莊子薛 謝夢(mèng)晴 張文萍 王倩娜

近年來(lái)，各國(guó)政府和國(guó)內(nèi)外科學(xué)組織制定了系列協(xié)議敦促各國(guó)解決氣候問(wèn)題[1-3]。2020年9月，習(xí)近平主席表示中國(guó)力爭(zhēng)2060年實(shí)現(xiàn)碳中和，中國(guó)的控碳減排與生態(tài)保護(hù)工作刻不容緩。陸地生態(tài)系統(tǒng)通過(guò)林地、草地等碳匯用地捕集CO2、CH4等溫室氣體來(lái)調(diào)節(jié)區(qū)域氣候并增加碳儲(chǔ)量[4]，研究其碳儲(chǔ)量，可通過(guò)對(duì)各類用地進(jìn)行碳收支核算，實(shí)現(xiàn)國(guó)土空間規(guī)劃層面的碳氧平衡監(jiān)測(cè)，并借力生態(tài)保護(hù)與修復(fù)等措施以優(yōu)化碳儲(chǔ)量，實(shí)現(xiàn)碳中和的目標(biāo)[5]。

目前，國(guó)內(nèi)外用于研究碳儲(chǔ)量的方法主要有生物量法[6]、簿記法[7]、聯(lián)合國(guó)政府間氣候變化專門(mén)委員會(huì)（Intergovernmental Panel on Climate Change, IPCC）清單法[8]等。近年來(lái)，多數(shù)學(xué)者開(kāi)始運(yùn)用運(yùn)行快、所需數(shù)據(jù)少且實(shí)用性較強(qiáng)的生態(tài)系統(tǒng)服務(wù)和權(quán)衡綜合評(píng)估（Integrated Valuation of Ecosystem Services and Trade-offs, InVEST）模型研究流域[9]、城市[10]、濕地等區(qū)域的碳儲(chǔ)量，并指出碳儲(chǔ)量的研究對(duì)陸地生態(tài)系統(tǒng)碳庫(kù)管理有重要參考價(jià)值。

然而陸地生態(tài)系統(tǒng)處于動(dòng)態(tài)變化中，因此一些學(xué)者通過(guò)模擬未來(lái)土地利用變化來(lái)預(yù)測(cè)碳儲(chǔ)量，如元胞自動(dòng)機(jī)馬爾科夫鏈（Cellular Automata-Markov, CA-Markov）[11]、小尺度土地利用變化及空間效應(yīng)（Conversion of Land Use and Its Effects at Small Region Extent, CLUE-S）[12]等模型，既往的模型大多只能模擬單個(gè)土地利用類型的動(dòng)態(tài)變化，無(wú)法預(yù)測(cè)不同土地利用類型之間的相互作用和競(jìng)爭(zhēng)[13]，且碳儲(chǔ)量預(yù)測(cè)還需考慮自然環(huán)境、交通區(qū)位和社會(huì)經(jīng)濟(jì)等因子的變化。

模擬不同規(guī)劃政策下的城市土地利用格局，能夠指導(dǎo)國(guó)土空間規(guī)劃增加藍(lán)綠碳匯，推動(dòng)生態(tài)文明建設(shè)。未來(lái)土地利用模擬（Future Land Use Simulation, FLUS）模型能耦合人類活動(dòng)和自然環(huán)境因素的影響，模擬區(qū)域空間內(nèi)各類土地的相互作用并計(jì)算出較高精度的未來(lái)土地利用的分布[14-18]。已有學(xué)者基于FLUS模型在全國(guó)、區(qū)域或市域尺度下研究碳儲(chǔ)量[15]、生態(tài)空間[16]、水文[17]或土地利用[18]的變化。但利用FLUS模型評(píng)估生態(tài)修復(fù)效果、指導(dǎo)國(guó)土空間規(guī)劃的研究較為罕見(jiàn)。

本研究選取成德眉資地區(qū)為研究區(qū)，針對(duì)生態(tài)修復(fù)將如何影響土地利用并作用于生態(tài)系統(tǒng)碳儲(chǔ)量的時(shí)空變化這一科學(xué)問(wèn)題，基于研究區(qū)2000、2010、2020年的土地利用數(shù)據(jù)，耦合FLUS模型與InVEST模型，對(duì)研究區(qū)歷史碳儲(chǔ)量時(shí)空變遷作出研究，并預(yù)測(cè)2030年多情景下的碳儲(chǔ)量情況。研究旨在從國(guó)土空間生態(tài)修復(fù)的視角出發(fā)，對(duì)研究區(qū)的碳儲(chǔ)量進(jìn)行問(wèn)題研判和趨勢(shì)預(yù)測(cè)，助力碳中和目標(biāo)的達(dá)成。與以往研究不同的是，本研究聚焦目前較為前沿的碳中和議題，將已成熟的FLUS模型與InVEST模型進(jìn)行耦合，結(jié)合國(guó)土空間規(guī)劃探究固碳功能優(yōu)化路徑，基于研究結(jié)果，針對(duì)研究區(qū)碳儲(chǔ)下降問(wèn)題，從生態(tài)修復(fù)的視角提出針對(duì)性建議，為研究區(qū)未來(lái)碳的“零排放”提供支撐和參考。

