EN中文

风景园林 >

2026 , Vol. 33 >Issue 1: 56 - 66

DOI: https://doi.org/10.3724/j.fjyl.LA20250257

专题：城乡绿色空间的降碳减污

基于分层固碳路径法的城市绿地碳汇效能量化解析与制图——以南京燕子矶典型地块为例

  • 李哲 , 1 ,
  • 陈海妮 , 1 ,
  • 周正 , 2 ,
  • 陈珮珺 , 1
展开
  • 1 东南大学建筑学院
  • 2 华东勘测设计研究院有限公司

李哲/男/博士/东南大学建筑学院景观学系主任、教授、博士生导师/研究方向为风景园林规划与设计、数字景观理论与技术

陈海妮/女/东南大学建筑学院在读硕士研究生/研究方向为数字景观理论与技术

周正/女/硕士/华东勘测设计研究院有限公司助理设计师/研究方向为风景园林规划与设计

陈珮珺/女/东南大学建筑学院在读硕士研究生/研究方向为风景园林规划与设计

Copy editor: 刘颖

收稿日期: 2025-04-25

  修回日期: 2025-11-24

  网络出版日期: 2026-03-12

版权

版权所有 © 2026 风景园林编辑部
收起

Quantitative Analysis and Mapping of Carbon Sequestration Efficiency for Urban Green Space Using Layered Carbon Sequestration Path Method: A Case Study of Yanziji Blocks, Nanjing

  • LI Zhe , 1 ,
  • CHEN Haini , 1 ,
  • ZHOU Zheng , 2 ,
  • Chen Peijun , 1
Expand
  • 1 School of Architecture, Southeast University
  • 2 Huadong Survey and Design Institute Co., Ltd.

LI Zhe, Ph.D., is a professor, doctoral supervisor, and director of the Department of Landscape Architecture in the School of Architecture, Southeast University. His research focuses on landscape planning and design, and theories and technologies of digital landscape

CHEN Haini is a master student in the School of Architecture, Southeast University. Her research focuses on theories and technologies of digital landscape

ZHOU Zheng, Master, is an assistant designer at Huadong Survey and Design Institute Co., Ltd. Her research focuses on landscape planning and design

CHEN Peijun is a master student in the School of Architecture, Southeast University. Her research focuses on landscape planning and design

Received date: 2025-04-25

  Revised date: 2025-11-24

  Online published: 2026-03-12

Copyright

Copyright © 2026 Landscape Architecture. All rights reserved.
Fold

摘要

【目的】

城市绿地碳汇效能研究是“碳中和”时代背景下推进城市绿地高碳汇建设的重要内容之一，现有碳汇效能分析技术在路径体系化、测度精细化与结果可视化等方面的支撑能力有待加强，亟待开展城市绿地碳汇效能量化解析与制图研判研究。

【方法】

基于城市绿地碳循环与碳收支基本原理，提出“分层固碳路径法”并建立城市绿地碳汇效能量化解析体系。开展城市绿地识别与分类、分层设样与样地调查，集成碳汇效能算法构建测度模型，依托ArcGIS进行碳汇效能量化解析与数字制图。以南京市燕子矶典型地块为例，对建设原状与更新方案的碳汇效能进行对比分析。

【结果】

基于分层固碳路径法的碳汇效能测度模型与数字制图技术能够精准解析各类城市绿地的碳汇效能。燕子矶地块更新方案相较于建设原状，城市绿地碳汇效能显著提升、分布格局呈均衡发展趋势、提升潜力有所降低且达饱和值。

【结论】

分层固碳路径法能够针对城市绿地碳汇效能解析的需求，本研究构建了操作性强、比对分析明晰的碳汇解析路径与碳汇测算方法，实现了城市绿地碳汇效能的系统测度与数字制图，为城市绿地碳汇效能的量化解析提供技术方法参考。

关键词： 风景园林; 城市绿地; 分层固碳路径法; 碳汇效能测度模型; 数字制图技术

本文引用格式

李哲 , 陈海妮 , 周正 , 陈珮珺 . 基于分层固碳路径法的城市绿地碳汇效能量化解析与制图——以南京燕子矶典型地块为例[J]. 风景园林, 2026 , 33(1) : 56 -66 . DOI: 10.3724/j.fjyl.LA20250257

Abstract

[Objective]

The construction of high-carbon-sequestration urban green space has become a key component of high-quality built environment development under the carbon neutrality strategy. Systematic quantitative analysis and digital mapping of carbon sequestration efficiency provide essential scientific and practical guidance for enhancing urban green space quality and ecological resource management. As a primary natural carbon sink, urban green space mitigates carbon emissions and improves human settlement quality. Carbon sequestration efficiency—per unit time or area—captures the spatio-temporal dynamics of carbon sequestration and serves as an integrated indicator for evaluating multi-path carbon cycle performance in landscape green spaces. Rapid urbanization and fragmented, heterogeneous green space patterns increasingly constrain urban carbon sequestration. Therefore, quantitative assessment of carbon sequestration efficiency is crucial for identifying enhancement strategies. However, traditional measurement methods often suffer from unstructured consideration of carbon paths, incomplete analytical frameworks, low accuracy, and unclear strategy guidance, highlighting the urgent need for landscape architecture oriented, layered carbon sequestration path based, fine grained, quantitative approaches to improve reliability, validity, and spatial precision in carbon sequestration analysis and visualization.

[Methods]

Grounded in urban green space development and layered carbon sequestration principles, this study establishes a quantitative framework for evaluating urban green space carbon sequestration efficiency and integrates the layered carbon sequestration path method into measurement modeling. The framework is applied to the Yanziji Blocks, Nanjing, under both original and redevelopment conditions. The workflow includes: 1) constructing the carbon sequestration efficiency analysis system; 2) identifying and classifying urban green spaces; 3) layered sampling and field surveys; 4) efficiency measurement using the layered carbon sequestration path algorithm; 5) digital mapping and spatial analysis. Carbon sequestration mechanisms—including carbon fixation, biomass accumulation, soil carbon storage, litter decomposition, and rhizosphere cycling—were examined to guide model development. Landscape green spaces were extracted and categorized based on carbon sequestration characteristics, forming hierarchical geospatial datasets. Layered sampling plots for vegetation, soil, and micro-habitats, supplemented by literature data, created a comprehensive plot database. Carbon sequestration coefficients were calculated using layered path formulas and combined with terrain and vegetation data to construct efficiency measurement models, supporting multi-dimensional spatial analysis. Using Yanziji Blocks as a case, grid-based spatial quantification, visual mapping, and statistical evaluation were conducted, focusing on composition, spatial distribution, contribution proportion, improvement potential, and hotspot identification.

[Results]

The empirical results indicate the following three aspects. 1) The layered-path-based carbon sequestration efficiency measurement model demonstrates strong applicability for urban block-scale analysis. It enables accurate quantification of carbon sequestration characteristic coefficients, total carbon sequestration, and multi-dimensional carbon sequestration efficiency under both the original conditions and the redevelopment plan. 2) Comparative digital mapping showed that the redevelopment plan substantially improved overall carbon sequestration efficiency relative to the original conditions, transforming the spatial pattern from an uneven distribution into a more balanced and optimized one. Multiple hotspot regions emerged, reflecting enhanced spatial clustering of high-efficiency areas. Meanwhile, carbon sequestration improvement potential decreased significantly and tended toward theoretical saturation, suggesting that the redevelopment plan achieved nearly optimal carbon sequestration levels. 3) The results further demonstrate that reasonable planning—such as increasing the green space ratio, optimizing vegetation structure through multi-layered canopy configuration (tree−shrub−groundcover), and integrating vertical greening (e.g., roof gardens)—effectively enhances carbon sequestration efficiency under new urban development scenarios.

[Conclusion]

This study establishes a layered-path-based carbon sequestration efficiency analysis system, develops a fine-scale measurement model, and implements a digital mapping toolkit for urban green space carbon sequestration efficiency at the urban block scale. The proposed approach effectively addresses the limitations of low measurement accuracy, incomplete analytical frameworks, and insufficient spatial representation in current research. It significantly improves the reliability and validity of carbon sequestration efficiency quantification and visualization. The findings provide theoretical foundations, methodological guidance, and technical support for the organic renewal and redevelopment of the built environment under carbon neutrality objectives, and offer a replicable framework for the planning, evaluation, and design of high-carbon-sequestration urban green spaces.

