長三角城市群城市空間形態(tài)與碳收支時空耦合關(guān)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(xué)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(xué)地理空間信息技術(shù)國家地方聯(lián)合工程實驗室,湘潭 411201 3 湖南科技大學(xué)地球科學(xué)與空間信息工程學(xué)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(yīng)加劇,從而導(dǎo)致全球氣候變暖,環(huán)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(tǒng)計數(shù)據(jù)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(tài)系統(tǒng)碳匯,成為保護生態(tài)環(huán)境、減緩氣候變化的重要措施[3]。碳收支是生態(tài)環(huán)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(fā)展戰(zhàn)略的重要內(nèi)容[4],也關(guān)系到我國碳排放在2030年達到峰值和在2060年前實現(xiàn)碳中和的實現(xiàn)路徑。

在碳收支研究領(lǐng)域,大量關(guān)于碳循環(huán)、人為碳排放的研究已經(jīng)展開,為碳收支平衡的定量研究和分析奠定了基礎(chǔ)[5—6]?，F(xiàn)今關(guān)于碳收支估算模型的構(gòu)建已有較多的研究成果,羅紅等[7]利用農(nóng)作物、碳源因子與碳收支的相關(guān)性,采用參數(shù)估算法、IPCC清單估算法對農(nóng)業(yè)生產(chǎn)碳收支進行估算；童心華等[8]采用面向?qū)ο蠓诸惙椒ㄌ崛⊙芯繀^(qū)涉及碳收支能力的土地利用信息,同時結(jié)合碳收支系數(shù)確立專題性碳收支能力估算模型；蔣燁林等[9]利用統(tǒng)計數(shù)據(jù)分析塔里木盆地碳收支狀況,采用景觀類型轉(zhuǎn)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(qū)動因子研究方面,王剛等[10]從縣域?qū)用嫜芯刻际罩Э臻g分布,揭示了碳收支受土地利用強度、經(jīng)濟發(fā)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(tài)系統(tǒng)碳收支的影響。孫偉等[12]從產(chǎn)業(yè)結(jié)構(gòu)、土地利用格局、能源消費結(jié)構(gòu)、人口規(guī)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(guān)鍵因素,因此城市碳排放成為當前城市碳收支相關(guān)研究的關(guān)注重點,有學(xué)者從土地利用[13—14]、能源消耗[15—16]、交通運輸[17]、工業(yè)生產(chǎn)[18]、居民消費[19—20]等角度估算碳排放以及評估區(qū)域碳排放的差異和影響機制[21—24]。城市形態(tài)反映了城市的交通路網(wǎng),基礎(chǔ)設(shè)施,功能區(qū)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(xué)者從城市形態(tài)方面探索研究其與二氧化碳排放的空間關(guān)系[25—32],Zuo[25]采用了Pearson相關(guān)分析等方法研究景觀格局指數(shù)與碳排放的相關(guān)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(tài)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(shù)據(jù)分析方法量化了城市形態(tài)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(tài)與碳排放之間的關(guān)系,Shi[31]構(gòu)建了城市空間形態(tài)指數(shù)與碳排放的關(guān)系模型,分析了不同角度的城市形態(tài)與碳排放的相關(guān)性,Ou[32]考慮到不同城市發(fā)展水平,綜合探討了社會經(jīng)濟因素和城市形態(tài)共同影響碳排放的機制,但是城市空間形態(tài)與碳收支的時空關(guān)系和驅(qū)動影響還有待進一步研究。

上述研究多側(cè)重于從城市形態(tài)方面定量分析碳排放、利用系數(shù)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(jīng)濟高速發(fā)展的長三角城市群為研究區(qū)域,結(jié)合2001—2010年間的碳排放數(shù)據(jù)、NPP數(shù)據(jù)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(tài)景觀格局和碳收支的時空關(guān)聯(lián),研究城市景觀格局指數(shù)對碳收支時空分布的驅(qū)動影響及其交互作用關(guān)系,為城市形態(tài)優(yōu)化、生態(tài)環(huán)境保護和低碳綠色城市發(fā)展提供基礎(chǔ)支撐。

