李義平, 蔡 宏, 田鵬舉, 張蓓蓓, 廖書冰

(1.貴州大學(xué) 礦業(yè)學(xué)院, 貴州 貴陽 550025; 2.貴州省生態(tài)氣象和遙感中心, 貴州 貴陽 550002)

在全球碳循環(huán)中，陸地生態(tài)系統(tǒng)通過地表植被、土壤固定大氣中的CO2，從而將化學(xué)元素碳有效的固定下來，被認為是全球最大的碳庫[1]。土地利用變化會改變地表覆被情況，對區(qū)域植被、土壤的固碳能力產(chǎn)生重要影響，進而影響陸地生態(tài)系統(tǒng)各部分碳的分配[2]。因此，開展地表覆被變化對陸地生態(tài)系統(tǒng)碳儲量影響的研究有助于探尋土地利用結(jié)構(gòu)優(yōu)化途徑以提高區(qū)域生態(tài)系統(tǒng)碳儲量，對于改善自然生態(tài)系統(tǒng)有著重要的積極意義。近年來，國內(nèi)外研究學(xué)者分別采用不同碳儲量估算方法，基于不同尺度視角對簡單或復(fù)雜生態(tài)系統(tǒng)的碳儲量進行了估算[3-5]，并探討了不同地表覆被類型與碳儲量之間的響應(yīng)關(guān)系[6-7]。研究[8-9]發(fā)現(xiàn)，熱帶雨林大面積森林亂砍亂伐被認為是全球范圍內(nèi)陸地生態(tài)系統(tǒng)碳儲量損失的主要原因，而基于城市和國家視角，陸地生態(tài)系統(tǒng)碳儲量受到城市擴張所帶來的林地、耕地向建設(shè)用地的轉(zhuǎn)換以及國家退耕還林還草政策實施的雙重影響[10-12]。還有學(xué)者通過不同土地利用預(yù)測模型結(jié)合人文、經(jīng)濟、地理等相關(guān)因素模擬了未來流域生態(tài)系統(tǒng)和國家生態(tài)系統(tǒng)的碳儲量發(fā)展趨勢[13-14]，探討了如何優(yōu)化土地利用格局才能滿足低碳經(jīng)濟發(fā)展的需要[15]。然而，當前的研究多集中在城市、流域生態(tài)系統(tǒng)等大區(qū)域范圍內(nèi)的碳儲量估算及其變化趨勢，而結(jié)合時間空間尺度對小區(qū)域地表覆被變化所引起的碳源、碳匯轉(zhuǎn)化研究相對較少，也沒有對未來縣域尺度地表覆被轉(zhuǎn)移趨勢對生態(tài)系統(tǒng)碳儲量變化影響研究開展深入探討?？h作為國家基本行政區(qū)劃之一，是城市生態(tài)系統(tǒng)的重要組成部分，開展縣域尺度生態(tài)系統(tǒng)潛在碳儲量評估能夠為低碳視角下城鎮(zhèn)化建設(shè)管理及決策提供一定科學(xué)依據(jù)，有助于實現(xiàn)縣域生態(tài)系統(tǒng)低碳經(jīng)濟和生態(tài)環(huán)境的可持續(xù)發(fā)展。InVEST(integrated valuation of ecosystem services and trade-offs)模型能夠?qū)崿F(xiàn)生態(tài)系統(tǒng)服務(wù)功能的可視化表達，該模型的碳儲量模塊以土地利用數(shù)據(jù)為基礎(chǔ)，結(jié)合碳密度數(shù)據(jù)定量評估生態(tài)系統(tǒng)碳儲量[16]，具有輸入數(shù)據(jù)簡單、數(shù)據(jù)獲得性強、可視化表達和免費開源等優(yōu)點，在許多地區(qū)得到成功應(yīng)用。

