赫曉慧,徐雅婷,范學(xué)峰,耿慶玲,田智慧

中原城市群區(qū)域碳儲(chǔ)量的時(shí)空變化和預(yù)測(cè)研究

赫曉慧1*,徐雅婷2,范學(xué)峰3,耿慶玲1,田智慧1

(1.鄭州大學(xué)地球科學(xué)與技術(shù)學(xué)院,河南 鄭州 450052；2.鄭州大學(xué)化學(xué)學(xué)院,河南 鄭州 450052；3.河南省氣象探測(cè)數(shù)據(jù)中心,河南 鄭州 450003)

為了有效評(píng)估中原城市群碳儲(chǔ)量,運(yùn)用灰色預(yù)測(cè)模型獲取動(dòng)態(tài)碳密度數(shù)據(jù),結(jié)合Dyna-CLUE模型和InVEST模型,動(dòng)態(tài)評(píng)估2005～2030年土地利用變化下不同情景的碳儲(chǔ)量演變特征,以及城市發(fā)展對(duì)碳儲(chǔ)量的影響.結(jié)果表明,2005～2020年中原城市群碳儲(chǔ)量分別為1689.59×106t、2035.36×106t、2066.34×106t和2093.05×106t,呈現(xiàn)持續(xù)增加趨勢(shì);2030年經(jīng)濟(jì)發(fā)展情景、生態(tài)保護(hù)情景和經(jīng)濟(jì)生態(tài)協(xié)調(diào)發(fā)展情景下碳儲(chǔ)量分別為2162.45×106t、2179.39×106t和2174.28×106t,經(jīng)濟(jì)發(fā)展情景下碳儲(chǔ)量最低,生態(tài)保護(hù)情景下碳儲(chǔ)量最高.碳儲(chǔ)量變化與土地利用面積變化密切相關(guān),主要表現(xiàn)為耕地面積的下降導(dǎo)致其碳儲(chǔ)量減少約250×106t,林地面積的擴(kuò)張導(dǎo)致其碳儲(chǔ)量增加約103.4×106t,建設(shè)用地的擴(kuò)張導(dǎo)致其碳儲(chǔ)量增加約87.77×106t;耕地和草地面積與總碳儲(chǔ)量呈較弱的負(fù)相關(guān)關(guān)系,林地、水域、建設(shè)用地和未利用地面積與總碳儲(chǔ)量呈較強(qiáng)的正相關(guān)關(guān)系.2005～2030年中原城市群30個(gè)城市的碳儲(chǔ)量分別為11.38×106t ～ 214.24×106t,碳儲(chǔ)量的變化反映出城市土地碳排放在2030年之前已經(jīng)達(dá)到峰值,且經(jīng)濟(jì)生態(tài)協(xié)調(diào)發(fā)展情景可能更適合未來(lái)城市發(fā)展的目標(biāo).

中原城市群；土地利用；Dyna-CLUE模型；InVEST模型；碳儲(chǔ)量

全球氣候變暖是國(guó)際社會(huì)廣泛關(guān)注的重要環(huán)境問(wèn)題[1].2009年以來(lái),中國(guó)已經(jīng)成為世界最大的碳排放國(guó),并貢獻(xiàn)了全球約27%的碳排放量[2-3].近幾十年來(lái),在社會(huì)經(jīng)濟(jì)高速發(fā)展的推動(dòng)下中國(guó)在達(dá)到碳排放高峰和減少碳排放方面面臨巨大壓力城市是人類對(duì)自然地理環(huán)境影響和改變最大的地方,其人口、經(jīng)濟(jì)和土地利用的變化是城市化過(guò)程中最顯著的特征,頻繁的人類活動(dòng)在很大程度上已經(jīng)對(duì)區(qū)域生態(tài)系統(tǒng)碳儲(chǔ)量構(gòu)成巨大威脅[4].土地利用變化是代表人類活動(dòng)的重要指標(biāo),能夠影響城的結(jié)構(gòu)和功能,是碳儲(chǔ)量變化的重要因素[5-6].

自1850年以來(lái),土地利用變化造成的碳損失已占全球溫室氣體排放量的三分之二左右[7].土地利用直接受到城市化進(jìn)程的影響,不同類型土地呈現(xiàn)出不同程度的空間變化和方向.為了最大限度地實(shí)現(xiàn)土地利用規(guī)劃和管理,Yang等[8]認(rèn)為生態(tài)安全方案下京津冀地區(qū)通過(guò)土地資源的再分配,能夠平衡城市化和生態(tài)建設(shè),為高質(zhì)量和綠色發(fā)展奠定堅(jiān)實(shí)的基礎(chǔ).碳儲(chǔ)量的損失是城市化和相關(guān)土地利用變化造成的一個(gè)重要結(jié)果,特別是在城市高度聚集區(qū)[9].為了進(jìn)一步有效捕捉土地利用變化和碳儲(chǔ)量之間的關(guān)系,Jiang等[10]發(fā)現(xiàn)耕地和綠地的減少是長(zhǎng)沙-株洲-湘潭城市集聚區(qū)碳儲(chǔ)量損失的最重要來(lái)源,主張將多種生態(tài)系統(tǒng)服務(wù)納入城市土地利用規(guī)劃,以實(shí)現(xiàn)可持續(xù)發(fā)展.Gao等[11]發(fā)現(xiàn)造成長(zhǎng)江三角洲城市聚集區(qū)碳儲(chǔ)量損失的主要因素是社會(huì)經(jīng)濟(jì)因素,尤其是耕地城市化.多項(xiàng)研究表明,耕地、植被和建設(shè)用地的面積變化確實(shí)會(huì)造成碳儲(chǔ)量的明顯增加或損失[12].

盡管許多學(xué)者在城市碳儲(chǔ)量評(píng)估方面取得了很大進(jìn)展,但仍存在一定的局限性.目前,學(xué)者們主要運(yùn)用單一的實(shí)測(cè)數(shù)據(jù)預(yù)測(cè)多年份的碳儲(chǔ)量,這種方法實(shí)際上固定了土地利用類型的碳密度,簡(jiǎn)化了碳循環(huán)過(guò)程[13-15].在土地利用實(shí)際變化中,土地碳密度隨時(shí)間的推移而獲得或失去碳[16],因此,本文將利用灰色預(yù)測(cè)模型來(lái)獲取研究期間的動(dòng)態(tài)碳密度,從而有效評(píng)估區(qū)域碳儲(chǔ)量.

中原城市群自提出以來(lái),人口規(guī)?？焖僭黾?建設(shè)用地面積急劇擴(kuò)張,能源消耗巨大,其高強(qiáng)度的碳排放是顯而易見(jiàn)的[17],巨大的用地需求將給區(qū)域內(nèi)土地供應(yīng)及實(shí)現(xiàn)綠色生態(tài)發(fā)展示范區(qū)的目標(biāo)帶來(lái)很大壓力[18].中原城市群作為一個(gè)正在成長(zhǎng)起來(lái)的城市群,為中國(guó)的城市化和經(jīng)濟(jì)發(fā)展做出巨大貢獻(xiàn)的同時(shí)[19],其碳儲(chǔ)量變化嚴(yán)重威脅區(qū)域的可持續(xù)發(fā)展.評(píng)估中原城市群土地利用變化對(duì)碳儲(chǔ)量的貢獻(xiàn)對(duì)于制定未來(lái)的土地利用政策,盡量減少經(jīng)濟(jì)發(fā)展和生態(tài)環(huán)境保護(hù)之間的矛盾,越來(lái)越有必要.

