|
|
|
|
|
迈向低碳新时代——“点-线-面”碳排放矢量地图精确定位碳减排区域 | MDPI Sustainability |
|
|
论文标题：A Vector Map of Carbon Emission Based on Point-Line-Area Carbon Emission Classified Allocation Method
期刊：Sustainability
作者：Hongjiang Liu, Fengying Yan and Hua Tian
发表时间：2 December 2020
DOI：
微信链接：
期刊链接：
原文作者介绍
闫凤英
天津大学建筑学院城乡规划系教授。研究方向为低碳可持续规划设计方法。主持国家重点研发计划1项、国家自然明升体育app基金重点项目1项、国家自然明升体育app基金面上项目2项、省部级基金项目6项。近五年在高水平学术刊物和国际学术会议上累计发表论文30余篇，获授权专利2项。
田华
天津大学内燃机燃烧学国家重点实验室教授，研究方向为内燃机余热回收循环技术、超临界二氧化碳发电技术、低温余热回去液流电池技术。在Energy 等国际能源顶级杂志发表SCI论文108篇，其中第一或通讯作者论文83篇，SCI总他引次数超过2000次，10篇入选ESItop1%高被引论文，授权国家发明专利14项，申请国际PCT发明专利4项，出版中英文专著3部。
刘泓江
目前在明升官网天津大学建筑学院攻读博士学位。她的研究重点是碳排放、低碳城市规划方法、土地利用和空间规划。曾深度参与国家重点研发项目“基于控碳体系的县域城镇规划技术研究” 、国家自然明升体育app基金项目 “基于碳平衡分区的县域低碳空间规划理论与方法研究” 等一系列国家和省部级项目。
文章导读
城市规划在减少碳排放中起着越来越重要的作用，而碳排放是缓解气候变化的最重要因素。明确的空间碳排放地图对于通过城市规划减少碳排放具有重要意义。城市规划方法需要有关碳排放发生在何处以及明确界限内排放多少的信息[1,2]。由于碳排放量地图可以反映碳排放量的空间分布，因此可以计算从行政单位到陆地的不同边界的排放量[3]。矢量碳排放地图可以提供比网格地图更准确的空间碳排放估算，要绘制矢量碳排放地图，温室气体 (GHG) 清单的空间分配至关重要。但是，以前的方法没有考虑不同的碳源及其影响因素。
来自天津大学的闫凤英教授、田华博士以及刘泓江研究员在Sustainability 上发表的文章“A Vector Map of Carbon Emission Based on Point-Line-Area Carbon Emission Classified Allocation Method”中，提出了一种点-线-面区域 (P-L-A) 分类分配方法，并选择已编制温室气体清单的明升官网浙江省湖州市长兴县为代表，应用此方法绘制了矢量碳排放地图，并进行分析。与以前的网格化碳排放地图不同的是此方法构建了碳源矢量数据库，该数据库用作温室气体清单排放空间分配的基础，三种具有确定的地理位置和边界的矢量元素：点、线和面，是空间分配的基本对象。这种方法可以提供地块级别的碳排放信息，以支持当地的减碳策略和低碳规划的制定。
研究对象
长兴是明升官网浙江省东北部的一个县。在浙江省制定温室气体清单的统一部署下，长兴市自2010年以来已编制了8个温室气体清单。长兴发改委提供的2017年温室气体清单被用于获取不同部门的碳排放量，其中，能源消费、工业过程和农业活动是主要排放领域，占长兴总排放量的99％。将点-线-面 (P-L-A) 分类分配方法应用于这三个部门的碳排放的空间分配，以构建长兴的矢量碳排放地图。
研究方法
本研究提出点-线-面 (P-L-A) 分类分配方法，该研究方法基于温室气体清单碳排放的空间分配分解总碳排放量，基本程序包括两个步骤 (如图1)。第一步，基于温室气体清单的排放源特征，将碳排放源分为点、线和面三种类型，将碳排放影响因素作为分配参数，执行不同的算法，以此建立了将温室气体清单排放分配给三类基本对象的系统框架，它也称为点-线-面 (P-L-A) 碳排放分类分配框架。第二步，建立矢量数据库作为温室气体清单排放空间分配的基础。使用第一步中提出的方法，将碳排放分配给三种类型的基本对象，并基于地理信息系统 (GIS) 通过将基本对象在空间上与用地斑块相对应来开发矢量土地利用碳排放地图。
