馮 源，朱建華*，劉華妍，肖文發(fā)

（1.中國林業(yè)科學研究院森林生態(tài)環(huán)境與保護研究所/國家林業(yè)和草原局森林生態(tài)環(huán)境重點實驗室，北京 100091；2.南京林業(yè)大學南方現(xiàn)代林業(yè)協(xié)同創(chuàng)新中心，江蘇南京 210037）

【研究意義】土地是人類活動的基本載體[1-2]，不同土地利用類型的碳排放具有明顯差異[3-4]。在以大氣CO2濃度升高為標志的全球變化背景下，人類活動造成的土地利用/覆被變化是導致全球碳排放的主要原因之一[5-6]。因此量化土地利用變化下區(qū)域碳收支動態(tài)不僅是國內外研究熱點，也是推動區(qū)域低碳經濟發(fā)展及社會的可持續(xù)發(fā)展的關鍵?！厩叭搜芯窟M展】我國現(xiàn)階段關于土地利用變化及區(qū)域碳排放已有大量研究[7-9]，張梅等[3]利用遙感影像評估了全國各區(qū)域土地利用類型轉變的碳排放強度；周璟茹等[7]探究了關中城市群土地集約利用與碳排放的關系及二者演化特征；楊皓然等[8]構建了基于碳排放量的江蘇省土地利用轉型生態(tài)效率的評估指標體系；崔盼盼等[9]運用LMDI-I 加法數(shù)量分解模型核算了中國30 個省的隱含碳排放的驅動機制及空間分異特征?！颈狙芯壳腥朦c】由于目前多數(shù)研究關注省級以上的區(qū)域尺度碳排放[7-9]，對研究區(qū)內部的碳排放時空動態(tài)研究不足[4]、缺少精細空間尺度的碳排放研究；而且受研究方法所限，已有研究多關注歷史時段碳排放評估[10]，對未來精細尺度上（如縣域）碳排放的時空動態(tài)仍不清楚。土地利用格局是評估碳排放的重要途徑[4]，因此通過對未來縣域尺度下土地利用變化格局的預測即可獲得精細尺度的碳排放時空動態(tài)，對區(qū)域碳減排目標及政策的制定具有重要意義。CLUE-S（the conversion of land use and its effects at small regional extent）模型由荷蘭瓦格寧根大學開發(fā)，可將數(shù)據(jù)模擬與多種自然、社會經濟驅動因素耦合，是發(fā)展較為完善的空間格局預測模型。該模型適宜在高分辨率條件下預估土地利用類型變化數(shù)量及空間位置[11]，已被廣泛應用于城市[12-13]、流域[14]等多種精細尺度的土地利用變化模擬中?！緮M解決的關鍵問題】重慶市作為我國中西部唯一的直轄市，在過去10 余年間快速發(fā)展。位于重慶市主城北大門的渝北區(qū)，城鎮(zhèn)化率由2005年的59.0%增長為2019 年的84.22%，始終高于全市平均水平，是重慶市經濟體量最大、區(qū)位優(yōu)勢最明顯的地區(qū)，也是土地利用變化最具代表性的區(qū)縣。本文基于2005—2020 年渝北區(qū)土地利用現(xiàn)狀及土地利用驅動因素，應用CLUE-S 模型預測2025—2030 年渝北區(qū)土地利用變化在此基礎上預測該區(qū)碳吸收和碳排放動態(tài)，旨在理解精細尺度（縣域）碳收支時空動態(tài)變化規(guī)律，對未來區(qū)域減排目標分配和低碳優(yōu)化提供科學依據(jù)。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

渝北位于重慶市主城北部（106°27'30"～106°57'58" E、29°34'45"～30°07'22" N）；東鄰重慶市長壽區(qū)，南毗江北區(qū)，西傍北碚區(qū)、合川區(qū)，北抵四川省廣安市和華鎣市，面積為1 452.03 km2，下轄11 鎮(zhèn)19 街道，城鎮(zhèn)化率高達84.22%，2019 年常住人口為166.17 萬人。渝北區(qū)地處巴渝平行嶺谷地帶，地勢從西北向東南傾斜，喀斯特地貌分布較廣；地勢起伏大，海拔范圍為155～1 460 m（圖1）。渝北區(qū)屬亞熱帶濕潤氣候，年平均氣溫為17.3 ℃，年均降水量1 100 mm，平均日照1 340 h，具有冬暖春早、秋短夏長、云霧多、日照少的氣候特點。

