EN中文

Landscape Architecture >

2025 , Vol. 32 >Issue 4: 71 - 78

DOI: https://doi.org/10.3724/j.fjyl.202409130536

Research

Construction of and Low-Carbon Optimization Strategies for Block-Level Carbon Emission Control Unit

  • LI Wenjie , 1 ,
  • ZHENG Yingsheng , 1, * ,
  • ZHANG Qingfang , 1 ,
  • ZENG Qiuyun , 2
Expand
  • 1School of Architecture and Urban Planning, Guangzhou University
  • 2Guangzhou Urban Planning and Design Institute Co., Ltd

LI Wenjie is a master student in the College of Architecture and Urban Planning, Guangzhou University. Her research focuses on carbon emission assessment, and climate adaptive planning and design

ZHENG Yingsheng, Ph.D., is an associate professor in and director of the Department of Architecture, College of Architecture and Urban Planning, Guangzhou University. Her research focuses on carbon emission assessment, and climate adaptive planning and design

ZHANG Qingfang is a master student in the College of Architecture and Urban Planning, Guangzhou University. Her research focuses on carbon emission assessment, and climate adaptive planning and design

ZENG Qiuyun, Master, is a senior engineer in and deputy chief planner of the Urban Design Institute, Guangzhou Urban Planning and Design Company Limited. Her research focuses on carbon emission assessment, climate adaptive planning and design

Received date: 2024-09-13

  Revised date: 2025-02-21

  Online published: 2025-12-14

Copyright

Copyright © 2025 Landscape Architecture. All rights reserved.
Fold

Abstract

Objective Cities are the primary spatial carriers of human production and living activities, as well as concentrated areas of carbon emissions. Therefore, building low-carbon cities is crucial for advancing the carbon peaking and carbon neutrality goals. Given the spatial heterogeneity of urban morphology and carbon emissions, this research aims to develop fine-scale spatial assessment tools for carbon emissions. The research analyzes the impact of urban morphology on carbon emissions and investigates the integration of emission models with low-carbon planning strategies within the territorial spatial planning framework. The ultimate goal is to provide informational support and a decision-making foundation for low-carbon territorial spatial planning and digital green governance. By understanding the spatial distribution and sources of carbon emissions, urban planners can devise more effective interventions to mitigate urban carbon emissions. The research also addresses the gap between theoretical models and practical applications in urban planning and policymaking, and offers a framework adaptable to diverse urban contexts. Methods Based on the local climate zone (LCZ) framework, the research develops LCZ classification maps and a series of urban morphology analysis maps for Guangzhou. Furthermore, a refined spatial carbon emission assessment map is constructed using a combination of top-down and bottom-up approaches, which involves the following steps. First, by integrating planning data from the ArcGIS geographic information platform, such as data on buildings, streets, terrain, and land use, along with remote sensing and meteorological data, key urban morphology parameters, including building coverage ratio, building volume density, sky view factor, and street aspect ratio, are calculated at a grid scale of 300 m * 300 m. These parameters are then used to develop LCZ classification and urban morphology maps, providing a data foundation for spatial carbon emission modelling. Subsequently, by calculating proxy indicators such as building volume density, road area, agricultural land area, point of interest density, and population density, and combining them with energy consumption data from urban statistical yearbooks, the research spatially distributes carbon emissions across five sectors, namely the industrial, transport, residential and public services, commercial, and agricultural sectors. Based on this, a comprehensive city carbon emission map is generated. Finally, a statistical analysis is conducted to examine the spatial correlations and variations in carbon emissions across different administrative units, and a hotspot analysis is conducted to identify statistically significant carbon emission hotspots and coldspots. Results The findings reveal several key insights. 1) LCZ classification maps and carbon emission maps facilitate the identification of emission hotspots. Central business districts and industrial zones have the highest emissions due to dense construction and high economic activity, whereas suburban and peri-urban areas with more open spaces and vegetation exhibit lower emission levels. 2) The industrial sector contributes the most to carbon emissions, followed by the transport and the residential and public service sectors, and the agricultural sector has a relatively smaller but still significant impact on overall emissions. 3) Industrial carbon emission areas are primarily in peripheral industrial zones, corresponding to LCZ 9 (low-density built-up area) and LCZ 10 (heavy industrial area). Transportation carbon emission areas are mainly in Baiyun and Nansha districts, as well as central urban areas with dense road networks, corresponding to LCZ 9, LCZ 10, LCZ E (bare rock and pavement area), and LCZ F (bare soil area). Carbon emissions from the residential and public services sector and the commercial sector are dominant in central urban areas like Liwan and Yuexiu districts, corresponding to high-density LCZ types. Agricultural carbon emission areas are located in peripheral regions, corresponding to LCZ A&B (dense trees & scattered trees) and LCZ C&D (bush, shrub & low plants). 4) Urban design significantly influences carbon emissions. Areas with well-planned public transportation networks and pedestrian-friendly infrastructure report lower emissions from transportation. Green roofs, urban parks, and water bodies mitigate the urban heat island effect, reducing energy demand for cooling and thereby lowering carbon emissions. 5) There is a strong correlation between the spatial distribution of carbon emissions and urban morphology. High-density areas with concentrated human activity tend to have higher emissions, while areas with lower building density and more green space exhibit reduced emissions. 6) The emission models adopted may provide a practical guidance for urban planners in designing low-carbon cities. Key strategies include expanding green spaces, improving public transportation, and promoting energy-efficient buildings to effectively reduce carbon emissions. Conclusion The carbon emission assessment model based on LCZ effectively translates planning language into actionable insights, thus integrating into the multi-level transmission, full-process implementation, and procedural development of the territorial spatial planning system. This approach offers valuable insights into the digital governance of territorial spatial planning and the transformation towards urban green development. Ultimately, this research contributes to the literature on climate change, built environment, and public health. The research emphasizes the importance of comprehensive urban planning that incorporates both environmental sustainability and public health considerations. As the world continues to grapple with climate change challenges, the research highlights the necessity of interdisciplinary approaches to understanding and managing the complex interactions between the environment, human behaviour, and health outcomes. By leveraging these insights, urban planners and policymakers can work towards creating built environments that are resilient to climate change and promote the well-being of residents.

