基于格网和PLUS 模型的大西安地区碳排放量估算与模拟*

高宇,刘欢**,鲍立佳,石琳,吴江

(1.陕西地建土地勘测规划设计院有限责任公司 西安 710082;2.咸阳师范学院地理与环境学院 咸阳 712099)

温室气体引起的全球气候变暖是全世界共同面临的一项严峻挑战。化石燃料和土地利用变化被认为是CO2排放的两大主要源头[1]。Corinne 等[2]研究表明,在2008-2017 年间,全球化石燃烧引起的CO2年均排放量达(9.4±0.5) t(C)∙a-1,土地利用变化导致的CO2年均排放量为(1.5±0.7) t(C)∙a-1,且由土地利用变化引起的CO2排放量将持续增长。为了改善CO2等温室气体带来的气候变暖问题,2015 年《巴黎协定》提出,全球将尽快实现温室气体排放达峰,在21 世纪下半叶实现温室气体净零排放[3]。自改革开放以来,我国土地利用变化剧烈,建设用地扩张迅速,使得我国碳排放量不断增长[4]。目前,中国已经成为全球碳排量最大的国家[5]。为了实现《巴黎协定》的目标,2020 年9 月,我国向国际社会做出了庄严承诺-中国将力争于2030 年前达到碳达峰,2060 年前实现碳中和(简称“双碳”)[6]。为了实现“双碳”目标,我国的“十四五”规划中将“降碳”作为生态文明建设的重点战略方向[7],因此,精确测算区域土地利用变化引起的碳排量,对响应国家政策、早日实现“双碳”目标具有重要意义。

自1980 年开始,国内外学者就土地利用变化引起的碳排放效应进行了大量的实证研究。例如,Lin等[8]计算了2006-2016 年中国30 个省份的土地利用碳排放强度和人均土地利用碳排放量;王艳军等[9]利用夜间灯光影像与土地利用数据,测算了珠三角城市群2000-2013 年碳排放的时空差异性;Ali 等[10]研究了泰国曼谷都会区土地利用变化与碳排放和碳汇之间的关系;Wu 等[11]利用IPCC 提出的排放因子法估算了1991-2020 年中国淮南市土地利用的碳源和碳汇;王丹等[12]基于双变量空间自相关分析方法揭示了南四湖流域土地利用变化引起的碳排放量与生态系统服务价值的时空关系。虽然土地利用变化引起的碳排放效应研究成果众多,但有关大西安地区土地利用变化及其碳排放效应的研究中,多基于县域等行政单元进行测算,缺乏基于栅格尺度的研究。基于栅格尺度的研究通常能突破行政单元的限制,更好地贴合地理对象的自然特征。此外,人们多关注土地利用以及碳排放量的时空演变特征[13-14],较少有针对该区域未来土地利用碳排放模式进行模拟与预测的研究。

大西安(西安市-西咸新区)是“一带一路”的核心区,也是亚欧大陆桥经济带的心脏,摸清该区域土地利用变化碳排量的时空演变特征对推进其高质量发展具有重要意义。基于以上研究现状,本研究利用长时序的土地利用数据,分析大西安地区1990-2020 年的土地利用变化特征,利用排放因子法核算大西安地区碳排放量的时空变化模式,基于栅格尺度评估大西安地区碳排放强度,最后利用PLUS(patch-generating land use simulation)模型模拟大西安地区2025 年和2030 年的土地利用格局和碳排放空间模式。该研究可为大西安地区落实贯彻“双碳”目标提供支持。

1 材料与方法

1.1 研究区概况

2017 年,陕西省政府将西咸新区划归为西安市管理,以形成大西安经济区。旨在提升城市聚集力、辐射力、竞争力和影响力,促进国际化大都市的建成。大西安南依秦岭,北接渭河平原,地理范围在107°40′～109°49′E,33°42′～34°45′N 之间(图1),规划面积达10 745 km2;该区域海拔差异明显,地势南高北低,海拔227～3744 m。位于暖温带半湿润大陆性季风气候区,四季分明,年均气温13.0～13.7 ℃,年均降水522.4～719.5 mm。2020 年,该区域人口为1315.41 万人,GDP 总量达10 314.58 亿元,分别占陕西省人口和经济总量的33.26%和39.40%。

图1 研究区位置图Fig.1 Location of study area

1.2 数据来源及处理

1.2.1 土地利用数据

土地利用数据来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn/)提供的中国多时期土地利用遥感监测数据集(CNLUCC),该数据集基于Landsat 系列影像,通过人工目视解译得到,空间分辨率为30 m,时间跨度为1980-2020 年,总体精度达90%以上[15]。

