近30年山西省土地利用驱动下生态系统碳储量时空变化

Land Use-driven Spatiotemporal Changes of Ecosystem Carbon Storage in Shanxi Province over the Past 30 Years

摘要

基于1990年、2000年、2010年及2022年LUCC数据，综合运用土地利用动态度分析、土地转移矩阵、PLUS模型等方法，系统分析1990-2022年该区域土地利用模式的动态变迁及驱动因素，借助InVEST模型，精确估算四个时间节点的碳储量，并分析土地利用变化下碳储量演变的全过程，以探究山西省土地利用格局演变及其对碳储量产生的影响。结果表明：（1）近30年研究区草地面积减少，主要转化为耕地和林地，其中2010-2022年土地利用变化速度快；（2）驱动土地利用变化的因素主要有自然、经济和政策等方面，其中，自然因素中的数字高程模型（digital elevation model，DEM）和坡度对各种用地类型贡献率最大；（3）碳储量空间分布格局具有地域性，受地形影响，碳储量高值区主要分布在山地为主的生态保护区，包括太行山、吕梁山、恒山、五台山、中条山和太岳山等，碳储量低值区分布在六大盆地区，以建设用地为主；（4）近30年，山西省碳储量呈增长趋势，总量增加了34.47×10⁶ t，林地面积的扩大是碳储量提升的主要原因。

Abstract

To explore the evolution of land use patterns and their impacts on carbon storage in Shanxi Province， this study systematically examined the dynamic changes and driving factors of land use patterns in the province from 1990 to 2022 with the land-use and land-cover change （LUCC） data of 1990， 2000， 2010， and 2022 by using methods such as land use dynamic degree analysis， land transfer matrices， and the patch-generating land use simulation （PLUS） model. The integrated valuation of ecosystem services and tradeoffs （InVEST） model was employed to estimate carbon storage at four time points and analyze the evolution of carbon storage under land use changes. The following findings were obtained. （1） Over the past 30 years， grassland area in the study region decreased， primarily converted into cropland and forestland， with the fastest land use change occurring between 2010 and 2022. （2） Driving factors of land use changes included natural， economic， and policy factors， with DEM and slope in natural factors contributing most significantly to changes of various land types. （3） The spatial distribution of carbon storage exhibited regional characteristics. Influenced by topography， areas with high carbon storage were concentrated in mountainous ecological reserves， including the Taihang， Lvliang， Hengshan， Wutai， Zhongtiao， and Taiyue mountains. Areas with low carbon storage were distributed across six major basins， dominated by construction land. （4） Over the past 30 years， total carbon storage in Shanxi Province exhibited an increasing trend， with the total increase reaching 34.47 × 10⁶ t. The expansion of forestland area was the main reason for the increase in carbon storage.

Graphical abstract

关键词

山西省 / 碳储量 / 土地利用动态度 / PLUS模型 / InVEST模型

Key words

Shanxi Province / carbon storage / land use dynamic degree / PLUS model / InVEST model

全球气候变暖已成为全人类共同面临的严峻挑战，中国政府明确提出了2030年前实现碳达峰、2060年前实现碳中和的目标^［1］。增加生态系统碳储量被视为减缓气候变暖最为有效的方法之一^［2］，其中土地利用通过直接作用于植被覆盖与土壤碳储量，可达到重塑生态系统结构与功能的效果，成为驱动碳储量变化的关键因素^［3］。定量分析土地利用变化对生态系统碳储量的影响，对于推动区域降碳及减缓气候变暖进程具有重要意义^［4］。

