Analysis of Land Use Change and Habitat Quality Evolution Based on InVEST and PLUS Models: Example from Hanzhong Basin
-
摘要:
汉中盆地是中国南水北调工程中的重要源头区，分析区内土地利用及生境质量，能提高对该地区演变规律的认识，进一步保护下游研究区的自然资源和生态环境安全。笔者基于2000~2020年20年内共3期土地利用数据，建立了研究区多类型土地利用数据库和生境质量评估体系，从土地利用转移矩阵、景观格局指数、生境质量等多个方面对研究区内的土地利用的时空变化进行研究，并利用PLUS模型进行土地利用扩张和预测分析。结果表明：2000~2020年，土地利用类型变化较大，变化转移主要发生在水田和农村居民点用地、城镇用地之间；蔓延度指数逐年减少，景观破碎化程度较高；生境质量结果呈逐年下降趋势，高值面积减少并向南部扩展，低值面积增多并以城镇为中心向外辐射扩散，高等级的生态质量景观由水域和林草为主，主要沿汉江流域分布。
Abstract:Hanzhong Basin is an important source area in China's South-to-North Water Diversion Project. Analyzing land use and habitat quality within the region can enhance our understanding of its evolutionary patterns and further protect the natural resources and ecological environment security of the downstream working areas. This paper establishes a multi-type land use database and a habitat quality assessment system for the working area based on three periods of land use data from 2000 to 2020. It studies the spatiotemporal changes of land use in the research area from multiple aspects including land use transition matrix, landscape pattern indices, and habitat quality, and uses the PLUS model for land use expansion and prediction analysis. The results show that from 2000 to 2020, there were significant changes in land use types, mainly transfers between paddy fields, rural residential land, and urban land. The sprawl index decreased year by year, indicating a high degree of landscape fragmentation. Habitat quality results showed a downward trend year by year, with the area of high values decreasing and expanding southward, and the area of low values increasing, radiating outward from urban centers. High-grade ecological quality landscapes, dominated by water bodies and forests and grasslands, are mainly distributed along the Han river basin.
-
Keywords:
- InVEST model /
- PLUS model /
- land use /
- transfer matrix /
- landscape pattern /
- simulated prediction
-
进入21世纪以来，人类社会经济的高速发展和全球工业化的不断推进，煤炭、石油等化石能源消耗量逐年增加，随之而来的是全球CO2排放日益增加，大气中CO2浓度已经从工业革命前的280×10−6增长到近期的400×10−6以上，并且增长速度还在持续加快（刘宁，2018；袁志刚，2021）。国际能源署（IEA，2022）最新报告显示，2021年全球CO2排放量达到363亿t；中国的CO2排放占全球约三分之一，达到119亿t，位居世界第一，面临巨大的碳减排压力。绿色、低碳是中国当前经济持续健康发展的战略和目标。
CO2捕集、利用与封存（CCUS）技术作为一项碳减排技术，被认为是当前或今后较长一段时间内，有效缓解全球气候变化和减少CO2排放的新兴技术之一（米剑锋等，2019；刘廷等，2021；孙腾民等，2021；桑树勋等，2022a）。CO2地质封存是指将工业生产中排放的CO2气体，通过一定的技术手段收集起来，并将其注入到地下一定深处且封闭性好的地层或构造圈闭中储存起来（张洪涛等，2005）。欧美国家的成功经验也表明，CO2地质封存是减少CO2排放最直接、有效的措施（李海燕等，2013）。可用于CO2地质封存的场地主要有沉积盆地深部咸水层、枯竭油气藏、深部不可采煤层等（Shuklar et al.，2010；李甫成等，2014；刘廷等，2021），此外CO2与自然界中碳酸盐、硅酸盐矿物发生化学反应而固化也被认为是有效封存手段（王国强等，2023）。张森琦等（2011）研究发现，沉积盆地深部咸水层的储存潜力巨大，远远大于其他储存介质，是实现CO2规模化地质储存的主要目标。目前，世界上部署的CCUS项目超过400个（含运行、在建及规划项目），主要集中分布于欧洲、北美、澳大利亚及中国等地（桑树勋等，2022b）。挪威是世界上最早实施地下咸水层封存CO2的国家，其北海Sleipner项目自1996年开始每年将百万吨CO2注入海底地层中，至今未发生泄露，奠定了深部咸水层封存技术的可行性（郭建强等，2014a）。国内通过积极探索研究，目前已开展了一系列CCUS示范项目工程实践（刘廷等，2021），并取得了相关技术理论和实践突破，获得了广泛关注。例如，中石化胜利油田CCUS全流程示范工程、神华集团鄂尔多斯咸水层CO2封存示范工程、山西沁水盆地CO2–ECBM示范工程等（Sun et al.，2018；桑树勋等，2022b）。
