摘要 為實現土地低碳利用，探究土地利用低碳優(yōu)化策略，本研究采用土地利用碳排放量測算模型、CA-Markov模型和MOP-Plus模型對遠期2030年哈大綏地區(qū)不同情境下的土地利用模式進行模擬比較分析，并給出優(yōu)化建議。結果表明，相較于慣性情景，低碳發(fā)展情景的“碳源地類”面積更小，“碳匯地類”面積更大，2種情景下建設用地預測增長面積最大，草地縮減面積最大；在2種情景模擬下，哈大綏地區(qū)將在2030年前實現碳達峰，低碳發(fā)展情景較慣性情景碳排放量更少，在2030年碳排放量減少了141.67萬t；在未來土地利用過程中要適度控制耕地的過度擴張，增加林地面積，保護濕地，控制城鎮(zhèn)擴張。在低碳發(fā)展情景的優(yōu)化下，可以減少由土地利用所引起的碳排放，最終實現碳減排。

關鍵詞 土地利用；低碳優(yōu)化；CA-Markov；MOP-Plus

中圖分類號 F301.24 文獻標識碼 A

文章編號 1007-7731（2023）21-0123-05

Simulation study on low carbon optimization of land use in the Hadasui area

FENG Xiaogang" " ZHAO Guangying" " BAI Ruxue

（School of Geographic Sciences， Harbin Normal University， Harbin 150025， China）

Abstract To achieve low-carbon land use and explore low-carbon optimization strategies for land use， this study uses the land use carbon emission calculation model， the CA-Markov model， and the MOP-Plus model to simulate and compare the land use patterns in the Hadasui region under different scenarios in 2030， and finally provides optimization suggestions. The results show that compared with the inertia scenario， the low-carbon development scenario had a smaller area of “carbon source land” and a larger area of “carbon sink land”. In both scenarios， the growth area of construction land is the largest， and the reduction area of grassland is the largest. In both scenarios， the Hadasui region will achieve carbon peaking before 2030， with lower carbon emissions in the low-carbon development scenario compared to the inertia scenario. In 2030， carbon emissions decreased by 1.416 7 million tons. In the future land use process， it is necessary to control the excessive expansion of arable land， increase forest land area， protect wetlands， and control urban expansion. Under the optimization of low-carbon development scenarios， carbon emissions caused by land use can be reduced， ultimately achieving carbon reduction.

Keywords land use; low-carbon optimization; CA-Markov; MOP-Plus

隨著溫室氣體的大量排放，全球變暖已經成為人類面臨的較嚴重的生態(tài)問題之一。作為陸地生態(tài)系統碳源/碳匯的自然空間載體及人類生產生活的社會經濟載體，土地利用規(guī)模、結構、布局、強度的改變及土地所承載的社會經濟活動直接或間接造成了碳排放/碳吸收的變化。土地利用是僅次于化石能源消耗的第二大碳源，占CO2排放總量的近1/3，而通過對土地利用結構的合理優(yōu)化，提高土地資源利用率，可以減少碳排放量，促進碳達峰、碳中和目標的實現[1]。

在土地利用低碳優(yōu)化模擬研究中，大多利用多目標規(guī)劃模型、Markov模型及線性規(guī)劃等方法對土地利用結構進行優(yōu)化模擬，而近些年隨著土地利用空間模擬模型不斷優(yōu)化，如元胞自動機模型、CLUE-S模型、Flus模型、Plus模型等層出不窮，土地利用空間布局優(yōu)化模擬研究越來越成熟。Plus模型作為一種結合土地擴展分析策略和基于多類型隨機斑塊種子的CA模型的斑塊生成土地利用模擬模型，具有更高的模擬精度和更接近真實景觀的同時，還可以考慮到與規(guī)劃者有關的期望（如土地利用方式的多樣性）和變量（如對不同地類數量的需求）[2]。已有研究在對未來土地利用進行模擬及碳排放量測算時，建設用地往往根據其碳排放系數現狀進行模擬[3]，此方法未考慮到能源結構轉型帶來的建設用地碳排放強度變化。本研究結合我國已有的能源結構預測結果，核算未來建設用地碳排放系數并基于此進行優(yōu)化模擬，此方法更符合未來建設用地碳排放系數演變，在進行土地利用碳排放核算時更為準確，同時利用CA-Markov模型及Plus模型模擬哈大綏地區(qū)慣性情景及低碳情景下土地利用模式，以期為哈大綏地區(qū)國土空間規(guī)劃提供參考。

