构建四个全球大都市的跨尺度本地碳排放区域：一种缓解空间尺度效应的城市特定框架

《Environmental Impact Assessment Review》：Constructing cross-scale local carbon emission zones in four global metropolises: A city-specific framework for mitigating spatial scaling effects

　　

## 摘要

加速向低碳城市化转型对于气候变化的缓解至关重要。本地碳排放区（LCEZs）的划分提供了一种将城市形态与CO?排放模式相结合以实现针对性规划的有前景的方法。然而，现有的LCEZs框架受到尺度依赖性的影响，且往往只能提供有限的、缺乏情境敏感性的排放异质性解释。本研究开发了一个跨尺度LCEZs框架，并将其应用于伦敦、纽约、巴黎和悉尼。首先，基于有限尺度标度的坍缩方法被用于识别表现出跨尺度统计规律的形态因子，从而减轻了可修正面积单位问题的尺度效应。其次，采用基于最优参数的地理探测器（OPGD）模型识别了与CO?排放异质性相关的城市特有形态因子组合，以构建LCEZs。共有十一个因子通过了坍缩筛选，包括交通、建筑和景观因子。在四个城市构建的LCEZs结果中，每个因子组合中至少保留了一个交通相关变量，而平均建筑体量（MBV）在四个大都市中的三个中成为核心因子，显示出高度的普遍性和影响力。所得LCEZs通过了Kruskal-Wallis检验的统计验证，效应量范围为0.143至0.233，在每个大都市中，区内变异系数相对于全球基准降低了80%以上，证实了强烈的内部同质性。该框架为比较形态-排放关联和指导低碳干预提供了基础。它提供了一种可重复的诊断程序，用于量化权衡并根据地方情境量身定制措施，弥合了计算城市科学与规划实践之间的鸿沟。

## 引言

城市地区占全球人口55%以上，却产生了超过70%的CO?排放。向低碳城市化转型已从理论目标转变为全球各国政府的法定义务（Shukla et al., 2022）。城市形态与CO?排放之间的关系已成为低碳城市研究的核心议题。

近期研究表明，城市形态通过两条主要路径显著影响CO?排放，包括直接行为调节和间接代谢调控。直接而言，道路网络配置、交叉口密度和建筑紧凑度等物理属性决定了出行距离和交通方式选择，从而影响交通相关CO?排放（Lopez-Aparicio et al., 2025; Tang et al., 2025）。间接而言，建成环境的配置——涵盖建筑高度、体量和间距——通过遮荫效应、风道引导和微气候变化（如热岛效应增强）来调节能量通量，进而改变建筑采暖和制冷的能源需求（Jia et al., 2026; Lin et al., 2021; Tian et al., 2024a）。类似地，功能形态（包括职住平衡）通过改变可达性和活动分布间接重塑排放模式（Jamali et al., 2025; Wang et al., 2023a; Zuo et al., 2022）。

然而，在不同研究尺度（国家、城市、街区）上的实证发现往往揭示了复杂且有时相互矛盾的关系，这些关系随分析单元、分区边界和观测分辨率的变化而变化。现有研究通常依赖行政边界或网格尺度来汇总形态指标（Cai and Zhang, 2014; Hong et al., 2022; Jung et al., 2024）。低碳空间单元的整合从根本上受到可修正面积单位问题（MAUP）的限制——MAUP是地理和生态研究中普遍存在的现象，即统计结果对空间单元定义敏感。MAUP并非技术错误，而是空间数据固有的复杂性：一个在邻里尺度上与排放强相关的形态因子，在区域尺度上可能表现出减弱甚至反转的关系（Dong et al., 2023）。一些研究提出了三种缓解MAUP尺度效应的方法。第一种尝试为特定问题识别更合适的分析单元。例如，在作者此前关于构建全国24个城市LCEZs的研究中，通过比较不同尺度和分割形状下变量特征与空间误差模型拟合结果，最终选择了最优空间单元进行分析（Ju et al., 2025a）。第二种通过交叉分类多层模型、多尺度地理加权回归和非线性机器学习等方法将异质变量带宽和阈值效应纳入分析，从而减少单尺度建模产生的偏差（Lee and Lee, 2020; Wu and Li, 2024）。第三种采用多尺度敏感性分析，系统比较不同网格、缓冲区或分辨率下因子和模型结果的稳定性，并将尺度依赖性识别为差异的重要来源（Liu et al., 2025）。其他研究构建了跨尺度因子体系，例如，将小尺度上的因子均值作为大尺度因子的聚合因子，以探索跨尺度传导效应的机制（Shen et al., 2026）。总之，大多数现有研究仍停留在尺度选择、尺度切换或尺度适应层面，很少有研究更进一步地追问：如果城市形态与CO?排放之间存在更深层的统计规律，这种规律在尺度变化后是否仍能被识别？

虽然尺度效应是地理研究中的共性问题，但学术界已基于三种传统方法发展出较为丰富的多尺度分析传统。同时，学者们已成功识别了特定形态特征与碳强度之间的稳健相关性。然而，这些洞见往往缺乏法定实施所需的操作清晰度（Pu et al., 2026; Rong et al., 2022; Yang, 2023）。主要原因是难以在不同分析方法和尺度上获得统一且可解释的研究结论。传统线性统计方法难以揭示复杂的非线性关系。虽然机器学习能够捕捉高维非线性和交互作用，但由于模型的黑箱性质，其结果难以解释。空间统计方法（如空间误差模型、地理加权回归）可以解释空间非平稳性，但缺乏时间动态和非线性结构。因此，复杂的形态-碳关系仍停留在理论观察层面，而非可操作的指导方针。

