图1 研究区概况
Fig. 1 Overview of the study area
北京大学学报(自然科学版)第61卷 第4期 2025年7月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 61, No. 4 (July 2025)
doi: 10.13209/j.0479-8023.2025.004
国家自然科学基金(41661088)和贵州科技创新基地建设项目(黔科合中引地[2023]005)资助
收稿日期: 2024–04–08;
修回日期: 2024–07–25
摘要 以国家重点生态功能区贵州省黄平县为例, 使用 2010, 2015 和 2020 年土地利用数据, 耦合 InVEST 模型和 PLUS-Markov 模型, 在分析黄平县建设用地扩张特征及其对区域碳储量影响的基础上, 依据“十四五”系列发展规划要求, 预测 2030 年生态保护、自然发展和经济建设 3 种发展情景下的碳储量变化情况。结果表明, 2010—2020 年黄平县建设用地面积增长 1792.89hm2, 增长率达 33.65%, 其中城镇村及工矿用地在建设用地扩张过程中居主导地位。建设用地变化致使碳储量净损失 5.93×104t, 主要为林地、耕地和草地等转为建设用地过程导致的碳流失量。2010—2020 年黄平县的碳储量总体上呈增长趋势, 由 247.56×105t 增至 276.03× 105t, 碳储量明显增长、基本不变和明显减少趋势的面积占比分别为 69.28%, 6.27%和 24.45%。2030 年黄平县在生态保护、自然发展和经济建设 3 种情景下的碳储量将分别为 274.76×105, 267.22×105 和 266.76×105t。建议 2025—2030 年黄平县实施“生态保护为主, 经济建设为辅”的情景治理模式。
关键词 碳储量; 情景模拟; 趋势预测; 建设用地扩张; 国家重点生态功能区
为应对气候变暖的严峻挑战, 实现全球二氧化碳净零排放的宏伟目标, 全球多个国家和地区已纷纷将“碳达峰”目标纳入法律框架, 通过法律手段确保目标的实现[1–3]。作为碳排放大国, 中国更是将“碳中和”作为中长期可持续发展的核心目标, 推动全球气候治理的进程[4–6]。目前, 如何有效地增强碳汇能力, 已成为研究热点[7–11]。提升陆地生态系统碳储量是实现“碳中和”目标的关键环节[12–16], 由于植被、土壤类型和地形等本底条件存在差异, 导致陆地生态系统各组成部分的碳蓄积能力存在较大的空间异质性和时间变异性[17]。作为陆地生态系统的关键组成, 国家重点生态功能区具有极大的固碳潜力[18–19]。然而, 部分重点生态功能区的固碳潜力未得到充分发挥, 区域经济建设与生态保护协同发展的目标尚未完成。为提升重点生态功能区生态系统的固碳能力, 有效地缓解生态系统碳流失, 亟需对其生态系统碳储量和时空变化规律进行量化和探讨。
生态功能区指在对协调区域可持续发展、保障国家和地方生态安全等方面有重要意义的区域内, 有选择地划定一部分面积, 予以重点保护和限制开发, 主要有水土保持、水源涵养、调蓄洪水、防风固沙和维系生物多样性等生态功能类型[20–21]。目前, 对重点生态功能区这类生态、生产和生活空间相互交叉的复杂区域碳储量的研究较为匮乏[22]。关于生态功能区碳储量的研究集中在生态系统服务价值评估[23–25]和碳储量时空格局分析[26–28]两个方面。由于生态功能区要在保护优先的前提下进行开发建设, 现有研究主要关注土壤、森林和农田等单一自然地类变化引起的碳储量变化, 忽视建设用地对区域碳储量的影响。然而, 建设用地区域聚集了全球 50％的人口和 70％以上的碳排放[29], 厘清建设用地对重点生态功能区碳储量的影响, 并制定适宜的发展战略, 是实现区域碳达峰目标的关键。因此, 探究建设用地扩张影响下重点生态功能区碳储量时空特征, 通过模拟预测不同发展情境下的区域碳储量情况, 有助于激发生态功能区固碳潜力, 进而实现碳达峰目标。
贵州省黄平县属于“黄平–施秉”低山丘陵石漠化防治与生物多样性保护区, 是乌江和沅江源头的关键生态保护屏障和重要水源补给区。相较于中东部平原丘陵地区, 其社会经济特征和地理环境存在特殊性和复杂性。鉴于此, 本研究以国家重点生态功能区黄平县为例, 在分析其建设用地时空演变特征的基础上, 探究建设用地扩张对区域碳储量的影响, 并预测不同情景下国家重点生态功能区碳储量的响应特征, 以期为优化重点生态功能区土地利用结构提供决策参考。
黄平县(107º35′40′′—108º12′48′′E, 26º43′46′′—27º14′30′′N)位于贵州省黔东南苗族侗族自治州西北部(图 1), 地处黔中丘原向黔东低山丘陵过渡地带, 属于滇桂黔喀斯特石漠化防治生态功能区。地势由西北向东南逐渐降低, 境内海拔高度在 519～1367m之间。黄平县内水资源和森林资源丰富, 是乌江和沅江源头关键生态保护屏障和重要水源补给区, 对沅江生态保护甚至整个长江上游生态屏障的作用较为显著。黄平县现有生态保护红线面积 36094.40hm2, 占土地总面积的 21.61%; 自然保护地面积19991.02hm2, 占土地总面积的 11.97%; 林地面积106837.77hm2, 占土地总面积的 63.97%。
2010, 2015 和 2020 年 3 期土地利用数据来自黄平县土地变更调查, 由黄平县自然资源局提供。农用地内部转变以及农用地与非农用地间的相互转变是土地利用变化对陆地生态系统碳储量影响的主要体现方式[30]。参照文献[31–32]的方法, 将土地利用分为林地、草地、耕地、水域、建设用地和未利用地 6 个土地利用类型。其中农用地包含林地、草地和耕地, 非农用地包含水域、建设用地和未利用地。土地利用变化受人类活动和自然环境等多重因素的影响, 因此我们综合考虑模型的精度和适用性, 结合已有研究成果[33–35]来选取土地利用变化的驱动因子。在考虑研究区驱动因子的可获取性、时效性和显著性原则等因素后, 从社会经济数据和自然环境数据中选取坡度、人口和 GDP 等 10 个驱动因子对未来土地利用变化进行模拟, 数据来源见表 1。在数据处理过程中, 将数据地理坐标统一为 CGCS_ 2000, 空间分辨率统一为 30m。
