耦合InVEST与GeoSOS-FLUS模型的桂林市碳储量可持续发展研究

张凯琪,陈建军,2*,侯建坤,周国清,2,尤号田,2,韩小文,2

耦合InVEST与GeoSOS-FLUS模型的桂林市碳储量可持续发展研究

张凯琪1,陈建军1,2*,侯建坤1,周国清1,2,尤号田1,2,韩小文1,2

(1.桂林理工大学测绘地理信息学院,广西 桂林 541004；2.桂林理工大学广西空间信息与测绘重点实验室,广西 桂林 541004)

为了量化桂林市碳储量并快速评估分级保护措施对区域碳储功能的影响,耦合InVEST模型碳储存模块和GeoSOS-FLUS模型,并基于土地利用数据和不同情景未来土地预测结果,对2000～2040年桂林市域范围六区十一县市内的碳储时空特征进行分析.结果表明:桂林市2000年、2010年和2020年的总碳储量分别为554.02×106t,553.58×106t,550.21×106t,呈现“逐年下降”的变化态势.同时,受人类活动和土地利用类型变化的影响,桂林市域各区县的碳储水平存在较大的时空差异,碳储量整体表现为“西北、西南及东部较高,东北、东南及中部较低”的空间分布特征.将桂林市碳储量高值区确定为碳储资源的优先保护区域,与自然变化情景相比,资源保护情景下桂林市林地得到有效保护,建设用地规模扩大受到限制.采取资源保护措施后,桂林市2040年总碳储量达到552.16×106t,较2020年增加了1.95×106t,中低密度碳储区所占比例明显下降,区域固碳能力大大增强.该研究结果可为桂林市国家可持续发展示范城市建设提供指导,也可为碳储资源精准保护和土地利用管理决策提供科学参考.

碳储量；InVEST模型；GeoSOS-FLUS模型；重要性分级；桂林市

人类的可持续发展取决于生态系统及其服务功能的可持续性[1].受到人类活动和气候变化的影响,全球生态系统服务能力正在降低[2-3].因此,如何保证生态系统服务的可持续性成为当前急需解决的重要问题.碳储存是生态系统的重要服务功能之一,在维持全球碳平衡以及调节气候方面具有不可替代的作用[4-5].陆地生态系统通过吸收大气中CO2等温室气体可以有效缓解全球变暖[6].因此,综合评估生态系统碳储量对于区域生态环境保护和可持续发展具有重要意义.

近年来,诸多学者从不同范围(全球、国家、区域和样地)、不同角度(政策保护、工程影响)对生态系统的碳储量及其时空变化和影响因素展开了大量研究[7-10].如李远等[11]、张修玉等[12]、李雷达等[13]、兰秀等[14]在区域范围分别对西双版纳、珠江流域、湖南、广西进行了碳储量的估算,为我国南部地区碳储量的测算提供了丰富的数据.邓元杰等[15]、魏亚伟等[16]、姚平等[17]从政策保护角度分别估算了黄土高原、东北地区、西南地区的碳储变化,探究了退耕还林还草和天然林保护区对区域碳汇的贡献.这些研究也表明土地利用类型转换是碳储变化的主要驱动因素.但以上研究大多集中于对区域碳储的动态评估,缺乏较详细的优化管理方案,更缺乏对管理方案的检验,仅能提供有限的参考价值.因此有必要完善保护措施的制定和检验,以构建比较系统的可持续研究方法.

在诸多生态系统服务模型中,InVEST模型广泛用于测算生态系统的碳储量,并能显示碳储存的空间分布[18-19].该模型使用特定区域的土地利用类型图以及四个碳库中的碳密度数据来估算和绘制研究区域的碳总量[20].当提供当前和未来预测的土地利用数据时,InVEST模型可以计算出现在和未来的碳储存或碳损失[21].为评估不同变化情景下生态系统碳储存或碳损失情况,部分研究人员将InVEST模型与CA-Markov、CLUE-S等土地利用模拟模型相结合,模拟了自然、社会、经济等多种变化情景下的生态系统碳储存和碳损失[22-25].GeoSOS-FLUS模型在传统元胞自动机(CA)模型的基础上引进了基于轮盘赌选择的自适应惯性竞争机制,与其他模型相比,GeoSOS-FLUS模型使未来多种土地利用类型在空间上的分布更为准确、合理[26].目前,该模型多用于土地利用格局优化等研究[27],采用该模型模拟不同情景来预测区域碳储量变化的研究较少.本研究耦合InVEST与GeoSOS-FLUS模型,通过模拟、比较自然变化与资源保护情景下的区域碳储功能,可以实现对保护措施的检验.

桂林市位于广西东北部,是世界著名风景游览城市和中国历史文化名城,同时也是国家可持续发展创新示范区之一.该区域具备丰富的森林、草地和湿地等自然景观资源,其森林覆盖率高达70%以上,是广西的重要碳库.但是近年来由于生态景观资源利用需求日益增长,城镇化进程加快,导致该地区土地利用开发强度大,生态系统固碳能力受到严重威胁[28].目前对于桂林市生态系统碳储功能评估及未来情景模拟的研究和认识较少,急需掌握其变化特征并根据不同区域特征制定不同保护策略,进而更好的服务于桂林市可持续发展.本研究首先基于土地利用变化,应用InVEST模型分析了桂林市的碳储量时空变化;然后进行重要性分级评估并划定碳储优先保护区域;最后结合GeoSOS-FLUS模型模拟在不同情景下的未来桂林市的生态系统服务碳储功能,以期为桂林市资源可持续发展提供决策支持.

