統合的な地理空間モデリングワークフローにより、土地の都市化と炭素貯蔵量の動態を定量化します。市街地の拡大は炭素貯蔵量の減少および負の空間的スピルオーバー効果に関連していますが、一方で生態学的計画シナリオは高炭素土地を維持し、協調的な低炭素ガバナンスを支援します。
このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。
研究記事
統合的地理空間モデリングワークフローを用いた中国・新疆ウイグル自治区における土地都市化、生態計画、および炭素蓄積量の動態解析
この記事について
サマリー
要約
本研究では、中国北西部の新疆ウイグル自治区における土地の都市化および生態学的計画が炭素蓄積量動態に及ぼす影響を定量化するため、リモートセンシング、土地利用シミュレーション、生態系サービス評価、および空間計量経済学的手法を組み合わせた統合ワークフローを開発・適用した。2000年から2020年までの土地利用・土地被覆、不浸透面、夜間光、植生、地形、社会経済、および計画上の制約データを用いて、このワークフローにより過去の都市化パターンを特定し、4つの将来計画シナリオをシミュレーションし、InVESTの炭素モジュールを用いて炭素蓄積量を推定し、空間計量経済モデルを用いて直接的および空間的なスピルオーバー効果を評価した。その結果、市街地の拡大は主に農地の転換を通じて起こり、不浸透面の被覆率の増加と夜間光強度の増大を伴っていた。シミュレーション結果は、生態保護シナリオが最も高い炭素蓄積保持量を示す一方で、自然開発シナリオでは最大の炭素喪失が生じることを示している。森林地は、市街地の全炭素密度 29.4 Mg C/ha に対し 144.9 Mg C/ha となり、最も脆弱な高炭素土地利用クラスであると特定された。空間ダービンモデルの結果、土地の都市化は炭素蓄積密度に対して負の直接効果（−0.231）および間接的なスピルオーバー効果（−0.117）を及ぼし、総効果は −0.348 となった一方、生態学的計画の強度は正の総効果（+0.245）を示した。これらの知見は、低炭素な地域開発を促進するために、行政境界を越えた協調的な生態学的計画を策定することを支持している。
概要
地球規模の気候変動と低炭素開発への移行を背景に、急速な都市化が地域的な土地被覆パターンの変化および生物地球化学的サイクルの主要な要因となっています1。人間活動の規模と強度が拡大し続けるなか、発展途上地域における土地の都市化の加速は、土地利用パターンの変化だけでなく、生態系の構造と機能をも再編しています。本質的に、土地の都市化とは、炭素密度の高い自然植生が炭素密度の低い人工表面へと変換されることであり、その結果、地域的な炭素貯蔵能力の大幅な喪失を招きます2。急速に発展している地域において、経済成長と生態学的空間の保護を両立させることは、国土空間計画における極めて重要な課題となっています。従来の土地利用研究は、主に物理的な拡大パターンに焦点を当てており、空間開発と炭素サイクルプロセスの間の動的な相互作用が見落とされる傾向にありました3。したがって、土地の都市化が炭素蓄積量（カーボンストック）の動態に及ぼす影響を定量化し、生態系保護と低炭素統治のための科学的根拠を提供する統合的な分析アプローチが必要とされています。
リモートセンシングおよび地理情報システムの最近の進歩により、土地利用変化のモデリングと生態系サービスの評価が大幅に改善されました4,5。生態学的会計と組み合わせたマルチシナリオ土地利用シミュレーションは、都市拡大による環境的影響を評価するための広く用いられる手法となっています6。特に、Patch-generating Land Use Simulation (PLUS) および Integrated Valuation of Ecosystem Services and Tradeoffs (InVEST) モデルは、計画上の制約が土地利用の軌跡や炭素蓄積量にどのように影響するかを定量化するために適用されてきました7,8,9,10,11,12。関連する生態系サービスの研究では、土地被覆の変化、都市開発政策、および生態系保護策が、急速に都市化が進む景観において、水生成量、炭素固定量、土壌保持量、および生態系サービスのトレードオフを変化させ得ることがさらに示されています13,14,15,16,17。しかし、先行研究の多くは土地利用の転換と生態系サービスの出力に焦点を当てており、社会経済的な開発圧力が、隣接する行政区画間で空間的に依存した炭素蓄積量の応答をどのように生成させるかについては、あまり注目されてきませんでした。
