塔里木河流域生态系统碳储量的情景预测分析

付 玮， 夏文浩， 樊童生， 邹 贞， 霍 瑜

（1.塔里木大学经济与管理学院，新疆 阿拉尔 843300；2.南宁师范大学自然资源与测绘学院，广西 南宁 530001）

全球气候变暖已危害到生态系统的稳定［1］和人类的可持续发展［2］，陆地生态系统是碳储量不可或缺的部分，其对平衡碳排放和碳吸收有着重要作用［3］。陆地生态系统的碳储量是由地上、地下、土壤和死亡有机物4种碳密度组成。土地利用的固碳能力根据其类型的不同存在一定的差异性，土地利用的变化将直接影响到陆地生态系统碳储量［4-5］。近年来，由于人类活动、自然气候等因素导致土地利用发生改变，而土地利用的变化会影响碳储量其及循环，从而改变研究区固碳能力影响碳存储［6-7］。因此，把握土地利用与碳储量时空格局演化的客观规律，模拟预测土地利用变化和碳储量对区域的可持续发展维持碳平衡有着重要意义。

关于土地利用研究的探索多集中于土地利用预测、碳储量评估、生态系统服务价值评估等视角，常用的预测模型有马尔科夫模型［8］、元胞自动机［9］、FLUS模型［10］、SD模型［11］、CLUE-S模型［12］等，但这些模型不能有效挖掘土地利用变化的特征、碳储量的空间变化格局以及土地利用变化和碳储量变化之间的关系。而PLUS模型相较于其他模型具备精度高、适应性强和处理数据速度快等优点，且已有研究经对比PLUS、FLUS、CLUE-S 模型模拟黑河流域土地利用效果发现PLUS模型拟合效果最好［13］。牛统莉等［14］利用PLUS模型对长江流域土地利用的时空格局进行剖析，并模拟3 种情景下长江流域的土地利用变化。谢向东等［15］运用PLUS模型模拟分析重庆市南川区土地利用分布及2030 年多情景下的差异。

此外，对陆地碳储量的估算多采用实地调查法和FORCCHN 等模型模拟［16］，但这些估算方法存在数据采取复杂，适应力差等局限，而InVEST 模型在数据参数较少的情况下能够精确的估算研究区碳储量，因而被广泛利用。很多学者采用InVEST模型计算区域碳储量情况，如许源溪等［17］通过InVEST模型计算宜宾市碳储存量，李月等［18］利用InVEST模型测算黔中典型喀斯特地区的陆地生态系统碳储量和其空间分布。部分学者通过采用PLUS模型和In-VEST 模型相结合估算和预测研究区的土地利用和碳储量的分布格局，杨潋威等［19］采用PLUS和InVEST模型预测西安市未来不同情景下土地利用和碳储量的时空特征；李俊等［16］、孙方虎等［3］、张鹏等［20］、孙欣欣等［5］、林彤等［21］，分别通过2个模型结合对昆明市、安徽省、邯郸市、南京市、鄱阳湖流域、广东省的土地利用和碳储量分布格局作了估算和预测。

目前关于塔里木河流域土地利用和碳储量的研究相对集中在土地利用时空演变［22-25］和碳储量动态评估［26-28］2个视角，而土地利用变化对碳储量的影响以及对研究区未来碳储量情景预测的研究相对较少。塔里木河流域地处新疆南部，位处塔克拉玛干沙漠腹地，当地水利工程建设相对滞后，生物多样性遭到破坏，土地沙漠化严重。因此，对该区域生态治理至关重要，相关生态保护政策和未来土地规划都需明确路径。

为此，本文以塔里木河流域为研究区，耦合PLUS 模型和InVEST 模型，采用1980—2020 年土地利用数据与驱动因素数据，分析和评估40 a土地利用和碳储量的时空格局特征，同时借助多情景模拟预测2030 年不同情景下塔里木河流域的未来土地利用和碳储量分布格局特征。通过对塔里木河流域土地利用和碳储量的模拟，为塔里木河流域生态环境保护及碳储量研究和实现“双碳”目标提供一定的科学依据。

1 研究区概况

塔里木河流域（75°06′～92°50′E，36°30′～42°10′N，图1）位于新疆南部，全长2179 km，是世界上最大内陆河流域。其是塔里木河干流和其分支河流汇合而成，主要补水源为冰川融水，面积约为10.5×105km2。流域间高山平原相间，沙漠处研究区中腹，其面积占37.04×104km2。塔里木河流域位处欧亚大陆腹地，远离海洋，四面环山，昼夜温差大，夏季平均气温在20～30 ℃，冬季平均气温在-10～-20 ℃，降水稀少，蒸发强烈，是典型的干旱大陆气候，属于干旱暖温带。其中研究区土地利用类型多以未利用地和草地为主［26］。

