基于土地利用变化情景的徐州市生态系统碳储量评估

谢宇剑，沈正平，赵 洁*

（1.江苏师范大学地理测绘与城乡规划学院，江苏徐州 221116；2. 江苏师范大学“一带一路”研究院，江苏 徐州 221116）

0 引言

全球变暖是21 世纪人类面临的国际挑战[1]。为应对这一挑战，我国将力争2030 年前实现碳达峰，2060年前实现碳中和。碳储存被广泛认为是生态系统服务的一项重要指标[2]，储存于陆地生态系统中的碳对全球碳循环、大气中的二氧化碳浓度和全球气候变化发挥着非常重要的作用[3]。生态系统通过将碳储存在木料、生物质以及土壤中，从而对二氧化碳在空气中的含量进行有效抑制[4]。因此，提升陆地生态系统的固碳能力以有效应对温室效应对全球变暖的影响，成为各国学者及政府关注的焦点问题[5-7]。陆地生态系统碳储量的变化，主要是由土地利用变化和由土地利用变化导致的土地覆被变化所引起[4，8-9]。根据有关研究分析，自1850 年以来，土地利用变化已导致全球陆地生态系统损失了145 PgC[10]。因此，基于土地利用变化定量分析和预测生态系统的碳储量，对于实现碳中和、改善全球气候以及让生态系统得到充分保护具有重要作用[11-12]。

城市是陆地生态系统中改造最多、变化速率最快、土地利用活动最为频繁的区域[13]。工业的快速崛起使得城市成为化学燃料燃烧的主要区域，80%以上的二氧化碳排放量来自城市[14]。城市碳储量已经成为影响区域气候及区域生态系统的重要因素，目前，国内外已有很多学者探究了土地利用变化对区域生态系统碳储量的影响。Markov 模型、元胞自动机（CA）、CLUE-S 模型等是当前模拟土地利用变化最常用的方法；对碳储量的评估，从早期基于生态学基础上的调查，如直接收获法、光合作用测定法、微气象场方法等向遥感技术、GIS 和模型的应用转变[12，15]。从研究尺度上来看，在全球范围，认为陆地生态系统碳储量下降，热带地区的原始森林遭遇大面积破坏是不可回避的原因；在国家尺度上，中国生态系统碳储量减少中心由华北地区转向东北地区，增加中心由西北地区转向西南地区且碳储量的减少由林地生态系统转向草地生态系统[16]；在区域尺度上，生态系统碳储量变化具有两个重要过程，分别是建设用地侵占耕地导致碳排放增加以及退耕还林还草或实施造林计划，增加生态用地促进碳排放降低[17-19]。从研究视角来看，当前的研究集中在某一方面如植被或土壤，或是某一种生态系统如森林或耕地[20]。

整体而言，学术界现有针对土地利用变化与碳储量关系的研究主要集中在已知土地利用变化情况，对碳储量的变化进行研究。而基于城市尺度对未来不同情景土地利用变化影响碳储量的研究较少。因此，本研究以徐州市为例，结合GoeSOS-FLUS 和InVEST 模型，分别在自然增长、生态保护、耕地保护的情景下预测2030 年徐州市土地利用变化，在此基础上预估徐州市碳储量的变化，以期为徐州市实现碳中和，改善生态系统碳储量能力及合理制定土地利用战略提供依据。

1 数据来源与研究方法

1.1 研究区概况

徐州市是淮海经济区的中心城市，地理位置位于江苏省西北、华北平原东南部，年均气温保持在14℃，属于温带季风气候区。徐州地域辽阔，地形以平原为主，总体地势自西北向东南降低。土壤大部分为淋溶褐土，淋溶褐土土层薄，砾石含量较大，较为黏重，呈中性至弱碱性。主要地带性植被为落叶阔叶林，低山丘陵地带以人工侧柏林为主，主要树种包括侧柏、小叶朴、麻栎、黄连木、青桐、苦楝、刺槐、女贞等（图1）。

图1 研究区位置及高程示意图

1.2 数据来源及处理

本研究中，2000 年和2015 年两期土地利用数据是从中国科学院资源环境科学数据中心（http://www.resdc.cn/）获取，生态系统分类体系参考欧阳志云等人[21]的研究成果，对数据进行整合和重分类，将二级类土地利用合并为耕地、林地、草地、水域、建设用地和未利用地六类一级类。

