人为引起的土地利用和土地覆盖（LULC）变化极大地影响全球碳循环。合理优化LULC，充分利用陆地植被，有利于协调碳减排和社会经济发展。为此，本研究开发了一个低碳 LULC 空间优化的多目标框架，该框架结合了碳适宜性、历史适宜性和社会经济需求，适用于中国湖北省。主要发现包括：（1）考虑植被碳汇的空间变化，到2030年可显著减少2.75×106 tC，到2060年可减少7.68×106 tC。到2030年，它还将降低单位国内生产总值（GDP）的碳排放量，并增强单位植被的碳封存，这意味着碳减排效率的提高。（2）结合碳封存潜力和历史适宜性可以在维持社会经济增长的同时大大减少排放。与仅基于历史发展规律的策略相比，本研究的方法可以减少碳排放约1.3-1.6×106 tC⋅a-1。（3）针对不同的LULC提出了有针对性的低碳发展建议。本研究为以低碳发展为目标的区域LULC规划提供了最佳的空间LULC分配和战略建议，证明了在区域尺度上协调碳减排和社会经济增长之间紧张关系的可行性。
（1）研究提出了一个多目标优化框架，用于区域土地利用分配，该框架充分考虑了碳适宜性、历史适宜性和社会经济需求，以实现低碳发展。
（2）研究通过充分利用陆地植被来减轻碳排放，为区域土地利用规划提供了优化的空间配置和战略建议，旨在实现低碳发展。
（3）研究发现，将碳封存潜力和历史适宜性整合起来可以显著减少排放，同时保持社会经济增长。
（4）研究为不同的土地利用和土地覆盖（LULC）提出了针对性的低碳发展建议。
1. 结果
1.1碳适宜性和历史适宜性
1.1.1 历史适宜性
图3a阐明了21个驱动因素对LULC的重要性。社会经济、气象、地形和土壤属性这四个因素类别的重要性分别为0.31、0.24、0.28、0.18。2010年至2020年，地形、土壤和社会经济因素保持稳定，而气象因素，包括温度、降水、潜在蒸散量(PET)、漫辐射分数和太阳辐射，变化很大。这些变化已纳入2030年和2060年历史适宜性计算中。图3b显示了 11 个 LULC 的历史适宜性地图。四种自然植被土地利用和覆盖范围受气象和地形因素的影响很大。因此，落叶阔叶林（DBF）、混交林（MF）、木本稀树草原（WSA）和稀树草原（SAV）的高历史适宜性区域从高海拔到低海拔依次下降。
1.1.2 碳适宜性
根据对净生态系统交换（NEE）预测的13个驱动因素的特征重要性分析（图4a），叶面积指数（LAI）、月太阳辐射和坡度将发挥重要作用。图4b展示了这些因素如何影响NEE。NEE将随着温度升高而增加，但随着每月 PET、辐射和LAI的增加而大幅减少。此外，随着每月扩散分数的增加，NEE将稳步下降。随着两个氮沉降因子（NHx 和 NOy）和斜率的增加，NEE将呈现波动下降趋势。
图4c显示了2030年和2060年四种自然植被LULC潜在碳排放的空间分布，平均潜在排放量如表2所示。MF的碳固存最高，而SAV的碳固存最低。从空间上看，神农架林区接收的太阳辐射最强，因此潜在封存能力最高。西部山区和东部丘陵地区的气温、降水量和PET更有利于植被固碳。相比之下，中部地区的生态系统呼吸更强烈，温度和PET更高，导致潜在的封存量更低。与历史适宜性不同，碳封存潜力受气象因素的影响比受地形因素的影响更大。不同植被类型的历史适宜性随海拔高度呈阶梯式分布，而高碳汇潜力区均匀分布在神农架林区附近。
1.2 多场景下多目标LULC分配
1.2.1 优化结果
