基于PLUS模型和InVEST模型的南京市生态系统碳储量时空变化与预测

孙欣欣，薛建辉，董丽娜

(1.南京林业大学生物与环境学院，江苏 南京 210037；2.南京大学金陵学院，江苏 南京 210089；3.江苏省中国科学院植物研究所，江苏 南京 210014；4.南京市中山陵园管理局，江苏 南京 210014)

在全球气候变暖的背景下，“碳排放、碳减排”问题已成为国内外科学工作者的研究热点[1]。2020年，中国政府在第75届联合国大会上宣布，中国的碳排放力争于2030年达到峰值，2060年前实现碳中和[2]。陆地生态系统作为地表重要的生态系统之一，其碳储量变化在调节和减缓温室效应中发挥着重要作用[3]。陆地生态系统碳储量是生态系统中植被地上和地下生物量有机碳、土壤有机碳和凋落物有机碳的储量总和[4]。土地利用覆被类型直接影响陆地生态系统碳储量，不同土地利用类型的固碳能力有所差异，土地利用变化将引起碳储量变化[5]，模拟预测土地利用类型变化所导致的碳储量变化趋势，可以为未来区域生态保护政策的制定提供重要参考[6]。

当前针对土地利用变化对碳储量的影响，国内外学者已展开了相关研究。例如，ANINDITA等[7]研究了土地利用变化对印度尼西亚土壤碳储存的影响，MICHEL等[8]对非洲热带森林土地利用变化引起的碳储量变化进行研究，结果表明，优化土地利用覆被是减缓碳储量下降的有效途径。当前碳储量估算方法主要包括实地调查法[9]和模型模拟法[10]等，传统的实地调查法是通过在研究区内选择样区采集土壤样品进行理化试验，该方法工作量大，周期较长，且不适用于大尺度环境研究。自20世纪90年代以来，随着遥感技术的发展，国内外学者开始采用遥感结合模型法对碳储存进行研究。常用的模型中CASA模型[11]、FORCCHN模型[12]、LPJ-GUESS模型[13]和DNDC模型[14]等存在获取数据复杂、适用性较差的问题。InVEST(Integrated Valuation of Ecosystem Services and Trade-offs)模型是由美国斯坦福大学、大自然保护协会(TNC)与世界自然基金会(WWF)联合开发的，是用于生态系统服务评估的模型，已经在多个国家和地区被广泛应用，且其准确性得到验证[15]。InVEST模型在计算碳储量方面具有数据需求量较少且获取较为简便的优势，被广泛应用于碳储量计算。PLUS模型由中国地质大学LIANG等[16]开发，是基于CA-Markov模型[17]、CLUE-S模型[18]和FLUS模型[19]等传统土地利用模拟模型和随机森林模型而新开发的一种模型，其集成了土地扩张分析的规则挖掘方法和多类型随机种子机制的CA模型，可用于土地扩张的驱动因素分析，并用于预测土地利用斑块级演化[16]。土地利用是制约陆地生态系统碳储量计算的重要因素，已有研究多是基于以往土地利用变化来探究碳储量或生态系统时空变化，有关模拟未来城市在不同发展情景下碳储量状况的研究较少，而PLUS模型在模拟预测未来发展情景下碳储量状况方面具有较大优势，因此，笔者研究将InVEST模型和PLUS模型相结合，能够更准确地预测研究区未来碳储量。

南京市位于长江下游，是长三角经济发展核心城市之一，经济的快速发展带来了城市用地的迅速扩张。2000—2020年南京市建设用地扩张65.62%，土地利用变化给城市生态环境及碳储量带来较大影响。南京市作为国家第3批低碳试点城市，近年来已经在碳排放方面采取一系列举措，编制了《南京市“十四五”低碳发展规划》和《南京市绿色低碳循环发展三年行动计划》等，但节能减碳形势仍然严峻。基于InVEST模型对2000—2020年南京市土地利用变化及碳储量变化进行研究，采用PLUS模型对不同发展情境下南京市2040年碳储量状况进行预测，以期为南京市国土空间规划编制、区域生态环境保护及生态系统碳储量研究提供一定科学数据和参考。