国内外许多学者对于沉积盆地深部咸水层CO2地质储存潜力提出了不同的评价体系和评价方法。Bachu等（2003）建立了一套包括15个指标的盆地级别评价指标体系（范基姣等，2011）；沈平平等（2009）建立了包括25个指标、5个层次的评价指标体系；郭建强等（2014a）在借鉴前人研究基础和充分考虑中国复杂地质背景基础上，提出将中国CO2地质储存划分为5个阶段，针对盆地级CO2储存潜力评价建立了涵盖4个指标层、29个指标的评价体系和层析分析–综合评分的适宜性评价方法。中国地质调查局水文地质环境地质调查中心于2014年完成了全国主要大型沉积盆地的CO2地质储存潜力适宜性评价（郭建强等，2014b），安徽、广西、四川、内蒙古等省区近年来陆续完成了省域内CO2地质储存潜力适宜性评价工作。
据《江西统计年鉴（2022）》（江西省统计局，2023）数据，江西省能源消费是以煤炭为主的高碳化石能源，2022年能源消耗达
6362 万t标准煤，生态地质环境破坏严重，碳减排压力巨大，开展CO2储存潜力评价研究十分必要。江西省CO2地质储存评价工作起步较晚，目前相关研究尚处于空白，亟需通过系统、科学的研究评价，预测省内沉积盆地CO2储存潜力。根据江西省区域地质志（江西省地质局，2017）对省内中新生代沉积盆地的划分方案，综合考虑盆地地质背景、构造条件、以往地质工作程度等因素，选取江西省内发育的9处重点中新生代沉积盆地为评价对象，计算CO2有效封存潜力，开展CO2地质储存适宜性评价，优选江西省CO2地质储存潜力区，以期为江西省绿色低碳经济高质量发展提供地质解决方案。1. 研究区地质概况
江西省位于中国东南部，属长江中下游地区，面积16.69万km2。省内总体以丘陵、山地、平原地貌为主，地势南高北低，为亚热带暖湿季风气候。江西位于欧亚板块东南部，大地构造上跨越下扬子、华夏两个古板块（肖富强等，2020；邹勇军等，2022）及钦杭结合带（图1）。自白垩纪以来，进入地壳伸展期，省内普遍发生强烈的断陷作用，为主要断陷成盆期。中新生代沉积盆地广泛分布，多达20余个，总面积约为
35000 km2，约占省域面积的20%。![]()
图 1 江西省中新生代沉积盆地分布图Figure 1. Distribution of Mesozoic and Cenozoic sedimentary basins in Jiangxi Province江西中新生代沉积盆地主要发育白垩纪、古近纪地层，岩性以红色碎屑岩为主，俗称“红层”，包括白垩纪冷水坞组、赣州群（茅店组、周田组）、龟峰群（河口组、塘边组、莲荷组）以及古近纪新余组、临江组。盆地构造形式通常为断陷盆地，其演化过程一般经历了成型–发展–封闭阶段，相应的沉积相一般经历山麓堆积–湖泊–河流相的演变过程，形成了沉积盆地内岩石粗–细–粗的粒序组合，既有适于CO2的地质储层，也有岩性致密的区域性盖层，表明江西省中新生代沉积盆地具备CO2地质储存的基础条件（图2）。
![]()
图 2 江西省中新生代盆地地层综合柱状图1. 复成分砾岩；2. 砾岩；3. 砂砾岩；4. 泥岩；5. 粉砂质泥岩；6. 钙质砂岩；7. 泥岩；8. 砂岩；9. 膏岩；10. 储层；11. 盖层Figure 2. Comprehensive stratigraphy histogram of Mesozoic and Cenozoic basins in Jiangxi Province1.1 储层
冷水坞组（K1l）：分布于鄱阳、抚州、信江、版石等盆地，岩性为杂色含砾砂岩、砂岩、粉砂岩、泥岩组成的韵律层，为河湖相沉积，厚度为100～
1500 m。茅店组（K2m）：广泛分布于江西省内中新生代盆地，以紫红色砾岩、砂岩为主，夹少量砂岩、粉砂岩、泥岩，为河流冲积成因，厚度为200～
2000 m。河口组（K2h）：分布于江西省内各沉积盆地，岩性以砖红色、紫红色复成分砾岩、砂砾岩、含砾砂岩为主体，为间歇性河流冲积成因，厚度为200～
2000 m。莲荷组（K2l）：分布于鄱阳、清江、吉泰、抚州、信江等盆地，岩性为砖红或紫红色砾岩、砂砾岩夹砂岩、粉砂岩，为河流冲积成因，厚度为100～
1000 m。新余组一段（E1-2x1）：主要分布于清江盆地，岩性为紫红色、灰绿色含砾砂岩、砂岩，为山麓堆积成因，厚度为
1000 m。1.2 盖层
周田组（K2z）：广泛分布于各中新生代盆地，岩性以紫红色含钙泥岩、含钙粉砂岩，夹石膏层、岩盐层，为湖盆相沉积，厚度为200～500 m。
塘边组（K2t）：主要分布于鄱阳、清江、吉泰、抚州和信江等盆地，岩性以紫红色粉砂岩、泥岩为主体，夹含石膏层，为滨浅湖沉积，厚度为200～
1800 m。新余组（E1-2x）：中上部为致密地层，岩性为灰、灰黑色粉砂岩、泥岩，含有著名的“清江岩盐层”，湖泊相沉积，厚度＞600 m。
2. CO2地质储存潜力估算
沉积盆地深部含水层中CO2地质储存机理包括：构造地层封存机理、束缚气封存机理、溶解封存机理、矿物封存机理、水动力封存机理5种（郭建强等，2014a；杨红等，2019）。CO2地质储存潜力计算方法是基于地质储存机理、地质储存时间尺度的假设。目前，国际上通用的储存潜力计算方法主要包括欧盟（EU）、美国能源部（USDOE）、碳封存领导人论坛（CSLF）提出的计算方法及Ecofy法等（孙腾民等，2021）。
2.1 计算公式
笔者针对江西省内中新生代沉积盆地CO2地质储存潜力，采用碳封存领导人论坛（CSLF）提出的潜力计算方法，该方法认为沉积盆地深部含水层CO2储存潜力主要考虑束缚气封存和溶解封存机理（沈平平等，2009；张冰等，2019；杨红等，2019）。该方法可以形象概括为，在仅考虑最终理想状态下，沉积盆地深部储层中一部分孔隙空间用于束缚CO2流体，而另一部分孔隙空间则被溶解CO2的地层水占据。
（1）束缚气理论储存量
注入盆地深部储层的一部分CO2在储层中运移时，由于CO2的表面张力和岩层毛细管力的作用，使得CO2被圈闭在岩石的缝隙中，称为束缚气封存机理。通常束缚气体封存与溶解封存相结合，才会将储存在岩石的CO2最终埋存在地下。计算公式如下：
$$\begin{split} {M}_{{CO}_{2}tr}=&\Delta {V}_{trap}\times \varphi \times {S}_{{CO}_{2}t}\times {\rho }_{{CO}_{2}r}/{10}^{3} =\\& A\times H\times \varphi \times {S}_{{CO}_{2}t}\times {\rho }_{{CO}_{2}r}/{10}^{3} \end{split} $$ (1) 式中：$ {M}_{{CO}_{2}tr} $表示CO2在沉积盆地深部含水层中束缚气储存潜力理论值，单位为106 t；ΔVtrap表示原先被CO2饱和后被水浸入的岩石体积，该参数可理解为沉积盆地内整个储层的体积，由储层发育面积和平均有效厚度计算，单位为106m3；A表示深部储层的分布面积，单位为km2；H表示深部储层的平均厚度，单位为m；$\varphi $表示深部储层岩石的孔隙度，单位为%；$ {S}_{{CO}_{2}t} $表示液流逆流后被圈闭的CO2的饱和度（据公式$ {S}_{{CO}_{2}t} $=−
