Spatio-temporal variation and prediction of land use and carbon storage in high groundwater level mining area
-
摘要:
高潜水位矿区采矿活动及城镇化发展会导致土地利用类型明显变化,进而影响矿区的固碳能力。采用潘谢矿区2002—2021年5期土地利用数据,利用FLUS (Future Land Use Simulation)模型,选取了采矿、社会经济和气候环境等方面数据作为驱动因子,分别预测了自然发展和生态保护两种情景下2028年土地利用变化,再结合InVEST (Integrated Valuation of Ecosystem Services and Trade-offs)模型,计算了潘谢矿区2002—2021年的历史碳储量以及2028年不同情景下的未来碳储量,并对潘谢矿区碳储量的时空变化特征进行了分析。结果表明:① 2002—2021年潘谢矿区土地利用变化表现为耕地不断减少,湿地和建筑用地持续增加,其中耕地减少了147.93 km2,湿地和建筑用地分别增加了71.01 km2和75.76 km2。在此期间,潘谢矿区碳储量减少了1.62×105 t,减少幅度为3.83%,其中在2018—2021年碳储量下降最快。②预测结果显示,2028年2种情景下研究区内土地利用变化均为湿地和建筑用地持续增加,耕地不断减少。但相较于自然发展情景,生态保护情景下矿区内耕地受到保护,面积有所增加,湿地和建筑用地的增长减缓。与2021年相比,自然发展情景下的碳储量减少了0.74×105 t,生态保护情景下的碳储量减少了0.53×105 t。研究结果表明,受采煤沉陷和城镇发展影响,沉陷湿地和建筑用地扩张导致耕地减少是碳储量下降的主要原因,采取生态保护措施能够在一定程度上减缓碳储量的下降。
Abstract:Mining activities and urbanisation in high dive mining areas can lead to significant changes in land use types, which in turn affect the carbon sequestration capacity of mining areas. Based on the land use data of Panxie mining area from 2002 to 2021, and used the FLUS (Future Land Use Simulation) model to predict land use changes in 2028 under two scenarios: natural development and ecological conservation, using mining, socio-economic and climatic data as drivers, and then The historical carbon stocks in the Panshet mine area from 2002 to 2021 and the future carbon stocks in 2028 under different scenarios were calculated by combining the InVEST (Integrated Valuation of Ecosystem Services and Trade-offs) model, and the spatial and temporal characteristics of the carbon stocks in the Panxie mine area were analysed. The spatial and temporal variability of carbon stocks in the Panxie mine was also analysed. The results show that: ① from 2002 to 2021, land use changes in the Panxai mining area show a continuous decrease in arable land and a continuous increase in wetland and building land, with a decrease of 147.93 km2 in arable land and an increase of 71.01 km2 and 75.76 km2 in wetland and building land, respectively. during this period, the carbon stock in the Panxai mining area decreases from 1.62×105 t, a decrease of 3.83%, with the fastest decrease in carbon reserves from 2018 to 2021. ② The predicted results show that the land use changes in the study area under both scenarios in 2028 are a continuous increase in wetlands and building land, and a continuous decrease in arable land. However, compared to the natural development scenario, the ecological conservation scenario protects and increases the area of arable land in the mine area, while the growth of wetlands and building land slows down. Compared with 2021, the carbon stock in the natural development scenario decreases by 0.74×105 t and the ecological conservation scenario decreases by 0.53×105 t. The results of the study indicate that the decrease in arable land due to sinking water and the expansion of construction land is the main reason for the decrease in carbon stock due to the influence of coal mining subsidence and urban development, and that the adoption of ecological conservation measures can slow down the decrease in carbon stock to a certain extent. Ecological conservation measures can slow down the decline of carbon stocks to a certain extent.
