基于多源空间协变量的输入约束城市二氧化碳排放精细尺度估算与空间解释：以中国成都为例

《Sustainable Cities and Society》：Input-constrained fine-scale estimation and spatial interpretation of urban CO 2 emissions using multi-source spatial covariates: A case study of Chengdu, China

　　

**• 一种输入约束框架可生成基于模型的100米CO?估算。**

**• 基于Mamba的建模方法改善了重构效果，尤其适用于更粗粒度的输入。**

**• 跨尺度评估表明，从2至16公里输入均可实现稳定的重构。**

**• 精细尺度地图揭示了城市内部的异质性，并为热点区域筛查提供了支持。**

**引言**

减少CO?排放已成为气候变化减缓和城市发展可持续性研究的核心任务。在全球向碳中和转型以及中国碳达峰、碳中和双重目标（2030年前碳达峰、2060年前碳中和）的背景下，城市已成为将减缓目标转化为规划与治理行动的关键空间（Wang et al., 2021）。城市在高度异质的人工建成环境中集中了人口、基础设施、交通活动、建筑施工、工业生产和能源需求。因此，城市CO?排放并非在空间上均匀分布，而是与基础设施系统、建成环境特征、交通活动、土地利用构成和城市发展路径密切相关（Creutzig et al., 2016; Creutzig et al., 2015）。

对于城市低碳治理而言，关键问题不仅是城市排放多少CO?，还包括排放集中在哪里、城市内部如何变化以及哪些区域可能需要空间针对性的减缓措施。城市级别的总量数据、行政统计和粗分辨率格网排放产品为碳核算提供了必要基线，但不足以识别局部排放浓度、中心-外围梯度、交通相关模式和建成环境异质性。这产生了对精细尺度城市CO?排放信息的需求，该信息既能支持城市内部诊断，又能与现有排放清单保持一致。

在空间显式碳排放制图方面已取得实质性进展。城市级别的碳足迹数据集和近实时排放监测产品增进了对城市和区域排放动态的理解（Huo et al., 2022; Liu et al., 2020; Moran et al., 2018; Nangini et al., 2019）。自上而下的系统如Hestia和Vulcan整合了部门活动数据、建筑信息、道路级排放和点源数据，构建了高分辨率化石燃料CO?排放产品（Gurney et al., 2020; Gurney et al., 2019; Gurney et al., 2012）。然而，为成都构建可比的自下而上排放清单需要空间完整且时间一致的活动数据，包括建筑级能耗、道路级交通量、部门特定燃料使用和设施级排放记录。由于2014至2023年期间没有可用的全市范围且时间连续的数据集，为整个研究时段构建一致的建筑物级或道路级自下而上排放清单仍然困难。全球格网产品以开源人为CO?排放数据清单（ODIAC）为代表，将点源信息与夜间灯光观测相结合，以1公里分辨率分配化石燃料CO?排放（Oda and Maksyutov, 2011; Oda et al., 2018）。在中国，基于燃烧过程信息、点源、企业信息和其他社会经济数据的格网排放数据集也已开发，为区域和城市排放分析提供了重要基础（Cai et al., 2018; Wang et al., 2014; Wang et al., 2013）。

夜间灯光观测被广泛用作人类活动强度和能源使用的空间代理变量。基于DMSP-OLS、NPP-VIIRS和互校夜间灯光产品的研究已在多个尺度上考察了中国CO?排放的时空动态（Chen et al., 2021; Lu and Liu, 2014; Lv et al., 2020; Shi et al., 2016; Sun et al., 2020; Zhao et al., 2019）。然而，仅依靠夜间灯光无法完全代表与排放相关的城市过程，可能受到饱和效应、非排放照明以及不同土地利用和能源使用活动间差异的影响。因此，近期研究越来越多地将夜间灯光与土地利用、人口、植被指数、点源信息和其他城市空间协变量相结合，以改善排放的空间表征（Guo et al., 2023; Huang et al., 2022; Wang et al., 2023; Wei et al., 2021）。上海和西安等城市的精细尺度研究表明，多源地域数据有助于刻画城市内部排放模式和潜在高排放区域（Huang et al., 2022; Liu et al., 2024; Zhang et al., 2024）。相关的基于无人机的城市空气质量监测也表明，高分辨率空间测量可以揭示局部污染模式并为热点区域识别提供支持（Bakirci, 2024）。这一发现展示了精细尺度环境信息对城市针对性管理的广泛价值。

尽管取得了这些进展，精细尺度城市CO?排放制图仍面临尺度一致性问题。许多现有排放产品以1公里或更粗的分辨率提供。这些产品对于区域比较和城市级趋势分析有用，但可能会平滑密集城市区域内部的急剧变化，因为在同一个粗格网单元内可能共存着不同的土地利用类型、道路条件、活动强度和发展功能。基于代理变量的分配和数据驱动的下采样可以引入额外的空间细节，但由此产生的精细尺度估算值不应与现有清单给出的排放总量脱节。这一问题对CO?排放尤为重要，因为它们是总量。因此，精细尺度排放场不仅应根据其空间细节来评估，还应根据其在聚合后是否与原始低分辨率排放总量保持一致来评估。

