1.简介
全球气候变化，由二氧化碳（CO）等温室气体（GHG）排放引起2) [1,2]极大地影响了生态系统的进程和模式[三,4]对全球生态、人类生存和经济发展具有不可预测的影响，已成为全人类面临的主要挑战之一[5,6,7]. 随着工业化步伐的加快，经济发展动力正逐步从农业转向工业和服务业，城市化水平不断提高，导致土地利用/覆盖变化剧烈，不仅对陆地生态系统功能产生重大影响，也直接影响陆地生态系统的碳储量[8,9,10]. 陆地生态系统碳储量的变化对全球生态系统的碳循环、二氧化碳浓度具有深远影响2大气和全球气候变化[11]. 目前，缓解气候变化和温室效应的最环保、最有效的节能方法之一是增加陆地生态系统的碳储量，因为这将减少CO的数量2并在减缓全球变暖方面发挥重要作用[12,13]. 森林作为陆地生态系统的主体，其碳储量是陆地生态系统中最高的，不仅调节全球碳平衡，改善和维护区域生态环境[14,15]但森林生态系统碳储量的变化在很大程度上影响着陆地生态系统碳贮量的变化[16]. 然而，人类活动和气候变化造成的森林退化和毁林对可持续发展构成了重大挑战。2015年，“改变我们的世界：2030年可持续发展议程”提出了17项可持续发展目标，旨在以综合方式解决发展的三个方面——社会、经济和环境。其中，可持续发展目标15：陆地上的生命，旨在保护和恢复陆地生态系统，如森林、湿地、旱地和山区生态系统，并促进森林的可持续管理和制止毁林，这有助于增加森林生态系统的碳储存量和缓解气候变化[17]. 作为世界上最大的发展中国家，中国在过去几十年中经历了前所未有的城市化和显著的景观变化[18]城市化率从17.92%大幅提高到59.58%[19]. 快速的经济发展和密集的土地开发导致陆地生态系统的碳储量稳步减少，这也进一步加剧了气候变暖[20,21]尤其是广东等改革开放前沿省份。根据《中国森林资源报告》，广东省人均森林覆盖率仅为0.15公顷。此外，2018年广东省乔木林面积为780.98万公顷，幼林比例较大，达到51.29%。随着中国碳中和目标的提出，提高陆地生态系统的碳储存和碳封存能力已成为各学科研究的热点问题。事实上，早在1999年，中国就启动了退耕还林工程（GCP），旨在通过将耕地转为林地来增加森林覆盖率和减轻土壤侵蚀[22,23]. 在过去20年中，中国的全球绿色合作伙伴关系为全球净增加的绿地面积贡献了4%以上，其中森林贡献了42%的绿地面积[24]. 因此，准确评估LUCC和陆地生态系统特别是森林生态系统碳储量的未来变化，对于优化区域生态系统的服务功能和制定可持续社会经济发展政策至关重要[25,26]. 以往的研究表明，影响生态系统碳储量的土地利用变化受到气候变化和社会经济发展的综合影响[27,28]. 最新的耦合模型相互比较项目6（CMIP6）表明，通过耦合共享社会经济路径（SSP）和代表性浓度路径（RCP），它可以为研究人员提供多种未来全球气候变化情景[29,30]，可用于预测未来LUCC、碳储量变化和生态系统服务的动态分布等。例如，一项研究使用基于情景的土地利用变化评估框架模拟中国的土地利用需求和土地利用的空间分布[31]. Wang等人[28]已将系统动力学（SD）模型、斑块生成土地利用模拟（PLUS）模型和生态系统服务与权衡综合评估（InVEST）模型集成到一个框架中，以模拟城市层面LUCC和碳储量的动态分布。另一项研究预测了2015年至2070年间三种SSP-RCP情景下的全球土壤侵蚀率，并评估了未来的全球土壤调节服务[32]. 此外，Li等人[33]基于未来土地利用需求，模拟了SSP-RCP情景下中亚地区土地利用的时空分布，并综合评价了该地区生态系统服务水平。