图1 研究区概况
Fig. 1 Overview of the study area
2.1.1 用地动态度分析
用地动态度表示一定时间内城乡建设用地面积的变化程度, 展现不同城乡建设用地类型间的变化情况[36], 计算公式为
表1 数据来源
Table 1 Data source
数据类型 数据名称指标释义数据来源 气候环境数据DEM自然基底条件地理空间数据云(http://www.gscloud.cn) 坡度 土壤类型资源环境科学与数据研究中心(http://www.resdc.cn/data) 年均降水量气候条件 年均气温气候条件 社会经济数据GDP国内生产总值 人口人口密度 夜间灯光数据城镇化水平 与高速、国道或省道的距离交通发达程度黄平县自然资源局 与镇政府的距离交通便捷程度
(1)
其中, V 为土地利用动态度指数, ua 和 ub 分别为研究对象初期和末期的用地面积, T 为研究时间段。
2.1.2 转移矩阵
转移矩阵是定量研究土地利用类型间相互转化数量及方向的主要方法, 反映土地利用变化的结构特征及各类型之间的转移方向[37], 数学表达式为
(2)
式中, P 表示面积, n 表示土地利用类型数,下角标 i和 j 分别表示研究时段初期和末期的土地利用类型, Pij 表示研究时段内用地类型 i 向用地类型 j 转移的面积。
InVEST 模型碳储量模块以地表土地利用与覆被类型为评估单元, 依据各土地利用与覆被类型的空间分布格局及对应的碳密度来评估区域生态系统碳储量, 模型自动生成碳储量空间分布图[37]。碳储量计算公式为
Ctot=Cabove+Cbelow+Csoil+Cdead , (3)
式中, Ctot 为生态系统总碳储量, Cabove 为地上植被碳储量, Cbelow 为地下植被碳储量, Csoil 为土壤有机碳库, Cdead 为死亡生物有机碳储量。目前, 关于贵州省县域小范围的碳密度研究比较匮乏。因此, 我们优先选择黄平县所在地区黔东南州的碳密度系数, 其次参考相邻市州或气候、地貌类型相近区域的碳密度系数, 保障数据的可靠性。本文选用的碳密度系数列于表 2。
2.3.1 土地利用预测方法
Markov 链模型通过随机过程分析样本数据的初、末期状态, 得到不同年份土地利用类型之间的转变规律, 求出研究区传统用地转移概率矩阵, 并在此基础上预测该区域未来土地利用变化情况[46], 计算公式为
St+1=Pij×St , (4)
其中, St+1 为在 t+1 时刻的土地利用类型, St 为 t 时刻的土地利用类型, Pij 为转换规则。
表2 土地利用类型的碳密度系数
Table 2 Carbon density coefficient of land use types
土地利用类型植被地上碳密度植被地下碳密度土壤碳密度死亡有机物碳密度来源 林地45.0818.03146.823.5[38–41] 草地0.820.8789.21[42] 耕地3.290.59109.681[43–45] 水域0000 建设用地00111.260[46] 未利用地0.740.1369.920[47]
2.3.2 模型验证
按照耕地、林地、草地、建设用地、水域和未利用地 6 类土地利用类型, 以 2010 年土地利用现状数据为基础, 模拟预测 2020 年土地利用状况, 并与黄平县 2020 年实际土地利用情况做对比分析。如图 2 所示, 2020 年黄平县实际土地利用栅格总数为32824 个, 模拟正确的栅格总数为 29870 个, 正确率为 91%。采用 Kappa 指数对 2020 年黄平县 LULC 模拟结果进行检验, Kappa 指数值为 0.83。结果表明, PLUS 模型的模拟结果符合土地利用变化的实际情况, 因此可以应用 PLUS 模型对黄平县 2030 年土地利用状况进行模拟预测。
2.3.3 模拟情景设置
为进一步探讨政策引导下黄平县未来不同发展情景中建设用地扩张对碳储量的影响, 我们设置以下 3 种发展模式(表 3)。
自然发展情景(L1): 该情景为在不受政策引导及其他人为干预的前提下, 黄平县 2030 年土地利用格局, 即延续 2010—2020 年历史土地利用类型转移概率和邻域权重, 模拟获得黄平县 2030 年土地利用数据。
经济建设情景(L2): 根据《黔东南州“十四五”新型城镇化发展规划》要求, 大力推动新型城镇建设, 做强地方特色经济。该情景为优先发展经济, 建设用地加速扩张前提下的黄平县 2030 年土地利用格局。在 2010—2020 用地转移概率基础上, 参考2010—2020 年黄平县建设用地扩张率最大的年份, 将耕地、林地草地向建设用地转移的概率增加 13%, 同时建设用地向耕地、林地和草地转移的概率减少25%, 未利用地的 75%转为建设用地。
生态保护情景(L3): 结合《黔东南州“十四五”林业发展规划》《黔东南州“十四五”农业农村发展规划》目标, 综合考虑黄平县耕地、生态等自然本底条件, 以生态保护为前提。基于 2010—2020 用地转移概率, 将园地、林地和草地向建设用地转移的概率降低 45%, 同时将园地和草地向耕地和林地转移的概率增加 15%, 未利用地全部转为林地。
图2 2020年黄平县土地利用模拟结果与实际情况对比
Fig. 2 Comparison diagram of land use simulation in Huangping County in 2020
表3 2030年各发展情景土地利用类型邻域因子权重
Table 3 Neighborhood factor weights of land use types in various development scenarios in 2030
发展情景耕地林地草地建设用地水域未利用地 自然发展(L1)0.33070.42960.00400.20350.02100.0112 经济建设(L2)0.32550.38370.00380.25780.02090.0083 生态保护(L3)0.36150.46680.00270.14690.02090.0012