本研究将地形因素和社会因素作为土地利用变化的主要驱动因素（图2）。地形因素包括DEM、坡度和坡向，DEM 数据获取自地理空间数据云（http://www.gscloud.cn/），坡度和坡向则由DEM 数据提取得到；社会因素包括人口和人均GDP，人口和GDP 基础数据来源于江苏统计年鉴，通过ArcGIS 10.2 转为栅格数据。本研究中运用ArcGIS 重采样功能对栅格数据空间分辨率进行统一，均调整为30 m，投影坐标系采用Krasovsky_1940_Albers。

图2 研究区土地利用变化驱动因子

能源消耗数据来源于中国能源统计年鉴。

1.3 情景设置与模拟

1.3.1 土地利用变化预测。利用GeoSOS-FLUS 模型，模拟出徐州市2030 年土地利用结构。在本研究中，各类用地的适宜性概率通过该模型的神经网络算法（ANN）获取，并结合马尔可夫链（Markov chain）和元胞自动机（CA）模型使模型的适用性得到提高，然后获取设置2030 年各用地类型需求量、邻域权重参数、成本矩阵及限制发展区等相关参数完成对2030 年土地利用情景的模拟。作为预测变量进行检验的土地利用变化的驱动因素选取自现有文献，主要计算模块如下：

（1）基于神经网络的适宜性概率计算。神经网络算法（ANN）涵盖预测和训练两个阶段，包括输入层、隐含层和输出层，其计算公式如下：

式中，sp(p,k,t)表示第k 种土地利用类型在t 时间和p 栅格下的适宜性概率，wj,k为输出层与隐含层之间的权值，sigmoid()是从隐含层到输出层的激励函数，netj(p,t)表示在t 时刻第j 个隐藏栅格p 接收到的信号，ANN 输出的各土地利用类型适宜性概率之和均为1，即：

（2）自适应惯性和竞争机制。神经网络输出的分布概率，以及邻域密度、惯性系数、转换成本和土地利用类型竞争共同决定土地利用转换的概率。当前土地数量与未来土地需求的差值会在迭代过程中开展自适应调整，从而确定各土地利用类型的惯性系数。第k 次土地利用在t 时刻的自适应惯性系数Intertiatk的公式为：

1.3.2 情景设定。通过分析2000—2015 年徐州市政府实施的土地利用政策及土地利用变化的驱动因素，本文设定三种土地利用情景：自然增长情景、生态保护情景和耕地保护情景，基准年数据为2015 年土地利用类型数据。

（1）自然增长情景（Q1）。自然增长情景下，假定研究区土地利用的转变速率与过去保持不变，其人口、经济和技术革新的发展趋势也将与当前相同，因此，设定土地利用变化率与2000—2015 年的变化速率相同，选用马尔科夫模型来模拟土地利用需求。

（2）生态保护情景（Q2）。在生态保护情景下，通过加强对生态用地的保护力度，促进非生态用地类型向生态用地转化，并将城市建设用地的扩张能力降低70%。

（3）耕地保护情景（Q3）。耕地保护情景下，一方面降低城市建设用地的扩张速度，另一方面控制耕地向其他用地类型的转换，从而实现对耕地的保护。徐州市正经历快速城市化，人口、技术和经济的快速增长，人口对粮食的需求不断增长，因此在此情景下，耕地将比其他情景的下降幅度小。

1.3.3 模型验证。模型模拟所用到的基准图为2000年的土地利用数据，还需输入模拟参数和适宜性概率数据。通过GeoSOS-FLUS 模型进行模拟，得到模拟出的2015 年土地利用分布图，Kappa 系数可用来评估模型的准确性，用以判断模拟结果与实际情况之间是否一致[22-23]。该模型的总体精度为90%，Kappa 值为0.806，说明该模型参数符合精度要求，可用其对未来的土地利用格局进行预测，因此，本文基于2015 年的实验参数和土地利用数据，对2030 年三种情景下土地利用分布情况进行预测。

1.4 基于InVEST 模型的生态系统碳储量评估

1.4.1 碳储量的估算。本研究对碳储量的估算通过InVEST 模型实现，通常考虑地上生物量、地下生物量、土壤和死亡有机物四大基本碳库。计算原理和公式如下：

式中，i 表示某土地利用类型，Ci-above为土地利用类型i 的地上碳密度（Mg/ha），Ci-below为土地利用类型i 的地下生物碳密度（Mg/ha），Ci-soil为土地利用类型i 的土壤碳密度（Mg/ha），Ci-dead为土地利用类型i 的死亡有机物碳密度（Mg/ha），Ctot为生态系统总的碳储量（t），Si为土地利用类型i 的面积（ha），n 为土地利用类型数量，本文n 的值为6。

