成都市城市藍綠系統碳儲量評估及優化策略研究

摘要

溫室氣體大量排放加劇了全球變暖，嚴重威脅城市與居民的健康福祉。而城市藍綠系統是適應與緩解氣候變化，固碳增匯的重要手段之一。以成都市中心城區為例，基于土地利用數據，利用InVEST碳儲量模型與ArcGIS空間可視化分析工具，對城市藍綠系統碳儲量進行評估及分區，結果發現，研究區總碳儲量空間分布呈現出“中心低，四周高”的特征，低碳區域集中分布在研究區域的中部且占比最大，碳匯潛力區沿環城生態帶分布，高碳區域零星分布在研究區域東側。據不同碳儲量的劃分區域提出具有針對性的碳儲量優化策略：高碳區域應優先保護現有的藍綠空間；碳匯潛力區可調整和恢復現有的藍綠空間；低碳區域需改良和管理藍綠空間。

關鍵詞

藍綠空間；碳儲量；固碳增匯；InVEST模型

中圖分類號：TU986 文獻標志碼： A DOI：10.12233/j.gdyl.2024.03.010

文章編號：1671-2641（2024）03-0069-06

Abstract

The massive emission of greenhouse gases has led to an increasing trend of global warming， seriously threatening the health and well-being of cities and their inhabitants. The urban blue-green system is one of the important means to adapt to and mitigate clim61OjJmg0Z2PW7Xsl8CVYfQ==ate change sequester carbon and increase sinks. In this paper， we take the central city of Chengdu as an example， based on the land use data， use the InVEST carbon stock model and ArcGIS spatial visualization and analysis tools to evaluate and partition the carbon stock in the urban blue-green system， and the results found that： the spatial distribution of the total carbon stock in the study area shows the characteristics of low in the center and high in the surroundings. The low Carbon Sequestration Area is concentrated in the middle of the study area and accounts for the largest proportion， the Potential Carbon Sequestration Area is distributed along the ecological belt around the city， and the High Carbon Sequestration Area is sporadically distributed in the east side of the study area. According to the different carbon storage areas， we propose targeted carbon storage optimization strategies： High Carbon Carbon Sequestration Areas should prioritize the protection of existing blue-green spaces; Potential Carbon Sequestration Areas can adjust and restore existing blue-green spaces; Low Carbon Carbon Sequestration Areas need to improve and manage blue-green spaces.

Keywords

Blue-green space; Carbon stock; Carbon sequestration; InVEST Model

文章亮點

1）將城市InVEST模型應用于城市碳匯研究中；2）成都市中心城區內總碳儲量空間分布呈現出“中心低，四周高”的特征；3）確定成都市中心城區不同碳匯能力區域并提出針對性優化策略。

近年來，全球變暖趨勢日益加劇。《2023年全球氣候狀況》臨時報告確認2023年成為有記錄以來最熱的一年，全球平均氣溫比工業化前高出1.4℃。人為活動產生的二氧化碳排放是溫室氣體的主要來源，城市不斷擴張不僅加劇了二氧化碳排放，也進一步加劇了城市熱島效應，對社會與居民造成了嚴峻威脅。中國作為全球氣候治理的引領者，推進實現“雙碳”目標已勢在必行。

城市藍綠系統作為城市中唯一的直接碳匯途徑，其碳儲量估算是評價城市綠地碳匯效益的重要手段。對城市生態系統碳儲存能力的研究有助于了解城市中碳儲存的實際情況，對制定合理碳儲存與改善生態環境的政策具有重要指導意義。當前國內外針對城市碳儲量展開了廣泛的研究，但主要集中在植物種類及土壤[1]碳儲量的計算方法上，而針對城市藍綠系統碳儲量的計算研究尚待進一步完善。目前已有生物量法[2]、樣地勘測法、微氣象學法[3]等較為成熟的碳儲量估算方法，但存在工程量大、計算復雜的問題。因此，本研究采用InVEST（Integrated Valuation of Ecosystem Services and Trade-offs）模型運算評估法，其碳儲量模型適用于各類景觀尺度，被當前國內學者廣泛應用于流域、濕地和森林等區域的碳儲量空間的分布調查及預測[4]，對區域、省市的碳儲量研究有較大貢獻[5]，相較于其他碳儲量估算方法，具有可視性強、數據易獲取和操作便捷等優點。