貴州省黎平縣作為國家28個重點林區(qū)縣之一，生態(tài)環(huán)境條件優(yōu)越。自20世紀以來，由于經(jīng)濟的快速發(fā)展、城鎮(zhèn)化進程的加快，黎平縣土地利用和地表覆被發(fā)生了明顯變化，陸地生態(tài)系統(tǒng)碳儲量受到一定影響。因此，開展黎平縣生態(tài)系統(tǒng)固碳能力的研究顯得尤為重要。本文以黎平縣為研究區(qū)，利用InVEST模型定量研究黎平縣2005—2015年碳儲量時空分布及變化情況，并結(jié)合CA-Markov模型模擬2025年地表覆被情況，對黎平縣生態(tài)系統(tǒng)碳儲量進行預(yù)測，定量評估黎平縣生態(tài)系統(tǒng)的固碳能力，旨在為重點林區(qū)縣的生態(tài)系統(tǒng)碳儲量管理和“大生態(tài)”發(fā)展提供有效支持。

1 研究區(qū)與研究方法

1.1 研究區(qū)概況

黎平縣位于貴州省東南部，地理位置為東經(jīng)108°37′—109°31′，北緯25°43′—26°31′，屬黔東南苗族侗族自治州，是貴州省與湖南、廣西的交界縣。該縣總面積4 439 km2，是黔東南面積最大、中國侗族人口最多的縣，地處高海拔低緯度區(qū)域，境內(nèi)地形復(fù)雜多樣，海拔相對高差1 436 m，地勢起伏顯著，是素有“九山半水半分田”之稱的典型山區(qū)縣。研究區(qū)屬于亞熱帶季風(fēng)性濕潤氣候，生態(tài)環(huán)境優(yōu)美，土壤肥沃，氣候溫暖，適合各種動植物生長，是中國南方植物基因庫。主要地表覆被類型為林地，森林資源豐富，2006年該縣活立木蓄積量1.42×107m3，位居貴州省10個林業(yè)縣之首，且植被類型眾多，其中地帶性植被為常綠闊葉林。土壤類型主要包括黃壤、紅壤、石灰土和水稻土。

1.2 數(shù)據(jù)來源

2005，2010，2015年的黎平縣土地利用數(shù)據(jù)以Landsat TM和Landsat OLI遙感影像為數(shù)據(jù)源，影像數(shù)據(jù)源來自地理空間數(shù)據(jù)云平臺(http:∥www.gscloud.cn)，利用ENVI 5.3軟件進行人機交互解譯獲得，并參考中國土地資源分類系統(tǒng)，將研究區(qū)土地利用分為耕地、林地、草地、水域、建設(shè)用地以及未利用地六大類，經(jīng)精度評價Kappa系數(shù)分別為78.32%，80.28%和81.45%。DEM數(shù)字高程數(shù)據(jù)來自地理空間數(shù)據(jù)云，并在ArcGIS中生成坡度、坡向數(shù)據(jù)，空間分辨率為30 m。溫度、降水數(shù)據(jù)來自貴州省氣象局，利用氣象站點數(shù)據(jù)通過反距離加權(quán)法空間插值而成，空間分辨率為30 m。

