基于FLUS模型多情景土地利用变化对陆地生态系统碳储量影响
——以江西萍乡为例

胡佶熹,勒先文,徐勇

(1.湖南农业大学公共管理与法学院,长沙 410128;2.萍乡学院商学院,江西萍乡 337055;3.桂林理工大学测绘地理信息学院,广西桂林 541006)

温室气体(CO2,CH4和N2O 等)的过度排放是全球气候变暖的重要原因,引起了世界各国的高度关注[1-2]。陆地生态系统作为大气CO2的一个重要碳汇,抵消了中国同期化石燃料燃烧碳排放的7%～15%,在全球碳循环、缓解温室效应等方面扮演着关键作用[3]。中国作为全球最大的碳排放大国(约占全球碳排放量的27%),贡献了8.6%的全球气候变暖强迫效应[4]。为缓解温室效应对全球气候变暖的影响,中国政府将力争在2030年左右实现碳排放,努力实现单位国内生产总值能耗碳排放比2005 年下降60%～65%,到2060 年实现碳中和(简称“双碳”战略),“碳排放”和“碳减排”等问题引起广泛关注。

研究表明LUCCs是影响陆地生态系统碳储量变化的重要因素,它通过破坏地表的植被和土壤的生物量从而对物种、土壤、气候等环境产生影响,重构区域生态系统的结构,改变生态系统的服务功能,进而影响着区域碳储量的变化,是造成大气中CO2激增的第二大原因[3]。因此,定量评估LUCCs对碳储量影响,对提高区域碳储量及实现区域的“双碳”战略目标具有重要意义。

国内外研究对LUCCs对陆地生态系统碳储量的影响开展了大量的研究,并应用至全球[1,5]、国家[6]、省域[7]、城市群[8]、城市等[9]多个研究尺度。已有研究利用追溯法来分析LUCCs对陆地生态系统碳储量时空分布特征。如Chang等[6]指出从2000—2018年中国土地利用变化引起的碳储量变化达1.32 Pg C,并且主要集中在植被生物和土壤碳中。Zhu等[10]指出1980—2015年中国干旱区土地利用变化引起的陆地生态系统碳储量损失达90.95 Tg。向书江等[11]指出由于大量耕地被占用,2000—2020年重庆市主城区碳储量累计损失达5.78 Tg。此外,相关研究探索了不同情景下土地利用变化对陆地生态系统碳储量的影响,服务于“双碳”战略的规划实施。如刘晓娟等[12]探讨了RCP6.0和RCP8.5 情景下中国未来土地覆盖变化造成的TCS损失;侯建坤等[13]评估了黄河源区自然变化情景和生态保护情景下的碳储量分别增加了3.92×106t和1.353×107t;邵壮等[14]评估了北京市2035年自然演变情景、人口疏解城市发展情景和绿色集约生态保护情景下其陆地生态系统碳储量分别增加了7.5×106t,1.564×107t和1.639×107t。综合以往研究,在研究范围上,大多集中于全球、区域和省域等区域尺度上,少有研究去关注资源枯竭型城市转型过程中土地利用的变化及其带来的碳储量变化。就陆地生态系统碳储量估算方法而言,In VEST 模型结合地理模拟与优化模型框架在评估由土地利用变化引起碳储量变化中已得到广泛应用。已有研究利用FLUS,PLUS,CLUE-S,CLUMondo,ANN-CA 等模型评估了未来土地利用变化对碳储量的影响研究[3,15-17]。而FLUS 模型结合神经网络算法和自适应竞争机制可较好地处理多地类的竞争和不确定性问题,模型表现优于CLUES,ANN-CA 等模型。FLUS模型尤其是将人与自然因素结合在一起,通过将“自上而下”的系统动态与“自下而上”元胞自动机有机地结合,实现了对未来大规模土地使用变化过程中的精准模拟[18]。

因此,本文以萍乡市为研究区域,基于2010—2020年萍乡市的土地利用数据,采用FLUS模型模拟3种情景下(自然发展情景、耕地保护情景和生态优先情景)的土地利用变化格局,并运用In VEST 模型评估萍乡市2010—2020年以及2030年不同情景下土地利用变化对陆地生态系统碳储量的变化,为萍乡市土地利用的合理规划以及可持续发展提供科学依据。