1 材料與方法

1.1 研究區(qū)概況

哈大綏地區(qū)位于黑龍江省西南部（123°44'53″～130°13'57″ E，44°3'36″～48°5'44″ N），西接內蒙古自治區(qū)，南接吉林省。以平原為主，地勢東高西低，屬溫帶大陸性季風氣候，年降水量約523 mm，年均溫度4.2 ℃，土地利用以耕地為主。

1.2 數據來源

本文所使用的數據包括柵格數據、矢量數據和統計數據。柵格數據中DEM數據來源于地理空間數據云（https：//www.gscloud.cn）。土地利用數據來源于GlobeLand30（http：//www.globallandcover.com/），依據其分類系統將研究區(qū)土地利用分為耕地、林地、草地、濕地、水域、建設用地和未利用地。人口密度數據來源于WorldPop（https：//www.worldpop.org/）。矢量數據為道路數據，來源于OpenStreetMap（https：//www.openstreetmap.org）。人口、經濟及能源消費等統計數據來源于2012—2022年《黑龍江統計年鑒》。

1.3 研究方法

1.3.1 碳排放系數及碳排放量測算" 為實現對該地區(qū)土地利用碳排放量測算，綜合已有研究及數據的可獲取性，采用土地利用碳排放系數法進行直接測算[3-4]，計算方法如式（1）。

Ci = Si × Ki （1）

式（1）中，Ci為第i種土地利用類型的碳排放量；Si為第i種土地利用類型面積；Ki為第i種土地利用類型的碳排放系數。

本研究區(qū)范圍較大，且植被類型及氣候類型較為典型，非建設用地碳排放系數與中國平均值差異不顯著，碳排放強度年際變化較小，因此其碳排放系數參考已有研究[5-6]。耕地、林地、草地、濕地、水域和未利用地碳排放系數分別為4.595、-6.440、-0.021、 -0.410、-0.235和-0.005 t/（hm2·a）。地域及年際間化石能源消費量差異大，導致建設用地碳排放強度差異也較大，故建設用地碳排放系數由化石能源消費量結合《2006年IPCC國家溫室氣體清單指南》計算得來?？紤]到國家能源結構轉型，2030年化石能源消費量參考匡立春等[7]對中國能源結構的預測，同比測算得到該地區(qū)2030年主要化石能源消費產生的碳排放量為2020年的98%，將其與Markov Chain測算的2030年建設用地面積的比值作為2030年建設用地碳排放系數。2020和2030年建設用地碳排放系數分別為77.713和66.020 t/（hm2·a）。

1.3.2 慣性情景下土地利用模擬" （1）元胞自動機模型（CA模型）。元胞自動機（Cellular Automaton，CA），是指在一個離散、有限狀態(tài)的元胞所組成的元胞空間里，按一定鄰域規(guī)則，在離散的時間維中進行演化的動力學模型，模型表達式如式（2）[8]。

St+1 = f（St，N） （2）

式（2）中，S為元胞有限、離散的狀態(tài)集合；N為元胞的鄰域；t和t+1為不同時刻；f為元胞的轉換規(guī)則。

（2）Markov模型。針對t個年份研究對象的狀態(tài)，通常將其概率分布表示為一個1×k的概率向量Pt，記為Pt=［P1t…P2t…P3t…Pkt］，不同年份研究對象間的狀態(tài)轉移概率可以由一個k階的Markov轉移概率矩陣P表示，矩陣中（ij）元素表示研究對象在t年由狀態(tài)i轉變?yōu)闋顟B(tài)j，其概率公式如式（3）[8]。

[Pij=AijAi] （3）

式（3）中，Ai表示第t年屬于類型i的對象（柵格）個數，Aij表示第t年類型為i而第t+1年類型為j的對象（柵格）數，轉移概率矩陣如式（4）[9]。

[P=P11…P1j?…?Pi1…Pij]" （4）

（3）適宜性設置。本研究將CA與Markov模型相結合，在IDRISI 17.0軟件中實現對哈大綏地區(qū)慣性情境下土地利用方式的模擬，參考已有研究[10]，并結合哈大綏地區(qū)實際情況，設置各地類適宜性范圍，并使用相等權重法確定各因子權重。耕地適宜性設置為高程200～550 m內遞減，坡度5°～15°內遞減。林地適宜性設置為高程150～900 m內遞減，坡度7°～33°內遞減。濕地適宜性設置為坡度0°～5°內遞減。建設用地適宜性設置為高程200～500 m內遞減，坡度4°～10°內遞減，到道路距離50～300 m內遞減，建設用地點密度0～1 106內遞增。草地、水域及未利用地適宜性采用Markov模塊中生成的適宜性文件。

