论文推送 | CarbonVCA：地籍地块尺度下的城市碳排放与“碳达峰”预测框架

Yao Yao, Zhenhui Sun, Linlong Li, Tao Cheng, Dongsheng Chen, Guangxiang Zhou, Chenxi Liu, Shihao Kou, Ziheng Chen, Qingfeng Guan. 2023. “CarbonVCA: A Cadastral Parcel-Scale Carbon Emission Forecasting Framework for Peak Carbon Emissions.” Cities 138: 104354. doi:https://doi.org/10.1016/j.cities.2023.104354.

软件下载链接：https://urbancomp.net/archives/carbonvcav100

01

摘要

预测城市碳排放量变化对于城市实现“碳达峰”战略具有重要意义。现有的研究多关注于大范围的碳排放量预测，更高空间分辨率的碳排放预测以及耦合多场景的模拟对于支持制定“因地制宜”的政策以减少碳排放至关重要。本研究基于矢量元胞自动机模型提出了一套地籍地块尺度的碳排放预测框架（CarbonVCA），将城市用地建模纳入城市碳排放评估。以深圳市为例，本研究预测了2020年至2060年的地籍地块尺度的碳排放量变化情况，具有较高的模拟精度（MAPE=19.017%, RMSE=0.175 Mtpa (C)）。本研究从土地利用政策与能源结构优化两个角度出发，设计了三种发展场景，其中的生态减排场景使深圳市能在2025年至2030年间达到“碳达峰”。此外研究还发现，结合用地规划与能源调整的发展场景会促使工业用地转移至郊区，未来政府需要考虑适当加大这类地区的基础设施建设，才能突破地形和地貌的限制，保持其经济增长并实现可持续发展。CarbonVCA可以有效地提高了碳排放变化模拟的空间分辨率，为低碳城市建设提供政策建议与参考。

02

引言

近年来，全球生态问题（如全球变暖和大气污染）日益加剧，已成为可持续发展的一个重大挑战。2019年9月，《联合国气候变化框架公约》指出，全球约有60个国家承诺在2050年实现“零碳排放”。控制碳排放已经引起了世界各国的广泛关注。同时IPCC发布的《气候变化与土地特别报告》指出，只有通过减少包括土地在内的所有行业的排放，才可能实现将升温控制在远低于2℃的目标。在2014年亚太经济合作组织（APEC）会议上，中国承诺在2030年左右使碳排放达到峰值。由于世界的材料工业和制造业等高耗能产业还处在向发展中国家转移的过程中，中国依然处于碳排放的攀升或平台期。因此，为实现碳排放峰值的目标，评估中国的城市碳排放至关重要。

减少碳排放的关键在于城市的实施严格的低碳政策，而预测城市未来碳排放量则是制定减排目标的基础。为了评估碳排放趋势以进一步制定战略，目前已经出现了LMDI模型、Kaya模型、IPCE模型和STIRPAT模型等。这些模型通常基于大尺度（如国家和区域尺度）的数据（如人口、能源消耗和需求），忽略了区域内碳排放的空间异质性，容易导致“一刀切、粗放式”的碳排放管理。为了协助决策者划定精确的生态红线和制定“因地制宜”的政策，对碳排放的精细预测至关重要。

作为影响碳排放的关键因素之一，土地利用方式及其变化直接或间接地影响自然及人为碳通量的强度, 并进一步影响区域碳循环的过程和速率。目前已经有大量学者针对土地利用对碳排放的影响展开研究，研究方法包括基于多源数据的统计法、碳排放系数法以及基于观测约束不确定的模型参数法。然而，这些模型依旧存在一定的问题，它们通常忽略了城市土地内各种城市功能用地之间的碳排放差异，同时无法有效预测不同战略情景下未来碳排放的时空分布。目前还没有一个有效的预测未来碳排放的时空模拟模型，这对城市规划者设计更适合当地的碳排放管理策略至关重要。

地籍地块可以作为碳排放估算的一个更精细的单位。在土地利用变化模拟方面，地理元胞自动机模型在城市土地利用模拟中得到了广泛的应用。现实世界中的地理实体通常为不规则多边形，建立在矢量数据结构上的土地利用模拟更加合理和准确。矢量元胞自动机（VCA）可以有效挖掘出各类土地利用变化与驱动因素之间的关系，实现地籍地块尺度的城市土地利用变化模拟。此外，VCA模型可以与现有的大量研究相结合，构建出丰富的发展场景，在探索政策对碳排放时空分布影响中具有较大潜力，从而有助于根据宏观政策调整，助力实现“碳达峰”。

