EN中文

地理科学 >

2025 , Vol. 45 >Issue 2: 339 - 348

DOI: https://doi.org/10.13249/j.cnki.sgs.20230741

城乡发展与人口

耦合PLUS-InVEST模型的兰州市土地利用变化及碳储量经济价值估算

  • 雷馨 ,
  • 海新权 , *
展开
  • 甘肃农业大学财经学院，甘肃 兰州 730070
海新权。E-mail:

雷馨（1995—），女，甘肃兰州人，硕士研究生，主要研究方向为土地利用与碳储量价值估算。E-mail:

收稿日期: 2023-08-07

  修回日期: 2023-10-20

  录用日期: 2024-06-25

  网络出版日期: 2024-07-24

基金资助

甘肃农业大学青年导师基金项目(GAU-QDFC-2022-20)

版权

版权所有，未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。
收起

Assessing economic value of carbon storage and land use changes based on the coupled PLUS-InVEST model in Lanzhou City

  • Lei Xin ,
  • Hai Xinquan , *
Expand
  • College of Finance and Economics, Gansu Agricultural University, Lanzhou 730070, Gansu, China

Received date: 2023-08-07

  Revised date: 2023-10-20

  Accepted date: 2024-06-25

  Online published: 2024-07-24

Supported by

Gansu Agricultural University Youth Mentor Fountaion(GAU-QDFC-2022-20)

Copyright

Copyright reserved © 2025.
Fold

摘要

构建土地利用耦合模型（PLUS-InVEST），分析2000—2020年兰州市土地利用和碳储量时空差异，预测2030年兰州市“自然发展（BAU）、城镇发展（RED）、耕地保护（CPS）和生态保护（EPS）”4种发展模式下土地利用变化与碳储量时空差异，结合复利现值/终值公式估算2000—2030年兰州市碳储量经济价值。结果表明：2000—2020年兰州市土地利用变化以草地面积减少和建筑用地面积增加为主，20 a碳储量损失61.77万t；除EPS模式碳储量增加5.09万t，2030年其他模式与2020年相比碳储量均有不同程度损失，其中RED模式碳储量损失最多，为56.46万t；通过复利现值法得到2000—2020年兰州市碳储量经济价值增加10.3亿元，主要归因于碳价格在时间尺度上大幅增加。与2020年碳储量经济价值相比，EPS模式下碳储量经济价值最高，为34.58亿元，是研究区最优发展模式。研究对预测未来碳储量及经济价值的变化对社会经济的可持续发展和实现碳中和目标具有重要的意义。

关键词： 土地利用; 碳储量; PLUS-InVEST模型; 碳储量经济价值

本文引用格式

雷馨 , 海新权 . 耦合PLUS-InVEST模型的兰州市土地利用变化及碳储量经济价值估算[J]. 地理科学, 2025 , 45(2) : 339 -348 . DOI: 10.13249/j.cnki.sgs.20230741

Abstract

Optimizing land use objectives offers effective tools for judicious resource allocation. Simulating future land use and carbon stock changes is vital for formulating regional sustainability policies and enhancing terrestrial ecosystem carbon storage. This article analyzed the spatial and temporal differences in land use and carbon storage from 2000 to 2020, predicted the spatial and temporal differences in land use changes and carbon storage under four development patterns, namely, “natural development pattern (BAU), urban development pattern (RED), cultivated land protection pattern (CPS), and ecological protection pattern (EPS)” in 2030 by constructing the coupled land use model (PLUS-InVEST), and estimated the economic value of the carbon storage by combining the formula of compounded present value and compounded terminal value in Lanzhou City from 2000 to 2030. The results showed that land use changes were dominated by the decrease of grassland area and the increase of building land area in Lanzhou City from 2000 to 2020, with a loss of 61.77×104 t of carbon storage during the 20-year period. With the exception of the EPS, in which the carbon storage increased by 5.09 ×104 t, all other scenarios showed different degrees of carbon loss compared to the 2020, with the largest loss of carbon in RED at 56.46×104 t. In this study, the economic value of carbon storage increased by 10.3×108 yuan in Lanzhou City from 2000 to 2020 through the compound present value method, which is mainly attributed to the significant increase in carbon price on the time scale. Compared to the economic value of carbon storage in 2020, the EPS has the highest economic value of carbon storage at 34.58×108 yuan, which is the optimal development model for the study area. This study has important practical significance for the low carbon development of land resources and scientific decision-making of ecosystem management in Lanzhou.

