DOI: 10.12357/cjea.20220520
雒舒琪, 胡晓萌, 孙媛, 闫彩, 张鑫. 耦合PLUS-InVEST模型的多情景土地利用变化及其对碳储量影响[J]. 中国生态农业
学报 (中英文), 2023, 31(2): 300?314
LUO S Q, HU X M, SUN Y, YAN C, ZHANG X. Multi-scenario land use change and its impact on carbon storage based on coupled
Plus-Invest model[J]. Chinese Journal of Eco-Agriculture, 2023, 31(2): 300?314
耦合PLUS-InVEST模型的多情景土地利用变化及其
对碳储量影响
雒舒琪, 胡晓萌, 孙 媛, 闫 彩, 张 鑫
(西北农林科技大学水利与建筑工程学院 杨凌 712100)
摘 要: 土地利用/覆被变化(LUCC)是陆地生态系统碳储量变化的重要原因, LUCC往往受政策的限制, 从而影响
碳储量变化。预测政策指引下的西安市2030年LUCC, 分析其对碳储量的影响, 对西安市政策制定、土地利用结
构调整、实现“双碳”目标具有重要意义。本研究基于2000年、2010年和2020年土地利用数据(LULC), 选取11
个驱动因子, 根据西安市“十四五”政策规划建立自然发展(Q1)、生态保护(Q2)和城镇发展(Q3) 3个情景, 采用
PLUS模型预测并分析西安市2030年土地利用空间分布格局, 并耦合InVEST模型评估西安市在不同发展情景的
碳储量变化。研究表明: 1) PLUS模型在西安市的适用性较强, 模型总体精度为0.93, Kappa系数为0.89。
2) 2000—2020年西安市建设面积、草地、水体数量增加, 耕地、林地、湿地面积减少, 从转移方向上看, 主要由耕
地转为建设用地。3) 2030年, Q1情景延续了以往发展模式, Q2情景下林地、水体等生态用地数量均较2020年有
所增加, Q3情景下建设用地大幅增加, 增幅为10.42%。4) LUCC是导致生态系统碳储量变化的主要原因, 2030年
Q1情景下碳储量总量较2020年减少373.28 t, 说明延续以往的发展模式会使碳储量总量减少; Q2情景下碳储量总
量较2020年增加564.73 t, 说明一定的生态保护措施保护了林地、湿地等生态用地和耕地的数量, 限制了碳密度较
高的生态用地和耕地等转化成碳密度较低的建设用地, 可以减缓陆地生态系统碳储量减少趋势, 增加西安市碳储量;
Q3情景下碳储量减少734.15 t, 城市化进程的加快, 建设用地规模扩大, 大量的建设用地占用生态用地和耕地, 从而
使碳储量大幅减少。研究表明建设用地大幅扩张侵占生态用地和耕地是造成生态系统碳储量流失的主要原因, 实
施科学、合理的生态保护措施, 可以很好地解决因经济发展而造成的碳储量下降问题。
关键词: 土地利用变化; 碳储量; PLUS模型; InVEST模型; 情景模拟
中图分类号: TV11开放科学码(资源服务)标识码(OSID):
Multi-scenario land use change and its impact on carbon storage based on
coupled Plus-Invest model
LUO Shuqi, HU Xiaomeng, SUN Yuan, YAN Cai, ZHANG Xin
(College of Water Resources and Architectural Engineering, Northwest A&F University, Yangling 712100, China)
Abstract: Land use/cover change (LUCC) is an important cause of carbon storage change in terrestrial ecosystems. Land use change
is often constrained by policy, which affects carbon stock changes. To forecast the LUCC of Xi’an in 2030 under the guidance of the
陕西省科技统筹创新计划项目(2016KTZDNY-01-01)资助
通信作者: 张鑫, 主要研究方向为水文水资源与3S技术应用。E-mail: zhxin@nwsuaf.edu.cn
雒舒琪, 主要研究方向为水文水资源和生态学研究。E-mail: luoshuqi@nwafu.edu.cn
收稿日期: 2022-07-06 接受日期: 2022-10-25
This study was supported by the Science and Technology Coordinated Innovation Plan Project of Shaanxi Province (2016KTZDNY-01-01).
Corresponding author, E-mail: zhxin@nwsuaf.edu.cn
Received Jul. 6, 2022; accepted Oct. 25, 2022
中国生态农业学报 (中英文) ?2023年2月 ?第?31?卷 ?第?2?期
Chinese?Journal?of?Eco-Agriculture,?Feb.?2023,?31(2):?300?314
http://www.ecoagri.ac.cn
policy, and analyze its impact on carbon storage is of great significance for Xi’an policy-making, land use structure adjustment, and
the realization of the “double carbon” goal. Based on the land use data (LULC) of 2000, 2010, and 2020, this study selected 11 driv-
ing factors and established three development scenarios of business as usual (Q1), ecological protection (Q2), and town development
(Q3), respectively, according to the Xi’an “14th Five-Year Plan” policy planning. The PLUS model was used to predict and analyze
the spatial distribution pattern of land use in Xi’an in 2030, and the InVEST model was coupled to evaluate the carbon storage of
Xi’an in different development scenarios and analyze the change in carbon storage. The results show that: 1) the PLUS model has
strong applicability in Xi’an City. The overall accuracy of the model was 0.93 and the Kappa coefficient was 0.89. 2) From 2000 to
2020, the areas of construction lands, grasslands and water bodies in Xi’an increased, while the areas of arable land, woodland, and
wetland decreased. From the perspective of the transfer direction, arable land was mainly converted to construction land. 3) Q1 con-
tinued with the previous development pattern. In 2030, the quantity of ecological land, such as woodlands and water bodies, under Q2
increased compared with that in 2020, and the construction land areas under Q3 increased by 10.42%. 4) LUCC was the main reason
for changes in ecosystem carbon storage. The total carbon storage under Q1 in 2030 decreased by 373.28 t compared with that in
2020, indicating that a continuation of the previous development mode would reduce the total carbon storage. Under Q2 in 2030, car-
bon storage increased by 564.73 t from 2020, which explains certain ecological protection measures to protect forest land, wetland,
and increase the amount of cultivated land. This would also limit the transfer of ecological lands with high carbon density, such as
cultivated land, into low carbon density land for construction purposes, potentially slowing the increasing trend of carbon reserves in
terrestrial ecosystems. Under Q3, with the acceleration of urbanization, the scale of construction land has expanded, and a large num-
ber of urban areas occupy ecological and cultivated lands, which greatly reduces carbon storage. The results show that the major reas-
on for the loss of carbon storage is the large expansion of construction land and the encroachment of ecological and arable land. The
implementation of scientific and reasonable ecological protection measures can solve the carbon storage decline problem caused by
economic development.
Keywords: Land use/cover change; Carbon storage; PLUS model; InVEST model; Scenario simulation
陆地生态系统因具有大量固碳单元, 在吸收CO2、
调节气候和全球碳循环等方面起着重要作用[1-3]。土
地利用/覆被变化(LUCC)是人类社会、经济和自然
互动的一个具体体现, 土地利用类型不同, 固碳能力
存在较大差异[4-5]。近年来, 人类活动导致土地利用
格局发生了重大变化, 大量扩张的建设用地侵占了
林地、草地和湿地等生态用地, 导致陆地生态系统
碳储量大量流失[6-9]。人类活动往往受到政策的制约
和驱动, 土地利用类型是人类活动存在的物质载体,
随着政策的变化, 土地利用空间格局呈现出不同的
形式。
近年来, 国内外学者对LUCC和陆地生态系统
碳 储 量 的 变 化 进 行 了 大 量 的 研 究[10-15]。 张 斌 等[16]
将FLUS (Future Land Use Simulation Model Software)
模型和生态系统服务和权衡的综合评估(Integrated
Valuation of Ecosystem Services and Tradeoffs, In-
VEST)模 型 相 结 合, 对“三 线”约 束 下 武 汉 城 市 群
LUCC及其对碳储量影响进行了模拟, 研究表明建设
用地的大幅扩张侵占了林地与耕地是导致武汉城市
群碳储量下降的主要原因。张平平等[17]采用CA-
Markov模 型 与InVEST模 型 模 拟 和 预 测 了2000 ?