Key words： landscape architecture; urban green space; layered carbon sequestration path method; carbon sequestration efficiency measurement model; digital mapping technology

推动建成环境低碳发展是“碳中和”战略的重要抓手，城市高碳汇绿地更新改造是实现这一战略目标的基本内容与实践导向，以数字技术助力城市绿地的碳汇核算与分析研判成为提升当代城市绿地固碳增汇水平的关键步骤。2025年中央城市工作会议明确提出“着力建设绿色低碳的美丽城市，推动减污降碳扩绿协同增效”[1]。城市绿地作为建成环境中自然碳汇的重要来源，天然具备固碳释氧的生态能力，是降低城市碳排压力与提升人居环境质量的重要主体[2]。城市绿地碳汇效能以单位时间或单位面积内绿地碳汇要素的固碳量来计算，能够有效反映城市绿地碳汇能力在时空尺度上的动态特征[3]。由于城市绿地的空间结构复杂且功能多样，分层识别城市绿地内部的碳汇路径，对提升碳汇效能量化解析的精准度与科学性具有重要的研究价值与现实意义。
针对当前城市绿地碳汇效能量化解析研究中普遍存在的碳汇路径有待优化、碳汇解析体系有待完善、碳汇运算精度有待提升、碳汇提升策略有待明晰等问题，本研究面向城市绿地建设需求与发展规律，聚焦城市绿地碳汇要素的碳收支路径，构建以分层固碳路径法为基础方法的城市绿地碳汇效能量化解析体系，提出适用于各类型绿地的分层固碳路径法，并搭建城市地块尺度下的城市绿地碳汇效能测度模型。分层固碳路径法具备较强的结构分辨力与路径解析能力，能够精准反映不同绿地类型碳汇要素的贡献差异。在此基础上开展城市绿地碳汇效能的特征解析与数字制图，并依据解析结果进行城市绿地增汇策略研判，能够有效提升城市绿地碳汇效能的定量测度和图示解析的信度与效度，为“碳中和”战略背景下建成环境的有机更新提供方法参考与技术支持。

1 城市绿地碳汇效能研究与解析技术进展

1.1 城市绿地碳汇研究进展

碳汇指从大气中吸收并固定CO2的过程、活动和机制[4]，而城市绿地作为建成环境的基本构成之一，承担着碳循环中CO2吸收与储存的重要功能，是碳汇过程的主要载体。城市绿地碳汇研究起源于生态学与环境科学领域，得益于碳循环与碳收支理论[5-6]在风景园林专业研究中逐渐形成的普遍认同与铺垫，基于植被、土壤固碳过程的碳汇量化逻辑而开展的城市绿地碳汇研究在2005年以来呈现出加速增长的趋势。1）在宏观层面，相关研究侧重于比较不同时期或不同类型城市绿地碳汇贡献[7-8]，并进行碳汇变化模拟[9-10]及碳汇提升策略研判[11]，如刘颂等构建多尺度城市蓝绿基础设施增汇减碳规划策略框架，提出了源头碳汇-精准落位-格局管控的碳汇要求[12]；2）在中观层面，相关研究以城市公园等典型绿地为研究对象，对城市绿地环境中植被种植配置[13]、土壤碳储量变化[14]、生境组成差异[15]等碳汇影响因素进行研判，并探讨其碳收支路径关联机制，如王晶懋等分析街区单元绿地碳汇影响因素，结合平面布局与垂直结构，优化低碳绿地设计策略[13]；3）在微观层面，相关研究则以植物群落为研究对象，评估不同群落在固碳与释氧效能方面的差异，如袁艺嘉等针对校园典型植物群落开展了碳汇效益测算与优化研究[16]。
相关研究表明，城市绿地碳汇整体研究呈现出由静态到动态、由单一尺度分析到多尺度整合等积极趋势，相关研究成果在城市绿地高碳汇建设和管理方面得到广泛应用。相较于宏观与微观层面的研究积累，针对城市更新地块、滨水绿带、综合性公园等中观尺度的典型城市绿地的碳汇研究逐年增多，研究对象的植物群落结构更为复杂、碳汇要素耦合关系更为多元、空间格局与使用功能更为多样，因此更具纵深拓展的价值与意义。既有研究在识别绿地内部多元碳汇要素的协同作用机制以及碳收支路径之间的交互关系方面仍待完善，碳汇测度结果如何指导城市绿地精准增汇设计有待深入探析。

1.2 城市绿地碳汇效能测度与解析技术进展

碳汇效能测度与解析是评估城市绿地碳汇能力及其影响因素的关键方法，是城市绿地增汇策略研判的重要基础，已成为碳汇研究发展的前沿方向之一。受益于地理信息分析、机器学习建模、多源数据融合等技术的不断发展，碳汇效能测度技术正由依赖传统调研的经验估算向信息集成下的算法驱动加速发展，以满足城市绿地环境框架内动态化、精准化的碳汇效能计量需求。面积系数法能对城市绿地固碳因子与面积关系进行估算，具有操作简便、适用于大中尺度区域评估的优势[17]；分层抽样法则依据绿地类型与空间异质性，进行分层设计与样本抽取，能够显著提升碳汇效能估算的代表性与精度[18]；模型系统法采用树木效益模型（Tree Benefit Calculator）、城市绿地生态评估模型（Citygreen）、综合生态系统服务评估模型（InVEST）等现有模型，虽能输出相对具体的碳汇效能估算结果，但往往依赖固定参数与假设条件，忽视了区域差异性，导致结果存在一定的不确定性和局限性[19-20]。现有城市绿地碳汇解析技术多于ArcGIS平台构建碳汇效能分析规则，利用空间分配法[21]、方格网法[22]、空间图谱[23]等多种图示解析方法，结合区域统计分析技术进行数值统计与代数运算，对碳汇效能的时空演变[24]、影响因素[25]及效益提升策略[26]等进行系统解析与科学评价。
综上所述，随着当代城市绿地碳汇数据获取方式、效能评估方法的多元化发展，城市绿地碳汇效能测度体系逐渐建立，利用ArcGIS平台集成测度结果的数字制图方法成为城市绿地碳汇效能客观解析的可视化载体。然而，碳汇效能空间分布图示的表达精度有待提升，碳汇数据融合算法及数控模型仍处于研发初期。因此，本研究将基于分层抽样法与面积系数法，对碳汇计算、数据库建立、数学建模、图学分析等多种相关技术进行针对性整合，开展城市绿地碳汇效能量化解析模型的研发以及数字制图，以提升城市绿地碳汇效能的精准测度与解析水平。

1.3 城市绿地碳汇效能测度方法进展

在碳汇效能测度技术不断完善的背景下，城市绿地碳汇效能的测度方法发展的核心驱动力在于不断提升土壤及植被固碳量（即碳汇量）计算的精确度与适用性。既有测度方法主要可以归纳为基于固碳结果的测度模式和基于固碳过程的测度模式。前者聚焦于不同时间点城市绿地中固碳要素单位面积的固碳量[27]，通常利用差减法计算碳汇变化量并平均分配至单位时间中，从而获得对应的碳汇效能[28]，相关研究如和晓彤通过生物量异速方程法，以0.5的含碳率对样地固碳量进行测度，并用遥感反演法反演出西安市中心城区不同时期的固碳量，以及西安中心城区绿地年固碳速率[29]；后者聚焦于城市绿地固碳要素的固碳作用本身，通过分解固碳过程中变化的碳通量推演出单位时间内碳汇的变化总量，土壤碳通量法[30]、光合速率法[31]为该模式的典型方法，如张彪等在研究上海城市森林植被的固碳量时，取光合速率法及生物量法计算的植被固碳量平均值以减小误差[32]。
现有碳汇效能测度方法多源自林学、生态学等学科，研究尺度和对象更契合天然森林或区域生态系统，而面向风景园林研究领域，尤其是兼具生态与景观功能的城市绿地时，其适用性仍存在一定局限。从前述2类方法来看，基于固碳结果的测度模式虽然操作简便、适合宏观及中观或长期碳汇分析，但难以揭示城市绿地内部碳汇要素形成的动态机制；相比之下，基于固碳过程的测度模式能够系统整合植物生长、光合作用、呼吸作用及土壤碳动态等因素，能更精确地量化城市绿地各碳汇要素的固碳贡献，该测度模式的过程化特性使之在结构复杂、功能多样的城市绿地中具有更高的适用性和参考价值。基于这一优势，本研究以固碳过程测度模式下的碳汇效能测度方法作为研究基础，同时对既有的植被及土壤固碳量相关测度计算式进行优化，从而提高碳汇效能测度的精度和适用性，为后续的实证分析与策略研判提供科学支撑。

