禹康康，王延華, 2, 3*，孫 恬，田甲鳴

太湖流域土地利用碳排放變化及其預(yù)測①

禹康康1，王延華1, 2, 3*，孫 恬1，田甲鳴1

(1 南京師范大學(xué)地理科學(xué)學(xué)院，南京 210023；2 江蘇省地理信息資源開發(fā)與利用協(xié)同創(chuàng)新中心，南京 210023；3 南京師范大學(xué)虛擬地理環(huán)境教育部重點(diǎn)實(shí)驗(yàn)室，南京 210023)

太湖流域地處長三角中心區(qū)域，人類活動劇烈導(dǎo)致生態(tài)環(huán)境退化和碳排放量上升。為探究土地利用變化對碳排放量的影響，利用ArcGIS軟件，結(jié)合土地利用轉(zhuǎn)移概率矩陣，依據(jù)2000年、2005年、2010年和2020年4期太湖流域遙感影像數(shù)據(jù)，對太湖流域各歷史時(shí)期 (2000—2020年) 不同土地利用類型下碳排放進(jìn)行了分析。同時(shí)，為預(yù)測土地利用變化對流域碳收支的影響，借助IDRISI軟件對2030—2040年土地利用進(jìn)行模擬，采用碳收支系數(shù)估算法對流域土地利用/覆被變化及其碳排放進(jìn)行了預(yù)測。研究結(jié)果表明，太湖流域碳凈排放量呈現(xiàn)逐年增加的趨勢，不同土地利用方式下碳排放量不同，其中建設(shè)用地對碳排放量貢獻(xiàn)最大，遠(yuǎn)超耕地，且呈現(xiàn)不斷增加趨勢。預(yù)測結(jié)果顯示，2030—2040年碳排放強(qiáng)度趨于平緩走向，說明產(chǎn)業(yè)結(jié)構(gòu)逐步調(diào)整，治理措施已見成效。

太湖流域；土地利用轉(zhuǎn)移概率矩陣；馬爾科夫(Markov)預(yù)測模型；碳收支；碳排放變化

近些年來關(guān)于土地利用/覆被變化(LUCC) 的研究一直是熱點(diǎn)問題，研究涉及LUCC對水環(huán)境、土壤、大氣等諸多方面的影響，大多聚焦于對LUCC的空間分布以及變化過程進(jìn)行評估、預(yù)測和影響分析[1]。隨著人類活動強(qiáng)度和廣度的增加，LUCC對碳庫的影響逐漸受到關(guān)注[2]。據(jù)報(bào)道，由LUCC引起的碳排放量占人類活動碳排放總量的1/3[3]，對溫室效應(yīng)貢獻(xiàn)率約為24%[4]。我國CO2排放量呈逐年增長趨勢，對世界碳排放總量的貢獻(xiàn)居于第二位[5]，面臨著巨大的環(huán)境壓力。特別是21世紀(jì)以來，太湖流域社會經(jīng)濟(jì)飛速發(fā)展，建設(shè)用地不斷擴(kuò)張，擠占其他土地利用類型的空間，土地利用類型的變化刺激了碳排放[6]。目前研究大多是基于統(tǒng)計(jì)學(xué)和文獻(xiàn)薈萃的方法，選用碳排放系數(shù)進(jìn)行分析[7-8]，對流域土地利用變化趨勢下碳排放量預(yù)測及對碳達(dá)峰時(shí)間的響應(yīng)研究較少。為響應(yīng)國家“碳達(dá)峰”和“碳中和”戰(zhàn)略目標(biāo)，引導(dǎo)流域低碳發(fā)展，本文通過對太湖流域2000—2020年土地利用數(shù)據(jù)進(jìn)行動態(tài)度、狀態(tài)指數(shù)和轉(zhuǎn)移概率計(jì)算，量化流域不同歷史時(shí)期土地利用變化導(dǎo)致的碳排放變化，并在此基礎(chǔ)上，應(yīng)用馬爾科夫模型預(yù)測2030—2040年期間土地利用碳排放量的變化趨勢，以給出流域土地利用管理建議與碳減排對策，為太湖流域土地利用規(guī)劃的制訂提供依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

