碳达峰压力下建成环境因素对居民电力碳排放的影响机制——以天津市武清区为例

《Frontiers in Public Health》：Influence mechanisms of built environment factors on residential electricity carbon emissions under carbon peaking pressure: a case study of Wuqing District, Tianjin, China

　　

鉴于“双碳”目标，审视居民电力碳排放(RECE)对城市低碳发展至关重要。本研究以天津市武清区146个微观尺度居住区为对象，着重探讨建成环境因素(BEF)对RECE的影响。研究创新性地采用2021—2023年先进计量基础设施(AMI)智能电表数据，构建了“空间统计—机器学习—机制分析”框架，以应对宏观层面研究常无法提供具体政策建议的局限性。研究人员利用ArcGIS对RECE进行时空刻画，同时运用随机森林模型评估BEF的相对重要性，进而提出微观层面的居住区碳减排规划方案。主要发现如下：(1) 2021—2023年间，居民电力碳排放强度(RECEI)与年均家庭电力碳排放(AHECE)呈现向高建筑密度集中连片居住单元集聚的趋势，表明居住部门仍面临持续的减排压力；(2) 高排放单元呈现显著的空间集聚与扩散特征，主要集中于研究区南部，而低碳单元主要分布于外围地带；(3) 就驱动因素而言，交通紧凑度(TC)是主导性影响因素，而调整后土地面积(SA)与建筑密度(BD)对居民电力碳排放发挥调节作用，表明传统高强度开发指标仍具有碳减排潜力。基于上述发现，本文针对居住区电力消费提出靶向性低碳发展战略：优化综合交通网络、审慎调控建筑密度与容积率、系统规划公共服务设施以及增强绿色基础设施。这些优化路径基于交通连通性、空间开发强度与家庭电力相关碳排放之间的内在机制，为低碳社区的设计与开发提供了务实基础，同时促进了区域碳减排举措的推进。

**碳达峰压力下建成环境因素对居民电力碳排放影响机制的研究解读**

**一、研究背景与现存问题**

自1850年工业革命以来，化石燃料的广泛使用与温室气体的持续排放加速了全球变暖，引发极端高温、强降雨、干旱及生态退化等一系列环境问题，对人类社会的可持续发展构成重大威胁。政府间气候变化专门委员会(IPCC)第六次评估报告(AR6)指出，2011—2020年全球平均地表温度较工业化前（1850—1900年）上升了约1.1℃。在此背景下，控制以二氧化碳(CO?)为主的温室气体排放、推进低碳转型已成为全球应对气候变化的共识性议题。中国作为全球最大的发展中国家和主要碳排放国，于2020年正式提出“双碳”战略目标：力争2030年前实现碳达峰、2060年前实现碳中和。随着城市化率持续提升，城市已成为能源消费与碳排放的主要空间载体，居住电力消耗的显著增长尤为突出。

居住社区作为城市环境的基本组成单元，在建筑运行、家庭能源使用和日常通勤等环节产生碳排放，是仅次于工业部门的第二大碳排放来源。其中，家庭电力消费产生的碳排放因具有参数清晰、可测性强等特点，成为城市低碳研究的核心关注对象。然而，现有研究存在两个主要缺陷：其一，在数据精度层面，家庭尺度的碳排放核算主要依赖问卷、抽样统计或情景模拟等传统数据源，难以实现微观空间尺度上连续、客观、精准的能源使用特征刻画，数据可得性和时效性不足，且结果易受主观偏差影响；其二，在研究方法层面，建成环境对居住碳排放的影响常呈现显著的非线性和空间变异性，传统统计模型在高维变量、多重共线性及空间依赖条件下难以兼顾预测精度、机理解释与空间效应，制约了研究成果向规划治理及靶向政策的转化。

**二、研究目标与意义**

本研究旨在利用国网AMI智能电表获取的微观尺度居住电力消费数据，构建融合空间统计分析、机器学习建模与影响机制分析的方法框架，以弥补现有研究的不足。研究聚焦三个核心问题：基于AMI数据的家庭电力碳排放呈现怎样的区域分布与年际波动特征？建成环境要素如何影响家庭电力碳排放？研究成果如何转化为高密度城市区域可操作的规划治理举措？该框架在不显著增加计算成本的前提下突破了现场实测样本的限制，同时修正了传统计量模型的假定偏差，缓解了异常值与噪声干扰的影响，并通过重要性评估提升了结果的可解释性，为城市居住社区低碳发展与碳减排提供了微观尺度的决策选项。

**三、研究区域与数据来源**

研究区域位于天津市西北部的武清区中心城区。武清区作为连接天津与首都北京的郊区地带，以新建居住区为主，居住与交通碳排放增长显著。研究以该区域内225个居住社区为基础，依据“纯居住属性”“时间序列数据连续”“建成环境典型且可管控”三项标准进行系统筛选，最终获取146个有效研究样本，涉及5,256个面板样本（2021—2023年）。样本涵盖武清区中心城区成熟老旧社区、核心区高品质商业居住区、郊区过渡型住宅区以及建成超过三年的新城居住区，具有良好的空间分布均衡性与类型多样性。电力消耗数据源自国网天津电力公司的智能电表，土地利用数据由天津市规划和自然资源局提供，其余数据来自开放地理空间数据集，包括OpenStreetMap(OSM)路网数据、天地图卫星影像、百度地图兴趣点(POI)数据及安居客人口数据等。

