基于景觀格局與遙感生態(tài)指數(shù)的成都市碳排放分析

康森源

（上海同濟城市規(guī)劃設計研究院有限公司，上海 200092）

1 研究背景

自工業(yè)革命以來，全球氣候狀況日益惡化，其中以化石燃料不完全利用所產(chǎn)生的溫室氣體為主，同時伴隨著人類對土地的不合理利用，使大氣環(huán)境中溫室氣體數(shù)量日益增加，成為影響生態(tài)碳儲量的首要因素[1]。經(jīng)過相關(guān)研究分析，土地利用覆被格局的改變會對大氣中二氧化碳濃度產(chǎn)生較大影響，同時由土地利用變化引起的碳排放量占據(jù)人類活動碳排放總量的1/3，是僅次于化石燃料燃燒產(chǎn)生的第二大影響因素。到20 世紀30 年代為止，由土地利用變化產(chǎn)生的碳排放量在全球碳循環(huán)過程中就保持著較小但持續(xù)的影響[2-3]。陸地生態(tài)系統(tǒng)是人類生存與發(fā)展的基礎，可以為人類生存發(fā)展提供空間以及各種資源，同時還具備調(diào)節(jié)氣候、涵養(yǎng)水資源等功能[4]。土地作為陸地生態(tài)系統(tǒng)的重要組成部分，已經(jīng)成為影響生態(tài)碳循環(huán)的關(guān)鍵因子[5]。當前，全球各國都對碳排放量引起的氣候變化高度關(guān)注，中國作為世界第一大發(fā)展中國家，研究碳排放總量與減碳策略對后續(xù)國家可持續(xù)發(fā)展有著重要的作用[6]。國內(nèi)外學者針對土地利用與碳排放做了許多研究，以不同尺度下碳排放格局變化、碳排放影響因素以及碳排放與經(jīng)濟的關(guān)系為主，對土地利用與碳排放進行綜合分析，不僅可以在時空上反映城市變化，也可間接反映城市經(jīng)濟、生態(tài)等重要發(fā)展要素的變化[7-9]。因此，對土地利用進行碳排放研究可為了解不同土地利用狀態(tài)下的碳排放空間格局以及碳排放效應提供一定的基礎[10]。

在研究土地利用變化過程中，城市景觀格局也發(fā)生了變化，研究城市發(fā)展的景觀格局是當今生態(tài)學的重點研究內(nèi)容之一[11-12]。不同尺度下景觀格局對土地利用分析起到一定借鑒作用，如梅紹容等[13]通過分析景觀指數(shù)得出最優(yōu)礦山分析尺度，王甜等[14]通過景觀格局指數(shù)得出常州市的最佳研究粒度等。可見，通過分析景觀指數(shù)可以幫助土地利用研究確定合適的研究粒度，找到最佳的空間分析尺度。

隨著中國城市化進程加快，土地利用不合理、生態(tài)環(huán)境惡化的問題日益嚴重，通過對土地利用進行科學的生態(tài)評估是我國提高生態(tài)質(zhì)量的重要手段之一[15]。國內(nèi)外許多學者都針對土地利用變化下的生態(tài)環(huán)境變化進行了不同程度的研究，其中生態(tài)環(huán)境評價的重要性引起了學者關(guān)注。如E. K. Antwi 等[16]通過使用GIS 方法對德國盧薩蒂亞煤礦進行了研究，研究煤礦開采對土地的影響；國內(nèi)學者郭秋忠等[17]結(jié)合遙感數(shù)據(jù)與其他輔助信息建立評價模型，對江西東江源區(qū)進行生態(tài)環(huán)境質(zhì)量評測。因此，通過對土地利用進行科學地生態(tài)評價，有利于合理地保護生態(tài)，可對碳排放計算與減碳策略的提出起到借鑒作用。