1 研究區(qū)概況、數(shù)據(jù)來(lái)源及預(yù)處理

1.1 研究區(qū)概況

成德眉資地區(qū)（102°49′~105°27′E，29°15′~31°42′N）由成都市、德陽(yáng)市、眉山市及資陽(yáng)市組成，是四川省政府為將區(qū)域發(fā)展新格局的主干從“成都”擴(kuò)展為“成德眉資”而劃定的區(qū)域[19]，也是國(guó)家新批復(fù)的“成都都市圈”的規(guī)劃擴(kuò)展范圍[20]。研究區(qū)地處四川盆地西部，東鄰重慶，西連阿壩州、雅安，南接樂(lè)山、內(nèi)江，北靠綿陽(yáng)（圖1），總面積共3.31萬(wàn)km2，地勢(shì)西高東低、河網(wǎng)縱橫、物產(chǎn)豐富，以亞熱帶季風(fēng)性濕潤(rùn)氣候?yàn)橹?。研究區(qū)2020年常住人口2 966萬(wàn)，地區(qū)生產(chǎn)總值2.23萬(wàn)億元。

圖1 研究區(qū)區(qū)位及高程圖Location and elevation map of the study area

“十三五”以來(lái)，經(jīng)過(guò)生態(tài)屏障建設(shè)和美麗四川目標(biāo)的奮斗，研究區(qū)的生態(tài)修復(fù)治理取得了顯著成效，但仍面臨著保護(hù)修復(fù)工作的系統(tǒng)性不足、固碳服務(wù)功能提升成效不明顯等問(wèn)題[21]。通過(guò)對(duì)碳儲(chǔ)量進(jìn)行評(píng)估和模擬，能從多方面為研究區(qū)的生態(tài)文明建設(shè)提出有效策略，打造生態(tài)宜居的都市圈[20]。

1.2 數(shù)據(jù)來(lái)源及預(yù)處理

研究數(shù)據(jù)[22-23]（表1）中的土地利用數(shù)據(jù)經(jīng)ArcGIS去黑邊、合并與裁剪后按《土地利用現(xiàn)狀分類》[24]重分類為耕地、林地、草地、水域和建設(shè)用地5類；DEM數(shù)據(jù)經(jīng)ArcGIS合并、裁剪與柵格坡度、坡向計(jì)算得到坡度、坡向數(shù)據(jù)；鐵路、高速公路、國(guó)道、省道與水體的矢量數(shù)據(jù)經(jīng)過(guò)ArcGIS歐氏距離計(jì)算得到交通區(qū)位因子；自然保護(hù)區(qū)數(shù)據(jù)經(jīng)過(guò)ArcGIS柵格轉(zhuǎn)化與插值得到限制因子。土地利用、驅(qū)動(dòng)因子及限制因子統(tǒng)一坐標(biāo)系至WGS_1984_UTM后重采樣至30 m分辨率，用于FLUS模型計(jì)算；ArcGIS計(jì)算2000—2010年、2010—2020年的各土地利用類型的土地利用轉(zhuǎn)移矩陣及概率（表2、3），用于總結(jié)土地利用歷史變化規(guī)律以設(shè)定FLUS模型相關(guān)參數(shù)。

表1 數(shù)據(jù)類型及來(lái)源Tab. 1 Data type and sources

2 研究方法

2.1 土地利用時(shí)空變遷研究

土地利用動(dòng)態(tài)度可定量研究一段時(shí)間內(nèi)某種土地利用類型的數(shù)量變化情況，對(duì)區(qū)域內(nèi)土地利用時(shí)空變遷研究具有重要作用[25]。以研究區(qū)2000、2010、2020年3期土地利用數(shù)據(jù)（成都市與資陽(yáng)市統(tǒng)一采用2016年成都市代管簡(jiǎn)陽(yáng)市之后的行政邊界進(jìn)行計(jì)算）為基礎(chǔ)，計(jì)算出各用地類型的土地利用的動(dòng)態(tài)度、時(shí)空轉(zhuǎn)移矩陣及概率（表2、3），用以預(yù)測(cè)研究區(qū)2030年多情景下的土地利用與碳儲(chǔ)量情況。