2010—2020 年黄平县建设用地从 5862.72hm2增加到 7835.61hm2, 面积增长 1792.89hm2, 增长率达 33.65%(图 3)。建设用地动态度由 2.79%增长至6.73%, 城乡建设用地发展处于持续的动态调整过程中。其中, 2010—2015 年期间新增建设用地面积为 816.46hm2, 耕地、林地和草地对该时期新增建设用地的贡献率依次为 63.37%, 20.79%和 11.88%。扩张区域集中在黄平县中部、南部新州、谷陇、旧州和重安 4 个乡镇, 增长面积分别为 329.07, 131.63, 126.95 和 106.95hm2。另外, 2015—2020 年期间, 黄平县建设用地增长趋势加快, 表现出在全域零星增长的扩张特征。这一时期建设用地年均增速为231.29hm2/年, 总体增长面积为 1156.43hm2, 比上一时期多增长 339.97hm2, 同时, 耕地和林地对新增建设用地的贡献度大幅下降, 其中草地转出对该时期新增建设用地的贡献率最大, 达 73.04%。
从城乡建设用地内部用地结构来看, 2010—2020 年黄平县城乡建设用地表现出城镇村及工矿用地占比增加, 交通运输用地和其他建设用地比例缩减的特征。城镇村及工矿用地变化幅度最大, 面积增加 2122.54hm2, 增长率为 62.74%。城镇村及工矿用地结构占比增长 10.38%, 动态度从 1.87%增长为 10.91%, 说明城镇村及工矿用地在城乡建设用地的扩张过程中处于主导地位。其次, 交通运输用地动态度为−1.28%, 面积减少 115.55hm2, 用地结构占比从 31.24%下降到 21.05%, 呈“倒U型”变化态势。其他建设用地面积最小且变化趋势相对平缓, 研究时段内由 166.43hm2降为 132.33hm2, 用地动态度为−4.10%。
2010—2020 年黄平县碳储量呈持续增长态势(图 4), 碳储量由 247.56×105t 增长为 276.03×105t, 增长速率为 2.19×105t/年。碳储量变化格局呈现显著的差异特征, 其中明显增长趋势占据主导地位, 面积占比达到 69.28%; 明显减少趋势区域紧随其后, 面积占比为 24.45%; 基本不变趋势区域的面积占比较小, 仅为 6.27%。2010—2015 年, 黄平县生态系统碳储量空间分布不均匀, 存在明显的低值区和高值区。其中, 低值区零星分布在新州、旧州和野洞河 3 个镇, 主要分布在新州镇, 与黄平县主要职能区和人口聚集区的空间分布相符。此外, 碳储量高值区呈不规则面状分布在纸房乡、平溪镇、浪洞镇、上塘镇和谷陇镇。2015—2020 年, 黄平县碳储量有所提升, 碳储量呈明显增加趋势的区域面积占比上升至 70.93%, 呈基本不变及明显减少趋势区域的面积占比分别为 17.81%和 11.26%。
图3 2010—2020年黄平县建设用地扩张的空间分布
Fig. 3 Spatial distribution map of construction land expansion in Huangping County from 2010 to 2020
图4 2010—2020年黄平县碳储量的空间分布
Fig. 4 Spatial distribution diagram of carbon reserves in Huangping County from 2010 to 2020
2010—2020 年期间, 黄平县林地、建设用地两种地类的碳储量呈正增长趋势, 其余用地类型的碳储量表现出不同程度的负增长。研究时段内, 林地面积增长 59340.14hm2, 其碳储量从 90.01×105t 增至 186.13×105t, 增加幅度达 96.11×105t, 属于碳储量最多且增加幅度最大的地类。建设用地面积总体增加 1792.89hm2, 其碳储量从 4.56×105t 增长到10.30×105t, 增加幅度仅为 5.73×105t。此外, 草地、耕地和未利用地的碳储量减少量分别为 14.68× 105, 19.66×105 和 0.22×105t, 其中草地的碳储量缩减率最高, 达到 89.75%; 未利用地碳储量最小, 从2009 年的0.45×105t 降为 2022 年的 0.23×105t。
如表 4 所示, 研究时段内黄平县建设用地的变化致使碳储量净损失 5.93×104t, 建设用地在转出过程中的碳储增量仅为 2.77×104t, 远低于其扩张引起的碳损失量。2010—2015 年建设用地变化碳储量净流失 2.18×104t, 其中 58.74%的碳损失量由耕地转为建设用地引起, 建设用地占用林地引起的碳流失量次之, 占比为 32.11%。建设用地向耕地和林地转移获得的碳增量分别为 0.27×104 和 0.6×104t, 仅为碳流失量的 1/3。2015—2020 年, 建设用地转出过程中增加碳储量 1.89×104t, 其中 66.98%来源于建设用地转为林地产生的增碳效果。建设用地的变化致使碳储量净损失 3.76×104t, 在扩张进程中, 建设用地占用耕地、林地的情况减少, 占用草地的面积增加。占用草地导致的碳流失量贡献度由 7.37%升至 33.58%, 说明该时期研究区实施的“石漠化治理”和“退耕还林”等生态恢复工程成效显著。
从各乡镇碳储量变化情况(图 5)来看, 2010—2015 年黄平县碳储量减少 6.82×105t, 是碳储量减少量最大的乡镇, 也是 2010—2015 年建设用地扩张的主要区域。主要原因是, 该时期新增建设用地占用耕地、林地和草地等高碳密度用地类型, 其中耕地、林地和草地对新增建设用地的贡献率依次为63.37%, 20.79%和 11.88%。2015—2020 年, 黄平县碳储量同比上一时期增加 37.13×105t, 但新增建设用地面积比 2010—2015 年多增加 100.79hm2。主要原因是 2015—2020 年新增建设用地以占用草地为主, 同比上一时期, 草地转出对该时期新增建设用地的贡献率达到 73.04%, 而耕地和林地对新增建设用地的贡献度大幅度下降。因此, 虽然 2015—2020年建设用地扩张面积较大, 但其碳储量仍然呈现增加趋势。
