Urbanizzazione del suolo, pianificazione ecologica e dinamiche dello stock di carbonio nello Xinjiang, Cina, mediante un flusso di lavoro integrato di modellazione geospaziale

Sommario

Un flusso di lavoro integrato di modellazione geospaziale quantifica l'urbanizzazione del territorio e la dinamica delle riserve di carbonio. L'espansione delle aree edificate è associata alla perdita di riserve di carbonio e a effetti di spillover spaziali negativi, mentre gli scenari di pianificazione ecologica preservano le aree con elevate riserve di carbonio e favoriscono una governance coordinata a basse emissioni di carbonio.

Abstract

Questo studio ha sviluppato e applicato un flusso di lavoro integrato che combina telerilevamento, simulazione dell'uso del suolo, valutazione dei servizi ecosistemici e metodi econometrici spaziali per quantificare l'influenza dell'urbanizzazione del territorio e della pianificazione ecologica sulla dinamica delle riserve di carbonio nella Regione Autonoma Uigura dello Xinjiang, nel nord-ovest della Cina. Utilizzando dati sull'uso e copertura del suolo, superfici impermeabili, luce notturna, vegetazione, topografia, fattori socioeconomici e vincoli di pianificazione dal 2000 al 2020, il flusso di lavoro ha identificato i modelli storici di urbanizzazione, simulato quattro scenari futuri di pianificazione, stimato le riserve di carbonio mediante il modulo carbonio di InVEST e valutato gli effetti diretti e gli effetti indiretti spaziali tramite modelli econometrici spaziali. I risultati mostrano che l'espansione delle aree edificate si è verificata principalmente attraverso la conversione di terreni agricoli ed è stata accompagnata da un aumento della copertura impermeabile e dell'intensità della luce notturna. I risultati delle simulazioni indicano che lo scenario di protezione ecologica garantisce il maggiore mantenimento delle riserve di carbonio, mentre lo scenario di sviluppo naturale determina la maggiore perdita di carbonio. Il bosco è stato identificato come la classe di uso del suolo con alto contenuto di carbonio più vulnerabile, con una densità totale di carbonio di 144,9 Mg C/ha rispetto ai 29,4 Mg C/ha delle aree edificate. I risultati del modello spaziale di Durbin mostrano che l'urbanizzazione del territorio ha un effetto diretto negativo (−0,231) e un effetto indiretto di spillover (−0,117), producendo un effetto totale di −0,348 sulla densità delle riserve di carbonio, mentre l'intensità della pianificazione ecologica ha un effetto totale positivo (+0,245). Questi risultati sostengono l'adozione di una pianificazione ecologica coordinata tra confini amministrativi al fine di promuovere uno sviluppo regionale a basso contenuto di carbonio.

Introduzione

A fronte dei cambiamenti climatici globali e della transizione verso uno sviluppo a basso contenuto di carbonio, l'urbanizzazione rapida è diventata un fattore trainante dei cambiamenti nei modelli regionali di copertura del suolo e nei cicli biogeochimici¹. Con l'aumento di scala e intensità delle attività umane, l'accelerazione dell'urbanizzazione del territorio nelle regioni in via di sviluppo non solo modifica i modelli di uso del suolo, ma ridisegna anche la struttura e la funzione degli ecosistemi. In sostanza, l'urbanizzazione del suolo comporta la conversione di vegetazione naturale ad alta densità di carbonio in superfici artificiali a bassa densità di carbonio, determinando significative perdite della capacità regionale di stoccaggio del carbonio². Per le regioni in rapido sviluppo, conciliare la crescita economica con la protezione dello spazio ecologico è diventata una sfida fondamentale nella pianificazione territoriale. Gli studi tradizionali sull'uso del suolo si sono concentrati principalmente sui modelli di espansione fisica, trascurando spesso le interazioni dinamiche tra sviluppo spaziale e processi del ciclo del carbonio³. Di conseguenza, si rende necessario adottare approcci analitici integrati in grado di quantificare gli effetti dell'urbanizzazione del suolo sulla dinamica delle riserve di carbonio e di fornire una base scientifica per la protezione ecologica e la gestione a basse emissioni di carbonio.

I recenti progressi nei sistemi di telerilevamento e nelle informazioni geografiche hanno notevolmente migliorato la modellizzazione dei cambiamenti nell'uso del suolo e la valutazione dei servizi ecosistemici^4,5. La simulazione dell'uso del suolo basata su più scenari, abbinata alla contabilità ecologica, è diventata un approccio ampiamente utilizzato per valutare le conseguenze ambientali dell'espansione urbana⁶. In particolare, i modelli Patch-generating Land Use Simulation (PLUS) e Integrated Valuation of Ecosystem Services and Tradeoffs (InVEST) sono stati applicati per quantificare come i vincoli di pianificazione influenzino le traiettorie di uso del suolo e i risultati relativi alle riserve di carbonio^{7,8,9,10,11,12}. Studi correlati sui servizi ecosistemici hanno inoltre dimostrato che i cambiamenti nella copertura del suolo, le politiche di sviluppo urbano e le misure di protezione ecologica possono alterare la produzione idrica, il sequestro del carbonio, il trattenimento del suolo e i compromessi tra servizi ecosistemici in paesaggi in rapida urbanizzazione^{13,14,15,16,17}. Tuttavia, la maggior parte degli studi precedenti si è concentrata sulle conversioni dell'uso del suolo e sui risultati dei servizi ecosistemici, prestando minore attenzione al modo in cui le pressioni derivanti dallo sviluppo socioeconomico generano risposte spazialmente dipendenti delle riserve di carbonio tra unità amministrative adiacenti.

Tre lacune fondamentali motivano il presente flusso di lavoro. In primo luogo, le precedenti applicazioni di PLUS–InVEST spesso trattano le aree di studio come sistemi fisici chiusi e non valutano esplicitamente se gli effetti dell'urbanizzazione del suolo si estendono alle unità adiacenti. In secondo luogo, le analisi di validazione, incertezza e sensibilità sono spesso riportate in modo sintetico, rendendo difficile determinare se le classifiche degli scenari rimangano stabili al variare dei parametri di simulazione dell'uso del suolo, dei coefficienti delle riserve di carbonio e delle specifiche dei pesi spaziali. In terzo luogo, gli studi di econometria spaziale identificano spesso associazioni tra intensità dello sviluppo e risultati ecologici senza collegare tali relazioni a osservazioni da telerilevamento, scenari futuri di uso del suolo e contabilità delle riserve di carbonio. È quindi necessario un flusso di lavoro integrato per collegare osservazione, simulazione di scenari, contabilità del carbonio e identificazione dei meccanismi spaziali all'interno di un quadro analitico riproducibile.

Di conseguenza, questo studio stabilisce un flusso di lavoro analitico riproducibile che integra telerilevamento, simulazione di scenari basata su PLUS, valutazione del carbonio tramite InVEST e analisi econometrica spaziale. Concentrandosi sulla Regione Autonoma Uigura dello Xinjiang nel nord-ovest della Cina, lo studio valuta i modelli storici di urbanizzazione del territorio dal 2000 al 2020, esamina come scenari alternativi di pianificazione influenzino le future configurazioni dell'uso del suolo, quantifica gli effetti risultanti sulla distribuzione delle riserve di carbonio e analizza gli effetti diretti e gli effetti di spillover spaziali dell'urbanizzazione del territorio, dell'intensità della pianificazione ecologica, delle condizioni della vegetazione e dei fattori socioeconomici sulla dinamica delle riserve di carbonio. Il principale contributo di questo flusso di lavoro consiste nell'integrazione della previsione basata su scenari con l'identificazione dei meccanismi, al fine di supportare la delimitazione delle linee rosse ecologiche, la pianificazione di una crescita compatta, la compensazione del carbonio transfrontaliera e la governance regionale a basse emissioni di carbonio.

Protocollo

In questo studio sono stati utilizzati dataset geospaziali, di telerilevamento, di pianificazione e socioeconomici aggregati, disponibili pubblicamente. Non sono stati coinvolti partecipanti umani, soggetti animali, materiali clinici o informazioni personali identificabili. Pertanto, non è stata richiesta l'approvazione etica da parte dell'istituto. Gli ambienti software specifici, i pacchetti computazionali (inclusi librerie per econometria spaziale e per visualizzazione ad alta risoluzione), gli identificatori digitali (DOI) dei dataset e gli URL di origine di tutte le risorse necessarie per riprodurre questo flusso di lavoro sono riportati in dettaglio nella completa Tabella dei Materiali.