本ワークフローの背景には、3つの重要な課題があります。第一に、従来のPLUS–InVESTによる適用では、研究対象地域を閉鎖的な物理系として扱うことが多く、土地の都市化による影響が隣接する単位へ波及するかどうかを明示的に評価していませんでした。第二に、バリデーション、不確実性、および感度分析に関する報告が簡潔にとどまることが多く、土地利用シミュレーションのパラメータ、炭素プール係数、および空間重みの設定を変更しても、シナリオのランキングが安定しているかを判断することが困難でした。第三に、空間計量経済学的研究では、開発強度と生態学的成果との関連性が特定されることが多いものの、これらの関係をリモートセンシングによる観測、将来の土地利用シナリオ、および炭素蓄積量会計に結びつけるアプローチが不足していました。したがって、再現可能な分析フレームワークの中で、観測、シナリオシミュレーション、炭素会計、および空間的メカニズムの特定を統合するワークフローが必要とされています。
したがって、本研究では、リモートセンシング、PLUSベースのシナリオシミュレーション、InVEST炭素蓄積量評価、および空間計量経済分析を統合した、再現可能な分析ワークフローを構築します。中国北西部の新疆ウイグル自治区に焦点を当て、2000年から2020年までの歴史的な土地都市化パターンを評価し、代替的な計画シナリオが将来の土地利用構成にどのように影響するかを検討し、その結果として炭素蓄積量の分布に及ぼす影響を定量化し、さらに土地都市化、生態学的計画強度、植生状態、および社会経済的要因が炭素蓄積量の動態に及ぼす直接的影響と空間的波及効果を調査します。このワークフローの主な貢献は、シナリオベースの予測とメカニズムの特定を統合することで、生態学的レッドラインの設定、コンパクトシティ計画、境界を越えた炭素補償、および低炭素の地域統治を支援することにあります。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
プロトコル
本研究では、公開されている地理空間データ、リモートセンシングデータ、計画データ、および集計された社会経済データセットを使用しました。ヒト参加者、動物被験者、臨床材料、または個人を特定できる個人情報は含まれていません。したがって、機関の倫理承認は不要でした。このワークフローを再現するために必要なすべてのリソースに関する具体的なソフトウェア環境、計算パッケージ（空間計量経済学および高解像度可視化ライブラリを含む）、データセットのデジタルオブジェクト識別子（DOI）、およびソースURLは、詳細な材料表に記載されています。
1. 研究地域および分析枠組み
分析は中国北西部の新疆ウイグル自治区で実施され、局所的な拡大動態を正確に把握するため、主要都市の定義された市街地範囲（図 1）に焦点を当てて解析が行われました。この境界は、ラスタクリッピング、土地利用シミュレーション、炭素蓄積量の評価、および行政単位の集計に一貫して使用されました。分析サンプル数（n）は、3つの離散的な時間ノード（200年、2010年、2020年）にわたって解析された105の県級行政単位で構成され、土地利用シミュレーションでは空間的不確実性を捉えるために50回の確率論的反復試行が組み込まれました。
グリッドレベルの分析と行政区画単位の分析を統合したマルチスケール解析フレームワークを採用した。グリッドスケールでは、土地利用・土地被覆データ、夜間光強度、不浸透面被覆率、植生指数、地形変数、および生態学的計画上の制約を用いて、土地都市化パターンの特定、将来の土地利用シナリオのシミュレーション、および炭素蓄積量の分布評価を行った。行政区画単位のスケールでは、社会経済、交通、および環境変数を空間計量経済分析に組み込み、土地都市化と生態学的計画が炭素蓄積量の動態に及ぼす直接的影響および波及効果を評価した。
