【Land Use Policy】基于SD-FLUS模型的低碳土地利用多情景模拟

文摘   2024-12-09 06:59   湖北  
关注+星标🌟,好文及时看
应众多读者的需求和建议,遥感地理视界创建了学习交流群,想加入交流的可扫描下方二维码添加。请进群后按照群公告备注如“学位-学校(或机构)-昵称”格式(详情请查看公众号置顶推文)。

(一)文章信息
  • 标题:Multi-scenario simulation of low-carbon land use based on the SD-FLUS model in Changsha, China

  • 期刊:《Land Use Policy》(中科院1区Top, IF=6.0)

  • 作者:Shenglan Ma, et al.

  • doi:10.1016/j.landusepol.2024.107418

(二)研究背景
随着全球气候变暖问题日益受到关注,土地利用作为影响碳排放的重要因素,其结构优化不仅能降低碳排放,还能提高土地利用效率。然而,现有研究多集中于静态线性规划分析,忽视了土地利用空间结构对碳排放的影响,对于土地利用、低碳目标和经济效益的综合模拟优化研究相对有限。本研究以中国长沙为例,通过耦合系统动力学(SD)模型和未来土地利用模拟(FLUS)模型,在三种不同情景下模拟土地利用变化和净碳排放,以期为土地利用和城市可持续发展提供规划策略。中国作为全球最大的碳排放国和能源消费国,土地利用变化导致的碳排放占人为碳排放的30%以上,因此,分析土地利用与碳排放的关系,对通过土地利用调整实现碳减排至关重要。

(三)研究数据与方法
数据来源包括2015年和2020年的土地利用数据、地理位置因子数据、自然环境因子数据和社会经济数据。研究构建了SD-FLUS模型,其中SD模型用于预测不同情景下的土地利用需求和碳排放,而FLUS模型用于模拟考虑多重因素的土地利用分布。SD模型包括社会经济子系统、土地利用子系统和碳排放子系统,通过反馈控制理论模拟未来土地利用需求和碳排放。FLUS模型则结合人工神经网络(ANN)和元胞自动机(CA)模型,通过BP-ANN算法计算土地利用类型的适宜性概率。研究设计了三种情景:基准发展(BD)、快速经济发展(RED)和协调发展(CD),以模拟和预测长沙到2030年的土地利用和碳排放。

(四)研究结果

研究结果显示,SD-FLUS模型在预测土地利用需求、模式和净碳排放方面具有准确性。到2030年,三种情景下的土地利用需求变化趋势相似,农用地、草地和水域面积减少,而林地、未利用地和建设用地呈现不同程度的扩张。在协调发展(CD)情景下,土地利用模式最为理想,建设用地增长率放缓且分布紧凑,林地增长更快且布局连片,景观破碎度总体下降,不同土地类型分布更加均衡。这导致净碳排放在2021年达到峰值后逐渐下降,与2020年相比减少了243万吨。具体来看,基准发展(BD)情景下,建设用地面积到2030年将比2020年增加23%,而快速经济发展(RED)情景下,建设用地面积增长更为显著,到2030年增加了27.27%。相比之下,协调发展(CD)情景下,建设用地面积仅增加了21.69%,且碳排放在2021年达到峰值后逐年减少。此外,研究还发现,尽管建设用地持续增长,但通过提高能源效率和促进土地集约化,CD情景下净碳排放在2021年后逐年减少。

(五)研究结论

本研究通过耦合SD模型和FLUS模型,提出了一种多情景模拟方法,平衡低碳土地利用与经济效益。研究结果表明,通过合理调整土地利用结构和发展经济模式,可以最小化碳排放,为中国大城市的土地利用和可持续发展提供规划策略。研究强调了从新的角度合理配置土地资源的重要性,这对于通过土地利用增加碳汇、减少碳排放具有重要意义。研究还扩展了传统的低碳土地利用模拟理论和方法,为中国在调节经济社会发展模式的同时合理规划土地利用、减少碳排放提供了实践政策建议,对于发展中国家提高碳效率和实现碳减排目标具有参考价值。研究限制在于,碳排放的量化可能与实际值存在差异,未来研究可通过实地调查和问卷调查等方法收集和调整碳排放数据,以实现更精细的土地利用和碳排放模拟预测。

文章来源 :

Ma, S., Huang, J., Wang, X., & Fu, Y. (2025). Multi-scenario simulation of low-carbon land use based on the SD-FLUS model in Changsha, China. Land Use Policy, 148, 107418.

免责声明 :

本公众号发布的内容仅供学习交流使用,内容版权归原作者所有。如有侵犯您的权益,请及时与我们联系。


END

点击关注

| 回复“1093获取全文

关注后记得加🌟

| 期待下一次相遇


往期推荐

【JAG好文推荐】基于Sentinel-1 SAR图像的极化与空间信息多尺度机器学习洪水映射方法

2024-12-05

TGRS好文推荐】MGPACNet: 用于图像融合分类的多尺度几何先验感知跨模态网络

2024-12-04

【ISPRS好文推荐】PolyR-CNN:用于端到端多边形建筑物轮廓提

2024-12-03

遥感地理视界
致力于分享遥感科学、地理科学、深度学习相关的最新前沿的顶刊文章。分享数据建模/软件操作/论文绘图等相关知识。文章和科研学术推广欢迎来稿,联系方式:eco_rs_gis@163.com或VX: ECO_RS_GIS 感谢您的关注!
 最新文章