基于PLUS-InVEST模型的陕南地区土地利用变化多情景模拟与碳储量评估

在PLUS模型中纳入POI驱动因子并利用LASSO回归进行驱动体系筛选与精度验证,设定自然发展、经济保护与生态保护3种情景,利用筛选后的驱动因子模拟2030年各情景下陕南地区的土地利用格局,利用InVEST模型分析2000—2020年陕南地区碳储量的时空分异特征,探讨不同发展情景下土地利用变化对陕南地区碳储量的影响。结果表明:(1)2000—2020年,陕南地区的建设用地面积由23648.49 hm^(2)增长到78000.21 hm^(2),侵占了耕地、林地和草地的生存空间,使其分别减少了39415.05 hm^(2),8787.51 hm^(2)与17476.56 hm^(2),2030年3种发展情景下的建设用地均保持扩张的趋势。(2)在PLUS模型中加入POI驱动因子且利用LASSO算法筛选驱动因子有效提升了模型的精度与运行效率,模型的Kappa系数和OA系数分别提高了2.53%和0.20%,更精准地模拟了建设用地的分布情况。(3)2000—2020年陕南地区碳储量总量呈下降趋势,由2.1887×10^(9)t下降至2.1775×10^(9)t。2030年经济保护情景与自然发展情景的碳储量总量均小于2020年,生态保护情景下的碳储量总量最高,达到了2.1830×10^(9)t。(4)生态保护情景更有利于陕南地区的可持续发展策略,以陕南地区平均碳密度分区分布为基础,可为陕南地区分区发展与区域碳收支平衡提供参考,对未来不同情景下土地利用对区域碳储量的影响和双碳背景下的国土空间规划具有借鉴意义。

Discreet investors exert greater influence on cooperation in the public goods game

This paper studies the evolutionary process of cooperative behavior in a public goods game model with heterogeneous investment strategies in square lattices.In the proposed model,players are divided into defectors,cooperators and discreet investors.Among these,defectors do not participate in investing,discreet investors make heterogeneous investments based on the investment behavior and cooperation value of their neighbors,and cooperators invest equally in each neighbor.In real life,heterogeneous investment is often accompanied by time or economic costs.The discreet investors in this paper pay a certain price to obtain their neighbors'investment behavior and cooperation value,which quantifies the time and economic costs of the heterogeneous investment process.The results of Monte Carlo simulation experiments in this study show that discreet investors can effectively resist the invasion of the defectors,form a stable cooperative group and expand the cooperative advantage in evolution.However,when discreet investors pay too high a price,they lose their strategic advantage.The results in this paper help us understand the role of heterogeneous investment in promoting and maintaining human social cooperation.

基于InVEST模型的共和县生境质量时空变化及驱动因素

在新型城镇化背景下,青海省共和县作为兰西城市群建设的关键节点和典型的荒漠生态脆弱区,其经济和生态的协调发展对建设海南州可持续发展议程创新示范区具有重要意义。本研究基于2000年、2010年、2020年三期土地利用数据,利用InVEST模型,对2000—2020年共和县生境质量时空分布及效应变化特征进行探究,进而对生境质量的影响因子及其作用进行地理探测器和局部空间回归。结果表明:(1)2000—2020年共和县生境质量整体呈上升趋势,生境质量均值分别为0.612(2000年)、0.626(2010年)、0.627(2020年),生境质量空间分布存在明显的区域差异,空间格局上呈现北高南低的态势。(2)影响共和县生境质量的主驱动因子为年平均气温(TEM)和归一化植被指数(NDVI),因子间的交互作用对生境质量空间分异的影响大于单一因子,TEM与香农均匀度指数(SHEI)、香农多样性指数(SHDI)交互作用强烈。(3)TEM对生境质量呈负向效应,负向影响区域主要集中在共和北部与东部地区;NDVI呈正向效应,正向影响区域主要集中在共和中部与南部地区;国民生产总值(GDP)对生境质量的正向效应较2000年上升了30%,塔拉滩光伏促进了共和县生态产业协同发展。研究结果可为干旱区推动地方经济建设和生态环境保护提供科学的决策依据。