因此，本文提出如何有效優化城市藍綠系統碳儲量的研究問題，并以成都市為例，提出典型示范區的城市藍綠系統碳儲量優化策略。研究擬通過InVEST碳儲存模型，結合土地利用數據對研究區藍綠系統碳儲量進行評估，并利用ArcGIS進行空間可視化分析，提出碳儲量優化策略。本研究可作為開展碳儲量評價與增匯研究的典型示范，為國內外探索與完善城市藍綠系統碳中和實現路徑的同類研究提供借鑒。

1 材料與方法

1.1 研究區概況

四川省省會成都市是中國西部地區的中心城市，屬亞熱帶濕潤季風氣候。盆地地形加上大規模城市化，使得成都的熱島效應尤為顯著[6]。成都市氣象臺發布消息，2023年是成都自1953年以來最熱的一年，2024年開年以來，全市平均氣溫較歷史同期依舊偏高。據《成都市綠色低碳發展報告（2020）》，“十三五”時期，成都以占全省18.7%的碳排放承載了24.5%的能源消費、25%的常住人口和35%的經濟體量。本文以成都市中心城區（含龍泉驛區、新都區、郫都區、雙流區、溫江區伸入繞城高速以內的區域）為研究區域，該區域是成都市政治、經濟、文化中心所在地，也是城市碳足跡的主要分布地[7]。因此，聚焦成都中心城區的藍綠空間規劃使研究更具有代表性。

1.2 數據來源

土地利用數據來源于地球大數據科學工程共享服務系統（https：//data.casearth.cn/）2020年全球30 m地表覆蓋精細分類產品，空間分辨率為30 m。利用ArcGIS中的按掩膜提取工具，提取得到研究區域的土地利用數據，共有11種土地利用類型（圖1）。

為提高研究結果的準確性，各土地利用類型碳密度數據（表1）主要參考與成都生態環境或自然條件相似的地區，并篩選了年份相近或存在引用關系的文獻以減小誤差。其中，大部分土地利用類型的數據來自成都[8]、重慶[9]、貴州[10]等西南地區；旱作農田、灌溉農田數據參考與成都氣候和農田情況相似的其他南方地區，如浙江[11]；草本和裸露區數據參考InVEST碳數據庫。

1.3 研究方法

InVEST碳儲量模型的工作原理是將地上生物量碳庫、地下生物量碳庫、土壤碳庫和死亡有機質碳庫4部分的碳密度數據映射到各類別的土地利用和土地覆蓋柵格①，以得出研究區總碳儲量。其計算公式為：

Ctotal =Cabove+Cabove+Cbelow+Csoil+Cdead （1）

式中，Ctotal為研究區域總碳儲量（t），Cabove為地上碳儲量（t），Cbelow為地下碳儲量（t），Csoil為土壤碳儲量（t），Cdead為死亡有機質碳儲量（t）。

研究通過InVEST 3.13.0碳儲量模型得到研究區域的碳儲存量結果后，利用ArcGIS 10.8.1對評估結果進行可視化分析。最后，基于評估結果提出碳儲量優化策略。

2 碳儲量評估與優化策略分析

2.1 碳儲量評估

2.1.1 總碳儲量評估

結合研究區土地利用數據及其不同土地利用類型的碳密度表，利用InVEST碳儲存模型以及ArcGIS空間顯示分析與統計分析，得到了研究區的總碳儲量（表2）、各類碳庫碳儲量空間分布（圖2）及總碳儲量空間分布（圖3）。灌溉農田、旱作農田以及草地的碳儲量遠高于其他土地利用類型，土壤碳儲量是土地碳匯的主要部分，且研究區域內總碳儲量空間分布呈現出“中心低，四周高”的特征。

