2024, Vol. 45
2. 河北省科学院地理科学研究所, 河北省地理信息开发应用工程技术研究中心, 石家庄 050011;
3. 河北地质大学土地科学与空间规划学院, 石家庄 050031
2. Hebei Engineering Research Center for Geographic Information Application/Institute of Geographical Sciences Hebei Academy of Sciences, Shijiazhuang 050011, China;
3. School of Land Science and Space Planning, Hebei GEO University, Shijiazhuang 050031, China
2023年联合国政府间气候变化专门委员会（IPCC）报告显示, 2011 ~ 2020年10年间全球地表平均温度比1850 ~ 1900年高出1.1℃, 人类活动排放的温室气体已被证实引起了全球变暖[1]. 陆地生态系统是大气CO2重要的汇, 对全球碳循环和气候变化具有重要影响[2]. 提高陆地生态系统碳储量是当前国际社会公认的最经济可行和环境友好的减缓大气CO2浓度升高的重要途径之一[3]. 目前, 由于工业化和城市化的快速发展, 建设用地扩张导致不透水面的增加和自然植被的丧失, 对生态系统碳储量产生了重大影响[4], 是区域碳储量变化的主要因素[5]. 因此, 量化分析建设用地扩张对陆地生态系统碳储量的影响, 探索模拟建设用地扩张的优化方案以提高未来生态系统碳储量, 是近年来全球气候变化和可持续发展研究的热点领域之一.
目前, 国内外学者围绕陆地生态系统碳储量估算的方法主要可分为实地调查法、遥感技术法和模型估计这3类. 实地调查法包含样地清查法等, 通过调查样地内植被生物量推算到区域的碳储量[6], 存在对人力物力要求高、空间代表性较差等问题[7]. 遥感方法是通过分析卫星影像或激光雷达等遥感数据估算区域碳储量[8], 其样点到区域尺度转换存在一定的不确定性. 模型估计包含了基于数据的Bookkeeping模型[9]、基于光能利用率的CASA模型[10]和基于生态过程的CENTURY模型[11]、Biome-BGC模型[12]、BEPS模型[13]等, 但目前模型结构、参数以及驱动因子仍存在较大不确定性, 不同模型预测的碳汇强度存在较大差异[14]. 与其他生态系统碳储量核算方法和模型相比, 生态系统服务与权衡综合评估模型（integrated valuation of ecosystem services and tradeoffs tool, InVEST）基于土地利用数据和土地利用类型地上生物、地下生物、土壤和死亡有机质的碳密度对碳储量进行核算, 具备数据需求量少、空间表达明晰等优点[15, 16], 被广泛应用于省[17]、市[18]、县[19]等不同尺度和流域[20]、山区[21]、海岸带[22]、黄土高原[23]等不同地貌单元的土地利用变化对生态系统碳储量影响研究. 目前针对建设用地扩张对碳储量的影响研究中, 多数学者采用建设用地碳库与被侵占土地利用类型碳库间的差值来进行总体评估[4, 24, 25], 缺少对碳储量变化和建设用地扩张两者空间关系的定量化研究, 不能有效指导未来低碳目标下土地利用优化布局. 目前对未来土地利用变化的空间模拟模型主要以元胞自动机模型（cellular automata, CA）为基础, 根据转化规则挖掘策略可以分为两类：一类是基于转化分析策略的CA模型, 主要包括logistic-CA[26]和ANN-CA[24]等；另一类是基于格局分析策略的CA模型, 主要包括CA-Markov模型[22]、CLUE-S模型[27]、CLUMondo[28]、FLUS模型[29]和基于栅格的斑块生成土地利用模拟（patch-generating land use simulation, PLUS）模型[30]等. 其中, PLUS模型在模拟过程中能挖掘土地利用变化机制, 填补城市发展中由空间规划政策引导土地利用变化的模拟需求, 模拟结果可以更好地支持空间规划政策实施, 被广泛应用于模拟未来时期土地利用变化与碳储量关系研究[31~34]. 已有研究大多从自然发展、生态保护、耕地保护等角度设置未来发展情景进行模拟, 对比分析不同情景下碳储量的时空变化, 缺少从建设用地扩张角度设置未来发展情景以及定量分析不同发展情景下碳储量变化对建设用地扩张的响应.
综上, 本文以近30年处于城市化高速发展时期的京津冀城市群[35]为研究对象, 围绕建设用地扩张分别设置了建设用地自然发展、建设用地增速降低15%和建设用地增速降低30%共3种未来发展情景, 利用PLUS模型模拟了2030年3种情景下的土地利用格局, 引入InVEST模型核算了研究区2000、2010和2020年以及3种情景下2030年生态系统碳储量空间分布, 汇总计算了2 km网格单元2000 ~ 2010年、2010 ~ 2020年和3种情景下2020 ~ 2030年碳储量和建设用地变化值, 利用线性回归模型定量分析了不同建设用地占比等级区域建设用地扩张对生态系统碳储量变化的影响, 以期为京津冀城市群协同发展和国土空间规划精准实施提供借鉴.