2 基于分层固碳路径法的城市绿地碳汇效能量化解析机制

2.1 城市绿地碳汇效能量化解析体系构建

在城市绿地建设碎片化、异质化发展的影响下，碳汇过程的复杂性日益增强，亟须建立能够精准识别各碳汇要素碳收支路径及相互作用的城市绿地碳汇效能量化解析机制。基于碳循环与碳收支原理，利用固碳过程的碳汇量化逻辑，提出以植被层及土壤层两大碳汇要素及其碳收支路径识别为核心的分层固碳路径法。该方法基于面积系数法与分层抽样法等碳汇测度技术，融合源自生态学和林学领域的固碳过程测算方法，并在此基础上进行集成与优化，能为实现城市绿地碳汇效能的精准量化解析提供核心技术支撑。学者针对城市绿地碳汇效能开展了研究，如基于城市绿地碳足迹评估模型来量化不同类型绿地及其构成层的碳储量与碳排放特征[33]；基于全生命周期方法来量化城市绿地碳库层的碳储量与碳汇效益[34]；基于碳核算模型来量化城市绿地分层碳源与碳汇特征[35]。既有研究表明，通过对碳收支路径进行细化解析，并在此基础上对城市绿地碳汇效能进行分层量化，能够显著提升碳汇测度的可操作性，分层固碳路径法能够将碳汇效能测度细化至风景园林领域可识别、可管理的尺度范围，有助于形成适用于风景园林领域的碳汇效能量化解析机制。
结合分层固碳路径法基本原理，面向城市尺度景观绿地构建碳汇效能量化解析体系（图1）。
图1 城市绿地碳汇效能量化解析体系

Fig. 1 A quantitative analysis framework for the carbon sequestration efficiency of urban green spaces

2.2 城市绿地识别与分类

城市绿地碳汇特征的准确识别与城市绿地类型的科学划分是高效估算碳汇效能的重要基础。本研究定义碳汇特征为各类绿地在特定时空尺度下所体现的单位面积碳吸收与固存能力的差异性属性，是城市绿地碳汇能力的具体表现。既有研究多从绿地功能、植被类型与生活型、林龄、地理区位及遥感指数等角度进行绿地类型划分，以揭示城市绿地碳汇特征差异[36]。
基于既有研究与实地调查，整合遥感影像、土地利用现状图与城市功能分区等多源数据，以地块尺度为分析单元，从群落模式、功能类型、用地类型与顶层覆被类型4个维度构建城市绿地分类体系（表1），其中顶层覆被类型是指在不同垂直植被结构组合中处于最上层、直接暴露于大气环境的植被类型。以此为基础，识别并聚类具有相近碳汇特征的绿地类型，为后续碳汇效能的分区估算提供标准化依据。
表1 城市绿地分类体系

Tab. 1 Urban green space classification system

分类维度 具体类别
群落模式 人工配置群落、自然群落
功能类型 游憩绿地、附属绿地、待开发地等
用地类型 居住用地、公共管理与公共服务设施用地、商业金融业用地、工业用地、教育科研用地、物流仓储用地、道路与交通设施用地、村镇建设用地、道路与交通设施用地、其他用地等
顶层覆被类型 乔木层、灌木层、地被层
在此基础上，对研究区域的遥感影像进行预处理与初步解译，结合归一化植被指数（normalized difference vegetation index, NDVI）计算初步绿地识别范围，依托ArcGIS平台进行人工目视判读、分类校正、城市绿地要素提取与同类合并，生成绿地要素分类图层，并在图层属性表中嵌入编号信息，为后续样方抽样与碳汇模型输入提供空间数据基础。

2.3 分层设样与样地调查

基于城市绿地分类体系进行样方设置与数据采集是碳汇效能精准测度的关键前提。对研究范围内绿地进行分类分层，按各类绿地面积比例合理分配抽样点，并结合现场情况和基础数据的时间有效性，对抽样点进行实地核查与必要的替换。样地调查中，根据绿地面积、结构与取样难度确定样方形式，小型斑块采用整斑样方，以硬质设施或群落界线为边界；大型绿地设20 m×20 m标准矩形样方，结构均质的线性绿地采用长度20 m以上的样带样方，并记录样地编号、面积及植物种类，形成绿地样方基础数据集。

2.4 分层固碳路径法碳汇效能测度模型构建

构建城市绿地碳汇效能算法计算式，是碳汇效能测度模型搭建的核心步骤。首先，基于碳循环及碳收支理论，面向城市地块尺度研究需求，综合数据获取可行性与估算精确度，对碳收支路径进行固碳过程层面的系统拆解，计算式
$\begin{split} {W}_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}&={W}_{\mathrm{v}}+{W}_{\mathrm{s}} \\&={W}_{\mathrm{p}\mathrm{h}\mathrm{o}\mathrm{t}\mathrm{o}}-{W}_{\mathrm{r}\mathrm{e}\mathrm{s}\mathrm{p}\_\mathrm{v}}-{W}_{\mathrm{r}\mathrm{e}\mathrm{s}\mathrm{p}\_\mathrm{s}}\\&={W}_{\mathrm{n}\mathrm{e}\mathrm{t}\_\mathrm{p}\mathrm{h}\mathrm{o}\mathrm{t}\mathrm{o}}-{W}_{\mathrm{r}\mathrm{e}\mathrm{s}\mathrm{p}\_\mathrm{s}}。\end{split}$
式中，$ {W}_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}} $代表绿地固碳量，$ {W}_{\mathrm{v}} $代表植被固碳量，$ {W}_{\mathrm{s}} $代表土壤固碳量，$ {W}_{\mathrm{p}\mathrm{h}\mathrm{o}\mathrm{t}\mathrm{o}} $代表植被光合作用固碳量，$ {W}_{\mathrm{r}\mathrm{e}\mathrm{s}\mathrm{p}\_\mathrm{v}} $代表植被呼吸排放碳量，$ {W}_{\mathrm{r}\mathrm{e}\mathrm{s}\mathrm{p}\_\mathrm{s}} $代表土壤呼吸排放碳量，$ {W}_{\mathrm{n}\mathrm{e}\mathrm{t}\_\mathrm{p}\mathrm{h}\mathrm{o}\mathrm{t}\mathrm{o}} $代表植被净光合作用固碳量。
为计算绿地固碳总量，本研究筛选出固碳过程测算方法的典型代表——光合速率法与土壤碳通量法，对既有计算式进行集成与优化，形成城市绿地碳汇效能量化算法，计算式
$\begin{split} \;\\ {W}_{\mathrm{n}\mathrm{e}\mathrm{t}\_\mathrm{p}\mathrm{h}\mathrm{o}\mathrm{t}\mathrm{o}}={\sum }_{i=1}^{n}\left[{P}_{i}\times \left(1-0.1\times \frac{{T}_{\mathrm{N}}}{{T}_{\mathrm{D}}}\right)\times {I}_{\mathrm{L}\mathrm{a}i}\times {S}_{i}\times {T}_{i}\right]， \end{split}$
$ {W}_{\mathrm{r}\mathrm{e}\mathrm{s}\mathrm{p}\_\mathrm{s}}={\sum }_{k=1}^{m}\left({V}_{\mathrm{s}\mathrm{r}k}\times {S}_{k}\right)\times {T}_{\mathrm{s}} 。$
式中：n为样方内参与光合作用碳汇计算的植物种类数；$ {P}_{i} $为第i种植物日同化量；$ {T}_{\mathrm{D}} $为日照时长，h；$ {T}_{\mathrm{N}} $为夜间时长，h；$ \left(1-0.1\times \dfrac{{T}_{\mathrm{N}}}{{T}_{\mathrm{D}}}\right) $为夜晚呼吸作用消耗碳量折算系数；$ {I}_{\mathrm{L}\mathrm{a}i} $为第i种植物叶面积指数；$ {S}_{i} $为第i种植物覆盖面积；$ {T}_{i} $为第i种植物进行有效光合作用的天数；m为样方内参与土壤呼吸作用的绿地类型数；$ {V}_{\mathrm{s}\mathrm{r}k} $为第k种绿地土壤呼吸速率；$ {S}_{k} $为第k种城市绿地土壤面积；$ {T}_{\mathrm{s}} $为评估周期天数。
基于以面积系数法及分层抽样法为核心的碳汇测度技术既有研究成果[17-18]，本研究引入碳汇特征系数（即某一类绿地的面积碳系数），用来表征该类景观绿地在单位绿地面积上的年净碳汇量，计算式
$ \lambda ={W}_{\mathrm{t}\mathrm{o}\mathrm{t}\mathrm{a}\mathrm{l}}/A\times T 。$
式中，$ \lambda $为碳汇特征系数，$ A $为地表面积，$ T $为评估年限。
将样方年总固碳量平均分配至样方土地面积中，计算得到各样方的碳汇特征系数。对所有样地完成测算后，取算术平均值，确定各类绿地代表性碳汇特征系数。
本研究参考相关文献[32, 37-38]对以上计算式的核心参数进行如下设定。单位时间内植被夜间呼吸作用所释放的CO2量约占日间光合作用固碳量的10%，且植被光合作用时长约为暗呼吸作用的2倍[37]，可根据日间固碳量估算出日净固碳量；由于冬季落叶植被光合作用较低，将植被的有效光合作用时间设定为春、夏、秋3季，又因日降雨量大于5 mm时，植物光合作用的碳固定量与呼吸作用的碳消耗量相抵[32, 38]，统计研究区域的气象状况即可分别获得常绿植被与落叶植被的有效光合天数；植物在光合作用固碳的同时，部分有机物以叶片凋落或根系分泌的形式转入土壤，已计入土壤固碳，不重复计算。
为降低地形起伏在碳量推演中造成的误差，本研究采用三维空间法计算绿地要素地表面积。通过数字高程模型计算坡度及其坡面比，获取其与碳汇特征系数的乘积，得到基于地形修正的碳汇效能数值，计算式
$ {S}'=S/{{\rm{cos}}}（{{\text{θ}} \times \pi }/{180^\circ}）， $
$ E=\lambda \times {S}'/S=\lambda /{{\rm{cos}}}（{{\text{θ}} \times \pi }/{180^\circ} ）。$
式中：$ {S}' $为绿地地表面积，$ S $为绿地投影面积，$ {\text{θ}} $为地形坡度值；$ E $为碳汇效能，$ \lambda $为碳汇特征系数。
综合上述流程，整合算法，形成城市绿地碳汇效能测度模型。

