广西国土空间碳储量多情景模拟与区划管控对策研究

李晓悦, 覃盟琳, 庞雅月, 吴欣芋, 蒋红波

(1.广西大学 林学院, 广西 南宁 530004;2.广西大学 土木建筑工程学院, 广西 南宁 530004;3.广西大学 人居环境设计研究中心, 广西 南宁 530004)

0 引言

为了缓解全球气候变暖,我国提出“力争2030年前二氧化碳排放达到峰值,努力争取2060年前实现碳中和”的“双碳”战略[1]。现有研究表明,人类活动导致土地利用与覆被变化(land use and land cover change, LUCC)是仅次于化石燃料燃烧的第二大碳排放源[2],LUCC对陆地生态系统的物质交换与能量循环产生影响,进一步影响碳储能力[3-4],从而导致当前碳失衡的现状。人类活动受国土空间规划政策的影响,随政策变化土地利用空间格局呈现不同的形式[5-6],因此,量化国土空间土地利用变化下的碳储量时空动态变化,解析碳储量空间特征以总结区划规律,落实碳储区划方案从而提出针对性的空间管控对策,对助力“碳中和”的实现具有重要意义。

近年来国内外学者对土地利用变化对生态系统碳储量的研究已形成相对成熟的体系,为以碳储导向的国土空间规划提供了多种定量分析的方法[7-8],但以往的模型因性能与情景设置上存在局限性,在大尺度区域中的模拟精度有待提高[9-10]。PLUS-InVEST耦合模型因在多地类复杂演化模拟与碳储量估算方面表现良好,且对于大尺度土地利用模拟使用程度高而被广泛应用与验证[11-13]。现阶段国土空间发展情景与碳储量的相关研究中,研究区域涉及城市群[14-15]、省域[16]、市域[17-18]、流域[19-20]等方面,研究范围较广,空间类型与要素存在不同的特征,因此针对不同区域特点提出分区分级和多情景要素优化对策,对于碳中和导向下国土空间的构建具有重要意义,但当前研究少有进行精细化分区、分级、分要素管控优化。此外,相关研究多以模拟预测不同发展情景下土地利用变化与相应的碳储量分布格局等碳储空间特征为后期国土空间规划做数据支撑,但多数研究都停留在数据分析层面[1,3,16,18,21-23],而未将碳储空间特征与国土空间规划相对应,导致其研究成果对于国土空间规划对策的提出指导性不强,缺乏应用价值。

本文以广西作为研究区域,通过构建国土空间土地利用分类体系,并运用PLUS-InVEST模型对广西国土空间未来2020——2030年可能发展的3类情景的碳储情况进行预测,总结演变规律,并根据研究区碳储量的空间特征进行精细化分区,通过分区进行针对性分类管控,同时结合碳储量空间相关性变化趋势,提出不同发展趋势下的要素优化决策,以期为广西碳储资源的精准保护以及土地管理决策提供新思路,助力广西“碳中和”的实现。

1 研究区域概况与数据来源

1.1 研究区域概况

研究区域空间范围为广西陆域国土空间(20°54′—26°24′N,104°26′—112°04′E),地理区位东与广东省接壤,西邻云南省,南濒北部湾,与海南省隔海相望,西南部与越南社会主义共和国接壤,东北与湖南省接壤,北、西与贵州省相连,总面积为23.68万km2[24]。广西地处中国南方沿海,地跨我国第二、三阶梯,地势呈西北朝东南、内陆向沿海倾斜态势,四周被山地、高原环绕,中部和南部多丘陵平地,研究区域范围如图1所示。

1.2 数据来源

1.2.1 土地利用数据

从资源环境科学与数据中心(https://www.resdc.cn)下载了广西壮族自治区行政区划边界数据。土地利用数据来源于全球地表覆盖数据GlobeLand30(http://www.globallandcover.com),选择了2000、2010、2020年共3期土地利用数据。用ArcGIS软件将该区域土地利用数据类型综合参考相关文献以及后续研究需求,通过再分类将土地利用类型重分类为耕地、林地、草地、水域、建设用地和未利用地6大类。参考国土空间规划体系中“三区三线”的划定概念,国土空间可基于主导功能划分为农业空间、生态空间、城镇空间。本研究将耕地界定为农业空间,林地、草地、水域及未利用土地等以自然属性和生态功能为主的用地类型界定为生态空间,建设用地界定为城镇空间。通过对土地利用类型与国土空间分类进行衔接,以此构建广西国土空间土地利用分类体系。