1 研究区概况京津冀城市群位于华北平原北部, 地跨北纬36°03′ ~ 42°40′, 东经113°27′ ~ 119°50′之间, 面积21.80万km2, 北靠燕山山脉, 南面华北平原, 西倚太行山, 东临渤海湾, 包括北京市、天津市两个直辖市和河北省的石家庄市、保定市、唐山市、廊坊市、张家口市、承德市、衡水市、沧州市、邢台市、邯郸市等11个地级市, 如图 1所示. 2021年京津冀城市群GDP达到9.64万亿元, 占全国GDP总量的8.43%, 据第七次全国人口普查结果显示, 2020年京津冀地区城镇人口数量为7 572.68万人, 占全国城镇人口数量的8.40%, 与2000年相比, 城镇人口数量增加了131.58%, 处于城市快速扩张阶段.
|
图 1 研究区位置示意 Fig. 1 Location of the study area |
InVEST模型中carbon storage模块将陆地生态系统的碳储量划分为4个碳库：地上生物碳、地下生物碳、土壤碳和死亡有机质, 其模块假定研究区每种土地利用类型的碳密度是唯一值, 简化了碳转移和碳储量计算过程, 公式如下：
|
(1) |
|
(2) |
式中, i为土地利用类型, Ci_total为第i种土地利用类型的碳储量, Si为第i种土地利用类型的面积, Ci为第i种土地利用类型的总碳密度, Ci_above、Ci_below、Ci_dead和Ci_soil分别为第i种土地利用类型的地上生物碳密度、地下生物碳密度、死亡有机质碳密度和土壤碳密度. 本研究结合2022年在河北省森林、草原、湿地和海岸带设置的327个样点采样实测数据（其中森林采样点分布在燕山-太行山山区, 按照降雨量和林分类型分区设置；草地采样点分布在坝上高原地区, 按照草地类型设置；湿地采样点设置在白洋淀和闪电河；海岸带采样点设置在秦皇岛沿海互花米草群落区和无植被潮滩区）, 河北省森林资源规划设计调查数据（2005年和2018年）, 参考21世纪10年代中国陆地生态系统地上碳密度数据集[36]中在研究区范围内的499条碳密度数据（2004 ~ 2014年）和Wang等[37]、廖珍梅等[38]、邵壮等[39]在京津冀区域生态系统碳储量的相关研究成果, 修订得到京津冀城市群土地利用类型碳密度, 如表 1所示, 将碳密度数据和土地利用数据输入InVEST模型, 可得出京津冀区域2000、2010和2020年生态系统碳储量空间分布.
|
表 1 京津冀城市群土地利用类型碳密度/g·m-3 Table 1 Carbon density of different land use types in Beijing-Tianjin-Hebei Urban Agglomeration /g·m-3 |
2.2 PLUS模型与驱动因子
PLUS模型主要由3部分构成：提取土地扩张、土地扩张分析策略（LEAS）和基于多个随机种子的CA（CARS）. 通过提取两期土地利用变化间各类用地扩张的部分, 采用随机森林算法逐一对各类土地利用扩张和驱动力的因素进行挖掘. 获取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. 结合随机种子生成和阈值递减机制, PLUS模型得以在发展概率的约束下, 时空动态地模拟斑块的自动生成. 研究综合考虑京津冀城市群土地变化特征和各类数据时空的可获取性和可量化性, 参考已有研究经验, 从自然条件和社会经济这2方面选取了15个影响因素, 数据来源和处理方式如表 2所示. 利用PLUS模型模拟未来时期土地利用分布格局需要对模型模拟精度进行验证, 基于京津冀城市群2010年土地利用数据, 将研究区域2020年土地利用结构作为模拟需求输入模型, 模拟结果与2020年土地利用格局对比验证, 经验证Kappa系数为0.895, FoM系数为0.218, 精度满足研究需求, 可以利用该模型进行模拟.
|
|
表 2 土地利用模拟预测数据 Table 2 Data of land use simulation and prediction |
2.3 Fishnet空间分析
利用ArcGIS软件制作覆盖研究区的2 km的Fishnet图层, 利用Zonal Statistics As Table功能分别统计出目标年每个网格内建设用地面积和生态系统碳储量, 进而可得2000 ~ 2010年、2010 ~ 2020年和不同发展情景下2020 ~ 2030年对应指标的变化结果, 将计算结果Join到Fishnet图层属性表, 用于空间表达和分析. 为了量化分析不同区域建设用地扩张对碳储量变化的影响, 将2000、2010和2020年网格单元内建设用地占比划分为9个等级, 如图 2所示.
|
图 2 京津冀城市群2000、2010和2020年网格单元建设用地占比等级空间分布 Fig. 2 Spatial distribution of grid unit construction land proportion in Beijing-Tianjin-Hebei Urban Agglomeration in 2000, 2010, and 2020 |
京津冀城市群2000 ~ 2020年土地利用结构如图 3（a）所示, 研究期间河北省土地利用类型以耕地、林地、草地和建设用地为主, 其中耕地占比最大, 其次为林地. 研究期间各土地利用类型面积变化如图 3（b）所示, 2000 ~ 2010年期间耕地面积减少了10 086.15 km2, 林地和建设用地的面积分别增加了4 163.94 km2和6 428.93 km2, 其余地类面积变化较小；2010 ~ 2020年期间耕地和草地面积分别减少了5 094.99 km2和5 391.99 km2, 林地和建设用地面积分别增加了3 630.85 km2和7 011.57 km2, 其余地类面积变化较小. 与2000年相比, 2020年研究区耕地、林地、草地和建设用地的变化比例分别为-11.09%、12.51%、11.29%和48.05%, 建设用地是研究期间变化最为活跃的地类.