基于PLUS-InVEST模型的呼和浩特市多情景土地利用变化动态模拟及碳储量评估

为探究呼和浩特市土地利用变化对生态系统碳储量的影响,本研究基于InVEST模型与PLUS模型模拟预测呼和浩特市在自然发展、生态保护、耕地保护、城市发展4种情景下的土地利用与碳储量。结果表明:1990-2020年呼和浩特市不透水面、林地、草地、水体等土地利用类型的面积呈增加状态,耕地、裸地、灌木地等土地类型的面积呈减少状态,其中灌木地和裸地的土地转出率较高,分别为93.63%和98.24%。InVEST模型估算结果显示,不透水面不断扩张,侵蚀耕地等高碳密度土地类型,造成呼和浩特市1990-2020年碳储量呈逐年递减趋势。2030年自然发展、生态保护、耕地保护、城市发展情景模拟下的呼和浩特市的碳储量与2020年相比均呈现减少状态,其中耕地保护情景碳储量降幅最小,其次为生态保护情景,说明采取合理的保护措施能够有效抑制碳储量下降。耕地保护情景能够有效减缓城市建筑的扩张趋势,生态保护情景则可有效增加水体、草地等生态类用地面积。研究表明,落实耕地和生态保护政策、优化土地利用结构、提高土地利用效率对呼和浩特市的可持续发展均有重要意义。

基于FLUS和InVEST模型的云贵高原土地利用与生态系统服务时空变化多情景模拟研究

[目的]探讨云贵高原不同情景下的土地利用与生态系统服务时空变化,为云贵高原土地利用空间格局优化、生态系统服务功能提升和可持续发展策略制定提供科学依据。[方法]以云贵高原为研究对象,以2001年、2010年和2020年3期MCD12Q1土地覆被数据为基础数据,辅以自然和社会经济数据,基于ArcGIS,FLUS模型和InVEST模型,模拟2030年、2040年和2050年自然发展情景、生态保护情景和耕地保护情景下的土地利用以及碳储量、产水量和土壤保持量3项生态系统服务功能时空分布格局。[结果](1)不同情景下云贵高原的土地利用变化以林地持续增加和草地持续减少为主要趋势;耕地保护情景下,耕地面积最高可占总面积的10.38%;生态保护情景下,林草面积在2050年可达总面积的90%。(2) 3种情景下,云贵高原2020—2050年碳储量和土壤保持量均呈上升趋势,而产水量呈下降趋势。生态保护情景下,2050年碳储量预测值最高,为8.13×10^(9) t;产水量减少速率显著低于另外两种情景,降幅为0.46%。(3)宜昌市、普洱市和常德市等市州的生态系统服务供给能力较高;而贵阳市、毕节市和安顺市等市州的生态系统服务供给能力较低。[结论]云贵高原2020—2050年整体生态系统服务供给能力较好,各项服务功能在不同情景下表现出较强的空间聚集性和异质性。云贵高原今后的生态系统服务管理和可持续发展中,应考虑不同生态系统服务功能的空间异质性以及林地面积持续增加可能带来的水资源失衡问题。