传统的下采样方法，包括空间回归和随机森林、XGBoost等机器学习模型，可以将粗分辨率排放与精细尺度空间协变量相关联（Breiman, 2001; Chen and Guestrin, 2016）。然而，当作为逐单元模型实施时，它们表示复杂空间上下文和多尺度结构的能力有限。

深度学习提供了一种灵活的方式，可以从格网输入中联合学习多个协变量之间以及层次化空间特征之间的非线性交互作用。在本框架中，网络学习非线性再分配模式和多尺度空间依赖性，而父尺度校正显式保留了相应粗尺度输入给出的排放总量。在气候和地球系统研究中，超分辨率和下采样模型已被用于从粗输入生成更精细的空间表示（Vandal et al., 2017; Wang et al., 2021）。然而，碳排放下采样不同于自然图像超分辨率。其目标不是恢复视觉上合理的纹理，而是在输入尺度排放约束下，估算以粗尺度表示的排放如何在更精细的城市格网单元中重新分配。科学超分辨率研究也强调，当深度学习应用于格网地球物理变量时，需要维持与粗尺度信息的一致性（Geiss and Hardin, 2023; Saha and Ravela, 2024）。对于城市CO?排放而言，这意味着基于模型的精细尺度估算应被视为受低分辨率排放数据和高分辨率空间协变量约束的估算，而非100米格网单元级别的直接测量。

中国西部超大城市成都正在根据新发展理念建设公园城市示范区，旨在协调生态文明发展与超大城市转型。在此政策背景下，协调城市发展、生态保护和低碳治理产生了对空间详细CO?排放信息的实际需求。因此，成都被选为精细尺度城市CO?排放估算和空间分析的研究区域。

基于此，本研究开发了一个针对中国成都的输入约束精细尺度CO?排放再分配框架。近期一项基于开放数据的成都城市级格网CO?清单表明了整合遥感影像、道路网络、点源信息和城市大数据对城市碳监测的价值（Wang et al., 2024）。在本研究中，使用1公里ODIAC CO?排放数据作为低分辨率排放输入和输入尺度排放总量约束，同时使用多源100米城市空间协变量作为精细尺度再分配的空间证据。该框架生成基于模型的100米CO?排放估算值，并应用父尺度校正以保留输入排放总量。

本研究的贡献在于将受约束的精细尺度估算与城市空间分析相结合。首先，本研究将城市CO?精细尺度制图构建为输入约束的排放再分配问题，而非普通的图像超分辨率问题。其次，它整合了低分辨率排放输入和多源100米城市空间协变量，为成都推导出基于模型的100米排放估算值，同时保留了输入尺度的排放总量。第三，利用所得估算值考察了城市内部排放模式、剖面尺度的空间分异、时空趋势以及基于SHAP的特征贡献模式。这些分析为理解与建成环境相关的排放异质性以及识别需要进一步调查的城市区域提供了空间证据。

**研究区域**

本研究聚焦于中国四川省成都市。成都位于四川盆地西部，近几十年来经历了快速的城镇化扩张、交通网络发展和建成环境变迁。研究区域由成都市行政边界界定，如图1所示。

成都位于四川盆地西部，其市域范围跨越成都平原及周边丘陵和山区。密集的中心城……

**工作流程**

本研究通过将低分辨率排放数据与多源城市空间协变量相结合，开发了一个输入约束的精细尺度CO?排放估算框架。工作流程包括三个主要阶段：数据预处理和空间对齐、基于模型的精细尺度排放再分配，以及跨尺度重构评估和空间分析（图2）。

首先，收集了2014至2023年的年度1公里CO?排放数据和年度多源城市空间协变量。

**不同输入排放尺度下的跨尺度重构一致性**

在所有测试的低分辨率输入尺度下，均观察到较高的跨尺度重构一致性。在将基于模型的100米估算值聚合到1公里监督尺度后，重构排放与原始1公里参考排放高度一致。如表2所示，2、4、8和16公里输入尺度的R2值分别为0.9968、0.9926、0.9831和0.9821。

重构误差随着输入尺度变粗而增加。MAE……

**尺度一致性**

精细尺度城市CO?排放估算不仅仅需要提高排放地图的表观空间分辨率。对于城市分析，需要更精细的格网来描述城市内部异质性；对于碳核算，估算场还需要与现有排放清单保持一致。ODIAC等格网产品提供了空间显式的化石燃料CO?排放信息（Oda and Maksyutov, 2011; Oda et al., 2018），但其原生分辨率可能会平滑……

**结论**

本研究通过将低分辨率排放数据与多源100米城市空间协变量相结合，为成都开发了一个输入约束的精细尺度CO?排放估算框架。该框架将精细尺度排放制图构建为受约束的再分配问题，而非普通的图像超分辨率问题。基于模型的100米估算值通过父尺度校正保留了输入尺度的排放约束，同时为城市内部……

**CRediT作者贡献声明**

王德成：写作——审阅与编辑，写作——原稿撰写，可视化，验证，监督，软件，资源，项目管理，方法论，调查，形式化分析，数据整理，概念化。韩润灿：写作——审阅与编辑，监督，验证，可视化。

**利益冲突声明**

作者声明不存在已知的竞争性经济利益或个人关系，这些利益或关系可能影响本文所报告的工作。

王德成 | 韩润灿