基于CLUE-S模型县域土地利用情景模拟与碳排放效应分析

顾汉龙，马天骏，钱凤魁※，蔡玉梅

（1.沈阳农业大学土地与环境学院，沈阳 110161；2.耕地立体保护与监测重点实验室，沈阳 110161； 3.土肥高效利用国家工程研究中心，沈阳 110161；4.中国土地勘测规划院，北京 100035）

0 引 言

随着世界经济快速发展，全球的土地利用覆被格局不断变化，其直接影响着地区碳收支状况。1995年，“土地利用/土地覆被变化”（Land-Use and Land-Cover Change）研究就已经被国际地圈生物圈计划（IGBP）委员会和国际全球环境变化人文因素计划（IHDP）委员会组织联合提出并成为全球土地研究的前沿和热点。已有研究表明，土地利用变化已经成为仅次于化石能源燃烧的第二大温室气体排放源。而中国实现碳达峰、碳中和的“30·60”目标不仅是兑现中国气候承诺的前提与保证，更是推动区域低碳化发展的关键。现阶段关于土地利用与碳排放的研究多集中在以下两个方面：一是土地利用变化带来的碳排放时空差异和演变规律。现有研究表明，过去十年间，受土地利用变化影响，中国土地利用碳排放呈现出不断增长和集聚的态势，总体格局东高西低，并以河北为中心，向西北、西南、东南、东北4个方向递减，其中沿海地区的碳排放量不论是存量还是增量都相对较多。二是区域土地利用与碳排放时空格局的驱动因素与作用机理分析。学者们主要采用STIRPAT模型、Super SBM-undesirable DEA、结构分解模型和多元统计等方法进行研究，发现地区碳排放多与耕地、建设用地规模等相关，而地区碳吸收则与林地、草地等生态用地面积占比有关。目前，学者们已就区域土地利用变化与碳排放之间的耦合关系及影响因素进行了一定的探讨，但现有研究视角以基于研究区土地利用现状的静态评价为主，且研究多围绕国家、省市和流域等较大尺度展开，以县域作为研究尺度，基于区域未来土地利用变化预测的碳收支趋势分析相对欠缺。县域作为区域社会经济发展的基本单元，是决定地区资源禀赋和整体发展质量的关键载体，而不同的区域发展功能规划，势必会带来差异化的土地利用格局和碳排放效应。因此，基于县域不同发展情景，对未来土地利用变化格局及碳排放情况进行分析，对提高区域土地资源利用效率及实现地区碳减排目标具有重要意义。

基于此，本文以县域为研究尺度，基于法库县2013年、2019年土地利用现状数据，利用Auto-Logistic回归模型选取高程、坡向、人口密度等9个因子，运用CLUE-S模型对法库县2019年土地利用变化格局进行精确模拟与验证。在此基础上，通过设置多种土地利用变化情景预测2030年法库县土地利用分布空间格局并对各情景下土地利用碳排放进行核算，从而实现CLUE-S模型在中小尺度研究区域及碳排放预测中的应用，在推动区域土地利用格局优化的基础上对未来区域碳减排目标制定提供科学依据。

1 数据与方法

1.1 研究区概况

法 库 县 位 于 辽 宁 省 沈 阳 市 北 部（122°44′23″～123°45′14″E、42°8′46″～42°39′29″N）；面积为2 280.65 km，下辖2街道17乡镇，2020年总人口为53万。法库县地处长白山山脉与阴山山脉余脉交汇处，地势呈西部和北部高，东部和南部低，丘陵平原相间。地势起伏变化较大，海拔范围为-94～412 m（图1）。该区域地貌特征为“三山一水六分田”，土地利用类型以耕地为主，为国家粮食主体功能区。除此之外，法库县还是包括国家一级保护动物白鹤等在内的众多鸟类冬季南北迁徙的重要中转站。近年来，由于受沈阳市快速城镇化以及国家经济政策、土地政策影响，区域内建设用地不断扩张，如何优化农业生产、生态保护和经济发展用地格局是未来法库县土地利用关注的重点问题。