基于InVEST模型的京津冀土地利用变化及碳储量时空分异研究

大气中二氧化碳含量的增加是国际社会广泛关注的环境问题,人类活动改变土地利用格局,而土地利用/覆被(land-use/land-cover,LULC)变化影响陆地生态系统结构、功能及碳循环。本文在全球地表覆盖数据GlobeLand30的支持下分析了2000-2020年京津冀土地利用变化,利用InVEST模型模拟了碳储量时空变化,并结合空间自相关分析技术对其进行了分区研究。结果表明:①2000-2020年京津冀地区耕地和人造地表变化面积最大,分别为减少340222.124 hm^(2)和增加246333.493 hm^(2);②京津冀地区2000、2010和2020年碳储量总值分别为1666.47×10^(6)、1654.63×10^(6)、1632.88×10^(6)t,耕地流失和人造地表扩张是碳储量下降的主要原因;③京津冀碳储量高值主要分布在海拔相对较高的山林地区,低值主要分布在北京市中心、津冀海岸带,以及河北省沧州和唐山的东部南部区域;④局部自相关结果表明,碳储量出现高-高聚集的区域在研究区的北部和西部,在出现低-低聚集的区域中天津市东丽区和河北省邯郸市邯山区呈现出较为明显的弱化趋势。

基于InVEST模型的黔中喀斯特地区建设用地扩张碳储量变化研究

选择典型生态脆弱区黔中典型喀斯特地区—普定县为研究对象,采用土地利用动态度和土地利用转移分析方法,应用InVEST模型测算2003-2020年的陆地生态系统碳储量及其空间分布格局,探讨建设用地扩张对碳储量变化的影响。结果表明:(1)2003-2020年建设用地面积一直保持增加趋势,扩张速率表现为减缓态势,空间变化在中南部区域最为显著,主要侵占旱地、水田和灌木林地。(2)普定县碳储量整体呈上升趋势,累计增加15.07×10^(5)t,主要因碳密度较高的灌木林地大幅挤占旱地。(3)建设用地变化致使碳储量损失了22.37×10^(4)t,以中南部中心城区碳储量下降最为明显。因此,建议研究区在城市扩张过程中优先考虑碳密度较低的未利用地,同时限制建设用地对旱地、水田以及灌木林地的占用,以减少建设用地扩张对区域碳储存能力的影响。

基于InVEST模型的大兴安岭天保工程区碳储量时空变化研究

为给大兴安岭天保工程区生态系统保护和土地利用规划提供科学依据,以大兴安岭天保工程区为研究区,基于研究区2000—2020年土地利用数据和各地类碳密度数据,运用InVEST模型碳储量模块对大兴安岭天保工程区2000—2020年生态系统的碳储量进行估算,并通过土地利用转移矩阵分析土地利用类型之间的相互转化对碳储量的影响。结果显示:(1)研究区2000、2005、2010、2015、2020年碳储量分别为569.87×10^(7)、573.22×10^(7)、573.69×10^(7)、572.42×10^(7)、573.14×10^(7) t,呈增加趋势,累计增加3.27×10^(7) t;(2)碳储量较高的地区主要分布在北部和中部,较低的区域主要分布西部、南部、东南角和东部小区域;(3)林地是研究区最重要的碳库,其碳储量占研究区固碳总量的93.31%,林地和耕地面积的增加是大兴安岭天保工程区碳储量增加的主要原因。研究结果表明:天保工程促使大兴安岭林地面积保持稳定并且呈现出一定增长趋势,提高了大兴安岭的整体固碳能力。在未来,大兴安岭应当继续实施和巩固天然林保护工程,继续坚持退耕还林还草政策,通过合理的行政规划,调控草地和耕地向建设性用地转换;此外,通过人工种植、草畜平衡的政策,围栏封育和优化种苗的方式来缓解草地退化,修复草地生态系统;而耕地则通过间作套作、改良品种、合理使用肥料等方法提高产量。