1 材料与方法

1.1 研究区概况

桂林市地理坐标为109°36′～111°29′E,24°15′～ 26°23′N,位于中国华南地区、广西壮族自治区东北部.地势为西北、东南部高,中部较低,以中山或低中山地形为主.桂林地处低纬,属中亚热带季风气候,年均气温为18.9℃,年均降雨量为1949.5mm,境内气候温和、雨量充沛、光照充足、四季分明且雨热基本同季[29],气候条件十分优越.区域内森林资源丰富,中部具有世界典型的喀斯特岩溶地貌[30],峰奇水美,因而形成了桂林山水甲天下的景观.

1.2 数据源

1.2.1 土地利用/覆被类型数据 使用的土地利用/覆被类型数据来源于国家基础地理信息中心全球地表覆盖数据,该数据空间分辨率为30m×30m,它是以美国陆地资源卫星(Landsat)的TM5、ETM+、OLI多光谱影像和中国环境减灾卫星(HJ-1)多光谱影像为主要数据源,辅以16m分辨率高分一号(GF-1)多光谱影像解译获得.通过对土地利用/覆被类型数据进行裁剪获得2000、2010和2020年三期桂林市土地利用类型图,研究区的土地利用类型主要包括耕地、林地、草地、水域、建设用地和湿地六大类.

1.2.2 土地利用变化驱动因子数据 选用DEM、坡度、坡向、年降雨量、GDP和年均温度作为土地利用变化驱动因子,DEM数据来源于ASTERGDEM,空间分辨率为30m,该数据是根据NASA的新一代对地观测卫星Terra的详尽观测结果制作完成的.其数据覆盖范围为83°N～83°S的所有陆地区域,达到了地球陆地表面的99%.地形因素包括坡度和坡向,由DEM数据在ArcGIS软件提取得到.年降雨量、GDP和年均温度数据来源于中国科学院资源环境科学与数据中心.

1.2.3 碳密度数据 InVEST模型中所需要的碳密度数据(单位面积碳储量)包含不同土地利用/覆被类型的四个基本碳库,即地上生物量、地下生物量、土壤和死亡有机物.为了保证密度数据的一致性和碳储存量的准确性,碳密度数据尽量选取广西范围内的前人研究成果.在广西数据缺失的情况下,适当采用相近纬度的邻省碳库数据.本文主要参考了陈曦[31]、吴佩君等[22]、荣检[32]及朱鹏飞[33]的成果,结合IPCC(2006)提供的总生物量和土壤碳储量,修正得到桂林市地上生物量、地下生物量、土壤、死亡有机质碳密度数据,具体数值如下表1所示.

表1 桂林市土地利用各部分碳密度(t/hm2)

1.3 研究方法

1.3.1 碳储量估算 选用InVEST模型估算 研究区的碳储量.InVEST模型中的碳储存模块将陆地生态系统中碳储分为四大基本碳库,分别是地上生物量中所含碳(土壤以上所有存活的植物材料)、地下生物量中所含碳(植物活的根系)、土壤碳库(矿质土壤的有机碳)和死亡的有机物质中所含碳(凋落物和已死亡的树木)[34-35].将不同土地利用类型的4大碳库相加,即可得到该区域的碳储总量.其计算公式如下:

式中:C为区域的碳储量,单位为t;A为区域中土地覆被类型的面积;C、C、C、C分别为土地覆被类型的地上碳密度、地下碳密度、土壤碳密度和死亡有机物碳密度, t/hm2.

为了更清楚的反映桂林市碳储量的空间变化,本文进一步将碳储空间变化值分为五类:显著减少、少量减少、基本不变、少量增加和显著增加.其中变化值大于15%定义为显着变化,变化值介于5%和15%之间定义为少量变化,变化值介于0～5%定义为基本不变.

1.3.2 土地利用转移矩阵 通过计算土地利用转移矩阵,揭示区域土地利用的变化过程,以此分析土地类型转换对碳储变化的影响.土地利用转移矩阵可以清晰地展示不同土地利用类型在不同年份发生变化的土地类别以及发生变化的位置和变化面积[36].转移矩阵的数学形式为[37]:

式中:代表土地利用类型面积;代表转移前后的土地利用类型;1,2,3,…,分别代表转移前与转移后的土地利用类型;S表示转移前的地类转换成转移后的地类的面积.矩阵中的每一行元素代表转移前的地类向转移后的各地类的流向信息,矩阵中的每一列元素代表转移后的地类面积从转移前的各地类的来源信息.

1.3.3 碳储等级划分 为制定有效的保护措施,对碳储功能区进行等级划分,将碳储贡献最大的区域划定为优先保护区域,有利于实际保护.在桂林市碳储量空间分布图的基础上,利用ArcGIS软件对碳储量进行重分类,采用自然断点分级法将该栅格数据划分为一般区(5.20～19.32t/hm2)、重要区(19.32～ 107.16t/hm2)和极重要区(107.16～255.20t/hm2)三个类别,从而得出研究区碳储重要性分级图.本研究将极重要区域作为未来发展的优先保护区域.

1.3.4 未来土地利用变化模拟 为检验保护措施的有效性,本研究运用GeoSOS-FLUS模型以2020年土地利用现状图为基础,对桂林市2040年不同情景下的土地利用布局进行模拟比较. GeoSOS- FLUS模型是由Liu等[26]开发,基于传统CA模型原理进行改进,采用神经网络算法(ANN)获取各类用地在研究范围内的适宜性概率,可以有效减少误差传递的发生.同时结合轮盘赌选择的自适应惯性竞争机制,模拟精度较高且与现实土地利用分布相似.

