2025, Vol. 46
空间是人类从事一切活动的载体，随着科学技术的发展和全球人口的快速增长，人类活动导致许多新的土地利用类型的诞生，全球土地利用发生了明显变化，直接影响生态系统中碳源和碳储量的变化，进而影响陆地生态系统碳储量[1~3]. 当前中国许多城市已经受到由于生态系统破坏而导致的严重问题，水土流失严重，生物多样性不断降低，人地关系矛盾不断加剧，造成碳储量的大幅损失[4]. 同时，随着温室气体排放量的快速增高，导致城市热岛效应升高、极端天气事件发生概率以及全球海平面上涨等一系列紧迫的问题. 此外，陆地生态系统中的碳循环过程与生物能量传递和物质循环的过程具有紧密的联系，会影响生物多样性、水土保持和土壤肥力，进而影响生态系统恢复力[5]. 2021年中国政府在《碳达峰碳中和意见》中提出当前迫切需要提升生态系统碳储量与碳汇，常用的土地利用碳储量评估模型有ARIES[6]、CASA[7]、InVEST[8]和SoLVES[9]等，综合考虑数据要求、可访问性、不同尺度和多功能性等，InVEST模型是研究人员使用最多的碳储量测算模型. 从不同空间尺度下模拟未来碳储量对土地利用变化响应的研究已有一定基础，流域尺度下，朱文博等[10]利用Markov-CLUE-S复合模型评估太行山淇河流域不同情景下的生态系统碳储量；城市群尺度，赫晓慧[11]等利用Dyna-CLUE和InVEST模型评估2005~2030年中原城市群不同情景下的碳储量演变特征以及城市发展对碳储量的影响；在城市尺度下，邵壮等[12]利用FLUS和InVEST模型测算了1990~2018年北京市生态系统碳储量的演变趋势，探讨人类活动对三生空间活动的影响，并对“双碳”目标下2035年北京城市格局进行多情景模拟.
三生空间作为一种综合性的空间分区方式，根据土地利用类型的生产、生活和生态功能对空间进行分类，涵盖了人类世界所有实践，为国土空间开发与保护过程中的空间发展适宜性评价和空间功能最大化利用提供了独一无二的视角，受到中国政府和研究人员的青睐[13~15]. 当前三生空间研究内容多为概念内涵与理论基础[16]、分类与识别标准[17]、功能评价与分区调控[18]、土地利用转型与生态环境效应[19]、时空演变与驱动机制[20]以及空间优化与模拟[21]等方面. 三生空间的模拟与优化在评估土地利用政策、国土资源管理和城市规划干预等方面的作用十分明显[22~24]. 合理的空间规划对土地利用结构优化和实现“双碳”目标至关重要，这需要综合考虑交通、气候和区域协调等因素[25].
以往对土地利用模拟的研究可以分为两大类：一种研究方法是利用多目标方法（MOP）模拟优化土地利用结构，从而增加生态系统服务价值，但是该方法无法揭示未来生态系统服务价值的空间分布变化特征[26]；另一种研究是采用CA或者CLUS-S模型等方法，这种土地利用模拟是综合考虑研究区的历史土地利用变化和不同驱动因素的驱动作用，得出当前土地利用分布格局形成的规则从而进行模拟[27]，2种模拟方法都存在明显的局限性. PLUS模型能够避免以往两种方法的弊端，基于历史时期三生空间变化利用随机森林算法（RF）探索三生空间变化和驱动因素之间的关系，利用用地扩张分析策略（LEAS）计算三生空间用地类型的增长概率，基于元胞自动机（CA）模拟未来某一时期的土地利用[28，29]. 当前PLUS模拟多集中于土地利用的模拟，测度土地利用变化对碳储量的响应[30，31]，然而三生空间未来情景模拟的研究刚刚起步，针对三生空间演变对碳储量效应的研究较为缺乏.
甘肃省地处中国西北内陆腹地，跨越干旱、半干旱和半湿润区，是中国典型的生态过渡带以及农牧交错带. 全球气候变化和人类活动交互胁迫下，甘肃省生态空间受到挤压，生态系统抗干扰能力较差且敏感度较高[32]. 同时，从生态修复工程的实施与成效来看，干旱区和半干旱区的固碳效应展现出较高的潜力[33]. 当前基于三生空间视角，在省级行政区尺度，模拟不同情景下干旱半干旱区三生空间演变及其碳储量效应的研究较为匮乏. 已有研究多关注于三生空间历史时期的时空演变特征，对未来不同情景下三生空间演变及其碳储量效应的研究相对较少，从省级尺度进行统筹考虑的研究更是寥寥无几.
本研究以2000年、2010年和2020年甘肃省土地利用数据为基础，利用PLUS模型预测2030年和2060年自然演化、经济发展和生态保护这3种情景下的三生空间格局，运用InVEST模型评估其碳储量效应. 最后，根据甘肃省的碳储量时空演变特征，探讨省级尺度干旱区和半干旱区生态过渡带碳储量的优化方法，以期为其他生态屏障或生态过渡带的国土空间的优化与管理提供参考.
