長三角城市群城市空間形態與碳收支時空耦合關系

滕 菲,王艷軍,*,王孟杰,李少春,林云浩,蔡恒藩

1 湖南科技大學測繪遙感信息工程湖南省重點實驗室,湘潭 411201 2 湖南科技大學地理空間信息技術國家地方聯合工程實驗室,湘潭 411201 3 湖南科技大學地球科學與空間信息工程學院,湘潭 411201

自21世紀以來,全球城市化進程不斷加快,大量溫室氣體不斷排放到大氣中,全球溫室效應加劇,從而導致全球氣候變暖,環境問題日益加重。IPCC第五次評估報告指出,1880—2012年全球平均氣溫上升了0.65—1.06℃,人類活動對全球變暖影響的可能性“極高”(95%以上),其中主要因素是人類排放的溫室氣體[1]。國際能源署統計數據表明,至2018年中國CO2排放量達94.81億t,占全球CO2排放總量的28.61%,是世界第一大碳排放國[2]。因此,減少碳排放強度,增加自然生態系統碳匯,成為保護生態環境、減緩氣候變化的重要措施[3]。碳收支是生態環境效益的重要指標之一,是全球氣候變化研究的焦點問題和我國綠色發展戰略的重要內容[4],也關系到我國碳排放在2030年達到峰值和在2060年前實現碳中和的實現路徑。

在碳收支研究領域,大量關于碳循環、人為碳排放的研究已經展開,為碳收支平衡的定量研究和分析奠定了基礎[5—6]?，F今關于碳收支估算模型的構建已有較多的研究成果,羅紅等[7]利用農作物、碳源因子與碳收支的相關性,采用參數估算法、IPCC清單估算法對農業生產碳收支進行估算；童心華等[8]采用面向對象分類方法提取研究區涉及碳收支能力的土地利用信息,同時結合碳收支系數確立專題性碳收支能力估算模型；蔣燁林等[9]利用統計數據分析塔里木盆地碳收支狀況,采用景觀類型轉移矩陣分析和探索景觀格局演變對碳收支狀況的影響。隨著碳收支估算模型的成熟,已有部分研究對碳收支影響機制進行進一步的分析。

在碳收支影響因素或驅動因子研究方面,王剛等[10]從縣域層面研究碳收支空間分布,揭示了碳收支受土地利用強度、經濟發展水平的影響。張海鳳[11]等分析了土地利用/覆被類型對陸地生態系統碳收支的影響。孫偉等[12]從產業結構、土地利用格局、能源消費結構、人口規模方面研究碳收支平衡的空間差異。城市碳排放是影響城市碳收支平衡的關鍵因素,因此城市碳排放成為當前城市碳收支相關研究的關注重點,有學者從土地利用[13—14]、能源消耗[15—16]、交通運輸[17]、工業生產[18]、居民消費[19—20]等角度估算碳排放以及評估區域碳排放的差異和影響機制[21—24]。城市形態反映了城市的交通路網,基礎設施,功能區和人口等城市景觀的空間組織形式,深刻影響著城市的碳排放和碳收支平衡,近年來,有許多學者從城市形態方面探索研究其與二氧化碳排放的空間關系[25—32],Zuo[25]采用了Pearson相關分析等方法研究景觀格局指數與碳排放的相關性,陳珍啟等[26]利用回歸模型分析城市空間格局等城市空間形態要素對城市碳排放的影響機制,Fang[27]、Ou[28]和佘倩楠等[29]采用面板數據分析方法量化了城市形態對二氧化碳排放的影響,Wang[30]以中國104個地級市為樣本,探討了城市形態與碳排放之間的關系,Shi[31]構建了城市空間形態指數與碳排放的關系模型,分析了不同角度的城市形態與碳排放的相關性,Ou[32]考慮到不同城市發展水平,綜合探討了社會經濟因素和城市形態共同影響碳排放的機制,但是城市空間形態與碳收支的時空關系和驅動影響還有待進一步研究。

上述研究多側重于從城市形態方面定量分析碳排放、利用系數法或土地利用類型吸收碳能力不同來估算碳收支。鑒于此,本文以社會經濟高速發展的長三角城市群為研究區域,結合2001—2010年間的碳排放數據、NPP數據等估算長三角城市群碳收支時空分布特征,探索不同城市形態景觀格局和碳收支的時空關聯,研究城市景觀格局指數對碳收支時空分布的驅動影響及其交互作用關系,為城市形態優化、生態環境保護和低碳綠色城市發展提供基礎支撐。

