中国高校科技期刊集群服务平台

基于土地利用变化情景的三峡库区碳储量评估及脆弱性分析

黄鑫 ,  吴金华 ,  王梦 ,  荣鼎阳

水土保持研究 ›› 2026, Vol. 33 ›› Issue (4) : 191 -201.

PDF (2834KB)
水土保持研究 ›› 2026, Vol. 33 ›› Issue (4) : 191 -201. DOI: 10.13869/j.cnki.rswc.2026.04.015

基于土地利用变化情景的三峡库区碳储量评估及脆弱性分析

作者信息 +

Carbon storage assessment and vulnerability analysis in Three Gorges Reservoir area based on land use change scenarios

Author information +
文章历史 +
PDF (2901K)

摘要

目的 探究三峡库区不同土地利用变化情景下碳储量的变化及其脆弱性，为落实“双碳”目标提供科学依据。 方法 采用PLUS和InVEST模型，评估了2000—2020年地类转移对碳储量的影响，模拟了2030年库区土地利用及碳储量在自然发展、城镇发展及生态保护情景下的时空分布特征，并运用潜在影响指数（PI）分析了碳储量服务的脆弱性。 结果 （1） 2000—2020年库区耕地面积减少906.05 km2，占转出总面积的44.60%，主要转为建设用地。（2） 2000—2020年库区总碳储量累计损失1.20 Tg，林地为主要碳汇区域（占64.90%）；碳储量空间分布呈“东高西低、北高南低”且“库尾<库腹<库首”的特征。（3） 2030年自然发展与城镇发展情景下碳储量分别减少3.25，2.86 Tg；而生态保护情景下可有效遏制碳储量损失，碳储量增加0.34 Tg。（4） 2000—2020年库区PI指数为-1.47~0.78 Tg，前10年脆弱性得到有效缓解，后10年脆弱性不断恶化；2030年自然发展、城镇发展情景的PI指数为-0.82，-0.79 Tg，生态保护情景的PI指数为0.19 Tg，相较于前两种情景，生态保护情景下库区碳汇有所增加，脆弱性有所下降。 结论 耕地转出、建设用地扩张是影响三峡库区碳储量以及服务脆弱性的关键因素，未来应优化库区土地利用结构，推动区域实现可持续发展。

Abstract

Objective This study aims to explore the changes and vulnerabilities in carbon storage under different land use scenarios in the Three Gorges Reservoir area， providing a scientific basis for achieving the “dual carbon” goals. Methods The study employed the PLUS and InVEST models to assess the impact of land use type transitions on carbon storage from 2000 to 2020， simulate the spatiotemporal distribution characteristics of land use and carbon storage in the reservoir area by 2030 under natural development， urban development， and ecological protection scenarios， and analyze the vulnerability of carbon storage services using the Potential Impact Index （PI）. Results （1） Between 2000 and 2020， the reservoir area lost 906.05 km² of cultivated land， accounting for 44.60% of the total area transferred-out， which was primarily converted to construction land. （2） The total carbon storage in the reservoir area cumulatively decreased by 1.20 Tg from 2000 to 2020， with forest land being the main carbon sink region （accounting for 64.90%）. The spatial distribution of carbon storage showed a pattern of “higher in the east and north， lower in the west and south”，with “tail<middle<head of the reservoir”. （3） By 2030， carbon storage under natural development and urban development scenarios was projected to decrease by 3.25 and 2.86 Tg， respectively. Against the backdrop of ecological protection scenario， the loss of carbon stock has been effectively curbed， with a total carbon increase of 0.34 Tg. （4） From 2000 to 2020， the PI index in the reservoir area ranged from -1.47 to 0.78 Tg； vulnerability was effectively mitigated in the first 10 years， but continued to worsen in the latter 10 years. By 2030， the PI index under natural development and urban development scenarios was projected to be -0.83 and -0.79 Tg， respectively， while the ecological protection scenario was projected to reach a PI index of 0.19 Tg. Compared to the first two scenarios， carbon sinks increased and vulnerability decreased under ecological protection. Conclusion The conversion of cultivated land and the expansion of construction land are the key factors affecting carbon storage and the vulnerability of carbon storage services in the Three Gorges Reservoir area. In the future， optimizing the land use structure of the reservoir area is essential to promote regional sustainable development.

Graphical abstract

关键词

土地利用多情景 / PLUS模型 / InVEST模型 / 碳储量 / 脆弱性 / 三峡库区

Key words

multi-scenario land use / PLUS model / InVEST model / carbon storage / vulnerability / Three Gorges Reservoir area

引用本文

引用格式 ▾
黄鑫,吴金华,王梦,荣鼎阳. 基于土地利用变化情景的三峡库区碳储量评估及脆弱性分析[J]. 水土保持研究, 2026, 33(4): 191-201 DOI:10.13869/j.cnki.rswc.2026.04.015