本研究的重點(diǎn)在于通過(guò)灰色預(yù)測(cè)模型獲取研究區(qū)多年份的動(dòng)態(tài)碳密度數(shù)據(jù),結(jié)合Dyna-CLUE模型和InVEST模型,動(dòng)態(tài)評(píng)估2005～2030年中原城市群經(jīng)濟(jì)發(fā)展情景、生態(tài)保護(hù)情景及經(jīng)濟(jì)生態(tài)協(xié)調(diào)發(fā)展情景下土地利用變化對(duì)碳儲(chǔ)量的影響及時(shí)空分布特征,分析區(qū)域發(fā)展對(duì)碳儲(chǔ)量的潛在影響,以便為區(qū)域可持續(xù)發(fā)展提供參考.

1 材料與方法

1.1 研究區(qū)概況和數(shù)據(jù)來(lái)源

中原城市群(31°21′N～37°47′N,110°14′E ～ 118°30′E)地處中國(guó)大陸中部地區(qū),包括河南省18個(gè)省轄市,以及河北省邯鄲市?邢臺(tái)市,山西省長(zhǎng)治市、晉城市、運(yùn)城市,安徽省宿州市、淮北市、阜陽(yáng)市、亳州市、蚌埠市,山東省聊城市、菏澤市,共30個(gè)地級(jí)市,國(guó)土面積28.7萬(wàn)km2(圖1).中原城市群地勢(shì)西高東低,由太行山?伏牛山、桐柏山、大別山沿省界呈半環(huán)形分布,地形主要以平原為主,經(jīng)濟(jì)發(fā)展受自然條件限制較小;分布有海河、黃河、淮河和長(zhǎng)江四大水系.

中原城市群獨(dú)特的地理位置形成了初步的經(jīng)濟(jì)發(fā)展格局,經(jīng)濟(jì)活動(dòng)主要集中在中東部平原地區(qū),大中小城市數(shù)量眾多,城鎮(zhèn)空間聚合形態(tài)較好,協(xié)調(diào)發(fā)展格局初步形成,正處于工業(yè)化城鎮(zhèn)化加速推進(jìn)階段.自上世紀(jì)起,以交通干線網(wǎng)絡(luò)為發(fā)展軸的中原城市群逐步形成,人口規(guī)?？焖僭黾?導(dǎo)致建設(shè)用地面積急劇擴(kuò)張,土地利用格局發(fā)生了較大變化.區(qū)域內(nèi)自然條件限制,加之人為活動(dòng),存在著水土流失嚴(yán)重、水資源短缺現(xiàn)象普遍以及生態(tài)系統(tǒng)退化等生態(tài)問(wèn)題,由此帶來(lái)生態(tài)系統(tǒng)服務(wù)下降、碳儲(chǔ)量功能脆弱等問(wèn)題,嚴(yán)重影響區(qū)域的可持續(xù)發(fā)展.

圖1 研究區(qū)地理位置概況

2005、2010、2015和2020年中國(guó)土地利用數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院資源環(huán)境科學(xué)數(shù)據(jù)中心(http: //www.Resdc.cn/),經(jīng)過(guò)裁剪、鑲嵌等得到中原城市群的土地利用圖,并將土地利用二級(jí)類合并為一級(jí)類,分別為耕地、林地、草地、水域、建設(shè)用地和未利用地六類,空間分辨率為1km.

本研究所選的土地利用變化驅(qū)動(dòng)因素包括地形、可達(dá)性和社會(huì)經(jīng)濟(jì)因素.地形數(shù)據(jù)來(lái)源于地理空間數(shù)據(jù)云(http: //www. gscloud.cn/),高程、坡度和坡向由DEM數(shù)據(jù)中提取得到.可達(dá)性因素包括河流、鐵路、公路、城鎮(zhèn)、農(nóng)村聚居地的距離,通過(guò)計(jì)算歐氏距離得到,河流、鐵路和公路數(shù)據(jù)來(lái)源于中國(guó)科學(xué)院東北地理與農(nóng)業(yè)生態(tài)研究所-東北亞資源環(huán)境大數(shù)據(jù)中心(http://www.igadc.cn),城鎮(zhèn)和農(nóng)村聚居地從土地利用二值圖中提取得到.

碳密度數(shù)據(jù)來(lái)源于國(guó)家生態(tài)科學(xué)中心(http: //www.cnern.org.cn/)和部分參考文獻(xiàn).

1.2 研究方法

1.2.1 土地利用格局預(yù)測(cè) Dyna-CLUE模型將土地利用變化的自上而下分配與特定土地利用轉(zhuǎn)換的自下而上確定相結(jié)合,在明確土地利用與驅(qū)動(dòng)因子間定量關(guān)系的基礎(chǔ)上,根據(jù)總概率的大小對(duì)土地利用需求進(jìn)行空間分配,能同時(shí)預(yù)測(cè)、模擬土地利用在數(shù)量和空間位置上的變化[20].Dyna-CLUE模型由土地政策與限制區(qū)域、土地利用類型轉(zhuǎn)換規(guī)則、土地需求、空間特征4個(gè)輸入模塊和1個(gè)空間分配模塊5部分組成.

(1)土地限制約束設(shè)定.本研究未設(shè)定限制區(qū)域,整個(gè)研究區(qū)的土地利用都允許發(fā)生改變.

(2)土地利用轉(zhuǎn)換規(guī)則,包括轉(zhuǎn)移彈性系數(shù)和轉(zhuǎn)移矩陣兩部分.轉(zhuǎn)移彈性系數(shù)主要受土地利用類型變化可逆性的影響,對(duì)于每種土地使用類型,用ELAS值代表變化的相對(duì)彈性,范圍從0到1,值越大表示穩(wěn)定性越高,發(fā)生轉(zhuǎn)變的概率越小.本文根據(jù)研究區(qū)2010～2020年土地利用變化特征和2030年不同發(fā)展情景的限制條件,得出2020年的彈性系數(shù)(表1)和2030年三種情景的彈性系數(shù)(表2).

轉(zhuǎn)移矩陣表示各地類間的轉(zhuǎn)移規(guī)則,0代表不能轉(zhuǎn)變,1代表可以轉(zhuǎn)變,本研究中將其全部設(shè)為1.

(3)空間特征.根據(jù)土地利用圖和驅(qū)動(dòng)因子數(shù)據(jù),運(yùn)用SPSS統(tǒng)計(jì)軟件進(jìn)行Logistic回歸分析,計(jì)算出各個(gè)土地利用類型在空間上的分布概率,即各種土地利用類型的空間分布適宜性.

表1 歷史模擬過(guò)程中各土地利用類型的ELAS值

表2 2030年不同情景下各土地利用類型的ELAS值

(4)土地利用需求.本研究以2010年和2020年兩期土地利用數(shù)據(jù)為基礎(chǔ),以10年為步長(zhǎng),利用Markov模型和線性內(nèi)插法獲取2020～2030年每年的土地利用需求[21].