Key words： territorial spatial planning; local climate zone; carbon emission; spatial assessment; block level; low-carbon planning

Cite this article

LI Wenjie , ZHENG Yingsheng , ZHANG Qingfang , ZENG Qiuyun . Construction of and Low-Carbon Optimization Strategies for Block-Level Carbon Emission Control Unit[J]. Landscape Architecture, 2025 , 32(4) : 71 -78 . DOI: 10.3724/j.fjyl.202409130536

中国积极应对全球气候变化，主动承担气候治理责任，承诺2030年前实现碳达峰、2060年前实现碳中和，并出台《2030年前碳达峰行动方案》[1]，重点构建碳排放统计核算体系，推动绿色低碳转型。碳排放的核算与评估能够为城市减排工作提供数据基础和管理依据，目前国家、城市行政区划边界的碳排放核算与评估是低碳规划设计与决策的主要数据支撑，但其地理空间精度有待提升。在高速城镇化建设的影响下，中国各城市在产业结构、用地规划、空间形态、城市人群活动等多方面呈现出空间分布多样性，相应碳排放也呈现显著的分布差异，因而有必要建立街区级碳排放空间评估地图，为构建低碳国土空间提供数据支持与决策依据。
局地气候分区（local climate zone, LCZ）是由城市气候学者Oke和Stewart提出的地表分类系统，该系统将城市街区按建筑形态及地表材质分类标准，划分为17个类型的LCZ单元[2]。虽然LCZ框架被广泛应用于城市热环境研究，但近期已有研究验证了它在空气污染和碳排放评估方向有良好的适用性[3-5]。近年来，应用LCZ框架开展的碳排放相关研究得到了学界的逐步推进，这一框架在准确性、精度和应用场景广泛性方面显示出优势：相较于传统土地利用/覆盖变化分类方法，LCZ分类体系对城市碳排放驱动机制具有更强的解释力，可解析多达55%的城市交通碳排放空间分异[3]；基于街区尺度的空间精度特征，该框架可有效揭示城市形态参数与碳排放的微观作用机制[4]；其应用场景已拓展至碳排特征识别与低碳决策支持领域[5]。
目前，城市街区级碳排放空间评估常用的方法主要包括自下而上、自上而下以及自下而上结合自上而下3种[6]。1）自下而上的方法基于某一区域各部门能源消费数据或点源碳排放数据，统计精细排放数据，实现区域碳排放的空间精细化评估。但精细的数据通常较难获取，虽然已有研究建立了国家甚至全球尺度的碳排放空间化数据集[7]，但往往具有覆盖面积广，因而分辨率不高的特点。2）自上而下的方法基于代理数据和算法，将大尺度下的碳排放数据分布到更精细的空间单元[8]，但该方法难以精准反映机场、港口等点状高碳排放源的数据分布情况。3）自下而上结合自上而下的方法通过数据融合提升空间化精度[9]，当基础数据不足时，以建筑容积率、路网密度等作为空间分配因子，将统计层面的碳排放数据分配至更精细的空间单元；若具备精细碳排放源数据，则通过自下而上方法直接进行空间定位。综上，自下而上结合自上而下的方法能够有效利用多种类型数据，构建精细化碳排放空间地图。
《国土空间规划城市体检评估规程》提出将绿色低碳发展纳入城市体检范畴，要求从生产、生活、生态维度监测碳减排进展，鼓励有条件的城市开展碳达峰、碳中和专项评估[10]。《市级国土空间总体规划环境影响评价技术要点（试行）》提出深化社区层级评估，强化空间治理问题诊断与优化传导[11]。可见碳排放空间评估是国土空间规划专项体检工作的内容之一，但只是鼓励而无强制性要求，全国统一的碳排放空间化数据采集标准尚未建立，同时面向国土空间规划的碳排放评估技术规程仍处于试点阶段，规划传导层面尚未形成碳排放空间评估结果向规划参数的转化路径，如何实现从碳排放的评估到规划语言的转译，再到融入国土空间规划体系的应用，仍有待深入探索[12]。
《数字中国建设整体布局规划》指出要建设绿色智慧的数字生态，通过数字技术推动山水林田湖草沙一体化保护和系统治理，完善自然资源三维立体“一张图”和国土空间基础信息平台[13]。实现国土空间绿色化协同转型已受到高度重视，虽然碳排放空间评估已得到城市气象学和地理学学者的共同推进，但相应评估成果并未纳入国土空间基础信息平台，因此有必要在“双碳”战略和绿色数字生态文明背景下，基于国土空间规划的实践场景，探讨将街区级碳排放空间评估融入国土空间规划的应用方法与流程，推动国土空间的低碳绿色发展。

