EN中文

风景园林 >

2026 , Vol. 33 >Issue 1: 23 - 33

DOI: https://doi.org/10.3724/j.fjyl.LA20250528

专题：城乡绿色空间的降碳减污

苏南城镇碳汇空间时空演变与多情景模拟

  • 范凌云 , 1 ,
  • 汤宇轩 , 2 ,
  • 田永兵 , 3
展开
  • 1 苏州科技大学建筑与城市规划学院
  • 2 北京工业大学建筑与城市规划学院
  • 3 郑州市规划勘测设计研究院有限公司

范凌云/女/博士/苏州科技大学建筑与城市规划学院教授/研究方向为城镇化、城乡生态规划

汤宇轩/男/北京工业大学建筑与城市规划学院在读博士研究生/研究方向为城乡低碳规划与设计

田永兵/男/硕士/郑州市规划勘测设计研究院有限公司助理规划师/研究方向为城乡低碳规划与设计

Copy editor: 刘昱霏

收稿日期: 2025-09-01

  修回日期: 2025-12-11

  网络出版日期: 2026-03-12

基金资助

2024年度教育部人文社会科学研究一般项目(24YJAZH025)

江苏省第六期“333高层次人才培养工程”第二层次人才培养支持资金

江苏省研究生科研与实践创新计划项目(SJCX231699)

版权

版权所有 © 2026 风景园林编辑部
收起

Spatio-temporal Evolution Characteristics and Multi-scenario Simulation of Carbon Sink Spatial Patterns in Towns of Southern Jiangsu

  • FAN Lingyun , 1 ,
  • TANG Yuxuan , 2 ,
  • TIAN Yongbing , 3
Expand
  • 1 School of Architecture and Urban Planning, Suzhou University of Science and Technology
  • 2 School of of Architecture and Urban Planning, Beijing University of Technology
  • 3 Zhengzhou Urban Planning, Survey & Design Research Institute Co., Ltd

FAN Lingyun, Ph.D., is a professor in the School of Architecture and Urban Planning, Suzhou University of Science and Technology. Her research focuses on urbanization and urban-rural ecological planning

TANG Yuxuan is a Ph.D. candidate in the School of of Architecture and Urban Planning, Beijing University of Technology. His research focuses on low-carbon planning and design for urban and rural areas

TIAN Yongbing, Master, is an assistant planner in Zhengzhou Urban Planning, Survey & Design Research Institute Co., Ltd. His research focuses on low-carbon planning and design for urban and rural areas

Received date: 2025-09-01

  Revised date: 2025-12-11

  Online published: 2026-03-12

Copyright

Copyright © 2026 Landscape Architecture. All rights reserved.
Fold

摘要

【目的】

为保护并优化高度城镇化地区的碳汇空间，有必要系统研究其时空演变特征及规律。

【方法】

本研究聚焦苏南地区“城镇尺度”的碳汇空间，在研究其时空演变特征的基础上，结合斑块生成土地利用变化模拟（patch-generating land use simulation, PLUS）模型和聚类分析法研判不同城镇综合响应状态，并提出差异化的碳汇空间管控策略。

【结果】

1）2000—2020年苏南地区碳汇空间面积大幅减少，减少区域高度集中于高价值碳汇空间。碳汇空间格局在城镇尺度上未因城镇化而全面瓦解，表现出较强的稳定性。2）通过对自然增长情景、碳汇保护情景、碳汇强化情景3种情景的模拟，发现加大碳汇空间保护力度能够实现高质量碳汇空间扩张，但需要警惕生态功能单一化风险，避免盲目追求“高碳汇系数”。3）在3种模拟情景下，大部分城镇碳汇空间结构较稳定，建议通过存量挖潜与功能置换等方式优化碳汇空间；而部分敏感型城镇则呈现差异化演变路径，需根据其具体风险类型，实施更具针对性的管控策略。

【结论】

快速城镇化地区碳汇空间面积虽然呈现缩减趋势，但在城镇尺度表现出稳定性与敏感性共存的特征。这一特性可通过多情景模拟研判，从而为制定差异化的城镇碳汇空间管控策略提供科学依据。

关键词： 风景园林; 碳汇空间; PLUS模型; 多情景模拟; 苏南地区; 城镇尺度

本文引用格式

范凌云 , 汤宇轩 , 田永兵 . 苏南城镇碳汇空间时空演变与多情景模拟[J]. 风景园林, 2026 , 33(1) : 23 -33 . DOI: 10.3724/j.fjyl.LA20250528

Abstract

[Objective]

Collaboratively promoting carbon reduction, pollution reduction, green expansion, and growth, while maintaining national ecological security, has become a key focus area in national strategic planning in recent years. However, rapid urbanization has compressed carbon sink spaces such as forest land and grassland, leading to a significant decline in environmental quality and soil carbon sink capacity. Currently, existing research on carbon sink spaces is limited, and it is mostly concentrated on regional scales with superior ecological environments and rich vegetation cover. Research on rapidly urbanizing areas with poor carbon sink backgrounds is relatively scarce. Therefore, analyzing the spatio-temporal evolution characteristics of carbon sinks in highly urbanized areas with weak carbon sink backgrounds and conducting multi scenario simulation analysis. To provide a basis for optimizing the spatial layout of the country and formulating differentiated carbon sink enhancement strategies, thus contributing to maintaining regional ecological security and achieving high-quality development.

[Methods]

This study focuses on southern Jiangsu region, where urbanization is predominant and carbon sink spaces face intense competition with construction spaces. At the township scale, the carbon sink space is analyzed and classified using specific criteria. The PLUS (patch-generating land use simulation) model is used to analyze the spatio-temporal evolution characteristics of carbon sink space from 2000 to 2020, and proposes differentiated strategies based on simulation results of various future development scenarios.

[Results]

This study focuses on the town carbon sink space in rapidly urbanizing areas, revealing that the evolution of carbon sink space in rapidly urbanizing areas is the result of the combined effects of natural factors, policy interventions, and town development stages. It has important theoretical and practical value for optimizing the national spatial pattern and achieving carbon neutrality goals, providing scientific support for the green transformation of new urbanization in developed areas. The research indicates four results. 1) From 2000 to 2020, the loss of carbon sink spaces in southern Jiangsu region was not uniform but highly concentrated in high-value carbon sink areas. 2) The structure of carbon sink spaces in southern Jiangsu region at the town scale did not completely disintegrate due to urbanization; instead, it demonstrated remarkable stability. 3) Simulation results show that different intensities of carbon sink protection measures can promote the expansion of high-quality carbon sink spaces. However, a "carbon sink enhancement scenario" is not necessarily optimal. The pursuit of a "high carbon sink coefficient" alone should be avoided, and the risk of ecological function simplification needs to be guarded against. 4) Towns in southern Jiangsu region can be categorized into three types: those with high carbon sink capacity, high carbon sink potential, and high construction intensity. Most towns have maintained their original carbon sink spatial structure characteristics under three simulated scenarios, and in the future, they can focus on exploring the potential of existing space to protect and optimize carbon sink space. For sensitive town types—those with easily fluctuating carbon sink quality, those prone to carbon sink function degradation, and those with clearly degraded carbon sink functions—more targeted strategies should be implemented based on the specific risk types.