根據研究團隊的國家自然科學基金青年項目（編號：52008345）所構建的成都市中心城區城市藍綠基礎設施數據庫得到圖4，可知研究區藍綠系統由城市綠地、環城生態帶和水域3部分構成。將研究區城市藍綠空間分布與總碳儲量分布進行對比分析，結合土地利用類型分布可知，非藍綠空間土地類型包括不透水表面和裸露區，在研究區面積占比為78.14%，集中分布在研究區中部，總碳儲量僅1.40 t。環城生態帶以綠道串聯高質量公園和良田而成。高質量公園包括鳳凰山公園等大面積楔形綠地公園，嵌入非藍綠空間，與市中心的城市綠地相接，對內形成覆蓋全城的藍綠通廊，對外形成綠色生態隔離空間的屏障，具有連續性強、圍合性高及嵌入性強的特點。良田包含了大部分灌溉農田與旱作農田，呈帶狀沿繞城高速分布。城市綠地以城市公園綠地、生產性綠地和附屬綠地為主，呈斑塊或帶狀廣泛分布在環城生態帶以內，形成了城市生態斑塊和綠廊。與土地利用類型圖相比，部分城市綠地和部分農田（環城生態帶以外）重合。農田類土地占研究區總面積的20.97%，但碳儲量占研究區總碳儲量的98.72%，可見其為研究區碳匯發揮了關鍵作用。林地類用地總面積占比為0.3%，碳儲量也僅占總碳儲量的0.42%。水域空間如城市河道、溝渠等，流經各個行政區，濕地嵌入環城生態帶，水域的總碳儲量為20.59 t。

2.1.2 單位碳儲量評估

結合研究區土地利用數據，通過ArcGIS中分區統計工具得到不同土地類型的總碳儲量，在統計類型選擇平均值，得到各類土地利用類型的單位碳儲量（表3）。各土地利用類型的單位碳儲量從高到低排序為落葉闊葉林、常綠針葉林、常綠闊葉林、草地、灌溉農田、濕地、旱作農田、裸露區、草本覆蓋、水體、不透水表面。

林地類土地的平均單位碳儲量約為39.33 t/hm2，接近草地單位碳儲量的2倍，而其總碳儲量卻不到草地的1/2。結合土地利用分布圖分析可知，林地面積極小且分布零散，導致作用范圍十分有限，未能達到很好的碳匯效果。農田類土地具有一定碳儲存能力且分布面積廣，是研究區域固碳的關鍵部分。濕地數量較少，水體包括府南河等跨越行政區的河流、支渠以及多個生態湖泊，因此單位碳儲量更低的水體的總碳儲量反而高于濕地。不透水表面的單位碳儲量最低，但其分布面積最廣，對城市碳儲存與碳匯起著嚴重的阻礙作用。

2.2 研究區藍綠系統增匯優化策略

基于單位碳儲量評估結果，在ArcGIS中采用自然裂點分級法對碳儲量進行分級，將研究區分為高碳區域（High Carbon Sequestration Area，HCSA）、低碳區域（Low Carbon Sequestration Area，LCSA）、碳匯潛力區（Potential Carbon Sequestration Area，PCSA）（圖5）。LCSA以不透水表面為主，由于城市中心擴張，不透水表面的面積不斷擴大，且其大面積分布在研究區中部。PCSA與HCSA主要分布在遠離中心區域的四周，一方面是因為研究區外圍區域相較于中心區域的土地利用程度低，工業生產、城市建設程度更低[12]；另一方面是因為出于抑制城市無序擴張和粘連的目的，成都打造天府綠道、天府藍網以完善城市藍綠空間系統，發展形成如今的環城生態區。結合藍綠空間分布（圖4）可知，城市藍綠空間與PCSA高度重合，在城市的固碳增匯中起到關鍵作用。