早期研究中，王效科等^［5］基于森林与土壤的普查数据对森林碳储量展开研究；刘国华等^［6］利用森林生物量与蓄积量构建回归模型，估算了中国森林碳储量；葛全胜等^［7］利用“簿记”模型分析了土地利用对碳储量的影响。随着遥感技术的发展，已有学者建立了用于估算植被净初级生产力（net primary production，NPP）的CASA（carnegie⁃ames⁃stanford approach）模型，如周崴等^［8］对区域植被净初级生产力及植被碳汇量进行了估测。付宇佳^［9］运用InVEST模型，分析了不同空间尺度下土地利用变化对碳储量产生的影响及时空演变趋势。该模型以其适用于长时间序列、大空间尺度的优势，在碳储量估算研究中展现出巨大潜力。同时，随着InVEST模型的持续更新迭代，其模拟精度与操作便捷性均得到了显著提升^{［10⁃11］}。

就山西省而言，相关学者运用InVEST模型对山西省的太原市、太行山以及汾河上游等开展了研究^{［12⁃13］}，但省域尺度下长时段的研究较少。鉴于此，本文以山西省为研究区域，分析近30年来山西省土地利用驱动生态系统碳储量变化的关系，并运用PLUS模型中的土地扩展分析策略（LEAS）模块，从多个角度分析土地利用变化的影响因素及其对碳储量的潜在影响。本研究以期为区域国土空间优化以及生态修复提供依据，使该区域在保证经济可持续发展的同时提高固碳增汇的能力。

1 材料与研究方法

1.1 数据来源

（1）土地利用数据采用武汉大学30 m分辨率山西省1985-2022年土地覆被数据集。（2）利用中国科学院资源环境与地理空间数据云（http：//www.gscloud.cn）提取山西省30 m分辨率的DEM高程数据，坡度、坡向由DEM数据经ArcGIS计算所得。（3）社会经济数据来自中国科学院资源环境科学与数据中心（https：//www.resdc.cn/）。（4）行政区划边界、铁路、公路、水域等矢量数据来自全国地理信息资源目录服务系统（https：//www.webmap.cn）。（5）各地类碳密度数据主要来源于文献［14⁃16］以及在山西省范围内的实测碳密度数据^{［17⁃19］}（表1）。

1.2 研究方法

1.2.1 土地利用动态度

土地利用动态度作为定量分析区域内土地利用数量变化速度的有效工具，是相关研究领域中的常用分析方法之一。具体而言，单一土地利用动态度聚焦于研究区内某一特定土地利用类型在特定时间段内的数量变化情况，公式为

K=\frac{U_{\mathrm{b}}-U_{\mathrm{a}}}{U_{\mathrm{a}}}\times \frac{\mathrm{1}}{T}\times \mathrm{100}\mathrm{\%}，（1）

其中：K为土地利用类型的动态度；U_{\mathrm{a}}和U_{\mathrm{b}}分别为研究初期及末期某种土地类型的面积；T为研究时段的长度。

1.2.2 InVEST模型

InVEST模型（integrated valuation of ecosystem services and trade⁃offs）用于量化并评估多样化的生态系统服务功能，其中碳储量模块尤为突出^［7］。InVEST（3.12.0）模型中的碳储量模块是通过土地利用数据结合地上生物量和地下生物量、土壤和死亡有机质四个碳库数据，计算得到四个时期的碳储量。计算公式为

\begin{array}{l}{C}_i=C_{\mathrm{a}i}+C_{\mathrm{b}i}+C_{\mathrm{s}i}+C_{\mathrm{d}i},\\ C_{\mathrm{t}}={\displaystyle \sum _{i=\mathrm{1}}^n} C_i\times S_i,\end{array}（2）

式中：C_i 为第i种土地利用的碳密度（t/hm²）；C_ai 为第i种土地利用的地上生物量碳密度（t/hm²）；C_bi 为第i种土地利用的地下生物量碳密度（t/hm²）；C_si 为第i种土地利用的土壤碳密度（t/hm²）；C_di 为第i种土地利用的死亡有机质碳密度（t/hm²）；C_t为总碳储量（t）；S_i 为第i种土地利用的面积（hm²）。