[Conclusion]

Through multi scenario simulation, the evolution patterns of future urban carbon sink spaces can be analyzed and predicted, offering references for the protection and optimization of urban carbon sink spaces in rapidly urbanizing areas. This study can scientifically analyze the dynamic evolution laws of regional carbon sink space, explore the optimization path and has significant theoretical and practical value for optimizing territorial spatial patterns and achieving carbon neutrality goals, thus providing scientific support for the green transformation of new urbanization. This method can be widely applied to similar studies on town ecological space planning related to carbon sink enhancement, and helps other cities, especially those with rapid urbanization, to achieve coordinated and sustainable development of ecological environment and economy.

Key words： landscape architecture; carbon sink space; PLUS model; multi-scenario simulation; southern Jiangsu region; township scale

全球气候变暖已成为当今世界各国所面临的严峻挑战之一[1]，其本质是碳排放与碳汇能力失衡引发的系统性危机。在此背景下，2022年党的二十大报告首次提出“协同推进降碳、减污、扩绿、增长”，2023年《中共中央国务院关于全面推进美丽中国建设的意见》强调要“以高品质生态环境支撑高质量发展”，实现国土空间开发保护格局优化。系列政策的演进对深化碳汇空间治理提出了明确且紧迫的需求[2]。碳汇空间作为碳汇功能的空间载体，其格局演变直接影响区域城镇的碳收支平衡与可持续发展能力。因此，解析城镇碳汇空间的时空演变特征与未来变化趋势，提出分类型、针对性管控策略，有利于规避碳汇功能退化风险，促进区域生态增汇与经济高质量发展的动态平衡，优化国土空间开发保护格局。
关于碳汇空间的研究多聚焦省域[3]、市域[4]、县域[5]、流域[6]等“宏观尺度”，从宏观层面对城市生态系统碳汇[7]、森林生态系统碳汇[8]、草地生态系统[9]、农田生态系统碳汇[10]等单一生态类型碳汇空间的碳汇量估算、碳汇时空变化特征、碳汇影响因素和空间优化策略展开探讨[11-12]。随着技术的发展，部分学者开始利用未来土地利用变化情景模拟（future land use simulation, FLUS）模型[13]、元胞自动机（cellular automata, CA）模型[14]、小尺度土地利用变化及效应（conversion of land use and its effects at small regional extent, CLUE-S）模型[15]、斑块生成土地利用变化模拟（patch-generating land use simulation, PLUS）模型[16]等模拟模型对碳汇空间未来演变特征进行研判，进而提高研究结果的前瞻性、科学性[13]。其中，PLUS模型因集成了用地扩张分析策略和多类型随机斑块种子生成机制，具有模拟精度较高的优势[17]。目前该模型被广泛应用于碳储量[18]、生境质量[19]等生态要素多情景模拟。
现有研究已取得了丰硕成果，但仍存在以下3个方面的不足：在研究尺度方面，大多研究将城市视为一个整体，鲜有小尺度以“城镇”为单元的研究成果，弱化了城镇尺度的连续梯度特征，无法解析碳汇空间异质性演变的微观机制，不利于分类型探索不同城镇差异化发展路径；在研究内容方面，多数研究仅关注单一生态类型的碳汇空间，对整体生态系统的碳汇空间研究较少；在模拟应用方面，既有研究多关注“最佳模拟情景”，缺乏多情景下城镇响应状态的诊断，难以适配城镇个体化发展诉求。
本研究聚焦于快速城镇化地区的城镇，基于土地利用数据，对碳汇空间进行判别并分类，剖析不同类型碳汇空间的时空演变特征，运用PLUS模型模拟不同发展情景下城镇碳汇空间演变情况，研判不同城镇的响应状态，分类型提出针对性策略。将碳汇空间管控决策的基点从宏观趋势判断缩小到城镇尺度响应，以期实现从寻找“最佳模拟情景”到诊断“城镇响应状态”的范式转变，为推进碳汇空间治理提供借鉴参考。

1 研究对象与数据

1.1 研究对象

“苏南”是江苏省长江以南地区简称，包括南京、无锡、常州、苏州、镇江5个地级市，气候属亚热带季风性气候，总面积约28 120.72 km2，总人口约3 802万人，山丘和水域占据了土地总面积的50%左右，生态基底良好。苏南城镇因工业化推动城镇化的“苏南模式”闻名于世，城镇建设走在全国前列[20]，2020年城镇化率超75%，人均国内生产总值（gross domestic product, GDP）超15万元。然而，城镇建设用地规模的迅猛扩张导致碳汇空间不断缩减，造成环境质量和碳汇能力显著下降。基于严峻现状，《江苏省国土空间规划（2021—2035年）》明确强调要“营造湖美水清生态空间，巩固提升自然生态系统碳汇能力”[21]，优化国土空间开发保护格局迫在眉睫。这种先发地区在快速城镇化进程中面临的碳汇空间重构困境，反映了中国城镇普遍存在的建设发展与保护碳汇空间的突出矛盾。因此，聚焦苏南城镇碳汇空间演变及多情景模拟的研究成果可为快速城镇化地区城镇的绿色发展提供参考。
本研究中的“城镇”泛指苏南地区的镇及街道。由于在快速城镇化地区，街道往往承担与镇相似的碳汇空间管理职能，且苏南地区普遍存在“镇改街道”的行政区划调整，这些街道在生态本底、空间结构等方面与镇具有高度可比性。因此，将街道一并纳入“城镇”范畴进行分析，既可确保空间单元的连续性，也能提升结论在高度城镇化地区的普适性。

1.2 数据来源与处理

本研究行政区划数据来源于江苏省自然资源厅2021年发布的《江苏省各市区县政区图》。2000年、2010年和2020年3个时期的30 m土地利用的基础数据、人口的空间分布情况、以千米为单位的GDP网格栅格数据，以及年均降雨量、年均气温和土壤类型等信息均来源于中国科学院资源环境科学与数据中心；道路数据来源于OpenStreetMap平台；镇政府、街道办事处以及农村居民点数据来源于高德开放平台。高程和坡度数据来源于地理空间数据云。所有数据借助ArcGIS软件将坐标统一转换为WGS_1984_UTM_Zone_50N，空间分辨率设定为30 m×30 m。

2 研究方法

2.1 碳汇空间研判与分类

碳汇空间是指能够承载碳汇过程的具体地域空间，主要涵盖林地碳汇空间、耕地碳汇空间、草地碳汇空间以及水体碳汇空间等多个要素[22]。本研究基于土地利用数据及中国科学院资源环境科学与数据中心提供的土地覆被分类体系，按照碳汇过程、净碳汇系数、空间稳定性及对气候变化的抵御能力进行碳汇空间类型划分[23]（表1）。
表1 碳汇空间类型的划分[24-34]

Tab. 1 Classification of carbon sink spatial types[24-34]