分析フレームワークは5つの構成要素から成っていた。第一に、多時期のリモートセンシングデータおよび土地利用データを用いて、市街地拡大、開発強度、土地利用再編を含む土地都市化の時空間パターンを特徴づけた。第二に、将来の土地利用パターンをシミュレーションするために、生態系保護、農地保護、および低炭素計画のシナリオを策定した。第三に、InVESTカーボンストレージモジュールを用いて、過去および将来の土地利用条件下での炭素蓄積量の分布と変化を定量化した。第四に、全域および局所的な空間的自己相関分析を行い、炭素蓄積量の変動に関連するクラスターパターンとホットスポット領域を特定した。第五に、空間計量経済学モデルを用いて、土地都市化、生態系計画強度、ならびに環境的・社会経済的要因が炭素蓄積量のダイナミクスに及ぼす影響の大きさ、方向、および波及効果を評価した。
図1 全体の分析ワークフローを示す。このワークフローは、研究領域の定義、マルチソースデータの統合、土地都市化の特定、生態計画シナリオの開発、土地利用シミュレーション、炭素蓄積量の評価、空間自己相関分析、および空間計量経済モデリングを連結させたものである。マルチソース空間データを入力レイヤーとした。土地都市化の特定および過去の土地利用分析をパターン特性評価レイヤーとした。生態計画シナリオおよび炭素蓄積量評価を予測および影響評価レイヤーとした。空間自己相関および計量経済分析を用いて、空間的メカニズムを特定し、政策的解釈を裏付けた。
図1研究領域、データ統合、およびテクニカルワークフロー。 (A中国北西部、新疆ウイグル自治区の主要都市における、マルチスケールの空間コンテキストおよび精密な都市分析境界。B) 多ソース空間データ、リモートセンシングに基づく土地都市化の同定、生態計画シナリオ設計、PLUS土地利用シミュレーション、InVEST炭素蓄積量評価、空間自己相関、ホットスポット分析、および空間計量経済モデリングを連結した統合的テクニカルワークフロー。ND = 自然開発、EP = 生態保護、CP = 農地保護、LC = 低炭素最適化、OLS = 最小二乗法、SAR = 空間自己回帰モデル、SEM = 空間誤差モデル、SDM = 空間ダービンモデル。 この図の拡大表示を確認するには、こちらをクリックしてください。
2. データソースと変数体系
土地都市化の特定、生態計画シナリオのシミュレーション、炭素蓄積量の評価、および空間計量経済分析を支援するために、マルチソースデータセットを構築した。このデータセットには、土地利用/土地被覆データ、不浸透面割合、夜間光強度、正規化植生指数（NDVI）、地形変数、交通アクセシビリティ指標、水文変数、人口密度、国内総生産（GDP）密度、計画上の制約、気候変数、および炭素プールパラメータが含まれている。表 1に、データセットのカテゴリ、変数の説明、単位、空間・時間解像度、出典、および分析への適用をまとめる。主要なデータセットは、200年、2010年、2020年に収集した。土地利用および主要なリモートセンシング製品は、分析要件に応じて30 mから1 kmの範囲の解像度に調整した。
表1：データソースおよび変数体系 本表は、土地の都市化の特定、シナリオシミュレーション、InVEST炭素ストック計上、および空間計量経済モデリングに使用されるデータセットのカテゴリー、変数、説明、単位、空間・時間解像度、出典、および分析上の用途を報告している。NDVI = 正規化差植生指数、DEM = デジタル標高モデル、LULC = 土地利用・土地被覆。 こちらの表をダウンロードするには、ここをクリックしてください。
すべての空間レイヤーを共通の座標系に投影し、図1に示す研究地域の境界でクリップし、必要なグリッドまたは行政区画のスケールに合わせてリサンプリングまたは集計した。空間オーバーレイ解析の前に、欠損値のスクリーニングを行った。PLUSおよびInVEST解析に使用したラスタデータセットはピクセルレベルで整合させ、一方で社会経済変数については空間回帰のために行政区画ごとに集計した。この前処理ワークフローにより、時系列解析、シナリオシミュレーション、炭素蓄積量の算出、および計量経済モデリングにおいて、空間単位の一貫性と時間的整合性が確保された。
土地利用・土地被覆データは、履歴変化検出および将来の土地利用シミュレーションの主要な入力データとして使用されました。元の土地利用カテゴリーは、耕作地、森林地、草地、水域、市街地、および未使用地の6つのクラスに再分類されました。この分類体系は、土地利用変化分析、シナリオ策定、およびInVESTによる炭素蓄積量計算に一貫して適用されました。市街地の割合、不浸透面の被覆率、および夜間光強度は、土地の都市化の指標として用いられました。不浸透面の被覆率と夜間光強度は、開発強度および人間活動のリモートセンシング・プロキシとして機能しました。NDVIは、その後の空間計量経済分析における生態学的指標として組み込まれました。
