面向空間使用活動數據的城市建成區碳核算方法研究

摘 要 氣候變化是全世界正在面對的重大威脅，實現碳達峰、碳中和目標已成為中國重要的城市發展戰略。碳核算是監測城市碳排放情況，調控低碳城市建設的重要技術手段。以城市建成區為碳核算范圍，并將城市碳核算方法與城市空間要素相銜接，這對于實現城市“雙碳”目標發展具有極強的現實意義。以黑龍江省哈爾濱市為研究對象，總結分析其15年間的能源活動數據與空間使用活動數據，構建城市建成區碳核算體系與面向城市空間使用活動數據的城市建成區碳核算方法，并將核算結果與能源使用碳核算結果進行對比，驗證核算方法的準確性。在此基礎上，提出構建城市碳中和路徑預測、開展低碳城市建設專項評估等碳核算方法應用路徑，為國土空間規劃助力“雙碳”目標的實施提供技術支撐。

關 鍵 詞 碳達峰碳中和；建成區；空間使用活動數據；碳核算；應用路徑

文章編號 1673-8985 （2024）04-0009-08 中圖分類號 TU984 文獻標志碼 A DOI 10.11982/j.supr.20240402

0 引言

為有效應對氣候變化為全球帶來的風險，中國在第七十五屆聯合國大會上正式提出“2030年實現碳達峰、2060年實現碳中和”的莊嚴承諾。城市作為人類生產生活的聚集地，是高能耗高碳排放的主要場所，其溫室氣體排放量占全球80%以上[1-2]。已有研究表明，城市空間要素的合理布局與高效統籌是降低區域碳排放的有效方法[3-4]。因此，建立低碳可持續的城市發展路徑是實現“雙碳”目標的重要技術方法。

隨著我國國土空間規劃的全面實施，助力“雙碳”目標、實現城市低碳化發展已成為城市建設的重要方向[5-6]。目前，城市碳核算方法已成為低碳城市規劃研究領域重要的技術手段[7-9]。但受到核算方法與路徑的限制，現階段常用的碳核算方法存在與空間要素的耦合性不足、城市碳核算范圍與中心城區層面國土空間總體規劃范圍不一致等問題。為提升城市碳核算方法對國土空間總體規劃的助力與技術支持，本文依據“核算體系—基準制定—方法構建—結果核驗”的技術傳導路徑，構建面向空間使用活動數據的城市建成區碳核算方法，并以黑龍江省哈爾濱市為研究對象驗證核算精度。在此基礎上，提出這一碳核算方法在國土空間規劃中的應用路徑。

1 城市碳核算方法特征與問題

現階段，城市碳核算方法主要分為以能源使用數據為依據的生產端碳核算法（PBA），以及以經濟投入產出數據為依據的消費端碳核算法（CBA）[10-12]。其中，《IPCC國家溫室氣體清單》作為世界氣象組織（WMO）和聯合國環境規劃署（UNEP）共同建立的政府間氣候變化專門委員會發布的生產端碳核算模型，是世界各國與城市建立溫室氣體排放清單過程中較為權威的方法[13]。此方法將區域碳排放劃分為能源活動、工業過程和產品使用、農林業和其他土地利用、廢棄物處理4類部門，利用能源活動數據核算各部門碳排放量并逐級匯總，最終計算區域溫室氣體排放情況。由于其在全球范圍內氣候監測報告中的廣泛應用，許多城市及地區均依據能源活動數據對城市碳排放量進行核算，并編制城市溫室氣體排放清單。城市決策者與相關研究人員可以依據核算結果，清晰判斷城市中各類能源使用活動變化對于碳排放量的影響，監測城市碳排放結構的變化情況。因此，這一方法也成為城市規劃領域最為常用的城市碳核算技術[14-16]。雖然面向能源活動數據的碳核算方法有諸多優點，但在城市空間建設與研究領域，這一核算體系與城市空間要素的耦合性不足，核算結果與空間要素的關聯性較低，對國土空間規劃的反饋、互動與支撐不足[17]。