为保障桂林市碳储资源的可持续性,本文综合考虑分级保护和宏观发展,基于桂林市2000～2020年的土地利用数据和重要性分级图,通过调整不同土地利用类型目标数量、土地利用转换成本矩阵、邻域因子参数,以2040年为目标年,设定两种发展情景:(1)资源保护情景:为遏制碳储总量进一步退化,根据重要性分级评估结果优先保护极重要区,该情景下桂林市林地将得到有效保护,同时限制建设用地的扩张.设置林地不能向其他地类转换,林地邻域因子设为1,建设用地邻域因子设为0,其他地类邻域因子设为0.5.(2)自然变化情景:综合考虑经济发展和资源保护,遵循土地利用结构自然演变规律,该情境下设定土地利用变化率与2000～2020年土地利用转变速率保持一致,其人口、经济和技术革新的发展趋势将继续与目前的状况相统一.设置各类型用地均可互相转换,所有土地类型的邻域因子默认为1.

为了确保模拟结果的准确性,采用Kappa系数和总体精度对模拟结果进行检验.基于桂林市2000年土地利用数据和土地利用变化驱动因子数据,运用GeoSOS-FLUS模型模拟了2020年土地利用情景, 与2020年实际土地利用状况进行精度检验,若Kappa系数和总体精度较大,则表明模型模拟精度较高,可用于土地利用变化的情景预估.

2 结果

2.1 2000～2020年桂林市碳储时空变化分析

图1 2000～2020年桂林市碳储量和地均碳密度变化

图2 2000～2020年桂林市碳储量空间分布及变化

a为2000年碳储量空间分布,b为2010年碳储量空间分布,c为2020年碳储量空间分布,d为2000-2020年碳储量空间变化

分析桂林市不同年份总碳储量和单位土地面积的平均碳储量(图1)可知,桂林市2000年、2010年、2020年的总碳储量分别为554.02×106t、553.58×106t、550.21×106t,单位土地面积的平均碳储量分别为200.39,200.23,199.01t/hm2,整体呈下降趋势.其中,2000～2010年桂林市总碳储量出现小幅下降,减少量为0.44×106t,相较于2000年减幅为0.07%;2010～2020年下降速度加快,减少量为3.37× 106t,相较于2010年减少了0.6%.单位土地面积的平均碳储量持续减少,年均减幅为0.07t/hm2.

从碳储量的空间分布及其变化看(图2),2000年、2010年和2020年桂林市碳储量整体表现为“西北、西南及东部较高,东北、东南及中部较低”的空间分布特征.碳储高值区主要集中在山地林区,呈片状分布,包括龙胜县、永福县、灌阳县、恭城县以及兴安县、灵川县的北部和南部边缘地带,这些区域固碳能力较强,碳密度最高达到255.2t/hm2;碳储低值区广泛分布在城市及农业种植区,呈点状片状分布,主要包括市中心、临桂区、阳朔县、荔浦市、平乐县、资源县、全州县以及兴安县、灵川县的中心地带,这些区域碳密度最低仅为5.2t/hm2.同时,2000～ 2020年桂林市碳储空间变化具有明显的地区差异性,碳储增加区面积为85281hm2,占到区域总面积的3%,变化以“少量增加”为主,主要分布在西北、东北和东南地区,中间地带分布少且较零散;碳储减少区面积为121021hm2,占到区域总面积的4.4%,变化多为“显著减少”,呈点线状在各区县蔓延,中心和西南地区是碳储减少的主要区域.

2.2 2000～2020年土地类型转变对碳储量及其变化的影响

不同土地利用类型中的碳密度明显不同(图3).固碳能力最强的是林地,2000年、2010年和2020年碳储量达到503.16×106t、503.38×106t和501.09×106t,占所有土地利用类型固碳总量的90%,是桂林市最重要的碳库;草地和耕地的固碳能力较弱,其中耕地碳储变化较小,分别为39.37×106t、39.15×106t和38.58×106t,草地碳储变化较大,分别为11×106t、10.99×106t和10.18×106t,两者碳储量之和仅为林地的十分之一;湿地、水域和建设用地的碳储最少, 2020年分别仅为0.03×106t、0.12×106t和0.63×106t,不足林地的千分之一.

图3 2000～2020年桂林市各土地利用类型下的碳储量变化

表2 2000～2020年土地利用类型转移矩阵(hm2)

由表2可知,2020年桂林市土地利用类型以林地、耕地和草地为主,其面积分别为1963202.67hm2、597483.63hm2和131343.93hm2,其次是建设用地(47267.55hm2)和水域(24650.82hm2),湿地面积最少为350.91hm2. 2000～ 2020年,桂林市林地、耕地和草地面积变化明显,分别减少了8123.31hm2、12379.77hm2和10598.76hm2.其中林地主要转出为耕地和草地,耕地主要流向林地和建设用地,草地主要流向林地和耕地.与此相反,建设用地的面积增加了25729.47hm2,增加部分主要来自耕地和林地,其次是草地.水域面积变化量相对较小,增加了5836.68hm2,主要来自耕地.湿地变化量最小,仅缩减464.31hm2.整体来看,2000～2020年各土地利用类型间的转换关系以碳密度较高的地类向碳密度较低的地类转换为主,林地、耕地和草地净减少的部分主要流向建设用地.