1 研究區域與數據源

1.1 研究區概況

長三角城市群位于中國長江的下游地區(圖1),瀕臨黃海與東海,范圍包括上海市、浙江省、江蘇省、安徽省全域,“三省一市”41個城市,區域總面積35.8萬km2。長三角城市群作為我國經濟發展最活躍、開放程度最高、創新能力最強的區域之一,以全國3.74%的國土面積和16%人口,創造了全國超過1/5的經濟總量,國內生產總值(GDP)約為23.49%[33]。然而,隨著經濟的快速發展,城市化、工業化進程不斷推進,使得長三角城市群能源消費迅速增加,導致碳排放量逐年增長,使得碳收支量下降,引發了氣候變暖、海平面上升等環境問題,也嚴重威脅長三角城市群的可持續發展,迫切需要深入探索長三角城市群城市形態格局對碳收支的影響。

圖1 長三角城市群區域地理位置Fig.1 Regional geographical location of Yangtze River Delta urban agglomeration

1.2 數據來源

本文實驗數據包括2001、2005、2010年研究區域同期的碳排放數據、NPP數據、土地利用數據、氣溫數據、降水數據和土壤數據。

圖2 長三角城市群城市空間形態與碳收支耦合時空關系分析流程圖Fig.2 Analysis flow chart of spatial-temporal relationship between urban spatial form and carbon budget coupling in Yangtze River Delta urban agglomerationNPP：凈初級生產力 Net Primary Productivity;Rs：土壤呼吸The soil respiration;NEP：凈生態系統生產力 Net Ecosystem Productivity

2001、2005和2010年碳排放數據來自ODIAC2019網格化碳排放數據集(tC/km2),ODIAC是一種人為二氧化碳開源數據清單。該數據是基于國家級化石燃料碳排放估計量、全球燃料消耗統計數據、多源夜間燈光數據和CARMA發電廠數據庫提供的點源位置對人為碳排放進行估算,分辨率為1km×1km[34]；該數據的檢驗結果表明,ODIAC2019數據可以有效分配全球、區域、國家和城市規模的二氧化碳排放量。

NPP數據來源于中國科學院資源環境科學與數據中心,主要基于光能利用率模型GLO_PEM計算,該模型通過植被冠層對太陽輻射的有效利用率以精確獲取植被生產力,模型估算的精度較高且應用較廣泛。同時,該NPP數據集的可公開獲取年份只到2010年,受實驗數據年份限制,本文研究選擇2001、2005和2010年的NPP數據集進行碳收支分析。

2001、2005和2010年年平均氣溫、年降水量數據從中國科學院資源環境科學與數據中心獲得,年平均氣溫、年降水量空間插值數據集是基于全國2400多個氣象站點日觀測數據,通過整理、計算和空間插值處理生成。土壤容重數據、<2mm石礫數據來自第二次國家土壤調查獲得的表層土壤(0—20cm)屬性數據集；中國0—20cm土壤有機碳含量數據由中國科學院南京土壤研究所提供。

2001、2005和2010年土地利用數據來源于歐航局(http://maps.elie.ucl.ac.be/CCI/viewer/)。該數據包括農田、草原、城市建成區、水體共22類土里利用類型,本文利用城市建成區土地利用類型提取城市景觀格局指數。本文具體研究流程如圖2。

2 研究方法

2.1 碳收支計算

城市碳收支通過相同空間分辨率、相同單位下的碳吸收和碳排放得到[35],其計算公式為：

CB=NEP-CE

(1)

其中,CB為碳收支(kg C m-2a-1),NEP為年凈生態系統生產力(kg C m-2a-1),CE為年度平均二氧化碳排放量(kg C m-2a-1)。

2001、2005和2010年凈生態系統生產力(NEP)數據由NPP數據、氣溫數據、降水數據、土壤有機碳含量數據和土壤數據計算得到。凈生態系統生產力是指凈第一生產力中再減去異養呼吸所消耗的光合產物碳通過陸地生態系統循環的部分。凈生態系統生產力是植被生態系統碳的凈吸收或凈儲存,可以定量描述植被生態系統碳源/匯的能力。當NEP>0時,表示生態系統發揮碳匯功能,反之則為碳源[36—37]。凈生態系統生產力的表達公式為：