|
图 3 京津冀城市群2000 ~ 2020年土地利用结构与土地利用类型面积变化 Fig. 3 Changes in land use structure and land type areas in Beijing-Tianjin-Hebei Urban Agglomeration from 2000 to 2020 |
利用InVEST模型计算京津冀城市群2000、2010和2020年生态系统碳储量空间分布, 汇总统计2000、2010和2020年研究区生态系统碳储量（以C计, 下同）分别为2 088.02、2 106.78和2 121.25 Tg, 研究期间生态系统表现为碳汇, 共吸收了33.23 Tg. 研究期间生态系统碳储量主要由耕地、林地、草地和建设用地碳库构成, 如图 4所示, 其中林地和建设用地碳库呈增加趋势, 耕地和草地碳库呈减少趋势. 所有地类碳库中, 林地碳库占比最大, 由2000年1 010.17 Tg增加至2020年1 136.53 Tg；其次为耕地碳库, 由2000年845.19 Tg减少至2020年751.46 Tg.
|
图 4 京津冀城市群2000 ~ 2020年生态系统碳储量结构 Fig. 4 Carbon storage structure of ecosystem in Beijing-Tianjin-Hebei Urban Agglomeration from 2000 to 2020 |
将2 km网格单元的碳储量从0 ~ 70 Gg等间距划分7个等级, 结果如图 5所示. 本研究期间碳储量分布格局保持稳定, 低碳储量等级（0 ~ 10 Gg）的网格单元集中分布在环渤海区域, 主要由于此区域土地利用类型主要为水域, 碳密度值最低；较低碳储量等级（10 ~ 20 Gg）的网格单元集中分布在北京、天津、石家庄等城市和周边区域及农村居民点, 主要为建设用地集中分布区；中低碳储量等级（30 ~ 40 Gg）的网格单元广泛分布在东南平原区和西北坝上高原区域, 主要土地利用类型为耕地；中碳储量和高碳储量等级（30 Gg以上）的网格单元集中分布在西部太行山区和北部燕山山区, 主要为林地和草地的集中分布区域. 2000 ~ 2010年碳储量增加的网格单元主要分布在太行山-燕山山区；碳储量无变化的栅格单元除在沿海滩涂区集中分布外, 在其他区域零星分布；碳储量减少的网格单元集中分布在北京、天津、石家庄和唐山等大城市周边. 2010 ~ 2020年网格单元碳储量变化分布基本与2000 ~ 2010年保持一致, 城市周边及县域中心表现为碳储量减少的网格单元范围在扩大. 综上, 研究期间建设用地扩张的区域是碳储量变化最为剧烈的区域, 表现了明显的碳储量减少.
|
图 5 京津冀城市群2000 ~ 2020年生态系统碳储量空间分布及变化 Fig. 5 Spatial distribution and change in ecosystem carbon storage in Beijing-Tianjin-Hebei Urban Agglomeration from 2000 to 2020 |
为了量化分析建设用地变化对碳储量变化的影响, 对各建设用地占比等级网格单元2000 ~ 2010年和2010 ~ 2020年建设用地面积变化和生态系统碳储量变化汇总统计, 进行线性回归分析, 两者线性回归结果如图 6和图 7所示, 所有等级结果均通过了t检验, P < 0.01, 具备显著性. 结果显示在无建设用地等级的网格区域和建设用地占比（0, 10%]等级的网格区域, 回归方程R2值小于0.100, 两者拟合程度不高. 在其他等级网格单元区域, 回归方程R2值在0.400 ~ 0.700区间, 两者拟合关系良好, 建设用地的变化能较好地解释碳储量的变化. 2010 ~ 2020年两者回归方程R2值在各等级均小于2000 ~ 2010年, 说明2010 ~ 2020年建设用地变化对碳储量变化影响的解释力在下降, 表明此期间碳储量受其他因素影响更多.
|
（a）无建设用地网格, （b）建设用地占比0 ~ 10%网格, （c）建设用地占比10% ~ 20%网格, （d）建设用地占比20% ~ 30%网格, （e）建设用地占比30% ~ 40%网格, （f）建设用地占比40% ~ 50%网格, （g）建设用地占比50% ~ 60%网格, （h）建设用地占比60% ~ 70%网格, （i）建设用地占比70% ~ 100%网格 图 6 京津冀城市群2000 ~ 2010年建设用地变化与碳储量变化回归方程 Fig. 6 Regression equation of construction land change and carbon storage change in Beijing-Tianjin-Hebei Urban Agglomeration from 2000 to 2010 |
|
（a）无建设用地网格, （b）建设用地占比0 ~ 10%网格, （c）建设用地占比10% ~ 20%网格, （d）建设用地占比20% ~ 30%网格, （e）建设用地占比30% ~ 40%网格, （f）建设用地占比40% ~ 50%网格, （g）建设用地占比50% ~ 60%网格, （h）建设用地占比60% ~ 70%网格, （i）建设用地占比70% ~ 100%网格 图 7 京津冀城市群2010 ~ 2020年建设用地变化与碳储量变化回归方程 Fig. 7 Regression equation of construction land change and carbon storage change in Beijing-Tianjin-Hebei Urban Agglomeration from 2010 to 2020 |
2000 ~ 2010年和2010 ~ 2020年碳储量变化和建设用地面积变化两者回归方程系数如图 8所示, 随着网格内建设用地占比等级的增加, 回归系数均呈现波动上升趋势, 说明在建设用地占比等级更高的网格区域内, 建设用地的扩张引起的碳储量变化值更小, 尤其在建设用地占比超过60%的网格单元区域, 建设用地的扩张引起的碳储量变化值明显低于其他等级区域. 总体来说, 相对于2000 ~ 2010年, 研究区域在2010 ~ 2020年建设用地扩张引起的碳储量变化更小, 建设用地对碳储量的影响力在减弱.
|
图 8 京津冀城市群2000 ~ 2010年和2010 ~ 2020年建设用地变化与碳储量变化的回归系数 Fig. 8 Regression coefficient of construction land change and carbon storage change in Beijing-Tianjin-Hebei Urban Agglomeration from 2000 to 2010 and 2010 to 2020 |
由以上结果可知, 与大城市及周边区域建设用地的扩张相比, 在林地、草地、水域等地类周边建设用地占比较少的区域建设用地的扩张引起的碳储量扰动更大, 在“双碳”发展目标下, 对人口、经济、产业布局应优先考虑建设用地集中的周边区域, 减少建设用地扩张对碳储量变化的影响.