1 研究区与数据来源

1.1 研究区概况

萍乡市位于江西省西部,地理位置为113°—114°E,27°—28°N,长江中游城市群成员之一,也是长株潭经济圈的辐射核心区域(图1)。东与宜春市接壤,南与吉安市毗邻,西与湖南省株洲市相连,北与湖南省浏阳市交界,素有“湘赣通衢”“吴楚咽喉”之称。全市土地面积3 831 km2,截至2021年末,萍乡市常住人口为180.59万人,GDP 产值1 108.3亿元。萍乡市煤炭资源丰富,然而经过一个世纪的高强度开发,煤炭资源趋于枯竭,以煤炭为主导的相关产业进入衰退期。大量煤炭的开采导致地表面塌方下陷,致使采煤区山体和居民区域地面下沉,威胁着区域的生态环境。近20年来,萍乡市各级政府始终将煤炭开采区域的环境生态修复和产业转移与升级作为重要工作,推动萍乡市经济转型发展,促进经济的高质量发展。经济的发展必然会引起土地利用类型的变化,从而对生态系统碳储量产生较大的影响,因此,在“双碳”背景下探究未来土地利用变化引起碳储量变化,可为区域的国土空间规划和“双碳”战略的谋划提供数据支撑。

图1 江西省萍乡市位置Fig.1 Location of Pingxiang City,Jiangxi Province

1.2 数据来源与处理

LUCCs是在自然、人文、社会经济等多重因素下驱动的动态过程,是一个复杂性系统。本文借鉴已有研究[15],从自然、人文和社会经济三方面选取LUCCs驱动因子。其中,土地利用类型数据来源于武汉大学1990—2021 年中国30 m 土地覆被数据集[19],分辨率为30 m×30 m;DEM 数据来源于地理空间数据云(http:∥www.gscloud.cn),分辨率为30 m×30 m;气温降水、GDP和人口数据来源于中国科学院资源与环境科学与数据中心数据平台(https:∥www.resdc.cn),分辨率为1 000 m×1 000 m;道路数据来源于OpenStreet Map数据集(https:∥www.openstreetmap.org/),距主要道路、铁路、河流、区县中心等距离以欧式距离进行度量。

2 研究方法

2.1 InVEST模型

以植被主导的土地利用类型(如森林、草地、农田、灌木等)是陆地生态系统的主要载体,并通过光合作用从大气中吸收大量的CO2,因此,量化土地利用类型的变化可为探究陆地生态系统碳储量的变化提供支撑[1]。本文利用In VEST 模型中的碳储量模块分析2010—2020年萍乡市陆地生态系统碳储量变化情况,并对模拟的2030年陆地生态系统碳储量变化情况进行评估。In VEST 将生态系统碳储量(Ctotal)划分为4个基本碳库:地上植被碳库(Cabove)、地下植被碳库(Cbelow)、土壤碳有机碳库(Csoil)和死亡有机碳库(Cdead)[12,20],即:

2.2 Markov模型

Markov模型是基于某一事件的历史发展轨迹来预测事件的发展趋势的一种方法,具有无后效性特征,广泛应用于土地利用类型的数量预测以及情景设定中[9],公式如下:

式中:S(T)和S(T0)分别为在T和T0时刻土地利用状态矩阵;Pij为第i类土地利用类型向第j类土地利用类型转换的转移概率矩阵,由历史土地利用类型数据计算而得。

2.3 FLUS模型

FLUS(future land use simulation)模型是由中山大学Liu等[18]提出的一种模拟多类型土地利用变化的CA 模型,它通过轮盘赌和人工神经网络(artificial neural network)模型来量化多种土地利用类型之间的竞争关系,已广泛应用于土地利用变化的后置效应分析(如生态系统服务价值评估、粮食安全、国土空间规划、碳储量分析等)[15,21-24]。此外,利用自适应惯性因子用来表征历史土地利用类型的数量变化趋势,以确保模型的土地利用类型数据达到预设的土地利用类型需求。常用的FLUS模型主要由以下几个模块组成。