太湖流域位于長三角地區(qū)，河網(wǎng)密集，東北向與長江連通(圖1)。流域行政區(qū)劃上包含江蘇省蘇、錫、常三市和丹陽市，浙江省嘉興市、湖州市和杭州部分縣，上海市的大部分及安徽省小部分縣區(qū)，流域總面積約36 900 km2[9]。結(jié)合國家土地利用現(xiàn)狀分類(GB/T21010—2017)[10]，將太湖流域土地利用類型分為5大類：耕地、林地、草地、水域和建設(shè)用地。流域80% 的平原區(qū)以耕地和建設(shè)用地為主[11]。近年來，隨著社會經(jīng)濟(jì)發(fā)展和城鎮(zhèn)化率的提高，太湖流域人地矛盾和生態(tài)環(huán)境問題日益嚴(yán)峻[12]。

圖1 太湖流域區(qū)位圖

1.2 數(shù)據(jù)來源與不確定性分析

本文基于2000年、2005年、2010年和2020年4期30 m×30 m太湖流域土地利用數(shù)據(jù)(國家基礎(chǔ)地理信息中心全球地表覆蓋數(shù)據(jù)產(chǎn)品服務(wù)網(wǎng)站，http://www.globeland30.org)，采用ArcGIS10.6進(jìn)行空間配準(zhǔn)和疊置分析，在IDRISI 17.0軟件中制作適宜性圖集[13]，進(jìn)行模擬及碳收支估算。本文采用的碳排放系數(shù)來源：建設(shè)用地、耕地、林地的碳排放系數(shù)為國家自然資源部[14]公布的系數(shù)值，草地碳匯系數(shù)出自文獻(xiàn)[15-16]對中國陸地植被碳匯的估算，是中國草地年均碳匯與總面積的比值，水域碳匯系數(shù)來自文獻(xiàn)[17]。建設(shè)用地碳排放源包括居住區(qū)取暖、交通尾氣排放、工礦用地工藝排放等；耕地碳排放源考慮化肥、農(nóng)藥、農(nóng)膜、農(nóng)機(jī)、柴油等的使用。

由于參數(shù)選取與取值會對研究結(jié)果產(chǎn)生不同程度的誤差，存在一定的不確定性，所以在估算前本文采用水晶球軟件Crystal Ball對參數(shù)進(jìn)行蒙特卡洛(Monte Carlo)不確定性分析[18]，定義假設(shè)：設(shè)定各排放因子的分布狀態(tài)是正態(tài)分布，然后對土地利用造成的總碳排放量進(jìn)行定義預(yù)測。軟件運(yùn)行10 000次假設(shè)實(shí)驗(yàn)，得到排放量正態(tài)分布曲線，置信區(qū)間取2.5% 的和97.5% 的值，兩者之差為平均值。相對正的隨機(jī)抽樣誤差由97.5% 處的值和平均值的差除以平均值得出，相對負(fù)的隨機(jī)抽樣誤差則由2.5% 處的值和平均值之差除以平均值得出。以某一年數(shù)據(jù)為例進(jìn)行分析計(jì)算出相對負(fù)的隨機(jī)抽樣誤差為–19.76%，相對正的隨機(jī)抽樣誤差為19.79%，因此，基于平均值的相對隨機(jī)誤差為–19.76% ～ +19.79%。

1.3 土地利用與碳排放算法

1.3.1 土地利用動態(tài)度算法 單一土地利用動態(tài)度[19]是描述不同土地利用類型在一定時(shí)間段內(nèi)的變化速度和幅度的指標(biāo)，能直觀反映某一土地利用類型相對于自身變化程度和速度的劇烈性，進(jìn)而反映出人類活動對單一土地利用類型的影響，算法見公式(1)。利用此模型可對研究區(qū)內(nèi)各種土地利用類型之間的變化速度作分析比較。

式中：為研究時(shí)段內(nèi)單一土地利用動態(tài)度(%)，若為正值，則該類土地面積有增大趨勢，反之有減少趨勢；1和2是研究期初和期末某一土地類型數(shù)量(hm2)；為研究時(shí)段(a)。

土地利用狀態(tài)指數(shù)[20]能夠反映土地利用類型轉(zhuǎn)換趨勢和狀態(tài)，計(jì)算公式見式(2)。

式中：D為研究時(shí)段內(nèi)第種土地利用類型的狀態(tài)指數(shù)；轉(zhuǎn)入為土地利用類型的轉(zhuǎn)入速度，轉(zhuǎn)出為土地利用類型的轉(zhuǎn)出速度。

