高潛水位礦區土地利用和碳儲量時空變化規律與預測

徐良驥 ，賀震東 ，劉瀟鵬 ，張 坤 ，吳滿毅

（1.安徽理工大學 深部煤礦采動響應與災害防控國家重點實驗室, 安徽 淮南 232001；2.合肥綜合性國家科學中心能源研究院, 安徽 合肥 230031；3.安徽理工大學 空間信息與測繪工程學院, 安徽 淮南 232001；4.礦山采動災害空天地協同監測與預警安徽普通高校重點實驗室,安徽 淮南 232001；5.安徽理工大學 礦區環境與災害協同監測煤炭行業工程研究中心, 安徽 淮南 232001）

0 引 言

陸地生態系統固碳是當前國際社會公認的經濟可行和環境友好的減緩大氣CO2濃度升高的途徑之一[1-2]。隨著城市化和工業化的不斷推進，區域土地利用空間格局不斷變化，由于不同土地利用類型的固碳能力差異較大，因此區域土地利用的變化會對當地生態系統的碳儲量造成影響。煤炭能源是國民經濟發展的基礎和重要支柱[3]，但煤炭開采會對礦區生態環境造成損傷，就我國東部高潛水位礦區而言，城鎮化的發展及開采造成的地表沉陷、耕地破壞和沉陷濕地等都會顯著改變區域內的土地利用類型，進而影響區域固碳效率[4-5]。因此，準確獲取高潛水位礦區土地利用變化特征及其對碳儲量的影響，對建設綠色礦山以及礦區可持續發展具有重要意義。

關于生態系統碳儲量估算的研究方法較多，傳統方法有實地采樣法、蓄積法和生物量法[6]，但傳統方法費時費力，并且在研究尺度和碳儲量時空變化體現方面受限制。近年來，隨著遙感技術的發展和InVEST 模型的建立，許多學者采用InVEST 模型估算區域生態系統碳儲量，張文華等[7]通過InVEST 模型估算草原碳儲量，并證明其在草原區域的碳儲量計算上具有適用性，劉洋等[8]和劉冠等[9]將該模型用于流域生態系統碳儲量的計算，并指出林地、植被和耕地的建設使流域生態系統碳儲量增加，劉英等[10]利用該模型估算露天煤礦碳儲量，并分析其時空特征，為礦區高質量發展提供科學規劃。隨著Markov[11]、CLUE-S[12]和FLUS[13]等土地利用模擬模型出現與發展，有學者將InVEST 模型與土地利用模擬模型結合[14]。雒舒琪等[15]通過耦合PLUS-In-VEST 模型，模擬了3 種不同發展情景下西安市土地利用的變化，并評估其對碳儲量變化的影響，為西安市低碳發展提供參考，林彤等[16]基于PLUS 和In-VEST 模型，分析并預測了廣東省碳儲量的變化。但將Markov、FLUS 等土地利用模型和InVEST 模型相結合，對礦區碳儲量進行估算和預測的相關研究較少。

基于上述研究，本研究采用FLUS-InVEST 模型，對淮南潘謝礦區2002—2021 年土地利用變化的時空特征進行分析，探究因采礦與城鎮建設導致的土地利用變化對碳儲量的影響，并預測在自然發展和生態保護不同情景下2028 年的土地利用變化及碳儲量變化。以期對我國東部高潛水位礦區綠色礦山建設、低碳高質量發展提供借鑒。

1 研究區概況與數據源

1.1 研究區概況

潘謝礦區位于安徽省淮南市(116°20′E—116°57′E，32°43′N—32°56′N)，位置如圖1 所示。礦區總面積約531.51 km2，年平均氣溫為15 ℃，年平均降水量為970 mm。礦區包括謝橋礦、張集礦、顧北礦、顧橋礦、丁集礦、朱集東礦、潘北礦、潘一礦、潘二礦和潘三礦。礦區內煤層厚且發育穩定，地下潛水位較高，經過長期開采，地表沉陷區形成大范圍的沉陷積水，對礦區生態系統造成影響。