1 研究區(qū)域與數(shù)據(jù)源

1.1 研究區(qū)概況

長三角城市群位于中國長江的下游地區(qū)(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(qū)域總面積35.8萬km2。長三角城市群作為我國經(jīng)濟發(fā)展最活躍、開放程度最高、創(chuàng)新能力最強的區(qū)域之一,以全國3.74%的國土面積和16%人口,創(chuàng)造了全國超過1/5的經(jīng)濟總量,國內(nèi)生產(chǎn)總值(GDP)約為23.49%[33]。然而,隨著經(jīng)濟的快速發(fā)展,城市化、工業(yè)化進程不斷推進,使得長三角城市群能源消費迅速增加,導(dǎo)致碳排放量逐年增長,使得碳收支量下降,引發(fā)了氣候變暖、海平面上升等環(huán)境問題,也嚴重威脅長三角城市群的可持續(xù)發(fā)展,迫切需要深入探索長三角城市群城市形態(tài)格局對碳收支的影響。

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

1.2 數(shù)據(jù)來源

本文實驗數(shù)據(jù)包括2001、2005、2010年研究區(qū)域同期的碳排放數(shù)據(jù)、NPP數(shù)據(jù)、土地利用數(shù)據(jù)、氣溫數(shù)據(jù)、降水數(shù)據(jù)和土壤數(shù)據(jù)。

圖2 長三角城市群城市空間形態(tài)與碳收支耦合時空關(guān)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(chǎn)力 Net Primary Productivity;Rs：土壤呼吸The soil respiration;NEP：凈生態(tài)系統(tǒng)生產(chǎn)力 Net Ecosystem Productivity

2001、2005和2010年碳排放數(shù)據(jù)來自O(shè)DIAC2019網(wǎng)格化碳排放數(shù)據(jù)集(tC/km2),ODIAC是一種人為二氧化碳開源數(shù)據(jù)清單。該數(shù)據(jù)是基于國家級化石燃料碳排放估計量、全球燃料消耗統(tǒng)計數(shù)據(jù)、多源夜間燈光數(shù)據(jù)和CARMA發(fā)電廠數(shù)據(jù)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(shù)據(jù)的檢驗結(jié)果表明,ODIAC2019數(shù)據(jù)可以有效分配全球、區(qū)域、國家和城市規(guī)模的二氧化碳排放量。

NPP數(shù)據(jù)來源于中國科學(xué)院資源環(huán)境科學(xué)與數(shù)據(jù)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(chǎn)力,模型估算的精度較高且應(yīng)用較廣泛。同時,該NPP數(shù)據(jù)集的可公開獲取年份只到2010年,受實驗數(shù)據(jù)年份限制,本文研究選擇2001、2005和2010年的NPP數(shù)據(jù)集進行碳收支分析。

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

2001、2005和2010年土地利用數(shù)據(jù)來源于歐航局(http://maps.elie.ucl.ac.be/CCI/viewer/)。該數(shù)據(jù)包括農(nóng)田、草原、城市建成區(qū)、水體共22類土里利用類型,本文利用城市建成區(qū)土地利用類型提取城市景觀格局指數(shù)。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(tài)系統(tǒng)生產(chǎn)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(tài)系統(tǒng)生產(chǎn)力(NEP)數(shù)據(jù)由NPP數(shù)據(jù)、氣溫數(shù)據(jù)、降水數(shù)據(jù)、土壤有機碳含量數(shù)據(jù)和土壤數(shù)據(jù)計算得到。凈生態(tài)系統(tǒng)生產(chǎn)力是指凈第一生產(chǎn)力中再減去異養(yǎng)呼吸所消耗的光合產(chǎn)物碳通過陸地生態(tài)系統(tǒng)循環(huán)的部分。凈生態(tài)系統(tǒng)生產(chǎn)力是植被生態(tài)系統(tǒng)碳的凈吸收或凈儲存,可以定量描述植被生態(tài)系統(tǒng)碳源/匯的能力。當NEP>0時,表示生態(tài)系統(tǒng)發(fā)揮碳匯功能,反之則為碳源[36—37]。凈生態(tài)系統(tǒng)生產(chǎn)力的表達公式為：

NEP=NPP-Rh

(2)

式中,NEP為年凈生態(tài)系統(tǒng)生產(chǎn)力(kg C m-2a-1),NPP為年凈初級生產(chǎn)力(kg C m-2a-1),Rh為年土壤異養(yǎng)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(shù)據(jù),采用多種回歸模型對Rs和Rh間的關(guān)系進行推導(dǎo),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(jīng)驗的半機械模型,包括氣候和土壤性質(zhì)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(jié)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(tài)與景觀格局指數(shù)選取