(1)土地利用转换潜力评估。FLUS 模型以BPNN(back propagation neural network)来拟合土地利用类型转换潜力与影响因子之间复杂的非线性关系。常用的BPNN 模型通常由输入层、隐含层和输出层三层构成[25],在训练阶段,利用已有训练数据集,基于反向传播机制训练各层之间的连接权重值,在预测阶段,将影响因子输入至输入层,从输出层计算得到各种土地利用类型的发展潜力,此外,输出层的Softmax激活函数将土地利用类型转换潜力归一化至0～1,并确保各土地利用类型转换潜力之和为1〔公式(3)—(4)〕。其数学表达式如下:

式中:P(p,k,t)为t时刻土地利用类型k在元胞p处的发展潜力;xi(p,t)为在t时刻与元胞p处上的输入神经元i相关的输入变量;wi,j和wj,k分别为输入层与隐含层之间、隐含层与输出层之间的权重,该权重是通过训练数据集,经反向传播算法拟合;netj(p,t)为隐含层神经元j接收到的信号。

(2)自适应惯性因子。自适应惯性因子用来表征多种土地利用类型之间的相互作用,根据每次迭代中宏观土地需求与当前土地利用分配(Dt-1k)之间的数量差异自适用地调整网格中当前土地利用类型的发展趋势[18],详细的调整规则如下:

式中:Intertiat-1k为土地利用类型k在迭代时间(t-1)时的惯性系数。

(3)邻域效应。邻近的土地利用类型及数量也会影响元胞的发展趋势。邻域发展密度用来评估元胞邻域效应的程度[21],详细的表达式如下:

式中:Ωtp,k为在迭代时间t时,土地利用类型k对元胞p产生邻域效应;con(ct-1p=k)为土地利用类型k在迭代时间(t-1)时,在N×N摩尔邻域内的土地利用类型数量;wk为土地利用类型k的邻域影响效力。

(4)转换成本与约束。转换成本用于表征从当前土地利用类型到目标土地利用类型转换的难易程度,该模块通常是来源于专家学者及相关的先验知识。此外,一些强制性约束也可以嵌入模型中,即如果元胞p位于约束区域内,则约束变量Conp=0,否则为1。

因此,综合转换概率TProbtp,k可以通过以下的表达式计算:

式中:scc→k为土地利用类型c转换成目标土地利用类型k的转换成本。

综合转换概率决定由当前土地利用类型转换成不同土地利用类型的优先级。顾及不同土地利用类型间的竞争关系,FLUS模型在转换过程中采用轮盘赌的方式进行选择,充分考虑了非主导土地利用类型的转换能力,即综合转换概率高的土地利用类型转换的可能性较大,综合转换概率低的土地利用类型也仍可能转换。当所有土地利用类型的数量都满足预测的土地利用类型数量需求(允许误差为1%)或者达到了预设的最大迭代次数时,则得到了相应的模拟结果。此外,以Kappa系数和Fo M 指数验证模型的表现。

2.4 情景设置

国土空间布局优化的实质是缓解城镇空间对农业空间和生态空间的侵占,协调城镇空间、农业空间和生态空间之间的冲突。为了更好地评估萍乡市未来土地利用变化对陆地生态系统碳储量影响,本研究参照相关研究[9-15],以调整城镇空间、农业空间和生态空间之间的转换概率大小设定3种土地利用变化模拟的情景,其详细规则如下:

(1)自然发展情景。该情景基于历史土地利用类型数据(2000 年、2005 年、2010 年、2015 年、2020年),运用Markov模型〔公式(2)〕预测萍乡市2030年各类土地利用类型数量,并设置为FLUS 模型运行的宏观需求参数,其他情景以该情景为基础。

(2)耕地保护情景。保障耕地的安全是维持区域粮食安全的基础,是国家坚决贯彻执行的一项基本国策。以自然发展情景为基础,对Markov模型中转移概率矩阵进行适当修正,即降低耕地向建设用地的转移概率(50%)。

(3)生态优先情景。预留适当的生态用地对维持区域物种生存、生态流流动及生态系统结构和功能的稳定性具有重要的作用。以自然发展情景为基础,降低生态用地(即林地和草地)向建设用地转换的概率(40%)。此外,水体和耕地也具备维持物种生存、生态流等生态系统的功能,因而,该情景也降低水体和耕地向建设用地转换的概率(水体:30%,耕地:20%),并且耕地向林地转换概率增加20%。