1 研究区域与方法

1.1 研究区域

广州市是粤港澳大湾区的核心城市，也是中国重要的超大城市。作为能源消耗量突出的经济大市，广州市高碳排放问题显著。为推进碳达峰行动与低碳发展转型，广州市政府印发了《广州市碳达峰实施方案》，指出要加强碳排放核算能力建设，建立健全、涵盖全市及各区的分领域、分行业、分能源品种的能源统计和碳排放核算体系，充分利用云计算、大数据等先进技术，实现对重点领域碳排放的科学监测和管理。本研究以广州市为例，开展基于LCZ框架的街区级碳排放空间评估，并探索低碳规划融入国土空间规划体系的实施路径。

1.2 数据来源

1.2.1 碳排放空间评估数据

广州市碳排放空间评估主要使用2类全开源数据：碳排放量数据和碳排放空间评估代理数据（表1）。碳排放量数据包含统计数据和碳排放因子2类，主要用于工业、交通、居住及公共服务、商业和农业部门的碳排放量核算[16-17]。碳排放空间评估代理数据由多源地理信息构成，用于计算碳排放空间代理变量和LCZ城市形态指标。
表1 研究数据来源[14-18]

Tab. 1 Sources of research data[14-18]

数据类别 数据名称 年份 数据来源
　　注：受来源限制，同一年份数据难以获取，鉴于城市结构与形态演变较缓，城市形态数据相对稳定，且Zheng等[18]验证了选择相近年份数据进行碳排放空间评估的可行性。
碳排放量数据 统计数据 能量消耗统计 2021 《2021年广州市统计年鉴》[14]
交通流量 2021 《2021年广州市国民经济和社会发展统计公报》[15]
碳排放因子 标准煤转换碳排放因子 2014 杜昱东等[16]
交通流量转换碳排放因子 2011 封雅静等[17]
碳排放空间评估代理数据 土地覆盖类型 2017 地球大数据科学工程
土地利用类型 2019 鹏城实验室
三维建筑 2019 高德地图
城市兴趣点 2019 高德地图
水路、民用机场、铁路、公路等交通网络 2022 OpenStreetMap
人口密度分布 2021 美国宇航局地球观测系统数据与信息系统

1.2.2 LCZ分类地图数据

LCZ分类地图提供了标准化城市形态特征和地表特性的空间信息，是城市形态与碳排放特征相关分析的信息基础。本研究采用Zheng等[19]提出的LCZ框架，街区尺度为300 m×300 m，通过形态参数敏感性分析验证，该尺度能够较好描述广州市复杂建设背景下城市形态的多样性和复杂性。上述研究基于建筑覆盖率、建筑体积密度、天空可视系数、街道高宽比等LCZ城市形态指标，依据LCZ的分类标准与方法，构建了广州市LCZ分类地图[20]，可为本研究城市形态与碳排放特征相关分析提供信息基础。

1.3 街区级碳排放空间评估

本研究运用自上而下结合自下而上的方法开展街区级碳排放空间评估。首先，整合城市统计年鉴中工业、交通、居住及公共服务、商业及农业五大部门的能源消耗数据，借助碳排放因子将能耗数据换算为碳排放统计数据[16-17]。其次，以LCZ框架街区尺度作为碳排放空间分配尺度，针对不同部门提出差异化的分配方法[18]（表2）。1）对于交通部门，公路碳排放方面，基于路网覆盖面积（表征交通基础设施密度）与人口密度（反映车辆出行强度）构建碳排放空间分配因子，按街区进行分配；水运和空运碳排放方面，因活动范围集中且空间分布同质化，则采用平均分配法，按港口或机场所在街区进行分配；铁路碳排放方面，以铁路面积占比作为空间分配因子按街区进行分配。2）对于工业、居住及公共服务业、商业3个部门，基于建筑是城市碳排放的主要贡献者，建筑属性是关键的能源使用指标，以建筑体积密度作为空间分配因子进行分配。3）农业部门因生产活动与土地利用类型高度关联，采用农业用地面积作为碳排放空间分配因子按街区进行分配。最后，生成上述五部门街区级碳排放空间地图，汇总成广州市城市碳排放地图，并采用自然断点法划分得出碳排放分级管控单元地图。
表2 分部门碳排放空间差异化分配方法

Tab. 2 Differentiated carbon emission space allocation methods for different sectors

