基于低碳导向的南昌市土地利用模拟与优化调控研究.pdf

第4 3卷第5期2 0 2 3年1 0月水土保持通报B u l l e t i no fS o i l a n dW a t e rC o n s e r v a t i o nV o l.4 3,N o.5O c t.,2 0 2 3 收稿日期:2 0 2 3-0 3-2 2 修回日期:2 0 2 3-0 6-1 6 资助项目:国家自然科学基金项目“基于博弈的城镇扩张与生态网络保护时空耦合与优化管控研究”(4 1 9 6 1 0 4 2);教育部人文社会科学研究规划资助项目(1 9 Y J A Z H 0 6 1);南昌市经济社会发展重大招标课题(Z D S K 2 0 2 2 0 6)第一作者:陈嘉诚(1 9 9 9),男(汉族),江西省赣州市人,硕士研究生,研究方向为土地管理。E m a i l:c j c 1 5 2 7 0 6 0 5 3 2 91 6 3.c o m。通信作者:罗志军(1 9 7 6),男(汉族),江西省新余市人,博士,教授,主要从事土地管理和3 S应用方面研究。E m a i l:l u o z j 1 01 6 3.c o m。基于低碳导向的南昌市土地利用模拟与优化调控研究陈嘉诚,罗志军,罗 媛(江西农业大学 国土资源与环境学院,江西 南昌3 3 0 0 4 5)摘 要:目的对不同低碳情景下土地利用变化进行模拟,对比多情景下的碳储量和碳排放差异,为江西省南昌市的低碳发展提供相关建议。方法基于碳储量最大情景和碳排放最小情景对2 0 3 0年土地利用结构进行优化,并运用F L U S模型模拟南昌市多情景下土地利用的空间分布特征。结果根据数量结构优化结果,碳储量最大和碳排放最小情景下土地利用碳排放均小于自然发展情景,碳储量均大于自然发展情景。综合来看,碳汇最大化情景下土地利用数量结构优化效果更优。根据空间结构模拟结果,低碳情景与自然发展情景相比建设用地在空间分布上相对集中,并且碳排放减少区域和碳储量增加区域主要分布于中部和南部区域。结论为了早日实现南昌市碳达峰和碳中和的目标,建议优化土地利用结构,落实生态保护和耕地保护政策,控制建设用地过度扩张,加强对重点区域的调控。关键词:低碳;土地利用;F L U S模型;南昌市文献标识码:A 文章编号:1 0 0 0-2 8 8 X(2 0 2 3)0 5-0 3 6 5-0 9 中图分类号:F 3 0 1.2,X 1 7 1.1文献参数:陈嘉诚,罗志军,罗媛.基于低碳导向的南昌市土地利用模拟与优化调控研究J.水土保持通报,2 0 2 3,4 3(5):3 6 5-3 7 3.D O I:1 0.1 3 9 6 1/j.c n k i.s t b c t b.2 0 2 3.0 5.0 4 2;C h e nJ i a c h e n g,L u oZ h i j u n,L u oY u a n.R e s e a r c ho n l a n du s e s i m u l a t i o na n do p t i m i z a t i o nr e g u l a t i o n i nN a n c h a n gC i t yb a s e do nl o w-c a r b o no r i e n t a t i o nJ.B u l l e t i no fS o i l a n dW a t e rC o n s e r v a t i o n,2 0 2 3,4 3(5):3 6 5-3 7 3.R e s e a r c ho nL a n dU s eS i m u l a t i o na n dO p t i m i z a t i o nR e g u l a t i o ni nN a n c h a n gC i t yB a s e do nL o w-c a r b o nO r i e n t a t i o nC h e nJ i a c h e n g,L u oZ h i j u n,L u oY u a n(C o l l e g eo fL a n dR e s o u r c e sa n dE n v i r o n m e n t,J i a n g x iA g r i c u l t u r a lU n i v e r s i t y,N a n c h a n g,J i a n g x i3 3 