2.3 2000～2020年碳储重要性分级

从碳储量重要性分级图(图4)中可以看出:(1)桂林市碳储极重要区连片分布于西部、西北部和东部,南部地区呈不连续的片状分布,多处被重要区分割.2000年、2010年和2020年极重要区域面积高达1971661.14hm2、1972500.57hm2和1963532.25hm2,占到全市国土面积的71.31%、71.34%和71.02%.(2)碳储重要区多分布于东北部、东南部和中部,2000年、2010年和2020年重要区域面积分别为752650.47hm2、748895.58hm2和729234.27hm2,覆盖了市域面积的27.22%、27.08%和26.37%.其中北部和南部的碳储重要区有少量缩减,中部的碳储重要区集中减少变化明显.(3)碳储一般区主要集中在中部市中心,东北、东南部也有零散分布.2000年、2010年和2020年一般区区域面积为40353.66hm2、43284.42hm2和71919.63hm2,占到全市国土面积的1.45%、1.56%和2.60%.碳储一般区占比小,分布的整体性不高,但呈扩张的趋势.

图4 2000～2020年桂林市碳储量重要性分级

a为2000年碳储量重要性分级,b为2010年碳储量重要性分级,c为2020年碳储量重要性分级

2.4 2040年不同情景下的桂林市碳储变化

经由桂林市2020年土地利用模拟图(图5a)与2020年土地利用现状图(图5b)对比发现,Kappa系数为0.775,整体精度为0.899,故本研究选用GeoSOS- FLUS模型对桂林市2040年的土地利用进行模拟具有可行性和可信性.

自然变化情景下(图6a),桂林市2040年的碳储量预测为547.44×106t,较2020年减少2.77×106t,平均每年减少1.38×105t;而在资源保护情景下(图6b),2040年碳储量为552.16×106t,较2020年增加1.95×106t,平均每年增加0.97×105t.两种情景下碳储空间格局仍呈现“西北、西南及东部较高,东北、东南及中部较低”分布.与自然变化情景(图6a)相比,资源保护情景下(图6b),林地、草地等碳密度较高的地类呈扩张趋势,建设用地等碳密度较低的地类则向碳密度较高的地类转移,尤其是中部和南部地区建设用地占地面积明显减少,主要转出为林地.综上,桂林市碳储量在两种情景下呈相反的变化态势,自然变化情景碳储量下降较明显,资源保护情景则有效增加了桂林市总碳储量.

图5 2020年桂林市FLUS模拟(a)与土地利用现状(b)对比

图6 自然变化情景和资源保护情境下2040年桂林市碳储量空间分布及变化

a为自然变化情景下碳储量空间分布,b为资源保护情境下碳储量空间分布,c为自然变化情景下碳储量空间变化,d为资源保护情境下碳储量空间变化

两种情景下的碳储空间变化明显不同,自然变化情景(图6c)中碳储减少区面积为134335hm2,占到区域总面积的4.9%,其中显著减少区和少量减少区面积分别为121044hm2、13291hm2,占到区域总面积的4.4%、0.5%,资源保护情景(图6d)中碳储减少区面积为113956hm2,占到区域总面积的4.1%,其中显著减少区和少量减少区面积分别为102754hm2、11202hm2,占到区域总面积的3.7%、0.4%,资源保护情景下中部和西南部碳储减少区所占比例明显下降.同时,自然变化情景(图6c)中碳储增加区面积为119118hm2,占到区域总面积的4.2%,其中显著增加区和少量增加区面积分别为111306hm2、7812hm2,占到区域总面积的4%、0.2%,资源保护情景(图6d)中碳储增加区面积为125050hm2,占到区域总面积的4.5%,其中显著增加区和少量增加区面积分别为115566hm2、9484hm2,占到区域总面积的4.2%、0.3%,采取资源保护措施后,碳储增加区的比例有所扩大,桂林市总碳储量呈现迅速上升的趋势.

3 讨论

3.1 桂林市碳储变化分析

桂林市2000～2020年碳储时空变化分析表明, 20a间桂林市碳储量整体呈减少趋势,且存在较大的空间差异性.期间土地利用和土地覆盖面积均发生变化,林地、耕地和草地相互转换但总面积均减少,说明这一时期退耕退草还林工程效果显著,同时伐木耕种现象也尤为严重,但三者面积减少的主要原因是建设用地的大肆侵占.随着城市人口的持续增加和旅游业的大力发展,一方面市中心大力推进城市化发展并向周边扩散,另一方面各风景区着力开发自然风光并建设度假村,最终导致林地面积大量流失.此外水域面积也略有增加,这可能与当地的季节性水田有关.不同土地利用类型的固碳能力明显不同,其变化对碳储量的影响也存在差异.大面积的高碳密度土地利用类型转出,尤其是林地大量流失使得土壤和植被地上、地下碳储量明显减少,建设用地和水域扩张也加快了总碳储量的减少速度,最终导致区域固碳能力明显降低.同时,各土地利用类型中林地多分布于西北、西南和东部地区,而耕地和草地多分布在东北、东南和中部地区,建设用地和水域主要分布于人口密集的市中心,土地利用布局在极大程度上影响了碳储空间分布[38-39].从高密度碳量的分布可以看出,碳储高值区域覆盖面积近乎于林地面积,西北、东北和东南部分区域也随着退耕退草还林碳密度增加,未来这些区域具备发展碳储资源富集区的优势.此外,桂林市中部人口密度大,人类活动频繁,存在各种威胁,其他区域的建设用地碎片化加剧,使得桂林市北部和南部的城镇居民区碳储量持续降低,中心商业区碳储量达到最低值,碳储低值区扩张速度加快.