1. Area di studio e quadro analitico

L'analisi è stata condotta nella Regione Autonoma Uigura dello Xinjiang, nel nord-ovest della Cina, con un focus analitico specifico sugli estesi urbani delimitati delle principali città (Figura 1) per catturare con precisione la dinamica di espansione locale. Questo confine è stato utilizzato in modo coerente per il ritaglio dei raster, la simulazione dell'uso del suolo, la valutazione delle riserve di carbonio e l'aggregazione delle unità amministrative. La dimensione campionaria analitica (n) comprendeva 105 unità amministrative a livello di contea analizzate in tre nodi temporali distinti (2000, 2010 e 2020), con simulazioni dell'uso del suolo che includevano 50 replicati stocastici per catturare l'incertezza spaziale.

È stato utilizzato un quadro analitico multiscala che integra analisi a livello di griglia e analisi a livello di unità amministrative. Alla scala della griglia, dati sull'uso e copertura del suolo, intensità della luce notturna, copertura delle superfici impermeabili, indici di vegetazione, variabili topografiche e vincoli di pianificazione ecologica sono stati utilizzati per identificare i modelli di urbanizzazione del territorio, simulare scenari futuri di uso del suolo e valutare la distribuzione delle riserve di carbonio. Alla scala dell'unità amministrativa, variabili socioeconomiche, dei trasporti e ambientali sono state incorporate in analisi econometriche spaziali per valutare gli effetti diretti e di diffusione dell'urbanizzazione del territorio e della pianificazione ecologica sulla dinamica delle riserve di carbonio.

Il quadro analitico comprendeva cinque componenti. Primo, dati telerilevati multitemporali e dati sull'uso del suolo sono stati utilizzati per caratterizzare i modelli spaziotemporali dell'urbanizzazione del territorio, inclusa l'espansione delle aree edificate, l'intensità dello sviluppo e la riorganizzazione dell'uso del suolo. Secondo, sono stati sviluppati scenari di protezione ecologica, protezione delle terre agricole e pianificazione a basse emissioni di carbonio per simulare i futuri modelli di uso del suolo. Terzo, il modulo di stoccaggio del carbonio di InVEST è stato utilizzato per quantificare la distribuzione e il cambiamento delle riserve di carbonio in condizioni di uso del suolo storiche e future. Quarto, sono state condotte analisi di autocorrelazione spaziale globale e locale per identificare modelli di aggregazione e aree critiche associate alla variazione delle riserve di carbonio. Quinto, modelli econometrici spaziali sono stati utilizzati per valutare l'entità, la direzione e gli effetti di spillover dell'urbanizzazione del territorio, dell'intensità della pianificazione ecologica e dei fattori ambientali e socioeconomici sulle dinamiche delle riserve di carbonio.

Figura 1 presenta il flusso di lavoro analitico complessivo. Il flusso di lavoro collega la definizione dell'area di studio, l'integrazione di dati provenienti da più fonti, l'identificazione dell'urbanizzazione del territorio, lo sviluppo di scenari di pianificazione ecologica, la simulazione dell'uso del suolo, la valutazione delle riserve di carbonio, l'analisi della autocorrelazione spaziale e la modellazione econometrica spaziale. Dati spaziali provenienti da più fonti hanno costituito il livello di ingresso. L'identificazione dell'urbanizzazione del territorio e l'analisi storica dell'uso del suolo hanno formato il livello di caratterizzazione del modello. Gli scenari di pianificazione ecologica e la valutazione delle riserve di carbonio hanno costituito il livello di previsione e valutazione dell'impatto. Le analisi di autocorrelazione spaziale ed econometrica sono state utilizzate per identificare i meccanismi spaziali e supportare l'interpretazione delle politiche.

Figura 1: Area di studio, integrazione dei dati e flusso di lavoro tecnico. (A) Contesto spaziale multiscala e confini analitici urbani precisi per le principali città della Regione Autonoma Uigura dello Xinjiang, nel nord-ovest della Cina. (B) Flusso di lavoro tecnico integrato che collega dati spaziali multiscalarità, identificazione dell'urbanizzazione del suolo basata su telerilevamento, progettazione di scenari di pianificazione ecologica, simulazione dell'uso del suolo con il modello PLUS, valutazione delle riserve di carbonio tramite InVEST, autocorrelazione spaziale, analisi degli hot spot e modellazione econometrica spaziale. ND = sviluppo naturale; EP = protezione ecologica; CP = protezione delle terre coltivabili; LC = ottimizzazione a basso tenore di carbonio; OLS = minimi quadrati ordinari; SAR = modello autoregressivo spaziale; SEM = modello di errore spaziale; SDM = modello spaziale di Durbin. Cliccare qui per visualizzare una versione ingrandita di questa figura.

2. Fonti di dati e sistema di variabili

È stato compilato un dataset proveniente da più fonti per supportare l'identificazione dell'urbanizzazione del territorio, la simulazione di scenari di pianificazione ecologica, la valutazione delle riserve di carbonio e l'analisi econometrica spaziale. Il dataset include dati sull'uso del suolo/copertura del suolo, la frazione di superficie impermeabile, l'intensità della luce notturna, l'indice di vegetazione normalizzato (NDVI), variabili topografiche, indicatori di accessibilità ai trasporti, variabili idrologiche, densità della popolazione, densità del prodotto interno lordo (GDP), vincoli di pianificazione, variabili climatiche e parametri delle riserve di carbonio. Tabella 1 riassume la categoria del dataset, la descrizione della variabile, l'unità, la risoluzione spaziale e temporale, la provenienza e l'applicazione analitica. I dataset principali sono stati ottenuti per gli anni 2000, 2010 e 2020. I dati sull'uso del suolo e i principali prodotti di telerilevamento sono stati armonizzati a risoluzioni comprese tra 30 m e 1 km, a seconda delle esigenze analitiche.

Tabella 1: Fonti dei dati e sistema di variabili. La tabella riporta categoria del dataset, variabile, descrizione, unità, risoluzione spaziale/temporale, fonte e utilizzo analitico per l'identificazione dell'urbanizzazione del territorio, la simulazione di scenari, il calcolo delle riserve di carbonio con InVEST e la modellazione econometrica spaziale. NDVI = indice normalizzato della differenza della vegetazione; DEM = modello digitale del terreno; LULC = uso del suolo/copertura del suolo. Cliccare qui per scaricare questa tabella.

Tutti i livelli spaziali sono stati proiettati in un sistema di coordinate comune, ritagliati in base al confine dell'area di studio mostrato in Figura 1 e ricampionati o aggregati alla scala della griglia o dell'unità amministrativa richiesta. I valori mancanti sono stati esaminati prima dell'analisi di sovrapposizione spaziale. I dataset raster utilizzati nelle analisi PLUS e InVEST sono stati allineati a livello di pixel, mentre le variabili socioeconomiche sono state aggregate in unità amministrative per la regressione spaziale. Questo flusso di lavoro di preelaborazione ha garantito unità spaziali coerenti e punti temporali confrontabili nelle analisi temporali, nelle simulazioni di scenario, nei calcoli delle riserve di carbonio e nella modellizzazione econometrica.

I dati sull'uso e la copertura del suolo sono stati utilizzati come input principale per il rilevamento delle variazioni storiche e la simulazione futura dell'uso del suolo. Le categorie originali di uso del suolo sono state riclassificate in sei classi: terreni coltivati, foreste, pascoli, corpi idrici, aree edificate e terreni inutilizzati. Questo schema di classificazione è stato applicato in modo coerente per l'analisi dei cambiamenti nell'uso del suolo, lo sviluppo degli scenari e il calcolo delle riserve di carbonio con InVEST. La proporzione di suolo edificato, la copertura di superfici impermeabili e l'intensità della luce notturna sono state utilizzate come indicatori dell'urbanizzazione del territorio. La copertura di superfici impermeabili e l'intensità della luce notturna hanno funto da proxy basati sul telerilevamento per l'intensità dello sviluppo e l'attività umana. L'NDVI è stato incluso come indicatore ecologico nelle successive analisi econometriche spaziali.

Le variabili topografiche e di localizzazione includevano l'elevazione, la pendenza, la distanza dalle strade principali, la densità stradale e la vicinanza ai fiumi principali. Queste variabili sono state utilizzate come fattori determinanti nella simulazione dell'uso del suolo e come variabili di controllo nei modelli econometrici spaziali. Nel complesso, esse rappresentavano i vincoli del terreno, l'accessibilità ai trasporti e la connettività idrologica.

Le variabili socioeconomiche includevano la densità della popolazione e la densità del PIL, integrate dalla densità della rete stradale laddove disponibile. Queste variabili sono state utilizzate per caratterizzare l'intensità dello sviluppo e le pressioni dell'attività umana associate ai cambiamenti nelle riserve di carbonio. Il quadro variabile integrava indicatori di sviluppo del territorio, pressione socioeconomico e contesto ecologico per rappresentare i molteplici fattori che influenzano la dinamica delle riserve di carbonio.