1 材料与方法 1.1 研究区概况甘肃省位于中国西北地区，东通陕西，西达新疆，南临四川和青海，北接宁夏和内蒙古，西北端与蒙古国接壤，介于北纬32°31′~42°57′，东经92°13′~108°46′之间，面积42.58×104 km2. 年均降水量由东南部的760 mm减少到西北部的42 mm[34]. 甘肃省是中国重要的生态屏障，地处黄土高原、青藏高原和内蒙古高原的交汇区域，地形呈狭长状，地势自西南向东北倾斜，土地利用类型多样且相互交织，具有雪山、森林、草地、沙漠、河流、绿洲、高原和山地等地貌，近年来大规模开展生态修复工程（图 1）.
|
图 1 研究区概况 Fig. 1 Regional overview of Gansu Province |
本研究将数据坐标系统一为CGCS2000，具体来源如下（表 1）：①土地利用、土壤类型、土壤侵蚀程度、人口密度、人均GDP、年均降水量、年均蒸发量、年平均气温、NDVI和自然保护区等数据来源于中国科学院资源环境科学与数据中心（http://www.resdc.cn/）. ②DEM数据来源于欧洲航空局，空间精度为30 m×30 m（https://panda.copernicus.eu/panda），坡度数据根据DEM数据进行提取. ③各级道路、水系和政府驻地等数据来源于OpenStreetMap（https://www. openstreetmap.org），采用欧氏距离进行空间插值. ④行政区划数据来源于国家自然资源部标准地图服务系统（http://211.159.153.75）.
|
表 1 数据来源 Table 1 Data sources |
在进行土地利用模拟预测之前，需要分析各类型用地变化的影响因素. 结合甘肃省实际情况，从自然地理和社会经济这2个角度筛出DEM、坡度、土壤类型、土壤侵蚀程度、人口密度、人均GDP、年平均降水量、年平均蒸发量、年平均气温、NDVI、到县级以上政府的距离、到一、二和三级道路距离、到水体距离和到自然保护区距离，共14个驱动因子. 将所有数据重采样处理，精度统一为1 km×1 km.
1.3 三生空间识别与分类三生空间分类体系实际是根据土地利用类型的主要功能进行划分[35]，本研究将三生空间划分为3个一级类和8个二级类（表 2）.
|
|
表 2 三生空间分类体系 Table 2 Classification of production-living-ecological space |
1.4 三生空间模拟 1.4.1 PLUS模型
邻域权重参数设置. 邻域权重反映各类用地的扩张能力，参数范围为0~1，越接近1代表该土地利用类型的扩张能力越强[36]. 以往研究中有2种设置邻域权重的方法：①根据研究区实际情况和历史时期各类型用地占比情况，进行参数设置[35，37]. ②根据各用地类型前一个历史时段的扩张规律，即斑块面积（TA）的变化规律，表征各类型用地的扩张能力，将斑块面积变化进行标准化处理作为领域权重[38]. 本研究根据以上2种方法分别设置甘肃省未来土地利用邻域权重（表 3）.
|
|
表 3 不同土地利用类型领域权重 Table 3 Weight of different land use types |
1.4.2 模型精度检验
以甘肃省2000年和2010年土地利用数据为基础，对其进行三生空间用地类型划分. 通过PLUS模型模拟得到2020年三生空间，与真实2020年三生空间结构与分布进行对比. 权重1模拟结果的Kappa系数为0.940 9；权重2模拟结果的Kappa系数为0.942 4. 因此本研究选用第2种邻域权重.
1.4.3 情景设置参考相关研究[39~41]，结合甘肃省社会经济和生态环境状况，根据甘肃省国土空间规划中的战略定位和规划目标，研究设置3个目标情景，分别为自然演化情景、经济发展情景和生态保护情景. 自然演化情景目标是未来土地利用会遵循历史惯性，土地利用转移概率不做更改，不设置功能限制区和城镇重点发展区. 甘肃省作为一带一路倡议的核心省份，丝绸之路贯穿南北，同时是中国向西对外开放的重要窗口. 因此，经济发展情景目标是实现最大化的经济发展，重点考虑城镇化进程将迅速加快，在自然演化情景基础上，将除水域生态用地外的其他用地向城镇生活用地和工矿生产用地转移概率增加20%，将城镇生活用地和工矿生产用地向其他土地利用转移概率降低20%. 生态保护情景将严格控制建设用地扩张，在自然演化情景基础上，将林地生态用地、草地生态用地和水域生态用地向人造地表转移概率降低60%，农业生产用地向城镇生活用地转移概率降低40%. 农业生产用地向林地生态用地和草地生态用地转移概率提高20%，草地生态用地向林地生态用地转移概率增加10%，其他生态用地向草地生态用地、林地生态用地和水域生态用地转移的概率提高30%. 此外，将2020年的现有水体和自然保护区设定为功能限制区.
采用不同的转换矩阵对各用地类型相互转化进行限制[42]. 自然演化情景的转换矩阵是根据历史时段的不同类型用地转移变化设置；经济发展情景是优先考虑生产类用地的发展，设置生产用地不能向除水域外的其他类型用地转移；生态保护情景的转移矩阵的设置则是考虑生态优先，生态用地不能像其他用地转移. 具体3种情景用地转移矩阵如表 4所示，其中0代表不能转换，1表示能够转换.
|
|
表 4 不同情景下的转移矩阵1） Table 4 Transfer matrix under different scenarios |
1.5 碳储量评估
采用InVEST模型的碳储量模块计算碳储量. 其原理是考虑地上生物量、地下生物量、土壤和死亡有机物这4个不同的碳库，利用各种土地利用类型对应的碳密度值估算整个区域碳储量. 本研究利用2000年、2010年和2020年年均降水量和年均气温对碳密度进行修正[34，43，44]，得到甘肃省各土地利用类型的碳密度（表 5），计算公式和相关数值参考文献[12，30].
|
|
表 5 三生空间各用地类型的碳密度/t·hm-2 Table 5 Carbon density of land use type of production-living-ecological space/t·hm-2 |
1.6 甘肃省不同情景碳储量冷热点分析
冷热点分析常用于识别空间聚类分布中的显著高值（热点）和低值（冷点）区域，本研究借助冷热点分析，探究甘肃省碳储量的高低聚类空间分布特征，分析甘肃省碳储量分布的热点区和冷点区发生聚类的空间位置，根据不同置信度（P值）划分热点（冷点）区. 具体计算公式见文献[39].
