一种用于模拟SSP-RCP情景下土地利用变化及碳排放的新型耦合BN-PLUS-IC模型——以中国福建省为例

《Environmental Modelling & Software》：A Novel Coupled BN-PLUS-IC Model for Simulating Land Use Change and Carbon Emissions under SSP-RCP Scenarios: A Case Study of the Fujian Province, China

　　

摘要：土地利用变化决定陆地碳收支，准确预测土地利用及其关联的碳动态对实现碳中和至关重要。本研究构建了BN-PLUS-IC耦合模型，整合贝叶斯网络（Bayesian Network, BN）进行概率性土地利用需求量预测、斑块生成土地利用模拟（Patch-Generating Land Use Simulation, PLUS）模型进行栅格级斑块空间分配，以及政府间气候变化专门委员会（Intergovernmental Panel on Climate Change, IPCC）碳排放系数法（简称IC）进行空间显式国土碳核算。研究人员将该模型应用于中国福建省，在三种共享社会经济路径（SSP119、SSP245、SSP585）与三种全球环流模式（EC-Earth3-China、GFDL-ESM4-China、MRI-ESM2-China）下开展模拟。以2020年参考数据验证，BN的FoM（Figure of Merit）为0.19、PA（Producer's Accuracy）为0.36、UA（User's Accuracy）为0.22；PLUS的Kappa系数为0.84、OA（Overall Accuracy）为0.89。各情景集合显示建设用地、水域、草地和裸地总体增加，林地与耕地减少，城镇化压力由沿海向内陆传导。净碳排放从2030年的[24.92, 25.79]×106t上升至2060年的[25.61, 28.50]×106t；方差分解表明SSP主导长期排放（84.3%–96.5%），而2030年GCM与SSP交互作用占主导（62.7%）。敏感性分析确定建设用地碳排放系数为影响最大的IC参数。研究表明福建省实现双碳目标需遏制沿海建设用地扩张、加强内陆蓝碳与森林碳汇保护，并推进自然资源、生态环境与林业部门跨部门协同。

论文解读：一种用于模拟SSP-RCP情景下土地利用变化及碳排放的新型耦合BN-PLUS-IC模型——以中国福建省为例

该研究发表于《Environmental Modelling》。

一、研究背景与意义

土地利用变化是仅次于化石燃烧的温室气体重要排放源，据Global Carbon Budget 2025估算其贡献了约10.8%的全球碳排放。CO₂占温室气体比重约75%，精准模拟未来土地利用及其伴随的碳源/汇时空动态，是制定基于土地的气候减缓策略和实现碳中和目标的关键。现有土地利用面积预测方法如马尔可夫链（Markov Chain, MC）、回归模型（Regression Model, RM）、多目标优化（Multi-Objective Optimization, MOP）多难以稳健刻画高维非线性交互与多重共线性；系统动力学（System Dynamics, SD）虽能反映非线性反馈，但对结构与参数选取敏感且缺乏系统的不确定性量化。贝叶斯网络（Bayesian Network, BN）能以概率图形式表征驱动因子与用地类型间的非线性依赖并传播参数不确定性，但不具备空间分配能力。空间显式模型如元胞自动机（Cellular Automaton, CA）、CLUE-S、FLUS及PLUS模型中，斑块生成土地利用模拟（Patch-Generating Land Use Simulation, PLUS）模型通过土地扩张分析策略（Land Expansion Analysis Strategy, LEAS）与多类型随机种子驱动的CA（CA based on Random Seeds, CARS）较好地再现斑块形态与配额一致性，但目前尚无将BN与PLUS耦合的研究。为此，Liu Z.H.等研究人员开发了集成BN、PLUS及IPCC碳排放系数法（IPCC Carbon Emission Coefficient method, 简称IC）的BN-PLUS-IC模型，并以CMIP6（Coupled Model Intercomparison Project Phase 6）提供的SSP-RCP（Shared Socioeconomic Pathways–Representative Concentration Pathways）多情景与多全球环流模式（Global Circulation Model, GCM）组合，在森林覆盖率超65%的福建省开展应用，以量化 socio?economic–climate 双重不确定性下土地利用演变及碳排放轨迹，为差异化的区域碳中和政策提供依据。