Key words： land use; carbon storage; PLUS-InVEST model; economic value of carbon storage

城市建设用地的扩张，侵占了大量固碳能力强的林地、耕地和草地，导致城市生态系统碳流失问题愈加严重[1]。随着经济的发展，全球各地区土地利用模式发生了转变，社会需求的多样性和环境的空间异质性，导致生态系统服务之间的相互作用更加复杂化，影响了陆地生态系统的碳储量，同时阻碍了区域的可持续发展[2]。因此，合理优化土地资源在提高土地利用效率、缓减气候变化的同时，为土地利用结构和空间的优化目标提供有效工具。通过不同发展模式的模拟，预测未来碳储量及经济价值的变化对社会经济的可持续发展和实现碳中和目标具有重要的意义。
目前，国内外学者已展开大量关于碳储量估算方面的研究[1,3]，其中，InVEST（Carbon Storage and Sequestration）模型由于涉及参数少和运行速度快等优点，已被国内外学者广泛运用[3-4]。然而，该模型无法预测动态景观中碳储量的响应，很难捕捉土地利用与碳储量变化之间的关系[4]。事实上，未来碳储量和生态系统服务需求与土地利用发展模式间存在着密切关系。PLUS（Patch-generating Land Use Simulation）模型能模拟多种土地利用类型变化过程中的非线性关系，且有模拟精度高等优点，被大量学者关注[5-6]。因此，将PLUS模型与InVEST模型结合，既克服了单一模型的不足，又能预测未来陆地碳储量变化状态，为城市地区的可持续发展提供决策支持。土地利用模式的改变在直接影响陆地碳储量的同时，间接影响陆地碳储量经济价值[7]。早期的研究通常使用市场价值法和瑞典碳税法等估算当前的碳储量经济价值，忽略了碳价格的时间价值[8]。随着研究深入，这一问题在国内外已得到较好解决[9-10]，但对未来不同发展模式下碳储量经济价值的估算相对欠缺。估算未来碳储量的经济价值可帮助指导政策制定者优化土地利用，合理分配资源。碳价格制定是准确估算未来碳储量经济价值关键[11]，其主要受货币时间价值、市场环境、政策风险和气候变化等多个因素影响[12]。经济学中复利现值法可根据中央银行规定的贴现率计算未来碳价格走向，全面反映货币时间价值，在商品经济学、金融学等多个领域广泛应用，是企业或者个人进行投资决策的重要指标[13]，为估算未来碳储量经济价值提供有效途径。
基于此，本研究分析2000—2020年兰州市土地利用和碳储量变化的时空特征，结合PLUS-InVEST耦合模型将社会和经济影响因素纳入到未来土地目标优化过程中，模拟兰州市2030年在BAU（自然发展）、RED（城镇发展）、CPS（耕地保护）和EPS（生态保护）4种发展模式下的土地利用和碳储量情况，结合复利现值/终值公式估算区域碳储量经济价值。本研究为兰州市实现可持续发展目标及提高区域生态价值路径提供经济论据。

1 数据来源与研究方法

兰州市（103°40'E、36°03'N）是甘肃省省会，属温带大陆性气候，地势呈东北高、西北低。该地总面积约128万hm2，主要以草地和耕地为主。目前在经济和人口增长的同时，城市用地结构和产业结构呈现与资源供给之间的不协调状态，出现资源紧缺的现象[14]。2012年经国务院批复在兰州北部成立全国第5个、西部第2个国家级新区兰州新区（http://www.scio.gov.cn/ztk/xwfb/94/10/Document/1216640/1216640.htm）（图1）。
图1 兰州市地理位置

Fig. 1 Geographical location of Lanzhou City

1.1 数据来源

土地利用、土壤侵蚀、土壤类型、GDP和人口数据来源于中国科学院资源环境科学与数据中心①。DEM数据来源于地理空间数据云②。年平均降水和年平均气温数据来源于中国气象网（http://www.cma.gov.cn）。道路数据来源于OpenStreetMap③。