0.3136 ×ln（$ \varphi $）−0.1334 计算），单位为%；$\varphi $表示盆地深部储层岩石的平均孔隙度，单位为%；$ {\rho }_{{CO}_{2}t} $表示在盆地储层条件下CO2的密度，单位为kg/m3。（2）溶解气理论储存量
当CO2在储层多孔介质中运移时，CO2气体或超临界流体在沉积盆地深部含水层中的溶解，称为溶解储存机理。溶解量的大小与储层的温度、压力等因素有关。计算公式如下：
$$ \begin{split} {M}_{{CO}_{2}td}=&A\times H\times \varphi \times \left({\rho }^{s}{X}_{s}^{{CO}_{2}}-{\rho }^{i}{X}_{i}^{{CO}_{2}}\right)\times \left(1-{S}_{{CO}_{2}t}\right)/{10}^{3} \approx\\& A\times H\times \varphi \times {\rho }^{i}\times {R}_{{CO}_{2}}\times {M}_{{CO}_{2}}\times \left(1-{S}_{{CO}_{2}t}\right)/{10}^{3} \end{split} $$ (2) 式中：$ {M}_{{CO}_{2}td} $表示CO2在沉积盆地中溶解储存潜力理论值，单位为106 t；ρs表示地层水被CO2饱和时的平均密度，单位为kg/m3；ρi表示初始的地层水的平均密度，单位为kg/m3；$ {X}_{s}^{{CO}_{2}} $表示地层水被CO2饱和时的CO2占地层水中的平均质量分数，单位为%；$ {X}_{i}^{{CO}_{2}} $表示原始CO2占地层水中的平均质量分数，单位为%；$ {R}_{{CO}_{2}} $表示CO2在地层水溶解度，单位为mol/kg；$ {M}_{{CO}_{2}} $表示CO2的摩尔质量，单位为0.044 kg/mol。$ {S}_{{CO}_{2}t} $表示液流逆流后被圈闭的CO2的饱和度，单位为%。
（3）有效储存容量
$$ {M}_{{CO}_{2}}=({M}_{{CO}_{2}tr}+{M}_{{CO}_{2}td})\times {C}_{e} $$ (3) 式中：$ {M}_{{CO}_{2}} $表示CO2在沉积盆地储存潜力有效值，单位为106 t；Ce表示CO2地质储存潜力有效系数，无量纲，对盆地级别储存潜力估算取值为0.024。
2.2 储存潜力
基于本次评价的江西省内9个中新生代沉积盆地的基本地质属性和主要储层物性参数，为了简化计算流程，对相关参数取值作如下假设：①盆地计算面积（A）以主要储层分布面积为准。②储层厚度（H）按沉积盆地内发育的各套储层平均有效厚度计。③孔隙度（$\varphi $）根据沉积盆地各储层的统计数据取平均值。④储层条件下CO2的密度（$ {\rho }_{{CO}_{2}t} $）、CO2在地层水溶解度（$ {R}_{{CO}_{2}} $）在沉积盆地推测地层温度和压力的基础上，利用插值法求取。
经计算，按束缚气储存机理（表1），江西省中新生代沉积盆地的CO2有效储存量为
16869 ×106 t，鄱阳盆地和清江盆地储存量最大，分别达到12166 ×106 t和2357 ×106 t；按溶解气储存机理（表2），江西省中新生代沉积盆地的CO2有效储存量为1357.3 ×106 t，鄱阳盆地和清江盆地储存量分别达到1059 ×106 t和177×106 t。表 1 江西省中新生代沉积盆地束缚气有效储存量计算参数及结果Table 1. Calculation parameters and results of effective bound gas storage in Mesozoic–Cenozoic sedimentary basins of Jiangxi Province盆地 液流逆流后被
圈闭的CO2的被
饱和度（%）沉积盆地内整被
个储层的体积被
（106 m3）储层平均被
孔隙度（%）储层条件下CO2被
的密度（kg/m3）束缚气有效被
储存量（106 t）鄱阳盆地 42.54 9825600 16.83 720.54 12166 清江盆地 47.03 2362780 14.59 596.54 2357 吉泰盆地 55.20 802186 11.24 610.16 719 锦江盆地 59.89 392700 9.68 360.54 197 信江盆地 62.28 734040 8.98 595.48 584 抚州盆地 53.20 648000 11.98 617.60 612 赣州盆地 68.48 266900 7.36 536.80 173 版石盆地 62.24 11000 8.14 287.99 4 会昌盆地 55.06 60040 11.29 640.84 57 合计 16869 表 2 江西省中新生代沉积盆地溶解气有效储存量计算参数及结果Table 2. Calculation parameters and results of effective storage of dissolved gas in Mesozoic and Cenozoic sedimentary basins of Jiangxi Province盆地 盆地面积（ km2） 储层厚度（m） CO2在地层
水溶解度（mol/kg）初始的地层
水的平均密度
（kg/m3）溶解气有效
储存量（106 t）鄱阳盆地 10680 920 1.0196 1035 1059 清江盆地 2780 850 0.8702 1030 177 吉泰盆地 2570 312 0.9695 1030 41 锦江盆地 1870 210 0.8609 1015 14 信江盆地 2166 340 0.7860 1017.5 21 抚州盆地 2880 225 0.9214 1030 36 赣州盆地 1570 170 0.8734 1030 6 版石盆地 110 100 0.7327 1010 0.3 会昌盆地 240 250 0.8816 1025 3 合计 1357.3 总体来看，江西省中新生代沉积盆地CO2有效储存量为
18226.3 ×106 t，束缚气储存量占比为92.6%，溶解气储存量占比为7.4%。不同沉积盆地之间，有效储存总量差异较大（图3）。以鄱阳盆地CO2有效储存潜力最高，达到13225 ×106 t。其次为清江盆地，有效储存潜力为2534 ×106 t。吉泰盆地、信江盆地、抚州盆地储存潜力相当。会昌盆地、版石盆地CO2储存潜力最小，分别为60×106 t和4.3×106 t。![]()
图 3 CO2有效储存量分布柱状图Figure 3. Distribution histogram of effective carbon dioxide storage capacity3. 评价指标与方法模型
3.1 评价指标体系
根据江西省中新生代盆地发育特征，在前人研究基础上（沈平平等，2009；张森琦等，2011；刁玉杰等，2011；王齐鑫等，2017），基于CO2地质储存潜力适宜性评价总体目标，综合考虑影响CO2地质储存潜力的各项因素，建立了适于江西中新生代盆地地质特征，以地质安全性、储存规模、社会经济性为评价指标层的综合评价体系（图4）。