图1 研究区位置图 Fig.1 Location of the study area

1.2 数据来源与处理

本文使用的土地利用数据来源于2013年和2019年法库县土地利用变更调查成果矢量数据集，根据《IPCC2006年国家温室气体清单指南》和CLUE-S模型对于研究区各土地利用类型面积必须大于总面积1%的要求，将研究区土地利用类型转换并归类为国际上IPCC所界定的农地、林地、草地、湿地、聚居地、其他土地，并利用ArcGIS10.4软件将数据转化栅格数据后，将栅格像元大小重采样为250 m×250 m。其他数据主要有：①建制镇、农村居民点、道路、沟渠、采矿用地等矢量数据，提取自2013年法库县土地利用变更调查成果矢量数据集，使用ArcGIS10.4软件中的欧式距离工具对相应数据进行分析，生成驱动力因子栅格数据集；②地形数据为地理数据空间云30 m×30 m DEM高程数据（http://www.gscloud.cn），使用ArcGIS10.4软件中的坡度、坡向分析工具得到法库县坡度与坡向栅格数据；③人口密度数据来自于World POP（https://www.worldpop.org）；④社会经济数据，包括农业化肥施用量、农作物种植面积、农业机械总动力及能源排放数据等来源于2013－2019年的《辽宁统计年鉴》《沈阳市统计年鉴》及《法库县统计年鉴》等社会经济统计资料。本文所用地理数据都经过GIS空间校正、投影转化等处理，统一采用了大地2000地理坐标系统。

1.3 数据来源与处理

CLUE-S模型通常利用二元Logistic回归模型对土地利用变化驱动因子进行分析，从而得出研究区土地利用类型与驱动因子间的因果关系及变化趋势。而使用Auto-Logistic回归模型可以进一步提高模拟结果的精度，更好地反映真实的土地利用分布格局。Auto-logistic回归模型公式为：

式中为某一种地类可能出现的概率；为回归方程常量，，，…，x为影响地类分布的各因子，，，…，β为回归系数；为空间自相关因子，通过ArcGIS10.4计算得到。

CLUE-S模型是专门用于推演一定区域内土地利用变化的模型，该模型通过将生物物理与社会经济两类驱动因子相结合，实现对区域土地利用时空变化的清晰阐述与解释。公式为：

式中TPROP表示栅格对于土地利用类型的总体适宜度，ELAS表示土地类型的转移弹性系数，代表土地利用类型的转化成本。ITER代表土地类型的竞争因子，在模型模拟的迭代过程中自动设置。P表示栅格对于的分布概率，是土地利用现状对不同驱动力因子的回归结果。

1）土地利用转移规则

土地利用转移规则具体包括土地利用转移弹性系数和土地利用转移矩阵。土地利用转移弹性系数用于表示土地利用类型的稳定程度，系数取值范围在0～1之间，该值越小，则表示该土地利用类型更容易转化为其他土地利用类型。本文在借鉴相关研究和对模型参数反复调试的基础上，最终确定了5种模拟情景下法库县农地、林地、草地、湿地、聚居地和其他土地的转换弹性系数（表1）。结合2013－2019年法库县内土地利用变化（表2）及不同土地利用模拟情景下未来发展趋势，对其相应的土地利用转移矩阵进行设定。

表1 各土地利用类型转移弹性系数 Table 1 Conversion elasticity parameters of each land use type

表2 2013—2019年法库县土地利用面积转移矩阵 Table 2 Transfer matrix of land use area in Faku County during 2013-2019 hm2

2）土地利用类型需求

土地利用类型需求需要借助独立于CLUE-S模型之外的其他方法求得。本文通过设定不同情景下土地利用方式，将线性内插法和趋势外推法相结合最终计算得到2030年研究区各模拟情景下不同土地利用类型面积。

Kappa系数能从整体上检验CLUE-S模型模拟结果与现实数据的一致程度。Kappa系数公式如下：

式中P是正确模拟栅格单元比例；本文将土地利用类型分为6类，因此P=1/6；P是理想状态下正确模拟栅格单元比例即100%。Kappa系数取值范围为[-1,1]，一般认为Kappa＞0.6具有显著一致性，而Kappa＞0.8则说明模拟效果较好。

本文从县域尺度对法库县土地利用碳排放效应进行研究，主要对农地、林地、草地、湿地、聚居地和其他土地进行分析。其中土地利用碳排放主要涉及农地和聚居地2种土地利用类型，碳吸收则主要计算农地、林地、草地、湿地和其他土地5种土地利用类型。其中农地既是碳源也是碳汇。相关基础计算数据均来自于《法库县统计年鉴》和实际调研。