土地利用模式对区域碳储量空间格局的演变存在深远的影响。黄平县作为国家重点生态功能区, 其土地利用格局肩负着生态保护与经济发展的双重责任, 高效的土地利用模式在限制城市无序扩张的同时, 也保护重要生态资源用地。2010—2020 年黄平县建设用地扩张导致的碳储量演化可分为碳损失和碳补偿两条路径(图 6)。1)碳损失路径。土地利用从高碳密度类型向低碳密度类型方向转移, 导致碳损失。林地、耕地向建设用地转移是研究区建设用地扩张引起碳流失的主要途径, 两条转移途径导致的碳损失量分别为 3.66×104 和 3.53×104t。此外, 草地向建设用地的转移也是碳流失的一个支路径, 虽然仅占整个碳流失路径的很小一部分, 但了解这些转化所涉及的潜在风险仍然很重要。碳流失路径表明单位面积建设用地碳损失量大, 在单一水平上增加建设用地不利于提高生态系统碳汇能力。2)碳补偿路径中的碳流动方向与碳损失途径相反, 建设用地向林地和耕地转化是补偿的主要途径, 其补偿碳储量分别为 1.87×104和0.88×104t。同时, 建设用地向草地的过渡贡献了 0.05×104t 的碳储量, 可以看出, 当等面积转化为不同碳密度的各种土地类型时, 碳补偿量存在显著的差异。此外, 由于黄平县总体上植被覆盖度较高, 建设用地中城市绿地面积的增加虽然不是碳补偿的主要转移途径, 但也弥补了部分生态系统的碳损失。
表4 黄平县建设用地转化对碳储量的响应
Table 4 Responses of construction land conversion to carbon reserves in Huangping County
土地利用类型2010—2015年2015—2020年建设用地转入建设用地转出总计/104 t建设用地转入建设用地转出总计/104 t 耕地−1.550.27−1.28−1.980.61−1.36 林地−1.300.60−0.70−2.361.27−1.12 草地−0.16−−0.16−1.310.05−1.26 水域−−−−0.08−−0.08 未利用地−0.04−−0.04 0.10−0.040.06 总计−3.050.87−2.18−5.651.90−3.75
图5 黄平县各乡镇碳储量时空变化
Fig. 5 Spatio-temporal change map of carbon reserves in all towns and townships in Huangping County
2010—2020 年黄平县生态保护用地与城乡建设用地交错融合的程度不断加深, 其交互过程对碳储量演化产生的影响是复杂而多向的。黄平县生态保护范围与城乡开发区的交错融合对区域固碳潜力的影响主要表现为两个路径。1)负反馈途径: 由于城市化的快速发展, 人群密集度增加, 导致城乡居民点面积不断扩大, 城乡开发区不可避免地向外扩张, 边际价值较少的森林、草原、耕地等逐渐被建设用地取代, 导致一定程度的碳流失; 为了方便人类生产和生活发展需求, 服务于各乡镇的交通运输用地及相关基础设施周围往往分布着大量优质耕地, 人类活动对居民点及道路周围的耕地和林地产生直接或间接的负面影响。2)正反馈途径: 退耕还林和复垦还田等生态恢复工程的实施促使生态保护用地的范围增加, 低效益建设用地的调整优化激发了区域固碳潜力; 科学的农业和林业管理措施等促使耕地、林地和草地等农用地之间进行内部调整, 对其碳密度产生影响, 提高了植被和土壤的碳密度, 从而增强其固碳潜力。
在自然发展情景(L1)、经济建设情景(L2)和生态保护情景(L3)这 3 种不同发展模式驱动下, 2030年黄平县土地利用格局(相比 2020 年)存在明显的差异(图 7)。L1 情景下, 黄平县土地利用变化以草地和未利用地面积减少, 林地和建设用地面积增加为主要特征。草地转出为建设用地、林地和耕地的面积分别为 96.61, 173.48 和 118.72hm2, 占草地总面积的 21.31%。42.74%的未利用地分别转出为建设用地、水域和林地, 转出总面积为 138.63hm2。L2情景下, 黄平县土地利用以建设用地扩张, 林地、草地和耕地收缩为主要特征。建设用地面积增长幅度达到 18.33%, 林地、未利用地和耕地等地类的面积不同程度地减少, 其中缩减量最大的是林地, 缩减面积为 477.85hm2。L3 情景下, 林地和耕地面积增长趋势明显, 以草地和未利用地转入为主。林地和耕地增长比例分别为 8.67%和 11.55%, 未利用地转出量最大, 为 219.17hm2。
城乡建设用地和碳储量均是具有明显空间分布特征的地理要素, 探究建设用地扩张与碳储量在空间尺度上的相关性有助于厘清建设用地扩张对碳储量的影响机制。如表 5 所示, 未来 3 种发展模式下, 黄平县建设用地扩张与碳储量之间存在显著的空间相关性。L1, L2 和 L3 模式下建设用地扩张与碳储量的空间自相关指数 Moran’s I 分别为−0.20, −0.24和−0.27, 绝对值均超过 0.2, 通过 p=0.001 的显著性检验, 表明建设用地扩张与碳储量显著负相关。从空间分布特征来看, 3 种发展情境下建设用地扩张与碳储量的 LISA 集聚图以高–低集聚和低–高集聚为主(图 8)。其中, 高–低集聚网格数分别为 1351, 1447 和 1208, 主要分布在黄平县西北部。低–高集聚网格数分别为 1167, 1083 和 1215, 主要分布在黄平县中部及东南部。
对比 3 种发展情景下的碳储量(图 9), 2030 年黄平县碳储量表现出生态保护情景(L3)>自然发展情景(L1)>经济建设情景(L2)的时空变化特征。L1 情景下, 碳储量为 267.22×105t, 比 2020年减少88.07× 105t。L2 情景下, 黄平县碳储量为 266.76×105t, 比 2020 年减少 3.34%。L3 情景下, 黄平县碳储量为 274.76×105t, 比 2020 年增加 0.46%, L3 情景以生态保护为发展前提, 植被生态空间面积增加, 低碳汇用地类型的扩张受到限制。从碳储量的增减趋势面积比例来看, L1～L3 情景下大部分区域碳储量呈基本不变趋势, 其面积占比依次为 51.67%, 39.38%和 45.43%。L3 情景碳储量呈增加趋势的面积最大, 占总面积的 36.34%, L1 和 L2 情景中碳储量呈增长趋势的面积占比分别为 27.19%和 23.77%。L2 情景下碳储量呈减少趋势的面积最大, 占比为 36.85%, L1 情景次之, L3 情景最低。
