基于FLUS-InVEST的西北地區(qū)土地利用變化及其對碳儲量的影響
——以呼包鄂榆城市群為例

王超越，郭先華，郭莉，白麗芳，夏利林，王春博，李廷真

重慶三峽學(xué)院三峽庫區(qū)水環(huán)境演變與污染防治重慶市重點實驗室，重慶 404100

CO2排放所致的全球氣候變暖問題已被世界各個國家所矚目（李建豹等，2019；張斌等，2022）。自改革開放以來，隨著城市化進(jìn)程的不斷推進(jìn)，目前中國CO2排放量已成為世界第一（Yu et al.，2021），減少CO2排放刻不容緩。而陸地生態(tài)系統(tǒng)對減少碳排放及緩和全球變暖具有重大意義，是近年來世界范圍內(nèi)的研究熱點（Houghton，2003；Piao et al.，2009；曹世雄等，2018）。作為與陸地生態(tài)系統(tǒng)密不可分的土地利用覆被變化（Land Use and Cover Changes，LUCC）是影響碳儲量變化最主要的因素之一，且現(xiàn)有研究表明，土地利用覆被變化不僅是環(huán)境變化的關(guān)注熱點，也是研究陸地生態(tài)系統(tǒng)碳儲量變化的關(guān)鍵點（張斌等，2022），其通過影響生態(tài)系統(tǒng)中植被和土壤的碳儲量進(jìn)而影響整個區(qū)域碳儲量變化，可以改變生態(tài)系統(tǒng)的結(jié)構(gòu)和功能來影響生態(tài)系統(tǒng)碳循環(huán)過程（楊潔等，2021）。在“碳達(dá)峰、碳中和”雙碳戰(zhàn)略背景下，城市群作為以土地為主要載體進(jìn)行空間格局劃分的國家重要戰(zhàn)略發(fā)展區(qū)域，研究其區(qū)域內(nèi)的碳儲量時空變化勢在必行。“十四五”規(guī)劃明確提出要以城市群為主體推進(jìn)區(qū)域協(xié)調(diào)發(fā)展和新型城鎮(zhèn)化（王海軍等，2021），以推動中國城市建設(shè)多維度可持續(xù)發(fā)展。因此，研究城市群區(qū)域碳儲量及其時空格局的變化對于自然資源管理和生態(tài)決策具有重要的參考價值與指導(dǎo)意義。

由于碳儲量研究的多樣化，從研究方法上，基于生態(tài)系統(tǒng)動力學(xué)機制的生態(tài)系統(tǒng)過程機理模型已廣泛運用于碳儲量估算方法中（于貴瑞等，2021），諸如生物地理模型 MAPSS（Neilson，1995）、生物地球化學(xué)模型TEM（McGuire et al.，1992）及動態(tài)全球植被模型LPJ（Sitch et al.，2003）等，從生態(tài)系統(tǒng)狀態(tài)變化、資源環(huán)境效應(yīng)及其歸因分析等方面進(jìn)行估算研究。此外，以InVEST為代表的基于生態(tài)系統(tǒng)功能學(xué)特性的生態(tài)系統(tǒng)功能狀態(tài)評估分析模型，因其具備驅(qū)動數(shù)據(jù)簡單易獲取、定量化評估精度高、評估過程和結(jié)果空間表達(dá)明晰的特點，在開展生態(tài)系統(tǒng)碳匯穩(wěn)定中得到最為廣泛的應(yīng)用（Bagstad et al.，2013；Posne et al.，2016；鄒文濤等，2020）。朱文博等（2019）運用InVEST模型，評估了太行山淇河流域 2005—2015年及未來不同情景下的生態(tài)系統(tǒng)碳儲量。張燕等（2021）運用SDCLUE-S復(fù)合模型模擬了未來不同情景下汾河上游土地利用情況，并采用InVEST模型測算了不同時期下研究區(qū)碳儲量情況。劉冠等（2021）運用InVEST模型研究麻塔流域1999—2016年土地結(jié)構(gòu)改造過程中區(qū)域碳儲量變化，并探討坡度、坡向、坡位對碳儲量空間分布的影響。從空間差異性出發(fā)，中小尺度空間碳儲量估算大多采用野外調(diào)查、儀器測量、數(shù)理統(tǒng)計等方法（Han et al.，2019）。但這類方法僅適用于中小尺度碳儲量估算，費時費力，且研究結(jié)果呈靜態(tài)，無法準(zhǔn)確反映研究區(qū)碳儲量的動態(tài)變化及空間格局（劉冠等，2021）。大尺度及特大尺度空間則利用模型預(yù)測多情景下的土地利用覆被變化狀況及相應(yīng)的碳儲量（張斌等，2022），而 FLUS模型則利用神經(jīng)網(wǎng)絡(luò)算法并結(jié)合馬爾科夫鏈和改進(jìn)的元胞自動機能較好地處理地類在多因素作用下的不確定問題（曹帥等，2019），因其高于CLUE-S、ANN-CA等模型的模擬精度而被廣泛應(yīng)用（Liu et al.，2017）。因此，在InVEST模型研究碳儲量變化的基礎(chǔ)上結(jié)合FLUS模型較為先進(jìn)的模擬預(yù)測功能來探討區(qū)域碳儲量的空間格局變化恰如其分。劉曉娟等（2019）基于FLUSInVEST模型土地利用視角，模擬了中國2100年的陸地生態(tài)系統(tǒng)碳儲量，并探討了其空間分異。朱志強等（2021）運用FLUS-InVEST耦合模型來反演1990—2018年廣州市土地和碳儲量時空變化特征，分析建設(shè)用地擴張與碳儲量分布規(guī)律，并評估未來碳儲量潛力。張斌等（2022）采用Markov-FLUS耦合模型模擬“三線”約束下的土地利用變化情景，并運用InVEST模型定量研究不同情景下土地利用變化對碳儲量的影響。但綜合以往研究可知，諸如關(guān)于城市群、都市圈等大尺度空間的碳儲量研究較少，而城市群是國家經(jīng)濟發(fā)展的戰(zhàn)略核心區(qū)和國家新型城鎮(zhèn)化的主體區(qū)，擔(dān)當(dāng)著世界經(jīng)濟重心轉(zhuǎn)移承載地的歷史重任，對生態(tài)系統(tǒng)的保護(hù)是其關(guān)鍵組成部分（方創(chuàng)琳等，2016），因此，運用FLUS-InVEST模型對城市群區(qū)域土地利用覆被變化及其碳儲量影響的研究勢在必行。