登录浏览全文

4963

注册一个新账户 忘记密码

陆地生态系统中的碳是全球碳循环的关键构成，对维持大气中二氧化碳水平、调节气候变化以及维持生物多样性等方面至关重要［1］。土地利用变化是影响陆地生态系统碳循环的关键因素，通过改变系统的结构与功能，进而影响生态系统的碳储存与释放［2］。近一个世纪以来，受经济快速发展影响，土地利用强度持续加大，加之温室气体过量排放，共同引发温室效应、气候恶化等一系列问题，打破了生态系统的平衡与稳定。因此，探究土地利用变化与生态系统碳储量的内在联系，可为应对全球变暖、提升陆地生态系统碳固存及维护生态系统韧性等提供科学支撑。
目前评估碳储量的研究方法主要分为两类，一类是实地采样法［3］，数据获取精度高，但存在周期长、工作量大、成本高等缺陷，适用于短期、小尺度研究。另一类是模型模拟法［4］，相较于前者，该方法数据获取便利、操作简单，适用于长时间序列及中大尺度研究。其中InVEST（Integrated Valuation of Ecosystem Services and Tradeoffs）模型具有模拟精度较高、操作便利、可视性强等优点，广泛应用于碳储量评估研究。近年来，众多学者将InVEST模型与土地利用模型进行耦合研究，常用的土地利用模型包括CLUE-S［5］、CA-Markov［6］以及FLUS等［7］。但这些模型在实际模拟土地利用时空演变的过程中具有一定的局限性，相比之下，PLUS（Patch-generating Land Use Simulation）模型模拟精度较高，同时能揭示在不同时序下土地利用变化情况。
生态系统脆弱性指在特定时空范围内，生态系统受到外界负面干扰时表现出的敏感反应、自我恢复能力以及生态服务供给水平的降低程度［8］。作为生态系统服务体系的关键构成要素，碳储量服务不仅承担着应对气候变化、维持生态平衡、保障经济发展的重要角色，还对其他生态系统服务的高效运转发挥支撑作用。三峡库区现有研究多聚焦于单一的生态系统碳储量估算［9］，且生态系统脆弱性研究多从生态系统服务价值［10］角度切入，关于土地利用变化与生态系统碳储量服务脆弱性的相关研究较少。此外，部分学者侧重分析近20年碳储量及其脆弱性的演变特征，如王硕［11］、向书江［12］、张斌［13］等使用InVEST模型和脆弱性评估等方法，分析了窟野河流域、重庆市主城区、武汉城市圈的碳储量对土地利用变化的响应及脆弱性，验证了相关研究方法的可行性，但缺乏未来不同情景下的模拟分析。
三峡库区地处长江上游关键节点，是长江流域生态廊道核心枢纽［14］。由于库区独特成因、发展模式和地理条件的特殊性，使研究区域土地覆被发生显著变化。三峡库区作为长江经济带的重要联结点，近年来城市规模扩张迅速，土地利用强度不断加大，严重影响库区生态系统的平衡性。基于此，选取三峡库区为研究区，从土地利用多情景视角出发，分析生态系统碳储量时空分布特征及其脆弱性，以期为提升库区碳储功能、生态系统稳定以及促进区域协调发展提供科学依据和理论参考。

1 研究区域与方法

1.1 研究区概况

三峡库区介于106°20′—110°30′E，28°56′—31°50′N。行政辖区共涉及重庆市与湖北省26个行政区县（图1），总面积约5.8万km²。从空间结构看，库区划分为库首、库腹和库尾三部分。其中，湖北省所辖区域为库首；在重庆市辖区内，库尾包括重庆主城九区、江津区和长寿区，其余区域则归为库腹。截至2020年末，库区常住人口达2 225.59万人，地区生产总值17 577.14亿元。以山地、丘陵地貌为主，地势起伏较大。年降水量1 000~1 800 mm，年均温14.9~18.5 ℃，属亚热带季风气候，雨热同期特征显著，区域植被类型丰富且分布广泛。

1.2 数据来源及预处理

研究数据涵盖土地利用类型、自然、社会及可达性等因子（表1）。以2000年、2005年、2010年、2015年、2020年5期土地利用类型数据为基础，依据土地利用现状分类标准，按土地资源及其利用属性划分为耕地、林地、草地、水域、建设用地和未利用地6种类型；坡度由高程数据提取获得；距离因子经欧式距离几何函数计算得到。为确保数据准确一致，将栅格数据重采样至30 m×30 m空间分辨率，通过按掩膜提取功能统一栅格数据的行列数，并采用投影栅格功能将数据统一为WGS_1984_Albers投影坐标系。

1.3 研究方法

1.3.1 PLUS模型

PLUS模型是基于土地扩张分析策略（Land Expansion Analysis Strategy， LEAS）和多类型随机种子（Cellular Automata with Random Seeds， CARS）的元胞自动机模型，该模型能够揭示土地扩张现象和景观格局转变的驱动因素，可用于模拟土地利用变化。在进行模拟时，首先提取库区2000—2010年各类土地扩张数据，再根据库区的实际情况，从自然条件、社会经济以及空间可达性3个维度，选取表1中的13个因素作为驱动因子。在LEAS模块中计算各类土地利用数据与驱动因子间的关系，设置训练参数后得出每种土地利用类型的发展潜力。基于前期获得的各地类发展概率，在CARS模块中设定模型所需的土地利用需求像元数量、转移成本矩阵以及邻域权重，模拟库区2020年土地利用类型斑块。最后对模拟结果的精度进行验证，以kappa系数作为评价指标，结果显示kappa系数为80.23%，总体精度为85.27%，可用于预测库区2030年多情景下土地利用状况。