2.5 碳汇效能数字制图解析

为实现城市绿地碳汇效能的精准解析，本研究在实现碳汇效能量化测算的基础上，构建碳汇效能评价机制。在借鉴既有城市绿地碳汇研究分析维度与方法的基础上，本研究以有效表征碳汇特征并服务于城市绿地增汇设计实践为原则，从碳汇效能组成、碳汇效能空间分布特征与碳汇效能提升潜力3个维度展开解析，依托城市绿地碳汇效能测度模型并结合相关计算式（表2），形成图表化的分析结果。
表2 碳汇效能制图评价相关计算式

Tab. 2 Relevant calculation formulas for the evaluation of carbon sequestration efficiency

分析维度 相关计算式 式注
碳汇效能组成 $ {C}_{i}=\dfrac{{W}_{i}}{W}\times 100\mathrm{\%} $ $ {C}_{i} $：i 种类型城市绿地碳汇效能贡献值；
$ {W}_{i} $：i 种类型城市绿地碳汇效能总量；
$ W $：城市绿地碳汇效能总量
碳汇效能空间分布特征 $ {G}_{i}^{\mathrm{*}}（d）=\dfrac{\displaystyle\sum\nolimits_{j=1}^{n}{W}_{ij}（d）{X}_{j}}{\displaystyle\sum\nolimits_{j=1}^{n}{X}_{j}} $ $ {G}_{i}^{\mathrm{*}} $：局域指数；
$ d $：距离阈值，定义邻域范围的搜索距离；
$n$：研究区域内所有矢量格网单元总数量；
${W}_{ij}（d）$：空间权重矩阵，定义第 j 个格网单元与第 i 个格网单元在 d 下的空间关系；
$ {X}_{j} $：第 j 个格网单元的碳汇效能观测值
碳汇效能提升潜力 $ {P}_{i}={W}_{\rm{max}}-{W}_{i} $ $ {P}_{i} $：第 i 个格网单元的碳汇效能提升潜力；
$ {W}_{\rm{max}} $：绿地功能类型相同情况下的碳汇效能最大值；
$ {W}_{i} $：第 i 个格网单元绿地碳汇效能
首先，在ArcGIS平台导入高分辨率影像和绿地分类数据，构建基础数字地图，并关联碳汇特征系数；接着，将投影面要素转化为1 m×1 m栅格数据，通过色彩映射生成碳汇效能空间量化图，展示各区域的碳汇效能分布；随后，分区统计并绘制环形饼图、分析不同绿地类型的碳汇效能贡献比例；采用边长为10 m的正六边形格网进行空间统计以减少边界效应，并生成碳汇效能热点分析图，识别碳汇效能的高低值区域；最后，确定各网格单元在同一用地类型及同一顶层覆被类型下的理论碳汇效能最大值，生成碳汇效能最大值栅格，并通过差值计算与重分类处理，形成碳汇效能提升潜力分级图。

3 城市绿地碳汇效能量化解析与制图实证研究——以南京燕子矶典型地块为例

3.1 研究区域与数据来源

本研究选南京取燕子矶典型地块开展实证研究，通过量化解析该地块在建设原状与更新方案2个典型阶段的实际碳汇效能，比较2个阶段该地块碳汇效能组成、碳汇效能空间分布特征及碳汇效能提升潜力的差异，探讨城市新区更新建设对绿地碳汇功能的影响，为建成环境低碳更新建设提供直观指导。
研究区域位于南京市栖霞区幕府山以东，面积约262.5 hm2，北临长江，南接太新路，东西以北十里长沟的东、西2条支流为界。本研究以建设原状与更新方案2个阶段数据作为城市绿地信息识别基础。建设原状指2007年7月区域原状，所用数据包括分辨率为2.44 m的QuickBird遥感影像，以及包含土地利用、建筑分布和地面高程信息的CAD图纸，来源于南京市规划和自然资源局（ghj.nanjing.gov.cn）。更新方案是基于2024年3月实际更新情况，结合未建设地块的城市设计整合形成的城市更新设计方案，虽2024年更新建设尚未全面完成，但各地块绿地率、绿化率均按控规指标控制，可基本代表全面更新后的整体绿地布局（图2）。
图2 研究区域概况

Fig. 2 General situation of research area

3.2 研究过程与测度结果

根据城市绿地分类体系（表1）对研究区域内绿地要素进行识别与分类。基于遥感影像与CAD图纸，以遥感自动解译为主要方法初步提取绿地边界信息，同时结合目视解译，对绿地要素识别进行补充与校正。根据建设情况对绿地类别进行筛选与合并，最终形成包含建设原状14个类型（A1~A14）与更新方案13个类型（B1~B13）的绿地分类（表3），以及基于ArcGIS平台的绿地要素分类图层（图3、4），对各图层进行各类绿地要素面积统计，作为后续分层抽样的空间参考。
表3 燕子矶典型地块建设原状与更新方案绿地分类

Tab. 3 Original conditions and redevelopment plan of the Yanziji blocks green space classification

阶段 群落模式 功能类型 用地类型 顶层覆被
类型		 城市绿地类型编号
　　注：用地类型中的代码来源于GBJ 137—1990《城市用地分类与规划建设用地标准》及CJJ/T 85—2017《城市绿地分类标准》。
建设原状 人工配置群落 附属绿地（生产性单位） 工业用地（M2/M3）、公共设施用地（U41）、物流仓储用地（C2）、特殊用地（D1） 地被层 A1
灌丛层 A2
乔木层 A3
附属绿地（服务性单位） 商业金融业用地（C2）、教育科研用地（C6） 灌丛层 A4
乔木层 A5
附属绿地（城市宅间绿地） 居住用地（R3） 地被层 A6
乔木层 A7
附属绿地（城中村宅间绿地） 村镇建设用地（E6） 地被层 A8
乔木层 A9
附属绿地（道路绿地） 道路与交通设施用地（S） 灌丛层 A10
乔木层 A11
自然群落 待开发地 弃置地（E7） 乔木层 A12
附属绿地（山林绿地） 特殊用地（D） 乔木层 A13
待开发地（滨江绿地） 其他绿地（Egc） 乔木层 A14
更新方案 人工配置群落 附属绿地（服务性单位） 商业用地（C21）、图书展览用地（C34）、旅游业用地（C25）、服务业用地（C24）、学校用地（Rec/Rea）、设施用地（U12/U21） 地被层 B1
灌丛层 B2
乔木层 B3
附属用地（城市宅间绿地） 住宅混合用地（Rb）、二类居住用地（R2）、基层中心用地（Rc） 地被层 B4
灌丛层 B5
乔木层 B6
游憩绿地 公园（G11）、街头绿地（G12）、附属绿地（XG） 地被层 B7
灌丛层 B8
乔木层 B9
附属绿地（道路绿地） 道路广场用地（S） 灌丛层 B10
乔木层 B11
自然群落 附属绿地（山林绿地） 公园（G11） 乔木层 B12
待开发地（滨江绿地） 区域绿地（EG） 乔木层 B13
图3 建设原状绿地分类

Fig. 3 Classification of green space under original conditions

图4 更新方案绿地分类

Fig. 4 Classification of green space under the redevelopment plan

于各类绿地中随机生成抽样点并开展实地调查。对于建设原状样地的确定，由于部分原始样点所在区域已完成城市更新，现状与历史影像存在差异，为更准确地反映更新前绿地状态，补充选取周边联珠村等5处保留历史格局、绿地类型相似且与研究区域更新前状态高度一致的地块作为样地；对于更新方案样地的确定，鉴于规划方案与场地中未更新地块差异显著，为确保样方调查数据具备参考意义，选择用地类型一致、建设时间处于城市更新期、植被已基本进入稳定生长期的地块作为候选样地，在燕子矶新城范围内补充选取晓庄附小分校等5处样地（图5）。最终形成包含144条样地数据、平均样方面积为80.07 m2、涵盖107种植物种类的绿地样方基础数据集。
图5 抽样点分布