NEP=NPP-Rh

(2)

式中,NEP為年凈生態系統生產力(kg C m-2a-1),NPP為年凈初級生產力(kg C m-2a-1),Rh為年土壤異養呼吸(kg C m-2a-1)。

張梅等人[38]收集了中國各地共113組Rs、Rh實測數據,采用多種回歸模型對Rs和Rh間的關系進行推導,確定Rh的估算公式為：

(3)

式中,Rs為年土壤呼吸(kg C m-2a-1)。

Chen等[39]將全球147個地點公布的657個年度土壤呼吸記錄成表格,采用基于經驗的半機械模型,包括氣候和土壤性質估算了年土壤呼吸?？紤]到Chen等[39]的研究成果在目前土壤呼吸模型研究中采樣點較完備,故本文采用其研究結果估算Rs：

(4)

式中,T為年均氣溫(℃)；P為年降水量(m)；SOC為0—20cm表層土壤有機碳密度(kgC/m2)。

0—20cm土壤有機碳密度SOC(tC/hm2),計算公式[39]如下：

SOC=Cc×γ×H×(1-δ2mm÷100)×10-1

(5)

式中,Cc為0—20cm的表層土壤有機碳含量,γ是容重(g/cm3),H為土壤厚度,δ2mm為土壤<2mm石礫部分(%)。

2.2 城市形態與景觀格局指數選取

景觀格局指數是高度濃縮的景觀格局信息,是反映景觀結構組成、空間配置特征的簡單量化指標[40]。景觀形態指數被廣泛用于研究城市空間發布模式,分析城市形態特征[41]。迄今為止,學者們已經使用了大量的景觀形態指數來探索城市形態對二氧化碳排放的影響[42]。本文在參考上述研究的基礎上,并顧及到更全面地描述城市空間形態,選取了表1中的6個景觀形態指標來描述城市形態格局,其中①斑塊類型面積CA即是城市建成區總面積,可以描述城市擴張現象；②城市斑塊數量NP可以描述城市建成區的分散破碎程度；③最大斑塊指數LPI即是城市建成區中最大斑塊的面積占比,可以描述城市建成區聚集程度,從而分析城市核心動態；④景觀形狀指數LSI可以描述城市建成區內部的不規則程度；⑤邊緣密度ED即是城市建成區邊緣周長與面積之比,可以描述城市的形態復雜程度；⑥城市建成區斑塊密度PD即是單位面積的斑塊數量,描述了城市內部的連通程度。

表1 景觀格局指數及其意義

2.3 城市形態與碳收支相關性分析

本文從城市層面上選取了6個景觀格局指數,分析了長三角城市群城市形態與碳收支的相關性。在此基礎上,采用地理加權回歸分析方法分析城市形態對區域碳收支量的影響。

地理加權回歸(Geographical Weighted Regression,GWR)模型在1996年提出,其模型基礎基于普通線性回歸模型,在計算回歸參數時同時考慮了空間數據位置信息。GWR沿用了局部回歸的思想,遵循“地理學第一定律”,將數據的地理位置嵌入到回歸參數之中,可以實現對參數的局部估計,進而分析城市形態指數對碳收支的影響[43]。地理加權回歸模型公式為：

(6)

式中,Yi代表i城市碳收支量(kg C m-2a-1),βk(ui,vi)(k=0,1,…,p)為空間地理位置函數,(ui,vi)為城市i的空間位置,Xik代表第k個城市景觀格局指數在城市i的值,k為城市形態指數的個數,εi代表殘差。

2.4 城市形態指數對碳收支影響程度分析

本文采用地理探測器模型量化分析2001年、2005年和2010年長三角城市群各城市形態指數對碳收支影響程度,同時分析各城市形態指數的交互作用影響,為實現長三角城市群低碳可持續發展提供科學參考。地理探測器是探測空間分異性,以及揭示其背后驅動力的一組統計學方法[44]。

分異及因子探測：探測Y的空間分異性,以及探測某因子X多大程度上解釋了屬性Y的空間分異[44]。用q值度量,q值的取值范圍為[0,1],q值越大表示自變量X對屬性Y的解釋力越強,反之則越弱。

交互作用探測模型：用于判定不同影響因子對被解釋變量空間分異格局影響的獨立性,探索關鍵交互因子并分析其空間疊加交互效應[45]。

3 結果與分析

3.1 長三角城市群碳收支的時空格局

采用NPP數據、碳排放數據,應用公式1得到碳收支結果。2001—2010年,長三角城市群碳收支(圖3)時空分布差異明顯,總體呈現南部高,北部次之,東部低的特征,且同一時期不同地區碳收支量差異明顯。