图6 建设用地扩张对碳储量的影响机制
Fig. 6 Influence mechanism of construction land expansion on carbon reserves
图7 2030 年各发展情景下的土地利用分布
Fig. 7 Land use distribution in 2030 for each development scenario
表5 建设用地扩张与碳储量的双变量Moran’s I指数
Table 5 Bivariate Moran’s I index of construction land expansion and carbon reserves
统计变量自然发展情景(L1)经济建设情景(L2)生态保护情景(L3) Moran’s I−0.20**−0.24**−0.27** Z值24.9317.9621.07
注: **表示在0.001水平上达到极显著相关。
对自然发展情景(L1)、经济建设情景(L2)和生态保护情景(L3)这 3 种场景的模拟, 反映不同发展策略对黄平县土地利用格局及碳储量的影响, 可为未来土地利用格局规划和碳储量管理提供参考。总体上, 黄平县未来发展规划中应以生态保护情景为基调, 其下辖乡镇根据发展定位与实际情况等综合因素, 考虑实施“生态保护+经济建设或自然发展”的复合发展情景, 具体策略如下。1)促进城镇提质融合。黄平县中心城区主要位于新州和旧州镇, 但两镇之间大部分区域处于生态保护红线或永久基本农田保护红线范围内, 致使两地城镇建设区的衔接不够理想, 直接影响黄平县新型城镇化建设。建议新州、旧州镇实施“生态保护+经济建设”的发展情景, 在现有城镇空间范围内, 优先推进黄平县城新州镇–旧州镇一体化发展, 实现城市综合实力的有效提升, 增强对周边乡镇的辐射带动作用, 提升县城整体发展质量。2)优化农业生产布局。黄平县全域范围内相对平坦又集中连片的区域分布较少, 优质耕地资源极为紧张, 县域内各乡镇协调发展有待提升。产业发展过度为生态保护让道, 不利于黄平县发展成有山地特色的经济强县。因此, 应针对各乡镇的产业发展情况及碳储量潜力, 将自然发展情景与经济建设情景组合, 对北部生态林下经济发展区、西部生态养殖发展区、中部城乡融合高效农业示范区和南部农旅综合发展区进行分区治理。3)升级生态资源保护水平。黄平县属于水源涵养型国家重点生态功能区, 主要有余庆河生态保护带、㵲阳河生态保护带、重安江–清水江生态保护带 3 个核心保护带。该区域生态区位险要, 经济发展处于次位需求。因此, 应在该区域实施“生态保护为主, 自然发展为辅”的发展模式, 对核心保护带进行精准化监督管理, 并在合理的范围内有限度地开展“生态旅游”项目, 在现有保护措施基础上, 多元多维地提升生态资源保护水平。
图8 建设用地扩张与碳储量LISA聚类图
Fig. 8 LISA cluster diagram of construction land expansion and carbon reserves
图9 各发展情景下的碳储量分布
Fig. 9 Distribution diagram of carbon reserves for each development scenario
重点生态功能区关系国家生态安全以及地区全面协调发展, 并不是限制或禁止所有的开发行为, 而是要实现可持续发展[46]。2010—2020 年期间, 黄平县与同属长江经济带的非重点生态功能区相比, 两者城乡建设用地规模都呈增长趋势, 但黄平县城乡建设用地扩张速度与规模都小于非重点生态功能区。主要原因是, 2014 年国家新型城镇化规划(2014—2020 年)强调转变城市“粗放式”发展方式, 长江经济带各省的开发建设模式逐步向“集约型”内涵转变, 但由于上游地区大部分城市用地规模性扩张较晚, 上游地区大部分地级行政区在 2015—2020年这一阶段仍然维持相对较高的年均扩张面积[47]。
在生态功能区土地利用变化相关研究中, 发现重点生态功能区生态用地的第一大流向是耕地, 其次是城镇村建设用地和交通用地, 分别占 40.33%, 25.33%和 20.81%[48]。表 6 所示黄平县城乡建设用地内部结构变化动态度与之吻合, 政府主导的农村居民点建设、大规模交通基建(高速公路、高铁和国省道)和城乡联动发展需求(县道系统的联通作用)等因素, 是黄平县建设用地扩张的核心动因。受交通网络(特别是县道系统)和政策红线的双重影响, 县道周边成为建设活动的热点区域[48–50]。
与其他生态功能区的不同之处在于, 黄平县曾属于国家重点贫困县, “脱贫攻坚”期间建设了一批易地扶贫搬迁安置社区以及相关配套基础设施, 这也是该时期黄平县建设用地扩张的原因之一。
从碳储量收支分区情况(图 10)来看, 黄平县碳储量存在空间异质性, 主要原因如下。1)地理空间格局的本底限制。黄平县地形以山地和丘陵为主, 存在中山、低中山、丘陵和河谷盆地等多样化的地貌条件。黄平县坡度 15°以下的耕地面积占 58.77%, 15°～25°的耕地面积占 31.77%, 25°以上耕地面积最低为 9.46%。黄平县 15 等耕地(1 等耕地质量最好, 15 等耕地质量最差)面积大于 9000hm2, 优质耕地(10 等以上)占全县耕地总面积的 21.34%。2)生态保护红线范围与城乡开发区域交错融合。生态保护红线占全域面积的21.61%, 南北向切割发展区域, 主要分布在平溪镇、浪洞镇、旧州镇、上塘镇和野洞河镇, 形成两条纵向天然屏障。全县坡度 15°以下耕地主要分布在旧州镇、新州镇、平溪镇、重安镇和谷陇镇一带, 这是社会经济发展的重要区域。3)生态功能重要, 但生态状况依然脆弱。黄平县位于桂黔滇喀斯特石漠化防治生态功能区, 石漠化区域面积占总面积的 0.93%, 潜在石漠化区域面积占28.41%。第三次国土空间调查数据显示, 黄平县林地面积为 106838hm2, 占全县总面积的 63.97%, 图斑数量共有 26434 个。除了生态保护红线范围, 县域范围大于等于 10hm2 的图斑数量共有 1549 个, 共有面积 86485hm2, 占林地总面积的 80.95%。林地图斑面积小于 10hm2 的图斑数量有 24885 个, 共20353hm2, 其图斑数量占林地图斑总数的 94.14%, 林地图斑以小于 10hm2 的图斑占据绝对优势, 图斑相对破碎。石漠化、水土流失敏感区域与林地破碎区域具有较高的相关性, 随着林地破碎度的增加, 石漠化和水土流失也会越发严重。