2 结果与分析 2.1 甘肃省2000~2020年三生空间转型 2.1.1 空间演变特征分析从三生空间的分布来看（图 2），2000~2020年甘肃省生态空间分布最为广泛. 从二级分类来看，其他生态用地占比最大，主要分布于河西走廊地区；其次为草地生态用地，分散分布于甘肃省全域；农业生产用地主要分布于河西走廊的绿洲区和甘肃省中南部的黄土高原丘陵沟壑区；水域生态用地以高原湖泊、冰川和河流为主，分布于河西走廊、甘南高原和陇南山地的高海拔地区；林地生态用地主要分布于甘南高原、秦岭、庆阳东部盆地和祁连山等地区；工矿生产用地主要分布于兰州、金昌、嘉峪关和酒泉附近，以上城市重工业较为发达. 城镇生活用地和农村生活用地规模较小且较为分散，星罗棋布.
|
图 2 2000年、2010年和2020年甘肃省三生空间分布 Fig. 2 Distribution of production-living-ecological space in Gansu Province in 2000, 2010, and 2020 |
2000~2020年甘肃省各个空间变化面积如表 6所示，生态空间是甘肃省的主要空间，但是面积呈现减少趋势，从2000年的359 132.77 km2减少至2020年的358 811.76 km2，共减少321.01 km2. 生产空间同样呈现减少趋势，共减少664.66 km2. 生活空间呈现增加趋势，由2000年3 349.19 km2增加到2020年4 335.49 km2，共增加986.30 km2. 从三生空间二级地类的面积变化具体而言，2000~2020年农业生产用地和其他生态用地分别减少1 699.10 km2和2 727.03 km2；其他地类则呈现增加趋势，其中工矿生产用地、草地生态用地和林地生态用地依次为面积增加的前3位.
|
|
表 6 2000~2020年甘肃省三生空间面积变化/km2 Table 6 Changes in the area of ecological-living-ecological space in Gansu Province from 2000 to 2020/km2 |
2.1.2 空间转型模式分析
利用三生空间用地转移弦图，表征各类空间相互转化（图 3）. 两个时期用地转移方向较为一致，各用地之间皆存在转化，城镇生活用地和工矿生产用地转移规模明显增加. 草地生态用地与农业生产用地的双向转化、其他生态用地与草地生态用地的双向转化、草地生态用地与林地生态用地的双向转化和其他生态用地向农业生产用地的转化是三生空间用地转移的主要类型. 具体来看，农业生产用地主要转化为草地生态用地、农村生活用地、林地生态用地和其他生态用地；草地生态用地主要转化为林地生态用地、农业生产用地和其他生态用地；其他生态用地主要转化为农业生产用地、草地生态用地和水域生态用地. 城镇生活用地和农村生活用地的增加主要来源于农业生产用地，工矿生产用地的增加主要来源于其他生态用地、草地生态用地和农业生产用地.
|
图 3 2000~2020年甘肃省三生空间转移弦图 Fig. 3 Chord diagram of production-living-ecological space in Gansu Province from 2000 to 2020 |
利用PLUS模型模拟甘肃省2030年和2060年不同情景下的三生空间（图 4）. 3种情景下三生空间分布均与2020年的分布极度相似，生态空间几乎覆盖甘肃省各个区域，生产空间主要在甘肃省中南部以及河西走廊地区，生活空间零星分布于全省范围，南部地区比北部更为密集.
|
图 4 2 030年和2 060年甘肃省三生空间多情景模拟 Fig. 4 Multi-scenario simulation of production-living-ecological space in Gansu Province in 2 030 and 2 060 |
自然演化情景下，相较于2020年，2060年生产空间减少1 066.70 km2，生态空间减少242.95 km2，生活空间增加1 309.65 km2. 具体而言，生产空间减少是由于农业生产用地减少的面积大于工矿生产用地增加的面积，其中农业生产用地减少2 268.33 km2，工矿生产用地增加1 201.63 km2；生态空间减少是由于其他生态用地和林地生态用地减少，其中林地生态用地和其他生态用地分别减少53.64 km2和3 385.83 km2，草地生态用地和水域生态用地分别增加2 489.41 km2和707.11 km2. 该情景下城镇生活用地和农村生活用地均呈现增长的趋势，城镇生活用地增加535.83 km2，农村生活用地增加773.82 km2.
经济发展情景下，耕地受到保护，2060年农业生产用地减少趋势放缓，较2020年减少1 975.97 km2，同时工矿用地显著增加，增加面积为1 885.38 km2，但是生产空间面积依旧减少90.59 km2. 生态空间面积较2020年进一步减少，减少面积为802.60 km2，其中林地生态用地减少83.65 km2，其他生态用地减少3 774.43 km2，草地生态用地增加2 056.12 km2，水域生态用地增加999.36 km2. 生活空间增加面积为893.19 km2，城镇生活用地和农村生活用地分别增加530.28 km2和362.91 km2.
生态保护情景下，与其他2种情景生态空间减少不同，生态空间受到保护，2060年相较于2020年增加3 296.56 km2，除其他生态用地外，剩下3种生态用地均有增加，草地生态用地增加6 197.95 km2，水域生态用地增加1 391.3 km2，林地生态用地增加722.68 km2. 生活空间面积同样呈现上升趋势，到2060年共增加946.74 km2，城镇建设用地受到严格控制，仅增加209.39 km2. 该情景下，生产空间大幅度减少，大面积的耕地退耕还林还草，农业生产用地减少5 423.74 km2.