È stato sviluppato un indice di intensità della pianificazione ecologica basato su linee rosse ecologiche, riserve naturali, fasce tampone dei corpi idrici, aree con pendenza limitata e altre regioni ambientalmente sensibili. Questo indice è stato utilizzato sia come livello vincolante nelle simulazioni di uso futuro del suolo, sia come variabile esplicativa nelle analisi econometriche spaziali.

Per la valutazione delle riserve di carbonio con InVEST, sono stati raccolti quattro parametri relativi ai serbatoi di carbonio per ogni classe di uso del suolo: carbonio nella biomassa aerea, carbonio nella biomassa sottoterrea, carbonio organico del suolo e carbonio nella materia organica morta. I valori dei parametri sono stati ottenuti da studi regionali pubblicati, documenti guida di InVEST e caratteristiche locali del copertura vegetale, e sono stati associati al sistema unificato di classificazione dell'uso del suolo. La riserva di carbonio indica il totale stimato di carbonio contenuto all'interno di questi quattro serbatoi, mentre la densità della riserva di carbonio indica la riserva di carbonio per unità di superficie.

Le variabili sono state raggruppate in tre categorie. La prima categoria comprendeva indicatori di urbanizzazione del territorio, tra cui la proporzione di terreno edificato, la copertura di superfici impermeabili e l'intensità della luce notturna. La seconda categoria includeva variabili ecologiche e di pianificazione, come l'NDVI, l'intensità della pianificazione ecologica, l'elevazione, la pendenza e la vicinanza idrologica. La terza categoria comprendeva fattori socioeconomici, tra cui la densità della popolazione, la densità del PIL e la densità stradale. Queste variabili sono state utilizzate per valutare le relazioni tra urbanizzazione del territorio, pianificazione ecologica e dinamiche delle riserve di carbonio.

3. Identificazione basata sul telerilevamento dell'urbanizzazione del territorio

I modelli spaziotemporali dell'urbanizzazione del territorio sono stati identificati utilizzando tre indicatori complementari: espansione delle aree edificate, copertura di superfici impermeabili e intensità della luce notturna. L'espansione delle aree edificate è stata estratta da mappe sequenziali dell'uso del suolo per delimitare l'estensione fisica e la progressione dello sviluppo urbano dalle aree centrali già edificate verso le regioni circostanti. La copertura di superfici impermeabili è stata calcolata per quantificare l'intensità dello sviluppo a livello di griglia, mentre i dati raster dell'intensità della luce notturna sono stati elaborati e normalizzati per rappresentare l'attività umana e la concentrazione funzionale. Questi strati spaziali sono stati successivamente integrati per costruire il dataset storico dell'urbanizzazione del territorio. Gli indicatori combinati sono stati utilizzati per identificare aree di intensificazione dello sviluppo sostenuta, zone di transizione e regioni relativamente stabili, nonché per valutare la corrispondenza spaziale tra lo sviluppo fisico del suolo e l'urbanizzazione funzionale.

È stata costruita una matrice di transizione dell'uso del suolo per quantificare l'entità e la direzione della conversione del suolo tra terreni agricoli, foreste, pascoli, corpi idrici, aree edificate e terreni inutilizzati. Particolare attenzione è stata rivolta alle transizioni dalle categorie di suolo ecologico e agricolo verso aree edificate. La matrice è stata utilizzata per identificare i principali percorsi di conversione e le categorie di suolo di origine che contribuiscono maggiormente all'espansione urbana.

L'analisi dei modelli del paesaggio è stata condotta per valutare i cambiamenti strutturali associati all'urbanizzazione del territorio. Le metriche utilizzate hanno incluso la densità delle aree, la densità dei margini, l'indice di forma del paesaggio e indicatori legati alla frammentazione. Queste metriche sono state calcolate per ciascun periodo di studio e utilizzate per quantificare i cambiamenti nella configurazione del paesaggio, nella continuità spaziale e nella frammentazione associati all'espansione delle aree edificate.

4. Progettazione dello scenario di pianificazione ecologica e simulazione dell'uso del suolo

I modelli futuri di uso del suolo sono stati simulati utilizzando il modello Patch-generating Land Use Simulation (PLUS) in quattro scenari di pianificazione: sviluppo naturale (ND), protezione ecologica (EP), protezione delle terre coltivabili (CP) e ottimizzazione a basso tenore di carbonio (LC). Le ipotesi degli scenari, le regole di conversione del suolo, i tipi di suolo vincolati e i risultati attesi sulle riserve di carbonio sono riassunti nella Tabella 2.

Tabella 2: Regole di controllo degli scenari e vincoli di transizione. La tabella definisce le probabilità di conversione del suolo e i vincoli spaziali per gli scenari di sviluppo naturale (ND), protezione ecologica (EP), protezione delle terre coltivabili (CP) e ottimizzazione a basse emissioni di carbonio (LC). Note: le abbreviazioni degli scenari corrispondono rigorosamente a quelle utilizzate nella modellizzazione PLUS e nelle sezioni dei Risultati. Le impostazioni degli scenari definiscono regole di conversione orientate alle politiche e i tipi di suolo vincolati utilizzati nelle simulazioni; tutte le zone di esclusione statutaria sono rimaste non convertibili nei livelli spaziali finali. Cliccare qui per scaricare questa tabella.

Mappe storiche dell'uso del suolo e variabili spaziali guida sono state integrate nel modello PLUS per stimare le probabilità di transizione del suolo di riferimento, utilizzando il modulo automa cellulare (CA). Per gli scenari di protezione ecologica (EP), protezione delle coltivazioni (CP) e ottimizzazione a basso tenore di carbonio (LC), sono stati introdotti come strati di restrizione spaziale i confini ecologici, le terre agricole fondamentali permanenti, le fasce tampone intorno ai corpi idrici e altri vincoli di pianificazione, al fine di limitare la conversione del suolo in conformità con le regole predefinite degli scenari. Sono state quindi definite le quantità di domanda di suolo obiettivo per il 2030 per ciascuno scenario, ed è stato eseguito il modulo CA mediante 50 replicati stocastici per generare le proiezioni finali dell'uso del suolo.

La simulazione dell'uso del suolo è stata eseguita utilizzando il modello PLUS e il suo framework di automi cellulari (CA) con generazione stocastica di macchie di tipo multiplo. Mappe storiche dell'uso del suolo e variabili ambientali e socioeconomiche guida sono state utilizzate per stimare le probabilità di espansione del suolo per ciascuna classe di uso del suolo. Le quantità future di domanda di suolo sono state quindi definite in base ai requisiti di ciascuno scenario di pianificazione, e sono state generate le corrispondenti mappe dell'uso del suolo per il periodo di simulazione target.

Le prestazioni del modello sono state valutate mediante retroproiezione storica prima della simulazione futura. Mappe precedenti dell'uso del suolo e le relative variabili guida sono state utilizzate per simulare una mappa osservata successivamente dell'uso del suolo. L'accordo tra le distribuzioni simulate e osservate dell'uso del suolo è stato valutato utilizzando l'accuratezza complessiva (OA), il coefficiente Kappa e l'indice di merito (FoM). La validazione è stata condotta sia a livello generale che per classe principale di uso del suolo. La retroproiezione storica dal 2010 al 2020 ha prodotto un'accuratezza complessiva (OA) del 93,4%, un coefficiente Kappa di 0,89 e un indice di merito (FoM) di 0,26, indicando una capacità altamente affidabile di proiezione spaziale nelle successive simulazioni multi-scenari.

Sono state condotte analisi di incertezza e di sensibilità per valutare la robustezza dei risultati delle simulazioni. Le analisi di sensibilità di PLUS hanno esaminato gli effetti di diverse impostazioni di resistenza alle transizioni e di parametri di peso del vicinato per le principali classi di uso del suolo. Le analisi di sensibilità di InVEST hanno valutato l'influenza delle variazioni nei coefficienti delle riserve di carbonio tra i diversi tipi di uso del suolo. Le analisi di sensibilità econometriche spaziali hanno confrontato diverse specificazioni della matrice di peso spaziale. Queste analisi sono state utilizzate per valutare se le classifiche degli scenari e il verso degli effetti principali dell'urbanizzazione e della pianificazione ecologica rimanessero costanti in presenza di parametri alternativi. In particolare, è stata rigorosamente confermata la stabilità dei risultati: le classifiche degli scenari e gli effetti di spillover spaziale negativi dell'urbanizzazione del suolo sono rimasti invariati quando i parametri di resistenza alle transizioni e i coefficienti delle riserve di carbonio sono stati perturbati del ±15%.