1.3.2 碳收支系數(shù)與計(jì)量方法 太湖流域碳收支系數(shù)見表1，其中正為碳排放，負(fù)為碳吸收。土地利用碳排放與吸收量計(jì)算方法[21]如式(3)。

式中：C為第種土地利用類型的碳吸收量或碳排放量(t)；為第種土地利用類型的面積(hm2)；為第種土地利用類型的碳吸收/排放系數(shù)(t/(hm2·a) )。

表1 土地利用碳收支系數(shù)(t/(hm2·a))

1.3.3 土地利用預(yù)測方法 本文采用IDRISI 17.0軟件進(jìn)行LUCC預(yù)測分析，預(yù)測流程如圖2所示。將數(shù)據(jù)在ArcGIS中標(biāo)準(zhǔn)化處理后導(dǎo)入IDRISI中重分類。運(yùn)用IDRISI對CA-Markov模型整體精度進(jìn)行評估[22]，精度結(jié)果為0.89，可用于預(yù)測。

太湖流域坡度范圍為0 ～ 82°，高坡度區(qū)集中于西南方向的山地和丘陵，呈現(xiàn)周邊高中間低的凹形地勢。由于西南向的高坡度區(qū)會對土壤侵蝕及水土流失產(chǎn)生較大影響進(jìn)而影響污染物遷移，考慮利用坡度來避免演變方向朝不適宜坡度區(qū)發(fā)展，故本研究選取坡度作為土地利用類型適宜性圖集評價(jià)因子。制作耕地適宜性圖采用最小因子決定法。太湖流域適合耕地作業(yè)的坡度為<15°，將坡度用重分類工具分為0和1兩類(作為MCE多準(zhǔn)則評價(jià)標(biāo)準(zhǔn)方法之一的布爾交集運(yùn)算中，1代表滿足需要區(qū)域，0代表除此之外的區(qū)域)，水域?yàn)榉歉麉^(qū)，設(shè)為0，代表限制耕地向水域發(fā)展，疊加得到除去水域后適宜耕地發(fā)展的適宜性圖。同理考慮適合建設(shè)用地發(fā)展的坡度為<10°；草地和林地滿足所有坡度條件。將得到的各適宜性圖組合成研究區(qū)適宜性圖集。隨后在Markov模塊中導(dǎo)入各時(shí)期土地利用圖，誤差因子設(shè)為0.15，得到不同時(shí)期各土地利用類型轉(zhuǎn)移概率矩陣。在CA-Markov模塊中導(dǎo)入初始土地利用圖和轉(zhuǎn)移概率矩陣，元胞自動機(jī)迭代次數(shù)為年份間隔的整數(shù)倍，從而得預(yù)測年份土地利用圖。

圖2 土地利用預(yù)測流程

1.3.4 馬爾科夫(Markov)預(yù)測模型 Markov預(yù)測是一種定量揭示各土地利用類型之間相互轉(zhuǎn)化和轉(zhuǎn)移速率變化的模型[23]。確定土地利用類型間相互轉(zhuǎn)化的初始轉(zhuǎn)移概率矩陣是模型的關(guān)鍵[24]，其數(shù)學(xué)表達(dá)式為公式(4)。

式中：為期初到期末一種土地類型轉(zhuǎn)為另一種類型的概率，為土地利用類型的數(shù)量，和要滿足公式(5)的條件。

因此，所要預(yù)測的土地利用的狀態(tài)概率向量()，由其初始土地利用狀態(tài)概率向量(–1)和轉(zhuǎn)移概率矩陣確定[25-26]，具體見公式(6)。

2 結(jié)果與分析

2.1 太湖流域土地利用變化特征及動態(tài)度

2000—2020年，太湖流域土地利用類型變化最大的是建設(shè)用地和耕地(圖3)。在此期間，建設(shè)用地和水域面積分別增長了87.66% 和22.35%，耕地和林地面積分別減少了25.61% 和9.38%。

