县域土地利用变化对碳储量影响分析——以四川省梓潼县为例

陈朝亮 张文君 武锋强 韩 丹

(西南科技大学环境与资源学院 四川绵阳 621010)

近年来，人类生存环境逐渐恶化，与人类发展密切相关的全球气候变化、人地矛盾及温室气体排放等问题日益严重[1]。陆地生态系统中储存的碳对影响全球气候变化至关重要[2]。植被、土壤作为陆地生态系统碳储存的主要形式，土地利用的变化将直接导致碳储量的变化[3-4]。目前，已有许多学者进行了土地利用变化对碳储量影响的研究。如Houghton等[5]研究了森林采伐活动对碳储量的影响；Zhang等[6]估算了1980-2010年中国土地利用变化对陆地碳储量变化的影响；袁志芬[7]对四川省宝兴县1990-2012年的碳储存功能进行了动态评估等。当前研究主要集中在大区域范围内的碳储量估算以及城市扩张对生态系统碳储量变化的影响等，而对小尺度范围内土地利用变化对碳储量影响及固碳能力的研究相对较少，也没有对未来县域土地利用变化对碳储量影响展开深入探讨。鉴于梓潼县的特殊气候条件和覆被类型，本文以梓潼县作为研究区域，利用InVEST(Integrated Valuation of Ecosystem Services and Tradeoffs)模型分析梓潼县1996-2016年土地利用变化对碳储量的影响，并利用Dyna-CLUE模型模拟梓潼县2020年的用地情况，计算梓潼县2020年的碳储量分布情况。研究结果可为四川省城镇土地规划提供科学支持，也可为全国环境保护方针的制定提供参考依据。

1 数据来源与研究方法

1.1 研究区概况

梓潼县位于四川省绵阳市东北方向，属亚热带湿润季风气候，年平均气温16.5 ℃，年均降水量903 mm。全县面积1 442.3 km2，区内地势东北高西南低，中部夹一低凹的潼江河谷，地貌特征以丘陵为主，特殊的地形地貌影响着梓潼县内土地利用类型的分布情况。梓潼县土壤由白垩系下统母质发育而成，主要为黄红色泥土，矿物养分丰富。基于土地利用类型的多样性和气候、土壤优势，梓潼县植被生长状况良好，植被类型以亚热带常绿阔叶林、低山常绿针叶林和灌木植被为主。

1.2 数据来源

本文用于陆地生态系统碳储量计算的数据包括：(1)1996年、2002年、2009年、2016年的Landsat TM/ETM+ 遥感影像，来源于中国科学院地理空间数据云(http://www.gscloud.cn/search)；(2)梓潼县行政边界数据来源于中国科学院资源环境科学数据中心(http://www.resdc.cn/)；(3)研究区内植被碳密度和土壤碳密度表格。

本文用于模拟区域土地利用变化的数据包括：(1)2002年、2009年和2016年Landsat TM/ETM+ 遥感影像，来源于美国航空航天局(https://landsat.gsfc.nasa.gov/data/)；(2)梓潼县社会经济发展、人口等统计数据，来源于绵阳市统计年鉴；(3)河流、市镇中心、道路等基础地理信息数据来源于研究区1∶5万数字化矢量图；(4)研究区的DEM数据来源于美国地质勘探局(https://earthexplorer.usgs.gov/)。

1.3 碳储量计算流程

论文技术路线如图1所示。(1)对4个样本年份的遥感影像进行监督分类，得到梓潼县土地利用分布图。(2)将上一步得到的土地利用类型图与梓潼县DEM、道路、河流等数据导入Dyna-CLUE模型，模拟梓潼县2020年的土地利用。(3)结合前人的研究成果和研究区的气候特征，对梓潼县碳密度值进行修正，得到梓潼县各土地利用类型的碳密度表格。(4)将梓潼县碳密度表格和变化前后的土地利用类型图输入InVEST模型中，得到梓潼县碳密度分布图。

图1 基于InVEST模型的碳储量计算流程Fig.1 The structure of carbon stock calculation based on InVEST model

1.4 计算模型

1.4.1 碳储量计算模型

本文主要运用InVEST模型中的碳储量模块(Carbon Storage and Sequestration)来评估梓潼县的碳储量，其原理是将不同土地利用类型上4种碳库(地上生物量、地下生物量、土壤和死亡有机质)的平均碳密度乘以各种土地利用类型的面积来计算研究区内的碳储量，计算公式为：