（1） 转移成本矩阵。转移成本矩阵是一个二维矩阵（表2），列和行分别表示当前与未来的土地利用类型，通过转移成本矩阵能表示当前土地利用地类转移为目标类型的难度，允许转换部分值为1，不能转换部分值为0。研究设置自然发展、城镇发展以及生态保护3种发展情景。自然发展情景：假设不受任何条件制约，未来10 a三峡库区的发展延续2020年土地利用变化的趋势。城镇发展情景：假设社会经济高速发展，加快其他土地类型向建设用地转移的速率，限制建设用地与其他地类转换。生态保护情景：以《重庆市生态环境保护“十四五”规划（2021—2025年）》为依据，严格遵循“生态保护优先、绿色发展”核心理念，将自然保护区和水库划定为土地利用限制转化区域，对林地、草地及水域等生态用地进行优先保护。

（2） 邻域权重表征不同地类的扩张潜力，取值范围在0~1，数值大小与土地利用类型的扩张能力成正比。根据2000—2020年各地类面积变化量，参考王保盛等［15］赋值方法确定不同土地利用类型的邻域权重，将耕地、林地、草地、水域、建设用地、未利用地的邻域权重分别设置为0.186，0.156，0.307，0.080，0.270，0.001。

1.3.2 InVEST模型碳储量模块

InVEST模型是生态系统服务功能评估的重要工具，可为生态系统管理与决策提供科学依据。基于InVEST模型中的碳储存与封存模块，通过土地利用现状和土地利用碳密度数据，能评估库区当前或未来一段时间内碳储量变化情况。这个模块将陆地生态系统碳库分为地上生物量、地下生物量、土壤以及死亡有机碳库4大类。公式如下：

Ci_total=Ci_above+Ci_below+Ci_soil+Ci_dead

式中：Ci_total为地类i的总碳储量（t）；Ci_above，Ci_below，Ci_soil,Ci_dead分别为地类i的地上生物、地下生物、土壤和死亡有机质碳储量（t/hm2）。

碳密度数据参考范立红［16］、喇蕗梦［17］、毛永发［18］等有关三峡库区碳密度研究成果，并结合实际进行修正处理。相关研究［19］表明碳密度数据与气温、降水存在显著关联。基于此，研究采用Alam［20］、陈光水［21］和Giardina［22］等的公式，通过气温与降水修正系数，对生物量与土壤碳密度进行修正。根据李义平等［23］的研究结果，水域的碳密度可忽略不计，因此设置数值为0。公式如下：

KB=e0.00541Pie0.00541Pj×28Ti+39828Tj+398
Ks=3.3968Pi+3.99613.3968Pj+3.9961

式中：KB为生物量碳密度修正系数；Ti和Tj分别为三峡库区和全国的年均温（℃）；KS为土壤碳密度修正系数；Pi 和Pj 分别为三峡库区和全国的年均降水量（mm）。三峡库区不同土地利用类型的碳密度值见表3。

1.3.3 生态系统碳储量服务脆弱性评估模型

研究以Schröter等［24］拓展的起点脆弱性评估方法为基础，结合Metzger等［25］提出的潜在影响指数（PI），对生态系统碳储量服务的脆弱性进行量化分析。公式如下：

PI=Lx×Cy-CxCx×Ly-Lx
L=100×∑i=1nDi×Pi

式中：L为土地利用强度；C为碳储量；x为期初年份；y为期末年份；Di 为第i级土地利用程度分级指数；Pi 为第i级土地利用面积占比（%）；n为土地利用程度分级数。参考庄大方等［26］研究，将库区土地利用指数分为4级，其中未利用地为1，林地、草地、水体为2，耕地为3，建设用地为4。

2 结果与分析

2.1 三峡库区土地利用及碳储量现状

2.1.1 2000—2020年土地利用时空变化

三峡库区2000—2020年的土地利用分布如图2所示，20年间各地类面积及变化情况见表4。研究区土地利用结构自2000年以来发生不同程度的变化。总体上看，2020年库区地类以耕地和林地为主，面积占比分别为36.75%和47.97%，其次为草地、建设用地、水域和未利用地，占比均低于15%。耕地主要分布在主城区的城市周边、长寿区以及丰都县西部等地，占地面积呈逐年减少的趋势，截至2020年，已下降至36.75%；林地和草地受地形影响，主要分布在库首和库腹的山地丘陵地区，两者约占总面积的58.2%；建设用地集中分布于重庆主城区，占地面积持续增加，相较于基期增长274.55%；水域面积受库区影响，占比逐年上升，面积占比在2%左右；其余为未利用地，面积较少，占比约为0.01%。