-
Keywords:
- high groundwater level mining area /
- land use change /
- FLUS model /
- InVEST model /
- carbon storage
-
0. 引 言
陆地生态系统固碳是当前国际社会公认的经济可行和环境友好的减缓大气CO2浓度升高的途径之一[1-2]。随着城市化和工业化的不断推进,区域土地利用空间格局不断变化,由于不同土地利用类型的固碳能力差异较大,因此区域土地利用的变化会对当地生态系统的碳储量造成影响。煤炭能源是国民经济发展的基础和重要支柱[3],但煤炭开采会对矿区生态环境造成损伤,就我国东部高潜水位矿区而言,城镇化的发展及开采造成的地表沉陷、耕地破坏和沉陷湿地等都会显著改变区域内的土地利用类型,进而影响区域固碳效率[4-5]。因此,准确获取高潜水位矿区土地利用变化特征及其对碳储量的影响,对建设绿色矿山以及矿区可持续发展具有重要意义。
关于生态系统碳储量估算的研究方法较多,传统方法有实地采样法、蓄积法和生物量法[6],但传统方法费时费力,并且在研究尺度和碳储量时空变化体现方面受限制。近年来,随着遥感技术的发展和InVEST模型的建立,许多学者采用InVEST模型估算区域生态系统碳储量,张文华等[7]通过InVEST模型估算草原碳储量,并证明其在草原区域的碳储量计算上具有适用性,刘洋等[8]和刘冠等[9]将该模型用于流域生态系统碳储量的计算,并指出林地、植被和耕地的建设使流域生态系统碳储量增加,刘英等[10]利用该模型估算露天煤矿碳储量,并分析其时空特征,为矿区高质量发展提供科学规划。随着Markov[11]、CLUE-S[12]和FLUS[13]等土地利用模拟模型出现与发展,有学者将InVEST模型与土地利用模拟模型结合[14]。雒舒琪等[15]通过耦合PLUS-InVEST模型,模拟了3种不同发展情景下西安市土地利用的变化,并评估其对碳储量变化的影响,为西安市低碳发展提供参考,林彤等[16]基于PLUS和InVEST模型,分析并预测了广东省碳储量的变化。但将Markov、FLUS等土地利用模型和InVEST模型相结合,对矿区碳储量进行估算和预测的相关研究较少。
基于上述研究,本研究采用FLUS-InVEST模型,对淮南潘谢矿区2002—2021年土地利用变化的时空特征进行分析,探究因采矿与城镇建设导致的土地利用变化对碳储量的影响,并预测在自然发展和生态保护不同情景下2028年的土地利用变化及碳储量变化。以期对我国东部高潜水位矿区绿色矿山建设、低碳高质量发展提供借鉴。
1. 研究区概况与数据源
1.1 研究区概况
潘谢矿区位于安徽省淮南市(116°20′E—116°57′E,32°43′N—32°56′N),位置如图1所示。矿区总面积约531.51 km2,年平均气温为15 ℃,年平均降水量为970 mm。矿区包括谢桥矿、张集矿、顾北矿、顾桥矿、丁集矿、朱集东矿、潘北矿、潘一矿、潘二矿和潘三矿。矿区内煤层厚且发育稳定,地下潜水位较高,经过长期开采,地表沉陷区形成大范围的沉陷积水,对矿区生态系统造成影响。
1.2 数据源与预处理
研究使用的数据包括土地利用数据、社会经济数据、气候环境数据和地形数据(表1)。考虑各个煤矿投入生产年份、季节差异和云量等因素影响,选用2002、2010、2014、2018年和2021年3—4月份的5期Landsat系列卫星影像数据,使用ENVI 5.3软件进行监督分类和目视解译获取土地利用数据。参考GB/T 24708—2009 《湿地分类》中的标准和相关研究[17],采煤沉陷积水区、湖泊和河流均属于湿地的范畴,因此研究将潘谢矿区土地利用类型分为湿地、林地、建筑用地和耕地4类。土地利用数据用作于土地利用变化的分析,并作为源数据输入FLUS和InVEST模型。社会经济数据和气候环境数据为FLUS模型的驱动因子。
表 1 数据源与处理Table 1. Data sources and processing数据类型 年份 数据来源与处理 土地利用数据 土地利用数据 2002—2021 USGS (https://earthexplorer.usgs.gov/)
通过监督分类和目视解译获取30 m分辨率的土地利用数据采矿数据 煤矿核定生产能力 2020 实际调查 煤矿年产量 2021 《淮南统计年鉴—2021》 社会经济数据 距铁路距离 2021 OpenStreetMap (https://www.openstreetmap.org/)下载道路矢量数据,
利用ArcGIS软件的欧氏距离工具生成距高速公路距离 距主要道距离 距次干道距离 GDP 2019 中科院资源环境科学数据中心(http://www.resdc.cn/) 人口 2020 气候和环境数据 土壤类型 2009 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn/) 年平均气温 2020 WorldClim v2.0 (http://www.worldclim.org/) 年降水量 2020 数字高程数据 2014 NASA SRTM1 v3.0 坡度 2014 由数字高程数据计算获得 2. 研究方法
2.1 FLUS模型
FLUS模型是一种基于传统CA(Cellular Automata)模型开发,用于模拟和预测未来土地利用变化的模型。其原理为利用BP-ANN算法计算出适应性概率,再结合出现概率、邻域影响因子、自适应惯性系数和转换成本,获得元胞的总体转换概率,之后通过轮盘 得到最终模拟结果。
模型运作过程主要为:①利用马尔科夫链确定未来各个地类的数量需求;②基于土地利用数据和驱动因子,使用BP-ANN算法,计算出研究区内每种地类的适宜性概率,即在每个像元的出现概率;③基于自适应惯性机制的CA模型,模拟未来土地利用变化。
BP-ANN算法公式见式(1):
$$ \begin{gathered} p(p,k,t) = \sum\limits_j {{\omega _{j,k}}} {{\mathrm{sigmoid}}} ({{\mathrm{net}}_j}(p,t)) \\ = \sum\limits_j {{\omega _{j,k}}} \frac{1}{{1 + {{\mathrm{e}}^{ - {{\mathrm{net}}_j}(p,t)}}}} \\ \end{gathered} $$ (1) 式中:$p(p,k,t)$为土地利用类型$k$在栅格p和时间t的出现概率,即适宜性概率;${\omega _{j,k}}$为输入层与隐含层间的权重;${{\mathrm{sigmoid}}} $函数为隐含层到输出层的激活函数;${{\mathrm{net}}_j}(p,t)$ 为第$j$个隐含层的栅格p在训练时间t上收到的信号。