(5)運(yùn)用Dyna-CLUE模型,基于2010年中原城市群土地利用格局,模擬得到2020年中原城市群土地利用圖,經(jīng)與2020年實(shí)際土地利用圖對(duì)比,Kappa指數(shù)為0.8316,模擬精度較高,表明模型適用于本研究的模擬需求.

(6)土地利用情景設(shè)置.根據(jù)《中原城市群發(fā)展規(guī)劃》和《河南省土地利用總體規(guī)劃(2006～2020)》等,本研究基于中原城市群發(fā)展的歷史趨勢(shì)和生態(tài)保護(hù)角度,結(jié)合Markov模型的預(yù)測(cè)結(jié)果和Dyna- CLUE模型,構(gòu)建了三種土地利用變化情景,并模擬其2030年的土地利用格局.

經(jīng)濟(jì)發(fā)展情景.從2010～2020年研究區(qū)土地變化轉(zhuǎn)移概率矩陣來(lái)看,建設(shè)用地主要是由耕地轉(zhuǎn)變而來(lái)的.在歷史發(fā)展趨勢(shì)的基礎(chǔ)上,該情景將建設(shè)用地自身的轉(zhuǎn)移概率提高10%,耕地向建設(shè)用地的轉(zhuǎn)移概率提高2%.

生態(tài)保護(hù)情景.該情景旨在加強(qiáng)對(duì)耕地、林地和水域等生態(tài)用地的保護(hù).因此,在該情景下,耕地自身的轉(zhuǎn)移速度降低2%,向林地的轉(zhuǎn)移概率提高3%,林地和水域自身的轉(zhuǎn)移概率分別提高10%和5%,建設(shè)用地自身的轉(zhuǎn)移速度僅提高5%.

經(jīng)濟(jì)生態(tài)協(xié)調(diào)發(fā)展情景.該情景的提出是基于“經(jīng)濟(jì)發(fā)展情景”和“生態(tài)保護(hù)情景”的比較結(jié)果.情景下,耕地自身的轉(zhuǎn)移概率降低4%,林地和建設(shè)用地自身的轉(zhuǎn)移概率都提高7%.

1.2.2 碳密度預(yù)測(cè)和評(píng)估 InVEST模型是美國(guó)自然資本項(xiàng)目組開(kāi)發(fā)的、用于評(píng)估生態(tài)系統(tǒng)服務(wù)功能量及其經(jīng)濟(jì)價(jià)值、支持生態(tài)系統(tǒng)管理和決策的一套模型.碳儲(chǔ)存模塊是InVEST模型估算陸地生態(tài)系統(tǒng)碳儲(chǔ)量和支持氣候調(diào)控功能的有效工具.碳儲(chǔ)量包括地上碳儲(chǔ)量、地下碳儲(chǔ)量、死亡有機(jī)質(zhì)碳儲(chǔ)量和土壤碳儲(chǔ)量.由于死亡有機(jī)質(zhì)碳庫(kù)數(shù)據(jù)難以獲取,故本文僅考慮三大碳庫(kù)碳儲(chǔ)量.總碳儲(chǔ)量計(jì)算公式如下[22]:

基于灰色系統(tǒng)理論構(gòu)建的灰色預(yù)測(cè)模型為單序列的一階線性動(dòng)態(tài)模型,是常用的一種灰色數(shù)列預(yù)測(cè)模型,該預(yù)測(cè)模型采用連續(xù)的灰色微分模型彌補(bǔ)了系統(tǒng)信息不完整和不準(zhǔn)確的缺點(diǎn),從而提高模型的精確度,實(shí)現(xiàn)對(duì)事物未來(lái)趨勢(shì)變化的預(yù)測(cè)[23].模型架構(gòu)步驟如下:

(1)設(shè)有原始序列:

表3 計(jì)算檢驗(yàn)參數(shù)結(jié)果

表4 模型精度檢驗(yàn)等級(jí)參照表[24]

表5 2005～2030年中原城市群各土地利用類型碳密度(t/hm2)

根據(jù)“2010s中國(guó)陸地生態(tài)系統(tǒng)碳密度數(shù)據(jù)集”[25]獲得研究區(qū)地上和土壤實(shí)測(cè)碳密度數(shù)據(jù),并以此為基礎(chǔ)數(shù)據(jù),運(yùn)用灰色預(yù)測(cè)模型,對(duì)地類的碳密度分別進(jìn)行碳密度預(yù)測(cè)和評(píng)價(jià)指標(biāo)計(jì)算,結(jié)果表明所建模型通過(guò)檢驗(yàn),且精度較高,可以用于研究.由于部分?jǐn)?shù)據(jù)缺失,無(wú)法構(gòu)成預(yù)測(cè)模型,因此將王海穩(wěn)[26]和李豪杰[27]研究中關(guān)于耕地的地上生物量和建設(shè)用地、未利用地的土壤有機(jī)碳密度運(yùn)用到整個(gè)研究中.地下生物量則根據(jù)地上地下植被的根莖比0.2進(jìn)行計(jì)算[28].

2 結(jié)果與分析

2.1 2005～2030年中原城市群土地利用變化

2020年中原城市群耕地、林地、草地、水域、建設(shè)用地和未利用地的土地覆蓋率分別達(dá)到63.74%、13.97%、6.15%、2.15%、13.96%和0.04%. 2005～2020年期間,中原城市群土地利用發(fā)生了劇烈變化,總體趨勢(shì)為耕地面積減少,林地和建設(shè)用地面積都有不同程度的增加,草地、水體和未利用地面積基本保持不變.根據(jù)2010～2020年土地利用轉(zhuǎn)移概率矩陣,我們預(yù)測(cè)了2030年經(jīng)濟(jì)發(fā)展情景、生態(tài)保護(hù)情景和經(jīng)濟(jì)生態(tài)協(xié)調(diào)發(fā)展情景下的土地利用格局.這種變化趨勢(shì)將從2020年持續(xù)到2030年,區(qū)別在于地類面積的變化速度.根據(jù)經(jīng)濟(jì)發(fā)展情景,建設(shè)用地?cái)U(kuò)張速度最快,占比達(dá)到17.02%,而耕地面積將有較大幅度的減少,大部分土地將轉(zhuǎn)化為建設(shè)用地.在生態(tài)保護(hù)情景下,林地?cái)U(kuò)張速度最快,面積占比達(dá)到15.9%,建設(shè)用地?cái)U(kuò)張速度最慢,面積僅有15.21%.在經(jīng)濟(jì)生態(tài)協(xié)調(diào)發(fā)展情景下,耕地的減少和林地、建設(shè)用地的擴(kuò)張速度有所放緩,面積分別達(dá)到60.34%、15.51%和16.02%(表6).

表6 2005～2020年歷史土地利用面積及2030年三種情景下預(yù)測(cè)面積(hm2)

圖2 2005～2020年及2030年中原城市群三種情景下土地利用格局

2030年土地利用格局與歷史土地利用格局具有相似的空間分布.耕地是占比最大的地類,占土地總面積的60%左右,較為集中地分布在中部和東部地區(qū).林地和草地主要分布在長(zhǎng)治、晉城、三門(mén)峽、洛陽(yáng)和南陽(yáng)等地,共占土地總面積的20%左右,建設(shè)用地是擴(kuò)張速度最快的地類,占土地總面積的16%左右,主要集中在城鎮(zhèn)中心,尤其是各地級(jí)市郊區(qū).中原城市群的水域指長(zhǎng)江、淮河、黃河和海河等四大流域,大多發(fā)源于西部、西北部和東南部山區(qū),占土地總面積的2%左右.未利用地是面積占比最少的地類(圖2).