土地利用動態(tài)度結(jié)果表明，兩個(gè)時(shí)間段內(nèi)草地、水域和建設(shè)用地面積均有增加趨勢，林地和耕地面積有減少趨勢(圖4A)。草地動態(tài)度變化最大，從0.30% 變化到26.36%，動態(tài)度增加26.06個(gè)百分點(diǎn)；其次是建設(shè)用地，動態(tài)度從7.61% 變化到0.68%，減少6.93個(gè)百分點(diǎn)。草地呈現(xiàn)先轉(zhuǎn)出后轉(zhuǎn)入趨勢，林地呈現(xiàn)先轉(zhuǎn)入后轉(zhuǎn)出趨勢，建設(shè)用地一直處于轉(zhuǎn)入狀態(tài)，相反耕地則一直處于轉(zhuǎn)出狀態(tài)(圖4B)。

土地利用轉(zhuǎn)移概率矩陣(表2)顯示，2000—2020年太湖流域各類用地之間互有轉(zhuǎn)換。其中，2000—2005年耕地主要轉(zhuǎn)入類型為建設(shè)用地和林地，主要轉(zhuǎn)出類型為建設(shè)用地和水域；建設(shè)用地主要轉(zhuǎn)入類型為耕地和水域，主要轉(zhuǎn)出類型為耕地；2005—2010年建設(shè)用地轉(zhuǎn)為耕地的概率與前5年持平，而耕地轉(zhuǎn)為建設(shè)用地的概率增加了0.4，說明這一時(shí)期城市化進(jìn)程在加快；2010—2020年，耕地轉(zhuǎn)為建設(shè)用地的概率降至0.23，相較于2005—2010年期間降低了0.02，而建設(shè)用地轉(zhuǎn)為耕地的概率增至0.32，增幅較大，推測可能與國家實(shí)施建設(shè)用地管控及基本農(nóng)田保護(hù)政策關(guān)系較大。

圖3 2000—2020年太湖流域不同土地利用類型面積占比變化(%)

圖4 單一土地利用動態(tài)度及土地利用狀態(tài)指數(shù)

表2 土地利用轉(zhuǎn)移概率矩陣

各時(shí)間段內(nèi)土地利用變化面積與變化率見表3。建設(shè)用地面積年變化率較大且始終為正，說明建設(shè)用地面積持續(xù)在增加，近10年來增幅有放緩趨勢，說明政府對建設(shè)用地的管控收到了效果；與之相反的是耕地面積年變化率較大且為負(fù)，持續(xù)在減少，近10年來降幅變緩；草地年變化率由負(fù)轉(zhuǎn)正，面積由減少轉(zhuǎn)變?yōu)樵黾?，可能與退耕還草和湖濱帶建設(shè)有關(guān)；林地呈現(xiàn)先增加后減少趨勢，變化幅度不大；水域面積緩慢增加，可能與流域調(diào)水有關(guān)。綜上，近20年來人類活動對太湖流域耕地和建設(shè)用地影響最大，對林地、草地和水域也有不同程度影響。該研究結(jié)果與土地利用狀態(tài)指數(shù)變化指示結(jié)果一致。

表3 太湖流域土地利用類型變化幅度

2.2 2030—2040年太湖流域土地利用預(yù)測

為預(yù)測太湖流域2030—2040年土地利用類型，本研究構(gòu)建CA-Markov預(yù)測模型并采用2000—2005年土地利用圖對2010年進(jìn)行預(yù)測，輸出結(jié)果與2010年實(shí)際土地利用作疊置分析來進(jìn)行精度檢驗(yàn)[27]：運(yùn)用ArcGIS中的“相交”模塊和IDRISI的“CROSSTAB”模塊，進(jìn)行Kappa系數(shù)檢驗(yàn)。從表4和圖5對比結(jié)果可知，CA-Markov模型 Kappa系數(shù)為0.85，模擬結(jié)果精度較高，與實(shí)測值差別較小。

2030年和2040年土地利用預(yù)測分別依據(jù)2010—2020年和2020—2030年土地利用數(shù)據(jù)結(jié)合CA- Markov模型模擬得到。2030—2040年太湖流域土地利用預(yù)測圖如圖6所示，預(yù)計(jì)草地、水域和建設(shè)用地處于增長狀態(tài)，林地和耕地處于不斷減少狀態(tài)。

