基于“三生”空间的重庆市土地利用演变与城镇化关系研究

[目的] 分析重庆市土地利用时空演变规律,探究土地利用转型及景观格局响应的演变特征与城镇化的关系,为重庆市"三生"土地规划与城镇化可持续发展提供数据支持。[方法] 基于"三生空间"功能分类的视角构建用地分类标准,利用2000,2010,2020年土地遥感影像和夜间灯光数据,采用转移矩阵、相关性分析及回归分析法进行分析。[结果] ①2000-2020年重庆市生产、生态空间总体减少,生活空间持续扩张。2000-2010年,生产、生态空间减少191.87,252.95 km²,生活空间增大446.03 km²;2010-2020年,生产空间面积减少13.76 km²,生态空间减少324.05 km²,生活空间增大314.87 km²。②重庆市生产功能向生活功能转化较为明显。随着城镇化加强,生态空间转向生产空间显著,功能转变明显聚集于重庆市中心区域。③重庆市空间景观破碎度减小,景观复杂度逐渐提高,林草水生态空间占据主导优势。④2000-2010,2010-2020年土地利用面积变化对夜间灯光值的影响存在差异;2000年,城镇生活空间、农村生活空间变化对夜间灯光变化影响起主导作用,而2020年工业生产空间、城镇生活空间变化对夜间灯光变化影响较强。[结论] 重庆市各类空间发生相互转换,利用不同"三生"空间类型变化和城镇化的关系,推动土地规划与城镇化协调发展。     

黄河流域景观生态风险分析及预测

[目的] 探究黄河流域近20 a土地利用变化并对2030年土地利用进行预测,分析景观格局指数,揭示生态风险状况,助力黄河流域景观保护修复和规划治理。[方法] 使用FLUS模型,根据2000,2010,2020年土地利用数据,结合社会、经济、地形、气候等因子对该区2030年土地利用状况进行预测,通过景观指数构建景观生态风险指数,并进行深入分析探讨。[结果] ①2000—2020年耕地面积减少12 150 km²,林地面积增加2 514 km²,建设用地面积增加10 620 km²。②黄河流域优势景观为草地和耕地,但优势性逐渐降低,整体景观连通性增加、聚集性减弱,景观多样性呈增长趋势,但整体仍不均衡。③工作区景观生态风险以低、较低风险为主,中风险为辅,共占该区总面积88%以上,各生态风险区在空间上相对稳定,在时间上呈逐步恶化趋势。④预测2030年建设用地面积增速减缓,耕地、草地、未利用地面积继续减少,景观破碎度增加,低、较低生态风险区域增加1.12%,高风险区域增加0.26%,其余风险区域变化较小。[结论] 国家人口增长、城市逐步扩张对土地利用影响巨大,进而导致景观破碎,加之黄河流域环境脆弱,风沙强度大,荒漠化程度高,区域生态风险增高,需要国家更加关注该区域的生态保护和高质量发展。     

辽宁省抚顺市2000-2020年土地利用格局变化与生态环境效应

[目的] 探讨辽宁省抚顺市退耕还林以来土地利用格局时空变化特征及生态环境效应,揭示土地利用格局变化对环境的影响,为该区土地利用结构优化提供科学依据。[方法] 以2000,2010和2020年3期遥感影像为基础数据,通过土地利用动态度、土地利用程度综合指数、土地利用转移矩阵、NDVI差值分析、区域生态环境质量指数等方法定量分析抚顺市土地利用格局时空变化特征及生态环境效应。[结果] ①2000—2020年研究区各种土地类型存在相互转化的关系,其中林地和耕地变化较为明显。20 a间,耕地面积减少825.59 km²,增长率-7.32%;林地面积增加591.14 km²,增长率5.24%;城镇用地面积增加182.36 km²,增长率1.62%; ②2000,2010和2020年研究区土地利用程度综合指数分别为224.48,225.57和226.12,同比增长0.49%和0.24%,研究区土地开发利用强度缓慢上升; ③研究区20 a间植被覆盖整体呈上升趋势,NDVI减少的区域与城镇用地的扩张区域基本重合; ④3个时期土地利用类型转化的生态环境质量指数分别为0.744 8,0.775 4和0.782 6,10 a间环境质量生态指数分别上升4.11%和0.93%,环境质量整体呈上升趋势。[结论] 20 a间研究区快速推进城镇化进程的同时环境质量整体向好,局部范围内生态环境质量改善与恶化并存。城镇用地、耕地、林地之间的转化为主要原因,退耕还林等环境保护政策使研究区环境质量不断上升,但随着时间的推移,上升趋势趋于平缓。     