然而，这些研究大多集中在全球、国家或城市尺度上的土地利用/覆被变化的动态，这些方法对于区域尺度上环境变量对土地利用/覆盖被变化的影响可能无效，包括人口、经济和气候变量。因此，在区域范围内评估未来土地利用/覆被变化和生态系统碳储量变化仍然存在很大的不确定性。 当前土地利用模拟模型——如CA（细胞自动机）——马尔可夫模型[34]，ANN-CA模型[35]，CLUS-S模型[36,37]和FLUS模型[33,38,39]-被广泛应用于模拟LUCC的空间分布。然而，这些模型有一定的局限性，即不允许以动态时空方式模拟多种土地利用类型，特别是自然土地利用类型；也不能有效识别影响土地利用变化的因素，这限制了土地利用变化模拟在未来气候变化情景下的应用。最近开发的PLUS模型保留了CA模型的自适应惯性竞争和轮盘赌竞争机制的优势，可以结合未来的预测变量，通过随机森林（RF）算法计算每种土地利用类型的发展潜力，从而更准确地模拟土地利用分布的变化[40]. 此外，InVEST模型由于输入参数简单、通用性和稳定性高、可信度高，被广泛用于研究LUCC的动态分布对陆地生态系统（包括森林生态系统）碳储量的影响[28,34,39]. 然而，以前的研究假设森林碳密度不随时间变化，而是一个常数[33,34,41]这显然与客观事实不符[42]，并影响森林生态系统碳储量模型预测的准确性。因此，有必要获得未来森林碳密度值的准确估计值，并将其用作InVEST模式的输入参数，因为这可以提高森林生态系统碳储量估算的准确性。事实上，PLUS模型和InVEST模型的结合可以更准确地估计LUCC引起的陆地生态系统碳储量的变化。 在本研究中，我们使用PLUS模型和InVEST模型的集成仿真框架，基于未来人口、经济、气候变量和土地利用需求，在SSP-RCP（SSP126、SSP245和SSP585）三种情景下，模拟了研究区域LUCC的时空分布格局，并定量评价了碳储量的分布变化。特别是，我们的目标是：（1）基于PLUS模型模拟2020年至2060年广东省LUCC的空间分布；（2） 分析各驱动因素对LUCC分布的影响；评估了不同气候变化情景下研究区生态系统碳储量的时空分布格局。总的来说，这项工作的结果提供了一个新的见解，可以为决策者提供研究区域未来土地资源重新分配和社会经济发展政策的建议，并提供数据支持增加森林固碳和实现碳中和目标。
2.材料和方法
2.1. 研究区域
研究区域为广东省，位于中国东南沿海地区，范围为20°13′N–25°31′N和109°39′E–117°19′E，总面积179725 km2(图1). 广东省地势北高南低，从粤北山区到南部沿海地区地势逐渐降低，呈现出北有山的地貌特征[43]中部为丘陵，南部主要为平原。在过去的四十年里，广东省的森林面积从59840公里增加了21980年至105241公里22020年，年均增长1.90%，森林覆盖率58.66%[44,45]. 此外，根据中国森林资源报告（2014-2018），全国森林覆盖率为22.96%，森林面积为220万公里2广东省森林覆盖率排名第八，福建省和江西省排名前二[46]. 2018年，广东省可绿化面积12042公里2如果广东省所有可绿化区域都进行人工造林，广东省的最大森林覆盖率可能达到65.26%，从2020年起可能增加近6%。相比之下，到2020年，广东省耕地面积为25941公里2减少了15320公里2与1980年相比[44]. 广东省的土壤类型包括石灰岩土、紫色土、潮土、腐殖热铁质土、红壤、红壤和黄壤等[47]. 作为中国最大的经济省份，广东省2020年常住人口为1.26亿，地区国内生产总值（GDP）达到11.07万亿元，比去年同期增长2.3%[44]. 总的来说，随着GDP的增长，碳排放量会增加，庞大的人口和GDP可能代表着巨大的人均碳排放量[48]. 