2025, Vol. 46
2. 河南省土地整治与生态重建工程技术研究中心，郑州 450046
2. Henan Engineering Research Center of Land Consolidation and Ecological Restoration, Zhengzhou 450046, China
在全球经济大融合并高速发展的情况下，社会发展对自然环境造成的破坏越来越严重，并且自然环境生态系统受到破坏后也将通过恶劣的天气状况[1]，例如：特大洪水、冰雹和全球气温升高等，反作用于人类的生产生活. 近百年来，人类对化石燃料（如煤炭、石油等）的消耗，释放了大量CO2等温室气体，破坏土壤碳库平衡[2]. 习近平主席在2020年提出，要力争于2030年实现碳达峰，努力争取2060年达到碳中和目标. 土地利用变化是影响生态系统碳储量变化的主要因素之一，因此定量评估和预测土地利用变化对碳储量的影响，对生态系统碳循环和区域可持续发展具有重要的现实意义[3，4].
生态系统碳储量估算方法包括：样地清查法[5]、遥感估测法[6]和模型模拟法[7]（InVEST模型、CA-Markov模型、CLUE-S模型）等. 样地清查法是经典的生态系统碳储量研究方法，刘国华等[8]运用中国第一至第四次资源普查数据，估算了中国20 a来的碳储量，发现总碳储量有一定的波动现象，但在整体上是增长的趋势. 许多学者运用遥感与GIS技术相结合的方法对碳储量进行预测，例如，李明阳等[9]以Landsat TM遥感数据为信息源估测福建省武夷山国家级自然保护区的森林碳储量. 池毓锋等[10]通过分类Landsat OLI8卫星影像像元以及运用生物量估测模型，测算了平潭岛木麻黄树木的碳储量，为应用遥感技术对某一地区单个树木碳储量进行快速估算提供了指导方法. 模型模拟法在研究生态系统碳储量及预测在不同情景下未来土地利用变化对碳储量的影响方面有着广泛应用，祁迷等[11]用InVEST模型分析内蒙古自治区碳储量的变化以及用PLUS模型在3种开发情景（自然发展、耕地保护、生态保护）下预测2030年土地利用空间分布，发现土地类型变化主要为耕地转为建设用地；武爱彬等[12]用InVEST模型和PLUS模型测算京津冀城市群2000~2020年生态系统碳储量和空间格局变化，在不同城市扩张情景下对2030年土地利用格局进行了预测，发现建设用地扩张的地区碳储量变化最剧烈. 综上所述，样地清查法虽操作简单、精度高，但对于范围小的区域较适用而且时空变化分析上也有局限性[13]；遥感估测法能够对生态系统进行宏观检测，但其估算精度还有待提高；因此，在本研究中利用模型模拟法预测土地利用变化对碳储量的影响，同时结合PLUS模型能够更好地模拟土地利用变化.
陕西省位于中国中部黄河中游地区，土地利用类型主要是耕地、林地和草地[14]，土地利用/覆被变化是影响生态系统碳储量的关键因素[15，16]，陕西省的土地类型又是典型的研究碳储量的省份[17]，已有许多学者对土地利用变化造成的碳储量改变做出了研究[18，19]，但鲜见预测陕西省未来SSP情景下碳储量方面的研究[20]. PLUS模型可以更好精确地模拟土地利用变化. 因此，本研究以2010年陕西省土地利用遥感数据为基础，利用PLUS模型模拟2020年陕西省土地利用数据，与2020年陕西省实际数据比较，验证研究的准确性. 预测分析在SSP 3种情景下陕西省2030~2050年土地利用变化情况以及用InVEST模型研究2030~2050年陕西省的碳储量演变趋势[21，22]，以期为陕西省土地利用碳储量情况提供理论基础与政策建议[23].
1 材料与方法 1.1 研究区概况陕西省处于中国西北部，黄河中游地区，介于东经105°29′~111°15′，北纬31°42′~39°35′之间，总面积20.56万km2[24]. 在地域上，东面与山西、河南相接，西面与宁夏和甘肃相接，南面与四川、重庆和湖北相接，北面与内蒙古相接，是与其他省份相接最多的省. 在地形地貌上，呈现南北高、中间低，由高原、山地、平原和盆地等多种地貌构成，其中黄土高原占全省土地面积的40%，北山和秦岭山脉把陕西省分为3大区域，陕北高原，关中平原以及南部的秦巴山区[25]. 地跨黄河、长江两大水系，横跨3个气候带，陕北北部长城沿线属中温带季风气候，关中及陕北大部属暖温带季风气候，陕南属北亚热带季风气候. 在土地利用类型方面，据最新统计数据林地、草地和耕地这3类土地面积占全省总面积的85.75%[26].
截至2022年年末，陕西省常住人口为3 956万人，城镇化率为64.02%，森林覆盖率为46.84%. 陕西省地区生产总值为3.277万亿元，比上一年增长4.3%，人均生产总值8.29万元[27]. 陕西省的经济社会等方面的快速发展，其土地利用状况也随之发生变化，此外，陕西省也是我国退耕还林工程试点最早的省份之一[28]. 因此，以陕西省作为研究对象，预测陕西省土地利用碳储量状况具有现实意义.
