基于PLUS-InVEST 模型吐哈盆地陆地生态系统碳储量时空变化及多情景模拟

韩楚翘， 郑江华,2， 王 哲， 于雯婕

（1.新疆大学地理与遥感科学学院，新疆 乌鲁木齐 830017；2.新疆绿洲生态重点实验室，新疆 乌鲁木齐 830017）

陆地生态系统中的碳储量在全球碳循环中具有重要意义，在减缓气候变化，实现“碳中和”战略目标等方面起着关键作用［1］，它能够从大气中吸收CO2，以增加生态系统碳储量和缓解气候变暖，是全球碳循环中重要一步［2］。土地利用/土地覆盖变化是人类改变陆地生态系统最主要的方式［3］，有研究表明，土地覆盖变化是区域碳储量变化的重要原因，不同土地利用类型之间的碳储存能力差异较大［4-5］。此外，土地覆盖变化也会引起植被分布及土壤类型发生改变，从而导致碳储量的变化［6-7］。在全球气候变化大背景下，评估土地覆盖变化对碳储量的影响对于可持续碳循环和实现“双碳”目标至关重要。

构建土地利用覆盖模型是了解土地覆盖变化研究的主要方法［8］。现有的土地利用模型如CAMarkov［9］、FLUS［10］和CLUE-S［11］等模型难以确定土地利用变化的潜在驱动因素，而斑块生成土地利用变化模拟（PLUS）模型可以深入挖掘土地覆盖变化驱动因素，从而获得更准确的土地覆盖模拟结果［12-14］。可靠的土地利用预测模型，将有助于制定科学合理的土地管理政策。

目前，国内外研究学者估算生态系统碳储量的方法主要有2 种，一是基于不同土地覆盖类型碳密度，利用生态系统服务和权衡的综合评估（InVEST）模型得到；二是通过实地调查获得。虽然实地测算得到的结果精度较可靠，但需要大量的人力物力，且适用于小范围的研究［15］。InVEST 模型具有输入参数简单、可视性强、稳定性高等优点［16-17］，其应用相对广泛。Wang等［18］利用InVEST模型评估了区域碳储量的时空趋势及驱动因素，对未来制定土地利用和碳管理政策具有指导意义；Li 等［19］、Zhu 等［20］、姚楠等［21］探究了不同生态工程对陆地生态系统碳储量的影响；段璇瑜等［22］、刘洋等［23］、王渊刚等［24］、Zhu 等［25］结合InVEST 模型评估了不同区域土地覆盖变化对碳储量的影响。综上所述，现有的研究更多地讨论了历史时期土地覆盖变化对碳储量的影响，而对于不同情景下未来区域碳储量变化情况的研究较为缺乏，尤其是中国西部的生态脆弱区。

本研究以新疆“三基地一通道”重点建设区吐哈盆地为例，基于土地覆盖数据，同时考虑自然、社会经济、交通等因素的影响，耦合PLUS 模型和InVEST 模型，分析了2000—2020 年吐哈盆地土地覆盖变化，探讨了土地覆盖变化对碳储量的影响。此外，研究设置了3种发展情景，预测了2025、2030年不同情景下土地覆盖和碳储量的时空变化。结果可为区域绿色低碳发展和土地可持续管理提供参考依据。

1 数据与方法

1.1 研究区概况

吐哈盆地位于新疆东部（87°16′～96°23′E，40°52′～45°05′N）（图1），由吐鲁番盆地和哈密盆地两部分组成，面积约为21×104km2，占新疆总面积的12.6%，包括高昌区、鄯善县、托克逊县、伊州区、巴里坤哈萨克自治县和伊吾县6个区县。该地属于典型的大陆性干旱气候，昼夜温差大，降水少且蒸发强烈，年平均降水量约为10～30 mm，年平均蒸发量约为3000～4000 mm，大风、高温等极端气候事件频发，生态环境极为脆弱。

图1 研究区示意图Fig.1 Schematic diagram of the study area

1.2 数据来源

本研究使用的2000、2005、2010、2015年和2020年30 m 空间分辨率的土地利用数据来源于中国年度土地覆盖数据集，该数据集基于Landsat 制作，并与全球森林变化、全球地表水以及不透水面产品数据表现出良好的一致性［26］，是中国较可靠的土地利用数据源之一。根据研究区实际情况将数据重新分为8 类：耕地、森林、灌木林、草地、水体、裸土地、建设用地、湿地。

研究选取了4种类型数据作为影响土地利用变化的驱动因素，包括地形数据（DEM、坡度）、气象数据（气温、降水量）、路网数据（与道路的距离）、社会经济数据（GDP、人口），各数据来源详见表1。