2040年不同发展情景下秦巴山地生态系统碳储量变
化情况, 研究表明: 在一定的生态保护措施下, 碳储
量减少幅度明显变小。未来土地利用模拟模型可以
与生态系统服务模型很好地结合并取得了一定研究
成果, 量化LUCC对陆地生态系统碳储量的影响具
有重要意义[18-21]。Wang等[22]结合SD-PLUS和InVEST
模型, 预测了新疆博尔塔拉地区在未来不同情景下
的土地利用及碳储量情况, 结果表明通过控制建设
用地扩张和人口增长, 并扩大研究区域内林地等生
态用地, 可以实现碳储量的增加。伍丹等[23]应用在
FLUS模 型 上 改 进 的 斑 块 生 成 土 地 利 用 变 化 模 拟
PLUS模 型(Patch-generating Land Use Simulation)结
合InVEST模型, 模拟了成渝经济区在自然发展和生
态 保 护 两 种 不 同 发 展 情 景 下 碳 储 量 的 变 化 趋 势,
PLUS模型模拟的精度更高, 但是情景设置较为单一
且没有考虑政策的影响。
以往研究主要结合未来土地利用模拟模型和In-
VEST模型[24], 对不同的发展情景下LUCC对碳储量
的影响进行了研究, 但是考虑政策因素优化土地利
用结构并增加区域碳储量的研究仍然缺乏。并且已
有研究主要集中在考虑政策对未来土地利用格局的
“约束”作用上, 缺乏政策对LUCC的“驱动”和“引导”
作用。PLUS模型中集成的基于随机森林的规划交
通更新机制和规划开发区内的随机种子机制[25], 可以
将规划交通和规划开发区对城市发展的引导作用考
虑到城市群发展过程当中, 有效弥补了已有研究只
能考虑规划的约束作用、无法考虑规划政策的驱动
第 2 期 雒舒琪等 : 耦 合 PLUS-InVEST模型的多情景土地利用变化及其对碳储量影响 301
http://www.ecoagri.ac.cn
和引导作用的不足[26]。本文通过耦合PLUS模型和
InVEST模型, 创新性地模拟在规划交通和规划发展
区政策驱动下西安市2030年3种发展情景下LUCC
及其碳储量的空间格局, 探讨了政策指引下3种情
景下西安市碳储量总量差异及空间分布格局。
2021年7月, 西安市为响应国家碳达峰与碳中
和的总体布局, 实现“双碳”目标, 明确提出要将稳步
提升西安市碳汇增量作为实现碳中和目标的重要举
措之一。本研究拟以西安市为研究区, 并引入《西
安市“十四五”规划》进行分析, 模拟在政策驱动、指
引下西安市2030年的土地利用格局和碳储量时空变
化, 以期为西安市政策制定、土地利用结构调整、
“双碳”目标实现提供一定借鉴。
1 研究方法与数据来源
1.1 研究区概况
西安市位于陕西省中部(图1), 面积10 106.6 km2,
年平均降水量528.3~718.5 mm。
1.2 数据来源与处理
用于模拟未来土地利用的数据包括气候环境数
据以及社会经济数据(表1)。计算碳储量需土地利
用数据(LULC)和碳密度数据。基于PLUS模型的
数据输入需求, 采用空间分辨率为30 m的栅格数据,
地理坐标系统一为GCS_WGS_1984, 投影坐标系为
WGS_1984_UTM_Zone_49N。
108°0′0″E 108°30′0″E 109°0′0″E 109°30′0″E
108°0′0″E
34°40′0″N
34°20′0″N
34°0′0″N
33°40′0″N
34°40′0″N
34°20′0″N
34°0′0″N
33°40′0″N
108°30′0″E 109°0′0″E 109°30′0″E
0 10 20 40 60 80km高 High: 3754 m
低 Low: 207 m
,
图 1 研究区陕西省西安市概况图
Fig. 1 Location and general situation of the study area of Xi’an City
表 1 PLUS模型输入数据来源及处理
Table 1 Data sources and processing of drivers of Patch-generating Land Use Simulation (PLUS)
数据类型
Data type
数据名称
Data name
数据精度
Data accuracy
数据来源及处理
Data source and processing
土地利用数据
Land use data
土地利用数据
Land use data 30 m http://globeland30.org/
社会经济数据
Socio-economic data
人口 Population 1 km http://www.resdc.cn/data
国内生产总值 Gross domestic product 1 km
夜光灯数据 Glow-in-the-dark data 1 km http://www.resdc.cn/data
到铁路距离 Distance to railway 1 km
到高速 /国道 /省道距离
Distance to highway/national highway/provincial highway
1 km
到水域距离 Distance to openwater 1 km
气候和环境数据
Climate and environmental data
土壤类型 Soil type 1 km http://vdb3.soil.csdb.cn/
土壤侵蚀模数 Modulus of soil erosion 1 km http://www.resdc.cn/data
年平均气温 Mean annual temperature 1 km
年平均降水量 Mean annual precipitation 1 km
数字高程数据 Digital elevation model 30 m http://www.gscloud.cn/search
坡度
Slope
30 m ArcGIS中由 DEM生成
Generated by DEM in ArcGIS
未来驱动数据 Future-driven data 未来交通规划 Future transportation planning 1 km http://www.shaanxi.gov.cn/
规划开发区 Planned development zone 1 km
碳密度数据 Carbon density data 碳密度数据 Carbon density data 1 km http://www.cnern.org.cn/
302 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
综合考虑模型的精度和适用性, 结合社会经济
和环境数据对土地利用变化的影响, 依据驱动因子
可获取性、时效性和显著性原则, 选取数字高程数
据、人口等11个驱动因子作为PLUS模型输入数据。
图2为处理的11个驱动因子栅格数据。
1.3 研究框架
研究框架分为两大部分:
1)未来土地利用格局的模拟: ①先采用集成在
PLUS模型中的Markov模块预测2030年不同发展
情景下土地利用需求数量。②在PLUS模型的LEAS
模块中采用随机森林算法计算11种驱动因子(图2)
对各地类扩张的影响, 并生成不同类型土地的发展
概率。③在PLUS模型的CARS模块中考虑规划交
通和规划开发区等因素, 通过改变转移矩阵、邻域
权重和限制发展区域预测西安市在“十四五”政策指
引下不同发展情景的土地利用格局。
2)碳储量的计算: ①选用InVEST模型进行计算。
②输入2000年、2020年和不同发展情景的LULC
以及碳密度数据。③输出2000年、2020年和不同
发展情景下的西安市碳储量数据, 从时间和空间上
探究LUCC对陆地生态系统碳储量的影响。
1.4 研究方法
1.4.1 情景设置
为满足不同的发展需求, 综合考虑西安市2000 ?
2020年历史土地利用转移矩阵、《陕西省“十四五”
发展规划》和《秦岭保护区总体规划》, 在PLUS模
型中设置自然发展、生态保护和城镇发展情景(限
制发展区域见图3), 模拟西安市2030年的土地利用
数据[27-29]。情景设定如下:
自然发展情景(Q1): 延续2000 ?2020年发展趋
势, 保持原有土地利用类型转移时的转移概率和邻
域权重不变, 采用PLUS模型中集成的Markov模块
预测2030年各地类需求量, Q1是其他情景设定的基
础。为保护西安市水体面积, 将水域作为土地利用
高 High: 3754
低 Low: 207
0 510 30 4020
km
0 510 30 4020
km
0 510 30 4020
km
0 510 30 4020
km
0 510 30 4020
km
0 510 30 4020
km
0 510 30 4020
km
0 510 30 4020
km
0 510 30 4020
km
0 510 30 4020
km
0 510 30 4020
km
高 High: 77.13
坡度 Slope ( ) 土壤 Soil
Digital elevation data (m) 淋溶土 Alfisol
半淋溶土 Half luvisols
初育士 Primitive soil
半水成土 Semi-hydromorphic soil
人为土 Anthrosols
高山土 Alpine soil
城区 Urban area
低 Low: 0
高 High: 63
低 Low: 0
高 High: 130℃
年平均气温
Annual average temperature (℃ )
低 Low: ?21 ℃
高 High: 9512
年平均降水量
Annual mean precipitation (mm)
到高速距离
Distance to highway (m)
土壤侵蚀模数
Soil erosion modulus
微度 Slight
极强度 Extreme intensity
低 Low: 5671
高 High: 78 484
低 Low: 0
高 High: 23 921.7
低 Low: 18.1531
到国道距离
Distance to national highway (m)
高 High: 32 025
低 Low: 0
到铁路距离
Distance to railway (m)
高 High: 62 274
低 Low: 0
数字高程数据
人口 Population 夜光灯 Glow-in-the-dark
轻度 Mild
中度 Moderate
强度 Intensity
N
图 2 研究区PLUS模型输入的驱动因子数据的空间分布
Fig. 2 Spatial distribution of various influencing factors of Patch-generating Land Use Simulation (PLUS) in the study area
第 2 期 雒舒琪等 : 耦 合 PLUS-InVEST模型的多情景土地利用变化及其对碳储量影响 303
http://www.ecoagri.ac.cn
变化的限制因子, 将区域内水域进行掩膜提取, 设置
为限制扩张区域, 模拟2030年土地利用状况。
生态保护情景(Q2): 以生态环境保护为首要目
的, 限制城镇化发展, 保护耕地, 使土地利用向更加