1.2.2 社会经济数据

社会经济数据包括陕西省能源消耗数据、人口数据与大西安人口数据,数据来源自陕西省统计年鉴、西安统计年鉴和咸阳统计年鉴。由于数据获取的限制,本文中大西安地区1990-2020 年的能源消耗数据基于大西安地区各区县人口总数与陕西省总人口的比重推算。

1.2.3 土地利用模拟驱动因子数据

本文所使用土地利用模拟的驱动因子数据包括高程、坡度、年均温度、年降水量、人口密度、地均GDP、距水系的距离以及距主要道路的距离(图2)。其中高程和坡度提取自数字高程模型(DEM)数据,该数据空间分辨率为30 m,下载自地理空间数据云(http://www.gscloud.cn/);年均温度和年降水量数据(2015 年)提取自彭守璋老师团队发布的1 km 逐月平均气温数据集和降水量数据集[16],来源于国家科技基础条件平台-国家地球系统科学数据中心(http://www.geodata.cn/);地均GDP 和人口密度数据(2015 年)分别提取自中国GDP 空间分布公里网格数据集[17]和中国人口空间分布公里网格数据集[18],均下载自中国科学院资源环境科学与数据中心(https://www.resdc.cn/);水系和道路数据源自全国地理信息资源目录服务系统提供的1∶100 万全国地理信息基础数据(https://www.webmap.cn/),通过欧式距离工具将其生成距离栅格图。

图2 土地利用变化模拟驱动因子Fig.2 Driving factors of land use change simulation

通过ArcGIS 10.2 平台,对上述数据按研究区范围进行掩膜提取,并设置投影为WGS_1984_UTM_Zone_49N。

1.3 研究方法

1.3.1 土地利用碳排放量估算

1)直接碳排放量估算

不同土地利用类型对碳循环的作用不同。大量研究表明[19-21],森林、草地、水域和未利用地具有明显的碳吸收能力,而耕地和建设用地则有明显的碳排放能力。由于耕地、林地、草地、水域和未利用地等地类的变化直接影响区域碳排放量,因此基于碳排放系数法估算以上地类的碳排放量,具体公式如下:

式中:CA表示研究区直接碳排放量;Ai表示地类i的面积;αi表示地类i的碳排放系数;n表示土地利用类型的种类,包括耕地、林地、草地、水域和未利用地。根据前人研究成果及研究区实际情况,耕地[22]、林地[23]、草地[24]、水域[4]和未利用地[25]的碳排放系数分别为0.422 t(C)∙hm-2∙a-1、-0.644 t(C)∙hm-2∙a-1、-0.021 t(C)∙hm-2∙a-1、-0.253 t(C)∙hm-2∙a-1和-0.005 t(C)∙hm-2∙a-1,其中负值表示碳吸收。

2)间接碳排放量估算

由于建设用地利用方式复杂多样,适用于陆地生态系统的碳排放系数法难以确定其碳排放系数[23]。建设用地碳排放估算通常基于生产生活中使用的化石能源消耗量及其碳排放系数间接得到。根据大西安地区能源消耗数据的获取性,选取煤品、油品、天然气和电力来估算建设用地碳排量,具体计算公式如下:

式中:CB代表建设用地的碳排放量;mj表示化石能源j的消耗量;βj表示化石能源j的折算标准煤系数;γj表示化石能源j的碳排放系数;n表示能源消耗的种类,包括原煤、原油和天然气。其中,标准煤系数和碳排放系数分别取自《中国能源统计年鉴》和联合国政府间气候变化专门委员会(IPCC)碳排放计算表。由于研究区煤品和油品能源消耗数据没有精确到具体的能源种类,因此取原煤和原油的值为其折算标准煤系数和碳排放系数,具体见表1。

表1 大西安地区能源排放系数Table 1 Energy emission coefficient in Great Xi’an

3)区域碳排放量计算

直接碳排放估算结果与间接碳排放估算结果相加即可得到区域整体的碳排量。

1.3.2 基于网格的碳排放强度估算

利用ArcMap 渔网工具生成研究区1 km×1 km渔网格,共11 215 个。碳排放强度由直接和间接碳排放量强度组成,直接碳排放量强度计算方式见公式(3),间接碳排放量强度等于某一区县内建设用地碳排放量除以该区县的面积。

式中:CRI为直接碳排放强度,Si为格网内第i类土地利用类型的面积,αi为第i类土地利用类型的碳排放系数,S为格网的总面积,其中i包含耕地、林地、草地、水域和未利用地。