受东南季风和西南季风的影响，广东省的气候从北到南分别为中亚热带、南亚热带和热带气候[42]. 广东省年平均气温为22.3°C。1月的平均温度约为16°C至19°C，7月为28°C至29°C。广东年均降水量在1300~2500毫米之间，全省平均为1777毫米。降雨的空间分布基本上也呈现出北低南高的趋势。充足的水热条件造就了广东省丰富的植被和植被群落，包括北部热带季节性雨林、亚热带季风常绿阔叶林、中亚热带典型常绿阔叶林、沿海热带红树林、灌丛和草地等[42]. 为实现碳排放峰值和碳中和目标，广东省制定了“十四五”发展目标和指标：建设规则趋同示范区、高端要素集聚区、科技产业创新源，内外循环联动区、安全发展支撑区，率先探索有利于形成新发展格局的有效路径。事实上，陆地生态系统碳储量的稳步增加是实现碳中和目标的有效途径之一[28]. 2.2. 数据采集和预处理
这项工作的数据包括LUCC数据、社会经济数据和气象数据。本研究中使用的空间数据的数据源如所示表1具体而言，2000年、2010年和2020年的LUCC数据是从中国国家地理信息中心生成的GLOBELAND30数据集（30 m空间分辨率）中获得的(http://www.globallandcover.com，于2021年12月27日访问）。我们从中国科学院资源与环境科学数据中心获得了GDP、人口密度和土壤类型数据（均具有1km的空间分辨率）(https://www.resdc.cn，于2021年12月28日访问）。从地理空间数据云的ASTER GDEM 30 m数据集获得了数字高程模型（DEM）数据（空间分辨率为30 m）(网址：http://www.gscloud.cn，于2021年12月27日查阅）。坡度数据是通过ArcGIS 10.7软件处理DEM数据获得的。 2.3. 方法
本文的研究框架由两部分组成：模拟LUCC数据的PLUS模型和估算生态系统碳储量的InVEST模型(图2). 具体而言，我们使用PLUS模型，基于不同SSP-RCP情景下的人口、GDP、温度和降雨量数据，模拟了2020年至2060年广东省LUCC的分布，并使用InVEST模型评估了LUCC引起的生态系统碳储量的时空变化。 2.3.1. 基于CMIP6的未来气候情景
耦合模式相互比较项目（CMIP）已分五个阶段发展成为一项主要的国际多模式气候研究活动[50,51,52]它不仅开创了气候科学研究的新纪元，而且促进了国家和国际气候变化评估[29]. 与CMIP5相比，CMIP6结合了不同的SSP-RPC场景[53,54]强调不同社会经济发展模式对气候变化的驱动作用[30,33]. 为了考虑一系列可能的未来，我们使用了三个SSP RCP的模拟：SSP126（SSP1和RCP2.6的综合场景）：走绿色道路的可持续性，这是一种低温室气体排放水平的可持续社会经济发展，并强调更具包容性的发展。土地使用受到严格管制，例如，林地得到很好的保护。SSP245（SSP2和RCP4.5的综合场景）：中间道路，代表世界走社会经济和技术发展的中间道路，温室气体排放水平中等。土地利用变化没有得到完全控制，即林地仍有可能遭到破坏，尽管概率随着时间的推移而缓慢下降。SSP585（整合SSP5和RCP8.5场景）：高端强制路径，其特点是快速的资源密集型发展和物质密集型消费模式，以及极高水平的化石燃料使用和高温室气体排放[55,56]. 在这项工作中，我们考虑了未来气候变化情景中影响LUCC的四个驱动因素，包括人口、GDP、温度和降雨量。人口[57]和GDP[58]数据分别来自单一共享平台未来气候变化情景的千米级网格数据。以前的研究[59]已经根据MRI-ESM2-0模型为SSP126、SSP245和SSP585情景提供了未来的温度和降水数据[60]. 2.3.2. CMIP6提供的不同场景下LUCC的仿真