环境友好的方向发展。在设置邻域权重时, 将林地、
草地和水域向建设用地转移的转移概率减少20%,
耕地向林地转移的转移概率增加60%, 耕地向草地
转移的转移概率增加50%, 建设用地向林地转移的
转移概率增加30%。考虑到研究区内的秦岭保护区
是我国重要的生态安全屏障, 此情景基于Q1加入秦
岭保护区为限制扩张区域, 模拟2030年Q2的土地
利用状况。
城镇发展情景(Q3): 考虑西安正处在快速发展
的重大战略时期, 建设用地数量增长迅速。将草地、
耕地和水域向建设用地转移的转移概率增加10%,
建设用地向耕地、林地、草地和水域转移的转移概
率降低70%。此情景不涉及任何政策干预, 并且对
不同地类间的转换不设限制。
1.4.2 PLUS模型
PLUS模型是在FLUS模型基础上发展的一种可
以考虑政策驱动、引导作用的斑块级精细化土地利
用预测模型[30-32], 该模型在Markov模块的土地利用
需求数量预测的基础上发展了LEAS模块和CARS模块。
1) Markov模块
Markov可以根据历史用地转移概率矩阵对未来
用地需求进行预测[33], 公式如下:
S(t+1) = Pij S t (1)
S(t+1) t+1
Pij St
t
式中: 表示土地利用在 时刻下的土地利用类
型, 表示土地利用类型转移概率矩阵, 表示土地
利用 时刻的土地利用类型。通过改变转移概率设置
不同发展情景, 生成不同发展情景下未来的土地利
用需求, 作为PLUS模型的输入参数从而预测2030
年Q1、Q2、Q3下的土地利用空间格局。
2) LEAS模块
在LEAS模块中输入2期的LULC, 通过提取各
地类发生变化的区域并随机提取采样点进行分析,
然后采用随机森林算法通过训练数据集挖掘土地利
用变化规则。公式如下:
Pdi;k(X) =
M∑
n=1
I[hn (X)=d]
M (2)
d
k
X hn(X)
I(:)
Pdi;k(X) i k
式中: 取值为0或1, 取值为1时表示其他土地利用
类型向土地利用类型为 的地类转变, 取值0时不转
变; 为由驱动因子组成的向量, 为决策树为n
时计算得到的土地利用预测类型; 为决策树的指
示函数; 为空间单元 处 类土地利用类型增长的
概率。
3) CARS模块
CARS模型将多元随机种子的生成与阈值的递
减机制相结合, 对局部的土地利用进行了模拟。可
以在LEAS模块生成发展概率的约束下, 通过领域权
重和过渡矩阵的约束, 使土地利用总量在宏观上满
足未来需求。
① 领域权重设定。领域权重是用来表示不同用
地类型的转化难度。公式如下:
?ti;k = con (c
t 1
i =k)
n n 1 wk (3)w
k n n con
(ct 1
i =k
)
?ti;k
k i
式中: 为领域权重参数; 为元胞单元;
为元胞迭代到最后时地类所占网格单元总数; 为
t时刻地类 在空间 单元处的领域权重。领域权重取
值介于[0, 1]之间, 值越大表明扩张能力越强, 邻域
权重参数见表2。
②转移矩阵设定。转移矩阵用于定义不同区域
的地类之间是否发生转换, 其中1表示可以转化, 0
为限制转换。Q1根据建设用地和水体不容易发生
转换、林地在保护的情况下不容易发生转换等规则
2030 自然发展
Business as usual
2030 生态保护
Ecological protection
2030 城镇发展
Town development
限制区域 Restricted area
无限制区域 Unrestricted region
限制区域 Restricted area
无限制区域 Unrestricted region
限制区域 Restricted area
无限制区域 Unrestricted region
N
0 510 30 4020
km
0 510 30 4020
km
0 510 30 4020
km
图 3 不同发展情景下研究区限制发展区域的分布
Fig. 3 Distribution of restricted development areas under different development scenarios in 2030 in the study area
304 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
设置转移矩阵; Q2保护耕地数量并限制林地、草地、
湿地和水体等生态用地向建设用地转移; Q3各地类
之间均可相互转化[34]。过渡矩阵最终确定为表3。
公式如下:
8>>
<>
>:
Pd=1i;c > ;TMk;c =1用地类型转变
Pd=1i;c ? ;TMk;c =1用地类型恒定 =
l R
1 (4)Pd
i;c
c
k c
R1
式中: 为空间单元处用地 类型发展的适宜性概
率; TMk,c为过渡矩阵, 定义用地类型 是否可以向 转
变; 为衰减阈值 的衰减系数, 介于0~1之间; 为
均值为1的正态分布。
4)模型精度验证
PLUS模型通过Kappa系数和OA系数对模拟结
果进行验证, 保证该模型在西安市地区的适用性。
Kappa和OA系数均为0~1, 数值愈接近1, 则模拟精
度越高, 当数值超过0.75时, 则表示模拟的精度高。
1.4.3 未来规划因子的制备
本研究中的规划政策主要指空间上的规划政策,
而非宏观的调控政策, 主要分为两类: 规划交通和规
划开发区。根据《西安市“十四五”交通运输发展规
划》, 随着国家中心城市的建设, 西安在国家综合交
通运输网络中的辐射能力将明显增强。依据城市群
交通网重点工程, 在ArcGIS中依据政策绘制2030年
的规划高速公路和国道, 并生成未来交通变量的欧
式距离(图4)。在LEAS模型加载驱动因子时输入
对应的未来交通数据, 生成未来交通变量驱动下的
各类用地发展概率。
考虑到西安市代管一个国家级新区即西咸新区,
引入规划城市开发区, 在ArcGIS中制作“转化限制
区域和开发区”数据, 将限制区的数值设为0, 开发区
数值设置为2, 其他区域的数值为1, 输入PLUS模型
中自带的转化工具, 转化为模型要求的unsigned char
格式的图像, 此时数值0会被转为no data而不显示。
在CARS模型中激活规划开发区部分, 定义开发区
政策的实施强度并在模型中进行调试, 可以生成在未
来规划开发区影响下的未来土地利用数量及发展趋势。
1.4.4 InVEST模型
InVEST模型是美国自然资本项目组开发的用
于评估生态系统服务功能量及其经济价值、支持生
态系统管理和决策的一套模型系统。InVEST模型
中carbon模块可以计算区域碳储量并被广泛应用[35-39]。
InVEST模型将生态系统的碳储量划分为4个基本
碳库: 地上碳库(土壤以上所有存活的植物中的碳)、
表 2 PLUS模型模拟2030年不同发展情景下不同土地利用类型的邻域权重
Table 2 Neighborhood weights of different land use types under different development scenarios in 2030 simulated with Patch-gen-
erating Land Use Simulation (PLUS) in the study area
发展情景 Development scenario 耕地 Cultivated land 林地 Forest 草地 Grassland 湿地 Wetland 水体 Water 建设用地 Construction land
自然发展 Business as usual 0.4380 0.0616 0.0385 0.0004 0.0147 0.4468
生态保护 Ecological protection 0.4413 0.0583 0.0518 0.0004 0.0196 0.4286
城镇发展 Town development 0.4634 0.0363 0.0338 0.0003 0.0149 0.4514
表 3 不同发展情景下土地利用转移矩阵
Table 3 Transfer cost matrix of each land use type under different development scenarios
发展情景
Development scenario
耕地
Cultivated land
林地
Forest
草地
Grassland
湿地
Wetland
水体
Water
建设用地
Construction land
自然发展
Business as usual
耕地 Cultivated land 1 1 1 1 1 1
林地 Forest 0 1 0 0 0 0
草地 Grassland 1 1 1 1 1 1
湿地 Wetland 1 1 1 1 1 1
水体 Water 0 0 0 1 1 0
建设用地 Construction land 0 0 0 0 0 1
生态保护
Ecological protection
耕地 Cultivated land 1 1 1 0 0 0
林地 Forest 0 1 0 0 0 0
草地 Grassland 0 1 1 0 0 0
湿地 Wetland 0 0 0 1 1 0
水体 Water 0 0 0 1 1 0
建设用地 Construction land 1 1 1 1 1 1
城镇发展
Town development
耕地 Cultivated land 1 1 1 1 1 1
林地 Forest 1 1 1 1 1 1
草地 Grassland 1 1 1 1 1 1
湿地 Wetland 1 1 1 1 1 1
水体 Water 1 1 1 1 1 1
建设用地 Construction land 0 0 0 0 0 1
第 2 期 雒舒琪等 : 耦 合 PLUS-InVEST模型的多情景土地利用变化及其对碳储量影响 305
http://www.ecoagri.ac.cn
地下碳库(存在于植物活根系统中的碳)、土壤碳库
(分布在有机土壤和矿质土壤中的有机碳)、死亡有
机碳库(凋落物、倒立或站立的已死亡树木中的碳)。
研究区域内总碳储量为所有地类碳储量之和。
1)碳储量的计算
研究区总碳储量计算公式为:
Ctotal =Cabove +Cbelow +Csoil +Cdead (5)
Ctotal i =(Cabove i+Cbelow i+Csoil i+Cdead i) Ai (6)
Ai
式中: 为该地类的面积, Cabove为地上碳库, Cbelow为
地下碳库, Csoil为土壤碳库, Cdead为死亡有机碳库,
Ctotal为所有地类碳储量之和。一般死亡有机碳库的
数据难以获得, 因此本文不做考虑。
2)各地类碳密度的确定
InVEST模型需要输入研究区域各地类的碳密
度值[40-43], 本文参考了一些现有研究[44-46], 西安市不同
土地利用类型碳密度如表4所示。
表 4 研究区不同土地利用类型碳密度
Table 4 Carbon densities of different land use types in the
study area kg?m?2
土地利用类型
Land-use
type
地上碳密度
Aboveground