2.2 2005～2030年中原城市群碳儲(chǔ)量變化

2005年、2010年、2015年和2020年中原城市群碳儲(chǔ)量分別為1689.59′106t、2035.36′106t、2066.34′106t和2093.05′106t,呈現(xiàn)持續(xù)增加的變化趨勢(shì);15年間碳儲(chǔ)量共增加403.46′106t,其碳密度也呈增加趨勢(shì),增加14.22t/hm2.其中,2005～2010年碳儲(chǔ)量和碳密度增幅最大,碳儲(chǔ)量增加345.77′106t,碳密度增加12.19t/hm2.2030年經(jīng)濟(jì)發(fā)展情景、生態(tài)保護(hù)情景和經(jīng)濟(jì)生態(tài)協(xié)調(diào)發(fā)展情景中的碳儲(chǔ)量分別為2162.45′106t、2179.39′106t和2174.28′106t.與2020年相比,2030年碳儲(chǔ)量在三種情景下分別有69.4′106t、86.34′106t和81.23′106t的碳增加,分別占2020年碳儲(chǔ)量的3.32%、4.12%和3.88%,碳密度分別增加2.45t/hm2、3.04t/hm2和2.86t/hm2(圖3).

就土地利用類型而言,不同土地利用類型對(duì)區(qū)域總碳儲(chǔ)量的貢獻(xiàn)值由大到小依次為:耕地、林地、建設(shè)用地、草地、水域和未利用地.耕地面積占區(qū)域總面積約60%,碳儲(chǔ)量占區(qū)域內(nèi)總碳儲(chǔ)量約66%,其面積呈下降趨勢(shì),但碳儲(chǔ)量仍然保持增長(zhǎng),是區(qū)域內(nèi)的重要碳庫(kù).林地總面積最大時(shí)僅占區(qū)域內(nèi)總面積的約15%,但碳儲(chǔ)量占區(qū)域總碳儲(chǔ)量的約21%,其增長(zhǎng)的碳儲(chǔ)量是碳儲(chǔ)量總收益的1.13倍,是區(qū)域內(nèi)最重要的碳庫(kù).從時(shí)間上看,根據(jù)區(qū)域發(fā)展的三種情景,這些趨勢(shì)將從2020年持續(xù)到2030年.2020～2030年三種情景下,耕地?草地和未利用地的碳儲(chǔ)量呈下降趨勢(shì),而林地、水域和建設(shè)用地碳儲(chǔ)量則呈上升趨勢(shì).林地和建設(shè)用地碳儲(chǔ)量增長(zhǎng)明顯,是碳增長(zhǎng)的重要來(lái)源(表7).

表7 2005～2030年中原城市群不同土地利用類型碳儲(chǔ)量(×106t)

2.3 土地利用類型與總碳儲(chǔ)量的相關(guān)性分析

為探究土地利用變化對(duì)研究區(qū)內(nèi)碳儲(chǔ)量變化的影響,本文計(jì)算了2005年至2030年中原城市群各土地利用類型面積變化與碳儲(chǔ)量的相關(guān)性.在三種情景下,各地類與總碳儲(chǔ)量的相關(guān)性趨勢(shì)一致(圖4).耕地和草地面積與總碳儲(chǔ)量呈現(xiàn)負(fù)相關(guān)關(guān)系,且相關(guān)性都在0.2以下,主要原因是碳密度隨時(shí)間的變化而不同,面積變化導(dǎo)致不同年份間的碳儲(chǔ)量變化不存在明顯的線性關(guān)系.林地、水域、建設(shè)用地和未利用地面積與總碳儲(chǔ)量相關(guān)系數(shù)均大于0.8,呈現(xiàn)正相關(guān)關(guān)系,主要原因是地類面積的增加,提高了土壤中的固碳量.其中,建設(shè)用地和未利用地面積與總碳儲(chǔ)量的相關(guān)系數(shù)在三種情景都達(dá)到1,呈現(xiàn)出兩者間的強(qiáng)相關(guān)性,表明經(jīng)濟(jì)活動(dòng)對(duì)碳儲(chǔ)量的影響顯著.

2.4 中原城市群區(qū)域碳儲(chǔ)量

為進(jìn)一步探究研究區(qū)內(nèi)碳儲(chǔ)量的分布模式,本文對(duì)中原城市群30個(gè)城市的碳儲(chǔ)量進(jìn)行分析.2005年,城市的碳儲(chǔ)量為11.38′106t～168.38′106t,此后城市碳儲(chǔ)量持續(xù)增長(zhǎng),2020年城市的碳儲(chǔ)量為13.61′106t～201.39′106t,2030年三種情景下城市的碳儲(chǔ)量為14.31′106t～214.24′106t.碳儲(chǔ)量高值區(qū)域主要分布在西部伏牛山脈、南部大別山脈和北部太行山脈,如洛陽(yáng)市、南陽(yáng)市、信陽(yáng)市、長(zhǎng)治市和運(yùn)城市等,所述區(qū)域植被覆蓋度高,固碳能力較強(qiáng),達(dá)到100′106t以上;碳儲(chǔ)量低值區(qū)域主要分布在中東部丘陵和平原地區(qū),以鶴壁市、漯河市、濟(jì)源市和淮北市為典型代表,2005～2030年碳儲(chǔ)量都處在20′106t以下.碳儲(chǔ)量由西向東逐漸減少,表現(xiàn)出極大的不均衡性,這種碳儲(chǔ)量的空間分布格局與人類活動(dòng)和植被覆蓋度密切相關(guān)(圖6).

圖5 2005～2030年中原城市群30個(gè)城市的碳儲(chǔ)量變化

圖6 2005～2030年中原城市群碳儲(chǔ)量空間分布

根據(jù)市級(jí)碳儲(chǔ)存的變化,2005～2020年期間,除了邯鄲市碳儲(chǔ)量在2020年有小幅下降外,其他29個(gè)城市的碳儲(chǔ)量都有所增加,共增加403.46′106t,以南陽(yáng)市、信陽(yáng)市、駐馬店市、長(zhǎng)治市和運(yùn)城市為主的城市碳增量共占總碳增量的30%左右.2020～2030年,僅有聊城市在經(jīng)濟(jì)發(fā)展情景下的碳儲(chǔ)量減少0.26′106t.而其他29個(gè)城市在三種情景下碳儲(chǔ)量都保持增長(zhǎng)趨勢(shì),碳增長(zhǎng)量為0.08′106t～12.85′106t,以南陽(yáng)市?洛陽(yáng)市、三門(mén)峽市、晉城市、運(yùn)城市和信陽(yáng)市為主的城市碳增量達(dá)到了總碳增量的70%左右,是碳儲(chǔ)量增長(zhǎng)的重要組成部分.