PLUS模型是一个未来土地利用/覆盖变化的模拟模型，与基于土地扩展分析策略（LEAS）模型和基于多类型随机斑块种子（CARS）模型的CA的规则挖掘框架相结合[40]. 首先，LEAS模型对两个时期的土地利用数据进行叠加，从后期土地利用数据中提取状态发生变化的图像元素，表示每种土地利用类型的变化区域，然后利用RF算法探索每种土地利用类型与多种驱动因素之间的关系，得出每种土地使用类型的过渡规律，即每种土地用途类型的发展潜力。在LEAS模型中，回归树的数量是指RF生成的树的数量，采样率默认为0.01，表示1%的像素将用于模型训练，mTry是驱动因子的数量[40]. 在这项工作中，经过多次实验，回归树的数量、采样率和mTry分别为50、0.01和16。 随后，为了模拟多种土地利用类型的演变，CARS模型将传统CA模型与斑块生成和阈值递减机制相结合，根据可用的LUCC数据和每种土地类型的发展潜力进行未来土地利用模拟。当单个土地利用类型的邻域效应等于零时，该机制为每种土地利用类型开发概率生成“种子”。随着开发潜力的限制，PLUS将自动生成模拟补丁[40]. 以往的研究表明，PLUS模型可以将各种空间因素的影响与地理单元的动态相结合，模拟土地利用变化，以获得更高的精度和更真实的景观格局[28,61]. 不同气候变化情景下LUCC需求(图3)根据历史土地利用数据（即2000年、2010年和2020年广东省土地利用变化系数数据）进行估算[33]和马尔可夫链方法[62,63]，并将其用作PLUS模型的未来土地利用需求输入参数。2020年的历史数据用于评估土地使用需求的准确性。此外，影响LUCC的16种因素(图4)作为预测变量（包括人口密度、GDP、到政府的距离、到居民点的距离、距离水源、距离火车站、距离高速公路、距离其他道路、DEM、坡度、土壤类型、温度和降雨量）输入到RF模型中，以确定每种土地利用类型的发展潜力。然后，基于2000年和2010年LUCC数据以及上述16个驱动因素，运行PLUS模型，获得2020年LUCC的模拟结果，并与2020年的实际LUCC数据进行比较(图5)用于评估模型的准确性。综合精度和Kappa系数用于评估PLUS模型的模拟精度。如果模拟结果的准确性足够，则将2020年至2060年广东省不同情景下的驱动因素和土地利用需求（以10年为间隔）输入PLUS模型，以基于2020年LUCC数据预测未来土地利用分布的时空变化。 2.3.3. 基于InVEST模型的碳储量估算
InVEST模型的碳储量和封存模块可以在空间上直接整合土地利用变化和陆地生态系统碳储量动态，从而可以评估过去和现在土地利用变化对研究区域陆地生态系统碳汇的影响，模拟未来土地利用变化情景下陆地生态系统碳储量的变化[37,64]. 具体而言，InVEST模型基于每种土地利用/覆盖类型的四个碳库（地上、地下、土壤和死有机物）的平均碳密度，并乘以其相应面积来计算生态系统碳储量[34]. 碳储量的计算公式为哪里我代表土地利用类型，C类我表示每种土地覆盖类型单位面积的总碳储量（kg/m2),C类在上面是地上碳密度，C类在下面是地下碳密度，C类土壤是土壤有机碳密度C类死去的是死有机碳密度。C类全部的是生态系统的总碳储量和A我是每种土地覆盖类型的面积。我们从先前的研究中获得了不同土地利用类型的四个碳库的碳密度数据(表2) [42,45,65]，其中C类土壤指1m深处的土壤有机碳密度。值得注意的是，森林碳密度数据不是恒定的，根据之前的研究，我们获得了广东省森林碳密度（包括地上和地下碳密度）每十年1.96%的增长率[42,45]. 此外，我们评估了封存一吨碳的经济价值（1284.63元人民币，来源于CO的社会成本2=349.88元人民币），假设碳价格的年变化率为零，市场贴现率为3%[41]. 3.结果