1.2.2 驱动因子数据

其中数字高程模型(digital elevation model, DEM)数据来源于SRTM1 v3.0(https://srtm.csi.cgiar.org/srtmdata/),坡度由DEM计算生成,归一化植被指数(normalized difference vegetation index, NDVI)、土壤类型、年均降水、年均气温数据以及社会因子(GDP、人口密度)均来源于中国科学院资源环境科学与数据中心(https://www.resdc.cn);可达性因子包括距国道、省道、城市快速路以及铁路的距离,于OpenStreetMap(https://www.openstreetmap.org)获取矢量数据,借助欧氏距离法计算得到。选取自然保护区作为限制因素,来源于国家地球系统科学数据中心(http://www.geodata.cn)

2 研究方法

2.1 研究框架

本研究包括2030年不同情景下广西国土空间土地利用及碳储量预测模拟、碳储量格局与特征分析、碳储导向下广西国土空间区划管控对策:①运用PLUS-InVEST模型,以2000—2020年土地利用现状数据为基础,对2030年广西国土空间3种发展情景下的土地利用和碳储量进行模拟。②运用标准椭圆差、等级格局划分、空间自相关分析2030年广西国土空间碳储量空间格局与分布特征,以此对广西碳储空间分布进行解析,为下一步区划管控对策的提出提供数据支撑。③根据研究区碳储量的空间特征进行分区,总结2020—2030年3个情景下碳储分区演变规律,结合不同情景特性提出碳储分区分级管控与多情景碳储空间要素优化对策。

2.2 PLUS模型土地利用变化模拟预测

2.2.1 情景设置

本文基于SSPs-RCPs组合情景矩阵[25]结合研究区的实际情况,对未来2030年广西发展态势构建了3种发展情景:①基于生态可持续的发展(ecological sustainable, ES)情景,参考SSP1-RCP2.6组合情景的低强度路径,对应广西积极性应生态文明建设,大力开展系统性的国土空间生态保护与修复工作,为生态友好的可持续发展情景,土地利用方面倾向于林地的稳固与修复。②基于中等强度的发展(medium-inten-sity, MI)情景,参考SSP2-RCP4.5组合情景的中等辐射强迫路径,土地利用变化延续历史规律自然发展,建设用地仍有一定的扩张需求,但开始关注生态保护与维育问题,有序控制林地开发,在相关政策实行与时间推移下,林地受损概率有逐渐降低的可能。③基于高强度的发展(hith-intensity, HI)情景,参考SSP5-RCP8.5组合情景的高强度社会经济发展路径,情景下有较高的城镇空间扩张需求,而人口的增长也将引起对粮食安全问题的重视。土地利用变化以建设用地扩张、耕地保障为主要特征。

2.2.2 土地利用模拟

PLUS模型是一种斑块生成土地利用变化模拟的模型用来推演以及预测研究区的土地利用变化情况,此模型包含2个模块,即土地扩张分析策略模型(land expansion analysis strategy, LEAS)以及基于多类型随机斑块种子的CA模型(CA based on multi-type random patch seeds, CARS)[10,26]。本文通过自然、社会、规划3类不同维度选取11个驱动因子作为驱动变量,以广西2010年实际土地利用数据作为基准数据输入到PLUS模型中,模拟预测2020的土地利用,并使用Kappa系数和优质因子(figure of merit, FoM)表示匹配率对模拟结果进行精度检验[26-28],2020年模拟结果与实际土地利用数据检验对比总体精度为89.9786%,Kappa系数为0.8055,FoM为0.078187,证明PLUS模型在本研究中具有较好的可靠性与适宜性。该模型中的领域权重参数参考PLUS模型说明手册基于不同情景下土地利用类型的扩张面积占总土地扩张的比率进行计算。土地利用需求预测采用此模型中的Markov Chain功能进行预测计算,并根据研究需要与《广西壮族自治区国土空间规划(2021-2035)》设置转换矩阵(见表1)。