1.3.3 PLUS 模型

PLUS 模型是Liang 等[26]最新提出的可以更好地模拟多类土地利用类型斑块级别变化的土地利用模拟模型,它由一种新的用地扩张分析策略(LEAS)和基于多类型随机斑块种子(CARS)的元胞自动机(CA)模型两大部分组成。目前,已有多名学者[27-28]应用该模型模拟了不同地区的土地利用格局,并取得良好的模拟效果。

本文首先根据2010 年和2015 年两期土地利用数据通过Markov 链预测出2020 年大西安地区不同土地利用类型的数量;利用PLUS 模型提取2010-2015 年土地利用扩张数据;根据高程、坡度等土地利用变化驱动因子和土地利用扩张数据,利用随机森林模型计算出各类土地利用类型的适宜性概率;最后基于Markov 链得到的2020 年各种土地利用类型的数量和设置好的领域权重和转换规则,利用CARS 的CA 模型获取2020 年大西安地区土地利用模拟结果。参考前人研究[29-30],经过多次试验,耕地、林地、草地、水域、建设用地和未利用地的邻域权重分别设置为0.4、0.1、0.1、0.1、0.3 和0.1,不同地类之间的转移规则如表2 所示。

表2 不同地类之间的转移规则Table 2 Transfer rules between different land types

2 结果与分析

2.1 大西安地区土地利用时空演变分析

1990-2020 年,耕地和林地一直是大西安地区主要的土地利用类型,两者面积比例占研究区总面积的60%以上,而未利用地占地面积最小(<1%)(表3)。近30 年来,大西安耕地面积不断减少,其年均减少约21.86 km2;林地面积在3017.92～3066.21 km2浮动,总体呈现波动减少的态势;草地面积总体表现为波动减少,其年均缩减量为1.69 km2;水域面积变化波动较大,呈现出“减少-增加-减少-增加-减少”的规律,其面积总体减少2.38 km2;建设用地持续扩张,年均扩张面积约23.88 km2;未利用地前期(1990-2005 年)面积稳定不变,后期(2005-2020 年)其面积波动上升,增长面积约为1.15 km2。

表3 1990——2020 年大西安不同土地利用类型面积及其比例Table 3 Areas and proportions of different land use types in Great Xi’an from 1990 to 2020

1990-2020 年,大西安地区土地利用类型的空间分布格局变化不大(图3)。其中,耕地和水域主要分布在大西安地区北部;林地主要分布在大西安地区南部,包括周至县中部至南部、鄠邑区南部、长安区西南部以及蓝田县东部;草地集中分布在长安区东南部和蓝田县西北部;建设用地集中分布在大西安地区中部,包括雁塔区、莲湖区、未央区和灞桥区;未利用地零散分布在草地周围。

图3 1990——2020 年大西安地区土地利用空间分布格局Fig.3 Spatial distribution pattern of land use in Great Xi’an from 1990 to 2020

2.2 大西安地区各区县碳排放量时空演变分析

1990-2020 年,大西安地区碳排量由280.00×104t(C)·a-1增长至2342.27×104t(C)·a-1,其年均增长量约为68.74×104t(C),不同区县之间排放量差异巨大(表4)。1990-2005 年,长安区碳排放量最大,其平均碳排放量占全域总排放量的10%以上。这是由于该时段,长安区能源消耗量最高,其年均原油、原煤和天然气消耗量分别为35 716.40×104t·a-1、176 891.71×104t·a-1和5303.45×104t·a-1,高能源消耗导致该区域碳排量最高。2010-2020 年,雁塔区成为碳排放量最大的区,其碳排放量占全域总排放量的11%以上。一方面,雁塔区靠近西安市中心3 城区(新城区、莲湖区和碑林区)。当中心3 城区国土资源难以满足日益增多的人口需求时,大量人口向雁塔区聚集。另一方面,雁塔区是西安市重要的高教和商业中心,因此也吸引了大量人口流入。人口的迅速增长导致该区域对能源的需求量和消耗量增大,从而导致其碳排放量最高。1990 年、2005 年、2010 年和2015 年,阎良区是所有区县中碳排放量最低的区,而在2000年和2020 年碳排放量最低的区县分别是高陵区和泾阳县,因为上述3 个区域位于大西安地区的郊区,为了谋生,大量人口向市中心流入,导致该区域人口减少,化石能源消耗量不高,碳排量较低。