分类代码 土地利用类型 碳汇过程 净碳汇系数/tC·km−2·a−1 碳汇空间类型 参考来源
11 水田 植被净生态
系统生产力		 6.70 一类碳汇空间 [24][25]
12 旱地 6.70 二类碳汇空间 [26]
21 有林地 植被净生态
系统生产力		 87.00 一类碳汇空间 [27][28]
22 灌木林 23.00
23 疏林地 58.00
24 其他林地 23.27
31 高覆盖度草地 植被净生态
系统生产力		 13.80 一类碳汇空间
32 中覆盖度草地 4.60 二类碳汇空间
33 低覆盖度草地 2.10 二类碳汇空间
41 河渠 碳吸收 67.10 二类碳汇空间 [29][30][31][32]
42 湖泊 30.30
43 水库坑塘 30.30
44 滩涂 235.62
45 滩地 56.70
51 城镇用地 碳排放 0.00 建设用地空间 无
52 农村居民点 0.00
53 其他建设用地 0.00
61 盐碱地 碳吸收 0.05 三类碳汇空间 [33][34]
62 沼泽地 0.05
63 裸土地 0.05
64 裸岩石质地 0.05
苏南地区碳汇空间可以按碳汇能力分为3类（图1）。其中，一类碳汇空间具备高碳汇能力，碳汇过程以植被净生态系统生产力为主，自然情况下稳定性较强，是碳汇管理和保护工作的重点对象[35]。二类碳汇空间碳汇过程以碳吸收为主，碳储存能力良好，虽然稳定性方面相较于一类碳汇空间稍显不足（例如旱地、低覆盖度草地等），但仍具备一定的碳汇功能[35-36]。在特定条件下，这类空间还有潜力升级为一类碳汇空间。三类碳汇空间通常表现为碳汇功能较弱，生境结构不够稳定[35]。建设用地空间则基本不具备碳汇功能，是产生碳排放集中区域。
图1 2000年（1-1）、2010年（1-2）与2020年（1-3）苏南地区碳汇空间分布状况

Fig. 1 Spatial distribution of carbon sinks in the southern Jiangsu region in 2000 (1-1), 2010 (1-2), and 2020 (1-3)

2.2 PLUS模型多情景模拟

PLUS模型是一个以CA为基础，专注于斑块尺度土地利用数据变化模拟的模型[16]。它主要包括用地扩张分析策略（land expansion analysis strategy, LEAS）模块和基于多类随机斑块种子的元胞自动机（cellular automata for raster spaces, CARS）模块。首先，在LEAS模块中生成各类土地的发展概率。其次，在发展概率的约束下，结合随机种子生成和阈值递减机制，利用CARS模块模拟研究区域2020年的碳汇空间分布情况，并与2020年实际碳汇空间分布情况进行精度检验。最后，当精度达标后，再次利用CARS模块模拟2030年的碳汇空间分布情况（图2）。
图2 PLUS模型框架和建模工作流程

Fig. 2 PLUS model framework and modeling workflow

参考相关文献[37-38]，在充分评估数据可获取性、驱动因子量化可行性等现实约束条件后，系统性筛选出影响土地利用变化的核心驱动因子（表2）。此外，根据江苏省相关政策，在PLUS模型中对太湖、长江以及一些水库河流等具有重要生态功能的区域进行了限制发展区的设定。将2010年土地类型作为模型训练集，预测2020年土地类型分布，得到的Kappa系数为0.88，同时总体精度达到了98%，表明PLUS模型的模拟准确度较高，在本研究中适宜性较好。
表2 土地利用模拟驱动因子

Tab. 2 Driving factors of land use simulation

数据类型 数据代码 数据名称
自然因子 A_1 高程
A_2 坡度
A_3 坡向
A_4 年均降水量
A_5 年平均气温
A_6 土壤质地
社会因子 B_1 高速公路
B_2 一级道路
B_3 二级道路
B_4 三级道路
B_5 四级道路
B_6 镇政府、街道办
B_7 农村居民点
B_8 水面
经济因子 C_1 GDP
C_2 人口密度
C_3 夜间灯光
基于“自然延续—保护优先—功能强化”的逻辑思路，本研究设置自然增长情景、碳汇保护情景和碳汇强化情景3种发展情景。
自然增长情景将延续苏南地区的历史发展规律。2010年之后的土地政策变化或环境保护意识的增强，对土地利用更加谨慎。因此，本研究选择以2010—2020年的碳汇空间扩张概率为基础，来模拟在自然增长情境下2030年碳汇空间的规模。
碳汇保护情景将生态保护作为核心理念，侧重于保护现有的碳汇空间。参考相关文献[39-40]，按照尽可能减少碳汇空间转变的原则进行模拟，降低一类碳汇空间向各类空间转化概率，使其基本不参与土地利用转化；将二类碳汇空间向建设用地空间的转化概率下调80%①；将建设用地空间向一类、二类碳汇空间的转化概率上调20%。此外，根据江苏省自然生态环境地理特征和生态保护需求，结合国土空间规划、生态环境保护规划和各部门专项规划等，该情景下还将自然保护区、风景名胜区、森林公园、湿地公园等区域归为限制发展区[41]。
碳汇强化情景将强化碳汇能力作为其核心目标，致力于扩大具有高效碳汇功能的空间。参考相关文献[39-40]，依据优先扩张高质碳汇空间的原则，增加其他碳汇空间向一类碳汇空间的转化概率；同时将二类碳汇空间向建设用地空间的转化概率下调20%②，将三类碳汇空间向建设用地空间的转化概率下调20%，将建设用地空间向其他各类碳汇空间的转化概率上调20%。
为模拟碳汇空间在不同发展理念下的演变情况，为国土空间规划提供动态决策支持，在明确各类用地转化概率的基础上，运用Markov模型[42]预测不同发展情景的碳汇空间规模（表3），并结合式（1）设定相应的邻域因子权重[43]（表4）。
$ {W}_{i}=\frac{{T}_{i}-{T}_{{\rm{min}}}}{{T}_{{\rm{max}}}-{T}_{{\rm{min}}}}。 $
式中，Wi代表第i类土地类型的领域权重，Ti表示第i类土地的扩张面积，而Tmin和Tmax则分别指代各类土地的最小和最大扩张面积。
表3 Markov模型预测的碳汇空间规模

Tab. 3 Markov model predicted carbon sink spatial scale km2

情景 年份 一类碳汇空间 二类碳汇空间 三类碳汇空间 建设用地空间
基准情景 2020年 12 727.91 7 902.65 73.65 7 416.51
自然增长情景 2030年 12 224.29 7 689.30 70.50 8 136.62
碳汇保护情景 2030年 12 751.54 7 938.28 70.66 7 360.24
碳汇强化情景 2030年 12 813.64 8 039.25 63.86 7 203.97
表4 碳汇空间不同发展情景下邻域因子权重参数

Tab. 4 Neighborhood factor weight parameters under different development scenarios of carbon sink space

情景 一类碳汇空间 二类碳汇空间 三类碳汇空间 建设用地空间
自然增长情景 0.10 0.25 0.42 0.90
碳汇保护情景 0.87 0.90 0.58 0.10
碳汇强化情景 0.9 0.1 0.57 0.74

2.3 聚类分析法划分苏南城镇类型

聚类分析通过衡量不同描述数据之间的相似性，把不同的数据源划分到不同的簇群中，进而可以将一个整体的物理对象划分成多个相似的聚类[44]。本研究将2020年和2030年模拟情景下城镇中各类碳汇空间面积的占比作为聚类分析的变量，运用SPSS软件进行K均值聚类算法分析，将城镇的碳汇空间特征分为3类：高碳汇能力特征、高碳汇潜力特征以及高建设强度特征（表5）。
表5 苏南城镇碳汇空间结构特征聚类结果

Tab. 5 Cluster results of carbon sink spatial structure characteristics in southern Jiangsu towns

碳汇空间特征 碳汇空间类型 占总面积的平均百分比/% 解释
高碳汇能力特征 一类碳汇空间 58.94 一类碳汇空间的面积占城镇总面积比例较大，具有较高的碳汇能力
二类碳汇空间 13.60
三类碳汇空间 0.50
建设用地空间 26.96
高碳汇潜力特征 一类碳汇空间 33.63 二类碳汇空间的面积占城镇总面积比例较大，有较好的生态环境，碳汇潜力较大，同时兼具一定的碳汇功能
二类碳汇空间 45.97
三类碳汇空间 0.11
建设用地空间 20.29
高建设强度特征 一类碳汇空间 11.84 建设用地空间的面积占城镇总面积比例较大，城镇化水平较高
二类碳汇空间 7.75
三类碳汇空间 0.05
建设用地空间 80.36

