《Sustainable Cities and Society》:High-resolution assessment of embodied carbon emissions in the urban built environment: Multi-scale patterns and socio-economic drivers across 35 Chinese cities
编辑推荐:
Xiao Zhou|Weihao Chen|Zhou Huang|Yanling Lu|Guoqing Zhou中国湖北省地理过程分析与模拟重点实验室,华中师范大学城市与环境科学学院,武汉430079,中国摘要虽然城市减排策略历来侧重于运营能源,但建筑环境的隐含碳排放仍是一个重要
Xiao Zhou|Weihao Chen|Zhou Huang|Yanling Lu|Guoqing Zhou
中国湖北省地理过程分析与模拟重点实验室,华中师范大学城市与环境科学学院,武汉430079,中国
摘要
虽然城市减排策略历来侧重于运营能源,但建筑环境的隐含碳排放仍是一个重要却未被充分重视的挑战。本研究以中国35个城市为案例,构建了一个多尺度、高分辨率的框架,用于量化和分析城市建筑环境在城际和城市内部层面的隐含碳排放。城际分析显示,各城市的总隐含碳排放差异显著,从拉萨的45百万吨到北京的2,103百万吨不等。而采用500米×500米网格进行的城市内部分析则显示出明显的空间差异,高碳排放区域集中在城市中心功能区。土地利用分析表明,住宅用地的隐含碳占比最高,为43.5%,其次是交通用地18.7%和工业用地15.5%,商业用地和公共管理用地分别占10.2%和12.1%。此外,双变量空间分析显示,建筑环境碳排放与GDP、人口数量以及绿地覆盖率之间的关系在不同城市之间存在显著差异。这些研究结果为精准碳管理提供了详细的证据基础,同时也为将隐含碳纳入城市环境影响评估和规划中提供了可扩展的工具。
引言
随着气候变化影响的加剧,城市地区已成为全球碳减排努力的核心。建筑环境,包括各类建筑物和交通基础设施,是城市碳排放的主要来源(Anderson等人,2015;Scrucca等人,2023)。建筑材料的碳强度、建筑的能源效率以及交通系统的配置共同决定了与建筑环境相关的碳排放量。最新估计显示,建筑物的建造和运营占据了全球与能源相关的碳排放总量的近40%(Amarasinghe等人,2025)。因此,准确量化这些碳排放,包括其结构和空间特征,对于制定有效的城市脱碳策略至关重要(Arehart等人,2021)。
尽管已有众多研究从材料组成、城市形态以及生命周期过程等方面探讨了建筑环境的排放特征(例如Muller等人,2013;Fenner等人,2018;Zhu等人,2023;Amarasinghe等人,2025;Bao等人,2025),但传统的核算方法仍然受到汇总统计数据和简化能源模型的限制。这类方法无法充分反映由于建筑物功能、建造类型以及空间发展模式的不同而产生的城市内部显著差异(Zhou等人,2022)。商业建筑、住宅建筑和工业建筑之间的不同排放强度,以及城市核心区与周边区域的差异,往往会被粗粒度的核算方法所掩盖(Zhou等人,2025)。随着城市结构日益复杂,对高分辨率且具有空间明确性的排放评估的需求也愈发迫切。
地理空间大数据的快速发展为解决这些局限提供了新机遇。高分辨率的遥感数据能够详细获取建筑物的形态和材料属性(Xu等人,2018;Li等人,2022;Zhou等人,2023;Nie等人,2025)。例如,Papini等人(2025)利用卫星图像和深度学习技术,对中国城市中的建筑物存量进行了三维演变监测。Haberl等人(2025)则将地球观测图像与材料强度因子相结合,以90米的空间分辨率估算了全球的建筑材料存量。此外,社会感知数据还能进一步精确界定城市功能区及人类活动模式,从而提供补充信息,增强对建筑环境碳排放的空间评估能力(Gao等人,2023a;Huang等人,2024)。Wang等人(2025)利用OpenStreetMap和兴趣点数据识别城市功能区,并运用机器学习模型预测子区域级别的碳排放。Zheng等人(2025)为京津冀地区的不同类型和材质的建筑物生成了多时相的生命周期隐含碳地图,揭示了建筑环境内部的显著结构差异。然而,尽管方法上有所进步,仍很少有研究能够在高空间分辨率下同时分析城市间和城市内部的碳排放差异,并系统探究其与人口密度、经济发展水平、土地利用类型以及绿地分布之间的关系。