1.4.2 碳密度数据的选定。本研究所用徐州市地上与土壤碳密度是通过查阅相关文献资料，综合考虑后采用揣小伟[24]提出的江苏省地上植被碳密度和土壤碳密度数据。地下碳密度的计算则是根据地上地下植被的根茎比（0.2）[25]。植被死亡有机物碳密度的确定依据为Delaney 等人的研究成果，即死亡有机物碳库约为地上碳库量的1/10[26]，见表1。

表1 徐州市土地利用类型的碳密度（Mg/ha）

1.5 土地利用碳排放计算方法

1.5.1 碳排放量核算。土地利用的碳排放由直接排放和间接排放构成。直接排放是指人类以土地资源为直接生产对象所产生的碳排放[27]；间接排放是指人类在各土地利用类型上从事各种能源消耗活动引起的碳排放[28-29]。土地利用碳排放模型公式为：

式中，Ei为各土地利用类型产生的碳排放量，Ai为各土地利用类型面积，Bi为各土地利用类型碳排放（吸收）系数。

1.5.2 各土地利用类型碳排放系数确定。（1）耕地。耕地的碳排放系数需统筹考虑农作物的呼吸作用产生的二氧化碳及农作物作为绿色植物的光合作用吸收的碳。本文参考既有研究[30-31]，取耕地的碳吸收系数[0.000 7 kg/（m2·a）]和碳排放系数[0.050 4 kg/（m2·a）]二者差值作为本研究的耕地碳排放系数[0.047 9 kg/（m2·a）]。（2）林地。林地通过植被的光合作用产生较强的固碳能力。根据已有研究结果[32-33]，本研究取林地碳排放系数为-0.058 1 kg/（m2·a）。（3）草地。草地通过对二氧化碳等温室气体的吸收达到固碳的作用。根据已有研究结果[33-34]，本研究取草地的碳排放系数为-0.021 kg/（m2·a）。（4）水域。水域中由于水生生物的存在，通常表现为碳汇，但其周围的农田水利设施又表现为碳源。参考已有研究结果[35-36]，取平均值[0.025 3 kg/（m2·a）]为本研究水域的碳排放系数。（5）未利用土地。未利用土地包括荒草地、盐碱地、沙地、裸地等类型，这类土地总体对土地利用碳排放影响较小，因此根据既有研究[37]，取-0.000 5 kg/（m2·a）为本研究未利用土地的碳排放系数。（6）建设用地。建设用地是生产生活中大部分能源资源消耗所在，而土地利用碳排放主要来源于能源消耗。因此建设用地的碳排放量不能直接通过面积计算，需要通过核算不同能源在建设用地利用过程中的消耗量来间接计算[34，38]。本研究中将天然气、煤炭、石油等消费量换算成标准煤，在参考碳排放分解模型的基础上[39]，确定建设用地碳排放模型为：

式中，Lj为建设用地碳排放量，Ef、Em、En分别表示天然气、煤炭、石油消耗的标准煤量，Pf、Pm、Pn分别为天然气、煤炭、石油的碳排放系数，本研究中分别为0.419 t（C）/t、0.716 6 t（C）/t、0.554 6 t（C）/t，为各方研究的平均值。

由于缺乏未来能源消费数据，为方便预测未来建设用地碳排放量，借鉴已有文献的处理方法，将建设用地碳排放量除以其面积，得到建设用地地均碳排放量，并假设徐州市建设用地地均碳排放量暂保持与2015 年相同[40]。