呼包鄂榆城市群位于全國“兩橫三縱”城市化戰(zhàn)略格局包昆通道縱軸的北端，在推進(jìn)形成西部大開發(fā)新格局、推進(jìn)新型城鎮(zhèn)化和完善沿邊開發(fā)開放布局中具有重要地位。因此，本文以呼包鄂榆城市群為例，基于FLUS-InVEST耦合模型，在明確該城市群 2000—2020年土地利用覆被變化規(guī)律的基礎(chǔ)上，分別模擬預(yù)測 2030年呼包鄂榆城市群在自然發(fā)展和生態(tài)保護(hù)兩種情景下土地利用空間格局，并評估兩種情景下碳儲量及其時空動態(tài)變化特征，以期為城市群區(qū)域碳平衡、國土空間規(guī)劃和生態(tài)系統(tǒng)的可持續(xù)發(fā)展提供一定借鑒。

1 研究區(qū)域概況與數(shù)據(jù)來源

1.1 研究區(qū)域概況

呼包鄂榆城市群范圍包括內(nèi)蒙古自治區(qū)呼和浩特市、包頭市、鄂爾多斯市和陜西省榆林市（如圖 1所示），國土面積 17.5×104km2，2016年常住人口1138.4×104，地區(qū)生產(chǎn)總值14230.2×108元，分別約占全國的1.8%、0.8%和1.9%。煤炭、石油、天然氣和稀土、鐵礦等能源礦產(chǎn)資源富集，風(fēng)、光資源充足，草原、沙漠、濕地和黃河、長城、古城等自然人文資源豐富，城市間資源互補、合作利用蘊藏著很大的潛力。西部大開發(fā)的深入推進(jìn)與“一帶一路”建設(shè)的顯著成績，為城市群提升發(fā)展水平與擴大開放提供了有力支撐。

圖1 呼包鄂榆城市群區(qū)位Figure 1 Hu-Bao-Er-Yu urban agglomeration location

1.2 數(shù)據(jù)來源

本文所需數(shù)據(jù)主要包括：呼包鄂榆城市群土地利用數(shù)據(jù)來源于TM5和Landsat-8等遙感數(shù)據(jù)，分別為2000、2010和2020年，分辨率為30 m×30 m，并依據(jù)土地利用分類國標(biāo)將地類劃分為耕地、林地、草地、水域、建設(shè)用地和未利用地6類。其中高程、坡度和坡面來源于地理空間數(shù)據(jù)云平臺（http://www.gscloud.cn/）。年平均降雨來源于中國氣象數(shù)據(jù)網(wǎng)（http.//data.cam.cn/）。其余人口和GDP數(shù)據(jù)來源于各市統(tǒng)計年鑒。到河流、高速、鐵路、公路的距離來源于國家基礎(chǔ)地理信息中心（http.//www.ngcc.cn/）。