1.3 研究方法

1.3.1 基于CA-Markov模型的土地利用預(yù)測 元胞自動機(CA)模型是一種沒有固定數(shù)學(xué)公式但空間、時間、狀態(tài)呈現(xiàn)離散型的網(wǎng)格動力學(xué)模型，其在時間因果關(guān)系和空間相互作用上均為局部關(guān)系。該模型所輸入的每個變量將狀態(tài)控制在某一個數(shù)量范圍內(nèi)，其狀態(tài)(例如某一個柵格的具體屬性)根據(jù)其前一個狀態(tài)和周邊柵格屬性按照某一規(guī)律變化進行自主分析，能夠?qū)r間、空間相對復(fù)雜的系統(tǒng)環(huán)境進行預(yù)測[17]。馬爾科夫(Markov)模型是一種可以對無明顯規(guī)律變化進行狀態(tài)分析的隨機模型，它記載并統(tǒng)計每個柵格地類已知兩個時段內(nèi)的變化情況并生成轉(zhuǎn)換概率矩陣，用于預(yù)測目標年份的地表覆被情況[18]。兩種模型各有優(yōu)勢，馬爾科夫模型更加側(cè)重于對地表覆被變化數(shù)量的預(yù)測，可進行長時間序列預(yù)測，但缺乏空間表達能力，無法展現(xiàn)各類型土地的空間分布。而元胞自動機的轉(zhuǎn)換規(guī)則不僅依賴于前一個狀態(tài)，而且取決于其周邊領(lǐng)域的狀態(tài)，能夠?qū)?fù)雜空間系統(tǒng)的時空動態(tài)演化過程進行表達。CA-Markov模型綜合了二者在模擬復(fù)雜環(huán)境上的優(yōu)點，能夠精準的從空間狀態(tài)分布和柵格數(shù)量方面對地表覆被變化的時空格局進行建模。具體操作步驟為： ①建立轉(zhuǎn)換規(guī)則。根據(jù)研究區(qū)2005和2010年土地利用數(shù)據(jù)，在IDRISI Selva平臺下運用Markov模型記錄2005—2010年所有柵格的轉(zhuǎn)換狀態(tài)，并生成概率轉(zhuǎn)移矩陣作為轉(zhuǎn)換規(guī)則參與2015年土地利用模擬。 ②建立適宜性圖集。適宜性能夠充分描述當前每個土地利用柵格在未來狀態(tài)的適宜性程度，通過集合所有地類適宜性圖來建立下一狀態(tài)土地利用適宜性圖集?；?005年的土地利用狀況，將土地利用作為因變量，溫度、降水、高程、坡度、坡向作為驅(qū)動因子，利用IDRISI平臺的空間多元回歸模型(LogisticReg模塊)進行回歸分析，計算得到所有土地類別的空間概率分布圖，再使用collection editor模塊將所有的空間概率分布圖集成在一個文件中。 ③迭代次數(shù)及領(lǐng)域濾波器的選擇。根據(jù)前人研究成果[19]，選擇5×5摩爾領(lǐng)域作為濾波參數(shù)，迭代次數(shù)選擇10。 ④精度檢驗。首先利用ROC曲線對每個土地利用類型涉及的5個驅(qū)動因素所產(chǎn)生的Logistic回歸結(jié)果進行精度檢驗，通過對不同判定標準下的同一信號源進行刺激反應(yīng)，其值大于0.7說明本文所選驅(qū)動因子均通過一致性檢驗且對該土地利用類型具有較強的解釋能力[20]；然后，采用誤差精度和kappa系數(shù)對研究區(qū)2015年土地利用模擬結(jié)果和2015年土地利用解譯數(shù)據(jù)進行真實性檢驗。 ⑤2025年土地利用模擬。如果2015年土地利用模擬數(shù)據(jù)的Kappa系數(shù)大于0.75，說明CA-Markov模型及所選驅(qū)動因子能夠較好地模擬研究區(qū)土地利用格局。重復(fù)上述主要步驟，建立2015年適宜性圖集與2005—2015年轉(zhuǎn)換規(guī)則，以2015年土地利用現(xiàn)狀圖為基礎(chǔ)模擬2025年研究區(qū)土地利用格局。

1.3.2 基于InVEST模型的碳儲量評估

(1) InVEST模型簡介。InVEST模型是一種探索人類決策對生態(tài)服務(wù)系統(tǒng)影響的可視化工具，其海洋水質(zhì)、棲息地風(fēng)險評估、碳儲存和固定等多個模塊可對生態(tài)系統(tǒng)服務(wù)和交易具有操作簡便、輸入數(shù)據(jù)易獲取等優(yōu)點。該模型把陸地生態(tài)系統(tǒng)碳分為4個部分，分別是地上碳、地下碳、土壤碳和死亡有機碳，其中地下碳是指植物在土壤中的根系部分所儲存的有機碳，死亡有機碳是指死亡凋落物和枯落物所儲存的有機碳，但由于死亡有機碳的數(shù)據(jù)相對復(fù)雜且不易觀測獲取，固在本研究當中僅僅考慮地上、地下和土壤中所儲存的碳。具體計算公式為：