张家界市景观格局时空演变及未来情景模拟

[目的] 分析湖南省张家界市2000—2020年及2030年土地利用及景观格局演变特征,提出张家界市未来发展的优化策略,为张家界市国土空间规划和生态旅游发展提供参考。[方法] 基于2000—2020年5期土地利用数据,运用ArcGIS空间分析、Fragstats景观格局指数等方法,分析了2000—2020年张家界市土地利用及景观格局时空变化,并利用GeoSOS-FLUS土地利用模拟等软件对张家界市2030年土地利用变化及景观格局进行预测。[结果] 2000—2020年张家界市土地利用变化主要表现为草地面积的大幅减少和建设用地的显著增加;2000—2020年张家界市景观格局发生了较明显的改变,景观的整体异质性和破碎化先增加后降低,斑块形状趋于规则,景观类型分布较均匀,景观聚集程度逐渐趋于稳定状态;预测结果显示,2030年张家界市土地利用主要表现为建设用地的集中扩张和草地的持续减少,其景观破碎化和异质性呈加剧态势,优势景观的最大斑块面积增加,景观形状变得更加不规则,景观有进一步分散趋势。[结论] 运用GeoSOS-FLUS模型模拟未来土地利用状况具有较高的可信度,未来张家界市应以保护、优化景观格局为主,加强优良生态系统管控。构建自然保护地体系,加强生态廊道建设,完善生态系统完整性和景观连通性。保持林地优势景观,优化建设用地布局,降低林地和建设用地的破碎化程度,保护草地生态系统的完整性。     

河南省南太行地区土地利用及生态服务价值变化

[目的] 研究典型区域内土地利用变化及其对区域生态系统的影响，旨在为区域国土空间布局优化和山水林田湖草系统治理提供理论依据。[方法] 基于多时间节点遥感数据，综合“3S”技术等方法模型，对南太行地区1990—2016年土地利用及生态服务价值变化规律进行研究。[结果] 研究区2000—2010年土地利用格局较其他两时间段发生了剧烈变化，其中，旱地减少211.77 km²，建设用地增加319.78 km²，各地类动态变化度达到最大值。1990—2016年，南太行土地利用转移类型方面以旱地转为建设用地为主，建设用地复垦为旱地在研究后期逐渐成为耕地补充的重要途径，大量的未利用地得到开发利用，可供开发利用的后备资源越来越少。研究区生态服务价值总量从1990年的2.12×10¹⁰元减少到2016年的1.78×10¹⁰元，减少了3.33×10⁹元，建设用地、耕地、林地、草地和水域对生态服务价值总量变化的贡献率分别为-90.19%，-25.75%，-17.51%，-10.93%和44.46%，水温调节与废物处理等生态功能在研究期间受到较大破坏。[结论] 河南省南太行地区土地利用及生态系统特征变化明显，进一步平衡建设用地与耕地保护之间的关系，调整土地利用结构，维护生态系统服务功能是研究区国土空间布局优化和生态修复过程中应当重点关注的地方。     