2 研究方法

2.1 Markov模型

馬爾科夫模型是基于馬爾科夫鏈過程而形成的預(yù)測事件發(fā)生概率的一種方法，具有無后效性特征，即當(dāng)前的狀態(tài)僅與前一時刻的狀態(tài)有關(guān)，而與其他因素?zé)o關(guān)（吳晶晶，2017），其公式如下：

式中：

S(T)、S(T0)——T、T0時土地利用狀態(tài)矩陣；

Pij——i地類變?yōu)閖地類的轉(zhuǎn)移概率矩陣。

2.2 驅(qū)動因子確定

本文根據(jù)呼包鄂榆城市群實際情況以及FLUS模型的因子需求和研究目的，主要從影響土地利用覆被變化的自然環(huán)境、社會經(jīng)濟和交通區(qū)位因子 3個主要方面出發(fā)，選取高程、坡度、坡向、降水、人口、GDP、到河流距離、到鐵路距離、到高速距離、到公路的距離等共10個因素（如圖2所示）。

圖2 呼包鄂榆城市群土地利用驅(qū)動因子Figure 2 Study the driving factors of land use in regional urban agglomerations

2.3 FLUS模型

FLUS模型是在傳統(tǒng)元胞自動機（CA）模型的基礎(chǔ)上進(jìn)一步改良而成的，該模型包括適宜性概率計算、鄰域因子計算、自適應(yīng)慣性系數(shù)計算、轉(zhuǎn)換成本設(shè)定以及綜合概率計算（張經(jīng)度等，2020）。適宜性概率計算通過BP-ANN人工神經(jīng)網(wǎng)絡(luò)算法將基期的土地利用類型與多項空間驅(qū)動因子進(jìn)行擬合，從而獲得各土地利用類型的適宜性概率（蘇迎慶等，2021），其表達(dá)式為：

式中：

t——年；

wj,k——隱藏層與輸出層的權(quán)重；

Nj(p,q)——隱藏層神經(jīng)元j接收輸入層信號；

xj(p,q)——第i個神經(jīng)元在迭代次數(shù)為q時元胞p的輸入值；

wi,j——輸入層與隱藏層的權(quán)重（高周冰等，2021）。

鄰域因子表示不同土地利用類型間及鄰域范圍內(nèi)不同土地利用單元間的相互作用（張世偉等，2020），其表達(dá)式為：

式中：

wk——各用地類型的鄰域因子參數(shù)（張經(jīng)度等，2020）。其中，鄰域因子參數(shù)取值范圍為[0,1]，且其數(shù)值與用地擴展能力呈正比。本文各類用地領(lǐng)域因子參數(shù)（蘇迎慶等，2021）的設(shè)置主要是基于研究區(qū)域土地利用實際情況及未來發(fā)展趨勢，具體參數(shù)設(shè)置見表1。

表1 鄰域因子參數(shù)Table 1 Neighborhood factor parameters

自適應(yīng)慣性系數(shù)用于顯示各土地利用類型在預(yù)期與實際上的數(shù)量差異（歐陽曉等，2020），其表達(dá)式為：

式中：

2.4 模型精度驗證

本文主要采用數(shù)量精度和Kappa系數(shù)來評價模型對土地利用覆被變化預(yù)測的適用性和準(zhǔn)確性。其中，數(shù)量精度指數(shù)采用誤差分析法得出模擬誤差百分比，直觀反映各類用地數(shù)量發(fā)展的規(guī)模。Kappa系數(shù)從整體上檢驗?zāi)M結(jié)果與觀測數(shù)據(jù)的一致性程度，當(dāng)Kappa值大于0.75時說明模擬精度較好。本文以2010年為基期數(shù)據(jù)，運用上述方法模擬2020年土地利用情況。在此基礎(chǔ)上，將2020年模擬圖與2020年現(xiàn)狀圖利用Kappa系數(shù)進(jìn)行交叉對比檢驗（盧涵宇等，2020）。其表達(dá)式為：