综上所述，目前城市碳排放的核算缺乏将土地利用变化模型引入城市碳排放评估中，忽略了城市用地变化对碳排放变化的重要影响，同时研究的空间尺度不够精细。此外，政策制定者需要从详细的城市土地利用变化中评估不同战略情景下碳排放的未来趋势。本研究以深圳市为研究区，提出了一套自下而上的碳排放核算及预测框架（CarbonVCA），结合矢量元胞自动机模型和随机森林模型，实现了地块尺度下的城市碳足迹预测。该框架能够模拟精细化尺度下的城市碳排放时空演变，有助于评估不同战略情景下的碳排放趋势，推动经济和产业转型，促进生态导向型城市的构建。

03

研究区域与数据

本文以深圳市为研究区，土地利用数据作为本研究所用到的重要数据集，来源于深圳市规划和自然资源局提供的2009至2014年的地籍土地利用数据（https://pnr.sz.gov.cn/）。本研究使用了2个时期的土地覆盖数据（图1），土地利用数据被划分为5种土地利用类型，包括公共管理服务用地、居住用地、商业用地、工业用地和未建设用地。

图 1 研究区及历年土地利用数据：(A) 广东省；(B) 深圳市；(C) 2009年；(D) 2014年

本研究基于多源地理数据（如地形、交通、工业设施、商业设施与居住设施等），计算土地利用变化的空间驱动因子（图2）。本研究所采用的数据来源于2018年的高德POI数据、OSM（OpenStreetMap）数据以及遥感数据，如表1所示。经过数据预处理后空间驱动因子均为栅格格式，所有栅格单元值都被归一化至0和1，空间分辨率为30m×30m。

表 1 多源地理数据来源

图 2 空间辅助变量数据集

本研究选择了几个社会统计指标（如土地利用结构、住宅建筑情况、公共建筑类型分布与用电情况等）来辅助计算与土地利用相关的碳排放系数。这些社会统计数据取自《深圳市土地利用总体规划》、《深圳市统计年鉴》与《深圳市大型公共建筑能耗监测情况报告》，所有数据为文本格式，来源于2020年。此外，本研究还获取了深圳2010年至2017年的区县尺度的碳排放清单，以验证本文所计算的碳排放。

04

研究方法

本研究的框架分为四个部分：1）土地利用功能混合：旨在简化过于复杂的土地利用类型，基于地块景观特征与聚类算法，对部分用地类型进行合并；2）土地利用变化模拟：基于土地利用数据和空间辅助数据，构建矢量元胞自动机模型VCA，完成未来用地变化模拟；3）用地混合功能分解：计算所有地块的矢量景观指数，基于随机森林模型和轮盘赌策略对用地类型进行解混，以更好地估计碳排放；4）碳排放量预测：根据不同用地类型的碳排放系数与未来用地空间分布情况，完成地籍地块尺度的碳排放量预测。此外，本研究从土地利用政策与能源结构优化两个角度出发，设计了三种发展场景（无序发展场景、生态保护场景与生态减排场景），并对其碳排放量的时空变化进行了分析。

图 3 研究框架图

05

结果

5.1 土地利用变化模拟

本研究基于VCA模型对深圳市2009年至2014年的土地利用变化情况进行了模拟，并在大多数区域取得了较高的模拟精度（FoM≥0.2）。其中，深圳市的FoM达到了0.239，龙华区、光明区和宝安区的FoM甚至达到了0.25以上，其PA和UA都高于0.38（表2）。本研究所采用的VCA模型对深圳市的土地利用变化模拟是合理的。

表 2 基于VCA模型的土地利用模拟精度表

图4展示了基于VCA模型的深圳市土地利用变化模拟结果，其中正确模拟的地块都集中在北部地区（图4C），这可能与北部地区包含大量未建成的土地并具有很好的城市化潜力有关。因此，VCA模型可以有效地挖掘新兴城市和远郊地区的土地利用转化模式，这一模拟结果有利于探索未来城市土地利用变化，提高城市碳排放预测的准确性。此外，由于城市更新过程中存在对工业用地的改造的现象，VCA模型可以有效挖掘工业用地规模存在缩减的趋势，可以较好地挖掘城市内部更新模式，这对后续的碳排放模拟具有重要意义。

图 4 土地利用变化模拟结果：（A）2014年真实数据；（B）2014年模拟结果；（C）正确模拟和错误模拟的地块（A、B、C和D表示FoM指标中四种情况下预测的地块）