3.2 优先保护区域划定

分析碳储时空变化特征及其与土地利用类型转变之间的关系,为桂林市碳储研究提供了一个有价值、较全面的认识,在此基础上进行重要性分级评估,以便于设计更具有针对性的资源保护措施.对于模拟情境的设置有多种选择,有些研究根据区域土地利用规划要求调整[40],有些根据不同程度的工程影响调整[15],本研究根据分级评估结果将“极重要”等级的区域作为未来发展的优先保护区域,通过模拟和比较自然变化与资源保护情景下2040年桂林市碳储功能,发现保护措施下区域碳储量明显提高.分析其原因,保护措施通过合理调控林地和建设用地以保障“极重要”区域的优先级,林地作为碳储极重要区的核心碳库,具备强大的固碳能力和潜力,其碳储增量远超过其他地类的损失量,而建设用地作为碳储一般区的主要土地利用类型,碳密度低,扩张速度快,对高质量碳库存在极大威胁.因此在优先保护碳储极重要区的前提下,合理规划重要区与一般区的组成结构和发展,后续根据城市发展趋势、人口、产业、经济等因素,确定碳储重要区与一般区扩张的弹性边界.既符合高效保护碳储资源的需求,又为建设开发管控提供科学依据,兼顾了资源保护与经济可持续发展.

3.3 不同发展情景对碳储量的影响

根据2000～2020年的土地变化趋势预测了2040年自然变化情景下的土地利用状况,又以重要性分级结果为基础设计了资源保护土地利用情景,结果表明不同发展情景下碳储的变化趋势和格局截然不同.自然变化情景下总碳储量持续降低,各土地利用类型基于过去土地利用结构演变规律而相互转换,导致桂林市内碳储增加区和减少区交错、零散分布,碳储减少区稳步蔓延,以中部和西南部尤为突出.资源保护情景则发生转变,调整土地利用结构后碳储量开始增加,碳储空间增加区和减少区也有所变化.资源保护情景强化林地保护,一定程度上促使其他地类向林地转变,既保障高碳储地类的固碳能力,又极大地提高碳储增量[41-42],因此与自然变化情景相比较,采取资源保护措施后碳储增加区的比例扩大;同时合理控制建设用地,调整土地利用变化方向,限制低碳储地类大幅度增加[43-44],使得资源保护情景中碳储减少区比例明显下降,尤其是中部和西南部的“显著减少区”退化速度有所缓解.虽然其他地类相互转换导致桂林市内碳储增加区和减少区交错、零散分布,但资源保护情景对林地和建设用地两个关键地类进行了针对性的设置,最终碳储增加区扩张和减少区缩减同步进行,总碳储量迅速上升.

3.4 不足与展望

本研究耦合InVEST模型和GeoSOS-FLUS模型,为桂林市碳储可持续发展提供了一套比较科学、系统的研究方法.在诸多生态系统服务模型中, InVEST模型以其操作简单、处理迅速、适用性强等优点得到了广泛运用,可较为直观地表达评估结果.然而,InVEST模型也存在一些局限性.首先,本研究部分参数数据(如不同土地利用/覆被类型对四大碳库的碳密度)来源于文献分析以及经验公式,由于各研究者对不同区域碳库密度的认识或知识水平存在差异,加上指标选取的不一致性,估算结果存在不确定性;其次,InVEST模型对土地利用类型的碳储存计算进行简化,模型认定同一土地利用类型的碳密度是均质不变的,事实上同一土地利用类型会随着环境和时间的变化获得或损失碳,其碳密度也存在差异,因此在未来的研究中应该加强对碳密度的实地连续监测,及时对碳密度值的合理性进行验证.

本研究使用GeoSOS-FLUS模型对未来土地利用变化进行情景模拟,有效预测土地利用变化对区域碳储功能的潜在影响,但仍存在不足之处.例如,情境模拟时综合自然和社会经济两方面共选取了六个土地利用变化驱动因子,但是驱动因子的类型和数量对模拟精度的影响尚不明确,因此后期研究中,在驱动因子选择上应多次实验,尽可能地保证各种因素对土地利用模拟的真实影响.

另外,桂林市部分区域存在典型的喀斯特地貌(峰丛洼地和峰林平原),喀斯特地区的土壤理化性质与非喀斯特地区具有较大差异,因此两种不同区域的土壤有机碳密度也有所不同[45].由于桂林市喀斯特区域碳密度实测数据匮乏,本研究并未对两种区域的土壤碳密度进行区分,对碳储量的估算结果造成一定影响,未来的研究应尽可能通过实地调研获取不同区域土壤碳密度的实测数据,以提高碳储量估算结果的准确性.

4 结论

4.1 桂林市碳储量存在显著的空间分布特征,西北、西南及东部地区碳储量总体较高.2000～2020年区域碳储量整体呈减少趋势,年均减幅为0.07t/hm2.桂林市碳储量整体较高,但近年来受人类活动干扰等多种威胁影响固碳能力有所降低.

4.2 桂林市固碳能力高低与土地利用变化密切相关, 林地、耕地、草地、湿地、建设用地和水域对研究区的碳储贡献依次降低.林地面积减少和建设用地扩张及碎片化分布是导致碳储量下降的主要原因.