為增強碳核算結果與空間要素的相關性，探究如何構建基于城市空間要素的碳核算方法成為重要的研究方向[18]。部分學者利用夜間燈光數據探究城市碳排放的時間演化規律與空間分布特征，初步建立了城市空間要素與碳排放的耦合性關系[19-22]。隨著城鄉空間發展的減排機制相關研究逐步深入，有學者基于城鄉用地分類、城市溫室氣體排放清單部門劃分和城市空間減排路徑，建立“土地利用—碳排放”關聯框架，構建以用地規模為主要要素的城市碳核算方法，并先后在北京、上海等城市進行實踐性研究[23-25]。這一階段的研究涉及的城市空間要素較為單一，主要運用各類用地規模、地均活動水平等數據，且部分關鍵活動數據獲取難度較大。為進一步構建具有普適性的城市空間要素碳核算方法，學者們提出以國家溫室氣體清單框架為基礎，將能源消費部門拆解，轉化為承載能源消費活動的相關城市用地使用數據，并構建“空間布局—用地類型—部門劃分—模型方法”的研究框架，聚焦于工業、建筑、交通、碳匯領域，依據城市空間中的活動數據建立了國土空間總體規劃碳核算方法[26]。在此基礎上，有學者利用這一技術路線，面向自然資源全要素，構建市級國土空間總體規劃碳評估計算框架，并以武漢市為例進行計算驗證[27]。現階段，面向城市空間要素碳核算方法的探索已取得一定進展，但此類研究大多以市域為核算范圍，反映國土空間全要素的現狀碳排放情況。此方法在建設用地規模較大、建設強度較高的城市區域適用性較好，但對于農業型與礦產資源型城市的核算結果誤差較大，核算結果也無法清晰反映城市的發展建設水平，對中心城區層面的國土空間總體規劃的指導性較弱。

綜上所述，現階段面向能源活動數據的城市碳核算方法已取得廣泛應用，但這一核算方法與空間要素的耦合性不足，核算結果對空間規劃的支撐作用較弱。在城市規劃領域，許多學者逐步探索城市空間要素碳核算體系，并取得一定進展。然而，目前多數研究的城市碳核算范圍與中心城區層面國土空間總體規劃范圍不一致，導致其在部分資源型城市中的核算結果誤差較大，且對于城市建設用地空間變化的指導與反饋不足。因此，建立以城市空間使用活動要素為基礎，與市級國土空間規劃建成區范圍相匹配的城市碳核算方法尤為重要。

2 建立城市建成區碳核算體系與基準數據

為增強城市碳核算結果與中心城區層面國土空間總體規劃間的適配性與支持性，應構建具有普適性的城市建成區碳核算方法。在這一過程中，需要建立適宜城市建成區范圍的碳核算體系，并利用能源活動數據對案例城市建成區碳排放量進行核算，以定義基準數據，為后文中核算方法的建立奠定基礎，為核算結果的驗證提供標準。

2.1 建立城市建成區碳核算體系

《IPCC國家溫室氣體清單》作為各國溫室氣體排放清單編制過程中所運用的主要方法，具有較高的權威性與科學性。其作為市域及更大邊界范圍的碳排放核算方法，核算部門的劃分具有全面性與概括性。但對于城市建成區這一較小的核算范圍，這一劃分方式導致能源活動和廢棄物處理領域的碳核算范圍包含農林業等非建成區碳排放，且部分數據獲取難度較大。為此，本文以《IPCC國家溫室氣體清單》中所描述的碳核算方法為基礎，根據城市建成區碳排放特征與研究需求，將碳排放部門重新劃分，建立適用于城市建成區的碳核算體系（見圖1）。由于核算范圍的變化，城市建成區的碳核算體系與《IPCC國家溫室氣體清單》存在一定的不同。其中，城市建成區范圍內的電力碳排放被分配至各領域電力使用過程中，為避免重復計算，需要排除工礦業部門中的電力生產碳排放。除此之外，由于城市建成區中不包含農業用地，因此核算清單中不包含農業碳排放。通過核算體系的轉譯，將面向城市建成區的碳核算體系與《IPCC國家溫室氣體清單》相銜接，為后續構建碳核算方法奠定基礎。