地质安全性是实现规模化CO2地质储存的首要前提，是保证埋藏在地下的CO2长期稳定封存的基础条件，包括区域地壳稳定性和盖层条件两个评价指标亚层。区域地壳稳定性由地震动峰值加速度、历史地震、活动断裂发育情况等指标评价（张森琦等，2011）。盖层条件主要指的是盖层的封闭性能，盖层条件越好，反映更好的构造条件，则封存越安全（郭建强等，2014a）。
储存规模是影响沉积盆地CO2地质储存潜力的最主要因素，影响储存规模的条件有盆地规模、储层条件、储存潜力、地热地质条件4项（张森琦等，2011）。盆地规模、储层条件与储存潜力指标，均为影响沉积盆地CO2储存潜力的正向指标，直接决定了CO2的储存潜力。地热地质条件包含大地热流值和地温梯度，二者对盆地CO2储存能力、相态以及流动状态都有很大影响，较低的大地热流值和地温梯度能使CO2在较小的深度下达到较高的密度，有利于CO2的地质储存。
社会经济性指标是评价是否能够将CO2储存的生态效益转化为经济效益的重要衡量指标，包括碳源条件和社会认可程度。碳源条件的评价，可以理解为碳源规模越大、碳源密度越高，越有利于盆地CO2地质储存。社会认可程度主要是指地方政府和社会公众对于CO2地质储存工程的认可或支持程度，与地方的碳减排压力直接相关。
3.2 评价方法模型
对沉积盆地深部咸水层CO2地质储存潜力适宜性评价常用方法为层次分析-综合评价法（郭建强等，2014a）。层次分析法的应用基于研究者对评价对象和评价指标属性及其相对重要性有足够的了解，是一种较为主观的赋权方法。考虑到江西省CO2地质储存适宜性评价工作基础薄弱，相关研究尚处于起步阶段，对各中新生代盆地及其地质背景认识不足，采用层次分析法难以准确判断评价指标间的相对重要性。笔者引入客观赋权的变异系数法（王齐鑫等，2017），采用变异系数–综合评价模型，客观地评价江西省中新生代CO2地质储存潜力及其适宜性。
3.2.1 变异系数法
变异系数法的基本思路：在综合评价指标体系中，某项指标的变异程度较大，则应赋予较大的权重，反之，则赋予较小的权重（王齐鑫等，2017）。变异系数法求解权重的步骤如下（储莎等，2011）：
①第i项指标评分均值$\bar {x}_{i} $
$$ \bar {x}_{i}=\frac{1}{n} \cdot {\sum} _{j=1}^{n}{x}_{ij} （n：评价对象个数） $$ (4) ②第i项指标评分的均方差值$ {\sigma }_{i} $
$$ {\sigma }_{i} = \sqrt{\frac{1}{n}{\sum} _{j=1}^{n}{({x}_{ij}-\bar{x}_{i})}^{2}} $$ (5) ③变异系数$ \delta _{i} $
$$ \delta _{i} = {\sigma }_{i} /\bar {x}_{i} $$ (6) ④权重计算
$$ {\omega }_{i}=\dfrac{{\delta }_{i}}{\displaystyle {\sum} _{i=1}^{m}{\delta }_{i}} （m：评价指标个数） $$ (7) 3.2.2 综合评价
综合考虑影响沉积盆地CO2储存潜力的各项指标，按下式，将各评价指标得分（pi）与相应权重（$ {\omega }_{i} $）相乘后累加，即得到评价对象的综合评分。
$$ P= \displaystyle {\sum} _{i=1}^{m}{p}_{i}{\omega }_{i} $$ (8) 按综合评价得分对各评价对象进行分档排序，优选出江西省CO2地质储存潜力区。
4. CO2地质储存潜力适宜性评价
4.1 评价流程
适宜性评价流程和算法的具体实施过程主要包括：①基于已建立的沉积盆地评价指标体系构造评价矩阵。②对评价矩阵进行正向化和量化处理，得到统一赋值的标准评价矩阵。③根据前述的变异系数法原理，计算标准评价矩阵中各项评价指标权重。④采用综合评价方法，计算各沉积盆地的综合得分，通过对综合得分的优先排序实现对沉积盆地CO2地质储存潜力的适宜性评价（图5）所示。
4.2 权重厘定
采用统一量化赋值的方式，将每个评价指标按定性或定量原则划分为5个不同的评价等级，分别为适宜、较适宜、一般适宜、较不适宜、不适宜等评语，分别对应9～1分的评分尺度，正向指标参数越大或越好则越适宜，负向指标参数越小或越差则越适宜，建立由指标评分构成的标准评价矩阵。采用变异系数法，经计算得出各指标层及评价指标的权重（表3）。
表 3 评价指标权重表Table 3. Evaluation index weight table指标层 指标亚层 评价指标 地质安全性 0.340 区域地壳稳定性 0.135 地震动峰值加速度（g） 0.025 历史地震（M） 0.034 活动性断裂发育情况 0.076 盖层条件 0.204 盖层岩性 0.015 盖层层数 0.033 盖层厚度（m） 0.026 主力盖层埋深（m） 0.098 盖层连续性 0.034 储存规模 0.558 盆地规模 0.093 盆地面积（ km2） 0.055 地层厚度（m） 0.038 储层条件 0.147 储层厚度（m） 0.050 孔隙度（%） 0.047 渗透率（mD） 0.050 储存潜力 0.285 推定潜力（108 t） 0.114 单位面积潜力（104 t/ km2） 0.171 地热地质条件 0.032 大地热流值（mW/m2） 0.022 地温梯度（℃/100 m） 0.011 社会经济性 0.102 碳源条件 0.059 社会认可程度 0.043 由权重计算结果可知，指标层中对CO2地质储存适宜性影响最大的是储存规模指标，权重占比为0.558，其次为地质安全性指标，权重占比为0.340，社会经济性指标权重占比最小，为0.102。
在指标亚层中，储存潜力影响程度最大，权重占比达到0.285；盖层条件次之，权重占比为0.204；区域地壳稳定性、储层条件的权重占比也较大，均达到0.1以上。
在具体评价指标层面，推定潜力、单位面积潜力两个评价指标所占权重最大，均在0.1以上。其次为活动性断裂发育情况、主力盖层埋深等指标，权重占比均在0.07以上；地温梯度、大地热流值、盖层岩性、盖层厚度等评价指标权重占比较小，均在0.03以下。
4.3 评价结果与分析
4.3.1 评价结果
运用综合评价法，将量化赋值得到的标准评价矩阵与各评价指标权重（表3）相乘后累加，即得到本次CO2地质储存潜力评价最终评价结果，按综合评分进行优先级排序，即实现对江西省中新生代盆地CO2地质储存潜力适宜性评价（表4，图6）。
表 4 CO2地质储存潜力适宜性评价结果Table 4. Evaluation results of suitability for geological storage potential of carbon dioxide盆地 综合得分 排名 适宜性等级 鄱阳盆地 8.532 1 适宜 清江盆地 7.511 2 较适宜 吉泰盆地 4.427 7 一般 锦江盆地 4.436 6 一般 信江盆地 5.115 3 一般 抚州盆地 5.076 4 一般 赣州盆地 4.543 5 一般 版石盆地 3.788 8 较不适宜 会昌盆地 3.421 9 较不适宜 注：8～9为适宜，6～8为较适宜，4～6为一般适宜，2～4为较不适宜，＜2为不适宜。 ![]()