4.3 碳储极重要区是桂林市的核心碳库,土地利用类型以林地为主,2020年该区域面积占到全市国土面积的71.02%,因此将碳储极重要区划定为优先保护区域,在该区域范围内进行重点资源保护.

4.4 实施资源保护措施可以较好地实现桂林市固碳目标,自然变化情景下,预测2040年的碳储量比2020年减少2.77×106t;资源保护情景下,预测2040年碳储量比2020年增加1.95×106t.资源保护情景将有效减缓碳储低值区的退化速度,扩大碳储高值区所占比例,增强桂林市生态系统碳储功能.

[1] Wackernagel M, Onisto L, Bello P, et al. National natural capital accounting with the ecological footprint concept [J]. Ecological economics, 1999,29(3):375-390.

[2] Costanza R, De Groot R, Sutton P, et al. Changes in the global value of ecosystem services [J]. Global environmental change, 2014,26:152- 158.

[3] 张华明,元鹏飞,朱治双.中国城市人口规模、产业集聚与碳排放 [J]. 中国环境科学, 2021,41(5):2459-2470.

Zhang H M, Yuan P F, Zhu Z S. City population size, industrial agglomeration and CO2emission in Chinese prefectures [J]. China Environmental Science, 2021,41(5):2459-2470.

[4] Piao S, Fang J, Ciais P, et al. The carbon balance of terrestrial ecosystems in China [J]. Nature, 2009,458(7241):1009-1013.

[5] Schimel D S, House J I, Hibbard K A, et al. Recent patterns and mechanisms of carbon exchange by terrestrial ecosystems [J]. Nature, 2001,414(6860):169-172.

[6] 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.

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.

[7] Piyathilake I, Udayakumara E P N, Ranaweera L V, et al. Modeling predictive assessment of carbon storage using InVEST model in Uva province, Sri Lanka [J]. Modeling Earth Systems and Environment, 2021,3:1-11.

[8] Babbar D, Areendran G, Sahana M, et al. Assessment and prediction of carbon sequestration using Markov chain and InVEST model in Sariska Tiger Reserve, India [J]. Journal of Cleaner Production, 2021, 278:123333.

[9] Imran M. Geospatially mapping carbon stock for mountainous forest classes using InVEST model and Sentinel-2data: A case of Bagrote valley in the Karakoram range [J]. Arabian Journal of Geosciences, 2021,14(9):1-12.

[10] 朱文博,张静静,崔耀平,等.基于土地利用变化情景的生态系统碳储量评估——以太行山淇河流域为例[J]. 地理学报, 2019,74(3): 446-459.

Zhu W B, Zhang J J, Cui Y P, et al. Assessment of territorial ecosystem carbon storage based on land use change scenario: a case study in Qihe river basin [J]. Acta Geographica Sinica, 2019,74(3):446-459.

[11] 李 远,张修玉,许振成,等.西双版纳森林植被碳储量特征 [J]. 中国环境科学, 2013,33(S1):7-12.

Li Y, Zhang X Y, Xu Z C, et al. Carbon storage characteristics of forest vegetation in Xishuangbanna [J]. China Environmental Science, 2013, 33(S1):7-12.

[12] 张修玉,许振成,曾凡棠,等.珠江三角洲森林生态系统碳密度分配及其储量动态特征 [J]. 中国环境科学, 2011,31(S1):69-77.

Zhang X Y, Xu Z C, Zeng F T, et al. Carbon density distribution and storage dynamics of forest ecosystem in Pearl River Delta of low subtropical China [J]. China Environmental Science, 2011,31(S1):69- 77.

[13] 李雷达,方 晰,李 斌,等.湖南省2014年森林植被碳储量、碳密度及其区域空间分布格局 [J]. 中南林业科技大学学报, 2017,37(1): 69-77.

Li L D, Fang X, Li B, et al. Forest vegetation carbon storage, carbon density and spatial distribution pattern in 2014 in Hunan province [J]. Journal of Central South University of Forestry & Technology, 2017, 37(1):69-77.

[14] 兰 秀,杜 虎,宋同清,等.广西主要森林植被碳储量及其影响因素 [J]. 生态学报, 2019,39(6):2043-2053.

Lan X, Du H, Song T Q, et al. Vegetation carbon storage in the main forest types in Guangxi and the related influencing factors [J]. Acta Ecologica Sinica, 2019,39(6):2043-2053.

[15] 邓元杰,姚顺波,侯孟阳,等.退耕还林还草工程对生态系统碳储存服务的影响——以黄土高原丘陵沟壑区子长县为例 [J]. 自然资源学报, 2020,35(4):826-844.

Deng Y J, Yao S B, Hou M Y, et al. Assessing the effects of the Green for Grain Program on ecosystem carbon storage service by linking the InVEST and FLUS models:a case study of Zichang county in hilly and gully region of Loess Plateau [J].Journal of Natural Resources, 2020,35(4):826-844.

[16] 魏亚伟,周旺明,于大炮,等.我国东北天然林保护工程区森林植被的碳储量 [J]. 生态学报, 2014,34(20):5696-5705.

Wei Y W, Zhou W M, Yu D P, et al. Carbon storage of forest vegetation under the Natural Forest Protection Program in Northeast China [J]. Acta Ecologica Sinica, 2014,34(20):5696-5705.

[17] 姚 平,陈先刚,周永锋,等.西南地区退耕还林工程主要林分50年碳汇潜力 [J]. 生态学报, 2014,34(11):3025-3037.

