高潜水位矿区土地利用和碳储量时空变化规律与预测

徐良骥 ，贺震东 ，刘潇鹏 ，张 坤 ，吴满毅

（1.安徽理工大学 深部煤矿采动响应与灾害防控国家重点实验室, 安徽 淮南 232001；2.合肥综合性国家科学中心能源研究院, 安徽 合肥 230031；3.安徽理工大学 空间信息与测绘工程学院, 安徽 淮南 232001；4.矿山采动灾害空天地协同监测与预警安徽普通高校重点实验室,安徽 淮南 232001；5.安徽理工大学 矿区环境与灾害协同监测煤炭行业工程研究中心, 安徽 淮南 232001）

0 引 言

陆地生态系统固碳是当前国际社会公认的经济可行和环境友好的减缓大气CO2浓度升高的途径之一[1-2]。随着城市化和工业化的不断推进，区域土地利用空间格局不断变化，由于不同土地利用类型的固碳能力差异较大，因此区域土地利用的变化会对当地生态系统的碳储量造成影响。煤炭能源是国民经济发展的基础和重要支柱[3]，但煤炭开采会对矿区生态环境造成损伤，就我国东部高潜水位矿区而言，城镇化的发展及开采造成的地表沉陷、耕地破坏和沉陷湿地等都会显著改变区域内的土地利用类型，进而影响区域固碳效率[4-5]。因此，准确获取高潜水位矿区土地利用变化特征及其对碳储量的影响，对建设绿色矿山以及矿区可持续发展具有重要意义。

关于生态系统碳储量估算的研究方法较多，传统方法有实地采样法、蓄积法和生物量法[6]，但传统方法费时费力，并且在研究尺度和碳储量时空变化体现方面受限制。近年来，随着遥感技术的发展和InVEST 模型的建立，许多学者采用InVEST 模型估算区域生态系统碳储量，张文华等[7]通过InVEST 模型估算草原碳储量，并证明其在草原区域的碳储量计算上具有适用性，刘洋等[8]和刘冠等[9]将该模型用于流域生态系统碳储量的计算，并指出林地、植被和耕地的建设使流域生态系统碳储量增加，刘英等[10]利用该模型估算露天煤矿碳储量，并分析其时空特征，为矿区高质量发展提供科学规划。随着Markov[11]、CLUE-S[12]和FLUS[13]等土地利用模拟模型出现与发展，有学者将InVEST 模型与土地利用模拟模型结合[14]。雒舒琪等[15]通过耦合PLUS-In-VEST 模型，模拟了3 种不同发展情景下西安市土地利用的变化，并评估其对碳储量变化的影响，为西安市低碳发展提供参考，林彤等[16]基于PLUS 和In-VEST 模型，分析并预测了广东省碳储量的变化。但将Markov、FLUS 等土地利用模型和InVEST 模型相结合，对矿区碳储量进行估算和预测的相关研究较少。

基于上述研究，本研究采用FLUS-InVEST 模型，对淮南潘谢矿区2002—2021 年土地利用变化的时空特征进行分析，探究因采矿与城镇建设导致的土地利用变化对碳储量的影响，并预测在自然发展和生态保护不同情景下2028 年的土地利用变化及碳储量变化。以期对我国东部高潜水位矿区绿色矿山建设、低碳高质量发展提供借鉴。

1 研究区概况与数据源

1.1 研究区概况

潘谢矿区位于安徽省淮南市(116°20′E—116°57′E，32°43′N—32°56′N)，位置如图1 所示。矿区总面积约531.51 km2，年平均气温为15 ℃，年平均降水量为970 mm。矿区包括谢桥矿、张集矿、顾北矿、顾桥矿、丁集矿、朱集东矿、潘北矿、潘一矿、潘二矿和潘三矿。矿区内煤层厚且发育稳定，地下潜水位较高，经过长期开采，地表沉陷区形成大范围的沉陷积水，对矿区生态系统造成影响。