表1 数据类型及来源Tab.1 Data types and sources

1.3 研究方法

1.3.1 PLUS 模型土地利用变化模拟PLUS 模型是由中国地质大学开发的斑块级土地利用模拟模型，它包含2个模块：土地扩张分析策略（LEAS）模型和基于多类型随机种子（CARS）的CA 模型［27］。PLUS模型能够确定土地扩张过程的驱动因素，同时有着较高的模拟精度，与其他模型相比有一定的优势。

LEAS 模块中需要输入两期土地利用数据，利用随机森林算法计算驱动要素对各土地利用类型扩张的影响，以确定区域不同类型土地的发展潜力。CARS 模块是CA 模型，它是基于LEAS 结果进行的，能够模拟局部土地利用竞争，使土地利用总量在更大尺度上根据自适应系数、邻里效应和发展概率满足未来需求［28］。

研究使用总体精度（OA），Kappa 系数以评估PLUS模型的模拟性能［29］，Kappa系数可以揭示建模过程的准确性，一般来说，当Kappa系数大于0.8时，说明一致性较好，模拟结果被认为是可靠的。其公式如下：

式中：Kappa 为模拟精度指标；Po为实际模拟精度；Pc为随机状态下预期模拟精度；Pp为理想模拟精度（100%）。通过模拟得到2010年和2020年的Kappa系数分别为0.88 和0.89，均大于0.8，且总体精度分别为0.96 和0.97，说明PLUS 模型能够较好的模拟吐哈盆地土地覆盖情况，可用于未来的土地覆盖模拟。

1.3.2 碳储量估算InVEST模型即生态系统服务和权衡的综合评估模型［30］，它包含一系列子模型，其中碳储存和碳封存模型用于评估陆地生态系统的碳储量［31-32］。该模块包含4 种类型的碳库：地上生物量碳储量、地下生物量碳储量、土壤碳储量、死亡有机质碳储量。具体计算公式如下：

式中：i为土地覆盖类型；Ci为第i种土地覆盖类型的碳密度；Ci-above为第i种土地覆盖类型的地上生物量碳密度；Ci-below为第i种土地覆盖类型的地下生物量碳密度；Ci-soil为第i种土地覆盖类型的土壤有机质碳密度；Ci-dead为第i种土地覆盖类型的死亡有机质碳储量；Ctotal为陆地生态系统总碳储量；Ai为第i种土地覆盖类型的面积。由于死亡有机质碳储量含量较低且数据难以获取［33-34］，因此本研究仅考虑了3个碳库。

1.3.3 碳密度的确定与修正研究区各土地覆盖类型的碳密度数据来源首选与本地相关或相近的实测数据，其次为临近区域研究成果［23,35-40］，并利用气温、降水量与碳密度的关系模型进行修正［41-42］，具体修正公式如下：

式中：CBP为基于年平均降水量修正后得到的生物量碳密度；CBT为基于年平均气温修正后得到的生物量碳密度；CSP为基于年平均降水量修正后得到的土壤碳密度；MAP 和MAT 分别为年平均降水量（mm）和年平均气温（℃）；C1BP和C2BP分别为吐哈盆地和全国基于年平均降水量修正后的生物量碳密度；C1BT和C2BT分别为吐哈盆地和全国根据年平均气温修正后的生物量碳密度；KB和KS分别为生物量碳密度和土壤碳密度的修正系数；C1SP和C2SP分别为吐哈盆地和全国根据年平均降水量修正后的土壤碳密度。修正后吐哈盆地不同土地覆盖类型碳库碳密度见表2。

表2 吐哈盆地不同土地覆盖类型碳库碳密度Tab.2 Carbon density of different land cover types of carbon pools in the Turpan-Hami Basin/t·hm-2

1.3.4 情景设置基于不同的社会经济发展目标与区域土地利用政策偏好，设定并模拟了3 种发展情景［43-44］：可持续发展情景、维持现状情景、经济优先发展情景。3 种情景代表研究区未来主要发展方向。

可持续发展情景：该情景下要加强生态保护，减缓经济增长，限制森林、草地、湿地向其他土地类型发生转变。

维持现状情景：该情景被视为基准情景，它保持了土地利用历史发展趋势，并按照此趋势对未来土地利用情况进行模拟。

经济优先发展情景：该情景主要以经济增长为主，忽视了资源与环境的保护。因此限制建设用地转化为其他土地类型，同时增加其他土地利用类型转化为建设用地的概率。

2 结果与分析

2.1 土地覆盖与碳储量时空变化特征

2000—2020 年土地覆盖空间分布如图2 所示，裸土地是研究区主要的土地覆盖类型，占总面积的85%以上，遍布全区。第2大土地覆盖类型为草地，占总面积的11%，主要分布在研究区中部。水体和森林分别占总面积的0.21%和0.19%，分布在海拔较高的中部及西部。建设用地主要分布在各县区的中部，占研究区的0.1%～0.2%。耕地呈块状分布在建设用地及坡度较缓的水源附近。其余2种土地覆盖类型为灌木林和湿地，面积总计32 hm2。20 a来，耕地和裸土地面积分别增长了64.3×103hm2和65.7×103hm2，其次面积增长最大是建设用地，从2000 年的17.1×103hm2增长到2020 年的40.1×103hm2，草地表现出最大的减少趋势，共减少了156.2×103hm2。