圖1 研究區位置Fig.1 Location of study area

1.2 數據源與預處理

研究使用的數據包括土地利用數據、社會經濟數據、氣候環境數據和地形數據（表1）?？紤]各個煤礦投入生產年份、季節差異和云量等因素影響，選用2002、2010、2014、2018 年和2021 年3—4 月份的5 期Landsat 系列衛星影像數據，使用ENVI 5.3軟件進行監督分類和目視解譯獲取土地利用數據。參考GB/T 24708—2009 《濕地分類》中的標準和相關研究[17]，采煤沉陷積水區、湖泊和河流均屬于濕地的范疇，因此研究將潘謝礦區土地利用類型分為濕地、林地、建筑用地和耕地4 類。土地利用數據用作于土地利用變化的分析，并作為源數據輸入FLUS和InVEST 模型。社會經濟數據和氣候環境數據為FLUS 模型的驅動因子。

表1 數據源與處理Table 1 Data sources and processing

2 研究方法

2.1 FLUS 模型

FLUS 模型是一種基于傳統CA(Cellular Automata)模型開發，用于模擬和預測未來土地利用變化的模型。其原理為利用BP-ANN 算法計算出適應性概率，再結合出現概率、鄰域影響因子、自適應慣性系數和轉換成本，獲得元胞的總體轉換概率，之后通過輪盤 得到最終模擬結果。

模型運作過程主要為：①利用馬爾科夫鏈確定未來各個地類的數量需求；②基于土地利用數據和驅動因子，使用BP-ANN 算法，計算出研究區內每種地類的適宜性概率，即在每個像元的出現概率；③基于自適應慣性機制的CA 模型，模擬未來土地利用變化。

BP-ANN 算法公式見式(1)：

自適應慣性系數計算公式見式(3)：

2.2 驅動因子選擇

結合已有的礦區土地利用模擬研究[18-19]，考慮到采煤沉陷、工礦用地擴展和城鎮化發展等因素，將煤礦核定生產能力和煤礦年產量數據作為采礦數據，距鐵路距離、距高速公路距離、距主要道路距離、距次要道路距離、GDP、人口密度數據作為社會經濟數據；將土壤類型、年平均氣溫、年降水量、DEM 和坡度數據作為氣候和環境數據。

2.3 InVEST 模型

InVEST 模型是美國自然資本項目組開發的用于自然資源管理決策的模型系統。因模型中的carbon 模塊可以計算碳儲量，故被廣泛應用于區域碳儲量的計算[20]。InVEST 模型將生態系統的碳儲量分為4 個部分，分別為：地上碳庫、地下碳庫、土壤碳庫和死亡有機碳庫。該模型以土地利用數據為基礎，統計4 種碳庫的平均碳密度，之后由各地類的面積與其碳密度相乘再求和，得到區域總碳儲量?？偺純α康挠嬎愎揭娛?6)：

關于碳密度數據的研究已有很多，參考前人研究，盡量選擇安徽省內實測數據。濕地、林地與建筑用地的碳密度參考中科院2010 s 中國陸地生態系統碳密度數據集[21]，以及孫方虎等[22]、林凡等[23]研究成果。耕地的碳密度參考趙明松等[24]和吳楠等[25]研究成果，并采用生物量碳密度和土壤碳密度與降水量、氣溫的關系校正模型進行修正[26-27]。其中土壤碳密度為0～100 cm 土體的碳密度。研究區不同地類碳密度數據見表2，因死亡有機物碳庫數據難以獲得，所以本研究不做考慮。

表2 潘謝礦區不同土地利用類型碳密度值Table 2 Carbon density of different land use types in Panxie mining area

3 結果與分析

3.1 土地利用變化分析

3.1.1 2002—2021 年土地利用變化分析

由圖2 和表3 可知，潘謝礦區土地利用類型以耕地為主，以2021 年數據為例：耕地占礦區面積的55.85%；其次為建筑用地和濕地，分別占比為25.81%和18.11%；林地占比最少，僅有0.23%。整體變化趨勢為耕地減少，濕地、林地和建筑用地增加。其中耕地總計減少了147.93 km2，濕地、林地和建筑用地分別增加了71.01 km2、1.16 km2和75.76 km2。