1.2.3 PLUS模型

PLUS模型由Liang等^［20］开发，其以元胞自动机为基础^［21］，即保留FLUS模型的先进机制。本研究使用该模型土地扩张分析策略（1and expansion analysis strategy，LEAS）模块。LEAS模块通过分析两期土地利用数据，寻找斑块生长规律，采用随机森林分类（random forest classification，RFC）算法，分析驱动因素与土地利用变化的关系^{［22⁃23］}，其公式为

P_{i,k}^d(x)=\frac{{\displaystyle \sum _{n=\mathrm{1}}^M}I[h_n(x)=d]}{M}，（3）

式中：x为驱动因素组成的向量；M为决策树数量；当d取值为0或l时，若d=l，表示其他土地利用类型转变为k类土地利用类型，若d=0，表示转变为k类以外的土地利用类型；h_n(x)表示向量x的第n个决策树的土地利用预测类型；I为决策集指示函数；P_{i,k}^d(x)为第i个空间单元k类土地利用类型变化概率。

2 结果分析

2.1 土地利用时空变化

借助ArcGIS10.8软件绘制1990年、2000年、2010年和2022年土地利用空间分布图（图1），对比分析近30年土地利用格局的演变趋势。从图1可知，研究区内海拔较高的山地地区以林地和草地为主，盆地地区以耕地和建设用地为主。从时间变化来看（表2），1990-2000年，山西省土地利用呈初步调整特征，耕地面积减少了5 829.89 km²，减幅达2%；林地、草地和建设用地面积分别增长了2 042.94 km²、2 153.68 km²、1 625.31 km²。2000-2010年，变化幅度增强，耕地面积减少了4 658.70 km²，降幅为3%；林地与建设用地分别增加了3 152.07 km²、1 683.78 km²，增加幅度分别是3%、2%，变化最明显的是灌木林地与未利用地，二者比2000年减少将近一半，凸显了经济发展与生态保护的空间博弈特征。2010-2022年演变趋势呈新态势，耕地、林地和建设用地回升，而草地面积骤降9 216.87 km²。时序分析表明，退耕还林政策实施强度与城镇化速率差异是驱动近30年土地利用格局演变的核心要素。

从空间变化分析（图2），近30年山西省耕地、草地呈集中式减少，林地分散式变化，建设用地扩张。1990-2022年耕地减少的区域主要位于六大盆地外围以及重要生态保护区的边缘地区；耕地增加区域呈点状集中分布，最为突出的是晋南地区的盆地。林地的变化较分散，以小斑块形式增减，减少区多位于浅山地带，其中晋南地区较明显；增加区主要在太行山、吕梁山、恒山、中条山等重要生态保护区外围。草地增加区主要在坡度较大的晋西北地区，减少区主要在盆地外围，其中晋东南的盆地减少面积较大。建设用地呈组团式扩张，主要集中在山西省中部地势较低的盆地区。总体上，建设用地的增加多位于平原与沟谷地带，以团块或线状依托原有建设用地扩张。

2.2 土地利用动态度

土地利用综合动态度见表3。从表3可知，1990-2022年研究区综合土地动态度为0.29%，并且呈先减后增的趋势。具体来看，1990-2000年土地利用转移面积较大，综合动态度为0.38%；2000-2010年转移规模有所减小，该时期土地利用动态度为0.36%；2010-2022年土地转移规模剧增，各地类转移频繁，综合动态度提高到0.51%。

从单一土地利用动态度来看，1990-2022年，耕地、草地、灌木林地、未利用地的动态度分别为-0.34%、-0.38%、-1.72%、-1.57%，表明这些地类的面积均有缩减，其中灌木林地、未利用地面积减速最快；林地、水域、建设用地动态度分别为0.95%、0.28%、4.85%，其中建设用地增速最大。从具体时段分析，2010-2022年期间各地类增减变化幅度较大，动态度明显大于前两个时段，其中耕地、林地变化速率较快，耕地动态度由-0.88%转为0.5%；林地动态度由0.64%到1.01%；建设用地变化速度变缓，动态度由5.04%到2.16%，草地、未利用地与前两个时段相比变化较大，草地动态度由0.4%到-1.37%；未利用地由-3.38%到3.47%。