表2 研究區(qū)2000—2010年土地利用轉(zhuǎn)移矩陣及概率Tab. 2 Land use transfer matrix and probability in the study area (2000-2010)

2.2 基于FLUS模型的土地利用多情景模擬預(yù)測(cè)

FLUS模型是由Liang等[14]基于CA模型改良開(kāi)發(fā)得到的對(duì)未來(lái)土地利用進(jìn)行模擬預(yù)測(cè)的模型，主要包括人工神經(jīng)網(wǎng)絡(luò)模型算法（Artificial Neural Network, ANN）模塊、CA模塊和Markov模塊三大部分[18]。本研究首先利用ANN模塊對(duì)研究區(qū)土地利用數(shù)據(jù)及變化影響因子進(jìn)行計(jì)算，得出每種土地利用類型在各像元上出現(xiàn)的概率；其次利用CA模塊將出現(xiàn)概率與土地像元數(shù)（Markov模塊計(jì)算得到）、鄰域因子及轉(zhuǎn)移成本矩陣結(jié)合，計(jì)算出土地利用變化的最終概率；最后利用輪盤(pán)賭選擇機(jī)制分配每個(gè)像元的土地利用類型，得到最終結(jié)果。

為了明確不同的生態(tài)修復(fù)力度對(duì)研究區(qū)碳儲(chǔ)量產(chǎn)生的影響，評(píng)估已有政策的未來(lái)保護(hù)修復(fù)效果并識(shí)別潛在敏感區(qū)域，探究固碳服務(wù)提升的有效途徑，本研究根據(jù)相關(guān)政策文件設(shè)定了3種不同情景發(fā)展（表4）?；谘芯繀^(qū)2000、2010、2020年3期土地利用時(shí)空變遷結(jié)果以及不同情景下的FLUS模型所需的土地利用影響因子、像元數(shù)、領(lǐng)域因子及轉(zhuǎn)移成本矩陣參數(shù)，在模型已驗(yàn)證精準(zhǔn)的情況下，模擬出2030年3種情景下的土地利用情況，以便計(jì)算對(duì)應(yīng)情景下的碳儲(chǔ)量。具體的參數(shù)設(shè)置流程及精度驗(yàn)證分為如下5個(gè)步驟。

表4 多情景發(fā)展設(shè)定[19-21,26]Tab. 4 Multiple scenarios development setting[19-21,26]

1）土地利用變化影響因子篩選。本研究參考既往FLUS模型研究成果[15-18]及研究區(qū)相關(guān)規(guī)劃政策[20-21,26]，確定了12項(xiàng)驅(qū)動(dòng)因子和1項(xiàng)限制因子。驅(qū)動(dòng)因子選取依據(jù)為：海拔、地勢(shì)起伏、坡面朝向等可從本質(zhì)上決定土地利用類型，因此選取DEM、坡度與坡向數(shù)據(jù)；氣候可以影響土地覆蓋、水文與環(huán)境質(zhì)量，因此選取年均氣溫與降雨數(shù)據(jù)；研究區(qū)在推進(jìn)基礎(chǔ)設(shè)施同城化的過(guò)程中，多層次軌道交通網(wǎng)絡(luò)會(huì)對(duì)土地利用方式產(chǎn)生顯著影響，同時(shí)在強(qiáng)化水資源保障的需求下，水利基礎(chǔ)設(shè)施建設(shè)等工程也會(huì)引起土地變化，因此選取到鐵路、高速公路、國(guó)道、省道及水體的距離數(shù)據(jù)[20]；此外，研究區(qū)對(duì)2025年GDP、常住人口城鎮(zhèn)化率設(shè)定了具體指標(biāo)，選取能幫助反映建設(shè)用地變化的GDP和人口密度數(shù)據(jù)為社會(huì)因子[20]。限制因子是指一定時(shí)間內(nèi)不會(huì)發(fā)生土地利用類型變化的區(qū)域。研究區(qū)內(nèi)有龍溪-虹口、白水河2個(gè)國(guó)家級(jí)自然保護(hù)區(qū)及多個(gè)地方自然保護(hù)區(qū)，該類保護(hù)區(qū)被限制土地的開(kāi)發(fā)和轉(zhuǎn)換[21]，因此選取為限制因子。