3.1. 不同场景下LUCC仿真及精度评估
利用2000年和2010年的土地利用变化曲线数据，利用PLUS模型对2020年的土地使用状况进行了模拟，并将模拟结果与2020年的实际土地利用变化数据进行了比较。评估结果表明，PLUS模型的总体精度为93.34%，Kappa系数为0.89，表明PLUS模型具有较高的模拟精度，可以可靠地应用于预测未来LUCC[33]. 随后，2030年、2040年、2050年和2060年LUCC的时空分布(图6)根据2010年和2020年的土地利用需求和LUCC数据，使用PLUS模型模拟了不同气候变化情景下的土地利用状况，各类型土地利用的统计数据如下所示表3结果表明，不同气候变化情景下LUCC数据的分布存在显著差异。具体而言，在SSP126情景下，耕地、草地和灌木丛均呈现不同程度的减少。相比之下，人工地表面积迅速增加，侵占了以前的耕地和草地面积。林地得到有效保护，面积由95939.51公里增加22020年至103583.88公里22060年，增长率为每十年1.84%。此外，湿地面积缓慢减少，而水和其他土地类型基本保持不变。 在SSP245情景下，耕地、草地和灌丛的扩张模式与SSP126情景相似，但下降趋势较慢；然而，其增长速度也放缓至每十年仅1.58%。人工地表略微加速膨胀，水体和其他土地类型通常与SSP126情景相似。
与其他情景相比，在SSP585情景下，耕地面积从2020–2040年的减少趋势变为2040–2060年的增加趋势。由于人工地表的快速扩张，林地保护不力，其面积呈下降趋势，减少8898.22公里2到2060年。在SSP585情景下，广东省的人工地表扩张速度最快，2060年的人工地表面积比2020年扩大了近1.7倍。
3.2. 碳储存的时空模式
3.2.1. 陆地生态系统碳储量的时空变化
利用InVEST模型评估了2020年至2060年广东省不同情景下LUCC引起的陆地生态系统碳储量变化(图7). 不同情景下碳储量的显著差异(表4). 在SSP126和SSP245情景下，碳储量持续正增长，并保持持续增长的趋势。碳储量从2020年的240.89 Tg增加到2060年的247.16 Tg（SSP126）和245.33 Tg（SSP245），分别增加了6.27 Tg和4.44 Tg。与SSP126情景相比，SSP245情景下碳储量的增加略低。而SSP585情景下碳储存呈负增长并持续下降，从2020年的240.89 Tg降至2060年的226.54 Tg，总减少14.35 Tg。 如中所示图7，在SSP126情景下，碳储量增加的区域主要位于广东北部和西部，林地面积保持增长。碳储量减少的地区主要是人工地表扩张区，耕地和草地遭到破坏。SSP245情景下的碳储量变化与SSP126情景类似，SSP245场景下碳储量略有增加，这是由于SSP245情境下主要影响陆地生态系统碳储量变化的林地面积较小所致，在SSP585情景下，碳储量减少的面积明显增加，且显著大于碳储量增加的面积，减少的面积主要分布在人工地表扩张和林地减少的区域。 此外，陆地生态系统在不同情景下碳封存的经济价值如所示图8，单位为每个网格单元的货币价值（人民币）。正值表示碳被隔离，负值表示碳流失到大气中。根据《京都议定书》的经济观点，森林所有者应在减少碳排放的同时实现收入[41]. 在这项研究中，对未来和当前的碳封存一视同仁，假设封存碳的贴现率和社会价值是恒定的，这有助于获得任何特定年份的封存碳的净现值（NPV）。在SSP126和SSP245情景下，2020年至2060年间，广东省碳封存的总经济价值分别为80.5亿元和57.0亿元人民币。根据SSP585情景，2020年至2060年期间，广东省因碳损失造成的经济价值损失约为184.3亿元人民币。这种以货币价值表示的生态系统服务功能可以有效地提高人们对生态系统和生物多样性重要性的认识，并将其传达给决策者[41]. 3.2.2. 森林生态系统碳储量的时空变化