表4 2010年土地利用實(shí)際與模擬結(jié)果對比

2.3 基于土地利用的流域碳收支歷史變化及其發(fā)展趨勢

由土地利用類型轉(zhuǎn)移矩陣結(jié)合碳排放系數(shù)發(fā)現(xiàn)，各地類間轉(zhuǎn)移碳排放量與轉(zhuǎn)向地類碳匯能力相關(guān)。對太湖流域整個(gè)研究期土地利用造成的碳排放轉(zhuǎn)移情況進(jìn)行分析，結(jié)果(表5)表明，建設(shè)用地轉(zhuǎn)出導(dǎo)致碳匯增加最大，林地轉(zhuǎn)出導(dǎo)致碳流失最多。林地是主要的碳匯地類，向建設(shè)用地和耕地轉(zhuǎn)移使得碳匯減少。雖然碳源地類向碳匯地類進(jìn)行轉(zhuǎn)化，但是不及建設(shè)用地?cái)U(kuò)張的速度以及各碳匯地類向建設(shè)用地轉(zhuǎn)換的速度。

圖5 2010年土地利用類型實(shí)際分布和模擬結(jié)果對比

圖6 CA-Markov模擬下的2030—2040年土地利用圖及面積占比

表5 2000—2040年各土地利用類型碳排放轉(zhuǎn)移矩陣(t)

從太湖流域2000—2040年各土地利用類型碳排放量(表6)可知，2000—2020年，建設(shè)用地碳排放量增加了2 948.05萬t，在碳源中的比例從97.68% 增加到2020年的99.07%，對凈碳排放量貢獻(xiàn)率增幅較小(98.97% ～ 99.82%)；耕地碳排放量從79.43萬t減少到59.09萬t，減少了25.61%。耕地在2000年和2020年碳源中的比例分別為2.32% 和0.93%，建設(shè)用地的貢獻(xiàn)率遠(yuǎn)超耕地。2020—2040年，建設(shè)用地碳排放量增加426.83萬t，總體呈現(xiàn)上升趨勢，對碳源的貢獻(xiàn)較大(99.07% ～ 99.26%)；耕地碳排放量減少8.95萬t，對碳源的貢獻(xiàn)為0.74% ～ 0.93%。在碳匯方面，2000—2020年，水域、林地和草地吸收對碳匯的貢獻(xiàn)分別為47.97% ～ 55.35%、44.41% ～ 51.96% 和0.06% ～ 0.23%；2020—2040年，分別為55.35% ～ 63.94%、35.37% ～ 44.41% 和0.24% ～ 0.69%。

表6 太湖流域2000—2040年各土地利用類型碳排放量(萬t)

碳源、碳匯差值即碳收支[28]。太湖流域2000—2040年各土地利用類型的碳收支見表7。2000—2020年，太湖流域土地利用凈碳排放量增長了0.87倍(3 379.77萬t ～ 6 719.70萬t)，碳源/碳匯的比值升高了0.75倍(76.19 ～ 133.77)。林地、草地和水域具有碳匯作用，因該階段其面積變化不大導(dǎo)致流域碳匯變化較小。碳源變幅較大，主要是由于2000年以來經(jīng)濟(jì)迅猛發(fā)展，城鎮(zhèn)化進(jìn)程加快，導(dǎo)致建設(shè)用地不斷擴(kuò)張帶來碳排放量增加。從模型預(yù)測的結(jié)果可以看出，太湖流域2020年以后碳排放量增速比較緩慢，凈碳排放量呈現(xiàn)緩慢上升趨勢，說明未來國家的管控政策和人們對于環(huán)境保護(hù)的重視程度將越來越大。

表7 太湖流域2000—2040年各土地利用類型碳源碳匯量(萬t)

地均碳排放強(qiáng)度指的是研究區(qū)域單位土地面積上的凈碳排放量，該值大小反映了研究區(qū)域內(nèi)土地利用的環(huán)境友好性，在一定土地面積下，該值越小，即單位土地面積上的碳排放強(qiáng)度越小，研究區(qū)域內(nèi)的環(huán)境越友好[29]。2000—2020年，太湖流域地均碳排放強(qiáng)度整體呈上升趨勢(9.34 ～ 17.42 t/hm2)，說明土地利用環(huán)境友好性不斷下降；但2020年以后上升速度放緩，碳排放強(qiáng)度走向不斷趨于平緩甚至下降(圖7)。