3.3 京津冀城市群2030年不同建设用地扩张情景下土地利用格局模拟为了进一步探索模拟建设用地扩张的优化方案以提高未来生态系统碳储量, 利用PLUS模型对京津冀城市群2030年土地利用格局进行模拟. 考虑到京津冀城市群2015 ~ 2021年常住人口年均增长率维持在-0.26% ~ 0.19%, 城镇化率在2021年已达到69.4%, 高于全国平均水平, 需要对2030年建设用地规模进行一定控制, 因此对京津冀城市群2030年土地利用格局设定3种发展模拟情景：Ⅰ.自然发展情景、Ⅱ.建设用地增速降低15%发展情景和Ⅲ.建设用地增速降低30%情景.
PLUS模型主要参数包含土地利用需求、转换矩阵和邻域权重等参数. 自然发展情景下, 不设置限制条件, 基于2010 ~ 2020年土地利用转移情况利用Markov模型预测2030年京津冀城市群土地利用需求. 在其他两种情景下, 将生态保护区、生态功能核心区以及水库、湖泊和一级河流区域设置为约束条件, 限制其向其他地类转变；建设用地的新增数量需求将源自内部潜力的开发以及对未利用地的转化, 与自然发展情景相比, 降低耕地、林地和草地向建设用地的转移比例, 适度提高耕地保留比例, 3种情景下2030年土地利用需求如表 3所示.
|
|
表 3 京津冀城市群2030年不同模拟情景下各土地利用类型面积/km2 Table 3 Land use type areas of Beijing-Tianjin-Hebei Urban Agglomeration in 2030 under different simulation scenarios/km2 |
将京津冀城市群2010 ~ 2020年土地利用类型实际转移情况设定为自然发展情景下转移矩阵参数, 在此基础上, 其他两种情景下设定水域和沿海滩涂不向建设用地转移, 最终结果如表 4所示.
|
|
表 4 京津冀城市群2030年不同模拟情景下土地利用转移矩阵1） Table 4 Simulated land use transfer matrix for 2030 in Beijing-Tianjin-Hebei Urban Agglomeration under different scenarios |
邻域权重参数取值范围为“0 ~ 1”, 值越大表示该地类邻域影响越大. 自然发展情景下地类邻域参数基于京津冀城市群2010 ~ 2020年土地利用类型扩张面积占总土地扩张的比例设定, 其他两种情景邻域参数结合情景设定和专家知识, 最终设定结果如表 5所示.
|
|
表 5 京津冀城市群2030年不同模拟情景下土地利用类型邻域参数 Table 5 Neighborhood parameters of land use types in Beijing-Tianjin-Hebei Urban Agglomeration in 2030 under different simulation scenarios |
不同发展情景下京津冀城市群2030年土地利用格局模拟结果如图 9所示. 3种发展情景下土地利用分布格局基本一致, 林地和草地集中分布在燕山和太行山区, 耕地主要分布在东南平原区和西北坝上高原区域, 建设用地集中分布在北京、天津、石家庄、邯郸、邢台等大城市周边及平原区农村居民点, 水域主要分布在环渤海周边以及白洋淀、衡水湖两大湿地区域. 与自然发展情景相比, 其他两种情景下耕地、林地和草地分布空间在增加, 建设用地扩张空间收缩, 尤其在建设用地增速降低30%发展情景下, 北京、天津、石家庄等等大城市中心城区向外扩张的范围收敛, 建设用地集约效果有一定体现.
|
图 9 京津冀城市群2030年不同模拟情景下土地利用分布格局 Fig. 9 Distribution pattern of land use in Beijing-Tianjin-Hebei Urban Agglomeration in 2030 under different simulation scenarios |
将模拟结果输入InVEST模型, 可计算京津冀城市群2030年不同建设用地扩张情景下生态系统碳储量分布格局. 3种发展情景下京津冀城市群2030年生态系统碳储量分别为2 129.12、2 133.55和2 139.10 Tg, 与2020年相比碳储量分别增加了7.88、12.30和17.85 Tg, 表明3种发展情景下2020 ~ 2030年京津冀城市群生态系统均表现为碳汇, 其中在建设用地增速降低30%发展情景下碳汇量最大.