3 结果与分析

3.1 数据预处理与模型验证

本文根据研究区特点将土地利用类型分为耕地、林地、灌木、草地、水域和建设用地。FLUS模型的驱动因素由人口、GDP、高程、坡度、坡向、降雨、气温、到河流距离、到主要道路距离、到铁路距离、到区县中心距离和到乡镇中心距离总共12个空间变量构成,并进行归一化处理(0～1)。为验证FLUS模型的适用性,以萍乡市2010—2020年的土地利用变化为例,邻域效应设为Moore邻域,大小为3×3,土地利用类型转换成本矩阵见表1。FLUS模型的总体精度为0.903,Kappa系数为0.795,Fo M 指数为0.16,表明模型具有良好的适用性。

表1 土地利用转换成本矩阵Table 1 Land use conversion cost matrix

3.2 不同土地利用类型的碳密度评估

In VEST 模型中所需要的碳密度数据包含不同土地利用类型的4个基本碳库,即地上生物量、地下生物量、土壤和死亡有机物。为了保证碳密度数据的一致性和碳储量的准确性,碳密度数据尽量选取江西范围内的前人研究成果。在江西数据缺失的情况下,适当采用相近纬度的邻省碳库数据。刘丹丹[26]研究了江西区域的碳储量分布,刘咏梅等[27]研究了长三角地区各用地类型的碳密度值,Ke等[28]研究了湖北省各土地利用类型的碳密度值。因此,本文主要参考以上三人的成果,对各用地类型的碳密度数据取算术平均数,尽量减少单一误差给研究结果带来较大差异,得到萍乡市各土地利用类型的碳密度值(表2)。

表2 研究区各土地利用类型碳密度值Table 2 Carbon density in the study area t/hm2

3.3 萍乡市土地利用动态变化

3.3.1 萍乡市2010-2020年土地利用动态变化2020年,萍乡市土地利用类型以林地和耕地为主,面积分别为2 554.05,1 096.63 km2,二者占整个研究区面积的95%以上(图2)。从表3 可以看出2010—2020年萍乡市耕地、林地、建设用地之间互为转入和转出的主要来源,其中耕地转入面积主要来源于林地;林地转入面积主要来源于耕地;建设用地转入面积主要来源于耕地和林地。

表3 2010-2020年研究区土地利用变化结果Table 3 Land use change in the Pingxiang between 2010 and 2020

图2 萍乡市土地利用动态变化Fig.2 Land-use pattern of Pingxiang City,Jiangxi Province

2010—2020年萍乡市的建设用地、灌木、草地、水体转出面积最小,耕地和林地转出面积最多。整体来看,林地向耕地的转出大于耕地向林地的转出,同时二者均向建设用地转出,主要原因是由于2010—2020年萍乡市处于快速发展阶段,城镇化速度加快,对土地开发的需求也较为强烈,城市建设用地的发展主要源于侵占了周边耕地与林地,中心城区的大量耕地转为建设用地,中心城区的发展。

(1)2010—2020年,由耕地转换为林地33.25 km2,转换为灌木0 km2,转换为草地0.39 km2,转换为建设用地46.22 km2。后期的耕地由早期的林地面积转入219.70 km2,由灌木面积转入0.01 km2,由草地面积转入0.08 km2,由水体面积转入1.36 km2,由建设用地面积转入0.03 km2。可以看出,耕地主要向林地和建设用地转出,林地为主要的转入地类,这主要是由于耕地占补平衡政策的实施,转出的耕地主要由林地进行补充。此外,2010—2020年,耕地转建设用地最大的乡镇为安源区(彭高镇、赤山镇、白源街、青山镇、丹江街),湘东区(湘东镇、荷尧镇、下埠镇),上栗县(上栗镇、金山镇),芦溪县(芦溪镇、宣风镇),莲花县(琴亭镇、升坊镇),除城市核心安源区外,其他县区呈现出双核结构,由县区所在乡镇(耕地转化为建设用地)及传统工业强镇(耕地转化为工业用地)。从各地类的变化面积来看,耕地转入面积最多,为221.18 km2,转入贡献率为69.59%,高于其转出面积(81.95 km2),其中来自林地的转入面积高达219.70 km2。林地转出面积(233.67 km2)高于转入面积(33.32 km2),主要转向耕地。林地转向建设用地主要集中在安源工业园、芦溪工业园和湘东工业园,综合来看,耕地向建设用地和工业用地转换,城郊林地则主要向工业用地转换(表3)。