圖3 2001—2010年長三角城市群碳收支空間分布Fig.3 Spatial distribution of carbon budget in Yangtze River Delta urban agglomeration from 2001 to 2010

2001年,碳收支最低的地區在上海市為-6426.76kg C m-2a-1,嘉興、南通、揚州次之,說明這些城市碳排放量大于NEP值,呈現為碳源；碳收支量最高值的地區在麗水市為7296.32 kg C m-2a-1,黃山、杭州次之,長三角城市群南部地區碳排放量較少,植被綠化較多,呈現為碳匯。

2005年,碳收支量顯著減少,碳排放量呈現迅速上升趨勢。上海市碳收支量最低,其周邊城市如南通、蘇州、無錫、嘉興碳收支量較2001年明顯較少,相繼出現低值,碳排放量顯著增加；碳收支量最高值地區仍為麗水市。南部地區、北部地區碳匯減少,且北部地區有較多地區呈現碳源。

2010年,長三角城市群碳收支最大值地區是麗水市為3607.57kg C m-2a-1,平均值為-3479.24kg C m-2a-1,其中上海市碳收支值最小,蘇州、無錫、南通碳收支量顯著減少,碳排放量增加,上海及周邊地區呈現為碳源；南部地區碳匯增加,碳收支量也隨之增加；北部地區阜陽、亳州等城市碳收支量增加。

3.2 長三角城市群城市形態指數與碳收支的時空關系變化特征

本文選取6個景觀格局指標作為自變量,碳收支量作為因變量,對各自變量分別進行地理加權回歸分析。統計結果見表2,從2001年到2010年,中國發展迅速,城市化進程不斷推進,城市快速擴張,在此期間,城市形態也變得越來越復雜和多樣。平均ED值增加,平均NP逐年增加,平均LSI從2001年的14.095增加到2010年的22.808,這些結果表明,快速的城市化進程導致城市擴張,城市復雜性、分散破碎程度增加,城市形態更加不規則。2001年到2010年年平均碳收支量減少,但速度減緩。

表2 2001—2010年城市形態與碳收支統計

地理加權回歸模型結果如表3所示,GWR的模型的R2均大于0.6,具有較好的擬合精度,模型擬合精度經歷了先上升后下降的趨勢,模型能較好地評估城市形態指標對碳收支的影響。

表3 地理加權回歸模型整體結果

從圖4可以看出,斑塊類型面積(CA)指數與長三角城市群碳收支呈負相關,表明城市擴張會減少碳收支量。2001年斑塊類型面積指數回歸系數絕對值的高值區(絕對值越大則實際影響越大)集中在長三角城市群西部如六安市、安慶市,絕對值低值地區集中在北部如徐州、宿州、連云港等城市,大部分地區的回歸系數介于-0.534—-0.385；到2005年,斑塊類型面積指數對碳收支的影響程度增加,高值向中部地區傾斜,如無錫、宣城、杭州等城市；2010年,斑塊類型面積指數對碳收支的影響程度在中部、北部地區有所下降,大部分城市的回歸系數介于-0.806—-0.534。

圖4 長三角城市群斑塊類型面積(CA)指數回歸系數的空間分布Fig.4 Spatial distribution of regression coefficient of plaque type area (CA) index in Yangtze River Delta urban agglomeration

從圖5城市斑塊數量(NP)指數回歸系數空間分布可以看出,長三角城市群碳收支與城市斑塊數量呈負相關,表明城市建成區越分散越不利于碳收支增長。2001年,回歸系數絕對值高值區集中在六安、安慶、淮南、麗水和溫州,回歸系數絕對值低值區出現在中部宣城、湖州等城市和北部徐州、淮北等城市。2005年,城市斑塊數量指數碳收支的影響有所增加,呈現出南通、上海由東向西六安、安慶等地區逐漸降低的空間分布。2010年,城市斑塊數量指數碳收支的影響進一步增加,高值集中在上海及其周邊城市,低值集中長三角城市群北部地區。

圖5 長三角城市群城市斑塊數量(NP)指數回歸系數的空間分布Fig.5 Spatial distribution of regression coefficient of urban patch number (NP) index in Yangtze River Delta urban agglomeration