2 数据与方法

2.1 数据来源与处理

本文用于模拟未来土地利用的数据包括：自然条件、社会经济和交通区位（表1）。其中土地利用碳密度数据如表2。综合考虑模型的适用性及其精度，结合自然条件、社会经济和交通区位，将土地利用变化引入14 个驱动因子，并采用PLUS 模型中随机森林法来处理驱动因子间的空间自相关和多重共线性［27］。对所用到的碳库数据与研究区相关的基InVEST模型的碳储量采用的碳库数据进行对比，筛除异常值并进行分析，最终得到碳库数据［21,28］。

表1 数据及来源Tab.1 Data and sources

表2 土地利用碳密度Tab.2 Carbon density of land use/t·hm-2

2.2 研究方法

2.2.1 InVEST模型 InVEST 模型用于模拟不同土地覆被情景下将生态服务功能量和经济价值空间化和可视化［29-30］，本文采用陆地生态系统中碳储存模块，该模块的区域总碳储量主要由4 个碳库分别乘以各类土地利用面积后求和，其计算公式如下：

式中：Ci为i类土地类型所含碳密度；Cabove、Cbelow、Csoil和Cdead分别为地上、地下、土壤和死亡有机物碳密度；Cit为区域总碳储量；Si为i类土地利用类型的面积。本文结合前人研究［31-33］中修正的碳密度数据，并对其进行对比修正筛除异常值，最终得到塔里木河流域各土地类型的碳密度表（表2）。

对地上、地下和土壤碳储量的修正公式如下：

式中：PMA和TMA分别为平均降水量和平均气温；CBP、CSP和CBT分别为平均降水量修正后得到的地上、土壤碳储量和平均气温修正的生物碳储量；KBP、KSP和KBT分别为地上碳储量降雨因子修正系数、土壤碳储量降雨因子修正系数和土壤碳储量温度因子修正系数；C1和C2是根据全国和研究区的降水量与平均气温计算得到的数据。

2.2.2 PLUS 模型PLUS 模型是基于现有土地类型，以栅格数据为基础对斑块级土地利用变化进行预测。该模型通过提取土地利用数据之间的各土地利用类别之间相互转换的样本，同时基于转移概率对土地利用进行模拟。对各土地类别扩张和驱动因素的计算采用随机森林算法，以得到各土地类别的发展潜力及驱动因子的贡献［34］。本研究以1980年土地利用数据为基础，采用14个驱动因子模拟预测出2030 年土地利用类型，同时基于1980—2020年土地利用的变化设置转移成本矩阵［20］，其所集成的马尔科夫链可基于历史土地类型转移成本矩阵对未来土地类型变化进行预测，公式如下：

式中：St+1为土地利用在t+1 时刻的土地类型；Pix为土地类转移概率；St为土地利用t时刻的土地类型。本文通过改变转移概率设置4 种情景：自然增长、耕地保护、生态保护和城镇发展，并对未来4 种不同情景下的土地利用类型进行预测。

转移矩阵是用于为不同情景下的土地类型之间是否能够发生转换而下的定义，其中可以发生转换用1 表示，不可以发生转换用0 表示。多情景模拟下土地利用的转移成本矩阵最终确定为表3，公式如下：

表3 多情景模拟下土地利用转换成本矩阵Tab.3 Cost matrix of land use conversion under multi-scenario simulation

表4 1980—2020年土地利用面积Tab.4 Land use area from 1980 to 2020/km2

3 结果与分析

3.1 土地利用变化分析

塔里木河流域40 a的土地利用分布及涨落势如图2、3所示。未利用地广泛分布在塔里木河流域的中间位置塔里木盆地塔克拉玛干沙漠，该区域气候干燥，植被稀疏；草地分布在塔里木河流域上，围绕在沙漠边缘；其次，水域和耕地分别分布在流域的西南侧和阿克苏河、叶尔羌河、喀什噶尔河干流，以及和田河、开孔河下流；林地和建设用地分别分布在塔里木河中上游，建设用地分布在耕地上。