研究区2000—2020年土地利用变化量为7 527.87 km²（表5），占研究区总面积的13.08%，地类转移主要集中于耕地、林地、草地、水域和建设用地。从耕地转出情况来看，其转出面积为3 357.15 km²，占总转出面积的44.60%，其中有46.94%转为林地，34.31%转为建设用地；就林地转入而言，转入面积为2 646.21 km²，占总转入面积的35.15%，其中59.55%来自于耕地。在土地利用净转移上，草地净转出量最大，耕地和未利用地次之；建设用地净转入量最多，其次为林地和水域。具体而言，20年间草地净转出面积为1 498.21 km²，占总转出面积的19.90%，其中69.83%的草地转为林地；建设用地净转入面积为1 316.99 km²，占总转入面积的17.49%，其中87.45%来自耕地。

2.1.2 2000-2020年碳储量时空演变

三峡库区2000—2020年碳储量空间分布如图3所示。库区碳储量呈现显著空间分异特征，整体呈递减趋势，具体表现为“东高西低、北高南低”，同时“库尾<库腹<库首”的特征。库首地形多为山地丘陵且植被覆盖度高、生态环境破坏程度较低，所以碳储量高于库腹和库尾。碳储量低值区集中分布在重庆主城区，受地形条件影响，利于日常生产生活，地类多为耕地和建设用地，由于密集的人类活动，植被覆盖减少、土壤有机碳流失以及人为碳排放增加，故碳储量值较低。由此可见，碳储量空间分布与土地利用变化联系紧密，地类转变直接对植被覆盖、土壤有机碳产生影响，进而作用于碳储量。同时碳密度较高的地类对碳储量贡献度也较高，即高值区以耕地、林地和草地等用地为主，低值区以水域、建设用地和未利用地为主。

从时间上看，研究区2000年、2005年、2010年、2015年、2020年总碳储量分别为533.73 Tg，534.22 Tg，536.16 Tg，534.73 Tg和532.53 Tg，近20年间减少1.20 Tg，总碳储量变化整体呈“先增后减”的趋势（表6），这一变化过程可以分为两个阶段。首先，在2000—2010年研究区碳储量呈微幅递增态势，增加总量为2.43 Tg，增幅为0.46%，主要原因为该时段耕地和林地面积得到一定程度增加，且建设用地增长速率放缓，土地开发强度得到合理控制，避免因大规模建设导致的生态破坏碳储量损失，故该时段碳储量呈现小幅度增长态势；2010—2020年在城乡发展与经济增长的双轮驱动下，建设用地规模得以扩张，同时对农田资源产生较大影响，导致碳储量出现较为明显的下降，减少总量为3.63 Tg，降幅为0.68%，尤其是耕地、林地和草地面积缩减，致使研究区的碳储量呈现减少趋势，分别造成3.47 Tg，0.63 Tg和1.61 Tg的碳损失。

2.1.3 碳储量对土地利用变化的响应分析

碳储量变化受土地利用类型转换面积及其碳密度差异共同驱动。研究区耕地和林地面积总占比约为84.72%，碳储总量中超过90%来自耕地和林地这两类碳库，见表7。不同地类对总碳储量的贡献度存在明显差异，其贡献度大小呈现“林地>耕地>草地>建设用地>未利用地>水域”的特征。具体而言，林地作为最大的碳库，占碳储量总量的64%以上。而耕地作为第二大碳库，在20年间面积缩减3 357.15 km²，这导致耕地碳储量占比从30.02%下降到28.84%。同时期，草地、水域和未利用地的碳储量总体波动幅度较小。而建设用地面积增加1 364.32 km²，碳储量占比从0.23%升至0.85%。

总体而言，研究期内区域碳储量呈现“双向增减”特征：通过耕地、林地和草地等中/高碳密度地类相互转换能提高碳储量，碳增量净增加8.68 Tg；但由于中高碳密度地类向水域和建设用地大规模转移，加速碳储量的流失，碳储量净减少9.72 Tg。尽管近20年来低碳密度水域和建设用地面积得以快速扩张，提高库区的碳储量，分别增加0.41 Tg和0.11 Tg，但并不足以弥补高碳密度耕地、林地和草地等地类转移产生的碳储量损失，从而造成该时期地类转换对碳储量的影响以损失为主。

2.2 三峡库区土地利用及碳储量多情景模拟

2.2.1 多情景土地利用及空间分布特征

三峡库区2030年土地利用模拟结果由图4可知，不同情景下各地类面积相较于2020年的变化情况见表8。总体而言，3种情景中耕地、草地与未利用地面积均呈下降趋势，水域和建设用地面积呈稳定扩张态势，而林地面积在不同情景下变化有所差异，表现在自然发展和城镇发展情景下林地面积减少，生态保护情景下林地面积略有上升。2030年自然发展情景下土地利用变化基本延续过去20 a的整体态势，耕地是建设用地主要转入来源；2030年城镇发展情景下建设用地面积增长667.37 km²，增幅上升至37.14%，耕地、林地、草地不断萎缩，降幅分别为1.82%，0.11%，4.75%，土地利用结构冲突明显；2030年生态保护情景下，强化生态政策，在《“十四五”长江经济带发展实施方案》中强调生态环境系统保护修复、经济低碳绿色发展，林地转移受到限制，使得林地面积增长228.49 km²，增幅为0.83%，而耕地面积减少423.61 km²，减幅为2%。这种情景下虽然增加了林地和水域的面积，但受限于2000—2020年土地利用发展趋势，其面积增加有限，而且转入来源以耕地为主，粮食安全受到威胁。

