邵 壯,陳 然,趙 晶,2,*,夏楚瑜,何穎婷,唐豐蕓

1 北京林業(yè)大學(xué)園林學(xué)院,北京 100083 2 北京林業(yè)大學(xué)城鄉(xiāng)生態(tài)環(huán)境北京實(shí)驗(yàn)室,北京 100083 3 北京工業(yè)大學(xué)城市建設(shè)學(xué)部城鄉(xiāng)規(guī)劃系,北京 100124

作為碳循環(huán)中的關(guān)鍵碳庫(kù),陸地生態(tài)系統(tǒng)在維持全球碳循環(huán)中發(fā)揮著舉足輕重的作用。研究表明,土地利用變化是影響陸地生態(tài)系統(tǒng)碳循環(huán)過(guò)程,引起碳源、碳匯變化,并進(jìn)一步影響區(qū)域乃至全球碳平衡的重要原因[1—2]。研究通過(guò)調(diào)整土地利用實(shí)現(xiàn)碳減排是國(guó)家重點(diǎn)科技領(lǐng)域以及優(yōu)先主題[3]。對(duì)此,中央財(cái)經(jīng)委員會(huì)在2021年3月15日的第九次會(huì)議上指出：要提升生態(tài)碳匯能力,強(qiáng)化國(guó)土空間規(guī)劃和用途管控,有效發(fā)揮森林、草原、濕地、海洋、土壤、凍土的固碳作用,提升生態(tài)系統(tǒng)碳匯增量[4]。在全球范圍內(nèi),城市地區(qū)雖然只占世界陸地面積的2%,卻產(chǎn)生了全球約75%的碳排放,而科學(xué)合理的土地利用和管理方式可以重新固定大約60%—70%已耗損的碳。2021年11月中共中央、國(guó)務(wù)院印發(fā)《碳達(dá)峰碳中和意見(jiàn)》,提出了構(gòu)建提升生態(tài)系統(tǒng)碳匯能力等主要目標(biāo),可見(jiàn)積極鞏固和提升碳匯能力是實(shí)現(xiàn)碳中和的必由之路。因此,隨著城市的發(fā)展,國(guó)土空間規(guī)劃所引起的碳匯能力變化直接影響到“雙碳”目標(biāo)的落實(shí)和減排方案的制定。政策方面,國(guó)家也高度重視國(guó)土空間規(guī)劃與城市碳匯能力的相關(guān)性：《2021年國(guó)務(wù)院政府工作報(bào)告》[5]、《北京城市總體規(guī)劃(2016年—2035 年)》(以下稱為《總規(guī)》)第83條[6]、《北京市國(guó)土空間生態(tài)修復(fù)規(guī)劃(2021年—2035 年)(草案)》第四章[7]、《北京市2021年政府工作報(bào)告》[8]等政府報(bào)告中均明確地指出應(yīng)該通過(guò)國(guó)土空間規(guī)劃等多種手段提升城市系統(tǒng)的碳匯能力,以助力“雙碳”目標(biāo)的落實(shí)。

目前從不同空間尺度下對(duì)于鏈接未來(lái)城市土地變化與碳儲(chǔ)量的研究已有一定基礎(chǔ),如在流域尺度下,楊潔等研究基于InVEST和CA-Markov模型研究了黃河流域碳儲(chǔ)量時(shí)空變化[9]；在城市群尺度下,解天琪等基于土地利用對(duì)淮海經(jīng)濟(jì)區(qū)進(jìn)行了碳儲(chǔ)量估算與預(yù)測(cè)[10]；在城市尺度下,何海珊等運(yùn)用FLUS模型模擬出深圳市土地利用類(lèi)型在碳匯最大化情景和碳排放量最小化情景兩種情景下的空間分布特征[11]；在特定區(qū)域尺度下,史名杰等基于MCE-CA-Markov和InVEST模型對(duì)伊犁谷地展開(kāi)了碳儲(chǔ)量時(shí)空演變及預(yù)測(cè)[12]；基于空間自相關(guān)技術(shù)的城市分區(qū)管理模式研究也有一定基礎(chǔ),如夏楚瑜等在杭州城市生態(tài)韌性水平模擬預(yù)測(cè)研究中,將空間自相關(guān)模型應(yīng)用于城市分區(qū)管理模式研究中[13]。在實(shí)現(xiàn)北京市高水平發(fā)展道路上,抓住“疏解非首都功能”這一契機(jī)尤為重要,近年來(lái)提出的相關(guān)政策有很多,在滿足未來(lái)政策要求的量化指標(biāo)與限制發(fā)展紅線的情況下,應(yīng)如何提出合理有效的未來(lái)城市發(fā)展與低碳城市建設(shè)的分區(qū)管理模式？在相關(guān)研究中[14—15],切實(shí)有效的方式為結(jié)合土地利用變化與碳儲(chǔ)量進(jìn)行多情景模擬分析。但目前少有研究結(jié)合研究區(qū)相關(guān)政策進(jìn)行矢量化與定量化設(shè)置情景,進(jìn)行對(duì)比；而在結(jié)合未來(lái)城市土地利用變化與碳儲(chǔ)量的相關(guān)研究中,少有進(jìn)行精細(xì)化分區(qū)管理。以此為切入點(diǎn),進(jìn)行北京城市多情景模擬研究,亦是著眼于首都的長(zhǎng)遠(yuǎn)可持續(xù)發(fā)展。

