基于FLUS和InVEST模型的无锡市碳储量模拟预测

Simulation and prediction of carbon stock in Wuxi City based on FLUS and InVEST models

摘要

为分析无锡市土地利用历史时空变化以及土地利用对当地陆地生态系统碳储量的影响，基于无锡市2000—2020年土地利用数据，运用FLUS模型预测无锡市2030年自然发展情景、经济发展情景和生态保护情景的土地利用转移；耦合InVEST模型，使用其碳储量模块对无锡市历史及未来碳储量进行分析，从而实现未来用地转移的合理化。结果表明：无锡市最主要的用地类型为耕地，发展用地因其面积逐年增加，与林地为第二重要用地，历史土地利用方式主要为耕地向发展用地转变。无锡市耕地对碳储量的贡献率最高，其次是林地，然而，自2010年以来，发展用地的碳储量贡献率超过了林地，导致市内碳储量逐年减少。在自然发展和经济发展情景下，未来的碳储量与2020年碳储量相比分别减少55.20×10⁴和78.34×10⁴ t，生态保护情景的碳储量则增加0.58×10⁴ t。

Abstract

To analyze the historical spatiotemporal dynamics of land use in Wuxi City and assess their impacts on terrestrial ecosystem carbon stocks， this study used land-use data for 2000—2020 and applied the FLUS model to simulate land use patterns in 2030 under three scenarios： natural development， economic development， and ecological protection. Coupling these simulations with the InVEST model， this study employed its carbon stock module to quantify historical and projected carbon stocks and to inform rational land-use transitions. The results indicate that cropland is the dominant land use type in Wuxi City. Built-up land has expanded year by year and， together with forest land， constitutes the second most important land use. Historically， the principal land-use transition was from cropland to built-up land. Cropland contributed the most to total carbon stock， followed by forest land； however， since 2010， the contribution rate of built-up land has exceeded that of forest land， resulting in a year-on-year decline in the city’s total carbon stock. Relative to 2020， total carbon stock in 2030 is projected to decrease by 55.2×10⁴ t and 78.34×10⁴ t under the natural development and economic development scenarios， respectively， whereas it is projected to increase by 0.58×10⁴ t under the ecological protection scenario.

Graphical abstract

关键词

土地利用 / FLUS模型 / InVEST模型 / 碳储量

Key words

land use / FLUS model / InVEST model / carbon stock

全球气候变化日益加剧，碳排放问题已成为人类共同的挑战^[1]。为了实现碳达峰和碳中和的目标，迫切需要对区域碳储量进行评估和预测，以制定有效的减排策略和措施^[2]。碳储量是陆地生态系统中地上、地下、土壤等各组分固定的碳总量，其动态变化对生态系统碳循环有着重要的影响^[3]。土地利用变化是人类活动对自然资源的利用方式和强度的改变，它是影响碳储量变化的主要因素之一^[4]。近年来，工业化的快速发展导致土地利用类型发生了剧烈转移，从而引起生态系统结构和功能的变化，进而影响碳的输入和输出，改变碳储量的分布^[5-6]。因此，研究区域土地利用历史变化进而揭示碳储量的时空演变规律，对于实现固碳和减少碳储量损失具有重要的意义^[7]。

FLUS（Future Land-Use Simulation）模型是一种基于深度学习的土地利用变化模拟模型，可以利用人工智能技术结合过程模型，预测未来不同情景下的土地利用变化，进而推算碳储量的变化趋势^[8]。FLUS模型具有高效、灵活的特点，可以适应不同的数据源和空间尺度，已被广泛应用于土地利用变化的模拟和预测^[9-10]。InVEST（Integrated Valuation of Ecosystem Services and Tradeoffs）模型是一种基于生态系统服务价值的综合评估模型，已被广泛应用于生态系统服务的评估和规划^[11]，对于碳储量模块，其可以根据不同的土地利用类型和生态参数计算碳储量^[12-13]。2种模型的结合使用，可以充分发挥各自的优势，提高碳储量模拟的精度和可靠性。