2.2 案例城市概況

研究選取黑龍江省哈爾濱市作為案例城市，收集并整理其能源活動數據與空間使用活動數據，探究城市建成區范圍內的碳核算方法。為此，本文依據統計年鑒數據與遙感數據，提取2017—2021年哈爾濱市建成區范圍，并識別其變化情況，如圖2所示，其為具有代表性的年份建成區范圍示意圖。依據哈爾濱市統計年鑒，其市區范圍涵蓋九區，建成區面積逐年增長。其中，城市中心區涵蓋的六區始終呈擴張趨勢，尤其南、北兩個區域擴張最為明顯。而外圍三區中，位于西南側的雙城區與東南側的阿城區呈先收縮后增長的趨勢。

2.3 基于能源活動數據制定城市建成區碳核算基準數據

為建立精準的城市建成區碳排放量核驗過程基準數據，應當依托現階段最為常用的能源活動數據，對城市建成區內各碳排放部門進行詳細計算。而由于核算主體的變化，具體的核算過程同樣需要進行調整。為此，本文以城市建成區核算體系為基礎，利用IPCC模型對城市建成區內各領域碳排放量進行核算，進而構建面向能源活動數據的城市建成區碳核算方法（見表1）。通過此方法，可以查閱城市統計年鑒、城市能源統計年鑒等文件，獲取城市建成區范圍內的能源活動數據。在這一過程中，相關數據收集主要依據統計年鑒中市區范圍的能源使用情況，并剔除農業活動相關數據，最終匯總為建成區能源活動數據。再根據各類能源折算標準煤參考系數表，將部分難以計算的能源消耗數據（如原煤、焦炭、汽油、柴油等）轉化為標準煤消耗量。在此基礎上，根據省級溫室氣體清單編制指南、國家溫室氣體清單等碳核算指南內容，獲取電力、標準煤等能源活動碳排放系數，構建適宜城市建成區的碳核算方法。

根據上文中所總結的城市建成區碳核算方法，研究依據哈爾濱市2007—2021年建成區能源活動數據，對城市建成區各部門碳排放進行核算，并作為基準數據（見圖3）。依據核算結果，哈爾濱市建成區的碳排放總量整體呈上升趨勢。其中工礦業部門碳排放占比最高，占總量的50%以上，且呈波動式上升趨勢。但隨著城市發展與產業轉型，其占總量比例逐漸降低。根據工礦業部門能源活動特征，2016年工業生產總用能達到1 862.34萬t標準煤，達到第一個用能峰值，并于2020年達到2 085.58萬t標準煤。其中，金屬冶煉、原油加工與食品加工制造是消耗能力最多的3類產業。在各碳排放部門中，僅有交通部門的碳排放量呈現下降的趨勢。依據其能源活動數據特征，受到近年來交通工具電氣化普及的影響，交通部門中汽油和柴油的使用比例逐漸降低，而電力使用比例逐年增加。尤其2018年起哈爾濱市開始實施《哈爾濱市打贏藍天保衛戰三年行動計劃實施方案》，在交通領域要求推動城市建成區公交、公共服務和社會領域應用新能源車，逐步擴大公務用車新能源汽車配備比例。城市公交車、出租車應用清潔能源或新能源汽車比例需要分別達到94%、80%。因此，自2018年起建成區范圍內用于交通運輸的汽油與柴油消耗量快速下降。而電力能源消耗快速增長，并于2020年達到最高。由于電力碳排放系數遠低于其他化石能源，進而導致其碳排放量呈下降趨勢。通過能源活動數據碳核算結果，可以清晰地揭示城市建成區范圍內的碳排放變化特征，并準確分析能源使用變化情況對于碳排放量的影響，其結果受到學界普遍認可。將這一核算結果作為基準數據，可以為后文中的精度驗證提供有力支撐。

3 面向空間使用活動數據的城市建成區碳核算方法

為增強碳核算方法與城市空間要素的耦合性，研究提取城市建成區范圍內的人類活動與空間使用數據。依據面向能源活動數據的城市建成區碳核算方法，利用空間使用活動數據替換各碳核算部門中的能源使用數據，最終建立基于城市空間要素的建成區碳核算方法。為證明核算方法的科學性，進一步將核算結果與基準數據對比，以驗證核算精度。