綜上,本文擬以北京市為研究區(qū),探究1990—2018年不同時(shí)期國(guó)土空間規(guī)劃及其對(duì)碳儲(chǔ)量的影響,并對(duì)2035年北京城市格局進(jìn)行多情景模擬,以期為北京市國(guó)土空間規(guī)劃提供科學(xué)依據(jù),加快北京市與京津冀地區(qū)由“虹吸效應(yīng)”向“輻射帶動(dòng)作用”的轉(zhuǎn)變,以尋求“雙碳”目標(biāo)導(dǎo)向下的城市規(guī)劃方案最優(yōu)解,同時(shí)也能為我國(guó)其他城市提供引領(lǐng)和示范作用。

1 研究區(qū)概況與研究方法

1.1 研究區(qū)概況

北京是中國(guó)的首都,地處中國(guó)北部,東與天津毗連,其余均與河北相鄰,位于華北大平原北部,屬于暖溫帶半濕潤(rùn)半干旱季風(fēng)氣候,夏季高溫多雨,冬季寒冷干燥,春、秋短促(圖1)。截至2020年,北京市共16個(gè)市轄區(qū),總面積16410.54 km2,山地面積約占總面積的62%,平原面積約占38%,大部分平原地區(qū)已成為農(nóng)田和城鎮(zhèn)。北京市地帶性植被類(lèi)型是暖溫帶落葉闊葉林并間有溫性針葉林的分布,隨著京津風(fēng)沙源治理二期工程、兩輪百萬(wàn)畝造林綠化建設(shè)等防沙治沙工作的不斷推進(jìn),截至2020年底,北京市的森林覆蓋率已達(dá)到44.4%,山區(qū)森林覆蓋率達(dá)到58.8%[16]。

圖1 北京市地理位置圖Fig.1 Geographical location map of Beijing

北京是我國(guó)城市化最快的城市之一[17]。因北京人口規(guī)模較大、城市發(fā)展水平較高,相應(yīng)土地資源承載壓力也較大[18]。自十八大以來(lái),北京作為“率先達(dá)峰城市聯(lián)盟”名錄重點(diǎn)城市之一,碳中和任務(wù)艱巨[19],其碳中和工作有一定的特殊性：一方面,碳排放量增速居高不下[20]；另一方面,百萬(wàn)畝造林等增匯工程為增強(qiáng)碳匯能力提供了強(qiáng)有力支撐[21—22]。作為我國(guó)首批碳排放試點(diǎn)的重要起源地之一,北京市在實(shí)現(xiàn)碳達(dá)峰、碳中和方面,北京市不僅要做好碳排放的“減法”、還要做好生態(tài)碳匯的“加法”。在進(jìn)行國(guó)土空間規(guī)劃時(shí),對(duì)于碳匯方面,需要考慮碳匯的時(shí)空規(guī)律及過(guò)程、空間影響因素、空間格局及其管控,考慮基于碳匯的空間優(yōu)化,形成更科學(xué)的空間支撐。

1.2 研究方法

在本研究中,為精細(xì)化模擬北京市未來(lái)陸地生態(tài)系統(tǒng)碳儲(chǔ)量及其變化將FLUS模型和InVEST模型進(jìn)行結(jié)合,基于1990—2018年北京市土地利用數(shù)據(jù),測(cè)算1990年—2018年北京市碳儲(chǔ)量變化,再利用FLUS模型,分別測(cè)算自然演變情景、人口疏解城市發(fā)展情景、綠色集約生態(tài)保護(hù)情景3個(gè)城市發(fā)展情景下的土地利用變化,接著采用InVEST模型預(yù)測(cè)2035年三種情景下的碳儲(chǔ)量變化,最后借助空間自相關(guān)模型對(duì)北京市進(jìn)行分區(qū)管理研究(圖2)。該模型集大尺度精細(xì)化土地利用變化模擬和直接模擬土地利用變化對(duì)陸地生態(tài)系統(tǒng)碳儲(chǔ)量影響兩大優(yōu)勢(shì),為預(yù)測(cè)中國(guó)未來(lái)土地利用情景下陸地生態(tài)系統(tǒng)碳儲(chǔ)量變化提供較好的解決方案。

圖2 研究框架圖Fig.2 Research Framework

1.2.1 數(shù)據(jù)來(lái)源

(1)土地利用數(shù)據(jù)。土地利用數(shù)據(jù)與北京市行政邊界數(shù)據(jù)下載于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http://www.resdc.cn),空間分辨率為30 m×30 m。時(shí)間上選取1990—2018年(1990、2000、2010、2015、2018年)五期土地利用數(shù)據(jù),用ArcGIS 10.5軟件將該區(qū)域土地利用數(shù)據(jù)類(lèi)型分為25個(gè)二級(jí)類(lèi)型,通過(guò)再分類(lèi)形成耕地、林地、草地、水域、建設(shè)用地和未利用地6個(gè)一級(jí)土地類(lèi)型[23]。