中国天眼工程周边地区土地利用时空演变与生态环境效应

[目的] 分析FAST （中国天眼）工程周边的贵州省平塘县、惠水县、罗甸县的土地利用类型和空间变化,探讨土地利用变化与生态环境的关系,为FAST工程周边的生态环境保护和改善提供科学参考。[方法] 以2000,2005,2010,2013和2017年5期TM遥感影像数据为基础,运用RS和GIS技术解译遥感影像数据获取惠水县、罗甸县、平塘县“三生”空间的土地利用数据,计算区域生态环境质量指数及其生态贡献率,分析研究区近20 a土地利用功能演变特征及区域生态环境响应状况。[结果] ①FAST周边林地面积比例最大,但呈减少的趋势。研究区土地利用面积表现为：生态用地>生产用地>生活用地,但生活和生产用地面积增加,分别由1 661.74和12.84 km²增加到1 674.07和25.66 km²,生态用地面积则由6 610.55 km²减少到6 590.86 km²。②FAST工程建设加速土地利用类型的转变,促使FAST周边林地生态用地、草地生态用地、农业生产用地、水域生态用地相互转换,其中林地生态用地的转出面积最大,占转出面积的46.14%。③FAST周边的生态环境质量指数由0.471 0下降到0.468 1,生态环境呈现下降的趋势,FAST周边的发展促使高生态环境土地利用转向低生态环境土地利用类型。[结论] FAST周边的生态环境与土地利用变化存在耦合关系,生态环境质量随生态用地向生产、生活用地转变呈现下降趋势。提高FAST周边生态用地质量,有助于FAST工程的安全运行。     

1980—2020年内蒙古自治区通辽市土地利用变化及其驱动力

[目的] 分析内蒙古通辽市土地利用变化及其驱动力,为该地区经济建设、土地可持续发展提供科学依据。[方法] 基于通辽市1980—2020年8期土地利用数据及统计年鉴数据,采用土地利用动态度、土地利用程度、土地利用转移矩阵和主成分分析方法对通辽市土地利用变化特征及其驱动力进行研究分析。[结果] 通辽市1980—2020年土地利用以耕地和草地为主,耕地总面积增加了3 037 km²,整体增幅为20.48%,草地总面积减少了2 922 km²,整体减幅为10.40%。建设用地面积在40 a间持续增加,其单一土地利用动态度最大。土地利用程度综合指数处在中低等水平,由于研究期间综合指数变化率为正值,整体上处于上升发展期。研究期间内草地主要转化为耕地、林地、建设用地及未利用土地。通辽市土地利用变化的社会经济驱动力以经济发展水平、农业发展水平、社会富裕程度和产业结构为主,人口的影响次之。气候驱动因素方面主要是年平均气温和年降水量的影响较为显著。[结论] 1980—2020年通辽市土地利用空间上存在明显异质性,土地利用变化速度趋于稳定,土地利用水平不断提高,土地利用转换愈加频繁,社会经济和气候因素对土地利用变化有正向显著作用,整体上不断促进该地区经济建设和土地可持续发展。     

黔中城市群碳储量对土地利用/覆被变化的响应及脆弱性

[目的] 探究土地利用/覆被变化对区域生态系统碳储量及生态系统脆弱性的影响,以期为区域绿色低碳和生态系统的可持续发展提供参考依据。[方法] 以2000,2010,2020年黔中城市群核心经济区3期土地利用/覆被数据为基础,运用InVEST模型和土地利用转移矩阵定量分析生态系统碳储量及其空间分布格局,并采用潜在影响指数(PI)对区域生态系统服务脆弱性进行评估。[结果] ①2000-2020年,黔中城市群核心经济区土地利用/覆被变化总体表现为耕地和林地持续下降,建设用地持续上升。研究区土地利用/覆被转移主要表现为耕地、林地、草地向其他地类的转移,其中,2000-2010,2010-2020年分别有3 339.35,3 669.15 km²土地发生了转移,前者林地转为草地是主要转移类型,后者耕地转为建设用地为主要转移类型。②2000-2020年区域的碳储量表现为减少趋势,由4.42×10⁷ t减小到4.33×10⁷ t,累计减小9.40×10⁵ t,林地转为草地是引起碳储量减少的主要原因。各年度碳储量密度均呈现西部、东部高,中部低的分布态势;20 a间,高密度区未发生明显变化,低密度区表现为由中心区域向外围扩散。③2000-2020年黔中城市群核心经济区主要扮演碳源的角色,土地利用程度指数增加了2.83,PI指数分别为-0.04,-0.31,均表现为负面潜在影响,且脆弱性不断增强。[结论] 增加林地、控制林地转为其他用地及建设用地扩张是促进区域绿色低碳和生态系统的稳定可持续发展的重要手段。     