3 討論

為應(yīng)對氣候變化，習(xí)主席在聯(lián)合國大會上提出“2030年前實(shí)現(xiàn)碳達(dá)峰，2060年前實(shí)現(xiàn)碳中和[30]”的目標(biāo)，這也是“十四五”的重點(diǎn)任務(wù)。太湖流域耕地和建設(shè)用地占主導(dǎo)，耕地面積逐年下降，建設(shè)用地處于不斷擴(kuò)張狀態(tài)。隨著城市進(jìn)程發(fā)展，城市擴(kuò)張速度不斷減緩，本預(yù)測結(jié)果顯示，太湖流域由土地利用類型變化所導(dǎo)致的碳排放量處于不斷平穩(wěn)的狀態(tài)，預(yù)計(jì)在2030—2040年間達(dá)到土地利用的碳達(dá)峰。要實(shí)現(xiàn)碳達(dá)峰和碳中和下的未來土地利用變化目標(biāo)需求，可通過構(gòu)建土地利用結(jié)構(gòu)優(yōu)化線性模型，制定模糊約束條件，結(jié)合LINGO軟件求解碳排放量最小化目標(biāo)下各決策變量最優(yōu)解，進(jìn)而得到響應(yīng)碳達(dá)峰的各土地利用面積，來優(yōu)化流域土地利用格局。

圖7 地均碳排放強(qiáng)度

太湖流域土地利用變化同時(shí)受三省一市國土空間規(guī)劃管控，規(guī)劃重心都落在“劃定永久基本農(nóng)田、明確城鄉(xiāng)建設(shè)用地集約利用”上。在2021年5月30日的中國城市規(guī)劃學(xué)會議中，有學(xué)者提出未來太湖流域藍(lán)綠空間應(yīng)不低于68%，河湖水面率增至22%，以太湖為生態(tài)核心區(qū)，構(gòu)建長三角一體化示范區(qū)水網(wǎng)生態(tài)廊道。土地利用碳排放增加的重要原因是建設(shè)用地?cái)U(kuò)張導(dǎo)致非建設(shè)用地縮減，本研究預(yù)測顯示，到2040年太湖流域建設(shè)用地、林草地和水域面積分別占28.43%、19.43% 和14.71%，實(shí)現(xiàn)藍(lán)綠空間目標(biāo)任重而道遠(yuǎn)?；诖?，一是建議政府部門對國土空間格局有計(jì)劃地調(diào)控，按碳減排和碳增匯目標(biāo)合理規(guī)劃各類用地發(fā)展，適當(dāng)將建設(shè)用地向其他用地轉(zhuǎn)移，及時(shí)評估未來建設(shè)用地?cái)U(kuò)張所產(chǎn)生的碳排放，同時(shí)也結(jié)合還林還草政策，規(guī)劃林草地和水域的修復(fù)保護(hù)；二是人類活動作為土地利用碳排放變化的重要驅(qū)動力，可通過植樹造林、提倡節(jié)能減排等措施來抵消碳源產(chǎn)生的碳排放量，實(shí)現(xiàn)“零排放”。

4 結(jié)論

1)2000年以來，太湖流域耕地不斷減少，耕地面積從59.30% (2000年)降低到44.12% (2020年)；建設(shè)用地不斷擴(kuò)張，面積從14.18% (2000年)增加到26.63% (2020年)，各類用地間轉(zhuǎn)換速率逐年變化。

2)Markov模型預(yù)測結(jié)果表明，到2040年太湖流域耕地面積進(jìn)一步降低至37.43%，建設(shè)用地面積小幅增至28.43%，水域和草地仍處于增長狀態(tài)，林地面積不斷下降。

3)太湖流域碳排放總量和凈碳排放量均逐年增加，不同土地利用方式碳排放量不同，建設(shè)用地貢獻(xiàn)最大(>95%)。碳排放強(qiáng)度趨于平緩，預(yù)測未來環(huán)境治理水平日漸提高，土地利用結(jié)構(gòu)優(yōu)化已見成效。

[1] 鄭榮寶, 盧潤開, 唐曉蓮, 等. 1998—2016年全球LUCC研究進(jìn)展與熱點(diǎn)分析[J]. 華僑大學(xué)學(xué)報(bào)(自然科學(xué)版), 2017, 38(5): 591–601.