图1为基于点-线-面区域 (P-L-A) 分类分配方法绘制碳排放地图的基本过程。
结果分析
1. 碳源矢量数据库
根据该方法所需要的数据，在GIS上构建了长兴市碳源矢量数据库。该数据库包含三种基本对象以及与碳排放的空间分配有关的所有因素 (图2)。
图2为碳源向量数据库和三种基本对象的示例：(a) 工业信息点 (POI) 作为点源；(b) 道路系统作为线源；(c) 用地斑块作为面源。
(a) 点源的基本对象是指能源和工业企业的POI点。
(b) 线源的基本对象是指基于百度地图和长兴综合交通规划的道路系统。
(c) 面源的基本对象是指六种土地利用类型的用地斑块。
2. 基于用地斑块的矢量碳排放地图
基于碳源矢量数据库，使用P-L-A分类分配方法将长兴2017年温室气体清单主要领域的碳排放分配给三种基本对象。基于GIS，结果还与九种类型的碳源用地进行空间关联。表1显示了温室气体清单主要部门的碳排放量与九种土地利用类型之间的对应关系。图3显示了长兴基于用地斑块的碳排放强度地图。
表1为长兴市温室气体清单碳排放量与土地利用类型的对应关系。
从图3可以看出，土地利用碳排放的结果在空间分布上显示出很大的不均匀性。高强度地区集中在市中心，以及西北和东部的四个工业乡镇。这表明碳排放主要来自城市生活和工业能源消耗，工业部门的碳排放量最大。从土地利用的角度来看，详细的土地利用类型的碳排放强度存在显著差异。强度最高的用地类型主要是用于电力生产的公用设施用地、工矿仓储用地以及道路交通用地，平均强度在100 kgC / m2以上。其次是设施农用地、商服用地以及公共管理和服务用地，平均强度在1.51–10 kgC / m2之间。居住用地的平均碳排放强度低于10 kgC / m2。城市居住用地的平均碳排放强度是农村居民点平均碳排放强度的八倍左右。尽管耕地的碳排放强度较小，但由于耕地面积广大，总排放量所占比例较高。
图3为基于长兴土地斑块的碳排放强度图。
3. 与现有方法的交叉比较优势
P-L-A分类分配方法获得的估算结果在陆地区域更准确。如表2所示，基于与2017年长兴温室气体清单提供的相同的总碳排放量数据研究，研究通过与现有的其他三种研究方法相比较[1,4,5]，P-L-A分类分配方法更准确。
表2为四种碳排放测绘方法的详细分配信息。
与其他类型的碳排放地图相比较，矢量碳排放地图方法在空间分辨率上更有优势。如图4所示，与图4a、b所示的网格化地图相比，图4c、d两个矢量碳排放地图提供了具有清晰地理位置和边界的用地斑块的碳排放，这可以为城市规划提供更直观的支持。图4c、d之间的主要区别是识别了位于中间区域的高碳排放用地，而该区域恰好是该地区的商业中心或居住中心,具有较高的能耗和碳排放量，这与P-L-A分类分配方法的结果相吻合。
图4为碳排放图谱结果与先前方法的比较：(a) 方法I的1km×1km分辨率的网格化碳排放图；(b) 方法II的300m×300m分辨率的网格化碳排放图；(c) 方法III的矢量土地利用碳排放图；(d) 采用本研究方法IV的矢量土地利用碳排放图。
对于不同土地利用类型的碳排放占比的估算，矢量碳排放地图比网格地图更准确。如表3所示，与方法I、方法II相比，在方法III、方法IV的矢量碳排放量测绘结果中，工矿仓储用地的碳排放量占总排放量的80％以上，这与现有研究和实际情况更加吻合。
表3为四种方法得出的不同土地利用类型的碳排放占比。
对于估算相同类型土地利用的碳排放强度分布，P-L-A分类分配方法优势更突出。以居住用地为例，如图5中，与使用方法III的图5a相比，使用P-L-A分类分配方法的方法IV的图5b在识别相同土地利用类型的内部差异方面更为有效。这对于解释城乡之间的差异以及由建筑功能、建筑规模、容积率和其他因素引起的其他详细土地使用类型的差异非常有帮助。
图5为方法III和方法IV的居住用地碳排放强度比较：(a) 方法III的居住用地碳排放强度分布；(b) 通过本研究的方法IV的碳排放强度分布。
总结和局限性
本文提出了一种基于P-L-A分类分配框架的碳排放空间映射方法，建立了温室气体清单与矢量碳排放地图之间的关系。该方法包括两个步骤：基于温室气体清单不同碳源的类型建立P-L-A碳排放分类分配框架，并基于GIS通过将基本对象的排放量对应到用地斑块来绘制碳排放量地图。从长兴县的注册应用可以看出，通过此方法绘制的碳排放地图可以准确识别关键排放区域，详细了解不同土地利用类型的碳排放差异，以及各类土地利用类型的碳排放强度，该方法在土地利用碳排放量估算中更为准确，估算结果与实际情况更加吻合。