**四、关键研究与方法**

本研究采用的主要技术方法包括：其一，基于碳排放因子法的居民电力碳排放(RECE)测算，利用由生态环境部与国家统计局发布的全国平均电力CO?排放因子（2021年0.5942 kgCO?/kWh、2022年0.5856 kgCO?/kWh、2023年0.5703 kgCO?/kWh）统一核算146个社区的电力碳排放；其二，构建涵盖土地利用强度、交通布局、生态环境与公共服务四个维度、共计14项量化指标的建成环境评价体系，指标包括容积率(FAR)、土地面积(SA)、建筑密度(BD)、建筑形态系数(BSC)、交通紧凑度(TC)、公交站点密度(PTSD)、绿地率(GSR)、树木覆盖率(ACR)、公共服务设施多样性(DPSF)、教育设施可达性(AEF)与土地利用混合度(LUMD)等；其三，采用灰色关联分析(GCA)方法初步考察建成环境因素与居民电力碳排放之间的关联强度；其四，利用随机森林(Random Forest)集成学习模型，通过K-fold自助采样法评估各建成环境因子的相对重要性，并结合部分依赖图(PDP)分析揭示关键因素的非线性影响路径。随机森林模型的建立依托MATLAB平台，决策树数量设定为600棵，最小叶节点数(MinLeafSize)设置为5，随机种子设为2024以保证结果可复现。模型按年度（2021年、2022年、2023年）分别独立构建，训练集与测试集按75%:25%比例分层随机划分。此外，研究还采用全局莫兰指数(Global Moran's I)检验样本的空间自相关性，结果表明三年间Moran's I指数介于0.330—0.339之间，但Z值均未超过1.96的临界阈值且P值大于0.05，未通过5%显著性检验，说明样本满足空间独立性假设，无需引入空间权重矩阵。

**五、研究结果**

**（一）居民电力碳排放(RECE)的量化特征**

基于碳排放因子公式与AMI数据的计算，2021—2023年间区域年均电力碳排放(AECE)呈现“短期快速攀升后逐步回落趋稳”的阶段性演化格局：三年均值分别为1,731,243.432 kgCO?、2,121,559.523 kgCO?与2,075,605.881 kgCO?，2022年较2021年增长22.55%，2023年同比小幅下降2.17%，总体增幅趋于收敛，表明研究区家庭电力需求正接近饱和状态。从空间分布看，低于年度平均值的社区占比三年间持续处于68%以上，呈低值聚集、高值稀少的偏态分布格局。居民电力碳排放强度(RECEI)呈现持续攀升但增速趋缓的态势，区域平均值由2021年的109.54 kgCO?/m2增至158.77 kgCO?/m2，再升至2023年的171.44 kgCO?/m2，三年累计增幅达56.50%，年增长率由44.94%下降至7.98%，表明社区单位面积能耗正趋于合理化。年均家庭电力碳排放(AHECE)的时序演化总体上与总量碳排趋势一致，呈现先升后微降的特征，低于年度平均值的社区占比由44.52%升至49.32%，社区间家庭电力碳排放差距不断缩小，区域家庭用电模式日益均衡化。研究表明，宏观建成环境要素（如SA、TC、AEF）能够显著影响居住区电力碳排放总量，但对单位面积碳排放强度和家庭平均碳排放的解释能力相对有限。

**（二）居民电力碳排放的空间特征**

基于ArcGIS的可视化分析显示，2021—2023年间146个社区的RECE空间格局保持相对稳定，总体呈现“北高南低”的分布态势。高值社区主要集中于研究区中心地带——翠亨路以南、毗邻城际铁路线区域，而低值社区则沿北运河、南湖公园以西及文汇路以西呈线性分散分布。RECEI的空间分布三年间总体稳定，高值社区沿主干道无明显集聚特征，但低值社区呈间歇性分散分布。AHECE的年际空间波动较小，呈现总体均衡的多核心分布格局，高值社区集中于翠亨路南段和北运河中段，呈连片集聚态势。

**（三）建成环境因素(BEF)的空间分异**

对14项建成环境指标的空间可视化结果表明，研究区建成环境存在显著的空间异质性，形成了“中心主城区—南部新城区”的双核心集聚格局。土地利用强度方面，容积率(FAR)与土地面积(SA)呈现北高南低的空间梯度；建筑密度(BD)呈中、南部高而东、北、西相对较低的特征。交通布局维度体现为双核集聚模式：城市路网密度(URND)呈南北双核集聚，交通紧凑度(TC)呈南部显著集聚、中部和北部相对分散的格局。生态环境维度方面，绿地率(GSR)与树木覆盖率(ACR)的空间分布接近总体均衡，而1km半径绿地占比(GAP)呈现南高北低的空间差异。公共服务维度则显示公共服务设施多样性(DPSF)以中心城区为核心集中布局，南北部配套资源相对薄弱。