基于PLUS和InVEST模型的乌鲁木齐市碳储量时空演变与预测

土地利用变化对陆地生态系统的碳储量变化有着重要影响,研究不同发展情景下陆地生态系用碳储量变化情况,有利于优化空间布局,协调土地利用与生态环境保护的关系。本研究结合PLUS和InVEST模型,通过多种驱动因素数据分析了2000—2020年乌鲁木齐市土地利用的变化特征,以此预测模拟2030年自然发展情景、生态保护优先情景和耕地保护优先情景下土地碳储量。结果表明:(1)2000—2020年乌鲁木齐市林地、水域、建设面积、未利用地数量增加,耕地、草地面积减少。(2)2030年,自然发展情景延续了以往发展模式,建设用地面积增幅为18.29%。生态保护优先情景下,建设用地的扩张速度得到有效控制,增幅已经减缓,为4.73%。耕地保护优先情景下耕地面积比自然发展情景下多了171 km^(2),耕地保护效果显著。(3)2000—2020年,碳储量呈下降趋势,共计减少8.5×10^(6)t。2030年自然发展情景下碳储量总量相较于2020年减少了4.065×10^(6)t,生态保护优先情景下比自然增长情景高7.519×10^(5)t,耕地保护优先情景比自然增长情景低1.979×10^(6)t。因此,在未来乌鲁木齐市发展规划中,应当落实耕地保护责任,控制建设用地向林地、草地等高碳密度用地的扩张,优化用地布局,提高区域碳储量水平。

基于InVEST模型的蒲河流域景观格局及生境质量时空演变分析

[目的]通过对景观生态格局和生境质量的时空动态分析,深入研究沈阳市蒲河流域实施水土保持措施前后的生境质量响应情况,旨在为小型流域的水土保持策略提供科学依据,以促进生态经济的协同增长和区域生态的持续健康发展。[方法]基于蒲河流域2000年、2010年、2020年的土地利用数据和数字高程模型(DEM)等数据,结合FRAGSTATS和InVEST模型,运用土地利用转移矩阵、景观格局指数、生境质量及生境退化度对土地利用变化进行分析,探究响应机理。[结果](1)在2000-2010年期间,蒲河流域的耕地开发活动频繁,导致森林、草地等土地类型的比例显著下降;在2010-2020年期间,蒲河生态廊道的建设推动土地利用的变化,耕地面积流向人造地表、森林和草地。(2)在2000-2020年期间,蒲河流域的整体景观格局经历先趋于完整后破碎化的演变过程,蒲河两岸景观形成多种要素集合的密集格局,城市中心北部边缘地区生境持续破碎化。(3)从流域整体分析,2000年、2010年、2020年的生境平均质量分别为0.349,0.329,0.354,呈现出先降后升的趋势。生境退化平均值分别为0.098,0.112,0.086,与生境质量变化趋势一致。随着蒲河生态廊道建设,2020年生境质量明显改善,生态系统受到的威胁减少。从空间格局分析,东北部与西南部呈现出明显的空间分布特征;东北山区、西南湿地等区域生境质量总体较好,但有着生境退化的威胁。[结论]在水土保持措施的影响下,蒲河流域的景观生态格局得以改善,有效抑制了生境的退化现象。

基于PLUS和InVEST模型的合肥市生态系统碳储量时空演变特征

[目的]为寻求“双碳”目标导向下的合肥市城市发展新方案。[方法]依据合肥市2000-2020年5期土地利用数据,在合肥市国土空间规划指引下,运用PLUS模型模拟得到2035年合肥市土地利用时空演变规律,耦合InVEST模型探究多情景下合肥市碳储量时空变化特征,并进一步挖掘土地综合利用程度对碳储量的影响。[结果](1)2000-2020年合肥市土地利用变化特征主要表现为耕地、林地减少,其中耕地为建设用地扩增主要来源。自然发展和农田资源保护情景的土地变化规律大致相同,主要表现为耕地、林地、水体减少;绿色汇增城市发展情景下,林地相比其余2个情景面积由减少转为增加。(2)2000-2020年合肥市碳储量逐年递减,其中2005-2010年碳损失最为剧烈。到2035年,自然发展情景、农田资源保护情景、绿色汇增城市发展情景碳储量分别为138.96×10^(6),140.13×10^(6),139.81×10^(6) t。农田资源保护情景下,碳储量明显增加区域最低,建设用地扩张减缓;绿色汇增城市发展情景下,林地由碳损失转为碳固持,是最具固碳潜力的发展趋势。(3)绿色汇增城市发展情景土地利用率最高,可有效降低土地综合利用程度对碳储量流失的威胁。[结论]农田资源保护情景与绿色汇增城市发展情景均有助于城市固碳发展,实施生态保护与城市发展并行政策,调整土地综合利用模式有助于改善城市碳流失。