部门 空间分配因子计算方法 空间分配计算方法
交通 公路 $ {S}_{r}=\dfrac{ {P}_{r}{D}_{r} }{ {\displaystyle\sum} _{}^{}{P}_{r}{D}_{r} } $， ${E}_{r}={E}_{{\rm{road}}}\times {S}_{r}$，
式中：$ {S}_{r} $为街区 r 的公路碳排放空间分配因子；$ {P}_{r} $为街区 r 的人口
密度；$ {D}_{r} $为街区 r 的路网密度		 式中：$ {E}_{r} $为街区r 的碳排放量；${E}_{{\rm{road}}}$为公路总碳排放量
水运和空运 当${G\bigcap {F}_{p}\ne 0 }$，$ {S}_{p}={1} $， $ {E}_{r}={E}_{p}\times {S}_{p} $，
式中：$ {S}_{p} $为设施p （港口或机场）的碳排放空间分配因子；$ G $为街区
空间域；$ {F}_{p} $为设施p （港口或机场）的多边形地理边界		 式中：$ {E}_{r} $为街区r 的碳排放量；$ {E}_{p} $为设施p （港口或机场）产生的总碳排放量
铁路 ${S}_{{\rm{railway}}}=\dfrac{\displaystyle\sum {A}_{{\rm{railway}}} }{ {A}_{r} }$， ${E}_{r}={E}_{{\rm{railways}}}\times \dfrac{ {S}_{{\rm{railway}}} }{\displaystyle\sum {S}_{{\rm{railway}}} }$，
式中：${S}_{{\rm{railway}}}$为街区r 的铁路排放空间分配因子，$\sum {A}_{{\rm{railway}}}$为街区r
铁路网络覆盖面积，$ {A}_{r} $为街区r 的总面积（300 m×300 m）		 式中：$ {E}_{r} $为街区r 的碳排放量；$ {E}_{railway} $ 为铁路总碳排放量；$\displaystyle\sum {S}_{{\rm{railway}}}$为所有街区铁路碳排放空间分配因子之和
工业、居住及公共服务、商业 ${\rho }_{r}=\dfrac{ {\displaystyle\sum }_{k=1}^{n}（{S}_{k}\times {H}_{k}）}{ {A}_{r} }$， ${E}_{r}={E}_{i}\times \dfrac{ {\rho }_{r} }{\displaystyle\sum {\rho }_{i} }$，
式中：${\rho }_{r}$为街区r 的建筑体积密度；n为街区的建筑总数；$ {S}_{k} $和$ {H}_{k} $
分别为建筑k 的占地面积和高度；${\displaystyle\sum }_{k=1}^{n}（{S}_{k}\times {H}_{k}）$为街区的总建
筑体积；$ {A}_{r} $为街区r 的总面积（300 m×300 m）		 式中：$ {E}_{r} $为街区r 的碳排放量； i 为不同部门，包括工业、居住及公共服务、商业部门；$ {E}_{i} $为部门i 的总碳排放量；$\displaystyle\sum {\rho }_{i}$为部门i 的总建筑体积密度
农业 ${S}_{{\rm{Agriculture}}}=\dfrac{\displaystyle\sum {A}_{{\rm{agriculture}}} }{ {A}_{r} }$， ${E}_{r}={E}_{{\rm{agriculture}}}\times \dfrac{ {S}_{{\rm{Agriculture}}} }{\displaystyle\sum {S}_{{\rm{Agriculture}}} }$，
式中：${S}_{{\rm{Agriculture}}}$为街区r 的农业排放空间分配因子；$\displaystyle\sum {A}_{{\rm{agriculture}}}$
为街区r 的农业用地面积；$ {A}_{r} $为街区r 的总面积（300 m×300 m）		 式中：$ {E}_{r} $为街区r 的碳排放量；${E}_{{\rm{agriculture}}}$为农业总碳排放量；$\displaystyle\sum{S}_{{\rm{Agriculture}}}$为所有街区农业排放空间分配因子之和

2 碳排放分级管控单元识别与低碳规划策略

基于碳排放分级管控单元地图（图1），发现广州市工业、交通、居住及公共服务、农业五部门碳排放量以及全市碳排放总量存在显著空间分异，碳排放管控单元等级随对应的碳排放量逐级递减。本研究针对不同部门的碳排放一级管控单元街区的LCZ类型和碳排放特征，提出差异化规划策略。
图1 碳排放分级管控单元地图

Fig. 1 Carbon emission classification control unit map

2.1 工业碳排放一级管控单元

工业碳排放一级管控单元主要位于番禺、黄埔等城市外围工业聚集区（图1-1、2），对应的LCZ类型主要包括LCZ 3（低层高密度区）、LCZ 6（低层中密度区）、LCZ 2（多层高密度区）、LCZ 5（中层中密度区）、LCZ 9（低密度建成区）和LCZ E（岩石或铺地）。这些区域因土地资源广阔、地价较低，工业集聚导致碳排放集中。其中LCZ 3区域因低层工业建筑的紧凑布局，设备集群化运行导致集中性能耗攀升；LCZ 6区域中等密度工业设施物流运输频次增加，推高供应链碳排放；LCZ 2区域多层厂房因垂直交通设施与高层办公空间叠加，形成立体化能源负荷；LCZ 5区域因厂房高度适中与能源输配距离均衡，碳排放呈现中等强度；而LCZ 9区域因低密度建成环境与能源输配效率低下，碳排放强度放大；LCZ E区域因重型货运车辆高频通行，导致运输环节柴油消耗碳排放显著。
图2 不同LCZ分类下各部门碳排放量在排放总量中的占比

Fig. 2 Proportion of carbon emissions from various sectors in the total emissions under different LCZ classifications

针对上述LCZ类型，可以采取以下低碳空间布局优化策略。1）对于LCZ 3和LCZ 6区域，推广屋顶绿化和垂直绿化以增强建筑的热舒适性、减少冷却需求；优化建筑布局，增加自然通风，减少建筑对机械通风的依赖。2）对于LCZ 2区域，通过优化建筑设计，如采用节能材料和高效隔热技术，减少能源消耗；鼓励工业建筑采用太阳能光伏板，利用工业厂房屋顶空间进行清洁能源发电。3) 对于LCZ 5区域，可通过分布式能源站建设降低输配损耗。4）对于LCZ 9区域，加强绿色交通网络建设，优化自行车道和步行道布局，减少机动车使用，减少交通碳排放；通过规划优化提高工业用地的混合使用，缩短员工通勤距离，降低交通碳足迹。5）对于LCZ E区域，通过优化物流通道布局降低运输车辆怠速油耗。