0 0 4 5,C h i n a)A b s t r a c t:O b j e c t i v eT h ec h a n g e s i nl a n du s eu n d e rd i f f e r e n t l o w-c a r b o ns c e n a r i o sw e r es i m u l a t e d,a n dt h ed i f f e r e n c e s i nc a r b o ns t o r a g ea n dc a r b o ne m i s s i o n su n d e r m u l t i p l es c e n a r i o s w e r ec o m p a r e di no r d e rt op r o v i d er e l e v a n t s u g g e s t i o n s f o r t h e l o w-c a r b o nd e v e l o p m e n t o fN a n c h a n gC i t y,J i a n g x i P r o v i n c e.M e t h o d sT h e l a n du s es t r u c t u r ei n2 0 3 0 w a so p t i m i z e db a s e do nt h e m a x i m u m c a r b o ns t o r a g es c e n a r i oa n dt h em i n i m u mc a r b o n e m i s s i o n s c e n a r i o.T h eF L U Sm o d e lw a s u s e d t os i m u l a t e t h e s p a t i a l d i s t r i b u t i o nc h a r a c t e r i s t i c so f l a n du s e i nN a n c h a n gC i t yu n d e rm u l t i p l es c e n a r i o s.R e s u l t s A c c o r d i n gt o t h eo p t i m i z a t i o nr e s u l t so ft h eq u a n t i t ys t r u c t u r e,t h ec a r b o ne m i s s i o n so f l a n du s eu n d e rt h em a x i m u mc a r b o ns t o r a g ea n dm i n i m u mc a r b o ne m i s s i o ns c e n a r i o sw e r e s m a l l e r t h a nu n d e r t h en a t u r a l d e v e l o p m e n t s c e n a r i o,a n dc a r b o ns t o r a g ew a sg r e a t e r t h a nu n d e r t h en a t u r a l d e v e l o p m e n t s c e n a r i o.O v e r a l l,t h e e f f e c t o f q u a n t i t a t i v e s t r u c t u r eo p t i m i z a t i o no f l a n du s eu n d e rt h es c e n a r i oo fm a x i m u mc a r b o ns i n kw a sb e t t e r.A c c o r d i n gt ot h es p a t i a ls t r u c t u r es i m u l a t i o nr e s u l t s,c o n s t r u c t i o nl a n du n d e rt h el o w-c a r b o ns c e n a r i ow a sr e l a t i v e l yc o n c e n t r a t e di ns p a t i a ld i s t r i b u t i o nc o m