(2)土地利用驅(qū)動(dòng)因子(表1)。用于土地預(yù)測(cè)的驅(qū)動(dòng)因子分為自然因素和社會(huì)因素,按自然因素分為DEM、坡度(數(shù)字高程)、NDVI(歸一化植被指數(shù))、年均降水、年均氣溫,按社會(huì)因素分為到市中心距離、交通網(wǎng)絡(luò)GDP和人口密度[24],使用ArcGIS 10.5重采樣功能將土地利用驅(qū)動(dòng)樣本的分辨率統(tǒng)一調(diào)整為30 m×30 m。

1.2.2 Flus土地利用預(yù)測(cè)模型與多情景設(shè)定

(1)Flus 未來(lái)土地利用預(yù)測(cè)模型

基于北京市1990—2018年間五期土地利用類(lèi)型圖和選取的影響土地利用變化的多種驅(qū)動(dòng)因子,在人工神經(jīng)網(wǎng)絡(luò)的適宜性概率估算模塊,將基期的土地利用類(lèi)型與多項(xiàng)空間驅(qū)動(dòng)因子進(jìn)行擬合,計(jì)算出3種情景下2035年北京市各種用地類(lèi)型在研究范圍內(nèi)的適宜性概率。在其他相關(guān)論文基礎(chǔ)上[25—26],對(duì)鄰域因子參數(shù)進(jìn)行微調(diào)并進(jìn)行多次實(shí)驗(yàn),以設(shè)置四種情景下各個(gè)要素的鄰域權(quán)重(表2)。

表1 土地驅(qū)動(dòng)樣本及數(shù)據(jù)來(lái)源

表2 鄰域因子參數(shù)

運(yùn)用FLUS模型中的基于輪盤(pán)賭選擇的自適應(yīng)慣性競(jìng)爭(zhēng)機(jī)制解決多種用地類(lèi)型在自然作用和人類(lèi)活動(dòng)共同影響下發(fā)生相互轉(zhuǎn)換的不確定性與復(fù)雜性,并由此計(jì)算綜合規(guī)則[27]。

研究首先進(jìn)行精度驗(yàn)證,即基于1990—2015年北京市土地利用變化規(guī)律,經(jīng)過(guò)模擬得到2018 年土地利用情況,并將其與2018年實(shí)際土地利用狀況進(jìn)行對(duì)比。本文采用 Kappa系數(shù)對(duì)土地格局演變預(yù)測(cè)的精度進(jìn)行檢測(cè)[28],模型的驗(yàn)證以2010年土地類(lèi)型作為訓(xùn)練集,預(yù)測(cè)2018年土地類(lèi)型分布,總體精度94.49%,Kappa系數(shù)為92.20%,表明FLUS模型在北京市尺度上有較好的模擬能力,精度較高(當(dāng)Kappa>0.8 時(shí),則表示模擬效果極好,結(jié)果可信度高,一致性程度極好；當(dāng)0.6

Kappa=(P0-Pc)/(Pp-Pc)

式中：P0為正確模擬的比例；Pc為模型隨機(jī)情況下的正確預(yù)測(cè)比例；PP為理想情況下正確預(yù)測(cè)的比例。

(2)多情景設(shè)定

城市未來(lái)發(fā)展與土地利用變化受到的影響因素是多方面的,所以在進(jìn)行土地利用變化模擬預(yù)測(cè)時(shí)需要充分考慮多種環(huán)境影響因素[30—31]。本研究根據(jù)《總規(guī)》中提到“要嚴(yán)守人口總量上限、生態(tài)控制線、城市開(kāi)發(fā)邊界三條紅線”的相關(guān)要求,基于城市現(xiàn)狀擴(kuò)張程度,根據(jù)城市發(fā)展與生態(tài)保護(hù)的相關(guān)政策中著重論述的要點(diǎn),提出了自然演變情景(NES)、人口疏解城市發(fā)展情景(PDUDS)、綠色集約生態(tài)保護(hù)情景(GIEPS)3種典型情景模式,以模擬預(yù)測(cè)北京市2035年土地利用典型的數(shù)量與空間分布情況。

其中NES為不考慮任何規(guī)劃政策對(duì)土地利用變化約束性影響；PDUDS來(lái)自于《總規(guī)》中限制人口總量上限政策的要求下對(duì)城市建設(shè)用地?cái)U(kuò)張的約束,人口數(shù)據(jù)方面,基于IPCC 2020年發(fā)布的共享社會(huì)經(jīng)濟(jì)路徑(SSPs)與典型濃度路徑(RCPs)組合的CMIP6 SSP2.0(描繪中等發(fā)展水平情景),采用了Springernature網(wǎng)站2020—2100年SSP2.0情景下的1 km × 1 km分辨率數(shù)據(jù),將其重采樣至30 m×30 m后輸入至人工神經(jīng)網(wǎng)絡(luò),計(jì)算適宜性概率圖層,進(jìn)行后續(xù)用地空間格局的預(yù)測(cè)模擬[13]；綠色集約生態(tài)保護(hù)情景的設(shè)置基于《總規(guī)》所劃定的生態(tài)保護(hù)紅線、永久基本農(nóng)田保護(hù)紅線和城鎮(zhèn)開(kāi)發(fā)邊界線劃定生態(tài)用地保護(hù)范圍,且對(duì)建設(shè)用地進(jìn)行限制。