5. Valutazione delle riserve di carbonio

La riserva di carbonio è stata valutata utilizzando il modello di carbonio InVEST. Parametri di base per i quattro serbatoi di carbonio (biomassa aerea, biomassa sotterranea, carbonio organico del suolo e materia organica morta) sono stati assegnati a ciascun tipo di uso del suolo riclassificato, utilizzando i valori biologici riassunti nella Tabella 3. Successivamente, le mappe storiche dell'uso del suolo (2000–2020) e i dataset raster futuri dell'uso del suolo simulati con PLUS sono stati importati nel modello e integrati con i corrispondenti parametri di densità del carbonio. Il modello è stato quindi eseguito per stimare la riserva totale di carbonio a livello regionale (Tg C), la densità della riserva di carbonio a livello di griglia (Mg C/ha) e le mappe spaziali delle variazioni della riserva di carbonio (ΔC) per gli scenari storici e futuri.

Le mappe dell'uso del suolo riclassificate sono state associate ai corrispondenti valori parametrici di riferimento dei serbatoi di carbonio riportati nella Tabella 3. La sensibilità delle stime delle riserve di carbonio alle incertezze parametriche è stata valutata modificando questi valori di riferimento del ±15%, con risultati dettagliati sull'analisi di sensibilità. Il modello è stato utilizzato per calcolare la riserva totale di carbonio, la densità della riserva di carbonio e la variazione della riserva di carbonio per ciascuna classe di uso del suolo in condizioni storiche e in scenari futuri di pianificazione.

Sono state valutate tre categorie di risultati. In primo luogo, sono state calcolate la scorta totale di carbonio a livello regionale e le tendenze temporali per quantificare l'entità e la direzione del cambiamento della scorta di carbonio nel tempo. In secondo luogo, sono state mappate le distribuzioni spaziali della scorta di carbonio e del suo cambiamento per identificare le aree di ritenzione e di perdita di carbonio. In terzo luogo, le stime della scorta di carbonio sono state confrontate tra diversi scenari di pianificazione al fine di valutare gli effetti relativi delle strategie di protezione ecologica, di protezione delle terre coltivabili e di ottimizzazione a basso tenore di carbonio sulla conservazione della scorta di carbonio.

Tabella 3: Parametri di base delle riserve di carbonio per diversi tipi di uso del suolo. La tabella riporta il carbonio della biomassa aerea, il carbonio della biomassa sotterranea, il carbonio organico del suolo, il carbonio della materia organica morta e la densità totale di carbonio utilizzati nel modulo delle riserve di carbonio di InVEST. Le unità sono Mg C/ha. Note: I valori rappresentano i parametri di base utilizzati nel modello InVEST. La densità totale di carbonio corrisponde alla somma delle quattro riserve di carbonio. Le analisi di sensibilità che prevedono variazioni di questi valori di base del ±15% sono riportate nella Tabella 6. Cliccare qui per scaricare questa tabella.

6. Autocorrelazione spaziale e analisi econometrica spaziale

È stata condotta un'analisi della autocorrelazione spaziale per determinare se il contenuto di carbonio e la variazione del contenuto di carbonio mostrassero una dipendenza spaziale significativa. È stato calcolato l'indice globale di Moran per valutare il grado complessivo di aggregazione spaziale nella distribuzione del contenuto di carbonio e nella sua variazione all'interno dell'area di studio. L'indice locale di Moran è stato quindi utilizzato per identificare i modelli locali di associazione spaziale, inclusi i cluster alto-alto, basso-basso, alto-basso e basso-alto. È stata eseguita un'analisi delle aree critiche (hotspot) per individuare le zone con perdita concentrata di carbonio e quelle con mantenimento del contenuto di carbonio.

Sono stati utilizzati modelli econometrici spaziali per esaminare le relazioni tra l'urbanizzazione del territorio, la pianificazione ecologica, le condizioni ambientali, i fattori socioeconomici e la dinamica delle riserve di carbonio. La densità delle riserve di carbonio o la variazione delle riserve di carbonio è stata utilizzata come variabile dipendente. Le variabili esplicative includevano l'indice di urbanizzazione del territorio, la proporzione di suolo edificato, l'intensità della pianificazione ecologica, l'indice di vegetazione normalizzato (NDVI), la densità della popolazione, la densità del PIL, la densità stradale, l'elevazione, la pendenza, la precipitazione media annuale e la temperatura media annuale.

È stata utilizzata la regressione ai minimi quadrati ordinari (OLS) come modello di base. Prima di stimare i modelli autoregressivi spaziali (SAR), di errore spaziale (SEM) e di Durbin spaziale (SDM), è stata valutata la dipendenza spaziale residua. Le prestazioni del modello e le stime dei coefficienti sono state confrontate tra le diverse specificazioni.

È stata costruita una matrice pesata spaziale standardizzata per riga per rappresentare le relazioni di vicinato tra unità amministrative. La specificazione principale si basava sulla contiguità spaziale, e analisi di robustezza hanno confrontato matrici pesate spaziali alternative basate sulla distanza e sui vicini più prossimi, laddove disponibili.

Gli effetti diretti, indiretti e totali sono stati calcolati a partire dal modello di disequilibrio spaziale (SDM) per valutare le relazioni locali e di spillover spaziale. Sono state incluse variabili relative al terreno, all'accessibilità, alla vegetazione, al clima e a fattori socioeconomici come variabili di controllo al fine di ridurre il bias derivante da variabili omesse. I coefficienti del modello sono stati interpretati come associazioni spaziali condizionali piuttosto che effetti causali definitivi. Le variabili con valori-p superiori alle soglie convenzionali di significatività sono state interpretate come indicazioni deboli o indicative e non sono state considerate effetti statisticamente robusti.

Risultati

Identificazione basata sul telerilevamento dell'urbanizzazione del territorio
Sulla base dei risultati dell'identificazione mediante telerilevamento multiperiodale, l'area di studio ha subito un'intensificazione significativa dell'urbanizzazione del territorio tra il 2000 e il 2020, accompagnata da una riorganizzazione dei modelli di uso del suolo e da una ridefinizione delle configurazioni del paesaggio. Nel complesso, l'espansione delle aree edificate ha mostrato un modello di espansione concentrica, che si irradia dalle aree urbane centrali verso le zone periferiche. L'aumento simultaneo dell'intensità delle attività umane e dei livelli di impermeabilità superficiale indica che lo sviluppo rapido non ha soltanto modificato la struttura quantitativa dell'uso del suolo, ma ha anche profondamente riorganizzato i modelli spaziali regionali.

I risultati dell'identificazione dell'urbanizzazione del territorio, illustrati dal sottogruppo rappresentativo di Ürümqi in Figura 2A, mostrano chiaramente le traiettorie di espansione graduale delle aree edificate nel periodo 2000–2020. Nel 2000, le aree edificate erano principalmente concentrate nelle zone urbane centrali, con configurazioni spaziali relativamente compatte. Entro il 2010, l'espansione periferica si era intensificata notevolmente, formando zone di transizione attorno alle aree centrali. Entro il 2020, le aree edificate avevano superato i confini compatti originari, espandendosi in più direzioni e formando aree di espansione distaccate rispetto alle zone centrali, riflettendo schemi tipici di espansione esterna e tendenze di diffusione multiculturale. In linea con questi schemi di espansione, Figura 2B mostra nel 2020 un marcato gradiente dal centro verso la periferia nella copertura delle superfici impermeabili all'interno dell'area studiata. I valori più elevati sono stati osservati nelle aree urbane centrali e nelle regioni circostanti già edificate, indicando che l'intensità di impermeabilizzazione e lo sviluppo erano maggiori nelle zone funzionali centrali. Sebbene le aree periferiche mantenessero un livello complessivo relativamente basso di copertura, sono emerse diverse aree con valori elevati lungo i corridoi di trasporto e i nodi urbani secondari, dimostrando che l'impermeabilizzazione si era estesa oltre i centri urbani attraverso il diffondersi dello sviluppo nelle zone circostanti. Figura 2C rivela che le regioni con i maggiori aumenti nell'intensità dell'illuminazione notturna tra il 2000 e il 2020 erano prevalentemente concentrate nelle aree urbane centrali, lungo i principali assi di trasporto radiali che si estendono verso l'esterno e in alcuni nodi di crescita periferici.