表1 3种发展情景下土地利用转化成本矩阵Tab.1 Land use conversion cost matrix under three scenarios

2.3 InVEST模型碳储量计算

InVEST模型的碳储量模块被广泛应用于区域碳储量的定量评估与可视化呈现,其主要是以生态系统4个基本的碳库(植被地上碳库、植被地下碳库、土壤碳库以及死亡有机质碳库)的碳储量进行划分;但由于死亡有机碳库数据精度无法保证且占比较小,因此本研究不作考虑。计算公式[19-20]为

(1)

式中:Ci为区域i的碳储量;Aix为区域i中土地覆被类型x的面积;Cax、Cbx、Csx分别代表土地覆被类型x的地上生物碳密度、地下生物碳密度、土壤有机物碳密度。

根据广西地区现状,通过与同纬度地区对比,并借鉴前人研究成果和经验[17,29-30],参照朱志强测定的广州市碳密度值[29],对研究区域的年均降水量及年均气温对碳密度进行修正,由此得到广西各土地利用类型的碳密度(见表2)。修正公式为

表2 广西各类土地利用类型碳密度值Tab.2 Carbon density values of various land use types in Guangxi t/hm2

CSP=3.396 8MAT+3 996.1;CBP=6.987 e0.0054 MAP;CBT=28MAT+398,

(2)

(3)

(4)

式中:KBP、KBT分别表示植被碳密度降水因子和气温因子修正系数;KB表示地上地下植被碳密度修正系数;KS表示土壤碳密度修正系数;C′、C″分别表示广西和广州地区的碳密度;MAP为年均降水量;MAT为年均气温;CBP、CBT分别表示根据降水量和气温得到的植被碳密度;CSP表示根据降水量得到的土壤碳密度。

综合得到广西壮族自治区各类土地利用类型的碳密度值(表2)。InVEST模型的4个碳库中,本研究碳储量仅考虑地上生物碳库、地下生物碳库、土壤碳库的计算。

2.4 基于网格的碳储量格局与特征分析

本研究使用ArcGIS数据管理工具中的创建渔网工具,创建一个以研究区域边界为范围、像元设置为10 km×10 km(高度×宽度)的格网。通过之前PLUS-InVEST耦合模型得出的2020年以及2030年3种情景的碳储量矢量图,再选择以下数据处理工具将碳储量数据赋值于该格网中分别进行矢量分析。

2.4.1 标准椭圆差分析

标准标准椭圆差分析可以研究空间要素分布特征和方向差异的空间计量分析方法[31],本研究利用此分析方法对于广西2020—2030年3种情景碳储量空间离散趋势、分布中心以及中心迁移轨迹。

2.4.2 碳储量空间等级格局划分

运用ArcGIS空间分析工具中面积制表工具,对2个数据集之间交叉制表的区域进行运算并输出表,将表格链接到创建好的格网中,可得到每个格网内各等级空间的面积总和,并在符号系统中进行符号化表示。本文根据空间碳密度进行碳储等级划分将0.18～12.57 t/hm2划分为低碳储量空间、28.86～29 t/hm2划分为中碳储量空间、79.68 t/hm2划分为高碳储量空间,从而统计广西格网内不同等级碳储量空间的整体占比,由此揭示广西2020年以及2030年ES、MI、HI情景下不同等级碳储量格网占比分布及演变特征,为碳储空间要素优化对策的提出提供方向。

2.4.3 碳储量空间等级格局划分

空间自相关分析被广泛应用于研究空间要素的聚合或离散程度的空间计量分析方法[32],本研究主要分析2020年与2030年3种情景下广西国土空间发展的用地类型与碳储量二者在空间上离散或聚集分布特性。本文采用Moran指数和Lisa指数来表征碳储量与空间分布的关系,具体计算方法可参照文献[16],Moran指数取值一般为(-1,1),小于0表示负相关,等于0表示不相关,大于0表示正相关;Lisa指数的具体表现为: LL型(低低聚集)、HH型(高高聚集)、 HL 型(高低聚集)、LH型(低高聚集)4种类型,其结果作为碳储区划识别提出分区管控对策的4个分区。

3 结果与分析

3.1 2030年不同情景下广西国土空间土地利用及碳储量预测分析

2020年现状与2030年3种情景下广西国土空间土地利用类型面积变化、碳储量变化以及变化空间分布情况,分别见表3、4和如图2所示。

表3 广西国土空间2020年各类土地利用现状与2030年模拟情况Tab.3 Land use status in 2020 and simulations of different land use in 2030