Yao P, Chen X G, Zhou Y F, et al. Carbon sequestration potential of the major stands under the Grain for Green Program in Southwest China in the next 50years [J]. Acta Ecologica Sinica, 2014,34(11):3025- 3037.

[18] Lahiji R N, Dinan N M, Liaghati H, et al. Scenario-based estimation of catchment carbon storage: linking multi-objective land allocation with InVEST model in a mixed agriculture-forest landscape [J]. Frontiers of Earth Science, 2020,14(3):637-646.

[19] Liu S Y, Hu N K, Zhang J, et al. Spatiotemporal change of carbon storage in the Loess Plateau of northern Shaanxi, based on the InVEST Model [J]. Sciences in Cold and Arid Regions, 2018,10(3):240-250.

[20] Nelson E, Mendoza G, Regetz J, et al. Modeling multiple ecosystem services, biodiversity conservation, commodity production, and tradeoffs at landscape scales [J]. Frontiers in Ecology and the Environment, 2009,7(1):4-11.

[21] Zhao M, He Z, Du J, et al. Assessing the effects of ecological engineering on carbon storage by linking the CA-Markov and InVEST models [J]. Ecological Indicators, 2019,98:29-38.

[22] 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):22-28,36,2.

Wu P J, Liu X P, Li X, et al. Impact of urban expansion on carbon storage in terrestrial ecosystems based on InVEST model and CA: a case study of Guangdong Province, China [J]. Geography and Geo- Information Science, 2016,32(5):22-28,36,2.

[23] 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.

[24] 田义超,黄远林,张 强,等.北部湾南流江流域土地覆盖及生物多样性模拟 [J]. 中国环境科学, 2020,40(3):1320-1334.

Tian Y C, Huang Y L, Zhang Q, et al. Simulation of land cover and biodiversity in Nanliu river basin in Beibu Gulf [J]. China Environmental Science, 2020,40(3):1320-1334.

[25] 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.

[26] Liu X P, Liang X, Li X, et al. A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects [J]. Landscape and Urban Planning, 2017,168:94- 116.

[27] 齐 麟,许 东,朱 琪,等.基于GeoSOS-FLUS平台的东北森林屏障带生态格局优化 [J]. 生态学杂志, 2021,40(11):3448-3462.

Qi L, Xu D, Zhu Q, et al. Ecological pattern optimization of forest barrier belt in Northeast China based on Geo SOS-FLUS [J]. Chinese Journal of Ecology, 2021,40(11):3448-3462.

[28] 郝 亮,陈劭锋,刘 扬.治理视角下中国可持续发展面临的问题与对策研究——基于深圳、桂林、苏北、太原四地可持续发展议程创新示范区建设方案的分析 [J]. 生态经济, 2019,35(1):173-179.

Hao L, Chen S F, Liu Y. Research on the problems and countermeasures of China's sustainable development from the perspective of governance:based on the analysis of the construction plan of the national sustainable development agenda innovation demonstration zone of Shenzhen, Guilin, Subei and Taiyuan [J]. Ecological Economy, 2019,35(1):173-179.

[29] 陈 超,周广胜.1961～2010年桂林气温和地温的变化特征 [J]. 生态学报, 2013,33(7):2043-2053.

Chen C, Zhou G S. Analysis on variation characteristics of air temperature and ground temperature in Guilin from 1961 to 2010 [J]. Acta Ecologica Sinica, 2013,33(7):2043-2053.

[30] 徐广平,李艳琼,沈育伊,等.桂林会仙喀斯特湿地水位梯度下不同植物群落土壤有机碳及其组分特征 [J]. 环境科学, 2019,40(3):1491- 1503.

Xu G P, Li Y Q, Shen Y Y, et al. Soil organic carbon distribution and components in different plant communities along a water table gradient in the Huixian Karst wetland in Guilin [J]. Environmental Science, 2019,40(3):1491-1503.

[31] 陈 曦.广西土壤有机碳储量估算及与全国部分省区的比较研究 [J]. 地理科学, 2014,34(10):1247-1253.

Chen X. Estimation of soil organic carbon reserves in Guangxi and comparion study with some provinces in China [J]. Scientia Geographica Sinica, 2014,34(10):1247-1253.

[32] 荣 检.基于InVEST模型的广西西江流域生态系统产水与固碳服务功能研究 [D]. 桂林:广西师范学院, 2017.

Rong J. Water yield and carbon storge ecosystem services evaluation of Xijiang River basin in Guangxi based on the InVEST model [D]. Guilin: Guangxi Normal University, 2017.

[33] 朱鹏飞.基于InVEST模型的广西沿海地区土地利用/覆被变化的生态效应研究 [D]. 桂林:广西师范学院, 2018.

Zhu P F. Study on ecological effect of land use/cover change in coastal area of Guangxi based on InVEST model [D]. Guilin:Guangxi Normal University, 2018.

[34] 包玉斌,李 婷,柳 辉,等.基于InVEST模型的陕北黄土高原水源涵养功能时空变化 [J]. 地理研究, 2016,35(4):664-676.

Bao Y B, Li T, Liu H, et al. Spatial and temporal changes of water conservation of Loess Plateau in northern Shaanxi province by InVEST model [J]. Geographical Research, 2016,35(4):664-676.

[35] 张 影,谢余初,齐姗姗,等.基于InVEST模型的甘肃白龙江流域生态系统碳储量及空间格局特征 [J]. 资源科学, 2016,38(8):1585- 1593.