为弥合研究发现与规划实践之间的差距，本研究概念性地借鉴了Stewart和Oke为城市热环境研究开发的本地气候区（LCZ）体系，将本地碳排放区（LCEZs）定义为具有以下特征的独立空间单元：具有统一的地表覆盖、空间结构、建筑材料和人类活动，从而产生一致的碳排放模式（Ju et al., 2025b; Tian et al., 2024a）。这种基于形态的分类方法相较于现有空间分区体系具有显著优势。LCEZs整合了多种城市形态因子，如道路长度、交叉口密度和建筑高度（Ju et al., 2025a）。此外，它们与传统的分区方法（如碳排放特征区CECR）有根本区别，后者依赖于社会经济统计数据或行政边界（Liu et al., 2024）。与CECR不同，LCEZs通过整合多源城市形态要素来分解CO?排放，为规划者提供可直接适用的监管阈值。

尽管LCEZs在概念上具有前景，但其操作化从根本上受到尺度效应的限制（Jelinski and Wu, 1996）。这一挑战同样适用于已建立的框架，如LCZ和CECR，它们通常在特定高分辨率下运行（如100 m至500 m）或受行政边界束缚（Guo et al., 2025; Liu et al., 2024; Ma et al., 2024）。尺度转换可能改变形态因子与CO?排放之间的观测关联，而宏观尺度分析可能模糊本地形态异质性。与仅比较不同尺度结果的方法不同，本研究引入了基于有限尺度标度的数据坍缩来识别概率分布表现出跨尺度统计规律的因子。这些尺度稳定因子为后续LCEZs构建提供了更一致的基准，同时将分区不确定性和情境解释留待实证评估。

此外，另一个关键差距在于当前LCEZs框架对CO?排放模式的解释力有限。近期证据表明，在24个城市中心报告的q值平均较低（q ≈ 0.1）。这一局限性源于一个共同的理论假设：即CO?排放的驱动因子在不同城市景观中功能上是一致的（Huang and Matsumoto, 2021; Li et al., 2022; Shi et al., 2022）。当通用模型施加一套僵化的因子时，它们有可能忽略单个城市特有的形态轨迹。例如，一个高度紧凑、以公共交通为导向的大都市的碳强度，与体量密度和容积率等结构参数固有地相关（Ye et al., 2017），这不同于水平蔓延、以汽车依赖为主的城市，后者的主导因素是道路连通性和土地利用碎片化（Ahmadzai, 2020; Barrington-Leigh and Millard-Ball, 2020）。

为应对这些挑战——尺度依赖性和情境特殊性，本研究提出了一个双阶段分析框架。与仅搜索最优尺度或描述尺度依赖趋势的方法不同，第一阶段通过基于有限尺度标度的数据坍缩从尺度变化本身中提取规律。通过重新标度城市形态因子在多个空间分辨率下的概率密度函数，该方法筛选出在不同尺度上保持可比统计行为的形态因子。第二阶段将这些筛选后的因子应用于基于最优参数的地理探测器（OPGD），以识别与每个城市CO?排放异质性最相关的因子组合和离散化方法。因此，该框架的贡献并非一个通用的尺度效应解决方案或具有普遍高解释力的分区模型，而是一个透明的工作流程，将跨尺度因子筛选与城市特有的碳分区联系起来，并明确报告所得LCEZs的不同解释强度。

## 材料与方法

方法框架包含四个集成阶段，如图1所示。（1）综合多源数据集，包括ODIAC数据集、3D-GloBFP（3D全球建筑足迹）数据集、土地利用和兴趣点（POIs），用于计算关键形态指标和交通因子。（2）采用基于有限尺度标度理论的数据坍缩方法来解决尺度效应问题。该步骤筛选出……

## 通过坍缩方法筛选城市形态因子

Spearman分析表明，大多数城市形态因子与CO?排放显著相关。具体而言，BCR、FME、INTER、MBA、MBH、MBV、NMRL、PD、SCD和STAT在四个城市均呈正相关，而FA在大多数城市中呈负相关，BSC除纽约外也呈负相关（表S2）。这些相关性强度在不同城市间有所差异，伦敦和纽约的系数通常高于巴黎和……

## 应用跨尺度LCEZs框架

本研究LCEZs框架的核心价值并不在于其最终产生的静态地图，而在于它提供了一个可重复的操作程序，使城市形态与CO?排放关系的系统评估成为可能。将该框架嵌入法定规划制定过程作为内置分析工具，旨在弥补传统规划方法在分析建成城市……

## 结论

本研究将基于有限尺度标度理论的数据坍缩方法与OPGD模型相结合，开发了一个缓解尺度效应的LCEZs框架。该方法通过筛选具有跨尺度统计规律的因子来解决尺度依赖性问题，通过选择城市特有的因子组合来解决情境特殊性。

关键实证结果是CO?排放的最优形态因子具有强烈的城市特异性。所选因子组合为INTER，……

## 资金支持

本研究得到国家自然科学基金（42001210, U25A201195）、福建省科技计划项目（2026Y0072, 2026J002049）和厦门市自然科学基金（3502Z202573086）的资助。我们感谢匿名审稿人提出的建设性建议。

## 利益冲突声明

作者声明不存在已知的可能影响本文工作的竞争性经济利益或个人关系。

## 作者信息

Jiaheng Ju | Shudi Zuo | Ayyoob Sharifi | Wu Deng | Runqi Liang | Yin Ren

中国科学院城市环境研究所，区域与城市生态学国家重点实验室，城市环境与健康重点实验室，流域生态福建省重点实验室，厦门城市代谢重点实验室，福建厦门 361021，中国