1）农地碳排放计算方法

农地上的农作物耕作过程是农地碳排放的主要来源，主要包括化肥施用、农业灌溉、农业机械使用、农药和农膜耗用所导致的碳排放。计算式如下：

式中E为农地碳排放系数，、、、、分别为化肥施用量、农药施用量、农作物种植面积、农业机械总动力和农膜使用量，、、、、为转换系数，、值来自美国橡树岭实验室（ORNL），分别为0.895 6 kg/kg，4.934 1 kg/kg，、值分别为16.47 kg/hm、0.18 kg/kW，值为5.18 kg/hm，来自南京农业大学农业资源与生态环境研究所（IREEA）。S值为农地总面积，hm。

2）聚居地碳排放计算方法

聚居地上发生的能源消耗行为是该类用地碳排放的主要来源，对其碳排放计算采用间接估算方式。本文根据法库县实际情况，选取2019年法库县煤炭、石油和天然气3类主要化石能源的总消费量进行估算。计算式如下：

式中E为聚居地碳排放系数，t/hm；E为研究区主要化石能源的总碳排放量，t；S为法库县聚居地总面积， hm；e为类化石能源消耗总量，t；θ为《中国能源统计年鉴》附录中3类化石能源转化为标准煤的系数；ɑ为有效氧化系数，为0.982；β为标准煤的含碳量，为0.732 57 t；g表示在获得相同热能下各类能源释放CO为煤释放CO量的倍数。

3）碳吸收计算方法

农地、林地、草地、湿地及其他土地碳吸收系数主要借鉴金涛等研究结果，具体见表3。

表3 法库县地均碳收支系数 Table 3 Carbon emission coefficient of per hectare in Faku County

2 结果与分析

2.1 CLUE-S模型模拟结果精度分析

由Auto-Logistic回归方程检验结果可知，法库县各地类分布概率模拟效果较好，农地、林地、草地、湿地、聚居地和其他土地的ROC值均大于0.7，满足模型的回归要求，所选因子可以用于研究区域土地利用变化模拟（表4）。以法库县2013年土地利用数据为基础，通过将限制区域、土地转移规则、土地利用需求、Auto-Logistic模型回归结果等相关数据输入CLUE-S模型，对法库县2019年土地利用布局进行模拟（图2）。通过式（3）计算得出Kappa系数，为0.989 6，大于0.8，模拟总体精度达到99.14%，说明模型模拟效果较好，可用于法库县未来土地利用布局的变化模拟。

表4 Auto-Logistic模型回归分析结果及β系数 Table 4 Auto-Logistic model regression analysis results and β coefficient

图2 2019年法库县土地利用现状与CLUE-S模型预测结果 Fig.2 Actual land use and CLUE-S model prediction results in Faku County in 2019

2.2 土地利用变化特征与情景模拟分析

根据法库县自然资源禀赋状况、经济社会发展需求以及相关发展战略，本文构建了基线情景、农业发展、建设发展、生态保护、土地利用结构优化5种情景方案，并对不同情景方案下各地类面积进行了相应的设定。具体分析如下：

1）基线情景

基线情景为模拟研究区各项发展政策不变的自然演变状态。在基线模拟情景下，法库县将继续保持2013－2019年的相关土地利用政策，土地需求按各地类2013－2019年的平均变化速度恒定变化。除聚居地保持增加态势外，其余各类用地均保持减少趋势。如表5所示，到2030年，法库县农地面积变为162 360.85 hm，较2019年减少0.53%，聚居地面积由2019年的20 102.53 hm增加至21 402.78 hm，较2019年增长了6.46%，林地、草地、湿地和其他土地面积也存在不同程度的减少，较2019相比分别减少了0.82%、1.92%、0.42%和4.26%。