Da un punto di vista temporale, Figura 2D riassume ulteriormente le tendenze crescenti costanti dei tre indicatori di urbanizzazione del suolo tra il 2000 e il 2020. Per facilitare il confronto diretto tra indicatori con unità e scale intrinseche diverse, i valori grezzi di ciascun indicatore sono stati standardizzati mediante un approccio di normalizzazione min-max, riportandoli a un intervallo uniforme compreso tra 0 e 1:

Dopo questa procedura di normalizzazione, la proporzione delle aree edificate ha mantenuto il tasso di crescita relativa più elevato (con la media regionale grezza che è passata dal 3,2% ± 1,4% SD nel 2000 all'8,7% ± 3,1% SD nel 2020), indicando che l'espansione dello sviluppo del territorio ha rappresentato la manifestazione spaziale più diretta durante questo periodo. La proporzione delle superfici impermeabili è aumentata rapidamente (dal 2,8% ± 1,2% SD nel 2000 al 7,9% ± 2,8% SD nel 2020), riflettendo un significativo indurimento superficiale associato alle nuove aree di sviluppo. Sebbene l'intensità della luce notturna fosse inizialmente a un livello relativamente basso, la sua crescita è diventata più marcata in seguito, indicando un incremento accelerato nella concentrazione delle attività umane e nel potenziamento funzionale.

Figura 2: Modelli di evoluzione spaziotemporale dell'urbanizzazione del territorio. (A) Traiettorie di espansione per fasi delle aree edificate (2000–2020); (B) Distribuzione spaziale della copertura di superfici impermeabili nel 2020 (%); (C) Variazioni dell'intensità della luce notturna (NTL) tra il 2000 e il 2020 (nW/cm²/sr). (D) Tendenze temporali dei tre indicatori principali dell'urbanizzazione del territorio analizzati in questo studio (area edificata, frazione di superficie impermeabile e intensità della luce notturna). Le linee di tendenza rappresentano le medie regionali dei valori degli indici normalizzati min-max (scala da 0 a 1 per una visualizzazione comparativa), calcolate su tutti gli n = 105 comuni amministrativi a livello di contea nell'area di studio. Cliccare qui per visualizzare una versione ingrandita di questa figura.

I risultati relativi ai cambiamenti storici nell'uso del suolo rivelano ulteriormente i processi specifici di urbanizzazione del territorio. Il diagramma dei trasferimenti di uso del suolo in Figura 3A indica che la conversione più significativa durante il periodo di studio è stata quella da terreni agricoli a terreni edificabili, tendenza predominante tra tutti i principali percorsi di conversione. Sebbene parte delle foreste, pascoli e specchi d'acqua abbiano subito anch'essi gradi variabili di trasformazione, il modello complessivo è stato dominato dall'uscita di terreni agricoli. Contemporaneamente, si sono osservati flussi bidirezionali tra terreni agricoli e foreste, nonché tra pascoli e altri tipi di suolo, indicando che, nel contesto dello sviluppo rapido, i sistemi di uso del suolo subiscono una riorganizzazione multiploca guidata dall'espansione urbana, piuttosto che un'evoluzione unidirezionale. Tuttavia, l'analisi dei modelli di distribuzione spaziale e delle ampiezze dei flussi rivela che i terreni edificabili rimangono la categoria principale con flusso netto in entrata, confermando ulteriormente il ruolo dominante dell'espansione dello sviluppo nell'area di studio negli ultimi due decenni.

L'analisi della matrice in Figura 3B fornisce una rappresentazione più quantitativa dell'intensità di conversione dell'uso del suolo in diversi periodi temporali. Le aree ad alto valore sono prevalentemente concentrate nelle unità di conversione legate alle coltivazioni, con la conversione più significativa che avviene da terreni agricoli a terreni edificabili, indicando che l'uso non agricolo dei terreni coltivati è la manifestazione principale del cambiamento nell'uso del suolo nell'area di studio. Una percentuale considerevole di terreni edificabili mantiene inoltre una continuità e stabilità spaziale all'interno dei propri confini, riflettendo l'espansione sostenuta delle zone di sviluppo esistenti pur preservando una forte integrità spaziale. Al contrario, sebbene la scala di conversione delle foreste, delle praterie e dei corpi idrici rimanga relativamente ridotta, l'occupazione localizzata di queste aree ecologiche da parte dei terreni edificabili richiede attenzione.

A livello di configurazione del paesaggio, Figura 3C mostra un aumento sostenuto degli indici paesistici nel corso del 2000, 2010 e 2020, con la densità delle macchie, la densità dei margini, l'indice di forma del paesaggio e l'indice di frammentazione che raggiungono tutti il valore massimo nel 2020. Ciò indica che, con il progredire dell'urbanizzazione, la struttura del paesaggio nell'area di studio è evoluta da una configurazione inizialmente relativamente integra e ben definita a una configurazione spaziale più frammentata, complessa e discontinua. In particolare, l'aumento della densità dei margini e della complessità della forma caratterizza quantitativamente una configurazione geometrica più irregolare e complessa delle macchie di terreno edificato recentemente espanso.

Figura 3: Cambiamento storico dell'uso del suolo e riorganizzazione della configurazione del paesaggio. (A) Diagramma di Sankey che illustra i flussi di transizione ad alta risoluzione nell'uso del suolo e i principali percorsi di conversione tra il 2000 e il 2020. (B) Matrice di conversione dell'uso del suolo che quantifica l'area di transizione spaziale tra le sei classi di uso del suolo (km²). (C) Grafico a ragnatela che mostra le variazioni di importanti indici del paesaggio (Densità delle aree, Densità dei margini, Indice di forma del paesaggio e Indice di frammentazione) nei periodi 2000, 2010 e 2020. Tutte le etichette e i valori dei flussi sono stati ridimensionati per garantire una leggibilità ottimale. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Progettazione dello scenario di pianificazione ecologica e simulazione dell'uso del suolo
Quando combinati con le regole di controllo degli scenari stabilite nella Tabella 2, i risultati della simulazione dell'uso del suolo in diversi orientamenti della pianificazione ecologica mostrano pattern distinti di differenziazione. Lo scenario di sviluppo naturale tende a mantenere l'inerzia storica dell'espansione, mentre lo scenario di protezione ecologica enfatizza vincoli rigidi sulle linee rosse ecologiche e sulle zone sensibili. Lo scenario di protezione delle terre coltivabili dà priorità al mantenimento della continuità spaziale dell'agricoltura, mentre lo scenario di ottimizzazione a basse emissioni di carbonio privilegia uno sviluppo equilibrato tra urbanizzazione compatta e coordinamento ecologico. Questi risultati indicano che le variazioni delle regole di pianificazione alterano quantitativamente l'area simulata delle nuove terre edificabili aggiunte e riorganizzano la distribuzione spaziale delle aree ecologiche e agricole nei quattro scenari.

Concentrandosi sul sottoinsieme rappresentativo di Urumqi, i risultati della simulazione spaziale del modello PLUS indicano che lo scenario di sviluppo naturale (ND), mostrato nella Figura 4A, presenta la tendenza più pronunciata all'espansione edilizia. Le nuove aree edificabili si estendono principalmente verso l'esterno dalla periferia delle zone già urbanizzate, formando ampie zone di espansione in più direzioni, a indicare che la crescita urbana continua a essere prevalentemente un'espansione laterale sotto vincoli regolatori deboli. Questo modello di espansione invade direttamente le terre coltivabili e le zone ecologiche di transizione circostanti le aree urbane centrali, frammentando ulteriormente i confini delle zone urbanizzate. Al contrario, lo scenario di protezione ecologica (EP) rappresentato nella Figura 4B mostra una riduzione significativa dell'uso di nuove aree edificabili, con l'espansione limitata a un numero ridotto di lotti sviluppabili vicini alle aree urbane centrali, mentre le foreste periferiche, i corridoi acquatici e le zone tampone ecologiche rimangono in gran parte intatti.

Per quanto riguarda la protezione agricola e la coordinazione dello sviluppo, lo scenario di protezione delle terre coltivabili (CP) rappresentato nella Figura 4C presenta vincoli spaziali diversi rispetto a quelli dello scenario EP. In questo scenario, le vaste aree agricole periferiche rimangono sostanzialmente intatte, con le nuove attività edilizie concentrate principalmente ai margini delle aree già urbanizzate e dei nodi localizzati di sviluppo, mostrando un'intensità di espansione intermedia tra ND ed EP. Al contrario, lo scenario di ottimizzazione a basse emissioni di carbonio (LC) mostrato nella Figura 4D dimostra un modello di crescita più compatto. Le nuove aree edificabili non si espandono ampiamente verso l'esterno, ma sono relativamente concentrate lungo i principali assi di sviluppo e le periferie delle aree già urbanizzate, mostrando confini di espansione direzionali e configurazioni spaziali più regolari.