從圖6邊緣密度(ED)指數回歸系數的空間分布可以看出,長三角城市群碳收支與邊緣密度呈正相關,其回歸系數在研究期間逐年上升,說明城市形態越復雜越有利于碳收支的增長,而且對碳收支的影響程度逐年增大。2001年,邊緣密度指數回歸系數空間分布總體呈現出從北部到南部逐漸升高的趨勢,回歸系數高值在東部沿海地區,低值在北部地區。2005年,邊緣密度回歸系數呈現出從長三角城市群東部到中部逐漸降低,中部到西部逐漸升高的空間分布。其高值區域仍在上海、南通、寧波地區。2010年,邊緣密度對碳收支的影響程度有所增長,高值在上海市及其周邊沿海城市,低值主要分布在長三角城市群中部地區如南京、合肥、馬鞍山等城市。

圖6 長三角城市群邊緣密度(ED)指數回歸系數的空間分布Fig.6 Spatial distribution of regression coefficient of edge density (ED) index in Yangtze River Delta urban agglomeration

圖7展示了最大斑塊指數(LPI)回歸系數的空間分布,圖中可以看出最大斑塊指數與碳收支呈明顯的負相關性,表明城市單核發展不利于碳收支增長。2001年,最大斑塊指數對碳收支的影響程度在空間上呈現出以南京、馬鞍山、常州、滁州為中心向外逐漸增強的趨勢。2005年,回歸系數絕對值最高值地區是上海和寧波,回歸系數絕對值低值區集中在馬鞍山、蕪湖等中部城市。2010年,最大斑塊指數對碳收支的影響程度出現以南京、馬鞍山、蕪湖、鎮江、宣城為中心向北、向南逐漸增大的趨勢。

圖7 長三角城市群最大斑塊指數(LPI)回歸系數的空間分布Fig.7 Spatial distribution of the regression coefficient of the maximum patch index (LPI) of the Yangtze River Delta urban agglomeration

從圖8景觀形狀指數(LSI)回歸系數的空間分布圖中可以看出,景觀形狀指數與碳收支呈負相關,表明城市內部越不規則越不利于碳收支的增長。2001年,回歸系數絕對值高值區在六安市,絕對值低值區主要聚集在宿遷、蚌埠等長三角城市群北部城市和湖州、嘉興等地區。2005年,空間分布發生明顯差異,回歸系數絕對值高值聚集在上海及其周圍城市,低值集中在長三角城市群北部地區如淮北、連云港等城市。2010年,景觀形狀指數對碳收支的影響程度總體擴大,回歸系數絕對值高值地區從上海擴散到鎮江、湖州等城市。

圖8 長三角城市群景觀形狀指數(LSI)回歸系數的空間分布Fig.8 Spatial distribution of landscape shape index (LSI) regression coefficient in Yangtze River Delta urban agglomeration

圖9展示了城市建成區斑塊密度(PD)回歸系數的空間分布,圖中可以看出城市建成區斑塊密度與碳收支呈明顯的正相關性,表明城市內部連通性提高對碳收支有促進作用。2001年,城市建成區斑塊密度對碳收支的影響較小。2005年城市建成區斑塊密度對碳收支影響有所增長,回歸系數最高值城市為上海市,低值地區有所減少。2010年,城市建成區斑塊密度回歸系數高值主要集中在上海等沿海城市,回歸系數最低值城市是徐州市。

圖9 長三角城市群城市建成區斑塊密度(PD)指數回歸系數的空間分布Fig.9 Spatial distribution of regression coefficient of patch density (PD) index of urban built-up area in Yangtze River Delta urban agglomeration

3.3 量化各城市形態指數對碳收支的影響及指數交互探測

應用地理探測器,量化分析各城市形態指數對碳收支的影響程度,結果如圖10所示,各影響因子對應的空間異質性影響程度進行排序為：CA>ED>PD>LPI>NP>LSI。與2001年結果所不同的是,2005年ED、LPI、PD的q值有所下降,城市建成區斑塊密度躍升為第二大影響因子,各指數影響程度排名為：CA>PD>NP>LSI>ED>LPI。2010年,建成區總面積因子對長三角城市群碳收支的驅動作用仍為第一名,各因子的驅動力排序為：CA>PD>ED>NP>LSI>LPI?？傮w看來,建成區面積擴張是碳收支空間異質性的主要驅動因素,城市建成區斑塊密度在空間異質性中也起著重要作用,最大斑塊指數、景觀形狀指數在空間異質性中所起的驅動作用相對較小。