就具體情景而言,生態(tài)保護(hù)情景由于對(duì)耕地、林地、草地和水域等生態(tài)用地的照顧,其碳儲(chǔ)量收益最大.造成這種情況的主要原因是該情景通過(guò)限制城市空間的無(wú)序擴(kuò)張來(lái)保護(hù)生態(tài)系統(tǒng),減少了建設(shè)用地侵占造成的碳儲(chǔ)量損失,增加了生態(tài)系統(tǒng)空間恢復(fù)帶來(lái)的碳儲(chǔ)量收益[29],尤其長(zhǎng)治市、運(yùn)城市、南陽(yáng)市、信陽(yáng)市和駐馬店市等城市碳儲(chǔ)量達(dá)到100′106t以上.與此相反,經(jīng)濟(jì)發(fā)展情景以經(jīng)濟(jì)的快速發(fā)展為主要目標(biāo),促進(jìn)了對(duì)建設(shè)用地的需求,經(jīng)歷了更多的碳儲(chǔ)量損失和更少的碳儲(chǔ)量收益,這使得碳儲(chǔ)量略有下降,尤其濟(jì)源市、鶴壁市、淮北市和漯河市等城市碳儲(chǔ)量在20′106t以下,增長(zhǎng)明顯緩慢(圖5).

3 討論

3.1 不同情景下的碳儲(chǔ)量變化

生態(tài)系統(tǒng)碳儲(chǔ)量的變化預(yù)測(cè)為揭示未來(lái)土地利用變化與碳儲(chǔ)量的演變提供了新的思路.本研究進(jìn)一步考慮了生態(tài)系統(tǒng)碳儲(chǔ)量中碳密度的動(dòng)態(tài)變化,這使得研究結(jié)果更加合理.碳密度是估算和預(yù)測(cè)生態(tài)系統(tǒng)碳儲(chǔ)量的重要基礎(chǔ).在本研究中,耕地、林地、草地和水域碳密度呈增加趨勢(shì),建設(shè)用地和未利用地碳密度由于采用同一個(gè)數(shù)據(jù)而無(wú)法產(chǎn)生年際變化.其中,林地的碳密度最高,其次是耕地和建設(shè)用地.林地在陸地生態(tài)系統(tǒng)中發(fā)揮著至關(guān)重要的碳匯功能,2000年以來(lái)退耕還林為區(qū)域的碳排放提供了強(qiáng)有力的緩解,這也是區(qū)域堅(jiān)持恢復(fù)天然森林植被、加強(qiáng)人工林培育取得的巨大成果[30-31],中原城市群在經(jīng)濟(jì)迅速發(fā)展的同時(shí),植被覆蓋度的提高是這一時(shí)期生態(tài)系統(tǒng)碳儲(chǔ)量增加的重要因素.

研究結(jié)果表明,2005～2030年土地利用的主要變化是建設(shè)用地?cái)U(kuò)張、耕地退化和林地?cái)U(kuò)張,但變化的力度因情況而異.經(jīng)濟(jì)發(fā)展情景的建設(shè)用地面積收益最大,耕地面積損失最大,而生態(tài)保護(hù)情景在林地面積上收益最大.相應(yīng)地,由土地利用動(dòng)態(tài)導(dǎo)致的區(qū)域碳儲(chǔ)量也將發(fā)生變化,根據(jù)土地利用轉(zhuǎn)化對(duì)碳儲(chǔ)量的影響分析和相關(guān)性分析,碳儲(chǔ)量收益主要是由于林地和建設(shè)用地的擴(kuò)張,且與總碳儲(chǔ)量的正相關(guān)性最高達(dá)到了0.97和1;碳儲(chǔ)量損失主要是由于高碳密度土地被侵占造成的,被侵占的地類主要是耕地,耕地減少的碳儲(chǔ)量達(dá)到了總碳增量的一半左右.

此外,研究還發(fā)現(xiàn)不同情景之間的碳儲(chǔ)量變化也是不同的,這主要是由于每個(gè)情景模擬目的性的不同.經(jīng)濟(jì)發(fā)展情景旨在保持甚至加快當(dāng)前的發(fā)展情勢(shì),不考慮后續(xù)政策和自然災(zāi)害,導(dǎo)致建設(shè)用地明顯擴(kuò)大,碳儲(chǔ)量增長(zhǎng)緩慢,尤其是聊城市、淮北市、濮陽(yáng)市、漯河市和鄭州市等,增長(zhǎng)的碳儲(chǔ)量在0.5′106t以下.相比之下,生態(tài)保護(hù)情景在區(qū)域發(fā)展中更加注重生態(tài)環(huán)境的保護(hù),減緩甚至可能扭轉(zhuǎn)部分地區(qū)環(huán)境惡化的趨勢(shì),而且太行山地生態(tài)功能保護(hù)區(qū)、南水北調(diào)中線工程水源區(qū)生態(tài)功能保護(hù)區(qū)和淮河源生態(tài)功能保護(hù)區(qū)的限制,在一定程度上抑制了人類活動(dòng)對(duì)植被的破壞[26],生態(tài)的良性發(fā)展極大地促進(jìn)區(qū)域生態(tài)保護(hù),有利于促進(jìn)植被的恢復(fù).經(jīng)濟(jì)生態(tài)協(xié)調(diào)發(fā)展情景在促進(jìn)經(jīng)濟(jì)發(fā)展的同時(shí),緩解了城市的擴(kuò)張速度,更符合建設(shè)綠色生態(tài)發(fā)展示范區(qū)的戰(zhàn)略地位.

3.2 區(qū)域發(fā)展對(duì)碳儲(chǔ)量的影響

2000年以來(lái),中原地區(qū)逐漸形成了以鄭州大都市化為核心的特大型城市群,碳儲(chǔ)量呈現(xiàn)逐年遞增趨勢(shì)和西高東低、由北向南呈半環(huán)形的空間分布格局,這在一定程度上反應(yīng)了區(qū)域內(nèi)生態(tài)系統(tǒng)服務(wù)功能有所提高[14].從2006年《中原城市群總體發(fā)展規(guī)劃綱要》的提出,到2016年中原城市群的正式成立,極大推動(dòng)了研究區(qū)的經(jīng)濟(jì)發(fā)展,區(qū)域內(nèi)建設(shè)用地急劇擴(kuò)張,不斷侵占其他土地利用類型,導(dǎo)致碳儲(chǔ)量發(fā)生不同程度的增減.同時(shí),涉及天然林保護(hù)工程的洛陽(yáng)市、三門(mén)峽市、濟(jì)源市和南陽(yáng)市等地,天然林資源實(shí)現(xiàn)持續(xù)穩(wěn)定增長(zhǎng),為中原城市群生態(tài)系統(tǒng)碳儲(chǔ)量的增加提供了一定的保證.

為了改善我國(guó)生態(tài)環(huán)境,達(dá)到減少碳排放量和提高碳儲(chǔ)存的目的,中國(guó)承諾在2030年之前達(dá)到碳排放峰值,并爭(zhēng)取在2060年前實(shí)現(xiàn)碳中和,提高國(guó)家自主貢獻(xiàn)力[32].土地使用變化是影響碳排放的關(guān)鍵因素[33],土地利用方式的變化直接影響到碳儲(chǔ)存,并隨后影響一個(gè)地區(qū)的碳排放,根據(jù)政府間氣候變化專門(mén)委員會(huì)(IPCC)的研究,由土地使用變化引起的二氧化碳排放約占總排放量的11%左右,僅次于化石燃料的燃燒[34].中原城市群作為中國(guó)經(jīng)濟(jì)發(fā)展新的增長(zhǎng)極,以碳儲(chǔ)量的變化來(lái)反映城市的碳排放情況,這可能對(duì)優(yōu)化城市規(guī)劃產(chǎn)生積極的影響并為區(qū)域可持續(xù)發(fā)展做出貢獻(xiàn).