式中：

K——用地類型的柵格數(shù)量誤差精度，

P0——模擬正確柵格數(shù)量與總數(shù)量的比值；

Pc——隨機狀態(tài)下模擬正確柵格數(shù)量與總數(shù)量的比值；

Pp——理想狀態(tài)下模擬正確柵格數(shù)量與總數(shù)量的比值。

計算發(fā)現(xiàn)Kappa系數(shù)高達(dá)0.817，實驗?zāi)M精度達(dá)到較高水平，表明FLUS模型在本文具有很好的適用性。

2.5 土地利用模擬情景設(shè)置

參考相關(guān)研究（方創(chuàng)琳，2020；劉玉斌等，2020；王彥開等，2021），并根據(jù)2018年國家頒布的《呼包鄂榆城市群發(fā)展規(guī)劃》中生態(tài)保護(hù)與可持續(xù)發(fā)展政策要求，基于城市擴張速度和生態(tài)保護(hù)程度兩方面設(shè)置自然發(fā)展和生態(tài)保護(hù)兩種典型情景模式，來模擬預(yù)測呼包鄂榆城市群 2030年土地利用類型的數(shù)量及空間分布情況。

2.5.1 自然發(fā)展情景

結(jié)合 2000—2020年呼包鄂榆城市群土地利用覆被變化趨勢和特征，假定 2020—2030年影響土地利用覆被變化的因素沒有發(fā)生較大變化（表 1、2），根據(jù)2000—2020年轉(zhuǎn)移概率預(yù)測2030年土地利用覆被結(jié)構(gòu)。

2.5.2 生態(tài)保護(hù)情景

模擬到2030年，根據(jù)生態(tài)保護(hù)的要求，對林地、草地以及水域轉(zhuǎn)出實施嚴(yán)格的控制，林地和草地不能轉(zhuǎn)為其他地類，但其他地類可以轉(zhuǎn)為林地和草地，即土地利用覆被變化受到嚴(yán)格的限制（表1、3）。

表2 自然發(fā)展情景成本矩陣Table 2 Cost matrix of natural development scenario

表3 生態(tài)保護(hù)情景成本矩陣Table 3 Scenario cost matrix of ecological protection

2.6 InVEST模型

2.6.1 碳儲量模塊

式中：

Ci——地類i的總碳密度；

Ci-above——地類i的地上碳密度；

Ci-below——地類i的地下碳密度；

Ci-dead——地類i的死亡有機質(zhì)碳密度；

Ci-soil——地類i的土壤有機質(zhì)碳密度；

Ci-total——地類i的總碳儲量；

小白說，真是萬幸，幸虧你摔到了綠化帶的樹苗堆里，再說，你還遇到了一位好心的老板，第一時間就把你送到了醫(yī)院。

Ai——地類i的面積。

2.6.2 碳密度數(shù)據(jù)

在InVEST模型中需錄入不同土地利用類型的碳密度值，研究區(qū)各植被類型的碳密度主要來源于相關(guān)文獻(xiàn)資料和模型數(shù)據(jù)庫（王紹強等，1999；王紹強等，2003；解憲麗等，2004；奚小環(huán)等，2010；蔣欣陽，2017；劉孟竹等，2021），碳密度值在選取過程中首選呼包鄂榆城市群本地相關(guān)的實測數(shù)據(jù)，其次為鄰近區(qū)域研究成果，最后為全國數(shù)據(jù)，剔除異常值，對同一地類的碳密度取有關(guān)文獻(xiàn)的平均值，結(jié)果如下（表4）：

3 結(jié)果與討論

3.1 2000—2020年呼包鄂榆城市群土地利用變化特征

2000—2020年間，呼包鄂榆城市群土地類型以草地為主，占城市群用地總面積54%以上；其次為耕地與未利用地，分別占用地總面積的17%以上；而林地、水域以及建設(shè)用地的面積較少，均占城市群用地總面積的5%以下（表5）。20年間，各類土地面積發(fā)生了不同程度的變化，其中變化最大的是建設(shè)用地。林地、水域和建設(shè)用地面積持續(xù)增加，增值分別為1120、19與2480 km2，其中建設(shè)用地面積增加最多，增幅為48.12%；耕地、草地和未利用地的面積持續(xù)減少，其中草地面積減少最多，為1550 km2，耕地與未利用地面積分別減少1425、649 km2。在2000—2010年間，耕地持續(xù)減少，而林地與草地面積持續(xù)增加，主要因為國家實施“退耕還林還草”的政策致使耕地大量轉(zhuǎn)向林地與草地，其次城市化進(jìn)程快速推進(jìn)導(dǎo)致建設(shè)用地大量侵占耕地；在2010—2020年間，林地面積持續(xù)大幅度增加，草地面積開始轉(zhuǎn)向減少，且耕地面積進(jìn)一步減少，主要因為退耕還林工程的進(jìn)一步發(fā)展，以及國家大力推動“三北”防護(hù)林工程建設(shè)，致使耕地持續(xù)轉(zhuǎn)為林地，且由于城市化進(jìn)程的不斷推進(jìn)，建設(shè)用地面積不斷增加的同時擠壓草地面積，間接加速了北方游牧民族生產(chǎn)生活用地的減少，致使馬牛羊等牲畜對草地需求增加。