基于PLUS-InVEST模型的珠三角碳储量时空演变与预测

[目的] 探究珠三角地区2005-2020年土地利用变化及其对碳储量的影响,并对2035年珠三角的土地利用格局和碳储量进行模拟预测,以期为珠三角地区"双碳"目标下的国土空间规划和生态决策提供科学依据。[方法] 基于2005-2020年4期土地利用数据,以珠三角城市群为研究区域,采用PLUS模型和InVEST模型对该区的土地利用变化和碳储量演变进行分析,并预测其2035年土地利用空间格局和碳储量变化趋势。[结果] ①2005-2020年,珠三角地区碳储量先增加后减少,林地、建设用地和未利用地增多促进碳储量增长了4.82×10⁷ t,耕地、草地和水域减少导致碳储量减少了5.10×10⁷ t。②预计2035年,随着建设用地和林地的增加,该区碳储量较2020年增长5.75×10⁷ t,生态环境向好发展。③该区碳储量表现出"四周高,中部低"的空间分布格局,与土地利用空间分布具有显著一致性,即碳储量高值区集中在林地、耕地和草地,碳储量低值区集聚在建设用地。[结论] 随着未来城市发展需要,政府部门应进行土地综合开发利用,采取生物、工程技术等生态修复措施,提升区域固碳能力,助力实现碳中和目标。     

宁夏土地利用碳排放强度时空变化与效应

[目的] 土地利用变化是影响碳排放和环境质量的重要驱动力之一。研究土地利用碳排放时空格局变化与效应,为制定低碳发展策略提供理论依据。[方法] 基于灰色理论和生态承载系数,利用1980—2020年宁夏回族自治区22个县区土地利用和能源消耗数据,分析了土地利用变化与碳排放强度变化及效应。[结果] ①碳排放变化量与土地利用变化之间具有密切的关联性。其中,建设用地与碳排放的关联度最大,为0.95。②1980—2020年宁夏土地利用类型碳排放量净增加了5.24×10⁷ t,增幅625.43%。建设用地面积以年均4.42%的速率增长,碳排放量增幅达2 385.85%;草地面积减少了2.95×10⁵ hm²,碳汇量减少了5.80×10⁴ t;林地对碳汇的贡献超过75%,且随林地面积的不断增大而增加。③1980—2020年宁夏土地利用碳排放强度以年均0.25 t/hm²的速率增大,中度及以上等级覆盖面积逐渐增大,在空间上形成沿黄城市碳排放强度高于中、南部的分布格局。④宁夏各县区碳排放生态承载系数空间差异明显,碳生态容量表现出北弱南强的分布格局。[结论] 1980—2020年宁夏土地利用碳排放强度逐渐增大,北部沿黄河各县区碳生态容量逐渐减小,中南部县区碳生态容量增大,但减排压力较大。建议优化建设用地空间格局,增加混交林面积,增强森林碳汇能力。     