[2] 付超, 于貴瑞, 方華軍, 等. 中國區(qū)域土地利用/覆被變化對陸地碳收支的影響[J]. 地理科學(xué)進(jìn)展, 2012, 31(1): 88–96.

[3] Houghton R A. The annual net flux of carbon to the atmosphere from changes in land use 1850-1990[J]. Tellus B: Chemical and Physical Meteorology, 1999, 51(2): 298–313.

[4] Klein Goldewijk K, Ramankutty N. Land cover change over the last three centuries due to human activities: The availability of new global data sets[J]. GeoJournal, 2004, 61(4): 335–344.

[5] 莊貴陽. 低碳經(jīng)濟(jì)中國之選[J]. 中國石油石化, 2007 (13): 32–34.

[6] 余雪振. 武漢市土地利用變化碳排放效應(yīng)研究[D]. 武漢: 華中農(nóng)業(yè)大學(xué), 2013.

[7] 張若楠, 楊瑾. 陜西省土地利用碳排放與碳足跡研究[J]. 農(nóng)業(yè)與技術(shù), 2020, 40(5): 126–130.

[8] 鄭永超, 文琦. 寧夏自治區(qū)土地利用變化及碳排放效應(yīng)[J]. 水土保持研究, 2020, 27(1): 207–212.

[9] 歐維新, 劉翠, 陶宇. 太湖流域水供給服務(wù)供需時(shí)空演變分析[J]. 長江流域資源與環(huán)境, 2020, 29(3): 623–633.

[10] 中華人民共和國國家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局, 中國國家標(biāo)準(zhǔn)化管理委員會. 土地利用現(xiàn)狀分類: GB/T 21010— 2017[S]. 北京: 中國標(biāo)準(zhǔn)出版社, 2017.

[11] 高斌, 許有鵬, 王強(qiáng), 等. 太湖平原地區(qū)不同土地利用類型對水質(zhì)的影響[J]. 農(nóng)業(yè)環(huán)境科學(xué)學(xué)報(bào), 2017, 36(6): 1186–1191.

[12] 張倩玉. 太湖流域土地利用與水系變化及其對水質(zhì)的影響研究——以錫澄地區(qū)為例[D]. 南京: 南京大學(xué), 2016.

[13] 李函嬌. IDRISI支持的榆林多目標(biāo)土地利用變化預(yù)測[D]. 西安: 長安大學(xué), 2015.

[14] 中華人民共和國國土資源部. 低碳排放: 土地利用調(diào)控新課題[OL]. 2009-12-25(2021-06-17). http://www.mnr. gov.cn.

[15] 方精云, 郭兆迪, 樸世龍, 等. 1981—2000年中國陸地植被碳匯的估算[J]. 中國科學(xué)(D輯: 地球科學(xué)), 2007, 37(6): 804–812.

[16] 孫赫, 梁紅梅, 常學(xué)禮, 等. 中國土地利用碳排放及其空間關(guān)聯(lián)[J]. 經(jīng)濟(jì)地理, 2015, 35(3): 154–162.

[17] 趙榮欽, 黃賢金, 鐘太洋, 等. 區(qū)域土地利用結(jié)構(gòu)的碳效應(yīng)評估及低碳優(yōu)化[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2013, 29(17): 220–229.

[18] 鐘流舉, 鄭君瑜, 雷國強(qiáng), 等. 大氣污染物排放源清單不確定性定量分析方法及案例研究[J]. 環(huán)境科學(xué)研究, 2007, 20(4): 15–20.

[19] 王怡睿, 石培基, 張學(xué)斌, 等. 轉(zhuǎn)移流視角下甘州區(qū)土地利用動態(tài)變化及空間集聚特征[J]. 土壤, 2016, 48(4): 793–802.

[20] 陳西, 王延華, 蔡祖聰, 等. 常熟市水體氮負(fù)荷對土地利用方式的響應(yīng)[J]. 土壤, 2018, 50(4): 674–680.

[21] 周嘉, 王鈺萱, 劉學(xué)榮, 等. 基于土地利用變化的中國省域碳排放時(shí)空差異及碳補(bǔ)償研究[J]. 地理科學(xué), 2019, 39(12): 1955–1961.