本文认为，森林生态系统的碳储量约占陆地生态系统碳储量的78%。因此，我们分别评估了土地利用变化对森林生态系统碳储量的影响(表5). 结果表明，在三种情景下，森林生态系统碳储量的变化模式与陆地生态系统相似，但比陆地生态系统更剧烈。到2060年，在SSP126和SSP245情景下，森林生态系统碳储量分别增加17.64 Tg和15.34 Tg，每年增加0.44 Tg−1和0.38 Tg年−1分别是。在SSP585情景下，森林生态系统碳储量略有增加，然后迅速减少，总减少11.64 Tg。此外，到2060年，森林生态系碳储量占陆地生态系统碳储存的83.38%（SSP126情景）。在SSP585情景中，人工地表的快速扩张侵占了之前的林地、草地、湿地等，导致陆地生态系统碳储量总减少14.35 Tg(表4)，林地破坏导致的碳储量减少占总碳储量减少的81.05%。显然，森林生态系统碳储量的变化在很大程度上决定了陆地生态系统碳储存的变化。 4.讨论
4.1. 各种驱动因素对LUCC的影响
在本研究中，我们在SSP126、SSP245和SSP585三种情景下评估了2020年至2060年广东省LUCC的动态分布。耕地、林地、草地和人工地表的扩张在三种情景中表现出显著差异。2060年四种土地利用类型增长驱动因素重要性排序[40]如所示图9三种情景下，耕地、林地、草地和人工地表重要性排名第一的驱动因素是一致的。 对于耕地，我们发现人口密度对耕地增长的影响最大。人口增长需要更多的粮食供应，并且随着一定数量的粮食生产，它需要额外的土地来供应粮食。此外，人口动态和经济增长在很大程度上决定了农业系统的未来发展[66]包括其他基本的社会经济条件，如作物和牲畜的技术变革[67]，农业技术投资[68]和农产品贸易[69]. 因此，不难理解耕地面积的变化受到人口增长的强烈影响[70,71]. 林地变化的主要驱动因素是海拔、人口和距水距离。一方面，广东省林地主要分布在粤北和粤西高海拔山区[42]; 另一方面，人口密度对森林的影响不容忽视，人口的膨胀不仅需要林地提供更多的林业产品，而且人们需要享受林地所附带的生态服务价值[72]. 此外，在自然因素条件下，水域很少转化为天然植被，林地往往会扩展到生态更健康的区域，这可能解释了为什么与水体的距离是林地生长的主要驱动因素之一[73]. 年平均气温、人口和离水距离是影响草地生长的主要因素。这表明草地对温度响应更敏感[39]受人类活动强烈影响的地区也会影响草原的生长[40]. 人工地表生长的驱动因素包括离水距离、人口密度和海拔。水域阻碍了城市扩展，通常通过侵占耕地、草地或其他土地利用类型来避免或包围水域[28,61]. 人口密度的增加意味着城市地区需要进一步扩大，以容纳更多的人生存。事实上，城市扩张通常受到海拔因素的影响，因为城市建设的难度和成本是由地形因素决定的。一般来说，城市扩展避免了山区的大地形起伏[61]. 从中可以观察到图6，扩大后的人工地表主要分布在地形起伏较小的地区，这与城市发展的总体格局是一致的。 4.2. LUCC对碳储存的影响
本文揭示了2020—2060年广东省不同气候变化情景下碳储量的空间分布，结果表明碳储量变化具有明显的空间异质性(图7). 碳储量的变化是气候变化、人口增长、经济发展和生态利益综合作用的结果。这一全面评估有助于我们更好地了解碳储存的未来变化，尤其是LUCC变化所带来的变化。 4.2.1. 对陆地生态系统碳储量的影响