1.2 研究方法

1）多发展模式设定。自然发展，以2010—2020年的土地利用变化规律为基础，不设定不同地类间的转换概率，使用PLUS模型中的Markov chain模块[15]预测2030年的土地利用需求，是其他发展模式模拟的基础。城镇发展，兰州市经济基础薄弱，自然资源贫乏，根据甘肃省新型城镇化规划（2021—2035年）和可持续高质量发展理念，设定建筑用地需求为经济发展下的最低需求量[16]，将耕地、林地和草地向建筑用地转换概率增加值设置为20%，建设用地向除耕地之外土地利用转移概率减少值设置为20%，实现城镇发展模式[17]。生态保护，根据《2022兰州市“十四五”生态环境保护规划》和《[2021]105号甘肃省“十四五”生态环境保护规划》（http://www.gansu.gov.cn/gsszf/c100055/202112/1906317.shtml），考虑到其相对薄弱的经济基础和前期恶劣的生态环境[18]，依据生态效益从高到低的顺序[15]，将耕地、林地和草地与其他用地之间的转换概率均设置为40%，实现EPS模式[19]。耕地保护，兰州市近年来开展了基本农田储备区划定、高标准农田建设和撂荒耕地复耕生产等工作，根据《甘肃省实施土地管理办法》和《甘肃省基本农田保护条例》，优化后的耕地面积应大于自然发展模式[20]，将林地和草地向耕地转化概率增加值设置为30%，耕地向其他地类转移概率减少值设置为30%，实现耕地保护模式[21]。
2）PLUS模型模拟未来土地利用发展。① 领域权重。采用PLUS模型中Markov chain模块[22]，通过2000年和2010年土地利用数据预测2020年土地利用数据，与2020年实际土地利用数据对比后，经验证Kappa系数为0.85，表明该模型用于模拟未来土地利用变化精度较高[22]，耕地、林地、草地、水域、建筑用地和未利用地各地类权重设置依次为：0、0.471、0.244、0.449、1.000和0.466。② 转移规则矩阵[20]，结合兰州市自然发展情况，自然发展模式，除水域和建筑用地不能转化为其他地类外，其他地类间可相互转换；耕地保护模式，耕地不能转化为其他地类；林地不能转化为除耕地和草地外的其他地类；草地不能转化为建筑用地和未利用地；水域和未利用地不能转化为除耕地外的其他地类；建筑用地不能转化为除未利用地外的其他地类；未利用地除耕地外，不能转化为其他地类。耕地保护模式，耕地可与其他地类相互转化；林地、草地、建筑用地和未利用地除水域外，其他地类可相互转化。城镇发展模式，耕地、林地和草地与其他地类间可互相转化；水域和建筑用地不能转化为其他地类；未利用地除建筑用地外，不能转化为其他地类。
3）InVEST模型[3]估算碳储量。本研究首先基于文献[23]校正模型及文献[24]修正公式对全国碳密度数据进行修正，得到兰州市碳密度数据（表1）。其次采用InVEST模型计算陆地碳储量。因水体、建筑用地、未利用地及植被死亡有机质对碳储量的影响较小，故本研究不予考虑，默认为0[23]。根据任玺锦等[22]碳储量估算方法，结合土地利用类型的面积和表1计算了陆地碳储量。
表1 兰州市不同土地利用类型碳密度/（t/hm2）

Table 1 Carbon density of different land utilization in Lanzhou City/（t/hm2）

土地利用类型地上生物量地下生物量土壤有机质合计
耕地0.263.728.7112.69
林地1.965.3412.7620.06
草地1.633.998.0313.65
水域0.14000.14
建筑用地0.12000.12
未利用地0.0601.741.80
4）复利现值和复利终值法[13]估算碳储量经济价值。为了避免通货膨胀等一系列经济危机对估算碳储量经济价值的影响，本研究以2019—2021年的平均碳交易价格作为2020年的碳交易价格，通过相关转换系数获得2000年、2010年、2020年和2030年各期碳价格为105元、128元、172元和211元。

2 结果分析

2.1 兰州市土地利用时空变化

2000—2020年，土地利用类型主要以草地和耕地为主，占总土地利用面积的90%。草地广泛分布于整个兰州市，林地主要集中于东南和西南部，耕地主要呈条状分布在北部和南部，而建筑用地主要分布在中部的东西走向地带。兰州市20 a各地类均发生明显变化，林地、水域、建筑用地和未利用地面积均呈增加趋势。耕地和草地面积呈减少趋势，减少区域主要分布在北部（图2）。
图2 2000—2030年兰州市土地利用时空变化

Fig. 2 Spatial and temporal changes of land use in Lanzhou City from 2000 to 2030

2030年，自然发展模式延续2000—2020年各地类变化趋势。耕地保护模式，耕地、草地、水域、建筑用地和未利用地面积与2000—2020年相同的变化趋势。不同的是，该模式下林地面积减少，建筑用地面积扩张幅度显著扩大。城镇发展模式下，林地、草地、建筑用地面积与2000—2020年变化趋势相同，不同的是，该模式下耕地面积增大，水域和未利用地面积减少。生态保护模式下，耕地和林地面积与2000—2020年相同的变化趋势，不同的是，草地面积增加，水域、建筑用地和未利用地面积减少。

2.2 兰州市碳储量时空变化

如图3、图4a所示，兰州市2000年、2010年和2020年总碳储量依次下降，分别为1695万t、1686万t和1634万t。其中，第1个10 a 减少9.24万t，第2个10 a 减少52.53万t。兰州市碳储量值整体呈西北高东南低。碳储量高值区主要集中在东南部和西南部，以林地、耕地和草地为主；碳储量低值区主要集中在中东、中南和西部，以建筑用地为主。
图3 2000—2030年兰州市碳储量值时空变化

Fig. 3 Spatial and temporal changes of carbon storage value in Lanzhou City from 2000 to 2030

图4 2000—2030年兰州市碳储量（a）及碳储量经济价值（b）变化

BAU为2030年自然发展；RED为2030年城镇发展；CPS 为2030年耕地保护；EPS 为2030年生态保护

Fig. 4 Changes of carbon storage (a) and Changes in the economic value of carbon storage (b) in Lanzhou City from 2000 to 2030