本研究根据2030年和2060年气候条件对应的2020年LULC模式，在计算碳排放和GDP的基础上，对未来两个时期的四种情景进行了比较，如表3所示。与基线情景相比，由于建设面积扩大，其中，只有S1实现了减排目标，2030年减排4.78%，2060年减排18.55%。2030年，除S3外，所有情景单位GDP碳排放量均下降。到2060年，S1是唯一呈现省级碳排放量和单位GDP碳排放量下降的情景。总体而言，虽然S1在碳减排方面是最有效的，但就当前社会经济发展而言，相关成本往往是不可接受的，GDP增长明显落后于其他情景。尽管实现了最高的经济增长，但与其他情景相比，S3的增长相对有限。随之而来的是碳排放量的显著激增，这可以被视为过去粗放式发展模式的体现。与其他场景相比，S2优先考虑历史适用性。与S2相比，S4不仅保持了GDP增长的持续增量，而且还减少了约1.3–1.6 × 106 t C⋅a−1 的碳排放。此外，它具有很高的历史适用性和兼容性价值，从而代表了平衡各种发展目标的和谐解决方案。
1.2.2 碳排放格局
图6展示了2020年至2030/2060年各省碳排放的空间分布及其变化，以及不同LULC之间碳排放的转变。绿色表示碳汇增强，灰色表示无明显变化，红色表示碳排放增加。在S1中，植被LULC的碳固存显著增加，而农田（ CRO ）则导致中等水平的排放增加。同时，S2和S4排放量增加情况相似，主要集中在建设用地，封存增加区域主要位于西北地区。S3排放增加地区较多，特别是中原建设地区。与2030年相比，2060年碳通量转化更大，碳汇从高海拔地区向中高海拔地区转移。
从不同LULC之间的碳通量转换来看，S1固碳量的增加主要是由于低固碳潜力植被向高固碳潜力植被的转变。与S1相比，S2和S4在植被和建筑区域表现出更大的转化。S3碳排放量的增加主要归因于CRO向城市建设区（UCA）和工业和交通建设区（ITCA）的过渡。2060年总体趋势与2030年基本一致，变化幅度更大。
2. 讨论
2.1 考虑空间碳排放异质性进行合理优化
陆地生态系统碳汇及其稳定性受到多种因素及其相互作用的影响，如大气CO2浓度、氮沉降，气候波动，和 LULC。综合了 1119 个操纵实验，发现变暖、二氧化碳和氮输入的增加始终加速碳循环过程，而降水减少则减缓碳循环过程。这些驱动因素表现出空间异质性，例如，平均降水量和气温普遍随纬度的增加而降低，并且受地形影响较大，从而表现出互补的空间分布特征。研究结果表明，生态系统固碳对环境因素高度敏感（图4a和b）。因此，同一植被的固碳能力在不同地点可能存在显著差异（图4c）。事实上，碳固存的区域差异有时可能超过不同植被类型之间的差异。
一些研究利用固定的固碳系数，忽略了碳汇的空间异质性。研究量化了四种植被类型的碳封存潜力（图 4）。充分利用不同陆地生态系统的碳汇潜力可以实现更高的碳减排量（表3）。例如，WSA通常位于中海拔山区，如果优化仅依赖于历史适宜性，则可能无法充分发挥其封存潜力。此外，实践实施必须平衡优化目标与该地区的历史发展模式。一个地区内的最佳条件通常会设定碳封存的理论极限，但这可能并不总是可行的。通过结合优化标准和适宜性信息，本研究有效地解决了当前LULC模式和优化目标之间的权衡，从而开发了有效的LULC布局。
2.2 有针对性的LULC发展战略
LULC以多种方式影响碳排放，因此需要制定定制的低碳发展战略。森林承担着大部分的生态固碳功能，植被结构对区域碳汇影响很大。2030年优化结果（图5）强调保护自然植被、根据碳适宜性而不是历史适宜性选择合适的公益林树种以及防止森林转型的重要性。这与其他研究一致，表明中国可以利用大约0.6Pg C⋅a−1的森林碳汇潜力。此外，到2060年，扩大造林将导致森林占据的地区碳固存潜力低于基本情景（图5和图6）。这种转变将导致自然植被单位面积固碳效率显著降低（表4）。因此，植树造林并不是减碳的灵丹妙药；应辅之以其他碳减排方法，特别是防止具有高碳固存潜力的森林减少。与湖北省一样，其他地区的高碳汇地区主要集中在城市化程度较低、人口较少的山区和丘陵地区。应优先恢复高固碳潜力的自然植被和造林，平衡生物多样性和水土保持。