图 6 江西省中新生代沉积盆地二氧化碳地质储存适宜性评价图Figure 6. Evaluation map of geological storage suitability of carbon dioxide in Mesozoic and Cenozoic sedimentary basins in Jiangxi Province鄱阳盆地综合评分为8.532，位列各评价盆地第1，CO2地质储存适宜性等级为适宜；清江盆地综合评分为7.511，排名第2，适宜性等级为较适宜；吉泰盆地、信江盆地、锦江盆地、抚州盆地、赣州盆地综合评分为4～6，适宜性等级均为一般适宜；版石、会昌两个盆地综合评分均低于4，适宜性等级为较不适宜。
4.3.2 适宜性分析
由上述评价结果可知，江西省中新生代沉积盆地CO2地质储存适宜性优先顺序分别为鄱阳盆地、清江盆地、信江盆地、抚州盆地、赣州盆地、锦江盆地、吉泰盆地、版石盆地、会昌盆地。鄱阳盆地、清江盆地储存潜力分别达到适宜、较适宜等级，与郭建强等（2014b）研究评价结果基本吻合，认为鄱阳、清江盆地最具CO2地质储存潜力。
鄱阳盆地位于江西省北部，面积为
10680 km2，沉积地层厚度达5000 m（黄孝波等，2016），盆地面积大，是唯一达到中型规模的沉积盆地，并且盆地内发育包括白垩纪冷水坞组、龟峰群、赣州群、古近纪新余组在内的多套储层（梁兴等，2006），初步统计其累计储层有效厚度可达920 m，储层平均孔隙度达到16.83%，平均渗透率为32.8 mD，达到中孔中渗水平，封存潜力巨大。盆地位于赣北下扬子准地台，无活动性断裂带发育，总体构造环境稳定。以往地震、钻探资料（李尚儒等，2016）解释表明，鄱阳盆地白垩纪地层孕育诸多构造圈闭，发育有多套岩性以泥岩为主的致密盖层，累计厚度达千余米，且连续稳定分布于构造圈闭中，表明具有较好的保存条件。盆地主要为鄱阳湖区，人口密度低，从地质安全性角度考虑，更适于CO2储存。盆地周边为环鄱阳湖经济带，为江西省内经济发展水平高、碳源条件好的区域。综上所述，鄱阳盆地从储存潜力、地质安全性及社会经济性3个方面均表现出较好的适宜性条件，故而其CO2地质储存潜力适宜性程度最佳。清江盆地位于江西省中部，为鄱阳盆地的南延部分，在大地构造上处于下扬子板块与华夏板块对接的钦杭结合带，是在燕山褶皱基底的基础上沿萍乡–广丰断裂带而形成的断陷盆地（杨吉根，1988）。盆地面积约为
3600 km2，沉积地层厚度逾4000 m，主要发育白垩纪龟峰群、古近纪新余组，有效储层厚度达到850 m，平均孔隙度为14.37%，平均渗透率为24.5 mD，储层物性条件较好，经计算的CO2理论储存量仅次于鄱阳盆地。清江盆地区域构造条件稳定，主力盖层新余组中部发育有大段含膏盐建造（罗文煌等，2006），封盖条件优越；周边经济发展水平高，碳源条件好。因此，通过CO2地质储存潜力适宜性评价，清江盆地储存潜力达到较适宜等级。版石盆地和会昌盆地综合评分最低，封存潜力适宜性评价等级为较不适宜。版石盆地面积较小，盆地内储层厚度发育较小，孔渗性也较小，进而计算得到的CO2理论封存量小，反映出版石盆地封存能力有限，对适宜性评价十分不利。会昌盆地适宜性评价综合排名最后，主要原因有两方面：一是盆地面积较小，封存潜力有限；二是盆地位于江西省地震活动最频繁，历史上曾发生六级破坏性地震，盆地边缘活动性断裂最密集，周边发育有寻乌–石城、九连山–安远、三南–寻乌等发震断裂带，地壳稳定性较差，对CO2长期稳定储存的安全性不利。
5. 结论
（1）江西省中新生代沉积盆地CO2有效储存量为
18226.3 ×106 t。束缚气储存机理有效储存量为16869 ×106 t，溶解气储存机理有效储存量为1357.3 ×106 t。（2）充分考虑影响沉积盆地CO2地质储存的多重因素，构建了以地质安全性、储存规模、社会经济性为核心、涵盖19项评价指标的CO2地质储存潜力适宜性综合评价指标体系。
（3）江西省CO2地质储存适宜性优先顺序分别为：鄱阳盆地、清江盆地、信江盆地、抚州盆地、赣州盆地、锦江盆地、吉泰盆地、版石盆地、会昌盆地。鄱阳盆地、清江盆地储存潜力分别达到适宜、较适宜等级，可作为江西省CO2地质储存优先考虑盆地。
致谢：感谢审稿专家对本文提出的宝贵意见和辛勤付出！
-
![]()
图 2 2020～2020年汉中盆地土地利用类型分布图
a. 2000年土地利用类型分布图；b. 2010年土地利用类型分布图；c. 2020年土地利用类型分布图
Figure 2. Distribution of land use types in Hanzhong basin in 2020-2022
![]()
图 3 土地转移矩阵弦图
a. 2000～2010年；b. 2010～2020年；c. 2000～2020年
Figure 3. Chord diagram of land stochastic matrix
![]()
图 4 生境质量变化转移矩阵弦图
a. 2000～2010年；b. 2010～2020年；c. 2000～2020年
Figure 4. Chord diagram of land stochastic matrix
![]()
图 5 生境质量时空变化图
a. 2000年；b. 2010年；c. 2020年
Figure 5. Spatial and temporal variation map of habitat quality
![]()
图 6 土地利用扩张时空变化图
a. 2000～2010年；b. 2010～2020年
Figure 6. Temporal and spatial changes in land use expansion
![]()
图 7 建设类用地扩张驱动因素排名（a）和建设类用地扩张因子贡献分析图（b）
Figure 7. (a) Ranking of driving factors for expansion of construction land and（b) Analysis of the Contribution of Construction Land Expansion Factors
![]()
图 8 2030年土地利用预测分析图
a.勉县区域；b.汉中区域；c.固城区域；d.洋县区域
Figure 8. Land use forecast analysis chart in 2030
表 1 驱动因子信息表
Table 1 Driver information table
类型 数据 数据来源 社会经济数据 人口 https://www.resdc.cn/Default.aspx GDP 到一级道路距离 Openstreetmap（https://github.com/openstreetmap） 到二级道路距离 到三级道路距离 到铁路距离 到政府距离 气候与环境数据 土壤类型 HWSDv1.2（https://www.fao.org/soils-portal/en/） 年平均温度 WorldClim v2.0（https://www.fao.org/soils-portal/en/） 年平均降水量 高程 NASA SRTM1 v3.0 坡度 到水域距离 （https://github.com/openstreetmap） 