地形および位置変数には、標高、傾斜、主要道路への距離、道路密度、および主要河川への近接性が含まれた。これらの変数は、土地利用シミュレーションの駆動要因として、また空間計量経済モデルの制御変数として使用された。これらは総じて、地形的制約、輸送アクセシビリティ、および水文的接続性を表している。
社会経済的変数として、人口密度とGDP密度を含め、利用可能な場合は道路網密度を補完的に加えた。これらの変数は、炭素ストックの変化に関連する開発強度および人間活動による圧力を特徴付けるために使用された。この変数の枠組みは、土地開発、社会経済的圧力、および生態学的状況の指標を統合し、炭素ストックの動態に影響を及ぼす多角的な要因を表現した。
生態学的レッドライン、自然保護区、水域緩衝地帯、斜面制限区域、およびその他の環境敏感地域を用いて、生態計画強度指標を策定しました。この指標は、将来の土地利用シミュレーションにおける制約レイヤーとして、および空間計量経済分析における説明変数として活用されました。
InVESTによる炭素蓄積量評価のため、各土地利用クラスについて、地上部バイオマス炭素、地下部バイオマス炭素、土壌有機炭素、および死 organic matter 炭素の4つの炭素プールパラメータを編纂した。パラメータ値は、既報の地域研究、InVESTガイダンスドキュメント、および地域の土地被覆特性から取得し、統一された土地利用分類体系にマッピングした。炭素蓄積量とは、これら4つのプールに含まれる推定炭素の総量を指し、一方で炭素蓄積密度とは、単位面積あたりの炭素蓄積量を指す。
変数は3つのカテゴリーに分類されました。第1のカテゴリーは、市街地の割合、不浸透面の被覆率、夜間光強度などの土地都市化指標で構成されました。第2のカテゴリーには、NDVI、生態学的計画強度、標高、傾斜、水系への近接性などの生態学的および計画的変数が含まれました。第3のカテゴリーは、人口密度、GDP密度、道路密度などの社会経済的要因で構成されました。これらの変数は、土地の都市化、生態学的計画、および炭素蓄積量の動態の間の関係を評価するために使用されました。
3. リモートセンシングに基づく土地都市化の特定
土地の都市化における時空間パターンは、市街地拡大、不浸透面被覆、夜間光強度の3つの補完的な指標を用いて特定されました。市街地拡大は、一連の土地利用図から抽出され、中心市街地から周辺地域へと広がる都市開発の物理的範囲と進展を記述しました。不浸透面被覆は、グリッドレベルでの開発強度を定量化するために算出され、一方で夜間光強度のラスタデータは、人間の活動と機能的集積を表すように処理および正規化されました。これらの空間レイヤーをその後統合し、土地都市化の履歴データセットを構築しました。これらの統合指標を用いて、持続的に開発が強化されている地域、移行帯、および比較的安定した地域を特定し、物理的な土地開発と機能的な都市化との空間的な整合性を評価しました。
耕作地、森林地、草地、水域、建設用地、および未利用地の間の土地利用転換の規模と方向を定量化するために、土地利用転換行列を構築した。特に、生態学的および農業的な土地利用区分から建設用地への転換に注目した。この行列を用いて、主要な転換経路および都市拡大に寄与した主たる供給源となる土地利用区分を特定した。
土地の都市化に伴う構造的な変化を評価するため、景観パターンの解析を行った。指標には、パッチ密度、エッジ密度、景観形状指数、および断片化関連の指標を含めた。これらの指標を各調査期間について算出し、市街地の拡大に伴う景観構成、空間的な連続性、および断片化の変化を定量化した。
4. 生態学的計画シナリオの設計と土地利用シミュレーション
将来の土地利用パターンのシミュレーションは、Patch-generating Land Use Simulation (PLUS) モデルを用い、「自然開発 (ND)」、「生態学的保護 (EP)」、「耕作地保護 (CP)」、「低炭素最適化 (LC)」の4つの計画シナリオに基づいて行いました。シナリオの想定、土地転換ルール、制限される土地タイプ、および予想される炭素蓄積量は、表2にまとめています。