基于PLUS-InVEST模型的生态脆弱区生境质量时空演变分析

基于PLUS模型预测阿坝州生态脆弱区2030年土地利用情况,并利用InVEST模型计算2000年、2010年、2020年及2030年生境质量,对其时空演变进行分析。结果表明,研究区草地、湿地退化情况显著且裸地持续增加,预计2030年裸地面积将达334.38 km^(2);与2000年相比将会有204.55 km^(2)湿地退化。驱动因子中,降雨是限制林地、湿地扩张的主要因素,侧面反映水源涵养功能的重要性;草地受各项因子的影响程度相差不大,一般生长在远离政府的地方,且其面积扩张受DEM限制;气温是导致裸地增加的主要因素。生境质量总体较高但空间分布差异较大,且有缓慢变差的趋势,预计2030年生境质量低的区域面积将比2000年增加670.28 km^(2),主要由扩张的耕地、建设用地造成。未来生境质量降低的速率将有所减缓,但仍需加强人工措施来阻止降低。

基于PLUS—InVEST模型的武烈河流域碳储量的动态变化及预测

武烈河流域是京津冀生态屏障区的重要组成部分,探究其土地利用/覆盖变化对碳储量时空变化的影响有利于提升该区的碳汇贡献。本研究运用PLUS—InVEST模型评估武烈河流域2000—2020年及2030年3种情景(自然发展情景、经济发展情景和生态保护情景)的碳储量动态变化,并探讨土地利用/覆盖变化对碳储量的影响。研究结果如下:2000—2020年,耕地和草地减少,建筑用地和未利用地增加,林地和水域变化不大;2000、2010和2020年的碳储量分别为39.13×10^(6)t、38.82×10^(6)t和38.60×10^(6)t,呈现逐年递减的变化趋势,与2020年相比,2030年自然发展情景下,土地利用/覆盖变化不显著,导致总体碳储量变化较小;经济发展情景下,林地和草地向其他地类型的转化,导致碳储量减少5.52%;生态保护情景下,耕地、建筑用地向林地、草地的转化,使碳储量增加3.40%。生态保护情景更能有效地提升武烈河流域碳储量,研究结果可为优化武烈河流域的土地利用/覆盖格局和促进碳储存生态服务的可持续发展提供科学依据。

基于InVEST模型的矿业城市景观格局与生境质量分析——以淮南市为例

研究不同时期土地利用方式对生境质量的影响,对于矿业城市健康可持续发展具有重要意义。选择安徽省淮南市为研究对象,利用2000-2020年的三期土地利用数据作为基础数据,采用InVEST模型,分析了2000-2020年研究区生境质量的分布规律与变化特征。结果表明:(1)近20年来,研究区主要以水田和旱地2种土地利用类型为主,在研究期间占研究区总面积均超过70%。2000-2020年的用地类型变化剧烈,综合土地利用动态度为4.63%,研究区内的水田和旱地面积逐年递减,占比减少了4.3%,坑塘和建设用地的面积呈逐年增长趋势,坑塘和建设用地的面积占比分别增加0.4%、4.21%;(2)2000-2020年的生境质量平均值分别为:0.37、0.36、0.35,表明研究区生境质量呈持续下降趋势。研究结果可为研究区域生境土地综合整治及生态规划提供参考。