下载: 导出CSV
表 2 威胁因子信息表
Table 2 Threat factor information table
威胁因子 最大影响距离（km） 权重 衰减类型 耕地 1 0.2 线性衰退 水域 1 0.2 线性衰退 建设类用地 5 0.5 指数衰退 农村居民点 6 0.7 指数衰退 城镇用地 10 1 指数衰退
下载: 导出CSV
表 3 威胁因子敏感度
Table 3 Threat factor sensitivity
土地利用类型 生境适宜度 威胁因子 耕地 水域 建设类用地 农村居民点 城镇用地 耕地 0.3 0.6 0.5 0.6 0.7 0.5 林地 0.9 0.5 0.8 0.7 0.3 0.8 草地 0.8 0.8 0.8 0.4 0.7 0.4 水域 0.7 0.7 0.2 0.1 0.3 0.3 城乡工矿居民 0 0 0 0.2 0 0 未利用土地 0.3 0.2 0.2 0.1 0.2 0.3
下载: 导出CSV
表 4 汉中盆地景观类型水平
Table 4 Landscape type level of Hanzhong basin
类型 2000年 2010年 2020年 PLAND LPI TE ED PLAND LPI TE ED PLAND LPI TE ED 水田 71.28 39.4 5320878.1 31.79 68.07 32.80 5576238.6 33.31 66.03 24.3 5963113.8 35.63 旱地 5.05 1.36 610927.42 3.65 5.18 1.39 646091.46 3.86 5.16 1.35 675959.51 4.04 有林地 0.14 0.02 48228.74 0.29 0.13 0.02 45581.76 0.27 0.13 0.02 45701.71 0.27 灌木林 0.05 0.03 12057.19 0.07 0.05 0.02 13194.72 0.08 0.04 0.02 11995.20 0.07 疏林地 0.76 0.03 271406.66 1.62 0.76 0.03 276039.54 1.65 0.76 0.03 275679.68 1.65 其他林地 0.89 0.04 289552.42 1.73 1.02 0.06 312325.02 1.87 1.01 0.06 317812.82 1.90 高覆盖度草地 0.06 0.03 19345.49 0.12 0.07 0.03 22790.88 0.14 0.08 0.03 26629.34 0.16 中覆盖度草地 9.12 0.17 3140447.0 18.76 8.53 0.17 3031306.9 18.1 8.89 0.17 3139263.7 18.76 低覆盖度草地 0.00 0.00 1439.66 0.01 0.00 0.00 1379.45 0.01 0.00 0.00 1319.47 0.01 河渠 1.22 0.99 333072.27 1.99 0.86 0.14 243802.44 1.46 1.27 1.01 294332.22 1.76 湖泊 0.69 0.08 254730.55 1.52 0.65 0.03 244462.18 1.46 0.65 0.03 243622.51 1.46 水库坑塘 0.27 0.05 68773.95 0.41 0.59 0.25 156447.40 0.93 0.61 0.26 159386.22 0.95 滩地 3.04 0.61 535225.09 3.20 3.18 0.71 549859.97 3.29 2.78 0.64 509915.95 3.05 城镇用地 0.78 0.30 55217.11 0.33 1.90 0.75 126849.24 0.76 2.29 0.76 167183.10 1.00 农村居民点 6.51 0.06 1590768.7 9.50 8.69 0.28 1959835.7 11.71 8.73 0.20 1945261.5 11.62 其他建设用地 0.10 0.06 14756.56 0.09 0.28 0.09 51969.20 0.31 1.51 0.10 520801.60 3.11 沼泽 0.03 0.02 5398.74 0.03 0.02 0.02 5457.82 0.03 0.02 0.02 5457.82 0.03 裸土地 − − − − 0.01 0.00 2938.82 0.02 0.04 0.01 18112.75 0.11
下载: 导出CSV
表 5 汉中盆地景观水平
Table 5 Landscape type level of Hanzhong basin
年份（a） CA LPI TE ED CONTAG SHDI SHEI 2000 167379.642 39.486 6286112.898 37.556 75.089 1.143 0.403 2010 167379.866 32.804 6683185.656 39.928 73.938 1.247 0.432 2020 167379.866 24.304 7210674.576 43.080 72.106 1.330 0.460
下载: 导出CSV
-
陈颐, 林毅伟, 林丽丽, 等. 基于Markov和LoGIStic模型的莆田市土地利用变化及林地转出空间模拟[J]. 中国农业大学学报, 2017, 22（2）: 87−97. doi: 10.11841/j.issn.1007-4333.2017.02.011 CHEN Yi, LIN Yiwei, LIN Lili, et al. Spatial simulation of land use change and forest land transfer in Putian City based on Markov and LoGIS models[J]. Journal of China Agricultural University,2017,22(2):87−97. doi: 10.11841/j.issn.1007-4333.2017.02.011
曹雪, 罗平, 李满春, 等. 基于扩展CA模型的土地利用变化时空模 拟研究——以深圳市为例[J]. 资源科学, 2011, 33（1）: 127−133. CAO Xue, LUO Ping, LI Manchun, et al. Study on spatiotemporal simulation of land use change based on extended CA model: A case study of Shenzhen City[J]. Resource Science,2011,33(1):127−133.