Ctotal=Cabove+Cbelow+Csoil+Cdead

(1)

式中，Ctotal表示碳储总量，Cabove为地上部分的碳储量，Cbelow为地下部分的碳储量，Csoil为土壤碳储量，Cdead为枯落物碳储量。基于研究目的需要和数据获取的限制，本文只考虑碳库中占比较大的土壤碳库和地上、地下生物量碳库。

1.4.2 碳密度修正

秉承修正公式的研究区气候条件与梓潼县相近的原则，本文采用文献[8]的公式(公式(2))来修正降水量对碳密度的影响，气温与碳密度的关系则借鉴文献[9]的公式(公式(3)、公式(4))。

CSP=3.3968MAP+3996.1

(2)

CBP=6.798e0.005MAP

(3)

CBT=28MAT+398

(4)

式中，CSP表示根据年降水量得到的土壤碳密度(kg/m2)，CBP，CBT分别为根据年降水量和年均温得到的生物量碳密度(kg/m2)，MAP表示年均降水量(mm)，MAT表示年均气温(℃)。

将全国和梓潼县的年均温与年降水量(分别为9 ℃/16.5 ℃，628 mm/902.5 mm)数据代入上述公式，二者之比即为修正系数，综合上述公式得到梓潼县碳密度修正系数公式[10]：

(5)

(6)

(7)

式中，T1表示梓潼县的碳密度数据，T2表示全国的碳密度数据。φ为梓潼县年均降水量(mm)，ω为全国年均降水量(mm)，τ为梓潼县年均气温(℃)，σ为全国年均气温(℃)，KS为土壤碳密度修正系数，KB为生物量碳密度修正系数。将修正系数与全国碳密度相乘即可得到梓潼县碳密度值，如表1所示。

表1 梓潼县碳密度(单位：kg/m2)Table1 Carbon density of Zitong county (unit:kg/m2)

1.4.3 Dyna-CLUE模型原理

基于现代城镇化发展新理念，并结合梓潼县平地较为破碎的实际情况，本文选择了在模拟小尺度范围山区城镇用地扩张上更具优势的Dyna-CLUE模型。该模型通过模拟不同土地利用类型之间的竞争关系，从而将土地利用类型分配到最合适的空间位置，以此实现土地利用格局的优化[11]。Dyna-CLUE模型的公式为：

Ptoti,t,lu=Ploci,t,lu+Pnbhi,t,lu+Elaslu+Compt,lu

(8)

式中，Ptoti,t,lu为土地栅格单元i在时间t时土地利用类型lu的总概率；Ploci,t,lu为通过逻辑回归模型(Logistic)得到的土地单元自适应度；Pnbhi,t,lu为土地单元的邻域适应度，由Getis滤波模型得到；Elaslu为土地利用变化转换规则参数，包括变化转移矩阵以及难度系数；Compt,lu为竞争优势系数，通过迭代计算得到。

Logistic用于计算研究区内每一栅格单元可能出现某种土地利用类型的概率，土地单元自适应度与概率呈正相关关系，Logistic回归公式为[12-13]：

(9)

式中，Pi表示某一土地利用类型i在栅格中出现的概率；Xni为栅格中影响土地利用类型变化的驱动因子；βi为驱动因子的回归系数，其中β0为常量。

邻域适应度函数Pnbhi,t,lu选用Getis滤波模型[14]来计算，其公式为：

(10)

2 结果与分析

2.1 模型运用

本文以梓潼县1996年、2002年、2009年和2016年4年遥感数据为支撑，并结合梓潼县统计资料和基础地理数据，预测2020年梓潼县土地利用情况，在此基础上利用InVEST模型分析梓潼县碳储量的变化。

(1)对梓潼县1996年、2002年、2009年和2016年4年无云遥感影像进行预处理和监督分类，得到梓潼县1996-2016年土地利用类型分布图，总体分类精度和Kappa系数分别为78.4%和0.75。

(2)对从美国地质局上下载的DEM进行处理，得到梓潼县DEM数据(分辨率30 m)；对梓潼县2016年土地利用现状图进行数字矢量化，得到道路(铁路、高速公路、一级公路、二级公路和乡道)、河流、建筑居民地等基础地理数据；通过查阅统计年鉴得到梓潼县经济发展和人口等统计数据。