2）未來(lái)土地利用像元設(shè)定。研究基于表2、表3數(shù)據(jù)，通過(guò)Markov鏈預(yù)測(cè)可得到A情景下2030年的土地利用及轉(zhuǎn)移情況。在B情景下，建設(shè)用地不斷侵占其他用地，國(guó)土空間綠化工作推進(jìn)不足，森林、草原與農(nóng)田生態(tài)系統(tǒng)未得到充分保護(hù)與修復(fù)，參考規(guī)劃政策[20-21]并調(diào)試模型后設(shè)定耕地、草地轉(zhuǎn)移為建設(shè)用地的概率增加30%，林地轉(zhuǎn)移為草地的概率增加15%；同時(shí)農(nóng)田面積還因糧食需求增加而上升，設(shè)定林地轉(zhuǎn)移為耕地概率增加20%。在C情景下，研究區(qū)強(qiáng)化城市資源環(huán)境底線約束并整治全域退化土地，參考規(guī)劃政策[20-21]并調(diào)試模型后設(shè)定耕地、草地轉(zhuǎn)移為建設(shè)用地的概率降低50%；并開(kāi)展退耕還林、森林質(zhì)量提升、森林草原休養(yǎng)生息等工作，設(shè)定林地轉(zhuǎn)移為草地的概率減少30%，林地轉(zhuǎn)移為耕地的概率減少50%。

表3 研究區(qū)2010—2020年土地利用轉(zhuǎn)移矩陣及概率Tab. 3 Land use transfer matrix and probability in the study area (2000-2010)

3）鄰域因子參數(shù)設(shè)定。鄰域因子反映了不同用地類型中間以及鄰域范圍內(nèi)不同土地利用單元之間的相互作用[18]，其參數(shù)范圍為0~1，該數(shù)值與對(duì)應(yīng)的用地類型擴(kuò)展能力成正比。本研究使用極差標(biāo)準(zhǔn)化法對(duì)各土地利用類型變化量進(jìn)行無(wú)量綱處理，并結(jié)合每類情景下各土地的不同擴(kuò)展趨勢(shì)對(duì)鄰域因子參數(shù)進(jìn)行調(diào)整，隨著生態(tài)修復(fù)力度的加強(qiáng)，耕地與草地的退化趨勢(shì)與建設(shè)用地的擴(kuò)展趨勢(shì)會(huì)減弱，原有的林地和水體由于保護(hù)政策并不會(huì)發(fā)生明顯變化，最終確定多情景下研究區(qū)不同土地利用類型的鄰域因子（表5）。

表5 多情景下鄰域因子參數(shù)Tab. 5 Neighborhood factor parameters in multiple scenarios

4）轉(zhuǎn)移成本矩陣設(shè)定。轉(zhuǎn)移成本矩陣代表當(dāng)前類型用地轉(zhuǎn)換為目標(biāo)用地類型的可能，其中0代表不能轉(zhuǎn)換，1代表可能轉(zhuǎn)換。本研究根據(jù)研究區(qū)2000—2010年、2010—2020年的土地利用轉(zhuǎn)移歷史趨勢(shì)（表2、3）及規(guī)劃政策[20-21]確定了多情景下的轉(zhuǎn)移成本矩陣（表6）。A情景下，根據(jù)表2、表3中土地利用轉(zhuǎn)移概率i值大小來(lái)設(shè)定轉(zhuǎn)移成本為“1”或“0”，當(dāng)任意一個(gè)時(shí)間段的i≥0.5時(shí)，認(rèn)定為可能轉(zhuǎn)換，反之則不能轉(zhuǎn)換；但由于建設(shè)用地向耕地轉(zhuǎn)化的概率i值由14.36降至5.32，且在打造具有國(guó)際競(jìng)爭(zhēng)力的現(xiàn)代化都市圈地區(qū)、推進(jìn)城鎮(zhèn)化率上升至75%等目標(biāo)下，建設(shè)用地向耕地、草地發(fā)生轉(zhuǎn)換的概率極小，故設(shè)定為不會(huì)發(fā)生轉(zhuǎn)換；另外構(gòu)建以天府綠道體系為脈絡(luò)的生態(tài)網(wǎng)絡(luò)、打造龍泉山城市森林公園、健全城市綠地體系等措施，使得建設(shè)用地轉(zhuǎn)化為林地存在可能性[20]。B情景下，地區(qū)推進(jìn)基礎(chǔ)設(shè)施同城同網(wǎng)、共建現(xiàn)代高效農(nóng)業(yè)示范區(qū)，同時(shí)糧食需求增加，但疏于城鄉(xiāng)人居環(huán)境提升[20]，故在A情景基礎(chǔ)上，設(shè)定建設(shè)用地不會(huì)轉(zhuǎn)換為其他用地，耕地不會(huì)轉(zhuǎn)換為草地、水體。C情景下，綠化全川行動(dòng)大規(guī)模開(kāi)展，森林覆蓋率提高、草原濕地退化得到有效遏制，故在A情景基礎(chǔ)上，設(shè)定林地、草地與水體不會(huì)轉(zhuǎn)化為耕地。