表3 2002—2021 年潘謝礦區各地類面積及比例Table 3 Areas and proportions of different land use types in panxie mining area from 2002—2021

圖2 2002—2021 年潘謝礦區土地利用類型Fig.2 Land use of Panxie mining area from 2002 to 2021

根據2002—2021 年土地利用轉移情況，繪制了Sankey 圖，如圖3 所示。由圖3 分析可知，2002—2010 年，礦區處于快速發展階段，耕地大量向濕地和建筑用地轉出，轉出面積分別為24.53 km2和36.01 km2。同時還伴隨著少量濕地和建筑用地轉入耕地，面積為5.14 km2和12.99 km2。

圖3 2002—2021 年土地利用類型轉移Sankey 圖Fig.3 Sankey map of land usetype conversion from 2002 to 2021

2010—2014 年間，土地利用變化趨勢與上一階段相似，14.92 km2的耕地轉為濕地，5.08 km2的濕地轉變為耕地，但建筑用地和耕地之間的相互轉換面積有所減少，7.41 km2的耕地轉為建筑用地，0.51 km2的建筑用地轉為耕地。

2014—2018 年間，礦區建筑用地增長速度大大減緩，此階段土地利用變化主要為濕地和耕地的相互轉換，23.46 km2的耕地轉為濕地，5.01 km2濕地轉變為建筑用地。

2018—2021 年間，隨著去產能政策的執行，由《淮南市人民政府關于煤炭行業化解過剩產能實現脫困發展的實施意見》可知，政府支持發展風電、光伏發電和現代農業等新興產業，調整土地利用結構，促進礦區土地再開發利用。在此期間內，建筑用地面積迅速增加，增長速度達到峰值，48.39 km2耕地轉出為建筑用地。同時，沉陷濕地仍處于擴張階段，速度趨于穩定。

綜合4 個階段，耕地持續不斷轉出為濕地和建筑用地，且存在少量濕地和建筑用地轉入耕地，其中建筑用地轉入耕地的面積逐年減少，濕地則較為穩定，在2010 年之后，平均每年有1.20 km2的濕地轉變為耕地。濕地和建筑用地在每個階段內均有相互轉化，但兩者相互轉換的面積基本相同。此外，4 個階段內林地一直在快速增長，不過相對于其他3 種土地利用類型，林地面積的變化較為有限。

3.1.2 模型精度驗證

為驗證FLUS 模型對土地利用預測的精度，選用2010 年和2014 年的土地利用數據模擬2018 年土地利用，并與2018 年實際土地利用數據進行精度驗證。通過FLUS 模型內精度驗證工具得到總體精度為0.89，Kappa 系數為0.77，精度較高，可以用于未來土地利用類型的預測。

3.1.3 情景模擬下的土地利用變化分析

根據《淮南市土地利用總體規劃（2006—2020 年）》《淮南市國民經濟和社會發展第十四個五年規劃和2035 年遠景目標綱要》結合前人研究經驗[28-29]，設置了2 種發展情景，分別為自然發展情景（Q1）和生態保護情景（Q2）。

在自然發展情景下，不考慮任何規劃和政策的影響，未來土地利用格局按照2002—2021 年變化趨勢自然演變。

在生態保護情景下，可通過減少煤炭開采量、實施充填開采等手段控制地表下沉，減少沉陷濕地面積的增加，同時開展土地復墾，將部分廢棄建筑用地復墾為耕地，減緩耕地面積的減少。在模擬未來土地利用變化時，耕地向濕地、建筑用地的轉移概率分別減少10%、30%，建筑用地向耕地的轉移概率增加10%。

使用FLUS 模型在2 種不同情景下模擬2028年潘謝礦區土地利用變化如圖4 所示。結合表4 可知，在自然發展情景下，濕地和建筑用地面積占比增加，分別增加5.35%和6.72%，耕地面積占比減少12.08%，林地面積占比基本維持不變。生態保護情景下，濕地和建筑用地面積占比分別增加了4.73%和4.55%，耕地面積占比減少9.29%。相較于自然發展情景，濕地減少了3.27 km2，建筑用地減少了11.51 km2，耕地增加了14.78 km2?？梢钥闯?，在生態保護下濕地和建筑用地的增長幅度有所減緩，能夠有效保護耕地。