圖1 渝北區(qū)地理位置及鄉(xiāng)鎮(zhèn)邊界Fig.1 Geographic location of Yubei District and the towns’border

1.2 數(shù)據(jù)來源

以2005年、2010年、2015年和2020年連續(xù)4 期渝北區(qū)土地利用/覆被數(shù)據(jù)及多種自然、社會驅動因素（海拔、坡度、坡向、距道路距離、距城鎮(zhèn)點距離）作為CLUE-S模型所需數(shù)據(jù)，并從重慶市統(tǒng)計年鑒中獲得渝北區(qū)常住人口、能源消費等社會經濟數(shù)據(jù)，用以估算渝北區(qū)碳收支（表1）。渝北區(qū)土地利用數(shù)據(jù)來源于美國地質勘查局USGS/EROS 的Landsat TM/ETM+/OLI衛(wèi)星遙感影像，空間分辨率為30 m，已通過校正、裁剪等預處理并由人機交互目視解譯，采取交叉檢驗方式檢驗解譯結果，使分類總體精度＞85%，滿足研究需求。根據(jù)IGBP、FAO等全球土地變化研究的分類體系，將渝北區(qū)劃分為水域、建設用地、未利用地、耕地和林地5種土地利用類型。

表1 渝北區(qū)數(shù)據(jù)來源Tab.1 Data source of Yubei District

1.3 CLUE-S模型介紹

CLUE-S模型基于區(qū)域適宜性的實證分析來模擬土地利用空間變化，同時考慮了不同土地利用類型之間的動態(tài)競爭和相互作用，已在多個國家得以應用[11,15]。CLUE-S 可分為非空間模塊和空間分配模塊兩部分，前者需輸入未來研究區(qū)所有土地利用類型的面積需求，后者則根據(jù)土地利用與驅動因子的經驗關系以及土地利用轉換規(guī)則進行需求分配。本文運用馬爾科夫鏈模型計算非空間模塊所需的未來各種土地利用的面積需求。馬爾科夫鏈模型是將時間序列作為離散的隨機過程、根據(jù)事件現(xiàn)有狀態(tài)預測其未來發(fā)生概率的方法[16]，已廣泛應用于景觀動態(tài)的模擬研究中。渝北區(qū)面積轉移矩陣體現(xiàn)了渝北區(qū)各種土地利用類型的面積轉移方向及程度（表2）。將渝北區(qū)2005—2020年各地類面積及面積轉移矩陣代入表3公式（1），預測未來10年各種土地利用類型面積。將馬爾科夫預測的2020年各地類面積與渝北區(qū)2020年真實土地利用格局進行比較，通過卡方檢驗后方可應用于CLUE-S模型。

表2 2015—2020年渝北區(qū)土地利用面積轉移矩陣Tab.2 Land-use area transfer matrix of Yubei District from 2015 to 2020

表3 本文公式Tab.3 Equations of this study

CLUE-S 空間分配模塊的輸入?yún)?shù)包括3部分：（1）土地利用轉移矩陣，定義了土地利用類型間轉換能否發(fā)生；本研究將矩陣中元素均賦值為1，即所有地類之間均可相互轉化；（2）轉換彈性系數(shù)，表征土地利用類型間轉換的難易程度，并根據(jù)相關文獻分別將渝北區(qū)水域、建設用地、未利用地、耕地和林地的轉移彈性系數(shù)賦值為0.58、0.83、0.30、0.40、0.77[17]；該值越接近0表明轉換越容易發(fā)生，越接近于1則表明轉換難發(fā)生；（3）土地利用類型與自然、經濟社會等多種驅動因子的Logistic 回歸系數(shù)，代表了某種地類在某個位置上發(fā)生的概率，見表3公式（2）。CLUE-S 模型基于渝北區(qū)土地利用現(xiàn)狀、未來土地利用需求及上述參數(shù)，通過表3公式（3）進行迭代計算，將土地利用需求分配到空間上。