资源型城市土地利用变化与景观格局——以新疆克拉玛依市为例

[目的]分析将近20a新疆维吾尔自治区克拉玛依城市的空间扩展状况,为资源型城市空间扩展的数量特征研究提供依据。[方法]基于克拉玛依市1996,2000,2006,2011,2014年5个时段的Landsat影像,获取近20a不同时期的土地利用变化信息,计算土地利用转移矩阵、景观格局指数和主要景观组分的转移过程。[结果]1996—2014年研究区耕地、林地在大幅度增加,其面积由1996年的38.05,58.39km2增加为2014年的436.25,143.27km2。耕地在景观中所占的比例大幅度增大,破碎化程度增加。建设用地与水域面积也逐渐增大,其面积由1996年的20.40,31.62km2扩大为2014年的65.15,36.38km2,建设用地的斑块数量由1996年的888增加到2014年的1 792,斑块密度与边缘密度由0.12,1.14增加到0.24,4.03。[结论]1996—2014年克拉玛依市破碎化程度增加,有明显的集中化趋势,水体景观形状较为规则,破碎化程度较底。     

基于CA-Markov模型的土地利用景观格局预测研究

土地利用景观格局分析及预测,对平衡经济发展和生态保护、实现土地可持续生态利用和保护管理具有重要意义。本文以江西省抚州市东乡县为例,利用2005年和2015年两期遥感影像,获取东乡县土地利用类型转化数据,结合景观生态学研究了东乡县近10年的土地利用景观格局变化特征;运用CA-Markov模型对土地利用变化过程进行模拟,预测和分析了东乡县未来10年土地利用景观格局特征。结果表明:东乡县在过去10年建设用地、耕地分别增加了71.82、10.76 km~2,水域、林地和未利用地相应减少,减少幅度顺序为未利用地水域林地;各景观斑块分布均匀,景观多样性增加;景观形状趋于简单,相互之间连通性降低、关系变弱。人类经济活动及土地利用政策对东乡县景观格局有显著影响。到2025年东乡县建设用地将增加68.72 km~2,水域、林地和未利用地仍将不断减少,但耕地有所增加;景观斑块数增加,形状略趋复杂;景观异质程度提高,有向多样化、均匀化发展的变化趋势。总体来说,东乡县景观格局正逐步朝着稳定、均匀和多样的方向发展,但仍需加大力度保护和增加耕地资源,控制和合理规划建设用地,维持生态环境平衡。     

基于景观适宜性评价的建设用地管制分区研究

[目的]开展建设用地适宜性评价并进行评价分区方案优选,为完善建设用地适宜性评价方法、优化建设用地空间布局提供参考。[方法]通过构建科学的建设用地适宜性评价指标体系,合理划定适宜性等级,根据适宜性等级的不同组合确定建设用地管制分区供选方案,构造景观生态质量评价模型,开展供选方案的优选。[结果]建设用地适宜性评价结果为6级适宜性等级区,面积分别为6.03,13.83,27.75,45.66,168.24,108.05km2;适宜性分区方案1具有较高的景观生态质量,为方案优选结果。[结论]基于适宜性评价的建设用地管制区方案具有较低的干扰度、较高的稳定度,景观生态质量综合指数较高。通过综合比较,方案1具有较高景观生态质量,它优化了城乡建设用地拓展空间,有利于提高景观生态系统的可持续性。     

基于Clue-S模型的石马河流域东莞段生态系统服务价值变化情景模拟

[目的]探究生态系统服务价值演变的内在作用机制,旨在寻求以流域为单元的生态农业和城镇的优化配置模式。[方法]基于土地利用及生态服务价值相关理论与方法,以石马河流域东莞段2010-2020年土地利用数据为基础,利用Clue-S模型对2025年土地利用格局进行模拟,得出2025年区域在生态安全、耕地优先和建设发展3种情景下的土地利用空间布局和优化配置结果,分析各情景下流域生态系统服务价值时空格局。[结果]在2010-2020年,石马河流域东莞段生态服务价值下降了1.80×10⁷元,主要为耕地、林地、园地转出。2025年在耕地优先、生态安全、建设发展的情境下ESV分别为9.44×10⁷,9.62×10⁷,9.38×10⁷元,除了生态安全之外,其余两个情景较2020年生态系统服务价值ESV都有下滑。[结论]对处于快速城镇化发展且生态与发展矛盾突出的地区,进行流域生态系统服务价值进行模拟与分析,有利于增强对区域在不同发展模式下生态系统服务价值空间布局的认识和理解,为土地利用规划与生态经济协调发展提供宏观的参考。     