邻域影响因子计算公式见式(2):
$$ \Omega _{p,k}^t = \frac{{\displaystyle\sum\limits_{N \times N} {{\mathrm{con}}(c_p^{t - 1} = k)} }}{{N \times N - 1}} {w_k} $$ (2) 式中:$\Omega _{p,k}^t$为土地利用类型$k$在时间t、栅格p上的邻域影响;$\sum\limits_{N \times N} {{\mathrm{con}}(c_p^{t - 1} = k)} $为在$N \times N$的窗口中,经过$t - 1$次迭代后,土地利用类型$k$的像元数;$N$为邻域范围,本研究设置为3。
自适应惯性系数计算公式见式(3):
$$ {\mathrm{Intertia}}_k^t\left\{ {\begin{array}{l} {{\mathrm{Intertia}}_k^{t - 1}\left( {\left| {D_k^{t - 2}} \right| \leqslant \left| {D_k^{t - 1}} \right|} \right)} \\ {{\mathrm{Intertia}}_k^{t - 1} \times \dfrac{{D_k^{t - 2}}}{{D_k^{t - 1}}}\left( {0 > D_k^{t - 2} > D_k^{t - 1}} \right)} \\ {{\mathrm{Intertia}}_k^{t - 1} \times \dfrac{{D_k^{t - 1}}}{{D_k^{t - 1}}}\left( {D_k^{t - 1} > D_k^{t - 2} > 0} \right)} \end{array}} \right. $$ (3) 式中:${\mathrm{Intertia}}_k^t$为土地利用类型k在时刻t的惯性系数;$D_k^{t - 1}$、$D_k^{t - 2}$分别为$t - 1$和$t - 2$时刻土地利用类型k的已分配栅格数与目标需求数量的差值。
元胞的总体转换概率计算公式见式(4):
$$ T P_{p,k}^t = p(p,k,t) \times \varOmega _{p,k}^t \times {\mathrm{Intertia}}_k^t \times (1 - {{\mathrm{sc}}_{c \to k}}) $$ (4) 式中:$TP_{p,k}^t$为栅格p在t时刻转换为土地利用类型k的概率;${{\mathrm{sc}}_{c \to k}}$为土地利用类型c转化为土地利用类型k的成本。
2.2 驱动因子选择
结合已有的矿区土地利用模拟研究[18-19],考虑到采煤沉陷、工矿用地扩展和城镇化发展等因素,将煤矿核定生产能力和煤矿年产量数据作为采矿数据,距铁路距离、距高速公路距离、距主要道路距离、距次要道路距离、GDP、人口密度数据作为社会经济数据;将土壤类型、年平均气温、年降水量、DEM和坡度数据作为气候和环境数据。
2.3 InVEST模型
InVEST模型是美国自然资本项目组开发的用于自然资源管理决策的模型系统。因模型中的carbon模块可以计算碳储量,故被广泛应用于区域碳储量的计算[20]。InVEST模型将生态系统的碳储量分为4个部分,分别为:地上碳库、地下碳库、土壤碳库和死亡有机碳库。该模型以土地利用数据为基础,统计4种碳库的平均碳密度,之后由各地类的面积与其碳密度相乘再求和,得到区域总碳储量。总碳储量的计算公式见式(6):
$$ {C_{{\mathrm{total}}}} = {C_{{\mathrm{above}}}} + {C_{{\mathrm{below}}}} + {C_{{\mathrm{soil}}}} + {C_{{\mathrm{dead}}}} $$ (6) 式中:${C_{{\mathrm{total}}}}$为区域总碳储量,t;${C_{{\mathrm{above}}}}$为地上碳库,t;${C_{{\mathrm{below}}}}$为地下碳库,t;${C_{{\mathrm{soil}}}}$为土壤碳库,t;${C_{{\mathrm{dead}}}}$为死亡有机物碳库,t。
关于碳密度数据的研究已有很多,参考前人研究,尽量选择安徽省内实测数据。湿地、林地与建筑用地的碳密度参考中科院2010 s中国陆地生态系统碳密度数据集[21],以及孙方虎等[22]、林凡等[23]研究成果。耕地的碳密度参考赵明松等[24]和吴楠等[25]研究成果,并采用生物量碳密度和土壤碳密度与降水量、气温的关系校正模型进行修正[26-27]。其中土壤碳密度为0~100 cm土体的碳密度。研究区不同地类碳密度数据见表2,因死亡有机物碳库数据难以获得,所以本研究不做考虑。
表 2 潘谢矿区不同土地利用类型碳密度值Table 2. Carbon density of different land use types in Panxie mining area土地利用类型 地上碳密度/
(t·hm−2)地下碳密度/
(t·hm−2)土壤碳密度/
(t·hm−2)湿地 2.98 3.26 70.15 林地 30.00 7.50 55.57 建筑用地 0 0 65.25 耕地 1.86 0.17 79.68 3. 结果与分析
3.1 土地利用变化分析
3.1.1 2002—2021年土地利用变化分析
由图2和表3可知,潘谢矿区土地利用类型以耕地为主,以2021年数据为例:耕地占矿区面积的55.85%;其次为建筑用地和湿地,分别占比为25.81%和18.11%;林地占比最少,仅有0.23%。整体变化趋势为耕地减少,湿地、林地和建筑用地增加。其中耕地总计减少了147.93 km2,湿地、林地和建筑用地分别增加了71.01 km2、1.16 km2和75.76 km2。
表 3 2002—2021年潘谢矿区各地类面积及比例Table 3. Areas and proportions of different land use types in panxie mining area from 2002—2021年份 面积/ km2 占比/% 湿地 林地 建筑用地 耕地 湿地 林地 建筑用地 耕地 2002 25.24 0.07 61.44 444.77 4.75 0.01 11.56 83.68 2010 45.83 0.26 83.29 402.15 8.62 0.05 15.67 75.66 2014 56.45 0.76 89.35 384.96 10.62 0.14 16.81 72.43 2018 75.75 0.88 89.96 364.92 14.25 0.16 16.93 68.66 2021 96.25 1.23 137.20 296.84 18.11 0.23 25.81 55.85 根据2002—2021年土地利用转移情况,绘制了Sankey图,如图3所示。由图3分析可知,2002—2010年,矿区处于快速发展阶段,耕地大量向湿地和建筑用地转出,转出面积分别为24.53 km2和36.01 km2。同时还伴随着少量湿地和建筑用地转入耕地,面积为5.14 km2和12.99 km2。