景觀格局指數(shù)是高度濃縮的景觀格局信息,是反映景觀結(jié)構(gòu)組成、空間配置特征的簡單量化指標[40]。景觀形態(tài)指數(shù)被廣泛用于研究城市空間發(fā)布模式,分析城市形態(tài)特征[41]。迄今為止,學(xué)者們已經(jīng)使用了大量的景觀形態(tài)指數(shù)來探索城市形態(tài)對二氧化碳排放的影響[42]。本文在參考上述研究的基礎(chǔ)上,并顧及到更全面地描述城市空間形態(tài),選取了表1中的6個景觀形態(tài)指標來描述城市形態(tài)格局,其中①斑塊類型面積CA即是城市建成區(qū)總面積,可以描述城市擴張現(xiàn)象；②城市斑塊數(shù)量NP可以描述城市建成區(qū)的分散破碎程度；③最大斑塊指數(shù)LPI即是城市建成區(qū)中最大斑塊的面積占比,可以描述城市建成區(qū)聚集程度,從而分析城市核心動態(tài)；④景觀形狀指數(shù)LSI可以描述城市建成區(qū)內(nèi)部的不規(guī)則程度；⑤邊緣密度ED即是城市建成區(qū)邊緣周長與面積之比,可以描述城市的形態(tài)復(fù)雜程度；⑥城市建成區(qū)斑塊密度PD即是單位面積的斑塊數(shù)量,描述了城市內(nèi)部的連通程度。

表1 景觀格局指數(shù)及其意義

2.3 城市形態(tài)與碳收支相關(guān)性分析

本文從城市層面上選取了6個景觀格局指數(shù),分析了長三角城市群城市形態(tài)與碳收支的相關(guān)性。在此基礎(chǔ)上,采用地理加權(quán)回歸分析方法分析城市形態(tài)對區(qū)域碳收支量的影響。

地理加權(quán)回歸(Geographical Weighted Regression,GWR)模型在1996年提出,其模型基礎(chǔ)基于普通線性回歸模型,在計算回歸參數(shù)時同時考慮了空間數(shù)據(jù)位置信息。GWR沿用了局部回歸的思想,遵循“地理學(xué)第一定律”,將數(shù)據(jù)的地理位置嵌入到回歸參數(shù)之中,可以實現(xiàn)對參數(shù)的局部估計,進而分析城市形態(tài)指數(shù)對碳收支的影響[43]。地理加權(quán)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(shù),(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(shù)在城市i的值,k為城市形態(tài)指數(shù)的個數(shù),εi代表殘差。

2.4 城市形態(tài)指數(shù)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(tài)指數(shù)對碳收支影響程度,同時分析各城市形態(tài)指數(shù)的交互作用影響,為實現(xiàn)長三角城市群低碳可持續(xù)發(fā)展提供科學(xué)參考。地理探測器是探測空間分異性,以及揭示其背后驅(qū)動力的一組統(tǒng)計學(xué)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(guān)鍵交互因子并分析其空間疊加交互效應(yīng)[45]。

3 結(jié)果與分析

3.1 長三角城市群碳收支的時空格局

采用NPP數(shù)據(jù)、碳排放數(shù)據(jù),應(yīng)用公式1得到碳收支結(jié)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(xiàn)南部高,北部次之,東部低的特征,且同一時期不同地區(qū)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(qū)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(xiàn)為碳源；碳收支量最高值的地區(qū)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(qū)碳排放量較少,植被綠化較多,呈現(xiàn)為碳匯。

2005年,碳收支量顯著減少,碳排放量呈現(xiàn)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(xiàn)低值,碳排放量顯著增加；碳收支量最高值地區(qū)仍為麗水市。南部地區(qū)、北部地區(qū)碳匯減少,且北部地區(qū)有較多地區(qū)呈現(xiàn)碳源。