1 研究区概况与数据源

1.1 研究区概况

南京市位于江苏省西南部，是中国东部地区、长江下游重要核心城市，市域地理坐标为31°14′～32°37′ N、118°22′～119°14′ E，下辖11个区，总面积为6 587.02 km2。截至2021年，常住人口为942.34万人，城镇人口为818.89万人，城镇化率为86.9%。地貌类型以河谷平原、低山丘陵地貌为主。南京属于北亚热带季风气候区，雨水充沛，四季分明，境内河湖水系众多，以长江水系为主。植物资源丰富，植物种类繁多，森林覆盖率为31.3%。

1.2 数据来源

土地利用数据为2000、2010和2020年遥感影像解译数据(表1)，分辨率为30 m×30 m，包含耕地、林地、草地、水域、建设用地和未利用地6个地类。

土地利用变化驱动因子共14个，包括5个气候环境因子和9个社会经济因子(表1)。在气候环境数据中，年平均温度和年平均降水利用国家气象科学数据库中的数据采用反距离权重插值方法获得；在社会经济数据中，到道路、县政府和河流水体距离，采用Arcgis欧氏距离分析工具计算得到。

表1 土地利用驱动因子数据

2 研究方法

2.1 InVEST模型Carbon模块

InVEST是用于评估生态系统服务功能量及其经济价值的模型，包括水源涵养、水土保持、生境质量和碳储存等多个模块，当前在国家、区域和流域等多个尺度的生态功能区划、生态保护红线划定、生态修复和资源环境承载力评估等方面得到应用。InVEST模型的碳储存模块主要包括地上生物炭(陆地上活的植被中的碳)、地下生物炭(活的植物根系中的碳)、土壤碳(土壤中的碳)和死亡有机碳(植物枯落物中的碳)4个碳库。总碳储量计算公式[19]为

Ci=Ci,a+Ci,b+Ci,s+Ci,d。

(1)

(2)

式(1)～(2)中，i为土地利用类型；Ci为土地利用类型i总碳密度,t·hm-2；Ci,a为土地利用类型i地上植被碳密度,t·hm-2；Ci,b为土地利用类型i地下活根碳密度,t·hm-2；Ci,s为土地利用类型i土壤中碳密度,t·hm-2；Ci,d为土地利用类型i植被枯落物碳密度,t·hm-2；Ct为碳储总量，t；Si为土地利用类型i总面积，hm2；n为土地利用类型总数，该研究中，n=6。

碳密度数据参照文献[20-24]，优先选取与研究区相同或相近区域的碳密度，且这些区域碳密度为实测数据或调查数据。地上碳密度参照2010s中国陆地生态系统土壤0～100 cm碳密度数据集[20]、揣小伟等[21]关于江苏省土地利用变化对陆地生态系统碳储量的研究和时宇等[22]关于南京紫金山风景林碳密度的研究。土壤碳密度参照揣小伟等[21]、姜小三等[23]的碳密度数值研究结果，结合南京市土壤类型，选取适合的土壤碳密度数值。采用降水与碳密度关系模型[24]，对地上碳密度和土壤碳密度数据进行修正，计算公式为

CBP=6.789×e0.005 4×PMA(R2=0.70)，

(3)

CSP=3.396 8×PMA+3 996.1(R2=0.11)，

(4)

(5)

(6)

式(3)～(6)中，PMA为研究区年均降雨量，mm；CBP为基于降雨量计算的地上生物碳密度，t·hm-2；CSP为基于降雨量计算的土壤碳密度，t·hm-2；KBP为地上生物碳密度降雨因子修正系数；KSP为土壤生物碳密度降雨因子修正系数；CBP1和CSP1分别为南京市地上和土壤碳密度，t·hm-2；CBP2和CSP2分别为为江苏省地上和土壤碳密度，t·hm-2。将江苏省碳密度数据与KBP、KSP修正系数相乘，得到南京市地上生物碳密度值与土壤碳密度值。

对于地下生物碳密度值，采用生物量因子转换法[25]，计算公式为

Ci，below=a×b×WD，i。

(7)