(2)灌木、草地和水体的转入和转出面积都较小,灌木呈缓慢减少趋势,草地和水体呈缓慢增加趋势。萍乡市70%面积处于丘陵地带,灌木及草地过少且集中在武功山景区,属于保护区域,所以没有发生变化。水体没有变化的原因为萍乡市中心城区水域区域为玉湖、鹅湖、翠湖、萍水湖、安源湖及零散分布的水库60余处,但整体呈现出水域面积较少。同时,萍乡市已经建立起完善的河长制与湖长制工作制度,统筹全市河湖保护管理规划,落实最严格水资源管理制度,因此萍乡市水体没有发生变化。

(3)建设用地呈现大幅增长趋势,转出面积仅为0.19 km2,而转入面积高达60.28 km2,主要由耕地和林地转入,说明萍乡市建设用地的扩张主要是通过占用耕地,其次是从林地进行转化。严守18亿亩耕地红线,严格落实《江西省主体功能区规划》。正是因为国家占补平衡政策的约束,使得转出的耕地必须要一定的用地类型进行转入补充,同时因为萍乡市属于低海拔多丘陵山地地形,城市总面积2 764.93 km2,其中丘陵面积为1 824 km2,因此损失的耕地较多是通过丘陵地区的林地进行转化补充。

(4)由于产业调整的原因,下岗的煤炭产业工人转移到城市周边就业和大量农村剩余劳动力外出就业,导致萍乡2010—2020年人口整体未增长,其中湘东、上栗、莲花3县人口较2010年人口调查数据减少10%,农村大量剩余劳动力向萍乡市中心城区和沿海、周边省会(长沙、南昌)转移,导致萍乡市县区城区面积增长缓慢。

综上所述,耕地和林地在萍乡市主要土地利用结构中占有重要比重,并且两种用地类型之间相互影响和转化,一方面说明耕地、林地和建设用地间有着密切的联系,另一方面建设用地与生态用地之间的转化状况也表明萍乡市经济空间和生态空间存在用地矛盾。

3.3.2 萍乡市多情景土地利用动态变化

利用FLUS模型,配置不同情景下的土地利用类型转换成本矩阵(表1)和土地利用类型需求量,模拟3种情景下的土地利用格局及特征(表4),具体情况如下:

表4 2020年现状与2030年多情景模拟用地类型变化Table 4 Status of 2015 and multi-scenario simulation of land use type change in 2030

(1)自然发展情景。该情景下2030年的耕地面积为1 208.24 km2,相比2020年增幅10.18%,林地、灌木和水体面积较2020年分别减幅为6.90%,35.09%,12.70%,草地面积相比2020年有小幅增长,增长率为11.24%,建设用地扩张最为剧烈,面积增加了65.89 km2,涨幅37.61%。耕地和林地是建设用地增加主要的来源,并且主要分布于安源区。总的来说,在自然发展情景下,不受约束的发展造成区域建设用地和耕地迅速扩张,林地、灌木和水域等生态用地大量减少,草地有少量增加,生态安全面临风险。

(2)耕地保护情景。该情景为严格落实耕地保护情景,耕地向其他土地利用类型转换受到一定程度的限制。该情景下2030年的耕地面积为1 233.73 km2,较2020年增长了12.50%,同时建设用地的面积为214.60 km2,较2020年增长了22.50%。林地、灌木均为下降趋势,下降幅度分别为6.91%和35.09%,而草地却增长了12.88%,水体则没有变化,这表明在进行耕地保护时,建设用地的扩张会侵占林地和灌木。从空间变化来看,建设用地的扩张主要集中在安源区,耕地的增加区域主要是湘东区、上栗县。总的来说,该情景减缓耕地转化的速率,可以有效保证耕地面积。但是,该情景下,由于各区县经济发展的诉求,建设用地扩张无可避免,林地和灌木面积被侵占,但其对其他用地的影响则得到有效控制。