2.3 碳储量多情景评估 2.3.1 碳储量时空变化特征2000~2020年甘肃省碳储量空间分布呈现出显著的空间异质性（图 5）. 碳储量较高的区域主要分布在研究区的西侧、南部和东南侧，位于祁连山、甘南高原、陇南山地以及陇东盆地. 以上地区海拔相对较高或较低，城市化程度较低，植被覆盖度较高，用地类型以林地生态用地和草地生态用地为主. 碳储量的低值区域主要分布在河西走廊的荒漠、戈壁地区，用地类型以其他生态用地为主.
|
图 5 2000年、2010年和2020年甘肃省碳储量空间分布 Fig. 5 Spatial distribution of carbon stocks in Gansu Province in 2000, 2010, and 2020 |
对2000年和2020年两期碳储量数据进行差值叠加后，将2000~2020年碳储量的空间变化分为3类：降低、保持和提高（图 6）. 大部分空间的碳储量保持相对稳定，提升区域主要位于河西走廊地区，特别是河流沿线，可能是由于生态系统修复工程使得流域生态系统得以改善，用地类型由其他类型用地向林地、草地和耕地转移，进而使得碳储量增加. 降低区域则主要位于城镇周边地区，由于城市化进程，大量草地和耕地转为城镇建设用地，造成以上地区碳储量的降低. 2000年、2010年和2020年甘肃省碳储量依次为405.54×106、406.90×106和405.92×106 t. 20 a间甘肃省碳储量的变化呈现倒“U”型趋势，2010年碳储量高于2000年和2020年，2020年碳储量高于2000年，总体上甘肃省碳储量呈现增长态势.
|
图 6 2000~2020年甘肃省碳储量空间变化 Fig. 6 Spatial variation of carbon storage in Gansu Province from 2000 to 2020 |
将3种不同情景下2030年和2060年的三生空间导入InVEST模型，获得2030年和2060年3种情景下的碳储量及动态变化（图 7）. 自然演化情景下，2030年和2060年碳储量分别为405.137×106 t和405.143×106 t. 2030年和2060年碳储量相较于往年均有所降低，2030年碳储量低于2060年，碳储量呈现“U”型变化趋势. 碳储量流失区域主要是城镇周边地区，主要是由于城镇周边的农业生产用地、林地和草地生态用地转化为碳密度值较小的城镇生活用地.
|
图 7 2030年和2060年甘肃省不同情景下的碳储量空间分布及变化 Fig. 7 Spatial distribution and change of carbon stocks in Gansu Province under different scenarios in 2030 and 2060 |
经济发展情景下，碳储量变化趋势与自然演化情景相似，同样呈现“U”型趋势，但是该情景下不透水表面的各类用地相较于自然演化情景进一步增加，导致碳储量损失更为严重，该情景碳储量为3种情景中最少. 相较于2020年，2030年碳储量降低1.43×106 t，2060年损失1.10×106 t碳储量.
生态保护情景下，碳储量呈现上升趋势，且为情景预测中最高. 相较于2020年，2030年碳储量增加0.03×106 t，2060年增加值达到1.09×106 t. 大部分区域碳储量基本保持稳定，碳储量降低区域相较其他两种情景明显较少，零星分布在城镇周边. 在严格的生态保护政策和建设用地管控等条件下，更多其他生态用地转向草地、林地和水域生态用地.
2.4 不同情景三生空间碳储量冷热点分析将3种情景下的碳储量进行全局自相关分析，结果显示2060年3种情景下的碳储量均呈现空间集聚现象，自然演化情景、经济发展情景和生态保护情景的Moran's I依次为0.898 2、0.897 2和0.895 9，相较于2020年的0.903 6均有所下降，这表明未来碳储量的空间分布将更为均衡，相对而言生态保护情景下的碳储量分布较为均衡. 冷热点分析表明（图 8），未来不同情景下的碳储量热点和冷点分布区域差异较小，3种情景结果较为相似. 99%置信度的热点区域主要是西部祁连山地区、南部甘南高原和陇南山地以及东部庆阳盆地，以林地、草地和耕地为主，是农牧交错区. 95%置信度的热点区域主要是中南部地区，主要是定西北部、白银南部和天水西部地区，是甘肃省重要的粮食产地[44]. 99%置信度的冷点区域全部位于河西走廊地区，集中连片特征明显，是河西走廊地区广大戈壁或荒漠地区. 95%置信度的冷地区域靠近99%置信度的冷点区域分布. 不同情景对比来看，生态保护情景的冷点区域小于其他两个情景，这表明更多的其他生态用地转化为草地、林地和水域生态用地.
|
图 8 2030年和2060年甘肃省不同情景下的碳储量热点分析 Fig. 8 Hotspot analysis of carbon stocks in Gansu Province under different scenarios in 2030 and 2060 |
甘肃省三生空间演变是多种因素共同驱动的结果[35，45，46]. 与城镇化水平较高的地区主要是以城镇生活用地和工矿生产用地扩张挤压其他类型用地不同[30]，甘肃省三生空间转化的类型主要是农业生产用地、其他生态用地和草地生态用地之间的转化. 已有研究表明2000~2020年土地利用变化是甘肃省陆地生态系统碳储量变化的主要因素[33]. 甘肃省通过生态修复工程将其他生态用地转化为草地和林地等生态用地是增加碳储量的有效方式[47，48]. 具体而言，2000~2020年期间甘肃省实施退耕还林还草、祁连山国家自然保护区设立、草地恢复与荒漠化防治、西北防沙林建立和水系治理等林-草-沙综合治理方案，有效增加了甘肃省碳储量. 通过林-草-沙综合治理方案，河西走廊很多内流河流域水系贯通和水量增大，进而增加流域绿洲面积[46]. 随着绿洲面积的扩张，其他生态用地转化为草地生态用地和农业生产用地都将造成碳储量提升，这表明未来干旱区和半干旱区的碳汇具有较大的提升潜力[49，50].