基于土地的單位碳儲量數值分出的不同特征區域，提出不同的增匯優化策略：1）對于HCSA，優先保護現有的藍綠空間。此區域相對高質量的藍綠空間在固碳增匯方面表現出卓越能力，是未來可持續發展的核心力量，在空間規劃上應建立生態保護區域，阻止人為干擾，同時增強管控和保護力度，減少現有藍綠空間的資源損耗。2）對于PCSA，調整和恢復現有的藍綠空間。較大的面積和較好的連接性使藍綠空間具備一定的固碳潛力，是當前城市固碳增匯的堅實基礎，應重視既有土地的結構優化，采取生態更新、恢復和景觀改善等措施調整現有的藍綠空間，如梳理水系、引入綠地等調整手段，以提高相應能力，達到增匯目的。3）對于LCSA，改良和管理藍綠空間。此區域固碳能力極低，藍綠空間的質量和數量都并不理想，應大量增加不同類型的藍e5703ed7ed8f1f6289c6559eaf804869綠空間的覆蓋面積，并改良現有的藍綠空間。例如推進海綿城市建設，從全域的角度統籌生態本底，可提供低碳排的生產、生活載體和高碳匯的生態綠色基礎設施，或優化植物的生長和配置，選擇固碳能力更強的植物，能有效提升單位土地的碳儲量，減少土地資源的浪費。

3 討論

研究結果表明，城市土地利用類型對區域碳儲量具有較大的影響。伍丹等[8]對成渝經濟區碳儲量的分析結果顯示，城市建設用地的縮減能夠推動碳儲量的增加。其他現有研究也證明了成都碳儲量的變化主要是城市擴張帶來的碳儲量降低與森林面積增加帶來的碳儲量的提高[13]。這與本研究中“不透水表面成為城市碳匯最大阻力，林地具備卓越碳匯能力”的結論相似。

結合研究結果，除了景觀空間策略外，在政策層面也應細化、強化生態保護紅線的方案政策，推動區域積極建設能有效應對氣候變化的高質量城市藍綠體系[14]；在管理層面應定期對生態服務功能進行評估測繪以支持城市藍綠空間的保護建設[15]，提高區域碳匯能力，加強對工業生產的監督管控，以期助力推進中國如期實現“碳達峰、碳中和”。

4 結語

本文通過ArcGIS以及InVEST模型對成都市中心城區藍綠空間碳儲量進行可視化分析，得出結論如下：1）研究區域內總碳儲量空間分布呈現出“中心低，四周高”的特征。低碳區域集中分布在研究區域的中部，占比最大；碳匯潛力區沿環城生態帶分布，包括大型楔形綠地；高碳區域零星分布在研究區域東側。2）各土地利用類型的碳儲存能力由高到低為落葉闊葉林、常綠針葉林、常綠闊葉林、草地、灌溉農田、濕地、旱作農田、裸露區、草本覆蓋、水體、不透水表面。其中，不透水表面分布面積最廣，對研究區域低碳建設起到阻礙作用；各類林地分布面積極少，難以有效地助力成都的低碳建設；而具備一定固碳能力且分布較廣的用地類型，如農田類用地，承擔研究區的主要固碳功能。基于研究區域碳儲量的分析結果，提出城市藍綠空間的優化策略：高碳區域應優先保護現有的藍綠空間；碳匯潛力區可調整和恢復現有的藍綠空間；低碳區域需改良和管理藍綠空間。

本研究將城市InVEST模型應用于城市碳匯研究中，有效解決生態系統碳匯能力定量化評估研究難以可視化和分析不足的問題，對劃分城市不同碳匯能力區域，提出針對性優化策略具有指導意義。然而本研究仍存在局限性，如InVEST模型中的碳儲量模塊假定碳儲量是恒定不變的，會在一定程度上降低數據精準程度，在未來的研究中應不斷完善計算方法，結合實測數據與新技術方法進行校驗，減少誤差。此外，本研究僅基于二級土地利用類型進行土地劃分，忽略了如街道、小區綠化等更細化的碳儲量數據，未來可根據林分類型進一步劃分，并從植物方面來統計碎片化綠地的碳儲量，在細化土地利用的基礎上進一步補充遺漏，從而更加精細地測算碳儲量，使其更接近實際值。

注：圖片均由作者自繪。

參考文獻：

[1]呂海亮. 城市植被與土壤碳儲量時空變化規律研究——以哈爾濱市為例[D]. 長春：中國科學院大學（中國科學院東北地理與農業生態研究所），2017.