使用二元Logistic 分析對上述土地利用變化驅動因素做逐步回歸，結果表明地形和距城鎮(zhèn)距離與各種土地利用類型空間分布關系最為密切（表4），而且地形因子中坡度是影響所有土地利用類型分布最重要的驅動因子。通過ROC（relative operating characteristics）曲線下面積大小判定Logistic 回歸擬合的優(yōu)劣，由表4 可知，除耕地ROC曲線下面積低于0.7 外，其它土地利用類型的ROC值均高于0.7，建設用的ROC值高達0.867 9，說明所選的驅動因子對各地類發(fā)生概率的解釋能力較好。

表4 Logistic回歸分析及ROC檢驗Tab.4 Regression of logistic analysis and relative operating characteristic（ROC）test

1.4 人為活動對土地利用變化的影響

為描述人為活動及城鎮(zhèn)化對渝北區(qū)土地利用變化的影響，本文運用建設用地擴張強度[18]和人類活動影響指數(shù)（human activity index，HAI）[19-20]來評價2005—2030年渝北區(qū)土地利用變化狀況及其城市化發(fā)展趨勢。根據(jù)已有研究結果[19-20]得到渝北區(qū)各種土地利用人類活動影響強度系數(shù)分別為：水域0.12、建設用地0.94、未利用地0.08、耕地0.61和林地0.12。建設用地擴張強度與人類活動指數(shù)計算公式見表3（4、5）。

1.5 渝北區(qū)碳收支計算

人類對土地資源的不同利用方式造成了區(qū)域碳排放及碳吸收；其中碳排放量主要來源于能源消費和人類自身呼吸，而碳吸收則由陸地植被的固碳功能提供[21-24]。水域、未利用地、耕地及林地發(fā)揮著大氣碳匯作用，碳排放量為負值（表5）。將重慶市已有研究中生態(tài)系統(tǒng)的凈生態(tài)系統(tǒng)生產力（net ecosystem production，NEP）作為相應土地利用類型的碳吸收值。與大多數(shù)使用凈初級生產力（net primary produc?tion，NPP）作為碳吸收的已有研究相比，NEP是扣除了生態(tài)系統(tǒng)異養(yǎng)呼吸之后的凈碳固存量[24]，能夠更準確地評估不同地類的真實碳吸收。城市建設用地發(fā)生的能源消費則是碳排放的主要來源，可根據(jù)3類主要的化石能源（煤炭、石油和天然氣）的消費量進行估算，見表3公式（6）。將各種能源消費量與其碳排放倍數(shù)（與標準煤相比）相乘可得到渝北區(qū)建設用地排放總量。在缺乏未來能源消費數(shù)據(jù)的情況下，為方便預測未來碳排放時空動態(tài)，將建設用地排放總量除以其總面積，得到建設用地的地均碳排放量[21]。由于2020年能源消費數(shù)據(jù)尚不能從統(tǒng)計年鑒中獲得，因此假設2020—2030年渝北區(qū)建設用地均碳排放量與2015年保持相同。由重慶市統(tǒng)計年鑒可知2005年至今渝北區(qū)常住人口由86.16萬人增長為166.17萬人，人類呼吸碳排放計算見表3公式（7）。

表5 渝北區(qū)地均（或人均）碳排放系數(shù)Tab.5 Carbon emission coefficient of per hectare（or per capita）in Yubei District

2 結果與分析

2.1 CLUE-S模型結果檢驗

在應用CLUE-S模擬結果之前，需要先使用卡方檢驗評估馬爾科夫鏈模型對未來各類土地面積的模擬結果，并使用Kappa 檢驗來驗證CLUE-S 模型對各地類空間格局的模擬能力，見表3 公式（8、9）。根據(jù)渝北區(qū)2015 年、2020 年土地利用格局、土地利用面積轉移矩陣、各地類與對應驅動因子的經驗方程，分別使用馬爾科夫鏈和CLUE-S 模型預測2020 年各地類面積及其空間分布格局，并將模擬結果與渝北區(qū)2020年真實土地利用格局進行比較（圖2）。將馬爾科夫鏈預測結果與2020年渝北區(qū)各地類真實面積計算得到卡方值為0.006，小于χ20.95(4)=9.49，說明預測結果與2020 年真實面積之間差異不顯著，馬爾科夫模型能夠較精確預測未來各種土地利用類型面積。將CLUE-S模擬所得的2020年結果與渝北區(qū)真實的土地利用格局進行比較（圖2），計算得到Kappa 系數(shù)為0.923 8，說明CLUE-S 的模擬精度超過了92%，該模型可以準確地預測渝北區(qū)未來土地利用的時空動態(tài)，結果合理可信。