[22] 張小松. 西寧市土地利用景觀格局演變及預(yù)測研究[D]. 北京: 中國地質(zhì)大學(xué)(北京), 2014.

[23] Luijten J C. A systematic method for generating land use patterns using stochastic rules and basic landscape characteristics: Results for a Colombian hillside watershed[J]. Agriculture, Ecosystems & Environment, 2003, 95(2): 427–441.

[24] 裴亮, 陳晨, 戴激光, 等. 基于馬爾科夫模型的大凌河流域土地利用/覆被變化趨勢研究[J]. 土壤通報(bào), 2017, 48(3): 525–531.

[25] 杜士強(qiáng), 陳志科, 晏玲, 等. 基于空間馬爾科夫模型對興隆山自然保護(hù)區(qū)土地利用/覆蓋變化趨勢的研究[J]. 北京師范大學(xué)學(xué)報(bào)(自然科學(xué)版), 2009, 45(2): 194–199, 221.

[26] 王水獻(xiàn), 董新光, 寇文. 馬爾柯夫過程預(yù)測焉耆盆地土地利用/覆被格局變化[J]. 干旱區(qū)資源與環(huán)境, 2007, 21(10): 28–33.

[27] 陳藜藜, 宋戈, 周浩, 等. 松嫩高平原土地利用變化分析及趨勢模擬——以黑龍江省巴彥縣為例[J]. 土壤通報(bào), 2017, 48(1): 61–69.

[28] 張鑫. 江蘇省土地利用碳排放時(shí)空演變研究[D]. 南京: 南京農(nóng)業(yè)大學(xué), 2017.

[29] 卞曉峰. 不同土地利用方式的碳排放和碳足跡研究——以中國30個(gè)省、自治區(qū)、直轄市為例[D]. 蘭州: 西北師范大學(xué), 2014.

[30] 黃潤秋. 把碳達(dá)峰碳中和納入生態(tài)文明建設(shè)整體布局[J]. 環(huán)境保護(hù), 2021, 49(22): 8–10.

Changes and Prediction of Carbon Emission from Different Land Use Types in Taihu Lake Basin

YU Kangkang1, WANG Yanhua1,2,3*, SUN Tian1, TIAN Jiaming1

(1 School of Geography, Nanjing Normal University, Nanjing 210023, China; 2 Jiangsu Center for Collaborative Innovation in Geographical Information Resource Development and Application, Nanjing 210023, China; 3 Key Laboratory of Virtual Geographic Environment of Ministry of Education, Nanjing Normal University, Nanjing 210023, China)

TheTaihu Lake basin is located in the central area of the Yangtze River Delta. Enhanced human activities has led to the degradation of ecological environment and the increase of carbon dioxide (CO2) emission. To explore the impact of land-use change on CO2budge, the ArcGIS software was used to analyze the CO2fluxes under different land use types in the Taihu Lake basin during 2000—2020. The remote sensing image data of 2000, 2005, 2010 and 2020 combined with the land use transfer probability matrix were compared. The IDRISI software was used to predict the land-use changes from 2030 to 2040. CO2emissions in the basin were calculated by CO2budget coefficient estimation method. The results showed that net CO2emission in the Taihu Lake basin has increased year by year. CO2flux is different under different land use types. Among them, the constructed land contributed the most to net CO2emission, far more than the farmland and with an increasing trend. The intensity of CO2emission showed a gentle trend during 2030—2040, reflecting the positive results of gradually adjusted industrial structure and controlled measures.

Taihu Lake basin; Land-use transfer probability matrix; Markov forecasting model; Carbon budge; CO2emission

F301.2

A

10.13758/j.cnki.tr.2022.02.026

禹康康, 王延華, 孫恬, 等. 太湖流域土地利用碳排放變化及其預(yù)測. 土壤, 2022, 54(2): 406–414.

國家自然科學(xué)基金項(xiàng)目(41673107)和江蘇省教育廳重大項(xiàng)目(20KJA170001)資助。

(wangyanhua@njnu.edu.cn)

禹康康(1997—)，男，山東德州人，碩士研究生，主要從事流域生態(tài)環(huán)境演變研究。E-mail: 201302021@njnu.edu.cn