本次“学术研究”专题分享内容为天津大学建筑学院王洪成教授工作室优秀博士生论文成果，欢迎广大专家学者共同交流！ 　　一、论文题目 　　Assessing the efficiency of urban blue-green space in carbon-saving: Take a high-density urban area in a cold region as an example 　　该文章发表在国际期刊：Journal of Cleaner Production 　　二、摘要 　　城市蓝绿空间通过提供相对凉爽的周边环境来间接减少居民的能源消耗，并直接吸附空气中的CO2，从而应对气候变化。在本研究中，从用户的角度构建了一个改进的理想碳节约定量模型，考虑了城市蓝绿空间的冷却效应，并整合了地表温度、建筑信息和城市公共空间布局。以中国华北地区的一个高密度城市地区（天津中心城区）为例，通过绘制有效冷却区域的Landsat地表温度反演以及基于四季数据的回归分析来估计年碳节约量。结果显示，2021年全年减碳约78吨/平方公里，相当于同地区固碳量的2.21倍。与中心城区边缘相比，中心城市蓝绿空间的碳节约波动值高1.4倍，年累计差值约394吨/平方公里。华北地区的大片蓝绿斑块虽然能够在春季、夏季和秋季储存更多的碳，但由于供暖能耗增加和居民采用零碳交通的意愿降低，在冬季成为碳源。对城市蓝绿空间减碳影响最显著的指标是降温面积和背景地表温度。城市蓝绿空间覆盖率和不透水表面（如建筑物和开放空间）的百分比将通过影响冷却面积间接影响碳节约。上述发现认可了华北地区城市蓝绿空间的碳节约潜力。为比较不同季节的节碳能力提供了可行的估算方案。 必威betway中文官网 　　图1 摘要原文 　　三、论文成果 　　1 　　研究内容 　　本研究试图开发一个基于网格的模型，以研究华北地区高密度城市地区为例，量化UBG冷却的碳节约，并估计全年的累积碳节约效益。总的来说，这项研究是通过回答以下问题而设计的： 　　1）如何在城市规模上实现整个城市蓝绿斑块的碳节约能力的全年累积量化？ 　　2）在冬季需要集中供暖的华北地区城市，通过制冷实现的UBGS碳节约的季节变化是什么？ 　　3）高密度城市蓝绿空间的碳节约能力主要受哪些因素支配？ 　　在现有研究的基础上，本文重点优化了UBGS-CS的量化方法，以综合衡量UBGS相对于城市整体的碳节约潜力。这可以帮助研究人员准确衡量UBG在应对气候变化中的作用。 　　2 　　研究区域 　　作为发展中国家华北地区的典型特大城市，中国天津（北纬38°33′-40°15′，东经116°42′-118°03′）年平均气温为12~15°C。气候属温带季风气候，四季分明。天津中心城区由于靠近首都北京，在二十年内进入了快速建设期。在快速的城市建设过程中，大片林地和水体迅速萎缩，变得严重破碎，而城市居民高度集中在330平方公里的城市区域内。 　　天津冬季一直采用集中供暖来维持室内温度。由于气候变暖，天津中心城区夏季空调能耗逐年增加。与此同时，较高的夏季气温使居民习惯于避免将步行作为白天的交通方式。 　　3 　　研究方法 　　选择四个时间切片作为高精度数据源来估计不同季节UBG冷却的碳节约量（表1），选择低精度MODIS MOD11A1来估计年碳节约量。此外，GF-2用于提取2021年与UBGS相关的信息。由于Landsat 8 OLI的数据精度为16天，因此需要选择相应时空范围内的MODIS和地面气象站点的数据。 　　表1 用于UBGS提取和LST反演的卫星数据集 　　图2显示了本研究中多源数据的处理流程。