徐州市碳排放量为直接碳排放量与间接碳排放量之和，公式如下：

式中，E 为徐州市土地利用碳排放总量，Em为直接碳排放量（耕地、林地、草地、水域、未利用土地），En表示间接碳排放量（建设用地）。

2 结果分析

2.1 2000—2015 年徐州市土地利用变化特征

表2 为2000—2015 年徐州市土地利用转移矩阵。由表2 可知，2015 年耕地和建设用地是徐州市最主要的土地利用类型，分别占比68.26%和30.01%，其次为水域和林地（4.58%和3.88%），草地（0.28%）和未利用土地（0.04%）占比极小。整体来看，2000—2015 年期间，徐州市的耕地、林地和草地三种类型用地面积呈减少趋势，分别减少3.51%、22.1%和63.82%，建设用地和未利用土地面积增加明显，分别增加了21.56%和24.8%，水域面积变化较小，增加了0.27%。15 年间共有76 445.75 hm2面积产生变化，占总面积的6.86%。耕地的转出面积（49 421.85 hm2）是转入面积（21 519.84 hm2）两倍多，成为其他土地利用类型转入的最主要来源。林地的转出面积（12 891.57 hm2）与转入面积（628.35 hm2）相差悬殊，发生交换的对象主要为耕地，其中流向耕地（10 630.63 hm2），由耕地转入面积（453.85 hm2）。草地的转出面积（5 578.59 hm2）与转入面积（44.62 hm2）差距显著，转出面积多流向耕地（5 001.83 hm2）。水域的转出面积（2 911.6 hm2）略少于转入面积（3 052.1 hm2），其转入面积大部分源自于耕地（86.84%）。建设用地在2000—2015年转入面积（51 035.31 hm2）约为转出面积（5 603.31 hm2）的10 倍，呈现出大幅扩张态势，且有90.52%的转入面积来源于耕地。

表2 2000—2015 年徐州市土地利用转移矩阵（hm2）

2.2 土地利用变化情景分析

图3 展示了模拟出的各情景下徐州市2030 年的土地利用格局，图4 为2015—2030 年徐州市各情景下各类型用地面积的变化。从图3、图4 可见，耕地面积在三种模拟情景下都表现为下降趋势，Q1情景下减少了30 760.47 hm2（4.04%）、Q2情景下减少了29 520 hm2（3.88%），Q3情景下减少了18 000 hm2（2.37%），在Q3情景下，耕地得到一定程度的保护，有效降低了耕地减缩的速度。在生态保护情景下，林地作为主要生态用地受到充分保护，面积达到了61 232.67 hm2（5.49%），而在其他两种情景下面积逐步减小。草地面积在三种情景下的变化与林地相似，在Q2情景下面积增加了2 700 hm2，在其他两种情景下则都减少。水域面积在三种情景下较为稳定，未呈现明显变化，在自然增长和生态保护情景下水域面积略有增加，耕地保护情景下则略有减少。在三种情景下，建设用地均表现为扩张态势，但不同情景下幅度有所差别，由于生态用地和耕地在生态保护情景和耕地保护情景下分别受到了有效保护，因此在这两种情景下建设用地的扩张速度被限制，面积分别增加了9 000 hm2（3.52%）和21 040.47 hm2（8.22%），在自然增长情景下面积增加了41 719.77 hm2（16.31%）。未利用土地在3 种情景下分别被用于其他不同类型的土地开发，因此面积均有所减少，其中自然增长情景下减少254.16 hm2，生态保护情景下减少270 hm2，耕地保护情景下减少160.47 hm2。

图3 2030 年徐州市不同情景下土地利用模拟结果

图4 2015—2030 年徐州市土地利用变化情景对比

2.3 生态系统碳储量和碳密度的变化

由图5 发现，徐州市2000 年和2015 年总碳储量分别为1.08×108Mg 和1.06×108Mg，平均碳密度分别为97.05 Mg/hm2和95.42 Mg/hm2，15 年间分别下降了0.02×108Mg 和1.63 Mg/hm2，导致徐州市碳储量和碳密度下降的主要原因是建设用地的不断增加以及林地、草地等生态用地和耕地之间的相互转化。2015—2030 年自然增长情景下碳储量和平均碳密度保持下降趋势，分别减少0.01×108Mg 和1.38 Mg/hm2；碳储量和平均碳密度在耕地保护情景下的下降趋势明显弱于自然增长情景，分别减少0.007×108Mg 和0.59 Mg/hm2；生态保护情景下，碳储量和平均碳密度明显增加，分别达到了1.07×108Mg 和96.09 Mg/hm2。由此可见，2015—2030 年在自然增长情景下，徐州市碳储量将持续下降，在耕地保护情景下下降幅度得到控制，下降速度减缓，而生态保护情景能使生态系统固碳能力得到加强。

图5 2000 年、2015 年和2030 年各情景下徐州市碳储量和碳密度变化

由图6 可以看出，在空间上碳密度高值区主要位于贾汪区、铜山区以及沛县南部、新沂市中部地区，小部分位于睢宁县与邳州的交界处；低值区位于徐州市主城区以及各县市城区，这类地区用地类型以建设用地为主，因此碳密度普遍较低。