2.2 交通碳排放一级管控单元

交通碳排放一级管控单元主要位于白云机场、南沙港所在的白云区和南沙区，以及路网密集的中心城区（图1-2、2），对应的LCZ类型主要有LCZ G（水体）、LCZ F（裸土或沙地）和LCZ E（岩石或铺地）。其中LCZ F区域通常与物流和运输活动密切相关，频繁的货物搬运和运输车辆进出增加了能源消耗和碳排放量；LCZ G区域周边的港口和码头上频繁的船舶运输活动导致燃料燃烧，产生大量碳排放；而LCZ E区域内车流量大，尤其是重型车辆和货运车辆的燃油效率较低，碳排放量高。
针对上述LCZ类型，可以采取以下低碳空间布局优化策略：1）对于LCZ G 区域，增加绿地和水体面积，利用绿色空间和水道作为交通走廊，提高碳汇能力，提供休闲和交通的双重功能；2）对于LCZ F 和LCZ E区域，优化步行和自行车道网络，提供安全的慢行交通环境，结合透水铺装与乔木遮阴缓解热岛效应，并推行“窄马路、密路网”模式，提升街区路网密度，通过微循环优化降低主干道拥堵率。

2.3 居住及公共服务一级管控单元

居住及公共服务碳排放一级管控单元主要位于荔湾、越秀等中心城区（图1-3、2），对应的LCZ类型主要为LCZ 1（高层高密度区）、LCZ 2（多层高密度区）、LCZ 4（高层中密度区）、LCZ 5（多层中密度区）等。由于土地资源紧张与人口高度集聚，城市中心区普遍形成高密度居住街区的空间形态。建筑密集化与人口高密度分布的协同效应，显著提升了家庭制冷、采暖及用电需求强度。高层建筑密集区域（如LCZ 1和LCZ 4），垂直交通和公共设施的能耗较大，多层建筑分布的区域（如LCZ 2和LCZ 5）则因建筑密度较高，居民日常生活和公共服务设施的能源消耗集中，导致碳排放量增加。此外，LCZ 1、LCZ 2和LCZ 3区域的高密度居住区居民更多依赖电力和燃气等能源密集型服务，进一步推高碳排放。
图3 低碳规划融入国土空间规划体系的实施路径

Fig. 3 Implementation pathway for integrating low-carbon planning into the territorial spatial planning system

针对上述LCZ类型，可以采取以下低碳空间布局优化策略：1）对于LCZ 1区域，通过调整建筑布局以形成自然通风道，推广绿色屋顶和垂直绿化以降低建筑表面温度，同时实施区域集中供暖和制冷系统以提高能效；2）对于LCZ 2区域优化建筑间距以确保充足的日照和自然通风，穿插口袋公园以提高环境质量，并在住宅区中增加商业和公共服务功能以提升居民出行效率；3）对于LCZ 4区域，控制建筑高度和密度以优化微气候，降低机械制冷碳排放；4）对于LCZ 5区域，增加屋顶花园和墙面绿化以提升绿化率，并在住宅区中心位置集中布局社区服务设施以减少居民出行。

2.4 商业碳排放一级管控单元

商业碳排放一级管控单元主要位于天河、海珠、荔湾、越秀等中心城区（图1-4、2），对应的LCZ类型主要为LCZ 1（高层高密度区）、LCZ 2（多层高密度区）、LCZ 3（低层高密度区）、LCZ 4（高层中密度区）、LCZ 5（多层中密度区）等。城市中心区商业活动密集，现代商业街区的建筑形式以大体量的商业建筑及高层办公建筑为主，导致能源消耗增加，在LCZ 1和LCZ 2区域，高层和多层建筑的高密度布局使得室内温度维持和照明等对能源的需求显著；LCZ 3和LCZ 4区域的低层建筑虽单栋能耗较低，但因建筑密度高，总体能耗和碳排放量依然较高；LCZ 5区域的中层建筑因适中的建筑高度和密度，能源消耗相对均衡，但仍然对整体碳排放有贡献。
针对上述LCZ类型，可以采取以下低碳空间布局优化策略。1）对于LCZ 1区域，优化高层建筑的能源管理系统，采用智能建筑技术，如自动化照明、温度控制和绿色电梯系统，减少能耗。同时通过建筑组群错动布局形成通风廊道。2）对于LCZ 2和LCZ 3区域，推广绿色屋顶和垂直绿化，优化建筑群的空间布局，增加开放空间，提高街区的通风性和步行友好性。3）对于LCZ 5区域，鼓励建筑的混合用途开发，提高商业和居住空间的连续性，推动TOD发展改善公共交通系统的可达性和高效性。4）对于LCZ 6区域内的传统商业街区，推广绿色优化，如使用隔热良好的建材和遮阳设施，降低能耗。同时通过改善街道布局，增加绿地，提升街区的环境质量和步行体验。