2.2.2 多情景碳储量时空变化特征

三峡库区2020—2030年各地类碳储量变化见图5。从时间尺度上看，自然发展、城镇发展以及生态保护情景下库区碳储量分别为529.28 Tg，529.67 Tg和532.87 Tg。相较于2020年，前两种情景碳储量均呈下降趋势，仅在生态保护情景下碳储量上升，表明该情景下能有效降低库区碳储量的损失。自然发展情景下建设用地粗放式蔓延，造成碳汇面积大量流失，使碳储量较2020年碳储量减少3.25 Tg；城镇发展情景下，建设用地虽保持外延式扩张态势，但通过提升建设用地集约化程度，使碳储量损失收窄至2.86 Tg；在生态保护情景下，实施生态用地转出管制等保护性政策能有效减缓碳储量的流失，对于研究区生态系统的保护起到积极作用，碳储量随之增加0.34 Tg，所以在该情景下能增强区域生态系统固碳功能。

从空间尺度上看，多情景下模拟显示2030年碳储量分布特征与近20年演变趋势一致（图6）。2020—2030年自然发展、城镇发展和生态保护这3种情景下，库区大部分地区碳储量基本保持不变，占比分别为97.17%，96.71%，99.07%。自然发展情景下，碳储量增加区域占比1.90%，主要分布在云阳县北部和奉节县西部；碳储量减少区域集中在重庆主城区、长寿区、涪陵区，碳流失面积占比0.94%。城镇发展情景下，碳储量增加区域占比2.09%，主要位于奉节县南部、武隆区东部及石柱县东部；减少区域占比1.20%，集中于重庆主城区、长寿区、涪陵区中部和万州区中部等区域。生态保护情景下，碳储量增加区域占比0.48%，主要分布在云阳县、开州区北部以及奉节县南部；减少区域占比0.45%，集中在主城区及长寿区。综上，生态保护情景下库区绝大部分地区碳储量保持不变，同时碳储量增加的态势也较为明显，故从碳储量时空演变角度阐释在该情景下能降低研究区碳储量的损失。

2.3 生态系统碳储量服务脆弱性评估

利用公式计算的结果，评估三峡库区2000—2005年、2005—2010年、2010—2015年、2015—2020年以及2030年自然发展、城镇发展以及生态保护情景下生态系统碳储量服务脆弱性情况（表9）。从整体上看，区域土地利用强度处于中等发展水平，2000—2020年提高3.01，增幅为1.25%，总体呈现出“先增后降再增”的波动态势，主要原因是建设用地面积在20年间波动变化较大，导致研究区土地利用综合指数上升。此外，三峡库区20年内总碳储量变化呈“先增后减”的趋势，共减少1.2 Tg，主要由于高碳密度的耕地、林地和草地面积降低，向低碳密度的建设用地转移所致。4个时段的PI指数分别为-1.47，0.78，-1.38，-0.63 Tg，在2000—2010年PI指数由负转正，主要得益于库区在该时段生态屏障修复工作的稳步推进，其间总碳储量增加1.94 Tg，有效缓解了生态脆弱性。2010—2020年PI指数均为负，在城乡发展与经济增长的双轮驱动下，土地利用强度10年间提升了2.04，对碳储量的负向潜在影响增强，其间总碳储量损失3.63 Tg，制约区域发展和生态建设。

此外，2030年自然发展、城镇发展和生态保护情景下PI指数分别为-0.82，-0.79，0.19 Tg。其中，自然发展和城镇发展情景中，土地利用强度变化对库区碳储量均产生负向潜在影响，加剧三峡库区碳储量服务的脆弱性。具体而言，在自然发展情景下，土地利用强度较2020年有所缓解，但碳储量减少3.25 Tg，主要是由于建设用地呈无序外延扩张趋势，造成碳汇面积的流失；在城镇发展情景下，虽然碳储量有所提升，土地利用强度有所缓解，但建设用地占比依旧较大，导致区域土地利用程度综合指数仍为负；在生态保护情景下，对生态用地的转出进行管制，能有效减缓碳储量的流失，碳储量增加0.34 Tg，相较于前两种发展情景，土地利用强度得到进一步缓解，建设用地的规模得到有效控制，因此在该情景，PI指数由负变正，有效减轻土地转移对碳平衡的扰动，缓解生态系统脆弱程度。

3 讨 论

3.1 三峡库区固碳潜力分析

2000—2020年库区碳储量呈现“先增后减”的趋势，总体降幅相对缓和。在2000—2010年由于库区生态屏障修复工作稳步推进，生态用地面积保持稳定，用地布局持续优化，碳储量呈微幅递增态势；2010—2020年在城乡发展与经济增长的双轮驱动下，建设用地规模扩张，生态用地缩减，碳储量降幅明显。2030年库区在自然发展和城镇发展情景下碳储量呈减少态势，而在生态保护情景下碳储量有所上升。随着社会经济的不断发展，加剧土地利用转化速度，建设用地的无序扩张对生态用地的侵占，是导致碳储量衰减的核心因素。赵文静［27］和贾艳艳［28］等研究表明碳排放量与用地类型密切相关，由于建设用地扩张侵占了生态功能较强的用地类型，导致区域碳储量的持续下降。熊国来［29］和曹振江［30］等研究表明生态保护情景展现出最优的碳增汇效应，凸显生态优先发展理念在区域可持续发展中的重要性。上述研究结果均与本研究相符。