目前，我國城市化進程及經(jīng)濟建設加快，對能源消費產(chǎn)生了一定刺激，使碳排放量持續(xù)增長[18]，導致減碳壓力加大。國內(nèi)外學者對土地利用下的碳排放研究進行了大量定量與定性分析。可將土地利用與碳排放的研究分為3 個方面：一是對土地利用變化與碳循環(huán)進行研究，如楊亮潔等[19]通過能源消費與土地利用數(shù)據(jù)構(gòu)建土地利用碳排放理論框架與計算模型等。二是對土地利用碳排放核算方法的研究，常見的計算方法模型有Logistic 模型、Bookkeeping 模型等，如蘇雅麗等[20]通過回歸分析、反距離權(quán)重法以及Hopfied 神經(jīng)網(wǎng)絡模型對陜西省土地利用類型進行碳排放收益計算等。三是對土地利用碳排放的影響因素進行分析，如Xu S. C.等[21]使用對數(shù)平均分級指數(shù)模型分析了影響中國碳排放的主要因素等。此外，在不同地理尺度下對碳排放總量進行計算也是目前的一個重要研究方向，如秦巖等[22]對2000—2018 年長三角地區(qū)的碳排放強度進行了計算并分析其空間特征，趙榮欽等[23]通過碳收支計算方法研究了我國縣域碳平衡情況等。但目前關(guān)于城市碳排放研究分散于各領域中，缺少生態(tài)與市域?qū)用娴挠嬎阊芯俊?/p>

成都市作為四川省重要的經(jīng)濟政治中心，是我國西南地區(qū)重要的交通樞紐，也是我國重要的新一線城市之一。已有研究大多沒有將生態(tài)格局與碳排放空間格局相結(jié)合，且研究尺度以省、市為單位，對市內(nèi)區(qū)、縣的研究較少。鑒于此，本文擬通過對成都市進行生態(tài)評價，并計算各區(qū)、縣碳排放總量，將生態(tài)格局與碳排放分區(qū)相結(jié)合，進行生態(tài)格局下碳排放的空間變化分析，為城市碳排放分區(qū)研究提供新視角，也為實現(xiàn)“雙碳”戰(zhàn)略發(fā)展目標提供科學依據(jù)與理論支撐。

2 研究區(qū)概況與研究數(shù)據(jù)

2.1 研究區(qū)概況

成都市位于四川省中部，地處四川盆地西部地區(qū)。地理位置在102 °54’E～104 °53’E，30°05’N～31°26’N 之間，北部與德陽市相接，東部毗鄰資陽市，南部與眉山市相鄰，西部則與雅安接壤，全市總面積為14 335 km2。地勢由西向東傾斜，西北高、東南低，全市地貌多樣，垂直落差大，最大落差可達5 000 m。屬亞熱帶濕潤季風氣候區(qū)，年降雨量約為1 000 mm，平均氣溫為16 ℃左右。全年降水豐富，處于多條河流的河網(wǎng)之中，水資源豐富。2021 年成都市統(tǒng)計年鑒結(jié)果顯示，截至2020 年末，戶籍人口數(shù)為1 519.7 萬人，人口增長迅速；2010 年至2020 年三產(chǎn)總值增加11 836.18 億元，經(jīng)濟處于高速增長中。在城市經(jīng)濟快速發(fā)展過程中，能源消耗量大，生態(tài)與人類活動之間的平衡關(guān)系值得關(guān)注，如何在綠色發(fā)展的同時減少能源消耗，盡快實現(xiàn)“雙碳”目標是值得關(guān)注的問題之一。

2.2 數(shù)據(jù)來源與處理

本文選取2015 年與2020 年兩年遙感影像進行土地利用分類，并進行景觀格局分析，根據(jù)分析結(jié)果進行生態(tài)指數(shù)評價以及碳排放總量的計算。遙感影像來源于地理空間數(shù)據(jù)云（http://www.gscloud.cn/）中的Landsat 8OLI_TIRS 數(shù)據(jù)，選取月份為5—9 月，云量在15%以下。分類結(jié)果補充數(shù)據(jù)來自Open Street Map（OSM）開源矢量數(shù)據(jù)。在ENVI 5.3 中，先對每景影像進行輻射定標、大氣校正等操作，然后使用隨機森林的監(jiān)督分類方法對兩年數(shù)據(jù)進行分類，分類體系采用中國科學院資源環(huán)境數(shù)據(jù)庫中的土地利用分類體系[24]，主要分為建設用地、林地、草地、水體、耕地以及未利用土地6 類。對分類后結(jié)果使用OSM數(shù)據(jù)進行補充，得到最后的分類結(jié)果數(shù)據(jù)。