Ci=Ci-above+Ci-beiow+Ci-soil

(1)

(2)

式中：i為土地利用類型；Ctot為生態(tài)系統(tǒng)總碳儲量(t)；Ci-above為i類土地利用類型的地上碳密度(t/hm2)；Ci-below為i類土地利用類型的地下碳密(t/hm2)；Ci-soil為i類土地利用類型的土壤碳密度(t/hm2)；Si為i類土地利用類型的面積；n為土地利用類型的數(shù)量。

(2) 碳密度數(shù)據(jù)的選定。研究區(qū)實測碳密度數(shù)據(jù)能夠有效提高碳儲量估算精度，但目前研究區(qū)基于土地利用類型的實測碳密度數(shù)據(jù)較為缺乏，因此相關(guān)碳密度值的確定工作由兩部分組成： ①收集研究區(qū)及周邊領(lǐng)域的實測碳密度數(shù)據(jù)； ②查找相似區(qū)域和全國尺度碳密度數(shù)據(jù)并利用溫度、降水校正模型進行修正。基于此，研究區(qū)不同土地利用碳密度數(shù)據(jù)如表1所示。

表1 研究區(qū)不同土地利用碳密度數(shù)據(jù) t/hm2

表1中，林地地上碳密度數(shù)據(jù)來源于李默然[21]等人對黔東南主要森林類型碳儲量研究的實測數(shù)據(jù)并取平均值；根據(jù)李克讓[22]、方精云[23]等相關(guān)研究成果，獲得全國水平的耕地、草地地上碳密度，并采用Alam[24]等、Giardina[25]等、陳光水[26]等關(guān)于碳密度與氣溫和降水的關(guān)系模型，將全國尺度碳密度數(shù)據(jù)修正得到研究區(qū)碳密度數(shù)據(jù)；未利用地、建設(shè)用地碳密度數(shù)據(jù)根據(jù)張峰[27]、朱超[28]等研究成果并進行修正得到；地下碳密度數(shù)據(jù)根據(jù)黃玫[29]、樸世龍[30]、方精云[31]等對不同土地利用類型地上地下生物量比值的研究成果進行運算得出，耕地地下地上生物量比值取0.19，草地地下地上生物量比值取4.1，林地地下地上生物量比值取0.4；建設(shè)用地、水體的地上、地下碳密度均默認為0；各土地利用類型的土壤碳密度數(shù)據(jù)根據(jù)帥虎[32]等人對重慶市碳儲量的研究成果進行修正得到。具體修正公式為：

CSP=3.396 8MAP+3 996.1

(3)

CSP=6.798e0.005MAP

(4)

CBT=28MAT+398

(5)

式中：CSP為根據(jù)年降水量得到的土壤碳密度；CBP，CBT為根據(jù)年降水量和年均溫度得到的地上生物量碳密度； MAP為年降水量； MAT為年平均溫度。將2005年全國和黎平縣的年均降水量及溫度(697.25 mm/9 ℃，1 028.13 mm/15.6 ℃)分別帶入上述公式，二者之比即為修正系數(shù)。

2 結(jié)果分析

2.1 黎平縣2005-2015年土地利用特征

黎平縣主要土地利用類型為林地，其面積占黎平縣總面積的1/2以上。由表2可知，2005年林地、耕地、草地面積占研究區(qū)比例分別為69.11%，16.61%和13.85%，其次為建設(shè)用地和水域，分別為0.26%和0.12%，未利用地占比極少，僅有0.04%。在2005—2015年，草地、建設(shè)用地、水域面積呈增加趨勢，分別增加2 942.19，933.75和86.49 hm2，較2005年研究區(qū)比例分別增加0.67%，0.22%和0.02%，其中建設(shè)用地和水域的擴張最為明顯，增幅分別為79.955%，15.827%；耕地、林地、未利用地面積呈減少趨勢，分別減少1 736.01，2 120.22和106.2 hm2，其中未利用地降幅最大，降幅為57.34%。