3 苏南城镇碳汇空间的时空演变特征

对2000年、2010年和2020年的苏南城镇碳汇空间分布情况进行分析，可以深入研判20年间城市发展的趋势和特征，为未来发展趋势的预测和规划提供参考依据。

3.1 数量变化特征：高价值碳汇空间显著减少，建设用地空间稳定增长

碳汇空间转移矩阵（表6）能较好地表征在一定时期内碳汇空间的状态及其转化过程[45]。可以发现，2000—2020年苏南地区的碳汇空间流失高度集中于高价值碳汇空间（图3）。一类碳汇空间大幅减少，共计3 775.91 km2发生类型转化，其中被建设用地空间侵占达3 100.42 km2（占转化总量的82.1%）。二类碳汇空间有912.29 km2发生了转化，其中73%转变为建设用地空间。三类碳汇空间变化较小相对稳定，仅有3.45 km2发生变化。这表明城镇化侵占行为具有明确的“择优替代”倾向，即优先占用生态本底优良的碳汇空间。由于一类、二类碳汇空间多分布于地势平缓、水源充足区域，与城镇建设的优先选址区域高度重叠，导致高碳汇空间反而成为土地竞争中最先被侵占的对象，形成“生态—建设”冲突的空间焦点。
表6 2000—2020年碳汇空间转移矩阵

Tab. 6 Spatial transfer matrix of carbon sinks from 2000 to 2020 km2

碳汇空间类型 空间转移面积 2000年面积总计
一类碳汇 二类碳汇 三类碳汇 建设用地
一类碳汇 12 290.45 633.77 41.72 3 100.42 16 066.36
二类碳汇 232.36 7 206.06 11.26 668.68 8 118.35
三类碳汇 1.47 0.82 9.51 1.16 12.96
建设用地 203.62 62.01 11.17 3 646.24 3 923.04
2020年面积总计 12 727.91 7 902.65 73.65 7 416.51 28 120.72
图3 2000—2020年苏南地区碳汇空间转移情况

Fig. 3 Carbon sink spatial transfer from 2000 to 2020 in the southern Jiangsu region

建设用地空间面积增加了3 493.47 km2，但仅有276.8 km2的建设用地转变为了其他用地，表明该类型空间在苏南地区不仅显著扩张，且扩张后表现出高度的稳定性，这反映了城镇化进程中建设用地功能的固化特征，一旦占用便难以逆转。

3.2 城镇尺度碳汇空间演变特征：碳汇空间稳定集中，建设空间分散扩张

尽管2000—2020年碳汇空间面积总量下降，但是苏南地区的碳汇空间格局在城镇尺度上未因城镇化而全面瓦解，城镇自然基底、政策干预与发展诉求的交互作用使得碳汇空间表现出区域稳定性与空间异质性（图4、5）。
图4 2000年、2010年和2020年苏南城镇各类碳汇空间分布情况

Fig. 4 Spatial distribution of various carbon sinks in towns of southern Jiangsu in 2000, 2010, and 2020

图5 2000年、2010年和2020年苏南城镇各类碳汇空间面积变化情况

Fig. 5 Changes in spatial area of various carbon sinks in towns of southern Jiangsu in 2000, 2010, and 2020

东部、西部经济活跃的城镇是一类碳汇空间变化的热点区域：2000—2010年，一类碳汇空间明显萎缩，建设用地显著扩张；2010—2020年，苏南城镇化与工业化逐渐进入存量提升阶段，建设用地增速放缓，从而降低了对一类碳汇空间的挤压。
中南部低山丘陵区与环太湖生态保护区内的城镇，因自然地形屏障与严格生态管控制度形成的“空间锚定效应”，一类碳汇空间面积的变化幅度相对有限，而二类碳汇空间面积呈现先小幅增长后小幅下降的阶段性波动特征，因此在城镇尺度上有效维护了核心碳汇斑块的结构与功能延续。
中南部城镇三类碳汇空间质量波动较大，在2000—2010年城镇三类碳汇空间面积明显增加，这一时期宜兴市、溧阳市等地的城镇加入矿山开发热潮，石材、水泥、建材等产业一度成为主导产业，优质碳汇空间由于矿石开采逐渐退化为三类碳汇空间；2010—2020年随着生态文明建设推进，城镇三类碳汇空间面积有所减少。

4 苏南城镇碳汇空间多情景模拟预测

基于2030年苏南地区的碳汇空间多情景模拟结果，研判不同碳汇空间结构城镇的响应状态，提出针对性的碳汇空间管控策略。

4.1 模拟结果分析

为更加直观对比不同情景的碳汇空间演变差异情况，选取苏南的城镇化重点区域（1号区域南京江北新区）、近20年碳汇格局发生明显重构的区域（2号区域常熟市东北部）、近20年碳汇空间变化幅度较小的区域（常州市北部与镇江市南部）进行局部放大对比分析（图6）。
图6 不同发展情景下苏南地区2030年碳汇空间模拟图

Fig. 6 Spatial simulation map of carbon sinks in the southern Jiangsu region in 2030 under different development scenarios

在自然增长情景下，碳汇空间持续萎缩，高价值碳汇空间损失突出（图7）。建设用地将持续侵占原有耕地、林地等高价值碳汇空间，一类碳汇空间面积减少564.06 km2（表7），在各类碳汇空间中减少幅度最大，碳汇斑块趋向碎片化。这表明尽管近十几年生态文明建设大力推进，但是当前的建设用地开发模式仍会对碳汇空间造成持续性侵占。
图7 2030年不同发展情景下1号区域碳汇空间模拟图

Fig. 7 Spatial simulation map of carbon sink in zone 1 under different development scenarios in 2030

表7 苏南地区碳汇空间多情景模拟结果

Tab. 7 Multi-scenario simulation results for carbon sink space in southern Jiangsu region km2

模拟情景 年份 一类碳汇空间面积 二类碳汇空间面积 三类碳汇空间面积 建设用地空间面积
基准情景 2020年 12 727.91 7 902.65 73.65 7 416.51
自然增长情景 2030年 12 163.85 7 787.76 71.39 8 097.72
碳汇保护情景 2030年 12 751.10 7 937.93 69.16 7 362.53
碳汇强化情景 2030年 13 228.18 7 217.61 66.11 7 608.82
在碳汇保护情景下，各类碳汇空间规模稳中有升，格局稳定性增强（图8）。相比其他情景，该情景各类空间的变化幅度均较小，一类碳汇空间面积也小幅增长23.19 km2、二类碳汇空间也小幅增长35.28 km2，建设用地空间面积下降53.98 km2（表7）。这表明，苏南地区通过协同推进严格生态保护政策与强化生态专项工程，能够初步扭转碳汇空间缩减的趋势，并推动其局部增长。
图8 2030年不同发展情景下2号区域碳汇空间模拟图

Fig. 8 Spatial simulation map of carbon sink in zone 2 under different development scenarios in 2030

在碳汇强化情景下，优质碳汇空间持续扩张（图9）。一类碳汇空间面积增加了500.27 km2，但是二类碳汇空间面积大幅减少了685.04 km2（表7），反映其扩张主要来源于中低价值碳汇空间的转化。因此碳汇空间保护策略不能只追求“高碳汇系数”，还需警惕因过度追求高质量碳汇空间导致生态系统服务功能单一化、生物多样性破坏、粮食安全等风险。
图9 2030年不同发展情景下3号区域碳汇空间模拟图