**（四）灰色关联分析**

灰色关联分析结果显示，2021—2023年间各影响因子的灰色关联度保持基本稳定，整体相关系数介于0.53—0.85之间。以2023年为例，土地面积(SA)的关联度最高（0.846），表明居住区空间规模与居民电力碳排放波动存在高度同步性。根据关联强度可将14项因子划分为三个层级：第一层级为强关联因子（相关系数>0.73），包括SA、TC、绿地占比(GAP)、公共服务设施多样性(DPSF)、容积率(FAR)、教育设施可达性(AEF)与建筑密度(BD)七项要素，涵盖用地规模、交通配置、绿地布局、开发密度及设施可达性等多个维度；第二层级为中等关联因子（0.60—0.70），包括公交站点密度(PTSD)、建筑形态系数(BSC)与树木覆盖率(ACR)；第三层级为弱关联因子（<0.60），包括土地利用混合度(LUMD)、城市路网密度(URND)、建筑布局类型(BCF)与绿地率(GSR)。灰色关联分析揭示了三项核心发现：建成环境诸要素与家庭电力碳排放之间存在一定程度的非线性关联；关联强度呈现“空间结构因子>建筑形态因子>土地利用结构因子”的递减层级；各因子关联强度三年间保持稳定，表明这些关联趋势具有显著的时间稳健性。

**（五）随机森林模型分析**

基于2021—2023年数据分别构建的随机森林模型在训练集与测试集上均表现出优良的预测精度和稳定的泛化能力：三年训练集R2分别为0.842、0.862与0.875，测试集R2分别为0.796、0.826与0.816，袋外(OOB)得分分别为0.598、0.675与0.698，且训练集与测试集性能差异甚微，未见明显过拟合现象。特征重要性分析表明，三年间核心影响因子的排序保持总体一致：交通紧凑度(TC)始终位居首位，贡献度显著高于其他因子，是居民电力碳排放空间差异的主要决定因素；土地面积(SA)的重要性持续居于前列，地块利用规模直接影响社区的户数与常住人口承载量，人口体量的差异深刻影响社区用电总量的起伏。各因子的重要性呈现显著的年度波动特征：2021年建筑形态系数(BSC)的相对影响较高，表明建筑形式通过影响建筑表面积与热量交换而成为当年的关键因素；2022年树木覆盖率(ACR)重要性上升，树冠覆盖通过改善社区微环境发挥作用；2023年公交站点密度(PTSD)与建筑密度(BD)的重要性同步上升。相反，容积率(FAR)与绿地相关指标的重要性持续偏低，表明在本研究样本与空间尺度下，这些要素对居民基本用电需求的影响有限。部分依赖图(PDP)进一步揭示了关键因子的非线性影响机制：TC与家庭用电量呈显著负相关；PTSD对碳排放的影响呈倒“U”型趋势，阈值约为60；BD对碳排放的影响亦呈倒“U”型，在0.15—0.25区间达到峰值；ACR与碳排放呈正向关联，可能因高绿化区域往往对应高收入、高电气化水平的改善型住宅。

**六、讨论与结论**

讨论部分指出，相较于传统RECE测算方法，基于AMI数据的方法框架具有代表性更强、尺度更精准、覆盖范围更广的优势。与既有研究相比，本研究发现交通相关变量远比建筑形态变量更能解释居住电力碳排放的空间分异，这与研究区域——城市边缘新城的交通可达性与公共服务水平差异更大有关。研究还揭示了关键因子的传导机理：高密度建成环境通过提供便捷交通与完善配套缩短居民出行时间和距离，降低私家车依赖，进而抑制间接能耗；建筑密度通过改变用地强度与建筑间互遮效应调节采暖和制冷的电力需求；绿化覆盖率虽可通过调节微气候降低能耗，但高品质绿色空间往往伴随高收入群体的高能耗生活方式，其节能效应被部分抵消。

在讨论部分基础上，研究人员提出了涵盖宏观空间格局、中观建成环境、微观单元治理与长效治理引导四个维度的综合减排策略。在结论部分，研究总结指出：第一，2021—2023年武清区居民电力碳排放呈现从快速增加转向趋稳的阶段性特征，碳排强度增速趋缓，户均碳排放趋同化倾向显现；第二，研究区建成环境存在土地利用、交通、生态与公共服务四个维度的空间异质性，形成“中心主城区—南部新城区”双核心格局，奠定居住碳排放空间分异的客观基础；第三，交通紧凑度(TC)与土地面积(SA)是长期稳定影响居民电力碳排放空间差异的关键因素，建筑形态系数(BSC)、树木覆盖率(ACR)、公交站点密度(PTSD)与建筑密度(BD)的重要性呈现逐年波动态势，每项指标均依据自身特征构建了独特的能耗传导路径。该研究凸显了交通网络、土地开发强度与空间布局对居民电力碳排放的关键影响，为区域低碳发展提供了科学基础与实用策略导向，对完善城市基础设施、间接增进居民健康、实现碳达峰与碳中和目标具有积极的推进意义。