二、主要关键技术方法

研究人员以福建省（115°50′E–120°43′E，23°32′N–28°22′N，面积1.24×10⁵km²）为研究区，收集多期土地利用、 socio?economic、climatic 及physiographic 驱动因子数据。构建BN模型以15个驱动因子为节点、各地类面积为目标节点，经贝叶斯推理输出各SSP-RCP–GCM组合下的概率性土地利用需求量；将BN输出的用地需求量作为PLUS模型顶层配额约束，结合随机森林（Random Forest, RF）测算各地类扩张适宜性、LEAS提取历史扩张驱动力、CARS进行多随机种子斑块竞争分配，生成30 m栅格未来土地利用空间分布；最后依据IPCC推荐的各类用地碳源/汇系数（IC法）进行空间显式碳排放/吸收核算。模型精度采用FoM（Figure of Merit）、PA（Producer's Accuracy）、UA（User's Accuracy）评价BN需求量预测，采用Kappa系数与OA（Overall Accuracy）评价PLUS空间模拟，并通过方差分解与单参数敏感性分析辨识排放主控因子。

三、研究结果

Assessment of the accuracy of the BN-PLUS-IC model（BN-PLUS-IC模型精度评估）

研究人员将2020年驱动因子输入BN进行检验，BN整体FoM=0.19、PA=0.36、UA=0.22，水域、林地、耕地、草地及建设用地PA和UA均>0.2，裸地因样本少精度偏低。PLUS模拟2020年土地利用并与实际数据比对，Kappa=0.84、OA=0.89，表明空间分配精度良好。

Methodological strengths of the BN-PLUS-IC framework（BN-PLUS-IC框架的方法学优势）

与传统依赖确定性转换规则的CA或Logistic回归不同，BN将多驱动因子与用地类型间依赖关系转化为有向无环概率图并传播不确定性；PLUS在此基础上实现符合斑块形态特征的自上而下配额约束空间分配；IC模块完成栅格尺度碳源/汇计算，三者耦合弥补了单一模型缺陷。

Scenario ensemble simulation results（情景集合模拟结果）

在SSP119、SSP245、SSP585分别耦合EC-Earth3-China、GFDL-ESM4-China、MRI-ESM2-China的9组情景下，福建省建设用地、水域、草地、裸地呈增加趋势，林地与耕地减少，城镇化影响由沿海向内陆扩散。净碳排放由2030年的[24.92, 25.79]×10⁶t升至2060年的[25.61, 28.50]×10⁶t。

Variance decomposition and sensitivity analysis（方差分解与敏感性分析）

方差分解显示长期（2060年）碳排放变化主要由SSP路径解释（84.3%–96.5%），而2030年GCM×SSP交互效应为主（62.7%）。单参数敏感性分析表明建设用地碳排放系数是IC法中最敏感的单一参数。

四、讨论与结论（翻译自原文Conclusions）

本研究开发了融合贝叶斯网络（BN）、斑块生成土地利用模拟（PLUS）模型及IPCC碳排放系数法（IC）的BN-PLUS-IC耦合模型，用以预测土地利用变化及关联碳排放的时空动态。BN捕捉社会经济、气候及地形地貌等多维驱动因子与土地利用类型间的非线性概率依赖并显式量化参数不确定性，PLUS负责基于BN给出的需求量进行栅格级斑块空间分配，IC模块完成空间显式碳核算。应用于中国福建省多SSP-RCP–GCM情景表明：模型具良好模拟能力；未来建设用地扩张与林地耕地缩减将使净碳排放上升；SSP是长期碳排放主因，2030年GCM与SSP交互作用显著；建设用地碳排放系数为最关键IC参数。实现福建省双碳目标应严控沿海建设用地无序扩张、强化内陆森林与蓝碳碳汇保护，并建立自然资源、生态与林业部门间跨部门协调机制。