图1 研究区位置Fig.1 Location of study area

1.2 数据源与预处理

研究使用的数据包括土地利用数据、社会经济数据、气候环境数据和地形数据（表1）。考虑各个煤矿投入生产年份、季节差异和云量等因素影响，选用2002、2010、2014、2018 年和2021 年3—4 月份的5 期Landsat 系列卫星影像数据，使用ENVI 5.3软件进行监督分类和目视解译获取土地利用数据。参考GB/T 24708—2009 《湿地分类》中的标准和相关研究[17]，采煤沉陷积水区、湖泊和河流均属于湿地的范畴，因此研究将潘谢矿区土地利用类型分为湿地、林地、建筑用地和耕地4 类。土地利用数据用作于土地利用变化的分析，并作为源数据输入FLUS和InVEST 模型。社会经济数据和气候环境数据为FLUS 模型的驱动因子。

表1 数据源与处理Table 1 Data sources and processing

2 研究方法

2.1 FLUS 模型

FLUS 模型是一种基于传统CA(Cellular Automata)模型开发，用于模拟和预测未来土地利用变化的模型。其原理为利用BP-ANN 算法计算出适应性概率，再结合出现概率、邻域影响因子、自适应惯性系数和转换成本，获得元胞的总体转换概率，之后通过轮盘 得到最终模拟结果。

模型运作过程主要为：①利用马尔科夫链确定未来各个地类的数量需求；②基于土地利用数据和驱动因子，使用BP-ANN 算法，计算出研究区内每种地类的适宜性概率，即在每个像元的出现概率；③基于自适应惯性机制的CA 模型，模拟未来土地利用变化。

BP-ANN 算法公式见式(1)：

自适应惯性系数计算公式见式(3)：

2.2 驱动因子选择

结合已有的矿区土地利用模拟研究[18-19]，考虑到采煤沉陷、工矿用地扩展和城镇化发展等因素，将煤矿核定生产能力和煤矿年产量数据作为采矿数据，距铁路距离、距高速公路距离、距主要道路距离、距次要道路距离、GDP、人口密度数据作为社会经济数据；将土壤类型、年平均气温、年降水量、DEM 和坡度数据作为气候和环境数据。

2.3 InVEST 模型

InVEST 模型是美国自然资本项目组开发的用于自然资源管理决策的模型系统。因模型中的carbon 模块可以计算碳储量，故被广泛应用于区域碳储量的计算[20]。InVEST 模型将生态系统的碳储量分为4 个部分，分别为：地上碳库、地下碳库、土壤碳库和死亡有机碳库。该模型以土地利用数据为基础，统计4 种碳库的平均碳密度，之后由各地类的面积与其碳密度相乘再求和，得到区域总碳储量。总碳储量的计算公式见式(6)：

关于碳密度数据的研究已有很多，参考前人研究，尽量选择安徽省内实测数据。湿地、林地与建筑用地的碳密度参考中科院2010 s 中国陆地生态系统碳密度数据集[21]，以及孙方虎等[22]、林凡等[23]研究成果。耕地的碳密度参考赵明松等[24]和吴楠等[25]研究成果，并采用生物量碳密度和土壤碳密度与降水量、气温的关系校正模型进行修正[26-27]。其中土壤碳密度为0～100 cm 土体的碳密度。研究区不同地类碳密度数据见表2，因死亡有机物碳库数据难以获得，所以本研究不做考虑。

表2 潘谢矿区不同土地利用类型碳密度值Table 2 Carbon density of different land use types in Panxie mining area

3 结果与分析

3.1 土地利用变化分析

3.1.1 2002—2021 年土地利用变化分析

由图2 和表3 可知，潘谢矿区土地利用类型以耕地为主，以2021 年数据为例：耕地占矿区面积的55.85%；其次为建筑用地和湿地，分别占比为25.81%和18.11%；林地占比最少，仅有0.23%。整体变化趋势为耕地减少，湿地、林地和建筑用地增加。其中耕地总计减少了147.93 km2，湿地、林地和建筑用地分别增加了71.01 km2、1.16 km2和75.76 km2。