建設用地碳排放總量數(shù)據(jù)使用間接計算法，數(shù)據(jù)來源主要為成都市歷年統(tǒng)計年鑒、中國能源統(tǒng)計年鑒以及各縣市公開的統(tǒng)計年報數(shù)據(jù)等。由于萬元GDP能耗數(shù)據(jù)無法直接獲得，需使用統(tǒng)計年鑒中國民生產(chǎn)總值與能源消耗總量進行計算，又因2020 年國家能源統(tǒng)計年鑒未公布，這里選用成都市歷年公布的萬元GDP 能耗下降率，結(jié)合已有2012 年數(shù)據(jù)對2015 年、2020 年的數(shù)值進行估算，且有關(guān)二三產(chǎn)業(yè)地區(qū)生產(chǎn)總值以不變價地區(qū)生產(chǎn)總值進行收集計算。在對成都市各縣市進行分析時，因2015 年簡陽尚未劃入成都市管理范圍，但為了能與2020 年碳排放空間分布進行更好地對比，本文在分析2015 年數(shù)據(jù)時依舊包含簡陽地區(qū)，數(shù)據(jù)來源于簡陽市政府網(wǎng)。

3 研究方法

通過以下3 個部分對成都市碳排放空間格局進行分析。首先通過景觀格局分析選取土地利用分類最優(yōu)尺度；其次進行遙感生態(tài)指標計算，并對成都市20 個縣區(qū)進行生態(tài)評價；最后根據(jù)各縣區(qū)土地利用分類結(jié)果以及成都市統(tǒng)計年鑒與中國能源統(tǒng)計年鑒數(shù)據(jù)計算各區(qū)、縣的碳排放總量，分析成都市各區(qū)、縣的碳排放空間格局分布情況。

3.1 景觀格局分析

1）景觀格局最大斑塊指數(shù)LPI。LPI用來反映景觀格局中景觀所占的優(yōu)勢程度[25]，該值越大，在景觀中越占優(yōu)勢，LPI計算式如式（1）所示：

式中：Si為第i類景觀類型面積；Sij為第i類景觀中第j塊圖斑面積，本研究中i取6。

2）景觀格局邊界密度ED。ED是景觀格局中的重要指數(shù)之一，用來分析景觀被切割狀態(tài)[26]，值越大越破碎，能夠直觀反映景觀破碎程度，公式見式（2）：

式中：L為某類景觀斑塊的邊界長度，m；S為景觀的總面積，m2。

3）景觀格局形狀指數(shù)LSI。LSI用來描述斑塊邊緣的形狀復雜程度[27]，值越大，形狀越復雜，可反映景觀內(nèi)部特征。該值一般都大于1，越接近1 則表示景觀越規(guī)整，公式如式（3）所示：

3.2 遙感生態(tài)評價模型

遙感生態(tài)指數(shù)（remote sensing ecological index，RESI）能快速地評價區(qū)域生態(tài)質(zhì)量，該指標由徐涵秋[28]提出，其計算方法是通過對遙感影像進行綠度、濕度、干度及熱度指標計算，然后通過主成分分析將以上4 個指標集成，最后實現(xiàn)區(qū)域環(huán)境生態(tài)評價。

1）綠度指標。綠度指標通過歸一化植被指數(shù)進行表征[29]，公式如式（4）所示：

式中：NDVI為歸一化植被指數(shù)；ρNIR、ρRED分別為近紅外與紅光波段。

2）濕度指標。濕度指標是通過遙感纓帽變換后的濕度份量進行反映的[30]，公式如式（5）所示：

式中：Wet為濕度指標；ρNIR、ρred、ρblue、ρgreen、ρSWIRI1、ρSWIRI2分別為近紅外、紅光、藍光、綠光、短波紅外1 和短波紅外2 波段。

3）干度指標。建筑用地以及不透水層的增加會導致地表干化，因此選用建筑指數(shù)（integrated building in telligence，IBI）與裸土指數(shù)（soil index，SI）進行合成[31]，公式如式（6）所示：