1990-2020 年,新城区、碑林区、莲湖区、灞桥区、未央区、雁塔区、阎良区、临潼区、长安区、高陵区和鄠邑区的碳排量表现为持续增长,其年均增长分别为3.14×104t(C)、3.91×104t(C)、5.42×104t(C)、5.57×104t(C)、8.84×104t(C)、11.72×104t(C)、1.55×104t(C)、3.28×104t(C)、8.39×104t(C)、2.36×104t(C)和2.78×104t(C)。因为在该时段内,上述区域人口均不断增加,导致其能源消耗量增加、碳排量增长。秦都区、渭城区、泾阳县、兴平市、蓝田县和周至县的碳排量则呈现出先增后降的趋势。1990-2015 年,上述区县碳排放量年均增加量分别为3.06×104t(C)、2.61×104t(C)、2.76×104t(C)、3.06×104t(C)、2.76×104t(C)和3.16×104t(C);相较于2015 年,2020 年碳排放量分别减少1.03×104t(C)、22.39×104t(C)、42.55×104t(C)、12.31×104t(C)、2.74×104t(C)和0.63×104t(C)。一方面,由于上述区域距离西安市中心较远,2015-2020 年,随着高铁等交通工具的开通,西安市中心对该区域的吸附力增强,造成大量人口流出;另一方面,由于居民生育观念发生了明显改变,使得新出生的人口减少。人口的减少使得上述区域的能源消耗量减少,碳排放量出现先增后降的趋势。

基于各区县的碳排放量结果,运用自然断点法将大西安地区碳排放量结果划分为低排放、较低排放、中等排放、较高排放和高排放5 个等级(表5)。1990-2020 年,大西安地区碳排放量空间分布格局总体呈现“南高北低”的规律(图4),这是因为南部地区人口多于北部地区,化石能源消耗量高于北部地区。1990 年,大西安地区完全处于低排放区;2000 年长安区成为了较低排放区,但其他区县依旧属于低排放区;2005 年,大西安地区以碳较低排放区为主,其面积占比约为70.17%;2010 年大西安地区以较高排放区为主,其面积占比约为47.40%;2015-2020年大西安地区则以高排放区为主,其面积占比分别为95.06%和93.53%。

表5 碳排放量等级分区划分范围Table 5 Classification standard of carbon emission levels ×104 t(C)

图4 1990——2020 年大西安地区碳排放量等级分区空间分布Fig.4 Spatial distribution of carbon emission grades in Great Xi’an from 1990 to 2020

2.3 基于格网的大西安地区碳排放强度时空演变分析

基于网格计算大西安地区的碳排放强度,运用自然断点法将其划分为低强度、较低强度、中等强度、较高强度和高强度5 个等级,具体见表6。1990-2020 年间,大西安地区碳排放强度时空分异明显(图5)。时间上,碳排放强度最大值由1990 年的7461.94 t(C)∙km-2∙a-1增加至2020 年的45 400.90 t(C)∙km-2∙a-1,增长了5.08 倍。空间上,该地区碳排放强度始终呈现出“北高南低”的分布模式。这是因为,虽然大西安地区南部的人口众多、化石能源消耗量大、碳排量总量高,但南部地区各县区的占地面积远大于北部,从而使得其碳排放强度低于北部。碑林区的碳排放强度一直属于高强度;莲湖区、新城区和兴平市的碳排放强度则由中等强度区间变化至高强度区间;长安区碳强度则由低强度不断增长至中等强度。总体来说,大西安地区碳排放强度高的地区主要集中在人类活动比较频繁的中心城区。

表6 碳排放强度等级分区划分范围Table 6 Classification standard of carbon emission intensity levels t(C)∙km-2∙a-1

图5 1990——2020 年大西安地区碳排放强度等级空间分布Fig.5 Spatial distribution of carbon emission intensity grades in Great Xi’an from 1990 to 2020

2.4 基于PLUS 模型的大西安地区碳排放模拟

本文利用大西安地区2010 年和2015 年的土地利用数据模拟得到2020 年的土地利用数据,并使用2020 年土地利用数据统计值与该模拟值进行比较,结果表明两者在数量上和空间上的一致性都较强(图6)。对其空间一致性进一步验证的结果表明,其Kappa系数为0.8869,总体精度为91.75%,即模拟效果较好。因此,可利用2015 年和2020 年土地利用数据来模拟

大西安地区2025 年和2030 年的土地利用状况。

2025 年和2030 年,大西安地区土地利用的空间分布模式没有发生显著变化,耕地和林地依旧是主要的土地利用类型(图7),这两种土地利用类型的面积之和占比分别为63.53%和62.45%。2020-2030年,大西安地区的耕地、林地、水域和未利用地的面积在不断减少,其减少面积分别为182.79 km2、68.07 km2、16.80km2和0.40 km2;由于城市发展,草地和建设用地面积快速扩张,扩张面积分别为131.28 km2和136.77 km2。