2.3 土地利用变化驱动因素分析

基于土地利用的时空演变特征，以占比较大的四种地类为例，使用PLUS模型中LEAS模块进行土地利用变化驱动因素分析。依据山西省地形特征，选取包括自然和经济两方面的DEM、坡度、坡向、距国道、省道、高速路、铁路、水域距离和人口密度等9个驱动因子（图3）。将重分类后的1990年和2022年两期土地利用数据导入PLUS模型，提取扩张区域。

驱动因子贡献率结果显示（图4），DEM、坡度对耕地响最大，其次是人口密度；驱动林地变化的因子按贡献率大小依次为DEM>坡度>坡向>人口；坡度对草地扩张影响最大，其次是人口和DEM，交通距离对草地扩张有一定影响；除DEM和坡度外，人口与距各交通道路的距离对建设用地扩张贡献都较大。

2.4 碳储量的时空变化

2.4.1 碳储量的时间变化

碳储量时间变化结果见表4。由表4可知，山西省1990-2022年四个年份碳储量依次为1 682.20×10⁶ t、1 687.90×10⁶ t、1 704.29×10⁶ t、1 717.67×10⁶ t，呈增长趋势。其中，1990-2000年总碳储量的增长相对迟缓；2000-2022年比前期较为明显，近30年总计增加34.47×10⁶ t，主要归因于森林面积的扩增。从各地类碳储量来看（表4），耕地、水域的碳储量呈先降后缓慢上升的趋势；林地的碳储量在整个研究阶段保持稳定上升，由464.17×10⁶ t增加到605.22×10⁶ t。草地的碳储量先增后减，2010年碳储量最高值为575.13×10⁶ t，2022年最低值为480.51×10⁶ t。未利用土地和灌木林地碳储量总体呈下降趋势。总体而言，林地面积的增加，是研究区生态系统碳储量上升的主要原因，尽管草地面积有所减少，但仍然是该区域最重要的碳库。

2.4.2 山西省碳储量空间变化

从碳储量空间分布及其变化趋势来看（图5），1990-2022年间，研究区碳储量的空间变化较小。具体表现为太行山、吕梁山、恒山、五台山、中条山、太岳山等生态保护区为碳储量高值区。上述区域植被状况较好，土壤碳密度较大，固碳能力较强。碳储量低值区分布在以建设用地为主的六大盆地地区。

为了更清晰地反映山西省近30年碳储量的空间变化（图6），通过ArcGIS栅格计算器将碳储量空间变化值分为3类（增加、减少与基本稳定），得到山西省碳储量时空变化特征。结果表明，大部分地区（94.1%）碳储量基本不变；少量减少（1.4%）并零散分布于盆地；增加区域（4.5%）主要集中在山区，生态政策如退耕还林等驱动林地面积大幅度增加，从而使总碳储量提升。

2.4.3 土地利用转移驱动碳储量变化

通过对研究区三个时段整体分析（表4）可知，林地对碳储量贡献率最高，其次为草地和耕地，建设用地和未利用地贡献较低；此外，耕地转为林地、草地，灌木林地转为草地、林地，草地转为林地这三种转移模式能够提升生态系统的碳储量；反之，耕地转为建设用地，林地转为其他地类，草地转为耕地、灌木林地等模式降低碳储量，即由碳密度高的地类转向碳密度低的地类时，碳储量呈下降态势，反之则呈增长态势。