Fig. 9 Spatial simulation map of carbon sink in zone 3 under different development scenarios in 2030

4.2 基于苏南城镇响应状态的碳汇空间管控策略

本研究将2030年3种发展情景与2020年现状的城镇类型进行叠加分析，进而研判城镇碳汇空间在不同情景下的动态响应状态（图10），为国土空间规划以及区域高质量绿色发展提供依据。
图10 不同发展情景下2030年各类特征城镇空间分布情况

Fig. 10 Spatial distribution of various characteristic towns in 2030 under different development scenarios

苏南城镇在3种模拟情景下表现出稳定性与敏感性共存的特征（图11）。大部分城镇在2030年均保持着相对的稳定性，虽然内部各类碳汇空间存在细微的动态调整，但城镇的整体碳汇空间结构特征并未发生改变，属于稳定型城镇。同时，部分敏感型城镇的碳汇空间结构易发生变化，具体可分为碳汇质量易波动型、功能易退化型及功能恶化型3类（表8）。针对不同类型城镇，本研究制定了差异化的分类管控策略。
图11 稳定型城镇和3类敏感型城镇空间分布情况

Fig. 11 Spatial distribution of stable towns and three types of sensitive towns

表8 碳汇敏感型城镇及街道

Tab. 8 Carbon sink sensitive towns and streets

碳汇敏感类型 城镇及街道名称
碳汇质量易波动型 别桥镇、薛埠镇、直溪镇、竹箦镇、梅李镇、西渚镇、周铁镇、白兔镇谷里街道、洪蓝街道、江浦街道、禄口街道、桥林街道、石湫街道、永宁街道
碳汇功能易退化型 罗溪镇、牛塘镇、天目湖镇、薛家镇、城厢镇、浒墅关镇、木渎镇、盛泽镇、渭塘镇、胥口镇、杨舍镇、周市镇、胡埭镇、华士镇、新桥镇、周庄镇（江阴市）、春江街道、东城街道、溧城街道、南夏墅街道、板桥街道、顶山街道、葛塘街道、龙池街道、秣陵街道、麒麟街道、铁心桥街道、西善桥街道、柘塘街道、白洋湾街道、北河泾街道、安镇街道、城东街道、华庄街道、前洲街道、荣巷街道、硕放街道、夏港街道、宜城街道（宜兴市）、长安街道、谏壁街道、界牌镇、宜城街道（丹徒区）
碳汇功能恶化型 董浜镇、东山街道、古雄街道、蠡湖街道
1）碳汇稳定型城镇的管控策略：存量优化与提质增效。碳汇稳定型城镇在3类情景下均保持碳汇空间结构特征稳定，其林地、耕地、水域等核心碳汇斑块未发生显著退化或转移。这表明该类城镇空间系统抗干扰性强，管控策略重心应从规模扩张转向存量空间价值挖潜与碳汇空间品质提升。针对存量建设用地空间，在严控开发强度前提下，要挖掘存量空间潜力，系统识别工业锈带、闲置边角地等低效存量空间，将其置换为绿地公园、广场绿地、社区公园等绿色基础设施，在提升系统碳汇能力的同时大幅改善居民的生活品质。此外，可创新“以绿换地”增量空间政策，探索容积率奖励、开发权转移等政策工具，激励开发商或社区在存量更新中主动增加绿地、开放空间比例，通过精细化运营实现绿色发展。对现有林地、草地、水体等碳汇空间进行抚育、修复，以提升其碳汇效率与生态稳定性；充分利用边角地、闲置地、建筑立面、屋顶等，见缝插“绿”，增加碳汇空间总量和连通性。
2）碳汇敏感型城镇的管控策略：风险防范与分类调控。碳汇敏感型城镇对发展路径变化响应显著，需依据不同城镇在不同情景模拟中表现出的具体风险类型，实施更具针对性的策略。
一是碳汇质量易波动型城镇，应注重创新生态保护与价值转化。此类城镇一类碳汇空间面积容易发生波动，致使其在高碳汇能力与高碳汇潜力2种状态间转换，但不存在碳汇功能退化的风险。例如白兔镇在“碳汇保护情景”下将由高碳汇能力转变为高碳汇潜力类型，直溪镇在“碳汇强化情景”下由高碳汇潜力转变为高碳汇能力类型。这表明这些城镇的碳汇空间结构有一定韧性，虽然在压力下碳汇空间质量有所波动，但不会直接转变为高建设强度类型的城镇。因此，此类城镇应立足碳汇本底优势，维持或提升碳汇空间质量，探索生态价值实现。为强化碳汇空间管控，首先需基于固碳效率、空间规模、稳定性及生物量等核心指标进行系统评估，进而将碳汇空间科学划分为核心管控区、一般管控区和后备区。在此基础上，明确各分区的保护红线与具体管控要求，其关键管控目标是将一类碳汇空间的面积占比维持在约60%，以最大化其高碳汇能力的特征。此外，可通过制度创新激活碳汇资产价值，优先开展碳汇潜力评估与碳资产核算，探索差异化碳汇交易产品，为生态优势地区提供可复制的绿色发展路径。
二是碳汇功能易退化型城镇，应注重底线管控与产业转型。此类城镇在自然增长情景下向高建设强度类型退化，而在保护或强化情景下可维持或提升碳汇能力。例如，新桥镇、盛泽镇等工业强镇的林地、湖泊等生态基底优越，曾具备高碳汇能力；但在过去20年的快速工业化下，碳汇空间持续缩减，实际已经处于“高碳汇价值-高生态威胁”的临界状态。这表明此类城镇正处于经济和生态协同发展的关键转型期，不同发展路径将导致截然不同的碳汇格局。因此，需通过“空间刚性管控”和“产业主动碳汇化”来阻断退化路径。要识别碳汇保护情景、碳汇强化情景下的核心碳汇斑块，将斑块纳入国土空间刚性管控禁止开发。在此基础上，设定碳汇空间退化底线，控制各类碳汇空间面积占比总和不低于70%，降低其向高建设强度类型退化的概率。此外，考虑到这类城镇大部分为以工业为主导的产业强镇，工业园区内要推动厂区立体绿化、光伏屋顶等“零碳工厂”改造措施增加碳汇空间，产业上要培育新能源设备研发、再生纤维循环经济等绿色低碳产业新体系，最终实现从被动防御到主动增汇的系统转型。
三是碳汇功能恶化型城镇，应强化承载力评估与韧性适配。在不同发展情景下部分城镇均向高建设强度类型转变，碳汇功能退化。这些城镇靠近市辖区，城镇化进程较快，例如，董浜镇的碳汇空间在未来发展中更加容易被建设空间侵占。因此，此类城镇应严格管控各类碳汇空间，开展碳汇空间承载力评估，明确碳汇空间的保护红线，避免高强度建设对碳汇空间的侵占。在此基础上，应设置缓冲过渡空间，避免建设空间与碳汇空间直接相邻造成碳汇效率降低，同时也可以兼顾城镇的发展需求，允许准入一部分环境影响较低的建设项目，使得管控要求刚弹结合。各类碳汇面积和缓冲过渡空间面积占比总和不应低于70%，从而最大程度保持其原有的碳汇功能和碳汇潜力，实现城镇开发与碳汇保护的动态平衡，为高度城镇化地区提供可持续的发展范式。