圖2 CLUE-S預測結果及渝北區(qū)真實土地利用格局對比Fig.2 Comparison of CLUE-S predicted result with the real land-use pattern of Yubei District

2.2 2005—2030年渝北區(qū)土地利用變化分析

時間序列土地利用類型面積變化揭示了渝北區(qū)土地利用結構動態(tài)（圖3）。2005—2030 年渝北區(qū)耕地面積減少4.57×104hm2，所占全區(qū)面積的比重由71.86%減小到40.37%，減少幅度最大；而林地面積則呈現(xiàn)增加、減少、再增加和再減少的反復趨勢，2030年林地面積相比于2005年增加2 293.8 hm2；水域及未利用地面積略有增加，二者面積所占比重分別增加3.46%和3.53%。各地類中建設用地面積增加最多，由2005 年的5 775.0 hm2增加到2030 年的3.90×104hm2，面積增長了3.32×104hm2，占渝北區(qū)面積比重隨之增加22.91%（圖4）。建設用地擴張強度呈現(xiàn)“增加—降低—增加—降低”的波動變化過程，在2015—2020年間最低（0.60%），而在2020—2025年最高（1.43%），隨后又略有降低，2005—2030年整體擴張強度為0.92%。研究期間表征人為活動對土地利用結構影響的人類活動影響指數(shù)（HAI）呈現(xiàn)先降低后增長的趨勢，其值在2020 年最低（0.49），而此后呈迅速增長趨勢并在2030 年達到最大值（0.54），反映出未來人為干擾對渝北區(qū)土地利用變化的影響將持續(xù)增強。

圖3 2005—2030年渝北區(qū)土地利用變化Fig.3 Land use change of Yubei District during 2005 to 2030

圖4 2005—2030年渝北區(qū)建設用地面積變化及人類活動影響指數(shù)Fig.4 Area variations of construction land and HAI of Yubei District from 2005 to 2030

2.3 2005—2030年渝北區(qū)碳收支時空動態(tài)

植被固碳是區(qū)域碳吸收的主要途徑，2005—2030 年耕地和林地碳吸收值分別占全區(qū)碳吸收總量的69.52%～81.72%和18.02%～29.23%，二者之和幾乎與全區(qū)碳吸收值相等，而水域和未利用地碳吸收分別僅占全區(qū)碳吸收總量的0.25%～1.23%和0.00%～0.02%（表6）。渝北區(qū)碳吸收值在2005 年最高（2.17×105t），之后隨著耕地面積減少而逐漸降低，在2030 年碳吸收值降低為1.43×105t，每年平均降低幅度為1.36%。而與此同時渝北區(qū)碳排放卻由2.07×105t 逐漸增加到1.02×106t，其中建設用地碳排放量增加7.44×106t，所占比重由62.63%增加到85.44%，是碳排放的主要來源，而相應的人類呼吸碳排放所占比重范圍為14.56%～37.37%。在碳吸收與碳排放的雙重作用下，渝北區(qū)在2005 年表現(xiàn)為碳匯，凈碳吸收值為1.01×104t，此后隨著能源消耗增多、碳排放加劇而轉變?yōu)樘荚?，凈碳排放量?010 年的1.39×105t 逐漸增加至2030 年的8.79×105t；相應地渝北區(qū)地均凈碳排放量由2005 年的-0.07 t/hm2增長到6.07 t/hm2。