对比甘肃省不同情景2030年和2060年三生空间转型对应的碳储量变化（图 9），发现不同情景下各用地类型的碳储量变化较为剧烈. 自然发展情景下2060年碳储量总量比2030年略微升高，但各用地类型的碳储量变化较为明显. 农业生产用地、其他生态用地和林地生态用地的碳储量呈现下降趋势，其他用地呈现上升趋势. 经济发展情景下的碳储量总量增加趋势较缓，这可能是因为农业生产用地和林地生态用地下降. 生态保护情景下的碳储量增长较为明显，但是增速小于除其他生态用地以外生态用地，这是由于农业生产用地和其他生态用地下降，其他用地类型上升造成的.
|
1表示2030年自然演化情景，2表示2060年自然演化情景，3表示2030年经济发展情景，4表示2060年经济发展情景，5表示2030年生态保护情景，6表示2060年生态保护情景 图 9 2030年和2060年不同情景甘肃省各用地类型碳储量 Fig. 9 Carbon stocks on land use types in Gansu Province under different scenarios in 2030 and 2060 |
通过探析三生空间转型对碳储量的影响，基于“山水林田湖草沙冰”治理综合体理念，结合三生空间转型规律，针对不同的空间类型制定相应的国土空间用途管制措施，寻求增加碳储量的途径[34，35，47].
3.2.1 保护并扩大现有草地和林地生态用地规模草地和林地生态空间具有较高的碳密度值，甘肃省碳储量增加主要来源于综合生态修复工程实施造成的林地和草地生态用地扩张. 因此，甘肃省可继续提升祁连山、甘南山地和陇南山地等地区的生态系统服务能力，提高林地和草地生态用地提供的碳储量.
3.2.2 保护耕地，提升农业生产用地固碳能力农业生产用地是甘肃省除林地和草地生态用地外第三大碳汇空间，但是耕地面积不断减少，导致农业生产用地的碳储量不断减少. 在农业生产用地的保护上，一方面是规模控制，严守5.14万km2（约7 703万亩）耕地保有量目标，另一方面则是提升农业生产用地的质量，因地制宜地探索低碳化和绿色的农业生产方式.
3.2.3 集约高效，控制城镇生活用地规模通过城镇开发边界和村庄建设边界控制城镇和农村生活用地规模，严防生活空间挤占生态空间和农业生产空间. 推进城市蓝绿结合，优化城市蓝绿基础设施配置，引导造林空间向城镇空间布局，构建城市蓝绿网络格局.
3.3 不足与展望研究基于2000年、2010年和2020年土地利用数据，利用PLUS模型模拟2030年和2060年甘肃省的三生空间结构与分布，每期间隔10 a可能导致空间转型及其碳储量变化趋势存在一定误差. 同时，利用PLUS模型对于未来土地利用的模拟还存在一定误差，邻域权重和转移矩阵的确定存在一定的主观性；InVEST模型是根据不同土地利用类型的碳密度值进行计算，而碳密度值的计算与修正和实际碳密度值相比有一定差异. 此外，三生空间转型虽然是碳储量变化的主导因素，但是气候变化同样会对区域碳储量产生一定影响. 未来研究可以从不同尺度，不同时间跨度对三生空间转型与碳储量响应进行探讨，同时可以优化碳密度值计算与修正方法，构建更加科学合理的碳储量衡量方法，为“双碳”目标提供技术支持.
4 结论（1）甘肃省三生空间分异特征较为明显. 生态空间占比最大，分布最广；生活空间占比最小，零散分布，南多北少；生产空间多分布于生活空间附近. 三生空间转型较为剧烈，以“林-田-草-沙”之间的转化为主. 三生空间结构以其他生态用地、草地生态用地和农业生产用地为主. 农业生产用地和其他生态用地持续减少，草地生态用地和林地生态用地明显增加，城镇生活用地、农村生活用地和工矿生产用地增长趋势明显.
（2）自然演化情景下2060年生产空间减少1 066.70 km2，生态空间减少242.95 km2，生活空间增加1 309.65 km2. 经济发展情景下2060年城镇生活用地和工矿生产用地需求明显增加，生态空间减少802.60 km2. 生态保护情景下2060年生态空间呈现增长态势，其中其他生态用地大幅减少，林地、草地和水域生态用地均有增加，草地生态用地增长明显.
（3）碳储量高值区域主要分布在甘肃省西侧和南部，主要位于祁连山、甘南高原、陇南山地以及陇东盆地；低值区域主要分布在河西走廊的荒漠或戈壁地区. 2000~2020年甘肃省碳储量呈现先增加后降低的倒“U”型变化趋势. 自然演化情景的碳储量变化呈现出先减少后增加的“U”型趋势；经济发展情景的碳储量变化趋势与自然演化情景相似，碳储量总量有所降低；生态保护情景的碳储量最高，呈现持续增长趋势.
（4）甘肃省碳储量高值区和热点区集聚分布在祁连山地、甘南高原、陇南山地和庆阳东部地区，低值区和冷点区主要分布在河西走廊地区，位于酒泉、张掖北部和武威民勤附近. 2060年自然演化情景、经济发展情景和生态保护情景的碳储量均呈现空间集聚现象，但3种情景下的碳储量的空间分布相较于2020年更为均衡.