2）农业发展情景

农业发展情景为模拟研究区以农业发展为主导的农业生产空间扩张的极限状态。在该情景下，法库县将保证农地的充足供应。在保证现有农地数量不下降的基础上，优先满足农业发展用地需求，持续推动农村建设用地、未利用地和生态用地向耕地转化：设定地方政府通过大力开展农村居民点复垦、未利用地开发和生态用地结构调整，将法库县新增耕地潜力全部释放，2030年将有20%的农村居民点用地、50%的未利用地、10%的生态用地转变为新增耕地，与此同时，为保障进城落户农村劳动力的用地需求，参考城乡建设用地增减挂钩政策下城乡建设用地的折抵比例，农村建设用地转为新增耕地面积的30%将分配为城镇新增建设用地指标。如表5所示，2030年法库县农地面积变为169 663.19 hm，较2019年增加3.93%，聚居地由2019年的20 102.53 hm减少至18 289.77 hm，较2019年减少9.01%。林地、草地和湿地面积分别变为28 343.26、5 572.68和6 021.63 hm，较2019年分别减少了8.65%、13.57%、12.69%。

3）建设发展情景

建设发展情景为模拟研究区以第二、第三产业为主导的建设发展空间扩张的极限状态。在该情景下，法库县将积极推动除永久基本农田外的一般农地、林地、草地和未利用地向建设用地转化，将农村居民点及城镇建成区扩张潜力全部释放，优先满足法库县经济发展用地需求，全力保障聚居建设用地供应：设定地方政府通过土地征收和土地转用，2030年将50%的一般农地、50%的未利用地、10%的生态用地转变为新增聚居地。2030年法库县聚居地面积由2019年的20 102.53 hm大幅度增加至42 475.60 hm，较2019年增长111.29%，年均增长率约为7%，这与辽宁省建设用地增长最快时期的年均增长速率相似；如表5所示，2030年，法库县农地面积变为145 477.36 hm，较2019年减少10.88%。与此同时，生态用地也出现一定程度减少，较2019年相比，林地面积减少8.65%、草地面积减少13.57%、湿地面积减少12.69%。

4）生态保护情景

生态保护情景为模拟研究区以城乡绿色发展为导向的生态空间扩张的极限状态。在该情景下，法库县将严格保护林地、草地和湿地等生态用地，大力开发潜在生态空间：设定地方政府通过推行退耕还林、还草、植树造林和建设用地整理等措施，将50%的一般农地、50%的未利用地和10%的聚居地转变为生态用地。如表5所示，2030年，法库县林地、草地和湿地面积分别为45 921.95、8 975.00、9 423.95 hm、较2019年分别增加47.99%、39.19%和36.63%，在2030年法库县生态用地约占研究区面积的28.20%。

5）土地利用结构优化情景

土地利用结构优化情景为模拟研究区以高质量发展为导向的生产、生活、生态空间合理配置的理想状态。相较于农业发展、建设发展和生态保护3种极限情景重点对于单一功能地类未来发展空间和规模的约束与控制，土地利用结构优化情景侧重于发挥土地的多功能属性，以生产、生活、生态空间协调配置为根本遵循，通过对不同地类的布局和规模进行合理配置，实现土地利用结构的整体优化。在空间布局层面，以建设用地集约利用、农地规模经营和生态用地集中连片为布局导向，严格划定永久基本农田、生态红线和城镇开发边界，合理划分生产功能区、生活功能区和生态功能区。在规模控制层面，进一步优化极限情景下的土地利用转移规则，实现多种地类的协同转换，在增强对农用地、生态用地保护的同时，最大限度地保证建设用地发展的需要。在具体地类的规模控制上，充分结合《法库县国民经济和社会发展第十四个五年规划》中制定的区域发展总体目标，对于农地，以保障粮食安全为目标，通过一定时期因地制宜的土地综合整治，将更多的农地划入高标准农田，使区域农地集中连片、农业基础设施更为配套，农业生产更为高效，法库县将当前80%的一般农地整理为高标准农田，将30%的未利用地整理为一般农地；对于建成区，以推动建设用地高效利用为目标，严格控制地区建设用地增量，盘活用地存量，合理引导建成区增强土地利用强度，法库县将2.5%的一般农地的和5%未利用地开发为建设用地；对于生态用地，以维护生态安全为目标，严格控制对原有基础性生态用地的开发利用，充分发挥一般农地的生态涵养作用，进一步提升区域整体生态能力，因地制宜构建区域生态保护屏障，法库将17.5%的一般农地和15%的未利用地调整为生态用地。如表5所示，2030年，法库县农地面积为156 238.71 hm，较2019年减少4.28%，聚居地面积由2019年的20 102.53 hm增加至21 008.04 hm，较2019年增长4.50%，林地、草地、湿地面积分别为36 057.65、7 068.59、7 517.54 hm，较2019年相比分别增长了16.20%、9.62%、8.99%。