2.5 农业碳排放一级管控单元

农业碳排放一级管控单元主要位于南沙、增城等城市外围区域（图1-5、2），对应的LCZ类型主要为LCZ A&B（树林）、LCZ C&D（灌木草地）、LCZ 6（低层中密度区）等。由于这些地区土地资源广阔、地价较低，促成了农业活动的集聚和大量农业碳排放的产生。LCZ A&B和LCZ C&D区域的碳排放量与土地使用方式密切相关，使用方式包括化肥和农药的施用、农业机械的使用以及土地开发活动。而LCZ 6区域则可能包含农业相关的居住和轻型工业建筑，此类建筑的能源消耗和废弃物处理方式也会对碳排放量产生影响。
针对上述LCZ类型，可以采取以下低碳空间布局优化策略。1）在LCZ A&B 区域，通过增加森林面积和实施森林管理实践来增强碳汇能力。2）在LCZ C&D区域，构建草地可持续利用与生态农业融合发展模式。3）在LCZ 6区域，营建农业生态缓冲带，结合梯田式雨水滞蓄系统、本土物种保育廊道、农业文化遗产展示区与碳汇计量监测站，协同提升生产-生态双重功能。同时，优化农业运输系统，提高土地利用效率，并保护农业区内的生态系统，减少土地开发和砍伐，保护碳汇资源。

3 低碳规划融入国土空间规划体系

基于城市碳排放的空间异质性及街区形态同质性，LCZ分类地图为碳排放评估提供了标准化空间底图，而基于LCZ框架的碳排放管控单元地图则为低碳规划提供了可视化决策依据。借助LCZ框架，能够将碳排放评估有效转译为规划语言，融入国土空间规划的多级传导、全流程实施与程序化发展过程中（图3）。

3.1 推进低碳规划的多级传导

针对国土空间规划五级三类下的各规划层级，以300 m×300 m精度的LCZ分类地图作为各层级的统一底图，建立跨尺度的LCZ分类地图和碳排放分级管控单元地图，实现地图的逐级汇交。以基于LCZ框架的碳排放空间评估技术推进低碳规划的多级传导，建立面向五级三类的低碳规划策略与指标管控导则，将低碳规划纳入总体规划、详细规划和专项规划。
在总体规划层面，国土空间的全局性安排应体现低碳规划目标，构建对接《市级国土空间总体规划编制指南》的低碳规划指标体系，提取常住人口规模、绿色交通出行比例、新能源和可再生能源比例等指标，逐步构建和健全低碳规划体系，并将低碳规划策略、指标体系纳入国土空间保护、开发、利用、修复的政策与总纲中。基于LCZ分类地图与碳排放分级管控单元地图，识别不同类型的碳排放热点区域，推进国土空间的低碳空间格局优化；识别生态碳汇区域，对树林、山地、湿地等重要碳汇资源，进行整治修复和保护。
在详细规划层面，衔接总体规划低碳目标，深化LCZ分类地图与碳排放分级管控单元地图，形成详规尺度的相关数据集。针对控制性详细规划，精细化识别高碳排空间单元，转译规划语言，制定低碳规划指标、图表、图则。采取刚性和弹性结合的控制方式：刚性控制内容主要为限制高碳排的土地利用方式、控制碳汇保有率等；弹性控制内容主要为引导低碳排的土地开发方式、土地开发强度等。对于修建性详细规划，应根据具体项目的低碳建设管控要求编制可行性规划方案，细化项目地块设计的低碳设计内容，对建筑物、道路、市政基础设施等物质要素进行低碳化空间布局，推动低碳规划的落地。
在专项规划层面，在交通、产业、市政等专项规划中融入低碳规划内容。例如在交通专项规划中提出提升路网密度与通行效率；在产业专项规划中推进产业集中布局与零碳园区建设；在市政专项规划中推广可再生能源，增加光伏、风电等设备用地。此外，应增加基于LCZ分类和碳排放空间评估的低碳专项规划，针对不同部门的碳排放分级管控单元，制定减碳源、增碳汇的相关规划策略。

3.2 推进低碳规划的全周期管理

将低碳规划融入国土空间规划全流程，推进编制、审批、修改、实施、监督的全周期闭环管理。在规划编制阶段，建立目标—策略—指标的低碳规划编制框架。明确低碳绿色发展目标，基于LCZ分类地图与碳排放空间评估，针对不同部门的碳排放一级管控单元制定策略，创建低碳规划指标体系与行动指引。区分存量与增量规划场景：老城区存量规划需精细识别碳排热点，挖掘低碳潜力，在盘活存量过程中置入精细化低碳规划策略；新城区增量建设可借鉴新加坡、香港等高密度城市的低碳发展经验，探索空间高效复合开发的低碳模式，编制适应新城建设场景的规划控制导则。
在审批实施阶段，将低碳规划融入项目落地过程。方案论证及报批前，邀请碳排放、城市气候等领域专家参与审查，以低碳规划量化指标为重要抓手，判断其是否符合核发建设项目用地预审的选址意见书、建设用地规划许可证、建设工程规划许可证以及乡村建设规划许可证的审批标准，强化指标和相关导则的逐级传导。在建设过程中，基于碳排放现状评估核实项目，将碳排放审查结果纳入竣工验收标准。
在监督评估阶段，强化编管协同与动态联动。响应一年一体检、五年一评估的要求，以碳排放空间评估为实施监督的重要技术手段，以国土空间规划的基础信息平台为依托，建立完善国土空间规划碳排放动态监测、评估和预警机制。结合国土空间规划数据、碳排放数据与融合手机信令数据、交通IC卡数据等新兴互联网数据，对规划实施前后碳排放数据进行模拟和预测，形成碳排放动态评估地图，对比检验低碳成效，将验证结果及时反馈以便调整规划的编制审核。创建碳排放预警阈值和警度标准，识别超标区域，实现低碳规划的精准调控。