2010—2014年间,土地利用变化趋势与上一阶段相似,14.92 km2的耕地转为湿地,5.08 km2的湿地转变为耕地,但建筑用地和耕地之间的相互转换面积有所减少,7.41 km2的耕地转为建筑用地,0.51 km2的建筑用地转为耕地。
2014—2018年间,矿区建筑用地增长速度大大减缓,此阶段土地利用变化主要为湿地和耕地的相互转换,23.46 km2的耕地转为湿地,5.01 km2湿地转变为建筑用地。
2018—2021年间,随着去产能政策的执行,由《淮南市人民政府关于煤炭行业化解过剩产能实现脱困发展的实施意见》可知,政府支持发展风电、光伏发电和现代农业等新兴产业,调整土地利用结构,促进矿区土地再开发利用。在此期间内,建筑用地面积迅速增加,增长速度达到峰值,48.39 km2耕地转出为建筑用地。同时,沉陷湿地仍处于扩张阶段,速度趋于稳定。
综合4个阶段,耕地持续不断转出为湿地和建筑用地,且存在少量湿地和建筑用地转入耕地,其中建筑用地转入耕地的面积逐年减少,湿地则较为稳定,在2010年之后,平均每年有1.20 km2的湿地转变为耕地。湿地和建筑用地在每个阶段内均有相互转化,但两者相互转换的面积基本相同。此外,4个阶段内林地一直在快速增长,不过相对于其他3种土地利用类型,林地面积的变化较为有限。
3.1.2 模型精度验证
为验证FLUS模型对土地利用预测的精度,选用2010年和2014年的土地利用数据模拟2018年土地利用,并与2018年实际土地利用数据进行精度验证。通过FLUS模型内精度验证工具得到总体精度为0.89,Kappa系数为0.77,精度较高,可以用于未来土地利用类型的预测。
3.1.3 情景模拟下的土地利用变化分析
根据《淮南市土地利用总体规划(2006—2020年)》《淮南市国民经济和社会发展第十四个五年规划和2035年远景目标纲要》结合前人研究经验[28-29],设置了2种发展情景,分别为自然发展情景(Q1)和生态保护情景(Q2)。
在自然发展情景下,不考虑任何规划和政策的影响,未来土地利用格局按照2002—2021年变化趋势自然演变。
在生态保护情景下,可通过减少煤炭开采量、实施充填开采等手段控制地表下沉,减少沉陷湿地面积的增加,同时开展土地复垦,将部分废弃建筑用地复垦为耕地,减缓耕地面积的减少。在模拟未来土地利用变化时,耕地向湿地、建筑用地的转移概率分别减少10%、30%,建筑用地向耕地的转移概率增加10%。
使用FLUS模型在2种不同情景下模拟2028年潘谢矿区土地利用变化如图4所示。结合表4可知,在自然发展情景下,湿地和建筑用地面积占比增加,分别增加5.35%和6.72%,耕地面积占比减少12.08%,林地面积占比基本维持不变。生态保护情景下,湿地和建筑用地面积占比分别增加了4.73%和4.55%,耕地面积占比减少9.29%。相较于自然发展情景,湿地减少了3.27 km2,建筑用地减少了11.51 km2,耕地增加了14.78 km2。可以看出,在生态保护下湿地和建筑用地的增长幅度有所减缓,能够有效保护耕地。
表 4 2021和2028年潘谢矿区各类土地利用类型面积及占比Table 4. Area and proportion of various land use types in Panxie mining area in 2021 and 2028土地利用类型 面积/ km2 占比/% 2021年 2028年(Q1) 2028年(Q2) 2021年 2028年(Q1) 2028年(Q2) 湿地 96.25 124.68 121.41 18.11 23.46 22.84 林地 1.23 1.28 1.28 0.23 0.24 0.24 建筑用地 137.20 172.91 161.40 25.81 32.53 30.36 耕地 296.84 232.65 247.43 55.85 43.77 46.56 3.2 碳储量变化分析
3.2.1 2002—2021年碳储量变化分析
使用InVEST模型分别计算潘谢矿区2002、2010、2014、2018和2021年的碳储量,并且预测2028年不同发展情景下的碳储量,各矿区碳储量、潘谢矿区碳储量变化和碳储量变化分布如表5、图5、图6和图7所示。从总碳储量来看,潘谢矿区总碳储量不断减少,具体表现为耕地碳储量减少,湿地和建筑用地碳储量增加。2021年碳储量相较于2002年减少了1.62×105 t,占比3.83%。
表 5 2002—2028年各矿区碳储量Table 5. Carbon reserves of each mining area from 2002 to 2028煤矿 碳储量/105 t 2002年 2010年 2014年 2018年 2021年 2028年(Q1) 2028年(Q2) 朱集东矿 3.56 3.54 3.54 3.53 3.47 3.41 3.43 谢桥矿 2.97 2.91 2.89 2.88 2.82 2.81 2.81 张集矿 5.54 5.43 5.41 5.39 5.29 5.21 5.24 顾北矿 2.98 2.93 2.92 2.91 2.84 2.79 2.80 顾桥矿 6.67 6.59 6.55 6.52 6.34 6.17 6.22 丁集矿 8.07 8.02 8.00 7.99 7.81 7.65 7.69 潘三矿 4.24 4.21 4.2 4.19 4.11 4.04 4.05 潘一矿 4.23 4.19 4.18 4.16 4.09 4.02 4.05 潘二矿 1.56 1.55 1.54 1.54 1.51 1.49 1.49 潘北矿 2.47 2.45 2.44 2.44 2.39 2.34 2.36 总碳储量 42.29 41.82 41.67 41.55 40.67 39.93 40.14 就各矿区而言,由碳储量的占比从多到少排序为丁集矿、顾桥矿、张集矿、潘一矿、潘三矿、朱集东矿、谢桥矿、顾北矿、潘北矿、潘二矿。在2002—2021年,谢桥矿、顾北矿和顾桥矿碳储量的占比小幅度下降,其余矿区碳储量的占比均为小幅度增加。
从碳储量的变化趋势来看,10个矿区的碳储量都呈现出减少的趋势,对比2002年和2021年数据,谢桥矿和顾桥矿为碳储量变化幅度最大的矿区,分别减少了0.15×105 t和0.33×105 t,占比为5.05%和4.95%。由于朱集东矿成立时间相对其他矿区较晚,开采时间短,截至2021年矿区内耕地保护较好,是碳储量减少最少的矿区,减少了0.09×105 t,占比为2.53%。其中碳储量减少的主要原因为采煤沉陷和城镇建设导致湿地和建筑用地增加,耕地减少,从而使得矿区总碳储量下降。2002—2021年间林地面积虽不断变大,但其面积占比过小,对总体碳储量变化影响不大。