2030年自然发展模式下（表2），碳储量延续2000—2020年变化趋势，其中，草地碳储量最高，为1038.89万t，占该发展模式总碳储量的65.4%；城镇发展模式下，建筑用地面积相比自然发展模式增加0.72万 hm2，总碳储量却减少11.37万t；耕地保护模式下，相比自然发展模式，耕地和林地面积增加2.98万hm2和1.04万hm2，碳储量分别增加37.82万t和20.86万t，相反，草地面积减少2.09万hm2，对应碳储量减少28.50万t，总碳储量增加29.89万t；生态保护模式下，相比自然发展模式，耕地、林地和草地面积分别增加1.2万hm2、0.14万hm2和2.41万hm2，对应碳储量分别增加15.22万t、2.80万t和32.92万t，总碳储量增加50.18万t。综上所述，兰州市2030年除生态保护模式外，碳储量均小于2020年，但损失程度不同，碳储量呈现出生态保护模式>耕地保护模式>自然发展模式>城镇发展模式的趋势。
表2 2030年不同发展模式下兰州市土地利用和碳储量变化

Table 2 Changes of land use and carbon storage under different development parterns in Lanzhou City in 2030

模式类别 耕地 林地 草地 水域 建筑用地 未利用地 总和
2020年基准年 土地利用类型面积/万hm2 34.28 6.56 77.90 0.77 8.01 0.75 128.37
碳储量/万t 436.22 131.58 1063.34 0.11 0.96 1.35 1633.56
2030年自然发展 土地利用类型面积/万hm2 32.92 6.43 76.11 0.84 11.35 0.70 128.37
碳储量/万t 417.80 129.04 1038.89 0.12 1.36 1.26 1588.47
2030年城镇发展 土地利用类型面积/万hm2 32.51 6.37 75.72 0.81 12.07 0.89 128.37
碳储量/万t 412.5 127.86 1033.58 0.11 1.45 1.60 1577.10
2030年生态保护 土地利用类型面积/万hm2 34.12 6.57 78.52 0.77 7.87 0.52 128.37
碳储量/万t 433.02 131.84 1071.81 0.11 0.94 0.93 1638.65
2030年耕地保护 土地利用类型面积/万hm2 35.90 7.47 74.02 0.73 9.56 0.67 128.37
碳储量/万t 455.62 149.90 1010.39 0.10 1.15 1.21 1618.36

3 讨论

3.1 2000—2020年土地利用变化对碳储量的影响

众所周知，耕地、林地和草地土壤有机碳密度高，碳储存能力强，通常具有较高的陆地生态系统碳储量。相反，建筑用地和未利用地土壤碳密度低，且通常未经开发或经营的土地易造成土地荒漠化、水土流失等问题[24]，导致土壤固碳受阻，碳储量无法有效累积。随着兰州市城市化进程的推进和人口的持续增长，与京津翼等[19]城市区一样，土地利用模式发生较大变化。耕地、草地等固碳能力强的土地不断被开发为建筑用地（图2），碳储量也呈现出相应的波动（图3）。相比起2000年，2020年兰州市碳储量显著下降了3.64%。然而，巩晟萱等[19]在京津翼碳储量变化的研究中，过去20 a主要因耕地转为建筑用地使碳储量减少了90.74 Tg，造成京津翼碳储量下降了2.2%。在本研究中，耕地和草地面积的减少是导致兰州市碳储量下降的主要原因，这说明兰州市植被面积较少，碳储存能力较差，受到人为的干扰程度和环境破坏程度较大，兰州市在今后发展过程中应当保护现有的草地和耕地、鼓励可持续的农业和林业实践，在城市规划和建设中，推广绿地建设和城市森林，增加城市的植被覆盖，提高碳储量。