Zhang Y, Xie Y C, Qi S S, et al. Carbon storage and spatial distribution characteristics in the Bailongjiang Watershed in Gansu based on In VEST model [J]. Resources Science, 2016,38(8):1585-1593.

[36] 乔伟峰,盛业华,方 斌,等.基于转移矩阵的高度城市化区域土地利用演变信息挖掘——以江苏省苏州市为例 [J]. 地理研究, 2013, 32(8):1497-1507.

Qiao W F, Sheng Y H, Fang B, et al. Land use change information mining in highly urbanized area based on transfer matrix: A case study of Suzhou, Jiangsu Province [J]. Geographical Research, 2013,32(8): 1497-1507.

[37] 朱会义,李秀彬.关于区域土地利用变化指数模型方法的讨论 [J]. 地理学报, 2003,(5):643-650.

Zhu H Y, Li X B. Discussion on the index method of regional land use change [J]. Acta Geographica Sinica, 2003,(5):643-650.

[38] Pereira P. Ecosystem services in a changing environment [J]. Sci. Total Environ., 2020,702:135008.

[39] Gomes E, Inácio M, Bogdzevič K, et al. Future land use changes and its impacts on terrestrial Ecosystem services: a review [J]. Sci. Total Environ., 2021:146716.

[40] 陈新云,王 甜,李宝健.北京市西北部生态涵养区未来土地利用及生态系统服务变化情景模拟 [J]. 西北林学院学报, 2021,36(1): 86-95.

Chen X Y, Wang T, Li B J. Simulation of the future land use and ecosystem services in the ecological conservation area in northwestern Beijing [J]. Journal of Northwest Forestry University, 2021,36(1): 86-95.

[41] 方精云,郭兆迪,朴世龙,等.1981～2000年中国陆地植被碳汇的估算 [J]. 中国科学(D辑:地球科学), 2007,(6):804-812.

[42] Yue X, Zhang T, Shao C. Afforestation increases ecosystem productivity and carbon storage in China during the 2000s [J]. Agricultural and Forest Meteorology, 2021,296:108227.

[43] Deng C, Liu J, Liu Y, et al. Spatiotemporal dislocation of urbanization and ecological construction increased the ecosystem service supply and demand imbalance [J]. Journal of Environmental Management, 2021,288:112478.

[44] Ren Y, Wei X, Wei X, et al. Relationship between vegetation carbon storage and urbanization: A case study of Xiamen, China [J]. Forest Ecology and Management, 2011,261(7):1214-1223.

[45] 张珍明,周运超,黄先飞,等.喀斯特小流域土壤有机碳密度及碳储量空间分布异质性 [J]. 水土保持学报, 2017,31(2):184-190,214.

Zhang Z M, Zhou Y C ,Huang X F, et al. Spatial heterogeneity and distribution characteristics of soil organic carbon density and soil organic carbon storage in a small Karst watershed [J]. Journal of Soil and Water Conservation, 2017,31(2):184-190,214.

Study on sustainable development of carbon storage in Guilin coupled with InVEST and GeoSOS-FLUS model.

ZHANG Kai-qi1, CHEN Jian-jun1,2*, HOU Jian-kun1, ZHOU Guo-qing1,2, YOU Hao-tian1,2, HAN Xiao-wen1,2

(1.College of Geomatics and Geoinformation, Guilin University of Technology, Guilin 541004, China；2.Guangxi Key Laboratory of Spatial Information and Geomatics, Guilin University of Technology, Guilin 541004, China)., 2022,42(6)：2799～2809

In order to quantify the carbon storage of Guilin and quickly evaluate the impact of hierarchical conservation measures on regional carbon storage function, this study coupled carbon storage module of InVEST model and GeoSOS-FLUS model. Based on land use data and future land prediction results of different scenarios, the spatio-temporal characteristics of carbon storage in Guilin from 2000 to 2040 were analyzed. The results showed that the total carbon storage of Guilin in 2000, 2010 and 2020 was 554.02×106t, 553.58×106t and 550.21×106t respectively, showing a trend of "decreasing year by year". At the same time, affected by human activities and land use type change, the carbon storage level of each district and county in Guilin had a great spatial and temporal difference. The overall carbon storage was higher in northwest, southwest and east, and lower in northeast, southeast and central parts of Guilin. The high-value carbon storage area in Guilin was determined as the priority area for carbon storage resource protection. Compared with the natural change scenario, the forest land in Guilin was effectively protected under the resource conservation scenario, and the expansion of construction land was restricted. After taking resource protection measures, the total carbon storage of Guilin reaches 552.16×106t in 2040, an increase of 1.95×106t compared with 2020. The proportion of medium and low density carbon storage area decreases significantly, and the regional carbon sequestration capacity is greatly enhanced. The research results can provide guidance for the construction of national sustainable development demonstration city in Guilin, and also provide scientific reference for precise protection of carbon storage resources and land use management decisions.

carbon storage；InVEST model；GeoSOS-FLUS model；importance hierarchy；Guilin

X32

A

1000-6923(2022)06-2799-11

张凯琪(1998-),女,山东泰安人,桂林理工大学,主要从事生态遥感方向研究.发表论文1篇.

2021-11-17

国家自然科学基金(41801030,41901370);广西科技计划项目(桂科AD19245032);广西自然科学基金(2018GXNSFBA281054);广西八桂学者专项项目(周国清);广西空间信息与测绘重点实验室项目(19-050-11-22)

* 责任作者, 副教授, chenjj@glut.edu.cn