表3 2002—2021 年潘谢矿区各地类面积及比例Table 3 Areas and proportions of different land use types in panxie mining area from 2002—2021

图2 2002—2021 年潘谢矿区土地利用类型Fig.2 Land use of Panxie mining area from 2002 to 2021

根据2002—2021 年土地利用转移情况，绘制了Sankey 图，如图3 所示。由图3 分析可知，2002—2010 年，矿区处于快速发展阶段，耕地大量向湿地和建筑用地转出，转出面积分别为24.53 km2和36.01 km2。同时还伴随着少量湿地和建筑用地转入耕地，面积为5.14 km2和12.99 km2。

图3 2002—2021 年土地利用类型转移Sankey 图Fig.3 Sankey map of land usetype conversion from 2002 to 2021

2010—2014 年间，土地利用变化趋势与上一阶段相似，14.92 km2的耕地转为湿地，5.08 km2的湿地转变为耕地，但建筑用地和耕地之间的相互转换面积有所减少，7.41 km2的耕地转为建筑用地，0.51 km2的建筑用地转为耕地。

2014—2018 年间，矿区建筑用地增长速度大大减缓，此阶段土地利用变化主要为湿地和耕地的相互转换，23.46 km2的耕地转为湿地，5.01 km2湿地转变为建筑用地。

2018—2021 年间，随着去产能政策的执行，由《淮南市人民政府关于煤炭行业化解过剩产能实现脱困发展的实施意见》可知，政府支持发展风电、光伏发电和现代农业等新兴产业，调整土地利用结构，促进矿区土地再开发利用。在此期间内，建筑用地面积迅速增加，增长速度达到峰值，48.39 km2耕地转出为建筑用地。同时，沉陷湿地仍处于扩张阶段，速度趋于稳定。

综合4 个阶段，耕地持续不断转出为湿地和建筑用地，且存在少量湿地和建筑用地转入耕地，其中建筑用地转入耕地的面积逐年减少，湿地则较为稳定，在2010 年之后，平均每年有1.20 km2的湿地转变为耕地。湿地和建筑用地在每个阶段内均有相互转化，但两者相互转换的面积基本相同。此外，4 个阶段内林地一直在快速增长，不过相对于其他3 种土地利用类型，林地面积的变化较为有限。

3.1.2 模型精度验证

为验证FLUS 模型对土地利用预测的精度，选用2010 年和2014 年的土地利用数据模拟2018 年土地利用，并与2018 年实际土地利用数据进行精度验证。通过FLUS 模型内精度验证工具得到总体精度为0.89，Kappa 系数为0.77，精度较高，可以用于未来土地利用类型的预测。

3.1.3 情景模拟下的土地利用变化分析

根据《淮南市土地利用总体规划（2006—2020 年）》《淮南市国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》结合前人研究经验[28-29]，设置了2 种发展情景，分别为自然发展情景（Q1）和生态保护情景（Q2）。

在自然发展情景下，不考虑任何规划和政策的影响，未来土地利用格局按照2002—2021 年变化趋势自然演变。

在生态保护情景下，可通过减少煤炭开采量、实施充填开采等手段控制地表下沉，减少沉陷湿地面积的增加，同时开展土地复垦，将部分废弃建筑用地复垦为耕地，减缓耕地面积的减少。在模拟未来土地利用变化时，耕地向湿地、建筑用地的转移概率分别减少10%、30%，建筑用地向耕地的转移概率增加10%。

使用FLUS 模型在2 种不同情景下模拟2028年潘谢矿区土地利用变化如图4 所示。结合表4 可知，在自然发展情景下，湿地和建筑用地面积占比增加，分别增加5.35%和6.72%，耕地面积占比减少12.08%，林地面积占比基本维持不变。生态保护情景下，湿地和建筑用地面积占比分别增加了4.73%和4.55%，耕地面积占比减少9.29%。相较于自然发展情景，湿地减少了3.27 km2，建筑用地减少了11.51 km2，耕地增加了14.78 km2。可以看出，在生态保护下湿地和建筑用地的增长幅度有所减缓，能够有效保护耕地。