Figura 4: Distribuzione spaziale dei modelli futuri di uso del suolo simulati con PLUS in diversi scenari di pianificazione ecologica, illustrati mediante il sottoinsieme metropolitano di Urumqi. (A) Scenario di sviluppo naturale (ND), che mostra l'inerzia dell'espansione storica. (B) Scenario di protezione ecologica (EP), con enfasi su vincoli spaziali rigorosi. (C) Scenario di protezione delle terre coltivabili (CP), che privilegia la continuità agricola. (D) Scenario di ottimizzazione a basso tenore di carbonio (LC), che riflette modelli di crescita compatti. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Valutazione delle riserve di carbonio
Tabella 3 presenta i parametri di densità di carbonio di base nelle diverse tipologie di uso del suolo. Il terreno boschivo ha registrato la densità totale di carbonio più elevata (144,9 Mg C/ha), principalmente determinata dal carbonio organico del suolo (94,5 Mg C/ha) e dalla biomassa sopra il suolo (36,8 Mg C/ha). I pascoli e i terreni coltivati hanno mostrato densità totali di carbonio moderate, rispettivamente di 88,9 Mg C/ha e 82,1 Mg C/ha. Al contrario, le superfici artificiali e prive di vegetazione hanno mostrato valori significativamente più bassi, con aree edificate a 29,4 Mg C/ha e terreni inutilizzati a 19,7 Mg C/ha.

Dal punto di vista dei modelli evolutivi storici, Figura 5A mostra un significativo riassetto spaziale delle riserve di carbonio nell'area di studio tra il 2000, il 2010 e il 2020. Nel 2000, le aree ad alta densità di carbonio erano principalmente concentrate nelle zone ecologiche periferiche, mostrando un andamento generale di valori più elevati alla periferia e più bassi al centro. Nel 2010, la riserva totale di carbonio della regione è inizialmente diminuita a causa dell'espansione urbana che ha invaso gli spazi ecologici, anche se alcune aree periferiche localizzate hanno temporaneamente mantenuto livelli elevati di riserva di carbonio. Nel 2020, questa tendenza al ribasso si è accelerata notevolmente; il gradiente cromatico complessivo è divenuto più chiaro e le aree ad alto valore si sono ridotte in modo significativo, indicando un deperimento continuo e sostanziale della riserva totale di carbonio regionale e un indebolimento della continuità spaziale delle zone ad alto contenuto di carbonio.

Come illustrato nella Figura 5B, lo scenario ND ha prodotto la densità mediana di carbonio più bassa (72,4 Mg C/ha, IQR = 14,6 Mg C/ha). Gli scenari EP e CP hanno generato densità mediane più elevate, rispettivamente di 86,8 Mg C/ha (IQR = 12,3 Mg C/ha) e 81,2 Mg C/ha (IQR = 15,8 Mg C/ha). La distribuzione spaziale delle variazioni delle riserve di carbonio (ΔC) mostrata nella Figura 5C indica che le perdite di carbonio (ΔC negativo) sono geograficamente diffuse nello scenario ND. Al contrario, i valori positivi di ΔC sono concentrati nelle zone ecologiche periferiche nello scenario EP, mentre lo scenario LC mostra una distribuzione spazialmente eterogenea di guadagni e perdite localizzati di carbonio.

Figura 5D rivela ulteriormente la composizione delle fonti della riserva totale di carbonio e i suoi cambiamenti nei periodi storici e negli scenari futuri, dal punto di vista delle strutture di contributo dei tipi di uso del suolo. Sia nelle fasi storiche che in quelle proiettate, risulta costantemente che il suolo forestale e il pascolo rappresentano i principali contributori alla riserva totale di carbonio, seguiti dal suolo agricolo, mentre il suolo edificabile, i corpi idrici e le aree inutilizzate contribuiscono relativamente meno. Il confronto tra gli scenari futuri indica che lo scenario EP raggiunge la riserva totale di carbonio più alta, mentre lo scenario ND mostra il valore più basso, con gli scenari CP e LC collocati in posizioni intermedie. Questo andamento corrisponde strettamente ai diversi gradi di mantenimento dell'uso del suolo ecologico ad alta densità di carbonio nei vari scenari.

Figura 5: Dinamica storica e prevista delle riserve di carbonio. (A) Distribuzione spaziale della riserva totale di carbonio (Tg C) e della densità della riserva di carbonio (Mg C/ha) negli anni 2000, 2010 e 2020. (B) Grafico a violino della distribuzione della densità di carbonio (Mg C/ha) nei diversi scenari. (C) Distribuzione spaziale delle variazioni della riserva di carbonio (ΔC, Mg C/ha) negli scenari futuri rispetto alla condizione di riferimento del 2020. (D) Contributo dei diversi tipi di uso del suolo alla riserva totale di carbonio (Tg C). I grafici a violino mostrano la densità di probabilità della densità della riserva di carbonio (n = 105 unità amministrative per scenario). Le linee orizzontali interne più spesse indicano la mediana, mentre le linee tratteggiate rappresentano il range interquartile (IQR). Gli asterischi nel pannello B indicano la significatività statistica delle differenze tra lo scenario di sviluppo naturale (ND) e gli altri scenari simulati, determinata mediante il test H di Kruskal-Wallis (* p < 0,05, ** p < 0,01, *** p < 0,001). Cliccare qui per visualizzare una versione ingrandita di questa figura.

Autocorrelazione spaziale e analisi econometrica spaziale
Dal punto di vista dei modelli di aggregazione spaziale, Figura 6A rivela una significativa autocorrelazione spaziale locale nelle variazioni delle riserve di carbonio nell'area di studio. Le zone di aggregazione alto-alto sono prevalentemente concentrate nella fascia centrale-nord del nucleo di sviluppo, indicando che queste regioni e le unità adiacenti mostrano generalmente caratteristiche di aumento congiunto delle riserve di carbonio, con forte interconnessione spaziale. Le zone di aggregazione basso-basso sono più diffuse nelle regioni meridionali e periferiche, riflettendo ampiezze relativamente ridotte nelle variazioni delle riserve di carbonio e una stabilità spaziale. Al contrario, i tipi di aggregazione alto-basso e basso-alto sono relativamente limitati, verificandosi principalmente tra le zone centrali e le zone di transizione periferiche, suggerendo fenomeni marcati di disallineamento spaziale e di transizione ai confini in aree localizzate.

L'analisi degli hot spot in Figura 6B rivela ulteriormente il modello di polarizzazione spaziale dei cambiamenti nelle riserve di carbonio. Gli hot spot significativi sono distribuiti principalmente in diverse unità delle regioni centrali e nord-orientali, indicando che queste aree subiscono collettivamente un'elevata pressione per la perdita di carbonio e rappresentano zone sensibili con attività di sviluppo del territorio concentrate. Al contrario, i cold spot significativi sono concentrati nelle regioni occidentali e meridionali, riflettendo una maggiore capacità di mantenimento delle riserve di carbonio o un minore disturbo da sviluppo. Inoltre, l'analisi di regressione OLS bivariata in Figura 6C rivela che aumenti maggiori nell'indice di urbanizzazione sono associati a tassi di variazione delle riserve di carbonio crescentemente negativi, indicando perdite di carbonio progressivamente più elevate. Questo risultato è coerente con i coefficienti SDM negativi riportati in Tabella 4.

Figura 6: Analisi di autocorrelazione spaziale e di accoppiamento delle riserve di carbonio. (A) Modelli degli Indicatori Locali di Associazione Spaziale (LISA) relativi alle variazioni delle riserve di carbonio; nel pannello sono riportati il valore finale della statistica Global Moran's I e il valore di p. (B) Distribuzione di aree ad alta intensità (hotspot) e a bassa intensità (coldspot) delle variazioni delle riserve di carbonio. (C) Relazione di accoppiamento tra l'indice complessivo di urbanizzazione del territorio e il tasso di variazione delle riserve di carbonio. Il diagramma a dispersione mostra una correlazione negativa statisticamente significativa (Pearson's r = -0.612, R² = 0.375, p < 0.001), accompagnata dall'equazione di regressione OLS visualizzata (y = -5.42× - 1.25) e da una banda di confidenza al 95%, confermando la relazione empirica osservata nei modelli spaziali. LISA = Indicatori Locali di Associazione Spaziale. Cliccare qui per visualizzare una versione ingrandita di questa figura.

Tabella 4: Risultati della stima dei modelli econometrici spaziali. La tabella confronta i risultati dei modelli dei minimi quadrati ordinari (OLS), autoregressivo spaziale (SAR), errore spaziale (SEM) e Durbin spaziale (SDM) per gli effetti delle variabili di urbanizzazione, pianificazione ecologica, vegetazione, fattori socioeconomici, accessibilità, terreno e clima sulla densità delle riserve di carbonio. I valori p sono riportati tra parentesi. Note: I valori p sono riportati tra parentesi. Livelli di significatività: *p < 0,05, **p < 0,01, ***p < 0,001. Tutti i modelli econometrici spaziali (SAR, SEM, SDM) sono stati stimati utilizzando una matrice di pesi spaziali di contiguità Queen standardizzata per riga, basata su un panel bilanciato di n = 105 unità a livello di contea su 3 periodi (N totale = 315 osservazioni). Cliccare qui per scaricare questa tabella.