基于SWAT和PLUS模型的窟野河流域径流对土地利用变化的响应及预测

[目的]为揭示窟野河流域径流对土地利用变化的响应,并预测未来径流变化。[方法]以窟野河流域为研究区,基于SWAT和PLUS模型,通过2000年、2005年、2010年、2015年、2020年和预测得到的自然发展情景下2025年、2030年7期土地利用数据,定量分析径流在不同土地利用情景下的变化。[结果](1)SWAT模型率定期和验证期的R²和NS均>0.7;PLUS模型总体精度为0.877 4,Kappa系数为0.802 1,2个模型在窟野河流域适用性较好;(2)2000—2020年,窟野河流域林地、建设用地面积分别增加102.92,600.90 km²,耕地、草地、水域和未利用地分别减少277.15,366.25,40.44,19.98 km²;(3)窟野河流域年平均径流深整体呈现“上游低,下游高,西部低,东部高”的空间分布格局;(4)在保证其他输入数据不变的情况下,改变土地利用数据,情景分析结果表明,林地、草地面积减少会促进径流,建设用地面积增加同样会促进径流;(5)自然发展情景下,2025年和2030年窟野河...     

1990-2015年阿克苏市建设用地的扩展与驱动力

[目的]探讨新疆阿克苏市建设用地扩展特征及其驱动因素和存在的问题,为绿洲城市发展和建设决策提供一定的利用依据。[方法]以1990,2000,2010,2015年的Landsat TM/ETM⁺卫星遥感影像为数据源,借用ENVI进行监督分类,得出阿克苏市4个时间段的建设用地、耕地、林地、水体、未利用地等信息。应用建设用地扩展强度、速度,重心坐标转移、紧凑度、弹性系数等指标,研究阿克苏市建设用地变化规律。[结果]1990年建设用地面积为18.34 km²,2015年建设用地面积为91.61 km²,25 a里总扩展面积为73.24 km²,净增加了1990年的4倍。建设用地扩展中主要占用的土地类型为未利用地和耕地,面积分别为43.84,28.04 km²。建设用地重心坐标向EN,WS,WS方向迁移,靠近交通路线移动。1990-2000年重心坐标移动距离不大,移动距离为243.7 m。2000-2010年移动距离为832.2 m。2000-2015年移动距离最大（为1 568.2 m）,扩展形状为面状和条带状。建设用地外围紧凑度一直呈下降趋势,从1990年的0.201下降到2015年的0.066,城市空间形态越来越复杂。[结论]阿克苏市1990-2015年建设用地不断往外扩展。阿克苏市建设用地扩展速度在研究期间一直高于人口增长速度,而两者之间差距不断扩大,弹性系数为1990-2000年2.3,2010-2015年10.13,城市扩展与人口增长高度不合理。非农业人口因子、经济因子、政策因子、交通因子是引起阿克苏市土地利用变化最主要的驱动因素。     

生态脆弱区土地利用变化及驱动力——以河北省张北县为例

[目的]研究河北省张北县的土地利用变化及其驱动因素,为该区域土地管理决策和土地资源可持续利用供科学依据。[方法]以1989,1995,2000,2010年TM遥感影像为数据源,运用遥感、地理信息系统、数理统计分析等技术与方法,系统分析了张北县土地利用变化的时空特征,剖析了土地利用变化的驱动因素。[结果]张北县主要地类为耕地、林地和草地,1989—2010年土地利用数量变化主要表现为耕地和草地面积的减少,林地和建设用地面积的增加,其中2000—2010年土地利用变化更为剧烈;地类转换主要表现为耕地、草地向林地转变以及耕地、草地向建设用地的转变;空间变化主要表现为东部坝头地区林地增加明显,中部平原地区建设用地扩张明显。[结论]近20年来张北县土地利用变化明显,主要受自然及社会经济因素综合影响。此外政策因素也是该区域土地利用变化的主要驱动因素。     