陈竹安, 刘子强, 张立亭, 等. 南昌市LUCC多情景模拟 和生境质量时空演变与预测[J]. 农业机械学报, 2023, 54（5）: 170−180. CHEN Zhu’an, LIU Ziqiang, ZHANG Liting, et al. Multi scenario simulation and spatiotemporal evolution and prediction of habitat quality in Nanchang LUCC[J]. Journal of Agricultural Machinery,2023,54(5):170−180.
代克志. 基于3S技术的花溪河流域景观格局变化及影响研究[D]. 贵州: 贵州师范大学, 2015. DAI Kezhi. Research on Landscape Pattern Changes and Impact in the Huaxi River Basin Based on 3S Technology [D]. Guizhou: Guizhou Normal University, 2015.
冯雨林, 杨佳佳, 吴梦红. 基于景观转移矩阵的黑龙江双河自然护区土地覆被转移研究[J]. 地质与资源, 2016, 25（5）: 1−5. FENG Yulin, YANG Jiajia, WU Menghong. Research on land cover transfer in the Shuanghe Nature Reserve of Heilongjiang Province based on landscape transfer matrix[J]. Geology and Resources,2016,25(5):1−5.
范树平, 程从坤, 刘友兆, 等. 中国土地利用/土地覆盖研究综述与展望[J]. 地域研究与开发, 2017, 36（2）: 94−101. doi: 10.3969/j.issn.1003-2363.2017.02.018 FAN Shuping, CHENG Congkun, LIU Youzhao, et al. A Review and Prospects of Land Use/Land Cover Research in China[J]. Regional Research and Development,2017,36(2):94−101. doi: 10.3969/j.issn.1003-2363.2017.02.018
高文龙, 张景华, 刘洪, 等. 基于转移矩阵的大凉山区土地利用变化研究[J/OL]. 西北地质, 2023: 1−13. doi: 10.12401/j.nwg.2023167. GAO Wenlong,ZHANG Jinghua,LIU Hong,et al. Research on Land Use Change in Daliangshan District Based on Transfer Matrix [J/OL]. Northwest Geology,2023: 1−13. Doi: 10.12401/j.nwg.2023167.
黄钰清, 李骁尧. 1995-2020年黄河流域土地利用变化及驱动力分析[J]. 西北林学院学报, 2020, 37（6）: 113−121. HUANG Yuqing, LI Xiaoyao. Analysis of Land Use Changes and Driving Forces in the Yellow River Basin from 1995 to 2020[J]. Journal of Northwest Forestry University,2020,37(6):113−121.
韩朝辉, 王郅睿, 田辉, 等. 汉中盆地地下水水化学特征及其成因研究[J]. 西北地质, 2023, 56（4）: 263−273. HAN Chaohui, WANG Zhirui, TIAN Hui, et al. Hydrochemical Characteristics and Genesis of Groundwater in the Hanzhong Basin[J]. Northwestern Geology,2023,56(4):263−273.
黄金亭, 曹艳萍, 秦奋. 基于土地利用/覆盖变化模拟的黄河流域生态环境质量分析[J]. 河南大学学报: 自然科学版, 2020, 50（2）: 127−138. HUANG Jinting, CAO Yanping, QIN Fen. Analysis of Ecological Environment Quality in the Yellow River Basin Based on Land Use/Cover Change Simulation[J]. Journal of Henan University: Natural Science Edition,2020,50(2):127−138.
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, 2011, 45（4）: 1125−1136. HU Feng, ZHAGN Yan, GUO Yu, et al. Spatial and temporal changes and prediction of land use and habitat quality in the Wei River Basin based on PLUS and InVEST models[J]. Arid Region Geography,2011,45(4):1125−1136.
吕桂军. 长时间序列LandsatTM影像应用于地理国情监测中的 技术方法探讨[D]. 焦作: 河南理工大学, 2014. LV Guijun. Exploration of Technical Methods for Applying Long Time Series LandsatTM Images to Geographical and National Monitoring [D]. Jiaozuo: Henan University of Technology, 2014.
梁甜, 黄茜, 杨霏. 基于InVEST-PLUS模型的三峡库区(重庆段)生境质量演变及预测[J]. 长江流域资源与环境, 2023, 32（10）: 2184−2195. LIANG Tian, HUANG Qian, YANG Fei. Habitat quality evolution and prediction in the Three Gorges Reservoir Area (Chongqing section) based on the InVEST-PLUS model[J]. Yangtze River Basin Resources and Environment,2023,32(10):2184−2195.