表2：シナリオ制御ルールおよび遷移制約 この表は、自然的発展（ND）、生態学的保護（EP）、農地保護（CP）、および低炭素最適化（LC）の各シナリオにおける土地転換確率と空間的制約を定義したものである。 注記：シナリオの略称は、PLUSモデリングおよび結果のセクションで使用されているものと厳密に一致している。シナリオ設定は、シミュレーションで使用される政策指向の転換ルールおよび制限付き土地タイプを定義しており、すべての法定除外区域は最終的な空間レイヤーにおいて転換不能なまま維持された。 こちらの表をダウンロードするには、ここをクリックしてください。
過去の土地利用図と空間的駆動変数をPLUSモデルに統合し、セル・オートマトン（CA）モジュールを用いてベースラインの土地転換確率を推定しました。生態系保護（EP）、耕作地保護（CP）、および低炭素最適化（LC）の各シナリオでは、あらかじめ定義されたシナリオルールに従って土地転換を制限するため、生態学的レッドライン、永久基本耕作地、水域バッファー、およびその他の計画上の制約を空間的制限レイヤーとして組み込みました。その後、2030年に向けた各シナリオの目標土地需要量を定義し、CAモジュールを50回の確率的反復で実行することで、最終的な土地利用予測を生成しました。
土地利用シミュレーションは、PLUSモデルおよび、マルチタイプ確率的パッチ生成を伴うそのセル・オートマトン（CA）フレームワークを用いて実施した。過去の土地利用マップならびに環境的および社会経済的な駆動変数を、各土地利用クラスの土地拡大確率を推定するために使用した。その後、各計画シナリオの要件に従って将来の土地需要量を指定し、対象とするシミュレーション期間の対応する土地利用マップを生成した。
将来のシミュレーションに先立ち、過去のバックキャスティングを通じてモデルの性能を評価した。過去の土地利用地図および関連する駆動変数を用い、その後の観測された土地利用地図をシミュレーションした。シミュレーションされた土地利用分布と観測された分布との一致度は、全体精度（OA）、Kappa係数、およびFigure of Merit（FoM）を用いて評価した。検証は、全体レベルおよび主要な土地利用クラスの両方で実施した。2010年から2020年までの過去のバックキャスティングの結果、全体精度（OA）は93.4%、Kappa係数は0.89、Figure of Merit（FoM）は0.26であり、その後のマルチシナリオシミュレーションにおける空間投影能力が非常に信頼できることが示された。
シミュレーション結果の堅牢性を評価するために、不確実性分析および感度分析を実施した。PLUS感度分析では、主要な土地利用クラスにおける代替的な遷移抵抗設定および近傍重みパラメータの影響を検討した。InVEST感度分析では、土地利用タイプ間での炭素プール係数の変動による影響を評価した。空間計量経済学的感度分析では、代替的な空間重み行列の仕様を比較した。これらの分析を用いて、代替的なパラメータ設定の下でも、シナリオのランキングおよび主要な都市化および生態学的計画の効果の方向性が一貫しているかを確認した。具体的に、結果の安定性を厳密に確認したところ、遷移抵抗パラメータおよび炭素プール係数を±15%変動させても、シナリオのランキングおよび土地都市化による負の空間的スピルオーバー効果は不変であった。
5. 炭素蓄積量の評価
炭素蓄積量は、InVEST炭素モデルを用いて評価した。4つの炭素プール（地上部バイオマス、地下部バイオマス、土壌有機炭素、および死滅有機物）のベースラインパラメータを、Table 3にまとめられた生物物理学的値を用いて、再分類された各土地利用タイプに割り当てた。次に、過去の土地利用マップ（20–2020年）およびPLUSでシミュレーションした将来の土地利用ラスターデータセットをモデルにインポートし、対応する炭素密度パラメータと統合した。その後、モデルを実行し、地域全体の総炭素蓄積量（Tg C）、グリッドレベルの炭素蓄積密度（Mg C/ha）、および過去と将来のシナリオにおける炭素蓄積量変化（ΔC）の空間マップを推定した。
再分類された土地利用マップを、表3に報告されている対応するベースラインの炭素プールパラメータ値に関連付けました。パラメータの不確実性に対する炭素蓄積量推定値の感度は、これらのベースライン値を±15%調整することで検証し、詳細な感度分析の結果を得ました。このモデルを用いて、過去の条件および将来の計画シナリオにおける各土地利用クラスの総炭素蓄積量、炭素蓄積密度、および炭素蓄積量の変化を算出しました。