carbon density
地下碳密度
Underground
carbon density
土壤碳密度
Soil carbon
density
耕地 Cultivated land 1.22 17.26 11.52
林地 Forest 9.07 24.79 16.87
草地 Grassland 7.55 18.50 10.61
湿地 Wetland 0 0 0
水体 Water 0.64 0 0
建设用地 Construction land 0.53 0 0
2 结果与分析
2.1 模型精度验证
为验证PLUS模型模拟未来土地利用的精度, 本
研究以2000年和2010年LULC为基础, 在LEAS模
块中生成各地类的发展概率, 在CARS模块中生成
2020年LULC模拟结果, 并与2020年实际LULC进
行对比分析(图5), 2020年实际LULC栅格总数为
11 229 600个, 模拟正确的总数为10 444 156个, 正确
率 高 达93%。 在PLUS模 型 中 进 行 精 度 验 证 得 到
Kappa系数为0.89, 结果表明PLUS模型在预测未来
LULC上具有较高精度, 因此采用该模型模拟西安
市2030年土地利用类型。
2.2 土地利用变化分析
2.2.1 2000?2020年土地利用变化分析
从 表5可 知, 西 安 市2000年 、2010和2020年
的LULC以林地和耕地为主, 2020年林地占全市土
地利用的比重为47.02%, 耕地占比为36.53%; 其次为
建设用地, 占总面积的13.86%; 草地、水体和湿地的
面积均较少, 均不足总面积的3%。20年来, 各地类
都有明显变化, 草地、建设用地、水域面积不断扩
大。其中, 建设用地的增长幅度最大, 高达62.80%;
水体面积相较2000年增加57.30%; 与2000年相比,
草地面积增加6.40%, 耕地、林地和湿地面积均有所
下降, 其中湿地面积减少最多, 减少幅度高达86.81%;
耕地面积减少数量最多, 减少547.74 km2, 占2000年
耕地数量总量的12.92%; 林地面积仅减少0.39%。
西安市2000年、2010年和2020年的土地利用
空 间 格 局 如 图6所 示, 通 过ArcGIS软 件, 分 析 了
2000?2020年西安市的LULC, 并构建土地利用转
移矩阵(表6), 并通过对研究区20年来土地利用转
移变化特征进行分析, 发现耕地主要转为建设用地,
其转出量占耕地总转出量的91.95%, 20多年来, 伴随
0 510 30 4020
km
0 510 30 4020
km
0 510 30 4020
km
0 510 30 4020
km
N
到国道距离 (规划 2030 年 )
高 High: 31 782
低 Low: 0
到高速距离 (规划 2030 年 )
高 High: 78 484
低 Low: 0
秦岭保护区
Qinling Protected Area
西咸新区
Xixian New Area
Distance to national highway in 2030 (m) Distance to highway in 2030 (m)
图 4 研究区2030年规划交通、规划开发区以及秦岭保护区
Fig. 4 Planed transportation, development zones and restricted development areas of Qinling Pretected Area and Xixian New Area
of the study area in 2030
306 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
着经济的发展, 大量的建设用地占用了周围的耕地,
并在外围继续扩大。
研究区域内林地主要转出为草地, 转出量高达
林地总转出量的91.95%, 这与研究区域内秦岭保护
2020 年模拟土地利用类型
Simulated land use types in 2020耕地 Cultivated land
林地 Forest
草地 Grassland
湿地 Wetland
水体 Water
建设用地 Construction land
0 20 40 80 120 160km
N土地利用类型 Land use type 2020 年实际土地利用类型Actual land use types in 2020
图 5 研究区2020年实际与模拟的土地利用类型分布
Fig. 5 Actual and simulated distribution of different land use types in 2020 of the study area
表 5 2000—2020年研究区各期不同土地利用类型面积及比例
Table 5 Areas and proportions of different land use types in each period from 2000 to 2020 in the study area
土地利用类型
Land-use type
2000 2010 2020
面积 Area (km2) 比例 Proportion (%) 面积 Area (km2) 比例 Proportion (%) 面积 Area (km2) 比例 Proportion (%)
耕地 Cultivated land 4239.85 41.95 3875.32 38.34 3692.11 36.53
林地 Forest 4770.96 47.21 4777.31 47.27 4752.28 47.02
草地 Grassland 193.84 1.92 185.62 1.84 206.25 2.04
湿地 Wetland 7.05 0.07 1.14 0.01 0.93 0.01
水体 Water 34.38 0.34 46.13 0.46 54.08 0.54
建设用地 Construction land 860.56 8.51 1221.12 12.08 1400.99 13.86
0 20 40 80 120 160km
耕地 Cultivated land
林地 Forest
草地 Grassland
湿地 Wetland
水体 Water
建设用地 Construction land
土地利用类型 Land use type
2000 2010 2020 N
图 6 2000年、2010年和2020年研究区域土地利用格局图
Fig. 6 Land use patterns of the study area in 2000, 2010 and 2020
表 6 2000—2020年西安市土地利用转移矩阵
Table 6 Conversion matrix of land use from 2000 to 2020 in the study area
土地利用类型
Land-use type
转移面积 Transfer area (hm2) 2020年面积
Area in 2020 (km2)耕地
Cultivated land
林地
Forest
草地
Grassland
湿地
Wetland
水体
Water
建设用地
Construction land
耕地 Cultivated land 3525.40 17.13 6.28 0.77 33.32 656.96 4239.85
林地 Forest 20.53 4666.98 78.71 0.01 3.10 1.63 4770.96
草地 Grassland 8.95 64.47 114.66 0.02 2.58 3.17 193.84
湿地 Wetland 4.94 0.18 0.45 0.00 1.28 0.20 7.05
水体 Water 13.26 2.90 2.08 0.13 13.42 2.58 34.38
建设用地 Construction land 119.04 0.62 4.08 0.00 0.37 736.45 860.56
2000年面积 Area in 2000 (km2) 3692.11 4752.28 206.25 0.93 54.08 1400.99 10 106.64
第 2 期 雒舒琪等 : 耦 合 PLUS-InVEST模型的多情景土地利用变化及其对碳储量影响 307
http://www.ecoagri.ac.cn
区内实施的“退耕还林还草”的生态保护政策有关。
水体在不同程度转为耕地、草地和建设用地等, 设
置未来发展情景时应该把水体作为限制发展区域进
行保护。
2.2.2 2030年土地利用预测结果分析
模拟的2030年3个情景下西安市土地利用格局
见图7。分析预测结果可知: 与2020年土地利用数
据相比, Q1情景下建设用地、水体和林地将持续增
加, 增幅分别为10.42%、3.61%和0.87%; 草地面积
减少19.99%, 湿地减少13.98%, 耕地减少4.01% (表7)。
从转移方向来看, 草地主要转出为林地、耕地、建设
用地, 转移面积分别是35.45 km2、3.71 km2和3.81 km2。
耕地转出为建设用地、草地、林地和水体, 其中耕
地主要转为建设用地, 面积达142.2 km2。水域由草
地、耕地和湿地转入, 建设用地由草地、耕地大面
积转入。
Business as usual
生态保护情景
Ecological protection
城镇发展情景
Town development耕地 Cultivated land林地 Forest
草地 Grassland
湿地 Wetland
水体 Water
建设用地 Construction land
0 25 50 100 150 200
km
土地利用类型 Land use type
自然发展情景
N
图 7 2030年3种情景下研究区域土地利用格局
Fig. 7 Land use patterns of the study area under three development scenarios in 2030
表 7 2030年不同发展情景下不同土地利用类型的面积(km2)及其与2020年相比的变化
Table 7 Area of each land use type under different development scenarios in 2030 and its change from 2020 in the study area
年份
Year
发展情景
Development scenario
耕地
Cultivated land
林地
Forest
草地
Grassland
湿地
Wetland
水体
Water
建设用地
Construction land
面积
Area (km2)
2020 ? 3692.11 4752.28 206.25 0.93 54.08 1400.99
自然发展
Business as usual 3544.12 4793.67 165.02 0.80 56.03 1547.00
2030 生态保护
Ecological protection 3863.25 4776.72 190.28 0.80 54.23 1221.35
城镇发展