图2 1980—2020年土地利用分布Fig.2 Land use distribution map from 1980 to 2020

其次，塔里木河流域40 a 的土地利用是以草地与未利用地为主，水域和林地次之（表3～4）。40 a来，各地类都有明显的变化，草地和水域落势图中所呈现面积较广（图3a），其土地利用动态度呈负向增长。而耕地和建设用地土地利用动态度正向增长，以及涨势图中的二者面积都有明显的扩张（图3b），未利用地和林地面积分别有小幅的增加和减少，从表5中看出在研究时段内，土地利用类型中建设用地变化最为显著，其次是耕地、水域、草地、林地。其中耕地和建设用地的面积大幅度增加，在2000—2010 年内二者的土地利用动态度分别为3.4574%和14.2387%，这是因为此时间内城市建设、城镇化进程的推进导致建设用地的扩张，其次为响应国家粮食安全政策，加大了对耕地及农用地的开垦。

表5 1980—2020年土地利用动态度Tab.5 Dynamic degree of land use from 1980 to 2020 /%

图3 1980—2020年土地利用落势、涨势图Fig.3 Land use fall and rise chart from 1980 to 2020

为更清晰描述土地利用类型的流向，通过Origin软件制作桑基图对1980—2020年各个时期间土地利用类型之间的相互转化及总量分布（图4）进行可视化分析。40 a来耕地面积逐渐扩张了17876.97 km2，主要是草地和未利用地的流入，分别流入13063.14 km2和4164.75 km2；水域主要流向草地、未利用地和林地，其面积减少了14382.09 km2；而草地和未利用地、草地和耕地、草地和林地之间都存在着相互转化，其中林地和草地分别减少了182.87 km2和26631.9 km2，未利用地面积增加22147.11 km2（表6）。

表6 1980—2020年土地利用转移矩阵Tab.6 Land use transfer matrix from 1980 to 2020/km2

图4 1980—2020年塔里木河流域土地利用转移Fig.4 Land use transfer in the Tarim River Basin from 1980 to 2020

其中2000—2010 年间草地和未利用地存在明显的相互转化，归因为：过度放牧与不合理的人类活动使得草地面积缩减［35］，土地荒漠化严重，同时在2002年新疆推进退耕还林还草等一系列政策，使得研究区生态修复有一定成效［36］，草地覆盖率逐渐增加；在此时间段内，水域面积转出显著，最主要原因是耕地面积的扩张导致农田灌溉用水增加［30］，水资源配置失衡，但随着生态输水和节水灌溉工程［37］实施后水域面积逐渐增加。

3.2 2030年土地利用模拟预测分析

基于PLUS 模型，设置地类间不同情景下转移矩阵后，以1980—2020 年为基准期预测2030 年塔里木河流域4 种不同情境下土地利用变化［21］情况（表7、图5）。

表7 2030年多情景下土地利用面积Tab.7 Land use area under the multiple scenario in 2030/km2

图5 2030年多情景下土地利用分布Fig.5 Distribution chart of land use in multiple scenarios in 2030

在自然发展情景下，耕地、水域和建设用地土地利用面积分别增加了5196.96 km2、276.39 km2和468.99 km2，其中耕地和建设用地的扩张与1980—2020年变化相一致，主要是归因于草地向耕地的转换，其次是林地和未利用地向水域和建设用地的转换，林地、草地和未利用地分别减少了193.14 km2、5476.68 km2和272.52 km2。

在耕地保护情景下：该情景抑制了耕地向其他土地类型转移，保护了耕地面积，控制建设用地向耕地的扩张，同时限制了林地、水域的转换；耕地、水域和建设用地面积扩张，分别增加了5660.01 km2、276.39 km2和6.03 km2，林地、草地和未利用地呈减少态势，分别减少了193.14 km2、5476.77 km2和272.52 km2，为保护耕地不向其他土地类型转换，建设用地的扩张受到了一定的限制，只增加了6.03 km2。

生态保护情景下，该情景保护林地数量的同时限制林地、草地和水域向建设用地及未利用地的转移，耕地和未利用地面积分别减少了1728.90 km2和272.52 km2，耕地面积减少量最多，在此情景下采取了水域保护和退耕还林还草政策，林地和草地分别增加了638.82 km2和389.61 km2，但建设用地并没有得到有效控制，增加了696.60 km2，其原因归结为当地建设用地集约利用水平较低，以及顺应新疆经济的发展，开通铁路沿线、完善基础设施建设以及开采化石燃料导致建设用地的增加。