1.2 研究方法 1.2.1 InVEST模型InVEST模型是用于评估生态系统服务功能量及其经济价值、生态系统管理和决策的模型系统[29，30]. 本研究运用InVEST模型评估陕西省生态系统碳储量. 其碳储量包括4个碳库来源：地上生物碳储量、地下生物碳储量、土壤有机质碳储量和死亡有机质碳储量[31，32]. 其计算公式为：
| (1) |
| (2) |
式中，i表示各类土地利用类型，Ci表示第i类土地利用类型的碳密度，Ci-above为地上生物碳密度，Ci-below为地下生物碳密度，Ci-soil为土壤有机质碳密度，Ci-dead为死亡有机质碳密度，Ctotal为生态系统的总碳储量，Si表示第i类土地利用类型的面积. 在本研究中n取值为1~6.
本研究的碳密度数据参考徐丽等[33，34]构建的中国陆地生态系统碳密度数据集以及相关研究[35]，通过归纳整理得到陕西省土地利用各类碳密度值（见表 1）.
|
表 1 研究区碳密度/t·hm-2 Table 1 Carbon density in the study area/t·hm-2 |
1.2.2 PLUS模型
PLUS模型是由中国地质大学研发的斑块土地利用变化模拟模型[36]，包括基于土地扩张分析策略的规则挖掘框架和基于多类型随机种子的CA模型，元胞自动机（CA）模型能够更好地展现复杂土地利用/覆被变化[37]. PLUS模型具有操作简单、精度高并且能够直接读取地理信息栅格数据等优点[38]. 本研究基于2010年陕西省土地利用数据利用PLUS模型模拟2020年土地利用变化情况，与实际土地利用变化数据进行精度验证，从而模拟2030~2050年陕西省土地利用变化情况. 采用Kappa系数进行精度验证.
1.2.3 SSP情景在2021年发布的IPCC第六次评估报告已使用CMIP6（耦合模式比较计划第六版）中的气候模式，共享经济路径（SSPs）是其开发的一套新排放情景，这种新排放情景由不同的社会经济因素驱动，SSPs对研究气候变化有着非常好的应用[39]. 本研究采用CMIP6中的SSP126、SSP245和SSP585这3种情景预测未来陕西省土地利用变化引起碳储量的变化，其中SSP126（可持续绿色发展路径）代表可持续的社会经济发展和较低的气体排放模式，SSP245（中间路径）代表居中的社会经济发展和气体排放模式，SSP585（强迫路径）代表最高的社会经济发展和气体排放模式[40].
1.3 数据来源本研究采用2010年陕西省土地利用数据作为基础数据，基础数据的空间分辨率为30 m×30 m，通过GIS中重采样工具将数据空间分辨率处理为1 km×1 km，按照土地分类标准通过重分类将各土地利用类型分为耕地、林地、草地、水域、建设用地和未利用地这六大类. 土地利用驱动因子选取16个主要的影响因素，各驱动因子数据来源见表 2. 其中，SSPs土地利用数据来源于全球0.25°×0.25°Land-Use Harmonization2（LUH2）数据集，数据集在构建时假定了水域面积不变，并且水域的碳密度值低可忽略不计，所以在本研究中3种情景下模拟陕西省未来时期的水域碳储量不变.
|
|
表 2 研究数据来源 Table 2 Sources of data for the study |
2 结果与分析 2.1 研究精度验证
在进行本实验研究之前，基于陕西省2010年和2020年的土地利用数据验证研究的可行性与准确性. 利用陕西省2010年的数据通过PLUS模型得到陕西省2020年土地利用预测值，将预测数据与2020年土地利用实际数据进行实验验证，从而为预测陕西省2030~2050年间的土地利用变化及碳储量变化提供科学依据. 在本研究中经计算可得总体精度为0.93，Kappa系数值为0.95，属正常范围内，即研究方法可以实行，保证了实验的准确性.
2.2 2000~2020年陕西省土地利用及碳储量时空变化基于陕西省2000年和2020年土地利用类型数据利用ArcMap 10.8进行重分类，由表 3可知，2000年陕西省的耕地、林地、草地、水域、建设用地和未利用地的面积分别为72 047.07、46 150.65、77 964.31、1 614.34、3 077.64和4 745.99 km2. 2010年陕西省6种土地利用类型的面积分别是68 390.30、47 833.00、79 001.52、1 618.34、4 248.89和4 507.94 km2，2 020年陕西省6种土地利用类型的面积分别是66 949.00、48 318.11、78 812.48、1 720.36、5 275.10和4 507.94 km2，耕地、林地和草地是陕西省2000~2020年土地利用的主要类型.
|
|
表 3 2000~2020年陕西省土地利用及碳储量时空变化 Table 3 Spatial and temporal changes in land use and carbon stocks in Shaanxi Province from 2000 to 2020 |
从2000~2020年，耕地减少了5 098.07 km2，林地增加了2 167.46 km2，草地增加了848.17 km2，水域用地增加了106.02 km2，建设用地增加了2 197.64 km2，未利用地减少了238.05 km2. 耕地碳储量减少了62.09万t，林地、草地和建设用地碳储量分别增加了39.22万、10.47万和17.07万t，未利用地碳储量减少了0.75万t. 从中可以看出在此期间主要是耕地转为建设用地，建设用地扩张是导致耕地面积减少以及碳储量减少的主要原因.
