编辑推荐：
为探究全球气候变化下土地利用 / 覆盖变化（LUCCs）与碳储量（CS）时空分布及驱动因素，研究人员基于 CMIP6 气候情景，结合 PLUS 和 InVEST 模型分析 1990-2020 年演变并预测未来。发现 CS 呈增长趋势但区域差异大，自然与人为因素为主要驱动。为碳中和政策提供科学依据。
全球气候变暖如同高悬的达摩克利斯之剑，时刻威胁着地球生态系统的稳定。在这一背景下，陆地生态系统的碳储量（Carbon Storage, CS）作为气候调节的关键因子，其与土地利用 / 覆盖变化（Land Use/Cover Changes, LUCCs）的复杂关联成为科学界关注的焦点。然而，现有研究多聚焦中小尺度区域，难以揭示国家层面 LUCCs 对 CS 的整体影响；且在未来预测中，常忽视气候变化与社会经济发展的动态交互，驱动因素分析也多局限于单一维度。如何在大尺度上系统解析 CS 的时空演变规律，精准识别不同情景下的驱动机制，成为实现碳达峰、碳中和目标亟待突破的科学瓶颈。
为填补这一研究空白，我国研究人员围绕中国这一全球碳储量重要贡献区展开深入探索。相关成果发表在《Environmental Research》上，为我国生态保护与气候治理提供了关键科学支撑。
研究团队采用多模型耦合的技术路线，核心方法包括：基于 PLUS 模型（Patch-generating Land Use Simulation Model）模拟土地利用变化趋势，结合 InVEST 模型（Integrated Valuation of Ecosystem Services and Tradeoffs）量化碳储量空间分布，并运用随机森林（Random Forest）与 SHAP（SHapley Additive exPlanations）方法解析自然（如气候因子）与人为（如人口密度、政策干预）因素对 CS 的影响权重。此外，研究引入 CMIP6（Coupled Model Intercomparison Project Phase 6）的三种典型气候情景（SSP1-2.6、SSP2-4.5、SSP5-8.5），覆盖低、中、高碳排放路径，以预测未来 CS 动态。
1990-2020 年土地利用与碳储量时空特征
研究将中国划分为七大生态区，分析显示：期间耕地、草地面积呈减少趋势，建设用地扩张显著，林地面积略有增加。碳储量整体呈上升态势，但区域差异悬殊 —— 青藏高原以 26.96% 的全国碳储量占比位居首位，而城市化高度发达的华南地区仅占 4.39%。这一现象与退耕还林、天然林保护等政策实施密切相关，同时也反映了经济发展与生态保护的区域矛盾。
多情景下碳储量预测（2030-2050 年）
- SSP1-2.6（可持续发展情景）：碳储量持续增长，2030 年达 1.003×1011吨，2050 年增至 1.026×1011吨，较 2020 年分别增长 3.33% 和 5.79%，表明严格的低碳政策与生态保护措施可显著提升碳汇能力。
- SSP5-8.5（高排放情景）：碳储量呈下降趋势，2030 年和 2050 年分别为 9.31×1010吨和 9.32×1010吨，较 2020 年减少 4.01% 和 3.91%，凸显高碳排放路径对生态系统的破坏性影响。
- SSP2-4.5（中等排放情景）：碳储量相对稳定，反映在经济发展与环境保护间的平衡状态下，碳汇能力维持基本稳定。
驱动因素量化分析
通过随机森林与 SHAP 方法，研究发现自然因素（如年均温、降水量）与人为因素（如人口密度、GDP、政策干预）共同驱动 CS 时空变化，但主导因子因生态区而异。例如，在青藏高原，气候因子（如低温、强辐射）对 CS 的影响权重更高；而在东部沿海经济发达地区，城市化进程与产业结构调整则成为关键驱动力量。这一结论揭示了不同区域碳管理的差异化策略需求。
研究结论与意义
本研究构建了 “模型模拟 - 情景预测 - 驱动解析” 的完整分析框架，首次在国家尺度上系统揭示了 LUCCs 与 CS 的时空耦合机制，突破了中小尺度研究的局限性。研究证实，气候变化与社会经济发展的交互作用是 CS 动态的核心驱动力，且不同政策路径将导致碳储量的显著分异。这些发现为我国 “双碳” 目标的实现提供了三方面关键启示：其一，需强化生态脆弱区（如青藏高原）的保护力度，筑牢自然碳汇基底；其二，在城市化地区推行紧凑发展模式，减少土地利用变化带来的碳流失；其三，基于区域差异制定 “气候 - 社会” 协同政策，优化资源配置效率。
值得关注的是，研究引入的 SHAP 可解释性分析框架，为复杂生态系统驱动机制的量化研究提供了新范式，有助于提升政策制定的科学性与精准性。未来研究若能进一步整合更多实时监测数据，可进一步提升模型预测的时效性，为全球变化下的生态治理提供更具前瞻性的决策支持。