p a r e dw i t ht h en a t u r a ld e v e l o p m e n ts c e n a r i o.T h ea r e a so fc a r b o ne m i s s i o nr e d u c t i o na n dc a r b o ns t o r a g e i n c r e a s ew e r em a i n l y l o c a t e d i nt h e c e n t r a l a n ds o u t h e r nr e g i o n s.C o n c l u s i o nI t i s s u g g e s t e dt oo p t i m i z e l a n du s es t r u c t u r e,i m p l e m e n te c o l o g i c a lp r o t e c t i o na n dc u l t i v a t el a n dp r o t e c t i o np o l i c i e s,l i m i te x c e s s i v ee x p a n s i o no f c o n s t r u c t i o n l a n d,a n ds t r e n g t h e n t h e r e g u l a t i o no f k e ya r e a s,s oa s t oa c h i e v e t h eg o a lo f c a r b o np e a ka n dc a r b o nn e u t r a l i t yo fN a n c h a n gC i t ya ss o o na sp o s s i b l e.K e y w o r d s:l o wc a r b o n;l a n du s e;F L U Sm o d e l;N a n c h a n gC i t y 随着人类社会和经济活动消耗大量资源,导致温室气体排放迅速增长,由此产生的气候变暖问题已变成各国科学家和政府高度关注的全球性环境问题之一1-2。在此背景下,2 0 2 0年9月2 2日中国国家领导人在第7 5届联合国大会上承诺,“中国将提高国家自主贡献度,采取更加有力的政策和措施,力争于2 0 3 0年前达到碳峰值,2 0 6 0年前达到碳中和”3。为确保如期实现“双碳”目标,政府在近几年发布了包括2 0 3 0年前碳达峰行动方案 在内的多项二氧化碳减排政策,通过对相关政策的梳理,中国实现碳中和的路径集中于产业结构和能源结构调整优化。然而众多研究成果表明中国陆地生态系统存在巨大碳汇,土地利用格局的变化对于陆地生态系统的碳循环有着举足轻重的作用4-5。因此,优化土地利用结构不仅能促进土地资源的合理利用,还能有效促进区域碳减排6-7。对于二氧化碳的排放量进行准确的测算,是进行区域碳排放相关研究的基础,从目前研究成果来看,土地利用碳排放测算方法可大致分为模型模拟法、样地清查法、遥感估算法、物料平衡法、排放系数法、实测法和因素分解法8。样地清查法是通过野外实地抽样的方式测算特定区域内的二氧化碳排放量,适用于微观尺度,测量数据较为准确9。排放系数法基于I P C C国家温室气体清单指南和温室气体议定书进行的温室气体清单计算1 0-1 1,由于计算方法较为成熟、可操作性强的优点被广泛应用。本研究中对耕地、林地、草地、水域和未利用地的碳排放计算参考相关文献中实测数据,对于建设用地碳排放采用I P C C温室气体清单核算。土地利用模拟研究主要集中于数量预测和空间模拟两方面,现阶段常见的土地利用数量结构预测模型有M a r k o v模型、灰色预测模型、多目标线性模型、L o g i s t i c模型、S D模型等,土地利用空间结构模拟模型有C A模型、S L E U T H模型、C L U E-S模型、A BM模型、F L U S模型等1 2。经过3 0a多的发展,土地利用模拟已经逐渐从数量预测发展到空间格局模拟,从单一模型向多种模型耦合1 3-1 4。相较于其他模型,F L U S模型基于ANN,S D模型和C A模型,并引入自适应惯性系数和轮盘赌竞争机制确定用地类型,模拟精度较高,在此基础上形成具有自主知识产权和独立操作系统的地理模拟优化平台,且近年来在土地利用模拟方面得到广泛应用1 5-1 7。