3.2 2030年不同发展模式下土地利用变化对碳储量的影响

城镇化发展伴随着生态系统的破碎化，意味着大量的草地、林地和耕地转化为建筑用地和水域，破坏了原有的植被系统，导致陆地碳储量的减少[1,16]。相比2020年，城镇发展模式下陆地碳储量下降，这与赫晓慧等[25]研究一致。但是，需要注意的是与先前的研究不同，卿苗等[26]在1980—2030年石羊河流域生态系统碳储存服务研究中，耕地保护模式下碳储量高于生态保护模式，主要原因是石羊河流域在40 a中耕地面积整体呈增长趋势。在生态保护模式下，建筑用地增幅最大，使得石羊河流域耕地保护模式下的碳储量高于生态保护模式。而本研究在耕地保护和生态保护模式碳储量呈现与上述结论相反的结果主要归因于3个方面，首先，兰州市在过去20 a耕地面积减少，同时在耕地保护模式下对土地转换规则中做了一定限制。其次，兰州市是一个生态脆弱区域，对自然资源的依赖程度较高[14]，虽然在耕地保护模式中对耕地的转换进行了限制，一定程度上缓解了耕地面积的减少，但耕地作为粮食安全重要保障，设置耕地保护情形时，不可避免地占用固碳潜力更大的林地等，这可能是在耕地保护模式下，陆地碳储量减少的主要原因。另外，西北地区位于中国干旱区域，近年来降雨量减少，干旱趋势愈加明显[21]，兰州市作为西部地区重要的城市，也顺应了碳储量降低的潮流，成为陆地碳储量减少的次要原因。正如本研究所预期的，生态保护模式下陆地具有较高的碳固定和储存能力，这与朱文博等[27]得出一致结论。与自然发展模式相比，碳储量增加了50.18万t。与城镇发展模式相比，碳储量增加了61.56万t。与耕地保护模式相比，碳储量增加了20.29万t。生态保护模式下，相比2020年碳储量增加了5.09万 t。因此，基于区域可持续发展理念及“双碳”战略目标，生态保护模式最有利于提高兰州市陆地生态系统碳储量。然而，兰州市长期以来面临着自然资源贫乏，生态环境脆弱，自然资源短缺等严峻问题[15]。目前，兰州新区的建设、水资源规划不合理和水污染等问题的出现一定程度上阻碍了区域的可持续发展。尽管在生态保护模式下，2030年碳储量增加相比2020年，但远不及2000年碳储量。由此可见，生态系统碳储量的恢复是一个巨大挑战。兰州市在未来发展中，应在加强耕地、林地和草地等生态用地保护的同时，限制建筑用地的扩张边界，提高兰州市陆地生态系统碳储量，推进区域可持续发展。

3.3 碳储量经济价值分析

碳储量经济价值是通过保护和管理生态系统中的碳储量，实现减排、碳交易和提供生态系统服务的一种经济价值，为碳交易市场提供了基础。此前已有大量研究对未来不同发展模式下的生态系统服务价值进行了估算[28-29]。这些研究考虑了生态系统对于气候调节和碳储存的贡献，以及生态系统为人类提供的水源保护和生物多样性维护等重要的服务。但是，目前仍然缺乏未来不同发展模式下碳储量经济价值的估算研究。
本研究根据复利现值和复利终值公式对兰州市2000—2020年及2030年不同发展模式下碳储量价值进行了分析（图4），由于水域、建筑用地和未利用地碳储量经济价值相比耕地、林地和草地较小，因此图中未展现。出乎意料的是，在20 a期间，尽管兰州市碳储量持续下降了3.6%，但碳储量价值却持续增加，主要归因于2020年的固碳价格分别是2000年和2010年的1.6倍和1.3倍，这一结果与胡峻嶍等[8]研究结论不同。先前的研究估算碳储量经济价值时，往往忽略了碳价格的货币时间价值对碳储量经济价值的影响，致使碳储量经济价值同碳储量呈同向变化。然而，本研究在估算碳储量价值时，和隋玉正等[10]的研究结论一致，考虑了固碳价格的时间价值。另外，考虑到以往碳交易市场的不成熟和碳价格波动较大等因素，本研究以当前固碳价格为基础，按照一定的贴现率计算前期的固碳价格，在一定程度上降低了社会经济因素变化的不稳定性对碳储量经济价值的影响，这有助于平衡经济增长和环境保护的关系，推动建设更加可持续和繁荣的未来。
相比起2020年，无论哪种发展模式，兰州市2030年碳储量经济价值均远高于2020年（图4），并呈现出生态保护模式>耕地保护模式>自然发展模式>城镇发展模式的趋势。这样的结果说明，在追求可持续发展的过程中，应该优先考虑生态保护模式，防止城市扩张发展模式可有效抑制建设用地的无序扩张，间接防止碳储量减少；耕地保护模式碳储量价值仅次于生态保护模式，说明农业是人类生存和发展的基础，应当采取措施保护农地，确保农地的可持续利用；在自然发展和城镇发展模式中，碳储量经济价值依次降低，这提醒人类城镇发展的需求不能以牺牲生态系统和碳储量为代价，需要在城市规划中考虑保留绿地、植树造林和生态保护等措施，实现城镇发展与生态保护的协调。自然发展模式下，草地碳储量经济价值最高，为21.92亿元，占总碳储量经济价值的65.4%；城镇发展模式下，相比起2020年，受到兰州新区建设的影响，建筑用地的碳储量经济价值增加了103.76%，总碳储量经济价值却最低，说明在经济发展的同时，不能只追求单一土地经济价值的增量，应当综合考虑各土地类型，使总碳储量经济价值最大；生态保护模式下，耕地、林地和草地的总碳储量经济价值为34.53亿元，占总碳储量价值的99.9%，说明保护生态效益相对高的地类有利于提高碳储量经济价值，兰州市未来应朝着生态保护模式发展；耕地保护模式下，耕地的碳储量经济价值为9.61亿元，占总碳储量经济价值的28.2%，草地碳储量经济价值为62.43%，耕地是区域生存和发展的基础，在设置耕地保护红线的同时，应当推广城市绿地建设和城市森林，增加城市的植被覆盖，提高碳储量，进而提高碳储量区域价值。总体而言，2030年不同发展模式下，碳储量经济价值与碳储量变化呈现一致的趋势，这是由于在同一时期，固定的碳价格将成为碳储量经济价值变化的主要因素[8]。然而，目前对于未来不同发展模式下的碳储量经济价值估算仍然存在一些限制，通常，碳价格受到市场环境、政策风险和气候变化等多个因素的影响[12]。考虑到当前模型的局限性及研究的不成熟，对不同发展模式下选择适宜的贴现率比较困难，造成不同发展模式下呈现出相同的碳价格。另外，目前仍缺乏未来陆地碳储量价值的准确估算研究。本研究得到的碳储量经济价值可提前预知未来碳储量经济价值的变化趋势，有助于政策制定者、企业和投资者进行长期规划，以确保经济、社会和环境的可持续发展。