3つのカテゴリーの出力が評価されました。第一に、地域全体の炭素蓄積量および時間的傾向を算出し、炭素蓄積量の変化の大きさと方向性を定量化しました。第二に、炭素蓄積量および炭素蓄積量変化の空間分布をマッピングし、炭素の保持領域と損失領域を特定しました。第三に、計画シナリオ間で炭素蓄積量の推定値を比較し、生態系保護、農地保護、および低炭素最適化戦略が炭素蓄積の保全に及ぼす相対的な影響を評価しました。
表3：異なる土地利用タイプにおける炭素プールパラメータのベースライン値 本表は、InVESTカーボンストックモジュールで使用される地上部バイオマス炭素、地下部バイオマス炭素、土壌有機炭素、死滅有機物炭素、および全炭素密度を示す。単位はMg C/haである。注：値はInVESTモデルで利用されたベースラインパラメータを表す。全炭素密度は、4つの炭素プールの合計に等しい。これらのベースライン値を±15%変化させた感度分析の結果は、以下に報告されている。 表6. こちらの表をダウンロードするには、ここをクリックしてください。
6. 空間的自己相関および空間計量経済分析
炭素蓄積量および炭素蓄積量変化に有意な空間的依存性があるかどうかを判断するため、空間自己相関分析を実施した。研究地域全体における炭素蓄積分布および炭素蓄積量変化の空間的クラスター化の全体的な程度を評価するため、グローバルモラン指数（Global Moran's I）を算出した。次に、ローカルモラン指数（Local Moran's I）を用いて、High-High、Low-Low、High-Low、Low-Highクラスターを含む局所的な空間的関連パターンを特定した。また、炭素損失が集中している領域および炭素蓄積が維持されている領域を特定するため、ホットスポット分析を行った。
土地の都市化、生態学的計画、環境条件、社会経済的要因、および炭素貯蔵量の動態の間の関係を検討するために、空間計量経済モデルを用いた。従属変数として、炭素貯蔵密度または炭素貯蔵量の変化を用いた。説明変数には、土地都市化指数、市街地割合、生態学的計画強度、正規化差植生指数（NDVI）、人口密度、GDP密度、道路密度、標高、傾斜、年平均降水量、および年平均気温を含めた。
ベースラインモデルとして、普通最小二乗法（OLS）回帰を用いた。空間自己回帰（SAR）モデル、空間誤差（SEM）モデル、および空間ダービン（SDM）モデルを推定する前に、残留空間依存性を評価した。モデルの性能および係数推定値を、各仕様間で比較した。
行政区画間の近接関係を表すために、行標準化された空間重み行列を構築した。主な仕様は空間的な隣接性に基づいたが、頑健性分析において、利用可能な場合は代替的な距離ベースおよび最近隣の空間重み行列との比較を行った。
局所的な影響および空間的なスピルオーバー関係を評価するため、SDM（空間誤差モデル）から直接効果、間接効果、および全効果を算出した。脱落変数バイアスを軽減するため、地形、アクセシビリティ、植生、気候、および社会経済的変数を制御変数として含めた。モデル係数は、確定的な因果効果ではなく、条件付きの空間的関連性として解釈した。p値が一般的な有意水準を超える変数は、証拠が弱いか示唆的なものであると解釈し、統計的に強固な効果とはみなさなかった。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
結果
リモートセンシングに基づく土地都市化の特定
複数期間のリモートセンシング特定結果に基づくと、調査地域では200年から2020年の間に土地都市化が著しく激化し、それに伴い土地利用パターンの再編とランドスケープ構成の再形成が進んだ。全体として、建設用地の拡大は、都市中心部から周辺地域へと放射状に広がる同心円状の拡大パターンを示した。人間活動の強度と地表面の不浸透性のレベルが同時に上昇していることは、急速な開発が土地利用の量的構造を変化させただけでなく、地域の空間組織パターンを根本的に再構成したことを示唆している。
図2Aのウルムチ代表サブセットに示される土地都市化の識別結果から、200年から2020年にかけての建設用地利用の段階的な拡大軌跡が明確に示されている。20年時点では、建設用地は主に市街地中心部に集中しており、空間構成は比較的コンパクトであった。2010年までに、周辺部への拡大が著しく加速し、中心地域の周囲に移行帯が形成された。2020年までには、建設用地は当初のコンパクトな境...