Town development 3531.87 4714.75 184.73 0.63 44.61 1630.05
2030年变化率
(与 2020年比较 )
Annual gradient
(compare to 2020)
(%)
自然发展
Business as usual ?4.01 0.87 ?20.00 ?13.98 3.61 10.42
生态保护
Ecological protection 4.64 0.51 ?7.74 ?13.98 0.28 ?12.82
城镇发展
Town development ?4.34 ?0.79 ?10.43 ?32.26 ?17.51 16.35
与2020年相比, 2030年Q2情景下湿地、建设
用地和草地分别减少13.98%、12.82%和7.74%; 而
耕地、林地和水体分别增加4.64%、0.51%和0.28%。
生态保护政策约束下生态用地面积相对增加, 耕地、
林地和草地等数量均高于自然发展情景, 秦岭保护
区 和 主 城 区 周 边 耕 地 都 能 得 到 一 定 程 度 的 保 护 。
2020?2030年不同情景的转移空间图如图8所示,
从转移方向上看, 草地主要转变为林地, 转移面积为
19.54 km2; 耕地主要转变为草地和林地, 转移面积分
别为3.64 km2和4.54 km2。Q2情景下建设用地在一
定程度上转为草地、耕地、林地和水体等生态用地,
说明生态保护政策约束下生态用地面积相对增加,
耕地、林地和草地等数量均高于自然发展情景(Q1),
秦岭保护区和西安市主城区周边耕地都能得到一定
程度的保护。
Q3情景下, 西安市建设用地大幅度增长, 增长幅
度高达16.35%; 而耕地、林地、草地、湿地和水体
数量都有所减少, 耕地减少数量最多, 减少160 km2。
从转移方向上来看, 草地、耕地、林地和水体转为
建设用地, 其中耕地转为建设用地的面积最多, 为
225.68 km2; 草地主要转变成林地、耕地, 转移面积
分别为16.50 km2和5.03 km2; 林地主要转变成耕地
和建设用地, 转移面积为91.02 km2和2.69 km2; 水体
主要转变成耕地, 转移面积8.84 km2。不受政策约束
308 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
的城镇发展情景会造成建设用地数量的迅速扩张,
使得耕地、草地、林地、水体等其他地类大量减少。
2.3 碳储量的时空演变特征
用InVEST模型Carbon模块分别计算并预测西
安市2000年、2010年、2020年以及2030年Q1情
景、2030年Q2情景和2030年Q3情景共6期的碳
储 量(表8), 并 计 算 了2000 ?2010年 、2010 ?2020
年和2000 ?2020年碳储量变化 (图9)。从数量来看,
西安市2000年、2010年和2020年的碳储量分别为
3.76×104 t、3.65×104 t和3.58×104 t。从行政区划来
看, 除新城区和碑林区这几个城市化水平高的老城
区外, 研究区域各地区碳储量均不同程度减少, 其中
未央区和雁塔区碳储量减少最多, 分别占比41.67%
和59.39%, 这两个区域属于雁塔新区和经济开发区。
说明随着国家级新区西咸新区的建设和主城区向周
边区域城市的扩张, 严重侵占了耕地和其他生态用
地, 导致区域碳储量呈现下降趋势。周至、鄠邑、
临潼、蓝田等地区属于秦岭保护范围内, 碳储量减
少量均在5%以下, 说明一定程度的生态保护措施可
以有效抑制碳储量的减少。2010年碳储量较2000
年 减 少 1.06×103 t, 2010年 到 2020年 碳 储 量 减 少
0.68×103 t, 2000?2010年碳储量减少量几乎是2010 ?
2020年碳储量减少量的2倍, 2000 ?2010年建设用
地增幅达55.88%, 2010 ?2020年建设用地增加数量
占2010年的14.72%, 这说明2000 ?2010年西安市
湿地→水体
Wetland→water耕地
自然发展情景
Business as usual
城市发展情景
Town development
生态保护情景
Ecological protection
→草地
Cultivated land→grassland
草地→建设用地
Grassland→construction land
草地→林地
Grassland→forest
草地→水体
Grassland→water
草地→耕地
Grassland→cultivated land
湿地→耕地
Wetland→cultivated land
湿地→草地
Wetland→grassland
耕地→建设用地
Cultivated land→construction land
耕地→林地
Cultivated land→forest
耕地→水体
Cultivated land→water
建设用地→林地
Construction land→forest
建设用地→水体
Construction land→Water
建设用地→耕地
Construction land→cultivated land
建设用地→草地
Construction land→grassland
湿地→水体
Wetland→water
耕地→林地
Cultivated land→forest
耕地→草地
Cultivated land→grassland
草地→林地
Grassland→forest
林地→建设用地
Forest→construction land
林地→水体
Forest→water
林地→耕地
Forest→cultivated land
Water→construction land
水体→林地
Water→forest
水体→湿地
Water→wetland
草地→建设用地
Grassland→construction land
水体→耕地
Water→cultivated land
湿地→水体
Wetland→cultivated land
耕地→建设用地
Cultivated land→construction land
耕地→林地
Cultivated land→forest
耕地→水体
Cultivated land→water
草地→耕地
Grassland→cultivated land
草地→林地
Grassland→forest
0 12.5 25 50 75 100
km
N
Wetland→water
湿地→耕地
水体→建设用地
图 8 2000—2030年不同情景土地利用转移空间格局
Fig. 8 Spatial patterns of land use transfer under different development scenarios from 2000 to 2030 in the study area
表 8 2000年、2010年、2020年及2030年自然发展(Q1)、
生态保护(Q2)和城镇发展(Q3)情景下西安市各行政
区碳储量
Table 8 Carbon storage of each administrative region of the
study area in 2000, 2010, and 2030 under develop-
ment scenarios of business as usual (Q1), ecological
protection (Q2) and town development (Q3)
行政区
Administrative region 2000 2010 2020 Q1 Q2 Q3
×103 t
周至县 Zhouzhi 12.930 12.880 12.860 12.836 12.976 12.752
鄠邑区 Huyi 5.059 4.964 4.910 4.863 4.975 4.821
长安区 Chang’an 5.857 5.673 5.520 5.428 5.577 5.365
未央区 Weiyang 0.496 0.356 0.240 0.223 0.258 0.212
莲湖区 Lianhu 0.002 0.004 0.000 0.002 0.002 0.002
新城区 Xincheng 0.007 0.005 0.010 0.006 0.008 0.006
碑林区 Beilin 0.003 0.004 0.000 0.003 0.004 0.003
雁塔区 Yanta 0.246 0.171 0.060 0.049 0.066 0.050
灞桥区 Baqiao 0.804 0.679 0.610 0.563 0.643 0.536
高陵区 Gaoling 0.655 0.594 0.560 0.527 0.613 0.507
阎良区 Yanliang 0.607 0.534 0.530 0.514 0.580 0.505
临潼区 Lintong 2.616 2.460 2.450 2.384 2.571 2.349
蓝田县 Lantian 8.274 8.173 8.070 8.140 8.203 8.069
合计 Total 37.556 36.497 35.820 35.538 36.476 35.177
第 2 期 雒舒琪等 : 耦 合 PLUS-InVEST模型的多情景土地利用变化及其对碳储量影响 309
http://www.ecoagri.ac.cn
经济高速增长, 导致建设用地大幅增加, 因而碳储量
大量减少, 2010 ?2020年开始实施一定的生态保护
政策, 初见成效但是保护力度还不够。
2030年, Q1情景下碳储量较2020年减少373.28
t, Q2情景下增多564.73 t, Q3情景下减少734.15 t。
Q2情景下碳储量总量高于其他情景, 研究区内除秦
岭保护区, 其余各地区的碳储量均有所增加。Q2情
景因一定的生态保护措施使碳储量总量呈增加状态;
Q3情景由于不受任何政策的约束, 建设用地急剧扩
大, 侵占了碳密度值相对较高的林地、草地和耕地
等, 使得碳储量总量大幅减少, 减少量几乎是Q1情
景的两倍。
从行政区划来看, 2000 ?2030年Q1情景延续了
历史转移概率, 莲湖、新城、碑林等老城区碳储量
几乎没有减少, 雁塔、灞桥、未央等新区碳储量区
内减少幅度最大; 2000 ?2030年Q2情景各行政区的
碳储量都有所增加, 其中新城、碑林、雁塔增加幅
度最大, 在10%左右, 说明生态保护政策也可以一定
程度缓解碳储量的减少(表8)。2000 ?2030年Q3
情景, 西安市各行政区碳储量均减少, 且周至、鄠邑、
临潼、蓝田等秦岭保护区范围内的县区碳储量呈减
少趋势, 说明只以经济建设为发展目标不收任何约
束的发展会使得区域整体碳储量减少, 秦岭保护区
等地区在Q3情景下也会大幅减少。总的来看, 各行
政区碳储量的变化趋势和西安市碳储量总量变化保
持一致。
为 清 楚 反 映 碳 储 量 变 化 的 空 间 分 布, 在Arc-
GIS中通过栅格重分类将2000 ?2020年、2020 ?2030
年Q1情景、2020 ?2030年Q2情景和2020 ?2030
年Q3情景的碳储量变化为3类: 减少、增加和基本
不变(图9, 图10)。从碳储量的空间分布来看, 2000 ?