(3)生态优先情景。该情景对生态用地(即林地、灌木、草地和水体)进行了适当的保护。相比于2020年,2030年的林地面积为2 555.22 km2,呈现小幅度增加趋势(0.05%);灌木、草地和水体的面积相对于2020年没有变化。灌木和草地主要分布于武功山旅游景区内,受到景区法规保护,所以一直未有变化。由于成本矩阵(表1)的设定,耕地的转出会优先考虑林地和建设用地,其次才会去向灌木、草地和水体进行转化。因耕地的转出量未能满足林地和建设用地的转入需求,从而导致没有用地向灌木、草地和水体进行转入,由此就会使得该情景下的灌木、草地和水体的面积会保持不变。该情景下土地利用变化较大的集中于耕地与建设用地,相对于2020年,耕地呈现减少趋势,面积受到进一步压缩,减少幅度为0.89%,面积为1 086.88 km2,为3种情景中唯一减少的;建设用地仍有小幅增加,增幅为4.9%。从地类空间发展格局来看,建设用地增长主要集中安源区。为保证生态用地同时维持经济发展所需用地的需求,耕地转变的主要方向仍然为建设用地。总的来说,该情景下的林地出现增长趋势,灌木、草地以及水体并没有减少,从而促使耕地为建设用地的主要来源,有利于维持区域生态安全。

3.4 土地利用动态变化对碳储量的影响分析

3.4.1 萍乡市2010-2020年间土地利用动态变化对陆地碳储量的影响 基于萍乡市的陆地生态系统碳密度数据(表2),利用In VEST 模型碳储量模块分别估算了萍乡市2010—2020年的碳储量及变化。从数量上看,研究区2010年和2020年的碳储量分别为5.188×107t和5.041×107t,2010—2020年,总体呈减少的趋势,损失了1.47×106t。从空间上看,萍乡市的碳储量空间分布格局有空间异质性。图3A—B分别是2010年、2020年的碳储量分布情况。碳储量高值区主要分布于研究区的西南和东南,该区域主要为山地和丘陵,植被覆盖度高,碳储量密度最高值为13.789 t/hm2;行政区划上,位于湘东区南部、芦溪县南部、莲花县西南部与东北部和上栗县中部,这些区域远离城市中心,城市化程度较低,土地利用类型以林地为主。碳储量低值区主要分布在萍乡市中心城区,城市化程度较高,土地利用类型以建设用地和耕地为主,受人类活动影响较大,碳储量处于较低水平。

图3 2010-2020年萍乡市碳储量空间变化Fig.3 Spatial change of carbon storage in Pingxiang City from 2010 to 2020

为了更好地观察研究区的碳储量的空间分布特征,利用空间叠加工具进行差值处理,将碳储量空间变化分为3类:减少、不变和增加。从图3C 看,其变化的区域具有大聚集和零星分布的特征。具体而言,2010—2020年研究区大部分区域的碳储量基本稳定,其占比为91.72%,其中7.36%的研究区域碳储量呈减少的趋势,只有0.92%的区域碳储量呈增加的趋势,二者零星分布在整个研究区内。碳储量下降的区域分主要分布在安源区、湘东区北部、芦溪县西北部、上栗县北部与南部和莲花县的东南部,由于城市扩张,大量耕地和部分林地转化为建设用地。

3.4.2 萍乡市不同情景下的土地利用动态变化对陆地碳储量的影响 3种情景下(自然发展、耕地保护和生态优先)陆地生态系统碳储量存在着差异(图4—5)。自然发展情景下,2030年萍乡市的碳储量相对往年有所下降,仅为4.906×107t。萍乡市中部和其他区县中心区域的碳储量最易流失,其主要原因是在自然发展条件下,该区域的耕地和林地有较大概率转换为碳密度值相对较小的建设用地,其中碳储量值减少最高的区域为安源区,从中具化为安源区作为萍乡市经济中心一直未发生改变。耕地保护情景下,整体趋势和自然发展态势类似,碳储量为4.919×107t。相较于自然发展情景有少量增加,其主要原因是在自然情景下转化为碳密度低的建设用地的部分,在耕地保护情景下转化为碳密度值较高的耕地,从而总体碳储量高于自然发展情景。生态优先情景下,碳储量为3种情景中最高,为5.038×107t,但相对往年仍是有所下降,减少了3.58×104t。从空间分布来看,99.75%的区域碳储量基本保持不变,仅有零星的区域碳储量增加与减少。在转换成本矩阵的限定下,只有耕地成为转出用地,转为林地和建设用地。

