據(表2),利用In VEST 模型碳儲量模塊分別估算了萍鄉市2010—2020年的碳儲量及變化。從數量上看,研究區2010年和2020年的碳儲量分別為5.188×107t和5.041×107t,2010—2020年,總體呈減少的趨勢,損失了1.47×106t。從空間上看,萍鄉市的碳儲量空間分布格局有空間異質性。圖3A—B分別是2010年、2020年的碳儲量分布情況。碳儲量高值區主要分布于研究區的西南和東南,該區域主要為山地和丘陵,植被覆蓋度高,碳儲量密度最高值為13.789 t/hm2;行政區劃上,位于湘東區南部、蘆溪縣南部、蓮花縣西南部與東北部和上栗縣中部,這些區域遠離城市中心,城市化程度較低,土地利用類型以林地為主。碳儲量低值區主要分布在萍鄉市中心城區,城市化程度較高,土地利用類型以建設用地和耕地為主,受人類活動影響較大,碳儲量處于較低水平。

圖3 2010-2020年萍鄉市碳儲量空間變化Fig.3 Spatial change of carbon storage in Pingxiang City from 2010 to 2020

為了更好地觀察研究區的碳儲量的空間分布特征,利用空間疊加工具進行差值處理,將碳儲量空間變化分為3類:減少、不變和增加。從圖3C 看,其變化的區域具有大聚集和零星分布的特征。具體而言,2010—2020年研究區大部分區域的碳儲量基本穩定,其占比為91.72%,其中7.36%的研究區域碳儲量呈減少的趨勢,只有0.92%的區域碳儲量呈增加的趨勢,二者零星分布在整個研究區內。碳儲量下降的區域分主要分布在安源區、湘東區北部、蘆溪縣西北部、上栗縣北部與南部和蓮花縣的東南部,由于城市擴張,大量耕地和部分林地轉化為建設用地。

3.4.2 萍鄉市不同情景下的土地利用動態變化對陸地碳儲量的影響 3種情景下(自然發展、耕地保護和生態優先)陸地生態系統碳儲量存在著差異(圖4—5)。自然發展情景下,2030年萍鄉市的碳儲量相對往年有所下降,僅為4.906×107t。萍鄉市中部和其他區縣中心區域的碳儲量最易流失,其主要原因是在自然發展條件下,該區域的耕地和林地有較大概率轉換為碳密度值相對較小的建設用地,其中碳儲量值減少最高的區域為安源區,從中具化為安源區作為萍鄉市經濟中心一直未發生改變。耕地保護情景下,整體趨勢和自然發展態勢類似,碳儲量為4.919×107t。相較于自然發展情景有少量增加,其主要原因是在自然情景下轉化為碳密度低的建設用地的部分,在耕地保護情景下轉化為碳密度值較高的耕地,從而總體碳儲量高于自然發展情景。生態優先情景下,碳儲量為3種情景中最高,為5.038×107t,但相對往年仍是有所下降,減少了3.58×104t。從空間分布來看,99.75%的區域碳儲量基本保持不變,僅有零星的區域碳儲量增加與減少。在轉換成本矩陣的限定下,只有耕地成為轉出用地,轉為林地和建設用地。

3.4.3 政策建議

(1)由于城市化進程的加快,大量的農村用地轉化為城市建設用地,2010—2020年,城鎮用地新增了60.28 km2,未來城鎮化將繼續,經評估,萍鄉市自然發展情景、耕地保護情景和生態優先情景將新增建設用地分別為65.89,39.42,8.58 km2。由此導致的多情景下碳儲量損失集中在安源區和萍鄉經濟開發區(圖4),經實地調查,上述區域已由原來的農村土地已經轉變成為城市中心用地,并且是萍鄉市的核心城區,建議當地政府在碳中和行動中要重點關注以上區域。

(2)碳儲量的損失主要是來源于耕地和城市用地對林地的侵占,2010—2020年,林地的轉出面積為233.67 km2,轉出貢獻率達73.52%,經評估,萍鄉市自然發展情景和耕地保護情景下林地減少面積分別為176.19,176.58 km2。而中國實施的是耕地占補平衡政策,萍鄉市始終面臨著耕地占用的壓力。耕地占補平衡應該不僅僅是關注數量上的占補平衡,還應關注質量,特別是對大量的林地轉化為建設用地導致的碳損失(圖5)。為應對萍鄉市中心城區的用地矛盾,2022年萍鄉市已經將毗鄰市中心城區的上栗縣彭高、赤山鎮劃歸中心城區,中心城區土地面積擴容,在一定程度上可以緩解萍鄉市中心城區土地用地的壓力。

圖5 2020-2030年3種情景下萍鄉市碳儲量變化預測Fig.5 Carbon storage change in Pingxiang City under three scenarios from 2020 to 2030

(3)萍鄉是中國最早的工業起源城市之一,也是國家首批資源枯竭型城市。萍鄉在發展過程中不僅面臨的城市用地指標與耕地的矛盾,還面臨著傳統的工業大量升級轉型,工業排放環保與湘贛兩省環保聯動的壓力,應堅持走生態優先發展的道路。同時,以湘東、蘆溪為代表的老工業基地造成大量廢舊礦山的污染與治理也制約萍鄉的可利用的土地資源。綜上所述,萍鄉市需要特別重視土地的合理科學規劃利用,對整個城市的各個區域進行功能區域進行定位劃分,并盡快建立覆蓋全域的河流、土壤、空氣的城市生態監測系統,為萍鄉的生態決策提供長期科學數據支持與支撐。

4 結論

(1)2010—2020年萍鄉市的碳儲量整體呈減少趨勢,共減少1.47×106t,主要原因為碳密度高的林地和耕地轉換為碳密度值較低的建設用地,并且大量林地轉化為耕地。

(2)2010—2020 年萍鄉市土地利用變化以耕地、建設用地、草地和水體的面積增加和林地與灌木面積減少為主。自然發展情景下耕地、草地和建設用地的面積繼續增加,林地和灌木面積繼續減少,水體面積則由增加變為減少;耕地保護情景下耕地擴張加劇,草地和建設用地繼續擴張,林地和灌木面積減少;生態優先情景下林地面積少量增加,建設用地的擴張趨勢減弱,耕地為主要減少的用地類型。

(3)2030年的3種情景,自然發展情景、耕地保護情景和生態優先情景下萍鄉市的碳儲量分別為4.906×107t,4.919×107t和5.038×107t,與2020年相比,3種情景下生態系統碳儲量分別減少了1.35×106t,1.22×106t和3.58×104t,生態優先情景下的碳儲量減少量最低,保護林地和限制建設用地的擴張可以減緩生態系統碳儲量的減少。

此外,本研究也存在著一些不足:(1)土地利用變化是一個復雜的動態演化過程,根據研究區現狀設置具體情景是下一步的研究方向;(2)FLUS模型的參數(如土地利用轉換成本矩陣、空間變量的選擇等)的設置存在著一定的主觀性,下一步研究應根據研究區情況不斷調試參數以確定模型的最佳參數;(3)目前陸地生態系統碳儲量評估以地表調查、模型模擬和遙感評估為主,常用以地表調查為主,本文中的碳密度數據是在已有研究成果的基礎上進行碳密度修正,缺乏實地測量數據的驗證,忽視了碳密度變化的時間效應,下一步研究需要采用多模型融合對土地利用類型的碳密度數據進行修正,提升碳密度評估的準確度。