根据本文所提方法绘制的矢量碳排放地图可为减排政策和低碳规划提供有价值的指导。对于政府而言，根据碳排放地图计算每个行政单元的碳排放量可以确定关键的碳减排区域；对于城市规划者来说，它可以准确估算每个用地斑块的碳排放量和其他内部特征，这可以为城市规划实现碳减排提供额外的支持。
同时，P-L-A碳排放分类分配方法也存在一些不确定性和不足之处。首先，当工业POI点或道路系统对应于相关的地块时，可能会有一些位置偏差。其次，本研究在分配居民生活和商业部门的碳排放时，根据相关研究和标准，假设同一类型土地的所有楼层都在使用，并且同一类型的建筑物具有相同的能耗水平，这在一定程度上可能与现实情况不符。
进一步的研究应考虑整个地区的所有土地利用类型，尤其要注意包含主要人类活动的城市地区的详细土地利用类型。根据不同土地利用的碳排放特征，需要更精确的参数和分配算法。该过程将涉及大范围的实地调查，以提高空间分配方法的准确性。
Liu, H.; Yan, F.; Tian, H. A Vector Map of Carbon Emission Based on Point-Line-Area Carbon Emission Classified Allocation Method. Sustainability 2020, 12, 10058.
参考文献
1.Zhang, G.; Ge, R.; Lin, T.; Ye, H.; Li, X.; Huang, N. Spatial apportionment of urban greenhouse gas emission inventory and its implications for urban planning: A case study of Xiamen, China. Ecol. Indic. 2018, 85, 644–656.
2.Chang, C.T.; Yang, C.H.; Lin, T.P. Carbon dioxide emissions evaluations and mitigations in the building and traffic sectors in Taichung metropolitan area, Taiwan. J. Clean. Prod. 2019, 230, 1241–1255.
3.Geertman, S.; Stillwell, J. Planning support systems: An inventory of current practice. Comput. Environ. Urban Syst. 2004, 28, 291–310.
4.Chuai, X.; Feng, J. High resolution carbon emissions simulation and spatial heterogeneity analysis based on big data in Nanjing City, China. Sci. Total Environ. 2019, 686, 828–837.
5.Carbon Dioxide Information Analysis Center (CDIAC). Available online: (accessed on 14 October 2018).
Sustainability期刊介绍
主编：Marc A. Rosen, University of Ontario Institute of Technology, Canada
Sustainability 涵盖人类环境、文化、经济和社会等可持续性多个领域。
2020 Impact Factor：3.251
2020 CiteScore：3.9
Median Publication Time：41
Time to First Decision：15.4
特别声明：本文转载仅仅是出于传播信息的需要，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用，须保留本网站注明的“来源”，并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，请与我们接洽。