表6 研究區(qū)土地利用轉(zhuǎn)移成本矩陣Tab. 6 Land use transfer cost matrix in the study area

5）精度驗(yàn)證。以2010年土地利用數(shù)據(jù)為基礎(chǔ)通過(guò)FLUS模型預(yù)測(cè)2020年土地利用結(jié)果，利用2020年實(shí)際土地利用數(shù)據(jù)，通過(guò)精度驗(yàn)證得到總體精度為0.89，Kappa系數(shù)為0.79，表明FLUS模型的模擬準(zhǔn)確度較高，在本研究中適宜性較好。

2.3 基于FLUS-InVEST模型的碳儲(chǔ)量多情景模擬預(yù)測(cè)

InVEST模型是目前最成熟的生態(tài)系統(tǒng)服務(wù)評(píng)估模型，它擁有生境質(zhì)量、碳儲(chǔ)量、水源供給等多個(gè)評(píng)估模塊[27-28]。其中碳儲(chǔ)量模塊是利用土地?cái)?shù)據(jù)和4個(gè)碳庫(kù)（地上生物量、地下生物量、土壤、死亡的有機(jī)物質(zhì)）的碳儲(chǔ)量來(lái)估算當(dāng)前情景或一個(gè)時(shí)間段內(nèi)的碳固持。死亡有機(jī)碳儲(chǔ)量因難以觀測(cè)且在綜合碳儲(chǔ)量中的占比極小，在本研究中不做計(jì)算。

模型的運(yùn)行需要土地利用分布數(shù)據(jù)及各類型土地碳密度值，碳密度值可以從針對(duì)四川盆地或西南地區(qū)的生物與土壤碳儲(chǔ)量研究中得到[11,29]（表7）。此外，本研究將基于土地利用動(dòng)態(tài)度得到的土地利用時(shí)空變遷結(jié)果與基于FLUS模型得到的2030年多情景下的土地利用結(jié)果，耦合InVEST模型進(jìn)行計(jì)算，得到歷史及未來(lái)多情景下碳儲(chǔ)量時(shí)空特征。

表7 研究區(qū)各土地利用類型碳密度值[22-23]Tab. 7 Carbon density values of different land use types in the study area[22-23]t/hm2

3 結(jié)果與分析

3.1 2000—2020年碳儲(chǔ)量時(shí)空變化特征

3.1.1 碳儲(chǔ)量數(shù)量變化特征

根據(jù)InVEST模型計(jì)算，2000—2020年，研究區(qū)碳儲(chǔ)量呈先平緩上升再快速下降趨勢(shì)，碳儲(chǔ)量整體減少18.212×106t，降幅為1.41%。2000、2010、2020年研究區(qū)總碳儲(chǔ)量分別為12.915×108t、 12.924×108t、12.733 ×108t；2000—2010年研究區(qū)碳儲(chǔ)量平均每年緩慢增加9.27×104t，但2010—2020年平均每年減少量高達(dá)19.139×105t（圖2-1）。表明2000—2020年研究區(qū)為碳源，陸地系統(tǒng)的固碳能力被嚴(yán)重破壞，部分有機(jī)碳被轉(zhuǎn)化為CO2并釋放，給城市氣候環(huán)境帶來(lái)不利影響。

圖2 研究區(qū)2000—2020年及2030年多情景下各土地利用類型碳儲(chǔ)量Carbon storage of different land use types in the study area under multiple scenarios from 2000 to 2020 and 20302-1研究區(qū)2000—2020年各土地利用類型碳儲(chǔ)量Carbon storage of different land use types in the study area from 2000 to 20202-2研究區(qū)2030多情景下各土地利用類型碳儲(chǔ)量Carbon storage of different land use types in the study area under multiple scenarios in 2030