基于InVEST模型的晋北土地利用变化与碳储量研究

区域土地利用变化和碳储量的空间分布特征研究可为区域生态系统碳库管理和减排增汇政策制定提供重要科学依据。采用GIS和遥感技术分析了晋北地区1990年、2000年、2013年和2019年的土地利用变化特征,在此基础上,运用InVEST模型计算出晋北地区1990—2019年间生态系统碳储量和碳密度。结果表明,各土地利用类型之间的转换主要发生在2000—2013年间,转出面积最多的为耕地,转入面积最多的为建设用地和林地。这与该时段退耕还林政策的实施和粗放型经济快速增长有关。研究区1990年、2000年、2013年和2019年生态系统碳储量分别为53.50×10^(7)t、53.53×10^(7)t、54.25×10^(7)t和54.00×10^(7)t,碳平均密度分别为147.89 t/hm^(2)、147.97 t/hm^(2)、149.95 t/hm^(2)和149.27 t/hm^(2)。在总体碳储量中,土壤碳储量占比最大,超过80%,而林地对研究区生态系统碳储量的贡献值最大(约55%)。晋北地区应继续坚持退耕还林、水土保持等措施,以期能够用高效固碳来代偿建设用地扩张导致的碳损失。

基于Invest模型和Flus模型的江苏省碳储量变化模拟与预测

为明确土地利用变化对碳储量的具体影响,实现耕地、林地等生态环境的更好保护,以江苏省为例,基于2000年、2010年和2020年土地利用数据,采用Invest模型的碳储存和固定模块以及Flus模型ANN模块、CA模块、Markov Chain模块,分析了江苏省不同土地利用类型碳储量变化特征,并预测了自然发展情景和生态保护情景下2030年和2050年江苏省碳储存与固定情况。结果表明,2000年、2010年与2020年,江苏省碳储量整体呈下降趋势,从1803.948×10^(6)t下降至1641.008×10^(6)t,其中耕地碳储量下降最多,为239.494×10^(6)t。这种现象的发生与江苏省工业化和城市化导致的耕地和林地等面积的减少并转为建筑用地有关。此外,各市碳储量差异较显著,其中盐城市碳储量最大,占全省总碳储量的16.12%,无锡市在全省碳储量中占比最小(4.12%)。基于ArcGIS 10.2软件和GeoDa 1.20软件分析发现,2000—2010年,南京、无锡、常州的碳储量分布呈低-低聚集,连云港市呈低-高聚集;2020年无锡、常州、镇江呈现低-低聚集,连云港市呈现高-高聚集。本研究预测结果表明2030年和2050年的生态保护情景下碳存储能力较自然发展情景有一定提升,分别提升6.069×10^(6)t和5.861×10^(6)t。本研究结果可为江苏省更好地建设生态环境提供数据支撑。

基于PLUS-InVEST模型的福建省土地利用变化与碳储量评估

[目的]福建省森林覆盖率高达66.8%,是我国森林覆盖率排名第1的省份。探讨福建省土地利用变化对碳储量时空变化的影响是探寻社会发展和生态保护平衡点的理论基础。[方法]基于PLUS模型和InVEST模型碳储量模块,揭示2000-2020年全省碳储量时空变化特征与土地利用类型之间的关系,并从自然发展、生态保护和城镇发展3种情景预测2020-2030年福建省碳储量时空变化。[结果]2000年、2010年和2020年研究区的总碳储量分别为214.77×10^(7),214.51×10^(7),212.93×10^(7) t,呈逐年下降趋势。人类活动对土地的开发和改造是导致碳储量变化的主导因素,大面积的耕地和林地转变为建设用地是导致碳储量降低的直接原因。预测结果认为,与2020年相比,2030年自然发展、生态保护和城镇发展情景下碳储量分别减少1.47×10^(7) t,增加0.17×10^(7) t,减少1.85×10^(7) t。生态保护情景是唯一逆转碳储量下降的发展情景,该情景与2020年相比,林地面积扩张1900.87 km 2,林地碳储量增长2.08×10^(7) t,在切实保护生态的同时也能够满足城镇发展的土地需求。[结论]落实以林地保护为主,控制建设用地是福建省实现“双碳”目标的重要前提。