南昌市是中国首批低碳试点城市,为推进区域绿色低碳高质量发展推行了 南昌市低碳发展促进条例(2 0 1 6年)南 昌 市“十 四 五”应 对 气 候 变 化 规 划(2 0 2 1年)等政策。但是根据中国碳 核算数据 库(C h i n ae m i s s i o na c c o u n t sa n dd a t a s e t s,C E A D s)中相关数据显示,南昌市近年来二氧化碳排放量仍以较高水平增长,这不利于南昌市未来的高质量发展,亟待找到土地利用结构与低碳排放的均衡点。因此,本文以南昌市为例,基于相关土地政策约束通过多元线性规划方法估算南昌市2 0 3 0年碳储量最大和碳排放最小目标下土地利用数量结构,并使用F L U S模型进行2 0 3 0年多情景空间结构模拟,分析并对比不同情景下土地利用、碳排放量和碳储量的变化特征和差异,在此基础上提出相关调控建议,以期为南昌市低碳试点工作提供新思路,同时对江西省低碳规划起到示范和引领作用。1 研究区域与数据来源1.1 研究区域南昌市(1 1 5 2 7 1 1 6 3 5 E,2 8 1 0 2 9 1 1 N)作为江西省会城市,地处江西省中部偏北,地理位置优越。南昌市下辖6区(红谷滩、青山湖、新建、东湖、西湖、青云谱区)3县(安义县、南昌县、进贤县),总面积71 9 5k m2。南昌市作为环鄱阳湖城市群核心城市和长江中游城市群的中心城市之一,经济快速发展的同时,也出现了建设用地飞地式增长、建设占用耕地以及生态环境破坏等问题。1.2 数据来源(1)土地利用数据。本文从地理空间数据云平台(h t t p:www.g s c l o u d.c n/)获取分辨率为3 0m的南昌 市2 0 0 0,2 0 1 0,2 0 2 0年3期 的L a n d s a tTM/E TM+遥感影像,通过E NV I5.3对影像进行几何纠正、图像配准等预处理后,利用目视解译和计算机解译相结合的方法进行影像判读分类,根据 土地利用现状分类(G B T 2 1 0 1 0-2 0 1 7)将南昌市土地利用类型分为6类:耕地、林地、草地、水域、建设用地、未利用地。k a p p a系数检验和总体精度均达到0.9 0,符合研究所需的精度要求。(2)土地利用驱动因子数据。参考已有研究结果1 2,1 8-1 9,结合南昌市实际情况与数据的科学性和可获得性,通过地理探测器分析剔除影响程度较小的驱动因子后,最终确定了1 1个驱动因子,包括自然因子(D EM、坡向、坡度、年均气温、距中大型水体的距离)和社会经济因子(距乡镇/城市中心的距离、人口密度、G D P密度、夜间灯光数据、距城市主干路/高速公路/铁路的距离、距火车站/机场的距离)。D EM数据来源于地理空间数据云(h t t p:www.g s c l o u d.c n/),坡度和坡向通过A r c G I S处理得到;年均气温数据、夜间灯光数据和G D P密度数据来源于中国科学院资663 水土保持通报 第4 3卷源环境数据云平台(h t t p s:www.r e s d c.c n);道路交通数据来源于O S M开源地图网站(h t t p s:m a s t e r.a p i s.d e v.o p e n s t r e e t m a p.o r g/);人 口 密 度 来 源 于w o r l d P o p数据集(h t t p s:www.w o r l d p o p.o r g/)。结合研究区域进行地理裁剪、欧氏距离分析、归一化等数据处理,最终输出栅格数据分辨率统一为3 0m3 0m。2 研究方法2.1 土地利用变化驱动机制分析方法地理探测器是由王劲峰等人开发的用于度量空间分异性并探究其驱动因子的统计学方法,被广泛应用于探究土地利用变化及驱动机制相关研究1 8-1 9,地理探测器包括分异及因子探测、交互探测、生态探测、风险探测4个探测器2 0。本文用因子探测和交互探测进行驱动机制分析。因子探测器中,探测驱动因子X对因变量Y的解释力用q值度量,计算公式为:q=1-Lh=1Nh2hN 2=1-S SWS S T(1)S SW=Lh=1Nh2h,S S T=N 2(2)式中:q值为驱动因子对土地利用变化的解释力,q0,1,q值越大,说明该驱动因子对土地利用变化的解释力越强;h=1L;L为因子X的分层;Nh,N分别为某一分层和整个区域的样本数;2h,2分别为某一分层和整个区域的方差和;S SW和S S T分别为层内方差之和(w i t h i ns u mo f s q u a r e s)和全区总方差(t o t a l s u mo f s q u a r e s)。