Fig. 5 Distribution of sampling points

依据分层固碳路径法中的算法计算式，调用样方数据计算各类型绿地碳汇特征系数。基于完整公开的南京市2011—2018年气象数据，计算有效光合平均天数，最终确定降水量大于5 mm的天数为119.4 d，常绿植被有效光合天数为245.6 d，落叶植被有效光合天数为178.3 d①；补充植被对应叶面积指数、单位叶面积固碳能力数据[39-50]②以及土壤呼吸速率数据[51-52]③；将以上数据代入植被与土壤碳收支量计算式，叠加计算样方年总固碳量并按面积折算碳汇特征系数（表4）。
表4 燕子矶典型地块建设原状与更新方案碳汇特征系数

Tab. 4 Carbon sequestration characteristic coefficients of original conditions and redevelopment plan in the Yanziji blocks

城市绿地
类型编号		 碳汇特征系数/
g·m−2·y−1		 城市绿地
类型编号		 碳汇特征系数/
g·m−2·y−1
A1 484.83 B1 831.91
A2 5 037.11 B2 2 687.74
A3 8 884.12 B3 8 030.25
A4 1 100.38 B4 1 196.77
A5 5 940.16 B5 3 338.55
A6 754.14 B6 6 811.62
A7 4 642.00 B7 884.61
A8 1 390.21 B8 1 735.42
A9 6 849.51 B9 7 134.73
A10 3 301.43 B10 6 824.63
A11 6 843.50 B11 7 880.76
A12 1 500.80 B12 3 969.16
A13 3 969.16 B13 505.32
A14 505.32

3.3 数字制图与碳汇效能解析

将模型测度所得碳汇特征系数导入ArcGIS平台进行碳汇效能计算与可视化表达，分析基于地形修正的碳汇效能空间量化（图6、7）、各类城市绿地碳汇效能贡献占比（图8、9）、碳汇效能提升潜力分级（图10、11）情况，进行碳汇效能系数空间量化格网（图12、13）及碳汇效能热点（图14、15）分析。制图结果表明，燕子矶地块碳汇效能在城市新区建设过程中呈现出显著的空间与数值变化。
图6 建设原状碳汇效能空间量化

Fig. 6 Spatial quantification of carbon sequestration efficiency under original conditions

图7 更新方案碳汇效能空间量化

Fig. 7 Spatial quantification of carbon sequestration efficiency under the redevelopment plan

图8 建设原状碳汇效能贡献占比

Fig. 8 Proportion of carbon sequestration efficiency contribution under original conditions

图9 更新方案碳汇效能贡献占比

Fig. 9 Proportion of carbon sequestration efficiency contribution under the redevelopment plan

图10 建设原状碳汇效能提升潜力分级

Fig. 10 Classification of carbon sequestration efficiency improvement potential under original conditions

图11 更新方案碳汇效能提升潜力分级

Fig. 11 Classification of carbon sequestration efficiency improvement potential under the redevelopment plan

图12 建设原状碳汇效能系数空间量化格网

Fig. 12 Grid-based spatial quantification of carbon sequestration efficiency coefficient under original conditions

图13 更新方案碳汇效能系数空间量化格网

Fig. 13 Grid-based spatial quantification of carbon sequestration efficiency coefficient under the redevelopment plan

图14 建设原状碳汇效能热点分析

Fig. 14 Hotspot analysis of carbon sequestration efficiency under original conditions

图15 更新方案碳汇效能热点分析

Fig. 15 Hotspot analysis of carbon sequestration efficiency under the redevelopment plan

1）在碳汇效能贡献上，燕子矶地块建设原状城市绿地碳汇总量为3 636.48 t·y−1，附属绿地乔木层贡献率最高，占33.90%；地被层城市宅间绿地贡献最低，仅0.16%。更新方案的城市绿地碳汇总量增至5741.98 t·y−1，增长了57.89%，乔木层游憩绿地贡献最高（26.38%），灌丛层道路附属绿地贡献最低（0.34%）；其中，附属绿地乔木层碳汇高于公园绿地乔木层，分析这一结果主要源于附属绿地乔木层密度更大，栽植了速生高效蓄碳树种，进行了更精细养护，且附属绿地乔木层空间布局集中、群落结构均衡，提升了碳汇效能。
2）在碳汇效能空间分布特征上，建设原状城市绿地碳汇效能总体东高西低，碳汇效能热点集中在东部山地，附属绿地的碳汇效能仅在部分居住区呈现较高值。更新方案各地块附属绿地碳汇效能均呈现整体性和同步性的上升趋势，呈多热点分布格局，西部商业地块碳汇效能相对较低，有待结合场地性质进一步均衡碳汇格局。
3）在碳汇效能提升潜力上，建设原状碳汇效能潜在提升总量为1 469.35 t·y−1，碳汇效能提升潜力等级较高的绿地主要分布于场地西侧生产性单位附属绿地；更新方案碳汇效能潜在提升总量为978.11 t·y−1，提升潜力明显降低，其中东部山地游憩绿地与居住区宅间绿地有待进一步开展针灸式增汇更新。
制图结果显示，本研究在碳汇效能测度的精度与分异解析上具备明显优势。相似尺度下的城市绿地碳汇效能既有研究同样综合了多种测度技术与测算方法。例如，1）采用分区统计方法，分区估算绿地植被和土壤碳储量，并计算各分区净碳汇量及单位面积碳汇速率[53]；2）采用遥感反演方法，通过NDVI或植被指数结合多元线性回归模型推算整片绿地的植被碳储量变化[54]；3）采用植被分类法，对样地的不同植物群落类型和层次进行实地调查，测定碳密度并估算各群落及整体城市绿地的碳储量[27]。各方法测度结果普遍表现为城市绿地整体碳汇值偏于平均化、不同绿地类型间差异被削弱、微地块与植被层级的碳汇贡献难以凸显，且空间分布格局呈现模糊化倾向。相比之下，燕子矶案例基于分层固碳路径法，对植被和土壤碳汇计算式进行集成优化，并采用30m级别格网制图，不仅量化了地块总体碳汇增幅，还实现了对局部微小尺度下城市绿地各顶层覆被类型的碳汇效能分析，得出了各类型城市绿地碳汇效能贡献率、热点分布及提升潜力分级结果，实现了对建成环境景观绿地碳汇效能的更高分辨率解析。

4 讨论

面向当前城市绿地碳汇核算与分析研判需求，本研究提出的分层固碳路径法可为不同类型绿地的碳汇效能量化解析提供有效技术支撑。该方法以植被层与土壤层两大碳汇要素及其碳收支路径识别为基础，分别测算乔木层、灌木层、地被层3种顶层覆被类型的植被固碳量与土壤固碳量，构建出一套分层清晰、结构明确的碳汇效能量化解析体系。相较于传统碳汇效能测度方法[55]，分层固碳路径法更能有效反映不同绿地类型与植被结构的碳汇差异，尤其适用于城市地块尺度下小范围、多样性绿地的快速分析与精细评价，具备估算流程清晰、结构分层明确、参数设置灵活、地块适应性强及空间分辨率高等优势。
本研究提出的碳汇效能数字制图解析技术可用于构建集碳汇效能组成、碳汇效能空间分布特征与碳汇效能提升潜力于一体的可视化评价体系，助力多维度、精细化的碳汇空间解读。相较于既有碳汇效能解析研究多依赖静态结果呈现或粗略分类[56]，本研究采用的碳汇效能数字制图解析技术具备输出快速、图层清晰、结构直观等优势，能够在较短时间内生成高空间分辨率的碳汇格局图谱，显著提升城市绿地碳汇效能的空间可视辨识度。该技术不仅能揭示不同绿地类型在碳汇贡献中的结构性差异，还能辅助识别具有提升潜力的关键区域，为面向高碳汇目标的风景园林更新方案评估、针灸式更新点位筛选与策略制定提供明确、可操作的定量数据与空间依据。
本研究以南京燕子矶典型地块为实证案例，探讨了基于城市更新情境下绿地碳汇效能比较分析的可行性。城市绿地碳汇效能量化解析与制图结果显示，建设原状绿地碳汇效能整体偏低，空间分布呈现出离散化、低密度的特征；而更新方案城市绿地的整体碳汇能力显著增强，碳汇效能空间格局呈多热点、均衡化分布，碳汇提升潜力逐步趋于饱和。研究区域城市绿地碳汇效能的显著提升，体现出有组织地进行绿地营造的关键作用，具体可归结为3个方面增汇路径：1）通过用地布局优化与绿地率提升，在不增加用地投影面积的前提下提高了碳汇面积的集约性；2）优化乔木、灌木、草本的配置结构，夯实碳汇层级基础，有效增强了植被整体光合能力与固碳效率；3）垂直绿化与多层次植物配置协同推进，有效提升了单位面积碳汇特征系数，拓展了绿地的立体碳汇空间。需要指出的是，本研究主要聚焦于城市绿地碳汇效能的提升机制与空间特征分析，尚未纳入绿化全过程中如植物种植、养护、更新等环节可能产生的碳排放成本，未来研究可从碳收支全生命周期的视角进一步深化拓展。