2020年(图9), 大部分地区碳储量保持基本不变, 城
市周边的耕地被开发利用, 从而造成碳储量的下降。
秦岭保护区范围内碳储量基本不变, 这与“退耕还林
工程”等一系列生态保护措施的实施有关, 说明一定
程度上的生态保护政策可以有效减缓碳储量的减少。
从行政区来看, 变化较大的区域主要在未央区、雁
塔区和灞桥区, 这些区域在西安市老城区外围且均
为新的经济开发区, 碳储量减少范围与建设用地扩
张情况基本保持一致。
2020?2030年不同发展情景, 碳储量变化呈现
不同的空间分布(图10)。2020 ?2030年, Q1情景下
碳储量基本保持在历史减少趋势, 说明延续之前发
展模式的碳储量; Q2情景下, 碳储量增加区域集中
在秦岭保护区范围以外的其他地区, 且分布较均匀,
说明该情景下西安市在发展经济的同时能兼顾生态
用地和耕地的保护, 减少了碳储量的损失; Q3情景
下, 碳储量在研究区域整个范围内均有所减少, 造成
这种情况的原因主要是城市化进程的加快、人类活
动频繁, 建设用地大规模侵占生态用地和耕地等其
2000 2020 2010 2020 2000 2010
减少 Decrease
基本不变 Basically constant
增加 Increase
0 12.5 25 50 75 100
km
0 12.5 25 50 75 100
km
0 12.5 25 50 75 100
km
N
图 9 2000—2020年西安市碳储量变化特征的空间分布
Fig. 9 Distribution of carbon storage changes from 2000 to 2020 in the study area
减少 Decrease
基本不变 Basically constant
增加 Increase
0 25 50 100 150 200km
N
自然发展情景
Business as usual
生态保护情景
Ecological protection
城镇发展情景
Town development
图 10 2020—2030年不同发展情景下研究区碳储量变化
Fig. 10 Changes in carbon stocks from 2020 to 2030 under different development scenarios in the study area
310 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
他地类, 导致土地利用类型的变化, 从而使碳储量呈
下降趋势。
在生态保护情景下, 2030年预测的碳储量呈现
增加的趋势, 这主要是由于3种情景下土地利用类
型转移的概率和转移矩阵的不同所致。与Q1情景
和Q3情景相比, Q2情景严格控制了林地、草地和
水域向建设用地转移的转移概率, 并且增加了耕地
向林地、草地的转移概率以及建设用地向林地转移
的转移概率, 林地、草地和水域面积的增加有利于
碳储量的增加。这说明在生态保护情景下, 实施一
定程度的生态保护措施将有助于减缓区域碳储量下
降趋势。总的来看, 碳储量较高的地区主要在南部
秦岭地区, 主要是蓝田县、长安区、鄠邑区和临潼
区, 这几个地区主要以林地为主, 固碳能力相对较强,
且受政策保护限制建设用地的扩张和耕地的开垦,
在生态保护上更具优势; 研究区北部属于关中平原,
该区域适合人类社会生产活动, 用地类型以建设用
地为主, 碳储量较低; 东北部和西北部主要位于城市
周边, 土地利用以耕地为主, 受人类活动的影响较大,
Q2情景下耕地受到保护, 碳储量基本维持不变; Q3
情景下建设用地的大规模扩张侵占大量耕地使得这
些地区的碳储量呈减少趋势。
综上, Q2情景下碳储量总体呈增加趋势且分布
均匀, 说明科学合理的生态保护措施能够较好实现
西安市的固碳作用, 有效抵消由于经济建设带来的
碳储量下降趋势。Q2情景减缓了建设用地的扩张,
驱动了碳储量的增加, 未来可以在生态保护情景的
基础上制定相应的生态保护政策, 为实现《陕西省
“十四五”生态环境保护规划》中展望的2035年碳排
放稳中有降, 生态环境质量根本好转的发展目标提
供一定帮助。
3 结论与讨论
3.1 结论
本研究耦合PLUS和InVEST模型, 以2000年、
2010年和2020年3期西安市历史土地利用数据验
证PLUS模型在研究区域的精度, 模拟西安市2030
年在政策驱动下自然发展(Q1)、生态保护(Q2)和城
镇发展(Q3)情景的LUCC, 并采用InVEST模型对碳
储量进行了分析, 明确了土地利用格局对西安市碳
储量的潜在影响。得出以下结论:
1) PLUS模型在预测西安市土地利用类型上具
有较高的精度, 模型OA系数为0.93, Kappa系数为
0.89, 可以较好预测未来西安市各区县土地利用空间
格局。
2) 3种情景的设置基本可以满足西安市不同的
发展诉求, Q2情景相较Q1情景耕地数量有所增加,
朝着更加环境友好的方向发展。Q3情景不考虑政
策影响, 建设用地数量大幅度无序扩张, 增幅高达
10.42%, 严重侵占了研究区内的生态用地。
3) LUCC对碳储量具有重要影响, 土地利用格局
的 改 变 影 响 着 碳 储 量 的 变 化 。Q1情 景 下 西 安 市
2030年的碳储量较2020年减少373.28 t; Q2情景下,
2030年碳储量较2020年增加564.73 t, 说明实施一
定的生态保护措施可以有效减少研究区域内的碳储
量下降趋势; Q3情景下由于建设用地大幅扩张, 碳
储量总量流失最为严重, 高达734.15 t。
3.2 讨论
为弥补单一模型的不足之处, 本文耦合PLUS模
型与InVEST模型来定量评估政策驱动下未来不同
发展情景下土地利用变化及其对碳储量的影响。模
型的耦合弥补了单一模型的不足, 能充分发挥PLUS
模型在数量和空间上对未来土地变化的模拟与In-
VEST模型在碳储量预测上的优势, 评估2030年3
种情景下西安市土地利用变化及其对碳储量的影响,
为探讨在政策驱动下土地利用变化下的碳储量提供
了一种新思路。
PLUS模型是基于栅格数据模拟精细化土地利
用模拟的新模型, 与FLUS模型相比数据更便于获取
且精度更高。本研究模拟预测了2030年精度30 m
的LULC, Kappa系数为0.89, Fom值0.49, 说明PLUS
模型适用于西安市且模拟精度较高。此外, PLUS模
型中集成的基于随机森林的规划交通更新机制和规
划开发区内的随机种子机制, 可以考虑政策对LUCC
的驱动和引导作用, 本研究基于西安市十四五规划
政策, 预测政策指引下2030年西安市的土地利用格
局, 可以对未来的政策制定、土地利用结构调整提
供新的视角。
PLUS模型输入社会经济数据、气候和环境数
据以及未来驱动数据生成各类用地的发展概率, 然
而LUCC是一个复杂的动态过程, 往往受自然条件、
社会经济和人类活动等多个因素共同影响, 本研究
虽然综合考虑了未来交通规划和政策的导向作用,
但对于未来的人口、GDP等社会经济因素和气温、
降水等气候因素考虑欠缺, 如何将这类因素考虑其
中是下一步工作重点。此外, 为满足不同的发展需
求, 本文综合考虑西安市历史土地利用转移矩阵、
《陕西省“十四五”发展规划》和《秦岭保护区总体
规划》, 通过改变转移概率、转移矩阵和限制发展
第 2 期 雒舒琪等 : 耦 合 PLUS-InVEST模型的多情景土地利用变化及其对碳储量影响 311
http://www.ecoagri.ac.cn
区域设置了3种不同的未来发展情景: Q1 (自然发展
情景)、Q2 (生态保护情景)和Q3 (城镇发展情景),
可以预测Q1 (延续之前发展模式)、Q2 (实行一定程
度上的生态保护政策)和Q3 (大力发展经济建设用
地扩张不受约束) 3种情景下2030年的土地利用格
局, 3种情景的设置基本可以涵盖未来不同的发展模
式。但设定的3类发展模式与真实发展情形仍有差
距, 无法涵盖未来所有的发展模式, 结合政策设置更
为贴近现实的未来土地利用需求数量、缩小发展情
景与真实发展模式之间的差距将成为未来土地利用
变化模拟研究的重点之一。
InVEST模型需要输入预测的未来土地利用数
据和各土地类型对应的碳密度值, 碳密度是模型准
确评估碳储量的重要输入参数。碳密度数据的获取
一般优先选用研究区的实地测量数据, 若数据不全,
通常借助文献整理汇总研究区周边的碳密度数据,
对同一地类的碳密度取有关文献的平均值。实测数
据会因为测量方法或取样时间的不同存在差异, 在
今后的研究中, 应通过实地调研获取实测数据并合
理修订碳密度值, 进而使得InVEST模型的评估结果
更为准确。
土地利用变化对生态系统碳储量具有重要影响,
当碳密度高的土地类型向碳密度低的土地类型转化
时, 将会导致碳储量减少, 反之会造成碳储量增加。
本研究3种情景下西安市2030年碳储量具有明显区
别, Q1情景下较2020年减少373.28 t, 说明延续现有
的发展路径会使得研究区域内碳储量呈减少趋势;
Q2情景下较2020年增加564.73 t, 说明一定的生态
保护措施保护了林地、湿地等生态用地和耕地的数
量, 限制了碳密度较高的耕地、林地、草地、湿地
等转化成碳密度较低的建设用地, 可以减缓陆地生
态系统碳储量减少趋势, 增加西安市碳储量; Q3情
景下由于建设用地大幅扩张, 碳储量总量减少734.15
t, 流失最为严重, 说明城市扩张对周边耕地和其他地
类的侵占会造成碳密度高的地类转化为建设用地这
类碳密度低的地类, 使得陆地生态系统碳储量大幅
减少。综上, 未来西安市应在Q2情景的基础上继续
实施“退耕还林还草”、生态用地修复等保护措施, 同
时应对建设用地扩张进行合理的控制。
参考文献 References
方精云, 于贵瑞, 任小波, 等. 中国陆地生态系统固碳效
应 ?中国科学院战略性先导科技专项“应对气候变化的碳
收支认证及相关问题”之生态系统固碳任务群研究进展[J].