表4 2030年3种情景下广西碳储量、碳密度与变化Tab.4 Carbon storage, carbon density and changes Guangxi under three scenarios in 2030

(a) ES情景

ES情景下,由于退耕、退草还林已达到巩固修复林地的目的,此情景设定下耕地、草地转变为林地显著,相较于2020年林地面积增长了1 401.25 km2,建设用地扩张得到有效控制,仅增加了2 141.75 km2,在3类情境中增幅最小。此情景下碳储预测量为1 441.13×106t,较2020年增加5.09×106t;碳储量增加区以散点式分布于研究区内占比0.38%,碳储量在空间上得到全域提升,其中耕地转化为林地时碳储量增加的主要贡献因素,而碳储减少区主要聚集于南宁、贵港、玉林市以及北海市沿海区域占比0.71%,主要原因为耕地转为建设用地。2030年ES情景碳储量中心点向西北偏移0.24 km、0.11°,偏移幅度相比于其他3个场景更小,表现为区域生态保护力度更大。总体来看,在ES情景下开展退耕还林、提升森林质量等生态修复工作,使林地生态空间面积得到增加,连通性得到提升,其中自然保护区、风景名胜区等大型林地得以整合化发展;退化为草地、耕地的林地所导致的破碎化得以修复,极大地推动了碳储量的提升,整体上维持碳储量原本分布特征与提高地区碳储资源稳定性。

MI情景下,较2020年林地、耕地转为建设用地较为显著,耕地侵占林地、草地生态空间,又因城镇扩张而被建设侵蚀,农业空间受到挤压,此情景下建设面积增长了2 741 km2,耕地面积减少1 645 km2,林地面积减少720.75 km2。2060年碳储预测量为1 428.67×106t,较2020年减少7.37×106t;碳储量增加区极少且分布零散仅占0.37%,而减少区与ES情景分布一致但范围更广更密集,主要聚集于中部以及东南部占比1.27%,主要原因为林地转化为建设用地。此情景碳储量中心点向西北偏移0.28 km、0.21°,与ES情景偏移方向相似,偏移幅度较ES情景要大,区域生态保护力有所降低。总体来看,MI情景延续国土空间格局历史变化趋势,生态维预背景下生态空间被破坏概率得以降低,但仍存在碳储量流失风险,林地生态空间转移为城镇空间是导致该情景碳储量下降重要原因。

HI情景下,由于有较高的城镇扩张需求和耕地安全保障,因此情景下林地、草地相互转化最为显著,其次是林地、耕地转为建设用地,建设用地为作为最大转入用地面积增加3 165 km2,为3个情景中增幅最大,而林地为最大转出用地面积减少1 692.75 km2。此情景下碳储预测量为1422.68×106t,较2020年减少13.35×106t;碳储量增加区发生于研究区的东北部与西北部占比1.04%,主要原因为草地转移为林地;碳储量减少区面积占比2.35%,具有分布广、连片化程度高的特点,中部、西南部以耕地、林地碳储量流失为主要原因,东北部、西北部则是以林地退化导致碳储量损失。HI情景碳储量中心点向东北偏移1.33 km、1.12°。由于西北林地破碎化,因此导致碳储量中心点偏移幅度大,中心移位远,区域生态保护力较低。总体来看,此情景国土空间格局变化复杂,尽管碳储量增加区域较多,但入不敷出,生态空间内部林地退化为草地,高度城镇化对林地生态空间侵占使得碳储量损失严重,碳储资源稳定性受到明显干扰。

3.2 2030年广西国土空间碳储量格局与特征分析

3.2.1 碳储量等级格局分析

根据各空间碳密度将研究区网格按碳储量等级高、中、低进行划分,从而统计出广西格网内不同等级碳储量空间的整体占比以及分布演变特征(见表5、图3)。

表5 2020年及2030年3种情景广西格网不同等级碳储量空间整体占比Tab.5 Overall spatial share of carbon stocks of different grades in Guangxi grid for three scenarios in 2020 and 2030