式(7)中，Ci，below为地下生物碳密度，t·hm-2；i为土地利用类型；WD，i为第i种土地利用类型地上生物量，t·hm-2；a为转换系数；b为地下地上生物量比值，根据FANG等[25]、黄玫等[26]的研究成果，耕地、林地和草地b取值分别为0.2、0.3和4.3。死亡碳密度是根据李瑾璞等[4]的研究成果取值并采用降雨模型加以修正，最终获得南京市土地利用类型碳密度(表2)。

表2 研究区各土地利用类型碳密度值

2.2 PLUS模型

PLUS模型是基于元胞自动机的土地利用模拟新模型，该模型在研究土地利用变化的起因和动态模拟多种土地利用尤其是林地和草地斑块变化方面有优势。通过提取两期土地利用数据之间各类用地相互转化的样本进行训练，基于转化概率对未来土地利用进行模拟，采用随机森林算法对各类土地利用扩张和驱动力因素进行计算，得到各类用地的发展概率及驱动因素对该时段各类用地扩张的贡献，进而结合随机斑块的生成和转移过渡矩阵的设置，确定未来土地利用情况。PLUS模型主要包括两个模块。

2.2.1土地扩张分析策略(LEAS)

LEAS是对两个日期的土地利用数据进行分析，通过每一个变化的土地利用类型的生长斑块得到土地利用类型的变化规律，能够用于描述特定时间间隔内土地利用变化的特点，采用随机森林分类(RFC)算法，探讨不同土地利用类型的生长与多种驱动因子之间的关系，获取各土地利用类型的发展概率，计算公式[16]为

(8)

2.2.2基于多类随机斑块种子的CA模型(CARS)

(9)

(10)

(11)

2.2.3相关参数设置

(1)LEAS参数设置如下：决策树的数值设置为20，采样率默认为0.01，mTry不超过驱动因子个数，设为14，并行线程数设置为1。

(2)CARS参数设置如下：邻域范围设置为默认值3，Thread设置为1，递减阈值系数为0.5，扩散系数为0.1，随机斑块种子概率为0.000 1。

(3)设置4种发展情景：自然发展情景，各类用地的发展情况延续当前的发展趋势，不做调整；城镇发展情景，部分地限制建设用地向其他用地转换，耕地、林地和水域向建设用地的转换增加；耕地保护情景，对耕地进行保护，限制耕地向其他用地转换；生态保护情景，限制林地、草地和水域等生态用地向其他用地转换。多情景转移矩阵设置见表3。

表3 多情景转移矩阵设置

2.2.4精度验证

以2000和2010年土地利用数据为基础，采用PLUS模型预测2020年土地利用分布，在PLUS的验证模块中输入2020年实际土地利用数据，得到kappa系数为0.86，表明PLUS模型所预测的土地利用结果准确度较高。

3 结果与分析

3.1 2000—2020年南京市土地利用变化分析

2000—2020年，南京市耕地、林地和草地面积分别减少802.28、34.32和2.11 km2(表4)，耕地占比由62.88%下降至50.70%，林地占比由10.64%下降至10.12%，草地占比由0.92%下降至0.89%。水域、建设用地和未利用地面积分别增加124.51、694.19和20.01 km2(表4)，占比分别上升1.89、10.54和0.30个百分点。在所有土地类型中，耕地占比下降最多，建设用地增长幅度最大。

2000—2020年南京市土地利用转换情况见表4，新增用地分布见图1。由表4可知，耕地向建设用地、水域转换最多，分别转换681.66和147.49 km2。2000—2020年，南京经济的高速发展和快速的城市化进程带来了城市的快速扩张，造成耕地大量向建设用地转换，而建设用地新增部分主要由耕地转换而来，该部分转换主要位于原有建成区向外扩展的区域(图1)。随着人们环境保护意识的增强，在退圩还湖等生态保护政策驱动下，耕地也向水域转换，同时人们对水产品消费需求增大，水产养殖面积也有所增多，该部分转换主要位于高淳区的石臼湖、固城湖以及江北的六合、浦口等退圩还湖及农业养殖区域。林地向建设用地、未利用地转化较多，分别转换42.33和10.39 km2(表4)。究其原因，城市建设用地的扩张造成对林地的侵占，而对森林的乱砍乱伐造成林地向未利用地的转化。