2010年,長三角城市群碳收支最大值地區(qū)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(qū)呈現(xiàn)為碳源；南部地區(qū)碳匯增加,碳收支量也隨之增加；北部地區(qū)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(tài)指數(shù)與碳收支的時空關(guān)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(quán)回歸分析。統(tǒng)計結(jié)果見表2,從2001年到2010年,中國發(fā)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(tài)也變得越來越復(fù)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(jié)果表明,快速的城市化進程導(dǎo)致城市擴張,城市復(fù)雜性、分散破碎程度增加,城市形態(tài)更加不規(guī)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(tài)與碳收支統(tǒng)計

地理加權(quán)回歸模型結(jié)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(jīng)歷了先上升后下降的趨勢,模型能較好地評估城市形態(tài)指標對碳收支的影響。

表3 地理加權(quán)回歸模型整體結(jié)果

從圖4可以看出,斑塊類型面積(CA)指數(shù)與長三角城市群碳收支呈負相關(guān),表明城市擴張會減少碳收支量。2001年斑塊類型面積指數(shù)回歸系數(shù)絕對值的高值區(qū)(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(qū)集中在北部如徐州、宿州、連云港等城市,大部分地區(qū)的回歸系數(shù)介于-0.534—-0.385；到2005年,斑塊類型面積指數(shù)對碳收支的影響程度增加,高值向中部地區(qū)傾斜,如無錫、宣城、杭州等城市；2010年,斑塊類型面積指數(shù)對碳收支的影響程度在中部、北部地區(qū)有所下降,大部分城市的回歸系數(shù)介于-0.806—-0.534。

圖4 長三角城市群斑塊類型面積(CA)指數(shù)回歸系數(shù)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(shù)量(NP)指數(shù)回歸系數(shù)空間分布可以看出,長三角城市群碳收支與城市斑塊數(shù)量呈負相關(guān),表明城市建成區(qū)越分散越不利于碳收支增長。2001年,回歸系數(shù)絕對值高值區(qū)集中在六安、安慶、淮南、麗水和溫州,回歸系數(shù)絕對值低值區(qū)出現(xiàn)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(shù)量指數(shù)碳收支的影響有所增加,呈現(xiàn)出南通、上海由東向西六安、安慶等地區(qū)逐漸降低的空間分布。2010年,城市斑塊數(shù)量指數(shù)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(qū)。

圖5 長三角城市群城市斑塊數(shù)量(NP)指數(shù)回歸系數(shù)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(shù)回歸系數(shù)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(guān),其回歸系數(shù)在研究期間逐年上升,說明城市形態(tài)越復(fù)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(shù)回歸系數(shù)空間分布總體呈現(xiàn)出從北部到南部逐漸升高的趨勢,回歸系數(shù)高值在東部沿海地區(qū),低值在北部地區(qū)。2005年,邊緣密度回歸系數(shù)呈現(xiàn)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(qū)域仍在上海、南通、寧波地區(qū)。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(qū)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(shù)回歸系數(shù)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(shù)(LPI)回歸系數(shù)的空間分布,圖中可以看出最大斑塊指數(shù)與碳收支呈明顯的負相關(guān)性,表明城市單核發(fā)展不利于碳收支增長。2001年,最大斑塊指數(shù)對碳收支的影響程度在空間上呈現(xiàn)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(shù)絕對值最高值地區(qū)是上海和寧波,回歸系數(shù)絕對值低值區(qū)集中在馬鞍山、蕪湖等中部城市。2010年,最大斑塊指數(shù)對碳收支的影響程度出現(xiàn)以南京、馬鞍山、蕪湖、鎮(zhèn)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(shù)(LPI)回歸系數(shù)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(shù)(LSI)回歸系數(shù)的空間分布圖中可以看出,景觀形狀指數(shù)與碳收支呈負相關(guān),表明城市內(nèi)部越不規(guī)則越不利于碳收支的增長。2001年,回歸系數(shù)絕對值高值區(qū)在六安市,絕對值低值區(qū)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(qū)。2005年,空間分布發(fā)生明顯差異,回歸系數(shù)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(qū)如淮北、連云港等城市。2010年,景觀形狀指數(shù)對碳收支的影響程度總體擴大,回歸系數(shù)絕對值高值地區(qū)從上海擴散到鎮(zhèn)江、湖州等城市。