表2 研究區(qū)2005-2015年土地利用面積變化

2005—2015年黎平縣土地利用類型發(fā)生改變的面積為10 866.51 hm2，在土地面積恒定的情況下各主要土地利用類型之間均發(fā)生了相互的轉(zhuǎn)入與轉(zhuǎn)出(表3)。其中，行為轉(zhuǎn)出，列為轉(zhuǎn)入，耕地—耕地、草地—草地、林地—林地、水域—水域、建設(shè)用地—建設(shè)用地、未利用地—未利用地表示該地類在時空格局上未發(fā)生改變的面積。

10 a間，林地是其他土地利用類型的主要貢獻者，其轉(zhuǎn)出面積大約是轉(zhuǎn)入面積的1.5倍，主要轉(zhuǎn)為草地(3 844.26 hm2)，占轉(zhuǎn)出面積的67.45%。耕地的轉(zhuǎn)出面積大約為轉(zhuǎn)入面積的2倍，其面積主要流向于林地(2 605.68 hm2)和建設(shè)用地(523.89 hm2)，分別占轉(zhuǎn)出面積的73.43%，14.76%。建設(shè)用地轉(zhuǎn)入面積的主要來源為耕地(523.89 hm2)，其次為林地(256.86 hm2)和草地(166.05 hm2)，分別占轉(zhuǎn)入面積的55.07%，27%，17.46%。未利用地雖然面積較少，但有73.42%的面積轉(zhuǎn)換為林地。綜合分析可知，2005—2015年黎平縣土地利用類型之間的主要變化趨勢為：部分林地轉(zhuǎn)為草地；建設(shè)用地的擴張占用的大面積的耕地、林地和草地。

表3 研究區(qū)2005-2015年土地利用面積轉(zhuǎn)移矩陣 hm2

2.2 CA-Markov模型精度檢驗與預(yù)測結(jié)果

首先運用ROC曲線對Logistic回歸模型結(jié)果進行檢驗(表4)。結(jié)果表明，2005年耕地、林地、草地、水體、建設(shè)用地、未利用地的ROC值依次為0.851 1，0.897 8，0.783 2，0.935 1，0.914 2和0.968 4，均大于0.7，說明本文所選因子符合研究區(qū)實際情況。然后，分別從數(shù)量和空間分布角度進行精度評價。在數(shù)量方面，將模擬土地利用面積與真實土地利用面積進行誤差精度計算(表5)，研究區(qū)主要土地利用類型的誤差精度均小于10%，表明該模型在數(shù)量上的預(yù)測精度較高。在空間分布方面，利用IDRISI平臺中的Crosstab模塊進行kappa系數(shù)檢驗可知，kappa系數(shù)為0.879，表明該模型模擬的2015年土地利用格局與實際現(xiàn)狀比較接近，具有良好的預(yù)測能力，可用于2025年的土地利用模擬。最后，同樣采用ROC曲線對2015年適宜性圖集進行回歸檢驗，各個地類ROC值均滿足研究需要。

表4 研究區(qū)2005和2015年不同土地利用類型Logistic回歸結(jié)果

注：A—E依次為高程、降水、坡度、坡向和溫度。

表5 研究區(qū)2015年土地利用模擬數(shù)量精度驗證

由預(yù)測結(jié)果可知(見封3附圖2—3)，2025年黎平縣耕地、林地、草地、水域、建設(shè)用地、未利用地面積分別為74 575.71，286 127.19，77 084.73，983.16，2 556.09和83.16 hm2。2015—2025年土地利用類型的變化趨勢與2005—2015年基本相同，草地、建設(shè)用地和水域面積依舊保持增長趨勢，林地面積持續(xù)減少但幅度增大，唯一不同的是耕地由2005—2015年的小幅減少變?yōu)?015—2025年的小幅增加，未利用地變化較小。與2015年相比，面積增加最多的土地利用類型為草地(12 995.55 hm2)，占研究區(qū)面積的2.94%，其次為耕地(3 015 hm2)、建設(shè)用地(454.5 hm2)和水域(350.19 hm2)；林地依舊保持減少趨勢，共減少16 819.38 hm2，占研究區(qū)面積的3.81%，仍舊是其它土地利用類型的主要貢獻者。2015—2025年草地、水體的增幅分別為20.28%和55.33%，較2005—2015年增加幅度更為明顯；2015—2025年建設(shè)用地增幅為21.63%，較2005—2015年增加幅度有所減緩；2015—2025年林地減少幅度為5.55%，較2005—2015年減少幅度更加明顯；而耕地由2005—2015年的降幅2.37%到2015—2025年的增幅4.21%，整體趨勢發(fā)生轉(zhuǎn)變。