(3)运用Dyna-CLUE模型对前两步的数据进行模拟预测，得到梓潼县2020年土地利用类型图。

(4)结合我国西南地区的气候特征和前人的研究成果，对梓潼县碳密度修正，得到梓潼县不同土地利用类型的碳密度表格。

(5)根据得到的梓潼县不同时期土地利用类型图和碳密度表格，运用InVEST模型对梓潼县碳密度值和碳储量进行分析，最终得到梓潼县碳密度分布图。

2.2 历史碳储量分析

1996-2016年，因梓潼县土地利用变化，导致县内大部分地区碳储量呈减少状态，碳储总量从1996年的699.76万t减少到2016年的584.48万t。1996-2016年梓潼县碳密度分布如图2。

图2 梓潼县总体碳密度分布图(1996-2016年)Fig.2 Distribution of total carbon density in Zitong county

1996-2002年，梓潼县处于经济快速发展时期，木材产业发达，大量林木被伐，有林地向灌木林地和草地转变，由此导致碳储量急剧减少。同时由于人口的迅速增长，乡村周围的灌木草地被开垦为农田，耕地面积不断扩大，而村庄周围的耕地被房屋、道路等建设用地替代，村庄规模开始扩张，进一步加速了碳储量的减少。2002-2009年，随着国家退耕还林政策的实施，丘陵区的部分耕地又逐渐转变为灌木草地和有林地，在政府培育人工林等措施下，有林地面积开始呈现正增长状态，碳储量减少速度得以放缓。2009-2016年，梓潼县经济发展增速，城区面积迅速扩大，潼江河谷大面积滩涂逐渐向耕地和建设用地转变，建设用地的扩张直接导致新一轮碳储量的流失。1996-2016年梓潼县碳储量变化情况如图3。

图3 1996-2016年梓潼县土地利用变化导致的碳储量变化Fig.3 Carbon stock variation caused by land use change in Zitong County during 1996-2016.

据测算，1996-2002年、2002-2009年、2009-2016年，建设用地扩张面积依次为23.06，21.55，33.82 km2，在导致碳储量减少的土地利用变化面积中占29.3%，25.1%，34.6%；由建设用地面积增加导致的碳储减少量依次为15.56，10.74，19.17万t，占土地利用变化导致的碳储减少总量的比例为32.2%，38.3%和49.2%。建设用地的扩张导致碳储减少量逐渐增加，主要是由于在土地利用变化中大量耕地和灌木草地被建设用地替代。相反，由于国家退耕还林以及一系列环保措施的实施，有林地的面积呈现先减少后增加的变化趋势，在相同年份中，有林地的变化面积依次为-39.5，33.9，37.6 km2。在4个样本年份中有林地所含碳储量依次为103.85，63.88，98.68，149.34万t，分别占4个年份碳储总量的14.84%，8.23%，14.24%和25.56%。

2.3 未来碳储量模拟分析

2016-2020年建设用地扩张主要发生在各乡镇及梓潼县市区附近。其中，梓潼县中西部建设用地扩张明显。因农村中越来越多的年轻人外出就业，导致大量耕地荒废，随着农村人口的减少，农村中建设面积持续增加的趋势得以缓解，但村中空心化现象明显。同时，由于人口大量向市区集中以及第三产业的兴起，市区的面积不断扩大。主要表现为交通要道沿线商业规模的扩大、市区附近高档小区的兴建和潼江沿岸休闲娱乐设施的出现等。2020年梓潼县土地利用和碳储量分布情况如图4所示。

图4 2020年梓潼县土地利用和碳密度分布图Fig.4 Distribution of land utilization and c-arbon density in Zitong county in 2020

据模拟， 2016-2020年梓潼县建设用地扩张面积为14.75 km2，由此导致的碳储量净减少8.43万t，相较于1996-2016年(建设用地扩张面积为78.43 km2，碳储净减少量为45.47万t)，单位年份内建设用地扩张速度和碳储净减少量都有所下降，但由于耕地的减少，有林地和灌木草地面积增加，使得建设用地扩张导致的碳储净减少量占碳储减少总量的比重增加。同时潼江河谷土地利用方式变化明显，河面宽度变窄，采沙业发达，潼江开始出现断流，河流两侧滩涂和冲淤区逐渐向耕地和建设用地转变。