针对三峡库区不同时期碳储量演变特征，提出差异化的优化策略：在以经济发展为核心的区域，如重庆主城区，应强化国土空间规划的刚性约束，合理调整建设用地布局，严格控制用地规模无序扩张，同时提高未利用地的开发利用效率，促进经济发展与环境保护的动态平衡；对于生态用地占比较高的区域，如兴山县、夷陵区和秭归县等，应将生态保护置于首位，积极推进退耕还林工程，引导未利用地向耕地、林地和草地等生态功能较强的地类转化，持续加强库区生态屏障区造林绿化和生态修复工作，提升森林生态系统质量，进而促进碳储量的增加和生态环境的可持续发展。

3.2 碳储量服务脆弱性评估

2000—2020年三峡库区生态系统碳储量脆弱性呈阶段性变化，前10 a由负向潜在影响转为正向潜在影响，后10 a呈负向潜在影响，区域脆弱性整体呈上升态势。在2000—2010年期间，三峡库区实施一系列生态修复工程，如退耕还林还草、天然林保护、长江流域防护林体系建设等举措，逐渐优化库区生态系统质量与服务功能，特别是在2005—2010年库区生态系统脆弱性得到进一步缓解。而在2010—2020年随着重庆主城区经济快速发展，工业化进程不断加快，建设用地面积在10年间扩张1 317.03 km2，增幅为274.57%，对生态系统的扰动力度增强，因此表现为负向潜在影响。

2030年不同情景下土地利用强度对碳储量脆弱性的潜在影响存在差异。自然发展和城市发展情景下，随着经济的快速发展，建设用地面积扩张速度加快，耕地、林地、草地不断萎缩，土地利用强度增大，碳储量减少，使生态系统碳储量服务脆弱性恶化；生态保护情景下侧重于生态保护，建设用地扩张速率降低，土地利用强度减小，同时林地、草地以及水域等用地面积增加，提高生态用地的碳汇能力。因此，在今后土地开发利用过程中，应合理优化建设用地结构，可以通过提高建设用地的利用效率，如优化城市规划、发展紧凑型城市等方式，合理利用土地资源。同时，要提高地类的碳汇能力，一方面要保护现有高碳密度的土地类型，如林地、草地等，避免其向低碳密度的土地类型转移；另一方面可对已有的低碳密度土地进行生态修复，例如在建设用地上增加绿化面积，实施植树造林、退耕还林还草等措施，提升这些区域的碳储量，从而降低因土地利用变化导致的碳储量损失。

4 结 论

（1） 2000—2020年三峡库区耕地、草地和未利用地的变化率分别减少4.11%，20.29%和46.46%；水域和建设用地扩张明显，土地利用的变化率分别增加42.93%和274.57%。2030年自然发展和城镇发展情景下，耕地和草地均呈显著下降趋势，建设用地持续扩张；生态保护情景下，林地显著增长，有效抑制建设用地扩张趋势。

（2） 2000—2020年库区总碳储量呈“先增后减”的趋势，总体降幅不大；空间上呈东高西低、北高南低的布局，具有空间异质性，其中碳储量高值主要分布山地地区，碳储量低值区主要分布在重庆主城区。2030年在生态保护情景下，碳储量增加0.34 Tg，但在自然发展和城镇发展情景下，碳储量呈下降趋势，分别减少3.25 Tg和2.86 Tg。

（3） 从土地利用转移对碳储量的影响角度看，耕地向建设用地大规模转移是造成库区碳流失的主要原因，转出面积分别为1 151.71 km²，导致碳储量减少5.46 Tg，占总损失的45.16%。耕地、林地和草地等中/高碳密度地类相互转换能促进碳储量增加，实现碳增量8.68 Tg。

（4） 2000—2020年三峡区库土地利用强度指数增加3.01，PI指数为-1.47~0.78 Tg，前10 a脆弱性得到有效缓解，后10 a脆弱性持续恶化。2030年自然发展、城市发展情景潜在影响指数（PI）分别为-0.82，-0.79 Tg，均呈负向潜在影响，而生态保护情景下的PI指数为0.19 Tg，相对于前两种情景，该情景下的脆弱性有所改善。

研究所采用的碳密度值参考已有文献材料，未体现年际变化，但植被生长、土壤有机质分解、环境水热及人类活动等会导致碳密度随时间动态变化，因而具有一定局限性。尽管对碳密度数据进行修正，但相较于实测数据仍存在一定程度误差，后续需从动态视角修正研究区碳密度。

参考文献

原文顺序 | 出版日期 | 本文引用
[1]