式中：NDSI、IBI、SI分別為干度指標、建筑指標以及裸土指數(shù)。

4）熱度指標。熱度指標是通過反演后的地表溫度進行表征的[32]，公式如式（7）～（9）所示：

式（7）～（9）中：Lλ為輻射亮度；ε為比輻射率；B(Ts)為黑體輻射亮度；τ為大氣在熱紅外波段的透過率；L↑和L↓分別為大氣向上輻射亮度和大氣向下輻射亮度；Ts為地表溫度；K1=774.89 W·(m2·μm·sr)-1；K2=1 321.08 W·(m2·μm·sr)-1；其中，ε、L↓和L↑均通過NASA 網(wǎng)站（http:// atmcorr.gsfc.nasa.gov）進行查詢所得。

5）生態(tài)指數(shù)。將以上4 個指標進行歸一化處理后采用主成分分析法將其合成，得到最后的生態(tài)指標。公式如式（10）～（11）所示：

式中：PCI為第一主成分結(jié)果；RESI0為初始生態(tài)值；RESI0_MAX為RESI0最大值；RESI0_MIN為RESI0最小值，最終數(shù)值結(jié)果在0～1 之間，值越大說明生態(tài)狀況越好，反之越差。

3.3 土地利用碳排放估算

本文基于IPCC（Intergovernmental Panel on Climate Change）清單法進行直接估算[33]，通過碳排放系數(shù)進行土地利用碳排放總量的計算，該方法用于估算非建設用地碳排放值。建設用地的計算方法使用間接法進行估算[34]，最后將兩種計算方法結(jié)合，得到最終的碳排放總量結(jié)果，各公式如式（12）～（14）所示：

式（12）～（14）中：E非建設用地為非建設用地的碳排放量；EA建設用地為建設用地的碳排放量；LA為各土地利用類型面積；εA為各土地利用類型碳排放系數(shù)；n為土地利用類型，這里取5；GDP2,3為各區(qū)縣二三產(chǎn)業(yè)生產(chǎn)總值，萬元；H為萬元GDP 能耗，單位為t 標準煤；K為煤碳排放系數(shù)，單位為tC/t。本文根據(jù)文獻[35]將耕地、水體、林地、草地、未利用地碳排放系數(shù)確定為0.497, -0.253, -0.581, -0.021, -0.005 t/hm2，煤炭碳排放系數(shù)[34]為0.747 6 tC/t。

4 結(jié)果與分析

4.1 土地利用類型景觀分析

景觀分析是體現(xiàn)不同類型景觀格局在城市中的組合以及在城市中的表現(xiàn)形式，與土地利用變化息息相關(guān)。本研究選取30, 90, 150, 210 m 4 種尺度對土地利用分類數(shù)據(jù)分別進行最大斑塊、邊界密度以及形狀指數(shù)的分析。

4.1.1 土地利用類型最大斑塊指數(shù)

各年份不同土地類型的最大斑塊指數(shù)結(jié)果如圖1所示。

圖1 2015 與2020 年成都市土地利用最大斑塊指數(shù)圖Fig. 1 Maximum patch index map of land use in Chengdu City in 2015 and 2020

由圖1可得，2015年建設用地隨尺度增加而下降，土地利用優(yōu)勢度以30 m 為最佳，2020 年先上升后下降，優(yōu)勢度以90 m 為最佳。2015 年水域的最大斑塊指數(shù)變化隨著尺度變粗逐漸下降，2020 年則隨著尺度變粗先上升后下降隨后持平；2015 年最大優(yōu)勢粒度是30 m，2020 年則是90 m。2020 年耕地的最大斑塊指數(shù)呈現(xiàn)出先上升后持平的趨勢，2015 年的變化趨勢則是先下降后上升再下降，優(yōu)勢度最好的是150 m；林地的變化趨勢在2015 年為先上升后下降，在2020 年為先下降后上升，優(yōu)勢度最好的是30 m。草地與未利用地優(yōu)勢度最好的是在30 m 的尺度下，在其余粒度下呈現(xiàn)出波動狀態(tài)。綜合分析所有土地利用類型最佳優(yōu)勢度數(shù)據(jù)，本文選取30 m 尺度作為土地利用類型分類的最優(yōu)尺度。