表6 2005—2030年渝北區(qū)碳收支Tab.6 Carbon budget of Yubei District from 2005 to 2030

由于不同土地利用類型的碳排放能力各異，隨著土地利用變化，渝北區(qū)碳排放的空間分布具有一定變化趨勢（圖5）。渝北區(qū)北部平行嶺谷中丘陵地帶（玉峰山鎮(zhèn)、古路鎮(zhèn)和大灣鎮(zhèn)東側、統(tǒng)景鎮(zhèn)西側、大盛鎮(zhèn)、石船鎮(zhèn)和龍興鎮(zhèn)西側）由于耕地的集中分布表現(xiàn)為高強度碳吸收；而且在華鎣—龍王洞山、銅鑼山和明月山這3 條山脈的海拔較高地區(qū)由于林地集中而具有較高的碳吸收。渝北區(qū)西南部較為平坦的丘陵地帶（覆蓋最南部的龍山、龍溪和龍塔街道向北至雙鳳橋街道一帶，共14 個街道）則由于建設用地密集而表現(xiàn)出強烈的碳排放，并且碳排放較高地區(qū)將隨著建設用地的增大向北沿平行嶺谷擴張，導致渝北區(qū)西部的木耳鎮(zhèn)、興隆鎮(zhèn)、茨竹鎮(zhèn)、大灣鎮(zhèn)北部以及渝北區(qū)中部的大盛鎮(zhèn)、統(tǒng)景鎮(zhèn)、石船鎮(zhèn)、龍興鎮(zhèn)以及渝北區(qū)最東側洛磧鎮(zhèn)的碳排放強度將增大。渝北區(qū)水域零星分布于建設用地周圍及山脈附近，而未利用地往往出現(xiàn)于建設用地周圍，由于這2種土地利用類型碳吸收能力較弱，對渝北區(qū)碳平衡空間分布格局的變化趨勢未能造成明顯影響。

圖5 2005—2030年渝北區(qū)碳收支空間分布格局Fig.5 Spatial distribution pattern of carbon budget of Yubei District from 2005 to 2030

3 討論

本文基于近期土地利用轉移矩陣及馬爾科夫鏈模型預測未來渝北區(qū)土地利用需求。馬爾科夫鏈適用于隨機波動較大的數(shù)據(jù)序列預測，計算簡便而且預測結果通過了卡方檢驗，準確性較高?；谖磥硗恋乩眯枨驝LUE-S 進一步模擬出未來10 年土地利用類型的空間分布格局，通過Kappa檢驗可知，預測結果與真實的土地利用格局非常接近，即CLUE-S模型可準確地預測未來土地利用格局的時空動態(tài)變化。

2005年以來渝北區(qū)在社會經濟快速發(fā)展、工業(yè)化及城鎮(zhèn)化全面推進過程中所展現(xiàn)出最明顯的土地利用變化趨勢為耕地面積大幅下降而建設用地面積顯著增加，而且這一變化趨勢將在未來10 年內得以延續(xù)。2019年重慶市渝北區(qū)人民政府工作報告指出該區(qū)城鎮(zhèn)化率已高達84.22%，而且進行了大規(guī)模的國土綠化、退耕還林1 333.33 hm2，驗證了該區(qū)土地利用變化的趨勢。2005—2030年渝北區(qū)耕地年均減少1 826.00 hm2，而建設用地始終保持著較高面積增長（年均增長1 328.75 hm2）與擴張強度（0.92%），說明建設用地面積增長擠壓了耕地空間。城市發(fā)展與農業(yè)用地之間的矛盾將是未來10余年渝北區(qū)土地利用格局的主要特征，而且這與渝北區(qū)作為重慶市都市功能拓展區(qū)，在未來十幾年將以經濟體量快速增長的發(fā)展定位相吻合。2020—2030 年渝北區(qū)建設用地和耕地面積范圍分別是2.21×104～3.90×104hm2和5.85×104～7.15×104hm2，符合現(xiàn)階段《渝北區(qū)及雙龍湖等21 鎮(zhèn)（街道）土地利用總體規(guī)劃（2006—2020 年）調整方案》對建設用地（4.67×104hm2）和農用地（除去林地外為5.39×104hm2）的面積控制，滿足基本農田保護紅線的要求。

土地利用變化對區(qū)域碳排放具有重要影響[3]。在渝北區(qū)碳收支評估過程中分別使用了前人研究中重慶地區(qū)農田及森林生態(tài)系統(tǒng)NEP作為耕地和林地的凈碳吸收值[23-24]，低于已有研究中以NPP表征的這兩種地類的碳匯值[22]。這是由于農田和森林生態(tài)系統(tǒng)不僅通過植被光合作用固定大氣CO2，還將通過異養(yǎng)呼吸過程向大氣釋放CO2，而且由于異養(yǎng)呼吸占NPP 的比例高達47.5%～98.9%[25]，因此在計算區(qū)域凈碳吸收時需要去除耕地和林地所對應的生態(tài)系統(tǒng)中異養(yǎng)呼吸碳釋放，避免高估這2種主要地類的凈碳吸收量，對縣域尺度碳平衡的估算更為科學合理。2005 年碳收支結果表明渝北凈碳吸收值為0.07 t/hm2，而在2010—2030年渝北區(qū)凈碳排放量由0.96 t/hm2增加到6.07 t/hm2，低于趙榮欽等[26]年估算江蘇省地均碳排放量（8.24～15.53 t/hm2）。這與研究區(qū)能源消費所占整體碳平衡的比例有關，渝北區(qū)能源消費量較低導致地均碳排放量低于江蘇省平均值。但本文僅設置了1種未來土地利用情景，鑒于吳萌等[27]報道不同的未來土地利用情景將導致武漢市碳排放量相差10%～11%，下一步研究中需要設置多種土地利用情景對研究未來碳排放時空動態(tài)進行分析，以減少單種情景模擬的不確定性。