表3 土地利用模擬情景設(shè)置

1.3.2 InVEST 模型與碳密度系數(shù)及修正

“生態(tài)系統(tǒng)服務(wù)功能與權(quán)衡交易綜合評(píng)價(jià)模型”,即InVEST模型(Integrated Valuation of Ecosystem Services and Trade-offs)。InVEST 模型中的碳儲(chǔ)量模塊將生態(tài)系統(tǒng)的碳儲(chǔ)量劃分為4 個(gè)基本碳庫(kù): 地上生物碳(土壤以上所有存活的植物材料中的碳)、地下生物碳(存在于植物活根系統(tǒng)中的碳)、土壤碳(分布在有機(jī)土壤和礦質(zhì)土壤中的有機(jī)碳)、死亡有機(jī)碳(凋落物、倒立或站立的己死亡樹(shù)木中的碳),即：

Ctotal=Cabove+Cbelow+Csoil+Cdead

式中：Ctotal表示總體碳儲(chǔ)量；Cabove表示植被地上碳儲(chǔ)量；Cbelow表示植被地下碳儲(chǔ)量；Csoil表示土壤碳儲(chǔ)量；Cdead表示死亡有機(jī)質(zhì)碳儲(chǔ)量。

本研究通過(guò)查閱文獻(xiàn)并總結(jié)現(xiàn)有的研究結(jié)果[33](林業(yè)科學(xué)數(shù)據(jù)中心(http://www.cfsdc.org/)),根據(jù)地區(qū)氣候條件, 采用對(duì)碳密度進(jìn)行修正,得到北京市各土地利用類(lèi)型的碳密度。本研究的碳密度數(shù)據(jù)基于全國(guó)和與北京市同氣候帶地區(qū)的研究結(jié)果[34—35], 而非實(shí)際測(cè)量, 而碳密度值隨土壤性質(zhì)和土地利用的不同而不同,所以需對(duì)其進(jìn)行修正。年降水量與生物量和土壤碳密度的關(guān)系采用Alam 等研究中的公式[36](公式3、 4)作為修正降水量因子的公式, 采用Giardina等、陳光水等研究中的公式(公式5)作為修正年均溫和生物量碳密度的公式[37]。

CSP=3.398×P+1996.1 (R2=0.11)

CBP=6.7981e0.00541P(R2=0.70)

CBT=28×T+398 (R2=0.47,P<0.01)

式中:CSP為根據(jù)年降水量得到的土壤碳密度(Mg/ha),CBP、CBT分別為根據(jù)年降水量和年均溫得到的生物量碳密度(Mg/ha),P為年均降水量(mm),T為年均氣溫(℃)。分別將北京市地區(qū)和全國(guó)的年均溫和年降水量代入上述公式(1990—2018 年,全國(guó)尺度和北京地區(qū)的年均溫分別為9.58℃、9.80℃,全國(guó)尺度和北京地區(qū)的年降水量分別為673.9 mm、640.1 mm),二者之比即為修正系數(shù), 全國(guó)的碳密度數(shù)據(jù)與修正系數(shù)的乘積為北京市碳密度數(shù)據(jù)。

1.3.3 Geoda局部空間自相關(guān)分析

空間自相關(guān)分析適用于衡量空間變量的分布是否具有集聚性,其全局與局部空間自相關(guān)都能夠較好地描述地理事物間的關(guān)系,衡量出事物空間要素屬性間的聚合或離散的程度?？臻g自相關(guān)分析包括全局空間自相關(guān)和局部空間自相關(guān)[38]。

(1)全局空間自相關(guān)

MIi∈[0,1],數(shù)值為正表示該空間事物的屬性值分布具有正的空間自相關(guān)性,其越接近1,則單元之間的關(guān)系越密切；數(shù)值為負(fù)表示該空間事物的屬性值分布具有負(fù)的空間自相關(guān)性；0表示該空間事物的屬性值分布不存在空間自相關(guān)性。

表4 研究區(qū)碳密度/(t/hm2)

(2)局部空間自相關(guān)

本研究將北京市劃分為2000 m×2000 m的網(wǎng)格,采用局部空間自相關(guān)的LISA來(lái)表現(xiàn)碳儲(chǔ)量在局部網(wǎng)格空間集聚規(guī)律。

MIi∈[-1,1],數(shù)值為正表示該單元周?chē)嗨浦档目臻g積聚,高觀測(cè)值區(qū)域被高值包圍(高高),低觀測(cè)值則被低值包圍(低低)；負(fù)值表示非相似性的空間積聚,低值區(qū)域被高值包圍(低高)或者高值區(qū)被低值包圍(高低)；0表示該區(qū)域與相鄰區(qū)域無(wú)空間關(guān)聯(lián)性。