2002—2010年,湿地和建筑用地快速增长,占用大量耕地,导致碳储量减少,并且在此阶段少部分湿地和建筑用地转变为耕地,使碳储量增加。2010—2014年,此阶段碳储量减少量为最少,碳储量减少的原因主要是沉陷湿地的扩张,同时伴随着少量湿地和建筑用地转换为耕地,使碳储量回升。2014—2018年,此阶段建筑用地变化不明显,但沉陷湿地的扩张使矿区碳储量呈减少趋势。随着土地复垦的实施和沉陷湿地的治理,从图7可以看出,潘三矿为代表,矿区内部分湿地退还为耕地,使碳储量增加,有效地缓解了碳储量下降的趋势。2018—2021年,因矿区转型发展,建筑用地增幅高达52.51%,同时沉陷湿地不断扩张,导致碳储量减少的幅度为4个阶段最大。由于政策支持,部分沉陷湿地经过治理变为耕地一定程度上减缓了碳储量减少。
3.2.2 情景模拟下的碳储量变化分析
由预测结果可知,2种发展情景下的碳储量均呈减少趋势。在自然发展情景下,相比2021年,2028年的碳储量减少了0.74×105 t,碳储量减少主要原因为耕地转变为湿地和建筑用地。其中顾桥矿的碳储量变化幅度最大,减少了0.17×105 t,占比2.68%。谢桥矿的碳储量变化幅度最小,减少了0.01×105 t,占比0.35%。
在生态保护情景下,相较于2021年,碳储量减少了0.53×105 t。由于实施生态保护政策,此情景下湿地和建筑用地扩张速度有所减缓,相比自然发展情景,碳储量增加了0.21×105 t。各矿区的碳储量变化幅度与前一情景相同,依旧为顾桥矿最大,谢桥矿最小,分别减少了0.12×105 t和0.01×105 t,占比1.89%和0.35%。结果表明,采取生态保护措施,积极开展土地复垦工作能够恢复矿区固碳能力,减轻采煤沉陷对矿区生态环境的破坏。
4. 讨 论
土地利用变化是引起区域碳储量变化的主要原因之一[30]。综合已有研究成果可知:建设用地扩张导致的耕地和林地面积减少,是陆地生态系统碳储量变化的主要原因[31-32]。其中矿区生态系统的碳储量变化主要原因为草地和未利用地向工矿用地转移以及采矿造成的耕地面积减少[10],而在高潜水位矿区,因开采后地表沉陷湿地导致耕地转为湿地也是影响碳储量变化的重要因素[33]。本研究利用FLUS和InVEST模型,选取采矿、社会经济和气候环境等方面的数据作为驱动因子进行土地利用变化情景模拟,并基于前人的研究成果,依靠校正模型完成碳库的建立,最终实现潘谢矿区碳储量的估算和预测。对实验结果分析发现,高潜水位矿区碳储量变化的主要原因为采煤沉陷和区域化发展导致沉陷湿地和建筑用地侵蚀耕地,从而使高碳密度地类转为低碳密度地类,导致矿区碳储量减少。研究结果与已有结论具有较好的一致性[34-35]。然而,本研究也存在一定的局限性。在土地利用变化预测方面,若能获取矿区采煤相关信息,将未来沉陷预计作为驱动因子,可进一步提高预测结果精度[36]。在碳密度的取值方面,笔者虽参考前人研究,并采用校正模型修正,使碳密度接近实际值,但未能兼顾不同植被的种类以及年龄等固碳能力的差异。后续研究可补充相关野外实测数据,提高碳储量计算的准确性。
伴随着采煤工作的进行,沉陷湿地和建筑用地占用耕地导致碳储量减少的情况无法避免,因此有必要开展采煤沉陷区综合治理工作[37]。就潘谢矿区而言,在政府的主导下,潘谢矿区将沉陷区综合治理与城镇化、生态家园、湿地公园、新能源等建设相结合,完成了以“创大”生态园为代表的一系列治理项目,有效缓解了煤矿开采与生态保护的矛盾。在“碳达峰”、“碳中和”背景下,我国以煤炭为主的能源结构短时间内不会改变[38],因此煤炭行业应当着重于绿色矿山建设,以低碳发展来落实“双碳”目标。
5. 结 论
1)受煤矿开采和城镇发展影响,2002—2021年潘谢矿区土地利用变化整体表现为耕地减少,湿地和建筑用地增加,林地少量增加。预测结果表明,在2种情景下2028年潘谢矿区内湿地和建筑用地均将持续增加,耕地不断减少。但生态保护情景下湿地、建筑用地和耕地变化幅度有所减缓。
2)由于耕地的固碳能力大于湿地和建筑用地,且林地面积占比过小对总体碳储量影响不大。因此,受高碳密度地类转为低碳密度地类影响,在2002—2021年,研究区内碳储量不断减少。其中,2018—2021年,碳储量减少幅度最大,谢桥矿和顾桥矿为碳储量变化幅度最大的矿区,朱集东矿为碳储量减少幅度最小矿区。预测结果显示,在两种情景下研究区内的碳储量均呈持续下降趋势,采取生态保护措施可在一定程度上缓解碳储量的减少。
-
表 1 数据源与处理
Table 1 Data sources and processing
数据类型 年份 数据来源与处理 土地利用数据 土地利用数据 2002—2021 USGS (https://earthexplorer.usgs.gov/)
通过监督分类和目视解译获取30 m分辨率的土地利用数据采矿数据 煤矿核定生产能力 2020 实际调查 煤矿年产量 2021 《淮南统计年鉴—2021》 社会经济数据 距铁路距离 2021 OpenStreetMap (https://www.openstreetmap.org/)下载道路矢量数据,
利用ArcGIS软件的欧氏距离工具生成距高速公路距离 距主要道距离 距次干道距离 GDP 2019 中科院资源环境科学数据中心(http://www.resdc.cn/) 人口 2020 气候和环境数据 土壤类型 2009 国家冰川冻土沙漠科学数据中心(http://www.ncdc.ac.cn/) 年平均气温 2020 WorldClim v2.0 (http://www.worldclim.org/) 年降水量 2020 数字高程数据 2014 NASA SRTM1 v3.0 坡度 2014 由数字高程数据计算获得 表 2 潘谢矿区不同土地利用类型碳密度值
Table 2 Carbon density of different land use types in Panxie mining area
土地利用类型 地上碳密度/
(t·hm−2)地下碳密度/
(t·hm−2)土壤碳密度/
(t·hm−2)湿地 2.98 3.26 70.15 林地 30.00 7.50 55.57 建筑用地 0 0 65.25 耕地 1.86 0.17 79.68 表 3 2002—2021年潘谢矿区各地类面积及比例
Table 3 Areas and proportions of different land use types in panxie mining area from 2002—2021
年份 面积/ km2 占比/% 湿地 林地 建筑用地 耕地 湿地 林地 建筑用地 耕地 2002 25.24 0.07 61.44 444.77 4.75 0.01 11.56 83.68 2010 45.83 0.26 83.29 402.15 8.62 0.05 15.67 75.66 2014 56.45 0.76 89.35 384.96 10.62 0.14 16.81 72.43 2018 75.75 0.88 89.96 364.92 14.25 0.16 16.93 68.66 2021 96.25 1.23 137.20 296.84 18.11 0.23 25.81 55.85 表 4 2021和2028年潘谢矿区各类土地利用类型面积及占比