城镇发展情景下除水域以外的土地类别均可向建设用地发生转移，同时限制了耕地向林地、草地和水域的转移。各地类均向建设用地转换，林地、草地和未利用地呈减少态势，分别减少了193.14 km2、5476.68 km2和272.52 km2，建设用地、耕地和水域分别增加了467.19 km2、5198.76 km2和276.39 km2。

综上所述，在耕地保护情景下能有效控制建设用地的扩张，其他3 种情景保护下建设用地的扩张保持原有的变化状态。在生态保护情景下，耕地减少量较多，含碳量较高的林地和草地面积有所增加。因此，在耕地保护情景下，要同时进行生态保护，能有效控制建设用地面积的增加。

3.3 生态系统碳储量演化与预测分析

通过InVEST模型和PLUS模型评估和分析塔里木河流域40 a 碳储量变化，并预测2030 年的4 个情景下的碳储量。从生态系统碳储量表8 可知，40 a来碳储量总体呈增加趋势，总体增加了22.66×106t，平均每年增加45.34×104t。1980—1990年碳储量增加了2.13×106t，相较于1980年增幅了0.04%；1990—2000年碳储量减少了20.01×106t，相较于1990年减幅了0.37%；2000—2010年碳储量增加了34.76×106t，相较于2000 年增幅了0.66%；2010—2020 年碳储量增加了5.78×106t，相较于2000年增幅了0.10%。

表8 1980—2030年土地利用碳储量Tab.8 Carbon reserves for land use from 1980 to 2030/108 t

到2030年，在自然资源、耕地保护、生态保护和城镇发展4 种情景下，碳储量分别预测为53.3293×108t、53.3717×108t、53.3483×108t 和53.3295×108t，较2020 年分别减少了4.75×105t、5.10×105t、2.85×106t 和4.73×106t。塔里木河流域的碳储量变化并没有发生明显变化，未利用地和草地仍是塔里木河流域主要的碳库，尽管1980—2020年草地的面积和碳储量有减少趋势。与2020 年碳储量相比，4 种发展情景各土地利用类型碳储量都有不同的变化。在自然发展、耕地保护和城镇发展情景下，耕地、水域和建设用地的碳储量分别增加了0.5087×108t、0.0004×108t和0.0017×108t，耕地面积上升显著占总增加量的100.24%，水域和建设用地变化较为细微，林地、草地和未利用地分别减少了0.0332×108t、0.4981×108t 和0.0123×108t；在生态保护情景下，耕地和未利用地的碳储量显著下降了0.1643×108t、0.0123×108t，林地、草地、水域和建设用地碳储量分别增加了0.1097×108t、0.0354×108t、0.0004×108t 和0.0026×108t。

研究区在各个时期下碳储量变化存在差异，如图6所示：1980—2020年研究区碳储量分布变化小，较为明显的地区主要在该区的中西南部以及中东北部。2020—2030年自然发展、城镇发展情景下碳储量损失最多，主要在中西部方向；2020—2030 年耕地保护、生态保护情景下，碳储量分布并没有发生很明显的变化。其中草地碳储量减幅较大，减少了2.4233×108t，未利用地与耕地的碳储量增加了1.6991×108t 和0.9958×108t，林地、水域和建设用地的碳储量没有明显变化。其中碳储量高值区主要集中在塔里木河及其分支河流上，该区域主要以草地、耕地和林地为主，碳储量低值区主要集中在沙漠带，该区域主要以未利用地为主。这与塔里木河流域的未利用地、草地分布一致，而围绕未利用地周围的土地利用类型主要是水域与耕地，其碳密度较高。结果表明，塔里木河流域土地利用类型与碳储量变化具有高度一致性。

图6 1980—2030年生态系统碳储量分布Fig.6 Distribution of carbon reserves in ecosystem from 1980 to 2030

3.4 土地利用变化对生态系统碳储量的响应

采用InVEST 模型对塔里木河流域40 a 土地利用变化所引起的碳储量变化进行评估，结果如表9 所示。从时间变化来看，土地利用变化导致碳储量增加了22.6713×106t，其中土壤碳储量增加21.5736×106t，地上生物量储量增加4.2956×106t，地下生物量碳储量减少4.7832×106t。从不同地类来看，草地向未利用地转移损失碳储量最多，高达357.3192×106t，其中土壤碳储量减少最多；林地向草地转移损失碳储量为43.8733×106t，其中地上生物量碳储量减少最多；耕地向建设用地转移所损失12.0563×106t 的碳储量。由于过度开发土地资源，并未重视生态保护，导致土地沙漠化盐碱化日益严重，草地不断向末利用地转移，进而引起碳储量的减少。