基于GlobeLand 30的哈密市2000-2020年土地利用格局变化研究

[目的]研究新疆维吾尔自治区哈密市近20 a的土地利用变化,为该地区土地利用规划及生态环境保护提供有力支撑。[方法]基于2000,2010,2020年的GlobeLand 30数据集,通过利用转移矩阵、坡度分布指数、标准差椭圆以及土地利用重心迁移,分析哈密市2000-2020年土地利用的时空变化特征。[结果]①哈密市2000-2020年土地利用变化比较明显。2020年各土地利用类型面积比例为:未利用地>草地>耕地>林地>建设用地>水域。哈密市虽然面积大但能利用的绿洲面积较小。2020年草地面积为10226.39 km²,水域面积为295.17 km²。2000-2020年土地利用类型变化量中,草地的减少量最大,流失面积为671.48 km²,主要转换成未利用地、林地和少量耕地;建设用地增量最大,面积高达405.60 km²。2000-2020年其他土地利用类型中林地和耕地面积呈增长趋势;未利用地和水域呈减少趋势,其中水域面积的减少量很小,基本保持稳定。②2000-2020年草地在5个坡度梯度上分布比较均匀;而耕地和建设用地基本分布在Ⅰ级和Ⅱ级坡度梯度,耕地在Ⅰ级坡度梯度上显优势分布;林地在Ⅰ级坡度梯度上面积最大;未利用地分布面积随着坡度梯度的增加而减少。③2010-2020年土地利用变化与2000-2010时段的变化相比方向性较明显,范围更广,重心向西北方向迁移。[结论]2000-2020年哈密市的土地利用变化有着明显的时空特征,坡度对各地类分布的影响较为明显。     

Land-use history,forest conversion,and soil organic carbon in pine plantations and native forests of south eastern Australia

Land-use history – the number, type, and duration of previous land uses – is relevant to many questions regarding land-use effects on soil carbon, but is infrequently reported. We examine the importance of land-use history variables, as well as topographic and edaphic variables, on soil C in a range of forest types – native forest, pine plantations, secondary forest and rehabilitated forest – at three contrasting locations in south eastern Australia. Our comparisons include a novel forest conversion of exotic pine plantations to native, broadleaf forest.Using nested ANOVAs, we detected few differences in soil C concentration indices (total C, microbial biomass C, K₂SO₄–C) and C content among eucalypt-dominated vegetation and pine plantations within each location (0–10 cm depth). However, planned contrasts indicated a 30% decrease in soil C content with conversion of native forest to pine plantation of age 37 years. The reverse land-use change – pine plantation to native, broadleaf forest – was associated with a decrease in soil C concentration and content at one location (40%; age 12–13 years) and no detectable changes at another (to age 7 years). Variable effect between locations of this novel land-use change on soil C could be due to differences in potential productivity, conifer species, and plantation age.We used correlation coefficients and general linear models to identify widely applicable variables for predicting soil C concentration and content at local scales (≤ 20 km²). Within-location relationships with topographic variables were weak and infrequent relative to those with edaphic and land-use history variables. Soil texture was strongly correlated with soil C at each location, although the relative significance of different particle size fractions differed among locations. Electrical conductivity appeared more widely applicable since it was included in C models at two locations. Combining land-use history and edaphic variables produced strong predictive models for soil C concentrations and content at two locations (total r² 0.83 to 0.95). Positive relationships were indicated between soil C and ‘age of current vegetation’ at one location, and negative relationships were indicated with ‘number of land uses’ at another. These data highlight a potential predictive role for land-use history variables in local-scale assessments of soil C in forested landscapes.