图6 2000 年、2015 年和2030 年各情景下徐州市碳密度空间分布

图7 和表3 表明，大部分区域的碳密度变化量均处于基本不变，所占比例均在98%以上。2000—2015年碳密度明显减少区占1.25%，主要集中在丰县境内及其与沛县交界处、铜山区和主城区内，主要原因是，进入21 世纪，以第一产业为主导产业的落后县市的快速城镇化，导致大量耕地转化为建设用地；碳密度明显增加区占0.15%，分布较为分散，与徐州市政府高度重视生态环境、实施退耕还林及大量培育侧柏人工林有关。2015—2030 年，自然增长情景下明显减少区与明显增加区所占比例均有所下降，分别下降0.28%和0.01%，减少区主要在各县市交界处，增加区主要在贾汪区与铜山区内；耕地保护情景下，碳密度明显减少区与明显增加区呈现下降趋势（0.9%和0.03%），明显减少区占比下降显著，主要是由于该情景下耕地得到有效保护，抑制了耕地向建设用地转化的速度；生态保护情景下，碳密度明显减少区所占比例极小，而明显增加区所占比例显著提升（1.48%），达到1.63%，集中在丰、沛两县南部、铜山区和贾汪区内部以及新沂市中部，主要原因是在该情景下，林地、草地等生态用地得到有效保护，建设用地扩张速度被遏制。

表3 2000—2015 年及2015—2030 年徐州市不同情景碳密度变化量统计

图7 2000—2015 年及2015—2030 年徐州市不同情景碳密度变化量空间分布

2.4 徐州市碳排放量分析

从表4 可以看出，徐州市土地利用碳排放主要来自耕地、水域和建设用地，林地、草地和未利用土地在不同程度上发挥碳吸收作用。碳排放量的最主要来源是建设用地，主要是因为建设用地承载了人类大部分的生产与生活活动，而人类的生产活动是城市碳排放的最大来源；耕地是徐州市土地利用碳排放的次要来源，主要是农业生产活动中化肥、农药和农业机械的使用所导致。林地与草地和未利用土地相比，其碳汇作用最为显著。在自然增长情景下，徐州市2030 年碳排放量进一步增加，达到3 324.87 万吨，主要原因是建设用地的持续扩张，人类生产活动规模持续扩大，而林地和草地的碳汇作用则随面积不断萎缩而下降。生态保护情景下，林地和草地得到有效保护，碳汇作用随面积增加而有所提升，建设用地的扩张速度受到抑制，在此情景下，徐州市碳排放量增加速度减缓。耕地保护情景下，由于遏制了耕地向建设用地转换的速度，因此建设用地碳排放量得到一定控制。

表4 徐州市2000 年、2015 年及2030 年不同情景下碳排放量统计（万吨）

3 结论与讨论

3.1 结论

3.1.1 2000—2015 年，徐州市耕地、林地和草地面积呈萎缩态势，分别减少3.51%、22.1%和63.82%，建设用地和未利用土地大幅增加，面积分别增加了21.56%和24.8%，水域面积变化较小，增加了0.27%。在自然增长情景下，徐州市2015—2030 年耕地、林地和草地面积将继续缩小，建设用地持续扩张；耕地保护情景下，耕地面积减少的趋势得到有效控制，面积仅减少2.37%，而林地、草地面积仍将继续减少，建设用地保持增加趋势；林地和草地作为生态用地在生态保护情景下将得到有效保护，建设用地面积增幅得到控制，面积仅增加3.52%。

3.1.2 徐州市2015 年碳储量为1.06×108Mg、碳密度为95.42 Mg/hm2，2000—2015 年分别下降了0.02×108Mg 和1.63 Mg/hm2，导致碳储量和碳密度下降的直接原因是建设用地面积的快速增长以及林地、草地等生态用地和耕地之间的相互转化。

3.1.3 2015—2030 年徐州市在自然增长情景下碳储量和碳密度继续呈下降趋势，分别减少0.01×108Mg和1.38 Mg/hm2，明显减少区所占比例远大于明显增加区所占比例，主要是因为该情景下建设用地仍保持高速扩张态势，生态用地持续呈萎缩态势；耕地保护情景下碳储量和碳密度减少趋势明显低于自然增长情景，分别减少0.007×108Mg 和0.59 Mg/hm2，明显减少区所占比例下降明显，主要是由于该情景下限制了建设用地向耕地扩张的速度，对耕地形成有效保护；碳储量和碳密度在生态保护情景下增幅明显，分别达到了1.07×108Mg 和96.09 Mg/hm2，明显减少区所占比例显著下降，明显增加区所占比例显著提升，主要是因为在该情景下，作为碳储量主要贡献来源的生态用地得到保护，遏制了建设用地的扩张。