5 结论

快速城镇化地区城镇既是“降碳-减污”的主阵地，也是碳汇功能剧烈波动的敏感地带。本研究聚焦快速城镇化地区城镇碳汇空间，揭示了快速城镇化地区碳汇空间演变是受自然基底、政策干预与城镇发展阶段共同作用的结果，对优化国土空间格局与实现碳中和目标具有重要理论与实践价值，为发达地区新型城镇化绿色转型提供科学支撑。本研究主要有3个方面的结论。1）2000—2020年苏南地区碳汇空间大幅减少，主要集中于生态本底优良的高价值碳汇空间，印证了城镇化侵占行为的“择优替代”倾向。2）碳汇空间结构在城镇尺度上未因城镇化而全面瓦解，表现出较强的稳定性，这表明自然地理基础与生态管控政策形成的“空间锚定效应”是维持核心碳汇斑块稳定的关键。3）大部分城镇在3种模拟情景下基本维持了原有的碳汇空间结构特征，未来应挖掘存量空间的碳增汇潜力。对于3种敏感型城镇，碳汇质量易波动型城镇应该侧重创新生态保护与价值转化，碳汇功能易退化型城镇应注重刚性管控与产业转型，碳汇功能恶化型城镇则应强化承载力评估与韧性适配。
本研究也存在3个方面的局限性。1）在碳汇能力评估方面，主要依赖前人研究经验，但实际上碳汇能力也会受到气候类型、区域经济、社会因素、土壤情况等方面影响，数据精准性有待进一步提升。2）在模拟预测方面，部分参数例如不同情景设置虽然通过实地调研、专家咨询、管理部门访谈等方式得到初步认可，但缺少权威标准参考，因此具有一定主观性，需要进一步对情景设置进行优化。3）在特征研究方面，本研究只考虑了碳汇空间的特征，但实际城镇的发展特征受到多方面的影响。因此未来需要进一步优化碳汇能力评估方法，改进模拟参数提高情景设定的科学性，并且深入剖析不同城镇的特点和发展需求，为区域碳汇空间规划建设提供更为科学的建议与指导。

1 碳汇保护情景的核心是“严格保护”，旨在模拟对现有碳汇空间的高强度保护，近乎禁止其转为建设用地，以凸显极限保护情景下的效果。

2 碳汇强化情景的核心是“主动优化”，其重点在于优先扩张高质量（一类）碳汇空间。对二类、三类碳汇空间转化概率仅进行小幅调整，主要目的是限制其流失，而非将其作为扩张重点。这样设置可以有效避免二、三类碳汇空间在模拟中同步显著扩张，确保不同情景的对比指向清晰。

图表来源(Sources of Figures and Tables)：

文中图表均由作者绘制，图1、3~6、10、11均基于自然资源部标准地图服务网站审图号为GS（2020）4630的标准地图制作。

文章亮点

1、聚焦快速城镇化地区整体生态系统的碳汇空间，揭示了城镇尺度各类碳汇空间的异质性演变特征。

2、基于“自然延续—保护优先—功能强化”的逻辑思路，运用PLUS模型进行多情景模拟，研判不同城镇碳汇空间的综合响应状态。

3、识别碳汇稳定型和敏感型城镇，提出差异化的城镇碳汇空间管控策略，为快速城镇化地区城镇绿色可持续发展提供借鉴参考。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
SOKOLOV Y I. Risks of Global Climate Change[J]. Issues of Risk Analysis, 2021, 18(3): 32-45.

DOI

[2]
屈志光, 杨伯元, 胡李丹, 等. 长江经济带土地利用模拟与扩绿增长协同发展[J]. 中国环境科学, 2025, 45(1): 465-476.

QU Z G, YANG B Y, HU L D, et al. Simulation of Land Use and Synergistic Development Between Promoting Green Expansion and Economic Growth in the Yangtze River Economic Belt[J]. China Environmental Science, 2025, 45(1): 465-476.

[3]
田 云, 王骁睿, 尹忞昊, 等. 中国农业净碳汇再测算: 现状特征、时空格局及其影响因素[J]. 中国农业科学, 2024, 57(22): 4507-4521.

TIAN Y, WANG X R, YIN M H, et al. Re-evaluation of China’s Agricultural Net Carbon Sink: Current Situation, Spatial-Temporal Pattern and Influencing Factors[J]. Scientia Agricultura Sinica, 2024, 57(22): 4507-4521.

[4]
张雄, 吴昱佳, 谭秋芳. 区域土地用途转换碳效应及碳汇补偿机制研究: 以湖北省为例[J]. 国土资源科技管理, 2025, 42(1): 64-75.

ZHANG X, WU Y J, TAN Q F. On Carbon Effect of Regional Land Use Conversion and Carbon Sink Compensation Mechanism: A Case Study of Hubei Province[J]. Scientific and Technological Management of Land and Resources, 2025, 42(1): 64-75.

[5]
陈明, 李若雯. 县域绿色空间景观格局对碳汇的影响: 以长三角为例[J]. 中国园林, 2024, 40(8): 111-117.

CHEN M, LI R W. The Impact of Green Space Landscape Pattern on Carbon Sequestration at the County-Level: A Case Study of the Yangtze River Delta[J]. Chinese Landscape Architecture, 2024, 40(8): 111-117.

[6]
刘宜浩, 赵健赟, 蒋玉祥, 等.黄河流域（青海段）碳汇时空格局及影响机制[J/OL].环境科学, 2025: 1-16.（2025-06-17）[2025-09-01]. https://link.cnki.net/doi/10.13227/j.hjkx.202504043.

LIU Y H, ZHAO J Y, JIANG Y X, et al. Spatial-Temporal Pattern of Carbon Sinks in the Yellow River Basin (Qinghai Section) and Its Influencing Mechanism[J/OL]. Environmental Science, 2025: 1-16. (2025-06-17)[2025-09-01]. https://link.cnki.net/doi/10.13227/j.hjkx.202504043.

[7]
石铁矛, 王迪, 汤煜, 等. 城市生态系统碳汇固碳能力计算方法与影响因素研究进展[J]. 应用生态学报, 2023, 34(2): 555-565.

SHI T M, WANG D, TANG Y, et al. Research Progress on Calculation Method and Impact Factors of Carbon Sequestration Capacity in Urban Ecosystems[J]. Chinese Journal of Applied Ecology, 2023, 34(2): 555-565.

[8]
武振国, 潘越明, 史主生, 等. 内蒙古自治区森林碳汇核算与生态产品价值实现路径[J]. 水土保持通报, 2025, 45(5): 155-166.

WU Z G, PAN Y M, SHI Z S, et al. Accounting for Forest Carbon Sequestration and Pathways to Ecological Product Value Realization in Inner Mongolia Autonomous Region[J]. Bulletin of Soil and Water Conservation, 2025, 45(5): 155-166.

[9]
LYU X, LI X B, WANG K, et al. Strengthening Grassland Carbon Source and Sink Management to Enhance Its Contribution to Regional Carbon Neutrality[J]. Ecological Indicators, 2023, 152: 110341.

DOI

[10]
王莉, 刘莹莹, 张亚慧, 等. 河南省农田生态系统碳源/汇时空分布及影响因素分解[J]. 环境科学学报, 2022, 42(12): 410-422.

WANG L, LIU Y Y, ZHANG Y H, et al. Spatial and Temporal Distribution of Carbon Source/Sink and Decomposition of Influencing Factors in Farmland Ecosystem in Henan Province[J]. Acta Scientiae Circumstantiae, 2022, 42(12): 410-422.