正如预期的那样，林地、耕地和灌木丛比其他土地利用类型积累了更多的碳储量[39]. 在我们的研究中，碳密度最高的是林地，其次是耕地、灌丛和草地(表2). 不同情景下LUCC的分布存在显著差异，这也导致了陆地生态系统碳储量变化的空间异质性。总的来说，人工地表的扩张和森林面积的减少是陆地生态系统碳储量减少的最重要原因。在三种情况下，由于人工地表的扩张，陆地生态系统碳储量的减少可能高达186.45 Mg。通过提供更多就业机会和快速增长的GDP，城市扩张似乎有利可图，但从长远来看，这将减少区域生态系统的碳储量[74,75]. 因此，平衡城市扩张和生态保护是保持可持续发展的重要措施。 经济快速发展和城市化严重影响了区域生态系统的质量，导致林地、草地和灌木丛持续退化，进一步导致研究区陆地生态系统碳储量下降。这与之前的研究结果一致，即经济发展的加速将导致生态逐渐退化，并进一步导致陆地生态系统碳储量的持续下降[39]. 因此，提高社会经济发展质量，促进经济从“高速”发展到“高质量”，不仅可以提高区域生态系统服务的价值，而且可以增加生态系统中的碳储量[28]. 此外，快速的气候变化和未来社会经济和土地利用驱动因素的不确定性可能会导致非常不同的土地利用变化和基于土地利用变化的陆地生态系统碳储量变化的后果[66]. 减少化石燃料的使用，增加太阳能和风能等清洁能源的使用，将缓解全球变暖的影响，防止林地、草地和灌木丛的进一步退化，从而保持陆地生态系统碳储量的平衡。 4.2.2. 对森林生态系统碳储量的影响
图10显示了与2020年相比，不同未来情景下森林生态系统碳储量的变化，在SSP126和SSP245情景下，森林生态系统的碳储量逐渐增加，而在2030年，森林生态系碳储量略有增加，然后在SSP585情景下继续减少。具体而言，在SSP126情景下，预计5897.75 km2到2060年，将有%的耕地转为林地，增加了60.42 Mg的碳储量，这与之前的研究结果一致，即退耕还林生态工程可以通过耕地转林地显著增加中国土壤生态系统的碳固存[76]. 此外，1522.73公里2草地和426.26公里2灌木林将被改造为林地。总的来说，从退耕到林地的碳储量预计将增加84.36 Mg。稳定的气候条件和较低的社会经济发展将鼓励林地的扩张[77,78]以及其向生态健康地区扩张的倾向[73]. 因此，适度的城市扩张和较低的温室气体排放是增加区域森林生态系统碳储量的有效途径[28]. 此外，SSP245情景下的森林生态系统碳储量变化模式与SSP126情景大致相同，但其总碳储量增幅低于SSP126场景，碳储量的增加归因于耕地和草地向林地的转化。值得注意的是，在SSP585情景下，快速扩张的人工地表和不断减少的林地导致到2060年森林生态系统碳储量减少116.32 Mg，这也是中亚森林生态系统碳汇减少的原因之一[33]. 有趣的是，在林地面积减少的情况下，2030年的森林生态系统碳储量略有增加，这可能是由于2030年森林碳强度增加导致的碳储量增加，抵消了林地面积减少导致的森林生态系统碳储量减少。适度的GDP和较低的人口增长保持了土地利用/覆被变化的轻微变化，并促进了森林生态系统碳储量的增长[79]，增加林地和草原面积以及减缓城市扩张是抵消碳储量减少的有效措施[34]. 此外，可以看出，森林生态系统对陆地生态系统碳储量的影响最大，通过人工造林增加林地面积，维护森林生态系统的健康和活力，可以提高森林生态系统固碳能力。 4.3. 未来发展建议