表9 1980—2020年土地利用变化引起碳储量变化Tab.9 Changes in carbon reserves caused by land use change from 1980 to 2020/106 t

其次，耕地→林地，草地→耕地和林地的转出，水域→其他土地利用类型的转出，建设用地→耕地，建设用地→林地、草地和未利用地的转出，未利用地→耕地、草地和林地的转出等土地利用变化都有利于碳储存，其中耕地向林地、草地向林地、水域向草地及未利用地、未利用地向耕地及草地的转出导致的碳储量变化较大；其他土地利用类型之间的转化都不利于研究区碳储存。林地和草地转为未利用地均使土壤碳储量大量减少，草地转为未利用地是碳储量减少的主要原因。其中水域与建设用地之间的转移几乎不引起碳储量的变化。

4 讨论与结论

4.1 讨论

土地利用变化是一个复杂的过程，其受社会经济、自然环境等因素的共同影响［38-40］，本文选取社会经济、自然条件和交通区位3 类驱动因子来模拟研究区土地利用格局，但土地利用发展还受政策及未来规划等的影响。因此为提高模型精准度，在后续研究中应将政策和未来规划加入驱动因子中。其次，碳储量会随着时间和环境发生改变，其指标选取来源于文献并存在一定差异，以致模型估算不准确，所以在今后的研究中，应加入实地调查数据对碳储量进行估算。同时采用双模型的耦合以此体现PLUS模型在对未来土地利用的数量和空间进行模拟及InVEST 模型对碳储量预测的优势，探究1980—2020 年及2030 年4 种情景下塔里木河流域土地利用变化与碳储量的变化，为国家在进行环境保护时提供指导性思路。

通过对不同情景下土地利用变化及其碳储量的模拟与预测发现，若采取耕地保护措施，在一定程度上保护了耕地面积的同时也限制了建设用地的扩张，但生态效益却减少了；若采取生态保护措施，林地、草地可以得到自然发展，碳储量也得到保护，但是耕地面积却得不到保护。因此，未来应继续注重生物多样性的恢复，丰富湿地植被、改善土壤结构，从而增强区域的碳储能力。其次，林地、草地碳储能力较强，但现状占地比例较小，未来可以在植被稀疏地区培育适宜的植被类型，加强林草地的保护与修复，以提升区域碳储量；与未利用地相比，水田的碳储能力较强，因此可以在保障耕地红线的基础上选择适宜的地区发展水生农作物种植，包括实行水稻和旱地作物轮种的耕作方式。政府可以制定相关生态保护发展规划，采取因地制宜的措施，使塔里木河流城向更好的方向发展，保留现在所含碳储量的基础上再提高土地固碳能力，为实现“双碳”目标提供基础。

4.2 结论

本研究耦合PLUS 模型和InVEST 模型分析1980—2020 年塔里木河流域土地利用和碳储量的变化，并预测2030年不同发展情景下土地利用变化及其生态系统碳储量的变化，得出以下结论：

（1）塔里木河流域在研究时段内耕地、建设用地和未利用地面积增加，林地、草地和水域面积减少，其中水域和未利用地变化最大，水域减少14382.09 km2，未利用地增加22147.11 km2。出现此情况原因是因为塔里木河流域气候干燥，加上人类活动导致断流，进一步加剧了土地沙漠化。

（2）1980—2020年研究区碳储量总体是上升趋势，总体增加了22.66×106t，2030年在不同情景下的碳储量总体延续了2020年增长态势，2020—2030年耕地保护和生态保护情景下，未利用地与耕地的碳储量增加了37.37×106t和1.23×106t。

（3）2023 年在自然发展情景下，耕地大幅度扩张、草地大幅减少，林地、水域、建设用地和未利用地有不同程度的扩张和缩小；在耕地保护情景下，除与自然发展情景有相同的变化外，耕地保护限制了建设用地向外的扩张；在生态保护情景下，耕地大幅下降，除未利用地小幅减少外其他地类均有不同程度增加；城镇发展情景与自然发展情景类似。

（4）2030年碳储量在自然发展、耕地保护、生态保护和城镇发展都有不同程度的增加或减少，在自然保护和城镇发展情景下，耕地、水域和建设用地的碳储量增加，耕地保护情景下除建设用地减少以外，耕地和水域下的碳储量也是增加态势，3个情景下的草地、林地和未利用地中的碳储量均减少。在生态保护情景下，除耕地和未利用地碳储量减少以外，其余地类所含碳储量均增加。