表4 2021 和2028 年潘謝礦區各類土地利用類型面積及占比Table 4 Area and proportion of various land use types in Panxie mining area in 2021 and 2028

圖4 2028 年不同發展情景下潘謝礦區土地利用類型Fig.4 Land use of Panxie mining area under different development scenarios in 2028

3.2 碳儲量變化分析

3.2.1 2002—2021 年碳儲量變化分析

使用InVEST 模型分別計算潘謝礦區2002、2010、2014、2018 和2021 年的碳儲量，并且預測2028 年不同發展情景下的碳儲量，各礦區碳儲量、潘謝礦區碳儲量變化和碳儲量變化分布如表5、圖5、圖6 和圖7 所示。從總碳儲量來看，潘謝礦區總碳儲量不斷減少，具體表現為耕地碳儲量減少，濕地和建筑用地碳儲量增加。2021 年碳儲量相較于2002年減少了1.62×105t，占比3.83%。

表5 2002—2028 年各礦區碳儲量Table 5 Carbon reserves of each mining area from 2002 to 2028

圖5 2002—2028 年各礦區碳儲量占比Fig.5 Proportion of carbon storage in each mining area from 2002 to 2028

圖6 2002—2028 年潘謝礦區碳儲量變化Fig.6 Change of carbon stocks in Panxie mining area from 2002 to 2028

圖7 2002—2028 年潘謝礦區碳儲量變化分布Fig.7 Distribution of carbon stocks in Panxie mining area from 2002 to 2028

就各礦區而言，由碳儲量的占比從多到少排序為丁集礦、顧橋礦、張集礦、潘一礦、潘三礦、朱集東礦、謝橋礦、顧北礦、潘北礦、潘二礦。在2002—2021 年，謝橋礦、顧北礦和顧橋礦碳儲量的占比小幅度下降，其余礦區碳儲量的占比均為小幅度增加。

從碳儲量的變化趨勢來看，10 個礦區的碳儲量都呈現出減少的趨勢，對比2002 年和2021 年數據，謝橋礦和顧橋礦為碳儲量變化幅度最大的礦區，分別減少了0.15×105t 和0.33×105t，占比為5.05%和4.95%。由于朱集東礦成立時間相對其他礦區較晚，開采時間短，截至2021 年礦區內耕地保護較好，是碳儲量減少最少的礦區，減少了0.09×105t，占比為2.53%。其中碳儲量減少的主要原因為采煤沉陷和城鎮建設導致濕地和建筑用地增加，耕地減少，從而使得礦區總碳儲量下降。2002—2021 年間林地面積雖不斷變大，但其面積占比過小，對總體碳儲量變化影響不大。

2002—2010 年，濕地和建筑用地快速增長，占用大量耕地，導致碳儲量減少，并且在此階段少部分濕地和建筑用地轉變為耕地，使碳儲量增加。2010—2014 年，此階段碳儲量減少量為最少，碳儲量減少的原因主要是沉陷濕地的擴張，同時伴隨著少量濕地和建筑用地轉換為耕地，使碳儲量回升。2014—2018 年，此階段建筑用地變化不明顯，但沉陷濕地的擴張使礦區碳儲量呈減少趨勢。隨著土地復墾的實施和沉陷濕地的治理，從圖7 可以看出，潘三礦為代表，礦區內部分濕地退還為耕地，使碳儲量增加，有效地緩解了碳儲量下降的趨勢。2018—2021 年，因礦區轉型發展，建筑用地增幅高達52.51%，同時沉陷濕地不斷擴張，導致碳儲量減少的幅度為4 個階段最大。由于政策支持，部分沉陷濕地經過治理變為耕地一定程度上減緩了碳儲量減少。