由图 1可知，陕西省2000~2020年土地利用变化主要特征是建设用地面积增加，建设用地扩张主要是沿渭河流域一带呈集中或零星分布，明显的变化是西安市建设用地面积扩张. 从图 2可以看出，陕西省碳储量高值区主要分布在陕南地区秦岭山脉、南部山地一带以及陕北南部，这些区域主要的土地利用类型是林地；碳储量居中的区域分布在陕北中部黄土高原一带、关中地区关中平原大部分地区和陕南汉中一带，这些区域的土地利用类型主要是草地；碳储量低值区在不断扩大，低值区主要分布在陕北与毛乌素沙地接壤的一带、关中地区沿渭河流域呈集中或零星分布和陕南地区沿汉江流域呈带状分布，土地利用类型主要是建设用地和未利用地.
|
图 1 2000~2020年陕西省土地利用类型面积变化 Fig. 1 Changes in area of land use types in Shaanxi Province from 2000 to 2020 |
|
图 2 2000~2020年陕西省碳储量分布 Fig. 2 Distribution of carbon stocks in Shaanxi Province from 2000 to 2020 |
为了直观地研究陕西省2000~2020年碳储量变化，利用InVEST模型中的碳储存和预处理模块将2010年、2020年的碳储量与2000年的碳储量相减得到变化量，由图 3可知，2000~2020年碳储量减少区域较多，主要分布在陕北北部、关中地区沿渭河流域的城市地区，碳储量增加的区域主要是陕南山地位于镇巴县南部一带和陕北地区延安市内呈零星分布，其他地区碳储量值不变；2000~2010年碳储量减少的区域相较于2000~2020年少，陕北和关中地区呈现零星分布，碳储量增加区域主要分布在陕北地区，其他地区碳储量不变.
|
图 3 2000~2020年陕西省碳储量变化 Fig. 3 Changes in carbon stocks in Shaanxi Province from 2000 to 2020 |
本研究采取的是SSPs中的3种情景预测陕西省土地利用类型面积变化情况. 根据陕西省2020年土地利用类型面积变化，利用PLUS模型预测陕西省2030~2050年土地利用类型的面积变化，并将预测结果导入到ArcMap10.8中进行数据可视化，土地利用类型预测结果如图 4所示.
|
图 4 2030-2050年SSPs情景下陕西省土地利用模拟结果 Fig. 4 Simulation results of land use in Shaanxi Province under SSPs scenario from 2030 to 2050 |
从图 4中可以看出，在SSP126情景下，陕西省2030~2050年土地利用类型面积变化情况为：林地和建设用地面积增加，草地和未利用地面积减少. 在SSP245情景下，陕西省2030~2050年土地利用类型面积变化情况为：耕地和建设用地面积增加，林地、草地和未利用地面积减少. 在SSP585情景下，陕西省2030~2050年土地利用类型面积变化情况为：耕地和建设用地面积增加，林地、草地和未利用地面积减少. 耕地主要分布在陕北中部地区，即榆林市南部和东部、延安市北部地区，以及陕南南部，即安康市和汉中市中部地区；林地主要分布在陕北南部，即延安市东部和西部地区，以及关中和陕南交接地带，此区域主要是以秦岭山脉为主的林地；草地主要分布在林地周边的平原和山脉地带，呈现全省零星分布；水域地区主要是流经陕西省的黄河、泾河和渭河流域；建设用地主要是以西安市为中心向周围扩散的关中地区，以及各地市的城市中心；未利用地主要分布在陕北北部与毛乌素沙地接壤沿线的沙地.
由表 4可知，在SSP126情景下，陕西省2030~2050年土地利用类型面积占比最多的是草地，占总面积的38%左右，其次是耕地和林地，耕地面积占总面积的32%左右，林地面积占总面积的24%左右，这3种土地利用类型面积总和占陕西省土地总面积的90%以上，是陕西省土地利用的主要类型. 从2030~2050年，研究区耕地面积先增加后减少；林地面积呈现持续增加趋势，增加了2 277 km2；草地面积呈现持续减少趋势，减少了1 698 km2；建设用地面积呈持续增加趋势，增加了239 km2. 此情景代表可持续的社会经济发展和较低的气体排放模式，林地面积增加是符合该情景下的发展模式.
|
|
表 4 2030~2050年SSP126情景下陕西省土地利用类型面积预测 Table 4 Projected area of land use types in Shaanxi Province under the SSP126 scenario from 2030 to 2050 |
由表 5可知，在SSP245情景下，陕西省2030~2050年土地利用类型面积占比最多的是草地，占总面积的38%左右，其次是耕地和林地，耕地面积占总面积的33%左右，林地面积占总面积的24%左右，这3种土地利用类型面积总和占陕西省土地总面积的90%以上，是陕西省土地利用的主要类型. 从2030~2050年，研究区耕地面积逐渐增加，增加了2 082 km2；林地面积逐渐减少，减少了286 km2；草地面积呈现持续减少趋势，减少了1 826 km2；建设用地面积呈持续增加趋势，增加了87 km2.