3.1 建立面向空間使用活動數據的城市建成區核算方法

以城市建成區碳核算體系為基礎，研究利用城市空間使用活動數據對各子部門碳排放量進行核算，并構建面向空間使用活動數據的城市建成區核算方法（見表2）。這一核算方法中，大部分城市空間基礎數據與空間使用活動數據均可通過查閱規劃圖紙、文本或各級統計年鑒獲取，而私家車年均出行距離則需要依靠城市交通調查報告或發放問卷的方式獲取。在本研究中，私家車年均出行距離相關數據主要依據高德交通《中國主要城市交通分析報告》與《滴滴出行城市交通出行報告》。但此報告中具有詳細交通出行數據的城市較少，其他城市的相關數據則需要依靠發放居民出行調查問卷等方式獲取。與基于能源數據的碳核算方法相比，此方法可以在城市建成區碳核算過程中擺脫對能源數據的依賴，轉而利用空間活動相關數據，讓碳核算結果更具時效性。核算結果也可以清晰反映城市空間發展與空間活動變化對于城市碳排放的影響情況，為低碳城市空間規劃提供支持與助力。

3.2 面向空間使用活動數據的哈爾濱市建成區碳核算結果與精度驗證

依據空間使用活動碳核算方法，研究篩選各級統計年鑒、交通調查報告等文件，獲取哈爾濱市空間基礎數據與空間活動數據，對建成區碳排放總量及各部門碳排放量進行核算，并將核算結果與能源使用活動碳核算結果進行對比（見圖4）。核算結果整體與能源數據核算結果較為接近。其中，建筑部門整體變化趨勢相同，但數值存在一定差異。而交通部門在2013—2017年間的核算結果差異較大，主要由于這一時期的私家車出行數據僅能依靠統計年鑒中的人均出行支出與臨近年份的交通調查報告結果進行估算，導致誤差較大。其余年份則可以使用城市交通調查報告相關數據，核算結果差異較小。依據核算結果，可以清晰反映城市空間變化對于碳排放的影響情況。其中，2015年起建成區范圍內工礦倉儲用地快速擴張，由96 km2增長至114.82 km2，工礦業部門碳排放量也隨之快速增長。在建筑部門中，住宅建筑碳排放量占比由2007年的52%增長至2021年的74.6%。住宅建筑面積的快速增長是導致這一現象的直接原因。相比之下，商業服務業設施用地面積增速則較為平緩，其碳排放量增長速度也較為緩慢。而在市政領域，隨著建成區面積擴張，供水管道長度增加與集中供熱面積的增長對此部門碳排放量的影響最為顯著。

為更加科學驗證空間活動碳核算方法的準確性，研究利用回歸分析法對空間使用活動碳核算結果與能源活動碳核算結果進行精度驗證。由于雙方法中碳匯部門的核算方法相同，驗證過程中需去除這一部門數據，將碳排放總量與其余部門的核算結果匯總并進行精度驗證（見圖5，表3）。根據驗證結果，兩種方法核算結果的相關性達99.2%，標準誤差為304.3，模型顯著性較好。由此可判斷，空間使用活動碳核算結果的準確度較好，同能源使用碳核算結果的差異性較低，具有實踐應用價值。

為進一步驗證各部門的核算方法是否準確，研究將除碳匯部門外的各部門雙方法核算結果分別進行精度驗證（見表4）。各部門的精度驗證結果較好，雙方法核算結果的相關性均在95%以上，顯著性良好。其中，建筑部門的驗證結果標準誤差僅為6.9，這一部門核算方法的精度最高。而交通部門受到數據收集難度的影響，誤差相對較大。

與能源活動碳核算方法相比，面向空間使用活動的碳核算方法可以依據城市的空間特征，對建成區范圍內的碳排放量進行核算。其中，建筑部門核算結果受到建筑空置率和單位面積能耗統計值的準確度影響較大，準確的統計數據能保證空間使用活動碳核算結果接近能源核算結果。在交通部門中，私家車出行數據對核算精度有較大影響。但統計年鑒中幾乎不會對相關數據進行官方統計，只能依靠城市交通調查報告或發布統計問卷對相關數據進行整理，可能導致些許誤差。而在其他部門的核算過程中，核算過程中的相關數據均可通過查閱各級統計年鑒與溫室氣體清單獲取，核算結果準確度較高。總體而言，面向空間使用活動的碳核算方法的核算結果與能源核算結果數值上較為接近，數據獲取較為簡單，具有較強的普適性。同時，由于此方法與城市空間要素關聯性強，可以根據城市建成區空間變化對核算結果進行實時調整，減少對于能源活動數據的依賴，具有更好的靈活性與可拓展性。綜上所述，構建面向空間使用活動數據的城市建成區碳核算方法，是助力“雙碳”目標實施、輔助國土空間規劃建立低碳城市的重要技術手段。