Table 4 Area and proportion of various land use types in Panxie mining area in 2021 and 2028
土地利用类型 面积/ km2 占比/% 2021年 2028年(Q1) 2028年(Q2) 2021年 2028年(Q1) 2028年(Q2) 湿地 96.25 124.68 121.41 18.11 23.46 22.84 林地 1.23 1.28 1.28 0.23 0.24 0.24 建筑用地 137.20 172.91 161.40 25.81 32.53 30.36 耕地 296.84 232.65 247.43 55.85 43.77 46.56 表 5 2002—2028年各矿区碳储量
Table 5 Carbon reserves of each mining area from 2002 to 2028
煤矿 碳储量/105 t 2002年 2010年 2014年 2018年 2021年 2028年(Q1) 2028年(Q2) 朱集东矿 3.56 3.54 3.54 3.53 3.47 3.41 3.43 谢桥矿 2.97 2.91 2.89 2.88 2.82 2.81 2.81 张集矿 5.54 5.43 5.41 5.39 5.29 5.21 5.24 顾北矿 2.98 2.93 2.92 2.91 2.84 2.79 2.80 顾桥矿 6.67 6.59 6.55 6.52 6.34 6.17 6.22 丁集矿 8.07 8.02 8.00 7.99 7.81 7.65 7.69 潘三矿 4.24 4.21 4.2 4.19 4.11 4.04 4.05 潘一矿 4.23 4.19 4.18 4.16 4.09 4.02 4.05 潘二矿 1.56 1.55 1.54 1.54 1.51 1.49 1.49 潘北矿 2.47 2.45 2.44 2.44 2.39 2.34 2.36 总碳储量 42.29 41.82 41.67 41.55 40.67 39.93 40.14 -
[1] 方精云,于贵瑞,任小波,等. 中国陆地生态系统固碳效应:中国科学院战略性先导科技专项“应对气候变化的碳收支认证及相关问题”之生态系统固碳任务群研究进展[J]. 中国科学院院刊,2015,30(6):828−857,875. FANG Jingyun,YU Guirui,REN Xiaobo,et al. Carbon sequestration in China’s terrestrial ecosystems under climate change:progress on ecosystem carbon sequestration from the CAS strategic priority research program[J]. Journal of Chinese Academy of Sciences,2015,30(6):828−857,875.
[2] JOHNSON J A,RUNGE C F,SENAUER B,et al. Global food demand and carbon-preserving cropland expansion under varying levels of intensification[J]. Land Economics,2016,92(4):579−592. doi: 10.3368/le.92.4.579
[3] 黄 晟,王静宇,郭 沛,等. 碳中和目标下能源结构优化的近期策略与远期展望[J]. 化工进展,2022,41(11):5695−5708. HUANG Sheng,WANG Jingyu,GUO Pei,et al. Short-term strategies and long-term prospects for energy structure optimization under carbon neutrality target[J]. Chemical Industry and Engineering Progress,2022,41(11):5695−5708.
[4] 黄贤金,张秀英,卢学鹤,等. 面向碳中和的中国低碳国土开发利用[J]. 自然资源学报,2021,36(12):2995−3006. doi: 10.31497/zrzyxb.20211201 HUANG Xianjin,ZHANG Xiuying,LU Xuehe,et al. Land development and utilization for carbon neutralization[J]. Journal of Natural Resources,2021,36(12):2995−3006. doi: 10.31497/zrzyxb.20211201
[5] 刘 英,魏嘉莉,毕银丽,等. 神东矿区生态系统服务功能评价[J]. 煤炭学报,2021,46(5):1599−1613. LIU Ying,WEI Jiali,BI Yinli,et al. Evaluation of ecosystem service function in Shendong mining area[J]. Journal of China Coal Society,2021,46(5):1599−1613.
[6] 杨 潇. 内蒙古大青山主要森林植被生产力与碳储量研究[D]. 呼和浩特:内蒙古农业大学,2013. YANG Xiao. Study on the productivity and carbon storage of major forest vegetation in Daqing Mountain,Inner Mongolia[D]. Hohhot:Inner Mongolia Agricultural University,2013.
[7] 张文华,贾志斌,卓 义,等. InVEST模型对锡林郭勒草原碳储量研究的适用性分析[J]. 地球环境学报,2016,7(1):87−96. ZHANG Wenhua,JIA Zhibin,ZHUO Yi,et al. Applicability research on carbon storage in the Xilin Gol Grassland by InVEST Model[J]. Journal of Earth Environment,2016,7(1):87−96.
[8] 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 the InVEST model[J]. Acta Ecologica Sinica,2021,41(10):4052−4065.