表6 黄平县城乡建设用地动态度指数
Table 6 Index table of the dynamic variability of urban and rural construction land in Huangping County
用地类型动态度指数/%2010—2015年2015—2020年2010—2020年 城镇村及工矿用地1.878.2710.91 交通运输用地4.93−4.98−1.28 其他建设用地0.77−4.69−4.10 总体建设用地2.793.466.73
图10 2010—2020年碳储量收支分区
Fig. 10 Carbon stock balance zoning map from 2010 to 2020
本研究有如下局限性。1)研究区域局限于黄平县重点生态功能保护区, 存在一定的特殊性, 各地的建设用地扩张情况不同, 本研究的结果对其他区域具有一定的参考价值, 但适用性较差。2)数据的时间跨度为2010—2020年, 建设用地扩张对区域碳储量的影响是一个长期过程, 因此当前研究时段内建设用地的演化特征和规律可能不够明显, 对碳储量的响应机制有待深入研究。3)研究方法实质上是基于土地利用变化面积与碳密度系数来估算碳储量, 但各土地利用类型下细分地类之间的碳密度会存在差异, 如耕地的碳密度在受其植被类型变化影响的同时, 还受到地质、季节性气候等因素的影 响[51–52]。碳密度系数是动态变化的, 受数据来源限制, 本研究采用的碳密度系数的精准度与时效性有待提高。
在后续研究中, 应考虑更长时序、更多类型重点生态保护区建设用地扩张对区域碳储量产生的影响, 扩大样本量, 进行深度的案例分析, 进一步丰富关于重点生态功能区碳储量的研究内容。同时, 深入分析不同类型建设用地对区域碳储量的影响程度及不同建设用地类型扩张的优劣势, 提出优化用地模式和合理引导建设用地扩张的策略。厘清建设用地扩张对区域碳储量的影响机制, 探究主要影响因素, 提出具有针对性的差异化可持续发展路径。
本研究在分析黄平县 2010—2020 建设用地扩张特征及其对重点生态功能区碳储量影响的基础上, 预测黄平县 2030 年碳储量变化情况, 得出以下结论。
1)黄平县 2010—2020 年期间建设用地面积增长 1792.89hm2, 增长率达 33.65%, 以可利用范围内的耕地、林地和草地等地类转入为主, 扩张区域集中在黄平县中部、南部新州、谷陇、旧州和重安 4个乡镇, 城镇村及工矿用地在建设用地的扩张过程中处于主导地位。
2)研究时段内, 黄平县碳储量由 247.56×105t增长到 276.03×105t, 增长速率为 2.19×105t/年。碳储量呈明显增加、基本不变和明显减少 3 种趋势的面积占比分别为 69.28%, 6.27%和 24.45%。空间上, 碳储量分布不均匀, 高值区呈不规则面状集中分布在纸房乡、平溪镇和浪洞镇等乡镇, 低值区零星地分布在新州镇、旧州镇和野洞河镇。
3) 2010—2020 年黄平县建设用地变化致使碳储量净损失 5.93×104t, 建设用地在转出过程中的碳储增量仅为 2.56×104t, 低于其扩张引起的碳损失量。由耕地和林地转为建设用地过程引起的碳流失量占比从 98.5%降至 66.02%, 说明该时期实施的生态恢复工程成效显著。
4)未来不同发展模式下, 黄平县碳储量值表现出生态保护情景>自然发展情景>经济建设情景的特征, 分别为 274.76×105, 267.22×105 和 266.76×105t。应综合各情景的优点进行分区多情景组合治理: 对经济建设能力偏弱但生态区位重要的纸房乡、平溪等乡镇, 实施“生态保护情景”, 辅以“经济建设情景”进行开发治理; 对产业发展较成熟且生态功能较次的新州、旧州等乡镇, 考虑经济建设为主、生态保护为辅的情景治理; 对经济发展水平与生态保护功能比较协调的野洞河、上塘等乡镇, 参考“自然发展情景”下的用地格局, 以期达到高质量山地特色的新型城镇化发展目的。
参考文献
[1] 田丹宇, 郑文茹. 国外应对气候变化的立法进展与启示. 气候变化研究进展, 2020, 16(4): 526–534
[2] 张浩楠, 申融容, 张兴平, 等. 中国碳中和目标内涵与实现路径综述. 气候变化研究进展, 2022, 18 (2): 240–252
[3] 新华社. 习近平在第七十五届联合国大会一般性 辩论上发表重要讲话[EB/OL]. (2020) [2020–11–07]. https://m.mofcom.gov.cn/
[4] 国务院. 中国应对气候变化的政策与行动2019年度报告[R/OL]. (2019) [2021–03–24]. https://www.mee. gov.cn/
[5] 全球能源互联网发展合作组织. 中国 2060 年前碳 中和研究报告[R/OL]. (2021) [2021–03–24]. https:// www.geidco.org.cn/
[6] 于贵瑞, 郝天象, 朱剑兴. 中国碳达峰、碳中和行动方略之探讨. 中国科学院院刊, 2022, 37(4): 423–434
[7] 方精云, 于贵瑞, 任小波, 等. 中国陆地生态系统固碳效应——中国科学院战略性先导科技专项“应对气候变化的碳收支认证及相关问题”之生态系统固碳任务群研究进展. 中国科学院院刊, 2015, 30 (6): 848–857
[8] 周璞, 侯华丽, 张惠, 等. 碳中和背景下提升土壤碳汇能力的前景与实施建议. 环境保护, 2021, 49 (16): 63–67
[9] 叶有华, 邹剑锋, 吴锋, 等. 高度城市化地区碳汇资源基本特征及其提升策略. 环境科学研究, 2012, 25(2): 240–244
[10] 赵荣钦, 黄爱民, 秦明周, 等. 中国农田生态系统碳增汇/减排技术研究进展. 河南大学学报(自然科学版), 2004(1): 60–65
[11] 于贵瑞, 王秋凤, 刘迎春, 等. 区域尺度陆地生态系统固碳速率和增汇潜力概念框架及其定量认证科学基础. 地理科学进展, 2011, 30(7): 771–787