基于2 km网格单元将3种模拟情景下2020 ~ 2030年建设用地变化面积与碳储量变化值进行回归分析, 最终结果如表 6所示. 可知3种模拟情景下, 在建设用地占比10%以上等级的区域, 2020 ~ 2030年建设用地扩张变化与碳储量变化的拟合系数R2值在0.525 ~ 0.819区间, 拟合效果明显优于2000 ~ 2010年和2010 ~ 2020年. 3种发展情景下回归系数随着建设用地占比等级的增加均呈现波动增加的趋势, 说明建设用地占比更多的区域, 建设用地的扩张导致碳储量变化值更少, 这与2000 ~ 2010年和2010 ~ 2020年研究结果趋势保持一致. 其中, 在相同的建设用地占比等级区域, 回归系数值均呈现情景Ⅰ < 情景Ⅱ < 情景Ⅲ, 说明自然发展情景下建设用地扩张导致的碳储量变化值最大, 建设用地增速降低30%发展情景下最小. 因此, “双碳”目标下为最大程度保持生态系统碳储量, 应优先选择建设用地增速降低30%发展情景, 同时建设用地的增长应优先控制在建设用地占比较大的区域.
|
|
表 6 京津冀城市群2020 ~ 2030年建设用地扩张变化与碳储量变化线性回归结果 Table 6 Linear regression results of construction land expansion and carbon storage changes in Beijing-Tianjin-Hebei Urban Agglomeration from 2020 to 2030 |
4 讨论
本研究得出2000 ~ 2020年京津冀城市群建设用地呈快速扩张趋势, 研究期间增长了48.05%, 是研究区变化最活跃的地类, 这与张颖诗等[35]对京津冀地区建设用地变化的研究结果一致. 耕地、林地和草地等地类向建设用地的转移导致了不透水面的增加和自然植被的减少, 直接影响了生态系统碳储量, 研究期间耕地和草地碳库呈减少趋势, 林地和建设用地碳库呈增加趋势, 研究区生态系统碳储量在2000 ~ 2020年增加了33.23 Tg, 表现为碳汇, 这与Piao等[6]、杨元合等[14]和方精云等[41]学者对全国尺度陆地生态系统碳储量变化的研究结论保持一致. 巩晟萱等[42]的研究结果表明京津冀区域生态系统碳储量呈减少趋势, 与本研究结果相反, 主要是由不同LUCC数据源对林地面积判别差异引起. 林地作为研究区最大的碳库, 其面积变化值的大小直接影响整个生态系统碳储量. 巩晟萱等[42]采用的地理空间数据云提供的LUCC数据显示, 2000年和2020年期间林地面积分别为44 679.92 km2和45 938.66 km2, 增长了1 259.74 km2, 本研究以CLCD数据源显示同时期林地数量分别为50 661.84 km2和56 999.03 km2, 增长了6 337.18 km2. 根据《中国林业和草原统计年鉴（2021年）》统计数据计算京津冀区域2020年森林面积为58 815 km2, 本研究采用的数据更接近统计结果. 夏四友等[43]基于Scientific Data发布的碳排放与碳固定数据研究表明, 京津冀区域2000 ~ 2017年碳固定呈增加趋势, 武爱彬等[44]基于土地利用碳排放系数法计算京津冀区域2000 ~ 2020年期间土地利用碳吸收在（295 ± 2）万t·a-1, 这与本研究的结果趋势一致.
本研究基于2 km网格单元, 拟合回归分析了不同建设用地占比级别建设用地扩张对生态系统碳储量变化的影响, 结果表明在建设用地占比10%以上的各等级区域内, 两者都具有良好的回归性, 相对以往研究大多关注于建设用地转入和转出面积对碳储量的影响[5, 45], 本研究结果可以为决策者提供精细化参考和建议. 研究利用PLUS模型模拟了3种建设用地扩张情景下2030年京津冀城市群的土地利用格局, 并核算了生态系统碳储量变化情况, 研究结果可为“双碳”目标下国土空间规划的精准实施提供参考. 基于LUCC数据和InVEST模型中碳密度系数可以快速核算和描述区域生态系统碳储量及空间分布, 但需注意碳密度系数设置的代表性与科学性, 尤其随着研究区尺度增大和研究时期跨度的增加, 应加大对碳密度空间异质性和动态性的研究.
5 结论（1）京津冀城市群2000、2010和2020年生态系统碳储量分别为2 088.02、2 106.78和2 121.25 Tg, 研究期间共吸收了33.23 Tg. 其中林地碳库占比最大, 由2000年1 010.17 Tg增加至2020年1 136.53 Tg. 研究期间碳储量分布格局保持稳定, 低碳储量的网格单元集中分布在环渤海区域, 较低碳储量的网格单元集中分布在北京、天津、石家庄等城市和周边区域及农村居民点, 中碳储量和高碳储量的网格单元集中分布在西部太行山区和北部燕山山区. 碳储量增加的网格单元主要分布在太行山-燕山山区, 碳储量减少网格单元集中分布在北京、天津、石家庄和唐山等大城市周边, 研究期间建设用地扩张的区域是碳储量变化最为剧烈的区域, 表现了明显的碳储量减少.
（2）在建设用地占比10%以上的各等级网格单元区域, 2000 ~ 2010年和2010 ~ 2020年期间建设用地扩张和碳储量变化拟合回归关系良好, 建设用地的变化能较好地解释碳储量的变化. 2010 ~ 2020年建设用地对碳储量影响的解释力在下降, 此期间碳储量受其他因素影响更多. 2000 ~ 2010年和2010 ~ 2020年两者回归系数均随建设用地占比等级的增加呈现波动上升趋势. 相对于2000 ~ 2010年, 研究区域在2010 ~ 2020年建设用地扩张引起的碳储量变化更小, 建设用地对碳储量的影响力在减弱.