中国科学院院刊, 2015, 30(6): 848?857, 875
[1]
FANG J Y, YU G R, REN X B, et al. Carbon sequestration in
China’s terrestrial ecosystems under climate change — Progress
on ecosystem carbon sequestration from the CAS strategic
priority research program[J]. Bulletin of Chinese Academy of
Sciences, 2015, 30(6): 848?857, 875
陈理庭, 蔡海生, 张婷, 等. 基于Markov-FLUS模型的饶河
流域土地利用多情景模拟分析[J]. 生态学报, 2022, 42(10):
3947?3958
CHEN L T, CAI H S, ZHANG T, et al. Land use multi-scenario
simulation analysis of Rao River Basin based on Markov-FLUS
model[J]. Acta Ecologica Sinica, 2022, 42(10): 3947?3958
[2]
朱志强, 马晓双, 胡洪. 基于耦合FLUS-InVEST模型的广州
市生态系统碳储量时空演变与预测[J]. 水土保持通报, 2021,
41(2): 222?229, 239
ZHU Z Q, MA X S, HU H. Spatio-temporal evolution and
prediction of ecosystem carbon stocks in Guangzhou City by
coupling FLUS-InVEST models[J]. Bulletin of Soil and Water
Conservation, 2021, 41(2): 222?229, 239
[3]
王佳楠, 张志. 基于Markov-PLUS模型的柴北缘土地利用变
化及模拟分析[J]. 西北林学院学报, 2022, 37(3): 139?148,
179
WANG J N, ZHANG Z. Land use change and simulation
analysis in the northern margin of the Qaidam Basin based on
Markov-PLUS model[J]. Journal of Northwest Forestry
University, 2022, 37(3): 139?148, 179
[4]
蒋小芳, 段翰晨, 廖杰, 等. 基于PLUS-SD耦合模型的黑河
流域中游甘临高地区土地利用研究[J]. 干旱区研究, 2022,
39(4): 1246?1258
JIANG X F, DUAN H C, LIAO J, et al. Land use in the Gan-
Lin-Gao Region of middle reaches of Heihe River Basin based
on a PLUS-SD coupling model[J]. Arid Zone Research, 2022,
39(4): 1246?1258
[5]
张海青, 任婷. 基于PLUS模型的空间格局演变特征及驱动
力研究 ?以辽宁省北镇市为例[J]. 沈阳建筑大学学报(社
会科学版), 2022, 24(3): 230?238
ZHANG H Q, REN T. Study on spatial pattern evolution
characteristics and driving forces based on PLUS model: taking
Beizhen City in Liaoning Province as an example[J]. Journal of
Shenyang Jianzhu University (Social Science), 2022, 24(3):
230?238
[6]
马瑞, 范燕敏, 武红旗, 等. 耦合GMOP与PLUS模型的干旱
区土地利用格局模拟[J/OL]. 农业资源与环境学报. [2022-09-
15]. DOI: 10.13254/j.jare.2021.0865
MA R , FAN Y M, WU H Q, et al. Simulation of land-use
patterns in arid areas coupled with GMOP and PLUS
models[J/OL]. Journal of Agricultural Resources and
Environment. [2022-09-15]. DOI: 10.13254/j.jare.2021.0865
[7]
林彤, 杨木壮, 吴大放, 等. 基于InVEST-PLUS模型的广东
省 碳 储 量 空 间 关 联 性 及 预 测[J]. 中 国 环 境 科 学, 2022,
42(10): 4827?4839
LIN T, YANG M Z, WU D F, et al. Spatial correlation and
prediction of land use carbon storage in Guangdong Province
based on InVEST-PLUS model[J]. China Environmental
Science, 2022, 42(10): 4827?4839
[8]
LIU Q, YANG D D, CAO L, et al. Assessment and prediction[9]
312 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
of carbon storage based on land use/land cover dynamics in the
tropics: a case study of Hainan Island, China[J]. Land, 2022,
11(2): 244
DENG Z W, QUAN B. Intensity characteristics and multi-
scenario projection of land use and land cover change in
Hengyang, China[J]. International Journal of Environmental
Research and Public Health, 2022, 19(14): 8491
[10]
GAO L N, TAO F, LIU R R, et al. Multi-scenario simulation
and ecological risk analysis of land use based on the PLUS
model: a case study of Nanjing[J]. Sustainable Cities and
Society, 2022, 85: 104055
[11]
BAO S W, YANG F. Spatio-temporal dynamic of the land
use/cover change and scenario simulation in the southeast
coastal shelterbelt system construction project region of
China[J]. Sustainability, 2022, 14: 8952
[12]
SHI M, WU H Q, JIANG P G, et al. Cropland expansion
mitigates the supply and demand deficit for carbon sequestration
service under different scenarios in the future — The case of
Xinjiang[J]. Agriculture, 2022, 12(8): 1182
[13]
SUN J, ZHANG Y, QIN W S, et al. Estimation and simulation
of forest carbon stock in northeast China forestry based on
future climate change and LUCC[J]. Remote Sens, 2022, 14:
3653
[14]
WANG Z Y, GAO Y, WANG X R, et al. A new approach to
land use optimization and simulation considering urban
development sustainability: a case study of Bortala, China[J].
Sustainable Cities and Society, 2022, 87: 104135
[15]
张斌, 李璐, 夏秋月, 等. “三线”约束下土地利用变化及其
对 碳 储 量 的 影 响 ?以 武 汉 城 市 圈 为 例[J]. 生 态 学 报,
2022, 42(6): 2265?2280
ZHANG B, LI L, XIA Q Y, et al. Land use change and its
impact on carbon storage under the constraints of “three lines”:
a case study of Wuhan City circle[J]. Acta Ecologica Sinica,
2022, 42(6): 2265?2280
[16]
张平平, 李艳红, 殷浩然, 等. 中国南北过渡带生态系统碳
储量时空变化及动态模拟[J]. 自然资源学报, 2022, 37(5):
1183?1197
ZHANG P P, LI Y H, YIN H R, et al. Spatio-temporal variation
and dynamic simulation of ecosystem carbon storage in the
north-south transitional zone of China[J]. Journal of Natural
Resources, 2022, 37(5): 1183?1197
[17]
柯新利, 唐兰萍. 城市扩张与耕地保护耦合对陆地生态系统
碳储量的影响 ?以湖北省为例[J]. 生态学报, 2019, 39(2):
672?683
KE X L, TANG L P. Impact of cascading processes of urban
expansion and cropland reclamation on the ecosystem of a
carbon storage service in Hubei Province, China[J]. Acta
Ecologica Sinica, 2019, 39(2): 672?683
[18]
罗芳, 潘安, 陈忠升, 等. 四川省宜宾市1980—2018年耕地
时空格局变化及其驱动因素[J]. 水土保持通报, 2021, 41(6):
336?344
LUO F, PAN A, CHEN Z S, et al. Spatiotemporal pattern
change of cultivated land and its driving forces in Yibin City,
Sichuan Province during 1980 –2018[J]. Bulletin of Soil and
Water Conservation, 2021, 41(6): 336?344
[19]
张燕, 师学义, 唐倩. 不同土地利用情景下汾河上游地区碳
储量评估[J]. 生态学报, 2021, 41(1): 360?373
ZHANG Y, SHI X Y, TANG Q. Carbon storage assessment in
the upper reaches of the Fenhe River under different land use
scenarios[J]. Acta Ecologica Sinica, 2021, 41(1): 360?373
[20]
刘冠, 李国庆, 李洁, 等. 基于InVEST模型的1999—2016
年麻塔流域碳储量变化及空间格局研究[J]. 干旱区研究,
2021, 38(1): 267?274
LIU G, LI G Q, LI J, et al. Study on change in carbon storage
and its spatial pattern in Mata Watershed from 1999 to 2016
based on InVEST model[J]. Arid Zone Research, 2021, 38(1):
267?274
[21]
WANG Z Y, LI X, MAO Y T, et al. Dynamic simulation of land
use change and assessment of carbon storage based on climate
change scenarios at the city level: a case study of Bortala,
China[J]. Ecological Indicators, 2022, 134: 108499
[22]
伍丹, 朱康文, 张晟, 等. 基于PLUS模型和InVEST模型的
成渝经济区碳储量演化分析[J]. 三峡生态环境监测, 2022,
7(2): 85?96
WU D, ZHU K W, ZHANG S, et al. Evolution analysis of