[12] 李玉强, 赵哈林, 陈银萍. 陆地生态系统碳源与碳汇及其影响机制研究进展. 生态学杂志, 2005(1): 37–42
[13] 李国栋, 张俊华, 陈聪, 等. 气候变化背景下中国陆地生态系统碳储量及碳通量研究进展. 生态环境学报, 2013, 22(5): 873–878
[14] 郭广芬, 张称意, 徐影. 气候变化对陆地生态系统土壤有机碳储量变化的影响. 生态学杂志, 2006, 25 (4): 435–442
[15] 于贵瑞, 李轩然, 王秋凤, 等. 中国陆地生态系统的碳储量及其空间格局. 资源与生态学杂志, 2010, 1(2): 97–109
[16] 宋冰, 牛书丽. 全球变化与陆地生态系统碳循环研究进展. 西南民族大学学报(自然科学版), 2016, 42(1): 14–23
[17] 周健. 陆地生态系统碳储量的模拟不确定性及其成因溯源[D]. 上海: 华东师范大学, 2021
[18] 汪业勖, 赵士洞. 陆地碳循环研究中的模型方法. 应用生态学报, 1998, 9(6): 100–106
[19] 高晓龙, 林亦晴, 徐卫华, 等. 生态产品价值实现研究进展. 生态学报, 2020, 40(1): 24–33
[20] 胡海清, 罗碧珍, 魏书精, 等. 大兴安岭5种典型林型森林生物碳储量. 生态学报, 2015, 35(17): 5745–5760
[21] 黄木娇. 基于生态服务功能和人类足迹的自然保护区分类研究[D]. 北京: 北京林业大学, 2017
[22] 虞虎, 陈田, 钟林生, 等. 钱江源国家公园体制试点区功能分区研究. 资源科学, 2017, 39(1): 20–29
[23] 熊燕飞, 张安录, 刘蒙罢, 等. 柑橘园扩张对生态系统服务和景观格局的影响——以江西省信丰县为例. 生态学报, 2022, 42(19): 7845–7857
[24] 高晓龙, 林亦晴, 徐卫华, 等. 生态产品价值实现研究进展. 生态学报, 2020, 40(1): 24–33
[25] 孙文义, 邵全琴, 刘纪远. 黄土高原不同生态系统水土保持服务功能评价. 自然资源学报, 2014, 29 (3): 365–376
[26] 王莉雁, 肖燚, 欧阳志云, 等. 国家级重点生态功能区县生态系统生产总值核算研究——以阿尔山市为例. 中国人口·资源与环境, 2017, 27(3): 146–154
[27] 刘永强, 龙花楼. 长江中游经济带土地利用转型时空格局及其生态服务功能影响. 经济地理, 2017, 37(11): 161–170
[28] 宫超, 汪思龙, 曾掌权, 等. 中亚热带常绿阔叶林不同演替阶段碳储量与格局特征. 生态学杂志, 2011, 30(9): 1935–1941
[29] 刘顺, 罗达, 刘千里, 等. 川西亚高山不同森林生态系统碳氮储量及其分配格局. 生态学报, 2017, 37(4): 1074–1083
[30] Pacheco-Torres R, Roldán J, Gago E J, et al. Assessing the relationship between urban planning options and carbon emissions at the use stage of new urbanized areas: a case study in a warm climate location. Energy & Buildings, 2017, 136(2): 73–85
[31] 唐睿, 彭开丽. 土地利用变化对区域陆地碳储量的影响研究综述. 江苏农业科学, 2018, 46(19): 5–11
[32] 陈瑜琦, 张智杰, 郭旭东, 等. 中国重点生态功能区生态用地时空格局变化研究. 中国土地科学, 2018, 32(2): 19–26
[33] 罗丹, 周忠发, 陈全, 等. 喀斯特地区碳储量对土地利用模式的响应——以南北盘江流域为例. 生态学报, 2023, 43(9): 3500–3516
[34] 雒舒琪, 胡晓萌, 孙媛, 等. 耦合PLUS-InVEST模型的多情景土地利用变化及其对碳储量影响. 中国生态农业学报, 2023, 31(2): 300–314
[35] 李月, 罗红芬. 基于InVEST模型的黔中喀斯特地区建设用地扩张碳储量变化研究. 西北林学院学报, 2024, 39(1): 185–192
[36] 刘盛和, 何书金. 土地利用动态变化的空间分析测算模型. 自然资源学报, 2002(5): 533–540
[37] 吴琳娜, 杨胜天, 刘晓燕, 等. 1976年以来北洛河流域土地利用变化对人类活动程度的响应. 地理学报, 2014, 69(1): 54–63
[38] 潘韬, 吴绍洪, 戴尔阜, 等. 基于InVEST模型的三江源区生态系统水源供给服务时空变化. 应用生态学报, 2013, 24(1): 183–189
[39] 李默然, 丁贵杰. 贵州黔东南主要森林类型碳储量研究. 中南林业科技大学学报, 2013, 33(7): 119–124
[40] 李义平. 基于地表覆被变化的黔东南碳储量时空动态变化研究[D]. 贵阳: 贵州大学, 2020: 40–42
[41] 李明军, 杜明凤, 喻理飞. 贵州省森林植被碳储量、碳密度及其分布. 西北林学院学报, 2016, 31 (1): 48–54
[42] 方精云, 郭兆迪, 朴世龙, 等. 1981～2000年中国陆地植被碳汇的估算. 中国科学(D辑: 地球科学), 2007, 52(6): 804–812
[43] 罗怀良, 袁道先, 陈浩. 南川市三泉镇岩溶区农田生态系统有机碳密度. 生态环境, 2008, 17(5): 2014–2018
[44] 黄从红. 基于InVEST模型的生态系统服务功能研究——以四川宝兴县和北京门头沟为例[D]. 北京: 北京林业大学, 2014: 28–29
[45] 揣小伟, 黄贤金, 郑泽庆, 等. 江苏省土地利用变化对陆地生态系统碳储量的影响. 资源科学, 2011, 33(10): 1932–1939
