基于Markov-PLUS...锡林郭勒草原碳储量变化预测_刘涛.pdf

第 43 卷 第 2 期草 原 与 草 坪 2023 年基于 Markov-PLUS和 InVEST模型的锡林郭勒草原碳储量变化预测刘涛1，刘晓龙2，3*，郭利彪2，3，高书鹏1，屈冉4（1.云南师范大学地理学部，云南 昆明 650500；2.内蒙古工业大学信息工程学院，内蒙古 呼和浩特 010051；3.内蒙古自治区雷达技术与应用重点实验室，内蒙古 呼和浩特 010051；4.生态环境部卫星环境应用中心，北京 100094）摘要：【目的】研究锡林郭勒草原土地利用对碳储量的影响，了解草原生态系统固碳能力的变化趋势。【方法】基于 1995-2015年土地利用变化规律，结合场景分析法和 MarkovPLUS复合模型，模拟锡林郭勒草原历史趋势、经济发展和生态保护 3个场景下 2035 年的土地利用空间分布，并利用 InVEST模型预测相应的碳储量，分析土地利用变化对碳储量的影响。【结果】（1）1995-2015年，锡林郭勒草原林地和城乡工矿居民用地面积持续增加，草地面积减少，但草地仍是占比最大的土地利用类型，20年间区域碳储量增加了 18 228.93103 t；（2）预测到 2035年，历史趋势和经济发展场景下，用地面积增加的主要为草地和城乡工矿居民用地，生态保护场景下为林地和草地，3 种场景下碳储量增量分别为 4 419.74103、1 1207.75103和 18 498.45103 t。【结论】MarkovPLUS和 InVEST 模型预测锡林郭勒草原未来土地利用和碳储量变化获得的结果可靠；预测结果表明，1995-2035年锡林郭勒碳储量呈增加趋势，生态保护场景下碳储量增幅显著高于其他场景；林地、草地与其他地类之间的转变是导致碳储量变化的主要原因。本研究可以为该区域未来的土地利用结构的调整和管理提供参考。关键词：土地利用变化；碳储量；Markov-PLUS模型；InVEST模型；草原中图分类号：S812.29 文献标志码：A 文章编号：1009-5500（2023）02-0001-12 DOI：10.13817/ki.cyycp.2023.02.001在全球气候变化背景下，温室气体特别是 CO2总排放量上升引起了国际社会的广泛关注。为应对气候变化，国家已把“做好碳达峰，实现碳中和”作为当前重点任务之一1。生态系统的固碳能力对降低大气中 CO2等温室气体浓度，维持区域碳平衡具有重要作用，是生态系统服务的重要功能之一2。当前，土地利用变化已逐渐成为人类活动影响气候变化和生态系统的主要因素3。土地利用变化通过改变陆地生态系统原有的土地覆盖格局、生态系统结构、过程和功能，影响生态系统的物质循环和能量流动，也导致了 CO2在植被和土壤中的固定或释放，从而影响着区域碳循环和气候变化4。草原作为中国面积最大的陆地生态系统类型，是一个巨大的碳库，其碳储量约占世界草原总碳储量的 10%，在防风固沙、生物多样性保育和生态系统碳固持等方面发挥着重要作用5-6。因此，结合土地利用模型评估与预测草原生态系统碳储量时空变化，对优化土地利用结构，改善区域生态系统服务功能和维持全球碳平衡，减缓全球气候变化具有重要意义。目前区域碳储量估算主要有 2 类方法：1）基于生物地球化学过程的模型（例如 BiomeBGC、CENTURY 和 TECOR 等）进行量化；2）结合土地利收稿日期：2021-11-29；修回日期：2022-04-20基金项目：国家重点研发计划项目（2016YFB0501502）；内蒙古自治区人才开发基金（PZ2021000658）；内蒙古自治区科技计划项目（2019GG138）；内蒙古自治区自然科学基金面上项目（2021LHMS04002）作者简介：刘涛（1997-），女，广东梅州人，硕士研究生。E-mail：*通信作者。E-mail：1GRASSLAND AND TURF（2023）Vol.43 No.2 用和碳密度数据进行经验评估7-8。