图1 南京市2000和2020年土地利用分布和各类新增用地分布

表4 南京市2000—2020年土地利用转移矩阵

南京市草地面积占比较低，仅占总用地面积的0.9%左右，主要位于长江沿岸的滩地和洲岛。草地主要向建设用地转换，转换面积为5.94 km2(表4)，这是因为沿江的城市开发侵占原有草地，在一定程度上破坏了长江沿岸的生态环境和动植物栖息地。水域主要转换为建设用地和耕地，分别转换21.89和5.78 km2(表4)；其原因为城市及乡村用地扩张，造成一些水域被填充转变为建设用地，同时，部分水域被开垦为耕地。建设用地主要转换为耕地和水域，分别转换41.82和6.99 km2(表4)；其原因为一些农村中的建设用地被复垦为农田，城乡建设中由于水利建设、造景和蓄洪等原因，将原建设用地转换为水域。未利用地占比较低，2020年仅占土地利用面积的0.36%，且转换面积较少。

3.2 2000—2020年南京市碳储量时空变化特征

3.2.1碳储量变化特征

采用InVEST模型的Carbon模块对南京市2000、2010和2020年碳储存进行计算，碳储量分别为7.26×107、7.06×107和6.99×107t(表5)，2000—2020年南京市碳储量呈现下降趋势，总体下降2.62×106t，2000—2010年下降2.01×106t，2010—2020年下降6.14×105t。从土地利用类型来看，碳储量由大到小依次为耕地、林地、建设用地、水域、草地和未利用地。南京市地处长三角地区，经济发达，城市化水平高，人口密度大，土地开发利用程度大，城市扩张占用大量耕地和林地等碳储量较高的用地类型，是南京市碳储量下降的主要原因。

表5 南京市2000—2020年土地利用碳储量

3.2.2碳储量空间变化特征

由图2可知，2000—2020年南京市碳储量空间分布无较大差异，碳储量较低的区域主要是水域和建设用地，碳储量较高的区域主要是林地和草地。南京市大部分地区碳储量变化不大，碳储量减少的部分主要是建设用地扩张的区域和水域增加的区域，碳储量增加的部分主要是林地、草地和耕地新增的区域，呈零星状分布。

图2 南京市2000和2020年碳储量空间分布和碳储量变化空间分布

3.3 南京市土地利用碳储量预测分析

3.3.1多情景土地利用变化分析

基于PLUS模型，以2020年为基期，预测2040年4种发展情景的土地利用分布，结果见图3。在自然发展情景下，土地利用延续了2000—2020年变化趋势，耕地、林地、草地和水域呈减少趋势，分别减少521.19、11.64、1.22和9.23 km2，建设用地和未利用地呈增加趋势，分别增加528.87和14.38 km2。主要的变化是耕地向建设用地转换，其次是林地、水域等向建设用地和未利用地转换。在耕地保护情景下，由于限制耕地向其他用地转换，建设用地的扩张明显被控制，较2020年减少38.18 km2，林地也减少27.04 km2，均转换为耕地，耕地增加62.16 km2。在城镇发展情景下，各类用地均向建设用地转换，耕地、林地和水域呈减少趋势，分别减少489.50、27.04和25.53 km2，建设用地和未利用地分别增加528.87和14.38 km2。在生态保护情景下，耕地减少量最高，减少608.6 km2，该情景采取水源保护、退耕还林还草政策，林地和水域面积分别增加3.2和78.34 km2，但建设用地的扩张未被控制，增加528.87 km2。

图3 南京市2040年不同情景土地利用分布预测

综上所述，4种发展情景中，除耕地保护情景下建设用地扩张受到明显控制以外，其他3种情景下建设用地扩张仍保持之前的趋势和速度；在生态保护情景下，耕地减少量较高，生态价值较高的林地和水域面积有所增加。因此，在耕地保护情景下，同时进行生态保护，将有效控制建设用地的扩张，且有利于区域生态环境的保护。