3.2.2 情景模擬下的碳儲量變化分析

由預測結果可知，2 種發展情景下的碳儲量均呈減少趨勢。在自然發展情景下，相比2021 年，2028年的碳儲量減少了0.74×105t，碳儲量減少主要原因為耕地轉變為濕地和建筑用地。其中顧橋礦的碳儲量變化幅度最大，減少了0.17×105t，占比2.68%。謝橋礦的碳儲量變化幅度最小，減少了0.01×105t，占比0.35%。

在生態保護情景下，相較于2021 年，碳儲量減少了0.53×105t。由于實施生態保護政策，此情景下濕地和建筑用地擴張速度有所減緩，相比自然發展情景，碳儲量增加了0.21×105t。各礦區的碳儲量變化幅度與前一情景相同，依舊為顧橋礦最大，謝橋礦最 小，分 別 減 少 了0.12×105t 和0.01×105t，占 比1.89%和0.35%。結果表明，采取生態保護措施，積極開展土地復墾工作能夠恢復礦區固碳能力，減輕采煤沉陷對礦區生態環境的破壞。

4 討 論

土地利用變化是引起區域碳儲量變化的主要原因之一[30]。綜合已有研究成果可知：建設用地擴張導致的耕地和林地面積減少，是陸地生態系統碳儲量變化的主要原因[31-32]。其中礦區生態系統的碳儲量變化主要原因為草地和未利用地向工礦用地轉移以及采礦造成的耕地面積減少[10]，而在高潛水位礦區，因開采后地表沉陷濕地導致耕地轉為濕地也是影響碳儲量變化的重要因素[33]。本研究利用FLUS和InVEST 模型，選取采礦、社會經濟和氣候環境等方面的數據作為驅動因子進行土地利用變化情景模擬，并基于前人的研究成果，依靠校正模型完成碳庫的建立，最終實現潘謝礦區碳儲量的估算和預測。對實驗結果分析發現，高潛水位礦區碳儲量變化的主要原因為采煤沉陷和區域化發展導致沉陷濕地和建筑用地侵蝕耕地，從而使高碳密度地類轉為低碳密度地類，導致礦區碳儲量減少。研究結果與已有結論具有較好的一致性[34-35]。然而，本研究也存在一定的局限性。在土地利用變化預測方面，若能獲取礦區采煤相關信息，將未來沉陷預計作為驅動因子，可進一步提高預測結果精度[36]。在碳密度的取值方面，筆者雖參考前人研究，并采用校正模型修正，使碳密度接近實際值，但未能兼顧不同植被的種類以及年齡等固碳能力的差異。后續研究可補充相關野外實測數據，提高碳儲量計算的準確性。

伴隨著采煤工作的進行，沉陷濕地和建筑用地占用耕地導致碳儲量減少的情況無法避免，因此有必要開展采煤沉陷區綜合治理工作[37]。就潘謝礦區而言，在政府的主導下，潘謝礦區將沉陷區綜合治理與城鎮化、生態家園、濕地公園、新能源等建設相結合，完成了以“創大”生態園為代表的一系列治理項目，有效緩解了煤礦開采與生態保護的矛盾。在“碳達峰”、“碳中和”背景下，我國以煤炭為主的能源結構短時間內不會改變[38]，因此煤炭行業應當著重于綠色礦山建設，以低碳發展來落實“雙碳”目標。

5 結 論

1)受煤礦開采和城鎮發展影響，2002—2021 年潘謝礦區土地利用變化整體表現為耕地減少，濕地和建筑用地增加，林地少量增加。預測結果表明，在2 種情景下2028 年潘謝礦區內濕地和建筑用地均將持續增加，耕地不斷減少。但生態保護情景下濕地、建筑用地和耕地變化幅度有所減緩。

2)由于耕地的固碳能力大于濕地和建筑用地，且林地面積占比過小對總體碳儲量影響不大。因此，受高碳密度地類轉為低碳密度地類影響，在2002—2021 年，研究區內碳儲量不斷減少。其中，2018—2021 年，碳儲量減少幅度最大，謝橋礦和顧橋礦為碳儲量變化幅度最大的礦區，朱集東礦為碳儲量減少幅度最小礦區。預測結果顯示，在兩種情景下研究區內的碳儲量均呈持續下降趨勢，采取生態保護措施可在一定程度上緩解碳儲量的減少。