因此,本研究构建了一个高分辨率的框架,用于核算和分析城市建筑环境在城际和城市内部层面的隐含碳排放。以中国35个城市为研究对象,我们整合了多种来源的数据集,如建筑环境材料存量、土地利用类型以及碳排放因子等,从而定量描述城市间和城市内部的碳排放空间分布情况。我们还进一步研究了碳排放与土地利用类型、人口密度、GDP以及绿地等关键因素之间的关系。这些研究结果为精细化城市碳核算和低碳管理提供了重要的数据支持和参考价值。本研究的贡献主要体现在四个方面:首先,我们建立了城市建筑环境隐含碳排放核算与分析的高分辨率框架,为城市低碳治理和精细化的排放评估提供了科学依据;其次,通过整合多源地理空间大数据和统计信息,我们为这35座中国城市的建筑环境构建了500×500米高分辨率的碳排放数据库;第三,我们研究了城际和城市内部层面的碳排放差异,揭示了不同尺度下建筑环境碳排放的空间分布特征;第四,我们分析了碳排放在土地利用类型、人口数量、经济水平以及生态特征等多维度上的空间相关性,为了解城市碳排放的空间特征提供了新的见解。
章节节选
文献综述
建筑行业是全球温室气体排放的主要来源之一,而对建筑环境中的碳足迹进行系统量化,已成为实现城市碳中和目标的重要基础(Lu等人,2016)。与建筑相关的碳排放通常分为运营碳排放和隐含碳排放两类(Seo等人,2015)。运营碳排放指的是在建筑使用过程中产生的直接和间接排放
研究区域
本研究选取了中国35个具有代表性且地域分布多样的城市作为研究样本,旨在系统分析中国主要城市建筑环境隐含碳排放的空间分布特征及差异。城市的选择基于多个标准,包括行政层级、空间分布以及经济活力。首先,样本涵盖了所有特大城市以及大部分大城市,比如北京
研究方法
本研究构建的建筑环境空间隐含碳核算框架包含四个主要步骤,如图1所示。
第一步:数据收集与处理。本研究整合了来自35座城市的多种空间和统计数据,包括建筑环境数据、碳排放因子、人口数据、土地利用数据、GDP数据以及绿地数据。这些来自不同来源的数据经过系统整理、标准化处理,并进行空间匹配,从而构建出
城市间建筑环境碳排放格局
图2展示了中国35座城市建筑环境的隐含碳排放情况。左上角的水平条形图显示了建筑环境材料的存量,这是这些碳排放的基础,不同城市之间的存量差异很大,从拉萨的350百万吨到北京的6,000百万吨以上不等。从总排放量来看,中国的城市建筑环境呈现出明显的层级结构,形成了一种“金字塔”状分布。这一
建筑环境碳排放特征与空间异质性综合分析
在快速城市化的背景下,建筑环境对碳排放的影响愈发显著(Ou等人,2024)。尽管建筑环境仍具有一定的碳封存潜力,但其整体碳排放仍占据全球碳排放量的很大比例(O'Hegarty和Kinnane,2022)。因此,准确量化建筑环境的碳排放对于制定有效的减排策略至关重要
结论
本研究提出了一种高分辨率的框架,用于核算和分析城市建筑环境的碳排放,从而对35座中国城市在城际和城市内部层面的碳排放特征进行了系统评估。此外,我们还进一步研究了建筑环境碳排放与土地利用类型、人口数量、经济活动以及生态空间等关键城市因素之间的空间关系。城际分析结果显示出显著的
CRediT作者贡献说明
Xiao Zhou:写作——审稿与编辑,写作——初稿撰写,方法论,资金获取,正式分析,概念构建。Weihao Chen:写作——初稿撰写,可视化,方法论,正式分析,数据整理。Zhou Huang:监督,方法论,研究实施,正式分析。Yanling Lu:可视化,验证,方法论,研究实施。Guoqing Zhou:监督,方法论,资金获取。
利益冲突声明
作者声明,他们不存在任何可能影响本文研究结果的已知利益冲突或个人关系。
致谢
本研究得到了国家自然科学基金(42201454)、广西空间信息与测绘重点实验室(21-238-21-41)、华中师范大学由教育部基础研究及运行经费支持的自主研究项目(CCNU24JC030)、湖北省博士后项目(2024HBBHXF043)以及湖北曙光计划(202454)的资助。