表4 2021 和2028 年潘谢矿区各类土地利用类型面积及占比Table 4 Area and proportion of various land use types in Panxie mining area in 2021 and 2028

图4 2028 年不同发展情景下潘谢矿区土地利用类型Fig.4 Land use of Panxie mining area under different development scenarios in 2028

3.2 碳储量变化分析

3.2.1 2002—2021 年碳储量变化分析

使用InVEST 模型分别计算潘谢矿区2002、2010、2014、2018 和2021 年的碳储量，并且预测2028 年不同发展情景下的碳储量，各矿区碳储量、潘谢矿区碳储量变化和碳储量变化分布如表5、图5、图6 和图7 所示。从总碳储量来看，潘谢矿区总碳储量不断减少，具体表现为耕地碳储量减少，湿地和建筑用地碳储量增加。2021 年碳储量相较于2002年减少了1.62×105t，占比3.83%。

表5 2002—2028 年各矿区碳储量Table 5 Carbon reserves of each mining area from 2002 to 2028

图5 2002—2028 年各矿区碳储量占比Fig.5 Proportion of carbon storage in each mining area from 2002 to 2028

图6 2002—2028 年潘谢矿区碳储量变化Fig.6 Change of carbon stocks in Panxie mining area from 2002 to 2028

图7 2002—2028 年潘谢矿区碳储量变化分布Fig.7 Distribution of carbon stocks in Panxie mining area from 2002 to 2028

就各矿区而言，由碳储量的占比从多到少排序为丁集矿、顾桥矿、张集矿、潘一矿、潘三矿、朱集东矿、谢桥矿、顾北矿、潘北矿、潘二矿。在2002—2021 年，谢桥矿、顾北矿和顾桥矿碳储量的占比小幅度下降，其余矿区碳储量的占比均为小幅度增加。

从碳储量的变化趋势来看，10 个矿区的碳储量都呈现出减少的趋势，对比2002 年和2021 年数据，谢桥矿和顾桥矿为碳储量变化幅度最大的矿区，分别减少了0.15×105t 和0.33×105t，占比为5.05%和4.95%。由于朱集东矿成立时间相对其他矿区较晚，开采时间短，截至2021 年矿区内耕地保护较好，是碳储量减少最少的矿区，减少了0.09×105t，占比为2.53%。其中碳储量减少的主要原因为采煤沉陷和城镇建设导致湿地和建筑用地增加，耕地减少，从而使得矿区总碳储量下降。2002—2021 年间林地面积虽不断变大，但其面积占比过小，对总体碳储量变化影响不大。

2002—2010 年，湿地和建筑用地快速增长，占用大量耕地，导致碳储量减少，并且在此阶段少部分湿地和建筑用地转变为耕地，使碳储量增加。2010—2014 年，此阶段碳储量减少量为最少，碳储量减少的原因主要是沉陷湿地的扩张，同时伴随着少量湿地和建筑用地转换为耕地，使碳储量回升。2014—2018 年，此阶段建筑用地变化不明显，但沉陷湿地的扩张使矿区碳储量呈减少趋势。随着土地复垦的实施和沉陷湿地的治理，从图7 可以看出，潘三矿为代表，矿区内部分湿地退还为耕地，使碳储量增加，有效地缓解了碳储量下降的趋势。2018—2021 年，因矿区转型发展，建筑用地增幅高达52.51%，同时沉陷湿地不断扩张，导致碳储量减少的幅度为4 个阶段最大。由于政策支持，部分沉陷湿地经过治理变为耕地一定程度上减缓了碳储量减少。

3.2.2 情景模拟下的碳储量变化分析

由预测结果可知，2 种发展情景下的碳储量均呈减少趋势。在自然发展情景下，相比2021 年，2028年的碳储量减少了0.74×105t，碳储量减少主要原因为耕地转变为湿地和建筑用地。其中顾桥矿的碳储量变化幅度最大，减少了0.17×105t，占比2.68%。谢桥矿的碳储量变化幅度最小，减少了0.01×105t，占比0.35%。