目前关于土地利用和碳储量的研究相对集中在土地利用时空演变和碳储量动态评估，而土地利用变化对碳储量的影响以及对研究区未来碳储量情景预测的研究相对较少^[14-15]。无锡市位于长江中下游地区，是一个经济发达且人口密集的城市。然而，随着城市化进程的加速，土地利用变化对碳储量的影响日益凸显，因此，生态保护政策的提出和未来土地的合理规划对无锡市生态治理至关重要。无锡市是江苏省的经济强市，也是全国率先提出打造“零碳城市”目标的地区之一。无锡市土地利用类型丰富多样，包括耕地、林地、草地、建设用地等，碳储量受到土地利用变化、气候变化等多种因素的综合影响^[16]。为了研究无锡市碳储量的历史与未来变化特征，本文采用FLUS模型和InVEST模型进行多情景模拟分析，以期对研究区未来的土地利用规划和生态环境建设提供有效参考。

1 研究方法

1.1 研究区概况

无锡市是江苏省的一个地级市，位于长江三角洲中部，是中国的重要经济中心之一。无锡市地处北亚热带季风气候区，四季分明，气候温和，雨水充沛，雨热同季。无锡市地理坐标为31°07′—32°02′N、119°33′—120°38′E，总面积为4 627.46 km²。无锡市的地形地貌以平原为主，低山、残丘为辅，地势呈西南、北高，中间低的形态展布。土壤类型以黄棕壤为主。无锡市的植被类型主要有常绿阔叶林、落叶阔叶林、针阔混交林、针叶林、灌丛和草地等类型。

1.2 数据来源

无锡市2000年、2010年和2020年土地利用数据来源于中国科学院资源环境中心（www.resdc.cn），将Landsat遥感影像作为主要信息源，通过人工目视解译构建的中国国家尺度多时期土地利用/土地覆盖专题数据库。一级分为耕地、林地、草地、水域、发展用地和未利用土地6类，二级在一级类型基础上进一步分为25个类型，其中耕地分为水田与旱地二级分类；林地分为有林地、灌木林、疏林地及其他林地；草地分为高、中、低覆盖度草地；发展用地分为城镇用地、农村居民点及其他建设用地。将全国地理信息资源目录服务系统（http：//www.Webmap.cn）矢量数据在ArcGIS中作欧氏距离，得到与道路、河流的距离，具体数据来源如表1所示，通过重采样分辨率全部调整为30 m。

1.3 数据分析方法

1.3.1 基于FLUS模型的土地利用模拟

1）驱动因子的选取。综合考虑研究区域的地域特征，选取的驱动因子为气候与环境因子及社会经济因子（表1）。

2）情景设置及精度验证。根据无锡市历史土地利用转移及相邻地区研究的经验，设置了3种发展情景。情景一：自然发展情景，至2030年，土地利用转移与历史规律相当。情景二：自然保护情景，将耕地、林地、草地和水域向建设用地转移的概率减少，林地向草地转移的概率减少，水域和草地向林地转移的概率增加，建设用地向林地转移的概率增加^[17]。情景三：经济增长情景，耕地、林地、草地和水域向建设用地转移的概率增加，未利用土地向耕地、林地、草地和水域转移的概率减少。

基于研究区2010年土地利用分布，预测2020年的土地利用分布格局，再将其与2020年真正的土地利用进行比较，Kappa系数为0.91，说明模型精确性达到了要求。Kappa系数计算公式为：

\mathrm{K}\mathrm{a}\mathrm{p}\mathrm{p}\mathrm{a}=\frac{P_{\mathrm{0}}-P_{\mathrm{c}}}{P_{\mathrm{p}}-P_{\mathrm{c}}}。（1）

式中：P₀为模拟结果正确的比例；P_c为随机条件下期望的模拟结果正确的比例；P_p为理想情况下模拟结果正确的比例。一般情况下，Kappa大于0.75时一致性较高，在0.40~0.75范围内一致性一般，小于0.4时一致性较差，模拟精度较差^[17]。

3）土地利用邻域权重参数。土地利用邻域权重表示土地类型在外界各种驱动因子的推动下向外扩张的能力，范围为0~1，越接近1表示扩张的可能性越大（表2）。表3为转移矩阵，其中值为1表示地类之间可以互相转换，值为0表示不能转换。

1.3.2 基于InVEST模型的碳储量分析

InVEST模型将生态系统的碳储量划分为地上生物碳、地下生物碳、土壤碳和枯落物有机碳，总碳储量^[16]的公式为：

C_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}=C_{\mathrm{a}\mathrm{b}\mathrm{o}\mathrm{v}\mathrm{e}}+C_{\mathrm{b}\mathrm{e}\mathrm{l}\mathrm{o}\mathrm{w}}+C_{\mathrm{d}\mathrm{e}\mathrm{a}\mathrm{d}}+C_{\mathrm{s}\mathrm{o}\mathrm{i}\mathrm{l}}。（2）