[2]胡硯秋，蘇志堯，李佩瑗，等. 林分生物量碳計量模型的比較研究[J]. 中南林業科技大學學報，2015，35（1）：84-88.

[3]于洋，王昕歌. 面向生態系統服務功能的城市綠地碳匯量估算研究[J]. 西安建筑科技大學學報（自然科學版），2021，53（1）：95-102.

[4]李瑾璞，夏少霞，于秀波，等. 基于InVEST模型的河北省陸地生態系統碳儲量研究[J]. 生態與農村環境學報，2020，36（7）：854-861.

[5]趙桐，蒙吉軍. 基于土地利用變化的成都平原經濟區碳儲量時空演變與情景模擬[J]. 山地學報，2023，41（5）：648-661.

[6]WU S，YANG H，LUO P，et al. The effects of the cooling efficiency of urban wetlands in an inland megacity： A case study of Chengdu， Southwest China[J]. Building and Environment，2021，204：108128.

[7]廖祥，楊鑫，牛振生. 成渝城市群陸地碳排放時空變化及效應研究[J]. 環境科學與技術，2023，46（1）：211-225.

[8]伍丹，張晟，朱康文，等. 基于PLUS模型和InVEST模型的成渝經濟區碳儲量演化分析[J]. 三峽生態環境監測，2022，7（2）：85-96.

[9]虎帥，張學儒，官冬杰. 基于InVEST模型重慶市建設用地擴張的碳儲量變化分析[J]. 水土保持研究，2018，25（3）：323-331.

[QkwhsZx0oQJHQbTAKJrpSA==10]郜紅娟，韓會慶，張朝瓊，等. 烏江流域貴州段2000-2010年土地利用變化對碳儲量的影響[J]. 四川農業大學學報，2016，34（1）：48-53，84.

[11]鄒文濤，何友均，葉兵，等. 基于InVEST模型的錢江源國家公園生態系統碳儲量研究[J]. 中南林業科技大學學報，2021，41（3）：120-128.

[12]彭文甫. 成都市土地利用變化及驅動力分析[D]. 成都：四川師范大學，2005.

[13]謝耕，吳莉+BV6pxW57AAJxDfvxNuq3Q==萍，陳敏. 基于土地利用變化的成都市碳儲量時空格局演變特征分析[J]. 環境影響評價，2023，45（6）：104-112.

[14]張思凝. 巴塞羅那城市公園發展更新與特征研究[J]. 廣東園林，2021，43（2）：29-35.

[15]ZHANG S， MU?OZ RAMíREZ F. Assessing and mapping ecosystem services to support urban green infrastructure： The case of Barcelona， Spain[J]. Cities，2019，92：59-70.

① 2024.InVEST 3.14.2用戶指南，來自https：//naturalcapitalproject.stanford.edu/software/invest。

作者簡介：

鐘彥萍/2001年生/女/四川成都人/西南交通大學建筑學院（成都 610000）/在讀碩士研究生/專業方向為風景園林規劃設計

（*通信作者）張思凝/1989年生/女/四川綿陽人/博士/西南交通大學建筑學院（成都 610000）/講師/研究方向為風景園林規劃設計/E-mail：zsning@swjtu.edu.cn

宋昊翔/2000年生/男/河南許昌人/西南交通大學建筑學院（成都 610000）/在讀碩士研究生/專業方向為生態景觀和可持續研究

臧家昕/2004年生/男/河北秦皇島人/西南交通大學建筑學院（成都 610000）/在讀本科生/專業方向為風景園林