根據(jù)三種情景下碳儲(chǔ)量的變化,碳儲(chǔ)量增長(zhǎng),說(shuō)明城市的碳排放在減少.以此為根據(jù),研究發(fā)現(xiàn)除了邯鄲市和聊城市以外,其余28個(gè)城市土地利用產(chǎn)生的碳排放在2005年之前已經(jīng)達(dá)到峰值,2005～2030年之后碳儲(chǔ)量逐漸增加,碳排放量逐漸減少.邯鄲市碳儲(chǔ)量除了在2020年出現(xiàn)小幅度下降,并不影響2005～2030年的整體碳儲(chǔ)量增加趨勢(shì),且2030年三種情景下碳儲(chǔ)量都高于2020年下降之前的碳儲(chǔ)量,可以認(rèn)為邯鄲市碳排放的峰值出現(xiàn)在2005年之前.聊城市碳儲(chǔ)量在2005～2020年間持續(xù)增長(zhǎng),2030年在經(jīng)濟(jì)發(fā)展情景下減少,給城市的碳排放峰值達(dá)到時(shí)間帶來(lái)一種不確定性,其碳排放峰值可能延遲;就三個(gè)情景間的差別而言,2020年聊城市在經(jīng)濟(jì)發(fā)展情景下碳儲(chǔ)量更少,其碳排放量更多,更容易以較快的速度達(dá)到碳排放峰值,但生態(tài)保護(hù)情景和經(jīng)濟(jì)生態(tài)協(xié)調(diào)發(fā)展情景下,2005～2030年聊城市的碳儲(chǔ)量一直在增長(zhǎng),這種情況下土地利用產(chǎn)生的碳排放量在2005年之前就已經(jīng)達(dá)到峰值.

分析表明,2005～2030年絕大多數(shù)城市在三種情景下的碳儲(chǔ)量都處于增加狀態(tài),土地碳排放在2005年之前已經(jīng)達(dá)到峰值,之后碳排放量減少,會(huì)進(jìn)一步加快碳中和目標(biāo)的達(dá)成.本研究結(jié)合對(duì)中原城市群土地利用發(fā)展變化和碳儲(chǔ)量變化特征的分析,得出土地利用變化在一定程度上能夠?qū)μ純?chǔ)量產(chǎn)生積極影響,且經(jīng)濟(jì)生態(tài)協(xié)調(diào)發(fā)展情景可能是更貼合未來(lái)城市發(fā)展模式一結(jié)論,這一設(shè)想在積極建設(shè)全國(guó)經(jīng)濟(jì)發(fā)展新空間的同時(shí),將建設(shè)優(yōu)良生態(tài)環(huán)境作為城市群發(fā)展的基本保障,有利于全面實(shí)現(xiàn)城市群一體化可持續(xù)發(fā)展.

3.3 不確定性分析

本研究運(yùn)用Dyna-CLUE模型和InVEST模型能較為清晰地反映區(qū)域未來(lái)碳儲(chǔ)量的變化,在一定程度上還能反映區(qū)域生態(tài)系統(tǒng)服務(wù)功能質(zhì)量.對(duì)區(qū)域的生態(tài)系統(tǒng)碳儲(chǔ)量功能進(jìn)行精確評(píng)估,取決于土地利用圖和碳密度數(shù)據(jù),本研究已經(jīng)盡量獲取較準(zhǔn)確的數(shù)據(jù),但工作還存在一定的不確定性[35].土地利用變化引起的生態(tài)系統(tǒng)碳儲(chǔ)量變化的研究主要基于模型模擬.由于土地利用變化本身的復(fù)雜性,在模擬其引起的生態(tài)系統(tǒng)碳儲(chǔ)量變化時(shí),現(xiàn)有模型受到多種因素的影響.

碳儲(chǔ)量預(yù)測(cè)結(jié)果在很大程度上依賴于未來(lái)土地利用變化情景模擬的準(zhǔn)確性.本文中Dyna-CLUE模型情景模擬選取的驅(qū)動(dòng)因素主要為自然環(huán)境、可達(dá)性和社會(huì)經(jīng)濟(jì)三個(gè)方面,包括DEM、坡度、坡向、河流、公路、鐵路、城鎮(zhèn)、農(nóng)村、人口和GDP等10個(gè)因素.雖然這些因素對(duì)各類土地具有較好的擬合效果,最終模擬結(jié)果也具有較高的精度,但Dyna-CLUE模型本身的局限性仍然是不可避免的.例如,政策因素在土地利用變化中起著非常重要的作用.由于政策效果難以量化,且研究中參考的《河南省土地利用總體規(guī)劃(2006～2020)》已經(jīng)到期,這會(huì)對(duì)未來(lái)土地利用格局的情景模擬結(jié)果造成一定程度的影響.

對(duì)區(qū)域的生態(tài)系統(tǒng)碳儲(chǔ)量功能進(jìn)行精確評(píng)估,還取決于所使用的碳密度數(shù)據(jù).考慮到不同土地利用類型碳密度的時(shí)間變化,為盡可能地提高碳儲(chǔ)量預(yù)測(cè)結(jié)果的精確度,本文運(yùn)用動(dòng)態(tài)碳密度預(yù)測(cè)中原城市群碳儲(chǔ)量,在一定程度上突破了InVEST模型碳儲(chǔ)存模塊大量簡(jiǎn)化碳循環(huán)的局限性.雖然本文獲取到隨著時(shí)間變化而變化的碳密度,但其準(zhǔn)確性還有進(jìn)一步提升的空間.如果能夠得到研究區(qū)內(nèi)實(shí)測(cè)碳密度的動(dòng)態(tài)變化,碳儲(chǔ)量預(yù)測(cè)結(jié)果將會(huì)更加精準(zhǔn).

隨著社會(huì)經(jīng)濟(jì)的發(fā)展,未來(lái)土地利用變化將受當(dāng)?shù)卣吣繕?biāo)的影響逐漸增強(qiáng)[15],如何綜合自然和社會(huì)多方面因素更合理地計(jì)算未來(lái)土地需求量,是提高未來(lái)土地利用格局預(yù)測(cè)精度的關(guān)鍵之一[36].其次,運(yùn)用大量實(shí)測(cè)數(shù)據(jù)獲取動(dòng)態(tài)碳密度,能提高生態(tài)系統(tǒng)碳儲(chǔ)量評(píng)估的準(zhǔn)確性[37],應(yīng)對(duì)研究區(qū)樣地進(jìn)行連續(xù)多年的監(jiān)測(cè),對(duì)碳密度的合理性進(jìn)行驗(yàn)證.

4 結(jié)論

4.1 2005～2030年,中原城市群土地利用變化趨勢(shì)為耕地面積減少,林地和建設(shè)用地面積增加,草地、水體和未利用地面積基本保持不變,不同年份地類面積的變化速度有所不同.