|
|
表 5 2030~2050年SSP245情景下陕西省土地利用类型面积预测 Table 5 Projected area of land use types in Shaanxi Province under the SSP245 scenario from 2030 to 2050 |
由表 6可知，在SSP585情景下，陕西省2030~2050年土地利用类型面积占比最多的是草地，占总面积的36%左右，其次是耕地和林地，耕地面积占总面积的34%左右，林地面积占总面积的23%左右，这3种土地利用类型面积总和占陕西省土地总面积的90%以上，是陕西省土地利用的主要类型. 从2030~2050年，研究区耕地面积呈现持续增加的趋势，增加了3 072 km2；林地面积呈现持续减少趋势，减少了113 km2；草地面积逐渐减少，减少了2 281 km2；建设用地面积呈持续增加趋势，增加了41 km2.
|
|
表 6 2030~2050年SSP585情景下陕西省土地利用类型面积预测 Table 6 Projected area of land use types in Shaanxi Province under the SSP585 scenario from 2030 to 2050 |
对比3种情景下陕西省2030~2050年各土地利用类型预测结果发现，建设用地面积均呈现增加趋势，虽然SSP126情景是代表可持续的社会经济发展和较低的气体排放模式，SSP585情景是高社会经济发展模式，但SSP126情景下的建设用地面积略微大于SSP585情景，这可能是因为在经济高速发展情景下陕西省特定区域或时间段内因土地政策调控注重提高土地利用效率和优化土地资源配置，以及技术创新、节能降耗、传统产业结构的优化升级，城市化进程中部分人口可能选择迁移到生态环境更好、生活成本更低的地区居住等因素有关，从而减少了对新增建设用地的需求.
2.4 SSPs情景下2030~2050年陕西省碳储量时空变化基于陕西省土地利用数据，运用InVEST模型的碳储量和封存模块预测在3种情景下2030~2050年陕西省碳储量. 由表 7可知，在SSP126情景下，陕西省2030年总碳储量预测值为2 719.80×106 t，2040年总碳储量预测值为2 725.28×106 t，2050年总碳储量预测值为2 733.32×106 t. 随着年份的推移以及土地类型的更替变化，从结果来看碳储量是呈现一定范围上的增长趋势，相较于2020年陕西省碳储量，2030年碳储量增长了2.93×106 t，2040年碳储量增长了8.41×106 t，2050年碳储量增长了16.45×106 t. 在SSP245情景下，陕西省2030年总碳储量预测值为2 728.06×106 t，2040年总碳储量预测值为2 734.29×106 t，2050年总碳储量为2 736.74×106 t. 碳储量在此情景下呈现增长趋势，相较于2020年，陕西省2030年碳储量增长了11.19×106 t，2040年碳储量增长了17.42×106 t，2050年碳储量增长了19.87×106 t. 在SSP585情景下，陕西省2030年总碳储量预测值为2 705.45×106 t，2040年总碳储量预测值为2 695.81×106 t，2050年总碳储量预测值为2 688.59×106 t. 碳储量在此情景下呈现降低趋势，相较于2020年，陕西省2030年碳储量流失了11.42×106 t，2040年碳储量流失了21.06×106 t，2050年碳储量流失了28.28×106 t.
|
|
表 7 2030~2050年在SSP情景下陕西省碳储量值1） Table 7 Carbon stock values in Shaanxi Province under the SSP scenarios from 2030 to 2050 |
由表 8可知，在SSP126情景下，陕西省2030年的耕地利用碳储量预测值为801.91万t，林地碳储量预测值为886.20万t，草地碳储量预测值为974.63万t，建设用地碳储量预测值为42.75万t；2040年6种土地利用类型碳储量预测值分别为：804.30万、903.33万、966.20万、0.02万、44.13万和12.18万t；2050年6种土地利用类型碳储量预测值分别为：800.50万、927.42万、953.68万、0.02万、44.61万和11.97万t；在此情景下，林地碳储量呈现增加趋势.
|
|
表 8 2030~2050年在SSP情景下各土地利用类型碳储量值1） Table 8 Carbon stock values by land use type under the SSP scenarios from 2030 to 2050 |
在SSP245情景下，陕西省2030年的耕地碳储量预测值为817.27万t，林地碳储量预测值为903.08万t，草地碳储量预测值为975.51万t，建设用地碳储量预测值为42.07万t. 2040年陕西省6种土地利用类型碳储量预测值分别为：833.95万、901.08万、960.04万、0.02万、42.43万和7.18万t；2050年6种土地利用类型碳储量预测值分别为：842.64万、897.91万、952.97万、0.02万、42.74万和7.17万t；此情景下，耕地碳储量呈现增加趋势.
在SSP585情景下，陕西省2030年的耕地利用碳储量预测值为843.14万t，林地碳储量预测值为878.65万t，草地碳储量预测值为955.33万t，建设用地碳储量预测值为41.60万t. 2040年6种土地利用类型碳储量预测值分别为：874.67万、876.96万、931.50万、0.02万、41.81万和8.38万t；2050年6种土地利用类型碳储量预测值分别为：880.55万、876.59万、927.18万、0.02万、41.92万和7.98万t；在此情景下，耕地和建设用地碳储量呈现增加趋势，林地、草地碳储量均呈流失现象.