[11]
王振坤, 董心悦, 邵明, 等. 国内外城乡绿色空间碳汇研究进展与展望[J]. 风景园林, 2023, 30(2): 115-122.

WANG Z K, DONG X Y, SHAO M, et al. Progress and Prospects of Research on Carbon Sink in Urban and Rural Green Spaces at Home and Abroad[J]. Landscape Architecture, 2023, 30(2): 115-122.

[12]
李建豹, 陈红梅, 张彩莉, 等. 长三角地区碳源碳汇时空演化特征及碳平衡分区[J]. 环境科学, 2024, 45(7): 4090-4100.

LI J B, CHEN H M, ZHANG C L, et al. Spatiotemporal Evolution Characteristics of Carbon Sources and Carbon Sinks and Carbon Balance Zoning in the Yangtze River Delta Region[J]. Environmental Science, 2024, 45(7): 4090-4100.

[13]
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.

ZHAO Y C, QIN M L, PANG Y Y, et al. Evolution Simulation and Driving Factors of Eco-Spatial Carbon Sinks in Beibu Gulf Urban Agglomeration Based on FLUS-InVEST Model[J]. Bulletin of Soil and Water Conservation, 2022, 42(3): 345-355.

[14]
ZHAO M M, HE Z B, DU J, et al. Assessing the Effects of Ecological Engineering on Carbon Storage by Linking the CA-Markov and InVEST Models[J]. Ecological Indicators, 2019, 98: 29-38.

DOI

[15]
田多松, 傅碧天, 吕永鹏, 等. 基于SD和CLUE-S模型的区域土地利用变化对土壤有机碳储量影响研究[J]. 长江流域资源与环境, 2016, 25(4): 613-620.

TIAN D S, FU B T, LV Y P, et al. Effect of Regional Land-Use Change on Soil Organic Carbon Storage Based on SD and CLUE-S Model[J]. Resources and Environment in the Yangtze Basin, 2016, 25(4): 613-620.

[16]
LIANG X, GUAN Q F, CLARKE K C, et al. Understanding the Drivers of Sustainable Land Expansion Using a Patch-Generating Land Use Simulation (PLUS) Model: A Case Study in Wuhan, China[J]. Computers, Environment and Urban Systems, 2021, 85: 101569.

DOI

[17]
刘杰, 张浪, 余浩然. 社会-生态效益权衡下上海市中心城区绿地生态网络多情景模拟[J]. 中国园林, 2025, 41(5): 100-107.

LIU J, ZHANG L, YU H R. Multi-scenario Simulation of Green Space Ecological Network in Downtown Shanghai Under Social-Ecological Benefit Trade-Offs[J]. Chinese Landscape Architecture, 2025, 41(5): 100-107.

[18]
王春晓, 邓孟婷, 汪雪飞, 等. 基于PLUS-InVEST模型的碳储量时空演变与预测模拟[J]. 中国园林, 2024, 40(6): 70-76.

WANG C X, DENG M T, WANG X F, et al. Spatial-Temporal Evolution and Prediction Simulation of Carbon Storage Based on PLUS-InVEST Model[J]. Chinese Landscape Architecture, 2024, 40(6): 70-76.

[19]
胡丰, 张艳, 郭宇, 等. 基于PLUS和InVEST模型的渭河流域土地利用与生境质量时空变化及预测[J]. 干旱区地理, 2022, 45(4): 1125-1136.

HU F, ZHANG Y, GUO Y, et al. Spatial and Temporal Changes in Land Use and Habitat Quality in the Weihe River Basin Based on the PLUS and InVEST Models and Predictions[J]. Arid Land Geography, 2022, 45(4): 1125-1136.

[20]
范凌云. 社会空间视角下苏南乡村城镇化历程与特征分析: 以苏州市为例[J]. 城市规划学刊, 2015(4): 27-35.

FAN L Y. Analysis of Process and Characteristics of Sunan Rural Urbanization from the Perspective of Social Space: A Case Study of Suzhou[J]. Urban Planning Forum, 2015(4): 27-35.

[21]
江苏省人民政府. 省政府关于印发江苏省国土空间规划（2021—2035年）的通知[EB/OL]. （2023-08-16）[2025-08-10]. https://zrzy.jiangsu.gov.cn/gtxxgk/nrglIndex.action?type=2&messageID=2c9082548b6e0094018b6fda45ab00b9.

Jiangsu Provincial People's Government. Notice of the Provincial Government on Issuing the Jiangsu Provincial Territorial Spatial Plan (2021−2035)[EB/OL]. (2023-08-16)[2025-08-10]. https://zrzy.jiangsu.gov.cn/gtxxgk/nrglIndex.action?type=2&messageID=2c9082548b6e0094018b6fda45ab00b9.

[22]
吴隽宇, 张一蕾, 江伟康. 粤港澳大湾区生态系统碳储量时空演变[J]. 风景园林, 2020, 27(10): 57-63.

WU J Y, ZHANG Y L, JIANG W K. Spatio-temporal Evolution of Ecosystem Carbon Storage in Guangdong-Hong Kong-Macao Greater Bay Area[J]. Landscape Architecture, 2020, 27(10): 57-63.

[23]
朱梓铭.北部湾城市群碳汇空间安全格局设计与生态修复研究[D].南宁: 广西大学, 2022.

ZHU Z M. Research on the Security Pattern Design and Ecological Restoration of Carbon Sinks Space in Beibu Gulf Urban Cluster[D]. Nanning: Guangxi University, 2022.

[24]
方精云, 郭兆迪, 朴世龙, 等. 1981—2000年中国陆地植被碳汇的估算[J]. 中国科学（D辑: 地球科学）, 2007, 37(6): 804-812.

FANG J Y, GUO Z D, PIAO S L, et al. Estimation of Carbon Sinks of Terrestrial Vegetation in China from 1981 to 2000[J]. Science in China (Series D: Earth Sciences), 2007, 37(6): 804-812.

[25]
方精云, 杨元合, 马文红, 等. 中国草地生态系统碳库及其变化[J]. 中国科学（生命科学）, 2010, 40(7): 566-576.

DOI

FANG J Y, YANG Y H, MA W H, et al. Carbon Pool and Its Change in Grassland Ecosystem of China[J]. Scientia Sinica (Vitae), 2010, 40(7): 566-576.

DOI

[26]
叶延琼, 章家恩, 陈丽丽, 等. 广东省1996—2012年农业用地碳汇效应及时空变化特征[J]. 水土保持学报, 2014, 28(5): 139-146.

YE Y Q, ZHANG J E, CHEN L L, et al. Carbon Sequestration by Agricultural Land and Its Spatio-temporal Characteristics in Guangdong Province from 1996 to 2012[J]. Journal of Soil and Water Conservation, 2014, 28(5): 139-146.

[27]
方精云, 黄耀, 朱江玲, 等. 森林生态系统碳收支及其影响机制[J]. 中国基础科学, 2015, 17(3): 20-25.

FANG J Y, HUANG Y, ZHU J L, et al. Carbon Budget of Forest Ecosystems and Its Driving Forces[J]. China Basic Science, 2015, 17(3): 20-25.

[28]
白永飞, 陈世苹. 中国草地生态系统固碳现状、速率和潜力研究[J]. 植物生态学报, 2018, 42(3): 261-264.

DOI

BAI Y F, CHEN S P. Carbon Sequestration of Chinese Grassland Ecosystems: Stock, Rate and Potential[J]. Chinese Journal of Plant Ecology, 2018, 42(3): 261-264.