5 结论

本研究基于城市绿地碳循环与碳收支基本原理，提出分层固碳路径法，开展城市绿地碳汇路径、机制、测度的数字化系统研究，并以燕子矶典型地块为例，对建设原状与更新方案的碳汇效能进行对比分析，得到2个方面结论。
1）理论层面，本研究初步建立了以分层固碳路径法为基础方法的城市绿地碳汇效能量化解析体系，通过有效识别城市绿地碳汇要素与碳收支路径、精准测度各类型城市绿地碳汇效能、可视化呈现碳汇效能量化结果，弥补了传统方法在碳收支路径解析、碳汇效能精确测算和空间表达上的不足。
2）实践层面，分层固碳路径法针对风景园林领域的人居环境建设评价及城市更新历时性分析等研究尚处起步阶段的问题，提供了一种可探索和完善的研究框架。其核心价值在于，一方面，实现了碳汇理论向风景园林实践的专业化转化；另一方面，该框架在实证应用中表现出高适用性与操作便捷性，能够规避复杂养护管理及碳排放-碳汇耦合计算的干扰，突出城市绿地自身的碳汇效能。
与此同时，本研究仍需持续完善。首先，碳收支路径的细节还需深化完善，城市绿地中大量落叶被清扫、焚烧或外运会造成一定的碳汇损失，相关过程的数据采集与模型构建仍需进一步强化与精细化；其次，研究区域中土壤呼吸速率数据在空间和时间分辨率上仍有提升空间，针对不同绿地类型及季节变化的观测尚不够充分，未来可通过更系统的采样和长期监测进一步优化，以提高碳汇测度的准确性；最后，碳汇效能制图在空间分辨率和多源数据融合方面仍有不足，需加强高分辨率遥感与实地数据整合，优化算法，提升细节表现和准确性，更精准地反映绿地碳汇的空间异质性。
城市绿地高碳汇建设赋能建成环境可持续发展，城市不同空间格局、土地利用模式、植被结构共同塑造了多元的绿地景观，形成差异化的碳汇特征。以图示化语言开展碳汇效能的量化解析，凝练以城市绿地为主要载体的地块碳汇效能提升策略，不仅拓展了城市绿地碳汇研究的深度与广度，同时为“碳中和”理念融入城市更新背景下的风景园林规划设计提供了专业技术支持。

1 2011—2018年南京市气象数据见官网文章页面的资源附件（http://www.lalavision.com/article/doi/10.3724/j.fjyl.LA20250257）。

2 植被固碳能力数据（节选）见官网文章页面的资源附件（http://www.lalavision.com/article/doi/10.3724/j.fjyl.LA20250257）。

3 土壤呼吸速率数据见官网文章页面的资源附件（http://www.lalavision.com/article/doi/10.3724/j.fjyl.LA20250257）。

图表来源(Sources of Figures and Tables)：

图2~7、10~15底图来源于谷歌地球（www.google.com/intl/zh-cn/earth/index.html）2007年历史影像，边界无修改；其余图表均由作者拍摄或绘制。

文章亮点

1、应用分层固碳路径法开展城市绿地碳汇方法与测度技术的关联应用研究，可满足绿色低碳城市建设发展中风景园林专业碳汇分析技术的实践需求。

2、建立城市绿地碳汇效能量化解析体系与城市绿地样本分层分样采集机制，构建城市绿地碳汇效能测度模型，依托ArcGIS实现城市绿地碳汇效能数字制图，促进碳汇研究可视化发展。

3、以南京燕子矶典型地块为例，进行建设原状与更新方案碳汇测度对比，对碳汇效能数值变化、空间分布格局及提升潜力进行数字制图与量化对比分析，剖析其城市绿地碳汇效能的发展变化规律。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
中华人民共和国商务部.中央城市工作会议在北京举行 习近平发表重要讲话[EB/OL].（2025-07-15）[2025-09-12].https://www.mofcom.gov.cn/syxwfb/art/2025/art_8b83fb94ba314a20b4fa8f3eac3bbc43.html.

Ministry of Commerce of the People’s Republic of China. Central Urban Work Conference held in Beijing, Xi Jinping delivered an important speech[EB/OL]. (2025-07-15) [2025-09-12]. https://www.mofcom.gov.cn/syxwfb/art/2025/art_8b83fb94ba314a20b4fa8f3eac3bbc43.html.

[2]
江佩宜, 戴菲. 城市绿地碳汇测算方法研究进展[J]. 中国城市林业, 2024, 22(1): 87-93.

DOI

JIANG P Y, DAI F. Research Progress in Carbon Sink Measurements for Urban Green Space[J]. Journal of Chinese Urban Forestry, 2024, 22(1): 87-93.

DOI

[3]
TAO P Y, LIN Y, WANG X, et al. Optimization of Green Spaces in Plain Urban Areas to Enhance Carbon Sequestration[J]. Land, 2023, 12(6): 1218.

DOI

[4]
王永华, 高含笑. 城市绿地碳汇研究进展[J]. 湖北林业科技, 2020, 49(4): 69-76.

DOI

WANG Y H, GAO H X. Research Progress of Urban Green Space Carbon Sink[J]. Hubei Forestry Science and Technology, 2020, 49(4): 69-76.

DOI

[5]
吴文颖. 北京延庆: 城乡生态空间碳汇功能初探[J]. 北京规划建设, 2021(5): 105-108.

WU W Y. Yanqing, Beijing: A Preliminary Study on the Carbon Sink Function of Urban and Rural Ecological Space[J]. Beijing Planning Review, 2021(5): 105-108.

[6]
戴尔阜, 黄宇, 赵东升. 草地土壤固碳潜力研究进展[J]. 生态学报, 2015, 35(12): 3908-3918.

DOI

DAI E F, HUANG Y, ZHAO D S. Review on Soil Carbon Sequestration Potential in Grassland Ecosystems[J]. Acta Ecologica Sinica, 2015, 35(12): 3908-3918.

DOI

[7]
嵇雨桐, 林添怿, 刘恋, 等. 城市公园绿地碳汇能力影响因素的网状荟萃（Meta）分析[J]. 风景园林, 2025, 32(1): 23-31.

DOI

JI Y T, LIN T Y, LIU L, et al. Network Meta-analysis of Factors Influencing the Carbon Sink Capacity of Urban Park Green Spaces[J]. Landscape Architecture, 2025, 32(1): 23-31.

DOI

[8]
马慧, 党玲, 刘阳, 等. 太原市绿地碳汇影响因素及其碳汇价值探究[J]. 环境生态学, 2024, 6(12): 25-30.

DOI

MA H, DANG L, LIU Y, et al. Study on Influencing Factors and Carbon Sink Value of Green Space in Taiyuan[J]. Environmental Ecology, 2024, 6(12): 25-30.

DOI

[9]
胡坤宁, 吴雅轩, 倪凌姗, 等. 碳中和视角下城市郊野公园风碳环境模拟的绿地结构研究[J]. 中国园林, 2024, 40(8): 118-124.

DOI

HU K N, WU Y X, NI L S, et al. Study on the Green Space Structure of Urban Country Parks Based on Wind and Carbon Environment Simulation from the Perspective of Carbon Neutrality[J]. Chinese Landscape Architecture, 2024, 40(8): 118-124.

DOI

[10]
FENG H L, ZHAO J H, KLING C L. The Time Path and Implementation of Carbon Sequestration[J]. American Journal of Agricultural Economics, 2002, 84(1): 134-149.

DOI

[11]
荆贝贝, 杜安. 上海城市绿色空间碳汇评估及提升策略[J]. 中国国土资源经济, 2022, 35(4): 64-72.

DOI

JING B B, DU A. Evaluation and Promotion Strategy of Carbon Sink of Urban Green Space in Shanghai[J]. Natural Resource Economics of China, 2022, 35(4): 64-72.

DOI

[12]
刘颂, 白钊成, 柳迪子, 等. 城市蓝绿基础设施多尺度增汇减碳能效测度研究进展和规划策略[J]. 风景园林, 2025, 32(1): 14-22.