其基本逻辑是通过使用建筑冷却节能数据和开放空间热舒适度的“影子值”进行冷却估计来模拟UBGS的碳节约，以计算四季中典型的每日冷却碳节约。然后，以此为数据源，通过网格划分城市高密度区域，构建了一个量化全年碳节约的估算模型，并进一步评估了天津市中心城区UBGS冷却的年累计碳节约值。 　　图2 数据处理工作流程 　　（1）城市蓝绿空间提取 　　选择FVC和NDWI，并结合城市土地利用图来解码UBG的空间布局。这项研究考虑了细胞值≥60%的区域有足够的植被覆盖。基于现有的研究和本文通过当前城市土地利用图进行的多次实验，确定0.3为有效阈值。NDWI≥0.3的区域有足够的水覆盖。在研究中生成了100个参考点，以评估UBG的解释结果。解释结果的总体准确率约为8%，符合数据要求。 　　（2）地表温度反演 　　由于波段11有一些误差，受湿度的影响更大，基于波段10的单波段计算更准确。基于Landsat 8 OLI波段10的地表温度（LST）反演方法包括单窗口（MW）、辐射传输方程（RTE）、广义单通道（GSC）和实用单通道（PSC）。与其他方法相比，在已知大气含水量和平均大气温度的情况下，MW可以实现小于0.4°C的平均误差。使用地面气象站的近地面气温和MODIS MOD11A1 LST对Landsat 8 OLI LST进行了交叉验证。地面气象站数据与Landsat LST之间的线性回归R2为0.962，平均差异为4.824°C。MODIS MOD11A1 LST和Landsat LST数据之间回归分析的R2为0.963，平均差异为0.859°C。与之前的研究结果相比，证实了Landsat 8 OLI LST的反演精度满足本研究的数据分析要求。 　　（3）UBGS冷却减碳量的估算模型 　　步骤1：CA的范围 　　冷却减碳的估算首先需要计算UBG的CA。在本研究中，随机选择了1 km2的样本，以使用夏季Landsat LST作为数据源比较不同的方法（图3）： 　　A.选择面积大于1公顷的UBGS斑块，并绘制150米的缓冲区。 　　B.选择面积大于1ha的UBGS斑块，绘制相同大小的缓冲区。 　　C.选择面积大于1ha的UBGS斑块，并绘制相同半径的缓冲区。 　　D.选择面积大于1ha的UBGS斑块，创建间隔为30m的多环缓冲区。基于图像元素大小和数据准确性，0.6°C对于判断更准确。当两个相邻缓冲区的平均温度之差小于0.6°C时，外部缓冲区的温度被认为不受UBG的影响。 　　E.选择面积大于1 ha的UBGS斑块，绘制4-8条垂直于边缘的线。通过计算这些线的位置处的温度变化来确定温度变化点。 　　F.绘制样品上0.6°C间隔的等温线。通过从ArcGIS的Getis-ord Gi*中提取焦点并总结附近函数，进一步提取有效CA。其中，UBGS面积≥20%的局灶性斑块被认为是有效的CAs。 　　图3 UBGS的CA——不同方法计算结果的比较 　　式中，A为定距缓冲区，B为等面积缓冲区，C为等半径缓冲区，D为多环缓冲区转弯线，E为垂直线转弯点，F为冷却区焦点识别。 　　A、B、C忽略了建筑物和风向对蓝绿斑块冷却能力的影响，D容易受到周围小蓝绿斑块的干扰，E难以指定复杂边缘斑块CA的具体形状。因此，在这项研究中，F被用来提取UBGS的冷却范围，因为它相对来说比其他方法更适合计算复杂的城市环境，尽管它忽略了一些用于平衡热岛的分散绿色斑块。 　　步骤2：通过冷却节省碳(CS)的计算内容 　　如图4所示，量化具有两个部分。 　　（一）UBG对建筑室内制冷和制热能耗的影响 　　本研究使用估计冷热负荷的方法来估计UBGS对建筑能耗的影响。