| [1] |
陈广生, 田汉勤. 土地利用/覆盖变化对陆地生态系统碳循环的影响[J]. 植物生态学报, 2007, 31(2): 189-204. Chen G S, Tian H Q. Land use/cover change effects on carbon cycling in terrestrial ecosystems[J]. Journal of Plant Ecology (Chinese Version), 2007, 31(2): 189-204. DOI:10.3321/j.issn:1005-264X.2007.02.003 |
| [2] |
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, 65(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]. Science China Life Sciences, 2022, 65(5): 861-895. |
| [3] | Mendoza-Ponce A, Corona-Núñez R, Kraxner F, et al. Identifying effects of land use cover changes and climate change on terrestrial ecosystems and carbon stocks in Mexico[J]. Global Environmental Change, 2018, 53: 12-23. DOI:10.1016/j.gloenvcha.2018.08.004 |
| [4] | Bryan B A, Gao L, Ye Y Q, et al. China's response to a national land-system sustainability emergency[J]. Nature, 2018, 559(7713): 193-204. DOI:10.1038/s41586-018-0280-2 |
| [5] | Zhao J F, Liu D S, Zhu Y J, et al. A review of forest carbon cycle models on spatiotemporal scales[J]. Journal of Cleaner Production, 2022, 339. DOI:10.1016/j.jclepro.2022.130692 |
| [6] | Villa F, Bagstad K J, Voigt B, et al. A methodology for adaptable and robust ecosystem services assessment[J]. PLoS One, 2014, 9(3). DOI:10.1371/journal.pone.0091001 |
| [7] | Field C B, Randerson J T, Malmström C M. Global net primary production: combining ecology and remote sensing[J]. Remote Sensing of Environment, 1995, 51(1): 74-88. DOI:10.1016/0034-4257(94)00066-V |
| [8] | Tallis H, Polasky S. Mapping and valuing ecosystem services as an approach for conservation and natural-resource management[J]. Annals of the New York Academy of Sciences, 2009, 1162(1): 265-283. DOI:10.1111/j.1749-6632.2009.04152.x |
| [9] | Sherrouse B C, Semmens D J, Clement J M. An application of social values for ecosystem services (SolVES) to three national forests in Colorado and Wyoming[J]. Ecological Indicators, 2014, 36: 68-79. DOI:10.1016/j.ecolind.2013.07.008 |
| [10] |
朱文博, 张静静, 崔耀平, 等. 基于土地利用变化情景的生态系统碳储量评估——以太行山淇河流域为例[J]. 地理学报, 2019, 74(3): 446-459. Zhu W B, Zhang J J, Cui Y P, et al. Assessment of territorial ecosystem carbon storage based on land use change scenario: a case study in Qihe River Basin[J]. Acta Geographica Sinica, 2019, 74(3): 446-459. |
| [11] |
赫晓慧, 徐雅婷, 范学峰, 等. 中原城市群区域碳储量的时空变化和预测研究[J]. 中国环境科学, 2022, 42(6): 2965-2976. He X H, Xu Y T, Fan X F, et al. Temporal and spatial variation and prediction of regional carbon storage in Zhongyuan Urban Agglomeration[J]. China Environmental Science, 2022, 42(6): 2965-2976. DOI:10.3969/j.issn.1000-6923.2022.06.052 |
| [12] |
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. |
| [13] |
黄晶, 薛东前, 董朝阳, 等. 干旱绿洲农业区土地利用转型生态环境效应及分异机制——基于三生空间主导功能判别视角[J]. 地理科学进展, 2022, 41(11): 2044-2060. Huang J, Xue D Q, Dong C Y, et al. Eco-environmental effects and spatial differentiation mechanism of land use transition in agricultural areas of arid oasis: a perspective based on the dominant function of production-living-ecological spaces[J]. Progress in Geography, 2022, 41(11): 2044-2060. |
| [14] | 许伟. "三生空间"的内涵、关系及其优化路径[J]. 东岳论丛, 2022, 43(5): 126-134. |
| [15] |
黄安, 许月卿, 卢龙辉, 等. "生产-生活-生态"空间识别与优化研究进展[J]. 地理科学进展, 2020, 39(3): 503-518. Huang A, Xu Y Q, Lu L H, et al. Research progress of the identification and optimization of production-living-ecological spaces[J]. Progress in Geography, 2020, 39(3): 503-518. |
| [16] |
段亚明, 黄安, 卢龙辉, 等. "生产-生活-生态"空间的概念与理论研究[J]. 中国农业大学学报, 2023, 28(4): 170-182. Duan Y M, Huang A, Lu L H, et al. Analysis on concept and theories of "Production-Living-Ecological" spaces[J]. Journal of China Agricultural University, 2023, 28(4): 170-182. |
| [17] |
刘继来, 刘彦随, 李裕瑞. 中国"三生空间"分类评价与时空格局分析[J]. 地理学报, 2017, 72(7): 1290-1304. Liu J L, Liu Y S, Li Y R. Classification evaluation and spatial-temporal analysis of "production-living-ecological" spaces in China[J]. Acta Geographica Sinica, 2017, 72(7): 1290-1304. |
| [18] |
王乐, 熊昌盛, 田宇, 等. 中国"三生"空间功能异质性评价、时空演变及分区调控[J]. 农业工程学报, 2024, 40(10): 265-275. Wang L, Xiong C S, Tian Y, et al. Spatial heterogeneity in functional evaluation, spatio-temporal evolution and zoning schemes of production-living-ecological space in China[J]. Transactions of the Chinese Society of Agricultural Engineering, 2024, 40(10): 265-275. DOI:10.11975/j.issn.1002-6819.202401123 |
| [19] |