在未来气候和社会经济不确定性增加的背景下，生态环境变得越来越脆弱，林地等自然植被土地利用类型不断退化[28]导致研究区碳储量减少。因此，政策制定者制定和实施与社会经济发展和土地利用规划相关的政策，以优化土地利用结构并增加碳储量，这一点尤为重要。 研究结果表明，经济快速增长将导致生态系统碳储量的持续减少和生态环境的退化。因此，减缓经济增长速度，合理规划城市发展，可以提高研究区域生态系统服务的价值。减少化石燃料的使用，增加清洁能源的使用比例，不仅可以缓解气候变化的影响，而且可以防止林地和草地的进一步退化。此外，各利益相关方应加快建设省级重点公益林、生态示范村、示范农村公路林业网，并实施未建成林地培育计划，重新种植和补充它们，以鼓励它们尽快成为林地。此外，坚持实施全球气候变化计划，对未利用土地和可造林土地进行人工造林，维护森林生态系统的健康和活力，可以提高森林生态系统固碳能力。
4.4. 优势和不确定性
本文结合PLUS和InVEST模型，为未来基于人口、GDP和气候变量（温度和降水）以及SSP-RCP情景下的土地利用需求的土地利用变化的空间模拟和碳储量评估提供了一种新的方法(图2). 我们使用SSP-RCP情景生成的GDP、人口、温度和降水变化数据以及未来土地利用需求作为PLUS模型的模拟参数，从而得出LUCC的合理空间分布(图6). 不幸的是，PLUS模型在LUCC模拟过程中假设了每种土地利用类型的固定过渡规则，这些规则在未来几十年可能会发生变化[40]. 此外，本研究仅使用了MRI-ESM2-0模型生成的三种气候变化情景（SSP126、SSP245和SSP585），以及不同大气环流模型生成的气候预测差异，这是我们未来工作的挑战之一[80,81]. 此外，尽管InVEST模型已广泛用于多尺度碳储量评估；然而，这种模式也有局限性。例如，InVEST模型有一个局限性，即它无法有效估计水和未利用土地的碳储量[39]. 事实上，在计算InVEST模型中的区域碳储量时，由于每种土地利用类型的相互转换和LUCC的季节变化而导致的碳损失没有考虑在内，这也是本工作的不确定性来源之一[82]. 此外，我们尽可能多地收集了研究区所有土地利用类型的碳密度数据，并根据之前的研究假设了森林碳密度的十年趋势[42,45]尽量减少碳储存评估的不确定性。然而，碳密度值及其对应的土地利用类型面积只能近似估算区域生态系统的碳储量[83,84]我们将在今后的工作中为应对这一挑战付出更多努力。 在本研究中，我们揭示了广东省土地利用/覆被变化未来可能的时空分布模式和碳储量的动态变化，尽管存在一定的局限性。这项工作的结果可以为应对未来气候变化、制定可持续社会经济发展政策以及实现碳峰值和碳中和目标提供支持数据。
5.结论
通过整合PLUS和InVEST模型，我们模拟了SSP126、SSP245和SSP585情景下广东省未来（2020–2060）LUCC和生态系统碳储量的时空动态分布。未来土地利用模拟的结果表明，不同情景下的土地利用变化是不同的。在SSP126情景下，耕地、草地和灌木丛均有不同程度的减少，人工地表略有扩大，林地得到了有效保护；SSP245情景下LUCC的总体变化模式与SSP126情景下相似，但SPP245情景中人工地表扩张较快，林地增加减缓；在SSP585情景下，林地未得到有效保护，人工地表面积急剧扩大，对原有草地和林地面积造成了侵占。
在这三种情景下，人口、海拔、温度和距水距离分别是耕地、林地、草地和人工地表生长的最大驱动因素。2020年至2060年间，在SSP126和SSP245情景下，广东省陆地生态系统碳储量分别从2020年的240.89 Tg增加到2060年的247.16 Tg和243.54 Tg；森林生态系统碳储量是碳储量增加的主要来源，可以有效抵消由于人工地表扩张和其他植被土地类型面积减少而导致的生态系统碳储存减少。总的来说，林地是陆地生态系统碳储存最具影响力的土地利用类型，通过人工造林增加林地面积可以提高森林生态系统的固碳能力。此外，研究结果不仅可以为区域范围内的土地资源再分配和经济发展战略提供新的见解，还可以为实现中国的碳中和目标提供数据支持。