2 結(jié)果與分析

2.1 土地利用及其轉(zhuǎn)移變化

表5表示研究區(qū)內(nèi)土地類(lèi)型面積和動(dòng)態(tài)度變化,1990—2010年土地利用動(dòng)態(tài)度較高,耕地和草地大量轉(zhuǎn)入建設(shè)用地,土地變化劇烈,2010—2015年土地利用的動(dòng)態(tài)度明顯下降,土地變化相對(duì)緩和。耕地在2010年后變化有明顯下降趨勢(shì)。1990—2018年林地動(dòng)態(tài)度為0.11%,是平均動(dòng)態(tài)度最低的土地類(lèi)型。建設(shè)用地各時(shí)期的動(dòng)態(tài)度高, 1990—2010年建設(shè)用地的增量較大,2010—2015年增量減少并趨于穩(wěn)定,建設(shè)用地迅速擴(kuò)張且擴(kuò)張能力明顯下降。

表5 北京市1990—2018年各類(lèi)土地利用類(lèi)型的面積變化

2.2 碳儲(chǔ)量時(shí)空變化

2.2.1 碳儲(chǔ)量時(shí)間變化特征

利用InVEST模型碳儲(chǔ)量模塊分別估算了北京市1990—2018年期間的碳儲(chǔ)量,如圖3所示。從數(shù)量上來(lái)看,研究區(qū)1990年、2000年、2010年、2015年、2018年總碳儲(chǔ)量分別為15.64×106t、16.39×106t、15.67×106t和16.10×106t,1990—2015年間,總體呈減少的趨勢(shì),累計(jì)損失了4.7×105t。2015—2018年變化趨勢(shì)反轉(zhuǎn),總碳儲(chǔ)量增加了6.00×105t。1990—2015年間,地上碳儲(chǔ)量、地下根系碳儲(chǔ)量、土壤碳儲(chǔ)量、死亡有機(jī)質(zhì)碳儲(chǔ)量變化均呈減少的趨勢(shì),其中土壤碳儲(chǔ)量損失最多,為1.7×105t,但均在2015—2018年間有所增加。2000—2010年區(qū)域碳儲(chǔ)量的變化比較劇烈,碳流失達(dá)到高峰,該時(shí)期北京市經(jīng)濟(jì)發(fā)展迅速,城鎮(zhèn)化速度加快,對(duì)于土地開(kāi)發(fā)需求也較為強(qiáng)烈。2010年后建設(shè)用地?cái)U(kuò)張趨于緩和,土地變化逐漸趨于平穩(wěn),這一時(shí)期北京市碳流失逐步得到緩解,且在2015年后得到明顯改善。

圖3 1990—2018年北京市基本碳庫(kù)碳儲(chǔ)量變化Fig.3 Changes of basic carbon storage in Beijing from 1990 to 2018

2.2.2 碳儲(chǔ)量空間變化特征

從空間上來(lái)看,北京市碳儲(chǔ)量空間分布格局具有顯著的空間異質(zhì)性。圖4分別是1990、2000、2010、2015、2018年研究區(qū)碳儲(chǔ)量分布情況。由圖4可知,碳儲(chǔ)量較高的區(qū)域主要分布在研究區(qū)的西北兩側(cè),該區(qū)域海拔相對(duì)較高,植被覆蓋率高,碳儲(chǔ)量密度最高值為66 t/hm2；行政區(qū)劃上,位于懷柔區(qū)、延慶區(qū)、密云區(qū)北部、平谷區(qū)北部、昌平區(qū)西部、門(mén)頭溝區(qū)和房山區(qū)西北部,這些地區(qū)多位于北京郊區(qū),城市化程度相對(duì)較低,土地利用類(lèi)型以林地和草地為主。碳儲(chǔ)量較低的區(qū)域主要分布在北京市中心主城區(qū),城市化程度較高,土地利用類(lèi)型以建設(shè)用地和耕地為主,受人類(lèi)活動(dòng)影響較大,碳儲(chǔ)量維持在較低水平。

圖4 1990—2018年北京市碳儲(chǔ)量變化Fig.4 Change of carbon storage in Beijing from 1990 to 2018

圖5 1990—2018年北京市碳儲(chǔ)量空間變化 Fig.5 Spatial variation of carbon storage in Beijing from 1990 to 2018