董冬, 罗毅, 顾康康. "三生空间"视角下长三角城市群土地利用转型生态环境效应时空分异及驱动力[J]. 长江流域资源与环境, 2023, 32(8): 1664-1676. Dong D, Luo Y, Gu K K. Spatio-temporal differentiation and driving forces of eco-environmental effects of land use transformation in Yangtze River delta economic zone: a perspective of "production-living-ecological" spaces[J]. Resources and Environment in the Yangtze Basin, 2023, 32(8): 1664-1676. |
| [20] |
赵瑞, 刘学敏. 京津冀都市圈"三生"空间时空格局演变及其驱动力研究[J]. 生态经济, 2021, 37(4): 201-208. Zhao R, Liu X M. Analysis on spatial-temporal changes and driving forces of "production-living-ecological" spaces in Beijing-Tianjin-Hebei metropolitan area[J]. Ecological Economy, 2021, 37(4): 201-208. |
| [21] |
颜俊君, 佟涛, 马泉来, 等. 近30年来河南省国土"三生"空间转型特征及其情景模拟[J]. 水土保持研究, 2024, 31(4): 374-382, 394. Yan J J, Tong T, Ma Q L, et al. Spatial transformation characteristics and scenario simulation for 'production-living-ecology' space of Henan Province's land in the last 30 years[J]. Research of Soil and Water Conservation, 2024, 31(4): 374-382, 394. |
| [22] | Liao G T, He P, Gao X S, et al. Land use optimization of rural production-living-ecological space at different scales based on the BP-ANN and CLUE-S models[J]. Ecological Indicators, 2022, 137. DOI:10.1016/j.ecolind.2022.108710 |
| [23] | Fu J Y, Bu Z Q, Jiang D, et al. Sustainable land use diagnosis based on the perspective of production-living-ecological spaces in China[J]. Land Use Policy, 2022, 122. DOI:10.1016/j.landusepol.2022.106386 |
| [24] | Yin Y T, Xi F R. Simulation of the evolution track of future production-living-ecological space under the framework of comprehensive assessment of climate change: a case study of Heilongjiang Province, China[J]. Environmental Technology & Innovation, 2023, 30. DOI:10.1016/j.eti.2023.103129 |
| [25] |
熊健, 卢柯, 姜紫莹, 等. 碳达峰、碳中和"目标下国土空间规划编制研究与思考[J]. 城市规划学刊, 2021(4): 74-80. Xiong J, Lu K, Jiang Z Y, et al. Study and thoughts on territorial spatial planning under the goal of "carbon emissions peak and carbon neutrality"[J]. Urban Planning Forum, 2021(4): 74-80. |
| [26] | Zhang H B, Zhang X H. Land use structural optimization of Lilin based on GMOP-ESV[J]. Transactions of Nonferrous Metals Society of China, 2011, 21: s738-s742. DOI:10.1016/S1003-6326(12)61672-0 |
| [27] |
刘杰, 刘学录, 刘星雨, 等. 武山县生态系统服务价值时空变化分析[J/OL]. 甘肃农业大学学报, https://link.cnki.net/urlid/62.1055.S.20231206.1006.017. Liu J, Liu X L, Liu X Y, et al. Temporal and spatial changes of ecosystem service value in Wushan County[J/OL]. Journal of Gansu Agricultural Universily, https://link.cnki.net/urlid/62.1055.S.20231206.1006.017. |
| [28] | Kirby M G, Zawadzka J, Scott A J. Ecosystem service multifunctionality and trade-offs in English Green Belt peri-urban planning[J]. Ecosystem Services, 2024, 67. DOI:10.1016/j.ecoser.2024.101620 |
| [29] | Sasmito S D, Taillardat P, Clendenning J N, et al. Effect of land-use and land-cover change on mangrove blue carbon: a systematic review[J]. Global Change Biology, 2019, 25(12): 4291-4302. DOI:10.1111/gcb.14774 |
| [30] |
王伟武, 伏添乐, 陈欢. 基于PLUS-InVEST模型的长三角城市群碳储量时空演变与预测[J]. 环境科学, 2025, 46(4): 1937-1950. Wang W W, Fu T L, Chen H. Spatial-temporal evolution and prediction of carbon storage in the Yangtze River Delta urban agglomeration based on PLUS-InVEST model[J]. Environmental Science, 2025, 46(4): 1937-1950. |
| [31] |
周佳佳, 刘宇, 奉莉君, 等. 土地利用变化背景下浙中地区生态系统碳储量变化模拟与影响因素分析[J]. 环境科学, 2024, 45(10): 5957-5969. Zhou J J, Liu Y, Feng L J, et al. Simulating changes in ecosystem carbon storage and analyzing influencing factors in the central Zhejiang under the background of LUCC[J]. Environmental Science, 2024, 45(10): 5957-5969. |
| [32] |
杨雪荻, 白永平, 车磊, 等. 甘肃省生态安全时空演变特征及影响因素解析[J]. 生态学报, 2020, 40(14): 4785-4793. Yang X D, Bai Y P, Che L, et al. Spatio-temporal evolution and influencing factors of ecological security pattern in Gansu Province[J]. Acta Ecologica Sinica, 2020, 40(14): 4785-4793. |
| [33] |
冯永忠, 尹振良, 王凌阁, 等. 1980—2020年气候和土地利用变化对甘肃省陆地生态系统碳储量的影响[J]. 中国沙漠, 2023, 43(4): 168-179. Feng Y Z, Yin Z L, Wang L G, et al. The impacts of climate change and land use change on terrestrial ecosystem carbon storage of Gansu province from 1980 to 2020[J]. Journal of Desert Research, 2023, 43(4): 168-179. |
| [34] | Liu J M, Pei X T, Yu W J, et al. How much carbon storage will loss in a desertification area? Multiple policy scenario analysis from Gansu Province[J]. Science of the Total Environment, 2024, 913. DOI:10.1016/j.scitotenv.2023.169668 |
| [35] |
刘佳楠, 姬广兴, 高红凯, 等. 基于PLUS模型的河南省"三生空间"多情景模拟及生态环境效应分析[J]. 环境科学, 20225, 46(2): 990-1001. Liu J N, Ji G X, Gao H K, et al. Multi-scenario simulation and eco-environmental effect analysis of production-living-ecological space in Henan Province based on PLUS model[J]. Environmental Science, 20225, 46(2): 990-1001. |