式中：C_total为研究区总体碳储量；C_above为植被地上碳储量；C_below为植被地下碳储量；C_dead为枯落物碳储量；C_soil为土壤碳储量。

本文中的碳库数据主要参考前人研究成果，综合了相邻同气候带的前人研究^[17-20]，得到土地利用各类型的碳密度值（表4）。

2 结果与分析

2.1 无锡市历史土地利用转移分析

研究区2000年、2010年、2020年的土地利用面积如表5所示。耕地是无锡市的主要用地类型，2000年、2010年、2020年占研究区总面积的53.37%、42.28%、40.22%。其次是发展用地，2000年、2010年、2020年发展用地占研究区总面积的比例分别为15.56%、26.32%、28.44%。水域作为研究区第三大用地类型，分布在研究区南部。林地和草地主要位于研究区西南山部，面积占总研究区的10%。

由表6与表7可知，2000—2020年，耕地、林地、草地分别减少607.52、4.46和1.95 km²，水域和未利用土地的面积增长7.05和11.89 km²。发展用地则不断扩张，2000—2010年发展用地面积增加了497.13 km²，增长率为69.15%；2010—2020年发展用地面积增加了97.75 km²，增长率为8.04%，可见无锡市正处于急剧城市化的状态。如表6和表7所示，近20年来，耕地作为最主要的转出用地，分别向其他用地转出了563.722和142.711 km²，共占据总转出面积的86.8%，转出的面积中有79.36%是由耕地转移至发展用地；其余用地类型几乎保持不变，耕地和发展用地的转换率最高（图1）。

2.2 无锡市未来不同情景下土地利用模拟

根据设置的无锡市未来情景下土地利用的邻域因子与转移矩阵（表2和表3），得到不同情景下2030年无锡市土地利用情况（表8）。在自然发展情景下，发展用地进一步扩张，扩张区域大部分仍然处于原先人类活动较大的东北部。2021—2030年，除建设用地面积增加6.55%外，其余地区都呈现出面积减少的趋势，耕地、林地、草地和水域分别减少4.44%、0.59%、1.37%和0.05%。由此可见，基于无锡市2010—2020年的历史演变，2021—2030年无锡市随着社会经济的发展，对建设土地、发展用地的需求将愈加强烈，会不断侵占其他生态用地。在生态保护情景下，未来2021—2030年林地、水域的面积增加0.72%和0.05%，耕地、草地、未利用土地分别减少0.19%、1.10%和0.79%。在生态保护情景下，原处于城市化阶段的无锡市建设用地不再扩张，建设用地的聚集程度略微降低，此情景印证了设置的邻域因子和转移矩阵的精准性。在经济发展情景下，无锡市2021—2030年建设用地增加9.29%，这比前10年无锡市的城市化趋势更加显著，建设用地与发展用地的聚集度进一步提高。耕地、林地、草地、水域和未利用土地分别减少6.38%、0.59%、0.27%、0.05%和0.79%，此情景下所有的用地类型皆转移至发展用地，处于不平衡的发展阶段。

2.3 无锡市碳储量时空变化分析与未来预测

由表9可知，无锡市2000年、2010年和2020年碳储量分别为4 937.84×10⁴、4 597.98×10⁴和4 534.38×10⁴ t，呈现逐步下降的趋势，2000—2020年碳储量损失403.62×10⁴ t，其中2000—2010年碳储量的损失最多，约为340.00×10⁴ t。由FLUS模型预测的自然发展、生态保护和经济发展3种土地利用情景对应的碳储量依次为4 479.10×10⁴、4 534.80×10⁴、4 456.00×10⁴ t。未来2030年自然发展和经济发展情景下的碳储量相比2020年的碳储量分别减少55.15×10⁴和78.33×10⁴ t，而2030年的生态保护情景下的碳储量则增加了0.58×10⁴ t。耕地、林地、草地和未利用地4种地类的碳储量呈跌势，建设用地的碳储量呈涨势。