3.1.4 徐州市2000 年碳排放量为2 363.08 万吨，2015 年为2 864.43 万吨，三种情景下2030 年碳排放量都将增加，但生态保护和耕地保护情景能有效控制碳排放量。原因是建设用地的使用是徐州市最主要的碳排放来源，而生态保护与耕地保护情景控制了建设用地的扩张速度。

综合以上结论，徐州市生态系统的固碳能力逐年减弱，在模拟的三种情景下，固碳能力在自然增长情景下将持续衰退，耕地保护情景能有效降低衰退速度，固碳能力的增强在生态保护情景下得到实现，但耕地面积在三种情景下都将持续缩小。因此可通过统筹考虑耕地保护和生态保护情景实现对徐州市未来土地利用结构的优化，一方面能有效缓解近年来生态系统固碳能力的弱化趋势，优化生态环境，使农田质量与粮食安全得以保障，另一方面能控制城市面积无节制扩张，科学合理进行城市建设，避免城市病现象的出现，为徐州市可持续发展增添活力。但同时应注意，徐州市碳排放量与生态系统碳储量之间存在的巨大差距，城市生态系统对碳的吸收能力极为有限。因此，徐州市要实现碳中和的目标除了持续优化土地利用结构，更重要的是持续优化产业结构，推动清洁能源的使用。

3.2 讨论

基于以上结论，可以发现徐州市生态系统碳储量与碳排放量差距巨大。因此，本文从以下几个方面提出有关对策建议支持徐州市如期实现碳中和的目标。

优化土地利用格局，提高土地碳汇能力。生态系统服务的碳储存对于调节气候及碳循环具有重大意义，虽然在城市环境中，这一功能受土地利用影响较大，但良好的生态系统仍是城市健康发展的重要基础。徐州市土地利用过程中，起碳吸收作用的主要是林地与草地，因此在未来规划中应注重城市公园、城市绿道的布置，坚持保护好泉山森林公园、云龙山等碳汇类土地的生态环境。同时，要避免建设用地的无序扩张，尤其要控制建设用地等碳源类用地侵占林地、草地等碳汇类用地。

推动产业结构升级，优化能源消费结构。徐州市是传统的煤矿资源型城市，传统工业是徐州经济发展的重要基础。建设用地碳排放的根源是人类活动产生的碳排放，根据碳排放系数可以看出不同能源消耗产生的碳排放量也有很大差别。2020 年徐州市第二产业增加值2 931.61 亿元，增长4.0%，增长速度高于第三产业的3.0%，因此，徐州市应该加强引进新技术，积极倡导工业生产中新材料、新能源的使用，逐步改变以煤炭、石油、天然气等传统化石燃料为主的能源消费结构，顺应未来低碳经济的发展趋势。

倡导低碳生活方式，引导公民消费理念。城市是人类生活的重要载体，生活方式势必影响城市碳排放。随着社会不断进步，人民生活水平不断提高，生活中能源消费也随之增加，因此，有必要引导公民树立正确的消费理念，倡导低碳生活方式。政府在大力宣传低碳生活方式的同时，要加快完善基础设施建设，加快地铁、公交线路的覆盖面，为公民减少私人交通工具的使用提供条件。

本研究存在以下几点不足：（1）本文的碳密度数据是通过查阅文献，根据前人的研究成果进行修正得到。由于碳密度数据获取难度较大，以及城市受人为活动干扰较大，因此碳密度的准确性有待进一步提高。（2）用马尔科夫模型和CA 模型相耦合的GeoSOS-FLUS模型，被广泛应用于模拟和预测不同情境下的土地利用情况，为城市未来的发展提供优化和决策依据。但同时，此模型也存在一定局限，首先是选用的土地利用变化驱动因子对模拟结果影响较大，其次对未来各土地利用类型的需求是通过专家咨询法得到，受主观因素影响较大。（3）InVEST 模型能够用于评估不同尺度的生态系统服务，评估结果能够直观展示[41]，但该模型的评估结果受土地利用分类的影响较大，如在本研究中，土地利用类型被分为六类，并假定每种土地利用类型内部是均质的，所以，该模型缺少对其内部异质性的考虑[42]。（4）本研究中对未来碳排放量的预测是基于土地利用变化的预测，其中建设用地利用中碳排放的预测是通过能源消耗间接计算，因此对能源消耗的预测有待更深入研究。