(a) 2020年

2030年未来3种情景3类格局演变上来看,ES情景下高碳储量空间在西北部出现小幅度增长,低碳储量空间扩张趋势减缓,中碳储空间作为过渡空间,受另外各2个空间增长ES情景下遭到挤压最为严重。MI、HI情景高碳储空间收缩加剧,低碳储空间HI情景趋势最强而MI情景趋缓,中碳储空间均受到蚕食。

根据分布特征来看,高碳储空间由林地生态空间构成,以十万大山、云开大山、六万大山、大明山、大瑶山、南岭以及云贵高原余脉等山脉为核心进行辐射带动作用,以此构成了广西围绕高碳储区向四周辐射联动的碳储基底格局。中碳储量空间呈片状镶嵌式,主要分布于广西中部,可看作为高碳储与低碳储的交接缓冲处,以中部的农业空间为主,发挥生境过渡作用。低碳储量空间以点状或小片状分布为主,以中部与南部沿海区域的城镇空间为核心,零星分布于东北部。

3.2.2 碳储量空间聚集特征

对2020年与2030年3种情景下广西碳储量进行空间聚集特征分析。对全局自相关系数统计可知,2020年以及2030年ES、MI、HI情景下碳储量空间Moran指数分别为0.504 2、0.503 8、0.506 8、0.509 3,为空间正相关,说明广西碳储量呈现出较强的空间聚集特征。Moran指数在2030年ES、MI、HI 3类情景呈现依次增大的趋势,表明广西不同发展情景碳储量在空间分布上相关显著性增强,空间趋同性逐渐提高,导致空间分布由均匀向聚集发展。

通过空间关联局域指标(local indicators of spatial association,LISA)有效揭示碳储量在区域局部的空间集聚特征,2020年与3个预测情景碳储量空间聚集特征具备相似性。由图4可知,碳储量高值与高值聚集区域(HH型)在广西北部与西部区域出现大范围聚集以及于南部非沿海区域稍小范围聚集;低值与低值聚集区域(LL型)则在中部及南部沿海区域聚集;高低聚集区域(HL型)出现于中部LL型周围以及研究区边界处;低高聚集区域(LH型)主要零散分布于HH型周围。在演变特征上,2020、2030年,HH型范围缩小,显著变化区域位于桂西北云贵高原余脉, HL型表现较为稳定,LL型呈现明显扩张,LH型明显增加,各类区域随各时期或各情景国土空间格局的变化均呈现出不同走向的碳储量聚集特征。

(a) 2020年

3.3 碳储区划的识别与管控对策分析

3.3.1 区划识别

根据前文研究,广西的国土空间格局与碳储量之间存在着密切的关系,因此,在实施以碳储为导向的空间规划统筹时,广西碳储量的空间分布规律性和强聚集特征是至关重要的前提。由此以碳储为导向将表示碳储量空间聚集特征的2020年碳储量LISA聚类图作为参照,对广西国土空间进行4类区域的划分(图5),HH型划为碳储核心区,HL、LH型划为碳储改善区,LL型区域划为碳储恢复区;NS型区域划为碳储调控区。通过分区实施针对性的分类管理以及对于不同发展趋势下优化其空间要素,以此将不同地区碳储资源进行整合,并统筹协调生态、农业和城镇空间三者之间的关系,以制定精准、有效的管控措施和优化策略。结合区域特性有效整合不同地区的碳储资源,实现国土空间规划碳储可持续发展目标。

图5 广西国土空间碳储区划方案Fig.5 Carbon storage zoning program of territorial space in Guangxi

3.3.2 分区分级管控策略

基于前者现状碳储区划的识别的结果,针对生态空间、农业空间、城镇空间的自然本底、生态环境、经济和资源利用的特征,提出差别化开发与保护分区-分级国土空间管控策略,以此优化广西全域全要素的管理,具体对策详见表6。

表6 国土空间碳储量分区管控对策表Tab.6 Land space carbon storage zoning hierarchical management control countermeasures

3.3.3 要素优化

在识别碳储特征的基础上结合前期国土空间碳储量分析结果,将2030年ES、MI、HI情景下的碳储量分区分布特征和数量结构与2020年进行比较,对比其不同情景下碳储各分区的面积与单位碳储量的变化。从碳储分区变化(图6)综合分析得出,在不同发展情景下分区变化最为显著的是碳储调控区,从各分区的单位面积碳储量变化可知仅ES情景下各分区单位面积碳储量得到提升,MI、HI情景表现出下降趋势,HI情景下损失更甚。