根据上述5种情景方案测算的法库县2030年各地类面积（表5），以2013年土地利用数据为模拟起始年份，利用不同情景下的土地利用转移弹性系数和土地利用转移矩阵，运用CLUE-S模型模拟未来2030年法库县土地利用空间布局。最终生成5种情景下土地利用类型图（图3）。

表5 不同情景下土地利用类型面积 Table 5 The area of each land-use type in different scenarios hm2

图3 2030年法库县模拟情景土地利用布局 Fig.3 The simulated scenario land use layout of Faku County in 2030

1）在基线情景下（图3a），法库县只有聚居地呈现出扩张趋势，其余用地类型都呈现出不同程度的减少现象，对地区粮食安全和生态安全产生威胁。该情景下，位于法库县东北部吉祥街道的城镇建设用地和北部的四家子蒙古族乡的聚居地出现不同程度的增长态势，不仅挤占了农业生产空间，还对灵山湖风景区和北部的巴尔虎山自然公园等生态屏障造成了一定的破坏。

2）在农业发展情景下（图3b），法库县农地稳定性较好，农业用地面积极速扩张，粮食安全得到保障。该情景下，尽管法库县中西部地区农地集中连片分布，但在土地资源和水资源双重资源需求压力的影响下，导致法库县中西部地区大量林地、草地面积缩减的同时，还出现了较大面积的湿地消失现象，由此可见农业发展情景对于法库县生态和水资源安全造成较大压力。

3）在建设发展情景下（图3c），建设用地急剧增长，大量农地、林地、草地和湿地受到经济发展需求影响转入为建设用地。在此情景下，法库县中东部地区以及城镇核心区建设用地面积大幅增加，农村居民点面积快速扩张，导致农地和生态用地破碎度进一步提升，地区经济发展用地需求虽然得到保障，但粮食安全和生态安全受到严重威胁。

4）在生态保护情景下（图3d），法库县生态用地面积显著扩张，区域内农地和聚居地都出现一定程度上的收缩。大规模退耕还林、还草进一步完善了地区生态保护屏障的构建，提升了区域生态保护功能。该情景下法库县的粮食生产能力将会受到一定程度的影响，地区经济发展能力也受到了制约。

5）在土地利用结构优化情景下（图3e），法库县土地利用布局得到优化调整。2030年法库县除农地和未利用地面积减少外，其余各类用地面积都有所增加：农地面积虽有所缩减，但通过实施土地整治可以有效增加高标准农田面积，提升耕地生产能力；聚居地新增指标总量增幅较小，重点满足城镇核心区需求，保障区域经济高质量发展；区域生态用地得到有效保障，整体生态功能得到提升。总体来看，该情景实现了法库县“三生空间”融合协调发展，促进了区域资源要素合理配置，是法库县2030年较为理想的土地利用布局。

2.3 碳排放变化分析

根据上述CLUE-S模拟结果，结合碳排放系数法，核算出法库县2030年不同模拟情景下区域碳排放量（表6）。

表6 2013—2030年法库县不同情景下碳排放量 Table 6 Carbon emissions under different scenarios in Faku County during 2013-2030 103 t

由表6可知，2019年法库县碳排放量为-1.55×10t，较2013年的-1.64×10t增长5.53%。由此可见，2013至2019年法库县的碳排放量虽有所增加，但研究区仍为碳汇地区。2030年法库县在基线情景、农业发展、建设发展、生态保护、土地利用结构优化5种模拟情景下碳排放 量 分 别 为-1.33×10t、-1.72×10t、1.21×10t、-2.18×10t、-1.58×10t，与2019年相比，分别增幅为14.02%、-11.33%、178.44%、-40.87%、2.29%。5种模拟情景中，建设发展情景的碳排放量最高，生态保护情景的碳排放量最低。除建设发展情景外，基线情景、农业发展、生态保护和土地利用结构优化模拟情景下的法库县仍然为碳汇地区。各模拟情景同2019年相比，除生态保护和农业发展情景外，基线情景、建设发展和土地利用结构优化情景下法库县碳排放量均呈现出上升趋势，而呈现出上升趋势的3种情景中，土地利用结构优化情景碳排放增幅最小。在土地利用结构优化情景下，法库县碳排放量虽有所增加，但仍然保持了法库县作为碳汇地区的特点。