不同时期碳储量变化见表5。从表5来看，各时段地类碳储量存在差异，但总碳储量呈增加趋势，具体情况如下：1990-2000年，耕地转为草地8 062.41 km²，碳储量增加457.14×10⁶ t，转为建设用地 1 447.57 km²，碳储量减少448.60×10⁶ t；草地转为耕地3 612.25 km²，碳储量减少204.8×10⁶ t；草地转为林地2 081.18 km²，碳储量增加903.86×10⁶ t。2000-2010年耕地向林地的转入量比前时段增加247.2 km²，使碳储量增加121.38×10⁶ t；灌木林地转入林地、草地的面积比前一时段增加445.16 km²，以及林地的转出面积相较之前减少374.06 km²，对此时段碳储量的增加产生较大影响。2010-2022年，草地、林地的动态度在三个时段中最大，草地转为林地4 689.88 km²，碳储量增加2 036.82×10⁶ t；草地转为耕地8 624.95 km²，比上一时段增加近2倍，碳储量减少489.03×10⁶ t；林地转入耕地、灌木林地等其他地类1 037.45 km²，碳储量减少689.19×10⁶ t。碳储量增加量大于减少量。

3 结论与讨论

3.1 结论

本文通过分析山西省1990-2022年土地利用时空变化及其驱动因素，估算碳储量变化。研究表明受地形地貌、气候条件等自然条件本底的约束以及人为活动和政策因素等的影响，碳储量的空间格局有较大变化。总体表现为碳储量稳步增长，主要因为碳密度较低的地类转换成碳密度较高的地类。从各地类与碳储量的相关关系来看，林地面积变化对于碳储量的影响最大，是碳储量上升的主要因素。具体如下。

（1）山西省近30年土地利用格局基本稳定，草地、耕地、林地为研究区主要的土地类型，三者面积约占总面积的94.06%以上。从转移矩阵来看，转出面积最大的是草地，其次是耕地；转入面积最大的是林地，其次是建设用地；耕地转建设用地较多，有部分草地转建设用地。

（2）从变化速率看，近30年综合土地利用动态度为0.29%。其中，建设用地的面积增长速率最快，其单一土地动态度达5.04%。土地类型动态度变化呈阶段性，2010-2022年是变化幅度较大的，其综合动态度为0.51%。

（3）驱动山西省土地利用变化主要因素包括自然、经济和政策等方面。其中自然因素中的DEM和坡度对地类影响最大，对建设用地影响较大的是人口和距交通道路的距离。

（4）近30年，研究区土地利用格局及其碳储量分布格局相一致，碳储量高值区集中在植被覆盖率较高的山地区，碳储量低值区集中于以建设用地为主的盆地区。土地利用变化驱动碳储量的增减，碳密度较高的林地面积扩展量高是研究区碳储量提高的主要原因。同时生态政策对土地利用变化及碳储量的增减起关键作用。1990-2022年，研究区碳储量呈增长态势，主要由于在退耕还林等政策引导下，土地实现转移，从而驱动碳储量产生。

3.2 讨论

本文以山西省为研究区，选取1990-2022年四期土地利用数据，从空间尺度和较长时间序列，采用转移矩阵、动态度、PLUS模型等方法，系统分析土地利用时空演变特征及驱动因素，借助InVEST模型估算碳储量，深入分析其变化对碳储量的影响，对于区域土地利用结构优化、碳平衡、碳储量提升具有一定的借鉴意义。但也存在值得优化的地方：InVEST模型中的CSS（carbon storage and sequestration）模块是基于土地利用类型和四个碳库（地上生物量、地下生物量、土壤和死亡有机质）的碳密度估算山西省的碳储量。但由于模型本身的局限性，在设计模型之初简化了碳循环，忽略了很多在估算碳储量时要考虑的问题，如植物的年龄、某一地类真实的碳储量密度等。因此，在估算碳储量时会与实际碳储量存在一定的偏差。除了模型设计本身存在的一些局限性外，输入参数（不同地类碳储量密度）的可靠性同样也对碳储量估算产生一定的影响。由于该类数据获取的限制性，本文碳密度数据主要采用前人在山西省及周边的实测数据以及近期发布的研究结果，相较于全国尺度上碳密度值和早期估算得出的碳密度值，实测数据以及近期发布的数据保证了在输入模型时数据的准确性，进一步保证了碳储量估算结果的准确性。

参考文献

[1] 习近平.继往开来，开启全球应对气候变化新征程：在气候雄心峰会上的讲话［J］. 一带一路报道（中英文），2021（1）：20-21.