從各土地利用類型來(lái)看（圖2-1），2000—2020年耕地、林地為研究區(qū)的核心碳儲(chǔ)用地。耕地3期的碳儲(chǔ)量占比都大于60%，但其碳儲(chǔ)量不斷下降，主要由于成都平原的農(nóng)田大面積減少、集中連片程度急劇降低；林地的碳儲(chǔ)量先上升再緩慢下降，草地的碳儲(chǔ)量與占比呈不斷下降趨勢(shì)，表明國(guó)土綠化工作雖有成效但力度不足，自然生態(tài)系統(tǒng)低質(zhì)化明顯，森林、草原生態(tài)系統(tǒng)出現(xiàn)逆向演替現(xiàn)象；建設(shè)用地與水體的碳儲(chǔ)量的占比極少但都呈上升趨勢(shì)。

3.1.2 碳儲(chǔ)量空間變化特征

從空間分布來(lái)看，2000、2010、2020年研究區(qū)碳儲(chǔ)量總體呈現(xiàn)出西部?jī)?yōu)于東部、中部最低的特點(diǎn)（圖3-1~3-3），其中碳儲(chǔ)量高值區(qū)域有：西部龍門(mén)山脈與西南部邛崍山脈區(qū)域，呈片狀分布；中部龍泉山脈區(qū)域，呈帶狀分布；德陽(yáng)市中江縣南部、簡(jiǎn)陽(yáng)市五鳳山森林公園以及眉山市仁壽縣東北部的區(qū)域，呈點(diǎn)狀分布。

圖3 2000—2020年碳儲(chǔ)量空間及變化空間分布Spatial distribution of carbon storage and changes thereof from 2000 to 2030

研究得到2000—2020年研究區(qū)碳儲(chǔ)量變化分布情況（圖3-4）。2000—2020年碳儲(chǔ)量減少主要發(fā)生在城市建成區(qū)、高速路網(wǎng)以及國(guó)省干道的周邊區(qū)域，其中變化顯著的區(qū)域有成都市郫都區(qū)、溫江區(qū)、雙流區(qū)、龍泉驛區(qū)、青白江區(qū)、金堂縣、天府國(guó)際機(jī)場(chǎng)，德陽(yáng)市旌陽(yáng)區(qū)、廣漢市，眉山市東坡區(qū)，資陽(yáng)市雁江區(qū)、樂(lè)至縣。碳儲(chǔ)量增加主要發(fā)生在自然保護(hù)區(qū)周邊以及城郊地段，該類地區(qū)通過(guò)建立自然保護(hù)地體系來(lái)打造生態(tài)安全底線，陸地生態(tài)系統(tǒng)得到了有效改善。其中，碳儲(chǔ)量增加最顯著的區(qū)域?yàn)辇埲矫}周邊，龍泉山公園的建設(shè)打造了世界級(jí)綠心，極大改善了山脈周邊的碳儲(chǔ)量。此外，成都市繞城高速周邊區(qū)域的碳儲(chǔ)量顯著增加，得益于對(duì)繞城高速周邊即環(huán)城生態(tài)帶的大量綠化建設(shè)。

3.2 2030年多情景下碳儲(chǔ)量時(shí)空變化特征及對(duì)比

3.2.1 多情景下碳儲(chǔ)量變化特征及對(duì)比

根據(jù)FLUS-InVEST模型計(jì)算，相較于2020年，2030年3種情景下的碳儲(chǔ)量總量都將發(fā)生明顯下降（圖2），A、B、C情景下的碳儲(chǔ)量減少量分別為17.102×106t、22.401×106t、6.912×106t。B情景下，碳儲(chǔ)量下降速率為正常發(fā)展的1.3倍，研究區(qū)生態(tài)系統(tǒng)固碳功能受損嚴(yán)重并將面臨巨大的氣候變化壓力。而C情景下，碳儲(chǔ)量下降速率為正常發(fā)展的0.4倍，大量生態(tài)修復(fù)工作有效減緩了碳儲(chǔ)損失。

從各土地利用類型來(lái)看（圖2-2），3種情景下研究區(qū)的耕地的碳儲(chǔ)量均呈下降趨勢(shì)，未來(lái)需持續(xù)關(guān)注農(nóng)田生態(tài)系統(tǒng)的健康；林地的碳儲(chǔ)量在A與B兩種情景下將分別減少3.32×106t與6.03×106t，但在C情景下將會(huì)增加3.60×106t，表明修復(fù)治理措施力度的加大能顯著改善林地的碳匯能力；草地與水體的碳儲(chǔ)量在多情景下由于土地面積變化不大，差異并不明顯。