图7 2025 年和2030 年大西安地区土地利用类型(a、b、e)、碳排放(c、d、f)模拟Fig.7 Simulation of land use types (a,b,e) and carbon emissions (c,d,f) in Great Xi’an in 2025 and 2030

2020-2030 年,除泾阳县外,大西安地区各区县碳排放量都在不断增长(图7)。2025 年和2030 年,大西安地区碳排放量相较2020 年分别增加了1294.02×104t(C)和2958.69×104t(C)。在所有区县中,雁塔区碳排量最高,2025 年和2030 年其碳排放高达601.94×104t(C)和956.75×104t(C),比2020 年分别增长236.50×104t(C)和591.30×104t(C);泾阳县碳排放量最低,且呈现出波动减少的趋势。2025 年和2030年,大西安地区碳排放强度呈现出“东高西低”的分布格局,碳排放强度等级以较高强度和高强度等级为主,与2020 年相比,碳排放强度等级为高强度的区域由莲湖区等中心不断向外扩张。

3 讨论与结论

3.1 讨论

土地利用变化是影响碳排放量的重要原因,土地利用过程的复杂性导致其碳排放和变化规律具有很大不确定性。因此,研究区域土地利用所产生的碳排放量及其变化,不仅对“双碳”目标的实现具有重大现实意义,而且对理解全球碳循环也具有重大现实意义。本研究通过中国科学院提供的分辨率为30 m的中国多时期土地利用遥感监测数据集(CNLUCC)和排放因子法,从行政区和栅格两种尺度分别计算了大西安地区1990-2020 年的碳排放量和碳排放强度。从数据源上看,本研究使用的土地利用数据精度达90%以上[15],从数据阶段就极大地保证了研究结果的可信度;从研究方法上看,排放因子法在相关研究中被广泛使用[31-32],其计算方式简单成熟,研究结果具有较强的可靠性。

本研究结果与马磊[33]、刘欢[34]、任志杰[35]、康铭敏[36]和黄仁全等[37]的研究结果相一致,但本研究更好地刻画了大西安地区碳排放量和碳排放强度的空间格局特征,并实现了该区域2025 年和2030 年碳排放空间模式的模拟。虽然本研究较好地测算了大西安地区的碳排放量,但是不同地类的碳排放系数主要参考临近区域的研究来制定。未来研究中可根据研究区的实际情况,制定更准确的碳排放系数,以更精确地估算区域碳排放量。

3.2 结论

本研究基于大西安1990-2020 年土地利用数据分析了其时空演变特征,并基于排放因子法,从行政单元尺度估算了大西安地区不同区县碳排放量的时空特征,从栅格尺度估算了大西安地区碳排放强度的演变规律,最后基于PLUS 模型模拟了大西安地区2025 年土地利用空间分布格局和碳排放。主要结论如下:

1) 1990-2020 年,耕地和林地一直是大西安地区主要的土地利用类型,两者面积占研究区总面积的60%以上,二者的分布分别以大西安地区北部和南部为主。耕地面积持续减少,其年均减少量为21.86 km2;林地、草地和水域面积波动减少,建设用地持续扩张,年均扩张面积23.88 km2,未利用地波动上升。

2) 1990-2020 年,大西安地区碳排放量由280.00×104t(C)∙a-1增长至2342.27×104t(C)∙a-1,年均增长68.74×104t(C);空间分布格局总体呈现“南高北低”的规律。新城区、碑林区、莲湖区、灞桥区、未央区、雁塔区、阎良区、临潼区、长安区、高陵区和鄠邑区的碳排放量表现为持续增长。秦都区、渭城区、泾阳县、兴平市、蓝田县和周至县的碳排放量则呈现出先增后降的趋势。

3) 1990-2020 年,大西安地区碳排放强度最大值由7461.94 t(C)∙km-2∙a-1增加至45 400.90 t(C)∙km-2∙a-1,增长了5.08 倍。空间上,该地区碳排放强度始终呈现出“北高南低”的分布模式。莲湖区、新城区以及碑林区等区域人类活动频繁,因此其碳排放强度远高于其他地区。

4) 2025 年和2030 年,大西安地区土地利用空间分布模式没有发生明显变化,耕地和林地依旧是主要的土地利用类型,但耕地、林地、水域和未利用地面积减少,草地和建设用地面积增加。相较2020 年,2025 年和2030 年大西安地区碳排放量分别增加了1294.02×104t(C)和2958.69×104t(C),其碳排放强度呈现出“东高西低”的规律,且碳排放强度等级以较高强度和高强度等级为主。