（3）在自然发展、建设用地扩张增速减少15%和建设用地扩张增速减少30%这3种发展情景下, 京津冀城市群2030年生态系统碳储量分别为2 129.12、2 133.55和2 139.10 Tg, 分别增加了7.88、12.30和17.85 Tg, 均表现为碳汇, 在建设用地降低30%发展情景下碳汇量最大. 在3种发展情景下, 2020 ~ 2030年建设用地扩张和碳储量变化的回归拟合效果在各建设用地占比等级均明显优于2000 ~ 2010年和2010 ~ 2020年, 回归系数随着建设用地占比等级的增加均呈现波动增加的趋势. 在各建设用地占比等级网格单元区域, 回归系数值均呈现自然发展情景 < 建设用地扩张增速减少15%发展情景 < 建设用地扩张增速减少30%发展情景.
| [1] | IPCC. Synthesis report of the sixth assessment report[EB/OL]. https://www.ipcc.ch/ar6-syr/, 2023-05-27. |
| [2] | Zhao M M, He Z B, Du J, et al. Assessing the effects of ecological engineering on carbon storage by linking the CA-Markov and InVEST models[J]. Ecological Indicators, 2019, 98: 29-38. DOI:10.1016/j.ecolind.2018.10.052 |
| [3] | Dybala K E, Steger K, Walsh R G, et al. Optimizing carbon storage and biodiversity co-benefits in reforested riparian zones[J]. Journal of Applied Ecology, 2019, 56(2): 343-353. DOI:10.1111/1365-2664.13272 |
| [4] | Liu X P, Wang S J, Wu P J, et al. Impacts of urban expansion on terrestrial carbon storage in China[J]. Environmental Science & Technology, 2019, 53(12): 6834-6844. |
| [5] |
吴佩君, 刘小平, 黎夏, 等. 基于InVEST模型和元胞自动机的城市扩张对陆地生态系统碳储量影响评估——以广东省为例[J]. 地理与地理信息科学, 2016, 32(5): 22-28, 36. Wu P J, Liu X P, Li X, et al. Impact of urban expansion on carbon storage in terrestrial ecosystems based on InVEST model and CA: a case study of Guangdong province, China[J]. Geography and Geo-Information Science, 2016, 32(5): 22-28, 36. |
| [6] | Piao S L, Fang J Y, Ciais P, et al. The carbon balance of terrestrial ecosystems in China[J]. Nature, 2009, 458(7241): 1009-1013. DOI:10.1038/nature07944 |
| [7] |
刘良云, 宋博文. 陆地生态系统固碳速率立体监测方法: 进展与挑战[J]. 大气科学学报, 2022, 45(3): 321-331. Liu L Y, Song B W. Calculating the carbon sequestration rate of terrestrial ecosystems: methods, progress and challenges[J]. Transactions of Atmospheric Sciences, 2022, 45(3): 321-331. |
| [8] |
赵苗苗, 赵娜, 刘羽, 等. 森林碳计量方法研究进展[J]. 生态学报, 2019, 39(11): 3797-3807. Zhao M M, Zhao N, Liu Y, et al. An overview of forest carbon measurement methods[J]. Acta Ecologica Sinica, 2019, 39(11): 3797-3807. |
| [9] | Houghton R A, Hobbie J E, Melillo J M, et al. Changes in the carbon content of terrestrial biota and soils between 1860 and 1980: a net release of CO2 to the atmosphere[J]. Ecological Monographs, 1983, 53(3): 236-262. |
| [10] |
吴一帆, 许杨, 唐洋博, 等. 长江经济带二氧化碳净排放时空演变特征及脱钩效应[J]. 环境科学, 2023, 44(3): 1258-1266. Wu Y F, Xu Y, Tang Y B, et al. Temporal and spatial characteristics of net CO2 emissions and decoupling analysis in Yangtze river economic belt[J]. Environmental Science, 2023, 44(3): 1258-1266. |
| [11] |
王兴玉, 张美玲. 基于CENTURY模型的甘南高寒草甸过去50年的碳收支时空分布分析[J]. 生态科学, 2023, 42(2): 211-218. Wang X Y, Zhang M L. Spatial distribution analysis of carbon budget of Gannan alpine meadow in the past 50 years based on CENTURY model[J]. Ecological Science, 2023, 42(2): 211-218. |
| [12] |
刘丽慧, 孙皓, 李传华. 基于改进土壤冻融水循环的Biome-BGC模型估算青藏高原草地NPP[J]. 地理研究, 2021, 40(5): 1253-1264. Liu L H, Sun H, Li C H. Estimation of grassland NPP in the Qinghai-Tibet Plateau based on the improved Biome-BGC model considering soil freeze-thaw water cycle[J]. Geographical Research, 2021, 40(5): 1253-1264. |
| [13] | Mao F J, Du H Q, Zhou G M, et al. Coupled LAI assimilation and BEPS model for analyzing the spatiotemporal pattern and heterogeneity of carbon fluxes of the bamboo forest in Zhejiang Province, China[J]. Agricultural and Forest Meteorology, 2017, 242: 96-108. DOI:10.1016/j.agrformet.2017.03.022 |
| [14] |
杨元合, 石岳, 孙文娟, 等. 中国及全球陆地生态系统碳源汇特征及其对碳中和的贡献[J]. 中国科学: 生命科学, 2022, 52(4): 534-574. Yang Y H, Shi Y, Sun W J, et al. Terrestrial carbon sinks in China and around the world and their contribution to carbon neutrality[J]. Scientia Sinica Vitae, 2022, 52(4): 534-574. |
| [15] | Bagstad K J, Semmens D J, Waage S, et al. A comparative assessment of decision-support tools for ecosystem services quantification and valuation[J]. Ecosystem Services, 2013, 5: 27-39. DOI:10.1016/j.ecoser.2013.07.004 |
| [16] | Posner S, Verutes G, Koh I, et al. Global use of ecosystem service models[J]. Ecosystem Services, 2016, 17: 131-141. DOI:10.1016/j.ecoser.2015.12.003 |