在生态保护情景下，相较于2021 年，碳储量减少了0.53×105t。由于实施生态保护政策，此情景下湿地和建筑用地扩张速度有所减缓，相比自然发展情景，碳储量增加了0.21×105t。各矿区的碳储量变化幅度与前一情景相同，依旧为顾桥矿最大，谢桥矿最 小，分 别 减 少 了0.12×105t 和0.01×105t，占 比1.89%和0.35%。结果表明，采取生态保护措施，积极开展土地复垦工作能够恢复矿区固碳能力，减轻采煤沉陷对矿区生态环境的破坏。

4 讨 论

土地利用变化是引起区域碳储量变化的主要原因之一[30]。综合已有研究成果可知：建设用地扩张导致的耕地和林地面积减少，是陆地生态系统碳储量变化的主要原因[31-32]。其中矿区生态系统的碳储量变化主要原因为草地和未利用地向工矿用地转移以及采矿造成的耕地面积减少[10]，而在高潜水位矿区，因开采后地表沉陷湿地导致耕地转为湿地也是影响碳储量变化的重要因素[33]。本研究利用FLUS和InVEST 模型，选取采矿、社会经济和气候环境等方面的数据作为驱动因子进行土地利用变化情景模拟，并基于前人的研究成果，依靠校正模型完成碳库的建立，最终实现潘谢矿区碳储量的估算和预测。对实验结果分析发现，高潜水位矿区碳储量变化的主要原因为采煤沉陷和区域化发展导致沉陷湿地和建筑用地侵蚀耕地，从而使高碳密度地类转为低碳密度地类，导致矿区碳储量减少。研究结果与已有结论具有较好的一致性[34-35]。然而，本研究也存在一定的局限性。在土地利用变化预测方面，若能获取矿区采煤相关信息，将未来沉陷预计作为驱动因子，可进一步提高预测结果精度[36]。在碳密度的取值方面，笔者虽参考前人研究，并采用校正模型修正，使碳密度接近实际值，但未能兼顾不同植被的种类以及年龄等固碳能力的差异。后续研究可补充相关野外实测数据，提高碳储量计算的准确性。

伴随着采煤工作的进行，沉陷湿地和建筑用地占用耕地导致碳储量减少的情况无法避免，因此有必要开展采煤沉陷区综合治理工作[37]。就潘谢矿区而言，在政府的主导下，潘谢矿区将沉陷区综合治理与城镇化、生态家园、湿地公园、新能源等建设相结合，完成了以“创大”生态园为代表的一系列治理项目，有效缓解了煤矿开采与生态保护的矛盾。在“碳达峰”、“碳中和”背景下，我国以煤炭为主的能源结构短时间内不会改变[38]，因此煤炭行业应当着重于绿色矿山建设，以低碳发展来落实“双碳”目标。

5 结 论

1)受煤矿开采和城镇发展影响，2002—2021 年潘谢矿区土地利用变化整体表现为耕地减少，湿地和建筑用地增加，林地少量增加。预测结果表明，在2 种情景下2028 年潘谢矿区内湿地和建筑用地均将持续增加，耕地不断减少。但生态保护情景下湿地、建筑用地和耕地变化幅度有所减缓。

2)由于耕地的固碳能力大于湿地和建筑用地，且林地面积占比过小对总体碳储量影响不大。因此，受高碳密度地类转为低碳密度地类影响，在2002—2021 年，研究区内碳储量不断减少。其中，2018—2021 年，碳储量减少幅度最大，谢桥矿和顾桥矿为碳储量变化幅度最大的矿区，朱集东矿为碳储量减少幅度最小矿区。预测结果显示，在两种情景下研究区内的碳储量均呈持续下降趋势，采取生态保护措施可在一定程度上缓解碳储量的减少。