圖8 長三角城市群景觀形狀指數(shù)(LSI)回歸系數(shù)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(qū)斑塊密度(PD)回歸系數(shù)的空間分布,圖中可以看出城市建成區(qū)斑塊密度與碳收支呈明顯的正相關(guān)性,表明城市內(nèi)部連通性提高對碳收支有促進作用。2001年,城市建成區(qū)斑塊密度對碳收支的影響較小。2005年城市建成區(qū)斑塊密度對碳收支影響有所增長,回歸系數(shù)最高值城市為上海市,低值地區(qū)有所減少。2010年,城市建成區(qū)斑塊密度回歸系數(shù)高值主要集中在上海等沿海城市,回歸系數(shù)最低值城市是徐州市。

圖9 長三角城市群城市建成區(qū)斑塊密度(PD)指數(shù)回歸系數(shù)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(tài)指數(shù)對碳收支的影響及指數(shù)交互探測

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

圖10 2001—2010年景觀格局指數(shù)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(qū)動因素之間的交互影響,結(jié)果如表4—6所示,交互檢測結(jié)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(zhì)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(zhì)性影響程度相對較高的關(guān)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(zhì)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(qū)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(jié)果

表5 2005年交互檢測結(jié)果

表6 2010年交互檢測結(jié)果

4 討論

本文研究評估了城市形態(tài)對碳收支的影響,揭示了城市形態(tài)與碳收支的時空關(guān)系,結(jié)果表明碳收支的空間模式與城市形態(tài)有較大的相關(guān)性。

(1)城市碳收支與人口、經(jīng)濟等發(fā)展水平的適應(yīng)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(jīng)濟發(fā)展、城市化發(fā)展相同步。2001—2010年,長三角城市群經(jīng)濟快速發(fā)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(dǎo)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(zhì)性,總體呈現(xiàn)南部高,北部次之,東部低的特征,且同一時期不同地區(qū)碳收支量差異明顯,主要是由于各地經(jīng)濟發(fā)展水平、人口規(guī)模、科技水平和產(chǎn)業(yè)結(jié)構(gòu)等因素發(fā)展不平衡導(dǎo)致各地碳源/匯出現(xiàn)差異。2001—2010年,長三角城市群經(jīng)濟高速發(fā)展,城市化水平不斷提高,從而驅(qū)動碳排放量增加,部分地區(qū)碳收支量減少,但總體來說長三角生態(tài)狀況良好。

(2)城市碳收支的空間形態(tài)景觀指數(shù)響應(yīng)性

本文選取了6個景觀格局指數(shù)從城市擴展、城市分散性、城市單核化、城市不規(guī)則性、城市形狀的復(fù)雜性和城市連續(xù)性來描述城市形態(tài),并分析城市形態(tài)對區(qū)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(guān)性,表明城市建成區(qū)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(chǎn)業(yè)如工業(yè)的快速發(fā)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(zhuǎn)變?yōu)槌鞘薪ǔ蓞^(qū),因此城市擴張導(dǎo)致碳收支量大幅減少,未來控制城市用地擴張應(yīng)成為低碳城市關(guān)注的重點。

NP描述城市分散性,城市斑塊數(shù)量越多,城市分散破碎程度越高。城市形態(tài)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(tài)增加了城市生產(chǎn)生活成本,產(chǎn)生更多的能源消耗碳排放,如分散破碎的城市形態(tài)增加了交通運輸相關(guān)的能源消耗碳排放,規(guī)則緊湊的城市形態(tài)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(xù)發(fā)展。

LPI描述一個城市區(qū)域以單核發(fā)展模式為特征的程度,LPI值越大,內(nèi)部斑塊越聚集,越單核化。LPI與碳收支存在顯著的負相關(guān)性,建成區(qū)內(nèi)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(jié)論相一致,單核模式的城市形態(tài)發(fā)展會增加碳排放量,因此應(yīng)該發(fā)展多核城市發(fā)展模式。

LSI描述城市不規(guī)則性,LSI與碳收支呈負相關(guān),表明城市越不規(guī)則碳收支量越低,規(guī)則的城市結(jié)構(gòu)有利于提高土地利用效率和強度,實現(xiàn)城市建成區(qū)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(fā)展。