| [17] |
林彤, 杨木壮, 吴大放, 等. 基于InVEST-PLUS模型的碳储量空间关联性及预测——以广东省为例[J]. 中国环境科学, 2022, 42(10): 4827-4839. Lin T, Yang M Z, Wu D F, et al. Spatial correlation and prediction of land use carbon storage based on the InVEST-PLUS model- A case study in Guangdong Province[J]. China Environmental Science, 2022, 42(10): 4827-4839. |
| [18] |
石晶, 石培基, 王梓洋, 等. 基于PLUS-InVEST模型的酒泉市生态系统碳储量时空演变与预测[J]. 环境科学, 2024, 45(1): 300-313. Shi J, Shi P J, Wang Z Y, et al. Spatial-temporal evolution and prediction of carbon storage in Jiuquan City ecosystem based on PLUS-InVEST model[J]. Environmental Science, 2024, 45(1): 300-313. |
| [19] |
薛万来, 朱莎莎, 朱梦洵, 等. 基于FLUS-InVEST模型的永定河流域碳储量功能变化分析[J]. 水利水电技术(中英文), 2023, 54(9): 13-25. Xue W L, Zhu S S, Zhu M X, et al. Change analysis of carbon storage function in Yongding River Basin based on FLUS-InVEST model[J]. Water Resources and Hydropower Engineering, 2023, 54(9): 13-25. |
| [20] | Zhao J, Shao Z, Xia C Y, et al. Ecosystem services assessment based on land use simulation: a case study in the Heihe River Basin, China[J]. Ecological Indicators, 2022, 143. DOI:10.1016/j.ecolind.2022.109402 |
| [21] |
段璇瑜, 龚文峰, 孙雨欣, 等. 海南岛海岸带土地利用变化及其对碳储量时空演变的影响[J]. 水土保持通报, 2022, 42(5): 301-311. Duan X Y, Gong W F, Sun Y X, et al. Land use change and its impact on temporal and spatial evolution of carbon storage in coastal zone of Hainan Island[J]. Bulletin of Soil and Water Conservation, 2022, 42(5): 301-311. |
| [22] | Zhu L Y, Song R X, Sun S, et al. Land use/land cover change and its impact on ecosystem carbon storage in coastal areas of China from 1980 to 2060[J]. Ecological Indicators, 2022, 142. DOI:10.1016/j.ecolind.2022.109178 |
| [23] | Liang Y J, Hashimoto S, Liu L J. Integrated assessment of land-use/land-cover dynamics on carbon storage services in the Loess Plateau of China from 1995 to 2050[J]. Ecological Indicators, 2021, 120. DOI:10.1016/j.ecolind.2020.106939 |
| [24] | Li L, Song Y, Wei X H, et al. Exploring the impacts of urban growth on carbon storage under integrated spatial regulation: A case study of Wuhan, China[J]. Ecological Indicators, 2020, 111. DOI:10.1016/j.ecolind.2020.106064 |
| [25] |
柯新利, 唐兰萍. 城市扩张与耕地保护耦合对陆地生态系统碳储量的影响——以湖北省为例[J]. 生态学报, 2019, 39(2): 672-683. Ke X L, Tang L P. Impact of cascading processes of urban expansion and cropland reclamation on the ecosystem of a carbon storage service in Hubei Province, China[J]. Acta Ecologica Sinica, 2019, 39(2): 672-683. |
| [26] | Wang H J, Guo J Q, Zhang B, et al. Simulating urban land growth by incorporating historical information into a cellular automata model[J]. Landscape and Urban Planning, 2021, 214. DOI:10.1016/j.landurbplan.2021.104168 |
| [27] | Verburg P H, Soepboer W, Veldkamp A, et al. Modeling the spatial dynamics of regional land use: the CLUE-S model[J]. Environmental Management, 2002, 30(3): 391-405. DOI:10.1007/s00267-002-2630-x |
| [28] |
谢一茹, 高培超, 叶思菁, 等. 面向土地变化模拟的CLUMondo模型: 回顾与展望[J]. 地理信息世界, 2022, 29(3): 7-12. Xie Y R, Gao P C, Ye S J, et al. Review and prospect of land change simulation model CLUMondo[J]. Geomatics World, 2022, 29(3): 7-12. |
| [29] |
侯建坤, 陈建军, 张凯琪, 等. 基于InVEST和GeoSoS-FLUS模型的黄河源区碳储量时空变化特征及其对未来不同情景模式的响应[J]. 环境科学, 2022, 43(11): 5253-5262. Hou J K, Chen J J, Zhang K Q, et al. Temporal and spatial variation characteristics of carbon storage in the source region of the yellow River based on in VEST and GeoSoS-FLUS models and its response to different future scenarios[J]. Environmental Science, 2022, 43(11): 5253-5262. |
| [30] | Liang X, Guan Q F, Clarke K C, et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: A case study in Wuhan, China[J]. Computers, Environment and Urban Systems, 2021, 85. DOI:10.1016/j.compenvurbsys.2020.101569 |
| [31] |
丁岳, 王柳柱, 桂峰, 等. 基于InVEST模型和PLUS模型的环杭州湾生态系统碳储量[J]. 环境科学, 2023, 44(6): 3343-3352. Ding Y, Wang L Z, Gui F, et al. Ecosystem carbon storage in Hangzhou bay area based on InVEST and PLUS models[J]. Environmental Science, 2023, 44(6): 3343-3352. |