表5 2000—2020年呼包鄂榆城市群各期土地利用類型面積及比例Table 5 Area and proportion of land use types in the study area during 2000-2020

3.2 各類土地利用情景預(yù)測結(jié)果分析

到2030年時，自然發(fā)展情景下城市群耕地、林地與建設(shè)用地將持續(xù)增加，增量分別為72、73和602 km2，其中建設(shè)用地面積增量最高，增幅達(dá)11.68%；而草地、水域與未利用地預(yù)計比2020年分別減少516、140和91 km2。從用地面積轉(zhuǎn)移方向看（圖3），減少的草地主要轉(zhuǎn)為耕地、林地以及未利用地；水域以及未利用地減少并不多，面積均勻轉(zhuǎn)向其余用地類型；而耕地與林地增幅很少，面積轉(zhuǎn)入量主要來自于草地，且均勻并少量的轉(zhuǎn)向其余用地類型；建設(shè)用地雖然變化幅度最大，但很少轉(zhuǎn)為其他地類，其增量來自于耕地與草地的大面積轉(zhuǎn)入（表6）。

表6 2030年自然發(fā)展與生態(tài)保護(hù)情景下各地類面積及其與2020年比值Table 6 Area of each region under the scenario of natural development and ecological protection in 2030 and its ratio to 2020

圖3 2020—2030年兩種典型情景下土地利用類型轉(zhuǎn)移桑基圖Figure 3 Sankey map of land use type transfer under two typical scenarios,2020-2030

與2020年相比，在生態(tài)保護(hù)情景下，林地、草地、水域與建設(shè)用地持續(xù)增加，分別增加494、2554、257和64 km2，耕地與未利用地則分別減少 2246 km2和1123 km2。從圖3可知，耕地主要轉(zhuǎn)向草地以及建設(shè)用地，林地主要轉(zhuǎn)換為草地，草地主要轉(zhuǎn)換為林地，未利用地主要轉(zhuǎn)變?yōu)椴莸?。與自然發(fā)展相比，生態(tài)保護(hù)情景下耕地、林地、草地與水域的變化趨勢發(fā)生了巨大變化（圖4），符合未來城市群生態(tài)安全格局用地的構(gòu)建，林地、草地與水域所占城市群用地總面積比例增幅分別從 0.86%、-0.54%和-4.09%到5.85%、2.68%和7.5%，增加幅度極其顯著，建設(shè)用地面積的擴張受到了極大的限制，變化度可忽略不計，耕地與未利用地是其主要轉(zhuǎn)入來源。

圖4 2030年兩種典型情景下呼包鄂榆城市群土地利用模擬預(yù)測圖Figure 4 Land use simulation forecast chart of urban agglomeration under two typical scenarios in 2030

3.3 各情景下2000—2030年碳儲量變化特征

基于InVEST模型分別計算呼包鄂榆城市群2000、2010、2020年3期的碳儲量，并結(jié)合FLUS模型模擬預(yù)測2030年的土地利用結(jié)果去分別預(yù)測自然發(fā)展情景和生態(tài)保護(hù)情景下的碳儲量。呼包鄂榆城市群 2000、2010和2020年的碳儲量分別為1142.628×106、1144.593×106和1134.212×106t，呈先上升后下降的倒“V”趨勢，總體減少8.416×106t，平均每年減少0.421×106t。其中，2000—2010年間，城市群碳儲量有少量增加，增值為1.965×106t，增幅為0.17%，與之相比，2010—2020年間，城市群碳儲量減少較多，減值為10.381×106t，減幅為0.91%。

在自然發(fā)展情景下，呼包鄂榆城市群 2030年碳儲量預(yù)測為1057.147×106t，與2020年相比，減少 77.065×106t，平均每年減少 7.707×106t；而在生態(tài)保護(hù)情景下，2030年城市群碳儲量為1066.181×106t，相比于2020年，平均每年減少6.803×106t，且碳儲量減速較小，說明實施生態(tài)保護(hù)政策、提高區(qū)域生態(tài)保護(hù)效力能有效實現(xiàn)呼包鄂榆城市群固碳作用，且效果較為顯著。在2020—2030年間，對比兩種典型發(fā)展情景模式，限制林地、草地向其他用地類型轉(zhuǎn)移的生態(tài)保護(hù)措施下的城市群碳儲量明顯更趨于穩(wěn)定，避免了出現(xiàn)急速下降的情況。