4.1.2 土地利用類型邊界密度

成都市不同年份不同尺度的土地類型邊界密度結(jié)果如圖2 所示。從圖2 中可以分析出，不同年份下各土地利用類型的邊界密度都是隨尺度變大而逐漸減小。其中建設用地與耕地的敏感性最高，建設用地在30 m 向90 m 變化時，2015 年變化幅度接近30，2020 年變化幅度超過10；耕地的變化則更為明顯，30 m 向90 m 變化時變化幅度均超過40，后續(xù)變化幅度逐漸減小。綜合各土地利用類型景觀邊界密度的分析結(jié)果，得出30 m 對于各土地類型景觀均有較好的聚集作用，與土地利用最大斑塊指數(shù)結(jié)果相一致，在30 m 尺度下各類型斑塊優(yōu)勢度明顯。

圖2 2015 與2020 年成都市土地利用邊界密度結(jié)果圖Fig. 2 Result map of land use boundary density in Chengdu city in 2015 and 2020

4.1.3 土地利用類型景觀形狀指數(shù)

成都市不同年份不同尺度的土地類型形狀指數(shù)結(jié)果如圖3 所示。

圖3 2015 與2020 年成都市土地利用形狀指數(shù)圖Fig. 3 Land use shape index map in Chengdu city in 2015 and 2020

各土地利用類型的形狀指數(shù)變化特征與土地利用類型邊界密度相一致，都是隨著粒度變大逐漸減少，以30 m 向90 m 變化最為明顯，且變化幅度最大的是建設用地與耕地，說明這兩類對粒度的變化最敏感，變化最小的是草地與未利用地，這兩者對于粒度的變化不如其余類型敏感。

因此，根據(jù)以上3 個景觀格局指數(shù)綜合分析可得，30 m 可作為各類別土地利用類型分類的最佳分類尺度，分類方法選取隨機森林監(jiān)督分類方法，分類結(jié)果如圖4 所示。

圖4 2015 與2020 年成都市土地利用分類結(jié)果圖Fig. 4 Land use classification results in Chengdu city in 2015 and 2020

由圖4 中的土地利用分類結(jié)果可見，城市建筑用地集中在城市中心，林地位于城市的四周，耕地則介于兩者之間。其中，城市建筑用地增多，擴張方向呈放東西向，主要集中在城市中部地區(qū)；林地分布較為集中，特點明顯，林地面積略有減少，其中以東南部分減少的較為明顯；成都市西部的耕地較為連續(xù)，東部的耕地較為破碎，耕地面積略有增長，以東北區(qū)域增長為主；水域面積兩年相比變化不明顯。

4.2 生態(tài)質(zhì)量變化分析

為定量分析2015—2020 年間研究區(qū)內(nèi)生態(tài)質(zhì)量的變化，將研究區(qū)2015 年與2020 年的RSEI 反演結(jié)果平均劃分為5 個等級，結(jié)果如圖5 所示，數(shù)值由高到低依次代表優(yōu)、良、中、較差、差。并對各級結(jié)果進行面積統(tǒng)計，統(tǒng)計結(jié)果如表1 所示。結(jié)果表明，2020 年成都市生態(tài)質(zhì)量為優(yōu)的面積大幅上漲，增加量為1 826.52 km2，等級為良的面積也增加了36.32 km2。對比2015 年與2020 年各級面積所占比例，2020 年優(yōu)等級的面積占比增長到13.91%，較差等級的面積占比從38.26%縮減到30.13%，這一結(jié)果表明，成都市在2015—2020 年間生態(tài)質(zhì)量總體得到提升。從圖上可以得出，優(yōu)等級區(qū)域變化主要集中于成都市中部地區(qū)。綜合來看成都市RSEI 結(jié)果在2015年與2020 年優(yōu)等級與較差等級部分變化顯著，中部地區(qū)生態(tài)質(zhì)量得以提升。

表1 2015 年與2020 年各級生態(tài)質(zhì)量面積結(jié)果表Table 1 Results of ecological quality area at all levels in 2015 and 2020