DOI

LIU S, BAI Z C, LIU D Z, et al. Research Progress in and Planning Strategies for Multi-scale Measurement of the Efficiency of Urban Blue-Green Infrastructure in Carbon Sink Enhancement and Emission Reduction[J]. Landscape Architecture, 2025, 32(1): 14-22.

DOI

[13]
王晶懋, 王一凡, 张涛, 等. 城市街区单元绿地空间格局与植物群落碳汇效益优化研究[J]. 风景园林, 2024, 31(6): 37-45.

DOI

WANG J M, WANG Y F, ZHANG T, et al. Research on Spatial Pattern of Green Space in Urban Block Units and Optimization of Carbon Sink Benefits of Plant Communities[J]. Landscape Architecture, 2024, 31(6): 37-45.

DOI

[14]
SMITH P. An Overview of the Permanence of Soil Organic Carbon Stocks: Influence of Direct Human-Induced, Indirect and Natural Effects[J]. European Journal of Soil Science, 2005, 56(5): 673-680.

DOI

[15]
戴菲, 江佩宜, 文晨. 基于生态系统服务簇分析的城市生态空间碳汇能力综合提升[J]. 风景园林, 2023, 30(11): 96-104.

DOI

DAI F, JIANG P Y, WEN C. Integrated Enhancement of Carbon Sink Capacity for Urban Ecological Spaces Based on Ecosystem Service Cluster Analysis[J]. Landscape Architecture, 2023, 30(11): 96-104.

DOI

[16]
袁艺嘉, 陈睿智. “双碳”目标下校园绿地碳汇效益测算及优化提升[J]. 绿色科技, 2024(20): 47-53.

DOI

YUAN Y J, CHEN R Z. Calculation and Optimization of Campus Green Space Carbon Sink Benefits Under the “Double Carbon” Goal[J]. Journal of Green Science and Technology, 2024(20): 47-53.

DOI

[17]
CHEN L H, HANG Y H, LI Q F. Spatial-Temporal Characteristics and Influencing Factors of Carbon Emissions from Land Use and Land Cover in Black Soil Region of Northeast China Based on LMDI Simulation[J]. Sustainability, 2023, 15(12): 9334.

DOI

[18]
MA J, LI X T, JIA B Q, et al. Spatial Variation Analysis of Urban Forest Vegetation Carbon Storage and Sequestration in Built-Up Areas of Beijing Based on I-Tree Eco and Kriging[J]. Urban Forestry & Urban Greening, 2021, 66: 127413.

[19]
LONGCORE T, LI C, WILSON J P. Applicability of Citygreen Urban Ecosystem Analysis Software to a Densely Built Urban Neighborhood[J]. Urban Geography, 2004, 25(2): 173-186.

DOI

[20]
孙严超, 蔡俊, 王子豪, 等. 基于InVEST-PLUS-GeoDectetor模型的环杭州湾碳储量时空演变与多情景预测[J]. 南京林业大学学报（自然科学版）, 2025, 49(5): 19-28.

DOI

SUN Y C, CAI J, WANG Z H, et al. Spatio-temporal Evolution and Multi-scenario Prediction of Carbon Storage Around Hangzhou Bay Based on InVEST-PLUS-GeoDectetor Model[J]. Journal of Nanjing Forestry University (Natural Sciences Edition), 2025, 49(5): 19-28.

DOI

[21]
DONG H N, CHEN Y, HUANG X C, et al. Multi-scenario Simulation of Spatial Structure and Carbon Sequestration Evaluation in Residential Green Space[J]. Ecological Indicators, 2023, 154: 110902.

DOI

[22]
吴宁, 李王鸣, 冯真, 等. 基于三维视角的城乡绿色碳汇参数化评估模型[J]. 城市规划, 2016, 40(5): 91-98.

DOI

WU N, LI W M, FENG Z, et al. A Parametric Evaluation Model of Urban-Rural Green Carbon Sinks Based on a Three-Dimensional Perspective[J]. City Planning Review, 2016, 40(5): 91-98.

DOI

[23]
李哲, 袁福甜, 王立亚, 等. 基于面积系数法的乡村景观碳模型建构及测度研究: 以直山村为例[J]. 中国园林, 2024, 40(1): 99-105.

LI Z, YUAN F T, WANG L Y, et al. Research on Carbon Model Construction and Measure of Rural Landscape Based on Area-Coefficient Method: A Case Study of Zhishan Village[J]. Chinese Landscape Architecture, 2024, 40(1): 99-105.

[24]
WU W G, ZHU Y, WANG Y F. Spatio-temporal Pattern, Evolution and Influencing Factors of Forest Carbon Sinks in Zhejiang Province, China[J]. Forests, 2023, 14(3): 445.

DOI

[25]
黄卓, 荆贝贝. 大城市楔形绿地碳汇能力评估及提升策略研究: 以上海张家浜楔形绿地为例[J]. 环境生态学, 2024, 6(3): 44-52.

HUANG Z, JING B B. Study on Assessment of Carbon Sink Capacity of Green Wedge in Large Cities and Improvement Strategies: A Case Study of Zhangjiabang Green Wedge in Shanghai[J]. Environmental Ecology, 2024, 6(3): 44-52.

[26]
李涵, 范舒欣, 董丽, 等. 基于碳汇功能提升的城市绿地植物景观营建策略[J]. 景观设计, 2024(2): 86-89.

LI H, FAN S X, DONG L, et al. Plant Landscape Construction Strategy of Urban Green Space Based on the Enhancement of Carbon Sink Function[J]. Landscape Design, 2024(2): 86-89.

[27]
郑二文, 李喆, 王萍, 等. 焦作缝山公园植被遥感监测与碳储量变化分析[J]. 水文地质工程地质, 2025, 52(4): 75-86.

DOI

ZHENG E W, LI Z, WANG P, et al. Remote Sensing Monitoring of Vegetation and Analysis of Carbon Storage Changes in Fengshan Park, Jiaozuo[J]. Hydrogeology & Engineering Geology, 2025, 52(4): 75-86.

DOI

[28]
FU D F, BU B, WU J G, et al. Investigation on the Carbon Sequestration Capacity of Vegetation Along a Heavy Traffic Load Expressway[J]. Journal of Environmental Management, 2019, 241: 549-557.

DOI

[29]
和晓彤.面向总体规划阶段的城市绿地碳汇量估算方法研究: 西安市中心城区为例[D].西安: 西安建筑科技大学, 2021.

HE X T. Research on the Estimation Method of Urban Green Space Carbon Sink Facing the Master Plan: Take Xi’an Downtown Area as an Example[D]. Xi’an: Xi’an University of Architecture and Technology, 2021.

[30]
冯婷诗, 林敏丹, 许展颖, 等. 广州大学城不同绿地类型土壤碳通量特征分析[J]. 林业与环境科学, 2022, 38(6): 150-158.

DOI

FENG T S, LIN M D, XU Z Y, et al. Characteristics of Soil Carbon Flux in Different Types of Green Spaces in Guangzhou University Town[J]. Forestry and Environmental Science, 2022, 38(6): 150-158.

DOI

[31]
吴婕, 李楠, 陈智, 等. 深圳特区城市植被的固碳释氧效应[J]. 中山大学学报（自然科学版）, 2010, 49(4): 86-92.

WU J, LI N, CHEN Z, et al. The Effect of CO2 Sequestration and O2 Release of Urban Vegetation in Shenzhen Special Zone[J]. Acta Scientiarum Naturalium Universitatis Sunyatseni, 2010, 49(4): 86-92.

[32]
张彪, 谢紫霞, 高吉喜. 上海城市森林植被固碳功能及其抵消能源碳排放效果评估[J]. 生态学报, 2021, 41(22): 8906-8920.

DOI

ZHANG B, XIE Z X, GAO J X. Assessment on the Carbon Fixation of Urban Forests and Their Efficacy on Offsetting Energy Carbon Emissions in Shanghai[J]. Acta Ecologica Sinica, 2021, 41(22): 8906-8920.

DOI

[33]
黄柳菁, 张颖, 邓一荣, 等. 城市绿地的碳足迹核算和评估: 以广州市为例[J]. 林业资源管理, 2017(2): 65-73.

DOI

HUANG L J, ZHANG Y, DENG Y R, et al. The Carbon Footprint Accounting and Assessment of Urban Green Space: Taking Guangzhou as an Example[J]. Forest Resources Management, 2017(2): 65-73.

DOI

[34]
王晶懋, 齐鑫, 刘晖, 等. 基于全生命周期的城市绿地碳库构建与碳汇量化[J]. 中国城市林业, 2025, 23(3): 73-81.