3.4 展望

本文基于PLUS-InVEST耦合模型，结合二者优点[30]，将社会和经济影响因素纳入未来土地空间优化过程，但仍有不足。首先，利用InVEST模型核算碳储量时只考虑了不同土地利用类型的碳密度，忽视了植被生长与植被类型对碳储量影响[4]，未来在估算碳储量中应重视植物生长和植被类型对碳储量的影响；其次，本研究采用复利现值法计算不同发展模式下碳储量经济价值，受局限的是利用该方法计算得到的未来不同发展模式的碳价格是相同的，从而导致不同发展模式下碳储量经济价值与碳储量变化一致。事实上，不同发展模式下的碳储量价格必然不同，但是现有的模型和碳价格的计算方法很难解决这个问题。因此，未来应该尝试着将碳储量经济价值和碳价格的影响因子纳入模型，以便更好的预测碳储量经济价值，这对控制城市扩张，促进城市低碳绿色发展有重要意义。

4 结论

本文通过2000—2020年兰州市土地利用变化的时空特征，基于PLUS-InVEST的耦合模型，分析了兰州市2030年在自然发展、城镇发展、耕地保护和生态保护这4种发展模式下土地利用状况对陆地生态系统碳储量的影响，结合复利现值和复利终值公式估算区域碳储量的经济价值。结论如下：
1）2000—2020年兰州市土地利用变化类型以草地、耕地面积减少和建筑用地面积增加为主。碳储量下降速率从2000—2010年的0.54%增至2010—2020年的3.64%。
2）2030年兰州市不同发展模式下碳储量变化不同。除生态保护模式下碳储量增加外，其他3种模式碳储量均有不同程度的损失，其中城镇发展模式下碳储量损失最大。生态保护是未来兰州市最优的发展模式。
3）2000—2020年，兰州市碳储量经济价值由17.8亿元增至28.1亿元，年均增长率为2.92%，呈现与碳储量相反与碳价格相同的变化趋势。
4）2030年不同发展模式下，碳储量经济价值呈现与碳储量相同的变化趋势，即：生态保护模式>耕地保护模式>自然发展模式>城镇发展模式。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
朱志强, 马晓双, 胡洪. 基于耦合FLUS-InVEST模型的广州市生态系统碳储量时空演变与预测[J]. 水土保持通报, 2021, 41(2): 222-229+239.

Zhu Zhiqiang, Ma Xiaoshuang, Hu Hong. Spatio-temporal evolution and prediction of ecostem carbon stocks in Guangzhou City by coupling FLUS-InVEST models. Bulletin of Soil and Water Conservation, 2021, 41(2): 222-229+239.

[2]
方创琳, 祁巍锋, 宋吉涛. 中国城市群紧凑度的综合测度分析[J]. 地理学报, 2008, 63(10): 1011-1021.

DOI

Fang Chuanglin, Qi Weifeng, Song Jitao. Researches on comprehensive measurement of compactness of urban agglomerations in China. Acta Geographica Sinica, 2008, 63(10): 1011-1021.

DOI

[3]
刘洋, 张军, 周冬梅, 等. 基于InVEST模型的疏勒河流域碳储量时空变化研究[J]. 生态学报, 2021, 41(10): 4052-4065.

Liu Yang, Zhang Jun, Zhou Dongmei et al. Temporal and spatial variation of carbon storage in the Shule River basin based on InVEST model. Acta Ecologica Sinica, 2021, 41(10): 4052-4065.

[4]
张燕, 师学义, 唐倩. 不同土地利用情景下汾河上游地区碳储量评估[J]. 生态学报, 2021, 41(1): 360-373.

Zhang Yan, Shi Xueyi, Tang Qian. Carbon storage assessment in the upper reaches of the Fenhe River under different land use scenarios. Acta Ecologica Sinica, 2021, 41(1): 360-373.