5.2 碳排放量变化预测

结合现有研究数据，本研究对深圳市2015年至2017年碳排放量的预测值与真实值进行了比较（表3）。由于碳排放清单中行政区是根据2010年中国的县域划分，因此本研究在统计碳排放量数值时对部分行政区进行了合并。结果显示，CarbonVCA模型可以较好地预测深圳市的碳排放量（MAPE=19.017%, RMSE=0.175 Mtpa (C)），其中宝安区、龙岗区、南山区和罗湖区的拟合精度较高，而福田区和盐田区的拟合精度一般。

表 3 碳排放量预测值与真实值对比表

5.3 多场景下深圳市碳排放量变化时空预测

为了探讨现有生态保护政策对城市碳排放的影响，本研究从用地规划和能源结构调整两个方面，设置了三种发展战略情景，并对深圳市2015年至2060年的碳排放量的变化（图5）进行了分析和讨论。在不考虑能源结构调整的情况下（无序发展场景与生态保护场景），只有罗湖区和盐田区预计在2035年可以实现“碳达峰”。尽管引入用地规划限制（生态保护场景）可以带来使工业用地等出现集聚现象，降低城市资源的配置成本，但不能显著减少研究区域的碳排放量。因此，“碳达峰”的实现还需要进一步考虑能源结构调整等政策。

在生态减排场景下，深圳市可以在2025年至2030年左右实现“碳达峰”。目前，中国单位能源消费的二氧化碳强度年下降率约为1.2%。如果未来深圳的碳结构发展继续遵循这一趋势，结合深圳的化石能源比重，可以将生态减排场景下工商业用地的碳排放系数的年衰减率定义为0.6%。与其他场景相比，生态减排场景可以使深圳各区的碳排放量降低。2025年至2030年左右，深圳的碳排放变化较小，全市将达到碳排放峰值，2030年后，深圳的碳排放将减少，年增长率为0.211%。

从深圳市各个行政区来看，福田区（图5b）和罗湖区（图5c）自2020年以来，碳排放呈下降趋势。而龙岗区（图5d）预计可以在2025年左右实现“碳达峰”。宝安区（图5e）、南山区（图5g）和龙华区（图5f）的发展模式较为接近，碳排放量变化均呈现出先缓慢上升再下降的趋势，实现“碳达峰”的时间分别为2025年、2026年和2034年。在光明区（图5i）和坪山区（图5h），碳排放量经过短暂上升后逐渐稳定，实现“碳达峰”的时间分别为2035年和2030年。在盐田区（图5j），碳排放在短期经过震荡后稳定，可以在2037年达到峰值。此外，大鹏新区的碳排放随着时间的推移不断震荡，目前无法预计“碳达峰”实现的具体时间。

图 5 三种发展场景下深圳市各区碳排放量变化的趋势

深圳市三种场景下2060年的碳排放量的空间分布结果（图6A、B和C）表明，实现“碳达峰”可能会给郊区的基础设施建设带来新的挑战。在两种受控场景（生态保护场景和生态减排场景）下，坪山区的碳排放量要比无序发展场景低很多，但大鹏新区的北部在所有场景下都具有较高的碳排放量。这表明，两种受控情景将促使工业用地从坪山区迁往大鹏新区，从而导致工业用地出现集聚现象。此外，本研究进一步统计了三种场景下2015年至2060年各个时期的各土地利用类型的碳排放变化量（图6a、b和c）。结果表明，所有场景下工业用地的碳排放量变化最为明显，未利用地其次；同时生态减排场景下各类用地类型的碳排放量变化范围最小，且对于碳排放量最为显著的工业用地来说，其碳排放变化范围仅在-0.15至0.15左右，居住用地的碳排放量长期保持稳定，远低于其他两种场景。上述现象对深圳市政策制定的进一步分析，请参考本文的讨论部分。

图 6 三种发展场景下深圳市碳排放量空间分布（A、B和C）与变化情况（a、b和c）

06

结论

本研究提出了一套“自下而上”的地籍地块尺度的碳排放量预测框架（CarbonVCA）。CarbonVCA将城市用地建模纳入城市碳排放评估中，能够有效提高碳排放预测的空间分辨率，并具有较高的模拟精度。结果表明，政府未来必须坚持用地规划与能源结构调整相结合的减排政策，同时增加城市郊区的基础设施建设，才能确保城市按期实现“双碳”目标。本研究可为未来不同区域的碳排放配额提供参考，推动绿色低碳城市的建设。在未来，研究将考虑更多城市的发展模式，建立大规模精细化的碳排放预测平台，准确评估不同用地的碳排放特征，并分析其影响机制。研究对于帮助优化城市的空间结构，进而构建生态导向型城市，具有重要意义。