由于与地表特征相关的实地参数的多样性和模型自身的复杂性，生物地球化学模型在评估区域碳储量时的准确性较低9。基于碳密度的方法可以清晰反映土地利用与碳储量之间的关系。结合土地利用预测结果，还可以预测未来不同场景下的碳储量变化，为土地利用结构优化提供科学依据。现有研究表明，使用 InVEST 模型的碳储量模块和碳密度数据，可以对区域碳储量进行快速直观地估算并获得准确的结果，更适用于评估区域土地利用变化或政策调整对碳储量动态的影响10-11。近年来，基于模型模拟未来不同场景下的土地利用变化及其对碳储量的影响，以优化土地利用格局，实现低碳排放，逐渐成为热点10。例如：Li等12分析了综合空间调控下武汉的城市增长对碳储量的影响，认为综合空间管理可以缓解城市建设与环境保护之间的矛盾。Zhu等13模拟了不同场景下土地利用变化对流域碳储量的空间分布的影响，结果表明生态保护场景可以增强固碳能力。元胞自动机（Cellular Automata，CA）因以简单灵活的方式模拟土地利用的时空变化，成为目前许多土地利用模拟模型的基础。混合 CA 模型可通过整合影响土地利用的区域环境因素和人类活动因素，生成具有复杂转换规则的土地利用空间模拟数据，已广泛用于研究中14-15。然而，目前较为流行的用于未来土地利用场景规划的土地利用模拟模型，包括 CAMarkov、CLUEs和 FLUS 等均存在局限16-17，这些模型在预测土地利用变化的时候，一方面不能充分考虑土地利用驱动因素对土地利用变化的影响18，另一方面，不能很好地实现对自然地类的模拟19，而 Liang 等20提出斑块生成土地利用变化 模 拟 模 型（patch generating land use simulation，PLUS），解决了当前混合 CA 模型面临的问题，可以准确模拟自然地类斑块生长过程，更适合用于模拟以草地为主的草原生态系统未来的土地利用，可为分析碳储量变化提供可靠的土地利用数据。锡林郭勒盟境内的锡林郭勒草原，是中国 4 大草原之一，草原总面积占全盟总面积的 97.8%，可放牧草地面积占草地总面积的 92%21，生态系统中的草地类型主要有典型草原、草甸草原和荒漠草原。近年来，“京津风沙源治理工程”“退牧还草工程”等生态工程的实施，在改变区域土地利用格局的同时，一定程度上促进了草原生态系统的恢复和生产力的提升，然而这些干预对草原生态系统碳储量和碳汇潜力的影响还需进一步研究22。锡林郭勒草原是华北地区的生态屏障，其土地利用格局直接关系到区域生态系统的固碳能力与生态平衡，影响锡林郭勒草原的可持续发展。基于此，本研究利用锡林郭勒盟 1995-2015 年的土地利用空间数据，基于 MarkovPLUS 复合模型，模拟预测该地区2035 年的土地利用空间分布，结合 InVEST 模型和碳密度数据进行当前和未来碳储量估算，分析当前和未来土地利用对碳储量的影响，为锡林郭勒草原的生态环境保护和可持续发展提供理论依据，也可以为锡林郭勒草原今后的土地利用调整提供理论参考。1材料和方法1.1研究区概况锡林郭勒盟位于内蒙古自治区中部，地理位置N 4135 4647，E 1165 12001，地势南高北低，自西南向东北倾斜，地貌以高平原为主，中部分布着浑善达克沙地，属温带大陆性气候，年平均气温 03 ，降 水 集 中 于 夏 秋 两 季，生 态 环 境 较 为 脆弱（图 1）。1.2数据来源与处理土地利用数据来源于中国科学院资源环境科学与数据中心（https：/）的中国多时期土地利用/土地覆被遥感监测数据集（CNLUCC）23。该数据集将土地利用一级类型分为耕地、林地、草地、水域、城乡工矿居民用地和未利用土地 6类，以美国陆地卫星 Landsat 遥感影像数据为主要数据源，通过人工目视解译生产的土地利用数据分类精度达到 94.3%以上24-26，空间分辨率为 30 m。通过裁剪后得到锡林郭勒盟 1995，2000，2005，2010和 2015年 5期土地利用数据。