[5]
雒舒琪, 胡晓萌, 孙媛, 等. 耦合PLUS-InVEST模型的多情景土地利用变化及其对碳储量影响[J]. 中国生态农业学报, 2023, 31(2): 300-314.

DOI

Luo Shuqi, Hu Xiaomeng, Sun Yuan et al. Multi-scenario land use change and its impact on carbon storage based on coupled PLUS-Invest model. Chinese Journal of Eco-Agriculture, 2023, 31(2): 300-314.

DOI

[6]
Yonghua L, Song Y, Hezhou J et al. Spatial-temporal evolution and prediction of carbon storage: An integrated framework based on the MOP–PLUS–InVEST model and an applied case study in Hangzhou, East China[J]. Land, 2022, 11(12): 2213.

DOI

[7]
王君彩, 牛晓叶. 低碳背景下森林碳汇的资产属性及其评价方法探讨[J]. 会计之友, 2013(8): 13-17.

DOI

Wang Juncai, Niu Xiaoye. Asset attributes and evaluation methods of forest carbon sinks under the background of low carbon. Friends of Accounting, 2013(8): 13-17.

DOI

[8]
胡峻嶍, 黄访, 铁烈华, 等. 四川省森林植被固碳经济价值动态[J]. 生态学报, 2019, 39(1): 158-163.

Hu Junyi, Huang Fang, Tie Liehua et al. Economic value dynamics of carbon sequestration in forest vegetation of Sichuan Province. Acta Ecologica Sinica, 2019, 39(1): 158-163.

[9]
Rajbanshi J, Das S. Changes in carbon stocks and its economic valuation under a changing land use pattern—A multitemporal study in Konar catchment, India[J]. Land Degradation & Development, 2021, 32(13): 3573-3587.

[10]
隋玉正, 陈小璇, 李淑娟, 等. 海岸带蓝碳时空演变及其服务价值评估——以胶州湾为例[J]. 资源科学, 2019, 41(11): 2119-2130.

DOI

Sui Yuzheng, Chen Xiaoxuan, Li Shujuan et al. Spatiotemporal change of coastal blue carbon and its service value evaluation: A case study of Jiaozhou Bay. Resource Science, 2019, 41(11): 2119-2130.

DOI

[11]
齐绍洲, 赵鑫, 谭秀杰. 基于EEMD模型的中国碳市场价格形成机制研究[J]. 武汉大学学报(哲学社会科学版), 2015, 68(4): 56-65.

Qi Shaozhou, Zhao Xin, Tan Xiujie. A study on the formation mechanism of chinese carbon market price based on EEMD model. Journal of Wuhan University, 2015, 68(4): 56-65.

[12]
赵立祥, 胡灿. 我国碳排放权交易价格影响因素研究——基于结构方程模型的实证分析[J]. 价格理论与实践, 2016(7): 101-104.

Zhao Lixiang, Hu Can. Research on influencing factors of carbon emission trading price in China: Empirical analysis based on structural equation model. Price Theory And Practice, 2016(7): 101-104.

[13]
景亚平. 浅析“资金的时间价值”[J]. 商场现代化, 2005(30): 167-168.

Jing Yaping. Analysis of ‘‘Time value of capital’’. Market Modernization, 2005(30): 167-168.

[14]
曲青林, 曹爱霞, 刘学录. 兰州市土地利用生态安全评价[J]. 环境科学研究, 2009, 22(6): 753-756.

Qu Qinglin, Cao Aixia, Liu Xuelu. Appraisal of land use eco-security in Lanzhou City. Research of Environmental Scientific, 2009, 22(6): 753-756.

[15]
邹桃红, 陈鹏, 刘家福, 等. 不同土地利用情景下四平市生态系统碳储量时空演变[J/OL]. 中国环境科学: 2023,1-11[2023-09-06].DOI: 10.19674/j. cnki. issn1000-6923.20230529. 020.

Zou Taohong, Chen Peng, Liu Jiafu et al. Spatio-temporal dynamics of territorial ecosystem carbon storage under different land use scenarios in Siping City. Chinese Environmental Sciences, 2023,1-11[2023-09-06]. DOI:10.19674/j.cnki.issn1000-6923.20230529.020.].

[16]
姜海, 曲福田. 建设用地需求预测的理论与方法——以江苏省为例[J]. 中国土地科学, 2005, 19(2): 44-51.

Jiang Hai, Qu Futian. Theories and techniques of construction land demand forecast: Jiangsu Province as a case. Chinese Land Science, 2005, 19(2): 44-51.

[17]
方正. 基于RSEI与SD模型的生态环境质量评价及发展态势研究[D]. 南昌: 东华理工大学, 2020.

Fang Zheng. Evaluation and development trend of ecological environment quality based on RSEI and SD models. Nanchang: East China University of Technology, 2020.

[18]
张红凤, 周峰, 杨慧, 等. 环境保护与经济发展双赢的规制绩效实证分析[J]. 经济研究, 2009, 44(3): 14-26+67.