圖5 2015 與2020 年成都市生態(tài)質(zhì)量結(jié)果Fig. 5 Ecological quality results in Chengdu city in 2015 and 2020

4.3 區(qū)域碳排放空間格局分析

2015 年與2020 年成都市碳排放總體計算結(jié)果（表2）顯示，成都市5 a 內(nèi)整體碳排放量有所上升，從2015 年的3 949.61×104t，到2020 年增加為6 100.76×104t，凈增加量為2 151.15×104t，表明成都市近5 a 內(nèi)能源消耗有所增加。成都市整體碳排放量增加的主要原因，是在城市化發(fā)展過程中能源消耗量的增加。根據(jù)自然斷點將成都市20 個地級區(qū)縣劃分為5 級，以各自年份碳排放量為依據(jù)劃分，不進行兩年數(shù)據(jù)歸一化處理，其中數(shù)字越高，表明這一年的碳排放量越大，結(jié)果見圖6。

表2 成都市2015 與2020 年各縣區(qū)碳排放結(jié)果表Table 2 Carbon emission results of each state and district in Chengdu from 2015 to 2020

圖6 2015 與2020 年成都市各縣區(qū)碳排放總量圖Fig. 6 Total carbon emissions of all states and districts in Chengdu in 2015 and 2020

圖6 的結(jié)果表明，2015 年金牛、青羊、武侯、鎮(zhèn)江、龍泉驛以及雙流區(qū)域處于第5 等級，新都、成華處于第4 等級；2020 年則僅剩武侯處于第5 等級，金牛、青羊、龍泉驛以及雙流處于第4 等級。城市各區(qū)整體處于碳排放等級下降的發(fā)展模式，表明城市碳排放等級下降，各區(qū)、縣的城市化進程有所減緩。2015 年與2020 年碳排放處于4、5 級的地區(qū)均主要集中在城市中心區(qū)域，越向兩邊碳排放總量等級越低。總體來看成都市碳排放總量呈現(xiàn)中部多、四周少的空間格局，這與成都市土地利用現(xiàn)狀有關(guān)，城市集中發(fā)展在中心地區(qū)，四周以耕地、 林地為主。因此越靠近中心碳排放量越大，城市化進程越明顯。

4.4 區(qū)域碳排放與生態(tài)質(zhì)量空間格局分析

為能更直觀地將碳排放變化與生態(tài)質(zhì)量變化結(jié)合，現(xiàn)將二者數(shù)據(jù)進行疊加分析。將2015 與2020 年生態(tài)質(zhì)量變化情況分為3 種：變差、不變以及變好。因碳排放均增加，因此使用自然斷點法將增加量進行5 個等級劃分，數(shù)字越小等級越低，變化量越小。兩者疊加后的結(jié)果如圖7 所示。由圖可知，生態(tài)質(zhì)量變差且碳排放增量少的低等級區(qū)、縣為新都、青白江、金堂、簡陽以及浦江區(qū)；生態(tài)質(zhì)量變好同時碳排放增量等級較高的區(qū)縣共有9 個，且多集中在城市中心；如武侯區(qū)，既是生態(tài)質(zhì)量變好區(qū)，也是碳排放增量最大區(qū)。其余6 個區(qū)、縣為生態(tài)質(zhì)量不變區(qū)域，除雙流區(qū)碳排放增量為第4 等級外，其余均處于低等級區(qū)域。一方面城市生態(tài)質(zhì)量變化主要是由于城市化進程的不同程度所引起的，另一方面城市化進程也反映在城市碳排放數(shù)值的增加上。本文的碳排放計算過程中經(jīng)濟指標占據(jù)較大影響，景觀格局占據(jù)較小影響，因此會出現(xiàn)在生態(tài)質(zhì)量變好的同時碳排放量有所增加的情況。通過對成都市整體生態(tài)質(zhì)量變化分析可得，城市整體經(jīng)濟發(fā)展迅速，因此碳排放總體處于增加狀態(tài)，而生態(tài)質(zhì)量也因公園城市和田園城市得以改善。

圖7 2015—2020 年成都市生態(tài)質(zhì)量與碳排放空間格局疊加圖Fig. 7 Overlay map of the spatial pattern of ecological quality and carbon emissions in Chengdu from 2015 to 2020