4.2 2005～2020年中原城市群碳儲(chǔ)量持續(xù)增加,15年間碳儲(chǔ)量共增加403.46′106t.2020～2030年中原城市群在經(jīng)濟(jì)發(fā)展情景、生態(tài)保護(hù)情景和經(jīng)濟(jì)生態(tài)協(xié)調(diào)發(fā)展情景下分別有69.4′106t、86.34′106t和81.23′106t的碳增加.碳儲(chǔ)量空間分布存在明顯的“西高東低”特征,碳儲(chǔ)量較高的城市主要分布在植被覆蓋度高,固碳能力較強(qiáng)的山林;碳儲(chǔ)量較低的城市大多分布在中東部丘陵和平原地區(qū).

4.3 不同土地利用類型對(duì)區(qū)域總碳儲(chǔ)量的貢獻(xiàn)值由大到小依次為:耕地、林地、建設(shè)用地、草地、水域和未利用地.耕地和草地面積與總碳儲(chǔ)量呈現(xiàn)較弱的負(fù)相關(guān)關(guān)系,其相關(guān)性都在0.2以下;林地、水域、建設(shè)用地和未利用地面積與總碳儲(chǔ)量呈現(xiàn)較強(qiáng)的正相關(guān)關(guān)系,尤其是建設(shè)用地和未利用地面積與總碳儲(chǔ)量之間的顯著相關(guān)性.

4.4 2005～2030年,除了邯鄲市在2020年碳儲(chǔ)量有小幅下降,聊城市在2030年經(jīng)濟(jì)發(fā)展情景下碳儲(chǔ)量減少,其余28個(gè)城市在三種情景下碳儲(chǔ)量都呈增加趨勢(shì).經(jīng)濟(jì)生態(tài)協(xié)調(diào)發(fā)展情景下30個(gè)城市都能在2030年之前達(dá)到碳排放峰值,且碳損失達(dá)到最小,該情景在促進(jìn)經(jīng)濟(jì)發(fā)展的同時(shí),緩解了城市的擴(kuò)張速度,更符合建設(shè)綠色生態(tài)發(fā)展示范區(qū)的戰(zhàn)略地位.

[1] 張 燕,師學(xué)義,唐 倩.不同土地利用情景下汾河上游地區(qū)碳儲(chǔ)量評(píng)估 [J]. 生態(tài)學(xué)報(bào), 2021,41(1):360-373.

Zhang Y, Shi X Y, Tang Q. Carbon storage assessment in the upper reachers of the Fenhe River under different land use scenarios [J]. Acta Ecologica Sinica, 2021,41(1):360-373.

[2] Jiang X T, Wang Q, Li R R. Investigating factors affecting carbon emission in China and the USA: A perspective of stratified heterogeneity [J]. Journal of Cleaner Production, 2018,199:85-92.

[3] Zhang P Y, He J J, Hong X, et al. Carbon sources/sinks analysis of land use changes in China based on data envelopment analysis [J]. Journal of Cleaner Production, 2018,204:702-711.

[4] Zhao J, Chen S, Jiang B, et al. Temporal trend of green space coverage in China and its relationship with urbanization over the last two decades [J]. Sci Total Environ, 2013,442:455-465.

[5] Schr?ter D, Cramer W, Leemans R, et al. Ecosystem service supply and vulnerability to global change in Europe [J]. Science of The Total Environment, 2005,310(5752):1333-1337.

[6] Zhang M, Huang X, Chuai X, et al. Impact of land use type conversion on carbon storage in terrestrial ecosystems of China: A spatial- temporal perspective [J]. Scientific Reports, 2015,5:10233.

[7] Arneth A, Sitch S, Pongratz J, et al. Historical carbon dioxide emissions caused by land-use changes are possibly larger than assumed [J]. Nature Geoscience, 2017,10(2):79-84.

[8] Yang Y Y, Bao W K, Liu Y S. Scenario simulation of land system change in the Beijing-Tianjin-Hebei region [J]. Land Use Policy, 2020,96.

[9] Yang H, Huang J L, Liu D F. Linking climate change and socioeconomic development to urban land use simulation: Analysis of their concurrent effects on carbon storage [J]. Applied Geography, 2020,115.

[10] Jiang W G, Deng Y, Tang Z H, et al. Modelling the potential impacts of urban ecosystem changes on carbon storage under different scenarios by linking the CLUE-S and the InVEST models [J]. Ecological Modelling, 2017,345:30-40.

[11] Gao J, Wang L C. Embedding spatiotemporal changes in carbon storage into urban agglomeration ecosystem management — A case study of the Yangtze River Delta, China [J]. Journal of Cleaner Production, 2019,237.

[12] Feng Y J, Chen S R, Tong X H, et al. Modeling changes in China’s 2000～2030 carbon stock caused by land use change [J]. Journal of Cleaner Production, 2020,252.

[13] Nie X, Lu B, Chen Z P, et al. Increase or decrease? Integrating the CLUMondo and InVEST models to assess the impact of the implementation of the Major Function Oriented Zone planning on carbon storage [J]. Ecological Indicators, 2020,118.

[14] 蔣 琳.2000～2010年中原經(jīng)濟(jì)區(qū)陸地生態(tài)系統(tǒng)逐年土地利用與碳儲(chǔ)量變化研究 [D]. 開(kāi)封:河南大學(xué), 2015.

Jiang L. Analyses of the changes of land use and carbon stocks in terrestrial ecosystem of the central plains economic region from 2000 to 2010 [D]. Kaifeng: Henan University, 2015.

[15] 朱文博,張靜靜,崔耀平,等.基于土地利用變化情景的生態(tài)系統(tǒng)碳儲(chǔ)量評(píng)估——以太行山淇河流域?yàn)槔?[J]. 地理學(xué)報(bào), 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.

[16] Liu X, Wang S, Wu P, et al. Impacts of urban expansion on terrestrial carbon storage in China [J]. Environ Sci Technol, 2019,53(12):6834- 6844.

[17] 趙留峰.基于遙感的中原城市群碳源/碳匯時(shí)空變化研究 [D]. 開(kāi)封:河南大學(xué), 2013.

Zhao L F. The Research of carboncarbon sinks Changes in Central Henan urban agglomeration based on remote sensing [D]. Kaifeng: Henan University, 2013.

[18] 彭 建,汪 安,劉焱序,等.城市生態(tài)用地需求測(cè)算研究進(jìn)展與展望 [J]. 地理學(xué)報(bào), 2015,70(2):333-346.

Peng J, Wang A, Liu Y X, et al. Research progress and prospect on measuring urban ecological land demand [J]. Acta Geographica Sinica, 2015,70(2):333-346.

[19] 方創(chuàng)琳.改革開(kāi)放40年來(lái)中國(guó)城鎮(zhèn)化與城市群取得的重要進(jìn)展與展望 [J]. 經(jīng)濟(jì)地理, 2018,38(9):1-9.

Fang C L. Important progress and prospects of China's Urbanization and Urban Agglomeration in the past 40 years of Reform and Opening-Up [J]. Economic Geography, 2018,38(9):1-9.

[20] An C J, Y D, W W, et al. Simulation of future land-use scenarios in the Three Gorges Reservoir Region under the effects of multiple factors [J]. Journal of Geographical Sciences, 2018,28(12):1907-1932.

[21] Yecui H, Yunmei Z, Xinqi Z. Simulation of land-use scenarios for Beijing using CLUE-S and Markov Composite Models [J]. Chinese Geographical Science, 2013,23(1):92-100.