Zhang Hongfeng, Zhou Feng, Yang Hui et al. Money demand and asset substitution in China. Economic Research Jouranl, 2009, 44(3): 14-26+67.

[19]
巩晟萱, 张玉虎, 李宇航. 基于PLUS-InVEST模型的京津冀碳储量变化及预测[J]. 干旱区资源与环境, 2023, 37(6): 20-28.

Gong Shengxuan, Zhang Yuhu, Li Yuhang. Spatio-temporal variation and prediction of carbon storage in Beijing-Tianjin-Hebei region—A PLUS-InVEST model approach. Journal of Arid Land Resources and Environment, 2023, 37(6): 20-28.

[20]
陈宁, 辛存林, 唐道斌, 等. 中国西北地区多情景土地利用优化与碳储量评估[J]. 环境科学, 2023, 44(8): 4655-4665.

DOI

Chen Ning, Xin Cunlin, Tang Daobin et al. Multi-scenario land use optimization and carbon storage assessment in Northwest China. Environmental Science, 2023, 44(8): 4655-4665.

DOI

[21]
杨朔, 苏昊, 赵国平. 基于PLUS模型的城市生态系统服务价值多情景模拟——以汉中市为例[J]. 干旱区资源与环境, 2022, 36(10): 86-95.

Yang Shuo, Su Hao, Zhao Guoping. Multi-scenario simulation of urban ecosystem service value based on PLUS model: A case study of Hanzhong City. Journal of Arid Land Resources and Environment, 2022, 36(10): 86-95.

[22]
任玺锦, 裴婷婷, 陈英, 等. 基于碳密度修正的甘肃省土地利用变化对碳储量的影响[J]. 生态科学, 2021, 40(4): 66-74.

Ren xijin, Pei Tingting, Chen Ying et al. Impact of land use change on carbon storage in Gansu Province based on carbon density correction. Ecological Science, 2021, 40(4): 66-74.

[23]
Tang Xuli, Zhao Xia, Bai Yongfei et al. Carbon pools in China’s terrestrial ecosystems: New estimates based on an intensive field survey[J]. Proceedings of the National Academy of Sciences of the United States of America, 2018, 115(16): 4021-4026.

[24]
Junju Zhou, Yaru Zhao, Peng Huang et al. Impacts of ecological restoration projects on the ecosystem carbon storage of inland river basin in arid area, China[J]. Ecological Indicators, 2020, 118: 107770

[25]
赫晓慧, 徐雅婷, 范学峰, 等. 中原城市群区域碳储量的时空变化和预测研究[J]. 中国环境科学, 2022, 42(6): 2965-2976.

Hao Xiaohui, Xu Yating, Fan Xuefeng et al. Temporal and spatial variation and prediction of regional carbon storage in Zhongyuan Urban Agglomeration. Chinese Environmental Science, 2022, 42(6): 2965-2976.

[26]
卿苗, 赵军, 冯超, 等. 1980—2030年石羊河流域生态系统碳储存服务对土地利用变化的响应[J]. 生态学报, 2022, 42(23): 9525-9536.

Qing Miao, Zhao Jun, Feng Chao et al. Response of ecosystem carbon storage service to land-use change in Shiyang River basin from 1980 to 2030. Acta Ecologica Sinica, 2022, 42(23): 9525-9536.

[27]
朱文博, 张静静, 崔耀平, 等. 基于土地利用变化情景的生态系统碳储量评估——以太行山淇河流域为例[J]. 地理学报, 2019, 74(3): 446-459.

Zhu Wenbo, Zhang Jingjing, Cui Yaoping et al. Assessment of territorial ecosystem carbon storage based on land use change scenario: A case study in Qihe River Basin. Acta Geographica Sinica, 2019, 74(3): 446-459.

[28]
丁星明, 朱诗渊. 赣州不同情景土地利用变化对生态系统服务价值影响[J]. 北京测绘, 2023, 37(3): 415-419.

Ding Xingming, Zhu Shiyuan. Impact of land use change on ecosystem service value in different scenarios. Beijing Surveying and Mapping, 2023, 37(3): 415-419.

[29]
Li C, Wu Y, Gao B et al. Multi-scenario simulation of ecosystem service value for optimization of land use in the Sichuan-Yunnan Ecological Barrier, China[J]. Ecological Indicators, 2021, 132: 108328.

DOI

[30]
毛永发, 周启刚, 王陶, 等. 耦合PLUS-InVEST-Geodector模型的三峡库区碳储量时空变化及其定量归因[J]. 长江流域资源与环境, 2023, 32(5): 1042-1057.

Mao Yongfa, Zhou Qigang, Wang Tao et al. Spatial-temporal variation of carbon storage and its quantitative attribution in the Three Gorges Reservoir Area coupled with PLUS-InVEST-Geodector model. Resources and Environment in the Yangtze River Basin, 2023, 32(5): 1042-1057.

Options
文章导航

/

〈 〉