3.3 推进低碳规划程序化发展

将低碳规划融入国土空间规划技术路线，包括现状研究、数据建库、规划编制和平台管理4个阶段。在现状研究阶段，基于第三次全国国土调查数据，梳理城市建成现状和碳排放现状，收集并计算五部门的碳排放相关数据，建立城市规划和碳排放现状基础数据集。在数据建库阶段，构建城市形态、LCZ分类、能源消耗统计、排放因子、碳排放源等数据库，形成多维碳排放评估数据库，支持动态监测与低碳规划编制。在规划编制阶段，设立碳减排目标，制定规划决策，并将碳排放评估结果反馈至规划调整与优化，确保低碳目标贯穿规划始终。在平台管理阶段，将LCZ分类地图和碳排放空间评估纳入国土空间规划“一张图”信息系统，并将碳排放算法和空间评估融入国土空间指标模型管理层。通过多时段、多部门的LCZ分类地图和碳排放管控单元地图叠加，可动态监测城市碳排放并辅助识别高碳排区域。对比低碳规划实施前后的碳排放图层，评估实施效果。同时，建立多终端的低碳规划浏览平台，支持公开公示、意见征询、公众监督，提高国土空间低碳规划编制、审批、修改、实施、监督的全周期管理阶段的透明度与群众参与度。

4 结论

本研究以广州市为例，首先基于LCZ框架建立了街区级工业、交通、居住及公共服务、商业、农业五部门的碳排放分级管控单元地图，提出了针对性的低碳规划策略，并探讨低碳规划融入国土空间规划体系的多级传导、全周期管理和程序化发展过程。研究结果显示：广州市碳排放热点主要聚集于高密度LCZ区域，工业部门的碳排放热点主要集中于LCZ 3、LCZ 6、LCZ 2、LCZ 5、LCZ 9和LCZ E区域；交通部门的碳排放热点集中于LCZ G和LCZ F区域；居住及公共服务和商业部门的碳排放热点主要集中于城市中心的高密度建成区，例如LCZ 4、LCZ 1和LCZ 2区域；农业部门的碳排放主要分布于城市外围的LCZ E、LCZ C&D和LCZ A&B区域。不同部门的碳排放一级管控单元的LCZ类型存在显著差异，这验证了分部门进行碳排放空间评估的必要。此外，本研究将碳排放分级管控单元划分为五级，基于各部门一级管控单元的碳排放特征，提出了低碳规划策略：对于工业碳排放一级管控单元，建议推进产业集约化与清洁技术集成；对于交通碳排放一级管控单元，可通过公交导向发展与能源网络重构构建绿色出行系统；对于居住及公共服务碳排放一级管控单元，应依托建筑能效提升与可再生能源替代实施节能更新；对于商业碳排放一级管控单元，建议鼓励建筑的混合用途开发与微气候调节；对于农业碳排放一级管控单元，建议强化循环农业与生态碳汇保育。最后，本研究进一步探讨低碳规划融入国土空间规划体系五级三类，编制—审批—修改—实施—监督全流程，以及现状研究—数据建库—规划编制—平台管理的技术路线。
相比以往研究，本研究的创新之处主要在于：1）整合开源数据，以300 m×300 m的LCZ分类单元尺度，构建了街区级碳排放空间评估方法体系，实现了对城市碳排放的精细化和便捷化解析，为国土空间规划提供了高精度的碳排放数据支持；2）将碳排放评估与国土空间规划体系深度融合，提出了多级传导、全周期管理和程序化发展的实施路径，为低碳规划纳入国土空间规划提供了系统性方法和实践框架。然而，本研究侧重于对年度碳排放的空间分析，尚未对碳排放时间动态特征进行考量，未来的研究需要进一步探索昼夜和季节性的碳排放时空演变特征，以便更全面地理解碳排放热点区域背后的驱动机制，为国土空间规划的低碳绿色发展提供坚实的方法参考和数据支持。

文中图表均由作者绘制。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
中华人民共和国中央人民政府. 习近平出席领导人气候峰会并发表重要讲话[EB/OL].（2021-04-22）[2024-02-20].http://www.gov.cn/xinwen/2021-04/22/content_5601535.htm.

The Central People’s Government of the People’s Republic of China. Xi Jinping Attends the Leaders’ Climate Summit and Delivers an Important Speech[EB/OL].(2021-04-22)[2024-02-20].http://www.gov.cn/xinwen/2021-04/22/content_5601535.htm.

[2]
STEWART I D, OKE T R. Local Climate Zones for Urban Temperature Studies[J]. Bulletin of the American Meteorological Society, 2012, 93(12):1879-1900.

[3]
AL-JAGHBEER O, FUNG P L, PAUNU V V, et al. Mapping CO2 Traffic Emissions Within Local Climate Zones in Helsinki[J]. Urban Climate, 2024, 58:102171

[4]
MOUZOURIDES P, ELEFTHERIOU A, KYPRIANOU A, et al. Linking Local-Climate-Zones Mapping to Multi-resolution-Analysis to Deduce Associative relations at Intra-urban Scales Through an Example of Metropolitan London[J]. Urban Climate, 2019, 30:100505

[5]
CAI M, REN C, SHI Y, et al. Modeling Spatiotemporal Carbon Emissions for Two Mega-urban Regions in China Using Urban Form and Panel Data Analysis[J]. Science of the Total Environment, 2023, 857:159612

[6]
DAI H, MISCHKE P, XIE X, et al. Closing the Gap? Top-Down Versus Bottom-Up Projections of China’s Regional Energy Use and CO2 Emissions[J]. Applied Energy, 2016, 162:1355-1373.