為了更清楚地從空間上反映研究區(qū)的碳儲(chǔ)量變化,對(duì) 1990年、2018年兩個(gè)時(shí)期碳儲(chǔ)量空間分布圖進(jìn)行差值計(jì)算,再進(jìn)行重分類(lèi),將 1990—2018年期間的碳儲(chǔ)量空間變化值分為三類(lèi)：減少、 基本不變和增加,其結(jié)果如圖5所示。從碳儲(chǔ)量空間變化來(lái)看,變化的區(qū)域具有大聚集和零星分布的特點(diǎn)。由圖可知,1990—2018年間研究區(qū)大部分區(qū)域的碳儲(chǔ)量基本穩(wěn)定,其占比為77.89%；15.51%的區(qū)域碳儲(chǔ)量呈減少的趨勢(shì),6.60%的區(qū)域碳儲(chǔ)量呈增加的趨勢(shì),二者零星分布在整個(gè)研究區(qū)內(nèi)。碳儲(chǔ)量顯著下降的區(qū)域分布在豐臺(tái)區(qū)、朝陽(yáng)區(qū)、順義區(qū)西南部和昌平區(qū)東南部等,由于城市擴(kuò)張劇烈,大量耕地和部分林地轉(zhuǎn)為建設(shè)用地,城市中心區(qū)域的周邊的碳儲(chǔ)量也有零星的減少。受萬(wàn)畝造林工程等相關(guān)政策的影響,六環(huán)路兩側(cè) 、城鄉(xiāng)結(jié)合部重點(diǎn)村拆遷騰退區(qū)、重點(diǎn)道路、河流兩側(cè)和荒灘荒地,、首都機(jī)場(chǎng)周邊和航空走廊可視區(qū)及南水北調(diào)干線工程兩側(cè)等地區(qū)碳儲(chǔ)量均有所增加。

利用FLUS模型對(duì)以上數(shù)據(jù)進(jìn)行處理得到3種情景下的北京市2035年的未來(lái)土地利用情況：在不同的限制條件下,除了綠色集約生態(tài)保護(hù)情景外,其余兩種情景下的建設(shè)用地均會(huì)持續(xù)擴(kuò)張,生態(tài)用地中耕地和草地均有減少。總體來(lái)說(shuō),3種情景下北京市2035 年土地利用變化較為明顯的區(qū)域主要集中在西部、東北部以及中心城區(qū)。再經(jīng)過(guò)查閱文獻(xiàn)及調(diào)整公式,獲得北京市土地類(lèi)型碳密度數(shù)據(jù),結(jié)合土地利用預(yù)測(cè)數(shù)據(jù)導(dǎo)入InVEST模型碳模塊下運(yùn)行,得到2035年3種情景下的碳儲(chǔ)量數(shù)據(jù)及其動(dòng)態(tài)變化,如圖6、圖7所示。

(1)自然演變情景下,2035年北京市總碳儲(chǔ)量相對(duì)往年有所降低,且碳儲(chǔ)量值為3種情景中最小,僅為15.64×106t。中心城區(qū)以及京郊地區(qū)周邊的碳儲(chǔ)量最易流失,其主要原因可能是在自然發(fā)展條件下,該區(qū)域的林地和耕地有較大概率轉(zhuǎn)換為碳密度值相對(duì)較小的建設(shè)用地,其中碳儲(chǔ)量值下降最高的區(qū)域?yàn)楹５?、順義、朝陽(yáng)、通州等區(qū)域。

(2)人口疏解城市發(fā)展情景下,整體趨勢(shì)與自然增長(zhǎng)態(tài)勢(shì)類(lèi)似,建設(shè)用地?cái)U(kuò)張至4058.79 km2,主要集中在中心城區(qū),而如密云區(qū)、延慶區(qū)、房山區(qū)的城郊區(qū)建設(shè)用地增加較少。生態(tài)用地中林地與水域面積有所增加,分別增至為7679.09 km2和418.15 km2。此情景下的總碳儲(chǔ)量值為16.10×106t?；赟SP2.0人口增長(zhǎng)情景,靠近太行山脈與燕山山脈附近的昌平、密云、懷柔、海淀、豐臺(tái)、房山區(qū)碳儲(chǔ)量減少量較大,其主要原因可能為此處的建設(shè)用地?cái)U(kuò)張與人口擴(kuò)散趨勢(shì)保持一致,而林地面積增加,建設(shè)用地轉(zhuǎn)換為耕地與草地的比例有所減少,從而保持總體碳儲(chǔ)量穩(wěn)定增長(zhǎng)。

(3)綠色集約生態(tài)保護(hù)情景下,城市建設(shè)用地面積限制到2760 km2,生態(tài)控制區(qū)面積占北京市市域面積的75%,森林覆蓋率占市域面積的45%。生態(tài)用地中林地面積增加至8328.49 km2,水域面積增加至509.15 km2,其他用地面積均有小幅度減少?？偺純?chǔ)量預(yù)測(cè)值相對(duì)往年有所增加,且為預(yù)測(cè)情景中最高,增長(zhǎng)至16.39×106t。從空間分布來(lái)看,87.32%的區(qū)域碳儲(chǔ)量基本穩(wěn)定,僅有零星分布在城市周邊的3.54%的區(qū)域呈減少趨勢(shì)。在建設(shè)用地面積以及生態(tài)保護(hù)紅線、永久基本農(nóng)田保護(hù)紅線和城鎮(zhèn)開(kāi)發(fā)邊界線的限制條件下,更多城區(qū)內(nèi)的建設(shè)用地轉(zhuǎn)換為其他碳密度值較高的生態(tài)用地,燕山山脈與太行山脈的林地面域增大,永定河、溫榆河等水域的面積也有所增加,耕地和草地轉(zhuǎn)換為建設(shè)用地的面積減小,因此還有占比9.14%的區(qū)域碳儲(chǔ)量呈增加趨勢(shì)。