交互探测器用于计算两两驱动因子X交互作用后对因变量Y的解释力是增强还是减弱,交互作用类型分为非线性减弱、单因子非线性减弱、双因子增强、因子独立、非线性增强。地理探测器中的Y因变量为数值量,X自变量为类变量。故本研究利用地理探测器分析土地利用驱动机制时,使用土地利用程度作为因变量Y2 1,土地利用变化驱动因子作为自变量X,从自然因子、社会经济两方面选取1 2个驱动因子,并对驱动因子连续变量进行离散化2 2。借助A r c G I S1 0.5平台,构建2 87 4 9个0.5k m0.5k m格网,提取每个格网中心点对应 的X,Y值,并 输 入 到G e o D e t e c t o r中运算。2.2 碳储量和碳排放量计算2.2.1 碳 储 量 计 算 在 使 用I n V E S T模 型 中 的C a r b o n模块对碳储量进行计算时,假设各地类对应一个由地下碳密度、地上碳密度、土壤有机质碳密度和死亡有机质碳密度构成的总碳密度,且一种地类的碳密度是一种常量。计算公式如下:Ct o t a l=ni(Ci-a b o v e+Ci-b e l o w+Ci-d e a d+Ci-s o i l)Si(3)式中:Ct o t a l为总碳存储量;Ci-a b o v e为地类i的地上碳密度;Ci-b e l o w为地类i的地下碳密度;Ci-s o i l为地类i的土壤有机质碳密度;Ci-d e a d为地类的死亡有机质碳密度;Si为地类i的面积。各地类4大碳库的碳密度数据来源于国家科学数据中心(h t t p:www.n e s d c.o r g.c n/)中2 0 1 0 s中国陆地生态系统碳密度数据集2 3。当数据不全时采用邻近省市实地测量数据和文献整理数据9,2 4-2 8。其中耕地、林地、草地、水域、建设用地和未利用地的碳密度依次为1 0 0.8 7,1 3 7.6 4,1 1 4.4 0,0.0 0,4 4.0 4,6 1.0 8t/h m2。2.2.2 碳排放量计算 各土地利用碳排放量进行计算包括直接碳排放和间接碳排放,其中耕地、林地、草地、水域、未利用地的碳排放量通过碳排放系数直接计算。本文的碳排放系数通过对相关文献研究结果进行整理后取平均值以减少单一误差。耕地、林地、草地、水域、未利用地的碳排放系数依次为0.4 6 02 9-3 2,-0.6 1 33 1,3 3-3 4,-0.0 2 12 9-3 0,3 5,-0.2 5 33 0-3 1,3 6,-0.0 0 53 0-3 1,3 6t/h m2。建设用地的碳排放量通过其上各类化石能源消耗所产生的碳排放量间接计算,计算公式如下:Tj=ni=1(EiZiKi)(4)式中:Tj为建设用地碳排放量;Ei为能源i的消耗量,参考相关文献3 2,3 7-3 9,在 南昌市统计年鉴2 0 2 0中选取原煤、焦炭、天然气、汽油、煤油、柴油、燃料油、液化石油气、热力、电力等1 6种能源终端消耗量;Zi为能源i折标准煤系数,来自 中国能源统计年鉴;Ki为能源i的碳排放系数,根据2 0 0 6年I P C C国家温室气体清单指南 中各燃料燃烧的缺省排放因子转换得到,南昌市各种能源标准煤换算系数和碳排放系数见表1。计算得建设用地碳排放总量后,平均到单位面积建设用地,得南昌市建设用地碳排放系数为6 3.5 5t/h m2。2.3 多情景设置设置自然发展情景作为低碳情景模拟的基础,此情景基于南昌市2 0 1 02 0 2 0年历史土地利用变化特征,不考虑相关政策因素影响,运用M a r k o v模型预测2 0 3 0年各地类用地规模需求。