[9] 刘 冠,李国庆,李 洁,等. 基于InVEST模型的1999—2016年麻塔流域碳储量变化及空间格局研究[J]. 干旱区研究,2021,38(1):267−274. LIU Guan,LI Guoqing,LI Jie,et al. Study on change in carbon storage and its spatial pattern in Mata Watershed from 1999 to 2016 based on InVEST model[J]. Arid Zone Research,2021,38(1):267−274.
[10] 刘 英,魏嘉莉,毕银丽,等. 红沙泉露天煤矿碳储量时空动态变化分析[J]. 煤炭学报,2022,47(S1):214−224. LIU Ying,WEI Jiali,BI Yinli,et al. Spatiotemporal dynamic change analysis of carbon storage in desertification open-pit mine[J]. Journal of China Coal Society,2022,47(S1):214−224.
[11] YANG X,ZHENG X Q,CHEN R. A land use change model:Integrating landscape pattern indexes and Markov-CA[J]. Ecological Modelling,2014,283:1−7. doi: 10.1016/j.ecolmodel.2014.03.011
[12] LIU G,JIN Q,LI J,et al. Policy factors impact analysis based on remote sensing data and the CLUE-S model in the Lijiang River Basin,China[J]. CATENA,2017,158:286−297. doi: 10.1016/j.catena.2017.07.003
[13] LIU X,LIANG X,LI X,et al. A future land use simulation model (FLUS) for simulating multiple land use scenarios by coupling human and natural effects[J]. Landscape and Urban Planning,2017,168:94−116. doi: 10.1016/j.landurbplan.2017.09.019
[14] 张楚强,向 洋,方 婷,等. LUCC影响下太原市生态系统碳储量时空变化及预测[J]. 安全与环境工程,2022,29(6):248−258. ZHANG Chuqiang,XIANG Yang,FANG Ting,et al. Spatial-temporal evolution and prediction of carbon storage in taiyuan ecosystem under the influence of LUCC[J]. Safety and Environmental Engineering,2022,29(6):248−258.
[15] 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(中英文),2023,31(2):300−314. 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[J]. Chinese Journal of Ecological Agriculture,2023,31(2):300−314.
[16] 林 彤,杨木壮,吴大放,等. 基于InVEST-PLUS模型的碳储量空间关联性及预测:以广东省为例[J]. 中国环境科学,2022,42(10):4827−4839. doi: 10.3969/j.issn.1000-6923.2022.10.041 LIN Tong,YANG Muzhuang,WU Dafang,et al. Spatial correlation and prediction of land use carbon storage based on InVEST-PLUS model-A case study in Guangdong Province[J]. China Environmental Science,2022,42(10):4827−4839. doi: 10.3969/j.issn.1000-6923.2022.10.041
[17] 付艳华. 高潜水位煤矿区沉陷湿地土壤有机碳特征[D]. 北京:中国矿业大学(北京),2017. FU Yanhua. Soil organic carbon properties of subsidence wetland in the coal mining areas with high ground water table[D]. Beijing:China University of Mining & Technology-Beijing,2017.
[18] 刘 畅,张 红,张霄羽,等. 半干旱地区矿区土地利用时空演变与预测[J]. 干旱区研究,2022,39(1):292−300. LIU Chang,ZHANG Hong,ZHANG Xiaoyu,et al. Spatio-temporal evolution and prediction of land use in semi-arid mining areas[J]. Arid Zone Research,2022,39(1):292−300.
[19] 杨国婷,张 红,李 静,等. 基于RFFLUS-InVEST-Geodetector耦合模型的平朔矿区生境质量时空演变及其影响因素[J]. 陕西师范大学学报(自然科学版),2021,49(6):106−115. YANG Guoting,ZHANG Hong,LI Jing et al. Spatial-temporal evolution and its influencing factors of habitat quality in Pingshuo mining area based on RFFLUS-InVEST-Geodetector coupling model[J]. Journal of Shaanxi Normal University(Natural Science Edition),2021,49(6):106-115.
[20] 黄从红,杨 军,张文娟. 生态系统服务功能评估模型研究进展[J]. 生态学杂志,2013,32(12):3360−3367. HUANG Conghong,YANG Jun,ZHANG Wenjuan. Development of ecosystem services evaluation models:Research progress[J]. Chinese Journal of Ecology,2013,32(12):3360−3367.
[21] 徐 丽,何念鹏,于贵瑞. 2010s中国陆地生态系统碳密度数据集[J]. 中国科学数据(中英文网络版),2019,4(1):90−96. XU Li,HE Nianpeng,YU Guirui. A dataset of carbon density in Chinese terrestrial ecosystems(2010s)[J]. Chinese Data Bank,2019,4(1):90−96.
[22] 孙方虎,方凤满,洪炜林,等. 基于PLUS和InVEST模型的安徽省碳储量演化分析与预测[J]. 水土保持学报,2023,37(1):151−158. SUN Fanghu,FANG Fengman,HONG Weilin,et al. Evolution analysis and prediction of carbon storage in Anhui Province based on PLUS and InVEST Model[J]. Journal of Soil and Water Conservation,2023,37(1):151−158.
[23] 林 凡,李典友,潘根兴,等. 皖江自然湿地土壤碳密度及其开垦为农田后的变化[J]. 湿地科学,2008,6(2):192−197. LIN Fan,LI Dianyou,PAN Genxing,et al. Organic carbon density of soil of wetland and its change after cultivation along the Yangtze River in Anhui Province,China[J]. Wetland Science,2008,6(2):192−197
[24] 赵明松,李德成,张甘霖,等. 1980-2010年安徽省土壤有机碳密度及储量时空变化分析[J]. 地理研究,2018,37(11):2206−2217. ZHAO Mingsong,LI Decheng,ZHANG Ganlin,et al. Spatial-temporal change of soil organic carbon density and storage in Anhui province from 1980 to 2010[J]. Geographical Research,2018,37(11):2206−2217.