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
ディスカッション
本研究では、リモートセンシングに基づく土地都市化の特定、PLUSを用いたマルチシナリオ土地利用シミュレーション、InVESTによる炭素蓄積量の評価、および空間計量経済モデリングを組み合わせた統合的な分析ワークフローを提示し、中国北西部・新疆ウイグル自治区における土地都市化、生態学的計画、および炭素蓄積量動態の相互関係を分析します。これらの構成要素を個別の技術的な演習として扱うのではなく、本ワークフローでは、観測された土地転換、将来の計画案、炭素プールへの影響、および空間的なスピルオーバーメカニズムを、単一の再現可能なシーケンスとして連携させています。
時空間分析により、当該研究地域における土地の都市化は2000年から2020年にかけて遠心的な拡大軌跡を辿り、コンパクトな中心部の成長から、多方向への多核心的なスプロール現象へと移行したことが明らかになった。このパターンは、インフラ投資と経済的集積が同時に開発境界を外側へと押し出す、急速に工業化が進む地域におけるリープフロッグ開発を記録した広範な都市化文献と一致している。極めて重要な点として、支配的な土地転換経路が農地から市街地への転換...
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
開示事項
著者は開示すべき事項はありません。
謝辞
著者らは、本研究に関して特定の資金提供を受けていません。
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。
材料
| 名前 | 会社 | カタログ番号 | コメント |
|---|---|---|---|
| カスタム空間計量経済学スクリプトおよび出力データセット | 著者 | Zenodoリポジトリ: https://zenodo.org/records/21159171 | 本研究で述べられている空間計量経済分析および補完的な計算ワークフローの再現に使用。 |
| 高解像度人口密度グリッド | WorldPop | https://www.worldpop.org/ | 空間計量経済分析の社会経済的な入力データとして使用。 |
| InVEST (Integrated Valuation of Ecosystem Services and Tradeoffs) | The Natural Capital Project, Stanford University | Version 3.14.0; https://naturalcapitalproject.stanford.edu/ | 過去およびシミュレーションされた土地利用シナリオにおける炭素蓄積量および炭素蓄積量の変化を推定するために使用。 |
| Matplotlib & Pillow (Pythonライブラリ) | Python Community | https://matplotlib.org/; https://python-pillow.org/ | 出版品質の図の作成および高解像度 (600 dpi) のグラフィカル出力の処理に使用。 |
| 多時期土地利用/土地被覆データセット | Resource and Environment Science and Data Center (RESDC), Chinese Academy of Sciences | https://www.resdc.cn/ | 土地利用変化分析およびPLUSシミュレーションの主要な入力データセットとして使用。 |
| PLUS (Patch-generating Land Use Simulation) モデル | High-performance Spatial Computational Intelligence Lab (HPSCIL) | https://github.com/HPSCIL/Patch-generating_Land_Use_Simulation_Model | 複数の生態学的計画シナリオにおける将来の土地利用パターンのシミュレーションに使用。 |
| PySAL (Python Spatial Analysis Library) | PySAL Developers | https://pysal.org/ | 空間自己相関分析および空間計量経済モデリングの実行に使用。 |
| Pythonプログラミング環境 | Python Software Foundation | Version 3.9+; https://www.python.org/ | データの前処理、空間分析、統計計算、およびワークフローの実装に使用。 |
| 地形 (DEM) およびリモートセンシングデータ | United States Geological Survey (USGS) | https://earthexplorer.usgs.gov/ | 土地都市化分析およびモデルのパラメータ化のための地形変数およびリモートセンシング入力の導出に使用。 |
参考文献
- Xiong Z, Zhang Y, Liu M. Assessing land urbanization and ecological planning impact on carbon stock and its economic value from coupled InVEST-PLUS models. Sci Rep. 2025;15:30494. https://doi.org/10.1038/s41598-025-30494-x
- Ge K, Zou S, Lu Y, Chen Y. Spatial effects and influence mechanisms of urban land use green transition on urban carbon emissions. Ecol Indic. 2025;172:113261. https://doi.org/10.1016/j.ecolind.2025.113261
- Li L, et al. Spatio-temporal evolution of land use and carbon stock under multiple scenarios based on the PLUS-InVEST model: A case study of Chengdu. Sustainability. 2025;17(21):9903. https://doi.org/10.3390/su17219903
- Wang Z, Zhong A, Wei E, Hu C. Carbon stock simulation and land use optimization for high-water-table resource-based cities based on the coupled GMOP-PLUS-InVEST model. Remote Sens. 2024;16(23):4480. https://doi.org/10.3390/rs16234480
- Liu Y, Mei X, Yue L. Response of carbon stock to land use change and multi-scenario predictions in Zunyi, China. Sci Rep. 2025;15:236. https://doi.org/10.1038/s41598-024-81735-8
- Sun G, Li Y, Huang R. Spatial and temporal evolution of carbon stocks in Yulin City under changing environments. Sci Rep. 2025;15:12219. https://doi.org/10.1038/s41598-025-12219-w