基于InVEST和MGWR模型的安徽省生境质量评估及驱动

[目的]评估安徽省生境质量并研究其驱动机制,以期为安徽省生态环境管理和社会经济可持续高质量发展提供理论参考和科学依据。[方法]以安徽省为研究区,基于InVEST模型对2000年、2010年、2020年生境质量进行评估,并运用热点分析和MGWR模型对影响生境质量空间分布格局的自然—社会经济因子进行分析。[结果](1) 2000—2020年安徽省生境质量整体呈现下降趋势,下降率为3.01%,且生境质量较差区分布面积最广。(2)生境质量的空间分布格局呈现“以山地丘陵地区为主的南部和西部高,以耕地和建筑用地为主的北部和中部低”态势,且具有明显的空间集聚性。(3)坡度、NDVI、建筑用地比例和土地垦殖率是影响安徽省生境质量空间分布的关键因子,平均回归系数分别为0.138,0.084,-0.213,-0.557。坡度对生境质量具有正向效应,NDVI对生境质量的影响以正向效应为主,三期正向效应影响面积比例均达到80%以上,建筑用地比例和土地垦殖率对生境质量的负向效应随时间变化分别增强和减弱。[结论]建筑用地比例和土地垦殖率会使生境质量降低,未来应加强土地利用的管理和注重城镇扩张规模。

基于PLUS-InVEST模型的珠三角碳储量时空演变与预测

[目的]探究珠三角地区2005—2020年土地利用变化及其对碳储量的影响,并对2035年珠三角的土地利用格局和碳储量进行模拟预测,以期为珠三角地区“双碳”目标下的国土空间规划和生态决策提供科学依据。[方法]基于2005—2020年4期土地利用数据,以珠三角城市群为研究区域,采用PLUS模型和InVEST模型对该区的土地利用变化和碳储量演变进行分析,并预测其2035年土地利用空间格局和碳储量变化趋势。[结果]①2005—2020年,珠三角地区碳储量先增加后减少,林地、建设用地和未利用地增多促进碳储量增长了4.82×10^(7)t,耕地、草地和水域减少导致碳储量减少了5.10×10^(7)t。②预计2035年,随着建设用地和林地的增加,该区碳储量较2020年增长5.75×10^(7)t,生态环境向好发展。③该区碳储量表现出“四周高,中部低”的空间分布格局,与土地利用空间分布具有显著一致性,即碳储量高值区集中在林地、耕地和草地,碳储量低值区集聚在建设用地。[结论]随着未来城市发展需要,政府部门应进行土地综合开发利用,采取生物、工程技术等生态修复措施,提升区域固碳能力,助力实现碳中和目标。

基于InVEST和PLUS模型的江西省土地利用碳储量时空变化与预测

土地利用变化是驱动碳储量变化的主要因素,评估土地利用变化对碳储量的影响对于碳平衡具有重要意义。以江西省为例,基于InVEST-PLUS模型,探究1990—2020年江西省土地利用变化和碳储量时空演变,测算2030年多情景碳储量。(1)江西省1990年、2000年、2010年和2020年的碳储量分别为12.7594、12.7600、12.6912、12.5800亿吨,总体呈现减少态势。林地的减少是造成碳储量损失的主要因素。地上生物量碳库和土壤碳库碳储量最多,占总碳储量的88.82%。(2)至2030年,较2020年,在自然发展与城镇发展情景下,碳储量分别减少380、1330万吨,在生态保护情景下则增加125万吨,表明采取生态保护措施,优化土地利用结构,能有效控制碳储量的减少。(3)碳储量明显较高的地区位于生态用地连片的赣南山区,而碳储量明显较低的地区位于碳密度值较低以及建设用地呈斑块状分布的赣北区域。研究结果将为江西省生态文明建设作出合理生态决策、实现高质量发展提供科学依据。