3 结论

本文利用InVEST模型，结合ENVI,ARCGIS等软件对梓潼县过去20年间因土地利用引起的碳储量变化进行模拟，并利用Dyna-CLUE模型预测2020年梓潼县的碳储量变化情况，研究结果表明：(1)1996年至今，梓潼县的耕地和建设用地面积持续扩张，由此导致碳储量不断减少，全县总体碳储量从1996年的699.76万t减少到2016年的584.48万t，预测未来碳储量仍将持续减少。(2)20年来梓潼县城区面积不断扩大，城区的扩张占用了周围大量耕地，随着经济的发展，乡镇和村庄的面积也开始扩张。同时大面积林地被伐，砍伐后的迹地又多被开垦为耕地或转变为灌木林地，使得梓潼县碳储量持续减少。(3)县域范围内的土地利用和碳储量受国家政策与经济发展的双重影响。自2003年国家施行退耕还林政策开始，梓潼县耕地和林地面积及发展趋势均出现较大变化，且随着梓潼县经济的发展，建设用地扩张速度加快。(4)根据预测，到2020年有林地和灌木草地的面积将持续增加，部分灌木草地向有林地转变，有林地面积较2016年增加5.7%；耕地面积减少，且部分耕地向裸地和灌木草地转变；建设用地面积持续扩张，其导致的碳储减少量占碳储减少总量的比重呈上升趋势。

梓潼县碳储量呈整体减少状态，主要是由于建设用地扩张占用大量耕地、林地所致，但随着国家环保政策的推行和人们环保意识的增强，碳储量大幅度减少的势头得到遏制，有林地、灌木草地等高含碳量的土地面积逐渐增加。本研究存在一定的不足，由于遥感影像分辨率的限制，本文对梓潼县的土地利用类型只划分到一级地类，也没有考虑死亡生物的碳储量，因此，基于高分辨率遥感影像的碳储量精确计算将是以后研究的重点。

[1] 周金霖，黄阳，陈佳婧，等.重庆市农田土壤有机碳时空变化与固碳潜力分析[J].环境科学学报，2015，35(11):3647-3654.

[2] 吴佩君，刘小平，黎夏，等.基于InVEST模型和元胞自动机的城市扩张对陆地生态系统碳储量影响评估——以广东省为例[J]地理与地理信息科学，2016，32(5):22-28.

[3] 姜小三，潘剑君，李学林.江苏表层土壤有机碳密度和储量估算和空间分布分析[J].土壤通报，2005，36(4):501-503.

[4] 韩晋榕.基于InVEST模型的城市扩张对碳储量的影响分析[D].吉林长春:东北师范大学，2013.

[5] HOUGHTON R A.Mangnityde，distribution and causes of terrestrial carbon sinks and some implications for policy[J].Climate Policy，2001,2(1):71-88.

[6] ZHANG M,HUANG X，CHUAI X，et al. Impact of land use type conversion on carbon storage in terrestrial ecosystems of China:A spatial-temporal perspective[J].Scientific Reports，2015，5:10233.

[7] 袁志芬.基于InVEST模型的四川省宝兴县生态系统服务功能动态评估[D].湖南长沙：湖南科技大学，2014.

[8] ALAM S A, STARR, M, CLARK B J F. Tree biom-ass and soil organic carbon densities across t-hesudanese woodland savannah:A regional carbon sequestration study[J].Journal of Arid Environments,2013，(89):67-76.

[9] 陈光水，杨玉盛，刘乐中，等.森林地下碳分配(TBCA)研究进展[J]. 亚热带资源与环境学报，2007，2(1):34-42.

[10] 黄卉.基于InVEST模型的土地利用变化与碳储量研究[D].北京:中国地质大学，2015.

[11] 严冬，李爱农，南希，等.基于Dyna-CLUE改进模型和SD模型耦合的山区城镇用地情景模拟研究——以岷江上游地区为例[J].地球信息科学学报，2016，18(4):514-525.

[12] 上官魁星，吴金水，周脚跟，等.县域尺度土壤有机碳储量估算的样点密度优化[J].土壤学报，2014，51(1):41-47.

[13] 马利邦，牛叔文，等.基于Markov和CLUE模型的敦煌市土地利用/覆盖格局情景模拟[J].生态学杂志，2012，(7):1823-1831.

[14] 李克让，王绍强，曹明奎.中国植被和土壤碳贮量[J].中国科学，2003，33(1):72-80.