图6 各碳储分区综合变化Fig.6 Combined change statistics of carbon storage partitions

从各情景碳储分区变化(图7)来看,ES情景碳储核心区完整性得以保持,单位碳储量明显提升,表明内部完成了较低碳储用地向较高碳储用地转移的碳储整合活动。此情景的碳储改善区在3类场景中稳定性以及碳储表现最佳,说明该区域朝高碳储发展的潜力得以激发,朝低碳储退化的风险得以规避。由于碳储恢复区提高了城镇空间的集约利用,城镇空间的面积减少在一定程度上减缓了低碳储要素扩张的趋势,因此在生态修复实施下碳储恢复区范围得以减小。

(a) 2030年ES情景

MI情景中各碳储分区扩张或收缩程度以及碳储质量发展均处于中间状态。碳储核心区处于较为完整状态,但周边出现部分区域降级为改善区,表明这些区域中出现高碳储要素向较低碳储要素转移。改善区的碳密度明显下降,说明该区域朝低碳储退化的风险加剧。调控区与恢复区的单位面积碳储量分别表现为与现状持平以及明显下降。

HI情景相较于另外2个情景各碳储分区形态变化更为明显,由于该情景下高频开发导致剧烈的高碳储林地与较低碳储草地的互换活动以及低碳储建设用地的扩张行为,因此核心区与恢复区在分区形态上呈现出较大的范围,且核心区内部与边缘出现多处转移为调控区,表明核心区内部在发生碳储退化的现象。碳储核心区低质扩张,导致部分区域开发的限制等级提高,区域低碳绿色发展将面临新挑战。

针对以上对各情景碳储分区变化分析可知,不同情境下所面临的“碳储危机”各不相同,因此针对各情景特点提出碳储可持续的差异化国土空间碳储要素优化对策(表7)。

表7 国土空间碳储要素优化对策表Tab.7 Optimizing countermeasures for carbon storage elements in territorial space

4 结论

① 2030年ES、MI、HI情景与2020年的碳储量总量相比分别为增加5.09×106t、减少7.37×106t、减少13.35×106t。林地生态空间面积的增减是造成碳储量变化的关键性因素。ES情景下积极开展生态保护修复工作,林地生态空间面积得到明显增加,碳储量总量提高;MI情景下林地生态空间转移为城镇空间导致碳储量下降;HI情景下,林地生态空间退化为草地以及高度城镇化对林地生态空间的侵占,导致碳储量出现严重损失。

② 2020年及2030年3类情景下广西空间分异特征、等级化格局以及空间聚集特征均表现出一定相似性,碳储量变化趋势呈东北—西南朝向;等级化格局上呈高碳储围绕式多核联动、中碳储片状镶嵌于中部、低碳储点状分布特征;空间聚集特征可知广西高碳储量区(HH)域大范围聚集分布于北部与西部区域,小范围聚集于南部非沿海区域,主要以山脉构成的林地生态空间为主,但范围在逐年缩小,显著集中于桂西北云贵高原余脉;低碳储量区域(LL)有逐年扩张的趋势聚集于中部及南部沿海区域的城镇空间;高低聚集区域(HL型)出现于中部LL型周围以及研究区边界处;低高聚集区域(LH型)主要零散分布于HH型周围。

③ 碳储区划特征识别方面,强化与碳储聚集性的关联,将国土空间划分为碳储核心区、碳储改善区、碳储恢复区、碳储调控区。在分区管控上,结合生态空间、农业空间、城镇空间的特性提出差别化开发与保护分区-分级的国土空间管控策略。通过对各情景碳储分区变化分析可知,不同情境下所面临的“碳储危机”各不相同,针对各情景特点提出碳储可持续的差异化国土空间碳储要素优化对策:ES情景对策为统筹优化高储、综合利用高中储、挖掘低储提质模式,MI情景对策为有序修复高储、重建中储平衡、整治减量化低储,HI情景对策为建立高储底线、划定中储弹性带、实行低储插绿。

本文中的研究为国土空间规划助力“双碳”目标实现背景下提供了以碳储空间特征为依据,国土空间为载体,建构分区、分类、分级多情景高效管理为实施路径的研究体系。