由于研究方法及數(shù)據(jù)可獲得性的限制，本文在以下6個方面存在不足：（1）各種土地利用類型的碳吸收或碳排放系數(shù)均來自文獻，未能根據(jù)研究區(qū)通量觀測數(shù)據(jù)進行參數(shù)校正；（2）未考慮每種土地利用類型內部碳排放能力的異質性，如林地二級分類中針葉林、闊葉林、灌木林的碳吸收能力不同[28]；（3）CLUE-S中各地類轉移彈性系數(shù)來自文獻參數(shù)，忽略了土地利用變化對驅動因素的反饋作用；（4）缺乏重慶市早期各區(qū)縣能源消費統(tǒng)計數(shù)據(jù)，因此不能通過數(shù)值模擬的方法推算未來能源消費變化趨勢，僅能通過假設未來單位面積建設用地碳排放與2015 年值相等來估算，可能高估了未來建設用地碳排放量；（5）沒有考慮未來渝北區(qū)人口變化，可能低估了未來人類呼吸釋放量；（6）重慶市及渝北區(qū)在2007 年、2010年及2013年進行了若干次行政區(qū)劃調整，本研究統(tǒng)一使用2015年行政邊界，與渝北區(qū)2005年和2010年實際邊界略有出入。本文局限性均由數(shù)據(jù)可獲得性及目前人類對土地系統(tǒng)復雜程度認識不足引起的，在無法獲得更詳細輔助數(shù)據(jù)的情況下，本文對建設用地單位面積碳排放和行政邊界不變的假設是一種簡單且有效的方法。

基于馬爾科夫鏈模型及既有的土地利用變化模式所預測的未來各地類面積符合區(qū)域整體發(fā)展趨勢，Kappa 檢驗表明CLUE-S 所模擬的未來土地利用格局具有較高的精度，基于該結果可進一步獲得未來碳收支時空格局。該方法對于對加強精細尺度土地利用空間布局低碳優(yōu)化、完成區(qū)域減排任務及氣候變化管理措施的制定具有重要的現(xiàn)實意義。但使用馬爾科夫鏈模型的未來各地類面積預測結果依賴于轉移矩陣的穩(wěn)定性，隨著社會經濟發(fā)展及土地利用政策的變動，預測結果與現(xiàn)實情況有一定誤差，因此下一步需要納入更多的社會經濟及政策類驅動因素對土地利用變化進行深入研究。考慮到渝北區(qū)人口和區(qū)位特征，未來可從以下兩方面合理制定節(jié)能減排措施以適應低碳經濟發(fā)展要求。一方面在現(xiàn)有產業(yè)結構條件下，調整土地利用結構、節(jié)約土地資源、提高土地資源利用效率，通過增大森林和城市綠地面積、提高森林覆蓋率及質量促進碳吸收；另一方面通過升級產業(yè)結構、加大科技投入、優(yōu)化能源結構持續(xù)提高減排效果，以完成重慶市碳排放目標的分配任務并兼顧區(qū)縣間的聯(lián)合減排。

4 結論

基于CLUE-S模型可預測重慶市渝北區(qū)未來10年土地利用變化趨勢并進一步得到該區(qū)碳收支時空格局。經過Kappa檢驗可知CLUE-S對土地利用格局模擬精度高、預測效果理想。結果表明基于CLUES模型對土地利用變化的預測而獲得縣域尺度未來碳收支空間格局的方法是可行的，在現(xiàn)有產業(yè)結構下調整土地利用結構是保證縣域低碳發(fā)展的重要途徑。