1.3.3 低碳發(fā)展情境下土地利用模擬

1.3.3.1 多目標規(guī)劃（MOP）模型" 為實現低碳發(fā)展的社會需求，本研究將碳排放量最小化及經濟最大化設定為函數目標，參考周勇等[11]的方法并結合用地需求及實際情況設置各地類約束條件，運用MATLAB軟件進行多目標函數求解。X1、X2、X3、X4、X5、X6和X7分別代表耕地、林地、草地、濕地、水域、建設用地和未利用地。

（1）2030年以碳達峰為目標的土地利用優(yōu)化函數。為確定經濟目標函數的各地類系數，用農、林、牧、漁及第二、三產業(yè)產值除以Markov Chain預測的耕地、林地、草地、水域和建設用地面積求得各地類單位面積產值（元/hm2），將其值作為各地類經濟系數；未利用地和濕地幾乎無經濟產出，為了方便計算，將系數設定為0.10。2030年各地類經濟產出系數通過已有年份數據，采用GM（1，1）模型預測其產值。經濟目標函數如式（5）。

maxF1（X） = 31 307.78X1 + 2 785.98X2 +65 568.96X3 + 0.10X4 + 44 151.95X5 +1 232 029.39X6+0.10X7 （5）

低碳目標函數各變量系數即2030年各地類碳排放系數，低碳目標函數設定如式（6）。

minF2（X） = 4.595X16.440X2 - 0.021X3 - 0.410X4 -"0.235X5 + 66.02X6 - 0.005X7 （6）

（2）約束條件設置。為求得多目標函數最優(yōu)解，參考《黑龍江國土空間規(guī)劃》及各類政策文件，結合已有研究[12]及哈大綏低碳發(fā)展情景需要，對各地類面積進行約束，至2030年國土空間總面積不會改變，因此將總面積約束為與2020年相同；其余各地類均與慣性情景下的Markov Chain測得增減面積相比較，為保護糧食安全基底，全面保護黑土地，大規(guī)模建設高標準農田，將耕地增長量約束為60%～80%；為構筑張廣才嶺—老爺嶺森林生態(tài)屏障，實現低碳優(yōu)化，進一步增加林地面積，將林地增長量約束為130%～150%；為保證生態(tài)多樣性及土地低碳的需求，草地減少量約束為60%～80%；濕地減少面積較少，根據實際情況及濕地保護政策不做約束；Markov Chain中水域面積擴張較大，不符合實際情況，因此將水域面積增長量約束為60%～80%；建設用地作為土地利用碳排放的主要貢獻者，且未來建設用地需求減少，新建建設用地趨于飽和，因此將建設用地增加面積約束為50%～70%；未利用地碳匯能力弱，經濟效益低，為滿足低碳發(fā)展需求，未利用地減少面積設置為120%～140%。

1.3.3.2 Plus模型" Plus模型是由基于兩期土地利用柵格數據變化的土地擴張?zhí)崛?、基于隨機森林算法的土地擴張策略分析（LEAS）和基于多類型隨機種子的CA（CARS）3個模塊組成的土地利用多情景模擬模型[2]，將其結合多目標函數最優(yōu)解得到各地類面積，進行低碳發(fā)展情境下2030年土地利用模擬。

本研究將坡度、高程、到道路距離、人口密度及建設用地點密度數據作為LEAS模塊驅動因素。提取土地擴張中各地類擴張面積，將最大值權重設定為1，其余各地類權重為其值與最大值之比，為實現碳減排，林地鄰域權重設置為1，建設用地權重設置為原比值的50%，以此作為CARS模塊中鄰域權重設置的方法。在轉換矩陣設置時，2030年土地利用模擬中轉移矩陣設置為任何地類都不向未利用地轉移，林地不向耕地和建設用地轉移，濕地不向建設用地轉移。

2 結果與分析

2.1 土地利用變化模擬

在慣性情景下2030年土地利用模擬面積如表1所示，歷年土地利用面積占比從大到小依次為耕地、林地、草地、建設用地、水域、濕地和未利用地。2020—2030年耕地、林地、水域和建設用地呈增長態(tài)勢，草地、濕地和未利用地呈縮減態(tài)勢。模擬結果顯示此期間土地利用面積增長最多的是建設用地，預測增長面積為711 km2，縮減最多的是草地，預測縮減面積為1 020 km2。

在低碳發(fā)展情景中土地利用面積占比排序并未發(fā)生變化。在此情景中，僅林地、水域和建設用地呈增長態(tài)勢，與慣性情景相比耕地也變?yōu)榭s減地類。此期間土地利用面積增長及縮減最多的地類并未發(fā)生變化，建設用地增長量減少了498 km2，草地縮減量減少了528 km2。設置低碳發(fā)展情景雖不會改變土地利用總體結構，但可以合理地控制土地利用轉移面積。