图2 2000—2020年土地覆盖空间分布Fig.2 Spatial distributions of land cover from 2000 to 2020

2000、2010年和2020年吐哈盆地平均碳储量分别为26.01 t·hm-2、25.68 t·hm-2、25.73 t·hm-2，呈现出先降低后增加的趋势，20 a 来平均碳储量减少了0.28 t·hm-2。从空间分布看（图3），吐哈盆地碳储量中值区分布遍布全区，这些区域主要被裸土地覆盖；高值区集中在研究区的中部和西部，分布范围与耕地、森林、草地范围相一致；碳储量低值区主要分布在高值区附近，这些地区地势较平坦，土地类型多为水体和建设用地，受人类活动影响较大，碳储存能力相对较弱。

图3 2000—2020年碳储量空间分布Fig.3 Spatial distributions of carbon storage from 2000 to 2020

吐哈盆地不同土地覆盖类型对总碳储量的贡献度由大到小依次是：裸土地、草地、耕地、森林、湿地、灌木林（表3）。近年来，随着耕地、森林、裸土地面积的增加，碳储量也分别增加了6.03×106t、1.23×106t、1.08×106t，而草地面积的减少导致14.21×106t碳储量损失。总体来说，一部分碳密度较高的草地被建设用地侵占，另一部分草地退化为裸土地，区域生态系统逐渐恶化，是导致研究区总碳储量减少的主要原因。

表3 2000—2020年不同土地覆盖类型碳储量Tab.3 Carbon storage of different land cover types from 2000 to 2020/106t

此外，本研究分析了2000—2020 年不同类型碳库的平均碳储量变化。研究发现，土壤有机质碳储量约占总碳储量的94%，并呈现出缓慢下降的趋势，由2000 年的24.56 t·hm-2减少到2020 年的24.28 t·hm-2，地下生物量碳储量同样呈现显著下降趋势，共减少了0.017 t·hm-2，而地上生物量碳储量在20 a 来呈现出上升趋势，增长了0.018 t·hm-2，然而由于其占比较小（约2%），因而对总碳储量的变化影响较小。

2000—2010年、2010—2020年碳储量空间变化显示，碳储量增加或减少的区域都存在着聚集和连片分布的特点（图4）。2000—2010 年伊吾县、巴里坤哈萨克自治县碳储量存在着显著下降，这主要是由于大量草地退化为裸土地所导致的。其中伊州区和高昌区碳储量增加明显，这一时期区域人口不断增加，耕地扩张使土壤有机质碳储量增长，最终致使总碳储量的增加。2010—2020 年随着耕地和草地面积的增加，碳储量增加的区域也在逐渐扩大，而伊吾县和巴里坤哈萨克自治县西部碳储量的降低依旧是由于草地退化所导致的。

图4 2000—2020年碳储量空间变化Fig.4 Spatial changes of carbon storage from 2000 to 2020

2.2 未来不同情景下土地覆盖变化

运用PLUS 模型模拟了研究区可持续发展情景，维持现状情景和经济优先发展情景下2025、2030 年的土地覆盖。与2020 年相比，2025 年和2030 年3 种情景下森林、灌木林、湿地无明显变化，裸土地呈现减少的趋势，建设用地呈现增加的趋势（表4）。可持续发展情景下，耕地呈逐年减少的趋势，草地迅速增加，建设用地初期快速扩张而后又下降。2030 年耕地、草地、建设用地分别比2020 年减少（增加）了23.23×103hm2、26.53×103hm2、0.33×103hm2。维持现状发展情景下，耕地、建设用地呈现增加趋势，草地有一定程度减少。与2020 年相比，2030 年耕地、建设用地、草地分别增加（减少）了19.03×103hm2、11.47×103hm2、29.62×103hm2，耕地与建设用地几乎全部由草地所转换。换句话说，在该情景下，人类活动将不断侵占城区附近的草地。经济优先发展情景下，建设用地、草地面积有一定的增加趋势，较2020 年分别增加了12.50×103hm2、21.80×103hm2，耕地减少了29.61×103hm2。由于经济的快速发展，该区域对基础建设的需求不断增强，致使区域建设用地面积快速增加。与可持续发展和维持现状情景相比，该情景下建设用地面积达到最大。

表4 不同情景下未来土地覆盖类型面积Tab.4 Area of land cover types in the future under different scenarios/103hm2