從碳儲量的空間分布及其變化來看（圖 5），2000—2020年間，呼包鄂榆城市群各城市的碳儲量除呼和浩特外均有所減少，其中包頭市碳儲量減少量最大，減值為5.559×106t，占總減少量的53.01%，其次是鄂爾多斯和榆林，減值與所占比值分別為2.919×106t、2.008×106t與 27.84%、19.15%；而呼和浩特作為呼包鄂榆城市群中心城市，其碳儲量20年間增加2.07×106t，增幅為1.67%，說明其作為內(nèi)蒙古自治區(qū)首府城市，帶頭執(zhí)行西北防護(hù)林工程建設(shè)（孫澤祥等，2016），在保證城市經(jīng)濟發(fā)展的同時，生態(tài)環(huán)境效應(yīng)也得到了相當(dāng)程度的保障。2020—2030年間，自然發(fā)展情景下呼包鄂榆城市群各城市碳儲量均有所減少，與前20年相比，鄂爾多斯成為碳儲量減少量最大的城市，減值為36.75×106t，占總減少量的25.33%。其次是榆林、包頭和呼和浩特，減值分別為16.186×106、12.913×106和11.216×106t，所占比值分別為11.16%、8.9%和7.73%；而在生態(tài)保護(hù)情景下，鄂爾多斯雖然仍為碳儲量減幅最大的城市，但減少量僅為31.578×106t，是自然發(fā)展情景的85.93%，體現(xiàn)了生態(tài)保護(hù)功能的有效性。其余呼和浩特、包頭和榆林等城市碳儲量減幅均有所下降，更加體現(xiàn)生態(tài)保護(hù)功能的必要性。

圖5 各年份呼包鄂榆城市群碳儲量空間格局分布圖Figure 5 The spatial pattern of carbon storage in regional urban agglomerations was studied in each year

3.4 地類轉(zhuǎn)換導(dǎo)致碳儲量變化特征

受到不同土地類型間面積轉(zhuǎn)移以及碳密度差異的影響，不同地類間的變化轉(zhuǎn)變對碳儲量的影響存在差異。2000—2020年由于呼包鄂榆城市群不同地類間的轉(zhuǎn)換導(dǎo)致碳儲量減少約8.416×106t，主要是因為耕地定量的轉(zhuǎn)向建設(shè)用地，林地、草地轉(zhuǎn)為未利用地，導(dǎo)致土壤以及植被地上與地下的碳儲量減少，進(jìn)而導(dǎo)致城市群總碳儲量減少；相較于其余地類，水域和未利用地的碳密度值較低，因此水域和未利用地轉(zhuǎn)換為其余地類有助于碳匯的形成，進(jìn)而增加城市群總碳儲量。2000—2020年間，耕地面積的減少導(dǎo)致碳儲量減少10.986×106t，耕地主要轉(zhuǎn)換為林地、草地與建設(shè)用地；伴隨著林地面積持續(xù)增加，碳儲量也隨之增加，增值為12.986×106t，因為耕地與草地是林地轉(zhuǎn)換的主要來源，碳儲量增量較高；草地碳儲量與其20年間面積變化相似，呈現(xiàn)倒“V”趨勢變化，總碳儲量最終減少10.784×106t；水域面積在20年間波動增加，其轉(zhuǎn)出有利于城市群碳儲量的增加，增量為0.08×106t，草地、耕地與未利用地是水域的主要轉(zhuǎn)入地類；建設(shè)用地因其較強的擴張性，在20年間持續(xù)增加，主要轉(zhuǎn)入地類為耕地與草地，較少轉(zhuǎn)為其他地類；未利用地整體呈現(xiàn)先減少后增加的趨勢，致使碳儲量減少2.442×106t，未利用地主要轉(zhuǎn)為耕地與草地，且耕地與草地在同時轉(zhuǎn)向未利用地，呈現(xiàn)相互轉(zhuǎn)移的趨勢。