2.3 生態(tài)系統(tǒng)碳儲量變化分析

由圖1—2可以看出，黎平縣2005和2015年生態(tài)系統(tǒng)總碳儲量分別為9.14×107t和9.12×107t，平均碳密度分別為207.06和206.61 t/hm2，2005—2015年碳儲量和碳密度分別減少了2.00×105t和0.45 t/hm2，林地的大面積轉(zhuǎn)出以及建設(shè)用地的擴張是碳密度和碳儲量下降的直接原因。由預(yù)測結(jié)果可知，2025年生態(tài)系統(tǒng)碳儲量和平均碳密度分別為8.98×107t和203.44 t/hm2，2015—2025年碳儲量和平均碳密度依舊呈現(xiàn)下降趨勢，分別下降1.40×106t和3.17 t/hm2，下降幅度增大。從不同土地利用類型的角度來看，黎平縣2005—2025年不同土地利用類型的碳儲量均有變化，其碳儲量主要變化趨勢為：林地的碳儲量一直呈現(xiàn)下降趨勢，由2005年的7.17×107t下降到2025年的6.72×107t，且在2005—2015年下降緩慢，2015—2025年降速加快；草地由2005年的9.64×106t增加到2025年的1.22×107t，且2015—2025年增加明顯多于2005—2015；建設(shè)用地由2005年的1.29×105t增加到2025年的2.83×105t；耕地的碳儲量呈現(xiàn)先減少后增加的趨勢，由2005年的9.92×106t下降到2015年的9.69×106t，再增加到2025年的1.01×107t。

圖1 研究區(qū)2005，2015，2025碳儲量及2005-2025年碳儲量變化空間分布

為清楚探明碳儲量變化情況，本文將2005—2025年碳儲量變化分為3類：明顯減少、基本不變、明顯增加(圖1)。由表6可知，研究區(qū)碳儲量以基本不變?yōu)橹?，所占比?9%以上。其中2005—2015年明顯減少區(qū)占比1.57%，整體分布較為擴散，相對集中的黎平縣城區(qū)域的碳儲量下降是由建設(shè)用地的擴張所造成的，而縣城以北高屯鎮(zhèn)的碳儲量下降則是由林地向草地轉(zhuǎn)換所致；2015—2025年明顯增加區(qū)域占0.9%，其直接原因為耕地、草地向林地的轉(zhuǎn)化，與退耕還林還草工程有關(guān)。2015—2025年，明顯減少和明顯增加區(qū)域均有所增加，明顯減少區(qū)域占比6.58%，明顯增加區(qū)域占比2.46%，碳儲量減少情況與林地、草地的相互轉(zhuǎn)換和建設(shè)用地的大肆擴張表現(xiàn)一致。綜上所述，近年來黎平縣生態(tài)系統(tǒng)固碳能力呈減弱趨勢，建設(shè)用地的大肆擴張和林地的大面積減少是生態(tài)系統(tǒng)碳儲量下降的直接原因。因此，對黎平縣土地利用結(jié)構(gòu)優(yōu)化顯得尤為重要，未來需合理的控制建設(shè)用地擴張范圍，采取提高林地所占比重等一系列的土地利用調(diào)控措施將有助于實現(xiàn)黎平縣低碳經(jīng)濟建設(shè)和生態(tài)環(huán)境的可持續(xù)發(fā)展。