刘纪远, 宁佳, 匡文慧, 等. 2010-2015年中国土地利用变化的时空格局与新特征[J]. 地理学报, 2020, 73（5）: 789−802. LIU Jiyuan, NING Jia, KUANG Wenhui, et al. The spatiotemporal pattern and new characteristics of land use change in China from 2010 to 2015[J]. Journal of Geography,2020,73(5):789−802.
李灿, 曾和平. 基于面积转移矩阵的龙川江流域土地利用变化研究[J]. 人民长江, 2018, 49（17）: 06−13. LI Can, ZENG Heping. Research on Land Use Change in the Longchuan River Basin Based on Area Transfer Matrix[J]. Yangtze River,2018,49(17):06−13.
陶蕴之, 张甜, 梁琦珍, 等. 基于转移矩阵的环渤海土地利用研究[J]. 绿色科技, 2016, 37（2）: 4−7. doi: 10.3969/j.issn.1674-9944.2016.02.002 TAO Yunzhi, ZHANG Tian, LIANG Qizhen, et al. Research on Land Use of Bohai Rim Based on Transfer Matrix[J]. Green Science and Technology,2016,37(2):4−7. doi: 10.3969/j.issn.1674-9944.2016.02.002
卫建军, 李新平, 杨勤科. 基于遥感的土地利用与退耕还林时空变化研究—以延河流域下游地区为例[J]. 水土保持通报, 2007（2）: 87−90. doi: 10.3969/j.issn.1000-288X.2007.02.020 WEI Jianjun, LI Xinping, YANG Qinke. Research on spatiotemporal changes of land use and returning farmland to forests based on remote sensing: A case study of the lower reaches of the Yanhe River Basin[J]. Soil and Water Conservation Bulletin,2007(2):87−90. doi: 10.3969/j.issn.1000-288X.2007.02.020
王颖维, 张亚峰, 钱信禹, 等. 南水北调中线工程丹江源地区生态地质格局动态演变[J]. 西北地质, 2023, 56（3）: 129−140. WANG Yingwei, ZHANG Yafeng, QIAN Xinyu, et al. Dynamic Evolution of Eco−geological Pattern: Taking Danjiangyuan Area of Central Line Project of South−to−North Water Diversion[J]. Northwestern Geology,2023,56(3):129−140.
杨朔, 苏昊, 赵国平. 基于PLUS模型的城市生态系统服务价值多情景模拟: 以汉中市为例[J]. 干旱区资源与环境, 2022, 36（10）: 86−95. YANG Shuo, SU Hao, ZHAO Guoping. Multi scenario simulation of urban ecosystem service value based on PLUS model: A case study of Hanzhong City[J]. Resources and Environment in Arid Areas,2022,36(10):86−95.
阳柏苏. 景区土地利用格局及生态系统服务功能研究[D]. 长沙: 中南林业科技大学, 2005. YANG Baisu. Research on Land Use Patterns and Ecosystem Services in Scenic Spots [D]. Changsha: Central South University of Forestry and Technology, 2005.
岳东霞, 杜军, 刘俊艳, 等. 基于RS和转移矩阵的泾河流域生态承载力时空动态评[J]. 生态学报, 2011, 31（9）: 2550−2558. YUE Dongxia, DU Jun, LIU Junyan, et al. Spatial and temporal dynamic evaluation of ecological carrying capacity in the Jinghe River Basin based on RS and transfer matrix[J]. Journal of Ecology,2011,31(9):2550−2558.
张冉, 王义民, 畅建霞, 等. 基于水资源分区的黄河流域土地利用变化对人类活动的响应[J]. 自然资源学报, 2019, 34（2）: 274−287. doi: 10.31497/zrzyxb.20190205 ZHANG Ran, WANG Yimin, CHANG Jianxia, et al. Response of land use change in the Yellow River Basin to human activities based on water resource zoning[J]. Journal of Natural Resources,2019,34(2):274−287. doi: 10.31497/zrzyxb.20190205
张立新, 段文凯. 经济转型背景下城市土地城镇化格局 及影响因素—以长江经济带城市为例[J]. 国农业大学学报, 2021, 26（9）: 206−215. ZHANG Lixin, DUAN Wenkai. Urban Land Urbanization Pattern and Influencing Factors under the Background of Economic Transformation: A Case Study of Cities in the Yangtze River Economic Belt[J]. Journal of China Agricultural University,2021,26(9):206−215.
张恒义, 刘卫东, 王世忠, 等. “省公顷”生态足迹模型中均衡因子及产量因子的计算: 以浙江省为例[J]. 自然资源学报, 2009, 24（1）: 82−92. doi: 10.3321/j.issn:1000-3037.2009.01.010 ZHANG Hengyi, LIU Weidong, WANG Shizhong, et al. Calculation of Equilibrium Factors and Yield Factors in the Ecological Footprint Model of "Provincial Hectares": Taking Zhejiang Province as an Example[J]. Journal of Natural Resources,2009,24(1):82−92. doi: 10.3321/j.issn:1000-3037.2009.01.010
Faichia C, Tong Z, Zhang J, et al. Using RS Data-Based CA–Markov Model for Dynamic Simulation of Historical and Future LUCC in Vientiane, Laos[J]. Sustainability,2020,12(20):8410−8419. doi: 10.3390/su12208410
Lambin EF, Turbner B, Geist HJ, et al. The cauyses of land-use and land-over change: moviong beyong the myths[J]. Global enviroment change,2001,11(4):261−269. doi: 10.1016/S0959-3780(01)00007-3
Newbold T, Hudson L N, Phillips HR, et al. A global model of the response of tropical and sub-tropical forest biodiversity to anthropo genic pressures[J]. Proceedings Biological Sciences,2014,281(1792):1−10.
Verburg P H, De konnig G, Kok K, et al. A spatial explicit allocation procedure for modeling the pattern of land use change based upon actual land use[J]. Ecoligical modelling,1999,116(1):45−61. doi: 10.1016/S0304-3800(98)00156-2
计量
- 文章访问数: 119
- HTML全文浏览量: 7
- PDF下载量: 36