與2020年相比（表7），呼包鄂榆城市群2030自然發(fā)展情境下碳儲量減少77.065×106t，而生態(tài)保護(hù)情景下碳儲量減少68.031×106t，減少幅度明顯降低，耕地、林地、草地等轉(zhuǎn)移概率不同是其主要原因，且其以生態(tài)保護(hù)為導(dǎo)向，對其余地類進(jìn)行了轉(zhuǎn)換限制，因此林地與草地將建設(shè)用地的轉(zhuǎn)移面積大幅下降，最終提高了碳儲量；兩種情景下，草地的碳儲量對比最為明顯，雖然都呈現(xiàn)減少趨勢，但在生態(tài)保護(hù)情景下的草地碳儲量減幅顯著變緩，首先因為草地向耕地的轉(zhuǎn)換逐漸減少，其次草地控制了對建設(shè)用地與未利用地的轉(zhuǎn)移，達(dá)到了區(qū)域碳穩(wěn)定的目的，從而體現(xiàn)了生態(tài)保護(hù)政策的有效性與必要性。林地和水域碳儲量變化皆不明顯。水域、建設(shè)用地與未利用地向耕地、林地和草地的轉(zhuǎn)變，都對碳儲量的增加產(chǎn)生了明顯的影響。從整體來看，呼包鄂榆城市群內(nèi)各種地類轉(zhuǎn)換主要以轉(zhuǎn)入建設(shè)用地與未利用地為主，不利于未來城市群內(nèi)碳儲量的增加。

表7 2020—2030年自然發(fā)展情景與生態(tài)保護(hù)情景下地類轉(zhuǎn)換引起的碳儲量變化Table 7 Carbon storage change caused by land type conversion under natural development scenario and ecological protection scenario in 2020-2030

3.5 討論

2000—2020年，呼包鄂榆城市群地區(qū)碳儲量整體呈減少趨勢，但對比兩種典型預(yù)測情景，生態(tài)保護(hù)情景明顯優(yōu)于自然保護(hù)情景，更有利于碳儲量的增加從而達(dá)到區(qū)域碳平衡，這與吳佩君等（2016）的研究結(jié)果相同，作為對全球氣候變化和碳循環(huán)意義重大的關(guān)鍵（Houghton，2003；Piao et al.，2009；曹世雄等，2018），陸地生態(tài)系統(tǒng)中尤其是林地、草地等的碳儲存能力比其他生態(tài)系統(tǒng)更強（Pagiola，2008），因此，生態(tài)保護(hù)策略的實施可以有效促進(jìn)城市群區(qū)域碳儲量穩(wěn)定增長，且通過控制建設(shè)用地的增長與轉(zhuǎn)換，實現(xiàn)林地和草地等高碳密度類生態(tài)用地的修復(fù)，同時需加強退耕還林還草政策的實施（劉孟竹等，2021），堅定“三北”防護(hù)林工程的進(jìn)一步推進(jìn)，合理調(diào)控土地利用類型的發(fā)展（吳晶晶，2017），實現(xiàn)生態(tài)環(huán)境保護(hù)下的區(qū)域碳循環(huán)。依據(jù)預(yù)測數(shù)據(jù)，未來的發(fā)展必須以保護(hù)林地、草地和水域等生態(tài)資源為主，防止水土流失、草地退化、亂砍亂伐等現(xiàn)象，在呼包鄂榆城市群區(qū)域尤注意合理科學(xué)管控農(nóng)牧業(yè)（孫澤祥等，2016）的發(fā)展，避免產(chǎn)業(yè)發(fā)展不平衡導(dǎo)致生態(tài)系統(tǒng)失衡，進(jìn)一步增加碳排放量、破壞區(qū)域碳平衡。

本文預(yù)測部分采用Markov-FLUS模型，能有效結(jié)合馬爾科夫鏈與FLUS之間的優(yōu)勢，避免單一模型的不確定性，其次，所獲取的3期土地利用數(shù)據(jù)整體精度高達(dá)88.96%，較大程度降低誤差概率。此外，Kappa系數(shù)從整體上檢驗?zāi)M結(jié)果與觀測數(shù)據(jù)的一致性程度，當(dāng)Kappa值大于0.75時說明模擬精度較好，通過鄰域因子與成本矩陣的參數(shù)率定，計算發(fā)現(xiàn)Kappa系數(shù)高達(dá)0.817，實驗?zāi)M精度達(dá)到較高水平，表明FLUS模型在本文具有很好的適用性，較好實現(xiàn)土地利用轉(zhuǎn)換在時空上的概念呈現(xiàn)，對呼包鄂榆城市群未來的國土空間優(yōu)化及生態(tài)保護(hù)有一定的借鑒意義。但模型研究重點在于時間跨度，其余LUCC驅(qū)動因素也應(yīng)加以考慮，除必然的自然要素外，人文要素因其復(fù)雜性擁有類似工業(yè)產(chǎn)值、工廠分布、開發(fā)紅線等較多的選擇（朱志強等，2021），因此，今后在驅(qū)動因子的選擇中應(yīng)盡可能科學(xué)合理的構(gòu)建人文因素以實現(xiàn)更好的預(yù)測效果。此外，為更好的提高模擬的準(zhǔn)確性，改進(jìn)模型精度驗證、納入動態(tài)數(shù)據(jù)是下一步研究的重點（王志遠(yuǎn)等，2020）。