土地利用模拟需要输入土地利用驱动因子数据（图 2），其中自然环境因素包括年平均气温、年降水量、DEM、坡度、坡向和到河流的距离，社会经济因素包括到城镇居民点、公路和铁路的距离、人口分布和GDP 分布。气温和降水数据来自国家地球系统科学数据中心（https：/）的中国 1 km 分2第 43 卷 第 2 期草 原 与 草 坪 2023 年辨率逐月平均气温数据集和逐月降水量数据集，通过计算年平均气温和年降水量得到年度数据；数字高程模 型（DEM）来 自 美 国 USGS LP DAAC 网 站（https：/lpdaac.usgs.gov）的 ASTER GDEM V3 数据，空间分辨率为 30 m，并在 ArcGIS 软件中，基于DEM 数据计算坡度和坡向；人口分布和 GDP 分布数据来自中国科学院资源与环境科学数据中心，空间分辨率为 1 km27-28；河流、城镇居民点、道路网和行政区划来自国家基础地理信息中心全国地理信息资源目录服务系统（https：/）的 1 100万全国基础地理数据库，通过 ArcGIS 中的距离分析得到河流、居民点、道路的距离数据。为了与土地利用数据相匹配，所有数据均采用最邻近法重采样至 30 m 的空间分辨率。图 2土地利用驱动因素Fig.2Land use drivers图 1研究区地理位置Fig.1The location of study area3GRASSLAND AND TURF（2023）Vol.43 No.2 1.3基于 Markov-PLUS复合模型的土地利用模拟1.3.1 MarkovPLUS 复 合 模 型 的 原 理 MarkovPLUS 复合模型把 Markov和 PLUS 模型结合起来，用于模拟锡林郭勒草原不同场景下的土地利用变化。结合现有的土地利用数据，Markov模型用于预测不同场景下未来各类土地的数量需求，PLUS 模型用于模拟未来土地利用的空间格局，该复合模型在 PLUS 1.3.0 软件下实现。Markov 模型以马尔可夫随机过程为理论基础，通过求出前后两期的土地利用转移概率矩阵来模拟土地利用随时间变化，以此为基础预测后续变化29-30。本研究通过考虑不同场景下的土地利用转换差异，在 Markov 模型计算中加入各场景对应的土地利用的转换强度系数，来预测土地需求，调整后的 Markov模型表达如下：St+1=Pij In St（1）Pij=|P11P12.P1nP21P22.P2n.Pn1Pn2.Pnn（2）且：j=1nPij=1()i，j=1，2，.，n（3）公式（1）（3）中：St、St+1分别为 t、t+1 时间的土地利用状态；Pij为某状态转移矩阵；n 为土地利用类型；In=(i1，i2，in)，其中 i 为土地利用转换强度系数，参考 Liang 等31的研究确定，如表 1 所示。当 i1时，表示该类土地利用转移存在加速趋势；当 0i1时，表示转移中存在减缓趋势；当 i=1时，表示转移速率保持不变。土地利用场景设计见 1.3.2节。但 Markov 模型只能提供未来土地利用数量需求预测，无法对土地利用空间变化进行模拟，而 PLUS模型可以实现对土地利用详细复杂过程的模拟。PLUS基于多类型随机种子和递减阈值，通过结合起始时间的土地利用数据、用地发展概率、土地数量需求和地类转换限制，构建 CA 模型，实现土地利用的模拟20，其 CA模型可表达为：S(t+1)=fS(t)，P，D，T（4）式中：S 代表该像素的土地利用类型（元胞的状态），t为迭代次数；P为土地利用发展概率；为元胞邻域效应；D为惯性系数，反映了未来土地数量需求的影响，通过各类土地利用的模拟数量与其未来需求的差异动态调整；T为地类转换限制，反映两类土地利用是否可以发生转换，可转移为 1，否则为 0，不同场景下转换限制不同20。1.3.2土地利用场景设计未来的土地利用变化可能存在不同的场景，本研究采用场景分析法，结合锡林郭勒草原在过去不同时期由于生态工程实施、经济发展等影响下的土地转