[2] 方精云，于贵瑞，任小波，等.中国陆地生态系统固碳效应：中国科学院战略性先导科技专项“应对气候变化的碳收支认证及相关问题”之生态系统固碳任务群研究进展［J］.中国科学院院刊，2015， 30（6）：848-857.

[3] 曲福田，卢娜，冯淑怡.土地利用变化对碳排放的影响［J］.中国人口·资源与环境，2011， 21（10）：76-83.

[4] 王绍强，许珺，周成虎.土地覆被变化对陆地碳循环的影响：以黄河三角洲河口地区为例［J］.遥感学报，2001，5（2）：142-148.

[5] 王效科，冯宗炜，欧阳志云.中国森林生态系统的植物碳储量和碳密度研究［J］.应用生态学报，2001， 12（1）：13-16.

[6] 刘国华，傅伯杰.全球气候变化对森林生态系统的影响［J］.自然资源学报，2001， 16（1）：71-78.

[7] 葛全胜，戴君虎，何凡能，等.过去300年中国土地利用、土地覆被变化与碳循环研究［J］.中国科学D辑：地球科学，2008， 38（2）：197-210.

[8] 周崴，耿若楠.基于CASA模型的常州市森林植被净初级生产力及碳汇估算［J］.科技和产业，2024， 24（11）：202-210.

[9] 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（Z1）：451-462.

[10] FIROZJAEI M K， SEDIGHI A， ARGANY M，et al. A geographical direction-based approach for capturing the local variation of urban expansion in the application of CA-Markov model［J］. Cities，2019，93：120-135.

[11] RIMAL B， KESHTKAR H， SHARMA R，et al. Simulating urban expansion in a rapidly changing landscape in eastern Tarai，Nepal［J］. Environmental Monitoring and Assessment， 2019，191（4）： 255.

[12] 王犇，甄志磊，席茹阳，等.不同情景下太原市土地利用及碳储量变化研究［J］.环境科学与技术，2023，46（10）：219-227.

[13] 张楚强，向洋，方婷，等.LUCC影响下太原市生态系统碳储量时空变化及预测［J］.安全与环境工程，2022，29（6）：248-258.

[14] 王宁.山西森林生态系统碳密度分配格局及碳储量研究［D］. 北京： 北京林业大学，2014.

[15] GAO R Y， CHUAI X W， GE J F，et al. An integrated tele-coupling analysis for requisition⁃compensation balance and its influence on carbon storage in China［J］.Land Use Policy，2022，116：106057.

[16] 王志萍.2013年度山西省林业碳汇计量监测初探［J］. 山西林业，2016（1）：19-21.

[17] 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.

[18] 李忠，孙波，赵其国.我国东部土壤有机碳的密度和储量［J］.农业环境保护，2001（6）：385-389.

[19] ZHAO S， ZHU C， ZHOU D， et al. Organic carbon storage in China's urban areas［J］.PLoS One，2013，8（8）：e71975.

[20] LIANG X， GUAN Q F， CLARKE K C，et a1 ．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．

[21] 杨潋威，赵娟，朱家田，等.基于PLUS和InVEST模型的西安市生态系统碳储量时空变化与预测［J］.自然资源遥感，2022， 34（4）：175-182.

[22] 李文杰，杨俊毅，傅博， 等.基于PLUS-InVEST模型的大兴安岭生态系统碳储量时空变化与预测［J］.环境工程技术学报，2024，14 （6）：1892-1904.

[23] 胡悦琴，马燕飞，张伟科.中国陆地区土地利用/覆被时空格局变化及驱动力分析［J］.农学学报，2020， 10（4）：26-35.

基金资助

山西省哲学社会科学规划课题青年课题资助项目“汾河流域绿色发展与经济协调空间模式及对策研究”(2024QN117)

山西省政府重大决策咨询课题资助项目“山西中部城市群绿色发展对策研究”(ZB20242211)