carbon stock in Chengdu-Chongqing economic zone based on
PLUS model and InVEST model[J]. Ecology and
Environmental Monitoring of Three Gorges, 2022, 7(2): 85?96
[23]
刘晓娟, 黎夏, 梁迅, 等. 基于FLUS-InVEST模型的中国未
来土地利用变化及其对碳储量影响的模拟[J]. 热带地理,
2019, 39(3): 397?409
LIU X J, LI X, LIANG X, et al. Simulating the change of
terrestrial carbon storage in China based on the FLUS-InVEST
model[J]. Tropical Geography, 2019, 39(3): 397?409
[24]
柳梅英, 包安明, 陈曦, 等. 近30年玛纳斯河流域土地利用/
覆 被 变 化 对 植 被 碳 储 量 的 影 响[J]. 自 然 资 源 学 报, 2010,
25(6): 926?938
LIU M Y, BAO A M, CHEN X, et al. Impact of land use/cover
change on the vegetation carbon storage in the Manas River
basin between 1976 and 2007[J]. Journal of Natural Resources,
2010, 25(6): 926?938
[25]
顾张锋, 徐丽华, 马淇蔚, 等. 浙江省都市区碳排放时空演
变及其影响因素[J]. 自然资源学报, 2022, 37(6): 1524?1539
GU Z F, XU L H, MA Q W, et al. Spatio-temporal evolution of
carbon emissions in metropolitan areas and its influencing
factors: a case study of Zhejiang Province[J]. Journal of Natural
Resources, 2022, 37(6): 1524?1539
[26]
向书江, 张骞, 王丹, 等. 近20年重庆市主城区碳储量对土
地利用/覆被变化的响应及脆弱性分析[J]. 自然资源学报,
2022, 37(5): 1198?1213
XIANG S J, ZHANG Q, WANG D, et al. Response and
vulnerability analysis of carbon storage to LUCC in the main
urban area of Chongqing during 2000?2020[J]. Journal of
Natural Resources, 2022, 37(5): 1198?1213
[27]
LIANG X, GUAN Q F, CLARKE K C, et al. Understanding the
drivers of sustainable land expansion using a patch-generating
land use simulation (PLUS) model: a case study in Wuhan,
China[J]. Computers, Environment and Urban Systems, 2021,
85: 101569
[28]
LIANG X, LIU X P, LI D, et al. Urban growth simulation by[29]
第 2 期 雒舒琪等 : 耦 合 PLUS-InVEST模型的多情景土地利用变化及其对碳储量影响 313
http://www.ecoagri.ac.cn
incorporating planning policies into a CA-based future land-use
simulation model[J]. International Journal of Geographical
Information Science, 2018, 32(11): 2294?2316
LI C, WU Y M, GAO B P, et al. Multi-scenario simulation of
ecosystem service value for optimization of land use in the
Sichuan-Yunnan ecological barrier, China[J]. Ecological
Indicators, 2021, 132: 108328
[30]
IANG Y F, HUANG M X, CHEN X Y, et al. Identification and
risk prediction of potentially contaminated sites in the Yangtze
River Delta[J]. The Science of the Total Environment, 2022,
815: 151982
[31]
ENG D R, BAO W K, FU M C, et al. Current and future land
use characters of a national central city in eco-fragile region —
A case study in Xi’an City based on FLUS model[J]. Land,
2021, 10(3): 286
[32]
张志国, 班高晗. 土地利用变化驱动下洛阳市生态系统碳储
量时空变异[J]. 江苏农业科学, 2021, 49(14): 226?230
ZHANG Z G, BAN G H. Temporal and spatial variation of
ecosystem carbon storage based on land use change in Luoyang
City[J]. Jiangsu Agricultural Sciences, 2021, 49(14): 226?230
[33]
喇蕗梦, 勾蒙蒙, 李乐, 等. 三峡库区生态系统服务权衡时
空动态与情景模拟: 以秭归县为例[J]. 生态与农村环境学报,
2021, 37(11): 1368?1377
LA L M, GOU M M, LI L, et al. Spatiotemporal dynamics and
scenarios analysis on trade-offs between ecosystem service in
Three Gorges Reservoir area: a case study of Zigui County[J].
Journal of Ecology and Rural Environment, 2021, 37(11):
1368?1377
[34]
ZHAI H, LV C Q, LIU W Z, et al. Understanding spatio-
temporal patterns of land use/land cover change under
urbanization in Wuhan, China, 2000–2019[J]. Remote Sensing,
2021, 13(16): 3331
[35]
SHI M, WU H Q, FAN X G, et al. Trade-offs and synergies of
multiple ecosystem services for different land use scenarios in
the Yili River Valley, China[J]. Sustainability, 2021, 13: 1577
[36]
DING Q L, CHEN Y, BU L T, et al. Multi-scenario analysis of
habitat quality in the Yellow River Delta by coupling FLUS
with InVEST model[J]. International Journal of Environmental
Research and Public Health, 2021, 18(5): 2389
[37]
史 名 杰, 武 红 旗, 贾 宏 涛, 等. 基 于MCE-CA-Markov和
InVEST模型的伊犁谷地碳储量时空演变及预测[J]. 农业资源
与环境学报, 2021, 38(6): 1010?1019
SHI M J, WU H Q, JIA H T, et al. Temporal and spatial
evolution and prediction of carbon stocks in Yili Valley based
on MCE-CA-Markov and InVEST models[J]. Journal of
Agricultural Resources and Environment, 2021, 38(6):
[38]
1010?1019
王旭, 马伯文, 李丹, 等. 基于FLUS模型的湖北省生态空
间多情景模拟预测[J]. 自然资源学报, 2020, 35(1): 230?242
WANG X, MA B W, LI D, et al. Multi-scenario simulation and
prediction of ecological space in Hubei Province based on FLUS
model[J]. Journal of Natural Resources, 2020, 35(1): 230?242
[39]
李克让, 王绍强, 曹明奎. 中国植被和土壤碳贮量[J]. 中国
科学(D辑: 地球科学), 2003, 33(1): 72?80
LI K R, WANG S Q, CAO M K. Vegetation and soil carbon
storage in China[J]. Science in China, SerD, 2003, 33(1): 72?80
[40]
解宪丽, 孙波, 周慧珍, 等. 中国土壤有机碳密度和储量的
估算与空间分布分析[J]. 土壤学报, 2004, 41(1): 35?43
XIE X L, SUN B, ZHOU H Z, et al. Organic carbon density and
storage in soils of China and spatial analysis[J]. Acta Pedologica
Sinica, 2004, 41(1): 35?43
[41]
许泉, 芮雯奕, 何航, 等. 不同利用方式下中国农田土壤有
机碳密度特征及区域差异[J]. 中国农业科学, 2006, 39(12):
2505?2510
XU Q, RUI W Y, HE H, et al. Characteristics and regional
differences of soil organic carbon density in farmland under
different land use patterns in China[J]. Scientia Agricultura
Sinica, 2006, 39(12): 2505?2510
[42]
杨洁, 谢保鹏, 张德罡. 基于InVEST和CA-Markov模型的
黄河流域碳储量时空变化研究[J]. 中国生态农业学报(中英
文), 2021, 29(6): 1018?1029
YANG J, XIE B P, ZHANG D G. Spatio-temporal evolution of
carbon stocks in the Yellow River Basin based on InVEST and
CA-Markov models[J]. Chinese Journal of Eco-Agriculture,
2021, 29(6): 1018?1029
[43]
井梅秀. 西安市土地利用格局预测及碳储量价值研究[D]. 西
安: 陕西师范大学, 2014
JING M X. Study on land use pattern prediction and carbon
storage value in Xi’an City[D]. Xi’an: Shaanxi Normal
University, 2014
[44]
李妙宇, 上官周平, 邓蕾. 黄土高原地区生态系统碳储量空
间分布及其影响因素[J]. 生态学报, 2021, 41(17): 6786?6799
LI M Y, SHANGGUAN Z P, DENG L. Spatial distribution of
carbon storages in the terrestrial ecosystems and its influencing
factors on the Loess Plateau[J]. Acta Ecologica Sinica, 2021,
41(17): 6786?6799
[45]
刘洋, 张军, 周冬梅, 等. 基于InVEST模型的疏勒河流域
碳储量时空变化研究[J]. 生态学报, 2021, 41(10): 4052?4065
LIU Y, ZHANG J, ZHOU D M, et al. Temporal and spatial
variation of carbon storage in the Shule River Basin based on
InVEST model[J]. Acta Ecologica Sinica, 2021, 41(10):
4052?4065
[46]
314 中国生态农业学 报 (中英文 )?2023 第 31 卷
http://www.ecoagri.ac.cn
|
|