综上所述，在3种SSP情景下陕西省2030~2050年碳储量值最高的是草地，占总碳储量的36%左右，其次是林地，占总碳储量的33%左右，耕地利用碳储量值占总碳储量的29.42%左右，建设用地、水域和未利用地的碳储量是较低的. 结合图 4陕西省6种土地利用类型的面积变化，陕西省草地的面积是最高的，其次是林地和耕地，说明林地和草地所封存的碳储量较高.
将计算结果导入ArcGIS中，碳储量计算结果在空间分布上更加明显. 3种情景下陕西省碳储量空间分布如图 5. 从中可以得出，3种情景下2030~2050年陕西省碳储量较高的区域分布在陕南地区秦岭山脉、南部山地一带以及陕北南部，主要土地利用类型是林地；碳储量居中的区域分布在陕北中部黄土高原一带、关中地区关中平原大部分地区和陕南汉中一带，土地利用类型主要是草地；碳储量低的区域主要分布在陕北与毛乌素沙地接壤的一带、关中地区沿渭河流域呈集中或零星分布、陕南地区沿汉江流域呈零星分布，这些区域的土地利用类型主要是建设用地和未利用地. 在SSP585情景下，未来陕西省低碳储量面积大于其他两种情景.
|
图 5 2030~2050年SSPs情景下陕西省碳储量模拟分布 Fig. 5 Simulated distribution of carbon stocks in Shaanxi Province under the SSPs scenario from 2030 to 2050 |
利用InVEST模型中的碳储存和预处理模块将未来时期的碳储量与2020年的碳储量相减得到变化量，如图 6所示，2030~2050年碳储量值减少较多的情景是SSP585情景，随着年份的增加碳储量减少区域扩大明显. 3种情景下碳储量减少从大到小为：SSP585 > SSP245 > SSP126，则对于陕西省适合的发展模式的从大到小为：SSP126 > SSP245 > SSP585.
|
图 6 2030~2050年陕西省碳储量变化 Fig. 6 Changes in carbon socks in Shaanxi Province from 2030 to 2050 |
本研究基于陕西省2010年土地利用数据利用PLUS模型模拟陕西省2020年土地利用数据，并将模拟结果与实际2020年土地利用数据通过PLUS模型的模拟精度验证，经检验本研究的总体精度为0.93，Kappa系数为0.95，参考张锦等[41]研究松花江上游碳储量的动态变化中提到Kappa系数大于等于0.75表明模拟精度较高，实验可行. 但利用PLUS模型模拟2020年陕西省土地利用类型面积变化中选取了地形数据（坡度、高程和坡向），气象数据（年平均温度、年平均降水等）以及路网数据，但对于社会经济发展数据仅选取了人口和GDP数据，而人为因素是导致土地利用类型变化的主要驱动因素之一，因此，在今后的研究中应充分考虑人为因素对土地利用变化的影响，从而使研究精度更加精确.
3.2 碳密度值对研究结果的影响本研究采取的陕西省碳密度值参考徐丽等[34]整理的中国陆地生态系统碳密度数据集以及王天福等[14]对陕西省植被碳汇增效的研究，其中6种土地类型对应的地上碳密度、地下碳密度、土壤碳密度和死亡有机物碳密度具体来源有经过实验实地测算出的结果，亦有通过查询文献整理出的数据，随着时间的变化、植被覆盖类型的变化、人为因素以及地质灾害的影响，未来时期的碳密度值会发生改变，用原有的碳密度值计算未来时期碳储量不具有科学性和可行性，并且现今处于实现“双碳”目标的发展背景下，碳密度值也会发生相应的变化. 因此，在今后的研究中应充分考虑对碳密度造成影响的人为因素和自然环境因素，实地测量研究区的碳密度数据.
3.3 土地利用类型变化对碳储量的影响陕西省碳储量变化的主要因素是土地利用类型之间的转换，例如，在SSP126情景下，2030~2050年陕西省碳储量增加的主要原因是部分耕地、草地和未利用地转换为林地，由低碳密度土地类型转换为碳密度值高的土地类型. 而现实社会发展过程中，人类对土地的利用情况在发生变化，建设用地和耕地的无序扩张侵占其他土地类型，导致碳储量下降. 早在1999年陕西省实施退耕还林政策，相关数据显示到2006年陕西省实现退耕地还林地面积10 192 km2，在此过程中也出现了与人类利用冲突的一系列问题，退耕农户收益损失生计困难，政府成立专项资金补贴退耕农户经济损失，巩固退耕还林成果，现如今退耕还林还草成果显著. 因此，陕西省在长远发展中仍要监管土地利用类型转移，保护林地和草地碳储量高的土地资源.
4 结论（1）2000~2020年，陕西省耕地和未利用地面积减少，林地、草地、建设用地以及水域面积增加. 这20 a间陕西省总碳储量略微增加，增加了3.92万t.