763第5期 陈嘉诚等:基于低碳导向的南昌市土地利用模拟与优化调控研究表1 南昌市各种能源标准煤换算系数和碳排放系数T a b l e1 C o n v e r s i o nc o e f f i c i e n t a n dc a r b o ne m i s s i o nc o e f f i c i e n t o f s t a n d a r dc o a l f o r e a c he n e r g ys o u r c e i nN a n c h a n gC i t y能源种类 折标准煤系数/(tt-1)碳排放系数/1 04t(1 04t)-1能源种类 折标准煤系数/(tt-1)碳排放系数/1 04t(1 04t)-1原 煤0.7 1 430.7 5 59天然气(液态)1.7 5 720.5 1 30洗精煤0.9 0 000.7 5 59汽 油1.4 7 140.5 5 38其他洗煤0.2 8 570.7 5 99煤 油1.4 7 140.5 7 14焦 炭0.9 7 140.8 5 50柴 油1.4 5 710.5 9 21焦炉煤气0.5 7 140.3 5 48燃料油1.4 2 860.6 1 85高炉煤气0.1 2 860.4 6 02液化石油气1.7 1 430.5 0 42其他煤气0.1 7 860.3 5 48热 力0.0 3 410.6 7 00天然气(气态)1.1 0 000.4 4 83电 力0.1 2 290.2 7 20 注:热力换算成标准煤单位为k g/M J(以标准煤计),电力换算成标准煤单位为k g/kWh(以标准煤计),焦炉煤气、高炉煤气、转炉煤气、天然气(气态)换算成标准煤单位为k g/m3(以标准煤计)。此外分别设置2 0 3 0年南昌市碳汇最大化和碳排放最小化的情景。以南昌市2 0 3 0年碳汇最大化和碳排放最小化为目标,建立多元线性回归模型,将耕地(X1)、林地(X2)、草地(X3)、水域(X4)、建设用地(X5)和未利用地(X6)作为决策变量,参考2 0 1 62 0 3 0年国家土地规划纲要(以下简称“纲要”)、中华人民共和国国民经济和社会发展第十四个五年规划和2 0 3 5年远景目标纲要(以下简称“规划”)、南昌市国民经济和社会发展第十四个五年规划和2 0 3 5年远景目标纲要(以下简称“南昌规划”)并综合考虑南昌市的社会经济发展和土地利用状况,对决策变量进行条 件 约 束:总 面 积 约 束。南 昌 市 面 积 为7 1 87 3 8.4 1h m2,各 用 地 类 型 面 积 之 和 保 持 不 变。建设用地面积约束。根据“纲要”中对于国土开发强度指标的内容,2 0 1 52 0 2 0年建设用地面积年均增长率为1.0 7%。2 0 2 02 0 3 0年建设用地面积年均增长率为0.8 6%。根据南昌市实际情况,过去5a的建设用地面积年均增长率为2.4 2%。因此将未来十年建设用地面积增长率限制在1.9 5%。林地面积约束。根据“南昌规划”,2 0 2 5年森林覆盖率目标值是基本保持不变,2 0 1 52 0 2 0年南昌市的森林覆盖率年均下降1.6 1%,以此作为下限。此外在“纲要”中指出全国的森林覆盖率将从由2 0 2 0年的2 3%增加到2 0 3 0年2 4%以上,理想状态下林地面积年均增长0.4 3%,故以此作为上限。其他地类面积约束。在过去1 0a来,耕地、草地、未利用地的面积都在不同程度地减少,因此耕地、草地和未利用地面积年均减少率不高于过去1 0a的减少率。将碳排放 计算模型作 为多元线性 回归模型在L I NGO 1 5.0中进行求解。其中,碳汇最大化和碳排放最小化的目标函数为:m i n(Z)=0.4 6X1-0.6 1 3X2-0.0 2 1X3-0.2 5 3X4+6 3.5 5X5-0.0 0 5X6m a x(Z)=1 0 0.8 7X1+1 3 7.6 4X2+1 1 4.4 0X3+0X4+4 4.0 4X5+6 1.0 8X6(5)2.4 M a r k o v模型M a r k o v模型具有无后效性和平稳性的特征,即在t+1时刻所处状态的分布与在时刻t之前所处的状态无关,可用于预测国土空间类型在数量上的变化情况4 0。本研究运用G e o s o s-F L U S软件中的M a r k o vc h a i n模块确定南昌市自然发展情景下各地类面积。M a r k o v模型公式如下:St+1=StPa b(6)式中:St,St+1分别表示在t,t+1时刻下土地利用状态;Pa b表示状态转移概率。2.5 F L U S模型F L U S模型(f u t u r el a n d-u s es i m u l a t i o n)由刘小平等1 5于2 0 1 7年提出,已经被广泛应用于城市土地利用变化模拟和城市增长开发边界划定1 7,4 1。该模型由 基 于 神 经 网 络 的 适 宜 性 概 率 计 算(a r t i f i c i a ln e u r a ln e t w o r k,ANN)和基于自适应惯性竞争机制的元胞自动机模块(c e l l u l a ra u t o m a t a,C A)构成1 6。