4 面向空間使用活動數據的城市建成區碳核算方法應用路徑

隨著面向空間使用活動數據的城市建成區碳核算方法的逐步建立與完善，這一核算方法可被應用于中心城區層面國土空間總體規劃的編制與監測評估過程中。在編制層面，碳核算方法可用于預測規劃方案的減碳水平，協助低碳城市發展建設決策。在監測評估層面，可依據碳核算方法建立低碳城市評估指標，進而構建評價低碳城市建設水平的科學技術方法。

4.1 依據城市建成區碳核算方法構建城市碳中和路徑預測

城市碳排放預測是指導低碳城市建設，預測城市發展路徑的有效技術方法。現階段的預測方法大多以城市人口、能源使用、經濟發展等數據為基礎，對市域范圍碳排放總量的變化情況進行模擬預測。但其中部分數據獲取難度較高，與城市空間要素關聯性較弱，且預測結果無法根據城市建設與發展進行周期性調整。而隨著面向空間使用活動數據的城市建成區碳核算方法逐步拓展，可以依托神經網絡算法建立時間序列城市建成區碳排放預測模型。這一預測模型與城市建成區空間使用活動要素緊密銜接，可以根據國土空間規劃調整與城市空間變化對碳排放情況進行實時預測，并清晰反映城市空間規劃策略的減碳效果。同時引入多情景模擬預測技術，設定基準情景、低碳情景與高碳情景等城市發展情景，建立多發展情景下的城市空間要素碳排放預測模型與方法。

現階段，哈爾濱仍處于城市快速發展與建設階段，城市新區逐步擴張。將空間要素碳排放預測方法引入中心城區國土空間總體規劃的編制過程中，可以探究城市空間擴張與空間使用強度變化對于碳排放的影響情況，衡量規劃策略的減碳能力。相較于傳統的碳排放預測方法，基于空間要素的碳預測技術更加靈活。同時，可以依據城市建設現狀與規劃方案，探究城市未來建設用地擴張與變化過程。將空間變化的迭代數據帶入模型，讓預測結果更加準確。以預測結果為基礎，可以識別城市碳中和發展過程中的關鍵時間節點，進而指導城市空間低碳發展與規劃決策。

4.2 基于城市建成區碳核算分析開展低碳城市建設專項評估

為保證低碳城市發展與“雙碳”目標實施的穩步進行，我國相繼開展了多項低碳城市試點工作，并對相關工作進展進行評估。其中，低碳城市建設專項評估是輔助規劃決策，保障減碳策略落實的重要手段。在基于空間使用活動數據的城市建成區碳核算框架下，可以使用LMDI分解法，通過計算各核算要素產生的碳排放影響值變化情況，衡量各項要素的貢獻度及敏感度。其中，貢獻度可體現各類要素對于碳排碳匯變化量及變化速度的影響，敏感度可反映各類要素減排增匯的效率與能力[27]。通過對其中關鍵因子的提取，可以篩選對城市碳排放具有高影響力的空間使用活動要素，建立基于碳核算的低碳城市專項評估指標體系。指標體系的提出可以為國土空間規劃監測評估過程提供量化標準，為低碳城市空間資源優化提供技術支撐。

哈爾濱經濟技術開發區作為碳達峰試點園區，需要哈爾濱市在保證城市建設與經濟發展的同時盡快實現碳達峰碳中和目標。隨著低碳城市建設專項評估體系的建立，可以將評價指標應用于國土空間規劃的監測評估過程中。評估結果是科學準確衡量城市低碳建設水平，助力碳中和城市實施的重要技術手段。經濟開發區作為城市發展新區與碳達峰示范區，可以在城市建成區范圍的評價標準基礎上，依據碳核算結果與關鍵因子分析制定區域范圍內的評價體系，進而衡量規劃的合理性，指導區域建設。