| [32] | Wei Q Q, Abudureheman M, Halike A, et al. Temporal and spatial variation analysis of habitat quality on the PLUS-InVEST model for Ebinur Lake Basin, China[J]. Ecological Indicators, 2022, 145. DOI:10.1016/j.ecolind.2022.109632 |
| [33] |
李俊, 杨德宏, 吴锋振, 等. 基于PLUS与InVEST模型的昆明市土地利用变化动态模拟与碳储量评估[J]. 水土保持通报, 2023, 43(1): 378-387. Li J, Yang D H, Wu F Z, et al. Dynamic simulation of land use changes and assessment of carbon storage in Kunming city based on PLUS and in VEST models[J]. Bulletin of Soil and Water Conservation, 2023, 43(1): 378-387. |
| [34] |
如克亚·热合曼, 阿里木江·卡斯木, 希丽娜依·多来提, 等. 天山北坡城市群碳储量时空变化及预测研究[J]. 中国环境科学, 2022, 42(12): 5905-5917. Reheman R, Kasimu A, Duolat X, et al. Temporal and spatial variation and prediction of carbon storage in urban agglomeration on the northern slope of Tianshan mountains[J]. China Environmental Science, 2022, 42(12): 5905-5917. |
| [35] |
张颖诗, 冯艳芬, 郭冠华, 等. 近30年中国典型城市群建设用地扩张的时空特征及其对比——以京津冀城市群和粤港澳大湾区为例[J]. 华南师范大学学报(自然科学版), 2022, 54(1): 79-90. Zhang Y S, Feng Y F, Guo G H, et al. The spatio-temporal characteristics of construction land expansion in China's typical urban agglomerations in recent 30 years: a case study of the Beijing-Tianjin-Hebei urban agglomeration and the Guangdong-Hong Kong-Macao greater bay area[J]. Journal of South China Normal University (Natural Science Edition), 2022, 54(1): 79-90. |
| [36] | 徐丽, 何念鹏, 于贵瑞. 2010s中国陆地生态系统碳密度数据集[DB/OL]. 北京: 国家生态科学数据中心, 2020. http://school.freekaoyan.com/bj/nao1/2022/01-02/16411191021536370.shtml, 2022-01-02. |
| [37] | Wang C, Zhan J Y, Chu X, et al. Variation in ecosystem services with rapid urbanization: a study of carbon sequestration in the Beijing-Tianjin-Hebei region, China[J]. Physics and Chemistry of the Earth, Parts A/B/C, 2019, 110: 195-202. DOI:10.1016/j.pce.2018.09.001 |
| [38] |
廖珍梅, 杨薇, 蔡宴朋, 等. 大清河-白洋淀流域生态功能评价及分区初探[J]. 环境科学学报, 2022, 42(1): 131-140. Liao Z M, Yang W, Cai Y P, et al. Assessment and regionalization of ecological functions in the Daqing River-Baiyangdian lake basin[J]. Acta Scientiae Circumstantiae, 2022, 42(1): 131-140. |
| [39] |
邵壮, 陈然, 赵晶, 等. 基于FLUS与InVEST模型的北京市生态系统碳储量时空演变与预测[J]. 生态学报, 2022, 42(23): 9456-9469. Shao Z, Chen R, Zhao J, et al. Spatio-temporal evolution and prediction of carbon storage in Beijing's ecosystem based on FLUS and InVEST models[J]. Acta Ecologica Sinica, 2022, 42(23): 9456-9469. |
| [40] | Yang J, Huang X. The 30 m annual land cover dataset and its dynamics in China from 1990 to 2019[J]. Earth System Science Data, 2021, 13(8): 3907-3925. DOI:10.5194/essd-13-3907-2021 |
| [41] |
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[J]. 中国科学院院刊, 2015, 30(6): 848-857, 875. Fang J Y, Yu G R, Ren X B, et al. Carbon sequestration in China's terrestrial ecosystems under climate change——Progress on ecosystem carbon sequestration from the CAS strategic priority research program[J]. Bulletin of Chinese Academy of Sciences, 2015, 30(6): 848-857, 875. |
| [42] |
巩晟萱, 张玉虎, 李宇航. 基于PLUS-InVEST模型的京津冀碳储量变化及预测[J]. 干旱区资源与环境, 2023, 37(6): 20-28. Gong S X, Zhang Y H, Li Y H. Spatio-temporal variation and prediction of carbon storage in Beijing-Tianjin-Hebei region-A PLUS-InVEST model approach[J]. Journal of Arid Land Resources and Environment, 2023, 37(6): 20-28. |
| [43] |
夏四友, 杨宇. 基于主体功能区的京津冀城市群碳收支时空分异与碳补偿分区[J]. 地理学报, 2022, 77(3): 679-696. Xia S Y, Yang Y. Spatio-temporal differentiation of carbon budget and carbon compensation zoning in Beijing-Tianjin-Hebei Urban Agglomeration based on the Plan for Major Function-oriented Zones[J]. Acta Geographica Sinica, 2022, 77(3): 679-696. |
| [44] |
武爱彬, 赵艳霞, 郭小平, 等. 基于土地利用和夜间灯光数据的京津冀区域碳排放时空分异研究[J]. 地理与地理信息科学, 2022, 38(6): 36-42. Wu A B, Zhao Y X, Guo X P, et al. Spatio-temporal differentiation of carbon emissions in the Beijing-Tianjin-Hebei region based on land use and nighttime light data[J]. Geography and Geo-Information Science, 2022, 38(6): 36-42. |
| [45] |
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[J]. 西北林学院学报, 2024, 39(1): 185-192, 199. Li Y, Luo H F. Carbon storage changes of construction land expansion in karst region of central Guizhou Province based on InVEST model[J]. Journal of Northwest Forestry University, 2024, 39(1): 185-192, 199. |