3 讨论

土地利用数据获取与预测是对区域进行碳储量模拟和预测的关键。本次研究基于无锡市2000—2020年的土地利用演变，利用较高精度的土地利用数据预测自然发展情景、经济发展情景与生态保护情景的土地利用变化，耦合FLUS与InVEST模型分析无锡市碳储量。Li等^[21]、王志远等^[22]以及李小军等^[23]用同样方法全面分析了研究区碳储量变化，碳库表综合选取了相邻气候带的研究结果，这与李雪等^[24]及邵壮等^[25]对碳库修正方法相似，取得了较好的结果。针对无锡市不同的土地利用类型对碳储量的贡献率，耕地为贡献率最高的用地类型，在2020年耕地碳储量对研究区碳储总量的贡献率约为58.6 %，对整个区域的碳储量贡献值最大，是主要的碳库；由于发展用地近些年的扩张，使得建设用地的碳储量因土地面积的增加而增加；林地为第3碳储量的用地类型，其面积占总面积的较少部分，而碳储量占区域总量的18.09 %，是无锡市应在以后重点关注的区域；草地和未利用地的碳储量贡献率较少。这与徐彩瑶等^[19]对无锡市相邻区域浙江省的碳储量研究结果类似，浙江省与江苏省近年来都处于快速城市化的阶段，各类土地利用类型转向建设用地、发展用地，耕地的碳储量因土地面积的减少而趋于下降，但建设用地的碳密度比林地、草地以及耕地的碳密度低，当建设用地增加时，其碳储量的增加幅度远低于林地和草地的碳储量减少幅度，这也是市内总碳储量趋于下降的原因。

本文的3种发展情景中，自然发展情景与经济发展情景皆处于城镇化的道路上，自然发展情景处于缓慢城镇化，经济发展情景则处于快速城镇化，其碳储量将会进一步减少。反观生态保护情景，其对于林地、草地以及耕地的保护使得无锡市的碳储量对比2020年处于增加的状态。作为全国率先提出打造“零碳城市”目标的地区之一，无锡市想要达到碳达峰、碳中和的目标就必须重视生态建设，积极实施生态保护政策。首先，需加强森林经营，特别关注对南方天然林的保护，这些林地对于碳储量的维持至关重要。政府可以制定政策，鼓励保护现有林地，防止其转变为其他用途，并推动林产品的可持续经营，充分发挥南方天然林的多种功能，提升其固碳增汇潜力。其次，耕地的管理至关重要，推动适宜地区的退耕还林政策，将部分耕地转变为林地或草地，加强生态保护政策的实施，促进可持续土地利用，有助于增加碳储量^[26-27]。此外，加强陆地生态系统碳汇监测，研究耐盐植物-微生物-土壤复合碳增汇技术的应用。这些措施将有助于无锡市实现更好的生态环境和碳达峰、碳中和目标。

4 结论

本文分析了无锡市2000—2020年历史土地利用的演变趋势，并耦合FLUS与InVEST模型预测无锡市未来的土地利用以及自然发展情景、经济发展情景和生态保护情景的碳储量。结果表明，无锡市的耕地是区域最主要的土地利用类型，发展用地与林地次之，土地利用转移主要为耕地转向发展用地，在总转移面积中，有79.36%的面积由耕地转移至发展用地。在识别碳储量服务功能的结果中，耕地对于区域碳储量的贡献度最高，发展用地和林地次之，草地与未利用土地较少，无锡市总碳储量处于逐年下降的趋势，尤其在2000—2010年，整体区域碳储量减少了340.0×10⁴ t，高达6.89 %。在考虑未来情景时，必须认识到生态保护与经济发展并非相互排斥，需采取加强生态空间管控、提高耕地保护水平、推动沿江产业结构调整等措施来平衡这两者，从而在不牺牲经济增长的前提下，实现生态保护。因此，须在扩大林地、草地面积，适当退耕还林的同时，综合考虑这些措施，确保无锡市的长期可持续发展。

参考文献

[1] Wang Y H， Song C Q， Gao Y F， et al. Integrating national integrated assessment model and land-use intensity for estimating China’s terrestrial ecosystem carbon storage[J]. Applied Geography， 2024，162： 103173.

[2] 方赞山，钟才荣，王凤霞，等.耦合InVEST与FLUS模型的海南岛生态系统碳储量时空演变与预测[J].水土保持通报，2023，43（5）：320-329.