3.4.3 政策建议

(1)由于城市化进程的加快,大量的农村用地转化为城市建设用地,2010—2020年,城镇用地新增了60.28 km2,未来城镇化将继续,经评估,萍乡市自然发展情景、耕地保护情景和生态优先情景将新增建设用地分别为65.89,39.42,8.58 km2。由此导致的多情景下碳储量损失集中在安源区和萍乡经济开发区(图4),经实地调查,上述区域已由原来的农村土地已经转变成为城市中心用地,并且是萍乡市的核心城区,建议当地政府在碳中和行动中要重点关注以上区域。

(2)碳储量的损失主要是来源于耕地和城市用地对林地的侵占,2010—2020年,林地的转出面积为233.67 km2,转出贡献率达73.52%,经评估,萍乡市自然发展情景和耕地保护情景下林地减少面积分别为176.19,176.58 km2。而中国实施的是耕地占补平衡政策,萍乡市始终面临着耕地占用的压力。耕地占补平衡应该不仅仅是关注数量上的占补平衡,还应关注质量,特别是对大量的林地转化为建设用地导致的碳损失(图5)。为应对萍乡市中心城区的用地矛盾,2022年萍乡市已经将毗邻市中心城区的上栗县彭高、赤山镇划归中心城区,中心城区土地面积扩容,在一定程度上可以缓解萍乡市中心城区土地用地的压力。

图5 2020-2030年3种情景下萍乡市碳储量变化预测Fig.5 Carbon storage change in Pingxiang City under three scenarios from 2020 to 2030

(3)萍乡是中国最早的工业起源城市之一,也是国家首批资源枯竭型城市。萍乡在发展过程中不仅面临的城市用地指标与耕地的矛盾,还面临着传统的工业大量升级转型,工业排放环保与湘赣两省环保联动的压力,应坚持走生态优先发展的道路。同时,以湘东、芦溪为代表的老工业基地造成大量废旧矿山的污染与治理也制约萍乡的可利用的土地资源。综上所述,萍乡市需要特别重视土地的合理科学规划利用,对整个城市的各个区域进行功能区域进行定位划分,并尽快建立覆盖全域的河流、土壤、空气的城市生态监测系统,为萍乡的生态决策提供长期科学数据支持与支撑。

4 结论

(1)2010—2020年萍乡市的碳储量整体呈减少趋势,共减少1.47×106t,主要原因为碳密度高的林地和耕地转换为碳密度值较低的建设用地,并且大量林地转化为耕地。

(2)2010—2020 年萍乡市土地利用变化以耕地、建设用地、草地和水体的面积增加和林地与灌木面积减少为主。自然发展情景下耕地、草地和建设用地的面积继续增加,林地和灌木面积继续减少,水体面积则由增加变为减少;耕地保护情景下耕地扩张加剧,草地和建设用地继续扩张,林地和灌木面积减少;生态优先情景下林地面积少量增加,建设用地的扩张趋势减弱,耕地为主要减少的用地类型。

(3)2030年的3种情景,自然发展情景、耕地保护情景和生态优先情景下萍乡市的碳储量分别为4.906×107t,4.919×107t和5.038×107t,与2020年相比,3种情景下生态系统碳储量分别减少了1.35×106t,1.22×106t和3.58×104t,生态优先情景下的碳储量减少量最低,保护林地和限制建设用地的扩张可以减缓生态系统碳储量的减少。

此外,本研究也存在着一些不足:(1)土地利用变化是一个复杂的动态演化过程,根据研究区现状设置具体情景是下一步的研究方向;(2)FLUS模型的参数(如土地利用转换成本矩阵、空间变量的选择等)的设置存在着一定的主观性,下一步研究应根据研究区情况不断调试参数以确定模型的最佳参数;(3)目前陆地生态系统碳储量评估以地表调查、模型模拟和遥感评估为主,常用以地表调查为主,本文中的碳密度数据是在已有研究成果的基础上进行碳密度修正,缺乏实地测量数据的验证,忽视了碳密度变化的时间效应,下一步研究需要采用多模型融合对土地利用类型的碳密度数据进行修正,提升碳密度评估的准确度。