從城市各區(qū)域中分析碳排放與生態(tài)質(zhì)量變化關(guān)系可得，成都市北部以及中心縣區(qū)生態(tài)質(zhì)量得以提升，東南地區(qū)呈現(xiàn)下降狀態(tài)，原因主要是城市化中心的轉(zhuǎn)移導致生態(tài)質(zhì)量變化。據(jù)《成都市城市總體設計（2011—2020）》規(guī)劃，成都市東南地區(qū)將作為東部城市副中心，使區(qū)域內(nèi)城市化進程加快，景觀格局中建設用地有所增加，碳排放量增加大，生態(tài)質(zhì)量有所下降。而中部地區(qū)則是因為政府這幾年對城市生態(tài)的關(guān)注，大力發(fā)展綠色公園城市，努力打造綠色生態(tài)的田園山水城市，通過對城區(qū)改造，改善生態(tài)環(huán)境，將生態(tài)與城市結(jié)合，使區(qū)域內(nèi)生態(tài)質(zhì)量有所改善，且該區(qū)域又是成都市的經(jīng)濟中心，經(jīng)濟發(fā)展迅速，因此區(qū)域內(nèi)各區(qū)縣碳排放量有所增加。出現(xiàn)區(qū)域內(nèi)碳排放量增加以及生態(tài)環(huán)境變優(yōu)的原因與成都市發(fā)展綠色生態(tài)的公園城市密不可分，城市發(fā)展雖然會消耗能源，使碳排放量增加，但通過改善城市的生態(tài)環(huán)境可以使城市發(fā)展的同時，生態(tài)環(huán)境也得以改善，從而降低能源帶來的環(huán)境問題。由此可見，盡管成都市各區(qū)縣依舊處于城市化高速發(fā)展中，但成都市整體生態(tài)質(zhì)量變化趨勢呈現(xiàn)出利好趨勢。這可為成都市加快城市發(fā)展、構(gòu)建生態(tài)和諧的公園城市提供有力支持。

5 結(jié)論與討論

5.1 結(jié)論

本文首先對2015 年與2020 年土地利用數(shù)據(jù)進行景觀格局分析，選取最優(yōu)分類粒度；其次對遙感影像進行生態(tài)質(zhì)量評價；最后對土地利用分類結(jié)果數(shù)據(jù)進行碳排放總量計算，得出2015 年與2020 年成都市各區(qū)、縣碳排放數(shù)據(jù)的空間格局分布，并對兩者空間格局進行疊加分析。具體結(jié)果如下：

1）成都市2015 年與2020 年土地利用分類的最佳分類粒度為30 m，通過景觀分析可得，在30 m 粒度下，各土地利用類型優(yōu)勢度明顯，能夠?qū)罄m(xù)城市發(fā)展研究進行更好地分類與分析。

2）成都市2015 年與2020 年遙感生態(tài)指數(shù)表明城市整體生態(tài)質(zhì)量逐漸增加，且生態(tài)質(zhì)量變優(yōu)區(qū)域集中于城市中心區(qū)域。從成都市土地利用數(shù)據(jù)中得出城市的發(fā)展方式是從中心向四周擴展的，城市建設用地多集中于城市中心區(qū)、縣。成都市隨著生態(tài)文明政策的實行，越來越注重城市的生態(tài)均衡發(fā)展，人們對居住的生態(tài)質(zhì)量要求有所提高。結(jié)果顯示成都市在2015—2020 年發(fā)展過程中，城市中心地區(qū)的生態(tài)質(zhì)量有了很大的提高。

3）成都市碳排放總量呈現(xiàn)上升趨勢。從城市碳排放空間格局來看，2015 年碳排放量大的地區(qū)集中于城市中心區(qū)、縣，但到了2020 年處于第5 等級的區(qū)、縣僅剩武侯區(qū)。從各區(qū)凈碳排放量對比結(jié)果來看，全市除雙流、武侯及郫都三區(qū)外，其余區(qū)、縣碳排放總量增加量不大。結(jié)合生態(tài)質(zhì)量與碳排放分布數(shù)據(jù)結(jié)果，得出隨著城市化進程加快與城市生態(tài)質(zhì)量的提高，碳排放總量增加，符合城市生態(tài)和諧發(fā)展。