通过对法库县5种土地利用模拟情景下土地利用状况和碳排放量综合对比（图4）：对地区碳排放影响最强的用地类型为聚居地，在建设发展情景下，聚居地面积较其余4种情景增幅较大，碳排放量急剧增长，法库县也由碳汇地区转变为碳源地区，生态资源优势不复存在。在生态保护情景下，较高的生态用地比例可以使碳排放水平达到最低，但建设用地规模大量缩减必会抑制地区经济增长。总体上看，土地利用结构优化情景为法库县中长期发展阶段较为适宜的土地利用模式。既提供了促进经济增长的城镇建设用地指标，又保障了农业生产空间和生态空间，维持了法库县土地利用重要碳汇功能。

图4 法库县土地利用模拟情景和碳排放量对比 Fig.4 Comparison of land use simulation scenario and carbon emission in Faku county

3 结论与讨论

3.1 结 论

本文以法库县2013年、2019年的土地利用现状数据为基础，运用CLUE-S模型对法库县2019年的土地利用变化格局进行模拟与验证，分别基于基线情景、农业发展、建设发展、生态保护、土地利用结构优化5种模拟情景对法库县2030年的土地利用布局进行模拟并对其碳排放水平进行核算，得出结论如下：

1）CLUE-S模型对于法库县土地利用布局变化有着较好的模拟能力，Kappa系数为0.989 6，模拟总体精度达到99.14%，模型及本文相关参数设置适用于法库县未来土地利用布局预测。

2）在5种模拟情景中，土地利用结构优化情景下2030年法库县土地资源利用效果最优，是法库县中长期发展阶段较为适宜的土地利用模式。其余4种模拟情景下土地利用都存在一定发展隐患：在基线情景下，法库县土地利用结构恶化程度不断加深，部分区域生态和粮食安全受到威胁；农业发展情景虽然极大程度维护了法库县的粮食安全，但地区生态资源和水资源遭到严重破坏；在建设发展情景下，法库县经济发展用地虽然得到充足保障，但地区粮食安全和生态安全面临严重挑战；在生态保护情景下，地区生态环境虽得到极大程度的保护，但严重制约地区经济发展，且粮食安全面临一定风险。

3）2013－2019年法库县碳排放量增长5.53%。在2030年法库县5种模拟情景中，建设发展情景的碳排放量最多，为121.79×10t，生态保护情景的碳排放量最少，为-218.71×10t。除生态保护和农业发展情景外，其余情景下法库县碳排放均呈现上升趋势，其中土地利用结构优化情景增幅最小，为2.29%。

3.2 讨 论

通过开展县域尺度的土地利用情景模拟和碳排放效应的比较分析，对未来县域土地利用和碳汇目标的实现提供了科学的决策依据。研究所用CLUE-S模型在二元Logistic回归模型基础上引入空间权重因子形成Auto-Logistic回归模型对土地利用变化驱动力系数进行计算，使得模拟结果更精确地反映了未来地区土地利用格局，有效地增强了模拟结果的精确程度，为碳排放效应计算与分析提供了更为完善的方法体系。

本文采用Auto-Logistic回归模型对区域土地利用变化的驱动因子进行分析，使CLUE-S模型预测模拟结果更为精确，表明Auto-Logistic回归模型能够极大程度提升CLUE-S模型的模拟精度。通过对接IPCC相关指南中土地利用分类体系，对研究区土地利用变更调查成果矢量数据进行科学分类汇总，数据源更为全面精确，该研究结果具有较强的实用性，对县域土地利用布局与管理及碳减排政策制订具有较强的指导意义。

由于受到政策变动和社会经济发展等因素影响，地区土地利用和碳排放效率在未来阶段可能存在较大变化，预测结果会与现实状况存在一定误差。今后研究中应将更多的社会经济及政策影响力等驱动因子纳入到土地利用变化驱动因子体系中，使研究结果更为精确，让其在低碳国土空间优化布局中更具应用价值。同时在有关碳排放量的计算中仍然需要考虑不同土地利用类型转化过程中的碳源碳汇功能差异，实现对不同土地利用类型研究数据的精细化。