[25] 吴 楠,陈 凝,程 鹏,等. 安徽省陆地生态系统碳储量变化对未来土地覆被情景的响应[J]. 长江流域资源与环境,2023,32(2):415−426. WU Nan,CHEN Ning,CHENG Peng et al. Evaluation of carbon storage on terrestrial ecosystem responses to land cover change under five future scenarios in Anhui Province[J]. Resources and Environment in the Yangtze Basin,2023,32(2):415−426.
[26] ALAM S A,STARR M,CLARK B J F. Tree biomass and soil organic carbon densities across the Sudanese woodland savannah:A regional carbon sequestration study[J]. Journal of Arid Environments,2013,89:67−76. doi: 10.1016/j.jaridenv.2012.10.002
[27] GIARDINA C P,RYAN M G. Evidence that decomposition rates of organic carbon in mineral soil do not vary with temperature[J]. Nature,2000,404(6780):858−861. doi: 10.1038/35009076
[28] 孙欣欣,薛建辉,董丽娜. 基于PLUS模型和InVEST模型的南京市生态系统碳储量时空变化与预测[J]. 生态与农村环境学报,2023,39(1):41−51. SUN Xinxin,XUE Jianhui,DONG Lina. Spatiotemporal change and prediction of carbon storage in Nanjing Ecosystem based on PLUS model and InVEST model[J]. Journal of Ecology and Rural Environment,2023,39(1):41−51.
[29] 叶 欣,陈春森,吕利娜,等. 城市空间格局演化分析及多情景模拟:以鸡西市鸡冠区为例[J]. 测绘科学,2020,45(10):173−180. YE Xin,CHEN Chunsen,LYU Lina et al. Analysis and multi-scenario simulation of urban land spatial pattern evolution:take Jiguan district of Jixi city as an example[J]. Science of Surveying and Mapping,2020,45(10):173−180.
[30] ZHANG Fan,ZHAN Jinyan,ZHANG Qian et al. Impacts of land use/cover change on terrestrial carbon stocks in Uganda[J]. Physics and Chemistry of the Earth,2016,101:195−203.
[31] 高周冰,王晓瑞,隋雪艳,等. 基于FLUS和InVEST模型的南京市生境质量多情景预测[J]. 农业资源与环境学报,2022,39(5):1001−1013. GAO Zhoubing,WANG Xiaorui,SUI Xueyan et al. Multi-scenario prediction of habitat quality in Nanjing based on FLUS and InVEST models[J]. Journal of Agricultural Resources and Environment,2022,39(5):1001−1013.
[32] 赵胤程,覃盟琳,庞雅月,等. 基于FLUS-InVEST模型的北部湾城市群生态空间碳汇演变模拟及驱动因素研究[J]. 水土保持通报,2022,42(3):345−355. doi: 10.3969/j.issn.1000-288X.2022.3.stbctb202203043 ZHAO Yincheng,QIN Menglin,PANG Yayue et al. Evolution simulation and driving factors of eco-spatial carbon sinks in Beibu Gulf urban agglomeration based on FLUS-InVEST model[J]. Buletin of Soil and Water Conservation,2022,42(3):345−355. doi: 10.3969/j.issn.1000-288X.2022.3.stbctb202203043
[33] 侯湖平,张绍良,丁忠义,等. 煤矿区土地利用变化对生态系统植被碳储量的影响:以徐州垞城矿为例[J]. 煤炭学报,2013,38(10):1850−1855. HOU Huping,ZHANG Shaoliang,DING Zhongyi et al. Impact on vegetation carbon storage in ecosystem from land use change in coal mine area:a case study at Chacheng Mine in Xuzhou mining area[J]. Journal of China Coal Society,2013,38(10):1850−1855.
[34] 王超越,郭先华,郭 莉,等. 基于FLUS-In VEST的西北地区土地利用变化及其对碳储量的影响:以呼包鄂榆城市群为例[J]. 生态环境学报,2022,31(8):1667−1679. WANG Chaoyue,GUO Xianhua,GUO Li,et al. Land use change and its impact on carbon storage in Northwest China based on FLUS-Invest:a case study of Hu-Bao-Er-Yu urban agglomeration[J]. Ecology and Environmental Sciences,2022,31(8):1667−1679.
[35] 杨潋威,赵 娟,朱家田,等. 基于PLUS和InVEST模型的西安市生态系统碳储量时空变化与预测[J]自然资源遥感,2022,34(4):175−182. YANG Lianwei,ZHAO Juan,ZHU Jiatian et al. Spatial-temporal change and prediction of carbon stock in the ecosystem of Xi’an based on PLUS and InVEST models[J]. Remote Sensing for Natural Resources,2022,34(4):175−182.
[36] 吴雪茜,周大伟,安士凯,等. 淮南潘谢矿区土地与水域演变趋势及治理对策[J]煤炭学报,2015,40(12):2927−2932. WU Xueqian,ZHOU Dawei,AN,Shikai et al. Evolvement trend of land and water systems in Huainan Panxie mining area and its countermeasures[J]. Journal of China Coal Society,2015,40(12):2927−2932.
[37] 胡炳南,郭文砚. 采煤沉陷区损害防治对策与技术发展方向[J]. 煤炭科学技术,2022,50(5):21−29. HU Bingnan,GUO Wenyan. Counter measures and technical development direction of prevention in coal mining subsidence area[J]. Coal Science and Technology,2022,50(5):21−29.
[38] 王琼杰. “双碳”目标下难改煤炭主体能源地位[N]. 中国矿业报,2021-07-19(001). -
期刊类型引用(2)
1. 李健,胡晋山,康建荣,舒文杰,王正帅,陈炳乾. 基于PLUS-InVEST的山西矿区土地利用变化动态模拟及碳储量评估. 金属矿山. 2025(04): 274-283 . 百度学术
2. 王坤,徐周,陈永,张严硕,宁洋. 基于FLUS模型的徐州市贾汪区土地利用碳储量演变分析. 农村经济与科技. 2024(19): 36-38 . 百度学术
其他类型引用(1)