3.3.2多情景碳储量变化分析

2000—2020年，南京市碳储量呈下降趋势，参照该趋势，预测得到4种情景下2040年土地利用数据(图3)。采用InVEST模型计算4种情景下碳储量(图4)，与2020年碳储量相比，4种情景下碳储量总量均下降(表6)：在耕地保护情景下，碳储量下降最少，仅下降2.44×105t，这是因为林地面积下降所致；在生态保护情景下，碳储量下降1.56×106t，较耕地保护模式下降得多，该情景虽采取了生态保护措施，限制了生态用地减少，但仍有大量耕地继续转为建设用地，碳储量下降主要是因为耕地减少所致；碳储量下降最多的是城镇发展情景，下降1.78×106t，因耕地、林地和水域减少而引起；在自然发展情景下，总的碳储量下降1.62×106t，保持2000—2020年的下降趋势，其原因主要是耕地、林地减少所致。综上可知，在耕地保护情景下碳储量下降受到明显控制，在生态保护情景下碳储量下降受到一定控制，在城镇发展情景下碳储量下降得最多。因此，到2040年，应在耕地保护的基础上采取一定的生态保护措施，可有效限制建设用地扩张，以减缓碳储量减少。

图4 南京市2040年不同情景下碳储量分布预测

表6 南京市2040年土地利用结构与碳储量预测

4 讨论

4.1 研究区碳储量与土地利用变化的关系

土地利用变化被认为是导致全球陆地生态系统碳储量变化的最重要因素之一[27]。2000—2020年南京市土地利用变化中，耕地减少802.28 km2，林地减少34.32 km2，建设用地增加694.19 km2。其中，2000—2010年之间变化较大，耕地减少627.41 km2，林地减少25.74 km2，分别占总减少量的78.23%和74.64%，建设用地增加494.71 km2，占总增加量的71.33%，2000—2010年土地利用变化约占总变化量的70%。2000—2020年南京市碳储量共下降2.62×106t，其中，2000—2010年下降2.01×106t，占总下降量的76.7%，与土地利用变化情况基本一致。

2010年之后，南京市政府实行了一系列的生态保护措施。2013年起，启动绿道建设，相继实施了滨江风光带绿道、环紫金山绿道、明城墙沿线绿道、环玄武湖绿道、秦淮新河百里风光带绿道、青奥公园绿道和运粮河滨河绿道等建设，全市共建设完成城市休闲绿道560 km。2018—2020年，实施生态脆弱区环境修复工程，新增绿化造林面积0.67万hm2。自2019年起，在长江沿岸及高淳固城湖实行退圩还湖，恢复湿地。2010—2020年期间南京市林地和水域减少量大大降低，草地面积增加3.5 km2，建设用地增速放缓。2010—2020年南京市碳储量下降6.14×105t，占总下降量的23.3%。

4.2 已有的研究情况

目前，针对南京地区土地利用变化与碳储量的研究较少，已有文献多是对森林碳储量进行研究，例如王祖华等[28]研究了南京市城市森林的碳密度和碳储量，朱婵璎等[29]研究了南京城市森林的生产力和碳储量，凌子燕等[30]基于神经网络对南京城市森林碳储量动态变化进行研究。张云倩等[31]基于InVEST模型对江苏省沿海3市碳储量进行研究，但未对未来土地利用及碳储量情况做出预测，且其研究结果表明江苏省沿海3市碳储量处于增加状态，笔者选取的研究区情况与之大不相同。

基于InVEST模型对碳储量进行计算，并基于PLUS模型对未来土地利用进行模拟，设置不同发展情景对未来碳储量进行计算，从预测角度分析未来不同土地利用发展模式对碳储量的影响，对于经济快速发展的城市制定未来土地利用规划具有指导意义。