| [36] | 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 |
| [37] |
李琛, 高彬嫔, 吴映梅, 等. 基于PLUS模型的山区城镇景观生态风险动态模拟[J]. 浙江农林大学学报, 2022, 39(1): 84-94. Li C, Gao B P, Wu Y M, et al. Dynamic simulation of landscape ecological risk in mountain towns based on PLUS model[J]. Journal of Zhejiang A & F University, 2022, 39(1): 84-94. |
| [38] |
王保盛, 廖江福, 祝薇, 等. 基于历史情景的FLUS模型邻域权重设置——以闽三角城市群2030年土地利用模拟为例[J]. 生态学报, 2019, 39(12): 4284-4298. Wang B S, Liao J F, Zhu W, et al. The weight of neighborhood setting of the FLUS model based on a historical scenario: a case study of land use simulation of urban agglomeration of the Golden Triangle of Southern Fujian in 2030[J]. Acta Ecologica Sinica, 2019, 39(12): 4284-4298. |
| [39] |
黄贞斌, 李红波. 武汉城市圈土地利用及生态系统服务价值时空演变多情景模拟[J]. 长江流域资源与环境, 2023, 32(12): 2542-2557. Huang Z B, Li H B. Multi-scenario simulation of temporal-spatial evolution of land uses and ecosystem services in Wuhan urban agglomeration[J]. Resources and Environment in the Yangtze Basin, 2023, 32(12): 2542-2557. |
| [40] |
王森, 彭立. 权衡生态保护与经济发展的土地利用多情景模拟[J]. 生态学报, 2023, 43(23): 9938-9951. Wang S, Peng L. Land use multi-scenario simulation for balancing ecological protection and economic development[J]. Acta Ecologica Sinica, 2023, 43(23): 9938-9951. |
| [41] |
王子尧, 孟露, 李倞, 等. 低碳发展背景下北京市土地利用与生态系统服务多情景模拟研究[J]. 生态学报, 2023, 43(9): 3571-3581. Wang Z Y, Meng L, Li L, et al. Multi-scenario simulation of land use and ecosystem services in Beijing under the background of low-carbon development[J]. Acta Ecologica Sinica, 2023, 43(9): 3571-3581. |
| [42] |
刘化, 潘玉君, 林晓婉, 等. 河南中原城市群多情景土地利用优化与碳储量评估[J]. 西北林学院学报, 2024, 39(3): 221-230. Liu H, Pan Y J, Lin X W, et al. Multi-scenario land use optimization and carbon storage evaluation in central plains City cluster of Henan Province[J]. Journal of Northwest Forestry University, 2024, 39(3): 221-230. DOI:10.3969/j.issn.1001-7461.2024.03.28 |
| [43] |
张平平, 李艳红, 殷浩然, 等. 中国南北过渡带生态系统碳储量时空变化及动态模拟[J]. 自然资源学报, 2022, 37(5): 1183-1197. Zhang P P, Li Y H, Yin H R, et al. Spatio-temporal variation and dynamic simulation of ecosystem carbon storage in the north-south transitional zone of China[J]. Journal of Natural Resources, 2022, 37(5): 1183-1197. |
| [44] | Guo Z C, Xie Y W, Guo H, et al. Do the ecosystems of Gansu Province in Western China's crucial ecological security barrier remain vulnerable? Evidence from remote sensing based on geospatial analysis[J]. Journal of Cleaner Production, 2023, 402. DOI:10.1016/j.jclepro.2023.136740 |
| [45] |
田超, 程琳琳, 邵盈钞. 京津冀地区城市三生空间碳代谢效率特征及演进模式[J]. 环境科学, 2024, 45(3): 1254-1264. Tian C, Cheng L L, Shao Y C. Efficiency characteristics and evolution patterns of urban carbon metabolism of production-living-ecological space in Beijing-Tianjin-Hebei region[J]. Environmental Science, 2024, 45(3): 1254-1264. |
| [46] | Yin Z L, Feng Q, Zhu R, et al. Analysis and prediction of the impact of land use/cover change on ecosystem services value in Gansu Province, China[J]. Ecological Indicators, 2023, 154. DOI:10.1016/j.ecolind.2023.110868 |
| [47] |
王梓洋, 张学斌, 李雪红. 石羊河流域"三生"空间演变对碳固存和碳排放的影响机制[J]. 环境科学, 2025, 46(4): 2047-2056. Wang Z Y, Zhang X B, Li X H. Influence mechanism of spatial evolution of "production-living-ecological" on carbon sequestration and carbon emission in Shiyang River Basin[J]. Environmental Science, 2025, 46(4): 2047-2056. |
| [48] |
傅楷翔, 贾国栋, 余新晓, 等. 耦合PLUS-InVEST-Geodector模型的新疆地区碳储量时空变化及驱动机制分析[J]. 环境科学, 2025, 46(2), doi: 10.13227/j.hjkx.202309230. (正式出版以后补充页码) Fu K X, Jia G D, Yu X X, et al. Analysis of temporal and spatial carbon stock changes and driving mechanism in Xinjiang region by coupled PLUS-InVEST-Geodector model[J]. Environmental Science, 2025, 46(2), doi: 10.13227/j.hjkx.202309230. |
| [49] |
孔君洽, 杜泽玉, 杨荣, 等. 荒漠绿洲农田垦殖过程中耕层土壤碳储量演变特征[J]. 应用生态学报, 2019, 30(1): 180-188. Kong J Q, Du Z Y, Yang R, et al. Evolutionary characteristics of soil organic carbon storage in soil plough layer under a cropland reclamation process in desert oasis[J]. Chinese Journal of Applied Ecology, 2019, 30(1): 180-188. |
| [50] |
屈颂杰, 韩玲, 黄馨, 等. 未来不同情景下陕西省碳储量的时空演变分析[J]. 环境科学, 2024, 45(8): 4683-4695. Qu S J, Han L, Huang X, et al. Analysis of the spatiotemporal evolution of carbon reserves in Shaanxi Province under different scenarios in the future[J]. Environmental Science, 2024, 45(8): 4683-4695. |