相关指标包括UBGS ECA内建筑物的室内制冷（Δ QBS）和供暖（Δ QBW）能耗的估计。 　　（二）为户外空间提供更凉爽的活动环境，促进居民的流动性 　　计算涵盖了UBG冷却范围内市民可以进行活动的所有开放空间。这项研究评估了“阴影冷却量”（Δ Qo）可以取代开放空间的空调，为步行或休息提供凉爽的室外环境。 　　图4 CS构成图 　　步骤3：CS的估计方法 　　在建筑物的碳节约估算中，首先计算建筑物的热负荷和冷负荷（图5）。 　　图5 UBGS冷却碳节约的估算方法 　　其中（a）是冷却区域的示意图。（b）是产生碳节约的不同情景。参考以往的研究（曹等，2019），天津气温的热舒适临界值为18~26℃。（C-D）分别是建筑物和开放空间的冷却曲线。 　　由于UBGS的影响，建筑冷却过程的节能量计算公式如下： 　　其中Δ Qbs是建筑物当天在冷却区域内节省的电量（kW⋅h）。 　　KWI、KWA、KR、KG分别是建筑物窗户、外墙、屋顶和地板的传热系数【W/（m2⋅°C）】。 　　SWI、SWA、SR、SG是窗户、墙壁、屋顶和地板的面积(m2)。 　　LSTS、LSTO分别是UBGS冷却区域外缘的LST和建筑物位置的LST。 　　h为空调全天开启的时间长度，此处取12h的值。 　　EER是空调制冷的能效比，根据《房间空调器能效等级最低允许值》（GB21455-2019）取值4。 　　CBS是在降温范围内，当天降温建筑物所节省的碳排放量（kgC）。EFP为2021年中国电网平均碳排放因子。 　　δ BS是输电网线损。 　　冬季建筑采暖减碳估算方法参照（JGJ 26-2018）、《天津市集中供热住宅供热计量供热系统设计规范》（DB/T 29-262017）、（DB29-1-2013）等标准制定： 　　其中Δ Qbw是冷却区域内建筑物的每日供暖节能量（kW⋅h）。QC为建筑物的冷空气耗热量。CBW是冷却区域内供暖建筑的碳排放减少量（kgC）。EFC是标准煤的碳排放因子。δ BW为管网的传输损失率。NCVC为低位标准煤发热量。λ为建筑采暖标准煤的能源份额。 　　这项研究通过冷却区域内室外公共空间中冷却空气柱的阴影值来估计效益的第二部分。估算开放空间冷却效益的公式如下： 　　其中Δ Qo是受周围UBG影响的室外公共空间的热损失（J）。Δ T是两个相邻等温区之间的差。ρ为空气密度。Si为不同等温区的面积（m2）。k为等压比热容。H为垂直影响球。 　　参考UBG的碳汇评估，本研究使用碳节约密度（CSD）和CS两个指标来评估UBG的碳节约。计算公式如下： 　　其中CS的单位是kgC，CSD的单位是kgC/m2。SBG是冷却范围内UBG的总面积（m2）。 　　步骤4：估计UBG的累积年度CS 　　1km2的四个周期的网格样本数据和先前研究中通常用于描述UBG和周围城市环境的指标（表2）用于构建方程（Eq（9）），用于估计2021年全年的CS。选择MODIS MOD11A1 LST中云量小于5%的数据来估计碳节约，2021年有92个有效数据。缺失数据用滑动平均值填补。 　　表2 冷却UBG节能的潜在解释变量 　　其中CSgrid是1公里电网规模的年度碳节约量，kgC。CSday是天津市中心的每日碳节约日。Stotal和Sgrid分别为天津市中心城区总面积和网格总面积。CSyear是天津市中心UBGS的年度碳减排量。 　　（4）对CS的潜在影响分析 　　为了进一步探讨不同季节UBGSCS布局特征背后的主导因素，本研究利用四个典型日的CS值，通过SEM建模和相关分析整理指标之间的影响关系。