DOI

[29]
孔东升, 张灏. 张掖黑河湿地自然保护区生态服务功能价值评估[J]. 生态学报, 2015, 35(4): 972-983.

KONG D S, ZHANG H. Economic Value of Wetland Ecosystem Services in the Heihe National Nature Reserve of Zhangye[J]. Acta Ecologica Sinica, 2015, 35(4): 972-983.

[30]
张莉, 郭志华, 李志勇. 红树林湿地碳储量及碳汇研究进展[J]. 应用生态学报, 2013, 24(4): 1153-1159.

ZHANG L, GUO Z H, LI Z Y. Carbon Storage and Carbon Sink of Mangrove Wetland: Research Progress[J]. Chinese Journal of Applied Ecology, 2013, 24(4): 1153-1159.

[31]
沈欣, 欧阳志云, 段晓男, 等. 白洋淀湿地生态系统水分条件遥感监测方法[J]. 生态学报, 2008, 28(10): 5033-5038.

SHEN X, OUYANG Z Y, DUAN X N, et al. Inferring Baiyangdian Wetland Soil Moisture from Remote Sensing: Method Research[J]. Acta Ecologica Sinica, 2008, 28(10): 5033-5038.

[32]
段晓男, 王效科, 逯非, 等. 中国湿地生态系统固碳现状和潜力[J]. 生态学报, 2008, 28(2): 463-469.

DOI

DUAN X N, WANG X K, LU F, et al. Carbon Sequestration and Its Potential by Wetland Ecosystems in China[J]. Acta Ecologica Sinica, 2008, 28(2): 463-469.

DOI

[33]
赖力, 黄贤金, 刘伟良, 等. 基于投入产出技术的区域生态足迹调整分析: 以2002年江苏省经济为例[J]. 生态学报, 2006, 26(4): 1285-1292.

LAI L, HUANG X J, LIU W L, et al. Adjustment for Regional Ecological Footprint Based on Input-Output Technique: A Case Study of Jiangsu Province in 2002[J]. Acta Ecologica Sinica, 2006, 26(4): 1285-1292.

[34]
蔡亚楠, 鞠正山, 黄勤, 等. 土壤有机碳汇内涵与核算方法辨析[J]. 生态学报, 2024, 44(2): 602-611.

CAI Y N, JU Z S, HUANG Q, et al. Analysis on the Contents and Methods of Soil Organic Carbon Dink[J]. Acta Ecologica Sinica, 2024, 44(2): 602-611.

[35]
袁磊, 尹正琳.基于贡献分离法的植被碳汇能力影响因素定量评估: 以三江源区为例[J/OL].环境科学, 2025: 1-23.（2025-09-16）[2025-11-03]. https://link.cnki.net/doi/10.13227/j.hjkx.202505053.

YUAN L, YIN Z L. Quantification and Assessment the Impacts of Vegetation Carbon Sink Capacity Based on the Contribution Separation Method: A Case Study in Three-River Headwaters Region,China[J/OL]. Environmental Science, 2025: 1-23. (2025-09-16)[2025-11-03]. https://link.cnki.net/doi/10.13227/j.hjkx.202505053.

[36]
赵明月, 刘源鑫, 张雪艳. 农田生态系统碳汇研究进展[J]. 生态学报, 2022, 42(23): 9405-9416.

ZHAO M Y, LIU Y X, ZHANG X Y. A Review of Research Advances on Carbon Sinks in Farmland Ecosystems[J]. Acta Ecologica Sinica, 2022, 42(23): 9405-9416.

[37]
丁岳, 王柳柱, 桂峰, 等. 基于InVEST模型和PLUS模型的环杭州湾生态系统碳储量[J]. 环境科学, 2023, 44(6): 3343-3352.

DING Y, WANG L Z, GUI F, et al. Ecosystem Carbon Storage in Hangzhou Bay Area Based on InVEST and PLUS Models[J]. Environmental Science, 2023, 44(6): 3343-3352.

[38]
刘杰, 胡国华, 张浪. 上海市中心城区绿地生态网络演化多情景模拟及景观连接度评价[J]. 风景园林, 2024, 31(11): 70-78.

DOI

LIU J, HU G H, ZHANG L. Multi-Scenario Simulation and Landscape Connectivity Evaluation of the Evolution of Green Space Ecological Network in Central Urban Area of Shanghai[J]. Landscape Architecture, 2024, 31(11): 70-78.

DOI

[39]
田一豆, 赵先超. 基于Markov-PLUS模型的长株潭城市群建设用地扩张模拟及碳排放响应分析[J]. 生态学报, 2024, 44(1): 129-142.

TIAN Y D, ZHAO X C. Simulation of Construction Land Expansion and Carbon Emission Response Analysis of Changsha-Zhuzhou-Xiangtan Urban Agglomeration Based on Markov-PLUS Model[J]. Acta Ecologica Sinica, 2024, 44(1): 129-142.

[40]
伍丹, 朱康文, 张晟, 等. 基于PLUS模型和InVEST模型的成渝经济区碳储量演化分析[J]. 三峡生态环境监测, 2022(2): 85-96.

WU D, ZHU K W, ZHANG S, et al. Evolution Analysis of Carbon Stock in Chengdu-Chongqing Economic Zone Based on PLUS Model and InVEST Model[J]. Ecology and Environmental Monitoring of Three Gorges, 2022(2): 85-96.

[41]
江苏省人民政府关于印发江苏省生态空间管控区域规划的通知[J].江苏省人民政府公报, 2020（2）: 5-26.

Notice of the People’s Government of Jiangsu Province on Issuing the Plan for Ecological Spatial Control Areas in Jiangsu Province[J]. Gazette of the People’s Government of Jiangsu Province, 2020(2): 5-26.

[42]
金一诺, 黄银洲, 尤凤, 等. 基于Markov-PLUS模型的石羊河流域土地利用及生态系统服务价值模拟[J]. 干旱区资源与环境, 2024, 38(5): 130-139.

JIN Y N, HUANG Y Z, YOU F, et al. Simulation of Land Use and Ecosystem Service Value in Shiyang River Basin Based on Markov-PLUS Model[J]. Journal of Arid Land Resources and Environment, 2024, 38(5): 130-139.

[43]
王保盛, 廖江福, 祝薇, 等. 基于历史情景的FLUS模型邻域权重设置: 以闽三角城市群2030年土地利用模拟为例[J]. 生态学报, 2019, 39(12): 4284-4298.

WANG B S, LIAO J F, ZHU W, et al. The Weight of Neighborhood Setting of the FLUS Model Based on a Historical Scenario: A Case Study of Land Use Simulation of Urban Agglomeration of the Golden Triangle of Southern Fujian in 2030[J]. Acta Ecologica Sinica, 2019, 39(12): 4284-4298.

[44]
张文彤, 董伟.SPSS统计分析高级教程[M].3版.北京: 高等教育出版社, 2018.

ZHANG W T, DONG W. Advanced Course of SPSS Statistical Analysis[M]. 3rd ed. Beijing: Higher Education Press, 2018.

[45]
罗鸿, 杨存建. 2005—2015年四川省土地利用变化及驱动力分析[J]. 生态科学, 2021, 40(1): 86-94.

LUO H, YANG C J. Analysis of Land-Use Change and Its Driving Forces in Sichuan Province from 2005 to 2015[J]. Ecological Science, 2021, 40(1): 86-94.

Options
文章导航

/

〈 〉