ED描述城市形狀復(fù)雜性,能夠衡量城市邊界的復(fù)雜性程度。ED對碳收支存在顯著正相關(guān),ED值越高,城市邊界越復(fù)雜,意味著復(fù)雜的城市形態(tài)對碳收支有促進作用。由于政府的干預(yù)作用,產(chǎn)業(yè)集聚現(xiàn)象使企業(yè)間良性競爭,利用創(chuàng)新技術(shù)降低碳排放強度,能源結(jié)構(gòu)優(yōu)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(xù)性,衡量城市形態(tài)的連接程度。城市的連通性提高,城市更緊湊,發(fā)展更連續(xù),PD與碳收支呈正相關(guān),城市內(nèi)部連通性提高對碳收支有促進作用。城市內(nèi)部連通性有利于公共交通發(fā)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(xù)使得工業(yè)產(chǎn)生集群效應(yīng),減少運輸和存儲成本等,使得工業(yè)能源碳排放減少,從而增加碳收支量。緊湊和連續(xù)的城市區(qū)域可以減少二氧化碳排放和實現(xiàn)城市可持續(xù)發(fā)展。

(3)城市碳收支的驅(qū)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(shù)因子對碳收支的空間異質(zhì)性影響程度及兩個驅(qū)動因素之間的交互影響。在研究期間,建成區(qū)總面積是碳收支空間異質(zhì)性的主要驅(qū)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(jīng)濟發(fā)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(qū)斑塊密度影響程度次之。

交互檢測結(jié)果表明,所有交互因子對碳收支空間異質(zhì)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(zhì)性影響程度較高,2001—2010年,長三角城市群城市快速發(fā)展,城市格局發(fā)生變化,城市建成區(qū)斑塊數(shù)量增多,同時斑塊形狀復(fù)雜,使得城市分散性和復(fù)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(zhì)性影響程度增加；城市用地擴張使得土地利用類型發(fā)生改變,而城市的擴張偏向單核發(fā)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(guī)則性與單核發(fā)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(guī)則性發(fā)展,使得城市增加了生產(chǎn)生活成本,降低了交通可達性,而單中心發(fā)展使人口過度聚集,導(dǎo)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(tài)與碳收支的關(guān)系,但是如何分城市規(guī)模和分產(chǎn)業(yè)分析城市形態(tài)與碳收支的關(guān)系還有待進一步研究。處于不同發(fā)展階段城市的城市形態(tài)與碳收支的時空關(guān)系可能存在較大差異,此外城市形態(tài)與不同產(chǎn)業(yè)能源碳排放的關(guān)系也可能具有差異性,后續(xù)研究將對處于不同發(fā)展階段的城市分別構(gòu)建城市形態(tài)與碳收支的關(guān)系模型,同時分產(chǎn)業(yè)分析城市形態(tài)與能源碳排放的關(guān)系。最后,本文使用土地利用數(shù)據(jù)的城市建成區(qū)計算得到景觀格局指數(shù),后續(xù)研究考慮引入多源數(shù)據(jù)來反映城市空間形態(tài),以及更新部分數(shù)據(jù)集以提高研究的時效性。

5 結(jié)論

為了應(yīng)對全球氣候變化,制定城市的低碳發(fā)展戰(zhàn)略,城市形態(tài)對碳收支的影響逐漸受到重視,但是系統(tǒng)地量化城市形態(tài)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(qū)域,利用地理加權(quán)回歸模型量化了城市形態(tài)與碳收支的時空關(guān)系,并使用地理探測器分析了碳收支的驅(qū)動因素,得到如下結(jié)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(xiàn)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(tài)與碳收支存在顯著的時空關(guān)系,城市景觀格局指數(shù)與碳收支的回歸系數(shù)有著明顯時空差異；(3)建成區(qū)面積擴張是碳收支空間異質(zhì)性的主要驅(qū)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(jié)論可以為探索城市碳收支格局、優(yōu)化城市形態(tài)和實現(xiàn)城市低碳可持續(xù)發(fā)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(jīng)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(zhàn)。本文結(jié)果表明,優(yōu)化城市形態(tài)能有效減少城市碳排放量,城市在發(fā)展過程中應(yīng)降低建成區(qū)的分散破碎程度,提高城市土地利用效率和城市內(nèi)部連通性、規(guī)則性,實現(xiàn)城市多核發(fā)展模式,以此提高城市碳收支水平,未來城市規(guī)劃實踐應(yīng)考慮不同城市形態(tài)模式對碳收支的影響。