3.2.2 多情景下碳儲(chǔ)量空間分布特征及對(duì)比

根據(jù)2030年多情景下的碳儲(chǔ)量的空間分布結(jié)果（圖4-1~4-3），在3種情景下，碳儲(chǔ)量高值區(qū)域的分布情況與2000、2010、2020年近似（圖3-1~3-3）。碳儲(chǔ)量低值區(qū)域則因情景不同差異較大：A情景的低值區(qū)域?qū)⑶终几咚俾肪W(wǎng)周邊用地，其中成都市第二繞城高速附近低值區(qū)域已明顯成環(huán)；B情景下，低值區(qū)域?qū)⒁猿啥际袨橹行陌l(fā)展成網(wǎng)絡(luò)狀，線狀分布在高速路網(wǎng)兩側(cè)，點(diǎn)狀分布在國(guó)省干道及與水體周邊區(qū)域，并有連接四市行政中心的趨勢(shì)；C情景下，低值區(qū)域集中分布在成都市中心區(qū)，零散分布在其他三市區(qū)縣行政中心附近，另有部分碳儲(chǔ)量低值區(qū)域分布在高速路網(wǎng)沿線及附近地區(qū)，但該類區(qū)域未明顯連接。

圖4 2030年多情景下碳儲(chǔ)量空間及變化空間分布Spatial distribution of carbon storage and changes thereof under multiple scenarios in 2030

研究模擬得到2030年多情景下碳儲(chǔ)量的變化情況（表8）及空間分布（圖4-4~4-6）。A情景下，碳儲(chǔ)量減少的土地大多呈環(huán)帶狀分布在城市建成區(qū)周邊，少量分布在主要高速公路與國(guó)道兩側(cè)，極少量分布在成都市環(huán)城生態(tài)區(qū)、龍泉山脈等原本碳儲(chǔ)量高值區(qū)域；碳儲(chǔ)量增加的土地零散分布在原有自然保護(hù)區(qū)、自然風(fēng)景區(qū)周邊。B情景下，碳儲(chǔ)量減少的土地分布位置與正常發(fā)展情景大致相當(dāng)，但分布的范圍更廣、網(wǎng)絡(luò)化也更加明顯；該情景下各類生態(tài)系統(tǒng)遭受干擾并呈破碎化的風(fēng)險(xiǎn)更高，而其儲(chǔ)存的碳也更易損失；碳儲(chǔ)量增加的土地面積極小且分布情況極為零散。C情景下，碳儲(chǔ)量減少的土地主要以線狀或點(diǎn)狀分布在建成區(qū)周邊；碳儲(chǔ)量增加的土地主要分布在位于研究區(qū)西部的成都市大邑縣與邛崍市、中部的龍泉山脈、西部的德陽(yáng)市中江縣，碳儲(chǔ)量生態(tài)系統(tǒng)服務(wù)的集中提升效果在空間上并不明顯。

表8 2030年多情景下研究區(qū)土地碳儲(chǔ)量變化情況Tab. 8 Changes of land carbon storage in the study area under multiple scenarios in 2030

4 結(jié)論

本研究采用FLUS-InVEST模型對(duì)研究區(qū)歷史及未來(lái)碳儲(chǔ)情況進(jìn)行了定量計(jì)算與分析，發(fā)現(xiàn)生態(tài)修復(fù)將會(huì)顯著影響林地、草地與耕地的面積及分布，并作用于相應(yīng)的森林、草原與農(nóng)田生態(tài)系統(tǒng)碳儲(chǔ)量變化。研究結(jié)果能較好地從生態(tài)系統(tǒng)服務(wù)提升、土地綜合治理、區(qū)域生態(tài)品質(zhì)提升等方面為研究區(qū)的國(guó)土空間生態(tài)修復(fù)規(guī)劃提供依據(jù)和參考。

2000—2020年碳儲(chǔ)量歷史時(shí)空變遷結(jié)果表明，研究區(qū)在20年間的城鎮(zhèn)建設(shè)用地快速擴(kuò)張與生態(tài)本底保護(hù)工作不足，產(chǎn)生了農(nóng)田生態(tài)系統(tǒng)破碎、森林、草地生態(tài)系統(tǒng)退化、生態(tài)本底破碎、生態(tài)系統(tǒng)服務(wù)變差等影響。盡管隨著四川省生態(tài)文明建設(shè)與公園城市政策的落實(shí)，生態(tài)惡化的趨勢(shì)基本得到遏制，但生態(tài)系統(tǒng)存在的許多威脅并未得到根本解決，部分修復(fù)治理工程忽視了生態(tài)演替的規(guī)律與內(nèi)在機(jī)理。由此，本研究通過(guò)模擬2030年多情景下的研究區(qū)碳儲(chǔ)量情況，探究生態(tài)系統(tǒng)的固碳功能受到不同生態(tài)保護(hù)與修復(fù)政策影響時(shí)的差異，以指導(dǎo)形成更科學(xué)的國(guó)土空間生態(tài)修復(fù)規(guī)劃。