[7]
MUNTEAN M, JANSSENS-MAENHOUT G, SONG S, et al. Trend Analysis from 1970 to 2008 and Model Evaluation of EDGARv4 Global Gridded Anthropogenic Mercury Emissions[J]. Science of the Total Environment, 2014, 494:337-350.

[8]
GAO F, WU J, XIAO J H, et al. Spatially Explicit Carbon Emissions by Remote Sensing and Social Sensing[J]. Environmental Research, 2023, 221:115257

[9]
CAI M, SHI Y, REN C. Developing a High-Resolution Emission Inventory Tool for Low-Carbon City Management Using Hybrid Method: A Pilot Test in High-Density Hong Kong[J]. Energy and Buildings, 2020, 226:110376

[10]
中华人民共和国自然资源部. 国土空间规划城市体检评估规程: TD/T 1063—2021[S]. 北京: 地质出版社, 2021.

Code of Practice for City Examination & Evaluation in Spatial Planning: TD/T 1063−2021[S]. Beijing: Geological Publishing House, 2021.

[11]
中华人民共和国生态环境部办公厅、自然资源部办公厅. 关于做好国土空间总体规划环境影响评价工作的通知[EB/OL].（2023-01-30）[2024-02-20].https://www.gov.cn/zhengce/zhengceku/2023-01/30/content_5739157.htm.

Office of the Ministry of Ecology and Environment of the People’s Republic of China, Office of the Ministry of Natural Resources of the People’s Republic of China. Notice on Strengthening Environmental Impact Assessment of Territorial Space Planning[EB/OL].(2023-01-30)[2024-02-20].https://www.gov.cn/zhengce/zhengceku/2023-01/30/content_5739157.htm.

[12]
熊健, 卢柯, 姜紫莹, 等. “碳达峰、碳中和”目标下国土空间规划编制研究与思考[J]. 城市规划学刊, 2021(4):74-80.

XIONG J, LU K, JIANG Z Y, et al. Study and Thoughts on Territorial Spatial Planning Under the Goal of “Carbon Emissions Peak and Carbon Neutrality”[J]. Urban Planning Forum, 2021(4):74-80.

[13]
中共中央国务院印发《数字中国建设整体布局规划》[J]. 自然资源通讯, 2023(4):6-8.

The Central Committee of the Communist Party of China and the State Council Issued the Overall Layout Plan for Digital China Construction[J]. National Land & Resources Information, 2023(4):6-8.

[14]
广州市统计局. 2021年广州统计年鉴[M]. 广州: 广州市统计局, 2021.

Guangzhou Municipal Bureau of Statistics. 2021 Guangzhou Statistical Yearbook[M]. Guangzhou: Gazette of the People’s Government of Guangzhou Municipality, 2021.

[15]
广州市统计局. 2021年广州市国民经济和社会发展统计公报[EB/OL].（2022-03-09）[2024-02-20].https://www.gz.gov.cn/zwgk/sjfb/tjgb/content/mpost_8156569.html.

Guangzhou Municipal Bureau of Statistics. Statistical Bulletin on the National Economic and Social Development of Guangzhou in 2021[EB/OL].(2022-03-09)[2024-02-20].https://www.gz.gov.cn/zwgk/sjfb/tjgb/content/mpost_8156569.html.

[16]
杜昱东, 刘恋, 王佳斌, 等. 基于碳排放约束的北京市社区生态效率评价[J]. 生态学报, 2023, 43(2):590-602.

DU Y D, LIU L, WANG J B, et al. Evaluation of Community’s Ecological Efficiency in Beijing Based on Carbon Emission Constraint[J]. Acta Ecologica Sinica, 2023, 43(2):590-602.

[17]
封雅静, 翟亮, 桑会勇, 等. 基于精细单元碳收支核算及变化分类方法[J]. 地球信息科学学报, 2023, 25(3):468-478.

FENG Y J, ZHAI L, SANG H Y, et al. Carbon Budget Accounting and Change Classification Based on Fine Units[J]. Journal of Geo-Information Science, 2023, 25(3):468-478.

[18]
ZHENG Y S, LI W J, JIANG L J, et al. Spatial Modelling of Street-Level Carbon Emissions with Multi-source Open Data: A Case Study of Guangzhou[J]. Urban Climate, 2024, 55:101974

[19]
ZHENG Y S, REN C, XU Y, et al. GIS-Based Mapping of Local Climate Zone in the High-Density City of Hong Kong[J]. Urban Climate, 2018, 24:419-448.

[20]
郑颖生, 李文婕, 曾秋韵, 等. 岭南高密度城市高温适应规划设计策略: 局地气候分区框架的应用[J]. 规划师, 2023, 39(6):93-98.

ZHENG Y S, LI W J, ZENG Q Y, et al. Heat Adaptive Urban Planning and Design Strategies for High-Density Cities in Southern China: The Application of Local Climate Zone Framework[J]. Planners, 2023, 39(6):93-98.

Options
Outlines

/

〈 〉