- Tang J, Peng W. Spatiotemporal dynamics and influencing factors of land carbon stock in Chengdu Plain using an integrated model. Sci Rep. 2025;15:11248. https://doi.org/10.1038/s41598-025-11248-x
- Wang Y, Zhang Z, Chen X. Land use transitions and the associated impacts on carbon stock in the Poyang Lake Basin, China. Remote Sens. 2023;15(11):2703. https://doi.org/10.3390/rs15112703
- Tao Y, Tian L, Wang C, Dai W. Dynamic simulation of land use and land cover and its effect on carbon stock in the Nanjing Metropolitan Circle under different development scenarios. Front Ecol Evol. 2023;11:1102015. https://doi.org/10.3389/fevo.2023.1102015
- Song M, Yu S, Qin H. Land-use/land-cover change and its impact on ecosystem carbon stock in Binhai New Area, Tianjin, China from 1985 to 2060. Environ Earth Sci. 2025;84:481. https://doi.org/10.1007/s12665-025-11728-x
- Liang X, et al. Understanding the drivers of sustainable land expansion using a patch-generating land use simulation (PLUS) model: A case study in Wuhan, China. Comput Environ Urban Syst. 2021;85:101569. https://doi.org/10.1016/j.compenvurbsys.2020.101569
- Sharp R, et al. InVEST 3.14.0 User's Guide. The Natural Capital Project; Stanford, CA; 2023. https://storage.googleapis.com/invest-users-guide/index.html
- Basha U, et al. Spatial-temporal assessment of annual water yield and impact of land use changes on Upper Ganga Basin, India, using InVEST model. J Hazard Toxic Radioact Waste. 2024;28(2). https://doi.org/10.1061/JHTRBP.HZENG-1188
- Deeksha, Shukla AK. Ecosystem services: A systematic literature review and future dimension in freshwater ecosystems. Appl Sci. 2022;12(17):8518. https://doi.org/10.3390/app12178518
- Shukla AK, Jain MK, Khare D, Mishra PK. Spatio-temporal assessment of annual water balance models for upper Ganga Basin. Hydrol Earth Syst Sci. 2018;22:5357-71.
- Nayak D, Shukla AK, Devi NR. Decadal changes in land use and land cover: Impacts and their influence on urban ecosystem services. Aqua Water Infrastruct Ecosyst Soc. 2024;73(1):57-72.
- Nayak D, Shukla AK. Assessing ecosystem service trade-offs and synergies in the rapidly urbanizing coastal region of Mangaluru Agglomeration, India. PLoS One. 2026;21(3):e0344106. https://doi.org/10.1371/journal.pone.0344106
- Lei J, Chen H, Wu Y, Zheng X. The impact of land use change on carbon stock and multi-scenario prediction in Hainan Island using InVEST and CA-Markov models. Front For Glob Change. 2024;7:1349057. https://doi.org/10.3389/ffgc.2024.1349057
- Dong H, et al. Remote sensing of urban tree carbon stocks: A methodological review. ISPRS J Photogramm Remote Sens. 2025;227:570-93.
- Wang Y, Jin X. Land use, spatial planning, and their influence on carbon emissions: A comprehensive review. Land. 2025;14(7):1406. https://doi.org/10.3390/land14071406
- Chen R, Zhao W, Li S, Zhang Y. Assessing carbon stock dynamics in an ecological civilization demonstration zone amid rapid urbanization: A multi-scenario study of Guizhou Province, China. Resour Environ Sustain. 2025;21:100223. https://doi.org/10.1016/j.resenv.2025.100223
- Zhang J, Cao P, Roosli R. Assessing land use and carbon stock changes using PLUS and InVEST models: A multi-scenario simulation in Hohhot. Environ Sustain Indic. 2025;26:100655. https://doi.org/10.1016/j.envc.2025.100655
- Li C, Xu H, Du P, Tang F. Predicting land cover changes and carbon stock fluctuations in Fuzhou, China: A deep learning and InVEST approach. Ecol Indic. 2024;167:112658. https://doi.org/10.1016/j.ecolind.2024.112658
アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。