[3] 赵广，张扬建.大气CO₂浓度升高对土壤碳库稳定性的影响[J].生态学报，2023，43（20）：8493-8503.

[4] 李伟.农民专业合作社低碳行为模式与影响因素初探[J].农业科学研究，2023，44（1）：67-76.

[5] 张甘霖，史舟，王秋兵，等.新时代土壤地理学的发展现状与趋势[J].土壤学报，2023，60（5）：1264-1276.

[6] 简尊吉，朱建华，王小艺，等.我国陆地生态系统碳汇的研究进展和提升挑战与路径[J].林业科学，2023，59（3）：12-20.

[7] 胡冰清，李文博，祝元丽.基于多退耕情景的吉林省中部黑土区固碳潜力与增汇格局研究[J].水土保持研究，2024，31（3）：230-238.

[8] 虎帅，张学儒，官冬杰.基于InVEST模型重庆市建设用地扩张的碳储量变化分析[J].水土保持研究，2018，25（3）：323-331.

[9] 胡冰清，李文博，祝元丽.基于多退耕情景的吉林省中部黑土区固碳潜力与增汇格局研究[J].水土保持研究，2024，31（3）：230-238.

[10] 李缘缘，魏伟，周俊菊，等.中国土地利用碳排放变化及协调分区[J].环境科学，2023，44（3）：1267-1276.

[11] 李晓乔，宋玉，魏彩芸，等.基于Web of Science的InVEST模型在生态领域的研究进展分析[J].中国水土保持，2023（12）：34-39.

[12] Zhao J， Shao Z， Xia C Y， et al. Ecosystem services assessment based on land use simulation： A case study in the Heihe River Basin， China[J]. Ecological Indicators， 2022： 109402.

[13] 姚礼堂，张学斌，周亮，等.“山地-绿洲-荒漠”复合系统土地利用变化的生态系统服务权衡与协同效应：以张掖市为例[J].生态学报，2022，42（20）：8138-8151.

[14] 王璐晨，韩海辉，张俊，等.塔里木河流域土地利用及人类活动强度的时空演化特征研究[J].中国地质，2024，51（1）：203-220.

[15] 陈理庭，蔡海生，张婷，等.基于Markov-FLUS模型的饶河流域土地利用多情景模拟分析[J].生态学报，2022，42（10）：3947-3958.

[16] 张智扬，尹海魁，李新旺，等.河北省县域土地利用碳排放空间格局及协调分区[J].江苏农业学报，2024，40（2）：281-292.

[17] 于芝琳，赵明松，高迎凤，等.基于InVEST-PLUS模型的淮北市碳储量时空演变及预测[J].环境科学，2024，45（6）：3270-3283.

[18] 陈竹安，柳雪.基于InVEST-PLUS模型的碳储量时空变化与多情景模拟预测：以江西省为例[J].上海国土资源，2023，44（4）：146-153.

[19] 徐彩瑶，任燕，孔凡斌.浙江省土地利用变化对生态系统固碳服务的影响及其预测[J].应用生态学报，2023，34（6）：1610-1620.

[20] 吴先雯，郭风成.基于Invest模型和Flus模型的江苏省碳储量变化模拟与预测[J].中国生态农业学报（中英文），2024，32（2）：230-239.

[21] Li Y X， Liu Z S， Li S J， et al. Multi-scenario simulation analysis of land use and carbon storage changes in Changchun city based on FLUS and InVEST model[J]. Land， 2022，11（5）： 647-647.

[22] 王志远，吴凡，万鼎，等.多情景模拟区域土地利用变化对碳汇效应的影响：以洞庭湖生态经济区为例[J/OL].中国环境科学，1-20[2025-11-06].

[23] 李小军，车良革，胡宝清.FLUS-InVEST模型的北海市生态系统碳储量时空差异分析[J].测绘通报，2023（6）：117-123.

[24] 李雪，李文，石淞，等.哈尔滨市绿色空间碳储量多情景模拟[J].水土保持通报，2023，43（3）：320-329.

[25] 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.

[26] 田丛珊，李明，李勇，等.四川省户用沼气池碳减排效益的区域特征及发展对策[J].生态与农村环境学报，2016，32（3）：432-438.

[27] 吴皓晴，刘子刚.吉林省生态系统碳储量影响因素分析[J].中国环境科学，2024，44（3）：1706-1717.