2030年多情景下碳儲(chǔ)量時(shí)空預(yù)測(cè)結(jié)果表明，生態(tài)修復(fù)力度的不足、對(duì)生態(tài)系統(tǒng)內(nèi)在規(guī)律的忽視，將會(huì)對(duì)生態(tài)本底帶來(lái)巨大的壓力。而多情景下的碳儲(chǔ)量時(shí)空變化規(guī)律的對(duì)比結(jié)果，體現(xiàn)了現(xiàn)有《四川省國(guó)土空間生態(tài)修復(fù)規(guī)劃》[21]及《成都都市圈發(fā)展規(guī)劃》[20]中生態(tài)環(huán)境規(guī)劃的科學(xué)性：1）耕地碳儲(chǔ)量的損失反映出對(duì)成都平原林盤(pán)、土埂等生境進(jìn)行修補(bǔ)的必要性；2）退耕還林還草、提高森林覆蓋率、完善城市公園體系等規(guī)劃措施對(duì)林地碳儲(chǔ)量的改善效果明顯；3）規(guī)劃持續(xù)推進(jìn)龍泉山生態(tài)保護(hù)修復(fù)、加強(qiáng)大熊貓國(guó)家公園等地區(qū)的修復(fù)工程，能帶動(dòng)該類區(qū)域附近的土地碳儲(chǔ)量增加；4）《成都都市圈發(fā)展規(guī)劃》[20]開(kāi)展的天府綠道、生態(tài)宜居細(xì)胞、骨干道路景觀綠化等工程，有利于緩解高速路網(wǎng)、國(guó)省干道周邊用地碳儲(chǔ)量低的現(xiàn)象。

5 建議

通過(guò)模擬預(yù)測(cè)未來(lái)碳儲(chǔ)量得到生態(tài)系統(tǒng)固碳功能的演替變化，對(duì)研究區(qū)未來(lái)國(guó)土空間的保護(hù)與修復(fù)工作提出建議：1）未來(lái)的川西林盤(pán)保護(hù)修復(fù)工程除了圍繞成都市周邊的林地與耕地進(jìn)行外，還應(yīng)注重對(duì)德陽(yáng)市中江縣與資陽(yáng)市樂(lè)至縣林地、耕地的綜合治理，并通過(guò)劃定保護(hù)紅線、增加緩沖區(qū)等方式來(lái)鞏固該類碳儲(chǔ)量高值區(qū)域的穩(wěn)定性；2）成都市第2、第3繞城高速附近土地固碳功能極易受損，在推進(jìn)繞城高速公路綠化工作的同時(shí)，還應(yīng)保護(hù)和提升周邊的森林、濕地、農(nóng)田等生態(tài)系統(tǒng)的健康水平[30]；3）通過(guò)健全形態(tài)類型豐富的城市綠地體系、改善植被群落結(jié)構(gòu)、環(huán)境污染治理等措施，保護(hù)龍泉山城市森林公園與成都市環(huán)城生態(tài)區(qū)等敏感區(qū)域的碳儲(chǔ)供給；4）生態(tài)系統(tǒng)內(nèi)部作用關(guān)系錯(cuò)綜復(fù)雜，應(yīng)充分考慮研究區(qū)與周邊市、區(qū)、縣山水林田湖草沙的關(guān)系，實(shí)現(xiàn)系統(tǒng)性的生態(tài)修復(fù)，帶動(dòng)并實(shí)現(xiàn)省域范圍內(nèi)的生態(tài)系統(tǒng)固碳功能提升。

在完善生態(tài)修復(fù)進(jìn)階工作的基礎(chǔ)上，研究區(qū)還需結(jié)合綠色交通出行、清潔能源使用、產(chǎn)業(yè)綠色轉(zhuǎn)型等措施來(lái)減緩CO2的排放，并通過(guò)建立碳排放交易體系、發(fā)展“負(fù)碳排”技術(shù)、推動(dòng)綠色金融工具發(fā)展等措施為碳中和做支撐，才有望在未來(lái)實(shí)現(xiàn)碳的“零排放”目標(biāo)。

致謝(Acknowledgements)：

感謝四川大學(xué)建筑與環(huán)境學(xué)院風(fēng)景園林在讀碩士研究生魏琪力、何柳燕為本文數(shù)據(jù)計(jì)算與模型運(yùn)行做出的貢獻(xiàn)。