（2）在SSP126情景下，2030~2050年土地类型面积变化主要为林地和建设用地面积增加，草地和未利用地面积减少. 在SSP245情景下，2030~2050年土地类型面积变化主要为耕地和建设用地面积增加，林地、草地和未利用地面积减少. 在SSP585情景下，2030~2050年土地利用类型面积变化情况为耕地和建设用地面积增加，林地、草地和未利用地面积减少. 3种情景下，只有SSP126情景下林地面积增加.
（3）在SSP126情景下，陕西省2030~2050年碳储量值在持续增长；SSP245情景下，陕西省2030~2050年碳储量值呈增长趋势但幅度小于SSP126情景；SSP585情景下，陕西省2030~2050年碳储量值呈下降趋势.
| [1] |
张良侠, 樊江文, 张海燕, 等. 黄土高原地区生态脆弱性时空变化及其驱动因子分析[J]. 环境科学, 2022, 43(9): 4902-4910. Zhang L X, Fan J W, Zhang H Y, et al. Spatial-temporal variations and their driving forces of the ecological vulnerability in the Loess Plateau[J]. Environmental Science, 2022, 43(9): 4902-4910. DOI:10.13227/j.hjkx.202110220 |
| [2] | Ly N T H, Phuong N T, Anh L N T, et al. Effect of agricultural land-use patterns on soil organic carbon stock in the upper vietnamese Mekong delta[J]. Polish Journal of Environmental Studies, 2022, 31(6): 5793-5804. DOI:10.15244/pjoes/152029 |
| [3] |
李建豹, 陈红梅, 张彩莉, 等. 长三角地区碳源碳汇时空演化特征及碳平衡分区[J]. 环境科学, 2024, 45(7): 4090-4100. Li J B, Chen H M, Zhang C L, et al. Spatiotemporal evolution characteristics of carbon sources and carbon sinks and carbon balance zoning in the Yangtze River delta region[J]. Environmental Science, 2024, 45(7): 4090-4100. DOI:10.13227/j.hjkx.202308149 |
| [4] | Da S. Bezerra D, De Lima Santos A, Bezerra J S,[J]. Science, 2022, 375(6586): 1239-1239. |
| [5] | Zhang Y Y. Evaluation methods of carbon storage environmental response coefficient of plantation considering carbon balance[J]. Lecture Notes in Economics, Management and Social Sciences, 2021, 37: 1-4. |
| [6] | Xue X Y, Guo X P, Xue D M, et al. Remote sensing estimation methods for determining FVC in northwest desert arid low disturbance areas based on GF-2 imagery[J]. Journal of Resources and Ecology, 2023, 14(4): 833-846. |
| [7] | Yue S J, Ji G X, Chen W Q, et al. Spatial and temporal variability characteristics of future carbon stocks in Anhui Province under different SSP scenarios based on PLUS and InVEST models[J]. Land, 2023, 12(9). DOI:10.3390/LAND12091668 |
| [8] |
刘国华, 傅伯杰, 方精云. 中国森林碳动态及其对全球碳平衡的贡献[J]. 生态学报, 2000, 20(5): 733-740. Liu G H, Fu B J, Fang J Y. Carbon dynamics of Chinese forests and its contribution to global carbon balance[J]. Acta Ecologica Sinica, 2000, 20(5): 733-740. DOI:10.3321/j.issn:1000-0933.2000.05.004 |
| [9] |
李明阳, 吴军, 余超, 等. 福建武夷山自然保护区森林碳储量遥感估测方法与空间分析[J]. 南京林业大学学报(自然科学版), 2014, 38(6): 6-10. Li M Y, Wu J, Yu C, et al. Estimation and spatial analysis of forest carbon stocks based on remote sensing technology in Wuyi Mountain National reserve of Fujian province[J]. Journal of Nanjing Forestry University (Natural Science Edition), 2014, 38(6): 6-10. |
| [10] |
池毓锋, 赖日文, 余莉莉, 等. 平潭岛木麻黄碳储量遥感估测[J]. 森林与环境学报, 2016, 36(4): 461-466. Chi Y F, Lai R W, Yu L L, et al. Remote sensing estimation of Casuarina equisetifolia carbon storage in Pingtan Island[J]. Journal of Forest and Environment, 2016, 36(4): 461-466. |
| [11] |
祁迷, 王飞, 滑永春, 等. 基于PLUS与InVEST模型的内蒙古自治区土地利用变化及碳储量评估[J]. 水土保持学报, 2023, 37(6): 194-200. Qi M, Wang F, Hua Y C, et al. Assessment of land use change and carbon storage in Inner Mongolia Autonomous region based on PLUS and InVEST models[J]. Journal of Soil and Water Conservation, 2023, 37(6): 194-200. |
| [12] |
武爱彬, 陈辅国, 赵艳霞, 等. 京津冀城市群建设用地扩张多情景模拟及其对生态系统碳储量的影响[J]. 环境科学, 2024, 45(5): 2828-2839. Wu A B, Chen F G, Zhao Y X, et al. Multi-scenario simulation of construction land expansion and its impact on ecosystem carbon storage in Beijing-Tianjin-Hebei urban agglomeration[J]. Environmental Science, 2024, 45(5): 2828-2839. DOI:10.13227/j.hjkx.202305221 |
| [13] | 郭靖, 卢明艳, 张东亚, 等. 样地清查法在森林碳汇估算中的应用进展[J]. 防护林科技, 2016(7): 102-103. |
| [14] |