4.3 研究结果对未来规划的启示

从研究区土地利用变化趋势和2040年碳储量预测情况来看，生态保护政策和耕地保护政策对南京市未来的碳储量影响较大，从历年碳储量计算结果可以看出，南京市土地利用类型中最大的碳库是耕地，其次是林地；因此，保护耕地土壤碳库和森林碳库对南京市未来碳储量具有决定性作用，这与当前国土空间规划中划定三区三线，尤其是永久基本农田保护红线及生态保护红线的划定思路一致。在未来的规划中，三区三线具体划定方法及对区域碳库的影响，需进行更深入的研究。

4.4 研究的相关局限性

碳密度取值的局限性。基于InVEST模型通过给不同土地利用类型赋予不同的碳密度进行计算，从而获得研究区碳储量。但是碳密度会随着时间和环境而变化，笔者研究中碳密度值参考之前学者的研究成果，选取与研究区域相适宜的碳密度值，并采用降雨模型对碳密度进行修正，使碳密度取值接近实际值，但仍未兼顾不同植被的种类、年龄和结构等固碳功能的差异，后续研究将针对不同植被类型补充野外实测数据来提高碳密度的准确性。

对未来土地利用预测的局限性。相比之前的各种预测模型，PLUS模型在模拟精度和驱动因子探讨方面的优势比较明显，笔者研究中取值因子共14个，涉及自然、经济和交通等方面，但土地利用发展情况还会受到政策和未来规划等方面的影响。因此，后续研究中将针对上述方面进行深入探讨，从而使得模拟结果更为科学可靠。

5 结论

基于PLUS模型和InVEST模型，对南京市2000—2020年碳储量进行评估，对南京市2040年多情景的土地利用和碳储量进行模拟和分析，得出以下结论：

(1)2000—2020年南京市耕地、林地和草地面积均呈减少趋势，其中，耕地面积减少最多，减少802.28 km2；林地和草地面积分别减少34.32和2.11 km2；水域、建设用地和未利用地面积均呈增加趋势，其中，建设用地面积增加最多，增加694.19 km2，水域和未利用地面积分别增加124.51和20.01 km2。主要的转换趋势为耕地和林地向建设用地和水域转换，新增的建设用地主要位于已有建成区的外围，即城市向外扩张的部分。

(2)2000—2020年南京市碳储量呈下降趋势，2000—2010年下降2.01×106t，2010—2020年下降6.14×105t，总体下降2.62×106t。从土地利用类型来看，碳储量由大到小依次为耕地、林地、建设用地、水域、草地和未利用地。南京市碳储量下降的主要原因是耕地、林地向建设用地转换。

(3)到2040年，在自然增长情景下，延续2000—2020年土地利用趋势，耕地、林地、草地和水域均继续减少，建设用地和未利用地持续增加，耕地与生态用地均未受到保护，城市持续扩张。在耕地保护情景下，限制耕地向其他用地转换，建设用地扩张得到明显控制，林地、建设用地和草地向耕地转换，耕地增加，同时限制林地和水域向建设用地转换，起到一定的生态保护作用；在生态保护情景下，保护林地、草地和水域等生态用地，限制其向建设用地转换，生态用地增加，建设用地受到一定程度控制；在城镇发展情景下，以城市发展、建设用地扩张作为首要需求，耕地、林地、草地和水域均继续减少，建设用地持续扩张。

(4)到2040年，4种发展情景下的碳储量均呈现明显下降趋势。在耕地保护情景下，碳储量下降最少，下降2.44×105t，表明保护耕地能有效控制碳储量下降。在生态保护情景下，碳储量下降1.56×106t，该情景仅保护了林地、草地和水域等生态用地，建设用地扩张主要占用耕地，因此，该情景下碳储量比耕地保护情景下降得多，但也呈现一定的保护作用；在城镇发展情景下，碳储量下降1.78×106t，该情景下耕地、林地和水域均有大量减少，造成碳储量下降最多；在自然发展情景下，碳储量下降1.62×106t，介于城镇发展情景和生态保护情景之间。因此，应考虑结合耕地保护和生态保护措施，在保护耕地的基础上，同时考虑生态环境的保护，限制耕地和生态用地向建设用地转换，进而有效限制建设用地扩张并增加区域碳储量。