5 結語

當前，我國碳達峰、碳中和目標戰略已為國土空間規劃提出了新的要求與愿景。構建銜接城市空間要素，適配中心城區國土空間總體規劃的碳核算技術，是促進低碳城市建設，助力“雙碳”目標實施的重要路徑。為此，本文以哈爾濱市為案例城市，采用“核算體系—基準制定—方法構建—結果核驗”的技術路線，構建面向空間使用活動數據的城市建成區碳核算方法。這一核算方法的建立使得城市建成區碳核算過程不再依賴能源數據，轉而同城市空間要素相關聯。核算結果更加清晰反映城市規劃編制與城市空間變化對碳排放的影響情況。在此基礎上，提出構建城市碳中和路徑預測與開展低碳城市建設專項評估的碳核算方法應用路徑，為面向碳中和目標的中

參考文獻 References

[1]LYNN378da124ed4f0bf37605628137ade45071f166288fa48cbac41dab733bd90105 J， PEEVA N. Communications in the IPCC's Sixth Assessment Report cycle[J]. Climatic Change， 2021， 169： 18.

[2]DHAKAL S. Urban energy use and carbon emissions from cities in China and policy implications[J]. Energy Policy， 2009， 37（11）： 4208-4219.

[3]LI Z， WANG F， KANG T， et al. Exploring differentiated impacts of socioeconomic factors and urban forms on city-level CO2 emissions in China： spatial heterogeneity and varying importance levels[J]. Sustainable Cities and Society， 2022， 84： 104028.

[4]NEWMAN P， KENWORTHY J. Sustainability and cities： overcoming automobile dependence[M]. Washington， DC： Island Press， 1998.

[5]熊健，盧柯，姜紫瑩，等. “碳達峰、碳中和”目標下國土空間規劃編制研究與思考[J]. 城市規劃學刊，2021（4）：74-80.

XIONG Jian， LU Ke， JIANG Ziying， et al. Research and thinking on the preparation of territorial spatial planning under the goal of "carbon peaking and carbon neutrality"[J]. Urban Planning Forum， 2021（4）： 74-80.

[6]鄭德高，羅瀛，周夢潔，等. 綠色城市與低碳城市：目標，戰略與行動比較[J]. 城市規劃學刊，2022（4）：103-110.

ZHENG Degao， LUO Ying， ZHOU Mengjie， et al. Green cities and low-carbon cities： comparison of goals， strategies and actions[J]. Urban Planning Forum， 2022（4）： 103-110.

[7]葉祖達. 碳排放量評估方法在低碳城市規劃之應用[J]. 現代城市研究，2009，24（11）：20-26.

YE Zuda. Application of carbon emission assess-ment methods in low-carbon urban planning[J]. Modern Urban Research， 2009， 24（11）： 20-26.

[8]鄭德高，吳浩，林辰輝，等. 基于碳核算的城市減碳單元構建與規劃技術集成研究[J]. 城市規劃學刊，2021（4）：43-50.

ZHENG Degao， WU Hao， LIN Chenhui， et al. Research on the integration of urban carbon reduction unit construction and planning technology based on carbon accounting[J]. Urban Planning Forum， 2021（4）： 43-50.

[9]陳可欣，陶韋華，方曉麗，等. 國土空間規劃中碳中和評估及規劃應用路徑研究[J]. 規劃師，2022，38（5）：134-141.

CHEN Kexin， TAO Weihua， FANG Xiaoli， et al. Research on carbon neutrality assessment and planning application paths in territorial spatial planning[J]. Planners， 2022， 38（5）： 134-141.

[10]PETERS G P. From production-based to consump-tion-based national emission inventories[J]. Ecological Economics， 2008， 65（1）： 13-23.

[11]GUAN D， MENG J， REINER D， et al. Structural decline in China's CO2 emissions through transitions in industry and energy systems[J].Nature Geoscience， 2018， 11： 551-555.

[12]WIEDMANN T. A review of recent multi-region input-output models used for consumption-based emission and resource accounting[J]. Ecological Economics， 2009， 69（2）： 211-222.

[13]陳紅敏. 國際碳核算體系發展及其評價[J]. 中國人口·資源與環境，2011，21（9）：111-116.

CHEN Hongmin. Development and evaluation of the international carbon accounting system[J]. China Population·Resources and Environment， 2011， 21（9）： 111-116.

[14]STEININGER K， LININGER C， DROEGE S， et al. Justice and cost effectiveness of consumption-based versus production-based approaches in the case of unilateral climate policies[J]. Global Environmental Change， 2014， 24： 75-87.