DOI

WANG J M, QI X, LIU H, et al. Construction of Urban Green Space Carbon Stocks Based on the Whole Life Cycle and Carbon Sink Quantification[J]. Journal of Chinese Urban Forestry, 2025, 23(3): 73-81.

DOI

[35]
林奕成, 易扬, 张浪, 等. 基于全生命周期的城市绿地碳源/汇核算研究: 以郑州龙湖外环为例[J]. 园林, 2024(8): 140-146.

LIN Y C, YI Y, ZHANG L, et al. Research on Carbon Source/Sink Accounting of Urban Green Space Based on the Whole Life Cycle: A Case Study Within the External Circle of Zhengzhou Longhu[J]. Landscape Architecture Academic Journal, 2024(8): 140-146.

[36]
王小涵, 张桂莲, 张浪, 等. 城市绿地土壤固碳研究进展[J]. 园林, 2022, 39(1): 18-24.

DOI

WANG X H, ZHANG G L, ZHANG L, et al. Research Progress on Soil Carbon Sequestration in Urban Green Space[J]. Landscape Architecture Academic Journal, 2022, 39(1): 18-24.

DOI

[37]
宋创业, 李敏.植物科学数据规范[M].北京: 高等教育出版社, 2022.

SONG C Y, LI M. Plant Science Data Specification[M]. Beijing: Higher Education Press, 2022.

[38]
张艳丽, 费世民, 李智勇, 等. 成都市沙河主要绿化树种固碳释氧和降温增湿效益[J]. 生态学报, 2013, 33(12): 3878-3887.

DOI

ZHANG Y L, FEI S M, LI Z Y, et al. Carbon Sequestration and Oxygen Release as Well as Cooling and Humidification Efficiency of the Main Greening Tree Species of Sha River, Chengdu[J]. Acta Ecologica Sinica, 2013, 33(12): 3878-3887.

DOI

[39]
董延梅.杭州花港观鱼公园57种园林树木固碳效益测算及应用研究[D].杭州: 浙江农林大学, 2013.

DONG Y M. Research on the Measure of Carbon Fixation Benefit and Appliance of 57 Garden Species in Hangzhou Huagangguanyu Park[D]. Hangzhou: Zhejiang A & F University, 2013.

[40]
史红文, 秦泉, 廖建雄, 等. 武汉市10种优势园林植物固碳释氧能力研究[J]. 中南林业科技大学学报, 2011, 31(9): 87-90.

DOI

SHI H W, QIN Q, LIAO J X, et al. Study on Carbon Fixation and Oxygen Release Capabilities of 10 Dominant Garden Plants in Wuhan City[J]. Journal of Central South University of Forestry & Technology, 2011, 31(9): 87-90.

DOI

[41]
徐阳.上海市五种主要绿化树种三维绿量、叶面积指数等生态指标相关研究[D].北京: 北京林业大学, 2010.

XU Y. The Related Research on LAI, LVV and Other Ecological Index of 5 Kinds of Main Garden Plants in Shanghai[D]. Beijing: Beijing Forestry University, 2010.

[42]
郭雪艳.南京市常见园林植物的绿量研究[D].南京: 南京林业大学, 2009.

GUO X Y. Research on the Living Vegetation Volume of Common Landscape Plants in Nanjing[D]. Nanjing: Nanjing Forestry University, 2009.

[43]
徐玮玮.扬州古运河生态环境林绿地树种配置及环境效应研究[D].扬州: 扬州大学, 2007.

XU W W. Study on the Plant Arrangement and Environmental Effect of the Ecological Urban Forest Along Grand Canal in Yang Zhou[D]. Yangzhou: Yangzhou University, 2007.

[44]
朱燕青.常见灌木固碳释氧及降温增湿效应研究: 以长沙市为例[D].长沙: 中南林业科技大学, 2013.

ZHU Y Q. Research on Carbon Fixation and Oxygen Production and Temperature Decrease and Humidity Increase Effect of Familiar Shrub Species: With Changsha City as an Example[D]. Changsha: Central South University of Forestry & Technology, 2013.

[45]
庄大伟, 孔斌, 王小青, 等. 草坪和地被植物的叶面积指数研究[J]. 山东林业科技, 2014, 44(2): 72-73.

DOI

ZHUANG D W, KONG B, WANG X Q, et al. Study on Leaf Area Index of Lawn and Ground Cover Plants[J]. Journal of Shandong Forestry Science and Technology, 2014, 44(2): 72-73.

DOI

[46]
李辉, 赵卫智. 北京5种草坪地被植物生态效益的研究[J]. 中国园林, 1998, 14(4): 36-38.

LI H, ZHAO W Z. Research on the Ecological Benefits of Five Lawn and Groundcover Species in Beijing[J]. Chinese Landscape Architecture, 1998, 14(4): 36-38.

[47]
郝鑫杰, 李素英, 王继伟, 等. 呼和浩特市13种绿化植物固碳释氧效率的比较研究[J]. 西北植物学报, 2017, 37(6): 1196-1204.

DOI

HAO X J, LI S Y, WANG J W, et al. 13 Species of Urban Greening Plants in Hohhot Based on the Efficiency of Carbon Fixation[J]. Acta Botanica Boreali-Occidentalia Sinica, 2017, 37(6): 1196-1204.

DOI

[48]
鲁月.南京市江宁区东山街道园林绿地植物绿量与生态效益的调查研究[D].南京: 南京农业大学, 2017.

LU Y. Study on Green Volume and Eco-Efficiency of Landscape Plants of Dongshan Street in Jiangning District of Nanjing[D]. Nanjing: Nanjing Agricultural University, 2017.

[49]
赵萱, 李海梅. 11种地被植物固碳释氧与降温增湿效益研究[J]. 江西农业学报, 2009, 21(1): 44-47.

DOI

ZHAO X, LI H M. Study on Carbon-Fixing, Oxygen-Releasing, Temperature-Reducing and Humidity-Increasing Effects of 11 Ground Cover Plants[J]. Acta Agriculturae Jiangxi, 2009, 21(1): 44-47.

DOI

[50]
谭庆, 童俊, 戢小梅, 等. 武汉31种野生地被植物的固碳释氧和降温增湿研究[J]. 中国园林, 2010, 26(8): 93-95.

DOI

TAN Q, TONG J, JI X M, et al. Researches on Capability of Carbon Fixation & Oxygen Production, and Temperature Decrease & Humidity Increase in 31 Wild Groundcover Plants in Wuhan[J]. Chinese Landscape Architecture, 2010, 26(8): 93-95.

DOI

[51]
梁晶, 方海兰, 郝冠军, 等. 上海城市绿地不同植物群落土壤呼吸及因子分析[J]. 浙江农林大学学报, 2013, 30(1): 22-31.

LIANG J, FANG H L, HAO G J, et al. Soil Respiration for Different Plant Communities in an Urban Green-Belt of Shanghai[J]. Journal of Zhejiang A&F University, 2013, 30(1): 22-31.

[52]
张鸽香, 徐娇, 王国兵, 等. 南京城市公园绿地不同植被类型土壤呼吸的变化[J]. 生态学杂志, 2010, 29(2): 274-280.

ZHANG G X, XU J, WANG G B, et al. Soil Respiration Under Different Vegetation Types in Nanjing Urban Green Space[J]. Chinese Journal of Ecology, 2010, 29(2): 274-280.

[53]
叶辰, 贺斌, 瞿志.北京翠湖国家城市湿地公园碳汇绩效评估研究[J].城市建筑, 2023, 20（9）: 189-193, 206.

YE C, HE B, QU Z. Study on Carbon Sink Performance Evaluation of Beijing Cuihu National Urban Wetland Park[J]. Urbanism and Architecture, 2023, 20(9): 189-193, 206.

[54]
郭欢欢, 侯少沛, 赵建霞, 等. 城市园林绿地不同群落类型碳储量研究: 以郑州市公园绿地为例[J]. 河南科学, 2019, 37(9): 1431-1437.

DOI

GUO H H, HOU S P, ZHAO J X, et al. Carbon Storage of Different Community Types in Urban Garden Ecosystem: Taking Park Green Space of Zhengzhou as Example[J]. Henan Science, 2019, 37(9): 1431-1437.

DOI

[55]
FAN L, WANG J M, HAN D, et al. Research on Promoting Carbon Sequestration of Urban Green Space Distribution Characteristics and Planting Design Models in Xi’an[J]. Sustainability, 2023, 15(1): 572.

[56]
SHAO R, LI J Q, SHAO W W, et al. Identifying Differences in Evapotranspiration and Ecosystem Water Use Efficiency Between Different Types of Urban Green Spaces: A Case Study of the Main Urban Area of Beijing[J]. Journal of Hydrology: Regional Studies, 2025, 59: 102374.

DOI

Options
文章导航

/

〈 〉