圖6 2035年3種情景下北京市碳儲(chǔ)量分布預(yù)測(cè)Fig.6 Prediction of carbon storage distribution in Beijing under three scenarios in 2035

圖7 2018—2035年3種情景下北京市碳儲(chǔ)量變化預(yù)測(cè)Fig.7 Prediction of carbon storage change in Beijing under three scenarios from 2018 to 2035

圖8 2035年3種情景情景下北京市區(qū)域碳儲(chǔ)量分析預(yù)測(cè)Fig.8 Analysis and prediction of regional carbon storage in Beijing in 2035 under the three scenarios

2.3 區(qū)域碳儲(chǔ)量差異空間自相關(guān)分析

運(yùn)用geoda軟件對(duì)北京市行政區(qū)劃與2035年3種情景下北京市碳儲(chǔ)量時(shí)空差異進(jìn)行全局空間自相關(guān)分析,由測(cè)算(圖9)可知分布在第一象限和第三象限的點(diǎn)為空間正相關(guān)的點(diǎn)數(shù)據(jù),三種情景下Moran′ sI的值分別為0.438、0.423和0.427, 為空間正相關(guān), 說(shuō)明這些區(qū)域具有較大的空間正相關(guān)性,也就是北京市各區(qū)域范圍內(nèi)碳儲(chǔ)量的空間分布并非表現(xiàn)出完全隨機(jī)性, 而是表現(xiàn)出空間相似值之間的空間聚類(lèi)。其空間關(guān)聯(lián)特征是：碳儲(chǔ)量較高的區(qū)趨于和碳儲(chǔ)量較高的區(qū)相鄰,碳儲(chǔ)量較低的區(qū)趨于和碳儲(chǔ)量較低的相鄰。因?yàn)榇蟛糠謪^(qū)位于第一象限(熱點(diǎn)區(qū)域)和第三象限(冷點(diǎn)區(qū)域)內(nèi),熱點(diǎn)區(qū)域?qū)儆诟咭桓呒?冷點(diǎn)區(qū)域?yàn)榈鸵坏途奂?所以北京市16個(gè)下轄區(qū)中有14個(gè)都具有較強(qiáng)的空間正相關(guān)。

圖9 北京市碳儲(chǔ)量全局空間自相關(guān)分析Moran 散點(diǎn)圖Fig.9 Moran scatter plot of global spatial autocorrelation analysis of carbon storage in Beijing

運(yùn)用geoda軟件對(duì)各情景下北京市碳儲(chǔ)量進(jìn)行局部空間自相關(guān)分析(圖10),其結(jié)果表明3種情景下的碳儲(chǔ)量值在空間分布上具有相似性,碳儲(chǔ)量高值區(qū)域在城市北部、西北部及西部的懷柔區(qū)、延慶區(qū)、昌平區(qū)和門(mén)頭溝區(qū)出現(xiàn)集聚,主要原因可能為北京市西部和北部的區(qū)域林木覆蓋率較高,根據(jù)相關(guān)報(bào)道,京津風(fēng)沙源治理工程的實(shí)施使頭溝、房山、昌平、平谷、懷柔、密云、延慶等7個(gè)區(qū)納入工程范圍,通過(guò)植樹(shù)造林、退耕還林、小流域綜合治理等綜合施策斗風(fēng)沙,且通州區(qū)、懷柔區(qū)、密云區(qū)將在2022年全部創(chuàng)建為“國(guó)家森林城市”,北京計(jì)劃通過(guò)兩輪百萬(wàn)畝造林綠化工程,到2022年森林覆蓋率達(dá)到45%,這對(duì)于提升陸地生態(tài)系統(tǒng)的碳匯能力具有重要作用。

圖10 2035年北京市碳儲(chǔ)量局部空間自相關(guān)分析Fig.10 Local spatial autocorrelation analysis of carbon storage in Beijing in 2035

2.4 多情景模擬下土地利用變化對(duì)生態(tài)系統(tǒng)碳儲(chǔ)量影響差異

建設(shè)用地?cái)U(kuò)張是造成三種情景內(nèi)生態(tài)系統(tǒng)碳儲(chǔ)量變化的重要因素,因?yàn)榻ㄔO(shè)用地面積的增長(zhǎng)牽制耕地、草地此類(lèi)含碳量高的地類(lèi)面積的變化,從而影響整體碳儲(chǔ)量。

圖11 2018—2035年北京市各用地類(lèi)型生態(tài)系統(tǒng)碳儲(chǔ)量變化Fig.11 Changes of carbon storage in ecosystems of different land use types in Beijing from 2018 to 2035