还使用表2分析了分析中包括的潜在影响指标。 　　4 　　研究结果 　　（1）CS的全年和季节特征 　　UBGS模型的全年CS（Eq（12））R2=0.504是根据四季典型日子的1公里网格数据开发的。 　　经估算，如图6所示。2021年天津市中心城区UBGS年CS总量为25702.24吨。UBGS通过春季降温间接减少了9125.98吨。夏季UBGS的CS总量为19117.99吨，约为春季的2.09倍。秋季碳总量为5693.19吨，冬季碳节约量为8234.92吨。2021年，冬季与春季CS形成了收支平衡。UBGS在春季、夏季和秋季的碳节约能力远大于冬季对碳排放的贡献。此外，CS积累量全年变化表现为2月底达到最低点（5 × 106 kgC），4月底转正，11月中旬达到最高值（30 × 106 kgC）。 　　图6 2021年天津市中心城区UBGS制冷节碳日估算 　　UBGS的CS在春季、夏季和秋季为正，在冬季为负，即碳排放（CE）。以1 km的精度分析了每个网格中UBG在春季、夏季和秋季的CS性能，并与冬季进行了比较（图7-a.）。可以看出，“高CS-高CE”和“高CS-低CE”的斑块主要分布在南部空间，而“低CS-低CE”的斑块主要集中在北部地区。具有“低CS-高CE”的斑块是分散的。 　　统计分析（图7-b.）对天津市中心区UBGS全年的CS进行。在1 km的网格尺度上，UBGs CS年变化最大的斑块分布在东西两侧的边缘，在287个1公里斑块中，全年最高的累积CS值在南侧。相比之下，较少的斑块更分散，低值区域更常出现在水斑块附近。同样，全年CSs中值较高的斑块似乎在很大程度上与城市的大型湖泊和主要城市河流的分布重叠。 　　图7 　　（a）天津市中心城区UBGS全年碳节约（CS）和碳排放（CE）的1公里栅格分类 　　（b）2021年天津市中心城区UBG的减碳（CS）统计，数据精度为1 km 　　（2）不同季节CS空间布局特征 　　以4个高精度典型日数据为代表，分析UBGS在不同季节通过冷却节省碳的布局差异（图8-a.）。 　　其中，春季UBGS降温面积占研究面积的31.08%，降温面积以UBGS为主占96.01%，夏季UBGS降温面积占整个降温面积的37.13%，降温面积以UBGS为主占97.77%，秋季UBGS降温面积占30.66%，95.93%UBGS降温面积占30.66%，冬季降温面积占19.26%，降温面积占86.20%。 　　图8 2021年天津中心城区不同季节UBGS典型日CS分布 　　其中(a)是UBG的ECA与冷却面积之比，(b)是UBG的CS分布，(c)是UBG的CSD分布 　　以上表明，炎热夏季的降温区域比冬季更多地以UBGS为主。在冬季，除了主导冷却面积分布的UBG之外，还有更复杂的影响。此外，在春季、夏季和秋季，堆积区域中分散的UBGS贴片可以以较小的面积有效地冷却较大的周围范围。在冬季，对碳排放有很大贡献的UBGS斑块的分布更加分散。 　　观察四季典型每日UBG的CS分布（图8-b.），可以发现单个UBG斑块的CS在夏季最高，其次是春季和秋季。而在冬季，相反的情况导致了20.71吨的碳排放的极值。所有季节CS绝对值最高的斑块是城市水网，这表明贯穿城市的水网可以通过冷却提供更连续的碳节约网络。 　　如图（图8-c.）表明，在春季，建筑较密集的城市地区中分散的UBGS斑块比城市地区外围较大的UBGS斑块具有更好的CSD，并且这种分布特征在夏季更加明显。相比之下，中部地区较小的UBGS斑块在冬季相对于周边地区贡献了更多的碳排放。