[15]LIN B， SUN C. Evaluating carbon dioxide emissions in international trade of China[J]. Energy Policy， 2010， 38（1）： 613-621.

[16]CHEN G， WIEDMANN T， WANG Y， et al. Transnational city carbon footprint networks - exploring carbon links between Australian and Chinese cities[J]. Applied Energy， 2016， 184： 1082-1092.

[17]徐一劍，李潭峰，徐麗麗. 國土空間總體規劃溫室氣體核算模型[J]. 氣候變化研究進展，2022，18（3）：355-365.

XU Yijian， LI Tanfeng， XU Lili. Greenhouse gas accounting model for territorial spatial master planning[J]. Progress in Climate Change Research， 2022， 18（3）： 355-365.

[18]SU Y X， CHEN X Z， LI Y， et al. China's 19-year city-level carbon emissions of energy consump-tions， driving forces and regionalized mitigation guidelines[J]. Renewable & Sustainable Energy Reviews， 2014， 35： 231-243.

[19]MENG X， HAN J， HUANG C. An improved vegetation adjusted nighttime light urban index and its application in quantifying spatiotemporal dynamics of carbon emissions in China[J]. Remote Sensing， 2017， 9（8）： 829.

[20]SHI K， CHEN Y， YU B， et al. Modeling spatio-temporal CO2 （carbon dioxide） emission dynamics in China from DMSP-OLS nighttime stable light data using panel data analysis[J]. Applied Energy， 2016， 168： 523-533.

[21]LYU Q， LIU H， WANG J， et al. Multiscale analysis on spatiotemporal dynamics of energy consumption CO2 emissions in China： utilizing the integrated of DMSP-OLS and NPP-VIIRS nighttime light datasets[J]. Science of the Total Environment， 2020， 703： 134394.

[22]奧勇，毋冰龍，白召弟，等. 基于類NPP-VIIRS夜間燈光數據的粵港澳大灣區城市建成區時空動態特征[J]. 地球科學與環境學報，2022，44（3）：11.

AO Yong， WU Binglong， BAI Zhaodi， et al.Spatiotemporal dynamic characteristics of urban built-up areas in the Guangdong-Hong Kong-Macao Greater Bay Area based on NPP-VIIRS nighttime light data[J]. Journal of Earth Science and Environment， 2022， 44（3）： 11.

[23]姜洋，何永，毛其智，等. 基于空間規劃視角的城市溫室氣體清單研究[J]. 城市規劃，2013，37（4）：50-56.

JIANG Yang， HE Yong， MAO Qizhi， et al. Research on urban greenhouse gas inventory based on spatial planning perspective[J]. City Planning Review， 2013， 37（4）： 50-56.

[24]鞠鵬艷. 城市總體規劃層面低碳城鄉規劃方法研究——以北京市延慶縣規劃實踐為例[J]. 城市規劃，2013，37（8）：9-17.

JU Pengyan. Research on low-carbon urban and rural planning methods at the urban master planning level—taking the planning practice of Yanqing County， Beijing as an example[J]. City Planning Review， 2013， 37（8）： 9-17.

[25]李毅，任云英. 上海市城市總體規劃碳排放核算方法研究[C]//2019中國城市規劃年會論文集. 北京：中國建筑工業出版社，2019.

LI Yi， REN Yunying. Research on carbon emission accounting methods for Shanghai urban master planning[C]//Proceedings of 2019 China Annual National Planning Conference. Beijing： China Architecture & Building Press， 2019.

[26]王雅捷，何永. 基于碳排放清單編制的低碳城市規劃技術方法研究[J]. 中國人口·資源與環境，2015，25（6）：72-80.

WANG Yajie， HE Yong. Research on low-carbon urban planning technical methods based on carbon emission inventory preparation[J]. China Population·Resources and Environment， 2015， 25（6）： 72-80.

[27]羅文靜，汪勰，熊偉. 國土空間規劃“雙碳”計算仿真模塊構建及應用[J]. 城市規劃學刊，2023（2）：47-56.

LUO Wenjing， WANG Xie， XIONG Wei. Construction and application of "double carbon" calculation simulation module for territorial spatial planning[J]. Urban Planning Forum， 2023（2）： 47-56.