王天福, 龚直文, 邓元杰. 基于土地利用变化的陕西省植被碳汇提质增效优先区识别[J]. 自然资源学报, 2022, 37(5): 1214-1232. Wang T F, Gong Z W, Deng Y J. Identification of priority areas for improving quality and efficiency of vegetation carbon sinks in Shaanxi province based on land use change[J]. Journal of Natural Resources, 2022, 37(5): 1214-1232. |
| [15] |
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. DOI:10.13227/j.hjkx.202302222 |
| [16] | Fan L Y, Cai T Y, Wen Q, et al. Scenario simulation of land use change and carbon storage response in Henan Province, China: 1990-2050[J]. Ecological Indicators, 2023, 154. DOI:10.1016/J.ECOLIND.2023.110660 |
| [17] |
严栋飞, 姜仁贵, 解建仓, 等. 基于Markov模型的渭河干流陕西段土地利用动态变化研究[J]. 西安理工大学学报, 2019, 35(1): 34-39. Yan D F, Jiang R G, Xie J C, et al. Study on the dynamic change of land use in Shaanxi section of Weihe main stream based on Markov model[J]. Journal of Xi'an University of Technology, 2019, 35(1): 34-39. |
| [18] |
赵一行, 高润艺, 李海东, 等. 江阴市土地利用对碳储量的影响及优化研究[J]. 生态与农村环境学报, 2022, 38(10): 1290-1298. Zhao Y X, Gao R Y, Li H D, et al. Study on carbon storage change and optimization of land use in Jiangyin city[J]. Journal of Ecology and Rural Environment, 2022, 38(10): 1290-1298. |
| [19] |
徐彩瑶, 任燕, 孔凡斌. 浙江省土地利用变化对生态系统固碳服务的影响及其预测[J]. 应用生态学报, 2023, 34(6): 1610-1620. Xu C Y, Ren Y, Kong F B. Impacts and prediction of land use change on ecosystem carbon sequestration in Zhejiang province, China[J]. Chinese Journal of Applied Ecology, 2023, 34(6): 1610-1620. |
| [20] |
张鹏, 李良涛, 苏玉姣, 等. 基于PLUS和InVEST模型的邯郸市碳储量空间分布特征研究[J]. 水土保持通报, 2023, 43(3): 338-348. Zhang P, Li L T, Su Y J, et al. Spatial and temporal distribution characteristics of carbon storage in Handan city based on PLUS and InVEST models[J]. Bulletin of Soil and Water Conservation, 2023, 43(3): 338-348. |
| [21] | Li M, Zhang J C, Gao H S, et al. Spatiotemporal variation characteristics of ecosystem carbon storage in Henan province and future multi-scenario simulation prediction[J]. Land, 2024, 13(2). DOI:10.3390/land13020185 |
| [22] |
付宇佳, 刘晓煌, 孙兴丽, 等. 近30年西北内陆荒漠资源大区土地利用驱动下生态系统碳储量时空变化[J]. 地质通报, 2024, 43(2-3): 451-462. Fu Y J, Liu X H, Sun X L, et al. Spatial-temporal variation of ecosystem carbon storage driven by land use in northwest inland desert resource region in recent 30 years[J]. Geological Bulletin of China, 2024, 43(2-3): 451-462. |
| [23] | Sun B Q, Du J Q, Chong F F, et al. Spatio-temporal variation and prediction of carbon storage in terrestrial ecosystems in the Yellow River Basin[J]. Remote Sensing, 2023, 15(15). DOI:10.3390/RS15153866 |
| [24] | Zhang Y D, Li F, Li K, et al. The influence of space transformation of land use on function transformation and the regional differences in Shaanxi Province[J]. International Journal of Environmental Research and Public Health, 2022, 19(18): 11793. DOI:10.3390/ijerph191811793 |
| [25] |
王宇菲, 王隽雄, 李阳. 陕西省土地资源承载力时空演变格局研究[J]. 西北大学学报(自然科学版), 2023, 53(4): 541-553. Wang Y F, Wang J X, Li Y. Study on temporal and spatial evolution pattern of land resources carrying capacity in Shaanxi Province[J]. Journal of Northwest University (Natural Science Edition), 2023, 53(4): 541-553. |
| [26] |
孙善良, 张小平, 张志斌. 陕西省2000-2018年土地利用时空演变及驱动因素[J]. 水土保持通报, 2021, 41(4): 339-349. Sun S L, Zhang X P, Zhang Z B. Spatiotemporal changes and driving forces of landuse in Shaanxi Province during 2000-2018[J]. Bulletin of Soil and Water Conservation, 2021, 41(4): 339-349. |
| [27] | Li C X, Wu J Y. Land use transformation and eco-environmental effects based on production-living-ecological spatial synergy: evidence from Shaanxi Province, China[J]. Environmental Science and Pollution Research, 2022, 29(27): 41492-41504. DOI:10.1007/s11356-022-18777-z |
| [28] |