4）成都市整體處于生態(tài)與發(fā)展和諧共處狀態(tài)，盡管城市發(fā)展快使碳排放量加大，但同時因為生態(tài)質(zhì)量的改善，使碳排放變化量大的區(qū)域并沒有出現(xiàn)生態(tài)質(zhì)量下滑的趨勢，反而以生態(tài)質(zhì)量變優(yōu)為主。具體分析為：生態(tài)質(zhì)量變優(yōu)區(qū)域與碳排放增加量多的區(qū)域以市中心區(qū)、縣為主，生態(tài)質(zhì)量不變區(qū)域與碳排放增加量較少的區(qū)域以城市西北部區(qū)、縣為主，生態(tài)質(zhì)量變差同時碳排放增加量較少的區(qū)域以城市東北部區(qū)、縣為主。

綜上，本文運用景觀格局最優(yōu)尺度下的土地利用分類結(jié)果，對成都市進行生態(tài)質(zhì)量評價，并探討各區(qū)縣碳排放的空間格局，結(jié)合生態(tài)質(zhì)量與碳排放空間格局結(jié)果對成都市后續(xù)達到“雙碳”目標提供思路。

5.2 討論

本文首先對2015 年與2020 年的遙感影像進行景觀格局分析，得出30 m 粒度為最優(yōu)分析尺度；并選取隨機森林監(jiān)督分類法進行分類，使用OSM 數(shù)據(jù)對結(jié)果進行補充，最后得到30 m 分辨率下的土地利用分類結(jié)果數(shù)據(jù)。其次進行生態(tài)質(zhì)量計算，并主要從綠度、濕度、干度以及熱度4 個方面進行評價，評價結(jié)果以自然變化為主，所有結(jié)果均反映城市區(qū)域自然狀態(tài)下的生態(tài)質(zhì)量結(jié)果。本文根據(jù)兩期分類數(shù)據(jù)進行生態(tài)質(zhì)量評價分析，分析得出，在2015—2020 年間成都市整體生態(tài)質(zhì)量發(fā)生了較大改善，生態(tài)質(zhì)量為優(yōu)的區(qū)域面積增加，且生態(tài)質(zhì)量變優(yōu)的區(qū)域主要為城市中心區(qū)、縣。碳排放數(shù)據(jù)通常可被作為城市發(fā)展的一個參考數(shù)據(jù)，碳排放量越大，城市發(fā)展越快。本文通過對成都市20 個區(qū)、縣進行碳排放計算，得出2015—2020 年成都市整體碳排放量增加，城市處于高速城市化進程中，尤其是城市中心區(qū)、縣。然而碳排放量不能用來評價城市化程度，僅能表示在兩年內(nèi)各區(qū)、縣內(nèi)碳排放程度，后續(xù)若想進一步分析成都市城市化的變化可以此作為參考進行更深入的分析。最后，本文結(jié)合生態(tài)與碳排放數(shù)據(jù)，將生態(tài)質(zhì)量與碳排放結(jié)合起來，分析城市在發(fā)展中生態(tài)質(zhì)量的變化狀況。本研究發(fā)現(xiàn)，生態(tài)質(zhì)量的變化并不會因為碳排放量的增加而降低，反而部分區(qū)域隨著碳排放量的增加，生態(tài)質(zhì)量也處于利好狀態(tài)。產(chǎn)生以上結(jié)果的原因與城市發(fā)展政策有很大關(guān)系，其中公園城市的打造起著重要作用。因此，成都市在發(fā)展經(jīng)濟的同時可以對城市生態(tài)進行有效保護，甚至改善原有生態(tài)質(zhì)量。本文對生態(tài)質(zhì)量與碳排放量進行的研究可為后續(xù)公園城市打造以及市內(nèi)生態(tài)質(zhì)量的改善提供一定數(shù)據(jù)支撐與思路，對生態(tài)質(zhì)量與碳排放的分析可以對城市生態(tài)建設效果進行說明，并對成都市實現(xiàn)“雙碳”目標提供分析思路。