2.3 不同情景下未来碳储量预测

研究估算了吐哈盆地3 种情景2025 年和2030年的碳储量（表5）。到2030 年，除可持续发展情景较2020年总碳储量有所增加，其余2种情景均呈现减少趋势，其中可持续发展情景下吐哈盆地总碳储量增加了0.18×106t，维持现状发展情景和经济优先发展情景下分别减少了0.30×106t、1.01×106t，经济优先发展情景下碳储量损失最大。可持续发展情景下，耕地碳储量呈现下降趋势，由2020 年的23.80×106t下降到21.62×106t，而草地较2020年增加了2.41×106t。这是由于人类实施的生态保护措施，使草地生态系统逐步恢复，部分裸土地向草地转换。维持现状发展情景下，耕地面积扩张使得耕地碳储量增加了1.78×106t，但草地的减少也造成了2.69×106t 碳储量的损失。这是由于该区域农田开垦使得耕地面积增加所导致的，然而草地被建设用地侵占进而损失了更多的碳储量。总体来看，该情景下2030年碳储量增加量仍然小于减小量，区域固碳能力呈下降趋势。经济优先发展情景下，耕地面积持续减少，造成了2.78×106t 碳储量的损失，而草地面积的扩张弥补了1.98×106t 碳损失。由于经济增长，人们更注重对城区基础设施的建设，使得市区内大量地类转化为建设用地，因而碳储量呈现减少趋势。

表5 各情景下不同土地覆盖类型碳储量Tab.5 Carbon storage of different land cover types under different scenarios/106 t

3 讨论

碳储量的变化主要是由于区域土地覆盖变化所导致的，近年来，随着人口持续增长和社会经济的快速发展［45-46］，使得建设用地面积不断扩张，草地和裸土地被大肆侵占，这也是吐哈盆地生态系统碳储量减少的主要原因。因此，对于高碳储量的地类，如森林、耕地、草地应当实施重点保护，防止其向其他地类转换，减少生态系统碳储量的流失。

研究借助InVEST模型的碳储量模块，估算了吐哈盆地的碳储量及空间分布情况。然而，使用In-VEST 模型估计碳储量存在一定的不确定性。第一，碳密度是输入模型的重要参数之一，也是准确估计碳储量关键因素［47］。本文碳密度数据的获取主要参考前人研究成果，通过选取与研究区域相似或相近的研究结果，并采用气温、降水量与碳密度的关系模型修正得到，相比于直接采用全国范围数据计算，精度更高。第二，该模型假设碳密度数据在不同的时间尺度上是一致的，这忽视了土地利用内部结构以及不同植被类型的固碳差异［48］，使用恒定的碳密度计算碳储量会产生一定的误差，导致结果的不确定性。今后应针对研究区不同土地覆盖类型的碳密度进行连续观测，以进一步提升碳储量的估计精度。第三，研究中土地利用数据来源于中国年度土地覆盖数据集，然而受制于数据分辨率，仅将数据划分为8类。未来可以获取更高精度的遥感数据，并根据2级土地覆盖类型进行细化，确定细化后研究区各土地覆盖类型碳密度，从而更加准确的计算研究区碳储量。第四，本文利用PLUS 模型模拟了未来3 种情景下的土地覆盖情况，然而3 种情景无法涵盖所有的发展模式，在未来的研究中应充分考虑区域发展政策，缩小情景模拟与现实发展间的差距。

4 结论

研究以吐哈盆地为例，分析了2000—2020年土地覆盖变化及其对碳储量的影响，并预测了2025、2030年不同发展情景下土地覆盖和碳储量的变化，主要结论如下：

（1）2000—2020年吐哈盆地土地覆盖变化主要表现为草地转向耕地、建设用地和裸土地，裸土地是该区域主要的土地覆盖类型，占总面积的85%以上。

（2）2000、2010年和2020年吐哈盆地平均碳储量分别为26.01 t·hm-2，25.68 t·hm-2，25.73t·hm-2，总体呈现下降趋势。碳储量空间分布也存在着明显的空间差异，呈现出中值区包围高值区，高值区包围低值区的空间分布特征。

（3）与2020 年土地覆盖现状相比，2030 年3 种情景下裸土地均呈现出减少的趋势，而建设用地呈现增加的趋势。可持续发展情景和经济优先发展情景下耕地面积持续减少，草地面积不断增加；在维持现状情景和经济优先发展情景下建设用地面积快速扩张，较2020 年分别增加11.47×103hm2、12.50×103hm2。

（4）2025、2030 年可持续发展情景下吐哈盆地碳储量呈现先减少后增加的趋势，维持现状发展情景下呈现先增加后减少的趋势，而经济优先发展情景下呈现出持续减少的趋势。2030 年可持续发展情景、维持现状情景、经济优先发展情景下总碳储量分别为540.45×106t、539.97×106t、539.25×106t，其中经济优先发展情景下碳储量损失最大，约损失1.01×106t。