[22] Jackson R B, Schenk H J, Jobbágy E G, et al. Belowground consequences of vegetation change and their treatment in models [J]. Ecological Applications, 2000,10(2).

[23] 鄧聚龍.灰色系統(tǒng)綜述 [J]. 世界科學(xué), 1983.

Deng J L. Summary of grey system [J]. World Science, 1983.

[24] 田 雪,楊江龍,張麗萍.運(yùn)用Excel實(shí)現(xiàn)青島港貨物吞吐量的灰色預(yù)測(cè) [J]. 物流技術(shù), 2014,33(1):116-118.

Tian X, Yang J L, Zhang L P. Grey forecasting of cargo throughput of Qingdao port using Excel [J]. Logistics Technology, 2014,33(1): 116-118.

[25] 徐 麗,何念鵬,于貴瑞.2010s中國(guó)陸地生態(tài)系統(tǒng)碳密度數(shù)據(jù)集 [J]. 中國(guó)科學(xué)數(shù)據(jù)(中英文網(wǎng)絡(luò)版), 2019,4(1):90-96.

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): 90-96.

[26] 王海穩(wěn).太行山區(qū)不同土地利用方式下生態(tài)系統(tǒng)碳貯量研究 [D]. 保定:河北農(nóng)業(yè)大學(xué), 2007.

Wang H W. Study on the ecosystem carbon storage of different land use types in the TaiHang mountain [D]. Baoding:Hebei Agricultural University, 2007.

[27] 楊 鋒.河南省土壤數(shù)據(jù)庫(kù)的構(gòu)建及其應(yīng)用研究 [D]. 鄭州:河南農(nóng)業(yè)大學(xué), 2008.

Yang F. Study on building and application of henan province soil database [D]. Zhengzhou:Henan Agricultural University, 2008.

[28] Karel Mokany R J R, Anatoly S. Critical analysis of root : shoot ratios in terrestrial biomes [J]. Global Change Biology, 2006,12.

[29] Peng K F, Jiang W G, Ling Z Y, et al. Evaluating the potential impacts of land use changes on ecosystem service value under multiple scenarios in support of SDG reporting: A case study of the Wuhan urban agglomeration [J]. Journal of Cleaner Production, 2021,307.

[30] Wang J, Feng L, Palmer P I, et al. Large Chinese land carbon sink estimated from atmospheric carbon dioxide data [J]. Nature, 2020, 586(7831):720-723.

[31] Yue X, Zhang T Y, Shao C L. Afforestation increases ecosystem productivity and carbon storage in China during the 2000s [J]. Agricultural and Forest Meteorology, 2021,296.

[32] Elzen M D, Fekete H, H?hne N, et al. Greenhouse gas emissions from current and enhanced policies of China until 2030: Can emissions peak before 2030? [J]. Energy Policy, 2016,89:224-236.

[33] Hinge G, Surampalli R Y, Goyal M K. Regional carbon fluxes from Land-Use Conversion and Land-Use Management in Northeast India [J]. Journal of Hazardous, Toxic, and Radioactive Waste, 2018,22(4).

[34] Tian S Q, Wang S J, Bai X Y, et al. Global patterns and changes of carbon emissions from land use during 1992～2015 [J]. Environmental Science and Ecotechnology, 2021,7.

[35] Nelson E, Mendoza G, Regetz J, et al. Modeling multiple ecosystem services, biodiversity conservation, commodity production, and tradeoffs at landscape scales [J]. Frontiers in Ecology and the Environment, 2009,7(1):4-11.

[36] 周 銳,蘇海龍,王新軍,等.基于CLUE-S模型和Markov模型的城鎮(zhèn)土地利用變化模擬預(yù)測(cè)——以江蘇省常熟市辛莊鎮(zhèn)為例 [J]. 資源科學(xué), 2011,33(12):2262-2270.

Zhou R, Su H L, Wang X J, et al. Simulation of land use change in Xinzhuang Town under different scenarios based on the CLUE-S Model and Markov Model [J]. Resources Science, 2011,33(12):2262- 2270.

[37] 范立紅,朱建華,李 奇,等.三峽庫(kù)區(qū)土地利用/覆被變化對(duì)碳儲(chǔ)量的影響 [J]. 南京林業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版), 2018,42(4):53-60.

Fan L H, Zhu J H, Li Q, et al. Effects of changes in land use and cover on carbon storage in the Three Gorges Reservoir Area [J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2018,42(4): 53-60.

致謝：本實(shí)驗(yàn)的碳密度數(shù)據(jù)來(lái)自徐麗研究小組的“2010s中國(guó)陸地生態(tài)系統(tǒng)碳密度數(shù)據(jù)集”,在此表示感謝.

Temporal and spatial variation and prediction of regional carbon storage in Zhongyuan Urban Agglomeration.

HE Xiao-hui1*, XU Ya-ting2, FAN Xue-feng3, GENG Qing-ling1, TIAN Zhi-hui1

(1.School of Earth Science and Technology, Zhengzhou University, Zhengzhou 450052, China；2.College of Chemistry, Zhengzhou University, Zhengzhou 450052, China；3.Henan Meteorological Detection and Data Center, Zhengzhou 450003, China)., 2022,42(6)：2965～2976

In order to effectively evaluate the carbon reserve of Zhongyuan Urban Agglomeration, dynamic carbon density data was obtained by using the grey prediction model, combined with the Dyna-CLUE model and the InVEST model, which were used to dynamically evaluate the carbon reserve evolution characteristics under different scenarios of land use change, as well as the impact of urban development on carbon reserve from 2005 to 2030. The results showed that the carbon reserve of the Zhongyuan Urban Agglomeration from 2005 to 2020 were 1689.59×106t, 2035.36×106t, 2066.34×106t and 2093.05×106t, showing a continuously increasing trend; In 2030, the carbon reserve under the economic development scenario, ecological protection scenario and coordinated economic and ecological development scenario were 2162.45×106t, 2179.39×106t and 2174.28×106t, respectively. The carbon reserve was at the minimum under the economic development scenario and at the maximum under the ecological protection scenario. The change of carbon reserve was closely related to that of land use area, which is mainly manifested as follows. The decrease of the cultivated land area resulted in an increase of about 250×106t of carbon reserve, the expansion of forest land resulted in an increase of about 103.4×106t of carbon reserve, and the expansion of construction land resulted in an increase of about 87.77×106t of carbon reserve. The area of cultivated land and grassland had a weak negative correlation with the total carbon reserve, and the area of forest land, water area, construction land and unused land had a strong positive correlation with the total carbon reserve. From 2005 to 2030, the carbon reserve of the 30cities in the Zhongyuan Urban Agglomeration ranged from 11.38×106t to 214.24×106t, respectively. The changes in carbon reserve reflected that urban land carbon emissions has peaked by 2030, and the coordinated economic and ecological development scenario might be more suitable for future cities.

Zhongyuan Urban Agglomeration；land use；Dyna-CLUE model；InVEST model；carbon storage

X32

A

1000-6923(2022)06-2965-12

赫曉慧(1978-),女,河南商丘人,教授,博士,主要從事水文與生態(tài)、智慧城市研究.發(fā)表論文數(shù)十篇.

2021-11-30

河南省重大科技專項(xiàng)(201400210900)

* 責(zé)任作者, 教授, hexh@zzu.edu.cn