圖10 2001—2010年景觀格局指數對碳收支的影響 Fig.10 Effects of landscape pattern index on carbon budget from 2001 to 2010

運用交互檢測器來揭示兩個驅動因素之間的交互影響,結果如表4—6所示,交互檢測結果可以分為兩類:增強和非線性(EN),增強和雙變量(EB),所有交互因子對碳收支空間異質性影響程度相對于單個影響因子均有明顯增強。對碳收支空間異質性影響程度相對較高的關鍵交互因子有NP∩ED、CA∩ED、NP∩PD、CA∩LPI、ED∩LSI、LPI∩LSI,這表明交互作用對空間異質性的影響更大。從表中可以看出,在2001年,邊緣密度和城市建成區斑塊密度的交互影響大于其他因子的交互影響,q值達到最高為0.866。斑塊類型面積因子與其他因子之間的交互影響顯著。

表4 2001年交互檢測結果

表5 2005年交互檢測結果

表6 2010年交互檢測結果

4 討論

本文研究評估了城市形態對碳收支的影響,揭示了城市形態與碳收支的時空關系,結果表明碳收支的空間模式與城市形態有較大的相關性。

(1)城市碳收支與人口、經濟等發展水平的適應性

在本研究中,長三角城市群的碳收支時空分布特征與其經濟發展、城市化發展相同步。2001—2010年,長三角城市群經濟快速發展,城市化水平不斷提高,使得城市人口迅速增長,同時居民消費水平不斷提高,導致能源消耗碳排放量不斷增長,年平均碳收支量逐年減少。

長三角城市群的碳收支存在明顯的時空異質性,總體呈現南部高,北部次之,東部低的特征,且同一時期不同地區碳收支量差異明顯,主要是由于各地經濟發展水平、人口規模、科技水平和產業結構等因素發展不平衡導致各地碳源/匯出現差異。2001—2010年,長三角城市群經濟高速發展,城市化水平不斷提高,從而驅動碳排放量增加,部分地區碳收支量減少,但總體來說長三角生態狀況良好。

(2)城市碳收支的空間形態景觀指數響應性

本文選取了6個景觀格局指數從城市擴展、城市分散性、城市單核化、城市不規則性、城市形狀的復雜性和城市連續性來描述城市形態,并分析城市形態對區域碳收支量的影響。

CA描述城市擴張程度,CA與碳收支存在顯著負相關性,表明城市建成區擴張對碳收支有抑制作用。USAMA、袁凱華等[46—47]證明城市擴張對碳排放有積極影響,2001—2010年,長三角城市群進入了快速的城市化階段,城市產業如工業的快速發展使得城市能源碳排放大幅增加,此外城市擴張使得大量的碳匯用地轉變為城市建成區,因此城市擴張導致碳收支量大幅減少,未來控制城市用地擴張應成為低碳城市關注的重點。

NP描述城市分散性,城市斑塊數量越多,城市分散破碎程度越高。城市形態的分散破碎程度越高越不利于碳收支的增長,分散破碎的城市形態增加了城市生產生活成本,產生更多的能源消耗碳排放,如分散破碎的城市形態增加了交通運輸相關的能源消耗碳排放,規則緊湊的城市形態提高了出行效率,減少能源消耗碳排放,增加碳收支,促進城市可持續發展。

LPI描述一個城市區域以單核發展模式為特征的程度,LPI值越大,內部斑塊越聚集,越單核化。LPI與碳收支存在顯著的負相關性,建成區內部聚集程度相對較高的斑塊是二氧化碳排放的主要來源,單核城市會增加碳排放,降低碳收支量,這與Ou[28]等人的結論相一致,單核模式的城市形態發展會增加碳排放量,因此應該發展多核城市發展模式。

LSI描述城市不規則性,LSI與碳收支呈負相關,表明城市越不規則碳收支量越低,規則的城市結構有利于提高土地利用效率和強度,實現城市建成區集約利用,并提高交通可達性,從而減少能源消耗碳排放量,提高碳收支量,促進低碳城市發展。