InVEST模型可以直觀展現(xiàn)各地類轉(zhuǎn)換間對碳儲量的影響（張斌等，2022），其估算結(jié)果能清晰反映城市群區(qū)域碳儲量時空變化與各土地類型間的關(guān)系，可以為區(qū)域發(fā)展協(xié)調(diào)統(tǒng)籌經(jīng)濟與生態(tài)兩方面，提供發(fā)展新思路。但I(xiàn)nVEST更多的針對尺度較大的地類變化作出估算，基于已確定的既得碳密度值的運用，Carbon模塊中也忽視了土地利用內(nèi)部結(jié)構(gòu)中隨著植被生長所帶來的碳儲量值的變化，使得碳儲量的空間格局變化存在一定誤差，導(dǎo)致結(jié)果的不確定性（Nelson et al.，2009）。張燕等（2021）運用InVEST模型在采用全國與臨近區(qū)域碳密度值的基礎(chǔ)上進(jìn)行修正，對陸地生態(tài)系統(tǒng)碳儲量進(jìn)行評估，但缺乏實際實地測量值，忽略了氣候與地理背景對生態(tài)系統(tǒng)碳儲量的影響；劉冠等（2021）基于InVEST模型來評估1999—2016年麻塔流域碳儲量及其變化，但未考慮氣候變化、CO2濃度與氮沉降變化過程作用引起的碳儲量變化；楊潔等（2021）在獲取前人研究碳密度值的基礎(chǔ)上進(jìn)行氣象修正，運用InVEST模型評估黃河流域2005—2030年6期碳儲量，但未考慮到光合速率與土壤微生物活動等對固碳非常重要的指標(biāo)。因此，在對未來城市群的研究中，需進(jìn)一步加強對碳密度值的數(shù)據(jù)獲取的時效性并加以驗證，進(jìn)行本地化率定，對核心指標(biāo)進(jìn)行實地測量，精準(zhǔn)估算區(qū)域碳儲量變化，優(yōu)化模型運行結(jié)構(gòu)，提高模型驗證精度，使數(shù)據(jù)科學(xué)合理，在此基礎(chǔ)上探究土地內(nèi)部結(jié)構(gòu)差異，考慮植被時間尺度的變化對碳儲量的影響，選取更多科學(xué)合理的自然、人文驅(qū)動要素，提高多模型模擬的預(yù)測精度，以期更好的維持區(qū)域生態(tài)系統(tǒng)碳平衡。

4 結(jié)論

本文基于FLUS和InVEST模型對呼包鄂榆城市群2030年的碳儲量進(jìn)行預(yù)測，結(jié)論如下：

（1）2000—2020年呼包鄂榆城市群土地利用發(fā)生顯著變化，主要表現(xiàn)為林地、水域和建設(shè)用地面積持續(xù)增加，耕地、草地和未利用地的面積持續(xù)減少；驅(qū)動力主要來自城市化、退耕還林、“三北”防護(hù)林工程。20年間城市群碳儲量減少了8.416×106t。

（2）在自然發(fā)展情景下，2020—2030年，呼包鄂榆城市群耕地、林地與建設(shè)用地將持續(xù)增加，其中建設(shè)用地增量最高，草地、水域與未利用地持續(xù)減少，城市群2020年的碳儲量從1134.212×106t減少到2030 年的1057.147×106t，共減少 77.065×106t。

（3）生態(tài)保護(hù)情景下，林地、草地、水域與建設(shè)用地持續(xù)增加，耕地與未利用地持續(xù)減少，城市群2020年的碳儲量從1134.212×106t減少到2030年的1066.181×106t。共減少 68.031×106t。

（4）相比自然發(fā)展模式，生態(tài)保護(hù)情景下，碳儲量可以少減少9.034 × 106t。減少速度放緩，有助于呼包鄂榆區(qū)域碳匯穩(wěn)定。在生態(tài)保護(hù)情景下，各市碳儲量減幅都有所減緩，其中鄂爾多斯市減幅減少 5.172×106t。