黄仁全, 董娟. 陕西省经济发展、科技创新与生态环境的耦合协调发展研究[J]. 运筹与管理, 2022, 31(10): 161-168. Huang R Q, Dong J. Research on coupling coordination development of economic development, technological innovation and ecological environment in Shaanxi Province[J]. Operations Research and Management Science, 2022, 31(10): 161-168. |
| [29] |
姚楠, 刘广全, 姚顺波, 等. 基于InVEST模型的黄土丘陵沟壑区退耕还林还草工程对生态系统碳储量的影响评估[J]. 水土保持通报, 2022, 42(5): 329-336. Yao N, Liu G Q, Yao S B, et al. Evaluating on effect of conversion from farmland to forest and grassland porject on ecosystem carbon storage in Loess Hilly-gully region based on InVEST model[J]. Bulletin of Soil and Water Conservation, 2022, 42(5): 329-336. |
| [30] | Yang X, Chen R S, Meadows M E, et al. Modelling water yield with the InVEST model in a data scarce region of northwest China[J]. Water Supply, 2020, 20(3): 1035-1045. DOI:10.2166/ws.2020.026 |
| [31] |
刘晓娟, 黎夏, 梁迅, 等. 基于FLUS-InVEST模型的中国未来土地利用变化及其对碳储量影响的模拟[J]. 热带地理, 2019, 39(3): 397-409. Liu X J, Li X, Liang X, et al. Simulating the change of terrestrial carbon storage in China based on the FLUS-InVEST model[J]. Tropical Geography, 2019, 39(3): 397-409. |
| [32] |
杨熙萌, 钱宝蔚, 姬广兴, 等. 淮河流域中上游碳储量时空变化特征及未来多情景模拟预测[J]. 环境科学, 2024, 45(10): 5970-5982. Yang X M, Qian B W, Ji G X, et al. Characteristics of spatial and temporal changes in carbon stocks in the middle and upper reaches of the Huaihe River Basin and future multi-scenario simulation prediction[J]. Environmental Science, 2024, 45(10): 5970-5982. DOI:10.13227/j.hjkx.202311034 |
| [33] |
许澳康, 胡梦珺, 石晶, 等. 石羊河流域生态系统碳储量时空变化及多情景模拟[J]. 中国环境科学, 2024, 44(6): 3365-3375. Xu A K, Hu M J, Shi J, et al. Spatial and temporal variability of ecosystem carbon storages and multi-scenario simulation in the Shiyang River basin[J]. China Environment Science, 2024, 44(6): 3365-3375. DOI:10.3969/j.issn.1000-6923.2024.06.042 |
| [34] |
徐丽, 何念鹏, 于贵瑞. 2010s中国陆地生态系统碳密度数据集[J]. 中国科学数据(中英文网络版), 2019, 4(1): 86-92. Xu L, He N P, Yu G R. A dataset of carbon density in Chinese terrestrial ecosystems(2010s)[J]. China Scientific Data, 2019, 4(1): 86-92. |
| [35] | Xu L, Yu G R, He N P. Increased soil organic carbon storage in Chinese terrestrial ecosystems from the 1980s to the 2010s[J]. Journal of Geographical Sciences, 2019, 29(1): 49-66. DOI:10.1007/s11442-019-1583-4 |
| [36] |
任胤铭, 刘小平, 许晓聪, 等. 基于FLUS-InVEST模型的京津冀多情景土地利用变化模拟及其对生态系统服务功能的影响[J]. 生态学报, 2023, 43(11): 4473-4487. Ren Y M, Liu X P, Xu X C, et al. Multi-scenario simulation of land use change and its impact on ecosystem services in Beijing-Tianjin-Hebei region based on the FLUS-InVEST Model[J]. Acta Ecologica Sinica, 2023, 43(11): 4473-4487. |
| [37] | 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 |
| [38] |
杨智勇, 牛健植, 樊登星, 等. 基于SWAT和PLUS模型的窟野河流域径流对土地利用变化的响应及预测[J]. 水土保持学报, 2024, 38(1): 289-299. Yang Z Y, Niu J Z, Fan D X, et al. Response and prediction of runoff to land use change in Kuye River Basin Based on SWAT and PLUS models[J]. Journal of Soil and Water Conservation, 2024, 38(1): 289-299. |
| [39] | Liao W L, Liu X P, Xu X Y, et al. Projections of land use changes under the plant functional type classification in different SSP-RCP scenarios in China[J]. Science Bulletin, 2020, 65(22): 1935-1947. DOI:10.1016/j.scib.2020.07.014 |
| [40] | Kok K, Pedde S, Gramberger M, et al. New European socio-economic scenarios for climate change research: operationalising concepts to extend the shared socio-economic pathways[J]. Regional Environmental Change, 2019, 19(3): 643-654. DOI:10.1007/s10113-018-1400-0 |
| [41] |
张锦, 张新艳, 张文广, 等. 不同情景下松花江上游碳储量动态变化及碳汇潜力[J]. 生态学杂志, 2024, 43(9): 2684-2693. Zhang J, Zhang X Y, Zhang W G, et al. Carbon stock dynamics and carbon sink potential in the upper reaches of Songhua River under different scenarios[J]. Chinese Journal of Ecology, 2024, 43(9): 2684-2693. |