ED描述城市形狀復雜性,能夠衡量城市邊界的復雜性程度。ED對碳收支存在顯著正相關,ED值越高,城市邊界越復雜,意味著復雜的城市形態對碳收支有促進作用。由于政府的干預作用,產業集聚現象使企業間良性競爭,利用創新技術降低碳排放強度,能源結構優化能夠減少碳排放,如增多低碳能源的使用等。

PD描述城市連續性,衡量城市形態的連接程度。城市的連通性提高,城市更緊湊,發展更連續,PD與碳收支呈正相關,城市內部連通性提高對碳收支有促進作用。城市內部連通性有利于公共交通發展,也會提高出行效率,減少交通能源消耗碳排放,此外城市更緊湊連續使得工業產生集群效應,減少運輸和存儲成本等,使得工業能源碳排放減少,從而增加碳收支量。緊湊和連續的城市區域可以減少二氧化碳排放和實現城市可持續發展。

(3)城市碳收支的驅動因素的交互影響作用

本文運用地理探測器分析了景觀格局指數因子對碳收支的空間異質性影響程度及兩個驅動因素之間的交互影響。在研究期間,建成區總面積是碳收支空間異質性的主要驅動因素,城市擴張對碳收支的影響始終保持較高水平,城市擴張在刺激經濟發展的同時,也會減少碳匯用地,還使能源消耗碳排放增加。邊緣密度和城市建成區斑塊密度影響程度次之。

交互檢測結果表明,所有交互因子對碳收支空間異質性影響程度相對于單個影響因子均有明顯增強。其中,NP∩ED、CA∩LPI、LPI∩LSI交互因子對碳收支空間異質性影響程度較高,2001—2010年,長三角城市群城市快速發展,城市格局發生變化,城市建成區斑塊數量增多,同時斑塊形狀復雜,使得城市分散性和復雜性增加,能源消耗碳排放增多,因此NP和ED交互作用對碳收支空間異質性影響程度增加；城市用地擴張使得土地利用類型發生改變,而城市的擴張偏向單核發展模式增加了碳排放量,使碳收支大量減少,因此CA和LPI交互增強了碳收支影響程度；城市不規則性與單核發展模式交互作用對碳收支影響也處于較高水平,城市同時向著單核和不規則性發展,使得城市增加了生產生活成本,降低了交通可達性,而單中心發展使人口過度聚集,導致能源消耗碳排放增多,碳收支量減少,因此LPI和LSI交互作用對碳收支的影響程度增強。

本文以長三角城市群41個城市為研究對象定量地分析了城市形態與碳收支的關系,但是如何分城市規模和分產業分析城市形態與碳收支的關系還有待進一步研究。處于不同發展階段城市的城市形態與碳收支的時空關系可能存在較大差異,此外城市形態與不同產業能源碳排放的關系也可能具有差異性,后續研究將對處于不同發展階段的城市分別構建城市形態與碳收支的關系模型,同時分產業分析城市形態與能源碳排放的關系。最后,本文使用土地利用數據的城市建成區計算得到景觀格局指數,后續研究考慮引入多源數據來反映城市空間形態,以及更新部分數據集以提高研究的時效性。

5 結論

為了應對全球氣候變化,制定城市的低碳發展戰略,城市形態對碳收支的影響逐漸受到重視,但是系統地量化城市形態對碳收支影響的研究仍較少。因此,本文以長三角城市群為研究區域,利用地理加權回歸模型量化了城市形態與碳收支的時空關系,并使用地理探測器分析了碳收支的驅動因素,得到如下結論：(1)2001、2005和2010年長三角城市群碳收支存在明顯時空分布差異,總體呈現南部高,北部次之,東部低的特征；(2)2001、2005和2010年長三角城市群城市空間形態與碳收支存在顯著的時空關系,城市景觀格局指數與碳收支的回歸系數有著明顯時空差異；(3)建成區面積擴張是碳收支空間異質性的主要驅動因素,交互因子對碳收支影響程度相對于單個影響因子均有明顯增強。

上述研究結論可以為探索城市碳收支格局、優化城市形態和實現城市低碳可持續發展提供一定的參考。當前中國正處于快速城市化進程中,在保持經濟快速增長的同時,如何維持碳收支平衡仍是一個重大挑戰。本文結果表明,優化城市形態能有效減少城市碳排放量,城市在發展過程中應降低建成區的分散破碎程度,提高城市土地利用效率和城市內部連通性、規則性,實現城市多核發展模式,以此提高城市碳收支水平,未來城市規劃實踐應考慮不同城市形態模式對碳收支的影響。