建设用地是碳排放的主要来源。本研究优化结果表明，在社会经济效益优先的情景下，建设用地将从经济发达地区扩大到整个地区。其他场景也看到了UCA和ITCA的扩展（图5）。碳排放的溢出效应可以显著增加地区碳排放量（图6）。然而，城市化水平与碳排放并不同步。因此，必须合理优化建设用地布局和规模，从传统的粗放型模式转向质量型模式，统筹生态和社会经济考量。图5b显示，现有UCA的很大一部分是从RCA转化而来的，应将其重新调整为低碳LULC，以平衡区域碳排放，特别是在高海拔地区。此外，碳排放从发达地区向欠发达地区溢出。发挥高度发达的中部地区的辐射效应，加强与资源丰富的周边地区的联系，可以实现区域减排的协同效应，带动周边地区的经济发展。而且，建设用地与碳汇之间的关系并不存在本质上的矛盾。一些研究提出将光伏发电与城市屋顶植被结合作为碳减排的解决方案，每年减排潜力为4-5亿吨，减排潜力为400亿吨。
在四种情景中，耕地减少主要发生在西部和东部山区和丘陵地区，这些地区的耕地被转化为不同的自然植被以增加碳固存。相比之下，中部地区的耕地主要转变为不同的建设用地，特别是在社会经济优先情景下（图5b）。近二十年来，由于粗放式扩张的高投入、低效率，农业碳排放急剧增加。因此，建议在保障粮食安全的同时，对部分耕地退耕还林或建设用地，并推动剩余耕地的集约化和机械化。
由于各种废水造成的富营养化，湿地和水体的碳排放增加，与经济和社会发展呈正相关。建议保护自然水域，减少化肥和农药的使用，利用生态友好的物种和饲料，特别是天然饵料资源，并促进稻渔和鱼菜共生养殖，以实现可持续发展, 降低碳排放。
目前的研究有几个局限性，未来的研究可以解决。在数据层面，与数据相关的错误是不可避免的。虽然LAI与碳封存高度相关，但预测其未来的空间分布仍然具有挑战性。对每种LULC类型使用恒定的LAI可能会在估计碳封存时引入不准确性。虽然这项研究对自然植被进行了碳封存考虑，对建设用地进行了碳排放分类，但它没有考虑湿地和农田的碳潜力，需要在其他地区进一步深入探索。不同类型耕地的碳排放也在此考虑范围内。此外，一些研究采用兴趣点（POI）数据对建设用地进行分类，这对于详细的碳排放分析至关重要。在方法层面，优化目标的主观权重分配可以通过纳入更多客观因素或方法来增强，如TOPSIS或NSGA-II。此外，本研究假设国内生产总值和LULC变化之间以及碳排放和LULC变化之间成正比。然而，GDP和碳排放之间存在规模效应和空间相关性，涉及复杂的机制和定量关系，有待进一步探索。最后，本研究的框架可以扩展到其他地区或未来场景中的应用。扩大到国家或全球层面可以有助于划定碳排放潜力边界，并确定最佳LULC转型的区域。未来的气象数据，如来自CMIP6的数据，将在更广泛的空间尺度上更加有效。
初审：梁笑嫣
审核：徐彩瑶
排版编辑：陈 楠
文献推荐人：陈 楠
参考文献：Nannan Wang, Zijian Yue, Zhaomin Tong, Yaolin Liu, Yanfang Liu,A multi-objective optimization framework for regional land-use allocation: Fully utilizing terrestrial vegetation to mitigate carbon emissions,Journal of Cleaner Production,Volume 479,2024,144058,ISSN 0959-6526.
以上内容仅代表个人对文章的理解，详情请点击阅读原文。
推荐阅读
探索基于自然的生态文明解决方案，助力实现“双碳”战略目标，协同推进人与自然和谐共生与全体人民共同富裕的中国式现代化建设，让我们一起加油！