[46] 张巍. 基于碳平衡分区的陕西省重点生态功能区发展思路. 西部资源, 2019(1): 198–201
[47] 张敏, 杨励雅, 胡卓玮, 等. 长江经济带城市扩张的时空分异特征及影响机制. 地理学报, 2024, 79 (2): 439–461
[48] 陈瑜琦, 张智杰, 郭旭东, 等. 中国重点生态功能区生态用地时空格局变化研究. 中国土地科学, 2018, 32(2): 19–26
[49] 袁宏伟, 蔡俊, 章磊. 国家重点生态功能区人类活动与生境质量时空变化特征及空间效应. 干旱区地理, 2023, 46(6): 934–948
[50] Gu J, Cha L. Research on dynamic change of vegeta-tion carbon storage of crops in the Wan Jiang City Belt. Resour Environ Yangtze Basin, 2012, 21: 1507–1513
[51] Xie G, Han D Q, Wang X. Harvest index and residue factor of cereal crops in China. Journal of China agri-cultural university, 2011, 16(1): 1–8
[52] Xie G H, Wang X Y, Han D Q, et al. Harvest index and residue factor of non-cereal crops in China. Journal of China Agricultural University, 2011, 16(1): 9–17
Spatiotemporal Variations in Carbon Stock of Key Ecological Functional Zones under Construction Land Expansion and Scenario-Based Simulation Prediction: A Case Study of Huangping County, Guizhou Province
Abstract Using land use data from 2010, 2015, and 2020, this study takes Huangping County, Guizhou Province—a national key ecological functional area—as an example. It couples the InVEST and PLUS-Markov models to analyze the characteristics of construction land expansion in Huangping County and its impact on the regional carbon stock. The study then predicts carbon stock changes in 2030 under three development scenarios (ecological protection, natural development, and economic construction), in line with the “14th Five-Year Plan”. The results show that from 2010 to 2020, the area of construction land in Huangping County increased by 1792.89 hm2 (a growth rate of 33.65%), with urban, rural and industrial-mining land as the dominate types during the expansion. Construction land conversion caused a net carbon stock loss of 5.93×10⁴ t, primarily due to the conversion of forest land, farmland and grassland to construction land. Overall, the total carbon stock in Huangping County exhibited a growing trend from 2010 to 2020, increasing from 247.56×105 t to 276.03×105 t. Area with significant carbon stock growth, basically unchanged stock, and significant decline accounted for 69.28%, 6.27%, and 24.45% of the total area, respectively. By 2030, the projected carbon stocks under the ecological protection, natural development and economic construction scenarios will be 274.76×105, 267.22×105 and 266.76×105 t, respectively. The study recommends implementing the scenario management mode of “ecological protection is the main focus, and economic construction is the supplement” from 2025 to 2030.
Key words carbon stock; scenario modelling; trend projections; construction land expansion; national key ecolo-gical function areas