首先通过驱动因子与土地利用现状图中各用地的空间分布对其进行随机采样训练获得各像元的发展概率,其次将邻域影响和自适应惯性系数加入进行综合计算获得各像元的综合转换概率,邻域影响是指各像元之间相互作用的关系,自适应惯性系数是指根据某一时刻各用地类型与预测的用地类型数量的差值调整地类转换的趋势4 2。总体转换概率表示公式为:C Ptr,m=D Pr,ktr I Ctm(7)863 水土保持通报 第4 3卷式中:C Ptr,m表示像元r在时刻t由原用地类型转换成k用地类型的综合转换概率;D Pr,k表示由采样训练计算得到的像元r转换成k用地类型的发展概率;tr表示r像元在t时刻时的邻域影响因子;I Ctm表示m用地类型在t时刻的自适应惯性系数。2.5.1 F L U S模型尺度选择 为选择最合适研究区域的研究尺度,本研究分别基于3 0,1 0 0,2 0 010 0 0m的栅格尺度,利用F L U S模型中的ANN模块训练生成各土地利用类型与驱动因子之间的发生概率,然后借助S P S S2 4中的R O C(r e c e i v e r o p e r a t i n gc h a r a c t e r i s-t i c)曲线分析工具计算不同栅格尺度下各土地利用类型的AU C(a r e au n d e rc u r v e)值。AU C值是用来度量分类模型好坏的标准,在相关研究中常用于评估驱动因子对土地利用类型的拟合精度,AU C值介于0至1.0之间,值越大,表明拟合性能越好,当AU C值大于0.7时,说明所选驱动因子对于土地利用空间格局有较高的解释力1 5,4 3,结果显示在3 0m栅格尺度中各土地利用类型除草地外发生概率的AU C值均为最高且均大于0.7,因此F L U S模型尺度选择为3 0m栅格。2.5.2 F L U S模型精度验证 以南昌市2 0 1 0年土地利用现状图作为初始图层,选择33,551 91 9M o o r e共9个不同的邻域,模拟南昌市2 0 2 0年土地利用情况(图1),使用G e o S O S-F L U S软件中的精度验证模块随机抽取1 0%的像元进行精度检验,其中在55 M o o r e邻域时k a p p a系数为0.8 8 2,总体精度OA为9 3.5%,均为最高。精度检验结果说明使用F L U S模型对南昌市2 0 2 0年的土地利用情况模拟结果良好,可用于模拟南昌市未来土地利用变化的研究。图1 2 0 1 0,2 0 2 0年南昌市土地利用现状和2 0 2 0年土地利用模拟F i g.1 C u r r e n t l a n du s e i n2 0 1 0,2 0 2 0a n d l a n du s e s i m u l a t i o no fN a n c h a n gC i t y i n2 0 2 03 结果与分析3.1 多情景土地利用模拟数量结构分析基于碳密度和碳排放系数,运用线性规划方法,将地类面积作为变量,建立碳储量最大和碳排放最小的土地利用结构优化模型并求解,得到碳排放最小和碳储量最大情景下的面积、碳储量和碳排放量,并设置自然发展情景作为对照(表2)。综合来看,碳排放最小情景和碳储量最大情景与自然发展情景相比,都能达到增汇减排的效果。碳排放最小情景虽然实现了减少碳排放的目标,但碳储量增加不明显,而碳储量最大情景通过碳增汇和碳减排两方面对土地利用结果进行优化,优化效果最佳。在碳排放最小情景下,碳排放量为5.2 51 06t,碳储量为6.0 31 07t,相较于自然发展情景碳排放量少6.2 61 05t,碳储量多2.7 21 05t。碳排放最小情景下耕地面积比2 0 2 0年减少1 74 5 5.6 3h m2,比自然发展情景多79 1 4.1h m2,建设用地面积比2 0 2 0年多66 4 9.1 0h m2,但是比自然发展情景少99 0 2.6 2h m2,林地、水域面积相较于自然发展情景有所增加,草地和未利用地面积基本不变。碳储量最大情景下,碳排放量为5.2 51 06t,碳储量为6.1 01 07t,相较于自然发展情景碳排放量少6.2 11 05t,碳储量多9.6 01 05t。碳储量最大情景和碳排放最小情景与自然发展情景的土地利用结构差异主要存在于耕地和建设用地;碳储量最大情景和碳排放最小情景下林地、草地、建设用地面积保持一致,耕地、水域和未利用地存在一定差异。