I risultati delle misurazioni presentati nella Tabella 4 dimostrano che i modelli spaziali superano il benchmark OLS, indicando una dipendenza spaziale nella dinamica delle riserve di carbonio e sostenendo l'uso di modelli econometrici spaziali. L'indice di urbanizzazione del territorio presenta un effetto diretto negativo nel modello SDM (−0,231, p = 0,008), un effetto indiretto (−0,117, p = 0,041) e un effetto totale (−0,348, p = 0,001), suggerendo che un'intensificazione dello sviluppo è associata a una minore densità di riserve di carbonio sia a livello locale che nelle unità confinanti. La proporzione di territorio edificato, la densità stradale, l'elevazione, la pendenza, l'NDVI e l'intensità della pianificazione ecologica mostrano effetti statisticamente significativi a livelli convenzionali in almeno una componente del modello. La densità del PIL, al contrario, presenta un effetto totale negativo debole (−0,132, p = 0,083) e effetti diretti e indiretti non significativi; pertanto, è interpretata come un'indicazione suggestiva piuttosto che una prova robusta.

Il confronto dei coefficienti tra modelli in Figura 7A indica che l'indice di urbanizzazione del territorio e l'intensità della pianificazione ecologica mantengono segni coerenti attraverso le specifiche OLS, SAR, SEM e SDM, mentre le magnitudini e la significatività di alcune variabili di controllo variano tra i modelli. Come illustrato in dettaglio in Figura 7B, C, i risultati del modello SDM indicano che l'indice di urbanizzazione del territorio esercita un effetto diretto negativo significativo (-0,231, p = 0,008) e un effetto indiretto di spillover negativo (-0,117, p = 0,041) sulla densità di carbonio stoccato, con un effetto totale pari a -0,348 (p = 0,001). Al contrario, l'intensità della pianificazione ecologica mostra effetti diretti (0,149, p = 0,021) e indiretti (0,096, p = 0,038) positivi, producendo un effetto totale di 0,245 (p = 0,005) (Tabella 5 e Tabella 6). Inoltre, l'analisi dell'interazione in Figura 7D illustra l'effetto moderatore: la pendenza negativa della curva dell'effetto marginale tra l'indice di urbanizzazione e la densità di carbonio stoccato si appiattisce in modo significativo a livelli più elevati di intensità della pianificazione ecologica (limite superiore dell'IC al 95%).

Figura 7: Meccanismi determinanti ed effetti di spillover spaziale. (A) Confronto tra i coefficienti standardizzati delle variabili esplicative principali nei diversi modelli. Le barre d'errore rappresentano gli intervalli di confidenza (CI) al 95% dei coefficienti standardizzati. (B) Scomposizione degli effetti diretti, indiretti e totali dell'urbanizzazione del territorio e della pianificazione ecologica. (C) Distribuzione empirica spaziale degli effetti indiretti locali di spillover dell'urbanizzazione del territorio nei 105 comuni a livello di contea nello Xinjiang. (D) Effetto moderatore dell'intensità della pianificazione ecologica sulla relazione tra urbanizzazione e densità di stoccaggio del carbonio (Mg C/ha), con le aree ombreggiate che indicano il CI al 95%. SAR = modello autoregressivo spaziale; SEM = modello di errore spaziale; SDM = modello di Durbin spaziale. I simboli di significatività nel pannello B indicano i valori p dei coefficienti stimati e degli effetti marginali, derivati dalle statistiche z dei rispettivi modelli econometrici spaziali (* p < 0,05, ** p < 0,01, *** p < 0,001). Cliccare qui per visualizzare una versione ingrandita di questa figura.

Tabella 5: Metriche di prestazione e validazione del modello per la simulazione dell'uso del suolo PLUS (ricostruzione retrospettiva 2010–2020). Le metriche sono state calcolate confrontando la mappa reale dell'uso del suolo del 2020 con la mappa simulata del 2020 ottenuta utilizzando i dati di base del 2010. Un valore Kappa complessivo > 0,80 e un FoM > 0,20 indicano un accordo sostanziale e un'elevata affidabilità delle proiezioni spaziali. Cliccare qui per scaricare questa tabella.

Tabella 6: Analisi della sensibilità e della robustezza del flusso di lavoro integrato. I parametri chiave per la simulazione PLUS, la valutazione del carbonio con InVEST e le analisi econometriche spaziali sono stati variati per valutare la robustezza degli output del modello. La tabella riassume il parametro testato, l'intervallo di perturbazione o la specificazione alternativa, l'impatto osservato sui risultati principali e la valutazione della stabilità risultante. Cliccare qui per scaricare questa tabella.

DISPONIBILITÀ DEI DATI:
I materiali computazionali elaborati a sostegno di questo studio, inclusi i dati tabulati alla base delle analisi quantitative e delle figure selezionate, i parametri di configurazione del modello PLUS, la tabella dei parametri delle riserve di carbonio del modello InVEST e gli script econometrici spaziali, sono stati depositati nel repository Zenodo (https://zenodo.org/records/21159171). I materiali computazionali depositati sono sufficienti per riprodurre le analisi statistiche e i risultati quantitativi presentati in questo studio.

Discussione

Questo studio presenta un flusso di lavoro analitico integrato che combina l'identificazione dell'urbanizzazione del territorio basata sul telerilevamento, la simulazione del land use in multi-scenario mediante PLUS, la valutazione delle riserve di carbonio tramite InVEST e la modellazione econometrica spaziale, al fine di analizzare le relazioni tra urbanizzazione del suolo, pianificazione ecologica e dinamiche delle riserve di carbonio nello Xinjiang, nella Cina nord-occidentale. Piuttosto che considerare questi componenti come esercitazioni tecniche separate, il flusso di lavoro collega in un'unica sequenza riproducibile la conversione del suolo osservata, le alternative di pianificazione future, le conseguenze sulle riserve di carbonio e i meccanismi di spillover spaziale.

L'analisi spaziotemporale rivela che l'urbanizzazione del territorio nell'area di studio ha seguito una traiettoria di espansione centrifuga dal 2000 al 2020, passando da una crescita compatta e concentrata nelle aree centrali a una diffusione policentrica e multidirezionale. Questo modello è in linea con la letteratura più ampia sull'urbanizzazione, che documenta lo sviluppo a macchia di leopardo nelle regioni ad industrializzazione rapida, dove gli investimenti in infrastrutture e l'agglomerazione economica spingono contemporaneamente i confini dello sviluppo verso l'esterno. In modo critico, il principale percorso di conversione del suolo—da terreni agricoli a zone edificate—conferma che le terre agricole continuano a subire il peso maggiore dell'avanzamento urbano, un risultato coerente con studi sulle dinamiche del suolo periurbano in Cina e in altre economie in via di sviluppo. Tuttavia, a differenza delle megaregioni altamente integrate dell'est della Cina, l'urbanizzazione nello Xinjiang è rigidamente limitata dai confini delle oasi e dalla disponibilità di acqua. Di conseguenza, questo avanzamento minaccia in modo sproporzionato le limitate terre coltivabili e le zone di transizione ecologica adiacenti ai corridoi idrologici vitali, rendendo i processi locali del ciclo del carbonio intrinsecamente più vulnerabili ai disturbi legati allo sviluppo. L'aumento contemporaneo della frazione di superfici impermeabili e dell'intensità della luce notturna suggerisce inoltre che l'espansione fisica e l'intensificazione funzionale procedono di pari passo, indicando che l'urbanizzazione del territorio in questo contesto comprende non soltanto una crescita reale, ma anche una trasformazione strutturale più profonda del paesaggio regionale².

I risultati della simulazione degli scenari dimostrano che l'orientamento alla pianificazione ecologica esercita un'influenza notevole sulla configurazione spaziale dell'uso futuro del suolo e, di conseguenza, sugli esiti del sequestro regionale di carbonio¹⁸. Lo scenario di sviluppo naturale determina le perdite di carbonio più elevate, causate dall'espansione incontrollata verso aree ecologiche ad alta densità di carbonio. Al contrario, lo scenario di protezione ecologica mantiene i livelli più alti di riserva di carbonio imponendo esclusioni spaziali rigorose intorno a foreste, zone umide e fasce tampone fluviali¹⁹. Lo scenario di ottimizzazione a basso tenore di carbonio, pur non raggiungendo lo scenario di protezione ecologica in termini assoluti di mantenimento della riserva di carbonio, ottiene un risultato più equilibrato concentrandone la crescita lungo i corridoi di sviluppo esistenti e lontano dalle aree ecologicamente sensibili. Questi esiti differenziati evidenziano un compromesso fondamentale nella pianificazione: l'intensità e l'indirizzamento spaziale dei vincoli ecologici determinano direttamente quanto capitale di carbonio una regione in rapido sviluppo possa preservare sotto la pressione della crescita^20,21.