UBGS斑块夏季最高CSD为0.09 kgC/m2，冬季最低CSD为0.02 kgC/m2。必威betway首页 　　（3）潜在指标对UBGS CS的贡献 　　全年CS的SEM模型显示，LSTavg和CA主要影响全年的CS（图9）。这意味着城市温度越高，UBGS的相应CS越突出。 　　图9 制冷节能的因素影响模型 　　比较不同季节CS和中介变量CA和LSTavg的影响（图10）。结果发现，当每个季节单独统计时，CS最重要的影响因子由LSTavg变为CA。CA在春、夏、秋季与CS呈正相关，而在冬季对CS有抑制作用。LSTavg对CS的影响在不同季节更加模糊，这可能被UBG与不透水表面的占用差异放大。LSTavg在季节尺度上有更多的主因子和更高的相关系数。如FVC、BS、GS等指标均与地表温度呈显著负相关，NDBI、NDWI、OA、BA的增强将进一步促进地表温度的升高。 　　图10 不同季节UBGS冷却节能影响因素的比较 　　5 　　不足与展望 　　本研究构建的CS估计模型是在前人研究的基础上进行修正和深化的。一些数据，如每栋建筑的住宅用电量数据，由于难以获得和缺乏对现有研究的参考，缺乏对CS估计值的验证步骤。 　　此外，本研究在建模全年CS估计过程中R2较低，很可能是因为在从空间精度为100米、时间精度为一个季节的数据转换到空间精度为1公里、时间精度为一天的数据的过程中，压缩了更多的空间细节。在这项研究中，我们只能使用简化公式以较低的精度估计CS全年的逐日变化。 　　最后，本研究以中国华北地区的高密度城市天津为例，对UBGS-CS进行量化，其估算公式的适用性有待于其他城市进行更广泛的尝试。UBGS-CS领域的未来研究可以在全年的数据验证和估计准确性方面进一步优化。此外，由于相关基础研究数量较少，中国不同气候类型城市UBGS-CS的对比研究还有待进一步完成。 　　6 　　总结 　　1.2021年天津市中心城区UBGS单位面积年减碳量为77.89吨/平方公里，相当于UBGS固碳能力的2.21倍，可缓解所在区域城市平均碳排放量的0.56%。在1公里的精度下，全年总体CS性能最佳的斑块大部分与城市水网重叠。天津市中心城区UBG冷却的碳节约潜力在蓝绿斑块较大的边缘区域全年波动较大，中心区域变化较小。研究区南侧的空间大多表现为“高CS-高CE”和“高CS-低CE”，而北侧的空间大多表现为“低CS-高CE”和“低CS-低CE”。 　　2.天津市中心城区不同季节的典型CS估算结果表明，较温暖夏季的城市冷岛更多地由UBGS驱动，冬季城市低温区覆盖的主导因素相对复杂。大的蓝绿斑块虽然在春天、夏天和秋天保存了更多的碳，但由于温度较低，在冬天创造了碳源。此外，相对于分散的绿地、城市公园、湖泊、湿地，城市河网可以为高密度城市提供持续高效的减碳功能。 　　3.对UBGS全年CS贡献最大的两个中介变量是城市背景LST和CA。其中，CA进一步受到蓝绿斑块区域覆盖和建筑物、空地等不透水表面覆盖的影响。在不同季节，城市背景LST对CS的作用减弱，CA成为对CS的主导影响。 　　四、论文作者 　　杨菲 　　天津大学建筑学院博士生 　　五、论文指导教师 　　王洪成 　　天津大学建筑学院教授，中国风景园林学会城市绿化专业委员会主任委员 　　欢迎广大专家学者共同交流！ 　　主 编：王洪成 　　执行主编：卢佳玉 　　编 辑：王梓涵 　　审 校：张 颖 　　本文为简要内容，详细信息见原文： 　　https://doi.org/10.1016/j.jclepro.2024.144017 　　更多精彩请关注：