根據(jù)圖11,發(fā)現(xiàn)除建設(shè)用地外的草地、水域和林地等生態(tài)用地面積的顯著減少成為自然演變情景中導(dǎo)致生態(tài)系統(tǒng)碳儲(chǔ)量減少的主要原因。綠色集約生態(tài)保護(hù)情景下,林地面積的增長(zhǎng)引致的生態(tài)系統(tǒng)碳儲(chǔ)量總值較高,主要由于該情景限制了建設(shè)用地的面積,并減少林地、耕地、草地和水域向其轉(zhuǎn)換的概率,使得各生態(tài)用地各地類(lèi)碳儲(chǔ)量并未有明顯降低。耕地、草地的影響略次于建設(shè)用地,其中耕地和草地在自然演變和人口疏解城市發(fā)展情景中對(duì)碳儲(chǔ)量的影響較大,對(duì)綠色集約生態(tài)保護(hù)情景的影響相對(duì)較小。水域在自然演變和綠色集約生態(tài)保護(hù)情景下對(duì)總體碳儲(chǔ)量有一定的影響作用；而未利用地在三種情景下的碳儲(chǔ)量變化雖大,但由于其面積極小,影響甚微。

3 結(jié)論

本研究借助InVEST模型碳儲(chǔ)量模塊評(píng)估了1990—2018年間北京市土地利用變化對(duì)碳儲(chǔ)量的影響,并耦合了Flus與InVEST模型,對(duì)2035年北京市土地利用變化及碳儲(chǔ)量進(jìn)行了自然演變情景(NES)、人口疏解城市發(fā)展情景(PDUDS)、綠色集約生態(tài)保護(hù)情景(GIEPS)下的模擬預(yù)測(cè),最后采用空間自相關(guān)分析對(duì)其進(jìn)行分區(qū)管理研究。從本研究中得出以下結(jié)論：

(1)北京市土地利用變化對(duì)碳儲(chǔ)量驅(qū)動(dòng)機(jī)制：①?gòu)臍v史數(shù)據(jù)上來(lái)看,1990—2018年北京市碳儲(chǔ)量變化特征表現(xiàn)為先減后增,2000—2010年區(qū)域碳儲(chǔ)量的變化比較劇烈,碳儲(chǔ)量下降了4.3%,主導(dǎo)地類(lèi)變化為耕地、林地、草地向建設(shè)用地的轉(zhuǎn)化。2010年后北京市建設(shè)用地?cái)U(kuò)張趨于緩和,未利用地有部分轉(zhuǎn)化為耕地、林地和草地,使得2010年至2018年間碳儲(chǔ)量增加了3.5%。②從2035年3種未來(lái)情景的模擬上來(lái)看,在NES下北京市碳儲(chǔ)量預(yù)測(cè)值為15.64×106t,草地、水域和林地向建設(shè)用地的轉(zhuǎn)化導(dǎo)致其較往年相對(duì)有所降低。建設(shè)用地向林地的轉(zhuǎn)化導(dǎo)致GIEPS下碳儲(chǔ)量預(yù)測(cè)值會(huì)進(jìn)一步增加,為16.39×106t,比NES高出7.50×105t。PDUDS下碳儲(chǔ)量預(yù)測(cè)值增加但幅度較小,為16.10×106t,比NES高出4.60×105t,主要是由耕地和草地向建設(shè)用地的轉(zhuǎn)化所導(dǎo)致。北京市碳儲(chǔ)量變化主要受到建設(shè)用地的擴(kuò)張對(duì)生態(tài)用地的影響,盡管未來(lái)建設(shè)用地?cái)U(kuò)張速度下降,但其進(jìn)程仍會(huì)持續(xù),未來(lái)北京市部分區(qū)域仍會(huì)存在一定的碳流失問(wèn)題。

(2)北京市碳儲(chǔ)量分區(qū)管理機(jī)制：局部空間自相關(guān)分析結(jié)果顯示,對(duì)比NES,GIEPS與PDUDS的碳儲(chǔ)量高值區(qū)域在城市北部、西北部及西部的太行山脈、燕山山脈地段,具體在懷柔、昌平延慶區(qū)與門(mén)頭溝區(qū)處出現(xiàn)集聚,GIEPS的高值區(qū)域最多；而低值區(qū)則在海淀、朝陽(yáng)、東城、西城、大興區(qū)出現(xiàn)聚集,均為占有大量建設(shè)用地處,相比NES與GIEPS,PDUDS下的低值區(qū)域聚集增加。

本文結(jié)合FLUS、InVEST與Geoda模塊建立了一種土地利用變化與生態(tài)系統(tǒng)碳儲(chǔ)量耦合模型,提出了一套具有創(chuàng)新性的生態(tài)系統(tǒng)碳儲(chǔ)量與未來(lái)城市分區(qū)管理的技術(shù)體系,可對(duì)未來(lái)以土地利用變化為基準(zhǔn)進(jìn)行的生態(tài)系統(tǒng)碳儲(chǔ)量核算進(jìn)行較為精準(zhǔn)的模擬,也為“雙碳”目標(biāo)導(dǎo)向下北京市國(guó)土空間規(guī)劃提供科學(xué)依據(jù)。