I parametri delle riserve di carbonio rafforzano ulteriormente questa interpretazione. La notevole differenza nella capacità di sequestro del carbonio tra spazi ecologici naturali e superfici artificiali indica che ogni unità di area boschiva persa a causa della conversione urbana rappresenta un onere sproporzionatamente elevato in termini di carbonio. Il persistente predominio di foreste e praterie nel bilancio regionale del carbonio, unito alla loro documentata vulnerabilità all'espansione delle aree edificate, rende la protezione dei territori ecologici un elemento fondamentale di qualsiasi strategia di governance territoriale a basse emissioni di carbonio³.

I risultati dell'econometria spaziale estendono i dati ottenuti da telerilevamento e dall'analisi InVEST, dimostrando che le perdite di riserve di carbonio non sono semplici conseguenze locali del cambiamento dell'uso del suolo. I risultati del modello di diffusione spaziale (SDM) indicano che l'urbanizzazione del territorio esercita un effetto diretto negativo significativo sulla densità delle riserve di carbonio a livello locale, unito a un pronunciato effetto indiretto di spillover negativo sulle unità amministrative confinanti. L'effetto indiretto negativo dell'urbanizzazione del suolo può essere interpretato attraverso tre meccanismi plausibili transfrontalieri. In primo luogo, la pressione dello sviluppo potrebbe essere spostata da unità centrali fortemente regolamentate o sature verso aree agricole e zone di transizione ecologica adiacenti. In secondo luogo, i corridoi di trasporto e le filiere industriali possono trasmettere la domanda di sviluppo del territorio oltre un singolo confine amministrativo, causando perdite di riserve di carbonio nelle unità limitrofe. In terzo luogo, la frammentazione dei corridoi ecologici può ridurre la continuità delle aree con elevata capacità di stoccaggio del carbonio e indebolire la capacità di accumulo di carbonio nelle zone circostanti. Al contrario, l'intensità della pianificazione ecologica dimostra un impatto positivo complessivo robusto, indicando che vincoli pianificatori rigorosi non solo mitigano localmente la perdita di riserve di carbonio, ma potenziano sinergicamente il mantenimento regionale delle riserve di carbonio quando la governance spaziale ecologica è coordinata attraverso i confini amministrativi^22,23.

Applicazioni per le politiche territoriali
I risultati hanno applicazioni dirette nella pianificazione territoriale dello spazio. In primo luogo, le politiche sulle linee rosse ecologiche e sulle fasce tampone fluviali dovrebbero dare priorità alle aree boschive e prative ad alto contenuto di carbonio, poiché la loro conversione provoca perdite di riserve di carbonio sproporzionatamente elevate. In secondo luogo, lo sviluppo compatto e i controlli basati sul trasporto possono ridurre l’espansione verso l’esterno sui terreni agricoli e sulle zone di transizione ecologica. In terzo luogo, il compenso per il carbonio e il ripristino ecologico dovrebbero essere coordinati tra unità confinanti, poiché l’effetto indiretto negativo indica che lo sviluppo di un’area amministrativa può influenzare le condizioni di riserva di carbonio nelle zone circostanti. Infine, il flusso di lavoro combinato può essere utilizzato come strumento di screening prima dell’approvazione dei piani di uso del suolo, per confrontare i risultati in termini di carbonio sotto diversi vincoli di pianificazione.

Limitazioni
È necessario riconoscere diverse limitazioni. I parametri relativi alle riserve di carbonio si basano in parte su dati letterari e potrebbero non rappresentare pienamente l'eterogeneità locale del suolo, della vegetazione e delle pratiche gestionali. Sebbene siano stati effettuati controlli di sensibilità per verificare la stabilità delle classifiche degli scenari, una calibrazione sul campo migliorerebbe la fiducia nelle stime assolute delle riserve di carbonio. L'analisi econometrica spaziale riduce il bias da variabili omesse includendo controlli relativi a topografia, accessibilità, vegetazione, clima e fattori socioeconomici, ma non erano disponibili strumenti validi; pertanto, i coefficienti dovrebbero essere interpretati come associazioni spaziali condizionali e non come effetti causali definitivi.

Prospettive future
Lavori futuri dovrebbero integrare misurazioni locali della biomassa e del carbonio nel suolo, dati socioeconomici a più alta risoluzione, disegni sperimentali formali basati su variabili strumentali o quasi-sperimentali, e modelli dinamici per dati panel spaziali al fine di verificare ulteriormente i percorsi causali. Le applicazioni future dovrebbero inoltre riportare metriche di validazione specifiche per classe del modello PLUS, intervalli di sensibilità dei serbatoi di carbonio e risultati ottenuti con alternative definizioni dei pesi spaziali in tabelle supplementari, per permettere la riproducibilità indipendente delle classifiche degli scenari e delle stime degli effetti collaterali.

Conclusione
Questo studio dimostra che il flusso di lavoro integrato che combina telerilevamento, InVEST e modellazione econometrica spaziale permette di identificare i modelli di urbanizzazione del territorio, valutare scenari di pianificazione ecologica, quantificare le conseguenze sulle riserve di carbonio e diagnosticare gli effetti di spillover spaziale all’interno di un unico quadro riproducibile. I risultati principali mostrano che l’espansione storica delle aree edificate è stata principalmente determinata dalla conversione delle terre agricole, accompagnata da significativi aumenti dell’impermeabilità superficiale e dell’intensità dell’attività umana. Le simulazioni degli scenari confermano che le strategie di protezione ecologica massimizzano il trattenimento regionale del carbonio, mentre la modellazione econometrica spaziale dimostra che l’urbanizzazione del territorio esercita effetti diretti negativi e di spillover spaziale sulle dinamiche delle riserve di carbonio. In definitiva, questo flusso di lavoro integrato fornisce un quadro analitico solido e riproducibile per quantificare i compromessi ecologici derivanti dall’espansione urbana e offre uno strumento diagnostico basato su meccanismi per la valutazione spaziale in regioni ecologicamente fragili.

Materiali

Elenco dei materiali utilizzati in questo articolo

Nome	Azienda	Numero di catalogo	Commenti
Script econometrici spaziali personalizzati e set di dati di output	Autori	Ripostiglio Zenodo: https://zenodo.org/records/21159171	Utilizzati per riprodurre le analisi econometriche spaziali e il flusso di lavoro computazionale di supporto descritti in questo studio.
Griglie ad alta risoluzione di densità della popolazione	WorldPop	https://www.worldpop.org/	Utilizzate come dati socioeconomici di ingresso per le analisi econometriche spaziali.
InVEST (Valutazione Integrata dei Servizi Ecosistemici e Compromessi)	The Natural Capital Project, Università di Stanford	Versione 3.14.0; https://naturalcapitalproject.stanford.edu/	Utilizzato per stimare le riserve di carbonio e le variazioni delle riserve di carbonio in scenari di uso del suolo storici e simulati.
Matplotlib & Pillow (Librerie Python)	Comunità Python	https://matplotlib.org/; https://python-pillow.org/	Utilizzati per generare figure di qualità pubblicabile ed elaborare output grafici ad alta risoluzione (600 dpi).
Set di dati multitemporali sull'uso e copertura del suolo	Centro di Scienze e Dati per le Risorse e l'Ambiente (RESDC), Accademia Cinese delle Scienze	https://www.resdc.cn/	Utilizzati come set di dati primario di ingresso per l'analisi dei cambiamenti nell'uso del suolo e le simulazioni PLUS.
Modello PLUS (Simulazione dell'Uso del Suolo con Generazione di Macchie)	High-performance Spatial Computational Intelligence Lab (HPSCIL)	https://github.com/HPSCIL/Patch-generating_Land_Use_Simulation_Model	Utilizzato per simulare i modelli futuri di uso del suolo in diversi scenari di pianificazione ecologica.
PySAL (Libreria Python per l'Analisi Spaziale)	Sviluppatori PySAL	https://pysal.org/	Utilizzato per eseguire analisi di autocorrelazione spaziale e modellizzazione econometrica spaziale.
Ambiente di programmazione Python	Fondazione Software Python	Versione 3.9+; https://www.python.org/	Utilizzato per la pre-elaborazione dei dati, l'analisi spaziale, i calcoli statistici e l'implementazione del flusso di lavoro.
Dati topografici (DEM) e di telerilevamento	United States Geological Survey (USGS)	https://earthexplorer.usgs.gov/	Utilizzati per ricavare variabili topografiche e input da telerilevamento per l'analisi dell'urbanizzazione del suolo e la parametrizzazione del modello.