Cui W K， Yang L， Zhang L， et al. A novel approach of generating pseudo revisited soil sample data based on environmental similarity for space-time soil organic carbon modelling［J］. International Journal of Applied Earth Observation and Geoinformation， 2025，139：104542.
[2]

Li J S， Guo X M， Chuai X W， et al. Reexamine China′s terrestrial ecosystem carbon balance under land use-type and climate change［J］. Land Use Policy， 2021，102：105275.
[3]

Thom D， Keeton W S. Stand structure drives disparities in carbon storage in northern hardwood-conifer forests［J］. Forest Ecology and Management， 2019，442：10-20.
[4]

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.
[5]

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.
[6]

张燕，师学义，唐倩.不同土地利用情景下汾河上游地区碳储量评估［J］.生态学报，2021，41（1）：360-373.
[7]

Zhang Y， Shi X Y， Tang Q. Carbon storage assessment in the upper reaches of the Fenhe River under different land use scenarios［J］. Acta Ecologica Sinica， 2021，41（1）：360-373.
[8]

帕茹克·吾斯曼江，艾东，方一舒，等.基于InVEST与CA-Markov模型的昆明市碳储量时空演变与预测［J］.环境科学，2024，45（1）：287-299.
[9]

Paruke W S M J， Ai D， Fang Y S， et al. Spatial and temporal evolution and prediction of carbon storage in Kunming City based on InVEST and CA-Markov model［J］. Environmental Science， 2024，45（1）：287-299.
[10]

侯建坤，陈建军，张凯琪，等.基于InVEST和GeoSoS-FLUS模型的黄河源区碳储量时空变化特征及其对未来不同情景模式的响应［J］.环境科学，2022，43（11）：5253-5262.
[11]

Hou J K， Chen J J， Zhang K Q， et al. Temporal and spatial variation characteristics of carbon storage in the source region of the Yellow River based on InVEST and GeoSoS-FLUS models and its response to different future scenarios［J］. Environmental Science， 2022，43（11）：5253-5262.
[12]

De Lange H J， Sala S， Vighi M， et al. Ecological vulnerability in risk assessment： a review and perspectives［J］. Science of the Total Environment， 2010，408（18）：3871-3879.
[13]

郭慧，吴莎，吴迪，等.林场尺度森林生态系统服务供给能力评价［J］.生态学报，2025，45（20）：9997-10007.
[14]

Guo H， Wu S， Wu D， et al. Assessment of forest ecosystem service supply capacity at the forest farm scale［J］. Acta Ecologica Sinica， 2025，45（20）：9997-10007.
[15]

韦宝婧，胡希军，张亚丽，等.基于“重要性-脆弱性-服务价值”的国土空间生态保护与修复管控［J］.农业工程学报，2022，38（19）：249-258.
[16]

Wei B J， Hu X J， Zhang Y L， et al. Ecological protection， restoration and management of territorial space using “Importance， Fragility， Ecosystem service value”［J］. Transactions of the Chinese Society of Agricultural Engineering， 2022，38（19）：249-258.
[17]

王硕，盛艳，范淑花，等.基于InVEST模型的窟野河流域碳储量变化对土地利用格局的响应［J］.水土保持研究，2025，32（3）：149-158.
[18]

Wang S， Sheng Y， Fan S H， et al. Response of carbon storage changes to land use pattern in Kuye River Basin based on InVEST model［J］. Research of Soil and Water Conservation， 2025，32（3）：149-158.
[19]

向书江，张骞，王丹，等.近20年重庆市主城区碳储量对土地利用/覆被变化的响应及脆弱性分析［J］.自然资源学报，2022，37（5）：1198-1213.
[20]

Xiang S J， Zhang Q， Wang D， et al. Response and vulnerability analysis of carbon storage to LUCC in the main urban area of Chongqing during 2000—2020［J］. Journal of Natural Resources， 2022，37（5）：1198-1213.
[21]

张斌，夏秋月.武汉城市圈碳储量的地形梯度效应及脆弱性［J］.水土保持研究，2023，30（5）：443-452.
[22]

Zhang B， Xia Q Y. Topographic gradient effect and vulnerability analysis of carbon storage in Wuhan urban circle［J］. Research of Soil and Water Conservation， 2023，30（5）：443-452.
[23]

周瑞娇，张虹，钱敏.近30年三峡库区生态系统服务流时空演变与影响因素研究［J］.生态环境学报，2025，34（6）：876-887.
[24]

Zhou R J， Zhang H， Qian M. Spatial-temporal evolution of ecosystem service flows in the Three Gorges Reservoir area in the past 30 years and influencing factors［J］. Ecology and Environmental Sciences， 2025，34（6）：876-887.
[25]

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.
[26]

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.
[27]

范立红，朱建华，李奇，等.三峡库区土地利用/覆被变化对碳储量的影响［J］.南京林业大学学报：自然科学版，2018，42（4）：53-60.
[28]

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.
[29]

喇蕗梦，勾蒙蒙，李乐，等.三峡库区生态系统服务权衡时空动态与情景模拟：以秭归县为例［J］.生态与农村环境学报，2021，37（11）：1368-1377.
[30]