碳储量最大情景和碳排放最小情景下都有助于耕地保护,但碳储量最大情景对耕地保护更加963第5期 陈嘉诚等:基于低碳导向的南昌市土地利用模拟与优化调控研究严格,耕地面积比碳排放最小情景多69 3 2.3h m2,碳储 量 最 大 情 景 下 的 水 域 面 积 比 自 然 发 展 情 景 少41 9 9.4 2h m2,碳排放最小情景下的水域面积比自然发展情景多25 4 7.5 8h m2。表2 碳排放最小和碳储量最大情景下2 0 3 0年南昌市土地利用结构优化T a b l e2 O p t i m i z a t i o no f l a n du s e s t r u c t u r eo fN a n c h a n gC i t y i n2 0 3 0u n d e rm i n i m u mc a r b o ne m i s s i o ns c e n a r i oa n dm a x i m u mc a r b o ns t o c ks c e n a r i o土地利用类型碳排放最小情景面积/h m2碳储量/1 04t碳排放量/1 04t碳储量最大情景面积/h m2碳储量/1 04t碳排放量/1 04t自然发展情景面积/h m2碳储量/1 04t碳排放量/1 04t耕 地4 3 62 1 8.0 044 0 0.1 32 0.0 74 4 31 5 0.3 044 7 0.0 62 0.3 84 2 83 0 3.9 043 2 0.3 01 9.7 0林 地9 20 4 0.2 312 6 6.8 4-5.6 49 20 4 0.2 312 6 6.8 4-5.6 49 28 6 0.5 112 7 8.1 3-5.6 9草 地2 5 2.7 02.8 90.0 02 5 2.7 02.8 90.0 01 3 3.7 41.5 30.0 0水 域1 0 91 6 9.0 00.0 0-2.7 61 0 24 2 2.0 00.0 0-2.5 91 06 6 2 1.4 20.0 0-2.7 0建设用地8 07 2 2.3 63 5 5.5 05 1 2.9 98 07 2 2.3 63 5 5.5 05 1 2.9 99 06 2 4.9 83 9 9.1 15 7 5.9 2未利用地3 3 6.1 22.0 50.0 01 5 0.8 20.9 20.0 01 9 3.8 61.1 80.0 0总 计7 1 87 3 8.4 160 2 7.4 25 2 4.6 57 1 87 3 8.4 160 9 6.2 15 2 5.1 47 1 87 3 8.4 160 0 0.2 65 8 7.2 33.2 多情景土地利用模拟空间结构分析在A r c G I S和G e o S O S-F L U S软件的支持下,用地规模预测、各用地类型开发适宜性概率图集、限制转换区、各邻域权重参数与转换成本矩阵设定后,通过元胞自动机循环迭代分析,完成南昌市2 0 3 0年的土地利用模拟,多情景土地利用空间模拟结果见图2。图2 2 0 3 0年南昌市多情景土地利用模拟F i g.2 M u l t i-s c e n a r i o l a n du s e s i m u l a t i o no fN a n c h a n gC i t yf o r2 0 3 0 通过两两情景间的栅格计算,反映各情景下碳储量和碳排放量在空间上的差异,由于研究区内耕地、水域面积基数大,碳储量最大情景和碳排放最小情景相比于自然发展情景其碳储量和碳排放量不变区域面积占比超9 5%;碳储量最大情景和碳排放最小情景相比于自然发展情景其碳排放量增加区域和减少区域面积比接近37,碳储量增加区域和减少区域面积比接近73。由图3可知,相较于自然发展情景,在碳储量最大情景和碳排放最小情景下碳排放减少区域和碳储量增加区域主要集中分布在中部和南部,即南昌市建设用地边缘,中部建设用地以北有国家级著名风景区梅岭,以南是大片平坦耕地,应对相关区域进行重点调控,缓解耕地、林地和建设用地的冲突,不仅能促进三生空间协调发展,还有利于双碳目标的实现,碳排放增加区域和碳储量减少区域则零散分布在西北部和东南部,该区域主要分布有林地;比较碳储量最大和碳排放量最小情景,两者的差异也主要体现在中部。073 水土保持通报 第4 3卷图3 南昌市多情景土地碳储量和碳排放量