圖2 研究區(qū)碳儲量、碳密度變化趨勢

3 討論與結(jié)論

3.1 討 論

根據(jù)研究結(jié)果可知，黎平縣在近年來生態(tài)系統(tǒng)固碳能力有所減弱，2005—2015年總碳儲量減少了2.00×105t，而陸地生態(tài)系統(tǒng)的固碳能力與地表覆被情況密切相關(guān)，林地作為碳儲量最豐富的土地利用類型，承擔(dān)著主要碳匯功能，大面積的林地轉(zhuǎn)出是碳儲量減少的重要原因之一，未來應(yīng)重點加強林區(qū)保護力度。本文通過結(jié)合區(qū)域?qū)崪y數(shù)據(jù)和氣象校正數(shù)據(jù)所獲取的碳密度值相較于以往研究直接采用全國尺度數(shù)據(jù)更加具有合理性和可靠性。通過對蔡廣鵬[33]在貴州省綏陽縣的草地地上碳儲量研究結(jié)果進行計算，發(fā)現(xiàn)草地地上生物量碳密度為3.56 t/hm2，與本文通過模型修正獲得的草地地上生物量碳密度(3.6 t/hm2)非常接近，說明本文的研究結(jié)果符合研究區(qū)實際情況。固本文的研究結(jié)果合理的評估了黎平縣生態(tài)系統(tǒng)固碳能力，能夠為黎平縣的生態(tài)環(huán)境和可持續(xù)發(fā)展提供一定的參考。但仍存在一定的不足之處： ①在利用CA-Markov模型進行土地利用格局預(yù)測時未充分考慮如禁止建設(shè)區(qū)、基本農(nóng)田保護區(qū)等地方相關(guān)政策因素，使得土地利用預(yù)測結(jié)果與政策環(huán)境結(jié)合較弱； ②InVEST模型的碳儲量模塊在計算當中簡化了碳在陸地生態(tài)系統(tǒng)當中的循環(huán)過程，其更加側(cè)重于不同地表覆被類型之間的碳密度差異，采用單一土地利用類型的碳密度值來估算碳儲量，忽視了土壤類型、植被種類和年齡結(jié)構(gòu)所帶來的固碳能力差異，在一定程度上影響了碳儲量的估算精度。因此，在今后的研究當中，可結(jié)合耕地保護、生態(tài)保護等相關(guān)政策模擬不同土地利用情境下的生態(tài)系統(tǒng)固碳能力，并耦合土地利用內(nèi)部碳循環(huán)機制，加強對不同時期、不同土地利用類型碳密度的野外調(diào)查和監(jiān)測，以期利用更加全面的試驗觀測數(shù)據(jù)來提高區(qū)域性生態(tài)系統(tǒng)碳儲量評估的準確性。

表6 研究區(qū)碳密度變化量統(tǒng)計

3.2 結(jié) 論

(1) 2005—2015年黎平縣耕地、林地、未利用地呈減少趨勢，建設(shè)用地、草地、水域呈增加趨勢，其中建設(shè)用地擴張最為明顯，增幅為79.955%。2015—2025年預(yù)測結(jié)果為林地持續(xù)減少，草地、耕地、建設(shè)用地和水域增加，其中，林地、草地變化幅度增大，耕地由2005—2015年的降幅2.37%變?yōu)?015—2025年的增幅4.21%。

(2) 2015年黎平縣生態(tài)系統(tǒng)碳儲量和平均碳密度分別為9.12×107t和206.61 t/hm2，2005—2015年分別下降2.00×105t和0.45 t/hm2，生態(tài)系統(tǒng)固碳能力減弱，林地的大面積轉(zhuǎn)出和建設(shè)用地的擴張是碳儲量下降的直接原因。2025年黎平縣生態(tài)系統(tǒng)碳儲量和平均碳密度的預(yù)測值分別為8.98×107t和203.44 t/hm2，相比2005—2015年減少幅度增大，與林地面積減少趨勢保持一致。