由表1可知，各地類中草地及建設用地面積增減幅度較其他地類更大。為保護生態(tài)多樣性，實現低碳可持續(xù)發(fā)展，改變草地大幅縮減及建設用地大幅擴張的趨勢，低碳發(fā)展情境下耕地面積由增長轉變?yōu)槁晕⒖s減；林地及水域略微減少了增長面積；濕地則略微增加了縮減面積；未利用地雖作為“碳匯地類”，但其碳匯能力弱，且?guī)缀鯚o經濟產出，因此縮減面積略微增加。經以上調控，低碳優(yōu)化情景下“碳匯地類”面積更大，“碳源地類”面積更小，最終得以實現碳減排目標。

2.2 土地利用碳排放模擬

由表2可知，2020年建設用地作為主要碳源，林地作為主要碳匯，這一結構至2030年均保持一致。在不同情景下至2030年碳排放總量均低于2020年，由此可知哈大綏地區(qū)在2030年之前即可實現碳達峰。相較于慣性情景，低碳優(yōu)化情景在2030年碳排放量減少了141.67萬t。據表2可知，碳減排貢獻最大的為建設用地的縮減，貢獻了近99.5%的碳減排量。

3 結論與討論

本文通過對哈大綏地區(qū)2030年土地利用多情景模擬，測算不同情境下的碳排放量，得到如下結論：至2030年，相較于慣性情景，低碳優(yōu)化情景下的“碳源地類”總面積更少，“碳匯地類”總面積更多，2種情景下均為建設用地增長面積最大，縮減面積最大的是草地。在2種情景下，哈大綏地區(qū)均將在2030年前實現碳達峰，低碳發(fā)展情景較慣性情景在2030年碳排放量減少了141.67萬t。碳減排貢獻最大的為建設用地的縮減，貢獻了近99.5%的碳減排量。

在未來土地利用過程中最重要的是控制城鎮(zhèn)擴張，減少化石能源的消費，降低建設用地碳排放系數。耕地作為哈大綏地區(qū)第二大碳源，要控制耕地的過度擴張。林地作為最大的碳匯地類，應增加林地面積，積極保護林區(qū)，合理劃分公益林及生態(tài)保護紅線范圍。保護濕地，維護其“地球之肺”的作用，通過以上措施，力求減少土地利用的碳排放量，促進我國早日實現“雙碳”目標，實現可持續(xù)發(fā)展。

參考文獻

[1] 易丹，歐名豪，郭杰，等.土地利用碳排放及低碳優(yōu)化研究進展與趨勢展望[J].資源科學，2022，44（8）：1545-1559.

[2] 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： 101569.

[3] 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測[J].土壤，2022，54（2）：406-414.

[4] 鄂施璇，李琴，張露洋.三峽庫區(qū)1980—2021年土地利用碳排放格局及碳補償[J].水土保持通報，2023，43（1）：300-306.

[5] 魏燕茹，陳松林.福建省土地利用碳排放空間關聯性與碳平衡分區(qū)[J].生態(tài)學報，2021，41（14）：5814-5824.

[6] 秦巖，於冉，於忠祥，等.2000—2018年長三角中心區(qū)土地利用碳排放強度的時空特征[J].河南農業(yè)大學學報，2021，55（1）：132-140.

[7] 匡立春，鄒才能，黃維和，等.碳達峰碳中和愿景下中國能源需求預測與轉型發(fā)展趨勢[J].石油科技論壇，2022，41（1）：9-17.

[8] 李世鋒，洪增林，薛旭平，等.基于Logistic-CA-Markov耦合模型的彬州市LUCC多情景模擬[J].水土保持研究，2022，29（4）：292-299.

[9] 茹少峰，馬茹慧.黃河流域生態(tài)環(huán)境脆弱性評價、空間分析及預測[J].自然資源學報，2022，37（7）：1722-1734.

[10] 牛亞文.基于適宜性評價和FLUS模型的土地利用空間優(yōu)化配置研究：以湖南省岳陽市為例[D].株洲：湖南工業(yè)大學，2022.

[11] 周勇，趙偉.西安市土地利用結構碳排放核算及低碳優(yōu)化研究[J].生態(tài)經濟，2018，34（5）：21-25.

[12] 崔世華.湖北省土地利用碳排放時空演變及土地利用優(yōu)化研究[D].武漢：湖北大學，2022.

（責編：何 艷）