La L M， Gou M M， Li L， et al. Spatiotemporal dynamics and scenarios analysis on trade-offs between ecosystem service in Three Gorges Reservoir area： a case study of Zigui County［J］. Journal of Ecology and Rural Environment， 2021，37（11）：1368-1377.
[31]

毛永发，周启刚，王陶，等.耦合PLUS-InVEST-Geodector模型的三峡库区碳储量时空变化及其定量归因［J］.长江流域资源与环境，2023，32（5）：1042-1057.
[32]

Mao Y F， Zhou Q G， Wang T， et al. Spatial-temporal variation of carbon storage and its quantitative attribution in the Three Gorges Reservoir area coupled with PLUS-InVEST Geodector model［J］. Resources and Environment in the Yangtze Basin， 2023，32（5）：1042-1057.
[33]

Raich J W， Nadelhoffer K J. Belowground carbon allocation in forest ecosystems： global trends［J］. Ecology， 1989，70（5）：1346-1354.
[34]

Alam S A， Starr M， Clark B J F. Tree biomass and soil organic carbon densities across the Sudanese woodland savannah： a regional carbon sequestration study［J］. Journal of Arid Environments， 2013，89：67-76.
[35]

陈光水，杨玉盛，谢锦升，等.中国森林的地下碳分配［J］.生态学报，2007，27（12）：5148-5157.
[36]

Chen G S， Yang Y S， Xie J S， et al. Total belowground carbon allocation in China′s forests［J］. Acta Ecologica Sinica， 2007，27（12）：5148-5157.
[37]

Giardina C P， Ryan M G. Evidence that decomposition rates of organic carbon in mineral soil do not vary with temperature［J］. Nature， 2000，404（6780）：858-861.
[38]

李义平，蔡宏，田鹏举，等.贵州省黎平县地表覆被变化引起的生态系统碳储量变化［J］.水土保持通报，2020，40（2）：92-99，325.
[39]

Li Y P， Cai H， Tian P J， et al. Changes in ecosystem carbon stock caused by land cover conversion in Liping County of Guizhou Province［J］. Bulletin of Soil and Water Conservation， 2020，40（2）：92-99，325.
[40]

Schröter D， Cramer W， Leemans R， et al. Ecosystem service supply and vulnerability to global change in Europe［J］. Science， 2005，310（5752）：1333-1337.
[41]

Metzger M J， Rounsevell M D A， Acosta-Michlik L， et al. The vulnerability of ecosystem services to land use change［J］. Agriculture， Ecosystems & Environment， 2006，114（1）：69-85.
[42]

庄大方，刘纪远.中国土地利用程度的区域分异模型研究［J］.自然资源学报，1997，12（2）：105-111.
[43]

Zhuang D F， Liu J Y. Study on the model of regional differentiation of land use degree in China［J］. Journal of Natural Resources， 1997，12（2）：105-111.
[44]

赵文静，王承武.乌鲁木齐都市圈土地利用碳排放与生态系统服务交互特征［J］.地球科学与环境学报，2025，47（2）：260-273.
[45]

Zhao W J， Wang C W. Interactive characteristics of land use carbon emissions and ecosystem services in Urumqi metropolitan area， China［J］. Journal of Earth Sciences and Environment， 2025，47（2）：260-273.
[46]

贾艳艳，张芳源，刘新龙.基于土地利用变化的大汶河流域碳储量评估及其脆弱性分析［J］.水土保持通报，2025，45（1）：254-263.
[47]

Jia Y Y， Zhang F Y， Liu X L. Assessment and vulnerability analysis of carbon storage in Dawen River Basin based on land-use change［J］. Bulletin of Soil and Water Conservation， 2025，45（1）：254-263.
[48]

熊国来，吴学群，杨明龙，等.基于PLUS-InVEST模型的喀斯特地区碳储量时空变化及影响因素分析［J］.水土保持研究，2025，32（6）：307-315，326.
[49]

Xiong G L， Wu X Q， Yang M L，et al. Spatiotemporal variations and influencing factors of carbon storage in karst regions based on PLUS-InVEST model［J］.Research of Soil and Water Conservation，2025，32（6）：307-315，326.
[50]

曹振江，张亚丽.基于InVEST-PLUS模型的河南省土地利用和碳储量时空演变［J］.环境科学，2025，46（11）：7043-7057.
[51]

Cao Z J， Zhang Y L. Spatiotemporal evolution of land use and carbon storage in Henan Province based on InVEST-PLUS model［J］. Environmental Science， 2025，46（11）：7043-7057.

基金资助

国家自然科学基金面上项目“基于坡位特征的黄丘区坡面植被恢复评价及模型构建”(41871190)

AI Summary AI Mindmap
PDF (2834KB)

0

访问

0

被引

详细
导航
相关文章

AI思维导图

/

〈 〉

Copyright © Higher Education Press.
Powered by Beijing Magtech Co. Ltd
京ICP备12020869号-1　京ICP备150856号　
京公网安备11010202008535号
网络出版服务许可证网出证(京)字第127号
Service: 010-58582445 (Technology);
010-58556485 (Subscription)　
E-mail: subscribe@hep.com.cn